먼저 결론부터 말하겠다. 나는 너무 많은 창고 경영자들이 잘못된 질문을 하는 것을 봐왔기 때문이다. 그들은 "AI로 몇 명을 줄일 수 있는가?"라고 묻는다. 올바른 질문은 이렇다. 어떤 일자리가 해체되고 다시 조립되는가, 어떤 판단이 더 가치 있어지는가, 그리고 이 재편이 실제로 얼마나 드는가?

내 답을 한 문단으로 정리하면 이렇다. 가장 크게 재편되는 일자리는 고정된 규칙에 따른 반복적인 판단으로 이루어진 일자리이다. 가장 안전한 일자리는 현장의 예외를 다루는 일자리이다. 그리고 가장 어색한 위치는 중간층, 즉 규칙을 쓰지도 않고 화물에 손을 대지도 않는 관리자이다. 향후 세 년간 대부분의 창고에서 인원수는 극적으로 줄지 않을 것이다. 하지만 인력 구성은 크게 바뀔 것이다.

추가 채용으로 바뀐 "인원 절감 효과"

몇 년 전 나는 비전 기반 출고 검사 시스템에 크게 투자한 자동차 부품 유통업체를 방문했다. 목표는 검사팀을 여섯 명에서 두 명으로 줄이는 것이었다. 첫 달에는 훌륭해 보였다. 스캔, 대조, 표시가 모두 하나의 매끄러운 동작으로 이루어졌다. 두 번째 달이 되자 문제가 나타났다. 비뚤어진 라벨, 반사되는 봉투, 이상한 모양의 혼합 부품. 시스템은 그것들을 끊임없이 표시했다. 검사원들은 하루에 수백 건의 오경보를 처리했고, 이는 예전 수작업보다 더 지치는 일이었다. 더 나쁜 것은, 경험 많은 검사원들이 재배치되었고, 새로 채용된 사람들은 화면 경보를 읽는 법만 알았지 화물을 보는 법은 몰랐다는 점이다. 시스템이 멈추자 검사 라인 전체가 완전히 멈췄다.

양쪽에서 보자. 얻은 것은 실재했다. 표준 품목은 더 빨리 검사되었고 오류율은 확실히 낮아졌다. 비용도 마찬가지로 실재했다. 사라진 일자리는 "규칙과 대조하기"였고, 나타난 일자리는 "AI 뒤치다꺼리하기", 즉 예외 처리, 규칙 조정, 시스템 감시였다. 경영자는 절감한 네 명을 세고, 추가된 두 명의 시스템 관리자와 한 명의 시간제 데이터 라벨러를 잊었다. 순 인건비는 거의 움직이지 않았지만, 전체 프로세스의 취약성은 몇 배로 커졌다.

또 다른 창고, 한 식품 유통업체는 반대로 했다. 아무도 줄이지 않았다. 예전 피킹팀 리더들을 "예외 전문가"로 전환했다. AI가 작업 배정과 경로를 맡았고, 리더들은 시스템이 처리할 수 없는 것, 즉 품절, 파손품, 유통기한 충돌만 다루었다. 세 달 후 그들의 정시 출하율은 동종 업체 중 최고였다. 차이점은 무엇인가? 한 곳은 AI를 해고 도구로 대했고, 다른 한 곳은 사람들을 더 가치 있는 일로 이끄는 수단으로 대했다.

어떤 일자리가 재편되는가: 두 가지 차원으로 나누기

나는 창고 일자리를 업무가 얼마나 규칙 기반인지, 그리고 현장의 불확실성을 얼마나 안고 있는지에 따라 분류한다.

역할 규칙 기반인가? 현장 불확실성 향후 세 년간 전망
출고 검사원 높음 낮음 대부분 비전 시스템에 흡수된다. 최종 예외 판단을 위해 1–2명이 남는다
피커 중간 중간 대체되지 않지만 일자리는 바뀐다. 지시를 따르고, 스캔으로 확인하고, 인간-기계 팀이 된다
스케줄링 / 배차 감독자 높음 낮음 대부분 알고리즘 스케줄링으로 대체된다. 감독자는 갑작스러운 결근과 역량 변동 대응으로 이동한다
입고 품질 검사원 중간 높음 대체하기 어렵다. 이상한 모양의 화물과 파손 판단에는 여전히 사람의 눈과 손이 필요하다
재고 분석가 높음 낮음 보고 업무는 예측 모델로 넘어간다. 역할은 이상 징후 해석과 보충 판단으로 이동한다
유지보수 기술자 낮음 높음 수요는 줄기는커녕 늘어난다. AMR, 컨베이어, 분류기가 늘어나면 기계와 소프트웨어를 모두 아는 사람에 대한 수요도 늘어난다

직관에 반하는 부분은 여기이다. 가장 먼저 재편되는 일자리는 최하층의 육체 일자리가 아니다. 경험에 기반하지만 반복적인 판단으로 이루어진 중간층 화이트칼라 일자리이다. 피커의 하루는 변화로 가득하다. 서로 다른 화물, 위치, 예외가 있어 AI가 쉽게 삼킬 수 없다. 하지만 사무실에서 스케줄, 보고서, 주문 검토를 하는 사람은 어떤가? 그들의 일은 정확히 AI가 가장 잘하는 규칙 기반의 일이다. 규칙 기반이야말로 AI의 본거지이다.

그리고 아무도 사업 계획에 넣지 않는 트레이드오프가 있다. AI가 규칙 기반 업무를 흡수하면 "경험"은 사람의 머리에서 빠져나와 시스템에 기록된다. 장점은 경험이 더 이상 직원과 함께 문밖으로 나가지 않는다는 점이다. 단점은 시스템의 경험이 낡았을 때 한꺼번에 실패한다는 점이다. 사람은 한 번 실수한다. 시스템은 천 번 실수한다. 많은 경영자들은 그 비용을 계산에 넣지 않는다.

관리자가 실제로 계산해야 하는 방법

첫째, 인원수가 아니라 총비용을 세는 것이다. "몇 명을 줄일 수 있는가?"라고 묻지 말라. 이렇게 물어라. 주문 이행 건당 비용은 얼마나 떨어지는가, 오류율은 얼마나 떨어지는가, 예외 복구는 빨라지는가 느려지는가? 나는 세 명을 줄였다가 시스템 장애 한 번으로 열 명분의 반년치 임금에 해당하는 성수기 페널티를 물게 된 창고를 안다. 그 계산은 맞지 않는다.

둘째, 시스템을 사기 전에 프로세스를 고치는 것이다. 어지러운 프로세스에 AI를 투입하면 어지러움만 더 크고 더 빨라질 뿐이다. 자동차 부품 창고는 결국 돌아가서 검사 프로세스를 다시 만들었다. 라벨 부착 위치 표준화, 이상한 모양 품목의 재포장이었다. 그 결과 시스템이 진정으로 작동하기 전에 오경보가 급격히 줄었다. 순서를 틀리면 돈이 낭비된다.

셋째, 재편된 사람들에게 해고 통지가 아니라 길을 주는 것이다. 가장 합리적인 재배치 방향은 두 가지이다. 예외 전문가, 즉 AI가 처리할 수 없는 난장판을 치우는 역할과, 자동화가 확산될수록 채용이 어려워지는 설비·시스템 유지보수이다. 기존 직원을 재교육하는 것은 외부에서 채용하는 것보다 저렴하고, 줄였다가 다시 채용하는 것보다 훨씬 안정적이다. 해고로 절약한 돈은 채용과 교육비로 두 배가 되어 돌아오는 경우가 많다.

넷째, "세 년 후에는 창고에 사람이 없을 것이다"라는 말을 믿지 않는 것이다. 창고의 물리적 세계는 너무 지저분하고, 너무 혼란스럽고, 예외로 너무 가득하다. AI가 향후 세 년간 할 수 있는 일은 결정적인 부분을 갉아먹고 불확실한 부분을 사람에게 남기는 것이다. 그것은 더 쉬운 일이 아니다. 더 어려운 일이다. 일자리는 "지시를 따르기"에서 "시스템이 틀렸을 때 그것을 잡아내기"로 이동한다. 경영자들이 옛 기준으로 계속 채용하고 관리한다면 재편은 사람 쪽에서 정체될 것이다.

향후 세 년간 창고에서 가장 가치 있는 세 가지 역량은 다음과 같다. AI가 무엇을 계산하고 있는지 이해하는 것, AI가 잘못 계산하려 할 때를 아는 것, 그리고 AI가 잘못했을 때 즉시 인수할 수 있는 것이다. 그 세 가지 중 어느 것도 AI가 가르쳐줄 수 있는 것이 아니다.

그러니 당신이 창고를 운영한다면 지금 스스로에게 한 가지 질문을 던져보라. 당신의 팀에는 이미 그 세 가지 역량을 갖춘 사람이 몇 명이나 있는가?

Lao Mi, 공급망 베테랑 (20년) 지음

영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.