AI가 화면 속 답변을 넘어 공장과 항공처럼 실제 공간에서 움직이기 시작했습니다. 중소벤처기업부와 과학기술정보통신부는 9월 7일, 중소 제조 현장의 피지컬 AI 확산을 위해 기술 공급기업과 수요기업을 연결하고 개발·실증·사업화를 함께 지원하겠다고 밝혔습니다.

눈에 띄는 대목은 ‘처음부터 완전 자율화’가 아니라는 점입니다. 올해는 개별 물류 구간의 자율이동로봇과 무인반송차 도입 컨설팅부터 시작하고, 이후 전체 물류 구간과 생산 전 공정으로 단계적으로 넓히는 계획입니다. 피지컬 AI의 성패가 멋진 로봇 한 대보다 현장 과업을 얼마나 잘게 나누고 검증하느냐에 달렸다는 뜻으로 읽힙니다.

작은 개입도 분명한 성과를 만들 수 있습니다

해외에서도 비슷한 접근이 보입니다. Google은 Cathay Pacific과 함께 비행운을 줄이는 AI 운항 실증을 아시아·태평양 노선으로 확대했습니다. AI가 비행 전 기상 조건을 분석해 고도 조정 정보를 제공하고, 비행팀과 조종석이 이를 활용하는 방식입니다. 초기 80여 편의 비행에서는 비행운의 온난화 영향을 약 40% 줄인 것으로 추정됐습니다.

중요한 점은 AI가 항공 운항 전체를 대신하지 않았다는 사실입니다. ‘비행운이 생길 가능성이 높은 구간을 피한다’는 제한된 과업에 집중했고, 안전과 운항 판단은 기존 절차 안에서 다뤘습니다. 목표가 작고 측정 기준이 분명하니 효과를 확인하고 다음 단계로 확장하기도 쉬워집니다.

제조 현장도 같은 질문에서 출발할 수 있습니다. 반복 이동, 불량 탐지, 설비 점검처럼 범위가 좁고 결과를 관찰할 수 있는 과업 하나를 고릅니다. 그다음 기준 성과, AI가 개입할 조건, 사람이 승인하거나 중단할 지점, 오류 뒤 원상 복구 방법을 먼저 적어 보세요. 기술 도입 계획이 곧 현장 학습 계획으로 바뀝니다.

AX 강사의 시선

교육에서도 ‘피지컬 AI란 무엇인가’를 설명하는 데 그치지 말고 실증 설계 워크숍으로 이어가면 좋겠습니다. 교육생에게 자신의 업무 흐름을 지도처럼 그리게 한 뒤, 가장 작게 떼어낼 수 있는 한 구간을 선택하게 해보세요. 성공 지표는 속도뿐 아니라 오류율, 사람의 개입 횟수, 중단 후 복구 시간까지 포함해야 합니다. 이렇게 해야 자동화의 이익과 위험을 함께 볼 수 있습니다.

피지컬 AI의 시작점은 로봇 목록이 아니라 ‘어떤 한 구간을, 어떤 기준으로, 얼마나 안전하게 바꿀 것인가’라는 질문입니다. 여러분의 현장에서는 이번 달 안에 검증할 수 있는 가장 작은 과업이 무엇인가요?

출처

중기부-과기정통부, "피지컬 AI로 중소제조 현장의 미래를 연다" — 중소벤처기업부·과학기술정보통신부

Our new contrail avoidance trial in Asia-Pacific — Google