이번 주 AI 뉴스에는 한 가지 역설이 있었다. 모델 사용료는 내려가고 추론은 빨라졌으며, 기업과 공공기관은 AI를 업무와 보안, 제조, 공공서비스 안으로 더 깊게 넣기 시작했다. 접근의 문턱은 분명 낮아지고 있다.
하지만 기술을 실제 시스템에 넣는 비용까지 함께 낮아진 것은 아니다. 값싼 추론 뒤에는 거대한 금융과 데이터센터가 있고, 클라우드 뒤에는 전력·냉각·숙련 노동이 있다. 강한 에이전트 뒤에는 권한과 로그가 필요하고, 기업의 AI 전환 뒤에는 현업자가 자기 일을 다시 설계하는 부담이 남는다.
대런 아세모글루와 사이먼 존슨의 《권력과 진보》는 이 간극을 읽는 데 유용하다. 두 저자는 기술의 생산성 효과와 그 이익의 분배가 자동으로 정해지지 않으며, 기술의 방향과 조직 방식에 달려 있다고 본다. 이 렌즈로 보면 이번 주의 질문은 AI가 얼마나 널리 보급됐는가가 아니라, 보급 이후의 비용과 설계 책임이 어디로 이동했는가다.
국제개발협력에서도 접근 확대는 중요한 출발점이다. 다만 낮은 API 가격이나 협력 선언이 현지의 장기 역량이 되려면, 전력과 예산을 감당하고 자기 업무와 공공정보에 맞게 기술을 고칠 수 있는 제도와 사람이 함께 자라야 한다.
1. 싸지는 AI는 더 큰 자본 구조 위에서 싸진다
기업용 AI의 평균 추론 가격은 중국 오픈소스 모델과 글로벌 가격 경쟁 속에서 올해 최저 수준까지 내려갔다. 100만 토큰당 1달러대 가격은 작은 기업과 공공기관도 이전보다 훨씬 가볍게 실험할 수 있게 한다.
같은 주 Nvidia는 Apollo, BlackRock, Blackstone, Goldman Sachs, KKR 등과 함께 AI 컴퓨팅 인프라 금융 플랫폼을 발표했다. 목표는 장기적으로 5,000억 달러 이상의 제3자 자본을 데이터센터와 컴퓨팅 설비에 동원하는 것이다.
두 뉴스는 모순이 아니다. 이용자의 단가는 낮아지지만, 그 가격을 가능하게 하는 선행 투자는 더 거대해지고 있다. 금융은 칩과 전력, 냉각 설비를 직접 만들어내기보다 미래 수요와 가격의 위험을 사업자와 투자자 사이에 나눈다. 자본 조달 능력이 곧 컴퓨트 확보 능력이 되는 이유다.
이 구조에서는 같은 가격 하락도 모두에게 같은 기회가 아니다. 대형 사업자는 장기 계약으로 용량과 가격을 고정할 수 있지만, 작은 기업과 대학, 개발도상국의 공공기관은 변동하는 현물·API 가격과 외화 결제 부담을 그대로 감당할 수 있다. 컴퓨트가 싸졌는가만큼 누가 그 싼 가격을 오래 보장받는지를 봐야 한다.
2. 데이터센터는 클라우드가 아니라 지역의 공사다
영국 Slough의 데이터센터 논쟁은 AI 인프라가 전력과 물, 열, 주택 공급과 충돌하는 물리 시설임을 보여줬다. 지역에서는 데이터센터의 물 수요가 기존 정부 전망에 충분히 반영되지 않았다는 비판이 나왔고, 서버 시설과 생활 인프라 사이의 토지 경쟁도 쟁점이 됐다.
삼성전자가 인도 푸네에 준공한 데이터센터 냉각장비 생산라인은 같은 현실의 산업적 측면을 보여준다. AI 수요가 늘면 GPU만 필요한 것이 아니다. 서버의 열을 식힐 장비, 이를 생산할 공장과 숙련 인력, 안정적인 전력과 물이 함께 필요하다.
이번 주에 나타난 ‘AI 다음’의 흐름도 이 지점에서 읽을 수 있다. 관심이 모델 발표를 넘어 AI를 탑재한 장치, 냉각과 에너지, 로봇과 반도체 제조 같은 기반 기술로 넓어지고 있다. 모델 경쟁이 끝난 것이 아니라, 모델만으로는 산업을 설명할 수 없게 된 것이다.
생산거점과 데이터센터가 지역 역량으로 남는지는 투자액만으로 판단할 수 없다. 장기 일자리와 공급망 학습이 생기는지, 전력·물·토지 비용을 누가 부담하는지, 지역 기업이 유지보수와 개선에 참여하는지를 함께 봐야 한다. 클라우드의 편리함은 언제나 특정 지역의 공사와 운영 위에 놓여 있다.
3. 위험한 AI는 모델보다 운영 환경이 먼저다
OpenAI의 방어용 사이버 모델 Daybreak Red와 Blue는 AWS Bedrock의 승인된 고객에게 제공되기 시작했다. AWS가 강조한 것은 모델의 취약점 탐지 능력만이 아니었다. 고객별 접근 권한, 감사 로그, 사설 네트워크 경계와 암호화가 모델 사용 조건에 함께 묶였다.
Cloudflare도 에이전트가 외부 도구와 연결할 때 사용하는 MCP 트래픽을 식별하고, 승인되지 않은 서버 연결을 차단하는 기능을 내놨다. 에이전트가 파일과 SaaS, 내부 API를 직접 다루기 시작하자 보안의 초점도 답변 내용에서 행동 경로로 이동하고 있다.
이 두 사례는 안전과 활용을 단순한 양자택일로 보지 않게 한다. 강한 능력을 전부 닫거나 여는 대신, 필요한 업무에는 제공하되 누가 어떤 도구를 호출했고 어디로 연결됐는지 운영 계층에서 제한할 수 있다. 보안 제품의 경계가 모델과 필터를 넘어 권한 체계, 네트워크 정책, 감사 기록까지 넓어진 셈이다.
문제는 이런 운영 환경을 모든 조직이 갖추고 있지는 않다는 점이다. 공공기관과 작은 보안팀이 강한 모델에 접근해도 로그를 해석하고 이상 행동을 중단할 인력과 절차가 없다면 방어 역량은 커지지 않는다. 모델의 접근 범위를 넓히는 일과 그 모델을 감당할 조직 역량을 키우는 일은 별개의 투자다.
4. 에이전트는 일을 대신하기보다 루프를 바꾼다
OpenAI의 기업 사용 보고서에서 상위 10% 기업은 일반 기업보다 사용자당 출력 토큰이 8.3배 많았고, 기업 고객의 Codex·ChatGPT 출력 토큰 가운데 Codex 비중은 6월 기준 64%까지 올라갔다. 기업 AI가 검색과 요약을 넘어 코드와 문서, 영업과 법무의 실행 단계로 들어가고 있다는 신호다.
IBM은 OpenAI 모델과 코딩 에이전트를 금융·정부·통신·유통의 레거시 업무에 넣는 전담 조직을 만들기로 했다. 기업 AI 시장의 병목이 모델 접속권에서 업무 절차, 권한, 보안과 변화관리로 이동했음을 보여준다.
그러나 조직의 AX를 외부 전문가가 좋은 skill과 완성된 하네스를 납품하는 일로 이해하면 부족하다. 반복 업무의 예외와 품질 기준은 그 일을 매일 수행하는 사람이 가장 잘 안다. 현업자가 자기 업무를 단계로 나누고, 정답 기준을 세우고, 실패를 고칠 수 없다면 조직은 AI를 도입해도 일하는 방식을 소유하지 못한다.
따라서 AX의 성숙도는 에이전트 수나 토큰 사용량보다 업무 설계 능력이 얼마나 넓게 퍼졌는지로 봐야 한다. 외부 전문가는 완성된 루프의 공급자보다 현업자가 직접 설계하고 검증할 수 있게 돕는 조력자에 가까워져야 한다. AI가 실행 비용을 낮출수록 사람에게 남는 핵심 과업은 목표와 예외, 검증 기준을 정하는 일이다.
5. 투명성은 라벨보다 함께 고칠 수 있는 인프라다
인도는 BRICS ICT Track의 의제를 AI, 사이버보안, 디지털 공공 인프라, 역량 강화와 스타트업 협력으로 묶었다. AI가 모델 경쟁을 넘어 공공 시스템의 규칙과 운영 역량을 함께 다루는 외교 의제로 이동하고 있다는 신호다. 다만 회의 의제만으로 공동 역량이 만들어지는 것은 아니다.
행정안전부의 ‘AI 정부 실험실’은 더 작은 규모지만 구체적인 방향을 보여준다. 현업 공무원이 개방 데이터와 공공 API, AI 코딩 도구로 예산 검색과 재난문자 지도, 민원 분석 시제품을 만들고, 문서와 소스코드, 프롬프트를 공공 개발산출물 저장소에 축적한다. 공개된 표본 저장소에서는 README와 코드, 커밋과 이슈 구조까지 확인할 수 있다.
제임스 글릭의 《The Information》은 정보기술의 역사를 정보가 어떻게 선택되고 저장되고 전달되는가의 변화로 읽는다. 이 관점에서 공공 AI의 성과는 답변을 더 많이 만드는 데 있지 않다. 흩어진 정보를 검색하고 비교할 수 있게 만들고, 한 조직의 시행착오를 다른 기관과 시민이 검증하고 재사용할 수 있는 공적 기억으로 바꾸는 데 있다.
공개 저장소가 곧 정보민주주의의 완성을 뜻하지는 않는다. 시민이 문제 선정과 평가에 참여하는지, 오류나 권리 침해에 대해 설명과 수정을 요구할 수 있는지는 여전히 남는다. 그래도 결과물뿐 아니라 만드는 과정과 변경 이력을 남기는 것은 단순한 AI 도입과 제도 변화 사이의 중요한 차이다.
국제개발협력에서도 중견국 연합이 남겨야 할 것은 선언문보다 이런 공동 자산이다. 상호운용 가능한 공공 소프트웨어, 공개된 평가 방법, 현지 담당자가 직접 고칠 수 있는 개발 절차가 다자기구와 참여국 안에 축적될 때 협력은 일회성 사업을 넘어 제도가 된다.
결론
이번 주의 흐름은 접근 확대를 부정하지 않는다. 값싼 모델과 빠른 추론, 공개 도구와 국제 협력은 더 많은 조직에 실험 기회를 준다. 다만 기술의 문턱이 낮아졌다고 해서 그 뒤의 비용과 책임까지 사라지는 것은 아니다. 그것들은 자본시장, 지역 인프라, 보안 운영, 현업의 업무 설계, 공공정보 제도로 이동한다.
《권력과 진보》의 관점에서 중요한 변화는 바로 이 이동이다. 생산성의 가능성은 기술이 만들지만, 그 이익의 방향은 금융 계약과 조달, 조직의 업무 방식과 공공제도가 정한다. 그래서 AI 도입을 평가할 때는 사용량과 모델 점수만이 아니라 누가 새 비용을 부담하고 어떤 역량이 조직과 지역에 남는지를 함께 봐야 한다.
개발도상국과 작은 기관에 필요한 것도 완전한 기술 자립이라는 추상적 구호가 아니다. 감당 가능한 가격, 안정적인 전력과 인력, 자기 업무에 맞는 검증 절차, 공동으로 고칠 수 있는 공공정보 기반이 필요하다. 접근이 넓어진 다음의 구조를 설계하지 않으면, 더 싼 AI는 더 많은 선택지가 아니라 더 빠른 의존의 시작이 될 수 있다.