Q1. 물류에도 AI 도입이 빠르게 늘고 있습니다. 다만 실제 업무 방식의 변화로 이어지기는 쉽지 않다는 지적도 나옵니다. 무엇이 가장 큰 걸림돌이라고 보십니까?
AI를 실제 업무에 적용할 환경이 아직 충분히 갖춰지지 않은 것이 가장 큰 문제라고 생각합니다. 물류는 화주, 포워더, 선사, 항만, 터미널, 내륙운송사가 하나의 공급망을 함께 움직이는 산업입니다. 참여자마다 사용하는 시스템이 다르고 정보도 여러 곳에 나뉘어 있어, 필요한 데이터를 연결하고 AI가 내놓은 결과를 기존 업무 흐름 안에서 활용하는 것부터 쉽지 않습니다.
가트너(Gartner)가 지난 4월 발표한 조사에서도 이런 문제가 확인됩니다. 2025년 10월부터 11월까지 연매출 2억 5,000만 달러 이상 기업의 공급망 최고책임자 140명을 조사한 결과, 56%가 AI를 기존 시스템과 프로세스에 통합하는 것을 주요 과제로 꼽았습니다. AI에 대한 관심이나 기술의 가능성보다, 이를 기존 업무 안에 어떻게 안착시킬 것인가가 더 큰 과제가 되고 있는 것입니다.
물류에서는 이 부분이 특히 중요합니다. ETA 하나만 보더라도 담당자가 원하는 것은 단순히 새로운 예측값 하나를 받는 것이 아닙니다. 그 정보를 바탕으로 입고 일정을 언제 잡을지, 창고와 차량을 언제 준비할지, 고객에게 어느 시점을 기준으로 납기를 안내할지 판단해야 합니다. AI의 결과가 이런 실제 의사결정과 연결돼야 비로소 업무에서 활용할 수 있는 정보가 됩니다.
트레드링스가 올해 출시한 AI-ETA도 이 점에 초점을 맞췄습니다. 기존 선사 ETA처럼 하나의 도착 시각만 제시하는 것이 아니라, 빠른 도착부터 기준 도착, 지연 도착까지 가능한 범위와 확률을 함께 제공합니다. 담당자는 하나의 날짜에 모든 계획을 맞추는 대신, 업무 상황에 따라 필요한 기준을 선택할 수 있습니다.
예를 들어 생산과 입고 일정은 기준이 되는 도착 시점을 중심으로 계획하고, 창고나 야드 슬롯을 준비할 때는 24시간 내 도착 확률을 참고할 수 있습니다. 납기처럼 보다 보수적인 판단이 필요한 경우에는 지연 가능성까지 고려할 수 있고, 포워더는 지연 위험이 높아진 화물을 먼저 확인해 고객 문의가 들어오기 전에 대응할 수 있습니다.
예측 성능도 실제 데이터를 통해 검증했습니다. 2026년 3월까지 실제 도착이 확인된 50만 8,055건을 기준으로 비교한 결과, AI-ETA는 선사 ETA 대비 평균 예측 오차를 31.4% 낮췄습니다. 특히 창고나 차량, 작업 인력의 준비가 시작되는 도착 임박 단계에서는 예측 시각 기준 ±24시간 안에 실제 도착한 비율이 92.5%로 나타났습니다.
앞으로 물류 AI의 경쟁력은 얼마나 많은 기능을 갖췄느냐보다, AI가 만든 정보를 실제 업무의 판단과 실행에 얼마나 잘 연결할 수 있느냐에서 결정될 것입니다. 실무자가 AI의 결과를 바탕으로 더 일찍 준비하고 계획을 더 빠르게 조정할 수 있을 때, 물류 현장에서 체감하는 변화도 본격적으로 나타날 것입니다.
Q2. 트레드링스는 AI가 내놓은 예측에 판단 근거를 함께 제시하는 방향으로 기술을 설계하고 있습니다. 이 부분을 중요하게 보시는 이유가 궁금합니다.
물류에서 예측은 곧 운영 계획과 연결됩니다. AI가 특정 화물이 며칠 늦게 도착할 것으로 예측하면 담당자는 입고와 배차 일정은 물론 고객과 약속한 납기까지 다시 검토해야 합니다. 그런데 AI가 예상 지연 일수만 보여준다면 그 결과를 믿고 여러 계획을 바로 바꾸기는 어렵습니다. 항만 운영 상황이나 선박 운항의 변화, 앞선 운송 구간에서 누적된 지연 가운데 어떤 요인이 예측에 반영됐는지를 알아야 결과가 타당한지 판단할 수 있기 때문입니다.
이런 이유로 트레드링스는 AI의 예측 결과를 물류 실무자의 관점에서 해석할 수 있도록 하는 HPI-AI(Human-Perspective Interpretable AI)를 중요하게 보고 있습니다. 실무자가 AI의 예측을 판단에 활용하려면 어떤 정보가 근거가 됐는지를 아는 것만으로는 충분하지 않습니다. 그 근거가 물류 업무에서 사용하는 판단 기준과 어떻게 연결되는지까지 이해할 수 있어야 합니다. HPI-AI는 실무자의 의사결정 구조를 반영해, 예측과 관련된 요인과 예측 결과의 관계를 이해하기 쉬운 형태로 보여주는 것을 목표로 합니다.
예를 들어 지연 예측의 주요 요인으로 항만 운영 상황이 제시됐다면, 담당자는 구체적으로 어떤 정보가 반영됐고 그 정보가 예측 결과와 어떤 관련이 있는지 확인할 수 있습니다. 이를 바탕으로 예측의 타당성을 검토한 뒤 대체 경로나 납기 조정 여부를 판단할 수 있습니다. 계획을 변경하기로 했다면 AI가 제시한 근거를 바탕으로 내부 조직이나 고객사, 협력사에도 그 이유를 설명할 수 있습니다.
중요한 것은 AI의 설명을 무조건 믿게 만드는 것이 아닙니다. 실무자가 예측의 근거를 자신의 업무 맥락에서 해석하고, 그 결과를 신뢰할 수 있는지 직접 판단하도록 돕는 것입니다. 이런 과정을 거쳐야 AI의 결과가 단순한 정보에 머무르지 않고 실제 대응으로 이어질 수 있습니다.
트레드링스는 이러한 방향을 실제 기술로 구현하기 위한 연구개발도 이어가고 있습니다. 최근 중소벤처기업부와 중소기업기술정보진흥원이 주관하는 ‘스케일업 팁스(Scale-up TIPS) R&D’ 과제에 최종 선정돼, 부산대학교와 한국과학기술원(KAIST)과 함께 연구개발을 진행하고 있습니다. 도착 예측과 지연 사전 탐지, 복합운송 경로 추천 등에 특화된 AI 에이전트가 협업하는 다중 에이전트(Multi-Agent) 시스템을 개발하고 있습니다. 이 시스템에는 HPI-AI 기반의 의사결정 지원 기능을 적용해, AI가 제시한 예측과 추천의 근거를 물류 실무자가 기존의 판단 기준에 따라 해석하고 활용할 수 있도록 할 계획입니다.
저희가 만들고자 하는 AI는 실무자를 대신해 모든 판단을 내리는 AI가 아닙니다. AI가 분석한 결과를 실무자가 현장의 정보와 업무 기준에 맞춰 검토하고, 상황에 맞는 대응을 결정할 수 있도록 돕는 AI입니다. 그럴 때 AI는 또 하나의 확인 대상이 아니라, 실제 의사결정의 파트너로 자리 잡을 것입니다.
Q3. 해외 고객과 파트너가 빠르게 늘고 있습니다. 이 성장세를 이어가기 위한 트레드링스의 글로벌 전략은 무엇입니까?
글로벌 시장을 개척하면서 가장 분명하게 확인한 것은, 지난 10년 이상 국내 물류 현장에서 쌓은 기술과 경험이 해외 시장에서도 유효하다는 점입니다. 다양한 국가에서 고객이 빠르게 늘고 있고, 기존 고객의 추천을 통해 새로운 고객으로 연결되는 사례도 많아지고 있습니다. 최근에는 여러 국가의 현지 기업과 리셀러가 먼저 협업을 제안하는 경우도 늘고 있습니다. 단순히 해외에서 관심을 받는 수준을 넘어, 실제 사용 경험이 또 다른 고객과 파트너로 이어지고 있다는 점에서 트레드링스의 제품과 기술이 글로벌 시장에서도 경쟁력을 갖추고 있다고 판단하고 있습니다.
이에 맞춰 고객을 만나는 방식도 함께 넓히고 있습니다. 본사의 글로벌 영업 조직을 강화하는 한편, 수요가 늘어나는 지역을 중심으로 현지 인력도 채용하고 있습니다. 앞으로는 시장의 반응과 사업 기회를 살펴가며 현지 조직과 파트너 네트워크를 점진적으로 확대해 나갈 계획입니다.
고객과 파트너를 만나는 접점이 넓어질수록 제품을 개선하는 데 필요한 정보도 더 다양하게 쌓입니다. 트레드링스는 여러 시장에서 반복적으로 나타나는 요구와 개선 과제를 파악하고, 이를 제품 개발의 방향과 우선순위를 정하는 데 반영하고 있습니다. 글로벌 사업의 확대가 고객을 늘리는 데서 끝나는 것이 아니라, 제품과 기술을 함께 발전시키는 기반이 되고 있는 셈입니다.
이처럼 트레드링스는 고객과 만나는 지역과 방식을 계속 늘려가고, 현지에서 확인한 요구를 제품과 기술에 빠르게 반영하는 체계를 더욱 강화할 계획입니다. 이를 통해 각 시장에서 실제로 선택받고 지속적으로 사용될 수 있는 경쟁력을 갖춰, 전 세계 기업이 신뢰하는 공급망 기술 기업으로 성장해 나갈 것입니다.
인터뷰 기사 더 보러가기
