인간성이 필요없는 노동이 사라진다?

“우리는 공장의 용접공이나 물류창고의 상하차 직원들에게 감정적 교감이나 친절함을 기대하지 않습니다. 역사를 돌이켜보면 기술이 가장 먼저, 그리고 가장 완벽하게 대체해 온 것은 언제나 ‘인간성을 요구하지 않던 노동’ 이었습니다.”

최근 만난 한 테크 기업 대표는 AI 도입으로 우리의 일자리에 어떤 변화가 일어나고 있는지에 대해 이렇게 설명했습니다.
챗 GPT가 처음 우리 앞에 모습을 드러냈을 때 세상은 로펌의 변호사나 투자 은행의 분석가, 소프트웨어 개발자 같은 화이트칼라 계층이 가장 먼저 사라질 것이라고 경고했습니다. AI가 지식과 언어라는 추상적인 영역을 마치 사람처럼 구사했기 때문이었죠.

그러나 현재 글로벌 테크와 제조 현장에서 목격되는 실제 풍경은 반대입니다. 고객의 짜증 섞인 불만을 응대하고, 인간 대 인간의 관계를 조율하는 화이트칼라의 감정 노동은 여전히 인간의 몫으로 남아 있는 반면, 정해진 시간 동안 정밀한 반복 작업을 계속해야하는 현장의 육체노동은 AI에게 그 자리를 넘겨주고 있기 때문입니다.

실험실 안의 구경거리에 불과했던 휴머노이드 로봇은 AI와 만나 사람같은 노동자로 변신하고 있습니다. 미국 사우스캐롤라이나주 BMW 스파탄버그 공장이 대표적이죠. 시범 투입된 휴머노이드 로봇이 3만대가 넘는 차량의 차체 부품 9만개를 99%의 정밀도로 조립해내자 BMW는 올해 시간당 25달러의 정식 상용 노동 외주 계약(LaaS)을 체결하고 차세대 모델을 물류 현장에 배치했습니다. 메르세데스 벤츠 역시 자체 생산 라인에 휴머노이드를 정직원처럼 투입했죠.

단순히 지정된 좌표대로 딱딱하게 움직이던 과거의 공장 로봇과 지금 로봇의 차이는 무엇일까요. 그리고 왜 글로벌 거대 자본은 집안일을 해주는 가사로봇 대신 인구 절벽에 직면한 B2B 산업 현장으로 모이고 있을까요.

오늘 미라클레터에서는 지능에 눈과 행동이 결합한 VLA(비전·언어·행동) 파운데이션 모델이 만들어내는 노동의 전환과 이로 인한 테크 업계의 변화에 대해 들여다보고자 합니다.

데이터와 AI의 미래를 향한 한 걸음, Snowflake World Tour 서울 2026 

공장 라인에서 작업하는 정밀 로봇 팔이나 산업용 기계들의 이동 방식은 사전에 정밀하게 계산된, 즉 이미 프로그래밍(pre-programming)된 것입니다. 엔지니어가 미리 입력해둔 정밀한 3차원 공간 좌표값과 공식에 따라 기계적으로 왕복하며 반복 작업을 하는 것이죠.

문제는 현장에선 돌발 변수가 발생한다는 것입니다. 부품의 위치가 아주 미세하게 틀어지거나 수건이나 옷가지처럼 형상이 일정하지 않고 자유자재로 구겨지는 ‘비정형 물체’를 다루는 것은 기존 기계식 로봇으로는 한계가 있었습니다. 오차의 경우의 수가 무한대에 가깝다보니 엔지니어가 모든 상황을 다 프로그래밍해서 코딩으로 일일이 입력해주는 것이 불가능하기 때문입니다.

이 한계를 극복하게 해준 것이 바로 VLA 파운데이션 모델입니다. VLA의 계보를 거슬러 올라가 보면 우리가 익숙한 거대언어모델(LLM)로 이어집니다. 텍스트를 보고 답을 내놓는 LLM에 눈을 달아 정지 이미지와 비디오를 처리하게 한 것이 VLM이고 여기에 로봇의 행동을 직접 출력값으로 뽑아낸 것이 VLA죠. 이제 로봇은 사람의 시각 정보를 실시간으로 받아들이고 텍스트 명령을 이해한 뒤 비정형 물체의 미래 상태를 추론해 스스로 손과 팔을 움직이게 됩니다.

미국 로봇 AI 스타트업 ‘피지컬 인텔리전스’가 선보인 파운데이션 모델 파이제로나 스킬드AI의 범용 브레인 모델은 구겨진 빨래를 개고, 엉켜있는 케이블을 정돈하고, 상자 속에 무작위로 쏟아져있는 부품을 분류하는 일을 해냈습니다. 좌표를 기계적으로 암기해 정해진 동선으로만 움직였던 로봇이 인간처럼 상황을 판단하고 변화하는 환경에 맞춰 실시간으로 행동을 교정하는 지능형 노동자가 된 것이죠.

피지컬AI나 휴머노이드 소식을 접할 때 우리가 가장 먼저 떠올리는 모습은 SF 영화 속 한 장면입니다. 집안에서 퇴근한 주인을 맞이하고 주인을 대신해 청소, 빨래, 식사준비 등 귀찮은 가사 노동을 대신해주는 휴머노이드 로봇이죠.

우리의 기대와 달리 가사노동 로봇이 당장 가정마다 도입되기 어려울 것으로 보는 견해도 있습니다. 집안일은 환경의 가변성이 극도로 높기 때문이죠. 빨래, 식사준비, 청소 등 모든 집안일은 정형화된 것이 없어 로봇으로선 사람처럼 똑같은 업무를 수행하는 것이 매우 어렵습니다. 이렇듯 가변성은 높은데 소비자가 로봇을 위해 지불할 수 있는 비용의 한계는 명확합니다. 가사일을 도와주는 로봇이 있다한들 로봇에 무한정 높은 비용을 지출할 수는 없기 때문이죠.

기업으로선 완벽한 가사노동 로봇을 만드는 것은 기술적으로 매우 어려운 일인데, 로봇을 판매해서 올릴 수 있는 매출은 얼마 되지 않는다는 의미입니다. 빅테크들과 거대 자본이 가사 로봇이 아닌 공장과 물류창고로 눈을 돌린 이유가 여기 있습니다.

반대로 규격화된 노동 현장에선 로봇을 활용하기 좋습니다. 특히 초저출산과 고령화로 극심한 인구 절벽 현상을 직면한 국가들로서는 일할 노동자를 구하지 못해 공장이 멈춰설 가능성이 점점 높아지고 있습니다. 급한대로 이민자들을 받아들여 이 문제를 해결할 수 있지만 이 또한 완벽한 해결책은 아니죠. 2026년 현재 미국에서는 테슬라의 옵티머스, 아마존 물류창고에 정식 투입된 어질리티 로보틱스의 이족보행 로봇 ‘디짓(Digit)’, 그리고 보스턴 다이내믹스 등이 노동력 부족에 시달리는 산업 현장에 가장 먼저 실전 배치되고 있습니다.

여기서 새로운 패권이 만들어집니다. 미국은 피지컬 인텔리전스처럼 기업가치가 수십조원에 달하는 스타트업을 육성하는 압도적인 자본과 소프트웨어 AI 기술을 보유하고 있고 중국은 국부펀드의 막대한 자금이 샤오미, BYD 같은 자국 제조 생태계 흘러들어 로봇 데이터를 차곡차곡 쌓고 있습니다. 미국과 중국 사이에서 한국과 일본의 입지는 독특하면서도 결정적입니다. 세계 최고 수준의 미세 정밀 제조 인프라와 단단한 산업 공급망을 갖추고 있지만, 초고령화로 인한 노동력 부족으로 AI 로봇 도입이 시급한 ‘핵심 수요 시장’ 이기 때문이죠.

일본과 한국의 주요 기업들은 사내 제조 공정의 데이터를 개방하는 파트너십을 체결하면서 로봇 AI 스타트업들과 연합군을 구축하고 있습니다. 자본의 규모만으로는 미국·중국과 직접 대결이 어렵지만, 제조 현장의 고급 데이터와 정밀 하드웨어 공급망을 갖추고 있기에 피지컬AI 시대에 핵심 축으로 자리매김 할 수 있는 것입니다.

• 아모레퍼시픽: AI-Ready 데이터부터 Ontology 기반 AI Agent 적용 사례 
• GS 건설: 대규모 건설 프로젝트 데이터를 Cortex Code와 Cortex Agent로 Business AI 구현 
• 풀무원: 공급망관리 워크플로우를 Loop 엔지니어링 기반 에이전틱 AI로 전환 
• 아정네트웍스: 흩어진 마케팅 데이터를 하나로 통합한 분석 혁신
• 위메이드플레이: BI AX를 위해 AI가 이해하기 좋은 구조로 데이터를 전환 
• 뱅크샐러드: 모두가 데이터를 쓰는 조직으로의 혁신 여정

• AI가 신뢰할 수 있는 데이터 기반을 만드는 법과 전환 전략을 소개합니다.

• dbt·시맨틱 뷰·CoCo 연계로 AI 데이터 파이프라인을 완성하는 실전 아키텍처를 공유합니다. 
• Kafka 기반 스트리밍 연동을 Datastream으로 전환하여 실시간 데이터 연동을 단순화하는 방법을 소개합니다.

• AI 에이전트에 품질 인식 컨텍스트를 제공하고 데이터 계보·시맨틱 모델링을 자동화하는 방법을 소개합니다.

• CoWork로 업무를 자동화하고 데이터 기반 의사결정을 가속하는 방법을 소개합니다. 
• 비정형 데이터를 Cortex AI 함수로 처리하여 Enterprise AI를 구축하는 실전 방법을 공유합니다. 

1. CoCo 핸즈온 랩 & 챌린지: 코딩 에이전트로 빠르게 구축 & 결과물 생성
2. 파트너 에코시스템: 주요 파트너사 부스를 방문
3. 커뮤니티 빌리지: AI 스택 커뮤니티와 인사이트 발견
4. 스타트업 & 마케팅 빌리지: AI 기반의 스타트업과 마케터를 위한 특별 세션

피지컬AI의 폭발적인 성장은 AI 반도체 시장의 판도를 흔들고 있습니다. 그동안 AI 반도체 생태계는 엔비디아가 거대한 클라우드 데이터센터용 GPU를 앞세워 사실상 독점 카르텔을 형성해왔죠. 거대 인프라 기업들이 이미 구축해놓은 클라우드 시장에 후발 주자가 비집고 들어갈 틈이 없어보였습니다.

로봇의 몸에 AI가 탑재되는 피지컬AI 시대가 열리면서 환경은 바뀌고 있습니다. 로봇은 클라우드 서버와의 통신에만 의존할 수가 없습니다. 현장에서 장애물을 피허거나 물체를 잡을 때 통신 지연이 발생한다면 이는 사고로 이어질 가능성이 크기 때문이죠. 로봇의 몸 안에서 실시간으로 초전력, 고성능 추론을 하는 ‘온디바이스 엣지 NPU(신경망처리장치)’가 필수적인 이유입니다.

엣지 NPU 시장은 엔비디아의 영향력이 미치지 않는 새로운 전장입니다. 퀄컴, 인텔, AMD 같은 전통의 칩 거인들은 물론 이스라엘의 하일로 등 글로벌 AI 칩 스타트업들이 로봇 전용 엣지 NPU 시장을 차세대 먹거리로 점찍고 기술 경쟁에 뛰어들고 있습니다.

이는 한국에게도 희소식입니다. 서버용 AI 칩 시장에서 엔비디아에 밀렸던 리벨리온, 퓨리오사AI 등 우리나라의 대표 팹리스 스타트업들에게도 피지컬 AI가 새로운 반전의 기회가 될 수 있습니다. 무겁고 비싼 클라우드 데이터센터 대신, 로봇과 자동차, 산업 기계라는 실물 하드웨어에 탑재되는 엣지 AI 칩이 피지컬 AI 시대의 진짜 실속 있는 전장으로 떠오르고 있기 때문입니다.

삼성전자 엔지니어들은 스마트안경에 들어갈 부품을 0.1g 단위로 잽니다. 사람 머리카락 굵기가 70㎛(0.07㎜) 안팎인데, 부품 치수는 그에 준하는 0.1㎜ 단위까지 재 설계에 반영했습니다. 올해 안에 나올 삼성전자의 첫 인공지능(AI) 안경 '인텔리전트 아이웨어' 가 무게는 덜고 AI는 더한 선택으로 주목받고 있습니다.

우리는 오랫동안 AI가 인간의 일자리를 대체할 것인가에 대한 공포를 이야기해 왔습니다. 그러나 현실은 우리의 우려와는 조금 다른 방향으로 흘러가고 있습니다. AI는 인간의 지식이나 감정이 아닌 인구절벽으로 일손이 부족해진 현장의 육체노동 부터 대체하고 있기 때문이죠.

AI가 사람보다 똑똑해지는 것은 가능해도 사람보다 더 저렴해지는 것은 불가능하다는 말이 있습니다.  역설적이게도 가장 저렴한 비용으로 정밀한 노동을 제공하던 인간의 노동력이 사라진 자리를 수십조원의 자본과 VLA 파운데이션 모델을 갖춘 피지컬AI가 ‘서비스형 노동’의 형태로 대체하고 있습니다.  지능에 눈과 몸을 얻은 AI는 이제 공장의 벽을 넘어 유통과 물류, 우리 사회의 핵심 인프라로 깊이 들어올지도 모릅니다.

이제 질문은 AI가 사람을 대체할 수 있는가에서 인프라의 통제권을 쥔 AI 노동의 시대에 인간은 과연 이 기술을 제대로 통제할 수 있는가로 넘어가고 있는 것이죠. 거대한 노동의 전환기 속에서 우리는 어떤 미래를 준비하면 좋을까요.