한국의 소버린 AI 전략, 두 갈래로 나뉘며 모델 경쟁의 향방 불투명

한국의 소버린 AI 전략은 이제 비용이 큰 분기에 직면했다. 서울은 기존 모델 경쟁이 아직 끝나지 않은 상황에서 4조7,000억 원 규모의 프런티어 프로그램을 추진할 계획이다.

정부는 두 프로그램의 목적이 서로 다르다고 말한다. 그러나 두 사업 모두 부족한 칩, 데이터, 연구자, 공적 자금을 필요로 한다. 또한 모두 글로벌 최전선에 근접해 경쟁할 수 있는 모델을 목표로 한다.

이러한 중복은 LG AI Research, SK Telecom, Upstage를 난처한 위치에 놓는다. 이들은 국가 모델 챔피언이 되기 위해 1년 넘게 경쟁해 왔다. 이제 이들은 자신들이 여전히 이기려 하는 경쟁보다 다음 경쟁이 더 우선시될지를 고려해야 한다.

이 논쟁은 단순한 예산 다툼보다 크다. 소버린 AI가 기술 리더십과 안정적인 국내 도입 중 무엇을 우선해야 하는지를 시험한다. 한국은 둘 다 원하지만, 두 임무를 명확히 구분하지는 못했다.

첫 번째 경주를 끝내기 전에 두 번째 경주를 추가한 한국

당장의 변화는 기존 한국 모델 프로그램의 취소가 아니다. 기존 사업 옆에 더 큰 경쟁을 새로 만든 것이다.

과학기술정보통신부는 2027년 3월 프런티어 AI 프로그램을 시작할 계획이다. 이 프로그램은 주요 국제 시스템과 경쟁할 모델을 중심으로 공공 및 민간 자원을 집중하는 방식이 될 전망이다.

보도된 정부 계획에 따르면 개별 기업, 컨소시엄, 대학, 스타트업, 연구자 또는 특수목적 법인이 참여할 수 있다. 경쟁 절차를 통해 주관 개발사를 선정한다.

제안된 예산은 총 4조7,000억 원이다. 국회는 먼저 관련 2027년 예산을 승인해야 하며, 결정은 12월 국가 예산 절차 중 내려질 것으로 예상된다.

정부는 이르면 2027년 2월 주관 개발사를 선정할 수 있다. 이는 계획된 3월 출범 직전에 선정이 이뤄지는 일정이다.

한편 기존 소버린 AI 파운데이션 모델 프로젝트는 계속된다. 세 번째 평가는 2월에 남은 세 팀을 두 최종 후보로 줄일 것으로 예상된다.

세 팀은 LG AI Research, SK Telecom, Upstage다. 정부가 2026년 8월 2단계 결과를 발표한 뒤 이들은 다음 단계로 진출했다.

동시에 진행되는 일정은 중요하다. 한국은 한 경쟁에서 두 팀을 선정하는 동시에, 더 야심 찬 프로그램을 이끌 또 다른 주관 기관을 선택할 가능성이 있다.

이 순서는 지위를 둘러싼 즉각적인 불확실성을 만든다. 한 기업은 소버린 모델 경연에서 최종 후보가 되더라도, 국가 최대 프런티어 사업에 대한 영향력을 잃을 수 있다.

첫 프로그램은 다섯 개 선정 팀으로 시작됐다. 원래 그룹에는 Naver Cloud, Upstage, SK Telecom, NC AI, LG AI Research가 포함됐다.

정부는 15개 지원자를 발표 대상 10곳으로 압축한 뒤 이들 팀을 선정했다. 초기 선정은 한국의 국내 모델 생태계를 강화하기 위한 단계형 경쟁을 마련했다.

Naver Cloud와 NC AI는 이후 경쟁에서 이탈했다. Motif Technologies는 추가 선정 절차를 통해 진입했지만 2단계 평가를 통과하지 못했다.

남은 팀들은 이미 모델을 학습시키고, 가중치를 공개하며, 컨소시엄을 구축하고, 국내 인프라 협력 관계를 맺었다. 이러한 투자는 계약 및 기술적 결과 없이 프로그램 사이를 단순히 옮길 수 없다.

배경훈 과학기술정보통신부 장관은 첫 프로젝트가 포기되고 있다는 주장에 반박했다. 그는 이 사업이 산업 및 공공 부문 도입을 위한 모델 개발을 계속할 것이라고 말했다.

그의 구분은 단순해 보인다. 기존 프로젝트는 국가적 도입을 지원하고, 새 프로그램은 프런티어 역량과 어려운 과학·안보 문제를 겨냥한다는 것이다.

그러나 프런티어 모델 역시 파운데이션 모델이다. 그것이 한국에서 가장 강력한 국내 시스템이 된다면, 공공기관과 기업은 왜 더 약한 대안을 써야 하는지 자연스럽게 묻게 될 것이다.

이것이 투트랙 계획의 핵심 갈등이다. 정부는 원래 경쟁을 유지하면서도, 본래 그 경쟁을 정당화했던 보상의 의미를 다시 정의하고 있다.

한국의 소버린 AI 전략이 지금 분리된 이유

글로벌 모델의 진전은 정책 기준보다 빨랐고, 성공에 대한 기존 정의를 약화시켰다.

한국의 첫 프로그램은 주요 글로벌 모델 성능의 약 95% 달성을 목표로 했던 것으로 알려졌다. 이 목표는 경쟁이 시작될 당시 측정 가능한 도착점을 제공했다.

문제는 프런티어 성능이 고정돼 있지 않다는 점이다. 어떤 모델은 어제의 선두 모델에 근접할 수 있지만, 최신 시스템과의 격차는 더 벌어질 수 있다.

한국 정부 관계자들도 이제 경쟁 환경이 바뀌었다는 점을 인정한다. 대형 국제 개발사들은 추론, 코딩, 멀티모달 처리, 도구 사용, 장문맥 성능을 계속 개선하고 있다.

이러한 변화는 퍼센트 목표를 불안정하게 만든다. 95% 달성 여부는 어떤 모델, 벤치마크, 과제, 출시일을 비교 기준으로 삼느냐에 달려 있다.

따라서 정부는 상반된 두 위험에 직면한다. 기존 구조를 유지하고 역량 격차가 벌어지는 것을 받아들일 수 있다. 혹은 자원을 재배치해 기존 약속에 대한 신뢰를 약화시킬 수 있다.

새로운 한국 프런티어 AI 프로젝트는 두 번째 대응을 의미한다. 이는 기술 리더십을 향한 더 야심 찬 시도 뒤에 칩, 데이터, 연구자, 투자를 집중한다.

정부는 프런티어 프로그램을 과학적 과제와 사이버보안 위협에도 연결한다. 이러한 임무에는 대화 능력이나 우수한 한국어 성능 이상이 필요하다.

과학 모델은 전문 데이터, 어려운 추론, 분야별 증거를 통한 검증을 다뤄야 한다. 사이버보안 시스템은 엄격한 접근, 평가, 배포 통제 아래 운영돼야 한다.

하지만 이러한 요구가 범용 프런티어 모델을 처음부터 구축하는 것을 자동으로 정당화하지는 않는다. 특화 모델, 검색 시스템, 통제된 도구는 많은 분야별 과제를 해결할 수 있다.

이 구분은 범용 프런티어 개발이 막대한 자원을 소비하기 때문에 중요하다. 학습은 비용의 한 부분일 뿐이다. 지속적인 평가, 사후 학습, 안전성 시험, 추론 인프라, 모델 업데이트는 반복적인 수요를 만든다.

한국에는 이러한 부담을 감수할 이유가 여러 가지 있다. 국내 모델 역량은 해외 플랫폼 의존도를 낮추고, 민감한 데이터에 대한 통제권을 보존하며, 한국 기관을 지원할 수 있다.

이는 협상력도 강화할 수 있다. 신뢰할 만한 모델, 인프라, 연구자를 보유한 국가는 글로벌 공급자와 더 강한 위치에서 협상한다.

그러나 주권은 고립을 뜻하지 않는다. 모든 벤치마크에서 하나의 국가 시스템이 선도할 필요 없이, 데이터·인프라·조달·배포·모델 적응에 대한 통제를 의미할 수 있다.

OpenAI가 발간한 경제 청사진은 전략 분야의 국내 통제와 다른 영역의 국제 파트너십을 결합해야 한다고 주장했다. 이 권고는 OpenAI의 이익에 부합하지만, 정책적 구분 자체는 여전히 유효하다.

한국의 과제는 어떤 역량을 국내에 남겨야 하는지 결정하는 것이다. 또한 국제 시스템에 대한 접근이 어디에서 더 나은 가치를 제공하는지도 판단해야 한다.

한국은 기반 자산 없이 시작하는 것이 아니다. 주요 반도체 기업, 클라우드 공급자, 통신 그룹, 소프트웨어 개발사, 대학, 활발한 AI 스타트업 부문을 보유하고 있다.

정부는 상당한 컴퓨팅 확장도 계획하고 있다. 과학기술정보통신부의 2026년 업무 계획은 조달과 국가 컴퓨팅 인프라를 통해 누적 3만7,000개 GPU 확보를 목표로 했다.

이러한 자산은 야심 찬 전략을 뒷받침한다. 하지만 동일한 자원을 중복되는 공공 프로그램에 배정하는 기회비용을 없애지는 못한다.

따라서 한국의 소버린 AI 전략 분리는 실질적인 정책 딜레마를 반영한다. 서울은 폭넓은 국내 참여를 원하면서도, 훨씬 더 큰 연구소에 도전할 수 있는 하나의 사업도 원한다.

기존 경쟁은 한 명의 승자가 아닌 생태계를 약속했다

한국의 소버린 AI 모델 프로젝트는 역량을 분산하도록 설계됐고, 프런티어 프로그램은 이를 집중하도록 설계됐다.

이 차이는 두 트랙을 모두 유지해야 한다는 정부의 가장 강력한 논거를 제공한다. 첫 번째 경쟁은 여러 모델 공급자를 육성할 수 있고, 프런티어 사업은 하나의 까다로운 목표를 추구할 수 있다.

소버린 프로젝트는 이미 여러 기술적 접근을 장려했다. LG AI Research, SK Telecom, Upstage는 서로 다른 기업 구조, 제품 목표, 컨소시엄 파트너를 보유하고 있다.

LG AI Research는 모델 개발을 광범위한 산업 그룹과 연결한다. 이는 제조, 소재, 전자, 기업 운영 전반에 걸친 잠재적 적용을 만든다.

SK Telecom은 모델 개발을 통신 인프라 및 소비자 서비스와 결합한다. 그 위치는 유통망, 운영 데이터, 대규모 서비스 경험에 대한 접근을 제공한다.

Upstage는 보다 집중된 모델 기업을 대표한다. 이 회사의 참여는 전문 스타트업이 대기업 그룹이 지배하는 프로그램에 진입할 경로를 제공한다.

이러한 차이는 모델 생태계에 벤치마크 선두 기업 이상이 필요하기 때문에 중요하다. 배포 가능한 시스템, 추론 도구, 통합업체, 분야별 데이터, 평가 방법, 이를 시험할 의향이 있는 고객이 필요하다.

정부의 평가 절차도 이러한 더 폭넓은 관점을 반영한다. 2단계는 벤치마크 성능과 함께 전문가 심사, 국민 평가, 산업 적용성, 비용 효율성, 생태계 계획을 고려했다.

이 설계는 논란이 된 결과를 낳았다. Motif는 한 외부 벤치마크 비교에서 선두였던 것으로 알려졌지만, 정부의 종합 점수에서는 4위를 기록했다.

이후 과기정통부는 세부 결과를 공개했다. SK Telecom은 70.6점, Upstage는 69.9점, LG AI Research는 69.0점을 받았다. Motif는 65.8점을 받았다.

이 점수는 순수한 지능이 유일한 목표가 아니었음을 보여준다. 공공 평가자와 전문가 패널이 최종 순위에 영향을 미쳤다.

정부는 국가 정책이 하나의 민간 벤치마크를 그대로 따를 필요는 없다고 합리적으로 주장할 수 있다. 신뢰성, 한국형 사용 사례, 운영 비용, 국내 확산 역시 공공적 가치를 지닌다.

그러나 이 평가는 다가올 충돌도 보여준다. 프런티어 프로그램은 주로 역량으로 평가될 것이며, 특히 그 목적이 주요 국제 모델에 맞서는 것이라면 더욱 그렇다.

폭넓은 산업 점수 체계는 한국의 배포 수요에 맞는 모델에 보상할 수 있다. 프런티어 경쟁은 최대 규모의 컴퓨팅, 데이터, 인재를 가장 효과적으로 집중할 수 있는 조직에 유리하게 작용할 것이다.

기업들은 이제 두 가지 성공 정의에 모두 대비해야 한다. 현재 경쟁을 위한 실용적 제품과 다음 경쟁을 위한 신뢰할 만한 확장 전략이 필요하다.

그 부담은 더 작은 참여자에게 가장 크게 돌아갈 것이다. 스타트업은 대기업처럼 여러 국가 프로젝트에 고위 연구자를 쉽게 나눠 배치할 수 없다.

국가는 기존 결선 진출 기업들을 프런티어 프로젝트의 공급자로 대우함으로써 이러한 압박을 줄일 수 있다. 이들의 모델, 데이터셋, 평가 도구, 엔지니어링 팀은 재사용 가능한 구성 요소가 될 수 있다.

관계자들은 새 프로그램에 참여하는 결선 진출 기업에 인센티브나 우선권을 부여하는 방안을 검토 중인 것으로 전해진다. 이러한 접근은 어느 정도의 연속성을 보존할 수 있다.

하지만 우선권이 역할을 보장하는 것은 아니다. 기업들은 결과물의 지식재산권이 누구에게 귀속되는지, 기여분을 어떻게 평가하는지, 이후 상용화를 누가 통제하는지 알아야 한다.

컴퓨팅 자원 배정에 대해서도 명확성이 필요하다. 같은 하드웨어가 더 주목받는 프로젝트에 배정된다면, 약속된 GPU 풀은 거의 가치가 없다.

이 관점에서 본 소버린 AI 모델 프로젝트는 단순한 모델 경연이 아니다. 한국 조직 전반에 경험을 확산하는 역량 구축 프로그램이다.

프런티어 이니셔티브는 다른 논리를 따른다. 분산 지원보다 자원을 집중하면 세계적으로 중요한 시스템을 더 빠르게 만들 수 있다는 전제다.

두 이론 모두 타당할 수 있다. 불확실성은 투입물, 산출물, 사용자 사이의 공개된 경계 없이 이들을 동시에 운영하는 데서 비롯된다.

두 트랙은 같은 희소 자원을 놓고 경쟁한다

핵심적인 상충 관계는 국내 AI와 해외 의존의 대립이 아니라 다각화와 집중의 대립이다.

다각화된 프로그램은 한국에 여러 모델 제공업체를 제공한다. 이는 단일 공급업체 의존도를 낮추고, 서로 다른 산업에 맞춘 시스템을 지원한다.

집중형 프로그램은 한 팀에 더 많은 컴퓨팅 자원과 인재를 제공한다. 이는 더 작고 분산된 노력으로는 달성하기 어려운 성능 수준에 도달할 가능성을 높일 수 있다.

두 프로그램이 같은 국내 인력 시장에서 인재를 끌어오기 때문에 긴장은 더욱 커진다. 한국은 경험 있는 모델 연구자 집단을 즉시 추가로 만들어낼 수 없다.

고품질 학습 데이터에도 같은 제약이 적용된다. 국내 데이터셋은 대규모 학습에 쓰이기 전에 수집, 정제, 라이선스 확보, 필터링, 거버넌스 과정을 거쳐야 한다.

이 작업을 중복하면 비용이 낭비된다. 이를 공유하면 개인정보, 지식재산권, 경쟁 우위에 관한 어려운 문제가 생긴다.

컴퓨팅 자원 배정도 또 다른 문제를 제기한다. Korea frontier AI 프로젝트는 선도 개발사에 첨단 칩을 집중 배정하려 한다.

기존 소버린 팀들도 학습, 사후 학습, 테스트, 공개 배포를 위해 상당한 컴퓨팅 자원이 필요하다. 출시 단계에 이른 모델도 여전히 추론 용량을 필요로 한다.

정부의 공공서비스 계획은 이러한 수요를 늘린다. 별도의 AI for All 이니셔티브는 주로 국내 모델로 구축한 범용 챗봇과 공공 에이전트를 추진한다.

이 프로그램의 공개된 요건에 따르면, 선정된 서비스는 전체 모델 사용량의 최소 절반에 적격 국내 모델을 사용해야 한다. 또한 다른 한국 개발사의 모델을 최소 30% 사용해야 한다.

과학기술정보통신부는 초기 서비스 출시를 지원하기 위해 2026년 동안 Nvidia B200 GPU 512대를 제공할 것이라고 밝혔다. 사용량 제한 없는 무료 이용도 구상했다.

이는 기존 모델 생태계에 구체적인 역할을 부여한다. 한국 시스템은 세계 선도 벤치마크 성능이 없더라도 시민 서비스, 공공 행정, 특화 산업 도구를 지원할 수 있다.

경량 국내 모델은 더 낮은 지연 시간과 운영 비용을 제공할 수도 있다. 이는 통제된 클라우드, 사설 데이터센터, 공장, 병원 또는 기기 환경에서 운영될 수 있다.

프런티어 모델은 다른 사례에 쓰인다. 과제가 가능한 한 강력한 추론, 코딩, 계획 수립, 멀티모달 분석 또는 과학적 역량을 요구할 때 가치가 커진다.

가천대학교 최경진 교수는 한국에 여러 종류의 모델이 필요하다고 주장해 왔다. 그의 견해는 프런티어 시스템을 경량 및 산업 특화 모델과 구분한다.

이 포트폴리오 주장은 설득력이 있지만, 명시적인 아키텍처가 필요하다. 기관에는 모델 종류별로 작업을 라우팅하는 규칙이 필요하다.

예를 들어 공공 에이전트는 일상적인 요청에 더 작은 한국 모델을 사용할 수 있다. 어려운 계획 수립이나 복잡한 문서 분석에는 프런티어 시스템을 남겨둘 수 있다.

제조업체는 독점 데이터 인근에 산업 모델을 배포할 수 있다. 연구자들은 통제된 국가 컴퓨팅 환경을 통해 프런티어 모델에 접근할 수 있다.

이러한 운영 규칙이 없으면 가장 강력한 모델이 대부분의 수요를 끌어들일 것이다. 고려대학교 이성엽 교수는 프런티어 모델의 성능이 더 좋다면 공공기관과 기업이 이를 선호할 것이라고 경고했다.

그러한 행태는 사용자 측의 정책 실패를 뜻하지 않는다. 구매자는 성능, 비용, 규정 준수, 신뢰성, 통합 요건을 기준으로 시스템을 선택한다.

따라서 정부는 라벨만으로 두 트랙을 유지할 수 없다. 측정 가능한 사용자 수요를 반영하는 별도의 임무와 조달 규칙을 마련해야 한다.

또한 성능이 낮은 모델을 무기한 보호해서는 안 된다. 공공기관이 국내산 비중 목표를 충족하기 위해 낮은 성능을 감수해야 한다면 주권은 비싸진다.

반대로 프런티어 성능이 효율적인 모델의 가치를 지워서는 안 된다. 많은 실제 워크로드에는 가장 큰 시스템이 필요하지 않다.

가장 바람직한 경우는 계층화된 국내 시장이다. 여러 한국 모델이 일상적이고 특화된 작업을 처리하고, 프런티어 시스템은 가장 어려운 문제를 맡는다.

최악의 경우는 제도적 중복이다. 두 프로그램이 유사한 범용 모델을 학습시키고, 같은 연구자를 두고 경쟁하며, 중첩되는 공공 보조금을 통해 사용자를 확보하려 한다.

예산은 크지만 임무는 여전히 모호하다

프런티어 제안에는 자금 규모와 시작 시점이 있지만, 지속 가능한 성공의 공개적 정의는 여전히 부족하다.

발표된 4조7천억 원 규모의 프로그램은 중대한 투자 약속을 의미한다. Reuters는 정부가 국유 지분 투자와 민간 자금을 결합할 계획이라고 보도했다.

프런티어 제안은 선정된 선도 개발사 아래에 칩, 데이터, 인재를 결집하는 방식이다. 이 구조는 일반적인 연구 보조금보다 산업 컨소시엄에 가깝다.

집중은 의사결정을 가속할 수 있다. 그러나 한 참여자가 인프라, 모델 방향, 상업적 접근을 통제할 경우 거버넌스 위험도 만들 수 있다.

정부는 개발사를 선정하기 전에 “프런티어”의 의미를 명시해야 한다. 그렇지 않으면 팀들은 서로 다른 해석을 최적화하게 된다.

한 정의는 벤치마크 지능을 강조할 수 있다. 다른 정의는 과학적 발견, 사이버 보안, 한국어 역량 또는 멀티모달 산업 시스템을 우선시할 수 있다.

이 목표들은 서로 다른 데이터셋과 평가를 요구한다. 글로벌 코딩 벤치마크에 최적화된 모델이 한국 공공서비스를 위한 최상의 플랫폼이 되지는 않을 수 있다.

일정도 또 다른 불확실성의 원인이다. 프로젝트는 2027년 3월 시작 예정이지만, 그때까지 프런티어 성능은 변할 것이다.

최 교수는 오늘날의 프런티어가 내년의 프런티어와 다르다는 점을 지적하며 이 문제를 포착했다. 고정된 비교 목표는 학습이 끝나기 전에 시대에 뒤처질 수 있다.

더 신뢰할 수 있는 프로그램은 단일 리더보드 순위 대신 역량 이정표를 사용할 것이다. 이러한 이정표는 추론, 신뢰성, 효율성, 보안, 배포를 포괄할 수 있다.

독립적인 평가도 중요하다. 개발사가 모델의 주장과 지속적인 자금 지원을 정당화하는 시험을 모두 통제해서는 안 된다.

기존 프로젝트의 채점 논란은 경고를 제공한다. 정책 입안자들이 기술 성능과 함께 공공 가치를 고려할 때, 벤치마크 선두와 종합 평가 우승자는 달라질 수 있다.

이러한 이견이 자동으로 부적절함을 뜻하는 것은 아니다. 가중치가 프로그램의 명시된 임무와 명확하게 연결되지 않을 때 문제가 된다.

프런티어 프로젝트는 입찰이 시작되기 전에 투명한 기준을 마련해야 한다. 참여자들은 정부가 기술 진전, 비용 규율, 개방성, 공공 접근성을 어떻게 평가할지 알아야 한다.

정책 입안자들은 종료 조건도 설명해야 한다. 국가 프로그램은 지속적인 스케일링이 더 이상 합리적인 가치를 제공하지 않는 시점을 정의해야 한다.

국제 연구소들은 한 번의 정부 조달 주기 동안 모델을 여러 차례 업데이트할 수 있기 때문에 이는 특히 중요하다. 한국은 한 번의 대규모 학습으로 지속적인 위치를 확보할 수 있다고 가정할 수 없다.

프런티어 시스템은 출시 후에도 반복 비용을 발생시킨다. 업데이트, 보안 테스트, 인프라 지원, 개발자 도구를 제공받아야 한다.

따라서 제안된 규모는 한국이 세계 선도 모델을 확보한다는 증거가 아니라 프로그램 차원의 투자 약속으로 이해해야 한다.

집중 위험도 있다. 한 선도 개발사를 선정하면 중복 지출을 줄일 수 있지만, 하나의 기업 네트워크에 지나친 영향력을 둘 수 있다.

컨소시엄은 이러한 통제권을 분산할 수 있다. 그러나 컨소시엄 거버넌스는 기술적 결정을 늦추고 소유권을 복잡하게 만드는 경우가 많다.

특수목적법인은 더 명확한 관리를 제공할 수 있다. 그럼에도 데이터 권리, 모델 라이선스, 연구자 이동성, 후속 수익을 다루는 규칙이 필요하다.

정부는 이 문제들을 공개적으로 해결하지 않았다. 해결되기 전까지 기업들은 참여의 상업적 가치를 평가할 수 없다.

이러한 불확실성은 현재 경쟁도 왜곡할 수 있다. 팀들은 기존 사용자를 위한 제품 개선보다 프런티어 입찰 이전의 가시성을 우선할 수 있다.

이 어느 것도 새 프로그램이 중단되어야 한다는 증거는 아니다. 이는 자금 발표가 기술적·제도적 설계를 대체할 수 없는 이유를 보여준다.

한국 모델 개발사들이 다음으로 마주할 과제

LG AI Research, SK Telecom, Upstage는 이제 두 개의 결선 진출 자리를 놓고 경쟁하면서, 잠재적으로 더 큰 경연을 준비하고 있다.

첫 번째 신호는 3단계 평가가 될 것이다. 정부는 2027년 2월에 소버린 모델 결선 진출팀 두 곳을 선정할 것으로 예상한다.

이 결정은 과기정통부가 여전히 생태계 확장을 중시하는지, 아니면 원초적 역량을 점점 더 선호하는지를 보여줄 것이다. 공개된 기준과 점수 세부 내역은 수상자만큼 중요할 것이다.

투명한 평가는 기존 프로그램에 대한 신뢰를 강화할 것이다. 갑작스러운 채점 변경은 프런티어 의제가 이미 그 목적을 바꾸었음을 시사할 수 있다.

두 번째 신호는 2027년 예산 결정이 될 것이다. Korea frontier AI 프로젝트가 발표된 규모로 진행되려면 국회가 예산을 승인해야 한다.

예산 승인은 두 트랙에 대한 약속을 강화할 것이다. 상당한 삭감이나 새로운 조건은 집중형 프런티어 프로젝트가 계획대로 출범할 것이라는 가정을 약화시킬 것이다.

입법자들은 얼마나 많은 자금이 학습, 인프라, 운영, 상용화를 지원하는지 물어야 한다. 또한 다른 곳에 이미 약속된 자원이 이중 계산되고 있는지도 검토해야 한다.

세 번째 신호는 입찰 설계가 될 것이다. 자격 요건은 현재의 소버린 결선 진출팀이 의미 있는 우위를 받는지를 결정할 것이다.

한 대기업에 유리한 입찰은 집중으로의 전환을 시사할 것이다. 컨소시엄 요건은 더 폭넓은 참여를 보존할 수 있지만 거버넌스를 늦출 수 있다.

기존 모델을 어떻게 대우하는지는 특히 많은 것을 드러낼 것이다. 이를 재사용하면 프로젝트들을 연결하고 앞선 공공 투자를 보호할 수 있다.

처음부터 다시 시작하는 것은 관계자들이 더 이상 기존 모델을 신뢰할 수 있는 기술 기반으로 보지 않는다는 뜻일 수 있다. 또한 중복 위험도 커진다.

팀들은 지식재산권 조항을 면밀히 지켜볼 것이다. 기여분이 각자의 소유로 남는지, 공동 자산이 되는지, 국가 기관으로 이전되는지를 이해해야 한다.

개발자와 기업 구매자는 홍보성 순위보다 배포 증거를 지켜봐야 한다. 가장 강력한 증거는 실제 조직에서 안정적으로 작동하는 시스템에서 나올 것이다.

공공 에이전트는 하나의 시험대가 된다. 제조, 물류, 통신, 연구 분야의 산업 배포는 또 다른 시험대가 된다.

도입 데이터는 시험 사용과 지속적 사용을 구분해야 한다. 보조금을 받은 파일럿 프로젝트가 모델이 대규모 환경에서도 경제적이거나 신뢰할 수 있음을 입증하는 것은 아니다.

한국은 비교 가능한 운영 지표도 공개해야 한다. 지연 시간, 추론 비용, 가동률, 보안 사고, 작업 완료율은 광범위한 벤치마크에 가려진 가치를 드러낼 수 있다.

남은 세 팀에는 전략적 선택의 시점이 다가오고 있다. 각 팀은 독립 플랫폼을 지킬지, 컨소시엄에 합류할지, 또는 두 경로를 모두 추진할지를 결정해야 한다.

LG는 기업 그룹 전반의 산업용 애플리케이션에 자사 모델을 연결할 수 있다. SK Telecom은 소비자 유통망과 네트워크 인프라를 활용할 수 있다. Upstage는 전문화와 모델 집중을 강조할 수 있다.

이러한 강점은 정부가 국내 도입이 프런티어 미션에 어떻게 기여하는지 정의할 때에만 의미를 갖는다.

진정한 시험대는 두 트랙이 서로 다른 두 가지 결과를 만들어내는지에 달려 있다

한국은 주권과 프런티어 성능 중 하나를 선택할 필요는 없지만, 둘을 서로 대체 가능한 목표로 취급해서는 안 된다.

기존 프로그램은 이미 가치를 창출했다. 한국 기업들이 모델을 학습하고, 기술 성과를 공개하고, 파트너를 구성하며, 공통 평가 아래 경쟁하도록 이끌었다.

새 프로그램은 다른 우려를 다룬다. 한국은 글로벌 모델 역량이 국내 기관의 통제 범위를 벗어나는 수준으로 발전하는 것을 원하지 않는다.

첫 번째 트랙이 도입과 전문화를 위한 플랫폼이 된다면, 두 트랙을 함께 유지하는 방식은 가능하다. 그러면 두 번째 트랙은 기존 모델이 경제적으로 제공할 수 없는 역량에 집중해야 한다.

이 구분은 예산, 데이터셋, 컴퓨팅 배정, 평가, 조달 규칙에 반영되어야 한다. 말로만 하는 구분은 부족한 자원을 둘러싼 경쟁 속에서 유지되지 못한다.

정부는 동일한 모델을 강제하지 않으면서도 프로그램들이 인프라를 공유하도록 해야 한다. 공통 평가 시스템과 안전한 데이터 서비스는 중복을 줄일 수 있다.

프런티어 개발사는 통제된 인터페이스를 통해 국내 모델 팀에 역량을 제공할 수 있다. 소형 모델은 일상적 업무를 처리하고, 어려운 작업은 상위 시스템으로 넘길 수 있다.

이러한 체계는 가장 비용이 큰 연구를 집중하면서도 여러 공급자를 유지할 수 있다. 또한 하나의 시스템에 장애가 발생할 때 공공기관에 대안을 제공할 수 있다.

그러나 두 프로그램이 같은 구매자를 대상으로 유사한 범용 시스템을 학습한다면 이 전략은 신뢰를 잃게 된다. 기업은 더 큰 예산을 따르게 되고, 기존 최종 후보들은 보조 계약업체가 될 것이다.

그 결과는 주권 AI 경쟁을 나중에 발표된 프로젝트를 위한 값비싼 자격 심사 단계로 바꾸게 된다.

한국의 주권 AI 전략에는 이제 또 하나의 구호가 아니라 공개된 아키텍처가 필요하다. 성공은 어떤 모델이 어떤 사용자를 위해 쓰이며, 그로부터 만들어지는 역량을 누가 통제하는지를 정의하는 데 달려 있다.

다음 세 가지 결정이 답을 제시할 것이다. 2월 최종 후보 선정, 국회의 예산 지원, 그리고 프런티어 입찰이다.

개발자, 기업 구매자, 연구자들은 이 결정들을 함께 평가해야 한다. 가장 어려운 연구만 집중하면서도 유용한 여러 국내 모델을 보존하는가?

그렇다면 한국의 투트랙 정책은 중복이 아닌 포트폴리오가 될 수 있다. 그렇지 않다면 프런티어 프로그램은 출발점을 마련한 경쟁을 조용히 대체하게 될 것이다.