가중치를 내려받을 수 있다는 사실만으로 AI를 자유롭게 소유하고 사용할 수 있는 것은 아니라고 말한다. 가중치·코드·데이터·라이선스의 공개 범위를 구분하고, 비용·보안·규제·저작권·특허·공급망까지 살펴 모델 도입의 조건을 읽는 법을 제시한다. 핵심은 공개된 AI를 고르는 것이 아니라 어떤 조건으로 확보하고 통제할 것인가다. AI문고. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

오픈웨이트의 핵심은 공개 여부가 아니라 무엇이 어떤 조건으로 열려 있는가다

AI 모델의 가중치를 내려받아 내 서버에서 직접 구동할 수 있다면 그 AI는 내 것일까. 오픈웨이트는 가중치를 공개하지만 학습 코드와 데이터, 이용 조건까지 모두 공개한다는 뜻은 아니다. 따라서 ‘오픈 모델인가’보다 무엇이 공개되었고 무엇은 닫혀 있으며, 어떤 라이선스로 어디까지 사용할 수 있는지를 구분해야 한다. 이 책은 API 이용과 자체 운영의 차이에서 시작해 가중치·학습 코드·학습 데이터·라이선스라는 개방의 네 층을 살피고, 무료와 자유를 가르는 라이선스, 자체 구축의 총소유비용, 데이터 주권과 규제, 보안과 저작권, 특허와 공급망까지 연결해 본다. 공개 모델은 비용을 줄이는 수단이면서 개발자 생태계와 기술 표준을 선점하는 산업 전략이기도 하다. 그래서 모델 선택은 기술 문제만이 아니라 계약·법무·보안·정책의 문제다. 특정 모델의 현재 조건을 외우게 하기보다 새로운 모델과 규제, 판결이 등장했을 때 무엇을 다시 확인해야 하는지 판단 기준을 제시한다. AI 주권은 모델을 내려받는 순간이 아니라 소유와 통제의 조건을 함께 설계할 때 비로소 시작된다.

이 세 가지 변화가 실제로 무엇을 바꾸었는지는 임차와 소유를 나란히 놓을 때 분명해진다. 이용 방식부터 갈린다. 임차는 외부 서버에 올라 있는 모델을 호출하는 방식이고 소유는 가중치를 내려받아 자체 서버에서 구동하는 방식이다. 비용의 구조는 서로 반대다. (…) 조정할 수 있는 범위 역시 다르다. 임차한 모델은 고칠 수 없거나 제한적으로만 조정할 수 있지만 소유한 모델은 미세조정(fine-tuning) 같은 직접 수정이 가능하다. 그 대신 장애 대응과 보안과 성능 관리의 운영 책임이 공급자에게서 도입 조직으로 넘어오고, 종속의 성격도 공급자의 가격·정책에 대한 종속에서 라이선스 조건에 대한 구속으로 바뀐다. 이렇게 비교해 보면 소유 방식은 공급자에 대한 의존을 줄이는 대신 운영 책임을 조직 안으로 가져온다. 따라서 자체 운영 역량이 부족하면 소유의 장점을 충분히 얻기 어렵다.

－01_“모델 임차에서 모델 소유로” 중에서

조항을 읽기 전에 정할 것이 하나 있다. 이 모델로 어디까지 사용할 것인지를 정하는 것이다. 같은 오픈웨이트라도 조직 내부에서 추론만 하는 것, 검색 증강(RAG)으로 외부 문서를 붙이는 것, 자기 데이터로 미세조정하는 것, 그 모델을 유료 서비스의 엔진으로 쓰는 것, 가중치를 제품에 담아 고객에게 넘기는 것은 서로 다른 행위다. 내부 사용에서는 라이선스·데이터·보안이 중심이지만 외부 서비스나 재배포까지 가면 상업 조건과 표기 의무, 계승과 특허까지 확인해야 할 항목이 늘어난다. 출력물이 텍스트·이미지인지, 도구 호출인지, 로봇의 동작 명령인지도 함께 특정해야 한다. 어디까지 사용할 것인지를 먼저 정해야 어느 조항이 우리에게 적용되는지 보인다.

－03_“무료와 자유의 간극” 중에서

이 관점에서 공개 모델을 안전하게 운영하기 위한 방어 원칙은 세 가지로 정리된다. 첫째, AI 모델을 신뢰하지 않는 전제에서 설계한다. 모델이 무엇을 답하든 실행 단계에서 걸러진다는 보장을 모델 내부가 아니라 바깥의 하네스에서 확보하는 것이다. AI 모델이 접근할 수 있는 데이터와 권한은 업무에 필요한 최소로 제한한다. 5장에서 세운 민감도 네 단계 분류를 권한 설계에 그대로 적용하면 모델의 내부 안전장치가 우회되더라도 노출되는 범위가 처음부터 좁아진다. 둘째, 공격자의 눈으로 계속 시험한다. 가중치가 공개되어 있다는 조건은 방어자에게도 기회다. 내부 상태를 정밀하게 들여다볼 수 있는 이점을 살려 레드티밍을 상시화하고 적대적 공격이나 데이터 중독(data poisoning) 같은 위협을 도입 전 한 번이 아니라 운영 내내 검증한다.

－06_“배포 이후의 통제력” 중에서

소버린 AI를 국산 모델 개발만의 문제로 볼 필요는 없다. 국가가 국산 파운데이션 모델을 만드는 것만으로 국내 공공기관과 기업의 AI 주권이 확보되는가. 저자의 생각은 아니라는 쪽이다. 해외 오픈웨이트를 쓰더라도 그 조건을 이해하고 자기 데이터를 통제하며 법적 위험을 판단하고 필요할 때 다른 모델로 전환할 수 있는 능력까지가 주권의 내용이다. 따라서 국산 모델 개발뿐 아니라 국내 기업과 공공기관이 여러 모델을 비교·계약·교체할 수 있도록 지원하는 시장 기반도 함께 구축해야 한다.

－09_“개방의 지정학” 중에서

개방이라는 전략

01 모델 임차에서 모델 소유로

02 개방의 네 층 구조

03 무료와 자유의 간극

04 소유의 총비용

05 데이터 주권과 규제

06 배포 이후의 통제력

07 가중치와 저작권

08 특허 동맹과 표준

09 개방의 지정학

10 도입 전략과 전망