인프라는 늘었지만 성과 불투명, GPU 배분·독자 AI 기준·인재 유출 등 숙제 산적
정부가 2026년 인공지능(AI) 예산을 9조9000억원으로 확대하며 ‘AI 3대 강국 도약’을 공식 목표로 제시했다. 전년 대비 약 3배, 추경 기준으로도 두 배 가까이 늘어난 역대 최대 규모다. 기술개발, 인프라 구축, 산업·공공 전환(AX), 인재 양성까지 전 영역에 걸친 전면적 투자가 예고되면서 수치만 놓고 보면 한국의 AI 정책은 본격적인 확장 국면에 들어선 듯 보인다.
그러나 예산 규모의 급격한 확대와 달리 집행 구조와 성과 확산 경로를 둘러싼 우려도 동시에 커지고 있다. AI 예산의 양적 확대가 곧바로 산업 경쟁력 강화로 이어진다고 보기는 어렵다는 이유에서다. 전문가들 사이에선 얼마를 쓰는지보다 어떻게 쓰고, 무엇을 남길지가 관건이라고 입을 모았다. GPU 배분 구조, 독자 AI 모델 사업의 공정성 논란, 인재·산업 생태계의 취약성 등이 보완해야 할 과제로 지목됐다.
인프라는 늘었지만 병목은 그대로…GPU·전력·데이터 등 구조적 한계 여전
올해 정부 AI 예산의 가장 큰 특징은 인프라와 AX(인공지능 전환) 부문의 비중 확대가 거론된다. 정부는 기술개발에 약 2조9000억원, AI 인프라·연구기반 조성에 2조5000억원, 산업·생활·공공 전반의 AI 전환에 2조4000억원을 배정했다. 단순한 연구개발을 넘어 실제 산업과 행정 현장에 AI를 이식하겠다는 의지를 드러냈다는 평가다.
하지만 집행 단계에서부터 매번 비슷한 문제가 되풀이되고 있어 예산 증가가 곧 AI 경쟁력 확보로 이어질 지 의구심어린 목소리가 나온다. 고성능 GPU 확보와 배분 구조가 가장 대표적인 사례로 지목된다.
정부는 2028년까지 5만2000장 이상의 GPU를 확보하겠다는 목표를 세웠지만 이 물량이 언제, 어떤 기준으로, 어느 주체에게 배분될지에 대한 명확한 로드맵은 여전히 불투명한 상태다. 정부 구매 GPU, 국가 AI 컴퓨팅 센터, 슈퍼컴퓨터 6호기 등 다양한 경로가 동시에 추진되고 있지만 산·학·연 수요를 종합적으로 반영한 통합 배분 체계는 아직 구축 단계에 머물러 있다는 지적이다.
이로 인해 중소기업과 스타트업, 대학 연구실 등은 GPU가 필요해도 접근하기 어렵다는 불만을 반복적으로 제기하고 있다. 대규모 예산이 투입되지만 실제 현장에서는 여전히 자원 접근성의 격차가 해소되지 않고 있는 셈이다. 전문가들은 GPU 확보 자체보다도 배분의 투명성과 예측 가능성이 경쟁력의 핵심이라는 지적을 내놓고 있다.
전력 문제도 구조적 리스크로 꼽힌다. AI 데이터센터는 24시간 가동과 대규모 냉각 시스템을 필요로 하는 대표적인 전력 다소비 시설이다. 최근 산업용 전기요금 인상과 전력 계통 부담이 동시에 커지면서 AI 인프라 운영 비용은 급격히 상승하고 있다. 충분한 전력 공급과 요금 안정성이 뒷받침되지 않을 경우 대규모 인프라 투자가 오히려 민간 참여를 위축시키는 역설적 결과를 낳을 수 있다는 우려가 나온다.
데이터 문제 역시 간과하기 어렵다. AI 모델 고도화를 위해서는 양질의 학습 데이터가 필수지만 이미 글로벌 AI 시장에서는 ‘데이터 절벽’에 대한 경고가 나오고 있다. GPU와 모델 개발 예산만 늘릴 경우 학습 데이터 확보가 뒤따르지 않으면 투자 효율은 급격히 떨어질 우려가 크다. 공공 데이터 개방, 민간 데이터 활용 촉진, 데이터 표준화 등 후속 설계 없이는 인프라 투자가 반쪽짜리에 그칠 수 있다는 지적이 나온다.
독자 AI와 인재 전략의 딜레마…컨트롤타워·검증 시스템 필수
정부가 추진 중인 독자 AI 파운데이션 모델 개발 사업은 한국형 AI 전략의 상징적인 프로젝트로 꼽힌다. 구글 제미나이나 오픈AI의 챗GPT 등 글로벌 빅테크 모델에 대한 의존도를 줄이고 국내 기술 자립 기반을 구축하겠다는 취지다. 그러나 사업이 본격화될수록 평가 기준과 공정성을 둘러싼 논란도 함께 커지고 있다.
현재 독자 AI 사업은 단계별 경쟁을 통해 참여 팀을 압축하는 구조로 진행되고 있다. 문제는 ‘독자성’의 기준이 명확하지 않다는 점이다. 일부 참여 기업이 해외 오픈소스나 상용 모델을 상당 부분 활용하고 있음에도 독자 AI로 인정받고 있다는 지적이 나오면서 사업 취지가 무색해졌다는 비판이 나온다. 성능 목표 역시 글로벌 모델 대비 몇 퍼센트 수준이라는 정성적 표현에 머물러 있어 객관적인 벤치마크와 검증 체계가 필요하다는 목소리가 커지고 있다.
인재 문제도 해결해야 할 숙제 중 하나로 지목된다. 글로벌 AI 경쟁력 지표에서 한국은 종합 순위에서는 상위권을 유지하고 있지만 AI 인재와 산업 생태계 부문에서는 중하위권에 머무르고 있다. 정부 전략과 인프라는 빠르게 확대되고 있지만 이를 실제 성과로 연결할 인적 기반이 취약하다는 것이다.
특히 AI 인재의 해외 유출은 구조적 문제로 지적된다. 국내에서 양성된 고급 AI 인력이 더 나은 연구 환경과 보상을 찾아 해외로 이동하는 비율은 일반 산업 인력보다 높은 것으로 나타났다. 정부 예산이 국내 생태계에 머물지 못하고 글로벌 인재 시장으로 빠져나가는 구조가 고착화될 경우 대규모 재정 투입에도 불구하고 기술 경쟁력은 제자리걸음에 그칠 수 있다는 우려가 제기된다.
산업 생태계 측면에서도 보완이 필요하다는 목소리가 나온다. 현재 AI 예산 구조는 대기업과 공공 부문 중심으로 설계돼 있어 중소기업과 스타트업으로 성과가 확산되는 경로가 상대적으로 약하다. AI 혁신 펀드와 정책금융이 조성되고 있지만 민간투자 유입과 회수 구조가 명확하지 않으면 일회성 지원에 그칠 가능성이 크다. 산업 전반의 생산성 향상과 고용 창출로 이어지기 위해서는 중소기업 중심의 확산 전략이 필수라는 지적이 나온다.
한국이 AI 3대 강국으로 도약하기 위해선 AI 예산 집행 구조와 성과 관리 체계가 명확하게 마련돼야 한다는 게 전문가들의 평가다. 이를 위해선 선제적인 컨트롤타워 구축이 가장 먼저 거론된다. AI 기본법 시행으로 제도적 틀은 마련됐지만 부처 간 조정과 성과 검증 기능이 제대로 이뤄지지 못할 경우 대규모 예산도 분산·중복 투자로 소진될 수 있다는 것이다. 특히 GPU 배분, 독자 AI 사업, 인재 양성, 산업 확산 등 핵심과제에 대한 성과 지표(KPI) 설정과 사후 평가 체계가 필요하다는 지적이 잇따른다.
전문가들은 AI 강국으로 도약하기 위해선 예산을 쓰는 데서 끝나는 것이 아니라 민간 투자·고용·기술 축적으로 이어지는 선순환 구조를 만들 수 있느냐가 관건이라고 지적했다. 김성은 국회예산정책처 산업예산분석관은 “9.9조원이라는 숫자는 출발선에 불과하다”며 “성과를 점검하고 실패를 수정하는 구조를 만들지 못하면 AI 예산은 또 하나의 대규모 재정 실험으로 끝날 수 있다”고 지적했다.
글=임현범 르데스크 기자
☞ 기사 속 Q&A
Q1. 정부가 밝힌 ‘AI 3대 강국’ 목표는 무엇인가?
A. 정부는 한국을 미국·중국에 이어 세계 3대 AI 강국으로 도약시키겠다는 목표를 공식적으로 제시했다. 이를 위해 ▲AI 인프라 확충 ▲초거대 AI 경쟁력 확보 ▲AI 산업 확산 ▲AI 인재 양성 등을 핵심 과제로 설정했다.
Q2. 2026년 AI 관련 정부 예산 규모는 어느 정도인가?
A. 정부는 2026년 AI 관련 예산을 약 10조원 수준으로 편성했다. 이는 전년 대비 큰 폭으로 증가한 규모로, 역대 최대 수준의 AI 투자다.
Q3. 향후 보완이 필요하다고 지적된 방향은?
A. ▲GPU·컴퓨팅 인프라에 대한 전략적 집중 ▲독자 AI 모델 장기 투자 ▲AI 인재 정착 생태계 구축 ▲성과 기반 예산 집행 ▲부처 간 AI 정책 컨트롤타워 강화 등이 필요 과제로 제시됐다.
Copyright © ⓒ르데스크