[제10기 EAI 아카데미] ⑧ 인공지능과 대한민국 AI 정책

YouTube 링크 : https://www.youtube.com/watch?v=Woxx63bfJ64

■ 백서인_한양대학교 글로벌문화통상학부 교수.

영상 스크립트

반갑습니다. 평일에 늦은 시간까지 고생 많으십니다. 저는 한양대 백서인이라고 하고요. 자기소개 할 때 기술 얘기가 엄청 많이 나와서 당황하셨을 텐데, 저는 학부 전공은 공대입니다. 오늘 저희 수강생도 한 분은 공대에서 오셨는데 오셨나요? 아, 네. 반갑습니다. 학부만 공대를 했고 저는 석사, 박사는 기술경영을 했습니다. 졸업한 다음에는 계속 기술정책 이런 쪽 업무를 계속했습니다. 그래서 기술 중심으로 경영, 그다음 정책, 그다음 이제 기술 자체가 AI가 제일 중요해지니까 연구 대상이 조금 AI로 바뀐 그런 상태고요. 저희가 아마 이 수업 전에 사전에 읽을 자료를 공유를 드렸을 텐데, 읽어보셨을까요?

한국이 작년에 정부가 바뀌면서 AI 액션플랜이라는 것을 만들었습니다. 대한민국 AI 액션플랜, 인공지능 액션플랜을 만들었고, 미국이 제일 먼저 만들었고 중국도 만들어서 우리도 뒤처지면 안 되겠다 해서 만들었습니다. 그래서 실제로 우리가 AI G3가 되려면 빨리 해야 되는, 당장 해야 되는 액션 아이템들을 100개 만들었습니다. 그중에 98번을 제가 만들었습니다. 98번이 무엇이냐면, 글로벌 AI 외교 관련돼서 어떻게 전략적으로 만들어야 할까, 뭐 그런 것들을 했고요. 그래서 그런 조금 실무적인 경험을 중점적으로 공유를 드리려고 합니다. AI는 아마 거의 모든 강의하실 때 조금이라도 다 언급이 됐을 것 같아요.

AI의 파급력과 지정학적 함의

오늘 국방 강의 때도 아마 언급이 됐을 것 같고, 배형자 교수님 강의 때도 많이 언급을 하셨을 것 같고, 앞으로 이승주 교수님 강의하실 때도 많이 언급이 될 것 같은데요. 기본적으로 디폴트 값이라고 보시면 되시죠. 그래서 저희가 AI의 지금 사회과학, 특히 오늘은 거의 모든 분들이 대다수가 정치외교나 국제학 하시는 분들인데, 이쪽 사회과학 쪽 논문 보면 뭐 다 AI죠. 거의 다 모든 분야 그렇습니다. 공대도 AI, 경영학도 AI, 사회과학도 AI, 정책학도 AI, 모든 다 지금 AI를 하는데, 특히 이제 정치외교나 국제학에서는 AI를 뭘로 바라볼 것이냐? 뭐 핵, 그다음 뭐 전기 등등 비교 대상이 되게 많죠.

그래서 일부는 경영학이나 어떤 일부에서는 이걸 되게 낙관적으로 보는 경우가 많고, 기존에 불가능했던 것을 되게 뭔가 가능하게 해주는 새로운 전기다 이렇게 보는 경우도 있고, 정치외교학 쪽에서는 굉장히 좀 위험한 부분들도 많이 보는 것 같습니다. 하지만 저 개인적으로는 물론 아직 시간이 좀 필요하겠지만, 사실은 다 더한 것과 비슷한 것 같습니다. 전기, 그다음 핵, 그다음에 뭐 석유 플러스 다 더한 것 정도의 파급 효과가 있지 않을까라는 생각이 듭니다. 그래서 무한한 가능성을 지니고 있지만, 사실 엄청난 리스크도 갖고 있습니다. 엄청나게 리스크를 많이 갖고 있고, 그것보다 또 뒤에도 말씀드리겠지만 중요한 것은 양극화를 굉장히 고착화시킬 가능성이 아주 아주 높다는 점이고요.

미중 AI 경쟁과 안보주의 시각

그런 점이 사실 중요한 포인트인 것 같고요. AI가 언제부터 중요했냐? AI 히스토리 같은 것을 좀 찾아보시면 아주 옛날부터 많은 논쟁이 있었지만, 최근에 지금 저희가 보는, 그러니까 트랜스포머 이후의 AI는 아무래도 한 2016년 이때부터 이제 많이 비공학 쪽에서도 언급이 됐던 것 같고, 이것은 더 이상 그냥 두면 안 된다. 그리고 무엇보다도 미중 관계에서 중국이 상당히 생각보다 빨리, 아주 위협적으로 쫓아온다. 이런 것들이 위기감이 됐던 것 같고요. 그래서 지금 우리가 미국의 AI 정책을 보면 굉장히 안보 정책입니다. 상대방을 굉장히 견제하고 수출 통제도 하고, 중국 기업에는 투자도 하지 마라. 중국 걸 썼으면 미국에 팔지도 마라. 굉장히 강도 높은 정책들인데, 그 모태가 지금 나오는 이 수단들이 어디서 나왔을까를 보고 싶으시면 2021년에 나온 NSCAI라는

이것이 새로운 조직이 생기면서 여기서 나온 보고서가 한 700페이지 됩니다. 사실 이 700페이지 안에 미국이 쓸 수 있는 수단은 거의 다 들어가 있고요. 그것을 어떻게 좀 발전시킨 것이냐? 물론 최근 수단은 조금 없는 것도 있는데, 사실 거의 저희가 생각할 수 있는 수단이나 이런 것들은 다 들어가 있습니다. 그것이 시차를 두고 좀 나오고 있다. 그러니까 이때부터 미국이 AI를 보는 시각을 이것을 그냥 일반적인 인터넷이라고 본 게 아니고, 이것은 되게 안보 자산이고, 믿을 수 있는 파트너와 믿을 수 없는 파트너를 갈라야 되고, 내가 1등을 해야 되고, 나의 체제 경쟁자 속에서 나를 위협하는 경쟁자가 나보다

잘하면 안 된다. 이런 안보주의적 시각을 본격적으로 다뤘다고 볼 수 있죠. 그래서 이것은 완전 최상위 커미티인데, 여기 자체에 시큐리티가 들어가 있으니까 AI 자체를 굉장히 시큐리티로 보는 성향이 많이 드러나 있다 이렇게 보시면 될 것 같고요. 그것과 함께, 지금 거의 전 세계 모든 영역의 모든 섹터에 모든 사회 영역에 영향을 주는 것은 첫째는 지정학이고, 두 번째는 AI 그 자체죠. AI 발전이 저희 생각보다 아주 빠릅니다. 아주 빠르고, 여러 섹터에서. 저희가 챗GPT 나온 지 3년 좀 넘었지만, 그 사이에도 사실은 별의별 게 다

되죠. 별의별 게 다 되고, 굉장히 진화도 되고, 경쟁자도 많이 생겼고. 그리고 저희가 놀랍게도 얼마 전에 클로드가 챗GPT를 넘어섰죠. 수익을 내기 시작했고, 기업 가치도 훨씬 높아졌고. 그래서 오히려 챗GPT가 오리지널이고 제일 잘하던 기업인데, 챗GPT 상장을 미뤘습니다. 클로드는 올해 상장을 할 예정이고요. 이런 신기한 현상도 나오고 있고, 과학이나 이쪽에서 가장 놀랍게 본 것은 아무래도 노벨상입니다. 노벨상 2024년에 노벨 물리학상과 노벨 화학상의 수상자들이 전부 다 딥러닝 연구자들이죠.

딥러닝 연구자들. 그래서 이게 사실 저희 생각보다 엄청 빨랐던 거죠. 보통 노벨상 같은 경우는 수십 년간 해당 학문 분야 종사자들이 엄청난 임팩트를 만들어내야 갈 수 있는 건데, 사실 이분, 물론 제프리 힌튼 교수님 같은 경우는 평생 수십 년간 아무도 안 할 때부터 계속 해오셨긴 했지만, 여기 구글 딥마인드 CEO인 데미스 하사비스 같은 분은 물론 이분도 오래 연구하셨지만, AI를 가지고 이쪽에 적용시킨 지는 불과 얼마 되지 않았죠. 제일 먼저 한 게 알파고였고, 알파고가 2016년이고, 그다음에 사실 알파폴드, 그러니까 화학이나 단백질 쪽에 합성할 때 이걸 쓰는데, 지금은 모든 이쪽 연구하시는 분들이 디폴트로 씁니다. 저희가 챗GPT 쓰듯이, 저 없는 세상은 말이 안 되는 거죠.

그러니까 10년도 안 된 연구 커리어에서 이게 나왔다는 것 같습니다. 그러니까 너무 빠르다고 한편, 이게 너무 놀랍고 너무 빠르다고 볼 수도 있지만, 또 한편으로 봐야 되는 것은 AI의 타임라인이 우리 생각이랑 좀 다르다는 거죠. 그러니까 AI에서 1년이면 10년, 매달을 보통 1년으로 보기도 하는데, 그게 점점 더 빨라지는 주기라서 사실 한 6, 7년 동안 했던 이 데미스 하사비스 박사가 이끄는 이 조직이 해낸 일들이 어마어마하게 많죠.

AI 발전 속도와 과학계의 변화

실제로 사실 뭐 AI뿐만이 아니라 구글 안에 소속된 연구자들 노벨상 수상자도 다섯 명, 여섯 명 정도가 됩니다. 우리나라보다 많죠. 그래서 지금 이 지형도 되게 빨리 바뀌고 있다. 그리고 얼마 전에 뭐 얼마 전이라고 해도 개인적으로 굉장히 오래된 것 같은데, 이제 미토스가 나오면서 사실 더 심해집니다. 그래서 미토스 같이 AI를 개발하는 AI가 나오는, 그러면 사실 속도가 훨씬 더 빨라진 거죠. 최초에는 AI 개발하는 사람들 있었고, 얘를 잘 키워서 이제 내가 할 일을 얘한테 밤낮없이 시공간을 초월해서 하게 하니까

사실 새로운 모델들이 이렇게 좋은 모델들이 나와 점점 빨라지는 이유가 AI 자체가 개발하기 때문이고, 이것을 일정 기간 추적한 자료들을 보면 사실 하루에 한 개 이상의 새로운 모델들이 의미 있는 모델들이 나옵니다. 그리고 나서 사실은 이제 보안이라든가 국방의 기존에 거의 수십 년 동안 뚫지 못했던 것들, 이런 것들을 다 뚫어내니까 이게 사실 되게 큰 충격입니다. 지금 이 충격은 아직도 가시지 않았습니다.

뒤에도 좀 말씀을 드리겠지만, 미국에서 이게 나왔죠. 그래서 이 직전까지는 중국이 너무 치고 올라오니까 미국도 아, 지금 우리가 앞서 있지만 중국이 턱밑까지 왔고, 우리가 지금 이런 형태의 기술을 육성하고 규제하는 방식으로는 중국과 경쟁할 수가 없다. 격차를 확 벌릴 수가 없다. 그러니까 우리도 기술 개발을 확실하게 밀어주자. 일단 장애 요인 되는 거 다 빼고 밀어주자. 그러니까 중국처럼 해 주자. 아주 직관적으로 말씀을 드리면 그런 모드였다가, 미토스가 나오고 나니까 사실은 미국도 놀랐고 다른 나라들도 다 놀란 거죠. 그래서 약간 조금 잠깐 스톱해 봐야 될 것 같은데, 이렇게 우리가 상상하지 못하는 일들이 일어날 수 있겠는데, 그래서 그런 지금 좀 상황이다라는 것이고요.

다른 나라들도 동일합니다. 그래서 미토스가 처음에 나와서 며칠 동안 서비스되다가 페이블 5가 서비스되다가 갑자기 끊었습니다. 끊은 기준은 국적 기준. 미국 시민은 액세스가 되고, 그렇지 않은 사람들은 다 못 들어가는 거죠. 그럼 이제 우리 같은, 미국의 국방을 많이 의존하고, 뭐 다른 나라들도 다 그렇겠죠. 중견국들은 미국에 어느 정도 국방을 의존하고 이런 나라들은 아, 가장 좋은 국방 관련 기술이나 이런 것은 통제되는구나. 그래서 약간의 트라우마 같은 게 생겼죠.

아, 우리도 빨리 지금 이런 것을 개발해야 된다라는 그런 트라우마가 생긴 상태입니다. 물론 다시 또 약간 풀어주기도 했는데. 그래서 지금 상당히 혼란스럽습니다. 혼란스러운 것은 미국도 마찬가지입니다. 미국도. 그러니까 미국 이퀄로드는 아니니까요. 클로드도 물론 내부에 약간 혼란스러움이 있을 것 같은데. 그래서 기술 발전이 우리가 생각하는 것 이상으로 너무 빨라졌다. 그것은 이제 사실 개발하는 사람들의 생각보다도 더 상상의 범위도 넘어선 정도로 빨라진 것 같습니다. 그래서 사실 저희도 뭐 저 수업할 때도 비슷한데, 이 AI가 언제 오고 앞으로 AI가 세상을 어떻게 바꿀 것인가라는 것은 지금 말씀드렸다시피 AI 발전 속도가 이렇게 빠른데, 논문을 보면 늦습니다. 논문을 보면 늦습니다.

제가 제일 그냥 좋아하는 것은 이런 테크 리더들이 나와서 인터뷰한 것들이 되게 긴 인터뷰들이 많이 공개되거든요. 뭐 3시간짜리도 있고. 인터뷰하면 바로바로 올라옵니다. 이 인터뷰를 사실 읽는 게 제일 좋습니다. 제가 볼 때 그 사람이 뭐 예를 들면 미국에 유명한 테크 매체들이 있는데, 뭐 오늘 아침에 인터뷰하면 그냥 올라오기도 하고 실시간으로 올라오니까요. 사실 AI가 어떻게 가장 어떻게 바뀔까 하면 이런 가장 큰 그룹을 여기 샘 알트만 정도까지 더하면 될 것 같습니다. 이 사람들이 발표하는 실시간 컨퍼런스의 기조연설이라던가 아니면 인터뷰. 요즘 인터뷰도 깊이가 아주 좋습니다. 그래서 유튜브에 저는 좋은 기능이라고 생각하는데, 이것을 통해서 이해하는 게 제일 좋습니다.

AI의 다차원적 경쟁과 학문 분야의 재편

이분들도 생각이 조금씩은 바뀝니다. 조금씩은 바뀌고. 하지만 이분들이 공통적으로 얘기하는 것은 우리 생각보다 좀 빨리 올 거고, 우리 생각보다 훨씬 임팩트가 큰 기술이다라는 얘기는 굉장히 많이 하십니다. 그래서 뭐 엄청나게 많은 서비스들이 계속 나왔었죠. 지금 뭐 미국에서 한 오랫동안 나오다가 중국에서 막 쫓아오다가 딥크 나오고 난 다음에는 막 힘이 나오고 여러 가지 나왔었죠. 이런 혼전의 양상인데, 지금 크게 AI의 어떤 경쟁은 이제 모델 경쟁도 있지만, 제 개인적으로 봤을 때 크게는 두 개 정도가 핵심인 것 같습니다. 하나는 피지컬 AI 쪽으로 가서 실제 현장에 어떻게 적용될까가 하나 있는 것 같고, 또 하나는 에이전틱 AI가 하나 있고, 그다음에 과학 기술과 연관되는 것은 아무래도 AI for Science 이쪽이 굉장히 큰 전장입니다. 그래서 이런 논문들이 아주 많습니다. 이게 뭐냐 이걸 왜 여기다 넣으셨냐라고 하면, 이 LM을 과학적 발견에 활용하는 것에 대한 평가를 한 논문인데, 여기 저자가 이렇게 많습니다. 저자가 많은 걸 얘기하려고 하는 게 아니고요. 이 저자들의 소속을 쭉 보시면 모든 학문 분야 소속이 다 있습니다. 법학부터 인문학부터 다 있습니다. 그러니까

이제 뭐 대다수 학교도 지금 한국의 대학들도 바뀌고 있지만, AI는 이제 모든 분야에서 기본적으로 필수로 배워야 되는 어떤 하나의 기본 지식 소양이 된 거죠. 랭귀지 하는 사람들도 AI에서 써 볼 수 있어야 되고, 평가도 할 수 있어야 되고. 요즘에는 사실 저희는 툴을 어떻게 빨리 잘 쓸 수 있냐 이런 교육을 많이 하고 있는 것 같은데, 잘 쓰는 것도 중요합니다. 잘 쓰는 것도 굉장히 중요한데, 원래 갖고 있는 지식의 AI를 좀 더해서 AI를 좀 깊이 비판적으로 검토하고 이러는 것들이 사실은 사회과학 쪽에서 잘할 수 있는 겁니다. 그래서 저희가 흔히 표현하는 게 AI + X라고 얘기를 많이 하죠. AI로 기존에 있던 산업을 되게 바꾸는 거.

근데 이제 X + AI도 그만큼 거꾸로 중요하거든요. 도메인 내 원래 전공 지식에서 AI를 바라보는 것. 내가 뭐 철학자고 내가 뭐 정치외교학인데 그 관점에서 AI 출현을 어떻게 봐야 될 것인가? AI 정치외교와 관련된 기사를 AI 에이전트 만들어 열심히 모으는 것만 하시면 안 되고, 그 출현이 무슨 의미가 있을 거고, 어떤 변화를 질서를 변화시킬 거고, 사실 그 논의가 되게 중요합니다. 그러니까 전제하는 사실 툴 트레이닝이라서 그런 거는 혼자 하셔도 되고, 봇 캠프로 하셔도 되고, 단기 교육 과정 하셔도 되고, 무엇보다 그냥 본인이 제일 무식하게 많이 써보는 게 제일 중요합니다.

도메인 내 원래 전공 지식에서 AI를 바라보는 관점 역시 그만큼 중요합니다. 예를 들어 철학자나 정치외교학자가 자신의 관점에서 AI의 출현을 어떻게 바라봐야 할 것인가 하는 문제입니다. 단순히 AI 에이전트를 만들어 관련 기사를 모으는 것에 그치지 않고, AI의 출현이 어떤 의미를 가지며 어떤 변화를 가져올 것인지에 대한 논의가 매우 중요합니다. 이러한 논의는 혼자서도 할 수 있고, 부트 캠프나 단기 교육 과정을 통해서도 가능합니다. 무엇보다 중요한 것은 스스로 많이 사용해보는 것입니다.

AI와 과학 연구 혁신: 미국과 중국의 경쟁

따라서 그것에만 너무 집중할 필요는 없다는 말씀을 드립니다. 과학 연구와 혁신을 가장 잘하는 나라는 당연히 미국인데, 미국이 최근 제네시스 미션이라는 것을 발표했습니다. 미국은 전 세계에서 노벨상을 가장 많이 수상하고 세상을 바꾸는 혁신을 만들어내는 나라입니다. 이미 한참 앞서 있는데 왜 AI를 더 중요하게 생각하는가? 이는 미중 경쟁과도 연관이 있습니다. 1등인 미국조차도 AI를 활용해 과학력을 더 키우지 않으면 중국이 따라올 수 있다는 위협감을 느끼는 것 같습니다.

또한, 과학 연구에 있어서 미국이 현재의 격차를 압도적으로 강화시켜 중국과의 격차를 더 벌릴 수 있는 영역이라고 판단했을 것입니다. 과학에서 가장 중요한 것은 무엇일까요? 과학자들이 많이 필요하지만, 아주 우수한 사람이 더 중요합니다. 아주 우수한 사람이 많이 필요하며, 더 나아가 중요한 것은 엄청나게 축적된 과학 데이터입니다. 이 두 가지 측면에서 볼 때 미국이 가장 앞서 있습니다. 현대화된 과학 데이터를 가장 오랜 시간 축적한 곳이 미국이며, 그 데이터를 공개하지 않은 채 보유한 양도 방대합니다.

95% 이상이 공개되지 않았습니다. 무료로 공개되는 데이터도 있습니다. 우주와 같은 분야는 많은 데이터가 공개되어 있습니다. 전 세계에서 가장 우수한 과학자는 어디에 가장 많이 있을까요? 바로 미국입니다. 중국은 어떻습니까? 미국보다 조금 부족하지만 과학자 수가 매우 많고, 데이터를 열심히 축적하고 있습니다. 하지만 미국과는 격차가 큽니다. 미국이 부족한 것은 단 하나, 이 우수한 과학자들과 함께 일해 줄 주니어 연구원이나 동료 연구자들입니다. 이를 AI로 보완할 수 있습니다. 한 명의 교수가 여러 명의 박사 과정 학생이나 박사 후 연구원과 함께 연구 그룹을 만드는 것처럼 말입니다.

이것이 거대한 연구실이 될 수 있다는 점을 염두에 두고 추진하는 것이 아닌가 싶습니다. 이는 우리나라의 한국과학기술연구원(KIST)의 자율 연구실 사례입니다. 이미 이러한 개념이 많이 등장하고 있습니다. 학문 분야마다 다르겠지만, 특히 실험을 하는 분야에서는 밤에 문제가 생기면 큰일이 날 수 있습니다. 생물학 실험 등은 누군가 지키고 있어야 할 것입니다. 박사 과정 학생들이 돌아가며 지키거나, 이제 사람이 할 필요가 없어질 수도 있습니다. 육체 노동이나 단순 반복 노동은 이미 많이 대체되었습니다. 이를 넘어서 새로운 가설을 세우거나 창의적이고 도전적인 시도를 하는 것 역시 AI가 이미 많이 하고 있습니다. 웬만한 과학자들보다 뛰어난 성과를 내고 있습니다.

AI 시대의 일자리 충격과 양극화 심화

이미 이 분야는 많이 발전했습니다. AI는 특히 과학 분야에서 엄청난 잠재력을 보여주지만, 동시에 막대한 위험도 안고 있습니다. 가장 많이 언급되는 것은 일자리 문제입니다. 저희가 조사한 바에 따르면 허위 정보나 군용 활용에 대한 언급이 많습니다. 특히 젊은 세대들이 많은 관심을 보여 문제가 되고 있지만, 압도적인 걱정은 일자리입니다. AI 때문에 일자리가 없어질 것이라는 우려가 가장 큽니다. 실제로 미국에서도 일자리가 상당히 많이 사라지고 있습니다.

상위 0.01%를 제외한 일자리가 사라질 수 있다는 우려가 있습니다. 또한, 젊은 층, 즉 주니어들의 일자리가 사라진다는 점도 중요합니다. 현재 기득권층, 즉 미들급이나 시니어 레벨의 사람들에게 AI는 훌륭한 도구입니다. 활용할 수 있기 때문입니다. 하지만 졸업 후 일자리를 구해야 하는 사람들에게 AI는 경쟁자입니다. 자신이 AI보다 훨씬 뛰어나다는 것을 입증하지 않으면 취업이 어려워집니다. AI 에이전트를 몇 개 돌리는 것만으로도 충분할 수 있습니다.

이는 매우 치열한 고민입니다. 저희는 농담 삼아 AGI(범용 인공지능)가 앞으로 몇 년 안에 나올 것이라는 말도 있고, 5년 안에 나올 것으로 예상되는데, 그 시대에 어떻게 살아남아야 할지, 어떤 변화가 있을지 이야기합니다. 단순 취업은 어려워졌지만, 바로 사장이 될 가능성은 높아졌습니다. AI를 잘 활용하면 즉시 무언가를 할 수 있기 때문입니다. 엄청나게 부정적인 소식도 많지만, 한편으로는 기존에 불가능했던 일을 가능하게 하는 경우도 많습니다. 예를 들어, 아랍어를 전혀 못 하고 아랍에 가본 적도 없지만 아랍에 무언가를 팔고 싶을 때, AI 에이전트의 도움을 받아 실제로 판매하는 경우가 많습니다. 과거에는 상상도 못 했던 일들을 AI나 에이전트를 매우 잘 활용하여 해결하는 사례가 종종 나옵니다.

그래서 요즘 1인 유니콘 기업이 많이 등장하고 있습니다. 유니콘 기업은 비상장 기업 중 기업 가치가 1조 원 이상인 경우를 말합니다. 매출이 반드시 보장되지 않더라도 어느 정도 확실한 성과를 보여줘야 합니다. 1인 유니콘 기업이 많이 나타나고 있습니다. 두 명이서 매출 1천억 원을 만들거나, 두 명이 만든 기업 가치가 2조 원, 10조 원이 되는 경우도 매우 많습니다. 이런 기업들을 보면 대부분 기업 가치나 임팩트 대비 임직원 수가 적습니다.

딥스(DeepMind)의 경우, 처음 모델을 개발한 사람은 중국인이지만, 150명이 개발했습니다. 150명이라면 한국의 일반적인 국립 연구소의 절반도 안 되는 규모입니다. 수천 명 규모의 국립 연구소도 많습니다. 작은 연구소 하나가 만든 것입니다. 이것이 상장한다면 기업 가치가 수십조 원이 될 것입니다. 세상이 이렇게 바뀌고 있습니다. 하지만 문제는 이것도 어느 정도의 기본이 바탕이 되어야 가능하다는 것입니다. 구독할 여력이 있거나 AI에서 기회를 인식할 정도의 기본이 받쳐줘야 기회가 오는 것입니다.

그렇지 않고 전기도 없는 곳에서 AI로 무엇을 할 수는 없습니다. IMF에서도 몇 년 전 이러한 보고서를 가지고 조사를 했습니다. 앞서 말씀드렸다시피 AI는 한 달 한 달이 다르게 변하기 때문에 지금과는 다를 수 있겠지만, 전반적인 트렌드는 다음과 같습니다. 일단 고소득 직군이나 전문성이 매우 높은 직군이 위험도가 더 높습니다. AG(범용 인공지능) 때문에 노출 위험도가 높을 수밖에 없습니다. 의사, 변호사 등이 많이 노출됩니다. 왜 그럴까요?

운영자 입장에서 고비용 인력을 대체하고 싶은 욕구가 가장 크기 때문입니다. 동시에 이 사람들이 AI를 잘 활용할 경우 새로운 추가 기회를 확보할 가능성도 높습니다. AI를 잘 쓰는 의사, AI를 잘 쓰는 변호사는 훨씬 더 많은 돈을 벌거나 더 큰 가치를 창출할 가능성이 높습니다. 개도국이나 저숙련 블루칼라 직군은 대체될 가능성이 낮고, 새로운 기회를 잡을 가능성도 낮습니다. 이러한 트렌드는 선진국과 개도국 모두에게 나타나며, 글로벌하게 젠더 측면에서도 비슷합니다. 여성이 노출이 낮거나 기회를 가질 가능성도 낮습니다. 교육 수준에 따라서도 비슷합니다. 원래 존재했던 격차, 즉 선진국과 개도국의 격차, 많이 배운 사람과 덜 배운 사람의 격차 등이 더 커지거나 고착화될 가능성이 높다는 것이 가장 큰 이슈입니다. 일자리 직군별로 미치는 파급 효과도 매우 다릅니다. 이는 한 교수가 GitHub의 연구자와 공유한 미국 데이터입니다. 미국의 모든 고용 데이터를 연동하여 대시보드로 만든 것입니다. 빨간색일수록 노출 정도가 높은 것을 의미합니다. 직군마다 AI 노출 정도가 다릅니다. 발표자는 이 자료를 공유할 예정이니, 들어가서 직접 보시면 매우 흥미로울 것입니다. 클릭해서 원본 사이트에 들어가 보시기 바랍니다. 이것 역시 매우 심각한 이슈입니다. 현재는 육체 노동이나 블루칼라 직종의 대체가 덜하지만, 반복적인 노동은 모두 대체됩니다. 로봇도 반복적인 노동은 모두 대체할 수 있습니다.

아직 멀었다고 이야기하지만, 특히 중국과 같이 AI를 잘 활용하는 국가에서는 이미 많이 이루어졌습니다. 반복적인 노동, 아주 정밀한 노동은 거의 대체됩니다. 고급 노동이나 수술과 같은 것은 다른 문제지만, 쉬운 반복 작업은 거의 다 대체된다고 보시면 됩니다. 엔트로피(Anthropic)에서 자체 데이터를 분석한 결과 보고서도 공개되어 있습니다. 여기서 가장 중요한 것은 주니어들의 일자리 충격입니다. 주니어 포지션은 줄었습니다. 나머지 여러 가지는 아직 확실하지 않지만, 주니어 일자리는 확실히 줄었습니다. 링크드인(LinkedIn)에서도 매년 일자리가 어느 직군에 생기고 어느 직군이 없어졌는지 발표합니다. 오픈AI(OpenAI)도 사람들이 AI로 무엇을 하는지에 대한 활용 데이터를 공개하고, 이를 바탕으로 논문을 쓰는 사람들도 있습니다. 이러한 데이터를 연달아 보여드리는 이유는 일자리뿐만 아니라 테스크(task)의 변화도 크기 때문입니다. 내 일자리를 테스크로 쪼개면 교육, 연구, 행정, 대외 활동 등이 있을 것입니다. 연구는 더 쪼갤 수 있습니다. 논문을 읽고, 문헌 검토를 하고, 데이터를 수집 및 분석한 후, 결과를 도출하여 제출하는 과정입니다. 이를 더 나누면, 이 안의 업무 중 일부는 AI로 자동화될 수 있습니다. 제출 과정은 완전히 자동화하거나, 마지막 교정 및 오탈자 검토는 이미 많이 자동화되었습니다. 문헌 검토는 AI의 도움을 더 받을 수 있고, 가설 생성 역시 앞서 말씀드렸다시피 AI를 통해 할 수 있습니다. 따라서 테스크가 재구성된다는 이야기가 요즘 가장 널리 받아들여지고 있습니다. 의사의 역할도 마찬가지입니다.

의사의 역할도 AI와 협업하여 훨씬 더 많은 환자를 진료하고 더 정확하게 진료하면 됩니다. 재구성(reconfiguration)을 잘하면 생산성이 훨씬 높아집니다. 하지만 이것도 약간 이상적인 이야기입니다. 저희가 가진 이상적인 가설은 AI 혼자 했을 때 정확도가 90%이고, 사람이 혼자 했을 때 정확도가 95%여서, 사람과 AI가 협력하면 100%가 된다는 것입니다. 따라서 우리는 AI와 공존하며 잘 살아야 한다는 것이 오랫동안 지배적이었던 이상론입니다. 하지만 테스크에 따라 그렇지 않습니다.

사람이 빠져줘야 정확도가 올라가는 경우가 많습니다. AI 혼자 하면 150, 사람이 하면 100, 사람과 AI가 같이 하면 95 정도인 경우도 있습니다. 사람이 어설프게 끼면 오히려 노이즈가 된다는 연구도 많이 나옵니다. 테스크에 따라 다르다는 점을 볼 필요가 있습니다. 기업 입장에서는 취업을 준비하는 분들이 대다수이므로, 채용 공고를 분석하는 것이 가장 좋습니다. 어떤 사람들을 원하는지 파악해야 합니다.

AI 도입의 현실적 과제와 조직 설계

AI가 있습니다. 요즘 AI에 대한 이해도나 활용 능숙자를 찾는 공고가 많을 것입니다. 실제로 작년에 MIT에서 비즈니스 AI 활용에 대한 조사를 했는데, 도입이 생각보다 잘 안 된다는 결론이 나왔습니다. 미국도 그렇다면 우리나라는 더 심각할 것입니다. 이유는 당연합니다. AI를 설치한다고 해서 세탁기를 그냥 사는 것처럼 집안일이 해결되는 것이 아닙니다. 전기를 꽂거나 잘 활용해야 합니다. AI의 경우, 전기는 데이터가 될 것입니다. 데이터 자체도 수집되지 않은 경우가 많습니다. 따라서 AI를 도입해도 아무런 효과가 없는 경우가 많습니다. 생산성을 훨씬 높이려면, 앞서 말씀드렸다시피 테스크 단위로 잘 쪼개져 있어야 합니다. 이 테스크를 재조합하여 '이것은 AI로 하고, 이것만 사람이 하자'는 조직 설계가 AI에 맞게 이미 되어 있어야 합니다. 기존 조직 구조에 사람만 그대로 두고 AI를 도입하면 사실상 불가능합니다. 요즘 잘하는 해외 대학, 특히 경영대에서는 '에이전트 관리론' 등을 가르칩니다. 경영학에서 전통적으로 인사 조직 관리론을 하듯, 사람을 어떻게 관리해야 성과가 나오는지 배우는 것처럼 말입니다.

이를 전부 AI로 바꾼 것입니다. 에이전트로 말입니다. 에이전트도 우리의 동료이자 경쟁자이며, 이론으로서 활용해야 하기 때문입니다. 업무를 어떻게 나눌 것이고, 어떻게 협업할 것이며, 어떤 AI가 담당하고 어떤 것은 불안전하므로 사람이 검증할 것인지 나누는 것입니다. 이러한 사전 준비가 꽤 오래 필요합니다. 그래서 이런 것들이 잘 적용되지 않는 경우가 많습니다. 작년 기준으로 봤을 때 성공적이지 않았다는 것이 기본적인 이야기입니다. 개인, 기업, 대학 순으로 나왔습니다.

대학 교육의 실패와 기업의 인재 선발

대학은 도대체 어떤 곳이어야 할까요? 팔란티어(Palantir)라는 기업을 아시나요? 팔란티어 그룹에서 메리토크러스 펠로우십(Meritocracy Fellowship)을 만들었습니다. 홈페이지에 들어가 보시면 매우 흥미로운데, 가장 재미있는 문구는 상단에 있는 'Skip the degree(학위 건너뛰기)'입니다. 이것이 무엇이냐 하면, 미국 실리콘밸리의 화려한 테크 기업, AI 기업들이 미국의 고등 교육은 실패했다고 말하는 것입니다. 즉, 고등 교육에 진학하여 학자금 빚을 지느니, 바로 취업하라는 뜻입니다. 이 기업은 AI 기업은 아니지만, 온톨로지(ontology)를 통해 기업 생산성을 높이는 혁신적인 소프트웨어 기업입니다. 이 기업은 우수한 인재를 뽑는 데 집중합니다.

전혀 불가능합니다. 생산성을 훨씬 더 높이려면, 말씀드렸다시피 테스크 단위로 잘 쪼개져 있어야 합니다. 이 테스크를 재조합하여 '이것은 AI로 처리하고 이것만 사람이 하자'는 조직 설계가 AI에 잘 맞게 미리 되어 있어야 하는데, 기존 조직 구조에 그대로 AI를 도입하는 것은 사실상 불가능합니다. 그래서 요즘 해외의 우수 대학들, 특히 경영대에서는 '에이전트 관리론' 같은 것을 가르칩니다. 경영학에서 전통적으로 인사 조직 관리론을 통해 사람을 어떻게 관리해야 성과가 나오는지 다루는 것처럼 말입니다.

이것을 전부 AI 에이전트로 대체하는 것입니다. 에이전트도 우리의 동료이자 경쟁자이자 이론으로서 활용해야 하기 때문입니다. 업무를 어떻게 나눌 것이고, 어떻게 협업할 것이며, 어떤 업무는 AI가 하고 어떤 업무는 불안전하니 사람이 검증할지 나누는 것입니다. 이러한 사전 준비에는 꽤 오랜 시간이 필요합니다. 따라서 이러한 시도들이 성공적이지 못했던 것이고, 작년 기준으로 봤을 때 생각보다 성공적이지 못했다는 것이 기본적인 평가입니다. 다음으로 개인, 기업, 그리고 대학에 대해 살펴보겠습니다.

대학은 과연 어떤 곳이어야 할까요? 우리에게 익숙한 미국의 기업 팔란티어(Palantir)를 아십니까? 팔란티어 그룹에서 '메리토크러스 펠로십(Meritocracy Fellowship)'을 만들었습니다. 홈페이지에 들어가 보시면 매우 흥미로운데, 가장 재미있는 문구는 상단에 있는 '스킵 더 조(Skip the Job)'입니다. 이것은 미국 실리콘밸리의 화려한 테크 기업, AI 기업들이 미국의 고등 교육은 실패했다고 말하는 것입니다. 즉, 고등 교육에 진학하여 학자금 빚을 지느니, 바로 취업하라는 뜻입니다. 이 기업은 AI 기업은 아니지만, 온톨로지(ontology)를 다루며 기업의 생산성을 높이는 매우 혁신적인 소프트웨어 기업입니다. 이 기업은 우수한 인재를 선발하는 데 집중합니다.

그다음에 바로 현장에 투입합니다. 기업 안에서 일을 하면서 가르치는 것이 훨씬 더 효과적입니다. 한국뿐만 아니라 한국에서 특히 심각한 문제일 수 있는데, 대학 교육이 경직화되어 있고, 4년의 대학 교육이 반드시 회사 업무 능력으로 이어지는 것은 아닙니다. 좋은 대학이나 좋은 학과를 나와야만 취업해서 일을 잘하는 것도 아닙니다. 좋은 대학에 간 학생들은 기본적으로 학업 능력이 좋기 때문에 어떤 일을 시켜도 잘하는 경향이 있습니다. 따라서 좋은 대학이나 좋은 포지션에 갈 수 있다는 증명만 된다면, 바로 채용하여 조기에 실무를 시작하게 하는 것이 훨씬 효율적일 것입니다.

시간을 절약해 줄 수 있지 않겠냐는 생각을 모두가 했지만, 이를 현실화시킨 것입니다. 여기서 더 중요한 것은 선발 기준을 기업 스스로가 갖고 있다는 점입니다. 한국의 두 번째 문제는 AI 시대에 여전히 오래된 수능 체계로 미래 인재를 선발한다는 것입니다. 이는 마치 자동차와 달리기 시합을 하는 것과 같습니다.

기업들은 인재 선발 방법을 자체적으로 만들고, 우수한 인재를 선발하여 현실적인 문제를 해결하게 합니다. 대학 교육의 궁극적인 목표는 영원히 대학에 다니는 것이 아니라 다음 단계로 나아가는 것입니다. 요즘 많은 학생들이 기업으로 가고 싶어 하는데, 기업에 가서 무슨 일을 할까요? 결국 고객이 있고, 고객의 문제를 풀어줘야 합니다. 이를 19살 때부터 시작하는 것입니다. 고객이 누구인지, AI 관련 문제가 무엇인지 파악하고 투입되어 경험을 쌓으면 훨씬 빠르고 제대로 일할 수 있습니다. 이러한 사례들이 늘어나고 있으며, 미네르바 스쿨 같은 곳에서도 비슷한 시도를 했습니다. AI 박사 학위 소지자들도 학교보다는 기업으로 가는 추세이며, 이는 생각보다 큰 충격입니다.

기업에서 더 우수한 논문들이 많이 나오고 있습니다. 이상적으로는 MIT나 스탠퍼드에서 노벨상이 나와야 하지만, 이제는 구글에서도 나오고 있습니다. 최근에는 스탠퍼드 교수들이 오픈AI로 이직하거나, 하버드 대학의 뛰어난 교수들도 오픈AI로 가서 연구하는 등 역설적인 상황이 발생하며 기존 질서가 붕괴되고 있습니다. 이에 따라 미국의 명문 대학들도 기존 교수들을 해고하거나 학과를 통폐합하는 등 큰 조정을 하고 있습니다. 또한, 학과 교육 프로그램을 더 세분화하는 경향도 나타나고 있습니다.

학교에서는 이미 부정행위 등이 많이 발생하고 있습니다. 마이크로디그리 같은 프로그램도 있지만, 이를 더 기능별로 세분화하여 해당 과목만 이수하고 졸업하는 방식이 늘고 있습니다. 학기당 학비만 내고 필요한 과목만 듣는 것입니다. 평생 학습의 개념으로, 회사에 다니면서 필요에 따라 특정 과목을 수강하거나 병행하는 형태가 가능해지고 있습니다. 이처럼 대학과 기업, 연구자 등 모든 영역에서 큰 지각 변동이 일어나고 있습니다. 대학에서의 연구가 제대로 이루어지지 않고 기업으로 인재가 이동하며, 학생들이 대학을 거치지 않을 가능성도 높아지고 있습니다. 대학이 변화하지 않으면 순식간에 존재 가치를 잃을 수 있습니다.

AI 학술 경쟁력: 미중 간의 격차와 지정학적 갈등

세계 최고 수준의 인공지능 학회인 뉴립스(NeurIPS)에서 발표되는 전체 논문 중 중국이 차지하는 비율은 약 절반에 달합니다. 1위는 구글(4.8%)이며, 2위는 칭화대학교입니다. 그 뒤로도 중국 대학들이 다수 포함되어 있습니다. 한국은 카이스트 등을 포함하여 약 2~3% 정도의 점유율을 보입니다.

미국이 약 30%, 중국이 약 50%, 싱가포르가 약 5%를 차지하며, 나머지 전 세계가 합쳐서 나머지 비율을 차지합니다. 이는 AI 경쟁력의 지표로 볼 수 있습니다. 이러한 경향은 재료 공학 등 다른 과학 기술 분야의 탑 컨퍼런스에서도 유사하게 나타납니다. 올해 뉴립스 학회에서는 미국이 지정학적 이유로 미국 정부의 제재 대상에 오른 중국 대학들의 논문을 받지 않겠다고 선언했습니다. 이에 중국은 모든 대학의 논문 제출을 보이콧하겠다고 맞섰습니다. 며칠 뒤, 학회는 이 결정을 철회했습니다. 이는 학술 분야에서도 지정학적 갈등이 심화되고 있음을 보여줍니다.

학술 분야에도 지정학이 개입하여, 미국이 위험하다고 판단한 대학의 논문을 받지 않겠다고 하자 중국은 모든 대학의 참여를 거부하겠다고 맞섰습니다. 이는 학문의 기본 정신에 위배된다는 주장과 함께, 오픈된 데이터를 기반으로 하는 연구의 특성상 문제가 없다는 반박이 나왔습니다. 이러한 갈등이 심화되고 있습니다. 그럼에도 불구하고, 세상을 바꾼 영향력 있는 논문 수 기준으로 보면 여전히 미국이 앞서고 있습니다.

중국은 그 뒤를 잇는 2위 정도로 볼 수 있습니다. 전체 논문 수 기준으로 보면, 미국이 1위인 분야도 있지만, 0.01% 또는 0.05%의 상위 논문에서는 중국이 1위를 차지하는 경우도 늘고 있습니다. 특허 분야에서도 중국 기업들이 제너레이티브 AI 관련 특허를 대거 출원하며 상위 10개 기업 중 7~8개를 점유하고 있습니다. 과거에는 중국 기업들이 국제 특허 출원에 소극적이었으나, 이제는 핵심 기술 보호를 위해 적극적으로 나서고 있습니다. 이는 미중 경쟁의 영향으로, 특허 확보가 자유로운 연구 개발과 혁신에 중요하다고 인식하기 때문입니다.

개인적인 연구 분야이기도 한데, 중국 논문의 특징은 다음과 같습니다. 여러 지표에서 보듯 중국 논문 수가 매우 많습니다. 특히 그래프에서 볼 수 있듯이, '차이나 온리 퍼블리케이션', 즉 중국 연구자들끼리만 진행한 연구의 비율이 꾸준히 증가하고 있습니다. 다른 국가들의 연구는 다양한 국가의 연구자들이 협력하는 경우가 많지만, 중국은 자체 연구 비중이 높습니다. 이러한 논문들이 세계적인 학술지에 많이 게재되고 있습니다.

최근 들어 중국의 지식 자립 경향이 뚜렷하게 나타나고 있습니다. AI 분야의 우수한 논문들이 중국 연구자나 미국에 있는 중국계 연구자들에 의해 작성되는 경우가 많습니다. 미국 대학 소속의 중국계 연구자들까지 포함하면 그 네트워크는 더욱 확장됩니다.

오픈소스 전략과 로봇 산업에서의 미중 경쟁

미중 경쟁에서 AI 분야를 보면 오픈소스가 중요합니다. 중국 모델들이 오픈소스로 널리 퍼지고 있습니다. 중국 모델이 중요한 이유는 성능이 우수하고 가격이 저렴하며 접근성이 높기 때문입니다. 작년에 이미 중국 모델이 미국 모델의 성능을 추월했다는 분석도 있습니다. 미국 모델이 성능이 더 좋더라도 가격이 비싸고, 중국 모델로 거의 모든 미국산 모델의 기능을 대체할 수 있기 때문입니다. 이러한 추세는 로봇 분야까지 확산되고 있습니다. 휴머노이드 로봇에 사용되는 소프트웨어와 데이터 역시 오픈소스로 공개되어 연구자들이 활용하기 좋습니다.

AI는 모델 경쟁이지만, 피지컬 AI, 즉 휴머노이드 로봇 분야에서는 실체가 중요합니다. 인간을 대신하여 일을 하거나 즐거움을 주는 로봇이 필요합니다. 미중 AI 경쟁에서 미국이 특히 우려하는 부분은 로봇입니다. 작년 기준으로 전 세계 휴머노이드 로봇 출하량의 85%가 중국에서 나왔으며, 올해는 90%에 달할 것으로 예상됩니다. 중국의 한 회사가 생산하는 로봇이 한국 전체 생산량보다 많을 정도입니다. 이는 특정 산업이 한 국가에 의해 90% 이상 점유될 경우, 해당 산업을 사실상 그 국가가 만들어내는 것과 같습니다. 한국이 강점을 가진 반도체 분야에서도 삼성과 하이닉스가 60~70%를 점유하는데, 로봇 분야에서는 중국이 이보다 더 높은 비중을 차지하고 있습니다.

AI 인재 확보와 표준화 경쟁에서의 중국의 부상

이러한 상황이 고착화되면 큰 문제가 될 수 있습니다. AI 경쟁에서 인재 확보도 중요합니다. 과거 중국의 우수 인재들은 주로 미국 유학 후 귀국하거나 미국에 남는 경우가 많았습니다. 하지만 최근 분석에 따르면, 약 10년 전만 해도 중국의 고급 AI 연구자 수는 세계 4위 수준이었으나, 현재는 중국이 1위로 올라섰습니다. 2025년 기준으로 중국이 가장 많은 최상위 AI 연구자를 보유할 것으로 예상되며, 그 뒤를 미국, 한국이 이을 것으로 보입니다. 이는 긍정적인 소식이지만, 인구 대비로 보면 싱가포르가 훨씬 두드러집니다. 한국보다 인구가 훨씬 적은 싱가포르가 인구 대비 연구자 수가 많습니다. 중국과 미국과 경쟁하기 위해서는 3~8위권 국가들의 규모가 더 커져야 합니다. 또한, 중국은 젊은 연구자 비율이 높아 성장 잠재력이 크다는 특징이 있습니다.

젊은 연구자 비율이 높다는 것은 커리어 발전 가능성이 크다는 것을 의미하며, 이는 AI 경쟁력 강화로 이어질 수 있습니다. 표준화 측면에서도 중국은 주요 표준 기구에서 상당한 영향력을 확보했습니다. UN 등 국제기구에서도 중국의 발언권이 커지고 있으며, 이는 중국이 AI 기술뿐만 아니라 표준과 규범을 통해 전 세계 질서를 형성하는 데 오랜 시간 공을 들여왔음을 보여줍니다. 단순히 자본이나 인력을 투입한 결과라기보다는 다각적인 노력이 있었음을 알 수 있습니다.

챗GPT 초기 출시 당시에는 미국과의 격차가 매우 커 게임이 끝났다는 평가도 있었지만, 후속 지표들이 업데이트되면서 격차가 줄어들고 있습니다. 새로운 모델들이 계속 등장하며 미국과 중국은 서로 경쟁하며 앞서나가고 있습니다. 이 두 나라를 제외하면 한국이 그나마 두각을 나타내는 국가라는 것은 사실입니다.

한국의 AI 경쟁력: 생태계 구축의 중요성

하지만 한국이 미중을 대체할 만한 서비스 역량이나 생태계를 갖출 수 있을지가 중요합니다. 모델 자체만으로는 의미가 없으며, 이를 뒷받침할 생태계, 즉 로봇, 가전, 주변 기술 및 데이터가 필요합니다. 따라서 앞으로는 이러한 생태계 경쟁을 지켜봐야 할 것입니다.

커리어가 훨씬 더 발전할 수 있기 때문에 AI 경쟁력이 더 올라간다고 보는 것이 비교적 정확합니다. 젊은 사람들의 비율이 아주 높습니다. 그래서 이것이 현재 AI 경쟁을 바라볼 때, 앞으로 객관적으로 미래가 어떻게 될지 예측할 때 중요한 요소입니다. 또한 표준 같은 것들도 보는데, 중국이 이미 전 세계 주요 표준 기구에서 많은 부분을 장악하는 데 공을 들였습니다. 참고로 보시면 좋을 것 같습니다. 중국이 왜 UN에서 발언을 많이 하고 더 영향력이 있는 것처럼 보이냐 하면, UN 자체는 1인 1표가 아니기 때문에 중국이 파트너 국가나 우호 세력이 많아 유리하기도 하지만, 중국 내부에 있는 UN 대학(UNU) 같은 엔티티들도 많습니다. 그래서 UN에서도 매우 활발한 활동을 하고 있습니다.

이 모든 것이 AI 기술뿐만 아니라, 이를 표준과 규범으로 만들어 전 세계 질서나 따라야 할 룰로 만드는 데 오랜 시간 공을 들인 결과입니다. 단순히 돈을 퍼붓거나 사람을 갈아넣어서 만들어낸 것이라고 보기에는 다른 지표들도 매우 공격적입니다. 처음 챗GPT가 나왔을 때는 격차가 매우 커서 게임이 끝났다고 했지만, 후속 지표들이 업데이트될 때마다 점점 막상막하로 나오거나, 벌어졌다가도 금방 상위를 쫓아가고 새로운 모델들이 계속 나오고 있습니다. 미중은 서로 경쟁하며 계속 앞서 나가는 구조이고, 미중을 제외한 국가 중에서는 우리나라가 그나마 두각을 나타낸다는 것은 팩트입니다.

하지만 정말 미중을 대신할 수 있을 정도의 서비스 역량이나 생태계를 갖출 수 있을지가 저희에게 중요한 문제입니다. 모델만 갖고 있는 것은 아무 의미가 없습니다. 그것을 제대로 돌아가게 할 수 있는 전반적인 생태계, 즉 로봇이나 가전, 에이전트를 얹을 수 있는 다른 주변 기술이나 데이터가 뒷받침되어야 합니다. 결국 생태계의 싸움이기 때문에 앞으로 저희가 지켜봐야 할 부분입니다.

미국 AI 정책의 전환과 기업의 이해관계

이것은 한번 보시면 될 것 같습니다. 결국 미국의 정책이 앞서 말씀드린 바와 같이 안전에서 완전히 안보로 전환되었습니다. 트럼프 행정부가 들어서 가장 먼저 한 일이 DEI, 즉 다양성, 형평성, 포용성을 폐지한 것입니다. AI 발전에 저해가 되고 시간을 지연시키기 때문에 혁신을 먼저 하고 나중에 논의하자는 것입니다. 안전(Safety)에 대한 주목도도 떨어졌습니다. 현재는 미국의 AI 확산에 집중하는 것으로 모아지고 있으며, 오픈AI, 클라우드 등 기업들도 이에 동참하고 있습니다.

2000년대 초반, 특히 2001년 중국이 WTO에 가입한 이후 2000년대 후반에 미중 관계가 좋지 않았던 시기가 있었습니다. 당시 미국은 중국을 환율 조작국으로 지정하고 최혜국 대우를 폐지하려 했습니다. 중국은 시장 경제 원칙을 지키지 않고 문제가 많은 나라라며 중국과의 교육을 중단해야 한다는 주장이 있었습니다.

미국은 중국을 정상 국가로 인정하지 않으려 했습니다. 그때 일부에서 중국과 교육하고 중국에 판매하며 중국 시장을 활용하자고 주장했습니다. 바로 미국 기업들이었습니다. 제너럴 모터스, 보잉 같은 기업들은 중국에서 막대한 매출이 발생하고 앞으로도 발생할 것으로 예상했기 때문입니다. 제너럴 모터스 같은 기업은 한때 파산 위기에 처했지만, 중국 시장 진출과 점유율 확보를 통해 회생했습니다. 최근 이들 기업의 발표를 보면 마치 오픈AI나 미국 국무부, 국방부가 작성한 듯한 내용이 많습니다. 자유 진영 AI가 반드시 승리해야 하며 권위주의 국가가 1등을 해서는 안 된다는 것입니다. 왜 이렇게 갑자기 강경해졌을까요?

기업들이 정의감에 불타서일까요? 그럴 수도 있겠지만, 저는 비즈니스적 관점에서 봅니다. 이 기업들은 어차피 중국에서 수익을 내지 못합니다. 중국이 자체 AI 모델을 개발했고, 딥사이드, 큐미 같은 대체재가 있기 때문입니다. 이들 기업이 전 세계 시장에서 높은 점유율을 차지하는 곳은 중국을 제외한 지역입니다. 문제는 중국의 알리바바, 딥사이드, 클라우드 같은 모델이 중국 밖으로 확산되고 있다는 점입니다. 동남아시아를 장악하고 한국, 심지어 미국에서도 사용되고 있습니다.

AI 생태계의 분리와 미중 간 상호 의존성

실리콘밸리에서도 마찬가지입니다. 따라서 중국산 모델을 중국 내에만 가두어야 합니다. 이는 정부의 이익과 기업의 이해관계가 맞아떨어진 사례라고 볼 수 있습니다. 미국뿐 아니라 중국도 AI 액션 플랜을 수립했으며, 올해 AI 협력 기구를 발표했습니다. 전 세계에서 AI를 가장 잘하고 생태계를 잘 구축한 두 나라가 이를 어떻게 확산시키고 서로 견제할 것인가에 대한 경쟁이 벌어지고 있습니다. 미국이 공세적입니다.

미국은 슈퍼파워로서 더 공세적인 수단을 사용하고 있으며, 중국은 수비적이지만 확산을 계속 요구하고 있습니다. 중국이 오픈소스 전략을 사용하는 이유는 무엇일까요? 윈도操作系统 경쟁, 안드로이드와 애플의 경쟁 등 과거 IT 경쟁을 보면 후발주자들이 오픈소스 전략을 사용하는 경우가 많습니다. 많은 사람들을 끌어들이고 종속시키는 전략입니다. 중국이 후발주자이자 2등이기 때문에 오픈소스를 사용하는 것입니다. 국력이나 상황을 비교해 볼 때 중국은 수비적인 전략을 사용할 수밖에 없습니다. 하지만 오픈소스가 확산되면서 미국의 전략이 예상만큼 잘 작동하지 않고 있습니다.

이 정도의 압박이면 무너져야 하는데 그렇지 않은 경우가 많습니다. 현재 AI 생태계는 분리되고 고착화되었습니다. AI를 중심으로 보면 근원적으로 데이터, 전력, 컴퓨팅 파워, AI 모델, AI 서비스, 디바이스 등이 필요합니다. 그런데 미중 관계를 보면 이 모든 연결고리가 끊어져 있습니다. 미국과 중국은 핵심 데이터를 서로 공유하지 않으며, 중국 역시 마찬가지입니다. 컴퓨팅 파워에 필요한 칩에 대한 대중국 수출이 제한되고, 중국 제품의 미국 수입도 제한되는 등 계속해서 분리되고 있습니다. 서로 주고받으며 완전히 분리된 상태에서 서로 갖지 못한 부분들이 있습니다. 중국의 가장 큰 약점은 반도체입니다. 따라서 갖지 못한 부분은 자립하려 합니다. 중국의 가장 큰 문제는 반도체이며, GPU와 같은 핵심 부품의 자립을 추진하고 있습니다. 미국은 그보다

하드웨어 분야에서 부족한 점이 많습니다. 미국은 이를 동맹국인 한국, 일본 등과 협력하여 해결하려 합니다. 하지만 현재 미국의 동맹 협력 관계가 과거보다 약화되어 정책이 이상적이지 않다는 평가가 있습니다. 반면 중국은 반도체 자립이 예상보다 잘 되고 있지만 명확한 한계도 있습니다. 미중이 화해하여 과거로 돌아갈 수 있을까요?

당분간은 어려울 것입니다. 이를 보여주는 것이 이번 행정부에서도 미국 국무부가 여러 프로그램을 제안하고 있다는 점입니다. 팍스 실리카와 같은 협의체에서 중국을 제외한 반도체 및 핵심 기술 분야의 인도·태평양 동맹국들과 새로운 협의체를 구성하고 있습니다. 이 프로그램의 대표적인 예는 동남아시아 지역에서 신뢰할 수 있는 스마트 디바이스를 생산 및 공급할 수 있는 국가나 기업에 자금을 지원하는 것입니다. 이는 동남아시아 지역에서 중국산 하드웨어 및 소프트웨어를 많이 사용하고 있기 때문입니다. 지리적으로 가깝고 중국이 많은 부분을 지원하며, 동남아시아 국가 입장에서도 중국산을 사용하지 않을 이유가 거의 없습니다. 싸고 좋기 때문입니다. 하지만 이 지역에서 중국산을 대체할 제품을 만드는 프로젝트들이 많이 있습니다. 대표적으로 한국이 될 수 있고, 베트남의 빈그룹처럼 전기차를 생산하는 국가들도 해당될 수 있습니다. 이러한 상황이 고착화되면서 미국과 중국의 이야기뿐 아니라 한국에 대한 이야기도 나오게 될 것이며, 하나의 우려가 생깁니다.

한국의 AI 주권 확보 전략과 상호 의존성 강화

특히 앞에서 미중 기술 경쟁을 언급했는데, 그렇다면 우리는 한쪽을 선택하거나 아니면 끝까지 양쪽과 잘 지내야 하는 것일까요? 하지만 그렇게 하다가 당연히 드는 생각은 '언제까지 이렇게 살아야 할까?'입니다. 우리도 우리만의 것을 어느 정도 가져야 협상력과 레버리지를 확보할 수 있지 않을까요? '나 혼자 먹고 살겠다'는 생각도 할 수 있지 않을까요? 미국에 대해 중국으로 레버리지를 할 수는 없고, 중국에 대해 미국으로 레버리지를 하기에는 너무 큰 도박이기 때문입니다.

우리도 우리만의 것이 있다는 것입니다. 이것이 요즘 흔히 말하는 'AI 주권'입니다. 유럽의 사례를 보면 우리와 고민이 비슷하고 상황이 더 좋지 않은 곳은 유럽입니다. 유럽은 모든 하드웨어, 예를 들어 배터리나 전기차 부품을 중국산에 의존하고, 모든 소프트웨어는 미국산에 의존합니다. 유럽에는 네이버나 카카오톡 같은 자체 서비스가 없고 모두 미국 서비스를 사용합니다. 하드웨어는 중국산, 소프트웨어는 미국산에 의존하니 자체적인 레버리지가 없는 것입니다. 따라서 이대로는 안 된다는 생각이 듭니다. 구조적으로 한쪽에 의존하는 것은 위험하며, 스스로 무언가를 만들어야 합니다. 한 기업이나 한 국가에만 의존하는 것은 배제해야 합니다. 가장 이상적인 것은 'Made in Europe'을 자체적으로 만드는 것이겠지만, 생태계가 없기 때문에 어려울 것입니다.

그렇다면 어떻게 해야 할까요? 한 사람에게만 의존하지 않는 것입니다. 예를 들어 OS를 만들 때 구글에만 의존하지 않고 마이크로소프트나 한국의 네이버 것도 함께 사용하여 위험을 분산시키는 구조입니다. 이는 AI나 디지털 분야뿐 아니라 식량 등 다른 분야에서도 많이 사용되는 구조입니다. 싱가포르가 대표적인 예입니다. 싱가포르는 식량 생산을 하지 않지만, 주변 국가인 태국, 말레이시아 등에서 식량을 수입하여 분산합니다. 한 나라에 문제가 생겨도 다른 나라에서 가져올 수 있게 하는 것입니다. 또한, 시간이 걸리더라도 스스로 개발에 투자하는 투트랙 전략을 사용합니다. 이것이 AI에도 공통적으로 적용되고 있습니다. '주권 AI'라는 용어는 정치·외교학적으로 배타적인 느낌을 줄 수 있어 외국인들과 대화할 때 주의해야 합니다. '너네는 세상을 배타시키고 영토 주권처럼 만들 것이냐?'는 거부감을 줄 수 있기 때문입니다. 따라서 '개방적이고 협력적인 주권 AI'임을 설명해야 대화가 가능합니다. 미국이 제안하고 특히 현재

미국의 AI 정책을 이끌고 있는 백악관의 크라치오스 디렉터는 'AI 주권이란 전 세계 최고 모델에 대한 접근권만 있으면 된다'고 말합니다. 미국이 최고 모델을 가지고 있으니, 거기에 접근할 수 있는 권리를 보유하는 것이 주권에 더 좋다는 것입니다. 주권에서 중요한 것은 성능이며, 직접 개발하는 것은 비효율적이고 국력 낭비이므로 미국의 것을 사용하되, 대신 미국이 잘할 수 있는 다른 분야에 집중하라는 것입니다. 이는 기존의 경제 안보나 다변화와는 다른 개념입니다. 한쪽에만 몰빵하지 않고 분산 투자하자는 것이 아니라, 가장 잘하는 곳에 전적으로 의존하되 상대방도 우리에게 전적으로 의존하게 만드는 것입니다. 그렇다면 우리는 어떻게 해야 할까요? 주권 AI 모델 개발에 돈을 들이는 대신 반도체에 집중하여 상호 의존성을 극대화하는 것입니다. 그러면 억지력이 생깁니다. 우리도 망가지면 상대방도 망가지기 때문에 상호 신뢰가 강화됩니다. 이것이 미국이 제안한 개념이며, 매우 의미 있는 개념입니다.

AI 주권 전략의 개념적 차이와 한국의 선택

하지만 어떤 것을 선택할지는 쉽지 않습니다. 개념은 현재 이렇게 나뉘어 있습니다. 미국이 제공하는 개념도 일리가 있으며, 최근 미국의 싱크탱크들은 주요 중간 강대국들의 주권 전략을 비판하며, 비효율적이고 미국은 모든 것을 할 수 없으므로 미국의 AI 혁신에 보완적인 역할을 하는 로봇, 하드웨어 등에 집중하는 것이 낫다고 주장합니다. 상호 보완성을 강화하면 되는 것 아니냐는 것입니다. 중국은 어떤 이야기를 할까요?

중국도 맥락은 비슷합니다. '미국만큼 잘하는 것을 공짜로 풀 텐데 왜 비효율적인 짓을 하느냐'는 것입니다. 중국 입장에서는 '엑셀부터 만들려고 하지 말고, 우리가 제공하는 엑셀, PPT 프로그램을 다 쓰고 당신들이 잘하는 것을 하라'는 것입니다. 하지만 문제는 그것이 언제까지 공짜일지에 대한 우려가 있습니다. 이러한 상황이 더해지면서 진행되고 있습니다. 그럼에도 불구하고 그 개념, 특히 미국이 제안하는 개념이 일리가 있고 동맹도 중요하지만, 그럼에도 불구하고 우리가 스스로 무언가를 해보는 것이 필요하다는 이유는 다음과 같습니다.

생산을 하지 않는 걸 선택할 때 분산시키면 되죠. 태국, 말레이시아 등 여러 나라에 분산시키면서 한 나라에 무슨 일이 생겨도 다른 나라에서 가져올 수 있게 하는 분산 방식이 있습니다. 또한, 시간이 걸리더라도 스스로 투입해서 개발해 보자. 이 두 가지 트랙으로 가는 겁니다. 이것이 AI에 공통적으로 적용된 것이고요. 우리가 추구하는 소버린 AI, 즉 주권 AI라는 단어는 정치·외교학적으로 배타적인 느낌이 강해서 외국인들은 거부감을 느낄 수 있습니다. 그래서 꼭 설명을 해야 합니다. 우리가 추구하는 소버린 AI는 배타적인 것이 아니라 오픈되고 협력적인 소버린 AI라는 설명을 해야 다음 대화로 넘어갈 수 있습니다. 미국이 제안하고 특히 현재 백악관의 AI 정책을 이끌고 있는 크라치오스 디렉터가 한 말은 다음과 같습니다.

미국의 AI 정책을 이끌고 있는 백악관의 크라치오스 디렉터는 이렇게 말했습니다. "알겠다. 당신들이 무슨 소버린 AI를 하려고 하는지 알겠는데, 소버린 AI가 무엇인가? AI 주권이란 무엇인가? 전 세계에서 제일 좋은 모델에 대한 접근권만 있으면 된다. 미국이 전 세계에서 제일 좋은 모델을 갖고 있지 않느냐? 그럼 거기에 언제든 접근할 수 있고 확실히 접근이 된다는 권리를 보유하는 것이 당신들의 주권에 더 좋다."

왜냐하면 주권이 중요한 것은 성능이기 때문입니다. 성능. 똑같이 할 수도 없는 일을 어설프게 돈을 들이면서 효율성도 떨어지고 결국 안 좋은 모델을 만들면 국력 낭비입니다. 그러니까 우리 것을 써라. 대신 당신들은 그 돈으로 당신들이 더 잘할 수 있는 것을 해라. 이것은 기존에 우리가 경제 안보나 주권에서 말하는 다변화와는 다른 개념입니다. 여기에만 몰빵하면 안 되니까 분산 투자를 하자는 것인데, 그것이 아니고 제일 잘하는 나라에 전적으로 의존하되, 대신 그 나라가 우리에게 전적으로 의존하게 만드는 것입니다. 그럼 우리는 어떻게 해야 할까요? 소버린 AI 모델 개발에 돈을 쓸 필요 없이 반도체에 몰빵하는 것입니다. 그래서 상호 의존성을 끝까지 올려 버리는 것입니다. 그러면 어떤 일이 생기냐면 억지력이 생깁니다. 억지력이. 우리도 망가지면 너도 망가지니까 상호 신뢰가 좀 강화되는 것이죠. 이것이 미국이 제안한 개념입니다. 그것도 사실 굉장히 의미 있는 개념입니다.

하지만 어떤 것을 어떻게 선택할지가 쉽지 않습니다. 쉽지 않은 건데, 개념은 지금 이렇게 좀 갈라져 있습니다. 미국이 제공하는 컨셉도 일리가 있는 말이고, 최근 미국의 여러 싱크탱크에서 주요 중간 강대국들이 만들어낸 소버린 전략을 냉정하게 비판하는 지점이 여기 있습니다. 불가능하다. 비효율적이고, 사실 미국은 모든 것을 다 할 수 있는 나라가 아니기 때문에 미국의 AI 혁신에 어떤 중요한 역할을 할 수 있는 보완적인 것에 집중하는 게 낫다. 로봇이면 로봇, 하드웨어면 하드웨어. 상호 보완성을 강화하면 되는 것 아니냐? 이런 의견이 많습니다. 중국은 무슨 얘기를 할까요?

중국도 맥락은 비슷합니다. 우리가 미국 못지않은 것을 개발해서 다 공짜로 풀 건데, 왜 그렇게 비효율적인 짓을 하십니까? 이것이 중국의 입장입니다. 우리가 지금 엑셀을 만들어서 공짜로 풀 거고, 인터넷을 만들어서 풀 건데, 왜 지금 엑셀부터 만들려고 하십니까? PPT 프로그램부터 다 줄 테니 가져다 쓰고, 본인들이 잘할 수 있는 것을 하라는 것이 중국의 맥락입니다. 문제는 그것이 언제까지 공짜일까라는 우리의 우려가 있는 거죠. 그래서 이것이 지금 더해지면서 가는 거고, 그럼에도 불구하고 그 컨셉이 일리가 있고, 특히 미국이 하는 컨셉이 일리가 있고 동맹이 있고 다 좋은데, 그럼에도 불구하고 우리가 어쨌든간에 뭔가 스스로 한번 해 보는 것이 필요하겠다라는 이유는 제가 볼 때는 이것인 것 같습니다.

AI의 국가 안보 및 산업 성장 기여와 자체 개발의 필요성

AI는 국가의 국방과 산업 성장에 필수적인 요소입니다. 스스로 국가를 지킬 수 있어야 하고, 산업 성장으로 경제를 유지하며, 사회 안전망과 기본 인프라를 구축하는 데 AI가 교집합으로 작용합니다. 앞으로 모든 인프라는 AI 기반으로 돌아갈 것이며, AI를 활용하지 않는 산업은 성장하기 어려울 것입니다. 국방 분야에서도 AI 무인기, 로봇 등이 도입되고 있습니다.

AI의 중요성은 국가 안보와 산업 성장에 기여한다는 점 외에도, 직접 경험한 사람이 더 잘 이해하고 활용할 수 있다는 논리에서도 찾을 수 있습니다. 책으로만 배운 사람보다 직접 해본 사람이 더 잘하는 것처럼, AI를 직접 개발해 본 경험은 레버리지 효과를 가져올 뿐만 아니라 원래 잘하는 분야의 역량을 강화합니다. 예를 들어, AI를 위한 반도체 개발 시 AI 관련 부분까지 외국에만 의존하지는 않을 것입니다.

AI 기술을 깊이 이해하고 개발하면, 기존 반도체 기술을 훨씬 더 잘 만들 수 있으며, 외부 기술을 받아들일 때도 이해와 흡수력이 높아집니다. 이러한 관점에서 볼 때, 일정 부분 자체적인 AI 개발 노력을 기울이는 것은 반드시 필요하다는 것이 정부의 입장이며, 이에 동의하는 편입니다. 작년 한 해 동안 AI 관련 주요 국가들의 정책이 많이 발표되었습니다.

중간 강국들의 AI 전략과 한국의 잠재력

모든 국가가 AI 기술 개발에 힘쓰고 있으며, 수많은 중간 강국들도 마찬가지입니다. AI 분야의 중간 강국(Middle Power) 전략은 연구해 볼 만한 가치가 있는 주제입니다. 현재 AI 기술 수준을 티어 1(미국, 중국)과 티어 2(한국, 프랑스, 독일, 일본 등)로 나눌 수 있습니다. 티어 2 그룹 내에서는 자주적으로 AI 기술을 개발하려는 한국과 프랑스가 있고, 미국의 전략을 따르기로 한 영국과 일본 같은 국가들도 있습니다. 이들 국가조차도 AI 개발을 완전히 제로에서 시작하지는 않습니다.

일본은 미국의 AI 플랫폼에 밀착되어 있으며, 한국은 하드웨어를 제공하는 역할을 합니다. 그럼에도 불구하고 일본조차도 행정이나 국방 분야에서는 자체 AI 개발 프로젝트를 일부 수행합니다. 한국은 이보다 더 적극적으로 AI 기술 개발을 시도하고 있습니다. 한국은 반도체 외에도 AI 생태계에서 잠재력을 가진 기업들이 있으며, 모든 섹터에서 최고가 될 수는 없더라도 세계 최고 수준의 잠재력을 가진 분야들이 있습니다. 특히 첨단 제조 분야는 가전, 자동차, 조선, 배터리 등에서 중국을 제외하면 한국이 강점을 가지고 있으며, AI는 이러한 분야들을 연결할 수 있습니다.

에너지 분야에서도 원전, 태양광, ESS 등 다양한 기술을 보유하고 있으며, 자체 포털과 메신저 서비스도 갖추고 있습니다. 이러한 요소들을 잘 연결하면 AI 기술 개발에 성공할 가능성이 있습니다. 미국은 한국을 AI, 특히 피지컬 AI 분야에서 최고의 파트너로 여기고 있습니다. 미국이 자체적으로 공장을 지어 가전 업체를 키우는 데는 오랜 시간이 걸리지만, 한국은 이미 필요한 모든 것을 갖추고 있어 협력에 유리합니다.

미중 경쟁 속 한국의 외교·산업 전략

미국은 한국을 동맹 파트너로서 매우 중요하게 생각하며, 이는 안보 및 산업 포트폴리오 측면에서 상호 보완성이 높기 때문입니다. 이러한 상황에서 중국과의 관계를 어떻게 설정할지가 중요한 과제로 남아 있습니다.

중국과는 상당한 경쟁 관계에 있으며 포트폴리오가 겹치는 부분이 많아 치열한 경쟁이 예상됩니다. 하지만 한국의 대중국 전략은 미국의 대중국 전략과 같을 수 없습니다. 중국은 지리적으로 가깝고 북한 문제 등을 고려했을 때 중요한 파트너이기도 합니다. 또한, 중국이 가진 거대한 시장과 생태계의 매력을 무시할 수 없습니다. 미국 기업들조차 중국 내 공장을 유지하고 있는 상황에서, 한국은 중국과의 관계를 어떻게 설정할지 전략적인 고민이 필요합니다.

미국과 중국이 치열하게 경쟁하는 와중에도 협력하거나 교류하는 영역이 존재합니다. 예를 들어 글로벌 도전 과제나 SDG 분야에서는 협력이 가능합니다. 한국의 글로벌 전략 방향은 안보가 중요한 분야는 미국과 집중적으로 협력하고, 안보 민감성이 낮은 영역은 중국을 포함한 다른 나라와도 협력할 수 있습니다. 중국과의 협력은 전략적으로 접근해야 하며, 안보 민감성이 낮은 영역에서 고려해 볼 수 있습니다. 이는 한국 기업들에게 어려운 과제이며, 비행기로 한 시간 거리에 있는 거대한 중국 시장과 생태계를 어떻게 공략하고 활용할지에 대한 고민이 깊습니다.

한국의 AI 경쟁력 강화와 상생 방안

중국 시장에서 수익을 창출하는 것이 가장 좋겠지만, 그렇지 않다면 현장의 변화를 빠르게 파악하여 혁신에 활용하는 접근 방식도 중요합니다. 한국의 국가 AI 전략 위원회 출범 1주년을 맞아 성과 발표가 예정되어 있으며, 여러 노력을 통해 성과를 내고 있습니다. 기본적인 철학은 AI 분야에서 한국이 늦었지만 잠재력은 있으며, 인프라와 지원이 부족하므로 경쟁력을 조속히 키워야 한다는 것입니다.

GPU 확보를 위해 엔비디아와 협력하고, 한국 기업의 강점을 활용하여 해외 빅테크들과 협력하여 경쟁력을 강화해야 합니다. 오픈AI, 클라우드 기업, 구글 등은 한국에 지사를 설립하려 하고 있습니다. 동시에 네이버, 카카오, SKT 등 한국 기업 스스로의 경쟁력도 투트랙으로 키워야 합니다. 이를 위해 독자적인 파운데이션 모델 경쟁을 지원하는 것도 이러한 맥락입니다. 글로벌 협력과 자체 역량 강화를 병행하여 경쟁을 촉진하고 성공 사례를 만드는 것이 목표입니다.

제조업 분야에서 삼성전자, 현대중공업, LG전자 등이 AI를 도입하여 불량률 감소, 생산성 향상, 안전사고 예방 등의 성공 사례를 만들고 이를 세계로 수출하는 것을 목표로 합니다. 또한, AI 전환으로 인한 양극화 해소를 위해 교육 제공, 연구 환경 조성, 기본소득 지급 등 제도적 틀 마련이 필요합니다. AI 시대에 소외되거나 피해를 보는 사람이 없도록 지원하고, 이들이 흐름에 동참할 수 있도록 돕는 방안을 모색하고 있습니다.

이러한 노력은 한국만이 할 수 있는 독창적인 시도가 될 수 있다고 생각합니다. 산업 경쟁력 강화와 더불어 소외 계층 및 AI 혜택을 받지 못하거나 피해를 볼 수 있는 사람들을 지원하고 함께 발전할 수 있도록 돕는 노력을 병행하고 있습니다. 이러한 노력은 한국이 글로벌 사회에 모범 사례를 보여줄 수 있는 기회가 될 것입니다.

국가 AI 전략 위원회 홈페이지에는 회의록, 연간 예산 목록, 2025년 및 2026년 AI 관련 국가 예산 사업 목록 등 방대한 데이터가 공개되어 있습니다. 이 자료들을 분석하면 한국이 AI 분야에 어떻게 예산을 투입하고 있는지, 어느 부처가 어느 정도의 예산을 사용하는지 파악할 수 있습니다. 이러한 정보는 과제 수행 등에 활용될 수 있습니다.

데이터 공개 후 시민 사회로부터 사회 보호보다는 기술 혁신 기업에만 예산이 집중된다는 비판을 받았습니다. 5,000~6,000페이지에 달하는 모든 문건을 분석한 결과, 이러한 비판을 수용하고 반성하는 자세를 취하고 있습니다.

전문가 및 시민들의 의견을 수렴하며 정책을 추진하고 있지만, 여전히 부족함과 한계가 존재합니다. 정책이 이상적으로 흘러가지 않고 부작용이 발생하는 경우가 많으며, 이는 사람에 대한 이해 부족이나 예측의 어려움 때문입니다. 좋은 의도로 만든 정책이 기대에 미치지 못하는 경우가 많으며, 이러한 근본적인 한계도 존재합니다.

AI 기술 개발의 전략적 선택과 대가

한국은 미국, 중국에 비해 AI 분야에서 늦었기 때문에 빠르게 경쟁력을 키우고자 합니다. 엔비디아와 협력하여 GPU를 확보하고 동시에 국내 기업의 경쟁력도 강화하는 투트랙 전략은 합리적으로 보입니다. 하지만 자원이 분산되는 문제가 있습니다. GPU 수입 제한이 없다는 이유로 엔비디아를 선택함으로써, GPU 국산화 기회를 놓쳤습니다. 중국은 GPU 수입이 제한되자 국산화에 집중하고 있으며, 이는 성능 격차를 줄이고 거대한 생태계를 확보하는 결과를 낳고 있습니다.

이는 정책의 문제라기보다 모든 정책에는 완벽함이 없고, 전략적 선택에는 반드시 대가가 따른다는 점을 시사합니다. 또한, 혁신을 통한 경쟁력 확보가 우선순위에 있으며, 그 과정에서 얻은 과실을 공유하자는 접근 방식이 있습니다. 이 과정에서 가장 중요한 자원은 결국 시간입니다. 돈이나 다른 자원도 중요하지만, 유한한 인생을 사는 사람에게 시간은 가장 귀한 자원입니다.

AI 시대의 시간 자원과 컨틴전시 플랜

소외 계층은 일정 기간의 고통을 감수해야 하는데, 이 시간을 어떻게 보상할 것인지, 그리고 AI 디바이드 상황에서 이 시간을 어떻게 견뎌낼 수 있을지가 큰 문제입니다. 또한, 한국이 노력하는 동안 미국과 중국이 가만히 있지 않을 것이라는 평가와 함께, 격차가 좁혀지지 않으면 어떻게 할 것인지에 대한 컨틴전시 플랜이 있는지에 대한 비판도 받고 있습니다. 이는 매우 현실적인 문제입니다.

미국과 중국이 AI 시장을 독점하는 구조는 바람직하지 않으며, 중견국들이 힘을 모아야 한다는 의견도 있습니다. 하지만 일본의 입장에서 볼 때, 한국과 협력하여 얻는 이익보다 미국과 직접 협력하는 것이 더 유리할 수 있습니다. 따라서 중견국 간의 연대가 쉽지 않은 현실적인 이유가 존재합니다.

AI 기술 발전의 불확실성과 잠재적 위험

중견국들 사이에 주고받을 것이 있는지, 그래서 베네치아와 코스트를 잘 따져보면 생각보다 별로 없다는 평가도 많습니다. 중견국 간의 협력도 현실은 이렇습니다. 제대로 설계하지 않으면 상대방 입장에서 굳이 협력할 이유가 없거든요. '왜 너와 협력해야 하지? 내가 그냥 미국과 바로 하거나, 너희도 하는 것이라면 나도 혼자 해볼 수 있지 않을까?'라고 생각하게 됩니다. 프랑스 같은 경우도 마찬가지입니다. 여기까지가 AI 관련 이야기였고, 남은 슬라이드도 빨리 마무리해야 할 것 같습니다. 기술 발전과 관련한 많은 이야기를 했는데, AI 개발이 문제가 없을지에 대한 근본적인 질문도 남아 있습니다.

이번에 우리가 기대하는 혁신이 정말 일어날까요? 그렇지 않을 수도 있고, 또 한 번의 겨울이 올 수도 있습니다. 일자리 문제도 앞서 말씀드렸지만 여전히 불안합니다. 카카오는 공식적으로 아니라고 했지만, AI가 대체할 수 있는 직군의 사람을 뽑지 않겠다는 것은 충분히 상상 가능한 아이디어입니다. 또한, 여러 대학에서 이 위험한 기술을 어떻게 관리할 것인가에 대한 문제도 계속 제기되고 있습니다. 연구자들은 '내 생각보다 너무 빨리 발전하고 있으니, 잠시 개발을 멈추고 재앙적인 문제나 통제 불가능한 문제가 생겼을 때 어떻게 대처할지 고민한 후에 다시 개발을 시작하자'는 자발적인 움직임을 보여왔습니다. 가장 최근에는 스탠퍼드 대학 등에서 즉각적인 행동을 촉구하는 이야기도 많이 나오고 있습니다.

AI 시대의 제도적 대비와 규제 논의

특히 AI는 경제와 노동 분야에 큰 재편을 요구하기 때문에 제도를 만들지 않으면 큰일이 날 수 있습니다. 과세나 분배 제도 등을 미리 고민하지 않고 모든 문제가 터진 후에 수습하려 하면 상황이 걷잡을 수 없게 될 것입니다. 예를 들어, AI로 어떻게 돈을 버는지 추적조차 불가능해지면 과세가 불가능해지고, 재분배도 어려워질 것입니다. 이는 어마어마한 상상도 못 할 문제를 야기할 수 있기에 잠시 멈추자는 이야기도 많이 나왔습니다.

MIT에서는 AI가 유발할 수 있는 여러 위험을 데이터베이스로 만들어 관리하고 있으며, AI가 넘지 말아야 할 선에 대한 논의도 활발히 이루어지고 있습니다. 이러한 긍정적인 논의가 많이 있지만, 안타깝게도 강력한 규제나 책임성이 부족하여 무시되는 경우가 많습니다. 현재 전쟁에서 AI를 엄청나게 사용하고 있는데, AI 위험 논의에서 가장 먼저 나오는 것이 무기입니다. 무기 개발에 AI를 사용하지 말자는 것입니다.

AI의 공익적 활용과 SDG 달성

또한, 허위 정보 유포에 AI를 사용하지 말자, 자가 발전 AI 개발을 자제하자는 오래전 합의가 있었지만 지켜지지 않고 있습니다. 무기 개발, AI 자체 개발, 허위 정보 유포에 AI가 악용되는 실정입니다. 이 점이 중요할 것 같습니다. 또 하나 많은 분들이 관심을 덜 가지는 것이 SDG입니다. SDG 달성은 2030년까지 거의 불가능해 보입니다. 약 6~7년 전, SDG 17개 목표별로 AI가 미칠 긍정적, 부정적 영향을 분석한 적이 있습니다. AI는 긍정적인 영향을 크게 미칠 수 있으며, AI를 활용하여 SDG를 달성하는 프로젝트 모음집도 존재합니다.

거의 20만 개에 달하는 프로젝트가 있습니다. 세상에는 여전히 해결해야 할 문제가 많기에 AI를 어떻게 공익적으로 사용할지에 대한 고민이 필요합니다. 젠더, 교육, 불평등 등 다양한 분야에서 AI를 활용할 수 있으며, 특히 개발도상국은 우리가 상상하는 것과 다른 종류의 문제를 가지고 있어 AI로 많은 것을 할 수 있습니다.

AI와 환경 문제: 전력 소비와 탄소 배출

미래와 관련하여 AI를 살펴보는 것도 좋을 것 같습니다. 불확실성 지수나 글로벌 리스크 보고서 등을 보면 대부분 환경 이슈가 중요해질 것인데, AI는 환경과도 밀접합니다. AI는 전력을 엄청나게 많이 소비하며, 미국에서는 이미 사람들이 거부감을 느낄 정도로 혐오 시설화되고 있습니다. 텍사스에만 승인 대기 중인 AI 데이터 센터가 1,000개입니다.

AI 기술 발전의 미래와 종합적 고려사항

전기 요금 상승과 이산화탄소 배출 증가 등의 문제가 발생하기 때문입니다. 이러한 이슈들도 매우 중요하므로 종합적으로 고려해 보셨으면 좋겠습니다. 이 자료도 참고하시면 좋을 것 같습니다. 제 강의는 여기까지 하겠습니다. 감사합니다.