국방 AI, 성능보다 ‘배치 속도’…"2년 안에 전력화해야" 작성일 07-16 47 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="pmdXDx6bTT"> <figure class="figure_frm origin_fig" contents-hash="4044659772f4777725fe519532baf85cf0ecb943fa042550ff97e11ee36643b9" dmcf-pid="UsJZwMPKyv" dmcf-ptype="figure"> <p class="link_figure"><img alt="(왼쪽부터) 유정상 LG AI연구원 사업개발리더, 이상혁 합동참모본부 전장체계발전과장, 김성훈 업스테이지 대표, 김일환 삼성SDS 국방사업 그룹장, 유경범 네이버클라우드 국방AX 총괄, 전준범 국방부 AI 기획 국장, 하윤철 한화시스템 상무, 최용환 LIG D&A 기술위원/사진=안정훈 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/ked/20260716091952875wdyg.jpg" data-org-width="1200" dmcf-mid="10ydzTlwhH" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/ked/20260716091952875wdyg.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> (왼쪽부터) 유정상 LG AI연구원 사업개발리더, 이상혁 합동참모본부 전장체계발전과장, 김성훈 업스테이지 대표, 김일환 삼성SDS 국방사업 그룹장, 유경범 네이버클라우드 국방AX 총괄, 전준범 국방부 AI 기획 국장, 하윤철 한화시스템 상무, 최용환 LIG D&A 기술위원/사진=안정훈 기자 </figcaption> </figure> <h3 contents-hash="1a3e66ec1e6a991341ee786486a9b370559c728b97e7e40c6f1509f19e5759db" dmcf-pid="uOi5rRQ9lS" dmcf-ptype="h3"> <br><br><span>국방 인공지능(AI) 정책의 중심을 모델 개발과 단발성 실증에서 실제 작전 현장에 배치하는 ‘전력화’로 옮겨야 한다는 주장이 나온다. AI 기술은 3~6개월 단위로 빠르게 바뀌지만 현행 국방 획득체계에서는 실증을 마친 뒤 후속 사업을 다시 기획하고 예산을 확보해 부대에 배치하기까지 수년이 걸린다는 취지에서다. 민간 AI 모델을 군 데이터 및 기존 지휘통제체계와 신속하게 연결하고, 실증과 전력화를 하나의 사업으로 추진해야 한다는 제안도 나왔다.</span><br><br><span>15일 경기 성남시 판교에서 열린 국방 AI 네트워크 세미나에서 유정상 LG AI연구원 엑사원 사업개발리더는 “AI 모델은 계속 발전하는데 실증 이후 체계 연동과 전력화에 수년이 걸리면 실제 현장에 배치할 때는 이미 기술이 뒤처질 수밖에 없다”며 “적어도 2년 안에는 임무별 AI 전력화가 이뤄져야 한다”고 말했다.</span> </h3> <div contents-hash="30165d64fc4ad3a0a669f522cb268ef380772b12b5109aeeb4d367c958779dcd" dmcf-pid="7In1mex2vl" dmcf-ptype="general"> 유 리더는 임무에 적용할 수 있는 최소기능제품(MVP)을 90일 안에 개발하고, 180일 안에 기존 군 체계와 연동한 뒤 1년 이내에 부대에 배치하는 방안을 제시했다. 처음 90일 동안 임무를 정의하고 데이터 사용권한과 관리체계를 마련한 뒤, 180일까지 실제 군 데이터를 연결해 활용 가능성을 검증해야 한다는 설명이다. 이후 1년 동안 임무 효과를 평가해 성과가 없는 사업은 신속하게 중단하는 구조도 필요하다고 했다. <br> </div> <figure class="figure_frm origin_fig" contents-hash="ed784ae1f11f87df582a6a8e8ddd010c488a15b09273685bf20ceeea3450b0d4" dmcf-pid="zCLtsdMVSh" dmcf-ptype="figure"> <p class="link_figure"><img alt="유정상 LG AI연구원 엑사원 사업개발리더/사진=안정훈 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/ked/20260716091954122fxkf.jpg" data-org-width="1200" dmcf-mid="tHMXDx6bvG" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/ked/20260716091954122fxkf.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 유정상 LG AI연구원 엑사원 사업개발리더/사진=안정훈 기자 </figcaption> </figure> <div contents-hash="8faf3a57b888e37f0afb9e5dc92c9913e6e2a10e718fb768614456cada152816" dmcf-pid="qhoFOJRfWC" dmcf-ptype="general"> <br>국방 AI 사업의 성과지표도 모델의 정확도나 벤치마크 점수에서 실제 임무 효과로 바꿔야 한다는 주장이 제기됐다. 표적과 위협을 분석하는 시간이 얼마나 단축됐는지, 지휘관과 참모의 결심 속도가 얼마나 빨라졌는지, 임무 수행에 필요한 인력과 비용을 얼마나 줄였는지 등을 기준으로 사업을 평가해야 한다는 것이다. </div> <p contents-hash="430c8f73b281beb7add671a7a795d8f11e4acac815067058cd58a76938e6dec2" dmcf-pid="Blg3Iie4hI" dmcf-ptype="general">유 리더는 “좋은 모델은 기본일 뿐”이라며 “문제 정의와 데이터 구축, 기존 체계 연결, 운영과 모니터링 가운데 하나라도 제대로 작동하지 않으면 AI의 전력효과는 크게 떨어진다”고 말했다. AI 전력효과는 모델과 데이터, 컴퓨팅 인프라, 체계 연동, 신뢰성, 업데이트 속도가 서로 곱해져 결정되기 때문에 모델 성능만 높이는 것으로는 실제 군사적 효과를 만들기 어렵다는 설명이다.</p> <p contents-hash="97fd499ca5142dae42c8bf31fa32c01a8e9aeff5b85bba856a151bc54b71aaa1" dmcf-pid="bSa0Cnd8lO" dmcf-ptype="general">해외에서는 AI를 연구개발 과제가 아니라 지속적으로 개선되는 소프트웨어 전력으로 관리하고 있다는 분석도 나왔다. 미국의 ‘프로젝트 메이븐’은 민간 AI 기술을 국방에 빠르게 적용하기 위한 소프트웨어 파이프라인을 구축했고, 우크라이나는 군의 임무 수요를 민간기업에 전달해 드론과 소프트웨어를 현장에서 곧바로 시험하고 개선하는 방식을 활용하고 있다.</p> <p contents-hash="b0403f0b1f443694bb2c778a3c952e006c23ff93306146d216e67e7d5865029b" dmcf-pid="KvNphLJ6Ts" dmcf-ptype="general">유 리더는 우크라이나 사례의 핵심으로 임무 중심 기획과 신속한 시험·승인, 현장 성과를 제품 개선으로 연결하는 학습 구조를 꼽았다. 군이 상세 규격을 정하고 기업이 수년에 걸쳐 제품을 개발하는 동안 전쟁 환경과 AI 기술이 함께 변하는 만큼, 정부는 기술개발 방식을 세세하게 통제하기보다 임무 수요를 제시하고 민간의 경쟁을 촉진해야 한다는 주장이다.</p> <p contents-hash="d051a137cd2f164d6a765349895867b296ed84c62134ceb8c8a7f67fa6ddb981" dmcf-pid="9TjUloiPlm" dmcf-ptype="general">현장에서 사용한 AI의 성능과 오류, 장병의 채택·수정·거부 기록도 기업에 다시 전달해야 한다고 강조했다. 작전과 훈련 과정에서 축적된 데이터가 다음 모델과 제품 개선으로 이어지고, 성능이 우수한 제품을 추가 구매하는 순환구조를 만들어야 한다는 것이다. 단순히 학습용 데이터셋을 한 차례 구축하는 데 그치지 않고 실제 운용데이터를 지속적으로 축적해야 한다는 설명이다.<br></p> <figure class="figure_frm origin_fig" contents-hash="63c3719e741a5969be44ee72b1fe35ede5bc20975efff4fc662dc2d65e7d80ac" dmcf-pid="2ZrKGkjJyr" dmcf-ptype="figure"> <p class="link_figure"><img alt="유경범 네이버클라우드 국방사업총괄/ 사진=안정훈 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/ked/20260716091955374sbcy.jpg" data-org-width="1200" dmcf-mid="FKTxphOchY" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/ked/20260716091955374sbcy.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 유경범 네이버클라우드 국방사업총괄/ 사진=안정훈 기자 </figcaption> </figure> <p contents-hash="aeaaf3213e9a3e99f405d6d186fa3d21b2cc04d4e185443b790d60db2ca0be01" dmcf-pid="V5m9HEAilw" dmcf-ptype="general"><br>민간기업과 군의 협업 방식도 기존 납품사업과 달라져야 한다는 의견이 나왔다. 유경범 네이버클라우드 국방사업 총괄은 “특정 기술을 공급하고 과제를 종료하는 방식으로는 국방 AI를 발전시키기 어렵다”며 군과 기업이 현장에서 함께 기술을 개선하는 ‘공진화’ 체계를 제안했다.</p> <p contents-hash="e458df3b81c6caf230f02d6e4bfadeda0cf41d4da4f80da837bfb4d05c8838f9" dmcf-pid="f1s2XDcnyD" dmcf-ptype="general">민간 개발자와 엔지니어가 군 현장에 직접 들어가 임무와 업무절차를 학습하고, 군 관계자와 함께 AI 시스템을 개발해야 한다는 것이다. 작은 규모라도 하나의 임무를 처음부터 끝까지 AI로 구현하고, 효과가 확인되면 다른 부대와 임무로 확장하는 방식이 현실적이라고 설명했다.</p> <p contents-hash="16dbae1d8ee7153b5b6249a187fc8b1575cd8540d3caa64871c5fd7e248c29ae" dmcf-pid="4tOVZwkLlE" dmcf-ptype="general">유 총괄은 네이버클라우드가 한국은행 AI 사업에서 엔지니어를 현장에 투입해 금융업무를 익히고 서비스를 지속적으로 개선한 사례를 소개했다. AI 기술의 개발 주기가 짧아진 만큼 국방에서도 민간 엔지니어가 장기간 참여해 모델과 서비스를 계속 업데이트해야 한다는 취지다.</p> <p contents-hash="5d95d51ea1f4de58782811c692ef8b7ba5a649bd6bffa256352c44921e6ddb6a" dmcf-pid="8FIf5rEoyk" dmcf-ptype="general">국방에 사용할 데이터가 부족하다는 문제를 해결하기 위해 합성데이터와 임무형 학습데이터를 활용해야 한다는 제안도 나왔다. 군은 실제 전쟁 데이터를 충분히 확보하기 어렵고, 숙련된 장교와 군 전문가를 장기간 데이터 구축 작업에 투입하기도 쉽지 않다.</p> <p contents-hash="f203a48461aa846b061dd170894371a90b394d2ae7aa8a14e2dafb5e1d78334c" dmcf-pid="63C41mDgSc" dmcf-ptype="general">LG AI연구원은 도메인 전문가의 지식과 경험을 명령·질의응답 형태의 학습데이터로 바꾸는 ‘데이터 파운드리’ 방식을 제시했다. 단순히 군 교범과 문서를 모델에 입력하는 것이 아니라 “이런 명령을 받았을 때 어떤 정보를 찾아 어떤 순서로 업무를 수행해야 하는가”를 데이터로 만들어야 한다는 것이다.</p> <p contents-hash="7caeae7fda7ad83af908d77d8df24bd3d2399fc9d60ad1e8d006037eb7f1b215" dmcf-pid="P0h8tswavA" dmcf-ptype="general">유 리더는 20명의 전문가가 3개월 동안 만들 수 있는 데이터를 전문가 한 명과 AI를 활용해 32시간 안에 생성·검증한 사례가 있다고 설명했다. 국방 분야에서도 소수 군 전문가의 지식을 대규모 임무 데이터로 확장하는 방식으로 데이터 부족을 보완할 수 있다는 주장이다.<br></p> <figure class="figure_frm origin_fig" contents-hash="cefdab6d3bc8f8885e25b60452da001d1ef68dd36af592eb08b60294214a57ee" dmcf-pid="Qpl6FOrNTj" dmcf-ptype="figure"> <p class="link_figure"><img alt="김일환 삼성SDS 국방사업 그룹장/사진=안정훈 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/ked/20260716091956607zixh.jpg" data-org-width="1200" dmcf-mid="34yMUlIkCW" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/ked/20260716091956607zixh.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 김일환 삼성SDS 국방사업 그룹장/사진=안정훈 기자 </figcaption> </figure> <p contents-hash="600ce8c8a3f7901f32793498636bac1e62132f66238f2d6f8164743a354acf57" dmcf-pid="xUSP3ImjSN" dmcf-ptype="general">삼성SDS는 AI를 기존 무기체계에 부가되는 소프트웨어 기능이 아니라 군 구조와 군사전략을 바꾸는 전략자산으로 봐야 한다고 강조했다. 김일환 삼성SDS 국방사업 그룹장은 “전차를 보병 지원수단으로만 본 국가와 전격전이라는 새로운 군사전략에 활용한 국가의 결과는 달랐다”며 “AI 역시 기존 업무를 자동화하는 수준에서 접근해서는 안 된다”고 말했다.</p> <p contents-hash="6efa9fdb71a6f69862233e09e40f15674c9d73c6ac2d6a71b9f9eba764ca2638" dmcf-pid="yA6vaVKpCa" dmcf-ptype="general">김 그룹장은 병력 감소를 보완하기 위해 AI를 단순 인력 대체재로 활용하면 기술의 가능성을 제한하게 된다고 지적했다. 미래 전장에서는 인간이 AI를 지휘하는 상황뿐 아니라, 대규모 드론이나 미사일 공격처럼 인간이 실시간으로 대응할 수 없는 상황에서 AI가 일정 부분 지휘와 판단을 맡는 구조도 나타날 수 있다는 설명이다.</p> <p contents-hash="ba00264013ba1a4784d3b9c3716df9bf2c9a6b9debded6c00aad3592d7631637" dmcf-pid="WcPTNf9USg" dmcf-ptype="general">AI 도입에 맞춰 군 조직과 책임체계, 법령, 획득절차를 함께 바꿔야 한다는 주장도 내놨다. 현재 군 획득제도는 전차와 함정, 전투기처럼 개발 주기가 긴 무기체계에는 적합하지만 빠르게 업데이트되는 AI에는 맞지 않는다는 것이다. AI와 소프트웨어, 드론 등은 별도의 신속한 시험·검증 절차를 적용해야 한다고 강조했다.</p> <p contents-hash="57cf35ac531fa3c04cccafc77da2f616f150d001916452cea31c003697aa2d99" dmcf-pid="YkQyj42ulo" dmcf-ptype="general">김 그룹장은 국방 AI가 민간 AI와 다른 조건으로 통신이 끊긴 환경에서도 작동해야 하고, 적이 의도적으로 투입한 허위·교란정보를 걸러내야 한다는 점을 꼽았다. 분석 정확도를 높이기 위해 데이터를 더 수집하는 동안 적의 공격을 받을 수 있는 만큼 정확성과 대응속도의 균형을 고려하는 모델이 필요하다는 설명이다.<br></p> <figure class="figure_frm origin_fig" contents-hash="f0b343bef10dd69fcc74d3d597fadbb839a1cc5fc703d7e28534d8829343885a" dmcf-pid="GExWA8V7WL" dmcf-ptype="figure"> <p class="link_figure"><img alt="김성훈 업스테이지 대표 사진 /안정훈 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/16/ked/20260716091957882mlds.jpg" data-org-width="1200" dmcf-mid="0bSP3ImjSy" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/16/ked/20260716091957882mlds.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 김성훈 업스테이지 대표 사진 /안정훈 기자 </figcaption> </figure> <p contents-hash="7db4ed2a5c5f1133d72fa98a3dd732ef129d2258824110dd65d75b5f3914607a" dmcf-pid="HDMYc6fzCn" dmcf-ptype="general"><br>최고 성능의 범용 모델을 활용할지, 국방 임무에 특화한 소형 모델을 만들지를 두고는 기업과 군 관계자 사이에서 의견이 엇갈렸다. 김성훈 업스테이지 대표는 특정 분야에 맞춘 모델을 각각 개발하기보다 최고 수준의 지능을 갖춘 범용 파운데이션 모델을 먼저 확보해야 한다고 주장했다.</p> <p contents-hash="c4875671d523ac2db94d296a8f447a6e88be647bc1c37eb699b311caeee37318" dmcf-pid="XR7EQ0tWli" dmcf-ptype="general">범용 모델의 성능이 충분히 높으면 검색과 도구 사용, 군 지식체계 연결을 통해 새로운 임무를 빠르게 익힐 수 있다는 설명이다. 성능이 낮은 모델을 국방 데이터로 특화하면 처음에는 효과가 있어도 범용 모델의 성능이 빠르게 개선될 때 다시 격차가 벌어질 수 있다고 지적했다.</p> <p contents-hash="c73fb5815089dffec41dea1b2fca92511051746b7a5c2efba1d035f7dc172767" dmcf-pid="ZezDxpFYlJ" dmcf-ptype="general">반면 일부 군과 방산업계 관계자는 한국이 미국과 같은 규모의 데이터와 컴퓨팅 자원을 확보하기 어려운 만큼 특정 임무에 집중한 모델이 현실적이라고 봤다. 전략적 지휘결심처럼 높은 신뢰성이 필요한 업무와 현장에서 빠른 대응이 필요한 전술 임무에 서로 다른 모델과 검증기준을 적용해야 한다는 의견도 나왔다.</p> <p contents-hash="19b6f2a0bc2482f742160412738578e28fe5f1fff1afab17bf87167fc584bee4" dmcf-pid="5dqwMU3GWd" dmcf-ptype="general">국방부는 민간이 개발한 AI 모델을 군 환경에 맞춰 활용하고, 이를 뒷받침할 데이터와 컴퓨팅 인프라, 보안·계약제도를 정비하는 방향을 검토하고 있다. 전준범 국방부 AI기획국장은 “국방부가 대규모언어모델을 처음부터 자체 개발하려면 많은 GPU와 데이터, 비용이 필요하다”며 “민간 모델을 활용해 국방에 맞게 조정하는 방식으로 접근할 필요가 있다”고 말했다.</p> <p contents-hash="1cc96b4e01ce8e0cf1a7a84f919d9bcd852359cb28c1dbbb96e0694f3f683004" dmcf-pid="1JBrRu0HSe" dmcf-ptype="general">안정훈 기자 ajh6321@hankyung.com</p> </section> </div> <p class="" data-translation="true">Copyright © 한국경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 코커 MMA리그, ESPN 전 CEO 본스타인 영입 07-16 다음 “이거 나만 안 쓰는 거 아냐?” 한국인 2300만명이 선택했다…‘무서운 성장세’ 챗GPT 07-16 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
