🤖 피지컬 AI 시대, 한국 제조업 장인의 데이터가 답이다

 

"AI가 일자리를 뺏는다"는 말, 이제 차원이 달라졌어요

챗GPT가 처음 나왔을 때 "내 글쓰기 일자리가 없어지는 거 아냐?" 하고 걱정했던 분들 많으셨죠. 이미지 AI가 나왔을 때도 그랬고, 코딩 AI가 나왔을 때도 마찬가지였어요. 그런데 이번엔 정말 차원이 다른 위협이 등장했습니다.

바로 피지컬 AI, 현실 세계에서 직접 몸을 움직이는 인공지능이에요.

텍스트나 이미지를 만드는 게 아니라, 실제 공장에서 나사를 조이고, 물류 창고에서 박스를 집어 올리고, 용접을 하는 로봇. 이게 이제 공상과학이 아니라 2026년 현재 우리 눈앞에 펼쳐지고 있는 이야기입니다.

그런데 흥미롭게도, 이 피지컬 AI 시대가 오히려 한국에게 엄청난 기회가 될 수 있다는 시각이 있어요. 오늘은 그 이유를 하나씩 풀어보겠습니다.

피지컬 AI가 뭔지부터 짚고 가요

우리가 익숙하게 쓰는 챗GPT나 클로드 같은 AI는 생성형 AI입니다. 텍스트, 이미지, 코드를 만들어내는 데 특화돼 있죠. 대화도 잘하고, 분석도 잘하고, 글도 잘 써요.

그런데 현실 세계에서 물건을 집거나, 문을 열거나, 나사를 조이는 건 완전히 다른 능력입니다. 피지컬 AI는 바로 이 물리적 행동을 할 수 있는 AI예요. 센서로 환경을 인식하고, 스스로 판단해서, 실제로 행동하는 시스템이죠.

쉽게 말하면 생성형 AI가 뇌만 있는 AI라면, 피지컬 AI는 뇌와 몸이 결합된 AI입니다. 테슬라 옵티머스, 현대자동차 보스턴 다이내믹스의 아틀라스가 대표적인 예죠.

엔비디아 CEO 젠슨 황은 CES 2025에서 "다음은 피지컬 AI의 시대"라고 선언했습니다. 단순한 구호가 아니에요. 생성형 AI가 인터넷의 텍스트·이미지 데이터를 먹고 자랐다면, 피지컬 AI는 현실 세계의 움직임 데이터를 먹고 자랍니다. 이게 핵심 차이예요.

그럼 피지컬 AI에는 왜 데이터가 없을까요?

생성형 AI가 이렇게 빨리 발전할 수 있었던 건, 인터넷에 학습할 텍스트와 이미지가 넘쳐났기 때문이에요. 수십 년간 인류가 쌓아온 글, 그림, 코드가 모두 학습 재료가 됐죠.

그런데 피지컬 AI에게 필요한 데이터는 인터넷에 없습니다. 로봇이 배워야 하는 건 관절값이에요. 손잡이를 잡기 위해 팔꿈치를 몇 도 구부리고, 손목을 어느 방향으로 틀고, 손가락에 얼마나 힘을 줘야 하는지 같은 정밀한 움직임 데이터죠.

테슬라 옵티머스가 어떻게 데이터를 수집하는지 아세요? 아르바이트생들이 VR 장갑을 끼고 로봇의 움직임을 직접 따라 합니다. 그 데이터가 로봇 학습에 쓰이죠. 느리고 비싸고, 사람 손이 엄청나게 많이 탑니다.

생성형 AI는 이미 존재하는 데이터를 학습했지만, 피지컬 AI는 학습에 필요한 데이터 자체를 새로 만들어야 하는 이중의 도전이 있어요.

"시뮬레이션으로 해결하면 되지 않나요?" 현실은 달라요

물론 가상 환경에서 대량의 데이터를 만들면 된다는 주장도 있어요. 젠슨 황이 대표적으로 이 방향을 강조하고, 엔비디아는 이를 위해 시뮬레이션 플랫폼 코스모스(Cosmos)를 출시하기도 했죠.

이론적으로는 맞는 말이에요. 그런데 문제가 있습니다. 시뮬레이션과 현실 사이에는 늘 괴리가 있거든요. 가상 환경에서 완벽하게 작동하는 로봇이, 실제 공장의 기름기 묻은 바닥이나 온도 변화, 예상치 못한 진동 앞에서는 오작동을 일으킵니다.

제조 현장을 예로 들면, 같은 부품이라도 조명, 먼지, 반사, 미세한 공정 편차로 입력이 달라지고, 작은 오류 하나가 라인 정지로 이어질 수 있어요. 그래서 결국 실제 환경에 맞는 파인튜닝이 필요하고, 그 파인튜닝에 필요한 것이 바로 현실의 움직임 데이터입니다.

시뮬레이션은 출발점이지, 도착점이 될 수 없는 거예요.

피지컬 AI가 가장 먼저 파고드는 곳은 공장입니다

가정집에서 요리해주는 로봇? 청소해주는 로봇? 물론 언젠가 올 미래이지만 그게 먼저는 아니에요. 집 안은 너무 다양하고 예측 불가능하고, 무엇보다 사람이 다칠 위험이 크기 때문이죠.

피지컬 AI가 가장 빠르게 침투하는 곳은 공장입니다. 왜냐하면 공장은 환경이 통제되어 있고, 같은 동작을 반복하는 경우가 많으며, 실수를 허용하는 시스템을 갖추기가 상대적으로 쉽기 때문이에요.

실제로 테슬라 옵티머스는 이미 기가팩토리 조립 라인에 단계적으로 투입되고 있습니다. 현대자동차 그룹도 2028년부터 보스턴 다이내믹스의 아틀라스를 미국 조지아주 메타플랜트 자동차 공장에 투입할 계획을 발표했고요.

공장 자동화가 자리 잡은 이후에야, 서비스와 가정 영역으로 확대되는 순서입니다. 그리고 그 공장 단계가 지금 빠르게 다가오고 있어요.

사람들이 많이 놓치는 것: 한국에게 남은 역전의 기회

여기서 흥미로운 포인트가 하나 있습니다. 미국 빅테크가 앞서가는 생성형 AI 분야에서 한국이 주도권을 잡기는 쉽지 않아요. GPU도, 기반 모델도, 데이터 인프라도 실리콘밸리 쪽이 훨씬 앞서 있죠.

그런데 피지컬 AI는 다릅니다.

핵심 경쟁력이 알고리즘이 아니라 데이터이고, 그 데이터의 원천이 현실 공장에 있거든요. 한국은 세계에서 로봇 밀도가 가장 높은 제조업 강국입니다. 반도체, 자동차, 조선, 배터리, 철강, 식품 가공까지 산업 스펙트럼이 넓고, 각 분야에 10년, 20년 이상 같은 일을 해온 숙련 장인들이 아직 현장에 있어요.

이 장인들의 손놀림, 몸의 움직임, 판단 과정이 바로 피지컬 AI가 갈망하는 데이터입니다. 반도체 세정 공정에서 세밀한 기술을 다루는 엔지니어, 자동차 용접 라인의 30년 경력 기술자, 정밀 부품 조립을 손으로 하는 장인들. 이들의 움직임 데이터는 아직 아무도 체계적으로 수집하지 않은 독점 자원이 될 수 있어요.

그런데 현실은 어떨까요? 2025년 중기부 조사에 따르면, 중소·중견 제조기업의 60.8%가 제조 데이터를 수집하고 있지만, 이를 실제 AI에 도입한 기업은 고작 0.1%에 불과하다고 합니다. 데이터가 잠자고 있는 거예요.

LLM이 있다면 LAM이 온다: 거대 액션 모델의 시대

거대 언어 모델(LLM, Large Language Model)이 인터넷의 텍스트를 기반으로 만들어졌듯, 거대 액션 모델(LAM, Large Action Model)은 현실 세계의 움직임 데이터를 기반으로 만들어집니다. 피지컬 AI 시대의 핵심 인프라가 바로 이 LAM이에요.

모건스탠리는 글로벌 휴머노이드 로봇 시장이 연평균 63% 성장해 2035년 약 380억 달러 규모에 이를 것으로 전망했습니다. 제조·물류를 넘어 서비스와 가정용 시장까지 확산될 가능성이 크다는 분석이죠.

한국의 로봇 기업 로보티즈는 이미 이 방향을 포착하고 자체 개발한 휴머노이드로 고품질 행동 데이터를 수집·가공·판매하는 데이터 팩토리 사업을 본격화하고 있어요. 현대자동차 그룹이 2030년까지 AI와 로봇 등 미래 신사업 분야에 50조 원을 투자한다고 발표한 것도 이 데이터 생태계 선점을 위한 포석으로 볼 수 있습니다.

2026년 2월에는 NC AI를 중심으로 삼성SDS, 포스코DX, 한화오션 등 국내 대기업들이 모여 K-피지컬 AI 얼라이언스 컨소시엄을 구성했어요. 데이터에서 모델, 시뮬레이션, 로봇, 실증까지 이어지는 풀스택 밸류체인을 완성하겠다는 거죠.

방향은 맞습니다. 이제 속도의 문제예요.

5년 안에 움직여야 하는 진짜 이유

문제는 시간이에요. 장인들이 은퇴를 앞두고 있습니다. 5년, 길어야 10년입니다.

한국은 세계 최고 수준의 로봇 밀도와 축적된 제조 데이터라는 강력한 강점이 있지만, 핵심 부품의 해외 의존도와 데이터의 낮은 AI 전환율이라는 취약점도 동시에 안고 있어요. 실제로 핵심 부품인 감속기는 일본 의존도가 70%, 서보모터와 제어기는 일본·중국 의존도가 50% 이상이라고 해요.

중국은 전혀 다른 전략을 쓰고 있어요. 완성된 기술을 기다리지 않고, 먼저 로봇을 현장에 투입해 데이터를 확보하고 그 데이터를 기반으로 기술을 개선하는 방식입니다. 대량 생산과 현장 데이터 확보 면에서 이미 상당한 격차를 만들어내고 있죠.

한국이 이 흐름에 올라타려면, 지금 이 순간 장인들의 손끝에 담긴 수십 년의 노하우를 데이터로 남기는 작업을 서둘러야 합니다.

앞으로 어떻게 바뀔까요? 일자리 변화의 순서

피지컬 AI 시대가 오면 노동의 구조는 분명히 바뀝니다. 그 순서를 알아두면 준비에 도움이 돼요.

먼저 대체되는 건 디지털 지식 노동입니다. 코딩, 데이터 분석, 콘텐츠 제작, 고객 응대 같은 영역이 생성형 AI와 에이전트 AI에 의해 먼저 흔들려요. 이미 현실이 되고 있는 이야기죠.

그다음이 공장입니다. 물리적 설비를 교체해야 하기 때문에 시간이 걸리지만, 방향은 분명합니다. AI가 실시간 데이터를 기반으로 공정 최적화를 이끌고, 인간은 전략적 감독과 창의적 설계에 집중하게 되는 구조예요.

가정과 서비스 영역은 그보다 더 나중입니다. 안전 기준, 사회적 수용성, 기술 성숙도 모두 더 많은 시간이 필요하거든요.

지금 우리에게 필요한 건 공포가 아닙니다. 이 변화의 순서를 이해하고, 내가 있는 곳에서 어떤 준비를 해야 하는지 파악하는 것이에요.

마무리

피지컬 AI의 핵심은 기술이 아니라 데이터입니다. 그리고 그 데이터는 지금 이 순간에도 한국의 공장 현장에서 만들어지고 있어요. 다만 아직 아무도 그것을 체계적으로 수집하고 있지 않을 뿐이죠.

생성형 AI 시대에 텍스트 데이터를 가장 잘 모은 쪽이 LLM 패권을 잡았듯, 피지컬 AI 시대에는 현실 움직임 데이터를 가장 잘 모은 쪽이 핵심 경쟁력을 갖게 됩니다.

제조 AI 시장은 2025년 3,299억 달러에서 2035년 1조 3,000억 달러 이상으로 성장할 전망이에요. 이 거대한 파도 앞에서, 한국에게 남은 시간은 5년입니다. 장인들이 은퇴하기 전, 그들의 손끝에 담긴 수십 년의 노하우를 데이터로 남기는 것. 이것이 피지컬 AI 시대 한국의 가장 현실적이고 강력한 전략입니다.