2022년 11월 30일, OpenAI가 생성형 AI 서비스인 ChatGPT를 공개한 이후 우리가 일하고 생활하는 방식은 근본적으로 달라지기 시작했다. 인터넷을 검색하는 대신 AI에게 질문을 하게 되었으며 영어 기사 번역도 AI에게 맡기기 시작했다. 시장조사 자료를 정리하고 이를 바탕으로 기획안을 만들며 발표자료를 작성하는 것은 물론, 코드를 작성하거나 영업전략을 수립하는 일도 AI에게 부탁하기 시작했다. AI는 인간의 언어와 지식을 다루는 방식을 바꾸었고, AI가 누구나 일상적으로 활용할 수 있는 범용 도구가 될 수 있음을 보여주었다.

콘텐츠 생성을 넘어, 스스로 계획하고 실행하는 단계로

지금까지의 생성형 AI가 “무엇을 만들어 줄 수 있는가”에 초점을 맞췄다면, 앞으로의 AI는 “무엇을 대신 처리할 수 있는가”, 나아가 “현실 세계에서 무엇을 인식하고 행동할 수 있는가”의 문제로 확장될 것이다.

다시 말해 AI의 발전 방향은 크게 세 단계로 볼 수 있다. 첫 번째는 텍스트, 이미지, 코드, 영상 등을 만들어내는 생성형 AI이고, 두 번째는 사용자의 목표를 이해하고 필요한 절차를 수행하는 에이전트 AI이며, 세 번째는 센서와 로봇, 자동차, 가전, 설비 등과 결합해 현실 세계를 인식하고 행동하는 피지컬 AI이다.

생성형 AI가 지식과 콘텐츠 생산 방식을 바꾸었다면, 에이전트 AI는 업무 수행 방식을 바꾸게 될 것이다. 기존 AI 챗봇은 사용자가 질문을 던지면 답변을 생성하는 구조였다. 예를 들어 “2분기 실적 분석 보고서 초안을 작성해줘”라고 요청하면 AI는 일반적인 보고서 형식과 문장을 만들어줄 수 있다. 하지만 에이전트 AI는 “2분기 매출 데이터를 전년 동기 및 1분기 실적과 비교하고, 제품군별·고객군별 성장률과 수익성 변화를 분석한 뒤, 주요 원인과 3분기 대응 전략까지 포함해 경영진 보고용 자료로 정리해줘”라는 식의 복합적인 요청을 처리할 수 있어야 한다. 이때 에이전트 AI는 단순히 문장을 생성하는 것이 아니라, 데이터를 확인하고 지표를 계산하며, 결과를 표와 그래프로 정리하고 의사결정에 필요한 시사점까지 도출한다.

이러한 에이전트 AI의 핵심은 목표 이해, 계획 수립, 도구 사용, 기억과 맥락 관리, 실행 능력에 있다. 사용자의 의도를 파악하고, 필요한 외부 시스템과 데이터를 호출하며, 과거 업무 이력과 선호를 반영해 결과를 만들어야 한다. 따라서 에이전트 AI는 단순한 대화형 AI가 아니라 업무 흐름 안으로 들어오는 실행형 AI에 가깝다. 사무 업무, 고객 응대, 소프트웨어 개발, 마케팅, 교육, 금융, 의료, 행정 등 다양한 영역에서 에이전트 AI의 활용은 빠르게 확대될 가능성이 높다.

피지컬 AI: 비트와 원자가 다시 결합하는 시대

하지만 에이전트 AI에도 한계는 있다. 에이전트 AI는 문서를 읽고 데이터를 분석하고, 웹에서 정보를 찾고, 소프트웨어 도구를 사용하는 디지털 세계의 업무에는 강하다. 그러나 인간의 삶은 집, 사무실, 공장, 도로, 병원, 학교, 상점과 같은 물리적 공간에서 이루어진다. 에이전트 AI가 사용자의 목표를 이해하고 데이터를 분석하더라도 현실 세계의 상태를 직접 인식하고 물리적 행동으로 연결하지 못한다면 적용 범위에는 한계가 있다. 바로 이 지점에서 피지컬 AI가 중요해진다.

1995년 MIT 미디어랩의 창립자인 니콜라스 네그로폰테 교수는 그의 저서 『디지털이다(Being Digital)』에서 현대 사회의 변화를 “원자(atoms)에서 비트(bits)로의 전환”이라는 관점으로 설명했다. 실제로 지난 30년 동안 음악은 스트리밍으로, 신문은 포털과 뉴스 앱으로, 쇼핑은 전자상거래로, 업무는 클라우드 협업 도구로 이동했다. 한동안 비트가 중심이 되는 시대가 지속된 것이다.

그러나 AI의 다음 단계는 단순히 더 많은 것을 비트로 바꾸는 방향만은 아니다. 이제는 비트와 원자가 다시 결합하는 시대로 접어들고 있다. 디지털 지능이 물리적 세계를 이해하고, 현실 공간의 데이터를 받아들이며, 로봇이나 자동차, 가전, 설비를 통해 행동으로 이어지는 시대가 열리고 있다. 생성형 AI와 에이전트 AI가 비트의 세계에서 강력한 능력을 보여주었다면, 피지컬 AI는 그 지능을 원자의 세계로 확장하는 기술이다. 다시 말해 피지컬 AI는 에이전트 AI의 한계를 극복하고, AI의 적용 범위를 현실 세계 전체로 확대하는 방향이다.

이런 피지컬 AI는 NVIDIA의 젠슨 황 CEO가 CES 2025 키노트에서 언급한 이래로 주목받기 시작했다. 그는 AI의 발전을 인식 AI, 생성형 AI, 에이전트 AI, 그리고 피지컬 AI의 흐름으로 설명하며, 이제 AI가 디지털 콘텐츠를 생성하는 단계를 넘어 현실 세계를 이해하고 추론하며 계획하고 행동하는 단계로 진입하고 있다고 강조했다. NVIDIA는 CES 2025 키노트에서 로봇, 자율주행차, 스마트 공간 같은 피지컬 AI 시스템 개발을 위해 현실 조건을 가상 환경에서 시뮬레이션하는 Cosmos 플랫폼을 소개했다.

일상과 산업 현장을 파고드는 피지컬 AI의 실제 사례들

피지컬 AI는 단순히 로봇이나 자율주행차에 AI를 탑재하는 것을 의미하지 않는다. 현실 세계의 상태를 센서로 인식하고, 그 의미를 해석하며, 다음 상황을 예측하고, 필요한 행동을 선택해 실제 시스템을 제어하는 AI를 뜻한다. 이를 위해서는 카메라, 마이크, 레이더, 라이다, 온습도 센서, 위치 센서, 전력 센서, 재실 센서 등 다양한 입력 장치가 필요하다. 결국 피지컬 AI는 인식, 추론, 계획, 실행이 하나로 결합된 시스템이다.

대표적인 사례는 로봇이다. 현대자동차그룹이 인수한 보스턴 다이내믹스의 휴머노이드 로봇 아틀라스(Atlas), 테슬라의 옵티머스(Optimus)는 피지컬 AI가 향하는 방향을 잘 보여준다. 아틀라스나 옵티머스는 단순 반복 작업을 수행하는 자동화 장비를 넘어, 사람의 작업 환경 안에서 다양한 물리적 과업을 수행하는 로봇을 지향한다.

자율주행 역시 피지컬 AI의 대표 사례다. 자율주행차는 도로, 보행자, 차량, 신호, 날씨, 공사 구간, 예외 상황을 실시간으로 인식하고 판단해야 한다. Waymo는 미국 여러 도시에서 자율주행 호출 서비스를 확대하고 있으며, 아마존이 투자한 Zoox 역시 라스베이거스 스트립 일대에서 로보택시 서비스를 공식 출시했다. 자율주행은 AI가 물리 세계에서 안전하게 판단하고 행동해야 하는 가장 복잡한 피지컬 AI 영역 중 하나다.

스마트팩토리와 물류센터에서도 피지컬 AI의 가능성은 커지고 있다. 특히 Figure AI의 휴머노이드 로봇 Figure 03은 실제 물류 환경에서 피지컬 AI의 활용 가능성을 보여주는 사례다. 2026년 5월 Figure AI는 자체 AI 시스템 Helix-02를 탑재한 Figure 03을 물류센터에 투입해 약 9일간 쉬지 않고 택배 분류 작업을 수행했으며, 이 기간 동안 25만 개에 가까운 택배를 처리했다. 이 사례는 휴머노이드 로봇이 단순 시연을 넘어 시각 인식과 작업 계획, 물체 조작, 장시간 운용 능력을 결합한 피지컬 AI 시스템으로 발전하고 있음을 보여준다.

스마트홈과 지능형 공간 역시 피지컬 AI가 생활 속으로 들어오는 중요한 사례다. 지금까지의 스마트홈은 스마트폰 앱으로 조명, 커튼, 냉난방, 보안 기기를 제어하는 수준에 머물렀고, 이후에는 “외출하면 보안 모드로 전환한다”와 같은 규칙 기반 자동화를 하는 수준이었다. 하지만 피지컬 AI 시대의 스마트홈은 단순한 원격 제어나 자동화를 넘어 사람과 공간과 기기의 관계를 이해하는 지능형 생활 인프라로 발전하게 된다.

예를 들어 집 안의 AI는 가족 구성원의 재실 여부, 공간별 움직임, 조명과 냉난방 사용 패턴, 창문과 문 상태, 에너지 사용량, 보안 센서, 날씨, 일정 정보를 종합적으로 판단할 수 있다. 가족이 모두 외출하면 조명과 냉난방, 대기전력을 줄이고 보안 모드로 전환할 수 있으며, 부모님이 장시간 움직이지 않거나 평소와 다른 야간 이동 패턴을 보이면 보호자에게 알림을 보낼 수 있다. 또한 취침 시간이 가까워지면 조명 밝기, 커튼, 실내 온도, 보안 상태를 자동으로 조정할 수 있다.

이처럼 피지컬 AI 시대의 스마트홈은 연결된 기기의 집합이 아니라, 사용자의 생활 맥락을 이해하고 필요한 행동을 제안하거나 실행하는 지능형 공간이 된다. 더 나아가 사용자가 명령하지 않아도 사용자의 평소 생활 패턴을 바탕으로 주변 환경이 사용자의 의도와 상황을 이해해 필요한 서비스를 알아서 제공하는 앰비언트 AI의 세상으로 이어질 수 있다.

미래 AI: 경쟁력의 조건 하이브리드 구조와 현실 세계의 신뢰성

다만 에이전트 AI와 피지컬 AI가 실제 생활과 산업 현장에서 안정적으로 작동하기 위해서는 클라우드 AI만으로는 충분하지 않다. 클라우드 AI는 대규모 지식 처리, 복잡한 추론, 외부 서비스 연동에 강점이 있지만, 모든 데이터를 클라우드로 보내 처리하므로 지연시간, 개인정보 보호, 네트워크 의존성, 비용 측면에서 한계를 가진다. 무엇보다 로봇이 사람 옆에서 움직이거나, 자율주행차가 도로 상황을 판단하거나, 스마트홈이 보안·안전 상황에 대응하는 물리 세계에서는 단 한 번의 판단 오류나 지연이 인명 사고와 자산 파괴 등 치명적인 결과로 직결될 수 있다. 따라서 현실의 오차를 용납하지 않는 엄격한 안전성과 신뢰성 확보, 그리고 즉각적인 실시간 반응이 무엇보다 중요하다.

이에 따라 미래의 AI 구조는 클라우드 AI 하나가 모든 것을 처리하는 방식이 아니라, 클라우드 AI와 엣지 AI, 온디바이스 AI가 역할을 나누는 하이브리드 구조로 발전할 가능성이 높다. 클라우드 AI는 대규모 지식과 복잡한 계획, 외부 서비스 연동을 담당하고, 엣지 AI는 공간 단위의 맥락 판단과 여러 기기의 통합 제어를 담당하며, 온디바이스 AI는 센서나 기기 내부에서 실시간 인식과 저지연 반응을 안전하게 처리한다. 예를 들어 스마트홈에서 날씨 정보나 복잡한 질의응답은 클라우드 AI가 처리할 수 있지만, 재실 감지, 조명 제어, 보안 알림, 낙상 의심 판단, 취침 루틴 실행은 시스템의 신뢰성과 즉각성을 위해 집 안의 에지 허브나 디바이스에서 우선 처리하는 것이 더 적합하다.

결국 에이전트 AI와 피지컬 AI의 미래는 클라우드 AI를 부정하는 방향이 아니다. 오히려 클라우드의 강점과 온디바이스·엣지 AI의 강점을 결합해, 더 빠르고 안전하며 개인화된 AI 시스템을 만드는 방향으로 발전할 것이다. 생성형 AI가 인간의 언어와 지식을 다루는 방식을 바꾸었다면, 에이전트 AI는 인간의 업무 수행 방식을 바꾸고, 피지컬 AI는 인간이 살아가는 현실 공간 자체를 바꾸게 될 것이다.

AI의 미래 경쟁력은 모델이 얼마나 많은 지식을 알고 있는가에만 달려 있지 않다. 사용자의 목표를 얼마나 정확히 이해하고 현실 세계의 변화를 얼마나 정밀하게 인식하는가, 그리고 그 판단을 얼마나 안전하고 신뢰성 있게 행동으로 연결하는가가 중요해진다. 1995년 이후 디지털 혁명이 원자를 비트로 전환하는 과정이었다면, 앞으로의 AI 혁명은 비트의 지능을 다시 원자의 세계와 결합하는 과정이 될 것이다. AI의 다음 무대는 화면 속 대화창이 아니라, 우리가 일하고 생활하는 현실 세계다. 그리고 그 변화의 중심에는 에이전트 AI와 피지컬 AI가 자리하게 될 것이다.