국가별 AI 스택 주권과 Palantir의 역할 — Alex Karp G20 대담

URL: https://www.youtube.com/watch?v=dEAc68Triic 날짜: 2026-09-04 채널: B_ZCF 영상 ID: dEAc68Triic 원문 제목: 퇴근하겠습니다 알렉스카프 번역입니다 (G20 한글번역 전체) 발언자: 알렉스 카프(Alex Karp, Palantir CEO)

---

📌 핵심 질문 / AI 시대에 국가는 무엇을 직접 소유해야 하는가

국가는 ==컴퓨팅·데이터·모델을 자국의 목적에 맞게 통제하고, 이를 설계할 기술 지식을 국내에 확보해야 한다==. 돈을 많이 쓰는 것보다 누가 어떤 이유로 스택을 선택하고 운영하는지가 중요하며, 해외 기업에 핵심 데이터와 제조 노하우가 흘러가지 않는 주권적 구조를 만들어야 한다.

• 컴퓨팅 접근권과 자국 데이터 접근권은 데이터센터를 직접 짓든 임대하든 협상할 수 없는 국가 역량이다.
• 애플리케이션 계층과 온톨로지가 모델의 답을 검증하고, 독점 데이터와 모델을 안전하게 연결하며, 특정 국가·산업에 맞는 선택을 가능하게 한다.
• 비기술 전문가나 부적절한 규제는 모델 제공업체에 알파와 국가 기밀을 유출할 수 있으므로 기술 전문가, 산업계 거물, 실제 애국자가 정책을 설계해야 한다.

국가별로 미국 기업, 현지 기업, 중국 기업이 스택에서 맡을 부분은 달라진다. 핵심은 모든 것을 자급자족한다는 구호가 아니라, 어떤 부분을 누구에게 맡길지 스스로 판단하고 대체 경로까지 확보하는 지식과 통제력이다.

1. AI 주권은 국가별 스택의 선택에서 시작된다

각국은 컴퓨팅에서 애플리케이션까지 AI 스택의 어느 부분을 국내에 남길지 결정해야 한다.

1.1. 미국·중국·현지 기업의 역할 분담

1. 국가별로 감당할 수 있는 스택을 확보해야 한다
   1. 중국의 별도 경로: 중국은 AI 스택의 해당 부분을 대부분 중국 기업이 담당할 가능성이 높다.
   2. 다른 국가의 선택: 나머지 국가는 미국 기업이 맡을 부분과 자국·현지 기업이 맡을 부분을 결정해야 한다.
2. 소유권은 계약서보다 판단 능력에 달려 있다
   1. 현지 기업 확인: 현지에서 실제로 역량을 보유한 기업이 누구인지 찾아야 한다.
   2. 전문가 확인: 기술·금융·산업 운영을 동시에 이해하는 전문가는 매우 드물다.

1.2. 희소한 전문성과 국가의 독자성

1. 전문 지식은 복제하기 어렵다
   1. 금융 전문가의 비유: 금융 분야의 대가가 아는 지식은 다른 사람이 자리를 바꿔 앉는다고 바로 복제할 수 없을 만큼 방대하다.
   2. 국가적 가치: 그런 암묵지와 실무 감각이 있어야 자국에서 주권적 소유권을 확보할 수 있다.
2. 도움과 자립을 구분해야 한다
   1. 협력의 한계: Palantir가 도울 수 있는 부분은 돕지만, 최종적으로 국가의 독자적 해법은 국가 스스로 만들어야 한다.
   2. 출발점: 외부 기업의 조언을 받더라도 핵심 판단과 운영 주체를 외부에 넘겨서는 안 된다.

2. Palantir와 프론티어 모델이 만나는 AI 생태계

AI 생태계는 컴퓨팅, 여러 수준의 모델, 그리고 실제 의사결정을 연결하는 애플리케이션 계층으로 구성된다.

2.1. 프론티어 모델만으로는 충분하지 않다

1. 스택의 첫 요소는 컴퓨팅이다
   1. Jensen의 역할: Jensen을 세계 최고의 컴퓨팅 전문가로 평가하며, Nvidia와 파트너십을 맺고 있다고 밝혔다.
   2. 모델로의 연결: 컴퓨팅 위에 프론티어 모델과 비프론티어 모델이 놓이며, 전체 생태계를 모델 이름만으로 이해해서는 안 된다.
2. 모델의 성능은 사용 사례에 따라 달라진다
   1. 프론티어와 비프론티어: 현실에는 프론티어 모델과 비프론티어 모델이 함께 존재한다.
   2. 특정 영역의 역전: 비프론티어 오픈 모델도 특정 사용 사례에 맞추면 프론티어처럼 작동할 수 있고, 어떤 벡터에서는 범용 프론티어 모델보다 낫다.

2.2. 공급망 최적화라는 국가적 사용 사례

1. 신뢰할 수 없는 의존성을 드러내야 한다
   1. 의존성 지도: 국가의 공급망이 신뢰하지 못하는 국가에 얼마나 의존하는지 부품 단위로 알아야 한다.
   2. 대체 부품 탐색: 특정 부품이 사라졌을 때 무엇으로 대체할지와 대체에 드는 비용을 계산해야 한다.
2. 부품과 제조법은 단순한 규격표가 아니다
   1. 교체의 어려움: 같은 규격을 내세워도 회사마다 만든 부품의 실제 특성이 달라서 다른 회사 부품으로 쉽게 바꿀 수 없다.
   2. 제조 노하우 보호: 프랑스 원자로 기업이라면 프랑스·유럽 밖의 공급망 부품을 전부 파악하되, 제조 방식을 다른 나라에 수출하지 않고 대체 공급망을 설계해야 한다.
3. 원자로 사례의 복잡성
   1. 구성요소 분석: 원자로는 매우 복잡하므로 프랑스나 유럽에 속하지 않는 모든 공급망 구성요소를 확인해야 한다.
   2. 비용까지 포함: 다른 곳에서 부품을 사야 할 경우 공급망을 어떻게 재구축할지와 전체 비용이 얼마인지 함께 알아야 한다.
   3. 보편적 문제: 이 문제는 원자로 산업에만 국한되지 않고 세계 모든 기업이 겪는다.

2.3. 수동적 답변과 능동적 실행

1. 모델은 질문 뒤의 문제까지 다뤄야 한다
   1. 수동적 의미: 질문을 받았을 때 정답을 알고 공급망을 분석할 수 있어야 한다.
   2. 능동적 의미: 분석 결과에 따라 실제로 공급망을 재건하는 조치를 취할 수 있어야 한다.
2. 대화의 농담이 드러내는 한계
   1. 상황 비유: 누군가 싸움에 휘말려 “당신은 강한 사람”이라고 말하는 상황처럼, 단순한 말은 행동 가능한 해결책이 아니다.
   2. 실행 전환: “좋아, 공급망을 재건해야 해”라는 판단을 실제 설계·조달·운영으로 옮겨야 한다.

3. 애플리케이션 계층이 모델을 국가 역량으로 바꾼다

애플리케이션 계층이 없으면 모델의 답은 그럴듯한 추정에 머물며, 시간이 지날수록 정확도가 떨어진다.

3.1. 답변의 정확도와 가정을 검증하는 구조

1. 모델 답변은 확률적 추정이다
   1. 완전한 정확성의 부재: 애플리케이션 계층 없이 받은 답은 능동적 상태에서도 100% 정확하지 않다.
   2. 시간에 따른 성능 저하: 답은 추정치이며 데이터와 환경이 변하면 시간이 지나면서 낡는다.
2. 질문을 분해해야 한다
   1. 검증 문제: 답이 맞는지 확인하고 구성요소별로 분해할 수 있어야 한다.
   2. 전제 확인: 질문을 잘게 나누어 답변에 포함된 모든 가정을 확인해야 한다.
   3. 국가 지도자의 판단: 국가 지도자가 결정을 내릴 때는 이런 검증·분해 기능을 가진 애플리케이션 계층이 필수다.

3.2. 데이터·모델·온톨로지의 통합

1. 애플리케이션 계층의 기능
   1. Palantir의 역할: Palantir가 애플리케이션 계층을 제공할 수 있지만, 한 회사만이 아니라 다른 사업자도 이 계층을 제공해야 한다.
   2. 기업의 경계: 공급망을 구축하는 방식과 핵심 노하우가 대형 연구소나 모델 회사로 이전되지 않도록 해야 한다. 그 노하우를 보유하는 것이 기업이 존재하는 이유다.
2. 데이터를 아는 사람을 배치해야 한다
   1. 포착할 데이터 결정: 어떤 데이터가 모델에 들어가야 하는지 이해하는 사람을 조직 안에 둬야 한다.
   2. 모델 학습 선택: 폐쇄형 모델을 사후 학습(post-training)하거나, 필요한 질문과 답변을 정확히 정해 개방형 모델을 학습시킬 수 있다.
   3. 폐쇄 환경: 학습과 운영은 폐쇄된 환경에서 수행해 데이터가 외부로 빠져나가지 않게 해야 한다.
3. 온톨로지로 통제한다
   1. 배치 구조: 애플리케이션 계층의 북쪽에 실제 업무 애플리케이션을 두고, 남쪽으로는 통합 계층을 둔다.
   2. 중간의 온톨로지: 애플리케이션과 통합 계층 사이에 온톨로지를 배치해 사용자가 모델을 학습시키고 통제한다.
   3. 제품 여부와 무관한 필요: Palantir 제품을 쓰든 쓰지 않든 모델을 작동시키고 안전하게 만들려면 이 구조가 필요하다.

3.3. 모델을 조합하는 아키텍처

1. 모델의 장단점을 아는 설계자
   1. 성능 비교: 모든 모델의 강점과 약점을 이해해야 한다.
   2. 법적 취약성: 특정 모델을 쓰면서 생길 수 있는 법적 위험도 기술 설계 단계에서 따져야 한다.
2. 데이터와 모델의 상호작용
   1. 독점 데이터: 기업의 독점 데이터가 현재 모델과 학습 가능한 모델 사이에서 어떻게 흐르는지 기술적으로 이해해야 한다.
   2. 교체 가능한 구조: 더 비싸거나 싼 모델, 더 안전하거나 덜 안전한 모델을 필요에 따라 끼울 수 있는 아키텍처를 만들어야 한다.
3. 위험도에 따른 모델 배치
   1. 광고 캠페인: 미국 모델을 신뢰하지 않더라도 최대 시장인 아르헨티나의 광고 캠페인에 그 모델이 돌아가는 것은 감수할 수 있다.
   2. 원자로 운영: 원자로를 실제로 작동시키는 방식에는 같은 모델을 쓸 수 없다. 이 영역은 모델의 안전성과 통제 가능성이 훨씬 중요하다.

4. 규제와 주권: 기술적 무지가 만드는 데이터 유출

규제의 목표가 주권이어도 기술 구조를 모르면 규제가 오히려 핵심 데이터와 알파를 외부 모델 제공업체에 넘길 수 있다.

4.1. 규제기관에 기술 전문가가 필요한 이유

1. 현재의 잘못된 적용
   1. 의도하지 않은 유출: 대규모 언어 모델을 배포하는 회사가 모델 제공업체에 자사의 알파와 비밀을 의도하지 않게 반출할 수 있다.
   2. 목표의 정반대: 데이터와 모델을 자국 통제 아래 두려는 목표와 정반대의 결과다.
2. 강한 비판
   1. 반주권: 이를 주권이라고 부를 수 없으며, 오히려 반주권적 행위다.
   2. 책임: 그런 방식이 효과적이라고 말하는 사람은 국가에 피해를 주므로 해임되어야 한다.
   3. 원인: 규제를 담당하는 사람들이 기술적 내용을 실제로 이해하지 못하기 때문에 문제가 발생한다.

4.2. AI 감시자와 이해상충

1. 누가 개발을 감시할 것인가
   1. 어려운 감독: AI 개발을 감시하려면 전문가가 필요하지만, 그 전문가를 어떻게 신뢰할지는 별도의 난제다.
   2. 고용관계 확인: 전문가가 어느 회사의 급여를 받는지 묻는 것이 간단한 출발점이다.
2. 대표성과 독립성
   1. 기업 대표 전문가: 많은 전문가는 실제로 특정 기업을 대표한다.
   2. Palantir의 위치: 카프 역시 Palantir를 대표하지만, 특정 제품을 구매하는 회사를 대신해 말하는 것은 아니라고 선을 그었다.
   3. 모든 국가의 문제: 기술 난도가 높아 이 문제는 특정 국가만의 문제가 아니다.

4.3. 핵에너지·전쟁의 역사와 정치적 관점

1. 돈만으로 설명되지 않는 기술 개발
   1. 핵에너지와 전쟁: 핵에너지 개발과 전쟁을 일으킨 사람들은 돈을 벌기 위해서만 움직이지 않았다.
   2. 현재의 난제: 오늘날에는 기술의 방향과 감독을 누가 어떤 동기로 정할지 다시 묻고 있다.
2. 카프의 정치적 자기 설명
   1. 자본주의: 자신이 상대보다 조금 더 좌파적일 수 있지만, 자본주의를 최선의 체제로 믿는다고 말했다. 다른 모든 체제가 더 나쁘기 때문이다.
   2. 독일 사회민주주의: 여전히 독일 사회민주주의자에 가깝고, 그 의미는 시스템이 실제로 작동해야 한다는 것이다.
   3. 이민: 통제된 이민이 아니라 현재의 이민 정책은 큰 실수였다고 보며, 헬무트 슈미트의 견해에 귀 기울일 수 있었다고 말했다. 슈미트를 거물(titan)로 평가했다.

5. 규제·데이터 보존·현지 모델의 선택

기술 혁명에서는 어느 규제가 자국에 좋은지 직감으로 판단할 수 없으며, IP와 알파가 실제로 어디서 수익화되는지 알아야 한다.

5.1. CDMA와 GSM이 주는 규제의 교훈

1. 기술과 규제의 엇갈린 평가
   1. 무선 기술 비교: 유럽에서 CDMA와 GSM이 경쟁했을 때, 많은 사람은 CDMA가 더 낫다고 생각했다.
   2. 유럽의 자기평가: 유럽인들은 유럽의 규제가 더 낫다고 생각했고, 결국 유럽 제품이 더 좋다고 널리 말하게 됐다.
2. AI에는 직관이 통하지 않는다
   1. 논쟁 가능성: 어느 무선 기술이 우수했는지는 토론할 수 있다.
   2. 돌파형 혁명: AI는 기술이 돌파구처럼 작동하는 매우 다른 혁명이어서 국가에 무엇이 좋은지 본능적으로 알기 어렵다.
   3. 필요한 분석: 지식재산권(IP)과 알파가 어디에서 어떻게 수익으로 전환되는지 깊이 이해해야 한다.

5.2. 현지 기업이라고 자동으로 안전하지 않다

1. 안전성의 오해
   1. 현지성의 한계: 현지인이 운영한다고 해서 데이터와 사업이 자동으로 안전해지는 것은 아니다.
   2. 통제의 기준: 기업의 국적보다 데이터가 누구의 통제 아래 남고, 모델의 학습·운영 경로를 누가 볼 수 있는지가 중요하다.
2. 핵심 교육 과제
   1. 데이터 통제: 모델 학습에 사용되는 데이터가 계속 자신의 통제 아래 있도록 설계해야 한다.
   2. 알파 보호: 기술·규제·조달 의사결정에서 독점 데이터와 알파를 외부 제공업체에 넘기지 않는 구조를 만들어야 한다.

5.3. 약한 모델도 전략적으로 선택할 수 있다

1. 애플리케이션 계층의 두 기능
   1. 가치와 특화: 애플리케이션 계층은 모델을 가치 있게 만들고, 학습을 돕고, 특정 상황에 맞게 특화한다.
   2. 선택과 통제: 성능이 약한 토착 모델도 선택하고 운영할 수 있게 한다.
2. 칠레 모델 사례
   1. 범용 성능의 열세: 칠레에서 만든 모델이 미국 모델보다 약하다고 가정해도 된다.
   2. 벡터별 우위: 특정 벡터에 특화된 칠레 모델은 일반화된 프론티어 모델보다 그 벡터에서 더 뛰어날 수 있다.
   3. 사용자 가치: 중요한 벡터가 무엇인지에 따라 낮은 전체 점수보다 해당 업무의 성능이 더 중요하다.

6. 국가 안보 모델의 매개변수와 국내 전문가

모델의 매개변수는 단순한 제품 설정이 아니라 각국의 안보 체계와 독자적 탐지 역량을 좌우하는 협상 대상이다.

6.1. 안보 체계에 맞춘 모델 협상

1. 모든 국가가 같은 문제를 가진다
   1. 미국 정부와의 공통점: 미국 정부처럼 모든 국가는 자신만의 보안 체계를 관리해야 한다.
   2. 항공 분야 예시: 항공 분야에 큰 영향력이 있는 국가라면 대규모 언어 모델 제공업체와 협력해 자국 보안 체계에 맞는 작업 매개변수와 범위를 협상해야 한다.
2. 국가별 보안 경계
   1. 서로 다른 기준: 국가마다 보안 체계가 다르므로 허용할 작업의 범위와 모델의 제한도 달라진다.
   2. 비공개 역량 보호: 프랑스 국내 안보처럼 특정 국가가 매우 효과적으로 수행하는 일이 있다면, 그 방법을 미국 프론티어 랩에 그대로 노출해서는 안 된다.
3. 독자적 탐지 방법의 보존
   1. 예상 밖의 포착법: 프랑스 안보 조직이 아무도 생각하지 못한 방식으로 사람을 포착하는 방법을 갖고 있을 수 있다.
   2. 악용의 위험: 그 방법을 모델 제공업체가 학습하거나 악용하면, 원래 조직은 더 이상 같은 방식으로 작동할 수 없다.

6.2. 유럽과 미국의 데이터 삭제 논쟁

1. 서로 다른 시민 자유의 직관
   1. 미국 쪽 논리: 미국의 시민 자유론자들은 정부가 데이터로 무엇을 했는지 확인하기 어려워지므로 데이터를 지우지 말아야 한다고 보는 경향이 있다.
   2. 유럽 쪽 논리: 유럽의 시민 자유 개념에는 데이터를 삭제하는 것이 핵심으로 들어가며, 삭제해야 개인이 국가에 영구히 노출되지 않는다.
2. 사생활과 공적 감시의 교환
   1. 카프의 기울기: 카프는 유럽 쪽에 조금 더 무게를 둔다. 누구나 사적인 불륜을 저지를 수 있고, 그 사실을 모든 사람이 알아야 할 필요는 없기 때문이다.
   2. 삭제의 대가: 데이터를 지우면 경찰이 실제로 무엇을 했는지 추적하기 어렵다.
   3. 보존의 대가: 데이터를 남기면 추적은 가능하지만, 인생의 어느 시점에나 있을 수 있는 정상적인 사생활을 지키기 어려워진다.
   4. 농담 섞인 완화: 방 안의 사람들은 예외라고 농담하면서, 자신도 사생활이 있었을지 모른다고 덧붙였다.

6.3. 산업계 거물을 본국으로 데려오기

1. 국내 인재의 귀환
   1. 각국의 거물: G20의 각 국가에는 산업계의 거물인 자국민이 적어도 한 명씩 있다.
   2. 정책 참여: 카프는 메르켈 총리와 참석자들에게 그들을 본국으로 데려와 국가를 위해 일하고 정책을 수립하게 해야 한다고 말했다.
2. 지금은 이유를 논쟁할 때가 아니다
   1. 전문가의 집중: 중국을 제외한 대부분의 기술 전문가는 이 자리에 모여 있고, 여러 이유로 이곳에 와 있다.
   2. 시간의 제약: 그들이 왜 이곳에 왔는지 논쟁할 시간이 없다. 중요한 사실은 AI를 실제로 만드는 거의 모든 사람이 이곳에 있다는 점이다.
3. 전문가에게 물어야 할 질문
   1. 규제: 자국 관점에서 규제는 어떤 모습이어야 하는가?
   2. 스택: 국가가 소유·임대·통제해야 할 스택은 어떤 형태인가?
   3. 조달: 어떤 모델과 소프트웨어를 쓰고, 어떤 칩을 사야 하는가?
   4. 기회비용: 최고의 스택을 사는 것이 불가능할 때 무엇이 문제이며, 준비하지 않을 비용은 얼마인가?

7. 의존성 관리, 지식, 그리고 돈의 사용처

국가 AI 전략의 핵심 자원은 예산 규모가 아니라 기술 선택을 질문할 수 있는 지식과 그 지식을 가진 사람이다.

7.1. Palantir 의존을 피할 Plan B

1. 해외 국가의 우려
   1. 완전 의존 거부: 해외 여러 국가는 Palantir 스택에 완전히 의존하고 싶지 않다고 말한다.
   2. 무거운 과제: 전장에서 Palantir가 가진 특정 역량이 있어 대체 경로를 만드는 일은 상당히 어렵다.
2. 대안 구축의 이유
   1. Plan B 지원: 카프는 그 국가들이 대안을 만들 수 있도록 돕고 있다.
   2. 상호 의존의 경계: 그 국가들이 Palantir에 의존하고 싶어 하지 않는 것은 당연하며, 카프도 이를 인정한다.
3. 유럽을 돕는 이유
   1. 경제적 이해와 분리: 자신이 유럽을 열렬히 지지하는 이유는 경제적 이익과 무관한 것들을 유럽에 공급하고 있기 때문이라고 말했다.
   2. 차 사고 농담: 자신이 차에 치인 뒤 다음 경영자가 “주유소에서 받는 만큼도 월급을 안 주는 거냐?”라고 말하면 어떻게 할 것인지 물으며, 리더 개인에게 의존하는 위험을 강조했다.

7.2. 기술 전문가와 비기술 전문가

1. 몇 시간 안의 깊은 분석
   1. 전문가의 속도: 조직 안의 기술 전문가는 이런 문제를 몇 시간 안에 매우 꼼꼼하게 파고들 수 있다.
   2. 실행 연결: 기술 전문가는 모델·데이터·칩·비용·보안의 상호작용을 실제 의사결정으로 연결한다.
2. 지출을 유도하는 이해상충
   1. 비전문가의 위치: 비기술 전문가는 국가에 돈을 쓰게 만들고 싶은 회사에서 일할 가능성이 매우 높다.
   2. 질문의 부재: 예산을 집행하기 전에 “내가 왜 이 일을 하고 있는가?”를 진짜로 묻는 사람이 필요하다.

7.3. 돈이 아니라 지식

1. 예산 자랑의 한계
   1. 국가의 반복되는 메시지: 카프가 아끼는 한 나라는 자신들이 얼마나 많은 돈을 쓸지 계속 자랑한다.
   2. 핵심 질문: 카프는 얼마를 쓸지보다 누가 그 돈을 가져갈지 알고 싶다고 말했다.
2. 국가를 위해 남는 인재
   1. 동기의 확인: 기술 분야의 지출과 투자를 맡은 사람은 “미국에서라면 더 많은 돈을 벌 수 있는데, 나는 왜 이 일을 하지?”라고 물을 수 있어야 한다.
   2. 애국심의 역할: 국가는 그 사람에게 자국이 위대하다는 사실을 상기시켜야 하며, 그 동기가 지식과 투자를 국내에 남긴다.

8. 컴퓨팅·데이터센터·전력 인프라

컴퓨팅에 접근하지 못하면 모델 선택과 데이터 통제가 모두 공허해지므로, 국가의 컴퓨팅 자원은 협상 불가능한 기반이다.

8.1. 데이터센터 접근권과 스택의 구성

1. 컴퓨팅은 비협상 자산이다
   1. 직접 건설 또는 임대: 데이터센터를 직접 짓든 다른 사업자를 위해 임대하든, 국가가 컴퓨팅 자원에 접근할 수 있어야 한다.
   2. 카프의 정정: Palantir가 플로리다 같은 곳에 데이터센터를 건설한다는 이야기를 들었지만, Palantir는 데이터센터를 건설하지 않는다고 분명히 밝혔다.
2. 국가 스택의 다섯 요소
   1. 컴퓨팅: 모델을 실제로 실행할 자원이며, 스택에서 가장 중요한 부분이다.
   2. 데이터 관리: 자국 데이터에 접근하고, 저장·이동·권한을 관리하는 능력이다.
   3. 모델 통제: 어떤 모델을 어디에 쓰고 어떤 출력을 허용할지 통제하는 능력이다.
   4. 모델 학습: 자국의 질문과 업무에 맞게 모델을 학습시키는 능력이다.
   5. 경쟁 능력: 경쟁사와 적대 세력에 맞서 성과를 내는 능력이다.
3. 다양한 국가별 해법
   1. 방법의 다양성: 각국은 컴퓨팅을 확보하는 서로 다른 방법을 찾게 된다.
   2. 주권적 설계: Jensen·Nvidia와 협력하면서 상업·정부 영역 모두에서 매우 주권적인 아키텍처로 컴퓨팅을 구축하는 비공개 작업도 진행 중이다.

8.2. 전력과 원자력

1. 컴퓨팅의 전제
   1. 전력 수요: 컴퓨팅을 위해서는 전기도 필요하며, AI 확산에는 막대한 전력이 든다.
   2. 프랑스의 선택: 프랑스가 원자력발전소를 짓고 원자력에 계속 집중하는 움직임이 현재의 컴퓨팅 경쟁을 떠받치는 동력으로 평가된다.
2. 정치가 아닌 기반 논의
   1. 비정치적 질문: 원자력 찬반의 정치적 진영 논리보다 “많은 전기를 어떻게 얻을 것인가”를 논의해야 한다.
   2. 현실적 출발점: 컴퓨팅과 전력을 함께 국가 AI 전략의 출발점으로 놓아야 한다.

9. 도입의 위험, 사회적 분배, 정치적 수용

AI는 모두에게 좋은 결과만 가져오지 않지만, 기술 발전에서 뒤처지는 위험은 이제 가장 큰 위험일 수 있다.

9.1. 부정적 외부효과와 뒤처질 위험

1. AI 혁명의 양면성
   1. 부정적 외부효과: 모든 기술 발전에는 부정적 외부효과가 따르므로 AI 혁명을 100% 좋은 일로 볼 수 없다.
   2. 거대한 위험: AI를 포함한 기술에는 커다란 위험이 있지만, 그 위험 때문에 멈추는 선택도 비용을 만든다.
2. 가장 큰 위험의 재정의
   1. 뒤처짐: 현재 가장 큰 위험은 다른 국가와 기술에 뒤처지는 것일 수 있다.
   2. 정치적 광기: 각국은 좌우 양쪽에서 정치적 광기를 겪고 있으며, 이 문제를 기술 도입과 분리해 다루기 어렵다.

9.2. 부의 격차와 국민 설득

1. 부의 정당성 문제
   1. 개인적 견해: 카프는 자신의 개인적 의견일 뿐 다른 사람을 대표하는 말은 아니라고 전제했다.
   2. 20배의 부: 미국의 큰 문제는 사람들이 한 사람이 자신들보다 20배 더 부유해지는 상황을 받아들이지 않는 데 있다고 말했다.
   3. 쓴맛: 그런 격차는 사람들의 입에 나쁜 뒷맛을 남기며, 학자 집안 출신인 자신도 어떻게 그렇게 많은 돈을 갖게 됐는지 모르겠다고 말했다.
2. 보호받는 사회의 차이
   1. 사회별 격차: 이 자리에 있는 일부 사회는 국가가 국민을 돌본다는 감각이 더 강해 부의 격차 문제를 덜 겪을 수 있다.
   2. 아랍 중동의 이점: 기술이 모든 사람에게 평등하게 적용되지 않는 상황에서, 질서에 대한 이해가 깊고 소속된 모든 국민을 돌보는 국가는 조직하기가 더 쉽다고 평가했다.
3. 참여를 만들어야 한다
   1. 설명의 필요: 이런 문제를 완전히 피할 수는 없으므로 국민을 설득하고 참여시키는 방법을 찾아야 한다.
   2. 메시지의 한계: 카프는 AI가 모두에게 좋을 것이라고 낙관적으로 포장하는 것이 자신의 메시지도, 자신이 그 메시지를 전할 적임자도 아니라고 말했다.

9.3. 종말론적 공포와 국가별 도입

1. 과장된 비관론
   1. 매일 반복된 종말 메시지: 미국의 한 회사가 매일 암울한 메시지를 퍼뜨렸고, 그 메시지가 사람들을 크게 겁먹게 만들었다.
   2. 진실과 과장의 결합: 공포가 힘을 얻은 이유는 일부 진실을 담고 있었기 때문이지만, 그 진실이 과장되어 거대한 정치적 문제를 만들었다.
   3. 카프의 입장: 종말론적 메시지는 믿지 않으며, 변화가 혼란을 일으킬 수 있다는 현실적 경고를 선호한다.
2. 서구와 아시아의 차이
   1. 서구: 비슷한 정치적 반응이 서구 전역에서 나타날 것으로 본다.
   2. 일본·한국·중국: 일본, 한국, 중국에서는 이런 현상이 훨씬 적을 것으로 보지만, 세 나라는 서로 매우 다른 구조를 갖고 있다.
   3. 도입과 생산의 분업: 이들 국가는 AI 도입에서 정치적 이점을 가질 수 있고, 미국은 AI 생산에서 압도적 이점을 갖는다.
3. 유럽의 불리함
   1. 보급의 과제: 정치적 광기 없이 AI를 보급하고 국민이 받아들이게 하는 일이 중요하다.
   2. 유럽의 위치: 과도한 개입을 하지 않는다는 조건을 붙여도 유럽 국가는 AI 보급과 수용에서 매우 불리할 수 있다.

10. 낙관주의의 조건: 지금이 게임 시간이다

AI가 교육과 지식을 넓히고 지식을 민주화할 기회는 크지만, 낙관주의는 현실을 심각하게 받아들인 뒤에야 성립한다.

10.1. 교육·지식 민주화의 기회

1. 낙관론의 근거
   1. 시민 역량 확대: 각국은 시민에게 교육과 지식을 확장하고, 지식을 민주화하며, 세상을 바꾸는 능력을 줄 수 있다.
   2. 변화의 위험: 변화에는 언제나 위험이 따르므로 기회를 말할 때 위험도 함께 다뤄야 한다.
2. 현실을 직시하는 낙관주의
   1. 팀에 던질 말: 모두가 집에 돌아가 “현실을 직시하자. 우리는 아직 이 상황을 충분히 심각하게 받아들이지 않았다”라고 말한다면 낙관적일 수 있다.
   2. 전장과의 유사성: AI 경쟁은 전장과 비슷하며, 전장에서 준비가 부족했다는 사실을 뒤늦게 깨닫는 태도로는 부족하다.
   3. 농담의 역할: 심각하게 받아들이지 않을 이유가 많았고 그중 일부는 농담이었지만, 이제는 농담과 현실을 구분해야 한다.

10.2. 미국식 마케팅을 벗어난 국제적 책임

1. 미국이 항상 최고라는 믿음에 대한 경계
   1. 해외 경험: 인생의 상당 부분을 해외에서 산 카프는 사람들이 미국식 마케팅을 실제 역량과 혼동한다고 말했다.
   2. 과장된 우월감: 미국이 이 분야에서 최고라고 생각하게 만드는 홍보가 사실과 다를 수 있다.
2. 중요 국가들의 결단
   1. 역사·문화의 주체: 참석자들은 세계적으로 중요한 국가, 역사와 현재, 문화와 역사를 형성하는 국가를 대표한다.
   2. 게임 시간: 이제 “우리가 얼마나 진지한가”를 묻고 실제로 게임을 시작해야 한다.

10.3. 기밀 데이터와 전장의 검증

1. 기밀 데이터 접근
   1. 국가 자산: 각국은 모든 기밀 데이터에 접근할 수 있어야 한다.
   2. CLA 표기: 자막에 표기된 CLA와 각국의 최고 등급 기밀 데이터에 접근해 무엇이 효과가 있었고 무엇이 실패했는지 확인해야 한다.
2. 전장의 시험대
   1. 역사적 기준: 기술의 역사적 시험대는 전장에서 실제로 작동했는지 여부였다.
   2. 성공 설계: 전장에서의 성공·실패를 바탕으로 “우리는 이것을 성공시킨다”는 목표를 세워야 한다.
3. 국내 애국자와 솔직한 대화
   1. 인재 찾기: 각국에서 진정한 애국자를 찾아 목표를 실행하게 해야 한다.
   2. 미국의 교육: 미국에서도 무엇이 작동하고 무엇이 작동하지 않는지 국민에게 교육하는 더 솔직한 대화가 필요하다.

주요 발언 모음

“결국에는 당신 스스로 해결해야 할 것입니다.”

“비프론티어 오픈 모델도 특정 사용 사례에서는 프론티어처럼 만들 수 있습니다.”

“애플리케이션 계층 없이 얻는 답은 100% 정확하지 않습니다. 그것은 답에 대한 추정치이며 시간이 지나면 성능이 떨어집니다.”

“이것은 주권이 아닙니다. 반주권입니다.”

“현지인이 한다고 해서 안전하다는 뜻은 전혀 아닙니다.”

“여러분에게 필요한 것은 돈이 아니라 지식입니다.”

“누가 돈을 가져갈 것인지가 얼마를 쓸 것인지보다 중요합니다.”

“국가를 위한 컴퓨팅 접근권은 협상할 수 없는 것입니다.”

“AI 혁명이 100% 좋은 것은 아니지만, 뒤처지는 것이 아마 가장 큰 위험일 것입니다.”

“모두가 집에 돌아가 ‘현실을 직시하자. 우리는 아직 이 일을 충분히 심각하게 받아들이지 않았다’고 말한다면 저는 낙관적입니다.”

핵심 데이터 & 수치

• 19분 28초: 제공된 한국어 자동 자막의 마지막 타임스탬프 기준 발언 길이다.
• 857개: 한국어 VTT에서 정리한 자막 큐 수다. 반복 큐를 제거하고 문맥을 연결했다.
• 20배: 카프가 미국 사회의 부의 격차 문제를 설명하며 언급한 자신의 상대적 부유함이다.
• 1개 이상의 국내 산업계 거물: 각국은 자국에 있는 산업계 거물을 최소 한 명씩 본국으로 데려와 AI 정책에 참여시켜야 한다는 제안이다.
• 5개 스택 요소: 컴퓨팅, 데이터 관리, 모델 통제, 모델 학습, 경쟁사·적대 세력과 경쟁하는 능력이다.
• 3가지 모델 선택 축: 더 비싸거나 싼 모델, 더 안전하거나 덜 안전한 모델, 범용 프론티어 모델과 특정 벡터에 특화된 오픈 모델을 업무 위험도에 따라 조합한다.
• 2가지 핵심 데이터 보존 원칙: 모델 학습 데이터와 기업의 알파·독점 데이터를 외부 제공업체에 넘기지 않고 통제 아래 유지한다.

결론 및 시사점

1. 국가 AI 전략은 “얼마를 투자할까”보다 “어떤 데이터를 어떤 모델로 어떤 인프라에서 통제할까”를 먼저 결정해야 한다.
2. 컴퓨팅과 전력은 AI 주권의 물리적 기반이며, 데이터센터 접근권은 건설 여부와 무관하게 협상 불가능한 국가 역량이다.
3. 프론티어 모델의 브랜드나 전체 점수보다 국가·산업의 특정 벡터에서 어떤 모델이 실제로 잘 작동하는지가 중요하다.
4. 애플리케이션 계층과 온톨로지는 모델의 답을 검증하고 가정을 분해하며, 독점 데이터와 모델의 유출을 막고, 약한 토착 모델까지 전략적으로 활용하게 한다.
5. 규제기관은 모델 제공업체와 배포업체 사이의 데이터 흐름과 이해상충을 기술적으로 파악해야 하며, 기술을 모르는 규제는 반주권이 될 수 있다.
6. 국가가 신뢰할 전문가를 확보하려면 산업계 거물을 본국으로 데려오고, 그들에게 규제·스택·모델·소프트웨어·칩·기회비용을 함께 설계하게 해야 한다.
7. Palantir 같은 외부 사업자와 협력하더라도 완전 의존을 피할 Plan B를 준비해야 하며, 공급자는 고객의 자립을 돕는 구조를 받아들여야 한다.
8. AI의 부정적 외부효과와 부의 격차를 숨기지 말고, 국민이 기술의 이익과 위험을 이해한 뒤 참여할 수 있는 솔직한 대화를 만들어야 한다.
9. 미국의 강점은 AI 생산, 일본·한국·중국의 잠재적 강점은 정치적 도입일 수 있으며, 유럽은 보급과 수용의 정치적 조건을 해결해야 한다.
10. 낙관주의는 “모두에게 좋을 것”이라는 홍보가 아니라, 기밀 데이터와 전장 검증 결과를 바탕으로 지금까지 충분히 심각하게 대응하지 않았음을 인정하고 행동하는 데서 나온다.

핵심 요약 (20줄)

1. 국가는 AI 스택의 어느 부분을 미국 기업, 현지 기업, 자국 기업이 맡을지 스스로 결정해야 한다.

2. 중국을 제외한 대부분의 국가는 외부 기술과 국내 역량 사이의 주권적 경계를 새로 설계해야 한다.

3. 현지 기업과 전문가를 찾는 일은 어렵고, 금융 대가의 암묵지처럼 기술·산업 지식은 쉽게 복제되지 않는다.

4. AI 생태계는 컴퓨팅, 프론티어 모델, 비프론티어 모델, 특정 업무에 특화된 오픈 모델로 구성된다.

5. 특정 벡터에서는 약한 오픈 모델이 범용 프론티어 모델보다 더 나은 결과를 낼 수 있다.

6. 국가 공급망은 신뢰하지 못하는 국가에 대한 모든 의존성과 부품 대체 비용을 계산해야 한다.

7. 원자로처럼 복잡한 산업은 부품 규격만으로 대체가 불가능하므로 제조 노하우까지 보호해야 한다.

8. 애플리케이션 계층이 없으면 모델의 답은 검증되지 않은 추정치가 되고 시간이 지나며 낡는다.

9. 질문을 분해하고 모든 전제를 확인하는 애플리케이션 계층이 국가 지도자의 의사결정을 뒷받침한다.

10. 조직은 독점 데이터를 아는 사람을 두고 폐쇄 환경에서 폐쇄형 모델 또는 개방형 모델을 학습시켜야 한다.

11. 온톨로지는 애플리케이션과 통합 계층 사이에서 모델 학습과 통제를 연결한다.

12. 모델은 비용·성능·보안·법적 취약성에 따라 조합하고, 원자로 운영처럼 위험한 업무에는 더 엄격한 모델을 써야 한다.

13. 기술을 모르는 규제는 배포 기업이 모델 제공업체에 자사의 알파와 기밀을 유출하게 만들 수 있다.

14. 현지인이 운영한다고 자동으로 안전해지는 것은 아니며, 데이터와 학습 경로가 누구의 통제 아래 있는지가 기준이다.

15. 국가 안보 모델은 각국의 보안 매개변수와 독자적인 탐지 방법을 보존하도록 협상해야 한다.

16. 데이터 삭제는 개인 사생활을 지키지만 경찰의 행위를 추적하기 어렵게 하고, 보존은 그 반대의 교환을 만든다.

17. 각국은 산업계 거물을 본국으로 데려와 규제·스택·모델·소프트웨어·칩·비용을 설계하게 해야 한다.

18. 데이터센터 접근권, 자국 데이터, 컴퓨팅, 전력은 국가 AI 주권의 협상 불가능한 기반이다.

19. AI의 위험과 부의 격차를 숨길 수 없지만, 기술 경쟁에서 뒤처지는 위험은 더 클 수 있다.

20. 진정한 낙관주의는 모든 국가가 현실을 직시하고 기밀 데이터와 전장 경험으로 AI 전략을 즉시 실행하는 데서 나온다.