로봇이 고정 울타리(Fence)를 벗어나 작업자 영역으로 도입된 지 적지 않은 시간이 흘렀다. 작업자 근처에서 함께 호흡하는 ‘로봇 팔(Robot Arm)’, 제조 라인을 가로지르는 ‘자율주행 플랫폼’, 작업자와 이동 통로를 공유하도록 설계되는 중인 ‘휴머노이드 로봇(Humanoid Robot)’까지. 공장·물류센터 등 로봇을 향한 산업 현장의 경계를 허무는 것이 추세다.
이처럼 물리적 경계가 무너지면서 ‘가까이 오면 무조건 멈추는’ 고전적 로봇 안전 공식은 한계에 직면했다. 무작정 세우는 수동적 방어 기제만으로는 고도화된 자율제조(Autonomous Manufacturing) 현장의 생산성과 인간·로봇 상호작용(HRI)을 동시에 달성하기 어렵기 때문이다.
문제는 로봇 지능이 진화할수록 안전 방정식의 변수 역시 복잡해진다는 점이다. 로봇의 판단 범위가 넓어지고 이동 반경이 확장되는 만큼 작업 조건은 매 순간 바뀐다. 업계는 완전 무인화라는 환상과 달리, 점검·유지보수·예외처리가 필요한 순간마다 사람이 로봇의 가동 반경 안으로 다시 들어갈 수밖에 없다고 목소리를 높인다.
따라서 피지컬 AI(Physical AI) 시대의 자율제조가 마주한 화두는 무인화 그 자체가 아니다. 사람·로봇이 만나는 찰나의 위험을 어떻게 정밀 계산·기록하며, 입증해내는 체계가 필요한 시점이다.
비상정지 버튼 하나로 종결되지 않는 피지컬 AI 시대. 설계 단계의 선제적 위험성 평가부터 작업자 참여 기록, 사고 발생 시 법적 증적 확보, 연결된 다종·이기종 로봇 보안 관리, 운전 중 실시간 동적 속도 제어까지. 공장 안팎의 모든 안전 요소를 기술·법률·보안 관점에서 재설계하고 증명해내야 하는 패러다임 전환이 시작됐다.
숙련공 손끝을 훔쳐라...본격 가동된 피지컬 AI 데이터
피지컬 AI의 확산은 제조업 자동화의 타깃 지점을 바꿨다. 정해진 위치에서 반복 동작을 수행하던 공정은 이미 로봇의 영역으로 옮겨가고 있다는 뜻이다. 다음 타깃은 숙련자의 손끝에 남은 비정형 작업이다. 흔들리는 커넥터를 잡아 끼우고, 얇은 필름을 떼어내며, 물체 위치에 따라 다음 동작을 고르는 일까지 자동화 후보군에 진입했다.
곽경민 LG CNS 박사는 이를 로봇 세대의 이동으로 정의했다. 기존 1·2세대 로봇을 단순 장비, 3세대를 비전(Vision) 기반 취출(Picking) 단계로 나눈다면, 현재 도래한 4세대는 스스로 생각하고 다음 행동을 예측하는 ‘실행체’라는 의견이다.
곽 박사는 "인공지능(AI) 발달로 과거 대체가 어렵던 숙련공 작업까지 자동화 범위에 들어왔다"며 "저출산에 따른 노동력 감소 환경에서 자동화는 현장 지속성을 떠받치는 생존 조건"이라고 진단했다.
실제 공장에서의 구체적인 공정 혁신은 양산 현장의 조건을 만족하는 데서 출발한다. 피지컬 AI의 성패가 현장 투입 속도, 작업 전환 비용, 그리고 무엇보다 공정 주기(Cycle Time)에서 갈릴다는 것.
로봇 행동 지능 및 제어 플랫폼 업체 카본식스의 문태연 대표는 실제 공장의 자동화 조직이나 박사급 연구 인력 없이 어떻게 최신 기술을 현장에 곧바로 적용할 수 있을까라는 질문에 집중했다.
그가 제시한 대안은 숙련공의 동작(Motion) 데이터 학습이다. 작업자가 로봇 손(Robot Hand)을 착용하고 평소 작업을 수행해 데이터를 얻는 방식이다. 문 대표는 “부품을 집어 구멍에 끼우는 조립 작업을 하나의 공정 단위(Cell)로 보고, 이를 100번 정도 반복 수행하면 비전 데이터와 손목 모션 데이터가 쌓인다”며, 이후 불필요한 데이터를 걷어내고 학습시키면 5시간에서 하루 안에 특정 작업용 모델이 완성된다는 설명을 전했다.
전기차 커넥터 체결은 이를 검증한 하나의 사례다. 행거(Hanger)에 매달린 채 불규칙하게 흔들리는 커넥터(Connector)를 비스듬히 기울여 손목 각도를 정밀하게 조절하며 돌려 끼우는 숙련공의 보정 동작을 그대로 학습한 레퍼런스다.
문 대표는 “현장 내 비정형성과 사람이 손목을 돌려 끼우는 순간의 모션 데이터를 데이터화해 양산 기준을 맞췄다”고 강조했다. 이어 “현장 요구사항인 사이클타임은 11초였으나, 로봇은 이를 4~5초대에 수행해낸다”고 밝혔다. 이 기술은 모양이 쉽게 변하는 필름 제거와 배터리 분리막 처리 등 난이도 높은 비정형 공정으로 확장 중이다.
이때 이 과정에서 파생되는 문제가 생긴다. 로봇 작업 영역이 이처럼 확장될수록 작업자와의 물리적 거리가 좁혀진다는 점이다. 이때 AI 기반 로봇 안전 플랫폼 기술 업체 세이프틱스가 이를 해결하기 위한 방법론을 채택한다.
김휘연 세이프틱스 최고전략책임자(CSO)는 자율제조는 로봇·설비·장비가 완전히 작업자를 대체하는 시스템이 아니라고 말했다. 김 CSO는 “점검·유지보수·문제해결을 위해 작업자가 결국 현장에 투입돼야 한다”며 “사람이 로봇에게 다가가는 상황은 자동화가 고도화돼도 사라질 수 없는 필연적 구조”라고 단언했다. 무인 공장을 뜻하는 다크 팩토리(Dark Factory)가 상용화되더라도 청소나 복구 작업은 남는 만큼, 사람·로봇의 접점을 새로 설계하는 운영 방식이 본질이라는 지적이다.
결국 사람·로봇의 협업은 필수적이라는 그의 주장이다. 그는 “사람이 다가오면 무조건 정지하는 기존 안전 대책은 한계가 명확하다”고 짚었다. 로봇이 능동적으로 이동·판단하는 현장에서 무작정 설비를 세우면 생산성을 갉아먹기 때문이다. 그러면서 “로봇의 자율 판단을 바탕으로 협업하는 현장에서 무조건 멈추는 방식은 앞뒤가 맞지 않는다”며 “움직이는 로봇의 속도, 거리, 예외 상황을 실시간 관리하는 동적 운영이 필수적”이라고 제언했다.
안전 펜스를 치우는 펜스리스(Fenceless) 공정은 이미 시작됐다. 공간 공유, 동적 안정성, 표준 공백, AI 판단 이슈는 향후 도입될 휴머노이드 로봇 환경에도 동일하게 적용될 전망이다. 피지컬 AI 시대의 안전은 무인화율 수치에 국한되지 않음을 시사하는 부분이다.
“로봇과 일하는 작업자의 '심리적 압박'까지 평가해야”
이처럼 사람·로봇이 같은 공간을 쓰는 구조가 안착할수록 환경·보건·안전(EHS) 관리의 틀도 달라진다. 이 가운데 현장 작업자의 안전을 극대화하기 위해 사전에 위험 요인을 찾아내고 대책을 세우는 법적 필수 절차인 ‘위험성 평가(Risk Assessment)’가 다시금 조명받고 있다.
기존 위험성 평가가 안전거리 확보나 끼임·충돌 가능성 차단 같은 기계적 위험원 제어에 집중했다면, 피지컬 AI 환경은 이것을 넘어서는 수준을 요구한다. 로봇이 이동·판단·학습 기능을 갖춘 실행 주체로 도입되는 만큼, 평가 방식 역시 실시간 ‘동적 운영 관리’로 이동해야 한다는 지적이다.
이강돈 한샘 상무는 피지컬 AI 도입이 안전보건의 대전환을 요구한다고 진단했다. 이 상무는 “기존 체크리스트나 정적인 위험성 평가로는 피지컬 AI 시대의 위험을 모두 대체할 수 없다”고 언급했다. 위험 항목을 물리적 충돌 밖으로 넓혀야 한다는 말인데, 로봇과 함께 일하는 작업자의 상황을 평가 범위에 포함해야 한다는 설명이다. 그에 따르면, ▲심리적 압박 ▲현장 조직 안전 문화 확보 ▲작업자 성향 및 과거 사고 경험 등이 여기에 해당된다.
AI 과신 문제와 데이터 프라이버시도 이 상무가 지목한 새로운 위험 요인이다. 그는 AI에 과도하게 의존할 때 생기는 과신을 경고하며, 로봇 판단의 근거가 투명하게 남는 ‘설명 가능성’이 안전 관리의 조건이 된다고 분석했다.
특히 피지컬 AI는 카메라, 센서, 에지(Edge) 장치, 네트워크, 클라우드 등을 통해 공정 정보를 수집하는 과정이 그 배경이다. 작업자 위치와 로봇 동작, 설비 상태, 작업 영상이 안전 판단의 핵심 입력값으로 쓰이기 때문에 이 과정에서의 데이터 보안과 프라이버시 위험도 이제는 안전보건의 직접적인 고려 대상이라는 것. 결국 데이터가 오염되거나 외부로 유출되면, 로봇이 엉뚱한 판단을 내리게 돼 결국 물리적 사고로 직결된다는 것이 그의 우려점이다.
이강돈 상무는 “기존 산업용 로봇이나 코봇이 주로 고정된 설비였다면, 피지컬 AI는 로봇과 작업자가 동시에 이동하며 작업 대상도 매번 바뀐다”며 “앞으로는 동적인 위험성 평가로 바뀔 필요가 있다”고 강조했다.
이에 따라 사람·AI의 역할도 분담될 전망이다. AI가 실시간 위험 데이터를 수집·분석하면, 사람은 예측 결과를 검증하고 최종 승인을 내리는 구조다. 현장 인력 역시 단순 작업자에서 로봇·AI의 판단을 조율하는 관리자로 진화해야 함을 의미한다. 상는 “디지털 트윈(Digital Twin) 활용력이나 AI 감독 기술까지 안전보건 교육에 포함해야 한다”며 “사람은 한 발 물러선 감독자이자 총괄 조정자(Orchestrator) 역할을 맡아야 한다”고 말했다.
차세대 현장 안전 방안은 로봇의 물리적 충돌 방지에 그치지 않는다. 로봇이 각종 기술 체계(Stack)와 연동되는 순간부터 보안이 안전의 핵심 요소로 편입된다. 로봇 팔의 구동 속도와 작업자의 접근 거리만 관리하던 기존 방식에서 벗어나, 도입된 소프트웨어 종류, 취약점 발생 시 조치 주체, 보안 사고 보고 체계 등을 안전 프레임워크 안에서 종합적으로 다뤄야 한다는 지적이다.
식품 성분표처럼 투명하게...소프트웨어 자재명세서 관리 ‘의무화’ 다가온다
글로벌 인증기관 티유브이슈드(TÜV SÜD)의 노민석 상무는 유럽 사이버복원력법(CRA)을 피지컬 AI 시대의 제조업이 직면한 필수 규제로 제시했다. 노 상무는 디지털 요소가 포함된 제품이 물리적·논리적으로 타 제품과 연결돼 있다면 모두 규제 대상에 포함된다고 진단했다.
여기에 로봇, 티칭 펜던트(Teaching Pendant), 제어 소프트웨어, 원격 관리 기능이 결합된 자율제조 장비 역시 이 흐름의 직접적인 영향권에 있다는 분석이다.
상무는 “제품이 외부망이나 타 기기와 연결돼 있다면 예외 없이 CRA 규제 범위에 속하게 된다”고 짚었다. 이때 CRA의 요구사항은 제품 출시 이후의 전 수명주기(Life-cycle)로 이어진다. 보안 취약점 분석, 업데이트 배포 절차, 소프트웨어 구성요소 관리, 사고 보고 체계 구축이 전제돼야 한다.
또한 노 상무는 소프트웨어 자재명세서(SBOM)를 식품 성분표에 비유하며, 제품 내부에 탑재된 오픈소스와 라이브러리를 투명하게 관리해야 한다고 부연 설명했다. 내부 코드에서 취약점이 발견될 경우, 이를 완화하고 패치를 배포할 수 있는 대응 체계가 사전에 정립되어야 한다는 뜻이다.
신속한 보고 체계 마련도 핵심 과제다. 그는 중대한 보안 사고가 발생했을 때 24시간 이내에 보고할 수 있는 시스템을 갖춰야 한다고 강조했다. 사고 인지 시점부터 보고 대상, 절차, 서식 등이 매뉴얼화돼 있어야 한다는 의미다. 이와 함께 외부 보안 전문가가 제품 취약점을 제보하는 신고 창구를 마련하고, 접수된 결함을 처리하는 내부 프로토콜을 확보하는 방안도 요구했다.
그에 의하면, 사용자 매뉴얼과 기술 문서 역시 설계, 검증, 출하 전 점검까지의 보안 개발 수명주기(SDLC)를 증적으로 남겨야 규제 리스크를 피할 수 있다. 각 기술 체계와 연결된 로봇의 보안 취약점은 부품·운영체제(OS)·클라우드 등 공급망과 맞물려 구동되기 때문이다. 특정 지점의 보안 공백이 전체 제조 시스템의 가동 중단이나 물리적 사고로 직결될 수 있는 만큼, 피지컬 AI 환경에서 보안은 로봇의 지속 가능한 운용 조건이다.
첨단 AI 로봇이 사고를 내도, 종이 서류가 중요한 배겨
피지컬 AI의 위험이 물리 충돌, 동적 위험성 평가, 사이버보안으로 확장될수록 기업이 남겨야 할 기록도 늘어날 것으로 점쳐진다. 사고 발생 이후의 법적 책임 공방에서 현장의 안전 관리 실태를 대변하는 것은 결국 평소 축적해 둔 각종 서류와 데이터다. 작업계획서, 위험성 평가표, 안전교육 기록, 작업자 참여 이력 등 '아날로그 문서'가 될 것이다.
강검윤 김앤장 법률사무소 변호사는 피지컬 AI 시대에도 산업안전 사고의 수사 방식은 여전히 문서 중심이라고 짚었다. “모든 영역에서 AI를 이야기하는 시대지만, 사고가 발생하면 아날로그식으로 수사하는 경우가 여전히 많다”는 게 그의 주장이다. 이어 “사고 이후 수사기관이 가장 먼저 보는 것은 해당 작업이 작업계획서에 명시돼 있었는지, 그에 맞는 안전 조치가 들어갔는지 여부”라고 단언했다.
수사기관은 이미 사고 대응 과정에서 어떤 자료를 살펴야 하는지 정확히 파악하고 있다는 뜻이다. 특히 위험성 평가가 실제 작업과 유기적으로 연결됐는지를 역추적하며 조직의 안전 매뉴얼을 점검한다. 그에 따르면 여기서 문제는 사고 발생 이후의 문서를 조작하는 행위다. 사고 공정이 작업계획서나 위험성 평가에서 누락됐을 경우, 현장 실무진은 이를 사후에 보완하려는 경향을 보인다는 것을 비판한 것인데. 강 변호사는 이 대목을 가장 강력하게 경고했다.
그는 “사고가 발생했을 때 내용은 절대로 수정해서는 안 된다”고 특히 목소리를 높였다. 디지털 파일은 수정 이력이 고스란히 남고, 지면 문서 역시 필체나 필기구 색상의 차이가 식별된다는 점에서다. 현장의 자의적인 판단으로 문서를 보완했다가 도리어 조직적인 '증거 인멸 및 위조' 혐의를 사게 되면, 추가 압수수색 등 수사 강도가 급격히 가중될 수 있다는 지적이다.
이 같은 위험성 평가 부실 운영은 법적 책임 규제 ‘중대재해처벌법(이하 중처법)’ 리스크와도 직결된다. 위험성 평가를 실시하지 않았거나 근로자 참여 누락, 평가 결과 현장 미전달, 기록 미보존 등이 적발되면 과태료 처분을 받는다는 내용이다. 강 변호사는 “과태료 금액 자체는 소액일지라도, 이 적발 내역이 중처법상 '중대재해 예방 의무 위반'을 입증하는 결정적인 단서가 된다”고 설명하며 이해를 도왔다.
특히 대기업조차 위험성 평가 과정에서 현장 작업자의 의견을 청취했다는 증적을 누락하는 사례가 빈번하다는 게 그의 주장이다. 피지컬 AI 환경에서는 로봇과 상시 대면하는 작업자의 구체적인 경험·의견이 위험성 평가의 핵심 법적 증거로 작용한다.
이러한 사고의 파장은 공시 영역으로도 확대된다. 강검윤 변호사는 재해조사 보고서가 외부에 노출될 수 있는 '안전보건공시제'와 증권거래소 공시를 예로 들었다. 로봇 안전 관리 투자 내역 역시 안전보건 투자 금액으로 산정되는 만큼, 안전 담당 조직은 정보의 공개 범위를 사전에 예측하고 대비해야 한다는 분석이다.
‘비상정지 버튼’ 대체하기, 세이프틱스가 내놓은 접근법은?
앞선 피지컬 AI 시대의 문제의식은 세이프틱스가 마련한 세미나 현장에서 하나의 유기적인 시스템으로 통합됐다. 사측은 ‘피지컬 AI 프런티어(Physical AI Frontier)’를 슬로건으로 한 자체 행사를 통해 메시지를 전했다. 피지컬 AI를 제조업의 실질적인 운영 리스크로 다룬 현장이다.
현장에 배치된 데모존은 이 같은 최신 현장 안전 화두를 실제 공정 관리 솔루션으로 구체화했다.
위험 요인을 묻는 생성형 AI(Generative AI) 기반 신기능 ‘세이프티 AI(Safety AI)’, 로봇 셀 단위 위험성 평가를 수행하는 ‘세이프티디자이너(SafetyDesigner)’, 작업자 참여 기록을 남기는 스마트폰 애플리케이션 기반 ‘툴박스미팅(TBM)’, 로봇 운전 중 실시간으로 속도를 조정하는 피지컬 AI 기반 로봇 안전 플랫폼 ‘세이프티기버(SafetyGiver)’ 등을 유기적으로 배치한 것.
김휘연 CSO는 “위험성 평가 개정 기조에 맞춰 출시한 신기능 TBM과 사용자가 안전 표준을 책처럼 쉽게 찾아 쓸 수 있도록 AI를 도입한 세이프티 AI가 이번 현장의 핵심 변화”라고 짚었다. 그러면서 질문, 위험성 평가, 기록, 감속 등 총 네 가지 테마의 구동 예시를 제시했다.
< 질문 > 안전 인증 병목 분석
▲ 세이프티 AI에 질문하면(좌), 이내 답변이 도출된다(우). 이 과정은 세이프틱스가 축적·입력한 데이터를 기반으로 구현된다. (촬영·편집 : 헬로티 최재규 기자)
세이프티디자이너에 탑재된 질의형 기능인 세이프티 AI는 안전 인증의 병목 구간을 사전 분석하는 역할을 맡는다. 사용자가 공정 설계나 현장 사진을 업로드하고 자연어로 질문하면, 시스템이 관련 표준 가이드와 실제 현장 적용 사례를 답변하는 방식이다. 서광 프로젝트리더(PL)는 “현시점에는 표준·제도를 묻는 상용 기능이지만, 올해 말에는 3차원(3D) 공정 설계 데이터만 입력하면 AI가 위험성 평가까지 수행하는 단계로 고도화할 예정”이라고 밝혀 현재 준비된 기능과 미래에 적용될 기능을 구분했다.
< 위험성 평가 > 로봇 셀 단위 동적 진화
▲ 세이프티디자이너 데모를 체험하는 기자. 로봇 셀 단위 공정 조건을 입력한 뒤 위험성 평가와 보고서 작성 과정을 확인했다. 오른쪽은 기자가 경험한 세이프티디자이너의 세부 설명 자료. (촬영·편집 : 헬로티 최재규 기자, 자료 출처 : 세이프틱스)
세이프티디자이너는 초기에는 충돌 안전 계산 도구(Tool)로 활약했다. 지금은 로봇 셀 단위 위험성 평가부터 보고서 실시간 피드백까지 아우른다. 김유나 팀장은 “공장 전체를 하나로 분석하는 것이 아니라, 로봇이 동작하는 작업 유형을 셀별로 세분화해 평가한다”며 “기존처럼 PDF 보고서를 메일로 주고받는 번거로움 없이 서버 상에서 실시간으로 확인하고 수정할 수 있도록 고도화했다”고 설명했다.
< 기록 > 법무 리스크 방어할 디지털 족적
스마트폰 애플리케이션에서 활용 가능한 TBM은 통상 매일 아침 작업 전 전원이 모여 진행하는 안전 회의를 디지털 증적으로 전환한다. 최준호 PL에 따르면, 기존 현장의 형식적인 종이 서명이나 구두 보고를 작업자별 디지털 데이터로 대체하는 구조다. 최 PL은 “작업자가 모바일로 당일 공정의 위험 요인을 확인하고 전자서명과 위치 인증을 거쳐야 참여 이력이 남는다”고 설명했다. 그러면서 “공장 밖에서는 제출 자체가 차단돼, 사업주 입장에서는 실질적인 근로자 참여 증적을 확보하도록 고도화했다”고 덧붙여 강조했다.
< 로봇 속도 감속 > 생산성 담보와 안전 확보하는 실시간 제어
▲ 기자가 위험 구간 가까이 급하게 다가가니 코봇의 속도가 급감했다. (촬영·편집 : 헬로티 최재규 기자)
세이프티기버는 설계와 문서화 중심의 앞선 도구와 달리 현장 설치형 안전 지능에 가깝다. 김민희 매니저는 “사람이 센서 영역 밖에 있을 때는 생산성을 위해 로봇이 최고 속도로 기동하고, 사람이 접근하면 충돌위험지수(CRI)를 실시간 계산해 안전 속도로 감속 제어한다”고 언급했다.
헬로티 최재규 기자 |
