수십억 달러짜리 데이터센터인가, 아니면 정확히 과녁을 맞히는 자율 시스템인가? 거대 언어 모델이 국가가 아니라 빅테크 기업들의 게임이 되어 가는 지금, 스타트업과 기관에게 진짜 기회는 ‘에이전틱 AI’ 계층에 숨어 있습니다. 미래는 거대한 모델을 만드는 쪽이 아니라 그것을 가장 알맞은 일에 쓰는 쪽의 것이 될 것입니다.
Ekonomi Dünya 독자 여러분, 디지털 경제의 가장자리에 서서 바라보면 기술 세계가 새로운 시대에 들어섰다는 사실을 더는 부정할 수 없습니다. 한쪽에는 데이터센터에 수천억 달러를 투자하는 구글, 마이크로소프트, 아마존, 오픈AI 같은 기업들이 있고, 다른 쪽에는 이 거인들을 따라잡으려는 국가와 기관들이 있습니다. 프랑스, 아랍에미리트, 심지어 중국조차 이 경쟁의 무게를 절감하고 있습니다. 이 그림이 말해 주는 것은 하나입니다. ‘거대 언어 모델 개발’ 경쟁은 이제 국가가 아니라 시가총액 수조 달러 기업만이 할 수 있는 게임이 되었다는 것입니다.
그렇다면 이 그림, 거인들이 서로를 집어삼키는 이 경기장을 어떻게 읽어야 할까요? 더 중요하게는, 이 혼돈 속에서 전략적으로 움직이는 스타트업과 기관과 국가에게 진짜 기회는 어디에 숨어 있을까요? 이 글에서 나는 바로 이 질문들을 따라가 봅니다.
2023년부터 2025년 사이 많은 국가와 기관이 내건 목표는 분명했습니다. “우리도 자체 거대 언어 모델을 만들겠다.” 이해할 만한 의지입니다. 기술 독립, 국가 안보, 데이터 주권이라는 지극히 정당한 우려에서 나온 것이니까요. 그러나 현실의 그림은 사뭇 다릅니다.
GPT-4급 모델을 처음부터 학습시키는 데 드는 연산 비용은 1억 달러에서 10억 달러 사이로 추정됩니다. 여기에 데이터 인프라, 하드웨어 공급망, 연구팀, 지속적인 미세 조정 비용까지 더하면 그 규모가 얼마나 충격적인지 알 수 있습니다. 프랑스의 미스트랄 AI는 이 분야에서 유럽이 보여 준 가장 강력한 대응 중 하나입니다. 하지만 미스트랄조차 파운데이션 모델 개발에서 세계 선두 기업들과 겨루는 일이 얼마나 어려운지를 분명히 보여 줍니다.
핵심 질문은 이것입니다. 자원을 다른 곳에 쓸 수도 있는 국가나 기관에게 이 경쟁에 뛰어드는 것이 정말 ‘전략적’인가? 데이터는 그 반대를 가리킵니다. 파운데이션 모델 개발은 마진은 낮고 비용은 높으며, 장기적이고 불확실성이 큰 사업입니다. 반면 그 모델 위에 세운 응용 서비스는 훨씬 빨리 가치를 만들고 훨씬 짧은 시간에 수익을 낼 수 있습니다.
AI 생태계의 진짜 전쟁은 파운데이션 모델들 사이가 아니라, 그 모델을 의미 있는 기능으로 바꾸는 ‘에이전트’들 사이에서 벌어질 것입니다. 에이전틱 AI, 곧 스스로 결정을 내리고 특정 목표를 향해 일련의 작업을 수행하는 AI 시스템은 지금 가장 빠르게 성숙하는 기술 계층입니다. 이 시스템의 특징은 한 번의 AI 호출이 아니라 하나의 과정이라는 점입니다. 고객 요청을 분석하고, 알맞은 부서로 보내고, 필요한 양식을 채우고, 해결 결과를 보고하는 통합 시스템을 떠올려 보세요. 이를 위해 구글의 데이터센터도, 수십억 달러도 필요하지 않습니다. 필요한 것은 올바른 아키텍처, 업계 전문성, 그리고 전략적 집중입니다.
버티컬 전문성의 힘: 에이전틱 AI의 가장 전략적인 활용은 ‘모든 것을 아는’ 범용 모델이 아니라, 한 분야를 깊이 파고들어 그 분야의 데이터 구조와 용어와 업무 흐름을 체화한 버티컬 응용에서 나옵니다. 법률, 의료, 금융, 물류, 농업 같은 분야에서 ‘업종 특화 에이전트’를 만드는 것은 확실한 경쟁 우위와 지속 가능한 사업 모델을 제공합니다.
이 접근의 구체적인 이점은 다음과 같이 정리할 수 있습니다.
역사적으로 기술 기업은 제품을 개발하려면 대규모 엔지니어링 인력이 필요했습니다. 이 그림이 근본적으로 바뀌고 있습니다. 에이전틱 AI 도구는 작은 팀이 훨씬 큰 운영을 감당할 수 있게 해 줍니다. 올바른 에이전트 인프라 위에 만든 제품을 가진 세 명의 소프트웨어 팀이 예전에는 50명 규모 부서가 맡던 일을 해내는 것이 이제 가능합니다.
이 변화는 초기 자본이 부족한 스타트업과 중견 기업에게 결정적인 기회의 창을 엽니다. 대기업의 둔함, 큰 조직의 느린 의사결정, 관료적 절차는 민첩한 조직 앞에 커다란 기회의 틈을 남깁니다. 경쟁이 새로 정의되는 이 시점에서 우위는 규모가 아니라 속도, 그리고 무엇보다 전문성에서 나옵니다.
그렇다면 이 큰 그림 앞에서 현실적인 전략은 무엇이어야 할까요? GPT-4o, Claude 3.5, Llama 3, Gemini Ultra... 이 엔진들은 이미 존재하고 접근할 수 있습니다. 이것들을 처음부터 다시 만드는 대신, 그 위에 자기 업계의 문제를 푸는 똑똑한 도구를 만드는 것이 더 효율적이고 지속 가능한 길입니다. 진짜 경쟁 우위는 모델이 얼마나 큰가가 아니라, 그 모델이 어떤 문제를 어떻게, 얼마나 빨리 푸는가에 있습니다.
‘무엇이든 하는’ 범용 솔루션은 AI 시장에서 빠르게 대중화되며 마진이 줄어들고 있습니다. 반면 특정 업계의 업무 과정을 깊이 이해하고 그 업계 데이터로 미세 조정한 버티컬 솔루션은 아직 경쟁이 적은 영역입니다. 법률 분야의 계약서 분석 에이전트, 금융 분야의 리스크 평가 시스템, 농업을 위한 수익 최적화 도구가 진짜 기회가 어디에 있는지를 보여 줍니다.
여기서 AI 생태계가 그늘에 남겨 둔 문제 하나를 짚어야 합니다. 파운데이션 모델 학습에 쓰인 데이터셋의 상당 부분이 저작권으로 보호되는 콘텐츠에서 나왔다는 점입니다. 기자, 작가, 시각 예술가, 음악가들이 점점 더 큰 목소리로 이 문제를 제기하고 있습니다. 여러 나라에서 진행 중인 소송과 입법 논의는 이 분야가 머지않아 더 복잡한 법적 환경에 들어설 것임을 예고합니다.
‘훔치지만 작동한다’는 표현이 이 딜레마의 본질을 잘 잡아냅니다. 지금의 AI 인프라가 막대한 효율과 가치를 만들어 낸다는 것은 분명합니다. 그러나 그 가치가 세워진 데이터 기반의 윤리적, 법적 정당성은 여전히 논쟁 중입니다. 데이터 출처의 투명성과 라이선스를 받은 콘텐츠의 사용은 앞으로 확실한 경쟁 우위이자 법적 의무가 될 것입니다.
AI 생태계의 이 역사적 전환 앞에서 가능한 태도는 두 가지입니다. 거인들의 경기장에 들어가 그들의 게임을 하거나, 그 경기장 밖에서 자기 전문 분야에 민첩하고 부가가치 높은 솔루션을 세우거나.
데이터는 두 번째 길을 가리킵니다. 파운데이션 모델 경쟁은 이미 몇몇 거대 기업이 규칙을 정하는 리그에서 벌어지고 있습니다. 그러나 이 모델들을 활용해 현실의 문제를 풀고 업계 전문성으로 뒷받침되는 자율 시스템을 만드는 영역은 아직 열려 있고, 아직 경쟁이 없으며, 대부분 탐험되지 않았습니다. 질문은 이것입니다. 당신은 어느 편에 서겠습니까?
빛과 사랑 속에 머무르세요.
