글로벌 물류에서는 선박 위치와 항만 혼잡도, 기상, 운송 일정 등 서로 다른 데이터가 계속 변한다. 화물의 도착 시점을 예측하는 것만으로는 지연이 발생했을 때 어떤 경로로 변경하고 화주에게 언제 알려야 하는지까지 판단하기 어렵다. 물류 과정마다 개별 AI를 적용하더라도 각각의 예측과 추천이 연결되지 않으면 실무자는 여러 결과를 다시 비교해야 한다. AI가 제안한 결론을 현장에서 활용하려면 판단 근거를 확인할 수 있는 구조도 필요하다. 트레드링스가 도착 예측과 지연 탐지, 복합운송 경로 추천을 담당하는 전문 AI들이 협업하는 다중 에이전트 시스템을 개발한다.
AI 공급망 데이터 플랫폼 기업 트레드링스는 중소벤처기업부와 중소기업기술정보진흥원이 주관하는 ‘스케일업 팁스(Scale-up TIPS) R&D’ 과제에 선정됐다. 트레드링스는 향후 3년간 약 20억원의 정부 연구개발 자금을 지원받는다.
트레드링스가 스케일업 팁스 R&D 과제를 통해 물류 다중 에이전트 시스템을 개발한다. (자료 제공: 트레드링스)
스케일업 팁스는 민간 투자사가 성장 가능성이 높은 기업을 발굴해 먼저 투자하면 정부가 연구개발 자금을 연계하는 프로그램이다. 2026년에는 민간 투자사의 10억원 이상 선투자를 거쳐 정부가 기업당 최대 3년간 20억~30억원의 R&D 자금을 매칭하는 방식으로 운영된다.
이번 과제에서는 트레드링스가 주관연구개발기관을 맡고 부산대학교와 KAIST가 공동연구개발기관으로 참여한다. 바인벤처스는 운영사를 담당한다. 부산대는 글로벌 항만의 운항·혼잡 정보를 분석하는 정밀 예측 인프라를 고도화하고, KAIST는 해석 가능한 AI(Explainable AI)를 활용한 의사결정 지능을 연구한다.
도착 예측부터 대체 경로 추천까지 AI 판단을 연결
트레드링스가 개발하는 다중 에이전트 시스템은 물류 업무별로 역할을 나눈 여러 AI가 정보를 주고받으며 하나의 결과를 만드는 구조다. 화물 도착 시점을 계산하는 에이전트와 지연 가능성을 탐지하는 에이전트, 복합운송 경로를 추천하는 에이전트가 각각의 분석 결과를 다음 단계의 판단에 활용한다.
예를 들어 특정 항만의 혼잡으로 도착 지연 가능성이 높아지면 지연 탐지 에이전트가 위험 신호를 전달하고, 경로 추천 에이전트가 대체 항만이나 육상·철도 운송을 포함한 복합운송 방안을 검토하는 방식이다. 선적과 운항, 항만 도착을 개별적으로 분석하는 과정에서 벗어나 전체 운송 흐름을 하나의 의사결정 과정으로 연결하는 것이 연구 방향이다.
각 에이전트에는 예측과 추천의 근거를 함께 제시하는 해석 가능한 AI가 적용된다. 화주와 포워더 실무자는 AI가 어떤 항만 정보와 운항 이력, 지연 요인을 바탕으로 결과를 산출했는지 확인할 수 있다. 현장 담당자가 판단 근거를 검토하고 실제 업무에 반영할 수 있어야 AI의 추천이 운송 일정 조정과 고객 안내, 재고 운영으로 이어질 수 있다는 판단이다.
트레드링스는 해석 가능한 AI를 통해 물류 데이터의 업데이트 빈도와 정확도도 높일 계획이다. 사용자가 AI의 판단 과정에서 잘못된 정보나 누락된 변수를 확인하면 이를 데이터 보완과 모델 개선에 반영할 수 있다. 예측 결과를 일방적으로 전달하는 구조보다 현장 피드백을 지속적으로 축적할 수 있는 방식이다.
연구 성과는 트레드링스가 운영 중인 상용 플랫폼에 적용된다. 트레드링스는 10년간 축적한 실선적 데이터와 전 세계 6만여 개 기업이 이용하는 공급망 플랫폼을 보유하고 있다. 과제의 성과 지표도 실제 고객의 운영 데이터를 기반으로 측정한다. 연구 환경에서 모델을 개발한 뒤 별도의 상용화 단계를 거치는 방식보다 고객 데이터로 성능을 검증하고 개선 기능을 플랫폼에 반영하는 기간을 줄일 수 있다.
박민규 트레드링스 대표는 “이번 과제를 통해 다수의 전문 AI 에이전트가 협업하는 다중 에이전트 체계로 세분화된 도착 예측과 지연 사전 탐지 등 핵심 AI 기능을 고도화하고 연구 성과를 곧바로 글로벌 시장에 적용하겠다”며 “복제하기 어려운 자체 데이터와 전문성이 결합된 컨소시엄을 바탕으로 글로벌 시장의 기술 리더로 도약할 것”이라고 말했다.
다중 에이전트 기술의 성과는 AI의 수나 연구 모델의 정확도만으로 판단하기 어렵다. 실제 물류 현장에서 도착 예측 오차를 얼마나 줄이고 지연을 얼마나 일찍 감지했는지, 대체 경로 추천이 운송 비용과 대응 시간을 얼마나 절감했는지가 사업성을 결정한다. 국가와 항만, 운송수단마다 데이터 형식과 업데이트 주기가 다른 만큼 다양한 운송 구간에서도 일관된 성능을 유지해야 한다. 트레드링스가 6만개 기업의 실제 운영 데이터를 활용해 이 과정을 검증한다면 연구 결과를 글로벌 물류 실무에 적용하는 속도도 빨라질 수 있다.
The post 도착 예측·지연 탐지 AI가 함께 판단한다…트레드링스, 다중 에이전트 개발 appeared first on 벤처스퀘어.