OMS AI

연구 과제 · Research Program

📦 OMS AI

주문관리(OMS) 영역의 AI 적용 연구. 분산 주문 관리(DOM) · Agentic 예외 처리 · EDD 약속 엔진을 중심으로, 연구노트 49p~72p의 24개 과제를 단계별로 페이지화합니다. 작성: 김지훈 수석연구원 · 2026.01~

완료

21

전체 예정

24

📑 과제 목록 (초기 RT-O#)

분산 주문 관리(DOM) 거점 자동 선택

DOM Score Engine · 0.35·EDD + 0.30·재고 + 0.20·용량 − 0.15·비용 · 200ms 이내 거점 결정

Agentic AI 자율 예외 처리

ReAct + tool use · 5 시나리오 자율 처리 · 자동화율 91% · 평균 4.0초 (수기 30분 대비)

멀티 레이블 카테고리 분류 + 라우팅

JSON 배열 5-class · Pydantic strict · F1_macro 96.7% · COLD+EXPRESS 충돌 해소

EDD 약속 엔진 (Estimated Date of Delivery)

GBT 처리 + Transformer 운송 + 베이지안 confidence · 정확도 96.2% · MAE 0.61h

실시간 재고 동기화 (Kafka + InventoryHub)

4-topic event-driven · 가상 재고 풀(VIP) · Oversell 0건 · p95 38ms · 불일치 0.04%

옴니채널 주문 통합 (Channel Adapter)

쇼핑몰·마켓·POS·B2B EDI 통합 · 정확도 99.2% · p95 84ms · EDI 워커 풀 분리

72시간 수요 예측 + 사전 재고 배분

Transformer 168→72h · 외부 시그널(날씨/프로모) · LP solver · MAPE 11.4% · 품절률 38%

고객 세그먼테이션 + 차별화 풀필먼트

K-Means 5 클러스터 · CLV 가중 · VIP 재구매 +18% · 신규 14d 잔존 +9%

자연어 주문 파싱 (Email/Chat/Voice)

LLM JSON mode + Whisper STT · 자동화 92% · F1 94% · 평균 18초 (수동 90% 자동화)

AI 사기 주문 탐지 + 자동 차단

GBT 6-feature · 0.85↑ auto_block · AUC 0.972 · 정밀도 94% · 사기 손실 −83%

대형 이벤트 폭증 대응 (Surge Response)

LSTM D-7 사전 예측 · HPA 자동 스케일 + LP 사전 배분 + EDD 동적 가산 · SLA 위반 0.7%

능동 배송 추적 + 지연 사전 통보

5분 주기 ETA + delay_risk GBT · 카톡 알림톡 사전 알림 · 인바운드 문의 −34%

반품 위험 예측 + 사전 액션

GBT 5-feature · 라벨 동봉/lock 연장/사이즈 가이드 · 반품 비용 −22% · AUC 0.91

운송사·서비스 레벨 자동 선택

EDD slack 기반 dynamic carrier · 볼륨 자동 협상 · 배송비 −13.4% · EDD 위반 0건

구독 주문 발송 시점·수량 자동 최적화

베이지안 소비 추정 · 재고 소진 D-2 발송 + 선호 요일 보정 · 해지율 −18% · CSAT +5pp

B2B 전용 OMS 모듈 (계약·볼륨 자동 검증)

5-check 자동 검증 · Bronze~Platinum 4 tier · 자동 승인율 95.2% · 평균 0.8초 · 위반 0건

크로스보더 자동 통관 (HS Code AI)

GPT-4 HS 10자리 분류 · 국가별 제한 룰 + 듀티 자동 · 정확도 96.4% · 통관 18→4h

MCP + 컨텍스트 인식 OMS Agent

Anthropic MCP 4 서버 (cust/inv/carr/hist) · 자율 tool use · 컨텍스트 hit 91% · 평균 1.8초

OMS 실시간 KPI 모니터링

Prometheus + Grafana + Alertmanager · 알림 8초 · MTTA 42초 · false positive 1.2%

모델 드리프트 + AI 성능 리뷰 자동화

PSI 7일 윈도 · 0.10/0.20 임계 · Airflow 자동 재학습 · 리포트 480→6분 · 탐지율 100%

지속 학습 파이프라인 (Continuous Learning + Shadow Deploy)

Airflow 매일 03:00 · incremental train + shadow 5% + conditional deploy · 정확도 +3.6pp/월

※ RT-O2 이후 과제는 연구노트 후속 페이지 학습이 완료되는 대로 순차 공개됩니다.