결론부터 말하겠다. 5년 안에 3PL의 AI 가격 책정은 '감(感)으로 찍는 견적'을 '알고리즘이 초안을 잡는다'로 바꿀 것이다. 한 세대 전 WMS가 창고에 들어왔을 때와 같다. 모두가 창고 감독관을 대체할 거라 생각했다. 실제로 먼저 죽인 것은 종이 전표와 불투명한 회계였다.
오늘날 3PL 요금표가 만들어지는 방식: 원가+마진, 과거 실적, 감
원칙부터 시작하자. 3PL 계약 견적이란 불확실한 미래 비용을 하나의 고정 가격으로 포장하는 것이다. 오늘날 그 포장은 세 가지에 기대고 있다.
원가+마진. 재무팀은 보관·인건비·소모품의 단위 원가를 계산하고 마진을 붙인다. 과학적으로 들리지만, 원가 데이터 자체가 엉망인 경우가 많다. 많은 3PL은 원가를 건물 단위로만 파악한다. 고객별로, SKU별로는 더더욱 쪼갤 수 없다.
과거 요금. "지난번에 이 고객은 이렇게 견적 냈으니 똑같이 해." 앵커링 문제다. 3년 전에 싸게 견적을 냈다면, 그 이후의 모든 수정은 낮은 기준 위에서의 미세 조정에 불과했다. 마진은 계속 깎이고, 고객이 떠날까 봐 가격 인상은 무섭다.
감(感). 영업 책임자가 고객의 규모·물량·협상 스타일을 훑어보고 머리속으로 할인율을 정한다. 모델 없이 순수한 경험이다. 숙련자의 손에서는 예술이고, 미숙련자의 손에서는 도박이다.
셋을 더하면 손에 든 요금표가 된다. 그 정확도는 견적 내는 사람의 그날 컨디션에 달려 있다.
3PL의 AI 가격 책정이 진짜 먹힐 세 가지 연결고리
AI 가격 책정의 원리는 신비롭지 않다. 수요 예측 + 원가 모델 + 벤치마크 데이터다. 이렇게 생각해보자. 견적 담당자가 경험으로 "이 고객의 성수기 물량은 늘 거야"라고 찍던 자리를, 모델이 이제 3년치 출하 곡선을 읽고 직접 계산한다. "시장가가 얼마지"가 전화 돌리기였던 자리를, 익명화된 데이터 풀이 이제 백분위수로 건네준다.
움직일 수 있는 연결고리는 세 가지다.
첫째, 수요 예측 → 다이나믹 프라이싱. 계절은 바뀌고, SKU 구성은 바뀌고, 가격도 따라 움직인다. 비유를 들자면 같은 비행기 좌석도 30일 전에 예약했는지 3일 전에 예약했는지에 따라 가격이 두 배가 된다. 3PL의 보관·인건비에도 피크와 골짜기가 있는데, 요금표가 1년 내내 얼어 있는 이유가 뭔가. 다이나믹 프라이싱은 가격과 진짜 비용 곡선 사이의 거리를 좁힌다.
둘째, 요금 벤치마킹. 우리 견적이 시장 분포의 어디에 있는지를 AI가 단박에 알려준다. 3PL이 두려워하는 건 두 가지다. 너무 높게 견적 내서 입찰에서 지는 것, 너무 낮게 견적 내서 돈을 잃는 것. 벤치마크 데이터는 해독제다. 견적을 내보내기 전에 자기 위치를 정확히 안다.
셋째, 계약 자동 감사. PDF 계약서가 조항별로 분해되어 구조화된 조건이 되고, 모든 청구서가 자동으로 대조된다. 과다 청구인지 과소 청구인지 한눈에 보인다. 오늘날 이건 재무팀의 수작업 정산이다. 고객마다 수십 페이지 계약서를 지친 눈으로 들여다본다.
| 수동 견적 | AI 지원 견적 | 다이나믹 프라이싱 | |
|---|---|---|---|
| 견적 소요 시간 | 일 단위 | 시간 단위 | 실시간 |
| 가격 세분화 | 고객당 단일 패키지 | SKU·계절별로 분할 | 주 단위, 심지어 일 단위 |
| 투명성 | 견적 담당자의 기분 좌우 | 조건 추적 가능 | 완전 감사 가능 |
| 누가 쓰나 | 오늘날 대부분의 3PL | 2년 내 대형사 | 5년 내 중견 3PL |
역설적이게도: AI가 먼저 죽이는 건 견적 담당자가 아니다. 요금표의 불투명한 항목이다
2025년, 미국 중서부의 중견 3PL 한 곳이 3년치 계약서와 청구서에 AI 도구를 돌렸다. 부대 비용의 청구 근거가 계약 문언과 맞지 않았다. 계약상 명확한 근거 없이 걷던 비용도 있고, 계약에는 있지만 청구한 적 없는 비용도 있었다. 정의만 통일하고 받아야 할 돈을 받았을 뿐인데 마진이 눈에 띄게 올랐다. 이게 '불투명한 장부'다. 아무도 훔친 게 아니다. 그저 제대로 계산한 사람이 없었을 뿐이다.
2024년, 가정용품 전자상거래 판매자가 같은 SKU 구성·같은 물량으로 다섯 3PL에 견적을 요청했다. 최고가와 최저가의 차이는 40%에 가까웠다. 어디서 벌어졌을까. 보관료에서는 거의 차이가 없었다. 부대 비용이었다. 입고 수수료, 라벨링 수수료, 반품 처리 수수료. 업체마다 항목도 정의도 달랐다. 판매자는 중간 견적을 골랐다. 가장 싸서가 아니다. 읽을 수 있는 요금표가 그거 하나뿐이었기 때문이다.
역설적인 예측은 이렇다. AI가 먼저 죽이는 건 견적 담당자가 아니다. 요금표의 불투명한 항목을 죽인다. 숨은 비용은 햇빛 아래로 드러난다. 견적 담당자는 일자리를 잃지 않는다. 알고리즘이 못 하는 특별 조건과 협상을 다루는 견적 리뷰어가 된다. 하지만 정보 비대칭에 기생하던 마진은 사라진다.
먼저 찬물을 끼얹자. '원클릭 AI 자동 견적'은 가짜 수요다. 깨끗한 과거 데이터(주문·원가·서비스 시간이 제대로 맞아떨어지는 데이터)가 없으면 AI는 우아하게 찍는 것에 불과하다. 데이터가 엉망인 3PL이 AI 가격 책정 도구를 사는 건 알고리즘에게 쓰레기를 먹이는 것이다. 결과물은 베테랑 견적 담당자의 감보다 나빠진다. 책임은 알고리즘에 있는 게 아니다. 데이터에 있다.
타임라인: 2년 안에 지원형, 5년 안에 다이나믹. 그리고 양쪽을 위한 한 수
내 타임라인은 이렇다.
2년 안에 대형 3PL은 AI 지원 견적을 표준화한다. 알고리즘이 초안을 잡고 사람이 리뷰한다. 소요 시간은 일 단위에서 시간 단위로 떨어지고, 견적 담당자는 리뷰어 겸 협상자가 된다.
5년 안에 다이나믹 프라이싱이 중견 3PL에 닿는다. 도구는 SaaS로 바뀌고 월 구독으로 청구되며, 사내 데이터 사이언스 팀은 필요 없어진다. 중견 사업자는 처음으로 대형사와 같은 가격의 무기를 손에 넣는다.
화주를 위한 한 수는 지금 당장 시작할 수 있다. 모든 3PL에 통일된 양식의 견적을 요구하라. 보관·핸들링·부대 비용을 각각 따로 내역화하고, 정의는 문서로. 자기만의 요금 데이터베이스를 만들어라. AI 가격 비교 시대에 승자는 가장 센 협상가가 아니다. 가장 완전한 데이터를 가진 자다.
3PL을 위한 한 수는 과거 주문·원가 데이터부터 깨끗이 정리하는 것이다. 그게 AI 가격 책정의 연료다. 더러운 데이터를 넣으면 비싼 실패가 나온다.
3PL의 AI 가격 책정 도구가 돈값할까. 볼 숫자는 하나다. 가동 후 견적 소요 시간이 일 단위에서 시간 단위로 떨어졌는지. 화주 입장의 테스트는 요금표의 부대 비용 각 항목이 계약 조항까지 추적되는지다. 둘 다 못 하는 도구는 슬라이드웨어다.
Da Liu, 자동화 엔지니어 지음
영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.
