AI가 '판단하는' 시대로 — 산업AX KOREA 2026에서 본 피지컬 AI
지난 6월 16일, 서울 코엑스에서 '산업AX KOREA 2026'이 열렸습니다. 'AI Transformation, 산업의 판단 구조를 바꾸다'를 주제로, 제조·물류·로보틱스·IT 현장의 AI 전환 사례와 실행 전략이 한자리에 모인 행사로, 씨메스로보틱스도 이 자리에 함께 했습니다.
“AX 기술이 실제 현장의 판단과 행동을 얼마나 바꾸고 있는가?"
산업AX KOREA를 관통한 질문은 하나였습니다. 오전 공통 세션에서 다뤄진 AI Ready Data, 피지컬 AI, 다크팩토리 등의 키워드만 봐도 흐름은 분명했습니다. 설비가 정해진 명령을 반복하던 단계를 지나, AI가 현장을 스스로 읽고 판단하는 방향으로 산업 전체가 움직이기 시작한 것입니다.
정해진 동작만 반복하는 기존 로봇과 달리, 눈앞의 물체를 스스로 보고 판단해 움직이는 '피지컬 AI' — 씨메스로보틱스가 줄곧 이야기해 온 방향이 바로 이번 행사의 주제와 맞닿아 있었습니다. 이번 글에서는 인상 깊었던 발표들의 인사이트를 씨메스로보틱스의 피지컬 AI 관점에서 함께 풀어보려 합니다.
AI 모델은 기본, 현장에 연결하는 능력이 관건
여러 발표가 약속이라도 한 듯 같은 지점을 짚었습니다. 한국 IBM과 슈퍼브에이아이, LG CNS는 AI 모델의 성능이 빠르게 상향 평준화되고 있다고 진단하면서, 진짜 차이는 그 모델을 현장의 신뢰할 수 있는 판단과 행동으로 연결하는 능력에서 갈린다고 입을 모았습니다. 이는 모델 자체가 중요하지 않다는 뜻이 아닙니다. 산업 현장에서 AI의 품질이 자동화의 성패를 가르는 결정적 변수임은 변함가 없습니다. 다만, 아무리 뛰어난 모델이라도 데이터와 운영, 검증이 뒷받침되지 않으면 현장에서 신뢰받는 행동으로 이어지지 못한다는 것, 이것이 이들 발표가 공통적으로 도달한 결론이었습니다.
씨메스로보틱스가 AI 모델을 직접 개발하면서도, 동시에 학습–배포–운영–검증에 이르는 전 과정을 하나의 파이프라인으로 소유하는 이유가 여기에 있습니다. 좋은 모델을 만드는 일과, 그 모델이 현장에서 끝까지 제대로 작동하게 만드는 일은 결코 분리되지 않기 때문입니다.
자율 운영 공장의 미래 - 감지·판단·실행·학습, 끊기지 않는 루프
코오롱베니트의 발표에서는 다크 팩토리를 '불 꺼진 무인 공장'이 아니라, 스스로 감지하고 판단하고 실행한 뒤 그 결과를 다시 학습하는 자율운영 공장으로 다시 정의했습니다. 그리고 국내 현장의 가장 큰 벽으로 "기술은 늘어나는데 정작 공장 운영의 흐름 안으로 들어오지 못한다"는 점을 짚었습니다. AI 비전은 검사 한 칸에, 로봇은 제어 장치 한 칸에 붙어 있을 뿐, 공장을 실제로 움직이는 운영 체계와는 따로 논다는 것입니다.
한국 IBM의 발표에서 강조한 지점도 같은 맥락이었습니다. 피지컬 AI의 데이터는 곧바로 '행동'으로 이어지기 때문에, 현장 상황을 실시간으로 정확히 판단하지 못하면 엉뚱한, 때로는 위험한 동작으로 번질 수 있다는 것입니다.
씨메스로보틱스의 '보고 생각하고 행동하는 피지컬 AI'는 바로 이 끊긴 루프를 잇는 이야기입니다. 물체를 인식하는 데서 멈추지 않고, 그 인식을 판단과 동작으로 연결하고, 현장에서의 결과를 다시 학습과 검증으로 되돌리는 것. 인식·판단·실행·학습이 끊기지 않을 때 비로소 로봇은 정해진 동작의 반복을 넘어, 변화하는 현장에서 스스로 일할 수 있습니다.
가장 어려운 건 '비정형'
슈퍼브에이아이의 발표에서는 산업 데이터의 본질을 짚었습니다. 산업 현장의 데이터는 비정형이고 물리 정보가 많으며, 계절과 물성의 변화가 데이터 정리 속도보다 빨라서 모델이 배포되는 순간부터 낡기 시작한다는 것입니다. 그래서 한 번 잘 만든 모델보다, 언제든 다시 학습할 수 있는 '운영 체계'가 중요하다고 강조했습니다.
뉴로메카의 발표 또한 같은 어려움을 다른 각도에서 보여줬습니다. 케이블 삽입·정밀 조립처럼 유연체의 변형과 작업 편차가 커서 기존 자동화로는 구현이 쉽지 않았던 공정을, 모방학습과 심투리얼(Sim2Real) 기반의 피지컬 AI로 풀어낸 사례였습니다. 모양이 변하고 상황이 달라지는 작업일수록, 정해진 프로그램이 아니라 현장을 스스로 읽는 지능이 필요하다는 메시지였습니다.
비정형은 씨메스로보틱스가 가장 정면으로 마주해 온 문제입니다. 물류 현장의 제각각인 박스와 물체, 제조 현장의 미세한 편차 — '사람의 눈과 손이 필요하다'고 여겨지던 작업의 상당수는 결국 비정형성에서 비롯됩니다. 씨메스로보틱스가 3D 비전으로 물체의 형태와 위치를 스스로 파악하고, 학습·운영·검증의 루프를 현장에서 닫아두는 이유가 여기에 있습니다. 슈퍼브에이아이가 지적한 '모델의 노화' 문제 역시, 현장에서 지속적으로 학습하고 검증하는 구조 안에서만 풀리기 때문입니다.
사람의 현장에서, AX를 신뢰할 수 있는가
마지막으로 두 가지 질문이 남습니다. 로봇은 사람을 위해 설계된 현장에 들어갈 수 있는가, 그리고 그 안에서 신뢰받을 만큼 정확한가. 코오롱베니트가 짚었듯, 공장의 기존 시스템 대부분은 '사람 중심 운영'을 전제로 설계돼 있습니다. 뉴로메카가 휴머노이드와 양팔 로봇에 주목한 것도 같은 맥락입니다. 사람의 작업 공간을 그대로 쓸 수 있는 형태라면, 현장을 로봇에 맞춰 다시 바꾸지 않아도 되기 때문입니다.
다만 휴머노이드가 당장 현장의 주역이 되기는 어렵습니다. 사람처럼 정교하고 안정적으로 움직이면서 산업 현장이 요구하는 신뢰성과 안전성을 일관되게 충족하는 데는 아직 기술적 제약이 큽니다. 이번 행사에서도 범용 AI 모델의 산업 적용 한계가 거듭 언급된 것처럼, 휴머노이드의 본격적인 현장 투입은 좀 더 먼 미래의 이야기에 가깝습니다.
사람 중심으로 설계된 현장을 크게 바꾸지 않으면서도 자동화를 녹여내는 일 — 곧 현장에 최적화된 로봇 셀을 설계하고, 설치하고, 운영까지 매끄럽게 연결하는 시스템 통합(SI) 역량입니다. LG CNS가 강조한 '검증된 신뢰성' 역시 화려한 폼팩터가 아니라, 현장에 맞게 설계하고 끝까지 책임지는 적용 능력에서 나옵니다.
씨메스로보틱스가 3D 비전과 풀파이프라인 위에, 로봇 셀 설계·설치부터 현장 실증과 운영까지 아우르는 SI 역량을 함께 갖춰 온 이유도 여기에 있습니다. 사람을 위해 만들어진 현장에 지금 당장 들어가 믿을 수 있게 일하게 만드는 것 — 그리고 그 위에서, 사람을 닮은 양팔로봇과 더 먼 미래의 휴머노이드로 같은 지능을 확장해 가는 것. 피지컬 AI의 길은 미래의 형태를 좇기 전에, 오늘의 현장에서 신뢰를 증명하는 데서 시작됩니다.
그리고, 현장에서 증명되는 변화
'산업의 판단 구조를 바꾸다'라는 이번 행사의 주제처럼, 산업 현장은 로봇이 반복 작동하던 단계에서 AI로 판단하고 스스로 처리하는 단계로 넘어가고 있습니다. 행사장의 수많은 발표가 가리킨 결론도 한 곳으로 모였습니다. 진짜 차이는 모델의 성능이나 로봇의 형태가 아니라, 그 지능을 현장의 신뢰할 수 있는 행동으로 끝까지 연결해내는 능력에서 갈린다는 것입니다.
씨메스로보틱스는 그 답을 전략이나 청사진이 아니라, 지금 돌아가는 양산 현장에서 증명해 왔습니다. 3D 비전과 피지컬 AI를 실제 생산 라인에 접목해, 물류 현장의 피스피킹과 팔레타이징·디팔레타이징, 제조 현장의 정밀 조립과 검사처럼 '사람의 눈과 손이 필요하다'고 여겨지던 공정을 자동화 솔루션으로 풀어 온 것입니다. AI 모델을 직접 개발하고 학습부터 운영·검증까지 하나로 책임지는 풀파이프라인이 있었기에, 변수 많은 비정형 현장에서도 신뢰할 수 있는 결과를 만들어 낼 수 있었습니다. 보고 생각하고 행동하는 피지컬 AI가, 사람을 위해 만들어진 현장에서 사람처럼 일하는 풍경. 씨메스로보틱스는 그 변화를 가장 앞에서, 이미 현실로 만들어가고 있습니다.