앤트로픽 로봇 개 실험: 클로드 쓰자 제어 프로그래밍 속도 2배 빨라져

로봇 공학 지식이 거의 없는 소프트웨어 엔지니어들이 사족보행 로봇 개를 제어해야 한다면, AI의 도움 여부에 따라 어떤 차이가 발생할까요?

Anthropic은 최신 AI 모델이 디지털 환경을 넘어 물리 세계에 미치는 영향을 측정하기 위해 'Project Fetch'라는 실험을 진행했습니다. 사내 연구원과 엔지니어 8명을 모집했는데, 모두 로봇 분야 비전문가였습니다. 이들은 Claude를 사용하는 팀과 사용하지 않는 팀으로 4명씩 나뉘어, 로봇 개로 비치볼을 가져오는 과제를 수행했습니다.

상대 팀으로 돌진한 로봇 개

과제는 총 3단계로 구성되었습니다. 1단계는 제조사 기본 컨트롤러 조작, 2단계는 노트북을 직접 연결해 카메라와 라이다(LiDAR) 센서 데이터를 읽고 제어 프로그램을 짜서 공을 가져오는 단계, 3단계는 완전 자율 주행으로 공을 탐색해 가져오는 단계였습니다.

실험 시작 직후 아찔한 소동이 벌어졌습니다. Claude가 없는 팀이 로봇과의 연결 설정조차 못 해 헤매는 사이, Claude 팀은 AI가 작성한 코드로 즉시 로봇 개를 구동했습니다.

하지만 Claude 팀원의 사소한 계산 실수가 화를 불렀습니다. 로봇에게 1초에 1미터씩 5초 동안 전진하라는 명령을 내렸는데, 맞은편 5미터도 안 되는 거리에 상대 팀 작업 공간이 있었습니다. 기계음을 내며 돌진하던 로봇 개는 현장 관리자가 몸을 날려 전원을 끈 덕분에 다행히 충돌 직전에 멈췄습니다.

절반으로 줄어든 작업 시간, 하지만 분산된 집중력

전체 결과에서 Claude 팀은 양측이 모두 완료한 세부 과제들을 상대 팀 대비 약 절반의 시간에 끝냈습니다. 최종적으로 공을 자율 탐색하고 이동해 건드리는 3단계 수준까지 도달한 것도 Claude 팀뿐이었습니다.

Claude의 이점이 가장 두드러진 영역은 하드웨어 연결이었습니다. 인터넷에 퍼진 오류투성이 문서들 속에서 Claude 팀은 올바른 방식을 빠르게 찾아냈습니다. 반면 AI가 없던 팀은 잘못된 정보에 속아 쉬운 연결 방식을 버렸고, 주최 측의 힌트를 얻고서야 늦은 오후에 라이다 데이터를 겨우 읽어냈습니다.

하지만 AI 의존의 부작용도 관찰되었습니다. Claude 팀은 코드를 쉽게 만들 수 있다 보니 너무 많은 접근 방식을 동시에 시도했습니다. 심지어 좌표계가 반대로 뒤집힌 단순 버그가 발생했을 때도, 버그를 고치는 대신 다른 팀원이 생성한 완전히 다른 알고리즘으로 갈아타며 시간을 낭비했습니다. 실험 후 참가자들은 소프트웨어 라이브러리에 대한 이해도 시험을 본다면 AI 없이 작업한 팀이 더 높은 점수를 받을 것이라고 입을 모았습니다.

왜 중요한가

이번 실험은 대형 언어 모델이 현실의 물리적 장치와 결합할 때 발휘하는 실질적인 효용을 보여줍니다. 개발자에게 가장 큰 가치는 복잡한 하드웨어 통신과 파편화된 기술 문서를 빠르게 돌파해 준다는 점입니다. 로봇 공학 전문가가 아니더라도 몇 시간 만에 낯선 센서를 연동하고 제어 프로그램을 띄울 수 있는 시대가 되었습니다.

그러나 우리는 이 실험이 물리 세계에서의 AI 활용이 지닌 위험성도 명확히 보여주었다고 생각합니다. 로봇 개가 상대 테이블로 돌진했던 사건처럼, 가상 환경의 버그는 단순 에러 로그로 끝나지만 물리 세계의 계산 실수는 곧바로 물리적 충돌과 사고로 이어집니다.

더불어 깊이 있는 이해의 결여 문제도 눈여겨봐야 합니다. Claude 팀은 더 빠르게 결과물을 만들어냈지만 내부 시스템 이해도는 떨어졌습니다. 개발 속도는 두 배로 빨라질지 몰라도, 예상치 못한 물리적 돌발 상황이 터졌을 때 근본적인 문제를 파악하고 해결할 수 있는 인간 엔지니어의 통제력은 오히려 약화될 수 있습니다.