[세종=뉴스핌] 이경태 기자 = 인공지능(AI) 휴머노이드 스타트업인 피규어(Figure) AI가 유튜브 라이브를 통해 'Figure 03' 휴머노이드 로봇 데모를 공개했다. 이 데모에서 Figure는 자사의 AI 시스템인 헬릭스(Helix)가 Figure 03을 어떻게 움직이는지 보여주려 한다. Helix는 로봇이 보고, 이해하고, 판단하고, 움직이는 과정을 실시간으로 제어하는 시각-언어-행동 모델(Vision-Language-Action) 기반 AI 시스템에 가깝다.

겉으로 보면 장면은 단순하다. 휴머노이드 로봇이 물류 현장에서 물건을 보고, 집고, 옮기고, 분류한다. 그런데 이런 데모를 보면 현실적인 반응이 먼저 나온다.

"저걸 시키기엔 아직 너무 비싼 것 아닌가."
"저런 일은 사람이 기계보다 싸다."
"물류에는 이미 전용 장비가 많은데 굳이 휴머노이드를 쓸 이유가 있나."
"그냥 연구개발 과정일 뿐이지, 실제 현장에 쓰기는 어렵지 않나."

맞는 지적이다. 지금 당장의 경제성만 놓고 보면 이 말은 충분히 타당하다. 물류 현장에는 이미 컨베이어, 소터, 로봇팔, 무인운반차(AGV), 자율이동로봇(AMR) 같은 전용 장비가 있다. 정해진 작업만 반복하는 환경에서는 이런 전용 장비가 휴머노이드보다 훨씬 빠르고 안정적이며 비용 효율적일 수 있다. 단순 반복 업무 중 일부는 여전히 사람을 쓰는 편이 더 싸게 먹히는 경우도 많다.

그러니 이 데모를 "이제 물류센터 인력이 곧바로 로봇으로 대체된다"는 식으로 받아들이면 곤란하다. 그것은 과장이다. Figure 03이 당장 인간 노동자를 가격과 생산성 면에서 압도한다는 증거로 보기도 어렵다.

하지만 이 데모의 의미를 "사람보다 비싸다"는 기준으로만 보면 중요한 변화를 놓치게 된다. 핵심은 지금 저 로봇이 얼마나 싸냐가 아니다. 범용 휴머노이드 로봇이 사람의 작업 공간 안으로 들어와 실제 물리 작업을 수행하기 시작했다는 점이다.

산업용 로봇은 대체로 로봇을 위해 환경을 바꿔야 한다. 라인을 새로 짜고, 물체 위치를 고정하고, 규격을 맞추고, 예외 상황을 줄여야 한다. 로봇이 잘 일할 수 있도록 현장을 로봇 친화적으로 설계하는 방식이다.

반면 휴머노이드 로봇은 정반대의 방향을 겨냥한다. 사람이 쓰던 공간에 로봇이 들어가는 것이다. 선반, 박스, 문, 손잡이, 계단, 작업대, 컨베이어는 모두 사람의 몸과 움직임을 기준으로 만들어진 환경이다. 휴머노이드의 가능성은 바로 여기서 나온다. 사람을 위해 설계된 물리적 세계에 별도의 대규모 구조 변경 없이 들어갈 수 있다면, 로봇의 쓰임은 특정 공정 하나에 갇히지 않는다.

그래서 Figure 03 데모의 가치는 "소포 하나를 사람보다 싸게 옮겼다"에 있지 않다. 더 중요한 질문은 이것이다. 하나의 로봇 몸체가 오늘은 물류 분류를 하고, 내일은 공장 부품을 옮기고, 다음에는 세탁물을 정리하고, 또 다른 날에는 매장이나 병원, 가정으로 들어갈 수 있느냐는 것이다.

즉 휴머노이드의 본질은 전용 장비 하나를 대체하는 데 있지 않다. 사람의 여러 자잘한 물리 작업을 하나의 범용 플랫폼으로 흡수할 수 있느냐에 있다.

물론 아직 갈 길은 멀다. 비싸고, 느리고, 예외 상황에 약할 수 있다. 현장에서는 "저걸 왜 쓰느냐"는 반응이 나오는 것이 자연스럽다. 실제 도입을 따지려면 시간당 처리량, 실패율, 사람 개입 횟수, 배터리 지속 시간, 유지보수 비용, 안전성, 현장 통합 비용을 모두 따져봐야 한다. 기술 시연과 상용 도입 사이에는 언제나 큰 간극이 있다.

하지만 기술의 초기 장면은 대개 이런 모습으로 등장한다. 초기 컴퓨터도 비쌌고, 초기 스마트폰도 장난감처럼 보였고, 초기 전기차도 비싸고 불편했다. 처음에는 기존 방식보다 느리고 비효율적으로 보인다. 그런데 성능이 오르고, 가격이 내려가고, 인프라가 붙고, 소프트웨어가 쌓이면 어느 순간 계산식이 바뀐다.

Figure 03 데모도 그런 관점에서 봐야 한다. 지금 이 로봇이 사람보다 싼가. 아닐 수 있다. 지금 이 로봇이 전용 물류 장비보다 효율적인가. 아닐 수 있다. 그러나 중요한 것은 휴머노이드 경쟁의 기준이 바뀌고 있다는 점이다.

과거의 휴머노이드 데모는 주로 "잘 걷는다", "넘어져도 일어난다", "손을 자연스럽게 움직인다"는 것을 보여주는 데 집중했다. 그런데 이제 질문이 달라지고 있다.

몇 시간 동안 일할 수 있는가.
예외 상황을 얼마나 처리할 수 있는가.
사람 개입 없이 얼마나 버틸 수 있는가.
현장 시스템과 연결될 수 있는가.
한 가지 일이 아니라 여러 일을 배울 수 있는가.

이것이 진짜 변화다.

물류는 휴머노이드에게 좋은 첫 실험장이 될 수 있다. 반복적이고, 목표가 비교적 명확하며, 데이터가 많고, 성과 측정이 쉽기 때문이다. 물류 현장에서 소포를 집는 일 자체보다 중요한 것은 그 일을 수행하기 위해 필요한 능력들이다. 시각 인식, 거리 판단, 손 조작, 균형 유지, 이동, 작업 순서 결정, 실시간 오류 대응이 모두 필요하다. 이 능력이 쌓이면 다른 현장으로 옮겨갈 가능성이 생긴다.

이 지점에서 Figure 03 데모는 단순한 로봇 시연을 넘어선다. 이것은 "물류센터 알바를 대체하겠다"는 선언이라기보다 "AI가 물리 세계의 노동 데이터를 학습하기 시작했다"는 신호에 가깝다.

챗GPT가 글, 코드, 문서, 검색, 요약 같은 디지털 노동을 흔들었다면, Helix 같은 시스템은 로봇 몸을 통해 물리 노동의 일부를 학습하려는 시도다. 디지털 세계에서 AI는 텍스트와 이미지, 코드 데이터를 먹고 성장했다. 이제 휴머노이드 로봇은 실제 공간에서 발생하는 움직임, 실패, 접촉, 균형, 물체 조작 데이터를 먹기 시작한다.

진짜 중요한 것은 현재 성능이 아니라 학습 곡선이다. 로봇 한 대가 배운 작업이 다른 로봇에게 복제될 수 있고, 현장에서 쌓인 실패 데이터가 다음 모델의 개선으로 이어질 수 있다. 하드웨어 가격이 내려가고, 배터리 효율이 올라가고, 제어 모델이 고도화되면 어느 순간 비용 계산은 달라질 수 있다.

따라서 "지금은 사람이 더 싸다"는 말은 틀리지 않다. 다만 거기서 멈추면 절반만 보는 것이다. 더 중요한 질문은 "5년 뒤에도 그럴까"이다. 전용 장비가 더 효율적인 것은 맞지만, 예외 상황이 많고 작업 종류가 자주 바뀌는 비정형 환경에서도 계속 그럴까. 로봇이 한 가지 작업이 아니라 여러 작업을 계속 배워간다면 비용 계산은 어떻게 바뀔까.

Figure 03 데모의 진짜 의미는 당장의 경제성보다 방향성에 있다. 휴머노이드는 이제 실험실에서 걷는 기술을 자랑하는 단계를 지나, 현장에서 일하는 능력을 증명해야 하는 단계로 들어서고 있다.

아직 비싸고, 아직 느리고, 아직 전용 장비보다 애매하다. 그러나 바로 그 애매한 지점에서 다음 산업이 시작될 수 있다. 처음에는 비싸고 느린 연구개발 장면처럼 보였던 것이 시간이 지나면 노동, 물류, 제조, 가정, 보험, 안전, 데이터센터, 배터리 산업까지 연결되는 거대한 플랫폼 전쟁의 출발점이 될 수 있다.

그래서 이 데모는 "로봇이 소포를 옮겼다"는 장면으로만 보면 안 된다. 더 정확히 말하면, "AI가 사람의 물리적 작업 공간에 들어가기 시작했다"는 장면이다.

Figure 03이 당장 물류 현장의 경제성을 뒤집지는 못할 수 있다. 하지만 휴머노이드 산업이 이제 무엇을 증명해야 하는지는 분명해졌다. 더 이상 멋지게 걷는 로봇이 중요한 것이 아니다. 오래 일하고, 안전하게 일하고, 여러 일을 배우고, 사람의 공간 안에서 버틸 수 있는 로봇이 중요하다.

그 순간부터 경쟁의 기준은 바뀐다. 누가 더 사람처럼 생긴 로봇을 만들었느냐가 아니라, 누가 더 오래, 더 안전하게, 더 싸게, 더 많은 일을 시킬 수 있느냐의 싸움이 된다.

Figure 03 데모의 진짜 의미는 바로 여기에 있다.

biggerthanseoul@newspim.com