How Worldwide Express automated freight exceptions with Amazon Bedrock

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Worldwide Express는 Amazon Bedrock 기반 다중 에이전트를 SpeedShip에 연결해 청구 예외 처리를 자동화했으며, 출시 6개월 후 미해결 예외 75% 감소와 현금 회수 기간 4주 단축을 보고했다.

📌 핵심 요약

• ShipStation Global 소속 Worldwide Express는 시스템 전체 매출 약 50억 달러, 75개 이상의 LTL 운송사, 13만 곳 이상의 고객을 보유했다. LTL 청구서의 약 14%는 표준 3자 대조를 통과하지 못하며, 이 회사에서는 미해결 청구 예외로 매월 1,500만 달러의 잉여현금흐름이 묶여 있었다.
• Worldwide Express는 2025년 6월 AWS와 주문부터 현금 회수까지의 과정에서 자동화 기회 19개를 파악했고, AWS·LTM과 협력해 평가부터 운영 도입까지 6개월 미만에 진행했다. Amazon EC2에서 실행되는 세 전문 에이전트가 Amazon Bedrock의 추론과 운송사별 지식베이스를 활용하고, 운송관리시스템 SpeedShip과 연동한다.
• 세 에이전트는 청구 항목 불일치, 계약 요율과의 차이, 예상하지 못한 부가요금의 타당성을 각각 검토한다. 기존 분석가와 같은 SpeedShip API를 사용하며, 초기에는 사람이 권고안을 승인했고 정확도가 99%를 넘은 뒤 일괄 승인이 기본 방식이 됐다.
• 출시 6개월 후 40개 이상의 LTL 운송사에 적용됐으며, 에이전트는 매주 10,000건, 전체의 약 50%에 해당하는 예외를 1% 미만의 오류율로 종결한다고 본문은 설명한다. FinOps 부사장은 별도 인용문에서 주간 청구 예외의 40% 이상을 자동화했다고 밝혔다.
• 회사는 미해결 예외 금액이 2025년 6월 1,500만 달러에서 6개월 후 400만 달러로 줄어 75% 감소했다고 보고했다. 일회성 현금흐름 확보 1,000만 달러, 연간 비용 절감 100만 달러 이상, 첫해 ROI 60배, 현금 회수 기간 4주 단축을 제시했으며, 임원은 별도로 매주 약 1,000만 달러의 고객 청구를 추가로 처리한다고 설명했다.

🧩 주요 포인트

1. 운송사마다 다른 요금 규칙과 분쟁 절차는 정형적인 RPA 적용에 제약을 줌 → 운송사별 지식베이스를 바탕으로 맥락을 판단하는 전문 에이전트가 핵심 역할을 수행한다.
2. Amazon EC2의 직접 오케스트레이션과 기존 SpeedShip API 연동 → 에이전트의 역할·입력·판단 경계를 명시하면서 기존 업무 흐름 안에서 자동화를 운영한다.
3. 사람의 승인으로 정확도를 확인한 뒤 일괄 승인으로 전환 → 반복적인 청구 예외부터 시작해 정확성을 입증하고 다른 운송사와 Order-to-Cash 과정으로 확대하는 접근을 뒷받침한다.

🧠 상세 정리

1. 사업 규모 확대가 만든 청구 예외 병목

ShipStation Global 소속 Worldwide Express는 시스템 전체 매출 약 50억 달러, 75개 이상의 소량화물 혼적운송(LTL) 운송사, 13만 곳 이상의 고객을 보유하고 있었다. 그러나 이러한 규모에는 미해결 청구 예외 때문에 매월 1,500만 달러의 잉여현금흐름이 묶이는 부담이 따랐다. 회사는 외주 인력을 통해 분쟁을 한 건씩 처리했으며, 담당자는 고객과 운송사에 연락하고 운송사별 규칙을 확인해야 했다. 예외가 쌓일수록 대금 회수가 지연됐고, 개별 주문을 현금으로 전환하는 데 걸리는 시간도 길어졌다. 이 사례에서 자동화의 출발점은 청구 업무의 처리 부담과 현금 회수 지연을 함께 줄이는 것이었다.

2. 수작업과 규칙 기반 자동화의 한계

원문에 따르면 LTL 청구서의 약 14%는 구매주문서, 물품 수령 기록, 운송사 청구서 사이의 표준 3자 대조를 통과하지 못한다. Worldwide Express의 예외는 수량·서비스 코드 등 항목 불일치, 계약 가격과 다른 청구 요율, 최초 견적에 없던 리프트게이트·주거지 배송·재계량 부가요금으로 나뉘었다. 기존 처리는 예외 유형 식별, 거래처 기록에서 원인 조사, 운송사나 창고에 분쟁 이메일 발송, 응답 대기, TMS에서 해결 실행이라는 다섯 단계를 거쳤다. 운송사마다 요금 체계와 분쟁 절차가 달라 이 업무가 FinOps 팀의 역량 대부분을 소모했다. 원문은 RPA가 구조화되고 예측 가능한 흐름에는 적합하지만, 이 문제에는 운송사 정책과 배송 데이터, 예외 유형, 금액을 함께 해석하는 맥락적 판단이 필요해 에이전트형 AI가 적합했다고 설명한다.

3. 평가에서 운영까지의 전환과 AWS 구성

Worldwide Express는 2025년 6월 AWS Business Transformation & Value Advisory 팀과 함께 Order-to-Cash 전반에서 자동화 기회 19개를 파악했다. 청구 예외 자동화의 사업 가치를 확인한 뒤 AWS 및 LTM과 협력해 평가부터 운영 도입까지 6개월 미만에 진행했다. 구성에서는 Amazon Bedrock이 모델 추론을 제공하고 Amazon EC2가 에이전트 프레임워크를 실행하며, 팀은 에이전트 간 라우팅과 판단 경계를 직접 제어한다. Amazon EC2에 프레임워크를 직접 구축한 방식은 오픈소스 에이전트 라이브러리를 지원하면서 오케스트레이션 로직을 팀이 관리할 수 있게 했다. 각 에이전트는 Amazon Bedrock의 단일 API를 통해 적합한 기반 모델에 접근하고 기존 AWS 거버넌스를 적용받으며, 역할·입력·판단 경계는 설명과 감사가 가능하도록 명시된다.

4. 세 전문 에이전트와 운송사별 근거

청구 예외가 감지되면 시스템은 이를 세 전문 에이전트 중 하나로 전달한다. Invoice Matching Agent는 대응하는 배송 기록을 찾아 불일치를 표시하고, Pricing Variance Agent는 청구 금액과 계약 요율을 비교해 차이의 타당성을 판단하며, Accessorial Validation Agent는 실제 배송 이벤트가 예상 밖 부가요금을 뒷받침하는지 확인한다. 각 에이전트에는 역할·판단 경계·출력 형식을 정한 지시 프롬프트, SpeedShip 연동 작업, 운송사별 지식베이스 접근 권한이 주어진다. 지식베이스에는 운임 규칙, 할증료 정의, 분쟁 절차, 차이 허용 기준 등이 저장되며, 판단 전에 해당 운송사의 정책과 표준운영절차 문서를 검색한다. 따라서 운송사별 코드를 따로 작성하지 않고도 같은 세 에이전트가 모든 운송사를 처리하며, 기존 분석가와 같은 SpeedShip API로 계약 요율·배송 정보·배송 증빙을 확인하고 처리 결과를 기록한다.

5. 사람의 승인과 운영 피드백

초기 도입에서는 FinOps 조직이 시스템을 받아들이는 데 사람의 승인 단계가 필요했고, 검토자는 기존 SpeedShip 화면에서 권고안을 승인한 뒤 처리를 확정했다. 이후 정확도가 99%를 넘자 일괄 승인이 기본 방식이 됐으며, 해결된 예외에는 발견 사항과 실행 조치를 설명하는 평이한 언어의 메모가 생성된다. 운영팀은 운송사별 자동화율, 예외 유형별 오류율, 해결 시간, 사람의 판단 변경 빈도를 대시보드로 추적했다. 검토자가 권고안을 거부하면 피드백을 기록하고, 거부 이력을 바탕으로 지시 프롬프트와 지식베이스를 개선해 자동화 범위를 넓혔다. 전체 흐름은 SpeedShip TMS·배송 시스템·EDI 서버·운송사 및 공급업체 포털의 예외를 감지해 에이전트로 보내고, 해결 보고서와 비용 확정 내용, AI 작성 메모를 SpeedShip 분석가 화면의 승인 단계로 전달하는 구조다.

6. 6개월 성과와 확대 방향

출시 6개월 후 솔루션은 40개 이상의 LTL 운송사에 적용됐고, 본문은 에이전트가 매주 10,000건, 전체의 약 50%에 해당하는 예외를 1% 미만의 오류율로 종결한다고 설명한다. 미해결 예외 금액은 2025년 6월 1,500만 달러에서 6개월 후 400만 달러로 감소했으며, 회사는 이를 75% 감소로 제시하고 일회성 현금흐름 확보 1,000만 달러, 연간 비용 절감 100만 달러 이상, 첫해 ROI 60배, 현금 회수 기간 4주 단축을 보고했다. FinOps 부사장 Nathanael Pearson은 별도 인용문에서 주간 청구 예외의 40% 이상을 자동화하고 청구 주기를 수일에서 수분으로 줄였으며, 매주 약 1,000만 달러의 고객 청구를 추가로 처리한다고 밝혔다. 이는 일회성 현금흐름 확보액과는 별도로 제시된 설명이며, FinOps 팀은 반복 처리에서 복잡하고 가치가 큰 분쟁으로 시간을 옮겼다. 회사는 다른 Order-to-Cash 과정으로 적용을 확대하고 있으며, 원문은 반복적인 예외 유형부터 시작해 정확성을 입증한 뒤 적용 범위를 넓히는 접근을 권한다.

🧾 핵심 주장 / 시사점

• 운송사별 차이는 지식베이스로 제공하고 업무 유형은 세 전문 에이전트로 나눈 구성이, 운송사마다 별도 코드를 작성하지 않는 확장 방식의 핵심이다.
• 기존 SpeedShip API와 승인 화면을 활용하고 판단 근거를 기록한 설계는 자동화 확대와 금융 업무의 통제를 함께 고려한 접근이다.
• 성과는 처리 건수뿐 아니라 미해결 예외 금액과 현금 회수 기간으로 제시됐다. 다만 주간 자동화 비중에 관한 약 50%와 40% 이상이라는 표현은 별도로 제시됐고, 두 수치의 산정 기준 차이는 원문에 설명돼 있지 않다.

✅ 액션 아이템

• 반복적인 청구 예외를 우선 대상으로 삼아 Amazon Bedrock과 운송사별 지식베이스의 적용 가능성 검토.
• SpeedShip의 사람 승인과 정확도 99% 초과 후 일괄 승인 전환 사례를 바탕으로 자동화 확대 조건 검토.
• 미해결 예외 75% 감소와 현금 회수 기간 4주 단축을 성과 기준으로 참고하고, 일회성 현금흐름 1,000만 달러와 주간 추가 고객 청구 약 1,000만 달러를 구분해 해석.

❓ 열린 질문

• 주간 예외 처리 비중 약 50%와 FinOps 부사장이 밝힌 자동화 비중 40% 이상은 측정 시점이나 산정 범위가 어떻게 다른가?
• 정확도 99% 초과를 확인할 때 사용한 평가 기준과 표본 범위는 무엇이며, 일괄 승인 이후 사람의 검토는 어떤 조건에서 이루어지는가?
• 일회성 현금흐름 확보 1,000만 달러와 매주 약 1,000만 달러의 추가 고객 청구는 각각 어떤 기준으로 산정됐는가?