Skip to content
올해 마닐라에서 열린 Seatrade Crew Connect의 스폰서이자 여행 파트너로서, ATPI Marine Travel은 해운 산업의 미래를 형성하는 중요한 논의에 참여했습니다. 이 행사는 해양 분야 리더들을 한자리에 모아 채용, 물류, 복지 및 디지털 전환 분야의 혁신을 모색했습니다. 주요 주제 중 하나는 인공지능의 역할 증대였으며, 특히 승무원 및 선박 관리 전반에 걸친 실제 적용에 중점을 두었습니다.
ATPI의 글로벌 계정 관리 책임자인 Eleftheria Letsiou는 해운 분야에서 AI 및 머신러닝(ML)의 현재 사용 사례를 검토하기 위해 업계 전문가 패널에 참여했습니다. 이 논의는 이러한 기술이 이미 변화를 만들고 있는 영역, 광범위한 채택의 과제, 그리고 조직이 책임감 있게 나아갈 수 있는 방법에 초점을 맞췄습니다.
도구만이 아닌 시스템 연결
반복되는 주제는 모든 스마트 기술의 잠재력을 제한하는 구조적 단절을 해결해야 할 필요성이었습니다. 시스템과 프로세스가 파편화되어 있으면 AI 또는 ML은 표면적인 수준에서만 작동할 수 있습니다. 단일 예약을 자동화하거나 항공편 지연을 예측하는 것이 도움이 될 수 있지만, 통합 없이는 이러한 개선 사항은 고립된 채로 남습니다.
의미 있는 진전은 통합된 워크플로우와 공유된 데이터에서 비롯될 것입니다. 독립형 AI는 승무원 교대 여정의 한 부분만 볼 수 있다면 전체 여정을 최적화할 수 없습니다. 패널 세션 동안, 레거시 시스템과 연동되는 도구를 공동 개발하는 것이 현실적인 해결책으로 제시되었습니다. 실제로 ATPI의 연구에 따르면, 많은 조직은 전면적인 시스템 교체보다는 이미 작동하는 것을 기반으로 하는 모듈식 업그레이드를 선호합니다.
패널은 조직이 결함 있는 프로세스 위에 기술을 적용하는 “레이어링 함정”에 대해 경고했습니다. 이는 비효율성과 의미 있는 개선 기회 상실로 이어질 수 있습니다. 대신, AI와 ML은 워크플로우가 명확해지고, 책임이 정렬되며, 커뮤니케이션 흐름이 확립된 후에 도입되어야 합니다. 이러한 방식으로 디지털 도구는 신뢰성을 높이고, 수동 작업을 줄이며, 보다 안정적이고 연결된 운영을 지원할 수 있습니다.
세션 내내 가장 효과적인 모델은 자동화와 인적 지원의 균형을 이룬다는 데 의견이 일치했습니다. 운영 및 개인에게 실질적인 영향을 미칠 수 있는 중단이 발생하는 승무원 교대 여행에서는 고객들이 필요할 때 신속하고 전문적인 개입을 계속 기대합니다. 기술이 성공하려면 기본을 먼저 제대로 확립하는 것이 필수적입니다.
AI 기반 승무원 교대 물류
Eleftheria Letsiou는 ATPI가 승무원 교대 물류 운영의 지속적인 파편화 문제를 어떻게 해결하고 있는지 공유했습니다. 스마트 기술이 상당한 잠재력을 제시하지만, 그녀는 이러한 기술이 구조화된 워크플로우와 모든 이해관계자 간의 조율된 입력과 분리되어 작동할 수 없다고 강조했습니다.
승무원 교대는 일반적으로 승무원 팀, 여행 코디네이터, 항만 대리인 및 선박 운영자를 포함한 여러 당사자를 수반합니다. 이러한 기능은 종종 별도의 시스템과 일정표를 사용하여 병렬로 작동합니다. 그 결과, 지연과 오해가 흔히 발생하며, 이는 비용과 전반적인 승무원 교대 경험 모두에 영향을 미치는 비효율성으로 이어집니다.
ATPI의 Door to Deck 개념은 해운 회사, 여행 제공업체 및 항만 대리인이 단일의 조율된 프레임워크 내에서 운영되는 연결된 환경을 조성함으로써 이러한 문제를 해결합니다. 이는 승무원 부서가 계획을 정렬하고, 가시성을 높이며, 시기적절한 업데이트를 지원하는 데 도움을 줍니다.
워크플로우 기반 구축
ATPI는 기술 및 데이터 기반 최적화의 이점을 얻을 수 있는 운영 모듈에 대해 2단계 접근 방식을 구상합니다.
1단계: 전문가 주도 시너지
시작점은 워크플로우의 명확성입니다. 전문가 팀은 구조화된 워크플로우를 매핑하고 관리하여 책임이 명확히 정의되고 ETA 업데이트와 같은 정보가 적시에 적절한 사람들에게 전달되도록 합니다. 이러한 전문가 주도 접근 방식은 지연을 줄이고, 커뮤니케이션을 개선하며, 관련된 모든 당사자 간의 협업을 위한 안정적인 기반을 구축합니다.
2단계: AI 기반 최적화
이러한 워크플로우와 파트너십이 구축되면 AI는 프로세스를 향상시킬 수 있습니다. 예측 분석, 자동화된 중단 처리 및 지능형 라우팅은 AI를 통해 가능해지며, 일관된 운영 프레임워크 위에 구축될 때 완전한 가치를 제공합니다.
이 단계별 모델은 차세대 기술이 기존 관행을 대체하는 것이 아니라 보완하고 향상시켜야 한다는 ATPI의 입장을 반영합니다. 구조화된 프로세스와 이해관계자 정렬로 시작함으로써, 이러한 기술의 통합은 승무원 교대 물류 관리에서 실질적이고 측정 가능한 개선을 제공할 훨씬 더 나은 기회를 갖게 됩니다.
데이터, 인프라 및 인력
패널은 AI 또는 ML이 인간의 능력을 대체하는 것이 아니라 지원하는 도구로 간주되어야 한다고 강조하며 결론을 내렸습니다. 이는 판단과 맥락이 여전히 필수적인 고위험 또는 규정 준수 중심 영역에서 특히 중요합니다.
해양 부문에서 데이터 기반 혁신이 성공하려면 조직은 견고한 데이터 인프라에 투자하고, 직원이 이러한 도구를 활용하는 방법을 이해하도록 해야 합니다. 교육과 훈련은 스마트 기술이 운영에 더욱 깊이 통합됨에 따라 직원들이 자신감을 유지하고 관련성을 갖도록 돕습니다. 견고한 거버넌스 프레임워크 또한 중요한 요구 사항으로 확인되었습니다. 명확한 정책, 책임 및 윤리적 감독을 통해 지능형 자동화는 업계의 가치 및 운영 표준에 부합하는 방식으로 배포될 수 있습니다.
ATPI의 관점에서 볼 때, 이번 논의는 실질적인 통합의 중요성을 강조했습니다. 승무원 교대 프로세스는 본질적으로 복잡하며, 운영 위험과 인적 결과 모두를 수반합니다. AI 기반 솔루션과 ML 기반 모델은 더 예측 가능하고 효율적인 결과를 지원할 수 있지만, 이는 시스템, 프로세스 및 인력이 처음부터 정렬될 때만 가능합니다.
