로봇 자동화, 도입보다 어려운 건 그다음이다

 산업용 로봇 시장이 500억 달러 규모로 커졌고 협동로봇은 연 20% 넘게 성장한다는 통계가 계속 나온다. 노코드 티칭, AI 비전, AMR 통합, 디지털트윈, RaaS까지 기술 목록도 길어졌다. 기사에는 도입 장벽이 낮아졌다는 말이 붙는다. 현장에서 보면 순서가 조금 다르다. 로봇 자동화에서 실제로 어려운 구간은 로봇을 사는 시점이 아니라, 그 로봇을 매일 돌리기 시작한 다음이다.

## 배경: 왜 중요한가

제조업이 로봇을 늘리는 이유는 생산성보다 사람 문제인 경우가 많다. 야간·주말 교대 인력이 안 구해지고, 숙련공이 은퇴하면 그 공정의 감각도 같이 나간다. 중대재해 관련 규제가 강화되면서 위험 공정을 사람이 계속 맡는 구조 자체가 부담이 됐다. 로봇은 생산량을 늘리는 장비이기 전에, 사람을 못 구하는 자리를 메우는 장비로 들어온다.

기술적으로도 문턱이 낮아진 건 사실이다. 과거 산업용 로봇은 안전펜스를 치고 전용 컨트롤러에 코드를 짜야 했다. 지금은 GUI로 동작 경로를 잡고, 힘 감지 기능으로 사람과 같은 공간에서 작동하며, AMR은 라이다로 경로를 스스로 만든다. 이 변화 덕분에 전용 라인을 깔 여력이 없는 중소 제조업체도 셀 단위로 자동화를 시작할 수 있게 됐다.

문제는 이 문턱 하락이 '설치'까지만 적용된다는 점이다. 로봇 한 대를 세워 시연하는 일과, 그 로봇이 3교대로 1년을 도는 일은 난이도가 다르다. 시장 성장률 통계는 출하 대수를 세지만, 출하된 로봇이 실제로 몇 시간 가동되는지는 세지 않는다.

## 핵심: 일반 기사가 놓치는 지점

로봇 자동화 도입 사례가 실패하는 지점은 대부분 로봇 본체가 아니다. 로봇 팔은 카탈로그 스펙대로 움직인다. 무너지는 쪽은 로봇이 잡아야 할 대상물, 로봇이 서 있는 바닥, 로봇에게 다음 작업을 알려주는 신호다.

### 세부 포인트 1: 로봇보다 주변장치가 비싸고 어렵다

견적서를 열면 로봇 본체 비중은 생각보다 작다. 그리퍼, 지그, 정렬 장치, 안전 스캐너, 이송 컨베이어, 제어 캐비닛, 여기에 설치·티칭 인건비가 붙는다. 특히 그리퍼와 지그는 대상물마다 다시 설계해야 한다. 부품이 매번 같은 자세로 같은 위치에 온다는 전제가 성립해야 로봇이 단순해지는데, 현장의 소재는 휘어 있고, 표면 상태가 제각각이고, 앞 공정에서 흐트러진 채로 온다. 결국 자동화의 실제 작업은 '로봇을 고르는 일'이 아니라 '대상물을 로봇이 다룰 수 있게 정돈하는 일'이다.

AI 비전이 이 부담을 줄여주는 건 맞다. 다만 딥러닝 검사는 불량 이미지를 충분히 모아야 성능이 나오고, 불량은 정의상 드물게 발생한다. 신규 라인일수록 학습 데이터가 없다. 조명 각도가 바뀌거나 소재 로트가 달라지면 판정이 흔들려 재학습이 필요하다. 도입 후 6개월에서 1년은 모델을 다듬는 기간으로 잡는 게 현실적이다.

### 세부 포인트 2: 가동률을 결정하는 건 유지보수 체계다

로봇 자동화의 성패는 대개 가동률에서 갈린다. 사람이 하던 공정은 문제가 생기면 작업자가 알아서 보정하고 넘어간다. 로봇은 조건을 벗어나면 멈춘다. 멈춘 로봇을 누가, 몇 분 안에 복구하느냐가 투자 회수 기간을 좌우한다. 사내에 티칭을 수정할 수 있는 인력이 없으면 매번 SI 업체를 불러야 하고, 그 대기 시간이 그대로 생산 손실이 된다.

노코드 티칭이 의미 있는 지점이 여기다. 초기 도입을 쉽게 해주는 기능이라기보다, 라인 변경과 복구를 내부 인력이 처리할 수 있게 만드는 기능에 가깝다. RaaS 구독 모델도 초기 투자 부담을 줄이는 금융 상품으로만 보면 절반만 본 것이다. 실질적인 값어치는 계약에 유지보수와 대응 시간이 포함되느냐에 있다. 표준 인터페이스(OPC UA, ROS2 등) 채택이 늘어나는 배경도 같다. 서로 다른 벤더의 로봇과 MES가 붙지 않으면, 설비 한 대를 교체할 때마다 연동 작업을 다시 해야 한다.

## 그래서 뭘 봐야 하나

산업 측면에서 볼 포인트는 몇 가지로 정리된다.

첫째, 로봇 출하 대수보다 SI(시스템 통합) 역량이 병목이라는 점이다. 로봇을 만드는 회사보다, 로봇을 특정 공정에 앉히고 유지하는 회사의 수주 잔고가 시장 확산 속도를 더 잘 보여줄 수 있다. 국내 SI 인력 부족은 여러 차례 지적돼 온 문제다.

둘째, 주변장치 업체의 위치다. 그리퍼, 감속기, 힘/토크 센서, 머신비전 광학계처럼 로봇 대당 반드시 따라붙는 부품은 로봇 수요와 연동되면서도 교체 주기가 짧다. 완성 로봇보다 마진 구조가 안정적인 경우가 있다.

셋째, RaaS의 수익성 검증이다. 구독 모델은 매출 인식은 나눠지고 설비 원가는 먼저 나간다. 계약 기간, 잔존가치, 회수 후 재배치 가능성에 따라 결과가 크게 달라진다. 이 모델을 밀고 있는 업체들의 현금흐름과 계약 구조를 같이 보는 게 맞다.

넷째, 전력이다. 로봇 자동화가 늘면 라인 전력 소비가 늘고, 유럽을 중심으로 에너지 효율 기준이 설계 요구사항으로 들어오고 있다. 아직은 부차적 항목이지만, 규제가 붙는 순간 사양서에 반영된다.

로봇 자동화는 이미 진행 중인 변화이고, 방향이 바뀔 가능성은 낮다. 다만 속도는 기술 성숙도보다 현장에서 로봇을 앉히고 고쳐 쓸 수 있는 사람과 체계가 얼마나 갖춰지느냐에 달려 있다. 트렌드 목록을 볼 때 기술 자체보다 그 기술이 누구의 손을 덜어주는지를 같이 보면, 어느 항목이 실제로 팔리고 있는지가 조금 더 분명해진다.