영상관제 AI 출시부터 독자 모델 평가·의료 AI 연구까지

오늘의 판

오늘은 실행 단계가 서로 다른 다섯 가지 AI 소식을 살펴본다. 한화비전은 보안 카메라 영상을 자연어로 찾는 영상관제 제품의 판매 지역을 넓혔다. 국내 독자 AI 파운데이션 모델 후보 4개 팀은 2차 평가 보고서를 제출했다. 행정안전부는 AI 국민비서와 AI 정부24의 성과를 대통령에게 보고하고 재난·119 분야의 AI 활용을 확대할 계획이다. 의료 연구에서는 DGIST가 소아 뇌병증 국제 공동연구 허브에 선정됐고, 세니젠은 항생제 내성균 패혈증 치료 후보를 AI로 설계하는 국책과제를 맡았다.

이 다섯 사건을 하나의 거대한 변화로 묶기는 어렵다. 영상관제 제품은 이미 출시돼 고객을 확보하는 단계다. 독자 AI 모델은 평가 결과를 기다리고 있다. 공공서비스는 업무보고와 하반기 계획이 중심이다. 두 의료 AI 사업은 이제 장기 연구를 시작한다. 따라서 발표 이름보다 먼저 봐야 할 것은 현재 확인된 성과와 앞으로 검증해야 할 목표 사이의 거리다.

핵심 수치

숫자의 단위도 구분해야 한다. ‘고객사’는 카메라나 서버 대수를 뜻하지 않는다. ‘국민평가단 200명’은 전체 평가의 한 부분이며 최종 선정 인원이 아니다. 의료 AI의 연구비와 기간은 투입 조건이다. 실제 성과는 후보 발굴, 실험 검증, 임상 진입처럼 다음 단계의 증거로 확인해야 한다.

산업·기술 이슈

한화비전, 영상관제 AI를 더 많은 지역에 출시

한화비전은 2026년 4월 미주와 유럽에 선보인 영상관제 솔루션 ‘블레이즈’를 7월 중남미·중동·아시아태평양 지역에도 출시했다. 기사에 따르면 출시 3개월 만에 고객사 100여 곳을 확보했다.1

영상관리시스템, 영어로 VMS는 여러 보안 카메라의 영상을 한곳에서 저장하고 다시 찾으며 관리하는 소프트웨어다. 블레이즈는 여기에 AI 검색을 더했다. 유사도 검색은 여러 카메라 영상에서 같은 사람으로 보이는 장면을 찾아 이동 경로를 좁힌다. 의미 검색은 “주황색 셔츠와 청바지를 입은 사람”처럼 사람이 평소 쓰는 문장으로 장면을 찾게 해준다. 영상을 일일이 돌려보는 시간을 줄이는 기능이다.1

그림 1. 한화비전이 글로벌 보안 전시에서 블레이즈를 소개한 모습이다. 영상관제 AI가 연구실 시연을 넘어 실제 판매 제품으로 확장되는 단계를 보여준다. 출처: 한화비전 제공·뉴스1 원문.

블레이즈는 기관 내부 서버에서 운영하는 방식과 클라우드를 함께 쓰는 하이브리드 구조다. 기사에는 한 시스템당 서버 최대 50대를 묶고 수백 대의 시스템을 클라우드로 연결할 수 있다고 설명돼 있다. 여러 청사나 시설의 관제 화면을 한곳에서 관리하려는 조직에는 편리할 수 있다. 반대로 영상이 어느 서버에 저장되는지, 클라우드로 어떤 정보가 이동하는지, 장애가 나면 어느 현장까지 영향을 받는지도 더 복잡해진다.1

공공시설에서 이 제품을 검토한다면 검색 속도만 평가해서는 부족하다. 얼굴과 옷차림, 행동을 기준으로 사람을 추적할 법적 근거가 있는지 먼저 살펴야 한다. 영상 보관기간과 접근권한, 잘못된 검색 결과를 정정하는 절차도 필요하다. 한화비전은 앞으로 에이전틱 AI를 접목해 오알람을 줄이고 AI가 대응을 제안하거나 실행하도록 고도화할 계획이라고 밝혔다. 에이전틱 AI는 질문에 답하는 데서 멈추지 않고 목표를 이루기 위해 여러 단계를 스스로 계획하고 도구를 사용하는 방식이다. 다만 이 기능은 현재 확인된 성과가 아니라 앞으로의 개발 목표다.1

DGIST, 소아 뇌병증 국제 공동연구 허브 구축

DGIST는 과학기술정보통신부와 한국연구재단이 주관하는 해외우수연구기관 협력허브 구축사업에 선정됐다. 올해부터 10년간 정부 연구비 218억5000만원을 지원받는다. DGIST가 사업을 주관하고 한국뇌연구원과 성균관대 의과대학, 일본 국립생리학연구소와 일본 6개 대학이 협력한다.2

소아 뇌병증은 유전적 이상 때문에 발작이나 발달·운동장애가 나타날 수 있는 난치성 신경질환이다. 이번 연구가 주목하는 ‘이온채널’은 세포막에서 전기를 띤 입자가 드나드는 통로다. 이 통로를 만드는 유전자에 변이가 생기면 신경세포의 신호 전달이 달라질 수 있다. 연구진은 환자에게서 발견된 변이와 증상의 관계를 밝히고, 세포·신경회로·행동 수준에서 기능 이상을 검증할 계획이다.2

AI와 계산모델은 어떤 변이가 어떤 증상으로 이어질 가능성이 큰지 예측하고 치료 후보를 좁히는 데 쓰인다. 연구진은 단백질 구조를 바탕으로 기능을 교정할 후보물질을 찾고 효능을 검증할 계획이다. 이 과정에서 AI는 실험 대상을 고르는 도구다. AI가 유망하다고 예측한 후보도 세포와 동물모델 등에서 실제 효과와 안전성을 확인해야 한다.

그림 2. DGIST가 제공한 연구기관 대표 이미지다. 국내 대학·연구기관과 일본 연구진이 10년 동안 공동연구 기반을 만드는 사업의 주관기관을 보여준다. 출처: DGIST 제공·전자신문 원문.

공공 연구비가 들어가는 장기 의료 AI 사업은 논문 수나 모델 정확도만으로 평가하기 어렵다. 환자 유래 데이터의 동의 범위, 가명처리, 국가 간 데이터 이전 조건을 먼저 정해야 한다. 어느 단계에서 후보를 탈락시켰는지, 실패한 실험도 다시 확인할 수 있게 기록했는지, 다른 연구실에서 결과가 재현되는지도 중요하다. 이번 선정은 국제 공동연구 플랫폼의 출발점이다. 치료 후보물질이나 임상 성과가 나온 것은 아니며 연차별 예산과 임상 진입 일정도 기사에서 확인되지 않았다.2

세니젠, 항생제 내성균 패혈증 치료 후보를 AI로 설계

세니젠은 과기정통부의 2026년 K-HERO 육성·지원사업 2단계 후속 연구개발 과제 주관기관으로 선정됐다. 연구기간은 42개월이며 정부출연금과 기업부담금을 합쳐 35억8000만원이 투입된다. 서울과학기술대·이화여대·연세대·서울대가 공동 참여한다.5

연구 대상은 MRSA와 VRE 같은 항생제 내성균이다. MRSA는 메티실린 계열 항생제에 내성을 보이는 황색포도상구균, VRE는 반코마이신에 내성을 보이는 장구균을 가리킨다. 이런 균이 혈류 감염을 일으켜 전신 염증 반응으로 번지면 패혈증으로 이어질 수 있다. 기존 항생제가 잘 듣지 않는 만큼 새로운 방식으로 균을 제거할 후보가 필요하다.

세니젠 컨소시엄은 ‘엔도라이신’을 치료 후보로 삼는다. 엔도라이신은 세균을 감염시키는 바이러스인 박테리오파지에서 유래한 효소로, 세균의 세포벽을 분해한다. 세니젠은 자체 항생제 내성균 유전체 데이터베이스와 AI를 결합해 자연계 효소의 여러 부분을 조합한 ‘하이브리드 키메라 엔도라이신’을 설계할 계획이다. 목표는 효능과 안정성이 더 나은 후보를 찾는 것이다.5

그림 3. 세니젠이 제공한 국책 연구개발 과제 대표 이미지다. 유전체 데이터와 AI 단백질 설계를 결합해 후보물질을 찾는 연구의 출발점을 보여준다. 출처: 세니젠 제공·더벨 원문.

여기서도 ‘AI 설계’와 ‘치료제 개발’을 같은 뜻으로 읽으면 안 된다. 후보가 만들어지면 실험실에서 균을 실제로 제거하는지, 인체 세포에 독성이 없는지, 동물모델에서 효과가 재현되는지 확인해야 한다. 이후에도 임상시험과 허가 절차가 남는다. 42개월 과제 선정은 후보 설계와 검증을 시작한다는 뜻이다. 치료 효과나 상용화가 확인된 상태는 아니다.5

정부·공공 이슈

독자 AI 모델 4개 팀, 2차 평가 보고서 제출

LG AI연구원, SK텔레콤, 업스테이지, 모티프테크놀로지스 등 4개 팀이 독자 AI 파운데이션 모델 프로젝트의 2차 평가 성과 보고서를 과기정통부에 제출했다. 정부는 벤치마크, 전문가 평가, 국민평가단 200명의 사용자 평가를 종합해 4개 팀 중 3개 팀을 다음 단계로 선정할 예정이다. 국민평가단 평가는 8월 8일부터 11일까지 진행되며 결과는 이르면 8월 중순 나올 전망이다.3

파운데이션 모델은 많은 데이터를 미리 학습해 여러 업무에 활용할 수 있는 범용 AI 모델이다. ‘독자 모델’ 평가는 해외 공개 모델을 조금 고친 수준인지, 아니면 자체 구조와 학습 기술을 확보했는지 확인하려는 절차다. 기사에 따르면 이번 평가에는 국제 기준의 벤치마크와 독자성 세부 지표가 반영된다. 에이전틱 AI 역량과 산업 현장 적용성도 평가 대상이다.3

벤치마크는 같은 문제 묶음으로 여러 모델의 성능을 비교하는 시험이다. 공통 기준으로 모델을 비교하는 데 유용하지만 기관의 실제 업무를 그대로 재현하지는 못한다. 국민평가단의 사용자 평가도 일반 이용자가 느끼는 품질을 확인하는 한 방법일 뿐이다. 과기정통부는 국민평가 점수가 결과를 좌우하는 구조가 아니며 평가에 일부 반영된다고 설명했다.3

그림 4. 과학기술정보통신부 제공 사진이다. 독자 AI 모델 사업은 기업 발표가 아니라 정부 평가 절차를 거쳐 다음 단계 팀을 가리는 중이다. 출처: 과학기술정보통신부 제공·이뉴스투데이 원문.

공공기관이 선정 결과를 활용할 때도 별도 시험은 필요하다. 기관 문서에서 답을 제대로 찾는지, 개인정보와 비공개정보를 외부로 보내지 않는지, 계산이나 검색 도구 호출이 실패할 때 멈추는지 확인해야 한다. 정확도뿐 아니라 한 번의 업무를 끝내는 비용과 시간, 장애 때 사람에게 넘기는 절차도 측정해야 한다. ‘국가대표’라는 이름은 개별 기관의 모든 업무에 적합하다는 인증서가 아니다.

현재 확정된 것은 4개 팀이 보고서를 제출했다는 사실과 평가 일정이다. 다음 단계에 오를 3개 팀은 아직 정해지지 않았다. 각 팀이 내세운 모델 성능과 산업 적용 사례도 평가가 끝나기 전에는 후보 측 설명으로 구분해야 한다.3

행안부, AI 국민비서·AI 정부24 성과 보고 예정

행정안전부는 8월 5일 대통령 업무보고에서 AI 국민비서와 AI 정부24 등 공공서비스의 AI 전환 성과를 보고할 예정이다. 하반기에는 여러 기관에 걸친 민원을 한 번에 처리하는 복합민원 원스톱 서비스를 확대하고, 재난안전 분야의 AI 기반 안전시스템을 고도화할 계획이다. 소방청도 AI와 빅데이터를 활용한 119시스템 고도화와 첨단 소방장비 도입을 추진할 예정이다.4

AI 국민비서와 AI 정부24는 국민이 행정정보를 찾거나 민원 절차를 이용할 때 질문의 뜻을 파악하고 필요한 안내를 제공하는 공공서비스다. 복합민원은 한 기관에서 끝나지 않고 여러 기관의 확인과 처리가 필요한 민원을 뜻한다. 이런 업무를 한 번에 이어 주려면 단순한 대화 기능보다 기관별 시스템 연계와 책임 분담이 중요하다.

재난과 119 업무에서는 기준이 더 엄격하다. 일반 정보 검색의 오답은 다시 확인할 여지가 있지만 긴급 신고 분류나 위험 예측의 오류는 현장 대응을 늦출 수 있다. 따라서 정확도 하나가 아니라 놓친 위험인 미탐과 잘못 울린 경보인 오탐을 따로 측정해야 한다. 통신이나 모델에 장애가 생기면 즉시 사람이 처리하도록 전환하는 절차도 필요하다.

이번 기사는 대통령 업무보고 전에 작성됐다. 최종 보고 내용과 대통령의 지시사항은 아직 확인되지 않았다. AI 국민비서와 AI 정부24의 이용 건수, 민원 해결률, 잘못된 안내율 같은 정량 성과도 기사에 나오지 않았다. 업무보고 이후 공개되는 공식 자료에서 실제 성과 지표와 하반기 일정을 다시 확인할 필요가 있다.4

공공 거버넌스 이슈

오늘 사건에서 공공부문이 따로 관리해야 할 경계는 세 가지다. 영상관제에서는 편리한 검색과 적법한 추적의 경계를 정해야 한다. 같은 사람으로 보이는 장면을 빠르게 찾더라도 그 사람을 추적할 권한과 목적이 자동으로 생기지는 않는다. 수사, 시설 안전, 출입관리처럼 목적이 달라지면 필요한 법적 근거와 보관기간도 달라진다.

범용 모델 평가에서는 공통 순위와 현장 적합성을 분리해야 한다. 높은 벤치마크 점수는 출발점이다. 실제 행정문서의 최신성, 기관 고유 용어, 권한별 정보 접근, 외부 도구와의 연결에서 다른 결과가 나올 수 있다. 조달 전 시험과 운영 중 재평가가 모두 필요하다.

의료 AI 연구에서는 예측과 증명을 구분해야 한다. AI가 유망한 변이나 단백질 후보를 골라도 생물학적 실험과 임상 검증을 대신하지 못한다. 연구비 집행기관은 모델 산출물의 개수보다 후속 실험에서 얼마나 검증됐는지, 실패 이유가 기록됐는지, 데이터와 코드의 계보를 다시 확인할 수 있는지를 성과지표로 삼을 수 있다.

교차 분석

오늘 다섯 소식에서 실제로 함께 볼 수 있는 판단은 ‘다음 단계로 넘어가는 조건’을 미리 공개해야 한다는 점이다. 블레이즈는 고객사 수 다음에 독립 성능과 운영 사고 기록이 필요하다. 독자 AI 모델은 공통평가 다음에 기관별 업무 시험이 필요하다. 의료 AI 연구는 후보 설계 다음에 실험 검증과 임상 단계가 남는다. 공공서비스 업무보고는 기능 소개 다음에 민원 해결률과 오류율을 보여줘야 한다.

이 밖의 연결은 크지 않다. 영상관제 제품의 해외 판매와 소아 뇌병증 연구를 같은 산업 흐름으로 해석할 근거는 부족하다. 각각의 사건을 출시, 평가, 보고, 연구 착수라는 실제 상태에 맞춰 보는 편이 정확하다.

AI 관련 담당자라면 참고할 만한 적용 항목

예를 들어 영상관제 시범사업을 시작한다면 “자연어 검색이 된다”는 기능 확인에서 끝내지 말고 동일한 조건의 영상 묶음으로 검색 누락과 잘못된 일치 결과를 측정할 수 있다. 범용 모델은 공개 벤치마크와 별도로 기관의 실제 문서 50~100건을 권한 등급별로 나눠 시험하는 방식을 검토할 수 있다. 이는 기사에 나온 성과가 아니라 도입기관이 적용할 수 있는 검토 예시다.

리스크와 불확실성

한화비전의 고객사 100여 곳은 기사와 회사 설명에 따른 수치다. 고객별 카메라·서버 규모, 계약 금액, 실제 오탐 감소율은 공개되지 않았다. 에이전틱 AI 대응 기능과 20여 가지 신규 기능은 앞으로 추가할 계획이다.

독자 AI 모델의 다음 단계 진출팀은 아직 선정되지 않았다. 국민평가는 8월 8~11일 진행될 예정이며 결과 발표 시점도 ‘이르면 8월 중순’으로 제시됐다. 평가 전 기업별 성능 주장을 최종 결과로 받아들이면 안 된다.

행안부 관련 기사는 업무보고 전 예정사항을 다룬다. 최종 보고 내용과 후속 지시는 바뀔 수 있다. AI 국민비서·AI 정부24, 재난·119 AI의 정량 성과는 후속 공식자료에서 확인해야 한다.

DGIST와 세니젠의 사업은 연구 착수 단계다. 치료 후보물질, 임상 진입, 치료 효과는 확인되지 않았다. 긴 연구기간과 예산은 연구 기회를 뜻하지만 성공을 보장하지 않는다.

더 깊이 공부하고 싶다면?

• 영상관제의 자연어 검색은 어떤 영상 특징을 사용하며, 사람 추적의 오탐을 어떻게 설명하고 정정할 수 있을까?
• 독자 AI 모델 평가에서 공통 벤치마크와 국민평가, 산업 현장 적용성은 각각 어떤 비중과 기준으로 반영될까?
• AI 국민비서와 AI 정부24의 성과를 이용 건수보다 민원 해결률과 오류율로 측정하려면 어떤 공개 지표가 필요할까?
• 소아 뇌병증 변이 예측과 엔도라이신 설계에서 AI 결과를 실험으로 검증하는 단계는 어떻게 구성될까?
• 장기 국책 AI 연구에서 실패한 후보와 음성 결과를 공유하면 다음 연구의 중복 비용을 얼마나 줄일 수 있을까?