▲ 전태수 기자

필자도 지금 유튜브와 다양한 SNS 플랫폼에 최적화된 AI 영상 자동제작 및 홍보 시스템을 개발하고 있다.

여기에 더해 클라우드 펀딩에서 분배 수익배분까지 하는 시스템을 만들고 있다. 

그리고 이걸 홍보하는 영상 콘텐츠 기획부터 영상 제작, 편집, 다국어 번역, 배포에 이르기까지 전 과정을 AI 배포 시스템을 하고, 그 확산력과 효율성을 극대화하는 프로젝트다. 

특히 프로젝트는 구글의 GCP, 아마존의 AWS 같은 해외 클라우드 서버에 의존하고 있어 환율과 사용료 부담까지 중첩된다. 몇번의 실패와 그리고 디지털자산화등을 위한 시스템 제작등 어려움이 많이 있다. 

데이터셋 사용료, API 접속 비용, 데이터 정제 인건비까지 더하면 단 한 번의 실험도 적자가 되고 버그 한번 잡는 데 6개월 이상 소요되기도 한다. 

즉, 자본 없이는 단 한 발짝도 나아갈 수 없다.

아무리 뛰어난 알고리즘과 기술, 아이디어가 있어도, 이를 ‘돌려볼 기회’가 없으면 무용지물이다.

아주 간단한 작업마저도 이렇게 자본이 투자 된다. 그리고 어렵게 1년 반을 버티고 있다. 

절박한 현실은 오늘날 한국의 수많은 AI 스타트업이 처한 상황과 다르지 않다. 서울 강남의 한 공유오피스에서 만난 AI 스타트업 대표는 조용히 고개를 저으며 이렇게 말했다.

“우리는 구글 못지않은 기술을 갖고 있습니다. 그런데 GPU를 한 달 더 못 돌려서 모델 성능이 떨어졌고, 투자자들은 그걸 보고 고개를 저었어요.” 말은 이어졌지만, 그의 목소리엔 깊은 좌절이 배어 있었다.

AI는 기술의 산업이 아니다. 실험의 산업이다. 지금 한국에서 AI 산업의 위기는 기술력의 부족이 아닌 자본의 결핍에서 비롯된다.

더 정확히 말하자면, ‘실험할 수 있는 자본’, 즉 ‘돌려볼 수 있는 돈’이 없는 것이다. AI는 실험 중심 산업이며, GPU 하나를 며칠만 돌려도 수백만 원이 깨진다. 데이터셋 사용료, API 접속 비용, 데이터 정제 인건비까지 더하면 단 한 번의 실험도 적자가 되기 십상이다.

그러나 AI 모델은 단 한 번의 실험으로 완성되지 않는다. 수십 번의 반복과 개선이 전제되어야 제대로 작동하는 알고리즘이 탄생한다. 즉, 실험 그 자체가 산업의 본질인데, 이 실험이 자본 없이는 불가능한 구조라는 것이다.

‘AI 스타트업의 6개월 생존 법칙’이라는 말이 있다.

한국은 창업 건수로만 보면 세계 5위권이지만, AI 스타트업의 1년 생존률은 25%에도 못 미친다. 단지 기업 수만 많을 뿐, 생존 가능한 생태계가 없다.

이 수치는 곧 ‘기회조차 주어지지 않는 산업 구조’를 반영한다. 정부는 스타트업에게 ‘성과’를 요구하고, 민간 투자자는 ‘시장 검증’을 원한다.

그러나 AI는 시장에서 검증되기 전, 우선 ‘실험할 기회’가 필요하다. 창업 이후 첫 실험 몇 번이 실패하면, 자금은 고갈되고 스타트업은 문을 닫는다. 실험이 단절되면 기술 발전도 멈춘다.

한 AI 창업자의 이야기는 한국 AI 생태계의 구조적 모순을 집약적으로 드러낸다.

“딥러닝 모델을 클라우드에 3일만 돌려도 500만 원이 깨지는데, 정부 지원금은 3천만 원이 전부예요. 여섯 번 실험하고 나면 문 닫아야죠.” 이 간극은 단순한 행정적 문제를 넘어, 국가 산업의 지속 가능성 자체를 위협한다. 기술이 없어서가 아니라, 기술을 증명할 기회조차 제공되지 않기 때문이다.

정부는 대기업과 스타트업의 ‘오픈이노베이션’을 장려한다. 하지만 현실에선 이 협업이 ‘기술 착취’로 이어진다.

“몇 년 간 우리가 쌓은 모델 구조를 설명하면, 대기업은 미소를 지으며 돌아가서 자기 개발자에게 그대로 시켜요.” 스타트업은 협력 대상이 아니라, 벤치마킹 대상일 뿐이다. 실증사업 계약은 ‘성과 미달’이라는 핑계로 해지되고, 그 뒤에는 대기업 명의로 똑같은 기술이 출시된다.

AI 산업에서 시간과 데이터는 자산이다.

대기업은 스타트업의 시간을 빼앗고, 그 자산만 가져간다.

정부는 규제샌드박스를 통해 혁신을 지원한다고 주장한다. 그러나 현실은 그 반대다. “AI 헬스케어 서비스로 규제샌드박스를 신청했는데, 심사에만 8개월 걸렸어요.

그 사이 창업팀은 해체됐죠.” 심사를 통과해도 ‘시범 허가’일 뿐이고, 본 사업을 하려면 다시 정식 인허가를 받아야 한다. 그 과정은 다시 1년이다. AI 산업은 ‘빠른 실패와 재도전’을 전제로 한다. 그런데 한국의 제도는 이들에게 ‘시간 사형선고’를 내리고 있는 셈이다.

해외는 다르다고 하는 데 

프랑스는 국가 데이터센터의 20%를 민간에 개방했고, 독일은 실험 실패율이 높을수록 보조금 등 대략 수년전부터 AI 활성화를 위해 나서고 있다. 

이들 국가는 실험 그 자체가 산업 성장의 동력이며, 실패는 자산임을 이해한다. 반면 한국은 AI 스타트업을 기술자가 아니라 ‘취업하지 않은 청년’ 취급한다.

그 인식의 차이가 결국 기술의 간극이 아닌, 자본의 간극을 만든다.

해법은 자본의 재설계에서 출발해야 한다. 단순한 현금 지원이 아닌, GPU 사용료, 클라우드 인프라 비용 등을 바우처로 지원해야 한다.

바우처는 통장에 머무르지 않고, 실험 그 자체를 가능하게 만든다. 동시에 실패를 처벌하지 말고 장려해야 한다. 반복된 실패는 데이터를 축적하고, 결국 성공의 토대가 된다.

실패가 자산이 되는 산업 구조가 필요하다.

또한 지금껏 활용되지 않은 공공 데이터를 민간이 실험 연료로 사용할 수 있도록 전면 개방해야 한다. 잘 정제된 데이터보다 ‘아직 쓰이지 않은 방치된 데이터’야말로 진짜 자본이다.

AI 산업은 단기 수익을 목표로 하지 않는다.

데이터를 모으고, 실패를 반복하고, 실험을 쌓아야 하는 산업이다. 그러려면 ‘돌려볼 수 있는 자본’이 필요하다. 지금 한국의 AI 스타트업은 기술의 결핍이 아니라, 자본의 부재로 소멸하고 있다.

기술은 충분하다.

문제는 자본이다.

그리고 자본이란 곧 ‘존재의 조건’이다.

이 조건이 마련되지 않는 한, 한국의 AI 산업은 세계와의 격차를 좁히지 못한 채, 한 뼘 한 뼘 뒤처지게 될 것이다.