"사람-AI-로봇 협업 구조 이룰 것"
▲ 남대식 인하대 아태물류학부 교수가 미래 물류 창고에서는
사람과 AI 로봇이 대화를 하면서 협력할 것이라고 말했다.
“온도 25도 이상 정지한 무인 운반 차량 리스트를 보여줘”
남대식 인하대 아태물류학부 교수가 대표 사례로 제시한 미래 물류 창고 모습이다. 물류 산업에서 자율주행 로봇과 사람이 대화하면서 작업을 할 날이 다가오고 있다. 인공지능(AI) 기술이 물류 산업에서 근로자의 안전을 강화하고 운영 효율성과 최적화를 돕기 위해 연구되면서다.
남대식 교수와 박인규 인하대 인공지능융합연구센터장은 “물류 현장에 AI 기반 비전인식 기술로 이상 행동을 파악하고 작업자에게 위험을 알리는 기술이 시급히 적용돼야 한다”고 강조했다.
인하대 인공지능융합연구센터를 이끄는 박인규 교수는 디지털 트윈과 실시간 행동 인식 기술의 접점을 강조했다. 박 교수는 “GM 코리아 공장 등에서 도입된 디지털 트윈은 물류 창고에도 동일한 효과를 낼 수 있으며 특히 실시간 이상 행동 감지 기술은 작업자 안전 확보에 핵심”이라고 설명했다.
현재 AI 기술은 물류 창고 내 자산 추적, 자동 주문, 화물 적재 최적화, 글로벌 공급망 예측 등 실질적인 역할을 수행하고 있다. 남 교수는 “향후 AI는 관리자에게 자연어로 대화하고 관리자가 정보를 요청하면 실시간 분석과 조치를 자동 실행하는 수준까지 나아갈 것”이라고 내다봤다.
남 교수는 “앞으로 1~2년 내에는 분석형 AI와 생성형 AI가 물류 운영 전반에 정착되고, 5년 안에는 자율운영체계와 무인 자동화 설비가 본격적으로 확산할 것”이라며 “엣지 지능화 기술과 사람-AI-로봇 협업 생태계가 핵심 축이 될 것”이라고 말했다.
또 그는 AI 기술의 확산으로 생길 수 있는 사회적 격차 문제도 언급했다. “대기업, 스타트업, 대학, 정부가 유기적으로 협력해 기술 불균형을 조율하는 구조를 제도적으로 마련해야 한다”며 “학교는 AI 플레이그라운드로서 테스트베드 역할을 수행하고, 정부는 제도적 지원을 확대해 기술 수용 격차를 줄여야 한다”고 제언했다. 남대식 교수와 박인규 교수와 물류 분야 AI 기술의 현재와 미래에 대해 다양한 이야기를 나눠봤다.
- 현재 물류 분야에 AI 기술이 실질적으로 어떻게 활용되고 있나.
(남대식 교수) “물류기업에서는 비전인식, 예측, 강화학습, 센서 기반 고장인식, 로봇, 경로탐색 등 다양한 AI 기술을 활용하고 있다. 컴퓨터비전인식은 물류 창고에서 QR 코드 인식, 상품 분류, 자산 추적, 자동 주문 등에 활용된다. AI 기술을 이용해 창고 내 자산을 추적하고 창고 내 재고를 관리해 창고 내 물품 위치를 정하고 재고가 부족할 경우에는 자동으로 주문하기도 한다. 강화학습 등 AI 기반 최적화 기법은 박스나 트럭, 컨테이너 내에 화물 적재할 때도 사용된다.비전인식을 통해 측정된 화물의 크기와 한정된 적재함의 공간에 화물의 배치를 최적화해 적재한다. 이는 이동효율을 높여 화물 1건 당 탄소배출 절감하는 데도 기여한다.
- 국제물류 분야에서는 AI 기술이 어떤 방식으로 활용되고 있나.
(남대식 교수) “국제물류는 팬데믹 이후 무역분쟁, 항만 혼잡, 자연재해 등 다양한 외부 변수로 인해 불확실성이 급격히 증가했다. 이러한 복잡한 환경 속에서 AI는 위험 요소를 사전에 예측하고, 발생 시 신속히 대응 전략을 수립하는 데 핵심 역할을 하고 있다. 한국비즈넷과 같은 포워딩 IT회사에서는 위세아이텍과 함께 국제 무역 물류 문서 처리를 AI-OCR기반으로 필요한 정보만을 추출하는 시도를 하고 있다. 삼성SDS의 디지털 물류 서비스 첼로 스퀘어(Cello Square)는 글로벌 물류 뉴스, 시황정보, 자체 통계, 해운항만 정보를 수집하고 분석하고 플랫폼과 생성형 인공지능인 챗GPT를 통해 그 정보를 물류의사결정자에게 제공해 의사 결정을 지원한다. 윌로그는 AI-사물인터넷(IoT)센서를 통해서 화물의 이동경로 및 화물의 상태를 실시간으로 추적하고 이상치를 감지해 화물운송에서 발생하는 분쟁을 해결하고 있다. 또한 화물운송플랫폼인 화물맨에서는 화물운송시장에서 화주와 트럭운전시사를 매칭할 때 화물의 품목, 출발·도착지, 목적지, 시간, 크기, 무게 등의 다양한 요소를 고려해 추천해주는 AI서비스를 제공하고 있다.”
- 물류 분야 AI 기술 적용이 중요한 이유는.
(남대식 교수) “물류는 낮은 수익률과 높은 노동 의존도로 인해 디지털화가 늦은 분야이다. 안전사고도 빈번하다. 물류 현장의 의사 결정도 담당자의 직관에 의존되었기 때문에 운영 효율성도 제한적이었다. AI 기술은 근로자의 안전과 운영 효율을 높일 수 있다. 코로나19 이후 이커머스 시장은 급속한 성장에도 불구하고 노동력은 오히려 감소하고 있어 AI 역할이 중요해졌다. 최근 물류 시설에는 로봇, 센서 등이 도입되며 데이터 수집의 양과 질이 비약적으로 증가하고 있다. 운송 영역에서도 AI는 자율주행 트럭, 경로 최적화, 배송 구역 재설계 등에 활용되고 있다. AI는 복잡한 시스템을 정교하게 운영할 수 있게 하며 물류 산업의 경쟁력을 높이는 핵심 전략으로 자리 잡고 있다”
- 현재 어떤 물류 AI 관련 연구를 진행하고 있나.
(남대식 교수) “AI 에이전트 기반의 물류 시스템 모델링에 관한 연구를 수행하고 있다. AI 에이전트 기반 물류 시뮬레이션을 통해 다양한 직무의 의사결정이 배송 구역 배정에 미치는 영향을 연구하는 것이다. 생성형 AI를 활용해 가상 시나리오를 설계하고, 공정성과 효율성 간 균형을 정량적으로 분석 중이다. 최근에는 MCP(Model Context Protocol)의 개념을 활용해 물류, 교통 데이터를 보다 직관적으로 분석하는 시스템을 설계하고 있다. 차량궤적, 창고운영 상황 등의 대규모 데이터를 바탕으로 사용자로부터 자연어 혹은 이미지로 요청을 입력하면 시스템이 자동으로 프로그래밍코드 혹은 구조화 질의 언어(SQL) 구문을 생성해 데이터베이스(DB)로부터 결과를 얻고 이를 보고서 형태로 제공하는 것을 실험하고 있다. 예를 들어 관리자가 ‘온도 25도 이상에서 정지한 무인 운반 차량(AGV) 리스트를 보여줘’와 같은 자연어 요청만으로도 실시간 데이터를 분석하고 필요한 조치를 자동 실행할 수 있도록 하는 것이다. 이러한 응용연구는 향후 인간과 기계의 협업 기반 운영 체계를 구축할 수 있을 것으로 기대하고 있다.”
- 현재 연구 중인 AI 기반 물류 기술은 산업 현장에 어떤 변화를 줄 수 있나.
(남대식 교수) “기술 접근성과 운용 효율성의 격차 해소에 도움을 줄 수 있다. 중소 물류기업도 전문지식 없이 대규모 데이터를 활용할 수 있는 환경을 제공할 수 있다. 자연어 기반 인터페이스를 통해 데이터베이스에 무엇을 해달라고 요청하는 문장인 SQL 쿼리나 프로그래밍 없이도 대규모 물류 데이터를 활용할 수 있는 구조를 개발할 수 있다. 에이전트 기반 시뮬레이션은 직관과 경험 대신 데이터 기반 협업형 의사결정을 가능하게 한다. 궁극적으로 물류 분야 기술 수용 격차를 해소할 수 있을 것으로 기대하고 있다.”
- 생성형 AI가 물류창고 설계에 어떤 영향을 줄 수 있나.
(남대식 교수) “물류창고 설계는 단순한 도면 제작이 아니라 건축주와의 협의, 인허가, 평가 등 복합적 과정을 포함한다. 또 차량과 화물의 동선, 최근에 도입되고 있는 로봇, 컨베이어 등 자동화시설까지 고려해야 한다. 생성형 AI는 초기 설계 요구사항을 정리하고 다양한 설계 시나리오를 자동 생성함으로 설계자의 의사결정을 지원할 수 있다. 다만 설계 기간 단축이 무조건 긍정적인 것만은 아니다. 유통업체 간 경쟁으로 공사 기간이 짧아지면서 안전시설 부족, 절차 미준수 등 위험도 존재한다. 또 물류 창고는 다양한 품목, 자동화 설비, 노동자 안전 등을 반영한 복잡한 설계가 필요하다. 물류 창고는 하나의 인프라이기 때문에 한 번 건설하고 운영을 시작하면 설계를 변경하기에도 쉽지 않아 내실 있는 설계와 건축을 해야 한다.”
- 현재 물류창고 설계에 시뮬레이션 도구나 생성형 AI는 어떻게 활용되고 있나.
(남대식 교수) “현재 AnyLogic 등 시뮬레이션 도구가 물류창고의 운영 및 설계에 널리 사용되고 있다. 월마트, DHL, 인텔 같은 글로벌 기업들이 이를 활용해 사전 검증된 운영 대안을 마련하고 있다. 동유럽의 일부 기업들도 시뮬레이션을 통해 창고 설계를 수행한 사례가 있다. 생성형 AI는 아직 물류창고 설계에 본격적으로 도입된 사례는 많지 않지만, 향후 시뮬레이션 과정에서 다양한 레이아웃 시나리오 자동 생성, 보고서 작성 등에 적용될 수 있다. 이를 통해 의사결정자는 다양한 변수와 환경을 직관적으로 고려해 최적의 설계 방안을 도출할 수 있게 될 것이다.”
- AI가 물류창고의 아이템 다양성, 물류 로봇 동선 등을 반영해 창고 구조를 제안하려면 어떤 멀티모달 데이터 구조와 연산 구조가 필요하나.
(남대식 교수) “그래프 기반의 공간 모델링과 로봇 센서 데이터를 통합한 멀티모달 데이터 구조가 필요하다. 시각, 청각, 공간 정보를 통합해 3D맵을 구성하고, 강화학습 기반의 실시간 경로계획이 중요하다. 로봇 간 충돌 회피와 협업을 위한 실시간 판단 구조도 필요하며 복잡한 의사결정을 위한 멀티모달 데이터 처리와 고차원 연산이 핵심이다. 다양한 형식 데이터가 빠르게 수집되고 분석돼야 한다. 창고 내 회전율이 높거나 우선순위가 상위에 있는 물건의 배치를 고려할 수 있는 다양한 알고리즘이 적용될 수도 있다. 이러한 복잡한 환경에서 의사결정은 기존의 단순한 규칙기반 모형이나 수학적 모형을 통해 이뤄지기에는 한계가 있기에 강화학습 기반의 행동결정연산이 적용되기도 한다.”
▲ 박인규 AI융합연구센터·융합혁신대학원장
- 실시간 시뮬레이션이 가능한 디지털 트윈 기술이 물류 산업에서 어떤 변화를 유도할 수 있나.
(박인규 교수) “작업 효율을 높이고 사고를 예방할 수 있다. 자본과 인력을 투입하면 지금 당장 산업 현장에 적용 가능하다. 인하대 인공지능융합연구센터의 참여기업인 오토메스텔스타가 제너럴모터스(GM) 코리아 공장의 디지털 트윈 구축한 사례 등 국내외 사례가 많이 있다. 물류 분야에서도 싱가포르항, 스페인 발렌시아항, 네덜란드 로테르담항, 중국 선전항 등 디지털 트윈 모델을 통한 스마트 항만 구축을 완료했다. 이를 통해 선박 입출항 대기시간 감소, 시간당 컨테이너 처리 속도 향상, 에너지 소비 분석 및 효율화 등 효과를 거두고 있다. 이는 물류 창고에도 같은 목적으로 적용할 수 있을 것이다.”
- 최근 발표한 Factorized 3D-CNN 기반 실시간 행동 인식 모델은 어떻게 산업에 적용될 수 있나
(박인규 교수) “실시간 행동 인식 모델은 넘어짐이나 위험지역 진입 등 작업자의 이상 행동을 실시간으로 인식할 수 있다. 중대재해 처벌등에 관한 법률 시행 이후 산업안전의 중요성이 더 커졌다. 특히 물류 현장에서는 지게차, 운송 트럭, 물류 로봇 등이 사람과 협업하고 있어 작업자가 안전사고를 당할 위험이 도사리고 있다. 이상 행동 검출 시 경보를 울리거나 작업을 중단시켜서 작업자를 보호할 수 있다. 물류 현장 도입이 시급한 기술이라고 생각한다.”
- AI 모델의 경량화와 실시간성 확보가 물류 AI 분야에서 어떤 영향을 주나.
(남대식 교수) “물류센터나 배송 환경에서 활용되는 AI는 단순한 판단을 넘어 작업자의 안전과도 직결되기 때문에 자율주행 수준의 실시간 반응속도가 요구되는 경우가 많다. 무인운반차(AGV), 자율주행로봇(AMR), 자율주행 로봇과 같은 이동형 장비는 주변 사물, 작업자, 장애물 등을 인식하고 순간적으로 회피하거나 이동 경로를 재설계해야 하는 상황이 자주 발생한다. 이러한 맥락에서 AI 모델의 경량화는 매우 중요한 요소이다. 로봇 개별 단말에서 즉시 판단을 내릴 수 있는 엣지 AI가 필요하다. 실시간성 확보가 가능해질수록 물류로봇은 더 민첩하고 안전하게 작업 공간을 이동할 수 있다.”
- 앞으로 필요한 물류 AI 협업 구조는 무엇인가.
(남대식 교수) “인간–기계–조직이 함께 작동하는 협업형 시스템 구조가 중요해지고 있다. 이에 대해 AI의 협업, 물류로봇 간의 협업, 사람-기업-로봇의 삼자 협업 세 가지 관점에서 살펴볼 수 있다.
AI는 반복 업무를 자동화하고, 사람은 예외 상황에 집중하는 협업 구조가 필요하다. 사람-AI-로봇이 실시간으로 소통하며 작업하는 구조가 중요해지고 있다. AI는 단순 반복 업무를 자동화할 수 있지만 여전히 판단과 예외 처리에서는 인간의 개입이 중요하다. 물류 현장에서는 작업자와 AI 시스템이 실시간으로 상호작용을 하며 공동 작업을 수행하는 구조가 필요하다. 작업 현장에는 다양한 국적의 작업자들이 일하고 있어 다국어 인식과 번역, 시각 자료 지원 등도 동시에 전달될 수 있어야 한다. 또한 기업-작업자-로봇이 각각의 역할을 수행하면서 피드백을 주고받는 통합 운영체계를 마련해야 한다. 기업은 물류 운영의 전반을 기획하고 정책을 설정하며, 작업자는 현장 경험을 바탕으로 AI 시스템의 개선 방향을 제안하고 로봇은 실제 작업을 수행하면서 데이터를 축적하고 공유해야 한다. 이 과정에서는 디지털 트윈 기반의 운영 시뮬레이션, AI 운영 보고서 자동 생성 시스템, 현장 피드백 수렴 루프 등을 통해 세 주체 간의 지속 가능한 상호작용 구조가 마련돼야 한다.”
- 향후 1~2년 내 물류 AI 기술은 어떻게 발전할 것으로 보나.
(남대식 교수) “분석형 AI와 생성형 AI 모두가 본격적으로 산업에 정착·고도화될 것이다. 분석형 AI는 입출고 기록, 재고 회전율 등 데이터를 정밀 분석하고, 생성형 AI는 자연어 기반 물류 설계 자동화, 대화형 인터페이스로 활용될 것이다. 자연어로 배송 조건을 요청하면 AI가 자동 시뮬레이션해 주는 시스템도 보편화될 가능성이 크다. 앞으로 1~2년은 AI 기술이 물류 운영 전반에 내재화되며 협력적 구조로 진화할 것이다.”
- 향후 5년 후에는 어떤 변화가 예상되는가.
(남대식 교수) “자율운영 기술과 무인 자동화가 확산하며 AI와 IoT가 결합한 창고 설비 전체의 자율화, 협력 기반 지능형 물류 운영 체계가 도입될 것이다. 글로벌 물류기업 DHL은 볼보와 협력해 주요 허브 터미널 간의 간선수송을 자율주행 트럭으로 테스트하고 있다. 향후 넓은 공간적 범위에서 자율주행 트럭이 운행될 것으로 기대한다. 상대적으로 도로보다는 안전하고 통제할 수 있는 환경인 물류창고에서 자율주행이 적용되고, MCP(Model Context Protocol) 개념이 물리적으로 확대될 것으로 본다. AI와 사물인터넷의 결합으로 로봇뿐만이 아닌 창고의 전반적인 설비의 자동화에도 무인운영이 적용될 것으로 본다. 물류관리자의 기본적인 설계와 명령으로 창고 내 장비들이 실시간으로, 자율적으로 운영되는 체계가 구축될 것으로 보고 있다.”
- 미래 변화에 대응해 어떤 연구를 하고 있나.
(남대식 교수) “현재 관리자의 명령만으로 로봇과 장비들이 협력해 실시간으로 작업하는 구조를 연구 중이다. 이 과정에서 AI와 IoT가 결합한 엣지 지능화 기술이 핵심이 된다. 단순히 로봇뿐 아니라 창고 전체의 설비와 환경 인프라까지 포함하는 무인 자동 운영 시스템으로 확장될 수 있다고 보고 있다. 아울러 사람-AI 협업 환경을 테스트하고 있다. 수업에서는 학생이 직접 자연어로 AI에 작업 요청을 하고 AI는 이를 즉시 해석해 로봇에게 전달하거나 시각 자료로 안내해 생산성 향상과 작업자의 만족도 제고를 동시에 도모할 수 있는 시스템을 실습하고 있다. 다국어·다문화 환경에서의 협업 구조, 현장 실무자 중심의 인터페이스 설계, 설계–운영–보고까지 통합된 AI 기반 물류 운영 시스템 개발도 하고 있다.”
- AI 기술 격차에 따른 사회적 대응 방안은 무엇인가.
(남대식 교수) “중소기업, 스타트업, 학교, 정부 간 협력 구조가 중요하다. 스타트업은 혁신을, 대기업은 확산을, 학교는 실증 테스트와 인재 양성을 담당하고, 정부는 제도적 지원을 통해 전체 AI 생태계의 균형을 이뤄야 한다. AI는 기회이지만 준비된 자만이 활용할 수 있다. AI는 모든 산업에 새로운 기회를 열어주지만, 그 기회에 접근할 수 있는 준비와 역량은 균등하지 않다. 기존 시스템과 인력이 밀접히 연결된 물류 산업에서는 중소기업, 학교, 대기업, 정부가 각자의 역할을 분담하고 기술 불균형을 조율하는 협력 구조가 절실하다. 지금 해야 할 일은 이 네 주체가 유기적으로 연결되는 실증과 지원의 메커니즘을 제도적으로 설계하고 운영하는 것이다.”