월마트 AX 전략 분석: AI로 일자리를 줄이지 않고 생산성을 끌어올리는 진짜 비결

월마트 사례에서 봐야 할 핵심은 단순히 “AI 교육을 많이 시켰다”가 아닙니다.

진짜 포인트는 직원 160만 명에게 AI를 가르치고, 매일 쓰는 업무 앱에 AI를 넣고, 현장 직원이 직접 AI 에이전트를 만들게 한 뒤, 중복되는 기능은 본사가 통제하는 구조를 만들었다는 점입니다.

여기에 더해 AI로 줄어드는 업무가 생기면 직원을 내보내는 대신 자동화 설비 기술자, 데이터 엔지니어, 운송 관리자, 약사 같은 수요 직무로 이동시키는 내부 경로까지 깔아두고 있습니다.

이건 단순한 AI 도입 사례가 아니라, 글로벌 유통기업이 AI 전환, 리스킬링, 노동시장 변화, 기업 생산성, 공급망 관리를 한 번에 재설계하는 실험에 가깝습니다.

1. 핵심 뉴스: 월마트는 AI를 “직원 감축 도구”가 아니라 “업무 재배치 인프라”로 쓰고 있다

월마트는 AI로 사라지는 직무가 생기더라도 전체 직원 수를 줄이지 않겠다는 방향을 제시했습니다.

대신 기존 직원을 재교육해 새롭게 생기는 역할로 이동시키겠다는 전략을 세웠습니다.

이 전략의 핵심은 세 가지입니다.

• 첫째, 전 직원 대상 AI 기초 교육을 제공한다는 점입니다.

• 둘째, 별도 챗봇이 아니라 기존 업무 앱 안에 AI를 넣었다는 점입니다.

• 셋째, 현장 직원이 직접 자동화 도구와 AI 에이전트를 만들 수 있게 했다는 점입니다.

많은 기업은 AI를 도입할 때 본사나 IT 부서 중심으로 접근합니다.

하지만 월마트는 매장 직원, 물류센터 직원, 운송 담당자, 시간제 직원까지 AI 활용 주체로 끌어들였습니다.

이 차이가 월마트 AX 사례의 가장 큰 경쟁력입니다.

2. 몬트리올 얼음 폭풍 사례: 현장 직원이 직접 만든 ‘폭풍 우회 AI 에이전트’

올해 3월 캐나다 몬트리올에 얼음 폭풍이 닥쳤습니다.

월마트 운송팀이 폭풍을 파악한 시점은 불과 2~3일 전이었습니다.

폭풍 전에 상품을 배송하려면 트럭을 우회시키고, 배차와 배송 일정을 다시 짜야 했습니다.

이 작업에는 약 14시간이 걸렸습니다.

이 경험을 한 월마트 캐나다 운송 담당 이사 제프 메킨도 씨는 이렇게 생각했습니다.

“위험을 더 일찍 알아내고 미리 대응할 수는 없을까?”

그는 전문 소프트웨어 엔지니어가 아니었습니다.

그런데 월마트의 AI 코딩 에이전트인 코드 퍼피(Code Puppy)를 활용해 직접 폭풍 우회 에이전트를 만들었습니다.

이 에이전트는 폭풍이 임박한 뒤 대응하는 방식이 아닙니다.

열흘 전부터 기상 예보, 도로 상황, 배송 정보, 사내 운영 데이터를 분석합니다.

그리고 배송 차질 가능성을 미리 감지해 운송팀이 선제적으로 대응할 수 있게 합니다.

이 사례가 중요한 이유는 명확합니다.

AI가 단순히 사무직의 문서 작업을 줄이는 수준을 넘어, 공급망 관리와 물류 리스크 대응까지 직접 바꾸고 있기 때문입니다.

3. 160만 명 AI 교육: 월마트가 먼저 깐 것은 기술이 아니라 ‘공통 언어’

월마트는 미국 내 직원 160만 명에게 AI 교육 기회를 제공하겠다고 발표했습니다.

여기에는 본사 사무직뿐 아니라 매장과 물류센터 현장 직원도 포함됩니다.

오픈AI는 2025년 12월 월마트 사무직을 대상으로 AI 교육 파일럿을 시작했습니다.

방식은 단순 강의가 아니었습니다.

ChatGPT가 강사 역할을 하면서 직원들에게 실제 업무와 비슷한 과제를 수행하게 하고 피드백을 제공하는 구조였습니다.

직원은 기초 과정을 수료하면 인증을 획득할 수 있습니다.

이후 더 높은 수준의 인증 과제에도 도전할 수 있습니다.

올해 6월부터 이 오픈AI 인증 과정은 미국 직원 160만 명 모두가 무료로 이용할 수 있게 정식 개방됐습니다.

구글도 2026년 2월 유사한 AI 인증 과정을 출시했습니다.

월마트는 이 과정 역시 직원 교육에 도입했습니다.

이 과정도 실제 업무에 적용할 수 있는 결과물을 직접 만들어보는 실습형 과제로 구성됐습니다.

여기서 중요한 건 월마트가 직원들을 모두 AI 전문가로 만들려는 게 아니라는 점입니다.

목표는 직원들이 AI를 두려워하지 않고, 자신의 업무 언어로 AI에게 지시할 수 있게 만드는 것입니다.

이게 기업 생산성을 끌어올리는 첫 번째 단계입니다.

4. 마이 월마트 앱: AI를 따로 찾게 하지 않고 매일 쓰는 도구 안에 넣었다

월마트 직원들은 매일 마이 월마트(My Walmart) 앱을 사용합니다.

이 앱은 출퇴근 기록, 근무 일정 확인, 휴가 신청, 교대 근무 교환 등에 쓰입니다.

월마트는 직원들에게 “AI 사이트에 접속해서 써보라”고 하지 않았습니다.

대신 직원들이 이미 매일 쓰는 업무 앱 안에 AI를 넣었습니다.

직원은 출근 후 앱에 접속하면 그날 해야 할 업무를 우선순위에 따라 확인할 수 있습니다.

관리자의 지시를 기다리지 않아도 바로 업무를 시작할 수 있습니다.

업무 중 궁금한 것이 있으면 자연어로 질문할 수 있습니다.

• “손 세정제는 몇 번 통로에 있지?”

• “내일 내 교대 근무 시간은 언제지?”

• “영수증 없는 반품은 어떻게 처리해야 하지?”

기존에도 상품 위치나 근무 일정 같은 정보를 검색하는 기능은 있었습니다.

하지만 AI가 붙으면서 직원은 복잡한 메뉴를 찾을 필요 없이 말하듯이 질문할 수 있게 됐습니다.

또한 고객 응대를 위해 44개 언어 통번역 기능도 제공됩니다.

매장 카메라와 센서 데이터를 분석해 “매장 바닥에 주스가 흘렀다”거나 “냉장 진열대 온도가 높아졌다”는 알림도 보낼 수 있습니다.

이건 단순 챗봇 도입이 아닙니다.

업무 흐름 자체에 AI를 녹여 넣은 사례입니다.

5. 코드 퍼피: 비개발자 직원까지 개발자로 만드는 월마트의 AI 코딩 에이전트

월마트에는 직원들이 소프트웨어를 만들고 수정하고 테스트할 수 있는 AI 코딩 도구가 있습니다.

이 도구가 바로 코드 퍼피(Code Puppy)입니다.

코드 퍼피는 2025년 월마트 엔지니어가 만든 내부 AI 코딩 에이전트입니다.

직원이 자연어로 지시하면 자동화 앱, 대시보드, 업무용 에이전트를 만들 수 있습니다.

특정 AI 모델 하나에 묶여 있지 않다는 점도 중요합니다.

오픈AI, 앤트로픽 등 특정 회사 모델만 쓰는 구조가 아니라 필요에 따라 여러 모델을 호출해 사용할 수 있습니다.

2025년 8월 약 1천 명 수준이던 코드 퍼피 누적 이용자는 1년 만에 75만 명대까지 늘어난 것으로 알려졌습니다.

더 흥미로운 점은 비개발자 이용자 규모가 개발자 이용자와 비슷한 수준이라는 점입니다.

상품기획, 공급망 관리, 매장 관리자, 시간제 직원까지 코드 퍼피를 활용해 자신의 업무를 자동화하고 있습니다.

이건 AI 전환이 본사 전략 문서에서 끝나지 않고 현장으로 내려갔다는 의미입니다.

6. 현장에서 나온 AI 활용 사례: 케이크 장식부터 사기 탐지, 회송 화물 추천까지

월마트 내부에서는 다양한 현장형 AI 도구가 만들어지고 있습니다.

첫 번째 사례는 베이커리 코너입니다.

한 매장 직원은 월마트 내부 지침에 맞게 케이크 장식을 할 수 있도록 사진을 보고 따라 하는 앱을 만들었습니다.

숙련도 차이를 줄이고, 매장별 품질 편차를 낮추는 데 도움이 될 수 있습니다.

두 번째 사례는 사기 탐지입니다.

사기 방지 업무를 담당하는 한 매니저는 거래, 반품, 사건 데이터를 분석하는 사기 탐지 앱과 대시보드를 만들었습니다.

이 도구는 허위 반품이나 결제 사기가 의심되는 매장을 찾아 조사팀이 우선 방문할 곳을 정하는 데 활용됩니다.

세 번째 사례는 회송 화물 추천 도구입니다.

전직 트럭 운전사이자 현재 월마트 시카고 지역 운송 관리자인 리오 가르시아는 코드 퍼피로 회송 화물 추천 도구를 만들었습니다.

트럭이 다른 지역으로 화물을 운송한 뒤 빈차로 돌아오면 비용 손실이 발생합니다.

보통 운전자는 해당 지역에서 몇 시간씩 기다렸다가 다른 화물을 싣고 돌아오곤 합니다.

이 도구는 현재 트럭 위치와 운전자의 귀가 경로를 바탕으로 수백 건의 운송 물량 중 가장 빨리 준비될 수 있는 화물을 추천합니다.

빈 트럭으로 돌아오는 손실을 줄이고, 운전자는 더 빨리 집에 돌아갈 수 있습니다.

월마트는 이 도구를 다른 지역에도 적용할 수 있는지 테스트하고 있습니다.

이 사례들은 AI가 단순히 비용 절감 도구가 아니라 현장의 문제 해결 능력을 확장하는 도구로 쓰이고 있음을 보여줍니다.

7. 자유롭게 만들게 했더니 생긴 문제: 중복 개발과 AI 비용 증가

직원들이 자유롭게 AI 도구를 만들기 시작하면 좋은 점만 있는 것은 아닙니다.

서로 다른 직원이 같은 문제를 해결하기 위해 비슷한 도구를 따로 만들 수 있습니다.

그러면 중복 개발이 늘고, AI 사용 비용도 함께 증가합니다.

월마트도 처음에는 직원들이 코드 퍼피를 거의 제한 없이 사용할 수 있게 했습니다.

하지만 이용자가 급증하자 2026년 6월부터 직원별 토큰 사용 한도를 두기 시작했습니다.

또한 직원이 새로운 도구를 만들기 전에 이미 비슷한 도구가 있는지 찾아보도록 권장하고 있습니다.

겉으로 보면 비용 통제처럼 보이지만, 더 중요한 목적이 있습니다.

월마트는 어떤 도구 요청이 반복되는지 파악합니다.

같은 요청이 계속 나오면 그것은 단순한 개인 문제가 아니라 전사적으로 공통된 업무 불편이라는 신호입니다.

이 경우 월마트는 해당 기능을 전사 차원의 공식 기능으로 끌어올릴 수 있습니다.

즉, 직원에게는 실험의 자유를 주고, 반복되는 기능은 중앙에서 통합하는 방식입니다.

이 구조가 월마트 AX 전략의 핵심 운영 모델입니다.

8. 월마트의 AX 운영 방식: 현장 실험은 분산, 비용과 보안은 중앙 통제

월마트는 코드 퍼피 아래에 공통 AI 플랫폼을 두고 사용량과 반복 작업을 추적합니다.

직원들은 현장에서 직접 문제를 발견하고 시제품을 만들 수 있습니다.

하지만 반복되는 기능, 보안, 배포, 비용 관리는 공통 플랫폼에서 통제합니다.

이 방식은 기업 AI 전환에서 매우 현실적인 모델입니다.

중앙 AI 팀이 모든 현장 문제를 미리 알 수는 없습니다.

매장 바닥의 불편, 물류센터의 병목, 반품 업무의 이상 징후는 현장 직원이 가장 잘 압니다.

월마트는 이 점을 인정했습니다.

그래서 현장 직원에게 실험권을 주고, 본사는 성공한 실험을 표준화하는 구조를 만들었습니다.

이건 앞으로 대기업들이 AI를 확산할 때 참고할 만한 중요한 방식입니다.

AI를 중앙에서만 밀어붙이면 현장 활용도가 떨어집니다.

반대로 현장에만 맡기면 비용, 보안, 중복 문제가 커집니다.

월마트는 이 둘 사이의 균형점을 찾고 있습니다.

9. AI가 바꾸는 일자리: 월마트는 감원이 아니라 내부 이동 경로를 만들고 있다

AI를 배우고 쓴다고 해서 직원의 일자리가 자동으로 보장되는 것은 아닙니다.

일부 업무는 분명 자동화될 수 있습니다.

특히 반복적인 단순 업무는 AI와 자동화 설비로 대체될 가능성이 큽니다.

월마트는 모든 직원을 AI 전문가로 바꾸려는 전략을 쓰지 않습니다.

대신 직원들이 AI를 이해하고 활용할 수 있게 하면서, 자동화 시대에 수요가 늘어나는 직무로 이동할 수 있는 경로를 만들고 있습니다.

2024년부터 월마트는 향후 3년간 저임금 단순 업무에 종사하는 미국 내 직원들을 수요가 늘어날 직무 10만 개로 이동시키겠다는 목표를 세웠습니다.

대상 직무에는 매장과 물류센터 관리자, 자동화 기술자, 냉동 기술자, 공조 기술자, 트럭 운전 기사, 약사, 데이터 엔지니어 등이 포함됩니다.

올해 7월 월마트는 이 목표를 조기 달성했다고 밝혔습니다.

당초 목표 시점인 3년 차까지는 누적 20만 개의 수요 직무를 채울 것으로 전망했습니다.

물론 이 10만 개의 자리가 모두 AI 교육을 받은 직원들의 이동으로 채워졌다는 뜻은 아닙니다.

하지만 AI로 특정 업무가 줄어들 때 직원이 회사 밖으로 밀려나는 대신 회사 안의 다른 수요 직무로 이동할 수 있는 기반이 마련됐다는 점이 중요합니다.

10. H2T 프로그램: 매장·물류센터 직원을 기술자로 전환시키는 내부 교육

월마트는 내부 이동을 위해 구체적인 기술 교육 프로그램도 운영하고 있습니다.

대표적인 것이 H2T Associate Technician 프로그램입니다.

이 과정은 기술 배경이 없는 매장과 물류센터 직원에게 자동화 설비, 전기, 시설 유지보수 기술을 가르칩니다.

지금까지 600명 이상이 과정을 마쳤습니다.

월마트는 2030년까지 4천 명의 기술직 직원을 배출하는 것을 목표로 하고 있습니다.

이 부분은 노동시장 관점에서 굉장히 중요합니다.

AI가 반복 업무를 줄이면 기술 유지보수, 자동화 운영, 데이터 관리, 현장 시스템 관리 수요는 오히려 늘어납니다.

월마트는 이 변화를 외부 채용으로만 해결하지 않고 내부 인력을 재교육하는 방식으로 대응하고 있습니다.

11. 다른 뉴스에서 놓치기 쉬운 핵심: 월마트의 진짜 자산은 AI 모델이 아니라 ‘현장 문제 데이터’다

많은 보도는 월마트가 오픈AI나 구글의 AI 교육을 도입했다는 점에 집중합니다.

하지만 더 중요한 것은 월마트가 현장 직원들의 문제 제기를 데이터화하고 있다는 점입니다.

직원이 코드 퍼피로 어떤 도구를 만들려고 하는지, 어떤 업무 자동화 요청이 반복되는지, 어떤 부서에서 AI 사용량이 급증하는지 모두 중요한 신호입니다.

이 신호는 회사가 어디에 병목이 있는지 알려줍니다.

예를 들어 여러 지역의 운송 담당자가 비슷한 회송 화물 추천 도구를 만들려 한다면, 그것은 운송 네트워크에 공통적인 비효율이 있다는 뜻입니다.

여러 매장에서 반품 사기 탐지 도구를 만들려 한다면, 반품 관리 프로세스에 구조적 문제가 있을 가능성이 큽니다.

결국 월마트는 AI 도구를 통해 직원들의 불편을 수집하고, 이를 전사 혁신 과제로 바꾸는 구조를 만들고 있습니다.

이게 단순한 챗봇 도입과 월마트 AX 전략의 결정적 차이입니다.

12. 경제적 의미: AI 전환의 승자는 ‘감원 기업’이 아니라 ‘재배치 기업’일 가능성이 크다

AI 시대의 기업 경쟁력은 단순히 인건비를 얼마나 줄이느냐로 결정되지 않을 가능성이 큽니다.

오히려 기존 인력을 얼마나 빠르게 새로운 역할로 재배치하느냐가 중요해질 수 있습니다.

월마트는 미국 최대 민간 고용주 중 하나입니다.

이런 기업이 AI를 감원 중심이 아니라 재교육과 내부 이동 중심으로 접근한다는 것은 노동시장에 중요한 신호입니다.

AI가 기업 생산성을 높이는 것은 맞습니다.

하지만 생산성 향상이 곧바로 대규모 실업으로 이어질지는 기업의 선택에 따라 달라질 수 있습니다.

월마트 사례는 대기업이 AI 전환 과정에서 고용 충격을 줄이면서도 운영 효율을 높일 수 있다는 가능성을 보여줍니다.

특히 유통, 물류, 제조, 금융, 헬스케어처럼 대규모 인력을 보유한 산업에서 이 모델은 중요합니다.

AI를 도입하되 현장 직원의 노하우를 유지하고, 반복 업무를 자동화하며, 사람은 더 높은 가치의 업무로 이동시키는 방식이 확산될 수 있습니다.

13. 투자 관점에서 봐야 할 포인트: 월마트는 AI 비용을 ‘운영비’가 아니라 ‘생산성 투자’로 관리한다

기업이 AI를 도입하면 가장 먼저 부딪히는 문제가 비용입니다.

특히 생성형 AI는 사용량이 늘수록 토큰 비용이 빠르게 증가할 수 있습니다.

월마트가 2026년 6월부터 직원별 토큰 한도를 둔 것은 단순한 절약 조치가 아닙니다.

AI 사용량을 측정하고, 반복되는 요청을 전사 기능으로 통합하기 위한 운영 체계입니다.

투자 관점에서 보면 중요한 질문은 이것입니다.

“AI를 얼마나 많이 쓰느냐”가 아니라 “AI 사용이 어떤 업무 성과로 연결되느냐”입니다.

월마트가 회송 화물 추천, 사기 탐지, 폭풍 우회 대응 같은 도구를 통해 비용 절감과 서비스 개선을 동시에 달성한다면 AI 투자 수익률은 상당히 높아질 수 있습니다.

특히 공급망 관리, 재고 운영, 반품 관리, 운송 최적화는 유통기업의 수익성에 직접 영향을 주는 영역입니다.

14. 아직 확인해야 할 리스크: 월마트의 약속이 완전히 검증된 것은 아니다

월마트가 AI 시대에도 고용을 유지하겠다는 약속을 완전히 지켰다고 평가하기에는 아직 이릅니다.

직원들의 AI 교육 수료율, 실제 업무 성과, 직무 이동 후 임금 변화, 장기 고용 유지율 등이 구체적으로 충분히 공개되지 않았기 때문입니다.

또한 AI가 업무 앱에 깊숙이 들어갈수록 직원 감시와 데이터 프라이버시 논란이 생길 수 있습니다.

매장 카메라와 센서 데이터가 업무 효율에는 도움이 되지만, 직원 입장에서는 감시 강화로 느껴질 수 있습니다.

비개발자가 AI 코딩 도구로 앱을 만들 때 보안 문제도 중요합니다.

잘못 만든 자동화 도구가 내부 데이터에 접근하거나, 잘못된 판단을 내릴 가능성도 있습니다.

따라서 월마트의 모델이 성공하려면 AI 교육, 보안 검토, 비용 통제, 노동자 보호, 내부 이동의 질이 함께 관리돼야 합니다.

15. 앞으로 봐야 할 관전 포인트

• AI 교육 수료율: 160만 명 중 실제로 얼마나 많은 직원이 인증을 받고 업무에 활용하는지가 중요합니다.

• 직무 이동의 질: 단순히 이동 숫자가 아니라 임금, 안정성, 성장 가능성이 함께 개선되는지 봐야 합니다.

• AI 비용 대비 성과: 토큰 비용 증가보다 업무 효율, 물류비 절감, 사기 손실 감소 효과가 더 큰지 확인해야 합니다.

• 현장 직원의 참여도: 비개발자 직원들이 계속 AI 도구를 만들고 개선하는 문화가 유지되는지가 핵심입니다.

• 중앙 통제와 현장 자율의 균형: 너무 통제하면 혁신이 줄고, 너무 풀어두면 비용과 보안 문제가 커질 수 있습니다.

16. 결론: 월마트의 AI 전략은 ‘사람을 줄이는 기술’이 아니라 ‘조직을 다시 짜는 기술’에 가깝다

월마트의 사례는 AI 도입이 단순히 챗봇을 붙이거나 업무 자동화 툴을 구매하는 수준에서 끝나면 안 된다는 점을 보여줍니다.

직원 교육, 업무 앱 통합, 현장 주도 개발, 중앙 플랫폼 관리, 내부 직무 이동 경로가 함께 설계돼야 합니다.

특히 월마트가 보여주는 가장 중요한 메시지는 이것입니다.

AI 전환의 핵심은 기술 자체가 아니라 조직 운영 방식의 변화입니다.

현장 직원이 문제를 발견하고, AI로 시제품을 만들고, 본사가 반복되는 기능을 전사 시스템으로 통합하는 구조는 앞으로 많은 기업이 따라가게 될 가능성이 큽니다.

AI가 노동시장에 충격을 주는 것은 피하기 어렵지만, 기업이 어떻게 대응하느냐에 따라 감원 중심의 전환이 될 수도 있고, 재교육과 재배치 중심의 전환이 될 수도 있습니다.

월마트는 아직 완성된 답을 보여준 것은 아닙니다.

하지만 대규모 조직이 AI 시대에 사람과 기술을 함께 재설계하는 가장 현실적인 실험을 보여주고 있습니다.

< Summary >

월마트는 직원 160만 명에게 AI 교육을 제공하고 있습니다.

AI를 별도 도구가 아니라 마이 월마트 앱 안에 넣어 매일 쓰게 만들었습니다.

코드 퍼피를 통해 비개발자 직원도 업무 자동화 앱과 AI 에이전트를 만들 수 있게 했습니다.

현장 직원이 만든 도구는 물류 우회, 사기 탐지, 회송 화물 추천, 케이크 장식 지원 등 실제 업무 문제를 해결하고 있습니다.

이용자가 급증하자 월마트는 토큰 한도와 공통 AI 플랫폼으로 비용과 보안을 관리하기 시작했습니다.

AI로 줄어드는 업무에 대응하기 위해 자동화 기술자, 데이터 엔지니어, 운송 관리자 등 수요 직무로 이동하는 내부 경로도 만들고 있습니다.

핵심은 AI 도입이 아니라 교육, 업무 재설계, 현장 실험, 중앙 통제, 리스킬링을 한 번에 묶은 AX 전략입니다.

[관련글…]

• 월마트 AX 전략과 글로벌 유통기업의 AI 전환

• AI 시대 리스킬링과 노동시장 변화 전망

---