--- title: "디토닉이 말한 미래 전장 AI, 데이터 많이 모으는 것보다 ‘같은 상황 이해’가 핵심" published: 2026-06-10T08:05:01.786Z canonical: https://jeff.news/article/3957 --- # 디토닉이 말한 미래 전장 AI, 데이터 많이 모으는 것보다 ‘같은 상황 이해’가 핵심 디토닉이 AI 기반 MUM-T 발전 세미나에서 유무인복합체계 전장의 핵심을 ‘상황 맥락 인식’으로 제시했다. 센서 데이터를 단순히 모으는 단계를 넘어, 온톨로지, 하이브리드 RAG, 다중 에이전트 기술로 전장 참여자들이 같은 상황을 공유하게 만드는 방향이다. - 디토닉이 국방 `유무인복합체계(MUM-T)`에서 AI가 맡아야 할 역할을 “상황 인식”으로 잡음 - 전용주 대표가 6월 9일 대전컨벤션센터에서 열린 `AI 기반 MUM-T 발전 세미나`에서 발표함 - 발표 주제는 `AI 데이터 플랫폼 기반 MUM-T 전장 상황인식 체계`였고, 핵심 키워드는 `상황 맥락(Situational Context)`과 `상호 상황인식(Shared Awareness)`임 - 디토닉이 보는 미래 전장의 문제는 “정보 부족”이 아니라 “정보 과잉을 제때 이해하지 못하는 것”임 - 센서와 플랫폼에서 데이터와 이벤트가 계속 쏟아지는데, 이걸 단순히 모으는 것만으로는 작전 판단이 빨라지지 않는다는 얘기임 - 전 대표는 AI가 여러 데이터와 이벤트를 연결해 지금 어떤 상황이 형성되는지 파악하고, 모든 전술 주체가 같은 그림을 보게 해야 한다고 설명함 > [!IMPORTANT] > 포인트는 데이터 수집량 경쟁이 아님. 같은 데이터를 보고도 각 주체가 다른 판단을 내리면, 전장에서는 대응 속도와 효율성이 바로 떨어진다는 게 디토닉의 주장임. - 기존 국방 정보체계가 `센서 융합(Sensor Fusion)`과 `표적 추적 정보 통합(Track Integration)`에 집중했다면, 다음 단계는 의미 해석임 - 센서 융합은 여러 센서에서 들어온 데이터를 하나로 합치는 쪽에 가깝고, 표적 추적 정보 통합은 추적 대상 정보를 맞춰보는 쪽임 - 디토닉은 여기서 한 발 더 나아가 AI가 분산된 정보의 의미와 관계를 해석해야 한다고 봄 - 즉 “어디에 뭔가 있다”를 넘어서 “지금 이 이벤트들이 합쳐져 어떤 전술 상황을 만들고 있나”를 이해해야 한다는 방향임 - MUM-T 환경에서는 이 문제가 더 커짐 - 유인 플랫폼, 무인 플랫폼, 지휘통제체계, 전장 감시 자산이 동시에 작전에 참여하기 때문임 - 각 주체가 데이터를 따로 보고 따로 판단하면, 같은 작전 안에서도 판단이 어긋날 수 있음 - 그래서 단순 정보 공유보다 한 단계 높은 `상호 상황인식(Shared Awareness)`이 필요하다는 게 발표의 핵심임 - 디토닉은 이걸 구현하기 위한 기반으로 자사 초고속 시공간 데이터 처리 엔진 `지오하이커(Geo-Hiker)`를 제시함 - 전장 전역의 데이터를 실시간 수집·처리하는 엔진으로 설명됨 - 여기에 `온톨로지(Ontology)` 기반 의미 분석, `하이브리드 RAG`, `다중 에이전트(MAS)` 기술을 결합한다고 밝힘 - 목표는 흩어진 개별 이벤트를 하나의 상황 맥락으로 연결하는 AI 체계를 만드는 것임 ```mermaid sequenceDiagram participant 감시자산 participant 지오하이커 participant 상황인식AI participant 지휘부 participant 유무인전력 감시자산->>지오하이커: 센서·이벤트 데이터 전송 지오하이커->>상황인식AI: 시공간 데이터 실시간 처리 결과 전달 상황인식AI->>상황인식AI: 온톨로지·하이브리드 RAG·다중 에이전트로 맥락 해석 상황인식AI->>지휘부: 공유 상황 인식 제공 지휘부->>유무인전력: 의사결정과 임무 지시 공유 유무인전력->>상황인식AI: 작전 상태와 현장 이벤트 피드백 ``` - 발표 뒤에는 국방과학연구소, 안두릴, 에이팀벤처스 관계자들과 토론도 이어짐 - 참석자들은 미래 MUM-T 체계에서 AI 기반 상황인식과 공유 체계가 중요하다는 데 공감함 - 논의는 관련 기술 발전 방향과 준비 현황으로 이어졌다고 함 - 개발자 관점에서 보면 이건 국방판 “복잡한 분산 시스템의 공통 상태 만들기” 문제에 가까움 - 데이터 소스는 많고, 처리 지연은 치명적이고, 각 노드가 다른 상태를 믿으면 전체 시스템 판단이 깨짐 - 그래서 시공간 데이터 처리, 의미 모델링, 검색 증강 생성, 에이전트 협업 같은 기술이 한 묶음으로 등장함 - 국방이라는 도메인만 빼고 보면, 대규모 관제·물류·재난 대응 시스템에서도 비슷한 구조의 문제가 반복됨 --- ## 기술 맥락 - 여기서 디토닉이 고른 방향은 단순한 AI 챗봇이 아니라, 전장 데이터를 실시간으로 해석하는 상황인식 AI예요. 왜냐하면 MUM-T에서는 유인 장비와 무인 장비, 지휘체계, 감시 자산이 동시에 움직여서 데이터가 많아질수록 오히려 판단이 꼬일 수 있거든요. - `지오하이커`가 먼저 나오는 이유는 전장 데이터가 기본적으로 시간과 위치를 가진 이벤트이기 때문이에요. 누가 어디서 언제 무엇을 감지했는지를 빠르게 묶지 못하면, 그 위에 어떤 AI를 올려도 상황 판단이 늦어져요. - 온톨로지와 하이브리드 RAG를 붙이는 건 “검색한 문장을 그럴듯하게 말하는 AI”를 만들려는 게 아니에요. 센서 이벤트, 표적, 작전 주체, 지휘 정보 사이의 관계를 해석해서 현재 상황의 의미를 만들려는 쪽에 가까워요. - 다중 에이전트 구조가 언급된 것도 자연스러워요. 전장 전체를 하나의 모델이 통째로 판단하기보다, 역할이 다른 여러 AI가 감시, 해석, 판단 지원 같은 일을 나눠 처리해야 Shared Awareness를 만들 가능성이 커지거든요. ## 핵심 포인트 - 디토닉은 미래 전장의 병목이 정보 부족이 아니라 과도한 정보를 제때 해석하지 못하는 데 있다고 봤다. - 기존 센서 융합과 표적 추적 정보 통합을 넘어 상황 맥락을 이해하는 AI가 필요하다고 주장했다. - MUM-T 환경에서는 유인 플랫폼, 무인 플랫폼, 지휘통제체계, 감시 자산이 같은 상황 인식을 공유해야 한다고 강조했다. - 디토닉은 지오하이커 기반 실시간 시공간 데이터 처리에 온톨로지, 하이브리드 RAG, 다중 에이전트 기술을 결합하고 있다고 밝혔다. ## 인사이트 국방 기사지만 개발자에게도 꽤 익숙한 문제가 나온다. 데이터는 넘치는데 시스템마다 맥락이 다르면 의사결정이 느려진다는 문제고, 디토닉은 여기에 시공간 데이터 처리, 지식 표현, RAG, 에이전트 조합으로 답을 만들겠다는 쪽이다.