쓰레기 분류 작업도 척척…인간 노동 대신하는 인공지능 로봇 [고든 정의 TECH+]

현재 전 세계적으로 AI에 의한 변화의 바람이 거세게 불고 있습니다. 이 과정에서 의외의 결과는 과거 생각했던 것처럼 블루칼라가 아닌 화이트칼라 노동자가 더 취약한 상황에 노출되었다는 것입니다.

올해 연초부터 미국의 빅테크들은 경쟁적으로 직원을 해고했는데, 광고 제작이나 고객 응대 등 사람만 할 수 있었던 업무를 AI로 대체할 수 있게 됐기 때문입니다. 그리고 생성형 AI가 사람 대신 그림이나 음악, 영상, 글을 작성할 수 있게 되면서 과거에는 화이트칼라 노동자가 했던 일의 상당 부분이 AI로 대체될 것이라는 우려가 커지고 있습니다.

하지만 그렇다고 해서 블루칼라 노동자들의 임무가 상대적으로 안전한 것은 아닙니다. 최근에는 3D 업종으로 알려진 폐기물 재활용 업계에서도 인공지능 로봇 도입 속도가 빨라지고 있습니다. 우리가 버린 플라스틱, 금속, 종이 등 재활용 쓰레기는 사실 여러 가지 이질적인 물질이 섞여 있어 자원으로 활용하기 위해서는 수작업에 의한 2차 분류가 필요합니다. 이 작업은 물론 위험하고 힘들고 지저분하기 때문에 대표적인 3D 업종입니다. 따라서 쓰레기는 늘어나는 반면 일할 사람은 구하기 힘들어지고 있습니다.

이런 배경에서 미국과 일본의 쓰레기 재활용 업체들은 인공지능 로봇 시스템을 도입하고 있습니다. 광학 카메라로 쓰레기의 이미지를 확인하고 AI 알고리즘이 어떤 쓰레기인지 확인한 후 로봇이 종류별로 분류하는 것입니다. 쓰레기 재활용의 모든 과정을 자동화하는 것은 아니지만, 가장 많은 인력이 투입되는 과정을 대부분 자동화해 인력을 크게 줄일 수 있습니다. 예를 들어 과거 25-30명이 일하던 재활용 센터가 5-6명의 직원만으로도 운영할 수 있게 되는 것입니다. 최근에는 로봇과 AI의 성능도 좋아져서 분류 속도와 정확도가 점점 더 높아지고 있습니다. 2007년부터 관련 시스템을 개발해 온 핀란드의 젠로보틱스(ZenRobotics)는 4세대 쓰레기 분류 로봇을 내놓았습니다. 무거운 물체를 분류하는 헤비 픽커 4.0(Heavy Picker 4.0)는 최대 40kg의 무거운 물체를 시간당 2,300개 분류할 수 있어 건축 폐기물 같은 무거운 쓰레기도 분류할 수 있습니다.

가벼운 물체를 더 빠르게 분류하는 패스트 픽커 4.0(Fast Picker 4.0)는 플라스틱병이나 캔, 비닐같이 1kg 이하의 가벼운 물체를 시간당 4,800개 분류할 수 있습니다. 물론 인공지능 로봇이 쓰레기를 잘못 분류하는 경우를 최소화하기 위해서는 속도만이 아니라 정확도도 같이 높여야 합니다. 젠로보틱스가 개발한 젠브레인(ZenBrain)은 쓰레기를 500가지 카테고리로 나눌 수 있으며 이미지 인식 정확도를 높여 효율을 60-100% 정도 높였습니다. 새로운 AI 알고리즘과 하드웨어는 쓰레기 분류 정확도는 물론 로봇의 움직임을 최소화해 속도와 정확도 모두를 높입니다.

인공지능 로봇은 휴일도 없이 사람보다 훨씬 오래 일하지만, 대신 초기 투자 비용이 많이 들어갑니다. 미국에서 로봇 한 대 당 15-30만 달러의 비용이 들고 광학 카메라 및 이미지 분류 AI 시스템은 이보다 더 비싼 100-200만 달러의 비용이 들어갑니다. 미국의 비싼 인건비를 감안해도 영세 업체가 많은 업계 현실을 생각하면 다소 부담되는 비용입니다. 따라서 장비를 대여해주는 경우도 늘어나고 있습니다. 이 경우 인건비의 절반 이하의 비용으로 쓰레기를 분류할 수 있고 보통 2년 정도면 비용을 회수할 수 있다는 것이 업계의 추정입니다.

인공지능과 로봇은 이런 식으로 우리가 체감하지 못하는 사이 실생활과 경제에 파고들고 있습니다. 10년, 20년 후에는 인공지능 알고리즘이 적용된 로봇과 차량이 사람이 했던 노동의 상당 부분을 대체할지도 모릅니다. 일부 분야에서는 인간이 직접 하기에 힘들어서 일할 사람을 구하기 어려운 작업을 대체해 주겠지만, 그렇지 않은 업무도 대체해 해당 종사자들에게 고통을 줄 수 있습니다. 쓰레기 자동 분류 로봇은 후자보다는 전자에 속하겠지만, 후자의 상황에 대한 사회적 대응책도 필요합니다.

고든 정 과학 칼럼니스트 jjy0501@naver.com