한국의 소버린 AI와 독파모 추진

다음 글은 김덕현 교수가 작성한 소버린 AI 정책 비평에 관한 보고서(2026년 8월 발행)을 정리 요약한 글이다{편집자 주} #소버린AI #AI주권 #생성형AI #국가AI전략 #독파모 .

이 보고서에 따르면 소버린 AI의 본질은 국산 LLM 보유가 아니라 국가의 AI 선택권과 운영 자율성을 확보하는 것이라고 제시한다. 또한 이런 소버린 AI가 “필요하다”와 “독자 개발해야 한다”는 같은 명제가 아니라는 점도 주장한다. 그래서 한국은 미국·중국과 자본, 인재, 시장, 연구생태계가 다르므로 G1·G2의 전략을 그대로 복제해서는 안 된다고 보고 있으며

AI 경쟁축은 거대한 LLM 자체에서 여러 AI를 연결하고 통제하는 하네스·에이전트·플랫폼 역량으로 빠르게 이동하고 있음을 이해한다면 앞으로는 최고의 단일 모델보다 목적에 맞는 여러 모델을 조합하는 멀티모델·컴포지트 AI 전략이 중요해질 가능성이 크다고 말한다.

그는 AI 산업의 최종 승자는 기술을 가장 먼저 만든 기업보다 고객과 시장에서 지속적으로 선택받는 제품·서비스를 만든 기업일 수 있다고 보는 것이다. 따라서 소버린 AI 정책도 기술경쟁력과 시장경쟁력을 동시에 관리해야 한다고 말하면서

미국 기술, 중국·오픈소스 기술, 국내 독자기술 가운데 하나만 선택하기보다는 국가적으로 중요한 영역에 따라 세 방식을 혼합하는 전략이 현실적이라고 제안한다. 또한 국가 AI 사업은 개별 R&D 사업들의 집합이 아니라 하나의 국가 AI 시스템과 생태계라는 관점에서 통합·설계되어야 한다고 보고 있으며 정부의 가장 중요한 역할 중 하나는 모든 것을 직접 지휘하는 것이 아니라 분산된 기업·연구자·수요기관·전문가가 협업할 수 있는 구조와 평가체계를 만드는 것이라고 주장한다[편집자의 정리 요약]

다음은 이 보고서의 전체 내용을 7개의 주제로 나누어서 요약한 것이다.

주제 1. 소버린 AI 정책을 왜 다시 검토해야 하는가

1-1. 소버린 AI의 필요성과 사업 타당성은 다른 문제다

김덕현 교수는 한국이 외국 AI 기술에 지나치게 종속되지 않도록 일정 수준의 AI 자주권을 확보해야 한다는 소버린 AI의 필요성 자체는 인정합니다. 그러나 필요하다는 사실이 곧 “독자 개발해야 한다”거나 “현재 추진방식이 옳다”는 결론으로 연결되어서는 안 된다고 주장합니다.

국가 차원의 AI 사업은 최소한 기술 타당성, 경제 타당성, 운영 타당성, 일정 타당성을 검토해야 한다고 봅니다. 기술을 개발할 수 있는지뿐 아니라, 개발 이후 실제 고객이 사용하고 비용 이상의 편익을 만들어 지속 가능한 산업으로 발전할 수 있는지가 중요하다는 것입니다.

1-2. 소버린 AI의 목적은 ‘국산 모델 보유’보다 넓다

저자가 생각하는 소버린 AI의 핵심은 단순히 “한국산 LLM을 하나 확보하는 것”이 아닙니다. AI 기술과 제품·서비스, 공급망, 기업 생태계, 국민생활에 미치는 영향까지 포함해 국가가 필요한 선택을 자주적으로 할 수 있는 능력을 확보하는 것이 진정한 목적이라고 봅니다.

따라서 독자 파운데이션 모델 개발사업 자체를 소버린 AI와 동일시하면 정책 목표가 지나치게 좁아질 수 있습니다. 소버린 AI는 모델 개발에서 상용화, 산업 적용, 공공서비스, 기업생태계, 시장 경쟁력까지 연결된 국가 차원의 시스템이어야 한다는 주장입니다.

주제 2. AI 기술 패러다임과 경쟁요소가 빠르게 변하고 있다

2-1. 생성형 AI에서 추론형·에이전틱·피지컬 AI로 이동

저자는 현재의 AI 기술이 생성형 AI에 머물지 않고 추론형 AI → 에이전틱 AI → 피지컬 AI 방향으로 빠르게 진화하고 있다고 설명합니다.

동시에 대규모언어모델(LLM) 중심의 경쟁도 소규모언어모델(SLM), 멀티모달 모델, Vision-Language-Action 모델, 세계모델 등 다양한 파운데이션 모델 경쟁으로 바뀌고 있습니다. 이러한 변화는 단순한 유행이 아니라 오랜 기간 누적된 연구와 기술역량 위에서 만들어지는 연속적 혁신이므로, 후발국이 단기간 투자만으로 곧바로 따라잡기 어렵다는 것이 저자의 판단입니다.

2-2. 경쟁의 중심은 ‘LLM’에서 ‘하네스’로 이동한다

이 글에서 특히 주목할 개념이 하네스(harness)입니다. 저자는 LLM을 말(馬)에 비유하고, 그 말을 원하는 목적지까지 안전하게 이끄는 마구가 하네스라고 설명합니다.

AI 모델 자체가 점차 범용상품처럼 되어가면서, 앞으로는 여러 모델·에이전트·도구·데이터를 연결하고 라우팅하며 오케스트레이션하는 하네스가 중요한 경쟁력이 된다는 것입니다. 접근·라우팅, RAG, 메모리 관리, 권한·안전관리, 관측가능성, 개발도구 등이 여기에 포함됩니다. 따라서 국가 AI 경쟁력을 평가할 때도 “몇 개의 거대 모델을 보유했는가”보다는 모델과 하네스를 결합해 실제 문제를 얼마나 잘 해결하는가를 봐야 한다는 논지입니다.

2-3. AI 가치의 중심은 기술 개발에서 활용으로 이동한다

저자는 첨단 모델의 성능 경쟁보다 기업과 개인이 AI를 통해 실제 경제·사회적 가치를 만들어 내는 능력이 중요해지고 있다고 봅니다.

대규모·최고성능 모델보다는 특정 업무에 적합하고 저렴한 모델이 더 실용적일 수 있으며, SW와 AI의 지속 가능성은 궁극적으로 시장과 소비자의 선택에 의해 결정됩니다. 공급자가 아무리 좋은 기술을 만들어도 기업이나 국민이 사용하지 않거나 투자 대비 효과가 낮다면 확산은 실패할 수 있다는 지적입니다.

주제 3. 한국의 ‘독자개발 중심’ 전략에 대한 문제 제기

3-1. 미국·중국과 한국의 출발점은 다르다

저자는 한국의 AI 전략에서 가장 위험한 부분 가운데 하나로 과거의 패스트 팔로어 성공 경험을 그대로 적용하는 것을 지적합니다.

미국은 기초과학, 글로벌 인재, 혁신기업, 벤처투자, 시장이 오랜 기간 연결되어 형성된 혁신시스템을 갖고 있고, 중국은 국가가 핵심기술과 산업에 장기간 집중 투자할 수 있는 체제를 갖고 있습니다. 한국은 두 조건을 모두 갖고 있지 않으므로, 미국·중국과 같은 방식으로 AI 경쟁에 참여하는 것은 현실적으로 어려울 수 있다고 평가합니다.

3-2. 독자개발의 필요성은 높지만 타당성은 별도로 검증해야 한다

자체 AI 모델을 확보하면 기술적·정책적 자율성을 높일 수 있지만, 매우 큰 투자와 긴 시간이 필요합니다. 더 중요한 문제는 개발 완료 시점에 시장이 이미 다른 기술 단계로 이동할 가능성입니다.

따라서 저자는 독자개발 자체를 부정하기보다는 무엇을 반드시 독자적으로 가져야 하고, 무엇은 공동개발·구매·오픈소스 활용·외국 기술 도입으로 해결할지 구분해야 한다고 봅니다.

3-3. 미국·중국·독자개발을 절충하는 전략이 현실적이다

저자가 제시하는 기본 구도는 세 가지입니다. 미국의 폐쇄형 기술을 활용하거나, 중국을 포함한 개방형 기술을 활용하거나, 국내 기술을 독자 개발하는 방식입니다.

어느 한 방식만 고집하기보다는 국가안보, 비용, 기술수준, 시장경쟁력과 산업별 특성을 고려해 세 방식을 전략적으로 혼합하는 포트폴리오형 접근이 현실적인 한국형 소버린 AI 전략이라고 봅니다. 싱가포르나 말레이시아 등의 접근도 이러한 관점에서 참고할 수 있다고 설명합니다.

주제 4. 기술경쟁력만으로는 소버린 AI가 완성되지 않는다

4-1. 개발보다 시장에서 선택받는 것이 중요하다

국가 AI 전략의 종착점은 최고 수준 모델을 만드는 데 있지 않습니다. 그 모델을 이용해 기능, 성능, 신뢰성, 편의성, 가격이 경쟁력 있는 제품과 서비스를 만들고 국내외 고객이 실제 선택하도록 해야 합니다.

따라서 기술경쟁력과 시장지배력을 동시에 확보해야 한다는 것이 저자의 핵심 주장입니다. 국산 AI 모델이 기술적으로 우수하더라도 소비자가 외산 서비스를 선택한다면 소버린 AI의 실질적 효과는 제한적입니다.

4-2. 외국 AI가 먼저 시장을 장악할 위험

오픈AI, 앤트로픽, 구글 등의 서비스가 이미 국내 사용자와 기업에 빠르게 확산하는 상황에서 국산 AI 개발이 완료될 때까지 기다리는 전략은 시장 측면에서 위험할 수 있다고 봅니다.

외산 서비스가 국내 기업의 업무·데이터·플랫폼 생태계에 깊숙이 자리 잡은 이후 이를 국산 솔루션으로 다시 대체하려면 훨씬 큰 비용과 노력이 필요하기 때문입니다. 그래서 기술개발과 동시에 국산 AI 서비스의 시장 적용과 확산 전략이 필요하다는 것입니다.

주제 5. 소버린 AI는 개별사업이 아니라 하나의 ‘시스템’으로 설계해야 한다

5-1. 국가 AI 시스템 아키텍처와 마스터플랜 필요

저자는 여러 AI 사업을 각각 추진하는 것만으로는 국가 AI 경쟁력을 만들기 어렵다고 봅니다.

먼저 궁극적으로 어떤 국가 AI 시스템을 만들 것인지 전체 아키텍처를 정의하고, 이를 단계적으로 구현하기 위한 로드맵과 마스터플랜을 수립해야 합니다. 그 안에서 독자 파운데이션 모델, AI 인프라, 산업 AX, 공공서비스, 지역 AI 사업 등이

#서로 어떻게 연결되는지를 명확히 해야 합니다.

5-2. 개별사업의 최적화보다 전체 시스템의 최적화

각 부처나 기관이 개별 AI 사업의 성공만을 추구하면 서로 연결되지 않는 기술과 서비스가 만들어질 위험이 있습니다.

따라서 저자는 시스템 접근(system approach)과 플랫폼 접근(platform approach)이 필요하다고 봅니다. 사업별 산출물이 최종 국가 AI 생태계에서 어떤 역할을 담당하고 어떻게 결합될지를 처음부터 설계해야 한다는 의미입니다.

주제 6. 정부와 민간의 협업 방식도 바뀌어야 한다

6-1. 정부 단독 또는 기업 단독으로는 불가능하다

AI 기술은 정부 혼자 만들 수도 없고 시장에만 맡겨서도 국가적 목표를 달성하기 어렵습니다. 기술기업, 대학·연구소, 공공기관, 산업 수요기업, 투자자와 일반 이용자까지 포함하는 AI 생태계 관점이 필요합니다.

저자는 특히 AI 생태계를 GPU·모델·클라우드로 구성된 ‘기술 스택’과 동일시해서는 안 된다고 강조합니다. AI 생태계는 공급자뿐 아니라 수요자와 지원자까지 포함하는 훨씬 넓은 개념입니다.

6-2. 컨트롤타워보다 수평적 전문가 네트워크

국가적 문제가 생길 때마다 하나의 강력한 컨트롤타워를 만드는 방식에 대해서도 비판적입니다.

AI는 기술, 산업, 경영, 경제, 사회, 법·제도, 안보 등이 얽힌 복합 문제이기 때문에 특정 기술자나 정책 담당자가 전체를 판단하기 어렵습니다. 오히려 분야별 전문가들이 각자의 지식이 전체의 ‘조각’에 불과하다는 것을 인정하고, 분산된 전문성을 수평적으로 연결하는 협업 구조를 만드는 것이 더 중요하다고 주장합니다.

제 7. 정책 수립에는 기술뿐 아니라 경영·경제·사회적 시각이 필요하다

7-1. ‘기술만 아는 기술자’의 위험

저자는 기술자가 범하기 쉬운 오류로 최초·최고 기술 확보 자체를 최종 목표로 삼는 것을 지적합니다.

과학적 연구는 새로운 지식 자체로 가치를 가질 수 있지만, 산업기술은 제품·서비스로 이어지고 수익을 창출해 다시 혁신에 투자되는 선순환을 만들어야 지속 가능한 가치를 갖는다고 봅니다.

7-2. ‘기술을 모르는 경영자·정책가’의 위험

반대로 기술을 충분히 이해하지 못하는 의사결정자는 AI의 기회만 강조하고 위험을 간과할 수 있습니다.

AI는 생산성 향상과 새로운 산업 창출 가능성을 갖지만 윤리, 안전, 종속성, 사회적 영향 등 위험도 동시에 갖는 ‘양날의 검’입니다. 따라서 정책은 신기술에 대한 불신뿐 아니라 맹신과 과신도 경계해야 한다는 것이 저자의 입장입니다.

-끝-