2025년 7월, DHL은 영국 사업의 자동화에 대한 £550 million 규모의 투자 확대를 발표했다. 1,000대 이상의 로봇을 추가하는 계획이다. 비슷한 시기, Amazon의 창고 로봇 함대는 750,000대를 돌파했다. 두 숫자를 나란히 놓으면 이는 보도자료가 아니라 AI의 창고 일자리 대체를 둘러싼 일정 문제다. 2028년까지 어떤 창고 일자리가 먼저 사라지고, 어떤 것이 살아남으며, 어떤 것은 직함만 바뀌는가?
AI의 창고 일자리 대체 규모: 보고서가 실제로 말하는 것
세계경제포럼(WEF)의 「Future of Jobs Report 2025」에 따르면, 자동화와 디지털 전환으로 2030년까지 전 세계 약 92 million개의 일자리가 사라지는 반면 약 170 million개의 새로운 일자리가 창출될 것이다. 순증 78 million이다. 조사는 55개 경제권의 14 million명의 근로자를 대표하는 1,000곳 이상의 고용주를 대상으로 했다. 주목할 점은 보고서가 「AI와 정보처리 기술」을 별도 카테고리로 분리했다는 것이다. 2030년까지 이 분야는 약 9 million개의 일자리를 대체하고 약 11 million개를 창출할 것으로 전망된다. 대체와 창출은 동시에 일어나지만 영향을 받는 사람은 다르다. 같은 보고서는 41%의 고용주가 AI가 업무를 자동화할 수 있는 영역에서 인력을 감축할 계획이라고 밝혔다.
McKinsey Global Institute의 2025년 11월 보고서 Agents, Robots and Us는 미국에 초점을 맞춘다. 미국 근로 시간의 57%는 이미 존재하는 기술로 기술적으로 자동화 가능하다. McKinsey는 이를 일자리 손실 예측이 아닌 「기술적 잠재력」이라고 신중하게 선을 긋는다. 타임라인 판단은 이렇다. 2035년까지 미국 근로자 약 11 million명, 노동력의 약 7%가 직업 전환을 해야 할 수 있으며, 도입 속도에 따라 6 million에서 16 million 사이의 범위를 보인다. 헤드라인보다 중요한 것은 구조다. 전환이 예상되는 근로자의 75% 이상이 세 분야에 집중되어 있다. 사무·행정 지원, 소매·영업, 운송·물류다. 저소득층 근로자는 고소득자에 비해 직업 전환 확률이 여덟 배 가까이 높다. Goldman Sachs는 2026년 4월 현재 속도를 측정했다. AI 대체로 인한 미국 일자리 순감소는 월 약 16,000건. 약 25,000개의 직위가 사라졌고, 증강(augmentation)을 통한 9,000개 창출로 부분 상쇄됐다.
종합하면 이들 보고서는 AI가 창고 고용에 「도달하는지」가 아니라 「어떤 순서로」 도달하는지를 다룬다. 그리고 순서는 헤드라인과 달리 논리적으로 따져볼 수 있다.
대체 순서 매트릭스: 누가 먼저 사라지는지를 가르는 세 가지 자
이 보고서들의 논리와 실제 창고의 작업 구조를 바탕으로, 직무의 대체 우선순위를 결정하는 것은 세 가지 차원이다. 작업의 반복성, 예외 처리에 쓰는 업무 비중, 비정형 환경에서의 지각-운동 복잡성이다. 반복적일수록, 예외가 적을수록, 지각 요구가 낮을수록 대체는 빠르다. 아래 표는 이 틀을 2026–2028년에 적용한 것이다.
| 직무 | 반복성 | 예외 비중 | 지각-운동 복잡성 | 대체 시점 |
|---|---|---|---|---|
| 서류 입력, 송장 감사 | 매우 높음 | 낮음 | 낮음 | 진행 중(2026년) |
| 스케줄링, 배차 사무 | 높음 | 중간 | 낮음 | 2026–2027년 |
| 컨테이너 하역, 팔레트 이동 | 높음 | 낮음 | 중간 | 2027년부터 가속 |
| 보충, 입고 | 높음 | 낮음 | 낮음~중간 | 2027년부터 가속 |
| 정형 피스 피킹(표준 SKU) | 중상 | 중간 | 중간 | 부분적, 2027–2028년 |
| 반품 검수, 예외 처리 | 낮음 | 높음 | 높음 | 2028년 이후에도 인간 주도 |
| 설비 유지보수, 로봇 함대 관리 | 낮음 | 높음 | 높음 | 신규 직무로 창출 중 |
논리는 단순하다. 대체는 두 개의 별도 궤도로 진행된다. AI 에이전트(인지 노동 대체)와 로봇(육체 노동 대체)이다. 두 비용 곡선은 전혀 다르며, 그 차이가 순서를 정한다.
직관에 반하는 부분: 피커가 먼저가 아니다
흔한 직관은 AI가 통로에서 카트를 미는 피커에게 먼저 온다는 것이다. 비용 구조는 반대다. 서류 처리, 일정 수립, 차이 조정을 위한 AI 에이전트 도입 비용은, 비정형 환경에서 불규칙한 상품을 안정적으로 집을 수 있는 로봇 도입 비용의 일부에 불과하다. 하나는 소프트웨어, 다른 하나는 하드웨어+알고리즘이며, 수개월의 현장 튜닝을 더하면 투자 규모에서 최소 한 자릿수, 성숙도에서 수년의 간극이 있다.
즉 2026–2027년에 먼저 압박을 느끼는 것은 창고의 사무직이다. 입고 서류를 처리하고, 차이를 확인하고, 근무표를 짜고, 이메일에 답하는 사무원들이다. McKinsey 데이터도 이를 뒷받침한다. 가장 취약한 직무의 약 40%는 문서 작성, 정보 처리, 정형적 추론을 포함하는데, 이는 AI 에이전트가 이미 탁월한 영역이다. 물리적 측면에서는 건물에서 가장 정형화된 구역이 먼저 무너진다. DHL의 Boston Dynamics Stretch 하역 로봇은 시간당 700박스를 처리한다. 컨테이너 하역은 모든 창고에서 가장 표준화되고 예외가 적은 구역 중 하나이므로 가장 먼저 자동화된다. 매트릭스는 들어맞는다.
이미 일어나고 있는 두 현장
첫 번째 현장은 루이지애나주 슈리브포트다. 2024년 9월 개장한 Amazon의 3.1 million 평방피트 규모 풀필먼트 센터는 이전 세대 시설의 약 열 배에 달하는 로봇 설비를 갖추고 있으며, 회사는 풀필먼트 비용 25% 절감을 기대하고 있다. 주목할 점은 인력 구성에 일어난 변화다. Amazon에 따르면 이번 도입으로 기존에 없던 약 700개의 새로운 기술 직무 카테고리가 생겼다. Sequoia 재고 플랫폼이나 Vulcan 촉각 로봇 팔 같은 시스템을 유지·조정·트러블슈팅하는 사람들이다. 일자리는 단순히 사라진 것이 아니라 교환됐다. 반복 작업은 줄었고 설비 관련 스킬 수요는 늘었다.
두 번째 현장은 DHL의 글로벌 네트워크다. 2024년 5월까지 DHL이 운영하는 35곳 이상의 현장에 배치된 Locus 피킹 로봇은 누적 500 million번째 피킹을 달성했다. 기념 유닛은 스페인 톨레도의 시설에서 인출됐다. 영국, 아일랜드 및 광역 EMEA 지역만 해도 18곳의 현장에서 750대 이상의 협동 피킹 로봇이 가동 중이다. 2025년 7월 발표된 £550 million의 후속 투자는 이것이 더 이상 파일럿이 아니라 복제 단계임을 보여준다. 두 현장이 공유하는 패턴은 이렇다. 먼저 대체된 것은 「걷는 것」이었지(로봇이 상품을 사람에게 가져다주고, 사람은 마지막 집기 판단만 한다), 집기 자체가 아니었다.
2026→2028 AI의 창고 일자리 대체 타임라인
데이터와 현장 증거를 종합하면, 근거가 붙은 타임라인은 이렇다. 2026년: AI 에이전트가 문서 작성, 스케줄링, 첫 번째 예외 스크리닝을 맡으면서 사무직은 본격적인 대체 국면에 들어간다. WEF의 41% 고용주 감축 수치가 가장 들어맞는 국면이다. 2027년: 하역, 운송, 보충이 자동화로 가속화되고, AMR과 자동 지게차가 신설 창고의 표준이 된다. DHL의 Stretch 도입과 Locus의 확대가 이 국면의 각주다. 2028년: 정형 피킹은 부분 대체가 진행되며 표준 SKU와 풀케이스부터 시작한다. 반면 반품 검수, 예외 처리, 유지보수는 예외 밀도와 지각 요구가 높아 인간 주도로 남으며, 설비 함대가 커지면서 수요가 오히려 늘어날 수도 있다.
이 타임라인에 주의사항이 하나 있다. Interact Analysis의 2025년 5월 보고서는 모바일 로봇 시장 성장 전망을 연평균 성장률(CAGR) 26%에서 21%로 낮췄다. 관세와 경제 불확실성으로 기업들이 설비 투자를 미루고 있기 때문이다. 2027–2028년의 하드웨어 대체는 기술적 준비도가 허용하는 속도보다 한 박자 느릴 수 있다. 때로는 기술보다 예산이 속도를 정한다.
2028년을 향해, 창고 인력은 사라지지 않는다. 재구성된다. McKinsey 틀에서 진정으로 희소해질 역량은 세 가지다. 기계가 처리하지 못하는 예외를 다루는 것, 자동화 시스템을 유지·최적화하는 것, 데이터를 바탕으로 운영 판단을 내리는 것이다. 전환 압박은 저소득 반복 직무에 가장 무겁게 떨어지며(고소득자의 여덟 배 가까운 전환 확률), 전환의 방향은 정확히 그 세 가지 역량을 향한다.
결국 AI의 창고 일자리 대체는 「인간 대 기계」의 문제가 아니었다. 순서의 문제다. 비용 곡선, 예외 밀도, 지각 복잡성이 정한다. 운영이 정리된 뒤 더 흥미로운 질문이 열린다. 효율에 살고 효율에 죽는 산업에서 「판단」이란 과연 얼마의 가치가 있는가. 그리고 지금 창고 사무실에 앉아 있는 사람들이 내리는 판단 중 기계가 이미 할 수 있는 것은 얼마나 되는가. 이 두 질문의 답이 대체 타임라인보다도 2028년 이후 창고에 누가 서 있을지를 결정할 것이다.
Dr. Chen, 공급망 연구원 지음 영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.
