
일본에서는 장애인이 원격으로 운영하는 로봇 카페가 자동화에 대한 잘 알려지지 않은 또 다른 측면을 보여주고 있습니다. 로봇이 사람을 일자리에서 밀어내는 것이 아니라 오히려 노동시장에 참여할 수 있도록 돕는다는 점입니다. 이제 이러한 개념은 제조업에서도 나타나고 있습니다.
이는 로봇이 인간 노동자를 대체할 것이라는 일반적인 오해에 대한 중요한 반론입니다. 국제로봇연맹(IFR)에 따르면 2024년 전 세계에 설치된 로봇 수는 54만 2,000대로, 10년 전보다 두 배 이상 증가했습니다.
로봇의 역할은 단순한 시간 절약 수단을 넘어 새로운 가치를 창출하는 방향으로 점점 인식되고 있습니다. 전 세계 제조업체의 절반 이상이 품질 향상을 위해 로봇을 도입하고 있습니다. 제조업체들이 집중해야 할 것은 AI가 인간을 대체할지 여부가 아닙니다. 오히려 다음과 같은 질문이 더 중요합니다.
- 어떤 공정에 AI를 통합해야 하는가?
- 새로운 기술을 통해 더 많은 사람을 생산 현장에 참여시키려면 어떻게 해야 하는가?
- AI 기반 시스템과 자동화에 대비하기 위해 무엇을 준비해야 하는가?
전면적인 대체가 현실적으로 어려운 이유
대부분의 제조업체는 아직 생성형 AI는 물론 물리적 AI를 활용할 수 있을 정도의 IT 및 기술 인프라를 갖추지 못하고 있습니다. 제조업은 데이터와 정보 수집을 포함한 많은 공정에서 여전히 수작업 의존도가 높은 산업으로 잘 알려져 있습니다.
실제로 제조업은 모든 산업 가운데서도 가장 큰 데이터 격차를 가진 분야 중 하나입니다. 현재 제조업체의 70%는 여전히 데이터를 수작업으로 수집하고 있습니다.
이를 더 깊이 살펴보면 이러한 격차를 해소하기 어려운 두 가지 기술적 과제가 존재합니다. 첫 번째는 작업의 목적과 행동 사이의 연결 관계를 정확히 파악하는 것입니다. 이는 작업자가 무엇을 하는지만이 아니라 왜 그런 방식으로 작업하는지까지 이해해야 함을 의미합니다.
이 과정은 로봇을 공정에 단순히 투입하기 전에 반드시 고려해야 할 핵심 요소입니다. 그리고 두 번째 과제는 해당 행동을 로봇이 재현할 수 있는 형태로 변환하는 것입니다. 최근 몇 년 동안 모션 센서와 고도화된 생성형 AI 시스템의 발전으로 이 분야는 빠르게 진보하고 있습니다.
하지만 첫 번째 과제는 훨씬 더 복잡합니다. 공정에 대해 가장 깊이 이해하고 있는 사람들은 현장에서 직접 작업하는 생산 직원들이기 때문입니다. 이들의 전문성은 수년, 때로는 수십 년에 걸친 반복적인 작업 경험 속에서 형성됐으며, 상당 부분이 직관적인 수준에 이르러 있습니다.
이러한 직관은 로봇이 쉽게 학습하거나 재현하기 어렵습니다. 바로 이 지점에서 지식 격차가 발생합니다.
이 지식 격차를 해소하는 것이야말로 제조업체가 완전 자율형 로봇을 구현하는 데 있어 가장 크면서도 충분히 주목받지 못한 장애물이라고 할 수 있습니다. 현재 데이터와 IT 측면의 기반은 단순 반복 작업을 수행하는 수준을 넘어서는 고도 자율형 로봇을 지원하기에 충분하지 않습니다.
각 기업의 작업 프로세스와 디지털 생태계를 AI 및 로봇 친화적으로 전환하기 위해서는 업무 흐름이 설계되고 운영되는 방식 자체를 근본부터 재구성해야 할 것입니다.
※ 더 자세한 내용은 원문을 참조해주세요
※ 퀘이사존 공식 기사가 아닌 해외 뉴스/기사를 번역한 것으로, 퀘이사존 견해와 주관은 포함되어 있지 않습니다. |