"The availability of real-time data has completely transformed race dynamics,"

루이스 발디니(Luis Baldini) 포르쉐 컵 브라질 엔지니어링 코디네이터가 한 말이다. 그는 실시간 데이터가 레이스 운영의 효율성을 어떻게 바꿨는지 설명했다. 이제 데이터는 단순한 기록을 넘어 실시간 전략 수정의 핵심 자산이 됐다.

포르쉐 컵 브라질의 AI 운영 체계

피트 스톱의 모니터에는 차량의 상태가 실시간으로 흐른다. 포르쉐 컵 브라질은 마이크로소프트 패브릭(Microsoft Fabric, 데이터 통합 및 분석 플랫폼)을 통해 차량 센서 데이터를 몇 초 단위로 수집한다. 분석 결과는 파워 BI(Power BI, 데이터 시각화 도구) 대시보드로 즉시 전송된다. 엔지니어는 차량이 예상 범위를 벗어나는 순간을 포착해 드라이버를 피트로 호출하거나 차량을 정지시켜 안전 사고를 방지한다.

사고 분석 시스템은 파트너사인 쿠물루스(Kumulus, AI 솔루션 기업)와 공동 개발했다. 3개의 AI 멀티 에이전트(여러 AI 모델이 협업하는 구조)가 특정 작업을 분담해 처리한다. 이미지 분석기는 약 2,000개의 부품 카탈로그를 기반으로 파손 부위를 정밀하게 식별한다. 단일 모델이 아닌 다수의 전문 에이전트를 배치해 분석의 정확도를 높인 것이 핵심이다.

인프라는 애저 쿠버네티스 서비스(Azure Kubernetes Service, 컨테이너 관리 플랫폼) 위에서 웹 인터페이스로 구동된다. 엔지니어가 웹 앱에 사고 이미지와 차량 모델, 드라이버, 경기일 등 맥락 정보를 입력하면 파이썬(Python, 프로그래밍 언어) 기반의 백엔드가 작동한다. 이 백엔드는 마이크로소프트 파운드리(Microsoft Foundry, AI 모델 개발 환경)에서 호스팅되는 이미지 분석 워크플로우를 호출한다.

에이전트 학습에는 깃허브 코파일럿(GitHub Copilot, AI 코딩 보조 도구)과 비주얼 스튜디오 코드(Visual Studio Code, 코드 편집기)가 활용됐다. 지식 베이스는 애저 AI 서치(Azure AI Search, 벡터 검색 엔진)가 담당하며, 각 사진을 어떻게 분석하고 무엇을 파손으로 정의할지에 대한 벡터화된 지침을 제공한다. 모든 사고 이미지와 관련 데이터는 마이크로소프트 패브릭에 저장되며, 이력 데이터는 애저 데이터 레이크 스토리지(Azure Data Lake Storage, 대규모 데이터 저장소)에 별도로 보관된다.

단일 모델에서 전문 에이전트 체제로의 전환

예전에는 하나의 거대 모델이 모든 분석을 처리하려 했다. 하지만 레이스카는 리버리(Livery, 차량 외관 도색)가 자주 바뀌어 시각적 인식률이 떨어지는 문제가 있었다. 이제는 차량 부위별로 특화된 전문 에이전트를 배치해 외관 변화와 상관없이 부품을 정확히 찾아낸다.

개발자가 체감하는 변화는 분석의 정밀도와 피드백 속도다. AI가 1차적으로 파손 부위를 제안하면 전문 분석가가 이를 검증하고 최종 수리 결정을 내린다. 분석가의 수정 사항은 다시 시스템에 피드백되어 모델의 성능을 지속적으로 개선하는 학습 루프를 형성한다.

기존의 사고 분석이 사고 후 처리였다면, 앞으로는 예측 영역으로 확장된다. 가라지 스케줄러(Garage Scheduler, 정비소 일정 관리 도구)가 도입되면 분석 결과에 따라 필요한 부품 주문이 자동으로 이뤄진다. 여기에 실시간 텔레메트리(Telemetry, 원격 측정 데이터)를 결합한 데이터 에이전트가 추가되면 속도와 충격량 같은 물리적 맥락 정보까지 분석에 포함된다.

루이스 발디니 코디네이터는 AI 에이전트의 활용 범위를 예측 실패 방지와 유지보수 지원까지 넓힐 계획이다. 다만 AI는 어디까지나 의사결정 지원 도구로 활용하며, 최종 판단과 제어권은 엔지니어와 분석가가 보유하는 구조를 유지한다.