재고는 소매업에서 가장 비용이 많이 드는 추측 게임 중 하나가 되었다. 고객 기대치가 공급망이 반응할 수 있는 속도보다 빠르게 진화하면서, 소매업체들은 종종 빈 선반과 과잉 재고 사이에서 선택해야 하는 딜레마에 빠지는데, 이 둘 모두 마진을 잠식한다.

조직과 IT 팀이 직면한 이러한 증가하는 업계 문제에 대응해, 글로벌 IT 시장 분석 기업 인포테크 리서치 그룹(Info-Tech Research Group)이 ‘소매 재고 관리를 위한 AI 전략 구축’ 보고서를 발표했다.

이 보고서는 소매업체가 구식 재고 관리 방식에서 벗어나 지능적이고 데이터 기반의 운영으로 전환하는 것을 강조했으며, 업계 IT 리더들이 예측을 개선하고, 재고 수준을 최적화하며, 측정 가능한 성능 향상을 달성하기 위해 AI를 어떻게 적용할 수 있는지 설명했다.

재고 시스템의 AI 통합 주요 과제

인포테크는 소매 재고 관리 혁신에 있어 AI의 명확한 이점에도 불구하고, 많은 조직이 도입에 상당한 어려움을 겪는다고 보고했다.

응집력 있는 AI 전략을 개발하기 위해 비즈니스 이해관계자들을 일치시키는 것이 여전히 일반적인 장애물이라고 강조한다. 특히 기존 재고 한계를 다루고 중요한 격차를 식별하는 경우 더욱 그렇다.

또한, AI의 잠재력을 최대한 실현하려면 모든 소매업체가 갖추지 못한 성숙한 데이터 인프라와 고급 시스템 역량이 필요한 경우가 많다.

소매 IT 리더를 위한 7단계 AI 구현 전략

한편, 보고서는 IT 및 비즈니스 리더들이 이러한 장벽을 극복할 수 있도록 지원하기 위해, 실용적인 사용 사례 라이브러리를 포함하는 명확한 단계별 전략을 제시한다.

이 전략은 소매 IT 리더들이 재고 요구에 맞춰 AI 전략을 개발하고 실행하는 데 지침이 되는 7가지 핵심 단계로 구성됐다.

① 비즈니스 목표에 부합하는 AI 전략 수립

AI가 고객 만족도 향상, 비용 절감 또는 민첩성 증대와 같은 주요 목표를 어떻게 달성할지 정의하고 명확한 성공 지표를 설정한다.

② 책임 있는 AI 원칙 확립

투명하고 공정하며 안전한 AI 솔루션을 보장하기 위해 윤리, 개인 정보 보호 및 거버넌스 가이드라인을 마련한다.

③ 목표 지향적인 AI 이니셔티브 시작

수요 예측 또는 자동 보충과 같은 파일럿 프로젝트로 시작하여 가치를 입증하고 추진력을 구축한다.

④ 사용 사례 라이브러리 구축

동적 가격 책정 또는 선반 공간 최적화와 같은 특정 애플리케이션을 정의된 이점, 데이터 요구 사항 및 기술 요구 사항과 함께 분류한다.

⑤ 가치 및 실현 가능성 평가

각 사용 사례에 대한 ROI, 자원 요구 사항 및 위험을 추정하여 빠른 성공을 가져올 수 있는 기회를 강조하고 장기 프로젝트를 식별한다.

⑥ 프로젝트 우선순위 지정

영향, 노력 및 위험에 따라 이니셔티브 순위를 매겨 팀이 가장 빠르고 큰 수익을 볼 수 있는 곳에 투자하도록 한다.

⑦ AI 로드맵 계획

데이터 준비, 모델 검증 및 성과 검토에 대한 명확한 이정표를 통해 파일럿 및 출시를 순서대로 진행한다.

한편, 보고서는 재고 관리의 오랜 과제를 해결함으로써 소매업체가 오늘날 소매 환경의 현실을 반영하는 더 스마트하고 탄력적인 시스템을 채택할 기회를 얻는다고 강조했다. 경쟁업체들이 이미 일상적인 운영에 AI를 통합하고 있어 IT 리더들의 진화 압력은 더욱 거세지고 있기 때문이다.

또한, 소매업체가 불필요한 복잡성을 추가하지 않고도 비즈니스 목표를 지원하는 방식으로 AI를 구현하기 위한 간단하고 실행 가능한 지침을 통해 소매업체가 제품 가용성을 개선하고, 운영을 간소화하며, 수요 변화에 더 큰 자신감과 통제력으로 대응할 수 있다고 전했다.

인포테크 리서치 그룹의 연구 책임자인 도나페이 맥도널드(Donnafay MacDonald)는 “AI 기반의 재고 관리 애플리케이션은 전통적인 재고 관리가 부족한 부분을 채울 수 있다.”라며, “빅 데이터에 기반한 실시간 통찰력을 제공함으로써, 이러한 애플리케이션은 소매업체가 예측적 예측을 통해 시장 변화에 대응해 낭비를 줄이고, 운영 효율성을 개선하며, 고객 만족도를 높일 수 있도록 한다.”라고 말했다.