인공지능 주권이란 한 국가가 전력과 반도체부터 모델과 애플리케이션에 이르기까지 생태계의 모든 구성 요소를 직접 구축한다는 뜻이 아니다. 이것이 ITmedia AI Plus의 분석이 제시하는 핵심 결론이다. 분석은 Sakura Internet의 사장 다나카 구니히로와 Sakana AI의 국제정치 분석가 이시이 준야의 견해를 바탕으로 한다. 보다 현실적인 기준은 통제해야 할 계층을 정하고, 단일 외부 공급원에 대한 의존을 줄이며, 공급업체가 중단되거나 이용 조건이 바뀌더라도 운영을 계속할 수 있는 능력을 유지하는 것이다.
주권의 세 가지 측면
다나카는 인공지능 인프라의 주권을 세 가지 측면으로 나눈다. 첫째는 데이터 주권으로, 데이터를 국내에 보관하고 국내 범위 안에서 관리하는 것이다. 둘째는 운영 주권으로, 인프라 운영과 서버의 위치 및 규모에 관한 결정을 직접 내릴 수 있는 것을 포함한다. 기술 주권은 모델과 소프트웨어 자체를 개발할 수 있는 능력과 관련된다.
다나카는 이러한 측면과 관련된 위험이 더 이상 가정에 그치지 않는다고 본다. 외부 서버로 데이터가 유출되는 문제, 외국 공급업체가 일본 내 서버에 투자하지 않는 문제, 소프트웨어 수출 금지 위험 등이 나타났다. 이 글은 미국 정부의 명령에 따라 Anthropic이 6월에 Claude Fable 5와 Mythos 5의 제공을 일시 중단한 사례를, 정치적 동맹에 의존한다고 해서 소프트웨어나 서버에 대한 지속적인 접근이 보장되는 것은 아니라는 예로 든다.
이러한 위험은 평상시에는 대개 드러나지 않기 때문에 더욱 복잡하다. 서비스가 안정적이고 저렴해 보이다가도 정치적 또는 상업적 상황이 변하면 사용할 수 없게 될 수 있다. 다나카는 이를 ‘나프타’ 문제에 비유한다. 평시에 저렴한 수입품에 의존하면 상황이 바뀔 때 공급에 혼란이 발생한다는 것이다.
왜 ‘완전한 국내화’만으로는 충분하지 않은가?
다나카와 이시이는 일본이 인공지능의 모든 계층을 100% 충당하는 것은 불가능하고 합리적이지도 않다는 데 동의한다. 이시이는 생태계를 네 가지 계층으로 제시한다. 전력과 반도체 같은 인프라 소재, 클라우드 또는 국내 인프라를 통한 데이터 관리 계층, 기반 모델 계층, 그리고 애플리케이션 계층이다.
이러한 관점에서 한 국가나 기업이 이 모든 구성 요소를 효율적으로 보유할 수는 없다. 따라서 이시이는 각 계층에서 외국 의존도를 낮추고, 외국 기술을 사용할 때는 제품과 공급업체를 다변화할 것을 제안한다. 그는 일본, 한국, 인도, 호주, 캐나다와 같은 중견국들이 같은 방식으로 사고하기 시작했다고 지적한다.
Sakura Internet은 NVIDIA의 그래픽처리장치(GPU)를 포기하는 것이 현실적인 선택이라고 보지 않는다. 미국 기업들조차 이 산업 부문에서는 글로벌 공급업체에 의존하기 때문이다. 그러나 다나카는 칩 자체와 일본이 개발할 수 있는 상위 계층을 구분한다. 여기에는 클라우드 인프라, 추론 서비스, 운영 소프트웨어 등이 포함된다.
기업에 실질적으로 무엇이 달라지는가?
Sakura Internet은 인공지능 서비스를 평가할 때 “데이터가 일본 내에 보관되는가?”라는 질문만으로는 충분하지 않다고 지적한다. 더 중요한 질문은 “입력 데이터가 모델 학습에 사용되는가?”이다. 데이터가 실제로 일본 서버에 존재하더라도, 기업이 통제할 수 없는 학습 과정에 들어가면 데이터 주권의 일부를 잃을 수 있다.
기업은 서버의 물리적 격리 여부와 서버가 전용으로 할당되었는지도 확인해야 한다. 이는 제조업 고객들이 특히 관심을 갖는 부분이다. 이 문제는 반드시 모델의 국적과 연결되는 것은 아니다. 다나카는 중국의 공개 모델인 Kimi나 Qwen도 국내 서버에서 실행해 데이터가 외부로 나가지 않도록 할 수 있다고 본다. 다만 출처와 소프트웨어에 관련된 다른 위험에 대한 평가도 여전히 필요하다.
실제로 사용할 수 있는 능력도 중요한 문제로 부각된다. 서류상 강력한 GPU를 보유하고 있다고 해서 필요할 때 이용할 수 있다는 보장은 없다. 자원 부족, 전력 제약, 서비스 제공업체가 성능 상한을 설정하는 상황 등이 원인이 될 수 있다. 다나카가 제안하는 선택지 중 하나는 규모가 작고 전문화된 모델을 사용하는 것이다. 일반적인 성능에서는 최첨단 모델보다 낮더라도 국내 추론 인프라에서 실행할 수 있다. 에이전트 애플리케이션이 대량의 토큰을 소비해야 할 때는 비용 측면에서 더 효율적일 수 있다.
이러한 접근법이 일본을 외국 기술로부터 고립시킨다는 뜻은 아니다. Sakura Internet은 Microsoft와 협력해 Microsoft Azure 콘솔을 통해 자사의 인프라와 서비스를 제공한다. 그러나 다나카는 외국 기술을 활용하는 동시에, 이후 유사한 서비스를 국내에서 제공할 수 있는 역량을 구축해야 한다고 강조한다. 단순히 소비하는 데 그쳐서는 안 된다는 것이다.
처음부터 구축하기보다 모델을 조정하기
Sakana AI는 모델 측면에서 다른 경로를 따른다. 모델의 구조와 가중치를 모두 처음부터 구축하는 대신, 고도화된 공개 모델을 기반으로 후속 학습 기술을 사용해 모델의 행동을 조정하고 일본의 요구사항에 맞춘다.
이시이는 미국과 중국의 모델이 막대한 자원으로 개발되었기 때문에 같은 접근법을 반복해 따라잡기는 어렵다고 말한다. 반면 외국 모델은 특정한 가치관이나 정치적 편향을 반영할 수 있다. 이에 따라 Sakana AI는 Namazu 모델을 개발했으며, 5월에는 이를 탑재한 대화형 챗봇 Sakana Chat을 출시했다.
회사는 출력 결과가 일본의 관점에 지나치게 편향되도록 만드는 것을 목표로 하지 않는다. 이시이에 따르면 역사와 영토 문제에서는 중립적인 답변을 제공하면서도 일본의 입장을 명확히 드러내려 한다. 일방적인 답변은 해외 사용자들의 신뢰를 약화시킬 수 있기 때문이다. 후속 학습의 장점은 여러 모델에 적용할 수 있어 특정 모델의 중단이 미치는 영향을 줄일 수 있다는 데 있다.
이러한 필요성은 특히 정부, 금융, 국방 분야에서 두드러진다. Sakana AI는 일본 방위성 산하 획득·기술·군수청의 연구기관과 여러 해에 걸친 계약을 체결하고 핵심 기술을 개발하고 있으며, 2년에 걸친 시험도 진행한다. 여기에는 통신 환경이 열악한 곳에서 드론에 탑재해 작동하는 경량 인공지능과, 드론이 수집한 정보를 지휘통제에 활용하는 시스템이 포함된다.
결론: 국적보다 통제가 중요하다
Sakura Internet과 Sakana AI의 경험은 주권적 인공지능에 대한 실용적인 정의를 제시한다. 그것은 ‘국내산’이라는 라벨을 붙인 폐쇄적인 생태계가 아니라, 데이터를 통제하고 운영과 모델을 관리하며, 공급업체나 모델을 잃더라도 사업을 계속할 수 있는 대안을 갖추는 능력이다.
따라서 일본 기업은 우선 현재 인프라의 각 계층을 점검해야 한다. 데이터가 학습에 사용되는가? 인프라는 누가 관리하는가? 내일 모델이 중단되면 어떻게 되는가? 이러한 질문에 답하는 것이 모델의 국적에만 의존하는 것보다 유용하다. Preferred Networks가 추진하는 접근법과 같은 완전한 자체 구축 프로젝트도 여전히 중요한 선택지이지만, 이 글은 이를 유일한 해법이 아니라 여러 선택지 중 하나로 제시한다. 또한 GENIAC 프로젝트에서 Sakana AI가 Sakura Internet의 ‘타카비’ 클라우드 인프라를 사용하는 사례는 국내 구성 요소가 서로 다른 계층에서 어떻게 통합될 수 있는지를 보여준다.