AI 프로젝트를 시작하기 전에: 먼저 ROI 계산부터

지난 몇 년간 창고 업계에서 지켜본 AI 프로젝트 중, 기술 자체보다 킥오프 회의에서 죽은 것이 더 많다. 기술 피치는 눈부시게 멋지다. 그러다 CFO가 단 하나의 질문을 던진다. "연간 실제로 얼마를 절감하나요?" 침묵. "좀 더 검토해 봅시다." 그 '좀 더'는 영원히 오지 않는다.

그래서 이 글은 기술 이야기가 아니다. 돈 이야기다. 모든 AI 프로젝트의 첫걸음은 ROI 계산이며, 수지가 맞지 않으면 시작하지 말아야 한다.

ROI 워크시트: 표 하나, 행 다섯 개

화려한 재무 모델은 필요 없다. 표 하나면 된다.

연간 비용: 소프트웨어 구독 또는 라이선스 + 구축비 + 내부 인건비(시간을 달러로 환산) + 하드웨어(카메라, 서버 등).

효과는 세 가지 바구니에:

절감 인건비: 제거된 시간 × 시간당 총비용. 제거된이라는 단어에 주목하라. 이론적으로 절감 가능한이 아니다. 연간 $45K짜리 검사원 2명을 비전 검사로 대체하면 $90K――단, 그 두 사람이 실제로 재배치되거나 후임을 충원하지 않을 경우에만 그렇다. 그렇지 않으면 종이 위의 절감이다.
회피한 오류: 오류율 감소폭 × 건당 오류 비용. 하루 10,000건의 주문에서 피킹 오류율을 0.3%에서 0.1%로 낮추고, 건당 $15(재출하 + 지원 + 반품)라면 연간 $300K이다. 대부분의 운영자는 이 숫자를 계산해 본 적이 없다. 보통 표에서 가장 큰 행이다.
확보한 캐파: 처리량 증가에 따른 증분 마진. 라우팅 최적화로 차량이 5% 더 많은 배송지를 돌 수 있게 되면 확실한 마진이 생긴다.

ROI = (연간 효과 − 연간 비용) / 연간 비용. 회수 기간 = 연간 비용 / 연간 효과 × 12개월.

나의 레드라인은 이렇다. 회수 기간이 18개월을 넘으면 시작하지 마라. 창고는 빠르게 움직이고 기술은 더 빠르게 움직인다. 3년 회수 프로젝트는 중간에 구식이 될 수 있다.

식만으로는 추상적이니, 완전한 계산 예시를 하나 보여주겠다. 비전 검사 프로젝트다.

항목	USD / 년
시스템 구매 + 구축	$80K(3년 상각 시 ≈ $27K/년)
내부 인건비	$10K
연간 비용 합계	≈ $37K
검사원 2명 대체	$90K 절감
오류율 0.5% → 0.1%(하루 8,000유닛, 건당 $12)	$115K 절감
연간 효과 합계	≈ $205K

ROI = (205 − 37) / 37 = 454%, 회수 기간 2.2개월. 이 표를 재무팀 앞에 내놓으면 킥오프 회의는 10분 만에 끝난다. 오류 행에 주목하라. $115K, 표에서 가장 큰 숫자이며, 대부분의 사람들이 계산해 본 적 없는 숫자다.

기술 이야기 전에 계산부터

ROI가 거의 확실하게 맞는 세 가지 시나리오

모든 AI 활용에 자금을 댈 가치는 없다. 내가 본 사례 중 수지가 가장 확실한 것은 이 세 가지다.

첫째, 반복적인 육안 검사. 품질 검사, 파렛트 계수, 컨베이어 막힘 감지――사람에게는 느리고, 지루하고, 실수가 나기 쉽다. $30–80K짜리 비전 시스템이 1.5–2명분을 대체하면 보통 1년 안에 회수된다. 시나리오 범위가 명확하고, 기준이 분명하며, 기술이 가장 성숙하다.

둘째, 라우팅 및 경로 최적화. 트럭 60대 차량이 연간 $200K 이상을 절감하고 구독료는 $30–40K――대략 6:1이다. 단, 주의할 점이 있다. 데이터 정리와 규칙 추출은 프로젝트 비용에 포함시켜라. 표에 넣어라.

셋째, 문서 OCR. 선하증권, 패킹 리스트, 인보이스――사무원은 하루 200건을 수기로 입력하지만, OCR은 95% 이상의 정확도로 2,000건을 처리한다. 사무 인건비가 비싼 항만·포워더 창고에서는 이 계산이 쉽다.

반대로, ROI 정당화가 가장 어려운 것은 AI 고객 서비스와 수요 예측이다. 서비스가 절감하는 것은 '경험'이고, 수요 예측은 측정할 수 있을 때까지 6개월의 데이터 축적이 필요하다. 워크시트가 채워지지 않으면 억지로 채우지 마라.

ROI 뒤에 작동하는, 생사를 가르는 네 가지

양의 ROI는 시작할 수 있는 입장권을 살 뿐이다. 프로젝트가 살아남을지는 네 가지가 더 결정한다.

첫째, 데이터 준비. AI는 데이터를 먹는다. 세 가지 카테고리를 미리 정리하라. 무엇이 부족한지 파악하고 정리 비용을 예산에 넣어라.

과거 운영 데이터: 최소 12개월의 주문, 출하, 반품. 이력이 없으면 예측도 최적화도 없다――이상, 끝이다.
마스터 데이터: SKU별 치수·무게·포장 사양을 완비하라. 비전, 라우팅, 슬롯팅 프로젝트는 불완전한 마스터에서 죽는다.
예외 기록: 오류, 지연 출하, 클레임과 그 원인. 예외 데이터는 '이상 탐지' AI의 훈련식이며, 이것이 없으면 AI는 해피패스만 처리한다.

많은 프로젝트가 이 행을 워크시트에서 빼고, 중간에 데이터의 벽에 부딪혀, 예산을 50% 초과한다.

둘째, POC 수락 기준을 계약서에 넣을 것. '정확도 95% 이상', '주행거리 절감 5% 이상'――서면으로다. 목표 미달이면 최종 대금을 보류하라. 구두의 '저희는 매우 정확합니다'는 아무 가치가 없다.

셋째, IT 오너가 아닌 비즈니스 오너를 지명할 것. AI 프로젝트는 비즈니스 프로젝트다. 창고 관리자가 오너이고 IT는 지원이다. 이를 뒤집으면 죽는다. 시스템과 매일 마주하는 것은 현장 운영자이기 때문이다.

넷째, 대체되는 인력의 자리를 찾아줄 것. 비전 시스템이 대체하는 검사원 2명은 예외 처리와 감사로 이동시킨다. 재배치 계획을 처음에 발표하라. 그렇지 않으면 현장이 저항하고, 데이터가 방해받으며, 어떤 기술도 프로젝트를 구하지 못한다.