영국 경찰이 급증하는 ‘AI 기반 범죄’와 예산 압박에 동시에 직면하면서, 낡은 개별 시스템을 하나로 묶는 ‘AI 치안 현대화’가 핵심 과제로 떠오르고 있다. 앱피안($APPN)과 딜로이트의 협업은 분산된 경찰 데이터와 업무 절차를 통합해 현장 대응력과 의사결정 속도를 높이는 데 초점이 맞춰져 있다.
앱피안의 글로벌 파트너·얼라이언스 담당 수석부사장 스콧 밴 발켄버그(Scott Van Valkenburgh)는 최근 ‘앱피안 월드 2026’ 행사에서 영국 치안 시스템이 더 이상 분절된 구조에 머물러선 안 된다고 진단했다. 그는 기록 관리부터 수사, 시민 대응까지 이어지는 전 과정을 체계화해 데이터가 실제 행동으로 이어지도록 만드는 것이 목표라고 설명했다.
영국의 치안 환경이 특히 어려운 이유는 구조 자체가 분산돼 있기 때문이다. 딜로이트의 영국·유럽·중동·아프리카 치안 부문 책임자 앤디 윌머(Andy Willmer)는 영국에 43개 지역 경찰 조직이 존재하며, 이들 대부분이 자체 기술팀을 운영하고 있다고 밝혔다.
이 같은 구조는 지역별 자율성을 보장하는 장점이 있지만, 반대로 오래된 ‘레거시 기술’을 대거 남겨놓는 결과도 낳았다. 일부 협업 사례는 긍정적이지만, 전반적으로는 시스템 교체와 업그레이드가 늦어지면서 디지털 범죄와 AI 기반 범죄에 대응하기 어려워졌다는 평가다.
윌머는 최근 치안 수요가 오프라인에서 온라인으로 빠르게 옮겨가고 있으며, 범죄 양상도 더 복잡해졌다고 짚었다. 경찰은 줄어든 자원으로 더 나은 성과를 내야 하고, 공공부문 전반의 비용 절감 압박도 함께 받고 있다. 결국 ‘적은 예산으로 더 많은 일’을 해야 하는 상황에서 AI 치안 현대화가 더 이상 선택이 아닌 필수 과제가 됐다는 의미다.
딜로이트는 이번 전환의 핵심이 단순한 AI 기능 추가가 아니라, 복잡한 치안 업무 흐름 전반에 AI를 ‘내재화’하는 데 있다고 보고 있다. 대상 업무는 범죄 수사, 피의자 인계 및 관리, 사건 기록 정리, 검찰 송치 단계까지 폭넓다.
윌머는 경찰이 실제로 마주하는 과제가 단편적이지 않다고 설명했다. 사건 접수 이후 수사 자료를 축적하고, 피의자 관련 절차를 관리하며, 사건 파일을 기소 단계까지 넘기는 전 과정이 긴밀하게 연결돼 있다는 것이다. 이 때문에 개별 솔루션을 덧붙이는 방식으로는 한계가 있고, 처음부터 업무 전체를 고려한 통합형 시스템이 필요하다는 판단이다.
앱피안과 딜로이트는 이런 문제를 해결하기 위해 데이터 분산을 줄이고, 기록과 정보, 인텔리전스를 연결하는 방향으로 시스템을 설계하고 있다. 핵심은 데이터를 보관하는 데 그치지 않고 ‘실행 가능한 정보’로 바꾸는 것이다.
딜로이트의 영국 치안 최고기술책임자 제이미 무어(Jamie Moore)는 차세대 치안 시스템이 제공해야 할 가치로 세 가지를 꼽았다. 첫째는 현장에서 즉시 활용할 수 있는 ‘모바일 대응력’, 둘째는 기존 데이터에서 더 나은 통찰을 뽑아내는 ‘정보 연결성’, 셋째는 시간이 지나도 계속 수정·확장할 수 있는 ‘유연성’이다.
그는 경찰이 이동 중에도 데이터를 활용해 더 빠르게 판단하고, 분산된 정보를 하나의 그림으로 연결해 상황 인식을 높여야 한다고 강조했다. 동시에 지금 잘 작동하는 시스템을 만드는 데서 그칠 것이 아니라, 범죄 유형 변화와 제도 변화에 맞춰 지속적으로 진화할 수 있어야 한다고 봤다.
이는 최근 공공부문 전반의 디지털 전환 흐름과도 맞닿아 있다. 고정된 대형 시스템을 장기간 사용하는 방식보다, 필요에 따라 빠르게 수정할 수 있는 플랫폼형 구조가 더 적합하다는 인식이 강해지고 있기 때문이다. 특히 AI 기반 범죄처럼 양상이 빠르게 바뀌는 영역에서는 이런 적응력이 성패를 가를 가능성이 크다.
결국 이번 AI 치안 현대화 논의는 기술 도입 자체보다 ‘어떻게 치안 조직을 더 민첩하게 만들 것인가’에 가깝다. 영국처럼 조직이 분산된 환경에서는 데이터 통합과 업무 표준화가 먼저 이뤄져야 AI도 실질적인 효과를 낼 수 있다. 예산 제약과 범죄 고도화가 동시에 진행되는 상황에서, 통합형 치안 플랫폼이 향후 공공 안전 분야의 중요한 해법으로 자리 잡을지 주목된다.
TP AI 유의사항 TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.<저작권자 ⓒ TokenPost, 무단전재 및 재배포 금지>
많이 본 기사