물류에서 인공지능에 대한 소음이 많습니다. 일부는 5년 내에 모든 것을 혁신할 것이라고 말합니다. 다른 이들은 그것을 그렇게 부르지 않으면서 이미 사용하고 있습니다. 그리고 아직 현실보다 약속인 중요한 부분이 있습니다. 이 글은 이 세 가지를 구분합니다.

왜 물류가 AI가 가장 큰 실질적 영향을 미치는 분야인가

물류는 본질적으로 대규모 최적화 문제입니다. 경로, 시간, 비용, 용량, 수요, 기상, 교통, 규제 — 이 모든 것이 동시에 상호작용하며 끊임없이 변화합니다. 이것은 정확히 인공지능 시스템이 설계된 유형의 문제입니다.

아마존, UPS, DHL 같은 기업들이 수년간 공급망에 적용된 AI에 투자해 온 것은 우연이 아닙니다. 지금 변하고 있는 것은 이전에는 막대한 예산을 가진 대기업만 접근할 수 있었던 이러한 도구들이 더 접근성 높은 소프트웨어 플랫폼을 통해 중소 규모의 운영에도 도달하고 있다는 것입니다.

이미 존재하며 현재 작동하고 있는 것

실시간 경로 최적화

이것은 육상 운송에서 AI의 가장 성숙한 응용이며 가장 널리 퍼져 있습니다. Google Maps Platform, Here Technologies 또는 Onfleet이나 Route4Me 같은 물류 전문 플랫폼은 실시간 교통, 중량 제한, 배송 시간대, 연료 소비를 고려하여 최적 경로를 계산하는 머신러닝 알고리즘을 사용합니다.

라스트마일 운영 — 여러 정류장이 있는 도시 배송 — 의 경우, AI로 최적화된 경로와 수동으로 계획된 경로의 차이는 시간과 연료에서 20%에서 30%에 달할 수 있습니다. 이것은 과대선전이 아닙니다. 적용된 수학입니다.

수요 예측 및 용량 계획

AI 기반 예측 시스템은 출하 이력, 계절성, 외부 이벤트, 고객 행동 패턴을 분석하여 향후 몇 주 또는 몇 달 동안 기업이 얼마나 많은 운송 용량을 필요로 할지 예측합니다.

변동하는 물량을 가진 기업 — 계절별 제조업, 소매업, 농업 — 의 경우, 이를 통해 시장에 포화 상태가 된 후 차량을 찾아 나서기 전에 운송업체와 미리 용량을 협상할 수 있습니다.

이상 탐지 및 예측 알림

현대적인 차량 추적 시스템은 더 이상 위치만 추적하지 않습니다 — 운전 패턴, 연료 소비, 엔진 온도, 경로상의 행동을 분석하여 고장으로 변하기 전에 이상을 탐지합니다.

비정상적인 소비 패턴을 보이기 시작하는 트럭은 기계적 문제가 발생하고 있을 수 있습니다. AI 시스템은 운전자가 알아차리기 며칠 전에 그 이상을 탐지할 수 있으며 — 차량이 경로에서 고장나기 전에 예방 정비를 예약할 수 있습니다.

통관 서류 자동 분류

국제 운영에서 서류 검토 및 분류는 가장 비용이 많이 드는 병목 중 하나입니다. 자연어 처리 시스템은 이제 운송장, 통관 신고서, 상업 송장 같은 서류를 읽고, 분류하고, 검증할 수 있으며 — 검문소에 도달하기 전에 오류나 불일치를 탐지합니다.

이것이 세관 대리인을 대체하지는 않습니다. 그러나 대량 서류 작업에서 검토 시간과 인적 오류의 위험을 줄여줍니다.

앞으로 올 것과 이미 개발 중인 것

특정 구간용 자율주행 트럭

개방된 도로에서의 완전 자율주행 트럭은 아직 대규모 상용화 현실이 아닙니다 — 그러나 레벨 2 및 레벨 3 자율주행 보조 시스템은 미국 일부 운송업체의 차량에 이미 운영 중입니다. Waymo Via 및 Aurora 같은 기업들은 고속도로에서의 화물 운송을 위한 자율주행 기술을 개발하고 있습니다.

단기적으로 가장 실현 가능해 보이는 모델은 도어투도어 무인 트럭이 아니라 '전환 허브' 모델입니다: 자율주행 트럭이 두 전환 지점 사이의 고속도로 구간을 주행하고, 인간 운전자가 도시 환경에서 첫 번째 및 마지막 마일을 담당합니다.

공급망 디지털 트윈

디지털 트윈은 물리적 운영의 실시간 가상 복제본입니다. 물류에서 이는 재고, 운송, 창고, 공급업체 — 전체 공급망의 계산 모델을 가지며 실시간으로 업데이트되어 의사결정 전에 시나리오를 시뮬레이션할 수 있음을 의미합니다.

누에보라레도 국경이 48시간 동안 닫히면 어떻게 될까요? 영향이 고객에게까지 전파되는 데 얼마나 걸릴까요? 어떤 대체 경로가 비용을 최소화할까요? 디지털 트윈은 이러한 질문에 몇 초 만에 답할 수 있습니다.

오늘날 이것은 대기업의 기술입니다. 5년 내에 SaaS 플랫폼을 통해 중소 규모 운영에서도 이용 가능해질 것입니다.

운임 자동 협상

Freightos 및 Flexport 같은 플랫폼은 이미 AI를 사용하여 운임 견적 및 협상 과정의 일부를 자동화하고 있습니다. 다음 단계 — 실시간 시장 조건에 기반하여 자율적으로 운임을 협상하는 시스템 — 은 이미 여러 물류 혁신 연구소에서 개발 중입니다.

아직 과대선전인 것

"화물이 정확히 언제 도착할지 예측하는 AI"

예상 도착시간 예측 시스템은 크게 개선되었습니다 — 그러나 육상 운송에서의 절대적 정확성은 아직 해결되지 않은 문제입니다. 예측 불가능한 변수가 너무 많습니다: 기상, 사고, 도로 폐쇄, 통관 시간, 차량의 기계적 상태. AI 시스템은 확률과 범위를 제공할 수 있습니다 — 확실성을 제공하는 것은 아닙니다.

누군가가 "정확하게 예측한다"고 판매하는 시스템을 접할 때, 들어야 할 단어는 "예측한다" 입니다 — "보장한다"가 아닙니다.

"투명한 물류를 위한 블록체인 + AI"

물류에서의 블록체인은 수년간 추적성 및 서류 투명성의 궁극적 해결책으로 발표되어 왔습니다. 현실은 채택이 느리고 실제 사용 사례가 제한적이며 2018년에서 2022년 사이에 발표된 대부분의 "물류에서의 블록체인" 프로젝트가 상업적 규모에 도달하지 못했다는 것입니다.

기술이 작동하지 않는 것이 아닙니다 — 해결하려는 문제가 공급망의 모든 참여자가 동시에 동일한 시스템을 채택해야 한다는 것인데, 이것은 기술적 문제가 아닌 인간의 조정 문제입니다.

인간 개입 없는 완전 자율 창고

로봇과 자동화 시스템을 갖춘 창고는 존재하며 잘 작동합니다 — 아마존, 알리바바, 일부 대형 물류 운영업체에서. 그러나 어떤 인간 근로자도 없는 100% 자율 창고의 이미지는 대부분의 운영에서 여전히 열망적인 수준에 머물러 있습니다. 비정형 환경, 불규칙한 제품, 운영적 예외는 여전히 인간의 판단을 필요로 합니다.

오늘 당신의 운영에 이것이 의미하는 바

운송 운영을 하고 있거나 화물을 자주 운송하는 기업이라면, 스스로에게 물어볼 가치가 있는 실질적인 질문들입니다:

운송업체가 경로 최적화를 사용하고 있습니까? "GPS가 있습니다"가 아닙니다 — 교통, 일정, 소비를 고려한 능동적 경로 최적화. 그렇지 않다면, 이미 기술적으로 해결 가능한 비효율에 비용을 지불하고 있는 것입니다.

출하 이력 데이터가 있습니까? 날짜, 경로, 운송 시간, 사고, 여행당 비용. 이력 데이터 없이는 AI가 작동하지 않습니다 — 그리고 "AI를 도입하고" 싶어 하는 많은 기업들이 먼저 기본적인 기록을 도입해야 한다는 것을 발견합니다.

운송 용량 계획을 위해 예측을 사용하고 있습니까? 아직 직감과 작년 경험에 기반하여 계획하고 있다면, 오늘날 접근 가능한 도구들이 그 계획을 크게 개선할 수 있습니다.

물류에서의 AI는 미래가 아닙니다. 중요한 부분은 이미 현재입니다. 이를 활용하는 기업과 그렇지 않은 기업의 차이는 예산보다 운영적 의사결정 방식을 바꾸려는 의지에 더 있습니다.

Control Terrestre에서는 업계의 기술 발전을 면밀히 추적하고 있습니다 — 오늘 작동하는 물류는 5년 후에 작동할 물류와 같지 않으며, 그 변화에 대비하는 것이 우리가 하는 일의 일부이기 때문입니다. 견적을 요청하시거나 뉴스레터를 구독하셔서 매주 물류와 기술에 관한 실용적인 콘텐츠를 받아보세요.