2023년 추수감사절 다음 주 월요일, 인랜드 엠파이어에서 이커머스 풀필먼트를 운영하는 친구에게 급여 명세서 스크린샷이 왔다. 12만 평방피트 규모 건물의 블랙프라이데이 한 주 동안 임시직 초과근무 수당만 거의 5만 달러가 들었다는 것이다. 다음 주는 다른 의미로 더 끔찍했다. 물량이 절벽처럼 떨어지자 30명이 넘는 임시직이 피킹 모듈 앞에서 할 일 없이 서서 시간을 보냈고, 시급 미터는 돌아가며 하루에 다섯 자릿수 돈이 타 들어갔다. 너무 많이 뽑으면 현금이 타고, 너무 적게 뽑으면 택배사 컷오프를 놓친다. 피크 시즌마다 똑같은 딜레마가 반복된다.
최근 몇 년간 창고에서 본 AI 활용 사례 중 노동 수요 예측은 가장 화려하지 않으면서도 투자 회수가 가장 빠른 축에 든다. 과거 주문량과 프로모션 캘린더를 넣으면, 언제 몇 명이 필요한지 알려준다. 하지만 대부분의 팀은 어려운 부분을 과소평가한다. 예측을 사는 것은 쉽다. 그에 맞춰 스케줄을 다시 짜는 게 진짜 일이다.
모델이 실제로 예측하는 것
쓸모 있는 출력은 "내일 주문 건수"가 아니었다. "구역마다 시간대별로 몇 명이 필요한가"다. 하루 2만 건을 처리하는 건물은 오전 6시부터 10시 사이에 피크를 찍고, 밤에는 그 3분의 1 수준으로 돈다. 일 단위 숫자 하나만 있으면 교대조 슈퍼바이저는 언제 증원하고 언제 일찍 퇴근시킬지를 감으로 정할 수밖에 없다.
중요한 입력 변수를 우선순위대로 꼽으면: 2~3년치 시간대별 주문량과 단위 물량—시간대별이지, 일별이 아니다. 프로모션 캘린더—블랙프라이데이, 사이버먼데이, 프라임데이는 각각 평범한 화요일과는 전혀 다른 물량 곡선을 그리기 때문에 별도로 모델링한다. 그리고 다들 잊는 외부 변수: 택배사 컷오프 변경과 반품 파도다. 1월 첫째 주는 반품 물량이 보통의 2~3배를 가볍게 넘기고, 반품 구역 인력은 미리 확보해 둬야 한다.
입도(granularity)가 프로젝트가 조용히 죽는 지점이다. 한 현장은 일별 예측으로 시작했다가 스케줄은 여전히 감으로 짰다. 시간대×구역으로 쪼개고—피킹, 감사, 포장, 출하 스테이징을 따로—비로소 예측이 스케줄에 들어갈 수 있게 됐다. 내 경험칙: SKU와 웨이브가 잘게 쪼개져 있을수록 입도는 더 잘게 가져가야 한다. 단일 SKU 벌크 출하 업체라면 교대조 단위 예측으로 충분하다. 과하게 만들지 마라.
모델 선택보다 데이터 위생이 더 중요하다. 시스템이 다운된 날, 택배사 파업으로 모든 게 뒤죽박죽이 된 주—그런 이상치를 그대로 넣으면 모델이 잘못된 걸 학습한다. 나는 빼내고 이유를 메모한다. 프로모션에는 전후 파급 효과도 있다. 대형 세일 전주는 고객이 할인을 기다리며 물량이 눌리고, 다음 주에는 작은 골이 온다. 이런 어깨 구간을 따로 모델링하면 정확도가 한 단계 오른다.
스케줄이 바뀌지 않으면 예측은 장식일 뿐
예측은 스프레드시트 위의 곡선이다. 승부는 스케줄에서 난다. 임시직은 필요에 따라 솟아나지 않는다. 인력 파견 업체는 보통 2~3일 전에 알려달라고 하고, 피크 때는 더 길다. 그러니 예측은 최소 일주일 전에 나와야 하고, 일별 필요 인원을 담아야 채용과 온보딩 시간을 확보할 수 있다.
스케줄에서 가장 큰 효과를 내는 움직임 세 가지. 엇갈린 교대: 평평한 로테이션으로 하루를 돌리지 말고 예측 곡선을 따라 하루를 쪼갠다—피크 시간대는 두 배로, 골 시간대는 최소 인원으로. 교차 훈련: 피크 전에 피커를 포장 스테이션에서 인증해 둔다. 모르는 사람을 새로 뽑는 것보다 내 사람을 움직이는 게 낫다. 임시직은 처음 며칠간 베테랑의 60~70퍼센트 속도로밖에 움직이지 못하는데, 이 비용은 대개 스프레드시트가 슬쩍 무시한다. 다음은 초과근무 대 임시직의 트레이드오프: 연방법상 초과근무는 1.5배다. 아프지만, 임시직에는 채용 수수료, 교육 시간, 그리고 그 생산성 격차가 붙는다. 부족분이 작다면 베테랑에게 초과근무 수당을 주는 게 대체로 더 싼 선택이다.
통합의 함정은 기술이 아니라 조직에 있다. 예측은 데이터팀 노트북에 있고, 스케줄은 WMS나 근태 시스템에 있으며, 사람이 손으로 숫자를 옮겨 적다가 오류와 지연을 만든다. 첫날부터 완전 자동화는 필요 없다. 예측이 매일 아침 스케줄 매니저 휴대폰으로 자동 전달되게 하고, 손으로 베껴 적는 걸 없애라. 그것만으로 대부분 해결된다.
ROI에서 빠지기 쉬운 숨은 비용도 있다: 임시직 온보딩이다. 반나절에서 하루짜리 유급 교육에 생산은 제로. 피크에 임시직 100명을 뽑으면, 누가 상자에 손도 대지 못한 채 수십 인일이 타 버린다. 예측이 정확할수록 뽑는 임시직은 줄고, 이 초기 비용도 피할 수 있다.
절감은 진짜다. 실패 모드도 진짜다
설득은 숫자로 한다. 내가 함께 일했던 10만 평방피트 이커머스 현장에서는 예측 기반 스케줄로 8주 피크 기간 임시직 총 근로시간을 약 40퍼센트 줄였다. 사람을 덜 뽑아서가 아니라, 사람들이 맞는 시간에 나왔기 때문이다. 유휴 시간도 초과근무도 줄었고, 분기 초과근무(1.5배)와 유휴 임금 절감분으로 프로젝트 비용 전체를 회수했다. 하루 5,000건 이상을 처리하고 계절성이 확실한 건물이라면, 회수는 대체로 한 번의 피크 시즌이면 끝난다.
실패 모드도 똑같이 다룰 가치가 있다. 과소 예측으로 택배사 컷오프를 놓치면 특급 배송의 신세를 지게 되고, 특급 한 건의 할증료로 며칠치 인건비 절감이 날아간다. 과대 예측이면 사람이 멍하니 서 있고, 이건 이익보다 사기를 더 빨리 죽인다. 내 타협 불가 조건: 예측은 반드시 사람의 승인을 받는다. 대형 프로모 3일 전에 스케줄 매니저가 계획을 문서로 승인한다. 모델은 조언할 뿐, 명령하지 않는다.
솔직히 결론을 말하자. 하루 5,000건이 넘고 확실한 산과 골짜기가 있다면, 하라. 규모가 작고 안정적이라면, 정성 들여 손으로 짠 스케줄이 먹이를 주지 못하는 AI 프로젝트보다 낫다. 반대도 마찬가지다. 하루 2,000건 미만인데 물량이 평평하다면 AI 스케줄링은 모기에 대포를 겨누는 격이고, 모델이 뭔가 진짜를 배울 만큼 데이터도 없다. 어느 쪽이든 작게 시작하라. 2년치 시간대별 물량을 추출하고, 프로모션 캘린더를 얹고, 돌아가는 가장 단순한 모델로 피크 시즌 한 번을 돌린 뒤에야 시스템 통합 얘기를 꺼내라. 여기서 AI가 가치 있느냐는 모델이 얼마나 최신이냐와는 거의 상관없다. 스케줄을 실제로 바꾸게 할 것이냐에 달렸다.
내일 당장 할 수 있는 일 하나: 지난 2년간 블랙프라이데이 주간 시간대별 물량을 뽑아 그 곡선을 스케줄 사무실 벽에 붙여라. 내가 이걸 보여준 현장 중 절반은, "경험에 기반한" 스케줄이 교대 하나 통째로 어긋나 있었다는 걸 깨달았다.
영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.
