2025년 12월, 국가인공지능전략위원회가 98개 과제를 담은 AI 행동계획 안을 내놨다. 총 12개 전략분야에 걸쳐 거의 모든 부처가 동원된 초대형 국가 프로젝트다.
AI로 자료를 분석해보았다. (자료 : 국가인공지능전략위원회) 여기서 자료는 볼 수 있다. 나는 전체적으로 자료를 AI로 분석한것이지만 관련 업을 한다면 분명히 들어갈 수 있는 틈이 있을수 있으니 한번 자료를 보시길 바란다.
참고로 대한민국 AI 행동계획은 규모에서 세계적 수준이다. 99개 과제, 326개 정책권고, 24개 부처, 150조 원 펀드, 26만 장 GPU. 숫자만 보면 이 나라의 AI 야망은 충분히 진지하다.
그러나 계획과 현실적 실행은 Gap이 보인다.
부정적으로 썼다는것에 집중하지말고, 문제를 도출하고 그 문제를 통해 내가 얻을 수 있는 기회가 있는지를 보았습니다.
GPU 5만 장 확보한다는데, 진짜 문제는 누가 쓰냐다
AI 인프라의 핵심은 GPU다. 정부는 2028년까지 최소 5만 장 이상 확보하겠다고 했다. 수요는 확실하다. 전 세계가 컴퓨팅 파워를 두고 치열하게 경쟁 중이니까. 그런데 문제는 GPU를 사는 것 자체가 아니라, 사고 나서 어떻게 배분하고 운영하느냐다.
현재 국내 GPU 현황 조사조차 안 돼 있다. 26년 2분기에 현황 조사를 하고, 4분기에 배분 계획을 세운다고 했다. 즉, 지금은 얼마나 있는지도 모르는 상태에서 5만 장을 말하고 있다는 뜻이다. 마치 냉장고에 뭐가 있는지도 안 보고 장을 보러 가는 셈이다.
여기서 경쟁이 붙는다. GPU를 누가 먼저 쓰느냐에 따라 모델 개발 속도가 갈린다. 대기업은 자체 인프라가 있지만, 스타트업과 중소기업은 정부 GPU에 목을 맬 수밖에 없다.
배분 시스템이 공정하지 않으면 “GPU 있는 놈만 AI 한다”는 구조가 굳어진다. 결국 인프라 확보보다 인프라 접근성을 어떻게 보장하느냐가 진짜 싸움이다.
데이터 플랫폼 200개가 있는데 연결이 안 된다?
AI의 연료는 데이터다. 정부도 이걸 알아서 ‘국가데이터 통합플랫폼’을 만들겠다고 한다. 그런데 현재 200개 내외의 데이터 플랫폼이 이미 존재하는데, 문제는 이것들이 표준도 다르고, 최신성도 없고, 서로 연결도 안 된다는 거다.
수요가 있고(AI 학습에 데이터가 필수), 문제가 터졌는데(플랫폼이 파편화됨), 이걸 해결해야 경제성이 나온다(양질의 데이터가 있어야 모델이 좋아지니까).
그런데 이 문제를 해결하려면 부처마다 따로 놀던 데이터 거버넌스를 하나로 묶어야 한다. 현실은? 공공데이터전략위원회, 국가데이터정책위원회, 데이터분쟁조정위원회
이름만 비슷한 조직이 줄줄이 있다. 컨트롤타워가 없으니 각자 자기 밭만 가는 구조다.
여기서 예측 하나를 해보면, 통합플랫폼 자체는 만들어질 거다.
근데 실제로 부처들이 자기 데이터를 올리느냐는 완전히 다른 문제다. 의무화를 법으로 못 박겠다고 하지만, 법 만들어도 안 올리면 어쩔 건데?
결국 예산과 인센티브라는 당근이 없으면 이 시스템은 빈 껍데기가 될 가능성이 높다.
개인정보 규제 풀겠다는데, 어디까지가 핵심이다
AI 학습에 개인정보가 필요한 건 사실이다. 특히 의료 AI는 환자의 실제 데이터 없이는 정확도를 올릴 수가 없다. 그래서 개인정보위가 26년 1분기까지 가명처리 없이 AI 학습에 활용할 수 있는 개인정보보호법 개정을 추진한다고 했다.
수요는 폭발적이다(정밀의료, 자율주행 등).
문제도 명확하다(가명처리하면 데이터가 뭉개져서 AI가 제대로 못 배운다).
경제성도 있다(데이터가 좋으면 더 좋은 AI 서비스가 나오고, 그게 돈이 된다).
근데 여기서 문제는 “데이터 활용”과 “개인 프라이버시” 사이의 줄다리기다.
안심구역이나 소버린 클라우드 같은 말이 나오는데, 솔직히 이건 기술적으로 아직 완벽하지 않다. 데이터 유출 사고가 한 번만 터지면 여론이 뒤집어진다. 그때 가서 “규제 다시 강화합니다”라고 하면, AI 기업들은 사업 계획을 처음부터 다시 짜야 한다.
예측하자면, 법 개정은 될 거다.
하지만 실제 적용 과정에서 의료기관이나 금융기관이 “혹시 사고 나면 우리 책임이냐”는 논쟁이 끊이지 않을 거고, 시행 초기에는 제도가 있어도 눈치 보느라 아무도 안 쓰는 기간이 꽤 길 것이다.
저작권 문제, 이거 안 풀면 한국 AI는 영원히 빅테크 뒤꽁무니다
AI 모델 학습에 저작물 데이터가 필요하다. 미국 빅테크는 이미 인터넷의 거의 모든 데이터를 긁어서 학습했다고 알려져 있다.
한국은?
저작권법상 공정이용 기준이 모호해서 AI 기업들이 쓸 수 있는지 없는지도 불확실하다.
여기서 구조를 보면 이렇다.
학습 데이터 필요 → 저작권 불확실성 → 데이터 있으면 모델이 좋아짐 → 미국·중국은 이미 다 썼음 → 법·제도 정비 필요 → 법 개정
문제는 법 개정 단계에서 창작자 vs AI 기업 사이의 충돌이 거세다는 점이다.
문체부가 26년 2분기까지 저작권법 개정안을 마련하겠다고 했다. 옵트아웃 제도, 학습 투명성 의무, 보상 체계 같은 것들을 넣겠다는 건데, “충분한 합의를 거쳐”라는 단서가 붙어 있다.
솔직히 말하면 창작자와 AI 기업이 합의하는 건 거의 불가능에 가깝다. 양쪽 다 양보할 이유가 없으니까.
안 풀리면 어떻게 되냐?
한국 AI 기업은 해외 오픈 데이터에만 의존하게 되고, 한국어 고품질 데이터(출판물, 방송, 시험 등)는 영영 학습에 못 쓰게 된다. 그러면 한국어 AI 모델의 품질은 글로벌 빅테크를 절대 못 따라잡는다. 이게 진짜 무서운 시나리오다.
교육 혁신? 7년 주기로 교육과정 바꾸면서 AI 시대를 따라잡겠다고?
초·중·고 AI 교육 이야기가 나온다. 현재 초등학교는 5~6학년 실과에서만, 중학교는 1년만, 고등학교는 선택과목으로만 AI를 배운다. 전학년 필수화하겠다는 건 방향은 맞다.
근데 진짜 문제는 다른 데 있다. 교육과정 개편 주기가 약 7년이다. 2022 개정 교육과정은 2021년에 만들어졌는데, ChatGPT는 2022년 11월에 나왔다.
즉, 현행 교육과정에 생성형 AI라는 개념 자체가 빠져 있다. 이 속도로 가면 교육이 기술을 영원히 못 따라간다.
시스템 문제가 뚜렷하다. 교육과정 개편은 국교위 소관이고, 교사 양성은 교육부 소관이고, AI 실습 플랫폼은 과기정통부 소관이다. 세 부처가 따로 논다. 교사 수도 턱없이 부족하다. 정보 교사 한 명이 여러 학교를 순회하는 게 현실이다.
예측하자면, 26~27년에 시범학교 몇 군데는 돌아갈 거다.
하지만 전국 확산은 최소 30년 이후에나 가능하다고 보는 게 현실적이다. 그사이에 AI 기술은 또 두세 세대가 바뀌어 있을 거고, 교육은 계속 뒤처질 수밖에 없다.
“교육과정을 교과 특성에 따라 개편 주기를 달리하는 다중화된 개편 체계”라는 말이 나오긴 하는데, 이건 결국 교육부가 통제권을 내려놓느냐의 문제다.
관료 조직이 자발적으로 권한을 줄이는 걸 본 적이 있나?
AI 인재 해외 유출, 돈 문제가 아니라 환경 문제다
한국의 AI 인재 유입률은 OECD 최하위 수준이다. 오히려 순유출이 지속되고 있다. 왜 나가냐? 연봉 차이도 있지만, 더 큰 건 연구 환경, 조직 문화, 비자 절차, 자녀 교육 같은 종합적인 환경이다.
AI 인재 필요 → 사람들이 안 오거나 떠남 → 인재가 있어야 기술이 나옴 → 미국·캐나다·영국이 파격 대우로 빨아감 → 유치·유지 정책 필요.
여기까지는 정부도 인식하고 있다. 근데 행동 단계에서 실행력이 문제다.
“파격적인 유인책”이라고 했는데, 한국 공공기관의 보상 체계는 법률로 정해져 있다. 특정 AI 인재에게만 파격 대우를 주려면 법을 고쳐야 하고, 그러면 다른 분야 연구자들과의 형평성 논란이 터진다. 결국 파격은 파격이 아니게 되고, 실행은 미적지근해진다.
한국에서 박사 딴 외국인 유학생들도 못 잡고 있다. 취업·비자·문화 장벽 때문이다. 이건 과기정통부 혼자 해결할 수 있는 문제가 아니라 법무부, 교육부, 지자체가 다 움직여야 하는데, 부처 간 협업이 한국 행정의 가장 큰 약점이라는 건 다들 알고 있다.
국방 AI, 10년 걸리는 획득 체계로 6개월짜리 기술을 따라잡겠다고?
국방 분야 AI 이야기가 꽤 구체적으로 나온다. 스마트 강군, 무인체계, 자율무기 등. 근데 현실을 보면 웃음이 난다.
현재 무기체계 획득은 요구사항 반영부터 전력화까지 10~20년이 걸린다. AI 기술의 발전 주기는 6~12개월이다. 이 간극을 어떻게 메우겠다는 건가? 소프트웨어 획득 체계가 아예 존재하지 않는다. 하드웨어 중심으로 짜여진 시스템에서 AI 소프트웨어를 넣으려니 끼워 맞추기가 될 수밖에 없다.
거기다 군 데이터는 대부분 기밀이라서 방산업체조차 접근이 안 된다. AI 개발에 데이터가 필수인데, 데이터를 줄 수 없으니 개발 자체가 막히는 구조다. 미국은 이미 DevSecOps를 도입해서 개발-보안-운영을 하나의 사이클로 돌리고 있는데, 한국군은 이메일로 소프트웨어를 주고받는 수준이라고 한다.
26년 2분기까지 국방 AI 기본법을 제정하겠다고 했다.
법을 만드는 건 좋은데, 법이 있다고 문화가 바뀌진 않는다. 하드웨어 중심 사고방식, 보안 만능주의, 경직된 조달 체계. 이 세 가지를 동시에 바꿔야 하는데, 솔직히 군대라는 조직이 그 정도의 혁신을 감당할 수 있을지 의문이다.
공공 AI 전환, “행정은 왜 항상 민간보다 느린가”의 근본 원인이 여기 있다
정부가 AI 네이티브 정부를 만들겠다고 한다. 하나의 아이디로 모든 서비스 이용, 서류 제출 없이 열람 승인으로 대체, 모든 복지 자동 제공 등. 비전은 훌륭하다.
근데 현실은 이렇다. 300억 이상 IT 과제는 ISP와 예비타당성 조사를 거치면 최소 3년 반이 걸린다. AI 기술은 3년 반이면 두 세대가 지나간다. 즉, 프로젝트가 시작될 때 사용하려 했던 기술이 끝날 때는 이미 구식이 되는 구조다.
갑을병정 하청 구조도 문제다.
대형 시스템을 구축하는데, 원청이 받고, 2차 하청이 개발하고, 운영은 또 다른 업체가 맡고, 일정 기간이 지나면 운영사가 교체된다. 시스템 히스토리를 아는 사람이 아무도 없는 상황이 반복된다. 최근 정부 시스템에 대형 사고가 잇따르는 게 우연이 아니라 이 구조의 필연적 결과다.
영국은 2024년에 GDS(정부디지털청)를 확대 재편하고 과학혁신기술부로 이관했다.
한국은?
행안부, 과기정통부, 국정원이 각자 역할을 나누고 있는데, 누가 총괄 책임자인지가 불분명하다. CTO 제도를 도입하겠다고 하지만, 한국 정부에서 민간 전문가가 실질적 권한을 갖는 걸 본 적이 없다.
150조 원 펀드, 돈은 있는데 어디에 쓸지가 문제다
금융위가 150조 원 + α 국민 성장 펀드를 조성해 AI 분야에 집중 투자하겠다고 한다. AI 빅테크 기업 육성, 데이터센터 구축, 반도체 확보 등에 쓰겠다는 거다.
돈이 있다는 건 좋다.
근데 문제는 한국의 정책금융이 원래 “돈은 많이 풀었는데 성과가 어디 갔냐”는 비판을 오래 받아왔다는 점이다. AI 분야는 특히 승자독식 구조라서, 10개 기업에 나눠주면 10개 다 망할 수 있고, 1개에 몰아주면 나머지 9개가 반발한다.
시스템 안에서 경쟁이 붙으면 어떤 일이 벌어지느냐?
펀드를 받으려는 기업들이 실적보다 로비에 집중하게 된다. 평가 기준이 투명하지 않으면 돈은 결국 크고 목소리 큰 곳으로 간다. 그게 진짜 좋은 AI 기업이냐는 전혀 다른 문제다.
예측하자면, 26년 2분기까지 투자 규모를 제시하겠다고 했으니 숫자는 나올 거다.
하지만 그 돈이 실질적으로 AI 데카콘 기업을 만들어내느냐는 전혀 보장이 없다. 한국에서 유니콘 기업이 나오는 과정을 보면, 정부 지원보다 글로벌 시장 진출과 민간 VC의 역할이 훨씬 컸다. 정부 돈이 마중물이 되려면, “돈을 주되 간섭하지 않는” 문화가 필요한데, 한국 정부가 그걸 할 수 있을까?
지역 AX, “5극 3특”이라는 프레임은 멋진데 현실은 서울 빨대다
지역 균형발전을 AI로 하겠다는 목표 자체는 좋다. 5극 3특(수도권·충청·호남·대경·부울경 + 강원·전북·제주)에 AI 특화 시범도시를 만들고, 지역 산단을 스마트 그린 산업단지로 전환하겠다고 한다.
근데 수요-문제-경제성 구조로 보면 이런 거다. 지역에 AI 인프라를 깔아도 인재가 안 온다.
왜? 서울에 직장이 있고, 서울에 교육 인프라가 있고, 서울이 편하니까. 강소형 AI 데이터센터를 지역에 분산 구축한다고 해도, 그 데이터센터를 운영할 고급 인력이 지역에 있느냐는 별개 문제다.
지역대학이 AI 허브 역할을 하라고 하는데, 학령인구 급감으로 지역대학이 존립 자체를 위협받고 있는 판이다. 인재를 양성해도 그 인재가 졸업하자마자 서울로 간다. “정주형 인재 순환 생태계”라는 말이 나오지만, 정주 여건(일자리·문화·교육·의료)이 수도권 수준에 못 미치는 한 순환은 안 일어난다.
결국 지역 AX가 성공하려면 지역에서 돈을 벌 수 있는 구조가 먼저 만들어져야 한다. 인프라를 깔고 교육을 하고 데이터센터를 짓는 건 그다음 순서다. 순서가 뒤집혀 있다.
AI 기본 사회? “모두를 위한”이라는 말이 가장 어렵다
AI 혜택을 모든 국민이 누리는 사회를 만들겠다고 한다. 방향은 맞다. 근데 현실은 어떤가?
고령층은 스마트폰 인증조차 어렵다. 농어촌은 인터넷이 느리다. 저소득층은 AI 교육에 접근할 돈이 없다. 장애인은 AI 서비스 자체가 비장애인 기준으로 설계되어 있어서 쓸 수가 없다.
정부가 “전 국민 AI 역량 대전환 프로젝트”를 하겠다고 하는데, 복지시설에 찾아가서 AI 기본역량 교육을 하겠다고 한다. 누가 가르치냐? 그 강사는 어디서 오냐? 예산은 얼마나 되냐? 이런 디테일이 빠져 있다.
AI 시대의 진짜 격차는 소득 격차가 아니라 적응 속도 격차다.
빨리 적응하는 사람과 못하는 사람 사이의 간극은 시간이 갈수록 벌어진다. 정부가 아무리 프로그램을 만들어도, 적응 속도가 느린 계층은 프로그램이 있다는 사실 자체를 모를 가능성이 높다. 이 역설을 어떻게 풀 건지가 빠져 있다.
딥페이크·보이스피싱, AI 범죄는 이미 현실인데 대응은 미래형이다
AI를 악용한 범죄가 폭발적으로 늘고 있다. 딥페이크 성범죄, 보이스피싱, 가짜뉴스 자동 생성 등. 정부가 “AI 범죄 근절 종합 대응 계획”을 26년 2분기까지 수립하겠다고 했다.
근데 범죄는 지금 일어나고 있다. 계획 수립까지 6개월, 실행까지 또 몇 개월이 걸리면, 그 사이에 피해자는 계속 생긴다. 통신사·금융회사·플랫폼 사업자가 참여하는 실시간 차단망을 26년 4분기까지 구축하겠다고 하는데, 1년 뒤다. 범죄자들은 1년을 기다려주지 않는다.
여기서 시스템의 한계가 보인다.
범죄 대응은 경찰청·방통위·개인정보위·금융위·과기정통부가 다 관련되어 있다. 누가 총괄하느냐? 방통위가 종합 대응 계획을 수립한다고 했지만, 수사 권한은 경찰에 있고, 금융 규제는 금융위에 있고, 통신 규제는 과기정통부에 있다. 한 건의 보이스피싱 사건이 터져도 관계 부처가 다섯 개가 넘는다. 이 구조에서 “실시간 차단”이 가능한가?
글로벌 AI 이니셔티브, “선도국”이 되고 싶으면 먼저 안을 단단히 해야 한다
글로벌 AI 표준을 주도하고, APEC에서 AI 허브 국가가 되겠다는 이야기가 나온다. 외교부가 주요국에 AI 거점 공관을 지정하고 GCAIO(글로벌 최고 AI 책임자)를 임명하겠다고 한다.
근데 솔직히, 국내에서도 부처 간 표준화가 안 되고, 데이터 플랫폼도 파편화되어 있고, AI 기본법 시행령도 미비한 상태에서 글로벌 표준을 주도한다? 안이 정리가 안 된 상태에서 밖으로 나가면, “한국은 말만 하고 실행이 안 따라온다”는 인상만 남긴다.
APEC AI 이니셔티브에서 “한국형 포용 AI 사례”를 확산하겠다고 하는데, 확산할 만한 성공 사례가 아직 없다. 먼저 국내에서 눈에 보이는 성과를 만들어야 글로벌에서 설득력이 생긴다.
이 계획의 가장 큰 약점 “누가 총괄하느냐”가 불분명하다
98개 과제, 24개 부처. 규모는 대단하다. 근데 이 많은 걸 누가 총괄하느냐?
국가AI전략위원회가 컨트롤타워인 것 같은데, 이 위원회는 심의·조정 기능이지 직접 집행 권한이 있는 건 아니다. 과기정통부가 부총리급이라 조율을 하겠지만, 각 부처가 실제로 따를 의무는 약하다. 한국 행정의 고질적 문제인 “칸막이 행정”이 이 계획의 실행력을 좌우할 거다.
CTO, CAIO, CDO를 다 만들겠다고 한다. 좋다. 그런데 이 세 자리가 각각 다른 부처에 앉으면? 또 칸막이다. “CTO-CAIO-CDO 통합 거버넌스 모델”을 만들겠다고 하지만, 한국 정부에서 “통합 거버넌스”가 성공한 사례가 있나? 대부분 이름만 통합이고 실제로는 각자 따로 논다.
이 계획은 “해야 할 일 목록”이지, “할 수 있는 일 목록”이 아니다
이 행동계획을 수요-문제-경제성-경쟁-시스템-행동 프레임으로 분석하면, 수요 파악과 문제 정의는 잘 돼 있다. AI 인프라, 데이터, 인재, 보안, 교육, 국방 등 빠진 분야가 거의 없다.
근데 시스템 설계와 행동 실행 단계에서 약점이 집중되어 있다.
부처 간 칸막이, 경직된 조달 체계, 인재 유출, 법·제도 정비의 시간 지연. 이건 다 어제오늘 문제가 아니라 한국 행정의 구조적 병목이다.
AI 행동계획이라고 이 병목을 뚫을 수 있을까?
현실적으로 예측하면 이렇다
- 인프라(GPU·데이터센터)는 돈 문제라 어느 정도 진행될 거다
- 법·제도 정비는 방향은 맞지만 속도가 느려서 글로벌 경쟁에서 뒤처질 가능성이 높다
- 교육 혁신은 가장 오래 걸리고 가장 어렵다
- 국방 AI는 조직 문화 변화 없이는 껍데기만 바뀔 거다
- 지역 AX는 서울 집중 구조를 못 바꾸면 실패한다
이 계획이 성공하려면 한 가지가 필요하다. “칸막이를 부수는 실행력.” 계획서에 그 답이 있냐고?
없다.
계획서에는 “협력하여”, “협조하여”, “협의하여”라는 단어가 수백 번 나온다. 근데 협력·협조·협의는 하고 싶을 때 하는 거지, 해야 할 때 하는 게 아니다.
결국 이 행동계획의 성패는, 문서 밖에서 결정된다.
부처 간의 실질적 권한 조정, 예산 배분의 과감함, 실패에 대한 관용, 그리고 무엇보다 “AI는 국가 생존의 문제”라는 절박함이 정부 구성원 전체에 내재화되느냐. 그게 안 되면, 이 문서는 역대 정부의 많은 계획서처럼 도서관 서가에서 먼지를 뒤집어쓰게 될 거다.
엔진은 사상 최대 출력으로 가동되었지만, 도로·신호체계·운전자가 동시에 부족
아래는 위에 계획이 실행되면서 엄청나게 기회가 몰릴 문제들이 아닐까 싶다. 우리 중년들도 이 문제들을 잘 파악하고 실행단계에서 원할한 실행을 하게해주는 솔루션이 있다면 새로운 기회를 가져갈 수 있을것이라고 생각한다.
이 문제들은 단순 기존 시스템을 이용해서 무엇인가를 만드는것이 아니라 완전히 새롭게 아이디어를 짜서 만들어야 하기때문이다. 그러니 나는 이런거 안해봤어라고 생각하시지 마시고 문제들을 어떻게 해결할 것인지 곰곰히 생각해보시길~
긍정적 신호는 분명하다. AI 기본법이 세계에서 가장 빠르게 시행되었다(신앤김, 2026.02). 과기정통부의 부총리급 격상은 조직적 권한을 높였다.
엔비디아 26만 장 GPU 공급 협약은 물량의 돌파구를 열었다. 일본 타임스는 “한국의 생성형 AI 사용량이 전 세계 평균(35% 성장) 대비 80% 이상 증가했다”고 보도했다(Japan Times, 2026.02).
그러나 GPU 5명 관리 체제, 200개 데이터 플랫폼의 파편화, 3.5년짜리 예산 편성 주기, 14년짜리 무기 획득 절차, -0.36의 인재 유출 지수, 21조 펀드의 절반 미집행이라는 현실은 계획은 거대하지만 실행이 가능할까라는 의심을 준다.
만약 실행을 하게끔해주는 무엇인가가 있다면 이것은 엄청난 기회가 될 것이다.
1. GPU-as-a-Service 중개 플랫폼: 정부 GPU 5만 장의 배분 거버넌스가 부재하다는 것은, 역으로 수요-공급을 매칭하는 민간 중개 플랫폼이 거대한 시장을 발견할 수 있다는 뜻이다. 스타트업이 필요할 때 시간 단위로 GPU를 빌리고, 유휴 시간에는 다른 기업에 재임대하는 ‘공유형 AI 슈퍼컴’ 모델이 그것이다(브런치, 2025.11). 한국은 클라우드 후발주자지만, GPU 공유 특화 플랫폼에서는 선점이 가능하다.
2. 프라이버시 기술(PET) 산업: 개인정보 원본 데이터 활용과 시민 신뢰 사이의 갈등은, 연합학습(Federated Learning)·차등 프라이버시(Differential Privacy)·동형암호(Homomorphic Encryption) 등 프라이버시 강화 기술(PET)의 폭발적 수요를 예고한다. 한국이 이 분야의 기술 표준을 선도하면, 개인정보 규제가 가장 엄격한 EU 시장으로의 수출 경쟁력이 된다.
3. AI 저작권 라이선싱 거래소: 저작권 교착이 풀리는 순간, 창작물을 토큰화하고 AI 학습 목적에 따라 차등 라이선싱하는 디지털 거래소가 필요해진다. K-콘텐츠의 글로벌 위상을 고려하면, 한국이 이 거래소의 표준 설계자가 될 잠재력이 있다. 연합뉴스가 제기한 “창작자 보상 시스템”이 바로 이 방향의 초기 형태다.
4. ‘7년 주기’를 우회하는 민간 AI 교육 플랫폼: 교육과정 개편의 느린 속도는 민간 에듀테크에게 거대한 블루오션을 의미한다. 공교육이 2029년에야 AI 교과를 신설한다면, 2026~2028년의 3년은 민간 플랫폼이 전 연령층의 AI 리터러시를 독점적으로 공급할 수 있는 시간이다. 특히 고령층·비수도권 대상 AI 리터러시 프로그램은 정부의 ‘포용’ 과제와 직접 연결되어 공공-민간 파트너십의 교차점이 된다.
5. 국방 AI ‘패스트트랙’ 전문 기업: 14년짜리 획득 체계가 소프트웨어 중심으로 전환되면, 민간 AI 기업이 국방 시장에 진입할 수 있는 창구가 열린다. 이스라엘의 방산 스타트업 생태계처럼, ‘소규모 팀이 6개월 내 MVP를 개발하고 현장에 배치한 뒤 지속 업데이트’하는 모델이 한국 방산의 새로운 성장 축이 될 수 있다.
6. 데이터 플랫폼 통합·표준화 컨설팅: 200개 파편화된 정부 데이터 플랫폼을 연결하는 작업은, 글로벌 데이터 거버넌스 컨설팅 기업에게는 꿈의 프로젝트다. 그러나 이 작업을 한국 기업이 수행하고 그 경험을 아세안·중동 정부에 수출하면, ‘K-디지털 거버넌스’라는 새로운 수출 상품이 탄생한다.
7. AI 범죄 대응 기술(딥페이크 탐지·보이스피싱 차단): SK텔레콤의 11억 건 사전 차단 사례가 보여주듯, AI 범죄에 대한 AI 방어 기술은 이미 상업적 가치가 입증되었다. 한국의 높은 디지털 침투율과 빠른 범죄 진화 속도는 역설적으로 ‘실전 데이터’가 풍부하다는 뜻이며, 이 데이터로 훈련된 탐지 모델은 글로벌 경쟁력을 가질 수 있다.
8. 지방 AI 전력·냉각 인프라 특화 산업: 데이터센터의 40%가 냉각 전력이라면, 한국의 한랭 기후(특히 강원·충북)와 해양 냉각(전남 해안)은 천연의 경쟁력이다. 지역 소멸 위기의 도시가 ‘그린 AI 전력 허브’로 전환하면, 데이터센터 유치를 넘어 에너지 인프라 자체가 수출 가능한 사업 모델이 된다.
9. 부처 간 협업 SaaS: 칸막이 행정의 근본 원인이 인센티브 구조라면, 부처 간 실시간 데이터 공유와 과제 추적을 가능하게 하는 GovTech SaaS 솔루션이 시장을 형성한다. 에스토니아의 X-Road와 같은 정부 간 데이터 교환 레이어를 한국 맥락에 맞게 재설계하는 것이 핵심이다.
10. ‘AI 풀스택 국가’ 브랜딩 수출: 한국이 진정으로 HBM 반도체부터 AI 모델, 법제도, 교육 인프라까지 풀스택을 완성하면, 이 패키지 자체가 개발도상국에 대한 수출 상품이 된다. GPU를 만들고, 법을 만들고, 교사를 양성하고, 펀드를 설계하는 ‘국가 AI 전환 패키지’는 기존의 단편적 기술 수출과 차원이 다른 시장을 연다.
