“멋진 데모는 끝났다"... CES 2026이 선언한 ‘돈 되는 로봇’의 시대

로보틱스는 오랫동안 기술 업계의 '가장 화려한 과장 광고'이자 '가장 긴 숙제'였다.

로봇이 장애물을 뛰어넘고, 공중제비를 돌고, 쿵푸를 하는 영상은 10년 전에도 있었다. 그러나 공장, 물류센터, 병원, 매장 뒤편에서 로봇이 '돈이 되는 일'을 하는 경우는 상대적으로 드물었다. 그 간극은 단순히 기술 성능의 부족 때문이 아니었다. 신뢰, 안전, 내구성, 조직 문화, 비용 구조가 맞물린 산업적 난제였다.

CES2026 미디어 데이에서 맥킨지가 주최한 패널 '피지컬 AI가 이끄는 산업 구조의 전환(Transforming Industries with Physical AI)'은 그 간극을 정면으로 다뤘다. 피지컬 AI—현실 세계를 인지하고 판단해 실제 행동으로 이어지는 인공지능—은 더 이상 인상적인 데모 영상의 소재가 아니었다. 공장과 물류, 자동차 산업의 비용 구조와 운영 방식에 어떤 변화를 가져올 수 있는지, 그 변화가 어디까지 와 있는지를 두고 구체적인 논의가 이어졌다.

패널에는 구글 딥마인드의 캐롤라이나 파라다(Carolina Parada), 퀄컴의 나쿨 더그얼(Nakul Duggal), 보스턴 다이내믹스 CEO이자 현대자동차그룹 소속인 로버트 플레이터(Robert Playter), GM의 미켈 테일러(Mikell Taylor)가 참석했다. 사회는 맥킨지 컨설턴트 애니 켈카(Ani Kelkar)가 맡았다.

켈카는 논쟁의 핵심을 한 문장으로 압축했다.

"2026년은 '멋진 로봇'에서 '유용한 로봇'으로 전환하는 해가 될 수 있을까?"

질문은 단순했다. 그러나 답변은 산업의 복잡한 속도를 그대로 담고 있었다. "이미 시작됐다"는 낙관과 "생각보다 오래 걸린다"는 경고가 공존했다. 이 긴장 속에 로보틱스의 현재와 미래가 있다.

보스턴 다이내믹스 CEO 로버트 플레이터는 "2026년이 전환점인가?"라는 질문에 단호하게 답했다.

"이미 시작됐다."

그는 지난 30년간의 로보틱스를 '니치(niche)'의 영역으로 규정했다. 유튜브 영상과 실험적 프로토타입이 주목받던 시대다. 그러나 지금 벌어지고 있는 변화는 전혀 다른 국면이다. 플레이터는 이를 "확장된 채택(scaled adoption)"이라고 표현했다. 기술이 가능함을 증명하는 단계를 넘어, 실제 산업 현장에서 쓰이기 시작했다는 뜻이다.

현재 보스턴 다이내믹스의 로봇은 전 세계 2,000곳이 넘는 공장과 작업 현장에서 실제 업무를 수행하고 있다.

이 숫자가 상징하는 것은 '잠재력'이 아니라 '운영의 축적'이다. 로봇이 산업이 되는 순간은 한 번 멋지게 작동할 때가 아니다. 매일 고장 나지 않고, 유지보수가 가능한 비용 구조 안에서, 예측 가능한 성능을 반복할 수 있을 때다. 2,000곳의 운영 경험은 기술 시연이 아니라, 로보틱스가 '제품의 단계'에 진입했음을 보여주는 증거다.

여기서 주목해야 할 것은 플레이터가 말한 '확장의 조건'이다. 그것은 최첨단 AI가 아니라 '부품'이다.

배터리, 액추에이터, 센서를 만드는 파트너 기업들, OEM, 대규모 산업 공급자들이 로보틱스 시장에 본격적으로 진입하고 있다. 산업이 확장되기 위해서는 결국 그러한 '산업적 힘'이 필요하다는 것이다.

플레이터는 특히 현대자동차그룹이 로봇 컴포넌트와 부품을 제조하는 생태계를 구축하며, 로보틱스를 '스케일 제조'의 관점에서 접근하고 있다고 강조했다.

이 지점에서 로보틱스는 더 이상 로봇 회사만의 문제가 아니게 된다. 부품 공급망과 제조 역량이 합류하는 순간, 로봇은 비로소 대량 생산의 문턱에 선다. 반대로 말하면, 이 문턱을 넘지 못한다면 아무리 인상적인 기술이라도 '멋진 데모' 수준에 머물 수밖에 없다.

휴머노이드에 대한 질문이 나오자, 플레이터는 이례적으로 구체적인 일정표를 제시했다.

"올해(2025년) 테스트를 시작해 2027년부터 본격적인 검증 단계에 들어가고, 2028년에는 공장 현장 배치를 시작할 수 있을 것이다. 3년 후면 공장에서 보게 될 것이다"

다른 업계 리더들이 더 공격적인 타임라인을 제시하고 있다는 점을 인정하면서도, 플레이터는 자신이 제시한 일정이 보수적으로 보일 수 있음을 개의치 않았다. "조금 더 느린 속도가 더 나은 결과를 만든다"고 강조한 이유는 명확했다.

앞서 논의된 신뢰성과 안전, 내구성, 그리고 현장 문화에의 적응이라는 과제들은 어느 하나도 단기간에 해결될 문제가 아니기 때문이다. 휴머노이드의 상용화는 기술적 돌파만으로 앞당길 수 있는 일이 아니라, 시간을 전제로 한 축적의 과정이라는 설명이다.

흥미로운 것은 휴머노이드의 의미를 묻는 질문에 플레이터가 기술이 아닌 인간 심리로 답했다는 점이다.

인간은 평생 동안 타인의 몸짓과 움직임을 해석하며 살아온 존재다. 로봇이 제스처를 통해 비언어적으로 의도를 전달할 수 있다면, 인간과의 상호작용은 훨씬 자연스러워질 수 있다. 휴머노이드는 '사람처럼 생긴 로봇'이 아니라, 사람이 직관적으로 이해할 수 있는 신호 체계를 갖춘 로봇이 될 수 있다는 것이다.

이 관점은 휴머노이드 논쟁의 본질을 건드린다. 왜 굳이 사람 형태여야 하는가? 효율성만 따지면 바퀴 달린 로봇이나 로봇팔이 더 나을 수 있다. 그러나 플레이터의 답변은 다른 차원을 제시한다.

로봇이 인간과 같은 공간에서 협업해야 한다면, 인간이 로봇의 의도를 읽을 수 있어야 한다는 것. 그리고 인간은 인간형 움직임을 가장 잘 해석한다. 휴머노이드는 기술적 선택이 아니라 인터페이스 설계의 문제라는 의미다.

퀄컴의 나쿨 더그얼은 자율주행을 위한 컴퓨팅 플랫폼을 구축해 온 인물이다. 최근 퀄컴이 로보틱스 플랫폼을 공개한 시점에 대해 질문을 받았을 때, 그의 대답은 한 단어로 시작됐다.

"스케일(Scale)"

그는 지난 10년을 돌아보며, 산업 전체가 물리적 AI에 막대한 에너지를 쏟아왔음을 짚었다. 자율주행과 자동화, 현실 세계 문제를 풀기 위한 시도들이 이어졌다. 그 과정에서 업계가 공통적으로 깨달은 사실이 하나 있다.

하드웨어, 센서, 환경 인지(perception), 행동(action)이 하나의 시스템으로 통합되지 않으면, 어떤 기술도 '제품'이 될 수 없다는 것이다.

이 맥락에서 더그얼은 로보틱스를 "다음 변곡점"이라고 규정했다.

"XY축에서 무엇을 자동화하든, 이론적으로는 한계가 없다."

과감한 표현이지만, 그가 던진 문제의식은 분명했다. 자율주행은 본질적으로 '이동'이라는 단일한 문제에 가깝다. A에서 B로 안전하게 이동하는 것이 목표다. 반면 로보틱스는 이동 이후의 세계를 다룬다. 물건을 집고, 옮기고, 조립하고, 검사하고, 정리하고, 돌보고, 순찰하는 모든 행동이 포함된다.

더그얼은 이 영역을 "훨씬 더 풍부한 기회 공간"이라고 표현했다. 자율주행이 하나의 거대한 시장이라면, 로보틱스는 수천 개의 시장이 중첩된 영역이라는 뜻이다.

그가 마지막으로 강조한 축은 '물리적 AI를 위한 파운데이션 모델'이다. 지난 20년간 로봇 연구를 통해 이동(로코모션)은 상당 부분 정리됐고, 환경 인식 기술도 빠르게 발전했다. 이제 남은 질문은 이것이다. 이 모든 요소를 하나로 묶는 범용적인 기반 모델이 등장할 때, 어떤 새로운 가능성이 열릴 것인가.

더그얼은 이 변화가 예상보다 훨씬 빠르게 전개될 것이라고 내다봤다.

구글 딥마인드의 캐롤라이나 파라다는 최근의 진전을 '연속 동작 시퀀스(an entire sequence)'라는 표현으로 설명했다.

인간에게는 꽤 고도화되어 보일 수 있는 전체 동작을 로봇이 모방할 수 있게 됐고, 그 자체가 큰 진전이라는 것이다.

이 말이 의미하는 바는 단순히 "로봇이 더 잘 움직인다"가 아니다. 로보틱스가 산업이 되지 못했던 가장 큰 이유 중 하나는 현실 세계가 연속적인 데다가 예외는 무한하기 때문이다. 공장 자동화는 규격화된 공정과 펜스, 정해진 동선 위에서만 가능했다.

사람과 같은 공간에서 일하는 로봇은 다르다. 매 순간 다른 마찰, 조명, 장애물, 사람의 행동을 다뤄야 한다. 파라다가 말한 '시퀀스의 모방'은, 로봇이 점점 더 긴 행동을 끊기지 않게 이어갈 수 있다는 뜻이며, 산업화의 조건인 지속성과 일관성에 가까워진다는 뜻이다.

그러나 파라다는 로봇 AI의 상업화를 '된다 혹은 안 된다'는 흑백 논리로 판단하는 접근을 경계했다.

AI의 상업화는 단번에 이루어지지 않는다. 실제 도입은 산업과 현장의 맥락에 따라 점진적으로 진행된다. 이미 공장과 물류 현장에서 자동화 로봇과 설비를 운영 중인 기업이라면, 완전히 새로운 시스템을 도입하기보다 기존 로봇에 AI를 덧붙여 현장 인식 능력을 높이고 센서 데이터를 더 효과적으로 활용하는 단계로 나아갈 수 있다.

파라다는 로봇 AI의 가치를 '10%의 효율 개선'이 아니라 '적용 영역의 확장'으로 정의했다. 기존 로봇을 같은 공간에서 조금 더 빠르고 정확하게 만드는 데 그치는 것이 아니라, 변동성과 복잡성이 너무 커 그동안 자동화가 어려웠던 영역 자체가 새롭게 열릴 수 있다는 것이다.

다만 그는 분명한 선을 그었다. 소프트웨어 기반 챗봇에 AI를 적용하는 것과 물리적 로봇에 AI를 적용하는 것은 전혀 다른 문제라는 점이다. 물리 세계에서는 안전 기준과 규제, 환경적 제약이 훨씬 복잡하게 얽혀 있으며, 그만큼 로봇 AI의 성숙에는 더 긴 시간이 필요하다.

GM의 로보틱스 전략 디렉터 미켈 테일러는 대기업 관점에서의 현실을 짚었다.

"대기업 내부에서 볼 때, 지금의 전환은 실제로 체감되는 변화인가? 아니면 아직 초기 단계에 머물러 있는가?"

테일러의 대답은 단호했다. "그건 기술에 달려 있다."

자동차와 물류처럼 신뢰성과 가용성이 절대적인 산업에서는, 지난 10여 년간 축적돼 온 로보틱스 기술들이 이제야 비로소 현장 투입이 가능한 수준에 도달했다. 반면 최근 주목받는 AI 기반 '체화된(embodied)' 로봇 기술은 아직 성숙의 시간이 더 필요하다.

다만 테일러는 하나의 중요한 연결고리를 덧붙였다. 이미 기존 로봇 기술을 운영해 본 기업일수록, 새로운 기술이 준비되는 순간 이를 빠르게 흡수할 수 있는 위치에 서 있다는 것이다. 로보틱스 도입은 기술 구매가 아니라 조직 역량의 축적이기 때문이다.

테일러가 제시한 상용화의 조건은 두 가지였다.

첫째, 신뢰성과 예측 가능성. 많은 최신 AI 기술은 여전히 이 기준을 충족하지 못하고 있다. 99%의 정확도는 인상적으로 들리지만, 공장에서 1%의 오류는 라인 정지와 안전 사고를 의미한다.

둘째, 산업용 하드웨어의 내구성. 저렴한 하드웨어는 단기적으로는 ROI를 개선할 수 있지만, 산업 현장은 수년간 버티는 수명과 반복 운용을 전제로 한다. 소비자용 하드웨어와는 출발점부터 다르다.

이 발언은 로보틱스 논의의 불편한 진실을 건드린다. 혁신의 속도를 결정하는 것은 종종 모델의 정확도나 파라미터 수가 아니다. 실제 현장에 배치했을 때 3년을 버틸 수 있는지, 고장과 부품 교체, 수리와 안전 규정이 총비용을 어떻게 밀어 올리는지, 그리고 그 비용을 고객이 감당할 의사가 있는지가 더 본질적인 변수다.

로보틱스가 산업이 되는 순간은 기술이 고도화될 때가 아니라 비용 구조가 성립할 때다.

그렇다면 로보틱스 기술의 발전이 이렇게 눈부신데, 확산은 왜 점진적이거나 심지어 느린 것일까?

구글 딥마인드의 파라다는 의외의 답을 내놓았다. '사람들의 태도'다.

"고객이 로봇과 함께 일하는 데 익숙해지기까지 2~3년이 걸린다. 이 문화적 적응 기간은 거의 언급되지 않지만, 성장을 예측할 때 반드시 고려해야 할 요소다."

로봇의 확산 속도는 단지 기술의 성능이 아니라 조직의 심리적 수용 능력에 의해 제한된다는 뜻이다.

GM의 테일러도 같은 맥락에서 '사용자 경험'이 핵심이라고 강조했다. 노동자를 설계 과정에 참여시키고, 로봇이 그들을 돕는 도구가 되도록 해야 한다. 초기에 실패도 있지만, 의도적으로 신뢰를 쌓는 과정이 필요하다. 테일러는 이를 "엔지니어링이 아니라 인간을 생각하는 것"이라고 표현했다.

그는 호텔 직원들이 자율주행차를 처음 마주쳤던 사례를 언급했다. 횡단보도 앞에서 멈춰 선 죽스(Zoox) 차량이 움직이지 않자, 사람들이 "지금 건너도 되는 건가"를 판단하지 못한 채 망설였다는 것이다.

기술적으로는 안전했지만, 사람이 안전하다고 느끼지 못하는 순간 선택은 흔들린다.

로보틱스에서 신뢰는 성능 지표가 아니라, 인간의 인식 속에서 완성된다. 이 대목은 산업 현장의 리더들에게 중요한 메시지를 던진다. 로봇 프로젝트의 실패 원인은 종종 "모델이 부족해서"가 아니라 "현장 운영과 변화관리 계획이 없어서" 발생한다. 즉, 피지컬 AI는 기술 전략인 동시에 조직 설계의 문제다.

학습형 로봇에서 신뢰는 어떻게 형성될까?

맥킨지의 켈카는 이렇게 물었다. "엑셀을 쓰기 위해 수학 박사가 필요하지 않듯, 로봇과 함께 일하기 위해 AI 박사가 필요해서는 안 된다." 기술의 정교함보다 중요한 것은 현장에서 사람들이 로봇을 어떻게 받아들이느냐는 문제, 즉 신뢰다.

구글 딥마인드의 파라다는 신뢰를 단일 장치나 규칙으로 해결할 수는 없다고 설명했다. 저수준 제어를 통해 충돌 방지나 힘의 제한을 보장하는 것만으로는 충분하지 않다.

인간과 함께 움직이는 공간에서는 한 단계 더 높은 수준의 '의미적(semantic) 안전'이 필요하다. 파라다의 표현은 인상적이었다.

"다섯 살 아이도 하지 않을 행동을 로봇이 하지 않도록 만들어야 한다."

인간에게는 자명하지만 로봇에게는 그렇지 않은 상식, 그 규범을 학습과 설계 단계에 포함해야 한다는 것이다. 날카로운 물건을 사람 쪽으로 향하지 않는다. 아이가 있는 곳에서는 더 천천히 움직인다. 사람이 놀라지 않도록 뒤에서 갑자기 다가가지 않는다. 이런 것들이 '의미적 안전'이다.

파라다는 신뢰란 결국 사람들이 로봇의 일관된 행동을 반복적으로 경험하면서, 시간에 걸쳐 형성되는 것이라고 덧붙였다.

GM의 테일러는 여기에 '멘탈 모델'이라는 개념을 보탰다. 사람들이 로봇의 다음 행동을 어느 정도 예측할 수 있어야 불안과 불신이 줄어든다는 것이다. 로봇이 무엇을 할 수 있고, 무엇을 하지 않을지에 대한 직관적 이해가 필요하다.

로봇 성능의 한계가 모델에 있는지, 하드웨어에 있는지, 아니면 엣지 컴퓨팅에서 해결해야 할 문제인지에 대한 질문에 퀄컴의 더그얼은 주저하지 않았다.

"반드시 엣지에서 해결해야 한다."

그의 주장은 단순한 아키텍처 선택을 넘어선다. 로봇은 안전을 전제로 추론하도록 설계돼야 하며, 그 요구 자체가 차세대 물리적 AI 모델의 출발점이 된다.

왜 엣지인가? 클라우드 기반 추론은 지연(latency)을 수반한다. 챗봇에서 1초의 지연은 사용자 경험의 문제다. 그러나 공장에서 로봇팔이 1초 늦게 반응하면 사고가 된다. 로봇은 실시간으로, 로컬에서, 안전을 보장하며 추론해야 한다.

오늘날의 AI 모델이 주로 '작업을 어떻게 수행할 것인가'를 중심으로 만들어져 왔다면, 로봇을 위한 모델은 행동을 설계하는 단계부터 환경과 인간의 존재를 함께 고려해야 한다는 것이다.

더그얼은 이러한 접근이 기존의 추론 중심 모델과는 다른 계층을 만들어낼 것이라고 봤다. 그는 이를 차세대 '물리 레이어 모델(physical layer model)'로 표현했다. 로봇이 무엇을 할 수 있는지를 넘어서, 어디에서 누구와 함께 행동하는지를 이해하도록 만드는 모델이다.

로보틱스의 다음 진화는 성능 향상이 아니라, 물리 세계를 전제로 한 설계에서 시작된다는 것이 그의 결론이다.

토론의 마지막에서 켈카는 패널들에게 로보틱스와 물리적 AI를 둘러싼 가장 큰 오해가 무엇인지 물었다. 답변은 놀라울 만큼 한 방향을 가리키고 있었다.

GM의 로보틱스 전략 디렉터 테일러는 많은 이들이 인상적인 데모와 실제 투자 수익(ROI) 사이의 간극을 과소평가한다고 지적했다. 작동하는 장면을 보는 것과, 비용과 운영을 감안한 비즈니스로 성립시키는 것은 전혀 다른 문제라는 것이다.

보스턴 다이내믹스 CEO 플레이터의 지적도 같은 맥락이었다. 파쿠르 영상처럼 화려한 시연은 상대적으로 쉽지만, 진짜 어려운 과제는 ‘돈이 되는 일’을 지속 가능한 비용 구조 안에서 반복해내는 것이라고 말했다.

구글 딥마인드의 파라다는 또 다른 각도에서 오해를 짚었다. 기술이 완벽해질 때까지 기다리기보다, 실제 배포를 통해 학습해야 한다는 점이 종종 간과된다는 것이다. 동시에 그는 비구조적 환경에서의 작동과 신뢰 구축이 여전히 과소평가된 난제라고 선을 그었다.

반면 퀄컴의 더그얼은 정반대의 문제를 지적했다. 로보틱스의 속도가 오히려 과소평가되고 있다는 주장이다. 이미 10년 넘게 축적된 기술 기반이 있고, 적용 가능한 영역이 지나치게 넓어 향후 전개는 매우 빠르게 가속될 수 있다는 설명이다.

이처럼 “산업은 느리다”는 진단과 “가속은 빠르다”는 전망은 모순이 아니다. 그것이 바로 로보틱스의 현실이다. 기술은 빠르게 진화하지만, 산업은 신중하게 움직인다. 그리고 이 두 속도 사이의 간극을 얼마나 잘 좁히느냐가, 피지컬 AI 시대의 경쟁력을 가르게 될 것이다.

이번 패널에서 가장 주목해야 할 것은 현대자동차그룹의 전략적 위치다.

보스턴 다이내믹스 CEO가 강조한 것처럼, 로보틱스의 확장은 첨단 AI가 아니라 '부품 생태계'에 달려 있다. 배터리, 액추에이터, 센서를 대량 생산할 수 있는 제조 역량이 핵심이다. 현대차그룹은 이미 이 생태계를 구축하고 있다.

LLM 경쟁에서 한국은 미국과 중국에 뒤처졌다. 데이터센터 규모, 컴퓨팅 파워, 학습 데이터의 양에서 경쟁하기 어렵다. 그러나 피지컬 AI는 다른 게임이다.

소프트웨어 스케일이 아니라 하드웨어 스케일이 승부를 가른다. 한국이 수십 년간 축적해온 제조 역량(반도체, 배터리, 자동차, 조선)이 비로소 AI 시대의 자산이 되는 영역이다.

플레이터가 제시한 타임라인, 2025년 테스트, 2027년 검증, 2028년 공장 배치는 보수적으로 보일 수 있다. 그러나 이것이 오히려 현대차그룹의 전략적 강점을 드러낸다. 빠른 데모가 아니라 지속 가능한 운영을 목표로 한다는 것이다.

퀄컴의 더그얼이 말한 '물리 레이어 모델'도 주목할 필요가 있다. LLM이 언어를 다루는 모델이라면, 물리 레이어 모델은 현실 세계의 물리 법칙과 공간을 다루는 모델이다. 이 영역에서는 시뮬레이션 데이터, 센서 데이터, 로봇 운영 데이터가 핵심 자산이 된다. 2,000개 현장에서 로봇을 운영하며 쌓이는 데이터는, 어떤 벤치마크 데이터셋보다 가치가 있다.

이날 토론이 남긴 메시지는 분명했다.

로보틱스는 더 이상 "가능한가"의 문제가 아니다. 이제 핵심 질문은 세 가지다.

1. 어디에서 먼저 수익이 발생하는가

2. 신뢰와 안전을 어떻게 설계할 것인가

3. 조직이 2~3년에 걸친 적응의 시간을 감내할 준비가 되어 있는가

2026년은 로봇이 인간을 전면적으로 대체하는 해가 되기보다는, 로봇이 기업의 손익계산서에서 '파일럿 비용'이 아닌 '운영 자산'으로 분류되기 시작하는 시점에 가까울 것이다.

그 전환을 입증하는 기준 역시 화려한 데모가 아니다. 가동률과 고장률, 유지보수에 걸리는 시간, 그리고 안전 사고 '제로'라는 지루할 만큼 냉정한 운영 지표들이 로보틱스의 진짜 진전을 증명하게 될 것이다.

기술은 빠르게 진화한다. 그러나 산업은 신중하게 움직인다. 그 간극을 좁히는 것은 더 뛰어난 알고리즘이 아니라, 부품 생태계, 제조 역량, 현장 운영 경험, 그리고 조직 문화의 축적이다.

한국에게 피지컬 AI는 LLM 경쟁에서 놓친 기회를 만회할 수 있는 영역이다. 다만 그 기회는 자동으로 주어지지 않는다. 지금 시작해야 2028년에 공장에서 휴머노이드를 운영할 수 있다. 플레이터가 제시한 타임라인은 경고이자 로드맵이다.