지난주 한 공공기관 자문 자리에서 나온 한 마디가 며칠째 머릿속에서 맴돌고 있다.
“업무 결재를 모바일에서 AI로 처리하라고 합니다. 이게 그냥 챗봇 도입 수준이 아닌 것 같은데, 우리는 뭘 준비해야 하나요?” 담당 사무관이 던진 질문이었다. 답을 하기 전에 잠깐 머뭇거렸다. 평소 같으면 “데이터 정리부터 시작하시고, 그다음에 RAG 파이프라인을…” 같은 표준 답변을 내놓겠지만, 지금 정부가 그리는 그림은 그 차원을 한참 넘어선다는 게 보였기 때문이다.
이번 주 쏟아진 공공 AI 관련 뉴스들을 한 줄로 묶어 보면 답이 더 분명해진다. 재경부가 ‘AI-원’ 플랫폼을 통해 AI 전환에 따른 업무 효율성 제고와 지능형 업무 환경 조성을 추진한다고 발표했고, 행정안전부의 ‘온AI’ 모바일 서비스가 청사 외부 문서 공유와 회의 요약, 개인키 암호화까지 보안을 강화해 연말까지 40개 기관으로 확대된다. 이 ‘온AI’ 플랫폼의 공식 협업 솔루션으로 네이버클라우드와 삼성SDS의 업무 협업 툴이 선정됐다. 인사혁신처는 18억 규모로 ‘AI 에이전트 심사·심의·검토 시스템’ 사업을 발주했는데, 여러 기관이 공동으로 활용할 수 있는 표준 AI 에이전트 기반의 심사·심의·검토 업무 지원 시스템을 개발한다는 내용이다.
여기에 결정적인 한 줄이 따라붙었다. 위크픽 클라우드를 통해 외산 기술 종속을 방지하고 시장을 선점하기 위해 피지컬 AI, AI 에이전트 간 연동, GPU 연동 및 최적화, AI-Ready 데이터 등 10개 핵심 분야의 표준 개발을 집중 지원한다는 발표다. 외산 종속 방지, 시장 선점, 표준 공동 개발. 이 세 단어가 같은 문장에 나란히 들어갔다는 것이 갖는 무게를 정확히 읽을 필요가 있다. 이건 단순히 정부가 AI를 도입한다는 수준이 아니라, 한국 산업 전체의 AI 인프라를 어떻게 짤지의 표준을 정부가 직접 그리겠다는 선언이다.
그리드원 GO;DO로 보는 한국형 에이전틱 자동화 글에서 한국형 자율 엔터프라이즈 모델이 민간에서 어떻게 그려지는지 분석했고, 팔란티어 파운드리와 온톨로지 글에서 그 글로벌 원형이 어떻게 작동하는지 다뤘다. 오늘 글은 그 두 글이 공통적으로 가리켰던 좌표가 한국 공공 영역에서 어떻게 자리잡고 있는지를 분석하는 자리다. 정부가 깔고 있는 이 ‘AI 운영체제’의 구조가 무엇이고, 왜 외산 종속 방지가 핵심 키워드로 등장했으며, 이 흐름이 한국 산업 전체에 던지는 의미가 무엇인지를 풀어본다.
‘AI-원’과 ‘온AI’, 정부가 그리는 두 개의 운영체제
먼저 ‘재경부 AI-원’과 ‘행안부 온AI’라는 두 플랫폼의 위치를 정확히 짚자. 표면적으로는 비슷해 보일 수 있는데, 자세히 들여다보면 역할이 다르다.
재경부 AI-원은 기반 문서관리, 데이터 학습·처리, 생성형 AI 서비스 개발 환경을 하나로 연결하는 플랫폼이다. 한 마디로 정부 부처에서 AI 서비스를 만들고 운영하기 위한 개발 인프라다. 부총리 직속으로 AI 에이전트 발굴 해커톤까지 추진하는 것을 보면, 단순한 시스템 도입이 아니라 정부 차원에서 AI 개발 역량을 내재화하겠다는 의지가 분명히 깔려 있다.
행안부 온AI는 결이 다르다. 청사 외부에서 모바일로 문서 공유, 회의 요약, 업무 결재까지 처리하는 실무 플랫폼이다. 개인키 암호화 같은 보안 강화 요소가 함께 들어가 있고, 네이버클라우드와 삼성SDS의 업무 협업 툴이 공식 솔루션으로 합류했다. AI-원이 개발자와 시스템 담당자를 위한 ‘운영체제’ 같은 자리라면, 온AI는 실제 공무원이 쓰는 ‘응용 앱’ 자리다.
이 두 플랫폼의 결합 방식이 흥미롭다. 일반적인 정부 IT 사업의 패턴은 부처별로 따로 시스템을 발주하고, 각 부처가 자기 데이터와 자기 워크플로 안에서 폐쇄적으로 운영하는 식이었다. 그래서 부처 간 데이터가 흐르지 않고, 한 부처에서 잘 만든 시스템이 다른 부처에서 재사용되지 않는 구조 문제가 누적됐다. ‘AI-원’과 ‘온AI’의 그림은 이 패턴을 정면으로 깬다. 개발 환경은 AI-원으로 통합하고, 운영 도구는 온AI로 표준화하면서, 부처들이 같은 운영체제 위에서 각자의 앱을 올리는 구조로 가겠다는 것이다.
이게 무엇을 의미하느냐. 한국 정부 IT 인프라가 처음으로 ‘플랫폼 사고’로 옮겨가고 있다는 신호다. 한 워크플로씩 따로 만드는 방식이 아니라, 운영체제 위에 앱을 올리는 방식. 이 발상 전환이 그리드원·포스코DX·팔란티어 같은 민간 영역의 흐름과 정확히 같은 좌표를 향한다. 다만 한국 정부가 이 좌표를 자기 방식으로, 자기 표준으로 그리고 있다는 점이 결정적 차이다.
인사혁신처 18억 사업, ‘표준 AI 에이전트’라는 결정적 키워드
이 흐름을 가장 또렷하게 보여주는 발주가 인사혁신처의 18억 규모 사업이다. 4일 조달청 나라장터에 따르면 이 사업은 여러 기관이 공동으로 활용할 수 있는 표준 AI 에이전트 기반의 심사·심의·검토 업무 지원 시스템을 개발하기 위해 추진됐다. 현재 중앙행정기관과 지방자치단체가 각각 다르게 처리하고 있는 심사·심의·검토 업무를 표준 AI 에이전트로 통합하겠다는 발상이다.
이 발주가 던지는 메시지의 무게를 정확히 읽어야 한다. 첫째, ‘표준 AI 에이전트’라는 표현이 정부 발주 문서에 등장했다는 점. 작년까지만 해도 정부 사업에서 ‘챗봇’이나 ‘생성형 AI’ 같은 용어가 일반적이었는데, 올해는 ‘AI 에이전트’가 표준 용어로 자리잡았다. 그것도 ‘표준’이라는 수식어와 함께. 이는 정부가 AI 에이전트를 개별 기관의 도구가 아니라 공통 인프라로 인식하기 시작했다는 결정적 신호다.
둘째, ‘심사·심의·검토’ 업무에 들어간다는 점. 이 세 가지는 공공 행정의 가장 핵심적이고 가장 까다로운 업무 영역이다. 인허가 심사, 위원회 심의, 보고서 검토 같은 작업들. 단순 반복 업무가 아니라 판단과 결정이 들어가는 영역이다. 이 영역에 AI 에이전트가 들어간다는 건, 정부가 AI를 단순 보조 도구가 아니라 의사결정 파트너로 위치시키려 하고 있다는 뜻이다. GraphRAG와 판단 AI 글에서 다뤘던 ‘Decisive AI’의 자리가 정확히 여기다.
셋째, ‘여러 기관 공동 활용’이라는 발상. 한 부처가 만든 시스템이 다른 부처와 지자체에서 그대로 재사용된다는 것은 한국 정부 IT 사업 역사상 매우 새로운 그림이다. 그동안 비슷한 업무를 위해 부처마다 따로 발주하고, 비슷한 시스템을 따로 구축해 온 비효율이 누적되어 있었다. 표준 AI 에이전트가 이 비효율을 깰 수 있다는 발상이 자리잡고 있다.
실무자 관점에서 한 가지 짚으면, ‘표준 AI 에이전트’라는 개념이 실제로 작동하려면 그 아래 깔린 데이터 표준화가 함께 가야 한다. 심사 대상 문서, 심의 절차, 검토 기준이 기관마다 다르면 표준 에이전트는 작동하지 않는다. 그래서 이 사업의 진짜 어려움은 AI 에이전트 자체가 아니라 그 위에서 다룰 데이터의 표준화다. 18억이라는 예산이 결코 작지 않은 이유, 그리고 이 사업이 1차 시도로 끝나지 않을 이유가 여기 있다.
위크픽 클라우드와 ‘외산 종속 방지’, AI 인프라의 산업 정책화
이번 주 가장 무게 있는 신호 중 하나가 위크픽 클라우드 발표였다. 외산 기술 종속을 방지하고 시장을 선점하기 위해 피지컬 AI, AI 에이전트 간 연동, GPU 연동 및 최적화, AI-Ready 데이터 등 10개 핵심 분야의 표준 개발을 집중 지원한다는 내용이다. 민간 생태계 기반 강화를 위해 AI 안전·신뢰성 영역까지 함께 다뤄진다.
이 발표가 갖는 의미를 두 단계로 풀자. 첫째 단계의 메시지는 ‘한국형 표준’을 만들겠다는 의지다. AI 에이전트 간 연동 표준, GPU 활용 최적화 표준, AI-Ready 데이터 표준. 이런 표준은 그동안 글로벌 빅테크가 사실상 만들어왔다. 모델 API 형식, 클라우드 인프라, 데이터 레이크 표준까지 미국 기업들이 정의한 규칙 위에서 한국 기업들이 따라가는 구조였다. 이번 발표는 그 구조를 뒤집어 한국 공공이 표준을 직접 깔겠다는 의지다.
둘째 단계의 메시지는 더 무겁다. AI 인프라가 산업 정책의 영역으로 들어왔다는 것이다. 그동안 AI는 기술 영역이었고, 정부는 R&D 자금을 지원하는 정도의 역할을 했다. 그런데 표준 개발을 정부가 주도하고, 외산 종속 방지를 명시적 목표로 내걸고, 민간 생태계와 연계해서 가져간다는 건 AI 산업 정책의 본격화다. 반도체나 배터리 산업에서 우리가 봤던 패턴이 AI 인프라에 적용되기 시작한 셈이다.
10개 핵심 분야 중 ‘AI-Ready 데이터’가 들어 있다는 것도 의미가 깊다. AI-Ready 데이터는 AI가 바로 학습하고 추론할 수 있게 정제·구조화된 데이터를 뜻한다. 한국 기업과 공공기관이 보유한 데이터 대부분은 아직 AI-Ready 상태가 아니다. HWP, 스캔 PDF, 손글씨 메모, 비표준 엑셀 표가 뒤섞여 있다. 이 상태에서 아무리 좋은 LLM을 사 와도 효과가 제한적이다. 그래서 AI-Ready 데이터 표준화가 들어간 것이다. 데이터를 어떻게 정제하고, 어떤 메타데이터를 붙이고, 어떤 형식으로 저장해야 AI가 잘 활용할 수 있는지를 표준으로 정의하겠다는 것. 이건 팔란티어의 온톨로지 발상이 한국 표준으로 변형되어 들어오는 과정이기도 하다.
박준성 칼럼이 짚은 ‘AI 에이전트 성공의 핵심 조건’
같은 주에 흥미로운 칼럼 하나가 함께 등장했다. AI 에이전트 성공의 핵심 조건을 다룬 박준성 SW 칼럼이었는데, 첫 번째 조건으로 ‘구조적·비구조적 데이터, 특히 자연어·멀티미디어 데이터를 포함한 다양한 소스(문서, ERP, CRM)’와의 연계를 지목했다. 즉 AI 에이전트가 작동하려면 회사 안의 모든 데이터 소스에 접근할 수 있어야 하고, 그 데이터들이 서로 연결되어 있어야 한다는 것이다.
이 조건이 정부 공공 AX 흐름과 정확히 맞물린다. AI-원 플랫폼이 문서관리와 데이터 학습·처리를 통합하려는 이유, 온AI가 모바일 결재까지 확장하는 이유, 인사혁신처가 표준 AI 에이전트를 발주하는 이유. 이 모든 시도의 공통 전제가 바로 ‘데이터의 통합과 연결’이다. 한 부처 안에서, 그리고 부처 사이에서 데이터가 끊김 없이 흐를 수 있어야 AI 에이전트가 의미 있는 작업을 할 수 있다.
같은 칼럼이 짚은 또 다른 흥미로운 사례가 한국딥러닝의 금융 AI 분석이었다. “금융 AI 실체는 데이터 저장(DX)이 아니라 인지적” 시스템이라는 진단. 영문 벤치마크에서 증명된 구조적 이해 능력이 한국어 비정형 문서 처리에서도 높은 정합성을 보장한다는 분석. 이게 무엇을 말하는가. 단순히 데이터를 저장하고 검색하는 차원에서는 더 이상 경쟁력이 안 나오고, 데이터를 이해하고 추론하는 인지 단계로 올라가야 한다는 메시지다.
이 진단은 GraphRAG와 Hybrid RAG 글에서 다뤘던 핵심 결론과 같은 좌표를 향한다. 벡터 검색만으로는 부족하고, 데이터 사이의 관계를 그래프로 모델링한 위에서 작동하는 RAG로 진화해야 한다는 것. 한국 정부의 ‘AI-Ready 데이터 표준’이 단순히 데이터 형식 표준이 아니라, 그 위에서 인지적 추론이 가능한 구조까지 포함해서 정의되어야 한다는 점이 점점 분명해지고 있다.
도메인 특화 사례들, 가스공사·경찰·차바이오텍이 보여주는 그림
같은 주에 도메인별 특화 AI 에이전트 사례들도 함께 등장했다. 가스공사가 AI 플랜트 ‘바람’을 LNG 생산기지에 도입해서 다른 공공기관들이 챗봇·사내 문서 검색·단순 반복 행정업무 같은 소프트웨어적 보조 수단에 머물러 있는 것과 차별화된 길을 보여줬다. 국가 핵심 기반 시설인 거대한 LNG 생산기지의 현장에 AI를 직접 투입하는 사례다. 경찰은 KICS-AI를 통해 신종 마약 사건 조서 작성, 영장 신청서 초안, 유사 사건 추천 같은 복잡한 수사 업무를 지원한다고 발표했다. 차바이오텍은 난임 특화 AI 솔루션과 에이전트 개발을 추진하면서, 환자별 연령·호르몬 상태·난소 기능·배아 상태·과거 치료 이력까지 종합적으로 고려하는 의료 현장 전문성과 데이터 기반 서비스를 결합했다.
이 세 사례가 보여주는 공통점이 있다. 단순 챗봇이 아니라 도메인 깊숙이 들어가는 의사결정 파트너 AI라는 점이다. LNG 플랜트 운영 결정, 수사 절차 판단, 난임 치료 의사결정. 모두 전문성과 책임이 무거운 영역이다. 이런 영역에 AI가 들어가려면 환각이 통제되어야 하고, 결정 근거가 추적 가능해야 하며, 도메인 데이터가 정밀하게 모델링되어 있어야 한다.
흥미롭게도 이 도메인 사례들이 정부의 표준 AI 에이전트 그림과 만나면서 새로운 가능성이 열린다. 가스공사 ‘바람’이 만들어낸 LNG 도메인 모델이 표준 AI 에이전트 인프라 위에 올라가면, 다른 공기업이 비슷한 도메인 모델을 더 빠르게 구축할 수 있다. KICS-AI의 수사 도메인 노하우가 표준화되면, 검찰·법원 같은 다른 사법 기관이 비슷한 시스템을 짧은 시간에 도입할 수 있다. 한 기관에서 만든 도메인 자산이 다른 기관에서 재사용되는 구조. 이게 정부가 그리는 표준 AI 에이전트 모델의 진짜 가치다.
외산 종속 방지가 진짜 의미하는 것
여기서 다시 위크픽 클라우드의 ‘외산 종속 방지’ 키워드로 돌아가 보자. 이 표현이 단순한 국산화 슬로건이 아니라는 점을 짚어야 한다.
외산 종속의 진짜 위험은 비용이 아니다. 한국 기업이 글로벌 클라우드와 LLM API를 쓰는 비용 자체는 감당 가능한 수준이다. 진짜 위험은 데이터와 의사결정 통제권이 외부로 넘어가는 데 있다. 한국 공무원의 결재 흐름, 한국 기업의 거래 패턴, 한국 사법 기관의 수사 노하우가 외산 AI 모델 학습 데이터로 흘러 들어가면, 그 모델이 향후 한국 시장에서 압도적 우위를 갖게 된다. 글로벌 빅테크가 한국 데이터로 강화된 모델을 다시 한국에 비싸게 파는 구조. 이게 외산 종속의 본질적 위험이다.
표준 공동 개발이 이 위험을 풀어낸다. 한국 공공이 정의한 데이터 표준, AI 에이전트 연동 표준, AI-Ready 데이터 형식 위에서 한국 민간 기업들이 자기 솔루션을 만들면, 한국 데이터는 한국 시스템 안에서만 흐른다. 글로벌 빅테크의 솔루션도 이 표준에 맞춰서만 진입할 수 있다. 이게 산업 정책으로서의 AI 인프라 표준화의 진짜 의미다.
이 그림이 한국 산업 전체에 던지는 함의가 매우 크다. 그리드원이 GO;DO 플랫폼으로 한국형 자율 엔터프라이즈 모델을 그렸고, 포스코DX가 A.WORKS로 한국형 Agentic Automation을 정의했다. 이런 민간 시도들이 정부 표준 위에서 호환되면, 한국 기업들이 부처별·산업별로 따로 노력했던 작업이 한 운영체제 위에서 합산된다. 한국 AI 산업의 규모가 산술적 합이 아니라 곱셈으로 커지는 구조다.
엔지니어 관점에서 정리하는 다섯 가지 실무 함의
이 모든 흐름을 실무 엔지니어와 의사결정자 관점에서 다섯 가지로 정리하고 마무리하고 싶다.
첫째, 표준 AI 에이전트 시대가 본격화되면 ‘AI 에이전트 호환성’이라는 새 요구사항이 표준이 된다. 자기 회사 시스템이 정부 표준이나 산업 표준 AI 에이전트와 어떻게 연동되는지가 향후 IT 의사결정의 변수로 들어온다. 폐쇄적 자체 시스템보다 표준 호환 가능 시스템이 점차 우대받는다.
둘째, AI-Ready 데이터 정비가 시급한 과제로 옮겨온다. 정부가 표준을 정의하기 시작하면, 그 표준을 따라가지 못하는 기관과 기업은 다음 라운드의 공공 사업과 산업 기회에서 빠질 위험이 커진다. 자기 조직의 문서·데이터·로그가 어떤 상태인지 점검하고, AI-Ready 형태로 정비하는 작업을 미리 시작해야 한다.
셋째, 단발성 PoC에서 운영체제 사고로 옮겨가야 한다. 한 시스템씩 따로 만드는 방식은 정부 표준이 자리잡으면 비효율이 더 커진다. 처음부터 운영체제 위에 앱을 올리는 발상으로 시스템 아키텍처를 설계해야 장기적 ROI가 나온다.
넷째, 데이터 추적 가능성과 설명 가능성을 처음부터 시스템 요구사항에 포함시킨다. 인사혁신처의 심사·심의·검토 같은 의사결정 영역에 AI 에이전트가 들어오면, 그 결정 근거를 사후에 추적할 수 없는 시스템은 살아남지 못한다. 그래프 기반 추론, 호출 로그, 사용자 검증 기록을 시스템 차원에서 내장해야 한다.
다섯째, 도메인 특화 AI 에이전트가 가장 큰 기회 영역이다. 범용 LLM 위에서 어떤 도메인 지식과 워크플로를 결합하는지가 경쟁력이다. 한국 시장에서 가스공사 LNG, 경찰 수사, 의료 난임 같은 도메인 사례가 만들어지고 있는데, 자기 산업의 도메인 자산을 표준 AI 에이전트 인프라 위에 올리는 능력이 다음 사이클의 핵심이 된다.
마무리: 한국 공공 AX가 만드는 새 좌표
이번 주 뉴스를 한 줄로 묶으면 이렇다. 한국 공공 AX가 ‘AI 에이전트 운영체제’ 시대로 본격 진입했고, 정부가 표준 개발과 외산 종속 방지를 직접 산업 정책으로 가져가면서, 민간 영역의 그리드원·포스코DX·도메인 특화 사례들과 함께 한국형 AI 인프라의 좌표가 새로 그려지고 있다.
이 그림이 향후 3~5년 한국 산업에 던지는 함의는 매우 크다. AI 도입을 단순한 비용 절감이나 업무 효율화로 본 조직과, 산업 정책 차원의 인프라 변화로 본 조직 사이의 격차는 점점 더 크게 벌어질 것이다. 표준 AI 에이전트, AI-Ready 데이터, 도메인 특화 모델. 이 세 가지가 만들어내는 새 좌표 위에서 자기 조직의 자리를 빨리 찾아내는 곳이 다음 사이클의 주인공이 된다.
엔지니어 입장에서 마지막으로 한 가지를 덧붙이고 싶다. 정부가 그리는 이 운영체제 그림은 결코 추상적 비전이 아니다. AI-원 플랫폼이 실제 가동되고, 온AI 모바일 서비스가 40개 기관으로 확대되고, 인사혁신처가 18억 사업을 발주하고 있다. 위크픽 클라우드를 통한 표준 개발 지원이 시작됐다. 이 흐름의 속도는 우리가 체감하는 것보다 훨씬 빠르다. 자기 조직이 이 흐름에 어떻게 맞물릴지의 질문을 더 미루는 것은 점점 더 큰 비용을 만들어 낸다. 운영체제는 이미 깔리기 시작했다. 그 위에 어떤 앱을 올릴지 지금 결정해야 할 시점이다.