FieldAI 1억 달러 매출·계약, 로봇 AI가 데모에서 현장 운영으로 이동한다

로봇 소프트웨어 스타트업 FieldAI가 매출과 고객 계약을 합쳐 1억 달러를 넘겼다고 밝혔다. 2023년 설립된 이 회사는 로봇 하드웨어를 직접 만드는 회사라기보다, 휴머노이드·로봇개·드론·산업용 로버가 복잡한 현장에서 스스로 움직이도록 돕는 ‘로봇의 두뇌’에 가까운 AI 소프트웨어를 개발한다.

핵심 사실은 비교적 분명하다. FieldAI는 미국, 유럽, 아시아의 30곳 이상 고객을 확보했다고 밝혔고, 지난해 4억500만 달러 투자를 유치하며 20억 달러 기업가치를 인정받았다. 회사가 개발하는 Field Foundation Models는 건설 현장, 광산, 데이터센터, 방위 산업처럼 변수가 많은 물리적 공간에서 로봇이 위험을 판단하고 이동하도록 설계된 소프트웨어다. 본사는 캘리포니아 어바인과 베이 지역에 두고 있지만, 이 흐름은 보스턴권 로보틱스 생태계와도 직접 맞닿아 있다.

로봇 AI가 주목받는 이유는 챗봇이나 코드 생성 AI와 다른 난제를 다루기 때문이다. 텍스트·이미지 AI는 인터넷에 축적된 방대한 데이터를 학습할 수 있지만, 로봇은 공사장 바닥 상태, 작업자 동선, 장비 소음, 조명 변화, 안전 구역처럼 계속 바뀌는 현실 세계를 처리해야 한다. 이 때문에 로봇 업계에는 ‘데이터가 있어야 배포할 수 있고, 배포해야 데이터를 모을 수 있다’는 문제가 오래 남아 있었다.

FieldAI의 접근은 모든 데이터를 먼저 확보한 뒤 완성형 제품을 내놓는 방식과 다르다. 비교적 제한된 업무부터 현장에 투입해 실제 데이터를 모으고, 이를 다시 소프트웨어 개선에 쓰는 구조다. 예를 들어 건설 현장에서는 사람이 직접 현장을 돌아다니며 사진을 찍고 공정 상황을 기록하던 일을 로봇이 수행할 수 있다. 이는 단순한 인력 대체라기보다 현장 데이터 수집, 안전 점검, 디지털 트윈 업데이트 같은 업무가 자동화 소프트웨어와 결합되는 변화에 가깝다.

시장 배경도 FieldAI 사례를 키운다. Agility Robotics는 휴머노이드 물류 로봇 Digit을 앞세워 약 25억 달러 가치의 상장 추진을 발표했고, Nvidia는 로봇 안전 시스템인 Halos for Robotics를 공개했다. Nvidia가 로봇 하드웨어 자체보다 칩, 소프트웨어, 안전 아키텍처에 집중하는 점은 로봇 시장의 가치가 ‘기계를 얼마나 멋지게 보이게 하느냐’보다 ‘현장에 얼마나 안전하게 붙일 수 있느냐’로 옮겨가고 있음을 보여준다.

보스턴권 독자에게 이 흐름은 먼 실리콘밸리 뉴스만은 아니다. 보스턴은 MIT, Northeastern, Harvard의 연구 기반과 Waltham의 Boston Dynamics, Seaport의 MassRobotics 생태계를 갖고 있다. 여기에 병원, 바이오 연구시설, 물류, 제조 자동화 수요도 함께 존재한다. 로봇 AI가 실제 산업 현장으로 들어갈수록 로봇 연구자뿐 아니라 현장 배포 엔지니어, 안전 검증 담당자, 시뮬레이션 엔지니어, 센서 데이터 운영 인력, 고객사 업무를 이해하는 제품 담당자의 역할이 중요해질 수 있다.

유학생과 취업 준비생에게는 ‘로봇을 만들 줄 아는가’만큼 ‘로봇을 현장에 적용할 수 있는가’가 관전 포인트다. 로보틱스 채용은 기계공학, 전기전자, 컴퓨터비전, 강화학습 같은 전통 기술에 더해 센서 데이터 처리, 엣지 컴퓨팅, 시뮬레이션, 안전 기준, 고객 현장 분석 역량을 함께 요구하는 방향으로 넓어지고 있다. STEM OPT나 H-1B 스폰서십을 고려하는 지원자는 회사가 연구 단계에 머물러 있는지, 실제 고객 배포와 매출이 있는지, 해당 직무가 장기 운영에 필요한 역할인지도 함께 확인하는 편이 현실적이다. 비자 가능성은 회사와 포지션별로 달라지므로 채용공고, 리크루터, 학교 국제학생 오피스, 필요시 전문가 확인을 통해 판단해야 한다.

현직자에게도 시사점이 있다. AI가 사무직 도구에만 머무르지 않고 물리적 작업장으로 확장되면서, 소프트웨어 엔지니어에게는 로봇 운영 데이터 파이프라인, 실시간 모니터링, 안전 제어, 장애 분석 같은 영역이 중요해질 수 있다. 운영·제조·물류 경력이 있는 사람에게는 자동화 프로젝트를 이해하고 현장 직원과 기술팀 사이를 연결하는 역할이 커질 여지가 있다. AI를 직접 만드는 직무가 아니어도, AI 시스템이 실제 업무에 들어왔을 때 품질·안전·비용을 관리하는 역량은 점점 더 실무적인 가치가 된다.

창업 관심자에게는 투자자들이 보는 기준이 조금 더 뚜렷해졌다는 점이 중요하다. AI 투자는 계속되고 있지만, 단순한 모델 성능이나 시연 영상보다 고객이 비용을 지불하는 현장 문제를 해결하는지가 더 중요해지고 있다. 보스턴의 스타트업도 의료·바이오 연구 자동화, 병원 물류, 실험실 운영, 제조 검사처럼 지역 산업과 가까운 문제를 좁게 잡을 때 경쟁력을 만들 수 있다.

다만 로봇 AI 시장이 곧바로 대규모 고용 증가로 이어진다고 보기는 이르다. 현장 안전, 책임 소재, 보험, 규제, 고객사의 설비 변경 비용이 남아 있고, 로봇 도입은 파일럿에서 실제 운영까지 시간이 걸리는 경우가 많다. 지금 확인할 점은 로봇 AI 회사가 데모를 넘어 반복 매출과 실제 고객 배포를 만들고 있는지, 채용공고의 핵심이 모델 개발인지 현장 운영인지, 그리고 지원자가 로보틱스 기술과 고객 산업 지식을 함께 설명할 수 있는지다.

FieldAI의 1억 달러 매출·계약 돌파는 로봇 AI가 연구실과 발표 무대를 넘어 현장 검증 단계로 이동하고 있다는 신호다. 다음 관전 포인트는 더 많은 로봇이 사람을 대신하느냐가 아니라, 사람과 기계가 함께 일하는 산업 현장을 얼마나 안전하고 지속 가능하게 설계하느냐다.