GPU 1.3만 장을 단번에 구매하고 총 5만 장 확보를 목표로 내건 나라가 있습니다. 바로 대한민국입니다. 처음 이 숫자를 접했을 때 저는 솔직히 반신반의했습니다. ICT 분야에서 이 규모의 단일 예산은 전례가 없었고, 과연 정책이 구호에서 그치지 않을지 의구심이 먼저 들었으니까요.
독파모와 GPU: 한국 AI 생태계의 현주소
한국형 AI 파운데이션 모델 프로젝트, 줄여서 독파모는 챗GPT나 제미나이, 클로드처럼 글로벌 빅테크가 주도하는 거대언어모델(LLM) 경쟁에 우리 기술로 뛰어들겠다는 선언입니다. 여기서 파운데이션 모델(Foundation Model)이란 방대한 데이터로 사전 학습된 대형 AI 모델을 뜻하며, 특정 태스크에 맞게 파인튜닝하기 전 단계의 기반 모델을 의미합니다. 이걸 우리 손으로 만들겠다는 게 독파모의 핵심입니다.
제가 이 프로젝트에서 인상적으로 본 지점은 정부가 목표 수치를 의도적으로 설정하지 않았다는 부분입니다. 일반적으로 정부 정책이라면 1단계 목표는 이것, 2단계 목표는 저것 하는 식으로 체크리스트를 만들게 마련입니다. 그런데 이번엔 달랐습니다. AI는 무빙 타깃(Moving Target), 즉 목표 자체가 계속 움직이는 분야이기 때문에 고정된 목표를 설정하면 오히려 기업의 발목을 잡는다는 판단이었습니다. 기업을 믿고 방향만 열어주겠다는 발상 전환인 셈인데, 처음엔 이게 과연 실효가 있을지 의아했습니다.
실제로 이 방식은 AI 오디션 구조, 즉 서바이벌 방식의 경쟁을 통해 구체화됐습니다. 여기서 서바이벌 방식이란 차수별로 평가를 진행해 성과가 좋은 기업은 다음 단계로 진출하고 그렇지 못한 기업은 탈락하는 구조로, 한정된 자원을 실력 있는 기업에 집중 투입하는 방식입니다. 기업들이 보통 1년에 걸쳐 경험할 일을 3~4개월 만에 압축해서 겪었다는 후기는 이 구조가 얼마나 빠르게 기술 발전을 끌어냈는지를 단적으로 보여줍니다.
그렇지만 이 방식에 제가 불편함을 느낀 것도 사실입니다. 2단계로 진출하지 못한 기업들 중에도 실력 있는 곳이 분명히 있었을 텐데, 경쟁 구조 자체가 그 기업들의 성장 기회를 제한하는 방향으로 작동할 수 있습니다. 우수 기업도 탈락하면 지원이 끊기는 구조는 AI 생태계 전반의 저변 확대 측면에서는 아쉬운 면이 있습니다.
GPU 확보 측면에서도 수치가 의미심장합니다. GPU(Graphics Processing Unit)는 원래 그래픽 처리용 반도체지만 AI 연산의 병렬처리에 최적화되어 있어 현재 AI 학습 인프라의 핵심 자산으로 꼽힙니다. 엔비디아에 따르면 GPU 보유량 기준으로 우리나라는 미국, 중국에 이어 세계 3위 수준에 올라와 있다고 합니다. 저는 이 대목에서 꽤 뭉클했습니다. 반도체나 자동차가 아닌 AI 인프라에서 대한민국이 글로벌 3위라는 사실이 실감이 잘 안 났거든요.
예산 측면에서는 애초 3,000억 원 규모로 시작했다가 추경 과정에서 과감하게 만장, 즉 1만 장으로 목표를 높여 총 1.5조 원 이상의 예산을 편성한 것은 ICT·AI 진흥 사업 역사상 단일 사업 최대 규모입니다(출처: 과학기술정보통신부). 이 마중물이 실제 우물을 터뜨릴 수 있을지는 아직 지켜봐야 하겠지만, 정부가 선뜻 부으려 하지 않던 그 첫 물을 결국 부었다는 사실 자체가 저는 의미 있다고 생각합니다.
독파모 프로젝트의 핵심 구조를 정리하면 다음과 같습니다.
- 목표 수치 없는 자율 경쟁 방식 도입으로 기업 자율성 극대화
- 서바이벌 오디션 방식으로 차수별 집중 투자 집행
- GPU 총 5만 장 확보 목표로 AI 학습 인프라 구축
- 단일 사업 기준 ICT 분야 최대 예산인 1.5조 원 이상 편성
공무원 포상 문화와 조직 변화의 속내
포상금 1,000만 원. 공무원 포상으로는 파격적인 금액입니다. 성과를 낸 사무관에게 이 정도 포상금이 지급된다는 건 저도 직접 접하기 전까지는 잘 몰랐습니다. 더 흥미로웠던 건 포상의 주공적자(主功績者), 즉 성과의 주된 기여자를 상급자가 아닌 실무 사무관으로 인정한 사례입니다. 여기서 주공적자란 해당 성과에서 가장 결정적인 기여를 한 사람을 공식적으로 인정하는 행정 용어로, 보통은 책임을 지는 상급자가 맡는 자리입니다.
그런데 이번엔 과장이 자신의 공을 사무관에게 넘겼습니다. 제가 이 부분을 읽으면서 솔직히 좀 신선했습니다. 관료 조직에서 상급자가 성과를 아래에 넘기는 문화는 흔치 않기 때문입니다. 한 번의 이례적인 사건으로 끝날 수도 있지만, 이게 관행으로 정착된다면 젊은 공무원들에게 실질적인 동기부여가 될 수 있습니다.
물론 현실은 그렇게 단순하지 않습니다. 포상금 수령 후 가정의 평화를 위해 썼다는 말, 친구들 밥값으로 나갔다는 후기들이 오히려 현실감 있게 느껴졌습니다. 포상금이 개인 소비에 그친다면 조직 전체의 성과를 장기적으로 끌어올리는 투자 효과로 이어지기는 어렵다는 건 부정하기 힘든 지점입니다.
더 근본적인 문제는 인력입니다. AI 정책실이 만성적인 야근에 시달리고 있다는 사실은, 아무리 포상금을 높여도 인력이 뒷받침되지 않으면 지속 가능성이 없다는 걸 말해줍니다. 공무원은 9 to 6로 일하는 줄 알고 입직한 사람이, 야근을 당연하게 여기는 문화 속에서 로스쿨 동기들의 연봉과 자신의 처우를 비교하며 고민하는 것은 개인의 나약함이 아니라 시스템의 문제입니다. 이 부분에서 저는 포상 제도 이전에 인력 확충이 선행돼야 한다고 생각합니다.
한편 국가 AI 전략 위원회는 AI 3대 강국 실현을 위한 정책 컨트롤 타워로 공식 출범했습니다. 2024년 기준 국내 AI 관련 정부 R&D 예산은 지속적으로 증가 추세에 있으며, 과학기술정보통신부가 주도하는 AI 진흥 정책의 법적 기반도 꾸준히 정비되고 있습니다(출처: 국가과학기술정보서비스). 전략 위원회가 실질적인 총사령탑 역할을 하려면 예산과 인력 모두 뒷받침돼야 한다는 점에서, 지금 AI 정책실의 인력 부족 문제는 단순한 내부 사정이 아니라 국가 AI 전략 전체의 약한 고리가 될 수 있습니다.
정리하자면 지금 대한민국의 AI 정책은 설계 면에서는 과감하고, 투자 규모 면에서는 전례가 없는 수준입니다. 독파모의 자율 경쟁 구조, GPU 대규모 확보, 파격적 포상 문화 모두 방향은 맞습니다. 다만 제가 우려하는 건 이 모든 것을 떠받치는 사람들, 즉 현장 공무원들의 지속 가능성입니다. K-AI라는 브랜드가 실제로 세계인의 핸드폰에 들어가는 날이 오려면 그전에 인력과 시스템부터 단단하게 쌓아야 한다고 봅니다. 미친 척하고 질렀던 예산이 진짜 마중물이 되려면, 우물을 파는 사람들이 먼저 지치지 않아야 합니다.