정부가 3년·20억을 걸었다 — 트레드링스, 물류 AI에게 '판단'을 맡기다

물류 AI는 오랫동안 '예측'에서 멈춰 있었다. 도착 시점을 계산하는 모델은 많았지만, 지연이 실제로 발생했을 때 어떤 경로로 바꾸고 화주에게 언제 알려야 하는지는 결국 사람이 판단해야 했다. 그 판단의 영역에 트레드링스가 다중 에이전트 시스템을 짓기로 했고, 거기에 정부가 3년간 약 20억원을 걸었다¹.

왜 지금 '다중 에이전트'였나 — 예측이 맞아도 판단은 남는다

글로벌 물류에서는 선박 위치, 항만 혼잡도, 기상, 운송 일정이 동시에 변한다. 화물 도착 시점을 정확히 계산하는 것과, 지연이 발생했을 때 대체 경로를 추천하고 화주에게 통보하는 것은 서로 다른 문제다. 물류 단계마다 개별 AI를 붙이더라도 각 모델의 예측과 추천이 연결되지 않으면 실무자는 결과를 다시 취합해 비교해야 한다¹.

트레드링스가 이번 과제에서 짓는 구조는 도착 예측, 지연 탐지, 복합운송 경로 추천을 각각 담당하는 전문 에이전트가 정보를 주고받으며 하나의 결론에 합의하는 방식이다¹. 개별 모델의 정확도를 올리는 게 아니라, 모델들이 서로의 판단 근거를 확인하며 협업하는 구조를 만드는 것이 이번 R&D 의 실체다.

이 구조가 현장에서 쓰이려면 AI 가 내놓은 결론을 실무자가 검증할 수 있어야 한다. 그래서 KAIST 가 맡은 부분은 정확도를 더 끌어올리는 연구가 아니라, 해석 가능한 AI(Explainable AI)를 통해 판단 근거를 설명하는 의사결정 지능이다¹. 부산대는 글로벌 항만의 운항·혼잡 정보를 분석하는 예측 인프라를 고도화한다¹. 두 대학이 붙는 지점이 서로 다르다는 것 자체가, 이 과제가 '더 정확한 숫자' 보다 '믿을 수 있는 판단'을 겨냥하고 있음을 보여준다.

정부 검증이 지금 의미 있는 이유 — 이미 6만 기업이 쓰고 있었다

스케일업 팁스는 아무 기업에나 붙는 프로그램이 아니다. 민간 투자사가 10억원 이상을 먼저 투자한 기업에 한해, 정부가 최대 3년간 20억~30억원의 R&D 자금을 매칭하는 구조다¹. 이번 과제의 운영사는 바인벤처스가 맡았다¹. 즉 이번 선정은 새 아이디어에 대한 베팅이 아니라, 이미 6만여 개 기업이 쓰고 글로벌 캐리어 98%를 커버하는 상용 플랫폼 위에서, 정부와 대학이 다음 단계 기술을 함께 검증하겠다는 결정이다¹.

다중 에이전트는 어떻게 조립되나

1. 도착 예측 에이전트 선박 위치·항만 혼잡도·기상·운송 일정을 종합해 화물 도착 시점을 계산한다. 상용 플랫폼에서 이미 92.5%의 예측 정확도를 기록했고, 캐리어가 제공하는 ETA보다 31.4% 개선된 수치다¹.
2. 지연 탐지 에이전트 캐리어가 ETA 정보를 제공하지 않거나 갱신하지 않는 공백을 잡아낸다. 연간 42,832건 규모로 발생하는 이 공백을 보완하는 역할이다¹.
3. 복합운송 경로 추천 에이전트 지연이 확인된 이후 대체 경로를 제안한다. 세 에이전트가 개별 결과를 던지는 게 아니라 서로의 판단을 참조해 하나의 결론으로 수렴하도록 설계된다¹.

The Bet — 왜 지금 이 검증이 티어를 바꾸는가

다음 12개월에 지켜볼 지표 3개

1. 다중 에이전트 시스템의 상용 적용 시점 부산대·KAIST 연구가 실제 플랫폼 기능으로 언제 전환되는지가 이번 R&D 의 실효성을 가른다.
2. 예측 정확도·ETA 공백 보완 건수의 변화 92.5%, 31.4%, 42,832건이라는 현재 수치가 다중 에이전트 도입 이후 어떻게 움직이는지가 핵심 검증 포인트다¹.
3. 글로벌 캐리어 커버리지 확대 현재 98%인 커버리지가 이번 R&D 기간 동안 어느 지역·항만으로 더 확장되는지가 부산대 인프라 고도화의 실질 성과를 보여줄 것이다¹.