한국이 4조7000억원을 최상위 AI 모델 개발에 건다…‘독파모’와 무엇이 다른가
한국 정부가 2027년 3월부터 4조7000억원 규모의 ‘프런티어 AI’ 모델 개발 사업을 시작할 계획이다. 과학기술정보통신부는 10월 6일 국회 국정감사에서 기존 ‘독자 AI 파운데이션 모델’ 사업을 중단하지 않으면서, 세계 최상위권 성능을 목표로 하는 별도 사업을 추진한다고 밝혔다. 국회가 12월 2027년도 예산을 승인하면 공개 경쟁을 거쳐 이르면 내년 2월 주도 개발자를 정한다는 일정이다.
4조7000억원은 정부가 단순 보조금으로 여러 기업에 나눠 주는 돈과는 성격이 다르다. 현재 설명대로라면 정부 출자와 민간 자금을 결합하고, 계산용 반도체와 데이터, 인재를 한 사업에 집중하는 방식이다. 단일 기업, 여러 기업의 연합, 별도 목적의 법인 등 다양한 형태가 참여할 수 있다. 다만 어떤 조직을 만들고 정부가 어떤 조건으로 지분을 보유할지, 성공과 실패를 어떤 지표로 판단할지는 아직 확정되지 않은 부분이 많다.
왜 기존 ‘독파모’를 두고 새 사업을 만드나
정부는 이미 한국 기업들이 자체 범용 AI 모델을 만드는 ‘독파모’ 사업을 진행하고 있다. 이 사업은 여러 팀을 단계적으로 평가하고 계산 자원과 데이터를 지원해 산업과 공공 부문에서 쓸 수 있는 국산 모델을 확보하는 데 초점이 있다. 현재 2차 평가를 마쳤고 2027년 2월 3차 평가에서 최종 두 팀을 선정할 예정이다.
새 프런티어 AI 사업은 목표를 더 높게 잡았다. ‘프런티어 모델’은 세계에서 가장 성능이 앞선 범용 AI 모델군을 뜻한다. 단순히 한국어 챗봇을 잘 만드는 것을 넘어 복잡한 과학 문제, 사이버 보안, 장시간 업무 수행 같은 영역에서 세계 선두 모델과 경쟁하겠다는 것이다. 배경훈 부총리 겸 과기정통부 장관은 기존 사업은 산업·공공 활용 목표대로 계속하고, 새 사업은 기존 수준으로 풀기 어려운 문제에 대응하기 위한 추가 트랙이라고 설명했다.
말로는 구분되지만 실제 현장에서는 경계가 흐릴 수 있다. 두 사업 모두 범용 AI 모델, 계산 자원, 데이터와 인재를 필요로 한다. 독파모에서 성장한 팀이 새 사업에 다시 참여할 수도 있고, 같은 연구자와 장비를 놓고 경쟁할 가능성도 있다. 그래서 국정감사에서는 기존 사업의 성과를 충분히 검증하기 전에 더 큰 사업을 추가하는 이유와 결정 과정이 투명했는지를 묻는 질문이 이어졌다.
4조7000억원은 어디에 쓰이나
정부 예산안과 국내 보도를 종합하면 큰 비중은 최첨단 AI 반도체와 학습 데이터 확보에 배정될 예정이다. 보도된 안에는 엔비디아의 차세대 GPU 1만 장 구매에 약 3조9000억원, 학습 데이터에 약 8000억원, 해외 연구자 유치에 별도 예산을 두는 구상이 담겼다. 다만 이는 국회 심의 전 정부안이고, 최종 금액과 구성은 12월 예산 통과 과정에서 바뀔 수 있다.
AI 모델 개발비에서 반도체가 큰 비중을 차지하는 이유는 간단하다. 최신 모델은 방대한 문장·이미지·코드 자료를 반복해 읽으며 학습하는데, 이 계산을 빠르게 처리할 장비가 필요하다. 장비가 부족하면 실험 횟수와 모델 크기에 제약이 생긴다. 정부는 지금처럼 팀마다 제한된 수의 GPU를 배분하는 방식만으로는 미국과 중국의 대형 연구소를 따라가기 어렵다고 판단한 것으로 보인다.
그러나 장비를 많이 산다고 좋은 모델이 자동으로 나오는 것은 아니다. 학습 자료의 품질, 연구진의 설계 능력, 실패한 실험에서 빠르게 배우는 조직 문화, 안전 평가, 실제 서비스에서 받은 피드백이 모두 필요하다. GPU 1만 장은 출발 조건일 뿐 결과가 아니다. 장비가 낡기 전에 충분히 활용할 운영 인력과 전력·데이터센터 계약이 준비돼 있는지도 중요한 질문이다.
일반 국민에게는 무엇이 달라질까
사업이 계획대로 진행돼도 2027년 봄부터 곧바로 새로운 국민용 챗봇이 생기는 것은 아니다. 첫 단계는 개발 주체를 정하고 장비·데이터·인력을 모아 모델을 학습하는 일이다. 실제 제품과 공공 서비스에 적용되기까지는 추가 시험과 안전 검증이 필요하다. 당장의 변화보다 향후 몇 년간 국내 기업과 공공기관이 어떤 AI를 선택할 수 있느냐에 영향을 주는 투자다.
성공한다면 한국어와 국내 제도에 강한 모델을 확보하고 해외 서비스 의존을 줄일 수 있다. 예를 들어 행정 문서, 제조 현장 자료, 국내 법률과 의료 지침처럼 외국 모델이 충분히 학습하지 못한 영역에서 품질을 높일 여지가 있다. 국내 기업이 민감한 데이터를 해외 사업자에게 보내지 않고 한국 법과 계약 아래에서 AI를 이용할 선택지도 넓어진다. 모델 사용료가 국내 산업에 남고 관련 인재와 서비스 생태계가 성장할 가능성도 있다.
반대로 실패하면 큰 공공 자금과 희소한 인력이 성능 경쟁에 집중되는 동안, 실제 시민 서비스와 중소기업 도입은 늦어질 수 있다. 세계 최고 모델은 몇 달 간격으로 바뀐다. 개발을 마쳤을 때 목표가 이미 움직여 있을 위험도 크다. 따라서 ‘몇 위 모델을 만들었다’는 발표보다 국민이 더 나은 서비스를 더 낮은 비용으로 쓰게 됐는지, 국내 기업이 매출과 생산성으로 연결했는지를 함께 봐야 한다.
정부가 직접 큰돈을 거는 이유와 위험
미국의 주요 AI 기업은 거대 클라우드 사업자와 자본시장에서 막대한 자금을 조달한다. 한국 기업 한 곳이 같은 규모의 장비와 연구 인력을 독자적으로 마련하기는 어렵다. 정부가 초기 위험을 나눠 지고 장비와 데이터를 집중하면 민간이 시도하기 힘든 규모의 프로젝트를 시작할 수 있다. 반도체, 조선, 통신처럼 국가가 장기 산업 기반을 지원해 성장시킨 경험도 정책의 배경에 있다.
하지만 특정 모델이나 개발 주체에 자원이 집중되면 선정 과정의 공정성과 실패 시 책임이 더 중요해진다. 정부가 시장에서 어떤 기술이 성공할지 미리 정확히 고르기 어렵고, 대기업 중심 컨소시엄이 자금을 가져가면서 작은 연구팀이 밀려날 수 있다. 반대로 참여 주체를 지나치게 많이 묶으면 의사 결정이 느려지고 책임 소재가 흐려질 수 있다.
출자 방식이라면 정부는 단순 지원자가 아니라 투자자에 가까워진다. 지분 가치와 지식재산권을 누가 갖는지, 모델이 상업적으로 성공했을 때 수익이 국민에게 어떻게 돌아오는지, 실패하면 손실을 누가 부담하는지를 계약 단계에서 공개해야 한다. 모델을 국내 기업에 저렴하게 제공할지, 해외에 판매할지, 오픈 가중치로 배포할지도 공공성에 직접 영향을 미친다.
성능 경쟁만큼 안전 투자가 필요한 이유
10월 6일 국정감사에서는 AI 성능·기반시설 예산에 비해 안전·신뢰 예산이 지나치게 작다는 비판도 나왔다. 전자신문 보도에 따르면 의원들은 성능과 인프라 관련 예산 6조1490억원에 비해 안전·신뢰 예산은 274억원 수준이라고 지적했다. 계산 방식에 따라 범위가 달라질 수 있지만, 대형 모델을 만드는 속도와 이를 시험하고 감독하는 역량의 격차를 묻는 문제 제기는 타당하다.
최상위 모델은 단순히 틀린 답을 하는 데서 끝나지 않는다. 외부 도구와 연결돼 문서를 보내고, 프로그램을 실행하고, 다른 서비스에 접속할 수 있다. 사이버 보안 능력을 높이는 것이 목표라면 방어에 쓰이는 기술이 공격에도 악용될 수 있다. 학습 자료에 개인정보나 저작권 침해물이 들어갔는지, 모델이 차별적 결정을 반복하는지도 살펴야 한다.
안전 평가는 개발팀이 스스로 수행하는 시험만으로 충분하지 않다. 독립된 외부 기관이 같은 조건에서 결과를 재현하고, 심각한 사고를 숨기지 않도록 보고 의무와 책임 체계를 마련해야 한다. 국가AI안전연구소 같은 조직의 인력과 권한도 모델 개발 규모에 맞게 키워야 한다. 브레이크를 나중에 붙이는 방식은 모델이 이미 배포된 뒤에는 효과가 제한적이다.
‘한국판 챗GPT’ 하나를 만드는 사업으로 보면 안 되는 이유
프런티어 모델은 완성된 앱이 아니라 여러 서비스의 기반이 되는 엔진에 가깝다. 성공 여부는 일반 대화 점수뿐 아니라 국내 연구와 산업이 그 위에 다양한 제품을 만들 수 있는지에 달려 있다. 의료·금융·교육처럼 규제가 강한 영역에서는 모델 성능보다 데이터 관리, 설명 가능성, 책임 구조가 더 중요할 수 있다.
정부가 한 모델의 순위에만 집중하면 빠르게 값이 떨어지는 성능 경쟁에 끌려갈 수 있다. 반대로 학습 과정에서 쌓이는 데이터 처리 기술, 평가 방법, 고급 인재, 반도체 운영 경험을 국내 생태계에 넓게 남긴다면 최종 모델이 세계 1위가 아니더라도 산업적 자산이 된다. 사업의 성과 지표는 ‘세계 몇 위’뿐 아니라 국내 연구자 접근성, 중소기업 이용 비용, 특허와 논문, 실제 매출, 공공 서비스 개선을 함께 포함해야 한다.
또한 해외 모델과의 협력을 무조건 배제할 필요도 없다. 모든 업무를 하나의 국산 모델로 해결하기보다 민감한 업무는 국내 모델, 범용 업무는 검증된 해외 모델을 선택하는 혼합 전략이 현실적일 수 있다. 기술 주권은 외국 기술을 쓰지 않는 상태가 아니라, 필요할 때 바꿀 수 있고 핵심 데이터를 스스로 통제할 수 있는 능력에 가깝다.
아직 확정되지 않은 점
가장 먼저 기억할 사실은 4조7000억원이 확정 집행된 돈이 아니라 2027년 정부 예산안에 담긴 계획이라는 점이다. 국회 심의를 거쳐야 하며 세부 배분은 달라질 수 있다. 개발 주체도 정해지지 않았다. 단일 기업, 컨소시엄, 특수목적법인 가운데 어떤 형태를 택할지와 민간 투자 규모 역시 최종 공고에서 확인해야 한다.
독파모와의 관계도 문서로 더 명확해져야 한다. 두 사업의 참여 자격, 지식재산권, 장비 공동 사용, 중복 지원 기준이 모호하면 논란이 반복될 수 있다. 기존 팀의 성과를 어떤 방식으로 새 사업에 이어 갈지, 기존 지원을 받지 않은 새로운 팀에도 공정한 기회를 줄지도 핵심이다.
앞으로 볼 변화
첫 번째 분기점은 12월 국회의 예산 확정이다. 두 번째는 2027년 초 공개될 사업 공고와 선정 기준이다. 여기서 정부 지분, 민간 자금, 모델 공개 범위, 안전 평가, 실패 시 중단 조건이 드러나야 한다. 세 번째는 독파모의 3차 평가와 프런티어 사업 선정이 비슷한 시기에 진행될 때 두 트랙이 실제로 어떻게 나뉘는지다.
이 사업은 한국이 AI 경쟁에서 뒤처지지 않기 위한 큰 베팅이다. 규모가 큰 만큼 “미국·중국과 경쟁한다”는 구호만으로 정당화되지는 않는다. 국민이 확인해야 할 것은 장비 수가 아니라 선정 과정의 투명성, 독립적인 안전 검증, 성과와 지식재산의 귀속, 실제 산업 활용이다. 이 네 가지가 구체적으로 공개될 때 4조7000억원은 단순한 순위 경쟁이 아니라 한국의 장기 AI 역량을 만드는 투자로 평가받을 수 있다.
핵심 출처