반세기 넘게 국내 철강산업을 이끌어온 한 기업이 있습니다. 냉연특수강 분야에서 독보적인 위치를 차지하고 있는 이 기업은 자동차 부품 소재 공급에 특화된 기술력으로 국내 주요 자동차 제조사에 핵심 소재를 공급하고 있습니다.
최근에는 1,200억 원 이상을 투자해 이차전지 소재 시장 진출을 본격화하며 제 2의 도약을 준비하고 있죠.
하지만 새로운 도전 앞에서 이 기업이 마주한 과제가 있었습니다. 바로 급변하는 시장 환경 속에서 정확한 수요를 예측하고 최적의 재고를 유지하는 것이었습니다.
특히 신규 사업 진출로 인해 더욱 복잡해진 공급망을 효율적으로 관리해야 할 필요성이 대두되었습니다.
이러한 도전과제를 해결하기 위해 기업은 AI 기반 수요 예측 시스템 도입을 결정했습니다. 전통적인 제조 기업이 디지털 전환이라는 새로운 도전을 시작한 것입니다.
그렇다면 AI 수요 예측 시스템은 어떻게 제조 현장의 고질적인 문제들을 해결했을까요? 또 현장의 실무자들은 어떤 변화를 경험했을까요?
이 글은 제조업계에서 고민하고 있는 수요 예측과 재고 관리의 문제를 AI 기술로 해결한 생생한 사례를 담고 있습니다. 특히 스마트 팩토리를 고민하는 제조업 실무자들에게 디지털 전환의 구체적인 청사진을 제시할 것입니다.
지금부터 AI 수요 예측 시스템이 가져온 현장의 변화를 자세히 살펴보겠습니다.
불확실성을 해결하는 AI 수요 예측 시스템의 현장 적용 사례
맞춤화된 수요예측 솔루션, 어떤 특징이 필요했나요?
처음에는 우리 기업도 수요예측의 시스템화에 대해 회의적이었습니다. 시시각각 변하는 시장 상황을 예측한다는 것 자체가 현실적으로 불가능하다고 생각했기 때문입니다.
하지만 정두희 대표와의 미팅에서 새로운 가능성을 발견했습니다. 우리 기업의 데이터를 기반으로 하되, 외부요인 인자들을 함께 고려한 모델링 방식에 대한 설명을 들으면서였는데요.
특히 최혜봉 이사와의 면담을 통해 우리 기업의 업무 프로세스를 상세히 설명하고 예측 방식을 논의하는 과정에서, AI 솔루션이 실제로 도움이 될 수 있다는 확신을 갖게 되었습니다. 외부환경 데이터 지표를 따로 산출해서 모델링에 반영하는 방식은 현업에 최적화된 시스템이라는 평가를 받았습니다.
신규 사업 확장에 따른 수요예측의 중요성, 어떻게 대응하고 계신가요?
최근 니켈도금강판 사업 진출과 같은 신규 사업이 확장되면서, 생산량과 원자재 수요 예측의 정확성이 더욱 중요해졌습니다. 특히 기존 냉연특수강 사업과 신규 사업을 아우르는 통합적인 수요예측 시스템의 필요성이 대두되었습니다.
현재 재고관리 기준을 1.5~2.5개월로 관리하고 있지만, AI 솔루션을 통해 이를 1개월~2개월로 줄여나가는 것을 목표로 하고 있습니다. 이를 통해 회사는 더욱 융통성 있게 재고자산을 관리할 수 있을 것으로 기대하고 있습니다.
스마트한 AI 수요 예측 시스템으로 달라진 제조 현장의 오늘
AI 도입 전, 실제 현장의 업무는 어떻게 진행되었나요?
실제로 기존에는 시스템에 최적 발주량을 입력할 때 전월 데이터를 단순히 복사해 넣고, 대략적인 내부 상황만을 고려해 조정을 하는 수준이었습니다.
영업사원들이 업체 방문 시 얻은 정보들을 바탕으로 발주 담당자가 발주량을 조정하는 방식이었죠. 하지만 이제는 AI 솔루션이 제공하는 과학적인 예측 데이터를 기반으로 의사결정을 내릴 수 있게 되었습니다.
현장에서 가장 큰 어려움은 무엇인가요?
제조 공정에서 가장 큰 어려움은 세부 데이터 자체에 대한 관리입니다. 데이터의 양이 많고 방대하다 보니, 특히 거래처의 규격 사이즈(넓이, 높이, 길이 등)가 모두 달라 이를 체계적으로 관리하는 것이 쉽지 않았습니다.
특히 자동차 산업과 관련된 수요예측이 가장 어려웠습니다. 글로벌 시장은 오히려 발주량이 일정해서 예측이 수월한 편이지만, 국내 시장에서는 현대, 기아의 경우 주간 단위로 수시로 발주가 들어오기 때문에 이를 맞추기가 쉽지 않았습니다.
갑작스러운 차량 단종이나 외부 수출의 경우에도 발주 전에 단종이 되어버리면 장기재고로 남아버리는 문제가 발생했습니다. 이런 경우 낮은 단가로 외부에 판매해야 하는 상황이 발생합니다.
연말에 장기재고에 대한 등급전환 작업을 진행하는데, A급에 비해 낮은 단가로 판매되기 때문에 비용 손실이 발생하고 있는 실정입니다.
딥플로우를 도입한 후, 가장 크게 체감되는 성과와 변화는 무엇인가요?
하지만 AI 솔루션 도입 이후, 이러한 문제들이 상당 부분 해소되고 있습니다. AI가 제공하는 예측값을 통해 수요를 선제적으로 파악할 수 있게 되었고, 이는 재고 관리의 효율성을 크게 높였습니다.
또한 AI 시스템이 제공하는 평균치, 상한치, 하한치를 가이드라인으로 활용함으로써, 급변하는 시장 상황에도 더욱 유연하게 대응할 수 있게 되었습니다.
이는 단순한 재고 감축을 넘어 전반적인 운영 효율성 향상으로 이어지고 있습니다. 더불어 영업 현장에서 수집되는 정보들을 시스템에 반영하여 예측의 정확도를 지속적으로 높여가고 있어, 장기적으로는 더욱 정교한 수요예측이 가능할 것으로 기대됩니다.
앞으로 어떤 목표를 가지고 계신가요?
현재는 전체 중 일부 품목에 대해서만 예측이 이루어지고 있는데, 이를 전체 품목으로 확대해 나가고자 합니다. 외부 환경 요인들에 대해서도 지속적으로 연구하면서 모델에 접목시켜 나갈 계획입니다.
비록 오차가 커지는 경우가 있더라도, 시스템을 계속 운영하면서 담당자들에게 의사결정을 위한 가이드를 제공하는 형태로 발전시켜 나가고자 합니다.
더불어 원자재 소요량 예측 솔루션 외에도 원자재 가격예측 솔루션을 도입하여, 원자재 구매 시 최적의 시점과 수량을 결정하는데 도움을 받고 싶습니다.
이를 위해 우리 기업은 임팩티브AI와 지속적으로 협력하며 데이터를 교류하고 성능을 고도화해 나갈 계획입니다.
이러한 노력들을 통해 고객사는 더욱 과학적이고 체계적인 생산관리 시스템을 구축해 나갈 것이며, 이는 곧 기업의 경쟁력 강화로 이어질 것으로 기대하고 있습니다.
AI 기반 수요 예측 시스템의 성공적인 도입 사례는 제조업의 디지털 전환이 더 이상 먼 미래의 이야기가 아님을 보여줍니다. 특히 전통적인 제조 기업이 새로운 도전을 통해 가시적인 성과를 이뤄낸 것은 많은 기업들에게 의미 있는 시사점을 제공합니다.
이제 제조업계는 새로운 변곡점을 맞이하고 있습니다. 원자재 수급의 불확실성이 커지고, 시장의 변화는 더욱 빨라지고 있으며, ESG 경영이라는 새로운 과제도 등장했습니다. 이러한 변화의 시대에 AI 수요 예측 시스템은 선택이 아닌 필수가 될 것입니다.
더욱 고무적인 것은 AI 시스템이 단순한 예측을 넘어 기업의 의사결정을 지원하는 전략적 도구로 진화하고 있다는 점입니다.
재고 관리 최적화, 원자재 구매 시점 예측, 생산 계획 수립 등 다양한 영역으로 그 활용도가 확장되고 있습니다. 이는 곧 제조업의 새로운 경쟁력이 될 것입니다.
디지털 전환이라는 거대한 흐름 속에서, 이제 제조기업들은 변화에 대한 두려움을 넘어 새로운 도전을 시작해야 합니다. AI 수요 예측 시스템, 딥플로우의 도입은 그 첫걸음이 될 수 있을 것입니다.
