2019년 지출이 1조 6천억 달러로 성장한 산업의 경우 물류는 놀랍게도 구식이다. 대부분의 조직은 사일로에서 작업하는 부서로 인해 공급망에 대한 가시성이 제한되어 있으며 여전히 펜과 종이 방식을 사용한다. 기업이 전 세계적으로 확장하고 비용을 효과적으로 절감하려면 프로세스를 현대화하고 운영을 간소화하는 기술에 투자해야 한다.
Gartner에 따르면 공급망 조직의 50%가 2024년까지 인공지능 및 고급 분석 기능을 지원하는 애플리케이션에 투자한다. AI 및 ML을 공급망에 통합함으로써 팀은 글로벌 공급망을 현대화하고 개선된 ETA 및 가격 벤치마킹을 통해 워크플로를 간소화할 수 있다.
이 주제에 대해 자세히 알아보기 위해 Industrial Distribution은 운송 관리, 가시성 및 통합 파트너 네트워크를 하나의 확장 가능한 플랫폼에 결합한 Shipwell의 사장 겸 공동 설립자인 Greg Price와 최근에 대화를 나눴다. 우리는 공급망 워크플로에 현대화가 필요한 방법과 AI와 ML이 운송 및 물류의 미래를 어떻게 안내할 것인지에 대해 논의했다.
아래 대화를 참조하라.
Q: AI와 ML로 해결할 수 있는 가장 시급한 공급망 문제는 무엇인가?
A: 의심할 여지없이 문제를 신속하게 파악하고 해결하고 예방하는 데 어려움이 있다. 글로벌 공급망은 매우 광범위하고 복잡해졌다. 대부분의 회사는 공급망에서 4~5가지 다른 운송 모드를 사용하므로 문제를 발견하고 이해하고 조치를 취하기가 매우 어렵다.
게다가 수요와 기대치도 역대 최고다. 소비자들은 주문 후 1~2일 만에 집 앞까지 배달되는 것에 익숙해졌다. 이러한 사고 방식은 공급망의 모든 수준에서 기대치를 높였다.
그러나 많은 기업들이 이 새로운 패러다임 아래 무너지는 사일로화 된 순차적 및 수동 프로세스의 문제를 여전히 추적하고 있다. 따라서 신속한 분석 능력의 필요성이 그 어느 때보다 높아졌다.
Q: 이러한 문제를 해결하기 위해 AI와 ML을 어떻게 적용할 수 있을까?
A: 적절하게 구현된 AI 및 ML은 현재 공급망에 존재하는 사일로를 무너뜨리고 전체 공급망 운영에 대한 진정한 종단 간 가시성을 제공한다. 예외 및 솔루션을 신속하게 식별함으로써 공급망 관리에 막대한 영향을 미칠 수 있다.
AI 기능은 공급망 전반에 걸쳐 중단 수준을 최소화하고 많은 경우 이러한 중단을 완전히 앞지르는 데 도움이 되는 통찰력을 제공한다. 회사는 자연 재해의 영향을 받는 경로 주변의 선적을 인식하고 다른 위치로 전환하여 항구가 노동력 부족의 영향을 받을 때 로딩 시간이 길어지는 것을 방지할 수 있다. 또는 ML을 사용하여 배송 ETA를 예측하고 배송이 지연될 경우 고객에게 사전에 알릴 수 있다.
AI와 ML이 큰 영향을 미칠 수 있는 또 다른 영역은 라스트 마일 배송을 최적화하는 것이다. 배송 경험이 고객의 전반적인 브랜드 경험의 일부가 되었기 때문에 이는 매우 중요하다. 즉, 한 번의 지연으로 수백 명의 고객이 손해를 입을 수 있다. 방대한 양의 운영 데이터를 취함으로써 ML 기반 시스템은 비즈니스의 내부 및 외부 작동을 학습하고 실시간으로 경로 최적화 권장 사항을 만들 수 있다. 필요한 최적의 차량 대수와 가장 효율적인 경로에 대한 정확한 정보와 안내를 제공하여 적시에 각 위치에 패키지를 배송할 수 있다.
Q: AI와 ML을 프로세스에 통합하는 데 관심이 있는 회사는 시작하기 전에 무엇을 고려해야 할까?
A: 많은 회사들이 이에 대해 잘못된 방식으로 접근한다. 그들은 출력보다 입력에 중점을 둔다. 그 반대여야 한다. 많은 데이터가 아닌 효율성 개선, 비용 절감, 위험 및 중단 강조, 전반적인 고객 경험 개선과 같이 해결하려는 비즈니스 문제에 초점을 맞추는 것부터 시작하라.
또한 팀을 구성할 때 적합한 사람을 고용하는 것이 중요하다. 이상적인 사람은 비즈니스 요구 사항을 AI 기술 사양으로 변환할 수 있는 비즈니스 번역가이다. 양측의 합의로 그들은 조직이 비즈니스 결과를 소유하도록 지원하면서 기술의 채택 및 구현을 감독할 수 있다.
Q: AI와 ML을 기업이 현재 일하는 방식에 맞추기 위한 모범 사례가 있는가?
A: 복잡성을 추가하고 싶지 않다. 공급망을 관리하는 것은 그 자체로 충분히 어렵다. Shipwell의 Compass Dashboard와 같은 단일 화면에서 공급망 전체의 모든 문제를 정리하고 한 눈에 볼 수 있으므로 중요한 업데이트를 놓칠 수 없다. 또한 대시보드는 프로세스를 특정 영역으로 분리하고 즉각적인 주의가 필요한 작업에 플래그를 지정하여 팀의 노력에 집중한다.
그러나 행동을 식별하는 것은 시작에 불과하다. 중앙 위치에서 직접 즉각적인 조치를 취할 수 있는 기능을 제공해야 한다. 문제를 발견하는 AI의 능력은 문제를 수정하는 데 사용할 수 있는 솔루션을 이해하는 데에도 활용될 수 있다. 때로는 자동화된 접근 방식이 가장 좋을 수도 있고, 사람의 개입이 필요한 경우 시스템에서 즉시 조치를 취할 수 있는 능력과 함께 옵션을 제시할 수 있어야 한다.
마지막으로, 사람들이 압도당하지 않도록 데이터에 제한을 두라. 기술 지원 공급망은 많은 데이터를 생성하지만 데이터를 보는 사람에게 유용한 경우에만 유용할 수 있다. 날짜, 지역, 배송 상태 또는 유형과 같은 사용자 정의 가능한 필터를 통해 사람들은 소음을 차단하고 특정 문제에 집중할 수 있다.
Q: AI와 ML이 공급망에 미치는 가장 큰 이점은 무엇일까?
A: AI 및 ML은 많은 사소한 수동 작업을 제거하고 자동화하여 사람들이 보다 전략적인 결정을 내릴 수 있도록 하고 배송업체가 인원을 늘리지 않고도 공급망 팀의 영향력을 확장할 수 있도록 한다. 결과적으로 문제와 비효율이 줄어들어 배송업체의 비용이 절감되고 고객 경험이 향상된다.
AI 및 ML을 잘 활용하여 실행되는 공급망은 효율적으로 실행되고 프로세스에 대한 가시성을 제공하므로 고객의 신뢰를 구축할 수 있다. 오늘날 현재 공급망의 많은 정보가 불투명하다. 처음부터 끝까지 관련된 모든 당사자는 숨겨진 효율성을 잠금 해제하기 위해 서로 동기화해야 한다. 기술 지원 공급망은 완전한 가시성을 제공하고 모든 사람과 연결되며 운송을 실행 및 조달할 때 현명한 결정을 내릴 수 있는 강력한 능력을 제공한다.
