결론부터 말하겠다, 에둘러 말하지 않는다. 향후 3년간 AI가 가장 먼저 바꿀 창고 일자리는 지게차 베테랑이 아니다 — 스프레드시트와 문서와 전화 속에 사는 사무직 사람들이다. 내 타임라인은 2028년까지 이어진다: 업무 단위의 화이트칼라 직군이 먼저 흡수되고, 현장 육체 노동은 인간-기계 협업으로 재편되며, 이전에는 존재하지 않았던 완전히 새로운 직무들이 한 무더기 등장한다.
왜 이렇게 단언할 수 있을까. 이유는 3가지다. 첫째, 비용 계산이 이미 맞는다: 미국 상당 지역 창고 현장 임금이 시간당 20달러 안팎에 도달했고, 24시간 체제의 1개 포스트는 연간 6자릿수 달러를 훌쩍 넘는다. 반면 정형 작업을 하는 AMR이나 AI 고객 상담석은 연 환산 비용이 이미 그보다 낮다. 둘째, 기술이 변곡점에 도달했다: 비전 모델은 파손과 라벨을 읽고, 언어 모델은 이메일을 쓰고 근무표를 짠다. 남은 건 이 능력들을 업무 시스템에 연결하는 것뿐이다. 셋째, 인력난은 진짜다: 5년 연속 피크 시즌마다 창고는 사람을 충분히 뽑지 못했고, 경영진의 질문은 진작에 '자동화를 해야 하나'에서 '무엇부터 먼저 할까'로 바뀌었다.
이건 AI 과대선전이 아니다. 오히려 내 주장은 정반대다: 가장 많이 바뀌는 일자리는 데스크 의자에서 보기엔 그럴듯해 보였던 것들이다.
서류 업무는 이미 사라지고 있다
이미 일어난 일을 보자. 화물 추적이 가장 먼저 무너졌다: 고객이 '내 화물 어디 있어요?' 하고 전화하면, 예전엔 담당자가 WMS를 열고 창고에 전화하고 다시 전화를 걸어야 했다. 지금 많은 3PL은 AI 에이전트를 운용해 운송 중 상태를 시스템에서 직접 읽고 자연어로 답한다. 정형 추적 문의는 이제 거의 사람을 거치지 않는다. 담당자들이 해고된 건 아니다 — 다만 한 명이 예전의 2~3배에 달하는 고객사를 담당하게 됐다. 이게 구조조정이다: 사람이 0명이 되는 게 아니라, 같은 사람들이 몇 배의 일을 하는 것.
다음은 근무표 작성과 주문 검수다. 창고 스케줄은 변수가 고정돼 있다: 주문 예측, 과거 처리 실적, 직원 스킬 태그, 초과근무 예산 상한. 2024년 이후 중견 3PL 몇 곳이 AI 도구로 근무표 초안을 만들고 예외만 슈퍼바이저가 처리하는 모습을 봐 왔다. 예전엔 사무원이 스프레드시트와 씨름하던 오후 전체 작업이 이제는 15분짜리 초안이 됐다. 주문 검수도 같은 이야기다: 시스템이 주문과 재고를 자동으로 대조하고, 예외만 사람에게 넘어가며, 정상 주문은 그대로 통과한다.
그다음은 데이터 입력과 정산이다. 공급사 납품서, 운송사 청구서 — 예전엔 누군가 한 줄 한 줄 입력했다. 비전 모델과 언어 모델이 이제 문서를 읽고 자동으로 정산한다. 사람이 보는 건 차이가 임계값을 넘을 때뿐이다. 아는 수입업체는 2023년에도 정산 담당 정규직 2명을 고용하고 있었지만, 2025년에는 스팟 점검을 하는 시간제 1명만 남았다. 나머지 한 사람분의 급여는 그냥 사라졌다.
이 직무들의 공통점: 입출력이 구조화된 정보이고, 판단 규칙을 문서로 쓸 수 있으며, 실수를 추적할 수 있다는 것. AI가 이 일을 가져가는 데 로봇도 시설 개조도 필요 없다 — 컴퓨터 한 대와 API 연결 하나면 된다. 그래서 이들이 가장 먼저인 것이고, 부당하지 않다.
지게차 운전자와 피커는 '일할지 말지'가 아니라 '일하는 방식'이 바뀐다
이제 현장이다. AMR과 로봇팔이 피커와 지게차 운전자를 완전히 없애지 않을까 걱정하는 사람이 많다. 내 판단은: 3년 안에는 아니다 — 하지만 일하는 방식은 많이 바뀐다.
피킹을 예로 들어보자. Boston Dynamics의 하역 로봇 Stretch, 대형 유통업체용 Symbotic의 풀파렛 자동화 — 실재하고 가동 중이다. 하지만 이들이 먹는 건 표준화·반복·대량의 시나리오다: 풀파렛 입출고, 고정 운송 경로. 주문당 3개 품목, 수만 개의 SKU, 하나도 같은 모양이 없는 택배 — 그런 이커머스 창고에서는 로봇이 아직 인간의 유연성과 속도를 따라가지 못한다. 향후 3년간 피킹은 인간-기계 협업이 된다: AMR이 선반을 사람 앞으로 가져오고, 인간은 마지막 집기와 판단만 한다. 걷고 나르는 시간은 기계가 먹고, 시간당 피킹 수는 오르고, 인원은 줄지만 — 직무 자체는 사라지지 않는다.
지게차 운전자는 특별한 경우다. 지게차 운전의 어려운 점은 '운전'이 아니었다 — 동적 환경을 판단하는 것이다: 기울어진 파렛을 바로잡을지, 혼잡한 통로에서 누가 양보할지, 6미터 위의 박스가 안정적인지. 자율 지게차는 이미 고정 경로를 달리고 있지만, 혼잡한 혼합 교통 구역에서 완전 자율주행은 아직 멀었다. 내 전망으로는 향후 3년간 이 직무는 둘로 갈라진다: 일부 운전자는 장비 슈퍼바이저가 되어 여러 자율 차량을 모니터링하고 예외를 처리한다. 그리고 가장 경험 많은 베테랑은 오히려 더 귀해진다 — 까다로운 일일수록 경험이 중요하다.
한편 새로운 직무들이 생겨나고 있고, 이미 생겨나고 있다: 로봇 정비, 시스템 예외 처리, 데이터 라벨링, 프로세스 최적화. 기계가 많을수록 창고와 시스템을 모두 아는 사람이 필요하다. 2024년에 AMR을 도입한 전통적인 창고를 아는데, 첫해에 가장 부족했던 자원은 기계 자금이 아니었다 — WMS 리포트를 읽을 줄 알고 로봇 파라미터 조정을 두려워하지 않는 사람을 찾는 일이었다. 결국 베테랑 직원에서 그 사람을 키워냈다. 이 새 직무들은 일관되게 기존 현장 직무보다 한 단계 높은 급여를 받는다.
따라서 향후 3년간 창고 노동의 실상은 이렇다: 사무 업무 단위 직무는 축소되고, 현장 육체 직무는 협업형이 되며, 장비·시스템·데이터를 아는 사람들의 새로운 중간층이 자란다. 총인원은 아마 줄어든다. 하지만 남는 사람들은 더 가치 있는 일을 한다.
가져갈 질문 하나: 당신의 창고에서 '시스템 A에서 시스템 B로 데이터를 복사하는 일'에 가장 가까운 직무는 누구인가? 그 사람을 찾아 시간이 실제로 어디에 쓰이는지 살펴보라 — AI의 첫 타격은 십중팔구 그 사람에게 떨어진다. 그걸 알아내는 일이 어떤 AI 시스템을 사는 것보다 중요하다.
영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.
