AI 안경 시장이 말 그대로 뛰기 시작했다. 10월 20일 EssilorLuxottica가 발표한 3분기 실적에서 AI 안경과 Nuance Audio 등을 포함한 웨어러블 매출은 환율 효과를 제외한 기준으로 전년 동기 대비 20% 증가했다. 매출 규모도 4억8,600만 유로에 달했다.
시장 확대 속도는 출하량에서도 확인된다. 시장조사업체 Omdia에 따르면 전 세계 AI 안경 출하량은 2024년 약 210만대에서 2025년 840만대로 뛰었고, EssilorLuxottica와 Meta의 안경은 올해 상반기 글로벌 출하량의 81.3%를 차지했다. AI 안경이 더 이상 시험적 웨어러블이 아니라 대중시장을 향해 움직이고 있다는 얘기다.
그러나 시장이 커지는 바로 그 순간, 규제기관도 움직이고 있다. 유럽개인정보보호이사회(EDPB)는 AI 안경이 주변 사람의 대화까지 몰래 기록할 가능성을 지적했고, 노르웨이는 일부 장소에서의 사용 제한을 추진하고 있다. 호주 역시 정부 업무공간에서 카메라가 달린 스마트 안경 사용 제한을 검토하고 있다.
시장은 가속페달을 밟고 있는데, 사회는 브레이크를 요구하기 시작한 셈이다. 이제 AI 안경의 경쟁은 얼마나 잘 보고 얼마나 많이 듣느냐만으로 끝나기 어렵다. 필요할 때 얼마나 정확하게 멈출 수 있느냐가 새로운 기술 경쟁으로 떠오르고 있다.
AI 안경, ‘보는 기기’에서 플랫폼으로
Meta도 AI 안경의 활용 범위를 빠르게 넓히고 있다. 지난해부터 개발자 프리뷰로 운영해온 Wearables Device Access Toolkit은 9월 30일부터 1.0 안정 버전으로 배포되기 시작했다. 개발자는 이를 통해 모바일 앱과 AI 안경을 연결해 카메라, 영상 스트리밍, 사진, 마이크와 오디오 등의 기능을 활용할 수 있다.
여기에 움직임을 활용한 경험과 디스플레이, 입력·제스처까지 개발 영역이 확대되고 있다. Meta는 AI 안경용 웹앱과 외부 서비스를 Meta AI에 연결하는 Meta AI Connectors라는 새로운 개발 경로도 제시했다. 다만 Meta AI Connectors는 현재 개발자 프리뷰 단계다.
이 변화는 의미가 크다. AI 안경은 더 이상 눈앞의 장면을 찍는 카메라가 아니라, 보고 듣고 판단한 뒤 외부 앱이나 서비스와 연결될 수 있는 플랫폼으로 진화하고 있다. 편리함이 커지는 만큼 ‘그 다음 행동’을 누가, 어떤 기준으로 허용할 것인가라는 문제도 함께 커진다.
‘볼 수 있다’와 ‘해도 된다’는 다르다
예컨대 시험장에서 AI 안경이 문제를 읽을 수 있다고 하자. 문자를 인식하는 능력과 그 문제를 외부 AI에 보내 답을 받아오는 행동은 전혀 다른 문제다. 병원에서도 대화를 인식하는 것과 환자 정보를 저장하거나 외부로 전송하는 것은 같은 행위가 아니다.
기업 회의실도 마찬가지다. 눈앞의 문서를 인식할 수 있다고 해서 그 내용을 외부 서비스에 넘길 권한까지 자동으로 생기는 것은 아니다. 결국 AI의 ‘할 수 있는 능력’과 실제 상황에서 ‘해도 되는 권한’을 분리해야 한다.
이때 필요한 것이 상황에 대한 판단이다. 현재 장소가 일반 거리인지 시험장인지, 병원이나 보안시설인지, 눈앞의 정보가 일반 정보인지 개인정보나 기밀정보인지를 구분해야 한다. SCL에서는 이러한 상황정보를 Cognition 단계의 판단 요소로 적용해 볼 수 있다.
AI가 판단해도 Control을 통과해야 한다
현재 FORHU가 공개한 SCL 구조는 Retrieval→Cognition→Control→HITL→Action→Memory로 이어진다. 여기서 Cognition은 다음 행동을 제안하지만 그 제안 자체가 곧 실행을 의미하지 않는다. Control이 규칙과 조건을 확인한 뒤 실행 여부를 다시 검증하는 구조다.
이 구조를 AI 안경에 적용해 본다면 질문은 구체적으로 바뀐다. 지금 촬영해도 되는 장소인가, 타인의 동의가 필요한가, 외부로 보내도 되는 정보인가, 사전에 정한 금지조건에 해당하는가를 먼저 확인한다. 조건에 맞지 않는다면 다음 행동으로 넘어가지 않는 것이다.
핵심은 ‘AI가 판단하면 실행한다’는 직선구조를 끊는 데 있다. 일반 도로에서 길찾기를 위한 건물 인식은 허용하면서 병원 진료실에서 얼굴과 대화를 자동 저장하는 행동은 제한하는 식이다. SCL에서 Control이 ‘구조적 브레이크’로 불리는 이유도 이 지점에 있다.
위험한 행동에는 사람이 다시 들어온다
고위험 상황에서는 사람의 확인도 필요하다. SCL의 HITL(Human-in-the-Loop)은 결과가 나온 뒤 사람이 사후 검토하는 개념이 아니라, 실행 전에 인간의 승인 자체를 하나의 조건으로 넣는 구조다. Control을 통과했더라도 위험도가 높은 행동이라면 사람의 최종 확인을 거쳐야 한다.
AI 안경이라면 민감한 영상을 외부로 보내기 전 다시 묻거나, 음성을 장기간 저장하기 전에 사용자 승인을 요구하는 방식으로 생각해 볼 수 있다. 개인정보나 기밀정보를 다른 서비스에 전달하는 것처럼 되돌리기 어려운 행동에서는 이러한 인간 개입이 실질적인 안전장치가 될 수 있다.
승인되지 않은 행동은 Action으로 넘어가지 않는다. FORHU가 공개한 SCL 구조에서도 Control과 필요한 경우 HITL을 통과한 행동만 실행되며, 입력과 함수 호출, 승인 과정 등은 기록으로 남도록 설계돼 있다. AI가 ‘무엇을 했는가’뿐 아니라 ‘왜 그 행동이 허용됐는가’를 추적할 수 있게 하는 것이다.
잘 보는 AI 다음은 ‘잘 멈추는 AI’
물론 이것이 현재 특정 AI 안경에 SCL이 적용됐다는 의미는 아니다. 도촬이나 도청, 개인정보 침해를 완전히 막을 수 있다고 단정할 수도 없다. 실제 제품 적용에는 제조사 협력과 센서·운영체제 접근, 정책설계, 현장검증이라는 여러 단계가 뒤따라야 한다.
다만 AI 안경이 외부 앱과 서비스까지 연결되는 플랫폼으로 진화할수록 판단과 실행 사이를 통제하는 구조의 필요성은 커질 수밖에 없다. 촬영 표시등이나 사용자의 양심에만 맡기는 방식에서 한 걸음 더 나아가, AI 자체가 허용조건을 확인하고 필요하면 사람에게 판단권을 돌려주는 구조가 요구되는 것이다.
FORHU가 SCL 기술을 도입·접목하고, 메타콤(주)이 관련 서비스 적용과 시장 사업화를 추진하는 구조에서 이 같은 흐름은 새로운 가능성을 던진다. 다만 메타콤(주)이 현재 AI 안경에 SCL 적용을 공식 추진하고 있다는 의미는 아니다. 웨어러블·피지컬 AI까지 SCL의 구조적 통제 원리를 확장해 볼 수 있는가라는 기술·사업적 질문이다.
AI 안경은 이미 더 많이 보고, 더 많이 듣는 방향으로 달리고 있다. 이제 그 능력 앞에 ‘해도 되는가’를 묻는 문 하나가 더 필요해지고 있다. 잘 보는 AI가 시장의 첫 문을 열었다면, 다음 승부는 필요할 때 제대로 멈출 줄 아는 AI에서 갈릴 수 있다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
