토론관련 기사: https://www.dt.co.kr/article/12018360
-----------------------------------------------------------------------------------------------------------------------------------------------------------
디따 유튜브 구독하기 https://www.youtube.com/channel/UCxdgnFyzm3WcalaBn2Ya6hg
네이버TV https://tv.naver.com/ditta
데일리모션 https://www.dailymotion.com/dtwithcom
디지털타임스 홈페이지 http://www.dt.co.kr/
디지털타임스 페이스북 https://www.facebook.com/Digitaltimesnews
☏ 제보하기 photo@dt.co.kr
-----------------------------------------------------------------------------------------------------------------------------------------------------------
#디지털타임스 #미래포럼 #AI포럼 @ditta
-----------------------------------------------------------------------------------------------------------------------------------------------------------
디따 유튜브 구독하기 https://www.youtube.com/channel/UCxdgnFyzm3WcalaBn2Ya6hg
네이버TV https://tv.naver.com/ditta
데일리모션 https://www.dailymotion.com/dtwithcom
디지털타임스 홈페이지 http://www.dt.co.kr/
디지털타임스 페이스북 https://www.facebook.com/Digitaltimesnews
☏ 제보하기 photo@dt.co.kr
-----------------------------------------------------------------------------------------------------------------------------------------------------------
#디지털타임스 #미래포럼 #AI포럼 @ditta
카테고리
🗞
뉴스트랜스크립트
00:00:00네 여러분 이렇게 끝까지 함께 해주셔서 감사합니다
00:00:05지금부터 종합토론을 시작하도록 하겠습니다
00:00:09올해 5월이었죠 트럼프 미국 대통령이 중동을 방문을 했었는데
00:00:16사우디아라비아와 그리고 아랍에미레이트하고 협정을 맺었습니다
00:00:21과거 같으면 아마 5일 기름에 포커스가 맞춰졌을 텐데
00:00:26이번에는 AI 칩이었습니다
00:00:29트럼프 대통령은 사우디아라비아와 아랍에미레이트에 HBAC을 팔면서
00:00:36앞으로 10년간 미국에 200억 달러 이상 투자해라 라는 그런 협정을 맺었습니다
00:00:43이것을 보고 전문가들은 드디어 이제 5일 이코노미에서
00:00:49AI 이코노미로 전환되는 매우 중요한 순간이다 라는 평가를 했죠
00:00:57오늘 디지털타임즈 미래 포럼 AI 3대 강국 3년에 달렸다
00:01:05정말 우리의 절박성과 그리고 우리의 미래가 여기에 담겨있는 것 같습니다
00:01:10오늘 김경만 과학기술정보통신부의 인공지능 기반 정책관님께서
00:01:17굉장히 따끈따끈한 정부의 정책을 발표를 해주셨습니다
00:01:22네 잘 들었습니다
00:01:23여러가지 정부가 다방면으로 AI의 3대 강국을 향한 목표를
00:01:30굉장히 많이 만들었구나 하는 이런 생각을 하면서 제가 들었는데요
00:01:38예를 들면 AI의 3대 요소 컴퓨팅 파워, 데이터, 전력 이렇게 세 가지를 꼽지 않습니까
00:01:47그런데 컴퓨팅 파워가 너무나 중요하다는 것은 우리가 다 아는 일이고
00:01:53특히 오늘 발표하신 내용 중에서 그 데이터와 관련해서
00:01:57국가 데이터 센터를 만들겠다 하는 것이 새로 눈에 띄는 대목이었어요
00:02:05국가 AI 컴퓨팅 센터가 그러니까 이제 처음에 기획을 할 때는
00:02:18지금 GPU가 아주 중요하다고 생각을 했는데 기업들 입장에서는 아까 말씀드린 것처럼
00:02:25그 딥시크 나오기 전에는 좀 머뭇거렸습니다
00:02:30이게 스케일링 법칙이 워낙 크다 보니까 GPU를 독자적으로 구매하기에는 너무 위험부담이 크고
00:02:38그리고 몇몇 기업들이 파운데이션 모델 개발을 하려고 했었을 때 실패를 하거든요
00:02:44그러니까 여기서 실패를 하면 기대보다 성능이 안 나온다 이런 의미인데
00:02:49그러니까 국가 전체적으로 GPU를 구매가 없이 아주 힘든 시기에서
00:02:55저희가 국가 인공지능 컴퓨팅 센터라는 그런 민간 합작 법인을 설립해서
00:03:02정부가 재원을 부담하면서 민간의 위험부담을 좀 줄이고요
00:03:08그리고 이제 정부가 사실 AI 컴퓨팅 센터에서 하고 싶은 일은 단순하게 GPU만을 공급하는 목적은 아닙니다
00:03:17GPU가 첫 번째 거지만 아까 제가 말씀드렸지만 GPU 뒷단의 NPU에 대한 테스트 배더 역할도 필요하고
00:03:27또 하나는 이제 필요하다면 저는 어디 가면 말씀을 많이 드리는 게
00:03:32결국은 컴퓨팅 센터 데이터 센터에서 위에 올라가는 클라우드 기술의 경쟁력이
00:03:39궁극적으로 대한민국 AI 경쟁력을 자주 유지할 거라고 생각하는데
00:03:45그런 클라우드 경쟁력을 정부가 좀 재정 부담이라든지 지원을 통해서
00:03:53이 AI 컴퓨팅 센터에서 좀 더 뭐라 그럴까 좀 편하게 할 수 있지 않을까 이런 고민에서 컴퓨팅 센터를 하게 되는 겁니다
00:04:02네 근데 이제 그 국가 데이터 컴퓨팅 센터가 두 번 지금 현재 유찰되지 않았습니까?
00:04:11그리고 이제 오늘 말씀하신 것의 그 핵심을 보면 앞으로 GPU 5만 장을 공공을 위해서 쓰겠다
00:04:19이제 이렇게 요약을 할 수가 있는데 그럼 이것이 왜 유찰이 두 번씩 됐을까
00:04:24이 부분에 대한 우리가 어떤 점검이랄까 이런 것도 좀 필요해 보여요
00:04:28예를 들면 일본 같은 경우에는 후카쿠가 슈퍼컴 후카쿠가 한때는 세계 최고였었는데
00:04:37후카쿠 넥스트를 2030년까지 만들면서 우리는 AI for science를 하겠다
00:04:43그러니까 일본이 자랑하고 있는 기초과학 플러스 소재 이런 쪽에 포커스를 하겠다라는 뚜렷한 목표를 발표를 했고요
00:04:54손재권 대표가 대만이 굉장히 무섭다라고 했는데 대만 같은 경우에는 AI for manufacturing
00:05:01그래서 뚜렷한 우리는 제조에 관해서는 AI 시대의 제조만큼은 세계 최강이 되겠다
00:05:08그러면서 대만이 AI 팩토리를 발표를 했고요 중국 같은 경우에는 AI for humanoid
00:05:16우리가 이 로봇과 인공지능이 결합하는 피지컬 AI 시대에 중국이 최고가 되겠다라는 이런 목표가 있었어요
00:05:24그러면 대한민국은 지금 AI에 늦었고 그리고 우리 조 교수님이 선택과 집중을 해야 한다는 이런 어떤 제언을 한 상태에서
00:05:33대한민국이 가야 되는 그 국가 데이터 센터 컴퓨팅 데이터 센터의 기본 어떤 AI for what
00:05:42무엇을 가장 포커스를 하고 있으신지 그게 좀 궁금합니다
00:05:47역시 장관님이 날카로운 질문을 곤란하게 말해주시는데요
00:05:54실제 저희가 AI X를 이야기할 때는요 물론 데이터 센터에서 구동이 되고 실현이 되겠지만
00:06:06아까 제가 말씀을 드렸는데 과학과 제조는 사실 놓칠 수는 없는 것 같습니다
00:06:13제조 같은 경우도 저희가 가전이라든지 스마트폰이라든지 자동차 영역은 글로벌 1등이기 때문에
00:06:24이 영역에서 AI가 탑재가 안 되는 과전은 제가 볼 때는 그냥 2, 3위로 갈 수 있기 때문에
00:06:33우리나라의 경쟁력 확보를 잠시 조금만 길게 말씀드리겠습니다
00:06:39인공지능이 크게 세 가지 분야로 저희는 발전을 할 거라고 생각합니다
00:06:43지금 장관님이 여쭈어 주시는 것처럼 제조 영역의 피지컬 AI라는
00:06:50오프라인 형태의 독자적으로 움직이는 인공지능 이런 데서 크게 한 번 있을 것 같고요
00:06:56또 하나는 지금 온라인 상태에서 클라우드 위에서 B2C가 되든 B2B가 되든
00:07:05인공지능 사스 개념으로 제공되는 서비스
00:07:09또 하나는 보안이라든지 안보 그리고 기업 비밀들이 워낙 중요한 영역은
00:07:17연결보다는 온프라미스 형식으로 다른 인공지능이 들어가는 이런 큰 축으로 갈 건데
00:07:24컴팅센터는 이 세 축으로 가는 데 있어서 말씀드린 GPU 공급
00:07:32그다음에 클라우드 기술 향상 이렇게 좀 보시면 될 것 같고요
00:07:35또 하나는 저희가 슈퍼컴 9000장을 도입을 하는데
00:07:42육호기 말하시는 거죠? 누리원 육호기
00:07:45맞습니다. 슈퍼컴 9000장은 기본적으로 AI4사이언스 용도로 배정을 할 생각입니다
00:07:54그래서 누리원 육호기는 이미 이것은 내년 2026년에 가동 예정이잖아요
00:08:00그래서 이건 AI4사이언스로 이미 설계가 그렇게 된 거고요
00:08:04제가 조 교수님한테 조성배 교수님한테 좀 더 추가 질문을 드리고 싶은데
00:08:11조성배 교수님이 맨 마지막에 제안을 하시면서 우리는 반도체에 강하고 자동차에 강하고
00:08:16해서 몇 가지 예를 드셨어요
00:08:18저는 그 부분을 우리가 좀 더 포커싱을 해서
00:08:23예를 들면 대한민국은 AI4컨버전스
00:08:27그러니까 AI4융합
00:08:29우리가 잘 아는 어떤 분야를 좀 더 인공지능과 융합하는 그런 방향
00:08:35그리고 또 AI4 지금 우리 정책관님께서 말씀하셨던 AI4서비스
00:08:41이런 어떤 방향에 포커스를 하는 게 맞지 않나 하는 그런 생각이 들었었는데
00:08:46조 교수님
00:08:47네 감사합니다
00:08:49어떻게 보면 너무 상식적인 일인데요
00:08:52우리가 재원이 부족한 상태에서 모든 풀스택을 다 따라가겠어요는
00:08:56그냥 따라가다가 볼 일 다 보니까
00:08:57우리가 강점을 갖고 있는 분야나 아니면 잘해야만 하는 분야를 좀 잘 찍어서
00:09:02좀 그게 참 민주적이지 않을 수도 있을 것 같습니다
00:09:05모든 분들이 만족할 수 있는 정책이나 이런 걸 마련하는 게 사실은 국가가 해야 될 일이긴 한데
00:09:11그렇게 모두를 만족시켜서 우리가 계속 뒤처지는 건 오히려 국가의 해가 되니까
00:09:17그래서 몇 개 찝은 게 제가 볼 때 제조 분야 중에 반도체라든가 조선
00:09:22그다음에 자동차 이런 분야는 나름대로 우리가 경쟁력이 있으니까
00:09:25그 분야를 좀 혁신해서 AI를 이용해서 혁신해서 소위 얘기하는 초격차 기술을 우리가 확보할 수 있으면
00:09:31그게 결국 국가에도 도움이 되지 않을까 이런 생각이 들고요
00:09:35그런데 한 가지 좀 주의해야 될 건요
00:09:37선택과 집중해서 이것만 합니다는 아닙니다
00:09:39어쨌든 기초체적인 이런 거는
00:09:40그거를 세계 최고로 끌어올리지 않는데 역량을 집중하자는 그런 의미죠
00:09:45우리 손재권 대표는 대만의 팀플레이를 아까 굉장히 강조하셨어요
00:09:53대만은 이미 2018년에 타이완 액션 플랜을 통해서 우리는 세계 최고의 AI4 제조국가
00:10:01AI4 메뉴팩처링 국가가 되겠다고 이미 선언하지 않았습니까
00:10:04젠슨 황이 올해의 2025년도에 컴퓨데X에서 이제는 대만은 AI 팩토리로 간다
00:10:14그 AI 팩토리라 함은 기존에 우리가 이야기하는 데이터 센터와는 완전히 다른 개념이다
00:10:22이제는 두 개의 공장이 필요하다 하나는 기본적인 제조를 만드는 공장 그리고 인공지능을 만드는 공장이 필요하다
00:10:29이런 이야기를 했었는데 그 현지의 상황을 좀 자세히 설명해 주시죠
00:10:35너무 잘 말씀해 주셔가지고 굉장히 정확한 말씀이신데요
00:10:38왜냐하면 우리가 AI 팩토리 하면 어떤 생각이 나세요
00:10:42보통 AI 팩토리 하면 공장을 AI와 하는 거 아닌가
00:10:46AX면이니까 지금 공장 돌아가는 거에다가 AX 데이터 나오니까 AI 넣어가지고 AI를 공장으로 하는 게 AI 팩토리 아닌가라는 생각을 많이 하실 것 같아요
00:10:59그래서 나라에서도 사실 어떻게 보면 AX 하면서 AI 팩토리 이번에 발표에서 나왔는데
00:11:06그 방향이 아닐까 생각을 하지만 말씀하신 대로 젠슨이 얘기한 대만에서 얘기하는 AI 팩토리는 그게 아니고
00:11:13AI가 AI 자체를 만들어내는 공장 AI 데이터를 만들어내는 공장을 AI 팩토리라고 하는 거거든요
00:11:24그래서 팩토리가 두 개다 왜냐하면 피지컬이 현재 존재하는 공장이 있는 거고
00:11:30또 지금 그 안에서 만들어내는 데이터 거기서 그거를
00:11:37데이터, 수많은 데이터 있지 않습니까? 수많은 데이터를 만들어내는 그것도 이제 생산물이 되는 거죠
00:11:44그 생산물을 동시에 이제 만들어내는 거고 그게 지금 현재 나오는 공장에서 나오는 데이터와
00:11:52그리고 데이터 스스로 만들어내는 데이터가 만들어내는 또 다른 AI가 만들어내는 생산물
00:11:59그게 이제 디지털 트윈이 되는 거고 이게 합쳐져가지고 또 데이터가 만들어내는 거거든요
00:12:04이걸 합성 데이터라고 하는데 이 전체를 다 사실 AI 팩토리라고 표현을 하는 겁니다
00:12:10그래서 물리적인 AI, 로봇도 마찬가지고 병원 모든 것들이 거기서 나오는 데이터를 가지고
00:12:20또 다른 그게 이제 돈이 벌려야 되잖아요
00:12:23이거를 이제 구독 서비스로 그 비즈니스 모델을 만든다
00:12:27라고 하는 개념이 이제 사실 AI 팩토리인 거죠
00:12:30그러니까 AI로 만들어내는 거 그 자체를 AI 팩토리지
00:12:34우리가 생각하는 공장에 AI를 만드니까 AI 팩토리다 이게 아니다
00:12:39라는 거고 그거를 그 개념을 가지고 밀어내고 있는 게 사실 대만인 거죠
00:12:46네 제조강국 대한민국이 저는 가장 주목해야 될 부분이 이 부분이 아닌가
00:12:52이렇게 생각이 됩니다
00:12:53왜냐하면 우리 대한민국이 AI 시대 이전에는 대만보다 훨씬 앞서고
00:12:59중국보다 훨씬 앞선 제조강국이었습니다
00:13:02그러나 지금 이제 대만의 AI 팩토리도 2026년 가동을 목표로 하고 있는데
00:13:08이런 AI 팩토리가 돌아가기 시작하면 젠슨황의 주장대로라면 이렇습니다
00:13:14기존의 제조업을 하는 공장에서 여기에 인공지능을 붙이기 위해서
00:13:21예를 들면 세탁기 세탁기가 돌아간다
00:13:24그럼 세탁기를 만들고 그 세탁기가 어느 소재가 들어와서
00:13:31이 소재가 들어왔을 때는 우리는 이런 정도의 세탁을 해야 해
00:13:35하는 스스로의 판단을 할 수 있는 그 인공지능을 제조하는 공장은
00:13:40앞으로 대만이 해줄게 모든 공장이 이제 대만한테 이걸 의뢰하게 될 거야
00:13:45뭐 이런 상황이라고 설명을 드릴 수가 있겠는데요
00:13:49제가 한마디만 더 드리면은
00:13:52대만에서 그렇게 얘기를 했을 때 제가 느낀 거는
00:13:55제슨황이 얘기를 하니까
00:13:58대만 사람들이 의심하지 않고 모든 게 다 온라인이
00:14:02국가, 기업, 대학, 중고등학생까지
00:14:07모든 게 다 온라인이 돼서 그냥 아무 의심하지 않고 가는 거죠
00:14:12우리는 예를 들면 누가 예전에
00:14:14폭력전을 펼치는 거죠 지금
00:14:16그러니까 그게 이제 딱어 이게
00:14:20제슨이 미국 넘버원이 아니고 세계넘버원이잖아요
00:14:26그러다 보니까 그러니까 이제 의심하지 않고 가는 거죠
00:14:29그러니까 뭐 폭스콤뿐만 아니라 온 나라가 거기에 매진해가지고 가니까
00:14:34저는 그 가속도가 붙을 것 같아서
00:14:38그게 그래서 우리가 지금 대만이 우리를 추원한다
00:14:41어우 자주 인상해 이 차원이 아니라는 말씀은 꼭
00:14:44저도 100% 동감합니다
00:14:46우리 황종성 원장님은 어떤 의견을 갖고 계십니까?
00:14:50예
00:14:52젠슨황, 젠슨황 그러니까 그 사람도 JS황이더라고요
00:14:57저도 JS황인데
00:14:59네 JS황이십니다
00:15:00제 얘기는 제가 뭐라고 해도 듣는 분이 없어요
00:15:04먼저 진짜 우리 미래포룸이
00:15:07작년에 저희가 작년부터 해가지고
00:15:09주간기관으로 저희 원인이 참여를 했는데
00:15:11진짜 잘 참여한 것 같아요
00:15:13올해 1년 사이 이렇게 성장을 했고 뜨겁고
00:15:16앞으로 저희 원 계속 주간기관으로 좀 끼워주시고요
00:15:20지식포룸을 능가하는 미래포룸이 될 거라고 생각을 합니다
00:15:25그리고 뭐 맞는 말씀 굉장히 중요한 말이고
00:15:29사실 답이 있는 건 아니라고 생각을 하는데
00:15:31앞으로 사실 뭐
00:15:34경제는 해 돌아갈 거잖아요
00:15:36경제는 산업은 돌아갈 거
00:15:38그럼 앞으로 파는 물건이 뭘까
00:15:40자동차를 파는 세상일까
00:15:43자동차를 만드는 공장을 파는 세상일까
00:15:46다시 얘기하면 예를 들어
00:15:48농산물을 수출하는 나라가 있어요
00:15:50근데 농산물을 수출하는 나라가 농산물 수익을 더 할지
00:15:54아니면 스마트팜을 수출하는 나라가 더 벌지
00:15:58앞으로는 이제 AI 시대라고 하는 게
00:16:02경제 시대라고 하는 게
00:16:04이 경제의 패러나우를 바꾼다는 게
00:16:06기존에 있는 거를 더 잘한다
00:16:08이런 거는 저는 아닐 거라고 생각해요
00:16:10그 이상을 넘어가는
00:16:11이제는 공장을 파는 세상인데
00:16:14많은 사람들이 이제 AX, AX라고 그러지만
00:16:17물어보면 그럼 AX는 뭐 하는 겁니까
00:16:20뭘 하는 거
00:16:22뭘 트랜스포메이션 하는 거라고 생각합니까
00:16:24그러면 그 부분은 잘 말씀을 못하세요
00:16:26만약 저 같으면 이렇게 말씀을 드리겠어요
00:16:29사람의 행동하고 판단을 내재화 시키는 거
00:16:33우리가 한번 과거를 보세요
00:16:35인터넷 시대에 AX라고
00:16:37인터넷 트랜스포메이션을 했어요
00:16:39그거는 기관을 연결하고
00:16:42프로세스를 내재화 시키는 거예요
00:16:44그러니까 뭐 인터넷 뱅킹이라든가
00:16:46프로세스가 자동화돼서
00:16:49뭐 이 사람에 의존하는 것이 아니고
00:16:52누구든 그 기관에 가면
00:16:53그 프로세스가 존재를 하는 거예요
00:16:55그 다음에 이제 DX라고 하는 것이
00:16:57지금도 뭐 진행이 되는데
00:16:59DX라고 하는 거는
00:17:01데이터 분석과 데이터 분석을 가지고 있는
00:17:05객관적인 판단을 내재화 시키는 거예요
00:17:08옛날처럼 주먹구구식으로 하지 않고
00:17:10누가 돈을 잘 갚지
00:17:12누가 고객이 될지
00:17:14뭐 이런 거를 이제는
00:17:16뭐 어떤 직원이 특출나서
00:17:18이 직원은 이런 행동을 하고
00:17:20저 직원은 안 하고 그러는 게 아니고
00:17:21DX를 한 조직은
00:17:23데이터 분석을 내재화를 시켜요
00:17:25그러면 AX라고 하는 거는 뭐냐
00:17:29사람의 행동하고 판단을 내재화 시키는 거예요
00:17:32뭐 예를 들어 공장 같은데 공장 얘기가 나오니까
00:17:35공장에 가면은
00:17:37경력 숙련된 노동자들은 공정기술이 뛰어납니다
00:17:41뭐 날씨 이런 거에 따라서
00:17:43뭐 도금을 하거나 뭐 할 때
00:17:45이 사람들은 최상의 결과를 내는 방법을 알아요
00:17:48그러니까 사람에 따라서 결과물이 다른 거죠
00:17:52그거는 운전을 잘하는 운전기사가 있는 거랑은 똑같은 거죠
00:17:55어떤 사람 운전을 잘해요
00:17:57그런데 이제는 AX를 한다고 하는 거는
00:17:59그 사람의 행동하고 판단 전문성을 아예 내재화를 시켜가지고
00:18:05누가 오든지
00:18:07자 자동차다
00:18:09코너릭이 좋은 사람이 있는데
00:18:11코너릭이 좋은 걸 아예 차에 내재화를 하고
00:18:14스마트팜
00:18:15어떤 사람은 농부인데
00:18:17진짜 세상에서 제일 맛있는 딸기를 만들어내
00:18:19어떤 사람은 같은 씨앗을 뿌렸는데
00:18:22딸기를 못 만들어요
00:18:23그런데 그거는 산업사회인 거고
00:18:25우리가 AX를 한다고 하는 거는
00:18:27그거를 내재화 시키는 겁니다
00:18:30그러니까 이 공장
00:18:32이 산업이라고 하는 것도 저는 굉장히 중요한 게
00:18:35우리가 이제 공장
00:18:37한국이 공정기술이 굉장히 강하고
00:18:39제조업이 강한데
00:18:40결국은 사람이 들어가서 제조업을 하는 시대는
00:18:43이제는 아닐 거고
00:18:45그것을 내재화를 시키는 것
00:18:47그러니까 우리 산업도
00:18:49우리 아마 자동차 산업 이런 것도
00:18:51빨리 그런 어떤 우리가 가지고 있는
00:18:53그런 어떤 공정 노하우를
00:18:55공정 노하우를 데이터로 만들고
00:18:58그걸 내재화를 시키고
00:19:00프로덕트를 파는 것 대신에
00:19:02공장을 파는 그런 전략을 취하하면
00:19:06사실은 뭐 AI 시대로의 전환이라고 하는 게
00:19:08이제 뭐 딱 이제 초입을 지났는데
00:19:10누가 최종 승자가 될지
00:19:12어떻게 알겠습니까
00:19:13저는 한국이 정말 AI 3강
00:19:15저는 가능하다고 생각을 합니다
00:19:17네 공장을 파는 전략까지
00:19:19더 구체적으로 나왔습니다
00:19:21그러면 이제 이 과기부에서
00:19:24공공을 위해서
00:19:26GPU 2만 장을 쓰는
00:19:29국가 데이터센터의
00:19:31그 목표가 좀 더 구체화될 필요는 없을까요?
00:19:34네 맞는 말씀 같고요
00:19:39그 실제 데이터센터
00:19:45그러니까 잠깐 여쭤보시는
00:19:48인공지능 컴퓨팅센터가
00:19:51어떤 역할을 할 거냐는
00:19:54제가 이제 말씀드린 것처럼
00:19:55저희는 이제 사실
00:19:57GPU 공급은 첫 번째인데
00:19:59여러 가지 테스트베드를 하는 역할을
00:20:02부여하고 싶습니다
00:20:03그래서 아까 유찰을 두 번을 지적을 하셨는데
00:20:08사실 정부가 지분 50% 이상을 하려고 했던 이유는
00:20:14그게 이제 단순하게 민간의 자율성을 침해하려고 하는 의도가 아니라
00:20:19정부가 50% 이상의 지분을 가짐으로써
00:20:23예산이라든지 이런 부분들을
00:20:25좀 바인딩을 가지고 넣기 위한
00:20:28그리고 지금 이제 말씀 주시는
00:20:31그 제조도 저희가 볼 때는
00:20:33NPU라는 두뇌 칩이 반드시 들어가야 되는데
00:20:36그런 칩을 개발하려고 하는 테스트베드 역할
00:20:42물론 서버용 NPU도 있습니다
00:20:44그러니까 민간에서 위험성 때문에
00:20:48안 하려고 했던 부분들이
00:20:50AI 컴퓨팅센터가 해주기를 바랬고요
00:20:53그리고 그 역할은
00:20:55저희가 이제 공모 조건을
00:20:5950%에서 공공지분을 30%로 내리고
00:21:03NPU 50%를 의무적으로 도입하라는 건 줄이면서
00:21:07대신에 정책적으로 지원하는 걸 붙였습니다
00:21:10그래서 장관님 말씀 주시는 것처럼
00:21:13실제 컴퓨팅센터가 꿈꾸는 것은
00:21:17AX 기반이 되기 위한 테스트베드
00:21:22그걸 목표로 한다고 보시는 게 말입니다
00:21:24네 테스트베드를 목표로 한다고 말씀드렸는데
00:21:27저의 경험을 잠깐 설명드리면
00:21:30문재인 정부에서 광주 AI 데이터센터를 만들었고
00:21:34사실상 이것이 어떻게 보면
00:21:36대한민국의 공공을 위한
00:21:38AI 전용 데이터센터가 처음으로 만들어진 거죠
00:21:41그런데 그 당시에 오늘 여기 광주에
00:21:43GIST 총장님도 오셨었는데요
00:21:46처음에는 GIST에서 이거를
00:21:48과학용으로 만들어 달라고 했었어요
00:21:51그래서 설계가 그렇게 가다가
00:21:53이게 시대가 바뀌니까 아니다
00:21:55그거 아니고
00:21:56AI 전용 컴퓨팅센터로 좀 바꿔야 되겠다 해서
00:22:00중간에 설계가 바뀌었고
00:22:02또 이 설계가 바뀌고 나서
00:22:04실제로 완성된 결과
00:22:07현재 가동률이 운영비를
00:22:10정부에서 잘 지급을 제대로 안 했다
00:22:13여러 가지 이유 등으로 해서
00:22:14올 상반기까지는 가동률이 50%밖에 되지 않았어요
00:22:17그런데 제가 그게 왜 가동률이 50%밖에 되지 않았나 하고
00:22:21실제로 그것을 활용하는 스타트업들이나 기업들한테 물어보니까
00:22:26자기네가 데이터를 돌리는데
00:22:29이게 뭐가 잘 안 맞아가지고
00:22:31아 이게 목적이 분명한 것이 아니다 보니까
00:22:36아 또 그 누구의 것도 되지가 않는
00:22:39이런 또 아이러니가 발생했다는 거죠
00:22:42그래서 다음번에 국가가 만드는 거는
00:22:44좀 더 목적을 분명한
00:22:47분명하게 AI for what
00:22:49우리는 이거를 좀 집중적으로 해야겠다
00:22:51이런 좀 더 더 디테일이 필요하지 않나
00:22:54이런 생각입니다
00:22:55제가 좀 말이 많으신 것 같은데
00:22:57이거까지만 좀 말씀을 드리겠습니다
00:22:59제가 말씀하시는 부분이 맞고요
00:23:02근데 이제 사실 저희가 사업적으로 보면
00:23:06AI 트랜스포�메이션을 하려고 할 때
00:23:12실제 그 단계들이 있는데
00:23:15그 단계들이 지금 우리 황 원장님 말씀 주셨지만
00:23:19저희 경험상으로는 제일 큰 허들은
00:23:22DX가 안 돼 있다는 거였습니다
00:23:25그리고 실제 어떤 기업에 AI를 도입하겠다고
00:23:29이야기를 했을 때
00:23:31저희가 경험상으로는 제일 오해하는 부분들은
00:23:36기업의 AX가 진정한 AX임에도 불구하고
00:23:42특정 산업의 AX를 꿈꾸는 거거든요
00:23:46그러니까 이제 그런 의미에서 장관님 지적이 맞다고 생각하는 게
00:23:51결국은 포철이 등대 공장이 된 거나
00:23:56그다음에 몇몇 기업들이 인공지능을
00:23:59자기 사업에 전복해 가지고
00:24:02글로벌하게 효율성을 높인다든지
00:24:04효과를 낸 것들은
00:24:06공통점은 제가 볼 때는
00:24:08디지털라이제이션이라고 이야기하는
00:24:11데이터에 대한 용도를 정확하게 파악을 했고요
00:24:16그 데이터에 근거해서
00:24:18자기에 맞는 인공지능을 만들어냈다는 거죠
00:24:23그게 스몰 LLM이 되든
00:24:25데이터 작업이 되든 간에
00:24:28그래서 이제 자기만에
00:24:31자기에 맞는 인공지능이 돌아가게끔 했기 때문에
00:24:35효과성을 본다고 보는 겁니다
00:24:37그래서 사실 데이터센터가 가지고 있는 테스트베더의 역할과
00:24:43그리고 특정 기업이 아까 제가 말씀드린 것처럼
00:24:46어떤 AI를 도입하려고 할 때 무엇을 할 건가는
00:24:52데이터센터가 돌아가는 지표 돌리는 역할을 좀 해주는 역할
00:24:57그리고 인공지능을 도입하고자 하는 기업의 입장에서는
00:25:03가진 데이터를 인공지능이 받아들일 수 있게끔 하는 작업들
00:25:10그게 이제 사실 우리 황원장님이 계시는
00:25:12니아에서 주로 하는 주된 작업인데
00:25:15이 작업이 사실 전제가 안 되면
00:25:18결국 완성되지 않는다고 생각합니다
00:25:21그러면 이제 스텝 2로 가보도록 하겠습니다
00:25:25아까 손재권 대표가 합성 데이터가 중요하다
00:25:28이제 이런 이야기를 하셨어요
00:25:31대만에서 추구하고 있는 AI 팩토리의 핵심은
00:25:36사실은 디지털 트윈이고
00:25:38그 디지털 트윈의 시뮬레이션화인데
00:25:40이 디지털 트윈은 우리 한국도 잘합니다
00:25:43잘하고 많이 활용되고 있고
00:25:45그런데 이거를 합성 데이터를 통해서 시뮬레이션화하는 것
00:25:49그러니까 예를 들면 과거에는 자율주행을 간다
00:25:54그러면 자율주행 러닝을 한다
00:25:56그러면 실제로 도로를 다니면서 데이터를 수집을 했었죠
00:26:00그런데 이제는 그렇게 안 하고
00:26:01시뮬레이션을 만들어 갖고
00:26:03거기에다가 가상공간에서 각종 데이터를 집어넣어 가지고
00:26:08거기서 이제 학습을 하지 않습니까
00:26:12그러면 이 합성 데이터를 강화하는 쪽에
00:26:18우리가 공공이 쓸 수 있는 데이터 센터가 있습니까?
00:26:22우리 한국에? 아직 없죠?
00:26:25저희가 그래서 아까 제가 정책 발표를 할 때
00:26:32처음에 말씀드렸던 게 라지 액션 모델이라는 말씀을 변화를 드렸고요
00:26:38그게 이제 전선항 입장에서는 에이전틱 AI, 피지컬 AI라는 것으로 나타나게 되는데
00:26:44지역 사업 특징 지역을 좀 언급해서 전송하시겠지만
00:26:51지금 전주하고 창원이 사실
00:26:55피지컬 AI 시범단지 들어갔죠
00:26:58네, 그 작업을 하려고
00:26:59특히 창원과 전주에서는
00:27:02그런 전주 같은 경우는 공장 전체를
00:27:05다크 팩토리 형식으로 하려고 하는 걸 하고 있고요
00:27:08창원이나 이런 쪽에서는 지금 말씀 주시는 것처럼
00:27:13합성 데이터를 만들어내려고 하는
00:27:16그러니까 실제 피지컬 AI가 되기 위해서는
00:27:20여러 가지 전선항이 이야기하는 코스모스 같은 플랫폼이
00:27:25당연히 있어야 되는 거고요
00:27:26그게 과연 그러면 전선항만 할 수 있는 건가
00:27:30제가 이제 좀 여러 교수님들한테 좀 자문을 구해보면은
00:27:38라지 랭귀지 모델은 좀 뒤처져 가지만은
00:27:43지금 그 다음에 나오는 액션 모델이라든지
00:27:46멀티모델에서는 시작점이 그래도 큰 차이가 안 나니까
00:27:51우리가 한번 해볼 수 있는 거 아니냐
00:27:53이런 말씀을 주시는 거고요
00:27:55그래서 그런 측면에서 전주하고 창원은
00:27:59좀 작업 좀 준비를 좀 하고 있다고 말씀드립니다
00:28:03네 조금 더 더 그래서 국가에서 있던 이런 어떤
00:28:06우리가 AI4WAT에 해당하는 디테일을 조금 더
00:28:13국민과 소통하면서 로드맵을 그렸으면 좋겠다라는 생각인데
00:28:18우리 황 원장님 여기에 대해서 많이 또 실전에서 해보셨습니까
00:28:23더 추가로 말씀하십니까
00:28:25개인적으로 AI의 승자는 결국 데이터
00:28:31데이터 부국과 데이터 빈국, 데이터 부족 국가
00:28:36데이터 부족 국가로 가는 나라는 더저히
00:28:39왜냐하면 앞으로 잘 생각해 보세요
00:28:42여기 있는 분들이 이거는 이제 앞으로의 일이니까 판단인데
00:28:45AI 시대에 가장 희소한 희소 자원이 뭘까
00:28:49한 몇 년 지나고 나면은 GPU가 없어서
00:28:53AI 뭐 지금은 사실 GPU가 절대적으로 필요한 거
00:28:57100% 맞지만 한 몇 년 지난 다음에
00:29:01GPU가 없어서 AI를 못하는
00:29:03모델이 없어서
00:29:05아마 그런 시대는 아니고
00:29:07데이터가 없어서
00:29:09우리가 공장은 잘 돌리는데
00:29:11현대자동차가 차는 잘 만드는데
00:29:13도대체 자율주행차를 만들 정도의 데이터를 확보하지 못했다
00:29:19그럼 데이터가 부족한 게 희소 자원이 되는 거거든요
00:29:23저희가 이제 우리 각 나라의 데이터량이 얼마 정도 있는지를
00:29:29그거 측정하기 어려운데 한번 조사를 해 봤어요
00:29:32그런데 한국이 한국이 특이하게
00:29:35디지털화는 굉장히 잘 됐나
00:29:37이건 자타가 공인하지 않습니까
00:29:39근데 국민 1인당으로 해가지고 데이터 양을 해보니까
00:29:45그냥 딱 평균 수준이에요
00:29:47그러니까 디지털화는
00:29:49디지털 라이제이션은 잘 됐는데
00:29:52데이터 피케이션은 안 돼 있는 거예요
00:29:55그거에는 분명히 간극이 있다고 저는 생각을 합니다
00:29:58우리나라 공장에서도 분명히
00:30:01뭐 정보시스템, 센서, 통신망
00:30:04어마어마하게 들어가 있고
00:30:06하물며 시골 한번 가보세요
00:30:08웬만한 논밭에 가도
00:30:09뭐가 이런 저런 게 있는데
00:30:11디지털 라이제이션은 됐는데
00:30:13데이터 자원화를 지금 안 해 놓는
00:30:16이런 상황이 분명히 정책 간극이 있고
00:30:18그래서 저희가 과학위 정통부랑 같이
00:30:21지금 많이 고민을 하고 있는 게
00:30:23어떻게 해야 우리 경제 주체들
00:30:27아니면 국가 전체적으로 좋은 데이터들을
00:30:30빨리 자원화해서 미래의 우리 핵심 자원으로 삼키는
00:30:34그런 부분을 많이 하고 있고요
00:30:36오늘도 우리 국장님 발표하시는 중에도
00:30:38그런 내용들이 포함되어 있었죠
00:30:40네 아까 있었습니다
00:30:42그러니까 국가 데이터 통합 플랫폼을 구축하겠다
00:30:46이것이 지금 아마 황 원장님께서 말씀해 주시는
00:30:51데이터화가 되어 있지 않다
00:30:53그 표준화 문제를 언급하신 것 같고요
00:30:57그리고 지금 황 원장님이 지적하신 데이터 문제는
00:31:01또 소보린 AI로 연결될 수 있는
00:31:04아주 매우 중요한 고리이기도 합니다
00:31:07그런 의미에서 조 교수님께서
00:31:10이 소보린 AI에 대한 아까 언급이 있으셨는데
00:31:13이재명 대통령께서 베트남에 쌀 많이 난다고
00:31:17그럼 우리 농사 아니겠냐
00:31:19굉장히 비유가 아주 적확했다라는 표현이 드는데
00:31:23그럼 이 소보린 AI의 성공 조건이랄까요?
00:31:27저 개인적으로는 국방, 의료 이런 부분부터
00:31:31먼저 하면 어떨까 하는 생각이 있는데
00:31:33교수님 의견이 어떠시죠?
00:31:35네 제가 발표하는 중에도 잠깐 말씀을 드렸는데요
00:31:38사실은 AI에 대한 정의도 조금 무호하고요
00:31:40소보린 AI에 대한 정의도 사실 무호한 것 같습니다
00:31:44근데 뭔지는 잘 모르겠지만
00:31:47우리 거를 뭔가를 갖춰야 되겠다
00:31:49뭐 그런 생각은 이번 정부에서도
00:31:51잘 생각하시는 것 같고 맞는 말씀이긴 한데
00:31:54아까 제가 잠깐 말씀드렸는데요
00:31:57그래서 마지막 결과물을
00:31:58우리가 소보린 라지 랭귀지 모델이든
00:32:01그걸 우리가 획득하겠어
00:32:03그거는 사실 좀 안 맞는 방법인 것 같아요
00:32:05물량 투입이라든가 여러 가지 여건상
00:32:08힘들 것 같은데
00:32:09그렇지만 소보린 AI라는 걸 기체하래
00:32:13그걸 개발할 때 들어가는 여러 가지
00:32:15노하우라든가 사람이라든가
00:32:17뭐 그런 것들을 우리가 갖추는
00:32:20그래서 예를 들면
00:32:22그럴 가능성 상당히 있어 보이는데요
00:32:24미국이나 중국에서 만든 모델이
00:32:26무슨 무슨 이유에서
00:32:27더 이상 사용할 수 없게 됐을 때
00:32:29우리가 그거에 너무 의존하게 되면
00:32:31올스탑 되는 그런 우려도 있으니까
00:32:33이제 그런 걸 대비하는 것도 있고
00:32:35그런 입장에서 좀 생각하면 좋겠다 생각하고요
00:32:38소보린 AI의 큰 모습은
00:32:40아마 파운데이션 모델이 될 것 같긴 합니다
00:32:42근데 그게 실질적으로 응용되는 분야는
00:32:45좀 전에 장관님 말씀하신 것처럼
00:32:47뭐 국방이라든가 원자력이라든가
00:32:50우리가 하지 않으면 안 되는 것들
00:32:53뭐 그런 것들에 먼저 우선순위가 가야 되는 건
00:32:55맞을 것 같습니다
00:32:56네 그래서 좀 버티칼 AI 쪽으로
00:32:58집중하면 어떨까 하는 생각을 하는데
00:33:00실리콘밸리에서 바라본 견해는 어떠십니까?
00:33:03네 지금 그 실리콘밸리에서
00:33:07지금 우리가 아는 LLM 기업들이 다 사실
00:33:10실리콘밸리에 있잖아요
00:33:11오픈 AI, 엔트로픽
00:33:13지금 잘나가는 기업들
00:33:15펀딩 많이 받은 회사들 다
00:33:17실리콘밸리에 있는데
00:33:18그쪽 생각은 뭐냐면은
00:33:20우리 거를 한국처럼 독자적으로 하긴 없진 않고요
00:33:25그쪽 시각으로 보면은
00:33:27근데 우리 거를 가지고 잘 써줘
00:33:30뭐 이런 개념이에요
00:33:32그래서 예를 들면은
00:33:34그거를 좀 보고 싶어 하는 거죠
00:33:36오픈 AI 모델을 자기가
00:33:39데이터 훈련시킨 거를
00:33:42그래서 지금 오픈 AI나
00:33:45LLM 회사들이 각국에 지금
00:33:47데이터 센터를 지을 건데요
00:33:49그거는 추론 모델은 아마 각국에서 할 거고
00:33:52그 다음에 훈련은
00:33:54데이터 훈련은 절대로 미국 밖에 보내지 않습니다
00:33:57다 이렇게 하는데
00:33:58그 추론 모델을
00:34:00예를 들면 의료라든지
00:34:01아니면 한국의 강점이 있는
00:34:03의료에 굉장히 관심이 많죠
00:34:05한국의 의료 데이터에
00:34:06그리고 또 관심이 많은 게
00:34:08한국의 공장 데이터
00:34:10대조업 데이터에 관심이 많죠
00:34:12그래서 그런 것들은 아마
00:34:14버티칼하게
00:34:16아마 한국에서 하려고 노력을 많이 하고
00:34:18그래서 이번에 오픈 AI가
00:34:20조금씩 들어왔고
00:34:22앞으로 엔트로픽이나
00:34:24많은 회사들도
00:34:25그쪽으로 온다고 생각합니다
00:34:27제가 이제
00:34:28강조를 드리고 싶은 거는
00:34:30그런 LLM, 우리가 이 자리에서도
00:34:32사실 LLM 얘기 많이 하는데
00:34:34지금 미국에서는
00:34:35지금 그 인프라 투자가
00:34:37한창이잖아요
00:34:38근데 이 다음 모델인
00:34:40인프라 투자 중에서
00:34:43에너지, 전송, 그리드 문제
00:34:46그리고 데이터센터에서
00:34:48거기에 지금 문제가 많거든요
00:34:50데이터센터라도
00:34:51지금 뭐
00:34:53미국에는
00:34:55제너럴 데이터센터는 없어요
00:34:57다 자기 거
00:34:58XAI, 메타
00:35:00다 자기 거를 할 수밖에 없어요
00:35:02그 하다 보면 나와요
00:35:03공공하기 쉽지 않아요
00:35:05자기 보면은
00:35:06근데 자기 맞춰가지고 만들겠다는 거죠
00:35:09그 데이터센터를
00:35:10근데 그 데이터센터에
00:35:12또 핵심 기술들이
00:35:14또 에너지 전송 기술들이
00:35:16지금 엄청나게 나오고 있습니다
00:35:18그리고 스타트업들이
00:35:19지금 무궁무진하게 나오고 있고
00:35:21예를 들면 이제
00:35:22실리콘밸리에
00:35:23크루소라는 회사가 있어요
00:35:24크루소
00:35:25크루소라는 회사는
00:35:26오픈 AI의
00:35:28스타게이트
00:35:29데이터센터를 짓는 회사가
00:35:31크루소에요
00:35:32크루소는 회사가 있고
00:35:34또 지금
00:35:35그래서 그 크루소를
00:35:38한국하고 연결시키는게
00:35:40상당히 사실
00:35:41중요한데
00:35:42우린 오픈 AI만 보는거죠
00:35:43오픈 AI에
00:35:44데이터센터를 지워주는 크루소가 있는데
00:35:47그거를 잘 못 보는거고
00:35:48그리고
00:35:49오픈 AI이
00:35:51그렇다면
00:35:52샘알트만이 관심있어하는건 뭐냐
00:35:54샘알트만이 제일 관심있어하는 회사는
00:35:56에너지와
00:35:57또 소위 말하는
00:35:58헬스케어
00:35:59롱제비티
00:36:00이게 앞으로 이제
00:36:01롱제비티가
00:36:02빅생이 될건데
00:36:03모든 헬스케어
00:36:04모든 뭐 이런
00:36:06의료쪽은 다
00:36:08롱제비티 넘어가거든요
00:36:09여기에 이제
00:36:10오픈 AI
00:36:11샘이
00:36:12투자를 많이 했어요
00:36:13자기 개인 돈으로
00:36:14그쪽으로 넘어갈거거든요
00:36:15그게 또 헬스케어라는 큰
00:36:17어플리케이션이 있는거죠
00:36:18그래서
00:36:19지금 실리콘밸리 분위기를
00:36:21물으신다면은
00:36:22저는
00:36:23인프라에
00:36:24계속 투자하고
00:36:25인프라가 끝이 아니고
00:36:26그 밑단에 있는
00:36:28기술 개발까지
00:36:29엄청나게 진행되고 있다
00:36:31그 다음에 그 다음
00:36:32빅 어플리케이션으로
00:36:33헬스케어
00:36:34엄청나게 지금 보고 있다
00:36:35그래서
00:36:36아마
00:36:37어
00:36:38한국 데이터를 이렇게 원할텐데
00:36:39우리도
00:36:40어
00:36:41그쪽
00:36:42저는 그래서
00:36:43제주뿐만 아니라
00:36:44한국의 병원
00:36:45헬스케어
00:36:46이 부분에는
00:36:47그 다음에 아까
00:36:48장관님 언급하신
00:36:49그 모빌리티
00:36:50그쪽 우리도 강하지 않습니까
00:36:51그쪽은
00:36:52어
00:36:53좀
00:36:54뭐
00:36:55정말
00:36:56지금 아까
00:36:57우버집 못들었다가
00:36:58택시
00:36:59이거 지금은 좀 다른 생각을 하셔야 될 것 같아요
00:37:00그래서
00:37:01우리가 충분히 어플리케이션을 만들어낼 수 있다고 저는 생각합니다
00:37:04네
00:37:05헬스케어에 굉장히
00:37:06그
00:37:07방점을 찍어서
00:37:08말씀을 해주셨습니다
00:37:09지금 시간이
00:37:104시 33분 돼가고 있습니다
00:37:13어
00:37:14플로어에서 질문을 한번
00:37:15받아볼까요
00:37:16어
00:37:17네
00:37:18지금 저 마스크 쓰시고
00:37:19손을 번쩍 쓰셨는데
00:37:20네
00:37:21네
00:37:22소속 발표해 주시고요
00:37:23네
00:37:24네
00:37:25안녕하십니까
00:37:26저는
00:37:27한국어
00:37:28인공기능학계장을 맡고 있는
00:37:30한화입니다
00:37:31어
00:37:32지금 제가 질문 드리고자 하는 것은
00:37:34뭐
00:37:35글로벌 이슈에 대해서는
00:37:36이제 많은 분들이 말씀하셨기 때문에
00:37:38저는 이제 데이터 관련해서
00:37:40한 가지만 질문 드리려고 합니다
00:37:42사실
00:37:43뭐
00:37:44이제 인공지능
00:37:45특히
00:37:46LNM 쪽에서 가장 어렵게 느낀다고 하는 것이
00:37:49일단 한국어인데요
00:37:50어
00:37:51물론 이제 연세대 같은 데서도 이제 말 뭉치를
00:37:54아마 국내에서 가장 큰 말 뭉치를 갖고 있기도 하지만
00:37:57실제적으로 한국어 처리에 많은 좀 어려움이 있다고 공통적으로 얘기를 하고 있습니다
00:38:03특히 이제 한국어나 한글 관련 분야에 대해서는
00:38:06이 기업이 개별적으로 투자하기는 상당히 어렵기 때문에
00:38:10이런 분야의 문제 해결을 위해서
00:38:13혹시 정부에서 혹은 또 우리 한국지능정보사회진흥원에서
00:38:19이 한국어에 관련된 여러 가지 데이터셋이라든지
00:38:24필요한 훈련 자료
00:38:27표준화 자료를
00:38:28혹시 국가적인 차원에서
00:38:30좀 빠른 시일 내에서 구축을 해야
00:38:33인공지능하는 회사라든지
00:38:35특히 이제 그것을 활용하려면
00:38:37어
00:38:38인공지능 정보
00:38:40서비스에
00:38:42활용이 되어야 되는데
00:38:43두 가지 만점이 있는 것 같습니다
00:38:44글로 표현이 되고
00:38:46또 하나는 말로 표현이 되어야 되는데
00:38:48우리말이 이제 교차거적인 성격
00:38:51그다음에 우리말의 역사가 벌써
00:38:54우리 글의 역사가
00:38:55한글의 역사가 벌써 600년 가까이 되고
00:38:57다음 달이면 또 한글날 또 행사도 있고
00:39:00해서 아마 한글에 대한
00:39:02또 우리 말에 대한 것이 많이 나올 것 같습니다
00:39:04그래서 그 부분에 대해서 한 말씀 부탁드리겠습니다
00:39:06네 한국어 처리 어려움이 많은데
00:39:09국가에서 지원할 계획이 있느냐
00:39:11어느 분이 답변하실까요?
00:39:12제가 먼저 할까요?
00:39:13네
00:39:14제가 일전에
00:39:15제가 뭘 얘기하면 안 듣는다고 그러잖아요
00:39:18제가 얘기해도 반향이 없는데
00:39:20어디 신문에 기고를
00:39:21작년 아마 한글날인 것 같아요
00:39:24한글이 통하는 AI
00:39:26뭐 이런 제목으로
00:39:28정확하지는 않지만
00:39:29말씀하신 대로 이제 글로벌
00:39:31그러니까 한글로 하게 되면
00:39:33영어로 할 때보다 퍼포먼스가 확 떨어지는 것 같아요
00:39:35뭐 익히 사실인데
00:39:38근데 뭐 아실텐데
00:39:41국립국어원이라든가
00:39:43한글 말뭉치라든가
00:39:45언어로서의 한글에 대한 것은
00:39:47사실은 나와
00:39:49상당히 많이 준비가 되어 있는데
00:39:51그 역시 분야별로 쓰는 용어라든가
00:39:54이런 부분은 조금 더 축적이 돼야겠죠
00:39:58근데 다만
00:40:00우리 국민적인 컨센서스가 좀 필요한 것 같아요
00:40:04한글
00:40:06한글
00:40:07이라고 하는 게
00:40:08외산 AI가
00:40:10한국 시장에 들어오지 못하게 하는
00:40:12진입 장벽이라고
00:40:14생각하는 분들이 아직도 많다는 거예요
00:40:16그래서 이 문제를
00:40:18제가 볼 때는
00:40:19우리 김경만 국장님은
00:40:20말씀하시기가 되게 까다로울 거예요
00:40:22근데 과연 저는 그거를 진입 장벽으로 봐야 되느냐
00:40:26그렇게 생각하지는 사실 않습니다
00:40:28개인적으로 보면
00:40:29이 기관장으로서 말하라고 하면
00:40:31저거 더 고민을 해야겠지만
00:40:33저 환경성 자연이들로 보게 되면은
00:40:36일단은 우리가 이 한글어 하고 한글 학교
00:40:40제가 국립국어원분들하고도 그래서 한번 미팅을 했어요
00:40:42그랬더니 그쪽에서는
00:40:44한글을 널리 알려가지고
00:40:46글로벌 AI가 한글을 제대로 쓰게 하고
00:40:49또 한글에 대한 용래 라든가
00:40:52이런 거를 한국이 주도해 나갈 수 있는
00:40:54모든 AI에게 한글을 가리키는
00:40:58우리가 주도권을 가져가야지
00:41:00우리가 안주면 결국은 걔들이
00:41:02자기들 나름대로 배울 텐데 이게 올바른 거냐
00:41:04국립국어원의 생각은 정확하게 그렇습니다
00:41:08그러니까 하여튼 이거는 조금 언론을 통해서던
00:41:12아젠다를 좀 던져서 한글날도 오니까
00:41:15좀 이렇게 국민적인 공감들을 만드는 게 좋지 않을까
00:41:19그렇게 생각을 합니다
00:41:20네 사실 네이버가 초창기에 좀 그런 쪽으로 나가서
00:41:24조금 약간 질척거렸었는데
00:41:27우리 정책가님 답변 하실 말씀 있으십니까?
00:41:30두 가지를 좀 나눠서 말씀을 드리고 싶습니다
00:41:36우리 황원장님께서 애들로 말씀해 주신 부분이
00:41:40첫 번째인데요
00:41:42그러니까 이제 사실 객관적으로
00:41:46지금 외국에 있는 프론티어급의 AI들이
00:41:51예전에 나왔을 때처럼 한국의 정말 수투인가
00:41:56그렇지 않을 정도로 이제 많이 좀
00:42:00자연스럽게 한국어를 제공해 주는 거는
00:42:03뭐 좀 계속 보시고 계시면 다 느낄 것 같고요
00:42:07근데 이제 저희는 사실 소버린 말씀을 드릴 때나
00:42:11이럴 때는 언어라는 그 이상의 것들
00:42:16그러니까 이제 한국 문화, 한국 그림, 한국 풍습
00:42:20이런 게 사실 우리나라 인공지능의 내재화가 돼야 되는 거고요
00:42:25그게 이제 한국형 인공지능 모델이라 생각을 하는 거지
00:42:29단순한 언어의 트랜스레이션이 잘 된다
00:42:35이런 건 아니라고 좀 생각을 합니다
00:42:38그래서 그런 약간의 시각차가 있고요
00:42:40물론 한글을 좀 더 많이 개방해 가지고
00:42:46좀 더 원천적인 원천 데이터를 가지고 하는 거는
00:42:50충분히 더 경쟁력이 있다는 부분은 부인할 수 없다고 생각합니다
00:42:54한 가지만 더 이제 다른 측면에서 좀 말씀을 드리면
00:42:58결국 인공지능이 되기 위해서는
00:43:02돌아 돌아가면 이제 데이터라는 거는
00:43:04누구나 이제 결정을 하게 되고요
00:43:06그러면 이제 실제 공공이 가지고 있는 데이터들을
00:43:12얼마나 개방을 잘하고 학습용 데이터로 전환을 시킬 건가가
00:43:18사실 저희 정부의 가장 큰 과제입니다
00:43:22민간 같은 경우는 아시다시피 데이터가 자기 기업의 가치이기도 하고요
00:43:29선뜻 내놓기 힘든데 공공이 가지고 있는 데이터 같은 경우는
00:43:35사실 공적 자금이 들어간 거고
00:43:38국민의 세금을 기반해서 만들어진 거기 때문에
00:43:40그게 다시 인공지능을 학습하는데 쓰이면
00:43:44얼마나 좋을까 하는 고민들이 있는 거고요
00:43:47그래서 어제 대통령 원료일자로 대통령께서
00:43:51이제 데이터 관련 규제 혁신 회의를 하셨고요
00:43:55거기서 이제 크게 세 가지가 논의가 됩니다
00:43:58하나는 공공 데이터를 어떻게 빨리 개방하게 하느냐
00:44:04그래서 공무원들이 공공 데이터를 개방할 때
00:44:08면책 조항을 좀 두자
00:44:10두 번째로는 저작권이 있는 데이터와 없는 데이터를
00:44:16얼마나 명확한 기준을 줘가지고
00:44:20저작권도 보호를 하면서도 데이터를 쓰는 기업들 입장에서는
00:44:25야 이게 맞을까 저게 맞을까 하는 고민 없이 쓸 수 있게끔
00:44:29기준을 좀 명확히 하자 이런 이야기들
00:44:31그리고 원본 데이터를 대통령께서 말씀하실 때
00:44:36사람도 얼굴 보는데 자동차 얼굴 보면 안 돼
00:44:39뭐 이런 말씀하신 것처럼 원본 데이터 개방을
00:44:41지금 적극적으로 하려고 하고 있습니다
00:44:44그 또 저희 과기정통부 같은 경우는
00:44:47문체부랑 공공 데이터 1200만 건 개방을 위해서
00:44:53규제 샌드박스도 만들었고요
00:44:55또 하나는 이제 대부분과 저희가 판례 개방을 좀 논의를 하고 있습니다
00:45:01이게 앞으로의 데이터는 아까 말씀드렸지만
00:45:05단순하게 비전에 근거한 라벨링 이런 게 중요한 게 아니고
00:45:10논리적 구조를 가진 문장들을 상당히 좋아할 수밖에 없습니다
00:45:15초론모델에 가려면은
00:45:18그러면 이제 판결문 같은 글들은 상당히 좋은 데이터인데
00:45:23여러분이 판결문을 공개하는데 상당히 좀 어려워하는 것들
00:45:28이런 부분들은 저희가 좀 더 노력해 가지고
00:45:31공공 데이터가 빨리 좀 많이 개방될 수 있도록 하겠습니다
00:45:35제가 한 가지만 약간 다른 의견이 있는데요
00:45:38사실 제가 한글을 사랑합니다
00:45:40사실 제가 학위할 때 한글 가지고 한글 인식하고
00:45:43뭐 이러는 거 가지고 학위를 하고
00:45:44또 우리 문화를 잘 지켜야 된다는 생각은 있는데
00:45:47지금 인공지능은 사실 언어에 큰 문제가 없습니다
00:45:51좀 전에 정책관님도 말씀하신 것처럼
00:45:53메카인즘상 이게 한글이기 때문에 잘 되고
00:45:57영어 때문에 안 되고 이제는 좀 넘어가는 수준에 있거든요
00:46:00그래서 그리고 또 하나는 우리만을 위한
00:46:03우리가 만족할 수 있는 AI를 만들어서
00:46:05우리가 좋은 게 과연 좋은 건가
00:46:07사실은 AI는 글로벌로 뛰어서
00:46:10세계 시장에서 우리가 뭔가 해야 되는 그런 입장에서는
00:46:13한글은 한글 나름대로 잘 보존하고 지킬 수 있는
00:46:17뭐 그런 식으로 하지만
00:46:19AI 일반적으로는 거기에 너무 얽매이지 않는 게
00:46:22맞겠다는 생각이 들고요
00:46:24지금 데이터 얘기를 계속 하시는데
00:46:26데이터가 어렵습니다
00:46:27사실 제가 지난주에 국내 제조
00:46:30가장 큰 제조 회사 중에 한 분
00:46:32임원들하고 같이 얘기할 기회가 있었는데
00:46:35거기서도 가장 큰 헤데이크가 데이터입니다
00:46:38각 직원이, 각 연구원들이
00:46:40엄청나게 많은 제조 공정상에서 데이터를 갖고 있는데
00:46:43누가 뭘 갖고 있는지도 모르고 공개가 안 된다고 합니다
00:46:46그래서 일단 그것부터 먼저
00:46:49뭔가 좀 통일화하고
00:46:50아까 DX 말씀도 하셨는데
00:46:52그걸 좀 하시는 게
00:46:53우리가 결국 데이터를 잘 이용하는 거 아닐까 싶습니다
00:46:56네, 아마 그 질문하신 분은
00:46:58국가에서 좀 이러이런 재원을 좀 확보해서
00:47:01팍팍 밀어달라
00:47:02이런 대답, 속 시험한 대답이 나오시기를 바라셨을 것 같은데
00:47:06좀 광범위하게 대답이 진행이 되긴 했습니다만
00:47:11아무튼 한국어 처리 어려움에 대한 개념이
00:47:14조금씩 변하고 있기 때문에
00:47:15이런 개념 정리가 필요하고
00:47:17그리고 여기에 가장 중요한 데이터 개방
00:47:20그리고 공공이 활용할 수 있는 데이터에 관해서
00:47:23정부가 박차를 가하겠다
00:47:25이렇게 요약할 수 있겠습니다
00:47:27또 질문 있으신 분 계신가요?
00:47:29네, 여기 여성분
00:47:30네
00:47:39안녕하세요
00:47:40저는 만 6년차 된 B2B 사스 기업 플렉스의 송지연이라고 합니다
00:47:46안녕하세요
00:47:47네, 지금 오늘 발표를 쭉 들어봤는데
00:47:50주로 이제 AI, AI, 모델이라든가
00:47:57반도체와 같은 그런 데이터 센터라든가
00:48:01인프라 중심으로 국가적 투자가 많이 이루어질 거라는
00:48:05그런 생각이 듭니다. 그래서 상대적으로 AI를 활용하는 기업에 대한 어떤 투자의 방향이나 이런 것들에 대해서는 조금 더 구체성이 떨어진다고 느껴졌는데요.
00:48:19저희 같은 경우에는 HR SaaS를 하고 있는 기업입니다. 그렇기 때문에 조직이나 구성원에 대한 HR 데이터를 굉장히 방대하게 가지고 있고 그거를 SLM으로 만들어서 서비스를 진화시키고 있는 과정에 있습니다.
00:48:41그래서 지금 정부에서 고용평등 임금공시이죄라던가 아니면 임금 분포제라던가 포괄폐지, 근로시간 측정, 궁극적으로는 근로시간 단축, 노동시간 단축 이런 여러 국가적인 과제들이 있는데
00:49:02그런 부분에 있어서 저희 가지고 있는 데이터들을 같이 협업해서 활용할 수 있는 여지가 분명히 있을 거라고 생각이 들어요.
00:49:11그래서 그런 방향에서 혹시 조금 더 고민해보신 바가 있다면 좀 설명을 들어보고 싶고요.
00:49:19말씀드렸듯이 지금 그런 AI를 응용하는 산업에 대해서 계속 제조업이다, 헬스케어다, 모빌리티다 이렇게 퍼티컬한 산업군으로 산업군에서 어떻게 AX를 시킬 것인가에 대한 그런 관점으로 많이 접근을 하시던데
00:49:37그것보다는 기업들의 전반적인 산업에 구애받지 않고 노동행태라든지 노동시장이라든지 이런 데에 있어서 조금 더 데이터를 공공에서 활용해서 협업할 수 있는 부분이 있지 않을까 하는 생각이 좀 듭니다.
00:49:55그런 쪽으로의 투자도 많이 부탁드리고 혹시 조금 더 구체적인 계획이 있다면 말씀해 주시면 감사했습니다.
00:50:03네, 정책관님이 답변하셔야 될 것 같습니다.
00:50:08아까 제가 인공지능 서비스 형태를 간략하게 세 가지가 있다고 말씀을 드렸지 않습니까?
00:50:14그러니까 이제 지금 막 에이전틱 AI라든지 피지컬 AI가 너무 깜깜을 받다 보니까 그게 이제 크게 한 분야를 보이게 되는 거고요.
00:50:25근데 사실 저희가 클라우드 기반의 사스, 그러니까 예전에 SI 업체에서 클라우드 기반을 받고
00:50:31지금 막 ERP가 되던 소프트웨어를 개발해 갖고 실질적인 혜택을 주는 인공지능이 활용되는, 인공지능이 가미된 이 사스가 정말 큰 시장입니다.
00:50:47그리고 그게 사실 인공지능이 들어오기 전에 클라우드 시장 위에서 주로 개발되고 제공되는 서비스들이었고요.
00:50:58그리고 이게 민감함만 해당되는 게 아니고 공공 영역에서도 반드시 사스 형태의 서비스들이 많이 나와야 되고 실제로 그렇게 하려고 하는 게
00:51:11저희가 지금 생각하고 있는 공공 AX가 되어있습니다. 공공 영역에 AX를 도입하겠다는 건데
00:51:20제가 판단할 때는 공공 영역에 AX, 그러니까 행정 서비스를 대국민으로 지원해주고 할 때는
00:51:29제가 첫 번째 말씀드렸던 피지컬 AI, 물론 에이전틱은 좀 들어갈 수 있는데
00:51:36피지컬 AI 개념보다는 사실 이 사스 개념이 더 베이스가 될 것 같고요.
00:51:41그래서 저희가 사실 공공 AX 예산을 내년에 한 천억 정도 가지고 있습니다.
00:51:49그래서 그런 예산을 가지고 아까 제가 인공지능 기본사회 말씀을 드렸는데요.
00:51:56인공지능 기본사회를 실현하는 데 있어서 인공지능으로 질병 예측뿐만 아니라
00:52:03그리고 재해 예방 이런 쪽으로 저희가 좀 하려고 하고 있기 때문에
00:52:09조금 저희한테 말씀을 좀 많이 주시면은 그 프로젝트를 할 수 있지 않을까 생각을 합니다.
00:52:15그게 지금 AI 바우처 사업 같은 걸로 지원이 어느 정도 되고 있지 않나요?
00:52:19예, 사실 이제 AI 바우처 사업 같은 경우가 저희가 장관님도 많이 하셨던 사업이고
00:52:26중기부에서 저희도 AI 바우처 사업을 저희도 지금도 하고 있습니다.
00:52:32계속하고 있는 사업이고 실제로 인기가 많은 저희 사업 중에는 맞습니다.
00:52:39그런데 이제 저희가 조금 고민스러운 것들이
00:52:44AI 바우처 사업들이 대단히 중요하고 인기가 좋은데
00:52:52그 다음에 그러면 과연 그 다음에 후속이
00:52:56제가 말씀드리고 싶으면 도입을 하고 컨설팅을 하고 난 그 다음에 지속 가능성이 다 할까
00:53:03이런 부분들에 대한 고민이 저희가 좀 필요한 상황이고요.
00:53:07그래서 그것도 저희가 이제 나름대로 고민 중에 있다는 말씀을 드리겠습니다.
00:53:13그런데 제가 사실 정책당국에 있는 사람으로서 누워서 침뱉기 같은 소리일 수도 있는데요.
00:53:20항상 하다 보면 이번 예산도 저희 나름대로 조금 아쉬운 것들은
00:53:27데이터, 저희 인공지능 예산이 내년에 10조 천억입니다.
00:53:31정부 전체가 10조 천억 예산을 쓸 건데
00:53:35좀 아쉬운 게 이제 데이터 관련된 예산
00:53:39그리고 AI, SaaS 같은 이런 예산들이 상대적으로 좀 비중이 낮다는 거고요.
00:53:46그리고 이제 데이터도 말씀드린 것처럼 실질적으로 이게 인공지능이 쓸 수 있게끔
00:53:53쓸 수 있게끔 가공해주는 이런 영역에서 예산이 좀 저희가 생각한 만큼 안 당겨가지고
00:54:02저희가 조금 고민을 좀 많이 하고 있는 상황입니다.
00:54:07네. 저는 이런 고민이 많으실수록 좀 국민과 더 소통하시면서 공개적으로 이 일을 추진하시면
00:54:13많은 원군이 붙지 않을까 이런 생각을 합니다.
00:54:17미국의 빅테크5 5개 업체가 1년에 쓰는 예산이 약 450조인데
00:54:23우리가 이걸 10조 가지고 따라잡아야 되는 이런 사실을 어떻게 보면
00:54:28정말 뱁새가 황새를 쫓아가는 이런 형국이라서 정말 총력을 모아야 될 것 같습니다.
00:54:36끝으로 한 분만 더 질문 받도록 하겠습니다.
00:54:39네. 저쪽에 질문이 끝나면 우리 패널분들께는 국가인공지능전략위원회에게 바란다.
00:54:51딱 한 가지씩만 말씀 듣고 마무리하도록 하겠습니다.
00:54:54네. 저는 한국예술종합학교 전통예술원에 재학 중인 이경진입니다.
00:55:01일단 오늘 말씀 잘 들었습니다.
00:55:05먼저 AI 기술이 전통문화나 예술 쪽으로도 활용 가능성이 높을 것 같은데
00:55:12혹시 활용할 만한 방안이 있을지 질문을 드립니다.
00:55:16예를 들어서 한국무용일 경우에는 과거의 인간문화재나 무형문화재와 같은 제도를 통해서
00:55:23전승 발전이 이루어져 왔는데
00:55:25이 과정에서 기록이나 사진, 영상자료가 조금 부족해서 한계가 있어서
00:55:31이러한 측면에서 AI를 활용할 만한 방안이 있을지에 대해서 질문을 드리겠습니다.
00:55:38네. 한예종의 전통예술원 여기 성기숙 원장님도 지금 와 계시고
00:55:42정말 열의가 대단하신 것 같습니다.
00:55:44네. 이 답변은 누가? 황 원장님?
00:55:48네. 예술 쪽에...
00:55:50우리 정책관님도...
00:55:54제가 너무 많이 하는 것 같다.
00:55:56너무 말을 많이 하는 것 같다. 이렇게 말씀하셨는데
00:56:00저는 지금 정부 관계자도 아니고 아무것도 아닙니다.
00:56:04그런데 그냥 제가 그 질문에 좀 그냥 힌트를 드리면
00:56:08그런 어떤 전통예술과 관련된 그런 자료를 데이터센터에다가 축적하고
00:56:14그것을 활용해서 제가 보기에는 우리나라의 전통을 계승할 수 있는 방법이
00:56:21AI를 활용하는 방법이 굉장히 많이 있을 것 같습니다.
00:56:24그래서 그런 부분은 오늘 끝나시고 우리 정책관님 붙들고
00:56:30이것도 꼭 좀 해주십시오. 이렇게 부탁을 하시면 어떨까 이렇게 생각합니다.
00:56:37자 그러면 이제 우리 손재권 대표님 뭐 하시는 말씀 있어요?
00:56:40네. 저는 그렇게 생각합니다. AI가 발전할수록 인간이 무엇을 할 수 있는가
00:56:48그게 좀 또 핵심이고 또 자동화할 수 있는 영역이 있는 반면에
00:56:54또 인간만이 할 수 있는 걸 또 찾아내야 되거든요.
00:56:56그래서 그 중에 하나가 사실 좀 창의력인 것 같습니다.
00:57:00그래서 인간이 더 AI랑 같이 해서 새로운 저는 이제 창의력 르네상스가 온다고 저는 생각을 합니다.
00:57:11왜냐하면 AI 도구를 통해서 많은 우리가 생각하지 못했던
00:57:15인간이 생각하지 못했던 아이디어가 많이 나오기 때문에
00:57:19창의력은 무궁무진하게도 나올 거라고 생각을 하고요.
00:57:23그런 의미에서 우리 뭐 전통예술 포함해서 우리가 그동안 이제
00:57:31전통예술을 디지타이징하고 또 AI를 만드는 것도 의미가 있지만
00:57:35우리 전통예술을 새롭게 해석하는 AI를 통해서 새롭게 해석할 수 있는 것도 많이 나올 것 같아요.
00:57:43그리고 서양 무용과 또 한국 무용의 그런 결합이나 또 다른 창의적인 무용 형태가 나올 수 있지 않을까
00:57:52뭐 여러 가지로 AI가 창의력을 줄 수 있는 게 굉장히 많기 때문에
00:57:57오히려 그리고 몸이 하는 거잖아요. 무용이나 또 음악 다 몸이 하는 거여서
00:58:04그것도 어떻게 보면 또 피지컬 아트 AI와 또 연관이 됩니다.
00:58:09그래서 지금 오히려 AI가 될수록 더 대체가 안 되는 영역이고
00:58:15더 가능성 있는 영역이기 때문에 그리고 한해종 이번에 같이 오셨는데 너무 큰 도중
00:58:21네. 지금 전 세계를 휩쓸고 있는 K컬처 바람과 함께 맞물려서
00:58:25이게 굉장히 좋은 기회가 될 것 같습니다.
00:58:29자 이제 끝으로 우리 조 교수님부터 국가인공지능전략위원회에 바란다.
00:58:34짧게 한마디.
00:58:35제가 도중하차 하긴 했지만 1기 위원 입장에서 이런 말을 하는 게 제대로 된지는 모르겠지만
00:58:43어쨌든 국가적으로 굉장히 중요한 업이기 때문에 조금 더 책임감을 갖고 봉사하는 마음으로 해주셨으면
00:58:49이 정도 말씀을 드리고요.
00:58:51진짜 오늘 하고 싶었던 말씀은 우리가 지금 3년이라는 단기 목표를 가지고 말씀하니까
00:58:57제가 말씀 못 드린 얘기가 있는데 진짜 중요한 건 교육인 것 같습니다.
00:59:02전 국민이 사실 몇 년 전부터 우리가 소프트웨어 정보 부족하다고 했는데
00:59:06결국은 잘 실행하지 못한 부분도 있고요.
00:59:11그게 여러 가지 문제가 있는데 진짜 우리가 AI 강국이 되려면
00:59:14전 모든 국민이 누구라도 AI를 잘 이해하고 활용할 수 있는
00:59:18그런 사람을 키울 수 있도록 노력해야 된다는 생각을 하고요.
00:59:22또 한편으로는 AI가 사실 단순한 기술이 아닌 게
00:59:25AI 기술 자체가 문제가 아니고요.
00:59:28이 기술이 추구하는 바가 다르거든요.
00:59:31사람의 기능을 모방해서 뭘 하려고 하다 보니까
00:59:33여러 가지 사회 문제도 있고 그런데
00:59:35잘 생각해보면 우리 사회에 여러 가지 문제가 있잖아요.
00:59:39출생률 저하 때문에 문제되는 거, 외국인 그런 문제도 있고
00:59:43이런 것들, 사회의 여러 가지 문제를 AI를 레버리지해서
00:59:47좀 혁신할 수 있는 그런 지혜를 조금 펼쳤으면 좋겠다는 생각을 말씀 드립니다.
00:59:51교육이 중요하다. 황정성 원장님.
00:59:56AI 전략위원회, 저는 장기적인 전략을 가졌으면 좋겠다.
01:00:01장기적 전략.
01:00:03이게 AI가 미국은 70년을 하고 있고
01:00:07중국은 공식적으로 10년이지만 실제로는 중국 연구자들이
01:00:12사실은 30년, 제가 기억 읽은 논문만 해도
01:00:1730년 전부터 뒤라성 같은 사람들이 나오고
01:00:21우리가 AI 사회라고 하는 게 엄청나게 큰 변화를 갖고 오는데
01:00:27이거 장기적인 전략으로 해야 되고
01:00:30한국이 그런 성공 사례들이 몇 개 있어요.
01:00:35초고속 인터넷 이런 거 가장 유사하니까
01:00:38그게 김영삼 정부 때 기획이 됐고
01:00:43김대중 정부 때 추진을 했고
01:00:45노무현 정부 때 사실은 그 활용이 되고 꽃을 피었거든요.
01:00:50AI도 그 정도로 가야 되고
01:00:51그런데 오늘 사실 주제가 3년에 달렸다고 저는 굉장히 중요하게 생각하는 게
01:00:58장기적인 기회를 우리가 생각을 해야
01:01:013년 내에 어디에서 승부를 걸지가 나오는 거고
01:01:06그리고 3년에 사실 지금 2025년부터 활용 단계로 들어갔는데
01:01:103년 내에 이 판도 재편이 됩니다.
01:01:13그러니까 우리가 장기적인 시각을 가지고
01:01:15우리 나름의 어떤 밸류 체인에서 한국이 집중할 것
01:01:20어떤 분야 이런 생각을 가지고 3년 내에서
01:01:23이 판이 짤 때 우리의 한국이 독점적인 위치를 만들어내는
01:01:29이런 전략적인 걸 꼭 해주셨으면 부탁드리겠습니다.
01:01:34네. 손재경 대표님.
01:01:35저는 아까 말씀을 좀 드리긴 했는데요.
01:01:38AI 지금 투자를 하지만 대부분 한국 스타트업이나 한국 투자에
01:01:46좀 있는 건 사실인데
01:01:48아까 말씀드렸지만 좀 글로벌하게 투자가 이루어져서
01:01:53글로벌 플레이어들의 우리가 주주가 돼서
01:01:57영향력을 우리가 자본으로서 영향력을 끼치면서
01:02:01또 우리가 또 레버리지 할 수 있는 게 굉장히 많은 것 같아요.
01:02:04지금 이 순간에는 글로벌 기업들에게
01:02:07우리가 바로 할 수 있는 건 또 우리가 자본시장 선진화랑
01:02:11또 연관이 돼 있기 때문에
01:02:12우리 AI와 AI 선진화, 기술 선진화만 얘기하는 것보다는
01:02:17자본도 같이 좀 선진화시켜서
01:02:20규제도 좀 해주고 그런 게 있었으면 좋겠습니다.
01:02:23보다 강력한 글로벌 투자를 주문하셨어요.
01:02:27저는 오늘 사회의 이 자리의 자장으로서
01:02:31한 가지 저도 의견을 드리면
01:02:33인터넷 시대에 뒤진 일본은
01:02:36인터넷 시대를 뛰어넘고 AI에 집중 투자를 했죠.
01:02:41또 크레딧 카드에 뒤졌던 중국은
01:02:44크레딧 카드를 뛰어넘고 QR 코드로 넘어갔습니다.
01:02:48한국이 AI에 좀 늦었습니다.
01:02:50그래서 이제는 저는 AI 플러스 퀀텀, 양자컴과 양자컴 하이브리드 정책도
01:02:58병행해서 긴 안목으로 우리가 달려가야 되지 않을까 그렇게 생각합니다.
01:03:05디지털 미래 포럼 AI 3대 강국 3년에 달렸다.
01:03:10오늘 이렇게 지금 5시가 다 돼가는데요.
01:03:14한 분도 이석하지 않고 끝까지 함께 해주신 여러분 너무너무 감사드리고
01:03:19이 포럼을 강력하게 추진하고 계신 박학용 대표님
01:03:23정말 감사드립니다. 감사합니다.
01:03:25감사합니다.
01:03:26감사합니다.
01:03:28감사합니다.
01:03:30감사합니다.
첫 번째로 댓글을 남겨보세요