SAP IBP와 딥플로우, AI 수요예측 솔루션 검토 시 확인할 4가지 기준

AI 기반 수요예측 솔루션을 검토할 때는 각 서비스가 어떤 기능을 제공하고, 우리 회사의 S&OP에 어떻게 적용될 수 있는지 살펴볼 필요가 있습니다. 다만 제품의 기능 목록을 비교하는 것만으로는 어느 쪽이 우리 회사에 맞는지 판단하기 어렵습니다.

SAP IBP는 통계 기반 예측, 머신러닝을 활용한 수요 감지, 다계층 재고 최적화, 시나리오 관리, S&OP 등 공급망 계획 전반을 폭넓게 다루는 통합 플랫폼입니다. 딥플로우는 수요계획이나 구매 담당자가 매달 내리는 실무적인 판단에 중점을 둔 제품으로, 예측 결과를 해석하고 실행으로 옮기는 과정을 깊게 다룹니다. 두 제품이 겨냥하는 영역이 다르다 보니 기능 목록만으로는 차이를 설명하기 어렵습니다.

그래서 기능이 얼마나 많은지 단순히 따지기보다, 회사의 규모와 운영 환경, 지금 해결하려는 과제가 무엇인지를 기준으로 살펴보는 편이 더 실질적입니다. 이런 점에서, 검토 회의 때 한 번쯤 나눠볼 만한 질문 네 가지를 정리해 보았습니다.

‍

1. AI 수요예측 비교에서 정확도 다음으로 봐야 할 지표

AI 수요예측 솔루션 제안서를 받으면 가장 먼저 눈에 들어오는 건 예측 정확도입니다. 하지만 이 숫자 하나만 가지고는 SAP IBP와 딥플로우처럼 서로 다른 솔루션의 차이를 제대로 알기 어렵죠.

정확도 숫자가 말해주지 않는 것

MAPE는 예측값이 실제값에서 평균적으로 몇 %나 벗어났는지를 보여주는 지표입니다. 하지만 회사마다 품목 구성이나 수요의 변동성이 서로 다르다 보니, 똑같은 기준으로 비교하기가 쉽지 않습니다. 한 회사 안에서도 SKU를 어떤 식으로 묶느냐에 따라 결과는 달라질 수 있습니다.

SAP IBP를 오랫동안 사용한 분들이라면 이런 질문을 할 수 있습니다. 이미 머신러닝 기반 예측을 쓰고 있는데 또다시 예측 정확도를 따질 필요가 있느냐는 거죠. SAP IBP도 통계 모델과 머신러닝을 활용한 수요계획 기능을 제공합니다. 따라서 AI 탑재 여부만으로 차이를 판단하기보다, 동일한 데이터와 평가 조건에서 예측 성능을 비교하고 실제 업무에 필요한 기능을 함께 확인해야 합니다.

예측값이 나온 뒤 회의실에서 벌어지는 일

두 제품의 성격 차이는 예측값이 나온 뒤의 과정에서 좀 더 분명해집니다.

월초 수급 회의를 떠올려 보면 이해하기 쉽습니다. 시스템에 나온 예측값을 보면서 회의를 시작하지만, 영업팀에서 다음 달 프로모션 계획을 공유하는 순간 숫자는 달라지기 시작합니다. 담당자는 엑셀을 열어 해당 품목의 발주량을 다시 계산하고, 여기에 구매팀에서 “공급사 리드타임이 길어졌다”는 이야기가 나오면 발주량을 한 번 더 조정합니다.

문제는 그다음입니다. 회의가 끝난 뒤 남는 것은 대부분 최종 발주량뿐입니다. 처음 예측값에서 얼마나 바뀌었는지, 어떤 이유로 조정했는지는 별도로 기록하지 않는 이상 담당자의 기억에 의존하게 됩니다.

이 때문에 예측 정확도가 높아졌다고 해서 그 효과가 그대로 실제 발주까지 이어지는 것은 아닙니다. 예측 결과를 검토하고, 수정하고, 승인한 뒤 실제 발주에 반영하고 결과를 확인하는 과정이 자연스럽게 이어져야 합니다. 제품을 비교할 때도 단순히 예측 정확도만 볼 것이 아니라, 이 과정에서 추가로 손이 가는 구간이 어디인지 함께 살펴볼 필요가 있습니다.

PoC 단계에서는 이런 차이를 실제 수치로 확인해볼 수 있습니다. 위험 SKU 가운데 실제로 검토한 품목의 비율, 권장 발주안을 그대로 승인했는지 혹은 수정·반려했는지, 수정했다면 그 이유는 무엇이었는지 등을 기록해보는 방식입니다. 승인된 발주안이 실제 주문으로 얼마나 이어졌는지, 이후 결품이나 과잉 재고, 구매 단가에는 어떤 변화가 있었는지도 함께 볼 수 있습니다.

이런 데이터를 확인하기 위해 매번 시스템 밖으로 나가 엑셀을 따로 만들고 자료를 모아야 한다면, 그 부분이 실제 운영 과정에서 추가 업무가 발생하는 지점이라고 볼 수 있습니다.

‍

2. SAP IBP 수요 감지와 딥플로우의 예측·분석 시간 범위

📖 SAP IBP는 수요 감지를 통해 최신 수요 신호를 빠르게 반영해 4~8주 구간의 예측치를 일 단위로 만들어냅니다. 반면, 딥플로우는 예측을 월 단위로 산출하고, 이를 각 부서가 활용할 수 있도록 리포트와 실행안으로 뽑아내 해석과 보고에 들이는 시간을 획기적으로 줄여줍니다. 이렇게 두 제품은 다루는 시간 구간에서부터 차이가 명확하게 드러납니다.

원자재 가격이 크게 변하거나 특정 판매 채널에서 갑자기 수요가 증가할 때, 담당자가 상황을 판단하고 승인까지 받으려면 며칠씩 걸립니다. 이때 두 시스템의 차이를 실제로 경험할 수 있습니다.

SAP IBP 수요 감지의 시간 범위

SAP IBP의 수요 감지 기능은 열린 판매 오더나 다운스트림 판매 신호, 프로모션 등과 같이 최근의 수요 변화를 반영해 약 4~8주 정도의 단기 기간을 예측합니다. 예측값은 제품, 거점, 고객별로 일 단위까지 산출되고, 대부분의 실행 역시 하루 단위로 이뤄집니다. 연산량이 많아 모든 데이터를 돌릴 때에는 주 단위로, 갱신만 필요할 때는 매일 실행하는 방식이 권장됩니다.

수요 감지에 필요한 데이터 조건

SAP 공식 학습 자료를 보면, 수요 감지 알고리즘은 제품, 거점, 고객, 시간 등 여러 정보가 결합된 형태의 계획 레벨에서 작동합니다. 예측 주기는 반드시 일 단위(Daily)로 설정해야 하며, 예측 단계 역시 하나만 둘 수 있습니다. 프로모션 효과 제거를 제외한 전처리 기능은 쓸 수 없고, 예측 오차나 사후 예측값 계산도 제공되지 않습니다.

이 부분들은 결함이 아니라, 애초에 설계부터 정해진 제약 사항입니다. 단, 기준정보와 판매 데이터가 제품·거점·고객별로, 그리고 일 단위까지 깔끔하게 정리되어 있어야 하므로, 실제 도입 난이도는 회사별 데이터 상황에 따라 크게 달라질 수 있습니다.

예측 이후 해석·보고에 걸리는 시간

딥플로우는 예측값 그 자체보다는, 이후 해석과 보고에 드는 시간을 단축하는 데 강점이 있습니다. 딥플로우 포어캐스트는 월 단위로 출고량과 판매량을 예측하고, LLM 기반의 분석 보고서에서 과거 판매 추이, 계절적 패턴, 예측 근거, 각 부서별 실행 전략까지 자동으로 정리해줍니다.

과거에는 예측 수치를 받아들고 원인을 따지거나 보고 자료를 처음부터 새로 만드는 작업에 많은 시간이 필요했지만, 이런 번거로운 과정이 꽤 많이 줄어듭니다. 회의 하루 전, 자료를 급하게 준비해야 하는 경우가 잦은 기업일수록 이 차이를 분명히 체감할 수 있을 겁니다.

‍

3. 계획 버전 관리와 의사결정 기록

📖 두 제품 모두 계획 이력을 남길 수 있으며, 차이는 무엇을 한 단위로 저장하느냐에서 생깁니다. 수정 사유와 그 결과가 SKU 단위로 다음 회의에 다시 쓰이는지는 PoC 화면에서 직접 확인하셔야 합니다.

담당자가 AI의 제안을 수정했을 때, 그 이유와 결과가 다음 달 회의에서도 다시 검토되는지를 보면 시스템이 의사결정 경험을 어떻게 남기는지 알 수 있습니다.

SAP IBP도 계획 버전과 시나리오 기능을 지원합니다. 예를 들어 SAP IBP의 Excel 기반 계획 기능에서는 계획값을 수정해 시뮬레이션한 뒤, 그 결과를 별도의 버전으로 저장할 수 있습니다.

다만 계획 버전과 의사결정 기록은 쓰임새가 조금 다릅니다. 계획 버전은 특정 시점의 계획값을 묶어 저장하고, 이전 계획과 현재 계획을 비교할 때 유용합니다. 반면 의사결정 기록은 개별 SKU에서 누가 어떤 이유로 값을 조정했는지, 조정 폭은 얼마였는지, 이후 결과는 어땠는지를 함께 남기는 데 초점이 있습니다.

이 기록이 계속 쌓이면 특정 품목에서 비슷한 판단이 반복되는지, 과거에 내린 조정이 실제 결과와 얼마나 맞았는지도 돌아볼 수 있습니다.

이 차이는 제안서만 읽어서는 잘 보이지 않을 수 있습니다. 데모나 PoC 단계에서 지난달 수정 이력을 직접 열어보고, 당시 수정 이유와 결과가 이번 달 회의에서도 다시 활용되는지 확인해 보는 편이 좋습니다. 딥플로우 역시 회사마다 운영 방식이 다른 만큼, 실제 프로세스 안에서 이런 기록이 어떻게 남고 다시 쓰이는지 같은 기준으로 살펴보는 것이 좋습니다.

‍

4. 회사 규모와 운영 환경에 따라 달라지는 검토 순서

📖 여러 법인이 얽힌 복잡한 공급망을 하나로 표준화해야 한다면, SAP IBP처럼 전사적인 플랫폼부터 살펴볼 수 있습니다. 반대로, 이미 특정 품목이나 구매 과정에서 반복적으로 손실이 발생하고 있다면, 우선 작은 범위에서 검증해보는 방법이 더 현실적일 수 있습니다.

결국, 마지막에 남는 핵심 질문은 ‘어떤 제품을 쓸지’가 아니라 ‘우리 회사의 지금 상황이 무엇인지’입니다. 지금 전사 공급망 전체를 새로 설계할 필요가 있는지, 아니면 반복적인 손실이 나는 구체적인 의사결정부터 개선해 나가는 편이 효과적인지, 먼저 구분할 필요가 있습니다.

글로벌 공급망 관리나 다법인 운영 등 여러 조직과 계획을 하나의 기준으로 통합해야 한다면, 자연스럽게 범위가 넓은 플랫폼이 필요할 수 있습니다. SAP IBP는 수요 계획, S&OP, 재고, 공급과 응답, 수요 기반 보충, 공급망 컨트롤 타워 등 다양한 기능을 모듈로 제공하기 때문에, 필요한 영역만 먼저 도입하거나 여러 기능을 연결해 유연하게 활용할 수 있습니다.

하지만 모든 회사가 처음부터 전사 차원의 재설계를 시작할 필요는 없습니다. 예를 들어, 특정 품목군에서 과잉 재고가 반복되거나, 원자재 구매 시점을 잘못 잡아 계속해서 손실이 나는 등 문제가 분명히 드러난 곳이 있다면, 그 부분부터 좁게 평가하고 개선하는 접근이 오히려 더 적합할 수 있습니다.

이미 손실이 뚜렷하게 나타나는 구간이 있다면, 모든 전사 시스템이 완료될 때까지 기다릴 필요가 없습니다. 우선 해당 부분에 범위를 한정해 실 데이터를 적용하며 효과를 확인해볼 수 있죠. 만약 의미 있는 개선 결과가 나온다면, 그때 점차 적용 범위를 넓혀가는 것도 충분히 좋은 방법입니다.

‍

5. 임팩티브AI 딥플로우가 담당하는 분야

임팩티브AI는 AI 기반 수요예측과 원자재 가격 예측 솔루션을 제공하는 기업입니다. 현재 관련 기술로 75건의 특허를 보유하고 있습니다. 실제 사례를 보면, 일동후디스는 딥플로우를 도입한 후 재고 리스크를 26% 이상 줄이는 성과를 냈습니다. 제품은 크게 수요예측을 담당하는 '딥플로우 포어캐스트(Deepflow Forecast)'와 원자재 가격 예측에 초점을 맞춘 '딥플로우 머터리얼즈(Deepflow Materials)'로 나뉩니다.

Deepflow Forecast

224개 이상의 딥러닝·머신러닝 모델을 품목 특성에 맞게 조합해 출고량과 판매량을 예측합니다. LLM 기반 분석 리포트는 예측 근거를 정리하고, 세일즈·마케팅·SCM 등 부서별로 리스크와 기회 요인을 나눠 실행 전략을 제시합니다.

수요예측 결과는 월 단위를 기준으로 제공하므로, 시스템이 일 단위 보충 계획까지 직접 산출해야 하는 환경이라면 다른 구성을 검토하셔야 합니다.

Deepflow Materials

비철금속과 철강 원료부터 식품 원자재까지 폭넓은 품목의 가격을 예측합니다. 현재 전기동과 니켈, 철광석, 점결탄, 고철, 치즈 등을 제공하며, 대두와 옥수수 등으로 대상 품목을 계속 넓혀가고 있습니다. 국내 구매 담당자의 하루는 전날 종가를 확인하고 보고 자료를 만드는 데서 시작하는 경우가 많습니다.

딥플로우는 AI가 24시간 뉴스를 모니터링해 가격 움직임의 방향과 배경을 미리 정리해 둡니다. 담당자는 출근하자마자 정리된 내용에서 출발할 수 있고, 뉴스만으로는 가늠하기 어려운 시장 영향도 수치로 확인할 수 있습니다.

‍

6. 검토 회의 전 점검 체크리스트

아래 항목에 답을 채워보면, 두 제품 중 어느 쪽을 먼저 살펴볼지 대략 결정할 수 있습니다.

☐ 지난달 예측 오차가 가장 컸던 품목군을 지금 바로 말할 수 있는가?  

☐ 3개월 전 예측값과 실제 수요를 바로 비교해볼 수 있는가?  

☐ 발주 회의에서 예측값이 최종 결정에 어떻게 반영됐는지 기록이 남아 있는가?  

☐ 담당자가 예측값을 수정했을 때, 그 이유가 어디에 저장되는가?  

☐ 원자재 가격 전망이 실제 구매 시점 결정에 영향을 주고 있는가?  

☐ 영업, 생산, 구매 부서가 모두 같은 예측값을 기준으로 논의하고 있는가?  

☐ 기준정보와 채널별 판매 데이터가 제품, 거점, 고객 단위로 제대로 정리되어 있는가?  

☐ 앞으로 12개월 내에 변경이 필요한 것이 계획 체계 전체인가, 아니면 특정 판단 하나인가?

마지막 항목의 답이 '계획 체계 전체'라면, 전사 단위 플랫폼을 우선 검토 대상에 올려볼 수 있습니다. 만약 '특정 판단 하나'라면, 그 판단에서 발생하는 연간 손실 규모를 먼저 계산해보고, 해당 숫자를 바탕으로 도입 범위를 정하는 것이 좋습니다.

‍

결론

SAP IBP가 전사 계획의 큰 그림을 그려주는 역할을 한다면, 딥플로우는 담당자가 이번 달에 승인해야 할 발주와 구매 결정을 보다 명확하게 내릴 수 있도록 도와줍니다. 두 제품이 서로 경쟁하기보다 각기 다른 층위에서 움직이기 때문에, 우리 회사가 지금 어떤 부분을 개선하고 싶은지가 선택의 핵심이 됩니다.

이미 SAP를 중심으로 계획 업무가 돌아가는 회사라면, 기존 시스템을 그대로 두고 딥플로우를 병행해 활용하는 방법도 있습니다. ERP가 실행과 원장 데이터를, IBP가 전사 계획의 기준을 맡는 구조는 유지한 채, 딥플로우는 그 사이에서 예측 결과를 해석하고 실무 판단을 돕는 역할을 맡는 방식입니다. 검토 단계에서는 예측에 필요한 원천 데이터를 기존 시스템에서 가져올 수 있는지, 딥플로우에서 나온 결과를 다시 기존 시스템으로 넘길 수 있는지를 확인해보시는 것이 좋습니다.

딥플로우를 직접 경험해보고 싶으시다면 무료 PoC를 신청하실 수 있습니다. 데이터를 보내주시면 2주 이내에 결과 리포트를 받아보실 수 있는데요, 이 리포트에는 품목별 예측 결과와 정확도, 예측 트렌드에 대한 설명이 담겨 있습니다. 덕분에 우리 회사 데이터로 실제 수요 예측이 어느 정도 가능한지 미리 확인해볼 수 있습니다. 원자재 가격 예측이 궁금하다면, 별도로 데모를 신청해 살펴보실 수도 있습니다.