수요 패턴이 수요 모델을 고른다: Amazon Connect Decisions로 살펴보는 Agentic Demand Forecasting

기존 수요 예측 시스템은 비즈니스 변화에 따라 재구축이 필요하며, 현장의 귀중한 조정 데이터가 시스템에 반영되지 않는 한계가 있다. 이를 해결하기 위해 Amazon은 30년간 축적한 공급망 노하우를 적용한 **Amazon Connect Decisions(ACD)**를 출시했다.

ACD는 Agentic AI를 활용해 SKU별 수요 패턴을 진단하고, 적합한 예측 모델을 동적으로 선택한다. 진단 단계에서는 **ADI(평균 수요 발생 간격)**와 **CV²(변동계수의 제곱)**를 기준으로 SBC 분류법을 적용해 수요를 네 가지 패턴(Smooth, Intermittent, Erratic, Lumpy)으로 구분한다. 특히 패션 등 시즌성이 강한 산업에서는 **Product Lifecycle(추세 전환)**까지 고려해야 예측 정확도를 높일 수 있다.

측정 단계에서는 MAPE 대신 **WAPE(오차 크기)**와 **Bias(오차 방향)**를 쌍으로 활용한다. 이는 0으로 나누는 오류를 방지하고, 체계적 오차와 무작위 오차를 구분하여 모델의 편향을 정확히 진단할 수 있게 한다.

처방 단계에서는 패턴에 맞는 기법(Croston류, ETS/ARIMA 등)을 적용하고, 프로모션 등 외부 신호를 반영한다. ACD는 이 모든 과정을 매 사이클 자동으로 오케스트레이션하여 item 단위로 최적의 forecast를 생성한다.