[국토교통과학기술진흥원] 멀티에이전트 기반 R&D 기획지원 시스템 실증(PoC)

국토교통과학기술진흥원 R&D Architect – 150쪽 기획보고서를 AI와 사람이 함께 만들다

국가 연구개발사업 하나를 기획하려면 얼마나 많은 판단이 필요할까요?

어떤 문제가 중요한지 정하고, 국내외 기술수준을 조사하고, 기존 연구와 중복되지 않는지 확인하고, 세부기술과 예산을 설계한 뒤 150쪽 안팎의 기획보고서로 만들어야 합니다.

국토교통 분야에서는 이 과정에 평균 12개월이 걸립니다. 여러 분야의 전문가가 참여하고, 기획위원회 회의와 검토를 반복합니다. 연 35조 원 규모의 국가 R&D가 이런 기획보고서에서 출발하지만, 기획 속도와 품질은 참여자의 경험과 조사역량에 크게 좌우될 수 있습니다.

국토교통과학기술진흥원(KAIA)은 생성형 AI에 보고서 한 번을 맡기는 방식 대신, 실제 기획위원회의 역할과 의사결정 구조를 AI 시스템 안에 옮겼습니다.

그 결과물이 KAIA R&D Architect입니다.

AI가 조사하고 초안을 만들되, 예산과 우선순위, 최종 승인처럼 중요한 판단은 사람이 맡는 멀티에이전트 기반 R&D 기획지원 시스템입니다.

Challenge – 단일 LLM은 긴 보고서와 정확한 숫자에 취약해요

R&D 기획보고서는 단순한 글쓰기 결과물이 아닙니다.

기술동향, 특허, 시장규모, 법령, 예산과 연구기간을 서로 모순 없이 연결해야 합니다. 작은 숫자 하나가 바뀌면 총사업비와 연차별 예산표까지 모두 다시 맞춰야 합니다.

단일 LLM에 150쪽 보고서를 한 번에 생성하도록 하면 세 가지 문제가 생깁니다.

• 문량이 길어질수록 앞뒤 맥락을 놓치기 쉽습니다.

• 총사업비와 연도별 예산처럼 여러 표에 반복되는 숫자가 달라질 수 있습니다.

• 목표의 우선순위와 예산 판단처럼 전문가의 경험이 필요한 결정을 AI가 대신할 수 없습니다.

기존의 완전자동 프레임워크도 규칙이 약하거나 사람이 마지막에만 검토하는 경우가 많았습니다.

KAIA는 “LLM의 판단력은 활용하되, 산수와 불변 원칙은 코드가 강제한다”는 원칙을 세웠습니다. AI를 보고서 작성자로만 두지 않고, 역할을 나누고 승인절차를 통과해야 다음 단계로 넘어가는 협업형 기획위원회로 설계했습니다.

Solution – 7개 Agent와 6개 인간 검토관문을 만들었어요

시스템은 R&D 기획위원회의 역할을 일곱 종류의 Agent로 나눕니다.

• 총괄 디렉터는 전체 방향과 우선순위를 조정합니다.

• 리서치 전문가는 논문·특허·시장과 정책근거를 찾습니다.

• 전략 분석가는 환경과 기술성숙도를 분석합니다.

• 전문 집필가는 38종의 집필규칙에 맞춰 보고서를 씁니다.

• 문맥 기록관은 결정사항과 핵심정보를 기억합니다.

• 예산 전문관은 세부기술별 비용을 판단합니다.

• 비주얼 디렉터는 개념도와 표·도식의 방향을 설계합니다.

일곱 Agent는 각자 따로 결과를 내는 것이 아니라 자료 수집 → 환경 분석 → 기술 전략 → 기술 상세 → 예산·성과의 5개 단계로 협업합니다.

① 승인 없이는 다음 단계로 넘어가지 못해요

단계 사이에는 6개의 인간 검토관문을 둡니다.

전략과 목적 승인, 검색계획과 핵심이슈, 성과지표, 예산, 최종승인처럼 중요한 결정은 사람이 확인해야 다음 단계로 진행됩니다. 승인할 때까지 AI가 초안과 자료를 수정합니다.

AI는 기획을 보조하지만,

• 무엇을 기획할지

• 어떤 자료를 신뢰할지

• 우선순위를 어떻게 정할지

• 예산을 얼마나 배정할지

는 사람이 확정합니다.

② 숫자는 코드로 맞추고, 출처는 문장마다 확인해요

예산표의 총액과 세부기술 합계는 LLM의 문장생성에 맡기지 않습니다. 코드가 계산하고 연차별 배분규칙과 합계를 강제합니다. 자료에서는 무작위 1,000회 반복시험에서 예산표 불일치가 발생하지 않았다고 제시합니다.

기억은 단기작업기억, 장기요약기억, 확정사실 저장소의 3개 층으로 나눴습니다. 확정된 수치와 결정사항은 이후 문서에서 우선 사용하고, 서로 다른 숫자가 나오면 기존 값을 적용합니다.

또한 외부 공개데이터만 실시간 수집하고, 문장별로 출처 URL을 확인합니다. 성과가 부풀려지거나 근거 없는 기술항목이 들어가지 않도록 논문·특허·표준과 매칭하고, 성과유형에 맞춰 총량을 배분합니다.

③ 서버와 DB 없이 브라우저에서 150쪽 문서를 만들어요

시스템은 별도 서버와 데이터베이스 없이 브라우저에서 실행됩니다. 중간 산출물은 브라우저 메모리에만 저장되고 종료하면 사라집니다.

최종 결과는 한글 HWPX와 DOCX, PDF로 조립합니다. 150쪽의 공공 표준 문서규격을 맞추면서도 별도 설치가 필요하지 않도록 설계했습니다.

PoC 결과 – 품질은 4.13점, 기획기간은 31.8% 단축 가능성을 확인했어요

KAIA는 실제 R&D 기획과제 2건을 선정해 기존 사람이 작성한 보고서와 AI가 생성한 보고서를 직접 비교했습니다.

박사급 전문가 8명이 3개 기관에서 참여했고, 보고서 품질과 기획기간 단축 가능성을 평가했습니다. 비교대상자가 기존 보고서의 정답을 이미 아는 문제를 줄이기 위해 특정 분야에 매이지 않은 범용 과제를 선정하고, 세 그룹을 교차평가했습니다.

검증 결과는 다음과 같습니다.

• 전문가가 평가한 기획기간 단축 가능성은 31.8%였습니다.

• 12개월 걸리던 기획을 약 8.2개월 수준으로 줄일 수 있다는 평가입니다.

• 보고서 품질은 5점 만점에 4.13점을 받았습니다.

• 보고서 1건의 API 비용은 약 6만 원으로 측정됐습니다.

중요한 점은 31.8%가 12개월짜리 사업을 실제로 끝낸 뒤 측정한 경과시간이 아니라, 실증보고서를 검토한 전문가의 평가에 따른 예상 단축효과라는 것입니다.

두 실제 과제를 활용한 비교검증과 품질평가는 완료됐지만, 대규모 업무적용 전 과정이 모두 완료된 것은 아닙니다.

실제 예산요구 업무에도 투입됐지만, 예산이 확보된 것은 아니에요

시스템은 검증과 별도로 신규 R&D 기획업무에 사용됐습니다.

수소철도 충전인프라 사업을 이 시스템으로 기획해 보고서를 완성했고, 2027~2031년 신규 R&D 예산요구를 진행했습니다. 자료에는 연계된 예산요구 규모가 290억 원으로 제시됩니다.

이는 AI가 290억 원을 절감했거나 예산을 이미 확보했다는 뜻이 아닙니다. 290억 원 규모의 신규 R&D 예산요구서 작성에 활용됐다는 실전 투입 성과입니다.

6개 부서가 요청한 11건의 보고서 가운데 발표 시점에 9건이 완료됐고, 나머지는 2026년 10월 완료 예정으로 제시됐습니다. 전체 21건 시범적용과 그에 따른 누적 인력절감은 완료 실적이 아니라 단계적 적용계획입니다.

확장 계획 – 원내 시범에서 국토교통부, 정부 R&D 표준으로

개발은 외주 없이 기관 내부인력이 수행했습니다. 2026년 8월 기준 개발·검증·운영 전주기 추진율은 81.8%로 제시됐습니다.

향후 확산 계획은 다음과 같습니다.

• 2026년: KAIA 원내 21건 시범적용

• 2027년: 국토교통부 R&D 전면 적용 검토

• 2028년 이후: 정부 R&D 표준 자동기획 모델로 확장

건당 3.8개월의 기획기간을 줄여 21건 적용 시 약 80개월의 누적 기획인력을 절감할 수 있다는 계산도 제시됐습니다. 이는 전문가 평가치와 시범적용 건수를 곱한 기대효과이며 실제 누적 절감실적과는 구분해야 합니다.

마무리 – AI가 조사하고 쓰되, 사람은 판단하고 책임져요

R&D 기획은 문서를 빨리 쓰는 일만이 아닙니다.

기술의 필요성과 중복성, 예산, 공공성을 검토하고 앞으로 수년간 투자할 방향을 결정하는 일입니다. 완전자동화보다 중요한 것은 AI가 잘하는 조사와 초안, 코드가 잘하는 계산, 사람이 해야 하는 판단을 정확히 나누는 것입니다.

KAIA R&D Architect는 7개 Agent가 역할을 나누고, 6개의 인간 검토관문을 통과하며, 숫자와 출처를 코드로 통제합니다.

AI가 조사하고 쓰고, 사람이 판단한다.

이 사례는 생성형 AI를 전문업무에 도입할 때 자동화율보다 의사결정 구조를 먼저 설계해야 한다는 점을 보여줍니다.

주요 성과