AI CCTV가 바꾸는 우리 동네 안전｜실종자 수색·침수·산사태까지 7개 지방정부 사례
AI CCTV가 바꾸는
우리 동네 안전
실종자 수색부터 침수·산사태·산불까지. 2026년 지방정부 CCTV 통합관제 우수사례 7건을 통해 ‘보는 카메라’가 어떻게 위험을 감지하고, 경고하고, 현장 대응으로 이어지는지 살펴봅니다.
CCTV의 역할이 ‘기록’에서 ‘신호’로 이동하고 있다
FROM WATCHING TO RESPONSE행정안전부가 9월 3일 공개한 「2026년 지방정부 CCTV 통합관제 우수사례 경진대회」 결과는 지역 안전기술의 방향이 어디로 가고 있는지 압축해서 보여줍니다. 대회는 9월 2일 부산 벡스코에서 열렸고, 전국에서 발굴한 27건을 서면심사와 현장 최종심사로 좁혀 대상 1건, 최우수상 2건, 우수상 2건, 장려상 2건 등 7건을 선정했습니다. 발표된 사례들은 단순히 카메라를 더 설치했다는 이야기가 아니라, 이미 들어오는 영상에 인공지능·드론·사물인터넷·원격제어를 결합해 ‘이상 상황을 더 빨리 알아채고 다음 행동으로 연결하는 체계’를 만들었다는 데 공통점이 있습니다.
예전의 CCTV는 사건이 벌어진 뒤 기록을 확인하는 장비라는 인상이 강했습니다. 물론 지금도 사후 확인 기능은 중요합니다. 다만 통합관제의 초점은 점차 실시간 위험 인지와 선제 대응 쪽으로 넓어지고 있습니다. 침수 수위가 높아지거나 맨홀이 이탈하는 장면을 비전 AI가 포착하고, 하천 위험이 감지되면 차단기와 방송·전광판이 움직이며, 실종자 수색에서는 사전에 등록된 정보를 활용해 탐색 범위를 좁히는 식입니다. 카메라가 판단의 종착점이 아니라 ‘센서 중 하나’가 되고, 관제센터는 영상·센서·지도·현장 장비를 연결하는 허브가 되는 변화입니다.
이 변화가 시민에게 의미 있는 이유는 재난과 실종 대응에서 시간이 곧 안전이기 때문입니다. 위험을 발견한 뒤 사람이 화면을 다시 확인하고, 담당 부서에 전화하고, 현장 인력이 출동하고, 통제 장비를 가동하는 과정마다 지연이 생길 수 있습니다. AI가 그 모든 결정을 대신해야 한다는 뜻은 아닙니다. 오히려 반복 감시와 이상 징후 선별을 자동화해 사람이 더 중요한 판단에 집중하도록 돕고, 확인된 위험을 경고·통제·출동으로 빠르게 연결하는 구조가 핵심입니다.
대상 동두천시: 실종 수색에서 가장 먼저 줄이려는 것은 ‘탐색의 공백’
VULNERABLE PERSON SEARCH대상은 경기도 동두천시의 ‘AI CCTV 기반 사회적 약자 보호 플랫폼 구축’이 받았습니다. 행정안전부 설명에 따르면 동두천시는 치매환자, 정신질환자, 아동 등 사회적 약자의 관련 정보를 사전에 등록해 실종자 수색 시 위치를 신속하게 파악할 수 있는 체계를 마련했습니다. 실종 신고가 들어온 뒤 처음부터 방대한 영상을 사람이 모두 되짚는 방식보다, 사전에 확보된 정보를 수색의 출발점으로 활용해 관제 범위를 좁히는 접근입니다.
실종 대응에서 중요한 것은 기술 이름보다 정보가 어떤 절차로 연결되는지입니다. 신고가 들어온 시점, 마지막으로 확인된 위치, 이동 가능한 경로, 관제 가능한 카메라 범위가 서로 따로 존재하면 담당자는 여러 시스템을 오가며 정보를 맞춰야 합니다. 반대로 필요한 정보가 적법한 범위 안에서 정리되고 영상 검색과 연결되면, 관제요원이 확인해야 할 후보 구간을 빠르게 추릴 수 있습니다. 특히 인지기능이 저하된 고령자나 스스로 위험을 설명하기 어려운 아동의 경우 초기 수색 시간을 줄이는 체계가 중요할 수 있습니다.
다만 ‘사전 등록’이라는 표현만으로 모든 세부 운영방식을 단정해서는 안 됩니다. 어떤 항목을 등록하는지, 누가 접근할 수 있는지, 언제 갱신·삭제하는지, 영상 검색 결과를 누가 최종 확인하는지는 실제 운영규정이 좌우합니다. 시민 안전을 위한 시스템일수록 보호 대상자의 정보가 과도하게 축적되지 않도록 목적과 범위를 좁혀야 합니다. 이번 사례의 의미는 얼굴인식 같은 특정 기술을 과장하는 데 있지 않고, 실종 발생 뒤 생기는 정보 단절을 줄이는 행정 절차와 관제 기술의 결합에 있습니다.
울산 북구: 폭우·침수·산사태·산불을 하나의 대응선으로 묶다
MULTI-HAZARD CONTROL최우수상 가운데 하나는 울산광역시 북구의 ‘스마트 통합 재난대응 서비스’입니다. 북구는 산림과 해안, 하천이 함께 있는 지역 특성을 고려해 폭우·침수, 산사태·산불 같은 복합재난을 한 체계에서 대응하도록 구성했습니다. 행정안전부가 공개한 설명에서 눈에 띄는 대목은 위험을 ‘보는 것’에 그치지 않고, 위험이 감지되면 하천구역 차단기·방송·전광판 등이 자동으로 작동하도록 연결했다는 점입니다.
재난은 행정 조직도처럼 한 종류씩 발생하지 않습니다. 많은 비가 내리면 하천 수위가 오르고, 저지대 침수와 도로 통제가 동시에 필요해질 수 있으며, 토양이 포화되면 비탈면 위험도 커집니다. 건조한 시기에는 산불 감시와 주민 접근 통제가 중요해집니다. 각각의 센서와 CCTV가 따로 경고를 보내면 현장에서는 같은 지역을 두고 여러 판단을 반복할 수 있습니다. 통합 대응의 가치가 생기는 지점은 서로 다른 위험 신호를 같은 지도와 같은 상황실에서 보고, 확인된 위험을 현장 장비와 연결할 때입니다.
자동 차단과 경고는 빠르다는 장점이 있지만, 그만큼 실패했을 때의 영향도 큽니다. 잘못된 신호로 도로와 하천 접근이 불필요하게 통제될 수도 있고, 반대로 위험을 놓치면 시민이 잘못된 안전감을 가질 수 있습니다. 그래서 자동화는 ‘사람이 없어도 되는 시스템’이 아니라, 임계값과 이중 확인, 수동 전환, 장비 상태 점검, 통신 두절 때의 대체 절차까지 포함한 운영체계로 평가해야 합니다. 실제 안전성은 센서·AI·관제요원·현장 장비가 함께 작동할 때 만들어집니다.
CCTV와 센서가 수위·연기·이동·시설 상태 같은 현장 신호를 모읍니다.
AI가 이상 징후 후보를 추려 관제요원이 확인해야 할 장면을 앞세웁니다.
위험이 확인되면 방송·전광판·차단기·내비게이션 같은 수단으로 전달합니다.
상황실과 현장 인력이 같은 정보를 보고 출동·통제·구조 판단을 이어갑니다.
서초구: 비전 AI가 침수와 맨홀 위험을 ‘장면’으로 읽는다
VISION AI FOR FLOOD RISK서울 서초구의 ‘AI 기반 수해대응’은 우수상에 선정됐습니다. 공개 자료에 따르면 서초구는 CCTV와 비전 AI를 결합해 침수 상황을 실시간으로 분석하고, 침수나 맨홀 이탈 등 위험이 발생하면 차량과 보행자에게 경고하며 원격제어를 통한 대응을 지원합니다. 수해·재난·교통 분야 인공지능 학습데이터 11만 건을 확보했다는 점도 함께 소개됐습니다.
여기서 비전 AI의 역할은 카메라 영상에 찍힌 모든 것을 ‘정답’으로 판정하는 것이 아니라, 사람이 계속 화면을 지켜보지 않아도 위험 가능성이 높은 장면을 먼저 표시하는 데 있습니다. 폭우가 집중되는 시간에는 여러 지점에서 동시에 수위 변화와 도로 정체, 보행자 이동, 시설물 이상이 나타날 수 있습니다. 관제 인력의 눈만으로 수백·수천 개 화면을 같은 밀도로 보는 것은 현실적으로 어렵습니다. 학습된 모델이 침수 면적의 변화나 시설물 이탈 같은 패턴을 후보로 올리면 사람이 빠르게 재확인하고 조치할 수 있습니다.
11만 건이라는 학습데이터 숫자는 규모를 이해하는 참고점이지만, 데이터가 많다고 곧바로 정확도가 보장되는 것은 아닙니다. 비가 오는 시간대의 밝기, 카메라 각도, 차량 헤드라이트, 물웅덩이 반사, 낙엽이나 쓰레기 같은 요소는 영상 분석을 어렵게 만들 수 있습니다. 실제 운영에서는 어느 환경에서 오탐과 미탐이 늘어나는지 계속 측정하고, 데이터 구성이 특정 장소나 날씨에 치우치지 않았는지 확인하며, 시스템이 자신 없는 장면을 사람에게 넘기는 기준을 정교하게 다듬는 일이 중요합니다.
나머지 4개 수상작이 보여주는 확장 방향: 도시 전체가 하나의 센서망으로
THE OTHER FOUR CASES최우수상에는 충청남도 예산군의 ‘피지컬 AI 기반 스마트안전도시 구현’도 이름을 올렸습니다. 우수상에는 충청북도 제천시의 ‘AI 침수대응’, 장려상에는 전남광주통합특별시 영암군의 ‘스마트산단 AI 통합관제’와 해남군의 ‘드론·AI CCTV 융합 현장관제’가 선정됐습니다. 행정안전부 보도자료는 이 네 사례의 세부 성능이나 운영 수치를 모두 풀어놓지는 않았지만, 명칭만으로도 통합관제가 도심 침수뿐 아니라 산업단지, 드론 현장영상, 물리 장비 제어까지 영역을 넓히고 있다는 흐름을 확인할 수 있습니다.
‘피지컬 AI’라는 표현은 소프트웨어가 화면 속 정보만 분석하는 데서 그치지 않고 센서·카메라·현장 장비 같은 물리 환경과 상호작용하는 방향을 가리킵니다. 안전 분야에서 중요한 것은 화려한 용어보다 작동 경계가 분명한가입니다. 예를 들어 위험을 감지한 뒤 자동으로 장비를 움직일 수 있다면 어떤 상황에서 자동 동작하고 어떤 상황에서 담당자의 승인을 기다리는지, 통신이 끊겼을 때 장비가 안전한 상태로 돌아가는지 같은 조건이 더 중요해집니다.
드론과 CCTV의 결합도 같은 맥락입니다. 고정형 CCTV는 설치된 장소를 지속적으로 볼 수 있지만 시야 밖의 지역이나 산불·산사태·침수처럼 현장이 빠르게 변하는 재난에는 한계가 있습니다. 드론은 필요한 시점에 넓은 구역을 이동하며 볼 수 있다는 장점이 있습니다. 반대로 배터리와 기상, 비행 규정, 통신 품질의 영향을 받습니다. 두 수단을 경쟁 관계로 보기보다 고정 관제와 이동 관제의 장단점을 보완하는 방식으로 설계해야 실제 현장에서 의미가 있습니다.
| 구분 | 지방정부 | 선정 사례 |
|---|---|---|
| 대상 | 경기 동두천시 | AI CCTV 기반 사회적 약자 보호 플랫폼 구축 |
| 최우수 | 충남 예산군 | 피지컬 AI 기반 스마트안전도시 구현 |
| 최우수 | 울산 북구 | 스마트 통합 재난대응 서비스 |
| 우수 | 서울 서초구 | AI 기반 수해대응 |
| 우수 | 충북 제천시 | AI 침수대응 |
| 장려 | 전남광주통합특별시 영암군 | 스마트산단 AI 통합관제 |
| 장려 | 전남광주통합특별시 해남군 | 드론·AI CCTV 융합 현장관제 |
지하차도·드론·비탈면까지: ‘관제센터 밖’으로 연결되는 정책
BEYOND THE CONTROL ROOM경진대회에서는 수상작 외에도 재난예측·감시 시스템 고도화와 관련한 정책이 함께 소개됐습니다. 행정안전부는 지하차도 차단정보를 차량 내비게이션에 안내하는 서비스와 재난안전 드론데이터를 재난안전상황실에 연계하는 사업을 소개했습니다. 한국건설기술연구원은 비탈면 센서 신호와 CCTV 영상을 인공지능이 분석해 붕괴 징후를 찾아내는 도로 비탈면 안전관리 기술을 발표했습니다.
이 세 가지는 공통적으로 ‘관제센터 안에서만 잘 보이는 정보’의 한계를 넘으려는 시도입니다. 지하차도가 위험해 차단됐다는 사실을 관제센터가 알아도 운전자가 진입 전에 알지 못하면 우회 판단이 늦을 수 있습니다. 드론이 현장을 촬영해도 그 영상이 담당자의 개인 단말이나 별도 시스템에 머물면 상황실이 전체 그림을 놓칠 수 있습니다. 비탈면 센서가 이상을 감지해도 영상과 분리돼 있으면 실제로 낙석이나 토사 움직임이 있는지 판단하는 데 시간이 더 걸립니다.
따라서 앞으로의 안전관제 경쟁력은 카메라 해상도만으로 설명하기 어렵습니다. 위험 정보가 어느 시스템에서 만들어지고, 어떤 기관과 공유되며, 시민이 사용하는 내비게이션이나 현장 차단장치까지 얼마나 빨리 전달되는지가 중요합니다. 동시에 전달 오류에 대비해 같은 정보를 여러 경로로 확인할 수 있어야 합니다. 내비게이션 알림만 믿는 것이 아니라 현장 차단기와 전광판, 재난문자, 경찰·소방 통제처럼 서로 다른 수단이 같은 위험 상황을 일관되게 전달해야 합니다.
법은 AI 분석과 공공 CCTV 연계를 열었지만, 동시에 ‘최소한의 개인정보’를 요구한다
LAW & GOVERNANCE이 변화에는 제도적 배경도 있습니다. 현행 「재난 및 안전관리 기본법」 제74조의5는 지방자치단체가 재난이나 각종 사고의 예방·대비·대응을 위해 영상정보처리기기 통합관제센터를 설치·운영할 수 있도록 규정합니다. 같은 조는 효율적인 통합관제를 위해 인공지능 기술 등을 활용해 영상정보처리기기에서 수집된 정보를 분석할 수 있도록 하고, 관할지역 내 공공기관이 개별적으로 운영하는 영상정보처리기기를 재난·사고 대응을 위해 연계·통합 관제할 수 있도록 근거를 두고 있습니다.
동시에 법은 통합관제 목적에 필요한 범위에서 최소한의 개인정보만 처리하고 목적 외 용도로 활용하지 말아야 한다고 명시합니다. 기술 활용 범위를 넓힌 조항 안에 개인정보 최소처리 원칙이 함께 들어 있는 이유를 주목할 필요가 있습니다. 더 많은 영상을 연결할 수 있다는 사실과 더 많은 개인정보를 무제한으로 써도 된다는 주장은 전혀 같은 말이 아닙니다. 재난안전 목적, 접근 권한, 보관과 반출, 기록, 시스템 보안이 함께 관리돼야 합니다.
행정안전부가 2026년 5월 제정한 「지방자치단체 영상정보처리기기 통합관제센터 설치·운영에 관한 고시」도 통합관제센터의 운영 책임과 안전조치를 구체화하는 틀을 제공합니다. 고시는 영상정보처리시스템의 범위에 인공지능 기반 관제시스템, 영상검색시스템, 영상반출시스템, 개인정보 비식별처리시스템 등을 포함해 정의하고 있습니다. 이는 AI 관제가 단일 알고리즘이 아니라 수집·분석·검색·반출·보호조치가 연결된 운영체계라는 점을 보여줍니다.
시민 관점에서는 ‘무엇을 할 수 있나’만큼 ‘무엇을 하지 않도록 막고 있나’를 확인할 필요가 있습니다. 실종자 수색이나 침수 대응처럼 명확한 안전 목적에 쓰이는 정보가 다른 평가나 감시 목적으로 흘러가지 않게 통제되는지, 권한이 없는 사람이 영상을 열람할 수 없도록 하는지, 반출 기록과 접속 기록이 남는지, 필요가 끝난 정보가 계속 쌓이지 않는지 같은 질문이 기술 도입과 함께 가야 합니다.
목적 제한
재난·사고 대응이라는 목적을 구체적으로 정하고, 목적이 바뀔 때 임의로 데이터를 재사용하지 않는 통제가 필요합니다.
최소 처리
안전에 필요한 정보만 다루고, 개인을 식별할 필요가 없는 단계에서는 불필요한 식별정보를 줄여야 합니다.
사람의 확인
AI 경보를 최종 사실로 취급하지 않고 오탐·미탐 가능성을 전제로 관제요원이 상황을 재확인하는 절차가 필요합니다.
감사 가능한 기록
누가 어떤 영상과 정보를 열람·반출했는지 추적할 수 있어야 문제가 생겼을 때 원인을 찾고 책임을 분명히 할 수 있습니다.
‘좋은 AI 관제’를 가르는 것은 정확도 한 줄이 아니라 운영의 전체 수명주기
WHAT GOOD LOOKS LIKEAI CCTV 사업을 평가할 때 흔히 정확도 수치 하나에 시선이 쏠립니다. 하지만 재난안전 시스템은 실험실의 분류 문제와 다릅니다. 카메라가 가려지거나 렌즈에 물방울이 맺히고, 야간 역광이 생기고, 통신이 끊기고, 센서가 고장 나는 현실에서 계속 작동해야 합니다. 소프트웨어가 위험을 잘 찾는 것뿐 아니라 장비 상태를 스스로 알리고, 장애가 생기면 대체 절차로 전환하며, 관제요원이 현재 시스템의 신뢰 상태를 이해할 수 있어야 합니다.
오탐은 ‘귀찮은 알림’으로만 끝나지 않을 수 있습니다. 반복되는 잘못된 경보가 쌓이면 관제요원이 경보에 둔감해지는 알람 피로가 생길 수 있고, 불필요한 출동과 통제가 반복되면 현장 자원도 소모됩니다. 반대로 미탐은 실제 위험을 놓치는 문제입니다. 그래서 모델의 평균 정확도보다 위험 유형별 재현율과 오탐 패턴, 날씨·시간대·장소별 성능 변화를 보는 것이 필요합니다. 자동 차단처럼 물리 행동으로 이어지는 기능은 더 엄격한 확인 규칙이 필요할 수 있습니다.
또 하나는 ‘마지막 100미터’입니다. 관제센터에서 위험을 알아챈 뒤 시민에게 어떤 방식으로 전달되는지가 안전 효과를 결정합니다. 청각장애인과 시각장애인, 고령자, 외국인처럼 경고를 받아들이는 방식이 다른 사람도 있습니다. 전광판 하나만으로 충분하지 않을 수 있고, 음성 방송만으로는 놓치는 사람이 생길 수 있습니다. 여러 채널을 조합하고 메시지를 짧고 명확하게 만들며, 실제 대피 동선과 일치하는지 반복 훈련해야 합니다.
마지막으로 사업의 지속가능성을 봐야 합니다. 시범사업 때 설치한 장비가 몇 년 뒤에도 유지되는지, 카메라와 센서 제조사가 달라져도 데이터를 연결할 수 있는지, 소프트웨어 업데이트가 중단되면 대체가 가능한지, 학습데이터를 갱신할 인력과 예산이 있는지가 중요합니다. 안전 인프라는 한 번의 구축이 아니라 유지·점검·훈련·개선이 반복되는 서비스입니다.
전국 확산의 다음 질문: ‘어디에 AI를 붙일까’보다 ‘어떤 안전 문제를 줄일까’
THE NEXT STANDARD행정안전부는 이번 경진대회에서 확인된 우수 안전서비스가 다른 지역으로 확산될 수 있도록 지원하고 디지털 재난안전관리체계를 발전시키겠다고 밝혔습니다. 확산이 시작되면 가장 경계해야 할 것은 수상한 기술을 그대로 복제하는 방식입니다. 동두천의 실종 수색 문제, 울산 북구의 산림·해안·하천 복합재난, 서초구의 도심 침수 위험은 지역 조건이 다릅니다. 같은 카메라와 같은 AI 모델을 전국에 일괄 배치하는 것이 반드시 최선은 아닙니다.
좋은 확산은 ‘기술 목록’이 아니라 ‘문제 해결 구조’를 공유하는 데서 출발해야 합니다. 실종 수색에서는 초기 정보 연결과 신속한 영상 탐색이 중요하고, 침수 대응에서는 수위·영상·도로 통제와 시민 경고의 연결이 중요합니다. 산업단지에서는 화재·유해물질·설비 이상 같은 위험 특성을 따로 봐야 할 수 있습니다. 농산어촌이나 산악지역은 통신 음영과 장거리 이동을 고려해야 합니다. 지역이 먼저 위험 시나리오와 대응시간 목표를 정한 뒤 필요한 센서와 AI를 선택하는 순서가 바람직합니다.
또한 지역 간 연계를 고려하면 데이터 형식과 장비 인터페이스의 표준화가 중요해집니다. 재난은 행정구역 경계를 넘습니다. 하천이 여러 시·군을 지나고, 산불이 바람을 타고 이동하며, 도로는 다른 관할과 이어집니다. 어느 한 지자체 시스템만 뛰어나도 인접 지역과 정보를 주고받지 못하면 전체 대응은 끊길 수 있습니다. 법이 공공기관 CCTV 연계의 근거를 마련한 만큼 앞으로는 필요한 정보만 안전하게 공유하면서도 시스템 간 호환성을 높이는 실무가 중요해질 가능성이 큽니다.
시민의 신뢰 역시 확산의 기반입니다. 카메라가 많아지고 AI 분석이 늘어나는 상황에서 안전 효과와 개인정보 보호를 서로 반대되는 가치로만 놓으면 지속적인 운영이 어렵습니다. 어떤 데이터를 왜 쓰는지, 누구에게 접근권한이 있는지, 오탐이 발생했을 때 어떻게 바로잡는지, 실제로 어떤 안전성과가 있었는지를 투명하게 설명해야 합니다. 기술을 보이지 않게 확대하는 것보다 시민이 이해하고 감시할 수 있는 운영규칙을 함께 만드는 편이 장기적으로 더 강한 안전 인프라를 만듭니다.
정리: 카메라의 눈보다 중요한 것은 ‘연결된 대응’이다
THE TAKEAWAY2026년 지방정부 CCTV 통합관제 우수사례 7건은 지역 안전관제가 새로운 단계로 이동하고 있음을 보여줍니다. 동두천시는 사회적 약자 실종 수색의 초기 공백을 줄이는 데 초점을 맞췄고, 울산 북구는 여러 자연재난 신호와 현장 차단·경고 장비를 하나의 대응 체계로 묶었습니다. 서초구는 비전 AI를 침수·맨홀 위험 분석과 원격 대응에 연결했습니다. 예산군·제천시·영암군·해남군의 수상작은 피지컬 AI, 침수 대응, 산업단지 관제, 드론 융합처럼 적용 영역을 더 넓혔습니다.
동시에 이번 사례를 ‘AI가 모든 재난을 해결한다’는 신호로 읽어서는 곤란합니다. 행정안전부가 공개한 자료는 우수한 방향과 현장 아이디어를 보여주지만 모든 시스템의 장기 성과와 오류율, 비용효과를 비교한 평가보고서는 아닙니다. 실제 확산 단계에서는 지역별 위험을 정확히 정의하고, 사람의 확인과 수동 전환을 남겨두며, 개인정보 최소처리와 접근통제를 지키고, 장애 상황에서도 경고가 끊기지 않는지 반복해서 점검해야 합니다.
결국 시민이 체감하는 안전은 관제센터의 화면 수가 아니라 위험을 발견하고 행동으로 옮기는 시간에서 만들어집니다. 카메라가 이상을 보고, AI가 후보를 추리고, 사람이 확인하고, 차단기와 방송과 내비게이션이 경고를 전달하고, 현장 인력이 같은 정보를 보며 움직일 때 비로소 하나의 안전 시스템이 됩니다. 앞으로 지역의 AI CCTV를 평가할 기준도 ‘얼마나 첨단인가’보다 ‘위험을 얼마나 정확하고 책임 있게 줄였는가’에 가까워져야 합니다.
시민이 실제로 체감하는 변화는 ‘알림을 받기 전’에 시작된다
A DAY IN THE SAFETY LOOPAI CCTV와 통합관제는 평소에는 눈에 잘 띄지 않는 인프라입니다. 시민이 카메라 화면을 직접 보는 것도 아니고, 관제센터에 매일 접속하는 것도 아닙니다. 그래서 사업의 성과를 설명할 때 장비 대수나 AI 모델 이름만 나열하면 체감이 어렵습니다. 시민이 느끼는 변화는 위험 상황에서 행동 선택지가 더 빨리 생기는가로 나타납니다. 폭우가 내릴 때 지하차도에 도착하기 전에 우회 정보를 받는지, 하천 산책로에 들어가기 전에 차단과 방송이 작동하는지, 실종 신고 뒤 수색이 필요한 구역을 더 신속히 좁힐 수 있는지처럼 ‘몇 분 먼저 알았는가, 어디에서 멈출 수 있었는가’가 중요한 질문입니다.
이를 위해 지방정부는 기술 성능과 함께 서비스 성과를 측정할 필요가 있습니다. 예를 들어 침수 분야라면 위험 징후 감지부터 관제 확인, 현장 통제 시작, 시민 경고 전달까지 단계별 시간이 얼마나 걸렸는지 기록할 수 있습니다. 실종자 수색이라면 신고 접수 뒤 최초 유의미한 위치 단서를 확보하기까지의 과정과, AI 검색 결과 가운데 실제 수색에 도움이 된 비율을 살펴볼 수 있습니다. 자동 차단 장비라면 실제 위험 상황에서 정상 작동한 비율뿐 아니라 불필요하게 작동한 사례와 수동 복구 시간도 함께 봐야 합니다. 이런 지표가 쌓여야 ‘첨단 장비를 설치했다’는 설명을 넘어 실제 안전효과를 비교할 수 있습니다.
공개 방식도 중요합니다. 보안상 공개하기 어려운 세부 위치나 영상이 있더라도, 시스템이 어떤 위험을 대상으로 하는지, 어느 부서가 책임지는지, 시민 경고 수단은 무엇인지, 개인정보는 어떤 원칙으로 처리하는지 같은 운영 원칙은 알기 쉽게 설명할 수 있습니다. 특히 AI가 자동으로 경보를 내리는 시스템은 오탐이 생길 수 있다는 사실을 숨기기보다, 오탐을 줄이기 위해 어떤 확인 절차를 두고 있는지 알려주는 편이 신뢰 형성에 도움이 됩니다. 안전기술은 실패 가능성이 ‘0’이라고 선언할 때보다 실패를 발견하고 복구하는 절차가 투명할 때 더 신뢰할 수 있습니다.
현장 인력의 경험을 기술에 반영하는 과정도 빠질 수 없습니다. 재난 담당 공무원, 관제요원, 경찰·소방, 시설관리 인력은 화면만으로는 알기 어려운 지역 특성을 알고 있습니다. 특정 하천은 짧은 시간에 수위가 오르고, 어떤 지하차도는 우회로가 멀며, 특정 골목은 야간 조명 때문에 영상이 쉽게 번질 수 있습니다. AI 모델과 경보 임계값을 중앙에서 일괄 적용하기보다 이런 현장 지식을 반영해 조정하고, 실제 재난과 훈련 뒤에 규칙을 다시 수정하는 순환 구조가 필요합니다. 기술은 현장 경험을 대체하는 것이 아니라 더 빠르게 활용할 수 있게 만드는 도구에 가깝습니다.
마지막으로 시민 스스로도 모든 경고를 시스템이 대신해 줄 것이라고 기대해서는 안 됩니다. 카메라와 센서가 설치되지 않은 곳이 있고, 통신 장애나 정전이 발생할 수 있으며, 급격한 재난은 자동 분석보다 빠르게 진행될 수 있습니다. 지자체의 통제·경고를 따르되 기상특보와 재난문자, 현장 안내를 함께 확인하고, 위험 구역에 접근하지 않는 기본 행동은 여전히 중요합니다. 디지털 안전망이 강해질수록 개인의 안전수칙이 사라지는 것이 아니라, 더 빠른 공공 경고와 시민의 판단이 서로 보완하는 구조가 되어야 합니다.
지방정부가 새 시스템을 도입할 때 계약 단계부터 성과 측정과 데이터 이전 조건을 명확히 하는 것도 중요합니다. 특정 업체의 장비와 소프트웨어에 지나치게 묶이면 몇 년 뒤 더 나은 기술이 나와도 교체가 어렵고 유지비가 커질 수 있습니다. 학습데이터와 운영기록을 어떤 형식으로 보관하는지, 모델을 업데이트한 뒤 이전 버전과 성능을 어떻게 비교하는지, 계약이 끝나도 필요한 안전기록을 공공이 계속 관리할 수 있는지까지 정해 두어야 합니다. 이런 보이지 않는 운영 조건이 갖춰져야 AI 관제가 일회성 시범사업이 아니라 장기간 신뢰할 수 있는 생활안전 서비스로 남을 수 있습니다.
주요 확인 자료
행정안전부 보도자료 — 「인공지능(AI)과 CCTV로 더 안전해지는 우리 동네」, 2026년 9월 3일. 7개 수상사례와 지하차도·드론·비탈면 관련 정책 발표 내용을 확인했습니다. 행정안전부 원문
국가법령정보센터 — 「재난 및 안전관리 기본법」 제74조의5. 통합관제센터 설치·운영, AI 분석, 공공기관 CCTV 연계, 최소한의 개인정보 처리 원칙을 확인했습니다. 법령 조문
국가법령정보센터 — 「지방자치단체 영상정보처리기기 통합관제센터 설치·운영에 관한 고시」(행정안전부고시 제2026-31호). 통합관제센터와 영상정보처리시스템의 운영·안전관리 체계를 확인했습니다. 행정규칙 원문
댓글
댓글 쓰기