조달 분야의 AI를 위한 궁극적인 가이드: 사용 사례 및 도구

Generative AI

생성형 AI 또는 GenAI는 학습된 데이터를 기반으로 이메일, 보고서 또는 전체 RFP와 같은 결과물을 생성할 수 있는 AI 유형입니다. 조달 분야에서 가장 일반적인 형태의 AI 중 하나가 되었으며, 그 이유는 쉽게 알 수 있습니다.

조달 분야에서는 GenAI가 가능합니다:

• 작업지시서(SOW), 공급업체 요약서 또는 RFP와 같은 문서를 몇 분 안에 작성하세요.
• 긴 공급업체 회의나 성과 보고서를 요약하여 일일이 살펴볼 필요가 없도록 하세요.
• 공급업체 이메일 또는 상태 업데이트를 자동으로 작성하여 전송하세요.
• 나중에 더 쉽게 분석할 수 있도록 데이터를 정리하고 레이블을 지정하는 데 도움을 줍니다.

기본적으로 GenAI는 대부분의 작성 및 데이터 랭글링을 처리하므로 팀은 전략적인 작업에 더 집중할 수 있습니다.

머신 러닝

머신러닝(ML)은 과거의 트렌드를 학습하여 패턴을 파악하고 다음에 일어날 수 있는 일을 예측합니다. 

끝없는 스프레드시트를 분류하거나 직감에 의존하는 대신 ML 도구는 과거 구매 동향과 공급업체 성과를 분석하여 팀이 더 빠르게 의사 결정을 내릴 수 있도록 도와줍니다.

예를 들어, 공급업체가 정기적으로 배송이 늦어지는 경우 ML은 더 큰 문제가 되기 전에 이러한 패턴을 발견할 수 있습니다. 또는 일반적인 지출 행동과 일치하지 않는 비정상적인 송장을 포착할 수도 있습니다. 또한 수백 건의 거래에서 지출을 분류하는 지루한 작업을 몇 분 만에 완료할 수 있습니다. 

ML 모델에 더 많은 데이터가 입력될수록 더 똑똑해지므로 시간이 지날수록 인사이트가 계속 향상됩니다.

로보틱 프로세스 자동화(RPA)

RPA는 똑똑해지려고 하는 것이 아니라 의사 결정을 내리거나 인사이트를 발견하기 위한 것이 아닙니다. RPA가 정말 잘하는 것은 수동 입력 없이 시스템 전반에서 대량의 규칙 기반 작업을 빠르게 수행하는 것입니다. 

비즈니스 프로세스 자동화의 핵심 부분인 RPA는 수동 입력 없이 데이터 입력, 송장 매칭, 주문 처리 등의 작업을 처리합니다.

화려하게 들리지는 않겠지만, 이러한 일상적인 작업을 없애면 팀은 조달의 보다 전략적인 부분에 집중할 수 있습니다. 수작업 입력에 대한 의존도를 낮추고 더 원활하게 업무를 처리할 수 있습니다.

자연어 처리(NLP)

NLP는 컴퓨터가 인간의 언어를 이해하고 이해하도록 도와주며, 계약서, 이메일 또는 RFP 응답과 같이 텍스트가 많은 콘텐츠를 다룰 때 유용합니다.

조달 맥락에서 NLP 도구는 다음을 수행할 수 있습니다:

• 계약서에서 중요한 약관 가져오기
• 공급업체 피드백 또는 온라인 리뷰를 분석하여 어조와 감정 분석하기
• 송장이나 영수증에서 주요 정보를 추출하여 구조화된 데이터로 전환하세요.
• 일반적인 조달 관련 질문에 답하는 챗봇을 지원하세요.

NLP는 지출 분석 소프트웨어나 문서 처리 시스템과 같은 플랫폼에 내장되어 있는 경우가 많습니다. 팀에서는 AWS Comprehend 또는 Google Cloud Natural Language와 같은 API를 사용하여 워크플로에 연결할 수도 있습니다. 

이 개념은 복잡하게 들릴 수 있지만, 적용은 팀이 이미 사용하고 있는 도구의 기능을 활성화하는 것만큼이나 간단합니다.

에이전트 AI

에이전트 AI는 블록의 최신 기술입니다. 

에이전트 AI는 모든 작업에 대한 단계별 지침 없이도 목표나 변화하는 조건에 따라 자율적으로 계획하고 조치를 취하며 적응할 수 있는 시스템을 말합니다. 

한편, 조달 분야의 AI 에이전트는 단순히 알림을 보내는 것 이상의 역할을 합니다. 전환에 따른 비용 또는 일정 영향을 시뮬레이션하고 구매 주문서 작성이나 공급업체 기록 업데이트와 같은 다음 단계를 시작할 수도 있습니다. 

이를 통해 에이전트 AI 워크플로우, 즉 AI 에이전트가 인사이트를 도출할 뿐만 아니라 시스템 전반에서 후속 조치를 취하는 동적 프로세스를 실현할 수 있습니다. 예를 들어 에이전트가 재고 부족 위험을 감지하고, 대체 공급업체의 영향을 시뮬레이션하고, 구매 주문을 시작하는 모든 작업을 하나의 조정된 흐름에서 수행할 수 있습니다.

공급업체 데이터베이스나 재고 관리 도구와 같은 올바른 데이터 및 도구에 연결하면 이러한 에이전트는 정의된 매개변수 내에서 반자율적으로 작동하여 팀이 수동 조정을 줄이면서 더 빠르게 움직일 수 있도록 도와줍니다.

워크플로 간소화

RPA 및 ML 기반 워크플로 엔진과 같은 AI 도구는 반복적인 작업을 대규모로 간소화하여 팀이 전략적 업무에 집중할 수 있도록 지원합니다.

예를 들어, RPA는 카탈로그 시스템에서 데이터를 가져와 요청 양식을 자동으로 채우고, 마스터 데이터와 비교하여 공급업체 세부 정보를 검증하고, 비용 센터, 지출 한도 및 긴급성에 따라 요청을 적절한 승인자에게 라우팅하는 등 사람의 입력 없이도 모든 작업을 수행할 수 있습니다.

오류 최소화

프로세스가 수작업으로 이루어질수록, 특히 압박을 받을 때 무언가를 놓칠 가능성이 높아집니다. 

AI는 워크플로 전반에 걸쳐 실시간 유효성 검사 및 이상 징후 탐지를 도입하여 도움을 줍니다. 

원본 PO와 일치하지 않는 인보이스를 제출했다고 상상해 보세요. 사람이 수동으로 검토하는 대신 머신러닝 모델이 즉시 불일치를 찾아냅니다. 

중복된 항목을 발견하거나 올바르지 않은 항목에 플래그를 지정하는 등, AI는 팀이 빠르게 움직일 때 엉망이 되기 쉬운 업무에 일관성과 정확성을 제공합니다.

비용 절감

AI는 반복적인 작업을 자동화할 뿐만 아니라 의사결정을 개선하고 숨겨진 비효율을 파악하여 비용을 절감합니다. 

예를 들어, AI 에이전트는 공급업체에 2% 할인을 받는 대가로 조기에 대금을 지불할 경우의 비용 편익을 계산한 다음 최적의 기회를 자동으로 표시할 수 있습니다. 

고급 지출 분석에 AI를 사용하는 조직은 소싱 전략을 강화하고 가치 누수를 줄임으로써 총 비용을 최대 10%까지 절감했습니다.

성장통 없는 스케일링

조달 업무가 확장됨에 따라 복잡성과 데이터 양이 증가하지만, AI는 인력을 추가하지 않고도 팀이 이 두 가지를 모두 관리할 수 있도록 지원합니다. 

데이터 통합 자동화부터 계약 분석 및 지출 가시성 간소화까지, AI는 성장통을 줄이면서 더 스마트하게 성장할 수 있도록 지원합니다.

위험 예측

조달은 본질적으로 사후 대응적인 업무입니다. AI는 일이 잘못되기 전에 팀에 조기 경고 신호와 권장 사항을 제공함으로써 이를 뒤집습니다.

이러한 선견지명은 점점 더 중요해지고 있습니다. 실제로 조달 리더의 70%가 공급업체 리스크 증가를 가장 큰 우려 사항으로 꼽았으며, AI는 이들이 가장 많이 사용하는 도구가 되고 있습니다.

AI 모델은 내부 데이터(예: 배송 문제 및 계약 준수)와 외부 신호(신용 점수, ESG 등급, 뉴스)를 스캔하여 현재 위험 점수를 생성하고 문제가 확대되기 전에 팀이 조치를 취할 수 있도록 지원합니다.

1. 더 스마트한 예측 및 비용 관리

머신러닝은 과거 구매 패턴과 공급업체의 성과를 학습하여 수요를 예측하는 데 도움이 됩니다. 지연, 가격 변동, 날씨와 같은 외부 요인까지 고려하여 재주문 시기와 구매량을 예측할 수 있습니다.

ML 알고리즘은 대량의 과거 구매 데이터와 상품 가격, 배송 지연, 인플레이션, 심지어 일기 예보와 같은 외부 데이터를 분석합니다. 이를 통해 향후 구매 수요를 예측할 수 있는 모델을 구축하며, 종종 SKU 수준까지 예측할 수 있습니다.

예를 들어, 갑작스러운 포트 지연이 특정 포장재에 대한 수요 급증과 겹친다고 가정해 보겠습니다. ML 모델은 새로운 패턴이 나타나기 전에 이를 감지하여 더 빨리 주문하거나 대체 공급업체로 전환할 것을 권장할 수 있습니다.

ML 모델은 시장 가격 변동과 같은 실시간 입력도 추적합니다. 원자재 비용이 상승하기 시작하면 시스템은 계약 재협상이나 빠른 구매를 제안하여 더 낮은 가격으로 고정할 수 있습니다.

이 예측을 통해 팀은 다음을 수행할 수 있습니다:

• 과잉 주문이나 과소 주문을 피하세요.
• 재고 보유 비용을 최적화하세요.
• 문제가 운영에 영향을 미치기 전에 소싱 전략을 조정하세요.
• 실행 가능한 최신 인사이트를 바탕으로 예산을 결정하세요.

2. 소싱 및 데이터 작업 자동화

공급업체 조사, RFP 생성, 데이터 입력과 같은 수동 작업은 많은 시간을 잡아먹습니다. 

AI는 여러 소스에서 공급업체 프로필을 가져오고, RFP 템플릿을 자동으로 채우고, 수동 입력 없이 시스템 간에 주요 데이터를 동기화하여 이러한 작업을 간소화하는 데 도움을 줍니다. 이를 통해 조달 팀은 주기 시간을 단축하고 공급업체 관계 개선이나 성과 분석과 같은 보다 전략적인 업무에 집중할 수 있습니다. 

MTN Group은 조직 전체에서 조달 데이터를 가져오는 Procurement Cockpit이라는 플랫폼을 구축했습니다. 팀원들은 여러 시스템을 뒤적거리거나 정보를 찾아다니는 대신 소싱 활동, 공급업체 성과 및 지출을 실시간으로 명확하게 파악할 수 있습니다.

정리 정돈을 유지하고 시간을 절약할 수 있는 현명한 방법입니다. 그리고 성과도 있었습니다: MTN은 AI 기반 자동화를 사용하여 업계에서 인정을 받았습니다.

3. 구매 주문 간소화

현실을 직시하세요. 수동으로 PO를 관리하는 것은 느리고 오류가 발생하기 쉬우며 지루하기 그지없습니다. 

AI 에이전트는 발주서 작성부터 배송 추적, 예외 처리까지 조달 워크플로우 전반의 주요 단계를 자동화할 수 있습니다. 단순히 문제를 플래그 지정하는 데 그치지 않고 백업 공급업체에 재주문하거나 검토를 위해 지연을 에스컬레이션하는 등의 조치를 취합니다.

예를 들어 구매 요청이 제출되면 AI 에이전트가 승인된 공급업체 및 가격과 비교하여 이를 확인하고 PO를 자동으로 작성할 수 있습니다. 그런 다음 주문을 전송하고 배송 일정을 업데이트합니다. 

리드 타임 문제와 같은 충돌이 있는 경우 과거 데이터를 기반으로 대안을 제시할 수 있습니다. 대시보드는 이해관계자에게 정보를 제공하고, 시스템은 송장과 영수증을 자동으로 대조하여 불일치하는 부분이 있으면 검토할 수 있도록 플래그를 지정합니다.

4. 구매 팀을 위한 AI 어시스턴트

구매 분야의 AI 비서는 일상적이고 시간이 많이 걸리는 작업을 수행하여 팀을 지원하는 도구입니다. 기존 시스템과 함께 작동하여 의사 결정 속도를 높이고 일상적인 프로세스에서 수작업을 줄여줍니다.

AI 비서가 인간의 전문성을 대체할 수는 없지만, 팀이 더 빠르고 스마트하게 작업하는 데 도움이 되는 것은 분명합니다.

Zycus는 사용자가 구매 요청을 생성하고 추적하는 데 도움을 주는 AI 어시스턴트인 Merlin Intake를 제공합니다. 구매 프로세스를 안내하고 그 과정에서 질문에 대한 답변을 제공하여 사용자의 번거로움을 줄여줍니다.

5. 지능형 지출 분석

구매팀은 특히 ERP와 P2P 시스템에 흩어져 있는 데이터로 인해 자금이 어디로 가는지 파악하는 데 어려움을 겪는 경우가 많습니다. 데이터가 ERP와 P2P 시스템에 흩어져 있으면 모든 자금이 어디로 가는지 파악하는 데 어려움을 겪을 수 있습니다.

AI 도구는 데이터를 자동으로 정리하고 분류하여 팀에게 지출에 대한 통합적이고 정확한 시각을 제공합니다. 머신러닝 알고리즘은 이상 징후를 감지하고 기존 도구가 놓치기 쉬운 절감 기회를 찾아냅니다.

예를 들어, AI는 대량 할인을 위해 통합할 수 있는 여러 공급업체의 반복 구매를 식별하거나 검토가 필요한 카테고리 내 비정상적인 지출 급증을 강조할 수 있습니다.

이러한 수준의 인사이트는 팀에 도움이 됩니다:

• 카테고리 및 공급업체 전반의 지출 가시성 향상
• 규정을 준수하지 않거나 변덕스러운 지출 감지
• 번들링 또는 재협상 기회 식별
• 더 나은 정보에 기반한 예산 및 소싱 의사 결정

6. 공급업체 리스크 관리

공급업체 리스크는 점점 더 커지고 있으며, AI를 통해 그 어느 때보다 선제적으로 관리할 수 있습니다.

머신러닝 모델은 계약 위반, 송장 불일치 등의 내부 신호와 신용 점수, ESG 등급, 지정학적 사건, 글로벌 뉴스와 같은 외부 지표를 지속적으로 스캔합니다.

그런 다음 AI가 이를 실시간 위험 점수로 종합하여 조달 팀이 위험 노출과 신뢰성에 따라 공급업체의 우선순위를 정할 수 있도록 합니다. 일부 도구는 공급망 중단 시나리오를 시뮬레이션하여 완화 전략을 안내할 수도 있습니다.

예를 들어, Resilinc의 AI 플랫폼을 통해 기업은 공급업체 성과 및 외부 이벤트와 같은 요인을 분석하여 잠재적인 지연을 예측할 수 있습니다. Resilinc의 플랫폼을 사용하면 중국에서 발생하는 태풍과 같은 장애가 발생하기 전에 미리 예측할 수 있습니다. 이 시스템은 팀에게 미리 경고를 보내 배송 경로를 변경하고 잠재적인 매출 손실을 방지할 수 있도록 합니다.

7. 계약 정보

조달 계약서에는 중요한 정보가 가득하지만 이를 수동으로 검토하고 관리하는 데는 많은 시간이 소요됩니다.

예를 들어 LLM 에이전트와 같은 NLP 도구는 수천 개의 계약서에서 지불 조항 및 SLA와 같은 주요 용어를 추출하여 규정 준수 프레임워크에 매핑할 수 있습니다.

연말까지 500개의 공급업체 계약서를 검토해야 하는 팀이 있다고 가정해 봅시다. 일일이 수작업으로 검토하는 대신 AI 시스템이 몇 분 만에 문서를 스캔하여 계약 기간이 만료되는 계약서에 플래그를 지정하고 누락된 데이터 보호 조항을 강조 표시하며 유사한 계약서를 그룹화하여 쉽게 검토할 수 있습니다. 

8. 동적 공급업체 매칭

예전에는 적합한 공급업체를 찾기 위해 정적인 공급업체 목록이나 수동 조사에 크게 의존했습니다. AI는 성능 이력, 인증, 가격 및 현재 용량을 기반으로 공급업체를 추천함으로써 이러한 방식을 변화시킵니다.

이 시스템은 머신러닝을 사용하여 정형 및 비정형 데이터를 모두 평가하여 특정 요구 사항이나 지역에 가장 적합한 공급업체를 제안합니다. 

이제 조달 팀도 가능합니다:

• 이상적인 공급업체를 더 빠르게 선정
• 품질, 비용 및 ESG 목표에 부합하는 공급업체로부터의 소스 제공
• 온보딩 시간 단축 및 소싱 민첩성 향상

1. 명확한 목표 설정

혁신적으로 들린다고 해서 AI를 사용하지 마세요. 해결하고자 하는 문제가 무엇인지 정확히 파악하세요.

구매 주문을 자동화하고 싶으신가요? 지출 분류를 개선하고 싶으신가요? 공급 리스크를 예측하고 싶으신가요?

이러한 각 목표에는 서로 다른 도구, 데이터 모델 및 통합이 필요합니다. 예를 들어, 구매 주문을 자동화하려면 RPA를 사용해야 하고, 예측을 개선하려면 ML을 사용해야 할 수 있습니다. 

명확한 목표가 없으면 아무것도 해결하지 못하는 값비싼 도구를 구축할 위험이 있습니다. 문제점을 파악하고 이를 바탕으로 AI 구현을 시작하세요.

2. 플랫폼 선택

목표가 정해지면 이를 지원하는 도구를 찾아보세요. 

이미 사용하고 있는 것부터 시작하세요. 현재 많은 ERP와 조달 플랫폼이 지출 분류 또는 계약 분석과 같은 기본 제공 AI 기능을 제공합니다. 보다 구체적인 요구 사항이 있다면 독립형 도구를 살펴보되, stack 깔끔하게 통합되는지 확인하세요. 

가장 좋은 플랫폼은 현재 사용 중인 플랫폼과 함께 작동하고 성장에 따라 확장할 수 있는 플랫폼입니다.

3. 데이터 준비

AI는 사용자가 제공하는 데이터만큼만 똑똑해집니다.

시작하기 전에 현재 상황을 파악하세요. 지저분한 데이터를 정리하고, 여러 시스템에 흩어져 있는 정보를 통합하고, 강력한 데이터 거버넌스를 적용하세요. 즉, 형식을 표준화하고 정확성을 검증해야 합니다.

구매팀은 완벽한 데이터가 필요하지는 않지만 사용 가능한 데이터가 필요합니다. 심기 전에 토양을 준비한다고 생각하면 됩니다.

4. 솔루션에 생명력 불어넣기 

목표와 플랫폼이 명확하고 데이터가 준비되었다면 이제 솔루션을 실현할 차례입니다.

대부분의 구매팀에서 AI 도구를 처음부터 구축하는 것은 아닙니다. 공급업체, 파트너 또는 내부 IT 팀과 협력하여 사용 사례에 맞는 도구를 구성하고 배포하는 것을 의미합니다.

팀의 능력과 목표의 복잡성에 맞는 접근 방식을 선택하세요.

5. 팀 활성화

아무리 좋은 AI 도구라도 팀이 사용법을 모르거나 신뢰하지 못하면 성과를 낼 수 없습니다.

솔루션이 출시되면 온보딩 및 채택에 시간을 할애하세요. 공급업체 또는 구현 파트너와 협력하여 사용 사례에 대해 팀을 교육하고, 도구의 기능뿐 아니라 조달 전문가가 실제로 일하는 방식에 맞게 교육을 맞춤화하세요.

실습을 위한 공간을 만들고, 일반적인 워크플로를 문서화하고, 피드백 루프를 열어두세요. 

아무도 사용법을 모른다면 기술은 성과를 낼 수 없습니다.

6. 평가 및 반복

설정하고 잊어버리지 마세요.

주기 시간 단축, 절감된 비용 또는 방지된 위험 사고와 같은 명확한 지표를 사용하여 AI 도구의 영향을 추적하세요. 

챗봇을 도입한 경우 챗봇 분석을 통해 챗봇이 어떻게 사용되고 있는지, 어느 부분에서 효과가 있는지, 마찰을 유발할 수 있는 부분은 무엇인지 파악하세요. 챗봇 ROI를 측정하는 것은 투자를 정당화하고 향후 개선을 유도하는 데 특히 중요합니다.

그리고 사용자와 대화하세요. 무엇이 효과가 있나요? 무엇이 불편한가요? 

AI 시스템은 시간이 지남에 따라 개선되지만, 계속 미세 조정해야만 개선됩니다. 최고의 구현은 실제 사용과 함께 발전합니다.

조달에서 AI 도구를 구현하는 데 드는 비용은 얼마나 드나요?

기존 플랫폼의 엔트리급 AI 기능은 한 달에 수백 dollars 불과하지만 고급 지출 분석이나 자율 에이전트와 같은 엔터프라이즈급 솔루션은 연간 6자리 수에 달할 수도 있습니다. 총 비용은 워크플로우의 복잡성과 기성 솔루션을 채택할지 아니면 맞춤형 AI 기능을 구축할지에 따라 달라집니다.

조달에 AI를 사용할 때 위험이나 단점은 없나요?

데이터가 불완전하거나 부정확할 경우 잘못된 의사 결정, 독점적인 AI 시스템으로 인한 공급업체 종속 가능성, 민감한 데이터가 제대로 보호되지 않을 경우 규정 준수 문제 등 조달에 AI를 사용할 때 발생할 수 있는 위험이 있습니다. 또한, AI 도구는 때때로 오류나 예기치 않은 결과를 생성할 수 있으므로 비용이 많이 드는 실수로 확대되기 전에 문제를 파악하기 위해 사람의 감독이 필요합니다.

조달 분야의 AI 도구가 일자리를 대체할까요, 아니면 사람들의 업무 방식만 바꿀까요?

조달 분야의 AI 도구는 일반적으로 일자리를 완전히 없애는 것이 아니라 데이터 입력, 송장 매칭 또는 지출 분류와 같은 반복적인 작업을 자동화하여 조달 전문가가 공급업체 관계, 협상, 위험 관리와 같은 전략적 활동에 집중할 수 있도록 업무 방식을 변화시킵니다. 그러나 AI가 일상적인 워크플로우에 포함됨에 따라 역할이 더 많은 분석 또는 기술적 스킬로 바뀔 수 있습니다.

중소기업도 조달에서 AI의 혜택을 누릴 수 있을까요, 아니면 주로 대기업을 위한 것일까요?

특히 대규모 초기 투자 없이도 자동 문서 처리, 공급업체 매칭 또는 기본 지출 분석과 같은 기능을 제공하는 합리적인 가격의 SaaS 도구를 통해 소규모 기업도 조달 분야에서 AI의 이점을 충분히 누릴 수 있습니다. 대기업은 종종 더 복잡한 맞춤형 AI 솔루션을 배포하지만, 소규모 기업도 가벼운 클라우드 기반 AI 도구를 사용하여 시간을 크게 절약하고 더 나은 의사 결정을 내릴 수 있습니다.

구매팀에서 AI 도구를 사용하려면 어떤 기술이 필요할까요?

구매팀은 반드시 프로그래머가 아니어도 AI 도구를 사용할 수 있지만, AI 모델의 작동 방식을 이해하고 데이터 품질 문제를 파악하기 위해서는 데이터 해독 능력이 필요합니다. 분석 도구에 익숙하고 디지털 플랫폼을 사용하는 데 익숙해야 하며, IT 부서와 협업하여 AI 솔루션을 조달 워크플로우에 통합할 수 있는 능력이 핵심입니다.