The Conversion Gap: How China, Japan and South Korea Turn AI Inputs into AI Capability, 2017–2025
이 논문은 국가의 AI 주권이 자원 축적 그 자체보다 자원을 역량으로 효율적으로 전환하는 국가의 정책 역량에 더 크게 의존한다고 주장하며, 일본이 중국과 한국에 뒤처진 원인이 지식과 컴퓨팅 자원을 AI 모델로 변환하는 과정에서의 구조적 비효율성에 있음을 밝히고 있다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
인공지능을 구축하기 위한 경쟁에서, 국가들은 종종 무엇을 모으느냐에 따라 평가받곤 합니다. 사람들은 연구실의 연구원 수, 프로젝트에 투입된 수십억 달러, 그리고 데이터 센터에서 웅웅거리는 거대한 컴퓨터 뱅크를 계산합니다. 이는 축적의 논리입니다. 즉, 더 많은 원재료를 가지고 있다면 더 나은 기계를 만들 수 있어야 한다는 것입니다. 수년 동안 이것은 중국, 일본, 한국과 같은 국가들을 비교하는 표준적인 방식이었으며, 이들 모두는 이 기술의 리더가 되기 위해 엄청난 자원을 쏟아부었습니다. 하지만 재료를 가지고 있다고 해서 완성된 요식이 보장되는 것은 아닙니다. 한 국가는 방대한 인재와 컴퓨팅 파워를 보유하고 있으면서도, 그 자원들을 세상을 바꾸는 작동 가능한 지능형 시스템으로 전환하는 데 실패할 수 있습니다. 진짜 질문은 한 국가가 얼마나 많이 가졌느냐가 아니라, 가진 것을 실제 역량으로 얼마나 효율적으로 전환할 수 있느냐입니다.
이것이 바로 알프레도 메를렛(Alfredo Merlet)이 2017년부터 2025년까지의 기간을 조사한 새로운 연구에서 해결하고자 했던 수수께끼입니다. 그는 돈과 사람이라는 단순한 총량을 넘어, 더 미묘한 것인 '전환율'을 측정했습니다. 원광석을 완성된 자동차로 만드는 것을 목표로 하는 공장을 상상해 보십시오. 어떤 공장은 다른 공장보다 두 배나 많은 원광석을 살 수도 있지만, 만약 자동차를 더 적게 생산한다면 그 공장은 분명히 그 작업에 덜 효율적인 것입니다. 메를렛은 이와 동일한 논리를 인공지능에 적용하여, 과정을 세 가지 뚜렷한 단계로 나누었습니다. 첫 번째는 연구자들이 새로운 아이디어를 창조하고 논문을 발표하는 '발명(invention)' 단계입니다. 두 번째는 그 아이디어들이 실제로 사용 가능한 소프트웨어 모델로 변하는 '산업화(industrialization)' 단계입니다. 세 번째는 그 모델들이 일반 사람들과 기업들에 의해 채택되는 '운용화(operationalization)' 단계입니다. 각 단계에서 투입 단위당 얼마나 많은 산출물이 나왔는지를 추적함으로써, 이 연구는 왜 어떤 국가들은 앞서 나가고 있는 반면, 다른 국가들은 더 많은 자원을 가지고 있음에도 뒤처지고 있는지에 대한 놀라운 이야기를 밝혀냈습니다.
결과는 동아시아 이웃 국가들이 걷고 있는 세 가지 매우 다른 경로를 보여줍니다. 중국은 거대한 노동력과 명확하고 공격적인 목표를 설정하는 정부를 바탕으로, 발전을 극적으로 가속화했습니다. 2024년과 2025년에 이르러 중국 개발자들은 수백 개의 새로운 AI 모델을 출시하며, 추격자에서 미국의 대등한 경쟁자로 변모했습니다. 그들은 단순히 더 많이 지출했을 뿐만 아니라, 연구가 빠르게 배치 가능한 제품으로 전환될 수 있도록 노력을 조율함으로써 이를 달 Ach 성했습니다. 한국은 일본보다 연구원과 컴퓨 computing 파워가 적음에도 불구하고, 그룹 내에서 가장 높은 효율성을 달성했습니다. 한국은 정부와 주요 기업 간의 고도로 조율된 관계를 통해 23개의 주목할 만하거나 획기적인 모델을 포함하여 총 87개의 AI 모델을 생산해 냈는데, 이는 더 큰 이웃 국가인 일본의 수치를 훨씬 상회하는 숫자였습니다. 이러한 성공은 자원을 특정 기술에 집중적으로 투입하여 빠르게 결과를 얻을 수 있게 한 고도로 조직된 협력 관계에 의해 추진되었습니다.
반면, 일본은 극명하고 혼란스러운 대조를 보여줍니다. 서류상으로는 일본이 가장 성공적이어야 합니다. 일본은 한국보다 더 큰 연구 인력과 더 많은 컴퓨팅 파워, 그리고 더 긴 산업적 우수성의 역사를 가지고 있습니다. 그러나 2017년에서 2025년 사이, 일본 조직들이 출시한 AI 모델은 단 52개에 불과했으며, 그중 주목할 만한 것으로 분류된 것은 단 6개뿐이었습니다. 연구 기간의 마지막 2년 동안, 일본의 어떤 조직도 연구자들이 '주목할 만하다'고 분류한 모델을 단 하나도 출시하지 못했습니다. 데이터는 일본이 돈이나 과학자가 부족해서 실패하고 있는 것이 아님을 보여줍니다. 실제로 일본 연구자들이 자신의 연구를 특허로 전환하는 능력을 볼 때, 그들은 상당히 준수한 성과를 냅니다. 문제는 체인의 더 후반부에서 발생합니다. 격차는 일본 연구자들이 자신들의 발표된 논문을 작동 가능한 모델로 바꾸려 할 때, 그리고 그들의 거대한 컴퓨터 파워를 사용하여 그 모델들을 구축하려 할 때 나타납니다. 그들은 재료는 가지고 있지만, 주방에서는 요리가 만들어지지 않고 있는 것입니다.
이 연구는 이러한 격차의 원인이 기술 자체가 아니라, 정부가 그 과정을 어떻게 관리하느냐에 있다고 시사합니다. 연구진은 각국의 성과를 '정책 역량(policy capacity)', 즉 명확한 방향을 설정하고, 서로 다른 집단들을 조율하며, 새로운 산업을 지원하기 위해 빠르게 움직일 수 있는 정부의 능력을 나타내는 척도와 비교했습니다. 한국은 이 척도에서 매우 높은 점수를 받았는데, 이는 AI에 대해 단호하고 조직적인 접근 방식을 취하는 정부를 반영합니다. 대조적으로 일본은 현저히 낮은 점수를 기록했습니다. 연구 기간의 대부분 동안 일본은 구속력 있는 목표나 집중된 프로그램보다는 완만한 지도와 자율적인 가이드라인에 의존했습니다. 2025년이 되어서야 일본은 AI를 추진하기 위한 전담 본부를 설립하고 새로운 법안을 제정했는데, 연구진은 이를 문제를 뒤늦게 인식한 움직임으로 해석합니다. 증거에 따르면, 최고의 연구와 가장 강력한 컴퓨터를 보유하고 있다 하더라도, 국가가 이를 결과물로 만들어내기 위해 효과적으로 조직할 수 없다면 충분하지 않습니다.
이 발견은 AI 패권이 단순히 누가 더 많은 돈을 쓰거나 더 많은 전문가를 고용할 수 있느냐의 문제라는 일반적인 가설에 도전합니다. 이 연구는 인공지능에 대한 주권이 단순히 도구를 소유하는 것이 아니라, 그 도구들이 어떻게 사용되는지를 통치하는 능력에 관한 것임을 보여줍니다. 한 국가는 연구와 인프라에 막대한 투자를 하고도, 그 투자를 실제 세상의 응용 프로그램으로 전환하는 시스템이 약하다면 아주 적은 것만을 생산할 수 있습니다. 이 경쟁을 지켜보는 신흥 경제국들에게 교훈은 명확합니다. 강력한 AI 미래를 건설하는 것은 글로벌 리더들의 막대한 예산과 맞붙는 것보다, 자원을 효과적으로 조율할 수 있는 행정적 역량을 구축하는 것에 더 달려 있을 수 있다는 것입니다. AI에 자금을 대는 국가와 실제로 AI를 구축하는 국가의 차이는, 은행 계좌의 크기가 아니라 계획의 질과 실행의 속도에서 갈릴 수 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.