[2026-04-24 | D-Log] 물류 창고에 스며든 AI: 플렉스포트는 어떻게 최적의 동선을 찾아냈나

Flexport가 인공지능(AI)을 활용한 물류 이행 모델을 도입해 창고 운영에서 100% 성장을 달성했다. 기술을 이름만 올린 수준이 아니라, 수작업에 기대던 창고 내 물류 흐름을 AI가 직접 설계하도록 바꿔 실질적인 효율을 끌어냈다.

물류 현장은 수많은 상품이 쏟아져 들어오고 나가는 복잡한 공간이다. 특히 500만 제곱피트에 달하는 거대한 창고에서 수천 명의 작업자가 일일이 상품 위치를 확인하고 동선을 짜는 방식은 한계에 다다랐다. 작업자가 상품을 하나씩 찾아 창고를 오가는 거리가 길어질수록 배송 시간은 늘고 비용은 기하급수적으로 커진다.

Flexport가 먼저 손봐야 했던 건 기존 수동 방식인 '피크 앤 팩(pick-and-pack, 상품을 집어 포장하는 작업)' 프로세스의 비효율이었다. 방대한 창고 면적과 수많은 품목을 고려하면 사람이 직접 최적의 경로를 판단하는 건 불가능에 가까웠다.

이에 따라 창고 내 모든 상품의 위치와 작업자의 실시간 위치를 데이터로 변환했다. AI는 해당 데이터를 바탕으로 창고 전체를 조망하면서 작업자가 가장 짧은 거리로 이동해 여러 상품을 한 번에 집어올 수 있는 최적 경로를 실시간으로 계산했다. 과거 작업자가 경험에 기대 동선을 짰다면, 이제는 AI가 수학적 계산으로 매 순간 최단 거리를 제시하는 방식이다.

AI는 창고 내 상품 재고 상태, 작업자의 현재 위치, 주문 우선순위 등을 종합해 판단한다. 내비게이션이 실시간 교통 상황을 반영해 가장 빠른 길을 안내하는 것과 비슷하다. 복잡한 창고 환경에서 최적 동선을 찾아내야 하므로, 데이터의 흐름과 물리적 공간의 제약을 동시에 분석할 수 있는 모델을 적용했다.

접근은 데이터와 실제 물리적 환경을 결합한 '물리적 AI(Physical AI)'의 일종이다. 고정된 데이터만 처리하는 기존 방식과 달리, 실제 창고라는 공간에서 발생하는 변수를 실시간으로 반영해 즉각적인 행동 지침을 내리는 것이 핵심이다.

프로젝트 초기에는 AI가 제시하는 경로가 현장의 돌발 상황을 모두 반영하지 못해 작업자와 마찰이 있었다. Flexport는 이를 풀기 위해 AI의 판단에 작업자의 경험을 결합하는 '인간 루프(human-in-the-loop, AI 시스템에 인간의 판단을 개입시키는 방식)' 모델을 도입했다. AI가 최적 경로를 제안하면 현장 관리자가 이를 검토하고 조정하는 과정을 반복하면서 정확도를 끌어올렸다.

그 결과 창고 운영 효율은 비약적으로 올라갔다. 수동 작업 방식에서 벗어나 AI 기반 이행 모델을 구축한 뒤, Flexport는 100% 성장을 기록하며 물류 처리 능력을 극대화했다.

다른 데이터팀도 창고 전체를 한 번에 바꾸려 하기보다는, 작업자가 매일 반복하는 가장 예측 가능한 업무부터 AI가 동선을 설계하도록 데이터를 연결하는 방식으로 시작해볼 수 있다.

참고 출처

• https://www.globaltrademag.com/rewiring-the-future-how-ai-and-automation-stole-the-show-at-modex-2026/