CH 로빈슨 월드와이드 Citi’s 2026 Global TMT Conference

네, 감사합니다, 아리. 이 컨퍼런스에 초대해 주셔서 기쁩니다. 저희를 초대해 주셔서 감사합니다. 저희에게는 이 자리가 낯설지 않습니다. 지난 3년간 로빈슨에서 진행해 온 변화와 이야기를 알고 있기 때문입니다. 제가 간단히 개요를 말씀드리고, 데이먼과 아룬이 자세히 설명하도록 하겠습니다. 정말 하나의 이야기입니다. 린 AI에 대해 언급하셨는데요. 저희는 120년 역사의 회사를 본질적으로 이 산업 내에서 파괴자로 탈바꿈시키는 변화를 도입했습니다. 두 가지 방향으로 진행했습니다. 첫째, 린 원칙에 기반한 매우 다른 린 운영 모델입니다. 이는 지속적인 개선, 문제 해결, 속도와 페이스에 관한 것으로, 이전에도 존재했던 모든 요소들이지만 저희는 이를 회사에 도입했고 이 산업의 전환점이 되었다고 생각합니다.

이로 인해 저희가 구매자가 아닌 구축자이며 항상 그래왔던 기술이 진정으로 빛을 발할 수 있게 되었습니다. 저희의 기술과 업계에서 가장 크고 독점적인 데이터 세트가 진정으로 살아 움직이며 그 데이터를 지능화할 수 있게 되었습니다. 저희의 Lean AI, 업계 최고라고 생각하는 기술, 그리고 물론 세계 최고의 물류 전문가 중 일부인 인력이 결합되어 있습니다. 이 세 가지는 C.H. Robinson에서 운영하는 시스템 내에서 상호 공생 관계를 이루고 있습니다. 그리고 바로 이것이 방금 말씀하신 성과를 가능하게 했습니다. 이것이 바로 성과를 이끈 원동력입니다. 특히 기술과 또한 최종 실적을 견인하는 운영 문화를 살펴보겠습니다. 그렇게 하겠습니다. 데이먼, 아룬?

네, 아룬, 기술에 대해 이야기해 주시고 제가 마무리하겠습니다.

네, 기술 측면에서 말씀드리면, 지난 4년간 생산성을 60% 향상시켰습니다. 이는 기술 회사가 이 산업을 어떻게 파괴할지 역으로 생각하며 시작한 여정입니다. 그렇게 역으로 생각하면, 일반적인 기술 회사는 인력 증가와 물량 증가를 어떻게 분리할지 고민할 것입니다. 즉, 매우 확장 가능한 비즈니스를 만드는 것이죠. 저희 중 일부는 아마존 출신입니다. 그것이 바로 여러분이 따를 모델입니다. 첫 번째로 하는 일은 시스템을 어떻게 설계해서 인력 증가와 물량 증가를 효과적으로 분리할지 고민하는 것입니다. 저희는 이 여정을 수년간 이어오고 있습니다. 그리고 60%라는 수치를 보실 수 있습니다.

지난 몇 년간 크게 달라진 점 중 하나는, 제가 입사한 지 5년이 되었지만 처음 2~3년은 전통적인 소프트웨어 엔지니어링 방식을 사용했다는 것입니다. 지난 몇 년 동안, 과거에는 많은 프로젝트들이 소프트웨어 엔지니어링 작업이 많아 ROI 기준을 충족하지 못했습니다. 이 산업은 고객별, 운송업체별로 특화된 미묘한 차이점들로 인해 어려움을 겪고 있습니다. 왜냐하면 저희가 시장 한가운데에 있기 때문입니다. 저희는 용량과 고객 사이에 위치해 있습니다. 피어 투 피어 시장과 달리, 여기는 많은 미묘한 차이가 있는 B2B 시장입니다. 저희는 그 한가운데에 있고, 2~3년 전에는 많은 프로젝트가 기준을 충족하지 못했습니다. 하지만 AI 덕분에 이제 엔지니어링 효율이 크게 향상되었습니다.

저희는 500명의 엔지니어가 있지만, 이들이 코딩 도구를 사용하기 시작하면서 2,000명 또는 3,000명 엔지니어처럼 일하고 있습니다. 이것이 한 측면입니다. 다른 측면은, 저희가 회사의 집단 지식과 맥락을 에이전틱 AI 플랫폼에 담을 수 있도록 플랫폼을 설계했다는 점입니다. 갑자기 예전 방식으로 소프트웨어를 만드는 것이 아닙니다. 모든 규칙이나 표준 운영 절차를 일일이 소프트웨어에 구현하는 것이 아닙니다. 그것은 맥락 계층에 있습니다. 어떤 면에서는 회사가 영어로 프로그래밍되고 있는 셈입니다. 대형 언어 모델(LLM)의 등장과 함께 가장 간단하게 생각할 수 있는 방식일 것입니다. 저희가 LLM 위에 구축한 이 에이전틱 하니스는 지난 몇 년간 린 운영 모델과 결합해 생산성을 크게 가속화했습니다.

이것이 한 측면입니다. 생산성 측면입니다. 다른 측면은, 시장으로서 어떻게 대응하느냐 하는 문제입니다. 한쪽에는 고객에 대한 가격 책정이 있고, 비용과 용량 측면에서는 용량을 효율적으로 조달하는 방법이 있습니다. 시장에서는 결국 스프레드를 만드는 것입니다. 이것은 우리의 가격 책정 알고리즘을 구동하는 개인 맞춤형 가격 책정 개념입니다. 우리는 10년 동안 보유해온 머신러닝 기반 알고리즘 가격 책정을 사용하고 있습니다. 하지만 데이터가 누적되고 증가함에 따라, 이것은 전통적인 AI입니다. 이를 고전적 AI 머신러닝이라고 부르겠습니다. 이는 우리가 제공하는 가치에 대해 적절한 고객에게 적절한 가격을 책정함으로써 우리의 총마진을 효과적으로 이끌어냅니다.

마찬가지로 용량 측면에서는 비용 발견과 특정 화물을 처리하기 위해 가장 낮은 가격, 가장 낮은 비용으로 용량을 조달하는 방법에 관한 것입니다. 다시 한 번, 제가 한 말을 요약하자면, 만약 우리가 C.H. 로빈슨을 기술 회사로서 혁신하려 한다면 어떻게 할까요? 스케일 가능한 모델을 만들어 단위 경제성을 끌어내고, 지능적인 가격 책정과 비용 발견을 통해 최고의 총마진 수치를 달성할 것입니다. 그리고 이것이 누적되어, 결국 우리가 달성한 것처럼 낮은 서비스 비용을 어떻게 활용할 것인가 하는 문제입니다. 그것을 가격을 낮춤으로써 성장을 촉진하는 데 활용하는 것입니다. 이것이 바로 우리의 비즈니스를 이끄는 공식입니다.

낮은 서비스 비용, 높은 총마진, 그리고 일부는 고객에게 가격을 낮춰 성장으로 되돌리는 것입니다. 데이브와 아룬이 말한 내용을 정리하자면, 2022년 말 이후 우리는 60%의 생산성 향상을 누렸을 뿐만 아니라, 명확한 매출 성장과 총마진 확대를 경험했으며, 운영 마진 확장도 생산성 향상을 기반으로 이루어졌습니다.

하지만 우리에게 AI, 특히 린 AI는 단순한 생산성 그 이상입니다. 우리는 매출 성장과 매출 관리 능력, 즉 더 나은 가격 책정, 더 나은 화물 조달 및 생산성을 보고 있습니다. 우리는 린 AI 전략의 혜택이 손익계산서 전반에 걸쳐 나타나고 있음을 보고 있습니다. 우리가 하는 일이 매우 방어 가능하다는 것을 알고 있습니다. 우리는 450명의 엔지니어가 우리만의 기술을 개발하고 있습니다. 이는 우리 회사의 특정 문제를 위한 맞춤형 기술입니다. 우리가 해온 일을 오프더쉘프 제품으로 복제하기는 매우 어렵습니다.

우리가 해온 일을 복제하려면 아마도 15개에서 20개의 개별 AI 플랫폼 회사와 파트너십을 맺어야 할 것으로 추정합니다. 설령 그렇게 한다고 해도, 회사의 특정 문제와 기회에 맞춘 맞춤형 솔루션이 아니라 일반적인 솔루션 세트를 받게 됩니다. 그 외에 가장 중요한 점은 비용이라고 생각합니다. 에이전트를 구축한 후 우리의 한계 소유 비용은 거의 제로에 가깝습니다. 반면에 타사의 제3자 기술을 사용하면 매번 그들의 기술을 사용할 때마다 비용을 지불해야 합니다.