캘리포니아대 데이비스(UC Davis) 연구진이 캘리포니아와 워싱턴주의 과수원 16곳을 3년간 조사한 결과, 농장 자동화에도 현장 지식과 사람의 판단이 여전히 필요한 것으로 나타났다. 연구진은 자동화가 일자리를 단순히 없애기보다 농장 일이 이뤄지는 방식과 역할을 바꾼다고 설명했다.

연구는 노동자와 농장주를 대상으로 한 심층 인터뷰 165건을 바탕으로 했다. 2026년 10월 22일 학술지 New Technology, Work and Employment에 발표된 연구는 로봇과 AI 도구가 실제 농장에 들어온 뒤, 시간에 따라 달라지는 현장 조건에 맞춰 작동하는 과정을 살폈다.

수석 저자인 UC Davis 인간생태학과의 지역사회·지역개발 교수 엠 앤 비서(M. Anne Visser)는 농장마다 조건이 달라 기술을 각 현장에 맞춰야 한다고 말했다. 이 과정에는 토지와 과일, 예상 날씨에 관한 지식이 필요할 수 있으며, 도구의 관측 결과를 해석하고 문제를 해결하는 일도 사람에게 남는다.

연구진이 든 사례는 수확량 예측 기술이다. 트랙터나 ATV가 과수원 줄을 따라 이동하며 디지털 카메라로 꽃눈과 열매를 세는 방식은, 농장 노동자가 여섯 번째나 일곱 번째 나무마다 꽃눈을 세던 작업을 본뜬다. 그러나 기술은 수확량을 과대 추정하는 경향이 있었고, 과거의 밭 상태를 아는 사람이 결과를 해석해야 하는 경우가 많았다. 10년 넘게 농장에서 일한 한 관리자는 밭 구역의 과거 성과와 최근 날씨를 고려해 카메라의 집계치를 14% 낮췄고, 그 추정이 카메라보다 더 정확했다.

자율 수확기도 과일을 따는 데 필요한 지식을 완전히 재현하지 못하는 사례로 언급됐다. 기술이 발전하더라도 농장 생산 체계에 통합하고 기계와 함께 일하는 데 사람의 역할이 남을 수 있다고 비서는 설명했다. 그는 작업 하나를 자동화하는 것과 일자리 하나를 대체하는 것은 다르며, 기술이 농장 일을 재편하는 경우가 많다고 말했다.

비서는 옥수수나 콩 같은 밭작물보다 신선 시장용 특수 작물의 자동화가 어렵다고 덧붙였다. 이런 작물은 수확량뿐 아니라 품질도 중요하고, 과수원은 여러 해에 걸친 투자라 재배 작물을 한 철 만에 바꾸기 어렵기 때문이다. 한편 노동자가 농장의 다른 역할로 이동하는 과정에서 기술은 효율성과 직업 건강, 노동력 부족에 대한 계획을 개선할 수 있다.

비서는 노동자 대체에만 초점을 맞추면 정책과 직업훈련, 노동자 이동성, 농촌 일자리 창출의 기회를 놓칠 수 있다고 말했다. 논문은 UC Davis의 알렉스 블라디미르 에르난데스(Alex Bladimir Hernandez)가 공동 저술했으며, 미국 국립과학재단과 캘리포니아대학교 총장실의 지원을 받았다.