20년 차 베테랑의 머릿속 지식을 복제하는 법: 에보스(Evos) 900만 달러 투자와 중소 물류의 자동화 실전

4주 만에 매출 100만 달러를 찍은 에보스: 기존 시스템을 버리지 않고 자동화하는 틈새 전략

인공지능 소프트웨어 스타트업 에보스(Evos)가 900만 달러(약 120억 원) 규모의 프리시드(Pre-seed) 투자를 유치했다. 이번 투자 라운드는 언코크 캐피털(Uncork Capital)과 필드 벤처스(Field Ventures)가 공동 주도했으며, 크로스링크 캐피털, 유토피아 캐피털 매니지먼트, 샌드위드 벤처스 및 주요 엔젤 투자자들이 참여했다. 에보스는 서비스를 공식 출시한 지 불과 4주 만에 연간 반복 매출(ARR) 100만 달러를 넘어섰다고 발표했다.

에보스가 파고든 시장은 화물 중개업(Freight Brokerage)과 중소 제조 및 운송 현장이다. 미국 내 트럭 운송 회사의 99.3%는 트럭을 100대 미만으로 굴리는 소규모 사업자이며, 제조업체의 93% 또한 직원 수가 100명 미만이다. 이들 기업의 공통된 특징은 거대한 전사적 자원관리(ERP)나 운송관리시스템(TMS)을 고도화할 개발 인력이 없고, 실제 업무 지식이 매뉴얼이 아닌 ‘20년 동안 현장에서 잔뼈가 굵은 베테랑 직원의 머릿속’에만 저장되어 있다는 점이다.

기존 정보기술(IT) 컨설팅 업체나 대형 시스템 통합(SI) 기업은 이런 업무 방식을 바꾸기 위해 최소 9개월에서 18개월에 걸친 대형 도입 사업과 수억 원대의 비용을 요구해 왔다. 반면 중소 물류 기업은 거창한 시스템 교체를 감당할 자본도, 직원들에게 복잡한 프롬프트를 매번 입력하게 만들 여유도 없다. 에보스는 이 틈새를 정조준했다. 기존에 쓰던 낡은 운송관리 화면이나 이메일 수신함을 그대로 둔 채, 숙련된 직원이 어떻게 화면을 클릭하고 예외 상황을 판단하는지 뒤에서 관찰하고 학습하는 ‘소프트웨어 오퍼레이터’를 투입하는 방식이다.

에보스는 이 과정을 ‘섀도 모드(Shadow Mode)‘로 부른다. 소프트웨어 오퍼레이터가 처음부터 멋대로 행동하는 것이 아니라, 먼저 직원의 의사결정을 실시간으로 지켜보며 판단을 흉내 낸다. 이후 인공지능의 결정이 숙련된 직원의 결정과 일관되게 맞아떨어질 때만 실무 권한을 넘겨받아 혼자 업무를 처리한다. 현장 직원이 매뉴얼을 작성하느라 야근할 필요도 없고, 회사 입장에서는 숙련자가 은퇴하거나 이직하더라도 업무 공백이 생기지 않는 구조를 만들어낸 셈이다.

25만 건 중 1만 1천 건의 청구 누수: LTL 화물 운임 감사의 실제 수치 비교

물류 현장에서 에보스의 소프트웨어 오퍼레이터가 가장 먼저 투입된 곳은 혼적 화물(LTL, Less-Than-Truckload) 운임 청구서 감사 영역이다. 혼적 화물은 여러 화주의 짐을 트럭 한 대에 나누어 싣기 때문에 무게, 부피, 화물 등급(Freight Class), 상하차 부대비용, 유류할증료 산정 방식이 극도로 복잡하다.

미국 물류 감사 전문 기업 AFS 로지스틱스(AFS Logistics)가 발표한 실무 분석 자료에 따르면, 약 25만 건의 LTL 청구서를 전수 조사한 결과 총 11,881건에서 단가 오류가 발견되었다. 발견된 청구 오류 중 무려 42.8%가 승강기 사용료나 재포장 비용 같은 ‘부대비용 산정 오류’였으며, 유류할증료 오류가 14.4%, 화물 분류 등급 오기재가 12.3%로 뒤를 이었다.

실제 화물 중개업체인 마이프레이트월드(MyFreightWorld)는 에보스의 오퍼레이터를 도입해 자사 운송관리시스템(TMS)과 운송사가 보낸 인보이스를 대조하는 작업을 맡겼다. 이 오퍼레이터는 2개월 동안 약 3,500건의 청구서 감사 결정을 97%의 정확도로 내렸으며, 최근 5주 동안에만 60만 달러(약 8억 원) 이상의 청구 금액 불일치를 적발해 냈다.

구분 항목	전통적 수기 검수 방식	대형 SI 기반 자동화	에보스(Evos) AI 오퍼레이터
시스템 도입 기간	즉시 운영 (인력 채용)	9개월 – 18개월 소요	24시간 이내 배포 가능
인프라 교체 여부	기존 레거시 화면 유지	ERP/TMS 전면 교체 필수	기존 TMS/웹 화면 그대로 사용
청구서 대조 속도	건당 10분 – 15분	실시간 (규칙 기반만 가능)	건당 수초 이내 (판단형 예외 포함)
주요 오류 감지율	60% – 70% (육안 피로 누적)	80% (정형 데이터 한정)	97% (비정형 부대비용 포함)
운영 인력 의존도	베테랑 지식 독점	개발/유지보수 엔지니어 상주	현장 직원의 화면 행동 자동 복제

단, 에보스가 적발했다고 밝힌 60만 달러는 운송사와 화주 사이에 계산이 어긋난 총액을 뜻하며, 실제로 이 돈을 전부 돌려받았거나 순이익으로 확정된 절감액을 의미하지는 않는다. 또한 97%라는 높은 정확도가 어떤 통계적 표본과 기준을 통해 측정되었는지는 명확히 공개되지 않아, 실무진은 현장 도입 시 자체적인 표본 대조 작업을 반드시 병행해야 한다.

업계 평균 단가를 기준으로 실무 시뮬레이션을 돌려보면 그 경제적 효과를 체감할 수 있다. 월 5,000건의 LTL 인보이스를 처리하는 중간 규모 중개업체의 경우, 직원 2명이 매달 약 160시간을 청구서 대조에 쏟아부으며 발생하는 인건비만 연간 약 9만–12만 달러(약 1억 2,000만–1억 6,000만 원) 수준이다. 여기에 4% 안팎의 청구 누수율을 방치할 경우 연간 수십만 달러가 정산 구멍으로 사라진다. 오퍼레이터가 이 중 80%만 바로잡아도 소프트웨어 도입 비용을 단숨에 회수하는 계산이 나온다.

화물 중개 현장의 정산 병목과 실무 비즈니스에 미치는 3대 직접적 파급력

에보스처럼 특정 화면을 직접 조작하는 자율 소프트웨어가 중소 물류 생태계에 들어왔을 때, 현장 운영진이 맞닥뜨리는 변화는 크게 세 가지 지점에서 나타난다.

운영 비용(OPEX): 건당 수기 검수 인건비와 부대비용 누수 방어

물류 중개업의 마진율은 일반적으로 12–18% 수준으로 매우 얇다. 여기서 운송사가 청구하는 대기료(Detention), 지게차 리프트게이트 비용, 주소지 변경 수수료 같은 부대비용이 잘못 청구되면 화주에게 제때 청구하지 못해 중개업체가 고스란히 손실을 떠안는다.

기존에는 직원이 송장 한 장을 펴놓고 계약서 운임표, 이메일 승인 내역, 운송장(BOL)을 일일이 비교해야 했다. 에보스 오퍼레이터는 운송사 인보이스의 청구 내역을 TMS 데이터베이스와 초 단위로 대조하여 오차를 걸러낸다. 수기 검수에 투입되던 인건비를 줄이는 것은 물론, 화주에게 청구하지 못하고 날아가던 부대비용 누수를 원천 봉쇄할 수 있다.

처리 지연(Lead Time): 인보이스 정산 리드타임 5일에서 실시간 단축

일반적인 화물 중개 현장에서 인보이스 정산 리드타임은 영업일 기준 3–5일이 걸린다. 서류 누락이나 금액 불일치가 생기면 운송사 회계팀과 이메일을 서너 차례 주고받느라 대금 지급이 2–3주씩 밀리기도 한다.

오퍼레이터가 인보이스를 수신하자마자 1차 대조를 끝내고 불일치 사유를 운송사에 즉시 피드백하면, 정산 검토 주기가 수 시간 단위로 줄어든다. 이는 중개업체의 현금 흐름을 크게 개선하며, 월말 결산 시기에 회계 부서가 야근에 시달리는 만성적인 병목 현상을 해소한다.

공급 안정성: 소형 운송사와의 정산 분쟁 예방과 배차 신뢰도

트럭 1–5대를 운영하는 영세 차주나 소형 운송사는 운임 정산 지연에 매우 민감하다. 기름값과 할부금을 즉시 지불해야 하기 때문이다. 대금 정산 과정에서 부대비용 삭감 문제로 분쟁이 생기면 해당 운송사는 다음 화물 배차를 거부해 버린다.

에보스 같은 시스템을 통해 청구서 오류를 실시간으로 투명하게 소명하고 정산 일정을 단축하면, 물류 대란이나 성수기에도 차량을 안정적으로 확보할 수 있는 신뢰 관계가 형성된다. 결국 정산의 정확도가 물류 현장의 배차 경쟁력으로 직결되는 셈이다.

9개월짜리 컨설팅을 24시간으로 단축하는 자율 오퍼레이터의 완충 기술

많은 엔지니어링 조직이 업무 자동화를 구축할 때 Make 같은 노코드 도구나 엔터프라이즈 RPA(Robotic Process Automation)를 먼저 검토한다. 하지만 현업 물류 환경에서는 곧바로 한계에 부딪힌다. 중소 운송사나 물류 창고가 쓰는 프로그램은 최신 API를 제공하지 않는 경우가 태반이며, 웹 브라우저 기반의 레거시 화면이나 심지어 원격 리서치팀톱 환경에서 구동되기 때문이다.

기존 RPA는 화면의 특정 버튼 좌표나 HTML 태그가 조금만 바뀌어도 스크립트가 깨져 멈춰 서기 일쑤였다. 반면 에보스는 화면 인터페이스의 시각적 요소를 파악하고 인간의 행동 패턴을 지도학습하는 방식을 택했다. 버튼의 위치가 달라지거나 팝업창이 떠도 베테랑 직원이 대처하는 방식을 그대로 따라갈 수 있도록 설계되었다.

그러나 이 기술이 모든 문제를 마법처럼 해결해 주는 것은 아니다. 97%의 정확도는 100건 중 3건에서 오판이 발생할 수 있다는 뜻이다. 만약 수억 원대 운임이 오가는 기업에서 오퍼레이터가 잘못된 감사를 통과시킬 경우 법적 책임 소재가 불분명해진다. 따라서 초기 도입 시에는 모든 처리를 자율에 맡기기보다, 일정 금액 이상의 청구서는 반드시 사람 관리자의 승인을 거치도록 결재 상한선을 두는 완충 설계가 필수적이다.

AI 예산 집행 기업 중 단 13%만 돈을 버는 시장에서 살아남는 법

보스턴컨설팅그룹(BCG)이 글로벌 30대 물류 기업 경영진을 대상으로 심층 조사한 보고서에 따르면, 전체 응답자의 3분의 2가 자체적인 인공지능 예산과 전략을 갖추고 있음에도 불구하고 ‘인공지능을 통해 측정 가능한 재무적 성과를 거두고 있다’고 답한 비율은 고작 13%에 불과했다. 기술에 대한 투자는 쏟아붓고 있지만, 이것이 실제 회계 장부의 영업이익으로 연결되지 못하는 ‘AI 가치 창출의 단절’ 현상이 물류 산업 전반에 만연해 있다.

이 냉혹한 통계 속에서 에보스의 빠른 성장은 시장이 어디로 향하고 있는지를 명확히 보여준다. 앞으로 1–2년 동안 화물 물류 생태계는 값비싼 신기술을 도입하는 기업이 아니라, 가장 지루하고 반복적인 현장 작업을 확실한 숫자로 줄여내는 기업 위주로 재편될 것이다.

기존 레거시 기업이 직면할 마진 압박 시나리오

운송 중개 시장의 운임은 계속해서 투명해지고 있으며, 대형 화주들은 운송 데이터 공개와 단가 인하를 강하게 압박하고 있다. 중간에서 마진을 취하던 전통적인 화물 중개업체는 두 가지 압박에 직면하게 된다.

• 인건비 상승과 베테랑 은퇴의 이중고: 현장 지식을 독점하던 시니어 직원들이 은퇴하면서 신규 채용 비용과 교육 비용은 급증하지만, 처리 속도는 오히려 느려진다.
• 수기 정산 누수로 인한 영업이익 잠식: 1–2%의 청구 오차를 제때 잡아내지 못하는 업체는 경쟁사가 자동화 시스템으로 원가를 절감하고 화주에게 더 매력적인 운임을 제안할 때 시장에서 자연스럽게 밀려날 수밖에 없다.

변화하는 생태계에서 주도권을 쥘 승자의 핵심 조건 3가지

불확실한 기술 유행을 걷어내고 실제 이익을 남기는 물류 기업으로 살아남기 위해서는 다음 세 가지 기준을 철저히 충족해야 한다.

• 시스템 전면 교체 대신 ‘점진적 섀도 모드’를 택하라: 수십억 원을 들여 ERP를 뜯어고치는 프로젝트는 중소 현장에서 실패할 확률이 높다. 에보스의 사례처럼 기존 시스템을 유지한 채 특정 병목 업무부터 인공지능과 사람이 병행 검증하는 방식을 취해야 실패 위험을 최소화할 수 있다.
• 화려한 데모 대신 ‘측정 가능한 회수액’으로 성과를 검증하라: 단순히 ‘감사 건수’나 ‘작업 시간 단축’이라는 추상적인 지표에 만족해서는 안 된다. 잘못 청구된 운임을 실제로 몇 달러나 환급받았는지, 청구 오차율이 몇 퍼센트에서 몇 퍼센트로 줄었는지 장부상 숫자로 증명되는 영역에만 예산을 집중해야 한다.
• 업무 암묵지를 데이터 자산으로 내재화하라: 특정 담당자의 기억에만 의존하던 예외 처리 기준, 화주별 특이 청구 규칙을 소프트웨어의 행동 기록 형태로 축적해야 한다. 인공지능 오퍼레이터 도입의 본질은 단순 인력 감축이 아니라, 베테랑의 판단력을 회사의 영구적인 시스템 자산으로 굳히는 데 있다.