1914년 포드는 노동자 1만 3천 명으로 자동차 약 30만 대를 만들었습니다. 같은 해 미국의 나머지 자동차 회사 300여 곳이 6만 6,350명을 데리고 만든 대수는 그보다 적었습니다. 1인당 23대 대 4.3대. 다섯 배가 넘는 격차가 건물 안에서 일이 흘러가는 방식 하나를 바꿔 벌어졌습니다.
그로부터 110여 년 뒤, BMW 스파턴버그 공장에서 휴머노이드 로봇 한 대가 11개월의 배치를 마쳤습니다. 가동 1,250시간, 부품 9만 개 이상 취급, 완성차 3만 대 이상 기여.
이 두 장면 사이에 자동차 공장이 지나온 길이 전부 들어 있습니다. 보통은 포드, 도요타, 테슬라, 로봇 순서로 이름을 나열해 설명합니다. 그러면 계주 경기처럼 보이지만 실제로는 논쟁에 가깝습니다.
각 시스템은 앞선 시스템이 만든 약점을 겨냥해 설계됐고, 그 해법은 다음 세대가 공격할 새 약점을 남겼습니다. 그렇게 읽으면 지금 조립장으로 걸어 들어오는 로봇도 단절이 아니라 같은 논쟁의 네 번째 대답입니다.
1. 탐구배경
생산 시스템은 눈에 보이지 않는 기반 시설입니다. 공장 밖에서 택트 타임을 생각하는 사람은 거의 없습니다. 그런데 자동차 가격도, 숙련공의 임금도, 산업 도시가 서는 자리도, 휴대폰에 뜨는 배송 예정일도 전부 생산기술 부서의 결정에서 흘러나옵니다.
2026년에 이 질문을 다시 꺼내는 이유는 세 가지가 한꺼번에 맞물렸기 때문입니다. 전기차가 원가 구조를 눌러 승부처를 엔진에서 제조로 옮겨 놓았습니다. 휴머노이드 로봇은 시연 영상을 벗어나 측정된 생산 기록과 대량 발주를 남겼습니다. 그리고 AI는 대화 상대가 아니라 철골을 세우기 전에 공장을 통째로 돌려 보는 시뮬레이터로 들어왔습니다.
2. 생산혁신 100년 — 포드, 도요타, 테슬라
포드 — 흐름을 만들고 경직성을 남기다
이동조립라인은 발명의 핵심으로 기억되지만 사실 마지막 조각이었습니다. 앞에 두 조건이 있었습니다. 손으로 다듬지 않아도 맞아 들어갈 만큼 정밀한 호환 부품, 그리고 사람이 제품을 찾아다니는 대신 제자리에 선 사람에게 일감을 보내겠다는 결정입니다. 이 둘이 갖춰지고 나서야 라인 속도를 밖에서 정할 수 있었습니다.
모델 T 가격은 1908년 850달러에서 1924년 260달러로 떨어졌고 1927년까지 1,500만 대가 팔렸습니다. 생산 방식이 자동차를 가질 수 있는 사람의 범위를 바꿔 놓은 것입니다. 대가는 두 곳에서 치렀습니다. 라인은 한 차종에 묶여 꼼짝하지 않았고, 일은 몇 초짜리 동작의 반복이 됐습니다.
두 번째 문제에 대한 포드의 답은 돈이었습니다. 1914년 1월의 일당 5달러는 기존 임금을 대략 두 배로 올린 조치였고, 사람이 계속 나가 버려 공장 운영이 흔들리던 상황을 막기 위한 것이었습니다. 먼저 기계를 들이고 그다음 몫을 두고 협상한다는 순서가 여기서 시작됩니다.
도요타 — 당김으로 경직성과 품질을 풀다
전후 도요타의 처지는 포드와 정확히 반대였습니다. 시장은 작은데 요구하는 차종은 많았고 전용 설비를 깔 돈은 없었습니다.
오노 다이이치는 예측에 맞춰 부품을 앞으로 밀어내는 대신 뒷공정이 방금 쓴 만큼만 앞공정에서 끌어가게 했습니다. 그 신호가 간반 카드입니다. 재고는 일정을 지켜 주는 자산에서 다른 모든 문제를 덮어 가리는 낭비로 지위가 바뀌었습니다.
둘레에 붙은 기법들도 서로를 받쳐 줍니다. 기계가 스스로 이상을 알아채고 멈추게 한다는 뜻의 지도카(自働化)는 1896년 도요다 사키치가 만든, 실이 끊기면 스스로 서던 방직기에서 왔습니다. 기계에는 불량이 나면 멈출 권한을, 작업자에게는 안돈 줄을 당길 권한을 준 장치이고, 품질을 최종 검사가 아니라 공정 자체의 성질로 만들었습니다.
헤이준카는 생산 물량을 고르게 펴 당김 신호가 협력사까지 출렁이지 않게 했습니다. 신고 시게오의 싱글 금형 교체는 교체 시간을 몇 시간에서 몇 분으로 줄여 소량 생산의 수지를 맞췄습니다. MIT 국제자동차프로그램(IMVP)이 그 차이를 숫자로 확인했습니다. 1986년 연구진은 GM 프레이밍햄 공장과 도요타 다카오카 공장을 나란히 놓았습니다.
차 한 대 조립에 드는 시간은 31시간 대 16시간, 100대당 조립 결함은 135건 대 45건이었습니다. 중요한 대목은 속도가 아니라 두 지표가 함께 좋았다는 점입니다. 생산성과 품질 중 하나는 포기해야 한다던 통념이 여기서 깨졌습니다.
35년 뒤 아트 스몰리는 이 분석이 구조적으로는 그대로 유효하다면서도, 린 운동이 현장 기법 모음으로 좁아지며 원작의 힘이었던 기업 전체 비교 관점을 잃었다고 지적합니다. 도요타 방식의 약점은 강점의 뒷면입니다. 핵심 자산이 오래 일한 사람 머릿속에 쌓인, 말로 다 옮기기 어려운 지식이라 도구만 복사해서는 넘어오지 않습니다.
테슬라 — 부품을 없애 공정을 없애다
접근법이 다릅니다. 공정 사이의 흐름을 다듬는 대신 부품을 없애서 공정을 없앱니다. 기가캐스팅은 프레스 부품 수십 개를 찍어 용접하던 후방 언더보디를 알루미늄 주물 한두 개로 대체합니다. 구조 배터리 팩은 배터리를 얹는 부품이 아니라 하중을 받는 차체 구조물로 만듭니다.
언박스드 공정은 같은 논리를 최종 조립까지 끌고 갑니다. 앞뒤와 바닥, 배터리, 측면 패널을 사방이 열린 상태에서 따로 만든 뒤 마지막에 붙입니다. 라스 모라비는 이 방식을 레고 조립에 빗댔습니다.
회사가 내건 수치는 생산 원가 최대 50% 절감, 공장 면적 40% 축소, 인력 약 40% 감소입니다. 사이버캡 생산은 2026년 1분기 실적 발표에서 시작이 확인됐습니다.
이 방식이 쉬웠다면 다른 회사들이 이미 하고 있었을 것입니다. 앞서 나온 MIT 연구의 공저자 제임스 워맥은 언박스드를 완결된 생산 시스템이라기보다 조립 방식의 혁신으로 봅니다. 뒤집어 보면, 100년 동안 아무도 다시 그리지 않았던 최종 조립 단계를 처음으로 백지에서 설계한 쪽이 테슬라라는 뜻이기도 합니다.
도요타 출신 오바 히데시가 짚은 동기화 문제는 이 방식의 난도를 정확히 가리킵니다. 덩어리를 따로 만들면 그것들이 같은 시각에 도착해야 하고, 크고 내용물이 많은 모듈일수록 박자를 맞추기 어렵습니다.
다만 이것은 테슬라만의 숙제가 아니라 모듈 생산을 시도하는 모든 회사가 만나는 구조적 과제입니다. 테슬라가 사이버캡 초기 물량을 느리게 가져가겠다고 미리 밝힌 것도, 그 박자를 실제 라인에서 맞춰 가며 올리겠다는 뜻으로 읽힙니다.
통주물 차체의 수리비 역시 업계가 함께 풀어야 할 교환 관계입니다. 부품을 통합하면 만드는 비용은 내려가고 고치는 비용은 올라갑니다. 그 균형점을 양산 차량에서 실제로 시험하고 있는 곳이 지금은 테슬라입니다.
흥미로운 우연도 있습니다. 블룸버그가 2021년 북미에서 가장 생산성이 높다고 집계한 공장, 주당 8,550대를 찍어 낸 테슬라 프리몬트는 옛 NUMMI 공장입니다. 1986년 MIT 연구진이 도요타 방식이 미국 노동자에게도 이식된다는 증거로 측정했던 바로 그 건물입니다. 같은 자리에서 생산 시스템의 다음 답이 다시 쓰이고 있는 셈입니다.
3. 지금 공장에서 벌어지는 일 — 휴머노이드와 셀 공장
휴머노이드는 왜 지금 주목받나
공장 로봇은 원래 한 가지 동작만 반복하도록 만들어졌습니다. 용접 로봇은 용접만, 도장 로봇은 도장만 합니다. 그래서 새 작업을 시키려면 설비를 다시 깔아야 했고, 지금 전 세계에서 돌아가는 산업용 로봇 428만 대가 대부분 그런 기계입니다.
휴머노이드가 주목받는 이유는 성능이 아니라 모양입니다. 사람 크기에 팔다리가 달려 있으면 사람에 맞춰 지은 라인에 그대로 들어갈 수 있습니다. 공장을 고치지 않고도 일손을 넣을 수 있다는 뜻입니다.
그래서 중요한 것은 실제로 무슨 일을 시켰느냐입니다. BMW 스파턴버그 공장에서 피규어의 로봇이 맡은 일은 강판을 집어 용접 지그에 올려놓는 작업이었습니다. 사람이 하면 허리를 굽혀 무거운 판을 하루 종일 반복해 드는 자리입니다.
조건은 까다로웠습니다. 84초마다 차 한 대가 지나가는 라인에서, 판을 집어 37초 안에 오차 5mm 안으로 정확히 내려놓아야 합니다. 한 번 어긋나면 뒤 공정이 전부 밀립니다.
이 로봇은 11개월 동안 평일 10시간씩 그 일을 했습니다. 가동 1,250시간에 부품 9만 개를 옮겼고, 완성차 3만 대 이상이 이 로봇의 손을 거쳤습니다. 시연 영상이 아니라 실제 생산 라인에서 나온 숫자라는 점이 중요합니다.
어디가 먼저 망가지는지까지 기록으로 남았고, 그 데이터가 다음 세대 설계에 반영됐습니다. BMW는 이 경험을 모아 피지컬 AI 역량센터를 세웠고, 라이프치히 공장에서는 고전압 배터리 조립이라는 더 어려운 작업으로 2세대 시험을 시작합니다.
테슬라 옵티머스 — 자동차 라인이 로봇 라인으로
가장 눈여겨볼 움직임은 테슬라입니다. 2026년 5월 초 프리몬트에서 모델 S와 모델 X의 마지막 물량을 뽑은 뒤, 그 라인을 넉 달에 걸쳐 옵티머스 생산 라인으로 바꿨습니다. 배선과 통신, 검사 설비를 통째로 새로 깔았습니다.
옵티머스 생산은 7월 말에서 8월 사이에 시작됐습니다. 자동차를 만들던 라인이 로봇을 만드는 라인으로 바뀐 첫 사례입니다.
일론 머스크는 초기 물량이 느릴 것이라고 미리 못을 박았습니다. 옵티머스 한 대에 들어가는 고유 부품이 1만 개라, 속도는 “가장 느린 부품 하나가 정한다”는 것입니다.
2026년 생산 목표를 아예 제시하지 않은 것도 같은 맥락으로 읽힙니다. 숫자를 앞세우는 대신 라인을 먼저 세워 두고 부품 하나씩 속도를 올리는 쪽을 택한 셈입니다. 물량 확대용 2공장은 기가팩토리 텍사스 북쪽에 짓고 있고, 4세대 모델 생산은 2027년 여름을 보고 있습니다.
중국 — 세계 출하량의 97%와 공장 계약
중국 쪽 숫자는 이미 상당합니다. 2026년 상반기 세계 휴머노이드 출하량은 1년 전보다 272% 늘었고, 그중 97%를 중국 업체가 가져갔습니다. 누적 생산 기준으로 유니트리가 이족 보행 로봇 1만 8천 대로 가장 앞서 있고, 아지봇이 이족 7천 대(전체 1만 5천 대), 유비테크 약 3천 대, 갤봇 약 1천 대가 뒤를 잇습니다.
트렌드포스는 2026년 중국의 휴머노이드 생산이 94% 늘고, 유니트리와 아지봇 두 곳이 출하량의 80% 가까이를 차지할 것으로 봤습니다.
중요한 것은 이 물량이 전시장이 아니라 공장 계약으로 이어지고 있다는 점입니다. 유비테크의 워커 S2는 BYD, 지리, FAW폭스바겐, 폭스콘, SF익스프레스 등에 8억 위안(약 1억 1,900만 달러)어치가 넘게 팔렸습니다.
갤봇 S1은 CATL 닝더 배터리 라인에 2억 3,600만 위안 규모로 들어가 2026년 3월 검수를 통과한 뒤 24시간 돌고 있습니다. 아지봇 G2는 전자 부품 라인에서 140시간 연속 가동에 성공률 99.9%, 시간당 310개 처리를 기록했다고 밝혔습니다.
현대차그룹 — 아틀라스 연 3만 대 계획
국내에서 가장 큰 약속을 한 곳은 현대차그룹입니다. 2028년까지 조지아 메타플랜트에서 아틀라스 휴머노이드를 연 3만 대 만들고, 2028년 1월 부품 정렬을 시작으로 2030년에는 부품 조립까지 맡깁니다.
컨베이어 없는 공장과 디지털 트윈
공장의 물리적 배치도 함께 바뀝니다. 현대차그룹 싱가포르 혁신센터는 라인 대신 27개 셀을 무인운반차로 연결해 두 차종을 나란히 만들고, 설비를 뜯지 않은 채 생산 계획을 다시 짤 수 있게 했습니다.
메타플랜트 아메리카가 같은 구조를 10개 차종 규모로 키웠습니다. 그 위에는 시뮬레이션 층이 깔립니다. 폭스콘은 콘크리트를 붓기 전에 공장을 디지털 트윈으로 먼저 세우고, 그 성과가 세계경제포럼의 라이트하우스 공장 목록에 숫자로 올라오고 있습니다.
4. 제조업 패러다임의 변화 전망
바꾸는 일 자체가 싸진다
각 시스템이 무엇을 싸게 만들었는지로 보면 흐름이 선명해집니다. 포드는 생산량을, 도요타는 다양성과 품질을, 테슬라는 부품표를 싸게 만들었습니다. 로봇과 AI가 겨냥하는 것은 앞선 셋이 건드리지 못한 항목입니다. 바꾸는 일 자체를 싸게 만드는 것입니다.
컨베이어 공장에서 제품을 바꾸려면 라인을 다시 깔아야 합니다. 셀과 무인운반차 위에서 범용 로봇이 일한다면 제품을 바꾸는 일은 새 작업 지시서를 내리는 일에 가까워집니다. 건설 공사가 아니라 소프트웨어 배포에 가까운 셈입니다.
도요타의 금형 교체 24시간에서 20분 목표, 현대차의 차량 단위 셀 지시, 폭스콘의 절반으로 줄인 셋업 기간은 서로 다른 자리에서 같은 값을 재고 있습니다. 마음을 바꾸는 데 드는 비용입니다.
테슬라 수직계열화의 이점
부품 수를 줄이는 결정은 설계와 제조가 한 지붕 아래 있을 때만 빠르게 내려집니다. 후방 언더보디를 통주물 하나로 바꾸려면 차체 설계, 전용 알루미늄 합금, 대형 주조 설비 투자, 그리고 그 부품이 들어갈 조립 순서까지 같은 회의에서 정해져야 합니다. 부품을 협력사에서 받아 조립만 하는 회사라면 이 결정에 몇 년이 걸립니다.
테슬라는 배터리 셀과 파워트레인, 자율주행 반도체와 소프트웨어, 충전망과 판매까지 안에 두고 있습니다. 워맥이 지적한 “협력사 관계와 개선 순환이 빠졌다”는 대목도, 테슬라가 그 문제를 협력사와의 조율 대신 내재화로 풀고 있다고 보면 다르게 읽힙니다.
옵티머스는 이 구조가 한 바퀴 더 도는 지점입니다. 자기 공장에서 먼저 쓰고, 그 공장이 다시 로봇을 만듭니다. 쓰는 쪽과 만드는 쪽이 같으니 문제를 발견해 설계에 반영하는 주기가 짧아집니다.
대가도 분명합니다. 수직계열화는 고정비와 초기 자본을 크게 요구합니다. 그래서 따라 하기 어렵고, 어렵다는 사실 자체가 앞서간 쪽에는 진입장벽이 됩니다.
따라오는 세 가지 변화
첫째, 제품 설계가 가장 강한 지렛대가 됩니다. 주조에 맞춘 설계와 로봇이 다루기 쉬운 설계가 공장의 유연성을 실제로 얼마나 꺼내 쓸 수 있는지를 정하기 때문입니다. 둘째, 수지가 맞는 최소 생산 물량이 내려가면서 지역 전용 사양과 소량 차종이 포드 이전 시대 이후 처음으로 다시 성립합니다.
셋째, 개선의 주체가 바뀝니다. 네 단계 가운데 가장 큰 단절입니다. 도요타 방식이 통했던 이유는 문제를 본 사람이 라인을 세우고 공정을 고칠 수 있었고 그 지식이 사람 안에 쌓였기 때문입니다. 로봇 함대에서는 한 대가 얻은 교정이 하룻밤 사이 모든 기계로 퍼집니다. 훨씬 빠르지만 그 지식은 더 이상 작업자 안에 남지 않습니다.
변하지 않는 것과 아직 모르는 것
아무리 자동화해도 물리적으로 정해진 시간은 줄지 않습니다. 도장이 마르고 용접부가 식는 데 걸리는 시간은 사람이 하든 로봇이 하든 같습니다. 그래서 몇 초 간격으로 차를 흘려보낼지 정하는 일은 앞으로도 공장 운영의 기본으로 남습니다.
수요가 잘 보이지 않을 때는 미리 만들어 쌓아 두기보다 팔린 만큼만 다시 채우는 편이 낫다는 도요타의 원칙도 그대로입니다. 불량이 보이면 라인을 세운다는 원칙 역시 이름만 바뀝니다. 예전에는 작업자가 줄을 당겨 세웠다면, 이제는 AI가 판단이 서지 않을 때 스스로 공정을 멈추는 기준이 그 역할을 합니다.
가장 큰 변수는 양산입니다. 지금 공개된 휴머노이드 수치는 대부분 시험 성적표이고, 가동 중단과 사람 개입, 정비비까지 합친 시간당 원가를 내놓은 곳은 아직 없습니다. 프리몬트의 옵티머스 라인과 2028년 현대차의 도입 규모가 이를 판가름할 첫 시험대입니다.
우리 삶에 닿는 지점
공장 밖 사람들에게는 이 변화가 기술이 아니라 가격 곡선의 형태로 도착합니다. 모델 T가 그 기준입니다. 내걸린 수치의 절반만 실현돼도 지금 가격대에서는 나오기 어려운 차가 나오고, 주문 사양을 바꿔도 납기가 크게 늘지 않게 됩니다.
고용은 구호가 아니라 자료로 다뤄야 합니다. 아세모을루와 레스트레포의 계산으로는 1990~2007년 미국 지역 노동시장에서 노동자 1,000명당 로봇이 한 대 늘 때 고용률이 약 0.2%, 임금이 약 0.42% 낮아졌습니다.
실재하는 효과이지만 전부는 아닙니다. 이번 국면은 공정 전체가 아니라 개별 작업을 겨냥하고, 도입되는 공장 상당수는 이미 사람을 구하지 못해 라인이 막힌 곳입니다.
결국 갈리는 지점은 절감분이 어디로 가느냐이고, 그 결정이 지금 진행 중입니다. BMW와 아마존은 반복 작업과 근골격 부담을 덜어 준다는 쪽으로 설명하고, 현대차 노조는 합의 전에는 아틀라스를 들일 수 없다며 배치를 막아 두었습니다. 1914년의 상황이 옷만 갈아입고 다시 온 셈입니다.
파급 효과도 같은 논리를 따릅니다. 부품이 뭉칠수록 수리비가 올라가 보험료로 넘어오고, 인건비 비중이 줄면 공장은 값싼 임금이 아니라 전력과 계통 용량, 시장과의 거리를 보고 자리를 잡습니다. 생산 시설의 자국 회귀 주장이 40년 만에 현실적으로 들리기 시작한 이유입니다.
5. 결론
1913년부터 2026년까지를 관통하는 단어는 자동화가 아니라 제거입니다. 그때그때 가장 비싼 것을 차례로 걷어내 왔습니다. 사람의 이동, 재고와 불량, 부품, 그리고 지금은 전환 시간과 학습 시간입니다. 각 시스템은 자기 시대의 병목에 대한 정확한 답이었고, 동시에 다음 세대가 공격할 병목을 만들어 냈습니다.
앞으로 나올 결과물은 승자 하나가 아니라 조합일 가능성이 큽니다. 도요타의 당김 논리와 정지 원칙, 테슬라의 부품 수 감축과 수직계열화, 컨베이어 없는 셀, 밤사이 함께 학습하는 로봇 함대가 섞입니다.
기술적 질문은 3년 안에 데이터가 답을 줄 것입니다. 답해 주지 않는 질문은 하나 남습니다. 1914년 1월 포드가 마주했고 2026년 현대차 노조가 다시 꺼낸 질문, 생산 시스템이 사람 손에서 일을 가져갈 때 그 절감분을 어디로 보낼지 누가 정하는가입니다. 그 답이 공장 안에서만 나온 적은 한 번도 없습니다.
참고 자료
IndustryWeek, “Ford Launched the Modern Assembly Line a Century Ago and Changed Society”
Library of Congress, “Ford Implements the Moving Assembly Line” / The Henry Ford, “Ford’s Five-Dollar Day”
Womack, Jones and Roos, The Machine That Changed the World, MIT International Motor Vehicle Program, 1990
Art of Lean, “The Machine That Changed the World at 35”, 2026
Bloomberg, 북미 자동차 공장 생산량 분석, 2021 (InsideEVs 경유)
Automotive Manufacturing Solutions, “Inside Tesla’s radical manufacturing shift: the Unboxed process”, 2026
Electrek, “Tesla pushes Optimus V3 reveal later this year”, 2026.04
TrendForce, “China’s Humanoid Robot Output to Surge 94% in 2026”, 2026.04
Pandaily, “Unitree Hits 18,000 Humanoids; AgiBot 7,000, UBTECH 3,000, Galbot 1,000”, 2026.08 / “China Humanoid Robots: 97% of Global Shipments”, 2026.08
TechTimes, “China’s Humanoid Robots Win Factory Contracts: VLA Models Drive Orders”, 2026.08
ASSEMBLY Magazine, “Toyota Outlines Future Production Processes”
Hyundai Motor Group, “The mobility factory without conveyor belts” / Automotive Manufacturing Solutions, “Hyundai reshapes vehicle production at Metaplant America”, 2026
BMW Group Press, 2026 / Figure AI, “F.02 Contributed to the Production of 30,000 Cars at BMW”, 2026
World Economic Forum, Global Lighthouse Network, 2026.06 / NVIDIA, “Foxconn Develops Physical AI-Enabled Smart Factories with Digital Twins”
International Federation of Robotics, “Record of 4 Million Robots Working in Factories Worldwide”
Axios, “Hyundai plans 30,000 humanoid robots a year for factories by 2028”, 2026.01
Acemoglu and Restrepo, “Robots and Jobs: Evidence from US Labor Markets”, NBER Working Paper 23285
