AI 기업은 당신의 구독료보다 당신의 작업 로그를 더 원한다

AI 기업은 사용자의 월 구독료만 보고 움직이지 않는다.

오히려 더 중요하게 보는 것은 사용자가 일하면서 남기는 고품질 작업 로그다. 문제를 어떻게 정의했는지, 어떤 맥락을 붙였는지, 무엇을 수정했고 무엇을 승인했는지 같은 기록 말이다. 특히 코드, 워크플로, 검토 이력처럼 구조화된 작업 흔적은 다음 세대 AI를 키우는 데 가장 값진 자산이 된다.

이렇게 보면 최근 AI 서비스들의 정책 변화도 다르게 읽힌다. 왜 어떤 서비스는 코딩 사용자를 유난히 중시하는지, 왜 어떤 사용 패턴은 갑자기 제한되는지, 왜 한때 생산성 도구를 표방하던 서비스들이 점점 더 엄격한 경계선을 긋기 시작하는지가 설명된다. 이제 경쟁의 핵심은 단순한 사용자 수나 구독 매출이 아니라, 누가 더 가치 있는 작업 데이터를 확보하느냐로 옮겨가고 있다.

이 지점에서 정부는 민간보다 더 예민해야 한다. 정부 업무는 단순한 문장 생성이 아니라, 검토의 순서와 근거의 연결, 승인 구조와 예외 처리, 반복 민원의 판단 기준이 축적되는 영역이기 때문이다. 만약 이 흐름 전체를 외부 AI 플랫폼에만 의존한다면, 정부는 AI를 활용하는 동시에 자기 행정의 암묵지와 운영 기억을 바깥에 쌓아 주는 셈이 될 수 있다. 그래서 이제 정부에 필요한 것은 더 좋은 모델 하나가 아니라, 정부가 자기 로그를 자기 안에 쌓는 에이전트 레이어다.

코드가 비싼 이유는 GPU 때문만이 아니다

AI 기업 입장에서 코드 작업은 특별하다.

코드는 단순한 텍스트가 아니다. 그 안에는 문제 정의, 오류 맥락, 수정 전 상태, 수정 후 상태, 실패한 시도, 검증 결과, 인간의 선택 기준이 함께 들어 있다. 한마디로 말하면 작동하는 판단의 기록이다.

예를 들어 사용자가 AI에게 버그를 고치게 하고, 함수를 리팩터링하게 하고, 테스트 코드를 추가하게 하고, API 명세와 실제 구현의 불일치를 바로잡게 한다고 해보자. 이 과정에서 남는 데이터는 단순한 질문과 답변이 아니다. 무엇이 문제였고, 어떤 수정이 통했고, 무엇이 실패했는지가 한꺼번에 남는다. AI 기업 입장에서는 이보다 더 좋은 학습 재료를 찾기 어렵다.

반대로 잡담, 가벼운 채팅, 역할놀이, 단순 대리 실행은 사용 시간은 길 수 있어도 학습 가치가 상대적으로 낮다. 계산 비용은 많이 들지만, 모델을 한 단계 더 똑똑하게 만들 구조화된 신호는 적다. 이쯤 되면 기업의 계산은 달라진다. 누가 많이 쓰는가보다 누가 우리를 더 똑똑하게 만드는가가 더 중요해진다.

이제 요금제는 기능 가격표가 아니라 사용자 분류표가 될 수 있다

초기 AI 시장은 보조금 경쟁에 가까웠다. 싸게 주고, 많이 써보게 하고, 습관을 만들게 하고, 일단 자기 플랫폼 안으로 끌어들이는 것이 우선이었다. 그러나 보조금 시대가 끝나면 기업은 훨씬 냉정해진다.

이 사용자는 연산 비용 이상을 돌려주는가.

이 사용 패턴은 고품질 학습 데이터가 되는가.

이 계정은 단순 매출보다 더 큰 전략적 가치를 주는가.

아니면 GPU만 태우고 남는 것은 거의 없는가.

이 질문이 시작되면 정책은 바뀐다. 허용 범위가 줄고, 속도 제한이 생기고, 플랜 구분이 더 노골적으로 변한다. 겉으로는 서비스 운영 정상화나 정책 정비처럼 보이지만, 실제로는 사용자 집단을 데이터 가치 기준으로 재분류하기 시작한 것이다.

앞으로 AI 가격표는 단순한 기능 차등표가 아닐 가능성이 높다. 그 뒤에는 이런 분류가 숨어 있을 수 있다. 모델 진화에 기여하는 사용자, 구조화된 작업 데이터를 남기는 사용자, 장기적으로 플랫폼에 전략적 가치를 주는 사용자, 반대로 계산 비용만 큰 사용자. 결국 앞으로 AI 시장은 누가 더 싸냐보다 누가 더 가치 있는 사용자를 붙잡느냐의 경쟁이 될 가능성이 크다.

문제는 돈보다 기억이다

그러나 여기서 더 중요한 것은 가격이 아니다.

진짜 중요한 것은 기억의 소유권이다.

AI를 쓰면 결과물만 생기는 것이 아니다. 어떤 질문을 던졌는지, 어떤 맥락을 붙였는지, 어떤 기준으로 수정했는지, 어떤 출력을 승인했는지, 어떤 예외를 중요하게 봤는지, 어떤 업무 패턴이 반복되는지가 함께 쌓인다. 이것은 단순 사용 기록이 아니다. 개인에게는 생산성 패턴이고, 조직에게는 암묵지이며, 정부에게는 행정 운영의 실제 기억이다.

문제는 이 기억이 외부 플랫폼에만 쌓일 수 있다는 점이다. 당장은 편하다. 빠르고, 잘 써지고, 생산성이 오른다. 그러나 시간이 갈수록 더 중요한 것은 바깥에 남는다. 우리는 AI를 활용한다고 생각하지만, 실제로는 우리 업무의 판단 구조와 운영 흐름을 외부 기업이 더 깊이 학습하게 되는 셈이다. 생산성은 우리가 얻고, 장기 자산은 남이 가져가는 구조가 될 수 있다.

그래서 정부는 좋은 모델보다 자기 에이전트 레이어가 필요하다

정부 업무는 단순히 문장을 잘 쓰는 일이 아니다. 어떤 검토 순서로 움직이는지, 근거를 어디서 끌어오는지, 책임 경계는 어디에 있는지, 누가 승인하고 누가 보류하는지, 같은 민원이 반복될 때 어떤 판단 축적이 생기는지, 부처 간 조정에서 어떤 맥락이 중요한지가 쌓여야 실제 행정 역량이 된다.

그런데 정부가 외부 AI 모델만 가져다 쓴다면 어떤 일이 생길까. 문서 작성은 빨라질 수 있다. 질의응답도 쉬워질 수 있다. 요약도 편해질 수 있다. 그러나 정작 중요한 것, 즉 행정의 반복 가능한 판단 구조와 운영 기억은 정부 내부 자산으로 남지 않을 수 있다.

그래서 정부에 필요한 것은 단순한 AI 도입이 아니다. 더 좋은 모델을 구독하는 것만으로는 부족하다. 필요한 것은 정부가 정부 자신의 로그를 소유하는 에이전트 레이어다. 모델은 바꿀 수 있다. 오늘은 A를 쓰고, 내일은 B를 쓸 수 있다. 하지만 한 조직이 축적한 업무 기억은 쉽게 대체되지 않는다. 진짜 자산은 모델이 아니라, 그 모델을 쓰면서 내부에 쌓인 승인 구조, 판단 흐름, 맥락 자산, 운영 로그다.

공픈클로가 중요한 이유도 여기에 있다

나는 공픈클로를 단순히 정부 업무에 AI를 붙인 인터페이스로 보지 않는다. 더 중요한 것은 그것이 정부가 자기 로그를 자기 안에 쌓는 구조를 지향한다는 점이다.

보통의 AI 도입은 대체로 이런 흐름이다. 외부 모델을 쓰고, 순간적으로 생산성이 오르지만, 맥락과 판단 구조는 플랫폼 바깥 자산이 된다. 반면 정부형 에이전트 레이어는 이렇게 가야 한다. 외부 모델은 필요하면 교체 가능하게 두되, 업무 흐름과 지시, 검토와 승인, 결과 로그는 정부가 가진다. 반복되는 업무 패턴은 정부 내부 자산으로 축적되고, 시간이 갈수록 모델이 더 똑똑해지는 것만이 아니라 조직이 더 잘 작동하게 되는 것을 목표로 하게 된다.

이때 AI는 더 이상 단순한 챗봇이 아니다. 정부형 인터페이스가 되고, 검토 가능한 packet의 생산 장치가 되며, 조직의 암묵지를 기록하는 운영 레이어가 된다. 결국 공공부문 AI의 핵심은 인간을 빼는 데 있지 않다. 조직이 자기 판단의 흔적을 더 잘 남기고, 더 잘 재사용하게 만드는 데 있다. 그게 없으면 AI 도입은 편의성에서 끝난다. 그게 있으면 AI 도입은 국가의 운영 역량으로 쌓인다.

다음 경쟁은 모델 경쟁이 아니라 기억 경쟁이다

많은 사람들이 여전히 AI 경쟁을 모델 성능 경쟁으로만 본다. 누가 더 똑똑한가, 누가 더 빠른가, 누가 더 긴 문맥을 처리하는가. 물론 중요하다. 그러나 장기적으로 더 중요한 경쟁은 따로 있다. 누가 더 좋은 업무 인터페이스를 가지는가, 누가 더 좋은 검토 루프를 설계하는가, 누가 더 많은 운영 기억을 자기 자산으로 축적하는가, 누가 foundation model이 아니라 workflow와 memory를 소유하는가.

결국 다음 경쟁은 모델 경쟁이라기보다 기억 경쟁에 가깝다. 개인은 자기 작업 메모리를 누가 소유하는지 고민해야 하고, 기업은 자기 운영 로그를 외부 플랫폼에만 의존해도 되는지 물어야 하며, 정부는 더 늦기 전에 자기 행정의 기억을 자기 시스템 안에 남기는 구조를 만들어야 한다.

결론, 앞으로의 핵심 질문은 이것이다

앞으로 AI를 둘러싼 진짜 질문은 어떤 모델이 가장 좋은가가 아닐 것이다. 더 본질적인 질문은 이것이다.

우리는 AI를 쓰고 있는가,

아니면 우리의 일하는 방식을 AI 기업이 학습하도록 넘기고 있는가.

그리고 정부에겐 이 질문이 더 무겁다. 정부는 민간보다 더 많은 반복 업무를 갖고, 더 많은 승인 구조를 갖고, 더 많은 책임 체계를 갖고, 더 많은 암묵지를 매일 생산한다. 이 자산을 남의 모델 훈련 재료로만 흘려보내는 것은 단순한 비용 문제가 아니라 국가 운영 역량의 외부화에 가깝다.

그래서 앞으로 정부 AI의 핵심은 좋은 모델을 고르는 일이 아니라, 정부가 자기 로그를 소유하는 에이전트 레이어를 만드는 일이다. 나는 그게 진짜 다음 단계라고 본다.