그림은 출처를 참조하십시오.

이 글은 SAP의 문서들을 요약 발췌하였으며, 머신러닝 학습자 그룹이 진행할 수 있는 프로젝트로 구성하였습니다.

SAP Digital Boardroom

How AI Can End Bias

Unmasking Unconscious Bias in Algorithms

An AI Shares my Office

Build Up Skills Essential for Digital Transformation to Change the Game

Brochure: Knowledge Fuels Digital Transformation – Digital Transformation Revolutionizes Learning

Webcast replay: Transforming Digital Visions into Reality

ERP(Enterprise Resource Planning)는 기업이 보유한 자산(자원 Resource라 표현합니다)이 최대의 수익으로 귀결될 수 있는 방법론(Planning)으로 제시된 컴퓨팅 시스템입니다. 이처럼 Input(자원)과 Output(수익)이 명확한 Planning은 전형적인 AI의 영역이므로, ERP 업계는 당연히 AI 기술에 적극적입니다. 그 중 대표적인 기업이 SAP이며, 이 글은 SAP이 공개한 일부 문서들을 요약하였습니다.

기업이란 특정한 유무형 자산에 포함된 가치를 같거나 다른 유무형 자산에 포함된 가치로 전환하는 조직 단위입니다. 전자를 인풋, 후자를 아웃풋으로 표현할 수 있는데, 전자의 대표적인 예는 현금, 노동력, 설비, 토지 및 건물이며, 후자의 예는 현금입니다. 전자를 조합하는 방법과 과정을 경영(Management)이라 하고, 달리 계획(Planning)이라 하기도 하지만, 정확한 표현은 ‘자산의 시공간적 조합(Assembly of Assets in Time and Space)입니다. 유동자산, 고정자산 및 노동력을 시간과 공간적으로 어떻게 조합하여 최대의 이익을 실현할 지를 연구하는 분야가 경영학입니다.

한국의 기업 수를 100만 개로 가정하고, 종래의 기업 환경과 활동에 AI+ERP을 적용하는 과정을 편의상 몇 단계로 나누면, 다음과 같습니다.

1. 생산 및 판매할 상품의 종류와 수량을 결정하는 과정인데, 시중에 판매 중인 각 상품의 판매 이력으로부터 향후 판매량을 추정할 수 있습니다. 한국을 예로서, 과거 수년 동안 한국에서 판매된 재화와 서비스의 종류와 수량에 관한 데이터는 국세청과 통계청으로부터 획득할 수 있으므로, 2018년 한 해 동안 어떤 상품들이 얼마나 판매될 지를 추정하는 프로그램은 엑셀이나 구글 Sheets에 포함된 함수와 Add-on으로도 작성할 수 있습니다. 이 작업은 과거에 전통적인 데이터 과학의 분야였으나, 현재는 AI가 보다 적절한 접근 방법으로 널리 인정됩니다. 머신러닝 학습 과정의 중급 정도면 적절한 ANN(Artificial Neural Network)을 작성할 수 있습니다.

데이터 과학 학습 방법과 절차

머신러닝 학습 방법과 절차

2. 한국의 모든 기업들을 지도 위에 표시합니다. 이 때, 그림과 같이, 한국표준산업분류표의 세세항목이 같은 업종의 기업들을 같은 색상으로 표현하십시오. 가령, 중국식당은 중국식당들끼리 하나의 색상을 공유하고, 단무지 생산자는 단무지 생산자들끼리 같은 색상으로 표현합니다. 대략 100만 개 전후의 점들이 다양한 색상으로 표현될 것입니다. 물론 이 작업은 전통적인 코딩 방법으로 간단히 구현할 수 있습니다.

3. 넷째 단계는 국세청의 자료에 기초하여, 특정 원자재로부터 특정 중간재를 거쳐 특정 소비재와 특정 생산재로 이어지는 생산 사슬(Production Chain)을 화살표로 표현하십시오. 예를 들어, 서울에 소재한 특정 중국식당 상하이방이 인천에 소재한 특정 단무지 공급자와 여주에 소재한 특정 제분업체로부터 중간재를 공급받는다면, 이들 업체들을 연관 관계를 화살표를 이용하여 표현할 수 있습니다. 한국에 소재한 모든 업체는, 어떤 업체가 어떤 업체로부터 어떤 상품을 공급받는 지는 국세청의 부가세 납부 자료에 모두 기록되어 있습니다. 이 과정 역시 전통적인 코딩으로 간단히 작성할 수 있습니다.

4. 전통적 코딩 방법뿐 아니라, AI 코딩을 적용할 수도 있는데, 지도 위에 표시된 화살표의 길이를 모두 합친 값이 최소가 되도록 화살표를 같은 색상의 다른 점(= 세세분류에 의한 같은 업종의 기업)으로 옮길 수 있는 ANN을 작성합니다. 예를 들어, 서울의 중국식당 상하이방에 단무지를 공급하는 생산자A가 현재는 인천에 소재하지만, 만약 서울 내부에 단무지 생산자B가 있다면, 생산자B가 상하이방에 단무지를 공급하도록 화살표를 옮기는 방법으로, 한국 지도 위에 표시된 모든 화살표의 길이를 합친 값이 최소가 되도록 조정할 수 있습니다. 따라서, 상품 생산과 관련된 물류 비용이 최소가 되는 생산 사슬(Production Chain)을 구현할 수 있습니다.

이 단계는 같은 업종에 속하는 생산자의 상품 품질과 가격이 동일하다는 가정을 전제합니다. 만약, 보다 가까운 곳에 위치한 공급자의 상품 품질이 상대적으로 먼 공급자의 상품 품질보다 못하거나, 비싸다면, 구매자가 공급자를 변경하지 않을 것입니다. 따라서, 다음 단계는 동일한 종류의 상품을 생산하는 다수의 생산자들이 가격과 품질을 통일하는 작업입니다.

5. 각 상품의 표준 생산 공정을 수립합니다. 가령, 항공기 및 그 부품을 생산하는 생산자는 AS9000 표준을 준수해야 하는데, 그와 같이, 단무지나 짜장면 각각의 생산자들이 준수해야할 표준 공정을 수립하고, 그 적용을 강제할 수단을 제시해야 합니다. 예를 들어, 중국식당의 경우, 사용해야할 밀가루의 등급, 점도, 반죽의 숙성시간, 끓는 물에 면을 익히는 시간, 짜장소스의 제조 과정 등의 표준 절차를 작성하고, 각 사업자가 준수하도록 강제할 수 있어야 하는데, 전통적인 ERP로 충분합니다.

6. 각 상품의 품질을 개선할 알고리즘을 작성합니다. 짜장면을 예로서, 한국 내 중국식당들 중 표본을 선정하여, ERP에 기록된 반죽의 숙성 시간을 임의로 늘리거나 줄였을 때, 소비자 만족도 변화를 수집하는 방법으로, 종래의 표준을 개선해 나갈 수 있습니다. 짜장면을 생산하는 과정은 밀가루의 선택, 반죽 공정, 소스 공정, 단무지 공정 등 수십 가지의 공정으로 구성되므로, 이러한 공정들 각각을 어떻게 얼마나 변경했을 때, 최적의 소비자 만족이 도출되는 지는 파악할 수 있는 프로그램은 ANN가 가장 적절합니다.

이상으로, 종래의 ERP와 AI를 결합하여, 한국을 하나의 주식회사와 유사한 형태로 변경하는 프로젝트의 개략을 기술하였습니다. 중급 이상의 머신러닝 학습자들이 진행하기에 적절한 프로젝트입니다.