'독이 든 성배?' 국가대표 AI 오해와 진실 5 요약

한 줄 요약

국가대표 AI 논란의 핵심은 “프롬 스크래치 독자 모델” 기준, 패자부활전 운영, 국가 주도·소버린 AI 전략, LLM 중심 정책이 장기 경쟁력을 약화시킬 수 있느냐에 대한 논쟁이다.

문제 상황

• 국가대표 AI(독자 파운데이션 모델) 선발 사업 1차 평가 이후 네이버·NC 탈락, LG·SKT·업스테이지 3사만 생존.
• 공정성, 평가 기준(프롬 스크래치), 패자부활전 도입 등으로 IT 업계에서 거센 비판과 불신이 표출됨.
• 사업이 잘못 설계되면 ‘국산 AI 영광’이 아니라 산업 전체의 족쇄가 될 수 있다는 우려(독이 든 성배).

오해와 진실 1: 프롬 스크래치

• 의미: 기존 가중치 없이, 구조만 설계하고 가중치는 무작위로 초기화해 처음부터 학습하는 방식.
• 모듈 재사용은 세계적 관행이지만, 가중치를 그대로 쓰면 파생형 모델로 보는 시각이 지배적.
• 네이버가 중국 Qwen 비전 인코더 가중치를 썼다는 의혹으로 탈락, 정부는 해외 모델 미세조정 파생형을 독자 모델로 인정하지 않는 방침.
• 쟁점은 “재사용 허용 범위”와 “진짜 독자성의 기준”을 정부가 얼마나 명확히 정의했느냐에 있음.

오해와 진실 2: 패자부활전과 공정성

• 원 설계: 6개월마다 평가 3회, 매번 1팀 탈락, 연말 최종 2팀 선정.
• 실제: 1차에서 2팀 탈락 + 패자부활전(추가 1팀 선발)이라는 룰 변경.
• 문제점:
  • 형평성: 기존 팀은 3번 평가, 패자부활전 팀은 2번만 평가받는 ‘부전승 인센티브’ 구조.
  • 현실성: 기존 3사가 이미 4개월 이상 앞선 상황에서 새 팀이 프롬 스크래치로 따라잡기 어려움.
• 업계 평: “주먹구구식 운영”, “후발주자는 마케팅용 들러리”라는 비판.

오해와 진실 3: 국가 주도 vs 시장 경쟁

• 기술진화론(변이–선택–보존) 관점: 다양한 시행착오(변이)가 장기 경쟁력의 토양.
• 현재 국대 AI 사업은 소수 정예팀에 자원을 집중하는 Top-down 구조로, 변이와 창발성을 억제할 수 있음.
• 위험:
  • 정책·제도에 잘 맞는 모델이 실제로 더 뛰어난 모델보다 선택될 수 있음.
  • 일단 국가대표로 찍히면 예산과 명분 때문에 실패를 인정하기 어려워, 갈라파고스식 경로 의존 가능성.
• 중국과 차이: 중국도 국가 주도지만, 내부적으로 다수 간 치열한 경쟁(변이)이 작동한다는 점에서 구조가 다름.

오해와 진실 4: 소버린 AI와 목표 혼선

• 소버린 AI 필요성:
  • 데이터 주권·보안: 해외 클라우드 API 의존 시 민감 정보가 국외 서버로 나가는 리스크.
  • 문화·법·사회 맥락 차이로 인한 오판·환각 문제.
  • 국산 AI 반도체–서버–모델을 연결하는 밸류체인 구축의 구심점.
• 문제는 목표 혼선:
  • 독자 모델 개발, 데이터 주권, 공공 활용, 산업 경쟁력 제고 등 상이한 목표가 뒤섞여 있음.
  • 프롬 스크래치 범위, 국산 기술 비중, 외부 모델·가중치 허용 범위 등이 사전에 충분히 정리되지 않은 채 사업이 추진되었다는 비판.
• 제안된 관점:
  • AI 주권 수준을 T0~T6 등급으로 정리해 단계별 목표를 분명히 하자는 제안.
  • 범용 LLM보다 특정 산업에 특화된 버티컬 AI로 한국 산업 경쟁력 고도화에 집중하자는 주장.
  • AI 주권은 “전부 직접 만들겠다”가 아니라, 국가가 반드시 통제해야 할 영역과 글로벌 협력을 활용할 영역을 나누는 전략적 선택이라는 해석.

오해와 진실 5: ‘독이 든 성배’와 LLM 함정

• 네이버 옴니모달 탈락으로 후보는 모두 LLM 중심으로 압축.
• 글로벌 LLM 경쟁은 이미 미국·중국 빅테크가 막대한 자본으로 판을 깔아둔 상태에서, 한국의 제한된 예산으로 추격하기는 현실적으로 어렵다는 지적.
• 글로벌 트렌드는 LLM → 에이전트 AI → 피지