뉴스레터

[2026년 18호 뉴스레터] 휴머노이드가 공장에 들어왔다, 그런데 사람은 아직 떠날 수 없다?

등록일 2026-08-19

LG U+ Enterprise View Letter 월간 지금의 이슈를 다르게 읽는 시선.

Editor's Note 로봇에게 어디까지 맡길 수 있을까 고민 중이라면

직원들이 휴가를 떠난 제조업 생산 라인을 휴머노이드가 대신 지킬 수 있을까요? 최근 몇몇 공장이 실제로 휴머노이드 도입을 시험해 봤습니다. 답은 ‘가능하지만, 아직은 사람이 함께 있어야 한다’였습니다. 오늘 레터에서는 휴머노이드가 공장에서 무엇을 해냈고 어디서 멈췄는지, 그래서 우리 현장은 무엇부터 준비해야 하는지 정리했습니다.

1년 내내 앞만 보고 달려온 직원들에게 휴가는 없어서는 안 될 시간입니다. 밀린 업무와 실적 압박 속에서도, 재충전의 시간이 있어야 다시 일할 힘이 생기니까요. 그런데 기업 입장에서는 이야기가 조금 다릅니다. 생산량은 납기 일정에 맞춰야 하는데, 정작 직원들이 휴가를 떠나면 그 자리에는 어김없이 공백이 생기기 때문입니다.

이 익숙한 고민 앞에서, 최근 일부 기업들은 조금 색다른 해법을 시도하고 있습니다. 사람이 비운 자리를 로봇으로 채우는 바람이 불기 시작한 겁니다. 그것도 잠깐의 시범 운영이 아니라, 값을 치르고 쓰는 '상업 계약'의 형태로요. 실제 현장은 어디까지 와 있을까요?

✔ 왜 지금 기업들은 휴머노이드를 찾을까?

로봇을 대체 인력으로 진지하게 검토할 수 있게 된 배경에는, 공급 자체가 급격히 늘고 있다는 사실이 있습니다. 글로벌 시장조사 전문 기업인 트렌드포스(TrendForce)는 2026년 전 세계 휴머노이드 로봇 출하량이 5만 대를 돌파할 것으로 전망했습니다. 전년 대비 약 7배 규모인데요. 일시적인 붐이 아니라는 전망도 뒷받침됩니다. 골드만삭스는 2035년 출하량이 140만 대까지, 기존 전망 대비 4배 상향된 규모로 늘어날 것으로 내다봤어요. 출하량이 늘어난 만큼 대당 가격도 함께 낮아지는 흐름인데요, 그 결과 휴머노이드는 이제 연구실이 아니라 현장의 실제 구매 목록에 오르기 시작했습니다.

✔ 왜 지금 기업들은 휴머노이드를 찾을까?

로봇을 대체 인력으로 진지하게 검토할 수 있게 된 배경에는, 공급 자체가 급격히 늘고 있다는 사실이 있습니다. 글로벌 시장조사 전문 기업인 트렌드포스(TrendForce)는 2026년 전 세계 휴머노이드 로봇 출하량이 5만 대를 돌파할 것으로 전망했습니다. 전년 대비 약 7배 규모인데요.

일시적인 붐이 아니라는 전망도 뒷받침됩니다. 골드만삭스는 2035년 출하량이 140만 대까지, 기존 전망 대비 4배 상향된 규모로 늘어날 것으로 내다봤어요. 출하량이 늘어난 만큼 대당 가격도 함께 낮아지는 흐름인데요, 그 결과 휴머노이드는 이제 연구실이 아니라 현장의 실제 구매 목록에 오르기 시작했습니다.

LG U+ Enterprise
2026년 출하량 전망	5만~10만 대
대당 가격 전망	2만$ → 1.7만$ ↓
연간 휴머노이드 로봇 출하량 전망 (만 대, 골드만삭스 리서치 기준, 선형 스케일)
2026	10만대
2030	25만대
2035	140만대
▲2026~2035년 휴머노이드 로봇 연간 출하량 추이 / 출처: 골드만삭스

▲2026~2035년 휴머노이드 로봇 연간 출하량 추이

/ 출처: 골드만삭스

✔ 휴머노이드 도입 실험은 끝났다. 이제는 돈을 내고 쓰는 시대

달라진 것은 대수만이 아닙니다. 로봇을 들이는 방식도 바뀌었습니다. 그동안은 로봇 기업이 장비와 엔지니어를 대고, 공장은 현장을 내주는 시범 운영이 중심이었죠. 그런데 최근에는 공장이 사용료를 내고 로봇을 쓰는 구독형 계약, 이른바 RaaS(Robots-as-a-Service)가 등장했습니다. 애질리티(Agility)는 도요타 캐나다 공장과 상업 RaaS 계약을 맺었고, 앱트로닉(Apptronik)의 아폴로(Apollo)는 메르세데스-벤츠와 상업 계약을 맺었습니다. 로봇을 실험 대상이 아니라 값을 치르고 쓰는 생산 자원으로 보기 시작했다는 신호죠.

휴머노이드가 자동차와 물류 분야에 가장 먼저 도입되는 이유는 분명합니다. 부품 형태가 일정하고 같은 동작이 하루 수백 번 반복되는 공정이라, 로봇의 몫을 가장 빠르게 확인할 수 있죠. 반대로 작업이 불규칙한 현장일수록 검증은 뒤로 밀립니다. 다만 이들 현장만 놓고 보아도 아직은 초기입니다. 상업 가격이 매겨진 현장에 수백 대 넘게 투입된 사례는 없고, '도입'이라는 말도 일주일짜리 파일럿부터 유료 작업까지 뒤섞여 쓰입니다.

그렇다면 사람이 휴가 간 사이, 현장 업무는 로봇으로 완전히 대체할 수 있을까요? BMW의 사례를 자세히 들여다보면 답은 조금 다릅니다.

✔ 휴머노이드 도입 실험은 끝났다. 이제는 돈을 내고 쓰는 시대

달라진 것은 대수만이 아닙니다. 로봇을 들이는 방식도 바뀌었습니다. 그동안은 로봇 기업이 장비와 엔지니어를 대고, 공장은 현장을 내주는 시범 운영이 중심이었죠.

그런데 최근에는 공장이 사용료를 내고 로봇을 쓰는 구독형 계약, 이른바 RaaS(Robots-as-a-Service)가 등장했습니다. 애질리티(Agility)는 도요타 캐나다 공장과 상업 RaaS 계약을 맺었고, 앱트로닉(Apptronik)의 아폴로(Apollo)는 메르세데스-벤츠와 상업 계약을 맺었습니다. 로봇을 실험 대상이 아니라 값을 치르고 쓰는 생산 자원으로 보기 시작했다는 신호죠.

휴머노이드가 자동차와 물류 분야에 가장 먼저 도입되는 이유는 분명합니다. 부품 형태가 일정하고 같은 동작이 하루 수백 번 반복되는 공정이라, 로봇의 몫을 가장 빠르게 확인할 수 있죠.

반대로 작업이 불규칙한 현장일수록 검증은 뒤로 밀립니다. 다만 이들 현장만 놓고 보아도 아직은 초기입니다. 상업 가격이 매겨진 현장에 수백 대 넘게 투입된 사례는 없고, '도입'이라는 말도 일주일짜리 파일럿부터 유료 작업까지 뒤섞여 쓰입니다.

그렇다면 사람이 휴가 간 사이, 현장 업무는 로봇으로 완전히 대체할 수 있을까요? BMW의 사례를 자세히 들여다보면 답은 조금 다릅니다.

AI CAPABILITY Onboard VLM Speech-to-Speech Reasoning

▲스파르탄버그 공장에서 Figure 02를 시범 운영하는 모습

/ 출처: BMW

✔ 미국엔 두 발, 유럽엔 바퀴 - BMW의 이중 전략

피규어 AI의 'Figure 02'는 미국 스파르탄버그의 BMW 공장에서 10개월간 주 5일, 하루 10시간씩 라인에 섰습니다. 판금 부품 9만 개를 밀리미터 단위로 용접 지그에 올렸고, 배치 정확도는 99%를 넘겼어요.

숫자만 보면 사람 없이도 돌아가는 라인처럼 보입니다. 하지만 정확히 말하면, 로봇이 증명한 건 '무인화'가 아니라 '정해진 동작을 반복하는 공정에서는 충분히 일할 수 있다'는 점입니다.

그래서 BMW의 다음 선택이 흥미로운데요. 스파르탄버그의 성과를 발판 삼아 이번엔 독일 라이프치히 공장에 휴머노이드를 투입합니다. 이번엔 협력사도 로봇의 생김새도 달라요. 헥사곤 로보틱스가 만든 '에이온(AEON)'은 두 다리 대신 바퀴로 움직입니다. 공장 바닥은 계단도 턱도 없이 평평해서, 굳이 걷지 않아도 되기 때문이죠. 덕분에 사람 걸음보다 네 배 빠르고, 23초 만에 스스로 배터리를 갈아 끼워 하루 종일 쉬지 않고 일합니다. 손 역할을 하는 도구도 상황에 맞게 바꿔 끼는데요. 부품을 쥘 땐 집게손을, 위치나 치수를 정밀하게 읽을 땐 눈 역할의 스캐너를 장착하는 식입니다.

BMW는 지난해 12월 에이온 첫 시험 가동을 마쳤고, 올여름부터 고전압 배터리 조립과 부품 제조 공정에 두 대를 투입합니다. 미국엔 두 발로 걷는 로봇을, 유럽엔 바퀴로 움직이는 로봇을 배치한 셈인데요. 한 공급업체에 기술을 전부 맡기지 않고 서로 다른 방식을 동시에 검증하려는 전략으로 풀이됩니다. BMW는 이 실험을 전담할 ‘피지컬 AI 생산 역량센터’까지 새로 꾸렸어요.

✔ 휴머노이드 확산은 시작됐다, 그러나 속도는 제각각

BMW만 여러 갈래로 검증에 나선 건 아닙니다. 애질리티의 '디지트(Digit)'는 GXO와 도요타를 포함한 9개 고객사 현장에서 6만 5,000시간 넘게 운영되며 최근 미국 증시 상장까지 성공했고, 일본항공은 지난 5월부터 하네다 공항에 로봇 2대를 투입해 화물을 싣고 나르는 작업을 맡기고 있습니다. 공장을 넘어 물류 창고와 공항까지, 검증 현장이 넓어지는 중입니다.

반면 화제성이 가장 컸던 테슬라 '옵티머스'는 아직 이 대열에 합류하지 못했습니다. 앞선 로봇들이 '한 가지 동작'에 좁혀 투입된 것과 달리, 옵티머스는 처음부터 범용 로봇을 목표로 삼은 탓입니다. 목표가 클수록 검증도 오래 걸리는 셈이죠. 일론 머스크 스스로도 "테슬라가 지금까지 만든 제품 중 양산이 가장 어려운 제품"이라고 인정했습니다.

결과가 갈리는 이유는 결국 하나입니다. 정해진 일은 로봇에게 맡길 수 있지만, 정해지지 않은 일은 아직 사람의 몫입니다. 그렇다면 그 '정해지지 않은 일'이란 정확히 뭘까요?

✔ 미국엔 두 발, 유럽엔 바퀴 - BMW의 이중 전략

그래서 BMW의 다음 선택이 흥미로운데요. 스파르탄버그의 성과를 발판 삼아 이번엔 독일 라이프치히 공장에 휴머노이드를 투입합니다. 이번엔 협력사도 로봇의 생김새도 달라요. 헥사곤 로보틱스가 만든 '에이온(AEON)'은 두 다리 대신 바퀴로 움직입니다.

공장 바닥은 계단도 턱도 없이 평평해서, 굳이 걷지 않아도 되기 때문이죠. 덕분에 사람 걸음보다 네 배 빠르고, 23초 만에 스스로 배터리를 갈아 끼워 하루 종일 쉬지 않고 일합니다. 손 역할을 하는 도구도 상황에 맞게 바꿔 끼는데요. 부품을 쥘 땐 집게손을, 위치나 치수를 정밀하게 읽을 땐 눈 역할의 스캐너를 장착하는 식입니다.

BMW는 지난해 12월 에이온 첫 시험 가동을 마쳤고, 올여름부터 고전압 배터리 조립과 부품 제조 공정에 두 대를 투입합니다. 미국엔 두 발로 걷는 로봇을, 유럽엔 바퀴로 움직이는 로봇을 배치한 셈인데요.

한 공급업체에 기술을 전부 맡기지 않고 서로 다른 방식을 동시에 검증하려는 전략으로 풀이됩니다. BMW는 이 실험을 전담할 ‘피지컬 AI 생산 역량센터’까지 새로 꾸렸어요.

✔ 휴머노이드 확산은 시작됐다, 그러나 속도는 제각각

반면 화제성이 가장 컸던 테슬라 '옵티머스'는 아직 이 대열에 합류하지 못했습니다. 앞선 로봇들이 '한 가지 동작'에 좁혀 투입된 것과 달리, 옵티머스는 처음부터 범용 로봇을 목표로 삼은 탓입니다.

목표가 클수록 검증도 오래 걸리는 셈이죠. 일론 머스크 스스로도 "테슬라가 지금까지 만든 제품 중 양산이 가장 어려운 제품"이라고 인정했습니다.

기업	세부정보	항목	값	성과
BMW	Figure 02 · 스파르탄버그 공장	투입 기간	10개월, 주 5일 · 1일 10시간	용접 9만 개 · 정확도 99%+
애질리티	Digit · GXO · 도요타 등 9개사	누적 운영	6만 5,000시간+	다수 현장 반복 검증
일본항공	유니트리 2대 · 하네다 공항	투입 시점	2026년 5월~	화물 적재·운반, 확대 예정
테슬라	옵티머스	현재 상태	양산 준비 지연	"가장 어려운 제품" (머스크)
▲4개 기업의 휴머노이드 로봇 투입 현황 비교표

▲4개 기업의 휴머노이드 로봇 투입 현황 비교표

✔ 로봇 옆에 사람이 아직 남아 있는 이유

정해지지 않은 일, 바꿔 말하면 예측을 벗어나는 상황입니다. 휴머노이드 도입이 본격화되면서 기존 인력을 대체할지 모른다는 불안감도 커지고 있지만, 현장을 들여다보면 휴머노이드 곁에는 아직 사람이 필요한 이유가 뚜렷합니다.

첫째, 현장은 시뮬레이션처럼 정돈돼 있지 않습니다. 부품이 비뚤게 놓이고, 통로에 자재가 쌓이고, 조명과 바닥상태가 달라집니다. 사람은 이런 변화를 보고 알아서 조정하지만, 로봇은 학습한 범위를 벗어나면 그대로 멈춰 섭니다. 그래서 아직은 사람이 옆에서 지켜봐야 합니다.

둘째, 로봇이 멈췄을 때 누가 달려갈지 정해져 있지 않습니다. 도입 후 현장에서 가장 먼저 나오는 질문은 "이거 멈추면 누가 달려가나"입니다. 생산팀인지 설비팀인지, 판단 권한이 누구에게 있는지 정리되지 않으면 로봇은 라인 옆에 세워둔 장비가 됩니다. 기술보다 조직 문제가 먼저 걸리는 셈이죠.

셋째, 유지보수와 재학습, 데이터 수집, 이 모든 뒷일도 결국 사람의 몫입니다. 로봇을 들이는 순간 끝나는 게 아니라, 고장 나면 손봐야 하고 공정이 바뀌면 다시 가르쳐야 하고 그 학습에 쓸 데이터도 누군가 모아야 합니다. 대당 가격이 아무리 내려가도, 이 일을 대신할 사람까지 사라지지는 않는 이유입니다.

결국 지금의 휴머노이드는 사람을 대신하는 존재가 아니라, 사람이 관리해야 하는 설비에 가깝습니다. 그래서 업계의 관심도 로봇 자체보다, 로봇을 매일 돌아가게 만드는 쪽으로 옮겨가고 있습니다.

✔ 로봇 옆에 사람이 아직 남아 있는 이유

▲앱트로닉의 휴머노이드 로봇 '아폴로(Apollo)'가 물류창고에서 작업하는 모습

/ 출처: Apptronik

✔ 로봇보다 중요한 것은 데이터와 공정

업계가 지금 공을 들이는 건 로봇의 팔다리가 아니라 학습 데이터입니다. 앱트로닉은 미국 오스틴에 약 8,400㎡ 규모의 '로봇 파크'를 열었습니다. 구글 딥마인드와 함께 만든 이 시설은 물류·제조·유통 현장을 그대로 재현해 두고, 로봇이 같은 작업을 반복하며 데이터를 쌓게 합니다. 제프 카데나스 CEO는 "로봇이 시연에서 무엇을 할 수 있는지가 아니라, 매일 무엇을 할 수 있는지에 집중한다"라고 말했어요.

결국 갈리는 지점은 공정을 어떻게 나누느냐입니다. 로봇이 잘하는 공정과 사람이 여전히 필요한 공정을 구분하는 일이 핵심이죠. 대상과 동작이 정해진 반복 작업은 로봇에게 넘기고, 판단이 필요한 자리에는 사람을 남기는 식입니다.

중국은 반대 방향에서 접근합니다. 훈련장을 따로 짓는 대신, 현장에 먼저 대량으로 투입해 데이터를 얻는 방식이죠. 블룸버그에 따르면, 2025년 기준 글로벌 휴머노이드 출하량의 약 90%를 중국 기업이 차지했는데요. 출하된 중국의 휴머노이드 물량이 그대로 학습 자원이 됩니다. 그렇게 모은 데이터로 성능을 올리고 원가를 낮추는 순환을 돌리고 있다고 해요.

✔ 그럼 우리 현장은 무엇부터 준비할까?

같은 기술이라도 어느 공정에 어떻게 투입하는지에 따라 결과는 완전히 달라집니다. 그래서 지금 기업에게 필요한 질문은 "휴머노이드를 도입하느냐 마느냐"가 아니라 "어느 공정부터, 어떻게"입니다. 도입 전 점검할 세 가지를 정리했습니다.

✔ 로봇보다 중요한 것은 데이터와 공정

✔ 그럼 우리 현장은 무엇부터 준비할까?

세 질문에 모두 "그렇다"라고 답할 수 있는 공정이 있다면, 그곳이 출발점입니다. 하나라도 비어 있다면 로봇을 들이는 일보다 그 빈칸을 채우는 일이 먼저입니다.

결국 휴머노이드 도입은 로봇을 고르는 문제가 아니라 공정을 고르는 문제입니다. 우리 현장에서 정해진 동작만 반복되는 자리는 어디이고, 사람의 판단이 반드시 필요한 자리는 어디인지부터 그려봐야 합니다. 그런데 이 지도는 로봇이 와서 그려주는 게 아닙니다. 설비가 언제 멈췄고 어떤 공정에서 오류가 반복되는지, 지금 현장에 얼마나 기록되고 있는지부터 돌아봐야 합니다.

그 기록을 남기는 일은 로봇 없이도 시작할 수 있습니다. 그리고 기록을 실어 나르는 건 통신 네트워크의 역할입니다. 휴머노이드는 배터리와 연산 자원에 제약이 있어 무거운 판단을 몸 안에서 다 처리하지 못합니다. 학습은 클라우드에서, 실시간 판단은 현장 가까운 엣지에서 나눠 맡아야 합니다. 네트워크가 로봇의 바깥 두뇌 역할을 나눠 지는 셈입니다.

LG유플러스가 여러 제조 현장의 디지털 전환을 도우며 확인한 것도 이 지점입니다. 데이터를 모을 네트워크와 실시간으로 들여다볼 관제 체계, 그걸 담아둘 클라우드 환경이 갖춰진 현장과 그렇지 않은 현장의 준비 속도는 확연히 갈립니다. 휴머노이드는 그다음 이야기입니다.

올여름 누군가의 공장에서는 로봇이 라인을 지켰습니다. 하지만 그 옆에는 여전히 사람이 있었습니다. 그 차이를 만드는 것은 결국 로봇이 아니라 공정입니다. 여러분의 현장은 어느 공정부터 준비하고 계시나요?

결국 휴머노이드 도입은 로봇을 고르는 문제가 아니라 공정을 고르는 문제입니다. 우리 현장에서 정해진 동작만 반복되는 자리는 어디이고, 사람의 판단이 반드시 필요한 자리는 어디인지부터 그려봐야 합니다.

그런데 이 지도는 로봇이 와서 그려주는 게 아닙니다. 설비가 언제 멈췄고 어떤 공정에서 오류가 반복되는지, 지금 현장에 얼마나 기록되고 있는지부터 돌아봐야 합니다.

에디터 소개 김귀현 | LG유플러스 콘텐츠 에디터 기업과 기업 사이의 의미 있는 이야기를 발굴하는 'B2B Story Finder'입니다.

CES가 말하는 AI전략 기준 AI 수요는 더 커지고, 산업의 경계는 흐려지고 있다.

문서를 이해하는 AI의 진화 수천 년간 문서와 싸워온 인간, 마침내 기계가 읽기 시작했다