최근 모빌리티 업계에서 가장 흥미로운 흐름 중 하나는 우버가 기존 인간 운전자를 단순한 운송 제공자가 아닌, 차세대 자율주행 시스템을 위한 데이터 수집자로 재정의하려는 시도입니다. 기술 매체 jalopnik 의 보도에 따르면 우버는 운전자들의 차량에 센서 장비를 부착해 주행 데이터를 수집하고, 이를 통해 더 정교한 AI 모델을 훈련시켜 궁극적으로 인간을 대체할 로봇택시를 완성하겠다는 계획을 추진 중입니다. 이는 직업을 가진 사람이 자신의 일자리를 대체할 기술을 직접 훈련시키는 아이러니한 상황을 연출하며, 산업계의 이목을 집중시키고 있습니다.
우버가 이 같은 전략을 선택한 배경에는 과거 로봇택시 개발 실패에 대한 반성과 시장 환경의 변화가 깔려 있습니다. 2020 년 아리조나주 템피에서 발생한 자사 테스트 차량의 자전거 탑승자 사망 사고 이후 우버는 로봇택시 사업에서 일시적으로 철수한 바 있습니다. 당시 공동 창업자 트래비스 칼라닉은 이 결정이 실수였음을 시인했으며, 현재 경영진은 웨이모나 테슬라와 같은 경쟁사들이 주도하는 직접적인 자율주행 개발 경쟁보다는 우버 고유의 강점인 방대한 주행 데이터를 활용하는 것이 더 효율적이라고 판단했습니다. 특히 웨이모가 도시 단위로 영역을 확장하고 테슬라가 자체 기술을 고도화하는 상황에서, 우버는 인간 운전자가 일상적으로 주행하는 다양한 도로 환경과 교통 상황을 데이터화하는 간접적인 접근법을 택했습니다.
이 전략의 핵심은 우버가 보유한 수백만 대의 차량과 수많은 운전자가 만들어내는 실시간 주행 데이터를 AI 학습의 연료로 삼는 데 있습니다. 기존에는 우버가 직접 테스트 차량을 운영하며 데이터를 모았으나, 이제는 인간 운전자가 일상적인 영업을 수행하는 과정 자체가 데이터 수집의 장이 됩니다. 이렇게 수집된 데이터는 자율주행 시스템이 예측하기 어려운 돌발 상황이나 복잡한 도로 환경을 학습시키는 데 활용되며, 결과적으로 로봇택시의 안전성과 신뢰도를 높이는 데 기여할 것으로 보입니다. 이는 우버가 과거처럼 막대한 자본을 투입해 하드웨어와 소프트웨어를 일일이 개발하는 대신, 플랫폼의 네트워크 효과를 극대화하여 AI 경쟁력을 키우려는 전략적 전환을 의미합니다.
앞으로 주목해야 할 점은 우버가 인간 운전자를 통해 수집한 데이터가 실제로 얼마나 정교한 자율주행 모델을 완성해낼 수 있을지입니다. 만약 이 전략이 성공적으로 안착한다면, 우버는 단순한 이동 서비스 플랫폼을 넘어 모빌리티 데이터의 핵심 허브로 자리매김하게 될 것입니다. 또한 인간 운전자의 역할이 단순한 운송에서 데이터 제공자로 진화하는 과정에서 발생할 노동 시장의 변화와, 이를 바탕으로 한 새로운 비즈니스 모델의 등장은 향후 몇 년간 모빌리티 산업을 관통할 중요한 화두가 될 것입니다. 우버의 이번 시도가 자율주행 시대의 새로운 표준을 제시할지, 아니면 과도기적인 전략에 그칠지는 향후 데이터의 품질과 AI 모델의 성능 향상 속도에 달려 있습니다.
작성자 소개
