Part II: 산업별 피지컬AI 도입 현황

Chapter 7: 제약·화장품·식품·의류 — 수작업 산업 피지컬AI의 현실과 한계

집필일: 2026-04-28 최종수정일: 2026-04-28

7.1 수작업 산업이 자동화 최전선과 다른 이유

앞선 두 챕터(자동차·물류)는 피지컬AI의 "성공한 산업"을 다뤘다. 라인이 표준화되어 있고, 단위 작업당 ROI가 명확하며, 한 번 잘 설계된 자동화 셀이 수년간 같은 일을 반복한다. 이번 장이 다루는 제약·화장품·식품·의류는 같은 제조업이지만 자동화의 결이 완전히 다르다. 같은 공장 안에서도 어떤 라인은 1990년대 일본 자동차 공장과 흡사하고, 어떤 라인은 100년 전 봉제 공장과 거의 다르지 않다.

이 네 산업이 자동차·물류와 다른 이유는 네 가지로 압축된다.

첫째, 소재의 가변성. 자동차는 강철 패널을 자른다. 물류는 골판지 박스를 옮긴다. 둘 다 형태와 강성이 명확하다. 반면 화장품은 점도가 다른 수십 종 베이스를, 식품은 매번 모양이 다른 닭다리·피클·생면을, 의류는 손에 잡으면 형태가 사라지는 직물을 다룬다. 변형 가능 소재(deformable material) 조작은 여전히 로보틱스 학계의 미해결 난제다. ICRA 2024 의류 조작 워크숍에 11개 팀이 참가하여 직물 파지·펼치기·접기를 경쟁했지만, 어떤 팀도 실제 공장 속도와 정확도를 동시에 만족시키지 못했다 [11].

둘째, SKU 다양성과 소배치 생산. 화장품 ODM은 한 라인에서 수백~수천 SKU를 처리한다. 식품 가공은 시즌·지역·캠페인별로 레시피가 바뀐다. 의류는 매 시즌 디자인이 새로 나온다. 자동차 한 모델 라인을 20년 운영하는 것과 다르다. SKU가 바뀔 때마다 자동화 시스템도 재설정되어야 하며, 이 재설정 비용이 "자동화는 가능하지만 ROI가 안 나오는" 영역을 만들어 낸다.

셋째, 위생·청결도·규제. 제약은 GMP, 식품은 HACCP, 화장품은 ISO 22716. 모든 표면이 식품 등급 스테인리스여야 하고, 정기 세정·살균이 강제된다. 자동차 공장의 로봇은 그리스를 흘려도 되지만, 식품 라인의 로봇은 그러면 라인 전체가 폐기된다. 이 제약은 로봇 가격을 두세 배로 올리고, 적용 가능한 그리퍼·센서 종류를 절반 이하로 줄인다 [29].

넷째, 숙련 노동의 암묵지. 봉제사가 한 손으로 옷감을 살짝 들어 올리며 다른 손으로 박음질 위치를 잡는 동작, 화장품 충전 라인에서 라벨이 0.5도 비뚤어진 것을 한눈에 잡아내는 시각, 피클을 자를 때 칼 각도를 재료에 맞춰 미세 조정하는 손목 — 이런 동작은 작업 매뉴얼에 적혀 있지 않다. 적혀 있어도 배우는 데 수개월이 걸린다. 암묵지(tacit knowledge) 라고 부르는 이 영역이 자동화의 마지막 35%를 점유한다.

이 네 가지 차이가 만들어 내는 결과는 단순하다 — 같은 "AI 제조 변환"이라는 단어를 써도, 이 산업들이 지금 하고 있는 일은 자동차·물류와 본질적으로 다르다. 홍보 자료는 그 차이를 흐리고 싶어 하지만, 코스맥스 임원실이 의사결정에 쓸 자료는 차이를 정확히 짚어야 한다.

7.2 제약·화학 — 연구자동화가 앞선다

이 네 산업 중 제약·화학이 가장 앞서 있다. 다만 앞서 있는 영역이 생산 라인이 아니라 연구실이라는 점이 흥미롭다.

Sanofi Modulus — 자동차에서 차용한 모듈식 바이오 생산

Sanofi가 2025년 공개한 Modulus는 제약 제조의 패러다임 자체를 다시 쓴다 [Sanofi, 2025a]. 핵심 아이디어는 자동차 산업의 모듈형 생산 방식을 바이오의약품에 이식하는 것이다. 하나의 시설에서 최대 4가지 제품을 동시에 생산할 수 있고, 제품 전환 시간이 기존 수개월에서 수일로 단축된다. 싱가포르 시설에 약 S$800M(€558M) 투자, 전체 제조 네트워크 현대화에는 연간 €1B+ 가 투입된다. TIME Magazine 2025 의료·헬스케어 부문 최고 발명품으로 선정됐다.

Modulus가 의미 있는 이유는 단순한 효율 향상이 아니다. 바이오의약품은 본래 한 시설이 한 제품에 묶이는 구조였다. 새 백신이 필요하면 새 공장을 짓는 식이다. Modulus의 플러그앤프로듀스 설계는 이 가정을 깨고, 팬데믹·신흥 질환·맞춤형 치료제처럼 수요가 빠르게 변하는 시대에 생산 인프라가 함께 변할 수 있게 만든다.

Sanofi SimplY AI와 5개 디지털 라이트하우스

Modulus가 하드웨어 혁신이라면, Sanofi SimplY AI는 소프트웨어·디지털 트윈 측면의 변환이다 [Sanofi, 2025b]. 리옹의 Digital Manufacturing & Supply Accelerator(중앙 허브)와 5개 WEF 디지털 라이트하우스 사이트(벨기에 Geel, 아일랜드 Waterford, 이탈리아 Scoppito, 캐나다 Toronto, 중국 Hangzhou)가 GenAI 기반 배치 수율 최적화·예측 유지보수·실시간 품질 관리를 운영한다. GenAI 도입 후 개발 타임라인 25% 단축이 보고됐다.

AstraZeneca Wuxi — 라이트하우스 표준 수치

AstraZeneca의 중국 우시 공장은 WEF 글로벌 라이트하우스 네트워크에 등재된 제약 AI 제조의 가장 인용 빈도 높은 사례다 [4]. 정량 효과는 다음과 같다:

  • 생산량 +55%
  • 리드타임 -44%
  • 불량 배치 -80%
  • 생산성 +54%
  • iLab 이니셔티브: 일일 300,000개 화합물 스크리닝

이 숫자들이 인상적인 이유는 단일 효과가 아니라 복합 효과라는 점이다. 생산량을 올리면 통상 품질이 떨어지지만, 우시는 두 지표를 동시에 개선했다. 디지털 트윈 + AI 기반 배치 분석이 만들어 낸 결과다.

Pfizer PAXLOVID — 사이클 타임 -67%

Pfizer는 NVIDIA·DISG와의 파트너십(2024년 10월)을 통해 PAXLOVID 생산 사이클 타임을 67% 단축했다 [21]. 이 수치는 디지털 트윈 + AI 기반 프로세스 최적화의 가능성을 보여 주지만, 동시에 한계도 분명하다 — 소분자 의약품에 국한된 성과이고, 복잡한 바이오 의약품에는 추가 검증이 필요하다.

Novo Nordisk + OpenAI — 전 사업 부문 통합

Novo Nordisk는 OpenAI와 전략적 파트너십을 체결하여 R&D·제조·공급망·임상시험 전 부문에 AI를 통합한다 [19]. 2026년 완전 통합 목표, 공급망 확대에 $9B 투자가 병행된다. 세마글루타이드(위고비·오젬픽) 수요 폭증이 핵심 동기다. LLM 회사와 제약사가 단일 부서 단위가 아닌 전사 차원으로 통합 파트너십을 맺은 첫 사례에 가깝다.

BASF AI 리액터 — 18개월이 3주로

화학 분야로 가면 BASF AI Reactor 프로그램이 가장 극적인 수치를 보고한다 [5]. 화학 반응 최적화·촉매 발견·프로세스 제어에 머신러닝을 적용하여 연구 기간을 18개월에서 3주로, 실험 속도를 20배로 단축했다. 연간 R&D 투자 €2B와 병행해 자율 실험실(self-driving lab) 개념을 산업 규모로 구현하고 있다.

Self-Driving Laboratory — 과학적 방법의 자동화

이 모든 사례가 같은 패러다임으로 수렴한다. 자율 실험실(SDL, Self-Driving Laboratory). Nature Reviews에 발표된 2025년 체계적 리뷰에 따르면, SDL은 가설 생성 → 실험 설계 → 실행 → 분석 → 문헌 업데이트의 과학적 방법 전 단계를 자동화한다 [1]. 데이터 수집 속도 10배 향상, 실험 주기 대폭 단축이 재료·신약·화학 영역에서 실증됐다. 로봇 플랫폼과 LLM이 결합되어 가설 생성까지 자동화한다는 점이 핵심이다.

왜 생산 자동화보다 연구자동화가 먼저인가

여기서 중요한 질문이 나온다. 왜 제약·화학은 연구실이 공장보다 먼저 자동화되는가? 답은 세 가지다.

첫째, 반복성의 차이다. 화학 반응 스크리닝은 같은 작업을 수만 번 반복한다 — 자동화의 가장 좋은 친구다. 반면 의약품 생산은 단일 SKU를 대규모로 만든다. SKU가 바뀌면 라인 전체를 재검증해야 하는데, GMP 환경에서 재검증은 수개월~수년이 걸린다. 자동화 도입 ROI가 생산보다 연구실에서 훨씬 빠르게 회수된다.

둘째, 규제 마찰의 차이다. 신약 발견 단계에서 AI가 후보 물질을 추천하는 것은 자유롭다. 그러나 GMP 인증된 생산 라인의 한 단계라도 AI로 대체하려면 FDA·EMA의 재인증을 거쳐야 한다. 규제 비용이 자동화 비용을 압도하는 영역이 많다.

셋째, 데이터 자산의 차이다. 연구실 실험은 매번 새 데이터를 만들지만, 생산 라인은 같은 데이터를 반복 생성한다. AI 학습에 쓸 수 있는 신선한 데이터가 연구실 쪽에 압도적으로 많다. Pharmaceutical Laboratory Automation 시장은 2024년 $5.97B에서 2030년 $9.01B으로 성장(CAGR ~7.1%)할 전망이며, AI 기반 신약 발견 타임라인이 30~40% 단축되는 효과가 주요 성장 동력이다 [9].

Dow의 다른 길 — 비용 절감 중심 전환

같은 화학 산업이라도 Dow의 행보는 결이 다르다. Dow의 '성과 전환(Transform to Outperform)' 전략은 AI·자동화 도입과 함께 인력 구조조정을 병행한다 [8]. 2024년 초 인력 -13%(4,500명) 감원 발표, AI 기반 프로세스 최적화로 2028년까지 EBITDA +$2B 목표. AI가 효율 도구이자 동시에 비용 절감 수단으로 사용되는 전형적 사례다. 같은 기술이 한쪽에서는 R&D 가속화에, 다른 쪽에서는 인력 감축에 쓰인다는 사실은 피지컬AI 도입을 평가할 때 항상 염두에 두어야 한다.

7.3 화장품·뷰티 — 홍보와 현실의 간극

이번 절이 코스맥스 임원실에 가장 직접적으로 와 닿을 부분이다. 화장품 산업의 AI 홍보가 가장 시끄럽지만, 동시에 홍보와 실제 공정 자동화의 간극도 가장 크다.

L'Oréal Operations 4.0 — 무엇이 진짜 자동화인가

L'Oréal은 글로벌 화장품 1위 사업자답게 가장 많은 AI 홍보 자료를 낸다. Operations 4.0 전략은 AI 기반 제형 개발·GenAI 교육·물류 자동화를 통합한다 [L'Oréal, 2025a]. 핵심 수치:

  • 시제품 개발 24시간 달성
  • 전 임직원 42,000명 GenAI 교육
  • IBM 협력 지속가능 AI 제형 플랫폼

이 수치들 중 어느 것이 "피지컬AI 자동화"이고 어느 것이 "디지털 변환"인지 구분하는 것이 중요하다. 시제품 24시간은 인실리코 제형 시뮬레이션 + AI 추천이지, 로봇 충전 라인 속도가 24시간으로 단축됐다는 뜻이 아니다. 42,000명 GenAI 교육은 사무직 AI 도구 사용 교육이지, 공장 작업자가 AI 협업 로봇을 다룬다는 뜻이 아니다. 두 가지는 모두 가치 있는 일이지만, 본격적 공정 자동화와는 다른 카테고리의 일이다.

L'Oréal SMART Fulfillment Center 쑤저우 — 진짜 자동화의 모습

같은 L'Oréal의 사례 중에서 본격적 피지컬AI에 가까운 것은 쑤저우 SMART Fulfillment Center다 [L'Oréal, 2025b]. 2024년 5월 개소한 46,000㎡ 규모 시설에 39대의 ACR(Automated Crane Robot)이 운영되며, 아시아·태평양 최대 뷰티 자동화 물류 시설 중 하나다. 이 시설은 "디지털 변환"이 아니라 6장에서 다룬 물류 자동화의 화장품 적용이다. 즉, 화장품 산업에서 가장 본격적으로 자동화된 영역은 공장이 아니라 물류 창고다.

P&G AI Factory — 베를린의 4시간 무인 야간 교대

P&G는 한 단계 더 들어간다. AI Factory 전사 이니셔티브는 글로벌 80개 이상 사이트에 적용되어 AI 솔루션 배포 속도를 10배로 끌어올렸고, ICT에 $1.1B을 투자했다 [20]. 가장 화제가 된 것은 베를린 공장의 4시간 무인 야간 교대(lights-out) 시행이다(2024년 7월 1일 시작).

이 사례를 정확히 읽어야 한다. "베를린 공장이 무인으로 돌아간다"가 아니라, 하루 중 4시간만, 특정 제품 라인에서, 무인 운영이 가능해졌다는 뜻이다. 표준화 정도가 높은 세제·생활용품 라인이라 가능했던 것이고, 이를 화장품 ODM의 다품종 라인에 그대로 적용할 수 있다는 보장은 없다. 그럼에도 4시간이라도 무인이 가능해진 것은 분명히 의미 있다. 작업자가 야간에 1교대 → 0.7교대로 줄어드는 것만으로도 인건비·안전사고·노조 관리에서 큰 변화가 일어난다.

Shiseido VOYAGER — 데이터 통합의 길

일본 Shiseido는 다른 길을 택했다. Accenture와 협력해 개발한 VOYAGER는 2024년 2월 완전 가동에 들어간 AI 기반 뷰티 제조·공급망 플랫폼으로, 500,000+ 데이터 포인트를 활용해 수요 예측·생산 최적화·품질 관리를 통합 관리한다 [25]. VOYAGER는 본격적 로봇 자동화라기보다 데이터 통합 + AI 의사결정 지원 시스템에 가깝다. 이는 공정 자동화 이전 단계에서 화장품 산업이 먼저 해야 하는 일을 보여 준다 — 데이터를 모으는 것.

아모레퍼시픽 뷰티파크 — K-뷰티의 데이터 인프라

한국 아모레퍼시픽의 뷰티파크는 스마트 팩토리와 물류를 통합한 첨단 뷰티 제조 허브로, 하루 6억 개 데이터 포인트를 수집·분석한다 [2]. IoT 센서·AI 비전·자동화 물류가 융합된 K-뷰티 제조의 대표 사례다. 일일 6억 데이터 포인트라는 숫자는 인상적이지만, "데이터 수집"과 "데이터 활용"은 다른 차원의 일이라는 점도 함께 봐야 한다. 코스맥스도 이미 상당한 양의 공정 데이터를 모으고 있을 가능성이 높지만, 그 데이터가 의사결정 루프에 실제로 들어가는지가 진짜 질문이다.

코스맥스의 위치 — ODM 1위가 갖는 자산과 부담

[6]에 따르면 코스맥스는 2025년 매출 ₩2.4조(+10.7% YoY) 를 달성하며 글로벌 ODM 뷰티 1위 입지를 강화했다. AI 핵심 기술로는 8,600여 분자 데이터 기반 향 예측 AI, 스마트 컬러 매칭 AI, HelloBiome 마이크로바이옴 AI 파트너십이 포함된다. CAI 연구소에서 세 가지 AI 기술을 개발·운영 중이다.

태국 신공장 투자 ($43.9M, 연산 2.3억 개 = 현재의 3배, 2026년 9월 가동) 도 동남아·중동 시장 공략의 핵심이다 [7].

여기서 중요한 인식이 필요하다. 코스맥스가 보유한 8,600 분자 향 예측 AI는 5장의 BASF AI 리액터, Sanofi SimplY AI와 같은 카테고리의 일이다 — 즉 코스맥스는 이미 연구자동화에서는 글로벌 화장품 산업의 첨단에 있다. 부족한 부분은 다음 절(7.6)에서 짚을 공정 자동화·라인 자동화 영역이다.

성분 다양성과 배합 복잡성이 자동화를 어렵게 만드는 구조

화장품 ODM의 공정 자동화가 어려운 본질적 이유는 성분 다양성이다. 코스맥스 한 라인에서 처리하는 베이스만 수백 종, 마이크로 첨가제까지 합치면 수천 종이다. 같은 립스틱 라인이라도 색상·점도·향이 SKU마다 미세하게 다르다. 자동차 공장이 5~10가지 모델을 한 라인에서 처리하는 것과는 차원이 다르다.

게다가 배합 순서·온도·교반 속도가 SKU별로 다르다. 자동화 시스템이 이 모든 조합을 완벽히 처리하려면 모든 가능한 조합에 대해 검증되어야 하는데, 새 SKU가 매주 추가되는 ODM 환경에서는 비현실적이다. 따라서 화장품 ODM의 자동화는 "한 라인을 통째로 자동화"가 아니라 "공정 단계별로 부분 자동화"가 현실적이다 — 충전·라벨링·박스 패킹·QC 비전 같은 표준화 단계부터 들어가는 식이다.

뷰티 AI 시장 — 화려한 시장 규모의 함정

마지막으로 시장 데이터를 짚자. 뷰티 AI 시장은 2025년 $4.9B에서 2035년 $33.75B으로 성장 전망(CAGR 22.3%)이다 [22]. 이 숫자는 화려하지만, 분해해 보면 개인화 뷰티·AI 스킨케어 분석·가상 트라이온이 핵심 세그먼트다. 즉 시장 성장의 대부분은 B2C 컨슈머 AI이지, B2B 제조 AI가 아니다. ODM 제조 AI는 그 안의 작은 슬라이스다. 코스맥스가 시장 성장률에 안주하지 말고 자기 슬라이스의 실제 크기를 정확히 봐야 한다는 뜻이다.

7.4 식품 — 위생과 가변성의 이중 도전

식품·음료는 화장품과 비슷한 수준의 자동화 도전을 안고 있지만, 위생 규제가 한 단계 더 강하다.

Unilever Dubai Lighthouse — 예외적 성공 사례

식품·소비재 자동화의 가장 인용 빈도 높은 성공 사례는 유니레버 두바이 라이트하우스다 [28]. WEF 글로벌 라이트하우스 네트워크 선정 사이트로, 정량 효과는 다음과 같다:

  • 노동생산성 +400%
  • 교체시간 -85%
  • 2020-2024 누적 생산성 +27%
  • 폐기물 -41%

노동생산성 +400%는 식품 산업 표준에서 보면 거의 비현실적인 수치다. 다만 두바이라는 중동 특수 환경(저인건비 외국인 노동력 + 신축 공장 + 단일 카테고리 집중)이 일부 영향을 미쳤음을 봐야 한다. 그럼에도 폐기물 -41%, 교체시간 -85%는 환경·운영 측면에서 보편적으로 적용 가능한 수치다.

Tyson Foods — 가공 산업의 정공법

미국 Tyson Foods는 버지니아 댄빌 공장에 $300M 투자로 로봇 팔레타이징·자동화 분류 라인을 구축했고, 2032년까지 닭고기 가공 인력의 20~30%를 감소시키겠다는 목표를 발표했다 [27]. 식품 가공 산업에서 가장 큰 규모의 로봇화 사례 중 하나다. 다만 이 사례는 사회적 비용과 직결된다 — 로봇 도입의 직접 결과로 수천 명이 일자리를 잃는다. ESG 측면에서 코스맥스가 자동화 전략을 짤 때 함께 고려해야 할 변수다.

Nestlé SAP 마이그레이션 — 디지털 인프라가 먼저

식품 대기업의 다른 길은 Nestlé가 보여 준다. Nestlé는 세계 최대 규모의 SAP 마이그레이션을 단행했다 [17]. 335개 공장, 112개국, 50,000명 직원이 단일 SAP 플랫폼으로 통합됐고, AI 기반 공급망 최적화·수요 예측·실시간 생산 모니터링이 구현됐다. 이 사례는 "공장 자동화"가 아니라 "디지털 인프라 통합"이지만, 본격적 피지컬AI를 위한 선결 조건이다 — 데이터가 통합되어 있지 않으면 AI가 학습할 데이터셋 자체가 만들어지지 않는다.

Kraft Heinz "The Cookbook" — 소프트웨어는 쉽고 피지컬은 어렵다

가장 솔직한 교훈은 Kraft Heinz에서 나온다. Kraft Heinz의 AI 에이전트 The Cookbook은 Azure OpenAI 기반으로 3개월 이내에 구축되어 제품 개발 시간을 50% 단축, 피클 생산 효율을 12% 향상시켰다 [13].

이 수치를 자세히 보자. 제품 개발 시간 -50%는 인상적이지만, 이는 소프트웨어 영역의 변화다. 레시피 최적화·성분 대체·소비자 맞춤화 — 모두 컴퓨터 안에서 일어나는 일이다. 반면 피클 생산 효율 +12%는 물리 공정의 변화이고, 그 크기는 한 자릿수다. 같은 회사 같은 AI 도입에서 소프트웨어 50% vs 피지컬 12%라는 격차가 나타난다는 사실은, 식품 산업 피지컬AI의 현실을 가장 잘 요약한다.

식품 AI 시장과 위생 규제의 무게

식품 AI·안전 시장은 2024년 $2.7B에서 2029년 $13.7B으로 성장 전망(CAGR 30.9%)이다 [16]. 결함 탐지·품질 관리·공급망 추적이 핵심 적용 분야다. WEF의 2025년 식품 제조업 피지컬AI 리뷰에 따르면, Food & Beverage 부문이 전통 산업 대비 더 빠른 물리 AI 도입 속도를 보이지만, 식품 등급 소재·세정 요건으로 로봇 가격이 상승하고 소규모 식품 업체 접근성이 제한된다 [29].

이 제약은 화장품 산업에도 구조적으로 동일하게 적용된다. 화장품 라인의 로봇은 식품 등급 수준의 위생을 요구받는다. 코스맥스가 자동차 공장에서 검증된 로봇을 그대로 라인에 들이는 것이 어려운 이유의 절반은 여기에 있다.

7.5 의류·소비재 — 유연 소재의 악몽

마지막 절은 자동화가 가장 늦게 진행되는 산업 — 의류다.

SoftWear Sewbot — 가능성과 한계의 정확한 사례

의류 자동화의 상징은 SoftWear Automation의 Sewbot이다 [26]. 컴퓨터 비전과 로봇 팔을 결합하여 티셔츠를 22초에 제조하며, 노동 비용을 개당 $0.33로 낮췄다. 600켤레/교대 생산이 가능하고 패션 기업 BESTSELLER의 투자를 받았다.

이 수치는 인상적이다. 22초 티셔츠 제조는 인간 봉제사로 불가능한 속도다. 그러나 한계도 명확하다 — Sewbot이 만드는 것은 티셔츠다. 즉 단순한 형태·소수의 봉제선·표준 직물로 구성된 의류만 자동화 가능하다. 셔츠·재킷·드레스처럼 복잡한 봉제선·다층 직물·곡선 봉제가 필요한 의류는 여전히 사람의 손에 의존한다. 의류 산업 매출의 대부분이 후자에 있다.

Nike Grabit — 어퍼 제조 20배 속도, 그 다음은?

Nike는 전기부착(electroadhesion) 기술 기업 Grabit과 협력하여 어퍼(upper) 제조 속도를 20배 향상시켰다 [18]. 전기부착이라는 기술은 흥미롭다 — 정전기 원리로 직물을 잡아 옮기므로, 흡착컵으로 직물이 변형되는 문제를 우회한다. 그러나 이 기술도 어퍼 같은 평면적 부품에서만 효과적이고, 신발 전체 조립의 다른 단계(밑창 부착·박음질·끈 끼우기)는 여전히 자동화 난제다.

Nike 멕시코 자동화 실패 — 자동화가 답이 아닐 때

같은 Nike에서 더 중요한 사례는 멕시코 공장 자동화 실패다 [18]. 2010년대 후반 Nike는 멕시코 공장에 자동화 라인을 도입하려 했고, 결과적으로 5,000명 고용을 유지해야 했다. 이유는 단순하다 — 멕시코의 인건비 곡선에서는 자동화 ROI가 안 나왔다. 같은 자동화 시스템이 미국·일본·한국에서는 ROI가 정당화되지만 멕시코·베트남·방글라데시에서는 그렇지 않다. 의류 산업이 자동화에 가장 늦은 이유의 절반은 저인건비 국가로 생산을 옮기는 것이 자동화보다 싸기 때문이다.

H&M + Smartex — AI 품질 관리는 가능하다

자동화의 다른 측면 — 품질 관리는 의류에서도 진전이 있다. H&M과 Smartex의 파트너십으로 AI 기반 편직 결함 실시간 감지 시스템이 도입되었다 [10]. 컴퓨터 비전으로 편직 공정 중 결함을 즉시 탐지하고, 로봇 정밀 재단 시스템과 통합하여 원단 낭비를 최소화한다. 이 패턴은 분명하다 — 유연 소재 조작은 어렵지만, 유연 소재 검사는 (상대적으로) 쉽다. 카메라와 AI는 직물을 잡지 않아도 되기 때문이다.

Inditex/Zara — 자동화가 아닌 AI 수요 예측

같은 의류 산업에서 자동화 대신 AI 수요 예측으로 성공한 사례가 Zara를 운영하는 Inditex다 [12]. Inditex는 AI 기반 수요 예측과 JIT 생산 시스템으로 과재고 -20%, 디자인-매장 사이클 2~3주, AI 도입 후 매출 +7.1%를 달성했다. 이 사례가 흥미로운 이유는 물리 공정은 거의 그대로이고, 변한 것은 데이터 흐름이라는 점이다. 같은 봉제 공장이지만 어떤 디자인을 얼마나 만들지를 AI가 결정한다.

변형 가능 소재 조작이 여전히 AI 난제인 이유

ICRA 2024 의류 조작 워크숍은 11개 팀이 직물 파지·펼치기·접기·봉제 준비를 경쟁한 자리였다 [11]. 결과는 단순하다 — 데이터 기반 접근(end-to-end 학습)과 모델 기반 접근(직물 물리 시뮬레이션) 모두 실제 공장 속도와 정확도를 동시에 만족시키지 못했다. 직물은 무한 자유도(infinite degrees of freedom) 를 가진 변형 가능 소재이고, 잡는 위치·힘·방향에 따라 완전히 다른 형태가 된다. 자동차 패널의 6 자유도 와는 차원이 다른 문제다.

이 문제는 화장품 산업에도 일부 적용된다. 화장품 라인의 부드러운 포장재(파우치·필름·라벨), 점성 있는 베이스 충전도 같은 변형 가능 소재 문제의 변종이다. 의류 자동화의 진전이 화장품 ODM의 일부 공정에 직접 이식 가능한 이유다.

의류 자동화 성숙도가 타 제조업 대비 낮은 이유

2025년 의류 자동화 체계적 리뷰에 따르면, 봉제·재단·품질검사 3개 영역 중 품질검사만이 본격 자동화 단계에 있고, 변형 소재 조작이 가장 큰 기술 장벽이다 [3]. 소량 다품종 생산 요건이 자동화를 어렵게 한다는 점이 다시 한 번 강조된다. 의류 산업의 다양성으로 단일 솔루션이 어렵다는 결론은, 화장품 ODM에도 그대로 적용된다.

7.6 수작업 산업의 공통 교훈

지금까지 본 네 산업의 사례를 코스맥스 임원실의 관점으로 다시 정리하면, 핵심 메시지는 세 줄로 요약된다.

"자동화 가능한 것"과 "자동화 가치 있는 것"의 구분

첫째, 모든 사례가 같은 패턴을 보인다 — 자동화 가능한 것의 집합 ⊃ 자동화 가치 있는 것의 집합. SoftWear Sewbot은 티셔츠를 자동화할 수 있지만 셔츠는 못 한다. P&G 베를린은 4시간 무인 운영이 가능하지만 24시간은 아니다. Pfizer는 PAXLOVID 사이클을 67% 단축했지만 다른 의약품은 아니다. 자동화의 경계선은 기술 가능성이 아니라 ROI 정당화가 결정한다.

코스맥스가 자동화 도구를 평가할 때 첫 질문은 "이 도구가 작동하는가"가 아니라 "이 도구가 우리 SKU·라인·인건비 조합에서 ROI를 만드는가"여야 한다.

홍보기사에 속지 않는 법

둘째, 같은 회사의 같은 AI 도입에서도 영역별로 효과 크기가 다르다. Kraft Heinz의 The Cookbook은 좋은 사례다 — 제품 개발 시간 -50% (소프트웨어) vs 피클 생산 효율 +12% (피지컬). 이 격차를 정확히 읽지 못하면 "AI로 50% 효율 향상"이라는 헤드라인을 자동화 ROI 모델에 잘못 대입하게 된다.

홍보기사를 읽을 때 던져야 할 질문은 다음과 같다:

  1. 이 효과는 소프트웨어 변환인가, 물리 공정 변환인가? (대부분 전자)
  2. 이 효과는 단일 라인인가, 전사인가? (대부분 전자)
  3. 이 효과는 시범 운영인가, 3년 이상 안정 운영인가? (대부분 전자)
  4. 이 효과는 신축 공장인가, 기존 공장 레트로핏인가? (전자가 압도적으로 쉬움)
  5. 이 회사의 인건비·SKU·규제 환경이 우리와 비슷한가? (대부분 다름)

코스맥스의 현실적 출발점

셋째, 그럼에도 불구하고 화장품 ODM에는 분명한 기회가 있다. 5장에서 본 자율 실험실(SDL) 패러다임은 코스맥스의 향 예측 AI·컬러 매칭 AI·HelloBiome 마이크로바이옴 AI와 직접 연결된다 — 코스맥스는 이미 글로벌 화장품 산업의 연구자동화 첨단에 있다. 부족한 부분은 공정 자동화다. 그리고 이 공정 자동화의 출발점은 Sewbot이나 Sequoia 같은 통합 솔루션이 아니라, L'Oréal 쑤저우 SMART Center 같은 물류 자동화 + Shiseido VOYAGER 같은 데이터 통합 두 영역의 결합이다.

다음 챕터에서는 이 인식을 바탕으로 코스맥스의 현실적 출발점을 구체적으로 그려 본다 — 무엇을 먼저, 어디에, 얼마에, 누구와 함께 시작할 것인가.

참고문헌

  1. Abolhasani, M., Coley, C., et al. (2025). Self-Driving Laboratories 2025: Automating the Scientific Method. Nature Reviews / Science Review. https://www.nature.com/articles/s41570-023-00527-5
  2. Amorepacific (2025). Amorepacific Beauty Park: Data-Driven Cosmetics Manufacturing. Amorepacific Press Release. https://www.amorepacific.com/us/en/company/pressRoom.do
  3. Apparel Automation Review (2025). Apparel Manufacturing Automation: A Systematic Review 2025. arXiv / Journal of Manufacturing. https://arxiv.org/search/?searchtype=all&query=apparel+automation+robotics+2025
  4. AstraZeneca (2025). AstraZeneca Wuxi WEF Lighthouse: AI-Driven Pharmaceutical Production. WEF Global Lighthouse Network / AstraZeneca Press. https://www.weforum.org/press/2024/01/world-economic-forum-announces-21-new-global-lighthouse-network-sites/
  5. BASF (2025). BASF AI Reactor: Accelerating Chemical R&D with Machine Learning. BASF Press Release / Industry Report. https://www.basf.com/global/en/who-we-are/organization/group-companies/BASF_New-Business-GmbH/news/press-releases/2024/06-2024/basf-and-chemspeed-technologies-announce-collaboration.html
  6. Cosmax (2025). Cosmax 2025 Performance and AI Strategy: ODM Beauty Leader. Cosmax Investor Relations / Annual Report. https://www.cosmax.com/ir
  7. Cosmax (2026). Cosmax Thailand New Factory: Tripling Production Capacity. Cosmax Press Release. https://www.cosmax.com/news/thailand-factory
  8. Dow (2025). Dow 'Transform to Outperform': AI and Workforce Restructuring. Dow Investor Relations. https://investor.dow.com/news-releases/news-release-details/dow-announces-restructuring-and-transformation-drive-sustainable
  9. Grand View Research (2025). Pharmaceutical Laboratory Automation Market 2024-2030. Market Research Report. https://www.grandviewresearch.com/industry-analysis/pharmaceutical-laboratory-automation-market
  10. H&M and Smartex (2024). H&M + Smartex: AI-Powered Knitting Defect Detection. Smartex Press Release / H&M Partnership. https://www.smartex.ai/news
  11. ICRA (2024). Cloth Manipulation Robots ICRA 2024: Deformable Object Handling Challenge. ICRA 2024 Workshop on Deformable Object Manipulation. https://icra2024.org/workshops
  12. Inditex (2024). Inditex/Zara AI-Driven Demand Planning and JIT Manufacturing. Inditex Annual Report 2024. https://www.inditex.com/en/investors/investors_and_shareholders/annual_report
  13. Kraft Heinz (2024). Kraft Heinz AI Agent 'The Cookbook': Azure OpenAI-Powered Product Development. Microsoft Azure Case Study. https://customers.microsoft.com/en-us/story/1648514524718400040-kraft-heinz-consumer-goods-azure-openai-service
  14. L'Oréal (2025a). L'Oréal Operations 4.0: GenAI, Sustainable Formulation, and Speed-to-Market. L'Oréal Annual Report / IBM Partnership. https://www.loreal-finance.com/en/annual-report-2024
  15. L'Oréal (2025b). L'Oréal SMART Fulfillment Center Suzhou: Cosmetics Logistics Automation. L'Oréal Operations Press. https://www.loreal-finance.com/en/press-release/loreal-opens-smart-fulfillment-center-suzhou
  16. MarketsandMarkets (2024). AI in Food Safety and Manufacturing Market 2024-2029. Market Research Report. https://www.marketsandmarkets.com/Market-Reports/ai-in-food-and-beverages-market-53289914.html
  17. Nestlé (2025). Nestlé SAP Digital Migration: World's Largest ERP Transformation. SAP Press Release / Nestlé Annual Report. https://www.sap.com/about/company/sap-customers/nestle.html
  18. Nike (2024). Nike Factory Automation: Grabit Electroadhesion and Mexico Lessons. Nike Annual Report / Industry Analysis. https://about.nike.com/en/newsroom/releases/nike-manufacturing
  19. Novo Nordisk (2025). Novo Nordisk + OpenAI Strategic Partnership: AI Across All Business Divisions. Novo Nordisk Press Release. https://www.novonordisk.com/news-and-media/news-and-ir-materials/news-details.html?id=171835
  20. P&G (2024). P&G AI Factory: 10x Deployment Speed and Lights-Out Manufacturing. P&G Press Release / AI Factory Announcement. https://pginvestor.com/financial-reporting/press-releases/news-details/2024/PG-AI-Factory/default.aspx
  21. Pfizer (2024). Pfizer AI-Driven Manufacturing: PAXLOVID Cycle Time Reduction. Pfizer Press Release. https://www.pfizer.com/news/press-release/press-release-detail/pfizer-announces-strategic-artificial-intelligence-ai
  22. Precedence Research (2025). Beauty AI Market 2025-2035: $4.9B to $33.75B. Market Research Report. https://www.precedenceresearch.com/beauty-ai-market
  23. Sanofi (2025a). Sanofi Modulus: Modular Next-Generation Biomanufacturing Facility. TIME Best Inventions 2025 / Sanofi Press. https://time.com/collections/best-inventions-2025/7318453/sanofi-modulus/
  24. Sanofi (2025b). Sanofi SimplY AI: Digital Manufacturing & Supply Accelerator. Sanofi Official Magazine. https://www.sanofi.com/en/magazine/our-science/digital-and-ai-powered-manufacturing-and-supply-delivering-faster-and-safer-for-patients
  25. Shiseido (2024). Shiseido VOYAGER: AI-Powered Cosmetics Manufacturing Platform. Shiseido Press Release. https://www.shiseido.com/corporate/news/2024/voyager
  26. SoftWear (2025). SoftWear Automation Sewbot: Fully Automated Apparel Sewing. SoftWear Automation Press Release / BESTSELLER Partnership. https://softwearautomation.com/sewbot/
  27. Tyson (2025). Tyson Foods Factory Automation: $300M Danville Robotics Expansion. Tyson Foods Press Release / Reuters. https://www.tysonfoods.com/news/news-releases/2023/11/tyson-foods-invests-300-million-expand-danville-virginia-pork-facility
  28. Unilever (2024). Unilever Dubai Lighthouse: WEF-Recognized Manufacturing Excellence. WEF Global Lighthouse Network / Unilever Press. https://www.weforum.org/press/2024/09/world-economic-forum-announces-new-global-lighthouse-network-sites/
  29. WEF (2025). Physical AI in Food Manufacturing 2025: Industry Review. WEF White Paper / Industry Review. https://reports.weforum.org/docs/WEF_Physical_AI_Powering_the_New_Age_of_Industrial_Operations_2025.pdf