PART 4. 통찰 — 미래 산업을 읽는 눈
2025년, 테슬라 오스틴 공장에서 공개된 영상 하나가 세계를 술렁이게 했다. 인간형 로봇 '옵티머스(Optimus)'가 공장 바닥을 걸어 다니며 부품을 분류하는 장면이었다. 댓글창은 두 가지 반응으로 갈렸다. "저것이 내 일자리를 빼앗겠구나"라는 공포와, "아직 저 정도밖에 못 하나"라는 실망이었다.
같은 시각, 한국 지방의 어느 중소 제조업체 담벼락에는 현수막이 하나 붙어 있었다. "사람 구합니다 — 일당 15만 원, 숙식 제공." 공장 관리자는 한숨을 쉬었다. "로봇이 일자리를 빼앗는다고들 하는데, 정작 저희는 사람을 못 구해서 라인이 멈춰요."
이 두 풍경이 같은 시대에 공존하고 있다. 이 모순처럼 보이는 두 장면을 함께 이해할 때, 피지컬 AI의 본질이 비로소 선명하게 보인다.
지난 13주차에서 우리는 AI가 클라우드 서버를 떠나 내 손 안의 기기로 내려오는 과정을 살펴봤다. 이번 주에는 그보다 훨씬 더 극적인 변화를 다룬다. AI가 화면 밖으로 걸어 나와 물리적 세계에 발을 딛는 순간이다.
지금까지의 AI는 탁월한 두뇌였지만, 몸이 없었다. 아무리 완벽한 답을 내놓아도, 그것을 실행에 옮기는 것은 결국 사람의 몫이었다. AI가 "이 부품을 저 선반으로 옮겨라"라고 판단해도, 실제로 부품을 집어 옮기는 것은 사람이 행동해야만 했다.
생각과 행동 사이에는 언제나 '사람'이 필요했다.
피지컬 AI(Physical AI)는 이 간격을 없앤다. 판단하고, 동시에 행동한다. 두뇌와 신체가 하나의 존재 안에서 통합된다. 이것이 왜 중요한가? 인간이 AI에게 마지막으로 내주지 않아도 된다고 믿었던 영역—바로 '몸을 써서 하는 일'—이 이제 대체의 대상이 되기 시작했기 때문이다.
이 변화를 가능하게 한 핵심 기술이 VLA 모델(Vision-Language-Action Model)이다. 이름이 복잡해 보이지만 원리는 단순하다. 보고(Vision), 이해하고(Language), 행동한다(Action). 카메라로 주변 환경을 인식하고, 언어 모델로 상황을 판단하고, 그 판단을 즉각적인 신체 동작으로 연결한다. 눈과 두뇌와 손발이 하나로 이어진 것이다.
기존의 산업용 로봇과 무엇이 다른가. 자동차 공장의 용접 로봇은 수십 년 전부터 존재했다. 하지만 그것은 '자동화 기계'다. 미리 입력된 동작을 반복할 뿐, 예상치 못한 상황이 생기면 멈춰서 사람을 기다린다. 피지컬 AI는 다르다. 처음 보는 물체도 인식하고, 바뀐 환경에 스스로 적응하며, 말로 내리는 지시를 이해하고 실행한다. 이것이 '자동화'와 '지능화'의 결정적 차이다.
솔직하게 말하자. 지금의 휴머노이드 로봇은 아직 영화 속 로봇과 거리가 멀다.
맥킨지(McKinsey)가 2025년 6월 발표한 보고서에 따르면, 현재 최첨단 휴머노이드 손의 자유도는 21도(degrees of freedom)에 불과하다. 인간의 손이 27도인 것과 비교하면, 신발 끈 묶기나 바나나 껍질 벗기기는 여전히 불가능에 가깝다. 배터리도 문제다. 대부분의 휴머노이드는 충전 없이 2~4시간밖에 작동하지 못한다. 가격은 더 큰 장벽이다. 현재 고사양 모델의 단가는 1억 5천만 원에서 최대 5억 원에 이른다.
그렇다면 골드만삭스(Goldman Sachs)가 2024년 보고서 'Humanoid Robot: The AI Accelerant'에서 공장 적용 가능 시점으로 제시한 것이 2025~2028년이라는 전망은 어떻게 봐야 할까. 이것은 '모든 공장에 휴머노이드가 넘쳐난다'는 뜻이 아니다. '특정한 조건을 갖춘 특정 작업에서 경제적으로 의미 있는 도입이 시작된다'는 뜻이다.
그 조건이 무엇인지가 중요하다.
첫째, 정해진 공간 안에서 반복되는 작업.
둘째, 인간이 하기 위험하거나, 힘들거나, 기피하는 일.
셋째, 기존 자동화 설비로는 대응이 어려운 비정형 환경.
바로 이 세 가지 조건이 겹치는 곳이 휴머노이드의 첫 번째 전장이 된다.
글로벌 경쟁의 온도는 이미 뜨겁다.
테슬라 옵티머스, 미국 Figure AI의 Figure 02, 중국 유니트리(Unitree)의 H1·G1 시리즈가 각축을 벌이고 있다. 특히 중국의 약진이 주목할 만하다. 2025년 베이징에서 열린 하프마라톤에는 21대의 휴머노이드 로봇이 실제 참가했다. 완주에 성공한 로봇들이 있었고, 넘어진 로봇들도 있었다. 그러나 그 자체가 하나의 신호였다. '시연장'을 벗어나 '현실 환경'으로 나온 것이다.
자율주행도 빠르게 현실화되고 있다. 완전 자율주행(레벨 4~5)은 아직 특수한 조건에 한정되어 있지만, 제한된 구역 내 자율주행(레벨 3)은 이미 상용 서비스로 자리 잡고 있다. 미국 구글 웨이모(Waymo)는 샌프란시스코와 피닉스에서 무인 로보택시를 운영 중이며, 국내에서도 자율주행 물류 로봇이 병원과 물류센터를 누비고 있다.
국내에서도 변화는 이미 시작됐다. HD현대로보틱스, 레인보우로보틱스, 두산로보틱스 같은 국내 기업들이 협동로봇(코봇) 시장을 넘어 휴머노이드 개발에 뛰어들고 있다. 산업통상자원부는 2025년 4월, 한국산업기술기획평가원(KEIT) 주관으로 'K-휴머노이드 연합'을 출범시켰다. 삼성전자, LG전자, SK, 포스코 등 대기업과 서울대, KAIST, 연세대 등 연구기관, 에이로봇 등 전문 로봇 제조사를 포함해 70여 개 기관이 참여하는 범국가 프로젝트다. 목표는 2030년까지 미국 대비 기술 수준 85% 달성이다.
'로봇이 일자리를 빼앗는다'는 공포는 중소 제조 현장에서 더 크게 들린다. 그런데 아이러니하게도, 정작 자동화가 가장 많이 진행된 곳은 그 공포의 대상이 아니다. 삼성전자, SK하이닉스의 반도체 라인, 현대차의 조립 공정은 이미 오래전부터 산업용 로봇이 대부분의 공정을 담당해 왔다. IFR(국제로봇연맹)에 따르면 한국의 제조업 로봇 밀도는 근로자 1만 명당 1,012대로 세계 1위다. 이 수치를 끌어올린 주역이 바로 대기업의 전기·전자와 자동차 산업이다. 반면 한국 전체 제조업 사업장의 98.7%를 차지하는 중소기업의 스마트공장 도입률은 19.5%에 불과하다(대한상공회의소, 2025). 공포는 크지만, 실제 자동화는 아직 멀리 있는 곳—그것이 수십만 중소 제조 현장의 현실이다.
경남·충청·경기 외곽의 중소 제조단지를 가보면 '구인 중' 현수막이 공장 담벼락마다 붙어 있다. 고령화로 숙련공은 은퇴했고, 젊은 세대는 도시로 떠났다. 빈자리는 외국인 노동자들이 채우고 있지만, 비자 기간이 만료되면 떠나야 한다. 채용하고 훈련시키면 얼마 지나지 않아 다시 새로운 사람을 구해야 하는 악순환이 반복된다. 남아 있는 일자리는 힘들고, 시끄럽고, 때로 위험하다. 월급을 올려도 사람이 오지 않는다. 대공장처럼 전 공정을 자동화할 자본도 없다. 기존 산업용 특수 로봇을 도입하려면 생산라인 전체를 뜯어고쳐야 한다. 현실적으로 불가능하다.
휴머노이드의 구조적 강점이 바로 여기에 있다. 사람이 하던 방식 그대로 작업하도록 훈련시킬 수 있다. 기존 생산라인을 바꾸지 않아도 된다. 사람 자리에 그냥 세우면 된다. 골드만삭스의 분석처럼, 인간이 하기에 '위험하고, 더럽고, 단조로운(Dangerous, Dirty, Dull)' 작업일수록 휴머노이드의 경제적 타당성은 빠르게 높아진다.
비용 계산도 달라지고 있다. 골드만삭스는 같은 보고서에서 휴머노이드 단가가 1년 만에 40% 하락했다고 분석했다. 부품 공급망이 다양해지고, 설계와 제조 기술이 빠르게 개선되고 있기 때문이다. 제조업 현장에서 연 4,000만~5,000만 원의 인건비를 부담하는 기업이, 같은 비용으로 연간 단가가 낮아지는 로봇을 구독 방식으로 도입할 수 있다면—손익분기점은 생각보다 빠르게 도달할 수 있다.
국제로봇연맹(IFR)의 'World Robotics 2025: Service Robots' 보고서는 인력 부족이 서비스 로봇 도입의 핵심 동인으로 자리 잡았음을 명시하고 있다. 이는 제조 현장에도 그대로 적용된다. 로봇이 일자리를 빼앗는 것이 아니라, 사람이 가기 싫어하거나 사람이 없어서 멈춰서는 현장을 채우는 존재로 먼저 자리 잡을 가능성이 높다.
자율주행도 같은 맥락이다. 기사 구하기 어려운 심야 장거리 화물, 농어촌 노선버스, 위험 물질 운반 차량—이것이 자율주행이 가장 먼저 뿌리내릴 현실적 영역이다.
피지컬 AI가 확산되는 세상에서 어떤 일이 먼저 바뀌고, 어떤 일이 남을까.
먼저 역사를 잠깐 돌아볼 필요가 있다.
PC가 사무실에 보급되던 1980년대, 사람들은 우려했다. "기계가 사무직 노동자를 대체할 것이다." 그런데 실제로 벌어진 일은 달랐다. 1987년 노벨 경제학상 수상자 로버트 솔로는 이 역설을 날카롭게 짚었다. "컴퓨터 시대에 살고 있다는 것은 어디서나 확인할 수 있다. 단, 생산성 통계만 빼고."
PC는 사무직을 줄인 것이 아니라, 한 사람이 처리할 수 있는 업무의 범위를 넓혔다. 결과적으로 더 많은 사람이 더 다양한 일을 하게 되었다. 기술이 노동을 없앤 것이 아니라, 노동의 형태를 바꾼 것이다.
피지컬 AI도 같은 패턴을 밟을 가능성이 높다.
맥킨지 글로벌 인스티튜트가 2025년 11월 발표한 'Agents, Robots, and Us'는 이 질문에 구체적 기준을 제시한다. 자동화 가능성이 높은 직무의 공통점은 세 가지다. 정해진 공간에서 반복되는 동작, 판단보다 실행이 중심인 업무, 표준화된 절차로 규정할 수 있는 일. 반대로 피지컬 AI가 쉽게 대체하지 못하는 것은 예상치 못한 상황 판단, 타인의 감정과 맥락을 읽는 능력, 윤리적 책임을 지는 역할이다.
이것은 문과생에게 오히려 기회의 지형이다.
맥킨지의 같은 보고서는 흥미로운 사례를 하나 든다.
2017년부터 2024년까지 AI 영상 판독 기술이 빠르게 발전했음에도, 같은 기간 미국의 방사선과 의사 고용은 오히려 연 3%씩 증가했다. 기술이 의사를 대체한 것이 아니라, 의사가 처리할 수 있는 업무량이 늘어났기 때문이다. 피지컬 AI도 같은 패턴을 밟을 가능성이 높다. 로봇이 현장에 투입될수록, 그 로봇을 기획하고 관리하고 조율하는 사람의 수요도 함께 늘어난다.
피지컬 AI가 확산될수록 오히려 필요해지는 역할이 있다. 어느 공정에 로봇을 도입할지 기획하는 일, 로봇과 사람이 함께 일하는 작업 흐름을 설계하는 일, 도입 과정에서 발생하는 노동자 재배치와 감정적 저항을 조율하는 일, 로봇 사고 발생 시 책임 소재를 규정하는 제도를 만드는 일. 이 모두가 기술보다 맥락 이해와 커뮤니케이션 능력이 핵심인 역할이다.
산업 관점에서도 주목할 흐름이 있다.
딜로이트 코리아의 분석에 따르면 글로벌 휴머노이드 시장은 2035년까지 약 51조 원 규모로 성장할 것으로 전망된다. 그런데 이 시장에서 돈을 버는 방식은 단순히 로봇을 만드는 것만이 아니다. 로봇을 훈련시키는 데이터, 로봇이 작업을 배우는 시뮬레이션 소프트웨어, 로봇을 유지·보수하는 서비스, 로봇 도입을 기획하는 컨설팅—이 소프트 레이어들이 하드웨어만큼, 어쩌면 그 이상의 가치를 만들어낼 가능성이 높다.
골드러시 때 금을 캐는 사람보다 청바지를 판 사람이 더 안정적으로 돈을 벌었듯이.
정리하자.
피지컬 AI는 AI의 새로운 버전이 아니다. AI가 마침내 화면을 뚫고 물리적 세계 안으로 걸어 들어온 것이다.
두뇌로만 존재했던 AI가 신체를 얻었을 때, 생각과 행동 사이의 간격이 사라진다. 인간이 AI에게 마지막으로 남겨두었다고 믿었던 영역—몸을 써서 하는 일—이 이제 서서히 재편되기 시작한다.
공포는 이해할 수 있다. 그러나 공포는 방향을 알려주지 않는다. 이 변화가 어디서 먼저 시작되는지, 어떤 조건에서 확산되는지, 그리고 그 변화 속에서 어떤 역할이 새로 생겨나는지를 읽는 것—그것이 기술 앞에서 주도권을 잃지 않는 사람과 그렇지 못한 사람을 가르는 차이다.
다음 주에는 이 피지컬 AI를, 그리고 모든 AI를 움직이게 하는 거대한 인프라 전쟁을 다룬다. 반도체, 전력, 데이터센터 — AI 시대의 진짜 '청바지 장사'는 누가, 어디서 하고 있는가.
피지컬 AI가 어디에 먼저 쓰일지를 뉴스에서 찾는 것도 좋지만, 가장 빠른 방법은 내 주변을 직접 들여다보는 것입니다. 기술의 변화를 추상적으로 이해하는 것과, 내 일상과 일터에 구체적으로 연결해 보는 것은 전혀 다른 훈련입니다. 아래 세 영역에서 각각 한 가지씩 적어보세요. 지금 당장 로봇이 할 수 있느냐 없느냐는 중요하지 않습니다. 어떤 일이 그 후보가 될 수 있는지를 먼저 보는 눈을 키우는 것이 이번 미션의 목적입니다.
영역 1. 나의 직장, 업무
지금 내가 하는 일 중에서 반복적이고 체력을 소모하지만, 딱히 판단력이 필요하지 않은 일이 있나요? 문서 운반, 창고 정리, 매장 진열, 순찰 업무 등을 떠올려보세요.
영역 2. 나의 일상, 가정
집에서 가장 하기 싫은 육체적 노동은 무엇인가요? 청소기 돌리기, 분리수거, 대형마트 카트 밀기, 이삿짐 나르기 등 솔직하게 적어보세요.
영역 3. 사람들이 기피하고 위험한 영역
사회적으로 필요한 현장 사람이 부족해서, 또는 너무 힘들고 위험해서 기피하는 일은 무엇인가요? 요양원 이동 보조, 야간 제조 현장, 재난 현장 수색, 농촌 수확 작업 등을 생각해 보세요.
세 가지를 적어보셨다면, 마지막으로 스스로 질문해 보세요.
"이 일을 지금 기술로 로봇에게 맡길 수 있을까? 아니라면 무엇이 아직 부족할까?"
산업통상자원부 - 제4차 지능형 로봇 기본계획(2024~2028)
한국산업기술기획평가원(KEIT) - 국내·외 휴머노이드 R&D 동향과 미래전망 (2025년 2월)
산업통상자원부·한국산업기술기획평가원(KEIT) - K-휴머노이드 연합 출범 자료 (2025년 4월)
딜로이트 코리아(Deloitte Korea) - 휴머노이드 로봇 산업 분석
한국로봇산업진흥원(KIRIA) - 로봇산업 정책동향 (2025년 12월)
Goldman Sachs Research - Humanoid Robot: The AI Accelerant (2024년 2월)
McKinsey Global Institute - Agents, Robots, and Us: Skill Partnerships in the Age of AI (2025년 11월)
McKinsey & Company - Will Embodied AI Create Robotic Coworkers? (2025년 6월)
McKinsey & Company - Humanoid Robots: Crossing the Chasm from Concept to Commercial Reality (2026년 1월)
IFR(국제로봇연맹) - World Robotics 2025: Service Robots (2025년 10월)
※ 대문사진 출처: 휴머노이드 전문기업 에이로봇(AeiROBOT) 홈페이지