NYC MTA Agentic AI 레일 검사 시스템

개요

항목	내용
국가	미국
기관	New York City Metropolitan Transportation Authority (MTA)
협력	Google Public Sector
시작	2025년
상태	운영 중
분야	교통 인프라 유지보수

배경

NYC MTA는 미국 최대 대중교통 시스템을 운영하며, 매일 수백만 명의 승객을 수송한다. 철도 노선의 안전한 운영을 위해서는 정기적인 레일 검사가 필수적이나, 기존 방식은:

• 종이 기반 검사 양식 사용
• 수작업 결함 기록 및 보고
• 신규 검사관 교육에 장시간 소요
• 결함 발견부터 수리까지 긴 리드타임

목표

1. 레일 결함 실시간 탐지: AI 기반 이미지 분석으로 결함 자동 식별
2. 정비 프로세스 자동화: 디지털 정비 바인더로 종이 문서 대체
3. 검사관 역량 강화: AI 가이던스로 교육 기간 단축
4. 예방 정비 전환: 반응적 수리에서 예측 기반 정비로 전환

기술 스택

┌─────────────────────────────────────────────────────────┐
│                    Agentic AI Layer                     │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────────┐ │
│  │  Reasoning  │  │   Memory    │  │  Tool Calling   │ │
│  │   Engine    │  │   Context   │  │   Workflows     │ │
│  └─────────────┘  └─────────────┘  └─────────────────┘ │
├─────────────────────────────────────────────────────────┤
│                  Google Cloud Platform                   │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌─────────┐ │
│  │ Vertex   │  │ Document │  │ BigQuery │  │ Cloud   │ │
│  │ AI       │  │ AI       │  │          │  │ Storage │ │
│  └──────────┘  └──────────┘  └──────────┘  └─────────┘ │
├─────────────────────────────────────────────────────────┤
│               Mobile Inspection App                      │
│  ┌──────────────────────────────────────────────────┐  │
│  │  사진 촬영 → 결함 분석 → 티켓 생성 → 추적      │  │
│  └──────────────────────────────────────────────────┘  │
└─────────────────────────────────────────────────────────┘

구성요소	기술	역할
LLM	Gemini for Government	결함 분석, 보고서 생성
Vision AI	Vertex AI Vision	레일 이미지 분석
Workflow	Agentic AI Framework	다단계 작업 자동화
데이터	BigQuery	검사 이력 분석
모바일	Custom App	현장 검사 인터페이스

주요 기능

1. 디지털 정비 바인더

• 기존 종이 양식을 디지털 앱으로 전환
• 검사 항목 자동 체크리스트
• 사진/메모 즉시 클라우드 동기화

2. AI 결함 탐지

• 검사관이 촬영한 레일 사진 실시간 분석
• 균열, 마모, 변형 등 결함 유형 자동 분류
• 심각도 기반 우선순위 자동 설정

3. 티켓 자동 생성

• 결함 발견 시 정비 티켓 자동 생성
• 위치, 유형, 권장 조치 포함
• 정비팀에 자동 할당 및 알림

4. 교육 가속화

• 신규 검사관에게 AI 가이던스 제공
• 실시간 피드백으로 학습 곡선 단축
• 표준 검사 절차 준수 유도

성과

지표	개선
결함 탐지 속도	기존 대비 3배 향상
검사 문서 처리	실시간 (기존 1-2일)
신규 검사관 교육	50% 단축
종이 사용량	90% 감소

Agentic AI 특징

기존 GenAI가 단순 응답 생성에 그쳤다면, 이 시스템의 Agentic AI는:

1. 계획 수립: 검사 목표를 하위 작업으로 분해
2. 도구 사용: 카메라, 분석 API, 티켓 시스템 직접 호출
3. 컨텍스트 유지: 이전 검사 이력 참조
4. 자율 실행: 인간 개입 최소화로 워크플로우 완수

교훈

성공 요인

• 점진적 도입: 한 노선에서 시작해 전체로 확대
• 현장 피드백 반영: 검사관 의견을 지속적으로 시스템에 반영
• 강력한 거버넌스: 자율 AI에 대한 명확한 경계 설정

적용 시 고려사항

• 레거시 시스템과의 통합 계획 필수
• 노동조합과의 협의 (업무 변화에 대한)
• 오프라인 환경 대비 (터널 내 등)

참고 자료

• StateTech Magazine - Agentic AI Turns Government Workflows Into Autonomous Systems
• Google Public Sector Newsletter (February 2026)

---

마지막 업데이트: 2026-03-07