검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'공급망 에이전트'통합검색 결과 입니다. (3건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

"범용 AI 넘어 실행형 AI로"…SAS, 산업별 맞춤형 에이전트로 기업 혁신 돌파

[그레이프바인(미국)=남혁우 기자] "기업 고객이 실제 현장에서 원하는 것은 범용 인공지능(AI)이 아니라 산업별 과제를 이해하고 운영 프로세스에 바로 연결될 수 있는 실행형 AI입니다." 제라드 피터슨 SAS 글로벌 엔지니어링 부문 수석 부사장(SVP)은 28일(현지시간) 미국 텍사스주 그레이프바인에서 열린 'SAS 이노베이트 2026'에서 유통, 금융, 의료 등 산업별 과제 해결에 초점을 맞춘 산업 액셀러레이터 신규 오퍼링과 주요 업데이트를 공개했다. 피터슨 부사장은 SAS AI 전략 중 하나로 데이터 관리와 분석, 의사결정, 실행을 하나로 연결하는 '산업형 AI 플랫폼'을 제시했다. 시장의 관심이 대규모언어모델(LLM) 기반 범용 AI에 집중되고 있지만 공급망과 금융처럼 복잡한 변수와 규제가 얽힌 실제 기업 현장에서는 정확도와 거버넌스를 갖춘 실행력이 더 중요하기 때문이다. 그는 "범용 AI가 일반적인 질의응답과 콘텐츠 생성에는 강점을 보일 수 있지만 산업 현장에서는 업무별 데이터 구조와 용어, 내부 정책, 규제 요건이 서로 달라 이를 반영한 판단 체계가 필요하다"며 "특히 기업은 단순한 정보 제공보다 발주, 승인, 이상 징후 탐지, 대응 조치 등 실제 운영 프로세스와 연결되는 기능을 원하기 때문에 산업 특화형 플랫폼이 필수적"이라고 설명했다. 이를 위한 주요 서비스로 글로벌 출시를 앞둔 'SAS 공급망 에이전트'가 소개됐다. 이 솔루션은 기업의 공급 및 운영 계획(S&OP)을 지원하는 도구다. 예를 들어 "수요가 15% 감소하는 시나리오를 시뮬레이션해달라"는 요청에 따라 대안을 제시하는 방식이다. 마이크로소프트 팀즈(Teams) 같은 업무 환경에서 활용할 수 있으며 에이전트가 내린 판단의 근거도 함께 제공하도록 설계됐다. 마리넬라 프로피 에이전틱 AI 글로벌 시장 전략 리드는 식료품점 재고 관리 시나리오를 통해 에이전틱 AI의 실제 구동 방식을 시연했다. 그는 'SAS 바이야 코파일럿'을 활용해 복잡한 코딩 없이 데이터를 전처리하고 수요 예측 대시보드를 구성하는 과정을 소개했다. 이어 대화형 에이전트가 재고 부족 위험을 파악해 담당자에게 발주를 제안하고 어떤 정책과 규칙에 따라 해당 판단이 이뤄졌는지 근거를 제시하는 흐름도 함께 선보였다. 금융권의 주요 과제인 사기 탐지 분야 적용 사례도 공개됐다. 수잔 할러 고급 분석 R&D 수석 디렉터는 "사기 데이터는 정상 거래보다 극히 드물게 발생해 모델을 편향되게 만든다"고 말했다. 이어 'SAS 데이터 메이커'를 통해 희귀한 사기 거래 패턴을 합성 데이터로 생성하고 이를 바탕으로 탐지 성능을 높이는 방안을 설명했다. 이와 함께 검색 증강 생성(RAG) 기반 대형언어모델과 'SAS 지능형 의사결정' 솔루션을 결합한 활용 사례도 제시됐다. SAS는 이를 통해 판단이 모호한 고액 결제 건에 대해 최신 기업 정책 문서를 바탕으로 승인 또는 차단 여부를 실시간으로 결정하는 과정을 시연했다. 에픽게임즈의 언리얼 엔진(UE)과 결합한 디지털 트윈 기반의 'SAS 작업자 안전 모델'도 소개됐다. 이 모델은 지게차 충돌이나 멸균 시설 규정 위반처럼 실제 환경에서 시험하기 어렵거나 위험한 산업 현장 시나리오를 가상 환경에서 반복 시뮬레이션하고, 이를 바탕으로 컴퓨터 비전 모델을 훈련시키는 방식이다. 실제 사고 데이터를 충분히 확보하기 어려운 산업안전 영역에서 활용 가능성이 제시됐다. SAS는 데이터부터 의사결정, 실행까지 이어지는 전 과정을 하나의 흐름으로 연결하는 방향을 제시하며 AI를 기존 업무 시스템 안에서 작동하는 운영 도구로 정착시키겠다는 구상을 내놨다. 미국 일부 주에서 도입된 식량 지원금 부정 수급 방지 모델도 소개했다. 기존 데이터 인프라를 전면 개편하지 않고도 수급 자격 기록, 사례 관리 파일, 소득 확인 데이터, 거래 내역 등 기존 데이터와 연동해 지급 무결성을 관리할 수 있는 공공 분야 적용 사례라는 설명이다. 제라드 피터슨 부사장은 "기업은 AI를 처음부터 직접 구축하기보다 산업 특화 기능을 갖춘 형태로 도입해 적용 속도를 높여야 한다"며 "SAS의 산업별 액셀러레이터와 에이전트가 고객의 초기 도입 부담을 낮추는 데 기여할 것"이라고 말했다.

2026.04.30 07:08남혁우 기자

우도 스글라보 SAS 부사장 "AI는 마법 아니야"…기업용 AI 성패는 '산업 맥락'

[그레이프바인(미국)=남혁우 기자] "범용 인공지능(AI)에 산업적 맥락이 더해져야 비로소 '신뢰할 수 있는 AI'가 됩니다. 시장에는 화려한 모델이 넘쳐나지만, 이를 실제 기업 운영에 적용하는 것은 완전히 다른 차원의 문제입니다." 우도 스글라보(Udo Sglavo) SAS 응용 AI 및 모델링 R&D 부사장은 28일(현지시간) 미국 텍사스주 그레이프바인에서 열린 'SAS 이노베이트 2026' 현장 인터뷰와 미디어 브리핑에서 이같이 말하며 기업 AI 도입 방안을 제시했다. 그는 기업용 AI의 필수 조건으로 거대 모델 자체의 성능보다 ▲산업 맥락 ▲데이터 전처리 ▲설명 가능성 ▲사람의 최종 책임을 꼽았다. AI 에이전트 시대 "사람은 여전히 운전석에 있어야" 스글라보 부사장은 "생성형 AI가 무에서 유를 창조하는 만능 발명가가 아니다"라며 "생성형 AI는 기존 데이터의 패턴을 분석해 새로운 조합을 만들어내는 기술"이라고 설명했다. 이어 "환각 역시 학습하지 않은 영역에 대해 패턴을 유추해 꾸며내기 때문에 발생한다"고 덧붙였다. 이어 "기업에서 AI의 주된 역할은 놀라운 무언가를 발명하는 것이 아니라 지루하고 복잡한 작업을 대신하는 데 있다"며 "반복 업무를 덜어주면 사람은 더 창의적이고 중요한 판단에 시간을 쓸 수 있다"고 말했다. AI의 효용 가치는 사람의 대체가 아니라 지원에 있다는 설명이다 올해 화두인 '에이전틱 AI'에 대해서는 기대와 경계를 동시에 내비쳤다. 그는 "에이전트는 대형언어모델(LLM)과 전통적인 분석 모델, 메모리가 결합해 사용자가 원하는 결과를 대신 수행하는 결과 지향적 시스템"이라고 설명했다. 다만 "기업 환경에서는 어떤 일이 잘못됐을 때 누군가는 반드시 책임을 져야 한다"며 "'AI가 한 일'이라고 변명할 수 없는 만큼 기술이 발전해도 사람은 늘 의사결정 운전석(Driver's seat)에 앉아 있어야 한다"고 힘주어 말했다. 이 같은 관점은 AI 코딩 시대 개발자의 역할에 대한 설명으로도 이어졌다. 그는 향후 개발자에게 가장 중요해질 역량으로 비즈니스 문제를 듣고 정확한 소프트웨어 명세로 구조화하는 '스펙 기반(Spec-driven) 개발 역량'을 지목했다. AI가 빠른 프로토타입을 짤 수는 있지만, 예기치 못한 예외 상황(Edge case)을 찾아내고 최종 제품을 안정화하는 것은 여전히 대체할 수 없는 인간의 몫이기 때문이다. 스글라보 부사장은 "소프트웨어 업계 전반이 AI를 활용해 코드를 짜고 있지만, 상용 소프트웨어를 공급하는 기업은 자신이 만든 코드에 막중한 책임을 져야 한다"며 "사람의 검토조차 거치지 않은 코드를 고객에게 전달할 수는 없다"고 단언했다. 범용 AI의 한계, '사전 구축형 패키징'과 '설명 가능한 최적화'로 극복 스글라보 부사장은 "오늘날 AI 프로토타입을 만드는 것은 쉽지만, 예산과 데이터 전문가가 부족한 현업에 이를 곧바로 적용할 수는 없다"며 "산업적 맥락이 더해질 때 흥미롭기만 하던 AI가 비로소 신뢰할 수 있는 도구로 바뀐다"고 말했다. 이를 위해 SAS는 다년간 축적한 산업 경험을 현장에서 즉시 활용 가능한 '사전 구축형 모델 및 에이전트' 형태로 패키징해 제공한다. 구체적인 사례로 공급망 분야의 판매 및 운영 계획(SOP)을 들었다. 수요와 공급의 균형을 맞추는 복잡한 업무에서, 사용자가 '수요 15% 감소' 같은 가정을 제시하면 AI가 결과를 시뮬레이션하고 판단 근거까지 함께 제공한다. 그는 이를 두고 "기업이 진정 원하는 것은 맹목적인 자동화가 아니라 '설명 가능한 최적화'"라고 짚었다. 진짜 병목은 모델이 아닌 '데이터'… "빅데이터 맹신은 신화" 스글라보 부사장은 AI 프로젝트의 실질적인 병목 지점으로 모델이 아닌 '전통적인 데이터 관리 문제'를 지목했다. 기업 내 방대한 데이터를 비즈니스용, 기밀용 등으로 분류·라벨링하고, 시스템 구조에 맞춰 스키마를 매핑하는 지루한 IT 작업이 선행되지 않으면 어떤 강력한 AI도 무용지물이라는 것이다. 과거 데이터에 대한 무비판적인 맹신도 경계했다. 스글라보 부사장은 "빅데이터 안에 모든 정답이 숨어 있다는 믿음은 신화에 불과하다"며 "과거 데이터는 과거의 사회적 패턴을 담고 있을 뿐 변화하는 현재를 온전히 반영하지 못한다"고 지적했다. 따라서 데이터를 맹신하지 않고 그 이면의 '의미(Semantic)'를 파악해 "우리는 더 이상 이런 방식으로 일하지 않는다"고 인간 스스로 판단하고 교정할 수 있어야 한다고 역설했다. 현실 데이터의 부족과 편향 문제를 극복하기 위한 대안으로는 '디지털 트윈'과 '합성 데이터'를 제시했다. 제조업 안전 관리처럼 모든 사고 위험 상황을 실제 영상으로 확보하기 어려운 경우, 가상 환경에서 조건(장비 색상, 조명, 작업자 특성 등)을 바꿔가며 합성 데이터를 대량으로 생성해 AI 모델의 빈틈을 메우는 방식이다. 우도 스글라보 부사장은 "엔터프라이즈 AI의 승부는 모델의 화려함이 아닌 산업별 구조 이해와 데이터 통제력에 달려 있다"며 "SAS는 지난 50년간 데이터를 다루며 쌓아온 경험을 바탕으로 기업이 가장 신뢰할 수 있는 실무적 AI 생태계를 지원할 것"이라고 밝혔다.

2026.04.30 07:06남혁우 기자

데클라, 실시간 공급망 의사결정 AI 인텔리전스 공개

데클라가 실시간 공급망 의사결정을 지원하는 인공지능(AI) 인텔리전스를 앞세워 공급망 운영 전반의 자동화와 선제 대응 역량 강화에 나선다. 데클라는 디시전·비전·엣지·분석·생성형·예측·운영·대화형 AI로 구성된 8가지 인텔리전스를 통합해 공급망 신호를 실시간으로 해석·예측·실행하는 에이전트 기반 의사결정 인텔리전스 계층을 구축했다고 15일 밝혔다. 데클라에 따르면 공급망 가시성 플랫폼은 다양한 데이터를 지속적으로 생성하지만, 대부분 기존 시스템은 이를 실제 의사결정에 효과적으로 반영하지 못해왔다. 데클라는 이러한 한계를 해소하기 위해 실시간 신호 해석과 예측, 실행을 단일 흐름으로 연결하는 AI 기반 의사결정 구조를 제시했다. 이번에 공개된 아키텍처는 8가지 AI 인텔리전스를 기반으로 한 에이전트 구조로, 공급망 전반에서 발생하는 다양한 신호를 분석하고 자동 대응하는 의사결정 인텔리전스 계층을 형성한다. 이를 통해 기존 시스템으로는 구현이 어려웠던 선제적이고 적응형 공급망 의사결정을 가능케 한다는 설명이다. 디시전 AI는 공급망 가시성 데이터를 맥락 기반으로 해석해 실행 가능한 예측 인사이트를 제공하는 핵심 두뇌 역할을 수행한다. 비전 AI는 선하증권과 같은 운송 문서를 포함해 이미지 데이터를 인식·분석함으로써 사람이 수작업으로 수집하기 어려운 핵심 정보를 안정적으로 확보한다. 엣지 AI는 센서와 디바이스 단에서 의사결정을 수행해 클라우드 지연 없이 즉각적인 대응을 가능케 하며 분석 AI는 장기간 축적된 운송 및 운영 데이터를 기반으로 패턴을 학습해 리스크 스코어링과 복합 ETA 계산을 지원한다. 생성형 AI는 복잡한 운영 인텔리전스를 이해하기 쉬운 형태로 변환해 현장 담당자와 관리자 간 커뮤니케이션을 지원하고 예측 AI는 지연·파손·온도 이탈 등 미래 리스크를 사전에 예측해 운영 시나리오를 모델링한다. 아울러 운영 AI는 중요 신호와 불필요한 노이즈를 구분해 업무 효율성을 높이며 대화형 AI는 챗봇이나 메시징 플랫폼을 통해 화물 상태와 창고 성과 등에 대한 질의에 즉각적으로 응답함으로써 의사결정 속도를 개선한다. 이들 8가지 AI 인텔리전스는 데클라의 에이전틱 계층을 구성하며 고객 운영 프로세스에 적응해 공급망과 물류 운영 전반을 아우르는 지능형 자동화 계층으로 작동한다. 데클라는 "공급망 전반에서 발생하는 다양한 신호를 실시간으로 해석하고 예측해 실행까지 연결하는 것이 진정한 의사결정 인텔리전스"라며 "8가지 AI 인텔리전스로 구성된 에이전트 계층을 통해 기존 시스템으로는 어려웠던 선제적이고 적응형 공급망 의사결정을 지원할 것"이라고 밝혔다.

2026.01.15 16:53한정호 기자