글로벌 전자상거래 거대 기업 Amazon이 물류 네트워크에 100만 대의 로봇을 배치했다고 발표했습니다. 이 숫자는 Amazon 창고의 인력 규모에 근접한 수치입니다. 동시에 Amazon은 로봇의 이동 경로를 최적화하여 운영 효율성을 10% 향상시키고 배송 비용을 효과적으로 줄이는 인공지능 시스템인 DeepFleet을 출시했습니다.
현재 Amazon의 전 세계 직원 수는 약 150만 명이며, 이 중 약 120만 명이 물류 센터에서 근무하고 있습니다. 회사는 300개 이상의 물류 거점에 로봇을 배치했으며, 그중 75%의 배송 센터는 로봇의 도움을 받아 작업하고 있습니다. 보도에 따르면, Amazon의 지난해 각 시설 평균 고용 인원 수는 670명으로, 16년 만에 최저 기록을 경신했습니다. 자동화가 확산됨에 따라, 한 직원이 관리하는 택배 수량은 10년 동안 거의 22배 증가하여 175개에서 약 3,870개로 상승했습니다. 이는 자동화가 가져온 효율성 향상을 보여줍니다.
DeepFleet는 생성형 AI 모델로서 Amazon의 내부 물류 데이터 및 Amazon SageMaker 등 AWS 도구를 활용하여 구축되었습니다. 이는 마치 교통 통제 시스템처럼 전체 이행 네트워크의 로봇 이동을 조정하는 것을 목표로 하고 있습니다. 스마트 교통 관리 개념을 모방함으로써, 이 시스템은 창고 내 혼잡 상황을 현저히 줄이고, 경로를 최적화하여 고객 주문 처리 효율성을 가속화할 수 있습니다.
Amazon은 DeepFleet가 고객 위치에 더 가깝게 상품을 배치하여 더 빠른 배송과 비용 절감을 실현할 수 있다고 밝혔습니다. 이 AI 모델은 지속적으로 학습하고 개선되며 새로운 로봇 협업 최적화 방법을 발견하여 작업 효율성과 안전성을 향상시키고 유지보수 및 기술 운영과 같은 새로운 직업 기회를 창출합니다. 2019년 이후 70만 명 이상의 직원이 관련 역할에 대한 교육을 받았습니다.
아마존의 로봇 도입은 2012년에 출시된 창고 선반 이동 로봇으로 시작되었으며, 현재 실제로 11종의 다양한 로봇이 운영되고 있습니다. 그 중 주력 로봇인 헐크(Hercules)는 전체 선반 유닛을 작업자 근처로 이동시켜 보행 시간을 줄이고 상품 선별 속도를 높이는 역할을 합니다. 반면에 페가수스(Pegasus)는 바퀴 장착 유닛을 갖추고 있어 물류 센터 간에 효율적으로 소포를 운반합니다.
또한, Amazon의 첫 완전 자율 이동 로봇인 Proteus는 창고 내에서 인간과 안전하게 협력할 수 있으며, 촉각 로봇 Vulcan은 힘 감지 센서와 AI 기술을 통해 촉각 작업을 보조해 근로자의 반복 작업 부담을 줄이고 있습니다. Agility Robotics가 개발한 이족 보행 로봇 Digit은 현재 테스트 중이며, 향후 화물차 하역 등의 책임을 맡을 수 있을 것으로 예상됩니다.
Sequoia의 로봇 시스템에서는 이동 로봇, 게이트 시스템, 로봇 팔과 인체 공학적인 직원 작업 공간이 효과적으로 통합되어 재고의 컨테이너화를 관리합니다. 로봇 팔 Robin은 다양한 시스템 간에 시각과 흡입력을 활용해 소포를 분류하고 이동할 수 있으며, Cardinal은 중량물을 들어 배송 차량까지 옮기는 역할을 하며, Sparrow는 흡입 패드와 컴퓨터 비전을 이용해 손가방에서 개별 물건을 선택합니다.
Titan의 이 더욱 강력한 버전은 더 무거운 재고를 운반하기 위해 설계되었으며, 모듈화된 이동 로봇 플랫폼 Xanthus는 교체 가능한 부착물을 통해 다양한 창고 작업의 요구에 맞게 적응할 수 있습니다. Forrester의 분석가 Rowan Curran은 DeepFleet가 생성적 AI 공급업체가 비언어적 모델을 만드는 데 점점 더 성숙해지고 있음을 보여주며, 이러한 모델의 확장 가치와 다양한 응용 사례의 가능성을 강조한다고 지적했습니다.
업계의 다른 기업들인 Netflix와 Microsoft도 새로운 용도를 위한 기초 모델 개발에 적극적으로 나서고 있습니다. Netflix는 회원의 시청 기록에 따라 추천 모델을 출시했으며, Microsoft는 게임 플레이를 위한 생성형 AI 모델을 제안했습니다. 전문가들은 기업이 풍부한 데이터와 강력한 훈련 능력을 갖춘다면 이러한 기초 모델을 기반으로 다양한 응용 사례를 창출할 수 있다고 보고 있습니다.
