ICT 신기술

정보통신기획평가원 13

*

I. 서론

어느덧, 우리들 곁에는 인공지능(Artificial Intelligence: AI) 기술로 구현된 제품과 서비스가 하나 둘씩 자리를 차지하고 있으며, 대표적으로 웨이모 자율주행차, 플라잉카 드론 택시, 기가지니 스피커, 블루봇 챗봇, 지능형 영상인식 엑스 드론, 구글 어시스턴트, 뉴로메카의 협동로봇, 소피아 휴머노이드 로봇 등이 그것이다[1],[4],[16]. 인공지능이라는 말은 1956년에 처음 나왔으나[7], 초기에는 주로 인간의 지식을 룰베이스(rule-based)로 구축하는 전문가 시스템이 주를 이루었다[10]. 이후 컴퓨팅 및 빅데이터 분석 기술의 급진적인 발전으로 기계학습(Machine Learning)의 개념이 도입되고 이를 활용한 AI 기술의 정확도가 높아짐으로써 최근 여러 산업 현장에 적용되면서 다시 관심을 가지게 되었다[15],[24]. 전문가들은 앞으로 AI가 제조업과 서비스업에서 먼저 활발하게 적용되어, 매년 3.5조~5.1조 달러 규모의 경제적 가치를 만들 것으로 전망하고 있는데[2],[25], 특히

* 본 내용은 평택대학교 장희선 교수(☎ 031-659-8283, hsjang@ptu.ac.kr)에게 문의하시기 바랍니다.** 본 내용은 필자의 주관적인 의견이며 IITP의 공식적인 입장이 아님을 밝힙니다.***본 고는 2017년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임

(No.2017R1E1A1A03070134). 그리고 한국폴리텍대학교의 지원을 받음

02chapter

스마트 유통·물류 산업에서의 인공지능 서비스

•••장희선 ‖최기석 ‖ 하정미 ‖

평택대학교 교수

한국외국어대학교 교수

한국폴리텍대학교 교수

ICT 신기술

주간기술동향 2019. 7. 3.

14 www.iitp.kr

McKinsey & Company(맥킨지)사에서 발표한 보고서[26]에서는 AI 도입으로 경제적 파급효과가 7,000조 원에 이를 것으로 내다보고 있다. 그리고 가까운 장래에 전 산업 분야에서 대대적인 혁신적 변화가 이루어질 것으로 예측하고 있으며, 맥킨지는 그 중에서도 유통·소매, 운송·물류, 자동차 산업에서의 경제적 파급효과가 가장 클 것으로 전망하였다[26]. 한편, 우리나라 4차산업혁명위원회의 분석자료에 의하면[2], 4차산업혁명의 혁신적 변화로 인해 도소매와 운수업 분야에서 기존의 단순·반복적인 일자리가 가장 많이 사라질 것으로 예측되고 있다. 결국, 이러한 시대적 변화의 조류를 볼 때, 다른 분야보다 먼저, 유통·물류 산업에서 AI 기술이 빠르게 적용되어 일자리의 혁신적 변화가 일어나고, 고부가가치 산업으로의 발전이 예견된다. 따라서, 유통·물류 산업에 대한 현황 진단과 함께 새로 제공되는 인공지능 서비스를 정의함으로서, 미래 스마트 유통·물류 산업으로의 발전을 위해 필요한 인공지능 요소기술을 알 수 있다.

본 고에서는 유통·물류 산업에 적용될 인공지능 요소기술(알고리즘 구현 기술)과 서비스 시나리오를 제시한다. 특히, 기계학습 분야 소프트웨어 기술의 산업 활용도를 분석하고 유통·물류 직무에서의 AI 알고리즘 적용 서비스 사례를 설명하였다. 이를 위해 먼저, 유통·물류 산업 및 고용현황을 분석하고, 잡코리아[13]의 채용직무 분석과 함께 우리나라 대학의 유통·물류 관련 학과 교육과정을 분석한다. 이를 통해, 향후 스마트 유통·물류 산업에서 요구되는 AI 요소기술과 새로운 직무훈련 과정의 필요성을 이해함으로써 고부가가치 산업으로의 발전을 위해 필요한 요구사항을 이해할 수 있을 것이다.

II. 인공지능 요소 기술

위키백과[12]에서는 인공지능(AI)을 “시스템에 의해 만들어진 지능, 즉 인공적인 지능

을 뜻하며, 일반적으로 범용 컴퓨터에 적용되고, 이와 같은 지능을 만들 수 있는 방법론이

나 실현 가능성 등을 연구하는 과학 분야를 지칭한다”라고 정의한다. 그 개념이 처음 나오

게 된 배경에 대해선 다양한 견해가 있으나 1956년, 미국 다트머스에서 개최된 학회에서

존 매카시가 인공지능이라는 용어를 처음 사용하였다[5],[6],[20]. IT 트렌드 스페셜 리포

트[4]는 AI 기반 이론, 소프트웨어 기술, 적용 업무 및 산업 등의 요소를 [표 1]과 같이

제시하고 있다. 기반이론으로는 전통적인 확률통계, 시계열 분석, 전문가 시스템 등과 함

ICT 신기술

정보통신기획평가원 15

께 머신러닝, 딥러닝 등의 최신 기법을 적용하고, 수학 라이브러리와 프레임 워크를 고성

능의 GPU(Graphics Processing Unit) 장치를 이용하여 인공지능 플랫폼을 개발한다.

이들은 다양한 산업과 직무에 적용될 수 있는데, 본 고에서는 유통과 물류 산업에서의

인공지능 알고리즘 구현과 AI 서비스 제공을 위한 소프트웨어 기술을 분석하고자 한다.

[표 1] 인공지능의 요소

한편, 맥킨지는 [그림 1]과 같이 전체 19개 산업에 대해 AI 활용 효과(영향력, AI impact)

를 “전체 중 AI 기술이 차지하는 비율(X축)”과 “경제적 효과(Y축)”로 제시하였다[6],26].

여행 산업(Travel)을 제외하면, ① 소매(Retail), ② 수송 및 물류(Transport & Logistics),

분류 주요 내용

기반 이론 확률통계, 시계열 분석, 의사결정 트리, 추론, 전문가 시스템머신러닝, 딥러닝, 강화학습

소프트웨어 기술 고성능 수학 라이브러리, 머신러닝 및 딥러닝 프레임워크지식추론 시스템, 시각·언어 처리, 데이터 전처리, 빅데이터 분석

Infra-Structure 학습실행용 GPU, GPU 클러스터링Docker, Kubernetes, 빅데이터 파이프라인, 인공지능 플랫폼

적용 업무 예측, 분석, 유사성 분석, 패턴 발견, 의미 파악, 영상 분석 및 처리자율주행차량, 통역번역, 챗봇, 게임, 유사성 분석, 패턴 발견

산업 제조, 유통, 물류, 금융, 전력·유틸리티, 서비스, 교육, 자동차, 게임공공 산업 및 서비스, 마케팅·광고, 헬스케어, 미디어·통신, 소비재

<자료> 김석기 외, IT 트렌드 스페셜 리포트 2019[4].(자료 수정)

* AI Impact as % of total impact derived from analytics<자료> McKinsey&Company, 2019[26].

[그림 1] 인공지능의 영향력

주간기술동향 2019. 7. 3.

16 www.iitp.kr

③ 자동차 및 제조업(Automotive & Assembly) 순으로 경제적 효과와 AI 기술의 활용

비율이 가장 높다. 아울러, PWC[27]에서도 유사하게 AI 적용 분야의 순위를 ① 헬스케어

및 자동차, ② 금융, ③ 수송 및 물류, ④ 소매, ⑤ 에너지, ⑥ 제조업으로 예측하고 있다.

향후 소매, 수송 및 물류 산업에서 AI 기술이 접목되어 효율성과 생산성이 향상되고,

스마트 유통·물류의 고부가가치 산업으로의 발전이 예견되므로[14],[17],[18],[19],[21],[23],

이러한 추세에 맞추어 AI 기술을 이해하고 이를 유통과 물류 산업에 적용할 수 있는 새로

운 인력이 요구될 것으로 판단된다. 이와 관련하여 직무교육 현황을 파악하기 위해 국내

49개 대학 유통물류 관련 학과의 홈페이지를 참고하여 조사한 결과는 [그림 2]와 같다.

여기서는 이론 19과목, 실습 7과목으로 구분하여 관련 교과목의 수를 조사하였다. 이론과

목을 보면, 물류경영(129), 창고운송(120), 무역(112), 국제물류(102) 교과목의 순으로 그

수가 많고, 실습은 현장실습(캡스톤디자인 포함, 48) 과목이 가장 많았으며, 정보시스템을

활용한 실습(31), 물류실습(17), 자동화설비 실습(14)의 순으로 조사되었다. 4차산업혁명

시대의 유통물류관리의 이해를 위한 과목도 최근 6개 대학에서 개설한 것으로 나타났다.

그러나 아직까지 AI 기술의 이해와 이를 활용한 스마트 유통·물류 관련 교과목은 개설되

지 않아, 시대적 변화에 맞는 새로운 교과목 개설·운영이 필요한 것으로 보인다.

대부분의 전문가들은 향후 인공지능 기술의 발전이 전 산업의 융합 가속화와 혁신을

유발할 것으로 예측하고 있으며[6],[16],[26], 고용구조의 변화와 더불어 광범위한 경제적

파급효과를 가져올 것으로 전망하고 있다. 인공지능은 여러 학문이 연계된 융합 분야이며,

[이론] [실습]<자료> 각 대학 홈페이지

[그림 2] 국내 대학 유통·물류관련 학과의 교육과정 현황

ICT 신기술

정보통신기획평가원 17

기술적 관점에서 인간의 인지, 학습, 추론 등 지적능력을 기계(컴퓨터)로 구현하는 기술을

의미하고, 인공지능 기술 구현을 위한 소프트웨어들은 다음과 같이 네 가지로 요약할 수

있다[6],[26],[27].

- 기계학습(Machine Learning): 기계(컴퓨터)로 인간이 경험을 통해 학습하는 방식을

구현하며, 데이터 기반의 최적 학습 모델을 찾기 위한 알고리즘 구현 기술

- 지식추론(Machine Reasoning): 정보에 대한 가정과 전제로부터 결론(지식)을 도출해내

는 기술이며, 개별적 정보의 이해와 정보들 사이의 복잡한 관계를 파악하여 표현하는 기술

- 시각지능(Computer Vision): 이미지(영상) 등의 시각적 정보를 이용하여 객체를 인

식하고 나아가 감정이나 주어진 상황을 이해하는 기술

- 언어지능(Natural Language): 컴퓨터가 인간이 사용하는 언어(텍스트, 음성 등)를

인식하고 이해하며 지식화하는 기술

본 고에서는 이들 중 기계학습 분야에서 논의되고 있는 소프트웨어 기술들이 유통·물류

산업에 어떻게 적용될 수 있는지를 살펴보며, 이에 앞서 국내 유통·물류 산업 및 고용현황

을 진단한다.

III. 유통·물류 산업 및 고용 현황

통계청 자료에 의하면[22], [그림 3]과 같이 전년 동월(3월) 대비 보건업 및 사회복지서

비스업, 농림어업과 함께 전문과학·기술서비스업 분야의 취업자는 증가하였으나 제조업,

<자료> 통계청 보도자료[22], 2019. 3.

[그림 3] 산업별 취업자 현황(2018년 3월 대비)

주간기술동향 2019. 7. 3.

18 www.iitp.kr

금융보험업, 시설관리지원 및 임대서비스업(유통물류 포함) 분야의 취업자는 감소한 것으

로 나타났다.

구체적으로 보면, [표 2]에서 유통·물류와 관련된 도소매업, 운수창고업, 임대서비스업

분야에 종사하는 취업자 수는 전반적으로 감소하고 있고, 반면 전문과학기술 서비스업과

정보통신업 분야의 종사자들이 상대적으로 증가하고 있음을 알 수 있다.

[표 2] 산업별 취업자 수 (단위: 1,000명, %, 전년동월대비)

한편, 우리나라 4차산업혁명위원회에서는 [그림 4, 5]와 같이 4차산업혁명에 따른 노동

시장 변화 모습을 기준전망과 혁신전망의 2가지 시나리오로 구분하여 실질 성장률과 취업

자 수를 전망하였다[2],[3]. 여기서 기준전망과 혁신전망의 개념은 다음과 같다[2].

- 기준전망: 4차산업혁명을 포함한 국내외 환경변화에 대해 특별한 대책을 강구하지 않고 최근 성장 추이가 지속되는 상황

- 혁신전망: 4차산업혁명에 따른 국내외 환경 변화에 대해 적극적으로 대응, 경제·산업구조 혁신을 통한 성장을 유도하는 상황

두 가지 시나리오별 예측 결과에 의하면, 4차산업혁명으로의 대체 가능성이 높은 제조

업 분야와 함께 공공행정 및 교육의 사회 서비스 분야에서 성장률이 다소 약화되겠으나,

기술의 산업간 융복합화로 대부분의 산업 성장률이 증가될 것으로 전망하고 있다. 특히,

[그림 4]에서 서비스업을 생산자 서비스(전문과학·정보통신 산업 등), 소비자 서비스(도소

매, 운수업 등), 사회 서비스(행정, 교육, 보건복지 등)로 구분할 때, 새로운 기술 개발과

구분2018. 3. 2019. 2. 2019. 3.

구성비 구성비 증감 증감률 구성비 증감 증감률

< 전체 > 26,555 100.0 26,346 100.0 263 1.0 26,805 100.0 250 0.9

농림어업 1,186 4.5 1,114 4.2 117 11.8 1,265 4.7 79 6.6 제조업 4,554 17.1 4,411 16.7 -151 -3.3 4,446 16.6 -108 -2.4

도매 및 소매업 3,723 14.0 3,679 14.0 -60 -1.6 3,696 13.8 -27 -0.7 운수 및 창고업 1,415 5.3 1,407 5.3 2 0.1 1,410 5.3 -5 -0.3

정보통신업 810 3.1 874 3.3 72 9.0 866 3.2 55 6.8 금융 및 보험업 829 3.1 802 3.0 -38 -4.5 792 3.0 -37 -4.5

전문･과학 및 기술서비스업 1,075 4.0 1,149 4.4 67 6.2 1,158 4.3 83 7.7 사업시설관리, 사업지원 및 임대서비스업 1,338 5.0 1,282 4.9 -29 -2.2 1,295 4.8 -42 -3.1

보건업 및 사회복지서비스업 2,007 7.6 2,073 7.9 237 12.9 2,179 8.1 172 8.6

<자료> 통계청 보도자료, 2019. 3. 수정(9개 산업 분야만 표기, 전체는 17개 산업에 대한 취업자 수)

ICT 신기술

정보통신기획평가원 19

상용화로 정보통신과 전문과학기술 서비스업의 성장률이 가장 큰 폭으로 개선될 것으로

예견되며, 다음으로 도소매와 개인 서비스업이 성장할 것으로 보인다.

[그림 5]와 같이 정보통신, 전문과학 서비스업 등 4차산업혁명 관련 선도산업을 중심으

로 취업자 수가 증가하겠지만, 도소매·운수 분야에서는 기술혁신의 가속화로 기준전망에

비해 인력 수요가 감소할 것으로 전망된다. 특히, 인터넷 상거래, 서비스 무인화 등으로

인해 도소매업 영역에서 인력 수요가 가장 크게 감소할 것으로 보인다. 따라서 도소매·운

수와 관련된 유통·물류 분야에서 고부가가치의 산업 성장을 주도할 인력의 수급과 교육훈

련 과정을 미리 준비하고 실시하여야 할 시점으로 보인다.

<자료> 4차산업혁명위원회[2], 2018. 3.

[그림 4] 실질 성장률 전망

<자료> 4차산업혁명위원회[2], 2018. 3.

[그림 5] 취업자 수 전망

주간기술동향 2019. 7. 3.

20 www.iitp.kr

이와 관련하여 최근의 인력 수요를 알아보기 위해 잡코리아 사이트[13]에서 무역물류유

통 관련 분야에 대한 직무별 채용건수(2019년 5월 기준)를 분석하였는데, 결과는 [그림

6]과 같다. 유통물류재고 관리에 대한 인력 수요가 3,885건으로 가장 많았으며, 다음으로

배송택배운송(3,465건), 구매자재(2,902건), 상품기획MD(2,890건)가 뒤를 이었다. 아직

까지는 전통적인 무역유통물류 분야 직무에 대한 수요가 여전히 많음을 알 수 있다.

한편, 동일한 시기의 IT와 AI·빅데이터 분야에 대한 모집 건수는 [그림 7]과 같다. 예견

대로 웹 프로그램 및 응용 프로그램 인력을 가장 많이 요구하고 있으며, 다음으로 웹디자

[IT] [AI·빅데이터]

<자료> 잡코리아, 2019년 5월 기준

[그림 7] IT 및 AI·빅데이터 분야 채용 건수

<자료> 잡코리아, 2019년 5월 기준

[그림 6] 무역물류유통 분야 채용 건수

ICT 신기술

정보통신기획평가원 21

인, 콘텐츠 사이트 운영, 웹마케팅, 네트워크 서버 보안 순으로 나타났다. AI·빅데이터에

대한 채용 건수를 별도로 보면, 빅데이터 분석 직무의 수요가 가장 높았고, 인공지능 분야

가 새로이 요구되고 있으며, 특히, 딥러닝과 머신러닝 AI 플랫폼을 개발하고 이를 활용할

수 있는 인력 요구가 꾸준히 증가하고 있다. 따라서, 유통·물류 산업에서도 우선 빅데이터

분석과 머신러닝·딥러닝 활용 방법에 대한 교육과정(AI 소프트웨어 분야)과 직무 훈련이

우선적으로 필요함을 간접적으로 알 수 있다.

결론적으로, 현 시점에서는 유통·물류 관련 직무 중에서 단순반복적 업무를 수행하는 인력을 여전히 많이 필요로 하나, 가까운 장래에 인공지능 및 4차산업혁명 기술의 발전으로 인해 이러한 고용구조가 혁신적으로 변할 것으로 예측된다. 따라서, 유통·물류와 관련된 기본적인 소양을 갖추고, 인공지능 기술과 빅데이터 분석 능력을 가진 새로운 인력을 양성해야 하며, 이는 줄어드는 일자리를 개선하고 고부가가치의 산업 발전에 선제적으로 순기능적 도움을 줄 것으로 사료된다.

IV. 인공지능 서비스

인공지능의 핵심 소프트웨어 기술인 기계학습(Machine Learning) 분야에서 최근 데이터 기반의 효율적인 학습을 위한 새로운 기법들이 등장하고 있으며, [그림 8]과 같이 딥러닝, 전이학습, 강화학습 등이 가까운 시일 내, 여러 산업에 적용될 가능성이 높은 기술로 예측된다. 주요 용어를 정리하면 [표 3]과 같다[5],[6].

<자료> 한국과학기술기획평가원[6], McKinsey&Company[26]

[그림 8] 인공지능 주요 기술

주간기술동향 2019. 7. 3.

22 www.iitp.kr

[표 3] 기계학습 주요 용어

맥킨지에서는 산업별 및 각 산업의 기능별로 구분하여 AI 소프트웨어 활용 사례를

제시하였다[26]. 그 중에서 [표 4]는 유통·물류 분야의 결과이며, 예를 들어 소매유통의

경우에는 AI의 초보 단계인 선형신경망에 대한 활용도가 가장 높고, 다음으로 순환신경망

기술을 적용한 사례가 많은 것으로 나타났다. 수송물류는 선형신경망과 합성곱신경망을

이용하여 산업의 효율성을 개선한 사례가 가장 많은 것으로 조사되었으며, SCM제조는

선형신경망과 함께 강화학습 및 합성곱신경망을 이용한 공급망관리가 유효한 것으로 보인

[표 4] 유통·물류 분야의 인공지능 활용도

용어 개념

딥러닝(Deep Learning)

여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘의 집합으로 최근 기계가 데이터를 통해 자신만의 규칙을 생성하여 정보를 학습하는 형태로 발전

전이학습(Transfer Learning)

완료된 학습 모델을 유사 분야에 전이(Transfer)하여 학습시키는 기술로, 적은 데이터에도 학습을 빠르게 하고 예측의 정확도를 높임

강화학습(Reinforcement Learning)

사람의 개입이 없이 스스로 현재의 환경에서 특정 행동의 시행착오 과정을 거치며 보상을 최대화하는 학습 기법

선형 신경망(Feed Forward Neural Network)

가장 간단한 형태의 인공 신경망 분석 기법으로서 입력 자료로부터 직접 관측할 수 없는 영역을 예측하고 이로부터 결과를 찾아내는 학습 기법

순환 신경망(Recurrent Neural Network)

과거 정보와 현재의 입력값을 결합하는 방법으로 순서를 고려한 학습 모델로서 데이터의 순서가 중요한 시계열 및 언어 처리 분석 등에 활용됨

합성곱 신경망(Convolutional Neural Network)

주로 시각적 이미지를 분석하는 데 사용되며, 이미지의 특징을 추출하는 필터 역할을 하는 컨볼루션 레이어를 적용하여 효율적으로 고차원의 이미지를 인식하고 분류함

생성적 적대 신경망(Generative Adversarial Network)

두 개의 네트워크로 구성된 심층 신경망 구조로 하나의 네트워크가 다른 네트워크와 겨루는 구조를 가짐으로써 이미지, 음악, 텍스트 등의 모든 분야에서 실제와 비슷한 새로운 창작물을 만들 수 있는 학습 모델을 제공함

<자료> 나무위키[5], 한국과학기술기획평가원[6], McKinsey&Company[26]

분류 강화학습

선형신경망

순환신경망

합성곱신경망

생성적적대 신경망

소매·유통(Retail) 2 4 3 2 1

수송·물류(Transport and Logistics) 1 3 2 3 0

SCM·제조(Supply-Chain Management and Manufacturing) 2 3 1 2 1

마케팅·판매(Marketing and Sales) 2 4 3 1 0

서비스 운영(Service Operations) 1 1 1 1 0<자료> McKinsey&Company[26] (자료 편집)

ICT 신기술

정보통신기획평가원 23

다. 전반적으로 평가할 때, 각 산업의 기능 효율화를 위해 선형신경망을 이용한 AI 기술

활용이 우선 고려되고 있으며, 이후에 보다 복잡한 문제해결을 위해 다양한 기계학습 분야

의 기술이 서서히 도입되고 있는 것으로 분석된다.

산업현장에서 발생하는 다양하고 복잡한 문제를 해결하기 위해 [표 3]의 기술들이 우리나라에서도 비슷하게 도입될 것으로 예측되며[8],[9], [표 5]와 같은 서비스들이 AI 알고리즘을 이용하여 제공되어 산업의 생산성 및 효율성이 개선될 것이다. 예를 들어, 유통·물류 차량들 사이의 정보 공유 서비스를 위한 AI 알고리즘이 개발, 적용되어 수송 및 재고관리의 효율화와 물류비 감소가 가능해질 것이다. 그리고 고객으로부터 만들어지는 데이터 정보를 분석하여 사전에 고객 서비스의 변경 및 해지를 예측하고 이를 예방하기 위한 전략을 수립하여 고객의 충성도를 높이는 방안을 설계할 수 있을 것이다. 아울러, 운송 차량에 부착된 센서를 이용하여 교통 상황, 소음, 공해, 차량현황 등의 정보를 실시간으로 수집·분석하여 친환경적 차량관리와 함께 수송의 최적화 방안을 마련할 수 있다.

[표 5] 인공지능 기술을 활용한 스마트 유통·물류 서비스

이하에서는 인공지능을 유통·물류 분야에 본격적으로 적용할 때 예상되는 대표적인 서

비스 시나리오를 소개한다[4],[8],[9],[11],[14].

- 물류 서비스: A전자상거래 업체는 창고를 이용하여 물품을 보관, 포장, 발송하는 업무를

수행한다. A업체는 딥러닝 기술을 사용하여 적정 수준의 재고를 유지하고 창고 내 물품

분류 인공지능 서비스 예

실시간 경로 최적화 배송 순서, 교통 상황, 수취인 상황을 기반으로 한 최적경로 설계

차량간 정보 활용 차량들 사이의 수송, 재고, 이동경로 등의 정보 공유 최적화

유통물류 수요예측 중장기적 관점에서의 고객 수요 및 수송 물량의 수요예측

자원 활용 인적·물적 자원의 최적 할당 계획 수립

고객관리 데이터 정보 분석을 통한 고객 충성도 제고 계획 수립 및 고객관리

제품 및 서비스 혁신 고객의 의견을 반영한 제품·서비스 포트폴리오 수립

서비스 고도화 유통·물류 서비스 제공시 발생하는 유해 요소 사전 방지

시장 정보 고도화 국내외 시장 상황을 반영한 공급망 체계 모니터링

수요와 공급망 관리 고객 수요와 유통·물류 공급 시스템 실시간 모니터링 및 개선

운송 차량관리 센서를 이용한 친환경적 차량 관리<자료> 장희선[14]-[16], McKinsey&Company[26], PWC[27]

주간기술동향 2019. 7. 3.

24 www.iitp.kr

이동을 위한 최적의 동선을 설계한다. 배송 차량도 최적의 경로와 배송 순서를 정하기

위해 머신러닝을 활용하며, 빠른 시간 내의 물품 배송을 위한 최적화 경로를 제안한다.

- 스마트 운송 로봇: 인공지능 로봇을 이용하여 공장에 각 구성 요소에 필요한 부품과

장비를 운송하며, 상태 감시를 통해 스마트 센서로 프로세스의 전 과정 및 부품의

상태를 점검하고 사전에 손상될 가능성이 높은 부품을 식별하며, 교체 또는 부품 주문

여부를 확인한다.

- 고객관리와 마케팅: A업체는 머신러닝과 딥러닝 기술을 활용하여, 고객이 과거에 구

매한 물품 정보를 토대로 추가 구매물품을 추천한다. 그리고 생활 필수품의 경우 고객

이 부족한 시점을 사전에 인지하고 고객을 대신해 자동주문 한다. 아울러 고객이 즐기

는 음악이나 영상 등과 같은 온라인 미디어 추천 서비스도 추가로 제공해 준다.

- 스마트 챗봇: 고객과의 친밀감 있는 대화를 통해 개인 성향에 맞는 상품을 추천해

주고 고객에게 원하는 상품의 판매 위치를 알려주며, 고객이 원하는 조건에 부합하는

상품의 세부 정보를 알려준다.

- 택배기사의 비서: 음성인식 기능이 탑재된 AI 비서는 택배차량의 배차 시스템에 있는

배송정보, 운송장 정보를 기반으로 택배기사에게 예상 배송완료시간을 알려주고 중앙

시스템에 곧바로 배송완료 처리 작업을 수행한다.

- 불량품 판단: 사전에 상품 불량 검색 기준을 정해 놓고 인공지능의 시각적 인식 기능

을 활용하여 배송 상품을 스캔하면서 불량품을 제거한다.

- 데이터 변환: 인공지능 기술을 활용하여 유통물류 업체에서 많이 사용되고 있는 비정

형 데이터(제안서, 계약서 등)를 정형 데이터로 변환하여, 사용자의 검색 및 재활용에

도움이 되도록 데이터베이스를 재설계한다.

- 가상증강현실 지원: 유통물류관리 요원에게 가상증강현실 서비스를 제공하여 물류

프로세스를 이해하고 효율적인 물류 시스템 운영관리 방안을 체험하게 한다.

- 그 외에도 화물을 스스로 인식하여 들어 올리는 AI 로봇, 알아서 이동하며 화물을

싣는 적재 자율운송 로봇, 무인 지게차, 드론을 활용한 유통물류 서비스 등 첨단 신기

술 활용으로 가까운 시일 내 유통물류 산업이 고부가가치 산업으로 발전할 것으로

예견된다.

ICT 신기술

정보통신기획평가원 25

V. 결론

2016년 알파고 이후, 전 세계적으로 생산성 향상과 효율성 제고를 위해 인공지능(AI)

기술을 산업 전반에 적용하기 위한 노력들이 이루어지고 있다. 이미 AI는 자율주행차,

지능형 로봇, 스마트 공장 등의 제조업과 의료, 교육, 금융 등과 같은 서비스업에 적용되어

많은 부분에서 상용화가 시작되었으며, 전문가들은 앞으로 AI 활용으로 매년 3.5조~5.1

조 달러 규모의 경제적 가치가 창출될 것으로 전망하고 있다. 이러한 인공지능의 급진적

발전은 산업간 융합 가속화를 이끌어내어 광범위한 사회·경제적 파급효과를 창출함과 동

시에 미래 일자리의 대대적인 변화를 초래하여 고용구조의 혁신적 변화를 피할 수 없을

것이다. 특히, McKinsey&Company사는 AI 기술에 의해 가까운 장래에 경제적 파급효

과가 가장 클 산업으로 유통소매, 운송물류 및 자동차 산업을 꼽았다. 따라서 다른 산업보

다 먼저, 유통·물류 분야에서 새로 요구되는 인력을 교육시키기 위한 직무훈련 과정을

정의하고 각 분야에서 제공되는 AI 서비스와 관련된 구체적인 요소기술이 무엇인가를 고

민할 시점이다.

본 고에서는 유통·물류 산업에 적용될 AI 소프트웨어 기술을 예측하였으며, 제공 서비

스와 세부 직무별 활용정도를 제시하였다. 이를 위해 먼저, AI 소프트웨어 요소기술을

기계학습, 지식추론, 시각지능, 언어지능의 네 가지로 구분하였으며, 유통·물류 세부 분야

별로 기계학습 분야의 세부 기술(강화학습, 선형·순환·합성곱·생성적 적대 신경망)의 활용

도를 제시하였다. 그리고 유통·물류 산업 및 고용 현황과 잡코리아의 채용 직무 분야를

분석하고 아울러, 국내 49개 대학에서의 유통·물류관련 학과의 교과목을 분석하였다. 잡

코리아 채용 직무 분석 결과, IT 영역에서는 AI·빅데이터 분야 업무에 대한 수요가 증가하

고 있으나, 대학에서는 아직까지 AI 기술과 이를 활용한 스마트 유통·물류 관련 교육이

이루어지지 않고 있어, IT 분야 외에 유통·물류 학과에서도 AI 교육이 필요한 것으로 보인

다. AI 교육이 IT 분야에 국한되지 말아야 하는 이유는 AI 기술 도입과 함께 4차산업혁명

의 혁신적 변화가 이루어지는 경우, 유통·물류 분야에서 인력 수요가 가장 많이 감소(단순

반복적 업무의 일자리 감소)될 것으로 예측되고 있기 때문이다. 즉, 인터넷 상거래, 서비스

무인화 기술과 함께 AI의 도입으로 유통·물류 분야에서는 지금까지의 단순 반복적인 직무

가 사라지고, 고부가가치를 추구하는 새로운 업무를 요구하는 수요가 증가할 것이며, 이에

주간기술동향 2019. 7. 3.

26 www.iitp.kr

대한 교육훈련 과정을 준비하고 운영해야 할 시기로 판단된다. 본 고에서는 지면 관계상

스마트 유통·물류 산업과 관련한 문제점, AI를 이용한 문제해결 방안, 향후 발전방향 및

다양한 AI 서비스를 설명하지는 못하였으며, 향후 이에 대한 연구가 필요한 것으로 보인

다.

세계적으로 인공지능 기술의 발전으로 이를 산업 전반에 적용하려는 시도가 활발히 이

루어지고 있다. 이는 컴퓨팅 기술의 발전과 AI 기술의 정확도가 높아졌기 때문인 것으로

보인다. IBM에서는 2025년에 AI 산업 규모가 2,000조 원에 이를 것으로 예측하였고,

유엔 미래보고서는 앞으로 30년 내에 인공지능이 인간의 지능을 능가할 것으로 예견하고

있다. 이러한 시대적 변화의 흐름으로 볼 때, 향후 산업과 고용구조에서 혁신적 변화가

필연적으로 발생할 것이며, 이에 따라 각 산업에 적용될 인공지능 기술 교육은 IT 분야뿐

만 아니라, 전 산업의 직무 훈련에 포함되어야 할 것으로 사료된다. 이를 위해 각 분야에서

요구되는 인공지능 서비스 정의와 함께 가까운 장래에 필요한 직무훈련 교육과정에 대한

연구가 필요하다.

[ 참고문헌 ]

[1] 국경완, “인공지능 기술 및 산업 분야별 적용 사례”, 정보통신기획평가원, 주간기술동향 1888호, 2019. 3, pp.15-27.

[2] 고용노동부 4차산업혁명 위원회, 4차산업혁명에 따른 인력 수요 전망, 2018. 3.[3] 권우현, 이혜연, 이동현, 이호, 소프트웨어 산업의 고용구조와 인력수요 전망, 한국고용정보원, 2017.

12. [4] 김석기, 김승열, 박재호, 김진영, 금동우, IT 트렌드 스페셜 리포트, 한빛미디어, 2019.[5] 나무위키, https://namu.wiki/w.[6] 나영식, 조재혁, 인공지능 SW, 한국과학기술기획평가원(KISTEP) 기술동향브리프, 2018. [7] 박승규, “인공지능 기술 동향”, 정보통신기획평가원, 주간기술동향 1861호, 2018. 8. pp.2-13.[8] 서강민, 물류산업 동향 및 전망, Korea Ratings, 2014. [9] 석왕헌, “지능형 로봇의 동향 및 전망”, 정보통신기획평가원, 주간기술동향 1817호, 2017. 10, pp.2-14. [10] 윤장우, “인공지능 플랫폼의 개념과 도입 전략”, 정보통신기획평가원, 주간기술동향 1867호, 2018. 10,

pp.2-10.[11] 임형채, 유정아, “중국 스마트 물류 도입 현황과 시사점”, 우정정보, 우정경영연구소, 2017, pp.63-75.[12] 위키백과, https://ko.wikipedia.org/wiki.[13] 잡코리아, https://www.jobkorea.co.kr.[14] 장희선, “물류 선진화를 위한 IT 기술”, 정보통신기획평가원, 주간기술동향 1509호, 2011. 7, pp.1-13.[15] 장희선,“4차산업혁명의 시사적 교육을 위한 e-NIE 및 Edmodo 콘텐츠 활용”, 한국콘텐츠학회

ICT 신기술

정보통신기획평가원 27

2018 춘계종합학술대회, 목포대학교, 2018. 5, pp.369-370.[16] 장희선,“대학 정보기술 교육 분야에서 뉴스·신문 읽기 강좌의 효과 분석”, 교육과학연구, 제20권, 제

1호, 제주대학교 교육과학연구소, 2018. 5, pp.1-26.[17] 장희선,“Raptor와 가상현실 콘텐츠를 활용한 수학 알고리즘 및 코딩 교육”, 한국콘텐츠학회 2018

Contents & E-book, 전남대학교, 2018. 10, pp.20-21.[18] 전해영, 4차산업혁명 시대 물류산업의 미래, VIP 리포트, 현대경제연구원, 2017. 10, pp.1-13.[19] 정성용, 정기연, “스마트 물류 IT 기술 및 사례”, 전자공학회지, 제39권, 제5호, 2012, pp.378-383.[20] 중소벤처기업부, 중소기업 기술로드맵(AI, 빅데이터) 2018-2020, 2018.[21] 최상희, “미래를 선도하는 스마트 항만물류기술”, 전자공학회지, 제39권, 제5호, 2012, pp.391-398.[22] 통계청 보도자료, 2019년 고용동향, 2019. 4.[23] 한국산업기술평가관리원, 4차산업혁명을 촉진시키는 스마트 물류로봇 기술, KEIT PD Issue Report,

Vol.17-8, 2017. 8, pp.7-12.[24] 한국폴리텍대학, 4차산업혁명 대비 교육훈련직종 개발, 2018.[25] 한국폴리텍대학, 4차산업혁명 직종별 교육훈련 운영사례집, 2017.[26] McKinsey & Company, Notes form The AI Frontier Insights from Hundreds of Use Cases,

April 2018.[27] Pricewaterhouse Coopers(PWC), 2018 AI Predictions(8 Insights to shape Business Strategy),

2018.