로봇, 드론 시장의 자율 임무 패러다임 전환과 기회

1. ’작은 시장’이라는 전제에 대한 재평가

1.1 시장 규모에 대한 재해석: ’현재의 크기’보다 ’성장의 속도’가 중요하다

드론, 자율주행차 등 신흥 자율 시스템 시장이 성숙한 산업용 로봇 시장에 비해 현재 규모가 작다는 전제는 타당한 관찰이다. 실제로 2025년 시장 규모를 비교해 보면, 산업용 로봇 시장은 483억 달러에 달하는 반면, 상업용 드론 시장은 173억 4천만 달러 규모로 예측된다.1 자율주행차 시장은 428억 7천만 달러로 산업용 로봇 시장에 근접한 규모를 보이지만, 아직은 그보다 작은 것이 사실이다.3

그러나 현재의 시장 규모라는 정적인 지표에만 초점을 맞추는 것은 미래 잠재력의 핵심을 놓치는 우를 범할 수 있다. 더 중요한 지표는 바로 ’성장률’이다. 산업용 로봇 시장이 연평균 13.4%의 안정적인 성장률을 보일 것으로 예상되는 반면, 상업용 드론 시장은 20.8%, 자율주행차 시장은 23.27%라는 훨씬 가파른 연평균 성장률을 기록할 것으로 전망된다.1 이는 두 시장이 산업용 로봇 시장보다 훨씬 빠른 속도로 규모를 키워가고 있으며, 머지않아 그 규모를 추월할 잠재력을 지니고 있음을 명확히 보여준다.

특히 한국 국내 자율주행차 시장의 경우, 2020년 약 1,509억 원에서 2035년 약 26조 1,794억 원 규모로 연평균 40%라는 경이적인 성장률을 기록할 것으로 전망되는 등, 특정 지역에서는 폭발적인 성장이 이미 가시화되고 있다.4

따라서 현재의 시장 규모 차이는 본질적인 한계가 아닌 ‘시장의 성숙 단계’ 차이로 해석해야 한다. 산업용 로봇 시장이 수십 년에 걸쳐 성숙기에 접어든 반면, 드론과 자율주행차 시장은 이제 막 성장기에 진입한 ‘태동기’ 시장이다. 이러한 수치들은 현재의 기술적 제약과 규제 환경이 유지된다는 가정하에 도출된 보수적인 예측치에 가깝다. 만약 사용자가 지적한 핵심 변수, 즉 ’자율적 임무 결정 능력’과 ’비가시권(BVLOS) 비행’이라는 기술적, 제도적 특이점이 현실화된다면, 이 성장 곡선은 기존의 예측치를 훨씬 뛰어넘는 새로운 변곡점을 맞이하게 될 것이다. 그러므로 논의의 초점은 시장의 ’현재 크기’가 아니라, 미래 성장을 폭발시킬 ’장벽의 본질’이 무엇인지 정확히 진단하는 데 맞춰져야 한다.

1.2 성장의 진짜 병목 현상: ’작업 가변성(Task Variability)’과 경제성의 문제

현재 로봇, 드론, 자율주행차 시장의 잠재력이 완전히 발현되지 못하는 근본적인 원인은 단순히 ’자율성 부족’이라는 기술적 한계를 넘어선다. 그 본질은 ’작업 가변성(Task Variability)’에 대응하는 데 따르는 막대한 비용과 복잡성 문제로 귀결된다.

전통적인 산업용 로봇은 소품종 대량생산 시대의 산물이다. 이들은 고도로 통제되고 정형화된 환경에서 예측 가능한 작업을 무한히 반복하는 데 최적화되어 있다.5 그러나 오늘날의 산업 환경은 높은 제품 다양성, 예측 불가능한 시장 역학, 그리고 개인화된 수요가 지배하는 다품종 소량생산 시대로 전환되었다.6 이러한 환경에서 전통적인 로봇의 경직성은 치명적인 약점으로 작용한다. 작업의 종류나 순서가 조금만 바뀌어도 로봇을 처음부터 다시 프로그래밍하고, 생산 라인을 재설정해야 하기 때문이다.

이 과정에는 막대한 경제적 장벽이 존재한다. 새로운 작업을 위해 로봇을 재프로그래밍하는 데는 고도의 전문 지식을 갖춘 엔지니어가 필요하며, 상당한 시간과 비용이 소요된다.1 특히 중소기업(SME)에게는 턴키 로봇 셀 도입에 필요한 5만 달러에서 50만 달러에 달하는 초기 투자 비용과 로봇 통합 전문가 부족 문제가 자동화 도입을 가로막는 거대한 장벽으로 작용한다.1 다수의 시설에 걸쳐 엔지니어링 비용을 분산시킬 규모의 경제를 갖추지 못한 많은 중소기업은 결국 자동화를 포기하게 되고, 이는 로봇 시장의 전반적인 침투율을 저해하는 핵심 요인이 된다.

결론적으로, ’인간이 임무 수행 방법을 결정해 주어야 한다’는 현상은 단순한 기술적 한계를 넘어선 경제성의 문제다. 로봇이 스스로 임무를 변경하고 계획하는 진정한 자율성은, 바로 이 경제적 장벽을 무너뜨리는 핵심 열쇠다. 이는 단순히 로봇의 성능을 개선하는 차원을 넘어, 지금까지 자동화의 혜택에서 소외되었던 거대한 중소기업 시장과 고가변성 작업 시장의 문을 열어젖히는 패러다임 전환을 의미한다.

이러한 분석은 현재 로봇 시장의 본질이 ’규모’의 문제가 아닌 ’구조’의 문제임을 명확히 보여준다. 현재 시장은 작지 않지만, 소수의 대기업이 지배하는 ‘편중된’ 구조를 가지고 있다. 이들은 막대한 자본을 투입하여 변화가 적은(low-variability) 핵심 공정을 자동화할 수 있었다. 그러나 진정한 자율성의 등장은 이러한 구조를 근본적으로 뒤흔들 것이다. 로봇이 스스로 다양한 작업에 적응하는 능력을 갖추게 되면, 재프로그래밍에 필요한 비용과 전문 인력에 대한 의존도가 극적으로 감소한다. 이는 곧 중소기업의 자동화 도입 장벽이 붕괴됨을 의미한다. 따라서 자율성은 기존 대기업 중심 시장의 파이를 키우는 것을 넘어, 거대한 중소기업 시장이라는 새로운 대륙을 발견하게 만드는 ’게임 체인저’가 될 것이다. 이는 단순한 양적 성장이 아닌, 로봇 기술의 민주화를 통한 시장의 질적, 구조적 대전환을 예고한다.

2. 기술적 특이점: ’지시’에서 ’판단’으로의 전환

2.1 자율성의 뇌: AI 에이전트와 대형 행동 모델(LAM)의 등장

로봇이 인간의 명시적인 지시 없이 스스로 임무를 계획하고 수행하는 시대로의 전환은 **AI 에이전트(AI Agent)**와 **대형 행동 모델(Large Action Model, LAM)**이라는 두 가지 핵심 기술의 등장으로 가능해지고 있다.7 이 기술들은 로봇에게 상황을 ’이해’하고, 목표를 ’설정’하며, 최적의 행동을 ’결정’하고 ’실행’하는 인지적 능력을 부여한다.

챗GPT로 대표되는 대형 언어 모델(LLM)은 자연어를 이해하고 방대한 지식을 바탕으로 추론하는 능력에서 혁명을 일으켰다. 하지만 LLM은 본질적으로 디지털 세계의 텍스트를 처리하는 데 특화되어 있어, 물리적 세계의 복잡성과 제약을 이해하고 직접적인 행동을 생성하는 데는 명백한 한계를 가진다.8 바로 이 간극을 메우는 것이 LAM이다. LAM은 사용자의 추상적인 의도를 이해하고, 이를 웹 브라우저 조작, 애플리케이션 제어, 그리고 궁극적으로 로봇 팔이나 드론의 물리적 제어와 같은 구체적인 행동 순서로 변환하여 실행하는 능력을 갖추고 있다.7

AI 에이전트는 이러한 LAM을 핵심 엔진으로 활용하여 자율성을 구현하는 주체다. AI 에이전트는 센서를 통해 주변 환경을 인식하고, 주어진 목표를 달성하기 위해 스스로 계획을 수립하며, LAM을 통해 필요한 행동을 자율적으로 수행한다.9 2025년을 기점으로 AI 에이전트 기술은 고객 서비스, 전자상거래와 같은 소프트웨어 영역을 넘어 스마트폰, 웹 서비스를 자율적으로 제어하고, 나아가 로봇과 드론 같은 물리적 디바이스를 직접 통제하는 수준으로 발전할 것으로 예측된다.7

이러한 자율 시스템이 실시간으로 안정적인 성능을 발휘하기 위해서는 온디바이스 AI(On-device AI) 기술이 필수적이다. 자율주행차, 드론, 산업용 로봇과 같이 즉각적인 반응이 안전과 직결되는 기기에서 모든 데이터를 클라우드로 전송하고 응답을 기다리는 것은 비효율적이며 잠재적 위험을 내포한다. 온디바이스 AI는 기기 자체에서 데이터를 처리하고 의사결정을 내림으로써, 클라우드 의존도를 낮추고 반응 속도를 극대화한다. 이는 통신 지연 문제를 해결할 뿐만 아니라, 민감한 데이터를 외부로 전송하지 않아 개인정보 보호를 강화하고, 클라우드 운영 비용을 절감하는 결정적 이점을 제공한다.7

2.2 패러다임 전환의 증거: 구글 딥마인드 RT-2 모델 심층 분석

이러한 기술적 전환이 더 이상 이론에 머무르지 않고 현실로 다가오고 있음을 보여주는 가장 강력한 증거는 구글 딥마인드가 개발한 RT-2(Robotics Transformer 2) 모델이다.11 RT-2는 로봇 공학의 패러다임을 근본적으로 바꾸는 VLA(Vision-Language-Action) 모델의 잠재력을 명확히 보여준다.

VLA 모델의 핵심은 웹에서 수집된 방대한 이미지와 텍스트 데이터를 학습하여, 인간의 언어와 시각적 개념을 깊이 이해하고, 이를 로봇의 물리적인 ’행동’으로 직접 변환하는 데 있다.12 이는 로봇이 단순히 프로그래밍된 명령을 수행하는 기계에서, 상황을 이해하고 추론하여 행동하는 지능체로 진화하고 있음을 의미한다.

과거의 로봇에게 ’사과를 집어라’라는 작업을 시키려면, ’사과’의 형태, 색상, 크기 등 모든 시각적 특징과 ’집는다’는 동작의 모든 단계를 명시적으로 코딩해야만 했다. 하지만 RT-2는 “쓰레기를 버려줘“와 같은 추상적인 명령을 받으면, 웹 데이터 학습을 통해 ’쓰레기’라는 개념이 문맥에 따라 무엇을 의미하는지(예: 먹고 남은 바나나 껍질, 구겨진 과자 봉지 등)를 스스로 이해한다. 그리고 ’버린다’는 행동을 달성하기 위한 일련의 동작(쓰레기를 집어, 쓰레기통으로 이동하여, 손을 펴서 떨어뜨린다)을 자율적으로 계획하고 실행한다.13 이는 로봇이 훈련 데이터에 명시적으로 포함되지 않았던 새로운 물체, 새로운 환경, 새로운 과제에 대해 놀라운 일반화(Generalization) 능력을 갖추게 되었음을 보여준다.11

RT-2의 능력은 여기서 그치지 않는다. 연쇄 사고 추론(Chain-of-Thought) 능력을 통해 더욱 복잡하고 다단계적인 문제 해결이 가능하다. 예를 들어, “급할 때 쓸 망치가 필요해“라는 명령을 받으면, 주변 사물 중 망치의 속성(단단하고, 손으로 쥘 수 있는)을 가진 ’돌멩이’를 임시 망치로 사용할 수 있다고 추론한다. 또한 “피곤한 사람에게 줄 음료수“를 찾아달라는 요청에는 ’에너지 드링크’가 가장 적합하다고 판단하여 가져오는 등, 고차원적인 의미론적 추론을 바탕으로 행동할 수 있다.11

물론 현재의 VLA 모델에도 한계는 존재한다. 로봇의 훈련 데이터에 포함되지 않았던 완전히 새로운 ‘동작(motion)’ 자체를 창조해내지는 못하며(예: 춤을 추거나 문워크를 하는 동작), 방대한 모델을 실시간으로 구동하기 위한 높은 연산 비용과 하드웨어 요구사항은 상용화를 위한 과제로 남아있다.15

그럼에도 불구하고, AI 에이전트와 VLA 모델의 등장은 로봇 공학이 근본적인 패러다임 전환의 문턱에 서 있음을 명확히 보여준다. 이는 전통적인 ‘명령형 프로그래밍(Software 1.0)’ 시대의 종말과, 데이터로부터 행동을 직접 학습하는 ‘소프트웨어 2.0’ 시대의 개막을 의미한다. 과거에는 로봇 엔지니어가 C++이나 파이썬 같은 프로그래밍 언어로 모든 예외 상황을 고려하여 복잡한 코드를 작성해야 했다. 이는 작업 가변성에 매우 취약한 구조였다.6 그러나 소프트웨어 2.0 시대의 로봇 개발은 데이터 과학자가 방대한 양의 시각, 언어, 행동 데이터를 큐레이션하고, 이를 통해 VLA 모델을 ’훈련’시키는 방식으로 전환된다. 코드가 데이터로 대체되는 것이다.

이러한 변화는 로봇의 개발, 배포, 유지보수 방식을 완전히 재편할 것이다. 로봇 개발에 필요한 핵심 기술 스택과 인력 구성이 근본적으로 바뀌게 된다. 더 나아가, 클라우드를 통해 AI 모델을 업데이트하면 전 세계에 배포된 수만 대의 로봇이 하드웨어 변경 없이 동시에 새로운 능력을 습득할 수 있게 된다.10 이는 로봇이 더 이상 고정된 기능을 가진 하드웨어 제품이 아니라, 지속적으로 학습하고 진화하는 AI 플랫폼으로 변모함을 의미한다. 이러한 변화는 필연적으로 로봇을 서비스 형태로 제공하는 RaaS(Robot-as-a-Service) 비즈니스 모델의 확산을 가속화하며, 로봇 산업의 가치 사슬을 하드웨어 중심에서 소프트웨어와 데이터 중심으로 이동시킬 것이다.1

3. 규제 혁신: 보이지 않는 하늘길과 도로의 개방

3.1 드론 시장의 퀀텀 점프: 비가시권(BVLOS) 비행의 전면 허용

기술의 발전이 자율 시스템의 ’뇌’를 깨우고 있다면, 규제 혁신은 그 활동 반경을 묶고 있던 ’족쇄’를 푸는 역할을 한다. 특히 드론 산업에서 비가시권(Beyond Visual Line of Sight, BVLOS) 비행의 허용은 시장의 잠재력을 폭발시키는 가장 결정적인 변수다. 현재 대부분의 상업용 드론 운용은 조종사의 육안으로 기체를 확인할 수 있는 가시권(Visual Line of Sight, VLOS) 내로 엄격히 제한된다. 이로 인해 장거리 배송을 위해서는 경로를 따라 수많은 감시 인력을 배치해야 하는 비효율적이고 비경제적인 구조에 갇혀 있었다.16 BVLOS의 전면 허용은 이러한 물리적, 경제적 한계를 단번에 해소하여 드론의 활용 범위를 도시 전체, 나아가 광역권으로 확장시키는 ’퀀텀 점프’를 가능하게 한다.

세계 각국은 BVLOS 시대를 열기 위한 제도적 기틀 마련에 속도를 내고 있으며, 특히 미국과 유럽의 움직임이 주목할 만하다.

미국(FAA)의 역사적 전환점 (2025년): 미국 연방항공청(FAA)은 2025년 8월, BVLOS 운행을 예외적인 허가 대상에서 보편적인 운용 형태로 ’정상화(Normalizing)’하는 것을 목표로 하는 포괄적인 규제안을 발표했다. 이는 드론 산업의 역사에서 가장 중요한 이정표 중 하나로 평가된다.17 이 규제안의 핵심은 다음과 같다.

• 운용 범위 확대: 최대 1,320파운드(약 600kg)의 드론까지 고도 400피트(약 120m) 이하에서의 BVLOS 운항을 허용한다.

• 인증 절차 간소화: 전통적인 유인 항공기에 적용되던 엄격한 형식증명 대신, 제조사가 산업계의 합의된 표준(Consensus Standards)을 준수함을 스스로 증명하는 방식으로 인증 부담을 대폭 완화했다.

• 디지털 교통 관리 시스템 도입: BVLOS 드론들이 다른 항공기(유인기 및 무인기)와 안전하게 분리되어 운항할 수 있도록, FAA가 승인한 **자동화된 데이터 서비스 제공자(Automated Data Service Provider, ADSP)**의 서비스를 이용하도록 의무화했다. ADSP는 실시간 교통 정보, 공역 정보 등을 제공하며 드론 운항의 안전을 책임진다.18

이러한 움직임은 일부 선도 기업에 대한 개별적인 면제(Waiver)를 넘어, 모든 사업자가 예측 가능하고 확장 가능한 BVLOS 사업을 추진할 수 있는 명확한 법적, 제도적 경로를 제시했다는 점에서 그 의미가 매우 크다.

유럽(EASA)의 통합적 접근, U-space: 유럽 항공안전청(EASA)은 U-space라는 통합 드론 교통 관리 시스템을 통해 BVLOS 상용화를 추진하고 있다. 2023년 1월부터 관련 규제 프레임워크가 공식 발효되었으며, 이는 도심과 같이 복잡하고 밀집된 환경에서도 다수의 드론이 안전하게 공존하며 비행할 수 있는 디지털 인프라를 구축하는 것을 목표로 한다.21 U-space는 다음과 같은 필수 서비스를 통해 작동한다.

• 네트워크 식별(Network Identification): 공역 내 모든 드론의 실시간 위치를 식별하고 추적한다.

• 지리인식(Geo-awareness): 비행금지구역, 제한구역 등 공역 정보를 드론에 실시간으로 제공한다.

• 비행 허가(Flight Authorization): 개별 비행에 대한 자동화된 허가 및 승인 절차를 제공한다.

• 교통 정보(Traffic Information): 주변 항공기 정보를 제공하여 충돌을 방지한다.

다만 유럽의 U-space는 회원국 간 데이터 공유 표준에 대한 합의 지연, 각국 규제 당국의 전문 인력 및 자원 부족, 스타트업들의 자금 조달 어려움 등 현실적인 장벽에 부딪히며 실제 U-space 공역 지정 및 상용화 속도는 예상보다 더디게 진행되고 있다.25

한국의 규제 완화 동향: 한국 역시 글로벌 흐름에 발맞춰 규제 완화에 적극적으로 나서고 있다. 대표적인 제도가 **‘드론특별자유화구역’**이다. 2025년 기준 전국 32개 지자체, 총 67개 구역으로 확대된 이 구역 내에서는 비행 승인, 특별 비행 승인, 안전성 인증 등 6가지 핵심 규제가 대폭 면제되거나 간소화된다.28 이를 통해 기업들은 장거리 물품 배송, 산불 감시, 시설물 점검 등 다양한 BVLOS 실증 사업을 자유롭게 추진할 수 있게 되었다. 실제로 2025년 1분기 특별비행승인 신청 건수는 전년 동기 대비 약 30% 증가하며 BVLOS 운항에 대한 높은 시장 수요를 증명했다.29 그러나 일부에서는 해외 선진국들이 BVLOS 조종 자격 제도를 체계적으로 도입하는 것에 비해 한국은 관련 제도 마련이 뒤처져 있다는 비판도 제기된다.30

표 2: 주요국 비가시권(BVLOS) 드론 규제 프레임워크 비교 17

3.2 자율 시스템의 사회적 수용: 법적 책임의 명확화

자율 시스템이 도로와 하늘을 자유롭게 누비기 위해서는 기술적 안전성과 더불어 사회적, 법적 수용성 확보가 전제되어야 한다. 그중에서도 사고 발생 시 책임 소재의 불분명성은 기술 상용화의 가장 큰 걸림돌로 작용한다.31 소비자와 보험사, 그리고 사법 당국이 ’누가, 어떻게 책임질 것인가’에 대한 명확한 답을 얻지 못한다면, 기술은 연구실을 벗어나기 어렵다.

이러한 불확실성을 해소하기 위해 주요 선진국들은 법제 정비에 발 빠르게 나서고 있다. 그 핵심 방향은 전통적으로 운전자에게 집중되었던 책임을 시스템을 설계하고 판매한 제조사로 확장하고, 사고 피해자의 입증 부담을 완화하는 것이다.

• 유럽연합(EU): 2024년 개정된 **제품책임지침(Product Liability Directive, PLD)**은 자율주행 시스템의 핵심인 소프트웨어와 인공지능(AI)을 명시적으로 ’제품’의 범위에 포함시켰다. 더 나아가, 제품의 결함과 사고 사이의 인과관계에 대한 **‘추정 규정’**을 도입했다. 이는 사고 피해자가 복잡한 AI 알고리즘의 오류를 직접 증명해야 했던 과도한 입증 책임을 덜어주는 획기적인 조치다.33

• 영국: 2024년 제정된 **‘자율주행차법(Automated Vehicles Act)’**은 한 걸음 더 나아가, 정부가 승인한 자율주행 시스템이 활성화된 상태에서 발생한 사고에 대해서는 그 책임 주체와 비용 분담 원칙을 법률로 명확히 규정했다.33

반면, 한국의 법제는 아직 이러한 글로벌 흐름을 따라가지 못하고 있다. 현행법은 레벨 3 자율주행 중에도 운전자에게 전방 주시 의무 등 포괄적인 주의 의무를 부과하고 있으며, 사고 발생 시 1차적 배상 책임은 자동차 소유자에게 있다.33 제조사의 책임을 명시한 구체적인 법적 근거가 미비하여, 사고 피해자가 제조사의 과실을 입증하기는 매우 어려운 구조다. 이러한 법적 불확실성은 향후 자율주행차의 보급과 시장 성장에 잠재적인 장애물로 작용할 수 있다.

이러한 규제의 변화는 단순히 ’장벽’을 제거하는 수준을 넘어, **‘새로운 시장 창출을 위한 인프라’**를 구축하는 과정으로 이해해야 한다. FAA의 BVLOS 규제안이 ADSP라는 새로운 사업자를 정의하고, 유럽의 U-space가 USSP와 CISP라는 서비스 제공자를 법제화한 것은 그 대표적인 예다. 이는 단순히 드론의 비행을 허용하는 것을 넘어, 수많은 드론의 안전한 운항을 지원하는 ‘디지털 하늘길’ 인프라 산업의 탄생을 법적으로 공식화한 것이다. 이 과정은 드론의 실시간 위치, 비행 경로, 기상 정보, 공역 제한 등 막대한 양의 데이터를 수집, 처리, 유통하는 플랫폼의 등장을 필연적으로 요구한다. 따라서 BVLOS 규제는 드론 하드웨어 시장의 성장을 견인할 뿐만 아니라, 그 상위에서 통신사, 클라우드 기업, 데이터 분석 기업들이 새로운 부가가치를 창출할 수 있는 거대한 UAM(도심 항공 모빌리티) 데이터 서비스 시장을 열어주는 기회가 될 것이다.

4. 시장의 빅뱅: 자율성이 창출할 새로운 경제

4.1 기폭제: 자율 라스트마일 배송 시장의 부상

II장에서 분석한 자율성 기술의 성숙과 III장에서 논의된 규제 혁신이 결합될 때, 그 시너지가 가장 먼저, 그리고 가장 폭발적으로 나타날 분야는 단연 자율 라스트마일 배송(Autonomous Last-mile Delivery) 시장이다. 라스트마일 배송은 전체 물류 비용의 상당 부분을 차지하는 고비용, 저효율 구간으로, 자동화를 통한 혁신의 요구가 가장 큰 영역이기 때문이다.

글로벌 자율 라스트마일 배송 시장은 기하급수적인 성장을 앞두고 있다. 시장 규모는 2024년 205억 2천만 달러에서 시작하여 연평균 26.5%의 성장률을 기록, 2032년에는 1349억 달러에 이를 것으로 전망된다.35 인공지능(AI) 기술이 적용된 라스트마일 배송 시장 역시 2037년까지 150억 8천만 달러 규모로 성장할 것으로 예측된다.36

이러한 폭발적 성장의 동력은 명확하다. 첫째, E-커머스의 급성장으로 인해 소비자들은 이제 당일 배송을 넘어 몇 시간 내 배송을 기대하고 있다. 이러한 ’초고속 배송’에 대한 수요는 기존의 인력 기반 배송 시스템으로는 감당하기 어려운 수준에 이르렀다.35 둘째, 코로나19 팬데믹을 거치며 비대면 배송에 대한 선호도가 크게 증가했다.36 셋째, 인건비 상승과 인력난 심화로 인해 기업들은 배송 비용을 절감해야 한다는 강력한 압박을 받고 있다. 자율 배송 시스템은 이러한 수요와 공급 측면의 문제들을 동시에 해결할 수 있는 가장 유력한 대안이다.

이 시장의 핵심 플레이어는 크게 세 가지 유형으로 나뉜다. 공중에서는 **배송 드론(Aerial Delivery Drones)**이 교통 체증 없이 최단 거리로 물품을 운송하고, 지상에서는 **배송 로봇(Ground Delivery Bots)**이 보도를 따라 문 앞까지 정확하게 배송하며, 간선 도로에서는 **자율주행 트럭 및 밴(Autonomous Driving Trucks/Vans)**이 물류 거점 간의 대량 운송을 담당하게 될 것이다.35

4.2 선두주자 사례 연구: 집라인(Zipline)의 성공 방정식

자율 드론 배송이 더 이상 미래의 이야기가 아니라 현실의 비즈니스임을 증명한 가장 대표적인 사례는 미국의 **집라인(Zipline)**이다. 집라인의 성공 방정식은 기술, 전략, 규제 대응의 삼박자가 어떻게 시너지를 내는지를 명확히 보여준다.

압도적인 운영 성과: 집라인은 2025년 3월을 기준으로, 경쟁사들을 모두 합친 것보다 많은 1억 마일(약 1.6억 km) 이상의 상업적 자율 비행 기록과 140만 건 이상의 실제 배송 완료라는 경이적인 운영 성과를 달성했다.38 이는 지구를 4,000바퀴 돌거나 미국 내 모든 도로를 24번 주행한 것과 맞먹는 거리로, 자율 드론 배송 기술의 안전성과 신뢰성을 입증하는 강력한 데이터다.39

기술 및 전략의 차별성:

• 이원화 플랫폼 전략: 집라인은 단일 플랫폼에 의존하지 않는다. 광범위한 지역을 커버하는 장거리 배송에는 고정익 항공기인 **‘플랫폼 1(P1)’**을, 도심 내 아파트 발코니나 현관 앞과 같은 좁은 공간에 정밀 배송이 필요할 때는 수직이착륙(VTOL)이 가능한 **‘플랫폼 2(P2)’**를 투입하여 다양한 시장의 요구에 유연하게 대응한다.38

• 의료에서 상업으로의 단계적 확장: 집라인은 사업 초기, 도로 인프라가 열악한 르완다, 가나 등 아프리카 국가에서 혈액, 백신 등 긴급 의료품을 배송하는 것으로 시작했다. 이를 통해 수년간의 운영 노하우와 압도적인 안전 기록(Safety Record)을 축적하고, 인도주의적 가치를 실현하며 긍정적인 사회적 인식을 구축했다. 이 성공을 발판으로 미국 시장에 진출하여 월마트(Walmart), 스위트그린(sweetgreen) 등 대형 유통 및 요식업체, 그리고 클리블랜드 클리닉(Cleveland Clinic)과 같은 주요 의료 시스템과 파트너십을 맺으며 상업 배송 영역으로 성공적으로 사업을 확장했다.40

• 선제적 규제 돌파: 집라인은 기술 개발과 동시에 규제 당국과의 긴밀한 협력을 통해 제도적 장벽을 극복해왔다. 그 결과 2023년 9월, FAA로부터 상업적 BVLOS 운항을 위한 공식 허가를 획득했으며, 이는 미국 내에서 전국 단위의 대규모 드론 배송 네트워크를 구축할 수 있는 결정적인 발판을 마련한 것으로 평가된다.41

4.3 제조와 물류의 혁명: 고정된 라인을 넘어서

자율성의 물결은 공장과 물류창고의 풍경 또한 근본적으로 바꿀 것이다. 특히 자율성이 로봇 팔과 결합될 때, 전통적인 제조업의 상징이었던 컨베이어 벨트 중심의 고정된 생산 라인은 유연하고 지능적인 **‘셀(Cell) 생산 방식’**으로 재편될 것이다.

미래의 스마트 팩토리에서는 자율이동로봇(AMR)에 다관절 로봇 팔이 탑재된 ’자율 모바일 매니퓰레이터’가 핵심적인 역할을 수행하게 된다. 이 로봇들은 더 이상 한 자리에 고정되어 있지 않다. 스스로 공장 내부를 이동하며 필요에 따라 다양한 작업 스테이션에 접근해 부품을 공급하고, 조립하며, 완성품을 운반한다. AI 비전 시스템을 통해 수많은 종류의 부품을 정확히 인식하고, 최적의 경로를 계산하여 작업을 수행하는 **‘재배치 가능한 워크셀(Redeployable Work Cells)’**이 보편화될 것이다.1

이러한 변화는 특히 다품종 소량생산 환경에서 그 위력을 발휘한다. 새로운 제품 생산을 위해 생산 라인 전체를 멈추고 재설계할 필요 없이, 소프트웨어 명령만으로 로봇들의 역할과 동선을 즉시 변경할 수 있다. 이는 생산 라인 변경에 소요되던 막대한 시간과 비용을 극적으로 절감시키고, 시장 변화에 민첩하게 대응할 수 있는 궁극의 유연 생산 시스템을 구현하게 할 것이다.

4.4 새로운 시장 규모 재산정 (2030-2035년 전망)

앞서 제시된 시장 전망치들은 현재 기술과 규제의 연장선상에서 추산된 것이다. 그러나 본 보고서에서 분석한 바와 같이, 자율성 기술의 성숙(VLA 모델 등)과 BVLOS 규제의 전면적 완화라는 두 가지 거대한 패러다임 전환 변수가 본격적으로 적용되는 2028-2030년 이후, 시장의 성장 곡선은 기존의 선형적 예측을 뛰어넘는 변곡점을 맞이할 것이다. 아래 표는 기존 전망치와 이러한 패러다임 전환을 가정한 새로운 성장 시나리오를 비교하여 그 파급력을 정량적으로 제시한다.

표 1: 섹터별 시장 규모 전망 비교 (2025-2035년)

이러한 기술과 규제의 융합이 가져올 변화는 단순히 배송 속도를 높이는 것을 넘어, 도시 공간과 물류 시스템의 패러다임 자체를 바꾸게 된다. 자율 드론 배송의 확산은 도시의 물류 흐름을 지상의 2차원 도로망에서 하늘의 3차원 공간으로 확장시킨다. 이는 교통 체증이라는 고질적인 도시 문제를 우회하는 혁신적인 해결책을 제시한다. 하지만 드론의 운항 거리와 탑재 중량에는 물리적 한계가 존재하므로 38, 교외의 대형 물류센터에서 도시 내 모든 가정으로 직접 배송하는 모델은 비효율적이다.

대신, 도시 곳곳에 소규모 물류 거점, 즉 **마이크로 풀필먼트 센터(Micro-fulfillment Center, MFC)**를 분산 배치하고, 대형 트럭이 이 MFC까지 상품을 대량으로 운송한 뒤, 각 MFC에서 최종 목적지까지는 드론이 배송을 책임지는 ‘허브 앤 스포크(Hub and Spoke)’ 방식이 가장 효율적인 모델로 부상할 것이다. 이 시나리오가 현실화되면, 도심 내 유휴 공간(예: 대형마트 주차장, 빌딩 옥상, 폐점한 상가)을 MFC로 전환하려는 수요가 폭발적으로 증가할 것이다. 이는 침체된 상업용 부동산 시장에 새로운 기회를 창출하는 동시에, 도시 계획 단계에서부터 드론 이착륙장(Vertiport)과 MFC 입지를 의무적으로 고려해야 하는 근본적인 패러다임 전환을 요구하게 될 것이다.

5. 미래를 향한 제언: 기회 포착을 위한 전략적 로드맵

5.1 넘어야 할 산: 사회적 수용성과 경제적 충격

자율성의 시대가 열어줄 막대한 기회 이면에는 반드시 해결해야 할 사회적, 경제적 과제들이 존재한다. 기술의 완성도와 별개로, 대중의 신뢰를 얻고 자동화가 가져올 경제적 충격을 완화하지 못한다면, 기술은 사회에 뿌리내리지 못하고 표류하게 될 것이다.

대중의 신뢰라는 마지막 관문: 기술적 안전성 확보는 필요조건일 뿐, 충분조건이 아니다. 자율 시스템에 대한 대중의 심리적 불안감과 불신은 상용화의 가장 큰 장벽 중 하나다. 2025년 미국자동차협회(AAA)가 실시한 설문조사에 따르면, 미국 운전자의 60%는 여전히 자율주행차 탑승을 두려워하며, 자율주행 기술을 신뢰한다고 답한 비율은 13%에 불과했다.44 하버드 경영대학원의 연구는 이러한 현상의 원인을 심층적으로 분석한다. 사람들은 자율 시스템을 평가할 때, 평균적인 인간 운전자와 비교하는 것이 아니라, 상상할 수 있는 가장 완벽한 운전자와 비교하며 ’완벽함’이라는 비현실적인 잣대를 적용하는 경향이 있다.45 사소한 실수 하나가 전체 기술에 대한 불신으로 이어지기 쉬운 구조다. 따라서 투명한 사고 데이터 공개, 점진적이고 성공적인 운영 사례의 축적, 그리고 기술의 한계에 대한 명확한 소통을 통해 대중의 신뢰를 차근차근 구축해 나가는 과정이 무엇보다 중요하다.

일자리 전환이라는 거대한 파도: 자동화와 로봇 기술의 확산은 생산성 향상이라는 긍정적 효과와 함께, 기존 일자리를 대체하는 파괴적 효과를 동반한다. 옥스퍼드 대학의 연구는 향후 10~20년 내 미국 총 고용의 47%가 자동화될 가능성이 높다고 경고했으며 46, 맥킨지는 팬데믹 이후 이미 860만 건의 직업 전환이 발생했고, 2030년까지 추가로 1,200만 건의 전환이 일어날 것으로 예측했다.47 특히 운송, 물류, 제조, 사무 지원 등 반복적이고 정형화된 업무를 수행하는 직군이 가장 큰 영향을 받을 것이다.48 이러한 급격한 변화는 대규모 실업과 사회적 갈등을 유발할 수 있다. 따라서 기업과 정부는 이러한 충격을 완화하기 위한 사회적 안전망 구축에 선제적으로 나서야 한다. 기업 차원에서는 평생 학습 프로그램과 직무 재교육에 대한 투자를 확대하고 49, 정부 차원에서는 미래 산업에 필요한 인력을 양성하는 교육 시스템 개편과 고용 전환 지원 정책을 강력하게 추진해야 한다.

5.2 주체별 전략 제언

자율성의 시대라는 거대한 패러다임 전환 앞에서, 각 경제 주체는 변화를 주도하고 기회를 포착하기 위한 명확한 전략적 로드맵을 수립해야 한다.

투자자를 위한 제언:

• 소프트웨어와 플랫폼에 집중하라: 미래 로봇 산업의 핵심 가치는 하드웨어에서 소프트웨어로 이동한다. 로봇의 물리적 성능보다 그 두뇌 역할을 하는 AI 모델의 성능이 경쟁력을 좌우하게 될 것이다. 따라서 단순한 로봇 제조사를 넘어, 구글의 RT-2와 같은 VLA 모델, AI 에이전트, 로봇 운영체제(OS) 등 핵심 소프트웨어 기술과 플랫폼을 보유한 기업에 주목해야 한다. 이들 기업은 미래 로봇 생태계의 ’OS’를 장악하며 막대한 부가가치를 창출할 것이다.

• 규제 변화의 최대 수혜자를 찾아라: 규제는 더 이상 장벽이 아니라 새로운 시장을 창출하는 인프라다. 특히 드론 BVLOS 운항의 제도화는 ’UAM 데이터 인프라’라는 거대한 신규 시장을 열 것이다. 미국의 ADSP, 유럽의 USSP/CISP와 같이 드론 교통 관제 서비스를 제공하는 플랫폼 기업과, 자율 라스트마일 배송 솔루션을 제공하며 가장 먼저 상업적 성공을 거둘 기업들의 성장 잠재력을 면밀히 평가해야 한다.

기업(기술 도입/개발)을 위한 제언:

• ’구축할 것인가, 도입할 것인가(Build vs. Buy)’를 명확히 하라: 모든 기업이 자체적으로 고도의 AI 모델을 개발할 수는 없다. 핵심 AI 역량을 보유하지 않은 대부분의 기업에게는, 검증된 로봇 플랫폼과 RaaS(Robot-as-a-Service) 모델을 적극적으로 도입하여 신속하게 자동화의 이점을 누리고 운영 노하우를 축적하는 것이 현명한 전략이다. 이를 통해 핵심 사업 역량에 집중하면서도 기술 혁신의 흐름에 뒤처지지 않을 수 있다.

• 통합적 거버넌스 체계를 구축하라: 자율 시스템의 도입은 단순히 기계를 들여놓는 것이 아니다. 기술적 효율성뿐만 아니라, 현장 작업자와의 원활한 협업 방안, 예측 불가능한 상황에 대비한 안전 프로토콜, 수집되는 데이터의 보안 문제, 그리고 잠재적 사고에 대한 법적 책임 문제까지 포괄하는 통합적인 거버넌스 체계를 사전에 구축해야 한다. 이는 기술 도입의 성공과 실패를 가르는 결정적인 요소가 될 것이다.

정책 입안자를 위한 제언:

• 네거티브 규제로 전환하고 테스트베드를 확대하라: 기술 발전의 속도를 법과 제도가 따라가지 못하는 현상은 신산업의 성장을 저해하는 가장 큰 요인이다. ’법에서 금지한 것 외에는 모두 허용’하는 네거티브 규제 방식으로 과감히 전환하고, 기업들이 신기술을 마음껏 실험하고 데이터를 축적할 수 있는 규제 샌드박스와 드론특별자유화구역과 같은 테스트베드를 전국적으로 확대해야 한다.

• 법적 불확실성을 조속히 해소하라: 자율 시스템이 일으킨 사고의 책임 소재를 명확히 하는 특별법 제정을 서둘러야 한다. EU와 영국의 사례를 참고하여 제조사의 책임을 합리적인 수준에서 강화하고, 사고 원인 규명을 위한 데이터 기록장치(자율주행정보 기록장치 등) 장착을 의무화하며, 관련 보험 제도를 정비함으로써 기술 도입에 따르는 사회적 불확실성을 해소해야 한다.

• 미래를 위한 인적 자본에 투자하라: 자동화로 인한 일자리 전환은 피할 수 없는 미래다. 이에 대비하여 AI, 로봇, 데이터 과학 등 미래 산업에 필요한 인재를 양성하기 위한 교육 시스템을 전면적으로 개혁해야 한다. 기존 근로자들을 위한 대대적인 직업 훈련 및 재교육 프로그램을 국가적 차원에서 지원하고, 고용 충격을 완화할 수 있는 사회 안전망을 강화하는 데 국가적 투자를 집중해야 한다.

6. 참고 자료

1. 산업용 로봇 시장 규모, 분석, 점유율 및 성장 추세 2030, https://www.mordorintelligence.kr/industry-reports/industrial-robotics-market
2. 로봇 시장 규모, 성장 분석 및 산업 보고서, 2030 - Mordor Intelligence, https://www.mordorintelligence.kr/industry-reports/robotics-market
3. 상업용 드론 시장 규모, 공유 | 글로벌 예측 [2032] - Fortune Business Insights, https://www.fortunebusinessinsights.com/ko/commercial-drone-market-102171
4. 자율주행차 시장 규모, 점유율, 동향 분석 보고서 2025-2030 - Mordor Intelligence, https://www.mordorintelligence.kr/industry-reports/autonomous-driverless-cars-market-potential-estimation
5. 자율주행차 - 연구개발특구진흥재단, https://www.innopolis.or.kr/fileDownload?titleId=178598&fileId=1&fileDownType=C¶mMenuId=MENU00999
6. Robotic Processing of Variable Products, https://www.araa.asn.au/acra/acra1999/papers/paper38.pdf
7. Concept for the automated adaption of abstract planning domains for specific application cases in skills-based industrial robotics - EconStor, https://www.econstor.eu/bitstream/10419/313670/1/s10845-023-02211-3.pdf
8. [트렌드] 2025년 트렌드 : LMM, LAM, AGENT, 그리고 FMOps - velog, https://velog.io/@euisuk-chung/2025%EB%85%84-AI-%ED%8A%B8%EB%A0%8C%EB%93%9C-LMM-LAM-%EC%98%A8%EB%94%94%EB%B0%94%EC%9D%B4%EC%8A%A4-AI-AI-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8-%EC%9E%84%EB%B2%A0%EB%94%94%EB%93%9C-AI-%EA%B7%B8%EB%A6%AC%EA%B3%A0-FMOps
9. Vision Language Action Models (VLA) Overview: LeRobot Policies Demo, https://learnopencv.com/vision-language-action-models-lerobot-policy/
10. [2025년 전망] AI·자동화 핵심 ‘에이전트 AI·내장형 AI·LLM 기반 데이터 관리’ - 지티티코리아, https://www.gttkorea.com/news/articleView.html?idxno=15769
11. 로봇 시장 규모, 점유율 및 산업 전망 보고서, 2025-2034 - Global Market Insights, https://www.gminsights.com/ko/industry-analysis/robot-market
12. Vision-Language-Action Models: RT-2, https://robotics-transformer2.github.io/
13. RT-2: New model translates vision and language into action - Google DeepMind, https://deepmind.google/discover/blog/rt-2-new-model-translates-vision-and-language-into-action/
14. What is RT-2? Google DeepMind’s vision-language-action model for robotics, https://blog.google/technology/ai/google-deepmind-rt2-robotics-vla-model/
15. Google DeepMind Announces LLM-Based Robot Controller RT-2 - InfoQ, https://www.infoq.com/news/2023/10/deepmind-robot-transformer/
16. RT2 (Robotics Transformer 2) from DeepMind - YouTube, https://www.youtube.com/watch?v=JF1ySCeed5Q
17. “드론으로 배달 왔어요”… 올해 전국 활성화 원년 - 한국일보 애틀랜타, https://higoodday.com/news/994947
18. Beyond Visual Line of Sight (BVLOS) - Federal Aviation Administration, https://www.faa.gov/newsroom/beyond-visual-line-sight-bvlos
19. Drone Beyond Line of Sight Proposed Rule: Top 10 Things You Need to Know | Insights, https://www.hklaw.com/en/insights/publications/2025/08/drone-beyond-line-of-sight-proposed-rule-top-10
20. U.S. Transportation Secretary Sean P. Duffy Unveils Proposed Rule to Unleash American Drone Dominance as Part of His Innovation Agenda | Federal Aviation Administration, https://www.faa.gov/newsroom/us-transportation-secretary-sean-p-duffy-unveils-proposed-rule-unleash-american-drone
21. 10 Initial Takeaways from the FAA’s BVLOS Drone NPRM: What Operators Need to Know, https://dronelife.com/2025/08/05/10-initial-takeaways-from-the-faas-bvlos-drone-nprm-what-operators-need-to-know/
22. What is U-Space? | EU Drone Port™, https://eudroneport.com/blog/what-is-u-space/
23. EASA publishes U-space Guidance - cuashub.com, https://cuashub.com/en/content/easa-publishes-u-space-guidance/
24. Regulation 2021/664 U-space Regulatory Framework | SKYbrary Aviation Safety, https://skybrary.aero/articles/regulation-2021664-u-space-regulatory-framework
25. U-Space Service Providers | AESA-Agencia Estatal de Seguridad Aérea - MTMS, https://www.seguridadaerea.gob.es/en/ambitos/navegacion-aerea/proveedores-de-servicios-u-space
26. Europe’s U-space logjam: the dangers of, and remedies to, slow progress, https://www.unmannedairspace.info/news-first/europes-u-space-logjam-the-dangers-of-and-remedies-to-slow-progress/
27. 2025 European Network of U-space Stakeholders Meeting in Hamburg | EUROCONTROL, https://www.eurocontrol.int/event/european-network-u-space-stakeholders-meeting-hamburg
28. Advancing U-space implementation through a collaborative approach to simulation, https://www.eurocontrol.int/article/advancing-u-space-implementation-through-collaborative-approach-simulation
29. [2025년 8월호] 규제 문턱 낮추고 드론 실증 활짝! 드론특별자유화구역 …, http://dronejournal.net/dronepolicy/?bmode=view&idx=167286501
30. 특별비행승인 현황 및 제도 안내 - 항공안전기술원, https://www.kiast.or.kr/kr/cop/bbs/BBSMSTR_000000000292/selectBoardArticle.do?nttId=B00000003105qt7eX8gx
31. [전문가칼럼] 드론 조종자격, 다시 산으로 가나? - 전남인터넷신문, https://www.jnnews.co.kr/m/view.php?idx=399180
32. [시장보고서]자율주행차 시장 예측(-2030년) : 구성요소별, 자동화 수준별, 차량 유형별, 기술별, 용도별, 지역별 세계 분석, https://www.giikorea.co.kr/report/smrc1494738-autonomous-vehicles-market-forecasts-global.html
33. 자율주행자동차 사고시 형사책임에 따른 ‘자율주행자동차의 운행과 책임에 관한 법률안’ 시도.pdf - KLRI Repository, https://repository.klri.re.kr/bitstream/2017.oak/7106/1/%EC%9E%90%EC%9C%A8%EC%A3%BC%ED%96%89%EC%9E%90%EB%8F%99%EC%B0%A8%20%EC%82%AC%EA%B3%A0%EC%8B%9C%20%ED%98%95%EC%82%AC%EC%B1%85%EC%9E%84%EC%97%90%20%EB%94%B0%EB%A5%B8%20%E2%80%98%EC%9E%90%EC%9C%A8%EC%A3%BC%ED%96%89%EC%9E%90%EB%8F%99%EC%B0%A8%EC%9D%98%20%EC%9A%B4%ED%96%89%EA%B3%BC%20%EC%B1%85%EC%9E%84%EC%97%90%20%EA%B4%80%ED%95%9C%20%EB%B2%95%EB%A5%A0%EC%95%88%E2%80%99%20%EC%8B%9C%EB%8F%84.pdf
34. 美 자율주행 사고 낸 테슬라 수천억 배상···국내법은 운전자만 책임 …, https://www.sisajournal-e.com/news/articleView.html?idxno=414319
35. 레벨3 자율주행차 책임법제 현황 및 유의점, https://www.kiri.or.kr/report/downloadFile.do?docId=426139
36. 자율적 인 마지막 마일 배달 시장 규모 보고서, 2032, https://www.fortunebusinessinsights.com/ko/autonomous-last-mile-delivery-market-105598
37. AI 기반 라스트 마일 배송 시장 규모, 예측 보고서 2025-2037 - Research Nester, https://www.researchnester.com/kr/reports/ai-enabled-last-mile-delivery-market/2882
38. 라스트마일 배송 시장 규모, 점유율 및 성장 보고서 - 2032, https://www.gminsights.com/ko/industry-analysis/last-mile-delivery-market
39. Zipline (drone delivery company) - Wikipedia, https://en.wikipedia.org/wiki/Zipline_(drone_delivery_company)
40. Top 7 Autonomous Drone Delivery Companies in the US (2025) - Fifth Level Consulting, https://fifthlevelconsulting.com/autonomous-drone-delivery-companies-us/
41. Zipline Fact Sheet | Zipline Drone Delivery & Logistics, https://www.zipline.com/about/zipline-fact-sheet
42. Zipline’s Business Breakdown & Founding Story - Contrary Research, https://research.contrary.com/company/zipline
43. Survey shows just how much delivery drones could disrupt U.S. logistics by 2028, https://www.thedronegirl.com/2025/09/08/us-logistics-delivery-drones/
44. 서비스 로봇 시장 규모, 구성요소(로봇, 주변기기), 로봇(전문가, 개인 가정용, 엔터테인먼트)별 - 성장 추세, 지역 점유율, 경쟁 정보, 예측 보고서(2025-2037년) - Research Nester, https://www.researchnester.com/kr/reports/service-robotics-market/5633
45. AAA: Fear in Self-Driving Vehicles Persists, https://newsroom.aaa.com/2025/02/aaa-fear-in-self-driving-vehicles-persists/
46. Does Public Trust in Autonomy Come Down to a False Sense of Perfection?, https://www.roadtoautonomy.com/public-trust-autonomy/
47. 10년 후 “사라질 직업”, “없어질 일“은? - 로봇신문, https://www.irobotnews.com/news/articleView.html?idxno=3740
48. 맥킨지(McKinsey), 생성형 AI와 미국의 미래 일자리 보고서(Generative AI and the future of work in America, 76p/영문/무료) - 파이토치 한국 사용자 모임, https://discuss.pytorch.kr/t/mckinsey-ai-generative-ai-and-the-future-of-work-in-america-76p/2206
49. (PDF) 인공지능과 로봇기술의 노동시장 파급효과 분석을 위한 일자리 대체가능성 지수의 개발(Developing an AI Job Replacement Index for Analyzing Labor Market Disruptions) - ResearchGate, https://www.researchgate.net/publication/384638148_ingongjineung-gwa_lobosgisul-ui_nodongsijang_pageubhyogwa_bunseog-eul_wihan_iljali_daecheganeungseong_jisuui_gaebalDeveloping_an_AI_Job_Replacement_Index_for_Analyzing_Labor_Market_Disruptions
50. 현재 일자리의 절반은 로봇으로 대체 가능 인적자본 강화하는 교육에 더 많이 투자해야, https://economychosun.com/site/data/html_dir/2017/08/14/2017081400047.html