AI가 산업의 경쟁 방식을 다시 쓰는 지금, 그 변화의 흐름은 국방 영역에도 빠르게 닿고 있습니다. 전장에서 쏟아지는 방대한 데이터를 얼마나 빠르게 이해하고 판단으로 연결하느냐가 곧 전력의 경쟁력을 좌우하는 시대로 접어들고 있습니다.
이러한 흐름 속에서 네이버클라우드는 지난 9월 18일, 서울신라호텔 다이너스티홀에서 ‘변화하는 전장 환경 속 국방 소버린 AI 전략’을 주제로 Defense AI Day(네이버클라우드 국방 AI 전략 세미나)를 개최했습니다. 이번 행사는 국방 AI 전환을 위한 다양한 인사이트를 공유하는 자리로 마련되었는데요. 소버린 AI 전략을 비롯해 자율 무기체계의 지능화, 지휘결심 지원을 위한 데이터 활용 방안, 국방 특화 클라우드 전략까지 국방 AI 전환을 위한 다양한 주제가 논의됐습니다.
이 글에서는 Defense AI Day에서 공유된 다섯 개 세션의 주요 내용을 정리해 소개합니다. 국방이 마주한 과제와 그 해법에 대한 다양한 인사이트를 함께 살펴보시죠.
군사적 관점에서 본 국방 AX의 본질
김선호 ㅣ 전 국방차관
오랫동안 전쟁은 지휘관의 직관과 경험, 즉 술(術)의 영역과 무기체계의 성능이라는 과학의 영역이 나란히 존재하는 것으로 여겨졌습니다. 그런데 AI가 등장하면서 이 둘 사이의 경계가 이전과는 다른 방식으로 움직이고 있는데요.
이 흐름이 어떤 방향으로 나아가고 있으며 그 속에서 국방 AX가 어떤 과제와 마주하고 있는지 짚어보겠습니다.
1. 결심 구조 영역까지 이동하는 AI
AI는 더 정교한 무기체계를 만드는 수준을 넘어 그동안 인간 고유의 영역으로 여겨졌던 ‘결심’ 구조 영역까지 이동하고 있습니다. 전장정보를 융합해 예측하고 방책을 생성하는 AI의 역할이 지휘관이 보다 정교하고 신속하게 판단할 수 있도록 보조하는 단계로 진화한 것인데요. 결국 AI는 전쟁의 술(術)과 과학 사이의 경계를 다시 쓰고 있습니다.
2. 선택이 아닌 필수가 된 국방 AX
전장의 불확실성과 복잡성을 극복하기 위해서는 지휘관의 결심 속도와 정확성을 높여 전장 주도권을 확보하는 것이 핵심입니다. 이 때문에 국방 AX는 이제 선택이 아니라 필수 요건으로 자리 잡고 있는데요.
AI는 정보에서 결심으로, 결심에서 승리로 이어지는 흐름 전체를 단계적으로 끌어올립니다.
- 압도적 정보우위 확보 : 실시간 정보 융합, 분석·예측 기반 방책 생성, 시뮬레이션 추천
- 의사결정 지원 : 정리된 정보를 지휘관 결심과 명령·실행으로 연결
- 작전효과 극대화 : 더 빠른 OODA 루프(Observe-Orient-Decide-Act, 관찰-판단-결심-행동), 더 정확한 상황 이해·예측
- 전장주도권 확보 : 최적의 방책을 통한 손실 최소화, 적보다 빠르고 정확한 결심으로 전투 우위 확보
다만 현실은 마냥 낙관적이지만은 않습니다. 2040년 20세 병력 자원은 23만 명에서 14만 명 수준으로 줄어들 것으로 예측되고, 우주·사이버·드론 등 여러 영역에 걸친 위협은 갈수록 복합적으로 변하고 있습니다.
3. 해법은 민군융합(End-to-End) 생태계
이러한 현실에서 국방 AX 성공의 최우선 요건은 ‘민군융합(End-to-End) 생태계 구축’입니다. 민간기술 우선(Commercial First) 원칙 아래 민간이 기술 혁신을 주도하고 군이 이를 신속히 통합하는 구조인데요.
여기서 중요한 것은 단순히 민간기술을 시험해 보는 것에 머무르지 않고 ‘실제로 전력화하고 확산하는 것까지 나아가는 일’입니다. 시제품에서 실증을 거쳐 전력화로 이어지는 흐름이 완성될 때 비로소 민간의 기술 혁신이 실질적인 군사적 우위로 연결됩니다.
이 생태계가 갖춰야 할 세 가지 축은 다음과 같습니다.
- 기술중심 획득체계 구축 : 시제품 도입부터 실증, 전력화까지 끊기지 않고 이어지는 획득체계 마련
- AI 실증환경 확대 : 실제 부대·현장에서 검증할 수 있는 실증 거점을 늘림
- 민군 전문인력 융합 : 군과 민간의 AI 전문 인력이 함께 성장하는 구조 마련
결국 국방 AX의 핵심은 AI를 군의 작전개념과 무기체계, 조직 그리고 전투원과 효과적으로 융합하는 데 있습니다.
변화하는 전장 환경, 국방 소버린 AI 가속화를 위한 제언
유경범 ㅣ 네이버클라우드 국방 사업 총괄 전무
한국의 국방 소버린 AI는 어떻게 가속화할 수 있을까요? 이 세션에서는 변화하는 전장 환경과 우리 군의 AI 전환을 가로막는 주요 병목을 살펴보고, 이를 해소하기 위해 무엇을 함께 준비해야 하는지를 다뤘습니다. 나아가 한국의 국방 환경과 역량에 맞는 소버린 AI 전략과 추진 방향을 제시했습니다.
전장은 어떻게 변하고 있고, 한국의 길은 무엇인가
AI는 이미 국방의 결심주기와 산업 생태계 그리고 작전 통제의 방식까지 바꾸고 있습니다.
- 결심주기의 압축 : 실시간 데이터와 판단·실행의 즉각적 연결, 관측·결심·행동의 속도와 단위 변화
- 산업 생태계의 변화 : AI 기업의 국방 주요 파트너 부상, 새로운 기술의 전력 도입 가속화
- 통제권에 대한 인식 변화 : 민간 기술 활용과 핵심 작전 통제권 확보를 동시에 추구하는 움직임이 세계적 확산
다만 한국이 처한 조건은 다릅니다. 전면전 데이터가 충분하지 않고 실전과 유사한 검증 환경을 재현하기도 어려우며, 국방비 규모에도 제약이 있습니다. 역설적으로 이러한 조건은 한국만의 전략을 설계할 수 있는 기회가 될 수도 있습니다. 조건이 다르다면 데이터 확보와 검증, 전력화 방식 역시 그에 맞게 설계해야 하기 때문인데요. 미국이 소수 기업을 중심으로 역량을 결집하고 유럽이 국가 간 연합을 통해 역량을 모으는 것처럼 각국은 저마다의 방식으로 국가 차원의 결집을 추진하고 있습니다.
결국 AI 경쟁력은 개별 기술만으로 만들어지는 것이 아니라 관련 역량을 얼마나 효과적으로 모으느냐에 달려 있습니다. 한국 역시 제한된 역량을 임계 임무를 중심으로 결집하는 전략이 필요합니다.
무엇이 우리 군의 AI 전환을 가로막고 있는가
새로 국방 분야에 참여한 기업의 시선으로 보면 병목은 크게 네 가지로 나타납니다.
무엇을 함께 준비해야 할까?
앞서 살펴본 병목을 해소하기 위한 실행 원칙은 ‘결집·전개·실증·진화’ 네 가지입니다.
- 역할에 맞게 결집해야 합니다.
인프라와 AI, 애플리케이션을 같은 방식으로 나눠 발주하는 대신 빅테크는 인프라·AI 스택에, 스타트업은 애플리케이션에, 체계기업은 기존 무기체계·지휘통제체계와 연결하는 등 각자의 강점을 집중하는 것이 필요합니다. - 현장에서 전개하며 완성해야 합니다.
기술을 개발하는 것만으로 실제 전력이 만들어지는 것은 아닙니다. FDE(Forward Deployed Engineer)가 군과 함께 현장에 배치돼 실제 임무와 환경에 맞게 기술을 적용하고, 필요한 부분을 함께 보완해 나가야 합니다. 군 현장에서 쌓이는 경험이 실제 전력으로 이어질 수 있도록 하는 과정입니다. - 두 갈래로 실증해야 합니다.
운영 데이터가 있는 군수·교육훈련·행정 업무부터 실제 성과를 입증하는 동시에 범위가 좁더라도 인프라-데이터-모델-애플리케이션을 끝까지 연결해 풀스택으로 검증해야 합니다. - 구독형 구조로 진화해야 합니다.
시스템을 한 번 구축해 납품하는 방식에서 벗어나 현장 배치 엔지니어가 상주하며 사용·피드백·개선·업데이트가 반복되는 구독형 협력 구조로 전환하는 것이 핵심입니다.
이 네 가지 실행 원칙이 갖춰질 때 비로소 국방 소버린 AI는 ‘진화하는 전력’ 체계로 완성됩니다.
각자의 역할에 맞게 역량을 모으고, 현장에서 임무에 맞게 완성하며, 실제 운용에서 얻은 경험과 피드백을 다시 개선으로 연결하는 것이죠. 한 번의 구축과 납품으로 끝나는 것이 아니라, 군과 기업이 함께 경험을 쌓고 지속적으로 발전해 나갈 때 국방 AI는 경험을 축적하며 스스로 진화하는 전력으로 나아갈 수 있습니다. 궁극적으로는 그 진화의 방향과 선택권을 군이 주도적으로 확보해야합니다.
자율 무기체계 지능화를 위한 전략
성낙호 ㅣ 네이버클라우드 Hyperscale AI 기술 총괄 전무
개별 장비를 똑똑하게 만드는 것과 군 전체의 지능을 설계하는 것은 다른 문제입니다. 이 세션에서는 국방 지능화를 계층적으로 어떻게 설계해야 하는지, 각 계층의 지능을 어떤 방식으로 구현하고 실제 전력에 배치해야 하는지를 다뤘습니다.
계층마다 다른 지능이 필요합니다
기존 자동화가 정해진 절차를 고정적으로 수행하는 것이었다면 AI가 가져오는 지능화는 그 절차 자체를 자율적으로 수정할 수 있다는 점에서 다릅니다.
군의 의사결정 구조는 다층적인데요. 현장 정보가 위로 올라가며 압축되고, 상위에서는 이를 바탕으로 판단해 다시 지휘를 하달합니다. 전력 네트워크 안에는 임무와 시간 제약이 다른 여러 지능이 함께 존재합니다.
- 중앙 : 장기 패턴과 정책, 대규모 학습을 다루는 지능
- 작전 거점 : 이미 축약된 상태를 분·시간 단위로 판단하는 지능
- 전술 엣지 : 주변 상태를 통합하고 여러 자산의 협업을 조정하는 지능
- 종단·플랫폼 : 대량의 원시 관측을 즉시 처리하는 작고 전문적인 지능
아래에서는 많은 정보를 빠르게 줄이고, 위로 갈수록 의미가 축약된 정보를 더 넓고 깊게 판단하도록 연결해야 합니다. 계층마다 필요한 지능의 성격이 다른 만큼, 하나의 거대 모델보다 여러 모델을 계층에 맞게 하이브리드로 배치하는 접근이 국방에 적합합니다.
지능은 스스로 진화해야 합니다
국방 AI는 개별 기능을 자동화하는 수준을 넘어, 필요한 정보를 수집하고 가공하고 공유하며 판단과 행동까지 연결하는 방향으로 발전하고 있습니다.
- 개별 체계의 지능 : 하나의 체계가 스스로 상황을 인식하고 판단
- 연결된 전력의 지능 : 여러 체계가 목적에 따라 협업하며 하나의 전력으로 기능
- 스스로 진화하는 전력 : 임무 경험이 다시 모델과 정책의 개선으로 이어짐
이 세 단계를 하나씩 갖춰나갈 때, 사람의 역할을 대신하는 AI는 개별 체계부터 전력 전체에 이르기까지 유기적으로 잘 작동하는 지능화된 네트워크를 완성해 나갑니다.
하나의 전장을 만드는 공동 의미 체계
다만 여러 구성 요소가 지능화되어 서로 정보를 주고받으려면 반드시 필요한 것이 하나 있습니다. 바로 서로 다른 체계가 동일한 대상을 같은 의미로 이해할 수 있도록 하는 ‘공동 의미 체계’입니다. 드론과 지상 자산, 센서, 지도처럼 서로 다른 플랫폼이 관측한 정보라도, 같은 상태·의도·역할로 이해할 수 있어야 비로소 하나의 전력으로 움직일 수 있기 때문입니다.
결국 지능화된 전력은 단순히 데이터를 주고받는 네트워크만으로 완성되지 않습니다. 서로 다른 체계가 데이터의 의미를 함께 이해하고 이를 바탕으로 움직일 수 있는 지능 네트워크가 되어야 합니다.
국방에 가까운 지능, 어떻게 만들어야 할까?
군을 위한 지능을 만들 때는 두 가지 현실적인 과제와 마주하게 됩니다.
- 폐쇄성 : 군이 가진 데이터는 민감한 정보를 담고 있어 폐쇄망 안에서만 다뤄야 합니다.
- 연산 자원 : 지능의 규모와 성능을 높이기 위해서는 그만큼 대규모 GPU 자원이 필요합니다.
이를 해결하기 위한 새로운 접근은 개방 환경에서 먼저 학습하고, 기밀 데이터는 폐쇄망에서 마지막 단계에 반영하는 것입니다.
- 민간 하이퍼스케일 : 언어·추론·멀티모달 역량을 대규모로 사전학습
- 국방 인접 도메인 : 항공·해양·지상·사이버 등 공개·비기밀 데이터를 활용해 국방과의 간극을 축소
- 적용용 체크포인트 : 국방 적용에 가까운 모델 상태를 확보하고, 학습 도구와 평가 기준까지 함께 준비
- 폐쇄망 집중 학습 : 체크포인트만 폐쇄망으로 이동해 내부 데이터를 활용한 최종 학습 수행
이 과정에서 기밀 데이터는 폐쇄망 밖으로 나가지 않으며 사전 학습된 모델만 폐쇄망으로 이동합니다. 따라서 군에서 사용할 특화 모델을 만들기 위해서는 출발점이 되는 모델을 국방과 최대한 가까운 도메인에서 충분한 규모의 자원으로 준비하는 것이 중요합니다.
결국 핵심은 국방에 가까운 출발점을 지속적으로 제공할 수 있는 AI 모델 파트너를 확보하는 것입니다. 단순히 현재의 모델 성능만 볼 것이 아니라 모델이 국방 환경에 지속적으로 가까워질 수 있도록 학습 역량과 기술 기반을 함께 제공할 수 있는 파트너인지 살펴봐야 하는데요. 출발점이 국방에 가까울수록 폐쇄망에서 추가로 필요한 학습 비용과 데이터 규모를 줄일 수 있고, 새로운 환경에 대한 적응 속도와 모델 교체에 대한 선택권도 높아집니다.
결국 자율 무기체계의 지능화는 전력 전체를 하나의 지능 네트워크로 연결하고, 서로 같은 의미로 소통할 수 있도록 하며, 그 지능을 국방에 가까운 출발점에서부터 안전하게 키워가는 과정입니다. 그리고 이 과정의 각 단계가 유기적으로 이어지기 위해서는 장기적으로 함께 발전할 수 있는 AI 모델 파트너를 선택하는 것이 중요합니다.
지휘결심 지원을 위한 온톨로지 기반 실시간 국방 데이터 활용 방안
이소은 | Defence AI Platform 이사
데이터가 많아질수록 전장을 더 잘 이해할 수 있을까요? 이 세션에서는 국방 데이터를 어떻게 연결하고 구조화해야 지휘관의 결심을 실질적으로 지원할 수 있는지 그리고 이를 위한 네이버클라우드 국방 AI 플랫폼의 기술적 단계를 다뤘습니다.
전장의 주도권은 정보의 양이 아니라 이해의 속도
감시자산과 C4I 체계*가 확충되며 지휘소로 들어오는 정보의 양은 계속 늘고 있습니다. 하지만 정보가 많아질수록 이를 대조하고 맥락을 확인해 의미를 해석하는 데 필요한 시간도 함께 늘어나고 있습니다. 데이터가 흩어져 있고 서로 다른 형식과 맥락으로 존재하는 한, 정보의 양이 아무리 늘어나도 이를 빠른 판단으로 연결하기는 어렵습니다.결국 지휘관이 결심하기까지 대부분의 시간은 정보 자체가 아니라 ‘정보를 이해하기 위한 작업’에 소요되고 있습니다.
* C4I : 지휘·통제·통신·컴퓨터·정보를 통합한 군의 지휘체계
이 속도를 가로막는 병목은 두 가지입니다.
- 흩어진 정보 : C4I, 감시자산, 규정과 교범이 서로 다른 체계와 망에 파편화
- 반복되는 해석 : 연결된 정보조차 참모가 직접 찾고, 대조하고, 비교하고, 해석해 보고자료로 정리해야 하는 구조
미 국방부의 JADC2*·GIDE* 사례가 보여주듯, 국방 AI의 관건은 더 뛰어난 모델만이 아니라 AI가 활용할 수 있는 데이터 기반을 먼저 만드는 것입니다. 결국 성공적인 국방 AI를 위해서는 모델을 도입하기에 앞서 데이터를 연결하고, 데이터 사이의 관계와 맥락을 구조화하는 작업이 선행되어야 합니다.
* JADC2 : 모든 작전영역을 하나로 연결하는 미군의 통합 지휘통제 개념
* GIDE : 데이터 연결 기반 신속 의사결정을 검증한 미군의 실험
지휘 결심을 지원하는 네이버클라우드 국방 AI 플랫폼의 3단계 기술
전장을 빠르게 이해하고 지휘관의 판단까지 연결하려면 ① 데이터를 연결하고 ② 의미를 구조화하며 ③ 방책을 분석·비교하는 세 단계가 하나의 흐름으로 이어져야 합니다.
- Data Fabric : 이기종 국방 데이터를 AI가 활용할 수 있는 구조로 실시간으로 연결
- Defense Ontology : 데이터의 의미·관계·교리를 구조화
- Decision Agent : 분석·추론으로 복수의 방책을 비교
1. Data Fabric : 전장을 연결하다
국방 데이터를 연결하는 데는 여러 제약이 동시에 존재합니다.
- 단절된 구조 : 부서·기관별 독립 운영으로 데이터가 서로 다른 체계·망에 파편화
- 혼재된 프로토콜 : 레거시 C4I부터 최신 API까지 서로 다른 방식이 혼재
- 분리된 네트워크 : 작전망·행정망·감시정찰망이 보안을 위해 엄격히 분리
- 끊길 수 없는 운영 : 24시간 가동 중인 기존 체계를 중단 없이 연동해야 함
- 대규모 실시간 처리 : 드론·위성·센서 등에서 실시간으로 인입되는 대규모 데이터를 지연 없이 처리해야 함
네이버클라우드는 이를 국방 특화 커넥터를 통한 이기종 시스템 · 망분리 연동, 대규모 실시간 데이터 처리, 가상화(Virtualization) 기술로 풀어갑니다. 특히 가상화 기술은 데이터를 이관하거나 복제하지 않고 원래 위치에 둔 채, 원본 체계의 보안 정책을 유지하면서 실시간으로 연동하는 방식입니다. 기존 체계를 크게 변경하지 않고도 서로 다른 체계에 흩어진 데이터를 연결할 수 있습니다.
다만 연결하는 것만으로는 충분하지 않습니다. 형식과 구조가 제각각인 데이터를 단순히 연결하는 데 그치지 않고, 이후 온톨로지가 활용할 수 있는 형태로 정제하는 과정이 필요합니다. 즉 Data Fabric은 단순히 데이터를 모으는 기술이 아닙니다. 기존 체계를 그대로 유지하면서 흩어진 이기종 데이터를 실시간으로 연결하고, AI가 활용할 수 있는 데이터 기반을 만드는 기술입니다.
2. Defense Ontology : 전장을 이해하다
데이터가 연결됐다고 해서 곧바로 전장을 이해할 수 있는 것은 아닙니다. 부대의 이동, 센서의 탐지, 기상의 변화 등 개별 데이터가 존재하더라도, 데이터 사이의 의미와 관계를 이해하지 못한다면 AI 역시 전장의 맥락을 파악하기 어렵습니다. 이 역할을 하는 것이 국방 온톨로지입니다.
국방 온톨로지는 군이 전장을 이해하고 판단하는 데 필요한 개념과 관계, 교리를 구조화한 ‘국방 지식체계’입니다.
예를 들어 적 전차부대의 이동이 포착됐을 때, 온톨로지는 단순히 ‘전차가 이동했다’는 사실을 넘어 그 의미와 주변 상황을 연결해 해석할 수 있도록 합니다.
- 무엇이 있는가 → 종심 지역 전차 전방 이동
- 무엇을 의미하는가 → 공격 징후 및 공세적 기동
- 무엇과 연결되는가 → 이동 경로·돌파 예상 지역·아군 방어선과의 연관성
- 교리상 어떤 의미인가 → 전방 증원·반타격 판단과의 연계
- 무엇을 추론할 수 있는가 → 반타격 가능성 및 대응방책 분석
이처럼 데이터를 의미와 관계, 교리적 맥락까지 연결해 구조화하면 참모의 업무 방식도 달라집니다.
반복적인 탐색과 대조에 소요되는 시간을 줄이고, 참모가 상황 판단과 결과 검토에 더 집중할 수 있도록 지원하는 것이죠. 이를 통해 지휘관이 필요한 정보를 더 빠르게 이해하고, 결심까지 걸리는 시간을 앞당길 수 있습니다. 즉 Defense Ontology는 데이터를 모아두는 저장소가 아닙니다. 군이 전장을 이해하고 판단하는 방식을 AI가 활용할 수 있는 지식 구조로 전환하는 기술입니다.
3. AI Decision Agent : 결심을 지원하다
앞서 살펴본 것처럼 국방 AI를 구현하기 위해서는 흩어진 데이터를 연결하고, 그 관계와 맥락을 이해하며, 이를 지휘관의 판단에 필요한 정보로 연결하는 과정이 하나의 흐름으로 이어져야 합니다. 데이터 패브릭과 온톨로지는 한 번 구축하고 끝나는 기술이 아닙니다. 새로운 데이터가 추가되고 전장 환경과 운용 체계가 변화하는 만큼, 이를 계속해서 연결하고 이해할 수 있어야 하는데요. 결국 국방 AI 플랫폼에는 변화하는 데이터와 지식체계를 지속적으로 반영하면서도, 24시간 365일 안정적으로 운영할 수 있는 기반이 필요합니다.
네이버클라우드는 대규모 데이터 처리와 플랫폼 운영 경험을 바탕으로 국방 환경에 맞는 안정적인 구축과 지속적인 운영을 지원하는 국방 AI 플랫폼을 제공합니다. 또한 플랫폼 위에 다양한 민간 AI 스타트업의 솔루션이 연동될 수 있도록 지원해 새로운 기술이 국방 현장에 유연하게 연결되고 함께 발전할 수 있는 환경을 만들어갑니다.
하지만 국방 AI가 아무리 발전하더라도 마지막 판단까지 AI가 대신할 수는 없습니다. 수많은 정보와 복잡한 상황 속에서 최종 명령을 내리는 지휘관의 판단은 언제나 엄중하기 때문입니다. AI의 역할은 결심을 대신하는 것이 아니라, 데이터를 빠르게 연결하고 그 안의 의미와 맥락을 이해하도록 지원해 지휘관이 더 빠르고 정확하게 판단할 수 있는 환경을 만드는 것입니다.
변화하는 국방 환경 속에서도 데이터와 지식, AI가 지속적으로 진화하며 지휘관의 판단을 뒷받침할 수 있도록 네이버클라우드가 신뢰할 수 있는 기술 파트너로 함께하겠습니다.
AI 데이터 통제권을 지키는 국방 특화 클라우드 전략
박종건 | Defense Frontier 이사
AI가 군의 임무에 깊이 들어갈수록 인프라는 무엇을 지켜야 할까요? 이번 세션에서는 AI를 안정적으로 운용하기 위해 인프라가 어떻게 달라져야 하는지, 그리고 그 과정에서도 군이 반드시 확보하고 지켜야 할 통제권은 무엇인지 살펴봤습니다.
왜 새로운 국방 AI 인프라가 필요할까요?
AI 인프라라고 하면 흔히 GPU 자원을 얼마나 확보하느냐의 문제로 생각하기 쉽습니다. 하지만 AI가 도입되면서 인프라의 역할 자체가 달라지고 있습니다. 대규모 데이터를 수집·정제하는 것에서 시작해, 모델을 학습·검증하고 실제 임무에 배포해 운영하며, 현장의 피드백을 다시 개선으로 되돌리는 과정 전체가 인프라 위에서 끊임없이 반복되어야 하는데요. AI 인프라의 핵심은 단순한 연산 자원이 아니라 이 생애주기 전체를 지속적으로 실행하고 진화시키는 능력입니다.
문제는 AI가 실제 임무에 가까워질수록 인프라에 요구되는 조건도 함께 달라진다는 점입니다.
- 중앙 : 전군 공통 AI 모델을 학습하고 대규모 데이터를 처리하는 영역
- 임무 거점 : ISR*·훈련·분석 등 특정 임무를 지원하는 전방 거점
- 전술 현장 : 센서·무인기·차량·로봇 등과 함께 지휘결심과 전술판단이 이뤄지는 현장
* ISR : 정보·감시·정찰 활동을 통칭하는 군사 용어
결국 AI가 임무에 가까워질수록 달라져야 하는 것은 컴퓨팅의 위치만이 아닙니다. 연결 방식과 운영 방식, 데이터와 AI를 통제하는 방식까지 함께 달라져야 하는데요. 이것이 국방 AI에 새로운 인프라가 필요한 이유입니다.
민간 기술을 국방에 맞게 재설계합니다
AI 인프라를 새롭게 구축한다고 해서 민간의 기술 발전과 국방을 분리해서 볼 필요는 없습니다. 오히려 빠르게 발전하는 민간 클라우드 기술을 활용하되, 국방의 보안·통제·운용 조건에 맞게 재설계하는 접근이 필요합니다. 기존 IT 인프라는 인프라와 데이터가 분절되어 있고 구축과 배포에도 오랜 시간이 걸려 빠르게 발전하는 AI 기술을 현장에 적용하는 데 한계가 있었습니다. 이제는 민간의 기술 혁신 속도를 활용하면서도 분산된 작전 환경과 합동·연합 작전 등 국방의 특수한 조건을 함께 충족할 수 있어야 하는 것이죠.
이러한 방향은 미국 국방의 클라우드 활용 사례에서도 확인할 수 있는데요. 임무와 데이터의 중요도에 따라 보안 수준을 구분하고, 민간 클라우드 역량을 활용하되 국방의 요구조건에 맞는 환경으로 구성하는 방식입니다. JWCC*와 같은 사례 역시 빠르게 발전하는 민간 클라우드 기술을 국방에서 지속적으로 활용하기 위한 접근이라고 볼 수 있습니다.
* JWCC : 미 국방부가 여러 민간 클라우드 사업자와 계약해 활용하는 국방 클라우드 도입 체계
- 국방 AI 인프라의 핵심 : 민간의 혁신(Commercial Innovation) + 국방의 요구조건(Defense Requirements)
결국 핵심은 민간의 혁신과 국방의 통제를 양자택일하지 않는 것입니다. 민간의 기술 혁신을 활용하면서 그 위에 국방의 보안·통제·운영 요구조건을 더하는 것이죠.
인프라 설계에서 가장 중심에 두어야 할 두 가지
새로운 국방 AI 인프라를 설계할 때 가장 중요한 것은 기술의 성능만이 아닙니다. 기술이 임무를 대신하는 것이 아니라 군이 임무를 선택하고 통제할 수 있도록 지원하는 구조를 만드는 것이 핵심인데요. 이를 위해 두 가지 원칙이 필요합니다.
첫째, 통제입니다.
AI를 어떻게 적용하고 변경할지, 어떤 버전을 사용할지 결정할 수 있어야 합니다. 보안·권한·승인부터 데이터의 접근·저장·이동 범위, 운영과 감사의 책임까지 군이 명확하게 통제할 수 있는 구조가 필요합니다.
둘째, 임무의 연속성입니다.
국방 환경에서는 언제나 안정적인 네트워크를 보장할 수 없습니다. 연결이 원활할 수도, 대역폭이 제한될 수도, 아예 끊길 수도 있는데요. 네트워크 조건이 달라져도 임무에 필요한 AI와 데이터는 계속 작동할 수 있어야 합니다.
- CONTINUE : 임무를 멈추지 않도록
연결 조건이 달라져도 승인된 AI 서비스와 필요한 데이터·운영 기능이 임무에 필요한 범위에서 지속되는 구조 - EVOLVE : AI를 멈추지 않도록
모델·데이터·소프트웨어는 계속 발전하되 자동 업데이트가 아닌 군의 검증과 승인 절차를 거쳐 안전하게 진화하는 구조
결국 국방 AI 인프라의 핵심은 연결이 끊겨도 임무는 계속되고, 환경이 변해도 AI는 통제된 방식으로 진화할 수 있도록 하는 것입니다. 멈추지 않는 임무와 통제된 진화를 동시에 가능하게 하는 인프라, 이것이 국방 AI 인프라가 갖춰야 할 조건입니다.
국방특화클라우드: 기반은 통합, 운영은 유연하게
앞서 살펴본 설계 원칙을 실제 오퍼링으로 구현한 것이 국방특화클라우드입니다. 국방 AI에 필요한 AI·데이터·클라우드·GPU 등 실행 기반을 하나의 구조로 연결하고 그 위에 보안·단절 대응·임무 통제·운영 등 국방의 요구조건을 반영합니다. 통합된 기반 위에서 실제 도입은 임무와 조달 조건에 맞게 유연하게 구성할 수 있습니다.
또한 국방특화클라우드는 설치 위치와 임무, 독립 운영 수준에 따라 세 가지 형태로 배치할 수 있습니다.
- 중앙 통합형 : 대규모 AI·데이터·GPU 자원을 통합해 대규모 모델 학습과 공통 AI 서비스 제공
- 임무 거점형 : 군별·작전별 거점에서 필요한 AI·데이터 기능을 운영하고 중앙 연결이 제한돼도 일정 수준 독립 운영
- 현장 운용형 : 예하부대 단위에서 설치 공간과 운영 환경에 맞춰 경량화된 AI 환경을 즉시 활용
이렇게 구성된 인프라는 연결이 끊겨도 임무를 이어갈 수 있어야 합니다. 중앙과 현장이 연결된 상태에서는 모델과 정책을 동기화하고, 연결이 끊기면 현장에서 독립적으로 운영하며, 다시 연결되면 필요한 변경사항만 통제된 방식으로 반영합니다.
- 연결(Connected) : 중앙에서 검증된 모델·서비스와 정책을 배포·동기화
- 단절(Disconnected) : 현장에서 승인된 모델과 로컬 데이터를 기반으로 독립 운영
- 재연결(Reconnected) : 현장 정보를 일괄 덮어쓰지 않고 승인 절차에 따라 필요한 변경사항만 선택적으로 동기화
결국 국방특화클라우드는 단순히 국방에 클라우드를 공급하는 것이 아닙니다. 군의 통제권을 유지하면서 민간의 빠른 AI·클라우드 기술을 지속적으로 활용하고, 연결 환경이 달라져도 임무를 이어갈 수 있도록 하는 공통 실행 기반입니다. AI 기술은 앞으로도 빠르게 변할 것입니다. 모델과 GPU는 물론, AI를 활용하는 방식도 계속 달라질 텐데요. 그렇기 때문에 특정 기술 하나를 고정해 제공하는 것보다 변화하는 기술을 군의 임무와 통제 환경에 맞게 지속적으로 연결하고 발전시키는 기반이 중요합니다.
다섯 개의 세션은 서로 다른 주제에서 출발했지만 결국 하나의 질문으로 모였습니다. AI가 빠르게 발전하는 시대, 국방은 무엇을 준비해야 하는가.
그 답은 단순히 더 뛰어난 AI를 확보하는 데 있지 않습니다. 국방에 필요한 데이터를 활용하고, AI를 국방의 환경에 맞게 발전시키며, 이를 어떤 환경에서도 안정적으로 운용할 수 있는 기반을 갖추는 것이 중요합니다. 그리고 그 모든 과정의 중심에는 군이 기술과 데이터에 대한 주도권을 유지하는 것이 있어야 합니다.
국방 AI는 하나의 기술만으로 완성되지 않습니다. 데이터가 연결되고 전장을 이해하는 기반 위에서 AI가 판단을 지원하고, 이를 실제 임무에 적용할 수 있는 인프라가 함께 갖춰져야 합니다. 또한 현장에서 쌓인 경험이 다시 AI와 전력의 발전으로 이어지는 지속적인 구조가 필요합니다. 네이버클라우드는 이러한 기반을 함께 만들어가며, 대한민국 국방의 AI 전환을 지원하는 기술 파트너가 되고자 합니다.
네이버클라우드가 만들어가는 국방 소버린 AI의 여정에 많은 관심과 응원 부탁드립니다.