‘2026 서울콜드체인포럼’이 지난 6월11일 트레이드타워 51층 회의장에서 개최됐다. 이번 포럼 Session2에서는 콜드체인의 미래를 책임질 전문신기술 발표가 이어졌다. 그중 TrackA는 ‘AI, Data, Infrastructure’의 주제로 AI가 물류산업에 미칠 영향에 대한 심도깊은 분석이 이어졌다.
발표는 △물류 스타트업이 이끄는 AI 트렌드 변화와 발전방안(남대식 인하대학교 교수) △공급망 디지털트윈의 다음 10년 : 데이터스페이스 시뮬레이션기반 산업지능인프라(안창원 정보통신기획평가원 PM) △물류산업의 AI대전환을 위한 정책방향(신민성 한국교통연구원 부연구위원) △코앞에 온 자율주행시대, 콜드체인산업 체크리스트(노제경 마쓰오토 부대표) △AI시대를 맞이하는 우리의 전략 – ERP를 넘어 물류의 Decision Co-Pilot으로(김민중 한국비즈넷 대표) △콜드체인 시대의 Agentic AI TMS 전략 : 계획·실행·분석으로 운송 비용구조를 바꾼다(박용선 카르타모빌리티 대표) △Physical AI와 콜드체인 물류혁신(이준호 LG CNS 전무) 순으로 진행됐다.
이번 포럼에서는 다양한 콜드체인분야 전문가들이 참석해 물류업계에 다가온 변곡점과 AI시대를 맞아 준비해야 할 대비책에 관해 논의했다.
기존 물류인프라 고도화한 브라운필드 각광
첫 번째 발표는 ‘물류 스타트업이 이끄는 AI 트렌드 변화와 발전방안’을 주제로 남대식 인하대학교 교수가 진행했다.
최근 AI기술이 사회·경제 전반의 대전환을 견인하는 가운데 물류산업분야에도 스타트업을 필두로 한 AI도입과 트렌드 변화가 구체화되고 있다. 글로벌 시장조사기관 가트너(Gartner)에 따르면 현재 공급망관리분야에서 에이전트AI를 도입한 비중은 약 5% 수준이나 올해 말까지 글로벌 기업의 50%가 도입을 검토하거나 실행할 것으로 나타났다. 또한 오는 2030년까지 글로벌 SCM기업 60%가 에이전트AI를 도입해 운영효율성을 향상시킬 것으로 전망했다.
남 교수는 현재 물류스타트업이 주도하는 인공지능 트렌드를 크게 △기존 인프라 지능화 △스마트 모빌리티 수단 확장 △에이전트AI 업무 자동화 △산학연 협력을 통한 생태계 발전 등 네 가지로 분류해 제시했다.
최근 물류업계는 대규모 비용과 시간이 소요되는 신규 창고건설(그린필드) 대신 기존 인프라를 그대로 유지하며 지능화하는 ‘브라운필드’ 개념을 도입하고 있다. 국내의 트위니, 스피드플로어를 비롯해 글로벌기업인 로커스 로보틱스(Locus Robotics) 등은 기존 인프라 공사 없이 분석형 인공지능을 결합해 분류 및 화적작업을 수행하는 구조를 취하고 있다.
모빌리티영역에서는 자율주행기술의 화물운송 확장과 도심 내 차대차(V2V) 환적 중심의 라스트마일배송 연구가 지속되고 있다. MIT에서 시작해 테슬라 자율주행 개발진이 창업한 오로라(Aurora)는 드라이버리스 화물운송영역을 구체화하고 있으며 집라인(Zipline), 에어로보틱스(Airobotics) 등은 드론 및 로봇배송을 배차시스템과 연계하는 실증을 진행 중이다.
특히 물류운영플랫폼의 고도화 단계는 과거 ‘시각화 및 플랫폼 제공’에서 ‘실시간도착예측’을 거쳐 현재는 ‘AI팀에 의한 최적배차 및 데이터결정 보조시스템’으로 진화했다. 미국의 스타트업 오기(Augie)의 경우 현장 운전기사들이 기존에 사용하던 문자메세지나 메신저의 맥락을 AI에이전트가 직접 이해하고 자동으로 액션을 취하는 시스템을 구축해 운영효율을 높이고 있다. 포워딩기업인 래프트(Raft) 역시 통관보고서를 자동으로 생성·연계하는 시스템을 도입했다. 국내에서는 한국비즈넷이 수입포워딩 및 B/L 자동인식을 운영하는 중이다.
다만 남 교수는 “현재 한국의 물류정보화 단계는 전체 5단계 중 데이터통합(ERP) 및 실시간 가시성 확보 수준인 1~2단계에 머물러 있는 것으로 판단된다”라며 “대기업의 경우 내부보안 문제로 클로드가 가용하는 외부 생성형지능과의 연동을 제한하는 경향이 있으나 해외기업들은 선제적으로 운영효율성을 높이기 위해 이를 도입하는 추세”라고 대조했다.
대학의 역할변화 필요성에 대한 분석도 다뤄졌다. 기존 대학모델이 네트워크 연결에 그치는 단순한 형태였다면 최근에는 캠퍼스와 지역생태계를 유기적으로 결합하는 ‘볼텍스 대학(Vortex University)’ 모델이 대두되고 있다. 이 모델은 박사학위의 약 30%가 창업을 시도할 수 있도록 유도하며 연구소의 기초연구 성과가 신사업으로 확장되는 구조를 가진다.
일례로 MIT 연구실의 기초제어로봇 연구에서 출발한 보스턴 다이내믹스(Boston Dynamics)는 초기 10년간 지속적인 실패를 겪었으나 정부 및 국방부 등의 지속적인 투자를 바탕으로 1992년 분사에 성공했다. 이후 구글, 소프트뱅크를 거쳐 2021년 현대차그룹에 인수되며 상용화 단계를 밟았다. 해외의 경우 히브리대학교는 기술이전 전담기구를 통해 연간 2조3,000억 원의 기술료 수익을 올리고 있으며 와이즈만 연구소는 누적 로열티 수입이 38조원에 달하는 등 기술료 일부를 교수 및 연구진에게 환원하는 선순환구조를 확립했다.
국내 산·학협력 사례로는 인하대학교 학부 졸업생이 창업한 ‘스피드플로어’가 제시됐다. 스피드플로어는 인하대학교와의 공동연구를 바탕으로 국토교통부의 ‘디지털물류 실증지원사업’ 공모에 참여해 코디네이션을 진행했으며 현재 국방부, 우체국, 마켓컬리 등에 기술을 적용하고 해외연계기업과 공동연구를 추진 중이다. 이 외에도 카이스트와 트윈, 파스톼 베어스로보틱스 등 산·학협력 사례가 지속되고 있다.
남 교수는 “과거 파일럿 단계에 머물렀던 자율주행 드론배송이 상용화 단계로 진입하고 있으며 에이전트AI가 산업표준이 되는 흐름은 불가피하다”라며 “기존에 있던 시설들을 효율적으로 활용할 수 있는 브라운필드 개념이 투입될 것이라 예상한다”고 제언했다.
‘디지털 공공 인프라’ 제안안창원 정보통신기획평가원 AX융합 PM은 ‘공급망 디지털트윈의 다음 10년 : 데이터스페이스 시뮬레이션기반 산업지능인프라’를 주제로 발표했다. 글로벌공급망의 급격한 패러다임 변화 속 향후 산업계가 도입해야 할 지능형인프라의 주권과 핵심기술 방향성을 제시했다.
과거의 공급망 위기는 단순한 단일사건으로 이해되고 해결할 수 있었으나 팬데믹 이후의 환경은 완전히 다른 양상을 보이고 있다. 현재 공급망은 △전쟁 △지정학적 갈등 △수출통제 △관세변동 △기후변화 등 정치·경제·사회적 변수가 복합적으로 맞물린 구조적 위기에 직면해 있다.
안 PM은 현재 국내 산업생태계가 마주한 네 가지 메가트렌드로 △인구감소 △기후변화 △AI활성화 △탈세계화를 꼽았다. 특히 인구구조 변화와 관련해 “선진국들이 100년에 걸쳐 겪은 고령화를 우리나라는 불과 한 세대인 30년 만에 맞닥뜨리고 있다”라며 “이는 물류 및 서비스현장의 극심한 인력부족과 지역공급망 붕괴로 직결될 것”이라 경고했다.
또한 의사결정 자동화의 그늘에 대해서도 언급했다. 알고리즘과 데이터우위 독점에 따른 리스크를 ‘대량 살상 수학무기’에 빗대며 데이터기반 제도가 고착화되면 소외된 다수가 구제수단 없이 시장 밖으로 내몰릴 수 있다는 위기의식을 주장했다. 이로 인해 △자국우선주위 △온쇼링(Onshoring) 강화 등 탈세계화 기조 속 실시간으로 변화하는 공급망 리스크를 포괄하는 지능형시스템 전환이 시급하다고 진단했다.
그 동안 산업계가 추진해 온 디지털화와 자동화의 구조적 한계에 대한 지적도 이어졌다. 많은 기업들이 내부시스템 구축과 자동화에 많은 투자를 단행했으나 손을 뻗을 수 있는 개별기업 내부에만 치우쳐 기업·산업 간 수평적연결을 이루지 못했다는 평가다.
이에 대한 해법으로 안 PM은 ‘디지털 공공 인프라(DPI)’ 구축을 제안했다. 산업DPI는 대기업 중심의 중앙집중형 구조를 지양하고 다자의 이해관계자가 동등하게 참여하는 공통 레일기반을 만드는 아이디어다. 이는 △디지털 신원증명 및 전자서명 △데이터공유 △디지털결제 등 세 가지 영역으로 구성된다.
특히 보안우려와 관련해 “거래조건, 제고, 품질, 계약 등은 기업의 핵심 영업비밀이기 때문에 이를 중앙집중형으로 한 곳에 모으는 방식은 현실적으로 불가능하다”라며 “데이터는 각 기업 소유구조 그대로 두고 데이터가 가진 지능과 인사이트만 추출하여 참여자 모두가 공평하게 나눠가지는 신뢰기반 공유지능 레이어를 구축해야 한다”고 역설했다.
또한 “다만 기술적솔루션의 구체성에도 불구하고 이를 뒷받침해야 할 국내 정책환경은 여전히 풀어야 할 숙제가 많다”라며 “이러한 문제의식을 같이 공유하고 함께 풀어나가는 과정이 필요하다”고 덧붙였다.
물류 AI 도입, 비용절감 효과
이어 진행된 발표는 신민성 한국교통연구원 부연구위원이 ‘물류산업의 AI대전환을 위한 정책방향’을 주제로 진행했다. 신 부연구위원은 작년 말부터 국토교통부를 중심으로 물류기업 및 기술개발 전문가들이 참여해 온 물류AI 확산협의체의 논의결과를 공유하고 국내 물류생태계 고도화를 위한 해외 선진사례 중심의 마스터플랜을 제시했다.
현재 물류산업은 일상적인 생성형AI의 대중화를 넘어 기업생존과 국가경쟁력을 가르는 냉혹한 전환기를 맞이하고 있다. 특히 글로벌공급망리스크와 당일·새벽 배송으로 대변되는 이커머스 시장의 폭발적 성장은 물류운영의 변수와 복잡도를 극한으로 끌어올리며 글로벌경쟁력을 한층 심화시켰다.
신 부연구위원은 당일배송시스템을 예로 들며 “오전 11시까지 주문된 상품을 당일 고객의 집 앞까지 배송하기 위해서는 풀필먼트센터의 실시간 재고현황, 서브터미널까지의 이동시간, 배송 권역별 소요시간 등 수많은 비정형 변수들을 동시에 계산해야 한다”라며 “기존의 인력중심 아날로그 방식이나 단순자동화로는 이러한 초고속 유통수요를 처리하는 것 자체가 불가능하며 결국 AI기반의 고난이도 최적화알고리즘 도입이 필수적”이라고 강조했다.
실제 AI도입이 가져오는 경제적 파급효과는 글로벌기업들의 사례를 통해 증명되고 있다. 아마존은 통합보관시스템에 AI를 접목해 주문처리시간을 25% 이상 단축했으며 DHL은 모바일 협업로봇을 통해 피킹생산성을 60% 이상 상승시켰다. 맥킨지(McKinsey) 조사에 따르면 공급망관리에 AI를 성공적으로 도입할 경우 물류비를 평균적으로 약 15%까지 절감할 수 있는 것으로 나타났다.
그러나 이렇게 뚜렷한 효과에도 국내 물류현장의 AI 활용수준은 여전히 저조한 실정이다. 국내 물류기업의 AI기술 이용률은 25.1%에 불과하며 전체 투자 중 AI가 차지하는 비중은 2.4%로 극히 미미하다. 신 부연구위원은 현장협의체에서 수렴된 의견을 바탕으로 물류AI 확산을 가로막는 4대 구조적 장애요인을 지적했다.
첫 번째는 물류기업의 ‘AI 투자역량 부족’이다. △자율이동로봇(AMR) △자동창고시스템(ASRS) △휴머노이드 등 고가의 지능화장비는 초기 비용부담이 너무 큰 데다 상당수 중소물류사는 기본적인 디지털전환(DX)조차 이뤄지지 않아 기반 자체가 부실한 상태다. 대기업 역시 장기적 기술개발보다 단기적 투기수익률(ROI) 확보에 치중하는 경향을 보인다.
두 번째는 ‘기술 수용’이다. AI는 현장에서의 많은 도입과 실증을 통해 고도화시키는 과정이 필수적이다. 하지만 실제 운영환경에서 리스크가 발생했을 경우 고객신뢰문제 때문에 쉽게 도입하지 못한다는 주장이다. 이와 관련해 신 부연구위원은 “오히려 휴머노이드가 리스크를 적은 장비일 수 있다”라며 “대형설비는 전체 워크플로우를 재설계해야 하고 고장 시 전면마비되지만 휴머노이드는 실수를 하더라도 그대로 교체만 하면 되기 때문”이라고 설명했다.
그 다음으로 ‘기술개발환경 미비’를 뽑았다. 기술을 개발하는 기업은 테스트베드를 이용해 개념증명(PoC)과 예측기술을 통한 발전과정이 필요하지만 실증할 수 있는 환경 자체가 부족해 개발에 한계가 발생하고 있으며 AI 학습용데이터 역시 쉽게 접근할 수 없다. 이로 인해 발생하는 현장과 개발 상호간의 정보비대칭은 적합한 기술을 발굴하지 못하게 막는다.
정부 대규모 AI지원이 물류업보다 제조업·자율주행 등에만 집중되고 있어 ‘지원제도·인프라미약 문제’ 역시 지적했다. 물류기업의 AI도입과 확산을 지원하는 전담조직의 부재로 실증확산까지 전주기로 지원할 수 있는 여력이 부족하다는 주장이다.
신 부연구위원은 “AI 도입의 효과는 확실하지만 초기 진입장벽이 높은 물류산업의 특성을 고려할 때 정부가 금융마중물 비용을 지원하고 수요와 공급에 대한 정보를 매칭해 실제 운영인프라를 개방하는 전방위적 지원이 시급하다”라며 “전담기관을 통한 전주기패키지 지원책이 안착된다면 국내 물류분야에도 지속가능한 생태계가 성공적으로 조성될 것”이라 밝혔다.
2027년 무인상업운행 본격화 전망
노제경 마스오토 부대표는 ‘코앞에 온 자율주행시대, 콜드체인산업 체크리스트’를 주제로 발표했다. 마스오토는 2017년 설립된 국내 대표 자율주행트럭 소프트웨어 스타트업으로 카메라기반 AI시스템 ‘마스파일럿’을 통해 한·미 양국에서 미드마일(Mid-mile) 화물 운송실증을 전개하고 있다.
이날 노 부대표는 미국 연방 자율주행법안 통과동향과 기술흐름을 짚어보고 특히 온도관리가 생명인 콜드체인업계가 자율주행인프라 도입과정에서 반드시 점검해야 할 실무 체크리스트를 중점적으로 제시했다.
그동안 미국 자율주행제도는 텍사스, 캘리포니아 등 주(State) 단위로 상이하게 운영돼 주 경계를 넘는 대형상용차 운송에 제약이 컸다. 그러나 최근 미국 의회 하원에서 민주당과 공화당의 협의를 통해 연방정부 차원 대형상용차 자율주행을 일괄제도화하는 법안이 발의됐다. 해당 법안은 올해 9월 대통령 서명을 목표로 추진 중이며 하원 통과가능성이 매우 높은 상태다.
노 부대표는 “미국의 연방 자율주행법안 제정은 한국을 포함한 글로벌물류산업 전반의 제도화 방향에 결정적인 영향을 미칠 것으로 예상된다”라며 “현재까지가 콜드체인업계의 자율주행 파일럿 운영단계였다면 2027년부터는 무인상업운행이 본격화되는 전환기가 될 것”이라 전망했다.
법안이 발효되면 연방자동차안전기준(FMVSS) 내에 자율주행시스템이 편입되며 11개 중앙요소로 구성된 안전성 입증지표인 ‘세이프케이스(Safe Case)’가 의무화된다. 이에 따라 물류사는 출발지부터 도착지까지 위험요소를 직접 입증해야 하는 책임을 지게 되며 이는 자율주행업계의 새로운 진입장벽이 될 것으로 분석된다.
상용차 자율주행이 상용화단계로 진입함에 따라 물류기업은 단순히 ‘차량 구매자’가 아니라 법적 책임을 지는 ‘운영자’로서 △검사·정비체계 구축 △원격 관제인력 배치 △배차 시 책임분담 등을 준수해야 한다. 특히 원격 오퍼레이터 및 배차요원은 미국 영내에 상주해야 한다는 단서조항까지 포함된 상태다.
이에 따라 노 부대표는 콜드체인기업들이 현 시점 크게 4가지 체크포인트를 점검해야 한다고 주장했다. 우선 물류기업 관점에서는 초기단계에서 전체 물류경로 중 어떤 노선부터 우선적으로 자동화할 것인지 명확한 기준을 세워야 한다. 복수의 자율주행 기술개발사를 대상으로 소싱(Sourcing)을 진행할 때 특정 노선에 대한 자율주행사별 기술 구현범위와 비용효율성을 정확히 평가할 수 있어야 하기 때문이다.
이어 노선이 결정되면 온도관리에 특화된 서비스수준협약(SLA)이 필수적으로 수반된다. 일반 드라이화물은 자율주행트랙터가 트레일러를 도크에 분리해 두고 이탈해도 화물 손상이 없지만 콜드체인화물은 분리 후 트레일러의 냉동·냉장 장치제어가 중단되거나 즉각적인 견인이 이뤄지지 않으면 화물 전량폐기로 직행한다. 따라서 비상상황 시 온도제어 실패에 대응하는 콜드체인 전용 SLA계약기준을 정밀하게 다듬어야 한다.
운영과정에서의 책임 및 분담 프레임워크 구축도 핵심과제다. 자율주행 화물운송 중 발생하는 사고나 장애에 대해 어디까지가 기술개발사의 책임이고 물류사의 책임인지 법적·계약적 책임구조를 확립하는 것이 향후 상용화 과정에서 가장 큰 현실적 장벽이 될 가능성이 높다.
마지막으로 사내 운영조직의 선제적 정렬이 필요하다. △세이프케이스 서류대응 △검사 및 정비체계 구축 △원격관제인력 채용 등 사내조직을 자율주행 운송시스템에 맞춰 정렬하고 인프라를 준비하는 데만 최소 6개월에서 1년 이상 소요되기 때문이다. 법안과 제도가 완전히 정착된 이후 기술을 도입하려 하면 늦으므로 전담조직을 미리 구상해야 한다.
노 부대표는 “미국시장 등에서는 운전시간제한(HOS) 규정 유연화 등 자율주행트럭을 통한 물류혁신 기조가 빠르게 움직이고 있다”라며 “기술도입 이후 조직간 정렬과 인프라준비에 물리적인 시간이 걸리는 만큼 명확한 평가기준을 잡기 위해 지금부터 준비에 착수해야 한다”고 강조했다.
무역문서 자동인식솔루션, 기존 OCR 한계 넘어
다음은 ‘AI시대를 맞이하는 우리의 전략 – ERP를 넘어 물류의 Decision Co-Pilot으로’를 주제로 김민중 한국비즈넷 대표가 발표했다.
한국비즈넷은 1985년 설립돼 올해로 41년의 경력을 가진 국내대표 물류IT기업이다. 현재 국내포워딩 ERP시장 점유율 60%를 차지하고 있으며 1,500개 이상의 글로벌 물류기업을 고객사로 두고 연가 1,000만건 이상의 화물데이터를 핸들링하고 있다. 김 대표는 발표에서 물류산업이 직면한 AI전환 흐름을 짚어보고 축적된 방대한 물류데이터를 바탕으로 자율실행형 에이전트AI를 물류현장에 구현하기 위한 구체적인 기술로드맵을 제시했다.
김 대표는 “현재 예측단계의 AI는 사람이 개입해 판단을 재검증하는 과정에서 전력소모와 자원사용량이 커 지속가능한 ESG경영을 달성하는 데 한계가 있다”라며 “이를 극복하기 위해 물류업계가 주목해야 할 핵심동력은 장기간 축적된 글로벌 물류데이터기반의 자율실행형 기술”이라 설명했다.
물류데이터 영역에서 가장 먼저 상용화가 진행중인 무역문서 자동인식솔루션은 기존 글로벌기업들이 사용하는 좌표인식기반 OCR의 한계를 넘어서고 있다. 기존 방식은 문서양식에 박스를 쳐서 특정 구역만 인식하지만 차세대 AI OCR은 문서 내 모든 글자를 추출하고 겹쳐진 글자까지 3D로 분류해 포워딩업계의 전문문맥과 글자에 담긴 속성을 스스로 학습해 판단한다.
이메일분석기반의 업무 자동화솔루션은 축적된 영문이메일데이터를 분석해 의도와 목적을 분류하고 API를 통해 AI가 데이터베이스와 웹서칭을 거쳐 최적의 답변을 생성·전송하는 구조다. 이를 통해 포워더의 단순반복업무 인건비를 약 50% 절감하고 인력을 더 가치있는 영역에 투입할 수 있게 된다.
경영자를 위한 비즈니스인텔리전스(BI) 역시 텍스트기반 쿼리시스템으로 진화한다. 복잡한 시스템 접속이나 서류작업 없이 물류 전문언어로 질문을 던지면 실시간으로 정확한 경영실적과 분석데이터를 도출해 신속한 의사결정을 지원하는 방식이다.
가장 고도화된 단계는 최소운송 경로설계 및 자동 시장가격 산출프로그램이다. 특히 온도관리가 엄격해 이력관리가 필수적인 콜드체인분야에서는 1℃의 손상도 없는 최적의 운송경로를 찾아내는 것이 핵심이다. 프로그램은 △기상정보 △태풍경로 △뉴스 △항만폐쇄정보 등을 실시간으로 수집해 경로를 재설계하며 시장의 가격트렌드와 리퍼컨테이너의 수급현황을 분석하고 기업별 경영전략을 결합해 적정견적을 자동으로 산출하게 된다.
김민중 대표는 “AI시대를 맞아 단순한 기술중심이 아니라 사람과 공존할 수 있는 물류 IT솔루션을 개발하는 것이 중요하다”라며 “축적된 역량을 바탕으로 글로벌시장과 해외 거대 IT기업들이 선점한 영역까지 아우르는 글로벌 AI에이전시 시대를 열어갈 것”이라 강조했다.
지능형 TMS, 물류비용 최대 80% 절감
박용선 카르타모빌리티 대표는 ‘콜드체인 시대의 Agentic AI TMS 전략 : 계획·실행·분석으로 운송 비용구조를 바꾼다’를 주제로 발표했다. 위 대표는 DX 고도화를 위한 AX의 필요성을 역설하며 계획·실행·분석의 유기적 연동을 통해 물류비와 운영인력을 절감할 수 있는 지능형 TMS메커니즘을 공개했다.
물류현장에서 DX시스템을 구축하고도 인건비나 인프라비용이 가중되는 부작용이 발생하는 이유는 명확한 비용모델링과 효과입증이 부족하기 때문이다. 분석에 따르면 운송관리분야에서 발생하는 비용누수의 가장 큰 원인은 배차담당자의 경험이나 감에 의존한 부적절한 선택이다. 이로 인해 △적재율저하 △공차운행 효율저하 △시간위반 등으로 인한 오배송 및 재배송비용이 발생하게 된다.
박 대표는 “전체 운송비용요인을 100으로 봤을 때 80%는 사전계획과 시뮬레이션의 정확도에 의해 결정된다”라며 “정밀한 플래닝단계가 뒷받침되면 운송비용의 80%를 절감할 수 있고 정확한 상황인지로 15%, 이를 정책에 반영하는 분석단계에서 나머지 5%를 추가 절감할 수 있다”고 설명했다. 지능형 에이전트기반 TMS는 이를 위해 △사전최적화 △상황인식 △영향분석 △대안생성 △최적선택 △실행 및 감시 등 6단계 프로세스를 자동으로 수행해 인간의 개입을 최소화해 오류의 가능성을 제거한다.
또한 박 대표는 추상적이고 복잡한 자율화시스템을 설명하기 위해 데이터(Data)가 정보(Information)와 지식(Knowledge)을 거쳐 지혜(Wisdom)으로 발전하는 DIKW 프레임워크를 신선식품 배송사례에 접목해 설명했다.
먼저 데이터영역은 △상품 적정유지온도 △차량 냉장스펙 △제약조건 △마스터데이터 등을 정립하고 최적의 정답지를 도출하는 단계다 이어 정보영역은 실제 운송과정에서 차량온도센서에 이상이 생겨 발생한 온도상승을 발견하는 등 실시간성과 정확성이 보장된 실행데이터를 취득하는 단계가 된다. 단 콜드체인 영역에서는 배송이 끝난 후 데이터를 받아보는 것은 사후 결과확인에 불과하므로 실시간 정보취득이 보장돼야 한다.
지식영역에서는 취득된 정보를 바탕으로 이상징후가 지속되면 계획과 실행의 편차 및 파급영향을 분석해 구체적인 인과관계를 찾아낸다. 마지막으로 지혜영역은 상품변질 한계시간이 경과하기 전에 동일한 스펙을 가진 가장 가까운 차량을 1시간 이내에 대체배치하여 문제를 사전에 해결하는 단계다. 여기서 데이터와 정보영역은 기존의 DX시스템이 담당하지만 이를 지식과 지혜의 단계로 발전시켜 해법을 스스로 제시하는 것은 AX의 역할이다. 다만 AI가 정책주엉안을 제시하되 최종실행결정은 인간이 개입할 영역을 남겨두는 것이 리스크관리 측면에서 유용하다.
박 대표는 “정책에서 실행을 뺀 나머지 부분이 결국 인간이 개입할 영역이다”라며 “계획과 실행분석이 유기적으로 잘 연동돼 작동한다면 성공적인 AI시스템이 구축될 것”이라고 밝혔다.
HW·SW 통합 풀스택라인업 구축
마지막으로 이준호 LG CNS 전무가 ‘Physical AI와 콜드체인 물류혁신’이라는 제목으로 발표를 진행했다.
콜드체인 물류센터는 적정온도 유지가 되지 않을 경우 품질이슈와 폐기비용이 대거 발생하는 복잡한 공간이다. 특히 입출고 및 상하차 과정에서 냉기손실과 결빙이 빈번하게 발생하며 저온환경 특성상 센서오작동이나 내구성 저하로 인해 기존 자동화 설비적용에 한계가 명확했다. 이로 인해 높은 인건비와 유지보수비용 등 고비용 운영구조가 지속되는 실정이었다.
이 전무는 로봇과 피지컬 AI기술을 접목해 물류현장의 물리적작업을 혁신하는 ‘RX(Robotics Transformation)’을 대안으로 제시했다. 여러 한계로 인해 막혀있던 프로세스들을 단절 없이 엔드투엔드(End-to-End)로 연결해 무인운전을 확대하고 자율운영체계로 전환함으로써 단순 반복작업이나 고강도·유해환경에서 발생하는 인력공백을 메울 수 있다는 분석이다.
또한 피지컬AI의 핵심 경쟁력은 로봇을 학습시키기 위한 현장데이터의 확보와 학습비용 절감이라는 설명도 덧붙였다. 최근 글로벌시장은 원격제어를 통해 고품질데이터를 얻는 ‘원격조종(Teleoperation)‘방식과 사람의 움직임을 로봇데이터로 변환해 비용을 낮추는 휴먼모션캡처 기술이 결함하며 진화하고 있다. 궁극적으로 데이터학습을 통해 로봇의 두뇌가 되는 ‘로봇파운데이션모델(RFM)’을 구축하는 방향으로 기술경쟁이 전개되는 추세다.
이와 함께 인지와 행동을 담당하는 하위 레이어부터 추론·계획을 수행하는 상위 레이어까지 역할을 분담시키는 ‘레이어드 피지컬AI’ 체계가 정립되고 있다. 레이어드 피지컬AI에서는 AI에이전트를 통해 다수의 로봇을 통합관리하고 전체 물류작업을 할당하고 운영하는 시스템지능화가 이뤄진다. 시장의 공급기조 역시 하드웨어 중심에서 소프트웨어 두뇌개발로 나아가 돌 모두를 내재화하는 풀스택(Full Stack) 라인업 구축으로 이동하고 있다. 이를 통해 하드웨어 성능한계를 고려한 현장에 맞는 폼팩터를 적용시키는 것이 가능해진다.
이 전무는 “피지컬AI의 트랜스포메이션에서 가장 중요한 것은 플랫폼”이라며 “어떤 인프라에 종속되지 않고 연동되는 오픈플랫폼을 가지고 있어야 한다”고 말했다.
