티스토리 뷰
커피를 볶던 시절이 있었습니다. 배전도(로스팅 포인트)의 미세한 차이를 콩 색깔과 향으로 잡아내는 그 감각은 '절대로 기계가 따라 할 수 없다'는 자부심의 근거였습니다. 그런데 최근 피지컬 AI(Physical AI) 분야의 흐름을 깊이 들여다보다가 등골이 서늘해졌습니다. 그 손끝 감각, 그 시선 이동, 그 미세한 압력 조절이 이제 데이터로 수집되고 있기 때문입니다.
1. 몸으로 익힌 기술, 암묵지라 불리는 이유
철학에서는 말이나 글로 설명할 수 없는 종류의 지식을 암묵지(Tacit Knowledge)라고 부릅니다. 여기서 암묵지란 단순히 '비밀스러운 노하우'가 아니라, 언어로 분절하는 순간 본질이 사라지는 체화된 지식을 의미합니다. 자전거 균형 잡는 법을 말로 설명할 수 있는 사람이 없는 것처럼, 숙련 노동자의 손맛은 매뉴얼로 옮기는 순간 이미 반쪽이 됩니다.
제가 직접 커피 로스팅 작업을 할 때도 그 느낌을 정확히 경험했습니다. 어느 순간에 불을 줄이는지를 동료에게 설명하려 했더니 "그냥 알아"라는 말 외에 달리 표현이 없었습니다. 이게 바로 암묵지의 실체입니다. 조선소 용접 고숙련공이 곡면에 용접선을 긋는 동작, 양파를 리드미컬하게 써는 요리사의 손목 각도, 이 모든 것이 같은 범주에 속합니다.
지금까지 AI가 잘 대체해 온 영역은 아이러니하게도 우리가 '고급 지식노동'이라고 여겼던 분야입니다. 텍스트 분석, 코드 작성, 법률 문서 검토 같은 작업들이 LLM(대규모 언어 모델)에 의해 빠르게 자동화되고 있습니다. 반면 청소, 설거지, 용접처럼 몸을 쓰는 작업은 피지컬 AI 구현의 가장 단단한 병목으로 남아 있습니다. 우리가 값어치를 낮게 매겼던 바로 그 노동이, 사실은 가장 복잡한 지식의 집합이었던 셈입니다.
- 언어로 설명 가능한 지식: LLM이 이미 인간 수준 이상으로 처리
- 물리적·감각적 동작 지식(암묵지): 피지컬 AI의 핵심 난관
- 고숙련 동작일수록 데이터화 비용과 시간이 기하급수적으로 증가
📌 암묵지와 피지컬 AI 핵심 요약
- 체화된 지식: 암묵지는 언어로 설명 불가능한 손끝 감각과 몸짓 노하우
- 대체의 역설: 단순 노무로 여겨지던 육체노동이 실제로는 가장 복잡한 지식 집합체
- 개발 병목: 감각적 동작 지식을 수치화하는 것이 피지컬 AI 분야의 최대 난관
2. 모션데이터 전쟁, 숙련공의 딜레마
미국, 중국, 인도를 포함한 주요국들이 지금 모션데이터(Motion Data) 확보에 사활을 걸고 있습니다. 여기서 모션데이터란? 인간의 신체 동작을 센서와 카메라로 측정해 수치화한 데이터를 의미합니다. 현장 노동자에게 센서가 부착된 조끼를 입히고, 머리에 카메라를 달아 근육의 움직임, 혈압 변화, 심박수까지 기록하는 방식입니다. 중국은 아예 전용 스튜디오를 만들어 노동자들을 모아 특정 동작을 반복시키고 있습니다(출처: 정보통신기획평가원(IITP)).
매장 자동화 시스템을 구축하는 과정을 옆에서 지켜본 적이 있는데, 인간의 판단 노하우가 데이터 패턴으로 전환되는 속도가 생각보다 훨씬 빠릅니다. 처음에는 '이 미세한 판단을 어떻게 학습시켜'라고 생각했지만, 충분한 데이터가 쌓이는 순간 알고리즘은 그 패턴을 꽤 정확하게 재현해냈습니다. 솔직히 이건 예상 밖이었습니다.
문제는 여기서 시작됩니다. 이 작업에는 숙련 노동자의 자발적 협조가 절대적으로 필요합니다. 표준적인 동작 하나를 추출하는 데도 수천 건의 반복 데이터가 요구되기 때문에, 뛰어난 숙련공이 정제된 동작으로 협조할수록 데이터 품질과 수집 효율이 확연히 달라집니다. 그런데 노동자 입장에서 생각해보면 이건 잔인한 딜레마입니다. 평생에 걸쳐 몸으로 쌓은 기술을 넘겨주는 순간, 자신의 대체 불가능성이 사라집니다. 20세기 초 테일러리즘(Taylorism) 시대에도 스톱워치를 든 공정 감시원이 나타나면 노동자들이 일부러 동작을 엉망으로 하고 느리게 했다는 기록이 있습니다. 지금의 모션데이터 수집 상황은 그때보다 협조할 유인이 훨씬 더 없습니다.
📌 모션데이터 수집과 딜레마 핵심 요약
- 신체 수치화: 근육 움직임·시선·압력까지 데이터로 기록하는 국가적 패권 경쟁
- 빠른 학습 속도: 인간의 직관적 노하우가 데이터 패턴으로 흡수되는 시점 가속화
- 구조적 딜레마: 자신의 대체제를 만들기 위해 노하우를 제공해야 하는 잔혹한 현실
3. 사회적합의 없이 기술전환은 없다
이 교착 상태를 국가가 군사작전식으로 밀어붙이면 해결될까요? 제 경험상 이건 좀 다릅니다. 단기 영역에서 속도를 내는 데는 유효하지만, 사람이 자발적으로 움직여야 하는 영역에서는 반드시 균열이 생깁니다. 사회는 시멘트가 아니기 때문입니다.
현실적으로 가장 효율적인 경로는 데이터 커먼스(Data Commons) 모델입니다. 여기서 데이터 커먼스란? 특정 기업이나 개인이 독점하지 않고, 해당 데이터를 생산한 집단이 공동으로 소유하고 관리하는 방식을 의미합니다. 숙련 노동자의 모션데이터를 일회성으로 매각하는 구조가 아니라, 그 데이터가 활용될 때마다 노동자 집단에 데이터 로열티가 지속적으로 흘러가도록 설계하는 것입니다. 유럽의 GAIA-X 프로젝트나 한국 산업부가 검토 중인 산업 데이터 공유 체계가 이 방향과 맞닿아 있습니다(출처: 산업통상자원부).
보스턴 다이나믹스를 보유한 현대자동차그룹이 이 문제의 최전선에 서 있다는 점은 상징적입니다. 세계 최고 수준의 제조업 숙련도를 보유한 한국 노동자들의 모션데이터를 어떻게 피지컬 로봇에 이식하느냐는, 단순한 노사 문제가 아니라 한국 제조업의 미래 경쟁력과 직결됩니다. 전기차 전환이 늦어진 사이 BYD가 유럽 시장을 점령한 사례처럼, 사회적합의가 늦어지면 결국 로봇 기술 시장도 같은 방식으로 잠식당할 수 있습니다.
제가 이 문제를 비판적으로 보는 지점은 하나입니다. 기술 자산화의 불공정성입니다. 숙련 노동자의 수십 년 노하우가 거대 자본에 의해 단 몇 푼의 데이터 수집 비용으로 정제되어 귀속되는 구조가 지금 아무런 제동 없이 진행되고 있습니다. 데이터를 제공한 노동자가 데이터화가 완료되는 순간 소모품으로 전락하는 이 흐름에 대한 윤리적 가이드라인과 데이터 소유권 논의가 기술 발전 속도만큼 빠르게 이루어져야 합니다.
📌 데이터 커먼스와 사회적 합의 핵심 요약
- 데이터 커먼스: 노동자의 모션데이터 사용 시 지속적 로열티를 지급하는 공동 소유 체계
- 제조업의 사활: 숙련공 기술의 로봇 이식 속도와 사회적 합의가 국가 경쟁력 좌우
- 불공정성 비판: 인간 기술의 단기적 수탈을 막을 윤리적 가이드라인 절실
4. 자주 묻는 질문
Q. 피지컬 AI가 뭔가요? LLM이랑 뭐가 다른 건가요?
A. LLM(대규모 언어 모델)이 텍스트와 숫자, 즉 기호와 언어의 세계를 학습한다면, 피지컬 AI는 물리적 세계에서 실제로 동작하는 로봇 AI를 의미합니다. 물체를 집고, 용접하고, 요리하는 동작처럼 몸을 움직이는 영역이 대상입니다. 언어 이해는 이미 상당한 수준에 올랐지만, 물리 동작의 자동화는 아직 훨씬 어려운 단계로 평가됩니다.
Q. 모션데이터를 수집하면 노동자는 어떤 불이익을 받나요?
A. 핵심 불이익은 대체 가능성입니다. 본인이 평생 축적한 숙련 동작이 데이터로 흡수되고 나면, 그 동작을 재현하는 로봇이 훨씬 낮은 비용으로 운용될 수 있습니다. 현재로서는 데이터를 제공한 노동자에게 장기적 보상이 돌아가는 법적·제도적 장치가 사실상 전무한 상태입니다.
Q. 데이터 커먼스가 실제로 실현 가능한 방식인가요?
A. 이론적으로는 가장 합리적인 모델입니다. 노동조합, 기업, 국가가 3자 협약을 맺어 모션데이터의 소유권과 활용 수익을 공동 관리하는 방식입니다. 다만 전인미답의 경제 구조인 만큼 구체적 설계는 아직 시험 단계에 있습니다. 합의 도출이 빠를수록 한국 제조업의 경쟁력 유지에 유리합니다.
Q. 한국은 이 분야에서 다른 나라보다 뒤처져 있나요?
A. 모션데이터 수집 인프라와 제도화 속도 면에서 중국에 비해 늦은 것은 사실입니다. 중국은 이미 전용 동작 수집 스튜디오를 대규모로 운영 중입니다. 그러나 한국은 현대자동차그룹-보스턴 다이나믹스 조합이라는 강점이 있고, 제조업 숙련 노동자의 기술 수준도 높습니다. 사회적 합의를 얼마나 빠르게 이루어내느냐가 격차를 결정할 것으로 보입니다.
5. 결론
커피를 볶으며 쌓은 감각, 차트를 보며 내리던 직관적 판단, 이것들이 데이터로 전환될 수 있다는 사실을 처음 직시했을 때의 불편함은 지금도 생생합니다. 하지만 그 불편함을 외면하는 것이 답이 아니라는 것도 압니다.
피지컬 AI 시대에 숙련 노동자가 마주한 딜레마는 기술의 문제가 아닙니다. 누가 그 기술의 열매를 소유하고, 어떻게 분배할 것인가의 문제입니다. 데이터 소유권에 대한 사회적합의가 기술 발전 속도를 따라가지 못하면, 가장 정교한 인간의 기술이 가장 저렴하게 수탈되는 역설이 현실이 됩니다. 지금 당장 관심을 가져야 할 것은 로봇의 성능이 아니라, 그 로봇에 기술을 넘겨주는 사람들의 권리입니다.
참고: 유튜브 채널 <증시각도기TV> - AI가 못 뺏을 줄 알았던 일자리 로봇 시대, 숙련 노동자가 마주한 잔인한 딜레마 | 투자Insight (홍기빈 소장 #1)