한국의 인공지능(AI) 인재정책이 비자를 내주고 인력 숫자를 늘리는 단계에서 정착과 연구비, 연구팀, 그래픽처리장치(GPU)까지 지원하는 방향으로 넓어지고 있다. 해외 인재가 가족과 함께 국내에 정착할 수 있도록 돕고, 국내외 연구자에게는 연구과제와 함께 일할 팀을 연결하는 사업도 시작됐다. AI 연구의 핵심 기반인 GPU도 대규모 확충에 들어갔다. 문제는 이들 지원이 아직 여러 부처와 사업으로 흩어져 있다는 점이다. 한 명의 인재를 데려와 한국에서 연구하고 성장시킨 뒤 장기간 머물게 하는 하나의 경로로 얼마나 연결할 수 있느냐가 과제로 남아 있다. ◆톱티어 비자 확대… 가족 정착까지 지원 해외 인재 유치에서 먼저 달라진 것은 입국뿐 아니라 정착 조건까지 정책 대상으로 보기 시작했다는 점이다. 정부는 지난해 첨단산업 기업의 최고급 해외 인력을 대상으로 도입한 ‘톱티어 비자’를 올해 6월 대학과 정부출연연구기관, 기업연구소 등의 과학기술 분야 교수·연구인력으로 확대했다. 기존에는 AI·반도체·이차전지·바이오 등 첨단산업 기업에 고용된 인력이 중심이었다. 과학기술 분야 톱티어 인재와 가족에게는 국내 취업과 정주가 가능한 체류자격을 주고 3년 뒤 영주자격을 신청할 수 있도록 했다. 입국 절차뿐 아니라 주거와 자녀 교육 등 국내 생활 정착을 돕는 지원도 연계한다. 첨단산업 기업에 들어오는 해외 인재에게는 산업통상부의 ‘K-Tech Pass’가 별도로 운영된다. 근로소득세 감면과 자녀의 외국인학교 입학, 전세보증상품, 금융·통신 등 생활 지원을 묶은 제도다. 사람을 데려오는 데서 끝내지 않고 가족이 함께 한국에서 생활할 수 있는 조건까지 유치정책의 범위에 넣은 것이다. 다만 지원제도 확대가 곧바로 최상위 인재 유치 성과를 의미하는 것은 아니다. 법무부가 지난 6월 공개한 톱티어 비자 국내 체류자는 24명이다. 정부가 2030년까지 유치하겠다고 밝힌 350명은 첨단산업 인재 250명과 과학기술 인재 100명을 합친 규모다. 현재 24명 역시 AI 연구자만이 아니라 반도체·이차전지·바이오 등 대상 분야 전체 인재를 포함한다. ◆이노코어·BP+로 연구팀·연구비까지 연계 한국에 들어온 인재가 장기간 머물려면 비자와 생활여건뿐 아니라 어떤 연구를 하고 누구와 함께 일할 수 있는지가 중요하다. 정부 사업도 연구자 한 명에게 지원금을 주는 방식에서 연구과제와 팀, 이후 경력까지 연결하는 방향으로 넓어지고 있다. 한국과학기술원(KAIST)·광주과학기술원(GIST)·울산과학기술원(UNIST)·대구경북과학기술원(DGIST) 4개 과학기술원이 운영하는 ‘이노코어(InnoCORE)’는 AI 융합 분야 8개 연구단에서 박사후연구원 400명을 임용했다. 이 가운데 국내에서 박사학위를 받은 뒤 연구경력을 이어가는 인력이 116명이고, 해외 대학·연구기관 등에서 활동하다 국내로 돌아온 한국인 연구자가 56명이다. 외국 국적 연구자도 103명이 참여하고 있다. 이들은 대학 연구에만 머무는 것이 아니라 공동임용과 기업 파견, 산학 공동연구, 창업, 독립연구 등의 경로로 이동할 수 있다. 박사후연구원 임용을 한시적 연구과제로 끝내지 않고 이후 대학과 기업, 창업 등으로 연구경력을 이어갈 통로를 사업 안에 둔 것이다. 올해 신설된 ‘브레인풀 플러스(BP+) 기관유치형’은 국내 대학과 연구기관이 필요한 해외 인재나 연구팀을 직접 찾아 데려오는 방식이다. 기존 브레인풀이 국내 연구책임자가 필요한 해외 연구자를 개인 단위로 초빙했다면 기관유치형은 기관이 자체 연구전략에 따라 해외 우수 연구팀과 최우수 인재를 유치한다. 선정 기관에는 연간 약 30억원의 묶음예산을 최대 5년간 지원한다. 인건비뿐 아니라 인재 발굴과 연구활동 등에 필요한 비용을 기관이 자체적으로 설계할 수 있다. 정해진 과제에 연구자 한 명을 끼워 맞추는 대신 사람과 팀, 연구과제를 함께 구성할 수 있도록 한 것이다. 올해 선정된 5개 기관은 지난 8월 기준 실제 해외 연구자 유치까지는 이어지지 않았다. ◆GPU 3만7000장 확보… 지원체계는 부처별 분산 인재에게 연구비와 팀을 제공해도 대규모 AI 모델을 실제로 개발할 연산자원이 없으면 최첨단 연구를 이어가기 어렵다. 정부가 첨단 GPU 확보에 나선 것도 이 때문이다. 정부는 2025년 추가경정예산으로 추진한 1만3000장과 올해 추가 구매하는 1만5000장, 국가 슈퍼컴퓨터 6호기에 투입할 약 9000장을 합쳐 2026년까지 첨단 GPU를 누적 3만7000장 규모로 확보한다는 계획이다. 다만 각각의 조달·구축 일정이 달라 연구자가 현재 3만7000장을 한꺼번에 이용할 수 있다는 의미는 아니다. 확보된 GPU 역시 국가 AI 프로젝트와 산업계·학계·연구계 등에 별도의 절차를 거쳐 배분된다. 비자와 가족 정착, 연구비와 연구팀, GPU까지 필요한 지원수단은 하나씩 갖춰지고 있지만 이를 인재 한 명을 중심으로 묶는 구조는 아직 약하다. 해외 인재의 비자와 체류는 법무부, 첨단산업 인재의 정착 지원은 산업통상부, 과학기술 인재와 연구비 지원은 과학기술정보통신부가 각각 맡고 있다. GPU 역시 별도의 연산자원 배분체계를 거친다. 해외 연구자를 영입할 때 어느 기관에서 어떤 연구를 맡고, 누구와 팀을 꾸리며, 어느 정도의 연구비와 GPU를 이용할 수 있고 가족은 어떻게 정착할 수 있는지를 하나의 조건으로 제시하는 구조와는 아직 거리가 있는 셈이다. 국회미래연구원은 AI 인재정책을 분석하면서 2019년 국가 AI 전략 이후 관련 사업이 계속 확대됐지만 인재 부족과 해외 유출이 반복되는 배경으로 부처 간 총괄조정 부족과 인재 양성·정착 지원의 분리, 단기 재정사업 중심의 정책 설계를 지적했다. 김기식 국회미래연구원장은 지난 4월22일 국회에서 열린 AI 인재 양성 정책토론회에서 “우리나라는 인재 부족과 해외 유출, 교육·연구·산업 간 연계 미흡 등 구조적 한계에 직면해 있다”며 “인재의 육성·성장·정착을 아우르는 체계 구축이 필요하다”고 말했다.

국내 인공지능(AI) 인력이 늘고 기업의 채용 수요도 커지고 있지만 기업이 원하는 사람과 노동시장에 나오는 인력 사이의 간극은 오히려 벌어지고 있다. 기업들은 AI 전공자 숫자보다 실제 데이터를 만지고 이를 제품과 서비스에 적용해 본 사람을 찾는다. 신입에게조차 실무 프로젝트 경험을 요구하는 반면 청년이 첫 직장에서 그 경험을 쌓고 숙련자로 성장할 경로는 약해지고 있다. 인재가 부족한 문제에 앞서 ‘경험 있는 인재’가 만들어지는 과정이 흔들리고 있는 것이다. ◆‘경력 무관’ 30.6%→8.8%… 신입 채용 문턱 높아져 소프트웨어정책연구소(SPRi)에 따르면 국내 AI 인력은 2010년부터 2024년까지 105.7% 증가했다. 연평균 5.3%씩 늘어난 셈이다. 채용 수요도 빠르게 커지고 있다. 잡코리아 집계에서 올해 1분기 ‘AI’ 키워드가 포함된 채용공고는 5년 전 같은 분기보다 112% 늘었다. 올해 1∼5월에는 약 1만5000건으로 지난해 같은 기간보다 70% 증가했다. 하지만 기업이 찾는 사람은 단순히 AI를 전공했거나 관련 학위를 가진 인력이 아니었다. 한국표준협회가 지난 3월 국내 기업 재직자 487명을 조사한 결과 응답자의 84.4%가 AI 인재가 필요하다고 답했다. 필요한 직무로는 데이터 분석가가 58.9%로 가장 많았고 AI 모델 기반 소프트웨어 개발자(35.9%), AI 모델 개발자(34.7%)가 뒤를 이었다. 신입을 뽑을 때 가장 중요하게 평가하는 역량도 ‘실무 프로젝트·현장 적용 경험’이 32.9%로 가장 높았다. 커뮤니케이션·협업 능력은 28.0%, AI 모델·딥러닝 기술은 19.9%였다. 전공을 따지지 않는다는 응답도 38.6%였다. 문동민 한국표준협회장은 “기업이 원하는 AI 인재는 현장에서 데이터를 읽고 조직과 함께 결과를 만들어낼 수 있는 실무형 인재”라고 말했다. 채용공고에서도 이런 변화가 나타났다. 한국과학기술기획평가원(KISTEP)이 2020년부터 2024년 8월까지 AI 관련 채용공고 7318건을 분석한 결과 ‘경력 무관’ 공고 비중은 30.6%에서 8.8%로 급감했다. 반면 중·고급 경력을 요구한 공고는 6.7%에서 16.7%로 2.5배 늘었다. 전공 무관 공고는 70%를 넘어섰고 공고 한 건에서 요구하는 기술 역량군도 평균 0.69개에서 1.15개로 늘었다. 기업이 학력이나 전공보다 실제 업무에서 쌓은 기술과 경험을 더 많이 따지는 방향으로 이동한 것이다. KISTEP 연구진은 경력자 선호 강화가 신입 인력의 시장 진입 장벽을 높이는 요인이 되고 있다고 분석했다. ◆청년 일자리·재직 줄어… 실전경험 쌓을 통로 약화 숙련자는 처음부터 숙련자로 노동시장에 들어오는 것이 아니다. 첫 직장에 들어가 업무를 배우고 프로젝트를 맡으며 실패와 시행착오를 거쳐 경험을 쌓아야 한다. 그러나 기업이 경력자를 더 선호하는 동안 청년이 바로 그 경험을 얻을 일자리는 줄어들고 있다. 한국은행이 국민연금 가입자료와 경제활동인구조사를 분석한 결과 2022년 6월부터 지난 6월까지 15∼29세 청년 일자리는 28만5000개 감소했다. 이 가운데 26만8000개가 AI 기술의 영향을 상대적으로 많이 받는 ‘AI 고노출 업종’에서 줄었다. 정보서비스업의 청년 고용은 31.4%, 컴퓨터 프로그래밍·시스템 통합 및 관리업은 16.6% 감소했다. 같은 기간 50대 일자리는 23만개 증가했고 이 가운데 17만3000개가 AI 고노출 업종에서 늘었다. 첫 직장에 들어가는 문만 좁아진 것도 아니다. 취업 이후 한 직장에서 경험을 축적하는 과정도 약해지고 있다. 코로나19 영향을 제외하고 2016∼2019년과 2022년 7월∼2026년 6월을 비교하면 AI 고노출 업종에서 청년층의 월평균 고용 유출은 3700명에서 4900명으로 32% 증가했다. 반면 월평균 유입은 3만2600명에서 2만9100명으로 11% 줄었다. 한국은행은 청년들이 취업한 뒤 고용관계를 유지하면서 “경험과 숙련을 축적하는 과정이 약화되고 있을 가능성”을 지적했다. 다만 청년 고용 감소를 AI의 영향만으로 단정하지는 않았다. 팬데믹 이후 과잉채용 조정과 경력직 중심 채용, 기업 내부교육 약화 등이 함께 작용했을 가능성이 있다는 분석이다. ◆대기업 27.4% “숙련인재 부족”… 외부 채용만으론 한계 이 구조가 계속되면 기업이 원하는 숙련인력의 공급도 영향을 받을 수밖에 없다. 신입이 첫 직장에서 실제 데이터를 다루고 제품 개발과 서비스 적용을 경험해야 몇 년 뒤 기업이 찾는 중·고급 인력으로 성장할 수 있기 때문이다. 기업의 AI 채용난에서도 이 문제가 드러난다. 한국은행이 2025년 10월 국내 기업 400곳을 조사한 결과 대기업이 AI 인력을 채용하면서 가장 많이 겪은 어려움은 ‘숙련 인재 부족’으로 27.4%였다. 지원자가 기대하는 급여가 높다는 응답도 25.3%였다. AI 인력이 아예 없는 것뿐 아니라 기업이 바로 업무를 맡길 수 있는 수준의 경험자를 찾기 어렵다는 의미다. 한국은행은 기존 초급 일자리를 그대로 보전하는 방식보다 청년이 AI를 활용하면서 경험과 숙련을 축적할 수 있는 경로를 만드는 것이 중요하다고 봤다. 기업의 훈련과 멘토링에 드는 비용을 지원하고 직업훈련 역시 AI가 실제 업무에 활용되는 방식에 맞게 바꿀 필요가 있다고 제안했다. 기업들도 외부에서 완성된 경력자를 뽑는 데만 의존하지 않고 내부에서 경험을 만드는 방식을 찾기 시작했다. LG가 지난 3월 문을 연 ‘LG AI대학원’도 그중 하나다. 전자·배터리·디스플레이·화학 분야에서 일해온 계열사 직원 17명을 첫 석·박사 과정에 선발해 산업 현장 경험에 AI 연구 역량을 더하는 방식이다. 신입이 경력을 만들 수 있는 입구가 좁아지는 가운데 기업이 원하는 숙련인력을 어디에서 계속 확보할 것인지가 국내 AI 인력 수급의 또 다른 문제로 떠오르고 있다.

세계 각국이 인공지능(AI) 인재를 빼오고 붙잡기 위한 경쟁에 나선 사이 한국은 국내에서 키운 인재를 지키는 일부터 급해졌다. 국내에서 일하는 20대 이공계 석·박사 10명 중 7명 이상이 3년 안에 해외 이직을 고려하고 있고, 한국 근무 경력이 있는 AI 전문인력 가운데 16%는 이미 해외에서 일하고 있다. 더 높은 보상뿐 아니라 연구환경과 경력 기회를 찾아 젊은 인재들이 해외로 눈을 돌리는 반면 국내 기업의 AI 인력 수요는 오히려 커지고 있다. ◆20대 이공계 72% “해외 이직 고려” 한국은행은 2025년 6월25일부터 7월25일까지 한국과학기술정보연구원(KISTI)과 함께 국내외 대학·연구소·기업에서 일하는 이공계 석·박사 2694명을 조사했다. 국내 근무자 1916명 가운데 42.9%가 앞으로 3년 안에 해외 이직을 고려하고 있다고 답했다. 젊을수록 해외행 의향이 강했다. 20대는 72.4%, 30대는 61.1%, 40대는 44.3%였다. 단순히 가능성을 생각하는 수준을 넘어 이직 계획을 세우거나 해외기업 인터뷰 등을 진행하고 있다는 응답도 국내 근무자의 5.9%였다. 해외 이직을 고려하는 이유는 연봉 등 금전적 요인이 66.7%로 가장 많았다. 그러나 돈만의 문제는 아니었다. 연구생태계와 인적 네트워크를 꼽은 응답이 61.1%, 더 나은 경력 기회는 48.8%였다. 국내외 근무자의 연구생태계와 근무여건, 연봉 만족도를 비교해도 해외 근무자의 만족도가 국내 근무자보다 약 1.5배 높았다. 경력에 따른 보상 격차도 컸다. 조사 대상 해외 근무자는 경력 13년차에 평균 연봉이 36만6000달러로 정점을 찍은 반면 국내 근무자는 19년차에 12만7000달러로 가장 높았다. 국가별 물가와 직종 등이 달라 액수 자체를 단순 비교하기는 어렵지만, 한국은행은 근속연수에 따라 임금이 완만하게 오르는 국내 보상구조가 젊은 인재의 해외 이동에 영향을 줄 수 있다고 분석했다. 해외 이직 의향은 실제 인력 이동으로도 이어지고 있다. 미국에서 일하는 한국인 이공계 박사는 2010년 약 9000명에서 2021년 약 1만8000명으로 두 배 늘었다. 2015년 이후에는 바이오와 정보통신기술(ICT) 분야를 중심으로 해외로 나가는 인력이 국내로 들어오는 인력보다 많아졌다. 한국은행이 2004∼2024년 직업·경력 플랫폼 링크드인의 근무지 이동을 분석한 결과에서는 국내 주요 이공계 5개 대학에서 석·박사 학위를 받은 인력이 전체 순유출의 47.5%를 차지했다. 해외 이동이 젊은 이공계 인력 전반의 문제가 아니라 국내에서 고급 교육을 받은 인재층에서도 집중적으로 나타나고 있는 것이다. ◆AI 인재 6명 중 1명 해외…절반 이상 미국행 AI 분야에서는 해외 근무 규모가 더 구체적으로 확인된다. 한국은행 연구진은 2010∼2024년 한국에서 한 번이라도 근무한 경력이 있는 약 110만명의 링크드인 회원과 이들의 1000만건이 넘는 직무 이력을 분석했다. 머신러닝과 딥러닝, 자연어처리 등 AI 관련 기술을 보유한 인력을 추려 규모와 이동경로를 추정했다. 2024년 국내 AI 전문인력은 약 5만7000명으로 추산됐다. 이 가운데 석·박사 학위 보유자가 58%, 공학계열 전공자가 64%였다. 한국에서 근무한 경력이 있는 AI 전문인력 가운데 약 1만1000명, 16%는 현재 해외에서 일하고 있었다. 한 해에 1만1000명이 빠져나갔다는 의미가 아니라 한국 근무 경력이 있는 AI 인재 가운데 현재 직장이 해외인 사람의 비중이다. 해외 근무자의 절반 이상인 약 6300명은 미국에 있었다. AI 기술에 노동시장이 얹어주는 추가 보상에서도 차이가 났다. 같은 기업 근무 여부와 근무연도 등 임금에 영향을 주는 조건을 통제한 결과 2024년 한국에서는 AI 기술 보유자가 그렇지 않은 근로자보다 약 6% 높은 임금을 받았다. 미국의 AI 기술 임금 프리미엄은 약 25%였다. 한국 AI 연구자의 절대연봉이 미국의 4분의 1이라는 의미가 아니라 희소한 AI 역량에 시장이 추가로 지급하는 보상의 차이다. 한국은행은 코로나19로 국가 간 이동이 제한됐던 시기를 제외하면 국내 AI 인력의 해외 근무가 꾸준히 증가했다고 분석했다. 특히 딥러닝과 머신러닝 등 국내에서 상대적으로 추가 보상이 낮은 기술을 가진 인력일수록 해외에서 근무할 가능성이 높게 나타났다. ◆인재는 해외로…기업 10곳 중 7곳 “더 뽑겠다” 국내 AI 인력 수요는 반대로 늘고 있다. 한국은행이 2025년 10월 제조업과 서비스업 등 국내 기업 400곳을 조사한 결과 앞으로 AI 인력 채용을 확대하겠다는 응답은 대기업 69.0%, 중견기업 68.7%, 중소기업 56.2%였다. 대기업과 중견기업은 10곳 중 7곳 가까이가 지금보다 AI 인력을 더 확보하겠다는 것이다. 기업들은 AI 인재 확보를 위해 지금보다 더 높은 보수를 지급할 의향도 보였다. 중소기업의 경우 AI 인력에게 일반 근로자보다 평균 13.8% 높은 임금을 주고 있다고 답했지만 앞으로는 추가 보상을 18.2%까지 높일 수 있다고 응답했다. 대기업 역시 현재보다 AI 인력에 지급하는 추가 보상을 확대할 의향을 나타냈다. 한국은행은 국내 AI 인력의 해외 유출이 이어지는 가운데 기업의 채용 수요까지 커지면서 AI 인력을 둘러싼 수급 불균형이 확대될 가능성이 있다고 분석했다.

바이트댄스에 입사한 지 1년이 되지 않은 신입 연구자는 영상생성모델 ‘시댄스 2.0’의 사전학습 구조와 대규모 학습 알고리즘 개발에 참여했다. 재학생 인턴은 대규모언어모델 ‘시드 1.8’과 ‘시드 2.0’에 여러 전문 능력을 결합하는 강화학습을 맡았다. 또 다른 신입 연구자는 음성 동시통역 모델의 학습데이터 구축부터 훈련·평가까지 담당했다. 학생과 신입을 연구 보조에 두는 대신 최첨단 모델 개발에 곧바로 투입한 것이다. 중국 빅테크 기업들은 대학생과 졸업예정자가 경력자로 성장할 때까지 기다리지 않는다. 대학에서 AI 인재층을 넓히고, 재학생 인턴과 신입 단계부터 실제 모델 개발에 투입해 기업 안에서 핵심 연구자로 키운다. 이미 경력을 쌓은 인재를 외부에서 사오는 데 그치지 않고 기업이 직접 ‘경력 있는 인재’를 만들어내는 구조다. ◆대학에서 인재 풀부터 넓힌다 공급망의 출발점은 대학이다. 2024년 기준 중국에서 AI 학부 전공을 운영하는 대학은 626곳이다. 2025년에는 AI 기술응용 관련 전공을 개설한 직업교육기관도 785곳으로 늘었다. 중국의 AI 연구인력은 2015년 약 4400명에서 2024년 약 5만2000명으로 10배 넘게 증가했다. 중국 교육부는 2018년 ‘고등교육기관 AI 혁신 행동계획’을 내놓은 뒤 대학의 AI 전공과 연구조직, 기업 공동연구를 확대해왔다. AI를 독립 전공으로 가르치는 데서 나아가 의학·제조·금융·로봇 등 기존 학문과 결합한 교육도 늘렸다. 올해 4월 교육부와 국가발전개혁위원회, 공업정보화부, 과학기술부, 국가데이터국이 내놓은 ‘AI+교육 행동계획’은 한발 더 나갔다. 연구중심 대학과 선도 기술기업, 국가실험실을 연결해 AI 인재를 공동 육성하고 산업 현장의 기술과제를 교육에 반영하도록 했다. 앞서 지난해 12월에는 칭화대와 베이징대, 상하이교통대 등 연구중심 대학 17곳과 기술기업·연구기관 8곳이 ‘인공지능 개방연맹’을 출범시켰다. 대학과 기업이 국가 AI 연구과제를 공동으로 수행하고 인재도 함께 양성하는 조직이다. 대학에서 전공자 숫자만 늘리는 것이 아니라 교육 단계부터 기업의 실제 연구과제와 연결하는 데 초점이 맞춰져 있다. ◆대학-기업 거리 줄여 졸업 전 실전 투입 이 구조의 핵심은 대학과 기업 사이의 거리를 줄인 데 있다. 학생이 기업 연구인턴으로 들어가 모델 구조와 학습방식을 설계하고, 졸업하면 같은 분야의 연구자로 이어지는 경로다. 기업 입장에서도 논문과 면접만으로 지원자를 평가하는 대신 실제 프로젝트에서 문제를 푸는 과정을 직접 확인할 수 있다. 바이트댄스의 기초모델 연구조직 ‘시드’는 올해 2027년 졸업예정자와 재학생 인턴을 대상으로 별도의 캠퍼스 채용을 시작했다. 선발 대상은 학부생부터 석·박사까지다. 대규모언어모델과 시각·음성 모델, 머신러닝 시스템, 로봇 등 기초모델 개발에 직접 참여하며 회사는 충분한 연산자원과 데이터, 엔지니어링 자원을 제공한다고 명시했다. 실제 맡기는 과제도 보조 업무에 그치지 않는다. 졸업 후 1년이 안 된 신입이 시댄스 2.0의 사전학습 구조를 개발했고, 인턴은 시드 1.8·2.0의 강화학습에 참여했다. 또 다른 신입은 동시통역 모델의 데이터 구축부터 훈련·평가까지 맡았다. 학생은 졸업 전에 최첨단 모델 개발 경험을 쌓고, 기업은 실전에서 검증한 인재를 곧바로 핵심 연구에 투입할 수 있다. 바이두도 2018년부터 대학생과 대학원생을 대상으로 ‘AIDU’ 프로그램을 운영하고 있다. 전 세계 대학에서 기술 잠재력이 높은 학생을 선발해 AI 분야의 선행·돌파형 연구과제를 맡긴다. 별도의 일상 인턴 프로그램도 졸업 시기와 관계없이 연중 운영하며 최소 3개월 동안 기업 현장의 프로젝트에 참여하도록 한다. 경력의 출발점을 대학 졸업 뒤가 아니라 재학 단계로 앞당긴 셈이다. ◆딥시크, 젊은 인재에게 모델 핵심 맡겼다 딥시크는 이 같은 인재 육성이 실제 최첨단 모델 개발로 이어질 수 있음을 보여준 사례다. 량원펑 딥시크 창업자는 중국 매체 36Kr와의 인터뷰에서 핵심 기술인력 상당수가 명문대 출신 신입이나 졸업한 지 몇 년 되지 않은 젊은 연구자, 박사과정 4∼5년차 인턴이라고 밝혔다. 딥시크 V2 개발진에는 해외에서 돌아온 연구자가 한 명도 없었다고 량 창업자는 설명했다. 스탠퍼드대 인간중심AI연구소와 후버연구소가 올해 딥시크 기술논문 7편의 연구·개발 기여자 356명을 분석한 결과에서도 소속 이력이 확인된 271명 가운데 145명(53.5%)은 중국 기관에서만 공부하거나 일한 것으로 나타났다. 7편 모두에 이름을 올린 핵심 연구자 31명 가운데 10명도 해외기관 소속 이력이 없었다. 젊은 연구자에게 핵심 과제를 맡기는 데서 끝나지 않았다. 량 창업자는 연구자가 아이디어를 내면 별도의 승인 없이 학습용 GPU와 필요한 인력을 동원할 수 있도록 했다고 설명했다. 아이디어가 가능성을 보이면 곧바로 팀을 꾸리고 실제 모델을 돌려보면서 실패와 재실험을 반복하도록 한 것이다. 중국 역시 대형 모델과 기초 알고리즘, AI 반도체 설계 등 장기간의 연구 경험이 필요한 분야에서는 고급인재 부족을 겪고 있다. 중국의 AI 인재 규모가 빠르게 늘었지만 양적인 확대만으로 최상위 연구자를 곧바로 확보할 수 있는 것은 아니다. 량 창업자는 단기적으로는 경험 있는 사람을 채용하는 것이 효율적이지만 장기적으로는 경력보다 기본 능력과 창의성, 연구에 대한 열정이 중요하다고 했다. 그러면서 “세계 상위 50명의 인재가 지금 중국에 없을 수는 있지만 우리가 그런 사람을 만들어낼 수는 있다”고 말했다.

오픈AI 연구자 노엄 브라운은 2023년 이직을 검토하면서 구글 공동창업자 세르게이 브린과 점심을 먹고 샘 올트 먼 오픈AI 최고경영자(CEO)와 포커를 쳤다. 한 투자자는 전용기를 타고 그를 찾아왔다. 브라운이 최종적으로 선택한 곳은 가장 많은 보수를 제시한 회사가 아니었다. 그는 “금전적으로 가장 좋은 선택은 아니었다”며 자신이 원하는 연구에 사람과 연산자원을 투입하겠다고 한 오픈AI를 택했다고 밝혔다. 인공지능(AI) 인재의 이직 조건이 연봉과 직책을 넘어 그래픽처리장치(GPU)를 얼마나 쓸 수 있느냐로 확장되고 있다. 어떤 문제를 연구할지뿐 아니라 필요한 GPU를 얼마나 오래 쓸 수 있는지, 실패한 실험을 다시 수행할 수 있는지, 함께 일할 팀에도 충분한 연산자원이 제공되는지가 연구환경을 좌우한다. 최첨단 AI 연구에서는 연구비와 아이디어가 있어도 대규모 연산자원을 확보하지 못하면 실제 모델을 만들어 검증하기 어렵기 때문이다. GPU 접근권은 연구 성과뿐 아니라 연구자의 경력에도 영향을 미친다. 최첨단 모델을 만들려면 수백∼수천개의 GPU를 연결해 학습시키고, 성능이 나오지 않으면 데이터와 모델 구조, 학습방식을 바꿔 다시 실험해야 한다. 이 과정에서 축적되는 경험은 논문이나 이론만으로 얻기 어렵다. 대규모 모델을 직접 학습시켜 본 연구자가 다시 최첨단 연구에 투입되는 구조가 만들어지면서 연산자원을 가진 조직이 다음 세대의 숙련 연구자까지 길러내고 있는 것이다. ◆GPU 격차가 연구경험 격차로 대규모 연산자원을 활용하지 못하는 연구자는 아이디어가 있어도 이를 실제 규모의 모델로 검증하기 어렵다. 소규모 모델에서 작동한 방법이 모델 규모를 키웠을 때도 같은 성능을 내는지 확인하려면 다시 대규모 학습을 해야 한다. 한 번의 학습이 실패했을 때 원인을 찾아 조건을 바꾸고 재실험하는 데도 추가 연산자원이 필요하다. 반대로 충분한 GPU를 확보한 연구조직에서는 모델 크기와 데이터, 학습방식을 바꿔가며 반복적으로 실험할 수 있다. 연구자에게 GPU가 단순한 장비가 아니라 어떤 수준의 연구에 참여할 수 있는지를 결정하는 작업환경이 된 이유다. 기업들의 인재 영입 조건에도 이런 변화가 반영되고 있다. 높은 보수와 직책만 제시하는 것이 아니라 연구자가 원하는 팀을 꾸릴 수 있는지, 대규모 모델 학습에 필요한 연산량을 확보할 수 있는지까지 영입 조건이 된다. 브라운이 더 높은 보수보다 사람과 연산자원을 자신의 연구에 투입하겠다고 한 오픈AI를 선택한 것도 같은 맥락이다. 문제는 대규모 모델을 직접 다뤄볼 기회가 소수 빅테크에 집중될 경우다. 연산자원을 충분히 쓸 수 있는 연구자는 대형 모델의 학습과 실패, 개선을 반복하며 경험을 쌓고 다음 프로젝트에서도 높은 가치를 인정받는다. 반면 대학이나 초기 신생기업에서는 같은 규모의 실험 자체가 어렵다. GPU를 쓸 수 있느냐의 차이가 연구경험의 차이가 되고, 다시 연구자의 경력 격차로 이어지는 구조다. 각국 정부가 공공 연산시설의 역할을 확대하는 것도 이런 격차를 줄이기 위해서다. 해외 인재에게 직접 GPU를 지급하는 방식은 아니지만 대학과 연구기관, 신생기업에서도 대규모 실험이 가능하도록 공공 연산자원에 접근할 통로를 만드는 것이다. 연구자가 최첨단 모델을 직접 다뤄보기 위해 반드시 거대 기술기업으로 옮겨야 하는 구조를 완화하는 인재정책인 셈이다. ◆英, 작은 실험부터 대형 연구까지 ‘연산 사다리’ 영국은 연구자의 연구 단계와 필요한 연산량에 따라 공공 GPU를 배정하는 ‘연산 사다리’를 만들고 있다. 영국 정부는 지난해 발표한 ‘컴퓨트 로드맵’에서 공공 연산시설의 규모가 부족해 일부 연구자들이 해외 시설을 이용하거나 연구 목표를 낮추고 있다고 진단했다. 공공 AI 슈퍼컴퓨터망인 ‘AI 연구자원(AIRR)’을 확대해 2030년 연산능력을 2025년의 20배로 끌어올릴 계획이다. AIRR의 이용 통로는 연구 단계에 따라 나뉜다. AI 슈퍼컴퓨터를 처음 접하는 연구자가 코드와 알고리즘을 시험하는 프로그램에서는 최대 1만 GPU시간을 사용할 수 있다. 제품 개발 초기 단계의 중소기업에는 최대 2만 GPU시간을 지원한다. 더 큰 연구·개발 프로젝트에는 6개월 동안 5만∼15만 GPU시간을 배정하는 프로그램도 운영했다. GPU 한 개를 한 시간 사용하는 양이 1GPU시간이다. 15만 GPU시간이면 GPU 1000개를 150시간 사용할 수 있는 규모다. 과학 분야에서 AI를 활용하는 대형 연구에는 별도 프로그램을 통해 한 과제에 최대 140만 GPU시간까지 제공했다. 중요한 것은 GPU를 연구자에게 똑같이 나눠주는 게 아니라 연구가 커질수록 더 큰 연산자원에 접근할 수 있도록 길을 만든다는 점이다. 소규모 자원으로 아이디어를 시험한 연구자가 더 큰 프로젝트를 신청하고, 대학에서 시작한 연구가 창업으로 이어진 뒤에도 공공 연산망을 이용해 제품 개발을 이어갈 수 있다. 대형 모델을 실제로 다뤄본 경험을 빅테크 밖에서도 쌓을 수 있게 하는 구조다. ◆GPU 비용·접근권까지 국가 인재정책으로 캐나다는 자체 연산시설을 갖추기 어려운 신생기업의 GPU 이용비를 정부가 보조한다. 캐나다 정부는 최대 3억캐나다달러 규모의 ‘AI 연산 접근기금’을 통해 중소기업이 외부의 고성능 AI 연산자원을 구매하는 데 드는 비용을 지원하고 있다. 올해 5월 첫 사업으로 44개 기업의 프로젝트에 6600만캐나다달러를 배정했다. AI 신생기업이 정상급 연구자를 영입했다고 연구가 곧바로 시작되는 것은 아니다. 높은 연봉이나 지분을 약속해도 대규모 모델 학습비용을 감당할 수 없다면 연구자가 자신의 아이디어를 실제로 구현하기 어렵다. 캐나다는 기업이 감당하기 어려운 연산비용의 일부를 정부가 부담해 빅테크가 아닌 기업에서도 AI 연구·개발을 이어갈 수 있도록 하고 있다. 자체 대규모 AI 연산시설을 확충하는 사업도 함께 추진 중이다. 세계 최대 규모의 민간 AI 연산시설을 가진 미국도 대학과 신생기업의 접근 문제를 국가 연구정책으로 다루고 있다. 미국의 ‘AI 행동계획’은 대규모 연산자원을 이용하려면 초대형 클라우드업체와 장기계약을 맺어야 하는 경우가 많고, 그 비용이 대부분의 대학과 상당수 신생기업이 감당할 수준을 넘어선다고 진단했다. 미국 국립과학재단(NSF)이 이끄는 국가AI연구자원(NAIRR)은 민간기업과 연방기관이 보유한 컴퓨팅 자원과 AI 모델, 데이터, 소프트웨어를 대학과 연구자에게 연결한다. 2024년 시범사업으로 시작한 뒤 연구·교육 현장의 이용을 확대했고, 올해는 시범사업을 장기적인 국가 연구 인프라로 전환하기 위한 운영체계 구축에도 들어갔다. 민간 빅테크가 보유한 연산자원을 대학 연구자도 사용할 수 있도록 국가가 연결망 역할을 하는 방식이다. 중국은 연산자원 지원을 기업과 연구조직 육성에 직접 결합하고 있다. 상하이시는 지난해 AI 산업 육성책을 통해 지능형 연산시설을 빌리는 기업과 연구기관에 임차료의 최대 30%를 지원하는 6억위안 규모의 연산자원 이용권을 편성했다. 대형언어모델 이용에는 3억위안 규모의 지원책을 별도로 마련했다. 인재가 새로운 연구조직을 만드는 데도 대규모 자금을 투입한다. 상하이는 전략적 AI 인재가 새로운 AI 연구개발기관을 설립할 경우 사업 목표와 과제에 따라 3∼5년에 걸쳐 최대 5억위안을 지원한다. 연구자 개인에게 높은 보수를 제시하는 데서 끝나는 것이 아니라 그 연구자가 팀을 꾸리고 실제 연구를 수행할 조직과 연산환경까지 함께 마련하는 방식이다.

글로벌 인재를 데려오는 정부의 역할이 ‘문을 열어주는 것’에서 ‘사람을 직접 찾아오는 것’으로 바뀌고 있다. 비자 문턱을 낮추고 연구비를 늘리는 데 그치지 않고 정부가 해외 후보를 직접 발굴해 대학·기업과 연결하고 연구비와 체류·정착 지원까지 묶어 영입한다. 정상급 연구자를 중심으로 연구팀 전체가 이동할 수 있도록 지원하고, 직장을 바꿔도 체류자격을 유지할 수 있게 하거나 아예 고용계약 없이 입국부터 허용하는 제도도 등장했다. 기업과 대학이 벌이던 글로벌 인재 확보전에 정부가 직접 채용 주체로 뛰어든 것이다. ◆신청 기다리던 정부가 먼저 후보를 찾는다 영국은 정부가 직접 해외 인재를 찾아 접촉하는 체계를 구축하고 있다. 글로벌 인재 태스크포스를 설치한 데 이어 올해 1월 인력을 두 배로 늘리고 민간 헤드헌팅 전문가를 투입하기로 했다. 첫 집중 영입 대상은 인공지능(AI) 인재다. 정부 안에는 최상위 민간 헤드헌팅 회사처럼 후보를 발굴하는 AI 인재 소싱 기능도 만들었다. 지원자가 영국행 비자를 신청하면 심사하던 방식에서 정부가 먼저 필요한 사람을 골라 접촉하는 단계로 넘어간 것이다. 글로벌 인재 태스크포스는 총리실과 재무부에 보고하며 해외 인재를 영국 대학과 연구기관, 기업에 연결한다. 연구자 개인뿐 아니라 연구팀이나 기업이 함께 움직일 경우 비자와 이전 절차, 가족의 정착 문제 등을 관련 기관과 연결하는 ‘컨시어지’ 역할도 맡는다. 정부가 후보자를 찾아내는 데 그치지 않고 영국에 옮겨와 실제로 일하기까지의 과정을 관리하는 것이다. 돈도 따라붙는다. 영국은 5400만파운드 규모의 ‘글로벌 인재 펀드’를 통해 해외 연구자가 영국에서 새로운 연구팀을 꾸릴 수 있도록 지원한다. 선정된 대학과 연구기관에는 연구인력 채용과 장비·시설 구축, 이전 등에 필요한 비용을 지원한다. 8월까지 이 펀드를 통해 영국행이 확정된 연구자는 18명으로 늘었고, 펀드를 배정받은 12개 연구기관 모두 해외 연구자 영입을 성사시켰다. 미국 오리건주립대에서 스트래스클라이드대로 옮긴 브리오니 듀폰 교수는 AI를 활용해 해상풍력 등 에너지 시스템을 더 안정적으로 설계하는 연구를 진행한다. 싱가포르국립대에서 사우샘프턴대로 이동한 디미트리스 앙겔라키스 교수는 확장 가능한 양자컴퓨팅과 양자기술을 활용한 AI를 연구한다. 오스트리아 잘츠부르크응용과학대에서 확장현실(XR)과 인간·컴퓨터 상호작용을 연구한 마르쿠스 타츠게른도 9월 워릭대로 자리를 옮겼다. 연구자를 데려오면서 새 연구실과 연구팀을 함께 만드는 방식이다. 인재를 받아들이는 통로도 넓혔다. 지난 8월6일부터 아스트라제네카와 재규어랜드로버 등 연구집약형 기업 100여곳도 글로벌 인재 비자를 통해 해외 연구자의 영국행을 지원할 수 있게 됐다. 이전에는 대학과 공공 연구기관 등이 주로 활용하던 통로를 민간 연구기업까지 넓힌 것이다. 정부가 인정한 연구비와 연계해 영국에 들어온 인재는 130여개국 1만2500명을 넘어섰다. ◆자리·팀·체류조건까지… 국가가 영입 패키지 설계 프랑스·싱가포르·중국 역시 인재가 실제로 옮겨올 수 있도록 연구자리와 팀, 보수, 체류조건을 함께 설계하고 있다. 프랑스의 ‘과학을 위한 프랑스 선택(Choose France for Science)’은 해외 연구자와 프랑스 대학·연구기관이 연구계획을 함께 짜도록 한 뒤 정부가 전체 사업비의 최대 50%를 지원한다. 지원금은 연구책임자의 보수뿐 아니라 박사과정 학생과 박사후연구원 채용, 장비 구입과 연구실 운영에도 사용할 수 있다. 연구자 한 사람에게 비자를 내주는 데서 끝나는 게 아니라 그 사람이 프랑스에서 연구를 이어갈 자리와 팀을 함께 만드는 방식이다. 미국 클렘슨대의 생태학자 제이슨 프리들리 교수는 지난 6월 프랑스 국립과학연구센터(CNRS) 소속으로 아미앵의 생태연구소에 합류했다. 기후변화에 따른 외래 수종의 확산을 연구하는 프리들리는 새 국제연구팀을 꾸리고 있다. 프랑스 정부가 지난 2월 공개한 첫 선정자는 33명이었지만 5월 말에는 60명 이상으로 늘었다. 프랑스 정부가 이 프로그램에 투입하기로 한 예산은 1억유로다. 싱가포르는 체류자격을 특정 회사가 아닌 인재 개인에게 붙인다. ‘해외 네트워크·전문지식 패스(원패스)’ 보유자는 여러 기업에서 동시에 일하거나 창업과 투자, 이사회 활동 등을 병행할 수 있다. 직장을 옮길 때마다 새로운 취업비자를 받을 필요가 없어 대기업뿐 아니라 신생기업과 연구기관도 해외 인재의 전문성을 활용할 수 있다. 원패스 보유자는 제도가 시작된 2023년 말 약 3600명에서 2024년 말 6300명, 2025년 말 8500명으로 늘었다. 싱가포르 정부는 국립과학기술청(A*STAR) 산하 유전체연구소의 안데르스 야코브센 스칸데루프 박사를 대표적인 유치 사례로 들고 있다. 그는 혈액검사와 AI를 이용해 암의 진행과 재발을 추적하는 기술을 개발했다. 오픈AI의 국제전략·운영 담당 매니징디렉터 올리버 제이도 원패스를 보유하고 있으며 카루셀과 글린츠 등 현지 신생기업 창업자들을 자문했다. 싱가포르는 2027년 1월28일부터 ‘원패스 AI·기술 전용 트랙’ 신청도 받는다. 기존 테크패스를 대체하는 제도다. 월 보수 기준은 3만싱가포르달러지만 이 가운데 현금 고정급여가 최소 2만2500달러면 나머지는 이미 권리가 확정된 스톡옵션이나 직원 보유주식 등으로 채울 수 있다. 현금 급여만으로 글로벌 빅테크와 경쟁하기 어려운 기술기업이 지분 보상을 활용해 해외 인재를 영입할 수 있도록 체류제도를 기술기업의 보상 방식에 맞춘 것이다. 중국은 고용계약 자체를 비자의 선결조건에서 없앴다. 지난해 10월 도입한 K비자는 일정 요건을 갖춘 외국의 청년 과학기술 인재라면 중국 내 고용주나 초청기관을 확보하지 않아도 신청할 수 있다. 과학·기술·공학·수학(STEM) 분야의 일정 학력이나 연구경력을 갖춘 인재가 대상이다. 입국한 뒤 대학과 연구소, 기업을 만나 과학기술 교류나 창업·사업 활동을 할 수 있다. 기업과 계약한 뒤 비자를 받는 기존 취업비자와 달리 사람부터 중국에 들어오게 한 뒤 일할 곳을 찾을 수 있도록 한 것이다. 각국이 인재 영입 조건을 잇달아 바꾸는 데는 미국의 과학·이민 정책 변화도 영향을 미치고 있다. 헬렌 토너 미국 조지타운대 안보신기술센터 연구원은 미국의 과학연구 지원 축소와 국제학생에 대한 제한이 AI 경쟁에서 중국에 “큰 선물”이 될 수 있다고 지적했다. 미국 AI 인력에서 해외 출신 연구자가 차지하는 비중이 큰 만큼 연구비와 체류자격의 불확실성이 커질수록 다른 국가들이 이들을 끌어들일 여지가 커진다는 것이다.

메타가 2023년 공개한 첫 대규모언어모델(LLM) ‘라마’의 논문 저자 14명 가운데 2025년 5월까지 회사에 남은 사람은 3명뿐이었다. 떠난 연구자 가운데 5명은 프랑스 파리의 미스트랄AI를 세우거나 합류해 초기 모델 개발에 참여했다. 유럽에서 교육받은 연구자가 파리에 있는 메타·구글 등 글로벌 빅테크 연구소에서 최첨단 모델 개발 경험을 쌓은 뒤 다시 유럽 스타트업의 창업자와 핵심 연구자로 이동한 것이다. 유럽에는 세계적 인재를 길러내는 대학뿐 아니라 글로벌 빅테크의 연구거점도 자리 잡고 있다. 이 연구소들이 현지 인재를 빨아들이는 데 그치지 않고 최첨단 모델 개발과 사업화를 경험한 연구자를 다시 유럽 창업 생태계로 내보내는 경력 사다리 역할도 하기 시작했다. 문제는 그다음이다. 인재가 회사를 만드는 데까지는 성공하지만 이 기업을 세계적 규모로 키울 후기 자본과 연산 인프라가 부족하다. 미스트랄은 결국 모델 개발사를 넘어 직접 대규모 연산시설을 구축하는 사업에 뛰어들었다. ◆유럽의 빅테크 연구소가 창업 사다리로 미스트랄AI는 2023년 구글 딥마인드 출신 아르튀르 멘슈와 메타 출신 기욤 랑플·티모테 라크루아가 공동창업했다. 랑플과 라크루아는 첫 라마 논문의 저자였다. 이후 같은 논문에 이름을 올렸던 마리안 라쇼와 티보 라브릴, 밥티스트 로지에르도 미스트랄AI에 합류했다. 메타에서 라마 개발에 참여했던 연구진 일부가 파리에서 다시 모여 미스트랄·믹스트랄 계열 모델 개발에 나선 것이다. 세 창업자의 뿌리는 프랑스 대학과 연구기관이다. 멘슈와 랑플은 에콜 폴리테크니크에서 공부했고 라크루아는 에콜 노르말 쉬페리외르 출신이다. 멘슈는 구글 딥마인드 파리 연구소에서 일했고 랑플과 라크루아는 메타의 파리 AI 연구조직에서 대규모언어모델을 개발했다. 프랑스에서 교육받은 연구자가 생활 기반을 유럽에 둔 채 글로벌 빅테크의 최첨단 프로젝트를 경험한 뒤 그 경험을 다시 현지 창업으로 연결했다. 이 같은 순환의 기반에는 구글과 메타, 마이크로소프트 등이 유럽에 구축한 연구거점이 있었다. 파리와 런던, 취리히 등 대학과 연구기관이 밀집한 도시에 연구조직을 세우면서 유럽 연구자들은 미국 본사로 옮기지 않고도 글로벌 빅테크의 연산자원과 데이터를 활용해 최첨단 AI를 개발할 수 있었다. 영국의 딥마인드도 대표적이다. 2010년 런던에서 출발해 2014년 구글에 인수된 뒤에도 영국에 핵심 연구조직을 유지했고, 구글의 연산자원과 사업화 기반을 활용해 알파고와 알파폴드, 제미나이 등으로 연구 영역을 넓혔다. 스위스 취리히에서도 빅테크의 연구거점 확대가 이어졌다. 마이크로소프트는 2025년 새 AI 조직을 만들면서 구글 딥마인드 출신 연구자들을 창립 멤버로 영입했다. 기존에도 취리히연방공대(ETH)와 인력을 공유하며 현지 연구기반을 넓혀왔다. 미스트랄AI는 이런 인재 순환이 실제 기업 성장으로 이어진 대표 사례다. 2023년 설립 약 4주 만에 1억500만유로를 유치했고, 2025년 9월에는 17억유로를 추가 조달하며 117억유로의 기업가치를 인정받았다. 네덜란드 반도체 장비업체 ASML도 투자에 참여해 미스트랄의 AI 모델을 반도체 장비 연구개발과 운영에 활용하는 협력에 나섰다. ◆인재·창업은 美와 비슷… 성장자본·연산능력서 격차 유럽에 AI 인재나 신생기업이 부족한 것은 아니다. 투자회사 프로서스와 데이터업체 딜룸이 2026년 집계한 유럽의 AI 전문인력은 약 32만5000명으로 미국과 비슷했다. 유럽과 미국에서 매년 새로 생기는 벤처투자 기반 AI 스타트업도 각각 약 900개로 큰 차이가 없었다. 격차는 기업을 대형 회사로 키우는 단계에서 벌어졌다. 유럽 AI 스타트업에 대한 초기 투자는 미국과 비교해 크게 뒤지지 않았지만 후기 투자에서는 격차가 급격히 벌어졌다. 유럽 AI 기업의 대규모 후기 투자에서 주도 투자자의 73%는 미국계였다. 유럽에서 AI 인재를 가장 많이 고용한 기업 15곳 가운데 6곳도 미국 빅테크였고, 유럽 기술기업은 한 곳도 포함되지 않았다. 유럽이 인재를 길러내고 스타트업을 만드는 데는 성공했지만 이들을 대형 기술기업으로 키우는 과정에서는 다시 미국의 자본과 기업에 의존하는 구조인 셈이다. 대규모 AI 모델 개발에 필요한 고성능 그래픽처리장치(GPU)와 데이터센터 등 연산 인프라도 유럽 기업이 넘어야 할 또 다른 장벽이다. 글로벌 기술투자회사 프로서스와 스타트업 데이터업체 딜룸은 공동 보고서에서 공개형 모델과 제조·금융·의료 등 산업별 AI, 월드모델 등을 유럽이 경쟁력을 확보할 수 있는 분야로 꼽았다. 파브리시우 블로이지 프로서스 최고경영자(CEO)는 “유럽은 세계적인 인재를 갖고 있지만 자체 연산자원과 공개형 모델에 빠르고 대규모로 투자하지 않으면 다른 지역에 의존하게 될 위험이 있다”고 지적했다. ◆성장 병목 직접 푼다… 미스트랄AI, 모델 학습서 연산망 구축까지 미스트랄AI는 부족한 연산 인프라를 직접 구축하는 쪽으로 사업 영역을 넓혔다. 2025년 6월 GPU와 오케스트레이션, 응용프로그램인터페이스(API), AI 제품·서비스를 하나로 묶은 ‘미스트랄 컴퓨트’를 발표했다. 기업이 직접 GPU와 데이터센터를 마련하지 않아도 모델 학습부터 실제 서비스 운영까지 할 수 있는 유럽 기반 연산환경을 제공하는 사업이다. 미스트랄 모델뿐 아니라 다른 기업의 공개형 모델도 같은 인프라에서 운영할 수 있도록 했다. 모델 회사가 자사 AI를 개발하는 데 필요한 연산자원을 확보하는 수준을 넘어 다른 기업과 연구기관에 GPU 기반 인프라를 제공하는 사업자로 영역을 확장한 것이다. 미스트랄AI는 장기적으로 유럽 내 AI 연산능력을 2030년까지 최대 1기가와트(GW) 규모로 확대한다는 계획이다. 여러 기업의 장기 연산 수요를 모아 이를 기반으로 데이터센터와 GPU 시설을 구축하고, 참여 기업에는 장기간 사용할 연산능력을 보장하는 방식이다. 유럽연합(EU)도 연산 인프라 확대에 나섰다. EU 집행위원회는 지난 7월 최대 7개의 ‘AI 기가팩토리’를 구축하는 사업 공모에 들어갔다. EU와 회원국이 최대 100억유로를 지원하고 민간에서 최소 200억유로의 투자를 끌어들여 대규모 AI 연산시설을 구축한다는 계획이다. 공모는 11월 마감되며 2027년 초 사업자를 선정할 예정이다.

중국의 인공지능(AI) 인재전쟁은 해외 인재를 끌어오는 데서 끝나지 않는다. 자국에서 성장한 AI 기업의 기술과 핵심 인력이 해외로 빠져나가는 통로까지 통제하기 시작했다. 정부는 국가안보 심사를 앞세워 이미 이뤄진 미국 빅테크의 AI 기업 인수를 되돌리고 미국 자본 유입과 핵심 연구자의 출국까지 관리하고 있다. 중국 기업들은 지분보상을 강화해 경쟁사의 인재 빼가기에 맞서고 있다. ◆20억달러 인수 뒤집고… AI 핵심인재 출국까지 통제 대표적인 사례가 AI 에이전트 업체 마누스다. 중국 국가발전개혁위원회(발개위)는 지난 4월27일 메타가 2025년 12월 약 20억달러를 들여 인수한 마누스에 대한 외국 자본의 투자를 금지하고 양측에 거래를 철회하라고 명령했다. 중국에서 출발한 창업팀이 본사를 싱가포르로 옮긴 뒤 성사시킨 거래였지만 중국 당국은 자국에서 개발된 기술과 인력의 해외 이전 문제를 국가안보 심사 대상으로 삼았다. 마누스는 웹 검색과 자료 분석, 코딩 등 여러 단계를 사람 대신 수행하는 범용 AI 에이전트를 개발했다. 2025년 3월 서비스를 내놓은 뒤 그해 말 연간 반복매출(ARR)이 1억달러를 넘어섰다고 밝혔다. 메타는 인수 뒤 마누스 인력 약 100명을 싱가포르 조직으로 편입하며 AI 에이전트 사업에 활용하기 시작했다. 하지만 중국 상무부 등은 인수 직후인 지난 1월 해외투자와 기술 수출, 데이터 이전 등이 중국 법률에 부합하는지 조사에 들어갔다. 3월에는 마누스 최고경영자(CEO) 샤오훙과 수석과학자 지이차오를 베이징으로 불러 조사하고 출국을 제한했다. 이어 발개위가 4월 거래 철회를 명령했다. 중국의 외국인투자 안보심사 제도를 AI 분야의 대형 해외 인수 차단에 공개적으로 적용한 첫 사례였다. 메타도 결국 분리 절차에 들어갔다. 지난 6월 초부터 마누스와 직원들의 메타 내부 시스템 접근을 막고 양측의 데이터 공유를 중단했다. 메타 직원 역시 내부 업무에 마누스 서비스를 사용할 수 없도록 했다. 중국의 통제는 한 건의 기업 인수를 막는 데 그치지 않았다. 당국은 지난 4월 주요 AI 신생기업을 비롯한 민간 기술기업에 미국 자본을 유치하려면 정부 승인을 받도록 요구하기 시작했다. 5월에는 중요 AI 기술을 다루는 민간기업 창업자와 연구자, 임원의 해외여행까지 관리 범위를 넓혔다. 국가 AI 전략에서 중요도가 높은 인력은 해외로 나가기 전에 당국의 승인을 받도록 한 것이다. 국유기업 임원이나 공공 연구기관 인력에 주로 적용되던 출국 관리가 민간 AI 기업까지 확대됐다. ◆정부가 통로 조이고, 기업은 지분보상으로 붙잡아 정부가 기술과 인력의 해외 유출을 관리하는 동안 중국 기업 내부에서는 핵심 연구자를 둘러싼 쟁탈전이 벌어지고 있다. 현금 연봉뿐 아니라 스톡옵션과 사업부 가치에 연동된 보상이 인재를 붙잡기 위한 수단으로 떠올랐다. 딥시크가 대표적이다. 2025년 추론모델 R1으로 세계적인 주목을 받은 뒤 텐센트와 바이트댄스 등 중국 빅테크가 연구진 영입에 나섰다. R1 핵심 연구자인 궈다야는 바이트댄스 시드(Seed)로 이동했고, 딥시크 초기 대규모언어모델 개발에 참여한 왕빙쉬안은 텐센트 혼위안팀으로 옮겼다. 딥시크는 창업자 량원펑의 계량투자회사 하이플라이어 자금으로 운영하면서 외부 투자를 받지 않아왔다. 하지만 기업가치를 객관적으로 평가할 외부 투자 사례가 없다 보니 연구자에게 지급하는 스톡옵션의 가치를 제시하기 어렵다는 문제가 있었다. 연산자원 확충과 직원 보상 강화를 위해 외부 자본을 받아야 할 필요성도 커졌다. 딥시크는 지난 6월 처음으로 외부 투자에 나서 약 74억달러를 조달했다. 이후 공개된 투자자료에서는 기업가치가 약 518억달러로 평가된 사실이 확인됐다. 수년간 외부 자금을 받지 않던 전략을 바꾼 것이다. 바이트댄스도 인재 이탈을 막기 위해 보상체계를 바꿨다. 텐센트 등이 시드의 핵심 인력을 잇달아 영입하자 지난 5월 AI 연구개발 조직 시드 직원에게 이른바 ‘두바오 주식’으로 불리는 사업부 연동형 지분보상을 도입했다. 시드에는 핵심 연구자와 인프라 엔지니어, 데이터 가공 인력 등 약 2000명이 근무한다. 두바오 주식은 바이트댄스 전체 기업가치가 아니라 시드와 두바오 AI 사업의 성과에 보상 가치를 연동하는 방식이다. 지난해 말 주당 약 10달러 수준이던 내부 가격은 지난 5월 13달러로 약 30% 높아졌다. 바이트댄스가 특정 사업부의 성과에 연동한 별도 지분보상을 도입한 것은 처음이다.

중국 바이트댄스는 2025년 2월 구글에서 17년간 일한 우융후이를 영입했다. 중국 난징대와 미국 캘리포니아대 리버사이드에서 컴퓨터과학을 공부한 우융후이는 구글의 신경망 기계번역 시스템과 제미나이 개발에 참여했고, 최고위 기술직인 ‘구글 펠로’와 구글 딥마인드 연구부사장까지 지냈다. 바이트댄스는 그를 인공지능(AI) 핵심 조직 ‘시드(Seed)’의 기초연구 책임자로 앉히고 량루보 최고경영자(CEO)에게 직접 보고하도록 했다. 같은 해 12월에는 오픈AI 연구자 야오순위가 텐센트로 옮겼다. 베이징 칭화대의 영재교육 과정인 ‘야오반’을 졸업하고 미국 프린스턴대에서 박사학위를 받은 AI 에이전트 전문가다. AI가 추론하면서 검색·계산 등 외부 도구를 사용하도록 하는 ‘리액트(ReAct)’와 여러 해법을 탐색하는 ‘생각의 나무(Tree of Thoughts)’ 연구에 참여했다. 오픈AI에서는 컴퓨터를 직접 조작하는 ‘오퍼레이터’와 자료를 찾아 보고서를 작성하는 ‘딥리서치’ 개발에 참여했다. 텐센트는 야오순위를 수석AI과학자로 영입한 데 그치지 않고 대규모언어모델과 AI 인프라 조직까지 맡겼다. 기초모델 ‘혼위안’의 알고리즘 개발과 대규모 분산학습·고성능 추론을 뒷받침하는 기반시설을 함께 지휘하게 한 것이다. 미국에서 최첨단 AI를 개발해 온 중국계 연구자가 중국 기업으로 돌아와 핵심 연구조직을 이끄는 사례가 잇따르고 있다. 거액의 보상뿐 아니라 연구 방향과 조직, 모델과 인프라를 직접 지휘할 권한까지 내걸고 해외 경력 인재를 끌어들이는 방식이다. ◆미국서 중국 옮긴 AI 핵심 연구자 최소 30여명… 1년 새 급증 개별 연구자의 이직을 넘어 중국행이 늘고 있다는 수치도 나오고 있다. 영국 파이낸셜타임스(FT)는 지난 4월 중국과 샌프란시스코의 AI 전문 헤드헌터 3명을 인용해 이들이 직전 12개월 동안 미국에서 중국으로 옮긴 연구자 30여명의 채용과 이주를 도왔다고 보도했다. 그보다 앞선 1년 동안 이들이 성사시킨 중국행은 한 자릿수에 그쳤다. 중국행은 빅테크 취업뿐 아니라 창업으로도 이어지고 있다. 2019∼2023년 오픈AI에서 일하며 인스트럭트GPT 논문과 GPT-4 기술보고서에 이름을 올린 장쉬는 2024년 중국 선전에 로봇 기초모델 스타트업 라이트 오리진스를 세웠다. 구글 딥마인드 출신 연구자들의 중국 빅테크행도 이어졌다. 제미나이 1.0·1.5·2.5 연구에 참여한 저우하오는 올해 초 알리바바 통이실험실에 합류했다. 7월에는 구글리서치와 구글 딥마인드, 오픈AI에서 컴퓨터 비전을 연구한 톈융룽이 텐센트로 옮겨 시각언어모델 개발을 맡았다. 미국 AI 기업에서 최전선 모델 개발 경험을 쌓은 뒤 중국 대기업 연구조직을 이끌거나 중국에서 직접 회사를 세우는 경로가 늘어나고 있는 것이다. ◆연봉 넘어 연구지휘·공급망으로 유혹 중국행을 이끄는 요인은 연봉만이 아니다. 바이트댄스와 텐센트는 해외에서 영입한 핵심 연구자에게 연구조직과 모델 개발을 직접 지휘할 권한을 줬다. 로봇처럼 AI 모델을 실제 하드웨어와 결합해야 하는 분야에서는 중국에 집중된 제조·부품 공급망 자체가 연구환경의 경쟁력이 되고 있다. 장쉬는 지난 5월 인터뷰에서 로봇 분야를 택한 이유를 설명하며 “공급망과 하드웨어는 중국의 독특한 강점”이라고 말했다. 미시간주립대의 스티브 슈 교수도 “로봇 연구자는 부품을 곧바로 조달하고 수리할 수 있는 선전에 직접 있어야 한다”고 FT에 말했다. 선전에는 휴머노이드 로봇 기업만 100곳 이상 모여 있다. AI 모델을 실제 로봇에 적용하려면 센서와 모터 등 부품을 빠르게 조달하고 시제품 제작과 수정을 반복해야 한다. 연구실과 부품업체, 제조공장이 가까이 모여 있는 환경 자체가 개발 속도를 높이는 조건이 되는 셈이다. 보상의 실질적인 차이도 변수다. 중국과 샌프란시스코의 헤드헌터들은 세금과 생활비를 반영하면 중국 기업이 제시하는 보상의 구매력이 실리콘밸리보다 높아지는 경우가 있다고 설명했다. 주거비와 자녀 교육, 가족과의 거리도 진로 선택에 영향을 미쳤다. 다만 루 장 퓨전펀드 창업자는 자본의 회전 속도와 동료·멘토의 밀도, 새로운 아이디어를 빠르게 검증할 수 있는 환경에서는 실리콘밸리가 여전히 가장 강하다고 평가했다. ◆해외 인재 돌아오고, 젊은 연구자는 중국에 남는다 해외에서 경력을 쌓은 연구자의 귀환과 함께 중국이 자체적으로 배출하는 AI 인재층도 빠르게 커지고 있다. 폴슨재단 연구기관 매크로폴로가 국제 인공지능 학회 신경정보처리시스템학회(NeurIPS·뉴립스) 2022년 논문 저자를 분석한 결과 상위권 AI 연구자 가운데 중국에서 학부를 마친 인재의 비중은 2019년 29%에서 2022년 47%로 높아졌다. 매크로폴로는 중국이 배출하는 상위 AI 인재가 늘면서 중국 내에서 일하는 연구자 풀도 확대됐다고 분석했다. 국경을 넘어 이동하는 AI 연구자 자체도 줄었다. 출신국과 다른 나라에서 일하는 상위권 AI 연구자 비중은 2019년 55%에서 2022년 42%로 낮아졌다. 중국뿐 아니라 각국에서 자국에 남아 연구하는 인재가 늘고 있다는 의미다. 미국 내 중국계 과학자의 이탈은 AI 분야에만 국한되지 않았다. 스탠퍼드대 중국경제제도센터에 따르면 미국에서 경력을 시작한 뒤 해외로 떠난 중국계 과학자는 2010년 900명에서 2021년 2621명으로 늘었다. 2021년 이들의 67%는 중국 본토나 홍콩으로 이동했다. 미국에서 일하는 중국계 과학자 1304명을 조사한 결과 72%는 연구자로서 안전하다고 느끼지 못한다고 답했고, 61%는 미국을 떠나는 방안을 생각한 적이 있다고 했다. 젊은 인재의 선택도 달라지고 있다. 칭화대의 한 진로 담당자는 미국 박사과정에 지원하는 공대 졸업생 비중이 코로나19 이전 약 50%에서 최근 20% 안팎으로 줄었다고 FT에 말했다. 칭화대가 지난해 말 집계한 야오반 졸업생 가운데 절반 이상은 중국에서 대학 연구자나 창업자, 기업 연구원으로 활동하고 있었다.

2013년 3월 구글은 토론토대 컴퓨터과학 교수였던 제프리 힌턴이 대학원생 알렉스 크리제프스키·일리야 수츠케버와 함께 세운 AI 업체 DNN리서치를 인수했다. 설립된 지 1년도 안 된 회사로 구성원은 세 명뿐이었고 내놓은 제품도 없었다. 구글이 사들인 것은 사실상 토론토대 연구실에서 나온 딥러닝 기술과 이를 만든 연구자들이었다. 이들은 2012년 국제 이미지 인식대회에서 기존 기술의 성능을 크게 뛰어넘은 딥러닝 기반 이미지 인식 모델 ‘알렉스넷’을 선보였고, 이는 딥러닝 열풍의 기폭제가 됐다. 알렉스넷의 상위 5개 오답률은 15.3%로 2위 모델의 26.2%를 크게 앞섰다. 알렉스넷의 성과가 알려지자 구글과 마이크로소프트, 바이두, 딥마인드가 DNN리서치 인수 경쟁에 뛰어들었다. 힌턴은 이들 기업을 상대로 인수 제안 경쟁을 붙였고, 제안액은 4400만달러까지 올라갔다. 더 높은 가격을 받을 수도 있었지만 힌턴과 제자들은 연구를 이어갈 곳으로 구글을 택해 경쟁을 끝냈다. 실제 인수 금액은 공개되지 않았다. 인수 뒤 크리제프스키와 수츠케버는 구글로 옮겼고 힌턴은 토론토대 교수직을 유지하며 구글과 대학을 오갔다. 힌턴은 당시 “토론토에서 연구를 계속하면서 동시에 구글이 새로운 딥러닝 기술을 적용하도록 도울 수 있게 됐다”고 말했다. 수츠케버는 2년 뒤 오픈AI를 공동창업해 수석과학자가 됐고, 힌턴은 구글에서 딥러닝 연구를 이어간 뒤 2024년 노벨물리학상을 받았다. DNN리서치 인수는 대학 연구실에서 탄생한 AI 기술과 연구자가 빅테크로 이동하는 흐름을 보여준 상징적인 초기 사례였다. 이후 AI 연구의 무게중심은 사람뿐 아니라 이들의 연구를 뒷받침하는 자본과 연산자원까지 갖춘 기업 쪽으로 빠르게 기울었다. ◆대학 연구실서 기업으로… 산업계 비중 48%→68% DNN리서치만의 일이 아니었다. 2014년 구글 딥마인드는 옥스퍼드대 연구진이 세운 다크블루랩스와 비전팩토리의 창업자 7명을 모두 영입했다. 이 가운데 교수 3명은 옥스퍼드대와 딥마인드에 공동으로 소속돼 양쪽에서 연구를 이어갔다. 애플은 2016년 워싱턴대의 오픈소스 머신러닝 프로젝트 ‘그래프랩’에서 출발한 스타트업 투리(Turi)를 인수했다. 창업자인 카를로스 게스트린 워싱턴대 교수는 애플의 머신러닝 책임자가 돼 시애틀 AI·머신러닝 연구거점 구축을 맡았다. 개별 사례를 넘어 AI 연구자 고용의 무게중심 자체가 기업 쪽으로 기울었다. 미국 시카고대와 연방인구조사국 등의 연구진이 2001∼2021년 AI 연구자 4만2000명의 직장과 소득, 논문·특허 실적을 추적한 결과 산업계에서 일하는 비중은 2001년 48%에서 2019년 68%로 높아졌다. 특히 젊은 연구자의 산업계 이동은 신생기업보다 직원 1000명 이상, 업력 20년 이상인 기존 대기업에 집중됐다. 기업과 대학의 보상 격차도 벌어졌다. 산업계 AI 연구자 중 소득 상위 1%의 연간 소득은 2015년 물가 기준 2001년 59만5000달러에서 2021년 194만달러로 약 226% 늘었다. 같은 기간 대학 연구자의 상위 소득은 30만1000달러에서 39만2000달러로 약 30% 증가하는 데 그쳤다. 대학에서 산업계로 완전히 옮긴 연구자의 소득은 대학 안에서 직장을 옮긴 유사한 연구자보다 평균 63% 높아졌다. ◆연봉 넘어 GPU·데이터까지… 연구환경도 기업에 집중 연구자가 기업으로 향하는 이유는 보상만이 아니다. 딥러닝 이후 최첨단 AI 연구에는 대규모 데이터와 고성능반도체(GPU), 클라우드 컴퓨팅 등 막대한 연산자원이 필요해졌다. 개인 연구실이나 대학이 감당해야 할 실험 비용도 함께 커졌다. 페이페이 리와 크리스토퍼 매닝 등 스탠퍼드대 인간중심AI연구소(HAI) 연구진은 최전선 AI 연구가 대규모 연구자·소프트웨어 엔지니어 조직과 연산자원, 데이터를 동시에 요구하면서 대학이 기업과 같은 규모의 연구환경을 갖추기 어려워졌다고 지적했다. 연구자를 붙잡기 위한 연봉 경쟁뿐 아니라 연구자가 원하는 규모의 실험을 어디에서 할 수 있느냐가 인재 확보의 또 다른 조건이 된 것이다. 인재 이동은 연구 성과의 형태도 바꿨다. 4만2000명을 추적한 연구에서 대학을 떠나 산업계로 완전히 이동한 연구자는 유사한 대학 연구자보다 논문을 연간 65% 적게 쓴 반면 특허는 530% 더 많이 냈다. 연구진은 AI 연구 성과가 논문으로 공개되기보다 기업 내부의 기술과 특허로 쌓이는 흐름을 보여주는 결과라고 분석했다. 최전선 AI 모델에서도 기업의 비중은 압도적이다. 스탠퍼드대의 ‘2026 AI 인덱스’에 따르면 2025년 주목할 만한 최전선 AI 모델의 90% 이상이 기업에서 나왔다. 대학은 기초 연구와 인재 양성에서 여전히 핵심 역할을 맡고 있지만, 막대한 연산자원과 자본이 필요한 대형 모델 개발에서는 기업이 사실상 중심에 선 것이다. 다만 대학과 기업의 연결이 완전히 끊어진 것은 아니다. 연구진은 “대학은 수동적인 방관자가 아니다”라며 교수 겸직과 지식재산권, 기업 공동연구 제도를 어떻게 설계하느냐가 인재 배분에 영향을 미칠 수 있다고 지적했다. DNN리서치를 인수한 구글은 발표 직전 힌턴의 토론토대 연구그룹에 60만달러를 기부했다. 구글 딥마인드는 옥스퍼드대 연구진 7명을 영입하면서 대학에 수백만달러 규모의 연구비를 지원했고, 교수 3명은 대학 겸직을 유지했다. 애플이 투리를 인수한 뒤 워싱턴대에는 게스트린의 이름을 붙인 100만달러 규모의 AI·머신러닝 석좌교수직 기금이 만들어졌다.