- 시리즈
[HMG 테크 탤런트 포럼 2026 시리즈 ④] 로라 메이저 모셔널 사장 겸 CEO(President & CEO); 레벨 4 자율주행 상용화로 가는 여정
- 현대자동차그룹
- 2026.07.21
- 분량10min
- 조회수 468Views
AI가 핵심 내용을 요약했어요
AI 기술을 활용한 요약 서비스입니다. 보다 정확한 정보를 위해 본문 확인을 권장합니다.
현대차그룹의 자율주행 합작법인 모셔널이 올 연말 라스베이거스에서 완전 무인 로보택시 상용화를 앞두고 최종 점검에 돌입했다. 로라 메이저 모셔널 사장 겸 CEO는 AI 중심으로 자율주행 시스템 아키텍처를 전면 재설계해 거대 주행 모델(LDM) 기반 차세대 시스템을 완성했다. 현대차그룹과 협업해 개발한 아이오닉 5 로보택시는 초기 설계부터 라이드헤일링 용도로 개발됐으며 현대차그룹 싱가포르 글로벌 혁신센터에서 양산 중이다.
자율주행 기술은 새로운 국면에 접어들었다. 이제 관건은 기술 개발 그 자체가 아니다. 얼마나 안전하고 믿을 수 있으며, 수익까지 낼 수 있는 서비스로 완성하느냐다. HMG 테크 탤런트 포럼 2026 시리즈의 마지막 편에서는 모셔널(Motional) 사장 겸 CEO 로라 메이저(Laura Major)를 만나 모셔널의 AI 중심 전략과 차세대 자율주행 시스템, 그리고 레벨 4 자율주행의 미래에 대해 이야기를 나눈다. 또한 자율주행을 일상의 교통수단으로 구현해 나갈 개발자에게 필요한 역량은 무엇인지도 들어본다.
자율주행 기술은 현실이 될 수 있는가. 오랫동안 자동차 업계가 매달려온 질문이다. 하지만 자율주행 기술은 놀라운 속도로 발전해왔고, 미국과 중국 등의 도심에서 로보택시가 교통수단이 된 모습은 일상이 됐다. 이제 우리에게는 더 어려운 질문이 남았다. 실제 도시에서 승객을 태우고 달리는 라이드헤일링 서비스를 안전하고 믿을 수 있으면서도 합리적인 가격에 제공할 수 있는가? 이에 대한 답을 찾기 위해 정면으로 도전하는 인물이 현대자동차그룹 자율주행 합작법인 모셔널(Motional)의 사장 겸 CEO(이후 호칭 생략) 로라 메이저(Laura Major)다.
모셔널을 이끄는 로라 메이저는 모빌리티 역사상 가장 어려운 과제와 마주하고 있다. 올 연말 라스베이거스에서 완전 무인 로보택시 상용화를 앞두고 최종 점검에 돌입한 것이다. 시험 단계에 머물던 레벨 4 자율주행 로보택시를 실제 도로 위 서비스로 완성하는 것이 그의 과제다. 그는 오랜 기간 우주와 항공, 지상과 해양을 넘나드는 자율화 시스템을 연구하며 한결같이 사람과 기술의 관계를 파고들었다. 이 경험들은 모셔널이 승객과 도시, 지역사회, 라이드헤일링 파트너 모두가 신뢰할 수 있는 자율주행 시스템을 만드는 데 기여한다.
자율주행을 향한 로라 메이저의 신념은 뚜렷하다. 통제된 환경에서만 달리는 자율주행 차량은 반쪽짜리에 불과하며, 실제 도로에서 안전하게 달릴 수 있어야 완성이라 할 수 있다.
EXPERIENCE; 자율 시스템에서 현실 세계의 로보택시로
로라 메이저의 커리어를 관통하는 질문은 하나다. 사람과 자율화 시스템은 어떻게 손발을 맞추는가. 이 질문은 그가 조지아 공과대학과 매사추세츠 공과대학(MIT) 석사 과정을 밟는 동안 싹텄고, 미국의 비영리 연구개발기관 드레이퍼 연구소(Draper Laboratory)에서 일할 때 본격적으로 무르익었다. 그는 이곳에서 우주와 항공, 지상과 해양을 아우르는 첨단 자율 솔루션을 개발하는 팀을 이끌었다.
그동안 로라 메이저가 다룬 기술은 다양했다. 드레이퍼 연구소에서는 전장에서 특수 임무를 수행하는 군인을 위한 첨단 기술을 개발하기도 했다. 이후 미국 드론 제조사 아리아 인사이트(Aria Insights)의 CTO(최고기술책임자)로 근무하며 실내 점검용 무인항공기(Unmanned Aerial Vehicle, UAV)를 개발했고, 글로벌 전장 부품사인 앱티브(Aptiv) CTO를 거치며 모셔널 합작법인 설립에 힘을 보탰다.
모셔널에서 CTO를 맡아 1세대 자율주행 시스템 개발을 이끈 로라 메이저는 5년의 재임 기간 동안 2세대 자율주행 시스템을 완성했다. 이후 현대차그룹과 손잡고 아이오닉 5 로보택시를 개발하며 우버(Uber), 우버 이츠(Uber Eats), 리프트(Lyft)와의 시범 운행까지 성공적으로 마쳤다. 이런 성과를 인정받아 2025년 모셔널의 수장 자리에 올랐다.
로라 메이저의 커리어는 하나의 뚜렷한 흐름으로 이어진다. 사람과 자율화 기술의 상호작용, 작은 오작동도 허용하지 않는 신뢰성과 안전성, 그리고 첨단 기술을 실제 현장에 적용할 때 부딪히는 현실적인 과제를 다루는 것이다.
“저는 늘 사람과 자율 기술이 어떻게 맞물리는지 깊이 파고들었습니다.”
이 경험은 지금 그가 모셔널을 이끄는 방식에도 고스란히 녹아 있다. 그의 목표는 단순히 자율주행 기술을 개발하는 것을 넘어 로보택시가 교통 인프라의 한 축으로 자리 잡을 수 있도록 안정적인 시스템을 만드는 것이다.
AI 중심으로 새로 설계한 자율주행 시스템 아키텍처
로라 메이저가 모셔널에서 내린 가장 중요한 결정은 동시에 가장 어려운 결정이기도 했다. 이미 상당 부분 완성도를 높인 자율주행 시스템을 새롭게 바꾸는 일이었다.
“가장 자랑스러운 성과를 꼽자면 자율주행 시스템 전체를 AI 중심으로 바꾼 일이에요. 최신 인공지능 기술을 차량과 통합하기 위해 시스템 아키텍처를 처음부터 다시 설계했죠.”
당시 모셔널의 자율주행 개발은 순항 중이었다. 기술은 무르익고 있었고, 상용 서비스 출시도 눈앞이었다. 하지만 그와 개발진은 최근 인공지능 기술이 이룬 비약적 발전을 발판 삼아 자율주행 시스템을 근본부터 다시 설계해야 한다고 판단했다. 상용화 과정에서 확장성이 높고 비용 효율성이 높은 자율주행 기술만이 시장에서 궁극적으로 경쟁력을 가질 수 있다는 확신을 가졌기 때문이다.
이 결정에는 순항하던 프로젝트를 멈춰 세우는 과감함이 필요했다. 더 정교하고 신뢰할 수 있는 기술을 구현하기 위해 일부 개발은 중단되거나 속도를 조절해야 했다. 그러나 그 과정 끝에 거대 주행 모델(Large Driving Models, 이하 LDM)을 기반으로 한 모셔널의 차세대 자율주행 시스템이 탄생했다.
LDM은 자율주행의 두 가지 접근법을 결합한 하이브리드 구조다. 하나는 주행 데이터를 학습한 AI가 인지부터 판단, 제어까지 전 과정을 통합적으로 수행하는 엔드투엔드(End-to-End, 이하 E2E) 방식이다. 다른 하나는 모셔널이 기존에 개발해 오던 방식으로, 개발자가 상황별 규칙과 의사결정 구조를 직접 설계하는 룰 베이스(Rule Based) 방식이다.
딥러닝 기반 E2E는 다양한 주행 환경에 대한 뛰어난 일반화 능력을 갖추고 있지만 판단 과정이 블랙박스 형태로 이뤄져 의사결정 근거를 파악하기 어렵다는 한계가 있다. 반면 룰 베이스 방식은 예외 상황에서도 안전 규칙을 명시적으로 적용할 수 있어 예측하지 못한 돌발 상황에서 최소한의 안전 동작을 보장하는 역할을 한다. LDM은 이 두 접근법의 장점을 결합해 성능과 안전성을 동시에 확보하고자 한 결과물이다.
모셔널이 E2E 기반 자율주행 시스템으로 전환한 것은 궁극적으로 서비스를 확장하기 위한 전략적 선택이었다. 모셔널은 LDM을 통해 사람과 유사한 주행 행동, E2E 학습에 따른 빠른 개선, 그리고 새로운 도시로 서비스를 빠르게 확장할 수 있는 범용 추론 능력을 구현하고자 한다.
물론 안전이 빠질 수는 없다. 모셔널은 엄격한 안전 기준을 충족할 만큼의 안전장치를 갖춰 시스템을 다져가고 있다. 로라 메이저는 AI 중심으로의 전환을 이렇게 설명한다. “기존 룰 베이스 전략에 딥러닝 기반 E2E를 결합하면 돌발 상황 대응력까지 확보할 수 있습니다. 최신 AI를 바탕으로 안전한 자율주행 시스템을 책임감 있게 세상에 내놓을 수 있는 구조를 갖추는 것이죠.” 빠른 성능 개선과 확장성, 안정성을 모두 갖추겠다는 전략적 판단 하에 단기적인 모멘텀을 내려놓고 장기적인 관점에서 탄탄한 기반을 쌓기로 한 것이다.
양산 가능성의 증명, 아이오닉 5 로보택시
아이오닉 5 로보택시는 모셔널과 현대차그룹의 협업이 어떤 결과를 낼 수 있는지 가장 명확하게 보여주는 사례다. 이 차는 초기 설계부터 라이드헤일링 용도의 자율주행차로 개발됐다. 로라 메이저는 “아이오닉 5 로보택시는 라이드헤일링 서비스에 최적화된 자율주행차를 구현하기 위해 제조사와 자율주행 기술 기업이 초기 설계 단계부터 긴밀하게 협력해 개발한 선도적인 사례”라고 설명한다.
이는 중요한 의미를 갖는다. 자율주행차에서 차량과 자율주행 시스템은 따로 떼어놓을 수 없다. 컴퓨팅 플랫폼과 센서, 검증 과정과 제조 계획이 하나로 맞물려 돌아가야 한다. 모셔널과 현대차그룹이 함께 만든 아이오닉 5 로보택시는 이를 모두 통합한 자율주행 플랫폼으로 설계와 검증을 거쳤고, 현대차그룹 싱가포르 글로벌 혁신센터(HMGICS)에서 완성차로 출고되고 있다.
이 프로젝트에는 모셔널의 자율주행 기술 전문성과 현대차그룹의 차량 개발·제조 역량, 그리고 오랜 생산 노하우가 하나로 녹아들었다. 로라 메이저는 이것이 출발점일 뿐이라고 강조한다. “아이오닉 5 로보택시는 현대차그룹과 모셔널이 힘을 합치면 무엇을 해낼 수 있는지 처음으로 보여준 차입니다. 그리고 이것은 이제 시작일 뿐이죠.”
이 협업의 가치는 단순히 기술적 결합에 그치지 않는다. 대규모의 비즈니스 플릿에 필요한 통합성·검증 능력·제조 가능성을 갖춘 자율주행차를 만들 수 있다는 것, 나아가 자율주행 시스템을 개인 차량까지 확장할 기회가 있다는 것이기도 하다. 이 과정을 증명한 아이오닉 5 로보택시가 단순한 파일럿 차량 그 이상의 의미를 갖는 이유가 여기에 있다.
LDM, 안전, 그리고 대규모 상용화로 가는 길
Motional Has Begun Testing Driverless IONIQ 5 Robotaxis in Las Vegas
전 세계의 자율주행 개발 업체들은 저마다 다른 길을 걷는다. 특정 머신러닝 모델에 기대는 곳이 있는가 하면, 완전한 E2E 자율주행으로 방향을 잡은 곳도 있다. 모셔널은 이 두 방식의 중간을 택했다. 최첨단 AI에 검증된 안전 시스템을 더해 안전하면서도 비용 효율적인 자율주행차를 개발하는 것이 목표다.
이러한 접근 방식의 핵심은 바로 LDM이다. 모셔널은 대규모 주행 데이터를 학습한 파운데이션 모델(Foundation Model, 기초 모델)을 자율주행 기술 스택에 도입해 차량이 다양한 도로 환경에 스스로 적응할 수 있도록 하고 있다. 덕분에 새로운 도시로 서비스를 확장할 때마다 시스템을 처음부터 다시 개발할 필요가 줄어들고, 데이터 수집과 검증에 드는 비용도 크게 절감할 수 있다. 모셔널의 기술적 경쟁력은 바로 이러한 확장성에서 나온다.
모셔널은 룰 베이스와 E2E를 결합한 LDM을 통해 자율주행 스택을 단순화하고 머신러닝 학습을 효율화한다. 이를 통해 시스템의 의사결정 과정을 보다 투명하게 이해하고 지속적으로 개선할 수 있다. 이러한 접근법은 드물지만 치명적인 돌발 상황인 엣지 케이스(Edge Case)를 해결하는 데 강점을 발휘하며, 이는 곧 자율주행의 안전성과 신뢰성 향상으로 이어진다. 모셔널의 목표는 분명하다. 지역과 국경을 넘어 서비스를 확장하는 데 필요한 비용과 노력을 줄이면서도 완전 자율주행에 요구되는 가장 높은 수준의 안전 기준을 충족하는 것이다.
모셔널에 새로 합류하는 개발자들에게는 만만치 않은 기술적 도전이 기다리고 있다. 모셔널의 개발자들은 기존에 개발한 룰 베이스 시스템 안에 안주하지 않는다. 이들은 개발자가 일일이 규칙을 짜 넣던 방식을 벗어나, AI 중심의 통합 자율주행 아키텍처로 넘어가는 흐름의 한가운데서 핵심 역할을 맡는다.
이 과정에서 개발자가 맡는 업무의 범위는 전문적이고 방대하다. 차세대 AI와 LDM, E2E 기반 자율주행 시스템을 위한 파운데이션 모델 개발은 물론, 트랜스포머 기반 장면 인식 기술과 대규모 멀티모달 센서 데이터를 실시간 주행 판단으로 연결하는 강화학습 아키텍처 개발에도 참여한다.
데이터 영역에서도 같은 변화가 일어난다. 모셔널의 연속 학습 프레임워크(Continuous Learning Framework)는 날마다 쏟아지는 페타바이트급 주행 데이터를 처리하고, 그 속에서 희귀한 돌발 상황을 자동으로 찾아내 모델을 다시 학습시킨다. 이를 통해 차량이 실제 주행 경험을 바탕으로 지속적으로 성능을 개선하는 자율주행 플릿을 구축하는 것이 목표다.
개발자의 역할은 데이터 활용에만 그치지 않는다. 프론트엔드와 풀스택 개발자들은 자율주행차가 수집한 수 기가바이트 규모의 3D 공간 데이터와 시간의 흐름에 따라 축적되는 센서 정보를 웹 브라우저에서 실시간으로 분석하고 시각화하는 도구를 만든다. 흔히 ‘4D 데이터 시각화’로 불리는 이 작업은 차량이 주변 환경을 어떻게 인식하고 판단하는지 직관적으로 이해할 수 있도록 돕는다.
사람의 행동을 예측하는 일도 빼놓을 수 없는 과제다. 운전자와 보행자가 다음 순간 어떻게 움직일지 예측하는 것은 자율주행에서 가장 어려운 문제로 꼽힌다. 모셔널 개발진은 AI의 예측 결과가 실제 행동 패턴과 일관성을 유지하도록 돕는 머신러닝 기법인 ‘사이클 로스(Cycle Loss)’를 연구해 왔다. 사람과 차량이 복잡하게 상호작용하는 도심 환경일수록 이러한 예측 정확도는 곧 안전성과 직결된다.
이러한 도전은 하드웨어 영역에서도 이어진다. 하드웨어 개발자들은 제조 파트너와 협력해 라이다·레이더·카메라로 이뤄진 이중화 센서 시스템을 아이오닉 5 로보택시에 통합한다. HMI 팀은 탑승객들이 복잡한 자율주행 기술을 신뢰하고 라이드헤일링을 이용할 수 있도록 탑승 경험을 설계한다.
로라 메이저는 저마다 다른 일을 맡은 모셔널의 모든 인재가 하나같이 중요한 역할을 한다고 말한다. “모셔널에서 여러분은 거대한 조직 속에 묻혀 있는 부속품이 아닙니다. 여러분이 짠 코드 한 줄, 학습시킨 모델 하나하나가 지금 도로를 달리는 상용 자율주행 차량의 성능과 서비스에 곧바로 영향을 미칩니다.”
로라 메이저는 지금이 모셔널에게 특히 중요한 시점이라고 생각한다. 자율주행 개발에서 가장 중요한 단계인 상용화에 근접해 있기 때문이다. 올해 말 라스베이거스에서 우버 네트워크를 통해 완전 자율 로보택시 서비스를 운영하는 것이 그 출발점이다. 지금껏 쌓아온 모든 설계와 개발, 검증 작업을 선보이는 무대이기도 하다.
하지만 그는 이 역시 시작일 뿐이라고 말한다. LDM을 꾸준히 학습시킬수록 자율주행 시스템의 성능은 계속 향상되고, 새로운 도시로의 확장에도 속도가 붙는다. 여기에 라이드헤일링 파트너와 탑승객의 목소리를 더해, 더 정확한 도착 예정 시간을 제공하기 위한 배차 전략부터 사람에 가까운 주행 행동과 편안한 탑승 경험까지 끊임없이 다듬어 나간다. 이렇게 AI와 플릿 학습, 탑승 경험, 서비스 운영 등 모든 요소가 제대로 맞물리기 시작하면, 자율주행 시스템과 서비스는 지속적으로 개선되고 확장될 수 있는 선순환의 단계에 올라선다.
레벨 4 자율주행 상용화를 이끌 개발자들
로보택시 상용화를 향해 달려가는 지금, 모셔널은 연구실을 벗어나 실전의 한복판에 뛰어들 준비가 된 개발자와 오퍼레이터를 기다리고 있다. 모셔널이 요구하는 수준은 높다. 세계 최고 수준의 기술 역량은 물론, 레벨 4 자율주행을 실제로 세상에 내놓고 키워낼 실행력까지 갖춰야 한다.
모셔널이 바라는 인재는 현장에 들어서는 순간 곧바로 제 몫을 해내는 사람이다. 코드는 시뮬레이터에서 돌아간다고 끝이 아니다. 실제 차량에 탑재된 임베디드 시스템에서도 안정적으로 작동해야 비로소 완성된다고 할 수 있다. 이를 위해서는 최신 AI에 대한 깊은 이해는 물론, 탄탄한 소프트웨어 기본기와 고성능 클라우드 인프라 활용 역량, 하드웨어와 소프트웨어를 함께 설계할 수 있는 시스템적 사고가 필요하다. 또한 레이턴시(Latency, 응답 지연)와 메모리, 연산 효율을 고려하고, 극한의 환경에서도 안정적으로 동작하는 시스템을 구현할 수 있어야 한다. 다시 말해 자동차 산업이 요구하는 신뢰성과 품질 기준에 대한 이해가 필수적이다.
정답이 없는 문제를 해결하는 능력도 중요하다. 레벨 4 자율주행차는 예상하지 못한 상황과 끊임없이 마주한다. 개발자는 기본 원리부터 논리를 세워 문제를 분석하고 답을 찾아낼 수 있어야 한다. 특히 시각화와 데이터 파이프라인, 차량 하드웨어, 차량 내 경험 등 다양한 요소가 하나의 자율주행 시스템으로 연결되는 만큼 전체 맥락을 이해하는 시야가 필요하다.
부서를 넘나드는 협업도 기본이다. 단 한 번의 주행에도 인지와 경로 계획, 클라우드 인프라, 하드웨어 신뢰성, 탑승 경험이 모두 영향을 미치기 때문이다. 개발자는 서로 다른 분야를 오가며 복잡하게 맞물린 기술의 맥락을 정확히 이해하고 이를 명확하게 전달할 수 있어야 한다.
“우리는 강한 주인의식과 엄격한 안전 기준, 그리고 사실에 기반해 판단하고 배우는 문화가 살아 있는 조직을 만들어가고 있습니다.”
이런 문화 위에서 모셔널이 개발자에게 제시하는 가치는 분명하다. 현대차그룹의 지원과 제조 역량을 바탕으로 전문 기술 기업 특유의 빠른 실행력과 주도적으로 일할 기회, 그리고 성장의 발판을 제공하는 것이다.
이러한 성장 기회는 업무의 폭에서 나온다. 모셔널이 자율주행 서비스를 상용화하고 새로운 지역으로 사업을 확장할수록 개발자가 다루는 문제의 범위도 함께 넓어진다. 또한 이곳에서 개발자의 커리어는 특정 영역에만 머물지 않는다. 특정 기능만 장기간 담당하는 데 그치지 않고, 자율주행 기술 스택 전반에 걸쳐 복잡한 멀티모달 AI 모델과 실제 차량 하드웨어가 어떻게 맞물리는지 직접 이해하며 역량을 키울 수 있다.
성장의 기회가 큰 만큼 책임도 크다. 로보택시 서비스가 확장될수록 모셔널 개발자들은 더욱 복잡하고 고차원적인 엔지니어링 문제와 직면할 것이다. 하지만 그 문제를 푸는 과정은 곧 핵심 기술 아키텍처를 설계하고 방향을 결정하는 기회이기도 하다. 로라 메이저가 이를 두고 “개발자의 커리어를 통째로 바꿀 경험”이라 자신하는 이유다.
공공 도로에서 레벨 4 로보택시 플릿을 상용화하는 일은 일반적인 제품 출시와는 차원이 다르다. 시스템 전반을 이해하는 통찰력과 철저한 안전 기준, 그리고 자율주행 기술의 최전선에서 요구되는 머신러닝 역량까지 모두 갖춰야 한다. 모셔널은 불필요한 내부 절차에 얽매이지 않으면서도 탄탄한 기술적 기반 위에서 과감한 도전을 이어갈 수 있는 환경을 제공한다.
“훗날 도시의 대중교통을 바꿔 놓은 자율주행 로보택시를 가리키며 ‘내가 저 프로젝트에 참여해서 자율주행 시스템의 아키텍처를 설계하고 상용화에 기여했다’고 말하고 싶다면, 모셔널이야말로 그 기반을 다질 수 있는 곳입니다.”
로라 메이저는 이 말을 끝으로 HMG 테크 탤런트 포럼에서 많은 개발자와 미래를 논의하고 싶다는 뜻을 전했다. AI 중심의 자율주행, 대규모 로보택시 플릿 학습, 레벨 4 자율주행 상용화에 관심이 있는 개발자에게 HMG 테크 탤런트 포럼은 그 미래를 함께 만들어갈 사람들과 기술을 만나는 출발점이 될 것이다.
HMG 테크 탤런트 포럼 2026
- [HMG 테크 탤런트 포럼 2026 시리즈 ①] 김혜인 인사실장 인터뷰: 현대자동차그룹은 왜 지금, 기술 인재와 미래를 이야기하는가
- [HMG 테크 탤런트 포럼 2026 시리즈 ②] 박민우 현대차·기아 AVP 본부장 및 42dot CEO; AI 기술 상용화를 향한 현대차그룹의 로드맵
- [HMG 테크 탤런트 포럼 2026 시리즈 ③] 잭 재코우스키 보스턴다이나믹스 최고제품기술책임자; 로봇, 연구실에서 현장으로
- [HMG 테크 탤런트 포럼 2026 시리즈 ④] 로라 메이저 모셔널 사장 겸 CEO(President & CEO); 레벨 4 자율주행 상용화로 가는 여정
추천 태그로 더 탐색해보세요
