휴머노이드 가격표가 “얼마나 잘 걷나”보다 중요한 질문을 만들기 시작했다

Agility Robotics가 SEC에 제출한 투자자 자료와 S-4를 보면 차세대 Digit v5를 고객이 도입했을 때의 경제성 모델이 이례적으로 구체적인 숫자로 내려온다. 회사는 Ownership 모델의 5년 누적 고객비용을 약 40만달러, RaaS 모델을 약 50만달러 수준으로 제시한다.

S-4를 바탕으로 공개된 세부 가격구성에서는 Ownership 고객이 로봇 자체에 약 20만달러, 초기 deployment에 약 2만달러를 지불하고 이후 Arc software와 maintenance에 연 약 3만6천달러를 부담하는 예시가 제시된다. 5년을 단순 합산하면 약 40만달러다. RaaS는 로봇 소유권을 Agility가 유지하고 월 약 8,500달러의 subscription과 초기 deployment fee를 받는 구조다.

여기서 가장 먼저 선을 그어야 한다. 이 가격과 ROI는 확정된 정가표나 실제 고객 평균치가 아니다. Agility와 Churchill 자료 자체가 Unit Economics를 “purely illustrative”한 forward-looking estimate로 규정하고 있으며 실제 계약가격·가동률·비용·성과는 달라질 수 있다고 명시한다.

40만달러짜리 로봇이 어떻게 1.1년 만에 본전이라는 계산이 나올까

핵심은 비교단위다. Agility는 Digit 한 대를 직원 한 명의 연봉과 단순 비교하지 않는다. 모델은 material mover의 fully burdened labor cost를 시간당 약 30.50달러로 놓고, 하루 10시간짜리 두 개 shift를 주 6일 운영해 주 120시간의 노동량을 비교한다.

이 가정을 적용하면 첫해의 equivalent human labor cost는 약 19만달러로 계산되고, 자료에서는 반올림해 연 약 20만달러로 표시한다. 여기에 매년 5%의 wage inflation을 가정하면 5년 누적 equivalent labor cost는 약 110만달러가 된다.

반면 Ownership 모델의 5년 Digit 비용은 약 40만달러다. 회사는 이 차이를 이용해 약 67만달러의 잠재 순절감, 2.5배 잠재 ROI, 약 1.1년의 payback을 제시한다. 따라서 1.1년이라는 숫자의 본질은 “20만달러짜리 기계가 싸다”가 아니라 충분히 많은 반복 노동시간을 한 로봇에 계속 배정할 수 있다는 가정이다.

120시간/주가 성립하지 않으면 경제성도 크게 달라진다

Unit Economics에서 가장 중요한 숫자는 구매가격만이 아니다. 주 120시간의 실제 productive work가 계속 존재하는지, 그 시간 동안 uptime과 throughput이 유지되는지, 충전·장애·안전정지·작업전환 시간이 얼마나 드는지가 결과를 바꾼다.

Agility의 2026년 6월 자료는 Digit v5의 24시간 내 최대 battery output을 약 22시간까지 기대한다고 설명한다. 그러나 최대 가동 가능시간과 고객현장에서 경제적 가치가 있는 작업을 실제로 수행한 시간은 같은 숫자가 아니다.

또한 integration, 현장 layout, workflow redesign, 사람의 supervision, maintenance, 예외처리 같은 비용이 예상보다 커질 수 있다. SEC 위험요인도 Digit v5가 아직 개발 중이고, high-volume manufacturing 경험이 제한적이며, 5년 useful-life를 포함한 unit economics가 예상대로 실현되지 않을 수 있다고 명시한다. 이 조건들이 바로 앞으로 실제 고객 ROI를 검증할 때 봐야 할 항목이다.

실제 운영 Evidence는 있다 — 다만 현재 실적은 v4, 경제성 모델은 v5다

Agility가 단순한 데모회사만은 아니라는 근거도 있다. GXO의 Flowery Branch 물류시설에서 Digit은 상업배치 중 10만개 이상의 tote를 이동했다. 회사는 이 과정에서 반복적인 tote handling과 기존 warehouse workflow 통합을 장기간 검증했다고 설명한다.

Toyota Motor Manufacturing Canada도 pilot 이후 2026년 2월 Agility와 Robots-as-a-Service 상업계약을 체결했다. Toyota는 제조·공급망·물류 operation에서 Digit을 활용하고 추가 use case를 탐색할 계획이라고 밝혔다.

하지만 이 두 종류의 Evidence를 합치면 안 된다. GXO 등의 실제 운영실적은 현재 Digit v4를 중심으로 축적된 결과이고, 5년 약 40만달러·1.1년 payback은 차세대 Digit v5에 대한 forward-looking economics다. “100,000 totes를 옮겼으므로 1.1년 ROI가 검증됐다”는 결론은 공개자료가 지지하지 않는다.

RaaS가 바꾸는 것은 로봇의 가격보다 기업이 자동화를 사는 방식이다

Agility는 직접구매와 함께 RaaS를 제시한다. SEC 자료의 illustrative assumption은 Digit 한 대당 월 8,500달러 수준의 subscription이며, robot·Arc software·maintenance를 서비스 형태로 묶는다. 초기 deployment fee도 별도로 존재한다.

이 구조에서는 고객이 “20만달러짜리 로봇을 살까”만 판단하는 것이 아니라 “이 workflow에 연간 어느 정도의 자동화 capacity 비용을 지불할까”로 문제를 바꿀 수 있다. 초기 capital risk의 일부를 공급자가 보유하는 대신 Agility는 recurring revenue와 장기 deployment 관계를 얻는다.

Physical AI의 상용화에서 이 차이는 기술만큼 중요할 수 있다. 같은 로봇 성능이라도 procurement 방식, proof-of-value 기간, 고객이 부담하는 upfront risk에 따라 실제 adoption 속도가 달라질 수 있기 때문이다.

일자리 질문도 “사람 한 명 대 로봇 한 대”보다 task bundle로 내려가야 한다

Digit의 현재 대표 workflow는 tote·bin과 같은 물체를 반복 이동하는 material handling이다. 한 사람의 직업 전체에는 이동 외에도 판단, 예외처리, 협업, 안전 대응, 설비 문제처리 같은 여러 책임이 섞여 있다. 로봇이 그 모든 책임을 한 번에 복제하지 않아도 기업은 반복량이 충분한 업무 묶음 하나부터 자동화 계산을 시작할 수 있다.

따라서 “휴머노이드가 어떤 직업을 없앨까”보다 먼저 볼 질문은 “어떤 task bundle이 uptime·throughput·가격 조건을 만족해 로봇의 unit economics를 통과하는가”다. 그 경계가 실제로 확인될수록 직무 안에서 사람에게 남는 책임과 자동화되는 책임을 더 구체적으로 나눌 수 있다.

이는 자동화로 사라지는 노동과 새로 생기는 노동의 총량이 같다는 뜻도 아니다. 반석이 보는 변화는 숫자를 미리 단정하는 대신 어떤 task가 경제성을 통과했고, 그 주변에서 역할 구성이 어떻게 다시 나뉘는지를 추적하는 것이다.

로봇이 예산을 통과하면 그 다음 병목은 deployment·fleet·maintenance로 이동할 수 있다

실제 현장에 로봇이 늘어나면 deployment, commissioning, workflow integration, reliability, fleet operation, maintenance, safety, troubleshooting 같은 책임이 함께 생긴다. Agility의 Arc 역시 facility mapping부터 workflow definition, fleet operation과 troubleshooting을 관리하는 deployment software를 표방한다.

반석 Physical AI의 현재 공개채용 그래프에서도 Agility는 검증된 OPEN 공고를 통해 Software Engineering과 Fleet Operation capability가 연결돼 있다. 이는 회사 전체의 인력구성을 대표하는 통계가 아니라 현재 관찰 가능한 한 개의 hiring Evidence다.

앞서 Apptronik에서 본 “Engineering Last Mile”이 로봇을 고객현장에 붙이고 계속 돌리는 문제였다면, Agility의 이번 공개자료는 그 다음 질문을 보여준다. 그 engineering을 포함한 전체 workflow가 실제 고객의 예산과 ROI 기준까지 통과할 수 있는가. Physical AI 상용화의 다음 경쟁은 이 두 장면이 동시에 성립하는지에서 갈릴 수 있다.

BANSEOG VIEW

휴머노이드의 다음 관문은 “걷는가”가 아니라 “한 workflow의 예산을 통과하는가”다

Agility의 1.1년 payback은 검증된 고객 평균이 아니라 주 120시간·시간당 $30.50·5년 useful life 등 여러 전제를 둔 회사의 illustrative model이다. 숫자를 그대로 미래로 연장해서는 안 된다.

그럼에도 공개자료의 변화는 중요하다. Physical AI 기업이 제품 성능뿐 아니라 workflow별 가격·가동시간·노동비용·ROI를 설명하기 시작하면 고객의 의사결정 단위가 기술 데모에서 실제 budget decision으로 내려온다.

인재시장도 같은 방식으로 봐야 한다. 어떤 반복 task가 실제 unit economics를 통과하는지 확인한 뒤, 그 주변에서 deployment·integration·fleet operation·maintenance 같은 역할이 어떻게 커지거나 재편되는지를 Evidence로 추적해야 한다.

SOURCES

근거가 된 원자료

본문은 2026년 9월 10일 기준 SEC 제출자료와 Agility 공식 발표를 중심으로 작성했다. 약 $400K Ownership cost, 1.1년 payback, 2.5x ROI, 120시간/주 등은 Agility가 만든 forward-looking illustrative model이며 실제 고객 평균 성과가 아니다. 세부 Ownership 가격구성($200K purchase, $20K deployment, 연 $36K software+maintenance)은 공개 S-4를 인용해 보도한 Business Insider의 정리를 보조근거로 사용했다. GXO의 100,000+ tote와 Toyota 계약은 실제 commercial deployment Evidence지만 주로 Digit v4의 운영실적이며, 이를 Digit v5의 경제성 검증으로 확대해석하지 않는다. 반석 Physical AI의 회사·직무·Skill 연결은 게시 시점의 현재 검증 OPEN 채용 Evidence로 별도 표시되며 향후 바뀔 수 있다.