AI 수요 예측과 창고 보충은 모든 공급업체 발표 자료와 모든 컨퍼런스 패널에 등장하는 문구 중 하나가 되었다. 약속은 간단하게 들린다. 수요를 더 정확하게 예측하면 창고는 자연스럽게 재고를 덜 보유하고 판매 기회를 덜 놓치게 된다. 그런데 예측 도구를 도입한 많은 창고가 당황스러운 결과를 보고한다. 예측은 측정 가능할 만큼 좋아졌는데 창고는 그렇지 않았다. 선반은 가득 찬 채로 남아 있었고, 느리게 팔리는 제품은 계속 먼지를 뒤집어썼으며, 성수기에는 주문이 어디에 있는지 묻는 고객의 전화가 여전히 울렸다.

이것은 나쁜 모델에 관한 이야기가 아니다. 모델이 숫자를 내놓은 뒤에 일어나는 모든 일에 관한 이야기이다.

중국 동부의 한 소비재 유통업체를 생각해 보자. 지난해 성수기를 앞두고 이 회사는 수요 예측 도구를 도입했고, 예측과 실제 판매 사이의 적합도는 진정으로 개선되었다. 구매팀은 문제가 해결되었다고 느꼈다. 시즌이 끝나고 재고 집계가 나오자, 베스트셀러 여러 품목은 전년보다 더 많은 재고를 안고 있었고, 아무도 걱정하지 않던 소규모 제품 라인 두 개는 품절되어 있었다. 예측이 크게 틀린 것은 아니었다. 잘못된 것은 그 뒤의 단계들이었다.

두 번째 사례는 남부의 한 식품 유통업체에서 왔다. 그 예측도 마찬가지로 훌륭했지만, 공급업체 리드타임은 예측할 수 없이 변동했다. 때로는 일주일 안에 배송이 도착했고, 때로는 한 달의 대부분이 걸렸다. 품절을 피하기 위해 창고는 그럴듯한 가장 긴 리드타임을 기준으로 계획했다. 예측은 다음 달에 대략 얼마나 팔릴지는 말해 줄 수 있었지만, 상품이 언제 도착해야 하는지, 어떤 배치 크기로 도착해야 하는지는 말해 주지 못했다. 재고가 도착할 때쯤이면 판매 피크는 이미 지난 경우가 많았고, 나머지는 다음 사이클을 기다리며 남아 있었다.

예측이 맞는데도 보충이 여전히 잘못될 때

격차는 번역에 있다. 예측은 미래 기간에 대한 합계로 말한다. 보충은 세 가지 다른 질문에 답해야 한다. 언제 주문할 것인가, 얼마나 주문할 것인가, 그리고 얼마나 많은 버퍼를 유지할 것인가이다. 이 중 하나라도 잘못 답하면 정확한 합계도 당신을 구하지 못한다. 이 번역 격차는 AI 수요 예측과 창고 보충이 실제로 가장 자주 무너지는 지점이며, 모델 내부가 아니라 예측에서 실제 주문으로의 인계 지점에 있다.

반복해서 나타나는 불일치는 세 종류이다. 첫째는 배치 불일치이다. 예측은 매일 만들어지는데 구매는 풀 트럭 단위나 공급업체 최소 수량으로 주문하므로 숫자가 다른 형태로 반올림된다. 둘째는 리듬 불일치이다. 예측은 매끄러운 곡선인데 보충은 펄스 형태로 도착하여, 재고는 한꺼번에 쏟아져 들어오는 반면 판매는 점진적으로 재고를 소진하므로 재고가 오르내린다. 셋째는 책임 불일치이다. 예측은 알고리즘의 소유이고, 보충 결정은 구매 담당자의 소유이며, 양측은 서로 다른 가정에서 일한다. 시스템의 숫자는 실행 단계에서 수동으로 조정되고, 결국 창고가 실제로 어떤 규칙으로 운영되고 있는지 아무도 정확히 말할 수 없게 된다.

다양한 업계 보고서에 따르면, 예측 오차가 재고에 미치는 영향은 잘못 설정된 보충 파라미터의 영향보다 종종 작다. 직관에 반하는 것처럼 들리지만 논리는 간단하다. 예측 오차는 실제 수요를 중심으로 위아래로 변동한다. 잘못된 보충 규칙은 모든 변동을 한 방향으로만 증폭한다. 스스로 교정되지 않는다.

안전재고와 보충의 트레이드오프

안전재고는 이 퍼즐에서 가장 오해받는 조각이다. 많은 팀이 이를 보험으로 여기고, 많을수록 좋다고 생각한다. 하지만 안전재고가 너무 높게 설정되면 보험이 아니라 영구 재고가 된다. 더 나쁜 것은, 품절 비용이 비싼 제품과 과잉 재고 비용이 비싼 제품을 구분하지 않고 모든 카테고리에 걸쳐 하나의 일괄 규칙으로 설정되는 경우가 많다는 점이다.

유용한 관점은 세 가지 양을 나란히 놓고 보는 것이다. 수요가 얼마나 변동하는지, 보충에 실제로 얼마나 걸리는지, 그리고 한 번의 품절이 실제로 얼마나 드는지이다. 변동성이 크고 리드타임이 길수록 더 많은 버퍼가 정당화된다. 그 부분은 타당하다. 하지만 협상이나 다른 공급업체, 분할 배송을 통해 리드타임 자체를 단축할 수 있다면, 안전재고를 쌓는 것은 공급망의 느슨함을 재고로 지불하는 것에 불과하다. 반대로 리드타임이 짧고 보충이 유연한 제품은 안전재고를 얇게 운영하여, 진정으로 완충이 필요한 품목에 자본을 투입할 수 있다.

아래 표는 파라미터를 변경하기 전에 팀이 합의하기를 내가 제안하는 프레임워크이다. 그 자체로 답은 아니다. 대부분의 창고가 한 번도 한 페이지에 올려놓지 않았던 네 가지 가정 집합을 같은 페이지에 올려놓도록 강제한다.

| 결정 | 일반적인 관행 | 무엇이 잘못되는가 | 더 나은 출발점 | | 주문 수량 | 트럭 단위나 최소 수량으로 올림 | 작은 수요가 큰 재고로 부풀려진다 | 수요 리듬에 맞춰 주문을 나누고, 더 작고 빈번한 보충을 받아들인다 | | 주문 시점 | 고정된 요일에 주문 | 수요 변화는 누군가 반응하기 전에 한 사이클을 통째로 기다린다 | 달력 날짜가 아니라 재고가 임계값에 도달했을 때 트리거한다 | | 안전재고 | 모든 제품에 하나의 일괄 비율 | 빨리 팔리는 제품은 부족해지고 느리게 팔리는 제품은 쌓인다 | 품절 비용 대 과잉 재고 비용으로 제품을 등급화한다 | | 리드타임 | 공급업체가 약속한 가장 짧은 시간을 사용한다 | 어떤 지연이든 품절을 일으키고, 이후 더 많은 재고로 메운다 | 약속이 아니라 실제 도착의 현실적인 상한 범위를 기준으로 계획한다 |

많은 창고에 부족한 것은 데이터가 아니다. 이 네 가지 결정에 대한 공유된 가정이며, 각 결정은 조용히, 따로따로 내려져 왔다.

예측 정확도에서 창고 건강성으로

성공을 측정하는 방식에는 더 깊은 불일치가 있다. 예측팀은 정확도로 평가받고, 창고는 재고 회전율과 품절률로 평가받으며, 구매는 구매 비용으로 평가받는다. 각 지표는 단독으로는 괜찮아 보일 수 있지만 조합은 실패한다. 예측 정확도가 몇 포인트 개선되었는데 재고 회전율이 움직이지 않을 때, 첫 번째 용의자는 모델이 되어서는 안 된다. 지표들이 서로 싸우고 있는지 여부여야 한다.

발표된 업계 관찰에 따르면, 예측에서 실제로 혜택을 보는 창고는 가장 진보된 모델을 가진 창고인 경향이 없다. 예측, 보충, 안전재고를 하나의 규칙 집합 아래에서 관리하는 창고이다. 그들의 소박한 공통 습관은 이렇다. 예측 출력이 보충 파라미터에 직접 연결되고, 파라미터 변경은 기록되고 검토되며, 수동 오버라이드는 조용히 일어나는 대신 흔적을 남긴다.

앞으로 예측 도구는 계속 좋아지고 저렴해질 것이다. 그렇다고 창고 문제가 저절로 사라진다는 뜻은 아니다. 도구는 계산이 정확한지 답한다. 창고는 여전히 계산 이후에 무슨 일이 일어나는지에 답해야 하며, 이는 더 지저분하고 표준화하기 어려우며, 궁극적으로 재고가 건강한지를 결정한다.

그래서 올바른 질문은 더 이상 예측이 얼마나 더 정확해질 수 있는지가 아닐지도 모른다. AI 수요 예측과 창고 보충은 예측이 만들어진 뒤 재고와 서비스 수준에 무슨 일이 일어나는지로 평가되어야 한다. 그곳이 돈이 절약되거나 낭비되는 곳이기 때문이다. 이제 예측이 충분히 좋아진 만큼, 창고가 보충 규칙과 안전재고를 처음부터 다시 만들 의향이 있는지가 문제이다. 정확한 예측에도 불구하고 창고가 과잉 재고 상태로 남을 때, 넘쳐난 것은 모델의 신뢰성인 경우가 드물었다. 오랫동안 아무도 심각하게 받아들이지 않았던 실행 단계였다. 그리고 더 비싼 모델을 사는 대신 이 네 가지 결정을 맞추기 위해 멈춰 서는 현장이 얼마나 될지는 그 자체로 지켜볼 만한 열린 질문이다.

Dr. Chen, 공급망 연구자 지음 영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.