저비용 시각-언어-행동 모델과 대량 생산 휴머노이드가 결합되면서, 기업은 노동을 인원 수가 아니라 현장 전반에 연속 배포되는 소프트웨어로 다루기 시작한다.
가장 빨리 학습하는 운영자가 이기는 새로운 노동 모델이 등장한다. 창고, 병원, 농장, 호텔은 몸체를 한 번 구매한 뒤 예외 상황 데이터를 얼마나 빨리 모아 더 안전하고 유능한 행동 패키지로 바꾸는지로 경쟁한다. 노동자에게 충격은 분명하지만 새로운 역할도 열린다. 숙련 기술자, 전직 현장 인력, 노조 데이터 관리자는 기계 무리가 세상을 망가뜨리지 않고 움직이도록 가르치는 사람이 된다. 생산성은 오르고, 일부 사회는 그 이익을 단순 해고가 아니라 인간의 근무시간 단축에 쓴다.
오전 5시 30분 대전 외곽의 냉장 물류 허브에서 전직 지게차 기사 수진은 아침 가동 전 밤새 쌓인 오류 영상을 검토한다. 그녀는 미끄러운 회전 실패 사례에 태그를 달고 더 안전한 동작 패치를 승인한 뒤, 해 뜰 무렵 200대의 휴머노이드가 달라진 움직임으로 출발하는 장면을 본다.
낙관론자들은 부상 감소, 주당 노동시간 단축, 산업 생산성 접근 확대의 길을 본다. 회의론자들은 데이터 권리와 재훈련 권한이 공유되지 않으면 같은 체계가 노동자의 협상력을 빼앗고 모든 작업장을 상시 추출 엔진으로 바꿀 것이라고 경고한다.
요즘 물류센터 교대의 기준이 바뀌고 있죠. 사람이 출근하기 전에, 밤새 올라온 동작 패치가 먼저 현장에 들어갑니다. 이유는 단순하죠. 반복 동작은 기계가 더 빨리 흡수합니다. 대전의 한 냉동센터는 새벽마다 오류 영상을 모읍니다. 미끄러운 코너를 태그하죠. 해 뜨기 전 200대가 같은 회전을 다시 배웁니다. 승인 한 번이면 몸짓 규칙이 한꺼번에 바뀌죠. 여기서 경쟁력은 로봇 대수가 아니죠. 예외 데이터를 누가 먼저 모으는지가 더 중요해집니다. 이 기준이 채용과 배치까지 흔들죠. 현장의 협상력은 사람보다 데이터 보유자 쪽으로 이동할 겁니다. 부상은 줄고 시간은 짧아질 수 있죠. 그런데 패치를 가르친 사람의 몫도 같이 커질까요. 아니면 권한은 시스템을 가진 쪽에 더 모이게 될까요.