미디어원 ㅣ 박예슬기자
대한항공이 AI 기반 항공정비와 무인기, 도심항공교통(UAM)을 한자리에서 선보이며 미래 항공 생태계의 전환 방향을 제시했다. 항공사의 기술 경쟁이 더 이상 운항과 서비스에만 머물지 않고, 정비 자동화와 무인 항공체계, 차세대 교통관제 영역까지 넓어지고 있음을 보여주는 장면이다. 대한항공은 이번 전시를 통해 실제 항공기 운영 경험을 바탕으로 축적한 MRO 기술과 항공우주 기술 역량을 미래 모빌리티 플랫폼으로 확장하고 있다.
대한항공은 6월 24일부터 26일까지 서울 강남구 코엑스에서 열리는 ‘2026 국토교통기술대전’에 참가해 인공지능 기반 유지·보수·정비(MRO) 기술과 미래 항공 솔루션을 공개했다. 국토교통기술대전은 국토교통부가 주최하고 국토교통과학기술진흥원이 주관하는 국내 대표 국토교통 기술 전시회로, 올해는 ‘미래를 바꾸는 기술’을 주제로 81개 기관과 기업이 참여해 연구개발 성과와 혁신 기술을 선보인다.
드론과 로버가 함께 점검하는 AI 항공정비
이번 전시에서 가장 주목되는 기술은 AI 기반 항공기 로봇 검사 시스템이다. 기존 항공기 외관 점검은 정비사가 직접 육안으로 항공기 상부와 하부를 확인하는 방식이 중심이었다. 그러나 대한항공이 선보인 시스템은 공중의 드론과 지상의 로버가 협업해 항공기 외관 데이터를 수집하고, AI가 이를 분석해 결함을 판독하는 방식으로 정비 환경을 바꾼다.
드론은 항공기 상부와 고소 부위를 담당하고, 로버는 지상에서 접근 가능한 하부와 주변 구조를 점검한다. 여러 장비가 동시에 움직이며 데이터를 모으는 다기종 군집 운영 방식이 적용되기 때문에, 정비사의 고소 작업 부담을 줄일 수 있다. 대형 항공기 기준으로 8~10시간이 걸리던 외관 검사 시간을 약 50분으로 단축할 수 있다는 점도 중요한 변화다.
검사 시간 단축만큼 중요한 것은 데이터 기반 정비 체계로의 전환이다. 로봇이 수집한 이미지와 센서 데이터를 AI가 분석하면 1㎜급 결함까지 판독할 수 있고, 정비사는 이를 바탕으로 더 빠르고 정밀하게 판단할 수 있다. 관람객은 전시장에서 로봇이 수집한 데이터를 AI가 분석하는 과정을 직접 확인하고, 정비 지원용 AI 챗봇도 체험할 수 있다.
MRO의 미래는 자동화보다 ‘사람을 돕는 AI’에 있다
항공정비에서 AI와 로봇의 의미는 단순한 인력 대체가 아니다. 항공기 정비는 안전과 직결되는 고신뢰 영역이기 때문에, AI는 최종 판단을 대신하기보다 정비사가 더 정확하고 빠르게 판단하도록 돕는 보조 체계로 작동해야 한다. 드론과 로버는 사람이 접근하기 어렵거나 시간이 오래 걸리는 영역을 먼저 확인하고, AI는 방대한 데이터를 분석해 결함 가능성을 정리하는 역할을 맡는다.
이 방식이 자리 잡으면 항공정비의 업무 구조도 달라질 수 있다. 정비사는 반복적이고 위험도가 높은 외관 점검 부담을 줄이고, 분석 결과의 해석과 실제 정비 조치, 안전성 판단에 더 집중할 수 있다. 특히 대형 항공기와 장거리 운항 비중이 높은 항공사일수록 정비 시간 단축과 작업 안전성 향상은 운항 효율과 직결된다.
대한항공이 AI 기반 항공기 검사 기술을 전시한 것은 단순한 연구개발 성과 공개에 그치지 않는다. 항공사 내부의 정비 효율화뿐 아니라, 향후 MRO 산업에서 데이터 기반 검사와 자동화 솔루션이 새로운 경쟁력이 될 수 있음을 보여준다. 항공 안전의 기본은 유지하되, 검사 방식과 데이터 처리 속도는 AI 시대에 맞게 바뀌고 있는 것이다.
무인기 자율 임무 수행 시스템 ‘AI Pilot’
대한항공은 미래 무인 항공체계 기술도 함께 공개했다. 이번 전시에서 소개되는 무인기 자율 임무 수행 시스템 ‘AI Pilot’은 개발 중인 저피탐 무인편대기와 아음속 표적기 등 다양한 무인기 플랫폼에 AI 기술을 적용한 것이 특징이다. 무인기가 스스로 상황을 판단하고 서로 협력하며 임무를 수행하는 군집비행과 임무 자율 수행 기술이 핵심이다.
무인기 분야에서 AI Pilot이 갖는 의미는 단순 자동조종을 넘어선다. 과거의 무인기는 사람이 원격으로 조종하거나 사전에 입력한 경로를 따르는 방식이 중심이었다. 그러나 미래 무인 항공체계는 임무 환경이 복잡해질수록 상황 인식, 경로 판단, 협력 비행, 임무 분담 능력이 중요해진다. AI Pilot은 이러한 무인기 운용의 지능화 방향을 보여주는 기술이다.
대한항공은 이미 항공우주 분야에서 무인기 개발 경험을 축적해 왔다. 이번 전시는 항공사가 여객·화물 운송을 넘어 방산과 항공우주 기술 영역에서도 AI 기반 자율화 역량을 확장하고 있음을 보여준다. 특히 저피탐 무인편대기와 표적기 등 다양한 플랫폼에 AI 기술을 적용한다는 점은 향후 무인기 기술이 단일 기체 성능보다 체계 운용 능력 중심으로 이동하고 있음을 시사한다.
UAM 통합관제 솔루션 ‘ACROSS’ 공동 전시
대한항공은 도심항공교통 국가전략기술사업단과 함께 UAM 통합 교통관리 솔루션 ‘ACROSS’도 공동 전시한다. ACROSS는 UAM을 비롯한 미래 항공 모빌리티를 안전하고 효율적으로 운영하기 위해 대한항공이 자체 개발한 통합관제 솔루션이다. UAM이 실제 도시 교통체계 안으로 들어오기 위해서는 기체 개발만큼이나 교통관리와 관제 기술이 중요하다.
UAM은 지상 교통과 달리 3차원 공간을 활용한다. 도심 상공에서 여러 기체가 동시에 움직이려면 항로 관리, 충돌 방지, 운항 승인, 비상 상황 대응, 기상 정보 반영이 통합적으로 이뤄져야 한다. ACROSS는 이러한 미래 항공 모빌리티 운영 환경을 전제로 개발된 솔루션으로, UAM이 단순한 이동수단을 넘어 도시 교통망의 일부로 작동하기 위한 기반 기술에 가깝다.
대한항공이 UAM 통합관제 솔루션을 전시한 것은 항공교통 운영 경험의 확장이라는 점에서도 의미가 있다. 항공사는 기존 항공 교통과 운항 안전, 관제 협력에 대한 이해를 갖고 있다. 이 경험이 UAM 시대에는 도심 저고도 항공교통 관리 역량으로 이어질 수 있으며, 대한항공은 이번 전시를 통해 차세대 항공교통체계 구축 방향을 제시하고 있다.
항공사의 기술 경쟁이 바뀌고 있다
이번 전시는 대한항공의 미래 기술 전략이 세 갈래로 확장되고 있음을 보여준다. 첫째는 AI 기반 항공정비를 통한 운항 안전과 효율의 고도화다. 둘째는 AI Pilot을 중심으로 한 무인기 자율 임무 수행 기술이다. 셋째는 ACROSS를 통한 UAM 통합관제와 미래 항공교통 관리다. 이 세 영역은 서로 다른 기술처럼 보이지만, 모두 데이터와 AI, 자율운영, 안전관리라는 공통 기반 위에 있다.
항공산업은 그동안 기재 경쟁, 노선 경쟁, 서비스 경쟁을 중심으로 성장해 왔다. 그러나 앞으로의 경쟁은 항공기를 어떻게 정비하고, 무인기를 어떻게 운용하며, 도심 상공의 새로운 교통망을 어떻게 관리할 것인가로 확장될 가능성이 크다. 대한항공이 국토교통기술대전에서 이 세 가지 기술을 함께 보여준 것은 항공사의 역할이 운송사업자를 넘어 항공기술 플랫폼 기업으로 넓어지고 있음을 보여준다.
특히 AI 기반 MRO 기술은 항공사의 내부 효율을 높이는 동시에 항공 안전과 정비 산업의 구조를 바꿀 수 있는 영역이다. 무인기와 UAM 기술은 미래 항공우주 산업의 성장 축으로 연결된다. 대한항공이 이 기술들을 별도 전시가 아니라 하나의 미래 항공 생태계로 제시한 점은 전략적 메시지가 분명하다.
미래 항공 생태계의 핵심은 연결이다
대한항공 관계자는 이번 전시를 통해 AI 기반 MRO 기술은 물론 무인기와 UAM 분야의 미래 기술까지 폭넓게 선보이게 됐다며, 첨단 기술 개발과 파트너사와의 상생 협력을 통해 항공우주 산업의 혁신과 건강한 생태계 조성에 기여하겠다고 밝혔다. 이 발언은 미래 항공산업이 한 기업의 단일 기술만으로 완성되지 않는다는 점을 보여준다.
AI 정비 기술은 정비 현장과 데이터 분석 기술이 만나야 하고, 무인기 자율 임무 수행은 기체·센서·통신·AI 판단 체계가 결합돼야 한다. UAM 통합관제 역시 기체 제조사, 운항사, 교통관리 기관, 도시 인프라, 규제 당국의 협력이 있어야 실현된다. 결국 미래 항공 생태계의 핵심은 개별 기술보다 연결된 운영체계를 만드는 능력에 있다.
대한항공의 이번 전시는 그 연결의 방향을 보여준다. 항공기 정비를 더 안전하고 빠르게 만들고, 무인기가 스스로 협력하는 임무 체계를 구축하며, UAM이 도시 교통 안에서 안전하게 움직일 수 있는 관제 기반을 마련하는 것. 이것이 대한항공이 제시한 미래 항공의 청사진이다.
