정치란 무엇인가. 이 오래된 질문을 다시 묻는다. 한때는 그 개념을 정의한 말들이 너무 다양해 메모지에 적어 본 적이 있었다. 족히 스무 가지가 넘는 개념 정의가 모아졌다. 그중 가장 높은 빈도를 차지하는 내용은 사회적 갈등을 해결하는 과정이라는 것이었다. 갈등을 일으키는 게 아니라 갈등을 해결하는 과정이라는 뜻이다. 상대적으로 동양에서 정치에 대한 개념을 규범적 당위로 더 강조하고 있었다. 정치를 ‘바를 정’(正)과 ‘다스린다’(治)는 의미의 결합으로 규정했으니 말이다. 바로잡기 위해 계엄을 했는가. 그리고 국회의원들과 시의원은 다스리기 위해 돈을 주고받았는가. 대통령은 법정에서 그렇게 강변했고, 국회의원과 시의원 역시 수사 과정에서 그렇게 강변할 것으로 보인다. 커다란 착각이다. 정치가 무엇인지, 공직자가 어떠해야 하는지에 대해 성찰하지 않은 이들이 권력을 특권으로 왜곡하고 약탈의 기회로 삼은 소치다. 내가 수집한 정치인의 개념 중에는 ‘자신의 물리적 희생을 감수하며 자신이 믿는 이상적인 가치를 세상에 구현하려는 사람’이라는 규정도 있었다. 정치란 무엇인가. 인공지능(AI)이나 우주 또는 금융 상품과 관련한 지식이 넘쳐나는 시대라 할지라도, 자신의 정체성에 대한 깨달음과 그에 대한 교육이 중요하다는 사실을 우리는 눈으로 보고 있다. 이러한 자각과 교육 없이 출세한 대통령, 국회의원, 그리고 그 외 머리 좋은 사람들이 얼마나 쉽게 괴물이 되는지 분명해졌다. 정체성을 깨달아야 한다는 말은, 그것을 깨달아야 어디서든 기죽지 않고 당당하게 나서는 사람이 된다는 의미가 아니다. 우리는 한국 사람이기 때문에 일본과 싸워야 한다는 국뽕들의 선동 같은 차원의 언사도 아니다. 정체성을 알고 자신을 찾는다는 것은 자신이 어떤 소명을 지니고 태어난 존재인지, 현시점에서 어떤 덕을 베풀어야 하는 사람인지 근원적 가르침을 내면화해야 한다는 뜻이다. 법정에 선 대통령은 12·3 계엄 선포를 위한 국무회의에서 정치적 역공과 실패의 위험을 경고해 준 국무위원이 없었다고 했다. 자신의 정체성을 분명히 자각하지 못한 사람들이 권력 앞에 ‘노’(no)라고 말하는 건 불가능하다. 그 결과 본인도 망하고, 대통령도 망하고, 국가에도 누가 되는 일이 벌어졌다. 지혜로운 권력자는 자신이 정체성을 잃을 위험에 반드시 대비할 필요가 있다. 인간이기 때문에 권력 앞에서 약해지고 자신의 소임을 다하지 못할 수 있다는 사실은 수많은 역사적 사건이 가르쳐 준다. 오죽하면 가톨릭에서는 수백년 동안 성인 추대 심사에 ‘악마의 변호인’ 제도를 두었겠는가. 미국의 대통령 중에서도 그러한 역할을 하는 참모를 둔 대통령이 있었다. 권력의 위세나 집단적 결정의 오류를 제어하기 위해 일부러 반대 의견을 제시하고 비판하게 하는 장치를 두었던 셈이다. 자신의 정체성이 흔들리는 위험에 대비하는 노력이 오늘의 리더에게도 필요하다. 개인 차원의 정체성, 그리고 그것을 보완하는 제도적 장치가 무너지면 권력은 타락한다. 권력의 타락은 사명으로부터의 이탈과 부패를 뜻하는데, 여기에는 전조 증상이 있다. 올바름에 대한 의지와 인간에 대한 연민이 고갈된다. 전조 증상의 전조 증상 또한 존재하는데, 그것은 감각의 둔화 현상이다. 세상 모든 일에는 찬성과 반대가 있기 마련이므로 반대하는 편을 신경 쓸 필요 없다는 피로감과 일방통행식 의사결정이다. 해방 후 한국의 대통령은 13명이었다. 이 가운데 8개월 과도정부를 관리한 최규하와 2공화국 내각책임제의 윤보선을 제외하면 11명이다. 사형선고 혹은 사형 구형 2명, 투옥 4명, 탄핵 2명, 살해와 자살·추방이 각 1명이다. 그리고 2명은 아들이 대신 감옥에 갔다. 이쯤 되면 대통령 본인의 삶을 위해, 그리고 좋은 사회를 꿈꾸는 국민들을 위해 권력의 일탈을 사전에 예방하고 깨끗한 나라를 만드는 데 앞장설 필요가 있지 않을까. AI와 우주를 탐험하는 지식이 넘쳐나는 오늘에도 우리는 본원적 정체성을 스스로 묻지 않을 수 없다. 그리고 대학은 그것을 교육하지 않을 수 없다. 정치란 무엇인가. 그리고, 나는 누구인가. 이종수 연세대 국제캠퍼스 부총장

신참 사회부 기자 시절 야근을 하다 보면 심심찮게 걸려오는 문의 전화가 있었다. 가령 ‘우리나라 최남단 섬은 마라도인가, 이어도인가’ 이런 식이었다. 친구들끼리 약주 한잔 하다가 의견이 엇갈려서 “내기를 걸었다”며 정답을 알려 달라는 경우가 많았다. 기자도 만물박사가 아닌지라 잘 모르거나 헛갈리는 사안은 회사 조사실에서 관련 기사 스크랩을 찾아본 뒤 답을 줄 수 있었다. 인터넷과 스마트폰이 보급된 이후 포털사이트에서 검색을 할 수 있어 이런 문의는 거의 사라졌다. 요즘은 네이버, 구글 등으로 검색하는 것도 번거롭다며 챗GPT와 같은 인공지능(AI)에 물어보는 사람이 많다. 문제는 AI가 데이터가 부족하거나 불균형할 때 내놓는 할루시네이션(환각)에 의한 가짜정보다. 얼마 전 업무보고에서 농림축산식품부 ‘콩GPT’ 국장이 대통령 앞에 내놓은 답변에 오류가 있었던 게 뒤늦게 밝혀졌다. AI처럼 신속성에 가치를 두고 제한된 정보를 절대시하다 생긴 사람의 할루시네이션으로 볼 수 있다. ‘인간 AI’의 오류를 바로잡은 건 사람이었다.

미래에 인간과 기계가 전쟁을 벌인다면 총기와 미사일이 동원될 가능성이 크다. 설령 전장이 주먹과 발차기로 제한되더라도 인간이 유리하다고 장담하기는 어렵다. 최근 공개된 휴머노이드 로봇들의 움직임은 ‘무술 대결’이라는 가정에서도 인간을 압도할 수준으로 빠르게 진화하고 있다. 이 같은 흐름은 세계 최대 가전·정보기술(IT) 전시회 CES 2026에서도 확인된다. CES 2026은 6일(현지시간) 미국 라스베이거스에서 개막했으며 올해 전시의 핵심 키워드로는 생성형 AI를 넘어 실제로 움직이고 작업을 수행하는 이른바 ‘피지컬 AI’가 부상했다. 로봇이 말과 화면이 아닌 신체 움직임으로 기술 성숙도를 증명하는 장면이 전시장 곳곳에서 연출됐다. 미국 과학·기술 전문 매체 퓨처리즘은 이날 중국 로봇 기업 유니트리가 공개한 휴머노이드 로봇 ‘H2’ 시연 영상을 소개하며 이런 흐름을 전했다. 유니트리는 영상에서 키 180㎝에 달하는 휴머노이드 H2의 동작을 공개했다. H2는 공중에서 몸을 회전하며 발차기를 수행했고 머리 위에 매달린 수박을 정확히 가격했다. 이어 대형 샌드백을 강하게 걷어차 회전시키는 장면도 연출했다. 로봇은 바로 옆에 서 있던 유니트리 창업자이자 최고경영자(CEO)인 왕싱싱과의 거리까지 정밀하게 계산해 동작을 수행하며 균형 제어와 반응 속도를 강조했다. H2는 가격 3만 달러(약 4300만원) 수준으로 알려졌다. 업계에서는 이 로봇이 엔비디아 엣지 AI 플랫폼을 기반으로 구동됐을 가능성에 주목한다. H2는 유니트리가 앞서 공개한 소형 휴머노이드 ‘G1’의 후속 모델이다. ◆ 왜 유니트리는 ‘무술’에 집중했을까 업계에서는 유니트리의 연이은 무술·권투 시연을 단순한 과시가 아니라 의도된 기술 전략으로 해석한다. 무술 동작은 휴머노이드의 기본기를 가장 직관적으로 드러낸다. 공중 발차기와 펀치는 하체 균형, 관절 토크, 상·하체 협응, 충격 대응 능력을 동시에 요구한다. 로봇이 넘어지지 않고 자세를 복원하는 과정만으로도 하드웨어와 제어 기술의 성숙도를 한눈에 확인할 수 있다. 짧은 영상 하나가 복잡한 기술 설명보다 더 강한 설득력을 갖는 이유다. 또 무술과 스포츠는 통제된 실험 환경이라는 장점이 있다. 집안일이나 노인 돌봄처럼 실제 생활과 맞닿은 영역은 작은 오류만 발생해도 안전·윤리 논란으로 이어질 수 있다. 반면 링이나 도장처럼 규칙이 명확한 공간에서의 시연은 충돌이나 넘어짐이 발생해도 ‘실험’이나 ‘퍼포먼스’로 받아들여지기 쉽다. 이는 기술 시연의 리스크를 관리하면서도 성능을 분명히 드러낼 수 있는 방식이다. 여기에 로봇 스포츠 가능성을 염두에 둔 포석이라는 해석도 나온다. 발차기와 권투 같은 격투 동작은 향후 로봇 간 대결이나 시범 경기로 확장하기 쉬운 콘텐츠다. 드론 레이싱이나 로봇 축구처럼 휴머노이드 역시 스포츠라는 형식을 통해 대중 인지도를 넓히고 기술 성숙도를 단계적으로 입증하려는 전략이라는 분석이다. ◆ 화려한 동작과 현실의 간극 CES 2026에서는 제한된 환경에서 빨래를 개거나 요리 보조, 물건 전달 같은 가사 작업을 수행하는 로봇도 등장하며 휴머노이드 기술의 진전을 보여줬다. 다만 업계에서는 이러한 성과가 곧바로 일상 전반으로 확산되기까지는 여전히 넘어야 할 과제가 적지 않다고 본다. 문제는 물건을 집는 능력 그 자체가 아니라 사람의 지시를 이해하고 상황과 맥락에 맞춰 작업을 연속적으로 수행하는 능력이다. 무술 시연에서 보여준 발차기와 펀치 같은 동작은 고도로 통제된 환경에서 학습·조정된 움직임을 정확히 재현하는 데 강점을 보이지만, 실제 가정이나 서비스 현장은 예측 불가능한 변수와 인간의 개입이 끊임없이 발생한다. 이 때문에 유니트리의 무술 중심 시연은 기술을 과시하기 위한 이벤트라기보다 휴머노이드의 균형 제어와 관절 구동, 반응 속도 등 기술 성숙도를 대중과 투자자에게 직관적으로 보여주기 위한 전략적 쇼케이스로 해석된다. 기술이 어디까지 왔는지를 분명히 드러내는 데는 성공했지만, 사람과의 소통을 기반으로 한 자율적 판단과 작업 수행은 여전히 다음 단계의 과제로 남아 있다는 평가다. 이는 휴머노이드 기술의 가능성을 부정하기보다 기계가 인간의 공간으로 본격 진입하기 위해 무엇이 가장 어려운지를 보여주는 지점에 가깝다. 발차기와 회전 동작은 출발점에 가깝고 사람과의 소통과 맥락 이해는 이제 막 본격적으로 풀어야 할 과제로 남아 있다.

미래에 인간과 기계가 전쟁을 벌인다면 총기와 미사일이 동원될 가능성이 크다. 설령 전장이 주먹과 발차기로 제한되더라도 인간이 유리하다고 장담하기는 어렵다. 최근 공개된 휴머노이드 로봇들의 움직임은 ‘무술 대결’이라는 가정에서도 인간을 압도할 수준으로 빠르게 진화하고 있다. 이 같은 흐름은 세계 최대 가전·정보기술(IT) 전시회 CES 2026에서도 확인된다. CES 2026은 6일(현지시간) 미국 라스베이거스에서 개막했으며 올해 전시의 핵심 키워드로는 생성형 AI를 넘어 실제로 움직이고 작업을 수행하는 이른바 ‘피지컬 AI’가 부상했다. 로봇이 말과 화면이 아닌 신체 움직임으로 기술 성숙도를 증명하는 장면이 전시장 곳곳에서 연출됐다. 미국 과학·기술 전문 매체 퓨처리즘은 이날 중국 로봇 기업 유니트리가 공개한 휴머노이드 로봇 ‘H2’ 시연 영상을 소개하며 이런 흐름을 전했다. 유니트리는 영상에서 키 180㎝에 달하는 휴머노이드 H2의 동작을 공개했다. H2는 공중에서 몸을 회전하며 발차기를 수행했고 머리 위에 매달린 수박을 정확히 가격했다. 이어 대형 샌드백을 강하게 걷어차 회전시키는 장면도 연출했다. 로봇은 바로 옆에 서 있던 유니트리 창업자이자 최고경영자(CEO)인 왕싱싱과의 거리까지 정밀하게 계산해 동작을 수행하며 균형 제어와 반응 속도를 강조했다. H2는 가격 3만 달러(약 4300만원) 수준으로 알려졌다. 업계에서는 이 로봇이 엔비디아 엣지 AI 플랫폼을 기반으로 구동됐을 가능성에 주목한다. H2는 유니트리가 앞서 공개한 소형 휴머노이드 ‘G1’의 후속 모델이다. ◆ 왜 유니트리는 ‘무술’에 집중했을까 업계에서는 유니트리의 연이은 무술·권투 시연을 단순한 과시가 아니라 의도된 기술 전략으로 해석한다. 무술 동작은 휴머노이드의 기본기를 가장 직관적으로 드러낸다. 공중 발차기와 펀치는 하체 균형, 관절 토크, 상·하체 협응, 충격 대응 능력을 동시에 요구한다. 로봇이 넘어지지 않고 자세를 복원하는 과정만으로도 하드웨어와 제어 기술의 성숙도를 한눈에 확인할 수 있다. 짧은 영상 하나가 복잡한 기술 설명보다 더 강한 설득력을 갖는 이유다. 또 무술과 스포츠는 통제된 실험 환경이라는 장점이 있다. 집안일이나 노인 돌봄처럼 실제 생활과 맞닿은 영역은 작은 오류만 발생해도 안전·윤리 논란으로 이어질 수 있다. 반면 링이나 도장처럼 규칙이 명확한 공간에서의 시연은 충돌이나 넘어짐이 발생해도 ‘실험’이나 ‘퍼포먼스’로 받아들여지기 쉽다. 이는 기술 시연의 리스크를 관리하면서도 성능을 분명히 드러낼 수 있는 방식이다. 여기에 로봇 스포츠 가능성을 염두에 둔 포석이라는 해석도 나온다. 발차기와 권투 같은 격투 동작은 향후 로봇 간 대결이나 시범 경기로 확장하기 쉬운 콘텐츠다. 드론 레이싱이나 로봇 축구처럼 휴머노이드 역시 스포츠라는 형식을 통해 대중 인지도를 넓히고 기술 성숙도를 단계적으로 입증하려는 전략이라는 분석이다. ◆ 화려한 동작과 현실의 간극 CES 2026에서는 제한된 환경에서 빨래를 개거나 요리 보조, 물건 전달 같은 가사 작업을 수행하는 로봇도 등장하며 휴머노이드 기술의 진전을 보여줬다. 다만 업계에서는 이러한 성과가 곧바로 일상 전반으로 확산되기까지는 여전히 넘어야 할 과제가 적지 않다고 본다. 문제는 물건을 집는 능력 그 자체가 아니라 사람의 지시를 이해하고 상황과 맥락에 맞춰 작업을 연속적으로 수행하는 능력이다. 무술 시연에서 보여준 발차기와 펀치 같은 동작은 고도로 통제된 환경에서 학습·조정된 움직임을 정확히 재현하는 데 강점을 보이지만, 실제 가정이나 서비스 현장은 예측 불가능한 변수와 인간의 개입이 끊임없이 발생한다. 이 때문에 유니트리의 무술 중심 시연은 기술을 과시하기 위한 이벤트라기보다 휴머노이드의 균형 제어와 관절 구동, 반응 속도 등 기술 성숙도를 대중과 투자자에게 직관적으로 보여주기 위한 전략적 쇼케이스로 해석된다. 기술이 어디까지 왔는지를 분명히 드러내는 데는 성공했지만, 사람과의 소통을 기반으로 한 자율적 판단과 작업 수행은 여전히 다음 단계의 과제로 남아 있다는 평가다. 이는 휴머노이드 기술의 가능성을 부정하기보다 기계가 인간의 공간으로 본격 진입하기 위해 무엇이 가장 어려운지를 보여주는 지점에 가깝다. 발차기와 회전 동작은 출발점에 가깝고 사람과의 소통과 맥락 이해는 이제 막 본격적으로 풀어야 할 과제로 남아 있다.

미국 라스베이거스에서 열린 CES에 피지컬 AI가 대거 등장했다는 소식에 아이작 아시모프의 SF 소설들이 떠올랐다. 인간과 협업하는 로봇들이 반드시 지켜야 하는 규칙들 사이에서 좌충우돌하는 그의 작품 속 장면들 말이다. 아시모프의 로봇들은 ‘로봇 3원칙’ 안에 갇혀서 우왕좌왕했다. 로봇은 인간에게 해를 끼칠 수 없다는 1원칙, 로봇은 인간의 명령에 복종해야 한다는 2원칙, 로봇은 자신의 존재를 보호해야 한다는 3원칙이 서로 충돌하는 상황에 자주 놓였다. 동료를 구하라는 명령을 받은 로봇. 인간의 명령을 수행하기 위해 뜨거운 행성 표면을 가로질렀다가는 몸체가 녹아버릴 수밖에 없는 로봇이 2원칙과 3원칙의 충돌 속에 어쩔 줄 모르는 모습 등이 묘사됐다. 결국 아시모프는 고장난 로봇들의 이야기를 담아냈는데, 고장난 로봇에서 로봇 진화의 싹이 텄다. 고장과 오류 없는 개발은 없는 법이니까. 그렇다면 피지컬 AI 개발에 앞서 걱정되는 건 기술력만이 아니다. 인간의 실패에 너그럽지 못한 우리 사회가 로봇의 고장과 오류 단계를 과연 잘 참아낼 수 있을지가 관건이다.

매년 사업 전략을 세울 때 가장 효과적인 방법은 목표가 실현된 미래의 모습을 먼저 그려보고, 그 미래에서 현재로 거슬러오며 단계별로 실행 가능한 계획을 세우는 것이다. 이 방식은 목표를 더 체계적으로, 더 현실적으로 달성하게 한다. 건설산업도 마찬가지라고 생각한다. AX가 완전히 자리 잡은 미래의 건설 현장과 도시의 모습을 먼저 상상해 본다. 이번 마지막 편에서는 AX 시대의 건설산업이 어떤 모습으로 진화할지, 그리고 그 변화의 중심에 있는 건설기계, BIM, 건설사업관리 플랫폼이 어떻게 재편될지 구체적으로 그려본다. ①로봇과 AI 기반의 건설기계 변화-무인화와 실시간 최적화 AX 시대의 건설 현장은 더 이상 사람이 중심이 아니다. 로봇과 AI 장비가 작업을 수행하고, 사람은 감독자나 의사결정자로서 역할을 한다. 로봇은 스스로 작업 경로를 계산하고, 공정 상황에 따라 자동으로 작업량을 조절한다. AI는 장비 고장이나 정비 필요 여부를 예측해 유지보수 일정을 자동으로 조정한다. 결과적으로 안전사고는 급감하고, 공정 효율은 비약적으로 향상될 것이다. ②BIM 기반 건축물 전 생애주기 관리의 변화-설계·시공·유지관리의 완전한 통합 AX 시대의 핵심 인프라는 BIM과 디지털 트윈이다. 이 두 기술은 건축물의 설계 → 시공 → 유지관리를 하나의 데이터 흐름으로 연결한다. 1.설계 단계-AI가 설계안을 자동 생성하는 시대 BIM 모델을 기반으로 AI가 수십~수백 개의 설계안을 자동으로 생성하고, 구조적 간섭 여부, 자재 사용량, 에너지 효율 등을 비교해 최적안을 제시하는 제너레이티브(Generative) 디자인이 대세로 자리 잡을 것이다. 십여 년 전 매개변수를 입력하여 설계안을 생성하는 파라메트릭(Parametric) 디자인이 유행처럼 번졌다. 이 방식은 사람이 직접 원하는 결과물을 도출하기 위해 매개변수를 입력해가며 설계안을 발전시키는 데 반해 제너레이티브 디자인은 사람이 원하는 성능과 목표, 방향성만 제시하면 알고리즘이 방대한 데이터를 탐색하고 조합해 전혀 예상치 못한 유기적 형태의 디자인을 도출할 수도 있다. 파라메트릭이 DX라면, 제너레이티브는 AX라고 할 수 있다. 설계는 더 이상 사람이 “처음부터 끝까지 직접 만드는 작업”이 아니라, AI가 제시한 옵션 중 최적안을 선택하고 조정하는 방식으로 바뀔 것이다. 2.시공 단계-오류 없는 시공, 안전 리스크 제로화 BIM 모델은 시공 단계에서 공정 간섭 자동 검출, 장비 동선 최적화, AR 기반 시공성 시뮬레이션 검토, 로봇과 자율주행 장비의 작업 기준 데이터 제공 등의 역할을 할 것이다. 즉, 관리자는 시공 전 미리 작업 상황을 고려, 공정 순서대로 공사를 미리 시뮬레이션해보고 어디가 위험하고, 품질관리 포인트는 어디인지를 분명히 알고 공사를 진행할 수 있다. 이를 통해 안전사고 예방뿐 아니라 품질관리 기준 또한 높아질 것이다. 3.유지관리 단계-디지털 트윈 기반의 지능형 건축물 운영 디지털 트윈은 실제 건축물의 상태를 실시간으로 반영하는 가상 복제 공간이다. 이 기술은 시설 유형별로 관리상의 여러 변화를 만든다. 아파트와 같은 주택에서는 누수·균열·배관 이상을 센서가 감지하고, 디지털 트윈이 고장 가능성을 예측하여 미리 보수할 수 있도록 알림을 줄 것이다. 또한 거주자의 생활 패턴을 분석해 난방·환기·조명을 자동 조절할 수도 있고 에너지 사용량을 최적화해 관리비 또한 절감할 수 있을 것이다. 공장과 같은 산업시설에서는 설비의 진동·온도·압력 데이터를 실시간 분석해 고장 전 징후를 감지해 다운타임(가동 중단 시간)을 최소화하여 공장을 운영할 수 있고 생산 라인의 병목을 자동 분석하고 운영 계획을 조정할 수도 있다. 또한 위험 지역은 로봇이 점검하고, AI가 유지보수 일정을 자동 생성해 줄 것이다. GE, Siemens, Bosch 등 글로벌 제조사는 이미 공장 디지털 트윈을 운영 중이며, 설비 고장 예측 정확도가 30~50% 향상된 사례도 보고되고 있다. 오피스 및 상업시설에서도 공간별 사용량을 분석해 냉난방과 조명을 자동 제어하고 실내 공기질을 실시간 모니터링하고 자동 환기 시키는 등 실내 거주자의 쾌적성을 위해 알아서 설비를 제어하게 될 것이다. ③건설사업관리 플랫폼의 변화-수주부터 준공까지 하나의 데이터 흐름 AX 시대에는 건설사업관리 방식도 완전히 바뀐다. 수주 단계에는 AI가 입찰 문서·계약 리스크·원가 구조 등을 신속하게 분석하고 경쟁사 전략과 시장 데이터를 기반으로 최적 수주 전략을 제시하게 될 것이다. 삼성물산은 이미 AI 기반 계약 리스크 분석 시스템을 운영 중이다. 시공 단계에서는 앞서 설명한 바와 같이 공정 계획은 AI가 자동 생성하고, 현장 상황에 따라 실시간 작업을 조율한다. 자재 수급·장비 배치·인력 투입은 AI의 분석과 계획에 따라 최적화하고 안전관리는 AI CCTV가 실시간으로 감지한다. 준공 및 운영 단계에서 준공 데이터는 BIM 초기 생성 모델과 As-built 도면을 바탕으로 업데이트된 모델이 디지털 트윈으로 자동 전환된다. 유지관리 계획은 관리 주체가 입력한 성능 목표에 따라 AI가 자동 생성하고 운영 시 축적된 데이터는 다시 설계, 시공 단계로 피드백돼 다음 프로젝트의 품질을 높인다. 즉, 건설사업관리는 프로젝트 단위 관리에서 데이터 기반 플랫폼 운영으로 진화하게 된다. AX는 건설산업을 무인화·지능화·지속가능성 중심 산업으로 재편한다. 로봇과 AI 장비가 현장을 운영하고, BIM과 디지털 트윈이 건축물의 생애주기를 관리하며, 건설사업관리 플랫폼이 수주부터 준공까지 모든 의사결정을 돕는다. 이제 건설산업의 리더는 기술을 따라가는 사람이 아니라, 기술로 미래를 설계하는 사람이 되어야 한다. AI와 로봇이 함께 움직이는 현장, 데이터가 실시간으로 흐르는 운영, 안전과 효율이 동시에 확보되는 산업. 건설은 더 이상 과거의 3D(Dangerous, Difficult & Dirty)가 아닌 디지털(Digital) 기술을 기반으로, 역동적(Dynamic)이며, 청년들이 선망하는 품격 있는(Decent) 일자리라는 새로운 ‘미래형 3D’로 변화할 것이다. 그 미래는 이미 시작되었고, 우리가 준비해야 할 시간은 지금이다.

매년 사업 전략을 세울 때 가장 효과적인 방법은 목표가 실현된 미래의 모습을 먼저 그려보고, 그 미래에서 현재로 거슬러오며 단계별로 실행 가능한 계획을 세우는 것이다. 이 방식은 목표를 더 체계적으로, 더 현실적으로 달성하게 한다. 건설산업도 마찬가지라고 생각한다. AX가 완전히 자리 잡은 미래의 건설 현장과 도시의 모습을 먼저 상상해 본다. 이번 마지막 편에서는 AX 시대의 건설산업이 어떤 모습으로 진화할지, 그리고 그 변화의 중심에 있는 건설기계, BIM, 건설사업관리 플랫폼이 어떻게 재편될지 구체적으로 그려본다. ①로봇과 AI 기반의 건설기계 변화-무인화와 실시간 최적화 AX 시대의 건설 현장은 더 이상 사람이 중심이 아니다. 로봇과 AI 장비가 작업을 수행하고, 사람은 감독자나 의사결정자로서 역할을 한다. 로봇은 스스로 작업 경로를 계산하고, 공정 상황에 따라 자동으로 작업량을 조절한다. AI는 장비 고장이나 정비 필요 여부를 예측해 유지보수 일정을 자동으로 조정한다. 결과적으로 안전사고는 급감하고, 공정 효율은 비약적으로 향상될 것이다. ②BIM 기반 건축물 전 생애주기 관리의 변화-설계·시공·유지관리의 완전한 통합 AX 시대의 핵심 인프라는 BIM과 디지털 트윈이다. 이 두 기술은 건축물의 설계 → 시공 → 유지관리를 하나의 데이터 흐름으로 연결한다. 1.설계 단계-AI가 설계안을 자동 생성하는 시대 BIM 모델을 기반으로 AI가 수십~수백 개의 설계안을 자동으로 생성하고, 구조적 간섭 여부, 자재 사용량, 에너지 효율 등을 비교해 최적안을 제시하는 제너레이티브(Generative) 디자인이 대세로 자리 잡을 것이다. 십여 년 전 매개변수를 입력하여 설계안을 생성하는 파라메트릭(Parametric) 디자인이 유행처럼 번졌다. 이 방식은 사람이 직접 원하는 결과물을 도출하기 위해 매개변수를 입력해가며 설계안을 발전시키는 데 반해 제너레이티브 디자인은 사람이 원하는 성능과 목표, 방향성만 제시하면 알고리즘이 방대한 데이터를 탐색하고 조합해 전혀 예상치 못한 유기적 형태의 디자인을 도출할 수도 있다. 파라메트릭이 DX라면, 제너레이티브는 AX라고 할 수 있다. 설계는 더 이상 사람이 “처음부터 끝까지 직접 만드는 작업”이 아니라, AI가 제시한 옵션 중 최적안을 선택하고 조정하는 방식으로 바뀔 것이다. 2.시공 단계-오류 없는 시공, 안전 리스크 제로화 BIM 모델은 시공 단계에서 공정 간섭 자동 검출, 장비 동선 최적화, AR 기반 시공성 시뮬레이션 검토, 로봇과 자율주행 장비의 작업 기준 데이터 제공 등의 역할을 할 것이다. 즉, 관리자는 시공 전 미리 작업 상황을 고려, 공정 순서대로 공사를 미리 시뮬레이션해보고 어디가 위험하고, 품질관리 포인트는 어디인지를 분명히 알고 공사를 진행할 수 있다. 이를 통해 안전사고 예방뿐 아니라 품질관리 기준 또한 높아질 것이다. 3.유지관리 단계-디지털 트윈 기반의 지능형 건축물 운영 디지털 트윈은 실제 건축물의 상태를 실시간으로 반영하는 가상 복제 공간이다. 이 기술은 시설 유형별로 관리상의 여러 변화를 만든다. 아파트와 같은 주택에서는 누수·균열·배관 이상을 센서가 감지하고, 디지털 트윈이 고장 가능성을 예측하여 미리 보수할 수 있도록 알림을 줄 것이다. 또한 거주자의 생활 패턴을 분석해 난방·환기·조명을 자동 조절할 수도 있고 에너지 사용량을 최적화해 관리비 또한 절감할 수 있을 것이다. 공장과 같은 산업시설에서는 설비의 진동·온도·압력 데이터를 실시간 분석해 고장 전 징후를 감지해 다운타임(가동 중단 시간)을 최소화하여 공장을 운영할 수 있고 생산 라인의 병목을 자동 분석하고 운영 계획을 조정할 수도 있다. 또한 위험 지역은 로봇이 점검하고, AI가 유지보수 일정을 자동 생성해 줄 것이다. GE, Siemens, Bosch 등 글로벌 제조사는 이미 공장 디지털 트윈을 운영 중이며, 설비 고장 예측 정확도가 30~50% 향상된 사례도 보고되고 있다. 오피스 및 상업시설에서도 공간별 사용량을 분석해 냉난방과 조명을 자동 제어하고 실내 공기질을 실시간 모니터링하고 자동 환기 시키는 등 실내 거주자의 쾌적성을 위해 알아서 설비를 제어하게 될 것이다. ③건설사업관리 플랫폼의 변화-수주부터 준공까지 하나의 데이터 흐름 AX 시대에는 건설사업관리 방식도 완전히 바뀐다. 수주 단계에는 AI가 입찰 문서·계약 리스크·원가 구조 등을 신속하게 분석하고 경쟁사 전략과 시장 데이터를 기반으로 최적 수주 전략을 제시하게 될 것이다. 삼성물산은 이미 AI 기반 계약 리스크 분석 시스템을 운영 중이다. 시공 단계에서는 앞서 설명한 바와 같이 공정 계획은 AI가 자동 생성하고, 현장 상황에 따라 실시간 작업을 조율한다. 자재 수급·장비 배치·인력 투입은 AI의 분석과 계획에 따라 최적화하고 안전관리는 AI CCTV가 실시간으로 감지한다. 준공 및 운영 단계에서 준공 데이터는 BIM 초기 생성 모델과 As-built 도면을 바탕으로 업데이트된 모델이 디지털 트윈으로 자동 전환된다. 유지관리 계획은 관리 주체가 입력한 성능 목표에 따라 AI가 자동 생성하고 운영 시 축적된 데이터는 다시 설계, 시공 단계로 피드백돼 다음 프로젝트의 품질을 높인다. 즉, 건설사업관리는 프로젝트 단위 관리에서 데이터 기반 플랫폼 운영으로 진화하게 된다. AX는 건설산업을 무인화·지능화·지속가능성 중심 산업으로 재편한다. 로봇과 AI 장비가 현장을 운영하고, BIM과 디지털 트윈이 건축물의 생애주기를 관리하며, 건설사업관리 플랫폼이 수주부터 준공까지 모든 의사결정을 돕는다. 이제 건설산업의 리더는 기술을 따라가는 사람이 아니라, 기술로 미래를 설계하는 사람이 되어야 한다. AI와 로봇이 함께 움직이는 현장, 데이터가 실시간으로 흐르는 운영, 안전과 효율이 동시에 확보되는 산업. 건설은 더 이상 과거의 3D(Dangerous, Difficult & Dirty)가 아닌 디지털(Digital) 기술을 기반으로, 역동적(Dynamic)이며, 청년들이 선망하는 품격 있는(Decent) 일자리라는 새로운 ‘미래형 3D’로 변화할 것이다. 그 미래는 이미 시작되었고, 우리가 준비해야 할 시간은 지금이다.

4편에서 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 연결고리를 살펴봤다. 이제는 그 연결고리를 실제로 어떻게 구축할 것인지, 중장기 전략을 통해 구체적으로 준비해야 할 시점이다. AX는 단순한 기술 도입이 아니라 산업 구조의 재편이며, 건설사, 테크기업, 정부, 학계가 각자의 위치에서 전략을 세우고 함께 움직여야 한다. ①건설사의 중장기 전략-기술과 조직의 변화 건설사는 DX를 넘어 AX로 가기 위해 조직과 기술, 사업 전략을 동시에 변화시켜야 한다. 단기적으로는 BIM, 드론, IoT 센서 등을 활용해 현장 데이터를 디지털로 수집하고, 이를 CDE(Common Data Environment, 공동작업환경)에 통합하는 작업이 필요하다. 중기에는 AI 기반 의사결정 시스템을 도입해 공정 지연 예측, 자재 수급 최적화, 안전 위험 감지 등의 기능을 현장에 적용해야 한다. 현대건설은 2022년부터 ‘현장 CCTV 영상 분석 시스템’을 개발하고, AI CCTV를 활용해 위험 행동을 실시간 감지하며, 품질 관리에 AR 기술을 접목해 시공 오류를 줄이고 있다. 장기적으로는 자율주행 굴착기, 드론 순찰, 로봇 품질검사 등 자율 장비를 현장에 도입하고, 이를 운영할 수 있는 조직 체계를 갖춰야 한다. 조직 변화 측면에서 디지털 전담팀을 신설하고, 기존 직무를 재설계하며, 직원 교육을 강화해야 한다. DX는 기술 도입이 아니라 일하는 방식의 변화이기 때문에, 현장 직원들이 기술을 이해하고 활용할 수 있도록 체계적인 교육이 필요하다. 올해 삼성물산 데이터팀은 AWS와 공동으로 3대 ‘AI 에이전트’를 개발했다. ‘AI-ITB Reviewer’는 방대한 분량의 입찰제안서를 자동 분석해 리스크를 빠르게 식별하고, ‘AI-Contract Manager’는 법무 및 계약 리스크를 최소화해 전문적인 대응을 지원한다. 또 ‘AI-Project Expert’는 현장 데이터를 통합 분석해 숨겨진 인사이트를 도출하는 시스템으로, 프로젝트 전반의 효율성을 높이는 역할을 한다. 사업 전략 측면에서는 신규 프로젝트 수주 시 ‘AI 기반 시공 전략’을 제안 요소로 활용할 수 있다. 예를 들어, 스마트건설 인증제도를 활용해 발주처에 기술력을 어필하고, 공정 예측, 안전 관리, 품질 자동화 등의 기능을 제안서에 포함시키는 방식이다. ②테크기업의 전략-기술 방향성과 협업 체계 테크기업은 건설 현장에 맞는 기술을 개발하고, 건설사와 협업해 실제 적용 가능한 솔루션을 제공해야 한다. 핵심 기술 방향으로는 공정 예측 AI, 안전 감지 AI, 자율 장비(UGV, 드론, 로봇), 디지털 트윈 플랫폼 등이 있다. 최근 DL이앤씨는 Generative Design을 활용해 설계 자동화를 구현하고 있으며, 포스코이앤씨는 AI 기반 레미콘 품질 예측 시스템을 도입한 바 있다. 기술 개발 우선순위는 초기에는 현장 적용성이 높은 기술에 집중하고, 중기에는 AI 판단의 정확도와 속도를 개선하며, 장기에는 자율화된 현장 운영 시스템을 구축하는 방향으로 설정해야 한다. 투자 전략은 정부의 스마트건설 R&D 과제와 연계해 자금을 확보하고, 오픈이노베이션을 통해 유망 스타트업과 협력하는 방식이 효과적이다. 예를 들어, 중소 건설사와 기술기업 간의 공동 개발 프로젝트는 정부의 실증 지원을 받을 수 있으며, 현장 PoC를 통한 기술 검증과 시장 진입에 유리하다. 협업 체계는 건설사와 공동 개발 및 테스트베드 운영, 정부와 규제 대응 및 인증 체계 협력, 학계와 알고리즘 검증 및 인재 양성 연계를 포함할 수 있다. 이처럼 다자간 협력이 이루어질 때 기술은 현장에 빠르게 확산될 것이다. ③정부 및 학계의 전략-제도 정비와 인재 육성 정부와 학계는 기술 도입에 따른 제도적 혼란을 정비하고, 산업 전반의 방향성을 제시해야 한다. 제도 측면에서는 자율 장비 도입 시 안전 기준과 책임 범위를 명확히 하고, AI 판단 오류에 대한 법적 책임 구조를 정비해야 한다. 중대재해처벌법 시행 이후 건설업의 안전관리에 대한 책임 중요성이 부각되면서, 자율 시스템의 안전성과 책임 귀속 문제는 AX 확산의 핵심 과제가 될 것이다. 디지털 기록과 로그 기반의 안전관리 증빙 체계를 마련하고, 스마트건설 인증제도와 기술 검증 프로세스를 도입해야 한다. 국토교통부는 스마트건설 기술 실증 지원 사업을 통해 기술 검증과 현장 적용을 촉진하고 있으며, 이는 제도적 기반 마련의 좋은 사례이다. 학계는 건설 AI 융합형 교육과정을 신설하고, BIM, 로보틱스, 데이터 분석 중심의 실무형 커리큘럼을 개발해야 한다. 산학 협동 R&D를 통해 기술 검증과 표준화를 주도하고 테크기업, 건설사와 공동 인턴십, 현장 실습 프로그램을 운영함으로써 실무형 인재를 양성할 수 있다. 특히 AI 기술이 빠르게 발전하는 만큼, 학계는 기술 트렌드에 발맞춰 커리큘럼을 유연하게 개편하고, 산업 현장의 요구를 반영한 교육을 제공해야 한다. 이는 산업과 교육이 함께 성장하는 기반이 된다. 건설사, 테크기업, 정부, 학계가 각자의 위치에서 준비하고 협력할 때, 한국 건설산업은 AX 시대의 선도자로 자리매김할 수 있다.

4편에서 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 연결고리를 살펴봤다. 이제는 그 연결고리를 실제로 어떻게 구축할 것인지, 중장기 전략을 통해 구체적으로 준비해야 할 시점이다. AX는 단순한 기술 도입이 아니라 산업 구조의 재편이며, 건설사, 테크기업, 정부, 학계가 각자의 위치에서 전략을 세우고 함께 움직여야 한다. ①건설사의 중장기 전략-기술과 조직의 변화 건설사는 DX를 넘어 AX로 가기 위해 조직과 기술, 사업 전략을 동시에 변화시켜야 한다. 단기적으로는 BIM, 드론, IoT 센서 등을 활용해 현장 데이터를 디지털로 수집하고, 이를 CDE(Common Data Environment, 공동작업환경)에 통합하는 작업이 필요하다. 중기에는 AI 기반 의사결정 시스템을 도입해 공정 지연 예측, 자재 수급 최적화, 안전 위험 감지 등의 기능을 현장에 적용해야 한다. 현대건설은 2022년부터 ‘현장 CCTV 영상 분석 시스템’을 개발하고, AI CCTV를 활용해 위험 행동을 실시간 감지하며, 품질 관리에 AR 기술을 접목해 시공 오류를 줄이고 있다. 장기적으로는 자율주행 굴착기, 드론 순찰, 로봇 품질검사 등 자율 장비를 현장에 도입하고, 이를 운영할 수 있는 조직 체계를 갖춰야 한다. 조직 변화 측면에서 디지털 전담팀을 신설하고, 기존 직무를 재설계하며, 직원 교육을 강화해야 한다. DX는 기술 도입이 아니라 일하는 방식의 변화이기 때문에, 현장 직원들이 기술을 이해하고 활용할 수 있도록 체계적인 교육이 필요하다. 올해 삼성물산 데이터팀은 AWS와 공동으로 3대 ‘AI 에이전트’를 개발했다. ‘AI-ITB Reviewer’는 방대한 분량의 입찰제안서를 자동 분석해 리스크를 빠르게 식별하고, ‘AI-Contract Manager’는 법무 및 계약 리스크를 최소화해 전문적인 대응을 지원한다. 또 ‘AI-Project Expert’는 현장 데이터를 통합 분석해 숨겨진 인사이트를 도출하는 시스템으로, 프로젝트 전반의 효율성을 높이는 역할을 한다. 사업 전략 측면에서는 신규 프로젝트 수주 시 ‘AI 기반 시공 전략’을 제안 요소로 활용할 수 있다. 예를 들어, 스마트건설 인증제도를 활용해 발주처에 기술력을 어필하고, 공정 예측, 안전 관리, 품질 자동화 등의 기능을 제안서에 포함시키는 방식이다. ②테크기업의 전략-기술 방향성과 협업 체계 테크기업은 건설 현장에 맞는 기술을 개발하고, 건설사와 협업해 실제 적용 가능한 솔루션을 제공해야 한다. 핵심 기술 방향으로는 공정 예측 AI, 안전 감지 AI, 자율 장비(UGV, 드론, 로봇), 디지털 트윈 플랫폼 등이 있다. 최근 DL이앤씨는 Generative Design을 활용해 설계 자동화를 구현하고 있으며, 포스코이앤씨는 AI 기반 레미콘 품질 예측 시스템을 도입한 바 있다. 기술 개발 우선순위는 초기에는 현장 적용성이 높은 기술에 집중하고, 중기에는 AI 판단의 정확도와 속도를 개선하며, 장기에는 자율화된 현장 운영 시스템을 구축하는 방향으로 설정해야 한다. 투자 전략은 정부의 스마트건설 R&D 과제와 연계해 자금을 확보하고, 오픈이노베이션을 통해 유망 스타트업과 협력하는 방식이 효과적이다. 예를 들어, 중소 건설사와 기술기업 간의 공동 개발 프로젝트는 정부의 실증 지원을 받을 수 있으며, 현장 PoC를 통한 기술 검증과 시장 진입에 유리하다. 협업 체계는 건설사와 공동 개발 및 테스트베드 운영, 정부와 규제 대응 및 인증 체계 협력, 학계와 알고리즘 검증 및 인재 양성 연계를 포함할 수 있다. 이처럼 다자간 협력이 이루어질 때 기술은 현장에 빠르게 확산될 것이다. ③정부 및 학계의 전략-제도 정비와 인재 육성 정부와 학계는 기술 도입에 따른 제도적 혼란을 정비하고, 산업 전반의 방향성을 제시해야 한다. 제도 측면에서는 자율 장비 도입 시 안전 기준과 책임 범위를 명확히 하고, AI 판단 오류에 대한 법적 책임 구조를 정비해야 한다. 중대재해처벌법 시행 이후 건설업의 안전관리에 대한 책임 중요성이 부각되면서, 자율 시스템의 안전성과 책임 귀속 문제는 AX 확산의 핵심 과제가 될 것이다. 디지털 기록과 로그 기반의 안전관리 증빙 체계를 마련하고, 스마트건설 인증제도와 기술 검증 프로세스를 도입해야 한다. 국토교통부는 스마트건설 기술 실증 지원 사업을 통해 기술 검증과 현장 적용을 촉진하고 있으며, 이는 제도적 기반 마련의 좋은 사례이다. 학계는 건설 AI 융합형 교육과정을 신설하고, BIM, 로보틱스, 데이터 분석 중심의 실무형 커리큘럼을 개발해야 한다. 산학 협동 R&D를 통해 기술 검증과 표준화를 주도하고 테크기업, 건설사와 공동 인턴십, 현장 실습 프로그램을 운영함으로써 실무형 인재를 양성할 수 있다. 특히 AI 기술이 빠르게 발전하는 만큼, 학계는 기술 트렌드에 발맞춰 커리큘럼을 유연하게 개편하고, 산업 현장의 요구를 반영한 교육을 제공해야 한다. 이는 산업과 교육이 함께 성장하는 기반이 된다. 건설사, 테크기업, 정부, 학계가 각자의 위치에서 준비하고 협력할 때, 한국 건설산업은 AX 시대의 선도자로 자리매김할 수 있다.

미 법무부가 제프리 엡스타인 관련 자료를 공개한 이후 도널드 트럼프 대통령이 한 소녀와 함께 있는 것으로 보이는 사진이 소셜미디어를 통해 빠르게 확산됐다. 일부 게시물은 “공개 과정에서 삭제되지 않은 사진”이라며 의혹을 제기했지만, 주요 외신은 해당 이미지를 사실로 보도하지 않았다. 미국의 팩트체크 전문 매체 스노프스는 23일(현지시간) “엡스타인 파일 공개 이후 온라인에 퍼진 해당 사진이 실제라는 증거는 없다”고 밝혔다. 문제의 사진은 사설 제트기 내부로 보이는 공간에서 트럼프 대통령과 얼굴이 가려진 소녀가 함께 있는 장면을 담고 있다. 그러나 사진 오른쪽 상단에 표시된 날짜와 시간 표기는 비정상적이며 원본 출처 역시 확인되지 않았다. 스노프스는 “카메라 오류일 가능성을 배제할 수는 없지만, 인공지능(AI)으로 생성됐거나 의도적으로 편집됐을 가능성도 있다”며 “현재로서는 어느 쪽도 단정할 수 없다”고 설명했다. 해당 이미지는 엑스(X·옛 트위터)와 유튜브를 운영하는 한 개인 계정을 통해 처음 확산된 것으로 파악됐다. 이 계정은 자극적인 이미지와 문구를 썸네일에 반복적으로 사용하는 등 주목도를 높이는 방식의 콘텐츠를 지속적으로 게시해온 것으로 알려졌다. 스노프스는 “문제의 이미지는 영상 썸네일로만 사용됐고, 실제 영상 본문에서는 제시되지 않았다”며 “사실 전달보다는 조회 수를 염두에 둔 연출 성격이 강하다”고 지적했다. ◆ 주요 외신, 사진 자체는 다루지 않아 엡스타인 파일 공개를 둘러싼 논란과 관련해 로이터통신과 AP통신 등 주요 외신은 미 법무부가 일부 자료를 삭제했다가 복원한 사실, 공개 범위를 둘러싼 정치·법적 논쟁을 집중 보도했다. 그러나 이들 보도에는 문제의 ‘트럼프와 소녀 사진’은 포함되지 않았다. 외신들은 피해자 신원 보호 문제로 자료가 조정됐다는 점만 전했을 뿐, 해당 이미지가 공식 문서에 존재했다는 근거는 제시하지 않았다. 스노프스는 “해당 이미지가 실제이고 공적 기록에 포함돼 있었다면, 신뢰할 만한 언론이 이미 이를 보도했을 가능성이 크다”고 밝혔다. 실제로 공개 자료와 검색 결과를 검토한 결과, 해당 사진이 공식 엡스타인 파일에 포함됐다는 확인 가능한 기록은 발견되지 않았다. ◆ 댓글 2400개…진위 논쟁 넘어선 ‘불신의 확산’ 해당 기사에는 게시 10시간 만에 2400개가 넘는 댓글이 달리며 격렬한 논쟁이 이어졌다. 댓글 상당수는 사진의 진위 여부보다 AI 기술 확산으로 무엇도 쉽게 믿기 어려워진 현실 자체에 대한 불안을 드러냈다. 한 이용자는 “이제는 직접 보고 듣지 않으면 아무것도 믿을 수 없는 세상에 들어선 것 같다”며 “AI 때문에 모든 정보를 의심해야 한다”고 적었다. 또 다른 이용자는 “누군가의 얼굴이나 목소리를 얼마든지 조작할 수 있는 시대”라며 “증거의 기준이 무너지고 있다”고 지적했다. 일부 댓글은 사진이 조작일 가능성을 인정하면서도 “설령 가짜라 해도 사람들이 실제일 수 있다고 느끼는 것 자체가 더 심각하다”는 반응을 보였다. 반면 “출처가 불분명한 이미지를 사실처럼 소비하는 것은 오히려 진실 규명을 해친다”는 반박도 적지 않았다. ◆ 반복되는 허위 이미지 논란, 커지는 팩트체크의 역할 스노프스는 과거에도 트럼프 대통령이 미성년자와 함께 있는 것처럼 보이는 사진들이 허위 또는 조작 이미지로 판명된 사례가 여러 차례 있었다고 설명했다. 이 매체는 엡스타인과 트럼프의 과거 관계는 외신이 꾸준히 다뤄왔지만, 온라인에서 확산되는 이미지 상당수는 사실과 무관하다는 점도 강조했다. 전문가들은 이번 사례가 “AI 시대에 확인되지 않은 이미지가 얼마나 빠르게 확산되고 또 얼마나 쉽게 정치적 해석의 도구로 소비되는지를 보여준다”며 “팩트체크의 중요성이 더욱 커지고 있다”고 지적한다.

미 법무부가 제프리 엡스타인 관련 자료를 공개한 이후 도널드 트럼프 대통령이 한 소녀와 함께 있는 것으로 보이는 사진이 소셜미디어를 통해 빠르게 확산됐다. 일부 게시물은 “공개 과정에서 삭제되지 않은 사진”이라며 의혹을 제기했지만, 주요 외신은 해당 이미지를 사실로 보도하지 않았다. 미국의 팩트체크 전문 매체 스노프스는 23일(현지시간) “엡스타인 파일 공개 이후 온라인에 퍼진 해당 사진이 실제라는 증거는 없다”고 밝혔다. 문제의 사진은 사설 제트기 내부로 보이는 공간에서 트럼프 대통령과 얼굴이 가려진 소녀가 함께 있는 장면을 담고 있다. 그러나 사진 오른쪽 상단에 표시된 날짜와 시간 표기는 비정상적이며 원본 출처 역시 확인되지 않았다. 스노프스는 “카메라 오류일 가능성을 배제할 수는 없지만, 인공지능(AI)으로 생성됐거나 의도적으로 편집됐을 가능성도 있다”며 “현재로서는 어느 쪽도 단정할 수 없다”고 설명했다. 해당 이미지는 엑스(X·옛 트위터)와 유튜브를 운영하는 한 개인 계정을 통해 처음 확산된 것으로 파악됐다. 이 계정은 자극적인 이미지와 문구를 썸네일에 반복적으로 사용하는 등 주목도를 높이는 방식의 콘텐츠를 지속적으로 게시해온 것으로 알려졌다. 스노프스는 “문제의 이미지는 영상 썸네일로만 사용됐고, 실제 영상 본문에서는 제시되지 않았다”며 “사실 전달보다는 조회 수를 염두에 둔 연출 성격이 강하다”고 지적했다. ◆ 주요 외신, 사진 자체는 다루지 않아 엡스타인 파일 공개를 둘러싼 논란과 관련해 로이터통신과 AP통신 등 주요 외신은 미 법무부가 일부 자료를 삭제했다가 복원한 사실, 공개 범위를 둘러싼 정치·법적 논쟁을 집중 보도했다. 그러나 이들 보도에는 문제의 ‘트럼프와 소녀 사진’은 포함되지 않았다. 외신들은 피해자 신원 보호 문제로 자료가 조정됐다는 점만 전했을 뿐, 해당 이미지가 공식 문서에 존재했다는 근거는 제시하지 않았다. 스노프스는 “해당 이미지가 실제이고 공적 기록에 포함돼 있었다면, 신뢰할 만한 언론이 이미 이를 보도했을 가능성이 크다”고 밝혔다. 실제로 공개 자료와 검색 결과를 검토한 결과, 해당 사진이 공식 엡스타인 파일에 포함됐다는 확인 가능한 기록은 발견되지 않았다. ◆ 댓글 2400개…진위 논쟁 넘어선 ‘불신의 확산’ 해당 기사에는 게시 10시간 만에 2400개가 넘는 댓글이 달리며 격렬한 논쟁이 이어졌다. 댓글 상당수는 사진의 진위 여부보다 AI 기술 확산으로 무엇도 쉽게 믿기 어려워진 현실 자체에 대한 불안을 드러냈다. 한 이용자는 “이제는 직접 보고 듣지 않으면 아무것도 믿을 수 없는 세상에 들어선 것 같다”며 “AI 때문에 모든 정보를 의심해야 한다”고 적었다. 또 다른 이용자는 “누군가의 얼굴이나 목소리를 얼마든지 조작할 수 있는 시대”라며 “증거의 기준이 무너지고 있다”고 지적했다. 일부 댓글은 사진이 조작일 가능성을 인정하면서도 “설령 가짜라 해도 사람들이 실제일 수 있다고 느끼는 것 자체가 더 심각하다”는 반응을 보였다. 반면 “출처가 불분명한 이미지를 사실처럼 소비하는 것은 오히려 진실 규명을 해친다”는 반박도 적지 않았다. ◆ 반복되는 허위 이미지 논란, 커지는 팩트체크의 역할 스노프스는 과거에도 트럼프 대통령이 미성년자와 함께 있는 것처럼 보이는 사진들이 허위 또는 조작 이미지로 판명된 사례가 여러 차례 있었다고 설명했다. 이 매체는 엡스타인과 트럼프의 과거 관계는 외신이 꾸준히 다뤄왔지만, 온라인에서 확산되는 이미지 상당수는 사실과 무관하다는 점도 강조했다. 전문가들은 이번 사례가 “AI 시대에 확인되지 않은 이미지가 얼마나 빠르게 확산되고 또 얼마나 쉽게 정치적 해석의 도구로 소비되는지를 보여준다”며 “팩트체크의 중요성이 더욱 커지고 있다”고 지적한다.

얼마 전 서울의 한 고등학교에서 국어 수행평가 중 일부 학생이 인공지능(AI)으로 작성한 답안을 붙여 넣는 부정행위가 발생했다. 태블릿PC를 이용한 평가였는데, 시험 중 1~2분 만에 비정상적으로 답안이 작성되며 문제가 드러났다. 학생들은 미리 AI로 써 둔 내용을 그대로 불러왔다고 인정했다. 시험은 무효 처리됐고 종이 시험으로 재진행됐다. 연세대·서울대 등 대학가에서도 AI 부정행위가 잇따라 드러난 상황으로 보면, 특정 학생의 일탈이 아니라 교육 현장 전체가 마주한 새로운 현실이다. 국내 고등학생들 사이에서 ‘AI 안 쓰면 바보’라는 말까지 나온다. 한 초등학생은 AI가 써 준 글을 들고 “선생님, 이거 진짜예요, 가짜예요?”라고 물었다고 한다. 아이들은 이제 ‘정답을 구하는 법’보다 ‘어떤 답을 믿어야 하는지’를 묻고 있다. 정보의 신뢰성과 출처, 편향, 오류를 구분하는 능력이 교육의 새 과제가 됐다. 문제는 학생보다 학교가 더 느리다는 점이다. 학생들은 이미 AI를 자연스럽게 활용하지만, 교사와 제도권은 기준조차 없는 상태다. 서울시교육청이 제시한 ‘생성형 AI 활용 지침’은 한 장짜리에 불과하고 허용·금지 기준도 비어 있다. 현장에서 제재하거나 지도하기 어려운 이유다. 해외에서는 방향을 잡기 시작했다. 영국은 초등학생에게 AI 윤리 논쟁을 교육하고, 미국 캘리포니아주는 ‘AI 윤리’ 과목을 열어 사례 분석과 토론을 진행한다. 일본은 허용·금지가 명확한 학교용 AI 가이드라인을 이미 수년 전 마련했다. AI가 교육에 미칠 영향을 제도적으로 정교하게 관리하려는 노력이다. 대조적으로 우리 교육은 여전히 “준비 중”에 머물러 있다. 그사이 학생들은 AI를 활용한 학습과 발표 준비에 익숙해졌고, 수행평가는 기술 경쟁으로 변질될 조짐마저 보인다. 기술 변화 속도가 제도의 속도를 압도하고 있다. 서울시의회 교육위원회 위원으로서 지금이야말로 서울이 선도적으로 나서야 할 때라고 생각한다. 첫째, ‘서울형 AI 활용 가이드라인’을 서둘러 마련해야 한다. 학교급별 허용 범위, 출처 표기, 금지 기준 등을 구체적으로 제시하고 현장에서 즉시 적용할 수 있어야 한다. 둘째, 교사 역량 강화가 핵심이다. AI의 작동 원리와 부정행위 유형, 과제 설계 방법을 이해하지 못하면 평가의 공정성을 지킬 수 없다. 시 차원의 전문 연수와 지원이 절실하다. 셋째, 학생 대상 AI 윤리·정보 활용 교육을 정규 교육과정에 포함해야 한다. 단순히 AI 금지만 외쳐서는 창의성도 책임감도 길러낼 수 없다. 올바른 사용과 출처 표기, 비판적 검토 능력을 길러야 한다. 넷째, 평가 방식 자체를 혁신해야 한다. AI로 10초면 끝낼 과제를 내놓고 “AI 쓰지 마라”라는 건 현실을 외면하는 일이다. 사고력과 협업 중심의 과정형 평가로 바뀌어야 한다. AI는 위기이자 동시에 기회다. 사교육 여력이 부족한 학생에게는 새로운 학습 자원을 제공받을 수 있는 도구가 되지만, 디지털 접근성이 낮은 지역에는 또 다른 격차를 만들어 낼 위험도 안고 있다. AI가 어떤 학생에게는 ‘학습을 확장하는 수단’이지만, 어떤 학생에게는 ‘더 큰 교육 격차의 상징’이 될 수도 있다는 뜻이다. 우리가 던져야 할 질문은 “AI와 함께 새로운 배움을 어떻게 설계할 것인가”이다. AI 부정행위 논란은 단순한 문제가 아니라 우리 교육이 스스로의 목적을 묻는 질문이다. 학교가 무엇을 지키고 무엇을 바꿔야 하는지에 대한 대답을 더이상 미룰 수 없는 시점에 우리는 도달해 있다. 우형찬 서울시의회 의원

종이 숙제 더미 대신 스캐너 소리가 교무실을 채웠다. 단 1분 만에 물리 숙제 40여장이 순식간에 스캔되고 채점까지 끝났다. 18일 중국 펑멘신문에 따르면 중국 청두의 여러 중·고등학교에서 인공지능(AI) 숙제 채점 시스템이 실제 수업 현장에 도입되며 교육 현장의 풍경이 빠르게 달라지고 있다. 청두의 한 실험학교 교무실에는 과거 수북하게 쌓여있던 숙제 노트가 사라졌다. 고속 스캐너가 돌아가는 동안 AI 시스템은 종이 숙제를 디지털로 변환하는 동시에 답안을 분석해 채점을 마친다. 이 학교는 2023년부터 ‘인공지능+교육’ 시범학교로 스마트 숙제 채점 시스템을 도입했다. 교사는 서술형 문제를 채점하고, 선택형 문항은 AI가 빠르게 스캔해 채점한다. 시스템은 학생별 점수와 오답 분포도 자동으로 정리해준다. AI의 역할은 단순한 정답·오답 판별에 그치지 않는다. 시스템은 틀린 문제를 실제 교과서 단원과 오류 유형별로 분류해 학생마다 맞춤형 오답 노트를 자동으로 생성한다. 교사는 이를 바탕으로 반 전체의 학습 상태를 한눈에 보여주는 학습맵과 빈출 오답 목록을 확인하고 즉각 보완 수업을 준비할 수 있다. 학생들 역시 오답 출력기를 이용해 필요한 문제만 골라 복습할 수 있다. 숙제 채점이 끝이 아니라 학습 피드백의 출발점이 되는 셈이다. ●AI 채점 정확도는 약 95%...교사 “수업에 도움 된다” 효율성만큼이나 정확도는 학부모들의 최대 관심사다. 학교 측에 따르면 이 시스템은 대형 언어모델 기술을 적용해 채점 정확도를 약 95% 수준까지 끌어올렸다. AI가 답안을 명확히 판별하지 못할 경우 자동으로 알림이 뜨고, 교사가 직접 확인해 보완한다. 모든 채점 과정은 기록으로 남아 교사가 일괄 수정하는 것도 가능하다. 현재 청두시에서는 이미 여러 학교가 AI 숙제 채점 기술을 도입해 수업에 활용하고 있고 그 숫자는 계속 늘어나고 있다. 한 교사는 AI가 채점 시간을 줄여줄 뿐 아니라 시각화된 데이터로 학생들의 약점을 정확히 보여준다며 교사가 어디에 집중해야 할지를 판단하는 데 큰 도움이 된다고 밝혔다. 청두에서는 AI 활용이 평가를 넘어 수업 전반으로 확장되고 있다. AI 더빙 수업, 달 탐사 프로젝트 같은 융합 수업이 등장했고, 일부 초등학교에서는 인공지능·드론·3D 프린팅 동아리도 운영 중이다. AI가 숙제를 채점하는 시대, 교실의 풍경은 분명 달라지고 있다. 다만 이 변화가 교사의 부담을 덜어주는 조력자로 자리 잡을지, 또 다른 교육 격차를 낳을지는 앞으로의 운영에 달려 있다.

경기도의회 보건복지위원회 지미연 의원(국민의힘, 용인6)이 대표발의한 「경기도 사회복지 인공지능 서비스 활용 촉진 지원 조례안」이 12월 18일(목) 열린 제387회 정례회 제4차 본회의를 최종 통과했다. 이로써 경기도는 급격히 확산되는 AI(인공지능) 기술을 사회복지 현장에 도입함에 있어, 기술의 편리함보다 ‘도민의 권익 보호’와 ‘서비스의 안전성’을 최우선으로 하는 제도적 기반을 갖추게 되었다. 이번 조례는 최근 돌봄·상담 등 복지 현장에 AI 도입이 늘어남에 따라 발생할 수 있는 개인정보 유출, 알고리즘 편향성, 책임 소재 불분명 등의 부작용을 사전에 차단하고, ‘사람 중심의 AI 복지 기준’을 마련했다는 데 큰 의의가 있다. 지 의원은 완성도 높은 조례를 위해 이해관계자 정담회, 정책토론회 등을 통해 학계와 현장의 목소리를 충분히 반영, 입법 완성도를 높여왔다. 이번 조례의 핵심은 ‘행정의 책임성 확보’다. AI의 결정에 대해 담당 공무원의 최종 승인을 의무화하여 오류를 방지하고, 고영향 서비스 도입 시 사전 영향평가를 거치도록 규정했다. 아울러 정보취약계층을 위한 대체 서비스 제공과 종사자 보호 대책 등 촘촘한 안전장치도 마련했다. 지미연 의원은 “행정 효율보다 중요한 것은 사람에 대한 존중”이라며, “기술보다 도민을 우선하는 ‘따뜻하고 안전한 기술 복지’의 원칙을 바로 세우겠다”고 강조했다.

건설산업에서 디지털 전환(DX)은 단순히 컴퓨터를 잘 다루는 수준을 넘어 현장의 모든 정보를 데이터로 바꾸어 관리하는 시스템이다. 드론이 촬영한 현장 사진, IoT(사물인터넷) 센서가 기록한 온도와 습도, 설계 도면을 3차원(3D) 정보로 변환한 BIM(건축정보모델링) 객체까지 모두 데이터다. 하지만 중요한 점은 데이터를 모으는 것 자체가 목적이 아니라 잘 정리하고 활용해야 한다는 것이다. ●건설업의 데이터 활용사례 그렇다면 건설사에서는 프로젝트 수주, 설계, 시공 및 유지관리에 이르기까지의 방대한 데이터를 어떻게 다루고 있을까? 수주 단계에는 발주처의 요구사항, 입찰 조건 등의 자료와 함께 경쟁사 분석, 예상 손익, 리스크 등의 검토 자료들이 쌓인다. 삼성물산은 수천 페이지에 이르는 입찰 안내서를 효과적으로 분석하기 위해 LLM 기반의 AI 에이전트를 활용하여 리스크를 신속하게 분석하고 업무 효율을 높이고 있다. 설계 단계에는 BIM 모델, 설계 도면, 구조/환경 시뮬레이션 데이터를 활용하는데, 이런 데이터들을 활용해 설계 오류를 줄이고 공정과 공사비 예측 정확도를 높일 수 있다. 공사 중에는 현장에 심어놓은 각종 계측기를 통해 IoT 센서 데이터(온도, 습도, 변위값 등)를 수집하고 드론과 라이다 센서를 통해 측량한 데이터 등을 활용하여 품질 및 안전관리의 효율을 높인다. 준공 후 유지관리 단계에서는 시설물이나 건축물의 하자 이력, 유지보수 기록 등을 통해 설계 단계 혹은 공사 중 품질관리 방안, 대책을 수립하여 선 반영할 수 있으며 시설물을 디지털 트윈으로 구현하여 설계 단계부터 유지관리 단계까지 데이터를 연계해 관리하고 있다. ●데이터 관리의 허점과 실패 사례 하지만 데이터를 제대로 축적하고 정제하지 못하면 모으기만 하고 제대로 활용할 수 없다. 대표적인 사례가 표준화되지 않은 기록 관리다. 일부 회사에서는 똑같은 공사나 자재를 유사한 이름 여러 개로 관리하고 있어 어떤 공종과 이름으로 기록해야 할지 사용자가 고민하는 경우가 있다. 예를 들면, 방바닥 미장 공사를 방통 공사, 바닥 몰탈 공사, 바닥 미장 공사 등 여러 이름으로 등록해 두고 이 중에서 골라 입력하게 하여 업무에 혼선을 빚고 데이터를 제대로 모으기 어려운 경우가 있다. 다른 문제는 데이터 사일로 현상이다. 부서마다 별도로 데이터를 관리하여 서로 연결되지 못하고 중복되거나 위의 사례처럼 통일된 용어를 사용하지 않는 경우다. 또한 아날로그 데이터를 제대로 변환하지 못한 경우가 있다. 스캔 데이터를 제대로 디지털화하지 못해 활용이 불가능하기도 하다. 이러한 문제 때문에 건설사마다 “DX를 한다”면서도 실제로는 데이터가 흩어져 있고 제대로 정제되지 못해 활용률이 떨어지는 사례가 적지 않다. ●데이터 파이프라인과 표준화 데이터가 ‘생성→저장→정리→분석→활용’되는 흐름을 하나의 관처럼 연결해 놓은 것이 데이터 파이프라인이다. 예를 들어 현장에서 센서를 통해 읽어들인 온도가 자동으로 클라우드에 저장되고 불필요한 값은 걸러낸 후 분석 프로그램이 이를 분석해 공정 관리에 반영하는 과정이 바로 파이프라인이며 이 흐름이 끊기지 않고 매끄럽게 이어져야 DX가 제대로 작동된다. 또한 데이터는 자재, 공정, 품질 데이터 등 동일한 코드와 기준으로 기록해야 한다. 종이 문서, 스캔 데이터 등은 반드시 디지털로 변환해야 한다. 이 표준화와 디지털화가 갖춰져야 데이터가 ‘언어’로 인식되고 AI가 이해할 수 있다. 데이터는 많을수록 좋지만 정확하지 않으면 오히려 위험하다. 잘못된 데이터로 AI가 판단하면 엉뚱한 공정을 제시하거나 위험한 공법을 제안할 수도 있기 때문이다. 그리고 건설 데이터는 설계, 자재, 비용 등 민감한 정보가 많으므로 보안 관리가 필수다. 결국 데이터 관리는 단순히 많은 것이 최선이 아니라 정확하고 표준화된, 신뢰할 수 있는 데이터를 차곡차곡 모으는 것이 핵심이다. 잘 구축된 데이터는 AX(인공지능 전환) 시대에 건설 산업을 완전히 다른 차원으로 끌어올리는 원동력이 될 것이다.

기업가치가 최대 1조 달러에 달하는 인공지능(AI) 기술 기업 오픈AI의 샘 알트먼 최고경영자(CEO)가 자신을 상반신 노출 소방관으로 그린 AI 합성 달력 이미지를 공개해 논란이 일고 있다. 네티즌들은 달력의 날짜 오류를 지적하며 “전기와 물을 써서 가짜 복근을 만들었다”는 등 비판적인 반응을 보였다. 알트먼이 17일(현지시간) 자신의 엑스(X)에 공개한 사진에는 크리스마스 장식을 배경으로 복근을 드러낸 소방관 차림으로 달력 모델처럼 포즈를 취한 모습이 담겼다. 이 사진은 실제가 아니라 챗GPT의 이미지 생성 도구로 만든 AI 이미지다. 알트먼은 사용자들이 이제 챗GPT에서 직접 맞춤형 이미지를 만들 수 있다는 최신 기능을 소개하기 위해 이 사진을 게시했다. 이 게시물은 즉각적인 관심을 끌며 하루 만에 조회수 360만회를 넘어섰다. 하지만 네티즌들의 반응이 모두 우호적인 건 아니었다. 가장 많이 지적된 부분은 달력의 날짜 오류였다. 이달 1일은 월요일이지만, 알트먼이 올린 달력에서는 1일이 목요일로 표시됐다. 한 네티즌은 “당신네 시스템은 달력조차 제대로 못 만드나? 그런데도 다른 사람들의 전기와 물을 써서 가짜 복근을 만든 것을 자랑스러워하나?”라고 비판했다. 다른 누리꾼들도 “샘, 아직 늦지 않았으니 이거 삭제해”, “이런 것 때문에 전기 요금이 30% 더 오르는 건 원치 않는다” 등의 반응을 보였다. 일부 네티즌들은 알트먼의 복근을 가리기 위해 티셔츠나 소방관 옷을 덧입힌 이미지를 만들어 올리기도 했다.

인공지능(AI) 기술은 이제 행정의 주변이 아니라 중심으로 들어오고 있다. 서울시는 민원 응대, 자료 분석, 문서 작성 보조 등 다양한 분야에서 AI 시스템을 도입하고 있으며 일부 자치구도 민원 자동 분류나 도시문제 분석을 시범 운영하고 있다. 효율성과 정확성이 향상될 거란 기대가 크지만 기술의 속도보다 더 중요한 게 있다. 바로 AI 윤리의 방향이다. AI 윤리가 강조되는 이유는 명확하다. AI는 스스로 판단하는 듯 보이지만, 그 과정은 시민에게 보이지 않는다. 어떤 데이터를 학습했고, 어떤 기준으로 결론에 도달하는지는 쉽게 확인할 수 없다. 이러한 문제의식 속에서 정부와 행정안전부는 2025년 공공부문 AI 윤리원칙을 마련하며 책임성과 신뢰 확보를 핵심 과제로 제시했다. 행정은 무엇보다 시민에게 설명할 수 있어야 하고, AI는 그 설명 책임을 더욱 무겁게 만드는 요소가 된다. 올해 정부가 발표한 ‘2025 인공지능 윤리기준 자율점검표’는 인권 보장, 프라이버시 보호, 다양성 존중, 공정성, 책임성, 투명성 등 10대 기준을 명확히 제시했다. 이는 공공 AI 도입이 기술 검토만으로는 충분하지 않다는 인식을 반영한다. 특히 투명성은 시민이 정책의 기준을 이해하고 그 결과에 대해 질문할 수 있게 만드는 민주적 기반이다. 가장 우려되는 부분은 데이터 편향과 차별 가능성이다. AI는 주어진 데이터로 판단하기 때문에 데이터가 특정 지역이나 계층의 현실을 충분히 담지 못하면 정책적 판단도 왜곡될 수 있다. 인구구조와 생활환경이 크게 다른 서울에서는 이러한 위험이 더욱 민감하게 작용한다. 복지나 돌봄 정책에 AI가 활용될 때 특정 지역의 특성이 반영되지 않으면 실제로 도움이 필요한 시민이 배제될 수도 있다. 이는 기술 문제가 아니라 명백한 윤리의 문제다. 부산시가 지방정부 중 처음으로 공무원 생성형 AI 활용 윤리 가이드라인을 마련한 것도 같은 고민에서 출발했다. AI가 만든 정보가 왜곡되거나 오용될 경우 공정성 훼손은 물론 행정 판단의 오류로 이어질 수 있기 때문이다. 공공 영역에서 AI를 안전하게 활용하기 위해서는 기술보다 제도가 먼저 준비돼야 한다. AI가 행정 결정 과정에 깊숙이 들어올수록 책임성 문제도 복잡해진다. AI 분석 결과를 참고해 정책을 결정할 때 오류가 발생하면 책임은 누구에게 있는가. 행정기관인가, 기술 제공자인가. 시민의 권리와 직접 연결되는 결정일수록 책임 구조는 분명해야 하며, 이 기준을 세우는 것이 바로 지방의회의 역할이다. 공공 AI 가이드라인이 기술·윤리·보안·조직문화를 함께 강조한 이유도 여기에 있다. AI 도입은 기술사업이 아니라 행정 거버넌스의 문제다. 기관 내부의 윤리 기준, 명확한 역할과 책임, 지속적인 점검 체계가 갖춰져야 공공 AI의 부작용을 최소화할 수 있다. 이 시대에 지방의회가 해야 할 역할은 더욱 명확해지고 있다. AI 활용에 대한 윤리 기준을 조례와 가이드라인에 반영하고, 편향과 위험을 지속적으로 감시하며, 기술보다 시민의 권리를 우선하는 원칙을 확립해야 한다. 지방의회는 AI 시대의 행정이 시민을 중심에 두고 운영되도록 만드는 최후의 안전장치다. AI 윤리는 기술을 막는 장벽이 아니라 기술이 시민을 위해 작동하도록 하는 나침반이다. 지방의회가 이 원칙을 단단히 세울 때 AI는 행정 혁신의 도구가 될 수 있다. 기술의 속도보다 중요한 것은 언제나 윤리의 방향이다. 김성준 서울시의회 의원

SKT 뉴스룸 통해 참여 기업별 역할·강점 소개 정부 독자 AI 파운데이션 모델 사업 본격 평가 단계 내년 1월 15일 1차 평가서 5개 팀 중 4개 팀 선발 SK텔레콤이 참여 중인 독자 인공지능(AI) 파운데이션 모델 정예팀의 구성과 역할을 공개했다. 정부가 추진 중인 ‘국가대표 AI’ 프로젝트는 내년 1월 15일 1차 평가를 앞두고 있으며, 이 평가를 거쳐 정예팀은 5곳에서 4곳으로 줄어들 예정이다. SK텔레콤은 14일 뉴스룸을 통해 독자 AI 파운데이션 모델 정예팀에 참여 중인 기업들의 역할과 기술적 강점을 소개했다. SK텔레콤 컨소시엄에는 라이너, 셀렉트스타, 크래프톤, 포티투닷, 리벨리온이 참여하고 있으며, SK텔레콤는 독자 모델의 경쟁력으로 정확성·신뢰성·확장성·범용성·효율성 등 다섯 가지를 제시했다. 정확성 고도화는 라이너가 담당한다. 라이너는 실제 서비스 환경에서 축적한 AI 운영 경험을 바탕으로, 모델 개발 과정의 핵심 단계를 내부 역량으로 빠르게 연결하는 구조를 강점으로 내세웠다. 셀렉트스타는 한국어 환경에 특화된 평가 체계를 기반으로 모델의 신뢰성과 안정성을 검증하는 역할을 맡는다. 실제 서비스 과정에서 발생할 수 있는 오류와 편향을 조기에 탐지·개선하는 데 초점을 둔다. 글로벌 확장성은 크래프톤이 담당한다. 전 세계 이용자를 대상으로 게임 서비스를 운영해온 경험과 멀티모달 AI 연구개발 역량, 축적된 사용자 행동 데이터를 바탕으로 독자 모델의 활용 범위를 넓히겠다는 구상이다. 포티투닷은 차량 환경에서의 온디바이스 AI 기술과 경량화 모델 최적화 역량을 통해, 낮은 지연 시간과 실시간 판단이 요구되는 환경에서도 활용 가능한 범용성을 확보하는 역할을 맡았다. 인프라 효율성은 국산 AI 반도체 기업인 리벨리온이 담당한다. 리벨리온은 국산 AI 모델과 국산 반도체를 함께 최적화하는 구조를 통해 실제 서비스 환경에서의 연산 효율과 비용 경쟁력을 높이겠다는 전략을 제시했다. 과학기술정보통신부는 지난 8월 4일 네이버클라우드, 업스테이지, SK텔레콤, NC AI, LG AI연구원 등 5개 컨소시엄을 독자 AI 파운데이션 모델 정예팀으로 선정했다. 해외 빅테크 의존도를 낮추고, 자국 내 인프라·데이터·모델·인재를 확보하는 이른바 ‘소버린 AI’ 역량 구축이 목표다. 정부는 단계별 평가를 통해 내년 1월 15일 1차 평가 이후 정예팀을 4곳으로 줄이고, 이후 추가 평가를 거쳐 2027년 최종 2개 팀만 남길 예정이다. GPU, 데이터, 인재 확보 지원 역시 평가 결과에 따라 차등 적용된다. 업계에서는 이번 1차 평가가 독자 AI 전략의 방향성을 가늠하는 첫 분기점이 될 것으로 보고 있다. 한 업계 관계자는 “지금까지는 각 컨소시엄이 기술 구상과 협업 구조를 설명하는 단계였다면, 이제부터는 실제 구현 가능성과 완성도가 본격적으로 비교될 것”이라며 “1차 평가 결과가 이후 정부 지원과 사업 전개의 중요한 기준이 될 수 있다”고 말했다.

GPT-5.1 공개 한 달 만에 공개…업무용 성능강화 구글도 ‘심층연구 에이전트’ 공개하며 정면 대응 독주 체제 흔들리며 AI 모델 경쟁 최고조 오픈AI가 차세대 인공지능(AI) 모델 ‘GPT-5.2’를 조기에 투입하며 구글과의 기술 경쟁이 한층 격화되고 있다. 구글이 최근 제미나이(Gemini) 3.0을 앞세워 빠르게 추격에 나서자, 오픈AI가 이례적으로 신속한 대응에 나섰다는 평가다. 오픈AI는 11일(현지시간) 신규 모델 GPT-5.2를 공개했다. 지난달 GPT-5.1을 선보인 지 불과 한 달 만이다. 업계에서는 통상 수개월 간격으로 이뤄지던 모델 업데이트 주기를 감안할 때, 경쟁 상황을 의식한 ‘속도전’ 성격이 짙다고 보고 있다. 이 같은 움직임은 구글의 제미나이 3.0 공개 이후 본격화된 것으로 전해졌다. 로이터통신에 따르면 샘 올트먼 오픈AI 최고경영자(CEO)는 제미나이 3.0 발표 직후 사내에 이른바 ‘코드 레드(Code Red)’를 언급하며 챗GPT 성능 개선에 총력을 기울릴 것을 주문한 것으로 알려졌다. GPT-5.2는 문서 작성, 스프레드시트 분석, 발표 자료 구성, 복잡한 코드 작성 등 전문 업무 처리 능력 강화에 초점을 맞췄다. 오픈AI는 이번 모델을 즉답형, 사고형, 전문가형 등 세 가지로 나눠 제공하며, 장기 프로젝트 수행과 다단계 추론에서 효율을 높였다고 설명했다. 오픈AI가 공개한 자료에 따르면 44개 직무를 기준으로 실제 업무 수행 능력을 평가하는 GDPval 벤치마크에서 GPT-5.2 전문가형은 74.1%, 사고형은 70.9%의 점수를 기록했다. 이는 동일 과제에서 인간 전문가와 대등하거나 앞서는 수준이라는 것이 오픈AI의 설명이다. 코딩 성능을 측정하는 SWE 벤치마크에서도 80%를 기록했다. 고난도 추론 능력을 평가하는 ‘휴머니티스 라스트 이그잼’(HLE) 벤치마크에서는 검색 등 외부 도구를 활용한 조건에서 GPT-5.2 전문가형이 50%를 기록해 경쟁 모델보다 높은 점수를 받았다고 오픈AI는 밝혔다. 또 기존 모델 대비 오류가 포함된 응답 비율도 상대적으로 약 30% 줄었다고 설명했다. 구글 역시 같은 날 반격에 나섰다. 구글은 제미나이 3.0을 기반으로 한 ‘심층연구 에이전트’를 공개하고, 이를 평가하기 위한 새로운 벤치마크인 ‘심층검색 질의응답(DeepSearchQA)’ 도구를 함께 선보였다. 구글은 이 평가에서 자사 에이전트가 66.1%의 점수를 기록했다고 밝혔다. 이처럼 오픈AI와 구글이 나란히 새 모델과 평가 지표를 공개하면서, 한동안 오픈AI 중심으로 흘러가던 AI 모델 시장은 본격적인 양강 경쟁 구도로 재편되는 모습이다. 업계에서는 단순 질의응답을 넘어 실제 업무를 대신 수행하는 ‘에이전트형 AI’가 차세대 경쟁의 핵심이 될 것으로 보고 있다. 올트먼 CEO는 이날 자사 블로그를 통해 “우리의 연구와 제품 로드맵에 대해 그 어느 때보다 낙관적”이라며 “AI는 앞으로 인간이 상상하지 못했던 수준의 생산성을 만들어낼 것”이라고 밝혔다. GPT-5.2는 이날부터 유료 구독자를 대상으로 순차 제공된다. 오픈AI는 향후 몇 달간 실제 서비스 환경에서의 활용 결과를 바탕으로 추가 개선을 이어간다는 방침이다.

LG유플러스의 인공지능(AI) 통화 요약 서비스 ‘익시오’에서 고객 36명의 통화 정보가 다른 이용자에게 노출되는 사고가 발생했다. 회사는 내부 개발 과정에서의 설정 오류가 원인이었다고 설명했으나, 이동통신사 보안 관리 전반에 대한 우려가 다시 제기됐다. LG유플러스는 지난 2일 오후 8시부터 3일 오전 10시 59분까지 익시오를 새로 설치하거나 재설치한 101명에게 다른 고객 36명의 통화 상대방 전화번호, 통화 시각, 통화 내용 요약이 노출됐다고 4일 밝혔다. 기능 개선 작업 도중 캐시(임시 저장 공간) 설정을 잘못 적용한 개발자 실수가 원인으로 LG유플러스는 “해킹과는 관련 없으며 주민등록번호·금융정보 등 민감정보는 포함되지 않았다”고 설명했다. 사고는 고객 제보로 처음 확인됐으며, 회사는 노출 차단과 복구를 완료했다. 법적 신고 요건(유출 1000명 이상 또는 민감정보 포함)에는 해당하지 않지만 음성 데이터 특성과 투명성 강화를 이유로 개인정보보호위원회에 자진 신고했다고 덧붙였다. 최근 SK텔레콤·KT 등에서 보안 사고가 이어진 상황에서 LG유플러스마저 정보 노출 문제가 발생하며 통신 3사 보안 체계 전반에 대한 불안이 다시 확대되고 있다. LG유플러스 관계자는 “고객께 송구하다”며 “업무 프로세스를 더욱 치밀하게 개선하겠다”고 말했다.