과잉재고 300만 달러를 AI가 찾아낸 식품 기업 이야기
미국의 프리미엄 식품 기업 Rastelli Foods Group은 연매출 6억 달러, 직원 750명, 6,000개 이상의 SKU를 관리하는 회사입니다. 호텔, 레스토랑, 소매 체인에 육류와 해산물을 공급하죠.
그런데 이 회사에는 재고 기획 시스템이 없었습니다. 고객 주문이 오면 그때그때 생산하는 구조로, AI 수요예측이라는 개념 자체가 부재했죠. 영업팀은 고객이 말하는 주문량을 검증할 데이터가 없었고, 그 결과 창고 어딘가에 300만 달러어치의 과잉재고가 쌓여 있는데 아무도 모르고 있었습니다.
그런데 최근, 이 회사가 AI 수요예측 솔루션을 도입한 뒤 회사에 숨어 있던 재고가 처음으로 보이게 됐습니다. 확인된 성과는 놀라웠죠.
AI 재고관리 프로그램 도입 후 성과 ROI 927%, 이 숫자가 어떻게 나왔는지, 과정을 따라가 봅니다.
Rastelli가 마주한 문제, 보이지 않는 재고
Rastelli의 문제는 재고가 많다는 게 아니었습니다. 재고가 얼마나 있는지 안 보인다는 게 문제였죠.
물론 Rastelli에도 기존에 사용하던 ERP는 있었지만 기획 기능이 부족했습니다. 전담 기획 시스템 없이, 직원 2명이 주당 32시간을 들여 수작업으로 수요를 추정하고 생산 계획을 짜고 있었거든요. 6,000개가 넘는 SKU를 엑셀로 관리하면서 어떤 제품이 얼마나 필요한지를 정확하게 예측하는 건 사실상 불가능한 구조였습니다.
특히 Rastelli의 가장 큰 문제는 영업팀에 있었습니다. 고객사에서 주문 예측을 보내오면, 영업사원은 그 숫자가 맞는지 확인할 방법이 없었거든요. 과거 실적과 비교할 데이터도, 수요 추세를 볼 수 있는 도구도 없었죠. 결국 고객이 말하는 숫자를 그대로 받아들이는 수밖에 없었죠.
고객이 실제보다 많은 양을 주문하겠다고 하면 그만큼 생산에 들어갔고, 막상 실제 출하 요청은 그보다 적었습니다. 이 차이가 매달 조금씩 쌓이면서 창고에는 몇 달째 움직이지 않는 재고가 조용히 늘어나고 있었습니다. 식품이라 유통기한이 있는 제품들이었는데, 이 과잉재고의 존재를 아무도 정확히 파악하지 못하고 있었죠.
기존 방식이 안 통한 이유
이런 문제를 잘 알고 있던 Rastelli도 문제 해결을 위한 시도를 안해보진 않았습니다. 2021년 5개의 벤더를 비교 평가하며 AI 재고관리를 조금 더 체계적으로할 수 있는 프로그램을 도입해 보기도 했죠. 하지만 문제는 엑셀과 ERP만으로는 구조적으로 해결이 안 된다는 점에 있었습니다.
6,000개 SKU의 수요예측을 하려면 과거 판매 데이터, 시즌 패턴, 고객별 주문 추세, 프로모션 영향을 동시에 봐야 하는데, 2명이 엑셀로 수요예측을 하는 건 물리적으로 불가능했거든요. 결국 데이터에 기반한 판단이 아니라 감에 의존한 기획이 반복됐고, 그 결과가 과잉재고였습니다.
영업팀도 마찬가지였습니다. 고객 주문 예측을 받아도 이전 콜오프(실제 출하) 데이터와 비교할 수 있는 도구가 없어서, 부풀려진 주문인지 아닌지를 판단할 근거 자체가 없었죠. 데이터 없이 반박할 수는 없으니 그대로 수용하는 패턴이 고착된 겁니다.
AI 도입 이후 바뀐 워크플로우
이를 해결하기 위해 Rastelli는 AI 수요예측 솔루션을 도입했습니다.
도입 이후 Rastelli의 업무 방식은 크게 네 단계로 바뀌었습니다.
1단계 : 6,000 SKU 자동 수요예측
이전에는 2명이 엑셀로 추정하던 수요예측 업무를, AI 수요예측 시스템이 6,000개 전체 SKU에 대해 자동으로 수행할 수 있게 되었습니다. 과거 판매 데이터, 시즌 패턴, 고객별 주문 추세를 종합해서 제품별 수요예측을 수행하는 거죠.
2단계 : 대시보드로 재고 가시화
이제 Rastelli는 현재 재고 수준, 계획된 생산량, 예측 수요, 고객 주문 현황, 재고 커버 일수가 한 화면에 표시됩니다. 어떤 고객이, 어떤 영업사원을 통해, 예측 대비 실제로 얼마나 출하했는지까지 볼 수 있죠. 이전에는 보이지 않던 과잉재고가 이 대시보드를 통해 처음으로 드러났습니다.
3단계 : 주간 S&OP 회의 도입
영업, 물류, 운영 리더가 매주 모여 AI 수요예측 데이터를 기반으로 논의하는 구조가 생겼습니다. 다가올 프로모션, 물량 변동, 신규 고객, 예측 이상치를 함께 확인하면서, 이전에는 영업팀이 혼자 감당하던 수요 판단이 팀 전체의 의사결정으로 바뀌었죠.
4단계 : 재고 전략 전환
고객 주문에 반응하는 구조에서, AI 예측을 기반으로 8주치 재고를 선제적으로 확보하는 구조로 전환했습니다. 수요예측이 정확해지니까 미리 생산해도 재고가 쌓이지 않는 거죠. 고객 수준 수요예측 정확도는 85%에 달합니다.
300만 달러는 어떻게 찾았나
AI가 가동되자마자 가장 먼저 드러난 건 창고에 몇 달째 방치되어 있던 과잉재고의 실체였습니다. 이전에는 이 재고가 얼마나 있는지, 왜 쌓였는지, 아직 판매 가능한지를 아무도 정확히 알지 못했죠.
원인은 명확했죠. 영업팀이 고객 예측을 그대로 수용하면서 실제 출하량보다 많은 양이 생산됐고, 그 차이가 매달 쌓인 겁니다. AI 대시보드가 이걸 보이게 만들면서, Rastelli는 이 재고를 재포장하고 다른 채널로 돌려 300만 달러를 회수했습니다.
기획 업무도 완전히 달라졌습니다. 2명이 주당 32시간 쓰던 작업이, 1명이 주당 1.5시간이면 끝나는 구조로 바뀌었거든요. 95%가 줄어든 겁니다. 시스템이 예측과 기획을 자동으로 처리하고, 사람은 예외 사항만 확인하면 되니까요.
Nucleus Research의 분석에 따르면 Rastelli의 AI 도입 ROI는 927%, 투자 회수 기간은 0.5개월이었습니다. 3년 기준 투자 1달러당 11.9달러의 수익이 돌아온 셈이죠.
이 사례에서 제조 기업이 가져갈 수 있는 점
Rastelli 사례의 핵심은 기술이 아닙니다. 보이지 않던 걸 보이게 만들었다는 것에 있습니다. 재고가 있는 건 알았지만, 어디에 얼마나, 왜 쌓여 있는지는 몰랐거든요. AI가 바꾼 건 이 가시성입니다.
국내 제조 기업도 같은 문제를 갖고 있습니다. 입출고 기록이 수기로 처리되다 보니 전산 재고와 실제 재고가 안 맞고, 숫자가 안 맞으니 과잉인지 부족인지도 정확히 판단하기 어렵죠. Rastelli처럼 기획 시스템이 없는 곳도 있고, 있어도 데이터가 부정확해서 제대로 작동하지 않는 곳도 많습니다.
이 문제의 시작점은 결국 데이터 정확도입니다. 입출고 문서가 정확한 데이터로 전환돼야 재고 현황이 보이고, 현황이 보여야 수요예측도 AI 재고관리도 의미가 생기니까요.
YRP 유링파워는 입출고 문서를 AI로 자동 데이터화하는 솔루션입니다. 현장 문서가 정확한 데이터로 바뀌면, 보이지 않던 재고가 보이기 시작합니다. 무료 문서 현황 진단을 통해 우리 현장에서도 적용 가능한지 확인해 보세요.