리포트/뉴스레터

  • 교육 자료
  • 리포트/뉴스레터

[칼럼] 항로가 리스크가 되는 시대: 데이터를 활용한 운항 의사결정

2026-10-30
156

같은 목적지, 달라진 항로의 계산법

바다 위에서 두 항구를 잇는 가장 짧은 선이 언제나 가장 효율적인 항로가 되는 것은 아닙니다. 해상운송에는 거리만으로 설명할 수 없는 변수가 존재하기 때문입니다. 파도와 바람, 해류처럼 수시로 달라지는 자연조건에 더해 주요 해역의 지정학적 긴장, 항만혼잡, 연료가격과 운송일정까지 선박의 움직임에 영향을 미칩니다.

최근 항로를 둘러싼 불확실성이 커지면서, 이처럼 서로 다른 요소를 함께 고려하는 일이 더욱 중요해지고 있습니다. 예전에도 항해에는 위험이 따랐지만, 오늘날의 선박 운영은 하나의 항차가 여러 항만과 후속 운송계획에 긴밀하게 연결되어 있다는 점에서 더욱 복합적입니다. 따라서 항로의 변화는 바다 위에서 발생한 문제에 국한되지 않고 육상의 영업과 운영계획에까지 영향을 미칩니다.

대표적인 사례가 홍해의 운항 불안입니다. 수에즈운하를 통과하는 대신 아프리카 남단의 희망봉으로 우회하면 위험해역을 피할 수 있지만, 항해거리가 늘어나고 연료소비와 운항일수도 증가합니다. 한 척의 선박이 목적지에 늦게 도착하는 데서 영향이 끝나는 것도 아닙니다. 예정된 항만 기항과 다음 항차의 일정이 바뀌고, 선박이 다른 화물을 운송할 수 있는 시점도 늦어집니다. 운송계약이나 화주와의 일정 조율에도 추가적인 검토가 필요해질 수 있습니다.

반대의 상황도 있습니다. 지도상 거리가 짧은 항로라도 높은 파도와 강풍이 예상된다면 선박은 속력을 낮춰야 할 수 있습니다. 거리를 줄였음에도 실제 항해시간은 길어지고, 선박 저항이 커지면서 연료가 더 소모될 수도 있습니다. 항로를 선택할 때 단순한 거리와 예상 도착시간만 비교해서는 충분하지 않은 이유입니다.

결국 항로는 선박을 목적지까지 이동시키는 경로인 동시에, 안전과 비용, 일정이 맞물린 경영 판단의 대상입니다. 해운기업이 직면한 과제도 달라지고 있습니다. 위험이 발생한 사실을 파악하는 데 그치지 않고, 그 상황에서 어떤 운항 대안이 전체 항차에 가장 적합한지 판단해야 합니다.

위험을 아는 것과 최선의 대응을 고르는 것은 다르다

선박의 운항계획은 오랫동안 선장과 운항 담당자의 경험, 기상예보, 항로정보, 회사의 안전운항 기준을 바탕으로 수립되어 왔습니다. 출항 전에 항로를 검토하고, 항해 중에는 기상 변화와 운항 상황을 확인하면서 필요한 조정을 수행하는 방식입니다.

이러한 전문성과 현장의 판단은 지금도 안전운항의 기본입니다. 다만 판단에 필요한 정보가 많아질수록, 개별 정보를 확인하는 것과 그 영향을 종합적으로 분석하는 것 사이의 간극은 커집니다.

가령 운항 중 특정 해역에 악천후가 예상된다고 가정해 보겠습니다. 선택지는 하나가 아닙니다. 기존 항로를 유지하되 속력을 낮출 수 있고, 먼 해역으로 우회할 수도 있습니다. 목적지의 접안 가능 시간에 여유가 있다면 도착일정을 조정하는 방법도 검토할 수 있습니다. 어느 방안이 유리한지는 파고와 풍속뿐 아니라 선박의 적재상태, 연료소비 특성, 항만 사정, 계약상 납기 등에 따라 달라집니다.

문제는 이 정보들이 동일한 기준으로 제공되지 않는다는 점입니다. 기상예보는 날씨의 변화를 보여주지만 특정 선박의 실제 연료소비를 직접 알려주지는 않습니다. 선박성능 자료만으로는 앞으로 통과할 해역의 기상을 알 수 없으며, 운항일정만으로는 안전상 제약을 충분히 반영하기 어렵습니다. 각각의 자료가 정확하더라도 서로 연결되지 않는다면 대안별 차이를 객관적으로 비교하기 어렵습니다.

이 때문에 운항 리스크 관리의 초점은 위험정보를 수집하고 전달하는 기능에서 한 걸음 더 나아가고 있습니다. 어느 해역이 위험한지를 아는 것만큼, 우회했을 때 무엇이 달라지는지를 파악하는 일이 중요해진 것입니다.

안전을 확보해야 한다는 원칙은 변하지 않습니다. 다만 안전상 허용되는 선택지 안에서 비용과 시간, 운항 효율을 어떻게 조화시킬 것인가는 보다 정교한 분석을 요구합니다.

특히 모든 항차에서 같은 기준이 적용되는 것은 아닙니다. 긴급한 화물의 정시 운송이 중요한 항차도 있고, 도착시간에 여유가 있어 속력과 연료소비를 조정할 수 있는 항차도 있습니다. 어떤 조건을 우선할지 명확히 정하는 일 역시 좋은 운항계획의 출발점입니다.

데이터를 연결하면 항로는 비교 가능한 선택지가 된다

이러한 판단을 지원하는 기반은 서로 다른 운항 데이터를 하나의 분석체계로 연결하는 데 있습니다.

선박의 현재 위치와 항적을 보여주는 AIS 정보, 풍속과 파고를 예측하는 해양기상 자료, 항만의 운영 상황과 예상 도착시간, 선박별 연료소비와 운항성능 데이터가 대표적입니다. 필요한 경우 항행 제한구역과 같은 제약조건도 함께 반영할 수 있습니다.

여기서 중요한 점은 같은 바다를 항해하더라도 모든 선박이 동일한 영향을 받지는 않는다는 사실입니다.

선박의 크기와 선형, 적재상태, 운항속력에 따라 파도에 대한 저항과 연료소비는 달라질 수 있습니다. 따라서 일반적인 기상정보에 선박별 성능을 결합해야 특정 항차에 적합한 운항 대안을 더 구체적으로 검토할 수 있습니다.

AI와 최적화 알고리즘은 이처럼 복잡한 변수 사이의 관계를 분석하는 데 활용됩니다. 가능한 항로와 속력의 조합을 설정하고, 각 대안의 예상 항해시간과 연료소비, 기상 영향을 비교하는 방식입니다.

예를 들어 한 대안은 우회거리가 길지만 거친 해역을 피할 수 있고, 다른 대안은 이동거리가 짧지만 속력 조정이 필요할 수 있습니다. 두 방안 중 어느 쪽이 적합한지는 단일 수치가 아니라 여러 조건을 함께 살펴야 드러납니다.

이런 비교가 가능해지면 운항 담당자는 추천 결과를 그대로 받아들이는 대신, 특정 항로가 제안된 이유를 검토하고 다른 대안과의 차이를 설명할 수 있습니다. 분석의 가치는 계산된 결과뿐 아니라 그 결과를 업무에서 활용할 수 있게 하는 데 있습니다.

이러한 분석은 정해진 항로를 한 번 추천하는 것으로 끝나지 않습니다. 출항 이후 기상예측이 수정되거나 항만의 입항 가능 시간이 바뀌면 운항조건을 다시 계산하고 기존 계획과 비교할 수 있습니다. 운항계획을 고정된 지시사항이 아니라 변화하는 상황에 맞춰 검토하는 선택지로 다루게 되는 것입니다.

물론 분석 결과가 선장의 판단을 대신하는 것은 아닙니다. 실제 해상에서는 관측되지 않은 위험이나 돌발상황이 발생할 수 있으며, 안전운항 기준과 현장의 전문적인 판단이 우선되어야 합니다.

AI의 가치는 최종 결정을 독점하는 데 있지 않습니다. 담당자가 더 넓은 범위의 대안을 검토할 수 있도록 예상 결과와 판단 근거를 제공하는 데 있습니다.

글로벌 사례: MOL, 40척 실증에서 330척 운영으로

일본의 글로벌 선사 MOL(Mitsui O.S.K. Lines)은 이러한 변화가 실제 선대 운영에 어떻게 적용되는지 보여줍니다.

MOL은 미국 해양기술기업 Sofar Ocean이 개발한 최적 운항 지원 플랫폼 'Wayfinder'를 활용해 선박별 항로와 엔진 회전수의 최적화를 추진하고 있습니다.

이 기술은 처음부터 수백 척에 도입된 것이 아닙니다.

MOL은 그룹 운영 선박 40척을 대상으로 Wayfinder의 활용 효과를 시험한 뒤, 2024년 7월 실증 결과와 함께 선대 전반으로 도입을 확대하겠다는 계획을 발표했습니다. 당시 확인된 성과는 항차당 평균 약 6%의 연료소비 및 온실가스 배출량 감소였습니다. 시험에 참여한 선장의 80% 이상도 시스템의 사용 편의성과 해양기상 예측 정확도를 긍정적으로 평가했습니다.

이러한 검증을 거쳐 MOL은 적용 범위를 단계적으로 확대했고, 2025년 12월 기준 약 330척에서 Wayfinder를 활용하고 있다고 밝혔습니다. 다만 6% 절감률은 40척 실증 결과이며, 확대 적용된 330척 전체에서 동일한 성과가 검증됐다는 의미는 아닙니다.

Wayfinder의 특징은 해양환경을 예측하는 정보와 개별 선박의 운항 특성을 함께 활용한다는 점입니다.

Sofar Ocean의 해양관측 부이 'Spotter'는 파도, 바람, 해수면 온도, 기압 등의 데이터를 수집합니다. 여기에 위성 등에서 확보한 기상정보를 결합해 해상상황을 예측하고, 선박별 연료소비 성능과 항행 제한구역을 고려해 항로 및 엔진 회전수를 제안합니다. 추천 결과는 선박과 육상 운항 담당자에게 매일 제공되어 운항계획 검토에 활용됩니다.

MOL이 공개한 자료에 따르면, 이 해양예측 체계는 특정 단기 파랑예측 비교에서 기존 운영 예보 대비 최대 50% 높은 정확도를 보였습니다. 모든 기상요소의 예측 정확도가 일률적으로 50% 향상됐다는 뜻은 아니지만, 파도가 선박의 연료효율에 미치는 영향을 고려하면 의미 있는 개선입니다.

여기서 주목할 대목은 기술 자체보다 활용 방식입니다.

Wayfinder는 바다의 상태를 예측한 결과를 보여주는 데 머물지 않고, 그 정보를 선박별 운항성능과 결합해 실질적인 운항 대안으로 제시합니다. 또한 선박과 육상부서가 같은 정보를 바탕으로 계획을 검토하도록 지원합니다.

이러한 변화는 MOL만의 움직임도 아닙니다. 글로벌 컨테이너선사 ONE(Ocean Network Express) 역시 AI 기반 기상 영향 분석을 활용하는 GORA(Global Ocean Routing Advisory) 체계를 운영하고 있습니다. 실시간 기상정보를 바탕으로 항로를 지속적으로 검토하고, 안전과 연료효율을 함께 고려하는 방식입니다. ONE은 이 같은 운영체계를 2025년 지속가능성 보고서에서도 주요 운항 효율화 활동으로 소개했습니다.

두 기업의 접근은 세부적으로 다르지만 방향은 같습니다. 해상환경을 분석하는 기술을 별도의 정보 제공 도구로 두는 것이 아니라, 실제 운항계획을 검토하고 조정하는 업무에 연결하는 것입니다.

데이터가 모니터링 화면에 머무르지 않고 항로와 속력의 선택에 활용되기 시작한 것입니다.

Lessons Learned: 리스크를 없애는 기술보다 선택을 바꾸는 기술

지정학적 갈등이나 악천후를 선사가 통제할 수는 없습니다. 그러나 같은 환경에서도 어떤 대안을 검토하고 선택하는지에 따라 운항 결과는 달라질 수 있습니다.

앞으로 운항 리스크 관리에서 중요한 역량은 위험을 발견하는 속도만이 아니라, 그 위험이 안전과 비용, 일정에 미치는 영향을 함께 평가하는 능력일 것입니다.

MOL의 사례는 이 변화의 방향을 보여줍니다. 정밀한 해양기상 정보와 선박별 운항 데이터를 결합하고, 분석 결과를 실제 운항계획의 선택지로 연결했습니다. 40척 실증에서 시작해 수백 척으로 활용을 확대한 과정은 새로운 기술이 현장의 검증과 수용을 거쳐 운영체계에 자리 잡아가는 모습도 보여줍니다.

이는 경험에 의존하던 판단을 기계에 맡기는 접근이 아니라, 경험과 전문성에 데이터 기반 분석을 더하는 접근입니다. 이런 체계가 정착하려면 데이터를 꾸준히 축적하는 일만큼, 선박과 육상부서가 같은 정보를 공유하고 추천 결과를 실제 업무에서 검토하는 과정도 중요합니다.

해운기업이 확보해야 할 것은 모든 상황에 통하는 단 하나의 최적 항로가 아닙니다.

변화하는 운항조건 속에서 여러 대안을 비교하고, 각각의 영향을 이해한 뒤, 더 합리적인 선택을 내릴 수 있는 의사결정 체계입니다.