목록으로
업무 생산성 개선을 위한 AI 활용
예측 정확도 98.8%, 보고서 작성 0분 — ERP 실시간 연동 AI 영업 관제 플랫폼
엑셀 수기보고 → 30분 자동연동 + 16년치 학습 AI 예측, 현업이 직접 만든 영업 관제 시스템"
🤖 활용 AI 도구
Claude Code (코드 생성·리팩터링), Gemini (UI/문서화), PyTorch Temporal Fusion Transformer (예측모델)
① 어떤 상황에서 AI를 활용했나요?
압연내수 영업 현장은 LME 동·아연 시세, USD/KRW 환율, 전기료 등 매일 출렁이는 외부 변수에 영업이익이 직결됩니다.
그러나 기존에는 담당자가 매일 아침 SAP에서 데이터를 추출해 엑셀로 가공·보고하는 방식이라, 데이터 확인까지 평균 2~3시간이 걸리고 "환율이 50원 오르면 우리 이익은?" 같은 질문에는 답할 수 없었습니다.
"현재 얼마를 팔았는가"를 넘어, "바뀌는 시장 상황에서 우리 이익은 어떻게 변할 것인가" 를 실시간으로 판단해야 한다는 절박함에서 AI 도입을 시작했습니다.
② 어떤 AI를 어떻게 활용했나요?
단순한 대시보드가 아닌 '지능형 영업 관제 시스템'을 구축했습니다.
- 실시간 엔진: Python 스케줄러가 30분 단위로 SAP ERP 판매실적을 자동 수집, LME 시세·환율을 정해진 시각에 한번 수집하여 가공 후 현황판에 투영
- 데이터 인프라: SAP 원천 데이터를 정규화한 MySQL 데이터마트를 직접 설계·구축, 16년 치 이력을 단일 쿼리로 조회 가능한 분석 기반 마련
- 예측 AI: PyTorch 기반 Temporal Fusion Transformer(TFT) 모델을 학습, 채널/품종별 P50 중앙값 + 신뢰구간까지 산출
- What-if 시뮬레이션: "환율·관련산업 BSI·원가' 등 핵심 매크로 변수만 움직이면 학습된 모델이 수 초 안에 예상 판매량·가득액·영업이익을 재계산
- 개발 협업: Claude Code로 코드 골격 생성 → Gemini로 UI/문서화라는 LLM 워크플로우로, 개발 비전공자인 현업 담당자가 약 4주 만에 운영 수준의 앱을 완성
③ 활용 결과 어떤 변화가 있었나요?
데이터의 선순환 구조가 만들어졌습니다.
- 정확도: 16년 치 SAP 데이터를 학습한 결과, 누적 판매량·가득액 예측에서 MAPE 1.2%(정확도 98.8%) 달성
(Prophet MAPE 4.8% → TFT 1.2%로 4배 개선, 채널/품종별 신뢰구간 산출이 가능한 것이 결정적 차이)
- 효율성: 일일 수기 보고서 작성 2~3시간 → 0분 (30분 자동 갱신으로 대체), 월간 사업계획 검토 리드타임 3~5일 → 당일로 단축
- 비용 절감: 3개 팀 기준 연간 약 1,800시간 이상의 수기 보고·분석 공수가 절감되었으며(숙련 인력 1명분), 환율·시세 급변동 시 수 분 내 영업이익 영향을 자동 산출하여 가격 조정·출고 우선순위 등 선제적 의사결정으로 마진 훼손 리스크를 사전 차단하고 있습니다.
- 통찰력: 유통사 평점·이탈률 알고리즘과 예측 데이터를 결합 → 판매량 중심에서 '수익성 높은 거래처' 중심 영업 전략으로 전환
- 가시성: 영업실 전인원이 자유롭게 접속하여 내역을 확인할 수 있고, 경영진이 별도 보고 없이 현황판 한 화면에서 계획 대비 진척률, 미처리 출고, 품종별 비중을 즉시 확인
- 조직 공인: 본 시스템의 업무 혁신 성과를 인정받아 2026년 사내 기술대상 수상이 확정되었습니다. 단순 PoC가 아닌, 영업실 전 인원이 매일 실사용하는 시스템이 현업 주도 AI 활용의 모범 사례로 평가받은 결과입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
**"현업 전문가(Domain Expert)가 직접 설계한 실무 최적화 인터페이스"**가 핵심입니다.
- 현업 동선 그대로: 영업팀이 매일 보는 KPI 순서(누적 판매량 → 가득액 → 일일 출고 → 품종/고객별 비중)를 한 화면에 배치, 클릭 3회 안에 모든 의사결정 정보 도달
- AI를 모르는 사람도 쓰는 What-if: 복잡한 모델 파라미터 대신 "환율·관련산업 BSI 3개"로 누구나 미래 시나리오 시뮬레이션
- 외부 데이터 입체 결합: 자체 개발한 유통사 평점 알고리즘을 현황판에 통합 → 내부 ERP + 외부 평가 데이터를 한 화면에서 교차분석
- 운영 안정성: 30분 자동 갱신 + 오류 시 마지막 정상 데이터 유지 로직으로, 영업회의 중에도 끊김 없음
- 외부 돌발 변수(관세 급변, 공급망 이슈 등)에는 예측 정확도가 떨어지며, 향후 뉴스 센티먼트 NLP 연동을 계획 중
⑤ 다른 사람도 따라 할 수 있나요?
충분히 가능합니다. 실제로 본 시스템은 압연영업실 3개 팀(팀별 상이한 채널·KPI 구조)에 동시 적용하여 운영 중입니다.
데이터 원천과 KPI 매핑만 조정하면 팀별 맞춤 대시보드가 생성되는 구조로 설계했기 때문에, 1개 팀용으로 만든 것을 3개 팀에 확장하는 데 추가 개발 기간은 단 1주일이었습니다.
저는 개발 비전공자임에도 LLM과의 협업으로 이 시스템을 독자 구축했습니다. 핵심은 **"업무 흐름(Domain Knowledge)을 가장 잘 아는 실무자가 AI를 도구로 쓸 때 가장 강력한 시너지가 난다"**는 것입니다.
제가 정립한 'ERP 연동 → AI 모델링 → 시뮬레이션 시각화' 3단 파이프라인은:
- 범용성: 데이터 원천만 SAP/Oracle/자체 DB 등으로 바꾸면 어떤 부서·어떤 산업에도 즉시 응용 가능
- 비용: 모든 구성요소가 오픈소스(Python·PyTorch·Streamlit·MySQL) 기반, 추가 라이선스 비용 없음
- 공유: 전 과정을 1분짜리 영상 5편으로 공개, 누구나 자신의 업무에 맞춰 응용할 수 있는 표준 모델로 정리
압연내수 영업 현장은 LME 동·아연 시세, USD/KRW 환율, 전기료 등 매일 출렁이는 외부 변수에 영업이익이 직결됩니다.
그러나 기존에는 담당자가 매일 아침 SAP에서 데이터를 추출해 엑셀로 가공·보고하는 방식이라, 데이터 확인까지 평균 2~3시간이 걸리고 "환율이 50원 오르면 우리 이익은?" 같은 질문에는 답할 수 없었습니다.
"현재 얼마를 팔았는가"를 넘어, "바뀌는 시장 상황에서 우리 이익은 어떻게 변할 것인가" 를 실시간으로 판단해야 한다는 절박함에서 AI 도입을 시작했습니다.
② 어떤 AI를 어떻게 활용했나요?
단순한 대시보드가 아닌 '지능형 영업 관제 시스템'을 구축했습니다.
- 실시간 엔진: Python 스케줄러가 30분 단위로 SAP ERP 판매실적을 자동 수집, LME 시세·환율을 정해진 시각에 한번 수집하여 가공 후 현황판에 투영
- 데이터 인프라: SAP 원천 데이터를 정규화한 MySQL 데이터마트를 직접 설계·구축, 16년 치 이력을 단일 쿼리로 조회 가능한 분석 기반 마련
- 예측 AI: PyTorch 기반 Temporal Fusion Transformer(TFT) 모델을 학습, 채널/품종별 P50 중앙값 + 신뢰구간까지 산출
- What-if 시뮬레이션: "환율·관련산업 BSI·원가' 등 핵심 매크로 변수만 움직이면 학습된 모델이 수 초 안에 예상 판매량·가득액·영업이익을 재계산
- 개발 협업: Claude Code로 코드 골격 생성 → Gemini로 UI/문서화라는 LLM 워크플로우로, 개발 비전공자인 현업 담당자가 약 4주 만에 운영 수준의 앱을 완성
③ 활용 결과 어떤 변화가 있었나요?
데이터의 선순환 구조가 만들어졌습니다.
- 정확도: 16년 치 SAP 데이터를 학습한 결과, 누적 판매량·가득액 예측에서 MAPE 1.2%(정확도 98.8%) 달성
(Prophet MAPE 4.8% → TFT 1.2%로 4배 개선, 채널/품종별 신뢰구간 산출이 가능한 것이 결정적 차이)
- 효율성: 일일 수기 보고서 작성 2~3시간 → 0분 (30분 자동 갱신으로 대체), 월간 사업계획 검토 리드타임 3~5일 → 당일로 단축
- 비용 절감: 3개 팀 기준 연간 약 1,800시간 이상의 수기 보고·분석 공수가 절감되었으며(숙련 인력 1명분), 환율·시세 급변동 시 수 분 내 영업이익 영향을 자동 산출하여 가격 조정·출고 우선순위 등 선제적 의사결정으로 마진 훼손 리스크를 사전 차단하고 있습니다.
- 통찰력: 유통사 평점·이탈률 알고리즘과 예측 데이터를 결합 → 판매량 중심에서 '수익성 높은 거래처' 중심 영업 전략으로 전환
- 가시성: 영업실 전인원이 자유롭게 접속하여 내역을 확인할 수 있고, 경영진이 별도 보고 없이 현황판 한 화면에서 계획 대비 진척률, 미처리 출고, 품종별 비중을 즉시 확인
- 조직 공인: 본 시스템의 업무 혁신 성과를 인정받아 2026년 사내 기술대상 수상이 확정되었습니다. 단순 PoC가 아닌, 영업실 전 인원이 매일 실사용하는 시스템이 현업 주도 AI 활용의 모범 사례로 평가받은 결과입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
**"현업 전문가(Domain Expert)가 직접 설계한 실무 최적화 인터페이스"**가 핵심입니다.
- 현업 동선 그대로: 영업팀이 매일 보는 KPI 순서(누적 판매량 → 가득액 → 일일 출고 → 품종/고객별 비중)를 한 화면에 배치, 클릭 3회 안에 모든 의사결정 정보 도달
- AI를 모르는 사람도 쓰는 What-if: 복잡한 모델 파라미터 대신 "환율·관련산업 BSI 3개"로 누구나 미래 시나리오 시뮬레이션
- 외부 데이터 입체 결합: 자체 개발한 유통사 평점 알고리즘을 현황판에 통합 → 내부 ERP + 외부 평가 데이터를 한 화면에서 교차분석
- 운영 안정성: 30분 자동 갱신 + 오류 시 마지막 정상 데이터 유지 로직으로, 영업회의 중에도 끊김 없음
- 외부 돌발 변수(관세 급변, 공급망 이슈 등)에는 예측 정확도가 떨어지며, 향후 뉴스 센티먼트 NLP 연동을 계획 중
⑤ 다른 사람도 따라 할 수 있나요?
충분히 가능합니다. 실제로 본 시스템은 압연영업실 3개 팀(팀별 상이한 채널·KPI 구조)에 동시 적용하여 운영 중입니다.
데이터 원천과 KPI 매핑만 조정하면 팀별 맞춤 대시보드가 생성되는 구조로 설계했기 때문에, 1개 팀용으로 만든 것을 3개 팀에 확장하는 데 추가 개발 기간은 단 1주일이었습니다.
저는 개발 비전공자임에도 LLM과의 협업으로 이 시스템을 독자 구축했습니다. 핵심은 **"업무 흐름(Domain Knowledge)을 가장 잘 아는 실무자가 AI를 도구로 쓸 때 가장 강력한 시너지가 난다"**는 것입니다.
제가 정립한 'ERP 연동 → AI 모델링 → 시뮬레이션 시각화' 3단 파이프라인은:
- 범용성: 데이터 원천만 SAP/Oracle/자체 DB 등으로 바꾸면 어떤 부서·어떤 산업에도 즉시 응용 가능
- 비용: 모든 구성요소가 오픈소스(Python·PyTorch·Streamlit·MySQL) 기반, 추가 라이선스 비용 없음
- 공유: 전 과정을 1분짜리 영상 5편으로 공개, 누구나 자신의 업무에 맞춰 응용할 수 있는 표준 모델로 정리
