[산업일보]
피지컬 AI, 이제 ‘성능’보다 ‘현장 배치’ 경쟁
피지컬 AI 경쟁의 기준이 ‘무엇을 할 수 있는가’에서 ‘현장에서 얼마나 오래, 안정적으로 일하는가’가로 옮겨가고 있습니다. 가동시간·작업 성공률·사람 개입 횟수 등 현장 핵심성과지표(KPI)가 새로운 평가 기준으로 떠오르고 있습니다.
가장 큰 병목은 ‘실세계 행동 데이터’
피지컬 AI가 학습해야 할 힘·촉각·작업의 성패·예외 상황 정보는 실제 현장에서 로봇을 움직여야 쌓을 수 있습니다. 시뮬레이션만으로 현실과의 차이를 메우기 어려워 현장 데이터 확보 속도가 경쟁력을 좌우합니다.
배치는 끝이 아니라 ‘데이터 확보의 시작’
현장에 투입된 로봇은 작업을 수행하면서 성공·실패와 사람의 개입 기록을 데이터로 축적합니다. 현장 배치 → 데이터 생성 → 모델 재학습 → 성능 개선·원가 하락 → 다시 배치 확대의 ‘데이터 플라이휠’이 만들어지는 구조입니다.
가치도 ‘로봇 판매’에서 ‘배치·운영’으로
피지컬 AI의 가치도 로봇 자체보다 현장 설치·시스템 연동·지속적인 운영과 개선으로 확대되고 있습니다. 가동시간이나 처리량에 따라 과금하는 RaaS(Robot-as-a-Service)도 이 같은 배치·운영 중심 변화와 맞물려 확산하고 있습니다.
한국의 기회는 ‘난공정 제조 현장’
삼일PwC는 반도체·조선·배터리·자동차 등 시뮬레이션으로 대체하기 어려운 제조 현장을 한국의 경쟁 자산으로 꼽았습니다. 이곳에서 생성되는 데이터를 수집·표준화해 AI 학습 자산으로 전환하는 체계가 필요하다고 제언했습니다.
공급기업, ‘범용 경쟁’보다 현장 특화
삼일PwC는 국내 공급기업이 글로벌 플랫폼과 정면 경쟁하기보다 업종 특화 모델·희소 부품·운영 서비스에 집중할 필요가 있다고 봤습니다. 또 현장 데이터를 축적하고 데이터와 파인튜닝 결과물의 권리까지 계약 단계에서 명확히 해야 한다고 제시했습니다.
수요기업도 ‘데이터 보유자’로
보고서는 초기 도입 범위를 좁히고 작업 성공률·가동률·사이클 타임·사람 개입 횟수 등으로 효과와 경제성을 검증할 것을 제안했습니다. 또 실패·예외·작업자 개입 기록을 데이터로 남기고 데이터 소유권과 개선 모델의 사용 범위까지 확보할 필요가 있다고 당부했습니다.