LTL Operations AI: XPO가 경로·적재·인력·간선 계획에 AI를 넣어 물량 6% 증가를 소폭 증원으로 처리한 방식

XPO는 AI를 화물이 실제로 움직이는 네 지점에 넣었습니다. 기사 경로, 도크 적재, 교대 인력, 간선 배차입니다. 그 결과 물량이 늘어도 사람과 외주를 같은 비율로 늘리지 않습니다. 따라 하려면 구간마다 하나의 운영 지표(재처리, 시간당 정차, 인시당 처리 건수, 파손)를 정하고 그 기준선부터 재야 합니다.

요약

XPO는 소량 화물을 여러 화주에게서 모아 한 트럭에 섞어 싣는 미국 LTL(less-than-truckload, 혼적 소량 화물 운송) 회사입니다. 2026년 10월 29일 3분기 실적 콜에서 Mario Harik CEO는 AI 도구를 운영 전반에 깔았다고 밝혔습니다. 대상은 네 곳입니다. 서비스센터 사이를 잇는 간선(linehaul) 배차, 고객을 찾아가는 집하·배송(P&D, pickup and delivery) 경로, 도크의 교대 인력 계획, 그리고 트레일러에 화물을 싣는 적재 작업입니다. 간선 계획 모델은 화물을 중간에 내렸다 다시 싣는 재처리(rehandle)를 한 자릿수 중반 % 줄여 10여 년 만의 최저로 낮췄습니다. P&D 경로 최적화는 노선의 약 3분의 2에 들어가 있습니다.

결과는 숫자로 나왔습니다. 하루 화물 건수는 5.8% 늘었는데 인원은 한 자릿수 초반만 늘었습니다. 적재 코칭 덕에 파손은 전년보다 20% 줄었습니다. 북미 LTL 조정 영업이익은 2억 9,300만 달러로 35% 늘어 분기 최고치를 냈고 조정 영업비율(OR, 매출 대비 영업비용, 낮을수록 좋음)은 80.1%로 2.6%p 좋아졌습니다. 같은 기간 외주 간선 마일 비중은 계획 시작 때 약 25%에서 5.6%로 내려갔습니다. 물량이 늘었는데도 외주 운송비는 1,000만 달러만 늘었습니다. 경영진은 AI가 비용을 낮추면서 서비스도 좋게 한다고 보고 장기 목표로 연간 OR 70% 초반 이하를 제시했습니다. 아래에서는 네 도구와 원가 구조를 개념별로 풀고 같은 방식을 물류센터나 배송망에 옮길 때 필요한 데이터, 지표, 일정을 덧붙였습니다.

핵심 메커니즘

Linehaul Planning Model: 간선 배차와 도크 도어를 함께 짜는 AI

LTL 화물은 출발 센터에서 트레일러에 실려 하나 이상의 터미널을 거쳐 도착 센터로 갑니다. 중간 터미널에서 화물을 내렸다 다시 실을수록 시간과 인력이 들고 파손 위험도 커집니다. 간선 계획 모델은 어떤 화물을 어느 트레일러에 실어 어느 경로로 보낼지를 짜서 이런 재처리를 줄입니다. 3분기 콜에서 CEO는 재처리가 한 자릿수 중반 % 줄어 10여 년 만에 가장 낮다고 말했습니다. 빈 트레일러로 달리는 마일도 줄었습니다. 질의응답에서는 새 모델이 도크 도어 배정까지 계획한다고 설명했습니다. 트레일러를 어느 도어에 붙일지까지 함께 정하면 도크 안에서 화물을 옮기는 일과 재처리가 함께 줄어듭니다. 이 방식은 거점이 많고 화물이 여러 번 갈아타는 허브 앤 스포크 망에 맞습니다. 직송 위주 망에서는 효과가 작습니다.

P&D Route Optimization: 약속 시간과 트레일러 용량까지 넣은 집배송 경로

P&D 기사는 하루에 여러 고객을 돌며 화물을 싣고 내립니다. XPO의 경로 최적화는 고객과 약속한 도착 시간대, 정차지 사이 거리, 트레일러 용량을 함께 넣어 정차 순서를 계산합니다. 기사는 시간당 더 많은 곳에 들르고 화물 한 건당 달리는 거리는 줄어듭니다. 지금은 노선의 약 3분의 2에 적용했고 내년 초 전 네트워크로 넓힙니다. 노선 단위 개선 폭은 한 자릿수 초중반 %이며 CEO는 도구가 오래 쓰인 곳일수록 개선 폭이 커진다고 했습니다. 처음 도입한 센터의 숫자가 작아 보여도 몇 달은 지켜봐야 한다는 뜻입니다.

Workforce Planning: 물량 예측으로 교대 인력을 맞추는 도구

서비스센터의 도크 인력은 그날 들어오고 나갈 화물량에 맞춰야 합니다. 많이 두면 인건비가 새고 적게 두면 화물이 밀립니다. XPO는 AI 물량 예측 모델로 예상 물량을 내고 그에 맞춰 인력을 배치합니다. Ali-Ahmad Faghri 최고전략책임자는 화물이 6% 늘 때 인원이 한 자릿수 초반만 늘어난 것을 이 인력 계획 도구의 효과로 설명했습니다. 경영진은 지금 인력으로 한 자릿수 초중반 물량 증가를 감당할 수 있다고 봅니다. 인원이 몇 년째 거의 그대로이고 도크 도어 여유가 30%를 넘는다는 점도 함께 밝혔습니다. 이직률과 직원 만족도 지표도 역대 가장 좋은 수준이라고 했습니다.

Dock Loading Coaching: 화물이 떠나기 전에 적재를 바로잡는 실시간 피드백

적재가 잘못되면 운행 중에 화물이 쏠리거나 눌려 파손이 생깁니다. 무거운 화물이 위로 가거나 빈 공간이 남는 경우입니다. XPO는 도크 작업자에게 적재 방식을 실시간으로 짚어 주는 AI를 넣었습니다. 핵심은 시점입니다. 사고가 난 뒤 원인을 찾는 대신, 화물이 도크를 떠나기 전에 작업자가 고칩니다. 3분기 파손은 전년보다 20% 줄었고 파손 클레임 비율은 0.2% 아래입니다. CEO는 서비스 품질이 고객 유지와 화물 구성 개선으로 이어진다고 봅니다. 어떤 센서나 영상으로 적재를 판정하는지는 콜에서 밝히지 않았습니다.

Productivity Offset: 임금 상승분을 AI 생산성으로 일부 상쇄

Kyle Wismans CFO는 장기적으로 화물당 원가가 한 자릿수 초반 % 오른다고 봤습니다. 기본 임금이 약 4%, 복리후생이 1~2%p 더 오르지만 AI가 만든 노동 생산성이 일부를 상쇄한다는 계산입니다. 3분기 급여·복리후생비는 11% 늘었습니다. 한 자릿수 중반은 물량 증가, 약 4%p는 임금·복리후생 상승, 약 3%p는 성과급 증가 몫입니다. CFO는 간선, P&D, 도크에 걸친 AI 과제가 화물당 원가를 관리하는 수단이라고 말했습니다. AI를 별도 비용 절감 과제가 아니라 원가 전망의 한 항목으로 넣은 셈입니다.

통념과 다른 주장

콜에서 나온 사례

도구	상황	한 일	결과	연결
간선 계획	중간 터미널 재처리와 빈 차 운행이 원가를 올림	AI 계획 모델로 배차, 새 모델은 도크 도어까지 계획	재처리 한 자릿수 중반 % 감소, 10여 년 최저	Linehaul Planning Model
P&D 경로	기사별 정차 순서를 사람이 짬	약속 시간대·거리·트레일러 용량을 넣은 경로 최적화	노선 약 3분의 2 적용, 노선당 한 자릿수 초중반 개선, 내년 초 전체 적용	P&D Route Optimization
인력 계획	물량 증가에 맞춰 인원을 늘려야 했음	물량 예측 모델로 도크 인력 배치	화물 약 6% 증가에 인원 한 자릿수 초반 증가	Workforce Planning
적재 코칭	적재 중 실수가 운행 중 파손으로 이어짐	작업자에게 실시간 적재 피드백	파손 전년 대비 20% 감소, 클레임 비율 0.2% 미만	Dock Loading Coaching

기술 디테일: 네 도구를 직접 만든다면

간선 계획을 돌리려면 출발지와 도착지 쌍(OD)별 화물량, 트레일러 수와 용량, 터미널별 도어 수와 처리 능력을 매일 한 표로 모읍니다. 계산은 LLM이 아니라 혼합정수 최적화나 휴리스틱 탐색이 맡습니다. 목적 함수에는 재처리 횟수, 빈 차 마일, 도착 약속 위반을 비용으로 넣고 가중치는 운영팀과 정합니다. 지표는 “재처리 건수 ÷ 출발 화물 건수”로 정의해 센터별로 매일 봅니다. 아래 표와 그림의 데이터·모델·지표는 실행 제안이며 XPO가 밝힌 구현이 아닙니다.

P&D 경로를 돌리려면 시간대 제약이 있는 차량 경로 문제(VRPTW)로 풉니다. Google OR-Tools 같은 오픈소스 솔버로 시작할 수 있습니다. 입력은 정차지 주소와 좌표, 약속 시간대, 예상 체류 시간, 화물 부피·무게, 트레일러 용량, 기사 근무 시간입니다. 계산은 출발 전 한 번, 당일 추가 픽업이 들어오면 다시 돌립니다. 현장에서 기다릴 수 있도록 솔버 탐색 시간에 상한(예: 센터당 2분)을 두고, 그 안에 찾은 가장 좋은 해를 씁니다. 결과는 기사별로 정차 순서, 예상 도착 시각, 약속 시간대 위반 여부를 담은 목록으로 내보냅니다. 기사가 계획을 따르지 않은 노선은 따로 표시해 원인을 봅니다. 계획이 비현실적이었는지, 현장 사정이 있었는지 구분해야 모델이 나아집니다.

인력 계획을 돌리려면 센터별·요일별·교대별 물량 이력 2년치와 대형 화주 예약 정보로 시계열 예측을 만듭니다. 결과는 예측 물량과 필요 인시(사람 수 × 시간)를 함께 내고 예측 오차(MAPE)가 기준을 넘는 날은 관리자가 직접 조정하게 둡니다.

{
  "center_id": "SC-0412",
  "shift_date": "2026-11-03",
  "shift": "night",
  "forecast_shipments": 1840,
  "forecast_pieces": 5120,
  "required_labor_hours": 236,
  "planned_headcount": 30,
  "model_version": "volume-fcst-v3",
  "mape_last_4wk": 0.071,
  "override_by": null
}

적재 코칭을 돌리려면 판정 근거부터 정합니다. 선택지는 도크 카메라 영상으로 적재 상태를 판정하는 비전 모델, 지게차·스캐너 이벤트로 적재 순서를 점검하는 규칙, 둘의 조합입니다. 피드백은 작업자 단말로 짧게 보내고 판정이 틀렸다고 작업자가 표시한 건은 주 1회 모아 모델을 고칩니다. 파손 클레임과 적재 기록을 트레일러 번호로 묶어야 코칭 효과를 잴 수 있습니다.

막히는 경우	증상	대응
주소·시간대 데이터 누락	경로가 실제와 다름	정차 완료 스캔으로 좌표와 체류 시간을 매일 보정
기사가 계획을 무시	효과가 안 나옴	이탈 노선만 모아 주간 리뷰, 계획 수정 근거로 사용
명절·대형 화주 이벤트	물량 예측이 크게 빗나감	이벤트 달력을 입력에 넣고 관리자 수동 조정 허용
적재 판정 오탐	작업자가 알림을 무시	오탐 표시 버튼, 정확도 기준 미달 시 알림 끔

현업 실행 디테일: 누가, 언제, 무엇을

역할	맡는 일
지역 운영 책임자	시범 센터 선정, 지표 승인, 확대 판정
센터장	기준선 데이터 제공, 교대 관리자 지정, 일일 점검
배차 담당	경로 계획 검토, 이탈 사유 기록
도크 교대 관리자	인력 계획 반영, 적재 코칭 알림 확인
운영 분석가·데이터 엔지니어	데이터 연결, 모델 운영, 주간 리포트
안전·품질 담당	파손 클레임 연결, 코칭 기준 정의

준비물. 센터별 최근 2년 화물 이력, 정차 완료 스캔 기록, 근태와 교대 기록, 파손 클레임 목록, 도크 도어 배치도가 필요합니다. 기준선은 시작 전 4주치로 잡습니다.

현업에 물을 것.

1. 화물을 내렸다 다시 싣는 일이 가장 많은 터미널과 시간대는 어디인가요?
2. 기사가 계획 경로를 바꾸는 가장 흔한 이유는 무엇인가요?
3. 교대 인원은 지금 누가, 며칠 전에, 무엇을 보고 정하나요?
4. 파손 클레임이 들어오면 어느 도크, 어느 작업자의 적재였는지 추적할 수 있나요?

진행 판정 기준(예시). 실운영 4주 동안 세 조건을 채우면 다음 센터로 넓힙니다. 시간당 정차 수가 기준선보다 3% 이상 높고 인시당 처리 화물 건수가 3% 이상 높고 파손 건수가 늘지 않아야 합니다. 하나라도 못 채우면 원인을 찾고 4주를 더 봅니다.

AX 적용 제언. 국내 택배·3PL이나 자체 배송망을 가진 제조·유통 기업이라면 네 도구를 한 번에 사지 말고 측정이 가장 쉬운 P&D 경로부터 시작하는 편이 낫습니다. XPO도 노선을 나눠 넓히는 중입니다. 노선 단위 효과가 한 자릿수 초중반이라는 점을 보면 개선 목표도 처음부터 크게 잡지 않는 편이 현실적입니다. 경로 데이터가 쌓이면 같은 물량 이력으로 인력 계획을 붙이고 파손 비용이 큰 품목을 다루는 곳은 적재 코칭을 함께 시험합니다. CFO가 원가 전망에 AI 생산성을 넣은 방식은 경영 계획에도 그대로 쓸 수 있습니다. 임금 인상률 옆에 AI로 상쇄할 몫을 숫자로 적고 분기마다 실제와 비교합니다.

원문 사례

항목	내용
발표	XPO 2026년 3분기 실적 발표 콜, 2026.10.29 (The Motley Fool 녹취)
발언자	Mario Harik(회장 겸 CEO), Kyle Wismans(CFO), Ali-Ahmad Faghri(최고전략책임자)
실적	매출 24억 달러(12%↑), 조정 EBITDA 4억 3,300만 달러(27%↑), 조정 EPS 1.70달러(59%↑)
북미 LTL	매출 17%↑, 조정 영업이익 2억 9,300만 달러(35%↑), 조정 OR 80.1%(2.6%p 개선), 하루 화물 5.8%↑, 하루 톤수 5%↑, 유류 제외 yield 3.6%↑
유럽	매출 5%↑, 조정 EBITDA 4,800만 달러(26%↑)
AI 도구	간선 계획(재처리 10여 년 최저), P&D 경로(노선 약 3분의 2, 내년 초 전체), 인력 계획·물량 예측, 적재 코칭(파손 20%↓)
다음 과제	가격 알고리즘(2027년 중점), 중소 화주 영업 지원 AI
인소싱	외주 간선 마일 약 25% → 5.6%, 외주 운송비 1,000만 달러 증가
원가	급여·복리후생 11%↑, 장기 화물당 원가 한 자릿수 초반 상승 전망
여력과 목표	도크 도어 여유 30% 초과, 장기 연간 OR 70% 초반 이하

핵심 개념

LTL

Less-than-truckload. 여러 화주의 소량 화물을 한 트레일러에 섞어 싣고 터미널을 거쳐 나르는 운송 방식입니다.

Operating Ratio(OR)

매출 대비 영업비용 비율. 80%면 매출 100달러에 비용 80달러를 쓴다는 뜻이고 낮을수록 좋습니다.

rehandle

중간 터미널에서 화물을 내렸다 다시 싣는 일. 시간, 인력, 파손 위험을 함께 늘립니다.

service center

지역 단위로 화물을 모으고 나누는 XPO의 거점. 도크에서 P&D 트럭과 간선 트레일러가 화물을 주고받습니다.

yield

화물 단위당 받는 운임. 콜에서는 유류 할증을 뺀 값으로 비교합니다.

VRPTW

Vehicle Routing Problem with Time Windows. 시간대 제약이 있는 차량 경로 문제로, 집배송 경로 최적화의 표준 정식화입니다.

내 메모

TODO: 내 생각 추가

원문은 The Motley Fool에 실린 「XPO (XPO) Q3 2026 Earnings Call Transcript」(2026.10.29)입니다. 요약, 핵심 메커니즘의 콜 내용, 통념과 다른 주장, 사례, 원문 사례 표는 XPO 경영진의 발언을 AX Review가 다시 정리했으며 수치와 효과는 회사 측 설명입니다. 기술·현업 실행 디테일, JSON 예시, 데이터·모델·지표 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 콜 전문은 원문 페이지에서 볼 수 있습니다.