GXO IQ: 물류센터 데이터를 한곳에 모으고 인력관리 위에 AI 생산성을 얹는 순서

GXO는 AI를 따로 떼어 도입하지 않습니다. 먼저 사이트 데이터를 GXO IQ라는 한 플랫폼에 모으고, 통합 LMS(인력관리시스템)로 작업 표준과 측정을 맞춘 뒤 그 위에 AI 도구를 얹습니다. 회사는 LMS로 운영별 인건비 5~15%, AI로 한 자릿수 중반(%)의 생산성을 더 기대합니다. 따라 하려면 AI보다 측정 기준선을 먼저 만들고, AI의 몫을 LMS 효과와 나눠 재야 합니다.

요약

계약물류 기업 GXO는 2026년 11월 4일 3분기 실적 콜을 열었고 The Motley Fool이 같은 날 녹취를 실었습니다. 매출은 36억 달러로 5.7% 늘었고 기존 사업 기준 성장률(organic growth)은 6.4%로 3년여 만에 가장 높았습니다. Patrick Kelleher CEO는 상업·운영·기술 세 과제가 계획에서 실행 단계로 넘어갔다고 했습니다. 기술 쪽 핵심은 GXO IQ입니다. 애널리스트가 비용과 수익을 묻자 그는 “GXO IQ is our middleware solution.”이라고 답했습니다. 사이트 데이터를 모으는 data lake이자 AI와 생산성 도구를 현장에 내보내는 배포 플랫폼이라는 설명입니다. GXO IQ는 3개 지역에서 가동 중이고 올해 약 50곳 목표를 채우거나 넘길 전망입니다.

효과는 층으로 쌓입니다. 미국·영국·네덜란드·폴란드·스페인에 가동한 통합 LMS는 운영별 인건비를 5~15% 낮출 것으로 봅니다. AI 도구는 그 위에 한 자릿수 중반(%)의 생산성을 더한다고 했습니다. AI는 자체 팀과 외부 파트너 도구를 섞어 개발해 비용을 아주 낮게 유지합니다. 생긴 절감액은 고객과 나눕니다. Mark Suchinski CFO는 일부 자동화와 로봇을 설비투자 대신 서비스로 산다고 했고 설비투자는 앞으로 2년간 매출의 2~3%로 봅니다. 아래에서는 이 구조를 여섯 가지 메커니즘으로 풀고, 같은 순서를 국내 물류센터에 옮길 데이터 설계와 일정을 붙입니다.

핵심 메커니즘

GXO IQ: 사이트 데이터를 모으고 AI 도구를 내보내는 middleware

GXO IQ는 여러 사이트의 운영 시스템과 AI 도구 사이에 놓인 중간 계층(middleware)입니다. 한쪽으로는 사이트마다 흩어진 운영 데이터를 data lake(원천 데이터를 가공 전 상태로 모아 두는 저장소)에 모읍니다. 다른 쪽으로는 그 데이터를 쓰는 AI·생산성 도구를 모든 사이트에 같은 방식으로 내보냅니다. 사이트마다 연동을 새로 만들지 않아도 되니, 도구 하나를 만들면 수십 곳에 깔 수 있습니다. 콜에서 밝힌 범위는 3개 지역 가동과 2026년 약 50곳 이상 통합입니다. 고객사·창고 시스템이 제각각인 다지역 운영에 맞는 구조이고, 사이트가 몇 곳뿐이면 굳이 중간 계층부터 만들 이유가 적습니다.

통합 LMS: 작업 표준을 맞춰 인건비를 재는 기준선

LMS(labor management system)는 피킹·포장·적재 같은 작업마다 표준 시간을 정하고, 실제 투입 시간과 비교해 사람과 공정의 성과를 재는 시스템입니다. GXO는 나라마다 달랐던 방식을 하나의 LMS로 합치는 중이며, 현재 미국·영국·네덜란드·폴란드·스페인에서 가동합니다. Kelleher CEO는 개별 운영의 인건비가 5~15% 개선될 것으로 봤고, 여러 해에 걸쳐 진행되며, 생산성 효과는 2027년부터 나온다고 했습니다. 범위가 넓은 이유는 운영마다 출발점이 달라서입니다. 표준이 이미 촘촘한 곳은 아래쪽, 측정이 거의 없던 곳은 위쪽에 가까울 것으로 볼 수 있습니다.

LMS 위의 AI: 효과를 층으로 쌓고 따로 잰다

GXO는 AI의 효과를 LMS와 섞어 말하지 않았습니다. LMS가 가져올 인건비 개선을 먼저 두고, AI는 그 위에 한 자릿수 중반(%)의 생산성을 더한다고 나눠서 설명했습니다. 이미 깔린 도구에서도 그 정도 효과가 보인다고 했습니다. 이 순서에는 이유가 있습니다. 작업 표준과 측정이 없으면 AI 도구를 깐 뒤 생산성이 올라도 무엇 덕분인지 가를 수 없습니다. LMS가 기준선을 만들고, AI는 그 기준선 대비 증분으로 평가받습니다.

Build + Partner: 자체 AI 팀과 외부 도구를 섞어 개발비를 낮춘다

GXO에는 고유 AI를 만드는 자체 팀이 있습니다. 동시에 외부 파트너가 만든 도구도 가져다 씁니다. Kelleher CEO는 이 조합 덕분에 개발비가 매우 낮다고 했고, 개발비 금액은 밝히지 않았습니다. 시장에 이미 있는 기능은 사 오고, GXO 운영에만 있는 문제에 자체 팀을 쓰는 분업으로 읽을 수 있습니다. 어느 쪽이든 GXO IQ라는 같은 배포 통로를 타기 때문에 섞어 써도 현장에서는 한 방식으로 보입니다.

Automation as a Service: 자동화 일부는 사지 않고 서비스로 쓴다

Suchinski CFO는 일부 자동화와 로봇을 설비투자가 아니라 서비스로 구매할 수 있다고 했습니다. 설비투자는 앞으로 2년간 매출의 2~3%로 봤고 북미 B2B 사업이 늘면 조금 오를 수 있지만 과거와 크게 다르지 않다고 했습니다. 고정가 계약(closed-book)은 실비 정산 계약(open-book)보다 매출 대비 설비투자가 조금 높다는 분석도 덧붙였습니다. 자동화를 서비스로 쓰면 계약 기간에 맞춰 비용을 나눠 낼 수 있어, 고객 계약이 끝났을 때 남는 자산 부담이 줄어듭니다.

GXO Way: 대시보드·LMS·구매 데이터를 하나의 운영 방식으로

GXO Way는 GXO가 사이트에 퍼뜨리는 운영 개선 플레이북입니다. Suchinski CFO는 단일 운영 대시보드, 인력관리 도구, 글로벌 구매 데이터 같은 공통 시스템이 네트워크 전체를 한 방식으로 돌리게 하고, 성장을 더 높은 마진으로 바꾼다고 했습니다. Kelleher CEO도 AI를 GXO Way의 여러 요소 중 하나라고 했습니다. 기술 조직도 두 임무로 나눴습니다. 새 CIO Balaji Rangaswamy는 전사 시스템 기반을 맡고, CTO Nizar Trigui는 AI·자동화·로봇 확산을 맡습니다.

통념과 다른 주장

콜에서 나온 사례

GXO IQ를 3개 지역, 약 50곳으로

상황	한 일	결과	연결
사이트별 데이터를 모아 AI를 배포할 공통 기반이 필요했음	GXO IQ를 3개 지역에 가동하고 모든 운영에 통합하는 중	2026년 약 50곳 목표 달성 또는 초과 전망. 개발비 금액은 원문에서 밝히지 않음	GXO IQ, Build + Partner

통합 LMS 5개국 가동

상황	한 일	결과	연결
나라별로 달랐던 인력 관리 방식	통합 LMS를 미국·영국·네덜란드·폴란드·스페인에 가동	운영별 인건비 5~15% 개선 기대, 생산성 효과는 2027년부터. 사이트 수는 원문에서 밝히지 않음	통합 LMS, LMS 위의 AI

투자 방식: 서비스 구매와 낮은 개발비

상황	한 일	결과	연결
자동화·로봇 수요가 느는 가운데 3분기 잉여현금흐름은 8,500만 달러로 줄었음(ERP 구축 시기와 설비투자 증가)	일부 자동화·로봇을 서비스로 구매, AI는 자체 팀과 외부 도구 병행	설비투자 매출 대비 2~3% 유지 전망, AI 개발비는 매우 낮다고 설명	Automation as a Service, Build + Partner

기술 디테일: GXO IQ와 LMS 위 AI를 실제로 돌리려면

GXO IQ 같은 data lake를 만들려면 먼저 사이트마다 다른 원천을 같은 코드로 맞춥니다. 원천은 WMS(창고관리시스템) 작업 이벤트, LMS 표준 시간, 근태 시스템의 투입 시간 세 가지면 시작할 수 있습니다. 작업 유형(task_type)과 사이트 코드(site_id)를 지역 공통 코드로 바꾸는 매핑 표가 가장 먼저 필요합니다. 적재는 일 단위 집계로 시작하고, 실시간 연동은 AI 도구가 요구할 때 붙입니다. 아래 필드명은 가상 예시입니다.

{
  "site_id": "KR-ICN-03",
  "date": "2026-11-04",
  "task_type": "PICK_EACH",
  "units": 18240,
  "standard_min_per_unit": 0.42,
  "earned_hours": 127.7,
  "actual_hours": 141.0,
  "performance_pct": 90.6,
  "ai_tool_active": false,
  "source_systems": ["WMS", "LMS", "TNA"]
}

LMS 기준선을 믿을 수 있게 하려면 표준 시간부터 점검합니다. earned_hours(처리 물량 × 표준 시간)를 actual_hours(실제 투입)로 나눈 performance_pct가 핵심 지표입니다. 표준이 낡으면 이 값이 120%를 넘거나 60% 아래로 떨어집니다. 그런 작업 유형은 AI 도구를 깔기 전에 표준을 다시 잽니다. 레이아웃·상품 구성이 바뀐 사이트는 분기마다 다시 봅니다.

AI의 몫을 LMS 효과와 나눠 재려면 같은 기간에 LMS만 가동한 사이트와 LMS에 AI 도구를 더한 사이트를 비교합니다. 두 군의 performance_pct 변화 차이가 AI가 더한 몫입니다. 물량 성수기가 섞이면 차이가 흔들리므로 최소 8주를 보고, 주 단위 표준편차가 차이보다 크면 판정을 미룹니다. 이 비교가 GXO가 말한 “LMS 위의 한 자릿수 중반”을 우리 숫자로 확인하는 방법입니다.

AI 도구를 고르고 배포할 때는 Build + Partner 원칙을 그대로 씁니다. 인력 수요 예측, 작업 배정, 재고 위치 조정처럼 시장에 도구가 있는 기능은 외부 제품을 data lake에 연결합니다. 우리 고객 계약 조건이나 특수 공정처럼 시장에 없는 문제만 자체 모델로 만듭니다. 현장 관리자용 질의 도구에 LLM을 쓴다면 답을 자유 문장이 아니라 site_id, task_type, 권고 인원, 근거 지표를 담은 JSON으로 받게 하고, 근거 지표 값이 data lake 값과 다르면 답을 버리게 합니다. 이 원칙과 배포 통로는 원문 내용이고, 도구 예시와 JSON 방식은 실제로 돌릴 때 필요한 것으로 덧붙였습니다.

현업 실행 디테일: 누가, 언제, 무엇을

통합 LMS와 GXO IQ의 순서를 2~4개 사이트 파일럿으로 옮긴다면 아래처럼 나눌 수 있습니다. 역할·일정·판정 기준은 모두 가상 예시입니다.

역할	담당	하는 일
스폰서	물류 본부장	파일럿 사이트 선정, 확산 여부 결정
산업공학(IE) 담당	센터 IE 1~2명	작업 유형별 표준 시간 점검과 재측정
데이터 엔지니어	IT 1명	WMS·LMS·근태 데이터를 일 단위로 적재
센터장	파일럿 사이트별 1명	현장 공지, 근무 조 편성, 주간 점검 참석
고객 담당	영업 1명	실비 정산 고객과 절감액 공유 방식 협의

시작 전 준비물은 최근 6개월 WMS 작업 이벤트, 작업 유형별 표준 시간 표, 근태 기록, 고객 계약 유형(고정가·실비 정산) 목록입니다. 표준 시간 표가 없는 사이트는 파일럿 대상에서 빼고 1단계(측정)부터 시작합니다.

주간 점검 질문은 다섯 가지입니다. 이번 주 performance_pct가 60~120% 밖인 작업 유형이 있었나. 데이터 적재가 하루 이상 늦은 사이트가 있었나. AI 도구 권고를 현장이 따르지 않은 건수와 이유는 무엇인가. 물량이 전주 대비 20% 넘게 움직였나. 고객에게 보고할 절감액 계산 방식에 이견이 있나.

**확산 판정 기준(가상 예시)**은 세 가지입니다. 기준선 기간 대비 LMS 사이트의 performance_pct가 3%p 이상 올랐는가. AI 적용 사이트가 비교 사이트보다 추가로 3%p 이상 높고 주간 편차보다 큰가. 현장 권고 수용률이 70% 이상인가. 셋 다 통과하면 다음 분기 사이트를 늘리고, 첫 번째만 통과하면 LMS만 먼저 넓힙니다.

적용 제언. 국내 3PL과 제조사 물류센터는 AI 도구 선정부터 시작하는 경우가 많습니다. GXO의 순서는 반대입니다. 작업 표준과 측정을 먼저 맞추고, 사이트 데이터를 한곳에 모은 뒤, AI를 파일럿 사이트에 얹고, 증분 효과로 확산을 판정합니다. CFO에게는 AI 효과를 LMS 효과와 분리한 숫자로 보고하고, 자동화 설비는 서비스 구매를 함께 검토해 고객 계약 기간과 비용 기간을 맞추는 것이 출발점입니다. 실비 정산 고객에게는 절감액 공유 방식을 파일럿 시작 전에 정해 두어야 확산 단계에서 협상이 늦어지지 않습니다.

원문 사례

항목	내용
자료	GXO Logistics 2026년 3분기 실적 콜 녹취(The Motley Fool, 2026.11.04)
발언자	Patrick Kelleher(CEO), Mark Suchinski(CFO), Kristine Kubacki(CSO)
3분기 실적	매출 36억 달러(+5.7%), organic 성장 6.4%, 조정 EBITDA 2.51억 달러(마진 7%), 조정 EPS 0.89달러
GXO IQ	middleware 겸 data lake, AI·생산성 도구 배포 플랫폼. 3개 지역 가동, 2026년 약 50곳 이상 통합
통합 LMS	미국·영국·네덜란드·폴란드·스페인 가동. 운영별 인건비 5~15% 개선 기대, 효과는 2027년부터
AI	자체 팀 + 외부 파트너 도구, 개발비 매우 낮음. LMS 위에 생산성 한 자릿수 중반(%) 추가
투자	설비투자 매출 대비 2~3%(향후 2년), 일부 자동화·로봇은 서비스로 구매
조직	CIO Balaji Rangaswamy(전사 시스템), CTO Nizar Trigui(AI·자동화·로봇)
상업	3분기 신규 수주 3.75억 달러(+34%), 파이프라인 31억 달러(사상 최대)
기타	Wincanton 통합 대부분 완료, 연간 기준(run-rate) 비용 시너지 6,000만 달러. 11월 16일 투자자의 날 예정

핵심 개념

contract logistics

고객사의 창고 운영·출고 같은 물류 업무를 장기 계약으로 맡아 대신 운영하는 사업.

organic growth

인수·매각 효과와 환율을 뺀 기존 사업만의 매출 성장률.

open-book / closed-book

실제 비용에 수수료를 얹어 받는 실비 정산 계약과, 정해진 가격으로 받는 고정가 계약.

earned hours

처리한 물량에 작업 표준 시간을 곱한 값. 실제 투입 시간과 나누면 성과율이 나온다.

Wincanton

GXO가 인수한 영국 물류 기업. 통합이 대부분 끝나 비용 시너지가 실적에 반영되는 중.

내 메모

TODO: 내 생각 추가

원문은 The Motley Fool에 실린 「GXO Logistics (GXO) Q3 2026 Earnings Call Transcript」(콜·게재 2026.11.04)이며 같은 주소에서 읽었습니다. 요약, 핵심 메커니즘의 콜 내용, 통념과 다른 주장, 사례, 원문 사례 표는 GXO 경영진의 발언을 AX Review가 다시 정리했고, 생산성·인건비 효과는 회사 측 기대치입니다. GXO IQ의 개발비, LMS 가동 사이트 수, AI 도구의 구체적 기능은 콜에서 공개되지 않았습니다. data lake·LMS·earned hours의 작동 방식 설명은 일반적인 개념 설명입니다. 기술·현업 실행 디테일, JSON 예시, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 콜 전문은 원문 페이지에서 볼 수 있습니다.