Next Big Delivery Is Data: FedEx가 소포 1,700만 개의 데이터를 대출 심사·경기 지수로 파는 법
FedEx Dataworks는 하루 약 1,700만 개 소포 데이터를 ML에 넣어 배송 예측 산출 시간을 몇 달 만에 절반으로 줄였고, 같은 데이터를 Stripe의 소상공인 대출 심사와 정부 통계보다 4~6주 빠른 D&B 소매 지수로 밖에 팝니다. 지금까지 절감액은 연 약 1,000만 달러이고, 다음 단계는 새 매출입니다.
Digital Twins for Key Decisions: 공급망 큰 결정을 1주 안에 평가하는 기업 18%, 무엇이 갈랐나
Supply Chain Media와 Optilogic이 공급망 실무자 144명을 조사했더니 큰 결정을 1주 안에 평가하는 곳은 18%였고 67%가 아직 스프레드시트로 모델링했습니다. 가장 큰 걸림돌은 예산(22%)이 아니라 데이터 품질(70%)이었고 설계 소프트웨어를 쓰는 기업은 1주 안에 결정할 가능성이 2배, AI 도구를 쓸 가능성이 4배였습니다. 기준 모델 데이터 객체와 6주 시범 계획을 붙였습니다.
국내 기업 AX 소식: 이미 가진 데이터와 시스템 위에 AI를 올려 업무 시간을 줄인다 (11월 9일 묶음)
11월 3~6일 기사 4건입니다. LG이노텍은 공정 조건이 바뀔 때 약 300시간 걸리던 대응을 최대 50시간으로 줄였고 CJ대한통운 북미 법인은 쓰던 TMS 벤더 Infios와 운송사 상태 확인 에이전트를 약 두 달 만에 배치했습니다. 포스코홀딩스는 그룹 표준 온톨로지 PFO와 SLM·LLM 분업 설계를 내놨고 CJ올리브네트웍스는 엔터프라이즈 AX 매출이 제자리였습니다.
Trade Compliance AI Agents: Coherent가 금지 거래 확인을 출하 직전에서 영업 첫 단계로 앞당긴 방법
광학·레이저 소재 기업 Coherent는 Exiger와 함께 거래 제한 정보를 Salesforce에 넣는 에이전트를 만들어, 금지 고객을 출하 직전이 아니라 영업 사원이 연락하기 전에 알게 했습니다. 구축은 2주 정도였고 시간은 워크플로 이해에 더 들었으며, 무역팀은 인원을 줄이지 않고 처리량을 늘렸습니다.
Review, Coach, Generate: Autoliv·BorgWarner가 공장 AI에 권한을 단계적으로 넘기는 법
AMNA 2026 패널에서 Autoliv는 발주서와 사전 출하 통지(ASN) 점검을 AI 에이전트에 맡겨 자재 부족을 일찍 찾고 과한 안전재고를 줄이려 한다고 밝혔습니다. BorgWarner는 AI 권한을 검토, 코칭, 생성 순으로 넓힙니다. 점검 필드, 단계 전환 기준, 8주 일정을 붙였습니다.
Digitally Augmented Freight: ArcBest 3분기 콜, AI 에이전트 30여 개가 트럭 화물 60%를 거드는 방식
미국 물류기업 ArcBest는 3분기 콜에서 AI 에이전트 30개 이상을 사내에서 돌리고 있고 트럭 화물의 60%를 디지털로 보강했다고 밝혔습니다. 자체 개발한 운영 시스템 ATOM은 긴급 화물(expedite)부터 배포를 시작했습니다. 에이전트 장부 필드, 매칭 설계, 8주 시범 계획을 붙였습니다.
Oracle Fusion Cloud ERP: 그루포 빔보가 공급망 ERP를 하나로 모으며 데이터 책임과 공정 지식을 다시 세우는 법
세계 최대 제빵 기업으로 꼽히는 그루포 빔보는 온프레미스 Oracle EBS 두 버전을 Oracle Fusion Cloud 하나로 모으는 10년 전환을 공급망부터 진행합니다. 데이터는 현업이 소유하게 하고 전담팀을 따로 둡니다. AI는 아직 초기 단계이고 당장의 과제는 30~45세 실무자의 공정 지식 공백을 교육으로 메우는 일입니다.
AI in 50% of Core Workflows: FedEx가 2028년까지 핵심 운영 업무 절반 이상에 AI를 넣는 순서
FedEx는 2028년까지 핵심 운영 업무의 절반 이상에 AI를 넣겠다고 밝혔습니다. 순서는 업무 통합, 데이터 집결, AI 내장이고 지금도 AI가 하루 10만 개 넘는 경로를 계획합니다. Forbes 본문 대신 FedEx 발표와 공개 보도를 바탕으로 정리했습니다.
Stop Inventing New AI Metrics: AI 성과는 기존 사업 지표로 측정하고 옮겨 간 병목을 고친다
AWS의 Colleen Aubrey는 AI 성과를 토큰이나 도입률로 재지 말고 재고·해결률 같은 기존 사업 지표로 재라고 말합니다. Wells Vehicle Electronics는 3개월에 재고를 7% 줄였고(AWS 설명), Amazon은 AI가 옮겨 놓은 하류 병목을 고쳐 배포 속도를 2배로 높였습니다.
Back-Office Agents: ASOS는 발주 에이전트로 주 500시간, 카탈로그 에이전트로 주 300시간을 덜었다
ASOS CEO Calamonte에 따르면 발주 시점을 맞추는 에이전트가 주 500시간, 브랜드 상품 정보를 받아 넣는 에이전트가 주 300시간을 줄였고 송장 대사 자동화로 연 약 100만 파운드를 아낍니다. 고객 쪽 AI Stylist는 UK iOS 사용자 절반에게 열렸습니다. 수치는 모두 회사 측 설명입니다.
Agentic Production Planning: 지멘스 Erlangen이 주 3~5회 계획을 바꾸며 비용을 최대 20% 줄이는 방식
Erlangen 후속 기사입니다. 지멘스 Erlangen 공장은 새 주문·자재 부족·고객 요구 변경으로 주 3~5회 생산계획을 조정합니다. 에이전트가 안을 만들고 전체 생산 트윈에서 검증해 계획 비용을 최대 20% 줄입니다. 신규 PCB는 엔지니어링 공수 최대 85%, 출시 기간 최대 40%가 줄었고 공장은 연 7% 생산성을 올립니다. 우리 공장에서 이런 수치를 재는 법을 붙였습니다.
Semantic Layer와 No-Code AI: P&G 창고 교대 계획을 8시간에서 20분으로, 감독자는 앱 약 500개를 직접 만들었다
AutoScheduler.AI CEO Keith Moore의 설명에 따르면 P&G 제조 캠퍼스 창고의 하루 교대 계획은 WMS·ERP 데이터를 묶은 Semantic Layer 위에서 8시간에서 20분으로 줄었습니다. 공통 결정 약 80%는 자동화하고 시설마다 다른 결정은 현장 감독자가 노코드로 만든 앱 약 500개가 맡습니다. 수치는 모두 벤더 설명입니다.
End-to-end AI planning platform: BD가 공장 전반에 수요·생산계획과 재고를 잇는 AI를 깔고 옛 시스템을 걷어낸다
의료기기 회사 BD는 2026 회계연도 4분기 실적 콜에서 수요계획부터 고객 공급까지 잇는 AI 플랫폼을 공장 전반에 깔기 시작했고 이를 계기로 다른 플랫폼을 정리해 IT 스택을 통합한다고 밝혔습니다. 유지 엔지니어링에서 AI로 아낀 비용은 신제품 개발로 돌리고 영업 채용과 방문 준비에도 AI를 씁니다. 절감 수치는 공개하지 않았습니다.
AI Value Leaders: 제약사 AI 성과는 임상보다 공장에서, 전사 거버넌스 완비는 17%
ZS가 미국·유럽 제약·바이오 기술 임원 223명을 조사했더니 측정 가능한 AI 성과 응답이 공급망·제조에서 29%에서 53%로 가장 크게 늘었고 임상·의료는 제자리였습니다. 성과를 넓게 낸 38%는 데이터를 핵심 과제로 보고 데이터 엔지니어링을 안에 둡니다. 전사 거버넌스가 완전히 가동 중인 곳은 17%입니다. 한도 안 자율 실행과 추적 로그를 붙였습니다.
Exception-Based Replenishment: Runnings가 매장·DC 발주를 한 예측으로 묶고 예외만 사람이 본다
미국 농·생활용품 유통사 Runnings가 Relex의 AI 플랫폼으로 매장 90곳과 DC 5곳의 수요 예측과 발주를 하나로 묶습니다. 매장부터 시작해 DC로 넓히고 2027년 중반 가동이 목표이며, 담당자는 모든 주문 대신 시스템이 걸러 낸 예외만 봅니다. 예외 규칙 설계와 매장 파일럿 12주안을 붙였습니다.
Warehouse Agents on WMS: L'Oréal이 물류센터 에이전트 7개의 효과를 6개월 실측한 방법
L'Oréal이 Manhattan WMS 위에 창고 에이전트 7개를 물류센터 7곳에 7주 만에 깔고, 시범 4곳에서 6개월간 매주 KPI를 쟀습니다. 가장 성과가 좋은 센터는 3개월 만에 거절 주문을 80% 줄였고, 센터당 연 1,400시간 이상을 아꼈습니다. 담당자는 절감 시간이 곧 비용 절감은 아니라고 선을 긋습니다. 에이전트별 KPI표와 시범 일정안을 붙였습니다.
Decision Intelligence × Real-time Marketing Mix: Hershey가 데이터로 재고·폐기를 줄이고 광고 ROI를 8% 올린 방식
Hershey CFO는 3분기 콜에서 Decision Intelligence를 전사로 넓혀 운전자본과 폐기를 줄이고, 더 실시간에 가까운 마케팅 믹스 모델로 마케팅 ROI를 8% 올렸다고 밝혔습니다. 두 가지 모두 2027년 마진 회복 계획의 레버입니다. 따라 만들 때의 결정 기록 구조, MMM 운영 주기, 12주 시범안을 붙였습니다.
Signal to Lever: Heineken이 품절 같은 신호를 조치로 바꿔 거래 시스템에 심는 법
Heineken 미국 CIO Frank Iannella는 품절 같은 신호를 찾아 배송 앞당기기 같은 조치와 짝짓고 이를 거래 시스템에 넣은 뒤 결과로 다시 맞추는 틀을 2년 넘게 다듬었습니다. 설정 작업 대부분은 기계가 읽는 온톨로지 계층에 있습니다. 신호·조치 등록부 JSON, 데이터 최신성 점검, 12주 계획을 붙였습니다.
GXO IQ: 물류센터 데이터를 한곳에 모으고 인력관리 위에 AI 생산성을 얹는 순서
계약물류 기업 GXO는 3분기 콜에서 데이터 플랫폼 GXO IQ를 3개 지역에 가동했고 올해 약 50곳 이상의 사이트에 통합한다고 밝혔습니다. 통합 인력관리시스템(LMS)으로 운영별 인건비를 5~15% 낮추고, 그 위에 AI 도구로 한 자릿수 중반(%)의 생산성을 더하는 구조입니다. 이 순서를 국내 물류센터에서 따라 할 데이터 설계와 13주 파일럿 계획을 붙였습니다.
SClaw·디지털 직원: 중국 택배사가 경로 추천 AI와 에이전트로 쌍십일 물량을 처리하는 방식
쌍십일 피크를 앞둔 중국 택배사의 AI 전환을 다룬 신화망 기사입니다. 징둥물류는 대형 모델 슈퍼브레인 3.0으로 주문량을 예측해 운송 능력을 조정하고 현장 직원의 AI 추천 경로 채택률이 90.2%를 넘었으며 위안퉁은 에이전트 100여 개와 디지털 직원 28명을, 선퉁은 SClaw 플랫폼을 운영합니다. 채택 기록 루프, 디지털 직원 정의서, 8주 시범 계획을 붙였습니다.
Cost to Serve per Unit: Amazon이 로봇 100만 대와 재고 배치로 단위당 물류비를 4년째 낮추는 방식
Amazon은 3분기 콜에서 물류망 로봇이 100만 대를 넘었고 올해 로봇 팔을 두 배로 늘렸다고 밝혔습니다. 연료·간선 운송비가 올랐는데도 배송비 증가율(11%)을 물량 증가율(12%)보다 낮게 묶었고, 단위당 처리 비용은 4년 연속 하락을 향하고 있습니다. 로봇을 넓게 깔기 전에 거치는 네 가지 배치 기준과, 이를 국내 물류센터에서 따라 할 지표 장부와 12주 일정을 붙였습니다.
OpenAI Frontier: ADNOC가 유전 개발 계획과 원유 한 배럴의 가치 판단을 에이전트로 잇는다
ADNOC가 에너지 기업으로는 처음 OpenAI Frontier를 도입합니다. 첫 활용처는 유정·저장층·지상 설비 데이터를 묶은 필드 마스터플랜과, 생산부터 트레이딩까지 잇는 에이전트의 원유 수급·가격·마진 예측입니다. 따라 할 때 필요한 데이터 구성, 승인 등급, 12주 시범안을 붙였습니다.
Seeking Value: 스프레드시트 75개로 돌던 Toyota 북미 공급 계획을 공용 데이터 기반으로 바꾼 방식
Toyota 북미(TMNA) 디지털 혁신 VP Jason Ballard는 스프레드시트 75개 넘게 쓰던 월간 공급 계획을 데이터 기반, 공용 서비스, 지능 계층, 공통 직원 화면으로 다시 짰다고 밝혔습니다. 반도체 부족 때는 ML 디지털 트윈으로 조립 가능한 차종을 가렸으며 5~6년 동안 투자 1달러당 약 3달러(ML 포함 합계)를 거뒀다고 말했습니다.
Store-Item Level Visibility: Kroger가 RFID·컴퓨터 비전 데이터로 매장 품목별 재고 위험을 먼저 잡는 방식
Kroger는 data pipeline 20개를 묶은 AI 도구로 매장 품목 단위의 재고 위험을 일찍 잡고, 베이커리 RFID 파일럿 약 1,500개 매장에서 재고 조사를 약 70% 빠르게, 폐기를 50% 줄였다고 밝혔습니다. 컴퓨터 비전 데이터는 공급사와 나눕니다. 데이터 신뢰 규칙, 위험 점수 필드, 8주 시범안을 붙였습니다.
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.
AI Maintenance·Optima: Stellantis가 공장 1곳에서 시험한 정비·입고 물류 AI를 전 공장으로 넓히는 방식
Stellantis CEO는 3분기 콜에서 프랑스 공장 1곳에서 시험한 AI 정비 도구로 설비 고장이 줄었다며 제조 공장 100%로 넓힌다고 밝혔습니다. 입고 물류 경로를 매일 다시 짜는 AI 'Optima'도 시범 공장 1곳에서 전 공장으로 확대 중이며 도구별 절감액은 공개하지 않았습니다. 두 도구를 따라 만들 때의 데이터, 지표, 12주 시범안을 붙였습니다.
Knowledge Layer: 에이전트 과제의 61%를 운영까지 올린 선도 기업 13%의 데이터 연결법
MIT Technology Review Insights가 데이터·기술 임원 300명을 조사해 보니 에이전트 과제의 34%만 운영에 들어갔습니다. 선도 기업 13%는 61%를 올렸습니다. 업무 용어와 관계(semantic knowledge)가 아주 강하다는 답이 62%로 후발 기업 21%의 세 배였습니다. Cummins 공급망과 Gilead 위조 유통망 사례, 8주 시범안을 붙였습니다.
Lean AI for Forwarding: C.H. Robinson이 해상·항공 견적을 2~3분으로 줄이고 통관 서류를 에이전트에 맡긴 방식
C.H. Robinson이 육상에서 쓰던 Lean AI 에이전트를 해상·항공 포워딩과 미국 통관으로 넓혔습니다. 견적은 고객 3,600곳에 8만 건 넘게 나갔고 소요 시간은 1~3일에서 2~3분으로, 통관 서류 처리 시간은 23% 줄었습니다. 에이전트별 입력 필드와 10주 시범안을 붙였습니다.
LTL Operations AI: XPO가 경로·적재·인력·간선 계획에 AI를 넣어 물량 6% 증가를 소폭 증원으로 처리한 방식
미국 LTL 운송사 XPO는 집배송 경로, 도크 적재 코칭, 인력 계획, 간선 계획에 AI를 넣었습니다. 3분기에 하루 화물 건수가 5.8% 늘 때 인원은 한 자릿수 초반만 늘었고 파손은 20% 줄었습니다. 도구별 데이터·지표와 센터 2곳 12주 시범안을 붙였습니다.
Lean AI: C.H. Robinson 3분기 콜, 사내 에이전트로 1인당 처리 물량은 늘리고 인원은 10.4% 줄인 방식
미국 물류 중개사 C.H. Robinson은 3분기 콜에서 사내 엔지니어·데이터 과학자 450여 명이 만든 에이전트로 북미 육상 1인당 일 처리 물량을 1년 새 15% 넘게 늘리고 평균 인원은 10.4% 줄였다고 밝혔습니다. 토큰 사용은 2년 새 40배가 넘었지만 연 비용은 200만 달러 미만입니다. 에이전트 명세 필드와 8주 계획을 붙였습니다.
xFusion CPQ AI Agent·Multi-Agent Scheduling: 서버 회사가 견적·공급망·생산계획을 에이전트로 바꾼 세 사례
중국 서버 기업 xFusion이 2026 Gartner Eye on Innovation Awards에 낸 세 사례입니다. 견적 구성은 15분에서 3분으로, 계약에서 배송까지의 자동화율은 0%에서 90.21%로, 생산계획 적용률은 0%에서 91%로 바뀌었다고 회사가 보고했습니다. 세 사례 모두 LLM은 해석을 맡고 제약은 규칙·지식 그래프·솔버가 지키는 구조이며 이를 옮길 때 필요한 필드와 12주 일정을 정리했습니다.
SF Technology Global AI Logistics: 통관 검토·간선 배차·포장 계산을 AI로 묶은 국제 물류
SF Express 기술 계열 SF Technology가 Fengyu LLM·Fengzhi 등으로 국제 물류의 통관 검토, 태국 간선 배차, 창고 포장을 묶어 통관 검토를 5초·50배 빠르게 했다고 보고한 사례입니다. 한국 제조사 수출 물류에 옮기는 구조와 6주 파일럿을 붙였습니다.
JD.com AI-Powered Carbon Value Exchange: 배송 탄소 감축량을 SKU별로 계산해 소비자 보상으로 바꾼 사례
JD.com은 배송마다 실제 차량과 전력을 배출원에 짝지어 SKU별 탄소 감축량을 AI로 계산하고 블록체인으로 인증해 구매에 쓰는 green voucher로 돌려줬습니다. 사례집 보고로는 6,500만 명 넘게 참여했고 산정 오차가 38%에서 5%로 줄었습니다. 국내 제조사가 배송 탄소 산정부터 옮기는 데이터 모델과 8주 파일럿을 붙였습니다.
aIDEM: 이데미쓰코산이 탱크로리 배차를 AI 초안·사람 확정으로 바꿔 작성 시간 23% 줄인 방식
이데미쓰코산은 하루 약 5,000건, 탱크로리 약 1,800대의 연료유 배차를 AI가 초안 짜고 배차 담당자가 확정하는 aIDEM으로 바꿔 작성 시간을 전국 평균 약 23% 줄였습니다. 먼저 깐 운행 기록 플랫폼, 수요예측과 수리최적화의 분업, 운행 이벤트 필드와 12주 파일럿을 붙였습니다.
Haier Smart Home AI Digital Warehousing·Zero-Defect Quality: 재고 배분·배차·불량 검출을 AI에 맡긴 세 사례
하이얼 스마트홈은 흩어진 재고를 하나의 디지털 재고 풀로 묶어 AI로 배분하고(재고회전 42% 개선), 배차 배치를 4시간에서 30분으로 줄였으며 멀티모달 품질 플랫폼으로 불량률을 22% 낮췄다고 보고했습니다. 세 사례의 작동 방식과 한국 제조사가 옮기는 12주 계획을 붙였습니다.
Humanoid RaaS: GXO가 Digit을 창고 2곳에 늘리면서도 ROI는 2년 뒤로 보는 이유
GXO가 Agility의 휴머노이드 Digit을 2027년 초부터 창고 2곳에 더 넣습니다. 같은 시기 CEO는 휴머노이드 ROI가 아직 2년쯤 남았고 올해 양산 배치는 0대라고 말했습니다. 확대와 ROI 유보가 함께 가능한 이유를 RaaS 계약, 토트 이동이라는 좁은 작업, 속도·손재주 병목으로 풀고 토트당 비용 장부와 12주 파일럿 계획을 붙였습니다.
Can It Say Why: 이유를 대지 못하는 공급망 AI 점수로는 누구도 결정하지 못한다
공급망 위험 AI가 협력사를 '치명적'이라고 표시해도 이유를 대지 못하면 조달 담당은 믿고 움직이거나 미룰 수밖에 없다는 글. 벤더에게 '점수가 틀렸다면 어떻게 알 수 있나'를 묻는 평가법과 3주 시험 계획을 붙였습니다.
Neurosymbolic Architecture: 공급망 위험은 그래프 계산이 정하고 LLM은 그 안에서만 말하게 한 이유
공급망 위험을 분류가 아니라 그래프 추론과 물리적 제약의 문제로 보고 지식 그래프와 결정론 엔진이 정답을 정하면 LLM·에이전트·GNN은 그 경계 안에서만 말하게 한 설계의 이유. 판단마다 계층을 나누는 6주 도입안을 붙였습니다.
More AI Power, More Explainability: 모델이 강해질수록 설명도 두꺼워지게 만드는 설계 원칙
성능이 좋은 공급망 AI일수록 이유를 대기 어렵다는 통념을 SHAP·LIME의 실패 모드와 최근 연구로 반박하고, 모든 엔진이 계산하는 순간 같은 근거 스키마에 쓰게 하라는 원칙을 제시한 글. 플랫폼을 고를 때 돌릴 재현성·섭동 테스트와 2주 평가 일정을 붙였습니다.
Supplied in China: 전자·EV·자동화가 쌓은 역량이 휴머노이드 공급망이 된 과정
Leo Su는 중국의 휴머노이드 공급망이 인건비가 아니라 소비자 전자·EV·산업 자동화가 수십 년 쌓은 공급사 밀도와 반복 속도에서 나왔기 때문에 복제가 어렵다고 봅니다. 한국을 전자·배터리·자동차 조합이 가장 강할 수 있는 곳으로 본 점에 맞춰, 우리 회사의 로봇 부품 기회를 진단하는 매트릭스와 6주 계획을 붙였습니다.
Augmented AI Models: CEMEX가 킬른·시멘트 밀 운전을 AI로 맞추는 3년 확산 계획
CEMEX CEO는 3분기 실적 콜에서 비용 절감 다음 단계를 AI로 정했다고 밝혔습니다. 텍사스 Balcones 공장에서 킬른과 시멘트 밀 운전 변수를 AI가 조정하는 방식을 배치 중이고, 이를 3년 프로그램으로 미국과 다른 지역에 넓힙니다. 공장에 옮길 때의 도입 단계, 지표, 26주 일정을 붙였습니다.
The Architecture Your Auditors Will Ask About: 공급망 AI 구매 평가의 통과 조건이 된 감사 추적 설계
공급망 AI 구매 평가에서 설명 가능성이 기술 평가 전의 통과 조건이 됐다는 글. ISO 42001·CSRD·EUDR·CSDDD가 공통으로 묻는 것과 벤더를 가르는 다섯 가지 설계 시험, 3주 평가 절차를 정리했습니다.
Siemens Erlangen Factory Agents: 급한 주문에 생산계획 대안을 내고 디지털 트윈에서 검증하는 에이전트
지멘스 Erlangen 전자공장에서 에이전트가 급한 주문에 맞춘 생산계획 선택지를 만들고, 디지털 트윈에서 시험한 뒤 생산 통제 담당의 승인을 받아 허용된 변경만 적용합니다. PCB 검사는 가상 기판과 합성 이미지로 시제품 전에 준비합니다. 시나리오 필드, 권한 표, 6주 파일럿을 붙였습니다.
Cross-Cutting Context Objects: 여러 엔진을 거친 AI 점수의 이유를 한곳에 기록하는 설계
여러 엔진이 이어 붙은 공급망 위험 점수를, 계산하는 순간 하나의 공유 객체에 근거를 적어 UI·LLM·감사 문서가 같은 근거를 쓰게 만든 설계. 설명 스키마부터 정하는 4주 도입안을 붙였습니다.