국경 감시 타워 25년, 탐지는 됐지만 아무도 오지 않았다

25년, 수십억 달러. 미국이 남부 국경에 감시 타워를 세우는 데 들인 시간과 돈입니다. MIT 테크놀로지 리뷰가 진행한 조사는 그 타워들이 감시하던 구역을 지나간 뒤 아무도 도달하지 않았고 결국 그곳에서 숨진 사람 천여 명을 기록으로 정리했습니다. 일부는 사람을 자동으로 식별하도록 새로 설치된 AI 타워의 시야 안에 있었고요. 장비가 고장 나서 벌어진 일이 아니라는 점이 이 기록의 핵심입니다. 영상은 있었고, 감지도 됐을 가능성이 크고, 그다음이 없었던 거죠.

감시 장비는 탐지 장치지 구조 장치가 아니다

카메라·레이더·열화상 센서를 묶은 감시 시스템은 ‘무언가가 거기 있었다’는 신호를 만들어내는 기계입니다. 그 신호가 사람의 판단으로 옮겨가고, 판단이 출동 지시로 바뀌고, 출동이 실제 도착으로 이어지는 건 전부 별개의 시스템이에요. 장비 카탈로그에 적히는 숫자는 첫 단계만 설명합니다. 탐지 거리 몇 킬로미터, 객체 분류 정확도 몇 퍼센트 같은 값이죠.

국경 감시 타워 사례가 보여주는 건 첫 단계가 성공해도 나머지 세 단계 중 하나라도 비면 결과가 0이 된다는 겁니다. 홈 CCTV도 원리는 같아요. 침입 알림이 휴대폰에 떴는데 회의 중이라 못 봤다면, 그 시스템은 탐지에는 성공하고 보호에는 실패한 겁니다. 기록은 남죠. 사건은 이미 끝난 뒤고요.

탐지율보다 오탐과 대응 시간이 결과를 가른다

AI 영상분석 제품을 비교할 때 가장 눈에 띄는 수치가 객체 인식 정확도인데, 실사용에서 체감을 결정하는 건 오탐 빈도입니다. 오탐이 잦으면 사람이 알림을 무시하기 시작해요. 경보 피로라고 불리는 현상입니다. 시스템은 멀쩡히 돌아가는데 인간 쪽 반응만 서서히 0에 수렴하는, 조용한 방식의 실패죠. 광범위한 구역을 감시하는 대형 시스템일수록 하루에 쌓이는 알림 수가 사람이 검토 가능한 양을 넘어가기 쉽고, 그 순간부터 ‘누가 볼 것인가’는 기술 문제가 아니라 인력 배치 문제가 됩니다.

대응 시간도 마찬가지예요. 감지 지점과 대응 인력 사이의 거리가 멀면, 탐지 성능을 아무리 올려도 도착 시간은 줄지 않습니다. 넓은 야외를 커버하는 감시망이 구조 실패로 이어지는 구조적 이유가 여기 있어요. 카메라는 시야를 넓히는 데 유리하지만, 사람은 발로 이동하니까요.

감시 체계의 네 단계와 각 단계에서 생기는 공백

국경 감시 사례에서 확인된 사망 기록은 이 표의 뒷쪽 두 칸이 비었을 때 어떤 결과가 나오는지를 보여주는 자료로 읽힙니다. 조사팀이 별도로 제시한 개선 방향 역시 카메라를 더 좋은 걸로 바꾸는 쪽이 아니라 시스템 운영 방식을 겨냥하고 있고요. 장비 탓이 아니라는 진단이 개선안에도 그대로 반영된 셈입니다.

감지 기능 있는 카메라를 고를 때 먼저 정할 세 가지

제품 목록부터 보면 스펙 경쟁에 끌려다니게 돼요. 순서를 뒤집어서 다음 세 가지를 먼저 확정하는 편이 낫습니다.

첫째, 누가 알림을 받고 누가 움직이나. 혼자 사는 집인지, 가족이 교대로 보는 구조인지, 관제 업체에 위탁하는지에 따라 필요한 기능이 완전히 달라집니다. 사람이 즉시 못 움직이는 환경이라면 출동 서비스가 포함된 상품이 현실적이고, 그게 아니면 아무리 좋은 카메라를 달아도 사후 기록 장치에 가까워져요.

둘째, 오탐을 줄이는 수단이 있나. 사람·차량·동물 구분, 관심 영역 지정, 시간대별 민감도 분리 같은 기능이 있는지 확인하세요. 이게 없으면 나뭇가지와 고양이 때문에 알림을 꺼버리게 됩니다.

셋째, 저장과 통신이 끊겼을 때 어떻게 되나. 클라우드 전용 제품은 인터넷이 끊기면 알림도 녹화도 함께 멈추는 경우가 있어요. 로컬 저장(SD·NVR)을 병행하는지, 정전 시 동작하는지를 예산보다 먼저 따져보는 게 좋습니다. 예산은 이 세 가지를 정한 뒤 후보군을 좁히는 필터로 쓰면 충분하고요.

감지 설정에서 실제로 손봐야 할 항목

설정 메뉴 이름은 제조사와 앱 버전마다 달라서 아래 경로는 그대로 일치하지 않을 수 있는데, 찾아야 할 항목 자체는 대체로 공통입니다.

먼저 앱 → 카메라 선택 → 설정(톱니) → 이벤트 감지 계열 메뉴에서 감지 유형을 확인하세요. ‘모션’만 켜져 있으면 움직이는 모든 것이 알림이 되니, 사람 감지·차량 감지처럼 객체 단위 옵션이 있으면 그쪽으로 바꾸는 편이 오탐을 크게 줄여줍니다.

다음은 감지 영역(관심 영역) 설정입니다. 화면 전체 대신 현관 앞, 창문 주변처럼 실제로 지켜야 할 구역만 남기세요. 도로나 이웃 마당이 화면에 들어가 있으면 그 부분을 빼는 것만으로 알림 수가 눈에 띄게 줄어듭니다. 사생활 마스킹 기능이 따로 있다면 함께 적용하는 게 좋고요.

그리고 스마트폰 → 설정 → 알림 → 해당 앱에서 알림 권한과 방해 금지 예외를 점검하세요. 카메라 쪽 설정이 완벽해도 휴대폰에서 알림이 묶여 있으면 전달 단계가 통째로 빕니다. 안드로이드는 배터리 최적화 예외 처리까지 확인해야 백그라운드 알림이 안정적이에요. iOS라면 시간 민감 알림 허용 여부를 함께 보는 걸 권합니다. 야간 모드, 조명 연동, 저장 기간 설정까지 점검하면 기본 구성은 끝.

국내 지능형 관제 확대에서 똑같이 비는 칸

국내 지자체와 사업장에서도 영상에 객체 인식을 붙인 관제 시스템이 늘고 있습니다. 국경 감시 사례에서 드러난 공백이 그대로 반복될 여지는 기술이 아니라 운영 쪽에 있다고 보입니다. 카메라 대수와 AI 분석 채널은 예산으로 빠르게 늘릴 수 있지만, 알림을 검토하는 관제 인력과 현장 출동 체계는 같은 속도로 늘지 않기 때문이에요. 표의 ‘판단’과 ‘출동’ 칸이 비는 방식이 동일합니다.

여기서부터는 추측인데요. 도입 성과를 카메라 설치 대수나 탐지 건수로 보고하는 관행이 유지되면, 실제 대응까지 이어진 비율은 측정되지 않은 채 남을 가능성이 큽니다. 개인 사용자 입장에서 바로 달라지는 건 하나예요. 내 집이나 가게에 AI 감지 카메라를 달았다면, 그 장비의 성능이 아니라 ‘알림이 울렸을 때 30초 안에 누가 무엇을 하는가’를 미리 정해두는 쪽이 안전에 더 기여합니다. 정해둔 게 없으면 그 시스템은 사건 이후 영상을 확인하는 용도로 수렴하거든요.

확인된 것과 아직 불확실한 것

확인된 것

• 미국은 25년간 남부 국경에 감시 타워로 이뤄진 ‘가상 장벽’을 구축하는 데 수십억 달러를 지출했다.
• MIT 테크놀로지 리뷰의 조사는 이 타워들이 감시하는 구역을 지나간 뒤 구조되거나 검거되지 않고 숨진 사람 천여 명을 문서화했다.
• 사망자 중 일부는 사람을 자동 식별하도록 새로 설치된 AI 기반 타워의 감시 범위 안에 있었다.
• 조사팀은 이 실패에 대응하는 개선 방향을 별도로 제시했다.

아직 불확실한 것

• 개별 사례에서 AI가 감지에 실패한 것인지, 감지 후 대응이 이뤄지지 않은 것인지는 공개된 요약만으로 구분되지 않는다.
• 해당 타워들의 실제 탐지 정확도·오탐률 수치는 확인되지 않았다.
• 국내 지능형 관제 시스템에서 같은 유형의 공백이 어느 정도 규모로 발생하는지는 공개 자료로 확인되지 않았다.

기록이 남는 것과 사람이 도착하는 것은 다른 일이다

감시 기술을 평가하는 기준이 ‘얼마나 잘 보는가’에 머무는 한, 잘 본 뒤에 벌어진 일은 성적표에 들어가지 않습니다. 국경 타워 조사가 보여준 건 그 성적표의 빈칸에서 천 명 넘는 사람이 사라졌다는 사실이고요. 규모는 다르지만 현관 앞 카메라도 같은 구조 위에 놓여 있습니다. 장비를 고를 때든 설정을 만질 때든, 탐지 다음 칸부터 채워 넣는 순서를 권합니다.

출처: MIT Tech Review AI

AI리서치팀

Daily News Korea AI리서치팀은 인공지능, 머신러닝, 생성형 AI의 최신 동향과 실용적 활용법을 연구합니다. ChatGPT, 클로드, 미드저니 등 AI 도구 비교 분석과 활용 가이드를 제공합니다.