① 어떤 상황에서 AI를 활용했나요?

강원도 원주의 중소 제조기업에서 출하 배차를 담당하고 있습니다. 우리 회사는 5톤 자차 3대로 전국에 납품하는데, 수주가 정해진 시간 없이 들어와 오후 1시에 마감하면 그때부터 배차 전쟁이 시작됩니다. 어느 주문을 어느 차에 묶을지 정하고, 자차로 안 되는 물량은 용달업체에 전화를 돌립니다. 한 차가 한 번에 최대 일곱 군데까지 도는데, "여기 들렀다가 저기 가면 더 빠른가?"를 판단하려면 카카오맵과 내비를 일일이 열어 대조해야 했습니다. 저는 트럭을 운행해본 경험이 없어 도로 감각이 없었고, 매일 이 경로 대조에만 1시간씩 걸렸습니다. 대기업은 억대 자동배차 솔루션을 쓰지만, 우리 규모에는 비현실적이었습니다.

② 어떤 AI를 어떻게 활용했나요?

생성형 AI(Claude)와 '대화하면서' 파이썬 배차 스크립트를 직접 만들었습니다. 저는 전문 개발자가 아닙니다. 대신 (1) 우리 회사 배차 규칙을 말로 설명하고 (2) AI가 짜준 코드를 실제 업무에 돌려보고 (3) 현장에서 어긋나는 부분("이 건은 이 차에 실으면 안 돼", "이 지역은 저 차 가는 길에 들르면 돼")을 다시 설명해 고치는 과정을 반복했습니다. 에러가 나면 메시지를 그대로 붙여넣어 AI와 함께 디버깅했습니다. 경로 판단에는 카카오 지도 API를 연동해, 납품처 주소를 좌표로 바꾸고 거리와 방향 기준으로 '가는 길'에 있는 납품처끼리 자동으로 묶게 했습니다. AI가 개발자, 저는 현장을 아는 기획자 역할이었습니다.

③ 활용 결과 어떤 변화가 있었나요?

매일 1시간 걸리던 경로 짜기가 사실상 0분이 됐습니다. 수주 목록만 넣으면 스크립트가 몇 분 안에 차량별 배차와 방문 순서까지 만들어냅니다. 운행 경험이 없어도 배차할 수 있게 됐고, 사람이 급하게 묶을 때 생기던 실수와 누락이 줄었습니다. 영업팀은 매일 같은 형식의 배차표를 받아 거래처 응대가 빨라졌습니다. 적재량 초과 등 예외 상황은 시스템이 표시만 하고 사람이 최종 판단합니다. 정상 케이스는 기계가, 예외는 사람이 맡는 구조입니다. 같은 방식으로 마감 집계 자동화까지 확장했고, 쌓인 출하 이력으로 거래처별 수요예측·주문주기 분석 기능도 붙였습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

첫째, 기성 솔루션이 절대 못 담는 '우리 회사만의 경우의 수'를 코드에 넣었습니다. 금요일이면 토·일·월 물량을 묶어 배차하고, 공휴일 전날이면 연휴 전체를 내다보고, 사업장별로 어떤 물량이 우리 차로 나가는지 구분하는 규칙까지 — 현장에서만 나오는 지식입니다. 둘째, 한 번 만들고 끝내지 않았습니다. 코드 맨 위에 날짜별 수정 이력이 쌓여 있습니다. 현장에서 예외가 터질 때마다 그날 AI와 대화하며 고쳤고, 그렇게 스크립트가 4,000줄 넘게 자랐습니다. 셋째, 전부 자동화하지 않았습니다. 100%를 목표로 했다면 아직도 못 만들었을 겁니다. 80%를 기계에 넘기는 것만으로 현장은 완전히 달라집니다.

⑤ 다른 사람도 따라 할 수 있나요?

네. 이 사례에 든 비용은 사실상 없습니다. 파이썬은 무료, AI는 월 구독료 수준, 카카오 API는 무료 쿼터로 충분합니다. 필요한 건 두 가지입니다. 하나, 우리 업무를 제일 잘 아는 사람이 직접 AI에게 설명할 것 — 외주 개발자는 우리 회사의 예외 상황을 모릅니다. 둘, 거래처 주소 같은 기초 데이터를 먼저 정비할 것 — 주소가 있어야 경로를 계산할 수 있습니다. 자차 몇 대로 뛰고 배차담당자가 현장도 겸하는 회사는 전국에 수만 곳일 겁니다. 코딩을 몰라도, AI와 대화할 수 있다면 자동배차는 만들 수 있습니다. 제가 했으니까요.