농사를 짓다 궁금한 것이 생기면 인공지능(AI)에 묻고, 사람이 일일이 돌아보던 넓은 노지는 위성 데이터로 살핀다. AI가 크기와 형태가 제각각인 가축을 인식해 로봇이 도축 공정 일부를 수행하도록 하고, 수확과 예찰 같은 반복 농작업도 로봇으로 대체하려는 시도가 이어지고 있다. 생산된 농식품이 소비자에게 이동하는 물류 과정에서는 탄소 배출량을 데이터로 측정·관리하는 기술까지 등장했다. AI가 모니터 속 분석 도구를 넘어 농업 현장에서 직접 보고 판단하고 움직이는 단계로 확장되고 있는 셈이다.
지난 15일부터 17일까지 서울 삼성동 코엑스에서 열린 ‘제4회 농식품 테크 스타트업 창업박람회(AFPRO 2026)’에서는 이 같은 농식품 산업의 변화를 한자리에서 확인할 수 있었다. 주최 측에 따르면 농림축산식품부가 주최하고 한국농업기술진흥원과 NH농협, 코엑스가 주관한 이번 행사에는 애그테크·푸드테크·그린바이오 분야 기술기업과 유관기관 195개사가 참여해 369개 부스를 마련했다. 투자유치와 비즈니스 매칭, 해외 진출, 기술협력 등 스타트업의 성장을 지원하는 프로그램도 함께 진행됐다.
현장에서 눈에 띈 것은 단순히 ‘AI를 농업에 적용했다’는 구호보다 기술이 실제 농업 현장의 어떤 문제를 해결하려 하는지가 구체화되고 있다는 점이다. 농사 경험을 AI에 담아 재배 의사결정을 돕는 서비스부터 위성으로 노지를 관찰하는 플랫폼, 숙련 노동자의 손기술을 대체하려는 로봇, 물류 과정의 탄소까지 측정하는 데이터 인프라가 등장했다. 농식품 산업의 디지털 전환이 스마트팜 설비 중심에서 재배·축산·가공·물류·수출을 잇는 밸류체인 전체로 확대되는 흐름이다.
“농민이 답답했던 것부터 담았다”…KS팜, 현장에서 출발한 ‘AI 농사친구’
스마트팜 전문기업 케이에스팜(KS팜)은 이번 전시에서 생성형 AI와 스마트팜 데이터를 결합한 재배·운영 지원 플랫폼 ‘AI 농사친구(AI FarmMate)’를 선보였다. 온도와 습도, 이산화탄소(CO₂), 양액 공급 등 스마트팜에서 발생하는 데이터를 바탕으로 재배 환경을 분석하고 농업인의 운영 판단을 지원하는 것이 핵심이다. 플랫폼과 스마트팜 자동화 설비를 연계해 환경·생육·작업 데이터를 하나의 운영체계에서 활용하는 방향도 추진하고 있다.
KS팜이 강조한 차별점은 기술보다 출발점에 있다. 농업과 거리가 있는 IT기업이 먼저 서비스를 설계한 뒤 현장에 적용하는 방식이 아니라, 직접 농사를 지으면서 겪은 불편을 하나씩 기능으로 옮겼다는 설명이다. 처음에는 농업 관련 질문을 할 수 있는 형태에서 시작했지만 농업 지원사업 정보와 병해충 등 현장에서 자주 부딪히는 문제를 추가하며 기능을 확대했다.
현장에서 만난 김홍근 KS팜 본부장은 “실제 현장에서 농사를 지으면서 불편했던 것들을 하나씩 담아 농업 현장에 도움이 되도록 만든 서비스”라며 “저희가 직접 농사를 지어보니 청년 농업인이나 오랫동안 농사지은 분들 모두 궁금하고 불편한 것이 많았다”고 플랫폼 개발 배경을 설명했다.
“새로 농업에 진입하는 분들에게는 좀 더 쉽게 접근하고 궁금한 것을 물어볼 수 있는 도구가 될 수 있다고 봅니다. 오랫동안 농사를 지은 분들도 경험이 많다 보니 오히려 다른 사람에게 묻기 어려운 부분이 있는데 AI는 그런 부담 없이 질문할 수 있죠.”
현재는 토마토와 오이 등을 중심으로 서비스를 고도화하면서 딸기와 파프리카 등 시설재배 작물로 적용 범위를 확대하는 단계다. 병해충이나 재배 환경이 계속 변하면서 과거 경험만으로 판단하기 어려운 상황이 늘어나는 만큼, 병해충·재배 관련 정보를 지속적으로 업데이트해 농업인의 의사결정을 지원한다는 구상이다.
김 본부장은 “가장 큰 차별점은 IT기업이 기술부터 시작한 것과 달리 저희는 실제 농사를 지으면서 시작했다는 점”이라며 “처음에는 질문 기능 정도였지만 농업 지원사업을 찾기 어렵다거나 병해충 정보를 확인하기 어렵다는 식으로 저희가 현장에서 답답했던 부분을 하나씩 채워 넣으면서 농민에게 맞게 서비스를 만들어가고 있다”고 덧붙였다.
농식품이 이동할 때 발생하는 탄소까지…글렉, 물류 데이터를 ESG 인프라로
농식품 기술의 영역은 생산 단계에서 끝나지 않는다. 농산물과 식품은 생산지를 떠난 뒤 냉장·냉동 차량과 물류센터 등 복잡한 공급망을 거쳐 이동한다. 특히 일정 온도를 유지해야 하는 콜드체인 물류에서는 차량 운행과 냉동·냉장 과정이 함께 작동하기 때문에 수출과 ESG 대응 과정에서 물류 탄소 데이터를 관리해야 할 필요성도 커지고 있다.
물류 탄소관리 기술기업 글렉(GLEC)은 AFPRO 2026에서 차량 운행 관리와 탄소 배출 관리를 결합한 클라우드 기반 솔루션을 소개했다. 차량 운행 데이터를 수집하고 국제표준 ISO 14083을 기반으로 물류 과정에서 발생하는 탄소 배출량을 계산·관리하는 것이 핵심이다. 차량 위치와 운행 기록부터 탄소 배출량 산정과 보고까지 물류 데이터를 연결함으로써 화주와 물류기업이 운송 과정의 배출량을 파악할 수 있도록 하는 구조다. 현장에서 만난 지재원 글렉 이사는 “디지털 운행기록계(DTG)와 클라우드, 응용프로그램 인터페이스(API)를 연계해 물류 활동 데이터를 탄소 산정으로 연결하는 방식으로 구성돼 있다”고 설명했다.
“글로벌 화주사들이 물류기업이나 국내 수출기업에 탄소 배출량을 국제표준에 맞춰 보고해 달라고 요구하는 흐름이 나타나고 있습니다. 기존에는 전체 주유량을 기준으로 배출량을 계산하는 방식이 많았지만 화주 입장에서는 자신의 제품이 선적되고 하차되는 실제 운송 구간에서 얼마나 배출됐는지를 파악해야 하죠. 이에 저희는 운송 데이터를 이용해 해당 구간의 연료 사용과 탄소 배출량을 국제표준에 맞춰 산정하고 보고할 수 있도록 하는 기술을 개발했습니다.”
농식품 산업에서 이 기술이 주목받는 이유는 콜드체인 때문이다. 온도에 민감한 신선식품이나 농축산물은 생산 이후에도 냉장·냉동 환경을 유지하며 이동해야 한다. 수출이 확대될수록 생산 단계의 탄소뿐 아니라 운송 과정에서 발생하는 배출량까지 관리해야 하는 공급망 데이터의 중요성도 커질 수밖에 없다.
지 이사는 “농식품 분야는 콜드체인 물류 비중이 높은 산업 가운데 하나”라며 “글로벌 시장으로 진출하는 기업이 늘어나면서 공급망에서 발생하는 탄소 데이터를 요구받는 경우도 늘어날 가능성이 높다”고 강조했다. 그러면서 “이런 인프라는 필요해졌다고 하루아침에 구축할 수 있는 것이 아니”라며 “기업이 미리 대응해 글로벌 수출 과정에서 문제가 생기지 않도록 관련 기술을 개발하고 공급하는 것이 목표”라고 덧붙였다.
가축 마다 다른 크기와 형태를 AI가 읽는다…로보스, ‘비정형 자동화’ 도축 시스템 선보여
로봇 스타트업 로보스 부스에서는 농식품 산업에서 피지컬 AI가 향하는 또 다른 방향을 확인할 수 있었다. 공장에서 같은 크기와 모양의 부품을 반복 조립하는 산업용 로봇과 달리 축산·농업 현장에서 다루는 대상은 크기와 형태가 일정하지 않다. 특히 도축 분야에서 돼지나 소는 개체마다 체형과 장기의 위치가 다르다. 농산물 역시 그 모양과 숙성 정도가 제각각이다. 이른바 ‘비정형 작업’을 로봇으로 자동화하기 어려웠던 이유다.
로보스는 도축과 육가공 현장의 이런 문제를 AI 비전과 로봇 기술로 해결하고 있다. 이번 행사에서는 돼지 내장 적출 공정을 자동화하기 위해 개발 중인 양팔형 로봇 ‘PEV’를 공개했다.
PEV는 사람의 상반신과 비슷한 양팔 구조로 설계돼 총 18개의 관절 축을 제어한다. 머리 부분의 ToF(Time of Flight·비행시간거리측정) 카메라가 노출된 장기를 3차원으로 스캔해 위치와 깊이를 파악하고, 한쪽 팔이 장기를 잡아 절개할 부위를 드러내면 다른 팔이 카메라와 나이프를 이용해 작업하는 구조다. 물 세척이 잦은 도축장 환경을 고려해 방수 기능을 갖춘 그리퍼도 적용했다.
로보스는 기존에도 돼지 목 절개와 복부 절개, 이분도체 등 특정 도축 공정을 자동화하는 로봇을 개발해 왔다. PEV는 여기서 한 단계 더 나아가 정해진 절단 동작만 반복해서는 처리하기 어려운 내장 적출처럼 숙련자의 판단과 손기술 의존도가 높은 작업을 자동화하려는 시도다. 현장에서 만난 김현우 로보스 책임은 “사람을 최대한 쓰지 않고 로봇으로 자동화하면 좋겠지만 도축 공정에는 여전히 사람이 반드시 필요한 구간이 있다”며 설명을 이어갔다.
“돼지를 예로 들면 목 절개와 복부 절개, 내장 적출, 이분도체 등 여러 공정이 이어지는데 저희는 전체 공정을 100이라고 봤을 때 장기적으로 약 90%까지 자동화하는 것을 목표로 하고 있어요. 현재도 여러 종류의 로봇을 개발하면서 사람이 많이 들어가는 공정을 하나씩 자동화해 나가고 있죠.”
자동화의 핵심은 단순히 로봇 팔에 정해진 동작을 반복시키는 데 있지 않다. 로보스는 숙련 작업자의 움직임과 힘 조절 데이터를 수집해 작업 동작을 학습시키고, 현장에서 확보하는 비전 데이터와 작업 결과를 축적해 로봇이 보다 적합한 작업 경로를 찾도록 기술을 고도화하고 있다. 개체마다 장기의 위치와 체형이 달라 정해진 좌표만 반복하는 기존 산업용 로봇 방식으로는 대응하기 어렵기 때문이다.
육가공 공정에서도 같은 문제가 나타난다. 이미 자동화 설비가 구축된 공정이라도 개체별 뼈 위치나 크기가 달라지면 기계가 처리하지 못하는 부분을 사람이 다시 맡아야 한다. 로보스는 AI 비전으로 개체별 형태와 위치를 파악하고 로봇의 움직임을 조정해 이처럼 사람이 개입하는 비정형 작업을 줄이는 데 초점을 맞추고 있다.
김 책임은 “육가공은 개체마다 크기와 형태가 다르기 때문에 자동화하기 특히 어려운 분야다. 기존 설비가 처리하지 못하는 부분에는 결국 사람이 다시 투입된다”며 비정형 작업에 계속 초점을 맞추고 있유를 설명했다.
“예를 들어 버섯처럼 크기와 모양이 제각각인 농산물을 선별하고 일정한 중량으로 나눠 포장하는 작업 역시 비전 기술과 로봇을 적용할 수 있어요. 농업이 대표적인 비정형 산업인 만큼 도축에서 시작한 저희 기술을 다른 농식품 분야로 확대하는 방향도 생각하고 있습니다.”
로보스에 따르면 PEV는 현재 국립축산과학원 연구 가공장에서 실제 가공 데이터를 축적하며 정밀도를 높이는 실증을 진행하고 있다. 현장 테스트를 거쳐 2027년 상용화를 목표로 연구개발을 이어갈 계획이다. 도축에서 축적한 비정형 인식·제어 기술을 육가공과 농업 등으로 확장할 수 있다면 김 책임의 설명처럼 로보스가 겨냥하는 시장도 단순 도축 자동화를 넘어 보다 넓은 농식품 피지컬 AI 영역으로 확대될 수 있다.
사람이 밭을 돌지 않아도 위성이 먼저 본다…새팜, 노지 농업 데이터화
시설 안에 센서와 카메라를 설치할 수 있는 스마트팜과 달리 노지 농업은 디지털화의 난도가 높다. 넓게 흩어진 농지를 사람이 직접 돌아다니며 작물 상태를 확인해야 하고, 농장 전체의 생육 변화를 한눈에 파악하기도 어렵다. 새팜은 이 문제를 인공위성과 AI로 풀고 있다.
새팜은 기존에 운용 중인 인공위성 사업자로부터 위성 데이터를 공급받아 농작물 모니터링에 맞게 가공·분석한다. 위성영상을 활용해 필지별 작물의 생육 상태와 이상 징후를 파악하고 AI 분석을 결합해 재배 현황과 수확량 예측 등에 활용하는 방식이다. 과거 위성 데이터와 AI 모델을 이용한 필지 분석, 작물 분류, 재배 상태 분석 등도 주요 활용 영역이다. 현장에서 만난 이재영 새팜 연구원은 “위성 기반으로 노지 작물을 모니터링하는 서비스를 제공하고 있다”며 운을 뗐다.
“위성을 통해서 필지별로 작물이 잘 자라고 있는지, 어떤 부분에 문제가 있는지, 생육 이상이 발생한 곳은 없는지를 살펴볼 수 있습니다. AI 분석을 통해 향후 수확량을 예측하는 방식으로도 활용할 수도 있죠. 2023년부터 본격적으로 서비스를 제공하기 시작해 연천의 벼, 의성 마늘, 당진 감자 등 여러 작물과 지역으로 적용을 확대하고 있는 중이예요.”
현장 활용에서는 사용 편의성도 중요하다. 농업인이 새로운 전문 시스템을 익혀야만 데이터를 확인할 수 있다면 기술 도입 장벽이 높아질 수밖에 없다. 새팜은 분석 결과를 카카오톡으로 전달하고 웹페이지에서도 필지별 정보를 확인할 수 있도록 서비스를 제공하고 있다.
이 연구원은 “일반 농가에는 분석 결과를 카카오톡으로 전송해 드리고 있고 웹페이지에서도 필지별로 관리할 수 있도록 서비스를 제공하고 있다”며 “기존에 발사된 위성의 데이터를 위성 사업자로부터 공급받고 이를 작물 모니터링에 적합한 형태로 가공해 서비스하는 구조”라고 말했다. 이어 “국내뿐 아니라 해외에서도 관련 서비스를 확대하고 있다”고 덧붙였다.
로봇 한 대 넘어 ‘농장 전체’로…메타파머스·퍼밋이 보여준 자동화의 다음 단계
AFPRO 2026에서는 농업 자동화가 단일 장비나 특정 작업을 넘어 농장 운영 전체로 확대되는 흐름도 확인할 수 있었다. 메타파머스는 사람이 반복적으로 수행하던 농작업을 AI와 로봇으로 대체하는 ‘피지컬 AI’에 초점을 맞췄다. 퍼밋은 시설과 작물, 재배 기술, 유통 등을 연결해 스마트농업의 전체 밸류체인을 구축하는 접근을 취한다.
메타파머스의 ‘옴니 파머(Omni Farmer)’는 하나의 로봇 플랫폼에 농작업별 기능을 연결하는 다기능 농업 로봇을 지향한다. AI 비전으로 작물의 상태를 인식하고 농장을 이동하며 예찰·수확 등 여러 작업을 수행하는 방식이다. 생육 상태와 병해충 발생 여부를 자율 모니터링하고 AI가 작물 정보를 분석해 작업을 지원하며, 수확뿐 아니라 인공수분과 예찰 등으로 작업 범위를 넓히는 방향을 추진하고 있다.
농업용 로봇을 농가가 직접 구매해야 하는 기존 방식의 부담을 줄이기 위한 서비스 모델도 추진한다. 농가가 고가의 로봇을 직접 소유하지 않고 필요한 농작업을 서비스 형태로 이용하도록 해 자동화 기술의 도입 장벽을 낮추는 접근이다. 사람이 반복하던 일을 단순 기계 장비가 아니라 주변 환경을 인식하고 판단하는 AI 로봇이 수행한다는 점에서 농업 분야 피지컬 AI의 대표적 적용 방향 가운데 하나로 볼 수 있다.
퍼밋은 자동화의 범위를 농장 전체 운영체계로 넓힌다. 스마트팜 시설을 구축하는 데 그치지 않고 육묘와 재배, AI 기반 관리, 농산물 출하와 수출까지 연결하는 통합 농업 모델을 추진하고 있다. 디지털 육종과 조직배양, AI 재배 관리 기반 육묘부터 출하·수출까지 아우르는 스마트농업을 지향하며 기후변화와 식량안보에 대응하기 위해 에너지 효율과 시설 설계, 재배 기술을 결합하는 것도 주요 사업 방향이다.
메타파머스가 농민의 눈과 손을 대신할 ‘로봇 작업자’를 만드는 접근이라면, 퍼밋은 AI와 자동화 기술이 작동할 수 있도록 농장과 생산체계 자체를 시스템화하는 접근이다.
이번 AFPRO 2026 현장에서 확인한 농업의 AI 전환도 같은 방향을 향하고 있었다. AI는 더 이상 데이터를 분석해 화면에 결과를 보여주는 데 머물지 않는다. 농민의 질문에 답하고, 위성에서 밭을 관찰하고, 카메라로 가축과 작물을 인식하며, 로봇의 팔과 그리퍼를 움직인다. 여기에 물류와 탄소 데이터까지 연결되면서 기술의 범위도 생산에서 공급망 전체로 넓어지고 있다.
농업은 기후와 생물, 토양처럼 일정한 규칙만으로 통제하기 어려운 변수가 많은 산업이다. 농식품 스타트업들이 풀어야 할 과제 역시 기술을 개발하는 데서 끝나지 않는다. 실제 농가와 생산·가공 현장에서 경제성과 정확성, 유지관리 편의성을 입증하고 기존 작업 방식에 자연스럽게 녹아들 수 있어야 한다. AFPRO 2026에 등장한 기술들은 농업의 AI 전환이 결국 ‘AI를 쓰는 농업’을 넘어 사람과 AI, 로봇이 함께 일하는 새로운 농업 생산체계를 만드는 경쟁으로 이동하고 있음을 보여줬다.
