생성형 AI - 소버린 AI - O'Reilly Radar, 소버린 AI ≠ 국산 LLM

https://oreillyradar.substack.com/p/ai-sovereignty-bargaining-with-big

2026.9.23
[AI Sovereignty: Bargaining with Big Tech and the Promise of Full Stack Open Source AI]

이 글은 미국 빅테크 기업들이 주도하는 AI 생태계의 독점적 권력에 대응하여, 국가나 지역이 독자적인 기술 제어권을 확보하려는 AI 주권(AI Sovereignty)의 개념과 필요성을 심도 있게 다룹니다. 저자는 단순히 외부 모델을 도입하는 것을 넘어 데이터 인프라, 연산 칩, 에이전트 실행 환경을 아우르는 전체 스택의 개방성(Full Stack Open Source)이 진정한 독립의 핵심이라고 분석합니다. 특히 상용 솔루션이 초래할 수 있는 기술적 의존성 및 정치적 개입의 위험성을 경고하며, 이를 극복하기 위한 대안으로 다양한 오픈 소스 프로젝트와 참여형 아키텍처의 확산을 제시합니다. 결과적으로 이 텍스트는 거대 자본에 의한 기술 흡수 위협 속에서도 지속 가능한 상호 운용 가능한 공공 대안을 구축함으로써 진정한 선택의 자유를 확보해야 한다는 전략적 제언을 담고 있습니다.

 

핵심 판단

이 글의 가장 중요한 주장은 AI 주권은 ‘자국산 LLM 보유’가 아니라, 특정 해외 Big Tech에 종속되지 않고 AI 스택 전반에서 교체·통제·협상할 수 있는 선택권(strategic choice) 이라는 점입니다.[1] 이는 Stanford HAI가 제시한 “완전 자립이 아닌 상호의존의 조정(calibrating interdependence)”과 정합적입니다.[2]

 

즉, 목표는 미국산 클라우드 종속을 중국산 오픈웨이트 모델 종속으로 바꾸는 것이 아니라, 모델·에이전트·데이터·추론·관측·인프라의 다층 대체가능성을 확보하는 것입니다.

 

글의 논지 구조

논지 축	글의 주장	평가
1. 문제 정의	상용 ‘소버린 AI’는 데이터 현지화·로컬 배포를 제공해도 GPU·클라우드·운영도구의 해외 의존을 남긴다.	타당. 주권을 소유권이 아닌 통제권·전환권으로 재정의한 점이 핵심이다.[1][2]
2. 해법	오픈웨이트 모델만으로는 부족하며, 모델·프로토콜·에이전트 하네스·추론엔진·데이터 계층까지 열려 있어야 한다.	매우 중요. 실제 락인(lock-in)은 모델보다 오케스트레이션·운영 계층에서 발생할 가능성이 크다.
3. 지향점	국가별 폐쇄형 AI 스택보다 상호운용 가능한 ‘연합형(federated) AI’가 바람직하다.	방향은 설득력 있으나, 연합의 의사결정권·책임·보안 기준이 빠져 있다.[3]
4. 위험 인식	개방형 프로젝트도 인수·자본 집중으로 재포획될 수 있다.	현실적 경고. 예컨대 NVIDIA의 Hugging Face 인수 합의는 개방형 생태계의 핵심 유통·배포 거점이 단일 사업자에 집중될 수 있음을 보여준다.[1]
5. 투자 우선순위	스토리지·관측성·회복탄력성 등 덜 보이는 계층이 병목이다.	맞는 문제 제기. AI Potluck Gap Map도 공개 생태계의 취약성·개방성 격차를 계층별로 관리하려는 시도다.[4]

 

특히 의미 있는 3가지

1. ‘자립’보다 협상력이 주권의 실체다

글은 AI 주권을 “모든 것을 국내에서 만드는 것”으로 보지 않습니다. 현실적으로 반도체, 초대형 데이터센터, 전력망, 최상위 모델 훈련을 한 국가가 완전히 내재화하기는 어렵습니다.

따라서 정책 목표는 다음과 같이 전환되어야 합니다.

단일 공급자에 의해 서비스·가격·정책·접근권이 일방적으로 바뀌어도, 핵심 공공서비스가 지속될 수 있는가?

이 질문에 “예”라고 답할 수 있어야 실질적 주권입니다. HAI 역시 완전한 독립보다 전략적 선택권을 넓히면서 최첨단 역량에 대한 접근을 유지하는 접근을 권고합니다.[2]

 

2. 모델보다 에이전트·운영·데이터 계층이 더 큰 종속을 만든다

오픈웨이트 LLM을 내부 GPU 또는 국내 클라우드에서 돌린다고 해도 다음이 폐쇄형이면 통제권은 제한됩니다.

• 에이전트 하네스 및 도구 호출 체계
• 프롬프트·워크플로우·메모리의 이식성
• 벡터DB·지식그래프·RAG 파이프라인
• 평가·추적·감사 로그
• 모델 라우팅·관측성·비용 통제
• CI/CD 및 정책 집행 계층

이 글이 MCP·A2A, vLLM·SGLang·llama.cpp, MLflow류의 개방형 운영도구를 주권 인프라로 본 것은 정확합니다.[1] 공공부문에서는 특히 데이터가 외부 API로 나가지 않는가보다 업무 규칙·감사 증적·에이전트 권한체계가 특정 SaaS에 묶이지 않는가가 더 중요한 통제 포인트가 될 수 있습니다.

 

3. ‘오픈’도 자동으로 공공재가 되지는 않는다

글은 오픈소스 생태계의 상업적 흡수를 위험으로 지적합니다.[1] 이 대목은 중요하지만, 단순히 “오픈소스를 쓰자”는 처방만으로는 부족합니다.

진짜 위험은 다음과 같습니다.

• 코드·가중치는 공개되어도 유지보수자, 배포 채널, 모델 허브, GPU 공급망이 집중될 수 있음
• 라이선스가 오픈소스가 아니라 open-weight일 수 있음
• 공개 프로젝트라도 핵심 로드맵·보안패치·거버넌스가 특정 기업에 종속될 수 있음
• 오픈 도구의 조합 자체가 복잡해, 결국 SI·MSP·특정 클라우드 사업자 종속으로 회귀할 수 있음

따라서 “open source”와 “open weight”, “기술 공개”와 “운영 주권”은 분리해 평가해야 합니다.

 

[보완 필요] 글의 한계

구분	보완 필요 사항	감리·정책 관점의 보완 방향
정의	‘AI sovereignty’가 데이터·법적 관할·공급망·운영·모델 통제 중 무엇을 의미하는지 측정모형이 없다.	5개 축(법적 관할, 데이터, 모델, 운영, 공급망)별 성숙도·의존도 지표를 정의해야 한다.
경제성	전 스택 개방형 대안의 TCO, 인력, 보안운영 비용이 제시되지 않는다.	3~5년 TCO와 전환비용, 내재화 인력수요, 대체 공급자 확보비용을 산정해야 한다.
거버넌스	연합형 AI의 표준·인증·책임소재·분쟁조정 메커니즘이 없다.	공공 조달 공통규격, 상호운용성 시험, 로그·감사·사고 대응 책임모델이 필요하다.
보안	개방형 구성요소 확산에 따른 공급망 공격, 취약점, 모델 변조 위험을 다루지 않는다.	SBOM/MBOM, 모델 출처·무결성 검증, 서명된 아티팩트, 공급망 보안 기준을 필수화해야 한다.
국내 적용	국가 단위 서술에 머물러 부처·지자체·공공기관의 구매·운영 의사결정으로 내려오지 않는다.	RFP·제안요청서에 이식성, 데이터 반출, 로그 소유권, 종료·전환계획 요건을 명시해야 한다.

 

한국 공공부문 적용: ‘AI 주권성’ 최소 요건

우선순위 높음 — 조달·감리 즉시 반영

1. 모델 교체 가능성

1. 데이터·로그의 국내 통제

1. 종료·전환계획(Exit Plan)

우선순위 중간 — 생태계 경쟁력

1. 개방형 에이전트·도구 프로토콜 적용

1. 국산화보다 공공 공동역량

후순위 — 장기 산업정책

1. 연산자원·전력·데이터센터 주권

결론

이 글은 “소버린 AI = 국산 LLM”이라는 좁은 프레임을 깨고, ‘전 스택의 선택권과 전환 가능성’으로 논의를 확장했다는 점에서 유의미합니다.[1] 특히 공공 AI 사업의 핵심 산출물은 모델 자체가 아니라 공급자 전환이 가능한 아키텍처, 데이터 통제권, 감사 가능한 운영체계여야 한다는 시사점이 강합니다.

 

Sources:
[1] https://oreillyradar.substack.com/p/ai-sovereignty-bargaining-with-big
[2] https://hai.stanford.edu/policy/the-commercial-landscape-of-ai-sovereignty-offerings
[3] https://www.oreilly.com/radar/ai-sovereignty-and-the-architecture-of-participation
[4] https://www.aipotluck.org/map/gap-map