[산업 인터뷰 : 제론엑스] 인력 부족한 산업의 사각지대를 메우는 AI

산업현장과 돌봄현장의 평행이론

새벽 물류센터, 상하차 라인에는 채워지지 않은 근무 슬롯이 남아 있습니다. 관리자는 오늘도 인력사무소에 전화를 돌립니다.

비슷한 시각, 어느 요양원의 복도도 크게 다르지 않습니다. 요양보호사 한 명이 수십 명의 어르신을 살핍니다. 낙상, 배회, 갑작스러운 건강 변화까지 모두 혼자 감당해야 합니다. 이 일을 지원하는 사람조차 갈수록 줄어들고 있습니다.

업종은 다르지만 두 현장의 문제는 구조가 같습니다. 반드시 필요한 일이고 수요는 급증하는데, 정작 일할 사람이 구해지지 않습니다. 그리고 과도한 일들은 현장에 남아 있는 사람들에게 몰립니다.

씨메스로보틱스는 그동안 인력이 부족한 물류·제조 현장에서 이 문제를 풀어왔습니다. 그런데 최근, 같은 문제를 전혀 다른 현장에서 풀고 있는 기업을 만났습니다. 시니어 돌봄 산업의 인력 공백에 도전하는 케어테크 기업, 제론엑스입니다.

제론엑스는 IoT 기반 AI 돌봄 플랫폼 '늘케어'로 고령 취약계층의 돌봄 공백을 줄이고 있습니다. 오늘은 제론엑스 김운봉 대표님과의 인터뷰를 바탕으로, 산업 현장과 돌봄 현장이 공통으로 겪는 문제의 구조를 살펴봅니다. 그리고 피지컬 AI가 이 현장들에서 어떠한 답을 내고 있는지 함께 확인해 보겠습니다.

공통점 1. AI 및 로봇 도입의 이유 : ‘비용’에서 ‘생존’으로

제조·물류 현장의 인력난은 이미 통계로 확인됩니다. 국제로봇연맹(IFR)이 발표한 『World Robotics 2025』에 따르면, 한국의 로봇 밀도는 노동자 1만 명당 1,220대입니다. 세계 평균 132대의 아홉 배가 넘는 수치이고, 2019년 이후 매년 평균 7%씩 늘었습니다.

로봇이 많아서 나온 숫자가 아닙니다. 사람이 채워지지 않아서 나온 숫자에 가깝습니다. 힘들고 위험한 업무일수록 공백은 더 크게 벌어지고 있습니다.

돌봄 현장의 숫자는 더 무겁습니다. 김운봉 대표님은 인터뷰에서 이렇게 설명했습니다. 법정 기준은 노인 2.1명당 요양 보호사 1명이지만, 실제 현장에서는 한 명이 열 명, 스무 명을 살피는 일도 드물지 않다고 합니다.

여기에 '노노(老老)케어'가 겹칩니다. 60~70대 인력이 80~90대 어르신을 돌보는 구조입니다. 젊은 인력의 유입은 계속 줄고 있어, 이 구조는 당분간 더 굳어질 전망입니다.

김운봉 대표님은 AI와 로봇이 반드시 필요한 시장의 조건을 세 가지로 정리했습니다.

‘AI와 로봇’이 반드시 필요한 시장의 세 가지 조건

• 수요는 폭발적으로 늘어나는데, 공급이 따라가지 못하는 시장

• 일하는 사람을 대체하지 않고, 더 쉽게 일하도록 돕는 방향

• 검증된 경제성

씨메스로보틱스가 제조·물류 현장에서 확인해 온 조건과 정확히 겹칩니다. 김운봉 대표님은 F&B 업계의 서빙로봇도 같은 사례로 꼽았습니다. 서빙로봇을 쓰지 않으면 사람이 없어 장사를 할 수 없다는 이야기였습니다.

인건비 절감은 부차적인 이유입니다. 로봇이 없으면 저녁 영업 자체가 불가능한 식당이 늘고 있다는 뜻입니다. 물류센터의 상하차도, 요양원의 야간 근무도 같은 자리에 서 있습니다. 자동화의 동기가 '비용 절감'에서 '운영 존속'으로 바뀌었습니다.

공통점 2. 문제를 해결하는 공통된 접근법 — 인지, 판단, 대응.

두 현장은 해법의 구조도 닮아 있습니다. 먼저 제조 현장에서 지능형 로봇이 움직이는 방식을 보겠습니다.

3D 비전 카메라가 대상물의 위치와 자세를 실시간으로 인지합니다. AI가 어떻게 집어 올릴지 최적의 경로를 판단합니다. 그리고 로봇이 그 동작을 안전하게 대응(실행)합니다. 씨메스로보틱스의 핵심 기술을 지탱하는 이 삼박자는, 돌봄 현장에서도 놀라울 만큼 똑같이 작동합니다.

돌봄 현장은 어떨까요? 김운봉 대표님은 이렇게 설명했습니다

“돌봄 현장에서는 어르신들의 움직임, 바이탈, 위치와 같은 데이터를 상시 인지하고, 평소와 다른 이상 징후를 판단하면, 낙상이나 건강 악화 등 증상이 발생을 사전에 대응하도록 돕습니다” - 제론엑스 김운봉 대표

김운봉 대표님이 현장에서 발견한 사실이 하나 있습니다. 돌봄 종사자들은 이미 방대한 정보를 머릿속으로 관리하고 있었다는 점 입니다. "이 어르신은 오늘 식사를 적게 하셨다", "평소보다 움직임이 없다" 같은 미세한 변화를 경험과 기억으로 인지하고 판단해 왔습니다.

문제는 그다음입니다. 담당자가 바뀌거나 업무가 몰리면 이 흐름이 끊깁니다. 끊긴 흐름은 적절한 대응으로 이어지지 못합니다.

이는 숙련 작업자의 노하우가 개인의 머릿속에만 머물러, 공정의 안정적인 판단과 대응을 방해하는 제조 현장의 페인 포인트와도 일치합니다.

결국 두 현장의 디지털 전환은 같은 목표를 향합니다. 사람의 경험을 배제하는 것이 아니라, 현장에서 일어나는 상황을 데이터로 인지하고, 시스템 안에서 판단과 대응의 자산으로 남기는 일입니다.

공통점 3. 기술이 현장에 뿌리내리는 조건도 같습니다

제론엑스는 상주 인력이 부족한 돌봄 현장에 늘케어를 구축하고 있습니다. 웨어러블 밴드가 어르신의 생체 신호와 움직임을 상시 수집합니다. 공간에 설치된 IoT 허브가 실내 위치와 환경 데이터를 파악하면, 관제 플랫폼은 개인별 평소 상태를 학습한 뒤, 기준선을 벗어나는 변화가 나타나면 현장 근무자에게 알림을 보냅니다.

흥미로운 지점은 제품 사양이 아니었습니다. 인터뷰 내내 눈길이 간 것은 제론엑스의 설계 판단이었습니다. 산업 현장에서 자동화를 검증해 온 눈으로 보면, 늘케어에는 기술이 현장에 뿌리내리는 원칙이 담겨 있습니다.

• 첫째, 현장의 업무 사이클에 제품 스펙을 맞춥니다.
  늘케어의 웨어러블은 화면을 없애고 기능을 덜어냈습니다. 그 대신 8일에 이르는 배터리 지속 시간을 확보했습니다. 요양시설 근무 주기에 제품을 맞추기 위해서 입니다. 최신 기능을 더하는 대신, 현장의 운영 리듬을 기준으로 삼았습니다.
  씨메스로보틱스 역시 물류·제조 현장의 작업 특성을 가장 먼저 파악합니다. 이를 바탕으로 현장에 최적화된 자동화 설비를 End-to-End로 설계 및 제작합니다. 기술이 고객의 현장에 자연스럽게 녹아들어야 하기 때문입니다.

• 둘째, 도입 장벽을 낮추는 것은 기술력만큼 중요합니다.
  늘케어는 값비싼 장비를 일시불로 팔지 않습니다. 1인당 월 2만 원 수준의 구독 모델을 택했습니다. 재정 여유가 크지 않은 요양시설이 초기 부담 없이 시작하고, 효과를 확인한 뒤 넓혀 갈 수 있도록 설계한 것입니다.

  아무리 뛰어난 기술이라도 현장이 감당할 수 없으면 도입되지 않습니다. 도입되지 않은 기술은 현장의 문제를 풀지 못합니다.

• 셋째, 신뢰는 정확도 수치가 아니라 안정적인 운영에서 만들어집니다.
  늘케어는 AI 성능 수치보다 현장의 신뢰를 앞에 둡니다. 오탐 때문에 시스템이 외면받지 않도록, 여러 신호를 종합해 알림을 보내고 판단 근거를 함께 제공합니다. AI가 판단할 수 있는 범위와 없는 범위를 명확히 나누는 원칙입니다.
  산업 현장의 언어로는 '페일 세이프(Fail-Safe)'입니다. 씨메스로보틱스도 이상 상황이 생기면 설비가 안전하게 멈추도록 설계합니다. 판단 근거는 현장에서 직접 확인할 수 있게 만듭니다. 완벽을 내세우기보다 한계를 분명히 하는 것, 그것이 두 현장이 공유하는 신뢰의 조건입니다.

늘케어가 반복적인 관찰과 기록을 맡으면 돌봄 인력은 정서적 교감에 집중할 수 있습니다. 씨메스로보틱스의 AI 로봇이 위험하고 반복적인 작업을 맡으면 작업자는 관리와 판단에 집중할 수 있습니다. 결코 기술은 사람을 밀어내지 않습니다. 사람이 사람의 일을 하도록 돕는 것 입니다. 그렇다면 이 원칙 위에서 기술은 어디까지 갈 수 있을까요?

피지컬 AI: 감지를 넘어 '직접 움직이는' 로봇으로

지금의 돌봄 현장에서 로봇이 어르신을 직접 돌보지는 않습니다. 현재 ‘늘케어’가 맡고 있는 영역도 인지와 판단까지 입니다. 이상 신호를 확인한 뒤 곧바로 병실로 달려가는 일은 여전히 사람의 몫으로 남아 있습니다.

문제는 그 일을 할 사람이 부족하다는 데 있습니다. 야간 근무자 한 명이 수십 명을 담당하는 시설에서는 알림을 받아도 현장 확인까지 시간이 걸립니다. 역설적이게도 감지 기술이 정밀해질수록 이 공백은 더 뚜렷해집니다. 무엇이 잘못되고 있는지는 알지만, 가서 확인할 사람이 없기 때문입니다.

제조·물류 현장은 이 단계를 먼저 지나왔습니다. 그 동안 사람에만 의존했던 작업들을 피지컬 AI 기술로 문제를 해결했습니다. 3D 비전으로 대상을 인식하고 AI가 최적의 판단을 내리면, 로봇이 정밀하게 동작을 실행으로 옮겼습니다. 그리고 이 과정에서 쌓인 현장 데이터는 다시 AI 모델을 학습시키는 선순환을 만들며, 현장을 더 고도화해 나가고 있습니다.

돌봄 현장 역시 이같은 경로를 따라갈 가능성이 큽니다. 다만, 로봇이 마주해야하는 대상이 사람이기에, 사람에게 직접 닿는 일보다, 사람이 닿기 전에 먼저 도착하는 일부터 맡을 가능성이 큽니다. 돌봄 현장의 로봇은 교감보다 반복적이고 몸에 부담이 큰 업무를 우선 맡게될 가능성이 높습니다.

야간 현장 확인, 이동 보조, 물품 운반 등을 로봇이 빠르게 처리하며, 근무자가 비로소 상황 판단과 정서적 교감이라는 본연의 업무에 몰입할 수 있도록 도울 것입니다.

이로써 '예측 – 판단 – 행동 – 기록'으로 이어지는 순환이 완성됩니다.

같은 길을 걷는 두 현장, 피지컬 AI가 여는 미래

산업 현장과 돌봄 현장의 겉모습은 달라 보이지만, 문제가 발생하는 구조와 이를 해결하는 본질은 같습니다. '판단하는 두뇌'에 '움직이는 손과 발'을 더해 현장의 부족함을 채워나가는 일, 그것이 피지컬 AI가 향하는 지향점입니다.

물류·제조 현장과 돌봄 현장은 서로 다른 속도로 같은 길을 걷고 있습니다. 씨메스로보틱스가 산업 현장에서 피지컬 AI 기술을 다져온 것처럼, 앞으로 돌봄 현장을 넘어 사람의 손길이 절실한 모든 곳으로 피지컬 AI 기술이 확장해 나가길 기대해 봅니다.