[이데일리 김현아 기자] 무기 하나하나에 인공지능(AI)을 붙이는 것만으로는 미래 전장에 대응하기 어렵다는 제언이 나왔다. 드론·위성·센서 등 흩어진 전장 데이터를 연결해 AI가 상황 파악을 넘어 판단·예측·실행까지 지원하는 ‘총체적 지능 네트워크’로 국방 AI를 전환해야 한다는 것이다.

성낙호 네이버클라우드 AI 기술총괄 전무는 18일 네이버클라우드가 개최한 국방 AI 전략 세미나 ‘디펜스 AI 데이(Defense AI Day)’에서 “국방 AI는 인간 지휘관과 자율적인 AI가 유기적으로 결합하는 총체적 지능 네트워크(Total Intelligence Network)로 발전해야 한다”고 강조했다.

성 전무는 AI 기술의 발전 속도가 빨라지는 만큼 국방 분야의 대응도 서둘러야 한다고 봤다. 특히 소버린 AI가 중요해진 배경에는 AI 성능을 좌우하는 데이터와 컴퓨팅 자원을 자국의 통제 아래 확보하려는 흐름이 있다는 설명이다.

그는 “하정우 국가인공지능전략위 부위원장이 최근 토론에서 언급했듯 소버린 AI 흐름이 2023년부터 본격화됐다고들 하지만, 네이버는 이미 2021년 ‘하이퍼클로바’를 공개하며 초거대 AI 시대를 준비해 왔다”고 말했다.

AI 발전의 기반으로는 ‘스케일링 법칙(Scaling Laws)’을 꼽았다. 성낙호 전무는 “AI는 특정 천재 과학자의 발명품이라기보다 좋은 데이터와 컴퓨팅 자원을 계속 공급할수록 획득할 수 있는 지능의 크기도 커진다는 스케일링 법칙에 근간을 둔다”고 설명했다.

◇“AI 에이전트·피지컬 AI, 1~2년 내 전장에”

성 전무는 국방 AI 전환을 서둘러야 하는 이유로 AI 기술의 빠른 발전 속도를 꼽았다.

그는 “최근 중국의 군집 드론 제어나 이란 드론 등이 공중에서 지능적으로 움직이는 사례가 보고되고 있다”며 “단순한 기계적 움직임을 넘어 전략과 전술을 수행하는 피지컬 AI(Physical AI)가 전장에 본격 등장하는 데 3~5년이 아니라 1~2년밖에 걸리지 않을 것”이라고 말했다.

특히 스스로 목표를 세우고 계획·실행하는 AI 에이전트(Agentic AI)가 전장의 핵심 요소가 될 것으로 전망했다.

성 전무는 “최근 글로벌 시장에서 막대한 GPU 자원을 가장 많이 사용하는 주체는 인간 사용자가 아니라 AI 에이전트”라며 “주어진 목표를 달성하기 위해 스스로 계획하고 실행하고 결과를 되짚는 AI에 통제 가능한 손과 발을 달아주는 것이 중요하다”고 설명했다.

AI 에이전트가 소형 드론 같은 무인 장비와 연결되면 상황에 따라 임무를 수행하는 구조도 가능해진다. 통신이 끊기는 상황에서는 각 단말이 독립적으로 임무를 이어갈 수 있는 분산형 운용도 필요하다.

◇디지털 트윈으로 전장 통합…월드 모델은 미래 예측

성 전무는 전장 정보를 통합하는 과정에서 디지털 트윈과 월드 모델이 중요한 역할을 할 것으로 내다봤다.

그는 팔란티어의 ‘메이븐(MAVEN)’ 시스템을 사례로 들며 “과거에는 사람이 며칠씩 걸려 정보를 취합했다면 이제는 이를 수분 내로 줄이는 것이 가능해졌다”고 말했다.

이어 “드론이 촬영한 영상을 바탕으로 3D 복원을 하면 작전 지도와 같은 디지털 트윈을 실시간으로 만들 수 있다”며 “여기에 여러 드론과 위성 데이터를 결합하면 군 전력의 정보를 하나의 공통된 상(像)으로 통합할 수 있다”고 설명했다.

다음 단계는 월드 모델(World Model)이다. 현재 전장의 모습을 보여주는 데 그치지 않고 특정 행동이 어떤 결과를 가져올지 예측하는 AI다.

성 전무는 “알파고 제로가 셀프 플레이를 통해 미래의 수를 예측하고 더 나은 수를 찾아냈듯이 월드 모델도 어떤 행동을 했을 때 어떤 결과가 나올지를 군의 모델링·시뮬레이션(M&S)처럼 예측할 수 있다”고 말했다.

그러면서 “현재의 전장 네트워크를 단순히 빠르게 만드는 데 그치지 않고 시스템 스스로 진화할 수 있도록 만들어야 한다”고 강조했다.

◇국방 AI, 학습보다 ‘운용 인프라’ 중요

국방 AI 인프라 투자 방식도 달라져야 한다고 제언했다. AI를 학습하는 인프라와 실제 작전에 활용하는 운용 인프라를 구분해야 한다는 것이다.

성 전무는 “AI 모델을 학습하려면 수천, 수만 개의 GPU를 초고속 통신으로 연결한 대규모 환경이 필요하지만, 완성된 AI를 실제 작전에 활용하는 운용 단계에서는 GPU가 한곳에 집중돼 있을 필요가 없다”고 설명했다.

전시 생존성과 보안성을 고려하면 운용용 GPU는 여러 곳에 분산하는 것이 적합하다는 설명이다.

이에 따라 군이 막대한 비용을 들여 대규모 학습 클러스터를 직접 구축하기보다 실제 작전에 활용할 수 있는 분산형 운용 인프라 확보에도 투자를 확대할 필요가 있다고 강조했다.

◇군 특화 AI, 처음부터 군 데이터 학습해야

군 특화 AI를 만들기 위해서는 개발 초기부터 군 도메인 데이터를 학습하는 것이 중요하다고도 했다.

성 전무는 이를 인간의 조기 교육에 비유했다.

그는 “사람도 나이가 들어 새로운 것을 배우려면 더 많은 시간과 데이터가 필요하다”며 “AI 모델도 초기부터 레이더와 소나 등 군에서 사용하는 특수한 센서 데이터를 함께 학습하지 않고 나중에 추가하려 하면 매우 어렵다”고 말했다.

이어 “훌륭한 학생이 하나를 가르쳐도 원리를 빠르게 깨우치는 것처럼, AI도 처음부터 군 도메인과 밀접하게 맞닿은 ‘군 친화적 출발 모델’을 기술 파트너와 함께 확보하는 것이 중요하다”고 강조했다.

성 전무는 “전체 전력을 지능의 네트워크로 재편하는 과정에서 군과 민간의 긴밀한 생태계적 협력이 필수적”이라고 말했다.