뉴욕의 무료 청소 서비스는 로봇이 가장 필요로 하는 인간의 몸짓을 수집한다. 문제는 그 숙련이 누구의 자산이 되고, 반복 사용의 몫이 누구에게 돌아가느냐다.
현관문이 열리고 청소 작업자가 들어온다. 설거지를 하고, 수건을 개고, 화장실을 닦는다. 청소비는 0원이다. 대신 이 사람의 머리에는 작은 카메라가 켜져 있다.
뉴욕의 Shift는 촬영에 동의한 가정에 기간 한정 무료 청소를 제공한다. 작업과 주변 공간을 담은 1인칭 영상과 동작 정보는 로봇 학습용 데이터가 된다. 방 안에는 사람 눈에 보이지 않는 견습생이 한 명 더 있는 셈이다. 언젠가 같은 집안일을 할 로봇이다.
한 집에서 두 가지 일이 동시에 벌어진다. 눈앞의 집은 깨끗해지고, 청소하는 몸은 미래 기계의 교과서로 바뀐다. 첫 번째 일은 작업자가 문을 닫고 나가면 끝난다. 두 번째 일은 그때부터 시작된다.
‘무료’라는 말만 보면 거주자와 청소 서비스 사이의 거래처럼 보인다. 카메라가 켜지는 순간 거주자, 작업자, 데이터 기업이라는 세 당사자가 드러난다. 거주자는 청소를 받고 집 안의 장면을 내준다. 작업자는 임금을 받고 자신의 노동과 판단 순서를 보여 준다. 회사는 청소비를 부담하고 재사용할 수 있는 학습 자료를 얻는다.
비용 대신 촬영을 허용한다. 집의 구조와 물건, 생활의 맥락이 작업 영상에 함께 담긴다.
노동뿐 아니라 순서 선택, 힘 조절, 실수 수습처럼 몸에 밴 숙련을 시연한다.
청소비를 지불하고 현실의 다양한 행동 기록과 이를 묶어 라이선스할 권리를 확보한다.
셋 모두 당장 원하는 것을 얻는다. 문제는 각자 손에 쥔 것의 수명이 다르다는 데 있다. 청소의 효용과 임금은 지금 소비되지만 데이터는 다른 영상과 합쳐지고, 다음 모델에 다시 쓰이고, 여러 기업에 제공될 수 있다. ‘공짜’가 감추는 것은 비용이 아니라 시간의 차이다.
언어 AI는 이미 인터넷에 쌓여 있던 글과 그림을 먹고 자랐다. 피지컬 AI는 사정이 다르다. 현실에서 보고, 움직이고, 물체에 닿고, 실패한 뒤 고쳐야 한다. 휴머노이드뿐 아니라 로봇팔과 이동형 조작기, 자율주행차와 드론까지 몸을 가진 AI가 모두 이 문제를 겪는다.
수건 한 장을 개는 일만 봐도 그렇다. 수건은 집을 때마다 모양이 달라지고, 한쪽 끝이 미끄러지며, 힘을 너무 주면 주름이 생긴다. 사람은 모서리를 찾고, 장력을 느끼고, 접힌 면이 어긋나면 손의 각도를 바꿔 바로잡는다. 영상은 동작의 겉모양을 보여 주지만 손끝의 힘과 마찰, 관절 상태, 순간적인 보정까지 그대로 담아내지는 못한다. 게다가 사람과 로봇은 팔의 구조부터 다르다.
보는 것에서 해내는 것까지
영상은 입구다. 힘·접촉·제어·실패 데이터가 합쳐져야 로봇이 현실에서 행동할 수 있다.
진짜 희소 자원 성공 장면의 양보다 상황 판단, 힘 조절, 실패 복구가 이어진 숙련의 궤적이다.
DROID 데이터셋은 18개 기관이 12개월 동안 수집한 350시간 분량의 로봇 조작 기록이다. 개별 기록은 7만 6천 건에 이른다. 로봇을 직접 움직여 얻는 데이터가 얼마나 비싸고 느린지 보여 준다. 사람의 1인칭 영상은 이 좁은 입구를 넓힐 수 있다. 그러나 영상만 많이 모으면 가정용 로봇이 완성되는 것은 아니다. 미국 국립표준기술연구소가 피지컬 AI의 데이터·측정·검증 공백을 별도 과제로 다루는 이유도 여기에 있다.
청소와 정리, 조리와 수리에는 오랫동안 ‘단순’이라는 꼬리표가 붙었다. 하지만 단순했던 것은 숙련이 아니라 숙련을 보지 않는 가격표였다. 어느 컵부터 옮겨야 덜 깨지는지, 젖은 바닥에서 어디에 발을 디뎌야 하는지, 아이와 반려동물이 오갈 때 동선을 어떻게 바꿔야 하는지는 매뉴얼 한 줄로 옮기기 어렵다.
피지컬 AI 경쟁은 지금 일하는 사람의 몸에 밴 요령을 경제적 자원으로 바꾼다. 기업이 사는 것은 손의 움직임 몇 분이 아니라 상황을 읽고 결과를 만들어 낸 숙련의 궤적이다.
구글 딥마인드가 여러 기관의 데이터를 합친 Open X-Embodiment도 22종 로봇과 100만 회가 넘는 에피소드를 모은 결과다. 웹의 글과 이미지에 비하면 여전히 작은 세계다. 그래서 로봇 기업은 실험실의 같은 컵을 반복해 집는 대신, 저마다 구조와 물건이 다른 실제 집과 일터로 향한다. 실제 집과 일터에는 예외가 끝없이 나오기 때문이다.
작업자가 받은 임금은 그날의 노동에 대한 대가다. 하지만 노동에서 나온 기록은 데이터셋으로 합쳐져 새 모델을 훈련하고 제품을 개선하며 다시 라이선스될 수 있다. 한 번의 노동에서 현재의 서비스와 미래의 자산, 두 거래가 갈라져 나온다.
하나의 작업, 두 개의 시간
한 집이 깨끗해지고 작업자는 한 번의 임금을 받는다. 서비스의 효용은 그 자리에서 소비된다.
기록은 결합·재학습·제품 개선·라이선스를 거치며 여러 번 가치를 만들 수 있다.
두 번째 계약한 번 지급되는 임금과 반복 사용되는 자산 사이의 몫을 정하는 일이다.
로봇이 당장 직업 전체를 없애는 것은 아니다. 먼저 자동화되는 것은 반복적이고 위험한 과업이고, 감독과 정비 같은 새 업무도 생긴다. 일자리 변화의 규모는 아직 알 수 없다. 그러나 오늘의 계약이 누군가의 숙련을 장기 자산으로 바꾸는 일은 이미 벌어지고 있다.
Shift의 개인정보처리방침은 1인칭 영상뿐 아니라 동작 센서, 위치와 기기 정보도 수집한다고 밝힌다. 처리된 데이터셋은 MicroAGI로 이전돼 라이선스될 수 있으며, 완전하고 영구적인 익명화를 보장하지 않는다. 이미 공유된 데이터셋은 삭제가 제한될 수 있다. 얼굴을 흐리더라도 집의 구조, 물건, 생활 습관까지 모두 사라지는 것은 아니다.
피지컬 AI 시대의 격차는 누가 로봇을 소유하느냐보다 먼저, 누가 로봇의 교과서를 쓰고 그 판권을 갖느냐에서 벌어질 수 있다.
한국에서 비슷한 장면은 이미 촬영되고 있다. AWS가 소개한 RLWRLD 사례에서 서울 롯데호텔 작업자들은 머리와 가슴, 손에 카메라를 달고 청소 업무를 기록했다. 회사는 40개가 넘는 직무군, 400개가 넘는 작업과 4,500개 이상의 기본 동작을 데이터 라이브러리로 만들고 있다.
한국은 이 기술을 외면하기 어려운 곳이기도 하다. 통계청 전망에서 생산연령인구는 2022년부터 2032년까지 332만 명 줄어든다. 국제로봇연맹에 따르면 한국 제조업의 로봇 밀도는 2024년 노동자 1만 명당 1,220대로 세계에서 가장 높다. 일손 부족을 메우고 위험한 일을 줄이는 데 피지컬 AI가 필요한 이유다.
그러나 필요하다는 말은 분배 방식까지 정당하게 만들지 않는다. 외국 플랫폼이 한국 노동자의 움직임을 모아 독점 자산으로 만들면, 우리는 로봇을 잘 만드는 나라가 되고도 숙련 데이터의 사용료는 놓칠 수 있다. 한국이 가진 강점은 반도체와 공장만이 아니다. 오래된 현장과 그곳에서 일해 온 사람들의 몸에도 있다.
피지컬 AI는 부족한 일손을 채우고 위험하고 고된 작업을 줄이며 돌봄과 생활 보조의 범위를 넓힐 수 있다. 그래서 데이터가 만들어지는 순간부터 각자의 몫을 정하는 계약이 필요하다.
몸짓 데이터에는 여러 권리가 겹친다. 얼굴과 목소리에는 개인정보의 권리가 있고, 영상 이용에는 계약이 있으며, 모델에는 기업의 영업비밀이 얽힌다. 중요한 것은 이 복잡함을 핑계로 두 번째 거래를 보이지 않게 두지 않는 일이다. 촬영 동의서에는 목적과 보유기간, 제공받는 곳, 재사용 방식과 보상이 읽을 수 있는 말로 적혀야 한다.
청소가 끝나면 바닥은 반짝이고 수건은 가지런해진다. 작업자는 다음 집으로 떠난다. 그러나 그날의 시선과 손놀림은 서버에 남아 수없이 다시 일할 수 있다. 로봇이 우리의 일자리를 빼앗을지만 묻는다면 이미 늦다. 오늘 누가 로봇의 교과서를 쓰고 있으며, 그 판권은 누구에게 돌아가는가.
자료 기준일: 2026년 8월 12일.
