FAA AI 항공 교통 관제는 자율성이 아닌 예측에 건 8억 7,500만 달러의 베팅

FAA는 관제사가 압박 속에서 해결해야 하기 전에 교통 충돌을 예측하기 위한 8억 7,500만 달러 규모의 AI 프로그램을 시작한다. FAA AI 항공 교통 관제 이니셔티브는 워싱턴 D.C. 인근에서 출범하며, 미국에서 가장 혼잡한 항공 지역 중 하나에 새 소프트웨어를 도입한다.

이 시스템은 Strategic Management of Airspace, Routes, and Trajectories의 약자인 SMART로 불린다. 하나의 예측 플랫폼에서 운항 일정, 날씨, 공항 수용 능력, 공역 상황, 운영상 제약을 결합한다.

이 설명은 실제로 계획된 시스템보다 더 자율적으로 들린다. SMART는 관제사를 대체하거나, 항공기를 독립적으로 지시하거나, 레이더 및 통신 장비 업그레이드의 필요성을 없애지 않는다.

대신 노선과 출발 시각을 더 이른 단계에서 조정하도록 권고한다. 운항 결정의 책임은 계속해서 인간 교통 관리자와 관제사에게 남는다.

이 구분이 실제 시험의 핵심을 규정한다. FAA는 인력 부족과 노후 인프라 문제가 해결되지 않은 상황에서도, 더 나은 예측이 관제사가 마주하는 충돌을 줄일 수 있다는 데 베팅하고 있다.

Air Space Intelligence, 즉 ASI는 2026년 6월 12년 계약을 따냈다. 이제 이 소프트웨어는 항공사 계획 업무에서 하루 8만 편 이상의 항공편을 관리하는 공공 시스템으로 옮겨가야 한다.

이번 도입은 정부 AI에 까다로운 기준도 제시한다. 성공은 AI라는 명칭의 존재가 아니라 지연 감소, 활용 가능한 권고, 신뢰할 수 있는 데이터, 그리고 관제사의 신뢰에 달려 있다.

FAA AI 항공 교통 관제 도입은 워싱턴에서 시작된다

SMART는 교통 문제를 다루는 시점을 바꾸어, 늦은 운영 대응에서 더 이른 계획 수립으로 의사결정을 옮긴다.

초기 도입 세부 사항에 따르면, FAA는 워싱턴 대도시권에 SMART를 먼저 배치할 계획이다. 초기 구현 이후 다른 지역으로 확대될 수 있다.

워싱턴은 까다로운 시험 환경을 제공한다. 이 지역은 여러 상업 공항, 군사 활동, 제한 공역, 고밀도 교통량, 잦은 기상 교란이 맞물린다.

이러한 조건은 지도에서 더 짧은 선을 찾는 것만으로 해결할 수 없는 제약을 만든다. 유용한 권고는 활주로 수용 능력, 관제 구역 업무량, 날씨, 공역 제한, 항공사 운항 계획을 모두 고려해야 한다.

SMART는 항공편이 출발하기 전에 이러한 변수를 검토하도록 설계됐다. 이후 예상 혼잡을 식별하고 일정 또는 비행 궤적 변경을 제안할 수 있다.

궤적은 항공기가 공간과 시간을 통과하며 따를 예정인 경로다. 궤적을 조기에 조정하면 각각은 합리적으로 보이는 여러 항공편이 동일한 제한된 수용 능력을 놓고 경쟁하는 상황을 막을 수 있다.

FAA는 SMART가 항공사 일정, 날씨, 공항 수용 능력, 공역 상황, 운영 제약을 지속적으로 평가할 것이라고 밝혔다. 이 모델들은 교통 흐름을 예측하고 잠재적 충돌이 발생하기 전에 이를 표시한다.

이 기능은 Flow Management Data and Services, 즉 FMDS 안에 포함된다. FMDS는 FAA Air Traffic Control System Command Center의 데이터 및 소프트웨어 기반이 되는 것을 목표로 한다.

두 시스템의 구분은 중요하다. FMDS는 공유되는 운영 기반을 제공하고, SMART는 이 데이터를 활용해 예측 계획 기능을 더한다.

FAA의 프로그램 발표에 따르면 FMDS는 현재와 예상 교통 흐름을 추정한다. Command Center 관리자들은 이 추정치를 활용해 일정과 궤적을 조정할 수 있다.

SMART는 이 과정을 더 먼 미래까지 확장한다. FAA는 이 소프트웨어가 운항 며칠 전은 물론 수주 또는 수개월 전에도 수용 능력 문제를 파악하는 데 도움을 줄 수 있다고 밝혔다.

모든 예측이 출발 시각이 가까워질 때까지 유효하게 유지되는 것은 아니다. 날씨 변화, 정비 문제, 활주로 폐쇄, 항공사 결정은 운영 상황을 계속 바꾼다.

따라서 이 플랫폼에는 인상적인 장기 예측 이상이 필요하다. 권고를 신속히 갱신하고, 기본 상황이 왜 바뀌었는지 운영자에게 보여줘야 한다.

첫 배치는 SMART가 실제 환경에서 이 역할을 수행할 수 있는지를 보여줄 것이다. 또한 시스템에 어느 정도의 교육과 업무 흐름 재설계가 필요한지도 드러낼 것이다.

너무 늦게 도착하는 권고는 운영 가치가 거의 없다. 일찍 도착해도 신뢰성이 부족한 권고는 무시될 것이다.

이 때문에 워싱턴은 단순한 제한적 출시 시장 이상이다. FAA가 예측 AI를 또 하나의 운영 마찰 계층으로 만들지 않고 통합할 수 있는지를 확인하는 첫 공개 시험대다.

SMART는 지연이 발생하기 전으로 의사결정을 앞당기려 한다

이 프로그램의 핵심 아이디어는 단순하다. 항공기가 게이트를 떠난 뒤 하늘에서 결과를 관리하는 대신, 혼잡을 사전에 방지하는 것이다.

항공 교통 관리는 개별 제약이 어떻게 상호작용할지 시스템이 완전히 예측하지 못하기 때문에 반응적으로 흐르는 경우가 많다. 한 지역의 폭풍은 다른 지역의 노선, 항공기 순환 운항, 승무원, 게이트, 공항 도착률을 교란할 수 있다.

항공사와 FAA는 이미 이러한 상황을 계획에 반영한다. 그러나 이들의 데이터, 우선순위, 도구가 미래 수용 능력에 대한 하나의 공유된 관점을 항상 만들어내는 것은 아니다.

SMART는 그 관점을 만들도록 설계됐다. 운영 데이터를 집계하고, 수요가 가용 공역 또는 공항 수용 능력을 초과할 가능성이 큰 지점을 계산한다.

소프트웨어는 악천후 동안 제한된 노선으로 집중되는 여러 출발편을 식별할 수 있다. 그러면 교통 관리자들은 해당 항공기가 흐름에 합류하기 전에 출발 시각이나 궤적을 조정할 수 있다.

이러한 개입은 항공기를 즉시 안전하게 분리하는 전술적 분리와 다르다. 관제사는 기존 시스템과 절차를 통해 계속 전술적 결정을 처리한다.

FAA Administrator Bryan Bedford는 기존 문제를 매일 수천 건의 일정 충돌이 시스템으로 유입되는 상황이라고 설명했다. 이러한 충돌은 결국 혼잡, 우회 운항, 지상 대기, 또는 지연으로 나타난다.

SMART는 이러한 충돌 일부가 시작되는 계획 단계에 초점을 맞춘다. 활주로 공간을 추가로 만들거나, 날씨를 맑게 하거나, 새 관제사를 인증하지는 않는다.

그 가치는 제한된 수용 능력을 더 일관성 있게 배분하는 데서 나온다. 이 플랫폼은 복잡한 운영 중 기존 프로세스가 놓치는 미사용 노선을 드러낼 수도 있다.

FMDS는 비행 계획, 일정, 실시간 위치 업데이트로 이 목표를 뒷받침한다. 예측 모델은 National Airspace System 전반에서 예상 수요를 변화하는 수용 능력과 비교할 수 있다.

FAA는 악천후 상황에서 이 플랫폼이 지역별 우회 운항을 지원할 것이라고 밝혔다. 광범위한 제한은 영향을 받은 지역에 진입할 필요가 전혀 없는 항공편까지 지연시킬 수 있기 때문에 이는 중요하다.

더 정밀한 개입은 그러한 불필요한 영향을 줄일 수 있다. 항공사도 게이트, 승무원, 연료, 승객 연결편을 관리하는 데 더 예측 가능한 정보를 얻게 된다.

하지만 최적화는 우선순위 충돌을 만든다. 시스템 전체에서 가장 짧은 계획이 모든 항공사, 공항, 또는 개별 항공편에 최선의 결과를 제공하는 것은 아닐 수 있다.

따라서 FAA는 권고가 효율성, 형평성, 안전 여유, 운영 복원력을 어떻게 균형 있게 고려하는지 정의해야 한다. 이러한 규칙은 모델 출력 뒤에 숨겨져서는 안 된다.

교통 관리자들은 연속된 권고 사이에서 무엇이 바뀌었는지도 이해해야 한다. 이런 맥락이 없으면 빈번한 업데이트는 개선된 정보가 아니라 불안정성처럼 보일 수 있다.

이 지점에서 FAA AI 항공 교통 관제 프로그램은 인적 요인 문제에 직면한다. 시스템은 이미 복잡한 운항을 관리하는 사람들을 압도하지 않으면서 불확실성을 전달해야 한다.

신뢰도 추정치는 도움이 될 수 있지만, 사용자가 그것이 무엇을 의미하는지 이해할 때만 그렇다. 세련된 점수는 불완전한 기상 정보나 부정확한 일정 데이터를 보완할 수 없다.

가장 좋은 결과는 모든 예측을 자동으로 따르는 것이 아니다. FAA, 항공사, 공항, 관제사 간 더 빠르고 더 잘 informed된 조정이다.

이는 SMART가 자율 관제사가 아니라 의사결정 지원 플랫폼임을 의미한다. 이 차이는 시험, 조달, 대외 커뮤니케이션 전반에서 명확하게 유지돼야 한다.

더 나은 소프트웨어가 관제사 부족을 없애지는 않는다

예측 소프트웨어는 피할 수 있는 업무량을 줄일 수 있지만, 핵심 시설에 충분한 수의 숙련된 관제사를 배치하는 일을 대신할 수는 없다.

인력 문제는 SMART 계약보다 앞서 존재했다. 채용 차질, 퇴직, 교육 과정 이탈, 팬데믹 시기의 영향으로 FAA 인력은 이전 수준을 밑돌고 있다.

2025년 12월 인력 검토는 FAA가 2025 회계연도 말 기준으로 관제사 13,164명을 고용했다고 밝혔다. 이는 2015년보다 약 6% 적은 수치다.

교통량은 반대 방향으로 움직였다. 항공 교통 관제 시스템을 이용한 전체 항공편은 2015 회계연도부터 2024년 사이 약 10% 증가했다.

이 조합은 더 적은 인력에 더 큰 수요를 부과한다. 인력 부족은 교통 제한을 초래하고, 초과 근무를 늘리며, 교육 부담을 길게 하고, 운영 유연성을 낮출 수 있다.

부족 문제는 빠르게 해결할 수 없다. 지원자는 적성 평가, 의료 및 보안 심사, 아카데미 교육, 시설별 교육을 통과해야 한다.

GAO는 전체 과정에 2년에서 6년이 걸릴 수 있다고 밝혔다. 많은 지원자가 인증 관제사가 되기 전에 떠나거나 자격 요건을 충족하지 못한다.

FAA는 채용을 늘리고 절차 일부를 간소화했다. Transportation Department는 2025년 3월 이후 관제사 약 2,400명이 채용됐다고 밝혔지만, 인증에는 여전히 시간이 걸린다.

SMART는 문제의 다른 부분을 다룬다. 인력이 수요를 더 효과적으로 관리하도록 도울 수는 있지만, 빈 자리를 채우거나 새 관제사를 교육할 수는 없다.

이 경계는 대중의 회의론에서 핵심이 됐다. 일부 관제사와 항공 업계 관찰자들은 소프트웨어 지출이 보상, 인력 유지, 교육, 시설 인력 배치 문제에서 관심을 돌리는 것인지 의문을 제기한다.

선택지가 완전히 대체 가능한 것으로 취급된다면 비판은 오해를 낳는다. 소프트웨어 계약과 인력 프로그램은 서로 다른 예산, 역량, 실행 경로를 사용한다.

그럼에도 근본적인 우려는 타당하다. FAA는 계획 업무량이 줄었다는 사실을 인력 수요가 사라졌다는 증거로 제시해서는 안 된다.

자동화는 때때로 반복 업무를 없애는 동시에 새로운 모니터링 업무를 만든다. 운영자는 권고를 검토하고, 이상 현상을 조사하며, 통합이 실패할 때 복구해야 한다.

새 도구는 일시적으로 수요를 늘릴 수도 있다. FAA가 플랫폼을 검증하고 기존 안전 보호 장치를 유지하는 동안, 관제사와 교통 관리자에게 병행 절차가 필요할 수 있다.

따라서 시스템은 단순 처리 속도가 아니라 운영 업무량을 기준으로 평가돼야 한다. 사람들이 각각을 수동으로 평가해야 한다면, 더 많은 선택지를 제시하는 모델은 업무를 늘릴 수 있다.

인력의 수용성은 기술적 정확성만큼 중요하다. 관제사들은 명확한 운영 설명 없이 기존 흐름을 바꾸는 플랫폼을 신뢰하기 어려울 것이다.

그들의 피드백은 인터페이스 설계, 경보 임계값, 대체 절차를 형성해야 한다. 또한 데이터상으로는 효율적으로 보이지만 실제 조건에서는 작동하지 않는 권고를 식별해야 한다.

FAA AI 항공 교통 관제 노력은 더 광범위한 수용 능력 전략의 한 구성 요소로 작동할 때 가장 효과적이다. 그 전략에는 여전히 채용, 인증, 인력 유지, 시설, 통신, 감시 장비가 필요하다.

소프트웨어는 관제사가 복잡성을 관리하도록 도울 수 있다. 하지만 인력 문제 자체를 사라지게 하지는 못한다.

8억 7,500만 달러 투자는 훨씬 더 큰 재구축의 일부다

SMART는 항공교통관제를 위한 독립적인 해법이 아니라, 비용 부담이 크고 일정이 촉박한 현대화 프로그램 안의 하나의 소프트웨어 계층이다.

FAA는 SMART와 FMDS를 포괄하는 12년 계약을 ASI에 수여했다. 이 프로그램은 노후한 통신, 감시, 기상, 교육, 자동화 시스템을 교체하려는 더 광범위한 노력에 합류한다.

Peraton은 더 큰 현대화 사업의 주 통합사업자 역할을 맡고 있다. 이 역할에는 수천 곳의 FAA 시설 전반에서 계약업체와 설치 작업을 조율하는 일도 포함된다.

의회는 이 프로그램에 초기 자금으로 125억 달러를 제공했다. 교통부는 전체 현대화를 완료하려면 이 첫 예산 배정 이후에도 훨씬 더 많은 자금이 필요할 것이라고 밝혔다.

계획은 작업을 단계별로 나눈다. 초기 사업은 통신, 레이더, 기상 시스템, 정보 디스플레이, 지상 이동 인식, 교육 기술에 중점을 둔다.

이후 자동화 작업에는 FMDS와 항공기를 표시하고 추적하는 시스템에 사용될 공통 플랫폼이 포함된다. 이 구성 요소들은 교통 최적화와 더 밀접하게 연결돼 있다.

행정부는 주요 1단계 작업의 완료 시점으로 2028년 말까지를 목표로 잡았다. 이 일정은 기존 연방 항공 현대화 프로그램보다 훨씬 빠르다.

속도는 실제 문제에 대응한다. 일부 FAA 인프라는 여전히 오래된 장비, 제한적인 교체 부품, 수십 년 전에 설치된 통신 연결에 의존하고 있다.

그러나 압축된 납기 일정은 그 자체의 위험을 낳는다. 계약업체가 장비를 교체하고 새 플랫폼을 연결하는 동안 핵심 시스템은 계속 가용 상태를 유지해야 한다.

최신 현대화 평가는 계획 수립에 관한 중대한 의문을 제기한다. GAO는 포괄적인 수명주기 비용 추정치와 1단계 통합 마스터 일정이 없다고 밝혔다.

2026년 5월 기준으로 더 광범위한 프로그램은 1만 1,000개가 넘는 개별 프로젝트 일정으로 구성돼 있었다. 이 일정들은 완전히 통합되거나 최적화되지 않은 상태였다.

이 지적은 소프트웨어가 다른 프로젝트가 제공하는 인프라와 데이터에 의존한다는 점에서 SMART에 중요하다. 다른 곳의 지연은 예측 기능의 품질이나 적용 범위를 제한할 수 있다.

GAO는 FAA가 1단계 시스템 현대화 비용을 106억 1,500만 달러로 추산했다고도 보고했다. 가용 프로그램 예산은 매년의 추가 자금과 기타 재원이 필요한 것으로 예상되는 격차를 남겼다.

2026년 5월 기준으로 2단계에는 추가로 102억 달러가 필요할 것으로 예상됐다. 해당 단계는 충분한 자금이 확보되지 않았기 때문에 FAA는 완전한 시행 일정을 수립하지 못했다.

따라서 SMART는 계약이 중첩되고, 인프라 구축이 미완료이며, 장기 예산 배정이 불확실한 환경에 진입한다. 자체 계약 금액만으로는 이러한 의존성을 포착할 수 없다.

과거 경험은 신중함을 권한다. FAA의 NextGen 현대화는 의미 있는 역량을 만들어냈지만, 프로젝트들은 지연, 변경되는 요구사항, 복잡한 통합 작업에도 직면했다.

새 전략은 모든 역량을 내부적으로 구축하는 대신 상용으로 개발된 소프트웨어를 강조한다. ASI는 이미 주요 항공사에 라우팅 및 운영 도구를 제공하고 있다.

상용 분야 경험은 이 회사에 관련 데이터와 배포 지식을 제공한다. 그렇다고 동일한 제품이 연방 안전, 규모, 보안, 투명성 요구사항을 충족한다는 것이 자동으로 입증되는 것은 아니다.

국가공역시스템에는 대형 항공사 외의 이용자도 있다. 화물 운항사, 비즈니스 항공, 일반항공, 군 이용자, 드론, 미래의 에어택시가 접근권을 놓고 경쟁한다.

국가 플랫폼은 이러한 서로 다른 운영 모델을 고려해야 한다. 가장 깊은 데이터 통합을 갖춘 항공사만을 위해 최적화할 수는 없다.

FAA의 시스템 계획은 소프트웨어를 새 레이더, 통신망, 음성 스위치, 시설과 결합한다. 예측은 고장 난 통신 연결을 복구할 수 없기 때문에 이러한 통합 접근 방식은 필요하다.

따라서 더 큰 재구축은 SMART의 기회이자 가장 큰 의존 요소다. 현대화된 인프라는 더 나은 데이터를 제공할 수 있지만, 문제가 있는 통합은 정확한 모델조차 약화시킬 수 있다.

안전은 데이터, 설명, 대체 수단에 달려 있다

가장 어려운 질문은 SMART가 예측을 만들 수 있는지 여부가 아니라, FAA가 비정상적인 조건에서 이를 안전하게 신뢰할 수 있는지다.

머신러닝은 현재 조건이 데이터에 담긴 패턴과 유사할 때 가장 잘 작동한다. 항공 운항 차질은 정확히 같은 형태로는 거의 발생하지 않는 조합을 수반하는 경우가 많다.

빠르게 이동하는 폭풍은 활주로 폐쇄, 통신 장애, 인력 제한 또는 군 공역 변경과 겹칠 수 있다. 이런 순간에는 과거 평균이 제한적인 지침만 제공한다.

SMART는 자체 예측의 신뢰성이 떨어지는 시점을 인식해야 한다. 운영자에게는 권고를 거부하고 확립된 절차로 돌아갈 수 있는 명확한 방법도 필요하다.

이 요구사항은 안전이 핵심인 의사결정 지원을 일반적인 비즈니스 분석과 구분한다. 잘못된 사무실 예측은 시간을 낭비하지만, 항공 관련 권고는 여러 지역의 교통 흐름을 재편할 수 있다.

플랫폼의 데이터는 또 다른 위험을 만든다. 항공사 일정은 바뀔 수 있고, 기상 예보는 달라질 수 있으며, 공항 수용 능력 추정치는 수분 내에 구식이 될 수 있다.

중앙화된 시각화는 각 입력값에 명확한 타임스탬프와 출처 정보가 있을 때만 도움이 된다. 사용자는 권고가 현재 조건을 반영하는지, 아니면 오래된 데이터 피드를 반영하는지 알아야 한다.

사이버보안도 똑같이 중요하다. FMDS는 FAA와 공역 이용자 간에 실시간 운영 데이터를 교환하게 되므로, 가용성과 무결성이 필수적이다.

공격자가 혼란을 일으키기 위해 항공기를 직접 장악할 필요는 없다. 손상된 수용 능력 추정치나 거짓 경로 제약만으로도 신뢰와 효율성을 해칠 수 있다.

FAA는 정상 성능뿐 아니라 성능 저하 모드도 시험해야 한다. 이 시험에는 사용할 수 없는 데이터 피드, 지연된 업데이트, 상충하는 입력값, 모델 실패, 통신 두절이 포함돼야 한다.

인적 요인에도 같은 수준의 주의가 필요하다. 가치가 낮은 경보가 너무 많으면 경보 피로를 유발할 수 있고, 설명되지 않은 권고는 불신 또는 과도한 의존을 부추길 수 있다.

자동화 편향은 사람들이 컴퓨터화된 권고에 과도한 비중을 두는 현상을 말한다. 좋은 인터페이스는 수동적 수용을 보상하기보다 판단을 지원해야 한다.

이는 각 제안의 배경이 되는 제약을 보여주는 것을 의미한다. 교통 관리자는 기상, 활주로 수용 능력, 구역 수요 또는 다른 요인 중 무엇이 권고를 이끌었는지 볼 수 있어야 한다.

시스템은 책임성도 보존해야 한다. 로그에는 어떤 데이터가 제안을 뒷받침했는지, 사람이 무엇을 결정했는지, 운영 결과가 예측과 어떻게 달랐는지가 기록돼야 한다.

이 기록은 조사관, 감사자, 엔지니어가 모델 오류와 데이터 실패 또는 불확실성 속에서 내려진 합리적인 결정을 구분하는 데 도움이 될 것이다.

공개적 주장은 증거보다 더 넓어서는 안 된다. FAA는 SMART가 지연을 줄이고, 교통 흐름을 개선하며, 수용 능력을 높일 것이라고 말하지만, 실제 운용 결과가 그러한 성과를 전국적으로 입증한 것은 아니다.

지역 단위 배포는 초기 증거를 제공할 수 있다. 그러나 이 플랫폼이 모든 시설, 기상 패턴, 교통 구성에서 똑같이 잘 작동한다는 것을 증명할 수는 없다.

안전은 사고가 없다는 사실만으로 측정해서는 안 된다. 관련 지표에는 거부된 권고, 불안정한 계획, 업무량 변화, 서비스 중단 사건, 절차 이탈이 포함된다.

지연 감소 역시 신중한 원인 귀속이 필요하다. 기상, 수요, 항공사 운영, 인력, 장비 상태는 SMART와 무관하게 변할 수 있다.

FAA는 유사한 운항 기간을 비교하고 보고된 효과의 산정 방법론을 공개해야 한다. 그렇지 않으면 유리한 조건이 소프트웨어 성능으로 오인될 수 있다.

투명성은 민감한 운영 데이터나 독점 코드를 공개하는 것을 요구하지 않는다. 명확한 지표, 평가 범위, 실패에 대한 정직한 보고를 요구한다.

이러한 요소가 없다면 FAA의 AI 항공교통관제 프로그램은 평범한 현대화에 붙은 홍보용 라벨이 될 위험이 있다. 반대로 이를 갖춘다면, 책임성 있는 운영 AI를 검증하는 의미 있는 시험대가 될 수 있다.

SMART의 작동 여부를 보여줄 세 가지 신호

다음 증거는 운용 현장에서 나와야 한다. 즉, 관제사의 사용, 측정 가능한 교통 개선, 워싱턴을 넘어선 신뢰할 수 있는 확장이다.

첫 번째 신호는 교통 관리자가 실제 운항 차질 상황에서 SMART의 권고를 사용하는지 여부다. 운영자가 사소한 제안만 수용할 수 있으므로, 채택률만으로는 충분하지 않다.

FAA는 권고가 악천후 계획, 출발 순서 조정, 우회, 제약 해제 후의 복구에 어떤 영향을 미치는지 살펴봐야 한다. 또한 운영자가 제안을 거부하는 이유도 추적해야 한다.

복잡한 운항 중에 일관되게 사용된다면 SMART의 근거는 강화될 것이다. 누락된 제약이나 불안정한 출력 때문에 빈번히 무시된다면 그 근거는 약화될 것이다.

두 번째 신호는 지연과 업무량의 측정 가능한 변화다. 이 평가는 유사한 교통량, 기상 조건, 인력 상황을 비교해야 한다.

유용한 지표에는 계획 수립 선행 시간, 지상 지연 지속 시간, 우회 빈도, 구역 과부하 사건, 관제사와 교통 관리자가 보고한 업무량이 포함된다.

시스템 전반의 효율성도 중요하다. 한 공항의 지연을 다른 공항으로 옮기는 것은 진정한 개선이 아니다.

다른 이용자에게 숨겨진 비용을 부과하면서 한 집단의 운영자를 우선시하는 것도 마찬가지다. FAA에는 단일 공항의 결과가 아니라 네트워크 효과를 포착하는 측정값이 필요하다.

세 번째 신호는 확장의 속도와 품질이다. 성공적인 워싱턴 배포는 소프트웨어가 추가 지역으로 진입하기 전에 문서화된 운영 기준선을 만들어야 한다.

확장은 플랫폼이 서로 다른 공역 설계, 기상 패턴, 교통 구성, 지역 절차에 적응할 수 있는지를 시험하게 된다. 교육과 기술 지원도 시험받게 된다.

빠른 전국 일정은 해결되지 않은 결함을 숨긴 채 인상적으로 보일 수 있다. 각 단계에 명시적인 승인 기준이 있을 때 단계적 배포는 더 큰 가치를 제공한다.

의회와 감독 기관도 SMART와 더 광범위한 현대화 일정 간의 관계를 주시해야 한다. 핵심 인프라가 신뢰할 수 있는 데이터를 제공하지 못한다면 소프트웨어 마일스톤은 별 의미가 없다.

마찬가지로 새 레이더나 통신 장비가 더 나은 교통 관리를 보장하지는 않는다. 시스템이 정보를 안정적으로 교환하고 사람들이 그 정보에 따라 행동할 수 있을 때에만 가치가 나타난다.

ASI의 역할은 이 회사가 수년간 핵심 운영 플랫폼에 영향을 미치게 된다는 점에서 지속적인 검토를 받을 가치가 있다. 계약 감독은 성능, 보안, 이식성, 독점 기술 의존도를 살펴봐야 한다.

FAA는 결과를 감사하고 공급업체 간에 데이터를 옮길 수 있는 역량을 유지해야 한다. 인터페이스나 성능 측정 기준이 모호한 상태로 남아 있으면 장기 계약은 비용이 큰 제약이 될 수 있다.

항공사에는 더 이르고 예측 가능한 계획을 지지할 이유가 있다. 더 나은 예측은 항공기 활용, 승무원 계획, 연료 결정, 게이트, 승객 연결을 개선할 수 있다.

관제사에게는 다르지만 상호 보완적인 이해관계가 있다. 이들은 권한, 상황 인식, 신뢰할 수 있는 대체 도구를 잃지 않으면서 피할 수 있는 충돌을 줄여야 한다.

승객은 이 프로그램을 간접적으로 경험하게 될 것이다. 이들은 Command Center에서 모델이 작동하는 모습을 보지는 못하겠지만, 연쇄적인 지연과 막판 변경이 줄어드는 것은 알아차릴 수 있다.

이러한 혜택은 보장되지 않는다. 초기 배포는 예측이 항공 운항을 어렵게 만드는 조건에서도 운영상 결정으로 이어진다는 점을 입증해야 한다.

FAA의 투자는 결국 헤드라인이 시사하는 것보다 더 제한적이다. 이는 미국 공역을 자율 AI 시스템에 넘기는 일이 아니다.

이는 더 나은 예측이 숙련된 인력에게 부족한 운항 수용능력을 관리할 시간을 더 제공할 수 있는지 시험하는 일이다. 그 목표는 신뢰할 수 있고 측정 가능하지만, 여전히 까다롭다.

향후 몇 달은 SMART가 워싱턴의 관제사들로부터 신뢰를 얻는지 가늠하게 될 것이다. 또한 기상, 혼잡, 시스템 장애 상황에서도 권고안이 유용하게 유지되는지 드러날 것이다.

이러한 결과가 의미 있는 비교와 함께 공개된다면, FAA의 AI 항공교통관제 이니셔티브는 책임 있는 공공 부문 AI의 모델을 제시할 수 있다. 증거가 계속 모호하다면, 이 계약은 비용만 많이 드는 약속으로 남을 것이다.

따라서 여행객, 관제사, 정책입안자에게 제기되는 질문은 구체적이다. FAA는 단순히 소프트웨어를 추가한 것이 아니라 예측이 의사결정을 개선했음을 보여줄 만큼 충분한 운영 증거를 공개할 것인가?