글로벌 뉴스 생성형 AI, 새로운 방식으로 물류 산업에 영향을 미칠 것

물류 기술 전문가들에 따르면, 이른바 ‘대규모 언어 모델(LLM)’의 즉각적인 영향은 소프트웨어 및 제품 개발 과정을 가속화한다는 것이며, 장기적인 영향은 화주들이 국제 화물 이동을 뒷받침하는 작업 흐름을 관리하는 방식을 재구성한다는 것이다.

현 시점으로 세계에서 가장 유명한 LLM인 ChatGPT가 비전문가들에게 인공지능(AI)의 잠재력을 선보인지 거의 6개월이 지났지만, 순수한 B2B 사용 사례에서 대규모 언어 모델이 가진 중요성에 대한 논쟁은 여전히 진행 중이다.

‘생성형 AI (Generative AI)’라고도 하는 이 도구에 대한 회의론 중 하나는 최근 몇 년 동안 물류 업계가 가시적인 진전을 이루지 못한 채 과대 포장된 기술로 인해 피해를 입었다는 것이다. 이처럼 과장된 기술들 중 가장 주목할 만한 것은 블록체인인데, 블록체인은 2018년 기업들의 엄청난 각광을 받았지만 아직 글로벌 물류에서 혁신적인 적용 사례를 만들어내지 못했다.

일부 물류 기술 전문가들은 LLM이 업계 관계자들과 소프트웨어가 상호 작용하는 방식을 바꿀 것이라고 믿고 있다. 그러나 다른 많은 이들은 물류 관리자가 마치 스마트 홈 기기를 사용해 집안의 온도를 조절하는 것처럼 물류 시스템을 통해 여러 대륙에 걸친 상품 배송을 자율적으로 실행하도록 하는 것은 현실과 동떨어져 있다고 말한다.

그러나 생성형 AI와 관련해서 물류 산업에 두 가지 패턴이 분명하게 나타나고 있다. 첫째, 산업별로 특화된 LLM이 ChatGPT와 같은 범용 LLM보다 훨씬 더 높은 가치를 갖는다는 것이다. 둘째, 비전문가보다는 이러한 시스템을 유도하는 방법을 보다 잘 이해하는 소프트웨어 엔지니어와 프로그래머 등이 LLM의 즉각적인 가치를 활용할 수 있다는 것이다.

유도의 효과, 즉 원하는 답변을 얻기 위해 LLM에 올바른 질문을 던지는 기술은 많은 사람들이 생각하는 물류 업계에서 생성형 AI가 갖는 잠재력을 실현할 수 있는지 여부를 결정하는 핵심이다.

디지털 포워딩 회사 포르토(Forto)의 CEO 마이클 왁스(Michael Wax)는 JOC와의 인터뷰에서 “오늘날 AI의 가장 적절한 사용 사례는 고객 지원 및 고객 서비스 분야이며, 이메일과 전화 응대에 많은 시간을 할애하고 있다”고 말했다. “AI가 예외를 처리하고 고객들이 더 많은 문제들을 능동적인 방식으로 처리하도록 하는 데 얼마나 많은 시간을 투자할 수 있는지 한번 상상해 보십시오. AI에는 아직 발견되지 않은 엄청난 잠재력이 있다고 생각합니다.” 수년에 걸친 개발 명확하게 말하면 LLM은 새로운 것이 아니다. 물류 업계의 소프트웨어 공급업체들은 수년 동안 사용자들이 더 많은 데이터 풀에서 정보를 추출하거나 기존 레거시 시스템에서 운송 관리 명령을 실행할 수 있는 도구를 구축하기 위해 노력해왔다.

일부 회사들은 LLM을 활용하여 기계와 인간이 ‘대화’할 수 있도록 하는 물류 전용 챗봇을 개발하는 데 온전히 집중하고 있다.

자체 구축한 독점 LLM을 기반으로 포워더를 위한 물류 전용 로봇을 만드는 회사인 Rippey.ai의 CEO 맷 모틱(Matt Motsick)은 “로봇이 배송 견적을 내려주고, 배송을 추적예약하고, 실시간으로 응답하는 것이 핵심”이라고 말한다.

“ChatGPT에서는 배송 견적을 받을 수 없다. ChatGPT는 훌륭한 내부 도구와 리서치 도구로 사용될 수 있지만, 고객 도구로는 아직 부족하다.”

Rippey.ai는 AI 전문가가 아닌 사용자와 직접 상호 작용하는 LLM 중 하나다. 모틱은 LLM을 사용하여 기업들 간의 상호 작용을 보다 효율적으로 만드는 것이 목표라고 말한다. 모틱은 사용률이 높은 운임 관리 소프트웨어 공급업체 Catapult (현재는 포워딩 소프트웨어 공급업체인 Magaya에 합병됨)를 매각하였으며, 2017년 Rippey.ai (구 사명 RPA Labs)를 설립했다. 그는 물류 사용자는 LLM을 “물류 언어 모델”로 생각해야 한다고 밝혔다.

“챗봇은 FCL, LCL, CBM과 같은 용어를 학습하여 고객들이 무엇을 찾고 있는지 정확히 알고 있다. 우리는 물류 언어 모델을 구축하는 데 4년을 투자했다”고 모틱은 말했다.

Rippey.ai의 봇이 이미 LLM이 소프트웨어 사용자를 어떻게 지원하고 있는지를 보여주는 사례라면, 업계 일각에서는 자신이 하는 일을 잘 아는 프로그래머가 가장 큰 이득을 볼 것이라 말한다. LLM에는 인간의 언어뿐만 아니라 코딩 언어도 포함될 수 있으므로 LLM이 본질적으로 엔지니어 팀의 역량을 확장하고 제품 개발을 더욱 빠르게 수행함으로써 소프트웨어 개발을 가속화할 것이라는 논리다. 개발 역량의 확장 100명의 소프트웨어 엔지니어를 보유하고 있는 글로벌 운송 및 조달 관리 소프트웨어 제공업체의 한 임원은 LLM이 정확히 이러한 효과를 갖고 있다고 말했다.

익명을 요구한 이 임원은 JOC와의 인터뷰에서 “정확히 파악하기는 어렵지만, 아마도 1인당 10~30% 정도 작업 속도가 빨라진 것 같다”며 이는 “1인당 연간 1,000달러에 약 20명의 엔지니어를 고용하는 것과 같은 효과”라고 설명했다.

이 임원은 “클라우드 컴퓨팅이나 스마트폰의 등장 이후 내 생애 이런 패러다임의 변화는 없었던 것 같다”고 말했다. 이어 “이런 종류의 경제학은 엄청난 변화를 가져올 수 밖에 없다. 세상은 지금 당장 얻을 수 있는 것보다 더 많은 코드를 원하기 때문에 사람들을 해고하지 않을 것이다. 하지만 두고 보면 알게 될 것”이라고 덧붙였다.

올해 초 포워더 맞춤형 소프트웨어 제공업체인 Expedock은 기업의 공급망 데이터를 점검하고 사람이 이해할 수 있는 답변을 쿼리에 제공하도록 설계된 챗봇과 유사한 인터페이스를 구축했다.

“기본적인 개념은 사용자들이 원하는 배송 데이터를 얻기 위해 TMS를 헤맬 필요가 없도록 하는 것”이라고 Expedock의 CEO 킹 알랜디 다이(King Alandy Dy)는 말했다. “개인적으로 AI가 앞으로 기업과 공급망 데이터가 상호 작용하는 방식 중 하나가 될 것이라 본다. 또한 이러한 AI 모델이 해결할 수 있는 다른 흥미로운 사용 사례들도 많이 있다.”

Expedock은 LLM을 활용하여 여러 가지 실험을 진행하고 있다. 그 중 몇 가지는 공급망 예측과 의사결정 과정을 개선하여 이해하기 쉬운 형식으로 결과를 도출하고, 이메일, 고객 리뷰 및 SNS 게시물 등 비정형적인 데이터 소스로부터 인사이트를 추출하며, 고객 문의에 대한 응답을 자동화하고 공급업체와의 의사소통을 개선하기 위해 사용할 수 있는 인간과 유사한 텍스트를 생성하는 것 등이다.

다이는 “우리 팀은 주말에 재미 삼아 꽤나 이상한 일들을 벌이곤 한다”고 말했다. “기존 공급망 프로세스를 획기적으로 개선할 수 있는 새로운 AI 모델의 물결에 대해 쓰여질 글은 무궁무진하다. 혁신은 이제 막 시작되었다.” “위대한 깨달음” 물류 소프트웨어 공급업체 로그넷(LOG-NET)의 CEO 존 모틀리(John Motley)는 생성형 AI로 인해 “지난 수년 간의 AI 발전에 대한 위대한 깨달음”을 얻었다고 고백했다.

그는 “ChatGPT와 LLM은 적응형 알고리즘과 결합된 대규모 데이터 세트가 인간 지능에 얼마나 가까워졌는지에 대한 깨달음을 주었다”고 말했다.

모틀리는 AI는 점점 더 정교해지는 알고리즘을 통해 다량의 데이터 세트를 처리하여 결과를 내리는 능력인 ‘계산 지능’을 기반으로 하고 있다고 설명했다. 그는 “여러 AI에 공통적으로 나타나는 요소는 기계의 인지 능력이 경우에 따라 인간의 인지 능력을 능가한다는 사실이 일반적으로 받아들여지고 있다는 점”이라고 덧붙였다.

모틀릭 역시 모틱과 마찬가지로 물류 업계라는 맥락을 고려하지 않은 LLM은 가치가 제한적이라고 경고했다. “비즈니스 모델을 깊이 이해해야 한다”고 그는 말했다. “인간 모델만을 훈련시킨다면 창의적이고 빠르지만 멍청한 기계를 만들게 될 것이다. 따라서 LLM에 대한 전문 지식뿐만 아니라 비즈니스, 알고리즘 및 AI에 대한 전문성이 필요하다.”

Logistics technology experts say the immediate impact of so-called large language models (LLMs) will be to accelerate software development and product iteration, while the longer-term impact will be a reshaping of how shippers manage the workflows underpinning their international freight moves.

Nearly six months after ChatGPT, the most famous LLM, brought the potential of artificial intelligence (AI) into clearer focus for non-technical people, there remains some debate over how significant large language models are in pure business-to-business use cases.

Part of the skepticism around such tools, also known as generative AI, is that the logistics industry has been burned in recent years by overhyped technologies that didn’t necessarily yield tangible progress. The most notable of those overhyped concepts was blockchain, which came to prominence in business circles in 2018, but has yet to find a transformative application in global logistics.

Some logistics technology experts believe LLMs will change the way people in the industry interact with software. But others believe the industry is far from a reality where a logistics manager merely prompts a system to autonomously execute a shipment of goods across continents, as a consumer might prompt a smart home device to adjust the temperature in his or her house.

Two clear patterns of impact around generative AI are, however, clearly emerging in logistics. First, the idea that industry-specific LLMs will be far more valuable than general purpose ones, such as ChatGPT. And second, that the immediate value of LLMs will be leveraged by software engineers and programmers that understand how to prompt such systems better than non-experts.

The effectiveness of prompts — the art of asking an LLM the right questions to get the desired answers — is at the heart of whether generative AI can reach the potential many believe it has in the logistics world.

“The most relevant use cases today that you see of AI are in customer support and customer service, with so much time spent emailing and answering phone calls,” Michael Wax, CEO of forwarder Forto, told the Journal of Commerce. “So just imagine how much time can be spent on resolving exceptions, making sure that clients are being treated in a much wider agenda and in a much more proactive fashion. I see tons and tons of potential there that I feel is still, today, very much undiscovered.” Years in the making To be clear, LLMs are no novelty. Software providers in the logistics industry have, for years, yearned to build tools that make it easier for users to extract information from ever-increasing pools of data, or to execute transportation management commands on existing legacy systems.

Some companies are even designed purely around the creation of logistics-specific chatbots, which leverage LLMs to enable machines to “converse” with humans.

“The idea is to have a bot get you a shipping quote, track a shipment, book a shipment, responding back in real time,” said Matt Motsick, CEO of Rippey.ai, which builds logistics-specific bots for forwarders based on a proprietary LLM it has built.

“With ChatGPT, you’re querying the internet, but it won’t answer business-related queries,” Motsick said. “You can’t get a shipping quote from ChatGPT. ChatGPT is great as an internal tool and as a research tool. But for a customer tool, ChatGPT alone won’t work.”

Rippey.ai is an example of LLMs interfacing directly with users that aren’t AI experts. The goal, Motsick said, is to use LLMs to make interactions between businesses more efficient. After selling widely used freight rate management software vendor Catapult (now part of forwarding software vendor Magaya), Motsick founded Rippey.ai, formerly called RPA Labs, in 2017. He said logistics users should think of LLMs as “logistics language models.”

“It’s trained on terms like FCL, LCL, CBM, so the chatbot knows exactly what the customer is looking for,” he said. “We spent four years building the logistics language model.”

If Rippey.ai’s bots are an example of how LLMs are already assisting software users, some in the industry believe the biggest gains are to be made by programmers that know what they’re doing. The theory is that LLMs will accelerate software development by essentially expanding the capacity of engineer teams and enabling them to iterate products faster, because LLMs can also include coding languages, not just human languages. Expanding development capacity An executive at a global transportation and procurement management software provider responsible for 100 software engineers said LLMs are having exactly that impact.

“It's hard to pin down, but it's probably 10 to 30% more velocity per person,” the executive, who did not want to be identified, told the Journal of Commerce. “It's like getting around 20 engineers for $1,000 per year per person.”

“I don't think there’s been a genuine paradigm shift like this in my lifetime since cloud computing or maybe the arrival of smartphones,” the executive said. “That kind of economics simply has to result in massive changes. I think the world wants more code than it can get right now, so it won't lay people off. But we'll find out.”

Expedock, a software provider catering to forwarders, earlier this year built a chatbot-like interface designed to inspect a business’s supply chain data and answer queries in responses understandable to humans.

“The idea was for users not to have to slog through TMSs to get to the shipment data they need,” Expedock CEO King Alandy Dy said. “Personally, we believe that this will be one of the ways that businesses will interact with their supply chain data in the future. There are also many other interesting use cases that these AI models can address.”

Expedock is also experimenting with using LLM in other ways: to improve supply chain forecasting and decision-making to return results in an understandable format; extracting insights from unstructured data sources such as emails, customer reviews and social media posts; and generating human-like text that can be used to automate responses to customer inquiries and improve communication with suppliers.

“My team has some pretty crazy stuff they build for fun on the weekends,” Dy said. “There’s tons to be written about the wave of these new AI models that can drastically improve existing supply chain processes, and the innovation is just beginning.” “A great awakening” John Motley, CEO of logistics software vendor LOG-NET, said generative AI has resulted in a “great awakening to years of progress in AI.”

“ChatGPT and LLMs provided the epiphany of how close massive data sets combined with adaptive algorithms has gotten to human intelligence,” he said.

AI is largely based on computational intelligence, the ability to determine outcomes based on processing larger and larger data sets through increasingly sophisticated algorithms, Motley said. “The common element of AI is that it is now generally accepted that the cognitive intelligence of machines, in some instances, is exceeding human cognitive intelligence,” he said.

Motley, similar to Motsick, cautioned that LLMs without logistics context are of limited value.

“You have to understand the business model deeply,” he said. “Training on human models may just make a creative, fast and what appears to be stupid machine. You need business, algorithmic and AI expertise, not just LLM expertise.”