최근 AI 분야에서 가장 이슈인 ‘Agentic AI 기술’을 적용해 생성형 AI를 이용 댐 하류 홍수분석이 가능한 기술이 선보여 이목을 집중시키고 있다. 

이번에 선보인 ‘하천홍수분석 Agentic AI’는 거대언어모델이 스스로 유역별 학습 또는 예측 등 분석도구를 선정하고, 홍수분석 실행 후 홍수분석 결과에 대한 분석보고서를 작성하는 AI다. 

‘금강유역 모델’ 개발 ‘실시간 댐 홍수분석 전국 확대 연구’ 추진

수공 ‘2025 혁신챌린지 Final Contest’ 금상 수상 우수기술 입증

최근 댐 하류의 넓은 하천지역를 대상으로 직관적이고 사용하기 쉬우며, 휴먼 에러를 최소화한 하천수위 예측모형에 대한 필요성이 대두되고 있다. 

한국수자원공사에서는 최근 개발된 다양한 AI기술의 지속가능한 운영관리를 위해 실무에서 활용 가능한 MLOps 체계 마련과 전사 확대를 위한 Best Practice의 필요성도 제기되고 있다. 

한편, ChatGPT 출현으로 검색의 시대에서 프롬프팅의 시대로 전환되는 추세에 발맞춰 분석시스템도 전문가 중심의 UI 기반에서 Chat 형태로 변화가 필요한 시점을 맞아 LLM을 활용한 분석을 실행, 누구나 프롬프팅으로 이용 가능한 분석체계가 필요한 상황이다.

이 같은 필요성에 부응하기 위해 K-water연구원 AI연구센터에서는 지난 2023년 6월부터 2024년 말까지 ‘AI를 활용한 실시간 댐홍수분석기술 개발’ 과제를 통해 ‘금강유역 AI 홍수분석모델’을 개발하며 발빠르게 대응해 왔다.

올해부터는 ‘AI를 활용한 실시간 댐 홍수분석기술 전국 확대 연구’를 진행하고 있으며, 현재 MLOps 구축, Agentic AI 개발 등 ‘AI홍수분석모델의 기능고도화 연구’와 함께 ‘AI홍수분석모델의 전국 확대 구축’을 위한 연구에 박차를 가하고 있다. 

 

<연구내용>

금강유역을 대상으로 진행된 ‘AI 하천홍수 분석모델 개발’ 연구를 살펴보면, 367개 강우·수위관측소와 댐·보에 대한 운영자료 수집을 시작으로, 수집된 데이터 품질에 대한 검토를 진행하고, 최종적으로 87개의 관측소를 선정했다. 

이후 강우-유출과 같이 긴 시간의 시계열 변동 분석에 적합한 AI모델인 LSTM 등 시계열분석 AI모델을 활용해 용담댐하류 21개, 대청조정지댐하류 28개 수위관측소 지점을 대상으로 AI하천홍수 분석모델을 개발했다. 

현재 진행 중인 ‘AI하천홍수분석 운영시스템(neural-river-ops) 개발’ 연구에서는 AI모델의 지속가능한 운영관리체계 확립을 목표로 오픈소스 기반의 MLOps 기술(MLFlow)을 활용한 ‘AI하천홍수 분석모델 MLOps 시스템’의 자체 개발을 추진하고 있다. 

MLOps(Machine Learning Operations)는 개발된 AI모델 운영 및 서비스를 위한 배포, 성능 모니터링, 재학습 등 전단계에 걸친 운영·관리 체계다.

이를 위해 현재 연구진은 데이터 전처리 부문에서 결측치 보정 및 이상치 제거 python 코드 개발 연구와 함께 LSTM을 활용한 수위관측지점별 AI 모델을 개발하고 있다. 

홍수 예측 부문에서는 지점별 베스트 모델을 활용한 홍수 예측을, 성능 모니터링 부문에서는 홍수 예측 3일 후 관측자료를 활용한 성능 평가, 모델 재학습 부문에서는 성능저하 또는 정기적 모델 재학습 등이 가능한 기술 개발에 나서고 있다. 

이와 함께 MLOps와 연계한 AI홍수모델의 체계적 데이터 관리를 위해 데이터베이스 관리시스템(postgreSQL)과 객체 스토리지 관리시스템(MinIO) 적용 연구도 병행하고 있다. 

시계열 데이터의 관리를 위해 활용되는 postgreSQL은 오픈소스 객체-관계형 데이터베이스 관리시스템으로, 높은 안정성과 복잡한 데이터처리 등 다양하고 강력한 기능을 제공한다. 

AI홍수모델, 분석그래프 등 시계열 데이터가 아닌 객체에 대한 관리를 위해 활용되는 MinIO는 확장 가능하고 안전하며 배포가 용이하도록 설계된 고성능 분산 객체 스토리지 시스템으로, 사진을 비롯한 비디오, 로그 파일, 백업, 컨테이너 이미지 등 구조화되지 않은 데이터 저장에 주로 사용된다. 

연구진은 현재 ‘neural-river-ops에 Agentic AI를 적용한 체계 개발’ 연구에도 박차를 가하고 있다. 

현재 LLM의 웹 기반 인터페이스 중 하나인 ‘Open-WebUI 기술’을 이용해 사내망에서 활용가능한 LLM 인터페이스를 적용했고, 이와 연계해 Llama 3, Mistral, Gemma, Qwen 등 최신 오픈소스 LLM을 로컬에서 다운로드, 설정 및 실행하는 복잡한 과정을 획기적으로 단순화하도록 설계된 강력하면서도 사용자 친화적인 LLM 플랫폼인 오픈소스 LLM 프레임워크인 Ollama를 활용했다.

특히, 연구진은 Open-WebUI와 Ollama를 연계해 AI모델 분석을 실행하는 MCP(Model Context Protocol)를 연계한 Agentic AI체계 개발에 집중하고 있다. 

MCP는 LLM 애플리케이션과 외부 데이터 소스 및 도구들 간의 원활한 통합을 가능케 하는 개방형 프로토콜이다. 

또한, ‘neural-river-ops 전체시스템’의 효율적 유지관리를 위해 컨테이너화 연구도 병행하고 있다. 

컨테이너화는 AI모델의 분석환경 및 코드 등을 컨테이너에 담아 다른 컴퓨터에서도 AI모델 실행이 가능하도록 필요한 모든 요소를 패키지로 통합, 배포하는 프로세스를 말한다.

현재 연구진은 AI홍수모델+ MCP, Open-WebUI, Ollama, MLFlow, MinIO, postgreSQL 등 개발된 전체 시스템의 기술 개발 단위 컨테이너화를 통해 사내망에서 운영 중인 AI모델 개선 및 최신 기술 적용을 위한 업데이트 필요시 외부망에서 업데이트한 후 효율적으로 내부망에 적용 가능한 체계 개발 연구를 진행하고 있다. 

한편, 이번 연구성과는 지난 10월 27일 열린 한국수자원공사의 대표 자율 혁신 프로그램인 ‘2025 혁신챌린지 Final Contest’에서 금상을 수상하며 기술의 우수성을 입증한 바 있다.

 

<인 터 뷰>

▲ 최영돈 책임연구원
성능 평가 재학습 가능 ‘MLOps 체계’ 개발 성공 ‘자긍’

K-water연구원 최영돈 책임연구원은 “최근 AI에 대한 관심이 높아지면서 많은 분야에서 AI모델 개발이 활발히 이뤄지고 있지만, 성능평가와 재학습이 가능한 MLOps 체계 적용은 아직 미흡한 현실”이라고 밝혔다. 

이어 “이 같은 현실을 반영해 AI연구센터에서는 지난 2023년 8월부터 작년까지 금강유역을 대상으로 AI를 활용한 댐하류 하천수위예측모델을 개발했다”며, “올해는 개발한 AI모델의 원활한 운영을 위해 자체 기술력으로 ‘MLOps 시스템’을 개발하는 데 성공했다”고 소개했다.

MLOps는 Machine Learning의 ML과 Operations의 Ops의 합성어로, AI모델 개발 이후에도 지속적으로 AI모델의 성능을 평가하고, 재학습이 가능한 체계다.  

따라서 MLOps 체계를 적용할 경우 댐운영자는 AI모델의 성능을 평가할 수 있고, 특히, 재학습 시 AI 개발자 없이도 직접 AI모델의 성능을 향상시킬 수 있다”고 말했다.

특히, 연구진은 ‘Agentic AI’ 기술을 선보여 눈길을 끌고 있다. 

최 박사는 “Agentic AI는 AI가 스스로 특정 상황에서 어떤 도구를 사용해서 분석해야 할지 결정하고 자체적으로 평가해 후속 실행단계까지 수행하는 AI이며, 최근 다양한 업무의 자동화를 위해 이슈가 되고 있다”고 설명했다. 

이어 “MLOps와 Agentic AI체계 개발은 단순한 AI의 개발을 넘어 실제 운영자의 편의를 고려한 시스템을 개발하는 것”이라며, “또한, 최신의 AI기술인 MCP 등을 이용해 분석시스템의 컨트롤이 가능한 체계를 직접 개발하는 것은 매우 어려운 과정이었다”고 밝혔다. 

현재까지 AI 기술 분야에서 MLOps체계 개발과 Agentic AI 적용 사례는 전무한 것으로 알려져 있다. 

최 박사는 “단순히 AI모델 개발에서 끝나는 것이 아니라 댐 운영자를 고려해 직접 MLOps체계를 설계하고 필요한 요소들을 개발하는 것은 매우 의미 있는 일”이라고 말했다. 

향후 많은 시스템이 Agentic AI 체계로 전환이 될 것으로 예상되는 만큼 이 같은 체계를 미리 연구하고 실제 적용한 이번 연구는 향후 수자원분야에서의 AI 기술 발전에 크게 기여할 것으로 전망된다. 

내년까지 한강 낙동강 섬진강으로 모델 ‘구축’ 금강유역은 시범운영 추진

최 박사는 “이번 AI를 활용한 댐하류 홍수분석모델에 MLOps체계와 Agentic AI의 적용은 향후 다양한 분야에 MLOps와 Agentic AI 체계 적용을 위한 가이드가 될 것”이라고 밝혔다. 

이어 “내년까지 한강, 낙동강, 섬진강으로 AI홍수분석모델을 확대 구축해 나가는 한편, 금강유역의 경우 시범운영을 추진할 계획”이라며, “또한, MLOps체계와 Agentic AI 체계 고도화를 위한 지속적인 연구를 추진할 예정”이라고 소개했다. 

끝으로 최 박사는 “최근 많은 AI 기술들이 다양한 수자원 분야에 적용되고 있지만, AI의 적용은 낮은 수준에 머물고 있는 것 같다”며, “보다 다양한 다학제간 교류와 교육을 통해 AI개발을 넘어 MLOps체계의 개발과 Agentic AI의 적용을 위한 역량도 키워나가야 할 것으로 생각한다”고 덧붙였다. 

 http://www.ctman.kr/34570