“미국과 중국이 피지컬 인공지능(AI) 경쟁을 벌이는 가운데 한국의 전략적 과제는 독자적인 길을 개척하는 데 있습니다. 한국은 많은 국가와 기업이 겪는 ‘파일럿 함정(pilot trap)’에 빠지지 않고 이를 실제 산업 현장으로 확산시키는 체계 구축에 속도를 내야 합니다.”
마이클 패트릭 페리 페르소나AI 상업 전략 부문 대표는 3일 서울경제신문과의 인터뷰에서 한국이 피지컬 AI 경쟁에서 앞서기 위해서는 현장 적용과 확산 체계 구축에 집중해야 한다며 이같이 조언했다. 그는 “완벽한 로봇이 당장 등장하더라도 기업 대부분은 이를 바로 활용하지 못한다”며 “결국 중요한 것은 어떤 분야에 어떤 역할로 배치하는 게 가장 효율적인지를 파악하는 것”이라고 말했다.
이 같은 문제의식은 산업 자동화의 역사와도 맞닿아 있다는 게 그의 판단이다. 기술이 준비돼 있음에도 불구하고 생산 현장에서 확산되지 못하는 경우가 반복돼왔기 때문이다. 실제 글로벌 경영전략 컨설팅 기업 캡제미니(Capgemini)의 지난해 조사 결과에 따르면 에이전틱 AI를 파일럿 단계에서 실제 확산 단계까지 발전시킨 조직은 15%에도 미치지 못했다. 페리 대표는 “이러한 패턴은 지난 20년간 산업 자동화 연구에서도 일관되게 나타난 결과”라며 “이로 인해 실현되지 못한 잠재 가치는 수조 달러에 달한다”고 말했다. 이어 “산업 자동화에서 진짜 어려운 것은 기술이 아니라 조직과 인프라, 그리고 비즈니스 모델을 갖추는 것”이라고 강조했다.
그는 이와 관련해 ‘현장 적용 체계(deployment framework)’의 중요성을 강조했다. 로봇을 단순히 도입하는 것이 아니라 어떤 공정에 어떤 방식으로 적용할지를 설계하는 체계가 확산의 성패를 가른다는 것이다. 페리 대표는 “정보기술(IT) 통합과 전력 인프라 구축, 안전 인증, 인력 운용 계획, 내부 사업성 검토 등 다양한 준비가 필요해 첫 로봇이 실제로 의미 있는 작업을 수행하기까지는 최소 12~24개월이 소요된다”며 “이 점을 인식하고 로봇 배치를 선제적으로 추진하는 기업은 분명한 우위를 확보하게 되고 후발 주자가 따라잡기 어려운 격차를 만들 수 있다”고 말했다. 결국 피지컬 AI 경쟁은 기술 경쟁이 아니라 ‘확산 능력’의 경쟁이라는 설명이다. 실제 운영 환경에서 반복 적용이 가능하고 이를 다른 공정과 산업으로 확장할 수 있는 구조를 갖춘 곳이 시장을 주도하게 된다는 의미다.
이 과정에서 데이터의 성격도 기존과는 달라진다는 게 그의 생각이다. 페리 대표는 “휴머노이드에 필요한 핵심 데이터는 기존에 축적된 데이터가 아니라 현장에서 새롭게 생성되는 데이터”라고 말했다. 모방 학습, 원격조작, 대규모 시뮬레이션 등을 통해 로봇이 실제 작업을 수행하면서 데이터를 축적하고 이를 다시 성능 개선에 반영하는 선순환 구조가 필요하다는 것이다. 그는 “중요한 것은 데이터를 얼마나 많이 갖고 있느냐가 아니라 얼마나 빠르게 새로운 데이터를 만들어내고 이를 활용할 수 있느냐”라고 설명했다.
이 같은 관점에서 한국의 산업구조는 피지컬 AI 경쟁에서 중요한 기반이 될 수 있다고 봤다. 조선·철강·에너지 등 중공업 현장은 반복 작업과 고위험 공정이 공존하는 대표적인 환경으로 휴머노이드 적용 효과를 검증하고 확산하기에 적합한 조건을 갖추고 있기 때문이다. 페리 대표는 “한국은 기술 실험을 넘어 실제 산업 현장에서 검증과 확산까지 동시에 추진할 수 있는 몇 안 되는 환경을 갖추고 있다”며 “공정에 대한 깊은 이해를 바탕으로 이러한 변화에 적극적으로 대응하려는 기업이 많다는 점과 이런 노하우와 운영 환경, 그리고 제도적 의지가 한곳에 결합된 국가는 거의 없다”고 평가했다. 단순히 기술을 도입하는 수준을 넘어 이를 생산성과 연결하려는 정부와 기업의 의지가 강하다는 것이다. 이는 젊은 세대의 한국 노동자들이 중공업 직종에 충분히 유입되지 않고 있고 한국의 인구구조를 고려할 때 이는 일시적 문제가 아니라 구조적 문제라는 점을 명확히 인식하고 있기 때문이라는 게 그의 분석이다.
다만 이러한 강점이 곧바로 경쟁력으로 이어지는 것은 아니라고 지적했다. 한국 산업계가 △기업 간 긴밀한 파트너십 구축 △피지컬 AI 배치 인프라에 대한 공공 투자 △로봇 운용 역량을 갖춘 인재 양성 등을 확대해나가야 한다는 것이다. 이러한 요소들이 지속적으로 뒷받침되지 않으면 ‘파일럿 함정’에 빠질 가능성이 높기 때문이다. 그는 “이러한 역량이 구축되면 전문 서비스 형태, 혹은 산업별로 최적화된 AI 모델 형태 등 이 자체가 하나의 글로벌 수출 상품이 될 수 있다”며 “최초의 현장 적용 체계가 이뤄지는 국가는 향후 10년 이상을 규정할 산업용 피지컬 AI 운용 노하우를 선점하게 될 것”이라고 말했다.
피지컬 AI 확대가 대규모 실업을 초래할 것이라는 우려에 대해서는 오히려 인간의 가치를 높여주는 방향으로 작용할 것이라고 봤다. 그는 “문제는 실업이 아니라 숙련 인력의 만성적 부족과 기존 인력의 고령화”라며 “결국 로봇은 채워지지 않는 자리를 메우고 위험한 작업을 대신 수행하는 방향으로 활용될 것”이라고 선을 그었다. 이어 “로봇 도입으로 생산성이 높아지면 기업은 더 많은 제품을 생산하고 공장 규모를 확장하게 된다”며 “이 과정에서 더 높은 숙련도를 요구하는 직무에 대한 수요가 늘어나게 된다”고 말했다.
결국 노동시장에서 단순 작업을 수행하던 인력은 줄어들 수 있지만 로봇을 관리하고 운영하는 역할은 오히려 확대된다는 것이다. 그는 “차별화된 역량은 로봇이 완벽하게 작동하지 않을 때 개입해 문제를 해결하고 다음에 더 잘할 수 있도록 가르칠 수 있는 지식과 판단력, 여기에 작업 윤리까지 모두 사람에게서 나오는 것”이라며 “이러한 깊이 있는 지식은 한 사람의 손에 국한되지 않고 로봇을 통해 확장되기 때문에 그 가치는 오히려 더 커지게 된다”고 말했다. 앞으로 인간이 다수의 로봇을 관리하는 ‘팀 리더형 작업자’로 진화하게 될 것이라고 내다본 것이다.
그는 “다만 기업은 이러한 변화의 움직임 속에서 책임감 있게 관리하고 재교육에 대한 투자와 노동자들과의 명확한 소통이 필수적”이라며 “이러한 신뢰를 구축한 기업만이 실제 현장 배치에 성공할 것이고 그렇지 못한 기업은 로봇 기술이 아무리 뛰어나더라도 실패하게 될 것”이라고 말했다.