서론

AI 거버넌스(AI governance)는 흔히 리스크, 윤리, 안전, 그리고 국제적 협력을 중심으로 논의됩니다. 이러한 요소들은 필수적이지만, 그것만으로는 충분하지 않습니다. 거버넌스는 국가들이 현대적인 AI 시스템을 실행, 모니터링 및 유지 관리하는 데 필요한 컴퓨팅 인프라(computing infrastructure)를 갖추었을 때 비로소 실질적인 의미를 갖게 됩니다.
컴퓨팅(compute) 없이는 거버넌스는 이론에 불과합니다. 컴퓨팅이 뒷받침될 때, 거버넌스는 역량이 됩니다.

이 글은 글로벌 AI 거버넌스에서 누락된 실행 계층(execution layer)에 대해 탐구하며, 왜 AI 격차를 해소하는 것이 단순한 정책적 정렬(policy alignment) 그 이상을 요구하는지 살펴봅니다.

숨겨진 의존성: 인프라를 전제로 하는 거버넌스

대부분의 거버넌스 프레임워크(governance frameworks)는 국가들이 이미 다음과 같은 것들을 갖추고 있다고 암묵적으로 가정합니다:

• 고성능 컴퓨팅(high performance compute)에 대한 접근성
• 신뢰할 수 있는 데이터 파이프라인(data pipelines)
• 보안 스토리지(secure storage)
• 운영 도구(operational tooling)
• 에너지 용량(energy capacity)
• 연결성(connectivity)
• 숙련된 운영자(skilled operators)

하지만 이러한 가정은 전 세계 대다수의 국가에게는 사실이 아닙니다.

글로벌 AI 격차는 주로 모델에 대한 접근성 문제가 아닙니다. 그것은 모델을 실행하는 데 필요한 인프라에 대한 접근성 문제입니다.

이러한 현실을 무시하는 거버넌스 프레임워크는 실행 가능한(actionable) 것이라기보다 열망적인(aspirational) 수준에 머물 위험이 있습니다.

실행 계층: 정책이 현실과 만나는 지점

실행 계층(execution layer)은 정책을 실천으로 옮기는 AI 거버넌스의 부분입니다. 여기에는 다음이 포함됩니다:

• 컴퓨팅 인프라(compute infrastructure)
• 데이터 수집 및 처리 파이프라인(data ingestion and processing pipelines)
• 모니터링 및 평가 도구(monitoring and evaluation tooling)
• 인간 참여형(human in the loop) 운영 워크플로우
• 유지 관리 및 라이프사이클 관리(maintenance and lifecycle management)
• 에너지 및 냉각 요구 사항(energy and cooling requirements)
• 보안 배포 환경(secure deployment environments)

이 계층은 거버넌스 논의에서 거의 다뤄지지 않지만, 모든 책임 있는 AI가 의존하는 토대입니다.

실행 계층이 없다면, 거버넌스는 서류 작업으로 전락하고 맙니다.

진짜 글로벌 격차는 모델이 아니라 컴퓨팅에 관한 것이다

AI 격차가 거대 모델에 대한 접근성에 관한 것이라는 지속적인 오해가 있습니다.

실제로 격차를 유발하는 요인은 다음과 같습니다:

• 불충분한 컴퓨팅 (insufficient compute)
• 신뢰할 수 없는 인프라 (unreliable infrastructure)
• 운영 역량 (operational capacity) 부족
• 제한된 데이터 가용성 (limited data availability)
• 보안 환경 (secure environments)의 부재
• 외부 제공업체에 대한 의존성 (dependency on external providers)

한 국가가 세계 최고의 모델들에 접근할 수 있다고 하더라도, 컴퓨팅 (compute), 파이프라인 (pipelines), 그리고 운영 도구 (operational tooling)가 없다면 이를 안전하거나 효과적으로 배포할 수 없습니다.

이는 구조적 불평등과 장기적인 의존성을 초래합니다.

역량 강화 (Capability Building)에는 인프라가 우선되어야 합니다

많은 글로벌 이니셔티브가 교육, 워크숍, 그리고 거버넌스 교육에 집중하고 있습니다. 이것들은 가치 있는 일이지만, 인프라를 대체할 수는 없습니다.

사람들에게 컴퓨팅 (compute)을 제공하지 않고 교육하는 것은 항공기를 제공하지 않은 채 항공 이론을 가르치는 것과 같습니다.

진정한 역량 강화 (capability building)에는 다음이 필요합니다:

• 컴퓨팅 (compute) 접근성
• 운영 도구 (operational tooling)
• 보안 환경 (secure environments)
• 모니터링 시스템 (monitoring systems)
• 데이터 거버넌스 프레임워크 (data governance frameworks)
• 인간 참여형 (human in the loop, HITL) 파이프라인
• 유지보수 자금 (maintenance funding)

인프라 없는 거버넌스 교육은 보여주기식(performative)에 불과합니다.

거버넌스 없는 인프라는 위험합니다.

두 가지 모두가 필요합니다.

현실적인 글로벌 AI 거버넌스 전략에 반드시 포함되어야 할 사항

AI 격차를 해소하는 것을 목표로 하는 거버넌스 전략은 인프라를 최우선 정책 과제 (first class policy concern)로 다루어야 합니다.

여기에는 다음이 포함됩니다:

• 지역별 컴퓨팅 허브 (regional compute hubs)
• 주권적 컴퓨팅 역량 (sovereign compute capacity)
• 인프라 공유 협정 (shared infrastructure agreements)
• 보안 데이터 파이프라인 (secure data pipelines)
• 운영 모니터링 도구 (operational monitoring tools)
• HITL 워크플로 (HITL workflows)
• 에너지 계획 (energy planning)
• 생애주기 유지보수 (lifecycle maintenance)
• 장기적 지속 가능성을 위한 자금 지원 (funding for long term sustainability)

거버넌스는 그것을 실행 가능하게 만드는 시스템과 분리될 수 없습니다.

더 넓은 영향: 청소년 및 취약 계층의 안전, 협업, 기후, 그리고 비용

AI 거버넌스는 국가 정책 그 이상의 것과 교차합니다. 청소년 보호, 글로벌 협업 촉진, 기후 영향 대응, 그리고 컴퓨팅 비용 관리는 모두 동일한 근본적 현실에 달려 있습니다: 인프라가 역량을 결정한다는 사실입니다.

청소년 보호에는 모니터링 시스템이 필요합니다. 협업에는 공유 인프라가 필요합니다. 기후 변화에 부합하는 AI를 위해서는 지속 가능한 컴퓨팅 (Compute)이 필요합니다. 비용 부담 능력은 누가 참여할 수 있는지를 결정합니다.

이러한 과제들은 서로 분리된 것이 아닙니다. 이는 동일한 구조적 의존성의 증상들입니다.

결론

인프라가 역량의 핵심 구성 요소로 인식될 때에만 AI는 성공할 것입니다. 정책, 원칙, 그리고 프레임워크는 필수적이지만, 이를 실행하는 데 필요한 컴퓨팅 (Compute), 파이프라인 (Pipelines), 그리고 운영 역량 (Operational capacity) 없이는 작동할 수 없습니다.

컴퓨팅 (Compute) 없이는 역량이 존재할 수 없습니다. 역량 없이는 거버넌스 (Governance)가 존재할 수 없습니다. 거버넌스 없이는 형평성 (Equity)이 존재할 수 없습니다.

실행 계층 (Execution layer)이야말로 AI의 미래가 결정될 곳입니다.