[특집-정부개혁] 37. AI 3대 강국 도약... 박근혜정부의 창조경제 실패에서 교훈 얻어야
AI 연구는 독일 애니그마 암호를 해독한 앨런 튜닝의 접근법 필요... 본질보다 형식을 중시하고 관행이나 겉치레 성과에 집착하면 성공 가능성 낮아
2026-07-24
2022년 11월 오픈AI(Open AI)가 챗GPT(ChatGPT)라는 대화전문 챗봇을 출시한 이후 인공지능(AI)에 대한 열풍이 거세게 불기 시작했다. 일반인조차도 AI를 활용한 검색과 보고서 작성에 열광했을 정도다.
난공불락(難攻不落)처럼 보였던 오픈AI의 위상에 흠집을 가한 것은 중국의 신생 벤처기업인 딥시크(DeepSeek)였다. 천문학적인 규모의 투자와 고성능 그래픽처리장치(GPU)가 없어도 효율적인 AI 엔진을 개발했기 때문이다.
급기야 대형 언어모델(LLM)인 클로드(Claude)를 개발하는 미국의 앤트로픽(Antropic)마저 챗GPT의 성능을 능가한다는 평가마저 나왔다. 특히 앤트로픽은 2026년 10월 기업공개(IPO)를 추진하고 있어 주목받고 있다.
한국은 2025년 6월 출범한 이재명정부가 'AI 3강'이라는 목표를 제시하며 늦게나마 경쟁에 뛰어들었다. 이미 영국, 프랑스, 독일, 일본, 캐나다, 이스라엘 등이 AI 주권을 강조하며 국가적 역량을 투입하고 있어 상황은 녹록치 않다.
그럼에도 포기할 수 없는 국가정책이므로 어떻게 접근하면 성공할 가능성이 높은지 고민해봤다. AI 3강으로 도약하기 위한 추진 과제와 달성 방안은 다음과 같다.
▲ AI 시대 100대 언어 정복하기 - 번역기의 한계와 도전 by 민진규 교수 [출처=엠아이앤뉴스]
◇ 박근혜정부의 창조경제 실패에서 교훈 얻어야... AI는 애니그마 암호를 해독한 앨런 튜닝의 접근법 필요
이재명정부는 AI 고속도로, 초격차 AI 선도기술·인재 확보, AI 기본사회, 세계 1위 AI 정부 실현, AI 디지털 시대 미래 인재양성 등을 통해 미국과 중국에 이어 세계 3위 국가로 자리매김할 수 있다고 주장한다.
정부는 AI 주권을 보호하고 미래 전략산업으로 AI 산업을 육성하기 위해 100조를 투자하겠다며 큰 그림을 펼쳤다. 전문가들조차도 엄청난 규모의 자금에 놀랐을 뿐 아니라 투자 속도에도 믿기 어렵다는 반응을 보였다.
급기야 2026년 6월29일 삼성전자와 SK하이닉스는 서남권에 반도체 공장을 짓는데 총 800조 원을 투자하겠다는 청사진을 내보였다.
야당인 국미의힘은 투자 예정지인 광주전남특별시에 전기, 용수, 인재 등이 충분하지 않아 불가능한 미션(mission)이라고 평가절하했다.
윤석열 전 대통령의 탄핵으로 채뤄진 선거에서 당선돼 출범한 이재명정부는 정권 인수위조차 구성하지 못했다. 국정기획위원회는 AI 3강이라는 그랜드 플랜을 구축하기 위한 방안으로 AI 고속도록, 반도체, 피지컬AI(Physical AI)를 제안했다.
필자는 30년 이상 AI에 대해 관심을 갖고 공부했다. 특히 제2차 세계 대전 당시에 독일의 애니그마(Enigma) 암호(cipher)를 해독한 앨런 튜닝(Alan Mathison Turing)의 생애와 연구 과정을 이해하기 위해 노력했다.
튜닝의 생애를 다룬 영화나 다큐멘터리를 보며 암호의 구성, 해독, 알고리즘 등에 대한 지식을 쌓았다. AI는 기본적으로 알고리즘을 기반으로 작동한다.
현재 AI를 주도하는 기업은 머신러닝(machine learning) 기법을 훈련시키기 위해 대형 언어모델(LLM) 개발에 주력하고 있다. 관련 기업은 모두 효율성을 높이기 위해 치열하게 경쟁하고 있다.
다수의 전문가는 한국이 미국과 중국이 장악한 알고리즘 개발과 LLM 훈련에서 성과를 내기는 어렵다고 진단한다. 이재명정부가 AI 3강을 달성하기 위해서 고려해야 할 정책과 추진 전략은 다음과 같다.
첫째, AI 고속도로라고 불리는 AI 데이터센터의 구축과 운영에 대규모 투자를 아끼지 않아야 한다. 이미 정부는엔비디아(Nvidia)로부터 GPU 26만 장을 구매하기로 합의했다.
AI 데이터센터 운영 사업자로 네이버클라우드, 삼성SDS, 엘리스그룹 등 3개 민간 사업자를 선정했다. 이들 업체는 정부가 매입한 GPU를 활용해 데이터센터를 짓고 운영한다는 구상이다.
AI 데이터센터는 LLM의 학습과 실시간 추론 업무를 수행해야 한다. 명령어 처리를 위해 막대한 전력을 소모하고 전자파 발산 논란 등으로 혐오시설로 전락했다. 미국, 캐나다, 유럽 등에서 AI 데이타센터 건설을 반대하는 움직임이 거세지고 있어 극복해야 한다.
AI 데이터센터의 건설과 더불어 사용자를 충분하게 확보하는 것도 중요하다. 미국이나 캐나다에 건설하기로 예정되었던 AI 데이터센터 계획이 백지화되거나 지연되는 사례가 너무 많다.
대개 불확실한 수요와 막대한 투자, 지역 주민의 반발, 충분한 전력 학보의 애로 등이 복합적으로 작용한 결과다. 최소한 3~5년 이상 소요되는 프로젝트라 단기간에 성과를 내기란 더욱 어렵다.
둘째, AI의 할용도를 높이기 위해 공공과 민간에 대한 지원을 확대해야 한다. AI 데이터센터의 활용도를 높이기 위한 목적이다. 활용 중심의 LLM 생태계를 육성하는 것이 필요하다.
AI를 적용할 수 있는 영역은 첨단 제조업, 의료 및 바이오산업, 금융, 공공행정, 콘텐츠 및 엔터테인먼트, 교육 등으로 다양하다. 러시아와 우크라이나 전쟁, 이란과 미국의 전쟁 등에서 보듯이 첨단 무기체계에도 AI가 절대적으로 요구된다.
한국의 제조업은 1970~80년대 저렴한 인건비, 대규모 시설투자, 장시간 노동, 열악한 노동환경 등을 기반으로 성장했다. 민주화 이후 노동쟁의, 인권 논란, 근로시간의 단축 등으로 경쟁력을 급속하게 잃어버렸다.
1997년 국제통화기금(IMF) 외환위기 2008년 글로벌 금융위기, 2020년 코로나19 팬데믹(대유행) 등으로 디지털 사회(digital society)가 급격하게 도래하며 디지털 대전환(digital transformation)을 강제당하고 있다.
이번 기회에 피지컬 AI(Physical AI)를 대대적으로 도입해 제조업의 고도화를 달성해야 한다. 그렇지 않다면 중국이나 인도의 제조업체와 경쟁에서 살아남기 어려워진다.
독일의 자동차 제조업체가 중국산 전기자동차(EV)의 공습으로 초토화되고 있는 상황을 통해 교훈을 얻어야 한다. 기계에 의존하고 로봇의 도입이 늦어진 것도 부정적인 결과에 기여했다.
셋째, AI를 연구할 인재를 육성하고 전 국민을 대상으로 AI 리터러시(AI literacy)을 높여야 한다. 엔비디아는 카이스트(KAIST)와 서울대에 공동 연구소를 설립해 피지컬 AI에 대한 연구를 강화할 계획이다.
한국의 인재가 우수하다는 점은 인정하지만 아주 뛰어난 인재는 부족하다는 점도 부정하지 않아야 한다. 10여 년 전 박근혜정부는 창조경제를 부르짖으며 창의적 인재를 육성한다고 호들갑을 떨었다.
하지만 창조경제 자체가 망했고 인재육성도 성과가 전혀 없어 정책이 찻잔 속의 미풍으로 끝났다. 대기업에 자금 출연을 강요해 세운 창조경제센터도 10년이 지나 속이 빈 콘코리트 구조물로 전락했다.
요즘 언론에 소개되며 AI에 전문지식을 가졌다고 평가받는 대학 교수진도 새로운 얼굴은 많지 않다. 평범했던 교수가 단기간에 획기적인 연구성과를 내 탁월한 능력을 갖췄을 가능성도 낮다.
튜닝이 100년이 걸려도 해독하기 어렵다는 암호를 풀 수 있었던 것은 고리타분한 지식이나 형식적인 연구 성과에 매달리는 대학 교수나 과학자를 제외했기 때문이다.
승진하기 위해 평범하며 단조로운 논문과 연구방법론에 물들지 않아 변칙적이며 독특한 사고를 할 수 있는 사람을 찾아 암호 해독팀을 꾸렸다. 예산을 주무르는 공무원이 반대했지만 튜닝은 자신의 판단을 믿어 성공했다.
1998년 김대중정부는 IMF 외환위기를 극복하고자 정보통신기술(ICT) 관련 창업을 독려했다. 박사 학위를 가진 대학교수보다 현장에서 경험을 쌓은 학사 출신이 설립한 벤처기업이 좋은 성과를 냈다.
AI는 단순히 전자상거래 사이트를 구축하고 온라인 게임을 개발하는 것보다 더 난이도가 높은 연구 영역이다. 현실성이 떨어지는 논문을 작성하고 창의적인 사고보다 관행이나 선행 연구에 집착하는 연구자가 AI에서 양호한 성과를 도출하기는 쉽지 않다.
결론적으로 이재명정부의 AI 3강과 AI 주권 확보는 기존 신산업 육성정책과는 전혀 차별화되는 접근법이 필요하다고 판단된다.
정부가 출범한지 1년이 흘렀지만 구체적인 성과가 나지 않는 것도 본질보다 형식을 중시하고 관행이나 겉치레 성과에 집착하는 연구자가 의사결정권을 가졌기 때문이다. 더 늦기 전에 튜닝의 접근법을 모방하는 것이 필요하다.
- 계속 -
난공불락(難攻不落)처럼 보였던 오픈AI의 위상에 흠집을 가한 것은 중국의 신생 벤처기업인 딥시크(DeepSeek)였다. 천문학적인 규모의 투자와 고성능 그래픽처리장치(GPU)가 없어도 효율적인 AI 엔진을 개발했기 때문이다.
급기야 대형 언어모델(LLM)인 클로드(Claude)를 개발하는 미국의 앤트로픽(Antropic)마저 챗GPT의 성능을 능가한다는 평가마저 나왔다. 특히 앤트로픽은 2026년 10월 기업공개(IPO)를 추진하고 있어 주목받고 있다.
한국은 2025년 6월 출범한 이재명정부가 'AI 3강'이라는 목표를 제시하며 늦게나마 경쟁에 뛰어들었다. 이미 영국, 프랑스, 독일, 일본, 캐나다, 이스라엘 등이 AI 주권을 강조하며 국가적 역량을 투입하고 있어 상황은 녹록치 않다.
그럼에도 포기할 수 없는 국가정책이므로 어떻게 접근하면 성공할 가능성이 높은지 고민해봤다. AI 3강으로 도약하기 위한 추진 과제와 달성 방안은 다음과 같다.
▲ AI 시대 100대 언어 정복하기 - 번역기의 한계와 도전 by 민진규 교수 [출처=엠아이앤뉴스]
◇ 박근혜정부의 창조경제 실패에서 교훈 얻어야... AI는 애니그마 암호를 해독한 앨런 튜닝의 접근법 필요
이재명정부는 AI 고속도로, 초격차 AI 선도기술·인재 확보, AI 기본사회, 세계 1위 AI 정부 실현, AI 디지털 시대 미래 인재양성 등을 통해 미국과 중국에 이어 세계 3위 국가로 자리매김할 수 있다고 주장한다.
정부는 AI 주권을 보호하고 미래 전략산업으로 AI 산업을 육성하기 위해 100조를 투자하겠다며 큰 그림을 펼쳤다. 전문가들조차도 엄청난 규모의 자금에 놀랐을 뿐 아니라 투자 속도에도 믿기 어렵다는 반응을 보였다.
급기야 2026년 6월29일 삼성전자와 SK하이닉스는 서남권에 반도체 공장을 짓는데 총 800조 원을 투자하겠다는 청사진을 내보였다.
야당인 국미의힘은 투자 예정지인 광주전남특별시에 전기, 용수, 인재 등이 충분하지 않아 불가능한 미션(mission)이라고 평가절하했다.
윤석열 전 대통령의 탄핵으로 채뤄진 선거에서 당선돼 출범한 이재명정부는 정권 인수위조차 구성하지 못했다. 국정기획위원회는 AI 3강이라는 그랜드 플랜을 구축하기 위한 방안으로 AI 고속도록, 반도체, 피지컬AI(Physical AI)를 제안했다.
필자는 30년 이상 AI에 대해 관심을 갖고 공부했다. 특히 제2차 세계 대전 당시에 독일의 애니그마(Enigma) 암호(cipher)를 해독한 앨런 튜닝(Alan Mathison Turing)의 생애와 연구 과정을 이해하기 위해 노력했다.
튜닝의 생애를 다룬 영화나 다큐멘터리를 보며 암호의 구성, 해독, 알고리즘 등에 대한 지식을 쌓았다. AI는 기본적으로 알고리즘을 기반으로 작동한다.
현재 AI를 주도하는 기업은 머신러닝(machine learning) 기법을 훈련시키기 위해 대형 언어모델(LLM) 개발에 주력하고 있다. 관련 기업은 모두 효율성을 높이기 위해 치열하게 경쟁하고 있다.
다수의 전문가는 한국이 미국과 중국이 장악한 알고리즘 개발과 LLM 훈련에서 성과를 내기는 어렵다고 진단한다. 이재명정부가 AI 3강을 달성하기 위해서 고려해야 할 정책과 추진 전략은 다음과 같다.
첫째, AI 고속도로라고 불리는 AI 데이터센터의 구축과 운영에 대규모 투자를 아끼지 않아야 한다. 이미 정부는엔비디아(Nvidia)로부터 GPU 26만 장을 구매하기로 합의했다.
AI 데이터센터 운영 사업자로 네이버클라우드, 삼성SDS, 엘리스그룹 등 3개 민간 사업자를 선정했다. 이들 업체는 정부가 매입한 GPU를 활용해 데이터센터를 짓고 운영한다는 구상이다.
AI 데이터센터는 LLM의 학습과 실시간 추론 업무를 수행해야 한다. 명령어 처리를 위해 막대한 전력을 소모하고 전자파 발산 논란 등으로 혐오시설로 전락했다. 미국, 캐나다, 유럽 등에서 AI 데이타센터 건설을 반대하는 움직임이 거세지고 있어 극복해야 한다.
AI 데이터센터의 건설과 더불어 사용자를 충분하게 확보하는 것도 중요하다. 미국이나 캐나다에 건설하기로 예정되었던 AI 데이터센터 계획이 백지화되거나 지연되는 사례가 너무 많다.
대개 불확실한 수요와 막대한 투자, 지역 주민의 반발, 충분한 전력 학보의 애로 등이 복합적으로 작용한 결과다. 최소한 3~5년 이상 소요되는 프로젝트라 단기간에 성과를 내기란 더욱 어렵다.
둘째, AI의 할용도를 높이기 위해 공공과 민간에 대한 지원을 확대해야 한다. AI 데이터센터의 활용도를 높이기 위한 목적이다. 활용 중심의 LLM 생태계를 육성하는 것이 필요하다.
AI를 적용할 수 있는 영역은 첨단 제조업, 의료 및 바이오산업, 금융, 공공행정, 콘텐츠 및 엔터테인먼트, 교육 등으로 다양하다. 러시아와 우크라이나 전쟁, 이란과 미국의 전쟁 등에서 보듯이 첨단 무기체계에도 AI가 절대적으로 요구된다.
한국의 제조업은 1970~80년대 저렴한 인건비, 대규모 시설투자, 장시간 노동, 열악한 노동환경 등을 기반으로 성장했다. 민주화 이후 노동쟁의, 인권 논란, 근로시간의 단축 등으로 경쟁력을 급속하게 잃어버렸다.
1997년 국제통화기금(IMF) 외환위기 2008년 글로벌 금융위기, 2020년 코로나19 팬데믹(대유행) 등으로 디지털 사회(digital society)가 급격하게 도래하며 디지털 대전환(digital transformation)을 강제당하고 있다.
이번 기회에 피지컬 AI(Physical AI)를 대대적으로 도입해 제조업의 고도화를 달성해야 한다. 그렇지 않다면 중국이나 인도의 제조업체와 경쟁에서 살아남기 어려워진다.
독일의 자동차 제조업체가 중국산 전기자동차(EV)의 공습으로 초토화되고 있는 상황을 통해 교훈을 얻어야 한다. 기계에 의존하고 로봇의 도입이 늦어진 것도 부정적인 결과에 기여했다.
셋째, AI를 연구할 인재를 육성하고 전 국민을 대상으로 AI 리터러시(AI literacy)을 높여야 한다. 엔비디아는 카이스트(KAIST)와 서울대에 공동 연구소를 설립해 피지컬 AI에 대한 연구를 강화할 계획이다.
한국의 인재가 우수하다는 점은 인정하지만 아주 뛰어난 인재는 부족하다는 점도 부정하지 않아야 한다. 10여 년 전 박근혜정부는 창조경제를 부르짖으며 창의적 인재를 육성한다고 호들갑을 떨었다.
하지만 창조경제 자체가 망했고 인재육성도 성과가 전혀 없어 정책이 찻잔 속의 미풍으로 끝났다. 대기업에 자금 출연을 강요해 세운 창조경제센터도 10년이 지나 속이 빈 콘코리트 구조물로 전락했다.
요즘 언론에 소개되며 AI에 전문지식을 가졌다고 평가받는 대학 교수진도 새로운 얼굴은 많지 않다. 평범했던 교수가 단기간에 획기적인 연구성과를 내 탁월한 능력을 갖췄을 가능성도 낮다.
튜닝이 100년이 걸려도 해독하기 어렵다는 암호를 풀 수 있었던 것은 고리타분한 지식이나 형식적인 연구 성과에 매달리는 대학 교수나 과학자를 제외했기 때문이다.
승진하기 위해 평범하며 단조로운 논문과 연구방법론에 물들지 않아 변칙적이며 독특한 사고를 할 수 있는 사람을 찾아 암호 해독팀을 꾸렸다. 예산을 주무르는 공무원이 반대했지만 튜닝은 자신의 판단을 믿어 성공했다.
1998년 김대중정부는 IMF 외환위기를 극복하고자 정보통신기술(ICT) 관련 창업을 독려했다. 박사 학위를 가진 대학교수보다 현장에서 경험을 쌓은 학사 출신이 설립한 벤처기업이 좋은 성과를 냈다.
AI는 단순히 전자상거래 사이트를 구축하고 온라인 게임을 개발하는 것보다 더 난이도가 높은 연구 영역이다. 현실성이 떨어지는 논문을 작성하고 창의적인 사고보다 관행이나 선행 연구에 집착하는 연구자가 AI에서 양호한 성과를 도출하기는 쉽지 않다.
결론적으로 이재명정부의 AI 3강과 AI 주권 확보는 기존 신산업 육성정책과는 전혀 차별화되는 접근법이 필요하다고 판단된다.
정부가 출범한지 1년이 흘렀지만 구체적인 성과가 나지 않는 것도 본질보다 형식을 중시하고 관행이나 겉치레 성과에 집착하는 연구자가 의사결정권을 가졌기 때문이다. 더 늦기 전에 튜닝의 접근법을 모방하는 것이 필요하다.
- 계속 -
저작권자 © 엠아이앤뉴스, 무단전재 및 재배포 금지
