미 공군은 기술적으로 엄청나게 발전했습니다. 무기부터 도구, 차량까지 최첨단입니다. 그렇다면 이 부서가 군수품의 안전하고 효율적인 보관과 같은 중대한 역사적 문제 중 일부를 해결하기 위해 AI의 힘을 활용하고 있다는 것은 놀라운 일이 아닙니다.
이는 AI가 항상 수용해야 할 긍정적인 것임을 의미하지는 않습니다. 반대로, 예를 들어 AI 스마트 안경은 작전 보안 및 개인 정보 보호와 관련하여 상당한 위험이 될 수 있습니다. 이것이 바로 미 공군이 군복을 입은 군인들 사이에서 이 인기 있는 기술을 금지한 이유입니다. 이것이 기술에 대한 전체 핵심 논쟁이 시작되는 곳입니다. AI가 무책임하게 사용되면 위험이 발생할 가능성이 있습니다. 반면에 혁신적이고 실용적인 방법으로 활용된다면 선을 위한 엄청난 힘이 될 수 있습니다.
이것이 바로 공군이 하려는 일이다. 분쟁 안팎에서 돈, 시간, 생명을 구하기 위해 운영 전반에 걸쳐 다양한 방식으로 AI를 통합합니다. 완전히 새로운 종류의 조종사 훈련부터 거대한 배열의 차량 및 부품의 유지 관리 일정을 관리하는 방법을 찾는 것까지 AI는 미 공군의 현재와 미래에 절대적으로 자리잡고 있습니다. 기술을 창의적으로 적용한 몇 가지 사례를 자세히 살펴보겠습니다.
군수품 보관 솔루션 관리
미국은 세계에서 가장 큰 공군 중 하나를 보유하고 있습니다. 이는 물론 헬리콥터부터 탄약까지 엄청난 범위의 강력한 자산에 접근할 수 있다는 것을 의미합니다. 그러나 마찬가지로 필요할 때 액세스할 수 있도록 모든 항목을 정렬, 구성 및 저장하는 문제가 매우 복잡해질 수 있습니다. 우리 중 많은 사람들이 편리한 AI 도구를 사용하여 근무일을 관리하고 생산성을 높입니다. 미 공군이 이 분야에서 구현하고 있는 것이 바로 이것이었습니다.
Automated Master Storage Planning으로 알려진 앱은 항상 존재하는 효율적인 스토리지 문제에 접근하는 방식에 혁명을 일으킬 수 있습니다. Virtualitics 솔루션 리더인 Justin Shehane은 Air & Space Forces Magazine에 “서로 일정한 거리를 유지해야 하는 특정 군수품이 있고 함께 보관해야 하는 군수품도 있습니다. (…) 우리가 반드시 준수해야 하는 관리 지침과 안전 제약 사항이 아주 많습니다”라고 Shehane은 콘센트에 설명했습니다. 그러면 앱이 수행할 작업은 Shehane이 설명하는 “기본 구성 계획”을 사용하여 저장 요구 사항 및 사용 가능한 공간에 대해 입력된 세부 정보를 고려한 다음 다운로드하고 자유롭게 참조할 수 있는 모든 항목을 배치하는 가장 좋은 방법에 대한 심층 분석을 반환하는 것입니다.
Virtualitics는 Automated Master Storage Planning 소프트웨어가 통합 준비 최적화 제품군의 한 구성 요소일 뿐이라고 지적합니다. 배치 및 저장 공간의 3D 시각화를 제공하고, “변화하는 임무 요구 사항, 안전 제약 및 실시간 운영 데이터에 맞게 저장 계획을 동적으로 조정”하고, 다른 곳에서 더 잘 사용할 수 있는 구성 요소 또는 품목이 재고의 어디에 있는지 판단할 수 있는 능력을 갖추고 있습니다.
전투 관리 및 작전 노력
전쟁에서 저지르는 실수, 1초 이하의 계산 차이가 성공과 치명적인 재앙을 가를 수 있습니다. 계획 및 의사 결정 프로세스에 AI를 구현하는 안전하고 실용적인 방법은 인간 서비스 요원의 피로나 순간적인 주의 산만함의 위험을 제거하는 데 도움이 될 수 있습니다. 부분적으로 이러한 이유 때문에 AI는 인간 조종사가 볼 수 없는 적을 발견하고 심각한 오류가 발생하기 전에 그 과정에서 아군과 표적을 구별하는 등 전투기 기능을 수행하도록 훈련되고 있습니다.
2025년 Shadow Operations Center-Nellis의 라스베이거스 위치는 인간-기계 팀 구성을 위한 두 번째 Decision Advantage Sprint 테스트의 장소였습니다. 공군은 이 훈련이 식별된 목표물을 파괴하기 위해 사용 가능한 최상의 무기 시스템을 결정하는 “매치 이펙터” 기능으로 운영자를 지원할 수 있는 “AI 기반 마이크로서비스 설계”에 중점을 두었다고 밝혔습니다. 여러 다른 팀이 참여했으며 인간 전투 관리자의 작업과 AI 시스템의 알고리즘을 사용할 수 있는 동일한 노력에서 데이터가 수집되었습니다.
AI 시스템은 문제에 대한 답을 찾는 속도가 훨씬 빠르고 약 30배 더 많은 답을 제공하는 것으로 나타났습니다. 그러나 긴 가능성 목록을 생성하는 것과 적절한 가능성을 선택하는 인식을 갖는 것은 매우 다릅니다. 의사 결정 자체는 자신의 의미를 더 잘 이해하는 서비스 담당자에게 맡기는 것이 가장 좋은 것 같지만 AI 모델은 데이터를 빠르게 분석하는 데 특화되어 있어 두 가지가 동시에 잘 작동하는 것 같습니다.
기계 유지보수 예측 및 예약
안타깝게도 방대한 양의 정교한 기계를 마음대로 사용할 수 있을 때의 또 다른 큰 단점은 대규모로 처리해야 하는 오작동 및 유지 관리로 인한 지속적인 물류 문제가 발생한다는 것입니다. 미 공군의 경우 이를 촉진하기 위해 PANDA(예측 분석 및 의사 결정 지원)는 거대한 AI 자산입니다.
PANDA는 공군 기술자들이 가장 필요한 곳에 자원을 집중할 수 있게 해주는 소프트웨어입니다. 2023년 5월 C3 AI와의 대화에서 Rapid Sustainment 사무소의 Michael Lasher 중령은 다음과 같은 개념을 설명했습니다. “그래서 우리가 하려는 것은 과거 유지 관리 데이터든 내장 센서 데이터, 원격 측정 데이터든 우리가 보유한 모든 데이터를 활용하는 것입니다. 유지 관리를 수행해야 한다는 증거를 공식화하는 데 유용한 모든 데이터를 활용하는 것입니다.”
이 시스템은 C3의 AI Readiness 애플리케이션과 Agentic AI Platform을 활용합니다. 이는 인간 기술자가 수동으로 처리할 수 있는 것보다 훨씬 더 많은 정보를 모두 필요로 하며, 이를 엔지니어에게 언제 작업이 필요하거나 문제가 발생할 때 알릴 수 있는 계획으로 변환합니다. 16개 이상의 다양한 플랫폼이 PANDA와 호환되며 Cloud One을 통해 액세스하면 무단 액세스를 방지할 수 있습니다. 시스템이 사용하는 데이터는 특정 차량 구성 요소에 대한 향후 잠재적 요구 사항을 결정할 수 있을 만큼 광범위하므로 공급망을 모니터링하는 다른 전문가를 순환시킵니다. 이는 필요할 때 부품을 사용할 수 있도록 보장할 뿐만 아니라 개별 구성 요소를 모니터링하고 언제 사용 가능할지 예측하는 것입니다.
AI 기반 드론 개발
전투기는 지점의 고액 자산 중 일부입니다. 하지만 공중전의 흐름이 점점 더 드론의 파괴적인 힘으로 바뀌면서 이러한 무기의 장점도 활용해야 한다는 것은 분명합니다. 풍부한 자원을 갖춘 미 공군의 경우 자산을 결합하여 최상의 효과를 얻을 수 있습니다. 이는 군의 드론 개발 프로그램을 추진하는 계획인 것으로 보인다.
2026년 3월 미 공군은 F-22 랩터 조종사를 위한 ‘윙맨’으로 무인 전투기를 시험했다. 이러한 노력은 처음이 아니었습니다. 전년도에는 XQ-58A Valkyrie 드론이 F-16C 및 F-15E 조종사와 함께 플로리다 에글린 공군 기지 상공에서 훈련 비행을 했습니다. 영창. Jason E. Bartolomei 장군은 Air & Space Forces Magazine이 공유한 성명에서 “자율 플랫폼을 개발하고 유인 시스템과 통합함으로써 경쟁 환경에서 신속하게 적응하고 전투 효율성을 높이며 승무원에 대한 위험을 줄일 수 있다”고 설명했습니다. 다시 말하지만, 여기에는 반자율 무인 항공기라는 점에서 중요한 유사점이 있습니다. 즉, AI는 기능을 강화하는 데 사용되지만 군인이 궁극적인 통제권을 유지한다는 의미입니다.
2023년 8월, 공군 연구소의 보도 자료에서는 XQ-58A Valkyries가 Eglin 테스트 및 훈련 단지에서 또 다른 시험에서 비행했다고 언급했습니다. 보도 자료에 따르면 이것은 Valkyrie 모델에 대한 “AFRL이 개발하고 기계 학습 훈련을 받은 인공 지능 알고리즘의 최초 비행”이라고 표시됩니다. 공군 연구소의 자율 공중 전투 작전 팀은 Valkyries가 따를 알고리즘을 결정했으며 이 분야의 성공과 추가 개발은 더욱 정교하고 안전한 무인 무기를 의미할 것입니다.
조종사 훈련
말할 필요도 없이, 미 공군에서 학생 조종사가 되는 것은 확실히 강렬하고 도전적인 경험이며, 새로운 항공기, 장비 및 규정의 채택으로 더 넓은 의미의 훈련은 결코 끝나지 않습니다. 끊임없이 발전하고 있으며, 당연히 AI 기술은 이러한 발전 중 일부에서 선두에 있었습니다. 이러한 노력은 학생 조종사로부터 시작되며, 이를 위해 공군은 IP GPT라고 불리는 전문 챗봇을 개발하기 위해 노력하고 있습니다.
보다 광범위한 초점을 맞춘 많은 챗봇이 수행하도록 설계된 것처럼 광범위한 문서를 사용하지 않고 비행 매뉴얼 및 항공 관련 데이터에 대해서만 교육을 받는 것이 목적입니다. 비행 훈련 센터(Flying Training Center of Excellence)의 Seth Hoffman 중령은 Air & Space Forces Magazine에 이렇게 말했습니다. “나는 조종사가 상호 작용해야 하는 모든 영역이 이 데이터 연못 내에 있기를 원하지만 그게 전부입니다.”
2026년 2월 기준으로 이는 대체로 이론적이지만, 앱을 사용하여 성과 데이터, 강의 계획 및 기타 정보를 대조할 수 있다면 학생과 강사 모두에게 도움이 될 수 있다는 점은 부인할 수 없습니다. 조종사 훈련에서 이미 광범위하게 사용되고 있는 다른 AI 기능도 있습니다.
예를 들어, 조종사는 자신이 조종할 항공기와 관련된 AI 기능의 사용에 정통해야 합니다. 이를 촉진하기 위한 훈련은 매우 중요하며, 한 가지 예가 2025년 8월 Lincoln Laboratory의 Beaver Works와 MIT의 컴퓨터 과학 및 인공 지능 연구소에서 열렸습니다. 참가자들은 자율주행 차량 테스트를 위해 MIT가 개발한 플랫폼인 RACECAR를 사용하여 기술을 연마하고 CSAIL Robot Apartment Living Lab에서 AI 입력을 사용한 실시간 의사 결정의 고유한 특성을 경험했습니다.
