Amazon은 창고에서 100만 대가 넘는 로봇을 24시간 운용하고 있다. 이 네트워크는 이동형 로봇, 로봇 팔, 인공지능 모델을 활용해 당일 또는 익일 배송되는 수천만 건의 주문을 처리한다. 회사는 이 fleet을 확대할 계획이며, 2025년 연례 보고서에 따르면 여전히 정규직과 시간제 근로자를 합쳐 150만 명 이상을 고용하고 있다.
이러한 확대가 인간을 완전히 대체한다는 의미는 아니다. 오히려 주문 처리 센터 내부의 업무 성격을 변화시키고 있다. 로봇은 선반 운반, 소포 분류, 제품 집기와 보관을 담당하는 반면, 근로자들은 여전히 자동화 시스템이 대규모로 처리하지 못하는 업무를 수행한다.
Kiva에서 100만 대가 넘는 fleet으로
대규모 전환은 Amazon이 2012년 Kiva Systems를 인수한 뒤 시작됐다. Kiva Systems는 작업자가 선반 사이를 돌아다니지 않고도 선반을 작업자에게 운반하는 이동형 로봇을 개발한 초기 기업 중 하나였다. 이 회사는 Amazon Robotics로 이름이 바뀌었으며, 대부분의 시스템을 매사추세츠주 내 시설에서 개발한다.
Amazon은 텍사스주 오스틴과 인디애나주 그린우드에도 추가 공장을 설립한다고 발표했다. 현재 fleet의 대부분은 Hercules와 Titan을 비롯한 이동형 로봇이다. Sequoia 시스템은 로봇 무리를 조정해 제품을 식별하고 보관하며, 회사는 기존 방식보다 최대 75% 빠르다고 설명한다. Proteus는 센서를 사용해 인간 주변에서 더 자유롭게 이동할 수 있다.
로봇 사이의 교통 병목을 해결하기 위해 회사는 DeepFleet이라는 이름의 기초 인공지능 모델군을 사용해 혼잡을 예측하고 이동을 조정한다.
더 강력해지는 로봇 팔
Amazon은 2026년 중 로봇 팔의 수가 현재 수준의 두 배를 넘어설 것으로 예상하고 있다. 현재 공개된 수량은 수천 대 초반 수준이다. 이 fleet에는 혼합된 더미에서 소포를 분류하는 Robin과, 최대 50파운드 무게의 소포를 더 조밀한 방식으로 운반 카트에 적재하는 Cardinal이 포함된다.
Robin은 처음에 39만 4,000건이 넘는 집기 작업으로 훈련된 머신러닝 모델을 활용했다. 100만 건이 넘는 작업을 대상으로 한 실험에서 가장 우수한 머신러닝 방식은 93.73%의 성공률을 기록했으며, 이는 전통적인 알고리즘의 92.28%보다 높았다. 그 결과 실패한 작업이 약 1만 6,500건 줄었다. 또 다른 200만 건 규모의 실험에서는 실패율이 20% 감소했다.
Sparrow는 수억 개의 서로 다른 제품을 처리하도록 설계됐다. 제품을 하나씩 수동으로 프로그래밍할 필요 없이 기초 모델을 사용해 제품을 인식하고 집는 방법을 판단한다. Vulcan은 힘에 대한 피드백 센서, 즉 촉각과 유사한 기능을 추가해 팔이 좁은 공간에서 제품을 집거나 천으로 된 선반 안에 보관하도록 돕는다. Vulcan은 2025년 워싱턴주 스포캔과 독일 함부르크의 시설에서 작업을 시작했으며, 회사는 2027년에 사용을 확대할 것으로 예상한다.
자동화가 반드시 더 쉬운 일을 의미하지 않는 이유
Amazon은 로봇이 선반의 높은 칸에 손을 뻗거나 무거운 하중을 다루는 것처럼 가장 피로하고 위험한 업무를 맡는다고 말한다. 그러나 노동 관련 기관의 보고서와 미국 상원 보건·교육·노동·연금위원회의 조사에서는 자동화가 근로자에 대한 작업 속도 압박 증가와 관련이 있다고 지적했다.
ILR Review에 2025년 4월 게재된 연구는 더욱 복잡한 모습을 제시한다. 로봇 창고에서는 전통적인 센터에 비해 중증 부상이 40% 감소했지만, 반복 동작으로 인한 피로와 관련된 경증 부상은 77% 증가했다. George Mason University 교수이자 연구 공동 저자인 Brian Greenwood는 로봇이 작업 속도를 결정할 수 있으며, 이로 인해 인간이 반복 동작을 더 빠르게 수행하게 될 수 있다고 지적한다.
Amazon은 전 세계적으로 기록된 사고율이 2019년 이후 43% 개선됐고, 근무 손실로 이어지는 부상률은 70% 개선됐다고 반박한다. 다만 비판적인 보고서가 최근 자동화 물결 이전의 오래된 데이터에 부분적으로 의존한다고 본다.
실제로 무엇이 변하는가?
Amazon의 사례는 기술적 가치가 단순히 로봇 수로만 측정되는 것이 아니라, 매우 다양한 제품 속에서 작업하고 정리되지 않은 환경에 대응하는 능력으로 측정된다는 점을 보여준다. 또한 집기 성공률의 작은 개선도 수백만 번 반복되면 매우 큰 영향을 미친다.
반면 수치는 위험한 업무를 기계로 이전하는 것만으로 안전 문제가 해결되지 않는다는 점을 보여준다. 근로자에게 돌아갈 수 있는 이점은 생산률 향상과 작업 속도 가속과 동시에 나타날 수 있다. 따라서 성과 지표의 설계, 업무 배분, 최근 부상 측정은 로봇 수 증가만으로 답할 수 없는 열린 질문으로 남는다.
Amazon은 로봇이 고도로 도입된 시설에는 일반적으로 신뢰성·유지보수·엔지니어링 직무에서 30% 더 많은 인력이 필요하며, 로봇 유지보수 기술자의 수도 30% 이상 늘렸다고 말한다. 그러나 The New York Times가 2025년 10월 인용한 전략 문서에서는 미국 내 추정 채용 수요가 2027년까지 16만 개 이상, 2033년까지 60만 개 감소할 가능성을 언급했다. 당시 Amazon은 해당 문서가 회사 내부 한 그룹의 견해를 반영한 것이라고 밝혔다.