단순한 카메라가 아닌 AI 기반 보안 아키텍처를 갖춘 "하이퍼비전": 모로코의 새로운 감시 네트워크는 무엇으로 구축되었을까?

열차 운행 취소 및 지연 문제 해결: 이것이 바로 인공지능이 모로코 철도망을 구할 수 있는 방법이다

960억 디르함(88억 유로) 규모의 프로그램: 모로코는 철도 운영을 위한 새로운 시스템을 구축하고 있습니다

모로코 국영 철도회사 ONCF는 역사적인 전환점에 서 있습니다. 2030년 FIFA 월드컵 개최와 급증하는 승객 수를 고려하여, 모로코 정부는 향후 몇 년 동안 철도망 확장에 960억 디르함을 투자할 계획입니다. 그러나 이 막대한 예산 중 작아 보이는 한 항목이 철도의 디지털 미래를 위한 진정한 핵심으로 부상하고 있습니다. 약 100만 디르함이 투입되는 이 타당성 조사는 전국적인 인공지능 기반 안전 시스템 구축의 토대를 마련할 예정입니다.

모로코는 6,000대의 카메라 설치 계획을 통해 이른바 "하이퍼비전" 시대로 도약하려 하고 있습니다. 이 중 거의 3분의 1은 인공지능을 활용한 자동화 시스템으로 운영될 예정입니다. 이는 단순한 영상 감시를 훨씬 뛰어넘는 개념입니다. 지연을 신속하게 방지하고, 사이버 공격으로부터 핵심 기반 시설을 보호하며, 안면 인식 기술을 의도적으로 배제하여 데이터 개인정보를 안전하게 보호하고, 궁극적으로 모로코가 기술적 주권을 유지할지 아니면 외국 공급업체에 의존하게 될지를 결정하는 중요한 요소입니다. 본 기사에서는 이러한 설계 결정이 모로코 미래 철도의 경제적, 운영적, 산업 정책적 성공을 좌우할 것이라는 점을 분석합니다.

모로코의 철도망이 지능형 보안 플랫폼으로 거듭나고 있습니다: 카메라 프로젝트부터 시스템 결정까지

언뜻 보면 모로코 국영 철도 ONCF가 계획 중인 AI 기반 감시 시스템 구축 사업은 비교적 작은 규모의 디지털 프로젝트처럼 보입니다. 입찰에 부쳐진 계약 규모는 108만 디르함이며, 2030년까지 전국적인 전략을 개발하는 것을 목표로 합니다. ONCF의 총 투자 계획인 960억 디르함에 비하면 이 금액은 미미해 보입니다. 그러나 경제적인 관점에서 이 프로젝트가 중요하지 않다고 단정짓는 것은 잘못입니다. 입찰 금액은 완전한 기술 구현이 아니라, 아키텍처, 표준, 우선순위, 통합 로직, 투자 요구 사항 및 구현 로드맵과 같은 초기 개념 설계 작업에 필요한 자금을 지원하는 것입니다. 특히 이 단계는 최종적으로 어떤 업체가 계약을 수주할지, 시스템의 개방성 또는 폐쇄성, 그리고 장기적인 비용이 어떻게 될지를 결정하는 중요한 단계입니다.

따라서 이 프로젝트의 핵심은 단순히 추가 카메라를 구매하는 것이 아닙니다. ONCF는 개별 감시 시스템들을 중앙에서 제어하는 ​​데이터 기반 보안 시스템으로 전환하는 것을 목표로 하고 있습니다. 2030년까지 철도망 전역에 약 6,000대의 카메라를 설치할 예정입니다. 이 중 약 30%, 즉 약 1,800대는 인공지능을 활용하여 자동으로 이미지를 분석합니다. 나머지 카메라는 기존 센서를 사용하지만, 동일한 통합 플랫폼에 통합될 것입니다. 이러한 방식은 경제적인 측면에서 합리적입니다. 모든 지역에 고가의 컴퓨팅 성능이나 정교한 분석 기능이 필요한 것은 아니기 때문입니다. 핵심은 특히 중요한 지역을 지능적으로 모니터링하는 동시에 모든 관련 신호를 종합적인 개요로 통합하는 것입니다.

따라서 이번 입찰은 상당한 영향력을 행사할 수 있는 설계 계약입니다. 잘 설계된 시스템은 보안을 강화하고, 운영 중단 시간을 줄이며, 인력 배치를 더욱 효율적으로 만들고, 향후 확장을 용이하게 할 수 있습니다. 반대로, 부실한 설계는 기술적 의존성, 높은 통합 비용, 경보 과부하, 그리고 불분명한 책임 소재로 이어질 수 있습니다. 따라서 연구 비용이 낮다고 해서 그 결정의 가치를 폄하해서는 안 됩니다. 향후 발생할 하드웨어, 소프트웨어, 네트워크, 스토리지, 유지보수 및 운영 비용과 비교하면 설계 노력은 미미하지만, 이러한 비용에 미치는 영향은 매우 큽니다.

경제 기반 시설로서의 안보

철도 안전은 흔히 비용 부담으로만 여겨집니다. 하지만 이러한 관점은 지나치게 협소합니다. 철도 운송의 안전은 수송 능력, 신뢰성, 그리고 고객 신뢰를 확보하는 데 필수적인 요소이기 때문입니다. 선로 무단 접근, 방치된 물체, 화재, 위험한 군중, 고속선로 장애물 등은 열차 운행 취소, 지연, 대피, 우회, 장비 손상, 추가 인력 배치, 그리고 기업 이미지 손상 등 막대한 간접 비용을 초래할 수 있습니다. 철도망이 확장됨에 따라 교통량과 수익 창출 기회뿐만 아니라 잠재적 운행 차질 발생 빈도와 주요 사고 발생 시 경제적 손실 또한 증가합니다.

지능형 비디오 분석의 경제적 이점은 주로 속도에서 비롯됩니다. 카메라가 사고를 자동으로 예방하는 것은 아니지만, 사고 발생, 감지, 평가 및 대응 사이의 시간을 단축할 수 있습니다. 이러한 시간적 제약은 철도 운송에서 특히 중요한데, 국지적인 사고가 열차 시간표, 연결편, 그리고 후속 구간의 선로에 빠르게 영향을 미칠 수 있기 때문입니다. 선로 위의 사람을 조기에 감지하거나 장애물을 적시에 식별하면 안전 문제가 심각한 운영 사고로 확대되기 전에 통제된 방식으로 개입할 수 있습니다. 따라서 이러한 이점은 단순히 피해를 예방하는 것을 넘어, 지연 감소와 제한된 인프라 용량의 보다 안정적인 활용으로 이어집니다.

게다가 신뢰 효과도 있습니다. 승객들은 철도 시스템을 속도와 가격뿐만 아니라 안전성, 신뢰성, 질서 정연함 등을 기준으로 평가합니다. 이는 주요 기차역, 이용객이 많은 통근 노선, 그리고 대규모 국제 행사 시 특히 그렇습니다. 모로코는 2030 FIFA 월드컵을 비롯한 여러 행사를 앞두고 교통망을 대폭 확장할 준비를 하고 있습니다. 따라서 현대적인 보안 관리 시스템은 새로운 서비스에 대한 수용도를 간접적으로 높일 수 있습니다. 수요 증가로 직결되지는 않더라도 대중교통 이용의 주요 장애물을 제거해 주는 효과가 있습니다.

동시에, 그 이점을 현실적으로 평가해야 합니다. 비디오 분석이 보안을 보장하는 것은 아닙니다. 비디오 분석은 사후 관찰에서 사전 예방적인 패턴 인식으로 초점을 전환시켜 줄 뿐입니다. 이것이 경제적 부가가치를 창출하는지는 경보가 신뢰할 수 있게 우선순위가 지정되고, 자격을 갖춘 담당자가 검토하고, 효과적인 운영 프로세스로 전환되는지에 달려 있습니다. 명확한 운영 워크플로가 없는 알고리즘은 데이터를 생성할 뿐, 반드시 보안을 보장하는 것은 아닙니다.

성장은 행동을 촉구하는 압력을 증가시킵니다

이 프로젝트는 모로코 철도 운송의 급성장 시기와 맞물려 진행됩니다. 모로코 철도공사(ONCF)는 2019년 3,850만 명에서 2024년 약 5,510만 명의 승객을 수송했습니다. 이는 팬데믹과 그 여파로 인해 5년 만에 약 43% 증가한 수치입니다. 승객 수는 2025년에 약 5,560만 명에 이를 것으로 예상됩니다. 성장세는 최고 수준에서 둔화되었지만, 장기적인 추세는 분명합니다. 철도는 교통수단으로서 점점 더 중요해지고 있으며, 계획된 확장 사업은 새로운 규모의 경제를 실현하기 위한 것입니다.

수익 증가 추세는 경제적 중요성이 점점 커지고 있음을 보여줍니다. ONCF의 2024년 수익은 48억 2천만 디르함으로 전년 대비 약 11% 증가했습니다. 여객 운송 부문은 27억 6천3백만 디르함의 수익을 창출했으며, 이는 2023년보다 8% 증가한 수치입니다. 2025년에는 총 수익이 처음으로 50억 디르함을 돌파했습니다. 이러한 수치는 철도가 단순한 국가 기반 시설 사업이 아니라, 운영 수요가 증가하는 성장하는 이동 및 물류 서비스 제공업체임을 보여줍니다.

이러한 발전은 특히 고속철도 서비스에서 두드러지게 나타납니다. 2024년 알보라크 노선은 약 550만 명의 승객을 수송하고 약 7억 8천만 디르함의 수익을 창출했습니다. 2025년에는 승객 수가 약 560만 명으로 증가하고 수익은 약 8억 4천8백만 디르함에 이를 것으로 예상됩니다. 즉, 2024년 알보라크 노선은 전체 승객의 약 10분의 1에 불과했지만, 여객 수익은 전체의 4분의 1 이상을 차지했습니다. 이는 승객 1인당 평균 수익 증가와 고품질 장거리 철도 서비스의 전략적 중요성을 시사합니다.

이는 보안 아키텍처에 명확한 확장성 효과를 가져옵니다. 교통량이 증가함에 따라 접촉 횟수, 역 밀도, 환승의 복잡성, 그리고 중단 없는 운영의 중요성이 모두 증가합니다. 오늘날의 네트워크에 충분해 보이는 모니터링 시스템도 불과 몇 년 안에 조직적, 기술적 한계에 도달할 수 있습니다. 따라서 2030년까지의 계획은 현재의 요구 사항뿐만 아니라 최대 부하, 신규 역, 추가 차량, 지역 서비스, 그리고 확장된 고속철도 노선까지 고려해야 합니다.

960억 디르함 프로그램

AI 프로젝트는 더 큰 투자 주기의 맥락 속에서만 이해될 수 있습니다. ONCF는 2030년까지 총 960억 디르함을 투자할 계획입니다. 이 중 530억 디르함은 케니트라에서 라바트와 카사블랑카를 거쳐 마라케시까지 이어지는 약 430km 길이의 고속철도 노선의 인프라 및 장비 구축에 배정되었습니다. 또한 290억 디르함은 신형 열차 168대 도입에 할당되었습니다. 나머지 140억 디르함은 기존 철도망의 현대화, 안정화 및 추가 개발, 그리고 지역 고속철도 서비스 준비에 사용될 예정입니다.

이 프로젝트의 규모는 보안 전략을 조기에 수립해야 하는 이유를 명확히 보여줍니다. 미래의 비디오 및 하이퍼비전 플랫폼은 기존 인프라에 단순히 덧붙이는 방식이 아니라, 역 설계, 통신망, 운영 센터, 차량, 전력 공급, 유지보수 프로세스, 그리고 사이버 보안에 통합되어야 합니다. 인터페이스 정의가 늦어질수록 기존 시스템을 수정하는 데 드는 비용은 더욱 증가합니다. 따라서 전체 수명주기 관점에서 볼 때, 물리적 인프라 개발과 병행하여 디지털 보안 아키텍처를 설계하는 것이 합리적입니다.

전반적인 프로그램은 ONCF의 역할 또한 변화시킵니다. 비교적 집중된 네트워크를 가진 국영 철도 운영사였던 ONCF는 고속, 장거리, 지역 및 대도시 교통을 아우르는 통합 모빌리티 제공업체로 점차 변모해 갈 것입니다. 카사블랑카, 라바트, 마라케시에서는 RER과 유사한 더욱 빈번한 운행이 계획되어 있습니다. 이는 운행 빈도와 승객 회전율을 높이는 동시에 운영상의 의사 결정에 소요되는 시간을 줄일 것입니다. 따라서 보안 시스템은 개별 물체뿐만 아니라 여러 위치에 걸친 이동 패턴을 모니터링하고 실시간으로 정보를 수집해야 할 것입니다.

이번 확장은 산업 정책적 측면을 내포하고 있습니다. 대규모 철도 사업은 건설 서비스, 신호 기술, 차량, 통신, 소프트웨어, 유지보수 및 교육에 대한 수요를 창출합니다. 모니터링 전략은 이러한 부가가치가 모로코에서 얼마나 창출될지에 영향을 미칠 수 있습니다. 개방형 인터페이스, 현지 통합 전문 지식 및 이전 가능한 표준이 요구되는 경우, 모로코 기업들은 장기적인 운영, 적응 및 추가 개발에 참여할 수 있습니다. 반대로, 완전히 독점적인 올인원 솔루션을 도입할 경우, 디지털 가치 창출의 상당 부분이 외국 공급업체에 영구적으로 종속될 위험이 있습니다.

Hypervision은 새로운 운영 체제입니다

하이퍼비전(Hypervision)이라는 용어는 다양한 모니터링 및 경보 시스템을 단일의 포괄적인 플랫폼으로 통합하는 것을 의미합니다. 실질적으로 이는 카메라 이미지, AI 경고, 접근 제어 데이터, 화재 경보, 기술 경고 및 기타 운영 데이터가 더 이상 개별 애플리케이션에서 처리되지 않고 통합된 개요를 제공하여 이벤트를 평가, 우선순위 지정 및 관련 담당자에게 전달할 수 있음을 의미합니다.

경제적 이점은 조직 간 마찰 감소에 있습니다. 분산된 시스템에서는 담당자들이 여러 인터페이스에서 정보를 취합해야 합니다. 이로 인해 책임 소재가 불분명해지거나, 경고가 중복 처리되거나, 적시에 전달되지 않는 경우가 발생할 수 있습니다. 중앙 플랫폼은 이러한 정보 전달 단절을 줄여줍니다. 표준화된 프로세스, 일관된 보고 체계, 그리고 추적 가능한 문서화를 가능하게 합니다. 이를 통해 지역 통제 센터와 국가 안보 센터는 모든 의사 결정을 완전히 중앙집중화하지 않고도 효과적으로 협력할 수 있습니다.

하지만 중앙 집중화는 새로운 위험을 수반합니다. 여러 시스템을 연결하는 플랫폼 자체가 중요한 노드가 되기 때문입니다. 기술적 오류, 사이버 공격 또는 잘못된 구성은 네트워크의 상당 부분에 동시에 영향을 미칠 수 있습니다. 따라서 시스템에는 이중화, 분리된 보안 영역, 비상 운영 절차 및 현지 대응 능력이 필요합니다. 하이퍼비전은 완전한 중앙 집중식 의존을 의미하는 것이 아닙니다. 견고한 아키텍처는 중앙 집중식 관리와 분산형 복원력을 결합해야 합니다.

방대한 정보량 또한 큰 과제입니다. 6,000대의 카메라가 지속적으로 대용량 데이터 스트림을 생성하는데, 모든 녹화 영상을 고해상도로 중앙 시스템에 영구 저장하고 분석한다면 대역폭, 저장 공간, 컴퓨팅 성능에 대한 요구가 상당히 증가할 것입니다. 따라서 계층형 아키텍처가 일반적으로 더 경제적입니다. 특정 분석은 카메라 또는 로컬 컴퓨터에서 직접 수행할 수 있으며, 관련 이벤트, 메타데이터 또는 선택된 비디오 시퀀스만 중앙 시스템으로 전송됩니다. 이러한 소위 엣지 프로세싱은 전송 비용을 절감하고 응답 시간을 단축할 수 있습니다. 하지만 현장에서 더 많은 지능형 장치를 운영해야 하므로 유지 관리 및 보안 관리가 복잡해집니다.

인공지능이 이점을 창출하는 곳

계획된 응용 프로그램은 특정 운영 상황에 초점을 맞추고 있습니다. 여기에는 무단 접근 감지, 군중 모니터링, 버려진 물건 식별, 열차 관찰 등이 포함됩니다. 고속철도에서는 동물, 장애물 또는 선로 위의 물체도 감지할 수 있습니다. 기차역에서는 밀도, 이동 방향 및 혼잡도를 분석할 수 있습니다. 따라서 이 프로젝트는 컴퓨터 비전 모델이 지역 조건에 맞게 조정될 경우 측정 가능한 이점을 창출할 수 있는 분야에서 진행됩니다.

철도 노선은 넓은 지역을 아우르기 때문에 완벽한 보안이 어려워 침입 탐지가 특히 중요합니다. 시스템은 지정된 구역을 모니터링하여 특정 시간이나 조건에서 비정상적인 움직임을 감지하고 보고할 수 있습니다. 단순 동작 감지와 비교했을 때 최신 시스템의 장점은 사람, 차량, 동물, 그리고 주변 환경 요소를 구분할 수 있다는 점입니다. 이를 통해 그림자, 비, 초목, 또는 빛의 변화로 인한 오경보를 줄일 수 있습니다.

군중 분석은 다른 목표를 추구합니다. 개별 사람보다는 밀도와 흐름에 더 중점을 둡니다. 승강장에 비정상적으로 많은 사람이 모이거나 반대 방향으로 흐름이 발생할 경우, 관제 센터는 조기에 대응하여 접근을 관리하고, 직원을 배치하거나, ​​승객 정보를 조정할 수 있습니다. 이러한 분석은 안전과 운영 측면 모두에서 이점을 제공합니다. 승객 분산을 개선하면 승강장 대기 시간을 안정화하고 승강장 가장자리에서 발생할 수 있는 위험한 상황을 예방할 수 있습니다.

무인 물체 감지는 간단해 보이지만 기술적으로는 매우 어렵습니다. 기차역은 수하물, 청소 장비, 노점상, 그리고 끊임없이 변하는 시야 등 역동적인 환경입니다. 효율적인 시스템은 물체가 실제로 무인 상태인지, 얼마나 오랫동안 그 자리에 있었는지, 그리고 중요한 구역을 가리고 있는지 여부를 구분해야 합니다. 세심한 보정이 없으면 수많은 오탐지가 발생할 가능성이 높습니다. 따라서 경제적 성공은 가능한 한 많은 기능을 추가하는 데 달려 있는 것이 아니라, 명확하게 정의된 임계값을 가진 몇 가지 안정적으로 작동하는 애플리케이션에 달려 있습니다.

관리형 AI 플랫폼 - 이미지: Xpert.Digital

여기서는 기업이 맞춤형 AI 솔루션을 신속하고 안전하게, 그리고 진입 장벽 없이 구현하는 방법을 배우게 됩니다.

관리형 AI 플랫폼은 인공지능을 위한 모든 것을 포함하는, 걱정 없는 솔루션입니다. 복잡한 기술, 값비싼 인프라, 그리고 장기간의 개발 과정을 직접 처리할 필요 없이, 전문 파트너로부터 필요에 맞춘 완벽한 솔루션을 단 며칠 만에 제공받을 수 있습니다.

주요 장점을 한눈에 살펴보세요:

⚡ 신속한 구현: 아이디어 구상부터 바로 사용 가능한 애플리케이션 개발까지 몇 달이 아닌 며칠 만에 완료됩니다. 즉각적인 부가가치를 창출하는 실용적인 솔루션을 제공합니다.

🔒 최고의 데이터 보안: 귀하의 민감한 데이터는 안전하게 보호됩니다. 당사는 제3자와 데이터를 공유하지 않고 안전하고 법규를 준수하는 데이터 처리를 보장합니다.

💸 재정적 위험 없음: 결과에 대해서만 비용을 지불합니다. 하드웨어, 소프트웨어 또는 인력에 대한 높은 초기 투자 비용이 완전히 사라졌습니다.

🎯 핵심 사업에 집중하세요: 귀사가 가장 잘하는 일에 집중하십시오. AI 솔루션의 기술 구현, 운영 및 유지 관리는 저희가 모두 담당합니다.

📈 미래 지향적이고 확장 가능: 귀사의 AI는 귀사와 함께 성장합니다. 지속적인 최적화 및 확장성을 보장하고, 새로운 요구 사항에 맞춰 모델을 유연하게 조정합니다.

자세한 내용은 여기에서 확인하세요:

• 관리형 AI 플랫폼

허위 경보의 과소평가된 가격

AI 모니터링 시스템의 핵심 비즈니스 지표는 실험실에서의 이론적인 탐지율이 아닙니다. 중요한 것은 실제 운영 환경에서 관련성 있는 탐지, 놓친 이벤트, 그리고 오경보의 비율입니다. 시스템이 이론상으로는 매우 민감할 수 있지만, 무해한 상황을 계속해서 보고한다면 실질적인 이점이 거의 없습니다. 모든 경고는 주의를 요합니다. 오경보가 너무 많으면 직원들은 경보 피로감을 느끼게 되고, 대응 속도가 느려지거나, 경고를 무시하거나, 편법을 사용하게 됩니다.

오경보로 인한 비용은 여러 가지입니다. 여기에는 관제센터의 업무 시간 손실, 불필요한 보안 병력 배치, 잠재적인 운영 중단, 그리고 기술에 대한 신뢰도 하락 등이 포함됩니다. 반대로, 시스템 임계값이 너무 낮게 설정되면 실제 위험을 놓칠 수 있습니다. 따라서 최적화는 일회성 기술적 절차가 아니라 지속적인 운영 프로세스입니다. 임계값은 위치, 시간대, 기상 조건 및 이벤트 유형에 따라 조정해야 합니다. 공휴일의 혼잡한 플랫폼은 야간의 차량기지와는 다른 문제점을 안고 있습니다.

입찰 과정에서 이는 성능 관련 주장이 실제 시나리오를 통해 검증되어야 함을 의미합니다. 공급업체는 자사 모델이 사물을 인식할 수 있다는 점뿐만 아니라 모로코의 조명, 기후, 교통 상황에서 얼마나 안정적으로 작동하는지도 입증해야 합니다. 먼지, 열, 역광, 다양한 카메라 각도, 높은 보행자 밀도 등은 모두 성능에 영향을 미칩니다. 따라서 여러 대표적인 장소에서 시범 프로젝트를 수행하는 것이 제조업체 사양에만 의존하여 선정하는 것보다 경제적으로 더 효율적입니다.

기술적 지표와 운영적 지표를 결합한 핵심성과지표(KPI) 시스템이 유용할 것입니다. 여기에는 관련 경보 수, 평균 테스트 시간, 오경보율, 감지된 사고 수, 가동 중지 시간 단축, 그리고 전반적인 시스템 가용성이 포함됩니다. 이러한 지표들을 종합적으로 고려해야만 투자 효과를 제대로 평가할 수 있습니다. 대응 시간 개선 없이 높은 감지율만 달성한다면 기술적으로는 성공일지 몰라도 경제적인 성공이라고는 할 수 없습니다.

데이터 보호는 신뢰의 문제입니다

현재 입찰 서류에는 얼굴 인식 기능이 포함되어 있지 않습니다. 이러한 제한은 전략적으로 매우 중요합니다. 얼굴 인식 기능을 도입하면 법적, 윤리적, 기술적 측면에서 프로젝트가 상당히 복잡해질 것입니다. 계획된 주요 응용 분야에서는 개인의 신원 확인이 필수적이지 않습니다. 시스템은 누군가가 제한 구역에 있거나 군중이 임계 밀도에 도달했음을 인식하기만 하면 됩니다. 그 사람이 누구인지 알 필요는 없습니다.

생체인식 인증을 포기하는 것은 수용도를 높이고 데이터 최소화 원칙을 뒷받침할 수 있습니다. 그러나 기존의 영상 감시 방식과 AI 기반 영상 감시 방식 모두 사생활 침해 소지가 있습니다. 모로코는 법률 09-08에 개인정보 보호에 관한 법적 체계를 마련했으며, 국가 데이터 보호 위원회(CNDP)가 그 시행을 감독합니다. 모로코 개인정보보호청(ONCF)은 이를 위해 명확한 목적 설정, 규정된 보존 기간, 통제된 접근, 투명한 책임 소재를 요구합니다.

경제적인 관점에서 데이터 보호는 단순히 추가 비용일 뿐만 아니라, 모호한 규정은 프로젝트 지연, 저항 발생, 그리고 추후 수정을 초래할 수 있습니다. 데이터 보호 및 정보 보안을 아키텍처에 처음부터 통합하면 장기적인 규정 준수 및 평판 위험을 줄일 수 있습니다. 여기에는 실시간 분석과 아카이빙 분리, 자동 삭제 개념 구현, 접근 기록 로깅, 암호화, 그리고 승인된 직원에게만 접근 권한을 부여하는 것 등이 포함됩니다.

목적 제한은 특히 중요합니다. 침입 및 위협 탐지를 위해 설계된 플랫폼이라도 기술적으로는 나중에 더 광범위한 행동 분석에 사용될 수 있습니다. 이러한 점진적인 사용 확장은 정치적, 사회적 위험을 수반합니다. 따라서 새로운 기능은 단순히 기술적 실현 가능성만을 근거로 정당화되어서는 안 됩니다. 모든 확장에는 별도의 이익-위험 평가, 법적 근거, 그리고 명확한 승인이 필요합니다. 따라서 안면 인식 기능을 명시적으로 배제하는 것이 합리적인 출발점이지만, 기술적 및 조직적 안전장치가 확보될 때에만 신뢰성을 확보할 수 있습니다.

사이버 보안은 핵심 과제로 자리 잡고 있습니다

네트워크에 연결된 카메라가 많아질수록 디지털 공격 표면도 커집니다. 카메라, 로컬 컴퓨터, 네트워크 구성 요소, 저장 장치, 인터페이스 및 중앙 플랫폼 모두 취약점을 내포할 수 있습니다. 공격자는 녹화물을 가로채거나, 장치를 비활성화하거나, 경보를 은폐하거나, 허위 보고서를 생성할 수 있습니다. 특히, 감지되지 않는 조작은 매우 위험합니다. 시스템 전체 장애는 일반적으로 신속하게 감지되지만, 데이터나 모델에 대한 변경 사항이 감지되지 않으면 영구적으로 잘못된 결정으로 이어질 수 있습니다.

따라서 보안 아키텍처는 기밀성, 가용성 및 무결성을 동등하게 보호해야 합니다. 단순히 비디오 데이터를 무단 접근으로부터 보호하는 것만으로는 충분하지 않습니다. ONCF는 또한 카메라의 진위 여부, 소프트웨어 버전의 유효성, 모델 변경 여부, 그리고 경보 발생의 신원 확인 여부도 보장해야 합니다. 이를 위해서는 네트워크 분할이 매우 중요합니다. 손상된 엔드포인트가 핵심 제어 시스템에 직접 접근할 수 없도록 해야 합니다.

또 다른 위험은 공급망에 있습니다. 이처럼 대규모 시스템은 여러 제조업체의 부품을 포함할 가능성이 높습니다. 업데이트, 원격 유지 관리 및 클라우드 서비스는 원래 계약 기간을 넘어 지속되는 의존성을 초래할 수 있습니다. 따라서 입찰 시에는 전체 수명 주기 동안의 보안 업데이트, 투명한 취약점 관리 프로세스, 로컬 재해 복구 기능 및 명확하게 정의된 접근 권한을 요구해야 합니다. 전체 플랫폼을 교체하지 않고 개별 구성 요소를 교체할 수 있는 기능 또한 보안 및 비용 효율성 측면에서 중요한 요소입니다.

사이버 복원력은 추가 비용을 수반하지만 선택 사항이 아닌 필수 품질 수준입니다. 보안 관련 의사 결정이 자동화되고 중앙 집중화될수록 디지털 조작으로 인한 잠재적 피해가 커집니다. 따라서 이 프로젝트는 단순히 카메라를 구매하고 나중에 IT 보안을 추가하는 것으로 간주해서는 안 됩니다. 이는 디지털 결정이 실제 교통 흐름에 영향을 미칠 수 있는 사이버 물리 시스템입니다.

벤더 종속성에 맞서는 개방형 아키텍처

조달 과정에서 가장 전략적으로 중요한 질문은 ONCF가 개방형 모듈식 플랫폼을 선택할지, 아니면 폐쇄형 올인원 시스템을 선택할지 여부입니다. 독점 솔루션은 하드웨어, 소프트웨어, 지원이 단일 공급업체에서 제공되므로 초기 구현 속도가 빠를 수 있습니다. 그러나 장기적으로는 높은 전환 비용이 발생할 수 있습니다. 카메라, 분석 모델, 저장 장치, 사용자 인터페이스가 특정 공급업체에 종속되어 있는 경우, 향후 교체 시 비용과 위험이 크게 증가할 수 있습니다.

2030년까지의 장기적인 전망과 훨씬 더 긴 운영 수명을 고려할 때, 기술적 유연성은 특히 중요합니다. AI 모델은 빠르게 발전하는 반면, 철도 및 카메라 인프라는 10년 이상 사용되는 경우가 많습니다. 따라서 아키텍처는 전체 시스템을 재구축하지 않고도 분석 구성 요소를 업데이트하거나 교체할 수 있어야 합니다. 이를 위해서는 표준화된 인터페이스, 문서화된 데이터 형식, 그리고 구성 및 운영 데이터에 대한 명확한 소유권이 필수적입니다.

하지만 개방성이란 중앙 책임 없이 가능한 한 많은 공급업체를 통합하는 것을 의미하는 것은 아닙니다. 지나친 분산은 통합 위험을 증가시키고 문제 해결을 더욱 어렵게 만듭니다. 구속력 있는 표준을 갖추면서도 경쟁력 있는 모듈을 제공하는 명확하게 정의된 플랫폼 아키텍처가 경제적으로 합리적입니다. ONCF는 데이터 모델, 인터페이스 및 보안 규칙에 대한 통제권을 유지하고, 전문 공급업체는 개별 기능을 제공할 수 있어야 합니다.

비용편익 분석에는 출구 비용 또한 포함되어야 합니다. 최저 구매 가격이 제품 수명 주기 동안 라이선스, 저장 공간, 유지 관리 또는 업그레이드가 독점적인 조건으로만 제공되는 경우 오히려 비용이 많이 들 수 있습니다. 따라서 총 운영 비용은 최소 10년을 기준으로 평가해야 합니다. 여기에는 하드웨어 및 소프트웨어뿐만 아니라 에너지, 데이터 전송, 교육, 제품 업데이트, 사이버 보안, 예비 부품, 지원 및 마이그레이션 비용이 모두 포함됩니다. 타당한 사업 구상은 이러한 숨겨진 비용을 명확하게 드러내야 합니다.

모로코 디지털 경제의 기회

본 프로젝트는 인공지능을 성장과 주권 강화의 동력으로 삼는 모로코의 국가 전략 "마록 IA 2030"과 맥락을 같이합니다. 모로코는 2030년까지 인공지능을 통해 1,000억 디르함의 추가 경제적 효과를 창출하고, 5만 개의 직간접 일자리를 창출하며, 20만 명에게 인공지능 관련 기술 교육 또는 자격증을 제공하는 것을 목표로 하고 있습니다. 이러한 목표는 야심차며 쉽게 달성할 수 있는 것은 아닙니다. 그러나 ONCF 시스템과 같은 인프라 프로젝트는 지역 가치 창출을 체계적으로 고려한다면 구체적인 수요 촉진 요인으로 작용할 수 있습니다.

가장 큰 현지 경쟁력은 표준 카메라 생산에 있는 것이 아닙니다. 시스템 통합, 데이터 엔지니어링, 모델 적응, 사이버 보안, 유지 보수 및 운영 프로세스 설계에 있습니다. 모로코의 대학, 기술 기업 및 스타트업은 현지 상황에 맞는 데이터 세트, 테스트 절차 및 응용 프로그램을 개발할 수 있습니다. 이를 통해 생성된 지식은 향후 항만, 공항, 산업 시설, 물류 센터 및 도시 교통 시스템으로 이전될 수 있습니다.

필수 조건은 기술 이전을 구속력 없는 의향서로 전락시키지 않는 조달 프로세스입니다. 계약에는 교육, 현지 지원 역량, 공동 개발, 문서화 의무, 단계별 전문 지식 이전 등이 포함될 수 있습니다. 마찬가지로 중요한 것은 익명화되거나 통제된 교육 및 테스트 데이터에 대한 접근 권한입니다. 데이터에 접근할 수 없으면 현지 기업은 기본적인 설치 및 유지 보수 서비스에만 국한되고, 더욱 가치 있는 소프트웨어 및 분석 기능은 해외에 남게 됩니다.

모로코는 이 프로젝트를 아프리카 시장의 벤치마크로 활용할 수도 있습니다. 많은 국가들이 도시 성장, 교통량 증가, 제한된 치안 자원, 그리고 이질적인 기존 인프라와 같은 유사한 문제에 직면해 있습니다. 모듈식이며 기후 변화에 강하고 비용 효율적인 솔루션은 수출 가능한 전문 지식을 창출할 수 있습니다. 그러나 ONCF 프로젝트는 실질적인 성과를 입증해야 합니다. 투명한 성과 지표가 없는 명망 있는 시스템은 규모는 작지만 측정 가능한 효과를 보여주는 접근 방식보다 벤치마크로서의 가치가 떨어질 것입니다.

인력 감축 대신 생산성 향상

AI 기반 감시 시스템은 보안 인력 절감과 연관되는 경우가 많지만, 이러한 기대는 부분적으로만 현실적입니다. 6,000대의 카메라와 수많은 자동 경보 시스템을 갖춘 시스템이라 하더라도, 여전히 사람이 직접 상황을 평가하고, 필요한 조치를 취하고, 기술을 유지 관리하고, 모델을 모니터링해야 합니다. 경제적 이점은 단순히 인력을 줄이는 것보다는 생산성 향상에 더 크게 좌우됩니다.

기존의 영상 감시 시스템은 사람이 제한된 수의 영상만 주의 깊게 모니터링할 수 있기 때문에 확장성이 떨어집니다. 반면 인공지능(AI)은 대량의 영상을 미리 분류하고 눈에 띄는 상황을 표시할 수 있습니다. 이를 통해 지속적인 관찰에서 전문적인 평가로 초점을 전환할 수 있습니다. 결과적으로 기존 팀의 효율성을 높이고 네트워크 확장 및 승객 수 증가에 따른 추가 인력 수요를 줄일 수 있습니다.

동시에 새로운 직무들이 등장하고 있습니다. 관제센터 분석가, 데이터 및 AI 전문가, 사이버 보안 전문가, 시스템 통합 전문가, 기술 유지보수 팀에 대한 수요가 증가하고 있습니다. 기존 직원들은 시스템의 한계를 이해하기 위한 교육이 필요합니다. AI 경고를 객관적인 사실로 받아들이는 것은 모든 경고를 무시하는 것만큼이나 위험한 결정으로 이어질 수 있습니다. 따라서 인간의 감독은 단순한 형식적 확인 이상의 의미를 지닙니다. 역량, 시간, 그리고 명확한 의사결정 권한이 필요합니다.

업무 조직과 기술은 함께 설계되어야 합니다. 프로세스, 교대 근무 모델, 책임 분담을 조정하지 않고 새로운 애플리케이션을 도입하면 업무량이 증가합니다. 특히 구현 단계에서 기존 시스템과 새로운 시스템을 동시에 운영하면 추가적인 업무 부담이 발생할 수 있습니다. 따라서 비용 편익 분석 시 전환 비용과 학습 곡선을 고려해야 합니다. 생산성 향상은 운영 첫날에 나타나는 경우가 드물며, 조정, 교육, 조직적 관행 정착 과정을 통해 이루어집니다.

자금 조달 및 재무제표의 현실

투자 추진은 이미 인프라에 크게 의존하는 재정 구조에 부딪히고 있습니다. 2024년 말 기준 ONCF는 약 365억 디르함의 부채를 보유하고 있으며, 이 중 약 71%가 인프라 관련 부채입니다. 동시에, ONCF는 2024년에 19억 4,900만 디르함의 EBITDA를 창출했고, 약 5억 100만 디르함의 자체 자금 조달 능력을 갖추고 있었습니다. 순손실은 약 13억 7,300만 디르함이었는데, 이는 주로 감가상각비와 인프라 금융 비용 때문입니다. ONCF에 따르면, 인프라 자본 비용을 제외하면 순손실은 흑자를 기록했을 것입니다.

이 수치들은 국영 철도 시스템의 전형적인 문제점을 보여줍니다. 운영 자체는 경제적으로 효율적일 수 있지만, 자본 집약적인 인프라는 막대한 회계 및 재정적 부담을 야기합니다. 따라서 960억 디르함 규모의 사업은 단순히 경상수지 흑자만으로는 충당할 수 없습니다. 정부의 자본 투입, 국제 금융기관의 차관, 그리고 장기적인 재정 조달 구조가 여전히 중요합니다.

따라서 모니터링 시스템에 대한 철저한 수명주기 계획이 필수적입니다. 초기 하드웨어 구매는 비용의 일부에 불과합니다. 라이선스, 저장 공간, 연결, 에너지, 유지 관리 및 업데이트에 대한 지속적인 비용은 시간이 지남에 따라 상당한 수준에 이를 수 있습니다. 계획 단계에서 이러한 운영 비용을 과소평가하면 예산 제약으로 인해 기능이 제한된 디지털 인프라가 구축될 수 있습니다. 특히 보안 플랫폼은 지속적인 유지 관리가 필요하며 일회성 건설 프로젝트처럼 완료 후 크게 변경되지 않고 유지될 수 없기 때문에 이러한 문제는 더욱 심각해질 수 있습니다.

동시에, 프로젝트 평가는 단순히 직접적인 수익만을 기준으로 해서는 안 됩니다. 보안 투자는 주로 피해 예방, 운영 안정성 향상, 그리고 활용도 증대를 통해 이익을 창출합니다. 따라서 견고한 비용 편익 분석은 다양한 시나리오를 활용해야 합니다. 관련 사고 발생 건수는 얼마나 되는지, 사고 탐지 속도는 얼마나 빨라지는지, 지연이나 피해로 인한 비용은 얼마나 절감할 수 있는지, 그리고 보험, 인건비, 유지보수 비용은 어떻게 변화하는지 등을 고려해야 합니다. 이러한 가정이 없다면 경제성 평가는 지나치게 추상적일 수밖에 없습니다.

연구부터 견고한 구현까지

4개월간의 계획 단계는 명확한 우선순위 설정으로 마무리되어야 합니다. 6,000대의 카메라와 모든 AI 기능을 동시에 구현할 필요는 없습니다. 단계적 접근 방식은 기술적, 재정적 위험을 줄여줍니다. 초기에는 보안 요구가 높고 데이터 가용성이 좋으며 효과를 측정할 수 있는 위치를 선정해야 합니다. 이러한 위치에는 혼잡한 기차역, 특정 고속철도 구간, 차량기지 및 주요 접근 지점 등이 포함될 수 있습니다.

시범 운영 단계에서는 실제 환경 조건에서 모델을 테스트해야 합니다. 계절, 시간대, 기상 조건, 승객 밀도 등 다양한 요소를 고려해야 합니다. 이후 ONCF는 합의된 최소 성능 기준을 충족하는 애플리케이션만 확대 적용해야 합니다. 오경보가 너무 많은 기능은 추가 개발을 진행하거나 폐기할 수 있습니다. 이러한 과정을 통해 실제 성능이 기대에 미치지 못하는 광범위한 기능 세트를 구매하는 일반적인 실수를 방지할 수 있습니다.

입찰 제안서에는 견고한 데이터 및 거버넌스 구조를 구축하는 내용도 포함되어야 합니다. 여기에는 데이터 품질, 신규 모델 출시, 보안 업데이트, 데이터 보호, 사고 분석 및 성능 모니터링에 대한 책임이 명시되어야 합니다. 모든 AI 기능에는 운영 부서 내에서 비즈니스 담당자가 있어야 합니다. 의사 결정의 결과가 안전 및 교통 관리에 영향을 미치기 때문에 순수 IT 책임만으로는 충분하지 않습니다.

마지막으로, 시스템에 대한 독립적인 인수 시험이 필요합니다. 제조업체는 자체 성능을 정의하고 평가해서는 안 됩니다. 시험 데이터 세트, 시나리오 및 주요 성능 지표는 ONCF(호주 국립 안전 보건 위원회)의 관리를 받거나 독립 기관의 검증을 받아야 합니다. 평균값만을 고려해서는 안 됩니다. 시스템은 전반적으로 우수한 성능을 보일 수 있지만, 강한 역광이나 높은 군중 밀도와 같은 특정 상황에서는 제대로 작동하지 않을 수 있습니다. 따라서 인수 및 지속적인 모니터링은 위험 기반으로 이루어져야 합니다.

모로코 철도망: 지능형 시스템 아키텍처가 순수 카메라 기술보다 더 중요한 이유

계획된 인공지능 및 하이퍼비전 전략은 단순한 카메라 프로젝트도 아니고 모로코 철도가 미래에 완전히 자동화될 것이라는 증거도 아닙니다. 이는 성장하는 철도망 위에 새로운 디지털 계층을 구축하기 위한 준비 작업입니다. 이 전략의 잠재력은 더욱 빠른 대응 시간, 더욱 체계적인 안전 프로세스, 향상된 운영 안정성, 그리고 이전 가능한 기술 전문 지식 개발에 있습니다.

경제적 성공은 카메라 대수보다는 시스템 아키텍처의 질에 더 크게 좌우됩니다. 6,000대의 카메라와 1,800대의 AI 지원 카메라는 달성 가능한 목표이지만, 성공의 척도는 아닙니다. 핵심 요소는 운영 중단 방지, 빠른 응답 시간, 관리 가능한 오경보율, 높은 시스템 가용성, 그리고 낮은 수명주기 비용입니다. 데이터 보호, 사이버 보안, 그리고 향후 공급업체나 모델을 변경할 수 있는 유연성 또한 매우 중요합니다.

산업 정책적 관점에서 볼 때, 이 프로젝트는 모로코가 컴퓨터 비전, 시스템 통합 및 핵심 인프라 분야에서 전문성을 구축할 수 있는 기회를 제공합니다. 그러나 이러한 기회는 개방형 표준, 현지 기술 이전 및 측정 가능한 참여가 의무화될 때에만 실현될 수 있습니다. 그렇지 않으면 모로코는 앞으로도 오랫동안 수입 플랫폼의 구매자로 남게 되며 기술 의존으로 인한 비용을 부담하게 될 것입니다.

따라서 ONCF가 대규모 조달에 앞서 시스템 아키텍처를 계획하고 당분간 안면 인식 기술을 유보하는 것은 옳은 결정입니다. 그러나 다음 단계는 기술적 청사진을 넘어서야 합니다. 필요한 것은 이점, 위험, 책임 및 후속 비용을 투명하게 제시하는 경제적, 조직적 운영 모델입니다. 이러한 모델이 성공한다면, 이 소규모 입찰은 더욱 안전하고 효율적이며 디지털 주권을 확보한 철도 운송 시스템을 위한 핵심 프로젝트가 될 수 있습니다. 반대로 실패한다면, 막대한 양의 데이터를 생성하지만 신뢰할 수 있는 의사결정 도구를 거의 제공하지 못하는 값비싼 카메라 네트워크가 구축될 위험이 있습니다.

Konrad Wolfenstein

저는 기꺼이 당신의 개인 조언자 역할을 해드리겠습니다.

wolfenstein∂xpert.digital. 로 연락 주시면 됩니다

+49 7348 4088 965 로 전화 주세요 .

링크드인