ITAR AI 국방 기술, 수출 통제를 소프트웨어 스택으로 옮기다

ITAR AI 국방 기술은 모든 군사 알고리즘을 포괄하는 단일 전용 규정이 없는 상황에서도 새로운 규정 준수 국면에 들어섰다. 이제 그 압박은 표적화 코드, 모델 아티팩트, 클라우드 시스템, 엔지니어링 논의까지 미친다. 국방 스타트업은 드론, 센서, 무기를 해외로 선적하지 않아도 수출 위험을 만들 수 있다.

이는 Friling Law가 2026년 4월 발표한 법률 분석의 핵심 경고다. 이 분석은 기존 국제무기거래규정(ITAR)을 자율 시스템, 표적화 엔진, 전 세계에 분산된 AI 개발에 적용한다. 가장 중요한 지점은 하드웨어가 아니라 아키텍처다. 통제 대상 군사 역량이 외국인에게 접근 가능해지는 곳이라면 어디서든 수출 노출이 시작될 수 있다.

이는 현대 AI 개발과 전통적인 수출 통제 경계 사이에 직접적인 충돌을 만든다. 개발자는 공유 리포지터리, 클라우드 인프라, 원격 디버깅, 국제 팀을 통해 모델을 구축한다. 반면 ITAR는 통제 대상 방산 물품, 관련 기술 데이터, 방산 서비스, 승인된 수령인 및 승인된 목적지를 기준으로 적용된다.

수출 판단은 물리적 하드웨어를 넘어섰다

실질적인 변화는 AI 기반 방산 시스템이 군사 기능을 수행하게 하는 디지털 자료까지 수출 분류의 범위에 포함된다는 점이다.

Friling Law 분석은 새로운 법률이나 최종 기관 규정을 발표한 것이 아니다. 대신 기존 ITAR 개념이 새로운 개발 스택에 어떻게 적용되는지를 짚는다. 기업이 이 글 자체를 규제 권한의 확대로 받아들여서는 안 된다는 점에서 이 구분은 중요하다.

ITAR는 무기수출통제법을 이행하며, 관할 범위 내 방산 물품, 기술 데이터, 방산 서비스를 규율한다. 국무부 산하 방위무역통제국(DDTC)이 이 체계를 관리한다. 미국 군수품 목록(USML)은 적용 대상인 방산 물품 범주와 관련 기술 데이터를 식별한다.

AI 모델이 군 고객에게 판매된다는 이유만으로 ITAR 통제 대상이 되는 것은 아니다. 법적 지위는 통제 대상 품목, 기능, 기술적 내용, 설계 이력, 통합 방식, 수령인 및 의도된 활동에 따라 결정된다. 따라서 상업용 유지보수 모델과 무기 유도 모델은 서로 다르게 취급될 수 있다.

더 어려운 사례는 이 두 예시 사이에 있다. 컴퓨터 비전 시스템은 농업, 국경 감시 또는 전투 정찰을 위해 물체를 식별할 수 있다. 예측 소프트웨어는 상업적 수리를 계획하거나 무기 플랫폼의 준비 상태를 추정할 수 있다. “AI”라는 명칭만으로는 어느 쪽의 분류도 해결되지 않는다.

기능과 기술적 연관성이 더 큰 비중을 차지한다. 소프트웨어가 USML 통제 대상 품목을 위해 특별히 설계됐다면, 관련 소스 코드와 엔지니어링 정보는 면밀한 검토가 필요하다. 익숙한 모델이라도 표적 식별, 무기 유도, 사격 통제 또는 전자전에 통합되면 마찬가지다.

이 검토는 완전한 방산 물품과 관련 기술 데이터를 구분해야 한다. 또한 ITAR 통제 자료와 수출관리규정(EAR)이 적용되는 이중용도 품목도 분리해야 한다. 상무부 산하 산업안보국(BIS)은 EAR를 관리한다.

이 구분은 중대한 결과를 낳는다. ITAR와 EAR는 서로 다른 통제 목록, 정의, 승인 체계, 면제 및 허가 정책을 사용한다. 또한 출판, 접근, 암호화, 최종 사용자 및 군사적 활용을 다르게 다룰 수 있다.

국방부 계약이 관할권을 자동으로 결정하지는 않는다. 상업적 기원, 오픈소스 구성 요소, 계약업체 내부의 제품 명칭도 마찬가지다. 각각은 분석에 참고가 될 수 있지만 이를 대체하지는 못한다.

규정을 검토한 뒤에도 기업이 확신하지 못할 경우 DDTC는 품목 관할권 절차를 제공한다. 해당 기관의 관할권 지침은 요청을 통해 물품이나 서비스가 USML에 해당하는지 판단할 수 있다고 설명한다. 단지 그러한 판단을 요청하기 위해 등록할 필요는 없다.

따라서 당면한 사건은 새로운 포괄적 통제가 아니라 해석상 경고다. AI 방산 개발자는 협업으로 인해 해당 역량과 이를 뒷받침하는 아티팩트가 전 세계에서 접근 가능해지기 전에 분류해야 한다. 납품 시점까지 기다리면 초기 설계 작업이 규정 준수 검토에서 빠질 수 있다.

이러한 시점의 변화는 수출 규정 준수의 내부 책임자를 바꾼다. 법무팀과 선적팀만으로는 이 문제를 관리할 수 없다. 모델 엔지니어, 클라우드 관리자, 보안팀, 프로그램 관리자, 채용 담당자 모두가 통제 정보를 받는 사람에게 영향을 줄 수 있다.

관련 인벤토리도 달라진다. 전통적인 수출 검토는 조립품, 도면, 목적지 국가에 집중할 수 있다. AI 중심 검토에서는 리포지터리, 데이터세트, 모델 체크포인트, 평가 결과, 프롬프트, 시뮬레이션 환경, 접근 로그도 매핑해야 한다.

소프트웨어 스택은 수출 노출 영역의 일부가 됐다. 이것이 이 글이 지적하는 실질적 긴장을 만드는 변화다.

ITAR AI 국방 기술이 기능에 좌우되는 이유

ITAR AI 국방 기술은 시스템이 무엇을 수행하는지, 무엇을 지원하는지, 그리고 어떤 기술 정보가 그 역량을 드러내는지에 달려 있다.

USML에는 “군사 AI”라는 하나의 보편적 범주가 존재하지 않는다. 대신 자율 및 알고리즘 기반 역량은 여러 범주와 교차할 수 있다. 관련 범주는 해당 플랫폼, 센서, 무기, 우주선, 전자 장비 또는 관련 군사 기능에 따라 달라진다.

자율 항공기 구성 요소는 항공기 관련 통제에 관한 문제를 제기할 수 있다. 표적화 센서는 사격 통제 또는 군용 전자장비 조항에 해당할 수 있다. 배회형 탄약은 특성에 따라 미사일, 폭발물, 항공기, 센서 또는 유도 통제와 연관될 수 있다.

이 구조는 제품 아키텍처를 법적으로 중요하게 만든다. 범용 인식 모델은 한 배포 환경에서는 통제 대상 플랫폼과 분리된 상태로 남을 수 있다. 같은 기반 접근법도 다른 환경에서는 무기 체계에 깊이 통합될 수 있다.

표적화 알고리즘은 특히 직접적인 연결고리를 제시한다. 이들 시스템은 여러 센서의 정보를 융합하고, 탐지된 물체를 분류하며, 가능한 표적의 우선순위를 정하거나 교전 옵션을 추천할 수 있다. 일부는 경로, 시간, 무기 선택 또는 기타 작전 매개변수를 최적화한다.

단일 역량만으로 분류 문제에 자동으로 답할 수는 없다. 그러나 표적 탐지, 추적, 식별, 사격 통제, 무기 운용과의 근접성은 USML 분석 필요성을 높인다. 통합 방식은 모델의 원래 학습 목적만큼 중요할 수 있다.

자율 시스템도 비슷한 문제를 만든다. “자율성”은 인간 개입을 줄인 상태에서 시스템이 기능을 수행하는 능력을 뜻한다. 그 자체로 수출 분류를 식별하지는 않는다.

통제상 중요성은 항법, 센서 융합, 협업 행동, 위협 대응, 임무 계획 또는 무기 발사에 존재할 수 있다. 또한 그러한 기능을 목록상 방산 물품에 통합하는 데 필요한 기술 데이터에 존재할 수도 있다.

이 때문에 “AI 모델 수출”에 관한 광범위한 주장은 오해를 부를 수 있다. 모델 가중치만으로는 방산 플랫폼에 관해 거의 드러나는 정보가 없을 수 있다. 그러나 다른 시스템에서는 해당 가중치가 민감한 임무 조건이나 통제 대상 시스템 출력에 맞춰 학습된 행동을 담고 있을 수 있다.

학습 데이터도 동일하게 내용 기반 분석이 필요하다. 일반 공개 이미지는 방산 계약업체가 사용한다는 이유만으로 통제 대상이 되지 않는다. 통제 대상 성능 사양, 운용 임계값 또는 상세한 임무 시스템 출력을 담은 데이터세트는 다른 문제를 제기한다.

합성 데이터가 자동으로 무해한 것은 아니다. 시뮬레이션은 현장 수집 기록을 전혀 포함하지 않더라도 민감한 특성을 재현할 수 있다. 핵심 우려는 파일이 물리적 시험에서 비롯됐는지가 아니라 그 파일이 나타내는 정보다.

평가 아티팩트도 중요할 수 있다. 벤치마크 보고서는 탐지 한계, 교전 행동, 실패 모드, 대응책 민감도 또는 플랫폼 성능을 공개할 수 있다. 이러한 결과는 모델 아키텍처 자체보다 더 많은 작전상 가치를 드러낼 수 있다.

소스 코드는 또 다른 층위를 더한다. 코드는 제어 로직, 통합 방법, 센서 처리 또는 무기 관련 행동을 표현할 수 있다. 다만 기업은 방산 프로젝트와 연관된 모든 소프트웨어 파일이 동일한 취급을 받는다고 가정해서는 안 된다.

적용되는 ITAR 조항은 정의와 USML을 면밀히 읽을 것을 요구한다. 공개 정보, 일반 과학 원리, 기본 마케팅 정보 및 특정 기타 자료에 대한 제외 규정은 구체적이다. 비공식적인 유추를 통해 이를 확대 해석해서는 안 된다.

오픈소스 상태는 특히 주의해야 한다. 다른 법적 체계에서 공개적으로 이용 가능하다는 사실이 ITAR 제외를 자동으로 입증하지는 않는다. 기업 역시 잠재적으로 통제 대상인 데이터를 먼저 공개하고 나중에 관할권을 분석하는 방식은 안전하지 않다.

마찬가지로 상업적으로 이용 가능한 기반 모델을 사용한다고 해서 완성된 시스템이 면책되는 것은 아니다. 파인튜닝, 검색, 인터페이스, 임무 데이터, 센서 연결 또는 내장형 제어 로직은 군사 특화 기능을 만들 수 있다. 그 결과물은 별도의 검토가 필요하다.

따라서 기업에는 구성 요소 수준의 분류가 필요하다. 기반 모델, 맞춤형 가중치, 임무 소프트웨어, 플랫폼 인터페이스, 학습 코퍼스 및 시험 기록은 하나의 법적 지위를 공유하지 않을 수 있다. 전체 프로젝트를 구분되지 않은 하나의 “AI 제품”으로 취급하면 이러한 차이가 가려진다.

이는 첫 번째 주요 운영상 압박 지점이다. 엔지니어는 자연스럽게 서비스, 모델, 리포지터리 및 배포 환경을 중심으로 업무를 조직한다. 수출 통제는 관할권, 기술적 내용, 사람, 목적지, 최종 용도 및 승인을 중심으로 위험을 조직한다.

실행 가능한 프로그램은 이 두 체계 사이를 매핑해야 한다. 그렇지 않으면 실제 공개가 발생하는 접근 통제 계층까지 법적 분류가 도달하지 못한다.

클라우드 개발은 접근을 수출 통제 사건으로 만든다

주된 상대는 특정 규제기관이나 경쟁업체가 아니다. 국경 없는 AI 개발과 수령인별 수출 승인 간의 충돌이다.

현대 소프트웨어 팀은 빠른 접근을 위해 최적화된다. 엔지니어는 리포지터리를 복제하고, 클라우드 노트북을 열며, 텔레메트리를 검사하고, 화상 회의에 참여하고, 워크로드를 지역 간에 이동한다. 통제 대상 기술 데이터가 워크플로에 들어오면 이러한 일상적 행동은 법적으로 중요해질 수 있다.

ITAR에 따라 수출은 통제 대상 기술 데이터를 외국인에게 공개하는 행위를 포함할 수 있다. 물리적 위치가 중요할 수는 있지만, 수령인에 관한 문제를 없애지는 않는다. 미국 내에서 이뤄지는 공개도 수령인이 외국인일 경우 분석이 필요할 수 있다.

“외국인”이라는 용어는 직장 관행이 아니라 규정으로 정의된다. 시민권, 영주권, 보호 대상 지위, 법인 국적 및 기타 사실이 판단에 영향을 줄 수 있다. 고용주는 비자 명칭만으로 이러한 분석을 임의로 해서는 안 된다.

리포지토리 권한은 분명한 사례를 보여준다. 외국인 엔지니어가 전체 패키지를 다운로드하거나 해외로 어떤 자료도 전송하지 않을 수 있다. 그러나 통제 대상 소스 코드나 문서를 열람하는 행위만으로도, 접근 권한이 부여되지 않았다면 릴리스 관련 문제가 발생할 수 있다.

문제 해결 과정에서도 같은 이슈가 나타난다. 화면 공유는 아키텍처 다이어그램, 소스 코드, 테스트 결과 또는 시스템 파라미터를 노출할 수 있다. 파일이 오가지 않더라도 구두 설명은 기술 지원을 제공하는 행위가 될 수 있다.

이러한 구분은 방위 서비스로 이어진다. ITAR는 방위 물자의 설계, 개발, 엔지니어링, 제조, 생산, 조립, 시험, 수리, 유지보수, 개조, 운용, 비무장화, 파괴, 처리 또는 사용과 관련된 지원을 규제할 수 있다.

따라서 국제 협업은 두 가지 별개의 질문을 낳을 수 있다. 첫째는 통제 대상 기술 데이터가 수출되었는지다. 둘째는 미국인이 외국인에게 규제 대상 방위 서비스를 제공했는지다.

모델 학습은 두 질문을 모두 증폭시킨다. 한 팀은 임무 사례를 제공하고, 다른 팀은 알고리즘을 조정하며, 세 번째 팀은 결과물을 플랫폼에 통합할 수 있다. 이들의 작업은 전통적인 제품 선적 없이도 조직과 국경을 넘나들 수 있다.

클라우드 플랫폼은 가시성을 더욱 복잡하게 만든다. 저장 위치는 관련 요소 중 하나일 뿐이다. 관리자, 지원 인력, 계약업체, 백업 시스템, 복제 지역 및 외부 도구는 추가적인 접근 경로를 만들 수 있다.

기업은 국내 클라우드 리전을 선택하면서도 외국인 관리자가 환경을 관리하도록 허용할 수 있다. 프로덕션 환경은 제한하면서 테스트 데이터는 열어둘 수 있다. 하나의 리포지토리는 승인하면서도 같은 자료를 제한 없는 티켓 관리 시스템에 복사할 수 있다.

생성형 AI 어시스턴트는 또 다른 경로를 만든다. 개발자는 코드, 성능 로그, 시스템 설명 또는 통제 대상 문서를 외부 서비스에 붙여 넣을 수 있다. 이 전송은 데이터, 수신자, 서비스 아키텍처, 계약 조건 및 적용되는 승인에 근거해 검토되어야 한다.

암호화는 노출을 줄일 수 있으며 특정 규제 메커니즘을 뒷받침할 수 있다. 그러나 모든 수출 관련 문제를 자동으로 해결하지는 않는다. 기업은 누가 정보를 복호화할 수 있는지, 키가 어디에 있는지, 어떤 규칙이 적용되는지를 알아야 한다.

따라서 접근 통제는 아티팩트 수준에서 작동해야 한다. 국적 제한이 있는 프로젝트 폴더는 시작점일 뿐, 완전한 프로그램은 아니다. 통제는 사본, 파생 데이터세트, 체크포인트, 평가 보고서, 티켓 및 회의 자료까지 따라가야 한다.

ID 시스템에는 신뢰할 수 있는 개인 속성과 승인 기록이 필요하다. 클라우드 정책은 승인된 위치와 사용자만 적용되도록 강제해야 한다. 개발 도구에는 누가 어떤 통제 대상 자료에 접근했는지 재구성할 수 있는 로깅이 필요하다.

컴플라이언스 팀에는 또한 에스컬레이션 경로가 필요하다. 엔지니어는 새로운 외국 협업자, 배포 리전, 하도급업체 또는 데이터세트가 기존 가정을 변경하는 시점을 알아야 한다. 조용한 아키텍처 드리프트는 이전 검토를 무효화할 수 있다.

이는 빠르게 성장하는 방산 스타트업에 마찰을 초래한다. 글로벌 채용은 인재 풀을 넓히지만, 구획화된 프로젝트는 인력 운용의 유연성을 낮춘다. 공유 플랫폼은 개발 비용을 낮추지만, 제한된 권한은 협업을 더 신중하게 만든다.

이러한 마찰이 프로젝트를 진행할 수 없다는 증거는 아니다. ITAR에는 적격 활동을 위한 라이선스, 협정, 면제 및 기타 승인 경로가 포함되어 있다. 올바른 메커니즘은 품목, 서비스, 참여자, 목적지 및 프로그램에 따라 달라진다.

미국은 가까운 동맹국과의 특정 방산 거래 경로도 확대했다. 예를 들어, 현행 프레임워크에는 호주, 영국 및 미국의 승인된 사용자 간 적격 이전에 대한 면제가 포함된다. 적격성, 위치, 제외 기술, 기록 보존 및 기타 조건은 여전히 중요하다.

민첩한 기업은 승인을 시스템 설계의 일부로 다뤄야 한다. 그렇지 않으면 배포 후 핵심 워크플로가 기업이 합법적으로 제공할 수 없는 접근에 의존한다는 사실을 발견하게 된다.

ITAR와 EAR의 경계는 가장 어려운 분류 문제다

가장 중대한 실수는 군사적 관련성이 있으면 자동으로 ITAR가 적용된다고 가정하거나, 상업적 기원이라는 이유만으로 자동으로 EAR 처리를 받는다고 가정하는 것이다.

ITAR와 EAR는 관련되어 있지만 구별되는 수출통제 체계다. DDTC는 ITAR와 USML을 관리한다. BIS는 많은 이중용도 및 상대적으로 민감도가 낮은 군사 품목을 포함하는 EAR와 Commerce Control List를 관리한다.

범용 컴퓨팅 기술이 특수 군사 시스템에 자주 투입되기 때문에 이 경계는 AI에서 중요하다. 상용 칩, 클라우드 서비스, 컴퓨터 비전 모델 및 분석 도구는 민간 및 방위 분야 애플리케이션 모두를 지원할 수 있다.

최종 애플리케이션이 모든 구성 요소의 관할을 항상 결정하는 것은 아니다. 일부 품목은 관련 방위 물자나 기술 데이터가 ITAR의 적용을 받더라도 EAR의 적용 대상으로 남을 수 있다. 최종 용도 및 최종 사용자 제한은 여전히 EAR 품목에 라이선스 요건을 부과할 수 있다.

BIS는 ITAR와 별개인 AI 특화 통제도 마련했다. 이 조치는 고급 컴퓨팅 품목, 특정 AI 모델 가중치, 반도체 제조 기술 및 제한된 최종 용도 또는 최종 사용자를 다룬다.

예를 들어, BIS는 EAR 프레임워크 아래 특정 고급 폐쇄형 모델 가중치를 통제한다. 해당 규칙은 기술적 기준, 목적지 그룹, 라이선스 예외 및 보안 조건을 사용한다. 이러한 통제는 USML 방위 물자와 연결된 ITAR 분석과 혼동해서는 안 된다.

BIS AI policy는 고급 컴퓨팅 인프라가 어떻게 제한을 촉발할 수 있는지도 설명한다. 이 기관은 제한 국가 또는 당사자가 관련된 특정 군사정보 또는 대량살상무기 애플리케이션을 위한 학습을 강조한다.

이는 방산 AI 기업이 여러 중첩된 검토에 직면할 수 있음을 의미한다. 하나는 시스템 또는 관련 데이터가 USML에 등재되어 있는지에 관한 것이다. 또 다른 하나는 상용 또는 이중용도 구성 요소의 EAR 분류에 관한 것이다.

추가 검토는 제재 대상 당사자, 금지된 최종 용도, 제한된 군사정보 사용자, 미국인 지원 또는 목적지별 통제를 다룰 수 있다. 계약상 제한과 기밀 정보 규칙은 추가적인 층위를 더할 수 있다.

기업은 전체 플랫폼에 대해 단순한 “ITAR 준수” 라벨을 사용하지 말아야 한다. 준수 여부는 거래별이며 맥락에 따라 달라진다. 합법적인 국내 프로젝트도 수신자, 목적지, 기술 범위 또는 지원 방식이 바뀌면 새로운 승인이 필요할 수 있다.

Commodity Jurisdiction 요청은 국무부와 상무부 관할 사이의 불확실성을 해소할 수 있다. BIS에 제출하는 분류 요청은 EAR 분류를 결정하는 데 도움이 될 수 있다. 어느 절차도 제안된 거래에 대한 완전한 분석을 대체하지는 않는다.

분류 기록은 유용한 수준의 세부 정보로 시스템을 설명해야 한다. “AI 기반 자율성” 또는 “의사결정 지원” 같은 마케팅 설명은 대개 지나치게 광범위하다. 검토자는 플랫폼, 기능, 센서, 출력, 사용자, 통합 및 기술 아티팩트를 알아야 한다.

“특별히 설계됨” 분석에서는 설계 이력도 중요할 수 있다. 팀은 구성 요소가 왜 만들어졌는지, 어떤 요구사항이 이를 형성했는지, 열거된 방위 애플리케이션에 사용되는지를 보존해야 한다. 수년 후 이 이력을 재구성하는 일은 어렵다.

이는 제품 리더에게 전략적 트레이드오프를 만든다. 모듈형 상용 코어는 더 넓은 시장과 더 명확한 분리를 지원할 수 있다. 심층적인 군사 통합은 임무 가치를 제공할 수 있지만, 스택의 더 많은 부분을 민감한 기술 영역으로 끌어들일 수 있다.

모듈화는 법적 회피 수단이 아니다. 명목상 분리된 모듈이라도 그 설계와 기능이 적용 대상 방위 물자와 연결되어 있다면 여전히 통제 대상일 수 있다. 그럼에도 규율 있는 인터페이스는 분류와 접근 경계를 더 쉽게 설명할 수 있게 한다.

따라서 문서는 엔지니어링 자산이다. 이는 기업이 분류를 방어하고, 승인 범위를 설정하며, 협업자를 관리하고, 투자자 또는 인수 실사에 대응하도록 돕는다. 부실한 기록은 어려운 법적 질문을 증거 문제로 바꾼다.

이 경계는 국제 파트너십에도 영향을 미친다. 동맹국 고객은 하나의 EAR 통제 분석 구성 요소를 받을 수 있지만, 통합 지원에는 별도의 ITAR 승인이 필요할 수 있다. 단일 판매 계약 안에는 여러 규제 거래가 숨겨질 수 있다.

이 때문에 수출 검토는 기술 시연 전에 이루어져야 한다. 피치에는 기본적인 마케팅 정보를 넘어서는 아키텍처, 성능 또는 운영 세부 정보가 포함될 수 있다. 비밀유지계약 자체가 정부 승인을 제공하는 것은 아니다.

관할권 질문은 목적지 질문보다 앞서야 한다. 기업은 먼저 어떤 법적 체계가 해당 품목 또는 활동을 규율하는지 알아야 한다. 그 후에야 올바른 라이선스, 예외, 면제, 협정 또는 금지를 식별할 수 있다.

표적화 알고리즘은 컴플라이언스 라벨의 한계를 드러낸다

표적화 알고리즘은 그 기술적 세부사항, 운용 방식 및 인간적 결과를 일반적인 컴플라이언스 체크리스트로 분리할 수 없기 때문에 가장 날카로운 위험을 만든다.

원래의 법률 분석은 표적화 엔진을 고위험 영역으로 제시한다. 이러한 시스템은 센서 스트림을 결합하고, 객체의 우선순위를 매기며, 교전 선택을 권고하고, 타격 파라미터를 최적화할 수 있다. 각각의 기능은 소프트웨어를 무기 운용과 연결할 수 있다.

그러나 분류는 윤리적 승인이나 적법한 전장 사용과 동일하지 않다. 수출 승인은 수출통제 규칙에 따라 이전이 가능한지를 답한다. 이는 시스템이 모든 운용, 인도주의, 조달 또는 무기 검토 의무를 충족한다는 점을 입증하지는 않는다.

이 구분은 반대로도 적용된다. 책임 있는 사용 정책은 수출 라이선스를 제공하지 않는다. 인간 감독, 감사 로그 및 테스트는 관할권이나 승인을 해결하지 않고도 운용 위험을 줄일 수 있다.

국방부는 무기 시스템의 자율성에 관한 별도 정책을 유지한다. 이 정책은 적절한 수준의 인간 판단을 요구하고, 적용 대상 자율 역량에 대한 검토 요건을 정한다. 이러한 보호장치는 수출 분류만이 아니라 개발과 사용에 관한 것이다.

국무부의 military AI declaration도 책임 있는 원칙을 장려한다. 이는 군사 AI 애플리케이션 전반에서 법적 검토, 고위급 감독, 테스트, 교육, 보호장치 및 책임 있는 인간 개입을 요구한다.

이러한 정책은 중요한 불확실성을 드러낸다. 모델은 재학습, 환경 변화, 센서 성능 저하, 적대적 조작 또는 다른 시스템과의 통합 이후 다르게 동작할 수 있다. 통제 대상 기술 기준선 역시 소프트웨어 버전 전반에 걸쳐 변화할 수 있다.

지속적 학습은 특히 어려운 질문을 제기한다. 배포된 모델이 운영 데이터로 업데이트된다면, 개발자는 어떤 아티팩트가 학습 환경으로 돌아오는지 알아야 한다. 또한 누가 해당 아티팩트에 접근할 수 있는지, 그리고 그것이 무엇을 드러내는지 판단해야 한다.

모델 설명 가능성이 문제를 완전히 해결하지는 않는다. 시스템은 결함 있는 데이터에 의존하면서도 해석 가능한 신뢰도 점수를 생성할 수 있다. 인간은 형식적으로 개입한 상태를 유지하면서도, 의미 있게 검토하기에는 너무 많은 권고에 직면할 수 있다.

독립 연구자들은 AI 기반 표적화에서 자동화 편향, 데이터 품질, 민간인 보호 및 책임성에 대한 우려를 제기해 왔다. 이러한 우려가 ITAR 관할을 결정하는 것은 아니다. 그러나 조달, 배포, 평판 노출 및 파트너 신뢰에는 영향을 미친다.

회의적인 관점은 집행 예측에도 적용된다. 법률 기사는 클라우드 및 협업 워크플로 전반에서 집행 노출이 부상하고 있다고 경고한다. 이는 신뢰할 수 있는 위험 분석이지만, 모든 모델 가중치를 포괄하는 새로운 공개 DDTC 집행 원칙의 증거는 아니다.

공개 집행 사례는 시간이 지나며 우선순위를 분명히 할 수 있습니다. 그때까지 기업은 규제 문언, 기관 지침, 공식 결정, 합의, 민간 법률 해석을 구분해야 합니다. 각각의 권위는 다릅니다.

모델 가중치의 취급은 여전히 사실관계에 민감합니다. 일부 가중치는 통제 대상 군사적 특성을 반영하거나 규제 대상 시스템을 위해 개발된 성능을 구현할 수 있습니다. 다른 가중치는 USML 항목과 직접적 연관이 없는 범용 파라미터일 수 있습니다.

학습 데이터 역시 매우 다양합니다. 원시 공개 이미지, 주석이 달린 정보 데이터, 합성 시나리오, 플랫폼 텔레메트리는 실질적으로 다릅니다. 레이블만으로 관할권이 결정되지는 않지만, 데이터의 내용과 통제 대상 시스템과의 관계는 관할권 판단에 영향을 줄 수 있습니다.

외국인과의 협업에도 같은 주의가 적용됩니다. 모든 기술 논의가 방위 서비스는 아닙니다. 모든 회의가 통제 대상 기술 데이터를 이전하는 것도 아닙니다. 범위, 내용, 참여자 및 활동이 분석을 결정합니다.

과잉 분류에는 자체적인 비용이 따릅니다. 자격 있는 인력의 참여를 막고, 동맹국과의 협력을 지연시키며, 소프트웨어 재사용을 복잡하게 하고, 보안 자원을 실제로 민감한 정보에서 분산시킬 수 있습니다. 또한 내부 통제를 준수하기 어렵게 만들 수 있습니다.

과소 분류는 더 명백한 법적 위험을 수반합니다. 무단 수출, 방위 서비스, 재이전 또는 접근은 조사, 제재, 시정 합의, 거래 제한 위험 및 정부 사업 기회 상실로 이어질 수 있습니다. 중대한 경우 형사 책임도 발생할 수 있습니다.

올바른 목표는 최대한의 제한이 아니라 방어 가능한 분류입니다. 기업에는 문서화된 판단 근거, 기술적 의견, 법률 검토 및 실제 승인 경계를 반영하는 통제가 필요합니다. 일반적인 배너와 연례 교육만으로는 이를 대체할 수 없습니다.

이 접근법은 제품 거버넌스도 개선합니다. 팀이 데이터 출처, 모델 버전, 평가 방법, 인터페이스 및 사용자를 문서화하면 수출 검토와 안전성 검토 모두를 위한 더 나은 증거를 마련할 수 있습니다.

표적화 알고리즘은 왜 새로운 경계가 개발 프로세스 내부에 놓이는지를 보여줍니다. 핵심적인 법적 사건은 모델을 조정, 설명, 테스트 또는 통합하는 과정에서 발생할 수 있습니다. 완성된 시스템이 국경을 넘을 때까지 기다리지 않습니다.

방위 AI 기업이 다음으로 주시해야 할 사항

다음 단계는 광범위한 규칙을 반복 가능한 엔지니어링 통제로 전환하는 공식 기관 신호, 집행 사실관계 및 계약 요건에 의해 규정될 것입니다.

첫 번째 신호는 AI 개발 산출물과 관련된 DDTC 지침 또는 집행입니다. 공개 권고, 동의 합의, 품목 관할권 결정 공개 또는 규칙 제정은 기관이 모델 가중치, 합성 데이터 및 분산 개발을 어떻게 취급하는지 명확히 할 수 있습니다.

이러한 조치는 물리적 선적이 아닌 접근을 겨냥한다면 이 글의 핵심 판단을 강화할 것입니다. 반대로 DDTC가 범용 모델 또는 비민감 학습 산출물에 대해 명확한 제외 범위를 설정한다면 더 광범위한 해석은 약화될 것입니다.

기업은 모든 기관 조치의 실제 범위를 추적해야 합니다. 무기 플랫폼용 소스 코드와 관련된 사례가 모든 군사 인접 모델을 자동으로 지배하는 것은 아닙니다. 설계, 기술적 내용, 수령인 및 승인에 관한 사실관계는 계속해서 결정적일 것입니다.

두 번째 신호는 DDTC와 BIS 간의 추가 공조입니다. AI 제품은 흔히 EAR 통제 인프라와 별도의 ITAR 분석이 필요한 소프트웨어 또는 데이터를 결합합니다. 상이한 정의는 공백이나 중복된 컴플라이언스 업무를 만들 수 있습니다.

BIS는 이미 EAR를 통해 첨단 컴퓨팅과 특정 모델 가중치를 다루고 있습니다. DDTC는 방위 물품, 관련 기술 데이터 및 방위 서비스에 집중합니다. 더 많은 공동 지침은 이러한 경계를 넘는 시스템을 기업이 분류하는 데 도움이 될 것입니다.

Commerce Control List, USML 범주, 기술 데이터 정의 및 “specially designed” 조항의 변화를 주시해야 합니다. 또한 모델 학습, 클라우드 접근 및 미국인 지원에 영향을 미치는 목적지 규칙도 살펴봐야 합니다.

두 기관이 일치된 사례를 공개한다면 컴플라이언스 팀은 더 명확한 의사결정 트리를 구축할 수 있습니다. 접근 방식이 계속 별개로 발전한다면 기업은 두 체계 전반에 걸쳐 거래별 검토를 수행해야 할 것입니다.

세 번째 신호는 방위 고객이 계약에 포함하는 내용입니다. 정부 기관과 주계약업체는 새로운 공개 집행 사례가 나오기 전에 규제 우려를 즉각적인 기술 요건으로 전환할 수 있습니다.

클라우드 리전, 외국인 접근, 하도급업체, 생성형 AI 서비스, 소프트웨어 자재 명세서, 데이터세트 계보 및 사고 보고를 다루는 더 엄격한 조항을 살펴보십시오. 이러한 요건은 공급망 전반으로 빠르게 확산될 수 있습니다.

산출물 수준의 접근 통제를 요구하는 계약 의무는 컴플라이언스가 소프트웨어 스택 내부로 이동했다는 관점을 뒷받침할 것입니다. 기술적 세부 사항이 없는 광범위한 인증만으로는 운영상의 문제가 해결되지 않습니다.

방위 AI 기업은 이러한 신호를 수동적으로 기다려서는 안 됩니다. 프로젝트, 분류, 기술 산출물, 사용자, 클라우드 위치 및 해외 협업에 대한 최신 인벤토리를 구축할 수 있습니다. 그런 다음 각 접근 경로를 승인 또는 제한 조치와 연결할 수 있습니다.

팀은 검토 트리거도 정의해야 합니다. 새로운 국가, 하도급업체, 데이터세트, 외국인 채용, 모델 역량 또는 플랫폼 통합은 분석을 다시 시작해야 합니다. 통제 대상 기능을 변경하거나 새로운 기술 정보를 드러내는 경우 버전 변경도 면밀히 검토해야 합니다.

리포지토리 및 클라우드 정책은 법적 결론을 집행해야 합니다. 접근 그룹에는 지정된 책임자, 만료일, 로그 및 정기 검토가 필요합니다. 민감한 논의는 승인된 참여자가 있는 승인 시스템을 통해서만 이루어져야 합니다.

사고 대응에는 수출통제 에스컬레이션이 포함되어야 합니다. 잘못된 권한 설정, 외부 AI 업로드, 잘못 전달된 데이터세트 또는 무단 회의 공개에는 신속한 사실 보존이 필요합니다. 이후 법률 자문은 보고 의무와 시정 조치를 평가할 수 있습니다.

경영진은 통제가 실제로 작동하는지 측정해야 합니다. 유용한 지표에는 미해결 분류 요청, 오래된 권한, 검토되지 않은 외국 협업자, 통제되지 않은 사본 및 접근 권한을 철회하는 데 필요한 시간이 포함됩니다.

목표는 모든 엔지니어를 수출통제 변호사로 만드는 것이 아닙니다. 엔지니어가 이미 사용하는 도구 안에서 승인된 경계를 보이게 하는 것입니다. 명확한 레이블, 자동화된 정책 및 신속한 에스컬레이션은 지연과 우발적 공개를 모두 줄입니다.

ITAR AI 방위 기술은 이제 법률 문제인 동시에 시스템 설계 문제입니다. 적응하는 조직은 분류, 신원, 데이터 거버넌스, 클라우드 아키텍처 및 모델 수명주기 관리를 연결할 것입니다.

모든 방위 AI 팀의 최종 질문은 구체적입니다. 각 민감한 산출물에 누가 어떤 승인 하에 어떤 목적으로 접근했는지를 입증할 수 있는가? 답이 불분명하다면 다음 배포 마일스톤에는 그 증거 공백을 해소하는 일이 포함되어야 합니다.