정부 AI 예산 12.2조, ‘모두의 AI’가 넘어야 할 네 개의 문: 9월 2일 AI·IT 뉴스

12조 2,000억 원은 국회 심의를 앞둔 예산안이다

정부 전체의 2027년 AI 예산안은 12조 2,000억 원이다. 과학기술정보통신부 소관 AI 예산만 9조 4,000억 원으로, 과기정통부 내년 예산안 29조 6,000억 원 안에 들어 있다. ‘모두의 AI’에는 2,500억 원이 새로 편성됐다.

예산안에는 공공 AI 에이전트의 활용 사례로 주민등록증 발급과 KTX 예매가 들어갔다. 정보를 찾아 주는 데서 멈추지 않고 신청과 예약까지 이어지는 서비스를 목표로 삼았다는 뜻이다. 일부 보도는 제목에서 주민등록과 KTX 예약도 AI로 한다고 썼다. 두 사례는 예산안이 든 예시일 뿐 출시가 확정된 기능 목록으로 읽을 근거는 없다. 공식 발표가 밝힌 범위는 복잡한 신청 절차를 돕는 공공 AI 에이전트와 공공·생활 서비스의 실행까지다.

금액은 국회 심의에서 달라질 수 있다. 서비스 품질과 실제 출시 결과도 아직 정해지지 않았다. 지금 확인된 사실은 정부가 이 금액을 편성했다는 데까지다.

자료: 과기정통부 내년 예산안과 ‘모두의 AI’ 2,500억 원 · www.korea.kr · 정부 전체 AI 예산안 12.2조 원과 공공 에이전트 범위 · www2.edaily.co.kr · ‘모두의 AI’의 신청·예약 목표와 예산 범위 · zdnet.co.kr

공공 GPU를 민간 데이터센터에서 빌려 쓰는 구상은 보도 단계다

전자신문은 9월 1일 국가정보자원관리원 대구센터가 삼성SDS 동탄 데이터센터의 GPU 서비스를 전용선으로 연결하는 방식을 도입한다고 보도했다. 공공기관이 GPU를 모두 사들여 소유하는 대신 민간 AI 데이터센터(AIDC)의 격리 구역을 서비스로 쓰는 구조다.

확정된 조달 결정으로 인용하기에는 이르다. 국가정보원의 최종 보안 검증이 남아 있고 공식 계약 원문은 공개되지 않았다. 같은 내용을 따로 확인해 준 독립 원문도 찾지 못했다. 공공 클라우드 개방 흐름의 신호로 보되 검증이 진행 중인 산업 보도로 다루는 편이 맞다.

자료: 공공 GPU의 민간 AIDC 전용선 연계 보도 · www.etnews.com

대화창은 같아도 KTX 예약과 주민등록은 위험이 다르다

무료 챗봇이 틀린 답을 내면 지우고 다시 물으면 된다. 주민등록 신청이나 KTX 결제에서는 그렇게 끝나지 않는다. 행정 기록이 바뀌고 돈이 나간다. 정부가 AI 모델을 사는 데서 나아가 국민 대신 업무를 끝내는 에이전트의 수요자가 된다는 점이, 12조 2,000억 원이라는 총액보다 실무에는 더 큰 변화다.

공공 에이전트가 실제 업무를 처리하려면 네 개의 문을 지나야 한다. 요청한 사람이 본인인지 확인하는 신원의 문이 첫 번째다. 이번 한 번에 무엇을 대신해도 되는지 정하는 위임의 문이 뒤따른다. 결제나 신청 직전에 내용을 보여 주고 승인을 받는 거래의 문도 있다. 마지막 복구의 문에서는 잘못 실행된 일을 취소하고 누가 무엇을 했는지 기록으로 남긴다. 모델이 좋아져도 이 네 가지가 갖춰지지 않으면 공공 에이전트는 시연 수준에 머물기 쉽다.

두 업무를 나란히 놓으면 문마다 요구 수준이 달라진다. KTX 예약은 시간과 좌석을 보여 주고 결제 전에 승인을 받으며 나중에 취소할 수도 있다. 주민등록증 재발급은 법적 효력이 생기고 개인정보가 여러 기관을 거친다. 더 강한 본인 확인과 최소한의 정보 전송, 변경 이력 보존이 필요하다. 공공 AI 성공률 같은 숫자 하나로 두 업무를 함께 평가하면 이 차이가 사라진다. 업무마다 위험 등급과 승인 단계를 따로 둬야 한다.

테크독해는 조달 평가표도 여기에 맞춰 바꿔야 한다고 본다. 예를 들어 실제 업무 완료율 40%, 감사와 되돌리기 25%, 개인정보 최소화 20%, 성공한 업무 한 건당 비용 15%로 결과와 통제를 함께 점수화할 수 있다. 이 비율은 정부가 발표한 기준이 아니며 사업자끼리 비교할 수 있는 계약을 만들기 위해 제안하는 예시다. 2027년 공공 AI 사업에서는 누가 말을 더 잘하느냐보다 누가 국민의 권한을 가장 좁고 증명 가능하게 대신 쓰느냐가 평가를 가를 가능성이 크다.

OpenAI Astra, 출시 전에 스스로 매긴 사이버 Critical 등급

OpenAI는 아직 출시하지 않은 모델 Astra가 자사 대비태세 프레임워크에서 처음으로 사이버 분야 Critical 기준에 도달했다고 밝혔다. 알려지지 않은 취약점을 찾고 공격 체인을 만들 수 있다는 판단이다. 가장 강한 사이버 기능은 접근을 제한한 채 배포하겠다고 했다.

이 판단은 회사 내부 평가에서 나왔다. Axios와 WIRED가 따로 확인한 범위는 회사가 Critical을 지정했다는 사실과 제한 배포 계획, 모델이 아직 나오지 않았다는 점에 그친다. 전체 내부 평가와 원시 실행 기록을 외부에서 재현한 결과는 없다.

자료: OpenAI Astra의 사이버 Critical 지정과 제한 배포 · openai.com · OpenAI Astra 사이버 기능 접근 제한 계획 · www.axios.com · OpenAI Astra의 Critical 기준과 미출시 상태 · www.wired.com

WebGPU 커널, Epic 기록 연결, Waymo 확대에 붙은 조건

Hugging Face는 브라우저에서 로컬 AI를 돌릴 때 쓰는 WebGPU 커널 207개를 @huggingface/kernels라는 이름으로 공개했다. 라이선스는 Apache-2.0이다. 회사가 내놓은 2.57배는 Apple M4에서 비교 가능한 개별 연산을 ONNX Runtime Web과 맞대 잰 기하평균이다. 모델 하나를 처음부터 끝까지 돌리는 속도가 2.57배 빨라진다는 뜻으로 옮기면 과장이 된다.

OpenAI는 의료기관용 ChatGPT에 Epic 전자의무기록 연결을 추가했다. 도움말 문서에 따르면 연결은 읽기 전용이다. 조직이 승인해야 쓸 수 있고 사용자가 원래 가진 환자 기록 접근 권한을 넘지 않는다.

Waymo는 덴버·샌디에이고·탬파에서 일반 승객을 태우는 완전자율주행 서비스를 시작해 운영 도시가 14곳으로 늘었다. 세 도시 모두 모든 이용자에게 한꺼번에 열리지 않는다. 접근은 순차적으로 넓어진다.

자료: Hugging Face WebGPU 커널 207개 공개 · huggingface.co · 허깅페이스 로컬 AI용 WebGPU 커널 공개 · www.aitimes.com · ChatGPT의 Epic 전자의무기록 연결 · openai.com · Epic 플러그인의 읽기 전용 범위와 조직 승인 조건 · help.openai.com · ChatGPT Health의 Epic 연동 · techcrunch.com · Waymo 덴버·샌디에이고·탬파 일반 승객 서비스 · waymo.com · Waymo 3개 도시 확대와 순차 개방 · techcrunch.com

캐시 단가가 75% 내려도 청구서는 그만큼 줄지 않는다

Claude Fable 5.1의 캐시 읽기 단가는 100만 토큰당 0.25달러다. 이전 세대보다 75% 낮은 값이다. AWS도 같은 날 Amazon Bedrock에서 Fable 5.1을 제공한다고 발표했다. 인하 폭은 캐시 읽기에만 해당하므로 입력과 출력을 합친 전체 사용료가 75% 줄어든다고 볼 수는 없다.

에이전트가 끼면 차이는 더 벌어진다. 에이전트 하나가 하위 작업 네 개를 만들고 작업마다 세 번씩 재시도하면 사용자는 한 번 눌렀는데 모델 호출은 최대 열두 번 일어난다. 도구 호출과 긴 출력, 사람이 결과를 고치는 시간도 따로 붙는다.

테크독해는 비용을 성공한 업무 한 건 단위로 계산하자고 제안한다. 기본 모델 비용에 재시도 배수와 에이전트 분기 수를 곱하고 도구 비용과 사람 수정 시간을 더한 뒤, 전체 금액을 성공한 업무 수로 나누는 식이다. 값싼 모델이 세 번 실패하고 비싼 모델로 넘어가는 구조라면 처음부터 비싼 모델을 쓸 때보다 돈이 더 들 수도 있다.

계산에 필요한 로그 필드는 아홉 개면 된다. 작업 ID와 사용자, 작업 종류, 모델, 입력 토큰, 캐시 읽기 토큰, 출력 토큰, 시도 횟수, 결과 상태다. 도구 호출 비용과 사람 수정 시간까지 남기면 더 정확해진다. 같은 실제 업무 20개를 두 모델에 돌려 성공률과 성공 업무당 비용을 비교한 다음, 실패 비용이 모델 가격 차이보다 큰 작업만 상위 모델로 보낸다.

AWS 블로그에 실린 Jamf 사례는 하루 예산의 80%를 쓰면 최고가 모델을 제한하고 100%에 이르면 중간 가격 모델까지 막는다. 이런 단계식 차단은 마지막 안전망이다. 재시도가 폭주하는 원인을 잡지 않은 채 자정에 예산만 초기화하면 같은 낭비가 매일 되풀이된다. 라우팅 규칙은 가장 싼 모델을 고르기보다 승인된 데이터 조건 안에서 업무를 한 번에 끝낼 확률이 가장 높은 모델로 보내도록 짜야 한다.

자료: Claude Fable 5.1 가격과 캐시 읽기 단가 · www.anthropic.com · Amazon Bedrock의 Claude Fable 5.1 제공 · aws.amazon.com · Claude Fable 5.1 출시와 비용 변화 · techcrunch.com · Jamf의 Amazon Bedrock 실시간 지출 통제 사례 · aws.amazon.com

구조와 로그를 AI에 맡겨 점검하는 두 가지 방법

권한 점검에서는 자기 AI 서비스의 구조와 연결 시스템, 사용 권한을 붙여 넣고 업무를 조회·초안·외부 전송·결제와 신청·운영 변경의 다섯 단계로 나누게 한다. 단계마다 본인 확인, 1회성 위임 범위, 실행 직전 승인, 취소와 되돌리기, 감사 로그가 있는지 표로 받는다. 위험도는 자율성과 접근 가능한 자산, 자격 증명의 유효 시간을 곱해 매기고 차단·승인 조건을 담은 정책 초안까지 요구한다. 근거가 없는 항목은 확인 질문으로 남기라고 적어 두면, AI가 빈칸을 추측으로 메우는 일을 줄일 수 있다.

비용 점검에는 최근 7일치 사용 로그나 청구 내역을 쓴다. 작업 종류별 성공률과 평균 시도 횟수, 재시도 배수, 에이전트 분기 수, 캐시 적중률을 계산하게 하고, 모델·도구 비용에 사람 수정 시간을 더해 성공 업무당 비용을 낸다. 사람 수정 시간처럼 로그에 없는 값은 0으로 채우지 말고 수집이 필요한 항목으로 표시하게 해야 계산이 부풀지 않는다.