SCM 수요예측, AI로 가능한가요? — 생산 수요와 주문 수요는 다르게 예측해야 합니다

"AI로 수요예측 가능한가요?" — 요즘 가장 자주 받는 질문

최근 상담 문의에서 부쩍 늘어난 질문이 있다.

"저희도 SCM에 AI 수요예측을 붙일 수 있나요?"

답부터 말하면, 가능하다. 다만 그 앞에 반드시 확인해야 할 질문이 하나 있다.

"어떤 수요를 예측하려고 하십니까?"

같은 "수요예측"이라는 말을 쓰지만, 제조 공장의 생산 수요와 브랜드 기업의 주문(판매) 수요는 전혀 다르게 움직인다. 이 구분 없이 "AI 수요예측 솔루션"을 도입하면, 모델은 돌아가는데 현장은 쓰지 않는 시스템이 된다.

생산 수요예측과 주문 수요예측은 다르다

생산 수요예측 — 제조·B2B의 세계

부품·소재를 만드는 제조기업의 수요는 대부분 수주잔고와 재고 보충 주기에서 나온다.

• 고객사(완성품 업체)의 발주 계획과 계약 물량이 수요의 뼈대
• 원자재 조달 리드타임과 생산능력(CAPA)이 제약 조건
• 예측 결과는 생산계획(APS)·자재 소요 계획(MRP)에 연동되어야 의미가 있음
• 시계열이 비교적 안정적 — 과거 패턴·계절성·고객사 업황 같은 인과 변수가 잘 작동

여기서 AI의 역할은 "미래 판매량 맞히기"보다 발주 변동의 조기 감지와 재고·생산의 완충 설계에 가깝다.

주문 수요예측 — 디자인·판매 기업의 세계

반면 의류처럼 직접 기획해서 시장에 파는 기업의 수요는 완전히 다르게 동작한다.

• 신제품 콜드스타트: 이번 시즌 신상품은 과거 판매 데이터가 없다
• 짧은 라이프사이클: 시즌이 끝나면 그 상품의 수요도 끝난다
• 트렌드·날씨·프로모션·채널에 민감 — 외부 신호가 내부 이력만큼 중요
• 상품 하나가 아니라 SKU 계층(스타일 → 컬러 → 사이즈)으로 예측해야 발주에 쓸 수 있다

이 세계의 AI는 유사 상품 매핑(작년의 어떤 상품과 닮았는가), 계층 예측, 시즌 초기 판매 신호 기반의 빠른 재예측이 핵심이 된다.

성공 지표부터 다르다

도입 전에 이 표에서 우리 회사가 어느 쪽인지(혹은 둘 다인지)부터 확인해야 한다. 그래야 필요한 데이터, 모델, 운영 방식이 정해진다.

공급망 BCP 관점: 수요예측은 위기 대응 수단이다

수요예측을 "판매 계획 도구"로만 보면 절반만 보는 것이다.

공급망 관리(SCM)에서 수요 급변과 공급 중단은 업무연속성(BCP)의 핵심 리스크 시나리오다. 팬데믹 시기의 수요 폭증과 급감, 원자재 공급 차질을 겪은 기업이라면 체감할 것이다.

• 이상 수요를 조기에 감지하면 조달·생산·물류가 대응할 시간을 번다
• 예측 불확실성을 정량화하면 안전재고와 완충 능력을 근거 있게 설계할 수 있다
• 공급 중단 시나리오별로 수요 충족 우선순위를 미리 정할 수 있다

즉 AI 수요예측은 BCP(업무연속성계획)의 선제 대응 장치이기도 하다. 위기 때 잘 작동하는 공급망은, 평시에 수요를 읽는 체계를 갖춘 공급망이다.

AX로 진행하는 방법: 모델보다 운영 체계가 성패를 가른다

수요예측 AX는 "좋은 모델 하나 만들기"가 아니라 예측이 실제 의사결정에 쓰이는 체계를 만드는 일이다. 진행 순서는 다음과 같다.

1단계 — 데이터 인벤토리

주문 이력, 출하 실적, 재고, 리드타임, 그리고 외부 변수(계절·업황·프로모션)를 어디에 얼마나 갖고 있는지부터 확인한다. 완벽한 데이터는 필요 없다. 어떤 데이터가 있고 무엇이 비어 있는지 아는 것이 시작이다.

2단계 — 통계 베이스라인

처음부터 딥러닝으로 갈 이유가 없다. 이동평균·지수평활 같은 통계 기법으로 기준선을 만들고, 현재의 감(勘) 기반 예측과 비교한다. 이 기준선이 이후 모든 개선의 측정 잣대가 된다.

3단계 — ML 고도화

베이스라인이 놓치는 패턴(프로모션 효과, 품목 간 상관, 외부 변수)을 머신러닝으로 보완한다. 품목별로 통계 모델과 ML 모델을 섞어 쓰는 것이 실무에서는 일반적이다.

4단계 — 운영 체계

여기가 성패를 가르는 지점이다.

• 재예측 주기: 언제, 얼마나 자주 다시 예측하는가
• 예외 관리: 예측이 크게 빗나간 품목을 누가, 어떻게 검토하는가
• 계획 연동: 예측 결과가 발주·생산계획에 자동으로 반영되는가, 사람이 옮겨 적는가

모델 정확도가 5% 좋아지는 것보다, 예측 결과가 매주 발주 회의에서 실제로 쓰이는 것이 재고를 더 많이 줄인다.

솔루션 도입만으로는 부족하다: 민감도와 대응 속도

수요예측 AX에서 가장 흔한 실패 경로는 "외부 솔루션을 사서 붙이면 끝"이라는 접근이다.

여기서 관점을 하나 바꿔야 한다. AX 측면에서 수요예측의 실무적 가치는 예측 알고리즘 그 자체가 아니라, 조직의 민감도와 대응 속도에 있다.

• 민감도: 수요의 이상 신호와 변화 조짐을 실무자가 데이터에서 직접, 더 빨리 알아채는 능력
• 대응 속도: 감지 → 원인 확인 → 발주·생산 의사결정 반영까지의 사이클을 단축하는 능력

알고리즘 정확도는 일정 수준을 넘으면 사업 성과의 차이를 만들지 못한다. 차이를 만드는 것은 이상 신호가 떴을 때 조직이 얼마나 빨리 알아채고 움직이느냐다.

외부 솔루션만 도입한 조직에서는 이 사이클이 느리다. 알림이 와도 왜 그런 숫자가 나왔는지 현장이 설명하지 못하고, 원인 확인은 벤더 문의 왕복으로 며칠이 걸린다. 우리 회사만의 변수(특정 고객사 발주 패턴, 시즌 이벤트)를 반영하는 것도 매번 외부 의존이다.

반면 실무자가 주문·재고 데이터를 직접 다룰 수 있는 조직은 다르다. 이상 수요를 발견하면 그 자리에서 데이터를 열어 원인을 파악하고, 간단한 예측 실험을 직접 돌려 가설을 확인하고, 당일 발주 회의에 반영한다. 민감도와 대응 속도가 조직 능력으로 내재화되는 것이다.

이것이 GnC가 수요예측 AX를 컨설팅 단독이 아니라 바이브 코딩 교육과 함께 설계하는 이유다. 문제를 발굴하고 해결하는 역량 자체가 조직에 남는 것, 그것이 외부 솔루션 도입과 AX의 차이다.

자주 받는 질문

데이터가 적어도 시작할 수 있나요?

시작할 수 있다. 2~3년 치 주문·출하 이력이면 통계 베이스라인은 충분히 만들 수 있고, 데이터가 부족한 영역은 진행하면서 수집 체계를 함께 설계하면 된다. 데이터가 완벽해질 때까지 기다리는 것이 가장 비싼 선택이다.

ERP만 있고 SCM 시스템은 없는데 가능한가요?

가능하다. 수요예측의 원천 데이터(주문·출하·재고)는 대부분 ERP에 있다. SCM 패키지 도입과 수요예측 체계 수립은 별개의 문제이며, 오히려 예측 체계를 먼저 만들면 이후 시스템 투자의 요구사항이 명확해진다.

정확도는 어느 정도까지 기대해야 하나요?

정직하게 말하면, "100% 맞히는 예측"은 목표가 아니고 가능하지도 않다. 목표는 지금의 의사결정보다 나아지는 것이다 — 감으로 정하던 발주량에 근거가 생기고, 빗나감의 크기를 알고 대비하게 되는 것. 그래서 도입 초기에 현재 방식의 오차를 먼저 측정해 비교 기준을 세우는 것이 중요하다.

시작은 진단부터

우리 회사의 수요가 생산형인지 주문형인지, 데이터는 어디까지 준비되어 있는지, 예측이 어느 의사결정에 연결되어야 하는지 — 이 세 가지를 확인하는 것이 수요예측 AX의 첫 단계다.