피지컬 AI와 일자리, 블루칼라의 일은 어떻게 바뀔까?
생성형 AI에 이어 에이전틱 AI까지 등장하면서 화이트칼라의 일하는 방식은 빠르게 달라지고 있습니다.
그런데 이 변화는 더 이상 컴퓨터 화면 안에만 머물지 않습니다.
피지컬 AI, 즉 카메라와 센서로 주변 환경을 인식하고 상황을 판단해 로봇 같은 물리적 장치를 움직이는 AI가 등장했기 때문입니다.
화면 속 정보를 다루는 것을 넘어, 그동안 사람이 직접 수행해온 산업 현장의 물리적 업무까지 AI의 영역이 넓어지고 있습니다.
그렇다면 피지컬 AI는 블루칼라의 일을 어떻게 바꿀까요? 산업 현장에서 이미 시작되고 있는 변화를 살펴봅니다.
1. 블루칼라는 AI로부터 안전할까?
AI가 일자리에 미치는 영향은 그동안 주로 화이트칼라를 중심으로 논의돼 왔습니다.
현장 대응과 숙련이 필요한 블루칼라 업무는 상대적으로 자동화하기 어려운 영역으로 여겨졌기 때문입니다.
로봇과 자동화 기술은 그동안 정해진 환경에서 반복되는 작업을 중심으로 발전해 왔습니다.
반면 뒤섞인 물건을 골라 꺼내거나, 작업 환경의 변화에 대응하는 것처럼 유연한 판단이 필요한 일에는 여전히 사람의 역할이 컸습니다.
피지컬 AI는 바로 이 경계를 흔들고 있습니다. AI가 주변 상황을 인식하고 그에 맞는 행동을 판단할 수 있게 되면서, 그동안 기계가 수행하기 어려웠던 현장 업무까지 적용 범위가 넓어지고 있기 때문입니다.
블루칼라도 이제 자동화의 영향에서 자유롭지 않습니다.
실제 제조와 물류 현장에서는 이미 로봇이 기존보다 복잡한 작업을 맡기 시작했습니다.
2. 로봇은 이미 제조와 물류 현장에서 일하고 있다
최근 휴머노이드 로봇은 정해진 동작을 반복하는 수준을 넘어, 주변 상황을 인식하고 변화에 대응하는 단계로 나아가고 있습니다.
Figure AI의 Figure 02는 BMW 미국 스파턴버그 공장에서 판금 부품을 꺼내 용접 공정에 필요한 위치에 놓는 작업을 맡았습니다. 11개월 동안 3만 대가 넘는 BMW X3 생산을 지원했고, 9만 개 이상의 부품을 다뤘습니다. 후속 모델인 Figure 03는 위치와 방향이 제각각인 부품을 인식해 조립 라인에 공급할 순서에 맞게 분류·정리하는 물류 작업을 수행하고 있습니다.
Boston Dynamics의 Atlas도 연구용 로봇에서 산업용으로 전환되고 있습니다.
CES 2026에서 산업용 제품 버전이 공개됐고, 현대차그룹은 2028년부터 미국 조지아 공장에서 부품을 조립 순서에 맞게 정리하는 작업에 투입하고, 2030년에는 부품 조립까지 확대할 계획입니다.
두 사례를 보면 로봇이 실제 현장에 들어가는 방식에는 공통점이 있습니다.
모든 작업에 동시에 투입되기보다, 특정한 성격을 가진 업무에서 적용이 시작되고 있다는 점입니다.
3. 피지컬 AI는 어떤 업무부터 바꾸고 있을까?
모든 업무가 동시에 바뀌는 것은 아닙니다.
반복적이거나 무겁고 위험한 작업처럼 로봇의 강점을 활용하기 쉬운 영역부터 자동화가 확대되고 있습니다.
2차전지 리사이클링이 대표적인 예입니다. 폐배터리 해체 과정은 무거운 배터리팩을 다뤄야 하고, 잔류전압으로 인한 감전이나 화재 위험도 있어 작업자의 부담이 큰 공정입니다.
독일 Fraunhofer가 참여하는 ‘RoB@t2Cell’ 프로젝트에서는 로봇으로 배터리팩을 해체하고, 상태를 분석해 재사용과 재활용 여부를 판단하는 기술을 개발하고 있습니다. 아직 보편화된 사례는 아니지만, 로봇과 AI가 어떤 업무부터 현장에 들어올 수 있는지를 보여줍니다.
이런 자동화의 의미는 안전과 비용 절감에만 있지 않습니다. 인력을 구하고 유지하기 어려운 공정을 안정적으로 운영하고, 산업 규모를 키우기 위한 수단이라는 점에서도 중요합니다.
4. 일자리가 사라지기보다 ‘일의 구성’이 먼저 달라진다
로봇이 더 많은 현장 업무를 맡는다고 해서 직업 전체가 곧바로 사라지는 것은 아닙니다.
하나의 직업은 여러 업무로 이루어져 있고, 자동화는 그중 일부부터 바꾸기 때문입니다.
OECD 역시 자동화의 영향을 직업 전체의 대체보다 업무와 요구 역량의 변화로 봅니다. 자동화 위험이 높은 직업에서도 주요 기술과 능력 가운데 고도로 자동화할 수 있는 비중은 18~27% 수준으로 분석됐습니다.
먼저 바뀌는 것은 ‘일의 구성’입니다. 예를 들어 배터리 해체 현장에서 로봇이 반복적인 해체와 분류를 맡는다면, 사람은 예외 상황에 대응하거나 결과를 확인하고 공정 전체를 관리하는 역할에 더 집중할 수 있습니다.
물론 이런 변화가 모두에게 자연스러운 전환을 의미하지는 않습니다. 일부 업무의 인력이 줄거나 새로운 역할로 이동해야 할 수 있고, 그에 맞는 재교육과 직무 전환도 필요합니다. 결국 변화의 핵심은 직업의 일괄적인 소멸보다, 사람과 로봇이 맡는 업무의 경계가 다시 그어지는 데 있습니다.
5. 피지컬 AI 시대, 무엇이 경쟁력을 가를까?
이런 역할 재편이 실제 현장에서 가능하려면, 로봇이 정해진 동작만 반복해서는 어렵습니다.
주변 환경을 인식하고 변화에 대응하며, 다음 행동을 판단할 수 있어야 합니다.
제조업 기반이 강한 한국에는 이러한 기술을 적용하고 검증할 수 있는 현장과 공정 노하우가 축적돼 있습니다. 피지컬 AI에 필요한 데이터를 실제 산업 현장에서 만들고 반복적으로 검증할 수 있다는 점도 중요한 기반입니다.
NC AI도 이 지점에 주목하고 있습니다. 월드모델과 로봇 파운데이션 모델 연구를 통해 복잡한 산업 현장을 이해하고, 상황에 맞는 다음 행동을 판단하는 AI 기술을 고도화하고 있습니다.
피지컬 AI의 경쟁력은 결국 로봇이라는 하드웨어를 넘어, 복잡한 현실 세계를 얼마나 잘 이해하고 판단하는 AI를 갖추느냐에서 만들어질 것입니다.
[참고 자료]
Figure AI, 「F.02 Contributed to the Production of 30,000 Cars at BMW」 (2025.11)
BMW Group Press, 「BMW Group advances the use of Physical AI in production with Figure 03 project in Spartanburg」 (2026.6)
Hyundai Motor Group, 「Boston Dynamics Atlas Named 'Best Robot' in Best of CES™ 2026 Awards by CNET Group」 (2026.1)
Reuters, 「Hyundai Motor Group plans to deploy humanoid robots at US factory from 2028」 (2026.1)
Fraunhofer IWKS, 「RoB@t2Cell」 (2026.5)
OECD, 「What skills and abilities can automation technologies replicate and what does it mean for workers?」 (2022)
