스마트팩토리아 · 로봇 자동화

산업용 로봇과 Physical AI 로봇, 무엇이 다를까

작업 변동성과 데이터 준비도로 고르는 기준

“AI 로봇이면 티칭이 필요 없나요?”라는 질문에서 시작합니다

로봇 도입을 검토하는 현장에서 요즘 자주 듣는 질문이 있습니다. AI가 붙은 로봇이면 티칭 없이 알아서 일하는 것 아니냐, 그렇다면 지금 쓰는 산업용 로봇은 곧 구식이 되는 것 아니냐는 질문입니다.

전시회와 정책 발표에서 "피지컬 AI(Physical AI)"라는 말이 빠지지 않으면서 이런 기대가 커졌습니다. 그러나 두 로봇은 한쪽이 다른 쪽을 밀어내는 관계라기보다, 잘하는 작업의 성격이 서로 다른 도구에 가깝습니다.

이 글은 두 로봇이 무엇으로 갈리는지에서 출발해 비용 구조와 안전 기준, 실패하기 쉬운 지점을 차례로 짚고, 우리 공정에 맞는 방식을 판단하는 기준과 첫걸음으로 마무리합니다.

1. 두 로봇을 가르는 기준은 생김새가 아니라 움직임을 정하는 방식입니다

사람을 닮은 휴머노이드라고 해서 모두 Physical AI 로봇인 것도 아니고, 팔 하나짜리 로봇이라고 해서 모두 기존 산업용 로봇으로 분류되는 것도 아닙니다. 두 로봇을 나누는 기준은 "로봇의 다음 동작을 누가, 무엇을 근거로 정하는가"입니다.

산업용 로봇: 정해진 경로를 정확하게 반복하는 기계

산업용 로봇은 엔지니어가 미리 작성한 프로그램과 티칭 좌표에 따라 움직입니다. 공작물의 위치와 자세가 일정하게 들어온다는 전제 아래, 같은 동작을 같은 속도로 끊임없이 되풀이하는 데 최적화된 장비입니다.

• 강점은 반복 정밀도와 사이클 타임입니다. 조건이 같으면 결과도 같다는 점이 품질 관리의 바탕이 됩니다.
• 약점은 변화에 대한 경직성입니다. 부품 형상이나 적재 방식이 바뀌면 지그·센서 조정과 재티칭이 함께 필요해집니다.
• 설비 데이터를 분석해 고장을 미리 예측하는 AI가 결합되기도 하지만, 동작 자체는 여전히 사람이 정한 규칙을 따릅니다.

Physical AI 로봇: 인식·판단·행동을 스스로 잇는 기계

국제로봇연맹(IFR)은 Physical AI를 로봇이 가상 환경에서 스스로 훈련하고, 프로그래밍이 아니라 경험을 바탕으로 작동하도록 하는 기술 흐름으로 설명합니다. 카메라와 센서로 대상을 인식하고, AI 모델이 상황을 판단해 동작을 고르는 구조입니다.

• 강점은 유연성입니다. 위치가 매번 다른 물체, 정형화되지 않은 작업, 사람이 쓰던 공간처럼 규칙으로 다 적기 어려운 조건에서 가치가 커집니다.
• 생성형 AI가 결합되면 로봇이 시뮬레이션으로 학습 데이터를 만들고, 자연어나 시각 지시로 작업을 받는 새로운 상호작용도 가능해집니다.
• 약점은 결과의 예측 가능성입니다. 모델이 왜 그 동작을 골랐는지 설명하기 어려운 경우가 있어 검증 부담이 커집니다.

2. 숫자로 보면 산업용 로봇은 여전히 공장의 주력입니다

Physical AI가 주목받는다고 해서 기존 산업용 로봇 시장이 줄어드는 것은 아닙니다. IFR의 월드 로보틱스 2026 발표에 따르면 2025년 전 세계 공장에서 가동 중인 산업용 로봇은 500만 대로 전년보다 9% 늘어 역대 최대를 기록했습니다. 한 해 동안 새로 설치된 로봇도 60만 대 이상으로 전년 대비 11% 증가했습니다.

같은 발표에서 IFR은 연간 설치량이 2026년 65만 5천 대, 2029년 80만 6천 대까지 늘어날 것으로 내다봤습니다. 인공지능과 머신비전, 센싱 기술이 로봇의 능력을 넓히고, 프로그래밍과 시스템 통합이 쉬워지면서 도입 비용이 낮아지고 있다는 점을 성장 요인으로 꼽았습니다.

한국은 2025년 3만 대를 설치해 세계 4위 시장 자리를 지켰습니다. 다만 2019년 이후 연간 3만 1천 대 안팎에서 횡보하고 있어 정체 국면이라는 점도 함께 읽을 필요가 있습니다. IFR은 자동차 산업의 신규 투자가 2027~2028년에 반영되면서 2027년에는 이 흐름을 벗어나 수요가 늘 수 있다고 전망했습니다.

정부가 Physical AI 실증에 예산을 싣는 이유

정책은 또 다른 방향에서 움직이고 있습니다. 기획예산처는 2026년 8월 재정운용전략협의회에서 2030년까지 휴머노이드 생태계에 2조 3천억 원, 자율제조·중소제조를 포함한 8대 분야 피지컬 AI 실증에 2조 8천억 원을 투입하는 방안을 확정했습니다.

실증은 2027년 한 해에만 500개 이상 현장에서 이뤄질 예정이며, 성능이 확인된 제품은 보급·구매·인증 등 후속 사업으로 연결됩니다. 휴머노이드 개발 순서도 작업 조건이 일정한 제조·물류에서 시작해 실외·비정형 환경과 가사·돌봄으로 넓혀 가는 방식으로 제시됐습니다.

3. 비용 구조는 무엇에 돈이 드는가부터 다릅니다

두 로봇의 비용을 본체 가격만으로 비교하면 판단이 틀어지기 쉽습니다. 돈이 들어가는 항목 자체가 다르기 때문입니다. 여기서는 금액보다 비용이 생기는 구조를 중심으로 정리합니다.

산업용 로봇: 초기 엔지니어링이 크고, 이후는 예측 가능합니다

산업용 로봇은 본체 외에 그리퍼·지그·주변 설비, 안전 펜스와 센서, 셀 설계와 티칭 같은 시스템 통합 비용이 초기 투자에서 큰 비중을 차지합니다. 반면 한 번 안정화되면 운영비와 보전 주기를 비교적 정확히 예측할 수 있습니다.

• 제품이나 공정이 바뀌면 재티칭·지그 교체 비용이 다시 발생합니다. 다품종 소량 생산일수록 이 비용이 쌓입니다.

Physical AI 로봇: 데이터와 검증이 새로운 비용 항목이 됩니다

Physical AI 로봇은 작업마다 세세한 경로를 프로그래밍하는 부담이 줄어들 수 있지만, 그 자리를 학습 데이터 확보와 모델 조정, 현장 검증이 채웁니다. IFR은 AI가 효율을 높이고 오류와 유지보수 비용을 줄여 비AI 시스템보다 투자 회수가 빨라지는 경우가 많다고 평가했습니다. 동시에 휴머노이드가 기존 자동화와 경쟁하려면 사이클 타임, 에너지 소비, 유지보수 비용에서 산업 현장의 높은 요구를 충족해야 한다고 짚었습니다.

• 학습용 데이터의 수집과 정제, 실패 사례 확보에 시간과 인력이 듭니다.
• 클라우드 연결과 보안 체계, 모델 업데이트 관리가 상시 운영비로 붙습니다.
• 실증 단계에서 기대 성능에 못 미칠 위험이 있으므로 재설계 여유분을 예산에 반영해야 합니다.

4. 안전과 규격: 스스로 판단하는 로봇은 검증의 난도가 올라갑니다

산업용 로봇의 안전은 오랫동안 ISO 10218 같은 국제표준을 바탕으로 로봇의 동작 범위를 미리 정하고, 사람과 공간을 나누거나 사람이 가까이 오면 감속·정지시키는 방식으로 관리되어 왔습니다. 동작이 미리 정해져 있으니 위험 범위도 미리 계산할 수 있다는 전제입니다.

펜스 안의 로봇과 사람 곁의 로봇

Physical AI 로봇은 이 전제가 흔들립니다. 같은 지시를 받아도 상황에 따라 다른 동작을 고를 수 있고, 이동하며 사람과 같은 공간을 쓰는 경우가 많기 때문입니다. IFR은 AI 기반 자율성이 안전의 지형을 근본적으로 바꿔 시험·검증·사람의 감독이 훨씬 복잡해지는 동시에 더 필요해진다고 진단했고, 휴머노이드 활용에서 이 점이 특히 분명해진다고 밝혔습니다.

• 로봇 시스템은 ISO 안전 표준에 맞춰 설계·인증되고, 책임 소재가 명확한 틀 안에서 운영되어야 합니다.
• 휴머노이드는 공장 현장에 필요한 안전 수준, 내구성, 일관된 성능을 업계 표준으로 입증해야 하는 단계에 있습니다.
• 도입기업은 공급사의 안전 기능과 인증 범위, 사람이 다가올 때 감속·정지하는 방식을 직접 확인해야 합니다.

보안과 설명 가능성이라는 새 숙제

Physical AI 로봇은 대부분 네트워크와 클라우드에 연결되어 동작합니다. IFR은 로봇 제어기와 클라우드 플랫폼을 노린 해킹 시도가 늘고 있다는 전문가 견해를 전하며, 로봇이 수집하는 영상·음성·센서 데이터에 대한 우려도 지적했습니다.

• 생산 현장의 영상이 외부 서버로 나가는지, 어디에 얼마 동안 저장되는지 확인해야 합니다.
• 딥러닝 모델은 개발자조차 판단 근거를 설명하기 어려운 "블랙박스"일 수 있어, 이상 동작의 원인을 추적하는 방법을 미리 정해 두어야 합니다.
• 정보기술(IT)과 운영기술(OT)이 맞물리는 만큼 생산 설비망과 사무망의 분리 원칙을 다시 점검해야 합니다.

5. 우리 공정에는 어느 쪽이 맞을까: 두 가지 축으로 판단하기

어떤 로봇이 더 좋은지가 아니라 우리 공정이 어떤 로봇을 요구하는지를 먼저 봐야 합니다. 현장에서 쓰기 쉬운 기준은 두 가지입니다. 하나는 작업이 얼마나 자주, 얼마나 크게 바뀌는지를 뜻하는 "작업 변동성"이고, 다른 하나는 작업 공간이 얼마나 정돈되어 있는지를 뜻하는 "환경 구조화 수준"입니다.

• 변동성이 낮고 환경이 정돈된 공정은 기존 산업용 로봇과 협동로봇이 가장 경제적인 선택입니다.
• 변동성은 높지만 환경이 정돈된 공정은 Physical AI 로봇이 가치를 내기 시작하는 구간입니다. 비전 기반 피킹이나 다품종 키팅이 대표적입니다.
• 변동성은 낮지만 환경이 흐트러진 공정은 로봇을 바꾸기 전에 동선과 적재 방식부터 정리하면 산업용 로봇으로 해결되는 경우가 많습니다.
• 변동성도 높고 환경도 흐트러진 공정은 아직 사람이 중심이 되고 로봇이 보조하는 방식이 현실적이며, 실증을 통한 검증이 먼저입니다.

이 기준은 제조·물류에서 먼저 검증하고 비정형 환경으로 넓혀 가는 정부의 휴머노이드 개발 순서와도 맞닿아 있습니다. Physical AI 로봇을 처음 적용한다면 작업은 다양하지만 공간은 정돈된 구간에서 시작하는 것이 실패 확률을 낮추는 방법입니다.

6. 시행착오는 대개 기술보다 기대치에서 시작됩니다

새로운 로봇 기술을 검토할 때 가장 흔한 시행착오는 기술이 모자라서라기보다, 시연에서 본 장면을 양산 현장의 성능으로 그대로 기대하는 데서 생깁니다. IFR이 짚은 과제를 바탕으로 도입 전에 확인할 점검 포인트를 정리합니다.

이 점검 포인트는 두 로봇 모두에 해당하지만 무게는 다릅니다. 산업용 로봇은 설계 단계에서 성능의 대부분이 결정되는 반면, Physical AI 로봇은 운영하면서 성능이 달라지기 때문에 가동 이후에도 점검을 계속해야 합니다.

7. 단계적 실행 순서: 작게 검증하고 넓혀 가기

Physical AI 로봇을 검토하든 기존 산업용 로봇을 확장하든 실행 순서는 크게 다르지 않습니다. 차이는 검증 단계에 들이는 시간과 데이터의 비중입니다.

1. 공정 분해: 대상 공정을 작업 단위로 나누고, 작업마다 변동성과 환경 조건을 기록합니다.
2. 방식 선택: 두 축 기준으로 산업용 로봇, Physical AI 로봇, 혼합 운영 가운데 후보를 고릅니다.
3. 데이터·인프라 점검: 작업 영상과 설비 데이터를 모을 수 있는지, 네트워크·보안 조건이 갖춰졌는지 확인합니다.
4. 제한 범위 실증: 한 개 작업, 한 개 셀처럼 범위를 좁혀 성공률, 사이클 타임, 복구 시간을 측정합니다.
5. 판단과 확장: 기준을 충족한 경우에만 같은 유형의 작업으로 넓히고, 못 미치면 2단계로 돌아가 방식을 다시 고릅니다.

4단계와 5단계에서 쌓인 운영 데이터는 모델 재학습과 공정 개선에 다시 반영합니다. 실증 단계에서는 정부 실증 사업을 활용하는 방법도 검토할 만합니다. 정부는 수요기업과 국내 AI·로봇·부품기업이 컨소시엄을 이뤄 실증에 참여하고, 성능이 확인된 제품은 보급·구매·인증 사업으로 이어지는 구조를 제시했습니다. 구체적인 지원 요건은 사업별 공고에서 확인해야 합니다.

8. 섞어서 쓰는 방식: 고정 로봇 라인에 Physical AI를 얹는 혼합 운영

현실적인 답은 대부분 둘 중 하나가 아니라 둘의 조합입니다. 속도와 정밀도가 중요한 본공정은 산업용 로봇이 맡고, 변동이 큰 앞뒤 공정을 Physical AI 로봇이 맡는 구조입니다.

• 공급·배출 구간 분담: 형상이 제각각인 부품을 정리해 공급하는 일은 Physical AI 로봇이, 정렬된 부품을 가공·조립하는 일은 산업용 로봇이 맡습니다.
• 예외 처리 분담: 정상 흐름은 고정 로봇이 처리하고, 불량품이나 이탈품처럼 예외적인 상황은 AI 기반 로봇이나 작업자가 맡습니다.
• 기존 로봇의 지능화: 로봇을 교체하지 않고 분석형 AI를 더해 고장을 미리 예측하는 방식으로, IFR도 스마트 팩토리에서의 활용 예로 듭니다.
• IT·OT 데이터 연결: 두 로봇의 데이터를 생산관리 시스템과 연결해야 혼합 운영의 효과를 측정할 수 있습니다.

9. 도입 전 자가진단 체크리스트

아래 항목 가운데 체크하지 못한 항목이 많은 영역부터 준비하는 것이 순서입니다. 특히 데이터와 안전 항목이 비어 있다면 로봇 종류를 고르기 전에 그 부분부터 채워야 합니다.

로봇의 종류보다 공정의 변동성을 먼저 봐야 합니다

산업용 로봇과 Physical AI 로봇의 차이는 결국 움직임을 정하는 방식에 있습니다. 산업용 로봇은 사람이 정한 규칙을 빠르고 정확하게 반복하고, Physical AI 로봇은 학습한 경험으로 바뀌는 상황에 대응합니다. 전 세계 공장에서 500만 대가 가동 중인 산업용 로봇은 앞으로도 정형 공정의 주력이고, Physical AI는 정돈된 제조·물류 현장의 변동이 큰 작업부터 역할을 넓혀 가는 흐름입니다.

판단의 출발점은 기술 유행이 아니라 우리 공정입니다. 작업 변동성과 환경 구조화 수준을 먼저 진단하고, 비용은 본체 가격이 아니라 데이터·검증·보안까지 포함한 구조로 비교하며, 실증은 좁은 범위에서 수치로 확인하는 것이 시행착오를 줄이는 길입니다.

본 게시물은 AI 어시스턴트를 활용하여 초안을 작성하고 편집자의 검수를 거쳤습니다. 타 기업명 및 영업 기밀 보호를 위해 본문 중 일부 고유명사는 익명화(A/B) 처리되었습니다.