물류센터 데이터 정합성 확보…AI 투자 성패 가른다

물류센터 데이터가 인공지능(AI) 투자 수익률을 결정짓는 핵심 요소로 부상했다. DC Velocity에 따르면, 2026년 기준 재고관리는 단순한 SKU 관리 차원을 넘어 모든 계수(count)에서 생성되는 데이터를 정밀하게 관리하는 방향으로 전환되고 있다. 이는 데이터가 AI 분석 엔진의 원자재 역할을 하며, 기업들이 대규모 AI 투자에 대한 실질적 성과를 요구하고 있기 때문이다.

업계 전문가들은 공급망을 통해 유입되는 재고의 속도와 물량이 워낙 방대해 데이터 오류 발생 가능성이 높아졌다고 지적했다. Zebra Technologies Corp.의 물류 산업 책임자 웨스 콜먼은 "데이터 통제와 정렬이 최우선 과제이며, 특히 입력 지점(inputs)이 늘어날수록 데이터를 조율하는 역량이 중요해진다"고 말했다. 실제로 바코드 고정 스캐너, 드론, 자율주행 로봇, RFID 스캐너 등 다양한 기술이 도입됐지만, 운전자가 바코드를 놓치거나 작업자가 모바일 단말기에 잘못된 숫자를 입력하는 식으로 여전히 오류가 발생하고 있다.

재고 계수는 공급업체 선적 시점부터 입고장, 랙, 피킹·패킹·출하의 모든 단계에서 이뤄진다. 콜먼은 "각 포인트마다 재고가 없거나, 필요 수량이 부족하거나, 잘못된 품목을 집어 두 SKU의 재고가 동시에 변동하는 식으로 불일치가 생길 수 있다"고 설명했다. 이러한 문제를 해결하기 위해 Zebra는 클라우드 기반 ‘Workcloud Integration & Orchestration(Workcloud IO)’ 제품을 제공하며, 이를 데이터 흐름의 중추 신경계라고 표현했다. 해당 솔루션은 WMS, MES, ERP 같은 기업 핵심 시스템과 현장 작업자를 표준화된 통합 계층으로 연결한다.

한편, 다른 물류 기술 기업들은 로봇에 재고 계수 기능을 추가하는 방식으로 대응하고 있다. Locus Robotics의 협동로봇은 피킹과 적치 작업 시 물품을 터치할 때마다 재고를 업데이트한다. Gather AI의 비행 드론 및 지게차용 센서, Corvus Robotics의 실내 비행 드론, Dexory의 통로 순찰 AMR 등도 시장에 출시됐다. 이들은 '화이트칼라' AI의 분석 능력과 물리적 로봇 상호작용을 결합한 '피지컬 AI' 접근법을 활용해 계수 프로세스를 개선하고 있다.

Oracle은 최근 자사 클라우드 SCM 제품에 에이전틱 AI 기술을 추가했다. 이 중 'Inventory Planning Command Center'는 재고 가용성을 높이고 서비스 수준을 개선하며 품절 해소를 가속화하는 기능을 제공한다. Oracle은 "이를 통해 재고관리가 수동 추적에서 자동화된 비즈니스 중심 워크플로로 전환된다"고 밝혔다. 시장에서는 재고 계수 및 관리 도구가 역대 최다 수준으로 출시됐지만, 수집된 데이터를 관리하는 과제가 오히려 더 커졌다고 평가한다.

글로벌 공급망 차원에서 데이터 무결성 확보는 AI 경쟁력의 출발점이 되고 있다. 콜먼은 "조직은 데이터 거버넌스와 통제력을 갖춰 AI 도전에 선제적으로 대응해야 한다. 데이터 정확성과 그것이 AI에 미치는 영향이 기업을 움직이게 만들었다. 데이터는 AI의 연료이기 때문"이라고 강조했다.

출처: DC Velocity