도입률 15%와 대형 제조기업 84%가 동시에 말해주는 것
그림 0. 무인이동로봇(AMR)에 결합된 로봇팔이 부품을 인식·선별하는 제조 현장. 작업자는 결과를 태블릿으로 확인만 한다(실사형 예시 이미지, 특정 기업·제품과 무관).
공장 문을 열자 팔 하나가 혼자서 부품을 집어 올렸다. 옆에는 사람이 없었다. 대신 천장에 달린 카메라가 팔의 움직임을 따라 조용히 눈을 굴리고 있었다.
이 장면을 보고 “로봇이 또 하나 늘었네”라고 생각했다면, 절반만 맞았다. 진짜 질문은 이거다. 저 팔은 정해진 동작만 반복하는 ‘로봇’일까, 아니면 상황을 보고 스스로 판단하는 ‘피지컬 AI’일까.
1. 왜 지금 피지컬 AI인가
생성형 AI가 문서와 화면 속 일을 바꿨다면, 피지컬 AI는 현실 공간의 일을 바꾼다. 카메라와 센서로 주변을 인식하고, 상황을 판단하고, 로봇·차량·기계의 동작으로 결과를 만드는 AI다. 핵심은 사람 모양이 아니라, 변화하는 환경에서 다음 행동을 스스로 선택하는 능력이다.
그런데 여기, 흥미로운 숫자 격차가 하나 있다. 연구소를 보유한 기업들에게 물었더니, 피지컬 AI를 실제로 도입했다는 응답은 15%에 그쳤다. 반면 같은 조사에서 향후 5년 안에 확산할 것이라는 전망은 63%였다. 아직 현장을 완전히 바꾸지는 않았지만 경영진의 의사결정 목록에는 이미 올라와 있다는 뜻이다.
그림 1. 실제 도입 15%, 개념 이해 단계 48%, 향후 5년 내 확산 전망 63%. (자료: 한국산업기술진흥협회, 2026.5)
반전은 다음 조사에서 나온다. 종사자 500인 이상 제조기업 100개사를 대상으로 물었더니 47%는 피지컬 AI를 이미 도입했고, 37%는 도입을 계획하고 있다고 답했다. 합계 84%다. 앞선 조사와는 조사대상·시점이 달라 수치를 직접 비교하면 안 된다. 다만 자본·데이터·전문인력을 갖춘 대형 제조현장부터 도입이 빨라지고 있다는 방향은 분명하다.
2. 왜 하필지금,로봇이몰려오는가
확산 전망이 63%까지 올라온 데는 이유가 있다. 어느 하나가 아니라 최소 네 가지 힘이 동시에 겹쳤다.
첫째, 기술이 정말 달라졌다. 기존 산업로봇이 ‘정해진 안무만 반복하는 댄서’였다면, 피지컬 AI 는 ‘처음 듣는 음악에도 즉흥으로 반응하는 댄서’에 가깝다. 생성형 AI 가 시각·언어 정보를 이해해 스스로 판단하고 움직이는 수준까지 올라온 것이다. 몇 년 전이라면 비용 대비 실효성이 없던 작업들이, 이제는 계산이 맞기 시작했다.
둘째, 사람 구하기가 정말 힘들어졌다. 경총 조사에서 기업들은 도입 기대 효과로 ‘생산성 향상'(45.2%) 다음으로 ‘구인난 등 인력 운용 어려움 해소'(26.2%)를 꼽았다. 위험하거나 반복적인 공정일수록 지원자 자체가 줄고 있다.
셋째, 인건비와 숙련인력 확보 부담이 커지고 있다. 임금·성과보상 요구가 확대되고 위험·반복 공정의 채용난이 겹치면서, 기업은 인력 감축만이 아니라 작업 안전과 생산 안정성을 함께 계산해야 한다. 자동화 경제성은 임금 총액만으로 판단하면 안 된다. 가동률, 불량, 재작업, 산업재해, 교육·채용 비용까지 포함한 총소유비용(TCO)으로 비교해야 한다.
넷째, 국가 전략이 뒤를 받친다. 정부는 2024년 기준 26개인 자율제조 AI 팩토리를 2030년 500개 이상으로 확대하겠다는 계획을 제시했다. 또한 피지컬 AI를 반도체·AI 데이터센터와 함께 3대 메가프로젝트로 추진하고 있다. 목표는 단순한 로봇 보급이 아니라 실증·핵심부품·데이터·안전·규제 기반을 함께 조성하는 것이다.
정리하면, 기술은 준비됐고 사람은 부족하며 인건비는 오르는데 정부까지 판을 깔아주는 상황이다. 도입률 15%라는 숫자가 앞으로 얼마나 빨리 움직일지는, 이 네 가지 힘이 동시에 작용하고 있다는 사실에서 어느 정도 짐작할 수 있다.
그림 2. 대형 제조기업의 피지컬 AI 도입·고용·생산성 인식. 조사 대상은 종사자 500인 이상 제조기업 100개사다. (자료: 한국경영자총협회, 2026.8)
3. 로봇과 피지컬AI,선은어디에있을까
이쯤에서 개념을 정리하고 가자. 기존 산업용 로봇이 ‘정해진 안무만 추는 댄서’라면, 피지컬 AI 는 ‘처음 듣는 음악에도 즉흥으로 반응하는 댄서’에 가깝다.
| 구분 | 산업용 로봇 | 피지컬 AI |
| 환경 | 울타리 안의 정형 공정 | 사람·물체·상황이 바뀌는 환경 |
| 명령 | 티칭·규칙·고정 경로 | 목표를 받고 행동계획을 갱신 |
| 예외 | 멈추고 작업자를 호출 | 허용범위 안에서 대안을 선택·이관 |
| 강점 | 속도·정밀도·반복성 | 적응성·자율성·다품종 대응 |
| 안전 | 검증된 결정론적 제어 | AI 판단 위에 안전제어를 별도 유지 |
그렇다고 기존 로봇이 구식이라는 뜻은 아니다. 부품 위치와 형상이 일정한 용접·도장·프레스 이송·규격품 팔레타이징은 기존 로봇이 여전히 더 빠르고 저렴하다. 피지컬 AI 는 무작위 피킹, 혼류조립, 이동 중 장애물 회피, 비정형 검사처럼 ‘환경을 고정하는 비용’이 커지는 지점에서 비로소 경제성을 얻는다.
4. 어디부터 바뀌는가
가장 먼저 바뀌는 곳은 조립·제작 공정(66.0%)과 물류·운송·창고 관리(57.4%)다.
그림 3. 조립·제작 공정과 물류·운송이 1 차 적용 영역으로 꼽혔다. (자료: 한국경영자총협회, 2026.8)
숫자를 하나 더 보면 이야기가 달라진다. 지금 도입된 로봇의 63.8%는 자재를 나르는 무인이동로봇 (AGV·AMR)에 그치지만, 앞으로 도입을 계획 중인 기업의 64.9%는 휴머노이드를 원한다고 답했다. 관심이 운송에서 조립·검사로 옮겨가고 있다는 신호다. 다만 관심 비율이 실제 구매나 양산을 뜻하지는 않는다. 휴머노이드는 비용·안전·가동률·배터리·손 조작 성능을 하나하나 검증해야 하는 단계다.
| 산업 | 로봇이 우선인 부분 | 피지컬 AI 가 우선인 부분 |
| 자동차 | 용접·도장·프레스 | 혼류조립·부품피킹·검사·물류 |
| 전자·반도체 | 정밀이송·고정조립 | 미세결함 검사·변형부품 조작 |
| 물류·유통 | 규격상자 분류·팔레타이징 | 랜덤피킹·경로 재계획·복합적재 |
| 식품 | 충전·포장·정형품 이송 | 비정형 식재료 선별·절단·검사 |
| 건설·광산 | 공장제작·반복용접 | 굴착·측량·운반·위험구역 작업 |
| 조선·에너지 | 절단·도장·반복용접 | 협소공간 검사·순찰·예지보전 |
| 의료·서비스 | 실험·내부물류 | 수술·재활·대면업무 보조 |
5. 투자금액은 무엇이다른가
피지컬 AI 가 일반 로봇보다 항상 몇 배 비싸다고 단정할 수는 없다. 비용은 로봇 본체보다 센서, 엣지 GPU, 데이터 수집, 시뮬레이션, 시스템 통합, 모델 검증, 사이버보안과 유지관리에서 벌어진다. 그래서 장비 가격이 아니라 총소유비용(TCO)과 총가치(TVO)를 함께 봐야 한다.
| 초기 설비 | 로봇·PLC·지그·펜스 | 로봇 + 카메라·LiDAR·힘센서·GPU |
| 소프트웨어 | 티칭·고정 경로 | 인식·행동 모델·플릿 관리 |
| 통합 | 라인 SI 와 안전설비 | 데이터·시뮬레이션·학습·검증까지 |
| 운영 | 정비·소모품·재티칭 | 정비 + 재학습·성능감시·보안 |
| 편익 | 인건비·불량·시간 | 품종전환·예외처리·안전·숙련부족까지 |
도입 장애요인으로 기술적 불안정성 34.5%, 투자 대비 수익성 불확실성 31.0%가 꼽힌 이유도 여기에 있다. 가장 현실적인 방법은 위험·반복·대기 손실이 큰 공정 하나를 3~6 개월 실증하고, 가동률·불량· 전환시간·안전·교육비를 동시에 측정하는 것이다.
6. 시장전망은 크지만,숫자를구분해서읽어야한다
전통 산업용 로봇 시장부터 보자. 화려한 전망 이전에, 재래식 로봇 보급 자체도 계속 늘고 있다.
그림 4. 전 세계 산업용 로봇 신규 설치는 2024년 54.2만 대에서 2025년 57.5만 대(전망), 2028년 70만 대 이상으로 늘어날 전망이다. (자료: 국제로봇연맹 IFR, 2025)
여기에 AI 비전·자율이동·시뮬레이션이 단계적으로 얹히는 구조다. 화제의 중심인 휴머노이드 시장 전망도 살펴보자. 골드만삭스는 2035 년 휴머노이드 로봇 시장이 380 억 달러, 출하 140 만 대에 이를 것으로 전망했다.
그림 5. 2035 년 휴머노이드 시장 전망: 380 억 달러 규모로 성장할 것으로 예상된다. (자료: Goldman Sachs Research)
380 억 달러는 피지컬 AI 전체가 아니라 휴머노이드 로봇이라는 특정 시장의 시나리오다. 모건스탠리는 더 장기적으로 2050 년 휴머노이드 생태계를 5 조 달러 규모로 보지만, 본격 확산은 2030 년대 후반 이후로 예상한다. 두 전망 사이의 격차 자체가, 이 시장이 아직 초기 단계라는 사실을 보여준다.
7. 기사로 확인되는 현재 진행 사례
· Siemens–Humanoid: 독일 에를랑겐 전자공장에서 바퀴형 휴머노이드 ‘HMND 01 Alpha'(영국 Humanoid 社, NVIDIA 피지컬 AI 스택 기반)의 자율 물류 작업을 실증했다. 시간당 60 회 이송, 8 시간 이상 무중단 가동, 피킹·배치 성공률 90% 이상을 달성했다. 사람 모양보다, 변화하는 공장 안에서 과제를 이해하고 경로를 조정하는 능력이 핵심이다(2026.4).
· 내 실증: 과학기술정보통신부는 2026년 국산 AI 반도체 실증·확산에 600억 원 이상을 투입하고,
비정형 물류·이동형 양팔·소방 사족보행 등 피지컬 AI 과제 7건을 추진한다고 밝혔다.
· 정부 전략:2026 년 하반기 경제성장전략은 반도체·AI 데이터센터·피지컬 AI 를 3 대 메가프로젝트로 제시했다. 정책은 실증·부품·데이터·규제 기반을 함께 조성하는 방향으로 움직이고 있다.
특정 기업 사례는 글의 신뢰도를 높인다. 다만 발행 시에는 보도사진을 무단 복제하기보다 기업 보도자료의 사용조건을 확인하거나, 출처 링크와 자체 제작 도표를 쓰는 것이 안전하다. 그리고 사례는 ‘도입했다’는 한 줄보다 적용 공정, 실증 단계, 성과지표와 한계를 함께 적어야 광고성 글로 보이지 않는다.
8. 결국 피지컬AI로 통합 될까
장기적으로 대부분의 로봇에 인식·최적화·자연어 지시 기능이 들어갈 가능성은 높다. 그러나 모든 제어를 확률적 AI 에 맡기지는 않을 것이다. 상위 피지컬 AI 가 무엇을 할지 계획하고, 하위 PLC·로봇 제어기가 정해진 안전범위에서 정확히 실행하는 혼합 구조가 유력하다. 전통 로봇은 사라지는 대신, 피지컬 AI 의 실행 장치로 편입될 가능성이 크다.
다음 회차 예고
2 회차 — 피지컬 AI 시대, 내 일자리는 안전할까 (산업별 직무 변화와 직원·기업·정부의 대응)
· 내 업무 중 가장 먼저 자동화될 작업과, 반대로 더 가치가 커질 작업은 무엇인가?
· 현장 숙련자는 로봇 운영자·AI 감독자·문제해결자로 어떻게 전환할 수 있는가?
· 생산성이 올라가도 처우가 그대로라면, 기업의 변화관리는 왜 실패하는가?
· 정부는 재교육·중소기업 격차·안전책임 기준을 어떻게 설계해야 하는가?
다음 편에서 이 네 가지 질문에 하나씩 답합니다. 궁금하신 분은 이메일 구독으로 먼저 받아보실 수 있습니다.
출처 및 더 읽을거리
한국산업기술진흥협회, 「피지컬 AI 시대, 인간과 로봇의 공존 방안은」 (2026.5). 원문보기
한국경영자총협회, 「제조기업 대상 피지컬 AI 도입실태 및 인식 조사」 (2026.8) 원문보기
International Federation of Robotics, “Global Robot Demand in Factories Doubles Over 10 Years” (2025) 원문보기
NVIDIA, “What Is Physical AI?” 원문보기
Siemens, “Siemens and Humanoid bring Physical AI to the factory floor” (2026.4.16)
Goldman Sachs Research, “The global market for robots could reach $38 billion by 2035” 원문보기
Morgan Stanley, “Humanoid Robot Market Could Reach $5 Trillion by 2050” 원문보기
산업통상자원부, 「2026년 산업부 예산 13조 8,778억 원 편성」 (2025.9.1) 원문보기
전자신문, 「국산 AI 반도체로 피지컬 AI 실증…올해 600억 투입」 (2026.8.6) 원문보기
뉴스1, 2026년 하반기 경제성장전략—반도체·AI 데이터센터·피지컬 AI 3대 메가프로젝트 원문보기