그랩, AI로 배송이 30% 빨라졌대요 | 성과가 난 지점은 세 곳이었어요

3줄 요약 — 동남아 슈퍼앱 그랩이 2분기 실적 발표에서 AI 도입 성과를 숫자로 공개했어요. 배송 속도가 30% 이상 빨라졌고, 매출은 9.97억 달러(+22%), 영업이익은 186% 늘었어요. 주목할 건 성과가 난 자리예요. 고객에게 보이는 화려한 기능이 아니라 배송 경로 배정, 개발 속도, 사내 분석이라는 운영의 안쪽 세 곳이었어요.

📰 2026년 8월 5일 기준 최신 소식 | 이 글은 특정 시점의 뉴스를 다루고 있어요.

“AI 도입해서 뭐가 좋아졌는지 숫자로 보여주는 회사가 있나요?”

상담에서 이 질문을 받으면 예시를 고르기가 은근히 어려워요. 도입했다는 발표는 많은데 성과를 숫자로 내놓는 회사는 드물거든요. 이번 주에 좋은 예시가 하나 나왔어요. ‘동남아의 우버’로 불리는 그랩이 실적 발표에서 AI 성과를 구체적인 수치로 공개했어요. 발주자 입장에서 뜯어볼 만한 지점이 많아서 정리해봤어요.

---

1. 어떤 발표였나요

실적과 AI 성과를 한 무대에 올린 발표였어요.

그랩은 싱가포르에 본사를 둔 슈퍼앱 회사예요. 차량 호출과 음식·상품 배달을 동남아 전역에서 운영해요. 8월 4일 CNBC 보도와 지디넷코리아 기사 기준으로 발표 내용을 추리면 이래요.

• 2분기 매출 9.97억 달러(약 1조4,200억 원) — 전년 동기 대비 22% 증가
• 영업이익 1,900만 달러 — 186% 증가, 분기 기준 기록적인 실적
• 차량 호출 건수 전년 대비 28% 증가, 연간 실적 전망 상향
• 그리고 이 실적의 배경으로 AI를 지목했어요

그랩의 재무를 총괄하는 피터 오이 CFO는 CNBC 인터뷰에서 “AI는 이제 제품만이 아니라 업무 방식 전반에 자리 잡았다”고 말했어요. 배송 속도가 30% 이상 빨라졌고 그게 마진 개선으로 이어졌다는 설명이에요.

2. 배송이 30% 빨라졌다는 건 무슨 일이 있었던 걸까요

경로 배정과 매칭을 AI가 실시간으로 계산한다는 뜻이에요.

배달 서비스의 원가는 기사 한 명이 한 시간에 몇 건을 처리하느냐에서 갈려요. 주문이 들어왔을 때 어느 기사에게 줄지, 어떤 순서로 묶어서 보낼지, 비 오는 금요일 저녁엔 수요가 어디서 터질지. 이걸 사람 감으로 정하던 영역을 데이터 기반 계산으로 바꾼 거예요.

여기서 발주자가 챙길 포인트가 하나 있어요. 이 성과는 새 서비스를 만들어서 난 게 아니에요. 이미 하던 업무의 처리 방식을 바꿔서 났어요. 화면은 그대로인데 뒤에서 도는 배정 로직이 달라진 거죠. AI 도입 성과가 숫자로 잡히는 곳은 대개 이런 자리예요.

3. 두 번째 지점은 개발 조직이었어요

그랩은 코딩 에이전트로 출시까지 걸리는 시간을 최대 30% 줄였다고 밝혔어요.

실적 발표에서 함께 공개된 내용이에요. 자율 코딩 에이전트를 개발 조직에 붙여서 기능이 기획에서 출시까지 가는 시간을 전년 대비 최대 30% 단축했다고 해요. 영업팀이 쓰는 사내 분석 플랫폼도 있어요. 분기마다 약 4만 시간의 수작업을 줄여준다고 밝혔어요.

배송·개발·영업분석. 세 지점의 공통점이 보이시나요? 전부 반복량이 많고, 처리 시간이라는 지표가 이미 있고, 고객 눈에는 안 보이는 업무예요. AI 성과가 잘 나는 자리의 조건이 이 사례 하나에 다 들어 있어요.

4. 반대로, 성과가 안 나는 도입은 어떤 모습일까요

쓰는 사람이 드문 곳에 먼저 붙이는 도입이에요.

저희가 상담에서 자주 보는 패턴이 있어요. “일단 챗봇부터”, “일단 사내 문서 검색부터”. 눈에 잘 띄는 기능이라 보고하기 좋거든요. 그런데 반복량이 적은 업무는 아무리 잘 만들어도 절감되는 시간이 작아요. 성과가 안 잡히니 다음 예산을 못 받고, 도입이 파일럿에서 멈춰요.

그랩 사례를 뒤집어 읽으면 순서가 나와요. 우리 회사에서 사람이 제일 많이 반복하는 일이 뭔지 먼저 세는 거예요. 주문 처리, 견적 회신, 일정 배정, 정산 확인. 처리 건수와 걸리는 시간이 기록되는 업무라면 더 좋아요. 성과를 잴 자가 이미 있다는 뜻이니까요.

5. 숫자가 나오려면 데이터가 앞에 있어야 해요

배송 30% 단축의 전제는 배송 기록이 전부 데이터로 남고 있었다는 거예요.

그랩은 주문·위치·시간 데이터가 초 단위로 쌓이는 회사예요. AI가 학습하고 판단할 재료가 처음부터 있었어요. 국내 기업 상담에서 만나는 현실은 조금 달라요. 주문은 쇼핑몰에, 상담은 메신저에, 고객 정보는 엑셀에 흩어져 있는 경우가 많거든요.

이럴 때 저희는 AI 모델보다 데이터 정리를 먼저 권해요. 흩어진 고객 데이터를 한곳에 모으는 CDP(고객 데이터 플랫폼)가 그 도구예요. 저희도 AI 마케팅 CDP인 D:VALUEUP을 직접 운영하면서 배운 게 있어요. 모델은 갈아탈 수 있지만 데이터가 없으면 갈아탈 것도 없다는 거예요. AI PoC(개념 검증)를 하더라도 데이터가 모이는 업무부터 잡아야 검증이 성립해요.

AI 도입, 어디서 성과가 날지부터 같이 짚어보고 싶다면 저희가 지점 찾는 것부터 도와드릴게요 →

6. 우리 회사에 적용할 체크리스트예요

그랩 사례에서 추린 도입 전 질문 네 가지예요.

1. 반복량 — 사람이 하루에 수십 번 이상 반복하는 업무가 있나요?
2. 지표 — 그 업무의 처리 시간이나 건수가 지금 기록되고 있나요?
3. 데이터 — AI가 판단할 재료(주문·상담·이력 데이터)가 한곳에 모여 있나요?
4. 성과 계산 — 30% 빨라지면 원가나 매출에 얼마가 잡히는지 계산해봤나요?

네 개 다 “예”라면 PoC를 바로 시작해도 좋은 상태예요. 데이터 항목에서 막힌다면 도입보다 정리가 먼저고요. 어디에 얼마가 드는지는 AI 도입 비용, 얼마부터 시작하고 어디에 돈이 들까요에 단계별로 정리해뒀어요. 에이전트에게 어디까지 맡길지 고민이라면 AI 에이전트 업무 경계 정하기도 같이 보시면 좋아요.

7. 자주 묻는 질문 (FAQ)

AI 자체 도입과 외주 개발 중 어떤 선택이 맞나요?

그랩처럼 개발 조직이 큰 회사라면 자체 도입이 자연스러워요. 그런 조직이 없다면 성과가 날 지점을 골라내는 초기 설계만 외주로 함께 잡는 방식이 실패 비용을 줄여줘요. 이번 사례에서도 성과는 모델 자체가 아니라 업무에 맞게 붙인 설계에서 나왔거든요.

AI PoC는 어떤 업무부터 시작하는 게 좋나요?

사람이 반복적으로 많이 하는데 판단 난이도는 낮은 업무가 첫 후보예요. 그랩의 배송 경로 배정이나 문서 분류 같은 일이 여기 속해요. 처리 시간·건수 지표가 이미 있는 업무를 고르면 PoC 결과 판정도 쉬워져요.

우리 회사엔 그랩 같은 데이터가 없는데 AI 도입이 의미 있나요?

데이터가 쌓이는 구조를 먼저 만들면 돼요. 주문·상담·배송 기록이 시스템에 남고 있다면 출발점은 이미 있는 거예요. 흩어진 고객 데이터를 모으는 CDP 구축부터 시작하는 회사도 많아요. 저희도 자체 CDP를 운영하며 같은 순서를 밟았어요.

8. 마무리 — 성과는 보이는 기능이 아니라 안 보이는 운영에서 났어요

그랩 발표를 한 문장으로 줄이면 이래요. AI 성과는 화면이 아니라 운영의 안쪽, 반복이 많고 지표가 있는 자리에서 났다. 도입을 검토 중이라면 신기한 기능 목록보다 우리 회사의 반복 업무 목록을 먼저 펴보시는 게 순서예요.

저희는 10년 넘게 50개 이상의 프로젝트를 진행하고 자체 SaaS 4종을 직접 운영해온 개발사예요. AI 기능도 만들어 납품하는 데서 끝나지 않고 저희 서비스에 붙여 매달 굴려보고 있고요. 어느 업무부터 시작할지 감이 안 잡히신다면 프로젝트 상담받기 →로 편하게 물어보세요.

관련 글: 기업 AI 도입, 파일럿에서 멈추는 이유