재고 관리 시스템, 왜 도입해도 재고 문제는 반복될까?

"재고 관리 시스템을 도입했는데, 왜 여전히 재고가 쌓이죠?"

생산관리팀 김 과장의 질문입니다. 작년에 수천만 원을 들여 재고 관리 시스템을 도입했습니다. 실시간으로 재고 현황을 볼 수 있고, 입출고도 자동으로 기록됩니다.

하지만 3개월이 지난 지금, 창고에는 여전히 6개월 넘은 부진재고가 쌓여 있고, 정작 필요한 자재는 부족해서 긴급 발주를 반복하고 있습니다.

시스템은 지금 재고가 얼마인지는 알려주지만, 왜 이 재고가 쌓였는지, 어떻게 해야 하는지는 알려주지 않기 때문입니다.

이 글에서는 기존 재고 관리 시스템의 한계와, 재고 문제를 근본적으로 해결하는 새로운 접근법을 정리합니다.

재고 관리 시스템이 해결하는 것, 해결하지 못하는 것

재고 관리 시스템이 해결하는 것

기존 재고 관리 시스템은 재고 현황을 투명하게 보여줍니다. ERP, MES, WMS 같은 시스템을 도입하면 현재 재고 수량, 입출고 이력, 재고 회전율, 안전재고 대비 현황을 실시간으로 확인할 수 있습니다.

엑셀로 수기 관리하던 시절에 비하면 엄청난 발전입니다. 창고에 가지 않아도 재고를 파악할 수 있고, 담당자가 바뀌어도 데이터는 그대로 남습니다.

특히 제조업에서는 원자재부터 반제품, 완제품까지 수백에서 수천 개 품목을 관리해야 하는데, 시스템 없이는 불가능한 일입니다.

재고 관리 시스템이 해결하지 못하는 것

하지만 정작 중요한 것은 해결하지 못합니다.

A 자재는 왜 6개월째 창고에 있나요? B 제품은 왜 매번 부족한가요? 이번 달 재고 자산이 왜 2억이나 늘었나요?

시스템은 무엇이 문제인지는 보여주지만, 왜 그런지, 어떻게 해야 하는지는 알려주지 않습니다. 결국 담당자가 ERP 데이터를 엑셀로 다운받아서, 생산 계획과 대조하고, 영업팀에 물어보고, 3일 동안 분석해야 겨우 원인을 찾습니다.

더 큰 문제는 이렇게 찾은 원인이 개인 머릿속에만 남는다는 점입니다. 다음 달 비슷한 문제가 생기면 또 3일을 써야 합니다.

왜 재고 문제는 반복될까? 원인을 찾지 못해서

문제의 핵심: 원인 분석에 3~5일 걸림

재고 문제가 반복되는 이유는 간단합니다. 원인을 찾는 데 시간이 너무 오래 걸리기 때문입니다.

과잉재고가 발견되면 담당자는 이렇게 움직입니다. ERP에서 해당 자재 입출고 이력을 조회합니다. 생산 계획과 대조하기 위해 MES 데이터를 확인합니다. 영업팀에 판매 계획을 물어봅니다. 구매팀에 발주 이력을 확인합니다. 이 모든 것을 엑셀로 정리하고 분석합니다.

이 과정이 3~5일 걸립니다. 그사이 다른 긴급 업무가 생기면 어떻게 될까요? 분석은 미뤄지고, 재고는 계속 쌓입니다.

특히 제조업 현장에서는 매일 긴급한 일이 터집니다. 설비 고장, 납기 지연, 품질 불량 같은 문제가 생기면 재고 분석은 뒷전으로 밀립니다.

더 큰 문제: 감에 의존

재고 담당 베테랑은 경험으로 압니다. 이 시기에 A 자재가 남으면 보통 B 라인 가동률 때문이야. 계절성 제품은 3월 초에 발주량을 줄여야 해. 이런 판단 기준은 그 사람 머릿속에만 있습니다.

신입이 오면 어떻게 될까요? 똑같은 문제가 반복됩니다. 베테랑이 옆에서 하나하나 알려줘야 합니다. 베테랑이 퇴사하면? 그 노하우가 통째로 사라집니다.

식품 제조사의 실제 사례입니다. 30년 경력의 재고 담당자가 퇴사했습니다. 그 전에는 계절별로 어떤 원료를 얼마나 발주해야 하는지 척척 맞췄는데, 그 사람이 떠나고 나니 과잉재고와 부족재고가 반복됐습니다.

결과: 문제는 해결되지 않고 반복됨

원인을 찾는 데 3~5일 걸리고, 찾아도 그 노하우가 축적되지 않으니, 같은 문제가 다음 달에 또 발생합니다.

과잉재고는 자금을 잠그고, 창고 공간을 차지하고, 결국 폐기 비용으로 이어집니다. 부족재고는 생산 중단과 납기 지연을 만들고, 고객 클레임으로 연결됩니다.

재고 관리 시스템은 있는데, 재고 문제는 해결되지 않는 역설이 계속됩니다.

새로운 접근: 원인 분석과 조치 제안까지 자동화

조회가 아니라 판단까지

이제 필요한 것은 단순히 재고 현황을 보여주는 시스템이 아닙니다. 원인을 자동으로 추적하고, 조치를 제안하는 시스템입니다.

A 자재 500개가 6개월째 창고에 있습니다라고 알려주는 것이 아니라, A 자재 과잉은 3월 2주차 생산 계획 변경으로 B 라인 가동률이 30% 떨어졌기 때문입니다. 유사 사례 3건에서는 타 라인 전환으로 해소했습니다까지 보여주는 것입니다.

현황만 보여주는 시스템에서, 원인과 조치까지 제안하는 시스템으로의 전환이 필요합니다.

어떻게 가능한가?

세 가지가 결합되어야 합니다.

첫째, 여러 시스템의 데이터를 한 번에 연결합니다. 재고 문제의 원인은 한 시스템에만 있지 않습니다. ERP의 재고 데이터, MES의 생산 실적, 영업 시스템의 판매 계획, 구매 시스템의 발주 이력을 모두 함께 봐야 원인이 보입니다.

둘째, 베테랑의 판단 기준을 구조화합니다. B 라인 가동률이 30% 이하면 A 자재 과잉 가능성 높음, 계절성 제품은 성수기 2개월 전 발주량 조정 필요 같은 현장 노하우를 시스템이 학습합니다.

셋째, AI가 자동으로 원인을 추적합니다. 과잉재고가 감지되면 관련 데이터를 자동으로 분석하고, 판단 기준에 따라 원인 후보를 찾아냅니다. 사람이 3일 동안 엑셀로 하던 일을 2시간 내에 자동으로 처리합니다.

3~5일에서 2시간으로

사람이 3~5일 걸려서 하던 원인 분석을 2시간 내에 자동으로 처리합니다. 더 중요한 것은 신입도 베테랑 수준의 분석 결과를 받을 수 있다는 점입니다.

베테랑의 노하우가 개인 머릿속에 있는 것이 아니라 시스템에 구조화되어 있으니, 누가 물어봐도 같은 수준의 답변이 나옵니다.

다비스(DARVIS), 재고 문제 해결의 새로운 접근

시스템을 바꾸는 게 아니라, 그 위에 기준과 연결을 얹는다

다비스(DARVIS)는 기존 ERP, MES를 전혀 건드리지 않습니다. 그 위에 판단 기준과 데이터 연결만 얹습니다.

많은 제조사가 재고 시스템 도입을 망설이는 이유는 기존 시스템을 바꿔야 한다고 생각하기 때문입니다. 수억 원을 들여 ERP를 교체하거나, 몇 개월 동안 데이터를 옮기는 작업을 떠올립니다.

다비스(DARVIS)는 그런 부담이 없습니다. 기존 시스템은 그대로 두고, 여러 시스템의 데이터를 논리적으로만 연결합니다. 데이터를 옮기지 않으니 구축 기간도 짧고 비용도 절감됩니다.

소재 제조사의 실제 사례입니다. 20년 된 ERP와 15년 된 MES를 사용하고 있었습니다. 시스템 교체는 엄두도 못 냈습니다. 다비스(DARVIS)는 기존 시스템을 그대로 두고 그 위에 원인 분석 기능만 얹었습니다.

현장 노하우를 AI에게 가르친다

재고 담당 베테랑이 이럴 때는 보통 이게 원인이야라고 판단하는 기준을 추출합니다. 이 판단 기준을 구조화해서 AI에게 가르칩니다.

예를 들어 식품 제조사의 경우, 유통기한이 짧은 원료는 입고 후 7일 이내 사용률 80% 이하면 폐기 위험, 계절 상품은 성수기 종료 2주 전부터 생산량 감축 필요 같은 노하우가 있습니다.

이런 판단 기준을 시스템에 입력하면, AI가 베테랑처럼 판단합니다. 신입도 전문가 수준의 분석을 받을 수 있고, 베테랑이 퇴사해도 그 노하우가 시스템에 남습니다.

자연어로 질문하면 즉시 원인 분석

지난달 재고 자산이 왜 2억 늘었어?라고 자연어로 물으면, AI가 관련 데이터를 자동으로 조회하고, 판단 기준에 따라 원인을 분석해서 답변합니다.

SQL을 몰라도, 데이터가 어디 있는지 몰라도 괜찮습니다. 질문만 하면 됩니다. 담당자가 ERP, MES, 영업 시스템을 하나하나 열어볼 필요가 없습니다.

재고 담당자는 이렇게 질문합니다. 이번 달 부진재고 상위 10개 품목 원인 분석해줘. A 자재 과잉 원인이 뭐야? 지난 3개월 긴급 발주가 반복된 품목 보여줘.

AI가 2시간 내에 원인과 함께 유사 사례에서의 해결 방법까지 제안합니다.

실제 효과

중견 식품 제조사의 사례입니다. 부진재고 원인 분석에 평균 3일 걸렸습니다. 담당자가 ERP 데이터를 다운받고, 생산 계획과 대조하고, 영업팀과 미팅하고, 엑셀로 정리하는 과정이었습니다.

다비스(DARVIS) 도입 후 2시간 내로 단축됐습니다. 부진재고 상위 품목의 원인이 자동으로 분석돼서 보고서로 나옵니다. 재고 담당자는 분석 업무에서 해방돼서 개선 활동에 집중할 수 있게 됐습니다.

한 달에 6~8건의 재고 분석 업무가 있었는데, 이전에는 분석만 하다가 한 달이 갔습니다. 이제는 분석은 AI가 하고, 담당자는 실제 개선 조치를 실행하는 데 시간을 씁니다.

이 과정은, 4주면 충분합니다

하나의 뾰족한 문제부터

전사 재고 관리를 완벽하게가 아닙니다. 하나의 뾰족한 문제부터 시작합니다.

부진재고 원인 찾기, 긴급 발주 반복 원인 찾기, 특정 품목군 재고 과잉 원인 찾기 중 하나를 선택합니다. 지금 가장 아픈 문제, 해결하면 임팩트가 가장 큰 문제를 고릅니다.

전체를 바꾸려고 하면 시간도 오래 걸리고 리스크도 큽니다. 하나의 문제를 집중적으로 해결하고, 거기서 임팩트를 확인한 뒤 다른 영역으로 확장하는 방식이 현실적입니다.

4주 구축, 2시간 원인 분석

앞 2주는 현장 컨설팅입니다. 재고 담당자가 평소에 어떻게 일하고 어떻게 판단하는지를 함께 정리합니다. 부진재고를 발견하면 어떤 순서로 확인하는지, 어떤 기준으로 원인을 판단하는지를 추출합니다.

뒤 2주는 프로토타입 구현입니다. 실제 데이터로 작동하는 원인 분석 시스템을 보여드립니다. 담당자가 직접 질문해보고, 결과를 확인하고, 수정이 필요한 부분을 조율합니다.

4주 후에는 이번 달 부진재고 원인 분석해줘라고 물으면 2시간 내에 답변이 나오는 시스템이 만들어집니다.

하나가 해결되면 다른 문제로 확장

부진재고 원인 분석으로 시작했다면, 거기서 만들어진 데이터 연결과 판단 기준이 쌓입니다. ERP와 MES를 연결하는 구조, 가동률과 재고의 관계를 판단하는 기준이 시스템에 남습니다.

다음에 과잉재고 예측이나 안전재고 적정성 분석으로 확장할 때는 기존 구조를 그대로 활용하니 훨씬 빠릅니다. 처음에는 4주 걸렸지만, 두 번째 문제는 2주, 세 번째 문제는 1주로 점점 짧아집니다.

한 번 만든 것이 계속 쌓이는 구조입니다.

재고 관리 시스템을 넘어, 재고 문제 해결 시스템으로

재고 관리 시스템은 현황을 보여줍니다. 하지만 제조 현장에서 정말 필요한 것은 원인과 조치입니다.

A 자재가 6개월째 창고에 있다는 사실이 아니라, 왜 그렇게 됐고, 어떻게 해야 하는가가 중요합니다.

핵심 질문입니다. 우리 회사는 재고 문제의 원인을 찾는 데 얼마나 걸리나요?

만약 3일 이상 걸린다면, 그 시간을 2시간으로 줄일 수 있습니다. 만약 베테랑 한 사람에게만 의존한다면, 그 노하우를 시스템에 남길 수 있습니다.

재고 관리 시스템을 넘어, 재고 문제를 근본적으로 해결하는 시스템. 다비스(DARVIS)로 시작하세요.

실용적인 AI 활용 인사이트 및 최신 트렌드를 알아보고 싶으시다면 디피니트 다비스(DARVIS) 블로그를 구독해 보세요. 제조 현장의 실제 문제 해결 사례와 AI 활용 노하우를 공유합니다.

더 많은 제조 AI 인사이트를 보고 싶으시다면 'AI 인사이트 더 보러가기'를 통해 둘러보시면 도움이 되실 겁니다. 감사합니다.