기술 노트 · 방산

GEOINT와 AI가 만나면 무엇이 달라질까?

AI 기반 GEOINT란? 차세대 지리공간정보 분석과 활용

2026.06.1228분 읽기

원본 자료: Breaking Defense eBook 「GEOINT and AI: The Next-Gen Approach」 (2026)

작성자: OntoCraft

표기 안내: 본문의 내용은 세 가지 라벨로 구분합니다.

[사실] 원본 자료에 나온 내용

[해석] 원본 내용을 작성자가 풀어서 연결한 것

[제안] 작성자가 따로 제시하는 의견

자료의 배경과 목적
핵심 개념과 주요 내용
기관별 비교 및 통합 분석
문제점과 해결 방향
실무 적용 및 활용 사례
핵심 인사이트와 향후 과제
FAQ — 자주 묻는 질문
실무 체크리스트
출처 및 확인 필요사항
작성자 제언 — 대한민국이 취해야 할 분야별 입장
약어 정리 (Glossary)

1. 자료의 배경과 목적

[사실] 이 문서의 원본은 미국 국방 전문 매체 Breaking Defense가 2026년에 펴낸 전자책입니다. 제목은 「GEOINT and AI: The Next-Gen Approach」입니다. 이 매체는 평소 미국 국방부(DoD) 소식을 주로 다룹니다. 그런데 이번 자료에서는 정보기관 쪽을 집중적으로 다뤘습니다. 특히 두 기관이 중심입니다. 위성을 쏘아 올리고 운영하는 국가정찰국(NRO), 그리고 위성이 모은 자료를 분석하는 국가지리정보국(NGA)입니다.

GEOINT란 무엇인가

지리공간정보(GEOINT, Geospatial Intelligence)를 쉽게 말하면 이렇습니다. 위성 사진, 지도, 각종 센서처럼 "위치"가 붙어 있는 모든 정보를 모으고 분석해서, "무엇이, 어디에서, 언제 일어나고 있는가"를 알아내는 일입니다.

💡 왜 지금 AI와 GEOINT를 함께 말하는가 [사실] 민간 위성이 크게 늘면서 들어오는 데이터의 양이 폭발적으로 커졌습니다. 사람이 일일이 보는 속도로는 도저히 따라갈 수 없게 된 것입니다. 원문은 그 해법으로 사람의 통찰력(human insight)과 기계의 속도(machine speed)를 합치는 것을 제시합니다.

이 문서의 목적

이 문서는 실무자가 ① GEOINT와 AI가 만나는 큰 흐름을 빠르게 파악하고 ② 자기 조직의 데이터·AI 전략에 적용할 점을 찾을 수 있도록 원문을 다시 정리한 것입니다.

2. 핵심 개념과 주요 내용

- NGA (국가지리정보국,National Geospatial-Intelligence Agency) 주요 역할: 정찰위성, 무인기 등이 수집한 영상과 데이터를 분석하여 지리 공간 정보(GEOINT)를 생산하는 기관입니다. 군사 작전이나 국가 안보에 필요한 정밀 지도 및 위치 분석을 제공합니다.

- NRO (국가정찰국,National Reconnaissance Office) 주요 역할: 미국의 정찰위성을 설계, 제작, 발사 및 운용하는 우주 기반 정보기관입니다. 이곳에서 수집된 위성 영상(IMINT)과 신호 정보(SIGINT)는 NGA나 NSA 등 다른 정보기관에 제공됩니다.

간단히 말해, NRO가 우주에서 위성을 띄워 정보(사진, 신호)를 수집하는 기관이라면, NGA는 그 정보를 바탕으로 정밀한 지도와 지리 정보를 만들어내는 기관입니다.

① NGA의 비전 — "지도 기관을 넘어 데이터 기관으로"

[사실] NGA의 브레덴캄프(Bredenkamp)는 이렇게 말했습니다. NGA는 이제 지도와 영상만 만드는 곳이 아니라, 여러 종류의 정보(multi-intelligence)와 AI를 합쳐 의사결정자에게 최고의 판단 근거를 주는 데이터 기관(data agency)이 되겠다는 것입니다. 핵심 문장은 이것입니다 — "사람의 통찰과 기계의 속도가 함께할 때 GEOINT 우위(GEOINT supremacy)를 이룬다." AI 도입은 갈수록 빨라지는 위협에 맞추기 위한 것이라고도 했습니다.

② NRO — 더 정밀하게, 더 튼튼하게

[사실] 위성을 운영하는 NRO는 두 가지를 강조했습니다.

더 정밀하게: 더 다양한 관측 방식으로, 더 정확하게 측정하는 새 능력을 만든다
더 튼튼하게(회복탄력성, resilience): 위성과 지상 시설을 여러 곳에 나눠 배치한다. 그러면 적이 우리 시스템을 공격하기 어려워지고, 동시에 적이 무언가를 숨기기도 어려워진다

[사실] NRO는 또 이렇게 설명했습니다. 여러 관측 방식과 시간대에 걸쳐 폭발적으로 늘어나는 데이터를 처리해서, 군이 바로 쓸 수 있는 형식의 결과물을 전에 없던 속도로 내놓는 일을 해 왔다는 것입니다.

③ 민간 위성이 모으는 다섯 가지 데이터

[사실] NRO는 민간 기업이 먼저 제안서를 들고 올 수 있는 열린 구매 제도를 운영합니다(비요청 제안, unsolicited proposals). 기업이 제안할 수 있는 수집 방식은 다섯 가지입니다. 참고로 원문에서는 이런 "관측 방식의 종류"를 현상학(phenomenology)이라는 업계 용어로 부릅니다.

수집 방식	쉬운 설명
전자광학 (EO)	일반 카메라처럼 빛으로 찍는 위성 사진. 가장 직관적
합성개구레이더 (SAR)	전파를 쏘고 되돌아온 신호로 영상을 만듦. 밤에도, 구름 속에서도 관측 가능
초분광 (Hyperspectral)	빛을 수백 개 색 띠로 쪼개 물질의 "지문"을 읽음. 위장막 아래 물질도 구분
RF 지오로케이션	전파 신호가 어디서 나오는지 추적. 레이더·통신 장비의 위치를 찾음
라이다 (LIDAR)	레이저를 쏘아 지형과 건물의 정밀한 3차원 모양을 측정

④ NATO의 진단 — "기술보다 규칙이 먼저"

[사실] 영국 해병대 소령은 이렇게 말했습니다. "AI로 동맹의 정보 우위를 만드는 길은 장비를 더 사는 것이 아니라, 주로 거버넌스(governance)를 통해 열린다." 거버넌스란 데이터를 어떻게 공유하고, 어떤 표준을 쓰고, 누가 책임지는지에 대한 규칙을 말합니다. 아무리 좋은 기술이 있어도 이 규칙이 없으면 동맹끼리 데이터를 주고받을 수 없다는 뜻입니다.

📌 핵심 용어 한 줄 정리

GEOINT 우위: 상대보다 빠르고 정확하게 "어디서 무슨 일이 벌어지는지" 아는 능력

현상학(phenomenology): 이 분야에서는 EO·SAR처럼 "관측 방식의 종류"를 뜻하는 말

상호운용성(interoperability): 서로 다른 나라·기관의 시스템이 데이터를 막힘없이 주고받는 능력

3. 기관별 비교 및 통합 분석

[해석] 원문에는 세 주체가 나옵니다. 분석하는 NGA, 수집하는 NRO, 함께 쓰는 NATO 동맹입니다. 같은 "AI × GEOINT" 흐름 위에 있지만, 역할이 다르니 강조점도 다릅니다.

구분	NGA (분석)	NRO (수집)	NATO 동맹 (공유·운용)
목표	데이터 기관으로 변신	더 정밀하고 튼튼한 수집	규칙(거버넌스) 먼저
AI의 역할	여러 정보를 합쳐 빠르게 분석	쏟아지는 데이터를 자동 처리	정보 우위의 수단 (단, 규칙이 먼저)
가장 큰 고민	쓰기 쉬운 결과물 만들기	AI 결과를 어떻게 믿을지(검증)	나라마다 다른 시스템 맞추기
함께 일하는 곳	정보기관 내 수요자	민간 위성 기업, 미 우주군	회원국 + 민간 위성

한눈에 보는 흐름 — 수집에서 결정까지

[해석] 세 주체의 이야기를 하나로 이으면 다음 흐름이 됩니다.

[수집]        →  [처리]        →  [분석]        →  [공유]        →  [결정]
NRO+민간위성     AI가 대용량       NGA가 정보를      동맹끼리 규칙에    의사결정자가
5가지 방식       데이터 자동처리    합쳐서 판단        맞춰 주고받기      실제로 활용

[해석] 여기서 중요한 발견이 있습니다. 기술이 막히는 곳은 "처리·분석" 단계입니다. 그런데 원문이 정말 어렵다고 말하는 곳은 그 뒤입니다. 바로 "공유"(규칙이 없음)와 "결정"(결과물이 쓰기 어려움) 단계입니다. 즉, AI 도입의 성패는 모델 성능보다 단계와 단계를 잇는 설계에서 갈립니다.

4. 문제점과 해결 방향

문제 1 — AI가 내놓은 답을 어떻게 믿을 것인가

[사실] 간단한 일은 AI가 잘했는지 확인하기 쉽습니다. 그러나 위성 센서 데이터 분석처럼 복잡한 일은 AI의 결과가 맞는지 검증(validation)하기가 훨씬 어렵다고 원문은 지적합니다. 그 결과를 정부와 군이 쉽게 쓰도록 만드는 것도 함께 숙제로 꼽혔습니다.

⚠ 해결 방향 [제안] 두 가지가 필요합니다. ① 정답지(검증용 데이터)와 사람의 최종 검토 절차(휴먼 인 더 루프)를 분석 과정 안에 미리 심어 두는 것, ② 분석 결과를 "받는 사람이 바로 쓸 수 있는 형태"로 다듬는 단계를 따로 두는 것입니다. (원문의 문제 제기에 기반한 작성자의 제안입니다.)

문제 2 — 데이터가 너무 많다

[사실] NRO는 여러 관측 방식에서 쏟아지는, 기하급수적으로 늘어나는 데이터를 빠르게 처리해야 하는 도전에 대응해 왔다고 밝혔습니다.

[제안] 방향은 두 가지입니다. 수집부터 처리까지 사람 손을 거치지 않는 자동화, 그리고 "무엇부터 먼저 처리할지"를 AI가 정하게 하는 우선순위 판단입니다.

문제 3 — 동맹끼리 규칙이 없다

[사실] NATO는 민간 위성에서 쏟아지는 방대한 데이터를 회원국 시스템에 서로 호환되게 넣는 문제로 이미 애를 먹고 있습니다. 그래서 나온 진단이 "능력 추가보다 거버넌스"입니다.

💡 해결 방향 [제안] 기술 도입 전에 규칙부터 합의하는 "거버넌스 퍼스트"입니다. 순서는 ① 공통 데이터 형식, ② 보안 등급별 공유 규칙, ③ AI 결과물에 대한 책임 소재 정하기입니다.

문제 4 — 산 데이터가 매끄럽게 이어지지 않는다

[사실] NRO의 뮌드(Muend)는 솔직하게 인정했습니다. 민간에서 산 위성 데이터가 NGA의 분석 제품과 미 우주군의 TacSRT(전술 감시·정찰·추적) 프로그램에 매끄럽게 연결되도록 만들 일이 아직 남아 있다는 것입니다.

[제안] 데이터를 살 때부터 "최종적으로 누가 어떤 형식으로 쓸 것인지"를 계약 조건에 넣는 것이 해법이 될 수 있습니다.

5. 실무 적용 및 활용 사례

원문에 나온 사례

[사실] 열린 구매 제도: 기업이 다섯 가지 수집 방식 어디서든 자유롭게 제안서를 낼 수 있는 NRO의 개방형 조달
[사실] NRO ↔ 우주군 협력: 민간 데이터를 살 때 우주군 TacSRT의 요구에 맞는 데이터를 주려는 노력
[사실] 분산 배치: 위성과 지상 시설을 여러 곳에 나눠, 공격받기 어렵고 적의 은닉도 잡아내는 두 가지 효과

우리 일에 가져올 수 있는 교훈

[해석] 국방 사례지만, 데이터를 다루는 모든 조직에 통하는 교훈이 있습니다.

원문 개념	우리 일에 적용하면
"지도 기관 → 데이터 기관"	결과물 중심 조직에서 데이터 자산 중심 조직으로. 제조·물류 기업의 디지털 전환과 같은 구조
사람 통찰 + 기계 속도	AI는 사람을 대체하는 게 아니라 속도를 맡는 것. 최종 판단은 사람이
규칙이 먼저	AI 도입 전에 데이터 표준·권한·책임 규정부터
살 때부터 끝을 생각	외부 데이터 구매 시 우리 시스템과 호환되는지를 계약 조건으로
여러 센서 함께 쓰기	한 가지 데이터에 의존하지 말고 여러 데이터를 합쳐 판단 신뢰도 높이기

6. 핵심 인사이트와 향후 과제

핵심 인사이트 5가지

[해석] AI는 "속도 문제"의 답이다. 데이터가 폭증하는 시대에 사람 힘만으로는 위협의 속도를 따라갈 수 없습니다.
[해석] 그러나 진짜 병목은 기술이 아니라 규칙이다. 공유 규칙과 호환성이 없으면, 능력을 아무리 더해도 우위가 되지 않습니다.
[해석] 검증이 신뢰의 관문이다. 복잡한 분석일수록 AI의 답을 확인하기 어렵고, 확인 안 된 AI는 중요한 결정에 쓸 수 없습니다.
[해석] 민간 위성이 수집의 주력이 됐다. 정부 혼자 수집하던 시대는 끝났습니다.
[해석] 마지막 1마일이 승부처다. 결과물이 쓰기 쉽게 전달되지 않으면, 그 앞의 모든 노력이 빛을 못 봅니다.

향후 과제

AI 결과 검증 기준 만들기 — 복잡한 분석 결과를 믿을 수 있게 하는 평가 체계
동맹 데이터 규칙 세우기 — 민간 위성 데이터를 나라끼리 호환되게 쓰는 규칙
구매–분석–사용의 이음새 다듬기 — 산 데이터가 끝까지 매끄럽게 흐르도록
쓰기 쉬운 결과물 만들기 — 받는 사람 기준의 형식으로 빠르게 가공

7. FAQ — 자주 묻는 질문

Q1. GEOINT와 위성 사진 분석은 뭐가 다른가요?

위성 사진 분석은 GEOINT의 일부입니다. GEOINT는 사진(EO)뿐 아니라 레이더(SAR), 초분광, 전파(RF), 라이다(LIDAR) 등 여러 데이터를 합치고, 위치와 시간 맥락까지 묶어 "어디서 무엇이 일어나는가"를 종합 판단하는 더 넓은 분야입니다.

Q2. "현상학(phenomenology)"이 철학 용어 아닌가요?

철학과는 다른, 이 업계의 용어입니다. 여기서는 관측에 쓰는 물리 방식의 종류 — 빛(EO), 레이더파(SAR), 스펙트럼(초분광), 전파(RF), 레이저(LIDAR) — 를 가리킵니다.

Q3. AI가 분석가를 대체하나요?

원문의 답은 "대체"가 아니라 **"결합"**입니다. AI는 쏟아지는 데이터의 처리와 선별을 맡고, 사람은 맥락 판단과 최종 검증을 맡습니다.

Q4. 거버넌스가 능력보다 중요하다는 게 무슨 뜻인가요?

아무리 좋은 AI와 위성을 더해도, 데이터를 공유하고 호환시키는 규칙이 없으면 실제 우위로 이어지지 않는다는 뜻입니다. NATO가 민간 위성 데이터 통합에 애먹는 현실이 근거로 제시됐습니다.

Q5. TacSRT가 뭔가요?

전술 감시·정찰·추적(Tactical Surveillance, Reconnaissance and Tracking)의 약자로, 미 우주군의 프로그램입니다. NRO는 민간 데이터를 살 때 이 프로그램의 요구에 맞추려 노력 중이며, 연결을 더 매끄럽게 만들 일이 남았다고 인정했습니다.

Q6. 민간 기업 실무자에게는 어떤 의미가 있나요?

① AI 도입의 순서(규칙 → 검증 → 자동화), ② 외부 데이터를 살 때 호환성을 조건으로 걸기, ③ 여러 데이터를 합쳐 쓰기 — 이 세 가지는 제조·물류·에너지 등 어느 산업에나 통합니다. (작성자의 해석입니다.)

8. 실무 체크리스트

[제안] 원문의 문제의식으로 우리 조직을 점검해 보는 체크리스트입니다.

데이터 규칙 — 데이터 표준, 공유 규칙, 접근 권한, 책임이 문서로 정해져 있는가?
AI 검증 — AI 결과를 확인하는 절차(정답 비교, 전문가 검토)가 있는가?
처리 속도 — 데이터가 늘어나는 속도를 처리 능력이 따라가는가? 막히는 곳을 아는가?
쓰기 쉬운 결과물 — 분석 결과가 최종 의사결정자가 바로 쓸 수 있는 형태인가?
외부 데이터 호환 — 사 오는 데이터가 우리 시스템에 매끄럽게 들어오는가? 계약 조건에 있는가?
데이터 다변화 — 한 가지 소스에만 기대지 않고 여러 데이터를 합쳐 쓰는가?
분산·이중화 — 핵심 시스템이 한 곳 고장으로 전부 멈추지는 않는가?
사람–AI 역할 구분 — AI에 맡길 일과 사람이 판단할 일의 경계가 분명한가?

9. 출처 및 확인 필요사항

📚 원본 출처

Breaking Defense, eBook 「GEOINT and AI: The Next-Gen Approach」 (2026) — 파일명: eBook_GEOINT_and_AI_2026_Breaking_Defense.pdf
발언자: NGA의 Bredenkamp, NRO의 Muend, 영국 해병대 소령 등 — 직책·소속은 원문 표기를 따름

⚠ 확인 필요사항

이 문서는 원문의 요약 발췌본을 근거로 했습니다. 발언자의 정확한 직함, 발언 날짜, 행사 이름은 원문 전체에서 확인이 필요합니다.
[제안] 표시는 원문의 해법이 아니라 작성자의 의견입니다.
[해석] 표시는 원문 사실을 작성자가 풀어 연결한 것입니다.
구체적인 수치(데이터 양, 예산 등)는 발췌본에 없어 싣지 않았습니다. 수치가 필요하면 원문 전체를 확인하십시오.

10. 작성자 제언 — 대한민국이 취해야 할 분야별 입장

작성자(OntoCraft) 메시지: 이 섹션은 원문 분석이 아닙니다. 원문이 던진 질문 — "AI 시대의 정보 우위는 어떻게 만들어지는가" — 를 대한민국의 현실에 비추어 작성자가 따로 제시하는 의견입니다. 한국 현황은 2026년 6월 기준 공개 자료(웹)를 근거로 했고, 분야마다 출처를 적었습니다.

① 국방·정보 — 위성은 모았다, 이제 "분석과 검증"이다

[사실] 한국은 425사업으로 정찰위성 5기(SAR 4기 + EO/IR 1기) 체계를 완성 단계에 올렸습니다. 5호기까지 임무에 들어가면 북한의 특정 표적을 약 2시간 간격으로 볼 수 있습니다. 여기에 100kg급 초소형위성 32기가 더해지면 감시 간격은 30분까지 줄어듭니다. 2030년까지 소형·초소형 정찰위성 50~60기 확보도 추진 중입니다.

[제안] 그런데 미국의 경험이 말해 주는 것이 있습니다. 위성이 늘수록 병목은 수집이 아니라 처리·분석·검증으로 옮겨갑니다. 그래서 이렇게 제안합니다.

위성 확보와 같은 무게로, AI 분석 체계와 결과 검증 체계에 투자할 것
한미 간 GEOINT 데이터 호환 표준을 미리 합의할 것 — NATO가 겪는 혼란이 반면교사입니다
킬체인의 "눈"이 AI에 기대게 되는 만큼, AI가 틀렸을 때의 책임 구조(사람의 최종 검토)를 규정으로 못 박을 것

출처: 위키백과·나무위키 「425사업」, 경향신문(2025.11.2), 코스모스타임즈(2024.11.13)

② 우주산업 — 정부가 "만들어 주기"에서 "사 주기"로

[사실] 우주항공청(KASA)의 2026년 예산은 약 1조 1,131억 원이고, 그중 연구개발에 9,495억 원을 씁니다. 목표는 "민간 주도 우주경제"입니다. 다만 업계에서는 방향 정립이 더디다는 비판도 있습니다.

[제안] 원문에서 가장 배울 만한 제도는 NRO의 열린 구매입니다. 정부가 민간 위성 데이터를 안정적으로 "사 주는" 구조가 산업을 키웁니다.

정부는 위성 제작을 지원하는 역할에서, 민간 데이터의 든든한 첫 고객(anchor tenant) 역할로 옮겨갈 것
데이터를 살 때부터 군·정보기관·재난 부처 등 최종 사용자의 요구 형식을 계약 조건에 넣을 것
EO 영상에 치우친 구조를 넘어 SAR·초분광·RF 등으로 수집 방식을 다변화할 것

출처: 우주항공청 누리집(kasa.go.kr), 나무위키 「우주항공청」, 다음뉴스(2026.1), 네이트뉴스 칼럼(2025.12)

③ AI 정책 — "AI 국방강국" 구호를 실행으로

[사실] 정부는 「인공지능 기본계획(2026~2028)」에서 "AI 기반 국방강국 도약"을 10대 전략분야로 정했고, 국방부 몫의 정책 과제 23개와 추진 기한을 제시했습니다.

[제안] 원문의 핵심 — "우위는 장비가 아니라 규칙에서 나온다" — 를 그대로 적용해야 합니다.

모델과 장비 투자보다 먼저, 국방 데이터 표준·공유 규칙·책임 소재를 정하는 "규칙 먼저" 원칙을 세울 것
국방 AI를 도입할 때 검증 절차 통과를 필수 조건으로 만들 것
민간 AI 기업이 국방에 들어오기 쉽게 문턱을 낮추되, 핵심 통제권과 보안은 국산 기술로 지킬 것

출처: 과기정통부·국가인공지능전략위원회 「인공지능 행동계획(2026~2028)」, 전자신문(2026.4)

④ 공간정보·디지털트윈 — 민간 GEOINT의 토대

[사실] 국토교통부는 「제7차 국가공간정보정책 기본계획(2023~2027)」에 따라 5년간 약 3조 7,700억 원을 들여, 도로·건물·하천 등 개별 디지털트윈을 국가 차원으로 연결하고 자동 갱신되게 만드는 작업을 추진 중입니다.

[제안]

국방 데이터와 민간 공간정보를 따로 두지 말고, 위성 영상 → 디지털트윈 갱신 → 재난·국토 관리로 이어지는 민군 겸용 흐름을 설계할 것
V-World 같은 공개 플랫폼의 데이터를 AI 학습용으로 정비해, 국내 기업이 분석 AI를 키울 수 있는 밑거름으로 제공할 것

출처: 국토교통부 「제7차 국가공간정보정책 기본계획」, 뉴시스(2023.6.22)

⑤ 산업·기업 — 데이터 팔기에서 "판단 근거 팔기"로

[제안] 한국의 제조업(반도체·조선·자동차·방산)은 위성 부품부터 데이터 분석까지 양쪽 모두에 들어갈 수 있는 드문 위치에 있습니다.

센서 데이터 하나를 파는 사업을 넘어, 여러 데이터를 합쳐 "바로 쓸 수 있는 판단 근거"를 파는 사업으로 옮겨갈 것 — 구매자가 원하는 것은 데이터가 아니라 답입니다
미국·NATO의 호환 표준 동향을 따라가며, 표준에 맞는다는 것 자체를 경쟁력으로 삼을 것

⑥ 교육·인력 — 분석할 사람이 없으면 위성은 빈 그릇

[사실] 우주항공청은 융합형 STEM 교육과 고교 우주항공 교과 확대 등 인재 양성 정책을 논의하고 있습니다.

[제안] 위성 수십 기 시대에 가장 모자랄 자원은 위성이 아니라 분석가와 AI 검증 인력입니다.

원격탐사 + AI + 현장 지식(국방·재난·농업·해양)을 묶은 융합 교육과정을 대학과 직업교육에 만들 것
군 분석 인력과 민간 전문가가 서로 오갈 수 있는 양방향 경로를 설계할 것

출처: 우주항공청 누리집 보도자료(2026)

맺음말

[제안] 원문의 메시지를 한 문장으로 줄이면 이렇습니다. "우위는 위성에서 나오지 않는다. 데이터를 다스리는 규칙, 그리고 그것을 검증하고 판단하는 사람과 체계에서 나온다." 대한민국은 위성 확보에서는 이미 빠르게 달리고 있습니다. 이제 필요한 것은 규칙·검증·인력이라는, 눈에 덜 띄지만 승부를 가르는 토대에 같은 속도로 투자하는 일입니다.

11. 약어 정리 (Glossary of Acronyms)

본문에 나온 약어를 분야별로 정리했습니다.

정보·국방 일반

약어	원어	한글 풀이	간단 설명
AI	Artificial Intelligence	인공지능	사람의 학습·판단 능력을 컴퓨터로 구현한 기술. 본문에서는 폭증하는 데이터를 처리하는 "기계의 속도" 역할
DoD	Department of Defense	미국 국방부	미군 전체를 관할하는 미국 행정부처
GEOINT	Geospatial Intelligence	지리공간정보	"위치"가 붙은 정보를 모아 분석해 "무엇이, 어디서, 언제"를 알아내는 정보 분야
IC	Intelligence Community	(미국) 정보공동체	CIA, NSA, NGA, NRO 등 미국 18개 정보기관을 묶어 부르는 말
ISR	Intelligence, Surveillance and Reconnaissance	정보·감시·정찰	적의 활동을 알아내기 위한 정보 수집 활동. 위성·드론·정찰기가 수행
NATO	North Atlantic Treaty Organization	북대서양조약기구	미국·유럽 32개국의 방위 동맹
NGA	National Geospatial-Intelligence Agency	미국 국가지리정보국	지리공간정보를 분석·생산하는 미국 정보기관. "데이터 기관"으로의 변신을 선언
NRO	National Reconnaissance Office	미국 국가정찰국	정찰위성을 만들고 운영하는 미국 정보기관. 열린 구매와 분산 배치를 강조
USSF	United States Space Force	미국 우주군	2019년 만들어진 미군의 우주 전담 군종
TacSRT	Tactical Surveillance, Reconnaissance and Tracking	전술 감시·정찰·추적	미 우주군이 민간 위성 데이터를 작전에 바로 쓰는 프로그램

수집 방식

약어	원어	한글 풀이	간단 설명
EO	Electro-Optical	전자광학	빛으로 찍는 위성 사진. 일반 카메라와 같은 원리
IR	InfraRed	적외선	온도 차이를 영상으로 만드는 방식. 밤에도 열원(엔진 등)을 탐지
SAR	Synthetic Aperture Radar	합성개구레이더	전파를 쏘아 영상을 만드는 방식. 구름과 어둠을 뚫고 관측
RF	Radio Frequency (Geolocation)	무선 주파수 (위치 추적)	전파 신호의 발신 위치를 찾는 방식
LIDAR	Light Detection and Ranging	라이다	레이저로 지형·건물의 정밀한 3차원 모양을 재는 방식

한국 관련

약어	원어	한글 풀이	간단 설명
425사업	SAR(사) + EO(이오)	군 정찰위성 사업	SAR과 EO를 이어 읽으면 "사이오(425)"가 되어 붙은 이름. 정찰위성 5기로 독자 대북 감시망을 만드는 사업
KASA	Korea AeroSpace Administration	우주항공청	2024년 문을 연 한국의 우주항공 정책 전담 기관
K-SSA	Korea Space Situational Awareness	한국형 우주상황인식	우주 물체와 위험(잔해물 충돌 등)을 감시하는 체계
킬체인	Kill Chain	킬체인	미사일 발사 징후를 탐지 → 식별 → 결심 → 타격으로 잇는 한국군의 대응 개념. 정찰위성이 "눈" 역할

기술·경영 일반

약어	원어	한글 풀이	간단 설명
DX	Digital Transformation	디지털 전환	데이터와 디지털 기술로 일하는 방식을 근본부터 바꾸는 것
HITL	Human-In-The-Loop	휴먼 인 더 루프	AI 판단 과정에 사람의 검토 단계를 넣는 설계. AI 검증의 핵심 수단
R&D	Research and Development	연구개발	새 기술과 제품을 만들기 위한 연구·개발 활동
STEM	Science, Technology, Engineering, Mathematics	과학·기술·공학·수학	이공계 4개 분야를 묶어 가르치는 교육 방식

작성: OntoCraft · 분석과 실무 적용 · 원본: Breaking Defense eBook (2026)

목차