휴머노이드 로봇 시연 영상이 쏟아지고, 산업용 파운데이션 모델에 돈이 몰립니다. "우리 공장에도 로봇을 들이면 되겠네"라는 말이 나오기 시작합니다. 그런데 피지컬 AI 도입에서 성패를 가르는 질문은 로봇 스펙이 아닙니다.
"당신의 공장은 기계가 읽을 수 있는 곳입니까?"
로봇은 종이 일보를 못 읽는다
피지컬 AI는 지각하고, 판단하고, 움직입니다. 그런데 로봇의 카메라와 라이다가 아무리 좋아도, 그것만으로는 공장을 이해할 수 없습니다.
- 이 라인이 지금 무엇을 생산 중인지 (품목·로트·작업지시)
- 옆 설비가 어떤 상태인지 (가동·정지·알람·온도)
- 이 구역에서 무엇이 금지돼 있는지 (안전 인터록·작업 규칙)
사람 작업자는 이걸 경험과 종이 일보, 구두 전달로 압니다. 로봇은 못 합니다. 피지컬 AI가 일하려면 공장의 상태가 기계가 읽을 수 있는 데이터로 흐르고 있어야 합니다. 이것이 로봇 도입 전에 갖춰야 할 진짜 인프라입니다.
준비된 공장의 5가지 조건
1. 실시간 텔레메트리 — 로봇의 감각을 보완하는 층. 로봇의 온보드 센서는 자기 주변만 봅니다. 라인 전체의 흐름 — 상류 설비의 정지, 컨베이어 속도, 버퍼 재고 — 은 공장의 데이터 계층이 실시간으로 공급해야 합니다. 초 단위 이하의 지연으로, 끊김 없이.
2. 기계가 읽는 공장 지도 — 자산 계층과 통합 네임스페이스. "3번 충전기 옆 포장기"는 사람의 주소입니다. 기계에게는 공장→라인→설비→태그로 이어지는 표준 계층(ISA-95)과, 어떤 시스템이든 같은 이름으로 데이터를 찾는 통합 네임스페이스(UNS)가 필요합니다. 이것이 없으면 로봇 한 대마다 맞춤 연동을 반복하게 됩니다.
3. 공용어 — 표준 인터페이스. 로봇 벤더, AMR 벤더, 기존 설비가 제각각의 언어를 쓰면 통합 비용이 도입 비용을 넘어섭니다. OPC-UA·MQTT 같은 산업 표준으로 데이터를 내보내고 받아들이는 공장은 어떤 피지컬 AI가 와도 꽂을 자리가 있습니다.
4. 가상 훈련장 — 디지털 트윈. 피지컬 AI는 실패하면서 배우는데, 실제 라인에서 실패하게 둘 수는 없습니다. 설비 배치·동작·데이터가 반영된 디지털 트윈이 있어야 시뮬레이션으로 훈련하고, 변경을 사전 검증할 수 있습니다. 트윈의 재료 역시 축적된 현장 데이터입니다.
5. 통제와 기록 — AI에게 어디까지 허락할 것인가. 물리 세계를 움직이는 AI는 잘못되면 사고입니다. 읽기는 넓게, 쓰기(제어)는 승인된 경로로만 — 그리고 모든 접근이 기록되는 구조가 필요합니다. 이건 나중에 붙이는 옵션이 아니라 처음부터 데이터 계층에 설계돼 있어야 하는 속성입니다.
순서가 바뀌면 비싸진다
로봇을 먼저 들이고 인프라를 나중에 까는 공장은 두 번 돈을 씁니다 — 한 번은 로봇에, 한 번은 로봇이 놀고 있는 동안의 맞춤 연동에. 반대로 데이터 인프라가 준비된 공장은 피지컬 AI를 "설치"가 아니라 "연결"합니다.
다행인 것은, 위 다섯 가지가 피지컬 AI 전용 투자가 아니라는 점입니다. 실시간 수집, 자산 계층, 표준 인터페이스, 디지털 트윈, 접근 통제 — 전부 지금 당장의 OEE·품질·에너지 관리에도 그대로 쓰이는 인프라입니다. 피지컬 AI 준비는 곧 공장 데이터 인프라 정비이고, 그 투자는 로봇이 오기 전부터 회수됩니다.
맺음말
피지컬 AI의 시대는 로봇을 잘 고르는 회사가 아니라, 공장을 기계가 읽을 수 있는 곳으로 먼저 만들어 둔 회사의 것입니다. PlantPulse는 그 기반 — 42종 프로토콜 수집, ISA-95 자산 계층과 UNS, OPC-UA 재제공, 디지털 트윈, 승인형 제어와 접근 기록 — 을 온프레미스 플랫폼 하나로 제공합니다. 로봇이 도착하기 전에, 공장부터 읽을 수 있게 만드십시오.