티스토리 뷰
국내 조선소 용접공의 평균 연령이 50세를 넘어섰습니다. 숙련공 한 명을 키워내는 데 최소 5년에서 10년이 걸리는데, 그 자리를 채울 청년은 오지 않고 외국인 노동자는 비자 기한이 끝나면 떠납니다. 저는 현장에서 로스팅 장비와 상업용 자동화 기기를 직접 다뤄본 사람으로서 이 수치를 처음 접했을 때 솔직히 "이미 늦은 거 아닌가" 싶었습니다. 그 위기감이 지금 피지컬 AI(Physical AI) 논의를 밀어붙이는 진짜 연료입니다.
인력난이 만들어낸 필연, 피지컬 AI의 등장
대한민국 기업의 99.9%는 중소기업이고, 그 가운데 약 10%가 제조업에 속합니다(출처: 중소벤처기업부). 이 수많은 중소 제조업체들이 공통적으로 호소하는 페인 포인트(Pain Point), 즉 가장 뼈아픈 문제가 바로 인력 부족입니다. 단순히 사람이 없다는 게 아닙니다. 수십 년에 걸쳐 몸으로 익힌 기술이 은퇴와 함께 사라지는, 이른바 숙련 기술의 단절이 동시에 일어나고 있다는 게 더 치명적입니다.
여기서 피지컬 AI(Physical AI)라는 개념이 등장합니다. 피지컬 AI란? 화면 안에만 존재하는 소프트웨어 AI가 아니라, 인간과 유사한 신체 구조를 가진 휴머노이드(Humanoid) 하드웨어에 AI를 결합해 실제 물리적 환경에서 노동을 수행하는 기술을 말합니다. 쉽게 말해 '몸을 가진 AI'입니다. 기존의 산업용 로봇팔이나 서빙 로봇처럼 특정 단일 작업만 하는 것이 아니라, 사람이 쓰는 도구를 그대로 활용해 용접·패키징·요리 같은 복합 작업을 한 대로 처리할 수 있다는 점이 핵심 강점입니다.
제가 직접 다뤄본 상업용 장비 현장에서도 비슷한 문제를 수없이 목격했습니다. 지방 공장이나 고속도로 휴게소처럼 직주근접성(직장과 주거지의 거리적 접근성)이 낮은 곳, 즉 출퇴근 자체가 어려운 환경에서는 아무리 임금을 올려도 인력이 버티지 못합니다. 교육시키면 나가고, 또 교육시키면 또 나가는 악순환이죠. 그 빈자리를 외국인 노동자로 메우지만, 비자 기한 3~5년이 지나면 다시 원점으로 돌아갑니다. 고급 기술을 전수하기에는 턱없이 짧은 시간입니다.
안묵지(暗默知, Tacit Knowledge)라는 개념이 바로 이 맥락에서 나옵니다. 안묵지란 문서로 기록하거나 말로 설명하기 어려운, 경험을 통해서만 체득할 수 있는 암묵적 지식을 뜻합니다. 용접공이 폭염 속에서 일정한 힘과 속도로 그어야 예쁜 용접선이 나온다는 사실은 매뉴얼에 적을 수 없습니다. 그 '손의 감각'이 바로 안묵지입니다. 피지컬 AI가 주목받는 이유는 숙련공의 동작 데이터를 수집·학습해 이 안묵지를 디지털 형태로 보존하고 로봇에 이식할 수 있기 때문입니다. 기술의 맥이 끊기기 전에 담아두는 방식인 셈입니다.
📌 피지컬 AI 도입 배경 요약
- 노동 가능 인구 감소: 생산가능인구가 줄어들수록 산업 현장의 로봇 도입 압력이 급격히 높아집니다.
- 높은 인건비 및 구인난: 인건비 상승과 더불어 지방/제조업 기피 현상으로 인한 자동화 유인이 커집니다.
- 제조업 기반 생태계: 한국은 로봇을 직접 제조하고 실증·판매할 수 있는 최적의 산업 생태계를 갖추고 있습니다.
- 결론: 숙련공의 고령화와 안묵지 단절이라는 이중 위기가 피지컬 AI 도입을 선택이 아닌 필연으로 만들고 있습니다.
현장 경험으로 본 도입 한계와 진짜 넘어야 할 벽
에이로봇은 2028년 휴머노이드 상용화를 목표로 이미 공장 착공을 준비하고 있습니다. 산업통상자원부도 M·AX(Manufacturing AI Transformation, 제조업 AI 전환)를 국가 전략으로 추진 중입니다(출처: 산업통상자원부). 글로벌 탑 3 진입이라는 목표는 허풍이 아닐 수 있습니다. 하지만 저는 이 낙관론에 선뜻 고개를 끄덕이기 전에, 현장에서 직접 몸으로 부딪혀본 경험을 먼저 꺼내놓고 싶습니다.
제가 직접 써봤는데, 자동화 장비는 완벽하게 세팅해 놓아도 그날의 기온, 습도, 원재료 상태, 기계의 미세한 진동 하나에 결과물이 전혀 다르게 나옵니다. 이상 소음 하나를 잡아내는 건 매뉴얼이 아니라 수년간 그 기계 곁에 있었던 엔지니어의 감각입니다. 휴머노이드가 이 수준의 감각을 재현하려면 단순히 AI 알고리즘의 문제가 아니라 액추에이터(Actuator, 로봇의 관절 운동을 만들어내는 구동 장치)와 센서의 내구성이 먼저 검증되어야 합니다. 먼지, 유분, 고온, 진동이 뒤섞인 공장 환경에서 수만 번의 반복 작업을 오차 없이 견뎌야 한다는 뜻입니다.
ROI(Return on Investment, 투자 대비 회수율)의 문제도 현실적입니다. 중소기업 입장에서는 고가의 휴머노이드를 구입하고 정기 유지보수 비용까지 감당하는 것보다, 지금 당장 인건비를 주고 사람을 돌리는 게 단기적으로는 더 명확해 보입니다. ROI란 투자한 비용 대비 얼마나 이익이 돌아오는지를 수치화한 지표인데, 이 수치가 명확하게 증명되지 않으면 중소기업의 문턱은 쉽게 낮아지지 않습니다. 저는 이 부분이 2028년 상용화 목표에서 가장 큰 변수라고 봅니다.
데이터 보안 문제도 빼놓을 수 없습니다. 대형 조선소들이 수십 년간 축적한 용접 노하우 데이터가 경쟁사나 해외로 유출된다면 그것은 단순한 정보 유출이 아니라 국가 산업 경쟁력의 핵심을 넘기는 일입니다. 이에 대한 솔루션으로 제시되는 것이 온프레미스(On-Premise) 방식입니다. 온프레미스란? 기업이 자체 서버에 데이터를 저장하고, 외부 업체는 해당 서버에 접근 권한만 부여받아 작업한 뒤 완성된 동작 모델만 남기고 나오는 방식을 말합니다. 데이터 소유권은 기업이 갖고, 로봇 제조사는 모델 개발 노하우만 축적하는 구조입니다. 이론적으로는 합리적인 접근이지만, 실제 보안 프레임워크가 표준화되기 전까지는 대기업과 중견기업의 참여가 소극적일 가능성이 있습니다.
📌 2028년 상용화의 3대 현실적 관문
- 하드웨어 내구성 검증: 먼지, 유분, 진동이 가득한 공장 환경에서 수만 번의 오차 없는 작업을 견디는 관절(액추에이터)과 센서의 내구성이 필수입니다.
- ROI(투자 대비 회수율) 증명: 고가의 로봇 도입 및 유지보수 비용 대비 중소기업이 얻을 수 있는 실질적인 경제적 이익이 수치화되어야 합니다.
- 데이터 보안 표준화: 기업의 핵심 안묵지(기술 노하우) 유출을 막는 온프레미스 기반의 보안 프레임워크가 정립되어야 합니다.
- 결론: 상용화의 진짜 핵심은 AI 알고리즘 기술력뿐만 아니라 현장의 하드웨어 내구성, 비용 검증, 데이터 보안 표준화입니다.
.
📌 핵심 용어 정리
- 피지컬 AI(Physical AI)란?: 소프트웨어에만 머무르는 AI가 아닌, 인간형 하드웨어(휴머노이드)와 결합해 실제 물리적 노동을 수행하는 AI 기술입니다.
- 안묵지(Tacit Knowledge)란?: 매뉴얼이나 문서로 설명하기 어렵고, 오랜 경험과 숙련을 통해서만 체득되는 암묵적 감각·노하우를 뜻합니다.
- M·AX(Manufacturing AI Transformation)란?: 대한민국 제조업 전반에 AI 및 로봇 기술을 융합하여 산업 경쟁력을 혁신하는 국가적 AI 전환 전략입니다.
- 온프레미스(On-Premise)란?: 클라우드가 아닌 기업 자체 서버에 데이터를 보관 및 관리하여 외부 유출을 원천 차단하는 보안 방식입니다.
자주 묻는 질문
Q. 휴머노이드 로봇이 기존 산업용 로봇팔과 다른 점이 뭔가요?
A. 기존 산업용 로봇팔은 특정 단일 작업에 최적화된 전용 설비입니다. 반면 휴머노이드는 사람이 사용하는 도구를 그대로 쓸 수 있어, 공장 설비를 개조하지 않고도 용접·패키징·청소 등 여러 작업을 한 대로 수행할 수 있습니다. 서빙 로봇, 계산 로봇, 요리 로봇팔을 따로 구비하는 대신 휴머노이드 한 대가 그 역할을 모두 대신할 수 있다는 점이 핵심 차이입니다.
Q. 안묵지를 로봇에 이식한다는 게 구체적으로 어떻게 가능한 건가요?
A. 숙련공이 실제 작업하는 동작을 센서와 카메라로 수집해 데이터화하고, 이를 로봇의 동작 학습 모델로 변환하는 방식입니다. 예를 들어 용접공이 일정한 힘과 속도로 용접봉을 긋는 동작을 반복 촬영·기록해 로봇이 그 패턴을 재현하도록 훈련합니다. 숙련공이 은퇴하기 전에 이 데이터를 확보하는 것이 시간과의 싸움입니다.
Q. 중소기업이 휴머노이드를 도입하려면 비용이 얼마나 드나요?
A. 현재 휴머노이드 로봇의 양산 단가는 아직 명확하게 공개된 수치가 없으며, 업체마다 목표 가격대가 다릅니다. 글로벌 선두 업체들은 수천만 원대 이하로 낮추는 것을 목표로 하고 있지만, 유지보수와 소프트웨어 업데이트 비용까지 포함한 실질적인 TCO(총 소유 비용)가 증명되어야 중소기업의 실질적 도입이 가능할 것으로 보입니다.
Q. AI 로봇이 들어오면 제조업 일자리가 줄어드는 건 아닌가요?
A. 현실적으로 지금 제조 현장에서 문제는 일자리가 너무 많아서가 아니라 사람이 없어서입니다. 로봇이 대체하는 것은 청년들이 기피하는 위험하고 반복적인 작업이 대부분입니다. 오히려 로봇 운용을 위한 데이터 수집·가공, 동작 모델 개발 같은 새로운 직군이 생겨납니다. 일자리의 총량이 줄어드는 것이 아니라 일자리의 구조가 바뀌는 방향으로 보는 것이 더 정확합니다.
결론
피지컬 AI와 휴머노이드 로봇은 제조업 인력난을 해결하는 동시에 안묵지가 단절되는 것을 막을 수 있는 현실적인 수단입니다. 저는 현장에서 숙련공의 감각이 얼마나 대체하기 어려운 자산인지 직접 경험했기 때문에, 이 기술이 가진 잠재력에 진심으로 공감합니다. 조선소 용접공의 평균 연령이 50세를 넘어선 지금, 10년을 더 기다리면 전수할 기술 자체가 사라집니다.
다만 낙관론과 함께 현실적인 시선도 유지해야 합니다. 하드웨어 내구성 검증, ROI 증명, 온프레미스 기반의 데이터 보안 표준화라는 세 가지 숙제가 해결되어야 2028년 상용화가 현실이 됩니다. 관심이 있다면 M·AX 얼라이언스의 진행 상황과 산업통상자원부의 관련 정책 발표를 꾸준히 지켜보시길 권합니다. 기술의 속도보다 정책과 현장의 준비 속도가 이 싸움의 실제 변수입니다.
참고: 유튜브 채널 <경제 읽어주는 남자(김광석TV)> -[M·AX 3화] "휴머노이드가 사람을 대체한다?" 한국 제조업이 AI 로봇에 사활을 거는 진짜 이유 | 경읽남과 토론합시다 | 엄윤설 대표