AI 배차로 대기 시간 최소화, 경로 최적화 기술도 개발
라이더 1인당 처리 가능 주문 수 늘려 전체 효율 증대
바로고가 다양한 산업군을 연결하는 도심 물류 플랫폼으로의 전환을 추진한다. 단순 배달 수행을 넘어, 데이터와 기술을 기반으로 주문, 라이더, 경로, 다양한 이동 수단을 하나의 데이터 네트워크로 묶고 이를 실시간으로 최적화한다. 이를 통해 여러 물류 수단과 서비스를 연결할 수 있는 도심 물류 운용체계(OS)를 구축한다는 방침이다.
도심 물류 OS 구축에 있어 가장 중요한 영역은 인공지능(AI) 기반 배차다. 이 시스템은 수요와 공급, 라이더 상태, 지역 상황을 종합적으로 판단해 자동으로 최적의 라이더를 매칭한다. 단순히 가까운 라이더를 선택하는 것이 아니라, 전체 네트워크 기준에서 가장 효율적인 선택을 하는 게 핵심이다. 특히 배차 타이밍을 정교하게 맞추는 데 집중한다. 주문 발생 시점이 아니라 상점의 준비 상태와 라이더 도착 시점을 맞춰 대기 시간을 최소화하는 방향으로 고도화하고 있다. 불필요한 공차 이동과 대기 시간을 줄이고, 전체 네트워크의 처리 효율을 높인다는 전략이다.
바로고는 경로 최적화 기술을 함께 발전시키고 있다. 단건 배송뿐 아니라 복수 주문을 동시에 처리하는 묶음배송의 경로와 순서를 자동으로 최적화한다. 또 실시간 교통 상황과 이륜차 특성을 반영해 실제 운행 효율을 높이는 데 집중하고 있다. 특히 다중 경유지 상황에서 최적 방문 순서를 도출하는 방식으로 라이더의 이동 동선을 구조적으로 개선, 라이더 1인당 처리 가능한 주문 수를 늘린다.
데이터 인프라를 기반으로 AI 기반 운영을 실현한다. 도시를 세분화된 단위로 나눠 수요와 공급을 실시간으로 집계한다. 라이더 가용성, 지역별 주문 밀도, 상점별 준비 시간 등 데이터를 지속적으로 축적·분석하고, 시간대별 수요 패턴과 지역별 변동성을 반영한다. 이를 통해 배차와 경로 판단의 정확도를 높이고 운영 전반을 데이터 기반으로 전환한다.
운영 정밀도를 높이기 위한 보조 영역도 병행하고 있다. 매장 준비 시간과 라이더 도착 시점 간 차이를 줄이는 작업이 대표적이다. 매장별 준비 속도 패턴을 학습, 배차 시점과 이동 동선을 보다 정교하게 조정하는 방안을 검토 중이다. 단기적으로는 라이더가 매장별 준비 성향을 참고해 동선을 조정할 수 있도록 정보를 제공하고, 장기적으로는 시스템이 자동으로 픽업 시점을 보정하는 방향으로 발전시키는 것을 목표로 한다.
바로고 관계자는 “중장기적으로 도시 전체를 하나의 물류 시스템으로 연결하는 '도심물류 OS'를 구축하는 것이 목표”라면서 “AI 배차, 경로 최적화, 데이터 기반 운영 체계는 다양한 비전을 실현하기 위한 기반 단계”라고 설명했다.
그러면서 “이는 도시 전체의 물류 흐름을 하나의 시스템처럼 운영하는 개념으로, 다양한 참여 주체와 자원을 연결하는 것”이라고 강조했다.
현대인 기자 modernman@etnews.com
