공급망 중단 이후 공급망 다변화를 고려하는 것은 필수적입니다. 코로나19와 같은 예기치 못한 대규모 사건은 전 세계적인 공급망에 심각한 영향을 미치며, 이는 기업들이 단일 지역이나 소수 공급자에 대한 의존도를 줄이고 더 다양한 공급원을 확보해야 하는 필요성을 증가시킵니다. 다변화된 공급망은 리스크 분산을 가능하게 하며, 국제 무역 장애, 지역적 정치적 불안정, 자연 재해 등 예측 불가능한 상황에서도 기업의 운영 연속성을 보장하는 데 중요합니다. 이러한 다변화는 고객의 요구에 더 빠르고 유연하게 대응하고, 장기적인 사업 안정성과 성장을 촉진하는데 기여합니다. 이 사례 연구는 Kshore라는 중국 가전제품 제조업체가 코로나19로 인한 공급망 중단 이후 공급망 다변화를 고려하는 과정을 다룹니다.

1. 공급망 다변화 필요성

 Kshore는 중국과 인도, 베트남에 제조 시설을 가지고 있으나, 코로나19로 인한 국제 무역 장애와 고객들의 다변화 요구로 새로운 공급망 전략이 필요해졌습니다. 회사의 고객들은 더 넓은 지역적 다양성을 원했으며, Kshore는 2026년까지 중국 외의 생산 능력을 30%까지 늘릴 계획이었습니다.

2. 멕시코 진출 가능성 고려

 Kshore는 멕시코에 생산 시설을 설립하는 것을 고려합니다. 멕시코는 미국과 캐나다에 가깝고, 멕시코에서 생산된 제품은 관세가 없으며, 미국으로의 배송 시간이 중국보다 훨씬 짧습니다. 하지만 이 과정에서 품질 관리, 원자재 조달, 인력 채용, 이윤률 유지와 같은 다양한 도전 과제에 직면합니다.

3. 대안 검토

 Kshore는 멕시코 이외의 옵션도 고려합니다. 예를 들어, 캄보디아에 이미 투자를 한 바 있고, 캄보디아는 인력과 제조 비용 측면에서 유리합니다. 그러나 멕시코와 캄보디아 사이에서 선택하는 것은 단순한 비용 문제가 아닙니다. 지리적 위치, 무역 정책, 원자재 가용성, 인력 관리 등 여러 복잡한 요소가 관련됩니다.

4. 전문가 의견

 사례 연구의 끝부분에서 여러 전문가들은 Kshore가 멕시코로 확장하는 것보다 캄보디아에서의 확장을 고려해야 한다고 제안합니다. 이들은 멕시코의 지리적 이점과 무역 협정에도 불구하고, 캄보디아가 제조 비용 측면에서 경쟁력을 가질 수 있다고 언급합니다. 또한, Kshore의 인력 관리와 관련된 도전 과제도 언급됩니다.

Kshore 사례 연구에서 주목해야 할 점은 공급망 다변화 결정 시 고려해야 할 다양한 요인들입니다. 공급망 다변화를 고려할 때, 단순히 비용과 지리적 이점만이 아니라, 품질 관리, 원자재 조달, 인력 채용, 이윤률 유지 등의 복합적인 측면들을 고려해야 합니다. 또한, 지역적 무역 정책, 정치적 안정성, 인프라, 고객 요구 등의 외부 요인들도 중요한 역할을 합니다. 이 사례는 공급망 다변화 결정이 단일 요소에 의존해서는 안 되며, 다양한 내부 및 외부 요소들을 종합적으로 평가하여 균형 잡힌 결정을 내려야 함을 보여줍니다. 

 

 

출처: 하버드비즈니스리뷰, 2023년 11-12월호

 

 현대 기업 환경에서 인공 지능(AI) 프로젝트는 기업의 핵심 전략적 요소로 떠오르고 있습니다. 그러나 많은 AI 프로젝트는 실패에 직면하며, 이를 극복하고 최대의 가치를 창출하기 위해서는 철저한 계획과 실행이 필요합니다. 본 글에서는 다섯 가지 핵심 단계를 통해 AI 프로젝트를 효과적으로 관리하고 성공을 이끌어내는 방법에 대해 살펴보겠습니다.

1. 선택 (Selection)

 AI 프로젝트의 시작은 신중한 선택에서 출발합니다. 내부 및 외부 프로젝트를 분류하고 전략적으로 선별함으로써 프로젝트의 영향과 실행 가능성을 평가합니다. 전략과의 일치성, 측정 가능한 영향, 그리고 현재의 작업을 향상시키는 데에 중점을 두어 프로젝트의 성패를 결정합니다. 선택 단계에서는 목표의 명확한 설정과 팀 간의 협업을 강조하여 효율적인 추진이 가능하도록 합니다.

2. 개발 (Development)

 프로젝트가 선택되면 데이터 사이언티스트들은 개발 단계에 참여하여 모델을 구축하고 비즈니스 프로세스에 효과적으로 통합합니다. 표준화된 프로세스와 자동화된 도구를 활용하여 개발 속도를 높이고, AI 공장이라 불리는 자동화 및 표준화된 접근을 채택하여 모델 품질을 향상시킵니다. 개발 단계에서는 초기 프로토타입을 빠르게 구현하고 사용자 피드백을 수용하여 지속적으로 개선하는 데 중점을 둡니다.

3. 평가 (Evaluation):

 프로젝트가 개발되면 A/B 테스트 및 과학적 평가를 통해 모델의 성과를 평가합니다. 초기 버전의 제품에서 얻은 피드백을 활용하여 모델을 지속적으로 개선하고, 프로젝트의 목표와 일치하는지를 다시 한 번 확인합니다. 평가 단계에서는 사용자 경험을 고려하여 프로젝트의 효과를 최적화하며, 유용성과 효율성을 극대화합니다.

4. 채택 (Adoption):

 평가가 성공적으로 마무리되면 프로젝트를 전체 조직에 확산시키는 것이 중요합니다. 알고리즘의 투명성과 사용자 편의성을 강조하여 사용자들의 불안을 해소하고, 교육 및 지원을 통해 효과적인 채택을 촉진합니다. 채택 단계에서는 프로젝트의 장점을 부각시켜 사용자들을 설득하고, 사용자 그룹을 대상으로 특별한 교육 및 훈련을 제공하여 부정적인 성향을 극복합니다.

5. 관리 (Management):

 프로젝트가 성공적으로 채택되었다면, 이를 지속적으로 관리해야 합니다. 엔지니어링 지원을 제공하고 모델을 정기적으로 갱신하여 최신 데이터에 대응하며, 윤리적 문제나 예상치 못한 부작용을 방지하기 위한 감사 및 모니터링을 수행합니다. 또한, 기술과 사용자 요구 사항의 변화에 대응하기 위해 프로젝트를 지속적으로 최적화하고 발전시켜 나가야 합니다.

 AI 프로젝트의 성공을 위해서는 선택, 개발, 평가, 채택, 그리고 관리라는 다섯 가지 핵심 단계가 필요합니다. 이러한 단계들을 철저히 거쳐 나가면서 기업은 AI의 힘을 최대한 활용하고 지속적인 성과를 창출할 수 있을 것입니다. 성공적인 AI 프로젝트는 단순히 기술의 도입이 아니라, 조직 전체에 걸친 체계적이고 지속적인 노력의 산물이 될 것입니다.

출처 : BOJINOV, I. Keep Your AI Projects on Track. Harvard Business Review, [s. l.], v. 101, n. 6, p. 53?59, 2023.