|
 |
|
ESRI User Conference 2026 참관기[Vol. 02]
√ AI가 GIS의 사용법을 바꾸다
ESRI User Conference 2026 참관기[Vol. 02]√ AI가 GIS의 사용법을 바꾸다
(커넥트 데일리=사공호상 공간정보전략연구소장/前 국토지리정보원장)
[Vol. 02] AI가 GIS의 사용법을 바꾸다 GeoAI, AI Assistant, 공간 파운데이션 모델과 Agentic GIS
지난 수십 년간 GIS 기술의 발전은 더 정밀한 공간데이터와 더 강력한 분석기능을 확보하는 과정이었다. 초기의 GIS는 종이지도를 디지털화하고 도형과 속성을 관리하는 데 초점을 두었다. 이후 중첩분석, 네트워크 분석과 공간통계가 발전하면서 GIS는 공간현상을 설명하고 의사결정을 지원하는 분석도구가 됐다. 웹과 모바일 기술이 결합한 뒤에는 언제 어디서나 공간정보를 공유하는 플랫폼으로 발전했다.
2026 ESRI User Conference에서 확인한 변화는 GIS에 새로운 기능 하나가 추가되는 것이 아니라, GIS를 사용하는 방식과 공간정보 업무의 전체 구조가 AI를 중심으로 다시 설계되고 있다.
분석을 자동화하는 GeoAI
이전까지 GeoAI는 주로 영상을 분류하거나 객체를 탐지하는 전문기술로 인식됐다. 그러나 UC 2026에서 GeoAI는 ArcGIS 전반의 데이터 구축과 분석업무에 적용되는 보편적 기반기술로 제시됐다.
공간통계 세션에서도 AI 모델을 이용한 대규모 데이터 추출과 분석, 공간적 맥락을 활용한 AI 의사결정, AI Assistant를 통한 생산성 향상과 에이전트 기반 자동화가 함께 다뤄졌다. 이는 공간통계와 GeoAI, 생성형 AI가 더 이상 서로 분리된 기술이 아니라 하나의 업무 흐름으로 통합되고 있음을 보여준다.
과거에는 분석자가 데이터를 수집하고 정제한 뒤 알고리즘을 선택해 모델을 학습시켰다. 앞으로는 사전에 학습된 모델을 활용해 데이터에서 특징을 추출하고, AI가 분석방법을 추천하며, 분석자는 결과의 적합성과 의미를 판단하는 구조로 바뀌게 된다.
GIS의 진입장벽을 낮추는 AI Assistant
AI Assistant는 이 장벽을 크게 낮춘다. ESRI는 ArcGIS의 여러 제품과 서비스에 내장된 AI Assistant는 자연어로 사용자의 의도를 이해해 Python 코드의 오류를 수정하고, 메타데이터 작성을 지원하며, 현장조사 설문을 구성하고, 분석과 제품 사용방법을 안내한다.
향후 사용자는 “최근 10년 동안 시가화지역이 가장 빠르게 증가한 지역을 찾아 달라”거나 “폭염 취약인구가 집중된 지역을 분석해 정책지도를 만들어 달라”고 요청할 수 있다.
AI Assistant는 이를 여러 개의 GIS 작업으로 해석한다. 필요한 데이터를 검색하고, 시계열 자료를 정리하며, 변화량과 취약성을 분석하고, 적절한 표현방식을 적용해 지도를 만든다. 분석과정과 결과를 자연어로 설명하는 것도 가능해진다. 이는 GIS의 인터페이스가 명령어와 메뉴 중심에서 의도와 대화 중심으로 변화한다는 것을 의미한다.
장소의 의미를 학습하는 공간 파운데이션 모델
생성형 AI 발전의 중요한 기반은 대규모 데이터를 사전에 학습한 파운데이션 모델이다. 공간정보 분야에서도 위성영상과 지형, 토지피복, 인구, 시설과 사회경제적 특성을 학습한 공간 파운데이션(Geospatial Foundation Model) 모델이 등장하고 있다.
이러한 모델은 하나의 특정 업무만 수행하도록 만들어진 것이 아니다. 미리 학습한 공간적 특징을 여러 업무에 재활용할 수 있다. UC 2026을 전후해 Living Atlas에는 geoembedding을 활용하는 새로운 파운데이션 모델들이 추가됐다. 이 모델들은 영상이 가진 의미적·공간적 특성을 학습해, 업무마다 모델을 처음부터 구축하지 않고도 다양한 GIS 작업에 재사용할 수 있도록 한다.
공간 파운데이션 모델의 발전은 공간분석의 관점도 바꾼다.
기존 GIS는 두 장소가 물리적으로 얼마나 가까운지를 분석하는 데 강했다. 앞으로의 GIS는 공간적으로 멀리 떨어져 있더라도 인구구조, 토지이용, 산업, 접근성과 생활환경이 유사한 장소를 찾아낼 수 있다. 예를 들어 쇠퇴가 진행 중인 지방도시와 유사한 특성을 가진 다른 도시를 찾아 선제적으로 대응하거나, 성공한 상권과 유사한 잠재입지를 탐색할 수 있다. 재난 피해가 발생한 지역과 지형·건축·인구 특성이 유사한 지역을 찾아 예방정책을 적용하는 것도 가능하다.
GIS는 좌표를 처리하는 기술에서 장소의 의미를 이해하는 기술로 발전하고 있다.
Assistant에서 Agent로
재난관리 상황을 예로 들어 보자. 집중호우가 발생하면 공간 AI 에이전트는 실시간 강우와 하천수위 자료를 확인하고, 침수위험지역과 취약인구 분포를 중첩한다. 위험에 노출된 시설을 파악하고, 대피가 필요한 지역과 경로를 계산한다. 이어 상황판을 갱신하고 담당자에게 우선 대응지역과 조치방안을 전달한다.
이 과정에서 AI는 하나의 질문에 답하는 것이 아니라 여러 데이터와 분석도구를 연결해 일련의 업무를 수행한다.
ESRI는 2026년 ArcGIS Location Platform에 MCP 지원 기능을 베타로 도입했다. MCP는 AI 모델이 외부 데이터와 도구를 표준화된 방식으로 연결해 사용할 수 있도록 하는 규약이다. 이를 통해 AI 에이전트가 ArcGIS의 지도와 위치서비스, 분석기능을 직접 호출할 수 있는 기반이 마련되고 있다.
따라서 Agentic GIS는 먼 미래의 개념이라기보다 이미 구현 단계에 진입한 기술로 보아야 한다.
자동화될 업무와 새롭게 중요해질 업무 AI가 GIS에 들어오면 공간정보 전문가의 일자리가 사라질 것이라는 우려가 있다. 반복적이고 표준화된 업무가 자동화되는 것은 피하기 어렵다.
다음과 같은 업무는 빠르게 자동화될 가능성이 크다.
그러나 AI가 모든 공간적 판단을 대신할 수 있는 것은 아니다. AI가 제안한 분석질문이 정책목적에 적합한지, 사용한 데이터가 현실을 정확히 반영하는지, 모델에 지역적 편향이 없는지, 분석결과가 인과관계인지 단순한 상관관계인지 판단하는 일은 여전히 전문가의 몫이다.
자동화가 확대될수록 다음 역량의 중요성은 오히려 커진다..
미래의 공간정보 전문가는 단순한 GIS 사용자가 아니다. AI가 수행할 업무를 설계하고 결과를 검증하며, 사람과 AI의 역할을 조정하는 공간 AI 오케스트레이터(Ochestrator)가 돼야 한다.
국내 산업은 무엇을 준비해야 하는가
앞으로 기업은 단순히 성과품을 납품하는 사업에서 벗어나야 한다.
첫째, 행정·도시계획·재난·환경 등 특정 분야의 업무지식을 AI와 GIS에 결합한 분야별 공간 AI 에이전트를 개발해야 한다.
둘째, 단순한 데이터 구축이 아니라 AI가 지속적으로 활용할 수 있는 데이터 관리와 갱신 서비스를 제공해야 한다.
셋째, 외국의 범용 공간 파운데이션 모델이 한국의 토지제도와 건축물, 도시형태를 정확히 이해하지 못할 가능성에 대비해 한국형 공간 학습데이터와 모델을 확보해야 한다.
넷째, AI가 생성한 분석결과의 품질과 책임성을 검증하는 새로운 서비스 시장을 준비해야 한다.
AI는 GIS를 대체하지 않는다. 그러나 AI를 활용하는 GIS는 AI를 활용하지 않는 GIS를 빠르게 대체할 것이다.
다음 회에서는 이러한 공간지능의 토대가 되는 Living Atlas와 실시간 데이터, Reality Mapping과 디지털 트윈을 중심으로 현실세계와 디지털 공간이 어떻게 하나로 연결되고 있는지를 살펴본다. <저작권자 ⓒ 커넥트 데일리 무단전재 및 재배포 금지>
ESRI UC 2026, GIS, GeoAI, AI Assistant, 공간 파운데이션 모델, Agentic GIS, 공간 AI 에이전트, ArcGIS Location Platform, MCP, 공간 AI 오케스트레이터, Living Atlas, geoembedding, 디지털 트윈 관련기사목록
|
인기기사
|
