오픈AI “AI 이용자 10억 명”…모델 가격·국제표준·공공 보안까지

오늘의 판

오늘은 성격이 조금씩 다른 다섯 가지 소식을 차례로 살펴본다. 오픈AI는 자사 AI 서비스의 활성 이용자가 10억 명을 넘었다고 발표했다. 중국의 AI 기업 딥시크는 코딩에 특화된 새 모델을 매우 낮은 가격에 내놨다. 한국과 미국은 AI와 양자기술의 국제표준을 함께 논의했고, 경상북도는 자동차 부품 공장에서 AI 로봇을 미리 시험해 볼 수 있는 거점을 만든다. 공공 창업 플랫폼에서는 개인정보와 암호를 푸는 열쇠가 함께 노출된 사고가 확인됐다.

이 사건들은 하나의 원인에서 나온 뉴스가 아니다. 억지로 한 줄에 묶을 필요도 없다. 오픈AI가 발표한 이용 규모와 모델 가격 경쟁은 시장의 변화를 보여 주고, 표준 협력·현장 실증·정보 유출 사고는 기술을 실제로 운영할 때 따져야 할 조건을 각각 보여 준다.

먼저 시장의 크기부터 보자. 오픈AI는 7월 31일 자사 AI의 활성 이용자가 10억 명, 기업 고객이 200만 곳을 넘어섰다고 밝혔다. 챗GPT를 공개한 지 3년 8개월 만이라는 설명도 덧붙였다.1 다만 오픈AI가 ‘활성 이용자’를 어떤 기간과 기준으로 계산했는지는 기사에 자세히 나오지 않았다. 고유한 사람 수인지 계정이나 서비스 이용 건수를 포함한 값인지도 확인되지 않았다. 따라서 10억 명은 회사가 발표한 이용 규모로 읽어야 하며, 서비스의 정확성이나 신뢰성을 증명하는 수치는 아니다.

가격 경쟁도 거세졌다. 딥시크가 공개한 V4 플래시는 프로그램 코드를 작성하고 수정하는 데 초점을 맞춘 AI 모델이다. 보도에 따르면 특정 코딩 평가에서 고가 경쟁 모델에 근접하거나 앞섰고, 기사에 실린 출력 가격은 25달러와 0.28달러로 큰 차이를 보였다.2 하지만 특정 평가의 순위가 한국어 행정문서 작성이나 민원 상담에서도 그대로 이어진다고 볼 수는 없다. 가격표의 단위와 조건도 공식 자료로 다시 맞춰 볼 필요가 있다.

공공부문 소식은 조금 다른 단계에 있다. 국제표준을 논의하고, 실제 공장과 비슷한 환경에서 로봇을 시험하며, 정보 유출 사고 뒤 보안 절차를 다시 설계하는 단계다. 새 기술을 도입하는 일 못지않게 어떤 기준으로 고르고 어디까지 시험하며 사고가 나면 어떻게 추적할지를 정하는 일이 중요해진 셈이다.

핵심 수치

그림 1. 오늘 나온 숫자는 AI 이용 확대, 모델 가격 경쟁, 공공 실증 투자, 보안 사고의 규모를 각각 보여 준다. 서로 다른 기준으로 집계한 값이므로 한 줄로 직접 비교하기보다 각 숫자가 무엇을 뜻하는지 따로 읽어야 한다. 1 2 4 5

산업·기술 이슈

오픈AI 이용자 10억 명, 이제는 ‘누가 쓰는가’보다 ‘어떻게 쓰는가’가 중요하다

오픈AI 발표에서 가장 눈에 띄는 숫자는 활성 이용자 10억 명이다. 매우 큰 숫자지만 여기에는 여러 서비스와 이용 형태가 섞여 있을 수 있다. 회사가 집계 기준을 자세히 밝히지 않았기 때문에 매일 접속한 사람인지, 한 달에 한 번이라도 사용한 사람인지 기사만으로는 알 수 없다.1

오픈AI의 발표 수치만 놓고 보면 개인 이용과 기업 고객이 함께 늘고 있다.1 기관에서 활용 장면을 검토할 때는 문서 초안 작성, 코드 수정, 검색 결과 요약, 고객 문의 응답처럼 가능한 업무 예시를 먼저 나누어 보는 편이 좋다. 이는 기사에 공개된 이용 실태가 아니라 기관이 사용 기준을 설계할 때 검토할 수 있는 예시다.

공공기관에서는 이 지점부터 질문이 달라진다. 직원이 AI를 쓰는지 아닌지만 확인해서는 부족하다. 공개된 보도자료를 요약하는 일과 국민의 권리나 지원 여부를 판단하는 일은 위험이 전혀 다르다. 어떤 업무에 어떤 도구를 허용하는지, 개인정보를 입력해도 되는지, AI가 만든 결과를 사람이 어디에서 다시 확인해야 하는지까지 사용 기준을 나눠야 한다.

이용자가 많다고 해서 기관 업무에 바로 적합한 것도 아니다. 정확도, 개인정보 처리 방식, 장애가 났을 때의 대응, 입력한 자료가 학습에 쓰이는지, 나중에 감사할 수 있도록 기록이 남는지를 따로 살펴야 한다. 대중적 인지도와 공공업무 적합성은 같은 평가 항목이 아니다.

딥시크의 저가 코딩 모델, 가격만 보고 판단하면 안 되는 이유

딥시크가 7월 31일 공개한 V4 플래시는 코드를 만들고 수정하는 작업에 특화된 모델이다. 기사에서는 ‘아레나 프런트엔드 코딩 리더보드’ 결과를 인용했다.2 리더보드는 여러 AI에 같은 코딩 과제를 주고 결과를 비교해 순위를 매기는 평가표다. 특정 조건에서 모델의 실력을 가늠하는 데는 도움이 되지만, 실제 기관 시스템 전체를 맡겨도 된다는 인증서는 아니다.

가격 차이는 매우 크게 보인다. 기사에 따르면 비교 대상 모델의 출력 가격은 25달러, 딥시크 모델은 약 0.28달러였다.2 다만 기사에 적힌 가격 단위가 일반적인 토큰 과금과 같은 조건인지는 추가 확인이 필요하다. 토큰은 AI가 문장을 읽고 쓸 때 계산하는 작은 글자 단위다. 캐시는 앞서 계산한 내용을 저장했다가 다시 쓰는 기능이다. 업체마다 입력과 출력, 캐시, 부가 기능의 가격을 다르게 매기기 때문에 숫자 하나만 떼어 비교하면 실제 비용을 잘못 계산할 수 있다.

기관이 코딩 AI를 검토한다면 공개 순위보다 자체 업무로 시험하는 편이 정확하다. 오래된 시스템의 구조를 이해하는지, 한국어 요구사항을 제대로 읽는지, 보안 취약점이 있는 코드를 만들지 않는지 확인해야 한다. 외부에 공개된 코드를 가져다 썼다면 사용과 배포를 허용한 조건도 지켜야 한다. 값싼 모델이 오류를 많이 내서 개발자가 다시 고치는 시간이 늘어난다면 최종 비용은 오히려 커진다.

특정 모델에 시스템을 완전히 묶지 않는 설계도 필요하다. 업무 프로그램과 AI 모델 사이에 공통 연결부를 두면 가격이나 보안 조건이 바뀌었을 때 모델만 교체할 수 있다. 쉽게 말해 한 회사의 전용 충전기에 기기를 고정하지 않고, 여러 제품을 연결할 수 있는 공통 단자를 마련하는 방식이다.

정부·공공 이슈

한·미 AI 표준 협력은 제품을 고르는 공통 기준을 만드는 과정이다

국가기술표준원과 미국표준협회는 7월 31일 미국 덴버에서 제6차 한·미 표준협력포럼을 열었다. 미국 국립표준기술연구소와 캐나다 표준위원회, 마이크로소프트, 휴렛팩커드 등에서 온 전문가 60명이 참석했다. 논의 대상은 AI, 양자기술, 미래차, 바이오 네 분야였다.3

여기서 ‘표준’은 특정 회사의 제품을 정답으로 정한다는 뜻이 아니다. 서로 다른 제품과 서비스를 같은 기준으로 비교할 수 있도록 시험 방법과 기록 형식을 맞추는 일에 가깝다. 예를 들어 AI가 얼마나 정확한지, 어떤 데이터를 사용했는지, 오류가 났을 때 어떤 기록을 남기는지를 공통 방식으로 측정할 수 있다면 구매기관도 제안서를 더 객관적으로 비교할 수 있다.

이번 포럼에서 국제표준이 완성되거나 채택된 것은 아니다. 국가기술표준원은 미국 국립표준기술연구소와 AI·양자기술 협력을 논의했고, 캐나다 측과는 AI 표준을 정식 국제표준으로 만들기 전 단계의 공동 작업을 협의했다. 미국표준협회와 국제표준화기구에서 협력하는 방안도 논의했다.3 지금은 방향과 협력 방식을 맞추는 단계로 보는 게 정확하다.

그림 2. 한·미 표준협력포럼에는 전문가 60명이 참석해 AI·양자기술·미래차·바이오 분야를 논의했다. 협력 논의가 시작됐다는 사실과 국제표준이 이미 채택됐다는 표현을 구분해야 한다. 3

공공기관이 당장 국제표준 번호를 기다릴 필요는 없다. 제안요청서에 ‘최신 생성형 AI를 사용한다’고 쓰는 대신 실제 업무 질문의 정답률, 근거를 함께 제시한 비율, 민감정보를 막은 비율, 응답시간, 실패했을 때 사람에게 넘기는 절차를 적을 수 있다. 모델 이름이 아니라 측정 가능한 조건을 쓰는 것이 표준화의 출발점이다.

경북의 AI 로봇 거점은 공장에 들이기 전에 시험하는 공간이다

경상북도는 8월 2일 산업통상자원부 공모에 선정돼 경산에 자동차 부품 AI 자율제조 거점을 조성한다고 밝혔다. 국비 9억5000만 원을 포함해 총 19억 원을 투입한다.4

이 사업의 중심은 ‘테스트베드’다. 테스트베드는 새 장비나 기술을 실제 현장에 바로 넣기 전에 비슷한 환경에서 시험해 보는 공간이다. 자동차 부품을 누르고 붙이는 프레스·용접 공정을 재현하고, AI 로봇이 제대로 움직이는지 확인한다. 디지털트윈도 활용한다. 디지털트윈은 실제 공장과 장비 상태를 컴퓨터 안에 비슷하게 만들어 원격에서 살펴보고 시험하는 기술이다.4

중소기업이 검증되지 않은 로봇 설비를 바로 구매하는 것은 부담이 크다. 테스트베드가 있으면 장비를 사기 전에 효과와 위험을 확인할 수 있다. 여러 기업의 시험 결과를 같은 형식으로 남기면 어떤 공정에서 효과가 있었는지도 비교하기 쉬워진다.

아직 성과가 나온 사업은 아니다. 보도에 언급된 생산성 향상과 산업재해 감소는 앞으로 달성하려는 목표다.4 사업이 끝난 뒤에는 참여기업 수보다 불량률이 얼마나 줄었는지, 작업 중단 시간이 얼마나 짧아졌는지, 실제 설비 구매로 이어졌는지를 확인해야 한다.

공공 거버넌스 이슈

암호화된 정보 옆에 암호키를 두면 잠금장치가 소용없다

중소벤처기업부의 ‘모두의 창업’ 플랫폼에서는 합격자 5천 명의 이메일 주소, 심사평, 창업 아이디어 요약이 유출됐다. 비공개 정보를 내보내는 API에는 국내 IP 39개가 접근을 시도한 것으로 확인됐다.5 IP는 인터넷에서 접속 위치를 구분하는 주소다. IP 39개가 곧 사람이나 기관 39곳을 뜻하지는 않으며 실제 이용자는 수사로 확인해야 한다. API는 한 프로그램이 다른 프로그램에 정보를 요청하고 받는 통로다. 화면에 보이지 않는 정보도 API가 넘겨주면 자동으로 수집될 수 있다.

플랫폼은 데이터를 암호화했지만 암호를 푸는 열쇠가 소스코드 형태로 함께 노출돼 있었다. 금고 문은 잠갔지만 바로 옆에 열쇠를 둔 셈이다. 이 경우 점검표에 ‘암호화 적용’이라고 표시돼 있어도 실제 정보는 보호되지 않는다.5

중기부는 API가 내보내는 정보를 줄이고, 모든 접근 기록을 남기며, 자동 수집을 막는 기능을 강화하겠다고 밝혔다. 일반회원이 탈퇴하면 개인정보를 즉시 파기하고, 창업 아이디어도 개인정보에 준하는 중요정보로 관리하며, 민감정보는 허가받은 최소 인원만 접근하게 할 계획이다. 관련 공공정보시스템 행정절차는 8월 중순까지 이행하겠다고 설명했다.5

그림 3. 이번 사고의 개선 방향은 데이터와 암호키를 분리하고, API가 꼭 필요한 정보만 보내게 하며, 접근 기록과 보유·파기 절차를 남기는 것이다. 국내 IP 39개의 실제 이용자는 수사 중이므로 특정 업체나 행위자로 단정할 수 없다. 5

AI 서비스에서는 정해진 양식 밖의 정보도 중요하게 다뤄야 한다. 창업 아이디어, 심사평, 상담기록, 내부 메모에는 주민등록번호가 없더라도 개인의 권리나 경제적 가치에 영향을 주는 내용이 들어갈 수 있다. 기존 개인정보 목록에 없다는 이유로 오래 보관하거나 여러 API에서 넓게 내보내면 위험이 커진다.

보안 담당자는 ‘암호화를 했는가’만 묻지 말고 암호키를 어디에 저장했는지, 누가 접근하는지, 언제 교체하고 폐기하는지까지 확인해야 한다. 서비스 담당자는 화면에 필요한 항목과 API가 실제로 보내는 항목이 같은지도 점검해야 한다. 두 영역이 따로 움직이면 이번과 같은 빈틈이 생긴다.

교차 분석

다섯 소식이 모두 같은 방향을 가리키는 것은 아니다. 오픈AI와 딥시크 소식은 시장의 규모와 가격 경쟁을 보여 준다. 한·미 표준 협력과 경북 테스트베드는 기술을 비교하고 시험할 기준을 만드는 이야기다. 모두의 창업 사고는 서비스가 이미 운영된 뒤 통제가 잘못 설계되면 어떤 피해가 생기는지를 보여 준다.

함께 볼 만한 공통점은 하나다. AI 모델의 이름이나 발표 숫자만으로 도입 여부를 결정하기 어려워졌다는 점이다. 이용자가 많아도 기관의 민감한 업무에 적합한지는 별도 문제다. 가격이 싸도 재작업과 보안 비용이 늘면 실제로는 비쌀 수 있다. 국제표준을 논의해도 현장 시험이 없으면 효과를 알기 어렵고, 데이터를 암호화해도 열쇠 관리가 잘못되면 보호되지 않는다.

그래서 공공 AI 사업에서는 ‘무슨 모델을 쓸 것인가’ 다음 질문이 필요하다. 어떤 업무로 시험할지, 성공과 실패를 무엇으로 판단할지, 공급자를 바꿀 수 있는지, 누가 언제 어떤 정보에 접근했는지를 기록할 수 있어야 한다. 이 조건들은 화려한 기능 소개보다 눈에 덜 띄지만 실제 운영에서는 더 오래 남는다.

AI 관련 담당자라면 참고할 만한 적용 항목

이 항목을 한 번에 모두 적용할 필요는 없다. 새 AI 사업이라면 실제 업무를 닮은 시험문제와 성공 기준부터 정하는 편이 좋다. 이미 운영 중인 서비스라면 API가 내보내는 정보와 암호키 저장 위치, 접근 기록부터 확인하는 것이 우선이다.

리스크와 불확실성

오픈AI의 10억 명과 기업 고객 200만 곳은 회사 발표를 인용한 수치다. 활성 이용자를 어떻게 계산했는지는 기사에 자세히 나오지 않았다.1 이 숫자를 국내 이용자 수나 공공기관 이용률로 바꿔 해석해서는 안 된다.

딥시크 가격 비교는 재인용 기사와 특정 코딩 평가를 근거로 한다. 기사에 적힌 가격 표현이 업체 공식 가격표와 같은 조건인지도 확인이 필요하다.2 실제 도입 검토에는 같은 업무, 같은 입력량, 같은 품질 기준으로 다시 시험한 결과를 써야 한다.

한·미 포럼은 국제표준을 논의한 단계다. 표준이 이미 채택됐거나 시행됐다는 뜻은 아니다.3 경북의 AI 로봇 거점도 구축을 시작하는 사업이며 생산성 향상과 재해 감소는 앞으로 확인해야 할 성과다.4

모두의 창업 사고에서는 5천 명의 정보 유출과 국내 IP 39개의 접근 시도가 확인됐다. 다만 실제 접근자와 특정 AI 솔루션 업체의 관련성은 경찰이 수사하고 있다.5 확인되지 않은 책임 주체를 단정해서는 안 된다. 발표된 개선조치가 현장에서 제대로 작동하는지도 이후 점검 결과를 봐야 한다.

더 깊이 공부하고 싶다면?

• 오픈AI가 말한 ‘활성 이용자’는 어떤 기간과 기준으로 집계됐을까?
• 저가 AI 모델의 사용료와 사람이 다시 검토하는 시간을 합치면 실제 업무 한 건의 비용은 얼마일까?
• 국제표준 논의가 공공기관의 제안요청서와 검수표에는 어떤 문장으로 들어갈 수 있을까?
• 제조 AI 테스트베드의 성과를 다른 지역과 기업이 비교하려면 어떤 데이터를 같은 형식으로 남겨야 할까?
• 개인정보가 아니더라도 창업 아이디어와 심사평처럼 중요한 정보를 어디까지 보호 대상으로 볼 것인가?