2026년 10월, 캘리포니아주 온타리오에 있는 제3자 물류 창고에서 열린 순환 재고조사 검토 회의에서, 창고용 AI 비전 순환 재고조사 시스템이 회의실을 얼어붙게 만드는 차이를 지적했다. 카메라는 고층 랙 로케이션에서 소형 가전 카톤 2개가 사라졌다고 보고했는데, 시스템 기록에는 해당 로케이션이 균형을 이루고 있었다. 그 순간이야말로 창고용 AI 비전 순환 재고조사 도입이 안고 있는 진짜 문제를 보여준다. 기계는 재고를 셀 수 있다. 그러나 차이가 무엇을 의미하는지, 카톤이 정말 사라진 것인지, 기록이 오래된 것인지, 카메라가 단순히 현장을 잘못 읽은 것인지는 결정할 수 없다. 그 판단은 카메라가 가동되기 전에 합의된 일련의 규칙에서 나와야 하며, 온타리오 창고는 결국 카메라 정확도를 논쟁하는 대신 차이 처리 프로세스를 다시 쓰는 것으로 끝났다.
그 회의 뒤에 있는 패턴은 잠시 멈춰 생각해볼 가치가 있다. 지난 2년간의 현장 방문을 바탕으로 보면, 비전 기반 재고조사는 건물에 거의 손대지 않아도 되기 때문에 북미 3PL 및 이커머스 창고에 이전 자동화 물결보다 빠르게 퍼졌다. 카메라는 랙 위에 장착되고, 모델이 작동을 시작하며, 재고조사는 고층 로케이션에 오르는 사람의 작업에서 일정에 따라 스캔하는 기계로 이동한다. 순환 재고조사에서 가장 비용이 많이 드는 부분은 세는 행위 자체가 결코 아니었다. 그 뒤에, 즉 모든 차이 뒤에 이어지는 조사, 재확인, 조정, 책임 배정이라는 사슬에 있다.
카메라가 재고를 센다: AI 비전 순환 재고조사 오류는 좀처럼 하나의 숫자만의 문제가 아니다
온타리오 사례는 좀 더 자세히 살펴볼 가치가 있다. 이 시설은 약 90,000제곱피트를 차지하며 소형 가전과 가정용품을 취급한다. 2026년 9월, 고층 랙의 2개 통로 위에 고정 카메라를 설치하고 피킹이 진행되지 않는 야간에 스캔했다. 첫 달에 시스템은 240개 샘플 로케이션에서 31건의 차이를 지적했다. 수동 재확인을 통해 그것들은 카메라 오독 19건, 오래된 기록 7건, 그리고 진짜 재고 불일치는 단 5건으로 분류됐다. 창고 관리자를 괴롭힌 것은 재확인 작업량이었다. 지적된 로케이션은 모두 누군가 그곳까지 올라가 확인해야 했고, 카메라가 절약한 재고조사 시간의 상당 부분은 그대로 재확인으로 다시 들어갔다.
텍사스주 댈러스 인근의 두 번째 창고는 거의 거울상 같은 이야기를 들려준다. 자동차 부품을 취급하는 이 이커머스 현장은 지게차에 카메라를 장착해 운전자가 정상 루트를 운행하는 동안 로케이션을 스캔했다. 3개월 동안 4,000개가 넘는 로케이션을 스캔했고, 지적된 차이의 60% 이상이 세 종류의 장소에 집중됐다. 팔레트 뒤에 반쯤 가려진 지상 로케이션, 기둥에 바짝 붙은 모서리 베이, 그리고 포장이 바뀌어 카톤이 보관된 참조 사진과 더 이상 일치하지 않는 상품이었다. 약점은 알고리즘이 아니라 물리적 세계에 있었다. 카톤은 가려지고, 라벨은 안쪽을 향하며, 포장은 바뀐다.
두 사례 모두 같은 진단을 가리킨다. 비전 재고조사의 오류는 세 개의 층으로 나뉘며, 하나의 차이 숫자 안에 뒤섞여 나타난다. 표면층은 인식 오류로, 가려짐, 눈부심, 카톤 형태의 변화가 카운트를 왜곡한다. 중간층은 타이밍이다. 재고가 막 이동했고 기록이 아직 따라잡지 못해 카메라와 시스템이 서로 다른 두 순간을 설명하고 있다. 가장 깊은 층은 프로세스 오류로, 입고 시 카톤을 잘못된 베이에 보관하거나 잘못된 층에서 피킹한 것으로, 카메라는 그것을 드러낼 뿐이다. 따라서 공급업체가 내세우는 인식 정확도는 참고점으로만 취급해야 하며, 실제 성능은 각 창고 자체의 파일럿으로 판단해야 한다.
창고용 AI 비전 순환 재고조사의 차이는 책임을 논하기 전에 세 가지 분류가 필요하다
온타리오 창고는 결국 구조는 단순한 방법에 정착했다. 먼저 분류하고, 그 다음 행동한다. 첫 번째 분류는 오독으로, 시스템 스크린샷과 재확인 사진이 함께 입증한다. 예를 들어 카메라가 이웃 베이의 카톤을 세거나 빈 팔레트의 그림자를 카톤으로 착각한 경우다. 오독은 어떤 조정도 유발하지 않는다. 오독은 인식 문제 로그로 들어가 모델 튜닝과 카메라 각도에 피드백된다. 두 번째 분류는 오래된 기록으로, 이동 서류가 카메라 타임스탬프보다 뒤처지고 재확인을 통해 입출고 거래와 대조해 재고가 확인되는 경우다. 이러한 차이는 비난이 아니라 기록 수정으로 이어지며, 후속 조치는 프로세스의 적시성을 겨냥한다. 세 번째 분류, 즉 베이에 있는 사람이 재고가 기록과 정말 일치하지 않음을 확인한 확정 불일치만이 가치와 제품 카테고리에 따라 등급을 매긴 조정과 근본 원인 조사를 시작한다.
분류의 가치는 책임의 경계선을 어디에 긋느냐에 있다. 오독은 장비와 모델의 몫, 오래된 기록은 프로세스와 시스템 통합의 몫, 그리고 확정 불일치만이 운영과 경영의 몫이다. 그 경계선이 없으면 차이는 곧바로 책임 떠넘기기로 변하고, 아무도 근본 문제를 고치지 않는다. 분류는 증거에 기반해야 한다. 각 차이는 최소 세 가지를 남겨야 한다. 스캔 당시의 카메라 프레임, 재확인 중 촬영한 사진, 그리고 같은 순간의 시스템 기록 스냅샷이다. 그중 하나라도 빠지면 나중에 현장을 재구성하기 어렵고, 분류는 추측이 된다.
창고용 AI 비전 순환 재고조사 도입이 그 자리를 얻을 만한지 판단하는 하나의 의사결정표
비전 재고조사를 도입할 가치가 있는지는 기술 사양만으로는 답할 수 없다. 그것은 각 창고의 형태에 달려 있으며, 아래 표는 가장 중요한 네 가지 차원을 살펴본다.
| 차원 | 수동 순환 재고조사 | 고정 카메라 방식 | 이동 순찰 방식 |
|---|---|---|---|
| 커버리지 | 계획된 샘플링, 범위 제한적 | 일정에 따른 전체 스캔, 지속적 | 작업 루트를 따라 스캔, 커버리지는 루트를 따름 |
| 사각지대 | 고층 로케이션과 모서리가 세기 가장 어려움 | 깊은 위치와 가려진 카톤이 보기 가장 어려움 | 운전자가 지나가지 않는 구역은 스캔되지 않음 |
| 차이의 증거 | 재확인자의 기억과 메모 | 타임스탬프가 있는 스크린샷, 나중에 검토 가능 | 루트를 따른 영상, 다만 각도는 다양함 |
| 최적 용도 | SKU 혼합, 포장이 자주 바뀜 | 카톤 형태 안정, 로케이션 고정 | 긴 통로, 고정된 이동 경로 |
창고용 AI 비전 순환 재고조사 프로젝트의 비용 계산도 같은 기준으로, 각 창고 자체의 숫자를 사용해 수행해야 한다. 월간 재고조사 비용은 재확인 시간에 인건비를 곱한 값에 차이 추적과 조정에 쓴 시간, 그리고 재고조사 관련 중단이나 오출고로 인한 손실을 더한 것과 같다. 비전 재고조사는 그것을 단순히 줄이는 것이 아니라 구성을 바꾼다. 로케이션을 하나씩 세는 시간을 없애는 대신 재확인 시간, 카메라 유지보수, 모델 튜닝을 더하고, 여기에 일회성 도입 투자까지 얹는다. 온타리오의 첫 달에는 240개 로케이션을 손으로 세지 않아 절약한 시간의 대부분이 지적된 31건의 차이를 재확인하는 데 소비됐고, 순이익은 분류 규칙이 자리 잡고 19건의 오독이 급격히 줄어들어야 비로소 나타난다. 현장에서 측정된 작은 파일럿은 어떤 공급업체 비용 모델보다 낫다.
여기에 직관에 반하는 판단이 있다. 비전 재고조사 시스템이 정확해질수록 더욱 위험해진다. 신뢰는 능력이 검증되는 속도보다 빠르게 이동한다. 차이가 거의 지적되지 않은 조용한 몇 달이 지나면 재확인자는 검증을 건너뛰고 시스템의 판단을 그대로 받아들이기 시작하는데, 비전 시스템이 가장 취약한 고장 모드는 체계적인 것이다. 예를 들어 포장 변경으로 모델이 통로 전체에서 과소 집계하게 되는데, 지적되는 차이가 줄어들고 있기 때문에 바로 그 이유로 눈에 띄지 않는다. 수동 시대에는 고층 로케이션에 오른 카운터가 계획 밖의 것을 우연히 알아차리기도 했다. 카메라는 묻힌 질문에만 답하고, 계획 밖의 것은 그것을 잡아낼 별도의 메커니즘이 필요하다. 더 안전한 틀은 비전 재고조사를 재고 진실의 최종 판단자가 아니라 레이더로 취급하고, 정기적인 수동 샘플 재고조사를 그 레이더의 교정 수단으로 유지하는 것이다.
나의 트렌드 판단은 신중하면서도 낙관적이다. 비전 재고조사는 기술이 작동함을 증명하는 단계를 벗어나 프로세스와 증거가 승자를 결정하는 단계로 들어가고 있다. 향후 2~3년 동안 분수령은 인식률의 소수점이 아니라, 누구의 차이 분류 규칙이 더 완전한지, 누구의 증거 사슬이 더 깔끔하게 닫히는지, 누구의 WMS 통합이 더 적시적인지가 될 것이다. 더 흥미로운 질문은 그 반대편에 있다. 창고가 재고조사 이미지를 계속 보유함에 따라, 그 영상은 재고조사 도구에서 입고 검사, 클레임, 고객 문의에 재사용되는 재고 관리용 일반 증거 계층으로 성장할 것인가? 그렇다면 창고용 AI 비전 순환 재고조사 도입의 가치는 절약된 재고조사 시간이 아니라 이제 증거를 갖춘 분쟁의 수로 측정될 것이다. 그것이 실현되는지는 카메라를 몇 대 살지 논의하기 전에 얼마나 많은 창고가 차이 규칙을 명확히 글로 쓸 의향이 있는지에 달려 있다.
Dr. Chen, 공급망 연구원 지음 영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.







