|
소비자와 제조업의 관계가 지속적으로 변화하기 때문에 기존의 시스템과 운영 체계로는 시장과 소비자의 요구를 충족시킬 수 없다. 그러므로 연결의 힘을 동반한 사물 인터넷(IoT)과 행동 인터넷(IoB, Internet of Behaviors)을 기반으로 사람 중심의 사이버 물리 시스템(h-CPS)과 가상과 현실을 자유롭게 오가며 마치 확장 가상 세계, 즉 게임하듯이 소통하는 3차원 가상 세계 메타버스(Metaverse) 측면에서 그 변화를 가속화하여 제품과 서비스, 즉 메뉴비스(Manuvice=Manufacturing + Service)의 가치 제공에 대한 기대치를 점점 높여가고 있는 것이 스마트 팩토리이다.
디지털 경험을 통해 거의 정확한 예측이 가능하고, 그 예측을 어느 제조업이나 산업 전반에 적용이 가능하기 때문에 인구학적 관점에서 본다면 불확실성이 제거된 이미 확실하게 정해진 미래가 전개되고 있다고 봐야 한다. 그럼에도 불구하고 2030, 밀레니엄 세대의 정치 사회 경제에 대한 태도나 의향을 이제 와서 논하는 것도 늦어도 너무 늦은 우리만의 현상이다. 젠더 및 2030세대의 인구학적 관점에서 이미 분석이 완료된 특성은 오늘날 자신을 유일무이하다고 느끼게 해줄 개인화된 제품과 서비스, 즉 메뉴비스(Manuvice)를 기대한다. 거의 40년 동안 변하지 않았던 일대다(one-to-many) 소비자 접근 방식에서 벗어나 소비자 개개인의 구매 경험을 데이터 관리 기술을 활용하여 인적 자원 요소로 풍부하게 만들어 가야 한다. 그것이 디지털 경험 디자인(DX-Design) 기반 스마트 팩토리이기 때문이다.
개인의 개별성과 취향과 선호를 인정받는 것은 사람과 기업 간 지속적인 관계를 구축하기 위한 기본적인 전제 조건이다. 따라서 이미 온 미래, 정해지고 있는 미래에는 선택지가 거의 무한대에 가깝다는 점을 감안할 때 실제로 소비자 구매 행동은 자신의 기대와 비슷하지 않거나 이미 경험해 온 구매 및 소비 습관에 부합하지 않는 플랫폼, 브랜드, 제품, 서비스는 더 이상 고려하지 않는 태도와 특성을 갖고 있기 때문에 제조업의 공급 속도와 기치 제공은 더 이상 소비자의 요구를 충족시키기에 충분치 않다. 그러므로 기존 제조업은 일정한 표준화가 특징인 일대다(one-to-many)의 한계성을 들어내고 있어서 접근 방식에서 맞춤으로 개인화된 일대일(one-to-one) 기반의 사람 중심 사이버 물리 시스템(h-CPS)의 스마트 팩토리 플랫폼으로 제조 전략을 바꿔야만 한다. 그러나 이러한 모든 수준은 제조 활동 조직에 대한 깊은 성찰과 실질적인 현장 경험 관점(point of view, 觀點)의 변화 관리가 있을 때만 가능하다.
일반적으로 “고객 맞춤형”과 “개인화”라는 용어는 동일한 의미로 사용돼왔다. 그러나 이 두 개념 사이에는 본질적으로 중요한 의미의 차이가 엄연히 존재한다. 고객 맞춤형은 마케팅 STP(Segmentation, Targeting, Positioning) 전략을 펼칠 때 주어진 시장의 크기, 즉 주어진 수의 여러 대안 내에서 특정 조합을 선택할 수 있는 가능성을 소비자 층에 제공하는 전략 전개 방식의 함축된 의미이다. 다른 한편 개인화(Personalization)는 수집된 각 개인의 과거 구매 내역이나 스타일 및 선호도 분석을 통해 수집된 정보를 자기의 의사를 밖으로 나타내지 아니한 암묵적 활용으로 소비자의 기대치를 예상하여 만족시킬 가능성이 매우 높은 대안을 통해 가치를 제공하는 방식이다. 그러므로 스마트 팩토리는 시장과 고객 맞춤의 선택에 대해 반응하는 “제조 반응” 기능이며, 개인화는 소비자의 만족을 위해 선택적으로 작동하는 제조 차별화의 최적화 운용(運用)이다.
아래 그림은 개인화 제조에 대한 것이다. 특히 스마트 팩토리의 전사적 제조 지능화를 통한 D2C(Direct to Consumer)의 체계를 보여주고 있다.
|
제조업은 스마트 팩토리 구축을 통해 장기적으로 개인화 제조(personalized manufacturing)의 꿈을 실현해야 할 것이다. 그러기 위해서 중요한 것은 “크로스 장치 추적”이라는 기술을 통해 각 장치(디바이스)에 연결된 행동을 추적할 수 있어야 한다. 다시 말해 “크로스 장치 추적”이라 함은 여러 디지털 기기(장치)를 횡단(크로스) 하고 “같은 인간”이 이용하고 있는 디지털 기기를 인식 · 식별하는 기술과 방법이다. 예를 들어, 크로스 장치 추적은 사용자가 여러 장치를 사용하는 것을 측정하는 것이다. 크로스 장치 추적을 못하면 스마트폰으로 스마트 팩토리 플랫폼을 열람 활용하는 사용자가 데스크톱 PC에 단말기를 바꾸어 사용할 경우 사용자 수를 2 명이라고 계산한다. 이는 높은 사용 빈도, 체류 시간 등 다양한 장치에 의해서 획득된 데이터를 안갯속에 숨겨버리는 격이 되어 제조 공정의 현장 작업자와 소비자의 행동을 왜곡시킬 수 있다.
최근 몇 년간 눈에 띄는 변화를 가져온 것이 MaaS(Mobility as a Services), 즉 모바일화의 흐름은 멈추지 않고 있으며 다양한 장치와 개인을 연결하는 기술이다. 여기에서 주목을 받고 있는 것이 인공 지능, 특히 기계 학습 분야의 마케팅과 생산과의 연계 기술과 기능에 대한 응용 역량이다. 앞으로 기계 학습이 이러한 개인화의 돌파구를 달성한다면 개인화는 더 현실성을 띠게 될 것이다. 그러나 지금 시장과 소비자가 직면한 과제의 하나로 장치의 단편화(fragmentation)이다. 즉 단편화(斷片化, fragmentation)는 기억 장치의 빈 공간 또는 자료가 여러 개의 조각으로 나뉘는 현상을 말한다. 이 현상은 기억장치의 사용 가능한 공간을 줄이거나, 읽기와 쓰기의 수행 속도를 늦추는 문제점을 야기한다는 반증이다. 이러한 단편화를 연결의 수단으로 국한시키는 것은 제조 산업의 스마트 팩토리와 디지털 마케팅의 과제이며, 해결할 경우 새로운 기회가 될 것이다.
따라서 크로스 디바이스(Cross-Device), 데이터 기반 크로스 플랫폼, 솔루션 기반 크로스 플랫폼을 누가 먼저 제공 하는 가 하는 “전환의 진화”에 대한 경쟁도 앞으로 제조 산업에 놓여 있는 과제이다. 현재 이러한 환경에 대한 쉬운 예로 고유 방문자와 시청률, 즉 “TV 콘텐츠”도 마찬가지로 크로스 디바이스 시청이 트렌드라는 기존의 거친 지표는 아마도 과거의 일이 될 것이다. 또한 전 세계적으로 진행하는 모바일화와 그 모바일 플랫폼에 나타나고 있는 데이터 과학 기반 디지털 마케팅과 스마트 팩토리를 통해 개인화 제조를 실현해야 하는 과제는 분명해 보인다.
미국 자동차의 창업자인 헨리 포드가 자동차의 대량 생산을 실현하기 위해 공장에 “컨베이어 벨트”라는 시스템을 도입한 것은 1913 년의 일이었다. 그것은 대량 생산의 시작이었다. 대량 생산을 하면 할수록, 제조 비용이 내려간다고 생각하는 규모의 경제(economy of scale) 효과를 기대했기 때문이다. 그러나 지금은 대량 생산 · 대량 소비의 시대가 끝을 맞이하고 있다. 시장에 물건이 넘치고 있는 현대는 소비자 개개인의 요구에 맞춘 제품이 팔리는 경향으로 바뀌고 있다. 즉 그것은 개인의 요구에 맞게 사용자 경험 디자인(CX-Design)에 근거한 개인화이다. 제조 산업은 대량 생산(Mass Production)에서 대량 개인화 (Mass Personalization)로 옮기고 있다. 대량 개인화를 직역하면 “대량의 개인화”를 의미한다. 많은 소비자에게 개개인의 필요와 취향에 맞는 상품을 제공하자는 생각이다. 그러나 스마트 팩토리의 대량 개인화를 위해서는 다양하고 많은 데이터를 필요로 한다. 소비자는 기업에 자신에 대한 다양한 데이터를 제공하는 대신, 기업은 소비자에게 맞춤형 가치를 만든다는 교환의 상호작용으로 대량 개인화는 성립한다.
그러므로 스마트 팩토리를 통해 제조업은 대량 개인화를 실현해야 한다. 대량 개인화는 소비자 개개인의 요구를 이해하는 것이 필수적이며 개개인의 요구를 명확히 알기 위해서는 데이터 관리가 매우 중요하게 마련이다. 제조업이 대량 개인화, 즉 스마트 팩토리를 실현 하기 위해서는 지식, 정체성, 그리고 기계 학습에 대한 철저한 준비가 필요하다.
지식으로서 스마트 팩토리는 제조 공정, 브랜드 관리, 시장과 소비자를 이해하고 있어야 한다. 그러기 위해서는 소비자에 관한 지식을 수집해야 한다. 자신이 가진 고객 및 기타 소비자의 구매 내역 및 웹 사이트 방문 기록 등의 데이터는 소비자에 대한 유효한 데이터이다. 예를 들어, 바이오 제품인 경우, 고객의 사용 기록에서 그 사람의 성향이나 좋아하는 스타일 및 구매 시점 등을 알 수 있다. 그러나 자신이 가진 데이터로부터 얻을 수 있는 정보만으로는 고객의 진정한 라이프 스타일과 요구를 빠짐없이 파악할 수 있다고는 말할 수 없다. 따라서 브랜드 이미지에 있는 소비자 태도에 대한 지식을 얻는 것이 중요하다.
제대로 효과가 있는 매스 개인화를 위해서는 제조업과 브랜드의 정체성을 확립하는 것이 중요하다. 정체성을 확립하려면 브랜드 일관성을 갖게 하는 것이 중요하다. 이처럼 브랜드의 일관성을 의식하는 것은 스마트 팩토리를 활용한 새로운 수익원 창출을 위해서 고객을 개인 수준에서 이해하는데 중요한 포인트가 된다. 왜냐하면 고객의 구매 패턴이 제조 공정의 대응 패턴으로 전환되기 때문이다.
고객 개개인의 개인화를 위해서는 방대한 양의 정보와 그들을 실시간으로 처리하면서 항상 최신 버전으로 업데이트할 수 있는 능력이 요구된다. 그것을 가능하게 하는 것이 스마트 팩토리의 기계 학습이다. 기계 학습에 의해 수집된 동적 정보를 낭비 없이 효율적으로 분석하고 더 나은 개인화에 대한 새로운 발견과 배움을 얻을 수 있다. 또한 브랜드가 고객에게 발신하는 메시지를 고객의 정보에 따라 실시간으로 변경 · 갱신할 수 있다. 특히, 프로모션과 이벤트 등에 따라 효과가 크게 좌우되기 때문에 인공지능의 기계 학습을 활용하는 것이 필요하다.
개인화 시장을 위한 스마트 팩토리 전개 전략은 산업별로 다르게 적용된다. 예를 들어 모듈화는 자동차 제조사들이 대량 생산 공정의 후처리 또는 후공정에 맞춤화를 도입하기 위해 사용하는 개인화 생산 전략이다. 동일한 부품을 공유하는 다른 자동차 모델은 최종 조립까지 동일한 공정으로 제작할 수 있으며, 이 과정에서 맞춤형 모듈을 추가해 각 모델마다 고유한 외관을 부여한다. 동일한 모듈 구성 요소 접근 방식은 개인화되고 있는 다른 산업에서도 전개할 수 있다. 예를 들어 삼성이나 애플과 같은 회사들은 고객들이 주문을 할 때 그들의 기본 모델 컴퓨터, 스마트폰, 스마트 워치에 제한된 수의 부품을 추가하거나 빼도록 허용한다. 한샘과 같은 가구 회사들은 원단 커버, 다리 타입, 나무 얼룩 색에 다양한 옵션으로 맞춤 제작이 가능한 기성 가구를 제공한다.
궁극적으로 스마트 팩토리 구축을 통해 제조업이 개인화 제조(Personalized Manufacturing)를 실현하기 위해서는 지속 가능한 제조 현장의 학습 조직, 시장과 소비자를 이해하는 지식, 브랜드의 정체성, 그리고 인공지능의 기계 학습에 대한 철저한 준비가 필요하다. 점점 더 개인화되고 있는 시장과 소비자 요구에 대응하기 위해서 과거와 다른 시스템과 운영 체계를 제조 현장을 중심으로 대전환, 즉 지금까지 경험하지 못한 전환의 진화를 요구하는 것이 스마트 팩토리이다. 엄청난 속도로 발전하고 있는 정보통신기술(ICT) 기술이 혁신을 위한 강력한 도구이지만, 언제나 어디서나 이 도구를 어떻게 활용하고 어디에 적용할지 결정하는 존재는 언제나 “인적 자원”이라는 점을 직시(直視)해야 한다. 왜냐하면 스마트 팩토리는 전사적 제조 지능화(EMI, Enterprise Manufacturing Intelligence)를 통한 D2C(Direct to Consumer), 즉 개인화되고 있는 시장과 제조를 동기화(同期化, Synchronization) 시켜 새로운 수익원을 창출하는 고객 만족 플랫폼(CS-Platform)이기 때문이다.
