AI, 육체 노동까지 바꾼다

현재의 거대 언어 모델(LLM)은 언어를 통해 논리적 추론은 가능하지만, 물리 세계의 상호작용을 완전히 이해하고 예측하는 데에는 한계가 있다. 이에 따라 AI 연구의 다음 목표는 물리 세계의 법칙과 상호작용을 학습하고 예측하는 ‘월드 모델’ 구축으로 옮겨가는 추세다. 인간의 언어와 논리 외에 감각 데이터를 결합하여 현실 세계를 모델링하는 능력이 인공 일반 지능(AGI)으로 가는 중요한 다음 단계가 된다.

월드 모델은 AI가 복잡한 물리적 환경에서 실제적인 작업을 수행하고, 다양한 상황에 유연하게 대처하는 데 필수적이다. 언어 학습만으로는 기계가 사물을 잡거나 움직이는 것과 같은 물리적 행동의 결과를 예측하기 어렵기 때문이다. 이처럼 월드 모델을 구축하는 것이 AGI 달성에 있어 다음 주요 병목 지점이 될 것이라고 홍기빈 소장은 내다본다.

피지컬 AI의 발전은 인간의 숙련된 육체 노동을 데이터화하는 과정에서 큰 난관에 봉착한다. 특히, 언어로 설명하기 어려운 형태의 지식인 '암묵지'(tacit knowledge)의 데이터화가 가장 큰 병목 현상으로 지적된다. 숙련공이 오랜 경험을 통해 체득한 미세한 손동작이나 감각적 판단은 말이나 글로 명확히 전달하기 어려워 AI 학습을 위한 데이터로 전환하기가 매우 어렵다.

홍기빈 소장은 "인간이 평소에 하던 행동을 어떻게 사이버화 할 거냐, 그게 가장 큰 병목이 될 것 같다는 생각이 듭니다"라고 언급하며, 고도로 숙련된 동작 데이터를 확보하는 것이 피지컬 AI 개발의 핵심 과제임을 강조했다. 이처럼 데이터화가 어려웠던 육체 노동 영역이 AI 발전의 핵심이 되면서, 과거 지식 노동에 비해 저평가받던 육체 노동의 가치가 역전될 가능성도 제기된다.

이러한 현상은 단순 반복 작업 위주의 자동화를 넘어, 인간의 정교한 감각과 판단이 필요한 숙련 노동 분야까지 AI가 침투할 수 있음을 시사한다. 이는 전통적인 노동 시장의 가치 체계를 근본적으로 흔들 수 있는 변화의 서막이 될 수 있다.

각국은 숙련된 노동자들의 신체 움직임과 반응을 정밀하게 수집하기 위해 다양한 방법을 동원하고 있다. 여기에는 노동자들에게 센서나 카메라를 부착하여 실제 작업 환경에서 데이터를 기록하거나, 특수 스튜디오에서 특정 동작을 수행하게 하는 방식 등이 포함된다.

홍기빈 소장은 "동작 데이터를 모으겠다고 지금 주요나 미국이나 중국이나 인도나 지금 다 날립니다"라며 이러한 경쟁이 치열하게 전개되고 있음을 설명했다. 이들은 특히 단순 반복 작업이 아닌 고도로 숙련된 동작과 그 과정에서 발생하는 신체적, 감각적 반응 데이터를 수집하는 데 집중하며, 이를 통해 AI가 인간의 복잡한 움직임을 모방하고 학습할 수 있도록 기반을 마련하고 있다.

특히 숙련 노동자 스스로가 정제된 동작으로 데이터를 생산하는 데 협조적인 태도를 보일 경우, AI 학습에 필요한 데이터 정제 비용과 시간을 획기적으로 줄일 수 있다.

홍기빈 소장은 "노동자의 협조가 절실한 부분이라고 합니다. 숙련 노동자 스스로가 협조적인 태도로 아주 정제된 동작으로 정제된 데이터가 생산될 수 있도록 협조를 할 경우에는 그 노력이 확 줄어들겠죠"라고 설명했다. 이는 노동자의 협조 여부가 피지컬 AI 개발의 효율성과 속도에 직접적인 영향을 미친다는 것을 의미하며, 데이터 수집 과정에서 노동자와의 상호작용이 중요하게 작용한다.

동작 데이터 수집 방식에 대해 사회적 합의가 필요하다는 목소리가 나온다. 노동자들은 자신의 동작 데이터를 기업에 넘겨주면 결국 일자리를 잃게 될 것이라는 우려를 표하며 협조에 소극적인 태도를 보인다. 반면 AI 스타트업들은 데이터 확보에 큰 어려움을 겪고 있다.

이에 홍기빈 소장은 노동 조합, 노동자 본인, 국가, 자본이 협약을 맺어 동작 데이터를 '데이터 커먼스'(data commons) 방식으로 관리할 것을 제안했다. 이는 데이터를 공동 자산으로 관리하며, 데이터를 제공한 노동자들에게 그로 인한 이익의 일부를 지속적인 소득 흐름으로 보장하는 방식을 의미한다. 이러한 방식은 노동자의 우려를 해소하고 데이터 수집을 촉진하는 동시에, 사회 전체의 AI 발전에도 기여할 수 있는 대안으로 제시된다.

이는 로봇이 노동자들의 일자리를 대체하고 노동 환경을 근본적으로 변화시킬 것이라는 위기감에서 비롯된다. 홍기빈 소장은 "노동조합 입장에서 보면은 이거야말로 세상의 끝날이거든요. 그러니까 절대로 그런 사태를 그냥 순순히 허용해 줄 수 없습니다"라고 설명하며, 로봇 도입에 대한 노동조합의 적대감이 단순한 거부감이 아닌 생존권 차원의 저항임을 강조했다.

이러한 인식은 과거 자동화 과정에서 노동자들이 겪었던 실직과 고통스러운 구조조정의 경험이 반영된 것으로 풀이된다. 따라서 노동조합은 로봇 도입을 단지 효율성 증대의 문제로 볼 것이 아니라, 사회적 합의와 노동자 보호 대책 마련이 선행되어야 할 중대한 사안으로 간주한다.

홍기빈 소장은 중국 BYD와 같은 기업들의 급성장 사례를 제시하며, 한국이 사회적 합의를 통해 빠르게 대응하지 않으면 시장 자체를 잃을 수 있다고 경고했다. 이미 유럽은 중국에 제조업 주도권을 잠식당하는 상황에 직면했다.

이러한 위기감은 단순히 특정 기업의 경쟁력 문제가 아니라, 국가 전체의 산업 생태계와 미래 먹거리 확보에 직결되는 중대한 사안으로 인식된다. 홍 소장은 "오 이러다가 이거 우리나라 이거 중국한테 잠식 당하겠다"라며, 전기차 전환과 같은 산업 패러다임 변화에 대한 사회적 합의와 신속한 대응의 필요성을 역설했다.

IT적 마인드를 가진 사람들은 시스템 내에서 최적의 솔루션을 도출하는 것을 당연하게 여기며, 기술적 해결책을 통해 모든 문제를 극복할 수 있다고 믿는 경향이 있다. 반면, 전통적인 사고방식을 가진 이들은 물리적, 사회적 한계를 인정하고 이를 우회하거나 회피하는 것이 현명한 접근 방식이라고 강조한다.

홍기빈 소장은 "지금 우리가 그 전통적으로 IT 이전에 있었던 사람마인들은 기계적인 한계, 물리적인 한계, 사회적인 한계 등등등이 있기 때문에 그걸 피해가고 우회하고 요렇게 되는게 현명했던 격이 있었죠"라고 설명했다. 이는 마치 군사적 접근 방식처럼 목표 달성을 위해 무조건 밀어붙이는 효율성과, 다양한 주체들의 합의를 통해 갈등을 최소화하며 얻는 효율성이 대립하는 양상으로 나타난다. AI와 같은 신기술 도입 과정에서도 이러한 사고방식의 차이가 사회적 갈등을 유발할 수 있음을 시사한다.

합의 과정에 참여하는 사람들이 해당 사안의 목적, 의미, 그리고 그 밑에 깔린 사회적 규약들을 모두 숙지하고 있기 때문이다. 이러한 숙지는 참여자들 간의 조화, 조정, 그리고 협력을 매우 효율적으로 이끌어낸다.

홍기빈 소장은 "합의를 보는 과정에서 참가하는 사람들이 이걸 왜 하는지 어떤 의미가 있는지 밑에 어떤 사회적인 규약이 깔리게 돼 있는지를 다 숙지하고 있기 때문에 그 어떤 그 하머나이즈라고 그럴까 코디네이션 코퍼레이션 같은게 굉장히 효율적으로 이루어집니다"라고 말했다. 이는 단기적인 속도보다는 장기적인 지속 가능성과 안정성을 추구하는 데 합의 과정이 필수적임을 보여준다.

미래 사회 변화에 대한 사회적 합의는 단순히 갈등을 봉합하는 것을 넘어, 모든 주체가 공동의 목표를 향해 나아가도록 하는 중요한 훈련 과정이 된다. 이러한 훈련을 통해 불확실한 미래에도 유연하게 대처하고, 새로운 기술 도입의 부작용을 최소화하며 사회 전체의 이익을 극대화할 수 있다.

결국, 기술 발전이 가져올 사회적 변화에 대한 성공적인 적응은 단순히 기술 자체의 우수성뿐 아니라, 그 기술을 수용하고 활용하는 방식에 대한 사회 구성원들의 폭넓은 이해와 합의에 달려 있다. 느리지만 탄탄한 합의 과정을 통해 비로소 지속 가능한 미래를 구축할 수 있다는 메시지를 강조한다.