“모든 지능을 아웃소싱할 수 없다”…젠슨 황이 말한 ‘지능 주권’

젠슨 황 엔비디아 최고경영자(CEO)가 각국 정부에 던진 메시지다. 인공지능(AI) 시대에는 물과 도로, 전기, 인터넷처럼 국가 경제를 움직이는 데 필요한 ‘지능 인프라’를 갖춰야 한다는 주장이다.

황 CEO는 9월 2일(현지시간) 미국 노스캐롤라이나주 채플힐에서 열린 주요 20개국(G20) 혁신장관회의에서 하워드 러트닉 미 상무장관과 대담했다. 젠승 황 CEO는 대담에서 AI의 경제적 효과를 소프트웨어, 설비 투자, 고용으로 이어 설명하는 데 집중됐다.

그는 “모든 국가는 자국 경제를 뒷받침할 수 있는 인프라를 구축해야 한다”며 “활용할 수 있는 것은 최대한 활용하되, 필요한 만큼은 직접 만들어야 한다”고 말했다.

이 발언의 핵심은 모든 AI를 자국에서 개발하라는 것이 아니다. 가장 뛰어난 글로벌 모델과 소프트웨어는 적극적으로 활용하되, 국가 경제의 작동을 결정하는 연산 능력과 데이터, 핵심 지능까지 전부 외부에 맡겨서는 안 된다는 뜻이다.

AI 주권을 오해하면 안된다. 젠슨 황이 말하는 AI 주권은 ‘국산화’보다 ‘지능 선택권’에 가깝다. 무엇을 외부에서 가져다 쓰고, 무엇을 자국 안에서 만들며, 어떤 지능만큼은 반드시 직접 통제할 것인지 결정할 수 있어야 한다는 것이다.

젠슨 황은 AI 인프라를 물이나 전기와 같은 국가가 확보해야 할 ‘디지털 지적 역량’이라고 표현했다. 연구자가 실험하고 스타트업이 제품을 만들며 기업이 생산 방식을 바꾸려면, 이 모든 활동을 지원할 연산 능력이 먼저 필요하기 때문이다.

대규모언어모델(LLM)에 도구 사용과 기억 기능을 결합하면 디지털 업무를 수행하는 AI 에이전트가 된다. 여기에 물리적인 기계를 제어하는 능력을 더하면 로봇으로 확장된다. AI가 정보 검색이나 문서 작성에 머무르지 않고 금융, 제조, 의료, 물류 등 현실 경제의 업무와 설비를 움직이기 시작한다는 의미다.

이 단계에 이르면 AI 인프라는 단순한 데이터센터가 아니다. 한 국가의 기업과 연구기관이 얼마나 빠르게 실험하고, 의사결정하고, 새로운 제품과 서비스를 만들어낼 수 있는지를 결정하는 생산 기반이 된다.

황 CEO는 올해 미국에서 반도체 생산시설과 컴퓨터 조립공장, 데이터센터와 AI 팩토리 등에 거의 1조 달러 규모의 인프라 투자가 이뤄질 것으로 내다봤다. 이 과정에서 건설 노동자와 전기 기술자, 기계·전력 엔지니어, 반도체 기술자, 데이터센터 운영 인력 등 수십만 개의 일자리가 만들어지고 있다는 설명이다.

AI는 일자리를 일부 없앨 수는 있지만 새로운 산업 기반과 고용을 만들어내는 대규모 설비투자라는 주장이다.

젠슨 황의 논리는 국가에만 해당하지 않는다. 기업도 모든 지능을 외부 AI에 맡길 수 없기 때문이다.

기업이 사용하는 이메일 작성, 회의 요약, 번역, 일반적인 고객 응대와 같은 범용 업무는 외부 AI 서비스를 활용하는 편이 빠르고 경제적이다. 이미 잘 만들어진 기술을 다시 개발할 이유는 없다.

그러나 기업의 경쟁력을 결정하는 영역은 다르다.

제조기업의 공정 조건과 불량 판정 기준, 금융회사의 신용평가 및 위험관리 방식, 항공사의 운항 회복과 정비 노하우, 병원의 진료 프로토콜과 환자 운영 체계는 일반적인 업무 데이터가 아니다. 오랜 시간 축적한 기업 고유의 경험이자 경쟁사가 쉽게 구매할 수 없는 지식재산이다.

이러한 핵심 지능까지 외부 모델과 플랫폼에 전적으로 의존하면 기업은 '데이터 통제권'을 잃게 된다. 이 것도 외부 솔루션에 맡기면 어떤 정보가 어디로 이동하고 학습과 추론에 어떻게 사용되는지 파악하기 어려워진다. 또 기업의 중요한 판단이 외부 모델의 작동 방식과 가격정책, 서비스 조건에 종속될 수 있다.

국가가 자국 경제를 움직일 핵심 지능을 모두 외부에 맡겨서는 안 되는 것처럼, 기업도 경쟁력을 만드는 판단 능력까지 빌려 써서는 안 된다.

젠슨 황은 AI 산업을 '5단 케이크(다섯 개 층)'로 설명하고 있다.

에너지에서 시작해 반도체, 인프라, 모델을 거쳐 최종 응용서비스로 이어지는 구조다. 가장 아래의 에너지가 연산을 가능하게 하고, 가장 위의 응용서비스가 실제 경제적 가치를 만들어낸다. 각 층은 독립돼 있지 않다. AI 서비스가 확산될수록 더 많은 모델과 인프라, 반도체와 전력이 필요해진다.

그는 지난 3월 자신이 쓴 ‘AI는 5단 케이크’에서 “모든 기업이 AI를 사용할 것이고, 모든 국가는 AI를 구축할 것”이라고 밝혔다.

그렇다고 모든 국가와 기업이 다섯 영역을 전부 직접 개발해야 한다는 의미는 아니다. 중요한 것은 자신이 어느 층에서 경쟁하고, 어느 기술을 외부에서 활용하며, 어떤 역량만큼은 직접 보유할 것인지를 선택하는 일이다.

기업도 마찬가지다. 모든 AI 기술을 내부에서 만들 필요는 없다. 다만 자사의 경쟁력이 어느 층에서 만들어지는지 알아야 한다. 외부 모델을 사용하더라도 핵심 데이터와 업무 흐름, 고객과 만나는 응용서비스를 직접 통제한다면 지능주권을 확보할 수 있다.

결국 지능주권은 모든 것을 소유하는 능력이 아니다. 무엇을 빌리고, 무엇을 만들며, 무엇만큼은 반드시 통제할지를 선택할 수 있는 능력이다.

젠슨 황이 각국에 제시한 또 하나의 공통 과제는 AI의 산업 확산이다. 그는 교육과 의료, 제조, 과학을 거론하며 각국이 산업 현장의 AI 도입을 촉진해야 한다고 강조했다. 공급 측면에서 어떤 AI 역량을 확보할지뿐 아니라, 수요 측면에서 어떤 업무를 AI로 바꿀지도 함께 결정해야 한다는 의미다.

황 CEO는 최근 AI가 유용해진 배경으로 모델 자체의 발전과 함께 모델 주변에 구축된 실행 환경을 들었다. 그는 이를 ‘에이전트 하네스(Agent Harness)’라고 표현했다.

에이전트 하네스는 AI가 필요한 지식을 검색하고, 업무 맥락을 기억하며, 각종 도구와 다른 시스템을 사용해 일을 완수하도록 지원하는 소프트웨어 환경이다. 모델이 질문에 답하는 데 그치지 않고 실제 업무를 수행하도록 만드는 장치인 셈이다.

황 CEO는 에이전트가 사용하는 디지털 도구의 예로 스프레드시트와 프레젠테이션 프로그램, 웹브라우저를 들었다. 지금까지는 AI가 답을 생성하면 사람이 그 내용을 복사해 다른 프로그램으로 옮겨야 했다. 에이전트는 필요한 프로그램을 직접 열고 정보를 찾으며 문서를 만들고 다음 단계로 업무를 넘긴다.

AI 도입의 단위가 ‘답변’에서 ‘완료된 업무’로 바뀌는 것이다.

이 구조는 물리적 세계로도 이어진다.

황 CEO는 에이전트가 디지털 도구가 아니라 기계를 다루면 로봇이 된다고 설명했다. 바퀴 달린 기계를 제어하면 자율주행차가 되고, 물체를 집어 옮기는 장치를 움직이면 제조용 로봇팔이 된다. 물류 배송 차량과 수술 로봇, AI가 실험을 설계하고 수행하는 자율 신약 연구실도 같은 구조에 포함된다.

이 설명은 국가와 기업이 AI 인프라를 어디에 활용해야 하는지도 보여준다. 젠슨 황이 상정한 AI 수요는 검색과 인터넷 서비스에 머물지 않는다. 제조와 물류, 의료와 연구, 기업의 일상적인 의사결정까지 모두 AI가 작동할 영역으로 들어간다.

각 산업이 자신의 데이터와 업무 방식에 맞는 에이전트를 만들고 안전하게 실행하려면 충분한 연산 자원뿐 아니라 데이터 연결, 권한관리, 업무 시스템과의 통합이 필요하다.

국가의 과제가 연구와 산업이 사용할 공통 기반을 구축하는 것이라면, 기업의 과제는 그 기반 위에 자사의 경험과 판단을 축적하는 것이다. 인프라만 외부에 있는 것은 문제가 아닐 수 있다. 그러나 그 위에서 생산되는 핵심 지능과 업무 경험까지 외부의 소유가 된다면 기업은 AI를 도입하고도 경쟁력을 남기지 못한다.

젠슨 황은 미국의 AI 인프라 확장을 설명하면서 올해 미국 인프라에 약 1조 달러, 원화로 약 1350조원이 투자될 것으로 전망했다.

젠슨 황은 이 투자 흐름이 막대한 경제 성장과 일자리 창출로 이어지고 있다고 평가했다. 그가 구체적으로 언급한 현장은 반도체 팹(Fab), 컴퓨터 제조공장, AI 팩토리(AI Factory)다. 팹은 반도체를 생산하는 시설이다. AI 팩토리는 대규모 연산 설비를 갖추고 AI를 학습시키거나 실행하는 시설을 가리킨다.

그는 이들 분야에서 만들어지는 일자리가 수십만 개에 이른다고 말했다. AI의 경제적 효과를 설명할 때 설비를 세우고 운영하는 과정의 노동 수요를 전면에 내세운 것이다. AI 서비스를 개발하는 인력에 더해 제조와 건설, 설비 운영에 필요한 사람들을 함께 보는 관점이다.

젠슨 황은 미국이 대규모 인프라를 구축할 수 있었던 배경으로 에너지 산업의 성장을 지원하는 정책과 추진 속도, 규제 환경을 꼽았다.

젠슨 황의 고용 전망에는 두 가지 설명이 담겼다. 하나는 인프라를 건설하면서 생기는 노동 수요다. 다른 하나는 AI를 도입한 기업 내부에서 사람이 수행하는 업무가 달라지는 과정이다. 그는 타이핑과 같은 개별 과업의 자동화와, 직업이 수행하는 목적을 구분했다.

젠슨 황은 사람이 맡은 일에는 목적과 맥락, 의미가 있다고 설명했다.

그 일을 수행하는 데 필요한 타이핑이나 말하기 같은 개별 기술과 작업은 AI로 자동화되더라도, 기업이 달성하려는 목적은 계속 남는다는 주장이다.

젠슨 황은 이런 변화를 슈퍼차지(Supercharge), 즉 사람의 역량이 크게 증폭되는 과정으로 표현했다. 사람이 목적과 방향을 정하고 AI의 실행 능력을 활용하면서 더 많은 일을 수행하게 된다는 전망이다.

그의 논리는 업무를 분석하는 단위에서 출발한다. 한 직무를 통째로 놓고 자동화 여부를 묻는 방식보다, 그 직무가 어떤 결과를 만들어야 하는지와 이를 위해 어떤 과업을 수행하는지 나누어 본다. AI가 처리할 작업을 정한 뒤에는 사람이 집중할 판단과 조정 업무를 다시 설계하게 된다.

이를 적용할 기업에는 업무 정의가 선행 과제가 된다. 문서를 작성하는 작업만 보더라도 최종 목적이 고객에게 제안하는 것인지, 내부 의사결정을 돕는 것인지에 따라 필요한 정보와 판단 기준이 달라진다. 이런 목적을 AI가 수행할 과업과 연결하는 과정이 조직의 몫이다.

젠슨 황은 모든 일자리가 사라진다는 전망에 강하게 반대했다. 그는 "엔비디아가 회사 전반에서 AI를 사용하고 있다"며 자신의 설명을 뒷받침했다. 그의 고용 낙관론은 기업이 더 많은 일을 수행하게 된다는 생산성 전망과, 그 수요를 지원할 인프라 투자가 확대된다는 전망을 함께 담고 있다.

젠슨 황은 향후 몇 년 안에 범용인공지능(AGI)에 도달할 것으로 전망했다. 폭넓은 지적 과업을 수행하는 AI를 가리키는 표현이다. 그는 자신의 판단으로는 이미 사실상 그 수준에 가까이 와 있다고 말했다. 이어 이런 기술적 진전이 기업에 어떤 이익을 가져오는지 구체적으로 따져봐야 한다고 강조했다.

젠슨 황은 AI 도입을 뛰어난 인재의 채용에 비유했다.

매사추세츠공과대학(MIT) 박사 출신의 뛰어난 인재가 입사해도 회사의 맥락을 이해하고 업무 목적을 익히도록 지원하는 과정이 필요하다고 말했다. 이른바 온보딩(Onboarding), 즉 새 구성원이 조직과 업무에 적응하도록 돕는 과정이다.

AI에도 온보딩이 필요하다. 젠슨 황은 모델의 성능이 발전한 뒤에도 기업이 업무 환경을 만드는 데 많은 노력을 기울이게 될 것으로 봤다. AI가 생산적인 일을 하도록 목적과 관련 정보, 필요한 접근 수단을 갖춘 환경이 필요하다는 설명이다. 그는 이런 환경을 만드는 일이 기업과 리더가 하는 일이라고 강조했다.

이 설명은 에이전트 하네스와도 연결된다. 모델에 도구를 붙인다고 해서 어느 부서의 정보를 읽고 어떤 절차로 일을 마칠지가 저절로 정해지지는 않는다. 업무의 목적을 정하고 적절한 자료와 도구를 연결하는 과정이 필요하다. AI가 작업할 환경을 만드는 과정에서 기업이 보유한 지식이 구체적인 운영 방식으로 바뀐다.

젠슨 황은 엔비디아에서 외부 기업의 AI와 자체 개발 AI를 함께 활용한다고 설명했다. 그는 앤트로픽(Anthropic), 오픈AI(OpenAI), 커서(Cursor)의 제품을 언급했다. 쓸 수 있는 기성 제품을 활용하면서 회사가 필요로 하는 지능은 직접 만드는 접근을 권했다.

젠슨 황은 국가와 기업 모두 자신의 지적 역량을 구축하는 데 투자할 것을 권했다. 이 권고에는 이미 있는 AI를 폭넓게 활용하라는 주문도 함께 담겼다. 외부 기술을 채택하는 속도와 내부의 지식·업무를 AI에 연결하는 능력을 함께 높이라는 제안이다.

국가와 기업이 자체 AI 역량을 구축하는 흐름은 엔비디아의 매출에도 나타난다. 회사는 AI 네오클라우드·산업·기업 부문(ACIE)으로 이들 고객의 실적을 묶어 공개한다. AI 연산에 특화된 클라우드 사업자와 산업 현장, 일반 기업의 수요를 함께 담는 분류다.

엔비디아의 2027회계연도 2분기 보고서에 따르면, 2026년 7월 26일 마감 분기의 이 고객군 매출은 약 403억달러(약 54.4조원)였다. 전년 동기보다 138% 증가했고, 전체 데이터센터 매출의 약 45%를 차지했다. 전통적인 하이프스케일러들의 비율(55%)를 거의 다 따라잡았다.

기업과 네오클라우드, 소버린 AI에게 AI 팩토리 전체를 구성할 플랫폼을 팔고 있다. 그리고 그들의 성장이 하이퍼스케일러의 성장과 맞먹고 있다는 뜻이다.

지금까지 기업의 AI 도입은 어떤 모델을 선택하고 몇 개의 계정을 배포할 것인지에 집중됐다. 그러나 AI가 실제 업무를 수행하는 에이전트로 발전하면 질문도 달라져야 한다.

기업의 AI 전략은 모든 것을 직접 개발하거나 모두 외부에서 구매하는 양자택일이 아니다. 업무의 성격에 따라 세 가지로 나눌 필요가 있다.

범용 업무는 가장 좋은 외부 AI를 구매해 사용한다. 산업 특화 업무는 기술기업이나 전문 파트너와 공동으로 개발한다. 회사의 경쟁력을 결정하는 데이터와 알고리즘, 판단 방식은 직접 소유하고 통제한다.

예를 들어 항공사는 일반적인 고객 문의에는 외부 AI를 활용할 수 있다. 하지만 기상과 항공기, 승무원, 정비, 게이트, 환승객 데이터를 종합해 운항을 회복하는 지능은 항공사의 핵심 경쟁력이다.

금융회사도 문서 요약과 일반 회계에는 외부 서비스를 이용할 수 있다. 그러나 신용평가와 자산배분, 위험 계산, 알고리즘 트레이딩 전략은 내부에 남겨야 한다.

제조기업 역시 사무업무는 범용 AI에 맡길 수 있지만, 공정 노하우와 설계 데이터, 품질 판정, 공급망 운영 방식은 기업 고유의 지능으로 축적해야 한다.

이 판단을 IT 부서에만 맡길 수는 없다. 무엇이 회사의 핵심 지식재산이고 어떤 판단 능력이 미래의 경쟁력을 결정하는지 규정하는 일은 CEO와 이사회의 역할이기 때문이다.

AI 주권은 모든 것을 직접 만드는 폐쇄 전략이 아니다. 외부의 혁신을 활용하면서도 기업의 핵심 지능이 어디에 축적되고 누구의 통제를 받는지 결정할 수 있는 능력이다.

중요한 것은 AI 모델의 국적이 아니다. 기업이 필요할 때 모델과 인프라를 바꿀 수 있는지, 자사의 데이터와 업무 기록을 회수할 수 있는지, 핵심 의사결정 구조를 스스로 통제할 수 있는지가 더 중요하다.

국가에는 자국 경제를 지탱할 AI 인프라가 필요하다. 기업에는 자신의 경쟁력을 지탱할 데이터와 판단 체계가 필요하다. 앞으로 국가와 기업의 AI 격차는 가장 좋은 모델을 먼저 도입했는지가 아니라, 무엇을 활용하고 무엇을 직접 소유할지 얼마나 정확하게 결정했는가에서 벌어질 가능성이 크다.

무엇을 외부 AI에 맡기고 무엇을 직접 소유해야 할까요?
지능주권은 기술의 문제가 아니라 경영진이 내려야 할 결정입니다.
더밀크 ‘AI 아젠다 2027’은 우리 조직이 결정해야 할 7가지 AI 아젠다를 다룹니다.

AI 아젠다 2027 자세히 보기