수출·무역 AX 사례

과제

해상운송은 날씨와 경로, GPS 신호의 유무, 항해 거리라는 불확실성 위에 놓인 수송이다. Cargo Tracking 이전의 도착 예측 정확도는 40%였다. 이 불확실성은 도착 지연이 생산이나 풀필먼트를 흔들 수 있는 국면에서 재고 버퍼를 요구한다. 물류센터 운영과 수송, 택배, 포워딩, 해외 운영 전반에는 단순 반복 업무가 여전히 남는다. 온라인 판매자는 물류사와의 느린 시스템 연동에 부딪힌다. 새로운 포장 규제는 과대포장 예외와 합포, 포장재 재사용 판단을 운영 공정에 더한다.

AX 개입

CJ대한통운 TES물류기술연구소가 구축한 AI Cargo Tracking은 항해 정보와 경로, 날씨, GPS 신호의 유무, 화물선 이동거리를 분석해 도착 일시를 예측하는 시스템이다. 전 사업 분야에는 RPA 소프트웨어 로봇을 들여 단순 반복 업무를 흡수한다. e-FLEXs는 온라인 판매자와 물류사 사이의 시스템 연동을 자동화하고, AI와 빅데이터로 주문 유형을 예측해 풀필먼트 인력 운영을 계획한다. TES는 AI 기반 과대포장 진단 도구인 PackCheck도 제품화하고, 디팔레타이저 로봇팔과 휴머노이드 포장 실증을 아우르는 비전 로보틱스를 넓힌다.

성과

Cargo Tracking은 해상 화물의 도착 예측 정확도를 40%에서 85%로 끌어올렸다. CJ대한통운은 이 정확도 향상으로 안전재고를 기존보다 30~40% 낮추고, 그 결과 보관 관련 물류비 절감과 생산 일정 수립, 과잉 생산 방지 효과를 기대할 수 있게 됐다고 밝혔다.

RPA는 5,600시간을 절감했고, 여기에 약 3만 시간 절감이 더 예상된다. 온라인 쇼핑몰과 물류사 사이의 시스템 연동 시간은 10분의 1로 단축됐다. 아시아투데이는 CJ대한통운이 PackCheck를 전국 26개 물류센터에 도입해 운영 중이라고 보도했고, 국가물류통합정보센터는 CJ대한통운의 비전 AI 디팔레타이저가 시간당 700상자를 처리하며 최대 20kg 상자까지 들어 올린다고 보도했다.

과제

e-풀필먼트 창고는 소량 주문과 넓은 SKU 구색이 맞물리는 곳이다. 그만큼 피커의 보행 시간이 길어진다. 기존 WMS와 ERP, 핸드헬드 스캐너, 종이 피킹 지시로는 주문이 몰리는 시기에 경로와 인력 배분을 동적으로 맞추기 어렵다. 결국 운영의 제약은 자동화 투자 자체가 아니라, 사람과 위치와 긴급 주문을 매일 조율하는 방식에 있다.

AX 개입

DHL Supply Chain은 기존 창고 시스템 위에 얹는 플러그앤플레이 피킹 경로 소프트웨어, IDEA를 배포한다. 이 알고리즘은 주문을 위치 기반으로 클러스터링하고, 보행 경로를 최적화하며, 작업량과 출고 긴급도를 기준으로 업무를 나눈다. 여기에 DHL은 스마트글라스가 2015 파일럿을 거쳐 창고 운영의 표준이 되었다고 밝혔다. Vision Picking은 피킹 지시와 품목 위치, 카트 배치, 바코드 확인을 작업자의 시야에 직접 띄워 핸즈프리 실행을 만든다.

성과

첫 상용 배치에서 DHL은 IDEA가 창고 작업자의 이동거리를 up to 50% 줄이고, 개별 DHL 거점의 생산성을 up to 30% 높였다고 밝혔다. Supply Chain Dive 역시 이동거리 up to 50% 개선과 생산성 up to 30% 개선을 교차 확인했다. 다만 성과는 기존 WMS 역량에 따라 거점마다 갈린다고 보도했다.

Vision Picking 국제 시범 운영은 평균 생산성 15% 개선과 정확도 향상을 보였다. 완료된 국제 AR 스마트글라스 시범 운영에서는 온보딩과 교육 시간이 50% 줄었다.

과제

중소 수출기업이 신규시장에 진입할 때 기대는 수단은 대개 해외전시회와 콜드콜, 파편적인 바이어 리스트다. 정보가 부족한 지역일수록 어느 해외 바이어가 유사 품목을 이미 수입하고 있고 한국 제품을 들일 준비가 되어 있는지 가려내기 어렵다. KOTRA가 규정한 문제는 타깃팅 격차다. 수요가 있어도 영업을 투입하기 전에 다음 유망 바이어를 순위 매기기 어렵다.

AX 개입

KOTRA는 트라이빅을 통해 AI 수입확률 매칭 시범사업을 운영한다. 모델은 21개국 770만 건 수출입 기록을 분석해 수입확률 70% 이상인 해외 바이어를 예측하고, 이를 국내 기업과 매칭한다. 트라이빅은 83개국 128개소 해외무역관 데이터에 총 약 1억 5,000만 건 레코드를 더해 데이터 계층을 넓힌다. KOTRA는 자체 확보한 해외기업 데이터가 1000여만건에 이르고, 외부 데이터 연계로 수집·분석 범위를 더 넓힐 계획이라고 밝혔다. 이 워크플로는 영업팀을 개방형 탐색에서 스코어링된 목록으로 옮기고, 수요 신호를 보인 바이어에 사람의 지원을 집중시킨다.

성과

보도에 따르면 KOTRA 나이로비 무역관은 수입확률예측 모델로 70% 이상 바이어 1100개를 대상으로 마케팅하고, 관심을 보인 바이어 87개에 지원을 집중해 현지 바이어 5개사와 총 145만달러 수출 성약을 냈다. 데일리안은 같은 시범사업에서 나이로비 무역관이 한국 제품 수입 경험이 없는 바이어를 폴리프로필렌 수출기업 K사에 연결해 약 90만 달러 수출계약을 성사시켰다고 보도했다. 트라이빅의 다른 사례에서는 페인트기업 A사가 페루 바이어를 발굴해 3만달러 초도수출을 마쳤고, 금속 단조제품 제조사 M사가 미국 유망시장과 잠재 바이어를 찾아 83,415달러 수출계약을 체결했다.

과제

콜드체인 수출기업에는 화물이 목적지에 닿기 전에 그 상태를 입증할 근거가 필요하다. 온도나 전원 이상이 뒤늦게 드러나면 손을 쓸 시간이 남지 않기 때문이다. 머스크는 해마다 전 세계 신선 농산물의 13%가 콜드체인 구간에서 손실된다고 밝힌다. RCM 데이터가 갖춰지기 전까지 리퍼 PTI 시간은 최대 6시간에 이르렀다고 Food Logistics는 보도했고, 전수 물리 검사는 리퍼 회전율을 옥죄는 제약이었다.

AX 개입

A.P. Moller - Maersk는 원격 컨테이너 관리로 리퍼 컨테이너를 연결된 자산으로 바꾼다. 머스크라인은 GPS와 모뎀, SIM 카드로 짜인 RCM 장치를 자사 리퍼 270,000 전량에 탑재할 예정이라고 밝혔다. Food Logistics의 보도에 따르면 약 400척의 선박에는 리퍼 센서 데이터를 위성으로 쏘아 올리는 VSAT 돔이 설치됐다. 운영 설계의 골자는 터미널 도착 전에 텔레메트리로 상태를 읽고, 손이 필요한 리퍼만 PTI로 돌리는 것이다. 2019년까지 머스크는 2017년 고객 출시 이후 3,600개 이상의 기업이 가입했고, 통합 함대 리퍼 380,000대 이상의 가시성을 확보했다고 밝혔다.

성과

Food Logistics는 머스크라인이 RCM 데이터로 도착 시점의 컨테이너 상태를 판별해 한 해에 225,000건의 PTI를 없앴다고 보도했다. 같은 보도는 리퍼가 터미널에 닿기 전에 데이터를 확보하면서 PTI 시간이 최대 6시간에서 약 12분로 줄었다고 설명한다.

가시성의 토대 역시 초기 머스크 리퍼 270,000대에서 통합 함대 리퍼 380,000대 이상으로 넓어진다. 머스크는 이후 2022년에 리퍼 함대 80% 이상이 Captain Peter로 시간 단위 데이터를 전송하도록 업그레이드했다고 밝혔다.

과제

항만 차질, 파업, 분쟁, 기상 이벤트는 물류 문제를 생산과 판매의 리스크로 바꾼다. 그래서 수출입 기업에는 더 빠른 예외 처리가 필요하다. 전통 포워딩 업무는 견적, 부킹, 트래킹, 예외 대응이 이메일과 전화에 흩어져 있다. 삼성SDS는 물류 리스크 대응 방안을 세우는 데 기존 하루 걸렸다고 밝혔다. 속도가 운임 가시성 못지않은 운영 문제라는 뜻이다.

AX 개입

삼성SDS는 Cello Square를 온라인 견적, 부킹, 트래킹, 정산, 리스크 모니터링을 아우르는 디지털 포워딩 플랫폼으로 구축한다. 여기서 머신러닝은 매일 수집한 6만 건 이상의 글로벌 뉴스에서 물류 리스크를 추출한다. 생성형 AI는 이 신호를 위험도로 바꾼다. 과거 약 2만 건의 글로벌 물류 리스크 사례로 학습한 모델이다. 디지털데일리는 Cello Square가 매일 70건의 AI 위험도 판단 작업을 수행한다고 보도했고, BI KOREA는 모니터링 범위가 36개국과 56개 거점에 이른다고 전했다. 삼성SDS는 여기에 Predictive ETA와 ETD, 운임 예측, SCFI 시황 코멘터리 생성, 대화형 견적·컨테이너 산정 서비스를 더해 플랫폼을 거래 포털에서 컨트롤타워로 옮긴다.

성과

삼성SDS는 머신러닝과 생성형 AI 리스크 워크플로가 대응 방안 수립 시간을 하루에서 2시간로 줄였다고 밝혔다. 같은 공식 발표에 따르면 머신러닝은 매일 6만 건 이상의 글로벌 뉴스에서 리스크를 추출하고, 생성형 AI 모델은 과거 약 2만 건의 리스크 사례로 학습했다. 디지털데일리는 플랫폼에서 매일 70건의 위험도 판단 작업이 이뤄진다고 보도했다.

플랫폼 채택도 넓어진다. 삼성SDS는 가입 고객이 전년 대비 27% 늘어 2025년 말 기준 24,625개개사가 활발히 이용한다고 밝혔다. 뉴스핌은 2025년 4분기 Cello Square 매출이 3307억원이고 전분기 대비 27% 성장했다고 보도했다. 다만 이 증가는 창고와 내륙 운송을 포함한 디지털 서비스 확장 효과로 설명된다.

과제

UPS가 매일 마주하는 것은 일일 경로 순서 문제다. 조밀한 소화물 네트워크 전반에서 작은 주행 비효율이 쉬지 않고 쌓이는데, 이 비효율은 최단경로 계산 하나로 풀리지 않고, 배송 규칙과 안전 제약과 주소 품질과 드라이버 습관과 집화 약속을 전부 하나의 경로 안에 맞춰 넣어야 비로소 해결에 가까워진다. 계산만의 문제가 아니라는 뜻이다. UPS의 Edelman 검증 논문은 완전 배치 시 연간 주행거리를 1억 마일 줄일 수 있다고 추정한다. 드라이버 비용 회피와 연료 절감까지 더하면 연 3억~4억 달러 효과다. 결국 경로 품질이 손익 레버다.

AX 개입

UPS의 해법은 ORION, On-Road Integrated Optimization and Navigation이다. 일일 배송 순서를 최적화하려고 구축한 시스템으로, 2억 5,000만 개 이상의 주소 데이터 포인트를 처리해 드라이버 각자에게 최적화된 하루치 경로를 통째로 만들어 내놓는다. INFORMS는 2015년 12월 기준 UPS 미국 드라이버 55,000명 중 35,000명 이상이 ORION을 썼다고 보도한다. 확산은 빨랐다. 이후 UPS는 ORION의 지도 계층을 UPSNav로 확장했고, 회사는 이 자체 내비게이션이 2억 5,000만 개 위치를 담은 독자 지도 위에서 작동한다고 밝혔다. 2021년에는 수치를 한 걸음 더 밀었다. dynamic ORION이 기존 ORION의 드라이버당 8마일 감축에 더해, 드라이버당 평균 2~4마일 경로 감축까지 가능하게 했다는 것이다.

성과

INFORMS ORMS Today의 보도에 따르면 ORION은 2015년 말까지 UPS에 누적 3억 2,000만 달러을 절감해 주었다. 이미 실현된 누적치다. 여기에 더해, 완전 배치 시에는 연간 절감과 비용 회피를 합쳐 3억~4억 달러을 낼 것으로 전망됐고, 같은 출처는 그 예상 연간 운영 효과를 주행거리 1억 마일 감축과 연료 1,000만 갤런 절감과 탄소배출 10만 미터톤 감축의 셋으로 나눠 설명한다. 누적치와 전망치는 다른 층위다.

UPS 저자들이 쓴 Interfaces 논문은 ORION 구축과 배치에 2억 9,500만 달러 이상이 들었다고 밝힌다. 대비되는 기대 효과는 연간 3억~4억 달러 절감이다. 숫자만이 전부는 아니다. ORMS Today는 현장 목소리도 전하는데, ORION 경로를 도입한 뒤 한 드라이버는 같은 근무시간에 하루 스톱이 110에서 115 to 118로 늘었다고 말했다.