코로나19가 소매에서의 혁신 일정 단축...구글, '소매업에서 AI/ML 혁신 백서' 공개

"지난 10년 동안 변화의 물결과 씨름한 글로벌 소매 산업은, 지금까지 가장 역동적이고 예측할 수 없는 시기에 직면해 있다. 코로나19와 직면한 상황에서 소매 업체 경영진들과 대화를 나누어 보면, 클라우드 인프라, 인공지능(AI) 및 머신러닝(ML) 기술을 기반으로 하는 민첩하고 탄력적인 운영 모델을 개발하는데, 코로나19(COVID-19)가 애자일 개발 타임라인을 엄청나게 압축했다(seriously condensed)는 것이다."

 

캐리 타프(Carrie Tharp) 구글 클라우드 소매 및 소비자 솔루션 부사장(VP of Retail and Consumer Solutions, Google Cloud)이 최근 소매 산업에서 벌어지고 있는 인공지능과 머신러닝 기반의 혁신 상황과 사례를 구글 클라우드 블로그에 공개했다. 급변하는 소매 시장에서 혁신을 위한 변화의 폭과 깊이가 어느 때 보다 빨라지고 커졌다는 것이다. 다음은 소매 부분에서 인공지능과 머신러닝으로 기대할 수 있는 가치 창출 효과에 관해 그가 언급한 내용이다.

 

소매 산업에서 인공지능과 머신러닝을 적용할 수 있는 가치 사슬 항목(위). 식품, 의약품, 대량판매 소매업체로 구성된 FDM과 전문 업체(Specialty)에서 인공지능과 머신러닝을 활용해 잠재 가치를 높일 수 있는 10가지 사용 사례(아럐). (자료:Google Cloud Blog)

 

구글 클라우드는 최근에 글로벌 소매 부문 경영진을 대상으로 설문 조사를 진행했다. 소매 산업 전반에 걸쳐 다양하게 적용된 인공지능과 머신러닝 사례 중에서, 어떤 것이 가장 높은 가치와 수익을 창출하는지를 알아보는 것이 목적이었다. 또한, 이러한 변화를 추구할 때 소매 업체가 염두에 두어야 할 사항은 무엇인지를 알아보려는 목적도 있었다.

 

이번 조사는 모든 소매업에 적용될 수 있지만, 코로나19 여파로 인해 또 다른 도전에 직면한 두 가지 특정 하위세그먼트에 집중했다. 바로 식품, 의약품, 대량 판매 소매업체로 구성된 FDM(Food, Drug, Mass Merchants)과 전문 분야(Specialty)다. 이와 관련된 자세한 내용은 전자책 형태로 발간된 백서를 구글 클라우드 리서치 페이지에서 무료로 받을 수 있다. 백서는 앞에서 언급한 두 가지 세그먼트로 나누어져 있고, 이름과 메일 주소 등의 몇 가지 정보를 입력하면 다운로드할 수 있다.

 

캐피 타프 부사장은 "식품, 의약품, 대량 판매 소매업체 및 전문 소매업 전반에 걸쳐 75개의 사용 사례를 조사하여, 인공지능 및 머신러닝이 소매 업체의 다양한 비즈니스 영역에서 가치를 창출하는 데 도움이 될 수 있는 곳을 파악했다”고 밝히고, "이를 통해 식품, 의약품, 대량판매 소매업체는 인공지능과 머신러닝 기술의 채택이 가속화하면, 가치 사슬 전반에 걸쳐 약 2,800~6,500억($280-650B) 달러의 잠재 가치를 지닌 것으로 조사됐다”고 전했다.

 

"전문 소매 업체(Specialty Retailers)도 이와 유사하게 2023년까지 약 2,300~ 5,200억($230-520B) 달러의 가치를 창출할 수 있는 잠재력을 발견했다. 이러한 인공 지능과 머신 러닝이 가진 잠재력을 고려하면, 이윤이 한 자릿수인 소매 분야 산업에서 투자 대상으로 고려할 수 있는 가장 기초적인 분야라고 할 수 있다. 이러한 프로젝트를 결정할 때 고려해야 할 사항이 많지만, 활용 사례를 보면 더 큰 가치를 창출할 분명한 기회가 있다는 것을 보여준다"고 소개했다.

 

우선 식품, 의약품, 대량 판매 소매업체의 경우는 머천다이징(merchandising), 매장 운영(store operations), 물류(logistics)비용이 손익 계산서(P&L)를 차지하는 가장 큰 비용이다. 주요 10개 분야 사용 사례 중에서 이와 관련된 비접촉 체크 아웃(Frictionless check out), 피커 라우팅(Picker routing), 자동화된 작업 발송(Automated task dispatch), 선반 확인(Shelf checking)까지 4가지 사례가 여기에 속한다. 이러한 부분에 대한 인공 지능 및 머신 러닝을 활용한 자동화로 생산성과 직업의 작업 효율성을 높일 수 있다는 의미다.

 

전문 분야(Specialty)에서 가장 큰 가치를 창출하는 사용 사례는 머천다이징, 어소스먼트(assortment), 제품 수명 주기 관리( product lifecycle management), 물류(logistics), 풀필먼트(fulfillment) 등을 꼽을 수 있다. 특히 머천다이징과 어소스먼트 관련 사례는 전체 사용 사례 상위 10개 중에서 5개나 차지하고 있다. 다양한 데이터를 인공 지능과 머신 러닝으로 분석해, 머천다이징 과정에서 새로운 패턴을 확인하고, 제품 수명 주기에 관해 세부적인 예측을 할 수 있다는 것이다.

 

⧉ Syndicated to WWW.CIOKOREA.COM