생성형 AI의 적용 동향
- SCM 및 구매 적용 예시 -

*   본 내용은 백정열 C&C(☎ 050-6772-3262, road2photo@naver.com)에게 문의하시기 바랍니다.

**   본 내용은 한국전자통신연구원의 주요사업(23ZV1100)의 일환으로 수행되었음

**   본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다.

 코로나가 본격적으로 시작되기 이전인 2020년 3분기 이후 CEO의 핵심 Agenda는 다양한 분야에 관심을 두고 있었다. 최근 CEO의 핵심 Agenda의 변화를 보게 되면 코로나를 지나게 되면서 Agenda의 변화가 있었지만, 그 중에서도 지난 몇 년간 TOP 5안에 들어가 있는 것이 [그림 1]과 같이 공급망 리스크(risk) 및 회복성, 탄력성에 대한 주제이다.
 코로나 19와 우크라이나 전쟁, 이스라엘-하마스 전쟁으로 인한 수에즈 운하의 선박 운항 통제 등 다양한 국제 정세 변화 및 감염병 환경 등을 거치면서 안정적인 공급망 및 구매, 조달은 가장 중요한 부분으로 부각되고 있다.
 이를 위한 다양한 정책 및 시스템 도입ㆍ운영을 통해 현재의 현황을 파악하고 향후 발생할 Hidden Risk에 대비하는 추세이다. 이미 안정적인 공급망을 갖춘 글로벌 기업들은 이런 환경 변화가 기회로 되어 매출 확대가 일어나는 반면 그렇지 못한 다른 기업들은 이에 대비하지 못해 수익 감소 등으로 경영환경의 침체현상이 나타났다.

<자료> Boston Consulting Group, “Supply chain Resilience as a Competitive Advantage”, 2023.

[그림 1] 2020년 이후의 CEO 핵심 agenda 현황

 본 고에서는 코로나와 최근 우크라이나 전쟁, 재난재해 등 여러 가지 다양한 환경 변화를 거치면서 공급망 회복, 안정성을 유지하는 부분에 대해 다양한 디지털 트랜스포메이션 기술을 접목하는 부분에 대해 생성형 AI를 중심으로 비즈니스 시나리오에 어떻게 적용할 수 있는지를 설명하고 그에 대한 의견을 제시한다.

 공급망 회복/안정성을 논하기 전에 우선 어떤 Risk Indicator가 있는지를 먼저 살펴보면, 공급 관점에서의 리스크는 크게 [그림 2]와 같이 지리적인 리스크와 공급 리스크의 두 가지 관점으로 나눠서 볼 수 있다. 이전에는 기후/환경과 같은 리스크가 주로 관심사였다면 지금은 ESG 관점에서의 리스크도 관리의 필요성이 증가하는 등 다양한 관리가 필요하다. 자연재해와 전쟁과 같은 급작스러운 환경 변화와 달리 정책과 기술의 변화에 대응하기 위해서는 사전에 충분한 정보 수집을 통해 문제가 발생하기 전에 해결할 수 있는 체계를 만들 수 있다.

<자료> Boston Consulting Group, “Supply chain Resilience as a Competitive Advantage”, 2023.

[그림 2] 6대 리스크 분류

 현재는 빅데이터 기술 기반의 예측에 대한 정확성도 증가하는 추세이므로 [그림 3]의 재난재해 리스크는 이전과 다르게 어느 정도 예측이 가능한 범위 내에 들어와 있다고 볼 수 있다. 이런 정보에 대해서는 홈페이지에 접속해서 확인하거나 데이터를 다운로드 받아서 정리하는 방식으로 하거나 오픈된 관련 정보 DB를 통해 미리 해당 자료를 취득하고 이를 예측하는 것에 쓸 수 있다. 이런 재난재해 정보들은 시시각각으로 변하기 때문에 AI와 빅데이터를 연결하여 기업 운영 및 공급망 관점에서의 필요한 정보들을 상시적으로 조회하고, 이를 기반으로 공급망 관리에 활용할 수 있도록 시스템 구축 등 다양한 방법을 고민해야 한다.

<자료> Boston Consulting Group, “Supply chain Resilience as a Competitive Advantage”, 2023.

[그림 3] 재난재해 리스크 예시(공신력이 담보된 DB와 실시간 연동)

 최근에는 ESG의 영향으로 인해 공급망 관리 대상이 1차 벤더를 넘어 N차 벤더까지 확장되는 추세이고 그에 따라 리스크에 대한 관리영역도 확대되고 있다. 예를 들어, Supply Chain Fact 기반으로 분석할 때 기본 정보 외에도 국가, 위치, 환경제제에 더불어 국내외 커패서티(capacity)가 어느 정도이고 그에 따른 벤더의 가동률이 어느 정도인지도 파악하고 있어야 한다. 물론, 관련 정보 취득 시 한계는 있지만 향후 ESG 공시가 활성화될 것을 대비하여 미리 ESG 시스템과의 연동을 고려해야 한다. 확인된 정보에 대해서 해당 벤더사의 담당 컨텍트 포인트를 활용해서 추가로 확인해야 할 것이다.
 최근 산업군을 살펴보게 되면 기업 간의 네트워크를 중심으로 산업 생태계가 조성되고 있는 현상들이 나타나고 있다. 예를 들면, 반도체 파운드리의 경우, TSMC 계열과 삼성전자로 나눌 수 있는데 TSMC에 납품하는 기업과 삼성전자에 납품하는 기업들이 체인처럼 연결되어 있다. 반도체 제조의 경우에도 마찬가지로, SK하이닉스에 납품하는 장비업체와 삼성전자에 납품하는 장비업체도 나뉘어져 있는 것과 마찬가지이다(물론, 양쪽다 공급하는 업체도 있지만 대부분은 나뉘어져 있다.) 이처럼 N차 벤더까지 잘 관리하는 것이 기업의 경쟁력을 좌우하고 기업 생태계를 유지시키는 원동력이 된다. 그에 따라서 이전에는 원가절감과 재고감축에 비중을 둔 벤더 관리였다면 지금은 적시성을 갖춘 공급망 기업 체계가 중요하게 된 것이다.

1. 구매 요청 시 가격 및 옵션 제안 부분

<자료> Deloitte, “Transforming digital procurement through Generative AI”, 2024.

[그림 4] 구매 요청 가격 및 구매 정책을 통한 제안

 구매를 진행하기 전에 생성형 AI 기술을 활용하여 과거의 구매 데이터를 확인하고 기업 내부의 구매 정책을 기반으로 해서 최적 가격을 찾거나 부합하는 구매 요청에 대한 옵션을 설정한다. [그림 4]와 같이 과거의 구매 데이터에 대해 LLM 기반으로 사전에 학습한 후, 품목 및 공급사 기준으로 최적 가격 모델을 선정하고 그 결과를 사용자에게 제시한다.

2. 계약서 생성 및 검증

<자료> Deloitte, “Transforming digital procurement through Generative AI”, 2024.

[그림 5] 계약서 생성 및 검증

 새로운 계약서를 작성할 때 이미 보유하고 있는 계약서 데이터와 과거 계약서의 데이터를 학습하여 계약서 내 문구를 추천하고 위험 문구를 식별하여 삭제하는데 생성형 AI 기술을 활용할 수 있다. 계약서 작성 시 관련 기업에 유불리를 판단하는 독소 조항이라고 불리는 부분들이 있는데 계약서를 받는 쪽이나 보내는 쪽에서 해당 계약서에 대해 검증하여 반대 의견을 제시하는 등에도 생성형 AI가 활용될 수 있다[그림 5].

3. 구매 프로세스 지원

<자료> Deloitte, “Transforming digital procurement through Generative AI”, 2024.

[그림 6] 구매 프로세스 지원

 AI 기반 구매 도구는 RPA(Robotic Process Automation) 등 사용자에게 친밀한 인터페이스를 통해 원하는 구매 방향을 제시하고 이를 통해 필요한 구매 프로세스를 자동으로 진행할 수 있도록 할 수 있다. 이때, 이전 구매를 진행할 때와는 달리 사용자 개입이 최소화된 상태로 프로세스 위반 등과 같은 작은 오류도 발생하지 않도록 할 수 있다. 또한, 구매 진행하면서 얻게 되는 모든 정보에 대해서는 구매 채널이나 필요한 품목 및 공급사에 대해서 생성형 모델을 수립하고 이를 기반으로 학습한 다음에 사용자가 원하는 데이터를 선별하고 그에 따른 텍스트를 추출하는 과정에 대해 지속적으로 학습을 수행하여 향후 유사한 프로세스가 진행할 때 자동으로 사례를 들면서 설명할 수 있는 환경을 만들어 줄 수 있다[그림 6].

4. 공급사 평가  RFP(Request For Proposal)을 통해 받은 자료에 대해 제안할 시, 과거 구매 이력과 공급사에 대한 평가 정보를 확인하여 공급사별로 내부 랭킹을 수립하고 그 결과에 따라 보고서를 만들거나 추출한 데이터에 대해 시각화 할 수 있다[그림 7].

<자료> Deloitte, “How Generative AI will transform Sourcing and Procurement Operation”, 2023.

[그림 7] 공급사 평가

 [그림 7]과 같이 과거의 구매 계약서에 있는 내용에 대해 요약/정리하고 정리된 데이터를 기준으로 의미 단위로 분할 후, 이를 임베딩 하거나 색인해서 제안서 평가 관리 기능을 미리 만들어 놓는다. 이를 통해 공급사 기준으로 분류하고 그에 따라 Scoring을 해서 사용자에게 보고서 형식으로 전달할 수 있다.

5. ESG 연계  안정적인 공급망 관리를 위해 최근에는 ESG와 관련된 항목인 탄소배출량 집계 등에 대한 데이터도 확인해야 한다. 다만, 벤더사의 자료를 활용할 때에 공개된 정보를 활용해야 하므로 추후 ESG 공시 등 오픈된 자료를 통해 AI로 분석하여 활용이 가능하다. 즉, 공급망에서 발생하는 탄소량을 집계하고 모니터링하여 구매 성과 관리나 공급사 평가에도 활용할 수 있다[그림 8].
 [그림 8]과 같이 A사가 월별로 배출하는 탄소량에 대해 공개된 자료를 수집하여 저장하고 평균 배출량 기준을 생성형 모델을 통해 수립한 후, 모니터링하는 방법에 대해 그려 본 예시이다.

<자료> SK주식회사 자체 작성

[그림 8] ESG 평가 Output 화면 예시

 앞서 언급한 기술들을 접목하면 단순 수작업으로 진행했던 부분이나 공급망 유지를 위해 부가적으로 소요되었던 시간이 단축되고, 디지털 기술 접목으로 인한 업무의 정확성이 향상될 것으로 판단한다. 이렇게 확보된 업무 시간은 다른 고부가가치의 업무에 시간을 사용할 수 있게 될 것이다.

 지금까지 언급한 비즈니스 시나리오 예시는 현재 예측 불가능한 상황 변화를 대비하고 안정적인 공급망 확보 차원에서 볼 때 고려 및 도입해야 할 생성형 AI의 시나리오로 볼 수 있다[그림 9]. 그리고, 바로 적용을 하기에는 기업의 내부 현황, 벤더 정보 등 도입 전에 프로세스 이노베이션 등을 통해 기존의 프로세스를 정리하고 그 중에서 우선적으로 적용해서 도입할 수 있는 부분부터 하나씩 적용해 나가는 단계적 접근 방법이 필요하다. 작은 성공이 여러 개가 쌓이면 큰 성공이 되는 밑거름이 되듯이 사내외의 현황을 먼저 잘 파악하는 것이 중요하다.

<자료> Deloitte, “How Generative AI will transform Sourcing and Procurement Operation”, 2023.

[그림 9] 생성형 AI의 영향

 무엇보다 가장 중요한 건 구매 및 조달 담당 리더가 이러한 디지털 트랜스포메이션 변화에 대한 중요성을 인식하여 회사 내에서 그 역량을 수용할 수 있도록 장기적인 로드맵을 IT 담당 임원 등과 같이 수립하여 운영하는 것이 점점 더 중요해지고 있다. 새로운 기술이나 변화를 수용하려면 당연한 얘기이지만 조직이나 문화가 변화되는 방향에 대해 미리 대응하고 준비해야 한다.
 AI나 디지털 트랜스포메이션 등 여러 가지 기술을 새로 도입 시 그 전에 해야 할 일이 있다. 기술을 어떻게 활용할 것인지에 대한 전략을 먼저 세우고, 그 전략을 뒷받침하는 정책을 수립한 다음에 이런 정책과 전략을 효율적으로 관리, 운영할 조직과 담당자를 선정한 후, 사내에 기술이 잘 운영될 수 있도록 프로세스를 도입하는 것이다.
 이런 부분이 잘 유지되고 운영하다가 개선점이 나오면 다시 전략, 정책, 조직 및 담당자, 프로세스를 개선하는 방향으로 진행하게 되면 새로운 기술이라 하더라도 그 기술은 기업의 강점이 될 수 있고 그에 따라 새로운 경쟁력을 갖게 될 것이다.