AI 무전 교관

데이터를 만드는 제품

1단계 전장 음성 엔진의 다음 걸음

헤드셋을 쓰고 무전기 송수화기로 교신하는 교육생 (AI 생성 이미지) — AI 생성 이미지(Codex). 실제 장면이 아닙니다.

14:20:05 한빛 송신“상황실, 여기는 한빛. 14시 20분, CH 1234 5678, 적 보병 분대, 북쪽으로 이동 중. 이상.”

K-방산 2차 아이디어 내부 발표㈜에이포에이아이2026년 10월교신 내용은 가상 예시입니다

우리는 이미 전장 음성을 데이터로 바꾸는 엔진을 만들고 있습니다

1단계 AI 기능검증 서버의 처리 흐름¹2

입력 어댑터>세션 식별>Whisper STT>군 용어·숫자·좌표 보정>7필드 구조화>운용자 승인>통화단위 DB

19인치 2U 서버 1식, 2026.07.15~12.31. 교환기 스위치의 SPAN 출력을 받는 구조이고, 사람이 승인한 결과를 원음과 함께 저장합니다.¹

GCS Saker 관제·상황표시 화면과 이벤트 로그¹
군용 무전기 AI 소음감쇄 칩 창업중심대학 과제, 수행 중¹
지휘관 의사결정 지원 SW 초기창업패키지 과제¹
특허 등록 2건, 통상실시권 1건(무인기 추적 지상통제장비), 출원 3건¹
과제책임자 ROTC 육군 정보통신단 통신장교 출신¹
장비 GPU 워크스테이션(RTX 5090), DGX Spark, WAS 서버¹

데이터가 승부를 가른다

같은 Whisper라도, 어떤 군 데이터를 학습했느냐에 따라 오류율이 갈렸습니다

한국어 군사용어 음성인식, 학습 데이터별 문자 오류율(CER)¹3

낮을수록 정확. 각 10시간 학습, 같은 평가 데이터

전술 개념이 담긴 교범 데이터를 학습한 모델이 가장 정확했습니다.¹

항공 무선 교신(미국 12개 공항 녹음), 시판 음성인식의 단어 오류율²

80% 에서 15% 미만으로

그 분야 데이터로 맞춤화한 뒤

싱가포르 억양 관제 교신, 시판 모델의 단어 오류율³

최대 107.8% 에서 23.45%로

맞춤 학습한 뒤

우리 1단계 KPI도 같은 구조⁴

군 용어 특화 요소를 적용하기 전과 후의 개선폭을 잽니다.2

모델은 같아도, 그 분야 데이터를 학습한 쪽이 이겼습니다.

두 번째 파트는 데이터입니다. 오늘 발표에서 가장 강조하고 싶은 부분입니다.

왼쪽은 국방대학교 연구입니다. 같은 Whisper 모델에 어떤 군 데이터를 학습시켰느냐에 따라 문자 오류율이 13.68%에서 7.94%까지 달라졌습니다. 용어사전만 학습하면 거의 그대로였고, 전술 개념이 담긴 교범을 학습했을 때 가장 정확했습니다.

해외도 마찬가지입니다. 항공 무선 교신에서 시판 음성인식의 단어 오류율은 80%였는데, 그 분야 데이터로 맞춤화하자 15% 미만이 됐습니다. 싱가포르 관제 훈련 연구에서도 최대 107.8%가 23.45%로 내려갔습니다.

모델은 누구나 가져다 쓸 수 있습니다. 차이를 만드는 건 그 분야 데이터입니다.

데이터가 승부를 가른다

군 음성 데이터는 연구자도, 우리도 직접 만들어 써 왔습니다

실전 무전4

1단계도 승인 파일과 모의 시험망으로 시험하고, 실제 TICN 운용망 연동은 후속 범위로 남겼습니다. 음성·구조화 데이터는 민감정보로 반출을 통제합니다.¹

연구용 데이터3

한국어 군사용어 음성인식 연구는 현역 장교 10명이 교범·용어사전·간행물을 읽어 녹음한 음성을 각 10시간씩 학습했습니다.²

훈련장 데이터4

KCTC는 영상·음성 등 데이터가 데이터베이스와 백업매체에 흩어져 있고, AI가 학습하도록 정제하는 도구가 없다고 진단했습니다.³

사내 경험

VCM 과제에서도 외부 음원은 이용 조건과 재배포 범위를 먼저 확인하고, 어려우면 라이선스가 명확한 음원을 우선 쓰기로 했습니다.⁴

필요한 군 음성 데이터는 결국 직접 만들어야 했습니다.

데이터가 승부를 가른다

그래서 쓰일수록 정답 데이터가 생기는 제품을 만들려 합니다

그런 제품이 갖춰야 할 조건을 세 가지로 정했습니다.

정답이 미리 정해져 있을 것

사람이 일일이 듣고 받아 적지 않아도 데이터에 정답이 붙어야 합니다.

반복해서 쓰일 것

한 번 쓰고 끝나는 장비가 아니라 반복해서 쓰여야 데이터가 쌓입니다.

실전망 밖에서 돌 것

운용망에 연결하지 않아도 동작해야 빨리 시작하고 데이터를 모을 수 있습니다.

세 조건에 맞춰 고른 것이 무전 교신 훈련입니다.

AI 무전 교관

육군도 훈련 평가와 피드백을 AI로 바꾸려 하고 있습니다

분석은 아직 사람의 경험에 기댑니다¹KCTC는 훈련 분석이 사후분석관·관찰통제관의 경험과 직관에 상당 부분 의존해 시간과 인력이 많이 든다고 자체 진단했습니다.

육군이 연구할 방향¹훈련 시나리오 자동 생성, 난이도 자동 조정, 훈련 중 수준평가·피드백, 훈련 종료와 동시에 사후검토.

해외는 무전 절차 훈련에 음성인식을 씁니다²캐나다군 JTAC 훈련 연구는 교육생이 외워야 하는 화력 요청 무전 절차를 음성인식과 VR로 훈련합니다.

AI 무전 교관의 위치

육군이 연구하려는 시나리오 자동 생성과 훈련 중 평가·피드백을, 무전 교신 훈련에 먼저 적용하는 제품입니다.

현장 교관의 실제 수요는 아직 직접 확인하지 않았습니다. 확인 계획11

AI 무전 교관

AI가 상대 무전병을 맡고, 교신을 받아 적고, 바로 채점합니다

AI 상대 무전병

상황실, 사격지휘, 인접부대 역할을 음성으로

교육생

절차대로 보고·복창

교신 전체를 받아 적음

자동 채점

빠진 항목, 숫자·좌표, 절차, 응답 시간7

결과와 녹음을 모음

교관 콘솔 (GCS Saker 기반)

교육생별 점수, 반복되는 실수, 녹음 다시 듣기

화면 예시 (가상)6

AI 상황실“한빛, 여기는 상황실. 관측 내용 보고하라. 이상.”

교육생“상황실, 여기는 한빛. 14시 20분, 좌표 CH 1234 5678, 적 보병 분대, 북쪽으로 이동 중. 이상.”

시간 ✓ 좌표 ✓ 표적 ✓ 상황 ✓ 자산 누락
교관 콘솔에 “자산 항목이 빠졌습니다”로 표시

AI 무전 교관

일곱 단계 중 넷은 1단계 엔진을 그대로 씁니다

1

시나리오 선택

교범을 바탕으로 쓴 상황과 정답 항목

신규

2

AI 역할자 송신

음성 합성에 무전기 음질·잡음 효과를 입힘

신규

3

교육생 음성 수신

파일, 헤드셋, 무전기 입력

1단계 입력 어댑터

4

음성인식·보정

Whisper STT와 군 용어·숫자·좌표 보정

1단계 그대로

5

7필드 추출

시간, 좌표, 명령, 상황 등으로 구조화

1단계 그대로

6

정답 대조 채점

시나리오 정답과 항목 단위로 비교

신규

7

저장·리포트

원음, 결과, 교관 확인 이력을 통화 단위로

1단계 DB·승인 이력

1단계 재사용 4단계새로 만드는 3단계

1단계 서버는 인터넷 API 없이 온프레미스로 동작하도록 설계돼 있습니다.¹ AI 무전 교관도 같은 구조를 씁니다.2 채점 방식7

AI 무전 교관

교육생이 말할 때마다, 정답이 붙은 군 음성이 한 건씩 쌓입니다

보통의 음성 데이터 구축

녹음 수집, 사람이 듣고 받아 적기, 검수, 학습.

앞 장처럼 군 음성은 녹음부터 직접 만들어야 했습니다.

AI 무전 교관

시나리오를 우리가 쓰므로 정답이 이미 있습니다. 교육생이 말하는 순간 정답이 붙은 음성으로 저장됩니다.

사람 손이 가는 건 애매한 판정의 교관 확인뿐입니다.

1단계 신청서도 저장한 원음·보정문·7필드를 2단계 학습·평가 데이터로 쓰는 계획입니다.¹12

교육 환경과 전장의 음질 차이는 무전기 음질·잡음 합성으로 보완할 계획입니다.11

교육 횟수 증가 정답 붙은 군 음성 증가 인식·채점 정확도 향상 더 쓸 만한 교관

AI 무전 교관

K-방산 기준으로 네 가지를 확인했습니다

무기체계 분류 항목이 있는가

있습니다. 무기체계 세부분류에 ‘그 밖의 무기체계 > 국방M&S체계 > 전술훈련모의장비’가 있습니다.¹ 실제 분류 판단은 신속원이 합니다.9

공모 분야에 해당하는가

해당합니다. 신속시범사업 공모 분야인 10대 국방전략기술에 인공지능이 있습니다.²

예산이 나온 선례가 있는가

있습니다. 국방부 ‘AI 기반 VR·MR 대드론 훈련 시뮬레이터 개발 및 신속상용화 지원사업’, 12개월, 정부지원금 20억 원.³10

해외 선례가 있는가

있습니다. 캐나다군 JTAC 음성인식 VR 훈련 연구⁴, 교육생 교신을 정확성·간결성·완결성으로 채점하는 관제사 훈련 시뮬레이터 ASTRA.⁵8

확장과 실행

교육장에서 시작해 훈련장을 거쳐 실전으로 갑니다

1

교육장

AI 무전 교관

고객: 정보통신학교, 부대 교육
쌓이는 데이터: 정답 붙은 군 음성, 교육생 실수 유형

데이터와
모델

2

훈련장

KCTC 무전 블랙박스

무엇을 하나: 훈련 무전을 7필드로 정리해 교전 타임라인과 사후강평 리포트 작성
연결되는 흐름: KCTC AI 기반 전투분석체계 연구¹

데이터와
모델

3

실전

무전에서 C4I 보고로

무엇을 하나: 무전 내용을 표준 보고서로 만들고, 사람이 승인하면 지휘통제체계로 전달
연결되는 흐름: 1단계 로드맵의 TICN 운용환경 실증²

시점은 가안입니다. 사진은 AI 생성 이미지(Codex)이며 실제 장면이 아닙니다.12

확장과 실행

실행 계획가안

MVP 범위

시나리오 3종 정찰 보고, 화력 요청, 의무후송 요청. 양식은 교범으로 확인6
AI 역할자 음성 합성 음성에 무전기 음질 효과
채점기 1단계 7필드 위에 정답 대조7
교관 콘솔 GCS Saker 화면 재사용
동작 환경 1단계 서버 또는 GPU 워크스테이션, 내부망

일정

2026.11

수요 확인(교관 인터뷰 3건), 경북창경·신속원 문의, 시나리오 초안. 신속시범 27-2차는 11/17 15:00 마감²

2026.12

1단계 마무리 우선(12/31 종료¹). 시나리오 검수만 병행

2027.1~2

MVP 개발 6~8주

2027.3

교관 앞 시연, 2단계·후속 사업 제안 자료에 반영

자금 창구: K-방산 2단계(2027, 기업당 최대 5억 원³), 신속시범사업, 국방부 신속상용화10

부록 1

용어·약어 사전

7필드1단계 구조화 항목. 시간·좌표·명령·상황·부대명·표적명·자산명

AAR (사후강평)After Action Review. 훈련 뒤 잘한 점과 잘못한 점을 짚는 검토

ASTRA2026년 관제사 훈련 시뮬레이터 연구. AI가 조종사 역할을 맡고 교신을 채점

C4I지휘·통제·통신·컴퓨터·정보 체계. 군 지휘통제 시스템 전체

CER / WER문자 오류율 / 단어 오류율. 음성인식에서 틀린 글자·단어 비율, 낮을수록 정확

E2EEnd-to-End. 입력부터 저장까지 전 구간

GCSGround Control Station. 지상통제·관제 화면. A4AI 제품명 GCS Saker

HAAWAII유럽 항공관제 음성인식 연구 프로젝트(DLR·Idiap 등)

JTAC합동 최종공격 통제관. 지상에서 항공기 화력을 유도하는 요원

KCCS지휘통제정보공유체계. 합동·각 군 C4I의 데이터·서비스·단말을 클라우드 기반으로 통합하는 R&D 사업

KCTC육군 과학화전투훈련단

KJCCS합동지휘통제체계

KPI핵심 성과 지표

M&S모델링·시뮬레이션. 국방M&S체계는 무기체계 분류의 한 갈래

Macro F1항목별 정확도(F1)의 평균. 1단계 7필드 분류 성능 지표

MILES다중통합레이저교전체계. KCTC의 레이저 교전 장비

MVP핵심 기능만 넣어 빨리 검증하는 첫 버전

P9595백분위. 100번 중 95번이 이 값 안에 든다는 뜻

SIP / RTP인터넷전화의 통화 연결 규약 / 음성 전송 규약

SPAN스위치 포트 미러링. 통화에 끼어들지 않고 트래픽을 복제해 받는 방식

STTSpeech-to-Text. 음성을 텍스트로 바꾸는 기술

TICN전술정보통신체계

TMMR전술다대역다기능무전기

TTSText-to-Speech. 텍스트를 음성으로 합성하는 기술

Whisper공개 음성인식 모델. 1단계 STT의 기반

경북창경경북창조경제혁신센터. K-방산 스타트업 1단계 운영기관

국방전략기술신속시범사업 공모 분야인 10대 국방전략기술

관찰통제관훈련 중 부대를 관찰·평가하는 요원

복창받은 지시를 그대로 되받아 말해 확인하는 절차

신속원국방신속획득기술연구원(국방과학연구소 부설). 신속시범사업 주관

신속시범사업첨단기술을 2년 안에 시제품으로 만들어 군이 시범 운용하는 사업

신속상용화민간 기술을 빠르게 군에 적용하는 사업

온프레미스외부 인터넷 없이 현장 내부망에 설치해 운용하는 방식

정규화“일사 공 공”과 “1400”처럼 다른 표기를 하나로 맞추는 처리

플라이휠쓰일수록 데이터가 쌓이고 성능이 올라 더 많이 쓰이는 선순환

부록 2

1단계 과제 요약

K-방산 스타트업 1단계 육성사업 과제 신청서(제출본) 기준

개요

과제명: 전장 음성 데이터화 모듈 시제품 제작 기반 선행연구

기간: 2026.07.15~12.31 (5개월)

사업비: 총 80백만 원 (정부 60, 현금 2, 현물 18)

결과물: 19인치 2U AI 기능검증 서버 1식

서버 사양 (목표)

GPU VRAM 48GB 이상, RAM 64GB 이상, 저장장치 8TB 이상

10GbE SFP+ 수집 포트 2, 1GbE RJ45 관리 포트 2, 수집망·관리망 분리

소프트웨어 처리 순서

파일·시험망 입력 어댑터, 조건부 SPAN 시험
SIP/Call-ID 세션 식별, RTP 양방향 복원
Whisper 기반 온프레미스 STT
군 용어·숫자·좌표·문맥 보정
7필드 구조화
신뢰도 표시, 운용자 확인·수정·승인
원음·원문·보정문·필드·승인이력의 통화단위 DB 저장

KPI	목표	비중
핵심 개체 인식 (군 용어, 숫자, 좌표, 호출부호)	baseline 대비 오류 20% 이상 감소, 과보정률 3% 이하	20
STT 원문 정확도 (CER)	baseline 대비 5% 이상 감소	15
7필드 분류 정확도 (Macro F1)	70% 이상	35
구간별 처리 지연	발화 종료 후 5초 이내 (P95)	20
결과 추적성	90% 이상	10

산출물

V-01 한국어 군용 음성 인식 오류 유형 보고서, V-02 음질·소음 조건별 저하 요인, V-03 구간별 처리지연, V-04 7필드 정의 및 성능, V-05 GCS 대시보드 UI, V-06 2단계 성능지표 후보 및 실증방식

로드맵

신청서: 1단계 기능검증 서버, 2단계 보안형 전술 음성 의사결정 지원 AI 서버, 3단계 TICN 운용환경 실증형 전술 음성 AI 서버. 7/20 회의: 2단계는 실제 국방 단말 연동, 3단계는 다단말·대용량 처리로 강화.

부록 3

데이터가 성능을 결정한다는 근거

연구	대상	결과 (원문 확인)	시사점
국방대학교 차현우·마정목 (2024)¹	한국어 군사용어	현역 장교 10명이 교범·용어사전·간행물을 읽어 녹음한 음성으로 Whisper를 각 10시간 학습. CER: 기존 13.68%, 용어사전 12.36%, 간행물 8.42%, 교범 7.94%. 군사용어는 특수 용어가 많아 추가 학습이 필요하다고 밝힘	전술 맥락이 담긴 데이터가 성능을 가장 크게 올림
Embry-Riddle 항공대 (2026)²	항공 무선 교신 (미국 12개 공항)	시판 STT 단어 오류율 80%, 맞춤화 후 15% 미만. 용어 표준화, 호출부호·숫자 정리, 교신 오류 식별 포함	도메인 맞춤이 성능 차이를 만듦
ASTRA (2026, arXiv)³	관제사 훈련 (싱가포르)	시판 모델 단어 오류율 최대 107.80%, 맞춤 학습 후 23.45%. 교육생 교신을 정확성·간결성·완결성으로 채점	교신 훈련 자동 채점은 연구로 시도된 방향
HAAWAII, DLR·Idiap 등 (2021)⁴	항공관제 복창	단어 단위 대조는 매우 비효율적이었고, 의미(개념) 단위 대조가 오인식에도 더 견고	7필드처럼 항목 단위로 채점

부록 4

군 음성 데이터를 직접 만들어 써 온 사례

경로	확인한 내용
실전 무전	1단계는 승인 파일과 가상 SIP/RTP 시험망이 기본 입력이고, 교환기 SPAN 입력은 승인된 시험환경이 확보될 때만 시험. 실제 TICN 운용망 직접 연동은 후속 범위. 음성·구조화 데이터는 민감정보로 보고 암호화·접근권한·반출통제를 정의¹
연구용 데이터	국방 표준 자연어 데이터셋 구축사업으로 구축한 데이터로, 현역 장교 10명(육군 소령 2, 육군 대위 3, 해군 대위 2, 공군 대위 2, 해병 대위 1)이 군사 교범·용어사전·간행물을 읽어 녹음²
KCTC	‘AI 활용 KCTC 훈련체계 발전 연구’ 용역 발주. 교전 데이터, 장병 위치, 사격 기록, 영상·음성 등이 데이터베이스와 백업매체에 흩어져 있고 AI 학습용 정제 도구가 없음³
국방 차원	국방AI데이터센터 구축 정보화전략계획(ISP) 사전규격 공개. 각 군과 기관에 흩어진 데이터를 ‘국방AI데이터허브’로 수집·저장·품질관리하는 구상⁴
사내 경험	VCM 과제: 외부 출처 음원은 이용 조건과 재배포 범위를 먼저 확인하고, 어려우면 라이선스가 명확한 음원을 우선 사용⁵

부록 5

국방 AI·예산 동향

AI 관련 국방예산, 2026년 대비 2027년 정부안 (억 원)¹

2026년2027년 정부안

방산 수출 수주액 (억 달러)²

2026년은 7월 말까지 누계라 다른 해와 바로 비교할 수 없습니다(빗금).

항목	내용
국방예산	2026년 65조 8,642억 원 확정³. 2027년 정부안 73조 2,777억 원(전년 대비 8.2%, 총지출 기준)으로 처음 70조 원 돌파¹
AI·무인	피지컬 AI 실증 430억 원 신규¹. 교육용 상용드론 1만7000여 대 구매에 500억 원⁴
국방 AX	10/22 국방인공지능 추진평가 회의. 비전 ‘소버린 AI 기반의 자주적 첨단강군 건설’. 거점 5곳: 합참 용산(지휘통제 AI), 육군 판교(피지컬 AI), 대전(에이전틱 AI), 해군·해병대 부산(해양 AX), 공군 양재(항공우주 AX)⁵
지휘통제	KCCS 3단계 추진 예정, 초거대 인공지능 기반 지휘통제체계 기술 개발 사업 242억 원(2026.9~2030.2, 42개월)⁶. KJCCS 경미한 성능개량(460억 3,500만 원) 우선협상대상자 LIG시스템 컨소시엄, 삼성SDS 합류⁷
스타트업	2030년까지 방산 참여 스타트업 100개 사 육성 목표⁸

부록 6

시나리오 설계 틀가안

채점 항목은 1단계 7필드에 맞춰 설계합니다. 실제 보고 양식과 용어는 교범과 과제책임자 검수로 확정합니다.

MVP 시나리오	역할	정답으로 둘 7필드 (설계안)
정찰 보고	교육생: 정찰조 AI: 중대 상황실	시간, 좌표, 상황, 표적명, 자산명
화력 요청	교육생: 관측자 AI: 사격지휘	좌표, 표적명, 명령, AI 지시 복창
의무후송 요청	교육생: 소대 AI: 대대 상황실	좌표, 상황, 부대명, 시간

화면 예시 (가상)

AI 상황실“한빛, 여기는 상황실. 관측 내용 보고하라. 이상.” 교육생“상황실, 여기는 한빛. 14시 20분, 좌표 CH 1234 5678, 적 보병 분대, 북쪽으로 이동 중. 이상.”

정답 필드 5개 중 4개 확인, 자산명 누락. 시나리오 하나에 좌표·시간·규모 같은 변수를 바꿔 여러 문제를 만들 수 있습니다.

부록 7

채점 기준가안

항목	무엇을 보나	어떻게 판정하나	1단계에서 가져오는 것
필수 항목 완결성	시나리오가 요구한 항목이 다 나왔나	7필드 추출 결과를 시나리오 정답 항목과 비교	7필드 구조화 모듈
숫자·좌표 정확도	시간, 좌표, 수량이 맞나	표기를 정규화한 뒤 정답과 일치 여부 비교	숫자·좌표 정규화 규칙
복창 정확도	AI 지시를 맞게 되받았나	단어가 아니라 항목(의미) 단위로 대조¹	군 용어·문맥 보정
절차 준수	호출부호, 시작·종료 용어의 순서	규칙 기반 검사	군 용어 사전
응답 시간	호출부터 응답까지	발화 시작·종료 타임스탬프	구간별 처리지연 측정
간결성	필요한 말만 했나	발화 길이 대비 필수 항목 비율²	없음 (신규)

판정 원칙

확신이 낮은 판정은 자동으로 확정하지 않고 교관 확인으로 넘깁니다. 1단계의 ‘모델 출력은 사람이 승인한다’ 원칙과 같습니다.³ 항목별 배점은 교관 인터뷰 후 정합니다.

부록 8

유사 사례

음성인식으로 교신 절차를 훈련하거나 채점한 사례와, 국내 AI 훈련 시뮬레이터 예산 선례입니다.

사례	누가·언제	내용 (원문 확인)	우리와 다른 점
JTAC VR 훈련기¹	Calian, 캐나다군 (국가연구위원회가 연구 지원)	음성인식과 VR을 결합. 교육생이 외워야 하는 화력 요청 무전 절차를 훈련하고, 교육생의 음성 응답을 인식	항공 화력 유도 한정, 영어
ASTi SERA²	미 해안경비대, 2020년 발표	MH-65E 조종석 절차 훈련기에 AI 역할자를 통합할 예정이며, 맞춤 무선 용어에 맞게 음성인식을 수정	항공 교신, 도입 예정 발표 기준
ASTRA³	연구, 2026.06	관제사 훈련의 조종사 역할을 자동화. 교육생 교신을 정확성·간결성·완결성으로 평가	연구 단계, 항공 관제
AI 대드론 훈련 시뮬레이터⁴	버넥트 컨소시엄, 2026.10	국방부 개발 및 신속상용화 지원사업. 12개월, 정부지원금 20억 원. 500MB 이하 경량 AI 모델을 현장 PC에서 실행	VR·MR 대드론 훈련, 음성 교신 아님

부록 9

무기체계 분류 근거

국방전력발전업무훈령 별표 4 「무기체계 세부분류」 발췌

AI 무전 교관 관련 항목

10. 그 밖의 무기체계 > 국방M&S체계 > 전술훈련모의장비

K계열전차소부대전술모의훈련장비, P-3 및 Lynx/AW-159모의훈련장비, 전투기·수송기·훈련기 모의비행훈련장비, 비행환경적응훈련장비, 전자전훈련장비, 공중전투기동훈련체계 등

주의

신속시범사업은 무기체계로 분류 가능한 시제품만 대상이며, 판단은 신속원이 합니다. 수요신청서 제출 전 사전 문의를 권합니다.

확장 경로(훈련장·실전) 관련 항목

1. 지휘통제·통신 > 지휘통신체계 > 전술통신체계: 전술지휘통신체계(SPIDER), 전술정보지휘통신체계(TICN) 등

1. 지휘통제·통신 > 통신장비 > 그 밖의 통신장비: 정보·보안장비 등

비고: 무기체계의 구성장비인 상용정보통신장비는 무기체계로 분류

10대 국방전략기술 (신속시범 공모 분야)

인공지능, 유·무인 복합, 양자, 우주, 에너지, 첨단소재, 사이버·네트워크, 센서·전자기전, 추진, WMD 대응

부록 10

지원사업 창구 상세

K-방산 스타트업 육성사업

2단계 2027년: 기업당 최대 5억 원¹
3단계 2028년: 기업당 최대 21억 원¹
1단계 성과 평가를 거쳐 도전¹
정부 목표: 2030년까지 방산 참여 스타트업 100개 사²
확인 필요: 2단계에서 과제 방향 변경 가능 여부

신속시범사업 ’27-2차³

사업비 500억 원 미만, 시제개발 2년 이내
무기체계로 분류 가능한 시제품, 10대 국방전략기술 중심
공모 2026.10.12~11.17 15:00, 수요신청서 10쪽 이내, 이메일 접수
중소기업 전용 Track은 드론 무기체계만
절차: 접수, 검토(1~2개월), 조사분석(2~3개월), 대상 선정(방사청, 1개월), 입찰공고 준비(1개월), 입찰(40일), 제안서 평가(1개월), 수행기관 선정(1개월)
주의: 대상사업 선정 후 수행기관은 경쟁입찰 등 별도 절차로 선정

국방부 신속상용화 (선례)

‘AI 기반 VR·MR 대드론 훈련 시뮬레이터 개발 및 신속상용화 지원사업’⁴
버넥트 컨소시엄, 12개월, 정부지원금 20억 원⁴
버넥트 배정 7억 2,000만 원⁵

참고: 지휘통제정보공유체계(R&D) 예비설명회 11/24 과천. 참석 신청은 10/16 마감⁶

부록 11

리스크 상세 대응표담당·시점은 가안

리스크	영향	확인·대응 방법	담당(안)	시점(안)
실제 수요	사업성 전체	정보통신학교·부대 교관 인터뷰 3건. 확인 항목: 상대역 부담, 채점 방식, 기록 여부, 연간 교육 인원	미정 (오늘 결정)	11월 둘째 주
시나리오 품질	채점 신뢰도	교범 기반 초안, 과제책임자 검수, 교관 리뷰 3단계	과제책임자	MVP 착수 전
교육생 발화 인식	오채점	내부 인원 10명 녹음 시험, 항목 단위 대조, 확신 낮은 판정은 교관 확인	음성 담당	MVP 개발 중
지원사업 경로	자금	경북창경에 2단계 방향 변경 가능 여부 문의. 안 되면 신속시범·신속상용화	미정	11월 첫째 주
무기체계 분류	신속시범 자격	신속원 신속획득연구팀 사전 문의	미정	11/17 이전
교범 보안	시나리오 범위	공개 범위로 MVP를 만들고, 비공개 시나리오는 고객이 현장 내부망에서 직접 작성하는 구조	설계 담당	설계 단계
음질 차이	실전 적용 시 성능	무전기 음질·전장 잡음 합성으로 증강. 훈련장 단계에서 실제 훈련 무전으로 보강	음성 담당	MVP 이후
인력 병행	1단계·타 과제 지연	11~12월은 확인·시나리오 작업만, 개발은 1단계 종료 후	PM	상시

부록 12

확장 경로 상세시점은 가안

단계	고객	쌓이는 데이터	추가 기술	연결되는 근거
1 교육장 AI 무전 교관	정보통신학교, 부대 교육	정답 붙은 군 음성, 교육생 실수 유형	시나리오 엔진, AI 역할자 음성, 채점기	1단계 저장 데이터를 2단계 학습·평가에 쓰는 계획¹
2 훈련장 KCTC 무전 블랙박스	KCTC, 과학화훈련장	실제 훈련 무전, 교전 타임라인	다채널 처리, 교전 데이터 결합, 사후강평 리포트	KCTC ‘AI 활용 훈련체계 발전 연구’, 훈련 종료와 동시에 사후검토 제공 방안 연구 예정². KCTC 성능개량은 아이티센엔텍 주관 486억 원 계약³
3 실전 무전에서 C4I 보고로	지휘소, C4I 체계업체	보안망 안의 실전 무전	보안 인증, C4I 메시지 연동	1단계 로드맵의 3단계 TICN 운용환경 실증¹

데이터가 넘어가는 방식 (계획)

교육장의 정답 데이터로 다듬은 인식·채점 모델이 훈련장 무전의 1차 라벨러가 되고, 훈련장의 실제 무전은 실전 모델의 학습 재료가 됩니다.

원칙 유지

모든 단계에서 모델 출력은 사람이 승인하고, 자동 명령 생성·수행은 포함하지 않습니다.¹

부록 13

아이디어 선정 과정

기준 5개: 정답 데이터를 우리가 만드는가(1순위), 1단계 자산 재활용, 시장·예산, 경쟁, 첫 데모까지 속도

후보	결과	사유
AI 무전 교관	선정	정답 데이터를 우리가 만듦, SW만 추가
KCTC 무전 블랙박스	확장 2단계	KCTC 데이터에 의존, 교관 다음 단계로
무전에서 C4I 보고 자동화	확장 3단계	보안·인증 장벽이 가장 높음
음향 드론 탐지망	별도 검토	하드웨어 개발이 필요하고 1단계 자산 재활용이 낮음
음성 지휘 드론 GCS	보류	드론 기체 협력이 필요
통신보안 위반 자동 탐지	보류	판단 근거 부족
딥페이크 지휘 음성 탐지	제외	화자마다 등록 데이터 필요
군 비행장 복창 오류 감시	제외	실제 기체 데이터와 대조 필요

최종 3개 비교	교관	블랙박스	드론 탐지
데이터 자체 생성	●●●	●○○	●●○
자산 재활용	●●●	●●●	●●○
시장·예산	●●○	●○○	●●●
데모 속도	●●●	●●○	●○○

출처

출처 전체

내부·공식 문서

㈜에이포에이아이, K-방산 스타트업 육성사업 1단계 과제 신청서(제출본), 2026.07.31
개발팀 회의록(프로젝트 현황·로드맵 점검), 2026.07.20
국방신속획득기술연구원, ’27-2차 신속시범사업 대상사업 공모문 및 붙임1 사업수요신청서 양식
국방전력발전업무훈령 별표 4 「무기체계 세부분류」(공모문 붙임 2)
방위사업청, 지휘통제정보공유체계(R&D) 사업 예비설명회(2차) 공고, 2026.10.06

데이터·연구

유사 사례·예산 선례

정책·예산·업계

이미지

표지·목차·확장 경로 장의 사진: OpenAI Codex 이미지 생성, 2026.10.26. 실제 장면이 아닙니다.

목차

우리는 이미 전장 음성을 데이터로 바꾸는 엔진을 만들고 있습니다

같은 Whisper라도, 어떤 군 데이터를 학습했느냐에 따라 오류율이 갈렸습니다

군 음성 데이터는 연구자도, 우리도 직접 만들어 써 왔습니다

실전 무전4

연구용 데이터3

훈련장 데이터4

사내 경험

그래서 쓰일수록 정답 데이터가 생기는 제품을 만들려 합니다

정답이 미리 정해져 있을 것

반복해서 쓰일 것

실전망 밖에서 돌 것

육군도 훈련 평가와 피드백을 AI로 바꾸려 하고 있습니다

AI 무전 교관의 위치

AI가 상대 무전병을 맡고, 교신을 받아 적고, 바로 채점합니다

AI 상대 무전병

교육생

자동 채점

교관 콘솔 (GCS Saker 기반)

화면 예시 (가상)6

일곱 단계 중 넷은 1단계 엔진을 그대로 씁니다

시나리오 선택

AI 역할자 송신

교육생 음성 수신

음성인식·보정

7필드 추출

정답 대조 채점

저장·리포트

교육생이 말할 때마다, 정답이 붙은 군 음성이 한 건씩 쌓입니다

보통의 음성 데이터 구축

AI 무전 교관

K-방산 기준으로 네 가지를 확인했습니다

무기체계 분류 항목이 있는가

공모 분야에 해당하는가

예산이 나온 선례가 있는가

해외 선례가 있는가

교육장에서 시작해 훈련장을 거쳐 실전으로 갑니다

교육장

훈련장

실전

실행 계획가안

용어·약어 사전

1단계 과제 요약

개요

서버 사양 (목표)

소프트웨어 처리 순서

산출물

로드맵

데이터가 성능을 결정한다는 근거

군 음성 데이터를 직접 만들어 써 온 사례

국방 AI·예산 동향

시나리오 설계 틀가안

화면 예시 (가상)

채점 기준가안

판정 원칙

유사 사례

무기체계 분류 근거

AI 무전 교관 관련 항목

주의

확장 경로(훈련장·실전) 관련 항목

10대 국방전략기술 (신속시범 공모 분야)

지원사업 창구 상세

K-방산 스타트업 육성사업

신속시범사업 ’27-2차3

국방부 신속상용화 (선례)

리스크 상세 대응표담당·시점은 가안

확장 경로 상세시점은 가안

데이터가 넘어가는 방식 (계획)

원칙 유지

아이디어 선정 과정

출처 전체

내부·공식 문서

데이터·연구

유사 사례·예산 선례

정책·예산·업계

이미지

신속시범사업 ’27-2차³