74%와 0.3% — 같은 로봇 시장을 보고도 전혀 다른 숫자가 나온다
Anthropic은 미국 약 900개 직업과 약 1만9000개 업무를 분석해 현재 로봇이 육체업무의 74%를 어떤 조건에서는 수행할 수 있다고 추정했다. 이를 전체 노동시간으로 환산하면 약 34%다.
하지만 로봇의 구매·설치·유지보수·감독·에너지 비용까지 포함하면 현재 사람보다 비용경쟁력이 있는 영역은 전체 노동의 약 0.3%였다.
74%는 기술적 노출의 범위이고 0.3%는 현재 비용까지 통과한 영역이다. 두 숫자를 같은 분모로 읽으면 안 되며, 바로 그 차이가 Physical AI의 실제 시장을 이해하는 핵심이다.
‘할 수 있다’에도 네 단계가 있다
연구는 로봇이 업무를 수행할 수 있는 환경을 E0부터 E3까지 나눈다. E0는 현재 로봇이 수행하지 못하는 업무, E1은 로봇을 위해 만든 환경에서 가능한 업무, E2는 구조화된 인간 작업환경에서 가능한 업무, E3는 비정형 환경에서도 가능한 업무다.
전체 노동시간 기준 약 12%는 현재 로봇이 수행할 수 없는 육체업무이고, 약 23%는 전용 환경에서, 10%는 구조화된 인간 작업장에서, 1%는 비정형 환경에서 로봇이 수행할 수 있는 업무였다.
따라서 74%라는 수치는 로봇이 사람처럼 어디서나 육체노동의 74%를 할 수 있다는 뜻이 아니다. 상당한 비중은 작업환경을 로봇에게 맞춰야 가능하다.
데모에서 성공하는 것과 현장에서 반복되는 것은 다르다
Anthropic은 단순히 한 번 시연된 기능을 capability로 세지 않았다. 현재 존재하는 로봇이 사람과 비슷한 수준의 속도·신뢰성·오류율로 그 일을 수행할 수 있는지를 확인했다.
그럼에도 capability 자체가 약 70%의 육체업무에서 대규모 자동화를 막는 요인으로 평가됐다. 특히 물체를 만지고 다루는 manipulation 능력은 육체업무 절반에서 중요한 제약으로 나타났다.
Physical AI의 성능은 한 번의 성공 장면보다 환경이 달라지고 작업이 반복돼도 같은 수준을 유지할 수 있는지로 봐야 한다.
Capability를 통과해도 Economics라는 더 큰 문이 남는다
Anthropic은 각 업무에 사용되는 로봇의 구입과 설치, 수명, 자본비용, 유지보수, 에너지, 사람의 감독비용을 연간 비용으로 추정해 인간의 총보상과 비교했다.
그 결과 로봇이 기술적으로 수행 가능한 업무는 많지만, 현재 비용까지 포함해 사람보다 싼 영역은 전체 노동의 약 0.3%뿐이었다.
즉 Can Do와 Should Deploy는 같은 질문이 아니다. 로봇이 일을 할 수 있다는 사실은 기업이 그 로봇을 도입해야 한다는 경제적 근거가 되지 않는다.
포장업무는 0.3%가 어떻게 만들어지는지 보여준다
연구가 예시로 든 포장업무에서는 물건 이동, 검사, 박스 조립, 라벨링, 밀봉을 위해 여러 로봇을 함께 사용한다. 초기 구입·설치비는 200만달러를 넘지만 약 14명의 연간 작업량을 대체할 수 있다고 추정한다.
장비 수명과 자본비용, 유지보수, 사람 감독, 에너지를 포함해 연간화하면 한 사람의 일을 대신하는 비용은 약 4만5000달러다. 해당 직업의 인간 노동비용은 약 4만9000달러로 추정돼 로봇이 연간 약 2500달러 저렴하다.
경제성이 성립하는 이유는 만능 휴머노이드 때문이 아니라 환경이 구조화돼 있고, 작업량이 크며, 반복성이 높고, 큰 초기 고정비를 오랜 기간 나눌 수 있기 때문이다.
Task Automation과 Job Automation은 다르다
용접은 이미 자동화가 오래된 영역이다. 하지만 실제 용접공의 일은 용접만이 아니다. 큰 금속부품을 옮기고, 위치를 잡고, 높은 곳에 올라가며, 품질을 확인하고, 연마와 마무리 작업도 한다.
Anthropic이 이 전체 업무를 로봇으로 구성해 비용을 추정하자 인간 용접공보다 약 5배 비쌌다.
직업을 구성하는 여러 업무 가운데 대부분을 자동화해도 마지막 몇 개의 사람 업무가 남으면 전체 경제성은 전혀 달라질 수 있다. Task Automation과 Job Automation을 구분해야 하는 이유다.
과거 추세라면 10%까지 40년 — 하지만 이 숫자는 예언이 아니다
산업·정부 데이터를 참고한 연구의 장기 추정에서 로봇 가격은 1990년대 이후 연평균 약 3% 하락해왔다. 이 추세를 단순 연장하면 비용경쟁력 있는 노동이 현재 0.3%에서 10%로 늘기 위해 약 70%의 비용 하락이 필요하고 약 40년이 걸린다.
다만 연구도 이를 미래 확정값으로 제시하지 않는다. 휴머노이드 대량생산, 부품 가격 하락, 제조혁신, AI capability 개선이 동시에 일어나면 품질을 감안한 비용은 더 빠르게 떨어질 수 있다.
빠른 시나리오에서는 2050년까지 육체업무 절반이 비용경쟁력을 갖는 경로도 나온다. 중요한 것은 특정 연도가 아니라 어떤 기술·제조·배치 혁신이 비용곡선을 얼마나 빨리 꺾는가다.
BANSEOG VIEW | Physical AI의 시장은 Capability와 Deployment 사이에서 만들어진다
로봇기업을 볼 때 ‘무엇을 할 수 있는가’만 보면 시장을 과대평가하기 쉽다. 반대로 현재 비용경쟁력 0.3%만 보면 기술의 확장속도를 과소평가할 수 있다.
Banseog는 그 사이를 Capability → Environment Fit → Reliability → Integration → Economics → Deployment의 여섯 단계로 본다.
로봇의 시장은 할 수 있는 일의 수가 아니라, 반복해서 실제 현장에서 기존 시스템과 연결돼 사람보다 경제적으로 수행할 수 있는 일의 수가 늘어날 때 커진다.
BANSEOG VIEW
Banseog View — Capability → Environment Fit → Reliability → Integration → Economics → Deployment
기술적 노출 74%와 비용경쟁력 0.3%는 서로 모순되는 숫자가 아니라 서로 다른 단계의 지표다.
Physical AI의 실제 시장은 환경 적합성, 신뢰성, 시스템 통합, 총비용, 확장성을 통과하면서 만들어진다.
기업과 인재를 볼 때도 모델 성능만이 아니라 production engineering, reliability, field deployment, integration, fleet operations 같은 capability의 중요성이 커질 수 있다.
SOURCES
근거가 된 원자료
- Anthropic — What work can robots do?
2026-09-30. 약 900개 직업·약 1만9000개 업무를 이용한 로봇 노출 연구. 육체업무 74%, 전체 노동시간 34%, 현재 비용경쟁력 0.3%, 환경별 E0–E3 분류, capability·cost 장벽, 포장·용접 비용 사례, 과거 가격하락률과 장기 시나리오를 확인.
74%는 로봇이 어떤 환경에서는 수행할 수 있는 육체업무의 비중이고, 34%는 이를 전체 노동시간으로 환산한 값이다. 0.3%는 현재 비용까지 고려해 로봇이 사람보다 비용경쟁력이 있다고 추정된 전체 노동의 비중이다. 연구는 O*NET·BLS 데이터와 Claude 기반 task 분류·비용 추정을 결합하므로 측정오차와 모델링 가정을 포함한다. Capability → Environment Fit → Reliability → Integration → Economics → Deployment는 Anthropic의 공식 단계가 아니라 연구 결과를 Physical AI 도입 판단으로 번역한 Banseog의 분석 프레임이다.