불편한 진실이 있습니다. 대부분의 창고는 잘못된 이유로 AI 보안 모니터링을 구매합니다. 소유주는 도난 방지를 원하고, 벤더는 도난 방지를 팔고, 검수서에는 도난 방지가 적혀 있습니다. 하지만 시스템이 6개월간 가동되고 나면, 도난 방지가 보상의 가장 작은 부분이었다는 것이 드러납니다. 진짜 돈은 오류를 잡고, 아차 사고를 막고, 증거로 분쟁을 끝내는 데서 옵니다. 저는 이를 세 명의 창고 소유주에게 말했습니다. 두 명은 그 자리에서 저를 믿지 않았습니다. 두 명 모두 6개월 안에 돌아와 제가 옳았다고 인정했습니다.
2023년, 캘리포니아 온타리오 인근의 한 3PL 창고 — 약 80,000제곱피트, 의류와 소형 생활용품 — 에서 야간 근무 중 고가 재고 2개 팔레트를 잃었습니다. 당직 관리자와 직원 두 명은 오후 11:40경 뒷문 근처에서 번호판 없는 밴을 발견하기까지 꼬박 이틀을 들여 영상을 뒤졌습니다. 물건은 영영 사라졌고, 시간도 사라졌습니다. 해당 현장이 기존 카메라에 AI 이벤트 검색을 추가한 뒤, 같은 종류의 사고는 약 10분이면 해결됐습니다. 시간 범위를 입력하고, “뒷문 구역에 사람 등장”을 추가하면 관련 클립이 모두 돌아옵니다. 같은 카메라. 그 뒤의 두뇌가 다릅니다.
AI 보안 모니터링이 실제로 감시하는 것
절대 눈을 깜빡이지 않는 경비원을 고용한다고 생각해 보세요 — 다만 이 경비원에게는 눈이 없고 알고리즘만 있습니다. 이렇게 생각할 수 있습니다. 전통적인 감시는 영상을 기록하고 사람이 볼 때까지 기다립니다. AI 보안 모니터링은 먼저 영상을 이해한 뒤에야 사람을 부릅니다. 이 한 문장이 두 자릿수 규모의 작업량 차이입니다.
보안 업계에서는 종종 인상적인 수치를 인용합니다. 모니터를 보는 사람은 12분 후 활동의 약 45%를 놓치고, 22분 후에는 약 95%를 놓친다는 것입니다. 이를 소수점까지의 측정값이 아니라 업계에서 인용하는 수치로 받아들이세요 — 하지만 결론에 이의를 제기하는 사람은 없습니다. 오전 3시에 40개 피드를 보는 야간 경비원 두 명은 졸릴 것입니다. 졸리다는 것은 놓친다는 뜻입니다. 놓친다는 것은 시스템이 존재하지 않는 것과 같다는 뜻입니다.
AI 모니터링은 세 개 층으로 작동합니다. 1층은 분류입니다. 움직이는 것이 사람인지, 지게차인지, 바람에 날리는 비닐봉지인지? 사람과 차량만 경보를 받을 자격이 있습니다. 2층은 구역 설정입니다. 도크, 뒷문, 고가품 케이지는 민감한 구역입니다. 일반 통로는 그렇지 않습니다. 같은 사건이라도 장소가 다르면 대응 수준이 달라집니다. 3층은 시간입니다. 오전 2시에 고가품 케이지에 5분간 머무는 사람은 정오에 30초간 지나가는 피커와 완전히 다른 사건입니다. 많은 벤더가 1층을 팔면서 3층 모두에 대한 요금을 청구합니다. 그것이 제가 참을 수 없는 가짜 수요입니다 — 구매 전에 세 개 층 중 실제로 몇 개를 받는지 물어보세요.
도난 방지: AI 보안 모니터링이 손실 설명 속도를 바꾸는 방식
창고 카메라를 이용한 도난 방지에 대해 핵심이 있습니다. AI는 도둑을 잡는지 여부를 바꾸지 않습니다. 무슨 일이 일어났는지 설명할 수 있는 속도를 바꿉니다. 재고가 사라지면 열 번 중 여덟 번 진짜 비용은 논쟁입니다. 고객은 창고가 잃어버렸다고 하고, 창고는 운송사가 잃어버렸다고 하고, 운송사는 고객이 적게 보냈다고 합니다. 증거가 없으면 세 당사자가 한 달 동안 논쟁할 수 있습니다. 이벤트 검색이 가능한 AI 보안 모니터링이 있으면 논쟁은 무너집니다 — 해당 팔레트가 카메라에 마지막으로 나타난 때를 찾고, 그다음 누가 만졌는지 찾으면 10분 안에 책임이 명확해집니다.
또 다른 프로젝트가 이 점을 더 잘 보여줍니다. 한 소비가전 액세서리 창고는 2024년에 사람-차량 근접 경보를 추가했습니다. AI 카메라가 지게차 구역에 들어가는 보행자를 감지하면 현장에서 조명이 깜빡이고 부저가 울립니다. 아차 사고는 3개월 만에 월 7건에서 월 1건으로 줄었습니다. 이는 업계 평균이 아니라 해당 프로젝트 자체의 운영 기록입니다 — 여러분의 창고는 다를 것입니다. 하지만 방향은 옳습니다. 창고에서 AI 보안 모니터링의 가장 가치 있는 용도는 종종 외부 도둑을 막는 것이 아니라 내부의 “아차 사고가 날 뻔한” 순간을 막는 것입니다.
대부분의 사람이 간과하는 세 번째 용도는 오피킹을 잡는 것입니다. 포장대 위의 카메라가 라벨과 상품을 촬영해 주문 명세와 대조하고, 불일치를 그 자리에서 표시합니다. 하루 3,000건의 주문을 출고하는 한 창고는 오피킹률을 0.3%에서 0.1% 미만으로 낮췄습니다. 잘못된 배송 1건당 추정 비용 $15로, 한 달 절감액이 월 이용료를 충당했습니다. 계산 예시 수치입니다 — 여러분 자신의 수량을 대입하세요 — 하지만 오류 방지의 투자 회수 계산은 도난 방지보다 훨씬 쉽습니다.
벤더의 90%를 믿지 마세요: 오경보는 직접 측정하세요
이제 찬물을 끼얹겠습니다. 벤더 슬라이드에 가장 흔한 숫자는 “오경보 90% 감소”입니다. 근거가 있나요? 있습니다 — 벤더의 근거입니다. 한 벤더가 발표한 현장 테스트에서 신경망은 오경보의 86%를 걸러냈습니다. 약 110건의 경보 중 수동 확인 후 남은 실제 경보는 13건뿐이었고, 기존 적외선 센서는 같은 기간에 88건의 오경보를 발생시켰습니다. 다른 벤더들은 70–90% 감소를 주장합니다. 이 모든 것은 벤더가 측정한 수치로, 그들이 선택한 장면, 조명, 카메라 각도에서의 것입니다. 같은 시스템을 여러분의 창고에 가져오면 그 숫자는 거의 확실히 내려갑니다.
그래서 제 조언은 간단합니다. 슬라이드를 믿지 마세요. 2주간의 측정을 믿으세요. 가동 전에 2주간의 기준선을 측정하세요 — AI를 끄고, 기존 움직임 감지가 하루에 몇 건의 경보를 발생시키는지 세기만 하면 됩니다. 그런 다음 AI를 켜고 2주간 운영하면서 경보가 몇 건 발생하고 그중 몇 건이 실제인지 셉니다. 검수 기준을 계약서에 적으세요. 오경보율이 어느 수준 이하인지, 탐지 누락에 대한 패널티는 무엇인지, 기대에 못 미치면 반품할 수 있는지. 계약서에 없는 모든 숫자는 광고입니다.
오경보에는 대부분의 사람이 놓치는 연쇄 효과가 있습니다. 오경보가 쌓이면 당직 직원은 시스템을 믿지 않게 됩니다 — 경보가 울려도 아무도 보지 않고, 여러분은 장식품에 돈을 지불한 셈입니다. 업계에서는 이를 “양치기 소년” 효과라고 부릅니다. AI 보안 모니터링 가치의 절반은 알고리즘입니다. 나머지 절반은 사람들이 경보를 다시 믿게 만드는 것입니다. 오경보율이 내려가지 않으면 나머지는 모두 낭비입니다.
| 기존 움직임 감지 | AI 보안 모니터링 | |
|---|---|---|
| 하루 경보 수 (카메라 40대, 계산 예시) | ~1,200 | 분류 후 ~120, 구역 및 일정 필터 후 ~12 |
| 영상 구간 하나를 찾는 시간 | 수동 검색 2일 | 이벤트 검색으로 약 10분 |
| 야간 화면 감시 | 2명이 전일제 감시 | 1명이 경보 검토 |
| 누락 위험 | 사람은 피곤해져서 놓친다 | 알고리즘은 피곤해지지 않지만 잘못된 임계값은 놓친다 |
| 가장 큰 함정 | 오경보가 너무 많아 아무도 보지 않는다 | 벤더 수치는 부풀려졌고 검수 기준이 없다 |
이 표의 경보량은 층별 필터링으로 인한 자릿수 변화를 보여주기 위한 예시 산술입니다 — 특정 창고의 측정 데이터가 아닙니다. 여러분 자신의 숫자는 여러분의 카메라와 장면을 2주간 운영해서 나옵니다.
돈이 아깝지 않은지는 하나의 숫자로 귀결됩니다
ROI를 계산할 때 “도둑을 몇 명 잡았는지”를 세지 마세요. “몇 시간을 절약했는지”를 세세요. 한 줄로 말하면, 영상 검토와 경보 처리에 절약한 월간 시간에 현지 시간당 비용을 곱하고, 분쟁으로 절약한 관리 시간을 더한 뒤, 월 시스템 이용료를 뺀 것입니다. 0을 넘으면 살 만합니다. 0 미만이면 사지 마세요.
틀은 직접 채우세요. 비용 측면: 카메라를 재사용하세요. 새로운 지출은 분석 박스 또는 클라우드 구독, 설치, 그리고 2주간의 튜닝입니다. 수익 측면, 세 가지 항목: 영상과 경보 검토에 절약한 노동 시간, 오류 방지와 아차 사고 감소로 피한 직접 손실, 그리고 증거가 분실 재고 분쟁을 여러분에게 유리하게 해결했을 때 절약한 돈 — 가장 정량화하기 어렵고, 한 달에 걸친 분쟁을 겪어본 모든 창고가 그 가치를 아는 항목입니다.
마지막으로 직관에 반하는 판단 하나: 카메라가 많다고 더 안전한 것은 아닙니다. 튜닝이 잘못된 AI 카메라 40대는 잘 튜닝된 12대보다 못합니다. 카메라 위치가 많아지면 오경보도 많아지고, 당직 직원은 똑같이 시스템을 믿지 않게 됩니다. 먼저 고가품 케이지, 뒷문, 도크를 커버하는 10개 정도의 피드를 튜닝하고, 직원이 실제로 경보를 볼 때까지 오경보율을 낮춘 뒤에야 커버리지를 확장하세요. 순서를 뒤집으면 돈이 낭비됩니다.
AI 보안 모니터링은 도난 방지를 부업으로 취급합니다. 주된 임무는 “아무도 설명할 수 없는” 모든 순간을 설명 가능하게 만드는 것입니다. 돈이 아깝지 않은지는 하나의 숫자로 귀결됩니다. 가동 3개월 후, 당직 직원이 여전히 경보를 믿고 있습니까? 그렇다면 살 만했습니다. 아니라면 반품하세요.
Da Liu, 자동화 엔지니어 지음
영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.







