로봇사회 담론을 보면 흔히 “로봇이 인간의 일을 빼앗는다, 대신한다”는 경쟁구도로 요약하곤 한다. 그러나 실제 현장에서 로봇 도입이 일으키는 변화는, 대체 여부를 넘어 일의 정의(무엇이 일인가), 성과의 기준(무엇이 잘한 것인가), 조직의 통제(누가 무엇을 결정하는가), 책임의 귀속(문제가 생기면 누가 책임지는가)을 재작성하는 과정으로 나타난다. IFR(국제로봇연맹)이 제시하는 로봇 정의(자율성을 가진 작동기구)와 서비스 로봇 정의(사람/장비에 유용한 작업 수행)에서도 그 자체로 “자율성이라는 속성이 사회적 책임과 규제의 핵심 변수가 된다”는 점을 함축한다.
즉, 로봇사회란 (1) 로봇이 물리 공간에서 인간과 같은 작업장·생활공간을 공유하고, (2) 로봇의 의사결정(경로·속도·작업순서·대상 인식)이 규범·법·표준과 맞물려 사회적 결과를 만들며, (3) 그 결과에 대한 책임이 개인 노동자·기업·정부·제조사사이에서 재배치되는 사회를 뜻한다.
이때 인간의 핵심 역할은 더 이상 단순 수행이 아니라, ‘일이 굴러가게 하는 기준’을 정하고 검증하고 갱신하는 존재로 이동한다. 이는 “사이버–물리 시스템의 고도 통합 속에서 인간 중심 가치를 구현한다”는 일본의 Society 5.0 정의와 상응하며, “인간 중심·지속가능·회복탄력”을 강조하는 유럽의 Industry 5.0과도 맥을 같이한다.
로봇사회의 기술적 기반을 먼저 간단히 정리해 보면, 산업용 로봇은 높은 반복정밀도와 안정성을 무기로 제조업 공정의 자동제어를 확장해 왔고, 협동로봇·자율이동로봇(AMR)·서비스 로봇·가정용 로봇은 인간과의 공간 공유를 전제로 “관계의 복잡도”를 끌어올리고 있다.
IFR의 산업용 로봇 시장요약에 따르면 2024년 전 세계 신규 설치는 542,076대로 집계되며, 아시아에서는 74%를 차지하고 2019–2024년 연평균 10% 성장(설치 기준)을 기록한 것으로 제시된다. 지역별 설치 추이를 보면 2014–2024년 동안 아시아는 증가세가 지속되고, 유럽과 미주는 변동성이 상대적으로 크다(특히 2018–2020, 2022 이후). 이는 로봇사회가 “균일한 속도”로 오는 것이 아니라, 공급망·인구구조·산업구조·정책에 따라 상이한 경로로 확산됨을 뜻한다.
이런 ‘규모’의 성장과 별개로, 로봇사회에서 중요한 것은 공장·도시·가정에서의 접촉면이다. 로봇밀도는 그 접촉면이 제조업에서 얼마나 촘촘해졌는지를 보여주는 지표인데, IFR의 2024년 보도자료에 따르면 2023년 세계 평균 로봇밀도는 162(근로자 1만 명당)이며, 대한민국은 1,012로 세계 1위다. 그 뒤를 싱가포르(770), 중국(470), 독일(429), 일본(419)이 잇는다. 이 숫자는 단순히 “로봇이 많다”가 아니라, 현장의 표준작업서(SOP), 안전규칙, 품질 기준, 작업자 역할 정의가 ‘로봇과 함께’ 돌아가도록 고도화되었음을 간접적으로 시사한다. 로봇이 늘수록 인간은 ‘팔과 손’이 아니라 ‘룰과 기준’으로 일을 움직이게 된다.
한국의 로봇산업 구조를 보면 “기준 설정자로서의 인간”이 이미 산업 내부에서 확장 중임이 드러난다.
2023년 기준 로봇산업 실태조사(국가승인통계) 결과 보고서는 2023년 로봇산업 매출이 10조 2,568억 원(전년 대비 +1.7%)이며, 제조업용 로봇(약 2조 9,903억), 로봇서비스(약 2조 2,210억), 로봇부품·소프트웨어(약 1조 9,446억), 로봇시스템(약 1조 6,695억) 순으로 매출이 크다고 제시한다. 또한 전체 사업체 4,521개 중 중소기업이 98%를 차지하며(4,432개), 부설 연구소(전담팀 포함) 보유 사업체가 41.7%(1,883개)라는 결과는 “기준(설계·시험·인증·데이터) 노동”이 산업의 중심 비용으로 이동하고 있음을 시사한다.
그렇다면 “일을 하는 인간”에서 “일이 굴러가는 기준을 정하는 인간”으로의 이동은 무엇을 뜻하는가.
- 첫째, 기준 설정은 목표함수의 재정의다.
공장에서 로봇이 작업을 수행한다는 것은 로봇이 “목표(생산량·불량률·납기)”와 “제약(안전거리·속도 제한·협동 모드)”의 틀 안에서 움직인다는 뜻이며, 그 틀 자체는 인간이 정한다. ISO 협동로봇 안전 규격(ISO/TS 15066)과 산업용 로봇 안전요건(ISO 10218-1)은 협동 작업공간·위험성 평가·안전요건을 강조하며, 로봇을 ‘본질적으로 안전하게 만들기 위한 설계·조치·정보 제공’을 요구한다. 요지는 “로봇이 안전을 스스로 정의하지 않는다”는 점이다. 안전의 기준은 인간(설계자·통합자·사용자)이 먼저 합의·문서화하고,로봇은 그 기준을 집행할 뿐이다.
- 둘째, 기준 설정은 권한과 책임의 배분 규칙이다.
로봇이 자율성이 높아질수록 현장은 종종 “누가 마지막 결정을 했는가”라는 질문으로 수렴한다. 이때 기준 설정은 단지 운영 파라미터가 아니라, 책임 귀속을 위한 증빙 체계(로그, 설명, 승인흐름, 변경관리)까지 포함한다. EU의 제품책임지침 개정은 디지털 요소(소프트웨어, 업데이트 등)의 결함과 책임 문제를 다루는 방향으로 책임 체계를 확장해 왔고, 이는 로봇·AI 결함이 ‘기계 결함’에서 ‘설계·업데이트·데이터·운영 기준의 결함’으로 해석될 여지를 넓힌다. 더 나아가 EU AI 법은 고위험 AI의 운영에서 인간 감독을 구조적으로 요구함으로써 “인간이 기준을 정하고, 그 기준대로 작동하는지 감시하며, 예외에서 개입한다”는 관계를 제도화한다.
- 셋째, 기준 설정은 감독과 예외 처리의 설계다.
로봇사회에서 인간의 감독은 “감시 노동”이 아니라 “예외의 규칙화”에 가깝다. 로봇이 정상 상황의 반복 작업을 수행할수록, 인간에게 남는 업무는 (1) 예외 상황(환경 변화, 오인식, 안전 위험, 고객 불만), (2) 가치 충돌(효율 vs 안전, 개인화 vs 프라이버시, 속도 vs 공정), (3) 기준 변경(프로세스 개선, 모델 업데이트 승인)으로 압축된다.
“미국 국립표준기술연구소(NIST)”,”us standards institute”의 AI 위험관리 프레임워크(AI RMF 1.0)는 이를 거버넌스 과업(조직 내 권한·책임을 가진 주체의 감독)으로 명시하며, AI 시스템 수명주기 전반의 측정–관리–거버넌스를 강조한다. 이 관점에서 “일이 굴러가는 기준”은 (정책) 위험허용도, (조직) 운영 규칙, (기술) 모델·제어정책, (현장) 작업자 개입권, (사후) 감사·학습으로 연결되는 파이프라인이다.
- 넷째, 기준 설정은 신뢰와 설명가능성의 관리다.
인간–로봇 관계에서 신뢰는 단순 호감이 아니라 안전·성과·책임에 직결되는 운영 변수다. 인간이 로봇을 과신하면(과도 신뢰) 위험이 커지고, 불신하면(과소 신뢰) 생산성과 수용성이 떨어진다. 인간-자동화 신뢰를 다룬 메타분석은 신뢰 형성에 영향을 주는 요인들이 다차원적이며(성능, 신뢰도, 사용자 특성, 환경 요인 등) 설계·운영 개입이 필요함을 보여준다. 최근 연구들은 로봇의 계획·추론을 사람이 이해할 수 있게 설명하는 방법(XAI for robotics)을 탐구하며, 설명이 단지 ‘설명문 출력’이 아니라 인간의 감독·예외처리 능력을 실질적으로 강화해야 한다는 점을 강조한다.
따라서 “기준을 정하는 인간”은 ‘로봇의 성능 목표’를 세울 뿐 아니라, 얼마나 설명해야 하는지(설명 기준), 어떤 상황에서 자동 중지해야 하는지(안전 임계값), 누가 최종 승인해야 하는지(권한 규칙)를 신뢰 설계로 구체화해야 한다.
이 전환은 고용·임금·산업구조·불평등에 복합적 충격을 낳는다. 고용에 관해, 미국 통근권역 단위로 로봇 노출이 고용과 임금을 낮출 수 있다는 실증 결과는 로봇 도입이 ‘대체 효과’를 통해 분배적 갈등을 유발할 수 있음을 보여준다(신뢰도 높음: 학술 실증·다수 인용). 동시에 OECD는 자동화가 직업 자체를 대량 소멸시키기보다 직무 내 과업을 바꾸는 효과가 크며, 자동화로 사라질 수 있는 일자리(14%)와 급격히 변형될 일자리(32%)를 구분해 제시한다(신뢰도 중간–높음: 국제기구 추정, 방법론 가정 존재). 세계경제포럼의 기업 설문 기반 전망도 2027년까지 과업 자동화 비중이 상승(전체 과업 42% 자동화 전망 등)한다는 식의 ‘전환 비용’ 관점을 제공하지만, 이는 기업 기대에 기반한 예측이라는 한계가 있다.
이러한 불확실성을 ‘인간의 기준 설정 역할’로 연결하면 다음과 같은 구조가 나온다. 로봇이 단순 반복을 가져가면 단기적으로는 일부 직무에서 고용·임금 하강이 나타날 수 있다. 그러나 중장기적으로 조직이 어떤 기준을 세워 재설계하느냐에 따라 결과가 갈린다. 예컨대 로봇을 “인력 감축”의 수단으로만 기준화하면 대체 효과가 극대화되지만, “로봇을 안전·품질 기준을 올리고, 인간을 R&D·운영감독·고객가치로 이동시키는 수단”으로 기준화하면 보완 효과가 커진다. 이 분기점은 기술 그 자체보다 조직과 제도의 목표함수(기준)에 달려 있다.
그것은 한국 로봇산업 내부의 인력구성에서 알 수 있는데, 2023년 로봇산업 인력은 4대 분야 합계 33,839명이며(전년 대비 +1.0%), 그중 로봇부품·소프트웨어 14,917명, 제조업용 로봇 10,988명, 전문서비스용 로봇 5,485명, 개인서비스용 로봇 2,449명 순이다. 또한 직무별로 기술직(생산)이 14,850명(43.9%), 연구개발 9,026명(26.7%), 사무·기타 5,695명(16.8%)으로 제시된다. 이는 로봇사회가 단순히 “현장 작업자 감소”만이 아니라 “R&D·통합·운영 기준을 다루는 인력의 확대”라는 산업 내부 변화를 동반함을 보여준다.
특히, 한국·일본·미국·EU가 각기 다른 ‘기준 설정’을 제도화하고 있는데, 한국은 범정부 로봇 기본계획에서 로봇 보급 및 산업 생태계 강화를 제시하며(예: 2030년 로봇 100만 대 보급, 로봇산업 시장 30조 원 등 목표 제시), 이는 산업 정책 차원의 기준(투자·인력·시장)을 설정하는 행위다. 일본은 Society 5.0을 인간 중심 사회로 정의하고, 정부 R&D(예: NEDO의 라스트마일 자동배송 로봇 프로젝트)와 돌봄 로봇 개발·표준화(AMED 등)로 사회문제 해결과 기술기준을 연결한다. 미국은 강제 규제보다 위험관리·거버넌스 프레임(NIST AI RMF)을 통해 조직이 기준을 구축하도록 유도하는 색채가 강하다. EU는 AI 법·플랫폼 노동 지침·제품책임지침을 통해 인간 감독·책임·노동권의 기준을 법제화한다.
위의 “일을 하는 인간”에서 “일이 굴러가는 기준을 정하는 인간”으로의 이동하는 기준설정보다 로봇사회 전개에서 더 큰 불확실성은 (1) 로봇의 범용성(일반 지능/범용 조작)이 얼마나 빨리 실현되는가, (2) 안전사고·편향·프라이버시 사건이 규제 강도를 얼마나 끌어올리는가, (3) 인구구조(고령화)와 노동시장(이민·노동공급)이 자동화 압력을 얼마나 높이는가, (4) 기업이 로봇을 ‘감원 도구’로 기준화할지 ‘생산성+안전+직무 고도화’로 기준화할지 일 것이다.
그것은 아마도 10년 전망(2030년대 중반)을 보면, 산업용 로봇·물류 자동화·실내 서비스 로봇이 성숙하며, 공장·물류·대형 건물에서 “로봇을 전제로 한 업무기준(SOP)”이 표준이 되는 단계로 볼 수 있다.
한국은 로봇 보급 목표를 포함한 정책 계획을 제시하고 있으며, 제조업 로봇밀도 역시 높은 수준이므로, 규정·표준·훈련 체계가 전환의 속도를 결정할 가능성이 크다. 이 단계 즈음에서 인간의 역할 전환은 (1) 공정·서비스 설계자, (2) 관제·감독자, (3) 데이터·프라이버시 관리자, (4) 고객/시민 수용(설명·동의) 설계자로 구체화될 것으로 보인다.
또한, 20년 전망(2040년대 중반)으로 보면, 협동로봇 안전표준과 AI 규제가 현장에 내재화되고, ‘기준 설정 노동’이 대규모 직무군으로 자리 잡을 가능성이 크다. EU형 규범이 글로벌 공급망을 통해 확산될 경우(예: 제품책임, AI 준수), 한국 기업도 수출·조달·인증의 압력으로 거버넌스를 강화할 유인이 커진다. 이때 노동시장은 “수행 직무의 축소”보다 “중간층 직무의 재구성”이 핵심 문제가 되는 것으로 -OECD의 과업 재구성 관점- 예견되고 있다.
로봇사회에서 인간의 역할이 ‘일을 하는 존재’에서 ‘일이 굴러가는 기준을 정하는 존재’로 이동한다는 명제는, 단지 철학적 선언이 아니라 기술 정의(자율성), 안전 표준(위험성 평가), 규제(인간 감독·책임), 산업 구조(매출·R&D·인력 구성), 노동시장(과업 재구성)이 동시에 가리키는 실증적·제도적 방향이다. 특히 로봇이 인간의 물리 공간에 들어올수록, 사회가 허용할 수 있는 것은 “자율성 그 자체”가 아니라 “자율성이 따르는 기준·감독·책임의 체계”이며, 이 체계의 설계·운영자가 곧 미래의 인간 역할이 된다.
정부는 첫째, “로봇/AI 고위험 영역”을 정의하고 그 영역에서 인간 개입권(중지권·승인권), 설명/로그 표준, 책임 귀속 기준을 최소 준수요건으로 만들 필요가 있다(우선순위 최상). 근거는 EU AI 법과 제품책임지침이 고위험·디지털 요소를 법적으로 규정하며 감독·책임을 요구하는 점, 그리고 ISO 안전표준이 위험성 평가와 협동 작업 안전을 표준화한 점이다. 이는 신뢰는 높으나(법·표준 근거), 비용은 규제 설계·감사 체계 구축(행정 및 인증 인프라) 중심으로, 연간 수십억~수백억 원대(조직 규모에 따라)로 추정되고, 사회적 편익(사고·분쟁 비용 감소)이 크다.
다음은, 이동형 로봇 확산에 맞춰 개인정보 안내서 수준의 “프라이버시-바이-디자인” 점검을 실증·조달·인증과 결합해야 한다. 또한 사회안전망은 기본적인 소득 논의 여부와 별개로 재교육 접근성을 ‘권리’로 만들고, 취약계층·비정규·플랫폼 종사자에게 학습 기회를 우선 배분하는 재설계가 필요하다.
아울러, 기업에서는, 로봇 도입을 IT 투자처럼 “거버넌스 포함 CAPEX”로 재분류하고, AI/로봇 위원회(안전·윤리·법무·현장·노조/근로자대표 참여)를 통해 기준 변경관리(모델 업데이트 승인, SOP 개정, 사고 대응)를 상시화해야 한다. 그리고 협업 설계의 핵심 KPI를 “로봇 가동률”이 아니라 “근접사고·예외처리 시간·설명 만족도·프라이버시 컴플라이언스”로 전환해야 한다.
교육적 차원의 접근은, K-디지털 트레이닝과 같은 훈련의 성과지표를 “기술 스택 숙련”에서 “기준 설정 과제 수행 능력(프로세스 재설계, 위험/윤리 판단, 데이터 처리 기준 수립, 인간 개입 설계)”로 확장해야 할 것이다. 추가로 AI 특화 공동훈련센터 모델(현장 진단→로드맵→훈련→적용)을 로봇/피지컬 AI로 확대하여, 지역 중소기업이 관제·안전·품질 기준을 마련할 수 있도록 해야 한다는 점과 평생학습의 불평등을 완화하기 위해 ‘학습 시간’과 ‘학습 접근성’을 확대하고, 직업 관련 평생학습이 재직자 중심 단기 교육에 쏠리는 문제를 보완해야 한다는 것도 고려해야 하지 않을까 싶다.
결국 로봇사회에서의 인간의 역할은 사라지지 않을 것이다. 오히려 “무엇을 위해 기술을 쓰는가”를 정하는 쪽으로 이동할 것이고, 인간은 사회가 추구해야 할 가치와 윤리의 기준을 세우고, 효율만으로는 결정할 수 없는 선택 – 공정함, 안전, 존엄 같은 것-의 우선순위를 정하게 될 것이다.
또한 어떤 시스템이 사고를 내거나 누군가에게 피해를 주었을 때 책임을 지고 규칙을 고치며, 권한이 기술에 과도하게 집중되지 않도록 감시하고 통제하는 역할을 맡게 된다고 보면 된다. 동시에 인간만이 강하게 발휘할 수 있는 공감, 돌봄, 관계 형성은 공동체를 유지하는 핵심이 될 것이다.
따라서 로봇사회에서 인간은 단순히 일을 “덜 하는 존재”가 아니라, 사회의 목적과 의미를 설계하고 책임을 지는 존재로 남게 될 것이며 또 반드시 그래야만 한다고 본다.
Gil Park님의 브런치에 게재된 글을 모비인사이드가 한 번 더 소개합니다.
