전문가 컬럼 물류신문 Part2. 깊어지는 고민, 어떤 AI를 어떻게 활용해야 하나

다양한 기술의 결합을 통해 시너지 만들어야

AI를 준비할 수 있는 시간은 그리 많이 남지 않았다. 하지만 현장에서는 AI의 활용법에 있어서는 명확한 답을 찾지 못하고 있다. 전문가들은 이에 대해 AI를 바라보는 관점 자체를 바꿔야 한다고 조언한다. 특히 AI의 도입이 목적이 되어서는 안된다고 설명한다. 먼저 ‘어떤 문제를 AI로 해결할 것인가’를 명확히 정의하는 것이 필요하다는 설명이다. AI 기반 지능형 WES 플랫폼 ‘니어솔로몬(NearSolomon)’을 제공하고 있는 지능형 물류플랫폼 기업 니어솔루션의 최용덕 상무는 “AI는 목적이 아니라, 현장의 문제를 해결하기 위한 수단이다. 기술을 도입하기보다 먼저 현장의 Pain Point를 데이터로 정의하는 구조를 만들어야 한다”며 “‘무엇이 비효율적인가?’, ‘그 비효율을 데이터로 측정할 수 있는가?’를 명확히 규정해야 한다”고 설명했다. 또한 다른 기술들과의 결합을 통해 최상의 시너지를 창출할 수 있는 전략적 도구로 사용해야 한다고 조언한다. 그렇다면 현재 물류산업에 적용할 수 있는 AI기술은 어떤 것들이 있으며 어떤 기술과의 조합을 통해 시너지를 창출할 수 있을까?

물류산업에 적용가능한 주요 AI 기술은?

AI는 다양한 형태로 물류산업에 적용되고 있다. 최근에는 단순 자동화를 넘어 데이터 기반의 실시간 의사결정 체계를 구축하는 형태로 진행되고 있다. 현재 적용되고 있는 AI 기술 중에 물류 산업에 적용할 수 있는 기술은 크게 머신러닝 및 딥러닝 기반 예측 분석, 최적화 알고리즘 및 강화 학습, 컴퓨터 비전 및 이미지/비전 AI, 자연어 처리 및 생성형 AI 기술을 들 수 있다. 정태수 고려대 산업경영공학과 교수는 “현재 AI 기술은 다양한 분야에 적용이 가능하다. 예를 들어, 딥러닝 기술을 활용하여 복잡한 비선형 패턴 분석을 통한 예측 정확도를 높일 수 있고, 강화학습은 로봇 제어 및 동적 경로 계획에 활용이 가능하며, 컴퓨터 비전기술 활용을 통해 물품 검수 및 분류를 자동화하는 등 이미 관련기술들은 물류분야에 활용이 되고 있다”고 설명했다.

머신러닝 및 딥러닝 기반 예측 분석 기술은 과거 데이터(온도, 습도, 운송경로, 과거 이탈 패턴 등)를 학습해 미래를 예측하고 위험을 조기 감지하는데 활용되는 기술이다. 이를 통해 수요예측, 물동량 예측, 배송시간(ETA)예측, 설비고장 예측, 자산 순환 예측 등에 활용할 수 있다. 씨스존은 이러한 기술을 통해 콜드체인 AI 예측 모니터링 솔루션을 준비하고 있다. 이는 온도 센서에서 수집된 실시간 데이터(온도, 습도, 조도, 충격)를 머신러닝 모델로 분석하고 외기 온도, 운송 경로, 차량 상태, 과거 온도 이탈 패턴 등을 학습하여 온도 이탈을 사전에 경고하며 냉동기 고장, 문 개폐 이상, 냉매 누출 등 위험 요인을 조기 감지할 수 있다. 온도 이탈로 인한 의약품·식품 손실 최소화와 예방적 유지보수를 통한 냉동 설비 수명 연장 효과를 기대할 수 있다.

최적화 알고리즘 및 강화학습 기술은 경로최적화, 차량 배차 등 복잡한 변수(교통, 시간대, 차량 제약, 배송 우선순위 등)를 고려해 가장 효율적인 의사결정을 도출하는 기술이다. 이 기술은 배송 경로 최적화, 차량 배차 최적화, 창고 레이아웃 최적화, 로봇제어, 자율주행 차량의 독자적 의사결정 등에 활용할 수 있다. 로지스올시스템즈는 이러한 기술을 활용해 AI 기반 수·배송/수거 등 라우팅 최적화 알고리즘 적용, 대내외 고객의 물류효율화, 비용절감, 서비스품질 향상 등 다양한 Benefit을 제공하고 있다.

컴퓨터 비전 및 이미지·비전 AI기술은 카메라 센싱 기술을 통해 화물의 크기, 형태, 상태를 인식하고 분석해 자동분류, 검수, 안전관리에 적용할 수 있는 기술이다. 이 기술은 물류센터 내 화물 인식·분류·검수, 재고확인, 안전관리, 설비 이상 감지, 품질 검사, 소포 치수 측정 등에 활용할 수 있다. 롯데글로벌로지스는 이 기술을 진천 메가허브터미널에 적용해 화물의 크기와 형태를 자동 인식해 99.8%의 정확도로 분류하고 있다.

자연어 처리 및 생성형 AI 기술은 텍스트와 언어를 이해하고 생성하는 AI기술이다. 이 기술을 통해 물류 문서 자동처리(송장, 선하증권 등), 고객 문의 응대(챗봇), 운송장 정보추출, 정보탐색 및 보고서 작성, 프로그램 개발(바이브 코딩)에 활용할 수 있다. 지브라의 대표 AI 솔루션 중 하나인 Zebra Companion은 현장 직원을 지원하기 하며 기업 맞춤형 지침 제공과 대화형 AI 상호작용을 통해 업무 효율을 높이고 있다. 이러한 생성형 AI 솔루션을 통해 직원들은 실시간 인사이트에 접근하여 보다 빠르고 정확한 정보를 기반으로 의사결정을 내릴 수 있다.

(출처: 물류신문)

다양한 첨단 기술과 결합 통해 시너지 창출 필요

AI를 활용해 효율성을 극대화하기 위해서는 다른 기술들과 결합이 필요하다. 전문가들은 결합을 통해 시너지를 낼 수 있는 기술로 IoT, 로봇, 자율주행, 표준화 물류기기 등을 제안한다. 정태수 고려대 산업경공학과 교수는 “AI는 로봇, 자율주행, IoT 등 다른 기술과 결합될 때 물류 효율성을 극대화하는 시너지를 창출할 수 있다는 사실은 잘 알려져 있다”며 “예를 들어, AI와 IoT의 결합을 통해 센서 데이터를 분석하여 실시간 품질 관리 및 예지 보전을 가능하게 하며, AI와 로봇의 결합은 로봇의 작업 순서와 동선을 최적화하여 창고 처리량을 극대화한다. 또한 AI와 자율주행의 결합은 차량 데이터 분석을 통해 안전성과 효율성을 동시에 높이는 데 기여한다”고 설명했다.

‘AI + IoT’의 결합은 IoT센서 데이터를 실시간 분석해 최적의 냉동기 제어, 경로변경, 이상감지를 자동으로 수행해 클레임과 손실을 줄일 수 있는 대표적인 결합사례이다. 산제이 샤르마(Sanjay Sharma) 데클라 CEO는 “온도, 충격, 기울기, 체류시간 데이터를 AI모델이 해석해 실시간 이상감지, 클레임 감소, 제약·식품 등 민감한 상품의 운영에 최적화를 도모할 수 있다”고 설명했다.

‘AI + 로봇’은 물류센터의 상황을 실시간으로 분석해 로봇(AGV, AMR, 로봇팔 등)에게 최적의 작업 순서와 경로를 지시해 처리량 증가는 물론 오류를 감소시킬 수 있는 결합이다. 이준호 LG CNS 스마트물류 사업부장은 “AI와 로봇 기술이 결합되어 로봇이 스스로 판단하는 능력을 갖추면서 인간의 개입 없이도 작업이 가능해진다”며 “로봇과의 결합은 적용 효과와 ROI 측정이 가능하여 타 영역의 AI 도입에 비해서 의사결정을 쉽게 할 수 있다. 또한, 로봇은 기존의 고정식 설비에 비해 유연성과 확장성을 가지고 있기에 수요 변화나 외부 환경 변화에 따른 대응력도 높아질 수 있다는 장점도 가지고 있다”고 설명했다.

‘AI + 자율주행’은 AI기반의 경로 최적화, 날씨 예측, 교통 패턴 분석을 자율주행 기술에 결합하는 것으로 안전성과 연료효율 개선에 효과를 기대할 수 있다. 롯데글로벌로지스의 한 관계자는 “롯데글로벌로지스는 전국 주요 도로 미들마일물류에 자율주행구간을 운영함으로써 안정성은 물론 연비개선을 통한 에너지 절약효과를 거두고 있다”며 “향후 자율주행 화물차전용터미널(환승허브) 운영도 검토하고 있으며 고객현관 문 앞까지 AI 로봇이 스스로 배송하는 ‘로봇배송’ 실증도 추진했다”고 설명했다.

‘AI + 표준화 물류 기기’의 조합은 피지컬 AI 모델처럼 표준화된 물류기기에 AI와 IoT기술을 연동해 자산의 운송, 보관, 회수, 주기를 자동 계산하고 산업 전반의 물류 흐름을 예측할 수 있는 결합이다. 권민오 로지스올시스템즈 대표는 “로지스올이 추진하고 있는 피지컬 AI 인LAPI(Logistics Alliance for Physical Internet)는 FOLDCON(접이식 컨테이너), RRPP(재활용 스마트 파렛트), RRCC(다회용 포장상자), CoCon(콜드체인용 보냉 컨테이너) 등 표준화된 유닛로드(Unit Load) 솔루션을 통해 실제 물류 자산 단위까지 데이터가 연동된다”며 “물리적 표준과 디지털 표준이 결합될 때 AI는 ‘부분 최적화’가 아닌 ‘산업 전체 최적화’를 실현할 수 있다”고 설명했다.

가장 빠르게 성과를 낼 수 있는 분야는 ‘예측, 최적화, 자동화’

AI를 통해 물류기업은 수요 예측, 운송 경로 최적화, 물류센터 자동화 분야에서 가장 빠르게 성과를 낼 수 있다고 전문가들은 설명한다. 또한 성과가 빠르게 나오는 만큼 빠르게 보편화 될 분야로 꼽기도 했다. 정형화된 데이터 확보가 용이하고 AI를 도입했을 때 ROI(투자수익률)가 명확하기 때문이다. 이상덕 한국철도기술연구원 피지컬AI 실장은 “물류 산업 내 AI가 우선 도입될 분야는 ‘수요 예측 및 재고관리’와 ‘창고 운영 최적화’이다. 이 분야들은 정형화된 데이터 확보가 용이하고, AI 도입 시 재고 비용 감소, 피킹 효율 증대 등 ROI를 명확하게 측정할 수 있기 때문”이라고 설명했다. 이태훈 씨스존 연구소장 또한 “AI가 빠르게 보편화 될 물류 분야는 수요예측 및 배송량 분석, 운송·경로 최적화, 물류센터(창고) 자동화 및 피킹 로봇, 안전·설비 모니터링 분야가 될 것으로 전망된다”면서 “컴퓨터 비전과 IoT를 결합한 설비 이상 감지·작업자 안전관리 분야는 DHL이 2023년 AI-Driven Computer Vision 리포트를 통해 이미 실증 사례를 발표할 만큼 상용화 단계에 도달했다. AI기술이 먼저 보편화될 분야는 데이터 수집이 상대적으로 용이하고, AI 도입 효과가 즉각적으로 가시화되며, 기존 시스템과의 통합도 비교적 수월한 분야가 될 것”이라고 강조했다.

(출처: 물류신문)