쿠팡 AI 팩토리는 쿠팡이 엔비디아와 함께 구축한 AI 전용 물류 연산 인프라입니다. 같은 장비로 처리할 수 있는 물류 판단량이 약 1.5배 늘어난 것이 첫 번째 성과로, 재고 배치부터 배송 경로까지 물류 운영 전반을 하나의 AI 시스템 안에서 연결하는 구조를 갖추었습니다. 이 변화는 플랫폼에 입점한 판매자와 브랜드의 운영 기준에도 직접적인 영향을 미칩니다.
쿠팡Inc는 2026년 3월 미국에서 열린 엔비디아 AI 컨퍼런스에서 AI 팩토리 구축을 발표했습니다. 자체 구축한 AI 전용 클라우드(CIC)와 엔비디아의 고성능 AI 연산 장비(DGX SuperPOD)를 결합한 이 시스템은, AI 연산 장비의 가동률을 기존 65%에서 95%로 끌어올렸습니다. 같은 인프라로 훨씬 더 많은 물류 판단을 처리할 수 있게 된 것입니다.
이번 발표에서 공개된 AI 적용 영역은 크게 세 가지입니다. 첫째는 재고 배치로, 물류센터에 수만 종의 상품이 들어올 때 어떤 상품을 어느 위치에 보관할지를 AI가 결정합니다. 둘째는 상품 적재 방식으로, 한정된 공간에 상품을 얼마나 효율적으로 채울 수 있는지를 계산합니다. 셋째는 배송 경로 최적화로, 수천 건의 배송 건을 실시간으로 분석해 시간과 비용이 가장 적게 드는 순서를 찾아냅니다.
이 외에도 물류 AI가 적용될 수 있는 영역은 넓습니다. 대표적인 것이 수요 예측입니다. 어떤 상품이 어느 지역에서 얼마나 필요할지를 AI가 예측하고, 그에 맞춰 물류센터에 미리 재고를 채워둡니다. 수요 예측이 정확해지면 과잉 재고와 품절을 동시에 줄일 수 있어, 물류 비용 절감의 핵심 영역이라고 할 수 있습니다.
이전에도 컨베이어 벨트 자동화, 바코드 스캐너, 창고 관리 시스템(WMS) 등 물류에 기술을 도입한 사례는 많았습니다. 하지만 이런 기술들은 대부분 특정 공정 하나를 자동화하는 수준이었습니다. 쿠팡 AI 팩토리가 보여준 건, 재고 배치부터 배송 경로까지 물류 운영 전체를 하나의 AI 시스템 안에서 연결하겠다는 구조라는 점에서 기존 접근과 차이가 있습니다.
쿠팡은 이 시스템을 내부적으로 '포장도로(paved road) 전략'이라고 부릅니다. 개발자들이 복잡한 인프라를 새로 깔 필요 없이, 이미 닦인 환경 위에서 바로 AI 모델을 만들고 테스트할 수 있는 구조를 뜻합니다. 시애틀과 마운틴뷰를 포함한 글로벌 엔지니어링 조직이 이 환경을 공유하면서, 물류 AI 모델의 개발과 적용 속도가 빨라졌다고 쿠팡 측은 밝혔습니다.
주목할 점은, 이런 움직임이 쿠팡에만 국한되지 않는다는 것입니다. 유통업 전체로 AI 인프라 투자가 확산되고 있습니다.
신세계그룹은 AI 전문 기업 리플렉션 AI와 손잡고 국내 최대 규모의 AI 전용 데이터센터를 짓고 있습니다. 전력 250MW 규모로, 업계에서는 투입 자본이 조 단위에 이를 것으로 보고 있습니다. 신세계는 이 인프라를 기반으로 '리테일 AI 풀 스택(Retail AI Full-Stack)'을 개발해, 온라인 몰에서 고객 맞춤형 상품 추천부터 결제, 배송까지 AI가 관여하는 체계를 만들겠다는 구상입니다.
롯데 역시 AI를 자체 유통 시스템에 녹이는 작업을 진행하고 있습니다. 전통적인 유통 강자인 롯데와 신세계, 그리고 이커머스 기업 쿠팡이 단순한 기술 도입을 넘어 수조 원대 자본을 투입해 AI 인프라를 직접 구축하는 경쟁에 돌입한 것이 최근의 핵심 흐름입니다.
해외도 같은 방향으로 움직이고 있습니다. 아마존은 계단을 오를 수 있는 배송 로봇 제조사 RIVR을 인수했습니다. PYMNTS의 보도에 따르면, RIVR의 CEO가 링크드인에서 인수 소식을 직접 알렸고, 아마존 대변인도 이를 확인했습니다. 아마존은 동시에 미국 전역 2천여 곳에 3시간 배송, 수백 곳에 1시간 배송을 확대하고 있습니다. 배송 속도를 높이면서, 그 배송을 로봇이 수행하는 구조로 전환하겠다는 양면 전략입니다.
쿠팡, 신세계, 롯데, 아마존. 이 기업들이 같은 시기에 AI 인프라에 수조 원을 동시에 투입하고 있다는 사실은, AI가 이제 '도입할지 말지'를 고민하는 단계를 지났음을 보여줍니다. '어떤 규모로, 어떤 영역에 먼저 적용할 것인가'가 경쟁의 기준이 되고 있습니다.
플랫폼이 AI로 물류를 최적화할수록, 판매자에게 요구되는 운영 기준도 함께 높아집니다. AI가 배송 경로를 실시간으로 최적화하려면 판매자가 보내는 출고 데이터가 정확해야 합니다. 재고 수량이 실제와 다르면 AI의 수요 예측이 틀어지고, 포장 규격 정보가 부정확하면 적재 최적화가 작동하지 않으며, 출고 시간이 일정하지 않으면 배송 경로 계산의 정확도가 떨어집니다. AI의 판단 품질은 입력되는 데이터의 품질에 달려 있습니다.
이 구조에서 앞으로 경쟁력을 가르는 건, 얼마나 빨리 배송하느냐보다 얼마나 정확한 데이터를 플랫폼에 넘기느냐가 될 가능성이 높습니다. 지금까지 물류 경쟁은 주로 속도를 중심으로 진행됐습니다. 당일배송, 새벽배송, 1시간 배송. 하지만 속도 경쟁이 어느 정도 평준화된 시점에서, 다음 경쟁의 축은 '얼마나 정확하게 운영하느냐'로 이동할 수밖에 없습니다.
실무적으로 점검해야 할 포인트는 크게 세 가지입니다.
첫째, 출고 데이터의 정확도입니다. 출고 시점에 정확한 상품이 정확한 수량으로 나갔는지를 확인할 수 있는 체계가 갖춰져 있는지 살펴봐야 합니다. 오출고나 수량 오류가 반복되면, 플랫폼의 AI가 해당 판매자의 데이터를 신뢰하지 않게 되고, 이는 배송 우선순위나 노출에 영향을 줄 수 있습니다.
둘째, 재고 정보의 실시간성입니다. 여러 채널에서 동시에 판매하는 경우, 재고가 실시간으로 동기화되지 않으면 품절 주문이 발생합니다. 플랫폼의 수요 예측 AI가 아무리 정확해도, 판매자 측의 재고 데이터가 지연되면 시스템 전체의 정확도가 떨어지게 됩니다.
셋째, 클레임 대응 기록 체계입니다. 배송 과정에서 문제가 생겼을 때, 원인을 추적할 수 있는 기록이 남아 있는지가 중요합니다. 출고 당시의 포장 상태, 상품 구성, 발송 시점이 기록으로 남아 있으면 클레임 원인을 빠르게 파악할 수 있고, 같은 문제의 반복을 막을 수 있습니다. 기록이 없으면 원인과 관계없이 비용을 떠안는 구조가 반복됩니다.
플랫폼의 물류가 AI로 움직이는 시대에, 내 출고 데이터는 그 변화에 맞춰져 있는지. 데이터가 정확하고, 실시간이며, 추적 가능한 상태인지. 지금이 점검할 시점입니다.
📬 물류와 이커머스의 생생한 트렌드를 빠르게 만나보세요.
리얼패킹레터는 매주 물류와 이커머스, 리테일의 트렌드를 전합니다.
빠르게 돌아가는 업계 이야기를 메일함에서 바로 확인하세요.
