저회전 재고 AI 예측: 반년 먼저 경고 신호 읽기

2024년 가을, 나는 중국 동부의 가전 부품 창고를 걸었다. 그곳에서는 저회전 재고가 이미 먼지를 뒤집어쓰기 시작했고, 같은 전기 모터로 가득 찬 랙 3열이 있었으며, 바깥 상자에는 얇은 먼지층이 앉아 있었다. 창고 관리자는 그 부품이 입고 당시에는 잘 팔리는 제품이었으나, 주문이 대략 6개월 전부터 줄어들기 시작했고, 누군가 알아챘을 때는 이미 아무도 찾지 않았다고 말했다. 이것이 저회전 재고의 일반적인 일생이다. 하룻밤 사이에 생기지 않는다. 천천히 진행되며, 초기 증상은 주문, 입고, 판매 기록 속에 흩어져 있고, 재고가 이미 묶인 뒤에야 누군가 그것들을 연결한다. AI 예측은 그 연결 작업을 한다. 일상 데이터의 희미한 변화를 하나의 그림으로 모아, 아직 행동할 시간이 있을 때 경고를 울린다.

저회전 재고는 갑자기 생기지 않는다. 점차 느려진다

소형 가전 판매자를 생각해 보자. 그 에어프라이어 액세서리는 2023년 하반기에 중국 동부 창고에서 월 약 40,000개가 출하되다가, 월 20,000개 조금 넘는 수준으로 떨어졌는데, 보충은 예전 성수기 리듬 그대로 이어졌다. 2024년 초에 재고를 세어 보니 창고에는 약 9개월분의 재고가 있었고, 같은 제품군의 더 새로운 세대 2개가 이미 시장에 나와 있었다. 한 조명 회사는 다른 형태로 같은 대본을 따랐다. 2022년 말, 한 천장등 모델의 주문은 주당 십여 건 이상에서 2~3건으로 떨어졌고, 주문은 작아지고 간격은 벌어졌는데도 창고는 계속 풀 파렛트를 받았다. 두 경우 모두 판매가 먼저 느려졌고 재고 쌓임은 수개월 뒤에 일어났으며, 피킹 목록이나 구매 주문서를 한 번에 하나씩 읽는 인간의 직감은 꾸준히 아래로 휘는 수요 곡선을 따라잡지 못했다.

재고 회전율에 대한 장기 관찰도 같은 결론을 가리킨다. 저회전 재고의 형성 기간은 보통 수개월에 걸치며, 어려운 점은 처분이 아니라 인식이다. 창고 팀은 개별 출하를 보고, 구매 부서는 개별 보충을 보며, 카테고리 곡선 자체를 보는 사람은 없다. 여기서 AI 예측의 가치는 기적 같은 숫자가 아니다. 시간 속에 그려진 곡선이며, 곡선이 완전히 평평해지기 전에 책임자에게 메시지를 보내는 임계값이다.

네 가지 신호가 함께 저회전 재고 AI 예측을 만든다

하나의 신호는 쉽게 오도한다. 네 가지 신호가 함께 도착하면 그림이 완전히 달라진다. 첫째는 판매 둔화이다. 어떤 카테고리의 출고량이 계절적 설명 없이 몇 기간 연속으로 과거 평균을 밑도는 것이다. 둘째는 주문 빈도의 변화이다. 주문이 줄고, 작아지며, 반복 구매 간 간격이 길어지는데, 이는 종종 총매출보다 먼저 수요 축소를 드러낸다. 셋째는 계절 불일치이다. 이 시점에 올라야 할 제품이 제자리에 머물거나, 성수기가 해마다 줄어드는 것이다. 넷째는 대체 신호이다. 후속 모델이나 대체 제품이 오르는 동안 오래된 품목에 대한 검색과 문의가 사그라드는데, 이는 판매와 고객 서비스 기록 속에 묻혀 있어 아무도 한 줄씩 읽지 않는다.

네 가지 신호를 하나의 의사결정 표에 넣으면 경고는 창고가 행동할 수 있는 것이 된다.

계산은 6개월의 리드타임이 왜 중요한지를 보여준다. 어떤 카테고리가 월 10,000개를 출하하고 60,000개, 즉 6개월분을 보유한다고 가정하자. 경고 덕분에 팀이 다음 두 번의 보충 배치를 절반으로 줄이면, 약 20,000개는 창고에 들어오지 않는다. 단가 50위안으로 계산하면 약 1백만 위안의 자본이 저회전 재고에 묶이지 않는다. 상품이 정말 팔리지 않게 될 때까지 기다리면, 이를 처분하는 데 필요한 할인율은 종종 반값 아래로 떨어지고, 수개월의 보관 및 취급 비용이 더해진다. 조기 예측이 절약하는 것은 할인율이 아니다. 애초에 들어올 필요가 없었던 재고이다.

경고 이후 창고에는 네 가지 대응만 있다

경고가 유용한 것은 대응 창이 아직 열려 있기 때문이다. 첫째 대응은 구매 축소이며 가장 저렴하다. 운송 중이거나 계획된 물량을 멈추고, 장기 과잉 대신 단기 부족을 받아들이는 것이다. 둘째는 판촉으로, 아직 시장이 있지만 가격에 민감한 제품에 적합하며, 단 청산품이라는 평판이 붙기 전에 시작해야 한다. 셋째는 이전이다. 약한 지역이나 채널에서 강한 지역이나 채널로 재고를 옮겨 같은 상품이 정상적으로 팔리게 하는 것이다. 넷째는 공급업체에 반품하거나 교환하는 것으로, 반품 정책이 있는 경우에만 가능하고 재고가 아직 건강할 때 협상해야 한다. 상품이 묶이고 나면 협상력은 사라지기 때문이다.

여기 반직관적인 판단이 있다. 경고 이후 가장 위험한 대응은 종종 지켜보는 것이다. 직감은 이해할 만하다. 제품은 아직 움직이고 있고, 단지 느려졌을 뿐이며, 수요가 회복될 수도 있기 때문이다. 그러나 네 가지 신호가 모두 있을 때 자발적 회복은 드물고, 기다리는 비용은 확실하다. 한 달 더 보관료, 한 달 더 묶인 자본, 그리고 처분이 마침내 이루어질 때 더 깊은 할인이다. AI 예측에서 진짜 맞교환은 정확도와 오류가 아니다. 일찍 행동하는 작은 비용과 늦게 행동하는 큰 비용이다. 판촉은 가격 구조를 해칠 수 있고, 이전에는 운송비가 들며, 구매 축소는 단기 품절 위험이 있다. 이 비용들은 모두 현실이지만, 한 배치 전체가 저회전 재고가 되는 것에 비하면 작다.

AI 예측은 오경보를 낼 것이다

AI 예측의 경계는 분명히 밝혀야 한다. 신뢰가 얻어지거나 잃어지는 지점이기 때문이다. 계절 상품은 오경보가 가장 쉽게 나는 원인이다. 풀 장비는 겨울에 팔리지 않으며, 계절 리듬을 이해하지 못하는 모델은 매년 겨울 경고를 울릴 것이다. 판촉, 플랫폼 판매 행사, 제품 교체 기간도 데이터를 같은 방식으로 왜곡한다. 큰 판촉 뒤의 하락이 수요 축소처럼 보이기 때문이다. 세 번째 오류 원인은 데이터 자체이다. 채널 이동으로 한 창고의 출고량이 줄어도 채널 전체 매출은 변하지 않을 수 있으며, 단일 창고만 보는 예측은 그 이동을 감소로 잘못 읽는다.

따라서 모든 경고 뒤에는 두 가지 인간 체크포인트가 있어야 한다. 첫째는 사업 검토이다. 경고를 카테고리를 아는 사람이 받아, 그 패턴이 계절적인지, 판촉 때문인지, 진짜 감소인지 판단한다. 둘째는 단계적 대응이다. 황색 경고는 신규 구매만 동결하고 기존 재고는 그대로 두며, 적색 경고는 판촉과 반품 협상을 열어준다. 오경보 자체는 치명적이지 않다. 신뢰를 무너뜨리는 것은 단계가 없는 시스템으로, 한 번의 오경보가 청산 판매를 촉발하는 것이다. 이 구조에서 AI는 지휘관이 아니라 파수꾼이다. 의심스러운 추세를 일찍 테이블 위에 올리고, 결정은 사람에게 남긴다.

더 넓은 추세는 분기 재고 실사에서 저회전 재고를 발견하던 방식에서 그 신호를 지속적으로 모니터링하는 방식으로의 이동이다. 과거에는 기업이 세어 보고 나서야 어떤 상품이 느려졌는지 알았다. 점점 판매 곡선이 약해지는 순간 카운트다운이 시작된다. 또 다른 변수는 데이터 출처의 확대이다. 판매, 고객 문의, 후속 제품 출시, 채널 이동을 같은 차트에서 읽을 수 있게 되면 예측의 리드타임은 더욱 길어진다. 그러나 리드타임이 길어지면 불확실성도 커지므로, 단계적 대응과 인간 검토는 덜 중요해지는 것이 아니라 더 중요해진다. 기술은 이제 재고가 묶이기 6개월 전에 관리자에게 경고를 제시할 수 있다. 제품이 아직 팔리고 있을 때 구매를 줄일 의지가 있는지는 알고리즘의 문제가 아니라 습관의 문제이며, 다음 저회전 재고 배치는 이미 어딘가의 랙 위에 앉아 있고, 그 판매 곡선은 이제 막 휘기 시작했을지도 모른다.

Dr. Chen, 공급망 연구자 지음

영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.