뒤로가기
국방 인사이트결심지원AX

AI 기반 지휘결심 지원체계 : 계획의 품질, 실시의 속도

지휘결심은 한 번의 선택이 아니라 작전 내내 되풀이되는 과정입니다. 작전을 계획할 때와 실시할 때, AI에 요구되는 역할은 어떻게 다를까요? 운영 과정(OP)을 기준으로 국내외 기술 동향을 살펴봅니다.

12 min read
AI 기반 지휘결심 지원체계 : 계획의 품질, 실시의 속도

결심이 어려워지는 전장

현대 전장에는 다중 센서와 무인체계, ISR(정보·감시·정찰) 자산, 사이버 전장에서 정보가 실시간으로 쏟아져 들어옵니다. 데이터의 규모와 복잡성은 기하급수적으로 커지고 있습니다.

지휘관 한 사람이 이 모든 정보를 통합·분석해 최적의 결심을 내리기는 점점 어려워지고 있습니다. 이를 보조하는 인공지능(AI)이 필수적인 수단으로 떠오른 이유입니다.

지휘관의 결심은 교범에 정의된 절차를 따릅니다. 미 육군 교범 FM 5-0은 계획·준비·실행·강평으로 이어지는 연속적인 순환 과정, 곧 운영 과정(Operation Process, OP)을 지휘결심 절차로 정의합니다. 지휘결심은 한 시점의 선택이 아니라 작전 전반에 걸쳐 되풀이되는 인지·판단·지시의 과정이며, 우리 군 역시 유사한 절차에 따라 결심합니다.

이 글은 AI 기반 지휘결심 지원체계의 국내외 기술 동향을 OP를 기준으로, 작전 계획과 작전 실시 두 단계로 나누어 살펴봅니다.

계획과 실시, 서로 다른 요구

FM 5-0에 따르면 작전 계획 단계에서 지휘관과 참모는 군사적 결심 수립 절차(MDMP)에 따라 전장정보분석(IPB)을 수행하고, 적과 아군의 방책(COA)을 여러 개 개발합니다. 그리고 워게이밍으로 각 방책의 실행 가능성·수용 가능성·적합성·완전성·구별성을 검증해 작전 계획을 세웁니다.

작전 실시 단계에서는 신속 결심 수립 절차(RDSP)가 중심이 됩니다. ISR 자산이 모은 멀티모달 데이터를 실시간으로 수집·융합·분석해 상황을 빠르게 이해하고, 지휘관이 직관적으로 판단하도록 도와야 합니다. 그 결심은 예하부대에 실시간으로 전파되어 제때 명령으로 이어져야 합니다.

운영 과정(OP)은 계획·준비·실행·강평으로 순환합니다. 계획 단계는 MDMP로 최적의 해를, 실시 단계는 RDSP로 빠르고 효과적인 해를 찾고, 두 단계는 지속적인 평가와 환류로 이어집니다.

이 구조는 지휘결심이 단계마다 서로 다른 요구 조건을 가진다는 점을 보여 줍니다. 따라서 지원체계의 목표와 AI의 역할도 단계별로 달라져야 합니다.

작전 계획 단계의 핵심은 판단의 '품질'과 '설명 가능성'입니다. 방책은 단순히 창의적으로 만들어지는 것이 아니라 교리와 임무 조건에 부합해야 하고, 워게이밍으로 결과를 예측하고 비교할 수 있어야 합니다. 즉, 시스템은 지휘관에게 특정 방책을 선택할 근거를 제공해야 합니다.

반면 작전 실시 단계에서는 '속도'와 '연결성'이 핵심입니다. 센서가 모은 정보를 분석해 지휘결심과 단편명령(FRAGO)까지 이어지는 시간을 줄일수록, 지휘관은 작전 주도권을 확보할 수 있습니다. 관찰·방향설정·결정·행동(OODA) 루프를 단축하는 일과 곧바로 맞닿아 있습니다.

계획 단계의 AI는 근거를 제시하고, 실시 단계의 AI는 시간을 줄여야 합니다.

같은 지휘결심이라도 단계마다 AI에 요구되는 역할이 다릅니다.

구분작전 계획 단계작전 실시 단계
중심 절차MDMP(군사적 결심 수립 절차)RDSP(신속 결심 수립 절차)
핵심 요소품질 · 설명 가능성속도 · 연결성
AI의 역할교리 기반 방책 구조화, 워게이밍, 방책 간 정량 비교ISR 데이터 분석, 위협 식별, 대응 방안 수립과 예하부대 전파
지향점최적의 해빠르고 효과적인 해

작전 계획 : 근거를 제시하는 AI

작전 계획 단계는 지휘결심의 품질을 결정하는 구간입니다. 이 단계의 AI 기반 지원체계는 복잡한 MDMP 절차를 가속하고, 지휘관과 참모의 '인지적 과부하'를 덜어 주며, 생성된 방책이 교리에 맞는지를 정량적으로 검증합니다.

여기서 AI의 역할은 단순한 방책 생성을 넘어섭니다. 교리에 부합하도록 방책을 구조화하고 생성 과정을 자동화하며, 반복적인 워게이밍으로 방책의 유효성을 정량적으로 설명하고, 각 방책의 장단점과 위험 요소를 분석해 사용자나 AI가 이를 보완할 수 있게 합니다. AI의 결과는 확률적 추론이나 직관적 선택이 아니라, 교리로 검증된 대안 사이의 비교에 근거해야 합니다.

그래서 이 단계의 AI는 '방책 생성 도구'나 '데이터 분석 도구'가 아니라, 교리 기반 구조화·자동화와 방책 선정 근거 제공(워게이밍), 방책 간 정량 비교로 이어지는 복합적 평가 엔진에 가깝습니다. 핵심 성능지표 역시 생성 속도가 아니라 교리에 기반한 설명 가능성이며, 이것이 지휘결심의 품질을 판단하는 객관적 기준이 됩니다.

국외 : 시뮬레이션에서 에이전트로

국외에서는 비교적 이른 시기부터 교리상 절차를 모델 수준에서 구현하고, 시뮬레이션 기반 워게이밍 체계와 결합하는 방향으로 발전해 왔습니다.

  1. 합성 훈련 환경(STE) — 가상 전장 위의 워게이밍

    대표적인 사례는 미 육군의 OneSAF나 합성 훈련 환경(STE) 같은 훈련용 고충실도 모델링·시뮬레이션 체계입니다. STE는 방책 분석·워게이밍 단계를 체계 내부에서 AI와 시스템 기반으로 자동화합니다. 전 지구적 3차원 가상 전장인 One World Terrain(OWT)을 구축해 지형·도로·식생·지질 등 환경 데이터와 MDMP 지형 분석을 위한 AI 알고리즘을 제공합니다.

    또한 가상 훈련을 계획·준비·실시·평가할 수 있는 Training Management Tool(TMT)로 전력 구성과 교전 규칙을 정량적 상태 변수로 모델링합니다. 지휘관과 참모는 AI 기반 대항군과 교리에 근거한 반복 시뮬레이션을 거치며 방책의 성공 확률을 정량적으로 확보할 수 있습니다.

  2. DARPA Deep Green — MDMP 전반의 자동화

    Deep Green은 방책 개발부터 최적 방책 선정까지 MDMP 전반을 체계 내부에서 자동화하는 구조로, 이후 COMPASS·SCEPTER 등 DARPA 전술적 의사결정 지원 프로젝트의 기술적 청사진이 되었습니다.

    Sketch to Plan과 Sketch to Decide라는 인터페이스로, 지휘관이 스케치와 음성으로 전달한 적·아군의 방책과 지휘 의도를 교리 기반 군사 객체로 자동 변환하고, 계획 전개에 따른 파급 효과를 그래프 모델로 시각화합니다. 이렇게 만든 기동 계획은 Blitzkrieg의 시뮬레이션을 거쳐 실현 가능한 미래 시나리오로 펼쳐지고, Crystal Ball이 시나리오마다 우도를 갱신하며 일부를 가지치기합니다. 수치와 도식으로 시각화된 인터페이스가 설명성을 뒷받침합니다.

  3. sdLM — 계획 에이전트와 시뮬레이터 에이전트

    최근에는 대규모 언어 모델(LLM)로 만든 역할별·임무별 AI 에이전트가 등장했습니다. 구성과 완성도 면에서는 플랫폼 수준에 이른 STE나 Deep Green에 미치지 못하지만, 다중 에이전트 기반 경량 아키텍처와 GUI 없는 워게이밍 엔진으로 MDMP 전 단계를 가속하고 비용을 줄이며, 자연어 기반 멀티모달 인터페이스로 설명성을 높인다는 뚜렷한 장점이 있습니다.

    Strategic Doctrine Language Models(sdLM)는 지형·교리 분석과 방책 개발·분석을 맡는 GIPFEL-I(70B)과, 적 방책 모델링과 동적 시나리오 생성, 실시간 워게이밍을 맡는 SANDKASTEN-I(30B)로 구성됩니다. 각각 약 20억 토큰 분량의 전략 자료와 8억 토큰 분량의 워게이밍 데이터로 학습했으며, GIPFEL-I이 만든 작전 계획을 SANDKASTEN-I이 시뮬레이션으로 검증하고 그 결과를 다시 GIPFEL-I에 되돌려 반복 개선합니다.

  4. COA-GPT — 전문 에이전트와 리뷰 에이전트

    COA-GPT는 에이전트 구성을 더욱 세분화합니다. 지형(OCOKA 등), 정보(적의 능력·의도, 전장 환경 분석 등), 화력(포병·항공지원 등 화력 자산 운용), 지속지원(보급·수송·의료 등 지원 자산 운용)을 담당하는 에이전트를 따로 두고, MDMP에 따라 작전을 계획하는 주 에이전트를 보조합니다.

    시뮬레이터 기반 워게이밍 도구와 별개로 독립적인 리뷰 에이전트를 두어, 주 에이전트가 만든 방책과 명령에 교리 기반 비판과 피드백을 반복 제공합니다. 이로써 교리에 입각한 설명 가능성과 실전에 대비한 방책의 품질을 동시에 확보합니다. 임무·보직별로 인간 군사 전문가를 양성하는 방식과 닮았습니다.

전문 에이전트의 도움을 받아 만든 방책을 워게이밍으로 검증하고, 리뷰 에이전트가 교리에 비추어 비판합니다. 이 순환을 거친 방책 후보는 정량 지표와 근거를 갖춘 채 지휘관과 참모에게 제시됩니다.

이는 계획 단계의 지원체계에 필요한 AI 역할이 생성 중심에서 검증 중심으로 확장되고 있으며, 지휘결심의 품질을 극대화하는 방향으로 진화하고 있다는 뜻입니다.

국내 : 단위 기술의 축적

국내에서도 교리 절차를 기반으로 작전 계획을 수립하는 지원체계에 관해 프로토타입 수준의 단위 기술이 잇따라 제시되고 있습니다. 지상군 작전계획 수립 보조 시스템 연구는 작전 계획 수립 과정에서 고려하는 임무 변수를 IPB에 쓰이는 METT-TC로 구조화하고, 다기준 의사결정(MCDM) 기법으로 여러 작전 계획의 우열을 비교합니다. 작전계획 의사결정 절차를 교리 기반 수학적 모델로 표현하고 시스템 구조로 구현하려는 초기 연구로서, 의사결정 과정을 부분적으로나마 자동화·가속할 수 있다는 데 의미가 있습니다.

지휘결심을 위한 자동 방책 평가 연구는 METT-TC와 워게임 시뮬레이션 결과를 입력으로 받아 방책 후보를 평가하고, 각각의 점수와 종합 순위를 자동으로 산출합니다. 지휘관과 참모의 경험·주관에 의존하던 방책 평가를 일정 부분 정량화하고, 다수의 방책 후보를 빠르게 비교해 결심을 가속할 수 있다는 데 의미가 있습니다.

종합하면, 국외는 고충실도 시뮬레이션을 중심으로 교리 절차를 모델 내부에 통합해 실전 적용이 가능한 플랫폼 수준에 이르렀고, AI 에이전트로 개별 기능을 빠르게 고도화하고 있습니다. 국내는 아직 방책 개발·평가 자동화, 교리 구조화 같은 개별 기능의 기초 연구에 머물러 있지만, 교리 기반 통합 체계에 대한 요구가 커지고 있어 빠른 발전이 기대됩니다.

작전 실시 : 시간을 줄이는 AI

작전 실시 단계는 실시간 전장 상황에서 기존 계획을 실행하고, 필요하면 조정해 계획을 행동으로 바꾸는 단계입니다. 지휘관과 참모는 RDSP를 반복하며 계획과 실제 전장 사이의 '차이'를 끊임없이 분석하고, 이를 바탕으로 두 가지 결심을 내립니다. 계획을 그대로 수행하는 실행 결정과, 예상치 못한 기회나 위협에 대응하기 위해 작전 개념을 수정하는 조정 결정입니다.

이 단계에서도 교리 기반 설명 가능성은 중요하지만, 핵심 평가 기준은 정확한 데이터에 기반한 결심 생성 속도입니다.

국외 : 센서에서 타격까지

국외에서는 ISR 데이터를 AI에 적용해 상황 인식을 넘어 타격 자산 할당에 이르는 전 과정을 자동화하는 방향으로 발전하고 있습니다.

  1. 안두릴 래티스(Lattice) — 분산된 자산을 하나의 층으로

    래티스는 2017년 미 국방부 주도로 출범한 '프로젝트 메이븐(Maven)'의 1차 과제, 곧 전술 무인기(UAS)와 감시 자산의 풀 모션 영상(FMV) 처리·활용(PED) 자동화를 계승한 체계입니다. 드론·감시탑·레이더 등 분산된 다수의 자산과 이기종 센서 데이터를 단일 통합 레이어로 묶고, 그 위에서 AI 분석 체계를 운영하는 지능형 통합 플랫폼입니다.

    컴퓨터 비전과 딥러닝으로 관심 객체를 자동 분석·분류하고 다수 표적을 추적해 정보 분석관의 인지 부담을 크게 줄입니다. 나아가 요격용 드론(Anvil) 같은 타격 자산에 교전을 자동으로 지시해 즉각적인 대응을 가능하게 합니다.

  2. GIS-Arta — 20분을 수 초로

    우크라이나군이 실전에서 운용 중인 군용 지리정보시스템으로, 표적 획득부터 타격까지의 시간을 혁신적으로 단축했습니다. UAV, 정보 데이터, 전방 관측수 등이 모은 표적 정보를 정밀 타격 좌표로 즉시 변환하고, 내장 GPS 수신기와 고정밀 3D 지형 모델을 결합해 전장에 흩어진 포병 부대 가운데 표적 타격에 가장 적합한 부대에 명령을 내립니다. 통상 20분가량 걸리던 포격 준비 시간을 수 초 단위로 줄였습니다.

탐지부터 식별·좌표 변환, 타격 부대 선정, 타격까지 하나의 흐름으로 묶이면 결심에서 행동까지의 시간이 극적으로 줄어듭니다. GIS-Arta는 통상 20분가량 걸리던 포격 준비 시간을 수 초 단위로 단축했습니다.
  1. 팔란티어 고담(Gotham) — 온톨로지로 묶은 전장 데이터

    고담은 프로젝트 메이븐이 목표로 했던 국방 데이터와 머신러닝의 통합을 실질적으로 구현한 전장 데이터 분석 플랫폼입니다. 전장에 흩어진 구조화·비구조화 데이터를 동적 온톨로지(dynamic ontology) 기반의 '객체-속성-관계' 구조로 통합 관리합니다. 특히 AI 기반 표적화 기능은 식별된 표적과 가용 타격 자산을 연결하는 Target-Effector Pairing을 지원해 효율적인 표적 관리와 타격을 가능하게 합니다.

  2. DARPA 프로젝트 셉터(SCEPTER) — 실시간보다 10만 배 빠른 탐색

    셉터는 신뢰할 수 있는 군사 시뮬레이션 환경에서 인간 참모 수준의 군사 전략을 AI가 자동 생성하는 프로젝트입니다. 목표 지향적 AI 에이전트로 교전의 방대한 상태-행동 공간을 고속 탐색하며, 최대 1만 개 개체가 참여하는 시나리오를 실시간 대비 최대 10만 배 빠르게 분석합니다.

    이를 통해 지휘관은 기존의 인간적 사고만으로는 도출하기 어려운 새로운 방책을 발견하고 그 효과를 정량적으로 검증할 수 있습니다. 통신이 제한된 전장 환경에서도 분산된 킬체인을 기반으로 지휘관의 RDSP를 고도화하는 데 기여합니다.

국내 : 지휘통제체계의 고도화

국내에서도 RDSP를 지원하기 위해 기존 지휘통제체계(C4I)에 AI와 첨단 정보통신 기술을 융합하는 고도화 사업이 추진되고 있습니다. 육군전술지휘정보체계(ATCIS)는 2차 성능개량으로 전장 상황 정보를 실시간으로 공유하고 공통전장상황(COP) 제공 능력을 강화하고 있으며, 연합지휘통제체계(AKJCCS) 역시 AI 기반 상황 분석과 자동화된 의사결정 지원 기능을 포함하는 방향으로 재개발이 진행 중입니다.

이러한 흐름은 궁극적으로 육·해·공군의 지휘통제망을 통합하는 한국형 합동전영역지휘통제체계(K-JADC2), 곧 지휘통제정보공유체계(KCCS) 구축으로 이어집니다. 센서부터 타격 자산까지 연결하는 Sensor-to-Shooter 구조와 AI 기반 지휘결심 지원으로 통합작전 수행 능력을 강화하는 방향입니다.

계획과 실시를 하나로 잇는다

국내외 AI 기반 지휘결심 지원체계는 두 단계의 서로 다른 요구를 충족하는 방향으로 발전해 왔습니다. 계획 단계에서는 전장 변수와 전술 교리를 바탕으로 방책을 수립·분석하고 워게이밍으로 검증하며, 방책의 타당성과 설명 가능성을 확보하는 것이 핵심입니다. 실시 단계에서는 고속 상황 분석 AI뿐 아니라 ISR 기반 데이터 수집, PED 처리, 전장 가시화 기술이 핵심 요소로 떠오르고 있습니다. 국외에서는 ISR-PED-AI가 통합된 지휘통제 플랫폼이 발전하고 있고, 국내에서도 기존 ISR-PED 체계에 AI를 통합하는 개량 사업이 진행 중입니다.

그러나 작전의 계획과 실시는 분리될 수 없습니다. 앞으로의 지원체계는 OP 전 과정에서 두 단계를 유기적으로 연결하는 통합 구조로 발전해야 합니다. ISR 데이터 처리, 상황 인식, 전장 가시화, 방책 분석 기능을 통합하는 체계적 접근이 있어야 RDSP와 OODA 루프 단축을 실질적으로 구현할 수 있습니다.

교리와 전장 데이터를 연결하는 정보기술 기반 위에서 작전 계획 AI와 작전 실시 AI가 맞물려 돌아가고, 멀티모달 인터페이스를 통해 지휘관이 상황을 직관적으로 이해하고 결심합니다.
  1. 정보기술 기반(IT Foundation)

    교리와 전장 데이터를 지식 그래프로 구축·연결하는 전장 지식베이스 기술, OCOKA·ASCOPE 등을 자동으로 수행하는 IPB 자동화 엔진 기술, 멀티모달 데이터를 수집·공유하는 데이터 인터페이스 기술로 이루어집니다. 이 기반이 작전 계획과 실시를 유기적으로 연결합니다.

  2. 작전 계획 AI와 작전 실시 AI

    두 지원체계는 정보기술 기반이 제공하는 교리·환경·ISR 정보와 자동화된 OPORD/FRAGO 분석을 연계해 최적 방책의 도출을 가속하고, 실시간 상황이 반영된 OPORD/FRAGO를 예하부대에 자동으로 생성·전파합니다.

  3. 멀티모달 인터페이스

    자연어·시각·음성 기반 정보로 구성된 인터페이스가 인간 지휘관의 직관적인 상황 이해와 신속한 결심을 지원합니다.

그 과정에서 이루어지는 모든 최종 의사결정은 인간 지휘관이 내려야 합니다.

AI는 그 결심이 더 빠르고 정확해지도록 돕는 역할을 맡습니다.

정리하며

다영역 환경에서 이루어지는 미래 전장에서는 방대한 데이터를 신속하게 분석하고 상황 인식을 지원하는 능력이 작전의 성패를 좌우할 것입니다. 그런 의미에서 AI 기반 지휘결심 지원체계는 선택이 아닌 필수적인 핵심 기술입니다.

앞으로는 OP에 기반해 AI, ISR, 정보융합, 전장 가시화 기술을 통합한 지휘결심 지원체계 개발이 꾸준히 이어져야 합니다. 계획의 품질과 실시의 속도, 그 둘을 하나의 구조 안에서 함께 끌어올리는 것이 다음 과제입니다.

자주 묻는 질문

운영 과정(OP)이란 무엇인가요?

미 육군 교범 FM 5-0이 지휘결심 절차로 정의한 연속적인 순환 과정으로, 계획·준비·실행·강평으로 구성됩니다. 지휘결심은 한 시점의 선택이 아니라 작전 전반에 걸쳐 되풀이되는 인지·판단·지시의 과정이라는 뜻이며, 우리 군 역시 유사한 절차에 따라 결심합니다.

MDMP와 RDSP는 어떻게 다른가요?

MDMP(군사적 결심 수립 절차)는 작전 계획 단계에서 전장정보분석을 수행하고 여러 방책을 개발해 워게이밍으로 검증하는 분석적 절차입니다. RDSP(신속 결심 수립 절차)는 작전 실시 단계에서 실시간 데이터로 상황을 빠르게 이해하고, 계획을 그대로 수행할지 조정할지 결정해 예하부대에 명령을 하달하는 절차입니다.

계획 단계 AI의 핵심 성능지표는 왜 속도가 아닌가요?

계획 단계의 AI는 지휘관에게 특정 방책을 선택할 근거를 제시해야 하기 때문입니다. 방책은 교리와 임무 조건에 부합해야 하고 워게이밍으로 결과를 비교할 수 있어야 하므로, 이 단계의 핵심 성능지표는 생성 속도가 아니라 교리에 기반한 설명 가능성입니다.

AI가 지휘관 대신 결심하나요?

아닙니다. AI 기반 지휘결심 지원체계는 방책 분석과 상황 인식을 가속하고 근거를 제시하지만, 그 과정에서 이루어지는 모든 최종 의사결정은 인간 지휘관이 내려야 합니다. 멀티모달 인터페이스는 지휘관의 직관적인 상황 이해와 신속한 결심을 돕는 수단입니다.

관련 글

HQ
서울시 금천구 가산디지털1로 186, 제이플라츠 701호
AI LAB
서울 강남구 영동대로96길 20 대화빌딩 2층
USA
3003 NORTH 1ST STREET, #221, SAN JOSE, CA 95134
Vietnam
Tầng 4, FLC Landmark Tower, Ngõ 5 Lê Đức Thọ, phường Từ Liêm, quận Nam Từ Liêm, Hà Nội
Tel
(사업) 02-6085-0180~1
개인정보 처리 방침COPYRIGHT 2026 © INFINIQ. ALL RIGHTS RESERVED.