웨이모는 11년을 걸었습니다: 자동화와 자율화 사이의 거리

에이전트 도입을 논할 때 가장 자주 흐려지는 구분이 있습니다. 자동화와 자율화입니다.

자동화는 정해진 상황을 반복해서 처리하는 일입니다. 조건이 같으면 결과도 같고, 조건이 달라지면 사람이 규칙을 고칩니다. 자율화는 다릅니다. 처음 보는 상황을 인식하고, 다음에 무슨 일이 벌어질지 예측하고, 계획을 세워 결정하고, 예외 상황을 스스로 처리해야 합니다. 그리고 그 능력이 실제로 되는지 확인하려면 어마어마한 양의 실제 상황을 겪히거나 시뮬레이션해야 합니다.

두 단어 사이의 거리를 실제로 걸어 본 사례가 하나 있습니다. 자율주행입니다. 그 거리가 얼마나 먼지를 연도로 보여 주기 때문에, 지금 기업들이 에이전트를 현장에 넣으며 겪는 일을 이해하는 데 가장 좋은 자입니다.

웨이모가 걸어간 11년

2009년에 시작한 프로젝트가 2015년에 처음으로 핸들도 페달도 없는 차를 오스틴 공공도로에서 안전요원 없이 굴렸습니다. 그 차에 탄 유일한 사람은 시각장애인이었습니다. 여기까지 6년입니다.

그런데 그 시연에서 일반 고객이 앱으로 부르는 로보택시(2020년 10월, 피닉스)까지 다시 5년이 걸렸습니다. 그리고 샌프란시스코 도심에서 1분에 한 대꼴로 보이는 지금까지 또 몇 년이 더 걸렸습니다. 2026년 기준으로 웨이모는 10개 도시에서 운행하고 누적 완전 자율 주행 거리는 2억 마일에 근접합니다.

이 타임라인이 말하는 것은 명확합니다. 되는 것을 보여 주는 일과 아무에게나 맡겨도 되게 만드는 일은 다른 작업이고, 후자가 더 오래 걸립니다. 앞의 6년은 알고리즘과 제어의 문제였고, 뒤의 5년은 그것으로 부족했다는 뜻입니다.

다섯 관문: 자율화가 통과해야 하는 것들

무엇이 그 5년을 잡아먹었는가. 자율 시스템이 통과해야 하는 관문을 나눠 보면 보입니다.

엣지케이스가 시간을 잡아먹습니다. 자율주행에서 어려운 것은 고속도로 직진이 아니라 공사 안내원의 손짓, 터진 폭죽, 갑자기 열리는 차 문입니다. 문제는 이 목록을 미리 만들 수 없다는 것입니다. 실제로 굴려 봐야 나오고, 나온 다음에야 대응할 수 있습니다. 웨이모가 도시를 하나씩 늘려 온 것도 도시마다 엣지케이스의 종류가 다르기 때문입니다.

그래서 시뮬레이션이 필수가 됩니다. 웨이모의 실제 2억 마일 뒤에는 수십억 마일의 가상 주행이 있습니다. 2026년 2월에는 딥마인드의 영상 생성 모델을 기반으로 한 시뮬레이터를 공개해, 눈 덮인 금문교나 도로 위 코끼리처럼 차량이 한 번도 겪지 않은 상황까지 만들어 내고 있습니다. 안전 프로그램에서는 28개 이상의 핵심 역량을 수천 가지 시나리오 변형으로 시험합니다. 현실에서 못 겪는 것을 만들어 겪히는 일이 별도의 공학이 된 것입니다.

이 좌표에 에이전트를 올려놓으면

이제 지금의 기업용 에이전트로 옮겨 옵니다. 숫자가 놀랍도록 비슷한 이야기를 합니다.

2026년 초 여러 조사에서 기업 에이전트 파일럿의 86~89퍼센트가 프로덕션에 도달하지 못합니다. 가트너 집계 기준으로 89퍼센트가 실패하고, 살아남은 11퍼센트는 171퍼센트의 투자수익률을 냈습니다. 650개 기업 기술 책임자 설문에서 파일럿을 돌리는 곳은 78퍼센트인데 실제 프로덕션 배포는 14퍼센트에 그쳤습니다.

여기서 결정적인 대목이 실패 원인입니다.

포레스터의 원인 분석 기준으로 실패의 41퍼센트가 불명확한 성공 기준, 33퍼센트가 도구와 데이터 접근 부족, 26퍼센트가 평가 범위의 표류입니다. 근본적으로 모델 품질 문제인 것은 없었습니다.

이 세 가지를 웨이모의 관문에 대응시키면 딱 맞습니다. 성공 기준을 정하는 일은 안전 기준을 세우는 일이고, 도구 접근은 핸들을 연결하는 일이며, 평가 범위의 표류는 엣지케이스가 시험 목록보다 빨리 늘어난다는 뜻입니다. 모델은 이미 인식과 예측 관문을 통과했는데, 기업들은 뒤쪽 세 관문을 건너뛰고 배포하려다 실패하고 있습니다.

그래서 무엇을 해야 하는가

자율주행의 교훈을 에이전트 도입 전략으로 옮기면 네 가지가 나옵니다.

첫째, 자율화를 등급으로 나눠 놓고 시작합니다. 자율주행에는 레벨 0에서 5까지의 표준이 있어서 지금 어디에 있는지 말할 수 있습니다. 에이전트에는 그 언어가 아직 없습니다. 그래서 "AI가 이 업무를 대신한다"는 말이 사람이 다 검토하는 상태부터 완전 자율까지 전부를 뭉뚱그립니다. 최소한 이 정도는 구분해야 합니다. 사람이 전건 검토하는 제안 단계, 위험한 것만 사람에게 올리는 에스컬레이션 단계, 사후 감사만 하는 자율 단계. 이 언어가 없으면 파일럿의 성공 여부를 판정할 수도 없습니다.

둘째, 좁은 구역에서 시작해 넓힙니다. 웨이모는 전국을 동시에 열지 않았습니다. 피닉스 교외의 잘 아는 구역에서 시작해 도시를 하나씩 늘렸고, 도시마다 새 엣지케이스를 겪으며 확장했습니다. 에이전트도 같습니다. 업무 하나, 팀 하나, 고객 세그먼트 하나에서 시작해 그 구역의 예외를 다 겪은 뒤 넓히는 것이 유일하게 검증된 경로입니다.

셋째, 실패 로그가 자산입니다. 자율화의 병목은 정상 상황이 아니라 예외 상황이고, 예외 목록은 미리 만들 수 없으므로 굴려서 모아야 합니다. 그래서 현장에 일찍 투입해 데이터를 축적하는 쪽이 유리합니다. 다만 조건이 있습니다. 실패가 기록되고, 그 기록이 다음 버전을 고치는 데 실제로 쓰여야 합니다. 이 되먹임이 없으면 배치 기간은 그냥 흘러간 시간입니다. 이것이 제가 현장의 피드백 루프가 해자가 되는 구조에서 다룬 이야기이고, 실패에서 전략을 뽑아내는 에이전트 메모리 연구가 지금 뜨거운 이유이기도 합니다.

넷째, 시뮬레이션을 별도 투자 항목으로 잡습니다. 웨이모의 2억 마일 뒤에 수십억 마일의 가상 주행이 있다는 사실이 핵심입니다. 실제 배치만으로는 필요한 경험량을 못 채웁니다. 에이전트에서 이에 해당하는 것이 RL 환경과 검증기입니다. 우리 업무의 예외 상황을 재현하는 시험 환경을 만드는 일은 부수적인 QA 작업이 아니라, 자율화 수준을 올리는 주된 공학입니다.

그런데 그 시간을 버틸 수 있는가

여기서 당연한 우려가 나옵니다. 웨이모는 알파벳이 뒤에 있어서 11년을 버텼습니다. 보통의 회사에게 그 시간은 데스밸리이고, 자율화의 밸리는 유난히 깊고 깁니다. 앞의 논리를 그대로 받아들이면 "시간을 살 수 있는 자만 자율화를 한다"는 결론에 이르는데, 이것은 절반만 맞습니다.

먼저 밸리의 실제 깊이를 봐야 합니다. 알파벳의 기타 사업 부문은 지난 5년간 누적 매출 약 30억 달러에 영업손실 약 200억 달러를 냈고, 웨이모가 그 손실의 상당 부분을 차지합니다. 2025년 기타 부문 영업손실만 75억 달러대입니다(공시·집계 기준). 그리고 이 밸리를 못 건넌 회사들이 있습니다. 포드와 폭스바겐이 후원한 아르고 AI는 2022년 오스틴과 마이애미에서 무인 운행까지 시작했는데도 그해 문을 닫았고, 포드는 27억 달러를 상각했습니다. 크루즈도 사고 이후 프로그램이 중단됐습니다.

반대편에 밸리를 계단으로 바꾼 사례들이 있습니다. 자율주행 트럭 쪽인데, 접근이 다릅니다. 개틱은 완전 자율 일반도로가 아니라 정해진 노선의 중간 물류부터 시작해 무사고 6만 건 배송과 계약 매출 6억 달러를 만들었고, 코디악은 고객 소유 트럭 28대를 운영하며 유상 무인 운행 5,200시간을 쌓았습니다(발표 기준). 오로라는 운전자 없는 노선을 늘리면서 서비스형 모델로 매출 구조를 옮기는 중입니다.

차이는 기술 수준이 아니라 어디서 돈을 받기 시작했는가입니다. 완전 자율이 될 때까지 매출 없이 버티는 구조와, 부분 자율로 좁은 구역에서 먼저 값을 받는 구조는 같은 11년을 전혀 다르게 통과합니다. 후자에서는 매출이 데이터 수집 비용을 대고, 그 데이터가 다음 구역을 열고, 열린 구역이 다시 매출을 늘립니다.

데스밸리를 짧게 만드는 네 가지

에이전트에 적용하면 대응은 이렇게 정리됩니다.

밸리를 건너지 말고 계단으로 자릅니다. 완전 자율 에이전트를 목표로 3년을 무매출로 개발하는 구조는 아르고의 경로입니다. 대신 자율화 1단계(사람이 전건 검토하는 제안)에서 이미 값을 받을 수 있는 업무를 고릅니다. 초안 작성, 1차 검토, 자료 정리처럼 지금 수준으로도 시간을 절약해 주는 일입니다. 그 단계의 매출이 다음 단계의 개발비를 대게 만드는 것이 핵심입니다.

첫 구역은 좁고 반복적인 곳으로 고릅니다. 개틱이 일반도로 대신 고정 노선을 고른 이유가 이것입니다. 같은 경로를 반복하면 엣지케이스의 총량이 유한해지고, 유한하면 몇 달 안에 대부분을 겪을 수 있습니다. 에이전트도 마찬가지입니다. 업무 종류가 다양한 부서보다, 같은 유형의 요청이 하루 수백 건 들어오는 창구가 첫 구역으로 훨씬 낫습니다. 밸리의 길이는 문제의 난이도가 아니라 예외의 다양성이 정합니다.

시뮬레이션으로 시간을 삽니다. 웨이모의 2억 마일 뒤에 수십억 마일의 가상 주행이 있다는 사실은 밸리 대응 전략이기도 합니다. 현실에서 3년 걸릴 경험을 시험 환경에서 몇 달로 압축하는 것입니다. 앞서 언급한 RL 환경과 검증기가 여기서 비용 절감 항목이 됩니다. 다만 시뮬레이션이 실제와 어긋나면 시간을 산 것이 아니라 낭비한 것이므로, 실제 로그로 환경을 계속 교정하는 작업이 함께 가야 합니다.

밸리의 길이를 측정 가능하게 만듭니다. 가장 위험한 상황은 밸리가 긴 것이 아니라 얼마나 남았는지 모르는 것입니다. 투자자도 경영진도 끝이 안 보이면 자금을 끊습니다. 그래서 진척을 숫자로 보여 주는 장치가 필요합니다. 코디악이 자율 준비도 지표를 퍼센트로 공개하는 것이 그 예입니다. 에이전트에서는 개입률(사람이 손대야 했던 비율), 신규 예외 발생률, 자율 처리 비중의 추이가 그 역할을 합니다. 신규 예외 발생률이 꺾이기 시작하면 그 구역의 밸리는 끝이 보이는 것이고, 계속 평평하면 구역을 잘못 고른 것입니다.

판단: 시간이 걸린다는 사실이 오히려 기회입니다

이 분석에서 나오는 결론은 두 갈래로 읽힙니다.

비관적으로 읽으면 이렇습니다. 웨이모가 11년을 썼는데, 에이전트라고 몇 달 만에 될 리 없습니다. 지금의 파일럿 실패율 89퍼센트는 예외가 아니라 정상적인 자율화 곡선의 초기 구간입니다. 그러니 "에이전트를 도입했다"는 발표와 "에이전트가 실제로 일한다"는 사실 사이의 거리를 냉정하게 봐야 합니다.

그런데 투자자와 창업자 관점에서는 정반대로 읽힙니다. 시간이 걸린다는 것은 뛰어넘을 수 없는 축적이 존재한다는 뜻이고, 그것이 곧 해자입니다. 소프트웨어의 기능은 몇 달이면 복제되지만, 특정 현장에서 3년간 모은 예외 상황 목록과 그것으로 다듬은 시스템은 복제되지 않습니다. 웨이모의 진짜 자산이 알고리즘이 아니라 2억 마일이듯이 말입니다.

그래서 실사 질문도 바뀝니다. "이 팀의 에이전트가 얼마나 똑똑한가"가 아니라 이렇게 물어야 합니다. 어느 구역에서 시작했고, 지금 몇 단계 자율화에 있으며, 예외를 몇 건 겪었고, 그 예외가 시스템으로 되먹여지는 경로가 있는가. 그리고 데스밸리를 아는 투자자라면 한 가지를 더 묻습니다. 그 축적 기간의 자금은 어디서 나오는가. 외부 조달로만 버티는 계획이라면 아르고의 경로이고, 1단계 자율화의 매출이 2단계 개발비를 대는 구조라면 개틱의 경로입니다.

웨이모의 11년이 알려 주는 것은 자율화가 불가능하다는 것이 아니라, 자율화가 시간과 경험으로만 살 수 있는 것이라는 사실입니다. 다만 그 시간을 인내 자본으로 사는 방법과 조기 매출로 사는 방법이 있고, 대부분의 회사에게 가능한 것은 후자뿐입니다. 밸리가 길다는 사실 자체는 바꿀 수 없지만, 밸리를 계단으로 자르는 설계는 선택할 수 있습니다. 그리고 그렇게 자른 첫 계단을 먼저 밟기 시작한 쪽이, 나중에 따라잡히지 않습니다.