AI는 사람을 완전히 대신할 수 있을까?
최근 산업 현장에서는 로봇과 인공지능이 빠르게 확산되고 있지만, 사람의 역할이 곧바로 사라지기는 어렵다는 시각이 나옵니다. 예외 상황이 많고 사고가 났을 때 누가 책임지느냐가 분명해야 하기 때문입니다. 결국 AI가 맡을 일과 사람이 직접 판단할 일을 나눠서 설계해야 한다는 것입니다.
서울 여의도 FKI타워에서 열린 ‘2026 한경 AX 서밋’에서 이현동 슈퍼브에이아이 부대표는 인간과 로봇이 함께 일하기 위한 지능형 제어 시스템에 대해 발표했습니다. 이번 행사는 ‘상상을 현실로, AI가 바꾸는 비즈니스 혁신’을 주제로 열렸습니다.
실제 데이터만으로는 한계, 합성 데이터와 디지털 트윈이 대안
이 부대표는 피지컬 AI의 핵심이 데이터에 있다고 설명했습니다. 피지컬 AI는 시간에 따라 변하는 센서 정보와 물리 정보, 행동 결과를 함께 다루어야 하기 때문에 일반 이미지 인식 AI보다 데이터 구축 난도가 훨씬 높습니다. 장소와 물체, 상황이 달라질 때마다 실제 데이터를 새로 모아야 하니 비용이 계속 늘어나는 것도 문제입니다.
이런 문제를 해결할 방법으로 합성 데이터와 디지털 트윈이 제시됐습니다. 실제 공간을 디지털로 똑같이 만들고, 그 안에서 로봇 시뮬레이션을 돌려 학습 데이터를 늘리는 방식입니다. 스마트폰으로 공간을 촬영해 도면과 주요 물체 정보를 뽑아내는 기술도 공개됐고, 사람의 행동 데이터를 로봇 움직임으로 바꿔 휴머노이드나 사족보행 로봇 학습에 활용하는 연구도 진행 중입니다.
제조·물류 현장은 협업이 핵심, 책임은 결국 사람의 몫
제조 현장이나 물류 창고처럼 공간이 넓은 곳은 고정된 CCTV만으로는 사각지대가 생기기 쉽습니다. 그래서 카메라와 드론, 사족보행 로봇으로 빈틈을 메우고, 디지털 트윈 위에서 로봇 위치와 시야를 함께 확인하는 방식이 필요하다고 했습니다.
AI가 사람을 완전히 대체한다는 말에 대해서는 회의적인 시각을 보였습니다. AI는 반복적인 일을 빠르게 잘하지만, 사람은 법과 제도 지식을 알고 예외 상황을 판단할 수 있기 때문입니다. 대체라는 표현은 기술 회사들의 마케팅 용어에 가깝고, 실제 현장에서는 협업 구조가 필요하다고 강조했습니다.
저작권과 권한, 책임 같은 영역은 결국 사람의 고유한 몫이라는 설명도 덧붙였습니다. 앞으로는 사람이 판단 과정에 분명히 들어가야 하는 구조가 더 중요해질 것이라고 말했습니다.
“AI를 도입했을 때 몇 초가 줄고 어떤 품질이 일관되게 나오는지 ROI로 보여줘야 고객을 설득할 수 있다.”
슈퍼브에이아이는 자동차 외관 검사, 반도체 외관 검사, 풍력발전소 점검, 건설 현장 안전 관리, 공공기관 하자 접수 같은 분야에 이런 협업 방식을 적용하고 있습니다. AI가 먼저 검수하고 사람은 꼭 봐야 할 부분만 골라보는 방식으로 일하는 셈입니다. 사람의 역할을 완전히 없애기보다 효율을 높이는 쪽으로 AI를 쓰고 있다는 게 이 회의의 골자였습니다.
※ 본문은 원문을 바탕으로 이해를 돕기 위해 재가공된 참고용 텍스트입니다.