그랩, 배송 비용 절감을 위해 자체 로봇 개발

인건비 증가와 배송 마진 축소로 인해 그랩(Grab)과 같은 주요 플랫폼 운영사들은 자동화를 모색하고 있다. 로봇 모빌리티 스타트업 인퍼무브(Infermove) 인수는 내부 로봇 기술 역량을 구축하기 위한 전략적 조치다.

그랩은 사소한 효율성 개선만으로도 상당한 효과를 거둘 수 있는 규모로 운영된다. 이 플랫폼은 동남아시아 전역에서 수백만 건의 배달을 지원하며, 그중 상당수는 복잡한 도시 환경을 누비는 스쿠터 및 자전거 배달원들이 수행한다. 이러한 복잡성은 본질적으로 자동화가 인력을 대체할 수 있는 범위를 제한한다. 예측 불가능한 현실 환경용 로봇 전문 기업을 인수함으로써 그랩은 물리적 세계 인공지능이 통제된 시범 운영을 넘어 배치될 만큼 충분히 성숙했다고 판단하고 있음을 시사한다.

핵심 사업 기능 근처 배송 자동화

그랩은 표준화된 기성 시스템에 의존하기보다 개발 주기를 내재화하는 길을 선택했다. 인퍼무브의 기술은 비동력 배송 차량의 패턴을 포함한 실제 이동 데이터로부터 학습하도록 설계되었다. 실질적으로 이는 로봇이 이상화된 시뮬레이션 환경이 아닌, 사람들이 실제로 보도와 횡단보도, 혼잡한 배송 지점을 어떻게 이동하는지에 대해 훈련된다는 의미다.

Grab과 같은 배송 대기업에게 이 차이는 결정적입니다. 시뮬레이션은 초기 개발에 도움이 되지만, 실제 도시 물류를 정의하는 특이한 시나리오를 종종 고려하지 못합니다. 이 학습 과정을 내재화함으로써 Grab은 제3자 솔루션을 수용하기 위해 전체 배송 네트워크를 재구성하는 대신, 특정 운영 한계 내에서 자동화가 기능하는 방식을 직접 설계할 수 있습니다.

기업 전략 관점에서 핵심 가치는 강화된 통제력에 있다. 기반 기술을 보유함으로써 Grab은 배포 속도, 운영 범위, 비용-편익 결정에 대한 영향력을 확대한다. 또한 전략적 목표가 Grab의 지역적 입지나 경제 상황과 부합하지 않을 수 있는 외부 공급업체에 대한 장기적 의존도를 줄인다.

그러나 자동화는 인간 배송 인력을 전면 대체하는 개념으로 설정되지 않습니다. 로봇이 특정 작업 흐름을 담당하더라도 서비스 수행에는 여전히 인력이 필수적입니다. 그랩의 초점은 구조화된 첫 마일 또는 마지막 마일 구간에서 반복적이고 단거리인 작업과 같은 특정 적용 분야에 맞춰진 것으로 보입니다. 이러한 영역에서 로봇은 수요 급증 관리, 혼잡 시간대 지연 감소, 인력 부족 시 압박 완화에 기여할 수 있습니다.

서비스 품질 유지와 비용 통제

지난해 12월 내부 회의에서 그랩의 수텐 토마스 최고기술책임자(CTO)는 인퍼무브의 기술 발전을 "인상적"이라고 평가하며 기술적 역량과 초기 상용화 가능성을 동시에 언급했다. 그는 또한 해당 스타트업이 독립적으로 운영될 것이며 창업자가 직접 그에게 보고할 것이라고 밝혔다. 이러한 구조는 그랩이 신속한 조직 통합보다 효과적인 실행과 사업 연속성을 우선시함을 시사한다.

이 전략은 대형 디지털 플랫폼 전반의 광범위한 추세를 반영한다. 기업들은 AI를 기존 프로세스에 추가되는 보조 계층으로 취급하기보다 핵심 운영에 더 깊이 통합하고 있다. 배송 및 물류 분야에서는 순수한 소프트웨어 최적화를 넘어 실질적인 자동화로 진화하는 경우가 늘고 있는데, 이는 위험과 비용이 더 크지만 잠재적 이득이 더 근본적이다.

시기가 중요하다. 주문형 배송 수요는 계속 증가하지만 수익성은 여전히 제약받고 있다. 고객은 더 빠른 서비스와 낮은 비용을 기대하는 반면, 운영사들은 인건비, 연료비 상승 및 규제 감독 강화에 직면한다. 이러한 환경에서 자동화는 단순한 실험에서 벗어나 재정적 지속가능성을 해치지 않으면서 서비스 수준을 유지하기 위한 필수 도구로 전환되고 있다.

로봇 개발을 핵심 운영에 가깝게 배치하는 것은 데이터 활용에 대한 인센티브를 더 잘 조율할 수도 있습니다. 물리적 AI 시스템 훈련에는 방대한 양의 실제 데이터가 필요하며, Grab과 같은 배송 플랫폼은 이미 이를 대규모로 생성하고 있습니다. 이러한 피드백 루프를 내부적으로 유지하면 개발 주기를 가속화하고 민감한 운영 데이터를 외부와 공유할 필요성을 최소화할 수 있습니다.

한계는 여전히 존재한다. 인도 및 단거리 이동용으로 설계된 로봇이 가까운 시일 내에 전체 네트워크에서 인간 배달원을 완전히 대체할 준비가 되어 있지 않다. 기상 조건, 지역 규정, 고객 수용도는 자동화가 실질적으로 가능한 영역을 계속해서 결정할 것이다. 인프라와 법적 체계가 크게 상이한 다국적 확장은 추가적인 복잡성을 초래한다.

업계 전망은 라스트마일 배송 로봇의 급속한 성장을 시사하지만, 이러한 시장 수치는 운영자에게 실질적인 지침을 제한적으로 제공한다. 더 시급한 질문은 자동화가 새로운 장애 요소를 생성하지 않으면서 배송당 비용을 절감할 수 있는지 여부다. 그 답은 전체 시장 규모보다 활동적이고 예측 불가능한 환경에서의 안정적인 성능에 더 크게 좌우된다.

기업 관점에서 볼 때, 인퍼무브 인수는 단순히 로봇 공학이라는 제품 부문에 대한 투자가 아닙니다. 이는 인공지능, 데이터, 물리적 운영 간의 연결을 강화하기 위한 전략적 움직임입니다. 물류와 모빌리티를 기반으로 하는 플랫폼 기업들에게 이러한 심층적 통합은 지속적인 비용 압박 속에서 성장을 지속하는 데 결정적 요소가 될 수 있습니다.

참조: 법률협회: 현행 법률은 AI 시대에 부합한다

업계 리더들의 AI 및 빅데이터 인사이트를 탐구해 보시겠습니까? 암스테르담, 캘리포니아, 런던에서 개최되는 AI & 빅데이터 엑스포를 방문하세요. 이 포괄적인 행사는 TechEx의 일부로, 다른 주요 기술 행사들과 동시 개최됩니다. 자세한 내용은 여기를 클릭하세요.

AI 뉴스는 TechForge Media에서 제공합니다. 추가 예정된 기업 기술 행사 및 웨비나는 이 링크에서 확인하세요.