Lowy Institute AI 스냅샷, 미국을 중국보다 앞선 것으로 평가하되 한계도 지적

Lowy Institute AI 스냅샷은 중국이 광물과 오픈 모델 배포에서 우위를 지니고 있음에도 미국을 중국보다 앞선 것으로 평가한다. 2026년 11월 8일 발표된 이 평가는 자원, 기술, AI 역량, 도입 전반에 걸친 14개 지표를 비교한다. 이 결과는 개발자 사이의 인기가 AI 시장 전체에서의 리더십을 자동으로 의미하지는 않는다는 익숙한 단순화를 반박한다.

연구자 Jack Sato와 Hunter Marston은 컴퓨팅과 소비자 유통에서의 미국 강점과 다른 영역에서의 중국 강점을 구분한다. 이들의 비교는 미국에 종합 우위를 부여하는 동시에, 개별 지표가 왜 매우 다른 헤드라인을 뒷받침할 수 있는지도 보여 준다. 어느 한 국가도 모든 자원, 유통 채널 또는 영향력의 원천을 통제하지는 못한다.

개발자와 기업 구매자에게 이 의미는 국가 순위를 넘어선다. AI 시스템을 선택한다는 것은 인프라, 소프트웨어 접근성, 운영 요건, 거버넌스와 관련된 의존성을 선택하는 일이기도 하다. 이 보고서는 그러한 의존성을 검토하기 위한 출발점을 제공한다. 모든 조직의 워크플로에 어떤 모델이 적합한지를 확정하는 것은 아니다.

Lowy Institute AI 스냅샷이 실제로 바꾸는 점

새 평가는 근본적인 경쟁 구도보다 비교의 틀을 더 크게 바꾼다.

Lowy의 AI 역량 비교는 보통 별도의 논쟁에서 등장하는 지표들을 한데 모은다. 이 프레임워크는 소재, 인프라, 모델 역량, 유통을 같은 체계 안에 배치한다. 각 수준의 측정 항목은 동일한 가중치를 받고, 지표 점수는 양국의 합산 총량을 기준으로 비교된다.

이 접근법은 기술적 역량을 이해하는 방식에 관한 주장을 제시한다. 한 국가의 위치는 성공적인 챗봇 출시만으로 전적으로 판단될 수 없다. 마찬가지로 산업 자원만으로는 그 소프트웨어가 더 많은 사용자에게 도달하거나 더 뛰어난 성능을 낸다는 사실을 입증할 수 없다.

이 구분은 국가 간 경쟁이 종종 고립된 발표들의 연속으로 축소되기 때문에 중요하다. 모델 출시는 성능 헤드라인을 낳는다. 칩 제한 조치는 안보 헤드라인을 낳는다. 다운로드 이정표는 도입 헤드라인을 낳는다. 그러면 독자는 각각의 사건을 하나의 종합적 승자를 입증하는 증거로 접하게 된다.

그러나 이러한 전개는 서로 다른 질문에 답한다. 이를 결합하려면 상대적 중요성에 관한 명시적 판단이 필요하다. Lowy는 그 프레임워크를 드러냄으로써 독자가 이를 말해지지 않은 가정으로 취급하지 않고 그 판단을 검토할 수 있게 한다.

따라서 종합 점수는 구조화된 해석으로 기능해야 한다. 기저 범주를 살피는 일을 대체해서는 안 된다. 소프트웨어를 선택하는 조직에는 산업 취약성을 평가하는 정부와 다른 가중치가 필요하다.

기밀 엔지니어링 문서용 보조 도구를 평가하는 팀을 생각해 보자. 소비자 인기는 그 시스템이 해당 팀의 요구사항을 충족하는지에 대해 제한적인 증거만 제공할 것이다. 배포 통제, 문서 처리, 답변 품질, 유지보수 의무가 더 직접적인 비중을 차지한다.

고객에게 보조 도구를 도입하는 기업은 또 다른 계산에 직면한다. 모델을 독립적으로 운영할 수 있는 능력보다 접근 용이성, 응답 신뢰성, 통합 지원, 연속성이 더 중요할 수 있다. 어느 결정도 국가 차원의 평가와 모순되지 않는다. 각각은 더 좁은 목표를 적용한다.

이 출판물은 후속 보도를 위한 유용한 기준선도 만든다. 미래의 리더십 주장은 실제로 영향을 미치는 차원에 따라 점검할 수 있다. 유통에서의 성과는 유통에 관한 논의를 갱신해야 한다. 그것이 제조 분야에서 동등한 진전을 보였다는 증거로 암묵적으로 바뀌어서는 안 된다.

이것이 Lowy Institute AI 스냅샷의 핵심 기여다. 상충하는 리더십 정의를 무시하기 어렵게 만든다. 이 평가는 전반적으로 미국에 우위를 부여하면서도, 특정 사용자와 산업에 중요한 중국의 강점이 존재할 여지를 남긴다.

독자는 이 결론의 두 측면을 모두 유지해야 한다. 종합 결론을 제거하면 보고서의 주장을 과소평가하게 된다. 불균등성을 제거하면 분석 프레임워크가 증거가 뒷받침할 수 없는 승전 선언으로 바뀐다.

미중 AI 경쟁은 서로 다른 유통 채널을 통해 전개된다

개발자의 관심을 얻는 일과 일상적 사용자에게 도달하는 일은 관련된 성취지만, 서로 다른 종류의 영향력을 측정한다.

Lowy는 비교 대상에서 중국 모델이 미국과 중국 모델 다운로드 합계의 78%를 차지했다고 보고한다. 미국 모델은 웹사이트 트래픽 합계의 90% 이상과 측정된 앱 사용량의 80% 이상을 끌어모았다. 이 수치는 전체 시장 점유율을 서로 바꿔 쓸 수 있는 추정치가 아니라 서로 구별되는 채널을 나타낸다.

오픈 웨이트 모델은 라이선스 조건에 따라 학습된 파라미터를 다운로드할 수 있도록 제공한다. 이러한 이용 가능성은 다른 조직이 모델을 운영하거나 조정할 수 있게 한다. 반면 호스팅형 보조 도구는 서비스 제공자가 관리하는 인프라를 통해 접근성을 제공한다.

이 차이는 모델 개발자와 최종 사용자 간의 관계를 바꾼다. 호스팅형 보조 도구를 사용하는 사람은 대개 알아볼 수 있는 제품을 접한다. 다운로드한 모델 가중치를 중심으로 구축된 애플리케이션을 사용하는 사람은 원래 개발자의 이름을 전혀 보지 못할 수도 있다.

따라서 중국 AI 도입은 중국 챗봇 웹사이트 방문 증가와 같은 속도로 늘지 않아도 확대될 수 있다. 반대도 성립한다. 미국 보조 도구에 대한 높은 트래픽이 미국의 다운로드 가능 모델이 독립적 배포를 지배한다는 사실을 입증하지는 않는다.

다만 다운로드는 신중하게 해석해야 한다. Hugging Face의 다운로드 집계 규칙은 통계가 지정된 파일에 대한 요청을 집계한다고 설명한다. 이는 고유 사용자, 활성 조직 또는 완료된 프로덕션 배포를 직접 집계하지 않는다. 집계 방식은 파일 형식과 라이브러리에 따라 달라지기도 한다.

이 한계가 다운로드 통계를 무의미하게 만드는 것은 아니다. 이는 모델 유통을 둘러싼 활동의 증거를 제공한다. 문제는 유통 이벤트가 추가 증거 없이 지속적인 운영 사용에 관한 주장으로 바뀔 때 발생한다.

다운로드한 모델은 평가, 실험, 조정 또는 배포된 서비스를 뒷받침할 수 있다. 이러한 활동은 서로 다른 상업적·전략적 의미를 가진다. 다운로드 수만으로는 이를 신뢰성 있게 구별할 수 없다.

웹사이트 트래픽에도 한계가 있다. 방문이 누군가 유용한 작업을 완료했거나, 정기적으로 재방문했거나, 유료 서비스를 선택했다는 사실을 입증하지는 않는다. 비교에 서로 다른 측정 시스템이나 접근 조건이 사용될 때 앱 활동도 비슷한 주의가 필요하다.

유용한 질문은 각 채널이 무엇을 가능하게 하는가다. 호스팅형 유통은 제공자에게 사용자와의 직접적 관계 및 제품 업데이트에 대한 통제력을 준다. 다운로드 가능 모델은 후속 운영자에게 배포 책임을 더 많이 부여하는 동시에 주변 애플리케이션을 구성할 수 있는 더 큰 범위를 제공한다.

어느 방식도 더 나은 결과를 보장하지는 않는다. 모델을 독립적으로 운영하면 유지보수와 보안 책임이 생긴다. 호스팅형 서비스에 의존하면 이용 가능성, 제품 동작, 접근 조건의 변화에 노출된다.

개발자에게 이 시사점은 실용적이다. 국가 차원의 도입 헤드라인이 기술적 선택을 결정해서는 안 된다. 핵심 비교는 특정 유통 방식이 시간이 지나도 애플리케이션의 요구사항을 뒷받침하는지에 관한 것이다.

정책 입안자에게는 시사점이 다르다. 영향력은 브랜드화된 소비자 제품을 통해 축적될 수도 있고, 다른 시스템에 내장된 기저 구성 요소를 통해 축적될 수도 있다. 유용한 평가는 두 경로 모두를 살피되, 그 활동 지표가 같은 집단을 설명한다고 가장해서는 안 된다.

미국의 컴퓨팅 우위도 여전히 물리적 투입 요소에 의존한다

AI 소프트웨어에서의 우위가 그 소프트웨어를 가능하게 하는 산업 시스템에 대한 의존성을 없애지는 않는다.

컴퓨팅은 AI 시스템을 학습시키고 실행하는 데 사용되는 처리 자원을 뜻한다. Lowy는 미국의 AI 데이터센터가 중국의 합산 컴퓨팅 역량보다 거의 40배 많은 컴퓨팅 역량을 보유한 것으로 추정한다. 또한 미국의 핵심 광물 목록에 포함된 30개 광물에서 중국이 생산을 주도하는 반면, 미국은 8개에서 주도한다고 분석한다.

핵심 광물 목록은 미국 경제와 국가 안보에 필수적인 것으로 여겨지는 60개 소재를 포괄한다. 그 목적은 경제 전반의 공급 취약성과 관련이 있다. 개별 소재가 AI에 갖는 중요도를 순위화한 것은 아니다.

이 구분은 또 다른 오해를 막는다. 목록에 포함된 더 많은 광물의 생산을 주도한다고 해서 완성된 AI 시스템에서 동등한 우위로 자동 전환되는 것은 아니다. 소재는 활용 가능한 컴퓨팅을 뒷받침하기 전에 제조, 장비, 인프라, 운영 과정을 거쳐야 한다.

하지만 반대의 단순화 역시 설득력이 약하다. 뛰어난 모델이 상류 단계의 의존성을 사라지게 하지는 않는다. 공급자는 가장 눈에 띄는 최종 제품을 생산하지 않더라도 중요한 위치를 차지할 수 있다.

이는 미중 AI 경쟁 안에서 지속적인 긴장을 만든다. 서로 다른 참여자가 동일한 산업 시스템의 서로 다른 단계에 영향을 미칠 수 있다. 애플리케이션 계층에서의 리더십이 다른 영역의 제약으로부터 자동적인 보호를 제공하지는 않는다.

전력은 또 다른 의존성을 더한다. 국제에너지기구의 AI 에너지 전망은 데이터센터 전력 소비량이 2025년 485테라와트시에서 2030년 950테라와트시로 늘어날 것으로 전망한다. 이 보고서는 에너지 장비와 기타 인프라의 병목 현상을 단기 확장의 제약 요인으로 지목한다.

테라와트시는 시간에 걸쳐 소비된 전력량을 측정한다. AI 모델의 품질이나 답변의 유용성을 측정하지는 않는다. 그럼에도 이 에너지 전망은 설치된 컴퓨팅 장비를 이를 공급하는 시스템과 분리해 평가할 수 없는 이유를 설명한다.

발표된 인프라와 운영 중인 인프라는 별도로 다뤄야 한다. 제안된 시설은 신뢰할 수 있는 서비스를 제공하는 데 필요한 물리적·상업적 조건을 여전히 갖춰야 한다. 모든 발표를 즉시 이용 가능한 용량으로 간주하면 이러한 조건이 가려진다.

기업 고객에게 이 산업 논의는 서비스 약속을 통해 중요해진다. 운영상의 질문은 워크로드가 증가하거나 제공자가 상품 구성을 바꿀 때에도 신뢰성 있게 접근할 수 있는지에 관한 것이다. 국가 차원의 용량 추정치는 개별 계약에 대한 이 질문에 답할 수 없다.

정부에게 이 질문은 연결된 의존성 전반의 회복력에 관한 것이다. 하나의 투입 요소를 늘리면 다른 제약이 드러날 수 있다. 주변 인프라가 이를 뒷받침하지 못한다면 장비를 더 늘려도 효과는 제한적이다. 공급자 기반을 다변화하려면 정책 문서에 적힌 이름이 아니라 실질적인 대안도 필요하다.

Lowy Institute AI 스냅샷은 의존성의 사슬을 따라가야 한다는 점을 상기시키는 도구로서 여기에서 가장 유용하다. 이 프레임워크의 범주는 서로 다른 강점의 원천을 식별한다. 독자는 이러한 강점이 실제 생산과 배포에서 어떻게 연결되는지에 관한 증거를 여전히 살펴야 한다.

따라서 경쟁 구도는 소프트웨어와 산업을 깔끔하게 분리하는 방식을 거부한다. 양측은 서로에게 의존하며, 한 영역의 개선이 다른 영역의 취약성을 해결하지 못한 채 남길 수 있다.

역량 우위가 곧 배포 우위를 보장하지는 않는다

가장 강력한 범용 모델이 모든 운영 업무에 가장 적합한 시스템이 되는 것은 아니다.

Anthropic의 AI 리더십 시나리오는 모델 지능, 국내 도입, 글로벌 유통, 사회적 회복력을 구분한다. 이 회사는 역량이 핵심적으로 중요하다고 주장하면서도, 효과적인 배포가 지능 측면의 불리함을 상쇄할 수 있음을 인정한다.

이러한 관점은 경쟁을 더 폭넓게 해석하는 데 도움이 되지만, 출처 귀속이 필요하다. Anthropic은 AI 모델을 개발하며 자신이 분석하는 시장에도 참여한다. 따라서 이 회사의 전략적 평가는 모든 경쟁 관련 주장을 독립적으로 확인한 결과라기보다, 충분한 정보를 바탕으로 한 관점을 제시한다.

그럼에도 근본적인 구분은 유용하다. 모델 역량은 특정 조건에서 시스템이 무엇을 할 수 있는지에 관한 것이다. 배포는 조직이 그 역량을 자체 프로세스 안에서 유용하게 활용할 수 있는지에 관한 것이다.

시스템 비교를 위해 사용되는 표준화된 평가인 벤치마크는 정해진 능력의 범위를 보여줄 수 있다. 그러나 모든 업무 환경에서의 성과를 자동으로 입증하지는 못한다. 업무, 문서, 운영 제약, 오류의 결과는 서로 다르다.

내부 문서를 대상으로 보조 도구를 비교하는 가상의 엔지니어링 팀을 생각해 보자. 한 시스템은 더 유창한 설명을 제공할 수 있지만 기술 사양의 잘못된 버전을 인용할 수 있다. 다른 시스템은 문장이 덜 다듬어졌더라도 올바른 문서를 일관되게 찾아낼 수 있다.

이 사례는 특정 국가의 모델 계열이 더 뛰어난 성과를 낸다는 것을 입증하지는 않는다. 대신 구매자의 평가는 역량을 실제 업무와 연결해야 하는 이유를 보여준다. 일반적인 순위만으로는 그 연결이 완성되지 않는다.

배포 통제는 또 다른 고려 사항을 만든다. 민감한 자료를 다루는 팀은 처리가 승인된 환경 내에서 이루어지는 방식을 선호할 수 있다. 다른 팀은 자체 모델 인프라를 유지할 인력이 부족하기 때문에 관리형 운영을 우선시할 수 있다.

이러한 선택에는 구독 서비스 비교가 논의에 포함되지 않더라도 노력, 책임, 유연성 측면의 비용이 수반된다. 독립 운영에는 업데이트를 관리하고 장애를 조사할 담당자가 필요하다. 관리형 접근 방식에는 제공업체의 정책과 서비스 약정을 평가할 담당자가 필요하다.

중국의 AI 도입은 이러한 운영 관점에서 살펴봐야 한다. 다운로드 가능한 모델에 대한 관심은 유연성과 통제에 대한 수요를 반영할 수 있다. 그렇다고 모든 다운로드된 시스템이 운영 환경에 도달하거나 기존 서비스를 대체한다는 뜻은 아니다.

미국 소비자 대상 서비스의 도달 범위 역시 운영 관점이 필요하다. 친숙함은 제품을 조직에 도입하는 데 도움이 될 수 있다. 그러나 친숙함만으로는 기밀 업무, 전문 문서 또는 신뢰할 수 있는 근거가 필요한 의사결정에 적합하다는 점을 입증할 수 없다.

지식 노동자에게는 이 연결이 특히 직접적이다. 보조 도구의 유용성은 흔히 검색할 수 있는 자료와 보존하는 근거에 달려 있다. 더 강력한 범용 모델도 누락되었거나 오래된 원본 문서를 보완할 수는 없다.

따라서 AI 지식 베이스를 평가하는 팀은 모델 선택과 함께 정보 접근성도 검토해야 한다. 국가 간 경쟁은 맥락을 제공하지만, 보조 도구가 유용한 결과를 내는지 여부는 조직 자체의 근거가 결정한다.

바로 이 지점에서 역량과 도입은 동일시되지 않은 채 만난다. 더 나은 모델은 가능한 활용 사례의 범위를 넓힌다. 성공적인 배포는 그 가능성 중 무엇이 신뢰할 수 있는 업무가 되는지를 결정한다. 보도는 두 영역의 진전을 모두 추적하고, 어느 하나가 다른 하나를 완전히 대체한다고 선언하지 않아야 한다.

기술적 리더십만으로 대중의 신뢰를 추론할 수는 없다

널리 사용되는 AI 시스템을 만든다고 해서 그 시스템을 규율하는 규칙을 정할 권한이 자동으로 부여되는 것은 아니다.

거버넌스의 문제는 누가 허용 가능한 관행, 책임성, 감독을 정하는지에 관한 것이다. 이는 어느 국가가 가장 뛰어난 모델을 생산하는가라는 문제와 다르다. 사용자는 제품을 신뢰하면서도 그 제품과 연관된 기관은 신뢰하지 않을 수 있다.

Pew Research Center의 2026년 9월 AI 규제 설문조사는 중국에 대한 신뢰 중앙값이 43%, 미국은 35%, 유럽연합은 34%였다고 밝혔다. 이 결과는 주로 중소득 경제권으로 구성된 12개 조사 국가에서 나왔다.

설문의 범위는 비율만큼 중요하다. Pew는 2025년에 다른 25개국 집단을 대상으로 관련 질문을 했다. 이들 표본 간 집계 결과의 변화만으로는 동일한 인구집단의 견해가 바뀌었다고 입증할 수 없다.

이러한 방법론적 주의는 Lowy Institute AI 스냅샷에도 영향을 미친다. 이 보고서의 거버넌스 논의는 국가별 태도를 더 면밀히 살펴보게 해야 한다. 세계 여론에 관한 보편적 주장을 부추겨서는 안 된다.

신뢰는 또한 제기된 질문에 따라 달라진다. 정부가 AI를 규제할 수 있다는 신뢰는 그 정부의 상업 제품을 선호한다는 뜻이 아니다. 외국 보조 도구를 사용한다고 해서 해당 정부의 정책을 승인한다는 의미도 아니다.

기업 구매자에게 거버넌스는 책임을 통해 구체화된다. 누군가는 보조 도구가 어떤 정보에 접근할 수 있는지 결정해야 한다. 누군가는 유해하거나 부정확한 결과물을 조사해야 한다. 누군가는 언제 사람의 검토가 의무적인지 정해야 한다.

그러한 결정은 국가별 리더보드에 맡길 수 없다. 조직에는 문제가 발생했을 때도 이해 가능한 운영 체계가 필요하다. 관련 근거에는 운영 절차, 강제 가능한 약정, 명확하게 배정된 책임 주체가 포함된다.

미국과 중국 이외의 정부에도 같은 구분은 독자적인 선택의 여지를 만든다. 이들은 조달을 공급국에 대한 무조건적 지지로 취급하지 않고도 수입 시스템을 국내 요건에 따라 평가할 수 있다.

그렇다고 선택이 정치적으로 단순해지는 것은 아니다. 기술 의존성과 정책 관계는 상호작용할 수 있다. 그럼에도 모든 구매를 완전한 지정학적 정렬로 간주하면 애플리케이션과 기관 사이의 실질적인 차이가 사라진다.

스냅샷의 전반적인 구조에도 한계가 있다. 동일 가중치는 프레임워크를 읽기 쉽게 만들지만, 동일한 가중치는 분석적 선택을 나타낸다. 각 범주가 미래 결과에 동일한 영향을 미친다는 점을 입증하지는 않는다.

공급 차질에 직면한 정부는 산업 투입 요소에 더 큰 가중치를 둘 수 있다. 해외 시장으로 확장하는 소프트웨어 기업은 유통을 강조할 수 있다. 민감한 기록을 다루는 공공기관은 책임성과 운영 통제를 우선할 수 있다.

이러한 우선순위 중 어느 것도 보고서의 타당성을 무효화하지는 않는다. 오히려 독자는 보고서의 종합 평가와 자신의 의사결정 기준을 구분해야 함을 보여준다. 이 프레임워크는 그 가정이 드러나는 한 검토를 뒷받침한다.

따라서 회의적인 결론은 구체적이다. 이 스냅샷은 리더십에 관한 근거를 정리하지만, 결과에 관한 중요한 질문은 해결하지 못한 채 남겨 둔다. 이는 보편적인 제품 우위, 피할 수 없는 미래 지배, 또는 AI를 통치할 국제적으로 인정된 권리를 입증하지 않는다.

Lowy Institute AI 스냅샷 이후 주목할 점

다음으로 유용한 근거는 경쟁 주장을 지속적인 사용, 실제로 작동하는 인프라, 강제 가능한 운영 선택과 연결할 것이다.

첫 번째 신호는 초기 관심을 넘어선 도입에 관한 것이다. 앞으로 몇 달 동안 모델 출시와 유통 업데이트는 지속적인 배포의 근거를 포함할 때 주목할 만하다. 다운로드 총수도 여전히 유용하지만, 반복적인 운영 사용의 근거가 있다면 지속 가능한 영향력에 관한 주장이 더 강해질 것이다.

중국의 다운로드 가능한 모델에서는 실험과 지속적인 의존을 구분하는 것이 핵심이다. 개발 중 시험된 모델과 조직의 정기 운영을 뒷받침하는 모델은 서로 다른 위치를 차지한다. 그 전환을 기록한 보도는 유통 확대의 의미를 더 분명하게 할 것이다.

미국 서비스에도 같은 기준이 적용돼야 한다. 관심 증가가 반드시 지속적인 유용성을 의미하지는 않는다. 조직의 계속된 사용에 대한 근거가 있어야 소비자 도달 범위가 장기적인 운영 영향력으로 이어진다는 주장을 더 잘 뒷받침할 수 있다.

미국의 유통 우위가 지속되는 한편 중국 오픈 모델 활동이 실험에 집중된다면, 이 신호는 Lowy의 해석을 강화할 것이다. 반대로 중국 모델이 독립적으로 운영되는 애플리케이션 전반에서 문서화된 지속 사용을 확보한다면, 그 해석을 단순하게 읽는 방식은 약화될 것이다.

두 번째 신호는 인프라가 실제 서비스에 들어가는지에 관한 것이다. 기업 업데이트와 공개 자료는 계획된 시설과 운영 중인 용량을 구분해야 한다. 전력 접근성, 장비 가용성, 가동 준비에 관한 근거는 발표된 확장이 실제로 사용할 수 있는 컴퓨팅 자원이 되는지를 설명하는 데 도움이 된다.

이 근거는 경쟁 양측 모두에 중요하다. 추가 운영 인프라는 이를 효과적으로 활용할 수 있는 생태계의 입지를 강화할 것이다. 지연은 발표된 용량이 예상대로 확보된다는 전제에 기대는 결론을 약화시킬 것이다.

세 번째 신호는 거버넌스가 운영으로 전환되는지에 관한 것이다. 조직이 AI를 배포하는 방식을 바꾸는 조달 요건, 실행된 안전장치, 공개된 평가를 주시해야 한다. 가입 발표나 광범위한 정책 성명은 책임이 명확히 정의된 규칙보다 근거가 약하다.

이 신호는 기술적 리더십이 자동으로 거버넌스 영향력을 결정한다는 가정에 이의를 제기할 것이다. 선도적 모델 생산국 이외의 기관도 실질적 요건을 형성할 수 있다. 그 영향력은 해당 요건이 실제 배포에 영향을 줄 때 더 분명해진다.

미중 AI 경쟁을 지켜보는 독자에게 이 신호들은 모든 리더십 주장에 반응하는 방식보다 더 규율 있는 대안을 제공한다. 각각은 측정 가능한 변화가 역량, 유통, 의존의 관계를 바꾸는지 묻는다.

이후의 모든 업데이트와 함께 원래 근거를 보관하라. 도입 통계가 어떤 인구집단을 포괄하는지, 인프라 프로젝트가 어느 단계에 도달했는지, 거버넌스 발표가 어떤 의무를 만드는지 기록하라. 그러한 기록은 이후의 비교를 더 유용하게 만든다.

다음 AI 구매 또는 배포 전에 Lowy Institute AI 스냅샷을 조직 자체의 노출에 관한 질문으로 바꿔 보라. 어느 제공업체가 시스템 접근을 통제하는가? 어떤 문서를 사용할 수 있는가? 그 행동이 바뀌면 어떤 일이 일어나는가? 장애는 누가 처리하며, 조직은 업무를 얼마나 쉽게 이전할 수 있는가?

대표적인 업무와 명확한 운영 요건을 사용해 후보 시스템을 비교하라. 새 릴리스도 같은 평가를 받을 수 있도록 결과를 보존하라. 국가 간 경쟁은 맥락을 위해 추적하되, 조직이 실제로 일하는 수준에서 근거를 요구하라. 경쟁 구도가 바뀐다면 대체하기 가장 어려운 의존성은 무엇인가?