[AI가 물류를 먹는다③] 예측이 경쟁력이다

빠른 물류가 아니라, 정확한 물류가 이긴다

"재고 보충, 배송 경로, 수요 예측, 이상 감지 등 끝에서 끝까지 모든 공정이 어떤 형태의 인텔리전스에 의해 구동된다" - Walmart 공급망 기술 수석부사장 Indira Uppuluri

Walmart의 공급망은 매 순간 AI가 결정한다. 에이전트 AI(Agentic AI)가 의사결정을 내리고, 최적화하고, 문제를 선제적으로 해결한다. 이 말은 과장이 아니다. Walmart 공급망에서는 매일 수백만 건의 의사결정이 인간이 아닌 알고리즘에 의해 내려진다.

결과는 숫자로 나타난다. McKinsey에 따르면 AI를 도입한 기업은 수요예측 오류를 20~50% 줄이고, 물류비를 최대 15% 절감했다. AI 가시성 솔루션을 도입한 기업은 리드타임 23% 단축, 풀필먼트 정확도 19% 향상, 공급망 리스크 노출 28% 감소를 보고한다 . 예측 오류가 줄면 재고가 줄고, 재고가 줄면 물류비가 줄고, 물류비가 줄면 가격 경쟁력이 올라간다. AI 수요예측은 비용 절감의 도구가 아니라, 수익성의 엔진이다.

시장은 이 방향으로 전력 질주 중이다. AI 기반 공급사슬관리(SCM) 시장: 2025년 약 99억 달러 → 2034년 1,925억 달러. 공급망 가시성 소프트웨어 시장: 2025년 31억 달러 → 2035년 104억 달러. 기업의 87%가 머신러닝을 수요예측에 사용 중이다.

수요예측에서 AI는 더 이상 '실험 기술'이 아니라 '기본 인프라'가 됐다는 의미다. 더 이상 '도입 여부'가 아니라 '어떤 수준의 AI를 쓰는가'가 경쟁의 기준이다.

예측의 세 가지 차원

AI가 물류에서 예측하는 것은 단순히 '내일 몇 개 팔릴까'가 아니다. 세 가지 층위가 있다.

첫째, 수요를 예측한다 (결품과 과잉을 동시에 줄인다)

전통적 수요예측의 오류율은 식음료 업계 기준 중위값이 약 25%다. 4개 중 1개를 틀린다. AI는 과거 판매 데이터뿐 아니라, 날씨, 행사, 소셜미디어, 뉴스까지 분석한다. NLP(자연어처리)는 기업의 34%가 공급망에 적용 중이다. Walmart의 다중 수평 순환 신경망(Multi-Horizon Recurrent Neural Network)은 장기 계절 패턴과 단기 수요 변동을 동시에 학습한다.

AI 예측이 20% 정확해지면 무슨 일이 벌어지는가. 안전재고(safety stock)가 최대 10% 줄어든다. 이것은 운전자본의 해방이다. 창고 공간이 줄고, 폐기 비용이 줄고, 결품으로 놓치는 매출이 줄어든다. AI 기반 가시성 도구를 도입한 기업은 재고 버퍼를 최대 30% 축소하면서도 서비스 수준을 25% 높였다.

과거에는 수요예측이 틀리면 물류가 고생했다. 창고에 재고가 쌓이고, 트럭이 헛바퀴를 돌았다. 이제는 예측이 틀리면 사업 모델이 흔들린다. SCM 담당자의 역할도 바뀌고 있다. 매주 엑셀 예측값을 조정하던 시대에서, AI 예측을 검증하고 의심하는 역할로 전환 중이다. 사람이 사라지는 것이 아니라, 사람의 판단이 더 높은 층위로 올라간다.

둘째, 리스크를 예측한다 (반응이 아니라 선제다)

2024년 기준 글로벌 기업의 64%가 지정학적 갈등, 원자재 부족, 물류 혼잡으로 인한 공급 지연을 경험했다. 공급망 가시성 플랫폼을 쓰는 기업은 교란 대응 시간을 최대 50% 단축했다. 대응이 아니라 예방이다. McKinsey가 말하는 "자가 치유 공급망(self-healing supply chain, AI가 문제를 감지하고, 자동으로 우회 경로를 실행하는 시스템)"은 이미 가동 중이다. McKinsey Global Institute에 따르면, AI 기반 가시성을 갖춘 기업은 코로나 팬데믹 기간 중 영향을 최소화할 확률이 3배 높았다.

FourKites는 2026년 전망에서 핵심 전환점을 짚는다. "범용 AI는 공급망의 도메인 특화 과제를 해결하지 못한다. 이메일을 잘 쓰는 시스템이 체선료(detention fee)와 체화료(demurrage charge)의 차이를 이해하지는 못한다." 공급망 AI는 산업 특화(domain-specific)여야 한다. 모든 알림을 동일한 긴급도로 취급하는 범용 AI는 신호가 아니라 소음을 만든다. BCG는 2026년까지 일상적 공급망 의사결정의 30%가 완전 자동화될 것으로 전망한다.

셋째, 네트워크를 예측한다 (디지털 트윈이 실행 전에 시뮬레이션한다)

2편([AI가 물류를 먹는다②] 창고가 생각한다)에서 다룬 디지털 트윈이 여기서 다시 등장한다. 트윈은 단순한 시각화가 아니다. "이 창고를 닫으면 배송 시간이 얼마나 늘어나는가?" "이 항구가 막히면 대안 경로의 비용은?" 실행 전에 답을 얻는다. 기업의 50% 이상이 AI 기반 공급망 관제탑(control tower)에 수년 내 투자할 계획이다.

Ontegos Cloud가 912명의 물류·공급망 전문가를 대상으로 조사한 결과, 44%가 2026년 최우선 기술 투자 분야로 '예측과 가시성'을 선택했다. 자동화, 디지털 트윈, 사이버보안을 제치고 1위다. 포워더와 3PL의 40% 가까이가 2026년 예산의 4분의 1 이상을 기술에 배정했다. 물류 기업이 '기술 기업'이 되고 있다. 이것은 선택이 아니다. 가시성 없이는 경쟁 자체가 불가능한 시장 구조가 만들어지고 있다.

예측 차원	핵심 질문	AI 도구	성과
수요 예측	내일 뭐가 팔리나	ML 수요예측, NLP	오류 20~50%↓, 안전재고 10~30%↓
리스크 예측	어디서 막히나	가시성 플랫폼, 예측적 ETA	리드타임 23%↓, 대응시간 50%↓
네트워크 예측	대안 시나리오의 비용은	디지털 트윈, 관제탑	정확도 20~30%↑, 다운타임 80%↓

한국의 예측 역량

그렇다면 한국 물류기업은 무엇을 예측하고 있는가.

대기업은 움직이고 있다. CJ대한통운, 현대글로비스, 삼성SDS는 AI 기반 최적화를 도입하거나 개발 중이다. 그러나 문제는 규모가 아니라 생태계다. 글로벌 공급망 가시성 시장의 Top 5(SAP, Blue Yonder, FourKites, project44, Oracle)에 한국 기업은 없다. 한국 물류 기업은 플랫폼을 만드는 쪽이 아니라, 플랫폼을 쓰는 쪽에 있다.

이번 글에서 "AI는 물류기업이 없어도 네트워크 경쟁력을 만들 수 있는 첫 번째 도구"라고 썼다. 그 명제를 뒤집으면 이렇다. 물류기업이 있어도 AI가 없으면 네트워크 경쟁력을 잃을 수 있다.

PwC 조사에 따르면 기업의 47%가 통합 복잡성, 44%가 데이터 품질을 공급망 AI 도입의 최대 장벽으로 꼽는다 (2025). 이것은 한국 중소 물류기업의 현실이기도 하다. 데이터가 엑셀에 흩어져 있고, 시스템이 연결되지 않고, AI를 도입해도 학습할 데이터가 없는 기업에게 예측은 불가능하다.

그러나 역설도 있다. 한국은 IT 인프라 강국이다. 5G 커버리지, 클라우드 보급률, 디지털 문서화 수준은 세계 최상위다. AI SCM 시장이 연 39%씩 성장하는 국면에서, 인프라는 있지만 물류 데이터 표준화가 안 된 한국은 '인프라 부자, 데이터 빈곤'의 역설적 위치에 있다. 클라우드와 5G 위에 물류 데이터 표준을 올리면, 한국은 가장 빠르게 AI 물류로 전환할 수 있는 조건을 갖춘 나라이기도 하다. 출발점은 거창하지 않다. WMS·TMS 로그의 표준화, SKU·로케이션 코드 체계 정리, API로 시스템 간 데이터 연결. 이 세 가지가 AI 예측의 최소 토양이다. 알고리즘은 사올 수 있지만, 데이터 토양은 스스로 만들어야 한다. 이 격차를 메우는 기업이 다음 10년의 한국 물류를 설계한다.

속도의 시대가 끝나고 있다

당일 배송, 새벽 배송, 로켓 배송. 한국은 세계에서 가장 빠른 배송 전쟁을 치렀다. 그러나 그 전쟁의 무기가 바뀌고 있다. 가장 빠른 물류가 아니라, 가장 정확한 물류가 이긴다. 정확하게 예측하면, 빠르게 배송할 필요 자체가 줄어든다. 고객이 주문하기 전에 재고가 가장 가까운 곳에 있으면 된다.

6,500억 달러가 AI 인프라를 짓고, 그 인프라 위에서 창고가 생각하기 시작했고, 이제 예측이 물류의 새로운 경쟁 전선이 됐다. 자동화가 물류의 팔과 다리를 바꿨다면, 예측은 물류의 두뇌를 바꾸고 있다. 이 시리즈의 질문으로 돌아간다.

AI가 물류를 먹고 있다. 한국 물류는 먹히는 쪽인가, 먹는 쪽인가.

대답은 예측에 달려 있다. AI 시대의 물류 경쟁력은 운송 능력이 아니라, 미래를 먼저 배치하는 능력이다.

참고 자료

Supply Chain Dive, "4 ways Walmart is scaling AI to unify its supply chain" (2025.10.07) — Indira Uppuluri 인터뷰
McKinsey, AI in Supply Chain — 예측 오류 20~50%↓, 물류비 15%↓
물류트렌드 2026 (BEYONDX) — AI SCM 시장 $99억→$1,925억 (CAGR 39%+)
Future Market Insights, Supply Chain Visibility Software Market (2025) — $3.1B→$10.4B, Top 5 벤더
Gartner, 식음료 예측 오류 중위값 ~25%; 대기업 AI 예측 도입 70% (2030 전망)
BCG, 2026 공급망 의사결정 30% 완전 자동화 전망
Ontegos Cloud / Inbound Logistics, 물류 전문가 912명 조사 — 44% '예측·가시성' 최우선 (2026.01)
PwC, 공급망 AI 장벽 조사 — 47% 통합 복잡성, 44% 데이터 품질 (2025)

[연재순서]

[AI가 물류를 먹는다①] 6,500억 달러의 물류ㅣ AI 인프라 전쟁이 만든 새로운 화물

[AI가 물류를 먹는다②] 창고가 생각한다ㅣAI는 물류의 도구에서 운영체제가 된다

[AI가 물류를 먹는다③] 예측이 경쟁력이다ㅣ예측이 경쟁력이다