성공률이 99%임에도 불구하고 대부분의 로봇 도입이 실패하는 이유

픽 앤 플레이스 시연을 9번 연속으로 완벽하게 해내는 로봇은, 지켜보는 대다수의 사람들에게는 이미 해결된 문제처럼 보입니다. 하지만 9단계로 구성된 무대 시연이 아닌 100단계로 이루어진 창고 근무 교대 근무 전체에 걸쳐 동일한 단계별 99% 성공률을 적용하면, 단 한 번의 실패도 없이 전체 근무 교대 근무를 마칠 확률은 약 37%로 떨어집니다. 겉보기에는 흠잡을 데 없어 보이는 시연과 구매자가 실제로 무인 상태로 가동할 수 있는 워크플로우 사이의 이러한 격차가 바로 2026년 10월 현재 휴머노이드 및 산업용 로봇 산업의 진정한 병목 현상이며, 이는 대부분의 자금 조달 라운드에서 가격 책정의 기준이 되는 요소가 아닙니다.

진정한 병목 현상은 ‘손재주’인데, 이는 손가락 개수나 액추에이터의 정교함으로 정의되는 것이 아니라, 단 한 번의 연습된 동작이 아니라 전체 작업 순서 전반에 걸쳐 견고하게 유지되어야 하는 감지, 제어, 복구 및 판단의 폐쇄 루프 시스템으로 정의된다. 이러한 관점은 현재 실험실 데모가 아닌 유료 운영 환경에서 정교한 또는 준정교한 시스템을 가동 중인 세 기업을 통해 더욱 선명하게 드러납니다. 그중 하나인 ANYbotics는 산업용 검사 분야 외의 대부분의 구매자에게는 아직 생소한 기업입니다: 스위스 취리히에 본사를 둔 이 기업은 2016년 ETH 취리히의 로봇 시스템 연구소(Robotic Systems Lab)에서 분사된 기업으로, ANYmal 사족 로봇을 제작한다. 이 4족 검사 로봇은 사람이 직접 경로를 걷지 않아도 석유 시추 시설, 풍력 발전 단지, 제철소에서 계측값을 읽고, 누출을 확인하며, 이상 징후를 감지한다. 이 로봇이 배치된 한 현장에서는 450개 지점에서 33,000건 이상의 검사를 완료한 기록이 있는데, 이러한 검사 건수는 해당 검사들이 거의 모두 실제로 올바르게 완료되었을 때만 의미가 있습니다.

훌륭한 시연을 형편없는 실제 운영으로 만들어 버리는 수학

그 37%라는 수치 뒤에 숨은 산술은 별난 것이 아니며, 바로 그 때문에 조달 팀이 이를 간과하기 쉽습니다. 단일 작업이 99%의 성공률을 보인다는 것은 직관적으로 볼 때 시스템이 사실상 완성된 것처럼 들립니다. 실제 근무 시간 동안 물건을 집어 올리고, 배치하고, 장애물을 피하며 이동하는 등 100개의 연속된 작업에 동일한 99% 성공률을 적용해 보면,

떨어진 물건을 다시 집어 올리는 경우, 단 한 번의 실패도 없이 전체 순서를 완료할 확률은 약 0.99의 100제곱, 즉 대략 36.6%로 떨어집니다. 단계별 신뢰도를 99.9%로 높이면 전체 시퀀스 성공률은 약 90.5%로 상승한다. 신뢰도를 99.99%로 높이면(현재 실제 환경에서 모든 하위 작업을 이 수준으로 충족하는 시스템은 극히 드물지만), 전체 시퀀스의 신뢰도는 약 99.0%에 도달합니다. 신뢰도에서 ‘9’가 하나 더 추가될 때마다 이는 단순한 한계적 개선이 아닙니다. 이는 항상 곁에 사람이 지켜봐야 하는 로봇과, 진정으로 그럴 필요가 없는 로봇 사이의 차이입니다.

이러한 누적 효과 때문에 공급업체가 제시하는 가장 인상적인 데모 영상 하나만으로는 신뢰성을 가늠하는 지표로 거의 무용지물이며, 이를 믿고 의존하는 구매자들은 시범 운영 6개월 차에 어김없이 실망하게 되는 것입니다. 10초짜리 동영상은 공급업체가 통제한 조건 하에서 단 한 번 실행된 짧은 시퀀스만을 보여줄 뿐입니다. 이 동영상만으로는 해당 시스템이 하루에 100번 반복할 때, 근무 종료 직전의 어두운 조명 조건에서, 혹은 인간 작업자가 무의식적으로 처리하지만 로봇이 한 번도 본 적 없는 약간 다른 크레이트 형태에서도 동일한 성공률을 유지하는지 여부를 알 수 없습니다. 구매자가 필요로 하는 진정한 신뢰성 수치는 “작동하는가”가 아닙니다. 이는 이제 거의 모든 신뢰할 만한 공급업체가 시연할 수 있는 수준입니다. 오히려 “실제 환경에서 얼마나 많은 자연스러운 변동성을 겪으면서 연속적으로 반복된 후에 고장이 발생하는가”가 중요한데, 이를 자발적으로 공개하는 업체는 거의 없습니다.

왜 '복구'가 표면적인 성공률보다 더 중요한가

복합 신뢰성이 다루기 까다로운 수학 문제라면, 복구 능력은 이에 대한 더 실질적인 공학적 해답이다. 그립 미끄러짐, 부품 정렬 불량, 또는 내비게이션 오류를 조기에 감지하여 고장이 연쇄적으로 발생해 생산 라인이 완전히 중단되기 전에 수정할 수 있는 시스템은 첫 시도에서 완벽할 필요는 없습니다. 대신 첫 시도가 잘못되고 있음을 잘 알아차릴 수 있어야 합니다. 이는 평가의 전체적인 관점을 재구성합니다.

구매자가 공급업체에 물어봐야 할 질문. “성공률은 얼마입니까?”라는 질문 대신, “사람이 개입하기 전에 시스템 자체에 의해 발견되고 수정되는 실패 사례의 비율은 얼마입니까?”라고 묻는 것이 더 유용합니다. 그 수치는 배포에 실제로 얼마나 많은 감독 인력이 필요한지를 예측해 주기 때문이며, 이는 대개 특정 업무를 자동화하는 것이 경제적으로 타당한지 여부를 결정하는 핵심 요소입니다.

보도 배송 로봇 운영사인 스타쉽 테크놀로지스(Starship Technologies)는 외부에서 보기에 그 업무가 겉보기보다 단순해 보이기 때문에 바로 이 점에서 유용한 사례 연구 대상입니다. 즉, 작은 바퀴 달린 로봇을 상점에서 집 문 앞까지 굴려 보내는 일입니다. 1,000만 건 이상의 자율 배송을 완료한 후에도, 이 회사의 실제 엔지니어링 과제는 결코 명목상의 주행 작업이 아니었습니다. 실제 현장에서 발생하는 다양한 방해 요소—연석 턱에 가로로 주차된 차량, 목줄에 묶인 개, 닫혀 있는 대문 등—를 감지하고 이를 극복할 수 있는 시스템을 구축하는 것이었으며, 모든 예외 상황을 원격 인간 운영자에게 전달하지 않으면서도 이를 처리할 수 있어야 했습니다. 수천만 건에 달하는 배송 건수가 인상적인 이유는, 그 이면에 있는 복구 계층이 인간 개입 비율을 충분히 낮게 유지함으로써 그 규모에서도 단위 경제성이 성립할 수 있게 했기 때문이다.

인간과 닮은 모습을 쫓기보다 로봇을 업무에 맞추기

현재 업계가 범용적이고 인간 형태의 로봇에 집착하는 것은 상황을 단순화하기보다는 오히려 복잡하게 만듭니다. 왜냐하면 이족 보행 휴머노이드 로봇은 손재주, 균형, 이동 능력을 동시에 해결해야 하기 때문에, 전용 플랫폼이 필요로 하는 것보다 더 많은 하위 시스템에 걸쳐 신뢰성 계산을 한꺼번에 수행해야 하기 때문입니다. 오리건주에 본사를 둔 Digit 이족 보행 로봇 제조사인 Agility Robotics는, 오리건주에 본사를 둔 이족 보행 로봇 ‘디지트(Digit)’의 제조사인 애질리티 로보틱스(Agility Robotics)는 특히 창고 내 토트(tote) 취급 분야에 집중해 왔습니다. 이는 해당 사용 사례가 디지트의 정교성 요구 사항을 다루기 쉬운 하위 집합으로 좁힐 수 있게 해주기 때문입니다. 즉, 일반 가정용 휴머노이드가 수행해야 할 개방형 조작 대신, 평평한 창고 바닥을 걷고, 알려진 치수의 토트를 집어 들고 내려놓는 작업에 집중할 수 있기 때문입니다.

결국 필요하게 될 것입니다. 이러한 범위 축소는 사과해야 할 한계가 아닙니다. 이는 복합적인 신뢰성 계산에 대한 올바른 공학적 대응이며, 인간과 유사한 보행 방식보다 안정성이 더 중요한 지형에서는 ANYbotics가 이족 보행형 대신 사족 보행형 검사 플랫폼을 개발하게 한 것과, 다리가 전혀 필요 없는 보도에서는 Starship이 걷는 로봇 대신 바퀴 달린 배송 로봇을 개발하게 한 것과 동일한 본능입니다.

조달 팀이 던져야 할 유용한 질문은, 이러한 형태 요소 중 어느 것이 추상적인 의미에서 더 진보했는지가 아닙니다. 바로 “최소 충분한 기동성”입니다. 즉, 이 특정하고 경제적 가치가 있는 작업을 인간이 수행하는 데 드는 비용보다 낮은 비용으로, 신뢰성 있게 실제로 완수하기 위해 필요한 조작, 이동 및 감지 능력의 가장 좁은 범위가 무엇인지입니다. 이러한 최소 요건에 맞춰 설계되고, 더 좁은 업무 범위에서 노출될 수 있는 고장 모드에 정확히 대응하는 강력한 복구 계층을 갖춘 로봇은, 비록 범용 플랫폼이 무역 박람회 영상에서 더 인상적으로 보일지라도, 모든 문제를 한꺼번에 해결하려는 범용 플랫폼보다 더 빠르고 저렴하게 신뢰성 기준을 충족할 것입니다.

실험실 벤치마크로는 알 수 없는, 실제 배포가 가르쳐 주는 것

이 세 회사의 현재 신뢰성 수준은 모두 실험실 벤치마킹이 아닌 실제 현장 배포를 통해 얻어진 결과물입니다. 통제된 실험실 환경에서는 시스템이 99%와 99.99% 사이의 격차를 충분히 좁혀 무인 상태에서도 신뢰받을 수 있는지 여부를 실제로 결정하는, 구체적이고 복잡한 고장 모드—예를 들어 약간 잘못된 각도로 떨어진 물건, 결로로 인해 부분적으로 가려진 계기, 공사로 인해 막힌 배송 경로 등—를 재현할 수 없습니다. 바로 그 때문에 현재 이 업계에서는 어떤 단일 신형 모델 출시나 센서 업그레이드보다도 실제 배포 자체가 진정한 학습 신호로 기능하고 있습니다. 시스템이 현장에서 견뎌내고 수정해 나가는 모든 고장은 다음 버전의 감지, 제어 및

복구 논리는 앞서 설명한 신뢰성 계산과 반대 방향으로 작용하며, 현장에 배치된 각 장비가 사실상 다음 9대의 장비에 대한 근거를 추가하는 효과를 가져옵니다.

이는 구매자가 공급업체의 기술 사양서와 비교하여 해당 업체의 실제 운영 실적을 어떻게 평가해야 하는지에 직접적인 시사점을 제공한다. 화려한 기능은 적지만 수년간 지속적으로 현장에서 운영된 플랫폼—ANYbotics의 검사 운영, Starship의 배송 물량, Agility의 창고 시범 운영 등—은, 데모는 더 뛰어난 것처럼 보이지만 지속적인 현장 운영 기간이 짧은 플랫폼보다 실제 환경에서 발생하는 다양한 고장 사례를 마주하고 수정할 기회가 더 많았습니다. 사양서는 이상적인 조건에서 로봇이 무엇을 할 수 있는지를 설명합니다. 반면, 실전 운용 이력은 아무도 미리 설계하지 않은 조건에서도 로봇이 이미 견뎌낼 수 있음을 입증한 내용을 보여줍니다. 그리고 후자의 기록이야말로 시범 운영이 계약 갱신으로 이어질지 여부를 예측하는 지표입니다.

데모 영상을 대체해야 할 평가 지표

이 모든 것이 로봇 설계에 대한 야망을 부정하는 것은 아닙니다. 오히려 특정 플랫폼에 예산을 투입하기 전에 올바른 지표를 측정해야 한다는 점을 강조하는 것입니다. 시스템이 사람의 개입 없이 완료하는 전체 워크플로우의 비율, 자체 수정 복구율, 단일 연출된 환경이 아닌 문서화된 다양한 환경 조건에서의 성능, 지속적인 사용 시 내구성, 그리고 성공적으로 완료된 작업당 비용 등은 모두 데모 영상보다 공급업체로부터 파악하기 어렵지만, 해당 시스템의 첫해 운영 생존 여부를 더 잘 예측해 줍니다. 시범 운영 계약을 체결하기 전에 이 다섯 가지 수치를 요청하는 구매자는, 십여 개의 데모 영상에서 보여줄 수 있는 것보다 시스템이 무인 작업에 준비되었는지 여부에 대해 더 많은 정보를 얻을 수 있을 것이다.

여기서 언급된 세 회사만이 이러한 실험을 진행하고 있는 것은 아니며, 이들 중 어느 곳도 데모와 실제 배포 간의 격차를 완전히 해소했다고 주장하지는 않을 것입니다. 생산 환경에 진정으로 근접한 유능한 시스템을 구별하는 요소는

투자자들을 위해 여전히 리허설을 거듭하고 있는 기업의 준비 상태는 단순히 더 깔끔한 원테이크 영상이 아닙니다. 이는 현장에 투입된 기계가 수천 번 연속으로 똑같은 지루한 작업을 수행하며, 자신의 실수가 타인의 문제가 되기 전에 스스로 이를 파악하고, 조용히 또 다른 9번의 작업을 추가해 나가는 과정을 기록한, 점차 축적되어 가는 기록입니다.

이 분석은 언급된 기업들의 공개 성명 및 문서화된 배치 데이터를 종합한 것으로, 일반적인 정보 제공을 목적으로 할 뿐이며, 투자, 금융, 법률 또는 전문적인 조언을 구성하지 않습니다.

메인 이미지 출처: Agility Robotics.