본문으로 건너뛰기
피드

이란 학교 폭격의 범인은 AI가 아니라 업데이트 안 된 데이터베이스와 시간당 1,000건의 킬 체인이었음

ai-ml 약 9분
vote
0
댓글
북마크

이란 초등학교 폭격 후 여론은 Claude AI를 탓했지만, 실제 타겟팅은 Palantir의 Maven 시스템이 수행함. DIA 데이터베이스가 학교 전환 사실을 반영하지 않은 것이 직접적 원인이며, 시간당 1,000건 타겟팅이라는 킬 체인 압축이 판단의 여지를 제거한 구조적 문제를 심층 분석한 기사.

  • 1

    실제 타겟팅은 Palantir Maven이 수행, Claude는 정보 검색/요약 레이어일 뿐

  • 2

    DIA 데이터베이스 미갱신이 직접적 원인 — 2016년 이전 학교 전환이 반영 안 됨

  • 3

    시간당 1,000건(건당 3.6초) 타겟팅 목표가 숙의와 판단의 여지를 제거

  • 4

    AI 카리스마가 헌법적·법적 질문을 기술적 질문으로 치환

  • 5

    베트남~코소보~이라크전까지 반복되는 타겟팅 시스템 실패 패턴

이란 학교 폭격: AI가 아니라 데이터베이스 미갱신이 문제였음

  • 2026년 2월 28일, 미군의 "에픽 퓨리 작전" 첫날, 이란 남부 미나브의 샤자레 타이에베 초등학교가 최소 2차례 폭격을 받음. 175180명이 사망했고 대부분 **712세 여자아이들**이었음
  • 폭격 직후 언론과 의회의 관심은 온통 "Anthropic의 Claude가 학교를 타격 대상으로 선정한 건 아닌가"에 쏠렸음. 뉴요커는 Claude가 전투에서 명령을 따를 수 있는지, 자기 보존을 위해 협박까지 할 수 있는지 같은 기사를 냈음
  • 하지만 실제 타겟팅은 Palantir의 Maven이라는 시스템에서 돌아간 거임. Claude가 아니라 Maven. 근데 아무도 Maven에 대해서는 따지지 않았음

Maven의 역사: Google이 버린 걸 Palantir가 주워감

  • 2017년 미 국방부가 만든 Project Maven은 원래 드론 감시 영상을 AI로 분석하려는 프로젝트였음. 프레데터 드론 한 번 출격하면 수백 시간의 영상이 나오는데, 분석관들이 80%의 시간을 단순 작업에 쓰고 있었거든
  • Google이 처음 계약을 따갔는데, 직원 4,000명 이상이 반대 서명을 하고, 시위하고, 퇴사까지 하면서 결국 Google이 계약을 포기함 — 실리콘밸리 역사상 가장 큰 노동 운동이었음
  • 2019년에 Peter Thiel이 공동 창업한 Palantir가 이 계약을 이어받아 6년간 Maven을 지금의 타겟팅 인프라로 발전시킴

3.6초에 하나씩: 킬 체인의 압축

  • Palantir의 Maven Smart System은 위성 이미지, 신호 정보(SIGINT), 센서 데이터를 하나로 통합해서 타겟을 탐지하고 타격 승인까지 파이프라인으로 연결하는 시스템
  • 인터페이스가 재밌음 — 군사용 스킨을 씌운 Kanban 보드 같은 거임. 타겟이 왼쪽에서 오른쪽으로 컬럼을 이동하면서 탐지 → 분석 → 승인 → 타격 단계를 거침. 토요타에서 시작된 린 제조 워크플로를 킬 체인에 적용한 셈
  • 기존에는 8~9개 시스템을 오가며 수작업으로 데이터를 교차 검증했는데, Maven이 이걸 하나의 "추상화 레이어(abstraction layer)"로 통합함. 3번 클릭이면 지도 위의 데이터 포인트가 정식 탐지 건으로 변환되어 파이프라인에 진입
  • 2003년 이라크 침공 때 타겟팅에 약 2,000명이 필요했음. Scarlet Dragon 훈련에서는 20명이 Maven으로 같은 양의 작업을 처리함. 2024년 목표는 시간당 1,000건의 타겟팅 결정 — 건당 3.6초, 담당자 입장에서는 72초에 1건

중요

> Maven 아래서 돌아가는 AI는 LLM이 아님. 사진에서 고양이를 인식하거나 자율주행차가 카메라+레이더+라이다를 퓨전하는 것과 같은 기술임. Claude는 2024년 말에야 분석관이 정보 보고서를 자연어로 검색·요약하는 용도로 추가된 레이어일 뿐, 타겟 탐지·센서 퓨전·무기 매칭에는 관여하지 않음

학교가 폭격당한 진짜 이유

  • 미나브의 학교 건물은 국방정보국(DIA) 데이터베이스에 군사 시설로 등록되어 있었음. CNN 보도에 따르면 이 건물이 인접 혁명수비대 시설에서 분리되어 학교로 전환된 건 위성 사진 기준 2016년 이전인데, 데이터베이스가 갱신되지 않은 거임
  • 챗봇이 아이들을 죽인 게 아님. 사람들이 데이터베이스를 업데이트하지 않았고, 다른 사람들이 그 실패를 치명적으로 만들 만큼 빠른 시스템을 구축한 것

"AI 사이코시스": 왜 모두가 엉뚱한 걸 탓하나

  • 학자 Morgan Ames가 2019년에 쓴 The Charisma Machine의 개념이 핵심임. 특정 기술이 자석처럼 모든 관심과 자원과 귀인(attribution)을 자기 쪽으로 끌어당기는 현상 — "hype"보다 더 넓은 개념으로, 비판자들조차 결국 그 기술을 논의의 중심에 놓게 만듦
  • LLM이 역사상 가장 강력한 "카리스마 기술"일 수 있다는 주장. "AI 안전", "정렬(alignment)", "환각(hallucination)" 같은 용어가 AI에 대한 모든 논의를 구조화하면서, 실제 타겟팅에 쓰인 훨씬 오래되고 성숙한 기술 스택에 대한 질문은 사라져버림

역사는 반복된다: 베트남부터 코소보까지

  • 1960년대 베트남전의 이글루 화이트 작전: 호치민 루트에 2만 개 센서를 뿌리고 IBM 360으로 분석했지만, 시스템은 진동을 감지할 뿐 트럭과 소달구지를 구별 못 함. 북베트남은 트럭 엔진 녹음을 틀고 나무에 소변 양동이를 매달아 센서를 속임. 공군은 한 해 동안 파괴했다고 주장한 트럭 수가 북베트남 전체 트럭 보유량을 초과. 잔해가 안 보이자 "위대한 라오스 트럭 포식자"라는 가상의 존재를 만들어 설명함
  • 2003년 이라크 침공: 고위 인사 표적 50곳을 타격했는데 의도한 대상을 한 명도 못 맞힘. 정밀 타격이긴 했음 — 조준한 곳을 정확히 맞혔는데 정보가 틀렸던 것
  • 코소보전: CIA가 세르비아 연방 조달국을 타격하려 했으나 최근 이전한 중국 대사관을 오폭. 3명의 중국 기자가 사망. 세 개의 오래된 지도에서 좌표를 역산했는데, 국무부는 대사관 이전 사실을 알고 있었지만 군 시설 데이터베이스에는 반영 안 됨. 당시 정보 분석관 Jon Lindsay가 일지에 남긴 표현: "완벽하게 포장된 거대한 오류(an immense error, perfectly packaged)"

속도가 아니라 판단이 사라진 것

  • 2003년 이라크전에서 영국군과 미군의 교대 근무 비교가 인상적임. 영국 장교들은 더 보수적이고 느렸지만, 영국 교대조에서는 아군 오사(friendly fire)도, 의미 있는 민간인 피해도 없었음. 미군이 "지연(latency)"이라고 측정한 것이 실은 실수를 잡아낼 수 있는 창이었던 것
  • Palantir CEO Alex Karp은 2025년 저서에서 "소프트웨어가 지휘봉을 잡았다"고 자랑하며, 벌떼와 찌르레기떼의 군집 행동을 모델로 들었음. 정보가 중재 없이 전달되는 게 이상적이라는 건데 — 아무도 이의를 제기할 수 없는 신호는 아무도 검증할 수 없는 신호이기도 함
  • 역사학자 Theodore Porter의 주장: 조직은 숫자가 더 정확해서가 아니라 더 방어하기 쉬워서 정량적 규칙을 채택함. 판단은 정치적으로 취약하지만 규칙은 그렇지 않음. 시스템의 실질적 유연성은 인정받지 못하는 해석 작업에 의존하는데, 누군가 그것을 "비효율"로 착각하면 제거해버림

⚠️주의

> 의회는 이 전쟁을 승인한 적이 없음. 2주간 미군은 6,000개 타겟을 타격했고, 학교는 그 중 하나였음. "AI 오류"라는 프레임은 헌법적 질문(누가 이 전쟁을 승인했나)과 법적 질문(이것이 전쟁범죄인가)을 기술적 질문으로 치환해버린 것

기사의 핵심 주장

  • Claude 논쟁이 에너지를 흡수해버림 — 이것이 "카리스마"가 하는 일
  • 킬 체인을 압축한 것은 사람의 결정이고, 숙의(deliberation)를 지연이라 부른 것도 사람의 결정이며, 시간당 1,000건의 타겟팅을 "고품질"이라고 부른 것도 사람의 결정. 이 전쟁을 시작한 것도 사람이고, 의회에 앉아서 멈추지 않는 것도 사람
  • "AI 문제"라고 부르는 순간, 그 결정들과 그 사람들이 숨을 곳이 생기는 거임

LLM이 역사상 가장 강력한 '카리스마 기술'이라는 분석이 날카로움. AI를 탓하는 순간 실제 의사결정자들이 숨을 곳이 생긴다는 구조적 비판.

댓글

댓글

댓글을 불러오는 중...

ai-ml

오픈AI, 브로드컴과 만든 첫 자체 추론 칩 ‘할라페뇨’ 공개

오픈AI가 브로드컴과 함께 만든 첫 자체 추론 프로세서 ‘할라페뇨’를 공개했다. 아직 테스트 단계지만, 실시간 코딩 모델 같은 추론 워크로드에서 기존 최고 수준 대안보다 전력 대비 성능이 크게 좋다는 초기 결과를 내세웠다.

ai-ml

가트너 “네오클라우드, 2030년 AI 클라우드 시장 20% 먹는다”

생성형 AI 확산으로 GPU 기반 고성능 컴퓨팅 수요가 폭증하면서 AI 전용 클라우드 사업자인 네오클라우드가 커지고 있다는 분석이 나왔어. 가트너는 2030년 약 2,670억 달러 규모 AI 클라우드 시장에서 네오클라우드가 20%를 차지할 수 있다고 봤어. GPU 확보, 가격 경쟁력, 데이터 주권 대응이 핵심 포인트야.

ai-ml

스페이스X, 오픈소스 AI 스타트업에 초대형 컴퓨팅 파워 판다

리플렉션 AI가 스페이스X의 대형 데이터센터 인프라를 쓰기 위해 2029년까지 최대 63억달러 규모 계약을 맺었다는 내용이다. 월 1억5000만달러를 내고 엔비디아 GB300 기반 컴퓨팅 자원을 확보하는 구조이며, 스페이스X는 남는 AI 인프라를 외부 고객에게 파는 플랫폼 사업으로 확장하려는 흐름을 보인다. 오픈소스 AI 모델을 내세우는 리플렉션 AI가 정부·안보 시장에서 빠르게 커지고 있다는 점도 포인트다.

ai-ml

AI가 청소년의 ‘생각 훈련’을 건너뛰게 만든다는 경고

이 글은 생성형 AI가 청소년과 주니어에게 편리한 도구를 넘어 사고력 발달을 약화시킬 수 있다는 우려를 다뤄. 핵심은 AI 사용 자체가 문제라기보다, AI가 단일한 관계와 정보 통로가 되고 글쓰기·판단·고민의 과정을 대신해버릴 때 인지 훈련 기회가 사라진다는 점이야.

ai-ml

성남시, AI로 고독사 위험과 고령자 주차 문제를 같이 실증한다

성남시니어산업혁신센터가 AI 돌봄 자동화 플랫폼과 AI 스마트 주차관리 시스템의 실증기관으로 선정됐어. 각각 14억2500만 원, 30억 원 규모 사업이고, 고령자 돌봄과 교통약자 주차 편의라는 생활밀착형 문제를 AI로 풀어보겠다는 내용이야.