솔직히 제조업이 한국의 미래라는 말을 처음 들었을 때는 의외였습니다. 누구나 IT와 소프트웨어를 외치는 시대에, 공장과 숙련공이 최고의 자산이 될 수 있다는 발상 자체가 신선했거든요. 그런데 피지컬 AI(Physical AI)라는 개념을 알게 되면서 생각이 완전히 바뀌었습니다. 일반적으로 AI 하면 챗GPT처럼 글 쓰고 답변하는 소프트웨어를 떠올리지만, 실제로 로봇이나 자율주행차처럼 물리적 움직임을 제어하는 AI야말로 진짜 혁명이 될 수 있다는 걸 깨달았습니다. 특히 한국처럼 제조업 기반이 단단한 나라에서는 이 기회를 놓쳐서는 안 된다는 생각이 듭니다.
피지컬 AI가 바꿀 제조업의 미래
피지컬 AI는 물리적 세계에서 작동하는 인공지능으로, 휴머노이드 로봇이나 자율주행차처럼 실제 환경에서 움직이고 반응하는 시스템을 의미합니다. 쉽게 말해, 글이나 그림을 생성하는 생성형 AI(Generative AI)와 달리 실제로 물건을 조립하고 용접하고 운반하는 AI라고 보시면 됩니다.
제가 공장에서 일하는 지인에게 들은 이야기가 있습니다. 수십 년간 나사 하나 조립하는 일을 해온 숙련공 한 분이 계시는데, 그분이 나사를 조이는 각도와 힘 조절, 타이밍이 신입 직원과는 차원이 다르다고 합니다. 이런 미묘한 차이가 제품 불량률에 직접적인 영향을 미치는데, 문제는 이런 노하우가 사람 사이에서도 전수되기 어렵다는 점입니다. 그런데 피지컬 AI는 이런 숙련공의 움직임을 데이터로 학습할 수 있습니다.
챗GPT가 인터넷의 텍스트와 이미지 데이터를 학습했듯이, 피지컬 AI는 인간의 손동작, 힘 조절, 타이밍 같은 움직임 데이터(Motion Data)를 학습합니다. 휴머노이드 로봇이 복잡한 동작을 수행하려면 수많은 미분 방정식을 실시간으로 계산해야 하는데, 이를 수학적으로 풀기보다는 직접 학습을 통해 동작을 익히는 방식이 훨씬 효과적이라는 연구 결과가 나오고 있습니다(출처: MIT Technology Review).
여기서 한국의 기회가 보입니다. 미국과 유럽은 제조업 기반이 약화되면서 숙련공이 부족하지만, 한국은 여전히 반도체, 조선, 자동차, 심지어 마스크와 빨대 같은 작은 제조업까지 살아있습니다. 이 작은 땅덩어리 나라에서 온갖 공장을 지켜온 사장님들과 수십 년간 한 분야를 지킨 숙련공들이야말로 가장 귀한 자산이라는 생각이 듭니다.
한국이 가진 숨겨진 경쟁력
일반적으로 한국은 AI 시대에 뒤처질 것이라는 불안감이 만연해 있습니다. 하지만 제 경험상 이건 좀 다릅니다. 한국은 역사적으로 선진국을 빠르게 따라잡는 '패스트 팔로워(Fast Follower)' 전략으로 성공했지만, AI 시대에는 더 이상 이 방식이 통하지 않는다는 분석이 있습니다. 김대식 교수는 세 가지 이유를 제시합니다.
첫째, AI 발전 속도가 너무 빠릅니다. AI 분야에서 5년은 중공업의 50년에 맞먹는 격차를 만듭니다. 둘째, 세계화 시대가 끝나고 각자도생의 시대로 접어들면서 선진국 기술을 배울 기회가 사라졌습니다. 셋째, 과거 한국 성장을 이끈 부모님 세대의 헝그리 정신과 헌신적 노동을 오늘날 MZ 세대에게 요구할 수 없습니다. 그래서 이제는 직접 시도하는 방법만이 유일한 해답이라는 겁니다.
하지만 역설적으로, 제조업을 유지해 온 것이 과거에는 문제점으로 지적되었지만 지금은 가장 큰 기회가 될 수 있습니다. 한국은 2030년까지 GPU 5만 개 확보를 목표로 했는데, 갑자기 2026년에 26만 장의 GPU를 확보하게 되면서 인프라 과잉 문제에 직면했습니다. 이 GPU를 활용하려면 막대한 전력과 추가 데이터 센터가 필요하고, 동시에 이를 활용할 AI 서비스 수요도 만들어야 합니다.
바로 이 지점에서 피지컬 AI가 돌파구가 됩니다. 한국의 베테랑 숙련공들이 은퇴하기 전에 그들의 나사 조립, 용접, 조립 라인 움직임 등을 모션 캡처 기술로 기록하고 암호화한다면, 이는 전 세계 최고의 피지컬 AI 트레이닝 데이터(Training Data)가 될 수 있습니다. 쉽게 말해, 한국의 숙련공 데이터베이스가 글로벌 AI 로봇 산업의 핵심 자산이 되는 겁니다.
저는 이 부분이 정말 인상 깊었습니다. 한강의 기적을 "어마어마한 지불을 했고, 우리 부모님 세대가 행복을 지불한 것"이라고 표현한 대목이 특히 그렇습니다. 그 희생 위에서 축적된 제조업 노하우가 이제 AI 시대의 무기가 될 수 있다는 점에서, 과거와 미래가 연결되는 느낌을 받았습니다.
기술 유출 방지와 데이터 보안의 중요성
그런데 여기서 반드시 짚고 넘어가야 할 부분이 있습니다. 바로 데이터 보안과 기술 유출 문제입니다. 숙련공의 움직임 데이터가 국가 경쟁력의 핵심 자산이 된다면, 이를 지키는 것도 그만큼 중요해집니다.
제 생각에는 산업 스파이나 기술 유출에 대해 극형으로 다스릴 필요가 있습니다. 일본이 소부장(소재·부품·장비) 분야에서 강한 이유는 핵심 기술을 철저히 보호했기 때문입니다. 한국도 마찬가지로, 십수 년간 한 분야를 지킨 기술자분들을 우대하고 그들의 노하우를 데이터화하되, 이를 외부로 유출되지 않도록 보호하는 시스템이 필수적입니다.
특히 AI 시대에는 데이터 자체가 돈이기 때문에, 움직임 데이터베이스에 대한 접근 권한 관리와 암호화 기술이 더욱 중요해질 것입니다. 블록체인 기술을 활용한 데이터 위변조 방지나, 데이터 유출 시 추적이 가능한 워터마킹(Watermarking) 기술 같은 보안 체계를 갖춰야 합니다.
또한 AI를 활용한 교육 방식도 달라져야 합니다. 암기식 교육의 전면 개편이 필요합니다. 과거처럼 정답을 외우는 시대가 아니라, 질문을 잘 던지고 AI를 활용해 문제를 해결하는 능력이 더 중요해졌습니다. 오픈북 수능을 치르듯, 이제는 AI라는 도구를 옆에 두고 진짜 문제를 푸는 시대가 된 겁니다.
흥미로운 점은 AI에게 존댓말을 사용하는 것이 더 좋은 결과를 가져올 수 있다는 연구 결과입니다. 실제로 저도 이 이야기를 듣고 챗GPT에게 존댓말을 시작했는데, 혹시 모를 미래를 대비한다는 농담 같은 이유도 있지만, 실제로 응답 품질이 달라지는 느낌을 받았습니다. AI와의 대화도 결국 프롬프트 엔지니어링(Prompt Engineering)의 일종이고, 정중한 표현이 더 정교한 답변을 이끌어낸다는 점이 재미있습니다.
저는 이번 내용을 정리하면서 한국의 제조업이 단순히 과거의 유산이 아니라 미래의 자산이 될 수 있다는 확신을 갖게 되었습니다. 물론 노동력 대체 가능성이라는 양날의 검도 있습니다. 피지컬 AI가 발전할수록 인간 노동자가 빠르게 대체될 수 있다는 우려도 현실적입니다. 하지만 그 변화의 속도를 우리가 주도한다면, 위기가 아닌 기회가 될 것입니다. 따라가려 하지 말고 내가 먼저 시도해보는 것, 그것이 AI 시대 한국의 살길이라는 생각이 듭니다.