고객의 주문을 제때 결품 없이 잘 공급하면서도 통제 가능한 수준으로 재고를 보유하는 것은

운영 담당자들이 늘 추구하는 이상적인 모습이다.

이러한 이상적인 수준에 도달하기 위해 많은 기업들은 SCM이라는 개념을 도입하고 운영을 혁신하거나 개선해 왔다.

지금까지는 ERP(Enterprise Resource Planning, 전사적자원관리)에 내장된 MRP(Material Requirements Planning, 자재소요계획)를 정기적으로 실행하고, 그 결과로부터 얻은 각종 오더(Production Order, Purchase Order)에 있는 일정과 수량을 차질없이 준수하는 것이 이 이상향에 도달하는 가장 효과적인 방법이라고 알려져 있다.

여기서 한 발 더 나아가 필자는 MRP 결과로 도출된 오더의 일정과 수량을 정확히 준수하는 기업이야말로 높은 운영 역량을 갖춘 기업이라고 믿고 있다. 하지만 현실적으로 많은 기업들이 MRP 결과에 만족하지 못하거나, 그 결과를 그대로 실행할 수준에 이르지 못해 결국 MRP 기능을 적극적으로 활용하지 않는 경우가 많다. 이는 매우 안타까운 일이다.

회사의 운영 수준을 가늠하는 잣대가 MRP 결과의 수준이라고 했는데,

MRP는 사실 그렇게 복잡하거나 난해한 로직이 아니며 전 세계 모두가 공통으로 사용하는 표준 로직이다.

“로직 그 자체로는 우열이나 차별성이 별로 없는데도 불구하고, 회사마다 MRP 결과의 수준에 차이가 나는 이유는 무엇일까?”  라는 질문을 던졌을 때 그 답을 MRP 로직이 아닌 인풋에서 찾는 것은 어쩌면 당연하다.

그렇기 때문에 많은 회사들이 MRP 인풋과 관련된 요소들을 SCM 혁신의 대상으로 삼고 혁신 활동을 전개하고 있다.

대표적인 MRP 인풋으로는 ①재고, ②기준정보(자재마스터, BOM, Routing, Work Center 등), ③동적 데이터(MRP 결과로 발행된 각종 Order), 그리고 ④MPS(Master Production Schedule)가 있다.

앞에서 열거한 세 가지 요소는 ERP 자체에서 관리되는 데이터들인데 반해, 마지막 한 가지는 ERP 외부에서 만든

 ‘완제품 생산계획(MPS)’이다. 이를 통해 ‘수요계획 – MPS – MRP – 실행’이라는 관계가 형성된다.

관계를 좀 더 들여다보자.
‘MPS – MRP’의 관계에서는 MRP가 세계 공통의 표준 로직이므로, MPS가 주어지면 MRP 결과는 단 하나로 정해진다.

하지만 ‘수요계획 – MPS’의 관계에서는 이야기가 다르다. 하나의 수요계획에 대해서도 MPS는 수천, 수만 가지로 만들 수 있다. 이는 주어진 수요계획에 대해 MPS를 얼마나 잘 만들었는가에 따라 MRP 결과의 품질이 달라지고, 결국 실행 또한 잘할 수 있음을 의미한다.

주간 운영(Weekly Operation) 체계에서는 매주 수요계획이 배포되고, 수요를 만족하는 무수히 많은 공급 대안들 가운데

그나마 적합한 하나의 대안(MPS)을 S&OP 회의를 통해 정하게 된다.
그리고 이렇게 확정된 MPS를 MRP의 인풋으로 삼아 MRP를 수행하고, 그 결과대로 운영하려 노력하는 셈이다.

그러므로 ‘좋은 MPS’는 회사의 운영 수준을 결정짓는 매우 중요한, 어쩌면 가장 핵심적인 차별화 요인이 된다.

이러한 관점에서 본다면 많은 회사들이 MRP 결과가 만족스럽지 않아 MRP를 제대로 활용하지 못하는 상당한 원인은

ERP 자체의 한계보다는 질 좋은 MPS를 만들지 못하는 데 있을 가능성이 높다

이처럼 중요한 MPS의 수립을 도와주는 도구가 바로 APS(Advanced Planning & Scheduling)이다.

APS는 운영 활동을 지원하는 다른 시스템과는 다른 두 가지 독특한 특성을 지닌다.

첫째, APS 없이도 계획을 세울 수 있다.

다른 일반적인 운영 시스템, 예를 들어 ERP나 MES 등은 시스템을 통해 처리해야 하는 일을 엑셀로 대체할 수 없지만,

계획 수립은 APS를 사용하지 않아도 담당자가 엑셀로 충분히 괜찮은 MPS를 만들 수 있다.

회사의 규모와 운영 복잡도가 커져 더 이상 담당자의 노하우를 엑셀에 담는 방식으로는 좋은 계획을 수립하기 어려운 단계에 이르더라도,

APS 사용에 익숙해지는 과정 자체가 부담스러워서인지 섣불리 다른 대체 수단을 찾지 않으려 하는 경우가 많다.

둘째, ERP나 MES 등과 같은 시스템은 주로 행위의 ‘결과’를 기록하는 그릇인 반면, APS는 미래를 계획(Planning)하는 역할을 맡는다.
행위의 기록을 담는 시스템들은 비교적 용이하게  “시스템이 올바르게 구축되었는가”를 검증할 수 있지만, APS는 잘 구축되었는지를

검증하기 어려운 경우가 많다. 수천, 수만 가지 경우의 수가 존재하는 계획 결과 중에서, 사용자가 엑셀로 수립한 계획과 APS가 생성한 계획이 정확히 일치할 확률은 거의 없다. 이처럼 서로 다른 결과를 놓고 사용자가 선뜻 엑셀을 APS로 대체하기에는 망설여지는 요인들이 너무 많다.

이 두 가지 이유로 인해, 좋은 MPS가 운영 수준을 향상시키는 매우 중요한 위치를 차지함에도 불구하고

MPS를 잘 수립할 수 있도록 도와주는 APS는 다른 시스템에 비해 구축 빈도가 훨씬 낮았던 것이 사실이다.

지난 몇 년 동안 업계는 인공지능(AI)을 탑재하여 APS의 가치를 높이고 사용자에게 더 효율적인 환경을 제공하고자 노력해 왔다.

주로 예측의 정확도를 높이고 의사결정을 돕는 분야에 주력해 왔으며, 몇 가지 사례를 들면 다음과 같다.
△딥러닝 기법을 활용해 수요예측 정확도를 높이고 △강화학습을 통해 더 높은 품질의 생산계획을 수립하며

△대규모 언어모델(LLM)을 적용해 사용자가 화면의 입력창에 알고 싶은 계획 결과를 자연어로 입력하면

지정된 메뉴를 선택하지 않아도 원하는 분석 화면을 바로 확인할 수 있도록 하는 등의 편의를 제공해 왔다.

그런데 앞으로는 이 판도가 바뀔 조짐이 보인다.

2026년 이후 제조업의 APS는 단순히 인공지능을 활용하는 단계를 넘어,

‘에이전틱 AI(Agentic AI)’를 도입해 자율적이고 목표지향적인 계획-실행 시스템으로 진화할 것으로 예측된다.

에이전틱 AI란 특정 목표(Goal)를 부여받으면 스스로 계획(Planning)을 수립하고, 행동(Action)을 실행하며, 그 결과를 관찰해 필요시

자율적으로 수정(Reflection)하는 AI 모듈을 의미한다. 상위의 목표 달성을 위해 각 AI 모듈인 에이전트들은 상호교류도 할 수 있다.

예를 들어, 측정 설비에 고장이 발생하면 에이전틱 AI는 MES에서 설비 정보를 불러오고 ERP에서 재고 데이터를 조회해 대체 생산 경로를

구성한다. 이후 납기 영향도를 시뮬레이션한 뒤 사람에게 수정안을 제안하며, 경우에 따라서는 일정 변경까지 자동으로 처리할 수도 있다.
이는 단순한 자동화 알고리즘이 아니라, 마치 숙련된 계획 전문가처럼 행동하는 디지털 주체(Agent)이다.

단순히 인공지능을 활용할 때에는 인공지능이 계획 수립 담당자를 돕는 역할에 머물렀다면, 앞으로 에이전틱 AI 기반으로 구현되는 APS는 “AI Planner”라는 개념으로 확장될 것이다. 사람과 AI가 협업하는 형태의 공급망 운영이 시범적으로 도입될 것으로 예상된다.

이러한 혁신적인 변화는 기술적 정체로 잠시 침체되었던 APS 시장에도 새로운 활력을 불어넣을 것이다.

과거 APS가 복잡한 구축 난이도로 인해 특정 대기업에 국한되었다면, 에이전틱 AI의 도입은 중견 · 중소 제조업체까지 그 혜택을 확대하며

시장 규모 자체를 키우는 결정적인 역할을 할 것이다.

하지만 이러한 신기술의 성공은 AI 엔진의 정교함 이전에

기업이 스스로 정립한 운영 정책과 기준, 그리고 이를 반영하는 데이터의 품질에 달려 있다.

결국 APS 솔루션 기업은 에이전틱 AI라는 최신 기술을 통해, 고객사가 운영의 본질인 P–D–C–A 사이클을 더 빠르고 정확하며

자율적으로 실행하도록 돕는 파트너가 되어야 한다. 

복잡성이 증가할수록 인간의 계획 한계를 AI가 보완하는 이 구조는 APS 솔루션의 도입을 강력히 촉진할 것이다.

에이전틱 AI는 제조업 공급망 계획을 단순한 ‘반복 작업’에서 ‘전략적 운영 혁신’의 영역으로 승격시키는 핵심 요소가 될 것이다.

AI라는 큰 시대적 조류를 잘 활용해 대기업뿐만 아니라 중견 · 중소기업,

그리고 APS 솔루션 기업 모두가 활짝 웃는 그날을 기대해 본다.