AI는 산업기술이 아니라 사회구조를 재편하는 기술이다.

인공지능을 둘러싼 논의는 흔히 두 갈래로 갈린다. 한쪽은 AI를 새로운 성장 산업으로 본다. 이 관점에서 중요한 것은 투자, 규제 완화, 인재 확보, 반도체, 데이터센터, 스타트업 생태계다. 다른 한쪽은 AI를 위험한 기술로 본다. 이 관점에서는 일자리 대체, 가짜 정보, 감시, 편향, 저작권, 통제 불가능성 같은 문제가 중심이 된다. 하지만 지금 필요한 것은 이 둘 중 하나만 택하는 태도가 아니다. 더 근본적인 질문은 따로 있다. AI를 우리는 무엇으로 보아야 하는가. 단지 하나의 산업기술인가, 아니면 사회 전체의 작동 방식을 바꾸는 일반목적기술인가.

나는 후자가 더 정확하다고 본다. AI는 특정 분야의 효율을 조금 높이는 수준을 넘어, 생산, 행정, 교육, 의료, 국방, 금융, 미디어, 법률, 연구개발, 일상적 의사결정에까지 스며드는 기술이다. 전기나 인터넷처럼 여러 산업과 제도 위에 올라타 작동 방식을 다시 설계하게 만드는 성격을 가진다. 이런 기술은 시장에서 많이 팔리는 상품이라는 이유만으로 다룰 수 없다. 사회 전체의 비용과 편익, 권력의 재분배, 기회의 접근성, 안전성과 책임 구조까지 함께 봐야 한다. AI를 산업정책의 항목 하나로만 보는 순간, 가장 중요한 문제를 놓치게 된다.

일반목적기술이라는 말의 의미

일반목적기술은 특정 제품 하나를 잘 만드는 기술이 아니다. 경제와 사회의 여러 부문에 광범위하게 적용되며, 다른 기술과 제도를 연쇄적으로 바꾸는 기반 기술이다. 증기기관이 공장과 운송 체계를 바꾸고, 전기가 생산방식과 생활양식을 바꾸고, 인터넷이 정보 유통과 거래 구조를 바꾸었듯, AI는 인간의 판단과 정보처리, 예측과 생성, 자동화와 최적화의 구조를 바꾸고 있다. 이 점에서 AI는 단순한 소프트웨어 혁신이 아니라 인지적 인프라의 재구성에 가깝다.

이 말의 함의는 크다. 일반목적기술은 성장이 빠르지만 충격도 넓다. 혜택은 선도 기업과 고숙련 집단에 먼저 집중되고, 비용은 취약한 노동자와 후발 산업, 규제가 약한 사회에 먼저 전가되기 쉽다. 생산성의 총량은 늘어도 분배는 자동으로 개선되지 않는다. 오히려 과도기에는 격차가 확대되는 경우가 많다. 따라서 일반목적기술의 확산은 단지 혁신의 문제가 아니라, 누가 이익을 가져가고 누가 전환 비용을 부담하는가의 문제이기도 하다.

시장에만 맡길 때 왜 양극화가 커지는가

시장 메커니즘은 효율을 추구하지만 정의를 자동으로 보장하지는 않는다. AI가 시장에만 맡겨질 경우 가장 먼저 벌어지는 일은 데이터, 연산 자원, 인재, 플랫폼, 네트워크 효과를 가진 소수 기업으로의 집중이다. 거대 모델을 학습시키고 배포할 수 있는 자본력을 가진 기업은 극히 제한적이며, 이들은 기술 우위뿐 아니라 표준 설정 능력과 생태계 지배력까지 확보한다. 반면 다수의 중소기업, 지역 산업, 공공기관, 취약계층은 AI를 사용하는 비용 구조와 의존 관계 속으로 들어간다.

이 구조에서는 생산성 향상 자체가 곧바로 모두의 번영으로 이어지지 않는다. 오히려 생산성의 열매가 자본과 플랫폼 소유자에게 먼저 집중될 가능성이 크다. 노동자는 더 적은 인력으로 더 많은 업무를 처리하라는 압박을 받을 수 있고, 프리랜서와 하청 노동자는 알고리즘 평가 시스템에 종속될 수 있으며, 창작자와 지식노동자는 자신의 데이터와 산출물이 대가 없이 학습 자원으로 흡수되는 경험을 하게 된다. 기술은 중립적일 수 있어도, 기술이 배치되는 시장 구조는 결코 중립적이지 않다.

이때 등장하는 표현이 이른바 ‘디지털 농노화’다. 물론 이 말은 다소 자극적이지만 문제의 방향을 잘 드러낸다. 사용자는 편리한 도구를 쓰는 대가로 데이터와 행동 패턴, 작업 결과, 사회적 관계를 플랫폼에 지속적으로 제공한다. 노동자는 AI 시스템이 설계한 기준에 맞춰 자신의 노동을 세분화하고 평가받는다. 기업과 개인은 점점 더 소수의 모델 제공자와 클라우드 인프라에 의존하게 된다. 겉으로는 자유로운 선택처럼 보이지만 실질적으로는 대안이 줄고 협상력이 약해지며 종속성이 강화되는 구조가 만들어진다. 이것이 단순한 기술 발전이 아니라 권력 구조의 이동으로 보아야 하는 이유다.

AI는 풍요의 기술이 될 수도 있다

그렇다고 비관론만이 정답은 아니다. AI는 분명히 막대한 생산성 향상 가능성을 품고 있다. 반복적인 문서 작업, 검색과 요약, 번역, 코드 보조, 고객 응대, 진단 지원, 신약 탐색, 물류 최적화, 맞춤형 교육, 행정 자동화 등에서 AI는 이미 시간을 줄이고 비용을 절감하며 접근성을 높이고 있다. 문제는 생산성 향상 그 자체가 아니라 그 향상의 성과가 어떤 제도 아래서 누구에게 돌아가느냐다.

제도가 제대로 설계된다면 AI는 오히려 공공성을 확장하는 기술이 될 수도 있다. 의료 인력이 부족한 지역에서 기본 상담과 분류를 돕고, 교육 자원이 부족한 곳에서 개인 맞춤형 학습을 제공하며, 복잡한 행정 절차를 간소화하고, 장애인과 고령자의 정보 접근성을 높이며, 중소기업의 생산성 격차를 줄이는 도구로 활용될 수 있다. 이 경우 AI는 단지 대기업의 수익을 키우는 엔진이 아니라 사회 전체의 기본 역량을 끌어올리는 인프라가 된다. 결국 같은 기술도 어떤 거버넌스 아래에서 작동하느냐에 따라 디스토피아가 될 수도, 유토피아의 일부가 될 수도 있다.

왜 국가의 프레임이 먼저 필요한가

바로 이 지점에서 국가의 역할이 중요해진다. 여기서 말하는 국가는 무조건 금지하고 통제하는 권력만을 뜻하지 않는다. 오히려 시장이 감당하지 못하는 공공적 기준을 만들고, 위험과 기회를 조정하며, 기술 전환의 비용을 사회적으로 분담하게 하는 제도적 설계자에 가깝다. AI처럼 속도가 빠르고 파급 범위가 넓은 기술에서는 ‘먼저 확산되고 나중에 수습하는 방식’이 너무 큰 사회적 비용을 낳는다. 사고가 난 뒤 책임을 따지는 것만으로는 충분하지 않다. 어느 영역에서 어떤 위험이 큰지, 어떤 수준의 설명 가능성과 감사 가능성이 필요한지, 누가 책임을 져야 하는지, 공공영역에서 어떤 최소 접근권을 보장할지 사전에 틀을 잡아야 한다.

이런 맥락에서 AI 기본법, 국가 AI 위원회, AI 안전 연구소 같은 장치는 단순한 행정 조직이 아니다. 그것들은 기술 발전을 느리게 하자는 장치가 아니라 기술이 사회 전체를 흔들 때 최소한의 방향과 책임 구조를 세우는 장치다. 법은 무엇을 금지할지뿐 아니라 무엇을 촉진할지도 정한다. 위원회는 부처별 파편화된 정책을 조정하고 장기 전략을 설계하는 역할을 맡는다. 안전 연구소는 추상적인 공포가 아니라 실제 위험을 평가하고 기준을 축적하는 기능을 수행한다. 결국 국가는 혁신의 적이 아니라, 무질서한 혁신이 만들어낼 사회적 손실을 줄이는 조건이 될 수 있다.

규제와 혁신은 왜 대립쌍이 아닌가

AI 논의에서는 종종 “규제를 하면 혁신이 죽는다”는 말이 반복된다. 그러나 이 명제는 절반만 맞다. 나쁜 규제는 혁신을 죽인다. 하지만 좋은 규제는 오히려 시장의 예측 가능성을 높이고 신뢰를 축적하며 책임 있는 확산을 가능하게 한다. 자동차 산업이 안전 기준 없이 성장할 수 없었듯, 금융 산업이 최소한의 회계와 공시 제도 없이 유지될 수 없었듯, AI 역시 일정 수준의 규범과 책임 체계 없이 장기적으로 성장하기 어렵다.

특히 고위험 영역에서는 더 그렇다. 의료, 채용, 신용평가, 교육 선발, 공공복지, 치안, 국방처럼 인간의 생명과 권리, 삶의 경로에 영향을 미치는 분야에서는 정확도 하나만으로 충분하지 않다. 오류가 어떤 식으로 발생하는지, 피해를 누가 입는지, 이의를 제기할 통로가 있는지, 데이터와 모델이 특정 집단을 구조적으로 차별하지 않는지 따져야 한다. 이것은 혁신을 막는 사치가 아니라, 기술을 사회적으로 사용할 수 있게 만드는 최소 조건이다.

공공성과 산업기회를 동시에 잡는다는 것

여기서 중요한 것은 공공성과 산업기회를 서로 반대말처럼 놓지 않는 태도다. 많은 논쟁이 “공공성을 강조하면 산업이 위축된다”거나 “산업을 키우려면 공공적 제약을 줄여야 한다”는 이분법에 갇힌다. 그러나 장기적으로 보면 산업 경쟁력은 공공성과 분리될 수 없다. 신뢰받지 못하는 기술은 시장을 넓히기 어렵고, 안전하지 않은 기술은 국제 협력에서 배제되기 쉽고, 사회적 반발이 큰 기술은 정치적으로 지속 가능하지 않다.

반대로 공공성을 산업정책과 결합하면 새로운 기회가 열린다. 신뢰 가능한 AI 평가 체계, 공공 데이터 인프라, 다국어 모델, 저비용 경량 모델, 산업별 안전 인증, 교육용·의료용 특화 솔루션, 개발도상국에 적용 가능한 공공 AI 플랫폼 등은 모두 산업이자 공공재가 될 수 있다. 즉 국가가 해야 할 일은 기업을 대신해 시장에서 싸우는 것이 아니라, 공공성의 기준을 산업 전략과 연결해 새로운 생태계를 만드는 것이다.

국제협력이 필수인 이유

AI는 국경 안에만 머무는 기술이 아니다. 모델은 글로벌 클라우드에서 운영되고, 데이터는 여러 나라를 넘나들며, 플랫폼은 한 국가의 법제만으로 통제하기 어렵다. 더구나 표준과 규범을 누가 먼저 제시하느냐에 따라 국제 시장의 주도권도 달라진다. 따라서 AI 시대의 국가는 자국 법만 잘 만드는 것으로 충분하지 않다. 국제기구, 동맹국, 개발도상국, 민간 기업, 연구기관과 함께 규범과 협력 구조를 설계해야 한다.

여기서 국제협력은 단순한 외교 수사가 아니다. 첫째, 안전 기준과 평가 프레임을 공유해야 한다. 둘째, 데이터와 인재, 연구 협력을 통해 기술 격차를 줄여야 한다. 셋째, 개발도상국이 AI를 단지 소비만 하는 위치에 머물지 않도록 공공적 접근성을 높여야 한다. 넷째, 군사적 오용과 정보 조작, 사이버 위협 같은 초국경적 위험에 공동 대응해야 한다. 다섯째, 시장 지배력이 과도하게 특정 국가와 기업에 집중되는 문제에 대해 다자적 논의를 해야 한다. AI는 한 나라만 잘해서 해결되는 문제가 아니라, 국제질서의 일부가 되어버린 기술이다.

한국이 취할 수 있는 전략

한국은 이 흐름 속에서 애매한 위치에 있다. 초거대 플랫폼과 연산 자원 면에서는 미국과 중국에 비해 불리하지만, 디지털 인프라, 제조업 기반, 교육 수준, 공공행정 역량, 반도체 산업, 빠른 사회적 확산 속도라는 강점을 가지고 있다. 따라서 한국이 취해야 할 전략은 무조건적인 규모 경쟁이 아니다. 모든 분야에서 세계 1위를 노리는 방식은 현실성이 낮다. 대신 신뢰 가능한 AI, 공공형 AI, 산업 특화 AI, 국제협력형 AI 허브 전략으로 차별화할 필요가 있다.

예를 들어 제조업과 의료, 교육, 공공행정, 국방, 콘텐츠 산업에서 축적된 한국의 현장 데이터를 안전하고 책임 있게 활용할 수 있는 구조를 만들면 경쟁력이 생긴다. 또 한국어를 포함한 다국어 환경, 규제와 민주주의 제도를 함께 운영해본 경험, 빠른 서비스 상용화 능력은 국제적으로도 의미 있는 자산이 될 수 있다. 중요한 것은 이 강점을 단순한 수출 상품으로만 보지 않고, 국제 사회에 제안 가능한 모델로 발전시키는 일이다. 다시 말해 ‘기술 수출국’에 그치지 않고 ‘거버넌스 제안국’이 되어야 한다.

AI 기본사회라는 발상의 가능성과 한계

최근 제기되는 ‘AI 기본사회’라는 표현은 이런 맥락에서 이해할 수 있다. 핵심 취지는 AI를 소수의 독점 자산으로 두지 않고, 사회 전체가 활용할 수 있는 공공적 기반으로 만들자는 것이다. 의료, 교육, 행정, 돌봄, 정보 접근 같은 영역에서 AI 활용의 최소선을 넓히고, 기술의 혜택이 특정 기업과 계층에만 집중되지 않도록 하자는 문제의식이다. 이 구상은 방향 자체로는 의미가 있다. AI 시대의 복지는 현금 이전만이 아니라 지능 자원에 대한 접근권의 문제이기도 하기 때문이다.

다만 이 개념은 아직 더 정교해질 필요가 있다. AI 기본사회가 단순한 정치적 슬로건에 그치지 않으려면 몇 가지가 명확해야 한다. 무엇을 공공재로 볼 것인가. 모델 자체인가, 데이터 인프라인가, 컴퓨팅 접근권인가, 공공 서비스용 응용 시스템인가. 재원은 어떻게 마련할 것인가. 민간 기업과 어떤 방식으로 역할을 나눌 것인가. 개인 정보 보호와 공공 데이터 활용은 어디서 균형을 잡을 것인가. 개발도상국 지원과 국내 산업 육성은 어떤 구조로 연결할 것인가. 이런 질문에 답하지 못하면 좋은 비전도 실행력 없는 구호로 남을 수 있다.

노동의 전환을 어떻게 볼 것인가

AI 논의에서 가장 첨예한 부분 중 하나는 노동이다. 많은 사람은 AI가 일자리를 없앨지 여부에만 집중하지만, 더 중요한 것은 노동의 질과 협상력, 숙련의 구조가 어떻게 바뀌느냐다. AI는 일부 업무를 자동화하면서 동시에 다른 업무를 증폭한다. 문제는 이 과정에서 노동자가 기술의 주체가 될 수도 있고, 기술에 종속된 감시 대상이 될 수도 있다는 점이다.

국가가 해야 할 일은 단순히 “새 일자리가 생길 것이다”라고 말하는 데 그쳐서는 안 된다. 재교육과 전환 훈련, 직무 재설계, 노동자 참여형 도입 기준, 알고리즘 관리의 투명성, 자동화 이익의 사회적 환원 같은 구체적 장치가 필요하다. 생산성 향상의 열매를 전적으로 자본이 가져가고 노동은 불안정성만 떠안는다면, AI는 사회 전체의 반발을 부를 것이다. 반대로 전환 비용을 사회가 함께 부담하고, 노동자가 새로운 도구를 다룰 권한과 역량을 얻는다면 AI는 인간의 일을 빼앗는 기술이 아니라 인간의 일을 재구성하는 기술이 될 수 있다.

안전은 기술 억제가 아니라 신뢰의 기반이다

AI 안전을 이야기하면 종종 막연한 종말론으로 흐르기 쉽다. 그러나 실제 정책에서 중요한 것은 과장된 공포가 아니라 구체적인 위험 관리다. 허위 정보 생성, 자동화된 차별, 취약한 보안, 책임 불명확성, 고위험 분야의 오작동, 모델 남용, 개인정보 침해 같은 문제는 이미 현실의 위험이다. 이런 위험에 대응하는 기준과 평가 체계가 없다면 사회는 AI를 신뢰하지 않게 되고, 결국 산업도 위축된다.

따라서 안전은 혁신을 늦추는 장애물이 아니라 신뢰를 가능하게 하는 기반으로 봐야 한다. 안전 연구소와 평가 체계, 테스트베드, 공공 검증 프레임은 기업의 부담만 늘리는 것이 아니라 장기적으로는 시장의 문턱을 낮추고 국제적 신뢰를 확보하는 장치가 된다. 특히 국제협력까지 염두에 둔다면 ‘안전하게 설계하고 책임 있게 배포할 수 있는 능력’ 자체가 중요한 경쟁력이 된다.

교육과 시민 역량의 문제

AI 시대의 격차는 단순한 소득 격차만이 아니다. AI를 이해하고 활용하고 통제할 수 있는 사람과 그렇지 못한 사람 사이의 인지적 격차가 함께 벌어진다. 어떤 이는 AI를 통해 생산성을 몇 배로 높이고, 어떤 이는 결과를 검증하지 못한 채 의존만 키울 수 있다. 이 차이는 학교 교육, 직업 훈련, 평생학습, 디지털 문해력, 비판적 사고 훈련의 차이로 이어진다. 결국 AI 정책은 산업정책이면서 동시에 교육정책이어야 한다.

특히 중요한 것은 단순한 도구 사용법 교육이 아니다. 프롬프트를 잘 쓰는 법만 가르쳐서는 충분하지 않다. AI가 어떤 방식으로 오류를 내는지, 왜 그럴듯한 거짓말을 할 수 있는지, 어떤 데이터 편향을 반영하는지, 자동화된 판단을 언제 의심해야 하는지, 인간이 최종 책임을 져야 하는 영역이 무엇인지까지 함께 가르쳐야 한다. 그렇지 않으면 시민은 AI를 활용하는 주체가 아니라, AI가 만들어낸 결과를 수동적으로 소비하는 객체가 된다.

공공부문이 먼저 모범을 보여야 한다

AI의 공공성은 선언만으로 생기지 않는다. 실제로는 공공부문이 어떤 방식으로 AI를 도입하고 운영하느냐에서 드러난다. 공공행정은 민간보다 느릴 수 있지만, 그 대신 사회적 기준을 세우는 힘이 있다. 행정 문서 자동화, 민원 응답, 복지 안내, 의료 보조, 교육 지원, 재난 대응, 통번역, 법률 정보 제공 같은 영역에서 공공부문이 신뢰할 수 있는 AI 활용 모델을 먼저 만들면, 민간도 그 기준을 참고하게 된다.

물론 공공부문의 AI 도입은 더 엄격해야 한다. 공공 영역에서의 오류는 단순한 불편이 아니라 권리 침해로 이어질 수 있기 때문이다. 그래서 공공 AI에는 설명 가능성, 감사 가능성, 인간 개입 절차, 이의제기권, 기록 보존, 개인정보 최소 수집, 외부 검증 같은 장치가 더 분명해야 한다. 중요한 것은 국가가 AI를 사용하지 말아야 한다는 것이 아니라, 공공 영역이야말로 가장 책임 있는 방식으로 먼저 사용해야 한다는 점이다.

중소기업과 지역 경제를 위한 AI 전략

AI의 혜택이 실제 경제 전체로 퍼지려면 대기업 몇 곳의 성공만으로는 부족하다. 한국 경제의 다수를 차지하는 중소기업과 지역 산업이 AI를 사용할 수 있어야 한다. 문제는 이들이 가장 필요한 곳이면서도, 동시에 가장 도입이 어렵다는 점이다. 자체 데이터 인프라가 부족하고, 전문 인력이 없고, 도입 비용이 부담되며, 무엇을 어디에 적용해야 하는지 판단하기도 어렵다.

따라서 국가는 단순한 보조금 지급을 넘어, 산업별 공통 데이터셋, 표준화된 솔루션, 실증 지원, 공공 테스트베드, 컨설팅, 저비용 클라우드 연계, 지역 대학과 연구기관을 통한 기술 지원 체계를 마련해야 한다. AI가 대기업의 효율을 5퍼센트 더 높이는 데만 쓰인다면 사회 전체의 체감 효과는 제한적일 수 있다. 반대로 생산성 정체에 빠진 중소기업과 지역 산업의 역량을 끌어올리는 데 쓰인다면, AI는 성장률뿐 아니라 경제 구조의 건강성에도 기여할 수 있다.

국가 경쟁력은 기술 보유보다 제도 신뢰에서 갈릴 수 있다

앞으로 국가 간 경쟁은 누가 더 큰 모델을 만들었는가만으로 결정되지 않을 가능성이 크다. 오히려 누가 더 신뢰할 수 있는 제도 환경에서 AI를 개발하고 운영할 수 있는가가 중요해질 수 있다. 기업 입장에서는 예측 가능한 규칙, 명확한 책임 기준, 국제적으로 인정받는 인증 체계, 우수한 인재와 인프라, 공공 수요와 실증 환경이 있는 나라를 선호할 수밖에 없다. 즉 규제가 없어서 좋은 나라보다, 규칙이 분명해서 안심하고 투자할 수 있는 나라가 더 강해질 수 있다.

이 점에서 한국은 여지가 있다. 사회적 디지털화 수준이 높고, 공공행정의 실행력이 비교적 강하며, 제조업과 서비스업의 접점이 넓고, 국제협력에 적극 참여할 수 있는 외교적 공간도 있다. 물론 미국이나 중국처럼 압도적 자본과 플랫폼을 보유한 나라는 아니다. 그러나 바로 그렇기 때문에 더 정교한 전략이 가능하다. 기술 패권 경쟁의 단순 추격자가 아니라, 신뢰 가능한 AI 질서의 중간 설계자로 자리 잡는 전략이 현실적이며 동시에 의미 있다.

지금 필요한 것은 속도 경쟁만이 아니다

AI 시대에는 속도가 중요하다는 말이 반복된다. 실제로 기술 변화는 빠르고, 늦으면 따라잡기 어려운 분야도 많다. 그러나 속도만 강조하면 방향을 잃기 쉽다. 무엇을 위해 빠르게 가는지, 누구를 남겨두지 않을 것인지, 어떤 위험을 감수하고 어떤 위험은 넘지 않을 것인지에 대한 사회적 합의가 없다면 속도는 오히려 혼란을 키운다. 빠른 도입이 반드시 좋은 도입은 아니다.

지금 필요한 것은 속도를 늦추자는 것이 아니다. 속도와 방향을 함께 설계하자는 것이다. 산업은 산업대로 육성하되, 불평등 완화와 노동 전환, 공공 접근성, 안전 검증, 국제 규범 참여를 동시에 추진해야 한다. 이것은 욕심이 아니라 일반목적기술 시대의 기본 조건이다. 한쪽만 택하는 국가는 잠시 빨라 보일 수 있어도 오래 버티기 어렵다. 반대로 복합적 과제를 함께 풀어내는 국가는 처음엔 느려 보여도 지속 가능성과 신뢰에서 앞서게 된다.

결국 문제는 기술이 아니라 배치 방식이다

AI의 미래는 기술 성능만으로 결정되지 않는다. 더 강한 모델, 더 빠른 추론, 더 큰 데이터센터가 모든 것을 해결해주지 않는다. 진짜 문제는 그 기술이 어떤 소유 구조와 제도 구조, 국제 질서, 노동 체계, 공공 서비스 안에 배치되느냐다. 같은 AI라도 소수 플랫폼의 독점 도구로 쓰이면 양극화를 심화시키고, 공공적 접근성과 안전 기준이 결합된 생태계에서 쓰이면 사회 전체의 역량을 높일 수 있다.

이 점에서 “시장에만 맡기면 안 된다”는 말은 반기업적 구호가 아니다. 그것은 AI가 너무 강력한 기술이기 때문에, 시장의 자율 조정만으로는 분배와 안전, 책임과 접근의 문제를 해결할 수 없다는 현실 인식이다. 동시에 “국가가 프레임을 먼저 만들어야 한다”는 말도 무조건 국가가 다 하자는 뜻이 아니다. 국가는 방향과 기준, 공공성의 최소선을 만들고, 산업과 시민사회, 학계와 국제기구가 그 위에서 경쟁하고 협력할 수 있는 장을 설계해야 한다는 뜻이다.

맺음말

AI를 둘러싼 논쟁은 종종 극단으로 흐른다. 한쪽은 모든 것을 해결해줄 혁신으로, 다른 한쪽은 문명을 위협할 재앙으로 묘사한다. 하지만 현실은 그보다 더 제도적이고 더 정치적이다. AI는 분명히 거대한 기회다. 동시에 방치하면 거대한 불평등과 종속 구조를 낳을 수 있는 기술이기도 하다. 그래서 지금 필요한 것은 낙관이나 비관의 감정이 아니라 설계의 능력이다.

AI는 그냥 산업기술이 아니라 사회구조를 재편하는 일반목적기술이다. 그렇다면 해답도 분명하다. 시장의 속도만을 찬양하는 것도, 막연한 공포로 모든 발전을 묶어두는 것도 아니라, 국가가 법과 안전, 국제협력의 프레임을 먼저 세우고 그 위에서 공공성과 산업기회를 함께 키우는 것이다. 이 균형을 잡는 나라만이 AI 시대에 뒤처지지 않을 뿐 아니라, 기술을 통해 더 나은 사회를 설계할 수 있다. 결국 AI 시대의 경쟁력은 모델 크기만이 아니라 사회를 조직하는 능력에서 갈릴 것이다.