유통 AI 로드맵: 깨끗한 데이터에서 AI 에이전트까지

웹사이트에는 네이비 스웨터 M 사이즈 재고가 있다고 나옵니다. 고객이 차를 몰고 매장에 왔는데 진열대는 비어 있습니다.

대부분의 유통 AI 계획이 무너지는 지점이 바로 이 간극입니다. 유통 AI 로드맵이 모델에 다가가기 전에 데이터부터 시작해야 하는 이유입니다.

저는 이를 4단계로 계획합니다. 먼저 상품, 재고, 고객에 대한 신뢰할 수 있는 하나의 뷰를 만듭니다. 그다음 모든 리포트와 AI 도구에 같은 비즈니스 언어를 제공하는 거버넌스 계층을 둡니다.

그 뒤에 수요를 예측하고, 재주문하고, 가격을 정하고, 고객을 응대하는 에이전트가 옵니다. 마지막으로 AI가 머천다이징, 공급망, 매장의 일상 업무 방식이 됩니다.

유통은 거의 어떤 산업보다 많은 데이터를 만들어 냅니다. 그런데도 매장, 이커머스, 물류센터, 재무가 같은 날에 대해 서로 다른 재고와 매출을 보고하는 경우가 많습니다.

이 계획은 ERP, POS, 주문 관리, 이커머스 플랫폼이 무엇이든 그대로 적용됩니다. 제가 정리해 둔 유통 및 FMCG 프로그램 두 건은 중동 유통 기업 마이그레이션 사례와 FMCG 리포팅 복구 사례에서 읽으실 수 있습니다.

각 단계는 앞 단계가 어느 정도 제대로 갖춰져 있어야 작동합니다.

3년, 4단계

1. 01

   현재: 데이터 기반

   매장과 온라인의 상품, 재고, 매출, 고객 데이터를 거버넌스가 적용된 하나의 플랫폼에 모읍니다.

2. 02

   1년 차: 거버넌스를 갖춘 인텔리전스

   상품, 지점, 재고, 고객을 위한 하나의 비즈니스 언어, AI 거버넌스, 그리고 첫 번째 빠른 성과.

3. 03

   2년 차: AI 에이전트 확대

   수요 예측, 자동 보충, 가격, 매장 운영, 고객 서비스 에이전트.

4. 04

   3년 차: AI의 전사 정착

   AI가 머천다이징, 공급망, 매장 전반에 들어가고, 공급업체와 파트너가 연결됩니다.

어떤 AI보다 먼저, 모든 유통 데이터가 모여서 서로 일치하는 한 곳이 필요합니다. 따로 자라 온 시스템들을 연결해야 한다는 뜻입니다. ERP, 계산대, 이커머스, 주문 관리, 물류센터, 멤버십, 공급업체 포털입니다.

첫 몇 달 동안 제가 갖추는 것은 다음과 같습니다.

1. 현대적 데이터 플랫폼으로, 원시 데이터와 정제 데이터를 함께 담는 단일 저장소인 레이크하우스인 경우가 많습니다. 모든 채널의 매출, 재고, 주문, 반품, 멤버십 데이터를 받아들이며, 중요한 곳에서는 실시간에 가깝게 받습니다.
2. 상품, 지점, 고객 데이터에 대한 책임자와 품질 규칙, 그리고 각 수치가 어디서 왔는지 보여 주는 카탈로그입니다. 카드 데이터는 플랫폼에 넣지 않고 카드 업계 보안 표준인 PCI DSS 통제 안에 둡니다.
3. 셀프서비스 리포팅으로, 바이어, 수요 계획 담당자, 매장 관리자가 재무와 같은 매출 및 재고 수치를 봅니다.

보통 가장 어려운 부분은 상품 마스터입니다. 판매하는 모든 품목의 사이즈, 색상, 포장 단위, 공급업체, 속성을 담은 기록입니다.

매장 40곳과 웹사이트를 운영하는 패션 유통 기업을 예로 들겠습니다. 웹사이트는 원피스 하나를 "Navy" 색상, 8에서 16 사이즈로 등록해 두었습니다. 매장 시스템은 같은 원피스를 "NVY" 색상, S, M, L 사이즈로, 다른 바잉 파일에서 온 다른 품목 코드로 관리합니다.

어떤 AI 도구에 그 원피스가 얼마나 팔리는지 물어도, 도구는 실제 판매량의 절반씩 파는 두 상품으로 봅니다. 해결책은 지루한 작업입니다. 누군가 코드를 매핑하고, 색상 목록 하나와 사이즈 체계 하나에 합의하고, 첫날부터 모든 신규 품목을 바잉 팀이 책임지게 합니다.

이번에는 생수를 낱병, 6개들이 묶음, 24개들이 박스로 파는 식품 유통 기업을 떠올려 보십시오. 계산대는 병 단위로, 물류센터는 박스 단위로, 웹사이트는 묶음 단위로 셉니다. 이 단위들이 깔끔하게 환산되기 전까지 같은 상품의 재고는 절대 맞지 않고, 그 위에 만든 자동 보충 도구는 엉뚱한 수량을 주문합니다.

그렇다면 완료된 상태는 어떤 모습일까요? 매장 총괄과 이커머스 총괄이 같은 매장의 어제 매출을 조회하면 같은 숫자를 얻는 상태입니다. 수요 예측이 왜 틀렸는지 1년 내내 다투지 않으려면, 저는 기꺼이 여기에 3개월을 쓰겠습니다.

1. 01POS매장별 모든 구매와 반품
2. 02이커머스와 주문주문, 클릭, 배송
3. 03물류센터와 재고지점별 재고와 이동 중 재고
4. 04랜딩 존리니지를 갖춘 원본 사본
5. 05하나의 상품 마스터코드 하나, 색상 하나, 포장 단위 하나
6. 06리포트재무와 일치하는 매출과 재고

모든 채널에 걸친 상품, 재고, 고객의 단일 뷰

1년 차의 핵심은 시맨틱 계층입니다. 공유된 사전입니다. 모든 리포트와 AI 도구에 상품, 매장, 재고, 프로모션, 고객이 무엇을 뜻하고 어떻게 계산하는지 알려 줍니다.

영업 총괄이 "상위 50개 매장의 상품 가용성"을 묻습니다. 가용성이란 진열대에 있는 것일까요, 후방 창고에 있는 것일까요, 시스템상에 있는 것일까요?

상위 50개는 올해 매출 기준일까요, 작년 매출 기준일까요? 코파일럿이 자기 추측으로 답하면, 월요일 영업 회의에서 아무도 방어할 수 없는 자신만만한 숫자가 나옵니다. 시맨틱 계층이 이를 한 번 정해 두면, 코파일럿은 영업 총괄의 리포트와 같은 규칙을 씁니다.

AI 거버넌스도 같은 해에 시작합니다. 개인화와 가격 책정은 고객 데이터를 쓰므로, 동의 및 개인정보 보호 규정이 한계를 정합니다.

저라면 AI 활용 사례 등록부를 하나만 두겠습니다. 각 사례에 책임자, 위험 등급, 테스트 결과, 사람이 결과를 확인하는 지점에 대한 메모를 둡니다.

고객이 볼 수 있는 결정이 무엇인지 분명히 하십시오. 상품 설명은 위험이 낮습니다. 누군가 실제로 지불하는 가격, 또는 어떤 고객은 받고 다른 고객은 받지 못하는 혜택에는 훨씬 더 많은 주의가 필요합니다.

그다음 빠른 성과를 내십시오. 저는 다음 사례를 좋아하는데, 그 뒤의 데이터가 보통 꽤 괜찮은 상태이기 때문입니다.

1. 상품 콘텐츠: 상품 마스터를 바탕으로 설명, 속성, 번역 초안을 만들고 사람이 확인합니다.
2. 매장 코파일럿: 매장 직원이 재고, 입고, 프로모션, 절차를 일상 언어로 묻습니다.
3. 고객 서비스 요약: 상담 이력과 주문 상태를 상담원을 위한 짧은 메모 하나로 모읍니다.

매달 신규 품목을 수백 개씩 추가하는 가전 유통 기업을 예로 들겠습니다. 품목마다 설명, 사양 표, 그리고 대개 두 번째 언어가 필요합니다. 코파일럿은 공급업체의 사양서를 읽고 페이지 초안을 만든 뒤, 배터리 사용 시간이 빠진 노트북처럼 누락된 정보를 표시합니다.

머천다이저가 모든 내용을 확인하고 무엇을 게시할지 결정합니다. 사실 정보의 출처는 공급업체 사양서 하나뿐이며, 이 규칙이 어떤 모델을 고르느냐보다 더 중요합니다.

이번에는 목요일 오전 7시의 매장 관리자를 떠올려 보십시오. 시리얼 프로모션이 월요일에 시작되었는데 진열대가 거의 비었습니다. 그녀는 코파일럿에 다음 시리얼 입고가 언제이고 몇 박스가 오는지 묻습니다.

코파일럿은 입고 일정과 미결 주문을 확인합니다. 내일 오전 6시에 12박스가 도착하는데, 이번 주 판매 속도라면 주말까지 버티지 못한다고 알려 줍니다. 지역 팀에 연락할지, 후방 창고에서 재고를 꺼낼지는 그녀가 결정합니다.

1. 01매장 관리자의 질문목요일인데 시리얼 진열대가 왜 또 비었나요?
2. 02시맨틱 계층매장, 상품, 프로모션, 가용성 규칙
3. 03거버넌스가 적용된 데이터매출, 재고, 입고, 프로모션
4. 04코파일럿의 답변원인과 각 수치의 출처와 함께
5. 05관리자의 조치주문을 바꾸거나 프로모션 문제를 보고

영업 총괄이 내놓을 답과 같은 답

비즈니스 가치높음중간낮음

• 다이내믹 프라이싱
• 개인화

• 수요 예측

• 매장 코파일럿

• 상품 콘텐츠
• 서비스 요약

낮음중간높음데이터 준비도

• 나중에
• 계획
• 지금 시작

2년 차에는 질문에 답하는 코파일럿에서 귀하가 정한 한도 안에서 조치를 취하는 에이전트로 넘어갑니다. 유통에서는 보통 다음이 가장 먼저 투자를 회수합니다.

1. 수요 예측과 자동 보충. 에이전트는 매장별, 일별로 수요를 예측하고, 주문을 제안하고, 진열대가 비기 전에 매장 간 재고를 옮깁니다.
2. 가격과 가격 인하. 판매가 부진한 상품의 가격 인하와, 상품 기획 팀이 정한 규칙 안에서의 가격 변경을 제안합니다.
3. 매장 운영. 진열대 카메라나 RFID 태그(품목을 하나하나 스캔하지 않고 세는 무선 태그)가 빈 곳을 표시하면, 에이전트가 매장 팀에 작업을 생성합니다.
4. 고객 서비스. 주문 추적, 반품, 간단한 민원을 처리하고, 복잡한 건은 맥락을 정리해 사람에게 넘깁니다.

더운 주말을 앞둔 식품 유통 기업에서 자동 보충 에이전트가 어떻게 움직이는지 보겠습니다.

1. 목요일 아침, 일기 예보, 작년 비슷한 주말의 매출, 각 매장의 현재 재고를 읽습니다.
2. 일부 매장에서 토요일 점심 무렵 생수와 얼음이 동날 것을 파악합니다.
3. 물류 거점에서의 추가 주문과, 판매가 느린 매장 두 곳에서의 재고 이동을 제안합니다.
4. 합의된 한도 안의 주문은 바로 처리됩니다. 그보다 큰 주문과 모든 매장 간 이동은 수요 계획 담당자를 기다립니다.
5. 계획 담당자는 한 매장 근처에서 지역 축구 경기가 있어 그 이동 한 건을 반려하고, 나머지는 승인합니다.

가격도 같은 방식입니다. 여름이 끝날 무렵 판매가 부진한 상품이 수백 개인 패션 체인을 떠올려 보십시오.

에이전트는 8월까지 소진하려면 가격 인하가 필요한 상품을 고릅니다. 상품 기획 팀이 정한 최저가보다 높은 선에서 20퍼센트 또는 30퍼센트 할인을 제안합니다.

핵심 상품군은 건드리지 않고, 원가 아래로는 절대 가격을 정하지 않습니다. 머천다이저는 휴일 주말에 아직 팔리는 수영복은 보류하고 나머지를 승인합니다.

명품은 더 섬세하게 다뤄야 합니다. 수천 단위의 가격대인 핸드백 수선을 문의하는 고객은 사람에게서 답을 들어야 합니다. 이 경우 에이전트는 구매 기록과 수선 이력을 가져와 답변 초안을 쓰고, 클라이언트 어드바이저가 자신의 말로 다듬어 보냅니다.

모든 에이전트에는 비즈니스 쪽 책임자가 필요합니다. 가격 에이전트는 상품 기획 총괄이, 자동 보충은 공급망 총괄이 책임집니다. IT는 플랫폼을 운영하고, 결정은 비즈니스가 책임집니다.

1. 01예측날씨와 프로모션을 반영한 매장별, 일별 수요
2. 02비교보유 재고와 이동 중 재고와 대조
3. 03제안주문과 매장 간 이동
4. 04승인한도를 넘는 건은 계획 담당자가 확인
5. 05주문공급업체와 물류센터로 주문 전송
6. 06학습실제 매출이 다음 예측을 조정

에이전트마다 비즈니스 책임자 한 명

3년 차가 되면 AI는 머천다이징, 공급망, 매장, 고객 소통 안에 들어가 있습니다. 바이어, 수요 계획 담당자, 매장 팀이 매일 에이전트와 함께 일하고, 전체 흐름이 같은 거버넌스 아래에서 돌아갑니다.

공급업체와 데이터를 공유하면 경제성이 달라집니다.

주간 판매 실적과 12주 헤드폰 수요 예측을 제조 브랜드와 공유하는 가전 유통 기업을 예로 들겠습니다. 공급업체는 실제 수요에 맞춰 생산을 계획합니다. 유통 기업은 블랙프라이데이 전에 재고를 확보할 가능성이 커지고, 1월에 남는 재고는 줄어듭니다.

리테일 미디어도 같은 패턴을 따릅니다. 식품 유통 기업이 거버넌스가 적용된 같은 고객 계층을 이용해, 수신에 동의한 고객에게 음료 브랜드가 자사 앱에서 혜택을 제공하도록 합니다. 브랜드는 고객 그룹 단위의 결과를 보고, 개별 기록은 유통 기업에 남습니다.

유통 AI 로드맵에서 대규모 개인화는 이 해에 할 일일까요? 상품 마스터와 동의 기록이 1년 차와 2년 차를 거치며 제대로 유지되었다면 그렇습니다.

1. 최고운영책임자에이전트 포트폴리오와 그 결과를 책임집니다
   AI 거버넌스등록부, 테스트, 긴급 정지 장치
2. 상품 기획 및 공급망 총괄자기 영역의 에이전트를 책임집니다

• 수요 예측 에이전트책임자: 수요 계획 총괄
• 가격 에이전트책임자: 상품 기획 총괄
• 매장 운영 에이전트책임자: 매장 총괄
• 서비스 에이전트책임자: 고객 서비스 총괄

1. 04AI 에이전트와 코파일럿비즈니스 책임자를 둔 수요 예측, 자동 보충, 가격, 매장, 서비스 에이전트
2. 03거버넌스를 갖춘 인텔리전스 계층상품, 지점, 재고, 고객의 시맨틱 모델과 AI 등록부
3. 02데이터 기반매출, 재고, 주문, 멤버십 데이터를 담은 레이크하우스, 카탈로그와 리니지
4. 01유통 시스템ERP, POS, 이커머스, 주문 관리, 물류센터, 멤버십

첫 달부터 마지막 달까지 적용되는 것들이 있습니다.

1. 고객 동의와 개인정보. 개인화는 고객이 신뢰할 때만 효과가 있습니다. 고객이 공유에 동의한 데이터를 쓰고, 카드 데이터는 PCI DSS 통제 안에 두십시오.
2. 개방형 멀티 플랫폼 구성. 유통 기술은 빠르게 바뀝니다. 모델, 플랫폼, 파트너를 바꿀 수 있는 자유를 유지하십시오.
3. 위험에 맞는 거버넌스. 콘텐츠와 코파일럿에는 가벼운 통제를, 가격과 고객이 보는 모든 것에는 더 강한 통제를 적용하십시오.
4. 교육받은 사람. 에이전트가 쓰일지는 매장 팀과 바이어가 결정합니다. 일찍 교육하고 그들의 말을 들으십시오.

교육은 과소평가하기 쉽습니다. 첫 주에 진열대 카메라에서 잘못된 작업을 열 건 받은 매장 관리자는 열한 번째 작업을 무시할 것입니다.

가장 흔한 실수는 상품 및 재고 데이터가 받쳐 주기 전에 개인화 엔진이나 가격 엔진을 사는 것입니다. 엔진은 품절된 TV를 추천하거나, 작년 원가를 기준으로 가격 인하를 정합니다. 신뢰는 몇 주 만에 무너지고 다시 쌓는 데 1년이 걸립니다. 그래서 저는 엔진부터 시작하는 계획을 경계합니다.

두 번째 실수는 AI를 본사 프로젝트로 운영하는 것입니다. 에이전트가 만드는 작업이 정확하지 않으면 매장은 에이전트를 추가 업무로 봅니다. 실제 매장 관리자와 함께 몇몇 매장에서 파일럿을 하고, 그들이 알려 준 것을 고친 다음에야 확대하십시오.

빈 진열대 감지 파일럿이 텅 빈 감자칩 진열대를 표시했다고 해 보겠습니다. 감자칩은 프로모션 때문에 통로 끝 엔드캡 진열대로 옮겨져 있었습니다.

아무도 플래노그램, 즉 무엇이 어디에 놓이는지 정한 계획을 갱신하지 않았습니다. 에이전트는 자기 규칙으로는 옳고 매장에서는 틀립니다. 그것을 알아챌 사람은 매장 관리자뿐입니다.

실패하는 방식효과적인 방법

1. 01실패하는 방식: 가격 엔진이나 개인화 엔진을 먼저 구매→효과적인 방법: 상품 마스터와 재고 데이터를 먼저 정비
2. 02실패하는 방식: 아무도 믿지 않는 상품 및 재고 데이터→효과적인 방법: 매장과 온라인에 걸친 신뢰할 수 있는 하나의 뷰
3. 03실패하는 방식: 매장이 요청한 적 없는 본사 프로젝트→효과적인 방법: 실제 매장 관리자와 함께 하는 파일럿
4. 04실패하는 방식: 에이전트의 결정에 책임자가 없음→효과적인 방법: 모든 에이전트에 비즈니스 책임자

귀사가 어디서부터 시작해야 할지 고민 중이십니까? 상담을 예약하시고, 예를 들어 상품 마스터가 수요 예측에 쓸 만한 상태인지 같은 실제 질문 하나를 가져오십시오. 함께 풀어 보겠습니다.

유통 AI 로드맵이란 무엇입니까?

유통 기업 전반에 AI를 활용하기 위한 단계별 계획입니다. 상품, 재고, 고객에 대한 신뢰할 수 있는 하나의 뷰에서 시작합니다. 그다음 거버넌스를 갖춘 AI와 에이전트를 더하고, 마지막에는 AI가 일상적인 유통 업무에 들어갑니다.

유통 기업은 AI를 어디서부터 시작해야 합니까?

모든 채널의 상품, 재고, 매출 데이터를 거버넌스가 적용된 하나의 플랫폼으로 모으고, 상품 마스터를 바로잡는 데서 시작하십시오. 그다음 상품 콘텐츠, 매장 코파일럿, 고객 서비스 요약 같은 빠른 성과를 내십시오.

유통에서 가장 먼저 투자를 회수하는 AI 활용 사례는 무엇입니까?

상품 콘텐츠와 서비스 요약은 빠르게 제공할 수 있습니다. 데이터가 준비되면 수요 예측과 자동 보충이 보통 가장 큰 가치를 내고, 가격과 가격 인하가 그 뒤를 바짝 따릅니다.

유통 기업이 AI를 쓰려면 새 ERP가 필요합니까?

아닙니다. AI는 데이터 기반을 통해 현재 시스템 위에 얹힙니다. 중요한 것은 상품, 재고, 매출 데이터가 매장, 온라인, 재무에서 똑같은지입니다.

유통 AI 로드맵에는 얼마나 걸립니까?

저는 데이터 기반 작업이 시작된 뒤 3년에 걸쳐 계획합니다. 1년 차에 거버넌스 계층을 만들고, 2년 차에 에이전트를 확대하고, 3년 차에 AI를 정착시킵니다. 빠른 성과는 첫해 안에 가치를 보여야 합니다.