오후 2시, 도심의 한 타이어 정비소. 무거운 타이어를 낑낑대며 들어 올리는 기술자의 이마에는 땀방울이 맺혀 있고, 공압 렌치가 내뿜는 날카로운 소음이 공간을 가득 채운다. 숙련된 기술자조차 허리와 손목의 통증을 견디며 반복적인 교체 작업을 이어가는 이곳의 풍경은 수십 년째 크게 달라지지 않았다. 자동차 엔진과 자율주행 소프트웨어는 비약적으로 발전했지만, 정작 바퀴를 갈아 끼우는 '서비스 베이(Service Bay, 차량 정비 공간)'만큼은 여전히 사람의 노동력에 전적으로 의존하는 아날로그 영역으로 남아 있었기 때문이다.

특히 최근 전기차 보급이 늘어나면서 상황은 더 나빠졌다. 전기차는 무거운 배터리 무게 때문에 일반 차량보다 타이어가 훨씬 빨리 닳는다. 정비 수요는 폭증하는데, 정작 현장에서 일할 사람은 줄어들고 있다. 고된 노동 환경과 부상 위험 탓에 젊은 인력은 외면하고, 숙련공들은 은퇴하는 악순환이 반복되고 있다. 정비소 주인들은 사람을 구하지 못해 발을 동동 구르고, 고객들은 길어진 대기 시간에 지쳐간다.

이런 정체된 풍경이 이제 바뀐다. 물리적 AI와 로보틱스 기술을 결합해 정비소의 풍경을 완전히 바꾸겠다는 도전장이 제출됐다. 오토메이티드 타이어(ATI, Automated Tire)가 선보인 '스마트베이'라는 시스템이 그 주인공이다.

ATI 스마트베이, 타이어 교체 30분으로 단축하는 AI 플랫폼 출범

타이어 교체 작업은 보통 기술자가 무거운 장비를 직접 들고 차량 아래로 들어가 휠을 풀고 조이는 수작업 중심의 과정이다. 오토메이티드 타이어(ATI, 자동차 정비 자동화 솔루션 기업)가 공개한 스마트베이(SmartBay)는 이 과정을 AI와 로보틱스로 완전히 바꾼 플랫폼이다. 쉽게 말하면 기존의 정비소가 사람이 모든 것을 판단하고 움직이던 공간이었다면, 이제는 AI가 차량의 상태를 실시간으로 읽고 로봇이 정밀하게 움직이는 자동화 시스템으로 변하는 것이다. 이 시스템은 단순히 타이어를 바꾸는 것에 그치지 않고 휠 밸런싱(바퀴의 무게 중심을 맞추어 진동을 줄이는 작업)과 전반적인 차량 점검까지 한 번에 처리한다. 비유하자면 정해진 순서대로만 움직이는 단순 기계가 아니라, 눈 역할을 하는 컴퓨터 비전과 뇌 역할을 하는 머신러닝을 갖춘 숙련공이 로봇의 몸을 빌려 작업하는 것과 같다. 덕분에 차량마다 조금씩 다른 휠의 위치나 예외적인 상태라는 변수에도 유연하게 대응하며 각 차량에 맞는 정확한 실행 방식을 스스로 생성해 수행한다.

작업 효율의 변화는 구체적인 수치에서 극명하게 드러난다. 기존의 타이어 서비스 과정은 기술자의 숙련도나 컨디션에 따라 시간이 들쑥날쑥했지만, 스마트베이를 도입하면 전체 서비스 시간이 약 30분 수준으로 줄어든다. 이는 기존 대비 작업 시간을 절반 가까이 단축한 결과로, 고객의 대기 시간을 획기적으로 낮춘다. 더 놀라운 점은 운영 방식의 근본적인 변화다. 예전에는 한 명의 기술자가 한 대의 차량에 매달려 모든 공정을 수행해야 했다면, 이제는 기술자 한 명이 최대 3개의 서비스 베이(차량 정비 공간)를 동시에 관리할 수 있다. 기술자는 이제 무거운 타이어를 직접 옮기거나 위험한 자세로 작업하는 육체 노동에서 벗어나, 시스템이 제대로 작동하는지 감독하고 최종 결과물을 확인하는 관리자의 역할로 전환된다. 이는 단순히 속도를 높이는 것을 넘어, 숙련공의 은퇴와 신규 유입 감소로 고통받는 정비 업계의 고질적인 인력 부족 문제를 해결하는 실질적인 대안이 된다.

새로운 시스템을 도입할 때 정비소 운영자가 가장 고민하는 지점은 기존 매장의 공간을 얼마나 뜯어고쳐야 하느냐는 점이다. 스마트베이는 이 부분에서 매우 현실적인 설치 규격을 택했다. 표준 서비스 베이 크기인 약 3.6m 내에 모든 설비를 완전히 설치할 수 있도록 설계되었다. 비유하자면 최신 가전제품을 살 때 기존의 가구 배치나 벽면 구조를 크게 바꾸지 않고도 그대로 끼워 넣을 수 있는 빌트인 가구와 비슷하다. 덕분에 정비소 운영자는 매장 전체를 리모델링하는 막대한 비용 부담 없이도 최신 AI 플랫폼을 도입할 수 있으며, 남는 공간을 다른 정비 서비스에 활용하는 유연성까지 확보하게 된다. 특히 정밀 휠 웨이트 툴을 활용한 밸런싱 작업은 요구되는 복합 중량을 정확히 배분함으로써 자재 낭비를 최소화하고 최상의 승차감을 제공한다. 결국 하드웨어의 물리적 규격은 유지하면서 내부의 구동 방식만 지능형으로 교체해 서비스 처리량을 극대화한 셈이다.

사전 프로그래밍 대신 컴퓨터 비전과 머신러닝으로 적응하는 방식

기존의 산업용 로봇은 정해진 좌표값에 따라 똑같은 동작을 무한히 반복하는 기계였다. 정해진 위치에 부품이 정확히 놓여 있지 않으면 로봇은 오류를 일으키거나 엉뚱한 곳을 집어 올리는 일이 잦았다. 스마트베이는 이러한 사전 프로그래밍된 루틴에서 완전히 벗어났다. 대신 컴퓨터 비전(Computer Vision, 시각 정보 처리 기술)과 머신러닝(Machine Learning, 기계 학습)을 결합해 실시간으로 상황을 판단한다. 쉽게 말하면 로봇에게 단순히 움직일 경로를 입력하는 것이 아니라, 눈으로 보고 상황을 판단해 스스로 움직이는 법을 가르친 셈이다.

비유하자면 기존 로봇이 눈을 가린 채 정해진 레시피대로만 요리하는 요리사였다면, 스마트베이는 재료의 상태를 직접 확인하며 간을 맞추는 숙련된 셰프와 같다. 컴퓨터 비전 기술이 차량의 현재 상태와 휠의 위치를 실시간으로 스캔하면, 머신러닝 알고리즘이 이 시각 데이터를 분석해 최적의 동작 경로를 생성한다. 차량이 조금 삐딱하게 진입했거나 모델마다 휠의 크기와 모양이 달라도 문제가 되지 않는다. 로봇이 물리적 과업을 실시간으로 이해하고 그에 맞춰 자신의 움직임을 수정하기 때문이다.

이런 적응 방식의 핵심은 수동 개입이 필요한 예외 상황을 스스로 해결한다는 점에 있다. 현실의 정비소에서는 차량의 오염 상태나 미세한 위치 차이 같은 수많은 변수가 발생한다. 과거에는 사람이 직접 로봇의 위치를 조정하거나 설정을 바꿔야 했지만, 이제는 AI가 차량별 맞춤 실행 방식을 즉석에서 만들어낸다. 로봇이 스스로 휠의 중심점을 찾고 볼트의 위치를 정확히 인식해 작업을 수행하므로, 어떤 차량이 들어오더라도 일관된 품질의 서비스를 제공할 수 있다.

정밀도는 하드웨어와 소프트웨어의 조화에서 완성된다. 스마트베이는 정밀 휠 웨이트 툴(휠의 무게 균형을 맞추는 도구)을 사용하여 복합 중량을 매우 정확하게 배분한다. 단순히 무게를 맞추는 수준을 넘어, AI가 계산한 최적의 지점에 정확한 양의 무게추를 부착함으로써 자재 낭비를 최소화한다. 이는 결과적으로 차량의 진동을 줄여 승차감을 높이는 동시에, 불필요하게 버려지는 소모품을 줄여 운영 효율을 극대화하는 구조로 이어진다.

기술자 중심의 '경험'에서 데이터 기반의 '정밀 시스템'으로 전환

예전에는 타이어 교체 품질이 전적으로 작업자의 손끝과 경험에 달려 있었다. 수십 년 경력의 숙련된 기술자는 눈썰미와 감각만으로 휠의 미세한 균형을 잡아내지만, 이제 막 일을 배운 초보 작업자나 컨디션이 좋지 않은 기술자가 맡으면 결과물이 제각각인 경우가 많았다. 쉽게 말하면 정해진 매뉴얼이 존재하더라도 결국 마지막 완성도는 사람의 숙련도라는 통제 불가능한 변수에 의존하는 구조였다. 이러한 방식은 서비스 센터마다, 혹은 담당 기술자마다 품질 차이가 발생하는 근본적인 원인이 되었으며 이는 곧 고객의 불만이나 재작업으로 이어지는 운영 리스크로 작용했다.

스마트베이(SmartBay, AI 기반 로봇 타이어 교체 플랫폼)는 이러한 인간의 변수를 정밀한 데이터로 대체한다. 기존의 기술자 중심 프로세스를 기술 우선 시스템(Technology-first system)으로 완전히 전환한 것이다. 비유하자면 요리사가 감으로 넣던 소금 양을 0.1g 단위의 정밀 저울과 자동 투입기로 바꾼 것과 같다. 컴퓨터 비전(Computer Vision, 카메라를 통해 사물을 인식하고 분석하는 AI 기술)과 머신러닝(Machine Learning, 데이터를 통해 스스로 학습하고 최적화하는 기술)을 결합해 차량의 물리적 상태를 실시간으로 읽어내고 그에 맞는 최적의 작업 경로를 즉각적으로 생성한다.

단순히 입력된 명령어를 반복 수행하는 기존의 산업용 로봇과는 작동 원리부터 궤를 달리한다. 정해진 루틴대로만 움직이는 로봇은 차량의 진입 위치가 조금만 틀어져도 작업 오류가 발생하지만, 스마트베이는 실시간으로 상황을 판단해 스스로 적응한다. 각 차량의 휠 상태나 타이어 마모 정도를 분석해 그에 맞는 독자적인 작업 방식을 결정하므로 사람이 일일이 개입해 위치를 조정하거나 설정을 바꿀 필요가 없다. 특히 정밀 휠 웨이트 툴을 통해 복합 중량을 정확히 배분하는 과정에서도 데이터 기반의 정밀 제어가 이루어져 자재 낭비를 최소화하고 최상의 승차감을 균일하게 제공한다.

이런 시스템의 핵심은 작업자의 숙련도라는 불확실성을 제거하고 표준화된 고품질을 상시 구현하는 데 있다. 기존에는 기술자 한 명이 한 대의 차량에 매달려 모든 공정을 수동으로 제어해야 했으나, 이제는 시스템이 정밀도를 책임지기 때문에 인적 자원의 활용 방식이 바뀐다. 기술자는 직접 렌치를 돌리는 육체 노동에서 벗어나 여러 대의 스마트베이가 정상적으로 작동하는지 확인하는 시스템 관리자로 전환된다. 결과적으로 어떤 작업자가 관리하더라도 모든 차량이 동일한 수준의 정밀한 휠 밸런싱과 교체 서비스를 받을 수 있는 데이터 기반의 정밀 시스템이 완성되는 셈이다.

연간 3만 7,000명의 인력 공백을 메우는 자동화의 실익

미국자동차딜러협회(NADA, National Automobile Dealers Association)의 보고서 수치는 현재 정비소들이 처한 현실을 적나라하게 보여준다. 매년 최소 3만 7,000명의 숙련된 기술자가 부족한 상태다. 베테랑들은 은퇴하는데 젊은 층은 이 험한 일에 뛰어들지 않는다. 타이어 교체는 단순히 나사를 풀고 조이는 작업이 아니라 무거운 휠을 반복적으로 들어 올리고 다뤄야 하는 고강도 노동이다. 작업자의 허리와 손목에 가해지는 부담이 크다 보니 부상 위험이 항상 따라다니고 이는 곧 인력 이탈로 이어진다. 쉽게 말하면 몸이 상하는 일이라 사람이 오지 않는 구조이며 이는 개별 정비소의 문제를 넘어 산업 전체의 위기로 번지고 있다.

여기에 전기차(EV, Electric Vehicle)의 보급은 상황을 더 급박하게 만든다. 전기차는 무거운 배터리 팩을 탑재하고 있어 일반 내연기관 차량보다 타이어 마모 속도가 최대 30%나 빠르다. 타이어 교체 주기가 훨씬 짧아졌다는 뜻이고 정비소로 몰려오는 작업량은 그만큼 늘어났다. 일손은 줄어드는데 일감은 폭증하는 극심한 불균형이 발생한 것이다. 비유하자면 식당에 손님은 쏟아지는데 주방장은 계속 그만두어 주문서만 천장까지 쌓여가는 상황과 같다. 결국 서비스 처리량이 정체되면서 고객의 대기 시간은 길어지고 정비소의 운영 효율은 바닥을 치게 된다.

정비소 운영자 입장에서 가장 뼈아픈 지점은 인력 충원과 재교육에 들어가는 막대한 비용이다. 어렵게 신입 인력을 뽑아도 현장에서 1인분을 해내는 숙련공이 될 때까지는 상당한 시간과 교육비가 소요된다. 하지만 열악한 작업 환경 때문에 숙련되기 전 이탈하는 경우가 많아 인력 충원과 재교육이라는 소모적인 악순환에 갇히게 된다. 인력이 부족해 서비스 품질이 들쭉날쭉해지면 고객 만족도는 떨어지고 이는 곧 수익성 악화라는 결과로 이어진다. 스마트베이(SmartBay, AI 기반 로봇 타이어 교체 플랫폼) 같은 자동화 시스템은 바로 이 지점에서 고리를 끊어내는 역할을 한다. 사람이 직접 몸으로 때우던 위험하고 반복적인 공정을 로봇이 대체함으로써 인력난의 압박에서 완전히 벗어날 수 있기 때문이다.

자동화가 가져오는 실질적인 경제적 이득은 단순히 인건비를 줄이는 차원을 넘어선다. 기술자 한 명이 최대 3개의 서비스 베이를 동시에 관리할 수 있게 되면 정비소의 전체 처리 용량이 비약적으로 상승한다. 대기 시간이 단축되면 더 많은 차량을 처리할 수 있고 이는 곧 매출 증대로 직결된다. 재교육에 쏟던 에너지를 고객 서비스 품질 향상이나 고부가가치 정비 작업에 집중할 수 있는 구조로 바뀌는 것이다. 결과적으로 자동화는 단순한 기계 도입이 아니라 인력 부족이라는 산업적 난제를 해결해 정비소의 수익 구조를 근본적으로 개선하고 지속 가능한 운영 모델을 만드는 전략적 투자에 가깝다.

전기차 보급 가속화와 한국 정비 시장의 AI 로보틱스 도입 과제

전기차는 거대한 배터리 팩 무게 때문에 내연기관차보다 훨씬 무겁다. 이 무게는 고스란히 타이어에 전달되어 마모 속도를 최대 30%까지 앞당기는 결과로 이어진다. 한국 시장에서도 전기차 보급이 빠르게 확대되면서 타이어 교체 수요는 자연스럽게 증가하고 있다. 하지만 정비 현장의 풍경은 여전히 과거에 머물러 있다. 정비사가 무거운 타이어를 직접 들어 옮기고 좁은 공간에서 반복적으로 나사를 조이는 수동 작업이 주를 이룬다.

이런 환경에서 필요한 것은 단순한 소프트웨어 AI가 아니라 물리적 AI(Physical AI, 디지털 지능이 로봇의 몸체를 통해 실제 물리적 과업을 수행하는 기술)의 상용화다. 비유하자면 기존의 생성형 AI가 모니터 속에서 정답을 알려주는 똑똑한 상담원이었다면, 물리적 AI는 그 지능을 바탕으로 실제 현장에서 렌치를 돌리고 무거운 휠을 들어 올리는 숙련된 정비공의 몸을 가진 셈이다. 단순히 정해진 순서대로 움직이는 자동화 기계와 달리, 컴퓨터 비전(Computer Vision, 카메라를 통해 사물을 인식하고 분석하는 기술)과 머신러닝을 통해 차량의 상태를 실시간으로 파악하고 그에 맞는 최적의 동작을 스스로 생성해 실행한다.

실무적인 관점에서 이는 정비 인력 구조의 근본적인 재편을 의미한다. 타이어 교체는 정비 작업 중에서도 신체적 부담이 크고 부상 위험이 가장 높은 고강도 반복 작업에 속한다. 숙련된 기술자들의 은퇴와 신규 인력 유입 감소로 인한 인력난이 심화되는 상황에서, 고위험 작업을 로봇이 대체하는 것은 단순한 편의를 넘어 산업의 지속 가능성을 결정짓는 요소가 된다. 인력 부족으로 인해 서비스 품질이 떨어지고 대기 시간이 길어지며 다시 수익성이 악화되는 악순환을 끊어낼 유일한 방법이기 때문이다.

결국 AI 로보틱스가 도입된 정비소에서 기술자의 역할은 직접 몸을 쓰는 노동자에서 시스템을 감독하는 운영자로 변한다. 기술자 한 명이 최대 3개의 서비스 베이(Service Bay, 차량 정비를 위해 구획된 작업 공간)를 동시에 관리하며 전체 서비스 시간을 30분 수준으로 단축하는 효율적인 구조로 전환된다. 고중량 전기차의 증가와 인력 구조의 불균형이 심화되는 한국 정비 시장의 특성을 고려할 때, 물리적 AI의 도입은 이제 선택의 문제가 아니라 필수적인 생존 전략이 될 전망이다.