검색결과 총 3건
-
LG CNS, 'RX 이노베이션 랩' 출범…기업 자동화 사업 확대
[경제일보] LG CNS가 기업의 로봇 도입 전략 수립부터 실행까지 지원하는 전담 조직을 신설하며 로봇 전환(RX) 사업 확대에 나섰다. 인공지능(AI)과 디지털 전환(DX)에 이어 물리적 자동화 영역까지 사업을 확장하며 기업용 로봇 시장 선점에 나서는 전략으로 풀이된다. 1일 LG CNS는 고객 맞춤형 로봇 도입 컨설팅을 수행하는 'RX 이노베이션 랩'을 출범했다고 밝혔다. 해당 조직은 기업의 업무 환경과 도입 목적에 맞는 로봇 활용 방안을 도출하고 워크플로우 재설계와 개념검증(PoC)까지 수행하는 로봇 전환 전담 조직으로 알려졌다. IT 서비스 기업들이 AI 이후 새로운 성장동력으로 로봇 사업을 확대하는 흐름이 이어지고 있다. 통신·IT 서비스 기업들이 데이터센터와 AI 사업 경쟁을 벌이는 가운데 로봇 기반 자동화는 기업 고객 대상 신규 수익원으로 주목받고 있기 때문이다. 이에 최근 기업들의 자동화 전략이 소프트웨어 중심에서 물리적 자동화로 확장되면서 로봇 도입 수요가 빠르게 증가하고 있다. 물류·제조·유통 등 산업 현장에서 인력 부족과 비용 증가 문제가 지속되면서 로봇 기반 자동화가 새로운 대안으로 부상하고 있다. 국제로봇연맹(IFR)의 지난해 9월 보고서에 따르면 지난 2024년 전 세계 산업용 로봇 설치 대수는 약 54만2000대로 10년 전 대비 두 배 이상 증가했으며 운영 중인 로봇도 466만대를 넘어섰다. 또한 글로벌 물류 로봇 시장 역시 연평균 15% 이상 성장할 것으로 전망되면서 기업들의 로봇 기반 자동화 투자가 확대되는 추세인 것으로 나타났다. 이에 LG CNS는 RX 이노베이션 랩을 통해 3단계 로봇 전환 프로그램을 제공할 계획이다. 첫 번째 '인사이트' 단계에서 산업 특성과 업무 환경을 분석해 로봇 도입 영역을 발굴한다. 이후 '디자인' 단계에서 자율이동로봇(AMR), 휴머노이드 등 최적의 로봇 솔루션을 선정하고 사람과 로봇 간 역할 분담을 설계한다. 마지막으로 '프루프' 단계에서 실제 현장 데이터를 기반으로 개념검증(PoC)을 수행해 생산성과 운영 효율을 검증한다. 특히 LG CNS는 단순 공정 자동화가 아닌 업무 전반의 워크플로우 재설계 방식으로 로봇 전환을 추진한다는 점을 강조했다. 물류 기업의 경우 상품 입고부터 보관, 분류, 피킹, 포장, 출고까지 전 과정을 분석해 로봇 적용 효과가 높은 구간을 도출하고 이동 경로와 처리 시간 등을 데이터화해 최적의 작업 구조를 설계하는 방식이다. LG CNS는 최근 몇 년간 물류·유통·제조 현장에서 다수의 로봇 개념검증 프로젝트를 수행하며 관련 역량을 축적해 온 것으로 알려졌다. 수백 건의 물류센터 자동화 사업 경험을 바탕으로 창고 자동화 로봇, AI 피킹로봇, 자율이동로봇(AMR), 무인운송로봇(AGV) 등 다양한 로봇 운영 사례를 확보했고 이를 통해 물건 적재·분류, 선박 조립 상태 검사 등 산업 현장에서 로봇 활용 가능성을 검증해왔다. 이번 조직 신설 발표는 LG CNS가 DX·AX·RX를 아우르는 기업 혁신 체계 구축을 완료한 것으로 풀이된다. LG CNS는 디지털 전환을 지원하는 '이노베이션 스튜디오'와 생성형 AI 기반 업무 혁신을 위한 'Gen AI 스튜디오'를 운영하며 약 140건의 고객 혁신 프로그램을 진행해왔다. 여기에 로봇 전환 조직까지 추가되면서 기업의 디지털·AI·로봇 혁신을 통합 지원하는 구조를 갖추게 된 것으로 분석된다. LG CNS는 로봇 전환 핵심 기술 확보에도 속도를 내고 있다. 미국 로봇 브레인 개발 기업인 '스킬드 AI', 휴머노이드 양팔 제어 특화 기업 '컨피그'와 협력을 확대했다. 또한 미국 휴머노이드 로봇 기업 '덱스메이트'에 전략적 투자를 진행하며 하드웨어 설계 역량까지 확보한 것으로 평가된다. 이를 통해 LG CNS는 로봇 파운데이션 모델(RFM), 로봇 통합 운영 플랫폼, 하드웨어 설계를 결합한 풀스택 RX 서비스를 제공한다는 계획으로 분석된다. AI 기반 자동화가 소프트웨어 영역 중심이었다면 RX는 실제 산업 현장의 물리적 자동화까지 확장하는 개념이다. 현신균 LG CNS 사장은 "로봇 전환의 핵심은 단순한 자동화를 넘어 전체 업무 프로세스 관점에서 생산성을 재설계하고 혁신하는 데 있다"며 "LG CNS는 피지컬 AI 역량을 바탕으로 산업 현장에 최적화된 RX 모델을 구축해 고객의 생산성 향상과 성장 가속화에 기여할 것"이라고 말했다.
2026-04-01 10:00:00
-
"로봇 만들 돈도, 실험할 공간도 없다"…피지컬 AI 인프라 한계 '한 목소리'
[경제일보] “로봇과 AI 기술이 빠르게 발전하고 있지만, 실제 산업에서 쓰이려면 데이터 확보 구조와 비용 문제, 제도 정비가 함께 풀려야 합니다. 특히 장비 보조금과 연구 공간 등 인프라 지원이 함께 뒤따라야 합니다.” 24일 국회 의원회관 제2세미나실에서 열린 ‘피지컬 AI 시대: 로봇기술의 발전과 대한민국 산업의 미래’ 정책 토론회에서는 로봇 산업의 기술 수준과 별개로 상용화 전환을 가로막는 구조적 한계가 핵심 쟁점으로 부상했다. 이날 토론회에는 최리군 현대자동차 로보틱스랩 상무와 유회준 KAIST AI반도체대학원 원장, 이규빈 GIST 인공지능연구소장, 박동일 한국기계연구원 첨단로봇연구센터장, 윤석준 포스코DX 상무 등 산학연 주요 관계자들이 참석해 기술·산업·정책 전반을 점검했다. 발제를 맡은 최리군 상무는 로봇 산업이 기술 발전 속도와 달리 시장 확산 단계로 이어지지 못하고 있다고 진단했다. 그는 “피지컬 AI는 빠르게 발전하고 있지만 실제 현장에서 활용하기에는 비용과 인프라, 활용 시나리오가 부족하다”며 “총소요비용 기준에서 경쟁력을 확보하지 못하면 시장 확대에는 한계가 있다”고 말했다. 글로벌 로봇 시장 규모는 약 150조원 수준으로, 산업용 로봇을 포함해도 초기 시장에 머물러 있다는 평가가 제시됐다. 특히 휴머노이드 등 차세대 로봇은 기술 시연은 빠르게 늘고 있지만 실제 수익 모델로 이어진 사례는 제한적인 상황이다. 최 상무는 로봇 산업의 확산 조건으로 성능과 비용 구조를 동시에 언급했다. 그는 “성능 고도화와 함께 유지관리, 인증, 운영 안정성 확보가 병행돼야 한다”며 “부품 공용화와 모듈화를 통한 비용 절감과 공급망·파트너 협력을 기반으로 한 생태계 구축이 필요하다”고 강조했다. 이어진 토론회에서는 데이터 확보 방식과 제도 간 간극이 주요 쟁점으로 부각됐다. 윤석준 포스코DX 상무는 “제조 현장에서는 규제 샌드박스 활용이 제한적이고 데이터 활용에도 제약이 존재한다”며 “현장 적용을 전제로 한 제도 설계가 필요하다”고 말했다. 표준 경쟁과 산업 구조 문제도 함께 언급됐다. 박동일 한국기계연구원 첨단로봇연구센터장은 “중국이 국제표준화 논의에서 영향력을 확대하고 있다”며 “데이터셋과 모듈 구조 등 핵심 영역에서 표준 주도권 경쟁이 진행되고 있다”고 밝혔다. 국내 산업 구조 역시 한계가 확인됐다. 국내 로봇 기업은 약 2500개 수준이며 이 중 98%가 중소기업으로 구성돼 있다. 매출 10억원 미만 기업 비중도 95.1%에 달해 산업 저변은 넓지만 규모의 경제를 확보한 기업은 제한적인 구조다. 연구 환경과 인프라 부족 문제도 주요 쟁점으로 제기됐다. 토론에서는 고가의 로봇 장비 도입 부담과 연구 공간 부족이 반복적으로 언급됐다. 이규빈 GIST 인공지능연구소장은 “로봇 장비는 가격이 높지만 도입 절차가 까다롭다”며 “장비 보조금과 같은 지원이 필요하다”고 말했다. 이어 “로봇 연구는 넓은 실험 공간이 필수지만 현재 구조에서는 확보가 쉽지 않다”고 지적했다. 정책 방향과 관련해 정부는 산업 현장 중심 데이터 확보와 제도 정비 필요성을 강조했다. 박태완 과학기술정보통신부 정보통신산업정책관은 “AI와 로봇 산업 확산의 핵심은 데이터”라며 “데이터 규제를 완화하면서도 개인정보 보호와의 균형을 맞추는 방향으로 제도를 설계해야 한다”고 말했다. 권순목 산업통상자원부 산업인공지능정책과장은 “데이터를 연구개발 과제로만 접근하는 방식에서 벗어나 실제 서비스와 제품을 통해 축적되는 구조로 전환해야 한다”며 “기업이 참여하는 실증 확대와 산업 현장 기반 데이터 확보가 정책의 중심이 돼야 한다”고 말했다. 정책 지원 방식의 한계도 함께 지적됐다. 이규빈 소장은 “현재는 한 번 지원을 받은 과제와 유사한 내용이면 다른 기업이 동일한 시도를 하려 해도 지원이 제한되는 구조”라며 “로봇 분야는 반복적인 실패와 개선 과정이 필수인데 이런 구조에서는 학습이 축적되기 어렵다”고 말했다. 이어 “여러 번 시도와 반복 학습이 가능하도록 지원 체계를 개선할 필요가 있다”고 강조했다.
2026-03-24 18:14:36
-