K리그 경기장서 검증된 실시간 공간지능 기술, 방산·우주·인프라로 확장 “지연 허용 안 되는 현장”이 범용 AI보다 ‘현장 특화 AI’를 부른다
대전월드컵경기장. 시각장애인 관중이 귀에 꽂은 수신기를 통해 경기를 따라간다. “오른쪽 측면에서 빠르게 치고 들어갑니다. 중앙으로 크로스, 문전 혼전. 슛, 골입니다.”
중계 부스에 해설자가 없어도 관중 귀에는 사람 목소리로 된 실시간 해설이 흘러들어간다. 경기장 카메라와 센서에서 들어오는 데이터를 공·선수·관중의 위치와 움직임 단위로 해석하고, 이를 자연어와 음성으로 바꿔 전달하는 인공지능(AI) 덕분이다.
국내 최초 시각장애인 대상 AI 음성중계 뒤에는 엣지(Edge) AI 기반 공간지능 엔진을 개발한 스타트업 에이치인텔리전스(H’ Intelligence)가 있다. 이 회사의 핵심은 초거대 범용 AI 모델을 조금 더 잘 돌리기 위한 ‘모델 최적화’ 경쟁이 아니다. 경기장·항만·전장·우주처럼 제약과 리스크가 극단적인 현장을 기준으로, 처음부터 끝까지 설계된 ‘현장 특화 AI’를 어떻게 설계하고 실제로 굴릴 것인가에 초점을 맞춘다.
에이치인텔리전스 내부에서 이 역량은 “현장 특화형 공간지능 AI 설계·운영 능력”으로 정의된다. 카메라를 어디에 몇 대 설치해야 하는지, 지연과 끊김이 잦은 네트워크 환경에서 어떤 방식으로 모델을 경량화해야 하는지, 장애가 났을 때 누가 어떤 순서로 복구해야 하는지까지 하나의 패키지로 묶어내는 능력이다. 이처럼 AI를 실제 현장에 얹고, 고장이 나지 않도록, 현장 인력이 부담 없이 쓰게 만드는 경험 자체가 “AI를 실제로 쓰이게 만드는 가장 확실한 경쟁력”이라는 것이 이 회사의 명확한 문제의식이다.
이 구조는 방산·우주·항만·에너지 설비 같은 이른바 ‘미션 크리티컬’ 산업이 찾고 있는 엣지 AI 플랫폼의 축소판이기도 하다.
지연 1~2초도 치명적인 시대, 엣지로 내려가는 AI
방산, 우주, 국가 기간 인프라에서는 수 초의 판단 지연이 생명과 직결될 수 있다. 전장 한복판에서 무인기 영상과 통신 데이터를 중앙 클라우드로 보내 분석한 뒤 다시 지휘관에게 돌려보내는 구조로는, 재밍과 통신두절 상황에서 제대로 작동하기 어렵다.
이런 이유로 글로벌 방산·IT 기업들은 데이터센터 중심 구조에서 벗어나, 센서와 장비 가까운 현장에서 곧바로 분석·판단을 수행하는 엣지 AI에 대규모 투자를 이어가고 있다. 전술 드론, 장갑차, 병사 개인 장비에 탑재된 소형 장치에서 영상을 분석하고, 위협을 탐지하며, 필요하면 자율 대응까지 수행하는 구상이 곳곳에서 제시된다.
엣지 AI의 장점은 명확하다. 지연시간을 최소화하고, 단일 장애지점(SPOF)을 줄이며, 네트워크 장애 시에도 시스템이 독립적으로 동작할 수 있는 회복력을 확보할 수 있다. 산업·연구 보고서들은 공통적으로 “미션 크리티컬 환경일수록 데이터는 클라우드가 아니라 현장에 가까운 곳에서 처리돼야 한다”고 강조한다.
이제 AI의 질문은 바뀌고 있다. “얼마나 큰 모델을 만들 것인가”에서 “얼마나 위험한 현장에 이 모델을 안전하게 내려보낼 것인가”로, “얼마나 많은 데이터를 모을 것인가”에서 “얼마나 많은 현장에서 실제로 돌려볼 것인가”로 초점이 이동한다.
‘범용’이 아니라 ‘현장 특화’…에이치인텔리전스의 선택
이 변화의 한 가운데에서 에이치인텔리전스는 처음부터 명확한 선택을 했다. 초거대 범용 모델 경쟁이 아니라, “현장 특화 AI를 설계하고 운영하는 능력”이라는 좁지만 깊은 골짜기를 파는 길이다.
에이치인텔리전스 김병준 대표
K리그 시각장애인용 AI 음성중계 시스템만 봐도 그렇다. 이 시스템은 한두 개의 모델만으로 구현되지 않는다. 카메라 영상에서 선수·공·필드를 인식하는 컴퓨터 비전, 이들의 위치 관계와 움직임을 시간에 따라 추적하는 공간지능 엔진, 상황을 문장·스토리로 바꾸는 내러티브 생성, 실제 캐스터·해설의 톤과 호흡을 매칭하는 음성합성까지 여러 계층의 모델이 얽혀 있다.
여기에 경기장이라는 특수한 제약 조건이 더해진다. 관중이 몰리는 시간대에는 네트워크 지연과 패킷 손실이 발생하고, 일부 구역은 카메라 사각지대가 생긴다. 장비를 추가로 설치하려면 구단·리그·경기장 시설관리 주체와의 협의가 필요하고, 장애가 났을 때는 경기 진행을 방해하지 않는 선에서 신속히 복구해야 한다.
에이치인텔리전스가 중요한 경쟁력으로 보는 것은 이 모든 퍼즐을 하나의 ‘운영 가능한 시스템’으로 맞추는 능력이다. 어떤 모델을 쓸지보다, 그 모델을 어디에 어떻게 배치하고, 누가 어떤 인터페이스로 쓰게 할지, 고장 났을 때 누가 어떤 메뉴얼로 대응하게 할지까지 설계하는 것이다.
“우리가 잘하고 싶은 것은 범용 AI의 수치 경쟁이 아니라, 구체적인 현장에 맞게 AI를 설계·운영해 본 경험 그 자체”라는 것이 이 회사가 일관되게 강조하는 지점이다. 경기장에서의 경험은 방산·우주·항만·에너지 설비 같은 더 높은 위험도의 현장을 향해 나아가기 위한 일종의 ‘파일럿 프로젝트’다.
전장·우주·항만으로 확장되는 공간지능
엣지 AI가 ‘어디서 처리하느냐’의 문제라면, 공간지능(Spatial AI)은 ‘무엇을 어떻게 이해하느냐’의 문제다. 카메라·센서에서 들어온 데이터를 단순히 “사람, 차량, 공” 단위로 인식하는 수준을 넘어, 이들이 공간 안에서 어떻게 상호작용하는지, 시간이 흐르며 어떤 패턴을 보이는지까지 이해하는 기술이 공간지능이다.
경기장에서 특정 선수의 돌파와 공 흐름을 읽어내던 공간지능 엔진이 전장에 적용되면, 장갑차·무인기·보병 분대의 위치와 움직임을 읽어내는 시스템으로 바뀔 수 있다. 드론 군집과 헬멧 부착 카메라, 차량 센서 데이터를 한꺼번에 받아 엣지 장비에서 통합 분석한 뒤, 지휘관에게 다음과 같은 형태의 자연어 브리핑을 실시간으로 제공하는 그림이다.
“동쪽 능선 뒤편 열 영상 기준 3개 그룹 이동 감지, 우리 측 전방 관측소와 거리 1.2km. 5분 내 교전 가능성 높음. 북측 우회 경로 확보 필요.”
우주에서도 상황은 크게 다르지 않다. 지구 저궤도(LEO) 위성과 국제우주정거장(ISS) 등에서는 이미 “위성·우주정거장 안에서 직접 데이터를 처리하는 온보드 AI” 실험이 진행되고 있다. 제한된 대역폭과 긴 통신 지연, 방사선 환경을 감안하면, 센서 데이터에서 이상 징후를 감지하고 궤도·자세를 조정하는 작업을 지상에서만 처리하는 것은 비효율적이기 때문이다.
우주 공간지능은 단순 설비 모니터링을 넘어, 위성·로봇팔·탑재체 등 여러 장비가 3차원 공간에서 어떻게 상호작용하는지까지 고려해야 한다. 경기장에서 축구공과 선수를 쫓던 AI가, 우주에서는 위성·우주 쓰레기·관측 대상까지 함께 고려하는 ‘3D 상황 인식 엔진’으로 확장될 수 있는 이유다.
항만과 에너지 설비 역시 공간지능의 대표적인 무대다. 컨테이너 야드에는 크레인·트럭·인력이 뒤엉켜 있고, 발전소·송전망에는 수많은 설비와 배관·케이블이 복잡하게 얽혀 있다. 이 환경에서 “어디에 어떤 위험이 가까워지고 있는지”를 사람이 눈으로만 파악하는 데는 한계가 있다.
엣지 AI 기반 공간지능 시스템은 이 데이터를 현장에서 바로 분석해, 관리자에게 “현재 북쪽 구역 크레인 3번과 트럭 동선이 반복적으로 겹치고 있으며, 야간 교대 시간대에 충돌 위험이 증가하고 있다”는 식의 내러티브를 제공할 수 있다. 이는 단순 경보를 넘어 “왜 지금 조치해야 하는지”를 이해시키는 설명형 인터페이스다.
데이터 주권·규제, 그리고 한국 스타트업의 기회
방산·우주·인프라 영역에서 또 하나 중요한 키워드는 데이터 주권과 보안이다. 군사 영상, 항만 물류 흐름, 발전소 설비 상태 같은 민감 데이터가 해외 클라우드로 그대로 전송되는 구조는 규제와 안보 측면에서 부담이 크다.
엣지 AI 시스템은 데이터를 센서·단말 근처에서 처리하고, 외부로는 요약된 메타 정보와 추론 결과만 보내는 구조를 채택할 수 있다. 이는 “민감 데이터는 현장·국내 인프라 안에서 처리한다”는 각국의 정책 기조와도 맞물린다.
에이치인텔리전스는 처음부터 “데이터 주권을 지키는 공간지능 AI”를 표방하며, 경기장 실증 단계부터 온사이트 처리 구조를 택했다. 장기적으로 방산·우주·항만·에너지 영역으로 확장을 염두에 둔 선택이다. 범용 AI 모델을 해외 클라우드에서 잘 돌리는 능력이 아니라, 각국 규제와 보안 요건에 맞춰 현장에 최적화된 아키텍처를 짜고 운영해본 경험이야말로 해외 진출에서도 유효한 무기가 될 수 있다는 판단이다.
스포츠에서 방산·우주로…‘리스크 완화형’ 고도화 전략
에이치인텔리전스의 사업 로드맵은 한눈에 보면 단순하다. 먼저 K리그 경기장과 캐나다 캐나다 여객 터미널 같은 스포츠·교통 인프라에서 레퍼런스를 확보한 뒤, 항만·산업단지·에너지 설비, 더 나아가 방산·우주 영역으로 확장한다는 구상이다. 공통점은 “한 번 깔리면 쉽게 바꾸기 어려운 인프라형 서비스이자, 24시간 멈출 수 없는 미션 크리티컬 영역”이라는 점이다.
흥미로운 부분은 이 회사가 아직도 5인 핵심 팀 중심의 슬림한 조직을 유지하고 있다는 사실이다. CTO, 연구원, 개발자가 공간지능 알고리즘과 엣지 최적화, 내러티브·UX 설계를 함께 맡는 구조다. 단기간에 매출을 극대화하기보다는, 위험도가 낮은 스포츠에서 검증한 뒤 항만·인프라, 방산·우주로 올라가는 “리스크 완화형 고도화 전략”에 가깝다.
이 전략의 바닥에는 일관된 질문 하나가 깔려 있다. “어떻게 하면 이 AI를 실제 현장에서 쓰이게 만들 수 있을까.”
AI를 실제로 쓰이게 만드는 가장 확실한 경쟁력은, 추상적인 알고리즘 성능이 아니다. 구체적인 현장에 맞춰 시스템을 설계하고, 각종 고장과 리스크를 감수하며, 운영까지 끝까지 책임져 본 경험 그 자체다. 에이치인텔리전스가 K리그 경기장과 페리, 항만을 거쳐 더 위험한 현장을 바라보는 이유도 여기에 있다.
지연을 허용할 수 없는 현장이 계속 늘어나는 한, AI는 엣지로 내려갈 수밖에 없다. 그리고 그 엣지에서 요구되는 것은 더 큰 범용 모델이 아니라, 더 정교한 현장 특화 설계와 운영 능력이다. 경기장에서 시작한 에이치인텔리전스의 실험이, 한국형 ‘현장 AI’의 표준을 만들어 가는 출발점이 될 수 있을지 지켜볼 일이다.
이정표 기자
출처 : 아이티비즈(https://www.it-b.co.kr/news/articleView.html?idxno=85449) | 
