상용화 전략과 미래 이동 서비스

완전 자율주행보다 먼저 오는 것

자율주행의 미래를 상상할 때 가장 흔한 그림은 모든 자동차가 어느 날 갑자기 운전자를 필요로 하지 않게 되는 모습이다. 하지만 실제 상용화는 그렇게 진행되기 어렵다. 기술, 법, 보험, 도로 환경, 비용이 동시에 준비되어야 하기 때문이다.

더 현실적인 방향은 특정 조건에서 먼저 시작해 점차 넓어지는 방식이다. 맑은 날, 정해진 도심 구역, 제한 속도, 잘 관리된 도로, 원격 관제 인력이 있는 서비스부터 출발한다. 이후 데이터와 운영 경험이 쌓이면 야간, 비, 복잡한 교차로, 더 넓은 도시권으로 확장한다.

이때 핵심 개념은 앞서 여러 장에서 다룬 ODD, 즉 운행 설계 영역이다. 자율주행 서비스는 "어디서나 달릴 수 있는가"보다 "어떤 조건에서 안전하게 운영할 수 있는가"로 평가된다. 상용화 전략은 결국 ODD를 어떻게 정하고, 그 안에서 어떤 고객에게 어떤 가치를 제공할지 결정하는 일이다.

AI 생성 이미지

서비스마다 어려운 지점이 다르다

로보택시, 자율주행 셔틀, 장거리 트럭, 라스트마일 배송은 모두 자율주행을 사용하지만 같은 사업이 아니다. 움직이는 대상, 도로 환경, 속도, 고객 기대, 책임 구조가 다르다.

로보택시는 가장 눈에 잘 띄는 서비스다. 승객이 앱으로 차량을 부르고, 운전석에 사람이 없는 차가 도착한다. 그러나 도심은 자율주행에 가장 까다로운 공간이기도 하다. 차가 끼어들고, 보행자가 갑자기 건너고, 공사 차량이 차로를 막고, 승객은 정확히 어디에서 타야 하는지 기대한다. 그래서 로보택시는 보통 도시 전체가 아니라 특정 구역에서 먼저 운영된다. 시장 전망은 크지만, 실제 확대 속도는 지역 허가, 차량 비용, 원격 지원 체계, 사고 대응 능력에 따라 달라진다. 일부 금융권 전망은 2035년 로보택시와 자율주행 소프트웨어 시장이 큰 규모로 성장할 수 있다고 보지만, 그 자체가 모든 개인차량을 곧바로 대체한다는 뜻은 아니다¹.

자율주행 셔틀은 로보택시보다 좁은 문제를 푼다. 정해진 노선을 낮은 속도로 오가며 지하철역, 캠퍼스, 병원, 산업단지, 주거단지를 연결한다. 경로가 고정되어 있으므로 지도 관리와 위험 분석이 쉽다. 대신 대중교통 서비스로 쓰이려면 정시성, 승객 안전, 휠체어 승하차, 정류장 정차 같은 운영 품질이 중요하다. 저속 자동 셔틀은 대개 제한된 노선과 낮은 속도, 단순한 교통 환경을 전제로 도입되며, 현재의 많은 사례는 대중교통을 완전히 대체하기보다 빈틈을 보완하는 역할에 가깝다². 실제 고정노선 실증에서는 차량이 정류장마다 승객 승하차 상황을 충분히 처리하지 못해 안전요원의 개입이 필요했던 사례도 있다³.

장거리 자율주행 트럭은 또 다른 길을 간다. 도심보다 고속도로가 더 단순하다고 말할 수는 없지만, 노선은 반복적이고 구조는 비교적 예측 가능하다. 물류 허브에서 허브까지 달리는 구간이라면 승객 응대나 복잡한 골목길보다 고속 주행, 차간거리, 차선 유지, 합류 대응이 핵심이 된다. 운행 시간이 길수록 자동화의 경제성이 커진다. 사람 운전자는 휴식 시간이 필요하지만, 자율주행 트럭은 정비와 충전 또는 주유를 제외하면 더 높은 가동률을 목표로 할 수 있다. 그래서 고속도로 중심의 허브 간 화물 운송은 초기 상용화 후보로 자주 거론된다⁴.

라스트마일 배송은 사람 대신 물건을 운반한다. 승객의 안전과 편안함보다 물품 파손 방지, 도난 방지, 정확한 수령, 짧은 거리의 반복 운행이 중요하다. 속도는 낮아도 된다. 작은 배송 로봇은 캠퍼스나 상업지구처럼 통제된 공간에서 시작하기 쉽다. 다만 인도 주행 규칙, 보행자 불편, 엘리베이터와 공동현관 문제, 수령자 확인 같은 현실적 과제가 남는다.

ODD가 곧 서비스의 경계다

ODD는 기술 문서에만 들어가는 표현이 아니다. 상용 서비스의 영업 구역, 가격, 보험, 고객 약관, 관제 인력 규모를 결정하는 기준이다.

예를 들어 어떤 로보택시 서비스의 ODD가 다음과 같다고 하자.

• 서울의 특정 업무지구 안에서만 운행한다.

• 폭우, 폭설, 짙은 안개에서는 운행하지 않는다.

• 최고 속도는 시속 50km로 제한한다.

• 공항 고속도로와 지하차도는 제외한다.

• 긴급차량 접근, 공사 구간, 경찰 수신호 상황에서는 원격 지원을 요청할 수 있다.

이 조건은 단순한 제한이 아니라 사업 설계다. 서비스 지역이 좁으면 수요가 제한되지만, 지도와 도로 상황을 세밀하게 관리할 수 있다. 날씨 제한이 엄격하면 운행 중단이 잦지만, 안전 여유는 커진다. 원격 지원 인력이 많으면 초기 안전 운영에는 도움이 되지만, 차량 한 대당 비용이 높아진다.

따라서 자율주행 회사는 ODD를 무리하게 넓히기보다 수익이 나는 좁은 영역을 먼저 찾는다. 공항과 호텔을 잇는 셔틀, 물류센터 간 야간 트럭, 대학 캠퍼스 배송, 도심 일부 구역 로보택시가 이런 방식에 잘 맞는다. 상용화의 첫 질문은 "기술이 얼마나 멀리 왔는가"가 아니라 "이 기술이 지금 안전하고 반복적으로 돈을 벌 수 있는 조건은 어디인가"이다.

개인차량 모델과 서비스형 이동 수단

자율주행은 자동차 산업의 수익 구조도 바꾼다. 기존 자동차 산업은 주로 차량을 판매하고, 이후 정비와 금융, 보험으로 수익을 얻었다. 자율주행이 확산되면 소프트웨어 구독, 운행 데이터, 차량 호출 서비스, 차량 운영 플랫폼의 비중이 커진다.

개인 소유 차량에서는 고속도로 자율주행, 자동 차선 변경, 자동 주차, 특정 조건의 레벨 3 기능이 먼저 확산될 가능성이 높다. 사용자는 차를 계속 소유하되, 일부 기능을 옵션이나 구독 형태로 구매한다. 자동차 제조사는 하드웨어 판매자에서 소프트웨어 업데이트 제공자로 역할을 넓힌다. 차량은 출고 시점에 완성되는 제품이 아니라, 운영 중 개선되는 컴퓨터에 가까워진다.

반면 서비스형 이동 수단, 즉 MaaS 모델에서는 사용자가 차를 소유하지 않는다. 로보택시 회사나 모빌리티 운영사가 차량을 보유하고, 이용자는 이동한 만큼 비용을 낸다. 이 모델에서는 차량 가격보다 하루에 몇 시간 운행하는지, 청소와 충전 시간이 얼마나 짧은지, 고장 차량을 얼마나 빨리 복구하는지가 중요하다. 차 한 대의 판매 마진보다 차량군 전체의 가동률과 운영비가 핵심 지표가 된다.

그렇다고 개인차량이 곧 사라진다고 보기는 어렵다. 사람들은 이동의 자유, 사생활, 가족 단위 이동, 교외 생활, 장거리 여행 때문에 차를 소유한다. 대중교통이 촘촘하지 않은 지역에서는 호출형 서비스만으로 모든 이동을 해결하기 어렵다. 따라서 미래 시장은 개인 소유 차량과 자율주행 이동 서비스가 함께 존재하는 혼합 구조가 될 가능성이 크다.

새로 커지는 산업: 보험, 정비, 관제, 데이터 운영

자율주행 시대의 가치는 차량을 만드는 곳에만 머물지 않는다. 차량이 스스로 달리기 시작하면 그 주변에 새로운 산업이 생긴다.

첫째, 보험이 달라진다. 사람이 운전한 사고인지, 시스템이 운전한 사고인지, 센서 고장인지, 지도 오류인지, 원격 지원 판단 문제인지 구분해야 한다. 보험사는 운행 로그, 소프트웨어 버전, ODD 이탈 여부, 정비 이력을 분석해야 한다. 보험료도 운전자 나이와 사고 이력만이 아니라 차량 소프트웨어, 운행 지역, 날씨 조건, 관제 수준에 따라 달라질 수 있다.

둘째, 정비의 중심이 기계 부품에서 센서와 소프트웨어로 넓어진다. 카메라 렌즈가 오염되거나 라이다 각도가 조금 틀어져도 인지 성능이 떨어질 수 있다. 타이어 마모, 브레이크 상태, 배터리 열화도 제어 성능과 직접 연결된다. 자율주행 차량 정비는 단순 수리가 아니라 센서 보정, 소프트웨어 진단, 데이터 기록 확인을 포함한다.

셋째, 관제와 원격 지원이 중요해진다. 원격 지원은 사람이 화면을 보고 계속 대신 운전한다는 뜻이 아니다. 차량이 공사 수신호, 임시 통제, 모호한 정차 위치처럼 판단하기 어려운 상황에 놓였을 때 운영센터가 가능한 선택지를 확인해 주는 방식에 가깝다. 그러나 이 기능이 많아질수록 인력 비용과 책임 문제가 커진다. 한 명의 원격 지원자가 몇 대의 차량을 안전하게 도울 수 있는지가 사업성의 중요한 변수다.

넷째, 데이터 운영이 핵심 역량이 된다. 상용 차량은 매일 새로운 도로 변화와 예외 상황을 만난다. 이 데이터를 수집하고, 개인정보를 보호하며, 안전 개선에 필요한 장면을 선별하고, 업데이트 후 성능이 나빠지지 않았는지 검증해야 한다. 자율주행 회사는 자동차 회사이면서 동시에 데이터 회사, 소프트웨어 회사, 교통 운영 회사가 된다.

기대와 현실 사이의 간극

자율주행 기술은 이미 일부 지역에서 실제 서비스를 만들고 있다. 그러나 대중이 기대하는 "아무 도로에서나 사람처럼 달리는 차"와 상용 현장의 현실 사이에는 차이가 있다. 제한 구역을 벗어나면 운행할 수 없고, 악천후에는 서비스가 중단될 수 있으며, 긴급차량이나 경찰 통제 상황에서 문제가 생길 수 있다. 최근 로보택시 운영을 둘러싼 논의에서도 응급 대응, 견인, 규제 승인, 차량 설계 기준이 중요한 쟁점으로 떠올랐다⁵.

향후 병목은 몇 가지로 정리할 수 있다.

• 긴 꼬리 상황: 드문 사고, 임시 공사, 이상한 보행자 행동, 낙하물처럼 데이터가 적은 장면을 안정적으로 처리해야 한다.

• 악천후와 센서 오염: 비, 눈, 안개, 진흙, 역광은 여전히 인지와 위치 추정을 어렵게 만든다.

• 검증 비용: 안전하다는 주장을 하려면 시뮬레이션, 시험장, 공공도로, 운영 데이터를 모두 연결한 증거가 필요하다.

• 운영비: 차량 가격, 센서 비용, 정비, 충전, 청소, 관제, 보험이 낮아져야 서비스 가격이 경쟁력을 갖는다.

• 규제와 사회적 신뢰: 사고 대응, 데이터 보호, 보안, 책임 분담이 명확해야 도시와 시민이 서비스를 받아들인다.

이 병목은 단기간에 하나의 기술로 해결되지 않는다. 더 좋은 인공지능 모델, 더 싼 센서, 더 정밀한 지도, 더 안정적인 통신, 더 명확한 법제도가 함께 발전해야 한다.

단계적으로 넓어지는 이동의 미래

자율주행의 상용화는 한 번의 혁명보다 긴 전환에 가깝다. 먼저 정해진 구역의 로보택시가 늘고, 공공교통을 보완하는 저속 셔틀이 특정 노선에서 운행되고, 고속도로 물류 트럭이 허브 간 운송을 맡고, 캠퍼스와 도심 일부에서 배송 로봇이 움직일 것이다. 개인차량에는 고속도로와 주차 중심의 자동화 기능이 점진적으로 들어간다.

중요한 것은 자율주행을 과장하거나 과소평가하지 않는 태도다. 모든 차가 곧 완전 자율주행차가 되지는 않는다. 그러나 제한된 영역에서 안전성과 경제성을 확보한 서비스는 충분히 확산될 수 있다. 미래의 이동은 사람이 직접 운전하는 차, 운전자를 돕는 차, 특정 조건에서 스스로 달리는 차, 완전히 무인으로 운영되는 차량군이 함께 섞인 모습이 될 가능성이 높다.

자율주행 기술의 본질은 운전대를 없애는 데만 있지 않다. 이동을 더 안전하고, 효율적이며, 접근 가능하게 만드는 데 있다. 그 목표에 가까워지기 위해 필요한 것은 거대한 약속보다 작은 영역에서 검증된 운영 경험이다. 자율주행의 미래는 바로 그 작은 영역들이 서로 연결되며 넓어지는 과정으로 만들어질 것이다.

참고

¹Goldman Sachs robotaxi market forecast

²Driverless shuttles as a supplement to local public transport

³WRTA fixed route autonomous vehicle demonstration lessons

⁴Autonomous trucks and last mile delivery commercialization

⁵TechCrunch mobility robotaxi commercialization constraints