Executive Summary

이 보고서가 딛고 선 숫자는 넷이다. 앞의 둘은 유럽 쪽 제도가 지금 어디까지 와 있는지를 가리키고, 뒤의 둘은 그 사이에 무엇을 쌓아 두어야 하는지를 가리킨다.

이 글은 정부 발표문과 언론 보도, 그리고 EU 관보와 표준화 기구 공지 같은 1차 문서를 대조해 쓴 분석이다. 로봇 훈련소를 둘러싼 배경과 예산 구조는 행동 데이터가 왜 병목인지 다룬 앞선 글과 피지컬 AI 예산에서 데이터가 차지하는 몫을 따진 글에서 이미 다뤘으므로 여기서는 반복하지 않는다. 이 글이 새로 다루는 것은 그 앞선 글들이 건드리지 않은 하나, 성적서가 규제 절차 안에서 갖는 법적 지위다.

편집자의 노트. 데이터의 품질을 문서로 남기는 일을 업으로 하는 회사가 쓴 글이니, 이해관계를 먼저 밝혀 둔다. 페블러스는 측정과 기록의 계층에 서 있고 인정기관도 인증기관도 아니다. KOLAS 인정은 추진 단계이며 일정과 범위는 확정되는 시점에 따로 밝힌다. 이 글은 국내 성적서로 유럽 규제에 대응할 수 있다고 말하지 않는다. 그 문장이 성립하려면 무엇이 더 있어야 하는지를 조문 단위로 따져 볼 뿐이다.

먼저 무엇이 확인되고 무엇이 확인되지 않는지부터 갈라 놓자. 이 주제를 다룬 국내 보도와 자료에는 시설의 규모와 배치가 꽤 구체적으로 적혀 있는데, 1차 출처로 거슬러 올라가면 그중 상당 부분이 근거를 찾기 어렵다. 규제 대응처럼 문서가 곧 근거가 되는 이야기에서는 이 구분이 특히 중요하다. 확인되지 않은 숫자 하나가 사업계획서에 들어가면 그 문장 전체가 흔들린다.

확인되는 것부터 적는다. 과학기술정보통신부는 2026년 7월 1일 「피지컬 AI 핵심 경쟁력 확보 전략」을 발표했다. 정책브리핑에 실린 본문은 정부 사업으로 생성되는 로봇 행동데이터 등 범용 데이터와 분야별 데이터를 한 곳에 집적하고, 제조와 모빌리티와 농업 등 현장의 행동 데이터도 확보하겠다고 적는다. 전략의 네 축은 데이터 확보, 핵심기술 개발, 서비스 확산, 생태계 조성이고 정부는 앞으로 3년을 골든타임으로 잡았다.

언론이 전하는 시설 구조는 허브와 스포크에 가깝다. 서울 등 중앙 거점에서 로봇 구동에 필요한 기본 행동 데이터와 합성데이터를 생산하고 가공하며, 지역별 인공지능 전환 거점에서 제조와 농업, 물류, 서비스 현장의 데이터를 모으는 구성이다. 과기정통부 관계자의 설명은 전북과 경남 등에서 진행 중인 피지컬 AI 사업과 지역 거점을 최대한 활용하겠다는 데까지다. 시설 이름은 가칭 데이터 트레이닝센터이며, 예산은 아직 확보에 나선 단계다.

돈이 붙은 자리도 정확히 구분해야 한다. 경남과 전북의 피지컬 AI 기반 인공지능 전환 연구개발 사업에는 2026년부터 2030년까지 1조 4,131억 원이 배정돼 있다. 경남은 정밀제어, 전북은 인공지능 플랫폼 쪽이다. 그런데 로봇 훈련소는 이 사업과 별도로 추진되며, 데이터 트레이닝센터 항목의 구체적 금액은 2027년 예산안에서도 확인되지 않는다. 두 숫자를 붙여 놓으면 1조 4천억짜리 훈련소를 짓는다는 오해가 생긴다. 지금 확인 가능한 문장은 예산 확보 단계라는 데까지다.

비교 대상을 하나 두면 이 구조가 더 잘 보인다. 제조 현장의 암묵지를 데이터로 옮기려는 시도는 이미 제조 데이터 라이브러리 사업에서 한 차례 진행됐고, 거기서도 병목은 수집량에 있지 않았다. 무엇을 어떻게 기록으로 남길지가 문제였다. 로봇 훈련소가 마주할 질문도 같은 자리에 있다.

이 글의 출발점은 정부 발표문 안의 한 구절이다. 데이터를 모으겠다는 말 뒤에 문장이 하나 더 붙어 있는데, 거기서 가리키는 것은 데이터에 붙는 기록이다.

유효성 검증은 모은 데이터가 쓸 만한지 판정하고 그 판정을 남긴다는 뜻이다. 상호운용성 표준 제정은 그 판정이 다른 기관에서도 같은 의미로 읽히게 만든다는 뜻이다. 두 문구를 이어 붙이면 시설의 산출물 목록이 나온다. 데이터셋 하나에 대해 대표성을 어떻게 확인했는지의 기록, 라벨 오류율, 편향 조사 결과, 어떤 조건이 데이터에 빠져 있는지를 적은 공백 로그, 그리고 학습된 정책을 실제로 돌려 본 폐루프 성공률과 안전률이다.

이 목록이 낯익다면 그럴 만하다. 유럽연합 인공지능법 제10조와 부속서 IV가 고위험 시스템 공급자에게 요구하는 데이터 거버넌스 문서가 거의 같은 항목을 부른다. 아래 표는 두 쪽을 나란히 놓은 것이다. 왼쪽은 정부가 짓겠다는 시설의 산출물이고 오른쪽은 유럽 조문이 요구하는 문서다.

조문 대응은 Regulation (EU) 2024/1689 제10조와 부속서 IV를 기준으로 정리했다. 제10조가 요구하는 증적의 내용 자체는 라벨링 감사 증적을 다룬 앞선 글에서 더 자세히 뜯어봤다.

표에서 두 번째 줄은 이 글의 주제와 유난히 가깝게 붙어 있어 따로 떼어 읽을 만하다. 제10조 제4항은 데이터셋이 "고위험 시스템이 사용될 특정한 지리적·맥락적·행동적·기능적 설정에 고유한 특성이나 요소를 의도된 목적이 요구하는 범위에서 고려해야 한다"고 적는다. 조문이 행동적 설정이라는 말을 직접 쓴다. 국내 공장에서 모은 조립 동작을 학습한 로봇을 유럽 공장에 들여놓는 순간 이 항이 켜지고, 물어야 할 것은 데이터의 양이 아니라 배치될 현장의 조건이 데이터 안에 들어와 있느냐가 된다. 작업대 높이, 조명, 부품 배치 관행, 작업자와 로봇이 공간을 나눠 쓰는 방식은 나라와 공장마다 다르다.

국산 데이터로 주권을 확보한다는 서사와 이 조항이 만나는 지점이 여기다. 두 이야기는 충돌하지 않지만 서로 다른 것을 요구한다. 앞의 것은 데이터를 남의 손에 맡기지 말라고 하고, 뒤의 것은 그 데이터가 팔려 갈 현장을 대표하는지 보이라고 한다. 국내에서만 모은 데이터로 유럽에 파는 제품을 학습시켰다면, 제10조 제4항 앞에서 필요한 것은 데이터가 국산이라는 사실이 아니라 유럽 배치 조건이 어느 범위까지 커버됐고 어디가 비었는지를 적은 기록이다. 그 기록은 공백 로그와 같은 물건이다.

2.1규제 용어가 가리키는 것은 결국 성능 문제다

대표성이니 커버리지니 하는 말이 규제 담당자만의 어휘처럼 들린다면, 로봇을 실제로 돌려 본 연구를 한 편 보는 편이 빠르다. 워싱턴대와 엔비디아 연구진이 발표한 COLOSSEUM 벤치마크는 조작 과제 20개를 물체와 작업대와 배경의 색·질감·크기, 조명, 방해물, 물리 속성, 카메라 시점 등 14개 축으로 교란하며 최신 조작 모델 다섯 종을 돌렸다. 논문의 보고는 이렇다.

수치를 읽을 때 조심할 대목이 하나 있다. 30~50%는 14개 교란 축 전반에 걸친 범위이고 75% 이상은 교란이 겹쳤을 때다. 카메라 시점 하나만 바꿔서 얻은 숫자가 아니다. 논문은 시점이 영상 기반 모델에서 특히 크게 작용한다고만 적었고, 시점 단독 낙폭은 초록에 나오지 않는다. 여기서 중요한 것은 낙폭의 크기 자체보다, 무너지는 지점이 데이터에 없던 조건이라는 사실이다.

평균값보다 실무에 쓸모 있는 것은 논문이 이름을 붙여 지목한 세 가지다. 성능을 가장 크게 떨어뜨린 교란은 방해물 개수의 변화, 대상 물체의 색, 조명 조건이었다. 원인도 함께 적혀 있다. RGB 영상을 종단간으로 학습한 2차원 모델에서는 색과 질감의 변화가 입력 공간 자체를 밀어내기 때문에 출력까지 함께 흔들리고, 실환경 사전학습을 거치지 않은 모델은 화면에 물건이 몇 개 더 놓이는 것만으로 무너진다. 반대로 어수선한 실제 장면으로 사전학습한 모델은 방해물에 거의 영향을 받지 않았다. 수집 계획을 짜는 쪽에서 보면 이것은 우선순위 목록이다. 조명과 배경 색과 방해물 개수를 직교하게 흩어 놓지 않은 데이터셋은 아무리 커도 같은 자리에서 무너진다.

그러면 데이터를 더 모으면 되는가. ICLR 2025에 발표된 모방학습 데이터 스케일링 법칙 연구는 시연 4만여 건을 모으고 실물 롤아웃 1만 5천 회로 검증해 반대 방향의 답을 냈다. 일반화 성능은 환경 수와 물체 수에 대해 거듭제곱 법칙을 따르는 반면, 환경 하나당 시연 횟수는 일정 임계치를 넘으면 추가 효과가 거의 없었다. 연구진이 제시한 실무 레시피는 환경 32곳에서 서로 다른 물체 하나씩을 50회씩 시연하면 새 환경과 새 물체에서 약 90% 성공률에 닿는다는 것이다.

이 레시피를 시설 규모 산정에 그대로 옮기기 전에 논문이 스스로 그어 놓은 선을 봐야 한다. 연구진이 다룬 것은 과제 하나짜리 정책이고, 과제 수준의 일반화는 다루지 않았다고 한계에 명시했다. 검증도 물 따르기, 마우스 정리, 수건 접기, 충전기 뽑기 네 과제에서만 이뤄졌다. 수집은 원격 조작이 아니라 손에 드는 그리퍼 장치로 했고 위치 추정이 어려운 환경에서는 시연의 약 10%가 무효로 걸러졌으며, 학습 알고리즘도 한 종류만 썼다. 그러니까 환경 32곳이라는 숫자는 공정 하나에 붙는 값이지 시설 전체에 붙는 값이 아니다. 다품종 다공정을 표방하는 거점이 이 숫자를 총량으로 읽으면 규모를 크게 잘못 잡는다.

같은 두 논문이 검증 방식에 대해서도 답을 준다. 앞의 §2에서 시설의 산출물 목록에 폐루프 성공률과 안전률을 넣어 두었는데, 왜 오프라인 지표로는 안 되는지가 여기서 나온다. COLOSSEUM 연구진은 시뮬레이션 결과가 현실에서도 성립하는지 확인하려고 같은 교란을 실물로 재현해 대조했고, 두 결과의 상관은 R̄² = 0.614였다. 방향은 맞지만 실물의 절반 남짓만 설명한다는 뜻이다. 데이터 스케일링 논문 쪽에서도 비슷한 어긋남이 관찰된다. 오프라인 예측 오차와 실제 점수는 환경과 물체를 함께 늘리는 실험에서는 거의 완벽하게 반대로 움직였지만, 물체만 늘리는 실험에서는 학습 물체가 16개를 넘어가면서 오차가 오히려 올라가 상관이 흐트러졌다.

이 두 숫자가 트레이닝센터 설계에 주는 함의는 분명하다. 디지털 트윈으로 증폭한 데이터도, 검증셋 위에서 잰 오차도 그 자체로는 판정이 되지 않는다. 실물 로봇을 실제로 돌려 성공률과 안전률을 재는 계층이 별도로 있어야 하고, 그 결과가 데이터셋 옆에 기록으로 남아야 한다. 합성데이터 비중이 높은 시설일수록 이 계층은 더 두꺼워야 한다. 증폭은 값싸고 검증은 비싸지만, 비싼 쪽을 생략한 기록은 규제 앞에서도 현장에서도 쓸 수 없다.

기록을 남기기로 했다면 다음 질문은 무엇으로 재느냐다. 국제표준화기구와 국제전기기술위원회의 합동기술위원회 산하 인공지능 분과가 만든 ISO/IEC 5259 시리즈가 그 자리를 채운다. 다섯 파트가 서로 다른 층을 맡는 구조라 어느 파트를 인용하느냐에 따라 말하는 내용이 완전히 달라진다.

여기서 국내 자료에 자주 등장하는 서술 하나를 바로잡아야 한다. 한국이 주도해 제정한 파트는 5259-2가 아니라 5259-5다. 산업통상자원부 국가기술표준원의 인공지능 표준화 로드맵에 따라 한국산업기술시험원이 이화여대 연구진과 함께 개발했고, 국가기술표준원은 2023년 11월 같은 기관을 SC 42의 국내 간사기관으로 지정했다. 측정 항목을 규정하는 5259-2는 국제 공동 산출물이다. 5259 시리즈의 측정 항목을 실무에서 어떻게 쓰는지는 5259-2 치트시트와 표준화 로드맵 정리에 따로 적어 두었다.

표준이 있다고 인증이 흔한 것은 아니다. 5259-3 인증은 2025년 12월 SGS가 인프라 분석 기업 AI Clearing에 발급한 세계 최초 사례가 지금까지 확인되는 유일한 건이다. 2026년 8월 현재까지 추가 사례는 보이지 않는다. 행동 데이터에 특화된 표준으로는 ISO/WD 26264가 개발 중인데, 그 진행 상황은 휴머노이드 로봇 데이터 표준을 다룬 글에 정리해 두었다.

3.1유럽이 올해 처음 발행한 인공지능법 표준은 데이터 표준이 아니다

유럽 쪽 잣대는 다른 시계로 움직인다. 집행위원회는 2023년 5월 표준화 요청 M/593으로 유럽표준화위원회와 유럽전기기술표준화위원회의 합동기술위원회 JTC 21에 인공지능법 조화표준 개발을 맡겼다. 당초 마감은 2025년 4월 30일이었고 지켜지지 않았다. 요청은 2025년 6월 M/613으로 개정되며 만료가 2027년 2월 28일까지 밀렸다. 두 기구는 2025년 10월 기술이사회에서 문의 절차 결과가 긍정적이면 형식 투표를 건너뛰고 바로 발행할 수 있게 하는 가속 결정까지 내렸다.

그 결과가 올해 나왔다. EN 18286:2026이 2026년 7월 12일 승인되고 7월 22일부터 이용 가능해지며, 인공지능법을 지원하는 유럽표준 가운데 처음으로 발행 단계에 도달했다. 다만 이 표준이 대응하는 것은 제17조 품질경영시스템이다. 데이터를 다루는 제10조에 대응하는 표준은 prEN 18284인데, 정식 명칭이 인공지능 데이터셋의 품질과 거버넌스이면서도 아직 초안 상태다. 편향 관리를 맡는 prEN 18283, 리스크 관리와 로깅과 적합성평가 프레임워크를 맡는 prEN 18228과 18229-1, 18285도 문의 또는 작성 단계에 있다.

층위도 한 번 짚어야 한다. EN 18286이 대응하는 제17조는 인공지능법 3장 3절에 있고, 적합성 추정의 근거 조문인 제40조 제1항이 지목하는 필수요건은 3장 2절에 있다. 품질경영시스템 표준이 관보에 인용되더라도 제10조까지 자동으로 추정 적합이 생기지는 않는다.

그리고 발행은 마지막 칸이 아니다. 유럽에서 적합성 추정을 만드는 것은 EU 관보에 인용된 조화표준이고, 인용은 발행 이후 집행위원회가 별도로 판단하는 절차다. 아래 도식은 JTC 21 산출물이 지금 어느 칸에 있는지를 보여 준다.

도식이 그리는 네 칸은 조화표준이 걸어가는 길이다. 마지막 칸에 이르는 길은 사실 하나가 더 있다. 집행위원회가 공통기준을 직접 채택하는 경로인데, 표준화가 지연될 때를 위해 마련된 장치라 지금 상황과 맞물린다. 그 조문과 로봇에 적용되는 방식은 §4.2에서 따로 다룬다.

공백기에 무엇을 쓰느냐는 질문에는 실무적인 답이 하나 있다. 인용된 조화표준이 없는 동안 ISO/IEC 5259와 ISO/IEC 8183 같은 국제표준이 사실상의 실무 지침으로 거론된다. 다만 이것은 법적 추정이 아니라 관행이다. 표준을 따랐다는 사실만으로 준수가 추정되지 않으므로, 그 표준으로 무엇을 어떻게 확인했는지를 직접 입증해야 한다.

국내 공인시험기관이 발급한 데이터 품질 성적서를 들고 유럽 시장에 간다고 해 보자. 그 종이가 규제 절차 안에서 어떤 힘을 갖는지는 세 곳에서 갈린다. 세 관문은 순서대로 지나가는 문이 아니라 서로 다른 층위의 질문이라, 하나라도 헷갈리면 사업계획서에 적은 증적 발급이라는 한 줄이 실무에서 성립하지 않는다.

4.1잴 능력은 있다. 문제는 그다음이다

첫 번째 관문을 흔히 능력의 문제로 오해한다. 국내에는 인공지능 데이터 품질을 잴 공인시험기관이 없다는 서술이 여기저기 보이는데, 사실이 아니다. 「KOLAS 공인기관 인정제도 운영요령」의 인정분야 목록에는 소프트웨어시험 분야가 이미 코드로 등재돼 있고, 한국건설생활환경시험연구원은 ISO/IEC 25059와 TS 25058, TS 4213을 기준으로 인공지능 품질과 학습용 데이터 품질 시험을 공인 성적서로 발급한다. 한국건물에너지기술원도 소프트웨어시험 분야 인정을 갖고 인공지능 신뢰성 규격으로 범위를 넓히고 있으며, 별도 시험기관 한 곳은 2022년 1월 같은 분야 인정을 받았다.

진짜 관문은 그다음 칸에 있다. 인정은 시험기관이 그 시험을 제대로 할 능력이 있는지를 확인하는 제도이고, 지정은 특정 법령의 적합성평가를 대신 수행할 기관을 정부가 지목하는 행위다. 유럽연합의 피통보기관은 회원국 정부가 자국 영토 안의 기관을 지정한다. 인정기구가 지정하는 것이 아니다. 상대국 기관이 그 역할을 하려면 정부 간 적합성평가 상호인정협정이 있어야 하는데, 유럽연합이 이 협정을 맺은 제3국은 호주, 캐나다, 이스라엘, 일본, 뉴질랜드, 스위스, 미국 일곱 나라이고 한국은 여기 없다. 한-EU 자유무역협정에 전자와 자동차 부속서의 규제협력 조항이 있지만 피통보기관 지정 메커니즘을 만들지는 않는다.

이 구도는 관행이 아니라 조문에 박혀 있다. 인공지능법 제39조는 제3국 적합성평가기관을 다루는 단 한 문장짜리 조항인데, 그 한 문장에 조건이 전부 들어 있다. 유럽연합이 협정을 체결한 제3국의 법에 따라 설립된 적합성평가기관은, 제31조의 요건을 충족하거나 그와 동등한 수준의 준수를 보장하는 경우에 한해 이 규정에 따른 피통보기관 활동을 수행하도록 승인될 수 있다는 것이다. 읽는 순서가 중요하다. 협정이 앞에 오고 역량은 뒤에 온다.

조문이 동등한 수준의 준수라는 표현으로 문을 열어 둔 것은 사실이다. 유럽 방식과 똑같지 않아도 된다는 뜻이니 기술적으로는 여지가 있다. 다만 그 여지는 협정이 있고 난 다음에 열린다. 그래서 국내 시험기관이 장비를 더 갖추거나 인정 범위를 넓히는 것으로는 이 칸을 통과할 수 없다. 필요한 것은 시험소가 아니라 협정이고, 협정을 맺는 주체는 정부다. 실무에서 가장 자주 오해되는 대목이 바로 여기다.

그렇다고 국내 시험이 무용해지는 것은 아니다. 실무에서 쓰이는 길은 둘이다. 시험 결과를 기술문서에 넣어 제출하거나, 유럽 피통보기관의 하도급 또는 입회시험 체계 안에서 활용하는 것이다. 증서 자체는 유럽 기관이 발급한다.

4.2발행과 인용은 다른 칸이다

두 번째 관문은 앞 섹션에서 도식으로 본 그 칸이다. 인공지능법 제40조는 관보에 인용된 조화표준을 따른 고위험 시스템에 필수요건 적합성이 추정된다고 정한다. 추정이 생기면 공급자는 그 표준을 따랐다는 사실만 보이면 되고, 생기지 않으면 조문이 요구하는 바를 스스로 충족했음을 직접 입증해야 한다. 실무 부담의 차이가 크다.

2026년 8월 현재 그 추정을 가진 공급자는 아무도 없다. 인공지능법을 지원하는 유럽표준 가운데 관보에 인용된 것이 하나도 없기 때문이다. 두 기구가 2026년 4분기를 목표로 가속 중이고 표준화 요청 만료도 2027년 2월 28일로 밀려 있으니 상황은 바뀔 수 있다. 다만 그 목표가 가리키는 것은 발행이지 인용이 아니고, 데이터 표준은 아직 첫 칸에 있다.

그런데 마지막 칸으로 들어가는 문이 하나가 아니다. 인공지능법 제41조는 조화표준이 제때 나오지 않을 때를 대비해 집행위원회가 공통기준을 이행법으로 채택할 수 있게 해 두었고, 제41조 제3항은 그 공통기준을 따른 시스템에도 조화표준과 똑같은 추정 적합을 부여한다. 발동 요건이 흥미롭다. 표준화 요청이 기한 안에 이행되지 않았을 것, 그리고 해당 요구사항을 다루는 조화표준의 관보 인용이 없고 합리적인 기간 안에 인용이 예상되지도 않을 것. 앞 문단에서 적은 상황을 그대로 옮겨 놓은 문장처럼 읽힌다. 물론 조문은 집행위원회가 채택할 수 있다고 적었지 채택해야 한다고 적지 않았다. 그리고 인공지능법 고위험 요건에 대해 실제로 채택된 공통기준은 이 글을 쓰는 시점까지 확인되지 않는다.

이 두 번째 문이 로봇에 대해서는 이미 배선까지 끝나 있다는 점이 더 중요하다. 2026년 7월 디지털 옴니버스는 기계류 규정 제20조에 항을 하나 신설했다. 기계류 규정 아래에서 인공지능 관련 조화표준이나 공통기준이 나오기 전까지는, 인공지능법 제40조에 따라 인용된 조화표준 또는 제41조에 따라 채택된 공통기준을 따른 고위험 시스템이 기계류 규정 부속서 III의 필수 보건·안전 요구사항에 적합한 것으로 추정된다는 내용이다. 로봇을 만드는 쪽에서 보면 지금 비어 있는 칸이 두 방향에서 채워질 수 있고, 그중 한쪽 열쇠는 표준화기구가 아니라 집행위원회가 쥐고 있다.

그래서 두 번째 관문의 정확한 문장은 관보 인용이 0건이라 추정이 영영 없다는 쪽이 아니다. 오늘 기준으로 추정을 만들어 주는 문서가 인용된 조화표준에도 채택된 공통기준에도 존재하지 않는다는 것, 그리고 어느 쪽이 먼저 도착할지가 아직 정해지지 않았다는 것이다. 준비하는 입장에서 이 구분은 사소하지 않다. 표준 하나만 지켜보다가 공통기준이 먼저 나오면 대응이 늦고, 두 경로 모두 제10조가 부르는 같은 항목을 겨냥한다는 점을 알고 있으면 기록부터 쌓아 두는 쪽이 어느 문이 열리든 유리하다.

4.3한쪽은 제3자를 안 부르고, 다른 쪽은 유럽 기관만 부른다

세 번째 관문에서 경로가 양극단으로 갈린다. 부속서 III 2호부터 8호까지의 독립형 고위험 시스템은 제43조에 따라 부속서 VI 내부통제 단독 경로를 탄다. 피통보기관이 개입하지 않고, 제3자 성적서를 요구하지도 않는다. 그렇다고 가벼운 경로는 아니다. 공급자는 품질경영시스템이 제17조 요건에 맞는지 스스로 검증하고, 기술문서를 근거로 필수요건 충족 여부를 평가하고, 설계와 개발 과정이 그 문서와 일치하는지 확인해야 한다. 기술문서와 적합성선언은 제18조와 제47조에 따라 10년간 보관하며 당국이 요구하면 언제든 제시해야 한다. 게다가 집행위원회는 제97조 위임입법으로 이 목록을 제3자 평가 대상으로 격상시킬 권한을 갖고 있어, 영구히 자기평가라는 보장도 없다.

반대편 끝에 로봇이 있다. 2026년 7월 관보에 실린 Regulation (EU) 2026/1744 제1조 41항이 기계류를 인공지능법 부속서 I의 섹션 A에서 섹션 B로 옮겼다. 섹션 B 품목은 인공지능법의 일반 고위험 절차를 그대로 타지 않고 기계류 규정 자체의 경로를 우선 따른다. 규제가 느슨해졌다는 뜻으로 읽기 쉬운 대목인데, 옮겨 간 그 경로가 더 빡빡하다.

느슨해 보이는 이유는 절반은 사실이다. 인공지능법 제2조 제2항에 따라 섹션 B 품목에 대해서는 인공지능법 가운데 제6조 제1항과 제102조부터 제109조, 제112조만 적용된다. 제10조를 포함한 3장 2절의 요건이 로봇에 직접 걸리지는 않는다. 그러나 옴니버스는 그 자리를 비워 두지 않았다. 같은 규정이 기계류 규정 제8조에 항을 더해, 집행위원회가 기계류 규정 부속서 III에 인공지능 관련 보건·안전 요구사항을 추가하는 위임입법을 채택하도록 의무화했다. 그 요건은 인공지능법 3장 2절과 제17조, 제19조, 제72조, 제73조를 반영해야 하고, 위임입법은 2028년 8월 2일까지 적용되어야 한다.

정리하면 제10조가 부르는 데이터 거버넌스 항목은 로봇 앞에서 사라지는 것이 아니라 옷을 갈아입는다. 인공지능법의 고위험 요건이 아니라 기계류 규정의 필수 보건·안전 요구사항으로 도착하고, 위반을 다루는 곳도 기계류 규정의 시장 감시 체계다. 준비하는 쪽에서 실제로 달라지는 것은 참조할 조문의 이름과 심사에서 마주칠 상대다. 갖춰야 할 기록의 목록은 그대로다. 규제가 단순해졌다는 설명을 들었다면 정확히는 하나의 법으로 모였다는 뜻이지, 요구가 줄었다는 뜻이 아니다.

Regulation (EU) 2023/1230, 즉 기계류 규정의 부속서 I 파트 A는 제3자 적합성평가가 항상 필요한 범주를 열거한다. 이번에 신설된 5호가 안전기능을 수행하는 완전 또는 부분적 자기진화형 기계학습 기반 안전부품이고, 6호가 그런 부품을 내장한 기계류다. 기계학습을 직접 겨냥해 만든 항목이다. 파트 A에 들어가면 조화표준을 온전히 따라도 자기선언이 불가능하고, 모듈 B+C나 H, G처럼 피통보기관이 개입하는 경로만 남는다. 참고로 파트 B의 19개 범주는 조화표준을 적용하면 자기선언이 된다.

두 극단이 같은 결론으로 모인다. 한쪽은 제3자를 아예 부르지 않으니 국내 성적서가 필요 없고, 다른 쪽은 유럽이 지정한 기관만 부르니 국내 성적서가 증서를 대신할 수 없다. 어느 쪽에서도 국내 성적서는 법적 도구가 아니라 제출 가능한 증거다. 그런데 증거로서의 값어치는 결코 작지 않다. 내부통제 경로에서는 기술문서의 설득력이 곧 준수의 근거이고, 피통보기관 경로에서는 심사가 어디서 멈추느냐를 그 증거가 결정한다.

시한 이야기를 하면 국내 논의는 대체로 2028년 8월 2일에서 멈춘다. 인공지능법 부속서 I 제품 내장형 고위험 시스템의 준수 시한이 그날이니 틀린 말은 아니다. 그런데 로봇을 만드는 회사가 실제로 먼저 부딪히는 문은 그 문이 아니다. 앞 섹션에서 본 대로 로봇 내장 인공지능은 기계류 규정의 경로를 우선 타고, 기계류 규정은 2027년 1월 20일부터 적용된다. 이 글을 쓰는 시점에서 열일곱 달 뒤다.

아래는 2026년 7월 디지털 옴니버스가 정리한 날짜들을 한 줄에 세운 것이다. 로봇에 해당하는 두 칸을 강조했다.

마지막 두 칸은 읽는 법을 한 번 더 짚어야 한다. 2028년 8월 2일은 인공지능법 부속서 I 품목의 준수 시한이지만, 로봇에 그날 도착하는 것은 인공지능법의 의무가 아니라 기계류 규정 부속서 III에 인공지능 요건을 심어 넣는 위임입법이다. 앞 섹션에서 본 대로 집행위원회는 그 위임입법을 채택해야 하고 적용 기한이 같은 날로 맞춰져 있다. 그러니 로봇 기업의 달력에는 두 날짜가 찍힌다. 2027년 1월 20일에 기계류 규정 본체가 켜지고, 2028년 8월 2일에 그 규정 안으로 인공지능 요건이 들어온다. 사이의 열아홉 달은 두 번째 날짜를 위한 준비 기간이지 빈 구간이 아니다.

날짜가 밀린 것을 요건이 느슨해진 것으로 읽으면 준비 순서가 통째로 어긋난다. 연기된 것은 시한이지 요건이 아니다. 그리고 로봇 기업 입장에서는 애초에 연기되지 않은 문이 먼저 열린다. 인공지능법 시한 전체를 어떻게 읽어야 하는지는 2026년 8월 시한의 실제 적용 범위를 따진 글에 정리해 두었다.

정부가 예산을 짜는 사이 민간 시설은 이미 돌아가기 시작했다. 이 대목이 중요한 까닭은 기준의 소유권에 있다. 무엇이 좋은 행동 데이터인가라는 질문에 공적 성적서가 늦게 답하면, 그 답은 시설을 먼저 돌린 쪽에서 사실상의 표준으로 굳는다.

표의 마지막 줄을 눈여겨볼 만하다. 엔비디아의 청사진에서 평가는 선택 도구가 아니라 파이프라인의 한 계층이다. 데이터를 정제하고, 증폭해 다양화하고, 그 결과를 자동으로 채점해 걸러 낸다. 코드가 공개되어 있고 초기 채택 기업 목록에는 로봇과 자율주행, 산업 소프트웨어 기업들이 줄지어 있다. 사적 평가 계층은 이미 작동하고 있다. 국가가 성적서 체계를 갖추기 전에, 어떤 데이터가 쓸 만한지에 대한 판정 기준이 벤더 쪽에서 먼저 자리를 잡을 수도 있다.

중국에서도 정부 주도의 로봇 훈련센터가 이미 가동 중이라는 보도가 있다. 규모나 구성을 확인할 만한 1차 자료를 찾지 못해 여기서는 가동 사실까지만 적는다.

대조 사례를 하나 두면 공적 체계가 무엇을 할 수 있는지가 보인다. 싱가포르는 평가 도구와 인증 스택을 국가 단위로 묶어 놓고 민간 인증기관과 연결하는 방식으로 접근했다. 그 구조와 한계는 싱가포르 AI 신뢰 인프라를 다룬 글에 적어 두었다. 핵심은 도구를 만든 것 자체가 아니라, 그 도구의 결과를 받아 줄 자리를 제도 안에 함께 만들었다는 데 있다. 로봇 훈련소의 산출물도 같은 질문 앞에 선다. 검증 기록을 누가 어떤 형식으로 받아서 어디에 쓰는가.

세 관문을 따라오면 사슬이 여러 칸으로 나뉜다는 것이 보인다. 재는 칸, 인정하는 칸, 지정하는 칸, 증서를 발급하는 칸. 그중 페블러스가 서 있는 자리를 정확히 그어 둔다. 경계를 흐리게 말하는 편이 마케팅에는 유리하겠지만, 규제 문서를 다루는 글에서는 그 흐림 자체가 신뢰를 깎는다.

7.1우리 칸은 측정과 기록이다

페블러스는 인정기구도 아니고 피통보기관도 아니다. 인정은 KOLAS의 몫이고, 지정은 유럽 회원국 정부의 몫이다. 페블러스가 만드는 것은 그 앞 칸, 데이터셋의 품질을 실제로 재고 그 판정을 문서로 남기는 계층이다. DataClinic이 ISO/IEC 5259-2의 품질 측정 항목을 제품으로 구현한 것이 그 결과물이다. KOLAS 인정은 추진 단계이며 일정과 범위는 확정되는 시점에 따로 밝힌다.

트레이닝센터가 유효성 검증을 표방하는 순간 그 검증을 실제로 수행하고 기록으로 남기는 계층이 필요해진다. 검증을 표방하는 것과 검증 기록을 갖추는 것은 다른 일이다. 앞의 것은 사업계획서 한 줄이고 뒤의 것은 데이터셋마다 붙는 파일 묶음이다.

7.2규제 문서와 모델 성능이 같은 것을 가리킨다

규제와 성능은 서로 다른 언어를 쓰지만 결국 같은 지점에서 만난다. 조작 정책은 조명과 배경과 시점이 바뀌면 무너지고, 그 붕괴는 데이터가 적어서가 아니라 조건의 직교성과 커버리지가 관리되지 않아서 생긴다. 데이터 스케일링 법칙 연구가 보인 대로 환경 하나당 시연을 늘리는 것은 임계치를 넘으면 효과가 거의 없고, 성능을 만드는 것은 환경과 물체의 다양성이다.

제10조의 대표성과 완전성, 5259의 커버리지와 다양성은 규제 담당자를 위해 만들어진 용어처럼 보이지만 실은 그 붕괴를 미리 잡아내는 측정값이다. 규제 문서가 요구하는 항목과 모델이 실제로 필요로 하는 조건은 같은 곳을 가리킨다. 이 글이 이어 보이려 한 것이 그 연결이다. 컴플라이언스를 위해 만든 기록이 성능을 위한 기록과 다른 물건이어야 할 이유가 없다.

7.3실무자가 실제로 물어야 할 질문

유럽에 로봇이나 산업기계를 파는 기업의 담당자가 던지는 첫 질문은 대개 인증을 어디서 받느냐다. 이 글의 대답은 질문을 바꾸자는 쪽이다. 먼저 물을 것은 무엇을 기록해 두어야 2027년과 2028년에 제출할 수 있느냐다. 인증기관은 시한이 가까워지면 찾을 수 있지만 기록은 그때 만들 수 없다.

• 우리 제품의 기계학습 부품이 안전기능을 수행하는가. 그렇다면 기계류 규정 부속서 I 파트 A에 걸려 조화표준을 따라도 피통보기관이 필요하다.
• 우리가 지금 모으는 데이터에 대표성 확인 기록과 공백 로그가 함께 쌓이고 있는가. 데이터만 쌓이고 있다면 제출할 것이 없다.
• 국내 시험기관의 성적서를 어디에 쓸 것인가. 기술문서 첨부인가, 유럽 피통보기관 심사의 입력인가. 용도에 따라 필요한 형식이 다르다.
• 기록 체계가 10년을 버티는가. 보관 의무 기간이 10년이니 지금의 파일 구조와 식별자 체계가 그만큼 유지되어야 한다.

트레이닝센터나 지역 거점 사업에 제안서를 쓰는 쪽에는 다른 각도의 함의가 있다. 증적을 발급한다는 한 줄이 성립하려면 어떤 지정과 어떤 표준과 어떤 경로가 전제되는지를 먼저 적어 두는 편이 낫다. 그 전제를 적어 두면 사업의 범위가 오히려 선명해진다.

마지막으로 이 글이 확인하지 못한 것을 적어 둔다. 데이터 트레이닝센터의 2027년 예산 금액, 카메라 시점 변화 단독의 성공률 낙폭, 한국의 대유럽 로봇·기계류 수출 규모, 유럽 피통보기관 부족의 정량적 규모, EN 18286 원문의 내부 조항 구성은 확인하지 못했다. 제41조 공통기준에 대해서도 조문과 발동 요건까지만 확인했고, 집행위원회가 실제로 준비 중인 초안이 있는지는 공개 자료로 확인되지 않아 채택 사례가 없다고 단정하지 않고 확인되지 않는다고만 적었다. 특히 예산과 수출 규모는 공개 통계 자체가 없거나 별도로 집계되지 않는다. 없음을 없음으로 남긴다.

정책·법령 (EU)

• 1.Regulation (EU) 2024/1689 (Artificial Intelligence Act), OJ L, 2024/1689, 2024-07-12 — 제2조 제2항(섹션 B 품목에 대한 적용 범위 제한), 제10조(특히 제4항의 지리적·맥락적·행동적·기능적 설정), 제17조, 제18조, 제39조(제3국 적합성평가기관), 제40조, 제41조(공통기준), 제43조, 제47조, 제97조, 부속서 I·IV·VI·VII. EUR-Lex
• 2.Regulation (EU) 2026/1744 (Digital Omnibus on AI), OJ 2026-07-24 게재, 2026-07-27 발효 — 제1조 (41)의 기계류 부속서 I 섹션 A→B 이동, 제1조 (40)의 시한 조정, 전문 (42)의 사후 접근 설명, 그리고 제3조의 기계류 규정 개정(제8조 위임입법 의무와 2028-08-02 적용 기한, 제20조 제10항의 추정 적합 가교). EUR-Lex
• 3.Regulation (EU) 2023/1230 (Machinery Regulation), 2027-01-20 적용 — 부속서 I 파트 A 5호·6호(기계학습 기반 안전부품과 그 내장 기계류)와 제25조 제2항의 모듈 B+C·H·G, 파트 B 19개 범주에 대한 제25조 제3항의 자기선언 조건. EUR-Lex
• 4.European Commission, Mutual Recognition Agreements — 적합성평가 상호인정협정 체결 제3국 목록(호주·캐나다·이스라엘·일본·뉴질랜드·스위스·미국). European Commission

표준·인정

• 5.CEN-CENELEC, "EN 18286 in the Spotlight: Supporting Compliance with the AI Act," 2026-07-30 — EN 18286:2026의 승인·이용 가능 시점과 대응 조문. CEN-CENELEC
• 6.CEN-CENELEC, "Update on CEN and CENELEC's Decision to Accelerate the Development of Standards for Artificial Intelligence," 2025-10-23 — 형식 투표 생략을 포함한 가속 결정. CEN-CENELEC
• 7.JTC 21 Standards Tracker(2026-06 스냅숏) 및 EU AI Act Harmonised Standards Map — prEN 18284·18283·18228·18229-1·18285의 진행 단계와 관보 인용 실적. Tracker · Standards Map
• 8.ISO/IEC 5259-2:2024, Artificial intelligence — Data quality for analytics and machine learning (ML) — Part 2: Data quality measures. ISO / ISO/IEC 5259-5:2025, Data quality governance framework(한국산업기술시험원 주도)
• 9.IAF, "Global Accreditation Cooperation Incorporated Launch" — ILAC·IAF의 2026-01-01 운영 중단과 GAC MRA 통합. IAF
• 10.국가기술표준원, KOLAS 인정제도 소개 및 「KOLAS 공인기관 인정제도 운영요령」(KOLAS-R-002) — 소프트웨어시험 인정분야. 국내 공인시험기관의 인공지능·학습데이터 품질 시험 서비스 안내(KCL, KBeT 등)
• 11.SGS, 세계 최초 ISO/IEC 5259-3 인증 발급(AI Clearing, 2025-12) — 2026-08 현재까지 확인되는 유일한 사례

학술

• 12.Pumacay, W., Singh, I., Duan, J., Krishna, R., Thomason, J., Fox, D., "THE COLOSSEUM: A Benchmark for Evaluating Generalization for Robotic Manipulation," RSS 2024. arXiv:2402.08191 — 14개 교란 축 전반 30~50%, 복합 교란 시 75% 이상 낙폭, 최악의 교란 3종(방해물 개수·대상 물체 색·조명), 시뮬레이션과 실물의 생태학적 타당성 상관 R̄²=0.614의 출처
• 13."Data Scaling Laws in Imitation Learning for Robotic Manipulation," ICLR 2025. arXiv:2410.18647 — 환경·물체 다양성의 거듭제곱 법칙과 환경당 시연 수의 임계 효과, 32환경×50시연 레시피, 그리고 §7의 적용 범위 한계(단일 과제 정책·네 과제 검증·UMI 수집)와 부록 E.1의 오프라인 지표 상관 분석

정책·보도 (한국)

• 14.과학기술정보통신부, 「피지컬 AI 핵심 경쟁력 확보 전략」, 2026-07-01 — 본문의 "데이터의 유효성 검증, 상호운용성 표준 제정 등 품질을 관리할 수 있는 체계" 인용 출처. 정책브리핑
• 15.한국경제, 「피지컬 AI 데이터 모을 로봇 훈련소 만든다」, 2026-06-25 — 중앙 거점과 지역 거점 구조, 가칭 데이터 트레이닝센터. 기사
• 16.한국경제, 「로봇 손끝 감각까지 데이터화…정부, 피지컬AI에 1.4조 투입」, 2026-07-13 — 경남·전북 인공지능 전환 연구개발 예산과 로봇 훈련소의 별도 추진. 기사
• 17.한국경제, 「현대차 로봇 훈련소 개장…현장데이터 신시장 잡는다」, 2026-08-23. 기사 / 서울경제, 「LG전자, 국내 최초 로봇 훈련소 짓는다」, 2026-06-11. 기사
• 18.NVIDIA Newsroom, "NVIDIA Announces Open Physical AI Data Factory Blueprint," 2026-03-16 — 정제·증폭·평가 3단 구성과 평가 계층의 표준화. NVIDIA

페블러스 인접 (교차 링크)

• 19.페블러스, 행동 데이터가 피지컬 AI의 병목이 된 이유. report/korea-physical-ai-behavior-data
• 20.페블러스, 피지컬 AI 예산에서 데이터가 차지하는 몫. report/korea-880-trillion-physical-ai-data-gap
• 21.페블러스, 인공지능법 제10조가 요구하는 라벨링 감사 증적의 내용. report/eu-ai-act-article10-labeling-audit-evidence
• 22.페블러스, 인공지능법 2026년 8월 시한의 실제 적용 범위. report/eu-ai-act-august-2026-deadline-reality
• 23.페블러스, 국가 단위 증빙 스택의 사례로서 싱가포르. report/singapore-ai-trust-infrastructure-2026
• 24.페블러스, 휴머노이드 로봇 데이터의 ISO 표준화 동향. report/humanoid-robot-data-iso-standard
• 25.페블러스, 오프라인 지표와 폐루프 성능이 어긋나는 문제. report/robot-data-curation-closed-loop-gap
• 26.페블러스, 제조 암묵지를 데이터로 옮기는 라이브러리 사업. report/korea-manufacturing-data-library-tacit-knowledge
• 27.페블러스, ISO/IEC 5259-2 측정 항목 정리와 표준화 로드맵. project/ISO5259/5259-2-cheetsheet-01 · iso5259-standardization-roadmap