창고 드론 재고 카운트: 정확도는 충분한가 — 그리고 사람은 물러설 수 있는가?

창고 업무에서 가장 오래된 기술 중 하나인 사이클 카운트가 날기 시작했다. 최근 업계 전시회에서는 드론 카운트 부스가 가장 큰 인파를 끌어모으고, 물류 홍보 영상에서는 고층 랙 사이를 미끄러지듯 날며 로케이션 바코드를 읽는 드론의 장면이 "스마트 창고"의 표준적인 시각적 상징이 되었다. 하지만 멋지게 나는 것과 잘 세는 것은 같은 일이 아니다. 드론 기반 AI 재고 카운트는 실제로 얼마나 정확한가 — 그리고 사람의 검증은 정말로 없앨 수 있는가?

먼저 드론이 실제로 풀고 있는 문제부터 보자. 전통적인 고층 카운트는 혹독한 작업이다. 카운터는 리프트 장비를 타고 층을 하나씩 오르내리거나, 목을 꺾어 머리 위 열 미터에 있는 라벨에 장거리 스캐너를 겨냥한다. 느리고, 인체공학적으로 혹독하며, 고소 작업에는 진짜 안전 위험이 따른다. 드론의 제안은 단순하다 — 오르는 일은 자기가 하고, 통로별로 미리 계획된 경로를 날며 온보드 카메라로 로케이션 바코드를 읽고 결과를 재고 시스템에 되돌린다. 서류상으로는 사람이 나갈 준비가 된 듯하다. 실제로는 사정이 상당히 복잡하다.

두 개의 파일럿, 두 개의 결말

공개 보도에 따르면, 한 대형 유럽 소매업체의 지역 물류센터는 약 두 년 전 고층 사이클 카운트에 카운트용 드론을 도입했다. 효과는 눈에 보였다. 한때는 예정된 교대조, 리프트 장비, 며칠에 걸친 작업이 필요했던 고층 구역을 이제는 정기 계획에 따라 그 몇 분의 일 시간에 비행한다. 주목할 점은, 그러나 회사가 하지 않은 일이다 — 사람의 단계를 없애지 않았다. 드론의 출력물은 "의심되는 차이 목록"이며, 최종 확인과 조정은 여전히 사람의 몫이다. 기계는 스캔하고, 사람이 판단한다. 분업은 명확하다.

중국 대형 이커머스 풀필먼트센터의 업계 교류에서 소개된 두 번째 파일럿은 다른 결말을 맞았다. 세 가지 현실이 드러났다. 좁은 통로 안에서는 GPS를 사용할 수 없어 드론은 시각 측위에 의존하는데, 랙의 질감이 끝없이 반복되는 환경에서는 드리프트가 발생한다. 일부 상품은 반사 필름 포장으로 출고되는데 특정 광각에서는 온보드 카메라가 읽을 수 없다. 그리고 프로모션 시즌에는 슬롯 변경이 너무 잦아서 시스템의 로케이션 지도가 실제 랙과 더 이상 일치하지 않는다. 첫 라운드는 오탐이 너무 많아 사람의 재검증 작업량이 오히려 늘어났다. 프로젝트는 살아남았지만, 표준화된 바코드와 안정적인 슬롯 배치가 갖춰진 구역으로 범위가 축소되었다.

두 사례를 함께 보면 같은 결론에 이른다. 드론 카운트의 성공 여부는 날 수 있는지 여부로 결정되는 일이 드물다. 창고 환경이 그것에 맞춰 준비되었는지에 달려 있다.

정확도 논쟁의 세 가지 뿌리: 오판독, 오배치, 그리고 행동하지 못하는 것

공개된 기술 논의와 파일럿 피드백에 따르면, 드론 카운트 정확도를 둘러싼 논쟁은 대략 세 개의 층으로 정리된다.

첫째는 오판독이다. 카운트는 본질적으로 인식이다 — 로케이션을 특정하고, 바코드를 읽고, 수량을 검증하는 것. 온보드 카메라의 판독률은 조명, 바코드의 반사성, 손상되거나 구겨진 라벨, 가려짐에 따라 달라진다. 창고는 사진 스튜디오가 아니다. 조명 조건은 엉망이고, 바코드는 건물 안에서 가장 취약한 데이터 캐리어 중 하나다. 살짝 비스듬히 붙거나 구겨지거나 스트레치 필름에 반쯤 가려지면 인식이 실패한다. 데이터 규율에 대한 한 가지 참고: 벤더가 공개하는 판독률 수치는 측정 방법이 제각각이고, 독립적으로 검증 가능한 제삼자 벤치마크 데이터가 부족하므로, 이 글은 정확도 수치를 하나도 인용하지 않는다. 이런 마케팅 주장은 유보적으로 받아들여야 한다.

둘째는 오배치다. 실내에서는 GPS가 없으므로 드론은 시각 SLAM이나 미리 설치된 비콘으로 항행하고, 랙처럼 반복적인 환경에서는 위치 드리프트가 흔하다. 드리프트 자체는 관리 가능하다. 위험한 것은 올바른 상품을 잘못된 로케이션으로 읽어들이는 것 — A의 수량을 B의 주소에 기록하는 것. 이 오류는 판독 누락보다 음험하고, 사후에 풀어내기가 훨씬 어렵다.

셋째는 행동하지 못하는 것이다. 차이를 찾아낸 드론은 그것을 표시하는 것만 할 수 있다. 여분의 카톤, 모자라는 카톤, 잘못 배치된 파렛트 — 기계는 성실하게 보고하지만, 조사하고 고치고 설명하는 물리적 작업에는 여전히 사람이 필요하다. 카운트는 결코 단순한 열거가 아니었다. 후반전은 조정이며, 조정은 여전히 사람의 일이다.

숫자로 보기: 세 가지 카운트 방식 비교

이 표는 직관에 반하는 판단 하나를 감추고 있다. 가장 정확하고 비용 효율적인 방식은 완전 자동화가 아니라 하이브리드 — 드론 플러스 사람 검증이다. 많은 ROI 계산은 "절감된 인원"만 세고, 오탐이 만드는 재작업을 놓친다. 하이브리드 방식은 사람을 고층의 모든 로케이션을 올라 세는 일에서 해방시키고, 기계가 표시한 예외에 집중시킨다 — 그곳이 사람 노동의 단위 생산성이 실제로 가장 높은 지점이다.

두 번째로 직관에 반하는 점: 드론이 아끼는 것은 "카운트" 돈이 아니라 "오르는" 돈이다. 카운터의 판단을 대체한 적은 한 번도 없다. 대체한 것은 리프트 장비, 고소 위험, 카운트 중 통로 다운타임이다. 이게 분명해지면 선정 기준이 바뀐다. "사람을 완전히 대체할 수 있는가"를 묻지 말고, "고층에서 데이터를 안정적으로 가져올 수 있는가"를 물어야 한다.

흔히 빠뜨리는 숨겨진 비용도 있다. 드론 프로그램의 지속 비용은 기체 가격을 훨씬 넘어선다. 배터리 순환 — 고빈도 카운트는 하루 여러 번의 충전 사이클을 의미하고, 배터리는 소모품이다 — 소프트웨어 라이선스, 파일럿과 유지보수 교육, 창고 내 비행 안전 관리. 합치면 첫해 총소유비용은 종종 장비 견적을 크게 웃돈다. "장비 가격" 대 "절감된 인건비"만 비교하는 ROI 모델은 체계적으로 너무 낙관적이 된다.

향방: 사람 검증은 남지만, 모양이 바뀐다

기술적으로 온보드 인식과 실내 측위는 계속 발전하고 있지만, 더 흥미로운 것은 복합 아키텍처다. 이동 스캔용 드론, 핵심 로케이션 지속 모니터링용 고정 카메라, 다중 소스 데이터를 정합하는 AI. 이 "이동 + 고정" 구성이 고밀도 고층 보관의 주류 선택이 되어가고 있다.

그러나 기술이 어떻게 진화하든, 하나의 판단은 굳건해 보인다. 사람 검증은 사라지지 않는다. 이유는 기술이 부족해서가 아니라, 카운트가 열거에서 끝난 적이 한 번도 없기 때문이다. 그 종착점은 언제나 "장부와 현물이 일치한다"는 관리 행위였다. 차이의 원인을 추적하는 것 — 입고 혼동, 과다 피킹, 시스템 래그 — 에는 사람의 경험이 필요하다. 드론은 차이의 발견을 얼마든 효율적으로 만들 수 있지만, 그것을 설명하는 책임은 대체할 수 없다.

마무리를 위한 열린 질문 하나: 카운트가 "분기별 이벤트"에서 "매일 도는 백그라운드 작업"으로 바뀌면, 재고 관리를 재는 방법도 바뀌어야 할까? 미래의 핵심 지표는 더 이상 "카운트 정확도"라는 정지 화면이 아니라, "차이 발생"에서 "차이 해소"까지의 응답 시간이 될지 모른다. 기계는 카운트의 빈도를 바꿨다. 빈도는 결국 관리의 정의를 바꿀 것이다 — 그리고 그게 정확도 논쟁 자체보다 더 중요할 수 있다.

Dr. Chen, 공급망 연구원 지음

영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.