“스스로 생각하는 AI가 공급망 자동화의 한계 뛰어넘는다” 캡제미니 보고서

캡제미니가 발표한 보고서에 따르면, 수년간 기업들은 자율적이고 자가치유 기능을 갖춘 공급망을 통해 속도, 효율성, 비용 절감을 이루고자 했다. 하지만 지금까지 가장 앞선 디지털 네이티브 공급망조차도 완전한 자율성을 달성하지 못했다. 대신 기술과 전통적 AI의 발전은 주로 운영 프로세스와 기능을 자동화하는 데 사용되었고, 공급망은 여전히 규칙 기반 자동화에 의존해 왔다. 그러나 이제 이런 상황이 변화하고 있다. 최근 대규모 언어 모델(LLM)과 대규모 추론 모델(LRM)을 활용한 AI 에이전트, 즉 에이전틱 AI의 혁신은 자율성으로 가는 길을 열어주는 잠재적 사용 사례들을 발굴하고 있다.

에이전틱 AI는 공급망 운영 모델의 모든 측면을 변화시킬 잠재력을 갖고 있다. 이는 인간 인력을 에이전틱 인력으로 보강하고, 전통적 AI와 함께 에이전틱 AI를 통합하는 시스템 재설계를 촉진하며, 자동화된 워크플로우에 AI 에이전트를 원활하게 통합함으로써 프로세스를 재정의할 수 있다.

에이전틱 AI는 지속적인 인간 감독 없이 자율적으로 작동하고 의사 결정을 내릴 수 있는 AI 시스템 클래스를 지칭한다. 이 시스템은 최소한의 인간 개입으로 자율적으로 행동하도록 설계되었으며, 활동을 계획하고, 도구를 활용하며, 자연어를 사용하여 출력을 반영하고, 단일 또는 다중 에이전트를 조정할 수 있다. 반면 생성형 AI 시스템은 텍스트, 코드, 오디오, 이미지를 생성하도록 설계되었고, 전통적 AI 시스템은 분류, 예측, 최적화를 위한 패턴 인식에 프로그래밍된 규칙과 논리를 사용하여 특정 잘 정의된 문제를 해결하는 데 중점을 둔다.

에이전틱 시스템은 자율성의 스펙트럼을 보여주는데, 이는 고도로 사전 정의된 규칙과 워크플로우가 있는 제한된 자율성에서부터 최소한의 인간 개입으로 완전한 자율성에 이르기까지 다양하다. 일부는 에이전틱 AI 시스템을 워크플로우가 있는 AI 에이전트를 사용하지만 LLM 및 LRM과의 상호 작용이 거의 없는 소프트웨어로 해석한다. 이러한 시스템은 대부분 설정된 규칙과 자동화된 프로세스에 의존하여 예측 가능한 결과를 제공한다. 다른 일부는 에이전틱 AI 시스템을 워크플로우가 있는 AI 에이전트를 사용하지만 LLM 및 LRM의 입력에 크게 의존하며 최소한의 인간 개입이 있는 소프트웨어로 해석한다.

공급망은 오랫동안 운영에서 자율성을 목표로 해왔지만 성숙한 자율 기술의 부족으로 인해 규칙 기반 자동화에 치중해 왔다. 이로 인해 자동화와 자율성의 의도 사이에 격차가 생겼다. 그러나 본질적으로 자율적인 에이전틱 AI 시스템의 출현으로 이 격차를 메울 수 있는 가능성이 생겨났다.

공급망에서 자동화와 자율성 격차의 정도를 더 잘 이해하기 위해, 자율 차량 영역에서 사용되는 자율성 척도에서 영감을 받은 6단계 공급망 자율성 프레임워크가 개발되었다. 이 프레임워크는 기본 자동화에서 완전한 자율성까지의 진행 과정을 개략적으로 설명하며, 자율 공급망 진화를 위한 명확한 로드맵을 제공한다.

아마존과 월마트 같은 공급망 리더들은 디지털 네이티브 스택과 인간 지원 루프를 통해 수억 개의 SKU(재고 보관 단위)를 관리하는 공급망 솔루션 개발의 최전선에 있어 왔다. 그들은 수요 계획, 보충 계획, 조달 등을 자동화할 수 있는 맞춤형 모델을 사용한다. 전통적 AI와 머신 러닝의 통합은 공급망의 효율성과 응답성을 향상시켰지만, 이러한 기술은 여전히 예측하지 못한 과제를 해결하고 성능을 최적화하기 위해 인간의 감독이 필요하다.

지금까지 최고 수준의 공급망은 자동화를 많이 사용하는 공급망 자율성 척도에서 2단계에 있으며, 현재 LLM과 LRM을 활용하여 가치를 창출하는 3단계 자율성을 탐색하고 있다. 에이전틱 AI 시스템의 발전이 가속화됨에 따라, 기업들이 자동화 격차를 메우고 자율 공급망 여정의 이점을 얻는 데 도움이 될 잠재력이 있다.

공급망은 일관된 결과에 중요한 신뢰성과 안정성 때문에 전통적 AI에 의존해 왔다. 일부는 에이전틱 AI가 전통적 AI를 대체할 것인지 논쟁하지만, 에이전틱 AI의 적응성과 자율성은 전통적 AI의 안정성과 성능을 보완하는 핵심 강점으로 보고 있다. 이로 인해 디지털 네이티브 아키텍처와 전통적 AI 프레임워크를 모두 통합하는 새로운 아키텍처 설계와 경험이 가능해진다.

현 시점에서 최적화, 예측, 오케스트레이션과 같은 공급망 문제에 대해 전통적 AI 알고리즘은 신뢰성과 성능 측면에서 에이전틱 AI 시스템을 뒷받침하는 딥러닝 알고리즘보다 훨씬 더 잘 수행된다. 에이전틱 AI 공급망 아키텍처에서는 에이전틱 AI를 전통적 AI 계층에 추가하여 실시간 분석, 초단위 최적화, 종단간 오케스트레이션, 전략 실행, 감지, 시나리오 개발, 의사 결정을 위한 실시간 시뮬레이션을 위한 최첨단 솔루션을 통합한다.

에이전틱 AI는 사용자를 위한 새로운 경험도 주도하고 있다. 전통적 소프트웨어 설계는 사용자 경험(UX), 즉 인간 컴퓨터 인터페이스(HCI)를 통한 사용자 상호작용과 경험 설계에 초점을 맞췄다. 에이전틱 AI 시스템은 현재 에이전틱 시스템과 인간 간의 상호작용을 위한 인터페이스를 설계하는 에이전틱 경험(AX)에 초점을 맞추고 있다.

에이전틱 AI 시스템은 인간의 업무를 보강하도록 설계되었다. 이로 인해 “에이전틱 워크포스”라는 용어가 생겨났다. AI 에이전트가 인간과 함께 작업하도록 설계되었기 때문에, 조직은 역할과 책임, 프로세스, 팀 구조를 재설계해야 할 수도 있다.

AI 에이전트는 다양한 기술과 지식 영역을 보유하고, 다양한 수준의 자율성과 협업을 보여주며, 다양한 인지 작업을 수행하고, 특정 프로세스를 향상시키며, 다양한 기기를 관리하도록 설계되었다. 따라서 인간 인력의 역할과 책임을 재설계하여 AI 에이전트 관리를 통합해야 한다. 예를 들어, 공급망 통제실 운영자는 이제 중단 연구 에이전트나 영향 완화 에이전트의 출력을 관리해야 할 수 있다.

다양한 에이전트가 설계되고 있지만, 이들은 주로 네 가지 주요 카테고리로 나눌 수 있다. 공동 계획자나 공동 매니저처럼 인지 작업으로 인간 작업자를 지원하는 공동 작업자가 있으며, 견적 구성기나 공급업체 온보딩과 같은 프로세스를 자동화하는 프로세스 개선자도 있다. 또한 여러 에이전트로 전체 기능을 관리하는 기능 오케스트레이터와 IoT 기반 장치를 관리하는 엣지 오케스트레이터도 있다.

AI 에이전트가 일부 인간 작업에 할당됨에 따라 프로세스는 재구성되고 재설계될 필요가 있다. 예를 들어, 공급망 운영자가 중단 통찰력 보고서를 만드는 대신, “통찰력 에이전트”가 “코딩 에이전트”를 호출하여 관련 알고리즘을 사용해 데이터를 분석하고 통찰력을 제시할 수 있다.

에이전틱 AI는 기능 변환을 통해 공급망을 처음부터 끝까지 변화시킬 잠재력을 가지고 있다. 현재 가장 높은 가치는 정보 수집, 요약, 통찰력 생성, 다중 모달 프로세스 자동화 안내, AI 안내 사용자 여정과 같은 영역에 있다.

고객 서비스 및 주문 관리 영역에서는 견적 구성 에이전트가 맞춤형 견적 생성을 지원할 수 있으며, 안내 판매 에이전트는 개인화된 구매 여정을 제공할 수 있다. 제품 발견 에이전트는 고객이 적합한 제품이나 서비스를 찾는 것을 도울 수 있고, 주문 문제 해결 에이전트는 주문 관련 문제를 해결할 수 있다.

조달 및 구매 영역에서는 공급업체 식별 에이전트가 적합한 공급업체를 찾는 데 도움을 줄 수 있으며, 정보 요청 및 견적 프로세스 에이전트는 RFX 프로세스를 간소화하고 일정을 단축할 수 있다. 공급업체 위험 에이전트는 위험을 모니터링하고, 지속 가능성 준수 에이전트는 표준 준수를 보장할 수 있다.

캡제미니는 에이전틱 AI의 발전적 개념을 테스트하고 검증하기 위해 에이전틱 시스템을 구축하고 있다. 공급망 중단과 같은 시나리오에서 AI 에이전트의 활용을 탐색하고 있다.

화재로 인해 공급업체 공장이 폐쇄되는 공급망 중단 상황에서, 일반적으로 공급 위험 관리 도구는 제한된 정보와 함께 통제실 운영자에게 사건을 알린다. 운영 중단 없이 중단을 완화하기 위해, 공급망 운영자는 사고를 조사하고, 분류하고, 표준 운영 절차를 검색하고, 공급망 계획 도구에서 시나리오를 모델링하고, 최상의 조치 세트를 식별하고, 다양한 이해관계자와 소통하고, 마지막으로 실행할 적절한 조치를 결정해야 한다.

이러한 워크플로우는 이제 LLM과의 최소한의 상호 작용이 있는 단일 AI 에이전트를 포함하도록 재설계될 수 있다. 하지만 더 나아가, 여러 에이전트로 구성된 “감지 및 대응” 에이전틱 AI 시스템을 설계하여 통제실 운영자를 도울 수 있다. “중단 연구 에이전트”는 연구원의 활동을 수행하고, 최신 뉴스를 위해 웹을 검색하며, 내부 및 외부 소스에서 중단 완화 전략을 수집한다. “영향 완화 에이전트”는 다양한 분석을 제공하고 완화 솔루션을 공동으로 생각하는 통제실 운영자의 공동 사고자 역할을 할 수 있다. 이러한 다중 에이전트 에이전틱 시스템은 통제실 운영자가 인지 작업량을 줄이면서 운영에 제로 손실로 중단에 “감지하고 대응”할 수 있게 한다.

디지털 변환 웨이브와 다가오는 에이전틱 AI 변환 웨이브 사이에는 많은 유사점이 있다. 디지털 변환 웨이브는 많은 과대 광고로 시작되었으나, 결국 공급망에 대한 새로운 변형적 패러다임으로 끝났다. 현재 에이전틱 AI를 둘러싼 많은 과대 광고가 있지만, 새로운 변형적 패러다임의 출현을 보고 있다.

기업들은 사업 모델과 조직에 대한 에이전틱 AI의 잠재적 영향에 대해 더 넓은 전략적 관점을 취해야 한다. 먼저 전략을 형성해야 하는데, 이는 크게 생각하고 작게 시작하며 안전하게 플레이하는 것을 의미한다. 에이전틱 AI를 위한 “북극성”을 정의하여 크게 생각하고, 디지털 변환을 위한 목표를 변경하며, 새로운 제품과 서비스를 위한 잠재적 영역을 식별해야 한다. 작게 시작한다는 것은 에이전틱 AI로 실험하고 지속적으로 신기술과 비교하여 가치를 평가하며, 현재 디지털 변환 이니셔티브에서 에이전틱 AI를 테스트하는 것을 의미한다. 안전하게 플레이한다는 것은 에이전틱 AI의 급속한 발전을 탐색하고 가치를 지속적으로 평가할 수 있는 안전한 “놀이 영역”을 만드는 것을 의미한다.

다음으로, 지속적인 가치를 창출하기 위한 인큐베이션이 필요하다. 이는 AI-Ops 기반을 설정하고, 조기 성과를 얻어 가치를 입증하며, 확장을 준비하여 모멘텀을 구축하는 것을 포함한다. 마지막으로, 임팩트를 위한 규모 확장이 필요하다. 이는 AI 우선 접근 방식을 내재화하고, 프로그램을 확장하며, 변화를 내재화하는 것을 의미한다.

공급망은 1980년대부터 2000년대까지의 린 애자일 시대에서 2000년부터 2024년까지의 디지털 시대로 전환했다. 2025년 에이전틱 AI의 부상은 공급망에서 새로운 시대의 시작을 알린다. 에이전틱 AI는 인력, 시스템, 프로세스 전반에 걸쳐 변혁적 변화를 약속하며, 새로운 비즈니스 모델과 운영 패러다임을 발굴할 잠재력을 가지고 있다.