카카오모빌리티 자율주행, 강남 1.3만km 데이터로 바뀐 이유

카카오모빌리티가 서울 강남의 복잡한 도로에서 쌓은 주행 데이터를 자율주행 인공지능 고도화에 다시 투입하고 있습니다. 불법 유턴 차량, 공사구간, 돌발 보행자처럼 실제 도로에서 자주 마주치는 예외 상황을 반복적으로 수집·분석해 AI가 더 많은 상황을 스스로 판단하도록 만드는 흐름인데요. 이미 반년간 누적 1만3천㎞ 이상을 달린 서울자율차 경험이 이번 전략의 핵심 자산으로 거론되고 있습니다.

강남 1만3천㎞가 자율주행 기술의 시험장이 된 이유

카카오모빌리티가 주목한 곳은 넓고 한가한 도로가 아니라, 오히려 변수가 많은 강남 도심입니다. 차선 변경이 잦고, 보행자와 이륜차, 불법 정차 차량이 뒤섞이며, 공사로 차로가 임시로 바뀌는 경우도 적지 않은데요. 자율주행 기술은 정해진 규칙을 아는 것만으로는 부족하고, 실제 환경에서 생기는 예외를 얼마나 자주 만나고 얼마나 정확히 처리하느냐가 관건입니다. 그래서 강남 도심은 단순한 운행 구간이 아니라, AI가 ‘도로의 현실’을 배우는 실험실처럼 쓰이고 있습니다. 이번에 공개된 내용은 이 회사가 자율주행을 단순 시범 서비스가 아닌 데이터 축적형 사업으로 보고 있다는 점을 보여줍니다.

자율차가 쌓은 데이터는 어떻게 AI 학습으로 되돌아가나

핵심은 ‘주행’이 끝이 아니라는 데 있습니다. 카카오모빌리티는 실제 도로에서 발생한 예외 장면을 자동으로 수집하고, 이를 분석한 뒤 다시 AI 학습에 활용하는 방식으로 자율주행 시스템을 다듬고 있습니다. 기존에는 규칙을 세밀하게 넣는 방식이 중요했다면, 이제는 엔드 투 엔드(E2E) 모델의 비중을 키우며 AI가 상황을 더 통합적으로 판단하도록 무게중심을 옮기고 있는데요. 동시에 규칙 기반 안전 평가기가 AI 판단을 다시 검증하는 구조도 함께 구축해, 기술 고도화와 안전성을 같이 챙기려는 모습입니다. 쉽게 말해 도로에서 얻은 경험을 데이터로 저장하고, 그 데이터를 다시 판단 능력으로 바꾸는 순환 구조를 만든 셈입니다.

• 누적 운행 거리: 반년간 1만3천㎞ 이상
• 운행 완료 건수: 2천건 이상
• 학습 방식: 실제 도로 예외 상황 자동 수집·분석
• 기술 방향: 규칙 중심에서 E2E 기반 AI 판단 비중 확대
• 안전 구조: 규칙 기반 안전 평가기로 AI 판단 재검증

‘한국 특화 데이터’가 빅테크와 경쟁 포인트로 떠오른 배경

카카오모빌리티가 내세우는 경쟁력은 한국 도로 환경에 맞춘 데이터입니다. 자율주행은 세계 어디서나 비슷해 보이지만, 실제로는 교통 문화와 도로 구조, 보행자 습관, 정차 방식에 따라 필요한 학습 데이터가 달라집니다. 그래서 국내 도심에서 직접 축적한 주행 기록은 해외 대형 기술기업과 경쟁할 때도 중요한 무기가 될 수 있습니다. 연내 자체 개발 모델을 고도화하고, 통합 플랫폼 상용화 속도도 높이겠다는 계획이 전해지면서, 카카오모빌리티는 단순 호출·배차 플랫폼을 넘어 자율주행 운영 주체로 존재감을 키우려는 분위기입니다. 다만 ‘상용화’라는 표현은 기술 완성도와 실제 서비스 확장 가능성을 함께 뜻하는 만큼, 앞으로 얼마나 안정적으로 일상 환경에 들어가느냐가 관건이 될 전망입니다.

택시업계 반응과 미래 모빌리티 논의가 함께 커지는 이유

자율주행 확산은 기술 경쟁만의 문제가 아닙니다. 같은 시기 택시노동자들이 카카오모빌리티에 단체교섭을 요구했다는 소식도 전해지면서, 플랫폼과 이동노동의 관계를 둘러싼 논의는 더 넓어지고 있습니다. 한쪽에서는 운전자 없는 이동 서비스의 가능성을 시험하고, 다른 한쪽에서는 기존 운송 종사자의 권리와 생계 문제를 묻고 있는 셈인데요. 한국교통안전공단이 글로벌 모빌리티 콘퍼런스를 열고 미래 모빌리티의 일상화 해법을 찾는 흐름도 이런 배경과 맞닿아 있습니다. 결국 자율주행 기술은 단순히 차가 스스로 달리는 문제를 넘어, 도로 안전과 산업 구조, 서비스 운영 방식까지 함께 바꾸는 과제가 되고 있습니다.

카카오모빌리티의 이번 행보는 강남이라는 현실적 시험대에서 어떤 데이터를 쌓았는지, 그리고 그 데이터를 어떻게 AI 판단으로 바꿔낼지에 초점이 맞춰져 있습니다. 아직은 고도화와 검증의 단계가 이어지고 있지만, 적어도 방향은 분명해 보입니다. 실제 도로에서 만나는 예외를 더 많이 이해할수록 자율주행의 완성도도 높아질 수밖에 없기 때문입니다. 비슷한 시각 급상승한 다른 이슈는 아래에서 이어집니다.