재고 불일치 유통사, ERP 구축부터 추진

해외 구두 브랜드를 수입해 파는 유통사는 백화점 매장 6곳과 다른 매장 3곳, 모두 9곳을 운영하며 본사 직원 5명이 관리합니다. 판매 기록은 백화점 전산과 회사 안팎의 약 10개 도구에 흩어져 있습니다. 매장 직원은 한 건의 판매를 회사 장부 5곳에 옮겨 적지만, 어디에서도 실제 재고를 한 번에 확인할 수 없습니다. 회사는 자사몰 개편을 의뢰했지만, 프로젝트를 맡은 위시켓 AIDP의 안재훈 파트장은 여러 업무의 출발점은 모두가 같은 숫자를 신뢰할 수 있는 재고 장부라고 진단했습니다.

재고가 맞지 않는 이유는 세 가지였습니다. 회계용 ERP에는 자산으로 잡는 구두만 등록돼 액세서리와 슈케어 용품, 샘플 등은 구글시트로 관리됐고, 한 케어용품은 장부와 실물 수량 차이가 약 2천 개였습니다. 불량품과 서비스 제공 물품은 따로 세지 않았으며, 본사 창고는 정기 전수조사 없이 전표를 더하고 빼 재고를 추적했습니다. 매장 진열용 구두도 한 창고에 몰아 기록해 위치와 수량을 알기 어려웠습니다.

같은 판매를 적는 장부마다 매출 기준도 달랐습니다. 발주 담당자의 보고서는 고객 주문일, ERP는 물건이 출고된 날, 백화점 온라인몰은 배송 완료일을 기준으로 삼고, 세무사에게 보내는 계산서는 수수료를 뺀 금액을 기록했습니다. 백화점 명의로 판매하는 6개 매장은 수수료를 뺀 금액이 회사 매출이고, 회사 명의로 판매하는 3개 매장은 판매 총액이 매출이었습니다. 회사가 기준을 정하지 않아 같은 달 매출과 월말 재고가 장부마다 달랐습니다.

상품이 실제 창고에 들어오기 전에는 ERP에 재고가 기록되지 않지만, 구글시트에는 입고 예정 품목이 먼저 올라옵니다. 매장 직원이 그 기록을 보고 미리 결제를 받으면 ERP에는 없는 물건을 판매한 것으로 처리돼 재고가 0보다 작아질 수 있습니다. 수입 상품 원가도 실제 송금 환율이 아닌 어림잡은 환율과 운송비로 계산해 왔습니다. 대표는 실제 재고를 반영해 세금을 신고하고 싶어 했습니다.

팀장은 과거 판매를 바탕으로 다음 발주 수량을 예측하고, 여러 채널의 판매를 모으며, 간단한 문의를 챗봇으로 받기를 원했습니다. 팀장은 이미 엑셀을 Claude에 연결해 판매 분석 리포트를 만들고 있었고, 마케팅 담당자는 쇼핑몰 상품 등록을 자동화하고 있었습니다. 그러나 AIDP는 발주 예측과 판매 취합을 프로젝트 초기 범위에서 제외했습니다. 재고·판매·입고 예정 데이터가 흩어져 있고 매출 기준도 서로 달라, AI가 기준 하나를 임의로 고르면 결과를 직원들이 믿기 어렵다고 판단했기 때문입니다. 프로젝트는 발주 준비, 입고 검수, 판매 취합, 재고 요청 처리에 걸리는 시간을 줄이는 것을 목표로 삼고, 시작 시점의 시간을 측정해 완료 후 다시 비교하기로 했습니다.

회사는 회계 재고만 기록하던 기존 ERP를 대신해 입고부터 매장 이동과 판매까지 재고 흐름을 담는 ERP를 만들기로 했습니다. 대표는 실제 송금 환율에 해당 입고분의 평균 운송비를 더해 상품 원가를 계산하기로 했습니다. 회사 기록이지만 ERP에 담기지 않아 별도 시트나 수기 장부에 있던 정보는 새 시스템으로 옮기고, 백화점 전산·택배사 양식·세무사 장부처럼 외부 협력사와 연결된 기록은 파일을 올리고 내려받는 접점으로 남기기로 했습니다. 새 ERP에 재고를 처음 입력하는 날에는 직원들이 창고와 매장 재고를 전부 세어 실제 수량에서 시작할 예정입니다.

현재 AI는 회사 기록을 읽어 진단을 돕고, 입고 검수 때 박스 사진의 글자를 읽어 수량을 대조하는 데 쓰입니다. 박스 사진 검수는 정확도를 시험 중이며 최종 확인은 사람이 합니다. 재고가 새 ERP에 정리되면 AI가 과거 판매와 재고를 바탕으로 다음 달 발주량을 제안하고, 여러 채널의 판매를 한 표로 모으며, 재입고를 기다리는 고객에게 알리고, 매장의 본사 재고 요청에 답하는 업무를 지원할 수 있습니다. 어떤 업무부터 할지는 ERP가 자리 잡은 뒤 회사에 가장 이익이 되는 순서로 정하기로 했습니다. 본사 직원 5명에게 반복 업무를 봇으로 만드는 교육도 진행할 계획입니다.

AIDP는 직원들이 80% 정도 완성된 ERP를 2주간 사용한 뒤 범위를 확정하기로 했습니다. 필자는 회사의 재고·물류 업무가 기록의 값이 일치하는 Lv1(데이터 정합)에 미치지 못하고, 사람의 기억과 카카오톡에 의존하는 Lv0(암묵 운영)에 가깝다고 진단했습니다. 새 ERP로 Lv1과 업무 흐름이 시스템에 보이는 Lv2(프로세스 정형)를 만든 뒤 AI가 업무를 돕는 Lv3(지능 보조 운영)로 넘어간다는 구상입니다. 필자는 신뢰할 수 있는 재고 흐름을 보여주는 ERP가 먼저 갖춰져야 하며, 재고가 틀린 상태에서 AI를 쓰면 틀린 재고를 더 빨리 보여줄 뿐이라고 설명했습니다.

해외 구두 브랜드를 수입해 파는 유통사는 백화점 매장 6곳과 다른 매장 3곳, 모두 9곳을 운영하며 본사 직원 5명이 관리합니다. 판매 기록은 백화점 전산과 회사 안팎의 약 10개 도구에 흩어져 있습니다. 매장 직원은 한 건의 판매를 회사 장부 5곳에 옮겨 적지만, 어디에서도 실제 재고를 한 번에 확인할 수 없습니다. 회사는 자사몰 개편을 의뢰했지만, 프로젝트를 맡은 위시켓 AIDP의 안재훈 파트장은 여러 업무의 출발점은 모두가 같은 숫자를 신뢰할 수 있는 재고 장부라고 진단했습니다.

재고가 맞지 않는 이유는 세 가지였습니다. 회계용 ERP에는 자산으로 잡는 구두만 등록돼 액세서리와 슈케어 용품, 샘플 등은 구글시트로 관리됐고, 한 케어용품은 장부와 실물 수량 차이가 약 2천 개였습니다. 불량품과 서비스 제공 물품은 따로 세지 않았으며, 본사 창고는 정기 전수조사 없이 전표를 더하고 빼 재고를 추적했습니다. 매장 진열용 구두도 한 창고에 몰아 기록해 위치와 수량을 알기 어려웠습니다.

같은 판매를 적는 장부마다 매출 기준도 달랐습니다. 발주 담당자의 보고서는 고객 주문일, ERP는 물건이 출고된 날, 백화점 온라인몰은 배송 완료일을 기준으로 삼고, 세무사에게 보내는 계산서는 수수료를 뺀 금액을 기록했습니다. 백화점 명의로 판매하는 6개 매장은 수수료를 뺀 금액이 회사 매출이고, 회사 명의로 판매하는 3개 매장은 판매 총액이 매출이었습니다. 회사가 기준을 정하지 않아 같은 달 매출과 월말 재고가 장부마다 달랐습니다.

상품이 실제 창고에 들어오기 전에는 ERP에 재고가 기록되지 않지만, 구글시트에는 입고 예정 품목이 먼저 올라옵니다. 매장 직원이 그 기록을 보고 미리 결제를 받으면 ERP에는 없는 물건을 판매한 것으로 처리돼 재고가 0보다 작아질 수 있습니다. 수입 상품 원가도 실제 송금 환율이 아닌 어림잡은 환율과 운송비로 계산해 왔습니다. 대표는 실제 재고를 반영해 세금을 신고하고 싶어 했습니다.

팀장은 과거 판매를 바탕으로 다음 발주 수량을 예측하고, 여러 채널의 판매를 모으며, 간단한 문의를 챗봇으로 받기를 원했습니다. 팀장은 이미 엑셀을 Claude에 연결해 판매 분석 리포트를 만들고 있었고, 마케팅 담당자는 쇼핑몰 상품 등록을 자동화하고 있었습니다. 그러나 AIDP는 발주 예측과 판매 취합을 프로젝트 초기 범위에서 제외했습니다. 재고·판매·입고 예정 데이터가 흩어져 있고 매출 기준도 서로 달라, AI가 기준 하나를 임의로 고르면 결과를 직원들이 믿기 어렵다고 판단했기 때문입니다. 프로젝트는 발주 준비, 입고 검수, 판매 취합, 재고 요청 처리에 걸리는 시간을 줄이는 것을 목표로 삼고, 시작 시점의 시간을 측정해 완료 후 다시 비교하기로 했습니다.

회사는 회계 재고만 기록하던 기존 ERP를 대신해 입고부터 매장 이동과 판매까지 재고 흐름을 담는 ERP를 만들기로 했습니다. 대표는 실제 송금 환율에 해당 입고분의 평균 운송비를 더해 상품 원가를 계산하기로 했습니다. 회사 기록이지만 ERP에 담기지 않아 별도 시트나 수기 장부에 있던 정보는 새 시스템으로 옮기고, 백화점 전산·택배사 양식·세무사 장부처럼 외부 협력사와 연결된 기록은 파일을 올리고 내려받는 접점으로 남기기로 했습니다. 새 ERP에 재고를 처음 입력하는 날에는 직원들이 창고와 매장 재고를 전부 세어 실제 수량에서 시작할 예정입니다.

현재 AI는 회사 기록을 읽어 진단을 돕고, 입고 검수 때 박스 사진의 글자를 읽어 수량을 대조하는 데 쓰입니다. 박스 사진 검수는 정확도를 시험 중이며 최종 확인은 사람이 합니다. 재고가 새 ERP에 정리되면 AI가 과거 판매와 재고를 바탕으로 다음 달 발주량을 제안하고, 여러 채널의 판매를 한 표로 모으며, 재입고를 기다리는 고객에게 알리고, 매장의 본사 재고 요청에 답하는 업무를 지원할 수 있습니다. 어떤 업무부터 할지는 ERP가 자리 잡은 뒤 회사에 가장 이익이 되는 순서로 정하기로 했습니다. 본사 직원 5명에게 반복 업무를 봇으로 만드는 교육도 진행할 계획입니다.

AIDP는 직원들이 80% 정도 완성된 ERP를 2주간 사용한 뒤 범위를 확정하기로 했습니다. 필자는 회사의 재고·물류 업무가 기록의 값이 일치하는 Lv1(데이터 정합)에 미치지 못하고, 사람의 기억과 카카오톡에 의존하는 Lv0(암묵 운영)에 가깝다고 진단했습니다. 새 ERP로 Lv1과 업무 흐름이 시스템에 보이는 Lv2(프로세스 정형)를 만든 뒤 AI가 업무를 돕는 Lv3(지능 보조 운영)로 넘어간다는 구상입니다. 필자는 신뢰할 수 있는 재고 흐름을 보여주는 ERP가 먼저 갖춰져야 하며, 재고가 틀린 상태에서 AI를 쓰면 틀린 재고를 더 빨리 보여줄 뿐이라고 설명했습니다.