공장 안에서 휴머노이드가 상자를 들어 옮기는 장면은 이제 단순한 연구실 전시로만 볼 수 없다. 물류시설에서 반복적으로 물품을 옮기고, 자동차 공장에서 부품을 집어 정해진 위치에 놓는 로봇의 운영 기록이 실제로 나오기 시작했다. 다만 영상 속 한 동작과 공장 전체를 책임지는 운영은 서로 다른 문제다.
생산 현장은 하나의 작업이 아니라 수백 개의 연결된 판단으로 움직인다. 박스가 제자리에 없을 때, 작업자가 통로로 들어왔을 때, 부품 규격이 바뀌었을 때, 설비가 잠시 멈췄을 때 무엇을 해야 하는지까지 결정돼 있어야 한다. 로봇이 상자를 잘 드는지는 그 문제 가운데 하나에 불과하다.
그림 1. 로봇 이미지와 공장 장면은 설명용 생성 일러스트이며 특정 기업·공장의 실제 현장 사진이 아니다.
상자를 옮기는 일은 실제 현장으로 들어왔다
Agility Robotics는 자사 휴머노이드 Digit가 GXO의 조지아주 물류시설에서 토트(tote) 10만 개 이상을 옮겼다고 발표했다. 자율이동로봇이 물건을 담은 토트를 실어 오면 Digit가 이를 내려 컨베이어로 옮기는 방식이다. 반복적인 한 구간을 인간을 위해 설계된 시설 안에서 수행한다는 점이 의미 있다. 그러나 이 수치는 Agility가 발표한 특정 시설·특정 업무의 누적 실적이지, 모든 형태의 창고 작업을 맡을 수 있다는 증거는 아니다. Agility Robotics 발표
자동차 공장에서도 비슷한 경계가 드러난다. Figure는 자사 Figure 02가 BMW 스파턴버그 공장에서 2025년 약 1,250시간 가동되며 9만 개 이상의 부품을 적재했다고 발표했다. 이는 BMW 전체 조립공정을 로봇이 수행했다는 뜻이 아니라, 자동차 생산 과정의 특정 판금 부품 적재 작업에 투입됐다는 의미다. Figure가 공개한 주요 운영 지표는 사이클 타임, 적재 위치 정확도, 사람이 개입해야 했던 횟수였다. '몇 번 움직였나'보다 '작업시간 안에 정확히 끝냈는가'를 중시했다는 점이 더 중요하다. Figure 공식 결과
이후 Figure가 2026년 6월 공개한 Figure 03의 BMW 현장 영상은 부품 순서 정리와 카트 이동처럼 더 복잡한 동작으로 대상을 넓혔다. 다만 회사는 이를 새 작업 흐름의 첫 시연으로 소개했다. 이를 장기간의 전 공정 가동 실적으로 바꿔 읽어서는 안 된다. Figure 공식 발표
세 장면을 함께 놓으면 공통된 흐름이 보인다. 로봇 기업은 '사람처럼 움직이는가'를 보여주는 단계에서 '실제 작업을 얼마나 안정적으로 반복하는가'를 보여주는 단계로 이동하고 있다. 동시에 작업의 범위가 넓어질수록 입증해야 할 운영 능력도 훨씬 늘어난다.
그림 2. 가능한 작업과 남은 과제를 구분한 개념도. 실제 성공률·도입 비중·산업 표준을 나타내는 정량 데이터는 아니다.
기술이 아니라 '운영 가능성'이 시험받는 순간
상자를 잡는 동작 하나만으로는 생산성을 평가할 수 없다. 그 상자를 옮기기 전에 카메라가 대상을 제대로 인식해야 하고, 로봇은 지시된 부품인지 확인한 다음 안전한 경로를 선택해야 한다. 사람이나 장애물이 나타났을 때는 속도를 줄이거나 멈춰야 한다. 실패했을 때 다시 시도할지, 사람에게 작업을 넘길지, 상위 생산관리시스템에 오류를 남길지도 결정해야 한다.
특히 중요한 것은 예외가 누적되는 방식이다. 한 작업의 실패확률이 작아도 수많은 작업이 연속되는 공장에서는 정지·오분류·재검수 비용이 확대될 수 있다. 물론 개별 실패확률을 곧바로 곱해 공장의 사고율을 계산할 수는 없다. 작업별 의존성, 복구 절차, 작업자 개입에 따라 실제 손실은 달라진다. 그럼에도 장기 연속 가동과 예외 복구가 별도로 검증돼야 한다는 결론은 바뀌지 않는다.
로봇 손의 정밀성과 범용성도 중요하다. 같은 크기의 상자를 반복해서 옮기는 것과 작고 미끄러운 부품을 뒤집어 특정 방향으로 결합하는 일은 다른 작업이다. 물체의 재질·마찰력·위치·형태가 달라지면 그립과 손목의 움직임도 바뀌어야 한다. Figure의 공개 자료에 따르면 Figure 02의 손목·전완 구조는 장기 운용 과정에서 하드웨어 개선 필요성이 드러난 부분이었다. 이는 소프트웨어 학습만으로 해결되지 않는 물리적 제약이 있다는 사례다. Figure 운영 회고
안전 기준 역시 로봇 몸체에서 끝나지 않는다. 산업용 로봇의 안전을 다루는 ISO 10218-1:2025는 로봇 자체의 설계·위험 저감에, ISO 10218-2:2025는 로봇이 설비·작업환경에 통합된 로봇 애플리케이션과 작업셀의 안전에 초점을 둔다. 이 규범을 특정 휴머노이드 제품의 적합성 인증이라고 오해해서는 안 된다. 실제 적용 범위와 설비 형태별 요구사항은 별도 평가가 필요하다. 미국 OSHA도 로봇 관련 사고 위험이 설치·정비·설정 같은 비정상 운전에서 두드러질 수 있다고 설명한다. OSHA 안내
그림 3. 공장 운영 조건을 다섯 묶음으로 정리한 편집상 분석 프레임. 제품별 인증 또는 실증 결과를 뜻하지 않는다.
다른 로봇 사례가 알려주는 것은 '형태'보다 '환경'이다
휴머노이드가 모든 작업에 최선이라는 가정도 검토할 필요가 있다. 사람이 들어가기 어려운 하수관 내부를 점검하는 로봇은 사람의 팔다리를 닮기보다 좁은 공간을 움직이며 결함을 찾는 구조가 중요하다. 2026년 Advanced Engineering Informatics에 실린 리뷰 논문은 하수관 검사 로봇 관련 연구 183편을 종합해 센서 융합, 통신이 제한된 환경에서의 위치 추정, 지능형 제어, 디지털 트윈의 한계를 논의했다. 연구 대상은 제조공장 휴머노이드와 다르지만, 현장 적합성·데이터·통신·실패 복구의 문제가 다시 나타난다는 점에서 비교할 만하다. 논문 DOI
Dyna Robotics가 2026년 9월 공개한 Dyna-2.1 역시 개별 동작보다 전체 업무 흐름을 강조한다. 회사는 여러 작업을 연속 수행하는 1시간 분량의 편집되지 않은 데모를 제시했다. 이는 주목할 만한 기술 시연이지만, 독립적인 현장 가동시간·예외 빈도·유지보수 비용을 장기간 검증한 자료와는 구분해야 한다. Dyna 공식 발표
결국 도입 의사결정은 '가장 사람처럼 생긴 로봇은 무엇인가'보다 '어떤 업무가 어떤 환경에서 안정적으로 돌아가는가'를 중심으로 이뤄져야 한다. 상황에 따라 휴머노이드보다 기존 고정형 산업용 로봇, AMR, 전용 검사 로봇의 조합이 효율적일 수도 있다.
공장 전체로 확대하려면, 작업보다 도입 단계를 나눠야 한다
첫 단계는 범위가 명확한 반복 업무의 파일럿이다. 로봇이 처리할 품목과 동선을 제한하고, 사람의 개입을 받을 수 있는 경계를 정한다. 단순 성공 영상이 아니라 작업 성공률, 시간당 처리량, 비정상 정지 횟수, 개입 시간, 안전사건 및 실제 운영비를 함께 기록한다. 현장 조건이 바뀌면 이 지표가 어떻게 흔들리는지도 확인해야 한다.
다음 단계는 연결된 공정의 일부 구간으로 확장하는 것이다. 상자 이동을 잘하던 로봇에게 다른 종류의 자재를 맡기거나, 새로운 라인에서 사람·설비와 공존하는 방식으로 환경을 늘린다. 이때 데이터는 모델 재학습을 위한 자료일 뿐 아니라 작업 기준과 사고 원인을 추적하는 운영 기록이어야 한다. 단일 로봇의 정확도가 높아져도 상위 설비와의 연결에서 병목이 생기면 전체 생산성은 개선되지 않을 수 있다.
마지막으로 여러 공정의 재배치와 운영 책임을 검토할 수 있다. 이 단계에서는 로봇의 기능뿐 아니라 설비 투자, 근무조 편성, 배터리 충전·정비, 공급망, 오류 수습과 안전 책임이 같은 계산 안에 들어가야 한다. 제조사는 로봇 판매가격만 볼 것이 아니라 **총소유비용(TCO)**과 작업 품질, 생산중단 위험을 포함한 실질적 투자수익을 계산해야 한다.
*그림 4. 단계별 도입을 설명하기 위한 예시 시나리오다. 그림에 적힌 2025~2030년 이후의 연도는 업계 전체의 확정 일정이나 특정 제조사의 발표가 아니다. 실제 도입은 안전성·경제성 검증에 따라 달라진다.*
공장의 자동화는 사람을 지우는 방식으로 완성되지 않는다
설비가 복잡해질수록 사람의 역할이 사라진다고 단정하기 어렵다. 현장의 작업자는 로봇이 풀지 못한 예외를 처리하고, 생산관리자는 작업 우선순위와 위험 허용 수준을 정하며, 안전관리자는 사람과 설비의 접점을 검증한다. 로봇의 수가 늘수록 소프트웨어 개발자와 정비기술자만이 아니라 운영절차·데이터·품질관리를 연결할 사람이 필요해진다.
따라서 AI 로봇의 성과를 사람 수의 감소로만 평가하면 중요한 것이 빠진다. 불필요한 반복 업무나 위험 노출이 줄었는지, 사람이 더 높은 판단을 맡을 여지가 생겼는지, 비상 상황에서 운영을 복구할 수 있는지를 함께 살펴야 한다. 이러한 효과는 업종·사업장마다 달라질 수 있으며 인력감축이나 생산성 향상을 사전에 보장하지 않는다.
그림 5. 사람이 개입하는 하이브리드 공장의 조직·운영 구조를 시각화한 개념도.
결론: 상자를 옮기는 로봇은 시작일 뿐이다
물류시설에서 10만 개가 넘는 토트를 옮긴 기록, 자동차 생산라인에서 부품을 적재한 운용시간은 분명한 진전이다. 다만 이 진전은 무엇보다 명확하게 정의된 업무의 실제 환경 적용을 보여준다. 공장 전체를 맡기는 수준으로 나아가려면 예외 상황, 안전, 로봇 손과 몸체의 신뢰성, 기존 시스템과의 통합, 경제성까지 차례로 증명해야 한다.
내가 주목하는 변화는 휴머노이드가 사람과 비슷하게 걷기 시작했다는 사실만은 아니다. 로봇을 평가하는 질문이 '어떤 동작을 보여줬는가'에서 '얼마나 오래, 안전하게, 예상하지 못한 상황까지 다루며, 공장 전체의 성과에 기여했는가'로 옮겨가고 있다는 점이다. 현장에서는 그 질문에 답하는 시간이 기술 데모보다 더 길고 어렵다. 아마도 로봇 산업의 성숙도는 그 차이를 얼마나 줄이는지로 드러날 것이다.
자료와 해석의 경계: 회사 발표의 누적 작업수·가동시간은 업체 보고값이다. 별도 외부 감사로 입증된 산업 평균이 아니다. ISO/OSHA 자료는 로봇 안전 검토의 참조 근거이지 이 글에 등장하는 개별 제품의 인증 여부를 나타내지 않는다. 이미지 5장은 생성형 개념 인포그래픽이며 원본 현장 촬영·실제 앱 화면이 아니다.