생성형 AI와 산업 인공지능(AI) 도입이 확산되고 있지만, 현장에서는 AI 모델보다 먼저 해결해야 할 과제로 '데이터 표준화'가 꼽힌다. 해운·물류 분야 역시 선박과 항만, 운항 스케줄 데이터가 서로 다른 기준으로 관리되면서 AI 활용의 걸림돌이 되고 있다는 지적이다.
해양·물류 데이터 전문기업 씨벤티지는 한국해양진흥공사가 개최한 '2026년 제2차 해양산업 AI 전환 실무협의회'에 참석해 해운 데이터 표준화와 AI 활용 기반 구축 방안을 발표했다고 밝혔다.
이번 협의회는 지난 22일 열렸으며, 씨벤티지는 '표준화된 해양 데이터를 통한 선사 AX 기반 구축'을 주제로 발표를 진행했다.
회사는 AI를 실제 운영 환경에 적용하기 위해서는 데이터 형식과 기준을 통일하는 과정이 선행돼야 한다고 설명했다.
현재 선박 위치 정보와 실제 입·출항 시간, 항만 체류시간, 선사별 운항 스케줄 등 다양한 데이터가 존재하지만, 기관과 시스템마다 관리 기준과 데이터 형식이 달라 AI 분석에 바로 활용하기 어렵다는 것이다.
예를 들어 같은 선박이라도 입항과 접안, 출항 시점의 기준이 데이터 출처마다 다를 수 있으며, 선사별 운항 스케줄도 업데이트 주기와 코드 체계가 제각각이다. 일부 기업은 이메일이나 엑셀, PDF 형태로 전달받은 정보를 수작업으로 입력하면서 데이터 불일치와 업데이트 지연이 발생하는 사례도 적지 않다고 설명했다.
씨벤티지는 AI 전환(AX)의 핵심 단계로 '데이터화(Datafication)'를 제시했다. 단순히 데이터를 디지털로 저장하는 수준을 넘어, 서로 다른 시스템의 데이터를 통합하고 표준화해야 AI 분석과 예측 모델이 안정적으로 작동할 수 있다는 설명이다.
이를 위해 기존 ERP와 운영 시스템을 교체하지 않고 API 기반으로 필요한 데이터를 단계적으로 연결하는 방식을 소개했다. 데이터 형식을 변환하고 운항 이벤트를 판별하며 누락 데이터와 예외 상황을 처리하는 과정을 거쳐 운영 가능한 표준 데이터를 구축하는 구조다.
회사는 AI 활용을 위한 핵심 데이터로 ▲선박 Actual Schedule ▲포트콜(Port Call) 정보 ▲항만 체류시간과 혼잡도 ▲선사별 운항 스케줄 등을 제시했다. 이들 데이터가 표준화돼야 운항 분석과 예측, AI 기반 의사결정으로 활용 범위를 확대할 수 있다는 설명이다.
발표에서는 선사 간 운항 스케줄을 표준화하는 'Schedule Data Hub'도 소개됐다.
Schedule Data Hub는 선사마다 다른 운항 스케줄 형식과 코드를 하나의 표준 스키마로 변환하고, API와 웹훅(Webhook)을 통해 변경 사항을 실시간으로 공유하는 플랫폼이다. 이메일과 엑셀, PDF 기반의 수작업 입력을 줄이고 데이터 불일치를 최소화하는 것이 목표다.
씨벤티지는 현재 국내 선사들과 함께 Schedule Data Hub 초기 검증을 진행하고 있으며, 참여 기업을 단계적으로 확대할 계획이다. 참여 선사에는 통합 스케줄 데이터를 무료로 제공하고, 장기적으로는 국내 중심의 네트워크를 글로벌 해운 데이터 네트워크로 확장한다는 구상이다.
실제 적용 사례도 공개했다. 씨벤티지는 국내 한 선사를 대상으로 약 94개 항구와 256개 터미널, 1,000척 규모 선박의 Actual Schedule 데이터를 표준화해 기존 운영 시스템과 연계했다.
이 과정에서는 AIS(선박자동식별장치) 데이터를 기반으로 선박이 항만 대기구역에 머무른 상황과 운하 통과, 동일 항만 재접안 여부 등을 구분하고, AIS 신호가 수신되지 않는 예외 상황까지 처리했다.
회사는 이를 통해 실제 입항·접안·출항 시각인 ATA(Actual Time of Arrival), ATB(Actual Time of Berthing), ATD(Actual Time of Departure)를 표준화해 API 방식으로 제공했으며, 일정 시간 이상 데이터가 수신되지 않는 선박은 운영자가 별도로 확인할 수 있도록 지원했다고 설명했다.
씨벤티지는 표준화된 선박과 항만, 운항 스케줄 데이터가 구축되면 환적 가능성 분석과 항로 정시성 분석, 항만 대기시간 예측 등 다양한 AI 서비스로 확장할 수 있을 것으로 보고 있다.
정영배 씨벤티지 상무는 "AI를 실제 운영에 적용하려면 모델 성능뿐 아니라 입력 데이터가 동일한 기준으로 정리돼 있는지도 함께 살펴봐야 한다"며 "이번 발표에서는 선박·항만·스케줄 데이터를 표준화하고 기존 시스템과 연계하는 방안, 그리고 선사 간 데이터 연결을 확대하기 위한 Schedule Data Hub 구축 방향을 공유했다"고 말했다.
해운업계의 AI 전환은 단순히 새로운 AI 모델을 도입하는 경쟁을 넘어 데이터 품질과 표준 체계를 확보하는 단계로 옮겨가고 있다. 특히 글로벌 공급망과 다양한 이해관계자가 연결되는 해운 산업에서는 데이터 표준화가 AI 활용 수준을 좌우하는 핵심 인프라로 자리 잡을 가능성이 커지고 있다.
Copyright ⓒ 스타트업엔 무단 전재 및 재배포 금지
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
