휴머노이드 6대가 '로봇 관절'을 조립한다…셰플러는 왜 로봇 훈련센터까지 만들었나

로봇 관절을 만드는 공장에 훈련센터가 함께 들어선 이유

독일의 자동차·산업용 부품기업 셰플러(Schaeffler)가 중국에 특별한 공장을 열었다.

2026년 10월 20일, 중국 장쑤성 타이창(Taicang)에 문을 연 약 7,500㎡ 규모의 휴머노이드 로봇 공장이다.

이 공장의 조립라인에서는 휴머노이드 로봇 6대가 5개 작업 위치에서 움직인다.

로봇들은 부품을 준비하고 분류하며, 결합과 검사, 라벨 부착과 포장에 참여한다.

그런데 이 공장에서 생산하는 제품도 로봇과 관련돼 있다.

휴머노이드의 관절과 움직임을 담당하는 액추에이터를 포함한 핵심 부품이다.

말 그대로 로봇이 다음 세대 로봇의 부품을 조립하는 것이다.

셰플러는 이 시설을 관련 부품의 양산을 시작하는 거점이라고 설명한다.

회사는 같은 달 휴머노이드 관련 글로벌 수주 규모가 약 4억 유로에 도달했다고도 밝혔다.

이 정도만 보면 로봇 산업의 성장에 대응해 생산시설을 늘렸다는 뉴스로 이해할 수 있다.

그러나 공장 내부의 구성을 보면 조금 이상하다.

생산라인 외에도 로봇 훈련센터, 작업 데이터 수집시설, 디지털트윈 플랫폼, 데이터센터가 같은 장소에 들어가 있다.

부품을 더 많이 만들려는 기업이 왜 로봇을 훈련하는 공간까지 마련했을까?

그리고 이틀 뒤 셰플러는 독일 로봇 소프트웨어 기업 Wandelbots와 협력해, 한 공장에서 개발한 로봇 작업을 다른 공장으로 옮길 수 있도록 하겠다고 발표했다.

하루 전에는 NVIDIA와 액추에이터의 움직임을 정밀하게 시뮬레이션하는 협력도 공개했다.

세 발표를 연결하면 셰플러가 해결하려는 문제의 범위가 보인다.

로봇을 만드는 것과, 로봇이 공장에서 실제 일을 배우고 그 능력을 다른 공장에서도 활용할 수 있게 만드는 것은 다른 사업이다.

셰플러는 두 영역의 경계를 넓히려 하고 있다.

1. '로봇이 로봇을 만든다'는 말의 정확한 의미

먼저 공장에서 실제로 무엇을 하는지 구분해야 한다.

셰플러는 타이창에 휴머노이드 완제품을 처음부터 끝까지 자동 조립하는 공장을 세웠다고 발표한 것이 아니다.

현재 공식 발표에서 확인되는 생산 대상은 휴머노이드 로봇에 사용되는 핵심 관절 모듈이다.

대표적인 제품이 선형 및 회전형 액추에이터다.

액추에이터는 전기적 에너지를 기계적인 움직임으로 바꾸고, 로봇의 관절과 구동부가 정해진 동작을 수행하도록 하는 핵심 구성요소다.

휴머노이드가 팔을 움직이고 다리의 자세를 바꾸거나 물체를 다루려면 여러 관절을 조화롭게 제어해야 한다.

셰플러는 기존 자동차·산업기계 분야에서 축적한 정밀 구동부품과 양산기술을 이러한 로봇 부품에 적용하고 있다.

타이창 공장의 조립라인에서는 휴머노이드 6대가 5개 작업 위치에서 협력한다고 설명한다.

작업 내용은 부품 준비·분류·결합·검사·라벨링·포장 등이다.

공장에는 실제 작업라인을 가상환경에 반영하는 디지털트윈도 구축돼 있다.

센서는 조립 정확도, 작업시간, 에너지 소비, 장비 상태 등의 데이터를 수집한다.

하지만 여기서 중요한 제한이 있다.

셰플러는 이 라인의 시간당 생산량, 불량률, 실제 가동률, 사람의 개입 빈도, 로봇 한 대당 생산성 등을 공개하지 않았다.

따라서 휴머노이드 6대가 인간 노동자 몇 명을 완전히 대체했다고 주장할 수 없다.

원격조작이 얼마나 필요한지, 개별 작업이 어느 정도 자율적으로 수행되는지도 공식 발표만으로 확정할 수 없다.

현재 확인되는 것은 휴머노이드가 실제 부품 조립라인에 참여한다는 사실이지, 해당 라인의 경제성이 이미 입증됐다는 사실이 아니다.

그럼에도 생산라인과 훈련시설을 한곳에 모은 구조는 중요하다.

2. 휴머노이드 수주 4억 유로, 그런데 왜 생산공장에 훈련시설이 필요할까

10월 13일 셰플러는 2026년 3분기 잠정 실적을 발표하면서 휴머노이드 사업의 주문이 약 4억 유로 규모로 증가했다고 밝혔다.

중국에서 신규 고객 두 곳을 확보한 것이 수주 확대에 기여했다.

10월 20일 타이창 공장 발표에서도 같은 수치가 언급됐다.

그러나 4억 유로는 타이창 공장 한 곳의 매출이 아니다.

셰플러가 전 세계 휴머노이드 사업에서 확보했다고 발표한 수주 규모다.

실제로 인식한 매출이나 영업이익, 현금 회수액과도 구분해야 한다.

이 숫자는 부품 공급사업에 대한 고객 수요를 보여주지만, 해당 공장의 생산라인이 얼마나 효율적으로 가동되는지는 알려주지 않는다.

그런데 생산공장에 훈련시설을 설치했다는 사실은 셰플러가 부품 제조와 별개의 문제도 다루려 한다는 점을 시사한다.

휴머노이드 로봇이 공장에서 실제 업무를 수행하려면 작업환경에 적응해야 한다.

예를 들어 부품을 집어 올리는 작업을 생각해 보자.

로봇은 부품의 위치와 방향을 확인하고, 적절한 힘으로 집어 올려 목적지에 놓아야 한다.

부품이 조금 다른 위치에 놓였을 때도 같은 작업을 수행할 수 있어야 한다.

이 과정에서 로봇의 손과 관절, 센서, 제어 소프트웨어가 함께 작동한다.

또한 반복적인 작업을 수행하면서도 생산품질과 설비 안전을 유지해야 한다.

이러한 능력은 로봇을 구매했다고 해서 자동으로 보장되는 것이 아니다.

고객은 자신의 공장과 업무에 맞춰 작업을 구현하고 검증해야 한다.

셰플러의 타이창 공장은 부품을 생산하면서 동시에 이러한 업무 적용 문제를 시험하는 공간으로 설계됐다.

3. 훈련센터의 진짜 대상은 로봇 한 대가 아닐 수도 있다

셰플러는 훈련·데이터 수집센터에서 여러 산업용 작업을 다룬다고 밝혔다.

대표적인 작업은 부품의 시각검사, 포장, 자재 운반, 용기 이동, 생산라인의 자재 보충 등이다.

이들은 화려한 로봇 시연에서 가장 눈에 띄는 작업은 아닐 수 있다.

하지만 실제 공장에서는 반복적으로 발생하는 업무다.

예를 들어 물류용 용기를 옮기는 작업은 하나의 공장에서만 필요한 일이 아닐 수 있다.

자재 공급과 포장, 부품 분류, 생산라인의 물품 운반 역시 여러 공장에서 공통적으로 나타날 수 있다.

셰플러는 훈련환경을 자사가 운영하는 약 100개 생산거점의 실제 조건에 맞춰 설계하고 있다고 설명했다.

이 부분이 중요하다.

로봇 한 대가 작업을 배우는 것이 목적이라면 그 작업을 수행할 수 있는 훈련시설만 있으면 된다.

그러나 비슷한 업무를 여러 공장에서 활용하려 한다면 문제가 달라진다.

작업을 수행하는 방법을 데이터와 소프트웨어로 남기고, 새로운 환경에 맞게 조정하고, 다시 검증할 수 있어야 한다.

셰플러는 훈련·시뮬레이션·생산 과정에서 수집한 데이터를 연결해 로봇의 성능을 개선하겠다고 밝혔다.

이는 개별 로봇 한 대의 학습뿐 아니라, 특정 업무를 수행하는 데 필요한 경험을 반복 활용하려는 방향으로 해석할 수 있다.

다만 현재 모든 로봇 작업이 이미 100개 공장에 배포됐다는 뜻은 아니다.

훈련시설이 존재한다는 사실과 여러 생산현장에서 동일한 성과를 재현했다는 사실은 구분해야 한다.

4. 셰플러는 부품 공급자인 동시에 로봇을 사용하는 고객이다

셰플러의 기존 사업을 생각하면 이번 전략은 더 흥미롭다.

셰플러는 휴머노이드 로봇 완제품을 중심으로 성장한 스타트업이 아니다.

베어링, 정밀기계, 구동기술 등에서 오랜 제조 경험을 축적한 기업이다.

이러한 역량을 활용해 휴머노이드용 액추에이터 공급사업을 확대하고 있다.

그런데 셰플러는 로봇 제조사에 부품을 판매하는 데서 그치지 않고, 그 기업들이 만드는 로봇을 자사 공장에 도입하려 하고 있다.

2026년 1월 영국의 휴머노이드 개발기업 Humanoid와 체결한 협력에서는 액추에이터 개발·공급과 함께, 향후 5년 동안 수백 대의 휴머노이드를 셰플러의 글로벌 생산거점에 도입할 계획을 발표했다.

4월에는 Hexagon Robotics와 협력을 발표하면서 향후 7년에 걸쳐 최소 1,000대의 휴머노이드를 글로벌 생산체계에 도입할 계획을 밝혔다.

이 두 발표의 예상 도입 규모를 단순 합산해 확정 구매대수로 처리해서는 안 된다.

각각 별도의 협력계획이며 실제 발주·인도·설치 실적과도 구분해야 한다.

그럼에도 사업구조는 분명하다.

셰플러는 휴머노이드 부품을 공급하면서 동시에 휴머노이드가 실제로 사용되는 고객의 입장도 경험하려 한다.

이는 독특한 학습 조건을 만든다.

부품 공급사는 자신의 액추에이터가 어떤 환경에서 작동하는지 이해해야 한다.

고객은 로봇이 주어진 업무를 안정적으로 수행할 수 있는지 확인해야 한다.

두 역할을 동시에 수행한다면 부품의 성능과 실제 공장 적용 문제 사이에서 얻은 정보를 제품 개선에 활용할 가능성이 있다.

예를 들어 특정 작업에서 관절의 발열이나 힘 제어가 문제가 된다면, 로봇 운영현장에서 발견한 조건을 액추에이터 설계와 검증에 다시 반영할 수 있을 것이다.

물론 셰플러가 실제로 그런 개선 효과를 어느 정도 얻었는지는 별도 실험자료가 필요하다.

그러나 단순히 로봇 부품을 납품하는 기업과, 그 부품을 사용하는 로봇의 실제 산업 적용까지 경험하는 기업은 서로 다른 종류의 정보를 확보할 수 있다.

5. 10월 21일 NVIDIA 협력 — 로봇이 움직이기 전에 관절의 물리를 검증한다

타이창 공장 발표 다음 날인 10월 21일, 셰플러는 NVIDIA와 새로운 협력을 발표했다.

휴머노이드용 액추에이터의 고정밀 디지털트윈을 NVIDIA의 로봇 시뮬레이션 기술과 연결하겠다는 내용이다.

협력 대상에는 물리 시뮬레이션 엔진 Newton과 NVIDIA Isaac Lab, Isaac Sim이 포함된다.

여기서 해결하려는 문제는 로봇의 움직임을 가상환경에서 얼마나 현실에 가깝게 재현할 수 있는가다.

가상의 로봇이 특정 무게의 물체를 들어 올릴 수 있다고 가정해 보자.

그런데 실제 로봇의 관절에는 회전력과 속도, 마찰, 발열, 기계적 한계가 존재한다.

시뮬레이션이 이런 특성을 충분히 반영하지 못하면 가상환경에서 성공한 동작이 실제 장비에서 실패할 수 있다.

이를 흔히 Sim-to-Real 격차라고 부른다.

셰플러는 자사가 개발한 액추에이터의 물리적 특성을 정밀하게 모델링해, 로봇 개발사가 실제 부품을 설치하기 전부터 움직임을 검토할 수 있도록 하려 한다.

이 접근이 성공하면 로봇 개발사는 모든 가설을 실제 하드웨어에서 반복 시험할 필요가 줄어들 수 있다.

다른 로봇 모델에 같은 종류의 액추에이터를 적용하는 작업에서도 기술적 검증 부담이 낮아질 가능성이 있다.

하지만 한계도 분명하다.

셰플러와 NVIDIA가 장기적으로 지향하는 목표 가운데 하나는 현장에서 복잡한 추가 훈련을 최소화하는 '제로샷(Zero-shot)' 배치다.

제로샷 배치는 현재 모든 산업현장에서 이미 구현된 상용 성능이 아니라 장기적인 기술 목표다.

액추에이터의 물리모델이 정확해져도 실제 공장의 조명, 물체 위치, 작업환경, 안전조건까지 자동으로 검증되는 것은 아니다.

여기서 다음 발표가 연결된다.

6. 10월 22일 Wandelbots 협력 — 이번에는 '관절'이 아니라 '작업'을 옮기려 한다

NVIDIA 협력이 발표된 다음 날, 셰플러는 독일 로봇 소프트웨어 기업 Wandelbots와 기술협력을 발표했다.

협력의 중심은 Wandelbots NOVA 플랫폼이다.

이 플랫폼은 서로 다른 로봇 시스템의 제어와 애플리케이션 개발을 공통 소프트웨어 환경에서 지원하도록 설계돼 있다.

양사는 이 기술을 활용해 셰플러의 글로벌 공장에서 로봇 작업을 개발하고, 시뮬레이션으로 시험하고, 실제 생산현장에 적용하는 체계를 구축하려 한다.

더 중요한 것은 한 생산거점에서 검증한 작업을 다른 공장과 로봇 시스템에서도 활용하는 방향이다.

셰플러는 이를 위해 작업 애플리케이션, 모델, 기술지식 등을 모으는 스킬 저장소(Skill Store)도 구상하고 있다.

여기서 NVIDIA와 Wandelbots의 역할을 분리할 필요가 있다.

NVIDIA Newton·Isaac: 실제 관절의 움직임과 제약을 가상환경에서 재현한다.

Wandelbots NOVA: 작업 프로그램·모델·시뮬레이션을 연결하고 다른 로봇·공장으로 이전한다.

셰플러 타이창 공장: 실제 생산환경에서 로봇 작업과 부품 품질을 검증하고 데이터를 확보한다.

세 가지가 완전히 하나로 통합돼 상용화됐다는 뜻은 아니다.

하지만 서로 다른 문제를 해결하려는 기술들이 같은 기업전략 안에 존재한다는 점은 확인할 수 있다.

NVIDIA 협력이 로봇의 물리적 움직임을 가상환경에서 정확하게 재현하려는 것이라면, Wandelbots 협력은 검증된 작업 애플리케이션을 여러 현장에서 반복 활용하려는 시도에 가깝다.

그리고 타이창 공장은 그런 기술을 실제 제조조건과 대조할 수 있는 장소다.

물리적으로 가능한 동작과, 공장에서 반복 사용할 수 있는 작업은 서로 다르다.

셰플러는 양쪽의 간극을 줄이려 하고 있다.

7. '작업을 저장한다'는 것이 왜 사업적으로 중요한가

일반적인 제조설비는 한 번 설치하면 그 공장의 조건에 맞춰 운영된다.

그런데 생산라인은 공장마다 조금씩 다르다.

작업대의 높이, 부품의 형태, 로봇이 사용하는 손과 도구, 주변 기계의 위치, 사람과 로봇 사이의 안전거리가 달라질 수 있다.

새로운 로봇을 다른 공장에 설치하면 이미 구현한 작업이라도 다시 설정하고 시험해야 하는 일이 생긴다.

이런 재작업이 여러 공장에서 반복되면 어떤 문제가 나타날까?

처음 개발한 작업에 들어간 비용뿐 아니라, 각각의 공장에 적용하는 비용이 계속 발생한다.

여기서 로봇의 가격과 별개인 비용이 생긴다.

새로운 공장에서 필요한 작업을 구현하고 검증하는 비용이다.

예를 들어 한 공장에서 로봇이 부품을 분류하는 작업을 안정적으로 수행했다고 가정해 보자.

다른 공장에서도 유사한 부품 분류가 필요할 수 있다.

그러나 로봇의 종류나 부품 공급방식이 달라지면 기존 프로그램을 그대로 실행하지 못할 수도 있다.

만약 작업의 핵심 논리와 검증 결과를 저장해 두고 새로운 환경에서 필요한 부분만 수정할 수 있다면 어떨까?

두 번째 공장에서 같은 문제를 처음부터 다시 해결할 필요가 줄어들 수 있다.

이것이 Wandelbots가 강조하는 재사용 가능한 로봇 스킬의 의미다.

하지만 로봇 스킬을 저장한다고 해서 모든 기종과 공장에 자동으로 호환되는 것은 아니다.

실제 로봇의 구동범위, 작업도구, 환경, 제어기와 안전조건은 다시 확인해야 한다.

따라서 로봇 스킬 저장소의 가치는 단순히 데이터나 코드를 얼마나 많이 보관하느냐로 판단하기 어렵다.

저장된 작업을 새로운 환경에 적용할 때 개발과 검증의 부담이 실제로 얼마나 줄어드는가가 중요하다.

8. 이미 확인된 사례도 있다 — 포장 자동화에서 개발기간 약 2주 단축

이번 Wandelbots 발표에는 주의 깊게 볼 만한 수치가 하나 등장한다.

Wandelbots는 셰플러와의 기존 협력사례에서 시뮬레이션 기반 개발을 활용해 로봇 보조 포장 공정의 애플리케이션 개발기간을 건당 약 2주 줄였다고 설명했다.

디지털트윈에서 공정과 작업시간, 품질검사를 사전에 검증하면서 실제 현장에 들어간 뒤 발생하는 수정작업도 줄였다는 설명이다.

이 수치는 앞으로 비용이 40% 줄어들 것이라는 목표와 다르다.

약 2주는 특정 기존 프로젝트에서 보고된 개발기간 개선 사례다.

반면 자동화 수명주기 비용을 최대 40% 줄이겠다는 수치는 향후 협력을 통해 달성하려는 목표다.

두 숫자를 혼동해서는 안 된다.

또한 약 2주 단축 사례는 새로운 타이창 휴머노이드 조립라인의 생산실적이 아니다.

Wandelbots가 공개한 로봇 보조 포장 자동화 사례다.

실제 비용 절감액과 모든 산업으로의 일반화 가능성을 독립적으로 검증할 자료도 충분하지 않다.

그럼에도 이 사례는 전략적으로 의미가 있다.

로봇의 구매가격을 낮추지 않고도, 로봇을 실제 업무에 적용하기까지 필요한 개발기간을 줄이는 것이 경제적 가치를 만들 수 있기 때문이다.

이는 셰플러가 로봇 부품의 생산능력을 늘리는 것과는 또 다른 종류의 생산성 개선이다.

9. 40% 비용 절감의 목표는 어디에서 검증해야 할까

셰플러와 Wandelbots는 새 자동화 솔루션과 기존 설비 모두에서 수명주기 비용을 최대 40%까지 절감하는 것을 목표로 한다고 밝혔다.

매우 큰 숫자다.

하지만 이번 발표만으로 실제로 어느 공장에서 40%를 절감했는지는 확인되지 않았다.

구체적인 기준 비용, 비교기간, 투자비용과 검증 방식 역시 별도로 공개되지 않았다.

따라서 이 수치를 확정된 비용 절감 성과로 소개해서는 안 된다.

그렇다면 앞으로 어떤 자료를 확인해야 할까?

반석은 최소한 다음을 분리해 볼 필요가 있다고 판단한다.

작업 개발기간: 최초 적용과 후속 적용에 각각 시간이 얼마나 드는가?

공장 간 이전비용: 다른 생산거점에서도 같은 작업을 사용할 때 재설정 비용이 감소하는가?

작업 성공률: 실제 생산조건에서 필요한 품질과 반복성을 유지하는가?

사람의 개입: 오류를 수정하거나 작업을 다시 시작할 때 얼마나 개입해야 하는가?

장비 가동률: 개발기간이 짧아져도 실제 운영 중단이 늘어나지는 않는가?

수명주기 총비용: 로봇·소프트웨어·통합·교육·유지보수를 합해 경제성이 개선되는가?

이 항목들은 셰플러가 공개한 공식 KPI가 아니라, 이번 전략을 검증하기 위해 반석이 제안하는 분석 기준이다.

특히 첫 번째 공장에서 잘 작동하는 것과 두 번째 공장에서 더 적은 비용으로 작동하는 것은 다른 성과다.

로봇의 성능을 평가할 때는 한 대가 얼마나 빠르고 정확하게 작업하는지 확인해야 한다.

그러나 글로벌 생산망에 로봇을 배치하려는 기업은 다른 문제도 해결해야 한다.

새로운 공장을 추가할 때마다 같은 교육과 설정, 검증에 얼마나 많은 비용을 다시 지출해야 하는가?

이 차이를 줄일 수 있어야 로봇 도입이 개별 프로젝트에서 반복 가능한 생산체계로 발전할 수 있다.

10. 셰플러가 확보하려는 것은 부품사업 이상의 고객 경험일 수 있다

여기서 다시 셰플러의 위치를 생각해 보자.

셰플러는 휴머노이드의 관절과 액추에이터를 공급하는 기업이다.

이 기업이 실제 공장에서 로봇을 도입하고 훈련하며, 다른 공장으로 작업을 확산하는 방법까지 연구한다면 어떤 변화가 가능할까?

부품의 기술적 성능을 설명하는 데서 그치지 않고, 그 부품을 사용하는 로봇이 실제 산업에서 어떤 조건을 충족해야 하는지 더 잘 이해할 가능성이 있다.

고객이 로봇을 제조하는 단계와, 그 로봇을 실제 공장에 납품하는 단계의 문제를 함께 경험할 수 있기 때문이다.

예를 들어 로봇 제조사는 관절의 성능뿐 아니라 실제 사용환경에서의 발열, 반복하중, 제어 응답, 장기 유지보수 문제를 고민해야 한다.

셰플러가 실제 로봇 운영에서 확보한 데이터를 부품 검증과 제품개발에 연결할 수 있다면, 고객에게 더 구체적인 설계자료와 신뢰성 근거를 제공할 가능성이 있다.

반대로 실제 공장에서 요구하는 작업을 이해하지 못한 채 부품 성능만 높여도 고객의 로봇 도입 문제는 해결되지 않을 수 있다.

이러한 점에서 셰플러는 두 종류의 자산을 축적하려는 것으로 해석할 수 있다.

첫째, 정밀한 움직임을 만드는 하드웨어 기술.

둘째, 그 하드웨어를 사용하는 로봇이 실제 업무를 수행하도록 만드는 검증 경험.

Wandelbots의 발표에 따르면 셰플러는 내부에서 개발한 로봇 스킬을 다른 공장에 확산하고, 장기적으로 외부에도 제공할 가능성을 검토하고 있다.

그러나 외부 고객에게 스킬 라이브러리를 판매하기 시작했다거나 새로운 소프트웨어 구독매출이 이미 발생했다는 근거는 없다.

이 단계에서 새로운 사업모델을 확정해 말할 수는 없다.

그럼에도 기업의 미래 방향을 분석할 때 중요한 질문은 남는다.

부품 제조기업이 부품을 더 많이 파는 방식 외에, 고객이 로봇을 더 쉽게 도입하도록 만드는 기술과 경험에서도 가치를 창출할 수 있는가?

11. 기존 산업용 로봇 대신 반드시 휴머노이드여야 할까

여기서 한 가지 의문을 제기해야 한다.

셰플러의 타이창 공장에서는 휴머노이드가 실제 조립작업에 참여한다.

하지만 로봇을 활용해 부품을 분류하고 조립하고 포장하는 일이 모두 휴머노이드에게만 가능한 것은 아니다.

고정식 산업용 로봇이나 협동로봇, 전용 자동화 설비도 이러한 업무의 일부를 수행할 수 있다.

따라서 단순히 휴머노이드가 작업을 수행하는 장면만으로 기존 자동화 방식보다 경제성이 높다고 판단할 수 없다.

휴머노이드의 잠재적 장점은 사람을 중심으로 설계된 기존 작업환경에서 여러 종류의 작업을 수행할 수 있다는 점에 있을 수 있다.

그러나 이러한 유연성이 특정 공장에서 실제 비용 절감으로 이어지는지는 별개의 문제다.

예를 들어 같은 장소에서 장기간 동일한 조립작업을 반복한다면 전용 자동화 설비가 더 안정적이거나 저렴할 수도 있다.

반면 작업대가 자주 바뀌고 여러 종류의 업무를 수행해야 한다면 재설정 가능한 로봇이 유리할 가능성이 있다.

이 선택은 실제 생산량, 작업 변경 빈도, 제품 품질, 안전조건에 따라 달라져야 한다.

따라서 셰플러의 새로운 공장과 소프트웨어 협력이 의미를 가지려면 다음 문제를 해결해야 한다.

휴머노이드가 일할 수 있다는 사실을 넘어서, 어떤 업무에서 기존 자동화보다 더 합리적인 선택인지 검증할 수 있어야 한다.

훈련시설과 데이터 수집체계는 그러한 검증에 활용될 수 있다.

하지만 실제 고객이 받아들일 만한 경제성이 확보됐는지는 후속 운영자료를 통해 확인해야 한다.

12. 향후 인재 수요도 로봇 엔지니어 하나로 설명하기 어렵다

이번 전략은 제조업에서 필요한 전문역량이 어떻게 결합되는지도 보여준다.

휴머노이드의 관절과 구동부를 개발하려면 정밀기계 설계, 액추에이터, 전력전자, 모터제어와 같은 하드웨어 역량이 중요하다.

하지만 해당 로봇을 실제 공장에서 훈련시키려면 다른 능력이 필요하다.

작업 데이터 수집, 로봇 행동학습, 시뮬레이션, 시스템 통합, 현장 검증, 제조공정과 품질에 대한 이해가 결합돼야 한다.

그리고 한 공장에서 만들어진 작업을 다른 공장에 이전하려면 애플리케이션 개발, 로봇별 인터페이스 조정, 안전검증과 현장 배포 역량까지 필요할 수 있다.

이 가운데 중요한 역할은 단순히 AI 모델을 개발하는 것만이 아니다.

기존 제조공정에서 어떤 작업이 반복되고, 어떤 조건에서 실패하며, 그 작업을 어떻게 로봇이 수행할 수 있는 단위로 바꿀 것인지 이해하는 능력이다.

다만 이번 협력 발표만으로 셰플러가 해당 직무를 신규 채용하고 있다거나 로봇 인력을 대규모로 늘렸다고 말할 수는 없다.

실제 인력 수요의 변화는 채용공고와 조직계획을 추가로 조사해야 한다.

현재 확인되는 것은 기업이 구축하려는 기술과 운영체계의 방향이다.

그 방향에서 필요한 전문역량의 조합을 추론할 수는 있지만, 실제 채용 발생 사실과는 구분해야 한다.

13. 아직 검증되지 않은 결정적인 문제들

셰플러의 이번 전략을 이미 완성된 사업모델로 해석하기 전에 남아 있는 질문이 있다.

첫째, 타이창 생산라인에서 실제로 생산하는 액추에이터의 수량과 수율, 비용구조가 공개되지 않았다.

둘째, 휴머노이드 6대가 사람의 감독이나 원격조작 없이 어느 정도 작업을 수행하는지도 확인되지 않았다.

셋째, 글로벌 수주 약 4억 유로 가운데 어느 부분이 실제 제품 인도와 매출로 전환됐는지 추가 확인이 필요하다.

넷째, NVIDIA와 협력한 액추에이터 물리모델이 실제 고객의 개발·검증비용을 얼마나 줄였는지는 아직 충분한 실적자료가 없다.

다섯째, Wandelbots NOVA의 공장 간 작업 이전 기술이 서로 다른 기종과 작업환경에서도 어느 수준까지 재사용되는지 공개된 운영 데이터가 부족하다.

여섯째, 수명주기 자동화 비용 최대 40% 절감은 협력의 목표이며, 전체 공장에서 달성된 실적이 아니다.

일곱째, 스킬 저장소의 외부 사업화와 관련된 가격·계약·매출 모델도 확정됐다고 볼 수 없다.

그러므로 이번 세 발표를 근거로 '셰플러가 휴머노이드의 대량 자율운영을 완성했다'거나 '한 공장에서 훈련한 로봇을 전 세계 공장에 즉시 투입할 수 있다'고 주장하는 것은 부정확하다.

현재 확인되는 변화는 보다 구체적이다.

셰플러는 휴머노이드 부품을 실제 생산하는 거점을 만들었고, 그곳에 훈련·데이터·실증체계를 결합했다.

여기에 관절의 물리적 움직임을 시뮬레이션하는 협력과, 작업 애플리케이션을 여러 공장으로 이전하는 플랫폼 개발을 연결하고 있다.

이 세 가지의 결합이 실제 비용 절감과 사업 성과로 이어질지는 앞으로의 검증 대상이다.