2026. 10. 28ㅣ 7 min read진행·사진 : 윤은영 리테일트렌드랩 소장
“AI 에이전트, 단절된 정보 연결해
투명성 높일 것”

스스로 판단하고 실행하는 AI 에이전트의 등장은 소비자의 쇼핑 방식뿐 아니라 상품의 주문 처리부터 재고 관리, 배송에 이르기까지 물류산업 전반에도 큰 변화를 가져올 것으로 예상됩니다. 앞으로는 자사에 맞게 AI 에이전트를 도입하고 이를 통해 물류 현장의 운영 효율을 얼마나 높이느냐가 기업 경쟁력을 좌우할 수 있다는 전망도 나오고 있는데요.
인천대학교 동북아물류대학원 송상화 교수를 만나 AI 에이전트 도입이 물류산업에 가져올 변화와 AI 시대에 물류기업들이 갖춰야 할 경쟁력에 대해 이야기를 나눴습니다.
* 본 내용은 대한상공회의소 유통물류진흥원이 주최한 물류위원회에서 송상화 교수가 발표한 ‘AI 에이전트가 바꾸는 물류의 미래’와 별도로 진행한 추가 인터뷰 내용을 종합해 작성했습니다.
- AI 에이전트, 기업 간 정보 단절 해소할 것
- AI 도입의 핵심 효과는 비용 절감보다 '매출 확대'
- AI 시대, 자본력 부족한 중소기업에도 새로운 기회

|
송상화 교수 송상화 교수는 한국IBM에서 컨설턴트를 거쳐 2006년부터 인천대학교 동북아물류대학원 교수이자 원장으로 재직 중이며, 주요 저서로는 주요 저서로는 『물류와 SCM의 이해』, 『물류트렌드 2026』 등이 있습니다. |
"AI 에이전트, 기업간 정보 연결하며 투명성 높일 것"
Q1. AI 에이전트의 확산이 물류산업에 어떤 변화를 가져올 것으로 보시나요?
AI 에이전트는 비유하자면 AI에 손과 발이 달린 것과 같습니다. 기존 생성형 AI가 질문에 답하고 정보를 제공하는 역할을 했다면, AI 에이전트는 데이터베이스와 업무 시스템에 직접 접근해 필요한 정보를 찾고, 상황을 판단해 실제 업무까지 수행하죠.
물류산업에서 AI 에이전트의 등장이 특히 중요한 이유는 다수의 기업과 참여자가 연결돼 있기 때문입니다. 제조업은 한 기업이 원자재 조달부터 생산까지 수직계열화할 수 있지만, 물류는 화주와 운송사, 창고 운영사 등 여러 기업이 협력해야 하는 산업이죠. 이 과정에서 화물은 기업 간 경계를 넘어 움직이지만, 정작 정보의 흐름과 의사결정은 단절되는 경우가 많습니다. 개별 기업이 아무리 내부 시스템을 고도화해도 기업 간 연결이 원활하지 않으면 전체 물류 효율을 높이는 데 한계가 있을 수밖에 없습니다.
바로 이러한 정보와 의사결정의 단절 문제를 해결하는 데 AI 에이전트가 돌파구가 될 수 있을 것입니다. 예를 들어 특정 날짜에 부산에서 출발해 미국 LA에 도착하는 컨테이너 운송을 예약할 경우 지금까지는 담당자가 여러 운송사의 일정과 운임, 운송 조건을 일일이 확인하고 비교해야 했다면, 앞으로는 AI 에이전트가 각 시스템에 접근해 필요한 정보를 수집하고 조건을 비교한 뒤 가장 최적의 조건으로 예약까지 처리할 수 있게 되는 것입니다.
한편, 물류 현장에서는 피지컬 AI의 역할이 더욱 중요해질 것입니다. 제조업은 정형화된 공정을 반복하는 경우가 많지만, 물류는 매일 고객과 취급 물품, 주문 구성이 달라지기 때문에 이러한 변화에 유연하게 대응할 수 있어야 합니다. 앞으로는 AI가 휴머노이드를 비롯한 다양한 종류의 로봇과 자동화 설비를 유기적으로 연동하고 통합 관제하면서 변화하는 물류 수요에 신속하게 대응하는 방향으로 발전할 것으로 예상합니다.
Q2. 글로벌 물류기업들은 AI 에이전트를 어떤 업무에 활용하고 있으며, 실제로 어떤 성과를 거두고 있나요?
글로벌 물류기업들은 이미 다양한 업무에 AI 에이전트를 도입해 성과를 내고 있습니다.
미국의 글로벌 물류기업 C.H. 로빈슨(C.H. Robinson)은 AI 에이전트를 활용해 운송 견적 생성과 주문 처리를 자동화했고, 그 결과, 기존에 최대 4시간 걸리던 이메일 운송 주문 처리 시간을 90초로 단축했습니다. 페덱스는 AI를 활용해 통관 업무를 자동화했습니다. 통관 과정에서 품목분류(HTS)가 잘못돼 통관이 지연되는 경우가 잦은데 페덱스는 AI가 상품정보를 분석해 적합한 품목분류 코드를 추천하게 함으로써 통관 서류의 오류를 줄이고 업무 처리 속도를 높이고 있습니다.
DHL의 사례는 특히 흥미롭습니다. DHL은 AI 기업 해피로봇(HappyRobot)과 협력해 전화 통화까지 수행하는 AI 에이전트를 도입했습니다. AI 에이전트가 운송사에 직접 전화를 걸어 화물의 픽업 및 배송 예정시간을 확인하고, 수집한 정보를 운송관리시스템(TMS)에 실시간으로 반영합니다. 기존에 직원들이 일일이 전화해 운송 상황을 확인하고 시스템에 입력하던 업무를 AI가 대신하는 것이죠. DHL 글로벌 포워딩(DHL Global Forwarding)은 이메일로 접수한 운송 요청을 분석해 견적을 작성하는 업무에도 AI를 활용하고 있습니다. 기존에 약 30분 걸리던 작업을 수초 만에 처리하고, 견적 성공률도 10% 이상 높였다고 합니다. 이메일과 첨부 문서에서 예약 정보를 추출해 데이터로 변환하는 업무도 자동화하면서 관련 업무의 생산성을 40% 높였습니다.
이처럼 글로벌 물류기업들은 운송 주문과 견적 작성, 통관, 배송 관리 등 다양한 업무에 AI 에이전트를 적용해 업무 처리시간 단축과 생산성 향상이라는 구체적인 성과를 거두고 있습니다.
Q3. 물류업계에는 투자 여력이 부족한 중소기업도 많은데, 이들 기업도 AI 에이전트를 도입할 수 있을까요?
바로 그 부분이 제가 강조하고 싶은 대목입니다.
과거에는 이런 기술을 접하면 막대한 투자 여력을 갖춘 글로벌 대기업들만 도입할 수 있다고 생각했을 것입니다. 하지만 지금은 상황이 달라졌습니다. 중소 물류기업들도 AI 에이전트를 활용해 필요한 시스템을 직접 개발하고 업무에 적용할 수 있는 시대가 된 것이죠. 실제로 제 주변에서도 소규모 포워딩 기업(화주를 대신해 화물 운송을 주선하고 관리하는 물류기업)들이 AI 에이전트를 활용해 자체 업무 시스템을 구축하고 운영하는 사례를 볼 수 있습니다.
과거에는 글로벌 기업이 새로운 시스템을 개발하면 글로벌 소프트웨어 업체들이 이를 상용화해 전 세계 기업들에게 공급했습니다. 국내 중소기업들이 해당 시스템을 도입하기까지는 상당한 시간과 비용이 필요했죠.
하지만 AI 에이전트가 이러한 구조를 근본적으로 바꿀 것입니다. 예를 들어 글로벌 선도기업의 AI 활용 사례를 소개한 기사를 챗GPT에 입력하고 비슷한 시스템을 만들어 달라고 요청하면, 짧은 시간 안에 상당 부분을 구현할 수 있습니다. 제가 테스트해 보니 10분 만에 실제 시스템의 기능을 약 80%까지 구현할 수 있는 수준입니다.
이렇듯 과거에는 전문 개발인력과 상당한 투자비가 필요했던 시스템을 이제 중소기업도 직접 개발하고 활용할 수 있게 된 것이죠. 현장 직원들도 필요한 시스템을 직접 만들 수 있게 되면서 물류 기업의 업무 방식에도 상당한 변화가 나타날 것으로 봅니다.
- 그림 1 : 글로벌 물류기업들의 AI 도입 성과

자료 : 각사 발표자료
Q4. AI 에이전트가 기업 업무와 물류 현장뿐 아니라 소비자의 쇼핑 과정에도 도입되고 있습니다. 에이전틱 커머스가 확산되면 소비자의 쇼핑 방식과 기존 이커머스 시장은 어떻게 달라질까요?
AI 에이전트가 소비자의 쇼핑 방식을 상당 부분 바꾸겠지만, 소비자가 직접 상품을 고르고 구매를 결정하는 방식도 여전히 유지될 것입니다. 이커머스가 아무리 성장해도 오프라인 채널이 일정한 시장 규모를 유지하듯, 소비자의 구매 행동은 매우 다양한 패턴으로 나타나기 때문입니다.
유통기업마다 강점을 가진 영역도 다릅니다. 어떤 기업은 상품을 선별하는 MD 역량이 뛰어나고, 어떤 기업은 차별화된 상품의 가치를 전달하는 스토리텔링에 경쟁력이 있습니다. 오프라인 매장 역시 직접 상품을 살펴보고 구매하는 고유의 쇼핑 경험을 제공하죠. 이렇듯 각 기업이 제공하는 가치가 서로 다르기 때문에 구매 목적과 상황에 따라 소비자가 이용하는 채널이 달라집니다.
또한 쇼핑에는 자신만의 취향과 정체성을 드러내려는 욕구도 담겨 있기 때문에 남들과 다른 상품을 찾거나 자신만의 방식으로 구매하려는 소비자들은 AI 에이전트에 구매를 맡기기보다 직접 상품을 탐색하고 선택하는 방식을 선호할 수 있습니다. 따라서 AI 에이전트가 기존 쇼핑 방식을 대체하는 범위에는 한계가 있을 것입니다.
저는 향후 AI 에이전트를 통한 구매가 이커머스 시장의 약 30%를 차지할 것으로 예상합니다. 그렇다면 중요한 것은 그 30%가 어떤 상품군에서 발생하느냐입니다. 가장 먼저 변화가 나타날 영역은 식료품이나 생필품처럼 구매 빈도가 높고 반복 구매가 이루어지는 저관여 상품일 것입니다.
“AI 플랫폼과 유통기업 에이전트가 협업해야 진정으로 고객 이해 가능할 것”
Q5. 에이전틱 커머스 확대를 위한 중요한 요소는 무엇일까요?
가장 중요한 것은 소비자의 ‘신뢰(Trust)’를 확보하는 것입니다. 많은 소비자가 아마존에서 상품을 구매할 때 매번 가격을 비교하지는 않습니다. 반복적인 구매 경험을 통해 해당 채널에 대한 신뢰가 쌓였기 때문입니다. 여러 차례 이용하면서 가격이 합리적이고 배송에도 문제가 없다는 사실을 확인하면 굳이 구매할 때마다 다른 곳을 찾아볼 필요가 없어지는 것이죠.
AI 에이전트도 마찬가지입니다. 이용해보니 편리하고, 가격도 적절하며, 상품도 문제없이 도착하는 경험이 반복되면 신뢰가 형성되고 지속적으로 구매를 위임하게 되겠죠. 특히 식료품이나 생필품처럼 구매 빈도가 높은 저관여 상품은 이러한 신뢰가 형성되기 상대적으로 쉽습니다.
반면 냉장고나 텔레비전처럼 가격대가 높고 구매 주기가 긴 상품은 충분한 구매 경험이 쌓이지 않기 때문에 신뢰를 확보하기가 어렵겠죠. 이런 상품군은 다양한 정보를 검색하고 비교할 수 있는 서비스가 여전히 강점을 발휘할 수 있을 것입니다.
Q6. 아마존이나 월마트 같은 유통기업들은 자체 AI 에이전트를 개발하고 있고, 챗GPT나 구글 같은 범용 AI도 쇼핑 기능을 강화하고 있습니다. 앞으로 어느 쪽이 주도권을 갖게 될까요?
저는 개별 유통기업의 AI 에이전트와 범용 AI 에이전트가 서로 연결되는 방향으로 발전할 것이라고 봅니다.
에이전틱 커머스에서 가장 중요한 요소 중 하나가 '맥락(Context)'입니다. AI가 소비자를 정확히 이해하려면 구매 이력뿐 아니라 그 사람의 상황과 구매 목적까지 파악해야 합니다. 유통기업은 자사 플랫폼에서 발생한 구매 기록과 상품정보를 갖고 있습니다. 하지만 구매 기록만으로는 소비자가 어떤 상황에서, 누구를 위해 상품을 구매했는지 알기 어렵습니다. 가족이 하나의 쇼핑 계정을 함께 사용하는 경우도 마찬가지입니다. 부모와 자녀의 구매 이력이 섞여 있다면 그 데이터를 바탕으로 한 추천이 개인의 취향과 일치하지 않을 수 있죠. 하지만, 유통기업의 AI 에이전트는 분명한 강점이 있습니다. 자사에서 판매하는 상품과 서비스를 잘 알고 있다는 점입니다.
반면, 소비자가 평소 다양한 주제로 대화하는 범용 AI는 대화 과정에서 그 사람의 관심사와 상황에 대한 맥락을 축적할 수 있다는 장점이 있지만, 상품과 판매 서비스를 직접 운영하지도, 물류 인프라를 갖추고 있지도 않죠. 그래서 저는 미래에 소비자 개인의 AI 에이전트와 유통기업의 AI 에이전트가 서로 정보를 교환하고 협의하는 방식이 나타날 것으로 예상합니다. 미국 월마트처럼 유통기업들은 자체 에이전트를 개발하는 한편, 외부 AI와 협력하는 방식도 선택하게 될 것입니다. 그 과정에서 주도권을 둘러싼 경쟁도 나타나겠죠.
소비자를 이해하는 능력과 실제 상품을 공급하는 능력은 서로 다른 경쟁력입니다. 앞으로는 이 두 가지가 어떻게 연결되고, 이를 통해 소비자의 신뢰를 확보하느냐가 중요해질 것입니다.
Q7. AI 쇼핑 에이전트가 상품 탐색과 구매를 대신하게 되면, 주문 처리와 배송을 담당하는 물류산업에는 어떤 변화가 나타날까요?
소비자가 상품을 구매하는 과정과 판매기업이 상품을 판매하는 과정은 구분해서 봐야 합니다. AI가 소비자를 대신해 상품을 탐색하고 구매하는 과정이 프론트엔드(Front-end) 영역이라면, 상품 매입과 판매 준비, 재고 관리, 주문 처리 및 출고 등 판매기업의 운영 업무는 백엔드(Back-end) 영역에 해당합니다.
앞으로는 이러한 백엔드 영역에도 AI 에이전트 도입이 빠르게 확산될 것으로 예상하는데요. 소비자 접점의 AI 에이전트와 판매기업의 운영 에이전트가 서로 연결되면서 물류 운영의 투명성이 더욱 향상될 것으로 봅니다. 물론 지금도 상품 구입 후 배송 상황을 조회할 수 있지만, AI 에이전트가 연결되면 모든 물류 과정이 실시간으로 공유되면서 정보의 정확성과 투명성이 높아질 것입니다.
저는 이것이 단순한 운영 효율의 문제가 아니라 생존의 문제라고 생각합니다. 소비자의 AI 에이전트가 배송 상황을 확인하려는데 물류단에 필요한 정보가 없거나 실제 상황과 다르다면 앞에서 언급했듯이 중요한 '신뢰'를 얻기 힘들 것입니다.
이미 국내의 선도 물류기업들은 상당한 수준의 정보 관리 체계를 갖추고 있습니다. 반면 그렇지 못한 기업들은 변화가 불가피할 것입니다.
 “소비자를 이해하는 능력과 실제 상품을 공급하는 능력은 서로 다른 경쟁력입니다. 앞으로는 이 두 가지가 어떻게 연결되고, 이를 통해 소비자의 신뢰를 확보하느냐가 중요해질 것입니다. . 따라서 개별 유통기업의 AI 에이전트와 범용 AI 에이전트가 서로 연결되는 방향으로 진화할 것입니다.”
|
Q8. 교수님 말씀대로 향후 판매기업과 물류기업의 AI 에이전트가 서로 연결되려면 기업들은 무엇부터 준비해야 할까요?
먼저 기업 내부 업무를 디지털화하는 작업이 우선돼야 합니다. 현재 기업들의 디지털화 수준을 인체에 비유하면 큰 동맥은 연결돼 있지만 모세혈관까지 연결되지는 않은 상태라고 볼 수 있습니다. ERP처럼 기업의 주요 업무를 관리하는 시스템은 이미 자동화돼 있지만, 현장에서 매일 발생하는 세부 업무에는 여전히 아날로그 방식이 남아 있습니다.
AI 에이전트는 바로 이런 영역을 바꿀 수 있습니다. 개별 조직과 업무에 맞는 에이전트가 개발되면 지금까지 소프트웨어로 처리하지 못했던 세부 업무까지 자동화할 수 있게 되죠. 전문적인 개발 역량을 갖추지 않아도 중소기업이 자체적으로 업무용 AI 에이전트를 개발할 수 있는 시대가 되고 있습니다.
저는 이러한 변화가 단계적으로 진행될 것으로 봅니다. 먼저 기업 내부의 업무별 AI 에이전트가 도입되고, 이들이 서로 연결된 뒤 기업 간 에이전트의 연결로 확대되는 것이죠. 물론 기업 입장에서 자사 정보를 외부에 공개하는 데는 위험이 따르기 때문에 초기에는 정보 공유에 신중할 수밖에 없습니다. 하지만 기업 내부에 AI 에이전트가 널리 도입되고, 다른 기업과의 연결이 경제적으로 유리해진다면 정보를 공유할 수 있는 영역부터 기업 간 협력이 시작될 것으로 봅니다.
“AI 도입의 진정한 효과는 비용절감 아닌 '매출 향상' ”
Q9. AI 에이전트 시대에 물류기업들의 인력운용은 어떤 방향으로 가야 할까요?
단기적으로는 AI 도입에 맞춰 인력 운영을 효율화하고, 기존 직원들의 재교육을 통해 생산성을 높이는 데 집중해야 할 것입니다. AI 코딩과 AI 에이전트가 기존 업무를 상당 부분 대신할 수 있기 때문이죠. 하지만 저는 AI 도입의 효과가 비용 절감에 머물지 않고 매출 확대로 이어질 것이라고 생각합니다.
실제 DHL 글로벌 포워딩 사례에서도 AI 도입 이후 견적 성공률이 높아지는 성과가 나타났습니다. 기업들이 AI를 활용해 내부 업무의 효율을 높이고 나면, 다음에는 사업 영역을 어디까지 넓힐 수 있을지 고민하게 될 겁니다. 운송사업을 하던 기업이 창고 운영으로 진출하거나, 반대로 창고 운영기업이 운송사업까지 확대하는 식이죠. 과거에는 물류기업이 자체 IT 개발 역량을 확보하기 어려웠지만, AI 코딩과 새로운 개발 방식의 확산으로 그 한계가 낮아지고 있습니다. 높아진 개발 생산성을 내부 업무 개선뿐 아니라 새로운 서비스와 사업을 만드는 데 활용할 수 있게 된 것입니다.
따라서 경영진은 기존 직원들의 AI 역량을 높이는 동시에, 앞으로 어떤 사업을 추진하고 어떤 인재를 확보해 어디에 배치할 것인지 준비해야 합니다. 저는 장기적으로 AI를 통한 사업 확장이 새로운 인력 수요를 만들어낼 것으로 보고 있습니다.
Q10. AI 에이전트 시대에는 대학의 교육방식도 크게 달라질 것 같습니다. 앞으로 대학 교육은 어떤 방향으로 변화해야 할까요?
대학 교육도 많이 달라지고 있습니다.
저는 앞으로 대학 교육이 크게 두 가지 방향으로 진행될 것이라고 봅니다. 하나는 기본 개념과 이론을 깊이 있게 가르치는 주입식 교육이고, 다른 하나는 배운 내용을 실제 문제에 적용하는 실증 프로젝트입니다. 역설적이게도, AI 시대에는 주입식 교육이 더욱 중요해집니다. 과거에는 복잡한 이론을 가르쳐도 학생들이 직접 구현하기 어렵고 기업에서도 활용할 일이 많지 않았습니다. 하지만 이제는 복잡한 일들은 AI가 구현하는 시대입니다. 중요한 것은 AI에게 지시하려면 사람이 먼저 그 내용을 알아야 한다는 것이죠. 해당 분야에 대한 지식과 이해가 없으면 AI를 제대로 활용하기도 어렵습니다.
기본 개념을 충분히 익힌 다음에는 실제 사례를 바탕으로 프로젝트를 수행하도록 해야 합니다. 예를 들어 물류 분야라면 학생들이 직접 창고관리시스템(WMS)을 만들어보는 식입니다. 주입식 교육이 앞부분에서 큰 방향을 끌고, 실험이 그것을 내재화시켜 주는 것이죠. 앞으로 이 두 가지가 대학 교육의 중심이 돼야 한다고 생각합니다. 이 과정에서는 교수의 역할이 더욱 중요해질 것입니다. 실증 프로젝트를 지도하려면 교수 자신이 해당 분야를 깊이 이해하고 실제 문제를 해결할 수 있어야 하기 때문이죠. 그래서 저는 AI 시대에 오히려 도제식 교육이 중요해졌다고 생각합니다. 과거 제자가 스승의 지식과 기술을 반복적으로 익히며 전문성을 쌓았듯이, 오늘날 대학에서도 학생들이 교수의 지식과 현장 경험을 배우고 실제 문제를 해결하면서 역량을 키워야 합니다.
ⓒ Retail Talk
1. 리테일톡에 게재된 모든 콘텐츠에 대한 저작권은 리테일톡과 콘텐츠 제휴사에 있습니다.
2. 리테일톡은 유통업계의 다양한 관점을 공유하기 위해 외부 전문가 기고를 게재하며, 외부 필진의 원고 내용은 리테일톡의 편집 방향 및 공식 입장과 다를 수 있습니다.
3. 무단복제와 무단전재를 금합니다.
진행·사진 : 윤은영 리테일트렌드랩 소장
“AI 에이전트, 단절된 정보 연결해
투명성 높일 것”
스스로 판단하고 실행하는 AI 에이전트의 등장은 소비자의 쇼핑 방식뿐 아니라 상품의 주문 처리부터 재고 관리, 배송에 이르기까지 물류산업 전반에도 큰 변화를 가져올 것으로 예상됩니다. 앞으로는 자사에 맞게 AI 에이전트를 도입하고 이를 통해 물류 현장의 운영 효율을 얼마나 높이느냐가 기업 경쟁력을 좌우할 수 있다는 전망도 나오고 있는데요.
인천대학교 동북아물류대학원 송상화 교수를 만나 AI 에이전트 도입이 물류산업에 가져올 변화와 AI 시대에 물류기업들이 갖춰야 할 경쟁력에 대해 이야기를 나눴습니다.
* 본 내용은 대한상공회의소 유통물류진흥원이 주최한 물류위원회에서 송상화 교수가 발표한 ‘AI 에이전트가 바꾸는 물류의 미래’와 별도로 진행한 추가 인터뷰 내용을 종합해 작성했습니다.
AI 에이전트는 비유하자면 AI에 손과 발이 달린 것과 같습니다. 기존 생성형 AI가 질문에 답하고 정보를 제공하는 역할을 했다면, AI 에이전트는 데이터베이스와 업무 시스템에 직접 접근해 필요한 정보를 찾고, 상황을 판단해 실제 업무까지 수행하죠.
물류산업에서 AI 에이전트의 등장이 특히 중요한 이유는 다수의 기업과 참여자가 연결돼 있기 때문입니다. 제조업은 한 기업이 원자재 조달부터 생산까지 수직계열화할 수 있지만, 물류는 화주와 운송사, 창고 운영사 등 여러 기업이 협력해야 하는 산업이죠. 이 과정에서 화물은 기업 간 경계를 넘어 움직이지만, 정작 정보의 흐름과 의사결정은 단절되는 경우가 많습니다. 개별 기업이 아무리 내부 시스템을 고도화해도 기업 간 연결이 원활하지 않으면 전체 물류 효율을 높이는 데 한계가 있을 수밖에 없습니다.
바로 이러한 정보와 의사결정의 단절 문제를 해결하는 데 AI 에이전트가 돌파구가 될 수 있을 것입니다. 예를 들어 특정 날짜에 부산에서 출발해 미국 LA에 도착하는 컨테이너 운송을 예약할 경우 지금까지는 담당자가 여러 운송사의 일정과 운임, 운송 조건을 일일이 확인하고 비교해야 했다면, 앞으로는 AI 에이전트가 각 시스템에 접근해 필요한 정보를 수집하고 조건을 비교한 뒤 가장 최적의 조건으로 예약까지 처리할 수 있게 되는 것입니다.
한편, 물류 현장에서는 피지컬 AI의 역할이 더욱 중요해질 것입니다. 제조업은 정형화된 공정을 반복하는 경우가 많지만, 물류는 매일 고객과 취급 물품, 주문 구성이 달라지기 때문에 이러한 변화에 유연하게 대응할 수 있어야 합니다. 앞으로는 AI가 휴머노이드를 비롯한 다양한 종류의 로봇과 자동화 설비를 유기적으로 연동하고 통합 관제하면서 변화하는 물류 수요에 신속하게 대응하는 방향으로 발전할 것으로 예상합니다.
글로벌 물류기업들은 이미 다양한 업무에 AI 에이전트를 도입해 성과를 내고 있습니다.
미국의 글로벌 물류기업 C.H. 로빈슨(C.H. Robinson)은 AI 에이전트를 활용해 운송 견적 생성과 주문 처리를 자동화했고, 그 결과, 기존에 최대 4시간 걸리던 이메일 운송 주문 처리 시간을 90초로 단축했습니다. 페덱스는 AI를 활용해 통관 업무를 자동화했습니다. 통관 과정에서 품목분류(HTS)가 잘못돼 통관이 지연되는 경우가 잦은데 페덱스는 AI가 상품정보를 분석해 적합한 품목분류 코드를 추천하게 함으로써 통관 서류의 오류를 줄이고 업무 처리 속도를 높이고 있습니다.
DHL의 사례는 특히 흥미롭습니다. DHL은 AI 기업 해피로봇(HappyRobot)과 협력해 전화 통화까지 수행하는 AI 에이전트를 도입했습니다. AI 에이전트가 운송사에 직접 전화를 걸어 화물의 픽업 및 배송 예정시간을 확인하고, 수집한 정보를 운송관리시스템(TMS)에 실시간으로 반영합니다. 기존에 직원들이 일일이 전화해 운송 상황을 확인하고 시스템에 입력하던 업무를 AI가 대신하는 것이죠. DHL 글로벌 포워딩(DHL Global Forwarding)은 이메일로 접수한 운송 요청을 분석해 견적을 작성하는 업무에도 AI를 활용하고 있습니다. 기존에 약 30분 걸리던 작업을 수초 만에 처리하고, 견적 성공률도 10% 이상 높였다고 합니다. 이메일과 첨부 문서에서 예약 정보를 추출해 데이터로 변환하는 업무도 자동화하면서 관련 업무의 생산성을 40% 높였습니다.
이처럼 글로벌 물류기업들은 운송 주문과 견적 작성, 통관, 배송 관리 등 다양한 업무에 AI 에이전트를 적용해 업무 처리시간 단축과 생산성 향상이라는 구체적인 성과를 거두고 있습니다.
바로 그 부분이 제가 강조하고 싶은 대목입니다.
과거에는 이런 기술을 접하면 막대한 투자 여력을 갖춘 글로벌 대기업들만 도입할 수 있다고 생각했을 것입니다. 하지만 지금은 상황이 달라졌습니다. 중소 물류기업들도 AI 에이전트를 활용해 필요한 시스템을 직접 개발하고 업무에 적용할 수 있는 시대가 된 것이죠. 실제로 제 주변에서도 소규모 포워딩 기업(화주를 대신해 화물 운송을 주선하고 관리하는 물류기업)들이 AI 에이전트를 활용해 자체 업무 시스템을 구축하고 운영하는 사례를 볼 수 있습니다.
과거에는 글로벌 기업이 새로운 시스템을 개발하면 글로벌 소프트웨어 업체들이 이를 상용화해 전 세계 기업들에게 공급했습니다. 국내 중소기업들이 해당 시스템을 도입하기까지는 상당한 시간과 비용이 필요했죠.
하지만 AI 에이전트가 이러한 구조를 근본적으로 바꿀 것입니다. 예를 들어 글로벌 선도기업의 AI 활용 사례를 소개한 기사를 챗GPT에 입력하고 비슷한 시스템을 만들어 달라고 요청하면, 짧은 시간 안에 상당 부분을 구현할 수 있습니다. 제가 테스트해 보니 10분 만에 실제 시스템의 기능을 약 80%까지 구현할 수 있는 수준입니다.
이렇듯 과거에는 전문 개발인력과 상당한 투자비가 필요했던 시스템을 이제 중소기업도 직접 개발하고 활용할 수 있게 된 것이죠. 현장 직원들도 필요한 시스템을 직접 만들 수 있게 되면서 물류 기업의 업무 방식에도 상당한 변화가 나타날 것으로 봅니다.
자료 : 각사 발표자료
AI 에이전트가 소비자의 쇼핑 방식을 상당 부분 바꾸겠지만, 소비자가 직접 상품을 고르고 구매를 결정하는 방식도 여전히 유지될 것입니다. 이커머스가 아무리 성장해도 오프라인 채널이 일정한 시장 규모를 유지하듯, 소비자의 구매 행동은 매우 다양한 패턴으로 나타나기 때문입니다.
유통기업마다 강점을 가진 영역도 다릅니다. 어떤 기업은 상품을 선별하는 MD 역량이 뛰어나고, 어떤 기업은 차별화된 상품의 가치를 전달하는 스토리텔링에 경쟁력이 있습니다. 오프라인 매장 역시 직접 상품을 살펴보고 구매하는 고유의 쇼핑 경험을 제공하죠. 이렇듯 각 기업이 제공하는 가치가 서로 다르기 때문에 구매 목적과 상황에 따라 소비자가 이용하는 채널이 달라집니다.
또한 쇼핑에는 자신만의 취향과 정체성을 드러내려는 욕구도 담겨 있기 때문에 남들과 다른 상품을 찾거나 자신만의 방식으로 구매하려는 소비자들은 AI 에이전트에 구매를 맡기기보다 직접 상품을 탐색하고 선택하는 방식을 선호할 수 있습니다. 따라서 AI 에이전트가 기존 쇼핑 방식을 대체하는 범위에는 한계가 있을 것입니다.
저는 향후 AI 에이전트를 통한 구매가 이커머스 시장의 약 30%를 차지할 것으로 예상합니다. 그렇다면 중요한 것은 그 30%가 어떤 상품군에서 발생하느냐입니다. 가장 먼저 변화가 나타날 영역은 식료품이나 생필품처럼 구매 빈도가 높고 반복 구매가 이루어지는 저관여 상품일 것입니다.
Q5. 에이전틱 커머스 확대를 위한 중요한 요소는 무엇일까요?
가장 중요한 것은 소비자의 ‘신뢰(Trust)’를 확보하는 것입니다. 많은 소비자가 아마존에서 상품을 구매할 때 매번 가격을 비교하지는 않습니다. 반복적인 구매 경험을 통해 해당 채널에 대한 신뢰가 쌓였기 때문입니다. 여러 차례 이용하면서 가격이 합리적이고 배송에도 문제가 없다는 사실을 확인하면 굳이 구매할 때마다 다른 곳을 찾아볼 필요가 없어지는 것이죠.
AI 에이전트도 마찬가지입니다. 이용해보니 편리하고, 가격도 적절하며, 상품도 문제없이 도착하는 경험이 반복되면 신뢰가 형성되고 지속적으로 구매를 위임하게 되겠죠. 특히 식료품이나 생필품처럼 구매 빈도가 높은 저관여 상품은 이러한 신뢰가 형성되기 상대적으로 쉽습니다.
반면 냉장고나 텔레비전처럼 가격대가 높고 구매 주기가 긴 상품은 충분한 구매 경험이 쌓이지 않기 때문에 신뢰를 확보하기가 어렵겠죠. 이런 상품군은 다양한 정보를 검색하고 비교할 수 있는 서비스가 여전히 강점을 발휘할 수 있을 것입니다.
저는 개별 유통기업의 AI 에이전트와 범용 AI 에이전트가 서로 연결되는 방향으로 발전할 것이라고 봅니다.
에이전틱 커머스에서 가장 중요한 요소 중 하나가 '맥락(Context)'입니다. AI가 소비자를 정확히 이해하려면 구매 이력뿐 아니라 그 사람의 상황과 구매 목적까지 파악해야 합니다. 유통기업은 자사 플랫폼에서 발생한 구매 기록과 상품정보를 갖고 있습니다. 하지만 구매 기록만으로는 소비자가 어떤 상황에서, 누구를 위해 상품을 구매했는지 알기 어렵습니다. 가족이 하나의 쇼핑 계정을 함께 사용하는 경우도 마찬가지입니다. 부모와 자녀의 구매 이력이 섞여 있다면 그 데이터를 바탕으로 한 추천이 개인의 취향과 일치하지 않을 수 있죠. 하지만, 유통기업의 AI 에이전트는 분명한 강점이 있습니다. 자사에서 판매하는 상품과 서비스를 잘 알고 있다는 점입니다.
반면, 소비자가 평소 다양한 주제로 대화하는 범용 AI는 대화 과정에서 그 사람의 관심사와 상황에 대한 맥락을 축적할 수 있다는 장점이 있지만, 상품과 판매 서비스를 직접 운영하지도, 물류 인프라를 갖추고 있지도 않죠. 그래서 저는 미래에 소비자 개인의 AI 에이전트와 유통기업의 AI 에이전트가 서로 정보를 교환하고 협의하는 방식이 나타날 것으로 예상합니다. 미국 월마트처럼 유통기업들은 자체 에이전트를 개발하는 한편, 외부 AI와 협력하는 방식도 선택하게 될 것입니다. 그 과정에서 주도권을 둘러싼 경쟁도 나타나겠죠.
소비자를 이해하는 능력과 실제 상품을 공급하는 능력은 서로 다른 경쟁력입니다. 앞으로는 이 두 가지가 어떻게 연결되고, 이를 통해 소비자의 신뢰를 확보하느냐가 중요해질 것입니다.
소비자가 상품을 구매하는 과정과 판매기업이 상품을 판매하는 과정은 구분해서 봐야 합니다. AI가 소비자를 대신해 상품을 탐색하고 구매하는 과정이 프론트엔드(Front-end) 영역이라면, 상품 매입과 판매 준비, 재고 관리, 주문 처리 및 출고 등 판매기업의 운영 업무는 백엔드(Back-end) 영역에 해당합니다.
앞으로는 이러한 백엔드 영역에도 AI 에이전트 도입이 빠르게 확산될 것으로 예상하는데요. 소비자 접점의 AI 에이전트와 판매기업의 운영 에이전트가 서로 연결되면서 물류 운영의 투명성이 더욱 향상될 것으로 봅니다. 물론 지금도 상품 구입 후 배송 상황을 조회할 수 있지만, AI 에이전트가 연결되면 모든 물류 과정이 실시간으로 공유되면서 정보의 정확성과 투명성이 높아질 것입니다.
저는 이것이 단순한 운영 효율의 문제가 아니라 생존의 문제라고 생각합니다. 소비자의 AI 에이전트가 배송 상황을 확인하려는데 물류단에 필요한 정보가 없거나 실제 상황과 다르다면 앞에서 언급했듯이 중요한 '신뢰'를 얻기 힘들 것입니다.
이미 국내의 선도 물류기업들은 상당한 수준의 정보 관리 체계를 갖추고 있습니다. 반면 그렇지 못한 기업들은 변화가 불가피할 것입니다.

“소비자를 이해하는 능력과 실제 상품을 공급하는 능력은 서로 다른 경쟁력입니다.앞으로는 이 두 가지가 어떻게 연결되고, 이를 통해 소비자의 신뢰를 확보하느냐가 중요해질 것입니다. .
따라서 개별 유통기업의 AI 에이전트와 범용 AI 에이전트가 서로 연결되는 방향으로 진화할 것입니다.”
먼저 기업 내부 업무를 디지털화하는 작업이 우선돼야 합니다. 현재 기업들의 디지털화 수준을 인체에 비유하면 큰 동맥은 연결돼 있지만 모세혈관까지 연결되지는 않은 상태라고 볼 수 있습니다. ERP처럼 기업의 주요 업무를 관리하는 시스템은 이미 자동화돼 있지만, 현장에서 매일 발생하는 세부 업무에는 여전히 아날로그 방식이 남아 있습니다.
AI 에이전트는 바로 이런 영역을 바꿀 수 있습니다. 개별 조직과 업무에 맞는 에이전트가 개발되면 지금까지 소프트웨어로 처리하지 못했던 세부 업무까지 자동화할 수 있게 되죠. 전문적인 개발 역량을 갖추지 않아도 중소기업이 자체적으로 업무용 AI 에이전트를 개발할 수 있는 시대가 되고 있습니다.
저는 이러한 변화가 단계적으로 진행될 것으로 봅니다. 먼저 기업 내부의 업무별 AI 에이전트가 도입되고, 이들이 서로 연결된 뒤 기업 간 에이전트의 연결로 확대되는 것이죠. 물론 기업 입장에서 자사 정보를 외부에 공개하는 데는 위험이 따르기 때문에 초기에는 정보 공유에 신중할 수밖에 없습니다. 하지만 기업 내부에 AI 에이전트가 널리 도입되고, 다른 기업과의 연결이 경제적으로 유리해진다면 정보를 공유할 수 있는 영역부터 기업 간 협력이 시작될 것으로 봅니다.
단기적으로는 AI 도입에 맞춰 인력 운영을 효율화하고, 기존 직원들의 재교육을 통해 생산성을 높이는 데 집중해야 할 것입니다. AI 코딩과 AI 에이전트가 기존 업무를 상당 부분 대신할 수 있기 때문이죠. 하지만 저는 AI 도입의 효과가 비용 절감에 머물지 않고 매출 확대로 이어질 것이라고 생각합니다.
실제 DHL 글로벌 포워딩 사례에서도 AI 도입 이후 견적 성공률이 높아지는 성과가 나타났습니다. 기업들이 AI를 활용해 내부 업무의 효율을 높이고 나면, 다음에는 사업 영역을 어디까지 넓힐 수 있을지 고민하게 될 겁니다. 운송사업을 하던 기업이 창고 운영으로 진출하거나, 반대로 창고 운영기업이 운송사업까지 확대하는 식이죠. 과거에는 물류기업이 자체 IT 개발 역량을 확보하기 어려웠지만, AI 코딩과 새로운 개발 방식의 확산으로 그 한계가 낮아지고 있습니다. 높아진 개발 생산성을 내부 업무 개선뿐 아니라 새로운 서비스와 사업을 만드는 데 활용할 수 있게 된 것입니다.
따라서 경영진은 기존 직원들의 AI 역량을 높이는 동시에, 앞으로 어떤 사업을 추진하고 어떤 인재를 확보해 어디에 배치할 것인지 준비해야 합니다. 저는 장기적으로 AI를 통한 사업 확장이 새로운 인력 수요를 만들어낼 것으로 보고 있습니다.
대학 교육도 많이 달라지고 있습니다.
저는 앞으로 대학 교육이 크게 두 가지 방향으로 진행될 것이라고 봅니다. 하나는 기본 개념과 이론을 깊이 있게 가르치는 주입식 교육이고, 다른 하나는 배운 내용을 실제 문제에 적용하는 실증 프로젝트입니다. 역설적이게도, AI 시대에는 주입식 교육이 더욱 중요해집니다. 과거에는 복잡한 이론을 가르쳐도 학생들이 직접 구현하기 어렵고 기업에서도 활용할 일이 많지 않았습니다. 하지만 이제는 복잡한 일들은 AI가 구현하는 시대입니다. 중요한 것은 AI에게 지시하려면 사람이 먼저 그 내용을 알아야 한다는 것이죠. 해당 분야에 대한 지식과 이해가 없으면 AI를 제대로 활용하기도 어렵습니다.
기본 개념을 충분히 익힌 다음에는 실제 사례를 바탕으로 프로젝트를 수행하도록 해야 합니다. 예를 들어 물류 분야라면 학생들이 직접 창고관리시스템(WMS)을 만들어보는 식입니다. 주입식 교육이 앞부분에서 큰 방향을 끌고, 실험이 그것을 내재화시켜 주는 것이죠. 앞으로 이 두 가지가 대학 교육의 중심이 돼야 한다고 생각합니다. 이 과정에서는 교수의 역할이 더욱 중요해질 것입니다. 실증 프로젝트를 지도하려면 교수 자신이 해당 분야를 깊이 이해하고 실제 문제를 해결할 수 있어야 하기 때문이죠. 그래서 저는 AI 시대에 오히려 도제식 교육이 중요해졌다고 생각합니다. 과거 제자가 스승의 지식과 기술을 반복적으로 익히며 전문성을 쌓았듯이, 오늘날 대학에서도 학생들이 교수의 지식과 현장 경험을 배우고 실제 문제를 해결하면서 역량을 키워야 합니다.
ⓒ Retail Talk
1. 리테일톡에 게재된 모든 콘텐츠에 대한 저작권은 리테일톡과 콘텐츠 제휴사에 있습니다.
2. 리테일톡은 유통업계의 다양한 관점을 공유하기 위해 외부 전문가 기고를 게재하며, 외부 필진의 원고 내용은 리테일톡의 편집 방향 및 공식 입장과 다를 수 있습니다.
3. 무단복제와 무단전재를 금합니다.