2026년에 효과적인 조달 분야 AI 도구 및 전략

예전엔 조달이 단순히 계약 협상과 공급업체 관리라고만 생각했는데, 한여름 내내 송장 정리와 스프레드시트 업데이트를 해보니 그리 멋지진 않더군요.

저만 그런 경험을 한 게 아니었습니다. KPMG에 따르면, 조달 업무의 절반 이상이 자동화로 처리될 수 있다고 합니다.

업계 전반에서 AI는 팀의 업무 효율을 높이고, 조달 분야도 예외가 아닙니다. AI 에이전트의 실제 사례만 봐도, 일상적인 승인 자동화부터 공급업체 데이터에서 인사이트 도출까지 이미 변화를 만들어내고 있습니다.

이 글에서는 조달에 활용되는 AI의 종류, 실제 사용 사례, 그리고 컴퓨터공학 지식 없이도 실무에 적용하는 방법을 쉽게 정리했습니다.

조달을 위한 AI란 무엇인가요?

조달 AI란 인공지능을 활용해 반복 업무를 자동화하고, 데이터에서 인사이트를 도출하며, 조달 전반에서 더 빠르고 정확한 의사결정을 지원하는 것을 의미합니다.

AI 기술을 통해 조달 담당자는 데이터 기반으로 의사결정을 내리고, 공급업체를 더 효과적으로 관리할 수 있어, 조달 프로세스가 더 빠르고 정확해집니다.

조달에 활용되는 다양한 AI 유형

생성형 AI

생성형 AI(GenAI)는 학습된 데이터를 바탕으로 이메일, 보고서, RFP 등 새로운 결과물을 만들어내는 AI입니다. 조달 분야에서 가장 널리 쓰이는 AI 중 하나로, 그 이유는 분명합니다.

조달에서 GenAI가 할 수 있는 일:

• 작업 명세서(SOW), 공급업체 브리프, RFP와 같은 문서의 초안을 몇 분 만에 작성할 수 있습니다.
• 긴 공급업체 미팅이나 성과 보고서를 요약하여 직접 일일이 확인하지 않아도 됩니다.
• 공급업체에게 보낼 이메일이나 진행 상황 알림을 자동으로 작성하고 발송할 수 있습니다.
• 데이터를 정리하고 라벨링하여 이후 분석이 더 쉬워지도록 지원합니다.

즉, GenAI는 문서 작성과 데이터 정리를 맡아 팀이 전략적 업무에 더 집중할 수 있게 해줍니다.

머신러닝

머신러닝(ML)은 과거의 데이터를 학습해 패턴을 찾고, 앞으로 일어날 일을 예측합니다.

끝없는 스프레드시트를 뒤지거나 직감에 의존하는 대신, ML 도구는 과거 구매 트렌드와 공급업체 성과를 분석해 더 빠른 의사결정을 돕습니다.

예를 들어, 어떤 공급업체가 자주 납기 지연을 일으킨다면 ML이 그 패턴을 미리 감지할 수 있습니다. 또는 평소와 다른 송장을 자동으로 감지해 표시할 수도 있습니다. 수백 건의 거래 내역을 분류하는 반복 작업도 몇 분 만에 처리할 수 있습니다.

ML 모델에 데이터가 많이 쌓일수록 더 똑똑해지고, 인사이트의 품질도 점점 향상됩니다.

로보틱 프로세스 자동화(RPA)

RPA는 똑똑하게 행동하려 하지 않습니다. 의사결정이나 인사이트 도출이 목적이 아닙니다. RPA가 진짜 잘하는 것은, 규칙 기반의 대량 작업을 여러 시스템에서 빠르고 정확하게, 수작업 없이 처리하는 것입니다.

업무 프로세스 자동화의 핵심인 RPA는 데이터 입력, 송장 매칭, 주문 처리 등 반복적인 작업을 사람의 개입 없이 처리합니다.

겉보기엔 단순해 보여도, 이런 반복 업무를 자동화하면 팀이 전략적 조달 업무에 더 집중할 수 있습니다. 즉, 수작업을 줄이고 프로세스를 더 매끄럽게 만드는 역할입니다.

자연어 처리(NLP)

NLP는 컴퓨터가 인간의 언어를 이해하고 해석할 수 있도록 도와줍니다. 계약서, 이메일, RFP 답변 등 텍스트가 많은 콘텐츠를 다룰 때 유용합니다.

조달에서 NLP 도구는 다음과 같은 역할을 합니다:

• 계약서에서 주요 조건과 조항 추출
• 공급업체 피드백이나 온라인 리뷰의 어조와 감정 분석
• 송장이나 영수증에서 핵심 정보를 추출해 구조화된 데이터로 변환
• 조달 관련 자주 묻는 질문에 답하는 챗봇 구동

NLP는 지출 분석 소프트웨어, 문서 처리 시스템 등에 기본 탑재되어 있는 경우가 많습니다. AWS Comprehend, Google Cloud Natural Language 같은 API를 활용해 기존 워크플로우에 쉽게 연동할 수도 있습니다.

복잡하게 느껴질 수 있지만, 실제로는 기존 도구에서 기능만 활성화하면 바로 적용할 수 있는 경우가 많습니다.

에이전틱 AI

에이전틱 AI는 새롭게 등장한 최신 기술입니다.

에이전틱 AI는 목표나 상황 변화에 따라 스스로 계획을 세우고, 행동하며, 적응할 수 있는 시스템을 의미합니다. 모든 작업에 일일이 지시하지 않아도 자율적으로 움직입니다.

조달 분야의 AI 에이전트는 단순히 알림만 보내는 수준을 넘어섭니다. 공급업체 변경 시 비용이나 일정 영향을 시뮬레이션하고, 구매 주문 초안 작성이나 공급업체 정보 업데이트 등 후속 조치까지 자동으로 진행할 수 있습니다.

이로써 에이전틱 AI 워크플로우가 가능해집니다. AI 에이전트가 인사이트를 제공하는 데 그치지 않고, 여러 시스템에서 후속 조치까지 연계해 처리합니다. 예를 들어, 재고 부족 위험을 감지하면 대체 공급업체의 영향까지 시뮬레이션하고, 구매 주문까지 한 번에 처리할 수 있습니다.

공급업체 데이터베이스, 재고 관리 도구 등과 연동하면, 이 에이전트들은 정해진 범위 내에서 반자동으로 움직여 팀의 수작업 조율을 줄이고 업무 속도를 높여줍니다.

조달 AI의 이점

워크플로우 간소화

RPA, ML 기반 워크플로우 엔진 등 AI 도구는 반복 작업을 대규모로 자동화해 팀이 전략적 업무에 집중할 수 있게 합니다.

예를 들어, RPA는 카탈로그 시스템에서 데이터를 불러와 요청서 자동 작성, 공급업체 정보 검증, 비용 센터·지출 한도·긴급도에 따라 적합한 승인자에게 자동 전달까지 모두 처리할 수 있습니다.

오류 최소화

수작업이 많을수록, 특히 바쁠 때는 실수가 발생하기 쉽습니다.

AI는 워크플로우 전반에 실시간 검증과 이상 감지 기능을 도입해 이를 방지합니다.

예를 들어, 원래 PO와 맞지 않는 송장을 제출했을 때, 사람이 일일이 검토하지 않아도 머신러닝 모델이 즉시 차이를 감지해 표시합니다.

중복 입력이나 이상 거래 감지 등, 빠르게 처리하다 실수하기 쉬운 업무에 AI가 일관성과 정확성을 더해줍니다.

비용 절감

AI는 반복 업무 자동화뿐 아니라, 의사결정 고도화와 숨은 비효율 발견을 통해 비용을 절감합니다.

예를 들어, AI 에이전트는 공급업체에 조기 결제 시 2% 할인 혜택의 비용 대비 효과를 계산하고, 최적의 기회를 자동으로 제시할 수 있습니다.

고급 지출 분석에 AI를 활용한 조직은 총 비용의 최대 10%까지 절감 효과를 경험했습니다. 이는 소싱 전략을 강화하고 가치 손실을 줄인 결과입니다.

무리 없이 확장하기

조달 업무가 커질수록 복잡성과 데이터 양도 늘어나지만, AI 덕분에 인력 추가 없이도 효율적으로 관리할 수 있습니다.

데이터 통합 자동화, 계약 분석, 지출 가시성 향상 등 AI는 성장 과정의 어려움을 줄이고 더 똑똑한 확장을 가능하게 합니다.

리스크 예측

조달은 원래 사후 대응이 많았지만, AI는 팀에 사전 경고와 권장 조치를 제공해 문제가 커지기 전에 미리 대응할 수 있게 해줍니다.

이런 선제적 대응은 점점 더 중요해지고 있습니다. 실제로 조달 리더의 70%가 공급업체 리스크 증가를 주요 우려 사항으로 꼽고 있으며, AI는 이 문제를 해결하기 위한 핵심 도구로 자리 잡고 있습니다.

AI 모델은 내부 데이터(예: 납기 문제, 계약 준수)와 외부 신호(신용 등급, ESG 평가, 뉴스 등)를 함께 분석하여 최신 리스크 점수를 산출하고, 문제가 커지기 전에 조치를 취할 수 있도록 지원합니다.

조달 분야 AI 활용 8가지 사례

1. 더 똑똑한 예측과 비용 관리

머신러닝은 과거 구매 패턴과 공급업체 성과를 학습해 수요를 예측하는 데 도움을 줍니다. 지연, 가격 변동, 심지어 날씨와 같은 외부 요인까지 고려해 언제, 얼마나 재주문해야 할지 예측할 수 있습니다.

ML 알고리즘은 대량의 과거 조달 데이터와 외부 데이터 (예: 원자재 가격, 운송 지연, 인플레이션, 날씨 예보 등)를 분석합니다. 이를 바탕으로 SKU 단위까지 미래 구매 수요를 예측하는 모델을 만듭니다.

예를 들어, 갑작스러운 항만 지연과 특정 포장재 수요 급증이 겹치는 상황이 발생할 수 있습니다. ML 모델은 이런 패턴을 조기에 감지해 미리 주문하거나 대체 공급업체로 전환할 것을 추천할 수 있습니다.

ML 모델은 실시간 시장 가격 변동 등도 추적합니다. 원자재 가격이 오르기 시작하면, 시스템이 계약 재협상이나 빠른 구매를 제안해 더 낮은 가격을 확보할 수 있도록 합니다.

이런 예측 기능을 통해 팀은 다음과 같은 이점을 얻습니다:

• 과도한 주문이나 부족 주문을 방지할 수 있습니다.
• 재고 보유 비용을 최적화할 수 있습니다.
• 문제가 발생하기 전에 소싱 전략을 조정할 수 있습니다.
• 최신의 실행 가능한 인사이트로 예산 결정을 내릴 수 있습니다.

2. 소싱 및 데이터 업무 자동화

공급업체 조사, RFP 작성, 데이터 입력과 같은 수작업은 많은 시간을 소모합니다.

AI는 여러 소스에서 공급업체 프로필을 수집하고, RFP 양식을 자동으로 채우며, 주요 데이터를 시스템 간에 자동으로 동기화해 이러한 업무를 간소화합니다. 덕분에 조달팀은 업무 시간을 줄이고, 공급업체 관계 개선이나 성과 분석 등 더 전략적인 업무에 집중할 수 있습니다.

MTN Group은 Procurement Cockpit이라는 플랫폼을 구축해 조직 전체의 조달 데이터를 한 곳에 모았습니다. 여러 시스템을 오가거나 정보를 찾느라 시간을 낭비하지 않고, 소싱 활동, 공급업체 성과, 지출 현황을 실시간으로 명확하게 파악할 수 있습니다.

이처럼 체계적으로 관리하면 시간도 절약할 수 있습니다. 실제로 MTN은 AI 기반 자동화 도입으로 업계의 인정을 받았습니다.

3. 구매 요청 간소화

사실, 수작업으로 PO를 관리하면 느리고 오류도 많으며 번거롭기만 합니다.

AI 에이전트는 PO 작성부터 배송 추적, 예외 처리까지 조달 프로세스의 주요 단계를 자동화할 수 있습니다. 단순히 문제를 알리는 데 그치지 않고, 예비 공급업체로 재주문하거나 지연을 검토 대상으로 올리는 등 직접 조치를 취합니다.

예를 들어, 구매 요청이 들어오면 AI 에이전트가 승인된 공급업체와 가격을 확인해 PO를 자동 작성합니다. 이후 주문을 발송하고 납기 일정을 업데이트합니다.

납기 문제 등 충돌이 발생하면, 과거 데이터를 바탕으로 대안을 제안할 수 있습니다. 대시보드를 통해 이해관계자에게 실시간으로 정보를 제공하고, 시스템이 송장과 영수증을 자동 매칭해 불일치 항목을 검토 대상으로 표시합니다.

4. 조달팀을 위한 AI 어시스턴트

AI 어시스턴트는 반복적이고 시간이 많이 드는 업무를 대신 처리해 조달팀을 지원하는 도구입니다. 기존 시스템과 함께 작동해 의사결정 속도를 높이고 일상 업무의 수작업을 줄여줍니다.

AI 어시스턴트가 인간의 전문성을 대체하지는 않지만, 팀이 더 빠르고 효율적으로 일할 수 있도록 확실히 도와줍니다.

Zycus는 Merlin Intake라는 AI 어시스턴트를 제공해 사용자가 구매 요청을 생성하고 추적할 수 있도록 지원합니다. 구매 과정을 안내하고, 궁금한 점에 답변해 불필요한 커뮤니케이션을 줄여줍니다.

5. 지능형 지출 분석

조달팀은 ERP, P2P 시스템 등 여러 곳에 데이터가 흩어져 있어 자금 흐름을 파악하기 어렵습니다. 데이터가 분산되어 있으면, 각 지출 내역을 정확히 파악하는 데 어려움이 따릅니다.

AI 도구는 데이터를 자동으로 정제하고 분류해, 팀이 통합되고 정확한 지출 현황을 파악할 수 있도록 합니다. 머신러닝 알고리즘은 이상 징후를 감지하고, 기존 도구로는 놓치기 쉬운 절감 기회를 찾아냅니다.

예를 들어, AI는 여러 공급업체에서 반복적으로 구매하는 품목을 찾아내 대량 구매 할인 기회를 제시하거나, 특정 카테고리에서 비정상적으로 지출이 급증한 부분을 검토 대상으로 표시할 수 있습니다.

이런 인사이트를 통해 팀은 다음과 같은 효과를 얻을 수 있습니다:

• 카테고리와 공급업체별 지출 가시성 향상
• 비준수 또는 비정상 지출 감지
• 통합 구매 또는 재협상 기회 발굴
• 더 나은 예산 및 소싱 의사결정 가능

6. 공급업체 리스크 관리

공급업체 리스크는 점점 더 중요한 이슈이며, AI 덕분에 더욱 선제적으로 관리할 수 있게 되었습니다.

머신러닝 모델은 계약 위반, 송장 불일치 등 내부 신호와 신용 등급, ESG 평가, 지정학적 이벤트, 글로벌 뉴스 등 외부 지표를 지속적으로 분석합니다.

AI는 이를 실시간 리스크 점수로 통합해, 조달팀이 노출도와 신뢰도를 기준으로 공급업체 우선순위를 정할 수 있도록 합니다. 일부 도구는 공급망 중단 시나리오를 시뮬레이션해 대응 전략 수립까지 지원합니다.

예를 들어, Resilinc의 AI 플랫폼은 공급업체 성과와 외부 이벤트를 분석해 잠재적 지연을 예측할 수 있습니다. Resilinc 플랫폼을 활용하면, 중국의 태풍과 같은 공급망 중단을 사전에 예측하고, 시스템이 미리 팀에 알림을 보내 배송 경로를 변경하거나 매출 손실을 방지할 수 있습니다.

7. 계약 인텔리전스

조달 계약에는 중요한 정보가 많지만, 이를 일일이 검토하고 관리하는 데는 많은 시간이 소요됩니다.

예를 들어 LLM 에이전트와 같은 NLP 도구는 수천 건의 계약에서 결제 조건, SLA 등 주요 조항을 추출해 컴플라이언스 프레임워크에 매핑할 수 있습니다.

연말까지 500건의 공급업체 계약을 검토해야 한다고 가정해 보세요. 일일이 수작업으로 확인하는 대신, AI 시스템이 문서를 몇 분 만에 스캔해 만료 임박 계약을 표시하고, 데이터 보호 조항이 누락된 계약을 하이라이트하며, 유사한 계약을 그룹화해 검토를 쉽게 만들어줍니다.

8. 동적 공급업체 매칭

과거에는 정적인 공급업체 목록이나 수작업 조사에 의존해 적합한 공급업체를 찾았습니다. 이제 AI는 성과 이력, 인증, 가격, 현재 수용 능력 등을 바탕으로 공급업체를 추천합니다.

머신러닝을 활용해 시스템이 구조화된 데이터와 비정형 데이터를 모두 평가해, 특정 요구나 지역에 가장 적합한 공급업체를 제안합니다.

조달팀은 이제 다음과 같은 일을 할 수 있습니다:

• 이상적인 공급업체를 더 빠르게 선정
• 품질, 비용, ESG 목표에 부합하는 공급업체 소싱
• 온보딩 시간을 단축하고 소싱 민첩성 향상

조달에 AI를 도입하는 방법

조달 분야에서 AI를 도입하는 데 정해진 공식은 없습니다. 회사의 규모와 목표에 따라 최적의 방법이 달라지지만, 처음부터 직접 개발할 필요는 없습니다.

이 섹션은 조달 관리자, 소싱 전문가, 공급망 담당자, CPO 등 실질적으로 AI를 업무에 적용하고자 하는 분들을 위한 안내입니다.

1. 명확한 목표 설정

단순히 혁신적으로 보인다는 이유로 AI를 도입하지 마세요. 해결하려는 문제가 무엇인지 명확히 파악해야 합니다.

구매 요청 자동화가 목표인가요? 지출 분류 개선이 필요한가요? 공급망 리스크 예측이 필요한가요?

각 목표마다 필요한 도구, 데이터 모델, 통합 방식이 다릅니다. 예를 들어, 구매 주문 자동화는 RPA를 사용할 수 있고, 예측 정확도 향상은 ML에 의존할 수 있습니다.

명확한 목표 없이 시작하면, 아무 문제도 해결하지 못하는 값비싼 도구만 만들 위험이 있습니다. 반드시 문제점부터 파악하고, 그에 따라 AI 도입을 진행하세요.

2. 플랫폼 선택

목표가 정해졌다면, 이를 지원하는 도구를 찾으세요.

이미 사용 중인 시스템부터 시작하세요. 많은 ERP와 구매 플랫폼에는 지출 분류나 계약 분석과 같은 AI 기능이 내장되어 있습니다. 더 구체적인 요구가 있다면 별도의 도구를 검토하되, 반드시 기존 시스템과 원활하게 연동되는지 확인하세요.

최고의 플랫폼은 현재 사용 중인 시스템과 잘 연동되고, 성장에 따라 확장 가능한 플랫폼입니다.

3. 데이터 준비

AI의 성능은 입력하는 데이터의 품질에 달려 있습니다.

시작하기 전에 현재 보유한 자산을 점검하세요. 지저분한 데이터를 정리하고, 여러 시스템에 흩어진 정보를 통합하며, 강력한 데이터 거버넌스를 적용해야 합니다. 즉, 데이터 형식을 표준화하고 정확성을 검증하는 것이 중요합니다.

구매팀은 완벽한 데이터가 아니라 활용 가능한 데이터가 필요합니다. 이는 마치 씨앗을 심기 전에 토양을 준비하는 것과 같습니다.

4. 솔루션 실현하기

목표와 플랫폼이 명확해지고 데이터 준비가 끝났다면, 이제 솔루션을 실제로 구현할 차례입니다.

대부분의 구매팀에서는 AI 도구를 처음부터 직접 개발하지 않습니다. 대신, 벤더나 파트너, 내부 IT팀과 협력해 해당 용도에 맞는 도구를 설정하고 배포하는 방식이 일반적입니다.

팀의 역량과 목표의 복잡성에 맞는 접근 방식을 선택하세요.

5. 팀 역량 강화

아무리 뛰어난 AI 도구라도 팀이 사용법을 모르거나 신뢰하지 않으면 성과를 낼 수 없습니다.

솔루션이 도입된 후에는 온보딩과 적응 기간을 충분히 확보하세요. 벤더나 구현 파트너와 협력해 실제 구매 업무 방식에 맞춘 교육을 진행하고, 단순히 도구 사용법만이 아니라 실질적인 업무 흐름에 맞게 맞춤화하세요.

직접 실습할 기회를 제공하고, 자주 쓰는 워크플로우를 문서화하며, 피드백을 받을 수 있는 창구를 마련하세요.

아무도 사용할 줄 모르면 기술은 성과를 낼 수 없습니다.

6. 평가 및 개선 반복

한 번 도입했다고 끝내지 마세요.

AI 도구의 효과를 주기적으로 측정하세요. 예를 들어, 처리 시간 단축, 비용 절감, 위험 회피 건수 등 명확한 지표를 활용하세요.

챗봇을 도입했다면 챗봇 분석을 통해 실제 사용 현황, 효과적인 부분, 불편을 주는 지점을 파악하세요. 챗봇 ROI 측정은 투자 타당성을 입증하고 향후 개선 방향을 잡는 데 특히 중요합니다.

그리고 사용자와 대화하세요. 잘 되는 점은 무엇이고, 불편한 점은 무엇인지 확인하세요.

AI 시스템은 시간이 지날수록 더 좋아지지만, 지속적으로 개선해야만 가능합니다. 최고의 도입 사례는 실제 사용 경험과 함께 발전합니다.

AI 에이전트 무료로 만들어보기

구매 프로세스에 AI를 도입하고 싶다면, 지금이 바로 학습을 시작하기에 좋은 시기입니다.

Botpress는 누구나 사용할 수 있는 AI 에이전트 구축 플랫폼입니다. 시각적으로 플로우를 만들고, 실제 사용자 입력으로 응답을 테스트하며, 최신 정보를 위해 비즈니스 데이터 소스와 연결할 수 있습니다.

공급업체 커뮤니케이션 관리나 구매 승인 자동화 등 어떤 에이전트를 만들든, Botpress를 통해 손쉽게 구매 자동화를 실현할 수 있습니다.

지금 바로 시작해보세요. 무료입니다.

자주 묻는 질문

구매 업무에 AI 도구를 도입하는 데 비용이 얼마나 드나요?

구매 업무에 AI 도구를 도입하는 비용은 매우 다양합니다. 기존 플랫폼의 기본 AI 기능은 월 수백 달러 수준일 수 있고, 고급 지출 분석이나 자율 에이전트와 같은 엔터프라이즈 솔루션은 연간 수십만 달러에 이를 수 있습니다. 전체 비용은 워크플로우의 복잡성과 기성 솔루션 도입 여부, 맞춤형 AI 개발 여부에 따라 달라집니다.

구매 업무에서 AI를 사용할 때 위험이나 단점이 있나요?

구매 업무에서 AI를 사용할 때는 데이터가 불완전하거나 부정확할 경우 잘못된 의사결정이 내려질 수 있고, 독점적인 AI 시스템으로 인한 벤더 종속, 민감한 데이터 보안 미흡에 따른 컴플라이언스 문제 등이 발생할 수 있습니다. 또한, AI 도구는 때때로 오류나 예기치 않은 결과를 낼 수 있으므로, 사람이 직접 점검해 문제를 사전에 발견해야 합니다.

구매 업무의 AI 도구는 일자리를 대체하나요, 아니면 업무 방식만 바꾸나요?

구매 업무의 AI 도구는 일자리를 없애기보다는 데이터 입력, 송장 매칭, 지출 분류와 같은 반복 작업을 자동화해, 구매 담당자가 공급업체 관리, 협상, 위험 관리 등 전략적 업무에 집중할 수 있도록 업무 방식을 바꿉니다. 다만, AI가 일상 업무에 자리잡으면서 분석이나 기술 역량이 더 중요해질 수 있습니다.

소규모 기업도 구매 업무에 AI를 활용할 수 있나요, 아니면 대기업만 가능한가요?

소규모 기업도 구매 업무에 AI를 충분히 활용할 수 있습니다. 자동 문서 처리, 공급업체 매칭, 기본 지출 분석 등 기능을 제공하는 저렴한 SaaS 도구를 통해 대규모 초기 투자 없이도 효과를 볼 수 있습니다. 대기업은 더 복잡하고 맞춤화된 AI 솔루션을 도입하는 경우가 많지만, 소규모 기업도 가벼운 클라우드 기반 AI 도구로 시간 절약과 의사결정 개선 효과를 얻을 수 있습니다.

구매팀이 AI 도구를 활용하려면 어떤 역량이 필요하나요?

구매팀이 AI 도구를 사용하려면 반드시 프로그래머일 필요는 없지만, AI 모델의 작동 원리를 이해하고 데이터 품질 문제를 파악할 수 있는 데이터 리터러시가 필요합니다. 분석 도구 활용 능력과 디지털 플랫폼 사용에 익숙해야 하며, IT와 협력해 AI 솔루션을 구매 워크플로우에 통합하는 역량도 중요합니다.