알림마당

[SCM 보고서 소개] 데이터분석, AI, 자동화의 현재와 미래 4.0 by McKinsey Global Institute


지난 몇 년간, 디지털 및 데이터 분석 기술의 급격한 발전은 전통적 비즈니스 모델의 붕괴와 새로운 비즈니스 기회를 창출하는 등 경영환경의 급격한 변화를 이끌었다. 많은 기업들이 신기술의 힘을 활용하기 위해 노력하고 있으나, 모든 기업이 기술 도입으로 이익을 얻을 수는 없는 현실에 처해있다. 이와 동시에 로봇, 분석기술, 인공지능(AI) 분야는 기계학습을 통해 이전보다 매우 빠르게 발전하고 있다. 최근에는 기술들이 다양한 분야에서 인간의 역할을 대체하고 있으며, 그 성과는 기업들이 많은 이익을 누릴 수 있는 수준까지 발전하였다. 

그러나 기업들은 이러한 기술을 도입하고 활용하는 방법과 기술을 활용하기 위한 기술과 조직에 대한 준비가 필요하며, 환경 변화 대응을 위한 민간 및 공공 부문에서의 역할 정립이 필요하다. 이에 따라 McKinsey Global Institute(2017)에서는 현재 공급사슬에 적용 가능한 빅데이터 분석 기술, 가까운 미래의 공급사슬에 활용될 수 있는 기술과 기술 적용을 위한 민간 및 공공의 역할에 대해 제시하였다.

현재는 일부 기업들이 데이터 분석을 사용하여 의사 결정을 수행하고, 수요 측면에서 가시성을 높이며, 프로세스를 최적화 하는 등의 방법을 통해 경쟁력을 확보하고 있다. 기업 경영환경에서 빅데이터 분석을 활용하면 운영 프로세스를 개선할 뿐 아니라, 신규 비즈니스 기회를 제공하는 등 다양한 이점을 누릴 수 있다. 하지만, 최근 빅데이터 분석을 위한 데이터의 양이 급격히 증가하였으나, 대부분의 기업들은 빅데이터 분석의 이점을 충분히 활용하지 못하고 있다. 

McKinsey의 분석 결과에 따르면, 5개 대규모 산업군 중 위치기반서비스 산업과 유통업만이 빅데이터를 통해 상당한 개선이 이루어졌다. 이전에 제조, 의료, 공공부문에서는 빅데이터 분석을 통해 많은 효과가 있을 것이라 예측되었으나 현재 수준을 평가해 보면 예측된 내용 중 30%만이 개선이 이루어져 데이터 분석을 효과적으로 사용하지 못했음을 확인할 수 있다. 효과적인 데이터 분석을 위해서는 먼저 기업 내부 및 공급사슬의 전략적 비전을 이해할 필요가 있다. 또한, 데이터를 효과적으로 수집하기 위해 관련 프로세스를 디지털화하고, 데이터 분석을 위한 기술을 습득하여야 할 뿐 아니라, 분석 결과를 기업 및 공급사슬 프로세스에 적용하여 실제적인 개선을 이루어야 한다.

가까운 미래의 공급사슬에서는 인공지능과 자동화 기술이 광범위하게 적용될 것으로 보인다. 인공지능은 새롭게 등장한 개념은 아니나, 최근 세 가지 요인으로 인해 인공지능의 활용성이 확대되고 있다. 첫째 이유는 신경망 기술의 발전을 통해 기계 학습 알고리즘이 고도화 되었다. 둘째, 컴퓨터가 처리 가능한 용량이 기하급수적으로 증가하게 되면서 보다 복잡한 모델을 빠르게 처리하고, 기계학습에 활용할 수 있게 되었기 때문이다. 마지막으로는 사물인터넷을 통해 다양한 기기에 부착된 센서를 통해 기계 학습 모델에 사용될 수 있는 엄청난 양의 데이터가 생성되기 때문이다. 

또한, 자동화 기술은 생산성을 향상시키고, 서비스 처리량을 증가시킬 뿐 아니라 예측 정확도의 향상 및 최적화를 가능하게 한다. 최근의 공급사슬에는 자동화 기술의 적용으로 다양한 가치가 창출되고 있다. 실제로 Rio Tinto社는 광산에 자동 운반 트럭 및 시추 장비를 도입하여 설비 이용률을 최대 20% 증가시킨 바 있으며, Google은 데이터센터에 인공지능 기술을 적용하여 센터에서 사용하는 에너지 양의 40%를 감소시키기도 했다. 이러한 이점을 가진 자동화 기술을 공급사슬에 적용시키기 위해서는 자동화의 기술적 타당성을 확보해야 하고, 현장에 솔루션을 적용하기 위한 기술을 개발하고, 자동화 기계의 배치 비용을 고려해야 한다. 또한, 관련 규제, 특히 자동화 기술을 통한 노동력 대체 문제와 관련이 있는 노동시장 관련 규제를 검토할 필요가 있다.

AI 및 자동화 기술은 전 세계적으로 생산성 향상에 큰 도움을 줄 수 있다. McKinsey의 시나리오 모델링을 통한 분석 결과, 자동화 기술의 적용만으로도 전 세계 생산성의 증가율을 0.8%에서 1.4%까지 증가시킬 수 있다고 추정되었다. 개별 기업의 경우 이러한 기술들을 성공적으로 도입하면 기업의 성과가 크게 개선되고 경쟁우위를 선점할 수 있는 차별화 요소가 될 수 있을 것이다. 

공급사슬에서 위와 같은 기술을 도입하고 적용하기 위해 조직의 리더들과 정책 입안자는 다음과 같은 내용을 고려해야 한다. 먼저, 조직의 리더는 해당 조직에 적용될 수 있는 다양한 기술들을 테스트하고, 기술 도입을 통한 이점을 누리기 위해 비즈니스 모델과 비즈니스 프로세스를 재설계할 필요가 있다. 또한, 디지털화, 자동화의 산출물인 디지털 자산이 경쟁 업체와 비교하여 얼마나 차별성이 있는지 지속적으로 검토할 필요가 있다. 검토 결과에 따라 기술에 대한 투자 규모를 지속적으로 조정해야 할 필요도 있다. 마지막으로 자동화 기술 도입에 따라 인적 자원의 재교육, 재배치를 지속적으로 수행해야 한다. 정책 입안자는 기술을 위한 투자를 장려하기 위해 공공과 민간부문의 파트너십을 형성하고, 새로운 비즈니스 모델의 활성화를 위한 규제를 완화할 필요가 있다. 또한, 효율적인 인적 자원의 활용을 위해 지속적인 교육, 훈련에 대한 정책을 수립하고, 자동화에 따른 실직 문제로 발생할 수 있는 사회복지 분야를 재검토할 필요가 있다.



출처: McKinsey Global Institute(2017), What’s now and next in analytics, AI and automation

http://www.mckinsey.com/global-themes/digital-disruption/whats-now-and-next-in-analytics-ai-and-automation