์ฌ์ ๋ฆฌ๋
AI ํ๋ซํผ์ ๋ํ๊ตฌ๋ CPG์์ ์์ฌ๊ฒฐ์ ์ ์ฌ์ ์ํ๊ณ ์๋ค
2025년에 하나의 주제가 AI를 정의한다면, 그것은 가속화이다. 실제로 발전의 속도는 증가한 것만이 아니라 기하급수적으로 성장했다.今年, 산업은 이전 세대의 모델로는 불가능했던 작업이 가능해졌다는 것을 보았다. 예를 들어, LLMs는 수학적推論의 최전선에 도전하고, 텍스트 프롬프트에서 작동하는 소프트웨어 인터페이스를 생성하고, 단일 프롬프트에서 장형 비디오를 생성했다.曾經 想象할 수 있었던 것이 现実이 되었다.
이러한 돌파구는 단지 AI 성능의 상한선을 높인 것이 아니라, 특히 데이터 분할, 분리된 시스템 및 수동 워크플로우로 인해 의사결정이 느려진 소비자 包裝財貨 (CPG)와 같은 산업 전체에서 기대를 높였다. CPG에서 AI의 채택은 이미 높으며, 89%의 브랜드가 정기적으로 사용하고 있다.
2025년에 모든 것이 바뀌었다. 이전에 작동했던 레거시 도구는 더 이상 오늘날 필요한 의사결정의 볼륨과 속도에 따라갈 수 없었다. 팀은 데이터 실로를 통해推論할 수 있는 지능형 플랫폼이 필요하다. 또한 이러한 플랫폼은 자율적으로 인사이트를 표면화하고 계획 주기를 구동해야 한다. 이러한 요구 사항은 새로운 기준을 정의했다. 모든 도구는 이제 AI-네이티브여야 한다.
플랫폼 기대 시대: 왜 모든 CPG 도구는 이제 AI-네이티브여야 하는가
今年 가장 놀라운 추세 중 하나는 고객 기대의 기술적 진보가 어떻게 빠르게 따라잡았는지이다.それは 渐進的な 変化ではなく, 瞬間的な 変化であった。
고객은 이제 기업이 더 많이 출시하고, 더 빠르게 출시하며, 제품을 연결된 종단 간 워크플로우로 변환하여 사용하기 쉽게 하기를 기대한다. CPG 브랜드의 경우, 독립된 무역, 가격, 수요 도구에서 AI-네이티브 플랫폼으로 이동하는 것을 의미한다. 여기서 프로모션 계획, 가격, 공제 관리, 및 사후 분석이 분리된 시스템이 아닌 하나의 장소에 존재한다.
CPG 전반에서, 운영자는 이미 워크플로우 뒤에 있는 사람들을 강화하는 AI의 힘을 보았다. 오늘날의 시스템은 전체 스프레드시트를 분석하고 몇 초 내에 인사이트를 표면화할 수 있다. 또한 구조화된 고객 판매 데크를 작성하고 기존 판매 및 재무 도구에 직접 연결되는 대시보드를 자동으로 구축할 수 있다. 모든 것이 단일 인터페이스 내에서 이루어진다.
최근의 구매자 연구에 따르면 90% 이상의 사람들이 이제 AI-내장 소프트웨어를 선호한다. 이는 CPG에서 빠르게 가속화되는 추세이다. 팀은 통일된 워크플로우, 설명 가능한 인사이트, 자동화된 계획 지원 및 관리할 도구가 적게 필요로 한다. 실제로 AI는 더 이상 기능이 아니다. 그것은 운영적 의사결정의 운영 체제가 되고 있다.
2026년은 AI가终于 데이터 분석을 마스터하는 해가 될 것
2025년은 다중 모달 돌파구에 관한 것이었다면, 2026년은 더 조용하지만 더 영향력이 큰 것에 관한 것이 될 것: 수학 및 구조적 推論.
尽管 모든 진행 상황에도 불구하고, 오늘날의 모델은 여전히 다단계 계산, 통계적 推論 및 정확한 데이터 해석에 불안정하다.幸い, 모델을 수학 및 분석에 더熟練하게 하는 연구가 진행 중이다. 그 연구가 성공하면, 우리는 기다려온 다운스트림 사용 사례를 잠금 해제할 수 있을 것 같다.
CPG에서는 다음과 같은 방식으로 이를 적용할 수 있다:
- 신뢰할 수 있는 자동 예측 – 시스템은 모든 SKU-소매 업자 조합에 대한 주간 및 프로모션 볼륨 예측을 생성하며, 명확한 신뢰 구간과 숫자를 이동시킨 정확한 드라이버를 추적할 수 있다.
- 실시간 마진 시나리오 모델링 – 도구는 수익, 판매, 재무가 즉시 가격, 할인 깊이 또는 소매 업자별 지출 변경이 총 마진 및 무역 ROI에 미치는 영향을 계획이 승인되기 전에 확인할 수 있도록 한다.
- 프로모션 탄력성 인사이트를 평범한 언어로 설명 – “이 소매 업자에서 10% 더 깊은 할인은 6-8%의 증분 볼륨을 유도할 가능성이 있지만, 2-3%의 증분 마진만을 유도할 것”과 같은 설명이 아니라, 불투명한 계수이다.
- 무역 계획, 공급 제약, 및 소매 업자 가변성에 대한 최적화 – 중복 프로모션, 슬롯팅, 제한된 재고, 및 각 소매 업자의 규칙을 고려하여 팀이 최선의 실질적인 계획을 볼 수 있도록 하는 추천이다.
- 신뢰할 수 있는 제안 – 순위가 매겨진 “다음 최선” 프로모션 달력, 가격 이동, 및 투자 변경이 있으며, 팀은 투명한 推論을 통해 각 제안의 이유를 알 수 있다.
이 돌파구는 단지 AI를 향상시키는 것이 아니라, 복잡한 재무 및 프로모션 트레이드오프를 하나의 계획 환경에서 가시적, 테스트 가능, 및 반복 가능한 것으로 만듦으로써 핵심 비즈니스 의사결정을 재정의하는 데 도움이 될 것 같다.
AI 오퍼레이션즈가 본류로: 모든 부서는 이제 AI 부서
수년 동안, “AI 오퍼레이션즈”는 더 이상 버즈워드가 아니라 실제적인 관행이었다. 2025년에, 그것은 기업들이 갑자기 AI 오퍼레이션즈에 관심을 가지게 된 것이 아니라, 도구가 너무나 드라마틱하게 개선되어 모든 부서가 강력한 사용 사례를 찾게 된 것이었다.
대부분의 기관은 이미 모든 부문에 걸쳐 유효한 AI 응용 프로그램을 배포했다.
고객 성공 그룹은 티켓에 대한 솔루션을 제안하기 위해 AI를 사용한다. 마케팅 전문가들은 경쟁 분석 및 초기 복사 초안을 위해 AI를 사용한다. 판매 팀은 아웃바운드 메시지 및 연구를 생성하기 위해 AI를 사용한다.
제너레이티브 AI를 확장하는 회사들은 모든 분야의 생산성을 증가시킬 것이다. AI는 이러한 핵심 직업을 대체하지 않을 것이다. 그것은 강화할 것이다.
무역 계획을 위한 의미: 인간 + AI, 인간 대 AI가 아님
이 돌파구의 가장 분명한 적용 분야 중 하나는 CPG에서 무역 계획이다. 이는 역사적으로 복잡성으로 인해 제한되었다.
팀은 비즈니스에 대한 많은 부족 지식을 가지고 있지만, 그들이 가지고 있지 못하는 것은 시간과 통일된 데이터이다. 따라서 AI-네이티브 무역 프로모션 관리 (TPM) 또는 무역 프로모션 최적화 (TPO) 플랫폼에 투자하는 것이 필수적이다. 이러한 플랫폼은 분할된 데이터를 통해 推論할 수 있으며, 자동으로 옵션을 생성하며, 설명 가능한 추천을 내장할 수 있다.
자동화는 옵션을 생성해야 하며, 인간은 최종 결정해야 한다. 실제로는 AI-활성화된 무역 계획 도구를 사용하여:
- 수천 개의 프로모션 및 마진 시나리오를 분鐘内에 실행
- 프로모션 탄력성 및 공급 제약을 평범한 언어로 표면화
- 수익, 판매, 및 재무 팀이 함께 검토하고 정제할 수 있는 제안 계획을 제공
회사 규모에 관계없이, 최상의 프로모션 계획을 생성하기 위한 단일 수학적 또는 통계적 공식은 없다. 왜냐하면 수천 개의 요인이 프로모션 결과에 영향을 미칠 수 있기 때문이다. 할인 깊이 및 타이밍에서 소매 업자의 규칙, 경쟁 활동, 공급 제약에 이르기까지. AI는 이러한 격차를 메우고 각 프로모션에 맞게 조정한다. 그러나 인간은 목표를 설정하고, 관계를 관리하며, AI의 가정값을 검증해야 한다. 왜냐하면 오직 인간만이 비즈니스 논리를 제공할 수 있기 때문이다. 대부분의 CPG의 경우, 실행 가능한 다음 단계는 레거시 스프레드시트 및 포인트 솔루션에서 멀어지고, 기존 데이터 소스 및 워크플로우에 연결할 수 있는 AI-네이티브 TPM/TPO 시스템으로 무역 계획을 표준화하는 것이다.
이 프로세스는 무역 계획이 자동화와 인간의 판단을 대체하는 것이 아니라, 자동화가 도달할 수 있는 것을 확장하여 협력적인 노력으로 만든다. 앞서 나가는 조직은 AI-활성화된 무역 계획을 핵심 인프라로 다루고, 모든 계정 및 수익 성장 관리자의 손에 AI-네이티브 플랫폼을 넣으며, 인간의 검토, 오버라이드, 및 학습 루프를 계획 주기의 표준 부분으로 만드는 것이다.
AI 의사결정에 대한 신뢰 구축: 설명 가능성이 모든 것
고위험 의사결정, 무역 또는 기타,에서 AI를 배포하는 가장 큰 도전은 신뢰이다.盲目적인 신뢰가 아니라, 정당한 신뢰이다.
AI 기능을 설계할 때, 개발자는 사용자에게 직접 물어보아야 한다. AI의 출력을 신뢰하기 위해 어떤 전제 조건이 있어야 하는지. 답변은 신뢰도 점수, 트렌드 요약, 推論 단계, 및 명시적 모델 제약 조건 등이 될 수 있다.
좋은 AI 제품은 사용자에게서 推論을 숨기지 않는다. 그것은 표면화한다.
설명 가능성이 다음 시대의 엔터프라이즈 AI에서 승리자를 정의할 것이다. 왜냐하면, 그것이 없으면, 어떤 조직도 인사이트를 행동으로 바꾸지 않을 것이기 때문이다.
2026년을 위한 리더십 마인드셋: 탐색 우선, 지시 두 번째
AI에 대한 상위 탐색은 내년에도 필수적이다. 리더들은 실제로 도구를 사용하고, 그것이 어떻게 작동하는지 이해하지 않고, 실제적인 AI 도구를 배포할 수 없다. 리더가 도구를 이해하거나 사용하지 않는다면, 채택을 주도하는 것이 불가능하다.
또한 AI가 성공하기 위해서는 실험의 문화가 필요하다. 프로그램의 다양한 사용법을 시도하고, 팀과 최선의 사용 사례를 공유한다. 이러한 도구를 혁신적으로 사용하는 방법에 대한 비디오를 공유하여 다른 사람들이 학습하고鼓舞されるように 한다.
AI의 기능의 즉각적인 가치를 내부 일일 기능에 보여주는 것이 중요하다. 팀은 도구가 무엇을 할 수 있는지 모르는 경우, 그것을 탐색하지 않을 것이다. 기존의 방식으로 계속 운영하는 것이 더 쉽기 때문이다.
무엇이 다음으로 오는가: AI-네이티브 플랫폼은 CPG가 작동하는 방식을 재정의할 것
앞으로 2026년에, 수학 및 문제 해결에 대한 플랫폼의 발전, 가속화된 플랫폼 통합, 및 AI 통합의 핵심에서 설명 가능성 및 신뢰와 같은 많은 것들이 CPG 운영을 재정의할 것이다.
그러나 가장 중요한 변환은 개념적이다. 지능은 더 이상 소프트웨어가 가지고 있는 것이 아니라, 그것이 무엇인지가 될 것이라고 말할 수 있다. 그리고 번영할 브랜드는 인간의 판단을 자동화로 대체하는 것이 아니라, AI를 사용하여 그것을 높이는 것이다. CPG에서 의사결정의 미래는 AI 또는 인간이 아니다. 그것은 둘 다, 함께 작동하는 것이다.
