aim10x Americas 제조업 인사이트: 공급망 복잡성 속에서 더 나은 의사결정을 만드는 방법

제조 기업들은 공급망 네트워크 전반에서 더 커지고 있는 변동성과 제약, 복잡성에 직면하고 있습니다.

시카고에서 열린 aim10x Americas에서 Terex, HPE, Resideo, Acuity, Clarios의 리더들은 o9을 활용해 이러한 과제에 어떻게 대응하고 있는지 공유했습니다. 대응력과 서비스 수준 향상, 재고 감축, 공급업체 연계, Planning 업무 자동화, 신속한 의사결정 지원 등 다양한 활용 사례가 소개되었습니다.

각 세션에서 공통으로 강조된 것은 단순한 기술 도입 그 이상이었습니다. Connected Planning을 통해 운영상의 복잡성을 측정 가능한 Business Value로 연결하고, 이러한 기반 위에서 AI와 새로운 의사결정 모델을 적용해 나가는 제조 기업들의 방향성이 핵심적으로 다뤄졌습니다.

Terex: 빠른 Transformation으로 실질적인 성과를 창출하다

Terex의 o9 기반 Transformation 사례에서 주목할 점은 얼마나 빠르게 측정 가능한 성과를 창출할 수 있었는지, 그리고 이러한 운영 개선이 어떻게 Commercial 경쟁력으로 이어질 수 있었는지입니다.

Terex 환경 솔루션 사업부 최고운영책임자(COO) Mike Ryan은 o9을 통해 기존의 수작업 중심 Planning 환경에서 통합된 제약 기반 Planning 모델로 전환한 과정을 소개했습니다. Terex의 Alabama 시설에서는 약 9개월 만에 가시적인 성과가 나타났습니다. 리드타임은 43% 단축됐으며, 재고회전율은 17%, 계획 담당자 및 구매 담당자의 생산성은 37% 향상되었습니다.

약 10만 개의 SKU로 구성된 복잡한 네트워크를 운영하는 애프터마켓 사업에서도 빠른 성과를 거뒀습니다. 약 6개월 만에 수요 예측 정확도(Forecast Accuracy)는 37% 향상되었고, 납기 지연 백로그(Past-due Backlog)는 83% 감소했으며, 납기 이행률(Fill Rate)은 31% 개선되었습니다. Mike는 이러한 성과가 수년에 걸친 장기적 Transformation의 결과가 아니라, 필요한 기술과 프로세스를 구축한 뒤 빠르게 가치를 창출하기 시작한 결과라는 점을 강조했습니다.

하지만 이러한 변화는 기존의 공급망 KPI 개선에만 그치지 않았습니다. Mike는 Terex가 추가 고객 수요를 확보하기 위해 경쟁사보다 더 빠르게 주문을 이행할 수 있다는 점을 입증해야 했던 실제 사례를 소개했습니다. Terex는 o9 플랫폼을 활용해 가용 CAPA 기준으로 추가 물량을 시뮬레이션하고, 필요한 공급 조치를 파악한 뒤 고객 요청을 어떻게 충족할 수 있는지 구체적으로 제시했습니다. 이후 실제 고객 협의 과정에서도 이러한 접근 방식을 활용했으며, 이는 해당 공장의 추가 수요 확보에도 도움이 되었습니다.

Mike는 이러한 점에서 o9의 역할을 단순한 Supply Chain 도구를 넘어 Commercial 영역까지 확장해 설명했습니다.

“경쟁사보다 짧은 리드타임으로 주문을 처리할 수 있다면 이는 추가적인 매출로 이어집니다. o9을 단순한 Supply Chain 도구로만 보지 말고, 보다 폭넓게 Commercial 도구로 바라볼 것을 권합니다.”

Terex에게 o9이 제공하는 가치는 더 나은 Planning, 재고 감축, 생산성 향상에만 국한되지 않습니다. 새로운 고객의 기회와 수요에 더 신속하고 확신 있게 대응함으로써 Supply Chain 의사결정을 Commercial 성장과 직접 연결할 수 있다는 점에서도 의미가 있습니다.

Terex는 이제 이러한 모델을 더욱 확대하고 있습니다. 환경 솔루션 사업부의 초기 구축에 이어 Terex Utilities로 적용 범위를 확대하고 있으며, 향후에는 Terex의 보다 광범위한 사업 포트폴리오로 확장하는 로드맵을 추진하고 있습니다.

HPE와 Forbes: 지속적인 변동성 속에서 구현하는 글로벌 Planning

제조업을 둘러싼 논의는 하이테크 산업으로도 이어졌습니다. Forbes 기고가 스티브 뱅커(Steve Banker)와 HPE 디지털 혁신 및 분석 부문 시니어 디렉터 브라이언 루이스(Brian Louis)는 Fireside Chat 형식의 대담을 통해 지속적인 변동성과 복잡성 속에서 글로벌 Planning을 어떻게 운영하는지 공유했습니다.

HPE는 약 170개국과 9만 개의 채널 파트너에 걸쳐 고도로 복잡한 Configure-to-Order 공급망을 운영하고 있습니다. Planning 환경에는 약 22만 5,000개의 BOM(Bill of Materials)이 포함되어 있으며, 과거 몇 주 수준이었던 부품 리드타임이 현재는 6개월, 경우에 따라 12개월 이상까지 늘어나기도 합니다.

브라이언은 이러한 상황을 다음과 같이 표현했습니다. “우리는 그야말로 VUCA(변동성·불확실성·복잡성·모호성)의 한가운데에 있었습니다.”

이러한 환경에서 HPE는 개별 사업장 중심으로 분산되어 있던 Planning을 보다 통합된 글로벌 모델로 전환하고 있습니다. 이를 통해 계획 담당자가 수요, 공급, Deal, 재고 전반을 보다 명확하게 파악할 수 있도록 하고 있습니다. 

브라이언은 이 과정에서 달성한 구체적인 성과도 공유했습니다. HPE는 Deal Planning 성과를 150% 개선했으며, 역대 최고 수준의 재고 감축과 함께 고객 서비스 수준도 10% 향상시켰습니다.

자동화는 계획 담당자의 역할에도 변화를 가져오고 있습니다.

“Planning 프로세스를 No-touch 방식으로 전환하는 과정에서도 Forecast 성과가 크게 개선됐습니다. 실제로 40%의 개선 효과를 확인했습니다.”

브라이언에게 이러한 변화의 의미는 단순히 자동화 수준을 높이는 데 있지 않습니다. Planning 프로세스를 운영하기 위해 필요했던 수작업을 줄이고, 계획 담당자가 더 중요한 비즈니스 의사결정에 더 많은 시간을 투입하며 그 의사결정에 실질적으로 기여할 수 있도록 하는 것이 핵심입니다.

HPE는 AI를 이러한 여정을 한 단계 더 가속화할 수 있는 다음 동력으로 보고 있습니다. AI를 활용해 과거에 어떤 일이 발생했는지 더욱 효과적으로 이해하고, 의사결정 수준을 강화하며, 보다 전략적이고 연결된 Planning 모델로의 전환을 지속해 나가고 있습니다.

Resideo: 공급업체까지 확장되는 Planning

Resideo의 Connected Planning은 기업 내부를 넘어 공급업체까지 연결됩니다.

Resideo 디지털 공급망 최적화 총괄 매트 오코너(Matt O'Connor)는 약 1,200개 공급업체로 구성된 공급망 환경을 소개했습니다. 각 공급업체가 서로 다른 시스템과 연계 방식, 디지털 성숙도를 갖추고 있는 만큼, 현재의 공급업체 환경을 그대로 수용하면서 효과적으로 운영할 수 있는 모델을 구축해야 했습니다.

“저희의 목표는 Planning 엔진이 항상 가장 최신의 정확한 정보를 활용할 수 있도록 하는 것입니다. 이를 위해 모든 데이터 소스의 품질과 일관성을 확보하고 지속적으로 관리하는 데 중점을 두고 있습니다.”

공급업체의 공급 확약은 EDI, 수작업 입력, o9 Vendor Collaboration 등 다양한 채널을 통해 전달될 수 있습니다. 중요한 것은 가장 최신 정보를 Supply Planning에 반영해 더 나은 의사결정을 내릴 수 있도록 하는 것입니다.

Resideo는 공급업체와 관계도 일방향 커뮤니케이션에서 양방향 협업으로 전환하고 있습니다. 현재 향후 2년간의 예측을 주 단위로 공급업체에 공유하고, 공급업체가 이에 대한 공급 가능 물량을 회신하도록 함으로써 해당 정보를 이후 Planning 사이클에 반영하고 있습니다. 현재 약 300개의 공급업체가 Resideo의 Vendor Collaboration 솔루션을 사용하고 있습니다.

매트는 이러한 변화가 이미 초기 비즈니스 성과로 이어지고 있다고 설명했습니다:

“재고를 한 자릿수 후반 수준까지 줄이는 성과를 확인했습니다. 특히 공급 제약이 있는 자재를 대량으로 구매해야 하고 있는 현재 상황에서도 이러한 재고 감축을 달성했습니다.”

다음 단계에서는 보다 심층적인 공급업체 분석, AI 기반 공급업체 문서 처리, 물류 영역과의 추가 통합을 추진할 계획입니다.

Resideo에서는 공급업체 협업이 더 이상 이메일과 스프레드시트, 포털, 수작업 후속 조치 등으로 분리된 별도 업무가 아니라, Planning 프로세스 자체에 통합되고 있습니다.

Acuity: AI로 과거의 결과를 분석, 학습하고 다음 의사결정을 개선하다

Acuity의 과제는 이제 데이터에 접근이 아니라, 무엇에 집중해야 하는지를 판단하는 것으로 바뀌었습니다.

Acuity의 공급망 계획 프로덕트 매니저 아밋 샤(Amit Shah)는 탄탄한 Planning 기반이 구축된 이후 어떤 새로운 가능성이 열리는지를 소개했습니다.

Acuity는 약 15만 개의 완제품과 220만 개의 부품을 관리하고 있으며, BOM(Bill of Materials)은 최대 18개 레벨에 이릅니다. 여기에 1만 8,000개 이상의 공급업체가 연결된 매우 복잡한 제조 환경을 운영하고 있습니다.

이러한 Planning 기반이 고도화되면서 과제도 달라졌습니다. 

아밋은 이를 “이제 가장 큰 제약 요인은 우리가 무엇에 집중해야 하는지를 판단하는 것입니다”라고 설명했습니다. 

Acuity는 방대한 양의 Planning 데이터를 보유하고 있습니다. 수요계획에서 발생할 수 있는 잠재적 이슈를 파악하고, 생산 제약을 이해하며, 매출이 계획 대비 어느 부분에서 증가하거나 감소할 수 있는지도 확인할 수 있습니다. 문제는 이처럼 방대한 정보 가운데 실제 조치가 필요한 신호를 계획 담당자가 얼마나 신속하게 찾아낼 수 있느냐입니다.

aim10x Americas에서 아밋은 Acuity의 실제 운영 환경을 복제한 데이터를 활용해 o9의 Post-Game Analysis 에이전트를 직접 시연하며 이러한 문제를 어떻게 해결하고 있는지 보여줬습니다.

시연은 간단한 자연어 질문으로 시작했습니다. “재고에 문제가 있는 것 같습니다. 현재 상황을 설명해 주세요.”

에이전트는 Acuity의 Planning 데이터를 분석해 안전재고 수준을 초과하거나 미달하는 재고를 파악하고, 향후 발생할 수 있는 리스크를 식별했습니다. 또한 초과 재고가 향후 어떻게 감소해 나갈지를 보여주는 분석 결과도 생성했습니다.

이어 아밋은 에이전트와 대화하듯 분석을 이어갔습니다. 특정 재고 유형으로 결과를 좁힌 뒤, 한 지역에서는 과잉 재고이지만 다른 지역에서는 부족한 SKU를 식별하도록 요청해 재고 재배치(Rebalancing)가 가능한 기회를 찾아냈습니다.

이러한 접근 방식의 가치는 단순히 또 하나의 리포트를 제공하는 데 있지 않습니다. 계획 담당자가 ‘무슨 일이 발생했는가’에서 ‘왜 발생했는가’, 그리고 ‘다음에 어떤 조치를 취해야 하는가’까지 보다 빠르게 파악할 수 있도록 지원하는 데 있습니다.

Acuity가 바라보는 Planning의 다음 단계는 방대한 데이터와 인사이트를 실제 필요한 조치로 연결하고, 기업이 내린 의사결정의 결과를 지속적으로 학습해 다음 의사결정을 개선해 나가는 것입니다.

Clarios: 기술이 아닌 의사결정에서 시작하다

Clarios의 Transformation은 명확한 순서에서 시작됐습니다. 먼저 필요한 의사결정을 정의하고, 그 의사결정을 중심으로 조직과 책임 체계를 설계한 다음, 마지막으로 이를 지원할 기술을 선택하는 것입니다. 

Clarios 미국·캐나다 공급망 부문 부사장 션 리어던(Sean Rierdon)은 대규모 공급망 환경에서 이러한 접근 방식이 왜 중요한지를 설명했습니다.

Clarios는 북미 지역에서 8개의 생산 시설을 운영하며 연간 약 7,500만 개의 배터리를 생산하고 있습니다. 전체 생산 네트워크에는 1만 개 이상의 생산 조합이 존재합니다. 유통 네트워크는 수천 개의 거점을 지원하고 있으며, 부품 공급업체 중 상당수가 Clarios의 자체 생산 시설이기 때문에 Planning과 생산 간에도 복잡한 상호 의존성이 존재합니다.

그러나 이러한 네트워크 전반의 Planning은 서로 단절되어 있었습니다. 이에 션의 팀은 기술을 먼저 논의하는 대신 더 근본적인 질문에서 출발했습니다.

“우리는 의사결정부터 시작했습니다. 우리는 어떤 의사결정을 내리고 있는가?”

팀은 서로 다른 Planning Horizon 별로 필요한 의사결정을 구체적으로 정의했습니다. 일 단위로는 할당(Allocation), 배치(Deployment), 긴급 대응(Expedite)과 관련된 실행 의사결정을, 주 단위로는 제약 조건, 자재, 네트워크 밸런싱과 관련된 공급 의사결정을 정의했습니다. 월 단위로는 생산능력(CAPA), 조달, 재고 및 다양한 트레이드오프(Trade-offs)에 대한 의사결정을 체계화했습니다.

션에 따르면 Clarios는 약 6개월에 걸쳐 어떤 의사결정이 필요한지, 각 의사결정이 왜 중요한지, 그리고 어느 주기로 이루어져야 하는지를 구체적으로 정의했습니다.

다음 단계는 조직이었습니다.

필요한 의사결정이 명확해지자 Clarios는 이를 중심으로 조직 구조와 책임 체계를 재정립했습니다. 기존 기능별 조직 경계를 출발점으로 삼는 대신, 달성해야 할 결과가 무엇인지, 각 의사결정을 누가 책임질 것인지, 그리고 각 의사결정을 어떤 주기로 관리할 것인지를 중심으로 조직을 설계했습니다.

션은 이러한 과정을 통해 Clarios가 필요한 의사결정과 이를 실행하기 위한 조직 구조를 모두 명확하게 정의할 수 있었다고 설명했습니다.

“우리는 어떤 의사결정을 내려야 하는지 알게 됐습니다. 그리고 그 의사결정을 실행하기 위해 새로운 팀 구조가 어떻게 구성되어야 하는지도 알게 됐습니다. 그제야 이를 뒷받침할 엔진을 선택할 준비가 된 것입니다.”

기술은 세 번째였습니다.

“세 번째 단계에서 엔진을 선택합니다. 중요한 것은 엔진에서 시작하지 않는 것입니다.” 

이러한 과정을 거쳐 Clarios는 최종적으로 o9을 선택했습니다. 션은 새롭게 정의한 운영 모델과 o9 플랫폼이 잘 부합한다는 점이 솔루션 선정의 주요 이유 중 하나였다고 설명했습니다. 현재 수요 계획(Demand Planning)은 실제 운영에 적용됐으며, 공급 계획 (Supply Planning) 구축도 진행 중입니다.

션은 실제 실행 현장과 가장 가까운 구성원들이 솔루션 설계 과정에 참여해야 한다는 점도 강조했습니다. Clarios의 Transformation을 주도하는 팀은 총 75년 이상의 생산 현장 경험을 보유하고 있습니다. 특히 프로젝트를 이끄는 리더 중 한 명은 Clarios에서 35년간 근무했고, 공장을 직접 운영한 경험도 있습니다. 이를 바탕으로 Planning 의사결정이 실제 현장에서 어떻게 실행되는지를 깊이 이해하고 있으며 조직 전반의 변화를 추진하는 데 핵심적인 역할을 하고 있습니다.

션에게 이러한 생산 현장과의 연결은 매우 중요합니다. 아무리 정교한 계획이라도 현장에서 실제로 실행할 수 없다면 그 가치는 제한적일 수밖에 없습니다.

Clarios 사례가 보여주는 메시지는 명확합니다. 더 나은 기술이 Transformation의 출발점은 아닙니다. 먼저 필요한 의사결정을 정의하고, 이를 중심으로 조직과 책임 체계를 구축한 다음, 마지막으로 해당 운영 모델을 지원할 수 있는 기술을 선택해야 합니다.

더 빠른 가치 실현에서 더 나은 의사결정으로

aim10x Americas의 제조업 세션에서는 제조 기업들이 현재 실현하고 있는 비즈니스 가치와 함께 미래를 위해 구축하고 있는 새로운 역량을 확인할 수 있었습니다. 

각 기업의 사례에서 Connected Planning은 대응력과 서비스 수준을 높이고, 재고를 최적화하며, 생산성과 의사결정 속도를 개선하는 데 기여하고 있습니다. 동시에 AI와 새로운 운영 모델은 Transformation의 다음 단계로 나아갈 수 있는 기반을 마련하고 있습니다.

이러한 사례들이 보여주는 핵심은 명확합니다. 오늘날의 제조 Transformation은 당장 측정 가능한 비즈니스 성과를 실현하는 동시에, 앞으로도 지속적으로 더 나은 의사결정을 내릴 수 있는 역량을 구축하는 방향으로 진화하고 있습니다.