피지컬 AI 입문

AI가 밖으로 나온다

화면 속에서, 현실 세계에서 움직이는 존재로. 이것이 지금 일어나고 있는 큰 변화입니다. 그동안 많은 사람이 접해 온 AI는 글을 쓰거나 질문에 답하는, 화면 속 도구였습니다. 하지만 이제는 보고, 움직이고, 옮기고, 멈추고, 사람을 대신해 현장에서 일을 하는 방향으로 넓어지고 있습니다.

예를 들어 사무 업무로 생각해 보면 이해하기 쉽습니다. 글을 읽고 답하는 것만 한다면, 인수인계 문서를 읽은 신입사원에 가깝습니다. 하지만 실제로 창고에 가서 짐을 들고, 공장에서 부품을 옮기고, 밭에서 수확하려면, 읽는 것만으로는 부족합니다. 주변을 보고, 손을 움직이고, 실수하지 않도록 조절하는 힘이 필요합니다.

피지컬 AI란

우선 이것만

AI가 현실 세계에서 움직이며 일을 한다

이것이 피지컬 AI입니다. 이름만 들으면 사람 모양 로봇을 떠올리기 쉽지만, 거기에만 한정되지 않습니다. 중요한 것은 모양이 아니라, 현실의 공간에서 일한다는 점입니다. 자동차처럼 이동하는 것도 있고, 공장 기계처럼 정해진 자리에서 움직이는 것도 있습니다.

• 사람형 로봇만의 이야기가 아니다
• 자동차·드론·공장·농업·돌봄으로도 넓어진다

활약하는 곳

로봇만의 이야기가 아니다

활약하는 곳은 우리가 생각하는 것보다 훨씬 넓습니다. 그리고 어떤 곳이든 공통적인 점은, 주변 상황을 보고 그 자리에 맞게 움직여야 한다는 것입니다. 미리 정해진 대로만 움직여서는 현실에서 곤란한 상황이 많이 생깁니다.

이동

자율주행 자동차나 드론이 주변을 보며 움직입니다. 길에 사람이 있다, 바람이 강하다, 장애물이 있다. 이런 변화에 맞춰 안전하게 나아갈 필요가 있습니다.

제조

공장의 로봇이 작업을 판단하며 움직입니다. 부품이 놓인 방식이 조금만 달라도, 집는 방법이나 움직이는 순서를 바꿔야 할 때가 있습니다.

생활

농사일이나 돌봄처럼 사람 가까이에서도 일합니다. 상대가 사람일수록 거칠게 다룰 수 없습니다. 속도뿐 아니라, 부드러움과 안전도 중요해집니다.

부족한 것은 경험이다

현실에서 움직이는 AI에게는 행동의 본보기가 필요합니다. 이 점이 화면 속 AI와 크게 다른 부분입니다. 글과 관련된 일이라면 많은 문장을 읽고 배우기 쉽습니다. 하지만 현실에서의 움직임은 읽는 것만으로 익힐 수 없습니다.

사람에게 일을 가르치는 장면도 같습니다. 서류 정리라면 예시 문장이나 순서 안내문으로 가르치기 쉽습니다. 하지만 깨지기 쉬운 물건을 상자에 담는 일은, 잡는 방법과 힘을 주는 방법까지 보여주지 않으면 전달되지 않습니다. 피지컬 AI도 그것과 아주 비슷합니다.

배우는 재료가 다르다

글을 다루는 AI와의 차이

지금까지는 책이나 글에서 배우는 경우가 중심이었습니다. 앞으로는 사람의 움직임에서 배우는 경우가 늘어납니다.

지금까지는 인터넷에 재료가 많이 있었습니다. 앞으로는 행동 데이터가 적어서, 모으는 것부터 시작해야 합니다.

지금까지는 지식을 답하는 것이 주된 일이었습니다. 앞으로는 현실에서 몸을 움직이는 것이 요구됩니다.

가장 큰 벽은 데이터

피지컬 AI의 약점

현실의 움직임을 배울 재료가 아직 부족하다

글이나 이미지와 달리, 행동의 본보기는 모으기 어렵습니다. 사람이 실제로 움직이고, 그 움직임을 기록하고, 그것을 정리해야 비로소 학습 자료가 됩니다. 게다가 단순히 영상을 찍는 것만으로는 부족할 때가 있습니다. 어디를 보고 있었는지, 어느 정도 힘으로 들었는지, 어떤 순서로 움직였는지까지 알 수 있어야 비로소 도움이 되는 경우가 많기 때문입니다.

또한 물건의 무게나 마찰처럼 현실의 조건도 익혀야 합니다. 책상 위의 글이라면 무게가 바뀌지 않지만, 실제 물건을 다루는 작업에서는 상자 안의 내용물이 다르면 드는 방법도 달라집니다. 바닥이 미끄럽다면, 움직이는 방식도 바꾸지 않으면 위험합니다.

현실에는 법칙이 있다

움직일 수만 있다고 충분하지 않다

무게

물건마다 무게가 다르고, 필요한 힘도 달라집니다. 가벼운 물건인 줄 알고 세게 잡으면 망가뜨릴 수 있고, 무거운 물건을 가벼운 물건인 줄 알고 들면 떨어뜨릴 수도 있습니다.

촉감

미끄러운 정도가 다르면, 잡는 방법도 달라집니다. 종이 묶음, 금속 부품, 젖은 용기는 같은 방식으로 잡아서는 안정적이지 않습니다.

움직임

던지기·옮기기처럼 동작마다 경험이 필요합니다. 옮기기만은 할 수 있어도, 정해진 방향으로 맞춰 놓으려면 다른 본보기가 필요합니다.

누구에게 배우는지도 중요하다

능숙한 사람의 움직임이 학습 자료가 된다

먼저 사람의 움직임을 기록한다. 실제 작업을 AI가 배울 수 있는 본보기로 남깁니다. 여기서 중요한 것은, 이것을 평범한 작업 장면으로 그냥 흘려보내지 않는 것입니다. 무엇을 하는 장면인지, 잘됐는지, 실패했는지가 드러나는 형태로 남겨야 합니다.

숙련자의 요령을 모은다. 일을 잘하는 사람일수록 질 높은 행동 본보기를 만들 수 있습니다. 본인은 당연하게 하고 있어도, 내려놓기 전에 방향을 확인하거나, 살짝 들어 올려 무게를 가늠하는 식의 세세한 요령이 들어 있습니다. 그런 요령이 나중에 큰 차이를 만듭니다.

현장마다 쌓아 간다. 공장이나 농업처럼, 일의 종류마다 경험을 쌓아 갑니다. 어떤 현장에서 잘 통했던 움직임이 다른 현장에서도 그대로 통한다고는 할 수 없습니다. 일의 종류가 다르면, 모아야 할 본보기도 달라집니다.

제조업이 강점이 된다

공장과 숙련자의 경험이 새로운 자원이 됩니다. 그동안 현장에서 당연하게 쌓아 온 지혜가, 피지컬 AI 시대에는 매우 가치 있는 것이 됩니다. 단지 설비가 있는 것만이 아니라, 날마다의 작업과 그 작업을 능숙하게 해내는 사람이 있다는 점이 강점입니다.

현장 자체가 자산

피지컬 AI 시대의 강점

공장은 실제 작업이 있기 때문에 움직임의 본보기를 만들 수 있습니다. 산업은 자동차·반도체·조선 등 폭넓은 현장을 가지고 있습니다. 숙련자는 오랜 요령을 AI에 가르치는 역할을 맡습니다. 즉, 현장·일의 종류·사람의 경험이 갖춰질수록 강해집니다.

경쟁력의 중심

기계만 사 와서는 부족하다

질 높은 행동 데이터를 모으는 힘이 중요하다

중요한 것은 비싼 기계를 두는 것만이 아닙니다. 현장을 갖는 것과, 그것을 데이터로 만드는 구조가 모두 필요합니다. 또 숙련자가 AI의 선생님이 된다는 관점도 중요합니다. 현장의 사람이 소외되는 것이 아니라, 오히려 중심이 됩니다.

목표는 공장 전체

한 대의 로봇에서 다음 단계로

주문부터 생산을 생각한다. 필요한 것을 보고 생산의 흐름을 짭니다. 단지 눈앞의 작업만이 아니라, 무엇을 어떤 순서로 만들지까지 생각하는 단계로 나아갑니다.

여러 로봇에게 일을 나눈다. 공장 안의 기계에 각각의 역할을 배분합니다. 한 명의 작업자에게 말로 일을 나누듯이, 전체를 보면서 움직임을 배치하는 이미지입니다.

품질까지 확인한다. 완성품과 설비의 상태까지 확인합니다. 만들고 끝나는 것이 아니라, 제대로 되었는지, 기계에 무리가 없는지까지 살핍니다.

공장 전체로 판단한다. 이어지는 여러 일을 한꺼번에 조정합니다. 여기까지 오면, 기계 한 대 한 대의 똑똑함보다 현장 전체의 연결이 더 큰 가치가 됩니다.

AI를 가진다는 의미

편리함뿐 아니라, 계속 사용할 수 있는 힘도 필요합니다. 당장 편리하면 됐다고 보기에는 불안이 남습니다. 일에 쓰는 이상, 필요할 때 멈추지 않는 것, 쓸 수 없게 되었을 때 다른 방법을 생각할 수 있는 것이 중요합니다.

해외에만 맡길 때의 약점

쓸 수 있는 것이 당연하지는 않다

이용 제한

최신 AI를 쓸 수 없게 될 가능성이 있습니다. 쓰고 싶은 시기에 쓸 수 없으면, 시험해 보는 것조차 어려워집니다.

연구 중단

의지하던 AI가 멈추면 일을 이어 가기 어렵습니다. 회사 안에 지식이나 대체 방법이 없으면, 거기서 손이 멈추고 맙니다.

경쟁력 차이

오래된 AI만 쓸 수 있다면 성과에도 차이가 납니다. 같은 사람이 같은 노력을 해도, 쓸 수 있는 도구의 차이로 결과가 달라질 수 있습니다.

스스로도 만들 수 있는 힘을

독자적인 AI가 필요한 이유

필요한 AI를, 우리 스스로도 만들 수 있는 힘을 남겨 둔다

• 모든 것을 해외 AI에만 의존하지 않는다
• AI 자체와, 쓰기 쉬운 서비스가 모두 필요하다

여기서 말하는 ‘우리 스스로도 만들 수 있는 힘’이란, 반드시 모든 것을 처음부터 직접 만든다는 뜻은 아닙니다. 필요한 부분은 스스로 생각하고, 고르고, 바꾸고, 현장에 맞게 활용할 수 있는 힘을 갖는다는 뜻입니다.

쓸 수 있는 사람을 늘린다

기술 경쟁과 함께, AI 격차에 대한 대비도 필요합니다. 새로운 도구는 빨리 접한 사람일수록 익숙해집니다. 반대로 어려워 보인다고 멀리하면, 차이는 조금씩 벌어집니다. 여기서 중요한 것은 전문가가 되는 것이 아니라, 우선 쓸 수 있는 쪽에 들어가는 것입니다.

IT도 AI도 접해 본 적이 없는 사람일수록, 처음에 더 긴장하기 쉽습니다. 하지만 처음부터 깊은 구조를 알 필요는 없습니다. 세탁기 안에서 어떻게 돌아가는지 전부 몰라도 쓸 수 있는 것과 마찬가지로, 먼저 어디에 도움이 되는지 아는 것이 우선입니다.

새로운 격차가 생긴다

단지 쓰느냐 마느냐의 문제가 아니다

지금까지는 AI를 쓰지 않는 사람이 많았습니다. 앞으로는 AI를 일상에서 쓰는 사람이 늘어납니다.

지금까지는 접할 기회가 적은 것 자체가 보통이었습니다. 앞으로는 시험해 볼 기회가 많은 사람일수록, 어디에 써야 할지 더 빨리 찾습니다.

지금까지는 기본적인 사용법만 알아도 차이가 났습니다. 앞으로는 더 높은 수준의 활용까지 나아가는 사람과의 차이가 벌어지기 쉬워집니다.

첫걸음을 넓힌다

AI를 특별한 도구로만 두지 않는다

접해 보기

먼저 한 번 써 보고, 무엇을 할 수 있는지 경험합니다. 나에게 맞는지 아닌지는 직접 써 보기 전에는 알 수 없습니다.

배우기

어려운 기술보다, 생활과 일에서 시험해 봅니다. 회의 메모 정리, 말투 다듬기, 설명문 초안 작성처럼 결과를 보고 판단하기 쉬운 일이 잘 맞습니다.

참여하기

나이와 관계없이, 만드는 쪽에도 참여해 봅니다. 현장의 사람이 “이런 방식이라면 도움이 된다”라고 말할 수 있는 것 자체가 가치입니다.

내일부터 할 수 있는 일

변화를 기다리기보다 먼저 만져 본다

1. 궁금한 것을 AI에게 물어본다. 일이든 취미든, 자신과 가까운 주제부터 시작합니다. 어려운 질문일 필요는 없습니다. 평소 사람에게 묻던 것을 그대로 물어보면 충분합니다.

2. 한 가지 작업을 맡겨 본다. 글 정리처럼 결과를 확인할 수 있는 일로 시험합니다. 처음부터 중요한 판단을 맡기지 않는 것이 중요합니다. 초안 작성, 목록 만들기, 바꿔 말하기처럼 사람이 마지막에 다시 볼 수 있는 일부터 시작합시다.

3. 나만의 사용법을 키운다. 쓰면서 어디에 도움이 되는지 찾아갑니다. 잘되지 않았을 때 “쓸 수 없다”로 끝내지 말고, “무엇을 부탁했어야 했을까”를 조금 바꿔 다시 시도해 보는 것이 요령입니다.

하면 안 되는 것은, 처음부터 모든 것을 맡기는 일입니다. 특히 돈, 계약, 인사, 안전과 관련된 일은 그대로 쓰지 말고 반드시 사람이 확인해야 합니다. 편리함보다도, 틀렸을 때 생기는 문제가 큰 일일수록 더 조심해서 시작해야 합니다.

정리

피지컬 AI의 핵심

AI는 화면 속에서 현실 세계로 넓어집니다. 피지컬 AI는 현실 세계에서 움직이는 AI입니다. 가장 큰 과제는 행동 데이터가 부족하다는 점입니다. 숙련자와 제조 현장은 중요한 자산이 됩니다. 그리고 AI를 우리 스스로도 만들 수 있는 힘이 필요합니다. 먼저 써 보는 것이 AI 격차를 줄이는 첫걸음입니다.

마지막으로

AI 도서관

팔로우와 좋아요 부탁드립니다

AI를 일에 활용하는 이야기를, 쉬운 내용으로 하나씩 올리고 있습니다. 다음 편도 여기서 만나요.

• 오늘 하는 일에서, AI에게 물어볼 만한 것을 하나 찾아본다
• 초안 작성이나 정리처럼, 확인하기 쉬운 작업을 하나 맡겨 본다
• 잘된 부탁 방식과, 잘되지 않은 부탁 방식을 메모로 남긴다
• 자신의 일터에서, 사람의 움직임과 요령이 가치가 되는 장면을 생각해 본다