공짜 청소의 진짜 가격, 집 안 데이터를 로봇 학습용으로 파는 인공지능 회사

공짜 청소 서비스의 목적은 청소가 아님

• 뉴욕에서 인공지능 회사들이 무료 청소·요리 서비스를 제공하면서 집 안 데이터를 모으고 있음

  • BBC 기자의 맨해튼 어퍼이스트사이드 아파트에도 20대 중반 직원 2명이 찾아와 청소를 함
  • 이들이 일반 청소부와 다른 점은 모자에 카메라가 달려 있고, 그 카메라가 휴대전화와 연결돼 있다는 것임

• 마이크로 AGI가 운영하는 시프트의 목표는 차세대 자율형 로봇을 훈련시키는 데이터 확보임

  • 설거지, 요리, 청소, 돌봄 같은 작업을 로봇이 하려면 사람 손동작과 다양한 집 안 환경을 배워야 함
  • 그래서 청소부들은 일하는 내내 손동작에 특히 신경 쓰는 모습을 보였다고 함

• 수요도 꽤 많음. 직원들은 사실상 뉴욕에 상주하며 주 5일, 하루 평균 5가구를 청소하고 있음

  • 사용자 입장에서는 공짜 청소지만, 회사 입장에서는 집 안에서 보기 어려운 로봇 학습 데이터를 얻는 구조임
  • 시프트 창업자 베르잔 킬리치는 이 데이터 수집의 목표를 '인류의 발전'이라고 표현함

로봇에게는 인터넷 텍스트보다 부엌 서랍이 더 어렵다

• 킬리치의 설명은 단순함. 챗지피티는 인터넷 텍스트를 학습했지만, 로봇은 현실 세계의 지저분한 변수를 배워야 함

  • 집마다 주방 구조, 조명, 식기 위치, 도구 모양이 다름
  • 몇 시간 전과 완전히 같은 환경도 없어서, 손과 카메라와 주변 환경이 어떻게 같이 움직이는지 배워야 한다는 주장임

• 시프트의 사업 모델은 가정 내부 데이터를 익명화한 뒤 로봇 회사와 다른 인공지능 회사에 판매하는 것임

  • 현재는 뉴욕 아파트 청소 데이터를 모으고 있음
  • 튀르키예에서는 정비사들이 자동차를 수리하는 장면도 데이터로 수집 중이라고 함

문제는 그 데이터가 집 안이라는 것

• 개인정보 전문가들은 무료 서비스와 맞바꿔 집 안 데이터를 넘기는 거래를 조심해야 한다고 경고함

  • 전자프런티어재단의 로리 미어는 '사생활 대가 거래'와 '데이터 미끼 제공' 관행이 늘고 있다고 지적함
  • 당장은 돈이나 서비스를 받는 것처럼 보여도, 한 번 제공한 데이터가 나중에 예상치 못한 방식으로 불이익이 될 수 있다는 얘기임

• 집 안 영상은 생각보다 훨씬 민감함

  • 가구, 약, 서류, 아이 물건, 생활 패턴, 방문자 흔적 같은 정보가 화면에 잡힐 수 있음
  • 데이터를 수집한 회사를 신뢰해도, 그 정보가 다른 기업이나 정부 기관에 공유될 위험은 남는다는 지적이 나옴

• 전자개인정보정보센터의 캘리 슈로더는 더 세게 비판함
  • 시프트 모델을 '사생활 침해를 판매하는 악마적으로 창의적인 방식'이라고 표현함
  • 지금 데이터를 제공하는 청소 노동자들의 일이, 언젠가 이 데이터로 훈련된 로봇에 의해 대체될 수 있다는 점도 짚음
  • 무료 청소의 혜택은 기업이 가치 있는 데이터셋을 만들어 팔 수 있는 잠재 수익에 비하면 매우 작다고 봄

회사는 '그래도 솔직한 거래'라고 주장함

• 킬리치는 시프트가 데이터 활용 방식을 가장 솔직하게 공개하는 플랫폼이라고 반박함

  • 웹사이트와 소셜미디어 기업도 매일 사용자 데이터를 쓰지만, 사용자는 어디에 어떻게 쓰이는지 모르고 대가도 받지 못한다는 논리임
  • 반면 무료 서비스는 사용자가 데이터 제공의 대가를 직접 받는 것이어서 더 명확한 거래라고 주장함

• 참여는 선택이라는 입장도 덧붙임

  • 원하지 않으면 참여하지 않아도 되고, 모두가 반길 것이라고 기대하지 않는다고 말함
  • 회사는 청소 인력에게 뉴욕 지역 평균보다 높은 수준의 급여를 지급하고 있다고 설명함

• 현장에서 일하는 젠지 직원들은 단순히 임금만 보고 하는 일은 아닌 듯함

  • 이들은 스타트업 업계를 거치다 일자리를 찾던 사람들이고, 인공지능 산업의 성장 과정에 참여한다는 의미를 크게 보는 분위기임
  • 다만 그 참여가 매일 여러 가정을 돌며 손에 물 묻히고, 동시에 미래 자동화의 학습 데이터를 만드는 일이라는 점이 묘하게 씁쓸함

---

기술 맥락

• 이 회사가 모으는 건 단순 청소 영상이 아니라 로봇 조작 데이터예요. 로봇이 컵을 집고, 싱크대를 닦고, 서랍을 여는 동작을 배우려면 사람 손이 실제 집에서 어떻게 움직이는지 봐야 하거든요.

• 텍스트 모델과 달리 가정용 로봇은 환경 변화가 너무 커요. 집마다 조명, 가구, 물건 위치, 도구 모양이 다르기 때문에 깔끔한 실험실 데이터만으로는 현실에서 잘 움직이기 어려워요.

• 시프트가 무료 서비스를 택한 이유도 여기에 있어요. 사용자는 청소라는 즉각적인 보상을 받고, 회사는 일반적으로 접근하기 어려운 사적 공간의 고품질 작업 데이터를 얻는 구조예요.

• 하지만 집 안 영상은 익명화가 까다로워요. 얼굴이나 이름을 지워도 생활 패턴, 소유물, 가족 구성, 건강 정보가 간접적으로 드러날 수 있어서, 나중에 다른 데이터와 결합되면 위험이 커질 수 있어요.

• 개발자 입장에서는 이 사례가 로봇 인공지능의 데이터 병목과 개인정보 리스크를 동시에 보여줘요. 모델 성능을 올리려는 데이터 수집이 사용자 동의, 2차 사용, 노동 대체 문제와 바로 붙어 있다는 게 핵심이에요.