| 오토스토어 / 불확실성 시대 ‘물류 자동화로 경쟁력 강화’ | |||
 
|
|||
|
|||
|
불확실성 시대 ‘물류 자동화로 경쟁력 강화’ 오토스토어 아레나에서 AI·자동화 기반 물류혁신 논의  오토스토어가 ‘AutoStore Arena 2025’를 지난달 17일 개최했다. 이번 행사에는 고객 약 150명을 초청해, 빠르게 변화하는 풀필먼트 환경 속에서 기업들이 직면한 도전과제를 어떻게 해결할 수 있는지를 공유하며, AI와 자동화 기술이 물류산업에 어떤 혁신을 가져올 수 있을지에 대한 심도 깊은 인사이트를 제공했다. 마츠 호블란드 빅세 CEO의 ‘오토스토어의 현재’와 키스 화이트 CCO의 ‘다가올 챌린지에 대한 대응 전략’ 등의 키노트 세션을 시작으로, CJ대한통운 박보근 팀장의 ‘AI로 여는 스마트 물류’, LG CNS 손동신 전문위원의 ‘휴머노이드 로봇 기술 혁신과 물류자동화’ 등의 발표를 통해 실제 사례 기반의 스마트 물류시스템 구축과 고객 가치 중심의 솔루션 설계에 대한 논의가 이뤄졌다. 이외에 커넥터스 엄지용 대표의 ‘빅블러 시대의 풀필먼트 트렌드’, 코그넥스 김민수 전무의 ‘AI비전과 함께 하는 물류자동화의 미래’, 인하대학교 박민영 교수의 ‘변화, 혁신 그리고 물류’ 등 다양한 전문가들의 발표도 이어졌다. 경량 AS/RS 시장 2028년 91억달러 전망 마츠 호블란드 빅세 CEO는 “글로벌 팬데믹을 거치면서 노동력 부족, 공급망 불안정 등과 같은 불확실성 높아지는 시대에는 회복력을 가지는 것이 무엇보다 중요하다”며, “자동화가 회복력을 갖추는데 중요한 수단이 될 수 있으며, 특히 오토스토어는 높은 저장밀도를 가지고 노동력에 의존하지 않고 더 나은 서비스를 제공할 수 있게 지원하는 솔루션”이라고 강조했다. 대표적인 사례가 푸마이다. 푸마는 팬데믹 이후 오프라인 주문이 온라인으로 전환되면서 물동량이 폭발적으로 늘어나고 물류 복잡성이 증가하는 현상을 겪었다. 이러한 문제를 해결한 것이 바로 오토스토어 구축이다. 푸마는 오토스토어에 기반한 자동화를 통해 고객 주문에 효율적으로 대응해 경쟁력을 강화하고, 오히려 비즈니스를 확장하는 계기가 됐다. 마츠 호블란드 빅세 CEO는 “푸마는 5년을 내다보고 투자했는데, 1년만에 ROI를 달성하는 성과를 보였다”고 언급했다. 물류자동화 시장은 빠르게 변화하고 있다. 오토스토어가 발표한 경량 AS/RS 시장전망을 살펴보면, 2024년 55억달러에서 2025년 58억달러로 소폭 상승했다. 2028년에는 91억달러로 연평균 16% 증가하는데 이어, 2032년에는 143억달러로 연평균 12% 성장할 것으로 전망된다. 이처럼 물류자동화 보급률을 매년 증가하고 있지만 실제 자동화를 적용한 기업은 20%에 지나지 않아, 성장가능성은 더욱 높다고 할 수 있다. 마츠 호블란드 빅세 CEO는 물류자동화의 이점으로 효율성을 꼽았다. 우선 주문처리 시간이 1~4분 정도 빨라지고, 유연성이 4배 증가한다. 오토스토어의 경우 전세계 1,700개 사이트에서 가동시간에 대한 신뢰성이 99.7%로 조사됐다. 또한 다운타임이 적다는 것도 장점이다. 마츠 호블란드 빅세 CEO는 “오토스토어의 가장 큰 장점은 ROI로, 고객들은 투자 이후 1~3년 이내에 ROI를 달성한 것으로 나타났다”며, “실제 오토스토어를 도입한 어패럴 및 뷰티 이커머스 기업의 경우 인건비 50% 감소, 피킹 정확도 99%로 향상, 피크타임 비용 33%를 절감하는 효과가 나타났다”고 밝혔다. 4세대 로봇으로 진화하는 물류현장 LG CNS 손동신 전문위원은 지능형 로봇 발전 현황과 물류현장에서 어떻게 활용되는지 설명했다. 지능형 로봇은 사전에 정의된 일만 수행하는 공작기계 등의 1세대를 거쳐, 센서 기반 주변 환경을 인지하지만 정해진 일만 하는 수준의 AGV 등의 2세대로 이어졌다. 이후 학습을 통해 정의된 일을 수행하는 AMR, 피킹로봇 등의 3세대를 거쳐, 스스로 필요한 일을 생각하고 알아서 일하는 휴머노이드 로봇 등의 4세대로 진화되고 있다. 손동신 전문위원은 “4세대 지능형 로봇은 질문의 복잡성을 이해하고 의도에 맞는 업무를 수행할 수 있다”고 설명했다. 지능형 로봇이 진화하면서 물류센터 프로세스를 자동화하는 스마트 물류도 발전하고 있다. 2세대 로봇은 공간을 효율적으로 활용하는 보관 영역에서 빠르게 확산하고 있다. 3세대 로봇은 AI 피킹로봇과 파렛타이징로봇, AMR이 대표적이다. 다만 AI 피킹로봇은 아직 여전히 자동화되지 않는 부분이 많이 있어 확산에는 제약이 있는 상황이다. 반면 AI 비전 인식 파렛타이징/디파렛타이징 로봇은 현장에서 많이 활용되고 있으며, 최근에는 혼합 파렛타이징도 활발히 적용되고 있다. AMR은 AGV 대비 좁은 통로 주행, 충돌 회피 기반 다수 로봇 운영 등의 다양한 이송 시나리오가 가능해 빠르게 확대되고 있다. 그러나 입고나 검수, 출하 등 3세대까지의 로봇으로 해결하지 못하는 많은 자동화 난제가 존재한다. 이에 최근에는 피지컬 AI 개념이 등장하면서 4세대 로봇이 주목받고 있다. 손동신 전문위원은 “4세대는 센서와 엑추에이터를 통해 물리 환경과 상호작용하며, 학습과 판단을 기반으로 실제 작업을 수행하는 AI 기반의 로봇”이라며, “즉, 생각하고 알아서 일하는 로봇으로, 범용지능을 갖춘 휴머노이드가 대표적인 4세대 로봇”이라고 설명했다. 휴머노이드 로봇은 센서를 통해 사람처럼 정보를 받아들이고 브레인에 전달해 하드웨어를 통해 아웃풋이 나오는 형태로, 로봇 파운데이션 모델(Robot Foundation Model)과 학습 환경이 핵심 요소이다. 로봇의 브레인인 RFM의 학습은 방대한 데이터로 학습하는 Pretrain과 OJT인 Fine-tuning으로 구분된다. 손동신 전문위원은 “Pretrain은 사람이 태어나서 대학교를 졸업하기까지의 교육을 받는 것과 유사한 일반적인 대량 지식 학습 과정이고, Fine-tuning은 대학을 졸업한 사람이 취업해 짧은 기간동안 OJT를 받는 것과 유사한 현장 업무 학습 과정”이라며, “로봇의 학습 데이터 확보가 향후 휴머노이드 로봇의 핵심 성공 요소가 될 것”이라고 밝혔다. 앞으로 휴머노이드는 투자대비 효과가 큰 고강도 작업과 유해환경 작업에 우선적으로 적용될 것으로 예상된다. 손동신 전문위원은 “Next 스마트물류는 복잡하고 다양한 작업을 수행할 수 있는 Brain을 현장의 작업 Data로 학습시키고 Robot에 탑재해 휴머노이드 기반의 무인화 물류센터로 진화될 것”이라고 전망했다. <저작권자 ⓒ 월간 물류매거진(www.ulogistics.co.kr) 무단전재 및 재배포금지>
|
| 
|
