AI의 장점 설명

Jun 03, 2026

AI의 장점 설명

물류 기술에서 투명성, 통합 및 신뢰가 결정적인 이유는 무엇입니까? Peter MacLeod가 전문가와 이야기를 나눕니다.

올해 LogiMAT에서 그 어떤 것보다 더 명확하게 소음을 차단하는 주제가 있다면 그것은 바로 속도일 것입니다. 운영 속도뿐만 아니라 배포 속도, 혁신 속도, 그리고 궁극적으로 가장 중요한 것은 투자 수익 속도입니다. Inform Software의 경우 이러한 논의는 점점 더 광범위한 질문으로 이어집니다. 물류 조직이 투명성, 통제 또는 신뢰를 잃지 않고 어떻게 보다 지능적인 시스템을 채택할 수 있습니까?

Inform의 재고 및 공급망 SVP인 Bernd Heinrichs 박사는 슈투트가르트의 분주한 전시장에서 나에게 Inform이 공급망 및 내부 물류 환경에서 인공 지능이 어떻게 발전하고 있는지 설명했습니다.

최적화 계층 확장

Inform은 오랫동안 복잡한 데이터 기반 환경의 최적화와 관련되어 왔습니다.- 그러나 시장의 변동성이 심해짐에 따라 최적화 시스템은 더욱 빠르게 대응하고, 더 많은 신호를 통합하며, 보다 역동적인 의사 결정을 지원해야 합니다-.

이러한 변화는 의사결정이 상호의존적인 환경에서 특히 중요합니다. 수요 계획의 변경은 재고, 운송 능력, 인력 할당 또는 서비스 수준에 영향을 미칠 수 있습니다. 작업의 한 부분에서 제시된 권장사항은 다른 부분에서 결과를 초래할 수 있으므로 일상적인 사용에 있어 투명성이-반드시-필수적입니다.

하인리히스(Heinrichs)가 생각하는 물류 AI의 실제 가치는 바로 여기에서 입증되어야 합니다. "나는 AI에 대해 이야기하지 않습니다. 나는 설명 가능한 AI에 대해 이야기합니다"라고 그는 말합니다. "우리가 하는 모든 것, 우리가 제안하는 모든 것에는 설명이 있습니다. 그렇지 않으면 사람들은 그것을 신뢰하지 않습니다."

news-1300-729

실제 요구사항으로서의 신뢰

그는 다양한 업계의 고객과의 대화에서 동일한 질문이 반복적으로 나온다고 말합니다. "왜 시스템이 다른 옵션을 선택하지 않고 해당 옵션을 선택했습니까?"

물류 결정이 기술만으로는 거의 이루어지지 않기 때문에 질문이 중요합니다. 여기에는 기획자, 관리자, 운영팀이 포함되며 대부분의 경우 고객 또는 외부 파트너도 포함됩니다. 이러한 이해관계자가 AI가 지원하는 권장사항에 대한 추론을 따를 수 없다면{2}} 그에 따라 조치를 취할 가능성이 낮아집니다.

Heinrichs에게 이는 유럽 기술 제공업체에게 의미 있는 차별화 포인트가 될 수 있습니다. "우리는 누구 못지않게 훌륭한 AI를 구축할 수 있지만 뭔가 다른 것을 추가할 수도 있습니다."라고 그는 말합니다. "블랙박스가 되어서는 안 된다."

기업이 기존 비즈니스 프로세스에 AI 애플리케이션을 내장하려고 함에 따라 이러한 차이는 점점 더 중요해지고 있습니다. 시스템은 기술적으로 강력해야 하지만 사용자가 시간이 지남에 따라 문제를 제기하고 검증하고 개선할 수 있을 만큼 이해하기 쉬워야 합니다.

예측하기 어려운 환경 관리

과거 데이터만으로는 운영 환경을 계획하기가 점점 더 어려워지고 있습니다. 수요 패턴이 변하고, 외부 요인이 개입하며, 시장 상황이 빠르게 변할 수 있는데, 이러한 변화가 숫자로 명확하게 드러나기 전에 종종 그렇습니다. "실시간 데이터를 수집해야 하며 과거 데이터에만 의존해서는 안 됩니다."라고 그는 말합니다. "변동성에 대응하고 다양한 소스의 신호를 의사결정에 통합해야 합니다."

이는 보다 정적인 최적화 모델에서 지속적으로 새로운 정보를 고려하는 반응형 시스템으로의 전환을 의미합니다. "더 역동적으로 변하고 있습니다"라고 그는 덧붙였습니다. "다음 단계는 환경 변화에 스스로 반응하도록 더욱 능동적으로 만드는 것입니다."

뉴스에서 예측까지

LogiMAT에서 처음으로 소개된 Inform의 한 예는 외부 이벤트를 예측 및 시나리오 계획에 직접 가져오도록 설계된 새로운 AI 기반 접근 방식입니다. Heinrichs는 출발점은 간단한 질문이었다고 말합니다. 예측 모델은 왜 주변 세계에서 일어나는 일을 그토록 자주 무시합니까?

"오늘날 고전적인 예측을 실행한다면 이는 역사적 수치를 기반으로 한 것입니다."라고 그는 설명합니다. "그러나 실제로 수요는 지정학적 갈등, 공급망 중단, 새로운 규제 또는 시장 추세와 같은 사건의 영향을 지속적으로 받습니다. 이러한 정보는 존재하지만 일반적으로 숫자가 아닌 뉴스로 존재합니다."

새로운 솔루션은 이러한 격차를 해소하도록 설계되었습니다. 사용자는 판매 수치나 시장 지표와 같은 시계열을 제공하고 상황을 간략하게 설명합니다. 그런 다음 AI는 관련 뉴스 이벤트를 조사하고 역사적 관계를 분석하며 몇 가지 가능한 미래 시나리오를 생성합니다. 결과는 시장이 다른 방향으로 발전할 수 있는 이유에 대한 증거 기반 설명이 수반되는 예측입니다.{3}}

루프 속 인간

하인리히스(아래 사진)에게 있어서 AI에 대한 논의는 인간 전문지식의 역할로도 직접적으로 이어진다. AI는 패턴을 식별하고, 대량의 정보를 처리하며, 시나리오를 빠르게 생성할 수 있습니다. 그러나 사람들이 데이터만으로는 제공할 수 없는 경험, 맥락, 판단을 추가할 수 있을 때 그 가치는 더욱 커집니다.

news-1300-867

"AI는 작동하는 데이터와 그 데이터에 의미를 부여할 수 있는 사람들만큼만 훌륭합니다."라고 그는 말합니다. "이것이 바로 인간이 루프의 필수적인 부분으로 남아 있는 이유입니다."

실제로 이는 기획자와{0}}의사 결정권자가 프로세스에서 제외되지 않는다는 것을 의미합니다. 그들은 그것의 중심으로 남아 있습니다. 이들의 역할은 운영 지식이나 시장 직관을 바탕으로 시나리오를 검증하고 가정에 의문을 제기하며 결과를 개선하는 것입니다.

Heinrichs는 "사람들이 시스템이 어떤 것을 추천하는 이유를 이해하면 이를 신뢰할 것인지, 질문할 것인지, 개선할 것인지 결정할 수 있습니다."라고 설명합니다. "인간의 판단과 기계 지능 간의 협력이 정말 강력해지는 곳이 바로 여기입니다."

통합 및 상호 운용성

고객 논의의 또 다른 일관된 주제는 통합입니다. 물류 운영이 더욱 상호 연결됨에 따라 AI{1}} 기반 애플리케이션을 기존 시스템과 연결하는 기능이 점점 더 중요해지고 있습니다. "우리는 항상 질문을 받습니다. ERP 시스템, 다른 솔루션과 어떻게 통합합니까?" 하인리히스가 나에게 말한다. Inform의 대응은 커넥터를 표준화하고 SAP 및 Microsoft와 같은 주요 플랫폼에 맞추는 것이었습니다. 그 결과 통합 경로가 더욱 간단해지며 비용과 구현 시간이 모두 절감됩니다.

"그것은 큰 변화를 가져온다"고 그는 덧붙였다. "또한 이를 통해 우리가 국제적으로 확장하는 것이 더 쉬워졌습니다."
이는 AI 도입에 있어서 중요한 포인트이다. 가장 발전된 애플리케이션이라도 비즈니스 프로세스가 실제로 관리되는 시스템과 분리되어 있으면 가치 창출에 어려움을 겪게 됩니다. 물류 회사는 이미 확립된 IT 환경에서 운영되고 있으며, 새로운 솔루션은 추가적인 복잡성을 발생시키지 않으면서 이러한 환경에 적합해야 합니다.

데이터 책임

연결성과 데이터 사용량이 증가함에 따라 보안에 대한 조사가 강화되었습니다. 사이버 보안에 대한 Heinrichs의 배경은 이 문제에 대한 강력한 입장을 알려줍니다. "모든 제품은 출시되기 전에 보안 스탬프가 있어야 합니다"라고 그는 말합니다. "필수입니다."

AI 모델이 뉴스 및 시장 정보와 같은 외부 피드를 포함하여 더 광범위한 데이터 소스를 활용함에 따라 해당 데이터를 관리하고 보호하는 복잡성이 커지고 있습니다. Heinrichs는 "우리가 활용하는 데이터의 양은 데이터 보안 측면에서 엄청난 수요를 창출합니다."라고 말합니다. "당신은 그 위에 있어야합니다."