비정형 물리 작업은 왜 느리게 자동화되나…건설 숙련공이 생성형 AI보다 덜 흔들리는 이유
생성형 AI 확산으로 사무직 일자리가 먼저 흔들릴 것이라는 전망은 이제 낯설지 않다. 그러나 건설현장 숙련공처럼 실외의 비정형 물리 작업을 하는 직무는 같은 속도로 자동화되지 않고 있다. 국제노동기구(ILO)의 2025년 연구와 OECD, 국제로봇연맹(IFR) 자료를 종합하면 이유는 비교적 분명하다. 생성형 AI는 문서 작성, 일정 조정, 데이터 정리처럼 디지털 환경 안에서 반복되는 과업에 빠르게 침투하고 있지만, 로봇이 실제 현장에서 사람 손의 숙련과 즉각적 판단을 대체하려면 환경 인식·물체 조작·안전 대응·경제성이라는 별도의 문턱을 넘어야 하기 때문이다.
이 차이는 직업 전체가 한꺼번에 사라지느냐의 문제가 아니라, 어떤 과업이 먼저 바뀌느냐의 문제에 가깝다. 특히 생성형 AI 노출, 물리적 로봇 자동화, 실제 고용 감소는 같은 뜻이 아니다. 기술이 특정 과업을 보조하거나 일부를 자동화할 수 있어도, 현장 직무 전체가 바로 대체되는 것은 아니라는 점을 구분해 볼 필요가 있다.
ILO가 본 핵심은 ‘완전 대체’보다 ‘과업 변화’였다
ILO가 2025년 5월 발표한 직무 노출 연구는 생성형 AI의 영향을 직업 소멸이 아니라 과업 단위의 변화 가능성으로 봤다. 이 연구는 전 세계적으로 노동자의 약 4분의 1이 일정 수준의 생성형 AI 노출이 있는 직업에 속한다고 추정했지만, 동시에 대부분의 직업은 여전히 인간의 입력을 필요로 하며 가장 가능성 높은 변화는 직무의 변형이라고 설명했다.
노출 수준은 직무별로 뚜렷하게 갈렸다. ILO는 사무 보조직이 여전히 가장 높은 노출을 보인다고 봤고, 회의 기록, 일정 조정, 자료 정리, 회계 보조 같은 업무는 생성형 AI 지원을 받기 쉬운 영역으로 분류했다. 반면 건설 관리직 일부는 낮은 노출 구간에, 건설 감독직과 벽돌공·타일공·건설노무직 같은 현장 직무는 최소 노출 또는 비노출 구간에 배치됐다. 같은 ‘건설’ 안에서도 문서와 조정 중심 업무, 현장 시공과 판단 중심 업무가 전혀 다르게 평가된 셈이다.
이는 생성형 AI가 잘하는 일이 언어, 코드, 이미지, 문서 같은 디지털 표현을 다루는 일이라는 점과 맞닿아 있다. 사무 반복작업은 작업 대상이 이미 전산화돼 있고, 입력과 출력의 형식도 비교적 일정하다. 반대로 숙련공의 일은 작업 대상이 콘크리트, 철근, 배관, 용접면, 지면 상태처럼 매번 달라지고, 같은 공정이라도 현장 여건에 따라 순서와 위험요인이 바뀐다.
로봇이 약한 지점은 ‘손기술’보다 먼저 ‘환경의 변동성’이다
비정형 물리 작업의 자동화가 더딘 가장 큰 이유는 로봇이 현실의 복잡한 환경을 다루는 능력이 아직 제한적이기 때문이다. OECD는 자동화 기술이 과거보다 비정형 환경과 데이터를 더 다룰 수 있게 됐다고 평가하면서도, 실제 로봇 능력의 병목은 여전히 조작과 적응성에 있다고 정리했다. 제조 현장의 로봇팔은 통제된 공간에서 정해진 동작을 반복하는 데 강하지만, 예측하기 어려운 환경으로 가면 성능이 급격히 떨어진다는 것이다.
OECD의 AI 역량 지표는 이 한계를 더 구체적으로 보여준다. 현재 최첨단 수준의 로봇 조작 시스템은 대체로 ‘수준 2’ 정도로 평가되는데, 잘 정리된 환경의 특정 작업은 수행할 수 있어도 불규칙한 모양의 물체, 위치 변동이 큰 자재, 장애물이 많은 공간, 즉석 판단이 필요한 작업에서는 어려움을 겪는다고 봤다. 자율 배송 로봇이나 산업 자동화 시스템의 통합 지능 역시 대체로 같은 수준으로 분류됐다. 미리 정의된 과업과 구조화된 환경에서는 작동하지만, 사람과 뒤섞여 움직이고 예기치 않은 변수가 계속 생기는 상황에서는 적응력이 낮다는 뜻이다.
건설현장은 이런 한계가 가장 직접적으로 드러나는 곳이다. 평평한 공장 바닥과 달리 현장은 날씨, 조도, 분진, 진동, 경사, 협소한 동선, 공정 간 간섭이 동시에 존재한다. 자재의 크기와 위치도 늘 일정하지 않고, 같은 도면을 따라가더라도 실제 시공면은 오차와 변형을 안고 있다. 숙련공은 이 차이를 눈으로 보고, 손으로 만지고, 위험을 피하면서 즉석에서 공정을 수정한다. 지금의 생성형 AI는 이 판단을 언어로 보조할 수는 있어도, 로봇 몸체와 센서, 구동계가 결합된 물리 시스템으로 현장에서 안정적으로 재현하는 문제는 별개다.
전문가 평가가 낮춘 점수, 물리 작업의 현실적 한계
ILO 연구에서도 이런 차이는 확인된다. 조사 참여자들이 처음에는 일부 수작업 과업의 자동화 가능성을 비교적 높게 봤지만, 전문가 검토가 들어가면 수치가 낮아지는 경향이 컸다. ILO는 수공·기계조작·농업 계열 직무에서 전문가들이 설문 응답자보다 더 낮은 점수를 줬다고 설명했는데, 이유는 물리적 조작이나 손기술이 필요한 과업의 실제 자동화 한계를 더 엄격하게 반영했기 때문이다.
보고서의 사례도 비슷하다. 사무·분석 성격이 강한 과업은 생성형 AI가 상당 부분 지원할 수 있는 반면, 용접이나 기계 가공처럼 손동작의 정밀성, 장비 제어, 현장 안전이 결합된 과업은 조정 점수가 크게 낮아졌다. 보고서는 생성형 AI가 데이터 처리와 언어 생성에는 강하지만, 물리적 실행 능력 자체를 가지지는 않는다고 짚었다. 결국 디지털 작업의 자동화 가능성과 실물 작업의 자동화 가능성을 같은 척도로 읽으면 오해가 생긴다.
기술이 가능해도 도입은 비용과 운영 리스크를 따진다
현장 자동화가 느린 이유는 기술 성능만이 아니다. IFR은 전문 서비스 로봇 시장이 빠르게 성장하고 있다고 보면서도, 이 시장이 여전히 다수의 틈새 제품으로 구성돼 있으며 사용자 입장에서는 비용 대비 효과가 투자 판단의 핵심이라고 설명했다. 다시 말해 로봇이 ‘할 수 있느냐’와 기업이 ‘사서 돌릴 수 있느냐’는 다른 문제다.
특히 건설·해체용 서비스 로봇은 IFR 분류에서도 아직 틈새시장에 가깝다. 물류 운송 로봇처럼 수요가 크고 작업 환경을 표준화하기 쉬운 분야와 달리, 건설용 로봇은 작업 종류가 세분돼 있고 현장별 조건 차이도 크다. 문서화, 운반, 3D 프린팅, 드릴링, 용접 같은 개별 공정에서 로봇 활용 사례가 늘고는 있지만, 이것이 곧 건설현장 숙련공 전체를 대체하는 단계와 같지는 않다.
도입 이후의 운영 부담도 변수다. 공장 자동화는 한 번 셋업한 뒤 반복 생산으로 투자비를 회수하기 쉬운 구조지만, 건설현장은 프로젝트마다 장소가 바뀌고 배치가 달라진다. 장비 이동, 재설정, 안전인증, 작업자 교육, 예외 상황 대응 비용이 누적되면 기술 시연의 성공이 바로 상용성으로 이어지지 않는다. 현장에서 몇 차례 멈춤이 발생하는 것만으로도 공정 전체 지연 비용이 커질 수 있어, 사용자는 단순 인건비 비교보다 운영 안정성을 먼저 본다.
사무 반복작업과 실외 숙련작업의 차이는 ‘표준화 가능성’이다
사무 반복작업과 실외 숙련작업을 가르는 기준은 결국 표준화 가능성이다. 문서 분류, 회의 요약, 고객 응대 초안 작성, 정산 보조처럼 입력 형식이 명확한 업무는 생성형 AI가 빠르게 침투할 수 있다. 사람 1명이 여러 업무를 더 빨리 처리하게 만들 수도 있고, 일부 초급 업무를 줄여 채용 구조를 바꿀 수도 있다.
반면 건설현장 숙련작업은 같은 이름의 직무라도 실제 과업 구성이 균일하지 않다. 용접공, 배관공, 철근공, 전기공은 설계도 해석만 하는 것이 아니라 자재 상태를 보고, 공간 제약을 확인하고, 다른 공정과 충돌을 피하고, 위험을 관리하면서 작업 순서를 조정한다. 자동화하려면 눈과 손, 이동, 판단, 안전 제어가 동시에 작동해야 한다. 이 결합 난도가 높기 때문에 현장 숙련공의 일은 생성형 AI만으로 바로 대체되기보다, 측량·기록·검측·문서화·공정 계획 보조부터 부분적으로 바뀔 가능성이 더 크다.
남는 질문은 ‘없어지느냐’보다 ‘무엇이 먼저 바뀌느냐’다
이런 점을 종합하면 건설현장 숙련공이 당장 더 안전하다고 단정할 수는 없지만, 적어도 생성형 AI가 먼저 직접 압박하는 직무군과는 다른 위치에 있다고 볼 수 있다. 사무직에서는 이미 문서·분석·지원 과업이 빠르게 재편되고 있지만, 비정형 물리 작업은 로봇의 인지·조작·적응성과 현장 경제성이 함께 성숙해야 한다. 그래서 자동화의 속도도 더 느리고, 적용 범위도 공정별로 잘게 쪼개져 나타난다.
정책과 교육의 초점도 여기서 달라진다. 생성형 AI 시대의 위험은 모든 직업이 같은 방식으로 사라지는 데 있지 않다. 오히려 사무직의 반복 과업은 빠르게 축소·재편되고, 현장 숙련직은 전체 대체보다 보조 자동화와 공정 분업의 재조정을 먼저 겪을 가능성이 크다. 결국 물어야 할 질문은 ‘어느 직업이 먼저 사라지나’보다 ‘어느 과업이 먼저 자동화되고, 그 결과 사람의 숙련은 어떤 쪽으로 이동하나’에 더 가깝다.
자료: International Labour Organization, Generative AI and Jobs: A Refined Global Index of Occupational Exposure(2025년 5월); OECD, What skills and abilities can automation technologies replicate and what does it mean for workers?(2022년 12월); OECD, Introducing the OECD AI Capability Indicators(2025년); International Federation of Robotics, Executive Summary World Robotics 2024 Service Robots(2024년); International Federation of Robotics, World Robotics 2025 report – Service Robots See Global Growth Boom(2025년)