전기전자/정보통신

Nikkei Computer_2023.8.17 뉴스 & 리포트 (p81)

삿포로 맥주, AI 수요 예측 시스템 운용
과거 데이터 없는 신제품에도 적용, 사람과의 협업으로 예측 정확도를 20% 높여

삿포로맥주는 AI(인공지능)를 이용해 맥주나 츄하이 등에 대한 수요 예측 시스템 운용을 7월 1일부터 본격적으로 시작했다. AI의 수요 예측을 참고함으로써 사람만으로 실시한 예측과 비교해 정확도가 20% 향상되었다고 한다.

생산과 보충 계획 등을 관리하는 삿포로맥주의 수급 계획 시스템은 이미 수요 예측 기능을 갖추고 있다. 하지만 실적을 통해 통계학적으로 예측하는 구조로, 신상품에는 적합하지 않아 영업 담당자의 경험에 의존하고 있었다. 기무라(木村) 서플라이체인 매니지먼트부 시니어 애널리스트는 “신상품에 대한 예측은 영업 담당자의 제시 가격을 그대로 사용했고, 예측의 근거도 없었다”라고 말한다.

이런 상황을 개선하기 위해 삿포로맥주는 닛테쓰(日鉄)솔루션즈의 지원을 받아 AI를 이용한 수요 예측 시스템 개발을 2022년 10월에 시작. 우선, 편의점용 신상품 수요 예측부터 착수했다.

AI 개발에는 기계학습 플랫폼 '데이터 로봇(Data Robot)'을 채택했다. 데이터 로봇에서는 학습 데이터를 준비하면 최적의 분석 알고리즘이 자동으로 선정된다. 시스템 구축 공수를 줄일 수 있다는 점 외에도 “모델링 지원 기능을 활용함으로써 예측 정확도 향상에 집중할 수 있었다”(다미야(田宮) 개혁추진부 리더).

AI 개발에는 2016년부터 2022년까지 사내에 축적된 1,500만 행의 출하 실적 데이터를 사용했다. 상품별 출하 날짜와 장소, 수량 등의 데이터이다.

예측 정확도 향상에 필수적이었던 것이 예측에 대한 지식과 경험을 가진 서플라이체인 매니지먼트부와 시스템 개발의 기술 측면을 담당하는 개혁 추진부의 협력이었다. 가와모토(河本) 개혁추진부 DX추진그룹 리더는 “개발을 시작하기 전부터 어떤 데이터를 학습에 사용할지 협의를 거듭했다”라고 말한다. 신상품에는 출하 실적이 없기 때문에 유사 상품의 실적이 중요하기 때문이다.

신상품의 특성과 유사 상품을 어떻게 연결시킬 것인가에 대한 서플라이체인 매니지먼트부의 판단을 듣고 개발을 추진했다고 한다.

-- AI 예측치의 근거를 알 수 있어 --
데이터 로봇의 장점은 “예측 결과의 근거를 알 수 있다”(다미야 리더)라는 점이다. 데이터 로봇이 예측치 낼 때 어떤 알고리즘을 이용했는지, 어떤 데이터가 어느 정도 예측에 반영되어 있는지 등의 정보가 가시화된다. 서플라이체인 매니지먼트부의 입장에서는 다른 부서에 예측을 전달할 때 AI 예측치에 대한 근거를 갖고 설명하는 것이 이해 받기 쉽다고 한다.

가와모토 그룹 리더는 “최종적으로는 업무 오퍼레이션의 변혁으로 연결하고 싶다”라는 의욕을 밝히며, “향후에는 POS 데이터 등도 학습시켜 예측의 정확도를 더욱 향상시키는 것을 목표로 한다”라고 한다.

 -- 끝 --

Copyright © 2020 [Nikkei Computer] / Nikkei Business Publications, Inc. All rights reserved.

[목차]

IT가 위험하다
해저케이블에 도청 및 절단 위험, 금융 거래와 원격 수술에도 영향

특집
1. 지금이야말로 시험대에 오르게 된 유저의 힘
다섯 가지 요소를 강화해야

2. 테크놀로지 기업의 명암을 가르는 유저의 힘

3. 선진 유저 기업들이 밝히는 핵심적인 '5가지 요소'

4. 수직적인 관계의 부문이 최대 장벽, 샌드위치형 돌파

5. 유저의 힘을 강화하는 15가지 체크포인트

특집
‘히노마루(日の丸) LLM’에 도전하다
생성 AI의 안보는 실현될 수 있을까?

포커스
정부 IT 조달 개혁 시동, 로그인 타파될까?

인터뷰
도미노(富野) 애니메이션 영화감독
AI의 생성물은 잘 만들어졌지만 느낌이 ‘딱딱해’, 위협받고 싶지 않으면 천재가 되어라

뉴스& 리포트
1. 미즈호와 후지쓰가 생성 AI로 태그 시스템 개발 품질의 향상을 노린다
2. IBM으로부터 분사한 킨드릴, 북관동(北関東) 데이터센터 폐쇄
3. 화학 분야에서 양자계산 활용의 시행착오, Q2B Tokyo를 통해 본 기대와 과제
4. 삿포로맥주가 AI로 수요 예측, 과거 데이터가 없는 신제품에도 적용
5. 철도 복구 다이어그램을 몇 분 만에 작성, AI로 다이어그램 관리 직원의 감과 경험을 실현
6. ‘일본어 성능이라면 지지 않는다’, NEC가 찾아낸 생성 AI의 성공 공식
7. DX 체제를 쇄신하는 다이하쓰공업, 4개 분야의 디지털 인재를 1,000명으로
8. 전세계 IT 지출 계속 확대, IT서비스와 소프트웨어가 견인

데이터는 말한다
30%의 기업이 소프트웨어 가격 인상에 불만, 대항책은 ‘다른 벤더로의 변경’

케이스 스터디
[아사히카세이건재(旭化成建材)]
38년 만에 기간시스템 쇄신, ACOS-2를 철폐해 탈(脫)COBOL 실현

도전자
노자키(野崎) SoftRoid 대표이사 CEO
건설현장을 360도 뷰, 로봇의 단념이 새로운 사업을 창출

작동하지 않는 컴퓨터

[치엘]

ID 연계 소프트웨어에 개인정보 3만 건 혼입, 다른 고객에게도 적용

연재
1. IT 보안 대책 최전선
기업에서 필수인 프라이버시 보호, 기술적 대책 확보

2. 강점을 활용한 DX 사업 기획 작성하는 방법
프로토타입으로 개발 투자 검증, 테스트 마켓으로 사업 기획 작성

3. 실천 DX, 클라우드로 시작하는 데이터 매니지먼트
데이터 레이크하우스(Data Lakehouse)도 등장, DHH와 데이터 매니지먼트의 관계

4. 사장의 의문에 답하는 IT 전문가의 대화 기술
이노베이션을 일으킬 수 있다, 오픈 소스 이용은 당연

키워드
AI法(Artificial Intelligence Act）

오피니언
1. 시스템의 트러블은 당연한 것, 마이넘버 문제가 심각해지고 있는 이유

2. 모바일의 일도양단
KDDI가 의미 없는 판매 경쟁과 결별할까? 대비하는 휴대폰 시장의 ‘최후의 싸움’

3. 나카타 아쓰시의 GAFA 심층 분석
비싼 Microsoft 365 Copilot, 월 30달러에 담은 의미
4. 프로그래밍으로 가자
AI의 매개변수 수는 중요한가? 스펙으로만 판단하는 사람들

5. ‘오늘도 누군가가 타깃이 된다’

챗GPT 계정이 암시장으로, 어떻게 훔쳤고 누가 그것을 원하는가?