World Bank의 소형 AI 전략, 더 큰 모델 경쟁에 도전하다
World Bank의 소형 AI 전략은 업계가 더 크고 비용이 많이 드는 모델을 향해 경쟁하는 가운데, 개발도상국이 특정 목적에 맞춘 모바일 대응 시스템을 추진해야 한다고 촉구한다. 이러한 도구는 구체적인 문제를 겨냥하고, 더 제한된 데이터셋을 사용하며, 연결성이 제한된 환경에서도 작동할 수 있다. 이 접근 방식은 벤치마크 선도 경쟁에서 벗어나 사람들이 이미 보유한 기기와 네트워크를 통해 AI가 유용한 전문성을 제공할 수 있는지에 초점을 맞춘다.
World Bank의 최고지식책임자 Paschal Donohoe는 방콕에서 열린 World Bank와 International Monetary Fund 회의에서 이러한 주장을 제시했다. 그는 Guardian에 현지 환경에 맞춘 AI가 과거 수세기가 걸렸던 개발 성과를 수십 년 안에 압축할 수 있다고 말했다. 이는 야심 찬 주장이다. 하지만 그 바탕에 놓인 갈등은 즉각적이다. 최첨단 AI는 부유한 경제권에 집중된 고비용 인프라에 의존하는 반면, 소형 AI는 현지의 제약 안에서 작동하는 것을 목표로 한다.
이 전략은 더 작은 시스템이 모든 최첨단 모델을 대체할 수 있다고 주장하지 않는다. 대신 대부분의 개발도상국 경제권은 가장 진보한 시스템을 직접 구축하려 하기 전에 도입과 현지 적응을 우선해야 한다고 주장한다. 이 선택은 정부, 개발 기관, 기술 공급업체에 특화 AI가 고립된 시범 사업을 넘어 확장될 수 있음을 입증하라는 압박을 가한다.
World Bank의 소형 AI 추진이 개발 목표를 바꾸다
World Bank는 기반 모델의 규모가 아니라 접근 가능한 서비스 중심으로 AI 발전을 재정의하고 있다.
소형 AI는 제한된 작업, 현지 언어, 일반 기기에 맞춰 설계된 저렴한 시스템을 뜻한다. 모델은 작물 이미지를 분석하거나, 의료 선별 검사를 지원하거나, 음성 통화를 통해 조언을 제공할 수 있다. 모든 질문에 답하거나 폭넓은 학술 벤치마크에서 경쟁할 필요는 없다.
이처럼 좁은 범위는 OpenAI, Google, Anthropic, Meta 같은 기업이 개발하는 범용 모델과 이 접근 방식을 구분한다. 이러한 시스템은 훈련 과정에서 방대한 컴퓨팅 역량을 요구한다. 가장 성능이 높은 서비스 역시 사용 중 클라우드 인프라와 안정적인 연결성에 의존한다.
World Bank는 개발도상국이 다른 지점에서 시작할 수 있다고 본다. 개발 로드맵은 세 단계를 권고한다. 기존 도구를 도입하고, 이를 현지 여건에 맞게 조정한 뒤, 국가 역량이 비용을 정당화할 때에만 최첨단 개발로 나아가는 방식이다.
이러한 순서는 제안의 핵심이다. 정부는 AI 지원 농업 조언을 도입하기 전에 자체 범용 모델을 보유할 필요가 없다. 특화 선별 시스템이 현지에서 작동하고 나중에 동기화할 수 있다면, 진료소는 지속적인 광대역 연결이 없어도 된다.
Donohoe는 인도의 World Bank 농업 이니셔티브인 AgriConnect를 통해 이러한 차이를 설명했다. 농민에게는 자신의 작물, 위치, 언어에 적용되는 토양 정보가 필요하다. 국가는 모든 소규모 농장 옆에 농업 과학자를 배치할 수 없지만, 휴대전화 기반 시스템은 그 전문성의 일부를 전달할 수 있다.
이 모델에는 여전히 신뢰할 수 있는 농업 데이터와 현지 검증이 필요하다. 농민이 사용할 수 있는 인터페이스도 필요하며, 이는 텍스트보다 음성을 의미할 수 있다. 따라서 소형 AI는 단순히 작은 모델 이상을 뜻한다. 이는 명확히 정의된 사용자, 제약된 환경, 측정 가능한 작업을 중심으로 구성된 제공 전략이다.
World Bank의 주장은 AI 투자 규모가 대형 모델과 이를 뒷받침하는 인프라에 계속 집중되는 시점에 나왔다. 이 시장은 범용 역량, 글로벌 플랫폼, 잦은 모델 업그레이드를 보상한다. 개발 프로젝트에는 대체로 덜 화려한 것이 필요하다. 까다로운 운영 환경에서도 현지 문제에 대해 예측 가능한 성능을 제공하는 것이다.
이 때문에 소형 AI 인터뷰가 중요하다. World Bank는 각국에 현지화를 배포 이후 추가하는 부차적 기능이 아니라 핵심 제품으로 다루라고 요구하고 있다.
이 변화는 성공을 측정하는 방식도 바꾼다. 더 작은 시스템은 모든 시험에서 최첨단 모델을 능가할 필요가 없다. 필요한 언어로, 이용 가능한 하드웨어에서, 해당 환경에 적합한 안전장치와 함께, 수용 가능한 비용으로 유용한 결과를 내야 한다.
이 제안은 개발의 질문을 “이 나라는 선도적인 모델을 구축할 수 있는가?”에서 “이 나라는 전문성이 부족한 곳에서 더 나은 의사결정을 제공할 수 있는가?”로 바꾼다. 이는 더 실용적인 목표이지만, 동시에 현장으로부터 더 강력한 근거를 요구한다.
더 큰 모델이 현지 제약에 잘 맞지 않는 이유
최첨단 모델 경쟁은 개발도상국 상당수가 아직 갖추지 못한 인프라를 전제로 한다.
World Bank의 2026년 보고서는 AI가 이전의 범용 기술보다 더 빠르게 확산되고 있다고 말한다. 증기기관이 저소득 국가에 도달하는 데 약 80년, 전기가 약 40년, 인터넷이 약 20년 걸렸다. 중소득 국가는 ChatGPT 출시 후 6개월 안에 전 세계 트래픽의 절반을 만들어냈다.
그러나 빠른 확산이 동등한 접근을 뜻하지는 않는다. World Bank에 따르면 여전히 22억 명이 인터넷에 연결되지 못하고 있다. 소형 AI 브리프는 저소득 국가가 ChatGPT 사용량의 1% 미만을 차지한다고도 보고한다.
인프라를 고려하면 이 격차는 더 뚜렷해진다. Bank의 AI 개발 조사 결과에 따르면, 사하라 이남 아프리카에서는 농촌 학교의 거의 3분의 1이 안정적인 전기를 공급받지 못한다. 3분의 2 이상은 신뢰할 만한 인터넷 접속도 없다.
클라우드 서비스는 기술적으로 이용 가능하더라도 실질적으로는 접근할 수 없을 수 있다. 불안정한 전력은 기기와 네트워크 장비의 작동을 중단시킨다. 비싼 모바일 데이터는 반복적인 사용을 제한한다. 높은 지연 시간은 대화형 도구를 불편하게 만들 수 있다. 텍스트 중심 인터페이스는 지원되는 언어를 읽지 못하는 사람을 배제한다.
최첨단 개발은 또 다른 장벽을 만든다. 고급 모델에는 특수 칩, 대규모 데이터센터, 방대한 훈련 데이터, 숙련된 연구자가 필요하다. 이러한 자산은 여전히 소수의 기업과 국가에 집중돼 있다.
World Bank의 이전 AI 기반 보고서는 2025년 7월 기준 고소득 국가가 주목할 만한 AI 모델의 87%를 차지했다고 밝혔다. 이들 국가는 AI 스타트업의 86%와 AI 스타트업 누적 벤처 투자금의 91%도 보유했다.
이들 국가는 세계 인구의 17%를 차지한다. 이러한 불균형은 대부분의 개발도상국 경제권이 현지 적응을 위한 실행 가능한 경로를 찾지 못하면 다른 곳에서 만들어진 기술을 소비하게 된다는 뜻이다.
소형 AI는 이러한 의존을 완전히 없앨 수 있다고 가장하지 않으면서도 줄이려 한다. 특화 모델은 기존의 오픈 또는 독점 기반 모델에서 조정될 수 있다. 더 적은 컴퓨팅 자원을 사용하고, 휴대전화나 노트북에서 작동하며, 특정 지역과 관련된 데이터에 집중할 수 있다.
그렇다고 인프라가 중요하지 않게 되는 것은 아니다. 모든 AI 시스템은 여전히 전력, 기기, 유지보수, 그리고 어떤 형태로든 데이터 파이프라인에 의존한다. 일상적 사용이 오프라인에서 이뤄지더라도 현지 모델을 훈련하거나 업데이트하려면 클라우드 컴퓨팅이 필요할 수 있다.
차이는 최소 요건의 수준에 있다. 소형 AI는 서비스를 제공하는 데 필요한 최소 인프라 수준을 낮춘다. 기관은 연결성, 기술 역량, 컴퓨팅 용량을 시간이 지나며 개선하는 동안 제한된 적용 사례부터 시작할 수 있다.
World Bank는 이러한 요건을 연결성, 컴퓨팅, 맥락, 역량이라는 네 가지 기반으로 정리한다. 연결성은 전기와 인터넷 접속을 포괄한다. 컴퓨팅에는 칩, 데이터센터, 클라우드 서비스가 포함된다. 맥락은 관련 데이터, 기관, 언어를 뜻한다. 역량에는 기술적 능력과 시스템을 책임 있게 사용할 수 있는 능력이 포함된다.
어느 한 영역의 취약성만으로도 배포가 중단될 수 있다. 정확도가 높은 의료 모델이라도 진료소가 기기를 유지할 수 없다면 실패한다. 농업 지원 도구는 권고가 다른 지역의 토양과 날씨를 반영한다면 도움이 되지 않는다. 사용자가 자신의 데이터를 수집하는 기관을 신뢰하지 않는다면 현지 언어 인터페이스만으로는 충분하지 않다.
따라서 압박은 기술 기업에만 가해지는 것이 아니다. 정부는 기본 인프라와 조달을 개선해야 한다. 대학과 교육 프로그램은 현지 전문성을 길러야 한다. 국제 기관은 시범 사업뿐 아니라 평가에도 자금을 지원해야 한다. 공급업체는 공공 서비스를 하나의 플랫폼에 묶어 두기보다 상호운용 가능한 시스템을 지원해야 한다.
현지 적응은 기능이 아니라 작동 원리다
소형 AI는 현지 지식이 모델, 인터페이스, 그리고 이를 둘러싼 서비스를 바꿀 때에만 작동한다.
World Bank는 AI 서비스를 수입하는 것과 이를 현지에 맞게 조정하는 것은 다르다고 주장한다. 주로 고소득 환경에서 훈련된 모델은 현지 법률, 농업 조건, 의료 관행, 사회적 규범과 충돌하는 조언을 생성할 수 있다. 번역만으로는 이러한 차이를 해결할 수 없다.
언어는 문제의 눈에 보이는 한 부분이다. 모델은 언어에 따라 성능 편차가 크며, 특히 고품질 훈련 데이터가 부족할 때 그렇다. 정확한 문서 출력이라도 음성 의사소통이나 기본형 휴대전화를 사용하는 이용자에게는 닿지 않는다.
Bank는 문자 메시지, 음성 통화, 경량 애플리케이션을 통한 제공을 제안한다. 이러한 채널은 기존 행동 방식에 맞기 때문에 중요하다. 농민은 음성으로 질문할 수 있다. 보건 인력은 오프라인 선별 도구를 사용할 수 있다. 교사는 대형 클라우드 모델에 지속적으로 연결하지 않고도 수업 지원을 받을 수 있다.
이는 모델 설계만큼이나 정보 설계의 과제다. 기관은 기술적 출력을 현지 기록, 전문가 판단, 운영 지식과 결합해야 한다. 일반 AI가 구체적이고 신뢰할 수 있는 출처와 함께 작동해야 하는 경우에는 유사한 지식 결합 원칙이 중요하다.
농업은 명확한 사례를 제공한다. 유용한 시스템에는 작물 과학에 대한 일반적인 이해 이상이 필요하다. 지역 날씨, 토양 조건, 병해충 양상, 파종 일정, 현지 전문가가 승인한 조언이 필요할 수 있다.
보건 분야의 적용은 더 큰 위험을 수반한다. World Bank는 지속적인 광대역 연결이 필요하지 않은 휴대용 결핵 선별 시스템을 언급한다. 이러한 도구는 제한된 임상 역량을 확장할 수 있지만, 실제 작동하는 인구 집단과 환경에 맞춰 검증돼야 한다.
잘못된 농업 권고는 수확량을 줄일 수 있다. 잘못된 의료 권고는 치료를 지연시킬 수 있다. 좁은 범위는 개발자가 의도한 작업을 정의하고 시험할 수 있기 때문에 일부 위험을 줄인다. 그러나 사람의 검토나 상위 대응의 필요성을 없애지는 않는다.
교육 도구도 비슷한 상충 관계를 제시한다. 경량 튜터는 교사의 시간이 제한된 곳에서 연습과 피드백을 제공할 수 있다. 하지만 학습 성과는 교육과정 정합성, 언어 품질, 기기 접근성, 교사가 시스템 사용을 감독할 수 있는지에 달려 있다.
소형 AI는 반복적 분석을 처리하거나 전문가의 도달 범위를 넓혀 전문 인력을 보완할 수 있다. 교사, 의사, 농업 전문가, 공공 기관에 대한 투자를 피하기 위한 구실이 되어서는 안 된다.
가장 신뢰할 수 있는 도입 사례는 시스템이 정확히 어디에서 사람을 지원하는지 정의할 것이다. 농작물 도구는 해충 가능성을 표시하고 불확실한 사례는 농업지도사에게 보내도록 권고할 수 있다. 선별 장치는 최종 진단을 내리기보다 임상 검토가 필요한 환자의 우선순위를 정할 수 있다.
현지화는 결과적으로 만들어지는 서비스를 누가 통제하는지도 바꾼다. 정부는 성능 데이터, 감사 절차, 공급업체 전환 방법에 접근할 수 있어야 한다. 그렇지 않으면 소형 모델도 대형 클라우드 플랫폼과 같은 공급업체 종속을 만들 수 있다.
오픈소스 모델은 개발자가 시스템의 더 많은 부분을 검토하고 수정할 수 있기 때문에 진입 장벽을 낮출 수 있다. 동시에 소프트웨어 유지보수, 보안 관리, 업데이트 검증을 담당해야 하는 현지 조직의 책임도 커진다.
독점 모델은 더 나은 지원이나 더 강력한 범용 기능을 제공할 수 있다. 그러나 변경되는 약관, 원격 서비스 중단, 현지 통제 밖의 가격 결정에 기관을 노출할 수도 있다. 올바른 선택은 애플리케이션에 따라 달라지겠지만, 조달은 현지 데이터 접근성과 운영 연속성을 보장해야 한다.
따라서 상호운용성도 핵심 메커니즘의 일부다. 세계은행은 국가 시스템이 여러 플랫폼 및 공급업체와 연동돼야 한다고 권고한다. 이는 한 공급업체가 공공 서비스와 분리될 수 없게 되는 위험을 낮춘다.
데이터 거버넌스도 그만큼 중요하다. 현지화에는 흔히 민감한 보건, 교육, 금융 또는 농업 기록이 필요하다. 기관에는 동의, 보존, 재사용, 접근에 관한 명확한 규칙이 필요하다. 지역사회에는 해로운 결정에 이의를 제기할 수 있는 실질적인 방법도 필요하다.
개발 가치는 유능한 모델과 신뢰할 수 있는 제공 체계를 결합할 때 나온다. 이런 주변 구조가 없다면 소형 AI는 그저 더 작은 소프트웨어일 뿐이다.
증거 격차가 약속을 삼킬 수 있다
가장 큰 불확실성은 소형 모델이 제한된 하드웨어에서 작동할 수 있는지가 아니라, 성공적인 시범 사업이 신뢰할 수 있는 공공 서비스로 발전할 수 있는지다.
세계은행은 농업, 보건, 교육 분야의 실제 활용 사례를 제시한다. 이러한 사례는 특화 AI가 제약 조건 아래에서도 작동할 수 있음을 보여준다. 그러나 모든 도입이 국가 규모에서 지속적인 성과를 낼 것이라는 점까지 입증하지는 않는다.
시범 사업에는 전용 자금, 전문가의 관심, 신중하게 선정된 사용자가 제공되는 경우가 많다. 확대 과정에서는 더 까다로운 조건이 나타난다. 기기는 고장 난다. 직원은 바뀐다. 데이터는 변한다. 현지 기관은 초기 시험에는 없었던 유지보수 비용을 떠안게 된다.
모델은 실험실에서는 좋은 성능을 보여도 실제 사용자 환경에서는 실패할 수 있다. 사진이 흐릴 수 있다. 억양은 학습 표본과 다를 수 있다. 의료 장비는 병원마다 다를 수 있다. 농부들은 시스템이 인식하지 못하는 현지 용어로 증상을 설명할 수 있다.
그래서 평가는 모델 정확도만이 아니라 서비스 성과를 측정해야 한다. 농작물 지원 도구는 농부가 더 나은 결정을 내리고 수확량을 지키는지로 평가해야 한다. 선별 도구는 임상 결과, 누락 사례, 오경보, 의뢰 품질로 평가해야 한다.
정부는 더 단순한 대안과의 비교도 필요하다. 새 AI 도구는 유용해 보일 수 있지만, 검색 가능한 안내서, 더 나은 콜센터, 현장 인력 추가 교육보다 더 큰 가치를 제공하지 못할 수도 있다. 제한된 개발 예산에서는 이러한 비교가 필수적이다.
세계은행은 국가에 더 나은 조달 및 평가 체계가 필요하다는 점을 인정한다. 이미 많은 시범 사업이 진행 중이지만, 기관이 항상 어떤 사업이 성과를 내는지 아는 것은 아니다. 취약한 프로젝트를 확대하면 부족한 자원을 낭비하고 대중의 신뢰를 훼손할 수 있다.
편향은 또 다른 위험을 만든다. 현지 데이터는 불완전하거나 공공 서비스에 대한 불평등한 접근을 반영할 수 있다. 그런 기록으로 모델을 학습시키면 그 패턴이 재현될 수 있다. 소형 모델은 좁은 영역 밖의 이례적인 사례를 처리할 역량도 더 부족할 수 있다.
프라이버시 위험은 파라미터 수가 줄어든다고 작아지지 않는다. 휴대전화 기반 애플리케이션도 민감한 건강 정보, 위치 데이터, 음성 녹음, 농장 기록을 수집할 수 있다. 오프라인 운영은 일부 노출을 줄일 수 있지만, 동기화와 모델 업데이트는 추가적인 위험 지점을 만든다.
기기가 널리 분산되면 보안도 까다로워진다. 오래된 휴대전화에는 최신 보호 기능이 없을 수 있다. 현지 애플리케이션은 패치되지 않은 상태로 남을 수 있다. 공격자는 입력을 조작하거나, 데이터를 훔치거나, 권고 내용을 바꿀 수 있다.
정치적 위험도 있다. 공공 기관은 충분한 이의 제기 절차 없이 AI를 자격 심사, 집행 또는 감시에 활용할 수 있다. 효율성을 위해 설계된 시스템이라도 영향을 받는 사람이 그 결정을 이해하거나 이의를 제기할 수 없다면 권리를 약화시킬 수 있다.
노동 영향에도 비슷한 신중함이 필요하다. 세계은행은 저소득 및 중소득 경제권의 기존 일자리 중 4.5퍼센트가 생성형 AI로 인한 자동화 위험에 직면해 있다고 추정한다. 고소득 국가의 비교 가능한 추정치는 14.2퍼센트다.
동시에 세계은행은 AI가 개발도상국 경제의 일자리 중 16.2퍼센트에서 생산성을 의미 있게 높일 수 있다고 추정한다. 이는 고소득 국가의 18.7퍼센트 추정치와 비슷하다.
이 수치는 근로자를 보완하는 전략을 뒷받침하지만, 여전히 경제 전반에 대한 추정치다. 실제 결과는 산업, 직업, 고용주의 행동, 근로자의 협상력에 달려 있다. 생산성 향상이 자동으로 더 나은 임금이나 개선된 근로 조건으로 이어지지는 않는다.
세계은행의 입장은 개발도상국이 부족한 전문성을 보강하는 데 집중해야 한다는 것이다. 이는 너무 적은 전문가가 많은 인구를 담당하는 분야에서는 타당하다. 그러나 기관이 AI를 주로 인력 감축이나 책임성 약화에 사용한다면 설득력은 떨어진다.
또 다른 불확실성은 시장 집중과 관련된다. 소형 AI는 외부에서 통제되는 기술 위에 구축될 수 있다. 한 국가는 데이터센터 건설을 피할 수 있지만, 여전히 해외 칩, 클라우드 서비스, 모델 가중치 또는 애플리케이션 프로그래밍 인터페이스에 의존할 수 있다.
따라서 현지화는 한 형태의 의존성을 줄이면서 다른 형태의 의존성을 유지할 수 있다. 정부는 업데이트, 데이터 접근, 기술 지원을 누가 통제하는지를 포함해 전체 공급망을 검토해야 한다.
AI가 한 세기의 발전을 10년으로 압축할 수 있다는 세계은행의 주장은 전망이 아니라 잠재력에 관한 진술로 읽어야 한다. 경제 발전은 제도, 교육, 인프라, 공중보건, 무역, 금융, 정치적 안정에 달려 있다. 소프트웨어는 이러한 기반을 대체할 수 없다.
소형 AI는 더 큰 시스템 안에서 정의된 서비스를 개선할 때 가장 신뢰할 수 있다. 기초 투자에 대한 지름길로 제시될 때는 신뢰성이 낮아진다.
소형 AI의 확장 가능성을 보여줄 세 가지 신호
다음 시험대는 정부가 새로운 의존성을 만들지 않으면서 특화 모델을 측정 가능하고 유지보수 가능한 서비스로 전환할 수 있는지다.
첫 번째 신호는 확장된 도입 사례에서 나오는 엄격한 증거다. 정부와 개발 기관은 AI 지원 서비스와 기존 방식을 비교한 결과를 공개해야 한다. 가장 유용한 연구에는 오류율, 운영 비용, 사용자 성과, 언어와 지역별 성능이 포함될 것이다.
농업, 보건 또는 교육 분야의 긍정적인 결과는 세계은행의 소형 AI 논지를 강화할 것이다. 반복되는 시범 사업 실패나 미흡한 비교 결과는 저비용 도입이 의미 있는 영향을 보장하지 않는다는 점을 보여줄 것이다.
증거에는 배제되기 가장 쉬운 사용자도 포함돼야 한다. 시스템은 오래된 휴대전화를 쓰는 사람, 연결이 불안정한 사람, 다른 방언을 쓰는 사람, 디지털 문해력이 제한된 사람을 대상으로 시험해야 한다. 평균 성능은 심각한 접근성 격차를 감출 수 있다.
두 번째 신호는 네 가지 기반에 대한 투자다. 소형 AI는 인프라 요구 사항을 낮추지만, 여전히 전력, 연결성, 컴퓨팅 접근성, 현지 데이터, 숙련된 인력이 필요하다. 정부는 경량 모델을 이들의 대체재로 여기는 대신 이러한 보완 요소에 자금을 지원해야 한다.
세계은행은 2030년까지 사하라 이남 아프리카 3억 명에게 전력 접근성을 제공하는 것을 목표로 하는 Mission 300을 지원한다. 이러한 노력의 진전은 디지털 서비스가 농촌 학교, 병원, 사업체에 안정적으로 도달할 수 있는지를 결정할 것이다.
기술 투자 대상은 모델 개발자를 넘어 확장돼야 한다. 조달 담당자는 기술적 주장을 평가할 수 있어야 한다. 교사와 보건 인력은 시스템의 한계를 인식해야 한다. 규제기관에는 피해를 조사할 방법이 필요하다. 현지 연구자에게는 데이터와 평가 자원에 대한 접근성이 필요하다.
이러한 역량이 도입과 함께 성장한다면 소형 AI는 제도적 역량의 일부가 될 수 있다. 외부 계약업체가 모든 기술적 통제권을 유지한다면, 프로젝트는 자금이 끝날 때 사라질 수 있다.
세 번째 신호는 국가가 공급업체 간 선택권을 유지하는지 여부다. 공공 기관은 이전 가능한 데이터, 문서화된 인터페이스, 감사 접근성, 실질적인 종료 계획을 요구해야 한다. 하나의 공급업체 클라우드나 독점 워크플로 없이는 운영될 수 없는 시스템을 피해야 한다.
개방형 기술은 도움이 될 수 있지만, 개방성만으로는 충분하지 않다. 정부에는 이를 유지할 수 있는 조직이 필요하다. 보안 관행, 명확한 책임성, 장기 자금도 필요하다.
공급업체의 다양성은 현지화를 경쟁적으로 유지함으로써 전략을 강화할 것이다. 배포된 모델이 여전히 작더라도 소수의 글로벌 공급업체에 대한 의존도가 커지면 전략은 약화될 것이다.
이러한 신호는 조달 결정, 독립 평가, 국가 AI 계획, 공공 서비스 성과를 통해 드러날 것이다. 시범 기간이 끝난 뒤에도 병원, 학교 또는 농장 서비스가 계속 작동한다는 증거가 모델 발표보다 더 많은 정보를 줄 것이다.
세계은행은 최첨단 모델 개발만이 AI 진입 경로라는 관점에 신뢰할 수 있는 대안을 제시했다. 가장 강력한 통찰은 유용성이 맥락, 제공 체계, 제도적 준비 상태에 달려 있다는 점이다.
더 어려운 질문은 정부와 자금 제공자가 그 통찰 뒤의 화려하지 않은 작업을 지원할 것인지다. 현지 데이터셋은 유지돼야 한다. 현장 인력에게는 교육이 필요하다. 시스템에는 감사, 업데이트, 이의 제기 절차가 필요하다. 인프라에는 여전히 투자가 필요하다.
독자는 측정 가능한 성과를 공개하고 현지 기관에 지속적인 통제권을 부여하는 도입 사례를 주시해야 한다. 그러한 프로젝트는 세계은행의 소형 AI가 실용적인 개발 전략이 될지, 아니면 유망한 시범 사업의 또 다른 순환이 될지를 보여줄 것이다. 다음으로 의미 있는 이정표는 더 큰 모델이 아니다. 계속 작동하고, 배제된 사용자에게 도달하며, 독립 평가자가 검증할 수 있는 결과를 내는 더 작은 시스템이다.
