Eric Schmidt, Google 검색에서 AI 전략으로의 전환

AI 정책 논의에서 Eric Schmidt가 중요한 이유

Eric Schmidt가 AI 정책에서 중요한 이유는 그의 경력이 글로벌 기술 플랫폼 운영과 국가의 기술 역량 구축 노력을 잇기 때문이다. 그의 영향력은 선출직을 맡거나 규제를 작성해서 나오지 않는다. 엔지니어링, 투자, 조직 운영의 문제를 정부 관계자가 예산을 배정하고, 담당자를 정하고, 성과를 측정할 수 있는 권고안으로 바꾸는 데서 나온다.

이 구분이 논의의 초점을 잡아 준다. Schmidt가 Google에서 보낸 시간은 관계자들이 그의 말에 귀 기울이는 이유를 설명하지만, 이 글은 전기도 검색의 역사가 아니다. 중요한 질문은 데이터, 인프라, 기술 인재, 빠른 제품 반복에 관한 경험이 이후 국가안보와 인공지능 분야의 활동에 어떤 영향을 주었는가다.

국가 AI 전략은 연구, 상용 도입, 공공 부문 활용, 보안, 감독을 아우르는 정부의 조율된 계획이다. 대학 지원, 숙련 인력 이민, 반도체 공급, 데이터 센터, 에너지, 정부 조달, 기술 표준, 인력 양성, 국제 협력을 다룬다. 또 어느 영역에서 제한이 정당한지, 실패의 책임은 누가 지는지, 시민이 해로운 자동화 결정에 어떻게 이의를 제기할 수 있는지도 정해야 한다.

Schmidt의 공개 활동에는 네 가지 논쟁이 반복해서 나타난다.

• 혁신은 연구, 기업 창업, 도입 속도, 자본과 컴퓨팅 접근성을 다룬다.
• 안보는 국방 분야 도입, 사이버 작전, 정보 활동, 모델 보호, 위험한 이중 용도 역량을 다룬다.
• 거버넌스는 테스트, 문서화, 모니터링, 책임, 구제를 통해 책임 소재를 정한다.
• 경쟁은 미국과 중국의 관계, 동맹국 공조, 첨단 반도체, 기술 표준, 인재를 다룬다.

이 논쟁들은 겹치지만 서로 같은 문제는 아니다. 국내 컴퓨팅 역량을 늘리는 정책은 연구와 국방을 뒷받침할 수 있지만 전력 시스템의 부담을 키울 수 있다. 수출 제한은 경쟁국의 첨단 하드웨어 접근을 늦출 수 있지만 국내 공급업체에 비용을 안길 수 있다. 안전 요건은 고위험 환경에서 사람을 보호하지만, 저위험 행정 도구에 그대로 적용하면 낭비가 될 수 있다.

Schmidt의 중요성은 이런 운영 관점에 있다. 국가 전략은 AI가 중요하다는 선언이 아니다. 공공의 야심이 실행 과정에서 살아남을지를 결정하는 제도, 예산, 기술 시스템, 유인책, 기한의 묶음이다.

엔지니어링 리더십에서 Google의 규모로

Schmidt의 기술 경력은 이후 정책 권고에 등장한 조직 문제를 직접 겪게 했다. 컴퓨터 과학 교육을 받은 그는 Bell Labs, Sun Microsystems, Novell에서 일한 뒤 2001년 Google의 최고경영자로 합류했다. Google에는 이미 창업자, 검색 기술, 빠르게 늘어나는 이용자가 있었다. 그의 역할은 그 추진력을 여러 시장과 제품에서 안정적으로 운영할 수 있는 회사로 바꾸는 일이었다.

그는 2011년까지 Google의 CEO로 일했다. 그 기간 회사는 컴퓨팅 인프라, 광고 사업, 인력, 제품군을 확장했다. 여기서 얻은 교훈은 성장보다 넓었다. 조직이 사람을 채용하고, 컴퓨팅 자원을 배분하고, 변경을 시험하고, 실패에서 회복하고, 필요한 속도로 의사결정하지 못한다면 기술 발명의 가치는 제한적이다.

검색은 이런 운영 원칙의 연결을 잘 보여 준다. 개념적으로 검색 시스템은 세 가지 서로 다른 일을 해야 한다.

• 크롤링은 문서를 찾아내고 웹이 바뀌면 다시 방문한다.
• 인덱싱은 찾은 자료를 효율적으로 검색할 수 있게 정리한다.
• 순위 결정은 특정 검색어와 의도에 가장 잘 맞는 결과를 추정한다.

각 단계는 인프라, 데이터 품질, 측정, 지속적인 유지보수에 의존한다. 유용한 순위 변경은 언어, 드문 검색어, 스팸 시도, 갑작스러운 뉴스 사건, 느린 네트워크, 수십억 건의 상호작용 전반에서 작동해야 한다. 전 세계 규모로 운영되는 서비스에서는 작은 오류율도 매일 엄청난 양의 잘못된 결과로 이어질 수 있다.

검색 시대에는 통제된 실험도 자연스러운 관행이 됐다. 팀은 제안된 변경을 기존 시스템과 비교하고, 이용자 행동을 관찰하고, 실패 사례를 살피고, 근거가 불리해지면 출시를 되돌릴 수 있었다. 모니터링과 롤백은 출시 후에 더해지는 행정 업무가 아니라 제품의 일부였다.

신뢰는 측정하기 더 어렵지만 그만큼 중요했다. 검색 순위는 사람들이 마주하는 정보를 좌우하고, 데이터 수집은 개인정보와 보안 의무를 낳는다. 결과가 조작된 듯 보이거나, 안전하지 않거나, 계속 부정확하다고 느끼면 이용자는 서비스를 떠날 수 있다. 정부도 AI에서 비슷한 문제를 안고 있다. 시스템이 내부 성능 목표를 충족하더라도 사람들이 그 결정을 이해하거나, 이의를 제기하거나, 벗어날 수 없다면 정당성을 잃을 수 있다.

비유에는 한계가 있다. 국가는 기술 기업이 아니고 시민은 고객이 아니며 공권력을 제품 관리로 축소할 수 없다. 정부는 법을 지키고, 헌법상 권리를 보호하고, 적법 절차를 뒷받침하고, 서로 다른 책무를 지닌 기관에 답해야 한다. Schmidt의 민간 부문 경험은 운영 병목을 찾아낼 때 유용하다. 기업의 속도를 민주적 책임성의 대체물로 다룰 때는 설득력이 떨어진다.

Schmidt의 정책 영향력을 만든 공적 역할

Schmidt가 국가 기술 정책으로 옮겨 간 과정에는 공식 자문 역할과 민간 재원 이니셔티브가 이어졌다. 이런 역할은 그에게 국방 지도자, 입법자, 기술 전문가, 정책 담당자와 접촉할 기회를 줬고, 그의 영향력을 판단할 수 있는 공개 문서도 남겼다.

2016년 국방장관 Ash Carter는 Schmidt를 새로 만든 국방혁신위원회 의장으로 임명했다. 이 위원회는 국방부 지도부에 조직 관행, 소프트웨어, 데이터, 인재, 신속한 기술 도입에 관해 자문하는 임무를 맡았다. 위원회는 군사 작전을 지휘하거나 계약을 체결하지 않았다. 대규모 관료 조직이 현대 기술과 상업 공급업체를 더 효과적으로 활용하도록 돕는 권고안을 냈다.

이후 의회는 흔히 NSCAI로 불리는 국가안보 인공지능위원회를 만들었다. Schmidt는 전 국방부 부장관 Robert Work가 부의장을 맡은 15인 초당적 위원회를 이끌었다. 법률에 따른 임무는 미국이 국가안보와 경제안보 수요에 대응할 AI 및 관련 기술을 어떻게 개발해야 하는지 권고하는 일이었다.

NSCAI는 2021년 대통령과 의회에 최종 보고서를 냈다. 보고서에는 국방 도입, 기술 인재, 연구 인프라, 마이크로일렉트로닉스, 동맹, 책임 있는 활용, 중국과의 경쟁을 다룬 16개 장과 세부 실행 청사진이 담겼다. 전략적 주장과 실행 가능한 제안이 함께 있었기에 의미가 컸다. 관계자들은 AI에 투자하자는 일반론을 받아들이는 대신 조직 구조, 채용 프로그램, 예산 구상, 테스트 요건을 뽑아 쓸 수 있었다.

NSCAI가 활동을 마친 뒤 Schmidt는 2021년 Special Competitive Studies Project를 설립했다. 이 민간 운영 재단은 국가안보, 경제, 사회와 관련한 AI 및 다른 신흥 기술을 연구한다. Schmidt가 의장을 맡고 있으며, 직원과 자문단은 정책 제안을 계속 발표하고 공공 및 민간 의사결정자를 모으고 있다.

이 직책들은 자문가가 정책에 영향을 미치는 네 가지 경로를 보여 준다.

• 의제 설정은 관계자들이 문제를 논의할 때 쓰는 문제 정의와 어휘를 만든다.
• 청사진은 넓은 목표를 조직, 권한, 프로그램, 기한으로 바꾼다.
• 네트워크는 기관과 연구자, 투자자, 기업, 전직 관료를 연결한다.
• 후속 활동은 위원회가 해산된 뒤에도 권고가 논의되도록 한다.

이 경로 중 어느 것도 자문가에게 공식 통제권을 주지는 않는다. 의회는 프로그램을 법으로 승인하고 예산을 지원할지 결정한다. 행정부 기관은 권한을 해석하고, 조달 규칙을 작성하고, 배치를 관리한다. 법원, 감찰관, 감사인, 언론, 시민사회는 결함을 드러낼 수 있다. Schmidt는 선택지의 목록을 만들 수 있지만, 무엇을 채택하고 유지할지는 공공기관이 결정한다.

NSCAI 전략의 주장

NSCAI의 핵심 주장은 AI 우위가 하나의 뛰어난 모델이 아니라 전체 기술 및 제도 기반에 달려 있다는 것이었다. 보고서는 인재, 데이터, 하드웨어, 알고리즘, 애플리케이션, 통합으로 그 기반을 설명했다. 어느 한 층이 약해도 인상적인 연구실 성과가 신뢰할 수 있는 국가 역량이 되는 것을 막을 수 있다.

보고서는 국방부와 정보공동체가 2025년까지 광범위한 AI 통합의 기반을 갖춰야 한다고 요구했다. 이는 모든 관련 기관이나 임무가 그날까지 AI 활용 준비를 마친다는 인증이 아니라, 준비 작업을 위한 기한이었다. 진지한 사후 평가는 어떤 기반이 마련됐는지, 얼마나 잘 작동했는지, 어떤 문제가 남았는지를 물어야 한다.

권고안은 실무적으로 다섯 가지 주제로 묶을 수 있다.

• 정부 도입에는 고위 리더십, 활용 가능한 데이터, 현대적 소프트웨어, 안전한 컴퓨팅, 반복적 조달이 필요했다.
• 인재 정책에는 새로운 기술 경력 경로, 더 나은 교육, 유연한 채용, 국제 전문 인력에 대한 지속적인 접근이 필요했다.
• 하드웨어 정책은 반도체 제조, 첨단 반도체 접근, 공급 집중, 연구에 주목해야 했다.
• 국가 연구 역량에는 공공 투자와 컴퓨팅, 데이터세트, 모델, 기술 지원에 대한 더 넓은 접근이 필요했다.
• 책임 있는 활용에는 테스트, 인간의 판단, 책임성, 모니터링, 동맹국과의 협력이 필요했다.

NSCAI를 경쟁 보고서로 요약할 때 책임 있는 활용 부분은 종종 빠진다. 최종 보고서는 국가안보 시스템에 정당한 신뢰가 필요하다고 주장했다. 운영자는 시스템이 어디서 작동하고 어디서 실패하는지, 적대자가 어떻게 공격할 수 있는지, 임무가 어느 정도 위험을 감수할 수 있는지 이해해야 한다. 기관 내부의 책임 있는 AI 리더십과 평가 및 거버넌스를 위한 여러 분야의 지원도 제안했다.

2021년 분석의 일부는 생성형 AI가 실무 문제를 바꾸면서 오래됐다. 범용 기반 모델은 이제 하나의 인터페이스로 텍스트, 소프트웨어, 이미지, 오디오, 계획을 만들 수 있다. 처음부터 모델을 학습하지 않아도 프롬프팅, 검색 증강, 미세 조정, 도구 사용을 통해 적용할 수 있다. 이는 접근성을 넓히는 한편 역량의 경계를 설명하기 어렵게 만들었다.

추론은 학습과 나란히 전략 자원이 됐다. 한 나라가 모델을 갖고 있어도 병원, 기관, 연구실, 군 부대 전반에서 이를 활용할 충분한 컴퓨팅, 네트워크 용량, 전력, 안전한 배포 환경이 부족할 수 있다. 모델 탈취, 악의적 미세 조정, 합성 미디어, 에이전트형 도구 사용, AI 지원 생물학 또는 사이버 활동은 초기 전략 문서에서보다 더 큰 주의를 요구한다.

따라서 NSCAI에서 오래 남는 부분은 시스템 관점이다. 낡은 부분은 AI 도입이 안정된 요구 사항과 예측 가능한 업데이트를 지닌 기존 소프트웨어 경로를 따른다는 가정이다. 오늘날 전략은 계속 변하는 서비스와 그 주변 도구, 데이터 흐름, 그 서비스에 의존하는 사람을 함께 다뤄야 한다.

눈에 보이는 제도가 된 권고안

여러 후속 미국 이니셔티브는 NSCAI 제안과 닮아 있지만, 닮았다는 사실만으로 Schmidt나 위원회가 이를 일으켰다고 증명되지는 않는다. 입법, 기관의 활동, 기존 연구, 상업적 압력, 안보 사건, 대통령 정책의 변화가 모두 결과에 영향을 미쳤다.

국방부는 2022년 2월 최고 디지털 및 인공지능 책임자 직책을 만들었다. 이 조직은 주요 데이터, 분석, AI 책임을 고위 책임자 아래로 통합했다. 이는 NSCAI가 지적한 조정 문제에 대응한 선택이었다. 데이터, 인프라, 정책, 조달이 나뉜 채로는 흩어진 파일럿이 부처 전체의 도입으로 이어지지 않는다.

2022년 CHIPS and Science Act는 반도체 제조 장려금, 연구, 관련 인력 프로그램에 거의 530억 달러를 지원했다. 범위는 AI를 넘어섰지만 첨단 컴퓨팅은 반도체 역량을 국가 전략의 직접적 관심사로 만들었다. 제조 공장, 패키징, 제조 장비, 연구, 숙련 노동력, 공급 안보는 기업의 구매 결정에만 맡길 문제가 아니라 정책 대상이 됐다.

National Artificial Intelligence Research Resource 파일럿은 연구자와 교육자에게 컴퓨팅, 데이터세트, 모델, 소프트웨어, 교육, 지원을 제공하기 위해 2024년에 시작됐다. 2년 경과 보고에서 이 프로그램은 600개가 넘는 연구 프로젝트와 6,000명의 학생을 지원했고, 모든 주에서 참여했으며, 민간 파트너로부터 약 1억 달러의 현물 기여를 받았다고 밝혔다. 이는 충분한 재원을 가진 연구실과 더 넓은 연구 공동체의 격차를 줄이려는 공공-민간 인프라의 구체적 사례다.

백악관의 2025 AI Action Plan은 혁신, 인프라, 국제 외교 및 안보라는 세 기둥 아래 90개가 넘는 연방 조치를 제시했다. 정치적 강조점은 이전 정책과 달랐다. 민간 부문의 빠른 개발, 데이터 센터 건설, 에너지 공급, AI 수출, 연방기관 도입, 첨단 컴퓨팅 제한 집행에 더 큰 비중을 뒀다.

2026년 6월 국가안보 메모는 운영 의제를 한층 더 진전시켰다. 국가안보 도입, 기술 인력 채용, AI 인재 예비군, 공동 데이터 및 모델 환경, 사고 대응, 보안 관행, 표준화된 테스트, 평가, 검증 및 확인 방법에 관한 작업을 지시했다. 또 통제 가능성을 시스템을 모니터링하고 시정 조치를 할 수 있는 능력으로 정의했다.

이 조치들을 함께 보면 국가 역량, 기술 인력, 컴퓨팅 인프라, 제도 조정, 측정 가능한 평가처럼 Schmidt가 강조한 여러 문제를 중심으로 정책이 수렴하고 있음을 알 수 있다. 그렇다고 채택된 해결책이 충분하거나 잘 설계됐다는 뜻은 아니다. 조직을 만드는 일은 권한을 부여하는 일보다 쉽다. 프로그램을 발표하는 일은 예산을 계속 확보하는 일보다 쉽다. 평가 방법을 공개하는 일은 선호하는 공급업체나 긴급한 임무에 이를 강제하는 일보다 쉽다.

연구, 인재, 인프라가 전략을 실행 가능하게 한다

국가 AI 전략은 연구, 사람, 컴퓨팅, 데이터, 배포 규칙이 하나의 포트폴리오로 움직일 때만 실행 가능해진다. 한 요소에만 자금을 대고 다른 요소를 놓치면 사용되지 않는 역량이나 소수 공급업체 의존이 생긴다.

공공 연구 자금은 기초과학, 응용 임무, 평가 방법, 상업적 수익이 불확실한 연구를 지원해야 한다. 전환 장치도 포함해야 한다. 대학 팀이 유용한 기법을 보여 줄 수는 있지만, 안전한 호스팅, 제품 엔지니어링, 법적 권한, 유지보수 예산, 결과를 책임질 공공기관이 없으면 도입은 멈출 수 있다.

인재 정책은 기계학습 연구자를 더 많이 배출하는 일만 뜻하지 않는다. 정부에는 소프트웨어 엔지니어, 데이터 엔지니어, 사이버 보안 전문가, 제품 관리자, 조달 담당자, 변호사, 감사인, 분야 전문가, 기술적 선택의 득실을 판단할 고위 관계자가 필요하다. 운영자가 참여하지 않은 채 평가한 국방 모델은 현장 조건에서 실패할 수 있다. 행정법 전문성 없이 검토한 복지 시스템은 예측이 통계적으로 정확해도 적법 절차를 침해할 수 있다.

컴퓨팅 정책은 학습과 추론을 구분해야 한다. 대형 모델 학습에는 한정된 기간 동안 집중된 컴퓨팅이 필요하다. 많은 이용자를 위해 그 모델을 운영하려면 가속기, 메모리, 네트워킹, 저장 장치, 전력, 냉각, 유지보수 수요가 계속 생긴다. 개발 예산만 잡고 운영 비용을 무시하는 조달 계획은 기관이 확장할 여력이 없는 성공적인 파일럿을 남길 수 있다.

물리적 인프라도 이제 전략의 일부다. 데이터 센터에는 적합한 부지, 안정적인 전력, 송전 용량, 물 또는 대체 냉각 시스템, 네트워크 연결, 교체 장비, 비상 계획이 필요하다. 유용한 지표로는 새 용량 연결까지 걸리는 시간, 가동률, 완료한 작업당 비용, 장애 후 복구 시간, 승인된 환경에서 실행할 수 있는 민감한 작업의 비중이 있다.

데이터 정책은 법적 권한과 목적에서 시작한다. 기관은 데이터세트가 왜 존재하는지, 누가 쓸 수 있는지, 얼마 동안 보관할 수 있는지, 어떤 집단을 제대로 설명하지 못하는지, 수정 사항이 어떻게 전파되는지 알아야 한다. 기반 기록의 출처와 변환 이력을 알 수 없다면 평가가 실패를 설명할 수 없으므로 출처 이력은 중요하다.

프라이버시 보호 기법은 노출을 줄일 수 있지만 거버넌스의 필요성을 없애지는 않는다. 접근 통제, 보안 구역, 비식별화, 차등 개인정보 보호, 연합 분석, 감사 로그는 서로 다른 위협에 대응한다. 기관은 데이터, 이용자, 공격 모델, 관련 공적 의무에 따라 이를 선택해야 한다.

배포는 일회성 합격 테스트가 아니라 수명 주기를 따라야 한다.

1. 결정의 내용, 영향을 받는 집단, 법적 권한, 사람 책임자를 정한다.
2. AI를 쓰지 않는 기준선과 측정 가능한 편익 목표를 세운다.
3. 의도한 환경에서 성능, 보안, 편향, 접근성, 오용 가능성을 시험한다.
4. 로그, 상향 보고 경로, 사고 보고, 롤백을 갖추고 단계적으로 출시한다.
5. 모델, 데이터, 정책, 운영 조건이 바뀌면 다시 평가한다.

이 과정은 작고 되돌릴 수 있는 시험을 가능하게 하므로 속도에도 도움이 된다. 또한 프로토타입의 인상적인 시연을 실제 운영 근거로 잘못 여기는 일을 막는다.

AI는 이중 용도 역량으로 국가안보를 바꾼다

AI는 분석과 행동의 속도, 규모, 접근성을 키워 국가안보를 바꾼다. 정보기관은 이미지 분석, 자료 번역, 대규모 문서 검색, 사이버 이상 징후 식별, 신호 간 연결을 돕는 데 AI를 쓸 수 있다. 군 조직은 물류, 유지보수, 계획 지원, 감지, 자율 시스템에 적용할 수 있다.

같은 역량은 공격자도 도울 수 있다. 코드 생성은 방어자가 소프트웨어를 점검하는 데 도움이 되는 동시에 적대자가 악성 프로그램을 변형하는 데도 쓰일 수 있다. 언어 생성은 개인화된 피싱과 영향력 공작의 비용을 낮출 수 있다. 컴퓨터 비전은 재난 대응이나 지속적인 감시에 쓰일 수 있다. 생물학 모델은 정당한 연구를 돕지만 유해한 실험의 일부 진입 장벽도 낮출 수 있다.

그래서 이중 용도 정책을 금지 모델 목록으로 줄일 수 없다. 위험은 모델, 연결된 도구, 이용 가능한 데이터, 사용자 접근권한, 배포 환경, 오류의 결과에 달려 있다. 외부 권한이 없는 범용 모델은 기밀 데이터베이스, 실험 장비, 금융 계정, 무기에 연결된 같은 모델과 다른 노출을 만든다.

정부 조달도 비슷한 어려움에 부딪힌다. 기존 계약은 안정된 요구 사항과 인수 전에 테스트할 수 있는 제품 버전을 전제로 한다. AI 서비스는 계약 기간에 모델, 안전 계층, 검색 시스템, 학습 데이터 구성, 사용 정책을 바꿀 수 있다. 기관은 중요한 변경 사항을 통지받고, 업데이트가 민감한 업무에 도달하기 전에 다시 평가할 수 있어야 한다.

방어 가능한 국가안보 배포에는 다섯 가지 통제가 포함돼야 한다.

• 오탐, 미탐, 지연 시간, 스트레스 상황에서의 실패, 적대적 행동을 측정하는 임무별 테스트
• 시스템이 이용할 수 있는 데이터, 도구, 행동을 제한하는 최소 권한 접근
• 승인, 개입, 상향 보고, 중단을 맡는 지정된 인간 권한자
• 공급업체 홍보가 아니라 조사를 위해 설계된 지속적인 로그와 모니터링
• 업데이트, 사고, 데이터 사용, 모델 접근, 이전 가능성, 종료를 다루는 계약 조건

인간의 관여는 실질적이어야 한다. 인터페이스가 불확실성을 숨기거나, 업무량 때문에 검토가 불가능하거나, 조직 문화가 모델에 반대하는 의견을 처벌한다면 사람이 승인 버튼을 누르도록 해도 효과가 거의 없다. 운영자에게는 교육, 시간, 대체 정보, 결과물을 거부할 권한이 필요하다.

중대한 결과를 낳는 활용에는 더 엄격한 근거가 필요하다. 일상적인 서신을 요약하는 시스템은 표적 지정, 정보 경보, 의료 분류, 공공 급여 접근에서 용납될 수 없는 오류를 감수할 수 있다. 속도는 모든 활용의 위험이 같다고 가장하는 데서가 아니라 위험에 비례한 검토와 되돌릴 수 있는 배포에서 나와야 한다.

미국과 중국의 경쟁은 모델 경쟁보다 넓다

미국과 중국의 AI 경쟁은 단일 모델 순위가 아니라 산업 역량, 연구, 인재, 에너지, 공급망, 도입, 동맹을 둘러싼 경쟁이다. 이를 결승선으로 보면 극적인 주장은 늘어나지만, 수년에 걸쳐 우위를 유지하는 제도는 가려진다.

역량 비교는 무엇을 측정하는지 명시해야 한다. 높은 성능의 모델을 학습하는 일은 첨단 반도체를 제조하거나, 산업 전반에 시스템을 배포하거나, 신뢰할 수 있는 클라우드 용량을 공급하거나, 과학적 발견을 이루거나, 군사 작전에 AI를 통합하는 일과 다르다. 한 국가는 한 분야에서 앞서면서 다른 분야에서는 해외 공급업체에 의존할 수 있다.

수출 통제는 일부 첨단 반도체와 반도체 제조 장비에 대한 접근을 늦추려 한다. 효과는 기술 범위, 집행, 동맹국 참여, 비축량, 우회 경로, 대상국의 대체 기술 개발 능력에 따라 달라진다. 통제가 지나치게 좁으면 효과가 미미할 수 있다. 규칙이 지나치게 넓으면 고객이 미국 공급업체를 떠나거나 대체 기술 개발을 더 서두르게 할 수 있다.

반도체와 컴퓨팅 공급망은 국경을 넘기 때문에 동맹국이 중요하다. 반도체 설계, 제조, 생산 장비, 소재, 패키징, 클라우드 서비스, 연구 인재는 여러 나라에 분산돼 있다. 조율된 정책은 우회를 줄이고, 비용을 나누고, 호환되는 보안 관행을 지원하며, 파트너가 신뢰할 수 있는 시스템을 구축할 이유를 줄 수 있다.

경쟁은 거버넌스에도 영향을 준다. 모든 평가 요건을 일방적 무장 해제로 묘사하면 기관과 기업은 실패가 반응을 강요할 때까지 테스트에 충분히 투자하지 않을 것이다. 모든 역량을 추측에 근거해 제한하면 연구와 유익한 도입이 다른 곳으로 옮겨갈 수 있다. 유능한 전략은 실험의 여지를 보호하는 한편, 믿을 만한 국가안보 위험을 만드는 접근권한, 행동, 환경에는 더 강한 통제를 적용한다.

집중은 미국의 입지를 복잡하게 한다. 최전선 시스템을 학습하고 운영하려면 제한된 수의 기업만 보유한 자원이 필요하다. 집중은 투자와 배포를 빠르게 할 수 있지만 정부의 협상력을 약화하고, 연구 접근성을 줄이며, 기관 간 공통 의존성을 만들 수도 있다. 경쟁 정책, 상호운용성, 이전 가능성, 공공 연구 인프라, 소스 코드 또는 모델 접근 요건은 각각 이 문제의 일부를 해결할 수 있다.

경쟁이라는 비유는 긴박감을 만들어 정치적으로 여전히 효과적이다. 하지만 안정적인 리더십은 회복력, 오류 수정, 공공의 정당성, 협력에 달려 있으므로 분석적으로는 불완전하다. 빠르게 배포해도 모델을 보호하고, 데이터 센터에 전력을 공급하고, 운영자를 교육하고, 사고에 대응하지 못하는 나라는 지속적인 우위를 만든 것이 아니다.

거버넌스는 활용과 그 결과를 따라야 한다

효과적인 AI 거버넌스는 시스템이 무엇을 하는지, 누구에게 영향을 주는지, 실패가 얼마나 심각한지에 따라 의무를 정한다. 일반 질문에 답하는 챗봇, 진단 보조 도구, 채용 심사, 자율 표적 지정 구성 요소에 똑같은 근거 요건을 적용해서는 안 된다.

첫 번째 거버넌스 과제는 분류다. 관계자는 시스템이 사람에게 정보를 제공하는지, 행동을 권고하는지, 결정을 내리는지, 행동을 실행하는지 파악해야 한다. 이어 영향을 받는 권리, 가능한 손실, 취약 집단, 이의 제기 절차, 피해의 회복 가능성을 정리해야 한다.

다섯 가지 질문은 취약한 거버넌스를 빠르게 드러낸다.

• 시스템은 어떤 결정에 영향을 주며, 법적 책임은 누구에게 남는가?
• 이 집단과 운영 환경에서 활용한다는 근거는 무엇인가?
• 어떤 정보가 수집, 보관, 공유되거나 이후 학습에 쓰이는가?
• 영향을 받은 사람은 어떻게 설명, 정정, 사람의 검토를 받을 수 있는가?
• 어떤 사건이 중단, 통지, 시정, 보상을 촉발하는가?

공정성을 확보하려면 보호 특성을 제거하면 차별도 사라진다고 가정하지 말고 결과를 살펴야 한다. 다른 변수가 대리 지표로 작용할 수 있고, 과거 기록에는 불평등한 대우가 담길 수 있으며, 오류 비용도 고르게 돌아가지 않을 수 있다. 기관은 관련 집단을 시험하고 원인을 조사하며, 완화 조치 뒤에도 그 활용이 합법적이고 정당한지 결정해야 한다.

투명성은 대상에 맞춰야 한다. 엔지니어에게는 모델과 데이터 문서가 필요하다. 운영자에게는 한계, 불확실성, 상향 보고 지침이 필요하다. 조달 담당자에게는 비용, 보안, 업데이트, 의존성 정보가 필요하다. 결정의 영향을 받는 사람에게는 이해할 수 있는 이유와 실질적인 이의 제기 경로가 필요하다. 긴 기술 문서를 공개한다고 네 가지 필요를 모두 충족하는 것은 아니다.

개인정보 분석은 학습 데이터뿐 아니라 모델 상호작용도 다뤄야 한다. 프롬프트, 검색된 문서, 도구 출력, 로그, 피드백, 생성된 기록에는 민감한 정보가 들어갈 수 있다. 계약 조건에는 제공자가 이런 자료를 보관하거나, 학습에 사용하거나, 국경을 넘어 전송하거나, 하도급업체에 노출할 수 있는지를 명시해야 한다.

최전선 모델 평가는 애플리케이션 감사와 다른 질문에 답한다. 모델 평가는 사이버 역량, 기만, 생물학 지식, 오용 저항성을 시험할 수 있다. 애플리케이션 감사는 프롬프트, 검색, 도구, 인터페이스, 사람의 절차, 영향을 받는 집단을 포함한 배포된 전체 시스템을 살핀다. 한쪽을 통과했다고 다른 쪽을 대신할 수 없다.

독립 연구자, 시민사회 단체, 감찰관, 표준 기구, 시험 연구소는 기관과 공급업체에 부족할 수 있는 지식과 감시를 더한다. 접근 방식은 안보와 개인정보를 보호해야 하지만, 비밀주의가 외부 검토를 막는 포괄적 방어 수단이 되어서는 안 된다.

공공-민간 협력에는 경계와 근거가 필요하다

공공-민간 협력은 기술을 고르기 전에 당사자들이 공공 문제, 법적 권한, 기대 결과, 보안 경계, 종료 조건을 정할 때 효과적이다. 모호한 파트너십은 홍보에는 도움이 되지만 비용, 책임, 성과를 살피기 어렵게 한다.

정부는 권한, 공공 재원, 임무 환경에 대한 접근, 장기 작업을 지원할 능력을 제공한다. 기업은 엔지니어링 인력, 상업 인프라, 최신 제품 지식, 대규모 시스템 운영 경험을 제공한다. 대학과 비영리 단체는 기초 연구, 평가 방법, 교육, 독립적 비판을 제공할 수 있다.

이들의 유인은 다르다. 공급업체는 파일럿이 장기 계약으로 확대될 때 이익을 얻는다. 기관 책임자는 근거가 충분히 쌓이기 전에 빠른 도입을 발표해 이익을 얻을 수 있다. 연구 집단은 결과에 안보상 의미가 있을 때도 공개 출판을 선호할 수 있다. 좋은 협약은 이런 유인을 인정하고, 그에 맞춰 검토, 공개, 경쟁, 종료 권한을 설계한다.

저명한 자문가가 같은 정책 분야에서 투자, 이사회 직책, 사업 관계, 자선 프로젝트를 유지한다면 이해 충돌을 직접 다뤄야 한다. 공개만으로 부당한 영향력이 증명되는 것은 아니며, 전문성에는 흔히 직업적 연결이 따른다. 하지만 공개는 관계자와 대중이 권고의 배경을 평가하고, 경쟁하는 견해를 구하고, 필요하면 참여자를 회피시킬 수 있게 한다.

저위험 프로토타이핑은 협력의 실용적인 영역이다. 예를 들어 Koder.ai는 자연어 대화로 React 웹 인터페이스, PostgreSQL이 포함된 Go 백엔드 서비스, Flutter 모바일 애플리케이션을 만들 수 있게 한다. 계획 모드, 소스 코드 내보내기, 배포와 호스팅, 맞춤 도메인, 스냅샷, 롤백을 지원한다. 이런 기능은 시연 도구나 내부 도구의 피드백 주기를 줄일 수 있다.

생성된 애플리케이션도 공공 부문에서 실제 운영에 쓰기 전 검토가 필요하다. 팀은 코드, 의존성, 인증, 접근 통제, 데이터 흐름, 접근성, 로깅, 복원력, 라이선스, 배포 구성을 살펴야 한다. 민감한 작업에는 승인된 호스팅 환경과 기관의 보안 및 기록 의무 준수도 필요하다. 바이브 코딩은 프로토타입을 만드는 방식을 바꾸지만, 그 책임자가 누구인지는 바꾸지 않는다.

유용한 파일럿 계약에는 다음 내용을 명시해야 한다.

• 제한된 사용자 집단과 기간이 정해진 운영 기간
• 기준 비용, 품질, 작업 완료 시간 측정치
• 데이터 보관, 학습, 위치, 하도급업체 제한
• 보안 테스트, 변경 통지, 사고 보고, 롤백 의무
• 내보내기, 이전 가능성, 문서화, 종료 권한

이 구조는 기관이 시스템을 이해하기 전에 특정 공급업체에 묶이지 않고 학습하게 해 준다. 성공한 파일럿에는 확장을 위한 신뢰할 만한 근거도 제공한다.

Schmidt의 영향력과 AI 전략을 평가하는 방법

Schmidt의 영향력은 연설이나 관계자와의 친분이 아니라 도입, 자원, 제도의 지속성, 결과로 평가해야 한다. 권고안은 정책이 되지 않고도 논쟁에 영향을 줄 수 있고, 나중 정책은 그것이 원인이 아니어도 닮을 수 있다.

먼저 귀속 관계를 확인해야 한다. Schmidt와 관련된 구체적인 보고서, 증언, 위원회 권고, 제안을 찾는다. 그의 개인 발언과 위원회나 기관이 낸 합의 문서를 구분한다. 15인 위원회 보고서는 의장 한 사람의 개인 견해와 같지 않다.

그다음 실행 사슬을 추적한다.

1. 의회나 기관이 제안을 알아볼 수 있는 형태로 채택했는가?
2. 법적 권한, 예산, 인력, 책임 있는 리더십을 받았는가?
3. 담당 기관이 이정표와 성과 근거를 공개했는가?
4. 이용자가 파일럿이나 조직 발표가 아니라 신뢰할 수 있는 역량을 받았는가?
5. 감사, 사고, 비용, 권리 영향, 전략적 결과가 원래 주장을 뒷받침했는가?

일정은 실패를 드러낼 수 있을 만큼 구체적이어야 한다. 5년짜리 목표라면 첫 예산 주기에 무엇을 하는지, 어떤 의존 요소가 먼저 갖춰져야 하는지, 이정표가 늦어질 때 누가 개입할 수 있는지를 밝혀야 한다. 그렇지 않으면 활동만으로 계획이 성공했다고 선언할 수 있다.

지표는 목표에 맞아야 한다. 정부 도입 프로그램은 조달 시간, 사용자 작업 완료, 건당 비용, 재정의 비율, 보안 사고, 복구 시간을 측정할 수 있다. 연구 프로그램은 부여된 접근권한, 자원 활용률, 출판물, 재현성, 교육 성과, 결과의 실무 전환을 측정할 수 있다. 회의나 생성된 문서의 수는 역량을 거의 보여 주지 못한다.

상충 관계도 보이게 해야 한다. 진지한 계획은 누가 에너지 비용을 부담하는지, 수출 제한이 공급업체에 어떤 영향을 주는지, 어떤 데이터를 쓸 수 없는지, 언제 사람이 결정해야 하는지, 어떤 배포를 금지하거나 중단할지를 설명한다. 속도, 안전, 개방성, 개인정보 보호, 통제를 동시에 최대로 약속하는 전략은 전략이 내려야 할 결정을 피한 것이다.

Schmidt의 경력 궤적이 궁극적으로 보여 주는 것

Schmidt의 경력 궤적은 AI 리더십이 모델 개발 문제인 만큼 조직과 정치의 문제이기도 함을 보여 준다. Google은 막대한 규모에서 인프라, 측정, 기술 인재, 실험, 회복의 가치를 보여 줬다. 그의 자문 활동은 이런 운영 원칙을 정부 역량, 국방 도입, 반도체 정책, 연구 접근성, 국제 경쟁에 적용했다.

이 전환은 유용하지만 불완전하다. 공공기관은 권리를 보호하고, 강제적 결정을 정당화하고, 이해 충돌을 공개하고, 민주적 감독을 유지하고, 구제 수단을 제공해야 한다. 이런 의무는 더 빠른 제품 주기나 더 나은 기술 관리로 대체할 수 없다.

Schmidt의 정책 기여에서 가장 강한 부분은 국가 AI 전략에 조율된 체계가 필요하다는 주장이다. 컴퓨팅 접근성이 없으면 연구는 멈춘다. 숙련된 운영자가 없으면 모델은 시연에 머문다. 평가 없는 조달은 불확실성을 산다. 동맹 없는 안보는 공급망 구조를 무시한다. 책임성 없는 혁신은 도입에 필요한 신뢰를 무너뜨릴 수 있다.

적절한 대응은 Schmidt의 기업 경력만을 이유로 자동 수용하거나 기각하는 것이 아니다. 제안을 찾아내고, 권한과 자금의 흐름을 추적하고, 실행을 점검하고, 결과를 측정하고, 공적 주장이 빼놓은 비용을 세는 엄격한 검증이 필요하다. 그렇게 해야 영향력이 드러나고, 국가 AI 전략도 결과로 평가할 수 있다.