로봇 10대를 통제된 환경에서 돌리는 건 어렵지 않다. 모두가 루프 안에 있기 때문이다.
그런데 수십 개 현장, 복수 교대 근무로 확장되면 이 구조는 무너진다. 로봇 운영이 제품 출시가 아니라 분산 운영 사업이 되는 시점이다.
HireArt는 이 전환을 AI 노동의 진화에 빗댄다. 초기 컴퓨터 비전은 단순 레이블링을 분산시켰지만, LLM 시대에 작업은 판단력·품질 관리로 바뀌었다. 크라우드 작업은 책임 명확한 팀 구조로 대체됐다.
물리 AI도 비슷한 전환을 겪는다. 창고·병원·공장에서 '품질'은 모델 지표가 아니라 가동률, 안전, 고객 경험이 된다.
기존 긱 방식은 교대 커버리지, 안전 교육, 에스컬레이션이 필요한 환경에서 버티지 못한다. 대신 핵심 인력과 서지 인력을 결합한 하이브리드 모델이 확산된다. 훈련된 정규직이 SOP·에스컬레이션을 맡고, 유연 인력이 파일럿·신규 현장을 지원한다.
로봇 운영자, 텔레오퍼레이터, QA 검증자 같은 새 역할이 늘어난다. 엣지 케이스 해석과 장애 문서화가 핵심 업무다. 속도 중심 지표는 물리 환경에서 역효과를 낸다. 절차 준수, 문서화 품질, 안전 행동이 새 기준이다.
국내 제조·물류 현장도 마찬가지다. 로봇이 단순 반복 작업을 줄이지만, 완전 무인화가 아니다. 로봇을 감독하고 예외를 판단하는 새 인력 수요가 생긴다. 일자리 대체가 아니라 전환이다.
HireArt 공동창업자 크리스토퍼 바워는 '로봇 확장은 더 나은 자율성이 아니라, 여러 현장에 걸쳐 인간 판단을 기계 지능과 함께 안정적으로 확장하느냐로 정의된다'고 말한다.
