생산 현장에서는 설비가 멈춰 있는데도 시스템 화면에는 정상 가동으로 표시되는 일이 생긴다.
같은 라인을 운영해도 교대조마다 생산량이 다르고, 작업자가 적어 놓은 시간과 시스템에 기록된 시간이 맞지 않는 경우도 있다. 이런 상태에서 새로운 로봇과 AI를 도입하면 생산성이 바로 높아질까.
설비가 똑똑해져도 현장의 기준과 데이터가 정리되지 않았다면 문제는 그대로 남을 수 있다.
✓움직이기 시작한 AI

지금까지 우리가 주로 접한 AI는 문서를 작성하거나 데이터를 분석하는 소프트웨어에 가까웠다. 피지컬 AI는 여기에서 한 단계 더 나아간다.
카메라와 센서로 주변 상황을 파악하고, 로봇이나 기계를 통해 실제 공간에서 움직이는 AI를 의미한다. 공장에서 제품을 옮기는 로봇, 창고 안을 이동하는 운반 장비, 작업자의 동작을 보조하는 장비 등이 여기에 포함될 수 있다.
CES 2026에서도 로봇과 자율 시스템이 피지컬 AI라는 이름으로 크게 다뤄졌다. AI가 화면 안에서 답을 만드는 단계를 넘어 실제 공간에서 판단하고 행동하는 방향으로 확장되고 있다는 의미다.
다만 피지컬 AI는 특정한 로봇 한 종류를 가리키는 말이라기보다, AI와 센서·로봇·제어 기술이 결합하는 흐름에 가깝다.
✓로봇보다 먼저 볼 현장
새로운 자동화 설비를 검토할 때 가장 먼저 눈에 들어오는 것은 로봇의 속도와 성능이다. 몇 킬로그램까지 들 수 있는지, 한 시간에 몇 개를 처리하는지, 사람의 작업을 얼마나 대신할 수 있는지가 주요 비교 항목이 된다.
그러나 실제 생산성은 로봇의 최고 속도만으로 결정되지 않는다.
앞 공정에서 자재가 늦게 도착하면 로봇도 기다려야 한다. 제품의 위치가 매번 달라지면 작업자가 다시 정리해야 한다. 불량품과 정상 제품의 구분 기준이 모호하면 로봇이 멈출 때마다 사람이 판단해야 한다.
예를 들어 로봇이 한 시간에 100개를 처리할 수 있어도 자재가 제때 공급되지 않거나 포장 규격이 일정하지 않으면 실제 처리량은 그보다 훨씬 낮아질 수 있다.
자동화의 병목은 기계의 속도보다 기계 앞뒤에 남아 있는 불규칙한 작업에서 생기는 경우가 많다.
✓서로 다른 현장의 숫자
피지컬 AI는 센서와 시스템에 기록된 데이터를 바탕으로 움직인다. 따라서 입력되는 숫자가 정확해야 한다.
문제는 현장에서 하나의 설비를 두고도 여러 숫자가 존재할 수 있다는 점이다. 생산 시스템에는 정상 가동으로 표시되지만 작업자는 일시 정지로 기록할 수 있다. 설비가 켜져 있는 시간과 실제 제품을 생산한 시간도 서로 다를 수 있다.
이 상태에서 AI를 연결하면 잘못된 숫자를 더 빠르게 처리하는 결과가 생길 수 있다.
설비 전원이 켜져 있다고 해서 실제 생산이 이뤄지는 것은 아니다. 자재 대기, 품질 확인, 제품 전환과 청소 시간까지 구분해야 실제 가동 상태를 알 수 있다.
AI를 도입하기 전에 먼저 정해야 할 것은 복잡한 알고리즘이 아니다. 언제부터 가동으로 볼 것인지, 멈춘 이유를 어떻게 구분할 것인지, 누가 숫자를 최종 확인할 것인지와 같은 기본 기준이다.
✓사라지지 않는 예외 작업
반복 작업은 자동화하기 비교적 쉽다. 제품의 크기와 위치가 일정하고 작업 순서가 바뀌지 않는다면 로봇이 사람보다 빠르고 일정하게 처리할 수 있다.
현장은 항상 같은 조건으로 움직이지 않는다.
제품이 기울어져 들어오거나 포장재가 접혀 있을 수 있다. 바코드가 훼손되거나 규격이 다른 자재가 섞이는 경우도 있다. 설비가 멈췄을 때 원인을 확인하고 다시 가동하는 일도 필요하다.
이런 예외가 자주 발생하면 로봇이 일을 대신하는 것이 아니라 작업자가 로봇의 오류를 처리하는 새로운 업무가 생긴다.
자동화 검토에서는 정상적으로 처리된 건수만 볼 것이 아니라 사람이 개입한 횟수, 멈춘 시간과 재가동에 걸린 시간도 함께 기록해야 한다.
✓돈이 되는지 볼 세 가지
피지컬 AI의 경제성을 판단하기 위해 복잡한 계산부터 시작할 필요는 없다. 우선 현장에서 실제로 달라지는 세 가지를 살펴볼 수 있다.
첫째는 줄어드는 작업시간이다. 작업자를 몇 명 줄일 수 있는지만 볼 것이 아니라 반복 확인, 이동, 대기와 재작업 시간이 얼마나 감소하는지를 확인해야 한다.
둘째는 줄어드는 불량과 멈춤이다. 자동화 이후 제품 손상이나 재작업이 줄었는지, 설비가 멈추는 시간이 실제로 감소했는지를 비교해야 한다.
셋째는 새로 생기는 비용이다. 유지보수, 소프트웨어 사용료, 부품 교체, 작업자 교육과 시스템 연결 비용이 계속 발생할 수 있다.
예를 들어 작업자 두 명이 매일 한 시간씩 제품 위치를 확인하고 기록하고 있다면, 자동화의 첫 효과는 사람 두 명을 없애는 것이 아니라 하루 두 시간의 반복 업무를 줄이는 데서 시작할 수 있다.
결국 도입비용보다 줄어드는 낭비와 손실이 큰지를 판단해야 한다. 절감되는 시간과 비용이 명확하지 않다면 로봇의 성능이 좋아도 투자 효과를 설명하기 어렵다.
✓한 라인보다 한 작업부터
처음부터 생산라인 전체를 바꾸면 무엇이 좋아졌고 무엇이 나빠졌는지 구분하기 어렵다. 투자 규모가 커질수록 기존 시스템과 연결해야 할 부분도 많아진다.
작은 작업부터 시험하는 편이 현실적이다.
반복 이동, 제품 분류, 외관 검사처럼 기준이 비교적 명확한 작업 하나를 선택한다. 이후 도입 전과 도입 후의 작업시간, 멈춘 횟수, 불량과 사람의 개입 횟수를 비교한다.
시험 기간은 무조건 몇 개월이어야 하는 것은 아니다. 정상 생산뿐 아니라 제품 변경, 자재 부족과 설비 오류 같은 예외 상황까지 확인할 수 있을 정도로 정하는 것이 중요하다.
작은 시험에서 숫자가 개선되지 않는다면 기술의 문제가 아닐 수도 있다. 작업 기준이 불명확하거나 자재 공급과 데이터 기록 방식이 먼저 정리돼야 한다는 신호일 수 있다.
✓사람을 빼기 전 역할 정리
자동화 논의는 흔히 몇 명의 인력을 줄일 수 있는지로 시작한다. 그러나 실제 도입 과정에서는 사람의 역할이 완전히 사라지기보다 달라지는 경우가 많다.
반복 작업은 줄어들 수 있지만 설비 상태 확인, 예외 판단, 품질 검증과 유지보수 업무는 남는다. 작업자가 직접 하던 일이 로봇을 감시하고 문제를 해결하는 일로 바뀔 수도 있다.
안전 문제도 별도로 살펴야 한다. 산업용 로봇은 로봇 자체뿐 아니라 설치, 시험 운전, 작업자 접근, 유지보수와 수리 과정까지 함께 검토해야 한다.
비상정지 버튼이 있다는 사실만으로 안전이 확보되는 것은 아니다. 누가 설비를 재가동할 수 있는지, 사람이 작업구역에 들어갔을 때 장비가 어떻게 멈추는지, 정비 중 전원을 어떻게 통제할지까지 기준이 필요하다.
피지컬 AI는 사람을 지우는 기술보다 사람과 기계의 역할을 다시 나누는 기술에 가깝다.
✓도입 전 현장 점검
| 점검 항목 | 확인 기준 | 실무 포인트 |
|---|---|---|
| □ 반복 작업 | 이동·검사·기록 시간 | 작업자별 시간 측정·대기 구분 |
| □ 데이터 기준 | 가동·정지·불량 정의 | 시스템·현장 기록 일치 |
| □ 예외 상황 | 오류·자재 부족·규격 변경 | 사람 개입 횟수·복구시간 기록 |
| □ 유지 비용 | 부품·사용료·교육비 | 초기비용·연간비용 구분 |
| □ 안전 역할 | 정지·재가동·정비 권한 | 위험성 평가·교육·이력 관리 |
✓결국 현장부터
피지컬 AI는 생산과 물류 현장을 크게 바꿀 가능성이 있다. 그러나 새로운 기술을 설치했다고 해서 기존의 문제가 자동으로 사라지는 것은 아니다.
데이터가 서로 다르고 작업 기준이 불명확하면 AI도 정확하게 판단하기 어렵다. 예외 작업이 정리되지 않으면 작업자는 로봇이 멈출 때마다 다시 개입해야 한다.
피지컬 AI 도입의 출발점은 가장 좋은 로봇을 찾는 일이 아니라, 현장에서 반복되는 낭비와 불일치를 정확히 찾는 일이다.
작은 작업부터 시험하고, 줄어든 시간과 새로 생긴 비용을 함께 기록해야 한다. 그 숫자가 확인된 뒤에야 자동화가 단순한 설비 구매인지, 실제 생산성 개선인지 판단할 수 있다.
✓참고 자료
– Consumer Technology Association, 「CES 2026: The Future is Here」, 2026년 1월 9일
– ISO 10218-1:2025, 산업용 로봇 안전 요구사항
– ISO 10218-2:2025, 산업용 로봇 응용 시스템과 로봇 셀 안전 요구사항
안전·인증·보험·법률 관련 요구사항은 산업군, 설비 구성과 적용 지역에 따라 달라질 수 있다. 실제 도입 전에는 안전·설비·법무·보험 담당자의 검토가 필요하다.
English Summary
Physical AI does not improve productivity by itself. Before adopting robots and intelligent machines, companies should clarify work standards, data definitions, exception handling and safety responsibilities. A small pilot should measure reduced work, downtime and newly added operating costs.
관련 글
AI 에이전트 도입 확산, 결국 문제는 기술이 아니라 일하는 방식이다
헬스케어 물류 혁신, 결국 재고가 보이는 것부터 시작된다
