창고 AI에 실제로 필요한 데이터는 얼마나 될까? 작은 창고 주인의 뼈아픈 계산

지난달 AI 영업사원이 우리 창고에 찾아와 "지능형 두뇌"를 설치해주겠다고 했다. 나는 그 두뇌가 뭘을 먹는지 물었다. "데이터입니다"라고 했다. 얼마나? "많으면 많을수록 좋습니다"라고 했다. 나는 말했다. 3,000제곱미터 창고밖에 없고, 줄 수 있는 건 엑셀 표 한 장뿐이다. 받든가 말든가.

그 사람의 표정은 마치 맞선 자리에서 "집을 몇 채 가지고 있습니까"라는 질문에 "전동 스쿠터가 있습니다"라고 답했을 때처럼 되었다.

그 대화가 계속 머릿속에 남아서, 솔직히 답해 보겠다. 창고 AI에 실제로 얼마나 많은 데이터가 필요할까? 이론이 아니라, 우리 같은 작은 창고 주인들에게 실제로 일어난 일로 답한다. 우리는 데이터 장벽에 겁을 먹었고, 자생적인 꼼수로 살아남았다.

우리의 곤경: AI 벤더가 원하는 데이터는 내가 절대 갖지 못할 데이터다

먼저 이웃 왕(王)씨의 이야기부터 시작하겠다. 모두에게 경고로 삼으시길.

왕씨는 자동차 부품 창고를 운영하는데, 내 창고보다 작고 직원은 20명 정도다. 작년에 한 벤더가 자동 계수·검사용 시각 인식을 제안했다. "카메라 몇 대 설치하면 3개월이면 돌아갑니다." 왕씨는 자기한테 딱 맞다고 생각했다. 그 자리에서 계약했다.

그다음 요구사항이 왔다. 카메라 6대를 설치하고, 하루 8시간 녹화하고, 3개월치 영상을 모은 뒤, 학습을 시작하기 전에 모든 이미지에 라벨을 붙일 사람을 고용하라. 왕씨는 이를 악물고 했다. 카메라와 설치비로 100,000위안 가까이, 라벨링에 수만 위안을 더 썼다. 3개월 후 벤더가 돌아와 데이터를 쓱 보고 말했다. 조명이 안 좋고, 각도가 부족하니 다시 하세요.

왕씨는 폭발했다. 100,000위안 이상 썼는데 AI는 그림자도 안 보인다. 카메라들은 지금 벽에 걸린 엄청 비싼 보안 카메라가 되었다.

왕씨 참사의 가장 큰 교훈: AI 벤더가 "별로 안 되는 데이터"라고 부르는 양이 작은 창고에게는 천문학적인 양일 수 있다. 그들이 원하는 건 깨끗하고, 라벨이 붙어 있고, 모든 시나리오를 커버하는 데이터다. 우리 작은 창고들은 "데이터" 철자도 겨우 쓸 정도다. 입출고는 손글씨 쪽지로 추적하고, 재고는 늡은 경리 머리 속에 살고, 피킹 경로는 베테랑 작업자 다리 속에 산다.

그래서 불편한 진실을 먼저 말하겠다. 창고 AI에 데이터가 얼마나 필요한지는 어떤 AI 얘기냐에 따라 완전히 다르다. 아래 표는 영업사원들에게 몇 라운드씩 "교육"받은 뒤 내가 짜집기한 것이다. 벤더 출신 숫자는 전부 그렇게 표시했다. 맹신하지 마시라.

세 가지 맛의 창고 AI, 세 가지 전혀 다른 데이터 장벽

패턴이 보이는가? 창고 AI에 데이터가 얼마나 필요한지에는 단일 정답이 없다. 컴퓨터 비전은 돈 먹는 하마, 예측은 은근히 타오르는 놈, 최적화는 디테일 집착광. 영업사원이 "많으면 많을수록 좋다"고 말하면 번역은 "지금 가진 건로는 안 된다"다.

하지만 그렇다고 작은 창고가 AI에서 배제되는 건 아니다. 사실 나는 역설적인 결론에 다다랐다.

역설적인 부분: 작은 창고에 부족한 건 데이터 양이 아니라 데이터 청결이다

작년에 나는 대단히 수수한 일을 했다. AI는 하나도 사지 않고 모든 피커에게 바코드 스캐너를 쥐여 주고 입출고 스캔율 100%를 의무화했다. 불평은 즉시 쏟어졌다. "이건 무의미한 관료주의다"라고 했다. 손글씨는 10초, 스캔은 15초.

3개월 후 우리 스캔율은 60%에서 98%로 올랐다. 그러자 마법 같은 일이 벌어졌다. 3개월치 스캔 데이터로 엑셀에서 ABC 회전율 분석을 돌려 A등급 SKU(출고 물량의 70%를 차지하는 20%의 SKU)를 포장 스테이션에 가장 가까운 슬롯으로 옮겼다. 피커들은 하루 평균 1.5킬로미터 덜 걸었다. 피킹 효율이 눈으로 보일 만큼 올랐다.

그것이 나에게 진짜 교훈을 가르쳐 주었다. AI가 먹는 건 "빅데이터"가 아니라 깨끗한 스몰데이터다. 우리 작은 창고는 18개월치 데이터를 모을 수 없겠지만, 깨끗한 3개월치 스캔 데이터는 충분히 손이 닿는다. 그리고 깨끗한 3개월치 데이터는 지저분한 3년치 손글씨 쪽지보다 가치가 크다.

한 벤더의 엔지니어가 한 번 내게 비밀스럽게 솔직한 말을 해 주었다. "당신 규모 창고에서는 데이터 양은 절대 문제가 아닙니다. 문제는 당신 데이터가 죄다 틀렸다는 겁니다. 틀린 데이터를 AI에 먹이면 더 빠르고 더 자신 있게 틀릴 뿐입니다." 거칠지만 사실이다.

우리의 자생 플레이북: 세 단계, 먼저 디지털, AI는 나중

고생 끝에 얻은 경험을 동료 작은 창고 주인들과 나눈다. 세 단계. 하나도 건너뛰지 마시라.

1단계: 스캔율을 95% 이상으로 끌어올려라. AI를 사지 마라. 바코드 스캐너를 사라. 개당 수백 위안, 창고 전체에 들여도 10,000위안 미만. 이게 모든 것의 토대다. 스캔율 95% 미만에서는 재고 데이터가 슈료딩거의 재고다. 존재하기도 하고 존재하지 않기도 하다.

2단계: AI 대신 규칙을 써라. ABC 분류, 발주점, 웨이브 배치—엑셀 수식과 고정 규칙으로 전부 처리된다. 머신러닝 불필요. 우리 보충은 지금 투박한 규칙 하나로 돌아간다. 안전 재고 = 3일치 평균 출고. 품절이 월 7~8회에서 1~2회로 줄었다. 투박하지만 먹히고, 공짜다.

3단계: 깨끗한 데이터를 12개월치 갖게 되면 그때 예측 AI 얘기를 하라. "깨끗한"이라는 단어에 주목. 우리 계획은 내년 이맘때쯤 스캔율 98%인 주문 데이터 1년치를 들고 이제는 우리가 벤더를 고르는 쪽이 되는 것이다. 그 반대가 아니라.

세 단계 총투자: 20,000위안 미만. 왕씨의 물에 빠진 100,000위안 초과 시각 인식 프로젝트와 비교해 보시라. 어느 쪽이 더 나은 거래인지 말해 주시겠나.

창고 AI에 실제로 데이터가 얼마나 필요한지에 대한 세 마디 솔직한 말

첫째, "데이터 양"에 겁먹지 말고 "AI"에 눈멀지 마라. 창고 AI에 데이터가 얼마나 필요한지에는 보편적 정답이 없다. 비전과 예측은 한 자릿수가 다르다. 먼저 구체적 문제를 정한 뒤 데이터 장벽을 물어라.

둘째, "데이터가 충분한가"보다 먼저 "데이터가 있는가"를 해결하라. 스캐너, PDA, 제대로 된 엑셀 템플릿조차 어떤 AI 소프트웨어보다 낫다. 디지털화는 AI의 필수 예습이다. 그 예습을 못하면 AI는 빈 곳에 오는 꼴이다.

셋째, 더러운 데이터는 데이터 없음보다 나쁘다. 더러운 12개월치 데이터는 깨끗한 3개월치 데이터에 진다. AI는 당신의 데이터를 청소해 주지 않는다. 당신의 실수를 완벽히 학습한 뒤 완전한 자신감으로 틀릴 뿐이다.

그리고 자기 비하 클로저. 작은 창고는 돈을 태울 수 없으니 1위안도 효과가 있는 곳에 떨어져야 한다. 대기업은 먼저 돈을 태워 데이터를 모으고 결과는 나중에 생각하면 된다. 우리는 안 된다. 우리는 먼저 결과, 다음 데이터, 그다음 AI가 필요하다.

작은 창고에는 작은 창고의 생존 방식이 있다. 이 데이터 밥은 한 입씩 먹겠다. 언젠가 우리도 AI 테이블에 앉을 것이다. 우리 초대장으로, 남의 자선이 아니라.

Xiao Ma, 소규모 창고 주인 지음

영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.