자동화에서 자율화로, 피지컬AI가 산업 패러다임 바꾼다

이재민 슈퍼브에이아이 본부장 “문제 정의·데이터 전략·확장 설계가 성공 열쇠“

“피지컬AI는 단순히 로봇만의 문제가 아니다. '두뇌와 연료'로 접근해야 한다. 로봇이 스스로 판단하고 움직이기 위해선 고성능의 AI(두뇌)와 정교한 데이터(연료)가 필수다.”

이재민 슈퍼브에이아이 본부장은 9월 5일 잠실 한국광고문화회관에서 열리는 '피지컬AI가 가져올 산업 변화와 비즈니스 기회 전망 세미나'를 앞두고 가진 인터뷰에서 피지컬AI의 본질과 기업들이 지금 주목해야 하는 이유를 이같이 설명했다. 그는 이어 슈퍼브에이아이가 이 두 가지를 모두 제공할 수 있는 국내 유일의 파트너로서 실질적인 실행력을 제공하는 회사라고 덧붙였다.

슈퍼브에이아이는 비전 AI 기반 피지컬 AI 구축을 위한 국내 대표 머신러닝운영(MLOps) 기업이다. 산업 현장의 영상·센서 데이터를 기반으로 AI를 빠르게 도입하고 운영까지 할 수 있도록 플랫폼, 파운데이션 모델, 컨설팅/서비스까지 엔드투엔드(End-to-End)로 제공한다.

이 본부장은 피지컬AI 분야에서 주목할 만한 글로벌 동향으로 세 가지를 제시했다. 먼저 '자동화'에서 '자율화'로의 전환을 꼽았다. 그는 “글로벌 기업들은 단순 반복작업을 넘어서 복잡한 상황을 스스로 판단하고 실행하는 자율화에 투자하고 있다”며 “피겨AI(Figure AI), 테슬라 옵티머스(Tesla Optimus), 스킬드AI(Skild AI) 등이 대표적으로, 이는 하드웨어 중심 로보틱스에서 'AI 중심의 피지컬 AI'로 무게중심이 옮겨갔다는 신호”라고 분석했다.

두 번째로는 범용로봇(GPR)의 부상과 파운데이션 모델의 적용 확대를 언급했다. 이 본부장은 “다양한 업무를 하나의 로봇이 수행하는 GPR 개념이 실현 단계에 접어들며, 비전-언어-액션 모델 기반의 로봇 '두뇌'가 급속히 고도화되고 있다”며 “이 흐름은 산업용 로봇에도 빠르게 파급되고 있다”고 설명했다.

세 번째는 산업현장 중심의 실전 도입 움직임 확산이다. 그는 “미국·중국뿐 아니라 국내에서도 제조, 물류, 건설, 보안 등 주요 산업에서 피지컬 AI 기반의 관제·검수·로봇 솔루션을 PoC 또는 실전 도입하는 사례가 증가하고 있다”며 “단순 AI 기술 검토를 넘어 실제 ROI 중심의 접근이 이뤄지고 있다”고 강조했다.

슈퍼브에이아이가 경험한 산업 현장 적용 사례도 주목할 만하다. 이 본부장은 “제조 현장에서는 비전 AI 기반 결함 검수 자동화로 불량률을 감소시켰고, 물류 현장에서는 로봇 비전 시스템을 통한 상하차 작업 자동화로 작업 효율을 향상시켰다”고 소개했다.

또한 “공항이나 대형 공공시설에서는 CCTV 기반 실시간 혼잡도 분석 및 이상탐지를 통해 안전사고 위험을 예방하는 성과를 거뒀다”며 실전 도입 사례를 구체적으로 제시했다.

이 본부장은 기업들이 피지컬AI 도입을 위해 지금부터 준비해야 할 주요 포인트로 세 가지를 제시했다. 첫 번째는 문제 정의다. 이 본부장은 “AI를 위한 AI는 실패로 가는 지름길”이라며 “지금 해결해야 할 핵심 문제를 명확히 정의하고, 생산성 향상/불량률 감소/비용 절감 등 측정 가능한 KPI와 연결해야 한다”고 강조했다.

두 번째는 데이터 전략 수립이다. 그는 “단순히 데이터를 모으는 것이 아니라, 어떤 데이터를 선별하고 어떻게 학습에 활용할 것인지 체계적인 전략이 필요하다”며 “'데이터 플라이휠' 구조 없이는 AI 성능이 유지될 수 없다”고 지적했다.

세 번째는 빠른 개념증명(PoC)와 확장 가능성 고려다. 이 본부장은 “실전 도입을 위해서는 작게 시작해서 빠르게 검증하고, 확장 가능한 구조로 설계해야 한다”며 “이때 사전 학습된 파운데이션 모델을 활용하면 시간과 비용을 크게 줄일 수 있다”고 조언했다.

국내 피지컬AI 산업의 현재와 미래 전망에 대해서는 현실적인 진단을 내놨다. 이 본부장은 현재 국내에서 피지컬AI가 자리 잡지 못하고 있는 장벽 요인으로 “기술보다는 '문제 정의'와 '실행 전략'의 부재”를 지적했다.

그는 “국내 기업들은 하드웨어 중심 사고에 익숙해 AI를 통해 문제를 정의하고 실행하는 방식에 익숙하지 않다”며 “또한 현장의 데이터를 잘 활용하지 못하는 '데이터 갭'도 여전히 크다”고 분석했다.

하지만 미래 전망은 긍정적이다. 이 본부장은 “제조/물류/스마트시티를 중심으로 '단일 기능 로봇'에서 '멀티태스크 로봇'으로의 전환이 시작됐으며, 비전 AI 중심의 소프트웨어 경쟁력이 산업 경쟁력을 좌우할 것”이라고 전망했다.