공급망이 스스로 결정한다-Agentic AI, 2030년의 절반을 바꾸는 기술

공급망 담당자라면 한 번쯤 이런 밤을 보냈을 거다. ERP에서 생산 계획을 짜놨더니 다음 날 공급 차질이 터져서 처음부터 다시. 그 재계획에 걸리는 시간이 수십 시간. 그 사이에 납기는 이미 틀어진다.

2026년 지금, 이 문제에 대한 업계의 답이 수렴하고 있다. 이름은 Agentic AI, 줄여서 AI Agent다. Gartner는 2030년까지 공급망 솔루션의 50%가 AI Agent를 탑재할 것이라고 봤다. BCG는 에이전틱 시스템이 2025년 AI 총 가치의 17%를 차지하며 2028년엔 29%까지 오를 것으로 전망했다. 숫자가 말하는 건 하나다. 이미 시작됐고, 빠르다.

---

자동화와 자율화는 다르다

먼저 용어 정리가 필요하다. AI Agent를 “자동화의 업그레이드 버전” 정도로 이해하면 본질을 놓친다.

기존 ERP·APS는 “규칙대로 실행”한다. 어떤 조건이면 어떤 행동. 예외 상황이 생기면? 규칙 밖이라 사람이 개입해야 한다. 자동화다.

AI Agent는 다르다. CIO가 정의하는 AI Agent는 “복잡한 다단계 행동을 자율적으로 수행하는 소프트웨어 프로그램”이다. 데이터를 분석하고, AI 모델을 써서 어떻게 반응할지 판단하고, 행동한다. 예외 상황에서도 스스로 경로를 찾는다. 자율화다.

Supply Chain Management Review가 정리한 핵심 구분 하나: “Agentic AI shifts supply chains from insight to execution.” 기존 AI가 “알려주는 것”이었다면, 에이전틱 AI는 “실행하는 것”이다. 감지하고 → 판단하고 → 행동하는 루프를 사람 없이 돌린다.

---

실제로 어디서 쓰이고 있나

Microsoft는 자사 공급망에 25개 이상의 AI Agent를 이미 배포했고, 2026년 말까지 100개 이상을 목표로 한다고 밝혔다. 구체적인 사례 세 가지를 공개했다.

Agent 이름	역할	핵심 기능
Demand Planning Agent	수요 시뮬레이션	AI 기반 수요 시뮬레이션, 수작업 조정 감소
DC Spare-Part Space Solver	재고·공간 최적화	컴퓨터비전으로 보관 수요 예측, 재고 부족 선제 대응
CargoPilot Agent	운송 최적화	운송 경로·비용·탄소·사이클타임 동시 분석해 최적 배송 추천

제약 산업 사례도 주목할 만하다. 한 글로벌 제약사는 Microsoft·Celonis 기반 에이전틱 아키텍처로 분산된 물류 데이터를 통합하고, 온도 민감 의약품 반품을 실시간으로 감지하는 에이전틱 반품 프로세스를 구축했다. 연간 수백만 유로 규모의 생산성 이득을 확보했다고 Microsoft가 밝혔다.

ICRON의 2025년 조사에 따르면 공급망·재고 관리에 에이전틱 AI를 도입한 기업 중 67%가 매출의 유의미한 증가를 경험했다. 숫자가 인상적이지만, 한 가지 다른 숫자도 함께 봐야 한다.

현재 에이전틱 AI 프로젝트의 40% 이상이 2027년까지 폐기될 것으로 예상된다(ICRON, 2025). 이유는 세 가지 — 비용 초과, 기존 시스템 통합 어려움, 비즈니스 가치 불명확. 기술이 되냐 안 되냐의 문제가 아니라, 어떻게 설계하느냐의 문제다.

---

왜 많은 도입이 실패하나 — 그리고 뭐가 다른가

Supply Chain Management Review는 실패 패턴을 이렇게 정리했다. “임원이 AI 도입을 지시하고, 시스템이 배포되고, 기대가 올라간다. 그리고 기술이 근본적인 비즈니스 문제를 해결하지 못하면서 무너진다.”

o9 Solutions의 수석이사 Esslinger의 말이 직설적이다. “핵심 계획 프로세스를 강화하지 않으면, 그 옆에 에이전트를 붙여봐야 가치가 없다.”

성공한 조직들의 공통점은 세 가지였다.

① 통합이 먼저다. AI Agent를 기존 계획 프로세스 위에 얹는 게 아니라, 통합 비즈니스 계획(IBP) 워크플로우 안에 직접 내장해야 한다.

② 결정 기록이 학습을 만든다. 왜 그 결정을 내렸고, 그 결과가 어땠는지를 기록해야 Agent가 개선된다. 한 번의 분석이 아니라 지속적인 학습 구조가 필요하다.

③ 완전 자율이 아닌 “경계 있는 자율(Bounded Autonomy)”이다. SCMR이 강조하는 개념이다. Agent가 스스로 결정할 수 있는 영역과 사람의 승인이 필요한 영역을 명확하게 설계해야 한다. 공급망에서 “자율”은 “감독 없는 자율”이 아니다.

---

— 이 흐름을 보면서 드는 생각 —

Harvard Business Review에 실린 Menache·Simchi-Levi 팀의 연구(2025)가 결론에서 하는 말이 있다. 에이전틱 AI가 공급망 개선에 효과적이지만, 동시에 인간의 편향을 그대로 반영할 위험도 있다고. 기술이 만능이 아니라는 경고다.

SCMR이 인터뷰한 공급망 전문가 Burkins의 말도 인상적이다. “공급망이 자율화될수록 공급망 전문가의 역할은 exception management로 진화한다.” AI가 루틴한 결정을 맡고, 사람은 판단·트레이드오프·전략적 감독에 집중한다는 뜻이다.

그게 현실적인 그림이다. AI Agent가 공급망 전문가를 대체하는 게 아니라, 공급망 전문가가 다뤄야 할 것들이 달라지는 것. 지금 ERP 화면 들여다보며 수작업 재계획하는 시간을, 어떤 예외에 어떻게 대응할지 설계하는 시간으로 바꾸는 것이다.

도입의 질문은 “할 수 있냐”가 이미 아니다. “어떤 결정을 위임하고, 어디서 사람이 개입할 것인가”를 설계하는 문제다. 그 설계가 경쟁력이 된다.

본 글은 공개된 해외 미디어·리서치 자료를 바탕으로 작성된 정보 제공 목적의 콘텐츠입니다. 인용된 통계 수치는 각 출처 발행 시점 기준이며, 산업 변화에 따라 달라질 수 있습니다.