1980년대 부터 2000년대 초반까지는 고객의 전화 주문을 통해 음식점에 직접 고용된 배달 라이더가 음식 배달을 수행하는 전통적인 구조로 운영되었으나, 2010년대 이후 스마트폰의 보급과 플랫폼 기술의 발전은 배달 산업의 구조와 노동 형태를 근본적으로 변화시켰다(Choi, 2020). 플랫폼 기반 서비스의 확산으로 배달업 종사자는 음식점에 직접 고용된 배달 라이더에서 플랫폼과 계약 관계를 맺는 특수형태근로자로 변화하였다. 또한 플랫폼을 통한 배달 업무가 부업 형태로도 가능해지며 유연한 근무 형태로 인해 배달업 종사자의 진입 장벽을 낮추었다(Au-Yeung and Qiu, 2025; Choi, 2020). 이러한 변화 속에서 플랫폼 기반 배달업은 기존의 전통적인 고용 관계와 달리 디지털 플랫폼을 중심으로 업무가 배정되고 운영되는 새로운 노동 형태로 자리 잡고 있다(Lee and Jung, 2023).

플랫폼 기반 노동 구조는 코로나19 팬데믹을 계기로 더욱 빠르게 확대되었다. 팬데믹 기간 동안 비대면 소비의 확산과 식당 내 취식 제한, 영업시간 규제 등 외식업에 대한 조치로 인해 음식 배달 서비스 수요가 급격히 증가하였고, 배달 플랫폼은 낮은 진입 장벽과 시간 선택의 유연성을 기반으로 다양한 계층의 노동자를 유입시키는 새로운 노동 형태로 자리 잡았다(Byun et al., 2017; Hasegawa et al., 2022). 그 결과 배달 플랫폼 종사자의 수는 지속적으로 증가하였으며, 2022년 기준 배달 플랫폼 라이더 수는 2019년 대비 약 2배 증가한 것으로 보고되었다(Moon and Kim, 2023). 또한, 2024년 고용노동부가 발표한 「2023년 플랫폼 종사자 실태조사」에 따르면, 2023년 기준 전체 플랫폼 종사자는 88.3만 명으로 나타났으며, 이 중 배달 · 운전 분야 종사자는 48.5만 명으로 전체의 54.9%를 차지하여 가장 높은 비중을 보였다(Ministry of Employment and Labor, 2024).

전통적인 배달은 단순한 이동 중심의 업무였다면, 플랫폼 기반 배달업은 주문 정보와 경로가 실시간으로 제공되는 디지털 환경에서 이루어진다(Rosenblat and Stark, 2016). 플랫폼 기업은 주문, 배차, 경로 안내와 같은 핵심 운영 과정을 디지털 시스템으로 관리하며, 이러한 시스템은 기업의 업무 효율성을 실질적으로 높이고 있다(Park, 2021). 플랫폼의 배차 방식은 크게 두 가지로 구분할 수 있다.

하나는 AI가 주문을 자동으로 추천하거나 할당하는 AI 배차 방식이며, 다른 하나는 배달 라이더가 주문 목록에서 직접 주문을 선택하는 수동 배차 방식이다(Figure 1).

Figure 1. Comparison between traditional delivery systems and AI-based platform delivery systems

Modify Delete

플랫폼 기반 배달 업무는 디지털 시스템을 통해 주문과 배차가 진행되어 배달 라이더가 실제 도로 환경에서 다양한 물리적 · 환경적 위험에 노출되는 특성을 가진다. 이에 따라 배달 라이더는 장시간 이륜차 운행과 반복적인 음식 픽업 및 전달, 촉박한 배송 시간 등으로 인해 높은 수준의 신체적 부담과 피로를 경험할 수 있으며, 폭염과 한파와 같은 외부 작업환경에도 노출된다(Kwangsukstith et al., 2025). 또한, 배달 업무는 도로를 직접 이동하는 과정에서 교통사고와 같은 위험에 지속적으로 노출될 가능성이 있는 것으로 보고되고 있다(Moon and Kim, 2023).

배달 라이더의 물리적 · 심리적 · 환경적 부하에 관한 많은 연구가 이루어졌다. 물리적 부하와 관련된 연구에서는 장시간 오토바이 운행과 반복적인 음식 픽업 및 전달로 인해 배달 라이더는 근골격계 질환이 높은 수준으로 나타나며, 이는 장시간 노동 및 휴식 부족과 관련이 있는 것으로 보고되었다(Benson et al., 2025; Daud et al., 2025). 심리적 부하와 관련된 연구에서는 시간 압박과 성과 기반 수익 구조가 직무 스트레스를 증가시키는 주요 요인이며, 직무 스트레스가 주의력 저하를 유발하여 교통사고 가능성을 높이는 것으로 보고하였다(Chen, 2023). 환경적 부하와 관련된 연구에서는 고온과 같은 기후 요인이 신체적 피로를 증가시키고 작업 효율을 저하할 수 있음을 보고하였다. 이러한 점은 배달 업무가 외부 환경에 직접적으로 노출되는 특성이 있음을 보여준다(Jiang et al., 2024; Useche et al., 2025).

이와 함께, 배달 라이더의 업무 강도와 작업 조건은 플랫폼의 운영 방식에 따라서도 달라질 수 있다. 주문 처리 속도와 배달 시간을 중심으로 실시간 서비스를 제공하는 플랫폼 기반 배달업의 구조는 배달 라이더의 업무 강도를 높일 가능성이 있는 것으로 보고되었다(Park, 2021). 또한, 묶음 배달의 도입과 배차 방식의 변화와 같은 플랫폼 운영 정책은 배달 라이더의 업무 강도와 근무 조건에 영향을 미치며, 수익 구조와 작업 방식의 변화를 초래하는 것으로 나타났다(Park, 2025).

그러나 이러한 선행 연구에도 불구하고 플랫폼 기반 배달업에 관한 연구에는 여전히 한계점이 존재한다. 첫째, 기존 연구들은 배달 라이더의 물리적 부하(Daud et al., 2025; Benson et al., 2025), 심리적 부하(Chen, 2023), 환경적 부하(Jiang et al., 2024; Useche et al., 2025)를 개별적으로 분석하였으며, 물리적 · 심리적 · 환경적 부하 간의 상호 연관성을 고려하여 작업 부하를 종합적으로 분석한 연구는 상대적으로 부족하다. 이러한 요인을 통합적으로 분석하면 개별 요인에 대한 분석을 넘어 배달 라이더가 경험하는 작업 부하의 전반적인 특성과 요인 간 관계를 파악할 수 있다. 둘째, 배달 플랫폼에서 이용되는 배차 방식에 따른 배달 라이더의 작업 부하에 관한 연구가 제한적이다. 플랫폼 기반 배달업은 알고리즘으로 배차가 진행되는 점이 특징이지만(Lee and Jung, 2023), 배차 방식에 따른 작업 부하 차이를 비교한 연구는 충분히 이루어지지 않았다. 셋째, 배달 업무의 세부 특성을 반영한 연구도 부족하다. 실제 배달 업무는 배차 및 주문 수락, 매장 이동 및 음식 픽업, 주행 및 배달 목적지 확인, 고객 응대와 같은 과정에서 작업 부하가 발생할 수 있다. 마지막으로 택배 배송 근로자의 작업 특성, 환경적 요인, 신체적 요인 간 상관관계를 분석하는 선행 연구가 수행되었으나(Ha et al., 2025), 배달 라이더를 대상으로 위 요인의 상관관계를 분석한 연구는 없었다.

따라서 본 연구는 대구 지역의 배달 라이더가 경험하는 물리적, 심리적 · 인지적, 환경적 작업 부하를 통합적으로 분석하고, AI 배차와 수동 배차라는 배차 방식에 따른 작업 부하 수준을 비교하고자 한다. 배차 방식에 따른 배달 라이더의 작업 부하와 인식에 차이가 있을 것으로 가정하여, 다음과 같은 연구 가설을 설정하였다.

H1: 수동 배차는 AI 배차보다 물리적 부하가 높을 것이다.

H2: 수동 배차는 AI 배차보다 심리적 부하가 높을 것이다.

H3: 수동 배차가 AI 배차에 비해 다중 주문 수행에 따른 수익성 인식이 높을 것이다.

H4: 수동 배차가 AI 배차에 비해 휴식 시간이 적을 것이다.

H5: 수동 배차가 AI 배차에 비해 배차 수락/거절이 자유로울 것이다.

2.1 Participants

설문조사는 총 50명이 응답하였으며, B사의 AI 배차를 이용하는 배달 라이더 25명, 배달 대행사에 소속된 수동 배차를 이용하는 배달 라이더 25명으로 구성되었다. 배차 방식에 따른 참가자 특성은 나이, 경력, 성별, 월 소득, 플랫폼 병행 여부로 구분하여 Table 1에 제시하였다. 전체 참가자의 평균 연령은 33.2세였으며, AI 배차 집단은 32.0세, 수동 배차 집단은 34.4세로 나타났다. 평균 경력은 AI 배차 집단 3.0년, 수동 배차 집단 5.9년으로 수동 배차 집단이 더 길었으며, 월 소득 역시 수동 배차 집단에서 더 높게 나타났다. 복수 플랫폼 병행 사용자는 전체 14명(28.0%)이었으며, AI 배차 집단 8명, 수동 배차 집단 6명으로 나타났다.

2.2 Survey instrument

본 연구에서는 배차 방식을 크게 알고리즘 기반의 'AI 배차(자동 배차)'와 '수동 배차' 두 가지 유형으로 구분하였다. AI 배차는 플랫폼 시스템이 최적의 이동 경로와 목적지를 계산해 배달 라이더에게 주문(배달 경로, 장소)을 자동으로 배정하는 방식이다. 이 과정에서 배달 라이더에게 주어지는 선택지는 배차를 수락 또는 거절 여부만 선택할 수 있다. 반면, 수동 배차는 배달 라이더가 주문 목록에서 원하는 주문을 선택하는 방식이다. 즉, 배달 라이더가 제시된 주문 중 원하는 주문을 자율적으로 선택하여 배차를 진행하는 방식이다.

설문 문항은 물리적 부하(Table 2), 심리적 · 인지적 부하(Table 3), 환경적 부하(Table 4), 그리고 불편도, 개선 필요성 및 만족도(Table 5)로 구성되었으며, 모든 문항은 Likert 5점 척도(1점=전혀 그렇지 않다, 5점=매우 그렇다)를 사용하여 측정하였다. 물리적 부하는 총 18개 문항, 심리적 · 인지적 부하는 총 18개 문항, 환경적 부하는 총 22개 문항, 불편도는 총 7개 문항, 개선 필요성은 총 7개 문항, 만족도는 총 7개 문항으로 구성하였다. 또한 일부 문항에는 설문 응답자의 추가 의견을 수집하기 위해 자유 응답식(서술형) 문항을 포함하였다.

본 연구는 다음과 같은 절차에 따라 수행되었다. 첫째, 연구 목적에 부합하는 설문 문항을 구성하기 위해 관련 선행 연구를 검토하였으며, 물리적 부하(Daud et al., 2025), 심리적 · 인지적 부하(Nguyen-Phuoc et al., 2022; Nguyen-Phuoc et al., 2023), 환경적 부하(Moon and Kim, 2023), 불편도 · 개선 필요성 · 만족도(Suvarnapathaki et al., 2025)의 연구를 참고하였다. 이를 기반으로 물리적 · 심리적 · 환경적 요인 및 기타 직무 요인과 관련된 문항을 개발하였다. 둘째, 설문 문항의 내용 타당도와 표현의 명확성을 검토하기 위해 사전 조사를 시행하였다. 사전 조사에서는 실제 배달 라이더(AI 배차 3명, 수동 배차 3명)를 대상으로 배차 수락, 픽업, 경로 안내, 배달 완료 등 전반적인 배달 업무에서 경험하는 불편 사항과 개선 요구사항을 정성적으로 파악하였다. 또한 설문 문항이 실제 배달 업무에서 경험하는 작업 부하 요인과 업무 특성이 적절하게 반영하고 있는지 배달 라이더를 대상으로 확인하였으며, 이를 바탕으로 일부 문항의 표현을 수정 · 보완하여 최종 설문지를 확정하였다(Tables 2-5).

2.3 Experimental procedure

실제 설문조사에 사용된 설문지(Tables 2-5)는 국내 배달 라이더인 설문 참여자의 문항 이해도와 응답의 편의성을 고려하여 한국어로 작성하였으며, 오프라인 방식으로 배포하였다. 먼저 설문 참여자에게 연구 목적, 설문 내용, 개인정보 보호 및 익명성 보장에 관해 충분히 설명하였다. 이후 연구 참여 의사를 확인한 후 서면 동의서를 작성하도록 하였다. 동의서 작성이 완료된 참여자를 대상으로 설문조사를 시행하였으며, 설문 응답에는 약 30분이 소요되었다. 모든 설문이 완료된 후 설문지를 회수하고 응답 내용을 정리하여 분석에 활용하였다.

2.4 Statistical analyses

본 연구의 독립변수는 배차 방식(AI 배차 방식과 수동 배차 방식)이며, 종속변수는 물리적 부하, 심리적 · 인지적 부하, 환경적 부하, 불편도, 개선 필요성, 만족도로 구성하였다. 수집된 자료는 Python 3.14.0 (Python Software Foundation, USA) 환경에서 분석하였다. 데이터 정제 및 기술통계 분석은 Pandas와 NumPy 라이브러리를 활용하였으며, 집단 간 평균 차이를 검증하기 위해 SciPy 라이브러리를 이용하여 Welch의 독립표본 t-test를 실시하였다. 통계적 유의수준(α)은 0.05로 설정하였다.

3.1 Physical workload

물리적 부하에 관한 AI 배차 방식과 수동 배차 방식 간 t-test 결과를 살펴보면(Table 6), 총 17개 물리적 부하 항목 중 4개 항목[업무 종료 후 신체적 피로(Post-Work Fatigue), 계단 · 언덕을 자주 오르내림(Stairs and Hills), 올리고 내리기 및 들기와 같은 반복적인 동작(Repetitive Motion), 배달 업무 중 휴식 부족(Lack of Rest)]에서 AI 배차 방식이 수동 배차 방식에 비해 통계적으로 유의하게 높은 것으로 나타났다.

3.2 Psychological and cognitive workload

심리적 · 인지적 부하에 관한 AI 배차 방식과 수동 배차 방식 간 t-test 결과를 살펴보면(Table 7), 총 17개 심리적 · 인지적 부하 항목 중 3개 항목[조리 지연 스트레스(Cooking Waiting Stress), 배달 주문 부족에 따른 불안감(Insufficient Orders Anxiety), 배달 경로나 순서를 정할 때 정신적 피로나 불안감(Route Planning Stress)]에서 AI 배차 방식이 수동 배차 방식에 비해 통계적으로 유의하게 높은 것으로 나타났다.

3.3 Environmental workload

환경적 부하에 대한 AI 배차 방식과 수동 배차 방식 간 t-test 결과를 살펴보면(Table 8), 총 21개 환경적 부하 항목 중 8개 항목[주위 소음으로 인한 스트레스(Noise Stress), 교통 혼잡으로 인한 업무 어려움(Traffic Congestion), 야간 근무 시 시야 확보 어려움(Reduced Night Visibility), 공동 현관이나 건물 출입 어려움(Building Entry Issues), 불법 주 · 정차 단속 우려(Parking Enforcement Anxiety), 보행자나 차량과의 사고 위험(Accident Risk), 낯선 지역에서의 업무 어려움(Unfamiliar Roads), 오토바이 진입 제한 도로로 인한 업무 어려움(Motorcycle Access Restriction)]에서 AI 배차 방식이 수동 배차 방식에 비해 통계적으로 유의하게 높은 것으로 나타났다.

3.4 Inconvenience

불편도에 대한 AI 배차 방식과 수동 배차 방식 간 t-test 결과를 살펴보면(Table 9), 총 7개 불편도 항목 중 3개 항목[배차 수락/거절이 자유롭지 않음(Accept/Reject Choice), 문제 발생 시 고객센터나 매장과의 소통 어려움(Difficulty Contacting Support Center), 배달지 순서 변경 제한(Route Change Restriction)]에서 AI 배차 방식이 수동 배차 방식에 비해 통계적으로 유의하게 높은 것으로 나타났다.

3.5 Improvement needs

개선 필요성에 대한 AI 배차 방식과 수동 배차 방식 간 t-test 결과를 살펴보면(Table 10), 총 6개 개선 필요성 항목 중 2개 항목[갑작스러운 배차 취소나 배달 지연에 따른 페널티로 인한 스트레스(Stress from Penalties), 학교 등과 같은 특수 지역에 대한 할증 필요(Additional Surcharge Need)]에서 AI 배차 방식이 수동 배차 방식에 비해 통계적으로 유의하게 높은 것으로 나타났다.

3.6 Satisfaction

만족도에 대한 AI 배차 방식과 수동 배차 방식 간 t-test 결과를 살펴보면(Table 11), 총 6개 만족도 항목 중 3개 항목[주문을 여러 건 함께 배달하여 더 높은 수익 확보(Profit from Multiple Orders), 기상 할증과 같은 할증 수수료 만족(Additional Pay Satisfaction), 플랫폼의 전반적인 프로모션(명절 할증, 미션 등) 만족(Promotion Satisfaction)]에서 수동 배차 방식이 AI 배차 방식에 비해 통계적으로 유의하게 높은 것으로 나타났다.

배차 방식에 따라 배달 라이더가 경험하는 작업 부하 수준은 차이가 있는 것으로 나타났다. 구체적으로 AI 배차 방식은 수동 배차 방식에 비해 전반적으로 물리적 부하, 심리적 · 인지적 부하, 환경적 부하, 불편도, 개선 필요성의 일부 항목에서 통계적으로 유의하게 높은 것으로 나타났다(Tables 6-10). 첫째, 물리적 부하 측면에서 AI 배차를 이용하는 배달 라이더는 수동 배차를 이용하는 배달 라이더보다 업무 종료 후 신체적 피로(Post-Work Fatigue), 계단 · 언덕을 자주 오르내림(Stairs and Hills), 올리고 내리기 및 들기와 같은 반복적인 동작(Repetitive Motion), 배달 업무 중 휴식 부족(Lack of Rest)에서 통계적으로 유의하게 높게 나타났다(Table 6). 둘째, 심리적 · 인지적 부하 측면에서 조리 지연 스트레스(Cooking Waiting Stress), 배달 주문 부족에 따른 불안감(Insufficient Orders Anxiety), 배달 경로와 순서를 결정하는 과정에서의 정신적 피로나 불안감(Route Planning Stress) 또한 AI 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 7). 셋째, 환경적 부하 측면에서 주위 소음으로 인한 스트레스(Noise Stress), 교통 혼잡으로 인한 업무 어려움(Traffic Congestion), 야간 근무 시 시야 확보 어려움(Reduced Night Visibility), 보행자나 차량과의 사고 위험(Accident Risk)과 같은 환경 요인과 낯선 지역에서의 업무 어려움(Unfamiliar Roads), 오토바이 진입 제한 도로로 인한 업무 어려움(Motorcycle Access Restriction), 공동 현관이나 건물 출입 어려움(Building Entry Issues), 불법 주 · 정차 단속 우려(Parking Enforcement Anxiety)와 같은 업무 수행 제약 요인이 포함되며, 이러한 변수들은 모두 AI 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 8). 넷째, 불편도 측면에서는 배차 수락/거절이 자유롭지 않음(Accept/Reject Choice), 문제 발생 시 고객센터나 매장과의 소통 어려움(Difficulty Contacting Support Center), 배달지 순서 변경 제한(Route Change Restriction)에서 AI 배차 집단이 통계적으로 유의하게 높은 것으로 나타났다(Table 9).

반면, 만족도 측면에서는 수동 배차 방식이 AI 배차 방식에 비해 일부 항목에서 통계적으로 유의하게 높게 나타났다. 개선 필요성 측면에서는 갑작스러운 배차 취소나 배달 지연에 따른 페널티로 인한 스트레스(Stress from Penalties), 학교 등과 같은 특수 지역에 대한 할증 필요(Additional Surcharge Need)에서 AI 배차 집단이 통계적으로 유의하게 높은 것으로 나타났다(Table 10). 만족도 측면에서는 주문을 여러 건 함께 배달하여 더 높은 수익 확보(Profit from Multiple Orders), 기상 할증과 같은 할증 수수료 만족(Additional Pay Satisfaction), 플랫폼의 전반적인 프로모션(명절 할증, 미션 등) 만족(Promotion Satisfaction)에서 수동 배차 방식이 AI 배차 방식에 비해 통계적으로 유의하게 높은 것으로 나타났다(Table 11). 종합적으로 작업 부하(물리적 · 심리적 · 인지적 · 환경적 부하)와 개선 필요성에서는 AI 배차 집단이 수동 배차 집단에 비해 통계적으로 유의하게 높은 것으로 나타났으며, 만족도 측면에서는 수동 배차 집단이 AI 배차 집단에 비해 통계적으로 유의하게 높은 것으로 나타났다(Tables 6-11).

물리적 부하 중에서 업무 종료 후 신체적 피로(Post-Work Fatigue)와 배달 업무 중 휴식 부족(Lack of Rest)이 AI 배차 집단에서 높게 나타났다(Table 6). 선행 연구에서는 장시간 오토바이 운행과 배달 업무가 무릎, 손목, 허리 등 근골격계에 지속적인 부담을 증가시키는 주요 위험 요인으로 보고하였으며(Daud et al., 2025), 본 연구에서도 업무 종료 후 나타나는 신체적 피로와 휴식 부족은 이러한 업무 특성과 관련이 있을 가능성이 있다. 또한, 여름철의 극심한 더위가 배달 라이더의 신체적 피로를 증가시키는 것으로 보고하였으며(Jiang et al., 2024), 겨울철의 장시간 저온 노출은 헬멧과 보호장비 착용으로 인한 배달 라이더의 신체적 피로 증가와 관련이 있을 가능성이 있다. 한편, 배달 실적에 따라 소득이 결정되는 구조에서는 건당 수수료 중심의 보상 체계와 알고리즘 기반의 운영 방식이 배달 라이더의 휴식을 제한하고 시간 압박을 증가시키는 것으로 보고하였다(Park, 2021; Useche et al., 2025). 본 연구에서도 배달 라이더는 수입 감소를 우려해 업무를 중단하거나 충분한 휴식을 취하지 못하는 경향이 나타났으며 피크시간대의 지속적인 배차는 배달 라이더의 충분한 휴식 시간을 제한하여, 이러한 업무 특성도 휴식 부족과 관련이 있을 가능성이 있다.

계단 · 언덕을 자주 오르내림(Stairs and Hills)은 AI 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 6). 이는 AI 배차 알고리즘이 배달 지역의 지형적 특성이나 건물 유형을 배차 과정에 반영하지 않았을 가능성이 있다. AI 배차 시스템의 배달 수수료는 직선거리 요금을 기준으로 책정되는 경우가 많아, 경사가 심한 지형이나 계단 이동 시 발생하는 실제 작업 부하가 보상 체계에 충분히 반영되지 않았을 가능성이 있다. 이러한 보상 체계의 불일치는 배달 라이더의 신체적 부담을 증가시키고 피로가 누적될 가능성이 있다. 따라서 향후 알고리즘 설계 시 경사가 심한 지형이나 고층 건물에서 발생하는 신체적 부하를 반영할 수 있는 추가적인 보상 기준을 마련할 필요가 있다. 이와 함께 특정 배달 라이더에게 계단이나 경사가 높은 지역의 배달이 집중되는 현상을 완화하기 위해, 계단 및 언덕 구간의 배차 빈도를 분산하는 시스템 최적화를 검토할 필요가 있다.

올리고 내리기 및 들기와 같은 반복적인 동작(Repetitive Motion)은 AI 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 6). 이는 매장 도착, 픽업 처리, 주문 번호 입력, 배달 완료 사진 촬영 등 여러 단계의 작업을 업무용 앱에서 반복적으로 조작하는 것과 관련될 수 있다. 특히 다음 주문이 연속적으로 배정되는 경우, 배달 라이더는 앱 조작과 같은 반복적인 동작이 손목, 팔, 어깨 등의 신체적 부담을 높일 수 있다. 또한 여러 주문을 배달하는 다중 배차 환경에서는 화면을 확인하고 버튼을 누르는 반복적인 작업이 짧은 시간 동안 이루어져 신체적 부담이 더욱 커질 수 있다. 따라서 물리적 부하를 줄이기 위해서는 반복적으로 이루어지는 앱 조작을 줄일 필요가 있다. 예를 들어. 매장 도착이나 배달 완료와 같이 반복적으로 버튼을 조작하는 절차에서는 자동 처리 기능을 적용하고, 운행 중에는 음성 안내를 활용하여 화면을 직접 조작하는 횟수를 줄이는 방안이 필요하다. 이러한 개선안은 배달 라이더가 업무 중 반복적으로 수행해야 하는 손과 팔의 동작을 줄이고, 앱 사용으로 인한 반복적인 앱 조작으로 발생하는 신체적 부담을 완화하는 데 도움이 될 수 있다.

조리 지연 스트레스(Cooking Waiting Stress)는 AI 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 7). 음식이 조리 예정시간보다 늦게 준비될 경우 배달 라이더는 시간 손실과 배달 지연에 따른 수익 감소로 이어져 심리적인 압박을 받을 가능성이 있다. 플랫폼 배달 라이더를 대상으로 한 사전 연구(Suvarnapathaki et al., 2025)에서도 매장 대기시간과 지속적인 앱 상호작용을 명시적으로 드러나지 않은 '보이지 않는 노동(Invisible Labor)'으로 정의하였으며, 디지털 피로(Digital Discomfort)를 유발하며 직무 스트레스를 높인다고 분석하였다. 이러한 문제를 개선하기 위해서는 플랫폼 기업에서 조리 완료 예측 시스템의 정확성을 높이고, 음식 조리가 지연되는 경우 보상을 지급하는 보상 기준을 마련할 필요가 있다. 구체적으로는 첫째, 배달 라이더의 대기시간을 줄이기 위해 AI 배차 시스템의 예측 기능을 고도화해야 한다. 둘째, 음식 조리 완료 시점에 맞춰 배차가 진행되는 수동 배차 방식의 특징을 AI 배차 시스템에 반영하는 방안도 검토할 수 있다. 이는 배달 라이더의 불필요한 대기시간을 줄이고, 수익 감소와 심리적 스트레스를 완화하는데 기여할 수 있다.

배달 주문 부족에 따른 불안감(Insufficient Orders Anxiety)은 AI 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 7). AI 배차를 이용하는 한 배달 라이더는 대략 1주일에 한번씩 배차를 오랜 시간 동안 받지 못하는 '락(Lock)' 현상을 겪었으며, 음식 주문량이 늘어나는 피크시간(Peak Time)에도 배차를 받지 못하는 사례가 확인되었다. 이러한 AI 배차 시스템은 배달 라이더가 소득을 안정적으로 확보하는데 어려움을 줄 수 있다. 반면, 수동 배차의 경우 배달 주문이 목록에 제시되면 배달 라이더가 원하는 주문을 직접 선택하여 배달을 완료하더라도 최소한의 수입 확보가 가능하다는 점에서 차이가 있다.

이는 AI 배차 시스템의 불투명성과 예측 불가능성을 보여주는 사례이며, 배달 라이더의 소득 불안정과 심리적 부담을 높이는 요인으로 해석될 수 있다.

또한, 배달 경로와 순서를 정할 때 정신적 피로나 불안감(Route Planning Stress)도 AI 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 7). AI 배차의 경로 비효율성에 관한 의견이 있었으며, 간혹 비효율적인 경로로 배차되어 해당 경로가 배달 업무에 적절한지 판단해야 하는 어려움을 겪은 사례가 있었다. 또한 배달지 순서를 직접 변경할 수 있었다면 더 빠르게 배달할 수 있었으며, 불필요한 우회도 줄일 수 있었을 것이라는 의견도 있었다. 이는 배달지 순서 변경의 제약이 업무 효율성을 저하할 수 있음을 시사한다. 이와 같은 제약은 배달 라이더가 배달 경로와 순서의 적절성을 지속적으로 판단하게 하여 심리적 부하를 증가시키고, 업무 효율성 저하로 이어질 가능성이 있다. 따라서, 배달 업무 효율성을 높이기 위해서는 배달 라이더가 상황에 따라 배달지 순서를 직접 변경할 수 있는 기능을 도입할 필요가 있다.

추가로, 자유 응답식 문항에서는 정량적 분석에서 확인되지 않은 현장 중심의 작업 부담 요인이 확인되었다. 총 3명의 참여자가 오토바이 수리비와 식비 등 지속적으로 발생하는 고정 지출에 비해 낮게 책정된 배달 수수료를 핵심적인 경제적 압박 요인이라는 의견을 제시하였다. 또한, 총 2명의 참여자가 AI 배차 시스템에서 제공되는 미션 제도에 대한 심리적 부담을 언급하였다. 미션 제도는 전체 배달 라이더에게 공평한 참여 기회가 없으며, 불투명한 기준에 따라 특정 대상에게만 미션을 배정하는 미션을 무조건 달성해야 한다는 심리적 압박을 느낀다는 의견을 제시하였다. 특히 미션을 받았거나 미션 실패 직후 배차를 받지 못한 경험을 언급하였으며 이러한 운영 방식은 배달 라이더의 심리적 부하와 직무 스트레스를 증가시킬 가능성이 있다. 미션을 받더라도 제한된 시간 내에 배달을 완료해야 한다는 시간 압박으로 인해 무리한 운행을 하게 되며, 이는 교통사고 위험에 노출될 가능성이 높아진다. 또한, 조리 지연이나 도로 정체와 같은 예측하기 어려운 요인으로 인해 배달 라이더가 미션에 실패하는 경우에도 이후 배차 기회까지 영향을 받을 수 있다는 의견이 확인되었다. 이러한 AI 배차의 운영 구조는 배달 라이더의 심리적 부하를 유발하며 직무 불안정을 높이는 가능성이 있음을 보여준다. 이러한 점을 개선하기 위해서는 조리 대기시간이나 도로 상황 등 배달 라이더가 통제하기 어려운 요인을 실시간으로 반영하여 미션 달성 기준을 유연하게 조정하는 알고리즘 최적화를 검토할 필요가 있다.

환경적 부하 측면에서 주위 소음으로 인한 스트레스(Noise Stress), 교통 혼잡으로 인한 업무 어려움(Traffic Congestion), 야간 근무 시 시야 확보 어려움(Reduced Night Visibility), 보행자나 차량과의 사고 위험(Accident Risk)과 같은 환경 요인도 AI 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 8). 이는 AI 기반 배차 시스템이 배달 경로를 자동으로 배정하는 구조이기 때문에 배달 라이더가 교통 혼잡 지역이나 야간에 시야 확보가 어려운 지역을 상황에 따라 회피하기 어려운 업무 특성과 관련이 있을 수 있다. 수동 배차의 경우에는 배달 라이더가 주문을 선택하는 과정에서 익숙한 지역이나 상대적으로 안전한 구역을 선택할 수 있지만, AI 배차는 AI가 지정한 주문과 경로를 중심으로 배달을 수행하는 구조이므로, 외부 환경에 대한 노출이 증가할 가능성이 있다. 이러한 구조는 교통 혼잡과 소음, 야간 시야 제한 등으로 인한 피로와 정신적 부담을 증가시키고, 교통사고 위험을 높이는 요인과 관련이 있을 수 있다. 따라서 AI 기반 배차 시스템에서는 실시간 교통 상황, 도로 위험도, 야간 운행 환경 등을 고려한 안전 중심의 배차 알고리즘을 적용하는 방안을 고려할 필요가 있으며, 야간이나 악천후 환경에서 수행되는 배달 업무에 대해서는 위험도에 비례한 추가 보상 기준을 마련하는 방안을 검토할 필요가 있다.

낯선 지역에서의 업무 어려움(Unfamiliar Roads), 오토바이 진입 제한 도로로 인한 업무 어려움(Motorcycle Access Restriction), 공동 현관이나 건물 출입 어려움(Building Entry Issues), 불법 주 · 정차 단속 우려(Parking Enforcement Anxiety)와 같은 업무 수행 제약 요인도 AI 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 8). 이러한 제약 요소들은 배달 라이더가 업무 과정에서 불필요한 시간 지연이 발생하며, 직무 스트레스와 사고 위험을 높이는 요인으로 작용할 수 있다. 주 · 정차 공간 부족은 사고 위험과 밀접하게 연관되어 갓길 주차나 불안정한 정차 과정에서 교통사고 발생 가능성을 높일 가능성이 있다. 더불어 익숙하지 않은 경로와 오토바이 진입 제한 도로와 같은 물리적 제약도 업무 수행의 어려움을 가중시키는 요인으로 나타났다. AI 배차 시스템은 자동으로 동선을 고려하여 배달지와 순서를 지정해 주기 때문에 배달 라이더가 선호하는 지역을 반영하기 어려울 수 있다는 한계가 있다. 이에 따라 일방통행, 진입 금지, 이륜차 통행금지 구간이 포함된 경로가 배정될 경우 추가적인 우회가 필요하며, 이는 곧 배달 과정에서의 시간 압박을 가중시키는 원인이 될 수 있다. 반면 수동 배차 방식은 배달 라이더가 익숙한 지역 위주로 운행할 수 있어, 이러한 환경적 위험 요소로부터 상대적으로 유연하게 대응할 수 있다. 종합적으로 볼 때, 배달 라이더가 겪는 환경적 부하는 단순히 통제 불가능한 기상 조건이나 외부 조건의 문제 보다는 배달 라이더가 배차 과정에서 업무 환경과 경로를 스스로 선택하고 조정할 수 있는 자율성과 관련된 문제로 해석할 필요가 있다.

추가로, 자유 응답식 문항에서는 정량적 분석에서 확인되지 않은 현장 중심의 부담 요인이 확인되었다. 실제 사례를 살펴보면, AI 배차를 이용하는 한 배달 라이더는 포트홀과 같은 파손된 도로의 신속한 복구 필요성을 언급하였으며, 수동 배차를 이용하는 한 배달 라이더는 자동차의 갑작스러운 차선 변경 상황에서 반사적으로 회피하는 과정에서 균형을 잃기 쉬워 교통사고 위험이 크다고 응답하였다. 이러한 사례는 배달 라이더의 작업 부하가 플랫폼 시스템과 도로 환경, 교통 상황 등 다양한 외부 요인의 영향을 크게 받는다는 점을 보여준다. 특히 포트홀, 비포장도로, 급격한 차선 변경과 같은 위험 요인은 배달 라이더의 주행 안정성을 저하시켜 교통사고 위험을 높이고, 신체적 · 심리적 부담을 증가시키는 요인으로 작용할 수 있다. 따라서 배달 라이더의 안전성을 향상시키기 위해서는 플랫폼 차원의 개선 외에도 도로 유지 · 보수의 신속한 시행, 이륜차를 고려한 교통안전 정책, 운전자 대상 안전교육 강화 등 종합적인 안전관리 방안을 마련할 필요가 있다.

불편도 측면에서는 배차 수락/거절이 자유롭지 않음(Accept/Reject Choice), 배달지 순서 변경 제한(Route Change Restriction)과 같은 업무 자율성 부족이나 시스템 제약을 나타내는 항목에서 AI 배차 집단이 수동 배차 집단보다 통계적으로 유의하게 높은 것으로 나타났다(Table 9). AI 배차를 이용하는 한 배달 라이더는 배차가 들어왔을 때 비선호 지역 · 주문(Undesirable Areas, Undesirable Orders)의 배차 반복적으로 거절할 때 '락(Lock)'이 발생하며, 이에 따른 경고 조치와 일정 시간 동안 배차가 거의 이루어지지 않는 현상을 경험했다는 사례를 제시하였다. 이는 AI 배차를 이용하는 배달 라이더의 자율성이 상대적으로 제한될 수 있음을 보여주며 이와 같은 제재 중심의 운영 방식은 페널티에 대한 부담과 스트레스를 유발하는 요인으로 작용할 가능성이 있다. 문제 발생 시 고객센터나 매장과의 소통 어려움(Difficulty Contacting Support Center)에서도 AI 배차 집단이 통계적으로 유의하게 높게 나타났다(Table 9). AI 배차의 채팅 상담 기능이 익숙하지 않으며, 고객센터의 전화 연결이 원활하지 않고 채팅 기반 문의가 권장되는 운영 방식에 대해 일부 고연령 배달 라이더는 어려움을 느낀다는 의견을 제시하였다. 이러한 운영 방식은 배달 라이더의 심리적 부하를 증가시키고 업무 효율성을 저하할 수 있으므로, 일정 수준의 전화 상담을 병행할 수 있도록 개선할 필요가 있다.

개선 필요성 측면에서는 갑작스러운 배달 취소나 배달 지연에 따른 페널티로 인한 스트레스(Stress from Penalties)는 플랫폼 운영 관련 요인에서 AI 배차 집단이 수동 배차 집단보다 통계적으로 유의하게 높은 것으로 나타났다(Table 10). 이러한 자율성 제한은 앞서 제시한 업무 수행 제약과 연관되어 있으며, 실제 배달 과정에서 시간 지연과 작업 스트레스를 유발하는 요인으로 나타났다. AI 배차를 이용하는 배달 라이더가 다중 배차를 수락 후 음식을 픽업하기 전 배차 받은 배달 가운데 일부가 취소될 경우 취소된 배차 건에 대해서 배달 수수료를 지급받지 못하는 사례가 있었다. 또한, AI 배차는 직선거리를 기준으로 배달 수수료가 책정되며 중복되는 이동 거리에 대해서는 배달 수수료가 산정되지 않은 구조인 것으로 확인되었다. 이에 따라 다중 배차 중 일부 배달이 취소될 경우 상대적으로 더 낮은 배달 수수료를 지급받은 상황에서 배달을 진행할 수 있다. 남은 배달을 배달 라이더가 임의로 취소할 경우에는 장시간 동안 배차를 받지 못한 사례도 확인되었다. 즉, 이러한 사례를 고려할 때 배달 라이더의 선택권과 자율성을 보다 충분히 보장할 필요가 있으며, 이를 위해 배달 라이더의 선호 지역을 고려한 배차를 적용하고, 배차 취소에 따른 제재 기준을 조정할 필요가 있음을 시사한다.

만족도 측면에서는 기상 할증과 같은 할증 수수료 만족(Additional Pay Satisfaction), 플랫폼의 전반적인 프로모션(명절 할증, 미션 등) 만족(Promotion Satisfaction)은 수동 배차 집단에서 통계적으로 유의하게 높게 나타났다(Table 10). AI 배차의 경우 최근 기상 할증 수수료가 1,000원에서 500원으로 감소하였으며, 미션이 불규칙적으로 부여되는 구조가 확인되었다. 미션이 제공될 때 픽업 장소까지의 이동 거리가 과도하게 먼 경우도 있었으며, 해당 이동 구간에 대해서는 별도의 보상이 제공되지 않는다는 의견도 제기되었다. 특히 비나 눈과 같은 기상 악화 상황에서는 "사고 위험은 2배 증가하나, 수익은 절반 수준으로 감소한다."는 의견이 제시되었다. 또한, 사고 위험이 증가하는 상황에서도 이에 상응하는 보상이 충분하지 않으며, 일부 배달 라이더에게는 전혀 할증이 지급되지 않는 사례도 있었다. 이는 추가 보상 체계가 배달 라이더가 체감할 수 있는 실질적인 수익으로 연결되지 않을 수 있음을 보여주며, 배달 라이더의 보상 기준에 대한 투명성을 높이고, 배차 시스템의 일관성을 확보하는 동시에 위험 수준을 반영한 합리적인 위험수당 체계의 마련이 필요하다.

앞서 살펴본 결과를 종합하면, 배달 라이더의 작업 부하는 특정 요인이나 개별 업무 단계에서 독립적으로 발생하기보다는 배차부터 배달 완료까지의 업무 수행 과정에서 물리적 · 심리적 · 환경적 요인이 복합적으로 작용하여 나타나는 것으로 볼 수 있다. AI 배차는 배차 수락/거절의 자율성이 제한되고, 배정된 주문을 수행하는 과정에서 시간적 부담과 반복적인 업무 수행이 발생하며, 이와 동시에 교통 혼잡이나 계단 · 언덕과 같은 외부 환경에 노출될 가능성이 높아질 수 있다. 이러한 요인들은 각각 독립적인 부담으로 작용하기보다는 서로 연계되어 물리적 부하, 심리적 부하 및 환경적 부하를 복합적으로 경험하는 작업환경을 형성할 가능성이 있다. 또한, AI 배차를 이용하는 배달 라이더는 수동 배차를 이용하는 라이더보다 전반적으로 높은 작업 부하를 경험하였으며, 만족도 역시 상대적으로 낮게 나타났다. 이는 배달 라이더의 작업 부하를 단일 요인의 문제로 접근하기보다는 배차 방식, 업무 수행 과정, 외부 작업환경 및 보상 체계가 서로 연결된 하나의 작업 시스템으로 이해할 필요가 있음을 시사한다. 이러한 결과를 바탕으로 본 연구는 배달 라이더의 작업 부하를 완화하고 업무 환경을 개선하기 위한 몇 가지 시사점을 제시하고자 한다. 첫째, AI 배차 시스템은 배달 효율성만을 고려하기 보다는 배달 라이더의 업무 자율성과 시간적 부담을 함께 고려하는 방향으로 개선될 필요가 있다. 둘째, 배차, 픽업, 주행 및 배달 완료 등 업무 단계별 특성을 고려하여 각 단계에서 요구되는 정보와 기능을 적절하게 제공하고 불필요한 앱 조작과 판단 부담을 줄일 수 있도록 업무 수행용 앱을 개선할 필요가 있다. 셋째, AI 배차 환경에서 확인된 조리 지연에 대한 보상 부족이나 다중 배차 과정에서 주문 취소 시 배달 수수료가 감소하는 문제 등을 고려하여, 단순한 이동 거리나 배달 물량을 중심으로 산정되는 보상 기준을 개선하고 대기시간과 추가적인 작업 부하를 반영할 수 있는 보상 체계를 마련할 필요가 있다. 마지막으로, AI 배차 알고리즘의 기술적 효율성만을 고려하기보다는 배차 알고리즘, 업무 수행용 앱, 보상 체계 및 안전관리 요소를 개별적으로 개선하는 데 그치지 않고 종합적으로 연계하여 설계하는 플랫폼 운영 방식이 필요하다. 이러한 통합적 접근은 배달 라이더의 작업 부하를 완화하고 업무 만족도를 향상시키는 동시에 플랫폼의 운영 효율성과 지속 가능성을 높이기 위한 기초자료로 활용될 수 있을 것으로 판단된다.

본 연구는 다음과 같은 한계점을 내포한다. 첫째, 본 연구는 대구 지역의 배달 라이더를 대상으로 수행되었기 때문에 연구 결과를 전체 플랫폼 배달 라이더에게 일반화하는 데에는 한계가 있다. 따라서 향후 연구에는 다양한 지역과 배달 환경을 고려한 표본을 확보하여 연구 결과의 일반화 가능성을 높일 필요가 있다. 둘째, 일부 배달 라이더가 복수의 배차 방식을 병행하고 있었다는 점에서 배차 방식의 영향을 독립적으로 분석하는 데 한계가 있다. 실제로 AI 배차 집단에서는 8명이 수동 배차를 함께 이용하였으며, 수동 배차 집단에서는 6명이 AI 배차를 병행한 것으로 나타났다. 따라서 향후 연구에서는 단일 배차 방식만을 이용하는 배달 라이더를 대상으로 조사하여 배차 방식에 따른 차이를 보다 명확하게 검증할 필요가 있다. 마지막으로, 플랫폼 배차 알고리즘의 세부적인 작동 방식에 대한 접근이 제한되어 있어 AI 배차와 수동 배차의 구조적 특성을 충분히 반영하지 못했다는 한계가 있다. 따라서 향후 연구에서는 플랫폼별 배차 알고리즘의 특성과 배차 과정에서 발생하는 작업 특성을 함께 고려하여 배차 방식이 배달 라이더의 작업 부하에 미치는 영향을 보다 심층적으로 분석할 필요가 있다.

본 연구는 배달 라이더의 물리적, 심리적 · 인지적, 환경적 부하를 배차 방식에 따라 비교 · 분석하였다. 배달 라이더는 다양한 유형의 작업 부하를 경험하는 것으로 나타났으며, 배차 방식에 따라 작업 부하와 만족도에 대해 통계적으로 유의한 차이가 나타났다. AI 배차를 사용하는 배달 라이더는 배차 수락/거절의 자율성이 제한되고, 배정된 주문을 수행하는 과정에서 시간적 부담과 반복적인 업무 수행이 발생하며, 이와 동시에 교통 혼잡이나 계단 · 언덕과 같은 외부 환경에 노출될 가능성이 높아질 수 있다. 또한, AI 배차를 이용하는 배달 라이더는 수동 배차를 이용하는 라이더보다 전반적으로 높은 작업 부하를 경험하였으며, 만족도 역시 상대적으로 낮게 나타났다. 즉, AI 배차 알고리즘이 플랫폼의 운영 효율성을 높이는 장점이 있으나, 배달 라이더의 작업 특성과 업무 부담을 충분히 반영하지 못한 한계가 있음을 보여준다. 따라서 배달 라이더의 업무 자율성과 공정한 보상 체계를 함께 고려할 수 있도록 AI 배차 시스템을 개선할 필요가 있다. 또한 배달 라이더의 작업 부하를 단일 요인의 문제로 접근하기보다는 배차 방식, 업무 수행 과정, 외부 작업환경 및 보상 체계가 서로 연결된 하나의 작업 시스템으로 이해할 필요가 있다.