밤 11시에 컬리 앱을 열어 샐러드 재료를 담고 결제 버튼을 누르면, 다음 날 아침 7시 문 앞에 냉장 박스가 놓여 있습니다. 이 경험이 너무 당연해진 나머지 저도 한동안 그 편리함 뒤에 무엇이 있는지 생각하지 않았습니다. 그런데 최근 물류 현장에서 휴머노이드(Humanoid) 로봇 도입이 빠르게 확산되면서, 저는 이 문제를 다시 들여다보게 됐습니다.
자본 진입장벽, 대기업만 웃는 구조
제가 물류 현장 관리자와 이야기를 나눠보면 매번 나오는 말이 있습니다. "야간 알바는 돈을 줘도 못 구한다"는 말입니다. 이 말 한마디가 휴머노이드 도입 열풍의 본질을 꿰뚫습니다. 인구 고령화로 인해 2030년부터 경제활동인구와 취업자 수가 줄어들 전망인데, 장기 성장 목표를 달성하려면 2034년까지 122만 명 이상의 추가 취업자가 필요한 상황입니다(출처: 산업통상자원부). 구인난이 구조적으로 굳어지는 시대에 로봇은 선택이 아닌 필수처럼 보입니다.
실제로 컬리는 LG CNS와 손잡고 물류센터에 휴머노이드를 도입하기로 했고, CJ대한통운은 레인보우로보틱스와 공동 개발에 착수했습니다. 미국에서는 피규어AI의 휴머노이드 '개리'(Gary)가 52시간 동안 소포 6만 5,300개를 자율 분류했고, BMW 스파턴버그 공장에서는 동일한 로봇이 누적 1,250시간 이상 가동하며 부품 9만 개 이상을 이송했습니다. 숫자만 보면 장밋빛입니다.
하지만 제가 직접 이 흐름을 들여다보면서 가장 먼저 걸린 것은 Capex(자본적 지출) 문제였습니다. Capex란 기업이 장기적으로 사용할 자산을 구입하거나 업그레이드하는 데 쓰는 초기 투자비를 의미합니다. 보스턴다이내믹스 '아틀라스'의 경우 2030년 양산 단계 예상 가격이 대당 2억 원에 육박합니다. 연봉 4,000만 원 노동자 다섯 명을 1년간 고용할 수 있는 금액입니다. 여기에 Opex(운영비용), 즉 로봇 가동 이후 발생하는 수리비, 부품 교체비, 소프트웨어 업그레이드 비용까지 더하면 실질 부담은 더 커집니다. Opex란 자산을 구입한 이후에도 지속적으로 발생하는 유지·운영 비용을 뜻합니다.
이 구조가 무서운 이유는 뻔합니다. 결국 휴머노이드 도입으로 물류 혁신을 이룰 수 있는 곳은 컬리, CJ대한통운처럼 자본력이 탄탄한 대형 기업에 국한될 가능성이 높습니다.
- 대기업: 초기 Capex를 감당하고, 규모의 경제로 Opex를 분산 가능
- 중견 물류업체: 도입 검토는 하지만 ROI(투자수익률) 계산이 맞지 않아 보류
- 중소 택배 대리점·영세 물류사: 진입 자체가 불가능한 수준
한국의 제조업 로봇 밀도는 근로자 1만 명당 1,012대로 세계 1위를 기록하고 있습니다(출처: 국제로봇연맹 IFR). 이 풍부한 운영 경험과 ICT 인프라는 분명 강점입니다. 그러나 인프라 수준이 높다는 것이 곧 기회의 균등을 의미하지는 않습니다. 자본력에 따라 기업 간 생산성 격차가 더 벌어지는 구조적 양극화가 심화될 수 있습니다. 솔직히 이 부분은 예상보다 훨씬 심각한 문제라고 생각합니다.
노동 소외와 사회적 합의, 가속 페달 앞의 브레이크
피규어AI가 진행한 10시간 택배 분류 대결에서 인간이 1만 734개, 로봇이 1만 294개를 처리했습니다. 190개 차이로 인간이 이겼지만, 인간이 밥 먹고 화장실 다녀오는 사이 로봇은 교대만 하며 쉬지 않고 돌아갔습니다. 경영진 입장에서는 "결국 로봇이 이긴 거 아닌가?"라는 계산이 나올 수밖에 없습니다.
제 경험상 이게 단순한 생산성 수치의 문제가 아닙니다. 로봇이 옆에서 논스톱으로 돌아가는 환경에서 인간 작업자는 자연스럽게 그 속도에 맞추도록 압박을 받게 됩니다. 이른바 에이전틱 AI(Agentic AI)와의 공존 문제입니다. 에이전틱 AI란 스스로 판단하고 다음 작업을 결정하며 자율적으로 움직이는 AI를 말합니다. CJ대한통운과 레인보우로보틱스가 개발 목표로 삼은 것도 바로 이 에이전틱 AI를 탑재한 로봇입니다. 자율적으로 판단하는 로봇이 옆에 있는 인간에게 "너도 그 속도에 맞춰"라는 무언의 신호를 보내는 환경, 저는 이걸 '인간의 로봇화'라고 부르고 싶습니다.
초기 도입 단계에서는 오히려 더 복잡한 문제가 생깁니다. 로봇이 오류를 낼 때 그 수습은 결국 옆에 있는 인간 작업자의 몫이 됩니다. 로봇이 잘못 분류한 상자를 찾아내고 재처리하는 일, 센서 오작동으로 멈춰선 로봇을 재가동시키는 일 모두 사람이 합니다. 기대했던 '로봇이 힘든 일을 대신해준다'는 그림과 전혀 다른 현실이 펼쳐질 수 있습니다.
정부가 올해 안에 물류센터 AI 표준 모델과 휴머노이드 핵심 기술 개발 전략을 구체화하겠다고 나선 것은 분명 긍정적인 신호입니다. 하지만 제가 보기에 정책의 속도와 사회적 합의의 속도 사이에 큰 간극이 있습니다. 기술 도입 로드맵은 빠르게 나오는데, 아래 논의들은 아직 걸음마 수준입니다.
- 로봇세 도입 여부: 로봇이 인간 일자리를 대체할 때 발생하는 세수 감소를 보완하는 과세 체계
- 실직 노동자 재교육 대책: 물류 분류직에서 다른 직군으로 전환할 수 있는 구체적 프로그램
- 인간-로봇 협업 현장 안전 기준: 에이전틱 AI와 인간이 같은 공간에서 일할 때의 사고 예방 지침
2030년부터 경제활동인구가 줄어드는 것은 통계적 사실이지만, 지금 당장 물류 현장에서 야간 분류 작업으로 생계를 이어가는 사람들의 연착륙 방안이 빠진 채 가속 페달만 밟는 것은 언젠가 사회적 갈등이라는 급브레이크를 만날 수밖에 없다고 생각합니다. 제가 직접 현장 관리자들과 나눈 대화에서도 "로봇이 들어오면 우리는 어떻게 되느냐"는 불안이 분명하게 느껴졌습니다.
휴머노이드가 물류 현장을 바꾸는 것은 이제 피할 수 없는 흐름입니다. 하지만 기술의 속도만큼 사람을 위한 제도의 속도도 따라가야 합니다. 컬리 앱을 켤 때마다 저는 이 편리함이 어떤 구조 위에 서 있는지 한 번씩 다시 떠올리게 됩니다. 독자분들도 물류 자동화 뉴스를 접할 때 기술의 스펙뿐 아니라 그 이면의 노동 환경과 정책 논의에도 관심을 가져보시길 권합니다.