AI 문서 인식을 더한 식품 수입·유통 전용 ERP 구축

이 기업은 해외 식품을 수입해 국내 거래처에 공급하는 회사로, 수입 오퍼부터 선적, 통관, 창고 입고, 납품, 정산까지의 업무를 기존 ERP와 엑셀, 공유 드라이브에 나눠 관리하고 있었습니다. 수입 물량을 먼저 들여와 재고로 두고 여러 거래처에 나눠 파는 거래와, 주문을 먼저 받고 바로 매입해 출고하는 국내 직거래가 함께 돌아가는 구조였습니다. 기존 ERP는 매입·매출·재고 메뉴가 조직 기준으로 나뉘어 있어 두 가지 거래 흐름을 그대로 담기 어려웠습니다. 같은 데이터를 여러 곳에 반복 입력하다 보니 재고와 미수금을 한 화면에서 실시간으로 확인하기 어려웠습니다. 고객사는 식품 수입·유통 업무에 맞춘 전용 ERP와 함께, 반복 입력을 줄이는 자동화와 AI 활용 기반을 원했습니다.

취급 품목은 박스 단위로 주문하지만 정산은 실제 중량 기준이어서, 예상 중량으로 발행한 가전표를 창고 계근 결과에 맞춰 다시 확정하는 과정이 필요했습니다. 수입 건마다 BL·컨테이너 단위로 FOB, 물류비, 통관비, 관세를 원가에 배부하고 LOT별 소비기한도 함께 관리해야 했습니다. 거래처 입금은 담당자가 통장 내역을 보며 주문과 맞추고 있었고, 출고증과 거래명세서는 팩스로 하나씩 보내고 있었습니다. BL, 검역증, 명세서, 사업자등록증 같은 종이 서류는 손으로 옮겨 적어야 했습니다. 외부 위탁 창고는 창고마다 품목명을 다르게 쓰고 있어 ERP 품목과 맞추는 일도 과제였습니다.

먼저 두 가지 거래 모델을 정리하고, 오퍼 등록에서 입금 확인까지 실제 업무 순서에 맞춰 화면과 데이터 구조를 설계했습니다. 착수 초기에 요구사항과 메뉴 구조, 데이터 모델, OCR·메일·문자·창고 연동 지점을 정의하고 격주 싱크 미팅으로 고객사와 범위를 맞췄습니다. 제안 단계부터 데이터 통합과 업무 효율화를 먼저 마치고 AI는 효과가 분명한 영역부터 제한적으로 붙이는 방향을 정했습니다. 그래서 먼저 문서 인식과 품목명 매핑처럼 수기 입력을 직접 줄이는 곳에 AI를 먼저 적용했습니다. 인도 전후로 들어온 현업의 추가·수정 요청은 요구사항 단위로 등록해 처리 상태를 추적했습니다.

오퍼·선적, 통관, 창고, 재고, 매입, 매출, 거래처, 경영지원 등 여러 업무 영역을 하나의 ERP로 묶었습니다. BL·컨테이너 단위 선적 관리와 비용 배부 기반 원가 계산, LOT·소비기한별 재고 추적을 갖추고, 박스 수량을 입력하면 중량이 자동으로 환산되도록 입력 화면을 구성했습니다. OpenAI 비전 모델로 BL, 검역증, 매입 명세서, 사업자등록증을 읽어 등록 화면을 채우고, 외부 창고의 품목명을 ERP 품목과 자동으로 연결하는 LLM 매핑을 적용했습니다. 은행 계좌 거래내역을 짧은 간격으로 가져와 입금자명과 거래처를 자동 매칭하고, 출고증은 팩스로 자동 발송한 뒤 전송에 실패하면 다시 보내도록 했습니다. 외부 창고의 재고·수불·계근 데이터를 자동으로 수집해 실중량을 매출에 반영하고, 주문과 입금 매칭 등 주요 화면은 모바일에서도 쓸 수 있게 만들었습니다.

수입부터 정산까지 이어지는 전용 ERP를 구축해 인도했습니다. 수입부터 정산까지 여러 도구에 흩어져 있던 업무가 하나의 데이터베이스와 화면 흐름으로 이어졌습니다. 인도 전후로 접수된 현업의 추가·수정 요청은 요구사항 단위로 관리하며 처리했습니다. 수입 서류는 AI가 읽어 등록 화면을 채우고 은행 입금은 거래처와 자동으로 매칭되어, 같은 내용을 손으로 옮겨 적는 일이 줄었습니다.