✔ AI 사용 설명서

AI는 Artificial Intelligence의 약자로, 컴퓨터나 기계적으로 만든 인공적인 지능을 뜻합니다. 사람의 '뇌'에 비유되곤 하죠. AI 기술 구현을 위해 반드시 필요한 건 '데이터'입니다. 데이터는 우리 뇌에 입력되는 오감과 같습니다.

물류는 단순히 보면 물건을 출발지에서 목적지까지 안전하게 옮기는 일입니다. 현대에는 정보나 서비스까지도 포함되며 원료가 될 수도 있고, 완제품일 수도 있습니다.  배로 옮길 때도 있고, 비행기나 철도를 이용할 때도 있죠. 최종 소비자에게 전달되는 과정에는 사람(도보)도 개입합니다. 자세히 살펴보면 물건이 이동하면서 발생하는 부가적인 과정까지 물류에 포함됩니다.

가령 물건을 안전하게 옮기기 위한 포장, 소비자가 반품을 할 경우 이 물건을 회수하기 위한 회수 등도 물류에 포함되죠. 그리고 현대에 이르러서는 물류에서 발생하는 비용, 시간 등을 최적화하고, 어떻게 하면 적은 탄소를 배출하면서 이동이 이루어질 수 있을지, 편의성을 제공하려면 어떻게 해야 하는지 등 지속 발전되고 있습니다.

물류산업에서 AI(인공지능) 도입이 필요한 이유는 물자가 흐르는 과정을 더욱 과학적으로 분석하기 위함입니다. 현재 물자의 위치가 어디에 있는지, 변형이나 변질은 없는지 이런 것들을 '숫자'로 확인할 수 있다면 많은 업무가 수월해지는 까닭인데요.

실제 물류현장을 떠올려 보겠습니다. '물건을 만들고, 소비자에게 준다’ 이렇게 단순한 과정으로 물류가 이루어졌다면 좋겠지만, 실제로는 수많은 단계가 존재하는데요. 물건이 처음 이동하는 단계 ‘퍼스트마일’, 소비자에게 배송하는 물류센터까지의 단계 ‘미들마일’, 소비자까지 배송하는 단계 ‘라스트마일’로 구분됩니다.

✔ 흐름의 시작

퍼스트마일부터 살펴보면요. 대표적으로 배를 통해서 해외에 있는 물건을 들여오며 해외의 생산지(공장 혹은 원산지)에서부터 국내에 있는 물류센터까지 이동하는 과정입니다. 이 과정에서 AI는 가시성과 데이터를 통한 최적화의 기능을 제공하는데요.

해운의 경우 적게는 1~2주에서 길게는 월 단위로 운송 시간이 소요됩니다. 이 과정에서 AI를 이용해서 경로를 최적화하고, 연료를 절약하거나 위험을 예측하는 등 효율적으로 선박을 운영하는 거죠. 글로벌 2위 선사 머스크(Maersk)는 AI로 컨테이너 적재, 경로 계획 등을 분석해서 연료 소비를 최적화해 탄소 배출량까지 감소시키고 있습니다.

한편, 정해진 항로로 이동하는 자율운항 선박이나 자율비행 항공기의 도입도 속도를 내고 있는데요. 지난해 말 미국의 릴라이어블 로보틱스는 자율비행 항공기 ‘세스나 208B 카라반’의 시험 비행을 성공했습니다. 약 1400kg의 화물을 옮길 수 있다는 걸 고려하면 크로스보더(직구·역직구) 이커머스가 일상으로 자리 잡는 중요한 수단이 될 것 같죠. 올해 4월 DJI의 드론이 에베레스트 산에서 드론 배송 시험을 성공적으로 완료한 것까지 고려하면 국가 간 드론으로 계속해서 물건을 나르는 상상도 할 수 있습니다.

✔ 물류의 허리

미들마일은 최근 가장 AI가 핫했던 분야이기도 합니다. 그간 디지털화가 더뎠던 영역으로 대기업들이 잇따라 ‘화물운송 플랫폼’ 사업으로 진출했기 때문인데요. 고속도로에서 볼 수 있는 거대한 트럭들로 물건을 옮기는 과정이며 이들은 소비자에게 배송하는 물류센터까지 화물을 운송합니다.

화물운송 플랫폼들은 주로 AI를 활용해 적절한 화물과 차주를 매칭하거나, 최적의 운임을 산정하며, 경로를 효율적으로 설정하는 등의 방식을 채택하고 있습니다. 알고리즘을 통해 불확실성은 줄이고, 투명성은 높인 거죠. 또한 간선 운송에 자율주행을 도입하는 시범사업도 진행되고 있는데요. 마스오토는 CJ대한통운과 협력해 11톤 자율주행 대형 트럭으로 218km 노선을 운송하는 시범사업을 개시한 바 있습니다. 자율주행 누적 거리는 100만km가 넘죠.

미들마일의 각 거점을 잇는 물류센터는 과거 보관의 장소로 여겨졌던 물류창고에서 AI가 이식된 자동화 센터로 진화하고 있습니다. 작업자가 직접 물건을 찾고, 옮긴 다음 포장하던 방식에서 로봇을 통해 작업자에게 상품을 전달해 주는 GTP(Goods to Person) 방식의 도입이 활발해졌죠. 오토스토어는 사각형의 바구니가 큐브 형태로 쌓여 있어 로봇이 물건을 작업자에게 전달하는 시스템으로 AI를 통해 최적의 경로로 물건이 이동합니다. 이를 통해 층고라는 유휴 공간을 활용할 수 있고, 출고 처리 능력을 향상시키는 등 생산성을 높일 수 있고요.

영화에서 봤던 휴머노이드의 등장도 머지않았습니다. 미국 어질리티 로보틱스의 휴머노이드 로봇 ‘디지트’는 올해 처음으로 물류 현장에 정식 배치됐으며 7개 이상의 업체가 올해 안에 휴머노이드 로봇을 시판할 계획인데요. 이들은 환경을 인식하고 학습할 수 있는 AI가 탑재된 로봇입니다.

이미 물류현장에는 로봇팔, 4족 로봇 등 다양한 형태의 로봇이 존재하므로 ‘굳이 휴머노이드가 필요한가’라는 의문이 제기되기도 하는데요. 인간이 이용하는 물건과 환경은 모두 인간을 중심으로 만들어졌기 때문에 휴머노이드는 특정 작업을 단순 반복하는 것을 넘어 다양한 업무와 환경에 투입이 가능하다는 강점이 있습니다. 저출산, 고령화라는 글로벌 위기에 대응해 인력을 대체하는 로봇은 인간과 유사한 휴머노이드 로봇일 확률이 높습니다. 현대자동차그룹의 휴머노이드 로봇 '아틀라스'도 해외의 제조공장에 투입될 예정이죠.

✔ 소비자와 닿다

소비자와 직접 닿는 라스트마일의 영역에서는 AI를 통해 경로를 최적화할 수 있습니다. 거리, 날씨, 주유소, 교통체증 등 데이터를 활용하여 적절한 배송 경로를 제시하는 거죠. 바이너리브릿지가 운영하는 당일배송 서비스 핑퐁은 AI로 주문 수, 실시간 교통상황, 개인별 배송속도 편차 등을 반영해 최적의 경로를 계산해 인원에게 배정하는 과정까지 자동화했습니다. 또한 인구가 밀집되어 있는 도심이나, 아파트의 경우 자율주행 배송로봇 실증도 꾸준히 이어지고 있죠.

AI는 역물류에서도 활용할 가치가 높은데요. 반품과 회수의 문제는 유통·물류산업의 깊은 고민이기도 하죠. 머신비전 기술을 활용하면 반품된 물건의 상태를 빠르게 검수하고, 등급에 따라 리퍼브로 판매할 가치가 있는지, 폐기를 거쳐야 하는지 등을 판별 가능합니다. 또한 폐기물을 재활용하는 로봇을 벤치마킹하면 각 지역마다 ‘무인 반품센터’를 운영하고 바로 판매까지 연결될 수 있겠다는 생각도 드는데요.

에이트테크의 폐기물 선별 로봇 ‘에이트론’은 AI로 260만건 이상의 선별장 생활폐기물 데이터를 학습해 인식 정확률이 99%에 달합니다. 색상과 재질 별로 총 45종의 폐기물을 구분하죠. 실제로 인천 경서동에는 폐기물 재활용률을 80%까지 끌어올릴 수 있는 ‘무인 로봇자원회수센터’ 건립을 추진 중입니다. '인공지능 사용 설명서 <유통편>'과 같이 각 지역 주민들의 반품 횟수, 반품 추이 등의 데이터까지 수집한 AI라면 긴 이동거리, 회수 인력 등이 없이도 각 지역마다 역물류를 담당할 수 있죠.

✔ 결국은 연결

크게 세 가지 단계로 물류를 구분하여 각각의 구간마다 AI가 어떻게 도입되고 있는지 살펴봤는데요. 최근에는 데이터들을 유기적으로 연결하는 AI의 중요성이 떠오르고 있습니다. 공급망의 전 과정을 가시성 있게 모니터링할 수 있는, 단절 없는(seamless) 물류가 부각된 건데요. 가령 물건을 생산하면서 모든 데이터를 가시성 있게 확보할 수 있다면 생산지부터 물류센터까지 운송되자마자 분류되고, 포장돼 소비자에게 단절 없이 빠르게 배송될 수 있는 물류가 됩니다.

모니터링 솔루션 기업 윌로그는 디바이스를 통해 육상, 해상, 항공 등 물류 환경 속에서 데이터를 수집하고 시각화하는 기술을 보유하고 있는데요. 각 물류 단계마다 단절되어 있던 데이터를 모으고 연결하려는 모습이죠. 물건이 운송되는 과정에서 발생할 수 있는 이슈들을 AI로 예측하고 최소화하면서 고객이 만족할 수 있는 속도로 배송하기 위해서는 운송과정의 가시성과 누적된 데이터가 필수적입니다. 산업의 현장에 AI가 도입될수록 데이터가 고도화될 거고요.

거기다 글로벌 친환경 트렌드가 강하게 불면서 전 과정의 탄소배출량까지 AI가 추정하거나 측정할 수 있는 솔루션 플랫폼들도 속속 등장하고 있습니다. 대표적으로 오일렉스의 이퓨얼 솔루션은 주유비와 차량 관제를 통해 탄소배출량을 관리합니다. 이와 같은 솔루션을 고도화하면 공급망 전 과정의 탄소배출을 관리할 수 있게 될 겁니다.

✔ '왜'라는 질문