그렇다면 국토부의 전략 가운데 AI는 어떤 방식으로 활용할 수 있을까요? 먼저 MFC를 포함한 물류거점 입지를 도출할 수 있지 않을까 하고요. 또 수요예측, 재고 관리, 라스트마일 배차, 센터 내 로봇을 비롯한 자동화 설비 운영에 AI를 도입할 수 있겠다는 희망찬 미래를 그려볼 수 있겠는데요.

결론부터 말하자면, 당장 생성형 AI, 아니 그 이전에 AI만 하더라도 물류 현장에 적용하기는 쉽지 않을 것이라는 전망이 나왔습니다. 그렇다고 생성형 AI가 전혀 물류산업에서 쓸모가 없다는 것은 아닌데요. 컨퍼런스를 통해 확인한 현장 전문가들의 의견으로는 국내 물류업계가 두 가지 측면에서 이미 도래한 생성형 AI 시대를 준비해야 한다고 봤습니다. 하나씩 살펴보시죠.

생성형 AI란 뭘까? 맛보기

거대언어모델(LLM, Large Language Model)로 지식을 습득하는 챗GPT를 포함해 요즘 핫한 생성형 AI는 대부분 콘텐츠에 강합니다. 특히 텍스트, 이미지, 비디오 영역에서 두각을 보이는데요. 위 콘텐츠들은 인터넷을 기반으로 무궁무진한 AI 학습이 가능할 뿐만 아니라, AI가 도출한 답변에 대해 절대다수의 일반 이용자로부터 피드백을 받기 용이합니다. 이를 기반으로 학습에 학습을 거듭할 수 있는데요.

단, 챗GPT만 보더라도 구라쟁이(?)잖아요. 질문과 관련해 전혀 엉뚱한 답변을 사실인 마냥 늘어놓는 사례가 많은데요. 이는 챗GPT가 스스로 사고하여 답변을 찾는 게 아니기에 발생하는 일입니다. 챗GPT는 단어 사이의 연관성을 분석하고, 그중 확률적으로 가장 적절한 답변을 선택한 뒤, 이 답변에 대한 사람의 선택을 순위화하여 다시 최적의 답변을 생성하는데 이용합니다.

AI를 위한 데이터가 필요해

그래서 생성형 AI에겐 학습을 시키기 위한 입력값이 중요합니다. 우선 데이터 입력이 충분해야 기본 학습이 가능하고, 이후 스스로 만들어낸 답변을 평가받으면서 성장하는데요. 문제는 물류산업 데이터가 AI의 학습에 적합하냐고 묻는다면 그렇지 않다는 겁니다. 컨퍼런스 연사 및 토론자 의견을 맛보기 요약하면 이러합니다.

관련해 쿠팡 신규 물류센터 설계를 담당하는 박지원 쿠팡 시니어 디렉터는 다음과 같은 예시를 들었습니다. 만약 쿠팡 물류센터 내 새로운 소팅로봇을 도입했다고 가정한다면요. 이 소팅로봇이 작업 중 깻잎 한 장을 바닥에 떨어뜨린 경우, 어떤 일이 벌어질까요? 해당 영역의 자동화 설비 전체를 멈춰야 합니다. 이후 사람이 직접 들어가 깻잎을 주우면서 관련 데이터 입력을 통한 솔루션 학습을 진행하고요.

위 콘텐츠에서 소개한 바 있는 쿠팡 물류센터 자동화 설비는 특히 도입 초기 수없이 재부팅을 반복했습니다. 거듭되는 트레이닝 기간은 1~3년이 넘는다고 하는데요. 이렇게 수년간 데이터를 축적해 끊임없이 입력값을 줘야 좋은 솔루션이 완성되기 때문이라고 합니다. 하나 안타깝게도 솔루션의 센터 간 호환은 어렵다고 하네요. 같은 쿠팡 센터라도 서로 목적과 환경이 너무 다르기 때문에요.

위 예시만 봐도 물류 현장에서의 AI 활용은 긴 시간과 비용 투자가 필요한데요. 슬프게도 각 기업과 물류 현장마다 축적한 데이터는 공유와 호환이 어렵습니다. 위 의견을 종합하면 물류 산업에서는 AI 학습용 데이터를 모으는 것 자체가 보통 일이 아니라고 볼 수 있죠.

생성형 AI가 ‘잘하는 것’에 집중해

그렇다면 물류에서의 생성형 AI 도입은 불가능한 일인가? 그렇지 않습니다. 수요예측 같이 고귀한(?) 업무만이 공급망관리의 전부가 아니듯, 각종 물류 업무를 보조하는 역할로서 생성형 AI를 충분히 활용할 수 있다는 설명인데요. 특히 문서 정리나 정보 추출, 교육과 같은 일종의 ‘비서’ 역할이 강조됐습니다.

먼저 최봉기 삼성SDS 첼로스퀘어 전략 담당 상무는 ‘사내 직원용 서비스’로 GPT4를 이용할 계획이라 밝혔습니다. 첼로스퀘어가 국제 물류 플랫폼이니만큼 데이터량이 많고, 각종 문서 양식도 다양한데요. 이에 신입 직원은 정산 하나를 처리하는 데도 애를 먹는다고 합니다. 이를 교육 및 가이드할 수 있는 서비스를 기획 중이라 하고요.

박영선 롯데글로벌로지스 컨설팅팀장은 역시 콜센터 운영과 함께 사내 교육에 생성형 AI를 활용할 방법을 찾고 있습니다. 특히 물류 업무는 ‘선배들의 경험과 조언’에 의지해 현장 문제를 돌파해야 할 경우가 많죠. 이때 거대언어모델 기반 AI에게 조언을 구할 수 있다면 업무 효율을 크게 향상할 수 있을 것이라 본다는군요.

그 외에 명창국 LG CNS 넥스트 풀필먼트 담당 상무는 물류센터 완전자동화를 위해 피킹 로봇에 강화학습을 적용하고 있다 밝히기도 했습니다. 수천수만개 SKU를 원활히 피킹하기 위해서는 로봇팔의 관절 모양, 자세, 무게중심 이동 등이 매우 중요하다고 하는데요. 이를 학습하는 데 기존 딥러닝으론 한계가 있었지만, 강화학습은 분명 효과가 있었다고 합니다.

생성형 AI의 커머스 침공은 시작됐다

복수의 외신은 생성형 AI를 “인터넷, 모바일에 이어 새로운 인터페이스 혁명을 불러올 것”이라 예측했습니다. 인터넷이 초창기 보급될 당시 수많은 닷컴들이 탄생했고, 모바일 스마트폰 시대가 열리며 각종 킬러 애플리케이션이 등장해 새 시장을 열었던 것처럼요. 요즘 생성형 AI가 그렇습니다. 재스퍼, 뤼튼을 비롯해 AI를 기반으로 텍스트와 이미지를 생성해 주는 앱 서비스가 쏟아져 나오고 있거든요.

그런데 각각의 인터페이스 혁명 때마다 가장 먼저 반응했다고 볼 수 있는 시장이 있으니 바로 커머스입니다. 이제는 이커머스란 표현이 무색할 정도로 커머스 시장에서 온·오프라인의 경계는 모호해졌는데요. 여기서 한 발 더 나아가 이제는 생성형 AI가 커머스 시장에 본격 도입될 조짐이 보입니다. 아마존이 뷰티 브랜드 상품 썸네일에 이미지 생성 AI 기술을 테스트하고 있는 정황이 포착됐거든요.

우아한형제들 배민처럼 뛰어난 성과를 낸 곳이 또 있습니다. 얼마 전 공식 앱 출시 후 1주일도 되지 않아 일평균 방문자 수 16만명을 기록한 ‘나이키’입니다. 나이키 공식 앱이 첫 출시라고? 앱을 어떻게 만들었길래 16만명이 찾은 거야? 궁금하신가요. 나이키의 D2C 판매전략 아래 온·오프라인이 어떻게 조화를 이루는지 확인해보실 수 있고요.

또 한 곳은 ‘GFFG’입니다. 도산공원을 평정한 F&B 브랜드로, 노티드, 호족반, 다운타우너, 애니오케이션 등을 보유하고 있어요. 이 GFFG는 매장을 확장하고, IP 커머스에 도전하며, 나아가 글로벌 확장을 위한 계획을 차근차근 실행 중입니다. 불경기에도 온·온프라인에서 가장 주목받는 브랜드 중 하나인 걸 보면 전략이 성공적으로 통한 듯한데요. 이를 기묘한님의 직접 체험기반 콘텐츠를 통해 자세히 알 수 있습니다.

오늘 커넥트레터는 여기까지입니다. 위 큐레이션 콘텐츠 중 두 개는 커넥터스 필진인 기묘한님이 작성했는데요. 기묘한님이 운영하는 뉴스레터 트렌드라이트와 제휴 이벤트로 7일 금요일까지 단 이틀 동안 커넥터스 신규 구독자 가입은 무료입니다. 겸사 뉴스레터를 받은 분들 중 관심있는 분도 이번 기회에 저희 콘텐츠를 체험해보셔도 좋을 듯 합니다.

봄이 오고, 봄비도 왔습니다. 이번 봄비는 단비라죠. 이어진 가뭄을 끝내줄 만한 비이자, 전국 곳곳의 산불을 막아준 비라고 합니다. 질척이는 바닥에, 귀찮은 우산에, 축축한 가방까지 짜증이 날 뻔도 했지만요. 어느새 봄비라니까, 또 단비라니까 마음을 고쳐먹게 되네요. 독자 여러분께서도 환절기 건강 유의하시길 바라며, 앞으로 자주 이어질 듯한 커넥터스 오프라인 행사에서 밝은 얼굴로 만나 뵙길 기대 하겠습니다. 감사합니다.