Digitally Augmented Freight: ArcBest 3분기 콜, AI 에이전트 30여 개가 트럭 화물 60%를 거드는 방식

ArcBest는 AI 에이전트 30개 이상에 사람이 하던 작업을 넘기고, 트럭 화물의 60%를 디지털 도구로 보강해 담당자가 고객과 복잡한 문제에 시간을 쓰게 했습니다. 따라 하려면 에이전트를 몇 개 만들었는지보다 어떤 화물, 어떤 단계에 붙었는지를 세는 장부부터 있어야 합니다.

요약

ArcBest는 LTL(여러 화주의 짐을 한 트럭에 합쳐 싣는 소량 화물) 네트워크를 직접 운영하는 Asset-Based 부문과, 트럭 화물·긴급 화물·물류 대행을 중개하는 Asset-Light 부문을 함께 운영하는 미국 물류기업입니다. 2026년 11월 4일 3분기 실적 콜에서 CEO Seth Runser는 AI를 업계의 큰 순풍으로 보고 회사 전반의 생산성과 수익성 있는 성장에 쓰고 있다고 말했습니다. 그가 밝힌 활용은 세 갈래입니다. 사람이 하던 작업을 맡는 AI 에이전트가 30개를 넘었고, 트럭 화물 운송의 60%가 digitally augmented(디지털 도구가 처리 일부를 맡는) 상태가 됐습니다. 사내에서 만든 운영 시스템 ATOM(Asset-Light Transportation Operations Management System)은 3분기에 긴급 화물 서비스부터 배포를 시작했습니다.

콜에서 밝힌 AI 활용의 세 갈래와 그 목적

3분기 매출은 12억 달러로 전년보다 15% 늘었고, 조정 주당순이익은 2.62달러로 1년 전 1.46달러에서 올랐습니다. Asset-Light 부문은 하루 매출이 25%, 직원 1인당 하루 처리 건수가 8% 늘었고 건당 판매관리비는 2% 줄었습니다. CFO Matt Beasley는 이 생산성 개선을 생산성 과제 전반과 물류 대행 비중 증가로 설명했고, AI 효과만 따로 떼어 말하지는 않았습니다. Runser는 기술 로드맵이 야구로 치면 “third inning”(9회 중 3회) 정도라고 했습니다. 아래에서는 에이전트, 디지털 보강, ATOM, 운영 분석 도구가 각각 어떻게 작동하는지 풀고, 같은 구조를 시범으로 돌릴 때 필요한 장부와 일정을 붙입니다.

3분기 전년 대비 변화(%). 생산성 수치는 회사가 생산성 과제 전반과 사업 구성 변화로 설명했고 AI만의 효과로 나누지 않음

핵심 메커니즘

Task-level agents: 작업 하나씩 사람 손에서 덜어 내는 에이전트

무엇인가. 사람이 반복해서 하던 작업을 하나씩 골라 AI 에이전트에게 맡기는 방식입니다. Runser는 30개 넘는 에이전트가 직원이 하지 않아도 되는 일을 하고 있다고 말했습니다.

어떻게 작동하나. 입력은 담당자가 매일 반복하던 작업 목록입니다. 회사는 작업마다 에이전트를 두고 그 작업을 넘깁니다. 출력은 사람이 덜 처리해도 되는 작업량이고, 그렇게 생긴 시간은 더 가치가 큰 일로 옮겨 갑니다. Runser는 이 흐름이 성장을 돕고 고객 한 곳을 응대하는 데 드는 비용(cost to serve)을 낮춘다고 설명했습니다.

언제 쓰고 언제 안 쓰나. 같은 형식으로 자주 반복되고 결과를 확인하기 쉬운 작업에 맞습니다. 판단 기준이 고객마다 다르거나 협상이 필요한 일은 사람에게 남깁니다. 콜에서는 에이전트가 맡은 작업의 목록, 쓰는 모델, 구축 방식을 밝히지 않았습니다.

작은 예시(가상 예시). 화주가 보낸 픽업 요청 메일에서 출발지, 도착지, 중량, 희망 일자를 뽑아 주문 시스템에 넣는 일을 에이전트 하나가 맡습니다. 담당자는 빠진 정보가 있는 건만 확인합니다.

Task-level agents의 작동 방식(콜 발언 기준 구조도)

Digitally augmented truckload: 트럭 화물의 60%에 디지털 도구를 붙인다

무엇인가. 트럭 화물 한 건을 처리하는 과정에 사람 대신 디지털 도구가 맡는 단계가 하나 이상 들어간 상태입니다. Runser는 에이전트 이야기를 이어 가면서 트럭 화물의 60%가 이렇게 처리된다고 밝혔습니다.

어떻게 작동하나. 화물 건마다 견적, 운송사 섭외, 추적, 서류 같은 단계가 있습니다. 이 중 반복 단계는 도구가 처리하고, 담당자는 고객 경험과 복잡한 문제 해결에 시간을 씁니다. 60%라는 숫자는 “화물 건” 기준이고, 건 안에서 몇 단계가 자동인지는 콜에서 밝히지 않았습니다.

언제 쓰나. 화물 건수가 많고 건마다 같은 단계를 밟는 중개 업무에 맞습니다. 특수 장비나 위험물처럼 예외가 많은 화물은 사람이 처음부터 맡는 편이 낫습니다.

Digitally augmented 전후 비교(개념도, 60%는 콜에서 밝힌 수치)

ATOM: 화물과 운송 능력을 빨리 맞추는 자체 운영 시스템

무엇인가. ATOM은 Asset-Light 부문을 위해 ArcBest가 직접 만든 운송 운영 관리 시스템입니다. Runser는 ArcBest 여러 팀의 경험을 한곳에 모아 수작업을 줄이는 시스템이라고 소개했습니다.

어떻게 작동하나. 입력은 고객의 화물 요청과 운송사들의 가용 운송 능력입니다. ATOM은 흩어져 있던 프로세스를 잇고, 담당자가 화물에 맞는 운송 능력을 더 빨리 찾게 돕습니다. 출력은 더 빠른 매칭과, 누가 보든 같은 정보입니다. 배포는 3분기에 expedite(시간이 급한 긴급 화물) 서비스에서 시작했고, 다른 서비스 라인은 시간을 두고 옮겨 올 계획입니다. 생산성이나 비용 효과의 수치는 아직 밝히지 않았습니다.

언제 쓰나. 여러 서비스 라인이 각자 다른 화면과 엑셀로 일할 때 효과가 큽니다. 한 서비스에서 먼저 검증하고 넓히는 순서가 위험을 줄입니다.

ATOM의 입력, 처리, 출력(콜 발언 기준, 효과 수치는 밝히지 않음)

ATOM 배포 순서. 다른 서비스 라인의 이전 시점은 밝히지 않음

Quote-to-cash automation: 견적부터 대금 회수까지 한 줄로 잇기

무엇인가. 고객에게 운임을 제시하는 견적에서 시작해 주문, 배차, 운송, 청구, 대금 회수까지 이어지는 흐름 전체를 자동화하는 일입니다. Runser는 이 사이클 자동화에 계속 집중하고 있고 전반적으로 진전이 좋다고 말했습니다.

어떻게 작동하나. 콜에서 나온 도구를 이 흐름에 놓으면 이렇습니다. 견적 단계에는 Dynamic pricing이 있습니다. 시장 운임과 네트워크의 남은 능력을 보고 매일 이익 기준으로 가격을 맞춥니다. 배차 단계에는 ATOM이, 운송과 추적 단계에는 고객용 플랫폼 ArcBest View가 있습니다. 청구와 회수는 자동화가 진행 중인 구간입니다. Runser는 기술 로드맵 전체가 3회쯤이라고 했고, 한 AI 전문가에게 들은 말을 전하며 자동화와 업무 전환을 구분했습니다.

Quote-to-cash 단계별로 콜에서 언급된 도구(배치는 이 노트의 정리)

Operational analytics: 에이전트 밖에서 생산성을 받치는 분석 도구

Asset-Based 네트워크에서는 에이전트보다 분석 도구가 먼저 성과를 냈습니다. City route optimization(시내 집배송 경로 최적화)은 1,500만 달러가 넘는 효과를 냈습니다. Appointment optimization(배송 예약 최적화)은 담당자가 예약 상황을 더 잘 보게 하고, 고객에게 문자로 알립니다. Manpower planning(인력 계획) 도구는 수요, 예상 이직, 채용 진행 상황으로 지역별 채용 수요를 내고 현장 관리자에게 주간 목표를 줍니다. 5월에 낸 ArcBest View는 AI 기능을 넣은 화물 실행·가시성 플랫폼으로 사용자가 3,600명을 넘었습니다. Runser는 역대 최고 적재 평균과 역대 낮은 클레임 지표를 이런 기술 과제와 함께 언급했습니다.

AI 에이전트 밖에서 생산성을 받친 분석 도구 네 가지

통념과 다른 주장

흔히 이렇게 봅니다AI 도입의 성과는 자동화한 작업 수, 도입한 에이전트 수, 줄인 처리 시간으로 잰다.

저자는 이렇게 봅니다Runser는 한 AI 전문가의 말 "Automation is not transformation"을 전하며, 목표는 사업을 바꾸는 것이라고 말했습니다. 직원의 역량을 성장, 효율, 고객 응대 비용 감소, 고객과 직원 경험 쪽으로 끌어올리는 것이 기준입니다.

근거그는 에이전트 30여 개를 작업 대체가 아니라 직원이 더 가치 있는 일에 집중하게 하는 수단으로 소개했습니다. 트럭 화물 60% 보강도 고객 경험과 복잡한 문제 해결로 사람을 옮기는 일로 설명했습니다.

자동화 건수에서 업무 결과로 옮겨 간 기준

저자가 든 사례

이 절은 실적 콜에서 경영진이 밝힌 사실만으로 다시 짰습니다.

트럭 화물: 60%를 디지털로 보강

상황: Asset-Light 부문의 트럭 화물 담당자는 견적, 섭외, 추적 같은 반복 처리에 시간을 많이 씁니다.
한 일: AI 에이전트를 비롯한 디지털 도구를 트럭 화물 처리에 붙였습니다. Runser는 에이전트 30여 개를 설명한 직후 이 비율을 꺼냈습니다.
결과: 트럭 화물의 60%가 디지털로 보강됐고, 직원은 고객 경험과 복잡한 문제에 집중합니다. 처리 시간이나 비용 절감 수치는 콜에서 밝히지 않았습니다.
연결: Task-level agents, Digitally augmented truckload.

사례 1: 트럭 화물 디지털 보강

ATOM: 긴급 화물부터 배포

상황: Asset-Light 부문은 화물과 운송 능력을 맞추는 일에 수작업이 많았고 팀마다 보는 정보가 달랐습니다.
한 일: 여러 팀의 경험을 모아 운영 시스템 ATOM을 직접 만들었고, 3분기에 expedite 서비스부터 배포했습니다.
결과: 매칭이 빨라지고 팀마다 같은 정보를 보게 됐다고 밝혔습니다. 효과 수치는 밝히지 않았고, 다른 서비스 라인은 차례로 옮겨 옵니다.
연결: ATOM, Quote-to-cash automation.

사례 2: ATOM expedite 배포

시내 경로 최적화: 1,500만 달러 넘는 효과

상황: Asset-Based 부문은 도시 안에서 화물을 모으고 나르는 경로를 매일 짭니다.
한 일: City route optimization을 도입했습니다.
결과: Runser는 이 과제에서 1,500만 달러가 넘는 효과를 봤다고 밝혔습니다. 기간과 계산 방식은 밝히지 않았습니다.
연결: Operational analytics.

사례 3: 시내 경로 최적화

Dynamic pricing: 건당 매출 70% 증가

상황: LTL 네트워크에는 날마다 남는 능력이 다르고, 시장 운임도 바뀝니다.
한 일: Dynamic 상품은 시장 가격과 네트워크 가용 능력을 보고 매일 이익 기준으로 가격을 맞춥니다. 견적 풀을 키워 화물을 더 골라 받습니다.
결과: 2019년 출시 이후 건당 매출이 70% 늘었습니다. 처리 건수는 비슷하고 견적 풀은 커졌습니다. 올해 늘어난 건당 중량도 대부분 Dynamic 화물이 무거워진 데서 나왔습니다.
연결: Quote-to-cash automation(견적 단계).

사례 4: Dynamic pricing. 물량은 비슷하고 견적 풀이 커짐

기술 디테일: 같은 구조를 시범으로 돌린다면

아래 필드명, 설정값, 구성은 콜에 없는 실행 제안이자 가상 예시입니다.

에이전트 수를 세려면 장부부터 만듭니다(Task-level agents). “에이전트 30개”는 장부가 없으면 같은 기준으로 다시 셀 수 없습니다. 에이전트마다 맡은 작업, 담당자, 트리거, 쓰는 시스템, 사람 확인 여부를 한 줄로 등록합니다. autonomy는 0(제안만), 1(사람이 승인), 2(한도 안에서 자동 실행) 세 단계로 둡니다. 운영에 들어간 에이전트만 셉니다.

{
  "agent_id": "TL-INTAKE-03",
  "task": "픽업 요청 메일에서 화물 정보 추출 후 주문 생성",
  "owner": "트럭 화물 운영 팀장",
  "trigger": "shared_inbox.new_message",
  "systems": ["email", "tms_orders"],
  "autonomy": 1,
  "status": "production",
  "weekly_volume": 0,
  "override_rate": 0.0
}

보강 비율은 화물 건 기준으로 집계합니다(Digitally augmented truckload). 화물마다 이벤트 로그(shipment_events)를 남기고, 에이전트나 자동화가 처리한 단계에는 actor: "agent"와 agent_id를 기록합니다. augmented_share는 주간 트럭 화물 중 agent 단계가 하나 이상 있는 건의 비율입니다. 같은 로그로 단계별 비율도 계산해 둡니다. 그래야 “건 기준 60%“와 “단계 기준 몇 %“를 섞지 않습니다.

에이전트 수와 보강 비율을 같은 장부로 세는 흐름(가상 예시)

추출과 판단을 나눕니다(ATOM, expedite 매칭). 운송사가 메일이나 포털로 보내는 가용 능력 정보는 형식이 제각각입니다. LLM에는 추출만 맡기고, 결과는 carrier_id, equipment, available_from, origin_zone, rate_quote 같은 고정 JSON으로 받습니다. temperature는 0, 필수 필드가 비면 사람 대기열로 보냅니다. 후보를 거르는 일은 규칙(장비 종류, 시간 창, 안전 등급)으로, 순위는 비용, 과거 정시율, 응답 속도를 가중 합산한 점수로 매깁니다. 긴급 화물은 시간이 핵심이니 정시율 가중치를 0.5 안팎으로 두고 시작합니다. 최종 배정은 담당자가 확정하고, 운임이 기준을 넘으면 두 명이 승인합니다.

Expedite 매칭 파이프라인 설계 예(가상 예시)

청구 단계는 대조부터 자동화합니다(Quote-to-cash). 견적 금액, 운송사 청구서, 배송 완료 증빙(POD)을 shipment_id로 묶어 세 값이 맞는지 먼저 확인합니다. 차이가 허용 범위(예: 2% 또는 50달러) 안이면 자동 승인하고, 넘으면 사유 코드와 함께 사람에게 넘깁니다.

막히는 경우	증상	대응
에이전트 정의가 제각각	팀마다 개수를 다르게 셈	장부에 `status: production`인 것만 집계
추출 필드 누락	잘못된 시간 창으로 배정	필수 필드 검증, 누락 시 사람 대기열
담당자가 추천을 계속 뒤집음	`override_rate` 30% 이상	뒤집은 사유를 모아 규칙·가중치 조정
비율만 오르고 고객 지표는 그대로	보강 비율은 늘고 응답 시간은 같음	고객 응답 시간, 클레임 수를 함께 보고

현업 실행 디테일: 누가, 언제, 무엇을

아래 역할, 일정, 판정 기준은 같은 구조를 들이려는 조직을 위한 예시입니다.

역할	맡는 일
CEO·COO	자동화 건수 대신 볼 결과 지표(고객 응대 비용, 응답 시간) 확정
CIO·CTO	에이전트 장부와 이벤트 로그 설계, 시스템 연결
트럭 화물·긴급 화물 팀장	반복 작업 목록 작성, 예외 기준, 병행 운영
현장 담당자 2~3명	추천을 쓰고 뒤집은 이유 기록
재무	청구 대조 허용 범위와 승인 한도 결정

8주 시범 일정(가상 예시)

기간	할 일	산출물
1~2주	담당자 작업 기록(하루 단위), 반복 작업 상위 10개 선정, 기준선 측정	작업 목록, 건당 처리 시간·응답 시간 기준선
3~4주	추출·추적 안내·청구 대조 에이전트 3개 구축, 장부 등록	에이전트 장부, 이벤트 로그
5~6주	병행 운영(같은 화물을 사람과 에이전트가 처리해 비교)	`augmented_share`, `override_rate`, 오류 건 목록
7~8주	판정 회의, 다음 서비스 라인 선정	확대·보완·중단 결정서

시작 전 담당자에게 물을 질문. 하루에 가장 자주 반복하는 작업 세 가지는 무엇인가? 그 작업에서 실수가 나면 누가 언제 알아채는가? 화면을 몇 개 오가는가? 고객이 가장 자주 묻는 질문은 무엇인가? 자동으로 처리돼도 꼭 다시 보고 싶은 건은 어떤 건인가?

진행 판정 기준(예시). 시범 화물의 50% 이상에 agent 단계가 들어가고, override_rate가 20% 아래이고, 고객 응답 시간이 기준선보다 늘지 않으면 다음 서비스 라인으로 넓힙니다. 오배정이나 청구 오류가 기준선보다 늘면 해당 에이전트를 autonomy 0으로 내리고 2주 보완합니다.

AX 적용 제언. 운송, 유통, 제조 물류처럼 주문 한 건이 여러 단계를 거치는 조직이라면 ArcBest의 순서를 그대로 빌릴 만합니다. 시간이 급하고 성공 기준이 분명한 서비스 하나(ArcBest의 expedite에 해당)를 골라 자체 운영 화면부터 하나로 모읍니다. 그 위에 작업별 에이전트를 붙이고, 성과는 에이전트 개수가 아니라 화물 건 기준 보강 비율과 고객 응대 비용으로 보고합니다. 현업 스폰서는 서비스 라인 팀장이 맡고, IT는 장부와 로그를 먼저 깔아야 경영진 보고 숫자가 분기마다 같은 기준으로 나옵니다.

원문 사례

항목	내용
원문	The Motley Fool 게재 ArcBest 2026년 3분기 실적 콜 녹취, 2026.11.4
발언자	Seth Runser(CEO), Matt Beasley(CFO), Amy Mendenhall(IR), Eddie Sorg(가격), Matt Godfrey(인력)
AI 에이전트	30개 이상 가동, 직원이 하지 않아도 되는 작업 담당
트럭 화물	60%가 digitally augmented, 직원은 고객 경험·복잡한 문제에 집중
ATOM	자체 개발 Asset-Light 운영 시스템, 3분기 expedite부터 배포, 수작업 감소·빠른 매칭·일관된 정보
ArcBest View	2026년 5월 출시, AI 내장, 사용자 3,600명 이상
운영 분석	City route optimization 1,500만 달러 이상 효과, 예약 최적화(고객 문자), 인력 계획(주간 목표)
Dynamic pricing	시장 가격·네트워크 능력 기준 매일 최적화, 2019년 이후 건당 매출 70% 증가
로드맵	quote-to-cash 자동화 진행 중, 기술 로드맵 “third inning”
3분기 실적	매출 12억 달러(+15%), 조정 EPS 2.62달러(전년 1.46달러), ABF 조정 운영비율 90.4%(210bp 개선)
Asset-Light	매출 4억 4,600만 달러(일 기준 +25%), 1인당 일 처리 건수 +8%, 건당 SG&A -2%
비용	2026년 7월 조직 개편으로 분기 1,000만 달러 절감, 2027년 1분기부터 전액 반영

핵심 개념

LTL (Less-Than-Truckload): 여러 화주의 작은 화물을 한 트럭에 모아 싣는 운송입니다. 터미널 네트워크를 거쳐 나눠 배송합니다.
Truckload: 한 화주의 화물로 트럭 한 대를 채워 출발지에서 도착지로 바로 가는 운송입니다.
Asset-Based · Asset-Light: 트럭과 터미널을 직접 가진 부문과, 외부 운송사의 능력을 중개해 쓰는 부문입니다.
Expedite: 시간이 급한 화물을 전용 차량 등으로 빠르게 옮기는 긴급 운송 서비스입니다.
Operating ratio: 운영비를 매출로 나눈 비율로, 운송업의 수익성 지표입니다. 낮을수록 좋습니다.
Cost to serve: 고객 한 곳이나 화물 한 건을 처리하는 데 드는 총비용입니다.
Quote pool: 회사가 받은 견적 요청 전체입니다. 풀이 클수록 이익이 나는 화물을 골라 받을 여지가 커집니다.

내 메모

TODO: 내 생각 추가

원문은 The Motley Fool에 실린 「ArcBest (ARCB) Q3 2026 Earnings Call Transcript」(2026.11.4)입니다. 요약, 핵심 메커니즘, 통념과 다른 주장, 사례는 콜에서 경영진이 밝힌 내용을 AX Partners가 다시 정리했습니다. 기술 디테일, 현업 실행 디테일, 인포그래픽, 표의 필드명·설정값·일정·판정 기준은 콜에 없는 내용으로 새로 작성한 가상 예시입니다. 실적 수치와 발언 전체는 원문 녹취에서 볼 수 있습니다.