항공분야 AI 적용 감항인증 로드맵 분석 ②

항공분야에서 AI를 적용하려면 기술 성능뿐 아니라 인증 기준, 안전 보증 활동, 수명주기 관리, 데이터 품질, 모델 학습 과정까지 함께 검토해야 한다.

앞선 1편이 AI 보증 개념과 AI 지원 시스템의 안전성 확보를 위한 정책 로드맵을 다룬다면, 이 글은 EASA AI 로드맵, AI 인증 표준의 위치, 안전 보증 활동에서의 AI 검증, 안전 수명주기에서의 AI 활용, 각 기관별 AI 인증 프로그램을 중심으로 정리한다.

AI 인증에 대한 로드맵

EASA는 항공 분야에서 AI 활용이 확대됨에 따라 AI 인증 로드맵을 제시한다. 이와 함께 WG-114는 AI 기술 기반 항공 제품의 개발과 인증·승인을 지원하는 공통 표준 수립에 중점을 둔다. WG-114의 목표 범위는 항공 및 ATM/ANS 도메인이며, 유인 항공기와 무인 항공기를 포함한다.

WG-114/G-34 결과물은 우려 사항 진술, 분류법 및 사용 사례, ML 기반 오프라인 학습 관련 간행물, 기타 AI 기술 관련 간행물로 구성된다. 또한 EASA는 EASA 개념 문서 레벨 1 및 2가 포함된 Roadmap 2.0을 발표한다.

구분	내용
주요 기관	EASA, WG-114, G-34
적용 범위	항공, ATM/ANS, 유인 항공기, 무인 항공기
핵심 목적	AI 기반 항공 제품 개발 및 인증·승인 지원
주요 결과물	우려 사항 진술, AI 분류법, 사용 사례, ML 및 기타 AI 기술 표준

AI 인증 표준의 위치

AI 인증 표준은 크게 시스템 수준, 모델 수준, 품목 수준으로 나누어 검토할 수 있다. 항공 AI 시스템은 단순히 AI 모델만 평가해서는 충분하지 않다. AI가 탑재되는 시스템, AI 모델 자체, 그리고 실제 품목 단위의 개발·검증 기준이 함께 연결되어야 한다.

시스템 수준에서는 항공기 또는 항공 시스템 전체의 안전성과 기능 적합성을 검토한다. 모델 수준에서는 AI 모델의 데이터, 학습, 일반화 능력, 오류 가능성을 검토한다. 품목 수준에서는 실제 개발 산출물과 인증 증거를 확인한다.

안전 보증 활동에서의 AI 검증

안전 보증 단계에서는 ARP4754A 프로세스를 기준으로 AI 적용 시스템을 검토한다. ARP4754A는 항공 시스템 개발과 안전 보증 활동에서 중요한 프로세스이며, AI가 적용된 항공 제품도 시스템 요구사항, 기능 할당, 검증, 안전 평가 흐름 안에서 다뤄져야 한다.

AI 검증은 모델 성능 평가에만 머무르지 않는다. 시스템 안전 목표와 요구사항에 맞는지, 데이터와 모델이 인증 가능한 증거로 설명될 수 있는지, 운용 환경에서 위험을 어떻게 완화할 수 있는지까지 함께 검토해야 한다.

안전 수명주기에서의 AI 활용

AI는 항공 안전 수명주기의 여러 단계에서 활용될 수 있다. 첫 번째는 시스템 모니터링이다. AI는 데이터 수집과 활용 능력을 높이고, 데이터 처리와 분석을 통해 사고 전조 현상, 이상 현상, 위험 패턴을 식별하는 데 활용된다.

두 번째는 소프트웨어 개발, 소프트웨어 테스트, 요구사항 추적이다. 산업표준 규칙 기반으로 훈련된 LLM을 구성하면 자동화된 검토 도구를 제공할 수 있다. 이러한 AI 활용은 인적 오류 취약점을 보완하고, 규정 준수 보고서와 안전 평가 데이터를 검토하는 데 도움을 줄 수 있다. 다만 LLM이 허위 또는 환각 자료를 생성하거나 일부 기준을 준수하지 못하는 문제가 발생할 수 있으므로 검증 절차가 필요하다.

활용 분야	주요 내용
시스템 모니터링	데이터 수집, 이상 현상 탐지, 위험 패턴 식별
소프트웨어 개발	규칙 기반 LLM을 활용한 개발 활동 보조
소프트웨어 테스트	테스트 충실도와 완전성 향상
요구사항 추적	요구사항 누락, 불일치, 규정 준수 검토
안전 평가	규정 준수 보고서와 시스템 안전 평가 데이터 검토

AI 인증 프로그램

항공 AI 인증은 기관별로 다양한 프로그램과 방법론을 통해 연구·추진된다. 이 글에서는 EASA & Collins Aerospace AI 인증 프로그램, FAA RIPS AI 인증 프로그램, NASA OGMA 및 Copilot 기반 런타임 모니터링 AI 인증 프로그램을 주요 사례로 다룬다.

EASA & Collins Aerospace AI 인증 프로그램

EASA & Collins Aerospace AI 인증 프로그램은 머신러닝을 위한 W자형 개발 주기를 중심으로 설명된다. 이 개발 주기는 데이터 품질, 모델 학습, 일반화 능력을 중요한 검토 축으로 둔다.

데이터 품질 단계에서는 데이터 증강과 데이터 품질 검증이 중요하다. 데이터 품질 검증에는 완전성과 대표성이 포함된다. 모델 학습 단계에서는 학습 지원을 위한 데이터 제약 조건 추론, 학습 프로세스 안내, 학습 알고리즘 안전성을 검토한다. 일반화 능력 단계에서는 일반화 갭 정량화와 모델 일반화 평가가 핵심이다.

검토 축	세부 항목
데이터 품질	데이터 증강, 완전성, 대표성 검증
모델 학습	데이터 제약 조건 추론, 학습 프로세스 안내, 학습 알고리즘 안전성
일반화 능력	일반화 갭 정량화, 모델 일반화 평가

 

비행체 상태 모니터링 시스템

비행체 상태 모니터링 시스템은 항공기 센서 데이터를 구성 요소의 현재 상태로 변환한다. 이때 잔여수명 RUL과 주어진 임무 중 고장 확률을 산출할 수 있으며, RUL은 지상국 또는 조종석 디스플레이를 통해 MRO, CAMO, 조종사에게 제공된다. 이 기능은 지상에서 비행 준비를 지원하는 데 사용된다.

FAA AI 인증 프로그램

FAA는 RIPS AI 인증 프로그램을 사용한다. 이 글에서는 RIPS를 FDR 독립 전원 공급 장치와 연결해 설명한다. FAA AI 인증 프로그램은 항공 AI 기술을 인증 가능한 시스템 요소로 검토하기 위한 사례로 정리된다.

 

NASA AI 인증 프로그램

NASA는 OGMA 및 Copilot을 사용한 런타임 모니터링 AI 인증 프로그램을 활용한다. 런타임 모니터링은 AI 시스템이 운용 중 안전 기준을 벗어나지 않는지 확인하는 방식이다. 항공 AI 시스템은 개발 단계의 검증뿐 아니라 운용 중 모니터링과 감시 체계가 함께 필요하다.

모아소프트의 AI 인증 솔루션과 교육

항공 AI 인증은 규제기관의 로드맵을 이해하는 것에서 끝나지 않는다. AI 모델의 데이터 품질, 학습 프로세스, 일반화 능력, 시스템 수준 안전성, 런타임 모니터링, 인증 산출물까지 함께 준비해야 한다.

모아소프트는 AI를 활용한 인증 솔루션과 교육을 제공한다. AI를 적용한 신뢰할 수 있는 기술 개발이 필요하다면, AI 인증 로드맵과 항공분야 감항인증 기준을 함께 검토하는 것이 중요하다.

문의 및 기술 협력

• 대표 문의: 02-420-3203
• 홈페이지: https://moasoftware.co.kr/contact-us/