물류 운영에서 중요한 업무 중 하나가 물동량을 예측하고 그에 맞춰 차량과 인력 배치를 최적화하는 일인데요. CJ대한통운은 이러한 의사결정 과정에 AI를 활용하고 있습니다. 
대표적인 사례가 서브터미널과 허브터미널 사이를 운행하는 간선 차량의 배차입니다. 과거에는 현장 담당자의 경험과 판단에 따라 필요한 차량 수를 조율했다면, 지금은 AI가 물동량을 예측하고 최적화 엔진이 적정 배차 계획을 계산합니다. 물론 이전에도 자체 개발한 최적화 알고리즘과 예측 모델을 활용해 왔지만, AI 기술이 접목되면서 예측과 최적화의 정확도가 더욱 높아지고 시스템 개발 기간도 크게 단축됐습니다. 과거에는 담당자가 방대한 데이터를 직접 살펴보며 특이점과 개선점을 찾아야 했기 때문에 간선 배차 엔진을 개발하는 데에만 6~7개월이나 소요됐습니다. 
문제는 그사이에도 물류 현장이 빠르게 변한다는 점이었습니다. 새로운 배송 서비스가 도입되거나 운영 방식이 바뀌면 몇 개월에 걸쳐 개발한 시스템이 현장 상황과 맞지 않아 다시 보완해야 하는 상황이 발생했고, 이를 수정하고 고도화하는 데 다시 시간과 인력이 투입돼야 했죠. 하지만 지금은 AI 기술을 활용하면서 시스템 개발 기간이 1~2개월로 단축됐고, 변화에 맞춰 최적화하는 시간도 훨씬 빨라졌습니다.

CJ대한통운은 지난 9월, 올리브영 양지 물류센터에 휴머노이드 로봇 2대를 투입해 현장 실증에 들어갔습니다. 물류업계 현장에 휴머노이드가 본격 도입되면서 업계의 관심도 높은데요. CJ대한통운의 휴머노이드는 어떤 역할을 하고, 앞으로 어느 수준까지 발전하게 될까요?

사람의 손을 대신하기 시작한 휴머노이드 

올리브영 양지 물류센터에서 휴머노이드가 맡은 작업은 상품 포장 과정에서 박스의 크기를 인식하고 그에 맞게 포장재를 넣는 일입니다. 비전카메라로 작업 대상을 인식한 뒤 로봇 팔을 움직여 포장재를 넣는 방식인데요. CJ대한통운은 이번 실증에서 로보티즈가 개발한 로봇 하드웨어에 자체 물류 데이터와 현장 운영 노하우를 접목해 로봇이 실제 물류현장에서 작업을 안정적으로 수행하고 사람과 안전하게 협업할 수 있는지를 검증하고 있습니다. 
지금까지 물류 자동화가 주로 상품을 운반하거나 분류하는 데 집중됐다면, 휴머노이드는 사람이 직접 손으로 처리하던 작업까지 자동화의 가능성을 보여준다는 점에서 의미가 큰데요. 업계가 이번 실증 결과에 주목하는 것도 이 때문입니다. 포장과 같은 단순 반복성 작업에서 휴머노이드의 성능과 경제성이 입증된다면, 앞으로 더 복잡한 작업으로 적용 범위가 확대되면서 물류 현장의 인력 운영 방식에도 큰 변화가 나타날 수 있기 때문이죠. 
CJ대한통운은 포장 공정에서 기술을 검증한 뒤 2027년부터 피킹 작업으로 적용 범위를 넓히고, 이후 다른 물류센터로 확대하는 방향으로 계획하고 있습니다.

CJ대한통운이 전사적으로 AI를 도입하면서 나타난 가장 큰 변화는 현장의 의사결정 방식입니다. 과거에는 담당자의 경험과 노하우에 의존했지만, 이제는 데이터에 근거한 판단 기준이 마련되면서 의사결정의 속도와 일관성이 높아지고 있습니다. 물동량 변동도 사후 대응에서 사전에 예측하고 대비하는 방식으로 바뀌고 있죠. 
현장의 작업 환경도 달라지고 있습니다. 피지컬 AI가 무거운 박스를 옮기는 입고 작업이나 상품을 찾아 이동하는 피킹 작업과 같이 반복적이고 힘든 업무를 분담하면서 작업자의 노동 강도가 줄었고, AI CCTV가 현장의 위험 상황을 감지해 사고 예방을 돕는 등 작업 환경의 안전성도 높아지고 있습니다. 사무 업무에서도 생성형 AI가 자료 검색과 문서작성에 소요되는 시간을 대폭 줄였습니다. 
이렇듯 단순 반복적이고 위험한 작업은 AI와 로봇에 위임하고, 직원들은 축적된 경험과 전문성을 바탕으로 더 중요한 판단과 업무에 집중하도록 하는 것이 CJ대한통운의 가장 큰 변화이자 궁극적인 목표입니다.

CJ대한통운 AI모델개발팀 상현준 팀장(좌)과 TES전략팀 윤성호 선임(우)  

Q 1. 국내 물류업계의 AI 도입 수준은 어떠한가요? 

물류업계의 AI 도입 수준은 적용 분야에 따라 차이가 있습니다. 물동량 예측과 배차·경로 최적화 등 데이터 기반의 의사결정 영역에서는 이미 AI가 폭넓게 활용되고 있으며, 생성형 AI를 통한 사무업무 효율화도 빠르게 진행되고 있습니다. 
반면 피지컬 AI는 아직 기술적으로 해결해야 할 과제가 많습니다. 정해진 경로를 따라 상품을 운반하는 로봇은 이미 상용화됐지만, 사람을 대신해 다양한 형태의 물건을 집고 옮기는 작업은 아직 현장 실증 단계에 있습니다. 
피지컬 AI 도입 수준이 상대적으로 더딘 것은 물류 산업의 특성 때문인데요. 작업 조건이 비교적 일정한 제조업 생산라인과 달리 물류 현장은 취급하는 상품과 작업 환경이 수시로 달라집니다. 이처럼 변수가 많은 환경에서 로봇이 안정적으로 작업하도록 만드는 것은 쉽지 않은 일이죠. 현재 CJ대한통운이 진행하고 있는 휴머노이드 실증도 실제 작업 데이터를 수집하고, 이를 바탕으로 로봇의 작업 성능과 안정성을 완벽한 수준으로 끌어올리기 위한 과정입니다. 
하지만, 피지컬 AI 분야 역시 기술 발전이나 경제성 확보 등 상용화를 앞당길 트리거가 생긴다면 업계 도입도 급물살을 탈 것으로 생각합니다. 

Q 2. AI 기술 도입이 확대되면서 앞으로 물류센터와 배송 현장은 어떻게 달라질 것으로 전망하시나요? 

기술 발전 속도가 워낙 빨라 미래를 단정하기는 조심스럽지만, AI가 물류 현장의 작업 방식과 운영 전반에 큰 변화를 가져올 것으로 예상하고 있습니다. 
우선 피지컬 AI가 확산되면서 사람 손에 의존하던 작업을 로봇이 수행하는 비중이 높아질 것입니다. 현재 CJ대한통운에서 실증 단계에 있는 휴머노이드 로봇도 작업의 안정성이 검증되면, 이후에는 많은 인력이 투입되는 공정 위주로 적용 범위가 넓어질 것입니다. 머지않아 물류 현장에서 사람과 로봇이 함께 일하는 모습이 일상될 것으로 전망합니다.
운송과 배송 분야에서는 AI가 물동량과 운송 상황을 실시간으로 분석하고, 변화에 맞춰 배차와 운영 계획을 즉각 조정하는 방식이 더욱 확대될 것입니다.

동시에 미들마일(물류거점 간 운송) 영역을 중심으로 자율주행 기술 도입도 본격화될 것으로 보고 있습니다....more ➡️

AI 에이전트는 비유하자면 AI에 손과 발이 달린 것과 같습니다. 기존 생성형 AI가 질문에 답하고 정보를 제공하는 역할을 했다면, AI 에이전트는 데이터베이스와 업무 시스템에 직접 접근해 필요한 정보를 찾고, 상황을 판단해 실제 업무까지 수행하죠. 
물류산업에서 AI 에이전트의 등장이 특히 중요한 이유는 다수의 기업과 참여자가 연결돼 있기 때문입니다. 제조업은 한 기업이 원자재 조달부터 생산까지 수직계열화할 수 있지만, 물류는 화주와 운송사, 창고 운영사 등 여러 기업이 협력해야 하는 산업이죠. 이 과정에서 화물은 기업 간 경계를 넘어 움직이지만, 정작 정보의 흐름과 의사결정은 단절되는 경우가 많습니다. 개별 기업이 아무리 내부 시스템을 고도화해도 기업 간 연결이 원활하지 않으면 전체 물류 효율을 높이는 데 한계가 있을 수밖에 없습니다. 
바로 이러한 정보와 의사결정의 단절 문제를 해결하는 데 AI 에이전트가 돌파구가 될 수 있을 것입니다. 예를 들어 특정 날짜에 부산에서 출발해 미국 LA에 도착하는 컨테이너 운송을 예약할 경우 지금까지는 담당자가 여러 운송사의 일정과 운임, 운송 조건을 일일이 확인하고 비교해야 했다면, 앞으로는 AI 에이전트가 각 시스템에 접근해 필요한 정보를 수집하고 조건을 비교한 뒤 최적의 조건으로 예약까지 처리할 수 있게 되는 것입니다. 

한편, 물류 현장에서는 피지컬 AI의 역할이 더욱 중요해질 것입니다. 제조업은 정형화된 공정을 반복하는 경우가 많지만, 물류는 매일 고객과 취급 물품, 주문 구성이 달라지기 때문에 이러한 변화에 유연하게 대응할 수 있어야 합니다. 앞으로는 AI가 휴머노이드를 비롯한 다양한 종류의 로봇과 자동화 설비를 유기적으로 연동하고 통합 관제하면서 변화하는 물류 수요에 신속하게 대응하는 방향으로 발전할 것으로 예상합니다. 

글로벌 물류기업들은 이미 다양한 업무에 AI 에이전트를 도입해 성과를 내고 있습니다. 
미국의 글로벌 물류기업 C.H. 로빈슨(C.H. Robinson)은 AI 에이전트를 활용해 운송 견적 생성과 주문 처리를 자동화했고, 그 결과, 기존에 최대 4시간 걸리던 이메일 운송 주문 처리 시간을 90초로 단축했습니다. 페덱스는 AI를 활용해 통관 업무를 자동화했습니다. 통관 과정에서 품목분류코드가 잘못돼 통관이 지연되는 경우가 잦은데 페덱스는 AI가 상품정보를 분석해 적합한 품목분류 코드를 추천하게 함으로써 통관 서류의 오류를 줄이고 업무 처리 속도를 높이고 있습니다. 

DHL의 사례는 특히 흥미롭습니다. DHL은 AI 기업 해피로봇(HappyRobot)과 협력해 전화 통화까지 수행하는 AI 에이전트를 도입했습니다. AI 에이전트가 운송사에 직접 전화를 걸어 화물의 픽업 및 배송 예정시간을 확인하고, 수집한 정보를 운송관리시스템(TMS)에 실시간으로 반영합니다. 기존에 직원들이 일일이 전화해 운송 상황을 확인하고 시스템에 입력하던 업무를 AI가 대신하는 것이죠. DHL 글로벌 포워딩(DHL Global Forwarding)은 이메일로 접수한 운송 요청을 분석해 견적을 작성하는 업무에도 AI를 활용하고 있습니다. 기존에 약 30분 걸리던 작업을 수초 만에 처리하고, 견적 성공률도 10% 이상 높였다고 합니다. 이메일과 첨부 문서에서 예약 정보를 추출해 데이터로 변환하는 업무도 자동화하면서 관련 업무의 생산성을 40% 높였습니다. 
이처럼 글로벌 물류기업들은 운송 주문과 견적 작성, 통관, 배송 관리 등 다양한 업무에 AI 에이전트를 적용해 업무 처리시간 단축과 생산성 향상이라는 구체적인 성과를 거두고 있습니다.

바로 그 부분이 제가 강조하고 싶은 대목입니다. 
과거에는 이런 기술을 접하면 막대한 투자 여력을 갖춘 글로벌 대기업들만 도입할 수 있다고 생각했을 것입니다. 하지만 지금은 상황이 달라졌습니다. 중소 물류기업들도 AI 에이전트를 활용해 필요한 시스템을 직접 개발하고 업무에 적용할 수 있는 시대가 된 것이죠. 실제로 제 주변에서도 소규모 포워딩 기업(화주를 대신해 화물 운송을 주선하고 관리하는 물류기업)들이 AI 에이전트를 활용해 자체 업무 시스템을 구축하고 운영하는 사례를 볼 수 있습니다. 
과거에는 글로벌 기업이 새로운 시스템을 개발하면 글로벌 소프트웨어 업체들이 이를 상용화해 전 세계 기업들에게 공급했습니다. 국내 중소기업들이 해당 시스템을 도입하기까지는 상당한 시간과 비용이 필요했죠. 
하지만 AI 에이전트가 이러한 구조를 근본적으로 바꿀 것입니다. 예를 들어 글로벌 선도기업의 AI 활용 사례를 소개한 기사를 챗GPT에 입력하고 비슷한 시스템을 만들어 달라고 요청하면, 짧은 시간 안에 상당 부분을 구현할 수 있습니다. 제가 테스트해 보니 10분 만에 실제 시스템의 기능을 약 80%까지 구현할 수 있는 수준입니다. 
이렇듯 과거에는 전문 개발인력과 상당한 투자비가 필요했던 시스템을 이제 중소기업도 직접 개발하고 활용할 수 있게 된 것이죠. 현장 직원들도 필요한 시스템을 직접 만들 수 있게 되면서 물류 기업의 업무 방식에도 상당한 변화가 나타날 것으로 봅니다.

AI 에이전트가 소비자의 쇼핑 방식을 상당 부분 바꾸겠지만, 소비자가 직접 상품을 고르고 구매를 결정하는 방식도 여전히 유지될 것입니다. 이커머스가 아무리 성장해도 오프라인 채널이 일정한 시장 규모를 유지하듯, 소비자의 구매 행동은 매우 다양한 패턴으로 나타나기 때문입니다. 
유통기업마다 강점을 가진 영역도 다릅니다. 어떤 기업은 상품을 선별하는 MD 역량이 뛰어나고, 어떤 기업은 차별화된 상품의 가치를 전달하는 스토리텔링에 경쟁력이 있습니다. 오프라인 매장 역시 직접 상품을 살펴보고 구매하는 고유의 쇼핑 경험을 제공하죠. 이렇듯 각 기업이 제공하는 가치가 서로 다르기 때문에 구매 목적과 상황에 따라 소비자가 이용하는 채널이 달라집니다.
또한 쇼핑에는 자신만의 취향과 정체성을 드러내려는 욕구도 담겨 있기 때문에 남들과 다른 상품을 찾거나 자신만의 방식으로 구매하려는 소비자들은 AI 에이전트에 구매를 맡기기보다 직접 상품을 탐색하고 선택하는 방식을 선호할 수 있습니다. 따라서 AI 에이전트가 기존 쇼핑 방식을 대체하는 범위에는 한계가 있을 것입니다. 
저는 향후 AI 에이전트를 통한 구매가 이커머스 시장의 약 30%를 차지할 것으로 예상합니다. 그렇다면 중요한 것은 그 30%가 어떤 상품군에서 발생하느냐입니다. 가장 먼저 변화가 나타날 영역은 식료품이나 생필품처럼 구매 빈도가 높고 반복 구매가 이루어지는 저관여 상품일 것입니다.

가장 중요한 것은 소비자의 ‘신뢰(Trust)’를 확보하는 것입니다. 많은 소비자가 아마존에서 상품을 구매할 때 매번 가격을 비교하지는 않습니다. 반복적인 구매 경험을 통해 해당 채널에 대한 신뢰가 쌓였기 때문입니다. 여러 차례 이용하면서 가격이 합리적이고 배송에도 문제가 없다는 사실을 확인하면 굳이 구매할 때마다 다른 곳을 찾아볼 필요가 없어지는 것이죠. 
AI 에이전트도 마찬가지입니다. 이용해보니 편리하고, 가격도 적절하며, 상품도 문제없이 도착하는 경험이 반복되면 신뢰가 형성되고 지속적으로 구매를 위임하게 되겠죠. 특히 식료품이나 생필품처럼 구매 빈도가 높은 저관여 상품은 이러한 신뢰가 형성되기 상대적으로 쉽습니다. 
반면 냉장고나 텔레비전처럼 가격대가 높고 구매 주기가 긴 상품은 충분한 구매 경험이 쌓이지 않기 때문에 신뢰를 확보하기가 어렵겠죠. 이런 상품군은 다양한 정보를 검색하고 비교할 수 있는 서비스가 여전히 강점을 발휘할 수 있을 것입니다. 

저는 개별 유통기업의 AI 에이전트와 범용 AI 에이전트가 서로 연결되는 방향으로 발전할 것이라고 봅니다. 
에이전틱 커머스에서 가장 중요한 요소 중 하나가 '맥락(Context)'입니다. AI가 소비자를 정확히 이해하려면 구매 이력뿐 아니라 그 사람의 상황과 구매 목적까지 파악해야 합니다. 유통기업은 자사 플랫폼에서 발생한 구매 기록과 상품정보를 갖고 있습니다. 하지만 구매 기록만으로는 소비자가 어떤 상황에서, 누구를 위해 상품을 구매했는지 알기 어렵습니다. 가족이 하나의 쇼핑 계정을 함께 사용하는 경우도 마찬가지입니다. 부모와 자녀의 구매 이력이 섞여 있다면 그 데이터를 바탕으로 한 추천이 개인의 취향과 일치하지 않을 수 있죠. 하지만, 유통기업의 AI 에이전트는 분명한 강점이 있습니다. 자사에서 판매하는 상품과 서비스를 잘 알고 있다는 점입니다. 
반면, 소비자가 평소 다양한 주제로 대화하는 범용 AI는 대화 과정에서 그 사람의 관심사와 상황에 대한 맥락을 축적할 수 있다는 장점이 있지만, 상품과 판매 서비스를 직접 운영하지도, 물류 인프라를 갖추고 있지도 않죠. 그래서 저는 미래에 소비자 개인의 AI 에이전트와 유통기업의 AI 에이전트가 서로 정보를 교환하고 협의하는 방식이 나타날 것으로 예상합니다. 미국 월마트처럼 유통기업들은 자체 에이전트를 개발하는 한편, 외부 AI와 협력하는 방식도 선택하게 될 것입니다. 그 과정에서 주도권을 둘러싼 경쟁도 나타나겠죠.....more ➡️ 

가장 중요한 것은 다른 기업이 쉽게 대체할 수 없는 자사만의 고유한 자산을 갖추고 있느냐는 것입니다. 
AI 플랫폼이 고객 접점의 상당 부분을 대신할 수는 있겠죠. 실제 상품을 검색하고 비교하거나 추천하는 역할은 AI로 넘어갈 가능성이 큽니다. 하지만 구매한 상품을 고객에게 전달하고, 직접 경험할 수 있도록 하는 역할은 AI가 대체할 수 없는 영역입니다. 상품이 고객에게 전달되기까지는 물리적인 보관과 운송 과정이 필요하고, 매장에서 직접 상품을 살펴보고 구매하려는 소비자도 여전히 존재하기 때문입니다. 
즉, AI가 고객 접점인 프론트엔드의 상당 부분을 차지하게 되는 상황이 와도 그 뒷단에서 상품과 서비스를 제공하는 역할은 여전히 유통기업의 몫으로 남을 것입니다. 따라서 오프라인 매장이나 물류센터 등 실질적인 자산을 보유한 기업은 경쟁력을 유지할 가능성이 큽니다. 
이런 관점에서 자체 유통자산 없이 판매자와 소비자를 연결하는 데 주력해 온 마켓플레이스와 같은 중개형 모델은 상대적으로 경쟁 압력이 커질 수 있습니다. 상품 검색과 비교, 추천 등 기존 플랫폼이 제공하던 기능을 AI가 대신하게 되면 중개 기능을 통한 수익 창출이 어려워질 수 있기 때문입니다. 

고유한 자산과 함께 중요한 것은 기업만의 차별화된 강점과 독창성입니다. AI가 확산되는 한편에서는 획일화된 결과물에 대한 거부감이 커지고, 자신만의 정체성과 감성을 담은 콘텐츠가 가치를 인정받는 분위기도 나타나고 있습니다. 
저 역시 일상에서 이런 변화를 느끼곤 합니다. 종종 인사말이나 축사를 하거나 듣게 되는데요. 요즘은 인사말도 AI를 활용해 작성하다 보니 내용이 대부분 비슷비슷합니다. 하지만, 사람들은 AI가 작성한 매끄럽지만 개성 없는 인사말보다 자신의 생각을 진솔하게 전달할 때 더 좋은 반응을 보입니다. 
유통업도 마찬가지입니다. 앞으로는 AI가 대체하기 어려운 고유한 자산과 노하우를 갖추고, 소비자에게 차별화된 경험과 감성적 가치를 제공하는 기업이 선택받게 될 것입니다.

  

1️⃣신중해진 소비에 4분기 유통 체감경기 주춤▶️

  

 📢 리테일톡 127호 어떠셨나요? 

      더욱 발전하는 리테일톡을 위해 여러분의 평가나 의견을 보내주세요~
      칭찬과 비판, 주제제안 모두 환영합니다.