인공지능을 통한 신선식품 공급으로 음식물 쓰레기 감축

미국은 연간 약 4,000만 톤, 미국인 1인당 약 100kg의 음식물 쓰레기를 버리고 있습니다. 그중에서도 식료품점에서 판매를 못해 버려지는 음식물 쓰레기의 가치는 연간 약 22조 원에 달하는데요, 대부분의 음식물 쓰레기는 매립지로 보내지는데, 실제로 미국 매립지에는 음식물 쓰레기가 가장 많은 공간을 차지해 문제가 되고 있습니다. 미국 정부에서는 신선식품의 불확실한 수요 예측, 길고 복잡한 공급망이라는 문제를 해결해줄 ‘슈퍼히어로’를 간절히 기다리게 됐습니다.

어프레시는 식료품 매장 직원이 매일 신선식품 재고량을 입력하면 식료품을 언제, 얼마나 주문해야 하는지 알려줍니다. 어프레시의 머신러닝 알고리즘이 이를 계산하는데, 식료품 수요는 충족시키면서 재고도 줄이도록 도와주는 것이죠. 어프레시의 소프트웨어가 의사 결정을 내리는 기반은 AI 기술입니다. 확률의 스펙트럼을 따라 발생 가능한 미래 사건의 전체적인 분포를 예측하기 때문에 운영자가 쉽게 전문가적인 의사 결정을 내릴 수 있도록 돕습니다. 실제 사용자를 위해 경험적으로 설계된 AI 기술은 데이터 중심의 의사 결정을 돕고 머신러닝 알고리즘은 미래의 확률적 데이터 기반 모델을 통해 고객의 목표 달성을 최적화해줍니다.

실제로 초기 어프레시 시스템 도입 테스트에서 식료품점이 배출하는 음식물 쓰레기는 25~45% 감소했습니다. 더불어 재고가 부족한 상황은 80% 이상 감소했고 재고 회전은 3배 증가했습니다. 결과적으로 식료품점의 수익은 2배 증가하는 소득을 얻었습니다. 또한 장점 중 하나는 한 번 시스템을 구축하면, 시간이 지남에 따라 데이터를 축적해 스스로 시스템을 개선해 나간다는 점인데요, 이를 통해 시스템의 예측 정확도는 시간이 지남에 따라 점점 더 향상됩니다. 예를 들어 한 특정 종류의 딸기가 5월 중순에 가장 맛이 좋다고 가정해 보겠습니다. 어프레시의 시스템은 5월 중순경 이 딸기가 특히 더 많이 팔릴 것을 예측하고 시기에 맞춰 딸기를 구매하라고 추천하는 것이죠. 어프레시는 날씨 조건이 제품에 미치는 영향을 고려하는 발전된 시스템도 개발 중에 있습니다.

환경부에 따르면 우리나라도 전체 식재료의 7분의 1이 음식물 쓰레기로 버려집니다. 이 때문에 사용되는 음식물 쓰레기 처리비용은 연간 20조 원에 이르는데요. 매립지 용량은 점점 줄어들고, 음식물 쓰레기로 인한 온실가스 배출로 환경은 점차 황폐화 되는 상황입니다. 일례로 우리나라에서 4인 가족이 1년간 배출하는 음식물 쓰레기의 온실가스 배출량은 소나무 148그루가 1년 동안 광합성을 해야 흡수할 수 있는 양이라고 합니다. 음식물 쓰레기 문제를 해결하기 위해 퇴비 혹은 사료로 재가공하거나 바이오가스로 전환해서 사용하는 등의 노력이 이어지고 있다고는 하나, 음식물 쓰레기 발생량을 줄이는 과정이 선행돼야 한다는 아쉬움이 남습니다.

가정이나 기업, 유통 업체에서 음식물 쓰레기를 줄이는 가장 좋은 방법은 ‘수요를 예측하고 관리해 미사용 재고를 남기지 않는 것입니다. 이를 위해서 한국에도 어프레시와 같은 시스템의 도입은 큰 도움이 될 것입니다. 현재 한국에서도 빅데이터와 머신러닝을 이용한 신선식품 수요 예측을 하고 있는 기업이 등장하고 있습니다. 아직 규모는 작지만 한국의 수준 높은 IT 기술을 물류와 유통에 적용하면 업무 효율성과 이익 극대화 그리고 환경 문제 해결까지 두 마리 토끼를 잡는 해결책을 반드시 찾을 수 있을 것입니다. 앞으로 음식물 쓰레기 문제를 해결한 기술이 개발되어 신선한 음식, 행복한 고객, 건강한 비즈니스가 실현되기를 기대합니다.