혁명은 일어나는 동안에는 알아차리지 못합니다. 오래된 습관이 이미 사라진 후에야 비로소 보게 됩니다.
10년 또는 15년 전 화물이 어떻게 이동했는지 떠올려 보십시오. 배차 담당자는 종이 지도와 전화번호부를 들고 앉아 있었습니다. 고객이 화물의 위치를 물으면 누군가 운전기사에게 전화를 걸었습니다. 만약 운전기사가 전화를 받지 않으면, 돌아오는 대답은 침묵뿐이었습니다. 경로는 기억과 직관, 그리고 라디오 교통 방송에서 언급되는 내용에 의존해 만들어졌습니다. 배송 지연은 비상사태가 아니었습니다. 그저 평범한 화요일의 일상일 뿐이었습니다.
그런 세상은 이제 사라졌습니다. 이제 고객들은 날씨 앱을 확인하듯 패키지 추적을 확인합니다. 새로고침을 누르고, 지도 위의 핀이 움직이기를 기대합니다. 시간 단위가 아닌 분 단위의 도착 예정 시간을 원합니다. 동시에 유가는 예측 불가능하게 요동치고, 숙련된 운전기사를 채용하기는 점점 더 어려워지고 있습니다. 시장의 요구와 수동 프로세스가 제공할 수 있는 역량 사이의 격차는 계속해서 벌어지고 있습니다.
인공지능은 미래를 위한 부가 기능이 아닙니다. 그것은 이미 수년 전에 인간의 처리 능력을 넘어선 시스템에 적용되는 패치입니다. 그리고 중요한 점은, AI가 사람을 배제하기 위해 존재하는 것이 아니라는 사실입니다. 소프트웨어가 더 잘 처리할 수 있는 업무에 사람들이 시간을 낭비하지 않도록 돕기 위해 존재하는 것입니다.
모두가 동일한 지도를 볼 수 있을 때
AI가 일상적인 업무를 변화시키는 첫 번째 영역은 가시성(visibility)입니다.
기존의 운영 방식에서 '가시성'이란 전화 한 통과 기도에 의존하는 것을 의미했습니다. 운송 관리자는 14번 트럭이 오전 8시쯤 창고를 떠났다는 사실 정도만 알 수 있었습니다. 그 이후 화물은 운전기사가 목적지에 도착해 체크인할 때까지 블랙홀 속으로 사라졌습니다. 정오에 고객이 전화를 하면, 관리자는 자신 있게 거짓말을 하거나 그 스트레스를 운전기사에게 떠넘겨야 했습니다.
현대적인 플랫폼은 GPS, 텔레매틱스, 전자 기록 장치(ELD), 창고 스캐너에서 데이터를 가져옵니다. AI는 이 데이터를 하나의 일관된 그림으로 처리합니다. 관리자는 200명에게 전화를 걸지 않고도 화면 하나만 보고 200개의 화물 상태를 확인할 수 있습니다. 소프트웨어는 예외 상황을 자동으로 표시합니다. 국경에서 너무 오래 공회전하는 트럭, 범위를 벗어나는 트레일러 온도, 갑작스러운 도로 폐쇄로 인한 경로 이탈 등이 이에 해당합니다. 사람이 여전히 알림을 검토하지만, 더 이상 건초더미에서 바늘을 찾는 수고를 할 필요는 없습니다.
이것이 중요한 이유는 규모의 확장이 기존 모델을 무너뜨렸기 때문입니다. 매일 아침 50명의 운전기사에게 전화를 걸면서 평정심을 유지할 수는 없습니다. 모든 고객에게 정중한 이메일을 보내며 믿어달라고 부탁할 수도 없습니다. 가시성 도구는 소규모 팀이 대규모 팀처럼 움직이게 하고, 대규모 팀이 업무 과부하로 침몰하는 것을 막아줍니다.
도착 예정 시간을 추측하는 것은 비용이 많이 듭니다
트럭이 언제 도착할지 예측하는 것은 간단해 보이지만, 그렇지 않습니다.
사람이 예측할 때는 기본적인 지도 도구에 주소를 입력하고 교통 상황을 고려해 직감적으로 여유 시간을 추가할 것입니다. 이는 상황이 나빠지기 전까지는 통할지 모릅니다. 항구 지연, 세관 검사, 멤피스 상공의 갑작스러운 뇌우, 또는 점심시간에 문을 닫는 수취인 하역장 등은 모두 일정을 망가뜨릴 수 있습니다. 기업이 3시간의 배송 시간대를 제시했다가 이를 지키지 못할 경우, 그 비용은 단순히 고객의 불만에서 끝나지 않습니다. 생산 라인의 중단, 하역장의 유휴 인력 발생, 그리고 계약서에 명시된 위약금 등으로 이어집니다.
AI 예측 엔진은 과거 데이터를 학습합니다. 특정 구간을 통과하는 데 목요일 오후에 보통 얼마나 걸리는지 분석합니다. 성수기 동안 특정 물류 센터의 혼잡 확률을 계산합니다. 새로운 조건이 데이터 피드에 들어오면 지속적으로 조정합니다. 그 결과, 트럭이 목적지에 가까워질수록 도착 예정 시간은 모호해지는 것이 아니라 더욱 정교해집니다.
반대편에 있는 계획 담당자에게 이는 하루의 업무 방식을 바꿉니다. "만약을 대비해" 6시간의 시간대를 비워두는 대신, 90분 단위로 인력을 배치할 수 있습니다. 창고 운영은 더 효율적으로 변합니다. 트럭은 대기 줄에서 보내는 시간을 줄입니다. 연료는 실제로 준비된 하역장을 향해 바퀴가 굴러갈 때만 소모됩니다.
매 운행을 통해 학습하는 경로
경로 최적화는 인간의 경험이 한계에 부딪히는 또 다른 영역입니다.
숙련된 배차 담당자는 탄탄한 경로를 짤 수 있습니다. 특정 수취인의 하역 시간이 항상 더 오래 걸린다거나, 특정 고속도로가 학교 하교 시간 이후에는 주차장처럼 변한다는 20년의 노하우를 어떤 알고리즘도 완벽히 복제할 수는 없습니다. 하지만 경험은 '조합 폭발(combinatorial explosion)' 문제 앞에서 무력해집니다. 규모가 어느 정도 있는 차량단을 관리하기 시작하면, 가능한 경로의 경우의 수는 인간의 뇌가 실시간으로 분류할 수 있는 범위를 넘어서게 됩니다.
AI 기반 경로 최적화는 수백만 가지의 조합을 단 몇 초 만에 평가합니다. 이는 냉장 화물, 운전자의 법정 운전 시간 제한, 고객의 예약 시간대와 같은 엄격한 제약 조건을 고려합니다. 또한 평탄한 지형이나 일정한 속도를 선호하고, 복화 운송(backhaul)을 통합하며, 트럭이 도심 지역을 지그재그로 가로지르지 않도록 경유지 순서를 조정함으로써 연료 소모를 줄입니다.
연료 절감 효과는 차곡차곡 쌓입니다. 운전자 유지율 또한 마찬가지입니다. 컴퓨터가 더 스마트한 배송 순서를 제안한다고 해서 그만두는 사람은 없습니다. 사람들이 그만두는 이유는 아무런 이유 없이 집에서 멀리 떨어져 있게 만드는 비논리적인 장거리 운행에 투입되기 때문입니다. 더 나은 경로는 연료 탱크와 운전석의 사람 모두를 존중합니다.
충격 흡수
공급망은 언제나 취약했습니다. 허리케인이 항구를 폐쇄합니다. 지정학적 사건이 국경 통과를 막습니다. 공급업체가 생산 마감 기한을 놓치면 갑자기 출하 화물이 실을 것이 없게 됩니다. 지금의 차이점은 속도입니다. 과거에는 혼란이 네트워크 전체로 파급되는 데 며칠이 걸렸습니다. 이제는 트윗이 전파되는 속도로 움직입니다.
혼란을 관리하는 AI 도구는 악천후를 막아주지는 않습니다. 대신 대응 시간을 단축합니다. 폭풍으로 인해 주간 고속도로가 폐쇄되면, 시스템은 운전자가 커피를 다 마시기도 전에 영향을 받는 경로를 재계획할 수 있습니다. 한 지역에서 수요가 급증하고 다른 지역에서 급락할 때, 알고리즘은 불균형을 감지하고 공차 자산의 재배치를 제안합니다. 운송사가 화물 인수에 실패하면, 플랫폼은 수동 입찰 전쟁을 시작할 필요 없이 사전 검증된 백업 네트워크에서 대체 운송사를 찾아낼 수 있습니다.
핵심은 이러한 시스템이 학습한다는 것입니다. 일회성 임시 방편은 다음 위기를 위한 데이터가 됩니다. 모델은 어떤 대안이 실제로 효과가 있었는지 확인했기 때문에 더 나은 대안을 제시할 수 있게 됩니다.
운전석은 여전히 사람의 자리입니다
운송 분야의 AI 도입이 로봇 트럭과 배차 담당자의 실직을 의미한다는 지속적인 두려움이 존재합니다.