Samsung SDS

행동하는 존재의 무게

주방에 처음 들어온 요리사가 냄비를 태웠어요.
레시피는 책으로 외웠지만, 칼을 쥐는 각도와 불 앞에서 손을 멈추는 타이밍은 몸으로 익혀야 하는 감각이었거든요. 아직 서투른 손은 실수를 숨기지 못해요.

지금 AI에게 일어나는 변화도 비슷해요. 화면 속 AI는 답이 틀려도 다시 물으면 그만이었어요. 그런데 AI가 몸을 갖고 실제 공간에서 움직이기 시작하면서 그 여유가 사라져요. 물건을 옮기다 놓치거나 사람 옆을 스치듯 지나가는 일은 되돌릴 수 없으니까요. 그래서 고객도 이제 "알려줘"가 아니라 "가져와줘", "치워줘", "안내해줘"라고 말하기 시작했어요.

6호까지 우리는 화면과 대화, 공간으로 이어지는 인터페이스를 이야기했어요. 인터페이스의 확장, 그 마지막인 이번 호는 AI가 몸을 얻어 현실에서 행동하는 세계, Embodied Agent를 다뤄요. 좋은 로봇 경험은 어디서 시작되는지, 로봇은 그 손끝의 감각을 누구에게 어떻게 배우는지를 들여다봐요.

피지컬 AI는 왜 지금 다시 떠올랐을까

로봇은 오래전부터 있었어요. 공장의 산업용 로봇, 물류센터의 자동화 설비, 가깝게는 집 안의 로봇청소기까지도요. 최근의 피지컬 AI가 다른 점은, 정해진 동작을 반복하던 기계에서 벗어나 더 넓은 상황을 이해하고 행동하려 한다는 거예요. 예전의 로봇은 잘 정리된 환경에 강했어요. 하지만 사람의 생활 공간은 물건 위치가 매번 바뀌고, 사람이 예고 없이 움직이고, 요청은 모호하기도 하죠. 피지컬 AI는 바로 이 복잡한 현실을 다루려는 흐름이에요.

기술과 수요가 만나는 지점

지금 다시 주목받는 건 기술과 현장의 수요가 맞물렸기 때문이에요. AI 모델은 언어와 이미지를 함께 이해하기 시작했고, 로봇은 센서와 시뮬레이션으로 더 다양한 상황을 배우게 됐어요. 호텔·병원·리테일·물류 현장에서는 반복 이동과 점검 업무의 부담을 줄일 필요가 커지고 있어요. 로봇이 신기한 구경거리에서 함께 일하는 동료로 자리 잡아가는 데는 이런 현실적인 이유가 있어요.

어느 업종까지 왔나

로봇은 여러 업종에 들어와 있어요. 병원에서는 약품과 검체를 옮기는 로봇이 간호사를 돕고, 리테일 매장에서는 재고 로봇이 선반 상태를 확인해요. 식당에서는 서빙 로봇이 음식을 나르고, 물류센터와 자동차 공장에서는 휴머노이드가 부품과 상자를 나르기 시작했어요. 집 안으로 들어오는 가정용 휴머노이드도 등장하고요. 매장에서 직접 고객을 만나기보다 병원·리테일·물류·제조처럼 직원 곁에서 먼저 자리를 잡는 추세예요. 고객이 직접 보지는 못하지만, 더 빠른 배송, 더 정확한 재고, 더 안정적인 운영이라는 결과로 그 변화를 경험하는 셈이죠.

로봇 인터랙션은 CX의 영역이 돼요

로봇이 서비스 접점에 들어오는 순간부터 고객 경험의 일부가 돼요. 그래서 로봇을 도입할 때 "사람이 로봇을 어떻게 조작하나"도 중요하지만, "로봇이 포함된 서비스 여정 전체를 어떻게 설계하나"가 중요해요. 디지털 서비스가 로딩과 진행률, 완료 메시지로 상태를 알렸듯, 로봇도 현재 상태를 보여줘야 해요. 다만 로봇에 있는 스크린만으로는 부족하죠. 움직임의 속도, 멈추는 방식, 몸의 방향, 빛과 소리가 모두 상태 표현이 될 수 있어요. 지금 듣고 있는지, 어디를 보는지, 무엇을 잡으려는지, 왜 멈췄는지. 고객이 로봇의 상태와 의도를 이해할 수 있을 때 로봇에 대한 신뢰가 쌓이게 돼요.

로봇은 어떻게 사람에게 배울까

고객이 보는 로봇의 행동 뒤에는 학습이 있어요. 학습한 데이터는 손의 움직임, 힘 조절, 촉각, 작업 순서, 실패와 회복의 순간 같은 현실적인 상황이에요. 숙련자는 말로 설명하기 어려운 걸 몸으로 보여주고, 피지컬 AI는 이 손끝의 암묵지를 배우게 돼요. 컵 하나를 집는 데도 위치, 무게, 손잡이 방향, 손의 각도, 압력, 미끄러짐이 다 영향을 주니까요. 그래서 고객 경험에 더불어 사람이 로봇에게 일을 보여주고 피드백을 주는 경험까지도 로봇 UX가 돼요. 다만 무엇을 왜 수집하고, 어떻게 익명화하고, 누구의 이익으로 돌아가는지 충분히 설명되어야 해요. 작업자의 움직임을 수집하면, "내가 일하는 모습을 감시하는 건 아닐까"라는 우려가 생길 수 있어요.

사람을 돕는 로봇은 무엇이 다른가

[글로벌 · 병원] Moxi: 간호사를 환자 곁에 돌려주는 로봇

병원의 약품·검체·비품 배송을 로봇이 맡아 125만 건 이상 자율 수행했어요. LA 아동병원(2022년 12월 도입)에서는 넉 달 동안 간호사 근무시간 1,620시간을 줄였어요.

무엇을 바꿨나

딜리전트 로보틱스(2026년 1월 Serve Robotics가 인수 계약 발표)의 Moxi는 병원에서 약품과 검체, 비품을 나르는 로봇이에요. 간호사가 복도를 오가며 물건을 가지러 다니는 시간을 로봇이 대신하고, 간호사는 환자 곁에 더 오래 머물게 했어요. 배송 업무를 로봇이 지원해 환자 케어 시간을 늘리는 역할이죠.

어떻게 작동하나

Moxi는 엘리베이터와 문을 이용하고, 복도에서 사람을 피해서 병원 안의 반복적인 배송 업무를 처리해요. 2026년 발표 기준 미국 25개 이상 병원 시설에 배치돼 125만 건 이상의 자율 배송을 완료했어요(Serve Robotics, 2026.1 발표). 현장에서 쌓인 상호작용 데이터는 다시 다음 세대 모델의 학습 연료가 되고요.

무슨 결과가 있었나

미국 로스앤젤레스 아동병원(2022년 12월 도입)에 들어온 Moxi 두 대는 넉 달 동안 2,500건 이상을 배송하면서, 직원의 걸음 38만 3천 보와 근무 시간 1,620시간을 줄였어요(CHLA 공식 블로그, 2023.6 발표). 약제부장은 배송 한 건마다 직원 시간을 20~30분씩 아낀 셈이라고 했어요. 하루에도 몇 번씩 약국까지 뛰어 내려가던 주입치료실 간호사는 이제 환자 곁에 더 오래 있게 됐다며 Moxi를 "팀의 반가운 일원"이라고 불러요.

왜 중요한가

Moxi는 로봇이 고객 앞보다 직원 곁에 먼저 들어오는 이유를 보여줘요. 반복적인 물류 업무를 맡아 간호사가 환자 관찰과 설명, 응대처럼 사람이 해야 할 돌봄에 더 많은 시간을 쓰게 하죠.

도입 시 고민 지점

다만 어디서나 같은 결과가 나오지는 않아요. 워싱턴주 멀티케어는 2023년 Moxi를 최대 14대까지 들였지만 2년도 안 돼 접었어요. 층을 옮길 때마다 사람이 따라붙어야 해서 기대한 만큼 시간이 줄지 않았다는 게 현지 간호사들의 이야기예요(워싱턴주 간호사협회 WSNA, 2026 / 타코마 뉴스트리뷴 보도 인용). 도입 전에 환경과 워크플로우가 로봇에 맞는지, 기존 인프라와 연동되는지, 안 맞을 때 되돌릴 방법이 있는지부터 따져야 하는 이유죠.

[글로벌 · 리테일] Simbe Tally: 고객이 찾는 상품을 선반 위에 있게 하는 로봇

매장을 자율 주행하며 품절·오배치·가격 오류를 스캔해요. 슈넉스 전 매장 확대 후 품절 감지가 14배 늘고 품절 상품은 20~30% 줄었어요.

무엇을 바꿨나

Simbe Robotics의 Tally는 매장 통로를 돌아다니며 선반 상태를 확인하는 자율 재고 로봇이에요. 고객에게 말을 걸거나 상품을 추천하는 로봇은 아니에요. 대신 품절, 잘못 놓인 상품, 가격표 오류, 진열 상태 같은 매장의 기본 문제를 계속 확인해요. 리테일 경험에서 가장 단순하지만 치명적인 순간, 그러니까 '앱에는 있다고 했는데 선반에는 없는' 문제를 줄이려는 로봇이에요.

어떻게 작동하나

Tally는 매장 안을 자율 주행하면서 카메라와 센서로 선반을 스캔해요. 상품이 비었는지, 다른 위치에 놓였는지, 가격표가 맞는지, 진열 상태가 기준과 다른지 확인하고, 이 정보를 매장 운영 시스템에 넘겨요. 직원은 매장을 돌아다니며 문제를 찾는 데 시간을 쓰는 대신, Tally가 알려준 문제를 해결하는 데 집중할 수 있어요.

무슨 결과가 있었나

미국 식료품 체인 슈넉스는 2021년 8월 Tally를 당시 전 매장인 111개 매장으로 확대했어요. 슈넉스와 Simbe는 Tally를 활용한 매장에서 수동 점검보다 품절 감지가 14배 늘었고, 품절 상품이 20~30% 줄었다고 밝혔어요(Simbe Robotics·슈넉스 공동 발표, 2021.8). 로봇이 직접 고객을 응대하지 않아도, 고객이 찾는 상품이 선반에 있게 만드는 방식으로 경험을 바꾼 거예요.

왜 중요한가

로봇이 고객을 직접 응대하지 않아도 고객 경험을 바꿀 수 있어요. 찾는 상품이 실제 선반에 있고, 온라인 주문 재고가 더 정확하며, 직원이 품절 문제를 더 빨리 해결할 수 있어요. 로봇은 매장 앞에서 친절하게 말하는 존재가 아니라, 매장이 약속한 기본을 지키게 만드는 운영 인터페이스가 될 수 있어요.

도입 시 고민 지점

매장 로봇은 직원 곁에서 일하지만 고객과 같은 공간을 공유해요. 통로를 막지 않는지, 고객이 감시받는다고 느끼지 않는지, 직원이 로봇을 '일을 빼앗는 장치'가 아니라 '문제를 먼저 찾아주는 동료'로 받아들이는지가 중요해요. 그리고 데이터가 행동으로 정확히 이어지는지도 중요해요. 품절을 잘 찾아도 보충 프로세스가 느리면 경험은 바뀌지 않아요. Tally의 가치는 선반을 스캔하고, 직원이 움직이고 재고 시스템이 반응하는 전체 흐름에 있어요.

[국내 · 식당] LG 클로이 서브봇: 직원의 동선을 줄이는 서빙 로봇

LG 클로이 서브봇은 식당에서 서빙과 퇴식처럼 반복되는 이동을 맡는 로봇이에요. 사람을 완전히 대체하는 게 아니라, 직원의 동선을 줄이는 것이 클로이 서브봇의 목적이에요. 무거운 그릇을 나르고 긴 거리를 오가는 일은 로봇이 맡고, 사람은 주문 확인과 응대, 예외 처리처럼 판단과 감정이 필요한 일에 더 집중할 수 있죠. 3세대 모델은 6개 바퀴에 독립 서스펜션을 적용해 국물 넘침 같은 흔들림을 줄이고, 3D 카메라와 라이다로 공간을 인식해요. 좋은 로봇 경험은 화려한 대화보다 ‘사람이 귀찮고 힘든 일을 덜어주는 것’에서 먼저 만들어진다는 걸 보여주는 사례예요.

[국내 · 가정] Figure 03 · 1X NEO: 집 안으로 들어오는 학습형 휴머노이드

집은 로봇에게 가장 어려운 공간이에요. 물건 위치가 매일 바뀌고, 가족과 반려동물이 움직이니까요. Figure는 Figure 03을 Helix와 가정, 대규모 확장을 위해 설계된 3세대 휴머노이드로 소개해요. 1X의 NEO는 Redwood AI로 작업을 배우고 반복하며, 복잡한 일은 예약된 시간에 원격 전문가가 감독해 새 능력을 배우게 하는 Expert Mode를 내세워요. Figure 03은 2026년 4월 기준 350대 이상을 출하했지만 아직 파트너 공급 단계예요(Figure AI, 2026.4.29 발표). 1X는 같은 달 헤이워드 공장을 가동해 양산을 시작했고, 연내 미국 가정으로 첫 고객 출하를 진행할 계획이라고 밝혔어요(1X Technologies, 2026.4.30 발표). 가정용 휴머노이드는 이제 막 집에 들어가기 시작했지만, 고객 접점이 생활 공간 전체로 확장된다는 신호로는 중요해요. 원격 전문가가 가정 내부를 보며 개입하는 경우, 영상·음성 데이터의 접근 범위와 이용자 동의가 핵심 과제가 돼요.

우리 서비스에 로봇 접점이 생긴다면

Q1. 로봇은 고객 앞에 서야 할까, 직원 곁에 있어야 할까?

모든 로봇이 고객을 직접 만나야 하는 건 아니에요. Moxi와 Tally가 보여주듯, 병원과 매장 운영처럼 직원 곁에서 서비스 품질을 높이는 자리가 더 맞을 때도 많아요. 로봇이 서비스 여정의 어느 지점에 들어와야 하는지부터 정하고, 그 일이 사람의 부담을 더는지 늘리는지 따져 보세요.

Q2. 로봇이 직접 행동해도 되는 범위는 어디까지일까?

안내, 운반, 결제 보조, 재고 점검, 청소, 돌봄처럼 로봇이 할 수 있는 일은 많아요. 하지만 '할 수 있다'와 '맡겨도 된다'는 달라요. 자동 실행, 고객 확인, 직원 승인, 수동 전환의 경계를 그어야 해요. 로봇이 막히는 순간 사람에게 닿는 출구가 한 번에 열리는지도 함께 봐야 하고요.

Q3. 우리 로봇의 친근함은 어디까지가 적정한가?

사람은 움직이는 것에 마음을 줘요. 애착은 로봇을 빠르게 동료로 받아들이게 하지만, 실제 능력보다 크게 믿게 만들고 고장이나 교체 때 상실감을 남겨요. 친근함의 수위를 의도적으로 정하고, 못 하는 일은 솔직히 드러내고, 언젠가 헤어질 순간까지 계획해 두었는지 점검해 보세요. 노인 돌봄처럼 취약한 접점이라면 더 조심스럽게요.

좋은 로봇 경험은 ‘안심하고 맡길 수 있는 행동’이에요

로봇이 고객 경험에 들어오면 새로운 역설을 마주해요. 고객은 로봇이 알아서 해주길 바라는 동시에, 제멋대로 굴지 않기를 원하거든요. 너무 많이 묻는 로봇은 귀찮고, 묻지도 않고 알아서 처리해버리는 로봇은 불안해요. 좋은 로봇 경험은 완전한 자율이 아니라 통제 가능한 자율에서 나와요.

위험의 무게에 따라 권한을 나눠요

낮은 위험의 반복 작업은 알아서 처리하고, 고객의 소유물이나 개인정보가 걸린 일은 확인을 받고, 안전과 책임이 걸린 행동은 반드시 사람이 개입할 수 있어야 해요. Moxi가 병원 물류를 맡고, Tally가 선반 상태를 읽는 것처럼 로봇에게는 잘 어울리는 역할이 있어요. 운반, 점검, 반복은 로봇이 맡고, 응대와 판단은 사람이 맡는 식으로요.

상태와 의도를 보여줘요

로봇은 그 자리에 있는 것만으로 기대를 만들어요. 그러니 할 수 있는 일을 분명히 보여주고 못 하는 일은 솔직하게 알리는 게 실망을 줄여요. 움직임의 속도, 멈추는 방식, 빛과 소리로 지금 무엇을 하려는지 전하고요. 물리적 실수는 새로고침으로 지울 수 없으니, 충돌을 피하는 센서와 한 번에 멈추는 정지, 사고 시 책임의 위치까지 도입과 함께 설계해야 해요.

애착까지 설계해야 해요

몸을 가진 로봇은 고객과 직원의 기대, 애착, 실망까지 함께 만들어요. 폭발물 처리 로봇에 이름을 붙이고 장례를 치른 군인들, 불교식 장례를 받은 일본의 로봇 강아지 아이보, 그리고 로봇청소기에 별명을 붙이는 일은 모두 비슷한 감정에서 비롯돼요. 이 애착은 양날의 검이에요. 한편으로는 로봇을 빠르게 동료로 받아들이게 해 도입을 도와요. 다른 한편으로는 정든 로봇의 능력을 실제보다 크게 믿어 맡기면 안 될 일까지 맡기거나, 로봇이 고장·교체·은퇴할 때 직원과 고객이 진짜로 상실감을 느끼게 하죠. 특히 노인 돌봄처럼 취약한 접점일수록 더 조심스러워요. 그래서 의인화는 절제하는 게 좋아요. 친근함의 수위를 의도적으로 조절하고, 로봇의 한계를 솔직히 드러내고, 언젠가 그 로봇과 헤어질 순간까지 배려해야 해요. 로봇의 친근함은 감성 장식이 아니라 책임 있는 설계 대상이에요.

학습의 정당성도 신뢰의 일부예요

신뢰는 고객 앞에서만 만들어지지 않아요. 로봇이 어떤 사람에게, 어떤 방식으로, 어떤 동의를 거쳐 배웠는지도 신뢰의 일부거든요. 좋은 데이터 수집 경험이 좋은 로봇 행동으로 돌아오고, 그 행동이 다시 고객의 신뢰가 돼요. 화면 속 AI의 실수는 대개 사용자만 알지만, 로봇의 실수는 매장 전체가 봐요. 그래서 잘 어울리는 자리에서 작게 시작해서 늘려가는 신중함이, 화려한 전면 도입보다 오래, 멀리 갈 수 있어요. 헨나 호텔이 비싼 값을 치르고 배운 방법이에요.

인터페이스의 확장 4부작을 마무리하며

4호에서 7호까지, 인터페이스가 변해온 네 가지 방향을 봤어요.

4호 Living Screen 화면이 고정된 것에서 목적에 따라 달라지는 것으로. 5호 Agent First 고객이 직접 찾던 것에서 에이전트에게 맡기는 것으로. 6호 Beyond Screen 화면을 전제한 서비스에서 맥락이 곧 입력이 되는 서비스로. 7호 Embodied Agent 화면 안에서 답하던 AI가 몸을 갖고 직접 행동하는 것으로.

공통점은 고객의 노력이 줄어드는 방향으로 이동하고 있다는 거예요. 하지만 고객의 노력이 줄어드는 만큼, 서비스를 만드는 사람의 역할은 더 정교해져야 해요. 규칙을 설계하고(4호), 신뢰를 구축하고(5호), 동의의 경계를 정하고(6호), 행동의 책임을 지는(7호) 일이에요.

04호에서 시작한 인터페이스의 여정은 여기서 매듭을 지어요. 화면이 살아나고, 에이전트가 행동하고, 공간이 반응하고, 이제 몸을 얻었어요. 고객 여정은 앱 안에서 끝나지 않고 공간과 물건과 사람 사이에서 이어져요. 변화의 중심에는 언제나 기술이 아니라 기술의 방향을 설계하는 사람이 있어요.

※   본 리포트는 담당자가 작성한 초안을 바탕으로 생성형 AI를 활용하여 윤문, 팩트체크, 이미지 제작 등 후작업을 수행했습니다.