2025년 4월, Locus Robotics는 자사 창고 로봇이 50억 회의 피킹을 완료했다고 발표했다. 창고 디렉터가 반사적으로 전화기를 집어 들게 만드는 헤드라인이다.
헤드라인이 빠뜨린 부분이 있다. 그 숫자에 도달한 도입 사례마다 어딘가에는 먼지 쌓인 AI 시스템이 있는 창고가 있다 — 열광적으로 구매하고 6개월 뒤 조용히 방치된 경우다. 나는 컨퍼런스 무대가 아니라 현장에서 이 광경을 봐 왔다. 두 결과의 차이는 기술인 경우가 드물다. 구매 결정이다.
데모는 제품이 아니다
내가 아는 남부 캘리포니아의 한 3PL은 2024년 초 출고 품질 검사를 위한 AI 비전 시스템을 도입했다. 포장 스테이션 위의 카메라, 오기재되거나 파손된 박스를 잡아내겠다고 약속한 소프트웨어. 데모는 완벽했다 — 데모가 표준 박스로 돌아갔기 때문이다.
그들의 건물은 규격 외 화물로 가득했다. 표준 박스에서는 무시무시하게 정확했던 모델이 이상한 크기의 파렛트 앞에서는 하루 종일 오경보를 울렸다. 석 달 안에 포장 담당자들은 가장 중요한 새 기술을 익혔다: 알림을 무시하는 법이다. 시스템은 지금도 스테이션 위에 달려 있다. 아무도 쳐다보지 않는다.
데모는 벤더의 최상의 데이터로 돌아간다. 당신의 창고는 당신의 최악의 데이터로 돌아간다. 모든 벤더 평가는 이 격차에서 출발해야 한다. 파일럿 기간에 당신의 가장 골치 아픈 SKU로 테스트하지 않으려는 벤더는 도입 과정이 어떻게 될지를 말해 주는 것과 다름없다.
업계가 이미 디버깅한 것은 사라
너무 여러 번 해결된 창고 문제는 사는 것 자체가 남의 수업료를 사는 것이다. AMR 기반 피킹과 화물 이동이 가장 명확한 예시다 — Locus의 50억 피킹은 실험실에서 나온 게 아니다. Radial은 네트워크 전체에서 약 300대의 LocusBot을 운영하고 있으며, Kentucky Shepherdsville 사업장을 쇼케이스로 내세운다. 보이스 피킹, 표준 소포 치수 측정, 기본 비전 QA: 모두 같은 이야기다.
세 가지가 모두 사실일 때 사라: 문제가 업계 전반에 걸쳐 공통적이고, 사내에 머신러닝 팀이 없으며, 내년이 아니라 이번 성수기에 결과가 필요할 때. 무엇을 사느냐뿐만 아니라 어떻게 사느냐에도 주목하라. AMR 같은 중자산 AI는 점점 RaaS — 서비스형 로보틱스 — 로 월정액에 공급되며, 성수기에는 로봇을 늘리고 성수기가 끝나면 회수한다. 계절성 운영에게는 이 유연성이 발주서의 할인보다 값지다. 반면 소프트웨어 AI는 보통 연간 구독을 의미하므로, 2년 차 가격 인상은 지금 협상해야지 나중에 발견하는 것이 아니다.
지금도 인용하는 파일럿이 있다: DHL과 Ricoh는 네덜란드 Bergen op Zoom에서 10명의 피커에게 스마트 글라스를 씌워 3주간 비전 피킹 시험을 진행했다. 9,000건의 주문에서 2만 개가 넘는 품목을 피킹했고, 효율은 25% 올랐다. 그들이 처음 산 것은 도입이 아니라 증거라는 점에 주목하라. 작게 파일럿하고, 정직하게 측정하고, 그다음 지갑을 열지 말지를 결정하라.
당신을 당신답게 만드는 것은 직접 만들라
이제 반대편이다. 당신의 보충 로직, 웨이브 전략, 3PL 청구 규칙 — 그것이 당신의 해자이며, 기성 제품은 그것을 염두에 두고 설계되지 않았다. 범용 수요 예측 스위트를 사면 SKU 구성과 고객 계약에 맞추는 데 1년을 보내게 된다. 절반의 확률로 어차피 로직을 다시 만들게 되고, 거기에 라이선스 비용까지 얹는다.
AI 마켓플레이스를 통째로 건너뛴 중견 사업자를 본 적 있다: IT 리드 한 명, 3년 치 WMS 주문 이력, 오픈소스 툴링, 안전재고와 웨이브 통합을 이끄는 단순한 예측. 보도자료 없음. 품절이 눈에 띄게 감소. 그 모델이 벤더의 범용 제품으로 살아남는 일은 없었을 것이다. 가치는 하나의 운영에 얼마나 꼭 맞았는지에 있었기 때문이다.
로직이 고유하고, 데이터가 다른 어디에도 없으며, 시장이 당신이 원하는 것을 팔지 않을 때 만들라. 정직한 전제 조건은 인력이다: 컨설턴트가 떠난 뒤 모델을 책임질 사람이 최소 한 명은 필요하다. 주인이 없는 모델은 대시보드가 달린 부채다.
계약은 이혼 전문 변호사의 눈으로 읽어라
영업 자료에는 구속력이 없다. 종이에는 있다.
데이터 소유권: 당신의 주문으로 학습한 모델의 주인은 누구인가? 많은 계약이 조용히 벤더에게 귀속시킨다 — 즉 당신은 남의 제품을 훈련시키는 데 돈을 낸 셈이다. 원본 데이터는 계속 당신의 것이며, 그것으로 학습된 모든 것에 대한 영구 라이선스를 보유하도록 요구하라.
이빨이 있는 SLA: 구제 조치가 없는 정확도와 가동률은 무의미하다. 숫자를 놓치면 수수료 크레딧이나 해지권 — 하나를 골라 문서에 남겨라. 구두의 "99퍼센트로 운영합니다"는 마케팅이다.
POC 출구 기준: 어떤 SKU인지, 몇 주간인지, 무엇을 성공으로 칠지, 미달 시 깨끗이 빠져나올 수 있는지. 큰 계약 뒤가 아니라 앞에 써라. 죽어간 파일럿은 하나같이 성공 기준이 모호했다.
가격 보호: 구독의 2년 차 인상 상한을 지금 정하라. 데이터 반출에 추가 비용이 드는지, API 호출 단가가 얼마인지 물어보라. 오늘 건너뛴 질문은 내일 이의를 제기할 수 없는 청구서가 된다.
이별 편지는 첫날에 써라
벤더와의 관계는 영원하지 않다. 문제는 끝을 계획했는지뿐이다. 아직 협상력이 있을 때 출구 절차를 계약에 넣어라.
데이터 반출: 개방형 포맷의 내보내기 — CSV나 문서화된 API — 읽을 수 없는 독자 포맷 덤프는 금물. 전환 기간: 계약 종료 후 마이그레이션 기간에 시스템이 몇 개월 더 돌아가는지. 인계 패키지: API 문서, 데이터 사전, 모델 문서, 전부. 리스크가 크면 제3자 기관에 소스 코드나 모델 에스크로를 요구하라. 벤더의 파산이 당신의 운영까지 끌고 가지 않도록.
서명하기 전에 대체 벤더 쇼트리스트를 따뜻하게 데워 두라. 이보다 싼 협상 카드는 없을 것이다.
그러니 할 수 있는 한 가장 명쾌하게 결론을 내리자.
문제가 업계 공통적이고, 데이터 사이언스 인력이 없으며, 성수기 전에 가동해야 할 때는 완성품을 사라. 로직이 경쟁 우위이고, 데이터가 다른 어디에도 없으며, 시장이 당신이 원하는 것을 팔지 않을 때는 직접 만들라. 물량이 계절에 따라 출렁이고 자본을 철강에 묻기 싫을 때는 서비스로 빌려 써라.
내일 아침에 당장 할 수 있는 일이 하나 있다: WMS 벤더에게 데이터 사전을 달라고 하고, 주문·재고·로케이션을 정기적으로 반출할 수 있는지 확인하라. 자신의 데이터를 빼내지 못하면 그 뒤의 AI 이야기는 전부 연극이다. 빼낼 수 있다면 비로소 강한 입장에서 협상할 수 있다.
영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.
