인공지능(AI) 기반 예측 솔루션 기업 임팩티브AI가 수요예측 솔루션 '딥플로우 포어캐스트(Deepflow Forecast)'의 주요 기능과 화면을 리뉴얼했다.
수백 개에서 수천 개에 달하는 품목을 다루는 유통·제조 기업 실무진은 AI가 산출한 수요예측 결과를 확인한 뒤에도 고민에 빠진다. 현재 보유한 재고가 충분한지, 당장 어떤 품목의 발주량을 조절해야 하는지 다시 계산해야 하기 때문이다.
이번 개편은 단순한 숫자 예측을 넘어 실제 발주와 재고 조정, 부서 간 합의로 이어지는 일련의 업무 흐름을 지원하는 데 초점을 맞췄다.
핵심은 우선 대응이 필요한 품목을 직관적으로 가려내는 '수요·재고 통합 화면'이다. 품목별 재고 상태를 정상, 부족, 과잉, 결품 등으로 자동 분류한다. 전월이나 전년 동기 대비 수요가 갑자기 뛰거나 떨어진 품목도 스스로 가려낸다. 담당자가 수천 개에 달하는 개별 관리 품목(SKU)의 예측 그래프를 일일이 들여다보지 않고도 위험 신호가 감지된 품목부터 우선 검토할 수 있다.
재고 관리 체계에는 품목별 리드타임 개념을 녹여냈다. 현재 재고로 향후 예상 수요를 얼마 동안 견딜 수 있는지 나타내는 '재고 커버리지'를 산출하고, 실제 발주 후 입고까지 걸리는 기간을 고려해 부족과 과잉 기준을 유연하게 설정하도록 했다.
예를 들어 주문 후 현장에 들어오기까지 30일이 걸리는 부품이나 상품이라면, 현재 재고가 향후 30일간의 예상 수요를 충당할 수 있는지가 판단의 기준이 된다.
AI 예측의 신뢰도를 파악할 수 있는 지표도 보강했다. 과거 예측값과 실제 출고 실적을 대조해 특정 품목에서 과대예측이나 과소예측이 습관적으로 일어나는지 확인할 수 있다. 최근 3개월이나 6개월 평균을 내던 기존 실무 방식과 AI 예측 간의 오차율 비교 기능도 들어갔다. SKU 상세 화면에서는 과거 실적, AI 예측값, 영업 판매계획, 예상 재고 커버리지를 한데 보여줘 예측 결과가 실제 재고 운영에 미치는 파급을 곧바로 가늠할 수 있다.
기업의 재고 전략에 맞춘 시나리오 비교 기능도 눈길을 끈다. 기본 AI 예측값을 그대로 적용할지, 과잉재고 위험을 낮추기 위해 수량을 보수적으로 잡을지, 결품 방지를 위해 목표치를 높일지 등을 다각도로 비교해 본다. 이를 통해 재고 유지 비용과 판매 기회 손실 사이에서 최적의 발주 수량을 결정할 수 있다.
현장의 변수를 기록하는 '이상 실적 관리' 기능도 탑재됐다. 특정 시기 결품으로 인한 판매 감소나 일회성 프로모션에 따른 일시적 수요 폭발 등 데이터 수치만으로 설명하기 어려운 사건을 기록으로 남기는 기능이다.
이 축적된 정형·비정형 이력은 향후 실적을 분석하는 근거가 되며, 장기적으로는 해당 기업의 독자적인 현장 상황이 학습된 맞춤형 AI 모델로 고도화되는 기반이 된다.
영업과 SCM 등 여러 부서가 모여 최종 수요 계획을 확정하는 S&OP(Sales and Operations Planning) 프로세스와의 연동도 한층 수월해졌다. 영업팀의 자체 판매계획과 AI 예측치를 비교하고, 행사 일정 같은 현장 정보를 종합해 최종 생산·발주량을 합의한다.
그동안 엑셀 파일과 이메일로 흩어지던 부서별 판단 근거와 최종 결정 내역은 통합 S&OP 시스템에 데이터 자산으로 쌓인다. 이 데이터는 향후 추가적인 AI 에이전트 도입이나 업무 자동화의 기초 자료로 활용된다.
함께 제공되는 AI 어시스턴트는 이처럼 쌓인 업무 데이터를 자연어로 조회하고 분석할 수 있게 돕는다. 사용자가 과거 특정 시점에 왜 수요가 급증했는지, 당시 어떤 이슈가 있었는지를 질의하면 내부 이력을 바탕으로 즉각 답을 내놓는 방식이다.
정두희 임팩티브AI 대표는 "수요예측이 현장에서 살아 움직이려면 단순 수치 확인을 넘어 어떤 품목을 먼저 점검하고 재고와 발주를 어떻게 조율할지 판단할 수 있어야 한다"며 "딥플로우 포어캐스트를 통해 예측과 위험 감지, 부서 간 협의가 끊김 없이 연결되도록 지원할 것"이라고 말했다.
지난 2021년 문을 연 임팩티브AI는 수요예측과 원자재 가격예측 분야에서 기술력을 쌓아온 기업이다. 2024년 서울창업허브 오픈이노베이션 프로그램 참여를 거쳐 SBA 'IMPACT DIVE'에서 대상을 받으며 성과를 입증했다. 최근에는 양자컴퓨팅 기반 예측모델과 생성형 AI를 접목한 이종 데이터 생성 방법론 등 차세대 기술 개발에도 공을 들이고 있다.
