창고 AI 도입에 대한 현실 점검은 진작 필요했다. 3년 전, 거의 모든 창고 AI 출시 발표는 같은 것을 약속했다. 사람 없이 피킹하기, 시간 단위 스케줄링이 가능할 만큼 정확한 예측, 그리고 단 하나의 카메라로 처리하는 품질 검사였다. 이러한 약속을 정직하게 평가하는 방법은 출시 영상을 다시 보는 것이 아니라, 오늘날 창고 현장에서 실제로 가동되고 있는 것을 보고, 그 주장을 세 가지 범주로 나누는 것이다. 실현된 것, 절반만 실현된 것, 그리고 여전히 데모인 것이다.

설문조사 데이터가 상황을 보여준다. MHI의 연례 산업 보고서에 따르면, 2024년 말 기준 응답자의 약 28%가 AI를 사용하고 있었고, 또 다른 54%는 5년 이내에 도입할 계획이라고 답했다. 다시 말해, 대부분의 창고는 여전히 지켜보거나 파일럿 단계였다. 2026년 PitchBook 보고서는 유용한 맥락을 더한다. 전 세계 창고 중 의미 있는 형태의 자동화를 도입한 곳은 약 4분의 1에 불과하다. AI 로보틱스에 대한 투자는 가속화되고 있고 자금 조달 규모는 인상적으로 보이지만, 실제로 매일 가동되는 시스템을 갖춘 창고의 비율은 열광이 시사하는 것보다 훨씬 작다. 열광과 도입 사이의 이 격차 자체가 지난 3년간의 이야기다.

창고 AI 도입 현실 점검: 실현된 것

가장 설득력 있게 실현된 응용 분야는 두 가지다. 첫 번째는 비전 검사다. 팔레트 바코드를 읽고, 상자 라벨을 확인하고, 손상된 패키지를 표시하는 카메라는 경계가 분명한 작업이다. 입력은 이미지, 출력은 판단이며, 맞았는지 틀렸는지는 그 자리에서 검증할 수 있다. 내가 지켜봐 온 한 이커머스 유통 센터에서는 품질 관리가 과거 수동 샘플링에 의존했고, 오류는 대개 고객이 불만을 제기해야 비로소 드러났다. 비전 시스템이 도입된 뒤에는 예외가 출고 전에 잡혔다. 검사 인력은 사라지지 않았지만, 일은 사후 수습에서 사전 차단으로 바뀌었다. 이것이 실현된 응용 분야의 특징이다. AI는 사람을 대체한 것이 아니라, 반복적인 판단에서 기계가 판단할 수 없는 예외를 처리하는 쪽으로 사람을 이동시켰다.

두 번째는 수요 예측과 슬롯팅이다. 예측은 점괘가 아니었다. 예측의 진짜 가치는 변동성을 인력 배치와 보충이 다룰 수 있는 범위로 좁히는 데 있다. MHI 보고서에서 인용된 전문가들도 같은 점을 말한다. AI는 수요 변동을 예측하고 슬롯팅 결정을 지원하는 데 가장 도움이 되며, 특히 계절성 카테고리에서 그렇다. 논리는 간단하다. 과거 데이터는 이미 WMS 안에 있다. 데이터가 깨끗할수록 예측은 더 유용해진다. 마스터 데이터가 엉망인 창고는 비싼 예측 모델을 써도 얻는 것이 거의 없다. 실현된 두 응용 분야는 세 가지 특징을 공유한다. 명확한 작업 경계, 주 단위로 검토할 수 있는 결과, 그리고 억제된 실패 비용이다.

AMR 스케줄링: 절반만 실현됐고, 규모가 문제를 바꾼다

AMR 스케줄링은 절반만 실현된 범주에 속한다. AMR 한 대를 가동하는 것은 어렵지 않다. 통로, 충전기, 컨베이어 합류 지점을 공유하면서 정체 없이 수십 대, 수백 대를 가동하는 것은 완전히 다른 문제다. 2026년 업계 분석은 이를 분명히 말했다. 플릿이 수백 대 규모로 커지면, 처리량을 결정하는 것은 더 이상 개별 로봇의 능력이 아니라 라우팅과 정체 회피의 품질이다. 다시 말해, AMR에서 AI의 가치는 차량이 아니라 플릿 소프트웨어에 있으며, 그 소프트웨어의 품질은 데모로는 판단할 수 없다. 성수기 풀부하로 2주를 보내야 비로소 드러난다.

나는 중견 3PL 한 곳이 정확히 이 전환을 겪는 과정을 지켜봤다. 십여 대 남짓한 로봇으로 운영한 파일럿 존은 훌륭하게 돌아갔고, 피커의 도보 거리가 줄었으며, 경영진은 그 증거를 근거로 전 사업장 확대를 승인했다. 플릿이 100대를 넘어서자 충전 대기 줄과 교차로에서의 대기 시간이 인건비 절감분을 잠식했고, 프로젝트 팀은 처리량이 안정되기까지 파라미터를 재조정하고 이동 경로를 다시 그리는 데 수개월을 보냈다. 교훈은 AMR이 작동하지 않는다는 것이 아니다. 규모가 문제를 바꾼다는 것이다. 소규모로 검증된 솔루션은 규모가 커지면 다시 검증해야 한다. 10대의 로봇이 매끄럽게 돌아가는 모습을 보여주면서도, 100대 규모에서의 스케줄링 전략, 충전 계획, 정체 시 거동에 대해서는 이야기하려 하지 않는 업체라면 한 번 더 날카로운 질문을 던질 만하다.

여전히 대부분 데모: 범용 피킹과 무인 창고

여전히 데모인 범주는 범용 피킹과 '무인 창고'라는 이야기가 지배한다. 비전 유도 피킹 암은 진정으로 개선됐고, 과거의 규칙 기반 시스템보다 더 다양한 제품 형태와 포장을 처리할 수 있게 됐다. 하지만 이커머스 SKU의 다양성은 잔혹하다. 불규칙한 형태, 부드러운 포장, 반사 표면은 지금도 대량의 물량을 인간 피커에게 되돌려 보낸다. 더 중요한 것은 경제성이다. 로봇 암이 절감하는 인건비는 감가상각, 유지보수, 가동 중단과 저울질해야 하며, 대부분의 데모는 이 세 가지 중 첫 번째만 계산한다.

규모는 기술적 리스크를 재무적 리스크로도 바꾼다. 같은 2026년 PitchBook 보고서는 대형 소매업체 한 곳이 자동화 프로그램과 관련해 수십억 달러 규모의 손상차손을 계상했다고 지적한다. 이는 자동화가 잘못됐다는 것을 증명하는 것이 아니다. 프로젝트가 충분히 커지면 리스크는 기술적 각주가 아니라 대차대조표상의 사건이 된다는 것을 증명한다. 영업 자료에는 거의 등장하지 않는 또 다른 장애물이 있다. 안전과 인증이다. 사람과 함께 일하는 확률적 AI 시스템은 명시적 규칙에 따라 움직이는 결정적 기계보다 인증받기가 훨씬 어렵다. 규칙 기반 시스템에서 문제가 생기면 한 줄의 로직까지 추적할 수 있다. 통계적 시스템에서는 책임의 사슬과 인증 경로를 모두 다시 협상해야 한다. 그 관문을 통과할 때까지 '무인'은 폐쇄된 환경에 머문다.

창고 AI를 구매하기 전 체크리스트

의사결정권자에게 필요한 것은 또 하나의 업체 백서가 아니라, 증거로 답할 수 있는 짧은 질문 목록이다. 이번 창고 AI 도입 현실 점검은 다섯 가지 질문으로 귀결된다.

질문 확인 방법 답이 '아니오'라면
데이터가 깨끗한가? 한 달치 마스터 데이터를 샘플링해 오류율을 확인한다 모델을 사기 전에 데이터 거버넌스를 고친다
결과를 매주 검토할 수 있는가? 사전에 관리 지표를 합의한다. 차단율, 예측 오차, 주문당 소요 시간 통제 집단이 없으면 큰 계약은 없다. 먼저 파일럿
파일럿 규모의 3배에서도 유지되는가? 성수기를 견뎌낸 동등한 규모의 도입 사례를 요구한다 데모는 자사 규모에서는 미검증으로 간주한다
예외는 누가 처리하는가? 절감되는 인건비만이 아니라 수동 대체 수단의 비용도 책정한다 대체 수단 비용을 ROI 안에 넣는다. 밖에 두지 않는다
중단하는 데 비용이 얼마나 드는가? 출구를 확인한다. 결과가 실망스러워도 우아하게 축소할 수 있는가? 단계적 확장과 사용량 기반 가격을 선호한다

지난 3년간에는 직관에 반하는 결론이 숨어 있다. 창고 AI의 가장 큰 승자는 가장 비싼 시스템을 산 구매자가 아니라, 화려하지 않은 기초 작업을 먼저 해낸 운영자일지 모른다. 정확한 슬롯팅, 깨끗한 마스터 데이터, 표준화된 프로세스. 이 중 어느 것도 AI 라벨을 달고 있지 않지만, AI가 성과를 증폭시킬지 혼란을 증폭시킬지를 결정하는 것은 바로 이것들이다. 제대로 된 ABC 분류를 한 번도 해본 적 없는 창고가 AI에게 슬롯팅을 정리해 달라고 기대하는 것은 내비게이션 앱에게 목적지를 골라 달라고 기대하는 것과 같다. 경로는 완벽하게 계산될 수 있지만, 잘못된 장소에 도착할 수 있다.

3년이 지난 지금, 패턴은 상당히 명확하다. 창고 AI에서 실현된 부분은 가장 화려하지 않은 부분이다. 결함을 잡아내고, 예측 오차를 좁히고, 로봇들이 서로 방해하지 않게 하는 것. 절반만 실현된 부분은 규모와 예외 처리에 막혀 있다. 데모인 부분은 경제성과 인증에 막혀 있다. 이 패턴이 앞으로 1~2년 안에 극적으로 역전될 가능성은 낮다. 데모는 줄고 주간 검토가 늘면서 서서히 수렴할 가능성이 더 높다.

결론이 아니라 열린 질문이 남는다. AI가 점점 저렴해지고 유능해지면서, 창고 조직이 먼저 바뀔 것인가? 인력 배치, 성과 측정, 예외 처리 루틴. 이것들은 어떤 모델보다 바꾸기 어렵고, 약속 중 얼마나 실현될지를 궁극적으로 결정하는 것은 이것들일지 모른다. 기술은 살 수 있다. 조직 역량은 길러야 한다.

Dr. Chen, 공급망 연구원 지음 영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.