AI 10억 사용자 시대, 공공부문은 표준·실증·보안으로 답해야 한다

오늘의 판

오늘의 다섯 이슈는 서로 다른 속도로 움직이는 AI 생태계를 한 장면에 겹쳐 보여준다. 이용자는 10억 명 단위로 늘고, 기업 고객은 200만 곳을 넘어섰다. 코딩 모델 시장에서는 기사상 비교 가격이 25달러 대 0.28달러까지 벌어졌다. 반면 공공부문은 국제표준을 만드는 협력체계, 실제 공정에서 검증하는 테스트베드, API와 암호키를 분리하는 보안 통제를 이제야 구체화하고 있다. 기술의 확산 속도와 운영체계의 정비 속도가 다르다는 것이 오늘의 출발점이다.

오픈AI는 자사 AI 활성 이용자가 10억 명, 기업 고객이 200만 곳을 넘어섰다고 밝혔다. 챗GPT 공개 후 3년 8개월 만이다.1 이 수치는 생성형 AI가 더 이상 소수 전문가의 실험 도구가 아니라 일상과 조직 업무의 범용 인터페이스가 됐음을 보여준다. 그러나 이용자 규모만으로 신뢰도나 업무 성과를 판단할 수는 없다. 기사에는 활성 이용자의 집계 주기와 세부 정의가 명시되지 않았고, 가격 인하가 장기적인 비용 구조와 서비스 품질에 어떤 영향을 미칠지도 아직 확인되지 않았다.

동시에 모델 공급 시장은 성능 경쟁에서 가격·전환성 경쟁으로 이동하고 있다. 딥시크의 코딩 모델 V4 플래시는 특정 코딩 리더보드에서 상위 경쟁 모델에 근접하거나 앞섰다고 보도됐고, 기사에 제시된 출력 가격은 약 99% 낮았다.2 다만 이 비교는 특정 과제와 기사상 과금 표현에 근거한다. 이를 한국어 행정문서, 민원상담, 규정검토 같은 공공업무의 종합 성능으로 확대 해석해서는 안 된다.

공공부문이 해야 할 일은 유행하는 모델을 가장 빨리 고르는 것이 아니다. 평가 가능한 요구조건을 만들고, 실제 업무환경에서 검증하며, 공급자가 바뀌어도 데이터와 기록이 남는 구조를 설계하는 일이다. 오늘의 국제표준 협력, 제조 로봇 테스트베드, 개인정보 유출 후 보안 개편은 모두 이 운영 문제를 다른 각도에서 다룬다.

핵심 수치

오늘 읽어야 할 첫 번째 수치는 10억 명이다. 오픈AI가 밝힌 활성 이용자 규모다. 두 번째는 200만 곳으로, 기업 고객 수다.1 개인 사용과 조직 도입이 동시에 커졌다는 뜻이다. 공공기관에서도 비공식 개인 사용을 금지하는 것만으로는 충분하지 않다. 승인된 도구, 허용 데이터, 검토가 필요한 결과물, 기록 보존 기준을 명확히 제공해야 음성적 사용을 줄일 수 있다.

세 번째는 기사에 제시된 25달러 대 0.28달러다. 딥시크 V4 플래시와 클로드 오퍼스 4.8의 출력 가격 비교이며, 약 99% 차이다.2 가격 단위가 통상적인 토큰 과금과 직접 비교 가능한지는 추가 확인이 필요하지만, 방향은 분명하다. 모델 가격은 빠르게 변하고 있다. 특정 공급자의 현재 단가를 전제로 3년짜리 사업비를 고정하면 계약기간 중 시장가격과 실제비용의 괴리가 커질 수 있다.

네 번째는 19억 원이다. 경북 자동차 부품 AI 로봇 실증 거점의 총사업비이며 국비 9억5000만 원이 포함된다.4 예산 규모보다 중요한 것은 사업 구성이다. 프레스·용접 공정을 모사한 테스트베드, 디지털트윈 원격관제, 실증 데이터 표준화, 기업 컨설팅이 하나의 흐름으로 묶였다. 장비 구매가 아니라 도입 전 검증체계를 만드는 데 공공재원이 들어간다.

다섯 번째 묶음은 5천 명과 39개 IP다. 모두의 창업 플랫폼에서 합격자 5천 명의 이메일·심사평·아이디어 요약이 유출됐고, 비공개 API에는 국내 IP 39개가 접근을 시도한 것으로 확인됐다.5 다만 39개 IP의 실제 행위자와 AI 솔루션 업체의 연관성은 수사 중이다. 확인된 피해 규모와 미확정 책임 주체를 구분해야 한다.

그림 1. AI 확산·모델 가격·공공 실증 투자·보안 사고 수치를 한 화면에 놓으면, 기술 비용의 하락과 운영 통제의 중요성이 동시에 커지는 흐름을 확인할 수 있다. 1 2 3 4 5

산업·기술 이슈

10억 이용자 이후의 경쟁은 ‘더 큰 모델’만으로 설명되지 않는다

오픈AI가 밝힌 10억 명은 규모의 경제가 AI 시장의 핵심 변수가 됐다는 신호다. 이용자가 많아지면 모델 호출량과 피드백이 늘고, 다양한 업무도구와 결합할 기회도 커진다. 기업 고객 200만 곳은 소비자용 대화 서비스 밖에서 문서작성, 코딩, 검색, 고객지원, 분석 등 조직 단위 사용이 확산됐음을 시사한다.1

그러나 규모가 곧 기관 적합성을 뜻하지는 않는다. 공공업무에서는 정확성뿐 아니라 개인정보 처리, 국내 규정 준수, 감사 가능성, 장애 대응, 데이터 반출 경로가 함께 검토돼야 한다. 동일한 모델도 공개정보 요약과 장학금 심사 보조처럼 권리·의무에 영향을 주는 업무에서는 위험 수준이 다르다. 따라서 도구 하나에 기관 전체 허용 또는 금지 결정을 내리는 대신, 사용사례별 위험등급을 나누는 편이 현실적이다.

가격 인하도 양면적이다. 낮은 단가는 더 많은 업무를 자동화할 기회를 만든다. 반면 호출량이 급증하면 월 총비용은 오히려 늘 수 있다. 짧은 요약에는 저가 모델을 쓰고, 규정 간 충돌 분석에는 더 높은 검증성능을 가진 모델을 쓰는 식의 과제별 배치가 필요하다. 모델별 단가보다 한 건의 업무를 완료하는 데 든 총토큰, 재검토 시간, 오류 수정비용까지 봐야 한다.

코딩 모델 가격 경쟁이 공공 시스템 조달에 주는 신호

딥시크 V4 플래시는 7월 31일 출시됐으며, 보도에 따르면 특정 프런트엔드 코딩 리더보드에서 클로드 오퍼스 4.8을 앞섰다.2 기사상 가격 차이는 매우 크지만 이 결과를 그대로 구매 결정에 쓰면 안 된다. 코딩 리더보드는 제한된 과제와 평가환경의 결과다. 레거시 시스템 이해, 한국어 요구사항 해석, 보안 취약점 생성 여부, 라이선스 준수, 장기 유지보수 품질은 별도 시험이 필요하다.

그럼에도 가격 경쟁이 주는 구조적 메시지는 유효하다. 모델은 빠르게 범용재에 가까워지고 있으며, 특정 공급자의 일시적 성능 우위가 장기간의 가격 결정력으로 이어지지 않을 수 있다. 공공 정보화 사업은 모델 이름을 핵심 설계에 박아 넣기보다 모델 호출 계층을 분리하고, 동일한 평가세트로 복수 모델을 비교할 수 있어야 한다. 그래야 가격, 정책, 보안조건이 바뀔 때 전체 시스템을 다시 구축하지 않고 교체할 수 있다.

계약도 같은 원칙을 따라야 한다. 월정액만 비교하지 말고 입력·출력 토큰, 캐시, 도구 호출, 검색 결합, 재시도, 모니터링 비용을 포함한 총비용 산식을 요구해야 한다. 성능은 공개 벤치마크가 아니라 기관의 익명화된 대표업무 세트로 검수해야 한다. 데이터 보관과 학습 사용 여부, 장애 시 대체경로, 로그 반환 형식도 납품 조건에 포함할 필요가 있다.

정부·공공 이슈

국제표준 협력은 ‘회의 개최’보다 조달 언어를 만드는 일이다

국가기술표준원과 미국표준협회는 미국 덴버에서 제6차 한·미 표준협력포럼을 열었고, NIST·캐나다 표준위원회·마이크로소프트·휴렛팩커드 등을 포함한 산·학·연 전문가 60명이 참여했다.3 논의 분야는 AI, 양자기술, 미래차, 바이오 네 가지였다. 국표원은 NIST와 AI·양자기술 협력, SCC와 AI 사전표준화 및 공동 작업계획, ANSI와 ISO·IEC 공조 강화를 논의했다.3

이 단계는 국제표준이 이미 채택됐다는 뜻이 아니다. 공동 제안 번호와 채택 일정은 아직 공개되지 않았다. 그럼에도 공공기관에는 실무적인 의미가 있다. 표준화는 서로 다른 공급자의 제품을 비교할 수 있는 공통 언어를 만든다. AI 성능, 데이터 품질, 상호운용성, 기록 형식, 위험관리 절차가 표준화되면 조달 담당자는 특정 기업의 설명이 아니라 공통 요구조건을 기준으로 제안서를 평가할 수 있다.

그림 2. 국가기술표준원·ANSI 포럼의 개최 시각, 전문가 60명, 4대 핵심 분야와 NIST·SCC 협력 내용을 원문 화면에서 확인할 수 있다. 협력 논의 단계와 국제표준 채택 완료를 구분하는 것이 중요하다. 3

기관이 당장 할 수 있는 일은 향후 표준 번호를 기다리는 것이 아니다. 기존 AI 과제의 제안요청서와 검수표에서 모델명에 종속된 문구를 찾고, 이를 측정 가능한 요구조건으로 바꾸는 작업부터 시작할 수 있다. 예를 들어 ‘최신 생성형 AI 사용’ 대신 대표업무 정확도, 근거 제시율, 민감정보 차단률, 응답시간, 실패 시 사람 이관, 로그 보존기간을 적는 방식이다.

제조 AI 실증은 구매 전 불확실성을 줄이는 공공 인프라다

경상북도는 산업통상자원부의 로봇 플래그쉽 지역거점 구축사업에 선정돼 경산에 자동차 부품 AI 자율제조 거점을 조성한다고 밝혔다. 국비 9억5000만 원을 포함한 총 19억 원이 투입되며, 경북IT융합산업기술원이 주관하고 한국섬유기계융합연구원이 함께 참여한다.4

사업의 중심은 프레스와 용접 공정을 모사하는 오픈형 로봇 테스트베드다. 실제 장비를 도입하기 전에 시뮬레이션과 실물 시험으로 효과를 확인하고, 디지털트윈으로 원격관제를 수행하며, 실증 데이터를 표준화해 기업별 컨설팅에 활용한다.4 이 구조는 AI 사업의 실패비용을 공공 인프라가 낮추는 방식이다.

다만 기사에 나온 산업재해 감소와 생산성 향상은 기대효과다. 아직 측정된 성과가 아니다. 실증사업의 평가는 참여기업 수나 장비 가동시간을 넘어 기준선 대비 불량률, 작업중단 시간, 안전사고 위험노출, 투자회수기간, 본사업 전환율로 이뤄져야 한다. 사업기간과 기업별 지원규모, 구체 성과지표는 후속 자료에서 확인할 필요가 있다.

공공 거버넌스 이슈

암호화 데이터 옆에 암호키가 있으면 암호화는 통제가 아니다

모두의 창업 플랫폼 사고에서 가장 분명한 교훈은 통제의 형식과 실제 효과가 다를 수 있다는 점이다. 중기부 브리핑에 따르면 비공개 정보가 포함된 API에 국내 IP 39개가 접근을 시도했고, 합격자 5천 명의 이메일 주소, 심사평, 창업 아이디어 요약이 유출됐다.5 데이터는 암호화돼 있었지만 소스코드 형태의 암호키가 함께 노출돼 복호화가 가능했다.5

암호화 적용 여부만 점검했다면 형식상 ‘적용’으로 표시됐을 가능성이 크다. 그러나 키가 데이터와 같은 노출면에 있으면 공격자는 잠금장치와 열쇠를 동시에 얻게 된다. 보안 점검은 알고리즘 사용 여부가 아니라 키가 어디에 저장되고, 누가 접근하며, 교체와 폐기가 어떻게 이뤄지는지까지 봐야 한다.

중기부가 발표한 개선조치는 API 응답정보 최소화, 신규 프로그램의 외부 보안검증, 데이터베이스 암호화 강화, 모든 API 접근의 시스템 로그 기록, 웹 크롤링 차단 고도화다.5 일반회원은 탈퇴 즉시 개인정보를 파기하고, 아이디어 신청서도 개인정보에 준하는 중요정보로 관리하며, 민감정보 접근권한을 허가받은 최소 인원으로 제한한다.5

그림 3. 데이터와 암호키의 동시 노출, 과도한 API 응답, 장기보관이라는 위험을 키 분리·응답 최소화·접근기록·즉시파기·최소권한으로 전환해야 한다. 39개 IP의 실제 행위자는 수사 중이므로 확정하지 않았다. 5

여기서 AI와 직접 연결되는 지점은 자동수집과 비정형 중요정보다. 아이디어, 심사평, 상담기록은 전통적인 주민번호나 연락처와 달리 개인정보 목록에서 빠지기 쉽지만, 유출되면 권리와 경제적 가치에 큰 피해를 줄 수 있다. AI 서비스를 도입할수록 API가 내보내는 비정형 데이터의 범위와 자동수집 가능성을 별도로 점검해야 한다.

교차 분석

다섯 이슈를 연결하면 세 가지 전환이 보인다. 첫째, 모델 중심에서 인터페이스 중심으로의 전환이다. 이용자 10억 명과 급격한 가격 경쟁은 특정 모델의 우위가 영구적이지 않음을 보여준다.1 2 기관은 모델을 교체할 수 있는 호출 계층, 공통 입력·출력 형식, 평가세트를 자산으로 가져야 한다.

둘째, 구매 중심에서 검증 중심으로의 전환이다. 국제표준 협력은 비교 가능한 요구조건을 만들고, 경북의 테스트베드는 실제 공정에서 도입효과를 확인한다.3 4 두 흐름은 문서와 현장에서 서로 보완된다. 표준만 있고 실증이 없으면 현장 적합성을 놓치고, 실증만 있고 공통 기준이 없으면 결과를 다른 기관과 비교하거나 확산하기 어렵다.

셋째, 예방 통제에서 추적 가능한 운영 통제로의 전환이다. 모두의 창업 사고는 암호화라는 예방수단이 잘못 구현되면 무력해질 수 있음을 보여준다.5 키 분리, 최소권한, 응답 최소화는 예방 통제이고, 접근로그와 보유·파기 기록은 사고를 발견하고 책임을 확인하는 탐지·추적 통제다. 둘 중 하나만으로는 부족하다.

이 세 전환을 종합하면 공공 AI의 핵심 자산은 모델 자체가 아니라 업무 평가세트, 교체 가능한 인터페이스, 실증 데이터, 감사기록이다. 공급자는 바뀔 수 있지만 이 네 가지가 기관에 남아 있으면 비용과 위험을 통제하면서 기술 변화에 대응할 수 있다.

AI 관련 담당자라면 참고할 만한 적용 항목

1. 사용사례 목록을 먼저 만든다. 문서요약, 상담, 심사보조, 자동집행을 같은 위험등급으로 다루지 않는다. 개인정보 포함 여부, 국민 권리 영향, 사람 승인 필요성, 오류 복구 가능성을 기준으로 등급을 나눈다.

2. 대표업무 평가세트를 기관 자산으로 관리한다. 공개 벤치마크 대신 익명화된 실제 질문, 문서, 예외사례를 모아 정확도·근거 제시·금칙정보 차단·응답시간을 반복 측정한다. 모델이 바뀌어도 같은 세트로 비교해야 한다.

3. 모델 호출 계층을 분리한다. 업무 애플리케이션이 특정 모델 API에 직접 묶이지 않도록 공통 인터페이스를 두고, 가격·성능·보안조건에 따라 모델을 교체할 수 있게 한다. 장애 시 대체모델과 사람 이관 경로도 함께 설계한다.

4. 총비용을 업무 단위로 본다. 토큰 단가뿐 아니라 검색, 도구 호출, 재시도, 모니터링, 사람 재검토 시간을 포함해 ‘처리 완료 한 건당 비용’을 계산한다. 저가 모델이 재작업을 늘리면 실제로는 비쌀 수 있다.

5. 실증 종료 조건을 계약 전에 정한다. 기준선 대비 정확도, 처리시간, 비용, 안전성, 사용자 만족도와 본사업 전환 기준을 수치로 적는다. 기대효과와 측정성과를 보고서에서 분리한다.

6. 암호키 수명주기를 별도 점검한다. 데이터와 키의 저장 위치, 접근권한, 교체주기, 폐기, 비상회수 절차를 확인한다. 소스코드와 설정파일에 키가 포함되지 않는지 자동검사를 둔다.

7. API 응답을 최소화한다. 화면에 보이지 않는 필드라도 API가 내려주면 수집될 수 있다. 업무에 꼭 필요한 필드만 반환하고, 대량조회·비정상 호출·자동수집 패턴을 탐지하며, 모든 접근을 추적 가능한 형태로 남긴다.

8. 비정형 중요정보를 분류표에 넣는다. 아이디어, 심사평, 상담기록, 내부 메모처럼 피해 가능성이 큰 데이터를 주민번호 중심의 기존 개인정보 목록 밖에 두지 않는다. 보유 이유가 끝나면 지체 없이 파기하고 파기기록을 남긴다.

리스크와 불확실성

오늘의 수치에는 서로 다른 수준의 확실성이 섞여 있다. 오픈AI의 10억 명과 기업 고객 200만 곳은 회사 발표를 인용한 수치이며, 활성 이용자의 세부 집계 정의는 기사에 없다.1 시장규모나 국내 공공부문 이용률로 환산해서는 안 된다.

딥시크 가격 비교는 재인용 기사와 특정 코딩 리더보드에 근거한다. 특히 기사에 쓰인 ‘분당 출력’이라는 표현이 각 회사의 공식 토큰 과금과 동일한 조건인지는 추가 확인이 필요하다.2 따라서 약 99%라는 수치는 시장의 가격 압박을 보여주는 참고치로 쓰되, 조달 단가 산정에는 공식 가격표와 동일 과제 실측을 사용해야 한다.

한·미 표준협력포럼은 협력 방향을 논의한 단계다. 국제표준의 공동 제안이나 채택이 완료된 것으로 표현하면 안 된다.3 경북 로봇 거점 역시 구축·추진 단계이며 산재 감소와 생산성 향상은 기대효과다.4

모두의 창업 사고에서는 5천 명 정보 유출과 39개 국내 IP의 접근 시도가 확인됐지만, 실제 행위자와 AI 솔루션 업체의 연관성은 경찰 수사 중이다.5 개선조치의 발표와 실제 운영 효과도 구분해야 한다. 로그를 남기겠다는 계획이 있어도 탐지규칙, 점검주기, 책임자가 없으면 기록만 쌓일 수 있다.

더 깊이 공부하고 싶다면?

• 공공 AI 조달에서 모델명을 빼고도 성능·보안·감사 가능성을 측정할 수 있는 최소 요구조건은 무엇인가?
• 저가 모델과 고성능 모델을 과제별로 배치할 때 정확도, 재검토 시간, 총비용을 어떤 공통 지표로 비교할 것인가?
• 제조 AI 테스트베드의 실증 데이터를 다른 지역·산업으로 확산하려면 어떤 데이터 형식과 성과지표가 표준화돼야 하는가?
• 개인정보가 아닌 아이디어·심사평·내부 메모를 중요정보로 분류하고 보유·파기하는 기준은 어디까지 확장해야 하는가?
• 국제표준 논의가 실제 공공기관 제안요청서와 검수표에 반영됐는지 추적할 수 있는 연결체계를 어떻게 만들 것인가?