물류와 AI

AI 기술로 비약하는 물류 산업

01 차량 배송 경로를 최적화하는 AI
02 콜드 체인에서 신선 식품을 관리하는 AI
03 물류 창고의 최적 입지를 정해 주는 AI
04 고객 수요와 트렌드를 예측하는 AI
05 공장 내 물류 로봇을 운영하는 AI
06 자율 주행 운송에 사용되는 AI
07 3D 프린터로 버추얼 물류를 만드는 AI
08 공급망의 위험을 관리하는 AI
09 고객과 배달원을 매칭하는 AI
10 전동 킥보드 서비스의 배치 최적화 AI

우리가 편하게 사용하는 새벽 배송 서비스의 경쟁력도 결국에는 서비스 규모를 키우고 더욱 대량의 고객 데이터를 확보해 AI 기술에 학습시키고 개선해 가는 기업이 살아남게 될 것으로 예상된다. AI 기술에 담긴 학습 기술은 대량의 데이터를 만나 수많은 시행착오를 빨리 겪어 보고 최적의 결과들을 많이 내 볼수록 효율이 올라간다. 여기에 양질의 의사 결정 기록을 더하면 학습 속도는 배가된다. 데이터 및 AI에 대한 막대한 투자를 마치고 이미 효율성이 높은 상태인 데다가, 매출도 독보적으로 높은 쿠팡이 시장에서 더욱 경쟁력이 강할 수밖에 없는 이유다. 고객의 데이터도 확보하면서 AI 기술도 개발해 쿠팡의 독주를 쫓아올 기업이 생길 것인가, 그리고 전통적인 오프라인 유통의 강자들이 어떻게 쿠팡이 점유한 온라인 시장에서 경쟁할 것인가를 흥미롭게 관찰할 필요가 있다.
－01_“차량 배송 경로를 최적화하는 AI” 중에서

고객의 미래 수요 예측은 앞 장에서 서술한 수요 예측 AI 기법들을 통해 도출할 수 있다. 다만, 물류 센터에서 다루는 수요 예측은 수년 후의 장기적인 수요 예측이므로 몇 개월 단위의 단기 수요 예측에 사용하는 기법 외 새로운 기법을 활용할 필요가 있다. 이러한 장기 수요의 예측은 빅 데이터의 기법들을 활용할 수 있는데, 이는 각종 경제 지표나 기후 지표, 물가 동향 등 다수의 거시 경제 지표들을 조합해 미래 수요를 예측하는 기법들이다. 머신 러닝 계열의 딥러닝 기법들을 활용해 장기 수요를 예측하는 연구들이 활발히 수행되어 왔다(Sangrody, et al. 2018). 따라서 이들을 입지 선정에서 활용할 수 있을 것으로 기대된다. 또한 딥러닝을 이용한 전력량이나 철근 가격 등 다양한 소재에 대해 장기 수요를 예측하는 기법들이 개발되고 있다(김지영·백창룡, 2019; 남성휘, 2021; 이용성·김경환, 2021).
－03_“물류 창고의 최적 입지를 정해 주는 AI” 중에서

이렇게 자율 주행 차들만 돌아다니는 도로는 다소 먼 미래의 모습일지도 모른다. 하지만 그보다 가까운 미래에 물류 측면에서는 훨씬 더 중요한 자율 주행 AI 기술이 먼저 개발될 것으로 예상하고 있다. 이는 군집 주행(platooing)이라고 불리는 기술로, 하나의 유인 또는 무인 트럭을 여러 무인 트럭들이 자율 주행 기술로 뒤쫓아서 따라가게 해 주는 기술이다(Mckinsey & Company, 2018).
－06_“자율 주행 운송에 사용되는 AI” 중에서