“공급망 및 운영 부문 AI의 중요성“을 조사한 최신 IDC 연구에서 놀라운 결과를 확인하세요. 특히 를 적용하�� 데 있어 5단계 데이터 성숙도에 따라 발전할수록 데이터왶� AI 적용 성과를 높일 수 있습니다.

글쓴이: 리처드 하월스(Richard Howells)

“모든 곳에 AI갶� 존재하�� 영역에서 �� 미래에 혁명적인 변화를 갶�져올 잠재력이 있�� 혁신 요인으로 등장했습니다.”

바로 이 점이 “”이라�� 제목의 최신 IDC 인포브리프의 갶�장 큰 결론이었습니다.

하지만 이 보고서에�� 데이터 편향과 개인정보보호에 관한 우려도 표명하면서 세 갶�지 중요한 질문을 던졌습니다.

• 우리 회사의 데이터�� 건전한 상태인갶�?
• AI 도입에 있어 리더, 얼리 어답터, 패스트 팔로어 중 어느 쪽을 택할 것인갶�?
• AI를 분석 레이어의 일환으로 적용할까, 혹은 기능 애플리케이션 내에 내장할까?

안전한 데이터의 중요성

“쓰레기를 넣으면 쓰레기갶� 나온다(GIGO).”

찰스 배비지(Charles Babbage)갶� 최초의 자동 계산기를 발명한 이래로 이 표현은 모든 소프트웨어 시스템 구현에서 마법의 주문처럼 자리해 오고 있습니다. 아마도 배비지갶� 지극히 미국적인 표현인 갶�비지(쓰레기)라�� 용어를 쓰지�� 않았겠지만 데이터갶� 정확하지 않으면 이를 토대로 생성되�� 결과왶� 추천 역시 잘못되기 마련이라�� 데에�� 동의했을 것으로 확신합니다.

이번 IDC 리포트에서 지적한 바 대로 “성공적인 AI 구현의 핵심은 바로 데이터“입니다. 그런데 AI�� 분석 대상으로 삼�� 데이터 만큼만 우수한 결과를 내놓죠. 데이터 품질뿐 아니라 AI 모델 훈련에 사용할 데이터의 갶�용성 측면에서도 중요한 문제입니다. IDC�� 이번 보고서에서 5단계 데이터 성숙도 모델을 제안합니다.

데이터 프라이버시 역시 공급망 응답자 사이에 갶�장 큰 우려 영역으로, AI 적용 ERP에서 데이터 보안과 프라이버시를 93%의 응답자갶� 갶�장 높게 평갶�해 8%로 평갶�한 다른 업무 영역과�� 큰 대조를 이룹니다.

AI 적용 시기, 언제갶� 좋을까?

AI에 있어서 IDC�� “미래갶� 이미 우리 곁에 왶� 있다”고 지적합니다.

IDC갶� 제시하�� 조언은 분명합니다.

• AI 도구를 활용해 공급망 전반의 생산성과 성과 제고 방안 조사에 지체 없이 착수
• AI 혁신과 트랜스포메이션을 위한 내부 역할 파악
• 잠재적 편향(예: 훈련 데이터 다양성) 제거왶� 데이터 프라이버시 개선 위한 AI 데이터 거버넌스 표준 구현

AI 활용을 위한 비즈니스 전략 수립 방안은?

�� 머신러닝(ML)과 자연���처리(������)를 활용해 데이터를 분석하고 통찰을 생성하며 업무를 자동화합니다.

클라우드 ERP왶� 공급망 데이터, 비즈니스 AI의 강력한 조합으로 기업은 운영 혁신은 물론 보다 깊은 통찰 확보, 데이터 중심의 의사결정을 전례 없�� 수준의 정확도로 달성할 수 있습니다.

그만큼 기업은 관련된 다양한 측면을 속속들이 평갶�하고 이해하면서 탄탄한 AI 비즈니스 전략을 수립해야 할 필요갶� 있습니다. 다루고자 하�� 비즈니스 당면과제를 파악하고 비즈니스 개선을 위한 적용 사례를 포착한 다음 이를 적용할 최선의 방안을 결정해야 합니다.

비즈니스 맥락에서 AI를 적용할 수 있�� 응용 분야�� 끝이 없어 보일 수 있지만 이러한 잠재력을 실질적인 갶�치로 바꿀 방안은 뭘까요? 여러분 비즈니스에 갶�장 효과적인 시나리오��? AI 전략은 어떻게 수립하죠? 또 AI갶� 귀사의 구체적인 운영 요구사항과 어떻게 일치할 수 있을까요?

IDC�� “기술로 지원하고 비즈니스갶� 자금을 대�� 프로젝트로서 측정갶�능한 성과를 제공하�� 사례”를 적용사례로 정의합니다. 이번 인포브리프에서�� 여러 적용사례를 집중 조명하고 있습니다.

생산성 제고 적용 사례

공급망 담당자�� 현실 세계에 살면서 실시간 정보갶� 필요합니다. IDC 인포브리프에서�� 공급망 담당자갶� “셀프 서비스 지식 발견을 통해 데이터의 파급효과를 신속하게 파악하고 평갶�할 수 있어야 ��다”고 설명합니다. 이번 IDC 연구에서 최고의 우선순위로 제시한 항목이기도 하죠.

이를 위해서�� 공급망과 다른 업무 영역 전반에 걸쳐 업무 프로세스에 내장된 �鶹ԭ��의 쥴(Joule)�� 같은 생성 AI 코파일럿이 필요합니다. 쥴은 안전하게 규정을 준수하면서 직원들이 업무를 보다 빨리 완료하고 더 나은 비즈니스 성과를 촉진하도록 돕습니다.

데이터 시각화 및 모델링과 짶ĵ�형 요약정리�� “공급망 및 운영 부문이 데이터를 빨리 인간에게 직관적인 방식으로 이해하도록 돕��” 측면에서 공동 2위를 차지했습니다. 데이터 중심의 실시간 의사결정은 성과 개선과 의사결정 리스크 감소를 의미합니다.

비즈니스 기능 적용 사례

• 역동적 수요 예측 및 재고관리로 예측, 재고 계획 및 전략 수립 개선
• 공급망 조율로 공급망 사일로 전반에 걸쳐 정보 통합 지원
• 판매 데이터, 시장 동향, 기타 외부 요인 분석으로��재고 보충 자동화
• 통관 문서 생성 및 관리왶� 통관 프로세스 갶�속화로 통관 자동화

다시 한 번 기억하세요. AI에 관한 한 “미래�� 이미 우리 곁에 왶�있습니다.”

• 원문: , , Forbes.com

The post AI왶� 공급망: 우리 곁에 다갶�온 미래 – IDC 연구 appeared first on �鶹ԭ�� Korea 뉴스센터.

사람을 닮은 짶ĵ�형 ERP�� 단순히 최신 기술을 담은 신제품이 아닙니다. 직원들 곁에서 반복 업무를 대신하고 빠트리�� 일 없이 꼼꼼히 챙기�� 비서 역할도 하며, 앞으로 다갶�올 일을 미리 살피고 대비하�� 스마트한 제 3의 직원이 되어 줄 것입니다.

디지털 경제: 데이터 폭증과��갵ӝ�화��시대

디지털 경제�� 언제 어디나 모든 것을 필요할 때��얻을 수 있�� 방향으로 갶�고 있습니다. 그만큼��소비자의 요구를 실시간으로 정확히 파악해 유연하게 제공해야 합니다. 데이터를 스마트하게 활용해 소비자 개개인의 성향을 제품과 서비스에 반영해 갵ӝ�화 하����기업들이 시장 지배력을 키워갶�고 있습니다.

의 핵심은 넘쳐나�� 각종 데이터를 누갶� 어떻게 더 잘 활용할 수 있��갶�에 있습니다. 단순히 데이터갶� 중요하다�� 의미를 넘어서서 데이터 자체갶� 기업의 매출과 영업이익으로 이어질 수 있다�� 사실 때문에 여러 기업이 디지털 전환에 나서고 있습니다.

새로이 등장한 디지털 비즈니스 모델이 효과를 내기 위해서�� ��과거 기업이 데이터를 활용하던 방식이 갶�진 한계를 극복해야 합니다. 보다 많은 최신 정보를 활용해 실시간 요구에 대응해야 하기 때문입니다.

이러한 디지털 전환은 핵심 소프트웨어 애플리케이션 전반에 걸쳐, 특히 플랫폼 단에서 빠르게 일어나고 있습니다. 그 중에서도 갶�장 빠른 변화를 보이�� ERP 애플리케이션 부문에서 특히 이 필요한 시점입니다.

짶ĵ�형 ERP, 업무 ���로세스를 50%��자동화 ��다

오늘날 시장의 변화�� 너무나 빠르고 복잡하게 일어나기 때문에 예상하기 어렵습니다. 그만큼 미래에 대비하�� 데 얼마나 많이 투자하느냐에 따라 기업의 성패갶� 나뉩니다.��규칙적인 반복 업무를 자동화 ��다면 절약되�� 시간과 에너지를 스마트하게 변화를 예측하고 대비하��데 쓸 수 있습니다.

�鶹ԭ������앞으로 3년 이내에 짶ĵ�형 ERP를 통해 전체 ERP 업무 프로세스의 50%를 자동화 할 계획입니다.��기존의 ERP갶� 사람이 미리 설정한 규칙이나 갶�이드라인을 적용한 부분만 자동화 하고 지시사항만 수행했다면, 짶ĵ�형 ERP�� , 머신러닝), 자연어 처리 기술 등을 적용해 우리 회사에 어떤 데이터갶� 중요하고 업무갶� 어떻게 이루어지��지 등을 스스로 학습하며 성장합니다.

짶ĵ�형 ERP�� 인간이 일하�� 방식을 배워 자동화 해 나갑니다. 거래 내역 기록, 데이터 추출 등��단순 반복 작업은 물론, 보상금 청구 심사, 부정 행위 탐지 및 조사, 공급자 선정 및 평갶� 등 보다 복잡한 영역까지 머신러닝과 자연어 처리 기술의 발달에 따라 인간과 기계의 공조를 통해 자동화 합니다.

사람이 하�� 작업을 ERP갶� 단순히 복제��다�� 뜻은 아닙니다. 일처리 과정이나 방법을 좀 더 창의적이고 효율적인 방향으로 개선��다�� 의미입니다. 마치 기업 전체갶� 자율주행차처럼 운영되�� 미래를 향해 나갑니다.��세탁기왶� 냉장고갶� 발명되면서 여성이 갶�사일에서 벗어나 사회진출을 시작한 것처럼 직원들이 보다 고차원적이고 의미 있�� 일에 집중할 수 있게 됩니다.

짶ĵ�형 ERP, 미래에��댶�비한 운영이 ˳ѫ��화 된다

기업 내부의 데이터만 활용해도 성공하던 시대�� 이미 지났습니다. 소셜 채널 등을 통해 기하급수적으로 발생하�� 방대한 데이터를 활용해 미래를 예측하고 대응할 수 있어야 합니다. 하지만 기존의 ERP로�� 수많은 복잡한 테이블로 이루어진 기업 내부의 데이터를 처리하느라 시장 변화에 대응하�� 데 필요한 성능을 내기갶� 쉽지 않았습니다.

�鶹ԭ��의 짶ĵ�형 ERP�� 기존��ERP의 복잡한 구조를 단순화하고 인메모리 데이터 처리 기술을 활용해 훨씬 더 많은 일을 동시에 처리합니다. 마치 휘발유 차량이 주행할 때 2천 여개의 부품이 움직이지만 테슬라 모델S 같은 전기차�� 18개 부품만 움직이�� 것처럼 짶ĵ�형 ERP�� 기존 제품에 비해 구조적으로 대폭 단순화 됩니다.

대신 절약되�� 힘을 앞으로 다갶�올 미래에 대비하기 위한 계획, 시뮬레이션, 예측 분석에 집중하도록 디자인 되었습니다. 예측 분석을 통해 문제갶� 발생하기 전에 예외상황이나 문제갶� 예상되�� 사항을 스스로 확인하고, 시뮬레이션을 통해 고려해 볼 수 있�� 적절한 조치까지 추천해 줍니다. 이러한 통찰은 다음 계획에 반영해 미래에 대비합니다.

�鶹ԭ��의 짶ĵ�형 ERP�� 직원이 어떤 부서에서 일하건 어떤 직급이건 간에 회사의 모든 업무 영역에서 무엇이 문제인지 파악하고 미리 대응할 수 있게 합니다. 직원들이 자신이 맡은 일을 미리 예측해서 움직일 수 있기 때문에 관리자 역시 미래에 능동적으로 대비하�� 경영이 갶�능해집니다.

짶ĵ�형 ERP, 나만의 �ѫ��왶� 댶�화하며 일��다

기존의 ERP�� 믿을 만하지만 사용법을 배우지 않고�� 쓰기갶� 어렵다�� 의견이 지배적입니다. 이�� ERP 자체의 구조갶� 복잡한 이유도 있지만, 주로 사람이 작업을 명령하고 ERP갶� 지시를 받은 해당 작업만 수행하�� 일방향 상호작용 때문이기도 합니다.

�鶹ԭ��의 짶ĵ�형 ERP�� 디지털 �ѫ��왶� 대화하�� 듯한 대화형 사용자 경험(conversational UX)을 통해 이를 개선합니다. �鶹ԭ��의 디지털 비서인��코파일럿(�鶹ԭ�� CoPilot)은 사용자에게 집중하여 현재 상황에 맞�� 정보를 제공하고, 관심이 필요한 사항이나 문제갶� 예상되�� 사항을 알아서 확인해주고, 대안까지 제안해줍니다.

예를 들면 직장 경력이 비교적 짧은 직원에게 어떤 시그널을 눈 여겨 보아야 하�� 지왶� 다음에 취할 수 있�� 최선의 조치갶� 무엇인지 조언해 줍니다. 또한, 영업사원에게 갶�장 연락해 볼 만한 고객은 누구인지, 또 어떤 제안을 하면 좋을지를 알려 줄 수도 있습니다.

�鶹ԭ�� S/4HANA,��사람을��닮은 짶ĵ�형��ERP

머신러닝, 인공짶ĵ�, 자연어 처리 기술 등등.��안 들어 본 사람이 더 적을 정도로 이미 유명해진 이러한 신기술을 도입하기만 하면 우리 회사 운영과 관련된 모든 문제갶� 하루 아침에 사라질까요? 물론��그렇지 않습니다. 이들 신기술은 요술지팡이�� 아닙니다.

기술 도입의 성패�� 이들 기술을 어떻게 활용하��지에 달려 있습니다. 기술을 활용해서 우리 회사의 업무에 갶�장 잘 맞�� 중요한 데이터를 찾아내고 업무 ���로세스를 개선하며��능동적인 자동화를 통해 직원의 생산성을 개선할 수 있어야 합니다. 이것이 바로 짶ĵ�형 ERP갶� 잘하�� 일이며, 차원이 다른 디지털 전환을 통해��진정한 짶ĵ�형 기업으로 갶ĵ� 길입니다.

로 대표되����짶ĵ�형 ERP�� 단순 반복 작업에서 직원들을 해방시켜 미래의 성패를 좌우할 보다 고차원적이고 의미 있�� 일에 집중하게 합니다. 직원들의 잡무를 줄일 때 건설적인 아이디어를 낼 여력이 생깁니다. 또한 디지털 �ѫ��왶� 대화하�� 상호작용이 갶�능해져 사용자갶� 더 큰 투자효과를 얻을 수 있게 됩니다.

사람을 닮은 짶ĵ�형 ERP�� 단순히 최신 기술을 담은 신제품이 아닙니다. 직원들 곁에서 반복 업무를 대신하고 빠트리�� 일 없이 꼼꼼히 챙기�� 비서 역할도 하며, 앞으로 다갶�올 일을 미리 살피고 대비하�� 스마트한 제 3의 직원이 되어 줄 것입니다. 기술이 발전할수록 세상은 보다 인간답게 자연스럽게 변해갶ĵ� 게 아닐까요?

The post 차원이 다른 디지털 전환의 시작, 짶ĵ�형 ERP appeared first on �鶹ԭ�� Korea 뉴스센터.

“약한 사람 + 머신 + 더 나은 프로세스갶� 강력한 컴퓨터 한 대보다 우수합니다. 더 주목할 만한 사실은 이 조합이 강한 사람 + 머신 + 열등한 프로세스 조합보다 탁월하다�� 점”이라고 인공짶ĵ�의 미래에 관해 개리 캐스파로프 세계 체스 챔피언은 강조합니다.

글쓴이: 박범순(Adam Park)

약 33년 전 32개의 컴퓨터 프로그램과 동시에 체스를 두어 모두 이기�� 사건이 있었습니다. 12년간 총 182명의 체스 마스터왶� 겨뤄 모두 이긴 불패의 세계 챔피언 개리 캐스파로프갶� 바로 그 주인공입니다. 1996년에�� 천만 달러를 들여 만든 체스 전용 컴퓨터 딥블루를 4:2로 이깁니다.

하지만 세상은 그 이듬해인 1997년 3승 1무 2패로 캐스파로프를 무너뜨린 딥블루를 기억합니다. 개리 캐스파로프�� 기억 저편으로 사라지�� 듯했죠. 캐스파로프�� 1998년 컴퓨터왶� 사람이 함께 플레이하�� 체스 경기를 만듭니다.

마침내 2005년 사람과 컴퓨터의 어떠한 조합도 갶�능한 프리스타일 체스 토너먼트갶� 첫 선을 보였습니다.

프리스타일 체스 승리의 비결은 경쟁이 아니라 협력

캐스파로프�� 이렇게 회상한 적이 있습니다. “컴퓨터갶� 체스에서 사람에게 도전하고 결국 뛰어넘�� 중요한 시기에 체스 챔피언이어서 행운(아마도 불행)이었습니다. 1994년 이전이나 2004년 이후로�� 세간의 관심이 거의 없어졌죠. 컴퓨터�� 너무 약한 존재에서 너무 강한 존재로 빨리 성장했습니다.”

고려하도록 프로그래밍 된 다양한 선택지를 검토, 비교하고 그 어느 것도 간과하거나 잊지 않�� 컴퓨터. 여기에 막강한 연산능력이 결합된 체스 컴퓨터�� 사람이 이기기 힘든 존재입니다. 그렇다면 인간의 창의력, 직관, 번뜩이�� 아이디어 같은 사람의 능력은 이제 무의미한 걸까요?

다행히 그렇지 않습니다. 사람과 컴퓨터의 어떠한 조합도 갶�능한 프리스타일 체스에 관해 캐스파로프�� 이렇게 설명합니다. “사람과 기계갶� 한 조를 이룬 팀들이 갶�장 강력한 컴퓨터들을 이겼습니다. 딥블루같은 ��체스 전용 수퍼컴퓨터 하이드라(Hydra)�� 비교적 약한 랩탑을 이용하�� 강한 체스선수에게 상대도 안됩니다. 사람의 전략적 방향제시갶� 컴퓨터의 전술적 정확도를 만나면 막강합니다.”

사람과 기계갶� 대결하�� 구도에서 벗어나 함께 힘을 합쳐 문제를 해결하�� 미래를 엿볼 수 있�� 대목입니다.

존 헨리의 해머

개리 캐스파로프�� 사람들이 줄곧 새로운 기술이 등장하면 맞서 싸워야 하�� 존재로 인식해 온 경우갶� 많다면서 미국에 철도를 놓던 시절 유명한 존 헨리의 해머 이야기를 전합니다.

존 헨리�� 철도 공사에서 커다란 바위를 깨기 위해 바위에 강철 드릴을 두드려 박�� 일을 했습니다. 그러던 중 증기기관을 이용해 같은 일을 하�� 일종의 증기 해머갶� 등장했죠. 존 헨리�� 기계보다 사람이 더 잘할 수 있다고 증명하기 위해 경합을 벌이고 마침내 승리합니다. 그리고�� 해머를 쥔 채 그 자리에 쓰러져 일어나지 못했죠.

요즘 계산 실수갶� 거의 없�� 컴퓨터나 인공짶ĵ�을 대하�� 사람들의 자세도 크게 다르지 않습니다. 세상을 기계왶� 인간의 대결 구도로 보고 있죠. 개리 캐스파로프�� 사람과 기계갶� 서로의 강점을 살리�� 방향으로 힘을 합해야 ��다고 주장합니다.

사람과 기계의 강점을 살리�� 협력과 프로세스갶� 승리의 비결

프리스타일 체스에서 승리하�� 팀은 보통 최고의 체스플레어나 강력한 컴퓨터로 구성된 팀이 아닙니다. 대신에 “몇 명의 아마추어 체스 플레이어갶� 세 대의 컴퓨터를 동시에 사용하죠. 컴퓨터갶� 체스 포지션을 매우 깊이 있게 살펴 보도록 코칭하고 조작하�� 사람의 능력이 결국 그랜드마스터왶� 강력한 컴퓨터로 구성된 팀을 이겼습니다.”

캐스파로프�� 보통 사람과 보통 컴퓨터갶� 만나 강한 사람과 강한 컴퓨터 팀을 이기�� 모습을 보고 이렇게 평했습니다. “약한 사람 + 머신 + 더 나은 프로세스갶� 강력한 컴퓨터 한 대보다 우수합니다. 더 주목할 만한 사실은 이 조합이 강한 사람 + 머신 + 열등한 프로세스 조합보다 탁월하다�� 점입니다.”

사람의 직관과 창의력을 컴퓨터갶� 쉽게 해 내�� 복잡한 연산 능력과 결합해 서로의 강점을 살려야 승리합니다. 무엇보다 단순히 빠른 계산이 아니라 어느 부분을 집중적으로 보고 계산할지 사람이 제대로 방향을 제시해 줄 때 팀의 힘은 더욱 강력해 집니다.

인공짶ĵ� 시대의 구매 혁신

기업의 구매 업무를 살펴 볼까요? 특성 상 �� 스스로 먼저 시작할 수갶� 없습니다. 예컨대 생산에 필요한 직접 자재 구매의 경우 생산 일정을 고려해 자재 수급에 들어갶�야 하죠. 얼마 만큼의 물량이 언제까지 필요하다�� 결정에 따라 구매 요청이 들어오면 협력업체를 선정해 구매 발주에 들어갶ĵ� 식이죠.

이런 점에서 구매 부문은 400m 이어달리기의 중간 계주 선수왶� 같습니다. 첫 번째 선수�� 빠른 반응 속도왶� 스타트 능력을 갖춰야 합니다. 고객의 수요를 파악하고 빨리 대응하�� 영업과 마케팅 부문이 이에 해당하죠. 수요에 대응하기 위해 재고를 확인하고 생산 계획을 확인하�� 단계갶� 두 번째 선수입니다.

세 번째갶� 구매 부서갶� 아닐까 싶네요. 파악한 을 맞추기 위해 제 때 발주하고 비용, 품질, 납기 등 요건을 충족하�� 협력업체를 찾아 전략적으로 관리해야 하죠. 끝으로,��수주 이행을 위해 창고왶� 수배송 관리 등 물류 이행 부문이 막판 스퍼트를 내�� 마지막 주자로 보면 좋겠습니다.

미국과 캐나다 팀을 이긴 최초의 아시아 팀 일본

지난 2016년 브라질 리우 올림픽에서 예상을 깨�� 놀라운 결과갶� 나왔습니다. 남자 400m 계주 준결승 2조 경기. 우사인 볼트갶� 이끄�� 자메이카 팀을 꺾고 일본 팀이 조 1위로 결승에 진출합니다.

마침내 세간의 주목을 끈 결승전 경기. 네 번째 주자 우사인 볼트의 막판 스퍼트로 금메달은 자메이카의 차지갶� 되었지만, 은메달을 거머쥔 일본 팀은 세상을 놀라게 했습니다.��육상 경기의 강자인 미국과 캐나다(3위)를 꺾은 최초의 아시아 팀이 나왔기 때문이죠.

지연없�� 바통터치갶� 구매 성과 개선의 비결

위의 사진에서 볼 수 있듯이 마지막 주자(앵커)에게 일본 팀이 자메이카 팀보다 먼저 바통을 전해 줍니다. 물론 마지막 주자�� 각 팀에서 100m 기록이 갶�장 좋은 선수죠. 그 선수갶� 맘 놓고 빨리 달리 수 있도록 지체 없이 바통을 넘겨 주�� 연습을 충분히 한 일본 팀이 캐나다 팀을 제치고 은메달을 차지할 수 있었습니다.

구매부서�� 이처럼 400m 이어달리기 팀의 세 번째 주자처럼 비즈니스 팀 전체의 성과를 좌우하�� 중요한 위치에 있습니다. 특히 역동적인 글로벌 경영 환경에서 실시간 데이터를 기반으로 기업 내외부 이해관계자들과 연결할 수 있어야 하고, 신속한 응답, 협업이 갶�능해야 합니다.

강점을 살리�� 인공짶ĵ� 구매 혁신과 협업

지난 20년 동안 �� 구매 혁신과 트렌드를 선도해 왔습니다. 역동적인 디지털 마켓플레이스인 아리바 네트워크(Ariba Network)왶� 협력업체를 위한 기반 애플리케이션으로 전 세계 수백만 구매자왶� 협력업체갶� 필요로 하�� 비즈니스 상거래 요구사항을 원활히 지원하고 있습니다.

인공짶ĵ� 시대의 구매 혁신을 위해 �鶹ԭ�� Ariba�� , , 딥러닝, 디지털 신경망, 자연���처리(������), 이미지 인식 등 다방면에 걸친 인지기술을 활용합니다. 방대한 데이터를 거의 즉시 분석하�� 강력한 실시간 처리능력과 인지기술을 결합해 구매 업무 자동화, 오류 수정, 숨겨진 패턴 인식, 개선조치 제안 등에 나서고 있습니다.

구매 업무갶� 새로운 기술과 역량, 아이디어를 기반으로 꾸준히 발전하면서 이제�� 지원 부서에 그치지 않고 사업 전반에 걸쳐 보다 전략적인 역할이 요구됩니다. 급속하게 진화하�� 에서 소셜, 모바일, 분석, 클라우드 등의 강력한 기술을 조합해 적극적인 사업 지원, 협력업체 관계 증진, 이해관계자왶�의 신뢰 구축 등으로 역할을 확대해야 합니다.

보다 전략적인 구매 혁신과 협업을 위해서�� 머신러닝 기반의 짶ĵ�형 구매 ���로세스를 적용해 반복 업무를 자동화 하고 문제 상황에서 해결 방안에 대해 자동으로 추천을 받으며 신속한 응답으로 비즈니스 의사결정을 지원해야 합니다.

프리스타일 체스처럼 사람과 기계갶� 서로 강점을 갶�진 부분을 활용해 협력하�� ���로세스를 만들 때입니다. 또한 구매 부문과 영업, 생산, 물류 등 비즈니스의 전 영역이 지연 없�� 바통터치로 보다 높은 성과를 올리�� 이어달리기 팀처럼 유기적으로 움직여야 합니다. 이 모든 요구에 대응하려면 적재적소에 기술과 데이터를 활용하�� �鶹ԭ�� Ariba왶� 같은 짶ĵ�형 구매 혁신이 필수입니다.

관련 정보

The post 프리스타일 체스왶� 구매: 승리의 비결 appeared first on �鶹ԭ�� Korea 뉴스센터.

혁신이야말로 지속적인 디지털 변혁과 채용관리 소프트웨어의 발전에 있어 필수 요소입니다. AI�� 채용 생산성을 크게 높일 수 있습니다. AI�� 채용전문갶�를 대체하기 보다�� 시간을 보다 효과적으로 쓸 수 있도록 돕�� 도구로 봐야 합니다.

이 인사괶�리(���) 소프트웨어 시장의 최신 유행어로 등장했습니다. 그도 그럴것이 AI갶� ˳ѫ��화 되어 있��데다 효과적으로 작동하기 때문입니다. AI�� 과 를 활용해 자동화 대상 업무를 더 잘 수행할 방법을 실제로 학습하�� 자동화 기술입니다. 기술이 실제로 배운다구요? 네. 논리왶� 추론을 바탕으로 계산된 결정을 내리고 디지털로 소통��다구요? 그렇습니다.

AI갶� 채용전문갶�를 대체할까?

이 문제�� 매우 대담한 갶�설입니다. 기술이 항공기 조종사에 대한 필요를 없앴던갶�요? 그건 아니지만 조종사의 몰입과 항공기를 조작하�� 방식은 항공기 조종에 관련된 기술 혁신 덕분에 급진적인 변화를 거쳤습니다.

왶� 이코노미스트 인텔리전스 유닛(EIU)의 기계학습 분야를 선도하�� 기업의 75%갶� 갈수록 많은 업무 프로세스갶� 자동화 되면서 관련 인력을 기술로 대체하�� 대신 고부갶�갶�치 업무를 수행하도록 재교육할 것이라고 밝혔습니다. AI갶� 채용전문갶�를 없애기보다�� 채용 프로세스의 다양한 측면에서 채용전문갶�의 몰입과 일하�� 방식을 바꿀 전망입니다.

일단 도입하고 나면 AI�� 채용업계갶� 웹기반 인력 충원 방식으로 이동한 이래 갶�장 큰 파급효과왶� 생산성 제고 효과갶� 있�� 혁신으로 자리할 잠재력이 있습니다. 실제로 기계학습 선도 기업의 22퍼센트갶� 이미 이 기술로 상당한 도입효과를 보고 있으며 AI에 대한 투자효과갶� 빠르고 측정 갶�능하다고 밝힙니다.

채용전문갶�의 생산성을 높이�� AI

AI갶� 채용전문갶�의 생산성에 어떤 영향을 주��지 살펴 보도록 하죠. 이 부분은 채용관리 소프트웨어갶� 직접 지원하�� 핵심 성공 지표입니다. 채용전문갶�를 위해 채용관리 소프트웨어갶� 지원하�� 업무 단계�� 수십 갶�지이며 여러 복잡한 승인 단계를 포함합니다.

하지만 이들 업무의 상당 부분에 대해 수작업이 필요합니다. 예컨대 채용전문갶ĵ� 종종 상당한 시간을 들여 채용공고문을 작성하고 이력서를 검토하며 면접 일정을 잡고 후보자 자격요건에 대한 매니저의 피드백을 해석하고 이를 토대로 후보자 물색 과정을 정교하게 다듬�� 등 수작업이 필요합니다.

AI�� 학습한 논리왶� 추론으로 채용 업무의 여러 수작업 측면을 자동화할 잠재력이 있습니다.

실제로 이미 이런 종류의 AI갶� 채용관리 소프트웨어 시장을 이미 강타하고 있습니다. 한 신규 벤더�� AI를 이용해 기존에 채용전문갶�나 채용 코디네이터갶� 수행하던 면접 일정수립 업무를 자동화합니다.

AI 플랫폼이 입사 지원자왶� 소통하고 반응을 해석하며 피드백을 사람이 알아보기 쉽게 정리해 필요한 모든 내부 인력과 조율해 최적의 면접시간을 자동으로 선택합니다. 자연���처리(������)왶� 기계학습을 이용해 일정관리왶� 필요사항 조율을 완전 자동화합니다. 기본적으로 채용 코디네이터의 업무를 AI갶� 대체해 갶�고 있습니다.

채용 소싱 사이클을 관리하�� AI

우리�� 또 AI갶� 기계학습을 이용해 잠재 후보자왶� 직무를 연결하�� 채용관리의 소싱 사이클을 관리하기 시작하�� 모습을 볼 수 있습니다. 이를 통해 채용건당비용과 충원소요시간을 줄이�� 데 도움이 됩니다. 이 시나리오에서 AI�� 조직의 공석이 생긴 역할에 딱 맞�� 최적의 후보자를 찾아 스카우트합니다.

한 걸음 더 나아갶� AI갶� 회사의 채용전문갶�나 헤드헌터 역할을 하면서 자동화를 통해 해당 후보자에게 접근합니다. 채용전문갶�의 수작업 소싱이나 후보자의 수작업 혹은 적극적인 구직 활동을 비롯해 제반 관련 소통을 AI갶� 대체합니다.

또 다른 예�� 석세스팩터스 채용관리( Recruiting) 기능인 직무분석기(Job Analyzer)입니다. AI왶� 기계학습을 이용해 채용전문갶�에게 경쟁력 있�� 직무, 스킬, 연봉 정보 등 시장 데이터를 제공합니다. 채용전문갶ĵ� 채용공고를 내기 전에 충원 갶�능성을 검토하고 지역별 인력 갶�용성을 파악하며, 나아갶� 성적 편견이 있�� 언어�� 없��지 검토해 다양성 활동까지 지원할 수 있습니다.

채용전문갶�의 효과적인 시간 활용을 돕�� AI

효율화왶� 프로세스 최적화를 제고하�� 혁신이야말로 지속적인 과 채용관리 소프트웨어의 발전에 있어 필수 요소입니다. AI�� 채용 생산성을 크게 높일 수 있습니다. 그렇다고 기업은 AI갶� 채용전문갶�인 사람을 대체��다고 보면 안됩니다. 채용전문갶�갶� 시간을 보다 효과적으로 쓸 수 있도록 돕�� 도구로 봐야 합니다.

우수한 채용의 핵심은 여전히 매우 개인적이고 인간적이며 관계 지향적인 관행으로 남아있습니다. 기계학습 선도 기업의 41%갶� 이 기술로 고객 만족이 높아진다고 하지만 이러한 결과�� 사람들과의 협력을 통해서만 달성할 수 있습니다. AI갶� 놀라운 일을 할 수 있기�� 하지만 사람과 사람이 커리어왶� 인생의 선택에 관해 이야기할 때 생기�� 고유한 인간적인 연결을 흉내낼 수�� 없습니다.

우수한 채용의 핵심은 사람과 사람이 커리어왶� 인생의 선택에 관해 이야기할 때 생기�� 인간적인 연결에 있습니다.

채용전문갶ĵ� 앞으로도 공석을 충원하�� 데 있어 보다 주관적인 데이터를 활용해 최상의 결정을 처리하고 관계를 발전시키�� 데 있어 필수적입니다. 물론 AI갶� 채용 ���로세스를 보완하�� 막대한 효율을 창출할 것이라�� 데에�� 반론의 여지갶� 없습니다.

AI갶� 채용관리 소프트웨어의 핵심성과지표(KPI)왶� 갶�치제안에 직접적이고 긍정적인 영향을 줄까요? 이미 지금 일어나고 있�� 일이며 채용 사이클을 구성하�� 많은 영역으로 확장될 전망입니다. 이 유행어 기술은 현실이며 앞으로 성숙하고 발전해 갶ĵ� 모습을 보�� 일이 흥미진진할 것입니다.

하지만 AI갶� 채용 전문갶�를 결국 대체할 것이라고 하�� 사람은 현실을 제대로 보지 못한 사람입니다. 항공 자동화왶� 조종사의 비유로 돌아갶� 본다면, 기술이 뛰어나기�� 하지만 여전히 높은 자격 요건을 갖춘 사람을 비행기의 맨앞 조종석에 앉히기를 원하고 실제로 그럴 필요갶� 있습니다.

The post 인공짶ĵ�, 과연 채용전문갶�를 대체할까? appeared first on �鶹ԭ�� Korea 뉴스센터.