The Inference Bottleneck: Antitrust and Neutrality Duties in the Age of Cognitive Infrastructure

1. 문제 제기 (Problem)

배경:
생성형 AI 의 상업화가 진전됨에 따라 경쟁 우위의 원천은 일회성 '모델 학습 (Training)'에서 지속적인 '추론 (Inference)', 배포, 라우팅으로 이동하고 있습니다. 대규모 추론 서비스는 이제 하위 애플리케이션들이 경쟁하기 위해 의존하는 '인지 인프라 (Cognitive Infrastructure)' 로 기능하는 병목 현상 (Bottleneck) 이 되었습니다.

핵심 문제:
이 인프라를 통제하는 기업들은 종종 하위 시장에서 자체 어시스턴트, 생산성 스위트, 개발자 도구 등을 통해 경쟁합니다. 이로 인해 발생하는 폐쇄 (Foreclosure) 위험은 더 이상 가격 (Price) 차별에 국한되지 않습니다.

• 비가격 차별 (Non-price Discrimination): 지연 시간 (Latency), 처리량 (Throughput), 오류율, 컨텍스트 제한, 기능 게이팅 (Feature gating) 등을 통해 경쟁사를 불리하게 만듭니다.
• 조종 (Steering) 및 기본 라우팅: 모델이 도구나 서비스를 선택할 때, 관찰하기 어렵고 소송하기 힘든 방식으로 자사 서비스를 우선시하거나 특정 파트너로 유도합니다.
• 규제적 한계: 기존 반독점 법리는 '필수 시설 (Essential Facilities)'의 엄격한 정의나 가격 담합에 초점을 맞추고 있어, 이러한 미묘하고 지속적인 성능 저하나 라우팅 편향을 규율하기 어렵습니다.

2. 방법론 (Methodology)

이 논문은 반독점 이론을 AI 추론 시장에 적용하기 위해 다음과 같은 개념적 및 분석적 도구를 사용합니다.

• 가증 가능한 개념 정의: '인지 인프라'를 시장 정의의 명확한 가정을 전제하지 않고, 측정 가능한 의존성, 수직적 인센티브, 차별화 능력을 기반으로 정의합니다.
• 경쟁사 비용 상승 (Raising-Rivals'-Costs, RRC) 이론 적용: 수직적으로 통합된 기업이 경쟁사의 가격을 낮추지 않더라도, 경쟁사의 유효 비용을 높이거나 품질을 저하시켜 수요를 회수하는 메커니즘을 분석합니다.
• 감시 및 감사 프로토콜 설계:
  • QoS (서비스 품질) 쐐기 (Wedge) 분석: 지역, 부하, 계약 등급을 통제한 상태에서, 1 차 파트너 (자사 제품) 와 제 3 자 API 사용자가 경험하는 지연 시간 (p50/p95/p99), 타임아웃, 오류율, 할당량 거부율의 차이를 측정합니다.
  • 라우팅 편향 분석: 모델이 도구나 서비스를 선택할 때, 객관적인 품질 기준과 일치하지 않게 자사 서비스나 선호 파트너를 우선시하는지 확인합니다.
  • 감사 기준: 7 일 이동 평균 기간 동안 p95/p99 지연 시간이나 거부율이 15% 이상 지속되는 편차가 객관적 기준 없이 발생할 경우를 위법으로 간주합니다. (개인 데이터나 모델 가중치 공개 없이 가능)

3. 주요 기여 (Key Contributions)

이 논문은 세 가지 주요 논리적 전환을 제시합니다.

1. '인지 인프라 (Cognitive Infrastructure)'의 정의:

   • (A) 물질적 의존성: 하위 제품이 해당 서비스의 성능과 거버넌스 (신뢰성, 지연 시간, 컨텍스트 등) 에 의존하며, 대체 시 재설계 비용이나 품질 저하가 발생함.
   • (B) 통제 및 수직적 인센티브: API 고객과 경쟁하는 하위 보완재를 통제하는 기업이 서비스 조건과 기술적 품질을 장악함 (심판이자 선수인 상황).
   • (C) 차별화 능력 (비가격): 외관상 중립적인 가격을 유지하면서 QoS 차별, 기능 게이팅, 라우팅 정책을 통해 경쟁사의 비용을 높임.

2. 해악 (Theory of Harm) 의 재정의:

   • 추론 시장에서의 폐쇄는 '예외적 가격 책정'이나 '공급 거절'이 아니라, 지속적이고 작은 성능 저하와 조종을 통해 시간에 따라 수요를 이동시키는 형태로 나타남.
   • 경쟁사를 완전히 배제하는 것이 아니라 "살아있지만 번창하지 못하게 (living but not thriving)" 만들어 생태계의 폭은 유지하면서 경쟁을 완화하는 전략이 가능함을 지적.

3. '중립적 추론 (Neutral Inference)' 제안:

   • 관찰 가능한 증거가 기능적 게이트키퍼 (Gatekeeper) 지위를 나타낼 때만 적용되는 표적형, 감사 가능한 행동 규제를 제안합니다.
   • 세 가지 의무:
     1. QoS 동등성 (QoS Parity): 객관적 비용/리스크 요인을 통제한 후, 1 차 보완재와 제 3 자가 동일한 서비스 품질을 받아야 함.
     2. 라우팅 투명성 (Routing Transparency): 선택된 도구, 순위, 상업적 관계가 선정에 미친 영향 등을 기록한 감사 가능한 라우팅 로그 공개.
     3. FRAND 스타일의 비차별: 유사한 구매자에 대해 차별 없는 접근 조건 제공 및 신속한 분쟁 해결.

4. 결과 및 제안 (Results & Proposals)

• 규제 모델: 10 년 이상의 소송보다는 준수 감사 (Compliance Auditing) 모델에 가까움.
  • 정기적인 감사, QoS 동등성 및 라우팅 편향을 위한 표준화된 테스트 스위트.
  • 차별이 감지될 경우 임시 조치 (Interim measures) 및 추론 수익에 기반한 과태료 부과.
• 기술적 구현:
  • 모델 가중치 (Weights) 나 체인 오브 씽킹 (Chain-of-thought) 을 공개하지 않고도, QoS 패리티 테스트와 라우팅 로그를 통해 중립성을 검증할 수 있음.
  • EU 의 DMA(디지털 시장법) 나 AI 법, GPAI 코드와 같은 기존 프레임워크와 호환되도록 설계됨.

5. 의의 (Significance)

• 차세대 AI 경쟁의 핵심: 차세대 AI 의 주요 경쟁 위험은 학습 단계의 집중이 아니라, 하위 제품에 통합된 확장 가능한 추론 (Inference) 의 병목 현상에 있음을 지적합니다.
• 규제 패러다임의 전환: "규모를 처벌하는 것"이 아니라, "인프라 계층이 어떤 애플리케이션이 존재할지 결정할 수 있는 권한을 조용히 획득하기 전에 경쟁 가능성 (Contestability) 을 보존하는 것"을 목표로 합니다.
• 실용적 접근: 추상적인 반독점 원칙을 구체적인 기술적 지표 (지연 시간, 라우팅 로그 등) 로 변환하여, 법 집행 기관이 실행 가능한 감독을 수행할 수 있는 토대를 마련했습니다.

요약: 이 논문은 AI 추론이 새로운 형태의 '인지 인프라'가 되면서 발생하는 비가격 차별과 라우팅 조종 문제를 지적하고, 이를 해결하기 위해 QoS 동등성, 라우팅 투명성, FRAND 비차별을 핵심으로 하는 '중립적 추론 (Neutral Inference)' 규제 프레임워크를 제안합니다. 이는 기존 반독점 법리를 AI 시대의 기술적 현실에 맞게 재해석하고, 감사 가능한 기술적 기준을 통해 시장 경쟁을 보호하려는 혁신적인 시도입니다.