AI 국경 감시의 치명적 결함과 데이터 사각지대

25년의 투자와 수십억 달러의 가상 장벽이 마주한 현실

미국 정부는 지난 25년간 멕시코와의 1,951마일 남부 국경을 감시하기 위해 막대한 예산을 투입해 '가상 장벽(Virtual Wall)'을 구축해 왔습니다. 과거 베트남전 시절의 지하 매설 센서와 기본 무전기에 의존하던 국경 경비 시스템은 1998년 원격 팬·줌 카메라를 거쳐, 최근에는 인공지능(AI)과 컴퓨터 비전 알고리즘을 탑재한 첨단 자율 감시 타워(AST)로 진화했습니다. 정부와 방산 기술 기업들은 이러한 AI 기반 감시 인프라가 월경자를 자동으로 식별·추적하여 요원들의 수색 효율을 높이고, 조난자를 신속히 구조해 생명을 살릴 것이라고 공언해 왔습니다.

그러나 MIT 테크놀로지 리뷰(MIT Technology Review)와 타임스 오브 샌디에이고(Times of San Diego)의 15개월에 걸친 공동 심층 탐사 보도 'Dying on Camera'에 따르면, 이러한 기술적 약속은 현장에서 심각한 결함을 드러내고 있습니다. 비영리 단체들이 기록한 약 4,000건의 유해 발견 지점과 국경 인근 약 600개의 감시 타워 위치를 교차 분석한 결과, 2015년부터 2026년 초까지 감시 타워의 공칭 감시 반경 내에서 사망한 인원은 1,050명 이상에 달하는 것으로 확인되었습니다.

1. AI 타워 자동 탐지
2. 관제소 및 스마트폰 알림
3. 요원 현장 출동
4. 구호 또는 체포

이러한 인명 피해는 기술이 완전히 보급되지 않은 초기 장비에 국한되지 않았습니다. 2021년 이후 배치된 방산 기업 안두릴(Anduril)의 최신형 AI 자율 감시 타워 주변에서도 110명 이상이 숨진 채 발견되었습니다. 분석 대상 타워 중 약 3분의 2에 해당하는 타워 반경 내에서 사망자가 발생했으며, 이는 특정 장비 몇 대의 오작동이 아닌 시스템 전반의 구조적 결함임을 시사합니다.

---

AI 알고리즘의 사각지대와 360피트 앞에서의 비극

첨단 AI 감시 타워가 배치된 현장에서 발생한 대표적 사례는 2024년 4월 8일 뉴멕시코주 선랜드파크 인근 사막에서 발생한 호세 모랄레스 베르날(José Morales Bernal)의 사망 사건입니다. 당시 32세 생일을 하루 앞두고 국경을 넘은 모랄레스는 안두릴이 제작한 3대의 최신 AI 감시 타워 가시거리 내에 머물고 있었습니다. 정상적인 시스템 작동 환경이었다면 AI 알고리즘이 모랄레스를 즉각 포착하고, 인근 순찰 요원의 정부 지급 스마트폰으로 좌표 알림이 전송되어 체포 및 응급 구호가 이루어졌어야 했습니다.

하지만 현실은 전혀 달랐습니다. 국경순찰대(CBP)는 그를 전혀 탐지하지 못했고, 모랄레스는 가장 가까운 AI 감시 타워에서 불과 360피트(약 110m) 떨어진 지점에서 '환경 노출(탈수 및 열사병 등)'로 숨졌습니다. 그를 처음 발견하고 당국에 신고한 주체는 국경순찰대가 아닌 인근 매립지 직원들이었습니다.

"자율 감시 타워는 인공지능을 사용해 사람, 차량, 동물을 감지 및 분류하고 감시 지역의 활동을 국경순찰대 요원에게 알립니다. CBP는 탐지, 대응 조정, 요원 안전 및 임무 결과에 미치는 영향을 기준으로 기술을 평가합니다." — 힐튼 베컴(Hilton Beckham), CBP 공보담당 차장보

MIT 테크놀로지 리뷰의 지형 분석에 따르면, 사막의 일부 거친 지형으로 인해 타워의 실제 가시 범위가 제조사 공칭 감시 영역의 10% 수준으로 제한되는 경우도 존재했으나, 대부분의 사망 사례는 지형적 사각지대가 아닌 카메라의 직접 가시 범위 안에서 일어난 것으로 분석되었습니다. 같은 해 모랄레스가 사망한 사막 구간에서는 18명이 추가로 사망했으며, 그중 5명은 모랄레스가 발견된 위치와 동일한 단일 타워의 시야 범위 내에 있었습니다.

---

시스템 붕괴의 원인: 미흡한 감지와 현장 대응의 단절

전·현직 백악관 자문관, 국경순찰대 요원, 법의학 검시관, 기술 기업 관계자 등 45명 이상의 전문가 인터뷰를 통해 확인된 가상 장벽의 실패 원인은 크게 두 가지 축으로 요약됩니다. 첫째는 'AI 알고리즘의 식별 실패'이며, 둘째는 '알림이 생성되었음에도 요원이 출동하지 않은 대응 실패'입니다.

• 알고리즘 및 하드웨어 결함: 거친 기상 조건이나 사막 지형에서 카메라 센서와 AI 모델이 인간을 정확히 분류해 내지 못하거나 장비 고장이 방치되는 현상이 지속되었습니다.
• 대응 인력 및 프로토콜 부재: AI 시스템이 알림을 보내더라도 관제실이나 현장 요원이 우선순위를 낮게 책정하여 출동하지 않거나, 광범위한 경보에 둔감해지는 '경보 피로(Alert Fatigue)' 문제가 발생했습니다.
• 기록 데이터의 불일치 및 왜곡: 2017년 정부책임처(GAO) 조사에 따르면, 텍사스주 요원들은 해당 주에 설치되지도 않은 특정 감시 타워의 도움으로 월경자를 체포했다고 수백 건 허위 입력하는 등 데이터 신뢰성이 바닥 수준이었습니다.
• 사망 사건 검증 프로토콜 결여: 시신이 발견되더라도 해당 위치가 감시 타워의 가시 범위였는지, 시스템 로그에 포착 기록이 있었는지를 역추적하는 공식 내부 절차가 전무했습니다.

아일랜드 유니버시티 칼리지 더블린(UCD)의 지리학과 조교수 제프 보이스(Geoff Boyce)는 방산 기업들과 국토안보부(DHS)가 주장하는 기술의 운영 지원 수준과 실제 현장 효용 사이에는 막대한 괴리가 존재한다고 지적했습니다.

---

10억 달러 증설 계획과 제시된 4대 제도적 개선 과제

정부의 2023년 추산에 따르면 기존 803개 감시 타워의 수명 주기 총비용은 62억 달러에 달합니다. 여기에 더해 CBP는 2025년에 확보된 대규모 예산을 바탕으로 10억 달러를 추가 투입하여 2034년까지 1,497기의 타워를 증설, 가상 장벽 규모를 3배로 확대할 방침입니다. 그러나 감시 효과에 대한 정량적 평가 없이 인프라만 확장된다는 비판이 고조되고 있습니다. 조사팀은 국경 감시 시스템의 치명적 결함을 바로잡기 위해 CBP가 즉각 이행해야 할 4가지 정책 권고안을 제시했습니다.

1. 가상 장벽 인근 사망 사건에 대한 종합 감사 실시: CBP는 현재 타워의 정확한 좌표와 가동 이력을 외부에 공개하지 않고 있습니다. 정부 차원에서 타워 가동 데이터와 사망자 발생 지점을 전수 대조하는 독립적 감사를 수행해야 합니다. 2. 이주민 사망 및 유해 추적 데이터 표준화: 국경순찰대의 '국경 안전 이니셔티브 추적 시스템(BSITS)'과 2017년 도입된 '실종 이주민 프로그램'은 데이터 누락과 사후 평가 부재로 인해 실제 인명 구조 성과를 측정하지 못하고 있습니다. 전국적으로 일관된 유해 기록 표준을 수립해야 합니다. 3. 기술 보조 체포 기록의 정확성 및 효과 측정: 감시 기술이 실제 체포와 구조로 이어졌는지 명확한 로그를 남기고, 수집된 데이터를 바탕으로 AI 인프라의 실효성을 투명하게 검증해야 합니다. 4. 시신 발견 사건을 감시 실패 관점에서 공식 조사: 유해가 발견되었을 때 감시망 범위 내였는지 자동으로 조회하고, AI 탐지 실패인지 현장 미출동인지를 규명해야 합니다. 현재 CBP는 내부 조사가 개시되지 않으면 타워 녹화 영상을 30일 후 자동 삭제하고 있어 핵심 증거가 인멸되고 있습니다.

의회 내부에서도 반발이 나타나고 있습니다. 미 하원 국토안보위원회 소속 델리아 라미레즈(Delia Ramirez) 민주당 의원은 투명성과 감독 책임이 결여된 AI 감시 기술에 수백만 달러의 세금을 낭비하는 것을 중단해야 한다고 강조했습니다.