기술 혁명이 항공 수하물 처리 현장에 자리 잡고 있다. 이제 카메라는 여행 가방의 찌그러짐, 긁힘, 고유한 흠집까지 식별한다. 이처럼 정밀한 기술은 당초 2021년부터 2022년 사이 수하물 오처리 건수가 74.7% 급증한 문제에 대응하기 위해 개발됐다.

 

그러나 이 기술은 항공사와 여객 사이에 아직 충분히 논의되지 않은 새로운 갈등 요인도 만들고 있다.

 

에어포탈 자료에 따르면, 심각한 인력 부족과 해마다 늘어나는 항공 여객으로 인해 항공사들은 단순한 실험 단계를 넘어 자율 시스템을 대규모로 도입하고 있다. 현대의 수하물 처리 방식은 오류가 잦았던 과거의 수작업 절차를 대체하기 위해 수하물 인식과 로봇 적재 보조 장비를 활용한다.

 

그러나 수하물이 목적지에 도착하도록 돕는 바로 그 컴퓨터 비전 기술은 기내 반입 수하물의 크기도 1인치 미만의 오차 범위까지 측정할 수 있다. 이는 그동안 비교적 관대한 현장 직원의 육안 판단에 의존해왔던 항공사들에게 새로운 과제가 되고 있다.

 

 

발단은 ‘수하물 오처리 급증’

 

이러한 변화의 배경에는 감당하기 어려울 정도로 급증한 수하물 처리 오류가 있다. 2022년 전 세계 오처리 수하물은 여객 1000명당 7.6개에 달했다.

 

항공업계는 체크인 카운터에서 항공기 화물칸까지 이어지는 수하물 이동 과정을 간소화하기 위해 자동화와 AI에 대규모 투자를 시작했다. 이러한 시스템은 평균 여객 1인당 1.2개의 위탁 수하물이 발생하는 대규모 처리량을 처리하기 위한 지상 운영 도구로 개발되고 있다.

 

델타항공과 같은 항공사들은 수하물이 실제로 분실되기 전부터 이상 상황을 예측하고 처리하는 AI 기반 도구를 도입하며 이러한 흐름을 주도하고 있다. 항공사들은 사전 계획에 크게 의존하던 수작업 중심의 물류 방식에서 벗어나 지연과 게이트 변경에 디지털 시스템으로 대응하고, 수하물을 실시간으로 관리하고 있다. 매년 수백만 개의 수하물 오처리가 발생해 온 항공업계에서 자동화는 필수적인 운영 수단으로 자리 잡고 있다.

 

전자 수하물 태그와 자율주행 차량을 활용하면서 공항들은 지상 조업 인력의 신체적 부담을 줄이는 동시에 수하물 처리 정확도도 높이고 있다. 이는 운영 신뢰성을 높이는 분명한 성과 지만, 동시에 과거에는 불가능했던 수준의 시각 데이터 수집을 전제로 한다. 이제 모든 수하물은 디지털 데이터로 전환되어 항공기가 이륙을 준비하기 전부터 여러 차례 스캔되고 분석된다.

 

 

수하물 인식

 

고해상도 카메라는 이제 항공업계가 수하물 인식 기술에 활용되고 있다. 이 기술은 모든 위탁 수하물에 고유한 디지털 식별 정보를 부여한다.

 

AI는 찢어지거나 손상될 수 있는 종이 태그에만 의존하지 않고, 미세한 흠집 패턴이나 찌그러진 부분의 정확한 위치 등 구체적인 물리적 특징으로 여행 가방을 식별한다. 이를 통해 태그가 분실되더라도 시스템은 해당 수하물을 계속 인식하고 올바른 항공편으로 자동 분류할 수 있다.

 

이러한 카메라는 사람이 직접 수하물을 처리할 때는 확인하기 어려운 세부 정보까지 포착하고, 이동 전 과정에서 유지되는 지문과 같은 식별 정보를 만든다. 수하물이 운송 중 손상될 경우 AI는 전후 이미지를 비교해 항공사가 사고 발생 지점을 정확히 파악하도록 돕는다.

 

수하물 식별 정보 추적은 여객의 수하물이 체크인 키오스크를 떠나는 순간부터 지속적인 디지털 기록을 남긴다. 시스템은 문제 발생 후 태그를 대조하는 방식에서 벗어나 선제적으로 식별 정보를 추적하고, 수하물 오처리 건수가 74.7% 급증한 문제에 대응하기 위해 해당 수하물의 물리적 상태를 정밀하게 기록한다. 모든 세부 정보가 기록되면서 기존 여행 가방의 익명성은 고유한 데이터 프로필로 대체된다.

 

 

©세계여행신문

 

 

자동화의 확산

 

자동화는 터미널을 넘어 램프 구역으로 확대되고 있으며, 이곳에서는 자율주행 차량이 기존 견인 차량과 카트를 대체하고 있다. 이러한 차량은 컴퓨터 비전과 센서 배열을 활용해 혼잡한 계류장을 주행하고, 사람의 개입을 최소화해 수하물을 항공기까지 운반한다.

 

무거운 수하물을 항공기 화물 컨테이너에 싣는 작업을 돕기 위해 로봇 적재 보조 장비도 도입되고 있다. 이러한 시스템은 작업자의 부상 위험을 줄이는 동시에 화물칸 공간의 활용 효율도 높인다. 항공사들은 수하물칸 적재 효율을 높여 연료 소모를 줄이고, 항공기가 엄격한 중량 및 균형 기준 안에서 운항되도록 관리할 수 있다.

 

물리적 로봇 외에도 AI 기반 이상 상황 처리는 수하물 경로 배정 문제를 해결하는 표준 방식으로 자리 잡고 있다. 예를 들어 여객의 연결 항공편이 떨어진 터미널로 변경되면 AI는 해당 수하물이 이동할 수 있는 가장 빠른 경로를 계산하고, 자율주행 카트의 경로를 다시 설정한다. 이처럼 실시간으로 경로를 조정하는 방식은 사전에 출력된 항공편 목록에 의존하던 과거의 수작업 시스템에서는 불가능했다.

 

 

수하물 규정 집행의 강화

 

새롭게 떠오른 문제는 항공사가 측정할 수 있는 정보와 실제 규정 집행에 활용할 정보 사이의 경계가 점점 좁아지고 있다는 점이다. 컴퓨터 비전 시스템은 이제 수하물이 카메라를 지나가는 순간 정확한 크기를 판별할 수 있으며, 약간 큰 기내 반입 수하물을 육안으로 대략 판단하던 관행은 점차 줄어들 것으로 보인다.

 

시스템이 특정 수하물을 기준보다 1인치(2.54cm) 넓다고 표시하면, 여객이 탑승 구역에 도착하기 전부터 추가 요금 부과나 의무적인 게이트 위탁 절차가 자동으로 발생할 수 있다. 이러한 정밀성은 안전과 적재 효율성을 위해 도입됐지만, 수익 수단으로도 활용될 수 있어 항공사와 여객 사이의 긴장을 키우고 있다. 개인 휴대품 허용 기준에 근접하게 수하물을 준비해 온 여객들은 압축이 가능한 연질 소재 가방의 특성을 반영하지 않는 자동화된 게이트 시스템에 걸릴 수 있다. 사람의 재량 판단이 알고리즘 기반 집행으로 바뀌는 과정은 유연성을 중시하는 상용 여객들에게 상당히 낯선 변화가 될 수 있다.

 

기존 방식과 비교하면 AI는 일관성 면에서 더 공정할 수 있지만, 여행 중 발생하는 스트레스를 완화해 주던 현장 직원의 재량적 판단은 반영하기 어렵다. 게이트 인력은 힘든 상황에 놓인 가족을 보고 소액의 요금을 면제해 줄 수 있지만, AI는 무게를 기록하고 추가 요금을 적용할 뿐이다. 이처럼 눈에 띄지 않는 스캔 방식은 항공사가 모든 수하물 데이터를 수집할 수 있게 하며, 허용 기준을 반복적으로 초과하는 수하물 이용량이 많은 여객의 프로필을 구축하는 데 활용될 가능성도 있다.

 

 

항공사들이 AI 수하물 자동화를 추진하는 이유

 

항공사들이 수하물 자동화를 추진하는 이유는 오늘날 항공산업이 직면한 경제적 현실 때문이다. 항공업계는 2020년 여객 수 감소 충격에서 상당 부분 회복했지만, 그만큼 전통적인 수하물 처리 방식은 물리적, 재무적으로 지속하기 어려워졌다. 2023년에 추가로 발생한 오처리 수하물 1000만 개는 항공사의 수익성과 여객 신뢰에 큰 부담이 되고 있다.

 

항공사들은 새로운 AI 및 로봇 기술에 투자해 성장 구조가 저비용 노동력 확보 여부에 좌우되는 상황을 줄이고 있다. 이를 통해 항공편 운항 중단으로 이어질 수 있는 인력난 속에서도 운영을 이어갈 수 있다. 나아가 전자 수하물 태그와 디지털 추적 방식은 분실 수하물을 여객에게 다시 인도하는 비용도 낮춘다.

 

기존 방식에서는 이 과정에 비용이 많이 드는 배송 서비스와 수작업 검색이 필요한 경우가 많았다. 자동화된 실시간 의사결정 방식으로 전환하면서 항공업계는 수하물 물류의 사각지대를 줄이고 있다.

 

여객들은 자신의 수하물에 대해서도 우버와 같은 실시간 추적 서비스를 요구하고 있으며, 매 순간 가방이 정확히 어디에 있는지 확인하기를 원한다. 이러한 수준의 투명성을 제공하려면 전체 처리 과정의 모든 단계가 디지털화되어야 한다. 그 결과 대부분의 여객이 인식하는 것보다 더 많은 데이터가 수집된다.

 

 

프라이버시와 효율성의 등가교환

 

체크인 절차는 가까운 미래에 여객과 수하물이 동시에 스캔되는 워크스루(walk-through) 방식으로 바뀔 전망이다. 그러나 이는 공항 내 프라이버시가 효율성을 위해 일부 희생되는 상황을 뜻한다. 누구도 수하물 분실을 원하지 않지만, 100%에 가까운 수하물 인도 성공률을 추구하는 대가는 항공사가 여객 본인보다 여객의 수하물 상태를 더 많이 아는 환경일 수 있다.

 

자동화된 수하물 크기 측정 장비는 과거의 지상 직원만큼 관대하지 않기 때문에, 연질 소재 가방을 과도하게 채워 넣지 않는 것이 어느 때보다 중요하다. 이러한 시스템이 성숙해질수록 수하물 생체 인식은 게이트의 얼굴 인식만큼 보편화될 전망이다.

 

이는 끊김 없는 이동 경험을 제공하는 동시에, 정밀한 확인이 상시적으로 이뤄지는 여행 환경을 만들 수 있다. 기준을 벗어난 수하물을 가지고도 통과가 허용되던 관행은 점차 사라질 것으로 보인다. AI는 지상 직원처럼 재량적 판단을 내리지 않기 때문에, 여객들은 이용하는 항공사가 제시한 규정을 더 세심하게 확인해야 한다.

 

AI의 다음 단계는 수하물 파손을 사전에 예측하는 것이다. 예를 들어 수하물이 분류 시스템 안에서 파손되기 전에 약해진 손잡이나 해진 이음새를 식별하는 방식이다.

 

항공사들은 수하물에 예측 정비 개념을 적용해 더 높은 수준의 서비스를 제공할 수 있다. 현재로서는 수작업의 혼란과 디지털 질서 사이의 간극을 좁히고, 과거에 추가로 발생했던 오처리 수하물 1000만 개와 같은 문제가 반복되지 않도록 하는 데 초점이 맞춰져 있다.

 

<출처=국토교통부 에어포탈>