소규모 창고도 AI를 도입할 수 있을까? 비용 곡선에 대한 진실

3월에 로스앤젤레스의 물류 박람회에 갔다가 AI 업체의 "스마트 창고" 데모에 눈이 멀어, 집으로 돌아오는 길에 머리가 어질어질했다.

경위는 이렇다. 영업 담당이 화려한 피치를 늘어놓았다——분류하는 로봇 팔, 웨이브를 짜는 알고리즘, 대형 스크린 위의 디지털 트윈. 나는 당연한 질문을 던졌다. "그래서, 얼마입니까?" 그는 미소 지으며 견적서를 건넸고, 나는 조용히 그의 명함을 주머니에 도로 넣었다.

못 내는 게 아니라——계속 낼 수 없는 거다. 그렇게 돈을 태울 수는 없다.

하지만 돌아오는 차 안에서 계속 생각했다. 정말 AI는 큰 기업들만의 것인가? 나는 몇 달에 걸쳐 창고에서 AI가 실제로 어떻게 쓰이는지 파고들었다. 결론은 이렇다. 소규모 창고도 AI를 도입할 수 있다. 하지만 먼저 비용 곡선을 있는 그대로 봐야 한다——문자 그대로 무료부터 "집 계약금이 날아간다"까지 폭이 넓고, 잘못된 단계를 고르는 것이야말로 진짜 돈 태우는 법이다.

창고 AI의 실제 비용은? 스펙트럼 전체를 보자

실제로 창고 AI는 전체 비용 스펙트럼 위에 있다. 나는 세 단계로 나눈다.

(이 업계는 가격 변동이 심하다——먼저 각 업체의 현재 가격 페이지를 확인하자.)

요점이 보이겠지? 우리의 질문은 "AI를 써야 하는가"가 아니었다. "어느 단계부터 공짜 줍기를 시작할 것인가"다. 대형 업체 영업은 3단계만 보여준다. 1단계에서는 그들이 돈을 못 벌기 때문이다. 하지만 1단계야말로 소규모 창고가 이기는 곳이다.

첫 번째 공짜 줍기: 입고 서류 OCR——우리 창고의 실화

우리는 매일 40〜60건의 입고 서류, 납품서, 패킹 리스트를 받고, 사무 담당 샤오왕이 전부 손으로 입력한다. 매일 아침 입력만 2〜3시간, 눈은 멍해지고, 가끔 수량을 잘못 쳐서 오후 내내 정합 맞추느라 허비하기도 했다.

올해 초 그녀에게 손수 만든 해결책을 시도해 달라고 했다. 중고 스캐너($100 이하)로 서류를 이미지로 스캔하고, Tesseract——비용이 문자 그대로 0인 오픈소스 OCR 엔진——에 돌린다. 그녀는 시스템에 넣기 전에 스프레드시트에서 출력을 확인한다.

데이터 입력은 이제 하루 약 20분. 완벽하진 않다——지저분한 손글씨는 여전히 사람의 눈이 필요하다——하지만 인쇄 문서의 80% 이상은 한 번에 통과한다. 총 투자: 거의 0, 학습은 반나절.

계산해 보자. 하루 2.5시간 데이터 입력은 월 50시간 이상. 이제 하루 20분이니 월 40시간 이상이 비는 셈——사무 직원 4분의 1을 공짜로 얻은 거나 마찬가지다. 이게 공짜 줍기 단계의 ROI다. 투자는 거의 0, 절약은 진짜 사람의 시간.

오픈소스조차 손댈 게 많아 보인다면, 더 게으른 길도 있다. Google의 Cloud Vision OCR은 월 1,000회까지 무료(그 이후는 1,000회당 약 $1.50), OCR.space는 월 25,000 요청을 무료로 준다. 우리 물량이면 유료 구간에 닿을 일도 없다. 공짜 줍기, 챙겨 두자.

두 번째 공짜 줍기: 수요 예측——스프레드시트도 점괘를 볼 수 있다

작년 4분기 전에 크게 데인 적이 있다. 홈 수납 고객이 10월에 갑자기 바이럴이 터졌고, 감으로 재고를 쌓았는데 11월에 수요가 옮겨가면서 재고 절반이 두 달 동안 죽었다. 추가 보관료만으로 수천 달러가 탔다.

그래서 투박한 자작 예측을 만들었다. 12개월치 출고 데이터를 무료 스프레드시트에 뽑고, SKU별로 3개월 이동평균을 돌리고, 상위 50개 SKU에 손으로 계절성을 붙인다(수납 박스는 9월〜11월에 반드시 뛴다). 매월 초 반나절 들여 갱신하고, 구매는 숫자를 따른다.

웃지 마라——그 투박한 장치로 작년 4분기 사재고를 약 30% 줄였다. 원리는 신비롭지 않다. 예측의 본질은 "이력의 가중평균"이다. 대형 업체 알고리즘은 수십만 SKU 카탈로그용이다. 우리는 수백 SKU——스프레드시트로 충분하다.

세 번째 공짜 줍기: AI 고객 응대——"내 화물 어디 있어요?"부터 시작하자

우리 규모 창고에는 전담 지원 인력이 없다. "내 배송 어디 있어요?" "재고 얼마나 남았어요?"는 전부 내가 직접 답하거나 샤오왕을 일에서 떼어낸다. 하루에 열댓 건 스무 건——짜증 나지만 답을 안 할 수는 없다.

나의 꼼수: 월 $20짜리 ChatGPT Plus 구독(OpenAI 가격 페이지는 2026년에도 여전히 월 $20이라고 적혀 있다). 표준 조회 스크립트와 재고 확인 절차를 소책자로 만들어 봇에게 먹였다——기본 24시간 365일 인턴이다. 정형 질문에는 즉시 1차 답변, 진짜 무리인 것만 사람에게 에스컬레이션한다.

월 20달러로 매일 조각난 내 시간 1시간을 되찾는다. 본전은 뽑는다——다만 고객과 협상하거나 클레임 처리는 시키지 말자. 화려한 앵무새지만, 올바른 일에 향한 앵무새도 여전히 생산성이다.

대형 업체 AI 플레이북이 우리에게 안 맞는 이유

여기까지 읽고 의문이 들 것이다. AI가 그렇게 좋다면 왜 대형 "스마트 창고" 패키지를 사지 않는가? 타당한 질문이다——나도 똑같이 생각했다. 하지만 소규모 창고는 오를 수 없는 세 개의 벽에 부딪혔다.

첫째, 데이터가 부족하다. 대형 업체 AI 모델은 학습에 수십만 건의 주문이 필요하다. 우리는 연간 수만 건. 우리 데이터로 학습시키면 모델이 베테랑 반장의 감보다 멍청해진다. 이건 기술 문제가 아니라 수학 문제다.

둘째, 프로세스를 먼저 표준화해야 한다. AI는 증폭기다. 정리된 프로세스를 넣으면 효율이 나오고, 엉망을 넣으면 더 큰 엉망이 나온다. 대기업은 AI가 오기 전에 프로세스 가시화에 6개월을 쓴다. 우리는 그 컨설팅 비용을 감당 못 한다.

셋째, 먹이를 줄 사람이 없다. 대형 업체 도입은 ML 엔지니어, 도입 컨설턴트, 운영팀을 요구한다. 우리는 12명, 한 사람이 세 사람 몫을 한다——AI팀 인원 자리가 없다.

그래서 나의 역설적인 견해는 이렇다. AI의 최대 비용은 소프트웨어 라이선스가 결코 아니었다. 썩은 데이터와 엉망인 프로세스를 AI가 읽을 수 있을 때까지 청소하는 비용——그리고 그 숨겨진 청구서는 종종 소프트웨어 가격의 몇 배가 된다. 그 항목은 어느 업체 견적서에도 실려 있지 않다.

하지만 뒤집어 보면, 소규모 창고에는 거인에게 없는 이점이 있다——방향 전환이 빠르다. 아침에 프로세스 변경을 결정하면 점심에는 가동 중이다. 대기업은 회의 세 번과 2주 승인이 필요하다. 데이터 집안을 정리하는 승부에서는 소규모 창고가 실제로 더 빠르다.

소규모 창고를 위한 3단계 계획

말은 충분하다——행동 계획이다. 3단계, 군더더기 없이.

1단계: 프로세스를 바로잡는다. 비용 $0. 스프레드시트 템플릿을 표준화하고(같은 SKU의 표기 흔들림 세 가지는 이제 그만), 로케이션 코드를 통일하고, 입고·출고·순환 실사 절차서를 쓴다. 이걸 건너뛰면 모래 위에 짓는 셈이다.

2단계: 무료와 싼 공짜 줍기를 모은다. 월 $0〜수십 달러. 서류 OCR, 스프레드시트 예측, 지원 대응용 $20 AI 어시스턴트. 가장 아픈 곳부터, 하나씩.

3단계: 데이터가 단단해지고 프로세스가 깨끗해지면 구독형 AI 기능을 검토한다. 월 과금, 언제든 해지——첫날부터 연 계약도 프라이빗 도입도 없다. 생존 규칙: 월 납부가 되면 연 납부하지 마라. 구독이 되면 일시불로 사지 마라.

그리고 마지막 "AI 하지 마라" 기준: SKU 500개 미만, 하루 200건 미만이면 먼저 ABC 분석, 슬로팅 최적화, 웨이브 피킹을 하라. 기본기의 ROI는 어떤 AI도 이긴다. AI는 아이싱이지 케이크가 아니다——기본기가 흔들리면 AI를 사는 건 소프트웨어 회사에 기부하는 셈이다.

---

결국 대기업은 연산 자원과 예산으로 겨룬다. 우리는 기민함과 현장 지혜로 겨룬다. 무료와 싼 공짜 줍기를 제대로 모으면, 아낀 시간과 피한 실수가 앞으로 몇 년이고 우리를 건강하게 살려 줄 것이다.

소규모 창고에는 소규모 창고의 살아남는 법이 있다.

Xiao Ma, 소규모 창고 오너 지음

영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.