| 삼성SDS / 물류 AI 에이전트 보조 자동화 넘어 ‘자율 운영’으로 진화 (IT) | |||
 
|
|||
|
|||
|
물류 AI 에이전트 보조 자동화 넘어 ‘자율 운영’으로 진화 배차·정산·리스크까지 자동화 확산 ‘30년 이후 자율 물류 본격화 전망’  물류산업에서 AI는 더 이상 문서 자동화나 단순 챗봇 수준에 머물지 않는다. 반복적인 운영 업무를 대신 수행하고, 일부 영역에서는 제한적인 자율 실행까지 가능해지는 단계로 빠르게 진입하고 있다. 삼성SDS 문신정 상무는 지난달 1일 킨텍스에서 열린 ‘제2회 KILA 물류 세미나’에서 ‘물류 AI Agent, 어디까지 왔고 어디로 가는가?’를 주제로, 물류산업의 AI 전환 흐름과 실제 적용 현황을 제시했다. 문신정 상무는 “물류는 비표준화된 시스템, 복잡한 이해관계 구조, 비정형 데이터 비중이 높아 AI 도입이 어려운 산업으로 인식돼 왔다”며, “그럼에도 불구하고 이미 많은 기업들이 생성형 AI와 AI 에이전트 도입을 시작했고, 자동화는 거스를 수 없는 흐름이 됐다”고 말했다. 문신정 상무는 로컬 운송, 국제 운송, 창고관리 등 세 분야를 중심으로 AI 에이전트의 적용 가능성과 한계를 분석했다. AI 적용이 가장 활발한 분야는 로컬 운송이다. 로컬 운송은 텐더(Tender)와 디스패치(Dispatch) 업무가 반복적이고 운송 구간이 상대적으로 단순해 자동화 효과를 기대하기 용이하다. 특히 배차 관리에서는 AI 에이전트가 여러 차주에게 동시에 연락하고, 운임 협상과 일정 조율까지 수행하는 사례가 등장하고 있다. 기존에는 운영자가 전화나 이메일을 통해 순차적으로 진행하던 업무를 AI가 병렬로 처리하는 방식이다. 가시성 관리 역시 대표적인 적용 영역이다. 물류 운영에서는 일부 운송 건의 상태 정보가 누락되는 경우가 빈번하게 발생한다. 기존에는 고객 문의가 발생한 이후에야 운영자가 수동으로 확인하는 방식이 일반적이었다. 그러나 AI 에이전트는 누락된 건을 자동으로 탐지하고, 차주에게 메시지나 전화를 통해 상태를 확인한 뒤 이를 시스템에 반영할 수 있다. 이를 통해 화물 추적 정보의 공백을 최소화하고 고객 대응 속도를 높일 수 있다. 운송비 정산 분야에서도 AI 적용이 확대되고 있다. 물류 정산은 계약 운임과 실제 청구 금액간 차이가 발생하는 경우가 많고, 예외 비용이 이메일이나 문서 형태로 분산 관리되는 특성이 있다. AI 에이전트는 계약서와 인보이스를 OCR로 인식하고, 이메일 이력을 분석해 예외 비용의 승인 여부를 검증하는 방식으로 정산 자동화를 지원한다. 로컬 운송 배차 영역은 AI 적용시 약 32% 수준의 효율 개선이 가능하다는 분석이 제시됐다. ‘AI가 국제운송 리스크 관리’ 공급망 이상 조기 감지 국제운송 영역에서는 선적 서류 관리와 리스크 관리가 주요 적용 분야로 꼽힌다. 국제운송은 한 건당 10~20종 이상의 문서가 오가고, 업무의 상당 부분이 반복적인 데이터 대조와 검증 작업으로 구성된다. 이에 따라 문서 자동화의 효과가 크다. 최근 AI 문서처리 기술은 단순 OCR을 넘어, 이메일 수신부터 문서 분류, 파일 정리, 데이터 추출, 시스템 입력까지 이어지는 ‘지능형 문서처리(IDP)’ 형태로 발전하고 있다. 예를 들어 상업송장과 패킹리스트간 수량 불일치, HS코드 오류 가능성 등 데이터 이상을 AI가 자동으로 탐지하고 운영자에게 확인을 요청하는 기능도 구현되고 있다. 문신정 상무는 “과거에는 문서를 업로드하면 데이터를 추출하는 수준이었다면, 현재는 메일 기반으로 문서를 자동 처리하고 시스템까지 연계하는 단계로 발전하고 있다”고 설명했다. 리스크 관리 역시 중요성이 커지고 있다. 최근 글로벌 공급망 불안정성이 지속되면서 특정 지역·항로 리스크가 전체 운영에 미치는 영향이 확대되고 있기 때문이다. AI 에이전트는 외부 뉴스와 리스크 정보를 감지하고, 영향권에 있는 화물과 고객사를 자동으로 식별해 운영자에게 제공할 수 있다. 삼성SDS의 경우, 리스크 발생시 영향 물동과 고객사 정보를 자동으로 추출해 운영 담당자에게 알림 형태로 제공하는 체계를 운영하고 있다. 다만 대응 방안까지 완전히 자동화된 수준은 아니며, 의사결정은 여전히 운영자의 역할로 남아 있다. 국제운송 문서 관리 영역에서는 AI 적용시 약 60% 수준의 업무 효율 개선이 가능하다는 분석도 제시됐다. ‘영상·드론 결합’ 물류센터 입출고 및 재고관리 최적화 창고관리 분야는 상대적으로 AI 적용이 용이한 영역으로 평가된다. WMS를 중심으로 데이터가 집중돼 있고, 운영 범위가 물리적으로 제한돼 있기 때문이다. 주요 적용 분야는 입출고 관리, 재고조사, 창고내 동선 최적화 등이다. 입출고 관리에서는 영상 기반 손상 감지 기술이 활용되고 있다. 출고 과정에서 화물 이미지를 자동으로 기록하고, 박스 파손이나 이상 상태를 사전에 탐지해 클레임 대응 근거로 활용하는 방식이다. 재고조사 분야에서는 드론이나 이동형 카메라 장비가 창고를 순회하며 재고 위치와 수량을 자동으로 인식하고, 이를 기반으로 창고 운영 상태를 시각화하는 솔루션이 도입되고 있다. 또한 지게차와 같은 장비에 AI를 적용해 실시간 혼잡도를 반영한 최적 이동 경로를 제시하거나, 피킹 작업을 자동 인식하는 기술도 확산되고 있다. 창고 재고 관리 영역은 AI 적용시 약 55% 수준의 효율 개선이 가능할 것으로 분석됐다. 자율 물류 핵심 과제 ‘맥락 이해’ 문신정 상무는 물류 AI가 빠르게 발전하고 있지만, 완전한 자율 운영으로 가기 위해서는 여전히 해결해야 할 과제가 존재한다고 강조했다. 핵심은 ‘맥락(Context)’이다. 현재 대부분의 시스템에는 운임, 리드타임, 처리 결과 등 정형 데이터는 축적돼 있지만, 특정 의사결정이 내려진 이유는 기록되지 않는 경우가 많다. 예를 들어 더 저렴한 운송사를 선택하지 않은 이유가 과거 사고 이력이나 서비스 품질 문제 때문이었다면, 이러한 정보는 이메일이나 담당자의 경험에 의존하는 경우가 많다. 문신정 상무는 “AI가 단순히 데이터만 기반으로 판단하면 실제 현장의 의사결정 맥락을 반영하기 어렵다”며, “향후 AI 에이전트는 이메일, 메신저, 통화 기록 등 비정형 데이터를 포함한 컨텍스트까지 이해해야 한다”고 설명했다. 삼성SDS는 물류 플랫폼 ‘첼로스퀘어’를 기반으로 AI 에이전트 구조를 고도화하고 있다. 운영 시스템에 축적된 정형 데이터 위에 지식 그래프를 구축하고, 여기에 업무 맥락을 반영하는 컨텍스트 레이어를 결합한 뒤, 그 위에 리스크 관리, 가시성 관리, 고객 대응, 서류 관리, 운송 예약, 정산 등 다양한 AI 에이전트를 적용하는 구조다. 문신정 상무는 “현재는 일부 업무 중심의 자동화 단계지만, 향후에는 의사결정 맥락까지 학습하는 방향으로 발전하면서 자율화 수준이 점차 높아질 것”이라며, “2030년 이후에는 물류 운영의 상당 부분이 자율적으로 수행되는 방향으로 진화할 것”이라고 전망했다. |
| 
|
