Demand Sensing × Capacity Planning: Ford가 AI로 수요 신호에 생산 계획을 맞춰 생산을 안정시키는 방식
Ford CFO는 3분기 콜에서 수요 감지(demand sensing)를 생산 능력 계획에 맞추는 AI 도구로 생산이 안정돼 실제 절감이 났다고 밝혔습니다. 차량·부품 재고·가격 모델도 새로 만들었고 AI 절감액은 공개하지 않았습니다. 자재·보증 원가 절감 15억 달러는 AI 효과가 아닌 원가 전체 수치입니다. 따라 만들 때의 데이터, 지표, 12주 시범안을 붙였습니다.
Ford는 수요 신호를 읽는 AI를 생산 능력 계획에 맞물려 생산이 덜 흔들리게 했고, 차량·부품의 재고·가격 모델을 새로 만들어 재고를 가볍게 했습니다. 따라 하려면 수요 예측과 생산 계획을 같은 주기와 같은 단위로 묶고, AI가 아낀 돈을 자재·보증 원가 같은 전사 절감액과 따로 적어야 합니다.
요약
Ford는 2026년 10월 28일 3분기 실적 콜을 열었고 The Motley Fool이 다음 날 녹취를 실었습니다. Sherry House CFO는 AI를 사업 부문과 운영 전반에 쓰고 있다며 예를 셋 들었습니다. 수요 감지(demand sensing, 최근 수요 변화를 빠르게 읽어 내는 일)를 생산 능력 계획(capacity planning, 공장과 라인이 언제 얼마나 만들지 정하는 계획)에 맞추는 AI 도구가 첫째입니다. 차량과 부품에 쓰는 새 재고·가격 모델이 둘째이고, 판매·운영 계획(S&OP, Sales and Operations Planning) 방식을 바꾼 것이 셋째입니다. S&OP를 바꾸면서 다음 해 이익 계획을 예년보다 약 6개월 일찍 시작했고 2028년과 2029년 과제도 이미 범위를 잡고 있다고 했습니다.
House는 수요와 생산 능력이 맞물리면 “more production stability, which leads to real savings”라고 설명했습니다. 재고·가격 모델은 차량과 부품의 회전을 빠르게 하고 재고를 가볍게 했다고 했습니다. 원가 숫자는 구분해서 읽어야 합니다. 콜에서 나온 자재·보증 원가 절감 15억 달러(2025년)와 2026년 목표 10억 달러는 Novelis와 관세 영향을 뺀 원가 전체 수치입니다. AI 효과만 떼어 낸 금액이 아니고, AI 절감액은 따로 밝히지 않았습니다. House는 산업 개선과 AI 효율이 중동 분쟁과 원자재에서 온 역풍 대부분을 흡수하는 데 보탬이 됐다고 했습니다. James Farley CEO는 2027년 원자재·메모리·물류에서 오는 약 20억 달러의 전년 대비 역풍을 전사 원가 효율로 메우겠다고 했고, UEV 개발과 Geely 벤치마킹, AI 도구에서 얻은 교훈을 회사 핵심 업무로 서둘러 옮기겠다고 했습니다. 아래에서는 세 가지 AI 활용의 작동 방식을 풀고, 같은 방식을 국내 제조사에 옮길 때 필요한 데이터, 지표, 일정을 덧붙였습니다.
핵심 메커니즘
Demand Sensing × Capacity Planning: 수요 신호를 생산 계획에 맞추기
수요 감지와 생산 능력 계획을 따로 돌리면 판매 신호가 바뀌어도 생산 계획이 늦게 따라가고, 라인은 그때마다 갑자기 늘리거나 줄여야 합니다. House가 말한 AI 도구는 이 둘을 맞물립니다. 수요 쪽 신호를 생산 능력 계획에 바로 반영해 생산이 덜 흔들리게 하고, 그 안정이 절감으로 이어진다는 설명입니다. 어떤 신호를 넣는지, 계획을 얼마나 자주 다시 짜는지, 도구 이름은 콜에서 나오지 않았습니다. 따라 할 때는 차종과 사양 조합이 많고 판매 속도가 자주 바뀌어 생산 계획을 자주 고치는 공장이 첫 대상입니다. 확정 주문만 만드는 공장은 맞출 수요 신호가 적어 효과가 작습니다. 가상 예시를 들면, 한 트림의 판매 속도가 3주 연속 오를 때 도구가 다음 달 라인 배분을 바꾸자고 제안하고 생산 계획 담당이 승인하는 식입니다.
Inventory·Pricing Models: 차량·부품의 재고와 가격을 함께 보는 모델
House는 차량과 부품에 쓰는 재고 모델과 가격 모델을 새로 만들었다고 했습니다. 효과로 든 것은 두 가지입니다. 회전이 빨라졌고 재고가 가벼워졌습니다. 모델 방식, 적용한 부품 범위, 회전율 수치는 밝히지 않았습니다. 작동 원리를 풀면 재고와 가격을 한 묶음으로 봅니다. 재고가 쌓이는 품목은 가격으로 회전을 당기고, 생산이 안정되면 같은 판매량을 더 적은 안전재고로 받칠 수 있습니다. 앞의 수요·생산 매칭과 이어지는 지점이 여기입니다. 따라 할 때는 품목 수가 많고 재고일수 편차가 큰 서비스 부품부터 시작하면 데이터가 빨리 쌓입니다.
S&OP 전환: 이익 계획을 6개월 앞당기는 판매·운영 계획
S&OP는 판매 계획과 생산·공급 계획을 한자리에서 맞추는 정기 회의 체계입니다. House는 Ford가 이 판매·운영 계획 방식을 바꿨다고 했고, 결과로 계획 시점을 들었습니다. 다음 해 이익을 만드는 작업을 약 6개월 일찍 시작했고 2028년과 2029년에 할 일까지 범위를 잡았습니다. 풀어 보면 수요·생산 매칭이 자리 잡을수록 단기 계획을 고치는 데 드는 시간이 줄고, 그 시간을 더 먼 해의 과제에 쓸 수 있습니다. 어느 회의가 어떻게 바뀌었는지는 콜에서 나오지 않았습니다. Farley는 같은 콜에서 원가 경쟁력과 품질을 반복해서 낼 수 있는 세계 수준의 산업 시스템을 목표로 들었습니다.
콜에서 나온 사례
| 사례 | 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|---|
| 수요·생산 매칭 | 수요 신호와 생산 능력 계획 연결 | AI 도구로 demand sensing을 capacity planning에 맞춤 | 생산 안정, 실제 절감(금액 미공개) | Demand Sensing × Capacity Planning |
| 재고·가격 모델 | 차량·부품 재고 | 새 재고 모델과 가격 모델 도입 | 회전 속도 상승, 재고 경량화(수치 미공개) | Inventory·Pricing Models |
| S&OP 전환 | 다음 해 이익 계획 착수 시점 | 판매·운영 계획 방식 전환 | 약 6개월 일찍 착수, 2028·2029년 과제 범위 설정 | S&OP 전환 |
| 역풍 흡수 | 중동 분쟁, 원자재 비용 | 산업 개선과 AI 효율 | 역풍 대부분 흡수(AI 몫 미공개) | AI 효율 전반 |
기술 디테일: 수요·생산 매칭을 직접 만든다면
아래 데이터, 모델, 필드, 설정값은 실제로 돌릴 때 필요한 것을 정리한 실행 제안이며 Ford가 밝힌 구현이 아닙니다.
수요 신호를 만들려면 예측 단위를 생산 계획이 쓰는 단위와 맞춥니다. 생산 계획이 주 단위·차종×트림이면 예측도 같은 단위로 냅니다. 입력은 딜러 주문과 재고, 차종·트림별 최근 판매 속도, 생산 확정 주문, 지역별 판촉 일정입니다. 모델은 계층형 시계열이나 gradient boosting으로 주 단위 수요를 내되, 한 숫자가 아니라 P10·P50·P90 구간으로 냅니다. 생산 쪽은 구간 폭을 보고 얼마나 유연하게 남길지 정할 수 있습니다. 예측은 매주 같은 요일에 한 번 돌리고, 지난 8주 예측 오차를 함께 기록해 모델 버전마다 비교합니다.
생산 능력 계획에 맞추려면 계산은 LLM이 아니라 혼합정수 계획(MILP) 솔버가 맡습니다. 목적 함수는 계획 변경 비용과 결품·과잉 재고 비용의 합이고, 제약은 라인 속도, 교대 패턴, 부품 공급 가용량입니다. 생산을 안정시키는 장치는 고정 구간(frozen window)입니다. 예를 들어 앞 2주는 바꾸지 않고, 3~8주만 조정하며, 한 번에 바꿀 수 있는 라인 배분 폭을 ±10%로 묶습니다. 이 제약이 없으면 예측이 흔들릴 때마다 계획도 흔들려 오히려 불안정해집니다. LLM은 계획 변경 사유를 생산 계획 담당이 읽을 문장으로 요약하는 데만 씁니다.
{
"plan_week": "2026-W47",
"plant_id": "PLT-A",
"line_id": "L2",
"model_trim": "SUV-X_trimB",
"demand_p10": 1180,
"demand_p50": 1320,
"demand_p90": 1490,
"current_plan_units": 1250,
"proposed_plan_units": 1310,
"change_pct": 4.8,
"frozen": false,
"binding_constraint": "seat_supplier_capacity",
"reason_summary": "트림B 판매 속도 3주 연속 상승, 좌석 공급 한도 안에서 증산",
"model_version": "dsense-v3",
"planner_decision": null
}재고·가격 모델을 돌리려면 부품마다 재고일수, 최근 12주 회전율, 가격 변경 이력, 경쟁 대체품 여부를 한 표에 모읍니다. 가격 반응 모델로 가격을 바꿨을 때 회전이 얼마나 변하는지 추정하고, 가격 변경 폭은 상한(예: 한 번에 ±5%)을 두며 담당자 승인을 거칩니다. 생산 안정이 확인된 품목부터 안전재고 기준을 낮추고, 결품이 늘면 바로 되돌립니다.
절감 장부를 쓰려면 AI 과제별 절감, 자재·보증 원가 절감, 외부 역풍(원자재·메모리·물류)을 각각 다른 줄에 적습니다. 수요·생산 매칭은 계획 변경으로 생긴 초과근무·특근 비용과 긴급 운송비 감소분을, 재고·가격 모델은 재고 보유비 감소분을 셉니다. Ford 콜의 15억 달러처럼 원가 전체 숫자에 AI 효과가 섞이면 AI 과제를 계속할지 판단할 근거가 사라집니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 예측 단위와 계획 단위가 다름 | 예측을 계획에 옮길 때 사람이 다시 쪼갬 | 생산 계획 단위(주·차종×트림)로 예측을 다시 냄 |
| 고정 구간 없음 | 예측이 바뀔 때마다 계획이 흔들림 | 앞 2주 고정, 변경 폭 ±10% 제약 |
| 부품 공급 한도 데이터가 늦음 | 증산 제안이 실행 불가 | 주요 공급사 가용량을 주 1회 받아 제약에 반영 |
| 가격 변경이 판매 채널과 충돌 | 딜러 반발, 회전 효과 불명확 | 변경 상한과 승인 단계, 4주 단위 효과 검증 |
| 절감액이 원가 전체와 섞임 | AI 효과를 말할 수 없음 | 과제별 기준선과 외부 요인 줄을 분리 |
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| CFO·원가 담당 | 기준선과 단가 확정, 절감 장부 관리, 외부 요인 분리 |
| S&OP 책임자 | 고정 구간과 변경 폭 규칙 승인, 주간 회의 진행 |
| 생산 계획 담당 | AI 제안 검토와 승인, 변경 사유 기록 |
| 판매·딜러 운영 담당 | 주문·재고·판촉 데이터 제공, 가격 변경 검토 |
| 구매 담당 | 주요 공급사 가용량 수집, 공급 제약 정리 |
| 데이터 엔지니어·분석가 | 데이터 연결, 예측·솔버 운영, 주간 리포트 |
준비물. 최근 2년 주 단위 판매·딜러 재고, 최근 1년 생산 계획 원본과 변경 이력, 라인별 생산 속도와 교대 패턴, 주요 공급사 가용량, 초과근무·특근·긴급 운송 비용 기록, 부품별 재고와 가격 이력이 필요합니다. 기준선은 시작 전 3주치로 잡습니다.
현업에 물을 것.
- 지난 1년 동안 생산 계획을 확정 뒤에 몇 번 고쳤고, 고칠 때마다 누가 무엇을 보고 정했나요?
- 판매 예측과 생산 계획은 지금 어떤 단위와 주기로 만들고, 둘을 맞추는 회의는 언제 열리나요?
- 계획을 바꿀 때 생긴 초과근무·특근·긴급 운송 비용을 따로 집계하나요?
- 재고일수가 가장 긴 부품 20개는 무엇이고, 가격을 바꿔 본 적이 있나요?
- 원가 절감을 보고할 때 원자재·물류 같은 외부 요인은 지금 어떻게 나누나요?
진행 판정 기준(예시). 실운영 4주 동안 다음을 채우면 둘째 라인과 공장으로 넓힙니다. 고정 구간 밖 계획 변경 횟수가 기준선보다 30% 이상 줄고, 결품으로 라인이 선 횟수가 늘지 않아야 합니다. 생산 계획 담당이 AI 제안을 승인한 비율이 60% 이상이어야 하고, 계획 변경 관련 비용이 기준선보다 낮아야 합니다. 하나라도 못 채우면 원인을 찾아 4주를 더 봅니다.
AX 적용 제언. 국내 완성차·부품사나 다품종 조립 제조사라면 수요 예측 모델을 먼저 고도화하기보다 S&OP 회의에서 예측과 생산 계획의 단위와 주기를 맞추는 일부터 시작하는 편이 낫습니다. Ford가 효과로 든 것은 생산 안정이었습니다. 그래서 첫 지표는 계획 변경 횟수와 그 비용으로 잡습니다. 생산이 안정된 품목부터 재고 기준을 낮추고 가격 모델을 붙입니다. 경영 보고에서는 AI 과제 절감, 자재·보증 원가 절감, 외부 역풍을 따로 적어야 합니다. 그래야 AI 과제를 계속할지 판단할 근거가 남습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 발표 | Ford 2026년 3분기 실적 발표 콜, 2026.10.28 (The Motley Fool 녹취 2026.10.29 게재) |
| 발언자 | Sherry House(CFO), James Farley(CEO), Kumar Galhotra(COO) |
| AI 활용 | demand sensing을 capacity planning에 맞추는 AI 도구(생산 안정, 실제 절감), 차량·부품 재고·가격 모델(회전↑ 재고↓), S&OP 전환(이익 계획 약 6개월 앞당김, 2028·2029년 과제 범위 설정) |
| 원가 | 자재·보증 원가 절감 2025년 15억 달러, 2026년 목표 10억 달러(Novelis·관세 제외, 원가 전체 수치). AI 절감액 미공개 |
| 역풍 | 산업 개선과 AI 효율로 중동 분쟁·원자재 역풍 대부분 흡수. 2027년 원자재·메모리·물류 역풍 약 20억 달러를 전사 원가 효율로 상쇄 계획 |
| Novelis | 올해 누적 일시 비용 약 10억 달러, 2026년 순 순풍 약 10억 달러 목표 유지 |
| 벤치마킹 | Geely의 유럽 도착 원가 우위와 개발 속도를 연구해 글로벌 제품 개발 시스템에 부품 단위로 반영. UEV는 BYD 원가 구조를 기준으로 설계, 모터·기어박스·인버터 효율 약 30% 우위로 배터리 축소 |
| UEV 진척 | 검증 시험 90% 완료, unicasting 약 5,000개 생산, 남은 위험은 주로 공급망 |
| 디지털 | Fathom 디지털 제품군(Apple Maps 내장), Ford Pro 디지털 차량 관리 연말 10만 대 초과 예상(타사 차량 다수), 소프트웨어 구독과 정기 서비스 고객의 부품 유지율 약 9%p 높음 |
| 인력 | 인원 관련 발언 없음 |
핵심 개념
- demand sensing
- 주문·판매 같은 최근 신호로 가까운 기간의 수요 변화를 빠르게 읽어 내는 일입니다.
- capacity planning
- 공장과 라인이 언제, 무엇을, 얼마나 만들지 생산 능력 안에서 정하는 계획입니다.
- S&OP
- Sales and Operations Planning. 판매 계획과 생산·공급 계획을 정기적으로 한자리에서 맞추는 체계입니다.
- frozen window
- 생산 계획에서 바꾸지 않기로 정한 가까운 기간. 계획이 자주 흔들리지 않게 하는 장치입니다.
- 재고 회전
- 재고가 팔려 나가고 다시 채워지는 속도. 빠를수록 같은 판매를 더 적은 재고로 받칩니다.
- headwind
- 원자재 가격 상승처럼 회사 밖에서 와 이익을 깎는 요인. 반대는 tailwind입니다.
내 메모
TODO: 내 생각 추가
원문은 The Motley Fool에 실린 「Ford (F) Q3 2026 Earnings Call Transcript」(2026.10.29 게재, 콜은 10.28)입니다. 요약, 핵심 메커니즘의 콜 내용, 사례, 원문 사례 표는 Ford 경영진의 발언을 AX Review가 다시 정리했으며 효과와 수치는 회사 측 설명입니다. 자재·보증 원가 절감액은 원가 전체 수치로 AI 효과만의 금액이 아닙니다. 기술·현업 실행 디테일, JSON 예시, 데이터·모델·지표 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 콜 전문은 원문 페이지에서 볼 수 있습니다.