리퀴드도네이트 역물류와 AI: 반품을 기부로 바꾸는 순환경제 소프트웨어

핵심 메시지

• 역물류(반품 처리)는 상품이 고객 집에 있어 통제가 어렵고 비용이 커, 반품·재고의 80%가 매립되는 낭비가 발생한다.
• 리퀴드도네이트는 기존 시스템을 대체하지 않고 API로 이커머스·반품관리·창고 시스템에 끼어들어 '기부'를 표준 처리 옵션으로 만든다.
• 결과는 예측 가능하지만 판단이 필요한 지점에는 AI를 정해진 파라미터 안에서 활용해, 사진으로 상품 상태와 분류를 판별하고 적합한 비영리단체에 매칭한다.
• 소매업체는 배송·보관·운영 비용을 줄이고 세금 공제와 ESG 보고 데이터를 얻으며, 비영리단체는 필요한 물품을 안정적으로 받는다.
• AI가 코드를 빠르게 써 주지만 시스템 설계와 트레이드오프 판단은 대체하지 못하므로, 젊은 개발자는 기본기와 '왜 이렇게 만들었는가'를 더 깊이 이해해야 한다.

쉽게 이해하기

리퀴드도네이트의 최고기술책임자(CTO) 아이샤 아지즈는 Informa TechTarget의 'Enterprise Apps Unpacked' 팟캐스트에서 역물류의 구조적 문제와 이를 기부로 바꾸는 소프트웨어를 설명했다. 상품이 이미 고객의 집에 설치된 상태에서 반품이 시작되기 때문에 역물류는 브랜드 평판까지 걸린 민감하고 비용이 큰 과정이며, 30달러짜리 티셔츠 한 장을 반품받는 데도 배송·수령·보관·개봉 비용이 겹겹이 든다. 그 결과 매년 반품 상품의 80%가 매립지로 향한다.

리퀴드도네이트는 이 비효율을 '눈앞에 뻔히 보이는 낭비'로 규정한다. 소매업체는 팔 수 없는 재고를 처리하느라 수십억 달러를 쓰는 반면, 비영리단체는 기본 물자를 구하지 못해 애를 먹는다. 공급과 수요는 있는데 이를 잇는 시스템이 없었다는 것이다. 회사는 기부를 개별적인 의사결정이 아니라 반품·재판매처럼 표준화된 '처리 워크플로'로 만들고자 한다.

핵심 설계 원칙은 기존 시스템을 대체하지 않고 API로 연결하는 것이다. 쇼피파이 같은 이커머스, Loop 같은 반품관리솔루션(RMS), 창고관리시스템(WMS), 3PL, 고객서비스 시스템이 이미 있는 소매업체의 워크플로에 '기부'를 매끄러운 처리 옵션으로 끼워 넣는다. 예컨대 Loop 연동에서는 스스로를 '라벨 생성기'로 자리매김하되, 뒤에서 상품을 이해하고 비영리단체에 매칭해 곧바로 그 단체로 향하는 라벨을 만든다.

처리 결과 자체는 예측 가능한 결정론적 흐름이지만, 판단이 필요한 지점에는 AI를 정해진 파라미터 안에서 쓴다. 반품 시 손상됐다고 표시하고 사진을 찍으면 AI가 이미지 계층에서 상태를 판별해 기부·재활용·창고 재판매 중 어디로 보낼지 정하고, 카테고리를 분류해 적합한 비영리단체에 연결한다. 여기에 가장 가까운 단체로 보내되 여러 단체에 공평하게 배분하는 알고리즘도 더한다.

이 구조로 소매업체는 배송 라벨·수령·보관·운영 비용을 낮추고 기부 영수증에 따른 세금 공제와 추적 가능한 ESG 데이터를 얻는다. 비영리단체는 모바일 앱으로 상자를 열어 송장번호를 스캔하고 사진을 찍어 피드백을 남기며, 이 기록이 사기 방지와 영수증 자동 발급으로 이어진다. Built Different(티셔츠)는 평균 배송 거리를 1,300마일 줄였고, Room & Board는 파트너십 덕분에 B코퍼레이션 인증을 앞당겼다.

주요 인사이트

• 결정론적 워크플로 위에 '판단이 필요한 부분'만 AI를 얹는 접근은, AI를 정해진 파라미터 안에 두어 통제하면서도 사람의 개입 비용을 줄이는 현실적인 설계다.
• 기존 시스템을 대체하려 들지 않고 API로 끼어드는 '보완' 전략 덕분에, RMS가 없는 이커머스에는 2주 만에 반품 솔루션으로 통합되는 등 도입 장벽이 낮아진다.
• 기부를 개별 의사결정이 아니라 반품·재판매와 동급의 '표준 처리 워크플로'로 만들면, 뒷전으로 밀려 매립되던 상품이 책임 있는 흐름을 갖게 된다.
• EPR(생산자책임재활용) 규제가 강화되면서 역물류는 선택이 아니라 소매업체가 법적으로 책임져야 하는 인프라가 되고 있다.
• AI는 CRUD·매핑·디버깅을 몇 분으로 단축하지만 시스템 설계와 트레이드오프 판단은 대신하지 못한다. 아지즈는 젊은 개발자일수록 '더 빨리 시니어 엔지니어가 되어야 한다'고 본다.

자주 묻는 질문

관련 AI 소식