얀 르쿤이 서울에서 짚은 AI의 다음 과제, 한국 제조업이 주목받는 이유

AI가 보고서를 쓰고 코드를 만드는 시대입니다. 그렇다면 공장에서 물건을 옮기고, 처음 보는 상황에 맞춰 행동하는 일도 곧 해결될까요? 얀 르쿤의 서울 간담회는 이 두 능력 사이에 아직 큰 간격이 있다는 질문을 던졌습니다.

2026년 10월 12일 서울 웨스틴 조선에서 열린 산업 AI 간담회에서 르쿤은 현실을 이해하는 AI와 한국 제조업의 역할을 강조했습니다. 메타 수석 AI 과학자로 익숙한 인물이지만, 이번 행사 시점에는 전 메타 수석 AI 과학자이자 AMI Labs 공동창업자·회장입니다.

핵심은 세 가지입니다. 언어를 잘 다루는 능력과 현실에서 안전하게 행동하는 능력은 다르다는 것, 다음 연구 과제로 월드 모델을 제시했다는 것, 한국이 제조 현장의 경험을 바탕으로 기여할 수 있다는 것입니다.

서울 간담회에서 무엇을 강조했을까요?

코리아타임스의 현장 보도에 따르면 르쿤은 대규모 언어 모델(LLM)이 언어 작업에서 보여 준 성과와 별개로, 현실의 물리 법칙과 행동의 결과를 이해하는 데 한계가 있다고 설명했습니다. 사람에게는 익숙한 일도 로봇이 낯선 환경에서 수행하려면 해결해야 할 문제가 많다는 취지입니다.

그가 제안한 방향은 AI가 행동하기 전에 결과를 예측하는 능력을 갖추는 것입니다. 로봇이 컵을 집을 때도 어느 방향으로 움직여야 하는지, 다른 물체와 부딪힐 가능성은 없는지 판단해야 한다는 식으로 이해하면 쉽습니다. 이 컵 사례는 개념을 설명하기 위한 예시이며, 간담회 시연 내용은 아닙니다.

월드 모델은 챗봇과 어떻게 다를까요?

월드 모델은 주변 상황과 변화의 관계를 학습해 다음 상태를 예측하는 모델입니다. AMI Labs는 공식 소개에서 카메라와 센서 정보를 바탕으로 현실을 이해하고, 행동의 결과를 예상하며, 목표를 위한 행동 순서를 계획하는 연구 방향을 제시합니다. 피지컬 AI는 이런 능력 등을 활용해 로봇이나 장비가 실제 환경에서 움직이는 분야로 이해할 수 있습니다.

이 구분은 이해를 돕기 위한 것으로, 세 기술이 반드시 따로 작동한다는 뜻은 아닙니다. 실제로 메타의 2025년 V-JEPA 2 논문은 영상 학습, 언어 모델과의 연결, 로봇의 물체 집기·놓기 실험을 함께 다룹니다. 연구에서 특정 작업을 수행했다는 결과와 모든 현장에서 자유롭게 일하는 로봇의 완성은 구분해서 봐야 합니다.

한국 AI 시장에서 제조업이 주목받는 이유

르쿤은 한국의 제조업 기반과 인재가 월드 모델 발전에 기여할 수 있다고 봤습니다. 간담회에서는 한 국가나 기업이 모든 AI 역량을 독자적으로 갖추기보다, 각자의 기술·데이터·연구 경험을 결합하는 국제 협력도 논의됐습니다.

누미픽이 주목하는 대목은 AI 경쟁의 평가 기준입니다. 챗봇 답변이 얼마나 자연스러운지에 더해, 현장의 문제를 얼마나 정확하고 안정적으로 해결하는지도 중요해질 수 있습니다. 예를 들어 설비 이상을 조기에 발견하거나 작업 동선을 개선하는 과제는 제조 지식과 실제 운영 조건을 함께 살펴야 합니다. 이는 간담회 발언을 바탕으로 한 전망이며, 특정 기업의 수주나 성과가 확정됐다는 뜻은 아닙니다.

협력 논의가 이번 행사에서 처음 시작된 것도 아닙니다. 국가AI연구소(NAIRL)의 공식 발표에 따르면 지난 7월 10일 서울에서 AMI Labs와 공동 워크숍이 열렸습니다. 연구진은 월드 모델·영상 이해·로봇 학습 등을 공유하고 후속 협력 가능성을 논의했습니다. 이 워크숍과 10월 간담회는 별개의 행사입니다.

기술 뉴스에서 앞으로 확인할 네 가지

한국 AI 시장을 볼 때는 ‘AI 도입’이라는 발표 다음에 무엇이 이어지는지 확인하면 좋겠습니다.

• 해결할 문제: 어떤 공정이나 작업을 개선하려는지 구체적인가요?
• 실제 검증: 실험실 시연을 넘어 현장 조건에서도 결과가 재현되나요?
• 비용과 효과: 설치·운영 비용을 포함해 생산성이나 품질 개선을 설명하나요?
• 운영 책임: 오류가 났을 때 사람이 개입하고 장비를 안전하게 멈출 수 있나요?

이 네 항목은 누미픽의 뉴스 읽기 기준입니다. 제조업이 강하다는 사실만으로 AI 사업의 성공이 정해지지는 않습니다. 데이터를 실제로 활용할 수 있는지, 현장에서 검증할 수 있는지, 지속적으로 운영할 수 있는지가 다음 판단의 근거가 됩니다.

우리 생활과 일에는 어떤 의미가 있을까요?

이번 간담회는 AI를 대화창 밖에서도 살펴볼 계기를 줍니다. 제조 현장에서 일한다면 자신이 아는 작업 순서와 예외 상황을 정리하는 일이 기술 협업의 출발점이 될 수 있습니다. 일반 독자는 새 로봇 발표를 볼 때 ‘무엇을 보여 줬는지’와 ‘어디까지 검증됐는지’를 나눠 보면 과장된 기대를 줄일 수 있습니다.

산업 변화가 생활에 연결되는 흐름은 K-GX와 공장·난방의 변화에서도 함께 살펴볼 수 있습니다. 얀 르쿤의 서울 간담회가 남긴 질문은 분명합니다. 다음 AI가 얼마나 말을 잘하는지와 함께, 현실의 문제를 얼마나 믿고 맡길 수 있는지도 확인해야 한다는 것입니다.

자료 확인: 2026년 10월 12일. 행사 발언은 현장 보도, 기술 설명은 AMI Labs·메타의 공식 자료, 국내 연구 교류는 NAIRL 발표를 바탕으로 정리했습니다.