독파모·프론티어 AI 지원 방향과 공개형 모델, 최신 문서 검색 기술
Reflection은 ‘Beam’을 소개하고 이달 중 모델 공개를 예고했습니다. 발표와 실제 내려받아 쓸 수 있는 시점을 구분해야 합니다.
목차
바다입니다. 독자 AI 개발 지원 방향과 공개형 AI 모델의 제공 조건, 최신 문서를 놓치지 않는 검색 기술을 살펴봅니다.
핵심요약
- Reflection은 ‘Beam’을 소개하고 이달 중 모델 공개를 예고했습니다. 발표와 실제 내려받아 쓸 수 있는 시점을 구분해야 합니다.
- 독일 Aleph Alpha는 공공행정용 ‘Kolibri’를 공개했습니다. 직접 운영할 수 있다는 장점과 한국어 성능·보안 검증은 따로 살펴야 합니다.
- 정부는 독파모와 프론티어 AI 개발을 병행할 방침입니다. KAIST는 문서 추가·삭제에도 검색 정확도를 유지하는 기술을 발표했습니다.
1. Reflection ‘Beam’ 발표…모델 파일은 이달 공개 예정
Reflection은 10월 5일 첫 공개형 AI 모델 ‘Beam’을 소개했습니다. 코딩, 추론, 도구를 이용한 업무 수행에 초점을 맞췄습니다. 현재는 마지막 안전성 시험과 평가를 진행하고 있으며, 사전 이용 신청을 받고 있습니다. 모델 파일과 기술보고서, 개발 자료는 이달 말까지 공개할 계획입니다. 발표 당일부터 누구나 내려받아 운영할 수 있다는 뜻은 아닙니다.
회사가 밝힌 모델의 전체 매개변수는 5,010억 개이며, 계산할 때 활성화하는 매개변수는 230억 개입니다. 매개변수는 AI가 학습한 정보를 담는 수치이고, 필요한 부분만 골라 계산하는 구조를 ‘전문가 혼합’이라고 부릅니다. 두 숫자는 서로 다른 범위를 세므로, 전체 크기만 보고 필요한 장비나 실제 운영비를 판단해서는 안 됩니다.
Reflection은 여러 코딩·업무 수행 평가 결과와 계산 효율을 제시했습니다. 이는 회사가 보고한 시험 결과입니다. 기관의 한글 문서나 실제 업무에서도 같은 성능과 비용이 나오는지는 별도로 확인해야 합니다. 공개형 모델은 운영자가 모델 파일을 받아 실행할 수 있는 형태를 뜻하며, 학습자료까지 모두 공개됐다는 의미는 아닙니다.
업무 시사점: 자체 운영형 AI를 검토한다면 실제 배포 파일, 이용허락 조건, 필요한 장비와 유지보수 방법이 공개된 뒤 비교할 만합니다.
2. Aleph Alpha ‘Kolibri’, 독일어 공공행정·산업 업무에 초점
Aleph Alpha는 10월 5일 ‘Kolibri’ 출시를 발표했습니다. 모델은 3일부터 제공됐으며 독일어와 영어를 지원합니다. 고객이 통제하는 장비에서 운영하도록 설계하고, 학습자료의 출처와 설계 과정을 문서화했다는 설명입니다. 자국의 언어와 운영 통제권을 중시하는 AI 개발 사례입니다.
회사 발표 기준으로 전체 매개변수는 780억 개, 계산 때 활성화하는 수는 약 30억 개입니다. 기본적인 언어 능력을 익히는 사전학습 자료 가운데 독일어 비중을 약 23%로 설명합니다. 독일어를 효율적으로 처리하도록 설계한 만큼, 이 수치가 한국어 문서 처리 성능을 보장하지는 않습니다.
Kolibri는 제공된 문서를 찾아 답변에 활용하는 ‘검색증강생성(RAG)’과 외부 도구 호출을 지원합니다. 회사는 문서에 근거가 충분하지 않을 때 답변을 삼가도록 학습했다고 밝혔습니다. 모든 오답을 막는다는 보장은 아니므로, 근거 없는 질문을 넣었을 때 실제로 어떻게 응답하는지 시험해야 합니다.
학습자료는 450만 개가 넘는 URL 차단목록과 대조했으며, 외부 데이터 묶음의 이용허락·수집 적법성·학습 거부 의사를 검토했다고 설명했습니다. 이는 회사가 공개한 관리 절차입니다. 개별 기관이 입력할 개인정보의 처리 적법성이나 국내 보안 요건 충족까지 확인된 것은 아닙니다.
업무 시사점: 한국어 규정 해석, 자료에 답이 없는 질문, 외부 도구를 잘못 호출하는 상황을 시험 항목에 넣을 만합니다. 자료를 직접 보관하는 방식이라도 관리자 권한, 기록 보존, 업데이트와 장애 대응을 누가 맡는지 계약에서 확인해야 합니다.
3. 과기정통부, 독파모 평가 유지하고 프론티어 AI 별도 추진
아이뉴스24가 10월 5일 공개한 간담회 문답에 따르면, 과학기술정보통신부는 독자 AI 파운데이션 모델 사업을 계속 추진하면서 ‘프론티어 AI’ 개발을 별도로 준비합니다. 류제명 제2차관이 2일 간담회에서 설명한 내용입니다. 기존 독파모는 3단계 평가로 현재 3개 팀 가운데 최종 2개 팀을 선정할 방침입니다.
파운데이션 모델은 여러 업무에 응용할 수 있도록 폭넓게 학습한 기본 AI를 뜻합니다. 프론티어 AI는 세계 최상위 수준의 성능을 목표로 하는 모델을 가리킵니다. 정부는 새 사업에 약 4조7,000억 원 규모의 출자 예산을 편성하고 민간 투자도 함께 유치할 구상을 밝혔습니다. 이는 개발 지원을 위한 예산안이며, 이미 집행된 금액이나 공공기관별 이용 예산은 아닙니다.
수행 주체와 참여 기준, 별도 법인 설립 여부는 아직 확정되지 않았습니다. 정부는 대기업뿐 아니라 기술력 있는 스타트업에도 참여 기회를 보장하겠다고 설명했습니다. 기존 독파모 최종 선정 기업의 참여와 인센티브도 검토 대상입니다. 12월 국회 예산 승인 이후 사업 수행 주체를 선정할 공모를 준비한다는 일정입니다.
업무 시사점: 국산 모델 도입을 준비하는 기관은 지원사업 선정과 기관 업무 적합성을 나눠 판단해야 합니다. 예를 들어 우리 기관에 필요한 한국어 답변 품질, 제공 방식, 비용, 자료 이전 조건을 먼저 정리하고 실제 공모·서비스 출시 때 대조할 수 있습니다. 개발 예산 확대가 곧 기관의 무료 이용이나 내부망 설치 지원을 뜻하지는 않습니다.
4. KAIST ‘CONDA’, 문서가 바뀌어도 필요한 정보를 찾도록 개선
KAIST는 10월 5일 김민수 전산학부 교수 연구팀이 동적 벡터 검색 기술 ‘CONDA’를 개발했다고 밝혔습니다. 전자신문에 따르면 문서가 계속 추가·삭제되는 환경에서 검색 경로의 연결을 유지하는 기술입니다. 연구는 9월 국제 학술대회에서 발표됐으며, 이번 보도는 기술 내용과 상용화 계획을 소개했습니다.
벡터 검색은 문서의 의미를 숫자 묶음으로 바꾸고 비슷한 자료를 찾는 방식입니다. 문서를 자주 넣거나 지우면 자료 사이의 연결이 끊겨, 저장돼 있는 정보도 검색에서 놓칠 수 있습니다. CONDA는 필요한 자료까지 찾아가는 연결을 유지하도록 설계됐습니다. 앞서 설명한 RAG에서 최신 문서를 답변 근거로 찾는 과정과 관련됩니다.
연구팀은 비교 실험에서 검색 정확도가 최대 24.5% 높아지고 데이터 처리 속도가 최대 1.9배 향상됐다고 보고했습니다. 1억 개 데이터로 6시간 동안 검색과 갱신을 함께 수행한 시험도 소개했습니다. 특정 비교 환경에서 얻은 결과이며, 모든 기관의 답변 정확도가 그만큼 높아진다는 뜻은 아닙니다. 이 기술을 적용한 아카식DB는 올해 4분기 상용화 예정으로 보도됐습니다.
업무 시사점: 기관 규정을 검색하는 AI는 처음 구축했을 때의 성능만 확인해서는 부족합니다. 예를 들어 개정 규정을 추가하고 폐지 문서를 삭제한 뒤에도 최신 조항을 찾는지 시험할 수 있습니다. 검색이 성공해도 이용자에게 열람 권한이 없는 문서가 답변에 섞이지 않는지, 삭제된 자료가 다시 노출되지 않는지도 별도 점검해야 합니다.
업무에서 확인할 점
- 모델 발표일, 실제 제공일, 이용허락 조건을 구분해 도입 후보를 관리합니다.
- 자체 운영형 AI도 한국어 성능, 개인정보 처리, 유지보수 책임을 확인합니다.
- 규정 개정·문서 삭제 뒤 검색 결과와 열람 권한이 제대로 반영되는지 시험합니다.