대규모 재해가 발생했을 때, 지자체의 재해대응본부는 주민의 신고, 피해 상황, 관련 기관의 보고 등 방대한 정보가 한꺼번에 쏟아져 들어옵니다. 이러한 정보를 정리하고 무엇을 우선시하며, 어떤 조직에 대응을 요청할지 결정해야 합니다. 제한된 시간과 인력 속에서 직원들은 인명과 관련된 중대한 판단을 강요받습니다.
이러한 '오류가 허용되지 않는 영역'에서 생성 AI 가 어디까지 도움이 될 수 있는지에 대한 질문이 제기됩니다.
NTT 도동일본의 방재연구소는 2026 년 8 월,神奈川県横須賀시와 함께 생성 AI 를 활용한 재해대응본부 업무 실증 사업을 수행했습니다. 지역 방재 계획 등을 참조하여 대응해야 할 조직과 구체적인 지시 내용, 우선순위를 AI 가 제시하는 시스템입니다. 실증 결과, AI 를 활용함으로써 처리 가능한 정보량이 증가했으며, 지시 내용도 구체화되는 경향이 확인되었습니다. 반면, 경력이 얕은 직원일수록 AI 의 제안을 그대로 수용하기 쉬운 새로운 문제점도 드러났습니다.
AI 에 위임해야 할 업무와 인간이 계속 담당해야 할 판단은 무엇이며, AI 를 현장에서 기능적으로 작동시키기 위해 필요한 조건은 무엇인지에 대해 NTT 도동일본 주식회사 방재연구소 소장 사사쿠라 아키라 님과, 해당 연구소의 방재연구부에서 지역 방재 고도화를 추진 중인 오노 테츠헤이 님에게 실증에서 얻은 통찰과 향후 전망을 물었습니다.
※取材는 2026 년 10 월 7 일에 이루어졌습니다.
NTT 도동일본 주식회사 방재연구소 소장 사사쿠라 아키라
1997 년 일본 전기 전화 주식회사 (현 NTT 주식회사) 에 입사하여 통신 인프라 구축 및 운영과 재해 대응 분야에서 오랫동안 활동했으며, 2011 년 동일본 대지진 당시 NTT 그룹의 재해 대응에 참여했습니다. NTT 동일본 재해 대응실장 등을 역임하여 2025 년 4 월부터 방재연구소장을 맡았습니다. 재해 대응의 지식과 디지털 기술을 활용하여 지역 방재의 고도화를 추진하고 있습니다.
NTT 동일본 주식회사 방재연구소 방재연구부 지역방재고도화 담당 대노 테이페이
2025 년 동일본 전기 전화 주식회사 (현 NTT 동일본 주식회사) 에 입사하여同年 4 월부터 방재연구소에 소속되었습니다. 전직 SIer 에서 파도 수치 시뮬레이션이나 확률론적 해azard 평가 등 재해 관련 분석 업무를 수행했습니다. 현재는 그 지식을 활용하여 생성 AI 를 통한 재해 대응본부 의사결정 지원을 연구하고 있으며, 이를 위해 요스카와 시와의 실증 사업을 담당하고 있습니다. 또한 재해 발생 시 업무량 및 필요 인원의 추정에 대해서도 연구하고 있습니다.
## "통신을 지키다"에서 "지역의 재해 대응을 지원하다"로. 방재연구소가 태어난 배경
NTT 동일본이 2025 년 4 월에 설립한 방재연구소는, 해당 회사가 오랫동안 축적해 온 재해 대응 지식과 데이터 및 첨단 기술을 결합하여 지역 방재의 고도화를 목표로 하는 조직입니다. 그 배경에는 통신 사업자로서의 재해 대응 방식이 시대 흐름에 따라 변화해 왔다는 점이 있습니다.
과거 NTT 그룹이 중점적으로 다룬 것은 통신 빌딩과 통신 설비를 강화하여 재해가 발생하더라도 통신 서비스를 유지하는 것이었습니다. 그러나阪神·淡路 대지진과 동일본 대지진과 같은 대규모 재해를 겪은 이후 설비를 보호하는 것뿐만 아니라 재해 발생 후 통신 복구에 얼마나 빠르게 대응할 수 있는지가 중요해졌습니다.
이에 따라 재해 대응 절차도 변화했습니다. 기존에는 설비를 육안으로 점검하고 정보를 수동으로 집계하는 등 아날로그 업무가 중심이었으나, 일상 업무의 디지털화가 진전됨에 따라 재해 상황에서도 활용 가능한 데이터가 축적되기 시작했습니다. 재해 대응 자체의 고도화는 재해 대응을 위한 데이터 활용으로 이어졌습니다.
이 경험을 통신 사업뿐만 아니라 지역 전체의 재해 예방에 적용할 수 있을까요. 이러한 발상이 재해 예방 연구소의 설립으로 이어졌습니다. 사사쿠라氏は 연구소가 목표로 하는 역할에 대해 다음과 같이 말했습니다.
"우리는 자치단체의 오른팔 같은 존재가 되기를 목표로 하고 있습니다. 지역 재해 예방에는 인력이 부족하고 직원이 수년마다 이직하는 등의 문제가 있습니다. 지금까지 축적된 경험과 노하우를 활용하여 민간 기업과 함께 지역 재해 예방을 지원하고 싶습니다"(사사쿠라氏)
연구소가 다루고 있는 주제는 대피 상황 예측, 취약계층 지원, 지자체 재난 대응 본부 운영 지원 등 매우 다양합니다. 그 중 AI 활용을 추진하고 있는 것은 직원의 의사결정 지원 사업입니다. 재난 대응의 어려움은 결정해야 할 사항이 많지만, 그 결정에 필요한 정보가 반드시 체계적으로 정리되어 있지 않기 때문입니다.
재난 발생 직후에는 주민의 전화, 무선 통신, 현장 보고, SNS 등 다양한 경로를 통해 정보가 유입됩니다. 이들을 시간 순서대로 기록하는 것만으로도 부담이 크지만, 실제로는 내용을 분류하고 우선순위를 정하며 대응 조직을 결정해야 합니다. 실증에 참여한 오노氏は, 여기에 생성 AI 가 빛을 보게 된다고 설명합니다.
"현재는 수집된 정보가 반드시 통합 관리되어 있지 않아 전체적인 상황을 파악하기 어려운 문제가 있습니다. AI 를 활용하여 정보를 분류하고 우선순위를 정하며, 어떤 조직에 무엇을 요청해야 하는지까지 체계화할 수 있다면, 직원은 본래의 목적인 의사결정에 집중할 수 있을 것이라고 생각합니다"(오노氏)
목표는 AI 가 재난 대응의 모든 것을 대신하는 세계가 아닙니다. 방대한 정보를 사람이 판단할 수 있는 상태로 정리하는 것입니다. 그 역할을 AI 가 수행함으로써 지자체 직원의 부담을 줄이고, 판단의 질과 속도를 높이고자 합니다.
横須賀시에서 실증. AI 로 처리량은 약 50% 증가
2026 년 8 월 31 일, 방재연구소는 여수시와 함께 생성 AI 를 활용한 재해 대응 본부 업무 실증 실험을 실시했습니다. 참여자는 여수시 위기 관리과 직원 6 명으로, 방재 업무 경험이 긴 3 명과 짧은 3 명으로 나뉘어 AI 를 사용하지 않는 경우와 사용하는 경우를 비교하여 재해 발생 시 대응 방식에 어떤 차이가 있는지 검증했습니다.
실증 실험 장면 (이미지 출처: NTT 도호쿠)
시뮬레이션한 재해는 미우 반도 단층군을 진원지로 하는 최대 진도 6 강 지진입니다. 직원들은 주어진 재해 정보를 바탕으로 대응 대상과 지시 내용을 검토하고 우선순위를 정했습니다.
이번에는 생성 AI 애플리케이션 구축에 'Dify'를 활용했습니다. AI 에게 참조하게 한 자료는 여수시의 지역 방재 계획과 도쿄대 산학협력연구소 부속 재해 대응 훈련 센터 (DMTC) 부 센터장인 시노다 모순 준교수의 재해 대응 현장 지식을 바탕으로 재해 대응 업무를 8 분야 47 종으로 체계화한 실무 가이드 '재해 대응 오퍼레이션 북 47' 일부입니다.
여수시의 지역 방재 계획에는 시 내부 조직과 지정 공공 기관 등을 포함한 68 개 조직에 대해 각각의 역할과 담당 업무가 명시되어 있습니다. 반면, 재해 대응 오퍼레이션 북 47 은 재해 대응 업무를 47 종으로 분류·정리하고 있습니다. AI 는 이를 참조하여 입력된 상황에 대해 어떤 조직이 무엇을 해야 하는지를 우선순위를 함께 제시합니다.
사사쿠라氏は 이 시스템에 대해 다음과 같이 평가했습니다.
「지역 방재 계획에 명시된 조직의 역할과 실제로 해결해야 할 과제를 연결함으로써, 누구에게 어떤 지시를 내릴지 상당히 구체적인 운영 절차에 가까운 것을 제시해 줍니다. 단일 팀뿐만 아니라 여러 팀에 동시에 지시를 내릴 필요까지 제안할 수 있다는 점은 매우 흥미롭습니다」(사사쿠라氏)
그렇다면 실제로 AI 를 활용함으로써 직원의 업무는 어떻게 변했을까요. 오노氏에 따르면, 실증 연구에서 AI 를 사용할 경우 처리 가능한 재해 정보 건수가 약 50% 증가했습니다. 또한, 대응 대상자에게 내는 지시 내용은 문자 수 기준으로 약 2.5 배로 늘어나 더 구체적인 지시를 작성할 수 있게 되었다는 것입니다.
물론 문자 수가 늘어난 것이 곧 지시의 정확성이나 재해 대응 성과를 의미하는 것은 아닙니다. 하지만 직원이 처음부터 대응 내용을 생각하고 문장으로 정리하는 부담을 줄일 수 있다는 가능성을 보여줍니다. 참여자 중에는 스스로 생각하지 못했던 대응 대상이나 대응 방법을 알 수 있었다는 목소리도 들렸습니다.
68 개 조직의 역할을 경험 풍부한 직원이라 하더라도 모두 파악하고 있는 것은 아닙니다. AI 가 후보를 포괄적으로 제시하는 것은 베테랑 직원에게도 판단을 보완하는 자료가 될 수 있습니다. 또한, 실증 과정을 통해 드러난 것이 장시간에 걸친 재해 대응에서의 활용 가능성입니다.
"재난 대응은 초기 대응 단계로 끝나는 것이 아닙니다. 몇 시간, 경우에 따라서는 며칠 동안 대응이 이어집니다. 인간은 피로하지만 AI 는 피로하지 않습니다. 일정한 답변을 제시해 준다는 점에서 직원들의 피로와 심리적 부담을 완화할 수 있지 않을까라는 의견도 있었습니다"(오노氏)
## "모든 것을 믿고 싶어진다"――AI 의 정확도가 높기 때문에 발생하는 리스크
실증 연구에서는 생성 AI 의 효용과 함께 중요한 과제도 드러났습니다. 그것이 바로 AI 에 대한 과신입니다. AI 가 제시한 대응 방안 중 직원이 그대로 채택한 것은 약 절반에 달했습니다. 나머지에는 직원의 지식이나 경험을 바탕으로 내용을 수정한 것 등이 포함됩니다. 특히 방재 업무 경험이 적은 직원은 AI 의 제안을 그대로 채택하는 경향이 보였다는 것입니다.
NTT 동일본 주식회사 방재연구소 방재연구부 지역 방재 고도화 담당 오노 씨
"경험이 적은 직원들からは『모든 것을 믿고 싶어진다』는 목소리도 있었습니다. 생성 AI 는 그럴싸한 답변을 제공하기 때문에 그대로 수용할 위험이 있습니다. 실제 운영을 위해서는 이 부분을 철저히 고려해야 합니다"(오노氏)
재난 대응에서 AI 가 제시한 우선순위가 반드시 그 시점에서 최적의 판단이라고 할 수는 없습니다. 또한 생성 AI 는 동일한 정보를 입력하더라도 출력 결과가 완전히 일치하지 않는 특성을 가지고 있습니다.
이번 시범에서는 AI 에이전트가 처리 절차를 자율적으로 판단하도록 하는 대신, 미리 처리 흐름을 정의한 워크플로우형 애플리케이션을 채택했습니다. 모델 출력을 조정하는 파라미터도 고안하여 답변의 변동성을 억제하는 설계로 구현했습니다. 그럼에도 불구하고 출력의 변동성을 완전히 제거하는 것은 불가능합니다. 따라서 AI 의 출력은 '정답'이 아닌,あくまで '추천 정보'로 위치시킵니다. 사사쿠라氏は는 AI 가 제시한 우선순위가 현장 상황에 따라 변한다는 점을 지적했습니다.
재난 상황에서는 주변 환경이나 주민으로부터 수집되는 정보에 따라 우선순위가 달라집니다. 여러 대응 방안이 제시되었을 때, 어떤 순서로 실행할 것인가에 대해 현재 단계에서는 이를 인간이 판단해야 한다고 생각합니다"(사사쿠라氏)
방재연구소가 생각하는 역할 분담은 명확합니다. AI 는 대량의 정보의 정리·분류, 대응 대상 및 대응 내용의 후보 제시, 판단 근거의 참조를 담당합니다. 반면 인간은 제안의 채택·수정·거부 결정을 내리고, 전체를 포괄적으로 파악하여 우선순위를 조정하며, 주민 및 관련 기관에 대한 설명 책임을 지습니다.
다만, 인간이 최종 판단을 내도록 하는 시스템으로 구축하더라도 그것만으로는 안전하다고 할 수 없다. AI 의 제안을 인간이 검증하려면, 왜 그 제안이 나왔는지, 어떤 정보를 근거로 삼았는지 확인 가능해야 한다. 또한, AI 가 제시한 대응先に 업무가 집중되면 다른 문제도 발생할 수 있다. 예를 들어, 인명 구제와 관련된 정보가 대량으로 접수될 경우, AI 가 소방관 등 특정 조직에 대한 대응 요청을 순차적으로 제안할 가능성이 있다. 그러나 해당 조직이 이미 대응 능력의 한계에 도달해 있다면, 올바른 지시라도 실행할 수 없다.
"세련된 답변은 제공해 주지만, 실제로 지시를 내렸을 때 그 다음 단계에 사람이 있는지가 다음으로 중요한 문제입니다"(사카쿠라氏)
앞으로는 각 조직에 업무가 얼마나 집중되어 있는지 가시화하고, 필요에 따라 지원 인력을 투입할 수 있는 메커니즘도 구축되어야 할 것이다. AI 가 올바른 제안을 할 수 있는 것과 그 제안을 현장에서 실행할 수 있는 것은 별개의 문제다.
## AI 를 고도화하기 전에, 재해 대응 자체를 변화시킬 수 있는가
이번 시범사업은 일정 수준의 가능성을 보여준 반면, 방재연구소는 생성 AI 를 본격적으로 활용하기 위해서는 더 근본적인 과제를 해결해야 한다고 판단하고 있다. 그것은 AI 가 판단하기 위해 필요한 정보를 근본적으로 충분히 수집하고 있지 못하다는 문제다. 사카쿠라氏는 현재의 재해 대응 본부의 정보 관리 방식에 문제를 느끼고 있다고 한다.
"재난 현장에서는 모인 정보를 화이트보드에 적습니다. 하지만 이것이 모든 정보인 것은 아닙니다. 단지 직원이 우연히 받은 정보만 적혀 있을 수도 있습니다. 이러한 지역 재난 대응 방식을 바꾸지 않으면, AI 가 모든 것을 판단하는 시스템 구축은 어렵다고 생각합니다" (사사쿠라氏)
NTT 동일본 주식회사 재난연구소 소장 사사쿠라 씨
AI 가 얼마나 고도화되더라도 입력되는 정보가 부족하면 지역 전체를 고려한 판단은 불가능합니다. 또한 필요한 정보는 재난의 단계에 따라 달라집니다. 재난 발생 직후에는 주민의 안전 여부, 도로 및 생활 인프라 피해 상황, 의료 기관 운영 현황 등 인명 구제와 직접적으로 연결되는 정보가 중요합니다. 반면 시간이 지날수록 피난 생활 지원, 물자 공급, 피해 증명 발급 등 우선해야 할 업무는 변화해갑니다.
"무엇을 해결하기 위해 평소 어떤 정보를 수집해 두어야 하는가? 그것은 지역마다 다를 수 있습니다. 모든 것을 통일하는 것이 아니라, 지역의 실정에 맞춰 고려해야 한다고 생각합니다" (사사쿠라氏)
한편, AI 시스템 자체에 대해서는 표준화할 수 있는 부분이 많다는 점입니다. 지역 재난 계획과 재난 대응 워크플로우를 참조하여 대응 방안을 제시하는 기본 논리는 공통화할 수 있습니다. 또한 각 지역의 계획과 데이터를 반영하여 각 지자체에 적합한 제안을 제시하는 방식입니다.
그리고 또 다른 중요한 것은 재난 대응 경험을 조직의 지식으로 남기는 것입니다. 재난은 빈번하게 발생하는 것이 아니며, 직원의 이직으로 인해 과거 대응 경험이 다음 재난에 충분히 계승되지 않는 문제점이 있습니다. AI 가 무엇을 제안하고, 인간이 무엇을 채택·수정하며, 최종적으로 어떻게 대응했는지를 기록할 수 있다면, 재난 이후 판단을 되돌아보고 다음 훈련이나 지역 재난 예방 계획의 개선에 활용할 수도 있습니다.
재난 예방 연구소는 AI 를 도입하여 끝내는 것이 아니라, 평시 훈련이나 일상 업무에도 통합하여 계속 사용할 수 있는 시스템을 구축하는 데 중점을 둡니다. 오노氏は 이번 실증 과정을 통해 AI 를 사용할 경우에도 인간의 훈련이나 현장에서의 운영 설계가 필수적임을 다시 한번 인식했다고 합니다.
"AI 가 있어도 훈련을 없앨 수는 없다"는 목소리를 들었습니다. AI 의 정확도가 얼마나 높아져도, 사람이 관여하며 현장에서 사용 가능하도록 만들어가는 것이 필요하다고 생각합니다" (오노氏)
앞으로 지자체의 인력 부족과 재난 대응 경험의 계승이 어려워지는 가운데, AI 가 의사결정에 관여하는 정도는 더욱 높아질 것으로 보입니다.
"수도권 직하 지진이나 남해안 트라프 지진과 같은 국가적 재난이 발생했을 때, 의사결정을 최적화하려면 디지털의 힘, 특히 AI 의 힘을 빌리지 않으면 어렵다고 생각합니다. 그렇기에 지역 주민들과 함께 현재 AI 로 어디까지 가능한지를 확인하면서 실증에 착수해 나가야 합니다" (사카쿠라氏)
取材는 NTT 동일본이 소유한 트레일러 하우스 내부에서 실시되었습니다.
이번 여수시에서의 실증은 AI 가 인간 대신 재해 대응을 판단할 수 있게 되었다는 것을 보여준 것이 아닙니다. 오히려 AI 를 활용함으로써 기존에 직원의 개인 경험이나 판단에 의존하던 업무를 가시화하고, 조직 차원에서 공유 및 개선할 수 있는 가능성이 드러나 있다는 점이 의미 있습니다.
중요한 것은 판단 오류가 허용되지 않는 영역에서 AI 활용을 피하는 것이 아니라, 그 특성과 한계를 이해한 상태에서 인간의 판단을 어떻게 지원할지 구축하는 방식에 있다는 점입니다.
재난 예방 현장에 진행되고 있는 이러한 노력은 의료나 사회 인프라와 같이 높은 신뢰성과 신중한 판단이 요구되는 분야에서도 AI 를 구현하기 위한 시사점을 제공하고 있습니다.
원문 보기 | 출처: Ledge.ai