- 주요 AI 스타트업들이 논문·코드·데이터셋 등 연구 결과를 비공개하는 경향이 확산되고 있다.
- 프런티어 모델 경쟁 심화로 영업비밀이 오픈 사이언스 가치보다 우선되는 문화가 고착되고 있는 것으로 분석된다.
- 중국 오픈 웨이트 AI에 대한 미국 정부의 차단 정책이 공개 전략에 새로운 변수로 작용하고 있다.
오픈 사이언스의 후퇴는 단일 기업의 선택을 넘어 산업 전반의 혁신 속도와 안전성 담보 방식에 구조적 질문을 던지고 있다.
프런티어 AI(최첨단 대규모 모델) 개발 경쟁이 가속화되면서 주요 AI 스타트업들이 논문과 코드, 학습 데이터셋 같은 연구 결과를 거의 공개하지 않는 ‘닫힌 연구실’ 현상이 두드러지고 있다. science.org 기반 보도가 geeknews를 통해 2026년 7월 30일 06시 31분 57초 UTC에 요약 게시된 이 자료는, 단순한 일시적 트렌드가 아니라 산업 전반의 문화 변화로 읽어야 함을 시사한다.
현황 진단: AI 스타트업의 연구 결과 비공개 경향
과거 오픈AI, 앤트로픽, 미스트랄, 메타 등 주요 플레이어들 가운데 일부는 사전 학습(pretrained) 모델과 기술 보고서를 정기적으로 공개하며 학계와 산업계의 표준 형성에 기여해 왔다. 그러나 최근 1년 사이 가장 큰 자본과 인력, 컴퓨팅 자원을 동원하는 프런티어 모델을 보유한 스타트업들은 핵심 가중치와 정렬(alignment) 절차를 비공개로 전환하는 사례가 늘었다. 영업 비밀 보호, 책임 리스크 회피, 정부 규제 대비가 복합적으로 작용한 결과로 분석된다.
거버넌스 글로벌 동향과 한국의 위치
유럽 연합은 AI법(AI Act)을 통해 고위험 모델에 대한 기술 문서 공개와 사후 모니터링을 의무화하고 있다. 미국은 연방 차원의 입법을 자제하면서 자발적 안전 서약과 행정 명령에 의존하는 자율 규제 기조를 유지하고 있다. 한국은 AI기본법(가칭) 마련을 추진하며 신뢰성 검증과 표준화 작업을 논의 중이지만, 글로벌 표준과의 정합성 확보라는 과제를 안고 있다.
투명성 보고 표준화 제안
효과적인 투명성 보고는 모델 카드(model card)와 시스템 카드를 결합한 형태로 학습 데이터 출처, 정렬 기법, 안전 평가 절차를 공개하도록 요구하는 방식을 포함한다. 다만 영업 비밀이 직접 노출되지 않도록 핵심 가중치는 비공개로 유지하되, 평가 결과와 위험 분석은 외부 검증이 가능한 형태로 제공하는 절충안이 현실적 대안으로 제시된다.
구조적 원인: 왜 프런티어 모델은 문을 닫았는가
닫힘 현상의 배경에는 네 가지 구조적 원인이 작용하는 것으로 보인다. 첫째, 막대한 학습 비용과 희소한 GPU 자원이다. 단일 프런티어 모델 학습에 수천억 원 규모의 컴퓨팅 비용이 투입되면서 투자 회수 압력이 커지고 있다. 둘째, 책임 소재 명확화에 대한 요구이다. 모델이 사회적 논란에 노출될 경우 내부 평가 결과를 사전에 공개한 기업이 더 큰 법적·평판적 리스크를 부담한다는 인식이 업계 내부에서 공유되고 있다. 셋째, 인재 확보 경쟁이다. 핵심 알고리즘을 공개하면 인재 유출과 경쟁사의 빠른 벤치마킹으로 이어질 수 있다는 우려가 내부에서 제기되고 있다. 넷째, 안보적 맥락이다. 미국 정부의 중국 오픈 웨이트 AI 차단 정책과 맞물려 일부 스타트업들은 정부 발주 사업 참여 자격을 유지하기 위해 자체적으로 공개 범위를 축소하고 있다.
유럽 AI법 vs 미국 자율 규제 비교
| 구분 | 유럽 AI법 | 미국 자율 규제 |
|---|---|---|
| 법적 강제력 | 강(입법 기반 의무) | 약(자발적 서약) |
| 투명성 요구 수준 | 고위험군 모델 기술 문서 공개 | 기업별 자발 공개 |
| 책임 소재 | 공급자 책임 명문화 | 판례와 행정 명령 중심 |
| 공개 예외 조항 | 영업 비밀 일부 인정 | 사실상 광범위 |
| 정책 일관성 | 단일 관할권 내 통일 | 부처별 상이 |
이 표에서 보듯 유럽은 강제성 중심, 미국은 유연성 중심의 접근을 취하고 있으며, 한국은 양자 사이의 균형점을 모색해야 할 입장으로 평가된다.
오픈 사이언스 가치와 산업 생태계
오픈 사이언스는 학계는 물론 산업계에도 적어도 세 가지 긍정적 외부효과를 제공한다. 첫째, 외부 연구자에 의한 반복 검증과 개선이다. 둘째, 생태계 확장으로 인한 신규 서비스 창출이다. 셋째, 안전성 평가의 외부 독립성이다. AI 스타트업 약 200곳 역공학 결과 상당수가 단순 프롬프트 엔지니어링 수준에 그쳤다는 geeknews의 보도는 공개 모델과 비공개 모델 사이의 기술적 격차를 보여주는 사례로 자주 인용된다. 이 수치는 비공개 모델이 본질적으로 더 정교하다는 인식을 반박하는 한 가지 근거로 해석된다.
정책적 시사점과 선택지
정책 결정권자에게 요구되는 선택지는 크게 세 갈래다. 첫째, 강제 공개이다. 학습 데이터 요약, 안전 평가 결과, 정렬 절차를 의무화하는 방안이다. 둘째, 인센티브 기반 공개이다. 공공 조달 가점, 세제 혜택, 책임 면제 범위 확대를 통해 자발적 공개를 유도하는 방안이다. 셋째, 단계적 공개이다. 모델 출시 후 일정 기간이 지나면 기술 핵심부를 단계적으로 공개하도록 유도하는 방안이다. 어느 방안이든 단일 국가의 노력만으로는 글로벌 프런티어 모델 거버넌스에 미치지 못한다는 점에서 국제 공조가 필수 조건으로 부상하고 있다.
결론: 투명성과 경쟁력의 균형점
프런티어 AI 시대의 ‘닫힌 연구실’ 현상은 일시적 유행이 아니라 경쟁 압력, 책임 회피, 규제 불확실성이 결합한 구조적 결과물로 보인다. 그러나 장기적으로 비공개 문화는 외부 검증 부재, 안전 사고 시 신뢰 붕괴, 생태계 협업 약화를 통해 산업 전체의 지속 가능성을 훼손할 위험이 있다. 투명성 보고 표준화, 인센티브 설계, 국제 공조를 병행하는 균형 잡힌 거버넌스 설계가 한국 포함 모든 관할권의 핵심 과제로 남는다.
- 핵심 진단: 프런티어 AI 스타트업의 연구 비공개는 경쟁·책임·안보 요인이 결합한 구조적 현상이다.
- 데이터 포인트: AI 스타트업 200곳 역공학 결과 73%가 단순 프롬프트 엔지니어링이었다.
- 정책 시사점: 강제 공개보다 인센티브와 단계적 공개의 조합이 현실적이다.
- 한국의 과제: AI기본법과 글로벌 표준의 정합성을 확보하는 거버넌스 설계가 필요하다.
참고 자료: geeknews 원문, science.org