피지컬데이터 기반 거버넌스 제안 (2026.04.15)

*본 게시글은 기본소득당 부산시의회 비례대표 출마 당시 공약을 고민하며 작성한 글입니다.

전통적 해고는 기업의 경영 판단(실적 악화, 구조조정)에 의해 발생했다. 노동법은 이 전제 위에 설계되어 있다. 부당해고 구제, 정리해고 요건, 전직 지원 등. 그러나 AI 로보틱스 시대의 해고는 다르다. 개별 기업이 잘못해서가 아니라, 기술 환경 자체가 변하면서 특정 직무가 통째로 소멸하거나, 신입 채용이 사라진다. 기업의 내부 의사결정이 아닌 외재 변수(exogenous shock)에 의한 구조적인 전환인 것이다.

이 전환을 촉발하는 핵심 기술이 국내 기업의 의사결정 범위 밖에서 개발되고 있다는 점에서 더욱 곤란하다.

기존 노동법 프레임으로는 이 전환을 통제할 수 없다. "경영상 필요"에 의한 정리해고로 처리되면, 노동자는 퇴직금과 실업급여를 받고 끝이다. 그러나 소멸하는 직무에서 밀려난 노동자가 재취업할 "같은 종류의 일자리"는 시장에 존재하지 않는 상황이 된다.

빌게이츠가 로봇세를 제안한 이래 논의가 계속되고 있지만 실제 도입된 국가는 없다시피 하다. 로봇의 정의가 애매하고, 자동화 수준을 정량화 가능한 단계에 오지 못했으며, 단독 도입 시 기업의 해외 이전을 촉진할 수 있기 때문이다. 그렇다면 LLM 기업에 세금을 매길 수 있을까? 하면 그 또한 비현실적이다.해외 법인, 과세 기준의 측정 어려움, 징수 관할권 등 여러 측면에서 어렵다.

해당 세금에 대한 논의는 전환 이후의 후속적 조치라는 측면에서도 문제가 있다. 기업들이 로봇을 들여오는 것과 해고 대상자들의 인건비 중 더 비용이 절감되는 쪽을 선택해 로봇 도입을 고려하는 상황이 되었을 때, 그 비용의 계산 과정에 '로봇세' 항목이 들어갈 수 있을까? 세금을 설계하는 과정에서 어떤 산업에 가장 크리티컬한지, 노동자가 얼마나 대체될지 '예상'해야 하는데, 이러한 예상을 토대로 실제 조세 과정에 접목하는 일이 쉬울 리는 없다.

현 시점에서, LLM 기업들은 인터넷의 텍스트·이미지 데이터를 대규모로 수집하여 비식별화하고, 재귀적 학습을 통해 모델을 발전시켜 왔다. 이 과정에서 데이터 원저작자에 대한 보상은 이루어지지 않았고, 현재 뉴욕타임스 대 OpenAI 소송 등 전 세계적으로 법적 분쟁이 진행 중이다.

그러나 이 싸움에서 개별 데이터 제공자가 실질적 보상을 받기는 구조적으로 어렵다. 텍스트 데이터는 이미 수집·학습이 완료되었고, 비식별화·혼합이 이루어진 후에는 특정 개인의 기여분을 분리하는 것이 사실상 불가능하기 때문이다.

여기서, 난 지금부터 적용 가능한 대안으로 피지컬 데이터 바탕 거버넌스 구축을 제안하고 싶다. 외재변수가 아닌 우리 스스로 고용 절감에 대해 예측하고, 앞선 단계에서 노동자 권리를 보장하며 재원을 마련하는 방향에 대한 아이디어다.

로보틱스 훈련에 필요한 피지컬 데이터는 텍스트와 근본적으로 다른 속성을 가진다.

숙련 용접공의 토치 각도 조절, 간호사의 환자 이송 동작, 바리스타의 라떼아트 기술 등의 데이터는 특정 신체의 물리적 특성, 근육 기억, 맥락적 판단이 결합된 것이다. 텍스트처럼 단어 단위로 분해하여 섞을 수 없다. 외과의사들의 수술을 살펴보면, 각자만의 호흡과 움직임이 존재해 어떤 의사가 수술을 집도했는지 식별이 가능하다. 이를 '써지컬 핑거 프린트'라고 부른다. 의사들의 '지문'인 셈이다. 수술 영상 속에 어디서 쉬고, 어디서 느려지는지까지 전부 포함되기 때문이다. 걸음걸이를 통해 특정 인물을 98% 식별할 수 있다는 미국의 사례도 존재한다.

게다가 동일한 "물건 집기" 동작이라도, 산업 현장의 온도·습도·소음·조명 조건, 주변 작업자와의 협응, 예외 상황 대처 등 맥락 정보가 결합되어야 의미가 있다. 이 맥락은 실제 현장에서만 생성되는데, 최근 여러 현장에서의 이런 데이터를 모으기 위한 데이터 콜렉팅 회사들이 늘고 있다. 이러한 피지컬 데이터는 아직 텍스트, 이미지, 영상처럼 많이 모아지지 않았다.

예시로 오픈그래프(https://opengraphlabs.com/)팀은 촉각 데이터를 모으는데, 이 팀이 최근 대시보드를 출시했다. 이 대시보드는 상이한 데이터 콜렉팅 기기(헤드에 쓰는 관측 기기, 손에 끼는 장갑) 둘의 프레임 단위가 달라, 데이터를 수집했을 때 동기화가 제대로 되지 않아 유의미한 값이 나오지 않는 경우가 발생하는 것을 막기 위해, 기기별로 수집한 데이터의 동기화를 가능하게 만들어주는 제품이다.

(*상세 설명은 https://www.linkedin.com/pulse/synchronization-unbuilt-found… 참고)

최근 이러한 데이터 수집의 어려움으로 NVIDIA Isaac Sim 등 시뮬레이션 기반 합성 데이터 생성 기술이 빠르게 발전하고 있으며, sim-to-real transfer 연구도 상당한 성과를 내고 있다. 그러나 합성 데이터는 "이미 알고 있는 동작을 다양한 조건에서 반복 생성"하는 데 강하고, "아직 코드화되지 않은 숙련 노하우를 처음 포착"하는 데는 약하다.

즉, 합성 데이터는 실제 피지컬 데이터를 대체하는 것이 아니라 증강(augment)하는 관계에 있다. 원본 없이 증강만으로는 한계가 있다. 따라서 피지컬 데이터의 전략적 가치는 "영원히 대체 불가능한 것"이 아니라, "현재 그리고 중기적으로(5-15년) 협상력이 있는 창구"라는 시간적 프레임으로 이해해야 한다. 이 창이 열려 있는 동안 거버넌스를 선점하는 것이 핵심이다.

가장 이상적인 형태는 국가 단위의 피지컬 데이터 기금이라고 생각한다. 국민연금을 떠올리면 쉽다. 국민연금에서는 노동자가 월급의 일부를 "돈"으로 납입한다. 피지컬 데이터 기금에서는 노동자가 자신의 숙련 동작 데이터를 "납입"한다.

국민연금공단이 돈을 모아 주식과 채권에 투자해서 수익을 내듯, 이 기금은 데이터를 모아 AI 로보틱스 기업에 라이선싱하고 수익을 낸다. 그리고 그 수익이 데이터 제공자(노동자)와 시민에게 배당으로 돌아간다.

돈 대신 데이터를 넣고, 금융 투자 대신 데이터 라이선싱으로 수익을 내는 것. 나머지 구조(기금 운용, 거버넌스, 분배)는 이미 한국 사회가 익숙한 연기금 모델과 동일하다. 알래스카가 석유 로열티를 영구기금에 넣고 굴려서 매년 시민에게 배당하듯, 한국은 피지컬 데이터 로열티를 기금에 넣고 굴려서 배당하는 것이다.

물론 기금을 만드는 것이 쉽지는 않다. 정부 차원에서 핵심 아젠다로 밀었을 때 가능한 그림이고, 지금 내가 당장 시작할 수 있는 단위는 지방이라는 생각이 든다. 그래서 부산이다. 한국의 기존 제도를 조합하면, 새로운 법을 만들지 않고도 시작할 수 있는 구조가 나온다.

첫째, 규제자유특구. 이미 존재하는 제도다. 부산은 블록체인 규제자유특구로 지정된 전례가 있다. "AI 로보틱스 피지컬 데이터 특구"로 신규 지정을 신청하고, 데이터 수집 동의 방식, 라이선싱 모델, 수익 배분 구조를 기존 법률의 제약 없이 2~4년간 시범 운영할 수 있다.

둘째, 사회적협동조합. 협동조합기본법(2012년 시행)에 따라, 숙련 노동자들이 "피지컬 데이터 협동조합"을 설립할 수 있다. 조합원이 자기 동작 데이터를 출자하고, 조합이 이를 모아 기업에 라이선싱하고, 수익을 배당한다. 사회적협동조합은 비영리 법인이라 공익성이 확보되고, 1인 1표 원칙이라 데이터를 많이 낸 사람이 지배하지 않는 민주적 구조다. 인가 주체가 지자체(부산시)라는 점도 중요하다.

셋째, 한국데이터거래소(KDX) 연계. 데이터를 거래하는 플랫폼이 이미 존재한다. 지금은 텍스트·통계 데이터가 주로 유통되는데, 여기에 피지컬 데이터 카테고리를 신설하면 유통 인프라를 새로 만들 필요가 없다.

조합하면 이런 흐름이다. 숙련 노동자가 협동조합에 가입하여 데이터를 출자한다 → 협동조합이 데이터를 정제·패키징한다 → 한국데이터거래소를 통해 AI 로보틱스 기업에 라이선싱한다 → 수익의 일부는 조합원 배당, 일부는 부산시 공유부 기금에 적립한다 → 공유부 기금은 시민 기본소득 재원이 된다. 이 전체를 규제자유특구 안에서 돌리는 것을 실험해보는 것이다.

부산시의회에서 할 수 있는 일도 명확하다. "부산시 피지컬 데이터 협동조합 육성 및 지원에 관한 조례"를 만들어 조합 설립 지원, 데이터 수집 장비 보조, 참여 노동자 교육 예산을 편성한다. 시장에게 규제자유특구 지정을 건의한다. 공유부 기금 설치 조례를 추진한다. 전부 시의원의 권한 안에 있는 일이다.

가장 먼저 손잡을 현장도 있다. 부산항 자동화 컨테이너 터미널의 숙련 크레인 오퍼레이터, 영도 조선소 일대의 용접·도장 숙련공, 수산가공 현장의 숙련 작업자. 이들의 데이터가 로보틱스 기업에게 당장 가치가 있다. 부산에서 시작하고, 성과가 나오면 전국으로 확대하는 방향도 고려해볼 수 있게 된다.

위 제안 사항이 굉장히 길고 복잡하여 끝까지 읽어주실 분들이 얼마나 될지는 모르겠으나… 자유로운 의견 개진 부탁드리며, 아래는 예상되는 반론에 대해 미리 답변해본 내용이다.

(앞서 언급한) "기업이 그냥 규제 없는 나라에서 데이터를 사면 되지 않나?"

동남아 데이터는 양적으로 풍부하지만, 한국이 제공하는 것은 다르다. 세계 최고 수준의 제조업 숙련도, 실전 배치 환경, 정리된 거버넌스. 그냥 데이터 셋만 띡 API로 따가는 게 아니라, 검증된 환경에서 제품을 실증하는 것까지 연결되어야 의미있다. 자율주행차가 아무 도로에서나 테스트할 수 없듯, AI 로보틱스도 거버넌스가 정리된 환경에서 실증해야 글로벌 시장에서 먹힌다.

"정부가 데이터를 관리하면 감시 국가가 되는 것 아닌가?"

정부 단독 관리가 아닌 민관 협동 데이터 신탁 구조로 가는 게 어떨까 싶다. 이사회에서 노동자·시민사회가 과반을 점한다. 데이터 접근 로그 전체를 공개하고, 독립 감사를 연 2회 실시한다. 감시 목적 전용은 법률로 금지하는 방안을 고려해볼 수도 있지 않을까?

"노동자가 해고당하고 푼돈 배당받는 면죄부 아닌가?"

이 시스템은 해고를 정당화하는 것이 아니라, 고용 감축이 발생하는 구조적 전환에서 노동자의 몫을 확보하는 것이다. 일과 노동의 정의가 전부 뒤바뀔 AI 로보틱스 시대 과도기, 기본소득으로의 전사회적 전환으로 해석해보아도 좋다. 외부 변수가 이미 크리티컬하게 영향을 끼치고 있는 상황(요즘 신입 채용 정말 어렵다)을 보았을 때, 거버넌스를 선점하고 구조적 전환을 대비하지 못한다면, 노동자와 기업간의 지난한 쟁의 과정이 지속되는 과정에서 산업 경쟁력 낙폭이 더 커지고, 모두에게 나쁜 결과만이 남을 것이라고 본다.

배당 수준이 충분한지에 대해서는 라이선싱 가격과 로열티 비율의 문제를 지속하여 논의해야 하고, 이것이 바로 노동자 대표가 이사회 과반을 점해야 하는 이유다. 또한 시민 공유부 기금을 통한 기본소득은 개별 배당과 별개로 모든 시민에게 제공되는 그림이 좋다고 본다.

통상 임금 수준의 소득 보장이 어렵다면, 해당 거버넌스 참여 기업 및 데이터 활용 기업의 지분을 0.01~1% 내외 수준에서 조금씩 분배받을 수 있는 부차적 구조를 짜보는 것도 고려해볼만하다고 생각한다. (지분 기준은 통상적 초기 스타트업의 엔젤투자자로 개인투자조합 참여했을 때 받을 수 있는 정도, 혹은 그 아래로 상정하면 어떨까 싶다)

"현행 저작권법으로는 불가능하다"

맞다. 그래서 궁극적으로는 새로운 입법이 제안될 필요가 있다고 본다. 저작권이 아닌 데이터 주권이라는 새로운 권리 범주의 창설. GDPR이 "잊힐 권리"라는 새로운 범주를 만들었듯이 데이터 영역에서도 비슷한 일이 가능하다. 단, 자칫하면 규제 장벽으로 오인될 수 있는데, 실증을 위한 ‘산업화 거점’을 제공하는 영역으로 제도적 보완이 잘 이루어져야 한다.

"합성 데이터가 발전하면 이 모델이 무용해지지 않나?"

합성 데이터는 실제 데이터를 증강하는 것이지 대체하는 것이 아니다. 그러나 장기적으로 합성 데이터 기술이 고도화될 가능성은 인정한다. 이에 대비하여 성과 연동 로열티 구조와 기금 투자 운용을 설계에 포함하여, 데이터 라이선싱 수익에 영원히 의존하는 모델이 아니라, 초기 수익을 기금으로 축적하여 장기적 분배 재원을 확보하는 모델로, 알래스카 펀드처럼 초기 5~10년 재원 기반을 쌓고 이후는 금융이 더 중요해지는 시점이 올 것으로 예상한다. (어차피 산업 발전 타임라인을 보면 이 시도를 딱 이만큼의 시간 안에서만 해볼 수 있을 듯하다.)

"부산시장이 낼법한 도시 비전 내지는 공약이 아니냐, 현실적으로 추진 가능하냐"

맞다. 현실적으로 시의원 1석이 추진하기는 어려운 공약일 수 있다. 하여 정책 협약에 정말 열려있으며, 시의원 1석에서 할 수 있는 모든 꼼지락을 다하여 부산에 로보틱스 연구자들, 창업 기업들, 숙련 노동자가 모인 타운을 만들어보고 싶다.

텍스트 데이터는 이미 글로벌 빅테크가 가져갔고, 사후적으로 되찾으려는 소송은 지난한 싸움이 되고 있다. 피지컬 데이터는 아직 주인이 없다. AI 로보틱스 산업은 이제 막 본격적인 데이터 수요가 폭발하는 초입에 있다. 지금 거버넌스를 선점하면, 한국이 "데이터를 빼앗기는 나라"가 아니라 "데이터 규칙을 만드는 나라"가 될 수 있고, 그 시작을 부산에서 열어가고 싶다. "AI 수도 부산"을 내건 이유도 그래서다.

조선·항만·물류의 숙련 노동자, 초고령 사회의 돌봄 수요, 많은 이들이 오갈 수 있는 교통편, 수도권을 제외한 가장 커다란 도시 부산에서 성공한다면 나라 전체에서 성공시킬 수 있다. ‘AI 수도 부산의 첫번째 시의원’이라는 표어도 이런 맥락에서 나오게 되었다.

---

후속 보강 (2026.10)

이 글을 쓴 뒤 정부의 제조 암묵지 사업과 텍스트 학습 모델을 둘러싼 판결 흐름을 보며, 몇 가지를 보탠다.

1. 숙련 노동자의 집합적 데이터 관리 구조

데이터가 학습된 이후의 모델에 대해 후속 조치를 하기는 어렵다. 텍스트 기반 학습 모델의 사례에서 이미 확인된 사실이다. 미국의 한 연방 법원은 합법적으로 구한 책으로 AI를 학습시키는 것을 공정 이용으로 보았고, 작가들은 수년의 소송 끝에 일회성 보상을 받았을 뿐 앞으로의 학습을 통제할 권리는 얻지 못했다. 저작권 같은 재산적 권리조차 없는 숙련 노동자의 손동작 데이터라면 더 어렵다.

현재 제조 암묵지 사업에서 명장의 데이터는 소속 기업이 정부 연구개발 전문기관에 제공하고, 후속 사업에 다시 쓰일 수 있게 되어 있다. 그런데 명장은 데이터의 출처일 뿐 당사자로 등장하지 않는다. 정부 연구개발 제도에는 이미 성과에 기여한 사람에게 기술료의 일부를 보상하는 장치가 있다. 이를 확장해, 데이터가 다시 쓰일 때 기술료를 나누는 방식으로 참여 명장들의 집합적 데이터 권리를 수집 단계에서부터 보장하는 방안을 고민해 볼 필요가 있다.

2. 국내 산업과의 연결: 품질 관리와 차등 유통

이는 경쟁력과도 연결된다. 보상과 함께 명시적 동의를 받는 협약 기반 수집은 비용을 줄이고, 국내에서 수집되는 학습 데이터의 품질을 높인다.

한국 공장은 최신 설비 덕분에 로봇이 학습하기 좋은 환경이고, 이곳에서 만든 데이터는 실제로 해외에서 더 높은 값에 거래된다. 그런데 국내에는 이 데이터로 모델을 만드는 기업이 많지 않다. 좋은 원료를 만들고도 가치는 밖에서 생기는 구조다. 공공 데이터를 국내 기업에는 더 싸게, 해외에는 더 비싸게 제공하는 차등 구조를 검토해 볼 만하다.

지금 제조 암묵지 사업에 투입되는 정책 자금을 활용해, 산업 생태계를 키우면서도 당사자 권리를 보장하는 인센티브 구조를 만들어야 한다.

3. 전환에 대한 대비: 공정별 시나리오와 별도 트랙

제조업 AI 전환은 소프트웨어처럼 하나의 솔루션을 모든 업종에 적용할 수 없다. 같은 용접이라도 조선소와 자동차 공장의 공정이 다르다. 공정별로 대체 위험도를 측정하고, 기업과 노동자가 함께 전환 시나리오를 그려 보는 국가 차원의 준비가 필요하다.

그리고 숙련 데이터 보상은 하나의 대안일 뿐이다. 가장 먼저 밀려나는 단순 반복 노동자를 위한 기본소득, 노동시간 단축, 전직 지원은 별도 트랙에서 함께 논의되어야 한다.