🤖 Chat GPT가 물류에도 적용될까?

뉴스, 주식 그리고 테크놀로지에 관심이 있으신 분들이라면 ChatGPT에 대해서 한 번쯤은 들어보셨죠? 과연 ChatGPT가 무엇이길래 전 세계적으로 붐이 되고 있는지, ChatGPT로 대표되는 생성형 AI가 교통, 폐기물 등 물류 산업에 어떻게 적용될 수 있을지 함께 알아볼까요? Go Go 👉

오픈AI가 만들어 작년 11월 공개한 ChatGPT는 이용자와 실시간으로 대화가 가능한 AI 챗봇이에요. ChatGPT가 전 세계적인 돌풍🌪️을 일으키고 있는 까닭은 바로 이용자의 질문을 이해하고 실시간으로 응답하기 때문인데요. 일련의 단어에서 다음 단어를 예측 가능한 대형 언어 모델(LLMl)과 함께 휴먼 피드백으로 강화학습을 하는 인간 피드백형 강화 모델(RLHF)을 도입했기에 똑똑한 챗봇이 탄생한거죠 🗣️ 

이미지, 카피라이팅 등무궁무진하게 활용되고 있는 생성형 AI, 과연 물류 산업에는 어떻게 적용될 수 있을까요? 고객 응대에 챗봇을 도입하는 것 이외에는 별다른 아이디어가 떠오르지 않으셨다면, 생성형 AI의 대표주자 ChatGPT에 생성형 AI가 물류 산업에 미칠 영향에 관해 물어볼까요? 🧐

ChatGPT에 생성형 AI가 물류 산업에 미칠 영향에 관해 물어봤더니, 위와 같이 대답했어요. ChatGPT가 간략하게 설명한 내용에 VUS가 살을 붙여 더 쉽게 설명해드릴게요. 

생성형 AI는 배달지, 교통 패턴, 기상 예보 등 배달 경로와 스케줄을 최적화할 수 있는 수많은 양의 데이터를 보유하고 학습할 수 있어요. 생성형 AI가 이런 데이터들을 유기적으로 조합한다면, 배달 시간을 단축하는 경로를 실시간으로 찾고 효율적인 차량 운행 스케줄을 세팅해, 비용 절감및 고객 만족도까지 높일 수 있겠죠!

물류 장비에 센서를 설치한다면, 생성형 AI가 센서 데이터를 분석해 유지보수 시기를 예측할 수 있어요. 생성형 AI가 보유하고 있는 데이터를 기반으로 물류 장비의 마모 주기를 파악해  장비의 수명을 연장하고 설비가 멈춰버리는 다운타임을 방지할 수 있고, 아직 사용할 수 있는 멀쩡한 장비를 교체 시기보다 일찍 교체해 비용이 낭비되는 걸 역으로 방지할 수도 있을 거예요.

데이터를 분석하고 유사 사례를 참고해 예측까지 하는 생성형 AI는, 고객의 수요를 예측하고 적정 재고 수준이 얼마일지 최적화하며 공급망의 잠재적 중단까지 식별할 수 있어요. 쿠팡이 이미 도입한 고객 수요에 따른 자동 가격 조정 및 로봇 발주 시스템처럼요. 생성형 AI를 물류 산업에 도입한다면 글로벌 공급망의 복잡한 물류를 관리하는 데 도움을 줄 수 있겠죠.

생성형 AI를 활용한다면 고객 데이터, 창고 데이터, 교통 및 날씨 데이터 등 다양한 소스의 데이터를 분석해 미래의 수요를 예측할 수 있어요. 데이터 분석과 추론을 기반으로 미래의 잠재 수요를 예측하고 공급망의 비효율성을 파악한다면, 물류 기업들은 데이터 기반의 의사결정을 내리는 데 큰 도움을 받게 될 거예요.

물류 산업에 있어 병목을 만드는 지점 중 하나가 바로 수기 작업이죠. AI를 활용한다면 인보이스 발행, 데이터 입력, 문서화와 같은 반복적인 작업을 자동화할 수 있어요. 사람이 붙어서 직접 수작업하는 데 들어갔던 인건비를 줄일 수 있고, 사람이 하는 일이니 발생했던 실수를 줄여 정확도를 향상할 수 있어요.

ChatGPT가 답변한 "생성형 AI가 물류 산업에 미칠 영향과 잠재성", 어떠셨나요? VUS 뉴스레터 지기는 깜짝 놀랐는데요 😲 질문한 지 5초도 안 되어 줄 줄 답변이 타이핑되는 것부터, 질문한 의도를 정확하게 파악하고 얇고 넓지만 얼추 맞는 답변을 했다는 부분이 놀라웠어요. 또한 단순히 정보를 알려주는 것뿐만 아니라 위험성, 더 알아야 할 심화 정보까지 알려주는 마지막 문단 역시 인상 깊었는데, 여러분들도 꼭 한 번 읽어보시길 바라요 🙌 

VUS 역시 생성형 AI가 상용화 되는 과정을 격하게 환영하고 있는데요 🙌  생성형 AI는 '데이터가 충분치 않더라도 결과값을 낼 수 있기 때문'이에요. 기존 AI 기술은 Input 데이터를 충분히 제공해야 AI가 분석해 원하는 Output을 만들어낼 수 있었는데요. 대중교통 취약 지역에 이동의 자유를 불어넣기 위해 힘써온 VUS가 겪었던 어려운 일 중 하나는 데이터 자체가 없는 경우가 많다는 거에요. 비수도권 지방의 경우 아직도 버스 노선, 정류장 ID, 운행 시간 등의 데이터가 수기 관리되어 디지털화된 데이터가 훼손되었거나 아예 없는 경우가 많아요. 또한 노선, 정류장, 배차 등 실제 운행에서는 변경된 정보가 데이터 셋에는 업데이트 되지 않은 경우가 다반사라 현 상태를 정확하게 진단하기 어려웠죠🥶

VUS는 대중교통 분야의 문제 해결을 위해 쌓아온 경험과 역량을 바탕으로 물류, 폐기물 등 타 영역으로 솔루션을 확장하여 탁월한 성과를 내기 위해 노력하고 있는데요! VUS의 솔루션에 생성형 AI를 접목한다면 기존에 부족했던 데이터의 한계를 극복하리라 기대하고 있어요💪 생성형 AI가 인구・연령・성별・주요 POI(학교, 병원, 공공기관, 건물구조 등)를 유사한 사례를 통해 추측하고, 이를 통해 사람들의 동선・이동량・교통량 등을 예측해 운행 경로를 최적화한다면?😎 온디맨드 대중교통 솔루션 뿐만 아니라 물류/폐기물 솔루션 구현에 한 발짝 다가갈 수 있을 것 같죠!

생성형 AI가 열어갈 새로운 스마트 물류 시대, 너무너무 기대되지만요! 물류 산업에는 생성형 AI 도입보다 먼저 진행해야 할 사업 전반의 '디지털 전환'이라는 크나큰 숙제가 있어요. 지난 4/5 열린 컨퍼런스 [챗GPT, 생성형 AI는 어떻게 '물류'에 스며들까?] 에서도 비슷한 의견들이 많이 나왔기에 함께 살펴볼게요.

이코노믹 리뷰 최진홍 기자의 기사를 보면, 컨퍼런스에서 진행된 발표와 토론에서 공통적으로 '물류에서 급한 것은 AI가 아니라 디지털 전환이다'라는 이야기가 나왔어요. 아직 물류 현장에서 생성형 AI를 도입해도 할 수 있는 것이 많지 않고, 그보다 먼저 "양질의 데이터를 확보하는 것이 중요하다"는 건데요. 콜센터 등 정형화된 업무에는 AI를 도입한다 하더라도, 물류의 핵심 업무인 재고 관리, 분류, 배차 등등에는 AI를 도입할 만한 인프라나 데이터 자체가 없는 상황이라는 거죠. 생성형 AI가 발달하는 속도만큼 우리나라 물류의 디지털 전환 역시 가속화되도록 VUS도 함께 하겠습니다 👊 

지난 3월 31일 브이유에스는 3개월 동안 진행된 한국투자액셀러레이터 바른동행 2기 여정을 마치는 데모데이에 참석했답니다🙌 브이유에스는 22년 12월 바른동행 2기로 선정돼 프리 시리즈 A 투자를 받았는데요. 데모데이에서는 투자 이후 성장 결과와 폐기물 수거 경로 예측 솔루션에 대해 발표했습니다. 브이유에스의 솔루션에 많은 관심을 보여주신 외부 투자자분들과 질의응답을 하며 앞으로 더 부르릉 열심히 달려야겠다는 의지를 불태우고 왔답니다🔥 모빌리티와 물류를 혁신할 브이유에스의 솔루션, 앞으로도 많.관.부❤️

이번 VUS 뉴스레터는 어떠셨는지 피드백도 받고 있어요. 오늘 보내드린 뉴스레터가 마음에 드셨다면, 혹 아쉬우셨다면 아래 표정을 눌러 알려주세요!

주변 지인에게 VUS 뉴스레터를 소개하고 싶으신가요? 그렇다면 아래 링크를 전달해 보세요!