지난달 AI 비전 피킹 시스템 영업 담당자가 제 사무실에 앉아 노트북을 열고 동영상을 틀었습니다. 로봇 팔이 소포를 분류하고, 정확도 99.7%가 화면에서 깜빡이고 있었습니다. 이어서 나온 가격은 연간 약 380,000위안, AI가 없는 창고는 뒤처지고 있다는 다정한 경고와 함께였습니다. 저는 한 가지 질문을 던졌습니다. 그 가격은 하루 800건의 주문을 기준으로 한 겁니까, 아니면 8,000건입니까? 그는 조용해졌습니다. 그 침묵이 바로 소규모 운영자에게 있어 창고 AI를 사고 만들지의 문제 전부입니다. 대형 창고는 한 가지 방식으로 AI를 사고, 우리는 완전히 다른 방식으로 삽니다. 그렇지 않은 척하는 벤더는 남의 솔루션을 당신의 문제에 팔고 있는 것입니다. 이 글의 모든 가격과 회수 수치는 제가 실제로 본 견적을 토대로 엮은 예시 시나리오이므로, 숫자는 가격표가 아니라 사고방식으로 받아들여 주세요.

창고 AI를 사고 만들지는 하루 주문 수에서 시작됩니다

결론부터 말씀드리겠습니다. 창고에서 하루 1,000건 미만의 주문을 출고한다면 기성품을 사시고, 직접 무언가를 만드는 일은 멀리하세요. 하루 3,000건 넘게 출고하고 프로세스가 이미 원활하게 돌아가고 있다면, 만드는 이야기는 해볼 만합니다. 그 사이에 있다면 작은 모듈 하나를 사서 검증하고, 거기서 멈추세요. 왜 주문량에 선을 긋는가? AI 청구서는 소프트웨어 청구서가 아니라 주문당 비용 청구서이기 때문입니다. 연간 380,000위안짜리 비전 검사 시스템은 하루 800건이면 주문당 약 1.30위안, 하루 8,000건이면 주문당 약 0.13위안이 듭니다. 같은 시스템, 같은 가격표. 소규모 창고에서는 부담, 대형 창고에서는 잔돈입니다.

둥관의 동료 한 명이 이를 뼈아프게 배웠습니다. 그는 3C 액세서리용 3,000제곱미터 창고를 운영하며 하루 약 1,200건을 처리하는데, 2026년 3월에 AI 피킹 검증 시스템을 통째로 샀습니다. 석 달 뒤 그의 오피킹률은 0.8%에서 0.5%로 떨어졌습니다. 돈을 보기 전까지는 아주 좋아 보입니다. 추가 월 지출이면 경험 많은 피커 두 명을 꼬박 일 년 고용할 수 있었습니다. 그가 제게 한 말은 간단했습니다. 시스템은 괜찮았어요, 제 주문량이 그걸 받을 만하지 않았을 뿐이에요.

업계 데이터도 그를 뒷받침합니다. 그리고 그 데이터는 대부분의 벤더가 인정하는 것보다 훨씬 더 좋지 않습니다. MIT의 NANDA 팀은 The GenAI Divide: State of AI in Business 2025에서 기업 생성 AI 파일럿의 약 95%가 손익에 측정 가능한 영향을 내지 못했고, 실질적인 가치를 낸 것은 약 5%에 불과했다고 보고했습니다. 같은 보고서는 외부 파트너와 함께 만든 파일럿이 순수 사내 개발보다 약 두 배 자주 성공했다고 밝혔습니다. Gartner의 수치도 비슷한 이야기를 전합니다. AI 프로젝트 중 실제로 운영에 들어가는 것은 약 48%에 불과하고, 그곳에 도달하는 데 평균 여덟 달이 걸립니다. 소규모 창고는 그런 확률을 감당할 수 없습니다. 그래서 벤더 선정의 첫걸음은 기능을 비교하는 것이 아니라 출구를 비교하는 것입니다. 포기할 여유가 있는 선택지가 시작하기도 전에 전투의 절반을 이깁니다.

데모에서는 절대 알려주지 않는 다섯 가지

실제 창고와 맞닥뜨리자 무너지는 데모를 저는 너무 많이 봤습니다. 한 벤더의 AI 웨이브 플래닝 도구는 표준 박스와 표준 SKU에서는 아름답게 돌아가다가, 모양이 제각각인 상품으로 가득한 제 창고를 만나자 베테랑 피커가 경험으로 짜는 웨이브보다 못한 웨이브를 만들어냈습니다. 중요한 질문은 다섯 가지이고, 그 모두는 서명 전에 계약에 들어가야 합니다.

첫째, 벤더의 샘플 데이터가 아니라 여러분 자신의 실제 주문으로 일주일 동안 돌려보세요. 샘플 데이터에는 여러분 창고의 지저분한 현실이 전혀 들어 있지 않기 때문입니다. 둘째, 예외는 누가 책임지는지 물으세요. 시스템이 라벨을 잘못 읽었을 때 라인을 스스로 멈추는지, 아니면 사람이 뒤처리를 하는지. 그 답을 문서로 받으세요. 셋째, 구현에 얼마나 걸리고 여러분 직원 중 몇 명이 필요한지 물으세요. 소규모 창고에는 전담 IT 팀이 없으므로, 한 달을 넘는 도입은 자동으로 탈락입니다. 오래 끌수록 일일 운영을 더 방해합니다. 넷째, 데이터의 소유자가 누구인지 물으세요. 계약이 끝나면 주문 이력과 설정한 규칙을 가져갈 수 있습니까? 데이터를 인질로 잡는 시스템은 여러분이 빌리고 있는 우리입니다. 다섯째, 떠나는 데 얼마가 드는지 물으세요. 조기 해지 위약금은 몇 달분인지, 통합을 끄는 날 여러분의 프로세스는 무너집니까? 영업 담당자가 이 다섯 가지 중 하나라도 모호하게 답하면, 견적이 아무리 싸 보여도 떠나세요.

제 창고도 2025년 11월에 이 수업료를 냈습니다. 성수기를 앞두고 편의를 좇아 고객 서비스 티켓을 분류하는 AI 챗봇을 도입했습니다. 피크가 닥치자 정확도가 떨어졌고, 반품·교환 문의가 사람 팀으로 다시 몰려들었으며, 직원 두 명이 네 번 연속 야간 근무를 했습니다. 그 이후로 제게는 하나의 규칙이 있습니다. 새로운 AI 도구는 먼저 비수기에 두 주간 돌리고, 성수기 한 달 이내에는 어떤 새 시스템도 운영에 올리지 않습니다.

창고 AI를 사고 만들지: 삼 년 치 계산

말은 싸니까, 하루 약 1,000건을 처리하는 3,000제곱미터 창고의 계산을 보여드리겠습니다.

| | 기성품 구매 | 직접 구축 | | 초기 비용 | 구현에 약 50,000위안 | 개발 및 하드웨어에 약 600,000위안 이상 | | 연간 고정 비용 | 구독료 약 300,000위안 | 엔지니어 두 명에 약 500,000위안 이상 | | 운영 시작까지 | 약 한 달 | 6개월에서 12개월 | | 실패하면 | 구독을 해지하고 구현 비용을 잃는다 | 매몰 비용, 끝까지 안고 가야 한다 | | 맞는 곳 | 물량 불안정, 기술 팀 없음 | 물량 안정, 정말로 특이한 프로세스 |

여기가 직관에 반하는 부분입니다. 사는 데 가장 비싼 것은 구독료가 아니라, 여러분 직원이 구현에 잃는 시간입니다. 제 창고에는 시스템을 돌보는 사람이 정확히 한 명뿐입니다. 그가 도입 내내 벤더의 손을 잡고 있다면, 예외 주문은 누가 챙깁니까? 그리고 만드는 데 가장 비싼 것은 모델을 쓰는 것이 아니라, 데이터를 먹이는 것입니다. 모델은 석 달이면 만들 수 있지만, 엣지 케이스를 아우르는 깨끗하고 레이블이 붙은 데이터가 쌓이려면 일 년이 걸립니다. 벤더 컨퍼런스에서는 아무도 말해주지 않는 솔직한 진실도 있습니다. 소규모 창고가 AI에 쓸 수 있는 가장 좋은 돈은 AI에 쓰는 돈이 아니라, 먼저 로케이션 코드와 마스터 데이터를 정리하는 데 쓰는 돈입니다. AI는 지저분한 장부를 읽을 수 없습니다. 중복되고 잘못된 상품 레코드를 먹이면 여러분의 실수를 열 배로 키워줍니다. 2025년 상반기 제 창고는 바로 그 정리, 로케이션 감사, 마스터 데이터 정리를 했고, 피킹 오류율은 AI에 위안 한 푼 쓰지 않고 스스로 절반으로 떨어졌습니다. 그 작업이 끝나면 벤더의 데모를 맑은 정신으로 볼 수 있습니다. 여러분의 문제를 해결하는지, 아니면 영업 담당자의 판매 목표를 채울 뿐인지 알 수 있으니까요.

적은 예산으로 AI를 사는 세 가지 가훈

규칙 하나: 특정한 고통 하나를 고치는 것을 사세요, 플랫폼은 절대 사지 마세요. 벤더가 평이한 말로 "이 시스템은 매일 20건의 오피킹을 줄여줍니다"라고 말할 수 있다면 이야기할 수 있습니다. "지능 수준을 높여줍니다"라고밖에 말할 수 없다면 공짜로 줘도 안 받겠습니다. 규칙 둘: 사기 전에 빌리고, 도입하기 전에 파일럿하세요. 벤더가 월 단위 결제를 허용하고 한 번의 성수기 뒤에 결정하게 해주는지, 그 자체가 필터입니다. 동의하는 벤더는 자기 제품에 자신이 있고, 거절하는 벤더는 자기 계약에 자신이 있습니다. 규칙 셋: AI에 빨간 선을 그으세요. 조언은 하되, 결정은 절대 하지 않습니다. 웨이브는 계획할 수 있지만, 출하는 사람이 확인합니다. 예외는 알릴 수 있지만, 정지는 사람이 지시합니다. 기계가 한 번 틀리면 그것은 사고, 사람이 한 번 틀리면 그것은 경험입니다. 그 선을 지키면 실패한 AI 도입도 작고 견딜 수 있는 혼란으로 남습니다. 벤더 선정은 결국 기술을 고르는 일이 아닙니다. 파트너를 고르는 일입니다. 여러분의 실제 데이터로 검증할 것인가, 성과로 과금할 것인가, 출구 조건을 평이한 말로 적어줄 것인가? 세 가지 모두 예라면 조금 더 내는 것이 가치 있습니다. 하나라도 피한다면, 제안이 공짜로 보여도 떠나세요.

소규모 창고에는 소규모 창고 나름의 생존 방식이 있습니다. 대형 창고는 시스템이 얼마나 높이 닿을 수 있는지로 경쟁하고, 우리는 위안 하나하나가 제자리에 떨어지게 하는 것으로 경쟁합니다. 창고 AI를 사고 만들지에는 보편적인 답이 없습니다. 답은 여러분의 하루 주문 수와 장부 속에 있지, 영업 담당자의 슬라이드에는 없습니다.

Xiao Ma, 소규모 창고 소유자 지음 영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.