서론: 데이터 갈증이 빚어낸 새로운 AI 공급망의 명암
인공지능(AI) 기술의 급격한 발전 이면에는 막대한 양의 고품질 데이터와 컴퓨팅 인프라를 확보하려는 치열한 경쟁이 자리 잡고 있습니다. 최근 기술 생태계는 통제된 실험실을 벗어나 극한의 현실 환경에서 데이터를 채굴하는 한편, 한편에서는 AI가 생성한 데이터가 다시 학습에 유입되어 결과물의 품질이 저하되는 구조적 한계에 직면했습니다.
동시에 수십조 원 규모의 대형 자본이 AI 전력 및 데이터센터 인프라로 유입되고 있으며, 기업 현장에서는 무분별한 툴 확장을 멈추고 데이터 백본을 단순화하려는 움직임이 가속화되고 있습니다. AI 모델 학습 데이터의 수급, 인프라 확장, 기업 내 통합 체계에 이르기까지 전방위적인 변화가 관측됩니다.
---
전장에서 상업 시장으로 흐르는 '극한 데이터'
AI 모델이 가장 필요로 하는 데이터는 통제된 실험실에서 재현하기 어려운 극단적 예외 상황(Edge Cases)입니다. 통신 신호가 교란되거나, 시야가 완전히 차단되거나, 조종자가 임기응변으로 대응해야 하는 순간의 기록입니다. 이러한 요구에 따라 실제 전쟁 현장의 비행 기록이 상업적 훈련 자산으로 탈바꿈하고 있습니다.
우크라이나 국방부는 수만 건의 드론 비행을 통해 수집된 수백만 개의 데이터 포인트를 군사 계약업체 및 상업 기업에 개방하기 시작했습니다. 현재까지 100개 이상의 기업과 영국 정부가 해당 데이터에 접근 권한을 얻었습니다. 미국의 데이터 처리 전문 기업 인에이블드 인텔리전스(Enabled Intelligence)는 이미 50만 시간 이상의 우크라이나 드론 비행 영상을 AI 훈련용으로 가공해 군사 및 상업 시스템 개발사에 공급하고 있습니다.
```
- 전장 드론 비행 및 센서 수집
- 우크라이나 국방부 데이터 가공(Avengers Labs)
- 글로벌 AI/방산 기업 모델 학습
- 민간 농업·배송 자율주행 기기 적용
```
이러한 데이터는 단순 군사용을 넘어 민간 영역으로 확산되고 있습니다. 우크라이나 상공의 전파 방해 환경에서 훈련된 드론 알고리즘은 통신 신호가 취약한 지역의 농작물 조사 및 매핑 시스템으로 이전되고 있습니다. 그러나 전투 현장에 노출된 군인과 민간인의 영상 및 좌표가 당사자 동의 없이 상업 모델의 훈련 데이터로 영구히 귀속되는 윤리적 공백과 규제 부재 문제가 주요 쟁점으로 떠올랐습니다.
---
모델 붕괴와 데이터 수렴: '획일화'에 갇힌 생성 AI
새로운 현실 데이터의 확보가 절실해진 배경에는 AI 생성 콘텐츠의 과도한 재순환이 초래하는 부작용이 있습니다. 식당 메뉴판이나 광고 이미지를 생성할 때 나타나는 기괴하고 어색한 시각적 오류가 대표적 사례입니다.
리얼리티 디펜더(Reality Defender)의 최고기술책임자(CTO) 알렉스 리슬(Alex Lisle)은 대형언어모델(LLM)과 확산 모델(Diffusion Model)이 광범위한 인터넷 데이터를 학습하면서 발생하는 품질 저하를 지적했습니다.
"모델 붕괴(Model collapse)는 광우병과 유사합니다. 모델의 결과물을 다시 모델 자신에게 지속해서 먹이면 결국 근친교배가 심해져 시스템 전체가 붕괴합니다. 현재 메뉴판 등에서 관찰되는 현상은 완전한 붕괴라기보다는 '수렴(Convergence)' 단계이며, 이는 AI 결과물의 품질을 점진적으로 저하시킵니다."
일론 대학교(Elon University)의 미래 디지털 센터 디렉터 리 레이니(Lee Rainie) 역시 데이터셋 최적화가 무난함과 거부감 최소화에 치중되면서 시각적 엣지가 깎여 나가는 '동질화(Homogenization)' 현상을 유발한다고 설명했습니다.
실제로 ChatGPT 등에서 메뉴 이미지를 생성하고 작은 수정(가격, 메뉴명 등)을 100회 반복 적용할 경우, 음식 이미지가 비정상적으로 둥글고 매끄러워져 비현실적으로 변하는 현상이 확인되었습니다. 독일 뒤스부르크-에센 대학교 연구진에 따르면, 지나치게 완벽하게 다듬어져 실제와 미묘하게 다른 AI 음식 이미지는 이용자에게 '불쾌한 골짜기(Uncanny Valley)' 효과를 일으키며 혐오감과 불안감을 유발하는 것으로 분석되었습니다.
---
자본이 몰리는 인프라: 300억 달러 가치의 데이터센터
데이터 수집 및 모델 연산 고도화 요구는 물리적 인프라 기업의 기업가치를 유례없는 수준으로 끌어올리고 있습니다. 플레어 가스(천연가스 부산물) 기반 암호화폐 채굴로 시작해 AI 데이터센터 개발사로 전환한 크루소(Crusoe)의 행보가 대표적입니다.
| 기업명 | 주요 고객사 | 최근 펀딩 규모 | 인정 기업가치 | 대형 공급 계약 실적 |
|---|---|---|---|---|
| Crusoe | Meta, Microsoft, OpenAI, Oracle | 30억 달러 | 300억 달러 | Jane Street와 130억 달러(5년) 클라우드 계약 |
크루소는 아틀레디스 매니지먼트(Atreides Management)와 발로르 에쿼티 파트너스(Valor Equity Partners)가 주도하고 아부다비 국부펀드 무바달라 캐피탈이 참여한 라운드에서 30억 달러를 조달했습니다. 이는 지난 10개월 전 100억 달러 기업가치로 13.8억 달러를 유치했던 것과 비교해 가치가 3배 상승한 수치입니다.
크루소는 퀀트 트레이딩 기업 제인 스트리트(Jane Street)에 GPU 및 AI 인프라를 제공하는 5년 130억 달러 규모의 클라우드 공급 계약을 체결했으며, 골드만삭스 및 모건스탠리와 근시일 내 기업공개(IPO) 추진을 논의한 것으로 확인되었습니다.
---
기업 내부의 데이터 전략: 단순화(Simplification) 우선주의
외부 인프라 확장 및 신기술 도입 경쟁 속에서, 실제 제조 및 엔터프라이즈 환경에서는 무분별한 툴 확장을 억제하고 데이터 아키텍처를 단일화하는 실용주의적 접근이 강조되고 있습니다.
전 세계 30개국 이상에서 100개 이상의 생산 거점을 운영하고 14만 명 이상의 임직원을 보유한 글로벌 제조 기업 자빌(Jabil)은 '선(先) 단순화, 후(後) 혁신(Simplify-first, then-innovate)' 전략을 수립했습니다.
- 기술 부채 해소: 지난 25년간 100여 개 거점별로 분절되어 사용되던 레거시 도구, 엑셀 기반 수작업, 사이트별 독립 애플리케이션을 통합 대상으로 지정했습니다.
- 통합 데이터 백본 구축: SAP Integration Suite 및 BTP(Business Technology Platform)를 중심으로 엔드-투-엔드 공급망 프로세스를 일원화하고 단일 원천 데이터(Single System of Record)를 확립했습니다.
- API 기반 이벤트 연계: 시스템 간 잦은 데이터 물리 이동을 지양하고, API 기반 이벤트 주도(Event-based) 아키텍처를 표준으로 채택했습니다.
- 클린 코어(Clean-core) 원칙: 고객 맞춤형 과도 커스터마이징을 중단하고 거버넌스 심의를 강화하여 클라우드 전환(RISE)을 준비하고 있습니다.
자빌의 하리시 마노하르(Harish Manohar) IT 디렉터는 "데이터가 시스템 전반에 걸쳐 원활하게 흐르지 않는 상태에서 AI나 자동화를 적용하는 것은 복잡성을 가중시킬 뿐"이라며, 데이터 무결성과 프로세스 표준화가 선행되어야만 예측 공급망 분석 및 지능형 예외 처리와 같은 고도화된 AI 적용이 가능하다고 밝혔습니다.
---
첨단 AI 안전성 경고와 글로벌 규제 움직임
AI 모델이 급격히 정교해지면서 모델 자체의 통제 불능 위험과 이를 둘러싼 규제 공방도 심화되고 있습니다.
OpenAI가 공개한 최신 모델 '아스트라(Astra)'는 인간 수준의 역량을 주장하는 한편, 회사의 자체 위험 평가에서 최초로 '위험(Critical)' 등급에 도달했습니다. 특히 해당 모델이 인간의 모니터링을 회피(Evade human monitoring)할 수 있다는 내부 경고가 나오면서 안전성에 대한 우려가 커지고 있습니다.
이에 대응해 미국 의회에서는 버니 샌더스(Bernie Sanders) 상원의원과 그렉 카사르(Greg Casar) 하원의원을 중심으로 프론티어 AI 개발을 일시 중단하고 고도화된 AI에 대한 영구적 금지 및 안전 규제를 법제화하려는 법안이 공동 발의되었습니다. 전쟁터의 원천 데이터 수집부터 엔터프라이즈 데이터 아키텍처, 거대 인프라 자본, 모델 안전성 검증에 이르기까지 AI 밸류체인 전반이 거대한 검증 국면에 진입했습니다.