Stord 2억5천만달러 투자, AI 경쟁이 창고와 배송 현장으로 넓어진다

이커머스 물류 스타트업 Stord가 5월 26일 2억5천만달러 규모의 Series F 투자를 유치하고 기업가치 30억달러를 인정받았다. 이번 소식은 단순한 물류 회사의 자금 조달을 넘어, AI 투자가 챗봇이나 사무용 소프트웨어를 지나 창고, 재고, 배송, 반품 같은 실제 운영 현장으로 이동하고 있음을 보여준다.

Stord는 애틀랜타에 본사를 둔 물류 기술 회사다. 온라인 브랜드가 아마존에만 의존하지 않고도 빠른 배송과 재고 관리를 할 수 있도록 창고 네트워크, 주문 처리 소프트웨어, AI 기반 운영 도구를 함께 제공한다. 회사 발표와 외신 보도에 따르면 이번 투자에는 Strike Capital, Kleiner Perkins, Founders Fund, Franklin Templeton, Baillie Gifford, G Squared, Bond, Lux 등이 참여했다. TechCrunch는 이번 라운드로 Stord의 기업가치가 1년 전 15억달러에서 두 배가 됐고, 누적 조달액은 약 7억7천5백만달러에 이른다고 전했다.

함께 발표된 Stord Labs도 눈여겨볼 대목이다. Stord는 이 조직을 통해 약 100개 물류 거점에서 나오는 실제 주문·배송 데이터를 바탕으로 에이전트형 AI, 로보틱스, 자동화 기술을 시험하겠다고 설명했다. 에이전트형 AI는 사람이 매번 세부 지시를 내리지 않아도 일정한 목표를 받아 여러 단계를 수행하는 소프트웨어를 뜻한다. 물류 현장에서는 재고 부족 가능성을 감지하고, 대체 창고를 찾고, 배송 경로나 고객 안내까지 연결하는 방식의 운영 자동화가 여기에 해당할 수 있다.

이번 투자가 중요한 이유는 AI 경쟁의 중심이 점점 ‘현장 데이터’로 옮겨가고 있기 때문이다. 지난 몇 년간 AI 투자는 문서 작성, 검색, 고객응대, 코드 생성처럼 디지털 업무에 집중됐다. 그러나 물류, 제조, 병원, 실험실처럼 물리적 운영이 있는 산업에서는 데이터가 더 복잡하다. 상품 위치, 작업자 동선, 장비 상태, 주문 우선순위, 반품 흐름, 비용 구조가 함께 움직이기 때문이다. 투자자들이 Stord에 큰 자금을 투입한 것은 AI가 이런 복잡한 운영 문제를 실제로 줄일 수 있는지에 대한 시장의 관심을 보여준다.

보스턴 지역과도 연결점이 있다. Stord는 보스턴 회사는 아니지만, 보스턴권은 MassRobotics, Robotics Summit & Expo, MIT, Northeastern, Boston University 등 연구·산업 인프라를 바탕으로 로보틱스와 산업 자동화 인재가 모이는 지역이다. 특히 보스턴의 바이오·헬스케어 산업은 실험실 자동화, 콜드체인 물류, 병원 내 재고·약품 이동, 제조 품질관리처럼 운영 난도가 높은 과제를 갖고 있다. AI가 단순한 사무 보조 도구에서 현장의 병목을 줄이는 방향으로 확장된다면, 보스턴권 로보틱스·공급망 소프트웨어·바이오 제조 자동화 기업에도 비슷한 질문이 적용될 수 있다.

유학생과 취업 준비생에게는 직무 준비 방식에 대한 신호가 된다. 앞으로는 ‘코딩을 잘한다’는 설명만으로는 차별화가 약해질 수 있다. 물류 분야라면 창고관리시스템, ERP, 수요예측, 재고 최적화, API 연동을 이해하는 인재가 더 설득력 있게 보일 수 있다. 바이오·헬스케어 분야라면 규제, 품질관리, 데이터 추적성, 장비 운영 흐름을 이해하는 기술 인력이 중요해진다. AI를 쓰는 능력과 산업 현장의 문제를 이해하는 능력이 함께 요구되는 흐름이다.

현직 직장인에게도 메시지는 단순하지 않다. AI가 모든 운영 직무를 한꺼번에 대체한다기보다, 반복적인 보고와 분류 업무를 줄이고 사람이 판단·조율해야 하는 영역을 더 선명하게 만드는 방향으로 보는 것이 현실적이다. 주문 처리, 재고 보고, 고객 문의 분류처럼 규칙이 비교적 명확한 일은 자동화 압력이 커질 수 있다. 반면 예외 상황을 정의하고, AI가 제안한 결과를 검증하고, 비용·배송 속도·고객 경험 사이의 균형을 잡는 역할은 더 중요해질 가능성이 있다.

이직을 준비하는 독자라면 회사가 AI를 어디에 쓰고 있는지 구체적으로 확인할 필요가 있다. 단순히 AI 기능을 홍보하는 회사인지, 실제 운영 데이터와 고객 문제를 연결해 비용 절감, 배송 속도 개선, 오류 감소 같은 결과를 보여주는 회사인지는 다르다. 면접이나 리서치 과정에서는 데이터 인프라, 현장 운영 데이터의 품질, 고객사가 실제로 쓰는 기능, 자동화가 적용되는 업무 범위를 살펴보는 것이 도움이 된다.

H-1B, OPT, STEM OPT를 고려하는 독자에게는 한 가지 주의점도 있다. 특정 산업이 성장한다고 해서 개별 회사의 비자 스폰서십 가능성까지 일반화하기는 어렵다. 회사 규모, 과거 채용 이력, 직무의 전문성, 고용 형태에 따라 상황이 달라질 수 있다. 따라서 관심 기업이 있다면 공개 채용 공고, 과거 스폰서십 데이터, 담당 직무의 기술 요건을 함께 확인하는 접근이 필요하다. 이는 일반 정보 차원의 참고이며, 개인별 이민 상황은 별도 확인이 필요하다.

창업이나 스타트업에 관심 있는 독자에게도 이번 투자는 하나의 기준을 제시한다. 투자 시장은 여전히 AI에 관심이 크지만, 이제는 “AI를 붙였다”는 설명만으로 충분하지 않다. 무엇을 자동화하는지, 그 결과가 매출·비용·고객 경험 중 어디에 반영되는지, 실제 데이터와 운영 환경에서 검증됐는지가 더 중요해지고 있다. Stord Labs가 실제 물류 거점 데이터를 강조한 것도 이 흐름과 맞닿아 있다.

당장 보스턴에서 Stord 투자로 인한 대규모 채용 변화가 생긴다고 보기는 어렵다. 다만 장기적으로는 AI 인프라 경쟁이 데이터센터와 모델 개발에만 머물지 않고, 창고·공장·병원·실험실처럼 물리적 운영이 있는 현장으로 넓어지고 있다는 점이 중요하다. 보스턴 한인 유학생과 직장인이 지켜볼 핵심은 특정 회사의 투자 규모 자체보다, 자신이 속한 산업에서 반복 운영 데이터를 AI가 어떻게 읽고, 사람은 어떤 판단과 책임을 맡게 되는지다.