객관성·투명성·처리 속도 높일 것 기억력·일 처리 능력 못 따라잡아 인간은 지혜로운 처리 고심 집중보조 도구 이상 역할 못 할 것주어진 규칙·정의 안에서만 기능 인간의 분쟁 해결은 인간이 해야범죄 판단·전문 작성에 일부 활용미국, AI로 재범 위험 예측해 도움페루, 가정사건 대조·초안 작성도 “흉악한 사형수는 길고 긴 재판 대신 인공지능(AI)에게 간편한 재판을 받습니다.” 인간이 아닌 AI 판사가 유무죄를 판결한다면 더 빠르고 합리적일까. 지난 4일 개봉한 영화 ‘노 머시: 90분’은 AI 사법 시스템에 대한 상상을 구현하면서 극 중 AI 판사 ‘매독스’를 통해 이같은 질문을 던진다. 인간의 오류를 보완하는 장치로 AI 재판이 도입된 영화 속 미래 법정에는 재판부, 변호인, 증인, 방청객이 모두 자취를 감췄다. AI 스크린 앞에 앉은 살인 용의자 ‘레이븐’만이 홀로 재판 시간 90분 뒤 사형이 자동 집행되기 전에 AI가 제공하는 데이터를 뒤지며 무죄를 증명하려 고군분투할 뿐이다. AI 사법 시스템이 장악한 법정은 머지않은 미래에 실제로 우리 눈앞에 펼쳐질지도 모른다. 사법부의 판결에 대한 신뢰가 흔들릴 때면 여론과 정치권에서는 편견 없는 AI 판사 도입에 대한 요구를 강하게 제기하기도 한다. 사법부의 업무 폭증과 인력 부족 문제도 사법 체계에 AI 도입을 가속화하고 있다. 법조계에서는 ‘AI가 법관의 역할을 대신할 수 있는가’를 두고 의견이 갈린다. AI의 역할을 긍정적으로 바라보는 입장에서는 판결 과정의 객관성·투명성·처리 속도 등을 높일 수 있고, 민감한 사안에 대한 재판부 결단 회피 등도 해결할 수 있다고 주장한다. 판사 출신 정재민 JM파트너스 변호사는 “기억력이 좋고 일을 빨리 처리하는 유능한 판사도 능력 면에서는 인공지능을 따라갈 수가 없다”면서 “인공지능의 도움을 받아 인간 판사는 지혜로운 사건 처리에 대한 고민처럼 본질적인 핵심에 집중할 수 있을 것”이라고 말했다. 정 변호사는 “재판에서 진 사람들은 종종 판사의 성향이나 기록을 제대로 봤을까 의심을 한다”면서 “인공지능이 보조적 기능을 한다면 이런 재판부 불신의 문제도 줄어들 것”이라고 내다봤다. 반면 AI의 부작용을 우려하는 입장에서는 AI 역시 인간이 만든 것이므로, 보조 도구 이상의 역할을 할 수 없다고 선을 긋는다. 김유환 이화여대 법학전문대학원 명예교수는 “AI가 공정하다는 것 역시 AI에 대한 오해에서 비롯된 것일 수 있다. 주어진 규칙과 정의 안에서 기능하는 AI는 문제를 재정의하거나 비판하는 능력이 없으므로 판사를 대체할 수 없다”고 했다. 이어 “AGI(범용인공지능), ASI(초인공지능) 시대가 된다면 대체가 가능할 수도 있겠지만 지금은 개발자들의 꿈의 목표일 뿐”이라면서 “인간 분쟁의 해결은 결국 인간의 가치 판단으로 이뤄져야 한다”고 강조했다. 한국 사법부가 인공지능위원회를 운영하고 사법인공지능심의관을 신설하며 AI 시대의 흐름에 발맞추려는 것처럼, 해외 각국의 사법부에서도 AI 사법 체계를 구축하려는 시도를 지속하고 있다. OECD(경제협력개발기구)가 지난해 9월 발간한 ‘인공지능과 함께하는 거버넌스: 사법행정과 사법 접근성에서의 AI’ 보고서에 따르면 대다수 국가에서는 재판 관련 문서 요약 및 비실명화, 자동 녹취 등 사법 행정을 보조하는 정도로 활용하고 있는 것으로 확인됐다. 일부 국가에서는 사법 판단에 AI가 영향을 미치는 사례도 존재한다. 미국의 재범 가능성 평가 알고리즘 ‘콤파스’(COMPAS)가 대표적이다. 콤파스는 피고인의 재범 위험을 AI가 예측해 법원이 보석·선고·가석방 결정을 내리는 데 도움을 준다. 페루는 2023년 6월 법원의 가정폭력 피해자 지원에 대한 판단을 돕는 ‘아마우타 프로’(Amauta Pro) 시스템 도입을 본격화했다. 아마우타는 당사자 또는 관련 사건을 대조해 찾고 결정문 초안을 작성하는 등의 작업을 사람 대신 수행하고, 시간을 기존 3시간에서 40초로 단축했다. 2019년 세계 최초로 ‘AI 판사’를 도입한다고 해서 이슈를 끌었던 에스토니아는 2022년 정부 공식 발표에서 “인간 판사를 대체할 인공지능 로봇 판사를 개발하지 않는다. 법원의 업무량을 줄일 수 있는 ICT 수단을 계속 모색하고 있다”고 밝혔다.

현대차에 로봇 적용노동자들 “절대 불가” 대립신기술 도입 때마다생기는 작용과 반작용AI도 산업혁명의 생산성에반발하는 ‘러다이트’ 필연경제·사회적 파장 최소화 숙제성급한 규제보다는차분한 조정작업 절실 [벌써] “분명히 경고한다. 노사 합의 없는 신기술 도입으로는 단 한 대의 로봇도 현장에 들어올 수 없다는 것을 명심하라.” 지난 22일 민주노총 전국금속노동조합 현대자동차지부의 소식지에 담긴 문장이다. 현대자동차그룹이 2028년까지 휴머노이드 양산형 로봇 ‘아틀라스’ 3만 대를 대량 양산해 향후 생산현장에 투입하겠다고 하자 절대 용납할 수 없다며, 현 국면을 “어떠한 상황이 와도 노동자 입장에선 반갑지 않은 상황”이라고 규정하고 있었던 것이다. 그 논리는 이렇다. 2026년 현재 현대자동차 생산직의 평균 연봉은 1억원 이상. 반면 아틀라스의 가격은 대당 2억원 내외로 책정돼 있다. 한 사람의 연봉보다 두 배나 비싸다. 문제는 유지비다. 사람은 하루 8시간 근무가 기본이지만 로봇은 24시간 가동할 수 있다. 게다가 사람의 연봉은 매년 나가는 반면 아틀라스의 연간 유지비는 1400만원 정도가 들 것으로 예상된다. 가격 경쟁력에서 사람이 로봇을 도저히 이길 수 없는 구도다. 기업의 목적은 돈을 버는 것, 즉 이윤을 창출하는 것이다. 많은 이윤을 지속적으로 창출할 수 있는 기업은 그만큼 시장에서 좋은 평가를 받는다. 미국 라스베이거스에서 열리는 세계 최대 규모의 전자 박람회 CES에서 아틀라스가 공개되자 현대자동차그룹의 주가가 급상승한 것은 바로 그런 기대감을 반영한 현상이다. 노조는 이 현실을 마땅찮게 보고 있다. “평균 연봉 1억원을 기준으로 24시간 가동 시 3명(3억원)의 인건비가 들지만, 로봇은 초기 구입비 이후 유지비만 발생하므로 장기적으로 이익 극대화를 노리는 자본가에 좋은 명분(?)이 된다”며 자동차 생산뿐 아니라 다른 로봇을 만드는 일에 로봇을 투입하는 것조차 반대하겠다는 결의를 내비치고 있는 것이다. 2026년 초 대한민국에서는 ‘인간 대 로봇’의 일자리 다툼이 벌어지고 있다. 마치 SF 영화에 나올 것 같은 모습이지만 시선을 넓혀 보면 꼭 그렇지도 않다. 신기술의 도입으로 인해 생산성이 급격히 향상될 때마다 인류 역사에서 벌어져 온 현상이기 때문이다. 19세기 영국의 러다이트 운동이 바로 그 대표적인 사례다. [그때] 1811년 3월 11일 밤, 영국 노팅엄셔의 작은 마을 아널드의 외곽이 소란스러워졌다. 건장한 남자들이 손에 도끼나 곤봉 등을 들고 모여들고 있었다. 구형 방직기를 이용해 옷감 짜는 기술을 익힌 방직공들이, 갓 도입되기 시작한 신형 방직기를 파괴하기 위해 무기를 손에 든 것이다. 방직공들은 그들의 말에 따르자면 ‘노동자에게 가장 해로운 양말 제조업자’의 것인 신형 방직기를 총 63대 파괴했다. 노동자에 의한 생산 기계 파괴, 러다이트 운동의 시작이었다. [누가] 이 대목에서 우리가 주목해야 할 지점이 있다. 러다이트 운동을 벌인 주체가 누구냐는 것이다. 앞서 말했듯 방직공이다. 그것도 구형 방직기에 최적화된 사람들이었다. 그들은 자신이 직업 시장에 진입할 때의 최신 기술을 배우고 익혀서 충분한 이익을 보았다. 하지만 새롭게 도입되는 기술에 적응할 시간이나 여유는 없었다. 바로 그런 사람들이 다음 단계로의 기술 발전을 막기 위해 ‘새로운’ 기계를 파괴한 사건이 러다이트 운동인 것이다. 우리는 흔히 러다이트 운동을 ‘인간 대 기계’의 대결 구도로 이해한다. 산업혁명으로 인해 일자리를 잃은 ‘피해자’가 벌인 과격한 반발과 항의로 바라보는 것이다. 물론 그런 측면을 무시할 수 없다. 하지만 실제 맥락은 그보다 더 복잡하다. 러다이트 운동을 벌인 이들은 구형 방직기를 능숙하게 사용하는 전문직 기술자들이었다. 신형 방직기가 도입되기 전까지는 그들 역시 산업혁명과 생산성 증가로 인한 ‘혜택’을 누리고 있었다. 러다이트 운동을 단순한 이분법적 구도로 바라봐서는 안 되는 이유다. 최초의 기계 파괴 운동은 인명 피해를 낳지 않았다. 생각해 보면 이 또한 의아한 일이다. 무장 폭도가 사유재산을 파괴했음에도 왜 아무 탈 없이 사건이 종료될 수 있었을까. 19세기의 영국은 지금과 비교할 수 없을 정도로 노동자들에게 가혹한 나라였다. 러다이트 운동이 단지 ‘기계를 가진 자본’과 ‘몸으로 때우는 노동’의 갈등이었다면 첫 사건부터 혹독하게 진압당했을 것이다. 물론 사안은 그렇게 간단하지 않았다. 신형 방직기 도입을 둘러싼 갈등은 노동자 대 자본가의 문제이기도 했지만, 더 크게 보자면 구형 방직기를 통해 생산하던 기존 자본가와 신형 방직기를 도입하는 신흥 자본가 사이의 갈등이었다. 러다이트 운동을 ‘인간 대 기계’로 단순화하는 것만큼이나 ‘노동 대 자본’으로 단순화하는 것 역시 오류에 빠질 수밖에 없다는 것이다. 기계 파괴 운동은 숱한 모방 범죄를 낳았다. 그해 3월 16일부터 23일 사이, 인접 지역 각지에서 100대 이상의 방직기가 파괴됐다. 러다이트 운동이 변곡점을 맞은 것은 그해 11월 10일이었다. 아널드시 출신의 존 웨슬리가 벌웰에서 시위 도중 총에 맞아 사망한 것이다. 동료들은 웨슬리의 시신을 안전한 곳으로 옮긴 후 공장으로 돌아와 열 대가 넘는 기계를 더 부쉈다. 러다이트 운동 과정에서 사람이 죽은 첫 번째 사례다. [확산] 한번 흐른 피는 쉽게 멈추지 않는 법. 공장주들은 기계를 지키기 위해 무장 경비원을 고용하기 시작했고 노동자들 역시 호락호락하게 물러서지 않았다. 1812년 호스풀이라는 공장주가 고용한 경비원들이 러다이트 운동가 몇 명을 사살했고 노동자들 역시 호스풀을 살해함으로써 되갚았다. 리버풀 백작 2세 로버트 뱅크스 젠킨슨 내각은 러다이트에 대한 강경 진압을 추진했다. 러다이트 운동은 1816년 12월 28일 양말 제조업자와 방적공 사이의 임금 협상으로 마무리되었는데, 그때까지 ‘공식적으로’ 처형당한 러다이트 운동가만 17에서 25명으로 추산된다. 러다이트 운동이 그 무렵 마무리될 수 있었던 이유는 무엇일까. 뚜렷한 이념이나 인적 구심점이 없었다는 점이 가장 큰 문제였다. 러다이트 운동이라는 말 자체가 그렇다. 참가자들은 네드 러드를 자신들의 지도자인 것처럼 떠들어댔지만 네드 러드 자체가 구전되는 설화 속 가상의 인물이었다. 정부가 강경한 태도를 보이면 진압될 수밖에 없었다. [진실] 더 중요한 이유는 따로 있다. 1803년 시작된 나폴레옹 전쟁이 1815년에 끝났다는 것이다. 나폴레옹에 의해 봉쇄돼 있던 유럽 시장이 열리면서 영국의 옷감, 의류 산업은 활로를 찾았다. 새로운 기계가 기존 노동자의 일자리를 빼앗는 속도보다 수요를 따라잡기 위해 요구되는 생산량의 증가 속도가 더 빨랐고, 그에 따라 노동자들의 생계도 안정됐다. 기술 발전을 막으려던 일부 노동자들의 저항은 더 큰 경제적 흐름 속에서 역사의 뒤안길로 사라지게 된 것이다. [지금] 1811년이나 2026년이나 사안의 본질은 크게 다르지 않다. 우리는 우리에게 친숙한 기술을 통해 새로운 가치를 창출한다. 다만 그 기술이 발전하는 속도가 때로는 누군가의 예상을 뛰어넘을 정도로 빠를 뿐이다. 즉 이것은 인간 대 기계의 갈등이 아니다. 굳이 말하자면 ‘기존의 기술 대 미래의 기술’의 갈등인 셈이다. 노동 대 자본의 대결 구도 역시 마찬가지다. 19세기 초에 벌어진 러다이트 운동조차 노동자 대 자본가의 갈등으로만 이해할 수는 없다. 하물며 성인 중 3분의1이 주식에 투자하고 있는 오늘날 대한민국의 현실을 놓고 보면 더욱 그렇다. 기술, 특히 인공지능(AI)의 발전이 노동자를 위기에 빠뜨리고 자본가에게만 이익이 될 것이라는 논리로는 노동자와 자본가의 경계가 흐려진 오늘날의 현실을 설명할 수 없다. [숙제] AI의 발전이 어디까지 이어질지, 어떤 여파를 낳을지 지금으로서는 그 무엇도 함부로 예측하기 어렵다. 그러나 한 가지 분명한 사실이 있다. AI는 신형 방직기와 마찬가지로 결국 생산성을 증대시켜 더 나은 경제적 미래를 제공해 줄 것이다. 문제는 그 시점에 도달하기까지 감당해야 할 경제적·사회적 파장이다. AI와 로봇 등을 성급하게 무턱대고 규제하려 드는 대신 사안을 차분히 바라보고 갈등을 조정하며 부작용을 최소화하는 것이 정치의 존재 이유일 것이다. 노정태 작가·경제사회연구원 전문위원

마이크로소프트(MS)가 자사 소형언어모델 ‘파이(Phi)’를 기반으로 개발된 첫 로보틱스 파운데이션 모델인 ‘로-알파(Rho-alpha)’를 공개했다. 글로벌 ‘피지컬 AI’ 경쟁에서 우위를 점하겠다는 의지를 밝힌 셈이다. 로보틱스 파운데이션 모델이란 특정 작업만 수행하도록 프로그래밍된 기존 로봇과 달리, 방대한 데이터를 통해 물리 법칙과 행동 원리를 스스로 깨우치는 ‘범용 로봇 두뇌’다. 챗GPT가 어떤 질문에도 답하듯, 이 모델을 탑재한 로봇은 처음 접하는 환경에서도 스스로 판단해 움직일 수 있다. 로-알파의 가장 큰 차별점은 ‘VLA+(시각·언어·행동+)’ 구조다. 기존 로봇이 눈으로 보고 명령을 듣는 수준이라면, 로-알파는 여기에 ‘촉각(Tactile)’을 더했다. 물체를 눈으로만 보는 게 아니라 손끝의 질감과 압력을 느껴 정교하게 힘 조절을 할 수 있다. 이를 통해 자연어 명령만으로 전원 콘센트를 연결하거나 공구함을 정리하는 등 복잡한 ‘양손 조작’을 수행한다. 실시간 학습 능력도 혁신적이다. 작업 중 로봇이 오류를 범하면, 사람이 직관적인 장치로 동작을 바로잡아줄 수 있다. 로-알파는 인간의 피드백을 현장에서 즉시 학습해 성능을 지속적으로 개선한다. MS는 데이터 부족 문제를 해결하기 위해 엔비디아와 협력해 가상 시뮬레이션에서 수집한 방대한 데이터를 학습시켜 로봇의 판단력을 높였다. MS는 이번 모델을 휴머노이드와 듀얼 암 시스템 등 다양한 로봇에 적용해 테스트하고 있다. 애슐리 로렌스 MS 리서치 부사장은 “인간의 선호에 맞춰 기민하게 적응하는 로봇은 일상과 업무 환경에서 더 높은 효용을 제공할 것”이라고 밝혔다.

인공지능(AI)이 디지털 공간에서 언어와 시각 지능을 능숙하게 구현하는 단계를 넘어, 이제는 육체를 입고 현실 세계로 나오고 있다. 마이크로소프트(MS)는 자사 소형언어모델 ‘파이(Phi)’를 기반으로 개발된 첫 ‘로보틱스 파운데이션 모델’ ‘로-알파(Rho-alpha)’를 공개하며 ‘피지컬 AI’ 시대의 서막을 알렸다. 로보틱스 파운데이션 모델이란 특정 작업만 수행하도록 프로그래밍된 기존 로봇과 달리, 방대한 데이터를 통해 물리 법칙과 행동 원리를 스스로 깨우친 ‘범용 로봇 두뇌’를 뜻한다. 챗GPT가 어떤 질문에도 답하듯, 이 모델을 탑재한 로봇은 처음 접하는 환경에서도 스스로 판단해 움직일 수 있다. 로-알파의 가장 큰 차별점은 ‘VLA+(시각-언어-행동+)’ 구조다. 기존 로봇이 눈으로 보고(시각) 명령을 듣는(언어) 수준에 머물렀다면, 로-알파는 여기에 ‘촉각(Tactile)’ 센싱을 더해 한계를 돌파했다. 물체를 눈으로만 보는 게 아니라 손끝의 질감과 압력을 느껴 정교한 힘 조절을 할 수 있다. 이를 통해 자연어 명령만으로 전원 콘센트를 연결하거나 공구함을 정리하는 등 복잡한 ‘양손 조작’을 수행한다. 실시간 학습 능력도 혁신적이다. 작업 중 로봇이 오류를 범하면, 사람이 직관적인 장치로 동작을 바로잡아줄 수 있다. 로-알파는 이 인간의 피드백을 현장에서 즉시 학습해 성능을 지속적으로 개선한다. MS는 데이터 부족 문제를 해결하기 위해 엔비디아와 협력, 가상 시뮬레이션에서 수집한 방대한 데이터를 학습시켜 로봇의 판단력을 높였다. MS는 이번 모델을 휴머노이드와 듀얼 암 시스템 등 다양한 로봇에 적용해 테스트 중이다. 애슐리 로렌스 MS 리서치 부사장은 “인간의 선호에 맞춰 기민하게 적응하는 로봇은 일상과 업무 환경에서 더 높은 효용을 제공할 것”이라고 밝혔다.

포스코가 철강 물류 디지털 전환을 강화하고 있다. 20일 포스코 포항제철소는 제강 슬래브 야드에 자동화 시스템을 본격 도입해 철강 물류 운영의 디지털 전환을 앞당기고 있다. 철판 형태인 슬래브가 입고·보관·출하되는 작업장인 슬래브 야드에서는 그간 작업자의 경험과 수작업에 크게 의존해 왔다. 포항제철소는 이러한 방식을 개선하기 위해 소재 이동과 확인 과정을 시스템 중심으로 재편하고 자동화 기술을 단계적으로 도입했다. 주요 변화로는 ▲크레인 작업관리 자동화 ▲스마트 CCTV 기반 마킹 자동 인식 시스템 구축이 있다. 이로써 현장 작업자는 반복적인 확인 업무에서 벗어나 보다 효율적인 작업 환경에서 근무할 수 있게 됐다. 특히 스마트 CCTV 기반의 마킹 자동 인식 시스템은 소재 이동과 출하 과정에서 필요한 확인 절차를 디지털 방식으로 전환해 인적 오류를 줄이고, 야드 운영의 신뢰성과 안정성을 크게 높였다. 포항제철소는 포스코형 AI 제철소 구현을 위해 AX 분야에 대한 투자를 지속하고, 디지털 혁신과 AI 기술을 선도할 전문 인력을 적극 양성하여 미래 경쟁력을 강화해 나갈 방침이다. 기술 개발을 주도한 조재성 제강부 대리는 “현장에서 반복되던 불필요한 업무를 줄이고, 작업자가 더욱 안전한 환경에서 일할 수 있도록 하는 데 중점을 뒀다”며 “앞으로도 현장 맞춤형 스마트 혁신 기술을 지속적으로 확대해 나가겠다”고 말했다.

정치란 무엇인가. 이 오래된 질문을 다시 묻는다. 한때는 그 개념을 정의한 말들이 너무 다양해 메모지에 적어 본 적이 있었다. 족히 스무 가지가 넘는 개념 정의가 모아졌다. 그중 가장 높은 빈도를 차지하는 내용은 사회적 갈등을 해결하는 과정이라는 것이었다. 갈등을 일으키는 게 아니라 갈등을 해결하는 과정이라는 뜻이다. 상대적으로 동양에서 정치에 대한 개념을 규범적 당위로 더 강조하고 있었다. 정치를 ‘바를 정’(正)과 ‘다스린다’(治)는 의미의 결합으로 규정했으니 말이다. 바로잡기 위해 계엄을 했는가. 그리고 국회의원들과 시의원은 다스리기 위해 돈을 주고받았는가. 대통령은 법정에서 그렇게 강변했고, 국회의원과 시의원 역시 수사 과정에서 그렇게 강변할 것으로 보인다. 커다란 착각이다. 정치가 무엇인지, 공직자가 어떠해야 하는지에 대해 성찰하지 않은 이들이 권력을 특권으로 왜곡하고 약탈의 기회로 삼은 소치다. 내가 수집한 정치인의 개념 중에는 ‘자신의 물리적 희생을 감수하며 자신이 믿는 이상적인 가치를 세상에 구현하려는 사람’이라는 규정도 있었다. 정치란 무엇인가. 인공지능(AI)이나 우주 또는 금융 상품과 관련한 지식이 넘쳐나는 시대라 할지라도, 자신의 정체성에 대한 깨달음과 그에 대한 교육이 중요하다는 사실을 우리는 눈으로 보고 있다. 이러한 자각과 교육 없이 출세한 대통령, 국회의원, 그리고 그 외 머리 좋은 사람들이 얼마나 쉽게 괴물이 되는지 분명해졌다. 정체성을 깨달아야 한다는 말은, 그것을 깨달아야 어디서든 기죽지 않고 당당하게 나서는 사람이 된다는 의미가 아니다. 우리는 한국 사람이기 때문에 일본과 싸워야 한다는 국뽕들의 선동 같은 차원의 언사도 아니다. 정체성을 알고 자신을 찾는다는 것은 자신이 어떤 소명을 지니고 태어난 존재인지, 현시점에서 어떤 덕을 베풀어야 하는 사람인지 근원적 가르침을 내면화해야 한다는 뜻이다. 법정에 선 대통령은 12·3 계엄 선포를 위한 국무회의에서 정치적 역공과 실패의 위험을 경고해 준 국무위원이 없었다고 했다. 자신의 정체성을 분명히 자각하지 못한 사람들이 권력 앞에 ‘노’(no)라고 말하는 건 불가능하다. 그 결과 본인도 망하고, 대통령도 망하고, 국가에도 누가 되는 일이 벌어졌다. 지혜로운 권력자는 자신이 정체성을 잃을 위험에 반드시 대비할 필요가 있다. 인간이기 때문에 권력 앞에서 약해지고 자신의 소임을 다하지 못할 수 있다는 사실은 수많은 역사적 사건이 가르쳐 준다. 오죽하면 가톨릭에서는 수백년 동안 성인 추대 심사에 ‘악마의 변호인’ 제도를 두었겠는가. 미국의 대통령 중에서도 그러한 역할을 하는 참모를 둔 대통령이 있었다. 권력의 위세나 집단적 결정의 오류를 제어하기 위해 일부러 반대 의견을 제시하고 비판하게 하는 장치를 두었던 셈이다. 자신의 정체성이 흔들리는 위험에 대비하는 노력이 오늘의 리더에게도 필요하다. 개인 차원의 정체성, 그리고 그것을 보완하는 제도적 장치가 무너지면 권력은 타락한다. 권력의 타락은 사명으로부터의 이탈과 부패를 뜻하는데, 여기에는 전조 증상이 있다. 올바름에 대한 의지와 인간에 대한 연민이 고갈된다. 전조 증상의 전조 증상 또한 존재하는데, 그것은 감각의 둔화 현상이다. 세상 모든 일에는 찬성과 반대가 있기 마련이므로 반대하는 편을 신경 쓸 필요 없다는 피로감과 일방통행식 의사결정이다. 해방 후 한국의 대통령은 13명이었다. 이 가운데 8개월 과도정부를 관리한 최규하와 2공화국 내각책임제의 윤보선을 제외하면 11명이다. 사형선고 혹은 사형 구형 2명, 투옥 4명, 탄핵 2명, 살해와 자살·추방이 각 1명이다. 그리고 2명은 아들이 대신 감옥에 갔다. 이쯤 되면 대통령 본인의 삶을 위해, 그리고 좋은 사회를 꿈꾸는 국민들을 위해 권력의 일탈을 사전에 예방하고 깨끗한 나라를 만드는 데 앞장설 필요가 있지 않을까. AI와 우주를 탐험하는 지식이 넘쳐나는 오늘에도 우리는 본원적 정체성을 스스로 묻지 않을 수 없다. 그리고 대학은 그것을 교육하지 않을 수 없다. 정치란 무엇인가. 그리고, 나는 누구인가. 이종수 연세대 국제캠퍼스 부총장

신참 사회부 기자 시절 야근을 하다 보면 심심찮게 걸려오는 문의 전화가 있었다. 가령 ‘우리나라 최남단 섬은 마라도인가, 이어도인가’ 이런 식이었다. 친구들끼리 약주 한잔 하다가 의견이 엇갈려서 “내기를 걸었다”며 정답을 알려 달라는 경우가 많았다. 기자도 만물박사가 아닌지라 잘 모르거나 헛갈리는 사안은 회사 조사실에서 관련 기사 스크랩을 찾아본 뒤 답을 줄 수 있었다. 인터넷과 스마트폰이 보급된 이후 포털사이트에서 검색을 할 수 있어 이런 문의는 거의 사라졌다. 요즘은 네이버, 구글 등으로 검색하는 것도 번거롭다며 챗GPT와 같은 인공지능(AI)에 물어보는 사람이 많다. 문제는 AI가 데이터가 부족하거나 불균형할 때 내놓는 할루시네이션(환각)에 의한 가짜정보다. 얼마 전 업무보고에서 농림축산식품부 ‘콩GPT’ 국장이 대통령 앞에 내놓은 답변에 오류가 있었던 게 뒤늦게 밝혀졌다. AI처럼 신속성에 가치를 두고 제한된 정보를 절대시하다 생긴 사람의 할루시네이션으로 볼 수 있다. ‘인간 AI’의 오류를 바로잡은 건 사람이었다.

미래에 인간과 기계가 전쟁을 벌인다면 총기와 미사일이 동원될 가능성이 크다. 설령 전장이 주먹과 발차기로 제한되더라도 인간이 유리하다고 장담하기는 어렵다. 최근 공개된 휴머노이드 로봇들의 움직임은 ‘무술 대결’이라는 가정에서도 인간을 압도할 수준으로 빠르게 진화하고 있다. 이 같은 흐름은 세계 최대 가전·정보기술(IT) 전시회 CES 2026에서도 확인된다. CES 2026은 6일(현지시간) 미국 라스베이거스에서 개막했으며 올해 전시의 핵심 키워드로는 생성형 AI를 넘어 실제로 움직이고 작업을 수행하는 이른바 ‘피지컬 AI’가 부상했다. 로봇이 말과 화면이 아닌 신체 움직임으로 기술 성숙도를 증명하는 장면이 전시장 곳곳에서 연출됐다. 미국 과학·기술 전문 매체 퓨처리즘은 이날 중국 로봇 기업 유니트리가 공개한 휴머노이드 로봇 ‘H2’ 시연 영상을 소개하며 이런 흐름을 전했다. 유니트리는 영상에서 키 180㎝에 달하는 휴머노이드 H2의 동작을 공개했다. H2는 공중에서 몸을 회전하며 발차기를 수행했고 머리 위에 매달린 수박을 정확히 가격했다. 이어 대형 샌드백을 강하게 걷어차 회전시키는 장면도 연출했다. 로봇은 바로 옆에 서 있던 유니트리 창업자이자 최고경영자(CEO)인 왕싱싱과의 거리까지 정밀하게 계산해 동작을 수행하며 균형 제어와 반응 속도를 강조했다. H2는 가격 3만 달러(약 4300만원) 수준으로 알려졌다. 업계에서는 이 로봇이 엔비디아 엣지 AI 플랫폼을 기반으로 구동됐을 가능성에 주목한다. H2는 유니트리가 앞서 공개한 소형 휴머노이드 ‘G1’의 후속 모델이다. ◆ 왜 유니트리는 ‘무술’에 집중했을까 업계에서는 유니트리의 연이은 무술·권투 시연을 단순한 과시가 아니라 의도된 기술 전략으로 해석한다. 무술 동작은 휴머노이드의 기본기를 가장 직관적으로 드러낸다. 공중 발차기와 펀치는 하체 균형, 관절 토크, 상·하체 협응, 충격 대응 능력을 동시에 요구한다. 로봇이 넘어지지 않고 자세를 복원하는 과정만으로도 하드웨어와 제어 기술의 성숙도를 한눈에 확인할 수 있다. 짧은 영상 하나가 복잡한 기술 설명보다 더 강한 설득력을 갖는 이유다. 또 무술과 스포츠는 통제된 실험 환경이라는 장점이 있다. 집안일이나 노인 돌봄처럼 실제 생활과 맞닿은 영역은 작은 오류만 발생해도 안전·윤리 논란으로 이어질 수 있다. 반면 링이나 도장처럼 규칙이 명확한 공간에서의 시연은 충돌이나 넘어짐이 발생해도 ‘실험’이나 ‘퍼포먼스’로 받아들여지기 쉽다. 이는 기술 시연의 리스크를 관리하면서도 성능을 분명히 드러낼 수 있는 방식이다. 여기에 로봇 스포츠 가능성을 염두에 둔 포석이라는 해석도 나온다. 발차기와 권투 같은 격투 동작은 향후 로봇 간 대결이나 시범 경기로 확장하기 쉬운 콘텐츠다. 드론 레이싱이나 로봇 축구처럼 휴머노이드 역시 스포츠라는 형식을 통해 대중 인지도를 넓히고 기술 성숙도를 단계적으로 입증하려는 전략이라는 분석이다. ◆ 화려한 동작과 현실의 간극 CES 2026에서는 제한된 환경에서 빨래를 개거나 요리 보조, 물건 전달 같은 가사 작업을 수행하는 로봇도 등장하며 휴머노이드 기술의 진전을 보여줬다. 다만 업계에서는 이러한 성과가 곧바로 일상 전반으로 확산되기까지는 여전히 넘어야 할 과제가 적지 않다고 본다. 문제는 물건을 집는 능력 그 자체가 아니라 사람의 지시를 이해하고 상황과 맥락에 맞춰 작업을 연속적으로 수행하는 능력이다. 무술 시연에서 보여준 발차기와 펀치 같은 동작은 고도로 통제된 환경에서 학습·조정된 움직임을 정확히 재현하는 데 강점을 보이지만, 실제 가정이나 서비스 현장은 예측 불가능한 변수와 인간의 개입이 끊임없이 발생한다. 이 때문에 유니트리의 무술 중심 시연은 기술을 과시하기 위한 이벤트라기보다 휴머노이드의 균형 제어와 관절 구동, 반응 속도 등 기술 성숙도를 대중과 투자자에게 직관적으로 보여주기 위한 전략적 쇼케이스로 해석된다. 기술이 어디까지 왔는지를 분명히 드러내는 데는 성공했지만, 사람과의 소통을 기반으로 한 자율적 판단과 작업 수행은 여전히 다음 단계의 과제로 남아 있다는 평가다. 이는 휴머노이드 기술의 가능성을 부정하기보다 기계가 인간의 공간으로 본격 진입하기 위해 무엇이 가장 어려운지를 보여주는 지점에 가깝다. 발차기와 회전 동작은 출발점에 가깝고 사람과의 소통과 맥락 이해는 이제 막 본격적으로 풀어야 할 과제로 남아 있다.

미래에 인간과 기계가 전쟁을 벌인다면 총기와 미사일이 동원될 가능성이 크다. 설령 전장이 주먹과 발차기로 제한되더라도 인간이 유리하다고 장담하기는 어렵다. 최근 공개된 휴머노이드 로봇들의 움직임은 ‘무술 대결’이라는 가정에서도 인간을 압도할 수준으로 빠르게 진화하고 있다. 이 같은 흐름은 세계 최대 가전·정보기술(IT) 전시회 CES 2026에서도 확인된다. CES 2026은 6일(현지시간) 미국 라스베이거스에서 개막했으며 올해 전시의 핵심 키워드로는 생성형 AI를 넘어 실제로 움직이고 작업을 수행하는 이른바 ‘피지컬 AI’가 부상했다. 로봇이 말과 화면이 아닌 신체 움직임으로 기술 성숙도를 증명하는 장면이 전시장 곳곳에서 연출됐다. 미국 과학·기술 전문 매체 퓨처리즘은 이날 중국 로봇 기업 유니트리가 공개한 휴머노이드 로봇 ‘H2’ 시연 영상을 소개하며 이런 흐름을 전했다. 유니트리는 영상에서 키 180㎝에 달하는 휴머노이드 H2의 동작을 공개했다. H2는 공중에서 몸을 회전하며 발차기를 수행했고 머리 위에 매달린 수박을 정확히 가격했다. 이어 대형 샌드백을 강하게 걷어차 회전시키는 장면도 연출했다. 로봇은 바로 옆에 서 있던 유니트리 창업자이자 최고경영자(CEO)인 왕싱싱과의 거리까지 정밀하게 계산해 동작을 수행하며 균형 제어와 반응 속도를 강조했다. H2는 가격 3만 달러(약 4300만원) 수준으로 알려졌다. 업계에서는 이 로봇이 엔비디아 엣지 AI 플랫폼을 기반으로 구동됐을 가능성에 주목한다. H2는 유니트리가 앞서 공개한 소형 휴머노이드 ‘G1’의 후속 모델이다. ◆ 왜 유니트리는 ‘무술’에 집중했을까 업계에서는 유니트리의 연이은 무술·권투 시연을 단순한 과시가 아니라 의도된 기술 전략으로 해석한다. 무술 동작은 휴머노이드의 기본기를 가장 직관적으로 드러낸다. 공중 발차기와 펀치는 하체 균형, 관절 토크, 상·하체 협응, 충격 대응 능력을 동시에 요구한다. 로봇이 넘어지지 않고 자세를 복원하는 과정만으로도 하드웨어와 제어 기술의 성숙도를 한눈에 확인할 수 있다. 짧은 영상 하나가 복잡한 기술 설명보다 더 강한 설득력을 갖는 이유다. 또 무술과 스포츠는 통제된 실험 환경이라는 장점이 있다. 집안일이나 노인 돌봄처럼 실제 생활과 맞닿은 영역은 작은 오류만 발생해도 안전·윤리 논란으로 이어질 수 있다. 반면 링이나 도장처럼 규칙이 명확한 공간에서의 시연은 충돌이나 넘어짐이 발생해도 ‘실험’이나 ‘퍼포먼스’로 받아들여지기 쉽다. 이는 기술 시연의 리스크를 관리하면서도 성능을 분명히 드러낼 수 있는 방식이다. 여기에 로봇 스포츠 가능성을 염두에 둔 포석이라는 해석도 나온다. 발차기와 권투 같은 격투 동작은 향후 로봇 간 대결이나 시범 경기로 확장하기 쉬운 콘텐츠다. 드론 레이싱이나 로봇 축구처럼 휴머노이드 역시 스포츠라는 형식을 통해 대중 인지도를 넓히고 기술 성숙도를 단계적으로 입증하려는 전략이라는 분석이다. ◆ 화려한 동작과 현실의 간극 CES 2026에서는 제한된 환경에서 빨래를 개거나 요리 보조, 물건 전달 같은 가사 작업을 수행하는 로봇도 등장하며 휴머노이드 기술의 진전을 보여줬다. 다만 업계에서는 이러한 성과가 곧바로 일상 전반으로 확산되기까지는 여전히 넘어야 할 과제가 적지 않다고 본다. 문제는 물건을 집는 능력 그 자체가 아니라 사람의 지시를 이해하고 상황과 맥락에 맞춰 작업을 연속적으로 수행하는 능력이다. 무술 시연에서 보여준 발차기와 펀치 같은 동작은 고도로 통제된 환경에서 학습·조정된 움직임을 정확히 재현하는 데 강점을 보이지만, 실제 가정이나 서비스 현장은 예측 불가능한 변수와 인간의 개입이 끊임없이 발생한다. 이 때문에 유니트리의 무술 중심 시연은 기술을 과시하기 위한 이벤트라기보다 휴머노이드의 균형 제어와 관절 구동, 반응 속도 등 기술 성숙도를 대중과 투자자에게 직관적으로 보여주기 위한 전략적 쇼케이스로 해석된다. 기술이 어디까지 왔는지를 분명히 드러내는 데는 성공했지만, 사람과의 소통을 기반으로 한 자율적 판단과 작업 수행은 여전히 다음 단계의 과제로 남아 있다는 평가다. 이는 휴머노이드 기술의 가능성을 부정하기보다 기계가 인간의 공간으로 본격 진입하기 위해 무엇이 가장 어려운지를 보여주는 지점에 가깝다. 발차기와 회전 동작은 출발점에 가깝고 사람과의 소통과 맥락 이해는 이제 막 본격적으로 풀어야 할 과제로 남아 있다.

미국 라스베이거스에서 열린 CES에 피지컬 AI가 대거 등장했다는 소식에 아이작 아시모프의 SF 소설들이 떠올랐다. 인간과 협업하는 로봇들이 반드시 지켜야 하는 규칙들 사이에서 좌충우돌하는 그의 작품 속 장면들 말이다. 아시모프의 로봇들은 ‘로봇 3원칙’ 안에 갇혀서 우왕좌왕했다. 로봇은 인간에게 해를 끼칠 수 없다는 1원칙, 로봇은 인간의 명령에 복종해야 한다는 2원칙, 로봇은 자신의 존재를 보호해야 한다는 3원칙이 서로 충돌하는 상황에 자주 놓였다. 동료를 구하라는 명령을 받은 로봇. 인간의 명령을 수행하기 위해 뜨거운 행성 표면을 가로질렀다가는 몸체가 녹아버릴 수밖에 없는 로봇이 2원칙과 3원칙의 충돌 속에 어쩔 줄 모르는 모습 등이 묘사됐다. 결국 아시모프는 고장난 로봇들의 이야기를 담아냈는데, 고장난 로봇에서 로봇 진화의 싹이 텄다. 고장과 오류 없는 개발은 없는 법이니까. 그렇다면 피지컬 AI 개발에 앞서 걱정되는 건 기술력만이 아니다. 인간의 실패에 너그럽지 못한 우리 사회가 로봇의 고장과 오류 단계를 과연 잘 참아낼 수 있을지가 관건이다.

매년 사업 전략을 세울 때 가장 효과적인 방법은 목표가 실현된 미래의 모습을 먼저 그려보고, 그 미래에서 현재로 거슬러오며 단계별로 실행 가능한 계획을 세우는 것이다. 이 방식은 목표를 더 체계적으로, 더 현실적으로 달성하게 한다. 건설산업도 마찬가지라고 생각한다. AX가 완전히 자리 잡은 미래의 건설 현장과 도시의 모습을 먼저 상상해 본다. 이번 마지막 편에서는 AX 시대의 건설산업이 어떤 모습으로 진화할지, 그리고 그 변화의 중심에 있는 건설기계, BIM, 건설사업관리 플랫폼이 어떻게 재편될지 구체적으로 그려본다. ①로봇과 AI 기반의 건설기계 변화-무인화와 실시간 최적화 AX 시대의 건설 현장은 더 이상 사람이 중심이 아니다. 로봇과 AI 장비가 작업을 수행하고, 사람은 감독자나 의사결정자로서 역할을 한다. 로봇은 스스로 작업 경로를 계산하고, 공정 상황에 따라 자동으로 작업량을 조절한다. AI는 장비 고장이나 정비 필요 여부를 예측해 유지보수 일정을 자동으로 조정한다. 결과적으로 안전사고는 급감하고, 공정 효율은 비약적으로 향상될 것이다. ②BIM 기반 건축물 전 생애주기 관리의 변화-설계·시공·유지관리의 완전한 통합 AX 시대의 핵심 인프라는 BIM과 디지털 트윈이다. 이 두 기술은 건축물의 설계 → 시공 → 유지관리를 하나의 데이터 흐름으로 연결한다. 1.설계 단계-AI가 설계안을 자동 생성하는 시대 BIM 모델을 기반으로 AI가 수십~수백 개의 설계안을 자동으로 생성하고, 구조적 간섭 여부, 자재 사용량, 에너지 효율 등을 비교해 최적안을 제시하는 제너레이티브(Generative) 디자인이 대세로 자리 잡을 것이다. 십여 년 전 매개변수를 입력하여 설계안을 생성하는 파라메트릭(Parametric) 디자인이 유행처럼 번졌다. 이 방식은 사람이 직접 원하는 결과물을 도출하기 위해 매개변수를 입력해가며 설계안을 발전시키는 데 반해 제너레이티브 디자인은 사람이 원하는 성능과 목표, 방향성만 제시하면 알고리즘이 방대한 데이터를 탐색하고 조합해 전혀 예상치 못한 유기적 형태의 디자인을 도출할 수도 있다. 파라메트릭이 DX라면, 제너레이티브는 AX라고 할 수 있다. 설계는 더 이상 사람이 “처음부터 끝까지 직접 만드는 작업”이 아니라, AI가 제시한 옵션 중 최적안을 선택하고 조정하는 방식으로 바뀔 것이다. 2.시공 단계-오류 없는 시공, 안전 리스크 제로화 BIM 모델은 시공 단계에서 공정 간섭 자동 검출, 장비 동선 최적화, AR 기반 시공성 시뮬레이션 검토, 로봇과 자율주행 장비의 작업 기준 데이터 제공 등의 역할을 할 것이다. 즉, 관리자는 시공 전 미리 작업 상황을 고려, 공정 순서대로 공사를 미리 시뮬레이션해보고 어디가 위험하고, 품질관리 포인트는 어디인지를 분명히 알고 공사를 진행할 수 있다. 이를 통해 안전사고 예방뿐 아니라 품질관리 기준 또한 높아질 것이다. 3.유지관리 단계-디지털 트윈 기반의 지능형 건축물 운영 디지털 트윈은 실제 건축물의 상태를 실시간으로 반영하는 가상 복제 공간이다. 이 기술은 시설 유형별로 관리상의 여러 변화를 만든다. 아파트와 같은 주택에서는 누수·균열·배관 이상을 센서가 감지하고, 디지털 트윈이 고장 가능성을 예측하여 미리 보수할 수 있도록 알림을 줄 것이다. 또한 거주자의 생활 패턴을 분석해 난방·환기·조명을 자동 조절할 수도 있고 에너지 사용량을 최적화해 관리비 또한 절감할 수 있을 것이다. 공장과 같은 산업시설에서는 설비의 진동·온도·압력 데이터를 실시간 분석해 고장 전 징후를 감지해 다운타임(가동 중단 시간)을 최소화하여 공장을 운영할 수 있고 생산 라인의 병목을 자동 분석하고 운영 계획을 조정할 수도 있다. 또한 위험 지역은 로봇이 점검하고, AI가 유지보수 일정을 자동 생성해 줄 것이다. GE, Siemens, Bosch 등 글로벌 제조사는 이미 공장 디지털 트윈을 운영 중이며, 설비 고장 예측 정확도가 30~50% 향상된 사례도 보고되고 있다. 오피스 및 상업시설에서도 공간별 사용량을 분석해 냉난방과 조명을 자동 제어하고 실내 공기질을 실시간 모니터링하고 자동 환기 시키는 등 실내 거주자의 쾌적성을 위해 알아서 설비를 제어하게 될 것이다. ③건설사업관리 플랫폼의 변화-수주부터 준공까지 하나의 데이터 흐름 AX 시대에는 건설사업관리 방식도 완전히 바뀐다. 수주 단계에는 AI가 입찰 문서·계약 리스크·원가 구조 등을 신속하게 분석하고 경쟁사 전략과 시장 데이터를 기반으로 최적 수주 전략을 제시하게 될 것이다. 삼성물산은 이미 AI 기반 계약 리스크 분석 시스템을 운영 중이다. 시공 단계에서는 앞서 설명한 바와 같이 공정 계획은 AI가 자동 생성하고, 현장 상황에 따라 실시간 작업을 조율한다. 자재 수급·장비 배치·인력 투입은 AI의 분석과 계획에 따라 최적화하고 안전관리는 AI CCTV가 실시간으로 감지한다. 준공 및 운영 단계에서 준공 데이터는 BIM 초기 생성 모델과 As-built 도면을 바탕으로 업데이트된 모델이 디지털 트윈으로 자동 전환된다. 유지관리 계획은 관리 주체가 입력한 성능 목표에 따라 AI가 자동 생성하고 운영 시 축적된 데이터는 다시 설계, 시공 단계로 피드백돼 다음 프로젝트의 품질을 높인다. 즉, 건설사업관리는 프로젝트 단위 관리에서 데이터 기반 플랫폼 운영으로 진화하게 된다. AX는 건설산업을 무인화·지능화·지속가능성 중심 산업으로 재편한다. 로봇과 AI 장비가 현장을 운영하고, BIM과 디지털 트윈이 건축물의 생애주기를 관리하며, 건설사업관리 플랫폼이 수주부터 준공까지 모든 의사결정을 돕는다. 이제 건설산업의 리더는 기술을 따라가는 사람이 아니라, 기술로 미래를 설계하는 사람이 되어야 한다. AI와 로봇이 함께 움직이는 현장, 데이터가 실시간으로 흐르는 운영, 안전과 효율이 동시에 확보되는 산업. 건설은 더 이상 과거의 3D(Dangerous, Difficult & Dirty)가 아닌 디지털(Digital) 기술을 기반으로, 역동적(Dynamic)이며, 청년들이 선망하는 품격 있는(Decent) 일자리라는 새로운 ‘미래형 3D’로 변화할 것이다. 그 미래는 이미 시작되었고, 우리가 준비해야 할 시간은 지금이다.

매년 사업 전략을 세울 때 가장 효과적인 방법은 목표가 실현된 미래의 모습을 먼저 그려보고, 그 미래에서 현재로 거슬러오며 단계별로 실행 가능한 계획을 세우는 것이다. 이 방식은 목표를 더 체계적으로, 더 현실적으로 달성하게 한다. 건설산업도 마찬가지라고 생각한다. AX가 완전히 자리 잡은 미래의 건설 현장과 도시의 모습을 먼저 상상해 본다. 이번 마지막 편에서는 AX 시대의 건설산업이 어떤 모습으로 진화할지, 그리고 그 변화의 중심에 있는 건설기계, BIM, 건설사업관리 플랫폼이 어떻게 재편될지 구체적으로 그려본다. ①로봇과 AI 기반의 건설기계 변화-무인화와 실시간 최적화 AX 시대의 건설 현장은 더 이상 사람이 중심이 아니다. 로봇과 AI 장비가 작업을 수행하고, 사람은 감독자나 의사결정자로서 역할을 한다. 로봇은 스스로 작업 경로를 계산하고, 공정 상황에 따라 자동으로 작업량을 조절한다. AI는 장비 고장이나 정비 필요 여부를 예측해 유지보수 일정을 자동으로 조정한다. 결과적으로 안전사고는 급감하고, 공정 효율은 비약적으로 향상될 것이다. ②BIM 기반 건축물 전 생애주기 관리의 변화-설계·시공·유지관리의 완전한 통합 AX 시대의 핵심 인프라는 BIM과 디지털 트윈이다. 이 두 기술은 건축물의 설계 → 시공 → 유지관리를 하나의 데이터 흐름으로 연결한다. 1.설계 단계-AI가 설계안을 자동 생성하는 시대 BIM 모델을 기반으로 AI가 수십~수백 개의 설계안을 자동으로 생성하고, 구조적 간섭 여부, 자재 사용량, 에너지 효율 등을 비교해 최적안을 제시하는 제너레이티브(Generative) 디자인이 대세로 자리 잡을 것이다. 십여 년 전 매개변수를 입력하여 설계안을 생성하는 파라메트릭(Parametric) 디자인이 유행처럼 번졌다. 이 방식은 사람이 직접 원하는 결과물을 도출하기 위해 매개변수를 입력해가며 설계안을 발전시키는 데 반해 제너레이티브 디자인은 사람이 원하는 성능과 목표, 방향성만 제시하면 알고리즘이 방대한 데이터를 탐색하고 조합해 전혀 예상치 못한 유기적 형태의 디자인을 도출할 수도 있다. 파라메트릭이 DX라면, 제너레이티브는 AX라고 할 수 있다. 설계는 더 이상 사람이 “처음부터 끝까지 직접 만드는 작업”이 아니라, AI가 제시한 옵션 중 최적안을 선택하고 조정하는 방식으로 바뀔 것이다. 2.시공 단계-오류 없는 시공, 안전 리스크 제로화 BIM 모델은 시공 단계에서 공정 간섭 자동 검출, 장비 동선 최적화, AR 기반 시공성 시뮬레이션 검토, 로봇과 자율주행 장비의 작업 기준 데이터 제공 등의 역할을 할 것이다. 즉, 관리자는 시공 전 미리 작업 상황을 고려, 공정 순서대로 공사를 미리 시뮬레이션해보고 어디가 위험하고, 품질관리 포인트는 어디인지를 분명히 알고 공사를 진행할 수 있다. 이를 통해 안전사고 예방뿐 아니라 품질관리 기준 또한 높아질 것이다. 3.유지관리 단계-디지털 트윈 기반의 지능형 건축물 운영 디지털 트윈은 실제 건축물의 상태를 실시간으로 반영하는 가상 복제 공간이다. 이 기술은 시설 유형별로 관리상의 여러 변화를 만든다. 아파트와 같은 주택에서는 누수·균열·배관 이상을 센서가 감지하고, 디지털 트윈이 고장 가능성을 예측하여 미리 보수할 수 있도록 알림을 줄 것이다. 또한 거주자의 생활 패턴을 분석해 난방·환기·조명을 자동 조절할 수도 있고 에너지 사용량을 최적화해 관리비 또한 절감할 수 있을 것이다. 공장과 같은 산업시설에서는 설비의 진동·온도·압력 데이터를 실시간 분석해 고장 전 징후를 감지해 다운타임(가동 중단 시간)을 최소화하여 공장을 운영할 수 있고 생산 라인의 병목을 자동 분석하고 운영 계획을 조정할 수도 있다. 또한 위험 지역은 로봇이 점검하고, AI가 유지보수 일정을 자동 생성해 줄 것이다. GE, Siemens, Bosch 등 글로벌 제조사는 이미 공장 디지털 트윈을 운영 중이며, 설비 고장 예측 정확도가 30~50% 향상된 사례도 보고되고 있다. 오피스 및 상업시설에서도 공간별 사용량을 분석해 냉난방과 조명을 자동 제어하고 실내 공기질을 실시간 모니터링하고 자동 환기 시키는 등 실내 거주자의 쾌적성을 위해 알아서 설비를 제어하게 될 것이다. ③건설사업관리 플랫폼의 변화-수주부터 준공까지 하나의 데이터 흐름 AX 시대에는 건설사업관리 방식도 완전히 바뀐다. 수주 단계에는 AI가 입찰 문서·계약 리스크·원가 구조 등을 신속하게 분석하고 경쟁사 전략과 시장 데이터를 기반으로 최적 수주 전략을 제시하게 될 것이다. 삼성물산은 이미 AI 기반 계약 리스크 분석 시스템을 운영 중이다. 시공 단계에서는 앞서 설명한 바와 같이 공정 계획은 AI가 자동 생성하고, 현장 상황에 따라 실시간 작업을 조율한다. 자재 수급·장비 배치·인력 투입은 AI의 분석과 계획에 따라 최적화하고 안전관리는 AI CCTV가 실시간으로 감지한다. 준공 및 운영 단계에서 준공 데이터는 BIM 초기 생성 모델과 As-built 도면을 바탕으로 업데이트된 모델이 디지털 트윈으로 자동 전환된다. 유지관리 계획은 관리 주체가 입력한 성능 목표에 따라 AI가 자동 생성하고 운영 시 축적된 데이터는 다시 설계, 시공 단계로 피드백돼 다음 프로젝트의 품질을 높인다. 즉, 건설사업관리는 프로젝트 단위 관리에서 데이터 기반 플랫폼 운영으로 진화하게 된다. AX는 건설산업을 무인화·지능화·지속가능성 중심 산업으로 재편한다. 로봇과 AI 장비가 현장을 운영하고, BIM과 디지털 트윈이 건축물의 생애주기를 관리하며, 건설사업관리 플랫폼이 수주부터 준공까지 모든 의사결정을 돕는다. 이제 건설산업의 리더는 기술을 따라가는 사람이 아니라, 기술로 미래를 설계하는 사람이 되어야 한다. AI와 로봇이 함께 움직이는 현장, 데이터가 실시간으로 흐르는 운영, 안전과 효율이 동시에 확보되는 산업. 건설은 더 이상 과거의 3D(Dangerous, Difficult & Dirty)가 아닌 디지털(Digital) 기술을 기반으로, 역동적(Dynamic)이며, 청년들이 선망하는 품격 있는(Decent) 일자리라는 새로운 ‘미래형 3D’로 변화할 것이다. 그 미래는 이미 시작되었고, 우리가 준비해야 할 시간은 지금이다.

4편에서 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 연결고리를 살펴봤다. 이제는 그 연결고리를 실제로 어떻게 구축할 것인지, 중장기 전략을 통해 구체적으로 준비해야 할 시점이다. AX는 단순한 기술 도입이 아니라 산업 구조의 재편이며, 건설사, 테크기업, 정부, 학계가 각자의 위치에서 전략을 세우고 함께 움직여야 한다. ①건설사의 중장기 전략-기술과 조직의 변화 건설사는 DX를 넘어 AX로 가기 위해 조직과 기술, 사업 전략을 동시에 변화시켜야 한다. 단기적으로는 BIM, 드론, IoT 센서 등을 활용해 현장 데이터를 디지털로 수집하고, 이를 CDE(Common Data Environment, 공동작업환경)에 통합하는 작업이 필요하다. 중기에는 AI 기반 의사결정 시스템을 도입해 공정 지연 예측, 자재 수급 최적화, 안전 위험 감지 등의 기능을 현장에 적용해야 한다. 현대건설은 2022년부터 ‘현장 CCTV 영상 분석 시스템’을 개발하고, AI CCTV를 활용해 위험 행동을 실시간 감지하며, 품질 관리에 AR 기술을 접목해 시공 오류를 줄이고 있다. 장기적으로는 자율주행 굴착기, 드론 순찰, 로봇 품질검사 등 자율 장비를 현장에 도입하고, 이를 운영할 수 있는 조직 체계를 갖춰야 한다. 조직 변화 측면에서 디지털 전담팀을 신설하고, 기존 직무를 재설계하며, 직원 교육을 강화해야 한다. DX는 기술 도입이 아니라 일하는 방식의 변화이기 때문에, 현장 직원들이 기술을 이해하고 활용할 수 있도록 체계적인 교육이 필요하다. 올해 삼성물산 데이터팀은 AWS와 공동으로 3대 ‘AI 에이전트’를 개발했다. ‘AI-ITB Reviewer’는 방대한 분량의 입찰제안서를 자동 분석해 리스크를 빠르게 식별하고, ‘AI-Contract Manager’는 법무 및 계약 리스크를 최소화해 전문적인 대응을 지원한다. 또 ‘AI-Project Expert’는 현장 데이터를 통합 분석해 숨겨진 인사이트를 도출하는 시스템으로, 프로젝트 전반의 효율성을 높이는 역할을 한다. 사업 전략 측면에서는 신규 프로젝트 수주 시 ‘AI 기반 시공 전략’을 제안 요소로 활용할 수 있다. 예를 들어, 스마트건설 인증제도를 활용해 발주처에 기술력을 어필하고, 공정 예측, 안전 관리, 품질 자동화 등의 기능을 제안서에 포함시키는 방식이다. ②테크기업의 전략-기술 방향성과 협업 체계 테크기업은 건설 현장에 맞는 기술을 개발하고, 건설사와 협업해 실제 적용 가능한 솔루션을 제공해야 한다. 핵심 기술 방향으로는 공정 예측 AI, 안전 감지 AI, 자율 장비(UGV, 드론, 로봇), 디지털 트윈 플랫폼 등이 있다. 최근 DL이앤씨는 Generative Design을 활용해 설계 자동화를 구현하고 있으며, 포스코이앤씨는 AI 기반 레미콘 품질 예측 시스템을 도입한 바 있다. 기술 개발 우선순위는 초기에는 현장 적용성이 높은 기술에 집중하고, 중기에는 AI 판단의 정확도와 속도를 개선하며, 장기에는 자율화된 현장 운영 시스템을 구축하는 방향으로 설정해야 한다. 투자 전략은 정부의 스마트건설 R&D 과제와 연계해 자금을 확보하고, 오픈이노베이션을 통해 유망 스타트업과 협력하는 방식이 효과적이다. 예를 들어, 중소 건설사와 기술기업 간의 공동 개발 프로젝트는 정부의 실증 지원을 받을 수 있으며, 현장 PoC를 통한 기술 검증과 시장 진입에 유리하다. 협업 체계는 건설사와 공동 개발 및 테스트베드 운영, 정부와 규제 대응 및 인증 체계 협력, 학계와 알고리즘 검증 및 인재 양성 연계를 포함할 수 있다. 이처럼 다자간 협력이 이루어질 때 기술은 현장에 빠르게 확산될 것이다. ③정부 및 학계의 전략-제도 정비와 인재 육성 정부와 학계는 기술 도입에 따른 제도적 혼란을 정비하고, 산업 전반의 방향성을 제시해야 한다. 제도 측면에서는 자율 장비 도입 시 안전 기준과 책임 범위를 명확히 하고, AI 판단 오류에 대한 법적 책임 구조를 정비해야 한다. 중대재해처벌법 시행 이후 건설업의 안전관리에 대한 책임 중요성이 부각되면서, 자율 시스템의 안전성과 책임 귀속 문제는 AX 확산의 핵심 과제가 될 것이다. 디지털 기록과 로그 기반의 안전관리 증빙 체계를 마련하고, 스마트건설 인증제도와 기술 검증 프로세스를 도입해야 한다. 국토교통부는 스마트건설 기술 실증 지원 사업을 통해 기술 검증과 현장 적용을 촉진하고 있으며, 이는 제도적 기반 마련의 좋은 사례이다. 학계는 건설 AI 융합형 교육과정을 신설하고, BIM, 로보틱스, 데이터 분석 중심의 실무형 커리큘럼을 개발해야 한다. 산학 협동 R&D를 통해 기술 검증과 표준화를 주도하고 테크기업, 건설사와 공동 인턴십, 현장 실습 프로그램을 운영함으로써 실무형 인재를 양성할 수 있다. 특히 AI 기술이 빠르게 발전하는 만큼, 학계는 기술 트렌드에 발맞춰 커리큘럼을 유연하게 개편하고, 산업 현장의 요구를 반영한 교육을 제공해야 한다. 이는 산업과 교육이 함께 성장하는 기반이 된다. 건설사, 테크기업, 정부, 학계가 각자의 위치에서 준비하고 협력할 때, 한국 건설산업은 AX 시대의 선도자로 자리매김할 수 있다.

4편에서 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 연결고리를 살펴봤다. 이제는 그 연결고리를 실제로 어떻게 구축할 것인지, 중장기 전략을 통해 구체적으로 준비해야 할 시점이다. AX는 단순한 기술 도입이 아니라 산업 구조의 재편이며, 건설사, 테크기업, 정부, 학계가 각자의 위치에서 전략을 세우고 함께 움직여야 한다. ①건설사의 중장기 전략-기술과 조직의 변화 건설사는 DX를 넘어 AX로 가기 위해 조직과 기술, 사업 전략을 동시에 변화시켜야 한다. 단기적으로는 BIM, 드론, IoT 센서 등을 활용해 현장 데이터를 디지털로 수집하고, 이를 CDE(Common Data Environment, 공동작업환경)에 통합하는 작업이 필요하다. 중기에는 AI 기반 의사결정 시스템을 도입해 공정 지연 예측, 자재 수급 최적화, 안전 위험 감지 등의 기능을 현장에 적용해야 한다. 현대건설은 2022년부터 ‘현장 CCTV 영상 분석 시스템’을 개발하고, AI CCTV를 활용해 위험 행동을 실시간 감지하며, 품질 관리에 AR 기술을 접목해 시공 오류를 줄이고 있다. 장기적으로는 자율주행 굴착기, 드론 순찰, 로봇 품질검사 등 자율 장비를 현장에 도입하고, 이를 운영할 수 있는 조직 체계를 갖춰야 한다. 조직 변화 측면에서 디지털 전담팀을 신설하고, 기존 직무를 재설계하며, 직원 교육을 강화해야 한다. DX는 기술 도입이 아니라 일하는 방식의 변화이기 때문에, 현장 직원들이 기술을 이해하고 활용할 수 있도록 체계적인 교육이 필요하다. 올해 삼성물산 데이터팀은 AWS와 공동으로 3대 ‘AI 에이전트’를 개발했다. ‘AI-ITB Reviewer’는 방대한 분량의 입찰제안서를 자동 분석해 리스크를 빠르게 식별하고, ‘AI-Contract Manager’는 법무 및 계약 리스크를 최소화해 전문적인 대응을 지원한다. 또 ‘AI-Project Expert’는 현장 데이터를 통합 분석해 숨겨진 인사이트를 도출하는 시스템으로, 프로젝트 전반의 효율성을 높이는 역할을 한다. 사업 전략 측면에서는 신규 프로젝트 수주 시 ‘AI 기반 시공 전략’을 제안 요소로 활용할 수 있다. 예를 들어, 스마트건설 인증제도를 활용해 발주처에 기술력을 어필하고, 공정 예측, 안전 관리, 품질 자동화 등의 기능을 제안서에 포함시키는 방식이다. ②테크기업의 전략-기술 방향성과 협업 체계 테크기업은 건설 현장에 맞는 기술을 개발하고, 건설사와 협업해 실제 적용 가능한 솔루션을 제공해야 한다. 핵심 기술 방향으로는 공정 예측 AI, 안전 감지 AI, 자율 장비(UGV, 드론, 로봇), 디지털 트윈 플랫폼 등이 있다. 최근 DL이앤씨는 Generative Design을 활용해 설계 자동화를 구현하고 있으며, 포스코이앤씨는 AI 기반 레미콘 품질 예측 시스템을 도입한 바 있다. 기술 개발 우선순위는 초기에는 현장 적용성이 높은 기술에 집중하고, 중기에는 AI 판단의 정확도와 속도를 개선하며, 장기에는 자율화된 현장 운영 시스템을 구축하는 방향으로 설정해야 한다. 투자 전략은 정부의 스마트건설 R&D 과제와 연계해 자금을 확보하고, 오픈이노베이션을 통해 유망 스타트업과 협력하는 방식이 효과적이다. 예를 들어, 중소 건설사와 기술기업 간의 공동 개발 프로젝트는 정부의 실증 지원을 받을 수 있으며, 현장 PoC를 통한 기술 검증과 시장 진입에 유리하다. 협업 체계는 건설사와 공동 개발 및 테스트베드 운영, 정부와 규제 대응 및 인증 체계 협력, 학계와 알고리즘 검증 및 인재 양성 연계를 포함할 수 있다. 이처럼 다자간 협력이 이루어질 때 기술은 현장에 빠르게 확산될 것이다. ③정부 및 학계의 전략-제도 정비와 인재 육성 정부와 학계는 기술 도입에 따른 제도적 혼란을 정비하고, 산업 전반의 방향성을 제시해야 한다. 제도 측면에서는 자율 장비 도입 시 안전 기준과 책임 범위를 명확히 하고, AI 판단 오류에 대한 법적 책임 구조를 정비해야 한다. 중대재해처벌법 시행 이후 건설업의 안전관리에 대한 책임 중요성이 부각되면서, 자율 시스템의 안전성과 책임 귀속 문제는 AX 확산의 핵심 과제가 될 것이다. 디지털 기록과 로그 기반의 안전관리 증빙 체계를 마련하고, 스마트건설 인증제도와 기술 검증 프로세스를 도입해야 한다. 국토교통부는 스마트건설 기술 실증 지원 사업을 통해 기술 검증과 현장 적용을 촉진하고 있으며, 이는 제도적 기반 마련의 좋은 사례이다. 학계는 건설 AI 융합형 교육과정을 신설하고, BIM, 로보틱스, 데이터 분석 중심의 실무형 커리큘럼을 개발해야 한다. 산학 협동 R&D를 통해 기술 검증과 표준화를 주도하고 테크기업, 건설사와 공동 인턴십, 현장 실습 프로그램을 운영함으로써 실무형 인재를 양성할 수 있다. 특히 AI 기술이 빠르게 발전하는 만큼, 학계는 기술 트렌드에 발맞춰 커리큘럼을 유연하게 개편하고, 산업 현장의 요구를 반영한 교육을 제공해야 한다. 이는 산업과 교육이 함께 성장하는 기반이 된다. 건설사, 테크기업, 정부, 학계가 각자의 위치에서 준비하고 협력할 때, 한국 건설산업은 AX 시대의 선도자로 자리매김할 수 있다.

미 법무부가 제프리 엡스타인 관련 자료를 공개한 이후 도널드 트럼프 대통령이 한 소녀와 함께 있는 것으로 보이는 사진이 소셜미디어를 통해 빠르게 확산됐다. 일부 게시물은 “공개 과정에서 삭제되지 않은 사진”이라며 의혹을 제기했지만, 주요 외신은 해당 이미지를 사실로 보도하지 않았다. 미국의 팩트체크 전문 매체 스노프스는 23일(현지시간) “엡스타인 파일 공개 이후 온라인에 퍼진 해당 사진이 실제라는 증거는 없다”고 밝혔다. 문제의 사진은 사설 제트기 내부로 보이는 공간에서 트럼프 대통령과 얼굴이 가려진 소녀가 함께 있는 장면을 담고 있다. 그러나 사진 오른쪽 상단에 표시된 날짜와 시간 표기는 비정상적이며 원본 출처 역시 확인되지 않았다. 스노프스는 “카메라 오류일 가능성을 배제할 수는 없지만, 인공지능(AI)으로 생성됐거나 의도적으로 편집됐을 가능성도 있다”며 “현재로서는 어느 쪽도 단정할 수 없다”고 설명했다. 해당 이미지는 엑스(X·옛 트위터)와 유튜브를 운영하는 한 개인 계정을 통해 처음 확산된 것으로 파악됐다. 이 계정은 자극적인 이미지와 문구를 썸네일에 반복적으로 사용하는 등 주목도를 높이는 방식의 콘텐츠를 지속적으로 게시해온 것으로 알려졌다. 스노프스는 “문제의 이미지는 영상 썸네일로만 사용됐고, 실제 영상 본문에서는 제시되지 않았다”며 “사실 전달보다는 조회 수를 염두에 둔 연출 성격이 강하다”고 지적했다. ◆ 주요 외신, 사진 자체는 다루지 않아 엡스타인 파일 공개를 둘러싼 논란과 관련해 로이터통신과 AP통신 등 주요 외신은 미 법무부가 일부 자료를 삭제했다가 복원한 사실, 공개 범위를 둘러싼 정치·법적 논쟁을 집중 보도했다. 그러나 이들 보도에는 문제의 ‘트럼프와 소녀 사진’은 포함되지 않았다. 외신들은 피해자 신원 보호 문제로 자료가 조정됐다는 점만 전했을 뿐, 해당 이미지가 공식 문서에 존재했다는 근거는 제시하지 않았다. 스노프스는 “해당 이미지가 실제이고 공적 기록에 포함돼 있었다면, 신뢰할 만한 언론이 이미 이를 보도했을 가능성이 크다”고 밝혔다. 실제로 공개 자료와 검색 결과를 검토한 결과, 해당 사진이 공식 엡스타인 파일에 포함됐다는 확인 가능한 기록은 발견되지 않았다. ◆ 댓글 2400개…진위 논쟁 넘어선 ‘불신의 확산’ 해당 기사에는 게시 10시간 만에 2400개가 넘는 댓글이 달리며 격렬한 논쟁이 이어졌다. 댓글 상당수는 사진의 진위 여부보다 AI 기술 확산으로 무엇도 쉽게 믿기 어려워진 현실 자체에 대한 불안을 드러냈다. 한 이용자는 “이제는 직접 보고 듣지 않으면 아무것도 믿을 수 없는 세상에 들어선 것 같다”며 “AI 때문에 모든 정보를 의심해야 한다”고 적었다. 또 다른 이용자는 “누군가의 얼굴이나 목소리를 얼마든지 조작할 수 있는 시대”라며 “증거의 기준이 무너지고 있다”고 지적했다. 일부 댓글은 사진이 조작일 가능성을 인정하면서도 “설령 가짜라 해도 사람들이 실제일 수 있다고 느끼는 것 자체가 더 심각하다”는 반응을 보였다. 반면 “출처가 불분명한 이미지를 사실처럼 소비하는 것은 오히려 진실 규명을 해친다”는 반박도 적지 않았다. ◆ 반복되는 허위 이미지 논란, 커지는 팩트체크의 역할 스노프스는 과거에도 트럼프 대통령이 미성년자와 함께 있는 것처럼 보이는 사진들이 허위 또는 조작 이미지로 판명된 사례가 여러 차례 있었다고 설명했다. 이 매체는 엡스타인과 트럼프의 과거 관계는 외신이 꾸준히 다뤄왔지만, 온라인에서 확산되는 이미지 상당수는 사실과 무관하다는 점도 강조했다. 전문가들은 이번 사례가 “AI 시대에 확인되지 않은 이미지가 얼마나 빠르게 확산되고 또 얼마나 쉽게 정치적 해석의 도구로 소비되는지를 보여준다”며 “팩트체크의 중요성이 더욱 커지고 있다”고 지적한다.

미 법무부가 제프리 엡스타인 관련 자료를 공개한 이후 도널드 트럼프 대통령이 한 소녀와 함께 있는 것으로 보이는 사진이 소셜미디어를 통해 빠르게 확산됐다. 일부 게시물은 “공개 과정에서 삭제되지 않은 사진”이라며 의혹을 제기했지만, 주요 외신은 해당 이미지를 사실로 보도하지 않았다. 미국의 팩트체크 전문 매체 스노프스는 23일(현지시간) “엡스타인 파일 공개 이후 온라인에 퍼진 해당 사진이 실제라는 증거는 없다”고 밝혔다. 문제의 사진은 사설 제트기 내부로 보이는 공간에서 트럼프 대통령과 얼굴이 가려진 소녀가 함께 있는 장면을 담고 있다. 그러나 사진 오른쪽 상단에 표시된 날짜와 시간 표기는 비정상적이며 원본 출처 역시 확인되지 않았다. 스노프스는 “카메라 오류일 가능성을 배제할 수는 없지만, 인공지능(AI)으로 생성됐거나 의도적으로 편집됐을 가능성도 있다”며 “현재로서는 어느 쪽도 단정할 수 없다”고 설명했다. 해당 이미지는 엑스(X·옛 트위터)와 유튜브를 운영하는 한 개인 계정을 통해 처음 확산된 것으로 파악됐다. 이 계정은 자극적인 이미지와 문구를 썸네일에 반복적으로 사용하는 등 주목도를 높이는 방식의 콘텐츠를 지속적으로 게시해온 것으로 알려졌다. 스노프스는 “문제의 이미지는 영상 썸네일로만 사용됐고, 실제 영상 본문에서는 제시되지 않았다”며 “사실 전달보다는 조회 수를 염두에 둔 연출 성격이 강하다”고 지적했다. ◆ 주요 외신, 사진 자체는 다루지 않아 엡스타인 파일 공개를 둘러싼 논란과 관련해 로이터통신과 AP통신 등 주요 외신은 미 법무부가 일부 자료를 삭제했다가 복원한 사실, 공개 범위를 둘러싼 정치·법적 논쟁을 집중 보도했다. 그러나 이들 보도에는 문제의 ‘트럼프와 소녀 사진’은 포함되지 않았다. 외신들은 피해자 신원 보호 문제로 자료가 조정됐다는 점만 전했을 뿐, 해당 이미지가 공식 문서에 존재했다는 근거는 제시하지 않았다. 스노프스는 “해당 이미지가 실제이고 공적 기록에 포함돼 있었다면, 신뢰할 만한 언론이 이미 이를 보도했을 가능성이 크다”고 밝혔다. 실제로 공개 자료와 검색 결과를 검토한 결과, 해당 사진이 공식 엡스타인 파일에 포함됐다는 확인 가능한 기록은 발견되지 않았다. ◆ 댓글 2400개…진위 논쟁 넘어선 ‘불신의 확산’ 해당 기사에는 게시 10시간 만에 2400개가 넘는 댓글이 달리며 격렬한 논쟁이 이어졌다. 댓글 상당수는 사진의 진위 여부보다 AI 기술 확산으로 무엇도 쉽게 믿기 어려워진 현실 자체에 대한 불안을 드러냈다. 한 이용자는 “이제는 직접 보고 듣지 않으면 아무것도 믿을 수 없는 세상에 들어선 것 같다”며 “AI 때문에 모든 정보를 의심해야 한다”고 적었다. 또 다른 이용자는 “누군가의 얼굴이나 목소리를 얼마든지 조작할 수 있는 시대”라며 “증거의 기준이 무너지고 있다”고 지적했다. 일부 댓글은 사진이 조작일 가능성을 인정하면서도 “설령 가짜라 해도 사람들이 실제일 수 있다고 느끼는 것 자체가 더 심각하다”는 반응을 보였다. 반면 “출처가 불분명한 이미지를 사실처럼 소비하는 것은 오히려 진실 규명을 해친다”는 반박도 적지 않았다. ◆ 반복되는 허위 이미지 논란, 커지는 팩트체크의 역할 스노프스는 과거에도 트럼프 대통령이 미성년자와 함께 있는 것처럼 보이는 사진들이 허위 또는 조작 이미지로 판명된 사례가 여러 차례 있었다고 설명했다. 이 매체는 엡스타인과 트럼프의 과거 관계는 외신이 꾸준히 다뤄왔지만, 온라인에서 확산되는 이미지 상당수는 사실과 무관하다는 점도 강조했다. 전문가들은 이번 사례가 “AI 시대에 확인되지 않은 이미지가 얼마나 빠르게 확산되고 또 얼마나 쉽게 정치적 해석의 도구로 소비되는지를 보여준다”며 “팩트체크의 중요성이 더욱 커지고 있다”고 지적한다.

얼마 전 서울의 한 고등학교에서 국어 수행평가 중 일부 학생이 인공지능(AI)으로 작성한 답안을 붙여 넣는 부정행위가 발생했다. 태블릿PC를 이용한 평가였는데, 시험 중 1~2분 만에 비정상적으로 답안이 작성되며 문제가 드러났다. 학생들은 미리 AI로 써 둔 내용을 그대로 불러왔다고 인정했다. 시험은 무효 처리됐고 종이 시험으로 재진행됐다. 연세대·서울대 등 대학가에서도 AI 부정행위가 잇따라 드러난 상황으로 보면, 특정 학생의 일탈이 아니라 교육 현장 전체가 마주한 새로운 현실이다. 국내 고등학생들 사이에서 ‘AI 안 쓰면 바보’라는 말까지 나온다. 한 초등학생은 AI가 써 준 글을 들고 “선생님, 이거 진짜예요, 가짜예요?”라고 물었다고 한다. 아이들은 이제 ‘정답을 구하는 법’보다 ‘어떤 답을 믿어야 하는지’를 묻고 있다. 정보의 신뢰성과 출처, 편향, 오류를 구분하는 능력이 교육의 새 과제가 됐다. 문제는 학생보다 학교가 더 느리다는 점이다. 학생들은 이미 AI를 자연스럽게 활용하지만, 교사와 제도권은 기준조차 없는 상태다. 서울시교육청이 제시한 ‘생성형 AI 활용 지침’은 한 장짜리에 불과하고 허용·금지 기준도 비어 있다. 현장에서 제재하거나 지도하기 어려운 이유다. 해외에서는 방향을 잡기 시작했다. 영국은 초등학생에게 AI 윤리 논쟁을 교육하고, 미국 캘리포니아주는 ‘AI 윤리’ 과목을 열어 사례 분석과 토론을 진행한다. 일본은 허용·금지가 명확한 학교용 AI 가이드라인을 이미 수년 전 마련했다. AI가 교육에 미칠 영향을 제도적으로 정교하게 관리하려는 노력이다. 대조적으로 우리 교육은 여전히 “준비 중”에 머물러 있다. 그사이 학생들은 AI를 활용한 학습과 발표 준비에 익숙해졌고, 수행평가는 기술 경쟁으로 변질될 조짐마저 보인다. 기술 변화 속도가 제도의 속도를 압도하고 있다. 서울시의회 교육위원회 위원으로서 지금이야말로 서울이 선도적으로 나서야 할 때라고 생각한다. 첫째, ‘서울형 AI 활용 가이드라인’을 서둘러 마련해야 한다. 학교급별 허용 범위, 출처 표기, 금지 기준 등을 구체적으로 제시하고 현장에서 즉시 적용할 수 있어야 한다. 둘째, 교사 역량 강화가 핵심이다. AI의 작동 원리와 부정행위 유형, 과제 설계 방법을 이해하지 못하면 평가의 공정성을 지킬 수 없다. 시 차원의 전문 연수와 지원이 절실하다. 셋째, 학생 대상 AI 윤리·정보 활용 교육을 정규 교육과정에 포함해야 한다. 단순히 AI 금지만 외쳐서는 창의성도 책임감도 길러낼 수 없다. 올바른 사용과 출처 표기, 비판적 검토 능력을 길러야 한다. 넷째, 평가 방식 자체를 혁신해야 한다. AI로 10초면 끝낼 과제를 내놓고 “AI 쓰지 마라”라는 건 현실을 외면하는 일이다. 사고력과 협업 중심의 과정형 평가로 바뀌어야 한다. AI는 위기이자 동시에 기회다. 사교육 여력이 부족한 학생에게는 새로운 학습 자원을 제공받을 수 있는 도구가 되지만, 디지털 접근성이 낮은 지역에는 또 다른 격차를 만들어 낼 위험도 안고 있다. AI가 어떤 학생에게는 ‘학습을 확장하는 수단’이지만, 어떤 학생에게는 ‘더 큰 교육 격차의 상징’이 될 수도 있다는 뜻이다. 우리가 던져야 할 질문은 “AI와 함께 새로운 배움을 어떻게 설계할 것인가”이다. AI 부정행위 논란은 단순한 문제가 아니라 우리 교육이 스스로의 목적을 묻는 질문이다. 학교가 무엇을 지키고 무엇을 바꿔야 하는지에 대한 대답을 더이상 미룰 수 없는 시점에 우리는 도달해 있다. 우형찬 서울시의회 의원

종이 숙제 더미 대신 스캐너 소리가 교무실을 채웠다. 단 1분 만에 물리 숙제 40여장이 순식간에 스캔되고 채점까지 끝났다. 18일 중국 펑멘신문에 따르면 중국 청두의 여러 중·고등학교에서 인공지능(AI) 숙제 채점 시스템이 실제 수업 현장에 도입되며 교육 현장의 풍경이 빠르게 달라지고 있다. 청두의 한 실험학교 교무실에는 과거 수북하게 쌓여있던 숙제 노트가 사라졌다. 고속 스캐너가 돌아가는 동안 AI 시스템은 종이 숙제를 디지털로 변환하는 동시에 답안을 분석해 채점을 마친다. 이 학교는 2023년부터 ‘인공지능+교육’ 시범학교로 스마트 숙제 채점 시스템을 도입했다. 교사는 서술형 문제를 채점하고, 선택형 문항은 AI가 빠르게 스캔해 채점한다. 시스템은 학생별 점수와 오답 분포도 자동으로 정리해준다. AI의 역할은 단순한 정답·오답 판별에 그치지 않는다. 시스템은 틀린 문제를 실제 교과서 단원과 오류 유형별로 분류해 학생마다 맞춤형 오답 노트를 자동으로 생성한다. 교사는 이를 바탕으로 반 전체의 학습 상태를 한눈에 보여주는 학습맵과 빈출 오답 목록을 확인하고 즉각 보완 수업을 준비할 수 있다. 학생들 역시 오답 출력기를 이용해 필요한 문제만 골라 복습할 수 있다. 숙제 채점이 끝이 아니라 학습 피드백의 출발점이 되는 셈이다. ●AI 채점 정확도는 약 95%...교사 “수업에 도움 된다” 효율성만큼이나 정확도는 학부모들의 최대 관심사다. 학교 측에 따르면 이 시스템은 대형 언어모델 기술을 적용해 채점 정확도를 약 95% 수준까지 끌어올렸다. AI가 답안을 명확히 판별하지 못할 경우 자동으로 알림이 뜨고, 교사가 직접 확인해 보완한다. 모든 채점 과정은 기록으로 남아 교사가 일괄 수정하는 것도 가능하다. 현재 청두시에서는 이미 여러 학교가 AI 숙제 채점 기술을 도입해 수업에 활용하고 있고 그 숫자는 계속 늘어나고 있다. 한 교사는 AI가 채점 시간을 줄여줄 뿐 아니라 시각화된 데이터로 학생들의 약점을 정확히 보여준다며 교사가 어디에 집중해야 할지를 판단하는 데 큰 도움이 된다고 밝혔다. 청두에서는 AI 활용이 평가를 넘어 수업 전반으로 확장되고 있다. AI 더빙 수업, 달 탐사 프로젝트 같은 융합 수업이 등장했고, 일부 초등학교에서는 인공지능·드론·3D 프린팅 동아리도 운영 중이다. AI가 숙제를 채점하는 시대, 교실의 풍경은 분명 달라지고 있다. 다만 이 변화가 교사의 부담을 덜어주는 조력자로 자리 잡을지, 또 다른 교육 격차를 낳을지는 앞으로의 운영에 달려 있다.

경기도의회 보건복지위원회 지미연 의원(국민의힘, 용인6)이 대표발의한 「경기도 사회복지 인공지능 서비스 활용 촉진 지원 조례안」이 12월 18일(목) 열린 제387회 정례회 제4차 본회의를 최종 통과했다. 이로써 경기도는 급격히 확산되는 AI(인공지능) 기술을 사회복지 현장에 도입함에 있어, 기술의 편리함보다 ‘도민의 권익 보호’와 ‘서비스의 안전성’을 최우선으로 하는 제도적 기반을 갖추게 되었다. 이번 조례는 최근 돌봄·상담 등 복지 현장에 AI 도입이 늘어남에 따라 발생할 수 있는 개인정보 유출, 알고리즘 편향성, 책임 소재 불분명 등의 부작용을 사전에 차단하고, ‘사람 중심의 AI 복지 기준’을 마련했다는 데 큰 의의가 있다. 지 의원은 완성도 높은 조례를 위해 이해관계자 정담회, 정책토론회 등을 통해 학계와 현장의 목소리를 충분히 반영, 입법 완성도를 높여왔다. 이번 조례의 핵심은 ‘행정의 책임성 확보’다. AI의 결정에 대해 담당 공무원의 최종 승인을 의무화하여 오류를 방지하고, 고영향 서비스 도입 시 사전 영향평가를 거치도록 규정했다. 아울러 정보취약계층을 위한 대체 서비스 제공과 종사자 보호 대책 등 촘촘한 안전장치도 마련했다. 지미연 의원은 “행정 효율보다 중요한 것은 사람에 대한 존중”이라며, “기술보다 도민을 우선하는 ‘따뜻하고 안전한 기술 복지’의 원칙을 바로 세우겠다”고 강조했다.

건설산업에서 디지털 전환(DX)은 단순히 컴퓨터를 잘 다루는 수준을 넘어 현장의 모든 정보를 데이터로 바꾸어 관리하는 시스템이다. 드론이 촬영한 현장 사진, IoT(사물인터넷) 센서가 기록한 온도와 습도, 설계 도면을 3차원(3D) 정보로 변환한 BIM(건축정보모델링) 객체까지 모두 데이터다. 하지만 중요한 점은 데이터를 모으는 것 자체가 목적이 아니라 잘 정리하고 활용해야 한다는 것이다. ●건설업의 데이터 활용사례 그렇다면 건설사에서는 프로젝트 수주, 설계, 시공 및 유지관리에 이르기까지의 방대한 데이터를 어떻게 다루고 있을까? 수주 단계에는 발주처의 요구사항, 입찰 조건 등의 자료와 함께 경쟁사 분석, 예상 손익, 리스크 등의 검토 자료들이 쌓인다. 삼성물산은 수천 페이지에 이르는 입찰 안내서를 효과적으로 분석하기 위해 LLM 기반의 AI 에이전트를 활용하여 리스크를 신속하게 분석하고 업무 효율을 높이고 있다. 설계 단계에는 BIM 모델, 설계 도면, 구조/환경 시뮬레이션 데이터를 활용하는데, 이런 데이터들을 활용해 설계 오류를 줄이고 공정과 공사비 예측 정확도를 높일 수 있다. 공사 중에는 현장에 심어놓은 각종 계측기를 통해 IoT 센서 데이터(온도, 습도, 변위값 등)를 수집하고 드론과 라이다 센서를 통해 측량한 데이터 등을 활용하여 품질 및 안전관리의 효율을 높인다. 준공 후 유지관리 단계에서는 시설물이나 건축물의 하자 이력, 유지보수 기록 등을 통해 설계 단계 혹은 공사 중 품질관리 방안, 대책을 수립하여 선 반영할 수 있으며 시설물을 디지털 트윈으로 구현하여 설계 단계부터 유지관리 단계까지 데이터를 연계해 관리하고 있다. ●데이터 관리의 허점과 실패 사례 하지만 데이터를 제대로 축적하고 정제하지 못하면 모으기만 하고 제대로 활용할 수 없다. 대표적인 사례가 표준화되지 않은 기록 관리다. 일부 회사에서는 똑같은 공사나 자재를 유사한 이름 여러 개로 관리하고 있어 어떤 공종과 이름으로 기록해야 할지 사용자가 고민하는 경우가 있다. 예를 들면, 방바닥 미장 공사를 방통 공사, 바닥 몰탈 공사, 바닥 미장 공사 등 여러 이름으로 등록해 두고 이 중에서 골라 입력하게 하여 업무에 혼선을 빚고 데이터를 제대로 모으기 어려운 경우가 있다. 다른 문제는 데이터 사일로 현상이다. 부서마다 별도로 데이터를 관리하여 서로 연결되지 못하고 중복되거나 위의 사례처럼 통일된 용어를 사용하지 않는 경우다. 또한 아날로그 데이터를 제대로 변환하지 못한 경우가 있다. 스캔 데이터를 제대로 디지털화하지 못해 활용이 불가능하기도 하다. 이러한 문제 때문에 건설사마다 “DX를 한다”면서도 실제로는 데이터가 흩어져 있고 제대로 정제되지 못해 활용률이 떨어지는 사례가 적지 않다. ●데이터 파이프라인과 표준화 데이터가 ‘생성→저장→정리→분석→활용’되는 흐름을 하나의 관처럼 연결해 놓은 것이 데이터 파이프라인이다. 예를 들어 현장에서 센서를 통해 읽어들인 온도가 자동으로 클라우드에 저장되고 불필요한 값은 걸러낸 후 분석 프로그램이 이를 분석해 공정 관리에 반영하는 과정이 바로 파이프라인이며 이 흐름이 끊기지 않고 매끄럽게 이어져야 DX가 제대로 작동된다. 또한 데이터는 자재, 공정, 품질 데이터 등 동일한 코드와 기준으로 기록해야 한다. 종이 문서, 스캔 데이터 등은 반드시 디지털로 변환해야 한다. 이 표준화와 디지털화가 갖춰져야 데이터가 ‘언어’로 인식되고 AI가 이해할 수 있다. 데이터는 많을수록 좋지만 정확하지 않으면 오히려 위험하다. 잘못된 데이터로 AI가 판단하면 엉뚱한 공정을 제시하거나 위험한 공법을 제안할 수도 있기 때문이다. 그리고 건설 데이터는 설계, 자재, 비용 등 민감한 정보가 많으므로 보안 관리가 필수다. 결국 데이터 관리는 단순히 많은 것이 최선이 아니라 정확하고 표준화된, 신뢰할 수 있는 데이터를 차곡차곡 모으는 것이 핵심이다. 잘 구축된 데이터는 AX(인공지능 전환) 시대에 건설 산업을 완전히 다른 차원으로 끌어올리는 원동력이 될 것이다.