오픈 모델이 거대 AI 기업들의 독주를 막을 수 있을까?

인공지능의 거대한 탈중앙화

폐쇄적인 독점 시스템과 공개 모델 사이의 격차가 전문가들의 예상보다 훨씬 빠르게 줄어들고 있습니다. 불과 1년 전만 해도 수십억 달러의 자금을 쏟아붓는 거대 연구소들이 압도적인 기술 우위를 유지할 것이라는 게 중론이었습니다. 하지만 오늘날 그 격차는 수년이 아닌 수개월 단위로 좁혀졌습니다. 이제 오픈 웨이트(open weights) 모델은 코딩, 추론, 창작 등 모든 분야에서 가장 앞선 폐쇄형 시스템과 대등한 성능을 보여줍니다. 이러한 변화는 단순한 기술적 호기심을 넘어 컴퓨팅의 미래를 누가 통제할 것인가에 대한 근본적인 변화를 의미합니다. 개발자가 자신의 하드웨어에서 고성능 모델을 직접 실행할 수 있게 되면서, 권력의 중심이 중앙 집중식 제공업체에서 분산된 글로벌 커뮤니티로 이동하고 있습니다. 이는 블랙박스 모델의 시대가 분산형 커뮤니티라는 강력한 도전에 직면했음을 시사합니다.

접근성 높은 시스템의 등장은 이 분야에서 ‘리더’가 된다는 것의 의미를 다시 생각하게 만들었습니다. 결과물이 비싸고 제한적인 인터페이스 뒤에 숨겨져 있다면, 아무리 거대한 칩 클러스터를 보유하고 있어도 더 이상 리더로 인정받지 못합니다. 개발자들은 자신의 시간과 컴퓨팅 자원을 투자하며 직접 판단을 내리고 있습니다. 그들은 허락을 구하지 않고도 검사하고, 수정하고, 배포할 수 있는 모델을 선택합니다. 이 움직임은 폐쇄형 모델이 종종 간과하는 프라이버시와 커스터마이징이라는 핵심 니즈를 해결하기 때문에 더욱 탄력을 받고 있습니다. 그 결과, 단순한 규모의 경쟁에서 효율성과 접근성 중심의 경쟁 환경으로 변화하고 있습니다. 가장 뛰어난 도구가 가장 쉽게 구할 수 있는 시대가 시작된 것입니다.

개발의 세 가지 부족

이 기술의 향방을 이해하려면 이를 개발하는 세 가지 유형의 조직을 살펴봐야 합니다. 첫째는 프론티어 연구소입니다. OpenAI나 Google 같은 거대 기업들이죠. 이들의 목표는 일반 인공지능(AGI)의 최고 수준에 도달하는 것입니다. 이들은 규모와 강력한 성능을 최우선으로 하며, 개방성을 안전에 대한 위협이나 경쟁 우위 상실로 간주하는 경향이 있습니다. 이들은 고성능을 제공하지만 클라우드 인프라에 전적으로 의존해야 하는 거대하고 폐쇄적인 생태계를 구축합니다. 이들의 모델은 성능 면에서는 업계 표준이지만, 사용 정책과 반복적인 비용이라는 제약이 따릅니다.

둘째는 학계 연구소입니다. 스탠퍼드 인간 중심 AI 연구소(Stanford Institute for Human-Centered AI)와 같은 기관들은 투명성과 재현성에 집중합니다. 이들의 목표는 제품 판매가 아니라 시스템의 작동 원리를 이해하는 것입니다. 이들은 연구 결과, 데이터셋, 학습 방법론을 공개합니다. 비록 프론티어 연구소의 원초적인 성능에는 미치지 못할지라도, 이들은 업계 전반의 토대를 마련합니다. 이들은 편향성이 어떻게 형성되는지, 어떻게 하면 더 에너지 효율적인 학습이 가능한지 등 상업적 연구소들이 피하려는 질문을 던집니다. 이들의 노력 덕분에 AI 과학은 기업의 비밀이 아닌 공공재로 남을 수 있습니다.

마지막으로 제품 연구소와 기업의 오픈 웨이트 지지자들이 있습니다. Meta와 Mistral이 이 범주에 속합니다. 이들은 생태계를 구축하기 위해 모델을 대중에게 공개합니다. 웨이트를 공개함으로써 수천 명의 개발자가 코드를 최적화하고 호환 도구를 만들도록 장려합니다. 이는 폐쇄형 플랫폼의 지배력에 대응하기 위한 전략적 움직임입니다. 모두가 당신의 아키텍처 위에서 개발한다면, 당신이 곧 업계 표준이 되는 것입니다. 이 접근 방식은 순수 연구와 상업 제품 사이의 간극을 메워줍니다. 학계 연구소가 도달할 수 없는 배포 수준을 달성하면서도 프론티어 연구소가 허용하지 않는 자유를 유지할 수 있게 해줍니다.

현대 소프트웨어에서 개방성의 환상

업계에서 ‘오픈 소스’라는 용어는 종종 모호하게 사용되어 큰 혼란을 야기합니다. 오픈 소스 이니셔티브(Open Source Initiative)가 정의하는 진정한 오픈 소스 소프트웨어는 소스 코드, 빌드 지침, 데이터가 자유롭게 공개되어야 합니다. 하지만 대부분의 현대 모델은 이 기준을 충족하지 못합니다. 대신 우리는 ‘오픈 웨이트’ 모델의 부상을 목격하고 있습니다. 이 방식은 학습 과정의 최종 결과물은 제공하지만, 학습 데이터와 비법은 비밀로 유지합니다. 이는 매우 중요한 차이입니다. 모델을 실행하고 작동 방식을 볼 수는 있지만, 처음부터 쉽게 재현하거나 생성 과정에서 어떤 정보가 주입되었는지 정확히 알 수는 없습니다.

마케팅 용어는 ‘허용적(permissive)’ 또는 ‘커뮤니티 라이선스’ 같은 단어를 사용하여 상황을 더 복잡하게 만듭니다. 이러한 라이선스에는 대기업의 사용을 제한하거나 특정 작업에 대한 사용을 금지하는 조항이 포함되는 경우가 많습니다. 폐쇄형 API보다는 훨씬 접근하기 쉽지만, 전통적인 의미에서 완전히 자유로운 것은 아닙니다. 이로 인해 개방성에도 스펙트럼이 존재하게 됩니다. 한쪽 끝에는 GPT-4처럼 완전히 폐쇄된 모델이 있고, 중간에는 Llama 3 같은 오픈 웨이트 모델이 있으며, 다른 끝에는 데이터까지 모두 공개하는 프로젝트들이 있습니다. 모델이 이 스펙트럼의 어디에 위치하는지 이해하는 것은 장기적인 계획을 세우는 기업이나 개발자에게 필수적입니다.

이러한 반개방적 접근 방식의 이점은 여전히 엄청납니다. 엄격한 데이터 주권 규칙을 가진 많은 산업에서 필수적인 로컬 호스팅을 가능하게 합니다. 또한 특정 분야의 전문가로 만들기 위해 소량의 데이터를 학습시키는 파인 튜닝(fine tuning)도 가능하게 하죠. 폐쇄형 API로는 불가능한 수준의 통제력입니다. 하지만 무엇이 진정으로 개방적인지에 대해서는 명확해야 합니다. 기업이 라이선스를 철회할 수 있거나 학습 데이터가 미스터리라면, 당신은 여전히 누군가가 설계한 시스템 안에서 움직이는 것입니다. 현재 더 높은 투명성을 향해 나아가고 있지만, 가장 강력한 모델이 진정한 의미의 오픈 소스라고 하기엔 아직 이릅니다.

클라우드 거인 시대의 로컬 통제권

보안이 중요한 환경에서 일하는 개발자에게 오픈 웨이트로의 전환은 실용적인 필수 요소입니다. 중견 금융 회사의 수석 엔지니어를 생각해 보세요. 과거에는 대규모 언어 모델의 이점을 얻기 위해 민감한 고객 데이터를 제3자 서버로 보내야 했습니다. 이는 엄청난 프라이버시 위험을 초래하고 외부 제공업체의 가동 시간에 의존하게 만들었습니다. 오늘날 그 엔지니어는 고성능 모델을 다운로드하여 내부 서버에서 실행할 수 있습니다. 데이터 흐름을 완전히 통제할 수 있는 것이죠. 회사의 특정 전문 용어나 규정 준수 규칙을 이해하도록 모델을 수정할 수도 있습니다. 이는 단순한 편의를 넘어, 기업이 가장 소중한 자산인 데이터를 관리하는 방식의 근본적인 변화입니다.

이 엔지니어의 일상은 크게 바뀌었습니다. API 키를 관리하고 속도 제한을 걱정하는 대신, 로컬 추론(inference)을 최적화하는 데 시간을 보냅니다. Hugging Face 같은 도구를 사용하여 가용한 하드웨어에 맞게 압축된 모델 버전을 찾을 수도 있습니다. 매 토큰 생성 비용을 걱정할 필요 없이 새벽 3시에도 테스트를 실행할 수 있습니다. 모델이 실수를 하면 웨이트를 살펴보고 이유를 파악하거나, 파인 튜닝을 통해 수정할 수 있습니다. 불과 2년 전만 해도 대부분의 기업에게는 상상할 수 없었던 수준의 자율성입니다. 이를 통해 더 빠른 반복 주기와 더 견고한 최종 제품을 만들 수 있습니다.

이러한 자유는 개인 사용자에게도 확장됩니다. 작가나 연구자는 실리콘밸리의 위원회가 설계한 필터가 적용되지 않은 모델을 자신의 노트북에서 실행할 수 있습니다. 중개자 없이 무엇이 적절한지 스스로 결정하며 아이디어를 탐색하고 콘텐츠를 생성할 수 있습니다. 이것이 도구를 빌려 쓰는 것과 소유하는 것의 차이입니다. 클라우드 거인들이 세련되고 사용하기 쉬운 경험을 제공한다면, 오픈 생태계는 더 가치 있는 것, 바로 ‘주체성’을 제공합니다. 하드웨어가 강력해지고 모델이 효율화됨에 따라 로컬에서 시스템을 실행하는 사람들의 수는 계속 늘어날 것입니다. 이러한 탈중앙화 접근 방식은 이 기술의 혜택이 비싼 월 구독료를 낼 수 있는 사람들에게만 국한되지 않도록 보장합니다.

이러한 변화는 이미 모든 산업 분야에서 소프트웨어가 구축되고 배포되는 방식을 바꾸고 있습니다.

기업들은 또한 오픈 모델이 플랫폼 리스크에 대한 훌륭한 방어 수단임을 깨닫고 있습니다. 폐쇄형 제공업체가 가격이나 서비스 약관을 변경하면 그 API를 기반으로 구축된 회사는 곤경에 처하게 됩니다. 오픈 웨이트를 사용하면 회사는 핵심 지능을 잃지 않고도 하드웨어 제공업체를 바꾸거나 전체 스택을 다른 클라우드로 옮길 수 있습니다. 이러한 유연성이 오늘날 우리가 보는 많은 도입 사례를 이끌고 있습니다. 이제는 벤치마크에서 어떤 모델이 조금 더 나은지가 중요한 것이 아닙니다. 어떤 모델이 비즈니스에 가장 장기적인 안정성을 제공하는지가 관건입니다. 최근 오픈 소스 AI 생태계의 발전은 이를 모든 규모의 기업에게 실행 가능한 전략으로 만들었습니다.

무료 모델의 높은 대가

열광적인 분위기 속에서도 우리는 개방성의 숨겨진 비용에 대해 어려운 질문을 던져야 합니다. 로컬에서 대규모 모델을 실행하는 것은 공짜가 아닙니다. 하드웨어, 특히 충분한 메모리를 갖춘 고성능 GPU에 대한 상당한 투자가 필요합니다. 많은 소규모 기업에게 이 하드웨어를 구매하고 유지하는 비용은 수년간의 API 구독료를 초과할 수 있습니다. 전기 요금과 배포를 관리할 전문 인력에 대한 비용도 고려해야 합니다. 우리는 단순히 소프트웨어 구독료를 하드웨어 및 에너지 요금으로 바꾸고 있는 것은 아닐까요? 로컬 AI의 경제적 현실은 헤드라인이 시사하는 것보다 훨씬 복잡합니다.

저희가 다루어야 할 AI 스토리, 도구, 트렌드 또는 질문이 있으신가요? 기사 아이디어를 보내주세요 — 기꺼이 듣겠습니다.

프라이버시 또한 회의적인 시각이 필요한 영역입니다. 로컬에서 모델을 실행하는 것이 데이터 보안에는 더 좋지만, 모델 자체가 동의 없이 인터넷에서 긁어온 데이터로 학습되는 경우가 많습니다. 오픈 모델을 사용하는 것이 이러한 관행에 동조하는 것일까요? 게다가 모델이 공개되어 있다면 악의적인 행위자들에게도 열려 있는 셈입니다. 의사가 의료 기록을 요약하는 데 사용하는 도구를 해커가 피싱 공격을 자동화하는 데 사용할 수도 있습니다. 민주화의 이점과 오용의 위험 사이에서 어떻게 균형을 잡아야 할까요? 웨이트를 공개하는 연구소들은 커뮤니티가 필요한 안전 점검을 제공할 것이라고 주장하지만, 이를 검증하기는 어렵습니다. 중앙 집중식 감독의 부재가 장점인지 결함인지 고민해봐야 합니다.

마지막으로 오픈 모델의 지속 가능성을 살펴봐야 합니다. 이러한 시스템을 학습시키는 데는 수백만 달러가 듭니다. Meta나 Mistral 같은 기업이 더 이상 웨이트를 공개하는 것이 이익이 되지 않는다고 판단하면, 오픈 커뮤니티의 발전은 정체될 수 있습니다. 우리는 현재 시장 점유율을 얻기 위해 개방성을 선호하는 기업 전략의 혜택을 누리고 있습니다. 만약 그 전략이 바뀐다면, 커뮤니티는 다시 프론티어 연구소보다 수년 뒤처지게 될지도 모릅니다. 수십억 달러 규모의 기업 지원 없이 진정으로 독립적이고 고성능인 모델을 구축할 수 있을까요? 기업의 관대함에 대한 현재의 의존은 전체 운동의 잠재적인 단일 실패 지점(single point of failure)입니다.

로컬 추론의 내부를 들여다보다

파워 유저에게 진정한 작업은 이러한 모델을 기존 워크플로우에 통합하는 데 있습니다. 가장 큰 과제 중 하나는 하드웨어 요구 사항입니다. 700억 개의 파라미터를 가진 모델을 실행하려면 일반적으로 최소 2개의 고성능 소비자용 GPU나 48GB VRAM을 갖춘 전문가용 카드가 필요합니다. 이로 인해 양자화(quantization) 기술이 부상했습니다. 모델 웨이트의 정밀도를 16비트에서 4비트 또는 2비트로 줄임으로써 개발자들은 더 저렴한 하드웨어에 훨씬 큰 모델을 탑재할 수 있게 되었습니다. 이 과정에서 정확도가 약간 떨어지지만, 대부분의 작업에서는 무시할 수 있는 수준입니다. Llama.cpp와 같은 도구는 표준 CPU와 Mac 하드웨어에서도 이러한 모델을 실행할 수 있게 하여 진입 장벽을 크게 낮췄습니다.

또 다른 중요한 요소는 API 제한입니다. 폐쇄형 제공업체를 사용할 때는 분당 요청 횟수가 제한되는 경우가 많습니다. 로컬 모델을 사용하면 유일한 제한은 하드웨어의 속도뿐입니다. 이를 통해 단일 프로세스 내에서 모델을 수백 번 호출하는 복잡한 워크플로우가 가능합니다. 예를 들어, 개발자는 모델을 사용하여 수천 줄의 코드를 분석하거나 테스트를 위한 전체 합성 데이터셋을 생성할 수 있습니다. 이러한 작업은 클라우드 API에서는 비용이 너무 많이 들고 느릴 것입니다. 로컬 스토리지를 사용하면 방대한 컨텍스트 윈도우를 활용할 수도 있습니다. 입력 토큰 비용을 걱정할 필요 없이 문서 라이브러리 전체를 모델에 입력할 수 있습니다.

워크플로우 통합도 더욱 정교해지고 있습니다. 개발자들은 단 한 줄의 코드로 모델을 교체할 수 있는 프레임워크를 사용합니다. 즉, 시스템이 간단한 작업에는 작고 빠른 모델을, 복잡한 추론에는 크고 느린 모델을 사용할 수 있다는 뜻입니다. 이러한 하이브리드 접근 방식은 비용과 성능을 모두 최적화합니다. 하지만 여전히 장애물은 존재합니다. 로컬 모델은 종종 폐쇄형 모델이 가진 세련된 안전 필터나 방대한 문서화가 부족합니다. 견고한 로컬 환경을 구축하려면 Linux, Python, GPU 드라이버에 대한 깊은 이해가 필요합니다. 이를 관리할 수 있는 사람들에게는 어떤 클라우드 제공업체도 따라올 수 없는 성능과 프라이버시라는 보상이 주어집니다.

공공 기술의 새로운 표준

오픈 모델과 폐쇄형 모델 간의 경쟁은 오늘날 기술 분야에서 가장 중요한 이야기입니다. 이는 인터넷의 근본적인 구조를 둘러싼 전투입니다. 폐쇄형 모델이 승리한다면 AI의 미래는 현재의 모바일 앱 스토어처럼 두세 개의 거대 기업이 무엇이 가능한지를 통제하는 모습이 될 것입니다. 반면 오픈 모델이 현재의 궤적을 이어간다면, 미래는 웹 그 자체와 비슷해질 것입니다. 누구나 구축하고 혁신할 수 있는 탈중앙화된 네트워크 말이죠. 최근 고품질 오픈 웨이트로의 전환은 후자가 될 가능성이 높다는 강력한 신호입니다. 이는 지능이 사치가 아닌 유틸리티가 되는 세상에 대한 설득력 있는 비전입니다.

우리가 다음 단계로 나아가면서, 초점은 모델의 원초적인 성능에서 모델을 둘러싼 생태계로 이동할 것입니다. 승자는 가장 높은 벤치마크 점수를 기록한 회사가 아니라, 다른 사람들이 가장 쉽게 구축할 수 있도록 만드는 회사가 될 것입니다. 연구 논문과 유용한 제품 사이의 거리는 여전히 멀지만, 오픈 커뮤니티는 이를 건너기 위한 다리를 건설하고 있습니다. 지금은 급격한 변화의 시기이며, 오늘 개발자와 기업이 내리는 선택이 향후 10년의 기술 환경을 결정할 것입니다. 닫힌 상자의 시대는 끝나가고, 오픈 웨이트의 시대가 막 시작되었습니다.

편집자 주: 저희는 컴퓨터 전문가가 아니지만 인공지능을 이해하고, 더 자신감 있게 사용하며, 이미 다가오고 있는 미래를 따라가고 싶은 사람들을 위한 다국어 AI 뉴스 및 가이드 허브로 이 사이트를 만들었습니다.

오류나 수정할 사항을 발견하셨나요? 알려주세요.