Warehouse Agents on WMS: L'Oréal이 물류센터 에이전트 7개의 효과를 6개월 실측한 방법

L'Oréal은 창고 관리 시스템(WMS) 위에 에이전트를 빠르게 깐 뒤, 확산 전에 멈춰서 시범 센터 4곳에서 6개월 동안 효과를 쟀습니다. 따라 하려면 에이전트마다 KPI와 기준선을 먼저 정하고, 링크를 나눠 주는 대신 현장 process owner가 실제 문제로 시작하게 해야 합니다.

요약

L’Oréal은 전 세계 물류센터 40곳에서 Manhattan의 WMS를 씁니다. Manhattan은 1년쯤 전 에이전트 기능을 내놓았는데, 기본 에이전트와 고객이 직접 에이전트를 만드는 플랫폼이 함께 들어 있습니다. L’Oréal은 1단계에서 에이전트 7개를 물류센터 7곳에 7주 만에 배치했습니다. 출고 전 오류를 예측하는 pre-wave agent, 출고 뒤 남은 문제를 해결하는 wave coordinator agent, 피킹 재고 보충을 돕는 replenishment monitor, 재고 실사 결과의 반영을 권고하는 cycle count booking cockpit이 기사에 이름이 나온 넷입니다. 두 달쯤 지나 회사는 실험 범위를 바꿨습니다. 전면 확산 전에 에이전트가 실제로 얼마의 가치를 내는지부터 재기로 하고, 멕시코·프랑스·폴란드·태국의 시범 센터 4곳에서 6개월간 측정했습니다. 내용은 Manhattan의 밀라노 연례 콘퍼런스에서 L’Oréal의 WMS 담당 Łukasz Kierzkowski와 글로벌 fulfilment 책임자 Antoine Prat이 발표한 것입니다.

도입 순서: 넓게 깔고, 멈춰서 재고, 문제 중심으로 다시 넓힌다

결과는 센터마다 크게 달랐습니다. 가장 성과가 좋은 센터에서는 거절 주문이 3개월 만에 80% 줄고 피커 생산성이 14% 올랐습니다. replenishment monitor는 센터당 하루 평균 약 3시간을 아꼈고, cycle count cockpit은 한 센터에서 실사부터 WMS 반영까지 걸리는 시간을 70% 줄였습니다. 센터당 연간 절감 시간은 평균 1,400시간을 넘었고, 이를 40개 센터로 넓히면 연 6만 시간 가까이 된다는 추정이 나왔습니다. 다만 Kierzkowski는 이 숫자가 대략의 추정이고 시간 절감이 곧 비용 절감으로 이어지지는 않는다고 덧붙였습니다. 아래에서는 에이전트 네 개의 작동 방식, 가치를 잰 방법, 채택을 바꾼 계기를 차례로 풀고, 실제로 돌릴 때 필요한 기술·현업 디테일을 붙입니다.

기사에 나온 비율 지표. 센터마다 효과 차이가 큼

핵심 메커니즘

Wave planning 에이전트 두 개: 출고 전 예측, 출고 뒤 해결

무엇인가. Wave planning은 WMS가 주문을 묶음(웨이브)으로 골라 피킹에 내보내는 일입니다. 내보내기 전에 재고가 있는지 확인하지만, 시스템상으로는 재고가 있는데 실물이 아직 피킹 위치로 옮겨지지 않은 경우가 생깁니다. 현장에서 이 사실이 드러나면 WMS는 그 주문을 웨이브에서 뺍니다.

어떻게 작동하나. L’Oréal은 이 문제를 두 지점에서 나눠 맡겼습니다. pre-wave agent는 웨이브를 내보내기 전에 피킹 중 생길 오류를 예측하고 해결안을 내놓습니다. 그래도 남는 문제는 wave coordinator agent가 분석하고 해결합니다. 예방과 사후 처리를 다른 에이전트에 맡긴 구조입니다.

언제 쓰나. 보관 위치에서 피킹 위치로 옮기는 보충이 자주 늦고, 웨이브에서 빠지는 주문이 많은 센터에 맞습니다. 웨이브 대신 주문 단위로 바로 피킹하는 센터라면 출고 전 단계의 쓸모가 줄어듭니다.

원문의 예. 가장 성과가 좋은 센터에서 거절 주문이 3개월 만에 80% 줄었고, 피커 생산성은 14% 올랐습니다.

작은 예시 (가상). 오후 2시 웨이브에 들어갈 주문 300건 가운데 12건의 품목이 장부상 재고는 있지만 피킹 위치 수량이 부족하다고 판정되면, pre-wave agent가 그 12건을 표시하고 “보관 위치에서 먼저 보충” 또는 “다음 웨이브로 이동”을 제안합니다.

웨이브 앞뒤로 에이전트 두 개가 나눠 맡는 구조

Replenishment monitor: 보충 판단에 필요한 정보를 한 화면에

무엇인가. 피킹 위치의 재고 수준을 보여 주고, 보충 결정을 내리는 데 필요한 정보를 한곳에 모아 주는 에이전트입니다.

어떻게 작동하나. 사용자는 이 화면에서 보충 작업을 바로 배정할 수 있습니다. 기사 설명대로라면 현장 작업자에게 따로 연락하지 않아도 작업이 내려갑니다. 판단은 사람이 하고, 에이전트는 판단 재료를 모으고 배정을 쉽게 만드는 쪽에 가깝습니다.

언제 쓰나. 보충 담당자가 여러 화면과 보고서를 오가며 판단하는 센터에서 효과가 큽니다.

원문의 예. 센터당 하루 평균 약 3시간을 아꼈습니다.

보충 모니터: 입력, 처리, 출력

Cycle count booking cockpit: 실사 결과를 받을지 말지 권고

무엇인가. 피킹 위치에서 센 수량과 WMS의 장부 수량이 다를 때, 그 실사 결과를 장부에 반영할지 판단을 돕는 화면입니다.

어떻게 작동하나. 두 수량을 비교해 수락, 거절, 재실사 가운데 하나를 권고하고, 필요하면 원인 조사를 하라는 표시도 붙입니다. 결정은 사용자가 내립니다.

언제 쓰나와 안 쓰나. 실사 차이가 잦고 반영이 늦는 센터에서 씁니다. 재고 정확도가 이미 높은 센터에서는 효과가 작았다고 기사는 전합니다.

원문의 예. 한 센터에서 실사부터 WMS 반영까지 걸리는 시간이 70% 줄었습니다.

재고 실사 반영 콕핏: 효과는 센터의 재고 정확도에 따라 갈림

Value measurement: 확산 전에 멈추고 가치부터 잰다

무엇인가. 1단계 배치 후 두 달쯤 지나 L’Oréal은 실험 범위를 바꿨습니다. 전면 확산을 결정하기 전에 에이전트가 실제로 내는 가치를 재기 위해서였습니다.

어떻게 작동하나. 시범 센터 4곳을 고르고 에이전트마다 KPI를 따로 정한 뒤 기준선을 잡았습니다. 6개월 동안 매주 성과를 추적했고, 사용자 경험을 묻는 데서 그치지 않고 사람들이 실제로 에이전트를 썼는지를 직접 확인했습니다. 측정 결과는 에이전트를 고치는 데 다시 썼습니다. 나머지 36개 센터에는 시범 센터의 진행 상황을 알리고 에이전트 접근 권한을 줬습니다.

언제 쓰나. 센터마다 효과 차이가 크다는 결과가 나온 만큼, 네트워크가 크고 센터 조건이 제각각인 회사일수록 이 단계가 필요합니다.

가치 측정 루프: 확산 결정 전에 돌린 것

Process owner 중심 채택: 링크가 아니라 문제로 시작한다

무엇인가. 2단계에서 L’Oréal은 각 업무의 process owner(그 프로세스의 성과를 책임지는 현장 담당자)에게 초점을 옮기고, Manhattan 플랫폼에서 자체 에이전트를 만들기 시작했습니다.

어떻게 작동하나. 1단계에서는 접근 권한과 소개 링크를 주는 것만으로는 사용이 늘지 않았습니다. 사용자가 익숙해지는 데 오래 걸렸고, 에이전트가 기대대로 움직이지 않아도 이유를 알리지 않거나 시간이 없다고 답하는 경우가 있었습니다. 2단계에서는 실제 현장 문제를 푸는 데서 시작하고, 센터 운영을 잘 아는 현지 담당자가 채택과 문제 해결을 돕게 했습니다. 그러자 참여가 늘었습니다.

원문의 예. 시범 센터 4곳의 사용자는 시범 기간에 44명에서 62명으로 늘었습니다. 전 세계 사용자는 239명이고, 그중 200명 이상이 매일 씁니다.

채택을 바꾼 것은 기능이 아니라 누가 어떤 문제로 시작하느냐

통념과 다른 주장

흔히 이렇게 봅니다에이전트를 많이 배치할수록 효과도 커진다.

L'Oréal 담당자는 이렇게 봅니다에이전트 개수보다 그 에이전트가 푸는 문제가 중요합니다. 2단계는 개수를 늘리는 대신 문제 해결에 맞췄습니다.

근거같은 cycle count cockpit이 한 센터에서는 반영 시간을 70% 줄였지만, 재고 정확도가 높은 센터에서는 효과가 작았습니다.

흔히 이렇게 봅니다AI로 아낀 시간은 그만큼의 비용 절감이다.

L'Oréal 담당자는 이렇게 봅니다연 6만 시간은 대략의 추정이고, 시간 절감이 자동으로 비용 절감이 되지는 않습니다.

근거Kierzkowski가 센터당 1,400시간 이상, 네트워크 6만 시간 추정치를 밝히면서 같은 자리에서 이 구분을 짚었습니다.

흔히 이렇게 봅니다접근 권한을 주고 사용법을 안내하면 현장이 쓰기 시작한다.

L'Oréal 담당자는 이렇게 봅니다소개 링크만으로는 쓰지 않습니다. 동기가 있는 사용자부터 시작하고 꾸준히 지원해야 합니다.

근거1단계는 채택이 약했고, process owner와 실제 문제 중심으로 바꾼 2단계에서 참여가 늘어 시범 센터 사용자가 44명에서 62명이 됐습니다.

통념과 기사 속 관점

저자가 든 사례

성과가 가장 좋은 시범 센터

상황: WMS가 피킹 중 재고 부족을 발견해 주문을 웨이브에서 빼는 일이 생깁니다. 센터 이름은 기사에서 밝히지 않았습니다.
한 일: 웨이브 전후로 pre-wave agent와 wave coordinator agent를 쓰고, 에이전트별 KPI를 매주 추적했습니다.
결과: 3개월 만에 거절 주문 80% 감소, 피커 생산성 14% 향상.
연결: Wave planning 에이전트 두 개, Value measurement.

사례 1: 성과가 가장 좋은 시범 센터

같은 cycle count cockpit, 다른 결과

상황: 실사 수량과 장부 수량의 차이를 처리하는 속도가 센터마다 달랐습니다.
한 일: cycle count booking cockpit이 수락, 거절, 재실사를 권고했습니다.
결과: 한 센터는 실사부터 WMS 반영까지 시간이 70% 줄었고, 재고 정확도가 이미 높던 센터들은 효과가 작았습니다.
연결: Cycle count booking cockpit, 통념과 다른 주장(개수보다 문제).

사례 2: 같은 에이전트, 다른 효과

링크 배포에서 process owner 중심으로

상황: 1단계에서 접근 권한과 소개 링크를 줬지만 사용이 늘지 않았습니다.
한 일: process owner와 현지 담당자가 실제 문제로 시작하도록 바꾸고, 자체 에이전트 개발에 들어갔습니다.
결과: 시범 센터 사용자 44명에서 62명, 전 세계 사용자 239명 가운데 200명 이상이 매일 사용.
연결: Process owner 중심 채택.

사례 3: 사용자 수 (명)

기술 디테일: 창고 에이전트 하나를 측정 가능하게 돌리려면

아래는 기사의 에이전트 구조를 실제로 재현할 때 필요한 설계입니다. 기사에 나오지 않은 내용이며, Manhattan 플랫폼의 실제 구현과는 다를 수 있습니다.

Wave planning 에이전트를 돌리려면 판정은 규칙으로, 설명은 LLM으로 나눕니다. “장부 재고는 있는데 피킹 위치에 없다”는 판정은 WMS 테이블 조인으로 정확히 계산됩니다. 웨이브 후보 주문 라인마다 required_qty와 pick_location_qty를 비교하고, 부족분이 보관 위치(reserve_qty)에 있는지, 이미 열린 보충 작업(open_replen_task)이 있는지 확인합니다. LLM은 이 판정 결과를 담당자가 읽을 해결안 문장으로 바꾸는 데만 씁니다. 숫자 판정을 LLM에 맡기면 같은 입력에 다른 답이 나올 수 있으므로 temperature 0, 출력은 JSON으로 고정합니다.

{
  "wave_id": "W-1105-14",
  "order_id": "SO-889120",
  "sku": "SKU-41237",
  "risk_type": "stock_not_at_pick_location",
  "required_qty": 24,
  "pick_location_qty": 6,
  "reserve_qty": 120,
  "open_replen_task": false,
  "proposed_action": "replenish_before_release",
  "explanation": "보관 위치 재고 120개, 보충 작업 없음. 출고 전 보충 권고",
  "data_as_of": "2026-11-05T13:40:00+09:00"
}

data_as_of를 꼭 남깁니다. 웨이브 직전 몇 분 사이에 재고가 움직이면 판정이 틀어지기 때문입니다. 실패 사례는 두 가지로 나눠 기록합니다. 위험하다고 했는데 문제없이 피킹된 경우(헛경보)와, 통과시켰는데 웨이브에서 빠진 경우(놓침)입니다. 헛경보가 많으면 담당자가 경고를 무시하기 시작하므로, 주 단위로 두 비율을 보고 임계값을 조정합니다.

Cycle count cockpit의 권고 규칙은 금액과 수량 둘 다 봅니다. 예를 들어 차이가 2개 이하이고 금액이 일정 기준 미만이면 수락, 차이가 크면 재실사, 같은 위치에서 30일 안에 차이가 반복되면 원인 조사 표시처럼 단계를 둡니다. 기준값은 센터의 재고 정확도에 따라 달라야 합니다. 정확도가 높은 센터에서 효과가 작았다는 결과는, 도입 전에 센터별 실사 차이 빈도를 먼저 뽑아 대상 센터를 고르라는 뜻으로 읽을 수 있습니다.

가상 설계: 에이전트 하나를 돌리는 최소 파이프라인

Value measurement를 하려면 KPI와 사용 로그를 처음부터 함께 남깁니다. 에이전트마다 주 KPI 하나와 보조 KPI 하나를 정하고, 배치 전 4주 값을 기준선으로 고정합니다. 매주 같은 요일에 같은 쿼리로 뽑아야 추세가 흔들리지 않습니다. 사용 여부는 설문이 아니라 로그로 봅니다. 주간 활성 사용자, 권고 노출 건수, 수락·수정·거절 건수, 거절 사유 코드를 남기면 “써 봤는데 별로”와 “아예 안 썼다”를 구분할 수 있습니다. 1단계에서 사용자가 안 되는 이유를 알리지 않았다는 문제는 화면 안의 사유 코드 버튼(데이터 틀림 / 이미 처리함 / 권고가 현장과 안 맞음)으로 줄일 수 있습니다.

가상 예시: 에이전트별 KPI 정의표

시간 절감을 비용으로 바꾸려면 시간이 어디로 갔는지 확인합니다. 하루 3시간을 아꼈다면, 그 3시간이 초과근무 감소, 임시 인력 감소, 다른 업무 흡수 가운데 어디로 갔는지를 센터별로 확인한 뒤 실제로 줄어든 지출만 비용 효과로 잡습니다. 이 확인 단계가 있어야 연 6만 시간 같은 추정치를 재무 보고에 섞지 않게 됩니다.

가상 설계: 시간 절감을 비용으로 바꾸는 확인 단계

현업 실행 디테일: 누가, 언제, 무엇을

아래 역할과 일정은 기사의 순서(빠른 배치, 범위 변경, 시범 센터 실측, process owner 중심 확산)를 따라 짠 가상 예시입니다.

역할	누가	하는 일
스폰서	글로벌 fulfilment 책임자	시범 센터 선정, 확산 여부 최종 판정
프로그램 리드	본사 WMS·물류 시스템 담당	KPI 정의, 기준선 수집, 주간 보고
Process owner	웨이브·보충·실사 업무 책임자(에이전트당 1명)	풀 문제 정의, 권고 규칙 검토, 현장 피드백 수집
현지 챔피언	센터별 운영을 잘 아는 담당자 1~2명	사용자 지원, 안 되는 이유 수집, 개선 요청
WMS 벤더·IT	벤더 컨설턴트, 사내 개발자	에이전트 설정, 로그 적재, 자체 에이전트 개발

시작 전 준비물. 센터별 웨이브 제외 주문 수, 보충 담당자의 하루 판단 시간, 실사 차이 건수와 반영 소요 시간을 최근 4주치로 뽑아 둡니다. 이 값이 기준선이자 시범 센터를 고르는 근거가 됩니다. 재고 정확도가 이미 높은 센터는 실사 에이전트 대상에서 뺍니다.

가상 예시: 시범 일정 (0~2주, 3~9주, 10~35주, 36주)

Process owner에게 던질 질문. (1) 지난주 이 업무에서 시간이 가장 많이 샌 일은 무엇이었나. (2) 그 일이 생겼을 때 지금은 누가 어떤 화면을 보고 판단하나. (3) 에이전트 권고를 거절했다면 이유는 무엇이었나. (4) 이 권고를 받으면 현장 직원 누구의 일이 바뀌나. (5) 아낀 시간은 어디에 쓰고 있나.

진행 판정 기준 (예시). 실측 12주 차에 주 KPI가 기준선보다 개선되지 않았거나, 주간 활성 사용자가 대상 인원의 절반에 못 미치면 그 센터·에이전트 조합은 멈추고 원인을 봅니다. 36주 차에는 주 KPI 개선, 주간 활성 사용자 비율, 비용으로 확인된 절감액 세 가지가 모두 기준을 넘는 에이전트만 나머지 센터로 넓힙니다.

AX 적용 제언. 물류센터를 여러 곳 운영하는 제조·유통사라면 이 사례의 순서를 그대로 빌릴 만합니다. 쓰고 있는 WMS 벤더의 기본 에이전트로 빠르게 시작하되, 두세 달 안에 범위를 좁혀 시범 센터에서 KPI를 잽니다. 이때 사업 계획서의 “절감 시간” 항목은 CFO와 미리 합의한 환산 규칙(초과근무·외주비로 확인된 것만 비용으로 계상)으로 바꿔 둬야 확산 단계에서 숫자 논쟁이 줄어듭니다. 채택은 IT가 링크를 뿌리는 방식이 아니라, 웨이브·보충·실사 업무의 process owner가 “우리 센터의 이 문제”로 시작하는 방식이어야 합니다.

원문 사례

항목	내용
회사	L’Oréal, 물류센터 40곳 네트워크
발표	Manhattan 연례 콘퍼런스(밀라노), Łukasz Kierzkowski(한 물류센터의 WMS 담당), Antoine Prat(글로벌 fulfilment 책임)
기반 시스템	Manhattan WMS와 그 위의 에이전트 기능(기본 에이전트 + 자체 개발 플랫폼)
1단계	에이전트 7개, 물류센터 7곳, 7주
이름이 나온 에이전트	pre-wave agent, wave coordinator agent, replenishment monitor, cycle count booking cockpit
측정	두 달쯤 뒤 범위 변경, 시범 4곳(멕시코·프랑스·폴란드·태국), 6개월, 에이전트별 KPI·기준선·주간 추적·실사용 확인
성과	최상위 센터 거절 주문 3개월 80% 감소, 피커 생산성 14% 향상, 보충 모니터 센터당 하루 약 3시간, 실사 반영 시간 한 센터 70% 단축
연간 추정	센터당 1,400시간 이상, 40곳 기준 6만 시간 가까이(대략 추정, 비용 절감과 별개)
사용자	시범 센터 44명 → 62명, 전 세계 239명 중 200명 이상 매일 사용
2단계	process owner 중심, 자체 에이전트 개발, 나머지 36곳에 진행 공유와 접근 권한

핵심 개념

WMS: warehouse management system. 입고, 보관, 피킹, 출고와 재고 위치를 관리하는 창고 운영 시스템입니다.
웨이브(wave): 함께 피킹하도록 묶어 현장에 내보내는 주문 묶음입니다.
피킹 위치: 작업자가 주문 품목을 꺼내는 선반 자리입니다. 보관 위치에서 이곳으로 옮기는 일이 보충입니다.
거절 주문(rejected order): 피킹할 수 없어 웨이브에서 처리되지 못한 주문입니다.
cycle count: 창고 전체를 한 번에 세지 않고 위치별로 돌아가며 재고를 세는 방식입니다.
process owner: 특정 업무 프로세스의 성과와 개선을 책임지는 담당자입니다.

내 메모

TODO: 내 생각 추가

원문은 Supply Chain Movement의 「Agentic AI saves L’Oréal 60,000 hours a year」(Marcel te Lindert, 2026.10.29)입니다. 요약, 핵심 메커니즘의 기사 내용, 통념과 다른 주장, 저자가 든 사례, 원문 사례 표는 기사에 실린 L’Oréal 담당자의 발표 내용을 AX Review가 다시 정리했습니다. 작은 예시, 기술 디테일(데이터 필드, JSON 예시, 규칙 설계, KPI표, 비용 환산), 현업 실행 디테일(역할, 일정, 질문, 판정 기준), 인포그래픽은 실제로 돌릴 때 필요한 것을 새로 작성한 가상 예시이며 L’Oréal이나 Manhattan의 실제 구현이 아닙니다. 기사는 1단계 에이전트 7개 가운데 넷의 이름만 밝힙니다. 전체 내용은 원문에서 볼 수 있습니다.