현재 선박 운항 업무에서는 선급 Rule, IMO 회의자료, 매뉴얼 등 해사 지식이 여러 문서에 분산되어 있어 필요한 정보를 찾는 데 많은 시간이 소요된다. 또한 운항 업무 특성상 환경·안전 규제가 변화함에 따라 관련 Rule과 IMO 의사결정 사항을 지속적으로 확인해야 하며, 이에 따라 CII, 연료 소비량, 배출량 등 운항 KPI 분석 및 보고 업무가 반복적으로 발생한다. 더불어 규정 검색과 실제 운항 데이터의 조회·계산이 서로 분리되어 있어 업무 흐름이 단절되고 비효율이 발생한다.
본 프로젝트를 통해 기존 시스템에서 해결하고자 하는 문제를 다음의 여섯 항목으로 분류할 수 있다.
본 프로젝트에서는 위의 문제를 해결하기 위해, 해사 문서 검색과 운항 데이터 분석 기능을 하나의 Local LLM 기반 시스템으로 통합하는 방안을 제시하고 이를 구현한다.
앞서 정의한 문제를 해결하기 위해서는 해사 문서와 선박 운항 데이터를 하나의 체계에서 활용할 수 있는 통합적인 업무지원 환경이 필요하다. 또한 선박이라는 특수한 환경을 고려하여 제한적인 통신 환경에서도 안정적인 사용이 가능하도록 하며, LLM의 특성상 잘못 제공되는 정보가 있을 수 있기 때문에 이러한 가능성을 줄이고 정보의 출처와 근거를 사용자가 직접 확인할 수 있게 하는 설계가 필요하다.
본 프로젝트에서는 사용자로부터 자연어를 통한 요청을 받아 정보 확인, 운항 상태 분석, 보고서 초안 작성 등의 업무를 지원할 수 있는 Local LLM 기반 시스템을 개발한다. 이를 통해서 복잡한 작업이나 반복되는 작업으로 소요되는 시간을 줄이고 사용자가 업무 과정에서 필요한 정보를 쉽게 얻을 수 있도록 돕는다.
본 프로젝트의 설계에서는 다음과 같은 기능을 구현한다.
최근 다양한 산업에서 업무 자동화 도구로 주목받는 LLM을 해사 분야에 접목하려는 시도가 이어지고 있다. 그러나 범용 LLM은 학습 데이터에 포함되지 않은 전문적인 해사 규정이나 최신 협약 내용을 알지 못하며, 잘못된 정보를 사실인 것처럼 꾸며내는 환각 현상을 유발하는 치명적인 단점이 있다. 안전 규정이나 환경 수치는 작은 오차로도 선박 운항 정지나 막대한 과징금으로 이어질 수 있으므로, 출처가 불분명한 인공지능의 답변을 선박 실무에 그대로 적용하기는 어렵다.
이와 같은 환각 문제를 방지하고 사실 기반의 정확한 정보를 제공하기 위해 RAG( Retrieval-Augmented Generation, 검색 증강 생성) 기술이 핵심 대안으로 부상하였다. RAG는 인공지능이 사전 지식에만 의존하지 않고, 질문과 관련된 실제 규정집 문단을 외부 데이터베이스에서 먼저 검색한 뒤, 이를 바탕으로 근거 있는 답변을 생성하는 기술이다. 최근 국내 문서 검색 연구에서는 정확한 조항 번호나 단어를 찾아내는 키워드 검색(BM25)과 문맥을 이해하는 벡터 검색을 함께 결합한 하이브리드 검색 방식이 주로 활용되고 있다. 특히 선급 Rule·IMO 문서는 본문과 표가 혼재하므로, 페이지 구조를 분석하여 텍스트와 표를 분리해 인덱싱하는 기술이 검색 정확도를 높이는 핵심 요소로 발전하고 있다.
한편, 문서 검색 중심의 RAG 구조만으로는 선박 센서 데이터의 실시간 조회나 공학적 수치 계산을 수행할 수 없다는 문제가 있다. 언어 모델은 수치 계산이나 데이터베이스 쿼리를 직접 수행할 경우 오차가 발생하기 쉽다. 이를 해결하기 위해 외부 프로그램과 연결하는 Tool Calling 기술이 결합되고 있다. 이는 사용자가 질문을 입력하면 언어 모델이 의도를 분류한 뒤, 직접 계산하지 않고 사전에 정의된 파이썬 함수와 선박 시계열 데이터베이스를 호출하여 정확한 운항 수치를 가져와 계산하는 방식이다. 이를 통해 선속, 연료 소모량, 탄소집약도(CII) 등급을 오차 없이 계산할 수 있게 되었다.
마지막으로, 해상이라는 특수한 환경을 지원하기 위한 선내 Local/On-Premise 기술이 주목받고 있다. 바다를 항해하는 선박은 위성 통신에 의존해야 하므로 통신 속도가 느리고 비용이 매우 비싸며, 외부 클라우드 서버에 상시 접속할 경우, 통신 두절 시 시스템이 마비되거나 선박 내부 데이터가 유출될 위험이 있다. 따라서 최근에는 모델의 구조를 경량화하고 메모리 사용량을 줄이는 양자화 기술을 이용하여, 고가의 대형 서버 없이도 선내 일반 컴퓨터 환경(Local)에서 독립적으로 동작할 수 있는 소형 언어 모델 환경이 구축되고 있다.
해사 업무에서는 IMO 협약과 회의자료, 각 선급의 Rule 및 Guidance 등 방대한 전문 문서를 지속적으로 확인해야 하며, 실제 선박에서는 운항 상태와 연료 소비량 등 다양한 데이터도 함께 관리해야 한다. 이러한 정보가 서로 다른 문서와 시스템에 분산되어 있기 때문에 필요한 정보를 신속하게 탐색하고 분석할 수 있는 디지털 업무지원 기술의 필요성이 증가하고 있다.
최근 해운 산업에서도 디지털 전환이 가속화되면서 인공지능을 활용한 규정 검색, 데이터 분석 및 업무 자동화에 대한 수요가 확대되고 있다. 특히 CII·배출량과 같은 규제 대응 업무에서는 관련 규정을 확인하는 동시에 실제 운항 데이터를 조회·계산해야 하므로, 문서와 데이터를 함께 활용할 수 있는 시스템의 중요성이 더욱 커지고 있다.
향후 해사 분야의 AI 기술은 단순한 질의응답을 넘어 전문 문서 검색, 운항 데이터 조회·계산, 보고서 작성 등 실제 업무 과정을 통합적으로 지원하는 방향으로 발전할 것으로 예상된다. 본 프로젝트는 RAG 기반 해사 문서 검색과 Tool Calling 기반 운항 데이터 처리를 하나의 LLM 인터페이스에서 제공하고, 선내 Local/On-Premise 환경에서의 활용을 고려한다. 따라서 선원의 정보 탐색 및 반복 업무 부담을 줄이고 향후 스마트선박의 지능형 업무지원 시스템으로 활용될 수 있을 것으로 기대된다.
본 설계가 만족해야 하는 기능 요구 조건은 다음과 같다.
사용자가 한국어 및 영어를 포함한 다양한 언어로 질문을 입력할 수 있어야 한다.
입력된 질문의 언어를 인식하여 사용자가 사용한 언어를 기준으로 답변을 제공해야 한다.
한국어 또는 영어로 작성된 해사 문서를 다른 언어로 질의하더라도 관련 문서를 검색하고 답변을 생성할 수 있어야 한다.
IMO 규정, 선급 Rule 등에서 사용되는 전문 해사 용어의 의미가 번역 과정에서 왜곡되지 않도록 원문의 용어와 의미를 최대한 유지할 수 있어야 한다.
번역된 답변을 제공하더라도 근거가 되는 원문 문서의 문서명, 페이지 및 조항 정보를 함께 제공해야 한다.
향후 국내 선박에 승선하는 외국인 선원의 국적 분포를 고려하여 인도네시아어, 미얀마어, 베트남어 등의 다국어 질의응답 구조를 제공할 수 있어야 한다.
