AI 물류 혁신, 플렉스포트는 어떻게 운임 10%를 줄이려 하나?

AI가 물류 산업을 근본부터 다시 쓰고 있습니다.

해상 컨테이너 운임을 앞으로 몇 년 안에 8~10% 더 낮출 수 있다는 구체적인 숫자가 나오고 있고, 이미 해상 운임 비용 2% 절감과 운송 시간 20% 단축이라는 결과도 나왔습니다.

이 글에서는 플렉스포트(Flexport)의 사례를 중심으로,

• AI가 실제로 물류 현장에서 어떤 일을 하고 있는지

• 어디까지 자동화가 가능해 보이는지

• 기존 물류 기업과 AI 스타트업의 유불리

• 이런 변화가 비용, 일자리, GDP에 어떤 영향을 줄지

를 차례대로 정리해 보겠습니다.

각 섹션은 따로 읽어도 이해될 수 있도록 구성했습니다.

AI가 집어삼키는 물류 산업의 현재

국제 물류는 규모가 커질수록 단가가 떨어지는 전형적인 규모의 경제 산업입니다. 컨테이너, 선복, 창고, 트럭이 많이 모일수록 네트워크를 더 효율적으로 돌릴 수 있고, 그만큼 비용이 내려갑니다.

플렉스포트는 이 구조에 AI 기반 자동화를 덧붙여, "더 크면 더 싸진다"는 논리를 가속하려 합니다. 현재 목표는 해상 컨테이너 운임을 앞으로 몇 년간 8~10% 낮추는 것이고, AI는 그중 상당 부분을 담당하는 핵심 도구로 쓰이고 있습니다.

이미 한 가지 구체적인 사례에서, 기존보다 2% 더 적은 해상 운임 비용으로 20% 더 빠른 운송 시간을 달성했습니다. 보통 물류에서 속도와 비용은 서로 맞바꾸는 관계에 가깝습니다. 빨리 보내면 비싸지고, 싸게 보내면 느려지는 구조가 일반적입니다. 이 트레이드오프를 깨기 시작했다는 점이 눈에 띄는 지점입니다.

매출 규모 역시 빠르게 커졌습니다. 인터뷰 시점 기준으로 플렉스포트의 연간 매출은 약 20억 달러 수준이며, 내부에서는 아직 "이제 막 시작 단계"로 본다는 표현을 씁니다. 즉, 규모와 데이터가 함께 쌓이는 국면에 AI를 강하게 투입하는 전략이라고 볼 수 있습니다.

플렉스포트가 보는 물류와 규모의 경제

플렉스포트의 기본 사업 모델은 "규모의 경제를 고객과 나누기"입니다.

• 규모가 커질수록 더 많은 데이터를 모으고

• 이 데이터를 기반으로 더 정교한 자동화와 최적화를 수행하여

• 단가를 낮추고, 그 이익을 고객과 공유해

• 다시 물량이 늘어나는 선순환을 만드는 방식입니다.

인터뷰에서 플렉스포트는 물류를 코스트코(Costco)에 비유합니다. 코스트코는 자체 마진을 낮추고, 구매 규모를 키워 단가를 낮추며, 그 혜택을 소비자에게 돌립니다. 가격 경쟁력이 생기면 고객이 더 많이 몰리고, 다시 규모가 커지면서 비용 구조가 개선됩니다.

물류도 비슷한 구조를 가집니다. 더 많은 컨테이너, 더 많은 항로, 더 촘촘한 네트워크가 모일수록, 같은 인프라를 더 효율적으로 사용할 수 있습니다. AI는 이 과정에서 사람이 하기 어려운 수준의 세밀한 최적화와 반복 작업 자동화를 담당합니다.

이 관점에서 자동화는 단순한 비용 절감 도구가 아니라, 규모의 경제를 더 강하게 만드는 레버에 가깝습니다.

해상 운임 8~10% 인하, 숫자로 보는 AI 효과

구체적인 숫자를 한번 짚어 보면, 플렉스포트의 AI·자동화 전략이 어디로 향하는지 더 선명해집니다.

• 플렉스포트는 해상 컨테이너 운송비를 향후 몇 년간 8~10% 낮출 수 있다는 전망을 제시합니다.

• 이미 도입된 계획·배차 AI에서는 해상 운임 비용 2% 절감과 운송 시간 20% 단축이라는 결과가 나왔습니다.

• 물류 비용 구조를 보면, 국제 해상 컨테이너 운송에서 운송업(프레이트 포워더) 인력 비용이 전체 비용의 약 10% 수준이라고 봅니다.

즉, 중간 운송·포워딩 레이어의 인력 업무를 거의 모두 자동화한다면, 운임 자체를 10% 가까이 낮출 여지가 있다는 계산입니다.

여기에 운임 최적화, 선사·노선 선택, 취소 컨테이너 재배치, 지연 최소화 같은 부분까지 포함하면, 플렉스포트가 말하는 8~10% 인하 목표는 인력 자동화와 네트워크 효율화가 합쳐진 숫자로 해석할 수 있습니다.

글로벌 경제 관점에서 보면, 국제 운송비가 한 자릿수 퍼센트만 내려가도 상품 가격, 무역량, 공급망 설계에 미묘하지만 누적 효과가 큰 파동을 만들 수 있습니다. 다만 각국의 관세·규제·지정학적 리스크가 동시에 움직이고 있기 때문에, 실제 체감 효과는 지역과 산업별로 크게 다를 가능성이 존재합니다.

해커톤과 사내용 AI 부트캠프

플렉스포트 내부에서 AI는 위에서 지시해서 내려보내는 도구라기보다, 해커톤과 자발적 실험을 통해 퍼진 기술에 가깝습니다.

회사는 연간 1~2회 해커톤을 진행해 왔는데,

• 18개월 전만 해도 AI·LLM 기반 프로젝트는 전체의 극히 일부였던 반면

• 최근 두 차례 해커톤에서는 체감상 약 90%가 LLM 기반 프로젝트였다고 말합니다. 각 해커톤마다 50~60개 팀이 참가한다는 점을 감안하면, 실제로 매우 많은 시도가 AI를 중심으로 이루어지고 있는 셈입니다.

특징적인 점은, 일반적인 기업 해커톤처럼 끝나고 사라지는 '장식용 프로젝트'로 끝나지 않는다는 부분입니다. 플렉스포트에서는 해커톤 결과물이 실제 제품·기능·내부 도구로 이어지는 경우가 많고, 경영진이 "기존 로드맵 대신 해커톤 아이디어만 따라가도 이길 수 있겠다"는 고민을 할 정도로 비중이 커지고 있습니다.

또 하나 흥미로운 프로그램은 비(非) 엔지니어를 위한 AI 스킬 업그레이드 과정입니다.

• 90일 동안 매주 하루씩, 총 근무 시간의 20%를 투자하며

• 매니저 승인을 받고 참여해야 하고

• 간단한 코딩, LLM 활용, 업무 자동화 툴 제작 등을 배우는 AI 부트캠프 형태입니다.

이 프로그램을 설계한 리더는 "교육을 마친 뒤에는 동료보다 10배 생산성을 보이게 하겠다"는 다소 공격적인 목표를 제시했습니다. 실제로 그 수준까지 도달했는지는 계량적으로 증명되지 않았지만, 현장 도메인 지식을 가진 직원이 스스로 자신의 업무를 자동화하는 방향으로 문화가 움직이고 있는 점은 의미가 큽니다.

고객 경험을 바꾸는 AI 데이터 제품

플렉스포트가 처음부터 강점을 가져온 영역 중 하나는 공급망 데이터 가시성입니다. 여기에 LLM 기반 인터페이스를 더해, "물류용 데이터 코파일럿"에 가까운 기능을 제공하기 시작했습니다.

플랙스포트 플랫폼에서는

• 바이어가 공장에 발주(PO)를 넣고

• 공장이 화물이 준비되면 선적 예약을 걸고

• 플렉스포트가 항공·해상·트럭·철도 등 다양한 수단으로 운송을 수행합니다.

이 과정에서 기업이 특히 중요하게 보는 것은

• SKU 단위의 재고·리드타임

• 온타임 배송률

• 운송 비용 분석

• 관세·통관 관련 데이터입니다.

이전에는 이런 데이터를 보려면

• 전담 담당자에게 리포트를 요청하고

• SQL 쿼리를 짜거나

• 맞춤형 대시보드를 설계해야 했습니다.

지금은 자연어로 질문을 던지면, 시스템이 그래프·표 형태로 답을 생성해 줍니다. 예를 들어 "지난 분기 중국발 해상 운송의 온타임 비율과 평균 운송 비용을 보여줘"라는 식으로 요청하면, LLM이 쿼리와 시각화를 대신 구성하는 방식입니다.

이 기능은 해커톤에서 출발해 실제 제품으로 편입된 사례이며, 특히 계정 관리 조직의 업무 시간 중 약 25%를 차지하던 '리포트 생성 지원' 업무를 크게 줄였다는 점에서 실질적인 임팩트가 있습니다.

데이터 접근성이 올라가면, 고객사 입장에서는 플렉스포트가 단순 운송업체가 아니라 공급망 의사결정 도구에 가까운 역할을 수행하게 되고, 이는 장기적인 락인 효과로 이어질 가능성이 큽니다.

이메일·전화까지 대신하는 에이전트 자동화

물류 현장에는 이메일·전화·엑셀 파일로 이루어진 비정형 업무가 매우 많습니다. 플렉스포트는 이 부분에 LLM 기반 에이전트를 적극적으로 투입하고 있습니다.

대표적인 사례를 몇 가지 정리하면 다음과 같습니다.

1. 컨테이너 선적 계획 최적화 플렉스포트는 해상 운송 계획에 머신러닝 기반 최적화 모델을 도입했습니다.

• 어떤 컨테이너를 어느 선박·계약에 태울지 결정할 때

• 가격, 운항 스케줄, 경로별 변동성 등을 모두 고려해

• 가장 싸면서 가장 빠른 조합을 찾는 작업입니다.

특히 매주 약 2,000개 컨테이너가 고객 사유(공장 지연 등)로 취소되는데, 시스템은 하루 여러 차례 전체 계획을 다시 계산해

• 취소된 자리 대신

• 원래 일주일 뒤에 출발하기로 되어 있던 컨테이너를 앞당겨 배치해 전체 평균 운송 시간을 줄입니다. 이 과정을 사람이 수작업으로 처리하는 것은 사실상 불가능에 가깝습니다.

2. 창고 주소 검증·예약 콜 자동화 물류에서는 잘못된 주소 한 줄 때문에 트럭이 헛걸음을 하고, 지연·추가 비용이 발생하는 일이 흔합니다. 다만 모든 배송 건마다 창고에 전화를 걸어 확인하는 것은 인건비 측면에서 비효율적이라, 그동안 상당 부분은 '운에 맡기는' 구조였습니다.

플렉스포트는 여기 LLM 기반 에이전트를 투입해,

• 최근 3개월 이내에 배송 이력이 없는 창고에 대해서는

• 이메일 또는 음성 통화로 주소와 배송 시간대를 자동 확인하도록 만들었습니다. 필요하면 에이전트가 전화를 걸어 "내일 오후 2시에 배송해도 되는지" 직접 확인하는 식입니다.

3. 고객 메시지 감정 분석·자동 에스컬레이션 플랫폼 내 메신저·이메일에는 고객의 불만, 긴급 요청, 스트레스가 그대로 드러납니다. 플렉스포트는 자체 모델을 학습시켜,

• 메시지 내용을 분석해 불만·분노 등 부정적인 감정을 감지하고

• 해당 계정 담당자의 매니저에게 자동으로 에스컬레이션 알림을 보내도록 했습니다.

물류는 고객 사업과 직결되기 때문에, 문제가 생기면 감정 온도가 빠르게 올라갑니다. 이런 상황을 조기에 포착해 대응하는 것은 단기 매출보다 브랜드 신뢰와 재계약에 더 큰 영향을 주는 지표라고 볼 수 있습니다.

일자리, 비용, GDP: AI 물류가 가져올 파급효과

플렉스포트는 내부 업무의 자동화 수준을 정량적으로 추적하고 있습니다.

• 연초 기준 자동화 비율은 약 20% 수준이었고

• 연말에는 50% 수준까지 끌어올릴 계획이라고 밝혔습니다.

• 원래는 최대로 자동화할 수 있는 한계를 80% 정도로 가정했지만, LLM의 발전 속도를 보며 목표를 90~95%까지 상향해서 보고 있습니다.

이 과정이 완료되면, 앞서 언급한 것처럼 프레이트 포워딩 레이어 인건비(전체 비용의 약 10%)를 거의 대부분 줄이는 시나리오가 가능합니다. 운임이 8~10% 떨어진다는 플렉스포트의 전망은 여기에서 나옵니다.

이 변화는 개별 기업 차원을 넘어, 세계 GDP 성장률에도 영향을 줄 수 있는 구조를 가집니다. 최근 경제 논의에서는 AI를 적절히 도입할 경우, 연간 GDP 성장률을 추가로 약 7%포인트 끌어올릴 수 있다는 전망이 자주 인용됩니다. 단순 계산으로도 7% 성장률이면, 10년 안에 경제 규모가 대략 두 배가 됩니다(이른바 72의 법칙).

다만, 이런 성장 스토리와는 별개로

• 자동화로 일자리가 줄어들 것이라는 우려

• 기업의 역할이 고용인지, 상품·서비스 제공인지에 대한 논쟁 이 꾸준히 제기되고 있습니다.

플렉스포트의 관점은 비교적 명확합니다.

• 기업의 역할은 고용 유지가 아니라, 더 나은 상품과 서비스를 더 싸게 제공하는 것이며

• 비용을 줄여 더 많은 물건을 더 싸게 공급하면, 사회 전체 후생이 올라간다는 입장입니다. 그 과정에서 사라지는 일자리도 있지만, 인간의 욕구가 줄어들지 않는 이상 새로운 수요와 일자리는 다른 형태로 생겨난다는 전통적인 경제학적 시각을 따르고 있습니다.

2035년 플렉스포트와 완전 자동화 물류의 그림

플렉스포트의 장기 비전은 단순합니다. "공장에서 소비자까지, 어떤 물건이든, 어떤 수단이든, 어느 국가든, 코드 몇 줄로 움직일 수 있게 만드는 것"입니다.

현재 플렉스포트는

• 147개 국가와의 수출입 화물을 취급하고 있지만

• 실제로 직원과 조직을 두고 있는 국가는 22개에 불과합니다.

이는 즉, 아직 많은 국가에서는 파트너사에 업무를 위탁하고 있다는 의미입니다. 그러나 자동화 관점에서는 자사 직원이 하는 일을 자동화하는 편이 훨씬 수월합니다. 외부 파트너가 어떤 프로세스로 일하는지 완전히 알기 어렵고, 시스템 통합도 제한적이기 때문입니다.

플렉스포트는 중기 목표로, 2028년까지 전 세계 컨테이너 물동량의 95%가 오가는 국가들에 직접 진출해, 해당 국가 내 업무를 자체 인력과 시스템으로 처리하겠다는 계획을 갖고 있습니다. 이런 로드맵이 계획대로 진행된다면, 2035년쯤에는 '법적으로 허용되는 모든 국가'에서 자체 운영이 가능한 상태를 목표로 삼고 있습니다.

여기에 AI 자동화 수준이 지금 이야기하는 90%대에 도달하면,

• 고객은 전 세계 어디로 무엇을 보내든, API나 간단한 UI로 요청하고

• 중간의 서류·통관·배차·주소 검증·커뮤니케이션은 대부분 AI가 처리하는 세계에 가까워질 수 있습니다.

물류는 원래 눈에 잘 보이지 않는 인프라입니다. 플렉스포트가 그리는 미래는, "물류에 대해 생각하는 시간을 최소화하는 것"입니다. 전기 스위치를 켜면 전기가 들어오듯, 물류도 당연히 잘 돌아가는 유틸리티로 만드는 방향입니다.

데이터와 도메인 지식을 가진 기업들의 우위

흥미로운 점은, 플렉스포트가 스스로를 "AI 시대의 후발주자"라기보다, 오히려 유리한 위치의 기존 사업자로 인식한다는 부분입니다.

그 근거는 크게 세 가지입니다.

1. 대규모 데이터

   • 수년간 축적한 운송·계약·지연·고객 커뮤니케이션 데이터가 존재합니다.

   • 이는 신규 AI 스타트업이 쉽게 확보할 수 없는 자산입니다.

2. 도메인 지식

   • 어떤 문제는 제품 전체를 새로 만들 만큼 크지만

   • 어떤 문제는 그냥 기존 제품의 기능 하나로 넣으면 충분한 수준에 불과합니다.

   • 이런 구분과 우선순위 설정은 현장 경험이 있는 기업이 훨씬 잘할 수 있습니다.

3. 배포·신뢰·보안

   • 큰 기업이 AI 기능을 추가하면 다음날부터 수천 고객에게 배포가 가능합니다.

   • 반면, 신규 스타트업은

     • 모델 학습을 위한 데이터 확보

     • 보안·컴플라이언스 신뢰 확보

     • 초기 고객 영업 를 동시에 해결해야 합니다.

여기에 플렉스포트의 추가 장점이 하나 더 있습니다. 핵심 시스템을 외주 솔루션이 아니라 자체 개발한 기업이라는 점입니다. 같은 물류 업계에서도 많은 경쟁사는

• 원격 데스크톱

• 상용 패키지 소프트웨어 에 의존하고 있기 때문에, AI 기능을 핵심 업무에 깊이 통합하는 것이 구조적으로 어렵습니다.

자체 코드베이스를 가진 기업은

• 필요한 곳에

• 원하는 속도로

• AI 에이전트와 모델을 직접 녹여 넣을 수 있다는 점에서 분명한 기술적 우위를 갖게 됩니다.

AI 물류 전략에 대한 해석과 현실적 한계

플렉스포트의 비전과 숫자는 상당히 공격적입니다.

• 해상 운임 8~10% 인하

• 자동화 비율 90~95%

• 글로벌 컨테이너 무역의 95% 국가 직접 커버 라는 목표는, 실행만 된다면 산업 전체 비용 구조를 바꾸는 수준입니다.

다만, 제3자 관점에서 보면 몇 가지 현실적 제약이 예상됩니다.

첫째, 규제·관세·정치 리스크입니다. 물류와 무역은 각국 정부, 관세, 통관 규정, 제재 리스트와 직결됩니다. AI가 서류·신고를 도와줄 수는 있지만,

• 갑작스러운 무역 분쟁

• 특정 국가 제재

• 관세·통관 규정 변경 같은 요소는 알고리즘 최적화만으로 해결하기 어렵습니다. 특히 관세·통관에서는 사람의 최종 서명과 책임이 법적으로 요구되는 구조가 많아, 완전 자동화 대신 "AI + 필수 인간 승인" 형태가 장기적으로 남을 가능성이 높습니다.

둘째, 비용 구조의 바닥 문제입니다. 인건비를 줄여 포워딩 레이어 비용 약 10%를 크게 절감하는 것은 가능해 보이지만,

• 선박 건조·연료·항만 사용료

• 트럭·창고 임대료 처럼 물리적 자산 기반 비용은 AI만으로 크게 줄이기 어렵습니다. 따라서 운임이 8~10% 내려가는 시나리오는 주로 중간 운영·계획·관리 비용에 집중된 효과로 보는 편이 현실적입니다.

셋째, 데이터 품질·편향 이슈입니다. 플렉스포트는 많은 데이터를 보유하고 있지만,

• 특정 국가·노선에 편중된 데이터

• 팬데믹·전쟁·천재지변 같은 비정상 기간의 데이터 가 섞여 있을 수 있습니다. 이 데이터로 학습된 모델은 드문 이벤트나 구조적 변화에 취약할 수 있고, 이 경우 사람보다 과도하게 확신을 가진 잘못된 의사결정을 내릴 위험이 있습니다.

넷째, 인력·문화 전환 속도입니다. 플렉스포트는 해커톤, AI 부트캠프 등을 통해 '모든 직원을 AI 사용자·제작자로 만들겠다'는 방향을 취하고 있습니다. 하지만

• 각국 지사별 문화 차이

• 기존 프로세스에 익숙한 인력의 저항

• 관리자들의 리스크 회피 성향 등을 감안하면, 기술 가능성보다 조직 변화 속도가 더 느려질 가능성이 큽니다.

마지막으로, 경쟁사의 대응입니다.

플렉스포트가 AI로 비용을 낮추고 서비스를 개선하면, 기존 대형 물류 기업들도 비슷한 방향으로 움직일 유인이 생깁니다. 이들 역시 막대한 물량과 데이터를 가진 상태이므로,

• 자체 AI 조직 구축

• AI 스타트업 인수

• 빅테크와의 파트너십 을 통해 추격에 나설 수 있습니다. 이 경우, 플렉스포트가 제시한 8~10% 비용 절감 효과의 상당 부분이 결국 업계 전반의 가격 경쟁으로 고객에게 넘어가고, 자사 마진 개선폭은 제한될 가능성도 존재합니다.

그럼에도 불구하고, 물류처럼 규모·데이터·운영 난이도가 높은 산업에서 AI를 깊이 통합하려는 시도 자체가 앞으로 10년간 중요한 벤치마크 역할을 할 가능성이 큽니다. 플렉스포트의 목표를 그대로 달성하지 못하더라도, 실제로 어느 수준까지 자동화가 가능한지가 "AI가 물리 세계 인프라를 어디까지 바꿀 수 있는지"를 가늠하는 시험대가 될 수 있기 때문입니다.

마무리하면,

• AI는 이미 물류에서 구체적인 숫자로 측정 가능한 비용 절감과 리드타임 개선을 만들고 있고

• 플렉스포트는 이를 조직 전체 문화와 글로벌 확장 전략에 연결시키려는 대표적인 사례입니다.

향후 몇 년간 플렉스포트와 비슷한 전략을 취하는 물류·제조·유통 기업을 관찰하면, AI가 디지털 산업을 넘어 실제 물리적 경제를 어떻게 재구성하는지를 보다 명확히 파악할 수 있을 것으로 보입니다.

출처 및 참고 :