[AI MEMO] 방위비보다 중요한 변수, AI를 다룰 인재의 축적

방위비보다 빠르게 커지는 AI 교육의 격차
전장을 움직이는 데이터 해석 능력의 중요성 확대
국가·연합 단위로 확장되는 방위 AI 교육 체계의 필요

본 기사는 스위스 인공지능연구소(SIAI)의 SIAI Research Memo 시리즈 기고문을 한국 시장 상황에 맞춰 재구성한 글입니다. 본 시리즈는 최신 기술·경제·정책 이슈에 대해 연구자의 시각을 담아, 일반 독자들에게도 이해하기 쉽게 전달하는 것을 목표로 합니다. 기사에 담긴 견해는 집필자의 개인적 의견이며, SIAI 또는 그 소속 기관의 공식 입장과 일치하지 않을 수 있습니다.

방위비는 빠르게 늘고 있다. 2024년 세계 군사비는 2조7,180억 달러(약 3,689조원)에 이르렀다. 우크라이나 전선에서는 전자전 충격으로 매달 드론 1만 대가 소모되는 상황도 이어졌다. 전쟁의 무게가 장비 숫자보다 데이터를 해석하고 모델을 조정하는 속도에 실리고 있다는 의미다. 장비를 아무리 늘려도 작전 환경에 맞춰 운용·개선할 인력이 부족하면 전력 우위는 만들어지지 않는다. 이러한 현실은 각국 국방부와 산업계가 ‘AI 기반 임무 수행 능력’을 얼마나 빠르게 축적하느냐가 다음 10년의 전략 구조를 결정한다는 점을 보여준다. 방위 인공지능(AI)교육은 이제 실전과 장비 사이를 잇는 핵심 토대이며, 그 설계가 전력 형성의 속도와 범위를 좌우하게 됐다.

지출 확대로 완성되지 않는 방위역량의 구조적 병목

방위비는 증가했지만 전력의 질적 향상은 기대만큼 따라오지 않았다. 북대서양조약기구(NATO) 유럽 회원국과 캐나다는 2024년 방위비를 18% 확대했고, 23개국이 국내총생산(GDP) 대비 2% 목표를 달성했다. 유럽연합(EU) 역시 유럽방위산업전략(EDIS)과 유럽방위산업프로그램(EDIP)을 앞세워 탄약 생산 확대, 공동 조달, 산업 공동투자를 빠르게 추진하고 있다.

그럼에도 늘어난 예산이 실전 능력으로 곧바로 전환되지 않는 현상은 반복되고 있다. AI 기반 무기체계와 지원 시스템에서는 장비 규모보다 데이터를 해석하고 정책·정비·운용 절차를 조정할 인력 역량이 더 핵심 변수로 떠올랐다. 기술 도입 속도와 교육·훈련 속도 사이에 간극이 커지면서, 정작 운영 능력이 충분히 따라붙지 못한다는 지적이 이어지는 이유다.

이 흐름이 지속되면 장비는 늘어도 조직이 이를 실전 성과로 전환하기까지 더 많은 시간이 필요해진다. 결국 방위 AI 교육은 예산과 결과 사이의 단절을 메우고 전략적 기회의 시기를 앞당기는 핵심 기반으로 자리 잡고 있다.

조직 채택률을 좌우하는 실무 중심 AI 교육체계의 필요성

이 같은 병목은 결국 조직 내부의 학습 구조로 이어진다. AI 도구는 단순 도입만으로 정착되지 않는다. 실무자가 직접 시험하고 적용하는 경험이 마련돼야 활용도가 높아진다. 이 지점에서 현장 기반 학습체계의 필요성이 분명해진다.

브루킹스연구소(Brookings Institution)는 미국 국방부의 정책문서 검색·연결 플랫폼 ‘게임체인저(GAMECHANGER)’ 사례를 분석하며, 사용자가 모델을 직접 실험하고 수정하는 과정이 채택률을 크게 끌어올렸다고 평가했다. 이러한 상호작용은 정책 담당자의 문서 구조 이해 속도까지 개선한 것으로 나타났다. 동시에 보고서는 국가안보 분야에서 AI 도입이 더딘 이유로 인력 부족, 낮은 유지율, 구식 교육 방식을 지적했다.

정정책 담당자는 질문 구성법과 검증 절차를 익혀야 하며, 프로그램 관리자는 작업 단위의 효과를 평가할 기준을 확보해야 한다. 조직의 리더는 도구 성능을 주기적으로 관리하는 체계를 갖춰야 하고, 각 부서는 자체적으로 성능을 검증하고 문제를 해결할 역량을 확보해야 한다.

이 구조가 갖춰지면 AI는 개별 도구 수준을 넘어 조직 전체의 정책 조정·결정·자원 운용 속도를 끌어올리는 방향으로 확장된다. 이제 필요한 과제는 방위 AI 교육을 기존의 강의 중심 방식에서 온보딩·실습·재적용을 결합한 실무형 체계로 전환해 조직의 흡수력을 실질적으로 강화하는 일이다.

전장 데이터·시스템을 동시에 이해하는 통합 운용 인재의 부상

조직 흡수력이 갖춰지면 다음 단계는 전장 복잡도에 대응할 인재의 확보다. 현대 전장은 센서, 데이터 링크, 모델, 작전 절차가 동시에 작동하는 구조를 보이며 갈수록 복합성을 키우고 있다. 이를 단일 체계로 파악할 수 있는 능력이 전력 격차의 주요 요인이 됐다.

왕립합동군사연구소(RUSI)는 우크라이나군이 전자전 환경에서 매달 드론 1만 대를 잃는다고 분석했다. 이어서 보고서는 이러한 손실이 플랫폼 사양보다 전장에서 얼마나 빠르게 학습하고 보완하며 전술을 조정하느냐에 더 좌우된다고 평가했다. 미국 국방부는 18~24개월 안에 “수천 대의 자율 시스템”을 배치하는 레플리케이터(Replicator) 이니셔티브를 추진하며 이러한 변화에 대응하고 있다.

산업에서도 같은 현상이 확인됐다. 보스턴컨설팅그룹(BCG)은 항공우주·방위 산업이 2024년 AI에 266억 달러(약 36조원)를 투자했음에도 65%의 프로젝트가 개념검증 단계에 머물러 있다고 밝혔다. 이는 실전 데이터를 모델에 반영하고, 전자전 교란·위성항법시스템(GPS) 불안정·고지연 신호 같은 제약을 고려해 설계를 조정할 인력이 부족하기 때문이다. 실제 전장은 예측보다 훨씬 다양한 제약이 발생하기 때문에 이러한 전문 역량의 중요성은 더 커지고 있다.

방위 AI 교육은 기능 습득을 넘어서 시스템 전체를 다루는 통합적 사고를 기본 역량으로 삼아야 한다. 데이터 구조, 모델 작동 방식, 통신 제약, 작전 절차를 함께 판단하는 능력이 확보돼야 적응 속도와 전략적 정확도가 강화된다.

대규모 확산 가능한 방위 AI 교육체제로의 전환 전략

통합적 사고 역량이 요구되는 만큼 교육체계도 확장돼야 한다. 방위 AI 교육이 실질적 성과를 내려면 일부 전문 과정에서 벗어나 국가·연합 단위로 확장 가능한 구조가 필요하다. 교육 규모가 제한되면 기술 도입 속도와 조직 흡수력 사이의 간극이 더 벌어지기 때문이다.

퍼듀대학교(Purdue University)는 2024년 Anvil 슈퍼컴퓨터를 국가 AI 연구 자원(NAIRR) 파일럿에 연결해 공공 대학의 고성능 컴퓨팅(HPC) 접근성을 높였다. 지역 대학과 연구기관이 다중 GPU 실험, 대규모 모델 훈련, 운영 시뮬레이션을 수행할 수 있는 기반이 넓어진 것이다. 더 나아가미국 국립과학재단(NSF)은 Voltage Park와 협력해 기초 마이크로 자격부터 고급 리더십 레지던시까지 이어지는 표준 AI 자격 체계를 구축하고 있으며, 현장 인력부터 정책 설계자까지 폭넓게 적용 가능한 구조를 마련하고 있다.

이러한 기반이 마련되면 국방부·대학·산업이 동일한 기준으로 교육·평가·실험을 수행할 수 있는 공통 플랫폼이 형성된다. 각 기관의 도구·기준 불일치를 줄이고 실제 운영 환경과 유사한 조건에서 반복 학습이 가능해진다. 북대서양조약기구(NATO)와 유럽연합(EU)이 추진 중인 공동 교육 표준과 데이터 활용 규칙도 이러한 변화를 가속할 수 있다.

방위 AI 교육의 확장은 개별 훈련 프로그램을 넘어 국가·연합 단위의 역량 확장 장치로 자리 잡게 된다. 교육 인프라가 함께 강화되면 전력 성숙 속도는 앞당겨지고 연합 작전의 호환성과 준비태세도 높아질 수 있다.

본 연구 기사의 원문은 The New Literacy of War: Why Defense AI Education Must Move Faster Than the Drones을 참고해 주시기 바랍니다. 본 기사의 저작권은 스위스 인공지능연구소(SIAI)에 있습니다.