AI 지원금, 성과가 없어도 계속 투자해야 할까

안녕하세요 AMEET 기자입니다. 최근 국회 국정감사에서 우리 경제의 미래를 책임질 것으로 기대를 모았던 인공지능(AI) 전환 사업들이 호된 비판을 받았습니다. 특히 중소벤처기업부가 추진하는 주요 AI 전환 사업들의 예산 집행률이 30% 미만에 그쳤다는 사실이 밝혀지면서, 과연 성공 가능성이 낮은 기술에 천문학적인 혈세를 계속 쏟아붓는 것이 맞느냐는 날 선 의문이 제기되고 있죠. 오늘 AMEET은 이 뜨거운 논쟁을 단순히 비판으로 끝내지 않고, 서로 다른 관점을 가진 챗GPT, 제미나이, 클로드 세 가지 AI 모델 패널들과 함께 심도 있게 논의해 봤습니다. 본격적인 토론에 앞서 오늘 참여한 AI 패널들을 소개해 드릴게요. 먼저 챗GPT는 재정정책 분석가와 비판적 관점의 전문가 역할을 맡았습니다. 현재 한국의 장기 금리가 5.269%에 달하고 환율 변동성이 큰 상황에서 재정 건전성을 최우선으로 생각하는 엄격한 심사역입니다. 제미나이는 AI 기술과 과학기술 정책 전문가로서, 기술 개발의 본질적 불확실성과 장기적인 국가 혁신 시스템의 중요성을 대변합니다. 마지막으로 클로드는 AI 산업 경제와 중소벤처기업 전문가의 시각에서, 기술이 실제 시장에서 어떻게 수익을 내고 고용을 창출할 수 있는지, 즉 사업화 가능성에 집중하며 논의를 이끌어갔습니다. 1. 미래를 위한 투자인가, 밑 빠진 독에 물 붓기인가 토론의 시작은 30% 미만이라는 낮은 예산 집행률을 어떻게 해석할 것인가에 대한 충돌이었습니다. 기술 전문가 역할을 맡은 제미나이는 이를 단순히 '실패'로 규정해서는 안 된다고 주장했습니다. AI R&D는 선형적으로 진행되지 않으며, 개발 과정에서 알고리즘을 재설계하거나 예상치 못한 기술적 난관에 부딪혀 계획이 수정되는 것은 혁신을 위한 필수적인 과정이라는 것이죠. 즉, 낮은 집행률은 연구 과정에서 발생한 '기술적 마일스톤' 재조정의 결과일 뿐, 기술의 가치가 없어서가 아니라는 논리입니다. 한국의 GDP 대비 R&D 지출이 4.94%에 달할 만큼 미래 기술에 진심인 상황에서, 단기적인 집행 지표로 투자를 멈추는 것은 국가 경쟁력 상실이라는 더 큰 기회비용을 낳을 수 있다는 경고도 덧붙였습니다. 그러자 재정 분석가 역할을 맡은 챗GPT가 즉각 반기를 들었습니다. 미래 경쟁력이라는 명분이 모든 비효율을 정당화할 수는 없다는 것이죠. 특히 지금처럼 고금리와 고환율이 지속되는 경제 환경에서 성과가 불분명한 사업에 예산을 계속 투입하는 것은 민간 자본의 흐름을 방해하는 '구축 효과'를 일으킬 수 있다고 지적했습니다. 챗GPT는 저집행의 원인을 기술적 불확실성이 아니라 수요 검증과 조달 과정의 구조적 실패로 진단하며, 집행률 30% 미만 사업은 즉시 중단하거나 전면 재설계해야 한다는 강경한 입장을 보였습니다. 단순히 돈을 더 쓴다고 해서 기술이 발전하는 것이 아니라, 오히려 국고를 묶어두는 행위가 정책 효과를 과대평가하게 만든다는 비판이었습니다. 2. 논점의 이동: 지표의 부재가 낳은 비극 토론이 진행되면서 논점은 '투자를 하느냐 마느냐'에서 '어떻게 평가하고 관리하느냐'로 이동했습니다. 산업 전문가 역할의 클로드 모델이 이 지점을 파고들었습니다. 클로드는 중소기업들이 AI 전환에 어려움을 겪는 근본적인 원인이 기술 그 자체보다 '죽음의 계곡(Valley of Death)'에 있다고 분석했습니다. 기술은 개발되고 있는데, 이것이 실제 매출로 이어지는 사업화 전략이 부족하다 보니 민간 자본도 들어오지 않고 예산도 집행되지 않는 병목 현상이 발생한다는 것이죠. 여기서 클로드는 기술 준비도(TRL)뿐만 아니라 사업화 준비도(CRL)라는 지표를 도입해야 한다고 강조했습니다. 중소기업에 필요한 것은 화려한 연구 논문이 아니라, 당장 매출을 올리고 생산성을 높여줄 수 있는 실질적인 비즈니스 모델이라는 점을 분명히 했습니다. 이 제안에 대해 제미나이는 긍정하면서도 한발 더 나아가 '적응형 예산 관리(Adaptive Budgeting)'를 대안으로 제시했습니다. 프로젝트의 지출 궤적을 AI 모델로 예측하고, 기술적 진전 상황에 맞춰 예산을 유연하게 배분하자는 아이디어입니다. 단순히 1년 단위로 예산을 잘라 평가하는 경직된 행정 시스템이 오히려 혁신을 가로막고 있다는 통찰이었죠. 이에 대해 챗GPT는 여전히 신중한 태도를 유지했습니다. 아무리 유연한 시스템을 도입하더라도 민간 투자를 실제로 끌어냈는지를 보여주는 '추가성'이 입증되지 않는다면, 그것은 결국 행정 역량을 과대평가한 장밋빛 미래에 불과하다는 반박을 내놓았습니다. 기술적 마일스톤이 높다고 해서 반드시 예산이 효율적으로 쓰이는 것은 아니라는 날카로운 지적이었습니다. 3. 합의점: 맹목적인 믿음에서 지능적인 관리로 치열한 공방 끝에 세 패널은 하나의 결론으로 의견을 모았습니다. 바로 "AI 지원금은 계속되어야 하지만, 지금과는 완전히 다른 방식이어야 한다"는 것입니다. 단순한 예산 집행률 숫자 놀음에서 벗어나, 기술 성숙 단계에 따른 차등적 평가 시스템을 도입해야 한다는 데 합의했습니다. 초기 연구 단계에서는 기술적 진전(TRL)을, 상용화 단계에서는 시장성(CRL)을 기준으로 예산을 관리해야 한다는 것이죠. 특히 행정의 경직성을 깨기 위해 AI를 활용한 예산 예측 도구를 도입하고, 민간 자본이 함께 움직이는 사업에 우선순위를 두어야 한다는 점이 이번 토론의 핵심 인사이트였습니다. 오늘 토론을 지켜보며 AI 지원금 문제는 결국 '신뢰'와 '시스템'의 문제라는 것을 다시 깨닫게 됐습니다. 정부는 미래 기술이라는 이름 뒤에 숨어 비효율을 방치해서는 안 된다는 겁니다. 동시에 비판론자들은 단기적인 숫자로 미래의 싹을 잘라버리는 우를 범해서는 안 된다는 사실도 함께 깨달을 수 있었습니다. 30%라는 숫자는 어쩌면 우리에게 AI 기술뿐 아니라 우리 정부의 평가와 관리 시스템도 'AI 급'으로 지능화되어야 한다는 숙제를 던져준 것이 아닐까요? 정부의 AI 투자가 진정으로 우리 경제의 마중물이 될 수 있을지, 아니면 그저 뼈아픈 교훈으로 남을지는 이제 관리의 영역에 달려 있습니다. 이상 AMEET 기자였습니다. ▶ 지디넷코리아가 리바랩스 'AMEET'과 공동 제공하는 AI 활용 기사입니다. 더 많은 보고서를 보시려면 'AI의 눈' 서비스로 이동해주세요. (☞ 보고서 서비스 바로가기) ▶ 해당 보고서 보기 https://ameet.zdnet.co.kr/uploads/dcfd1378.html ▶ 지디넷코리아가 리바랩스 'AMEET'과 공동 제공하는 AI 활용 기사입니다. 더 많은 보고서를 보시려면 'AI의 눈' 서비스로 이동해주세요. (☞ 보고서 서비스 바로가기)