MIT 테크놀로지 리뷰가 주최한 'EmTech AI' 컨퍼런스에서 인공지능(AI) 산업의 향방을 좌우할 새로운 패러다임이 제시됐다. 기업과 정부가 자신의 데이터를 직접 통제하며 AI를 맞춤형으로 운영하는 '에이팩토리(AI Factory)' 전략이 강조된 것이다.

휴렛팩커드엔터프라이즈(HPE) 산하 고성능컴퓨팅·AI 솔루션 담당 부사장 크리스 데이비드슨은 "기업과 정부, 연구기관이 안전하고 확장 가능한 국가급, 기업급 AI 역량을 구축하는 방식의 전환이 진행 중"이라며 "데이터 통제가 정부·기업 전략의 핵심 과제"라고 언급했다.

클라우드 AI 시대의 한계 극복

이 흐름은 지난 5년간의 AI 산업 구조 변화를 반영한다. 초기에는 클라우드 기반 대규모언어모델(LLM)이 주류였다. OpenAI의 ChatGPT, Google의 Gemini 같은 거대 모델이 모든 수요를 흡수하던 시대였다.

그러나 기업과 정부 입장에서는 한계가 명확했다. 자사의 민감한 데이터를 외부 클라우드에 업로드하는 것 자체가 위험이었고, 산업별·조직별 특화된 AI 역량 구축이 불가능했다. 한국의 금융기관이나 반도체 기업이 경쟁사 정보, 기술 노하우를 미국 클라우드 서버에 업로드하기 꺼려왔던 이유도 같다.

AI 팩토리는 이 문제의 해법으로 제시된다. 기업이나 정부가 자체 데이터센터 또는 특화된 AI 인프라를 구축하고, 자신의 데이터를 기반으로 맞춤형 AI 모델을 훈련하는 방식이다. 공급망 최적화, 금융 위험 예측, 신약 개발 같은 도메인별 특화 AI가 가능해진다.

데이터 주권의 부상

이런 변화는 단순한 기술 문제를 넘어 '데이터 주권' 개념과도 맞닿아 있다. 오크리지 국립연구소(Oak Ridge National Laboratory) 산하 국가 전산과학센터 부센터장 아르준 샹카르는 "대규모 과학 발견 캠페인을 지탱하는 컴퓨팅과 데이터 과학 사이의 교각 역할이 중요"하다고 강조했다. 이는 정부 입장에서 과학 연구, 국방, 보건 분야의 AI 역량을 외부 의존으로부터 자립시키겠다는 의지의 표현이다.

유럽의 AI법, 중국의 생성형AI 규제, 미국의 칩 수출 제한 같은 정책들이 연쇄적으로 발표되는 배경도 여기 있다. 각국이 AI 헤게모니 경합 속에서 자국의 데이터와 기술 기반을 지키려 애쓰는 것이다.

한국의 과제: 인프라와 인재

한국 기업도 이 흐름을 외면할 수 없다. 삼성, SK 계열사, 금융사들이 자체 AI 모델 개발을 추진하고 있으나, 여전히 미국 클라우드 기반 솔루션에 의존하는 기업이 대다수다. AI 팩토리 수준의 자주적 인프라 구축에는 상당한 자본, 전문 인력, 에너지 소비량이 필요하다.

정부 차원에서도 도전 과제가 있다. AI 관련 반도체 설계 역량, 초대규모 학습용 데이터셋, AI 모델 운영 경험이 여전히 선진국 수준에 미치지 못한다. 데이터 주권을 외치되 실제로는 글로벌 협력 속에서 경쟁력을 확보해야 한다는 모순도 풀어야 한다.

데이터 품질과 신뢰성의 균형

EmTech AI 세션이 강조한 또 다른 화두는 '데이터 품질'이다. 데이터 통제가 자주권 확보의 필요조건이라면, 신뢰할 수 있는 고품질 데이터의 안전한 흐름이 충분조건이다. 자사 데이터로만 AI를 훈련하면 성능이 떨어질 수 있고, 공급망 파트너나 기술 협력사로부터 데이터를 받을 때 신뢰성을 보장해야 한다.

이는 결국 '고립된 자주성이 아닌 신뢰에 기반한 개방'을 의미한다. AI 팩토리 전략이 순수 국가주의 기술 보호주의가 아니라, 신뢰 가능한 파트너와의 제한적 협력 속에서 작동해야 한다는 뜻이다.

HPE와 국립 연구기관이 동석해 이 주제를 논의한 것 자체가 의미심장하다. 기업과 정부, 학계가 데이터 주권과 글로벌 과학 협력의 조화 속에서 AI 경쟁력을 빚어내려는 노력이 본격화했음을 시사한다.