식품업계 인력난 속 일본 과자 제조 기술 익히는 AI 로봇

바움쿠헨 제조 기술을 배우는 로봇

고베에서는 테오라는 로봇이 바움쿠헨을 만드는 훈련을 받고 있다. 바움쿠헨은 고리 모양의 독일식 케이크로, 100년 넘게 일본 제과 문화의 일부로 자리 잡았다. 이 기계는 숙련된 제과 기술자의 동작과 판단을 모방하도록 설계됐다. 얇은 반죽층을 얼마나 익힌 뒤 다음 층을 더해야 하는지도 학습한다.

이 프로젝트는 인공지능이 사무용 소프트웨어와 공장 조립 라인을 넘어 확장되고 있음을 보여준다. 일본에서는 AI를 카메라, 이미지 센서, 조리 장비, 식품 생산 기록과 연결해 과거 도제식으로 오랜 세월 전수되던 기술을 보존하려는 움직임이 나타나고 있다.

테오를 개발한 고베 제과업체 유크하임은 3월 25일 본사에 로봇 훈련 시설과 전시장을 열었다. 회사는 2025년 오사카·간사이 엑스포에서 이 시스템을 선보였으며, 현재 일본 전역의 약 20개 업체에 로봇을 빌려주고 있다. 회계연도 말까지 대여 업체 수를 100곳으로 늘리는 것이 유크하임의 목표다.

바움쿠헨은 독일인 제과사 카를 유크하임이 1919년 일본에 처음 소개했다. 제조 과정은 유난히 까다롭다. 회전하는 꼬치에 반죽을 펴 바르고 오븐에서 익힌 뒤, 케이크에 특유의 나이테 무늬가 생길 때까지 이 과정을 반복한다. 온도와 습도, 조리 시간의 작은 차이도 결과에 영향을 줄 수 있어, 기술을 익히려면 수년간 연습해야 할 수도 있다.

테오는 제과 기술자의 판단을 어떻게 모방할까?

테오는 카메라와 이미지 센서를 이용해 유크하임의 숙련된 직원들이 작업하는 모습을 관찰한다. 각 층의 색과 두께, 질감 등 눈에 보이는 특징을 기록하고, 이를 오븐 내부 환경 및 회전 꼬치의 움직임과 연계한다.

이 정보를 바탕으로 로봇은 반죽층이 언제 익었는지 추정하고 조건 변화에 맞춰 공정을 조정한다. 사람 제과 기술자는 반죽의 감촉이나 표면의 모양, 주방의 분위기에 반응할 수 있다. 테오는 이러한 판단을 기계가 분석할 수 있는 데이터로 바꾸려 한다.

이 기술은 인간의 뇌 신경망을 대략적으로 본뜬 AI 훈련 방식인 딥러닝을 활용한다. AI 시스템은 가능한 모든 상황에 대한 지침을 빠짐없이 전달받는 대신, 방대한 사례를 학습해 패턴을 찾아낸다. 학습을 마치면 새로운 이미지나 센서 판독값을 그 패턴과 비교해 적절한 대응을 선택할 수 있다.

유크하임에 따르면 테오는 새로운 기술을 며칠 만에 배울 수 있다. 사람이 같은 경험을 쌓는 데 보통 걸리는 시간보다 훨씬 짧다. 이 기계는 정해진 동작 하나만 반복하는 것이 아니다. 온도와 습도, 재료가 달라질 때 공정을 조정하는 것이 테오의 강점이다.

일본은 왜 조리 로봇에 주목할까?

식품업계는 경제의 다른 여러 부문보다 심각한 인력난에 직면해 있다. 일본 후생노동성 자료에 따르면 2월 음식 서비스업의 구직자 1명당 구인 건수는 2.31건이었다. 전 산업 평균은 1.13건이었다.

구인 배율이 높다는 것은 고용주들이 한정된 인력을 두고 경쟁한다는 뜻이다. 식당과 제과점, 식품 제조업체는 고령화하는 노동력과 숙련직에 진입하는 청년층 감소에도 대처해야 한다. 일부 업체의 문제는 당장 근무할 직원을 구하는 데 그치지 않는다. 숙련된 직원이 은퇴한 뒤 그 자리를 맡을 사람을 찾는 일도 과제다.

유크하임의 가와모토 히데오 사장은 후계자를 찾는 데 어려움을 겪는 업계를 로봇이 뒷받침할 수 있다고 말했다. 그의 발언은 기업들이 주방에서 AI를 시험하는 핵심 이유를 보여준다. 자동화는 훈련된 직원이 모든 자리를 채우기 어려울 때 생산을 유지하는 데 도움이 될 수 있다.

일본의 전반적인 인구 감소는 이러한 시도에 국가적 의미를 더한다. 일본 정부는 2040년까지 18개 분야에 AI 탑재 로봇 약 1,000만 대를 도입하는 방안을 논의해 왔다. 피지컬 AI 계획은 텍스트나 이미지를 생성하는 데 그치지 않고, 주변 환경을 해석해 현실 세계에서 움직이는 기계에 초점을 맞춘다.

암묵지는 무엇이며 디지털화할 수 있을까?

많은 조리 기술은 암묵지로 불린다. 이는 사람이 정식 지침서에 모든 판단을 설명할 수 없어도 어떤 일을 능숙하게 해낼 수 있다는 뜻이다. 베테랑 요리사는 재료에서 수분이 더 많이 나오면 팬을 더 빨리 돌려야 한다는 점을 알거나, 색이 미묘하게 변하는 것을 보고 케이크 층이 익었음을 알아챌 수 있다.

전통적인 도제 교육은 반복적인 관찰과 연습을 통해 이러한 지식을 전수한다. 일본 요리 문화에서는 전문가를 지켜보며 기술을 익혀야 한다는 생각이 여전히 뿌리 깊다. 이런 방식은 훌륭한 결과를 낳을 수 있지만, 도제와 이를 가르칠 선배 직원이 줄어들면 전수 과정이 취약해진다.

AI 개발을 전공한 교토 다치바나대학의 마쓰바라 히토시 교수는 초기 AI 시스템은 이런 지식을 다루는 데 적합하지 않았다고 말했다. 그는 기술의 발전으로 과거에는 설명하기 어려웠던 동작을 기록하고 재현할 수 있게 됐다고 말했다.

딥러닝 이전 시대의 AI는 암묵지를 가르칠 수 없었지만, 기술이 발전하면서 암묵지가 담긴 숙련 노동자의 동작을 디지털화할 수 있게 됐습니다.

그렇다고 장인 기술의 모든 요소가 포착됐다는 뜻은 아니다. AI의 성능은 학습 데이터의 품질과 관찰한 조건의 범위, 센서의 정확도에 달려 있다. 한 주방에서 훈련된 로봇이 오븐이나 재료, 생산 목표가 다른 곳에서 안정적으로 작동하려면 추가 교육이 필요할 수 있다.

바움쿠헨에서 볶음밥과 야키소바까지

유크하임은 식품 조리에 AI를 적용하려는 더 큰 흐름의 일부다. 도쿄에 기반을 둔 테크매직은 볶음밥과 야키소바 같은 볶음 요리를 만드는 로봇을 개발한다. 이 회사는 2025년 사용자가 선택한 레시피에 따라 팬의 회전 속도 등 설정값을 계산하는 앱을 선보였다.

로봇은 이 시스템을 이용해 재료별 조리 시간과 화력을 학습한다. 테크매직은 이를 통해 기계의 일관성이 높아졌다고 밝혔다. 이는 요리사 전체를 대체하는 것보다 매 근무 시간마다 같은 정확도로 수행하기 어려운 일련의 물리적 동작을 제어하는 데 가깝다.

일본의 다른 기업들은 주방 밖에서도 AI로 기술을 보존하고 있다. 덴쓰는 2019년 참치 꼬리 단면을 스마트폰으로 촬영한 사진을 분석해 품질을 평가하는 튜나 스코프를 개발했다. 이 시스템은 참치의 품질을 판단하는 전문가의 안목인 메키키를 재현하기 위해 만들어졌다. 사람 전문가가 그 능력을 기르는 데는 10년이 걸리기도 한다.

이후 구라스시는 해당 시스템으로 평가한 참치를 회전초밥 매장에서 AI 참치라는 이름으로 제공했다. 히로시마의 오타후쿠 소스는 2023년 소스 배합 기록을 검색하는 AI 도구를 만들었다. 이 시스템은 제품과 시제품 1만5,000개 이상을 학습했다. 과거에는 최대 2시간 걸리던 배합 검색을 이제 약 5분 만에 마칠 수 있다.

피지컬 AI, 로봇과 현실 세계를 연결하다

테오의 작업은 기계가 주변 환경을 더 잘 인식하도록 하려는 더 큰 노력의 일부다. 기존 산업용 로봇은 대체로 통제된 환경에서 정밀하게 정의된 동작을 수행한다. 피지컬 AI는 카메라와 센서, AI 모델을 더해 물체와 열, 시간, 공간의 변화에 로봇이 대응할 수 있도록 한다.

일본 로봇 기업들은 이 분야에서 엔비디아, 후지쓰, 화낙, 야스카와전기, 가와사키중공업과 협력하고 있다. 이들 협력은 일본의 정밀 기계 분야 경험과 첨단 컴퓨팅, AI 모델을 결합한다. 엔비디아는 로봇이 물리적 환경을 이해하고 변화하는 작업에 적응하도록 지원하는 도구를 선보였다.

현지 컴퓨팅 역량을 활용하면 기업들이 민감한 생산 데이터를 모두 해외로 보내지 않고도 AI 시스템을 학습시킬 수 있다. 이는 레시피와 공정 기록, 고객 정보를 보호하려는 식품 제조업체에 중요하다. 다만 이런 시스템이 보편화되려면 보안 네트워크와 신뢰할 수 있는 센서, 숙련된 기술자가 여전히 필요하다.

일본의 식품 기계 산업은 수년간 이를 뒷받침할 기반을 마련해 왔다. 닛코 같은 기업은 수산물과 육류, 농산물 가공 자동화 시스템을 공급한다. 닛코는 홋카이도 로봇 연구소도 운영한다. 이곳에서는 학생과 근로자가 로봇 교육을 받을 수 있고, 기업은 특정 생산 현장에 자동화가 적합한지 시험할 수 있다.

이런 교육 시설은 자동화의 걸림돌이 될 수 있는 문제를 다룬다. 기업이 기계를 보유하고도 설치와 감독, 수리, 업데이트 방법을 아는 사람이 부족할 수 있다. 로봇은 작업에 필요한 인력 수를 줄일 수 있지만, 엔지니어와 운용자, 유지보수 전문가에 대한 수요를 만들어 낸다.

식품 자동화가 공장 자동화보다 어려운 이유

식당과 제과 주방의 환경은 많은 산업 현장보다 예측하기 어렵다. 재료는 생산분마다 달라지고 메뉴도 다양하다. 작업 공간은 비좁은 경우가 많으며, 고객은 세심하게 준비된 음식을 기대한다. 온도와 습도는 반죽과 소스, 조리 시간에도 영향을 줄 수 있다.

비용도 걸림돌이다. 기업은 로봇과 센서, 소프트웨어, 설치, 유지보수, 직원 교육에 비용을 들여야 한다. 소규모 식당은 대형 장비를 둘 공간이 부족하거나 투자 비용을 감당할 만큼 일일 생산량이 많지 않을 수 있다. 오래된 기계는 최신 AI 시스템과 연결하기 어려울 수도 있다.

일본의 서비스 문화는 또 다른 어려움을 더한다. 고객을 세심히 대하고 음식을 보기 좋게 내놓으며 예상치 못한 요청에 신속히 대응하는 일이 접객의 중요한 부분이다. 로봇은 반복적인 조리나 배달 작업을 할 수 있지만, 인간 서비스 종사자에게 기대하는 기준을 완전히 충족하지는 못한다. 특정 업무에는 매우 뛰어난 로봇도 여러 요구가 동시에 쏟아지는 바쁜 주방에서는 적합하지 않을 수 있다.

다른 서비스 분야의 사례를 보면 기술이 점진적으로 확산되고 있음을 알 수 있다. 나리타공항에서는 인력 수요를 줄이기 위한 시범 사업의 일환으로, 직원 없이 운영되는 기념품점에서 고양이를 닮은 로봇이 활용됐다. 식당과 카페도 음식 배달과 팬케이크 조리, 초밥 만들기, 오코노미야키 조리를 위한 로봇을 시험해 왔다.

로봇이 숙련된 제과 기술자를 대체할까?

테오 같은 시스템의 당면한 역할은 완전한 대체보다 지원에 가까울 가능성이 크다. 로봇은 공정을 반복하고 조건을 살피며 레시피를 보존할 수 있다. 사람은 계속해서 재료를 준비하고 결과를 점검하며, 예외 상황을 처리하고 신제품을 개발할 수 있다.

이러한 역할 분담은 전통 식품 제조 기술을 지키면서 숙련된 생산이 소수의 개인에게 지나치게 의존하지 않도록 도울 수 있다. 숙련된 제과 기술자가 반복 작업을 일일이 수행하는 대신 교육과 레시피 시험, 여러 대의 기계 감독에 더 많은 시간을 쓸 수도 있다.

기술의 디지털 기록을 누가 소유하는지에 대한 우려도 있다. 노동자의 동작과 판단이 학습 데이터로 전환되면 기업은 개인의 경험을 바탕으로 구축한 가치 있는 생산 시스템을 소유할 수 있다. 데이터 사용에 대한 동의와 공로 인정, 보수, 활용 방식을 두고 노동자와 고용주가 명확한 합의를 마련해야 할 수 있다.

고객은 기계가 만든 음식을 다른 기준으로 평가할 수도 있다. 특히 여러 지점에서 같은 모양과 맛을 내야 하는 제품이라면 일관성은 장점이 될 수 있다. 그러나 일부 고객은 전통 과자에 담긴 사람의 이야기를 중시할 수 있다. 기업은 AI를 어떻게 활용하고 있으며 어떤 과정에 사람의 판단이 남아 있는지 설명해야 한다.

일본의 실험이 갖는 더 큰 의미

일본은 인구 구조 변화에 대응하기 위한 실용적인 방안으로 식품 자동화를 활용하고 있다. 물류와 농업, 소매, 의료, 제조업에서도 같은 흐름을 볼 수 있다. 인구 추세가 반전되기를 기다리기보다 더 적은 인력으로 필수 서비스를 계속 운영하는 것이 목표다.

로봇 분야에서 쌓아 온 강점은 일본에 유리한 기반이 된다. 일본은 높은 정밀도의 산업용 기계를 오랫동안 생산해 왔으며, 제조업체들은 방대한 운영 지식을 보유하고 있다. 피지컬 AI는 이러한 하드웨어와 경험을 시각 및 센서 데이터에서 학습하는 시스템과 연결하려 한다.

성공 여부는 기업이 측정할 수 있는 성과에 달려 있다. 로봇은 인력난을 완화하고 식품 품질을 유지하며 사람과 함께 안전하게 작업하고, 비용을 정당화해야 한다. 이를 위해서는 교육과 안정적인 데이터 기반 시설, 기술을 관리할 수 있는 노동자도 필요하다.

테오를 이용하는 업체 수를 약 20곳에서 100곳으로 늘리려는 계획은 AI가 배운 제과 기술이 기업 전시장을 넘어 다른 현장에서도 통할지 실질적으로 시험할 기회가 될 것이다. 서로 다른 주방에서도 시스템이 잘 작동한다면 사라질 위험에 처한 다른 요리 지식을 보존하는 본보기가 될 수 있다.

핵심 내용

• 유크하임의 테오 로봇은 카메라와 센서를 이용해 숙련된 노동자의 바움쿠헨 제조법을 학습한다.
• 바움쿠헨은 반죽을 여러 겹 쌓아가며 열과 시간, 온도, 습도를 세심하게 조절해야 한다.
• 일본의 2월 음식 서비스업 구직자 1명당 구인 건수는 2.31건으로, 전 산업 평균인 1.13건보다 높았다.
• 테크매직과 덴쓰, 오타후쿠 소스는 각각 조리와 수산물 등급 판정, 레시피 검색에 AI를 적용하고 있다.
• 일본은 피지컬 AI를 확대하고 2040년까지 18개 분야에 AI 탑재 로봇 약 1,000만 대를 도입하는 것을 목표로 한다.
• 로봇은 숙련 기술을 보존할 수 있지만 감독과 창의적 작업, 유지보수, 고객 서비스에는 사람의 역할이 계속 필요하다.