AutoStore, 2026년 가을 풀필먼트 하드웨어·소프트웨어 제품군 공개

AutoStore는 보다 자율적인 풀필먼트 운영을 가로막는 실질적인 장벽을 없애는 데 초점을 맞춰, 2026년 10월 13일 신제품과 개선된 하드웨어·소프트웨어 제품군을 발표했다. 노르웨이 네드레바츠에서 발표된 이번 제품군은 풀필먼트 워크플로, 시스템 설계, 유지보수와 더 넓어진 활용 사례를 아우른다.

2026년 가을 제품 발표에서 회사는 자동화 수준이 높은 풀필먼트 운영조차 다양한 품목 크기, 케이스 및 개별 상품 피킹 작업, 유지보수 필요성, 재고 확인, 입고 상품 등 예외 상황을 처리하기 위해 여전히 수작업 워크플로에 의존한다고 밝혔다. 신제품은 이러한 수작업이 필요한 지점을 겨냥하는 동시에 AutoStore 시스템이 자율적으로 처리할 수 있는 워크플로의 범위를 넓힌다. 최고제품책임자 겸 사장인 Parth Joshi는 자동화 시스템을 계속 가동하는 데 필요한 작업의 변동성과 수작업 인계, 운영 부담을 줄이는 것이 목표라고 말했다. 또한 버퍼링과 케이스 처리부터 자동화된 낱개 피킹까지 더 많은 워크플로를 플랫폼에 도입하려는 회사의 움직임은 고객 피드백에 기반한다고 덧붙였다. Joshi는 “이러한 조치가 모여 무인 풀필먼트에 한 걸음 더 가까이 다가가게 합니다”라고 말했다. “한 번의 거대한 도약이 아니라, 더 높은 수준의 자율성을 점점 더 실현 가능하게 만드는 실질적인 발전을 차례로 이루는 것입니다.”

이번 발표는 2026년 초에 공개된 AutoStore의 통합 클라우드 소프트웨어 환경인 CubeVerse와 AI 계층인 AutoStore Intelligence를 기반으로 한다. 회사에 따르면 2026년 가을에 추가된 기능은 기존 솔루션을 개선하고 새로운 애플리케이션을 지원하는 두 가지 방식으로 이 기반을 활용한다.

FlexBinsPort와 AutoCase

FlexBinsPort를 사용하면 하나의 작업대에서 모든 표준 AutoStore 빈 높이를 혼합해 운영할 수 있어, 작업자는 하나의 시스템 안에서 크기가 서로 다른 제품을 처리하고 가용 공간도 더 효율적으로 활용할 수 있다. AutoStore는 이 기능으로 보관 공간 활용률이 10~15% 향상되고 노동 효율성도 높아질 수 있다고 추산한다. FlexBinsPort는 2026년 4분기에 출시된다.

AutoCase를 사용하면 하나의 AutoStore 시스템에서 케이스 피킹과 개별 상품 피킹을 모두 처리할 수 있다. 2027년 1분기부터는 업계 표준 케이스 크기로 발표 자료에 소개된 최대 600 x 400 mm 규격의 케이스도 지원한다. 또한 여러 AutoCase 작업대가 같은 작업 그룹을 병렬로 처리해 팔레타이징과 포장 같은 후속 작업에 케이스를 연속적으로 공급할 수 있다. 이 기능은 2027년 1분기 소프트웨어 릴리스에 기본 포함된다. AutoCase는 스웨덴의 Nowaste Logistics와 노르웨이의 Komplett에서 이미 실제 운영 중이다.

Pio Pal과 VersaAI

Pio Pal은 도입에 필요한 부담을 낮추는 서비스형 로봇(Robotics-as-a-Service) 모델을 통해 중소기업도 로봇 피킹을 활용할 수 있도록 한다. 미리 피킹된 주문의 경우 작업대에서 시간당 최대 540개 주문 라인까지 포장 처리량을 지원할 수 있으며, AutoStore는 새로운 사전 피킹 기능을 통해 인력을 추가하지 않고도 성능을 최대 3배까지 높일 수 있다고 밝혔다. 단일 라인 사전 피킹은 회사가 일반적으로 소비자 대상 전자상거래 주문의 40~60%를 차지한다고 밝힌 주문 흐름에 대응한다. 이 시스템은 노르웨이 의류 브랜드 Famme에서 운영 중이며, 2027년 1분기에는 더 많은 고객이 도입할 예정이다.

AutoStore는 자동화된 품목 투입, 작업대에서 직접 수행하는 바코드 스캔, 로봇 순환 재고조사를 통한 자동 재고 확인으로 더 많은 워크플로와 시스템 구성에서 로봇 낱개 피킹을 확대하고 있다. VersaAI는 이제 추가 AutoStore 구성을 지원하며 신규 시스템과 기존 시스템 모두에 배포할 수 있다. 회사는 이러한 확장이 고객의 CarouselAI 도입을 기반으로 한다고 밝혔다.

AI 기반 계획 및 설계 도구

CubeExplore는 운영 벤치마크와 유사 프로젝트 데이터를 활용하는 생성형 AI 기반 투자수익률(ROI) 모델링 도구다. AutoStore 파트너와 잠재 고객은 이 도구를 사용해 ROI 시나리오와 사업 타당성 자료를 작성할 수 있다. CubeStudio에서는 AutoStore Intelligence가 AI 설계 보조 기능을 제공해 지능형 솔루션 설계와 시나리오 비교를 지원하므로, 파트너와 고객은 배포 전에 여러 구성을 검토할 수 있다. AutoStore는 이러한 도구를 통해 시스템 가동 전에 예상 ROI, 시스템 규모, 성능을 더 명확하게 파악할 수 있다고 밝혔다.

CubeFleet와 CubeAnalytics

CubeFleet는 한 곳 또는 여러 사업장의 유지보수 알림, 지침, 작업 지시서 작성을 하나의 차량 관리 화면으로 통합해 팀이 서비스 필요성을 더 일찍 파악할 수 있도록 한다. 회사의 분석 플랫폼인 CubeAnalytics에서 제공하는 실시간 운영 데이터와 사전 설정된 유지보수 기준을 함께 사용해, 정해진 유지보수 일정에만 의존하지 않고 서비스가 필요한 시점을 알린다. AutoStore는 이 방식으로 예기치 않은 가동 중단을 35~45% 줄이는 데 도움이 될 수 있다고 추산한다. CubeAnalytics는 여러 사업장을 한눈에 볼 수 있는 화면과 AI 기반 차량 요약 기능을 통해 창고 네트워크 전반의 가시성도 높여, 팀이 주의가 필요한 사업장을 파악하도록 돕는다.

CubeVerse의 기반

AutoStore의 CubeVerse 플랫폼 문서에서는 이 환경을 AutoStore 소프트웨어 애플리케이션, 10개가 넘는 데이터 소스, 독자적으로 개발한 AI 모델 및 에이전트 28개를 하나의 연결된 환경으로 통합하는 클라우드 기반 데이터 및 오케스트레이션 플랫폼으로 설명합니다. 이 플랫폼은 공통 데이터 아키텍처와 표준화된 API를 기반으로 구축되었습니다. 문서에 따르면 AutoStore Intelligence는 실제 운영 및 시뮬레이션 데이터 15TB를 학습했으며, Databricks와의 전략적 파트너십을 통해 개발되었습니다.

플랫폼의 구성 요소는 풀필먼트의 전 과정을 아우릅니다. 투자 계획을 위한 CubeExplore, 시스템 설계 및 시뮬레이션을 위한 CubeStudio, 운영 제어를 위한 CubeControl, 분석 및 인사이트를 위한 CubeAnalytics, 유지보수 및 플릿 관리를 위한 CubeFleet, 그리고 AutoStore Intelligence 계층이 포함됩니다. 문서의 FAQ에서 AutoStore는 CubeVerse가 창고 제어 시스템이나 창고 실행 시스템이 아니며, 모든 WES, WMS 또는 ERP와 연동된다고 설명합니다.