지난 9월 반도체 수출은 603억달러로 전체 수출의 49.9%를 차지했다. SK하이닉스는 2분기 영업이익률 76%를 기록했다. 제조업에서 보기 드문 숫자다. 오랜 시간 쌓아 온 기술력에 인공지능(AI) 수요가 더해진 결과다. 그러나 이 호황이 언제까지 갈지는 아무도 모른다. 반도체는 수요와 공급, 가격에 따라 실적이 크게 출렁이는 산업이다. 한 달 수출의 절반을 한 품목에 기대는 지금, 업황이 꺾이면 그 충격은 경제 전체로 번진다. 편안할 때 위태로움을 생각하는 거안사위(居安思危)의 자세가 필요한 때다. 무엇을 준비해야 하는가. 수요에 맞춰 양산 능력을 확보하는 일은 당연하다. 다만 증설은 장기 수요와 설비 전환 가능성을 따져 결정하고, 차세대 제품 연구를 함께 이어가야 한다. 더 근본적인 과제는 따로 있다. 우리 기업은 이미 선도자의 자리에 올랐지만, 평가하고 협력하고 인재를 키우는 방식은 여전히 빠른 추격자 시절에 머물러 있다. 추격자는 앞선 이를 따라가면 되지만, 선도자는 아무도 가 보지 않은 길을 스스로 찾아야 한다. 길을 찾는 방식부터 바꿔야 한다. 첫째, 평가와 보상이다. 추격자 시절에는 정해진 목표를 빨리 달성하는 것이 곧 경쟁력이었고, 당장의 실적이 가장 좋은 평가 기준이었다. 그러나 오늘의 이익은 과거에 개발한 기술에서, 내일의 이익은 지금 하는 연구에서 나온다. 단기 실적만 보상하면 인재는 성과가 바로 보이는 일로 몰리고 미래기술은 비어 간다. 장기 연구는 단계별 목표 달성과 기술의 파급력으로 평가하고, 부서의 임무에 따라 실용성과 도전성의 비중을 달리해야 한다. 실패한 도전에서 얻은 지식도 조직의 자산으로 인정받아야 한다. 그래야 뛰어난 연구자가 결과가 불확실한 과제에 기꺼이 뛰어든다. 성과급 갈등이 불거진 지금이 평가 체계를 다시 설계할 적기다. 둘째, 산학협력과 인재 양성이다. 종로학원에 따르면 2027학년도 주요 대학 반도체 계약학과 수시 지원자는 1년 새 19.4% 늘었다. 인재가 몰려오는 지금, 숫자보다 탁월함에 집중해야 한다. 실용적인 미래 선도 기술 개발은 물론이고 같은 장비로도 수율을 가르는 것은 결국 사람의 탁월함이다. 그런데 현장에서는 인재를 미리 확보하려고 작은 과제를 여러 대학에 나눠 주는 사례를 어렵지 않게 본다. 기술보다 채용이 목적인 협력이다. 과제가 잘게 쪼개지면 연구는 단편적인 결과에 그치고, 학생도 큰 문제를 융합적으로 풀어 보는 경험을 하기 어렵다. 회사 혼자 풀기 어려운 미래기술은 여러 전공의 교수가 참여하는 센터에서 공동 개발해야 한다. 큰 주제 아래 협력하면 복합적인 기술 문제를 풀 수 있고, 참여 학생은 융합 역량을 갖춘 인재로 성장한다. 아이디어는 교수 연구실의 작은 상향식 과제로 탐색하고, 가능성이 확인되면 센터로 키우는 단계적 지원이 바람직하다. 대학의 실험·실습 환경 개선에는 기업과 정부가 함께 나서야 한다. 셋째, 정부의 역할이다. 선도자에게는 따라갈 교본이 없다. 정부도 경쟁국을 뒤쫓는 지원에서 벗어나, 우리가 잘하거나 잘할 수 있는 분야를 골라 세계를 선도하도록 집중 지원해야 한다. 선도 기술은 10년 넘게 걸려 완성되는 만큼, 지원도 정권과 예산 주기를 넘어 꾸준히 이어져야 한다. 재원은 호황기에 늘어난 세수에서 찾을 수 있다. 그 일부를 적립해 기초연구와 인재 양성, 전력망 같은 핵심 인프라에 투자하고, 불황기에 연구·산업 기반이 흔들리지 않도록 완충 장치로 삼아야 한다. 적립과 사용의 기준, 성과 평가는 투명하게 공개해 정치적 셈법에 휘둘리지 않게 해야 한다. 빠른 추격자 전략은 우리 반도체를 세계 정상에 올려놓았다. 그러나 성공을 만든 방식이 다음 성공을 보장하지는 않는다. 과거 방식으로 성과를 거둔 사람과 조직일수록 익숙한 길에서 벗어나기 어렵다. “내가 틀릴 수 있다”는 자세로 달라진 시장과 제도, 인재와 우리의 위상을 다시 살펴야 한다. 버릴 것은 버리고 지킬 것은 새 환경에 맞게 다듬어야 한다. 초호황은 다음 위기를 준비하라고 주어진 귀한 시간이다. 호시절일수록 겸손하게 미래를 준비하는 것, 그것이 기업과 국가의 경쟁력을 지키는 길이다. 이종호 서울대 전기정보공학부 교수·전 과학기술정보통신부 장관

반도체는 더 이상 하나의 산업이 아니다. 기술 패권 경쟁의 중심에 서며 국가 안보와 경제, 교육, 지역발전까지 영향을 미치는 핵심 산업이 되었다. 정부와 기업, 대학이 반도체 인재 양성에 나서는 이유다. 이제는 인재를 얼마나 많이 양성할 것인가보다 어떻게 양성할 것인가를 고민해야 할 때다. 최근 대학가에서는 반도체 계약학과를 운영 중이거나 새로운 계약학과 설립에 대한 논의가 이어지고 있다. 산업계와 대학이 협력해 인재를 양성하려는 노력은 바람직하다. 그러나 첨단산업의 변화 속도가 갈수록 빨라지는 지금, 새로운 학과를 계속 만드는 방식이 최선인지 다시 생각해 볼 필요가 있다. 물론 새로운 학과가 필요한 경우가 있다. 과거 전력 산업의 성장과 함께 전기공학이 만들어졌고, 반도체와 정보통신 산업 등의 등장으로 전자공학이 독립적인 학문으로 자리 잡았다. 그러나 현재 대부분의 첨단기술은 전자, 재료, 물리, 화학, 컴퓨터공학 등 기존 학문의 토대 위에서 발전하고 있다. 이러한 분야는 새로운 학과를 만드는 것보다 기존 교육체계를 발전시키고 산업 변화에 맞는 교육을 유연하게 더하는 것이 효과적이다. 학부 교육의 본질은 특정 기술을 가르치는 데 있지 않다. 공학수학, 전자기학, 회로이론, 반도체소자, 집적회로와 같은 기초학문을 탄탄히 익혀 새로운 기술을 이해하고 발전시킬 수 있는 능력을 키우는 것이 중요하다. HBM, 첨단 패키징, AI 반도체와 같은 최신 기술도 결국 이러한 기초 위에서 이해된다. 기초학문은 새로운 기술을 배우고 응용하는 기반으로 남는다. 기업이 요구하는 특화기술은 계절학기, 프로젝트, 현장실습, 기업 전문가 강의와 집중 실험·실습 등을 통해 충분히 교육할 수 있다. 이러한 관점에서 필요한 것이 플랫폼형 인재 양성 체계이다. 대학은 기존 학과를 중심으로 기초·전공교육과 융합교육을 담당하고, 기업은 그 위에 산업이 요구하는 교육 프로그램을 더한다. 또한 기업은 미래 전략과 산업 수요에 따라 필요한 인재의 정원을 탄력적으로 확대하거나 축소할 수 있다. 산업이 변하면 정원과 교육 프로그램이 함께 바뀌는 구조가 첨단산업에 더 적합하다. 플랫폼형 모델은 유연성뿐 아니라 대학의 교육 생태계를 유지하고 강화한다는 점에서도 의미가 크다. 학과는 단순한 행정조직이 아니라 교수와 학생, 조교, 실험실, 선후배 공동체, 동문 네트워크가 축적된 교육 플랫폼이다. 새로운 학과를 반복적으로 만드는 방식은 교수의 강의 부담을 늘리고, 조교와 실험실 운영을 복잡하게 하며, 기존 학과와의 협력을 어렵게 만들 수 있다. 교육의 주체인 교수와 학생이 공감하지 못하는 제도는 지속되기 어렵다. 기업에도 플랫폼형 모델은 더욱 실용적이다. 반도체 산업은 빠르게 변한다. 오늘은 HBM이 중요하지만 내일은 차세대 AI 반도체나 3차원 노어(NOR) 플래시 메모리가 핵심이 될 수 있다. 기업은 미래 전략에 따라 필요한 인재의 정원을 늘리거나 줄이고, 교육 프로그램도 신속하게 조정할 수 있어야 한다. 새로운 학과를 만드는 데 투자하기보다 기존 교육체계 위에서 실험·실습 환경을 개선하고 기업 프로젝트, 현장실습, 첨단 장비 구축에 투자하는 것이 교육 효과와 투자 효율을 함께 높인다. 정부도 교육 인프라를 적극 지원해야 한다. 첨단산업 시대의 경쟁력은 새로운 학과를 얼마나 많이 만들었는가가 아니라 기존 대학의 교육체계를 얼마나 잘 활용하고, 기업이 미래 전략에 맞추어 정원 규모와 교육 프로그램을 얼마나 유연하게 조정하며, 정부와 기업이 얼마나 우수한 실험·실습 환경을 구축했는가에 달려 있다. 이제 인재 양성 정책도 ‘학과 중심’에서 ‘플랫폼 중심’으로 전환해야 한다. 대학은 기초교육 플랫폼을, 기업은 산업 맞춤형 교육을, 정부는 교육 인프라를 책임지는 역할을 맡아야 한다. 이러한 플랫폼형 인재 양성은 반도체뿐 아니라 AI, 바이오, 양자기술 등 첨단산업에도 적용할 수 있는 새로운 교육 모델이 될 수 있다. 변화에 강한 교육 플랫폼이 대한민국의 새로운 경쟁력이다. 이종호 서울대 전기정보공학부 교수·전 과학기술정보통신부 장관

인공지능(AI)은 더 이상 낯선 기술이 아니다. 때때로 틀린 답을 내놓지만 그 놀라운 능력에는 감탄하게 된다. 필요한 정보를 신속히 찾아 설명하고, 질문에 답하는 수준을 넘어 스스로 판단하고 행동하는 AI 에이전트로 발전해 업무까지 돕고 있다. 부작용도 있지만 AI는 우리의 삶을 더욱 편리하게 하고 업무 효율도 높였다. AI가 세상을 빠르게 바꾸는 지금, 우리는 AI를 제대로 활용하고 있는가· 미래의 주역인 학생들은 AI 시대에 맞는 교육을 받고 있는가· AI는 교육의 패러다임을 바꿀 수 있는 강력한 도구다. 학생 수준에 맞춘 학습을 제공하고, 빈부와 지역 격차를 줄이며, 재능을 객관적·과학적으로 찾아 진로 결정에도 도움을 줄 수 있다. 대학에서도 기초·이론 과목 강의와 텀 프로젝트 등에 적극 활용하면 교육 효과를 높일 수 있다. 이러한 변화는 교사나 교수의 역할을 새롭게 정의하도록 요구한다. 그러나 AI와 교사는 경쟁 관계가 아니라 서로의 빈 곳을 메우는 협력 관계가 되어야 한다. 이제 두 교육 주체가 각자의 강점을 살려 최적의 교육을 만드는 방안을 마련해야 한다. 그 이유를 나는 50여년 전 초등학교 교실에서 경험했다. 초등학교 3학년이던 1973년 무더운 여름날, 주번이 다소 찌그러진 누런 알루미늄 주전자에 지하수를 떠 왔다. 선생님은 주전자 표면에 물방울이 맺힌 이유를 물었다. 나는 공기 중의 수증기가 차가운 주전자 표면에 달라붙어 생긴 것이라고 답했다. 이는 결로(結露) 현상이다. 선생님은 칭찬해 주셨고, 그날 우리는 교과서를 벗어나 주전자와 물방울을 보며 대화를 통해 과학을 배웠다. 만약 이 과정이 화면 속 AI를 통해서만 이루어졌다면 그 경험과 깨달음은 지금까지 기억되지 않았을 것이다. 뇌인지과학은 지능이 몸을 움직이며 세상과 상호작용을 하는 과정에서 발달한다고 말한다. 찬물이 담긴 주전자를 직접 보고 만지는 경험은 학생의 인지 발달을 이끌고, 선생님의 따뜻한 눈길과 칭찬은 AI가 대신할 수 없는 배움의 감동과 성취감을 남긴다. AI는 개념 설명과 맞춤형 학습, 반복 학습에는 탁월하지만, 실험·실습·토론·프로젝트와 같은 체험 중심 교육은 교사와의 협력을 통해 완성된다. AI는 가르치는 효율을 높이고, 교사는 배움의 깊이를 만든다. AI로 학습한 개념은 학생이 직접 실험하고 토론하며 발표하는 과정을 거칠 때 자신의 지식으로 내재화된다. 텍스트와 코드, 논리는 AI가 만들어 줄 수 있지만 손으로 만지고 실패를 반복하며 얻는 암묵지는 쉽게 대체되지 않는다. AI 시대일수록 강의실보다 실험실이, 암기보다 프로젝트가, 정답보다 질문이 더욱 중요해질 것이다. 실험·실습에도 AI를 적극 활용하되 교육은 교사가 주도하고 AI가 지원하는 방식으로 이루어져야 한다. AI를 보조수단으로 활용하는 학생은 더 크게 성장하겠지만, AI에만 의존하는 학생은 사고력과 문제 해결 능력이 오히려 약해질 수 있다. 따라서 수업은 AI와 교사가 역할을 분담하는 방향으로 설계되어야 한다. AI는 학생 수준에 맞는 개별 학습과 피드백을 담당하고, 교사는 교육과정을 설계하며 학생이 스스로 질문하고 토론하며 다양한 해결책을 찾도록 이끌어야 한다. AI 학습 이후에는 교사가 학생들이 AI 도움을 받지 못하는 상태에서 그들의 이해도를 퀴즈와 발표, 실험 등을 통해 확인하고, AI의 학습 분석 결과를 활용해 학생에게 맞춤형 피드백을 제공하는 선순환 체계를 구축할 필요가 있다. 특히 저학년일수록 AI 활용 교육과 자기주도학습 습관을 함께 길러 주어야 한다. AI를 둘러싼 논란은 여전히 있지만 AI는 분명 문명의 이기(利器)다. 그 능력은 교육에도 새로운 가능성을 열고 있다. 이제 필요한 것은 AI 도입 여부를 논쟁하는 것이 아니라 AI와 교사가 서로의 강점을 살려 최고의 교육 효과를 만드는 일이다. AI를 교육에 올바르게 활용해 미래 경쟁력을 갖춘 인재를 길러내는 것은 곧 국가경쟁력으로 이어진다. AI는 교사를 대신하는 존재가 아니라 역량을 확장하는 최고의 교육 파트너다. AI와 교사가 서로의 빈 곳을 메우는 교육, 그것이 AI 시대의 우리 교육이 나아가야 할 방향이다. 이종호 서울대 전기정보공학부 교수·전 과학기술정보통신부 장관

국가데이터처 고용 동향에 따르면 최근 청년 실업률은 5년 만에 가장 높은 수준으로 상승했다. 과거에도 있었던 일이지만 이번에는 다른 의미로 다가온다. 양질의 일자리 감소 등의 이유도 있지만 인공지능(AI)이 일부 초급 업무를 대체하기 시작한 점도 주목할 필요가 있다. 청년의 취업은 사회에 첫발을 내딛는 과정이자 첫 번째 사다리를 오르는 과정이다. 기업 역시 청년 인재를 채용해 세대 간 경험과 노하우를 전수하며 미래의 핵심 인재를 육성한다. 그런데 신입 채용 대신 AI 활용과 경력직 채용을 확대하면서 그 첫 번째 사다리가 사라지고 있다. 청년들은 성장의 기회를 잃고, 기업은 미래를 이끌 인재를 길러낼 기회를 잃는다. 이대로라면 청년과 기업 모두 어려움에 직면할 수밖에 없다. 우리는 위기가 닥칠 때마다 힘을 모아 슬기롭게 극복해 왔다. 그런데 막상 일이 터졌을 때 대응하는 것은 큰 고통과 희생이 따른다. 이제는 위기의 징후를 미리 읽고 선제적으로 준비하는 문화를 조성해야 한다. 그래야 우리와 미래 세대가 다가올 변화에 보다 안정적으로 대응할 수 있다. 우리는 위기를 기회로 바꿀 수 있는 역량과 지혜를 갖추고 있다. 그렇다면 지금 무엇을 해야 할까? AI 도입으로 청년 채용이 감소한 분야를 면밀히 분석하고 대책을 마련해야 한다. 동시에 새로운 양질의 일자리 창출을 위해 첨단기술 기반 창업을 적극 지원할 필요가 있다. 대학과 연구소의 우수한 기술과 인재가 창업으로 이어질 수 있도록 탄탄한 생태계를 구축해야 한다. 좋은 스타트업은 좋은 생태계에서 나온다. 실리콘밸리에 못지않은, 나아가 한국형 강점을 살린 창업 생태계를 만든다는 각오가 필요하다. 일부 대학은 기관장이 제도를 창업 친화적으로 바꾸며 의미 있는 성과를 내고 있다. 반면 여전히 창업을 어렵게 만드는 관행도 있고 부정적인 시각도 존재한다. 분위기도 조성하고 AI 시대에 부합하는 교과목 개정을 통해 창업자가 좀 더 자유도를 갖게 해야 한다. 정부출연연구기관의 경우 연구원이 창업할 때 적용되는 이해충돌 규제가 대표적인 걸림돌이다. 이제 이해충돌을 투명하게 관리하면서 성과를 극대화하는 제도로 신속히 전환해야 한다. 기업의 성장 이익을 정교하게 공유하는 방안도 중요하지만 창업자에게 더 이익이 되게 해서 더 큰 성과를 만들어야 한다. 또한, 창업 연구자에게 겸직과 복귀의 자유도를 높이고 평가에서 불이익이 없게 해야 한다. 대학과 정부출연연구기관의 노력만으로는 제도 개선에 한계가 있다. 정부는 규제자가 아니라 혁신 생태계를 설계하고 육성하는 조성자의 관점에서 규제 혁신과 지원을 해야 한다. 국민성장펀드 일부가 첨단 전략산업의 스타트업과 벤처, 성장기업에 투자되고 있다는 점은 고무적이다. 그리고 이들 기업에 대해서는 주 52시간제와 경직된 인력 운용 규제를 일정 기간 유연하게 적용하는 방안도 적극 검토할 필요가 있다. 특히 첨단기술 분야에는 네거티브 규제체계로 전환해 혁신의 속도를 높여야 한다. 창업하기 좋은 환경 조성은 국가 경쟁력을 위한 필수 과제다. 필자는 지난 3월 MIT와 경북대가 공동 개최한 ‘MIT Global Startup Workshop(GSW)’에 참여했다. GSW는 MIT가 1998년 이후 세계 각국에서 운영해 온 창업 생태계 구축 프로그램으로, 창업가, 대학, 투자자, 대기업, 정부, 연구기관이 함께 작동하는 시스템을 구축하는 것을 목표로 한다. 단순한 지원을 넘어서 여러 주체가 함께 지역별 특성에 맞는 창업 생태계를 조성하는 것으로, 우리도 참고할 만한 모델이다. AI는 일자리를 줄이는 위협인 동시에 새로운 기회를 제공하는 기술이기도 하다. 미래를 읽고 통찰을 바탕으로 먼저 준비하는 사람과 조직이 결국 살아남는다. 사후 대응보다 사전 준비가 훨씬 효과적이다. 탄탄한 창업 생태계를 조속히 구축하는 것은 양질의 청년 일자리 창출은 물론 국가 경쟁력 강화의 핵심 기반이 될 것이다. 우리에게는 이를 실현할 역량이 충분하다. 이제 필요한 것은 신속한 실행이다. 그렇게 할 때 우리는 인재 유출을 막는 수준을 넘어, 세계의 우수 인재가 모여드는 혁신국가로 도약할 수 있다. 이종호 서울대 전기정보공학부 교수·전 과학기술정보통신부 장관

최근 수학 문제 해결에 특화된 전용 AI 모델이 아니라 오픈AI의 범용 추론 모델이 지난 80년 가까이 미해결 상태였던 유명 수학 문제에서 중요한 돌파구를 마련했다는 소식이 있었다. 참으로 놀라운 일이다. 그동안 AI는 학습한 범위 안에서만 창의성을 발휘하는 것이 아니냐는 견해도 있었다. 그러나 인간 수학자들이 오랫동안 해결하지 못했던 문제에서 새로운 접근을 제시했다는 점은, AI가 단순한 정보 재조합을 넘어 고도의 추론과 창의적 문제 해결에 기여할 수 있음을 시사한다. AI가 가져다줄 혜택에 대한 기대는 크지만, 동시에 우리는 대학 교육을 어떻게 바꾸어야 할지 깊이 고민해야 할 시점에 와 있다. 필자는 공직에서 대학으로 복귀한 2024년 8월 이후, AI 시대에 대학 교육이 근본적으로 달라져야 한다는 점을 관련 기고와 여러 기회를 통해 지속적으로 강조해 왔다. AI가 교육과 산업, 사회 전반을 흔드는 지금, 대학은 이 변화를 위기가 아니라 도약의 기회로 삼아야 하기 때문이다. 여러 대학의 교수들을 만날 때마다 AI 시대의 학생 교육을 어떻게 준비하고 있는지, 교육 방식과 내용에 어떤 변화를 모색하고 있는지 묻곤 했다. 그러나 아직 뚜렷한 변화나 체계적인 준비가 충분히 이루어지고 있다고 보기는 어려웠다. 물론 필자가 모든 대학의 상황을 살펴본 것은 아니며, 일부 대학에서는 이미 의미 있는 실험과 준비가 진행되고 있을 수도 있다. 하지만 큰 틀의 변화가 충분히 보이지 않는 것은 분명해 보인다. 이 흐름에 제대로 대응하지 못한다면 교수의 역할과 위상, 나아가 대학의 신뢰도에도 영향을 미칠 수 있다. 이제 대학이 먼저 질문하고, 먼저 실험하며, 먼저 바뀌어야 할 때다. 대학 교육에 특화된 AI 튜터가 속속 등장하고 있으며, 앞으로 그 기능은 더 고도화될 것으로 예상된다. AI 튜터는 학생 개인의 수준에 맞춘 학습 지원, 반복 설명, 즉각적인 피드백 등 지식 전달의 효율성 측면에서 기존 강의 방식보다 강한 경쟁력을 가질 수 있다. 학생들은 인터넷에 접속할 수 있는 환경이라면 시간과 장소에 구애받지 않고 효율적으로 학습할 수 있을 것이다. 그러나 교수가 제공할 수 있는 학문적 열정, 연구 경험, 인생철학 등은 AI가 쉽게 대체하기 어려운 영역이다. 또한 AI 튜터가 지식 전달을 잘한다고 해서 실험·실습, 텀 프로젝트, 연구 주제 설정, 학생 지도까지 온전히 담당하기는 어렵다. 따라서 대학 교육에서는 AI 튜터와 교수의 역할 분담이 불가피하며, 이에 대한 논의와 제도적 준비를 서둘러야 한다. 이 과정에서 조교의 역할도 함께 재정립할 필요가 있다. 구체적인 방향에는 다양한 의견이 있을 수 있다. 다만 필자는 대학 교과목에서 실험과 실습을 강화하고 수준도 높이는 것이 바람직하다고 본다. 또한 텀 프로젝트를 확대하는 것도 좋은 방법이다. 예를 들어 수학과 같은 기초과목에서도 학점을 1학점 늘리고, 현장 문제 해결에 수학의 역할을 이해하는 깊이 있는 텀 프로젝트를, AI를 활용하여 운영할 수 있다. 강의 과목 수를 다소 줄이더라도 각 과목을 더 깊이 있게 운영해, 학생들이 특정 도메인에서 AI를 능숙하게 활용하고 AI와 경쟁할 수 있는 탄탄한 기초 지식과 사고력을 갖춘 전문가로 성장하도록 해야 한다. 이를 위해 첨단 AI 모델을 학생들이 충분히 사용할 수 있도록 대학 차원의 구독과 활용 환경을 제공할 필요가 있다. 또한 단과대학별 특성과 전공 분야의 차이를 고려해 더 큰 자율성을 부여해야 한다. AI 시대에 대한 대응이 늦어지면 피해는 학생에게만 돌아가지 않는다. 교수와 대학 전체가 함께 영향을 받을 것이다. 이제 대학 구성원 모두가 소통하며 실효성 있는 방안을 신속히 마련해야 한다. 논의 기구를 만들고 심도 있는 토론을 통해 교육과정 전반의 대책을 구체화해야 한다. 우리는 변화를 기다릴 것이 아니라 미리 준비해야 한다. 관련 정부 부처도 대학 현장의 변화를 뒷받침할 정책을 서둘러야 한다. 전문가 토론과 현장 소통을 통해 필요한 제도와 재정 지원을 준비해야 한다. 결국 AI 시대에는 먼저 준비하고 움직이는 조직만이 살아남을 것이다. 이종호 서울대 전기정보공학부 교수·전 과학기술정보통신부 장관

우리는 살아가며 ‘마중물’이나 ‘선순환’이라는 말을 자주 듣는다. 주로 정책 분야에서 흔히 쓰인다. 어린 시절 시골집에는 소량의 마중물을 부으면 많은 지하수를 뽑아내는 수동 우물펌프가 있었다. 적은 물로 많은 물을 얻을 수 있었던 셈이다. 이처럼 효과적인 마중물 전략으로 선순환 생태계를 만든다면 큰 성과를 낼 수 있을 것이다. 이를 실현하는 수단이 예산 지원, 제도 개선, 비전 제시, 분위기나 문화를 조성하는 방안들이 있을 것이다. 여기서는 기술개발 분야에서 효율적인 마중물 전략의 예를 살펴본다. 정부는 저전력 인공지능(AI) 반도체인 국산 NPU(Neural Processing Unit) 개발을 지원해 왔고, 그 결과 실제 제품이 출시되고 있다. 그러나 정부의 지속적인 예산 지원에는 한계가 있으므로 이를 보완할 다른 정책 수단이 필요하다. 이때 효율적인 마중물 정책은 정부가 초기 시장을 만들어 주는 것이다. 그러면 기업은 제품을 납품하고 실증할 기회를 얻게 된다. 이후 민간 투자자는 이런 가능성과 성과를 보고 투자에 나설 것이다. 이렇게 확보된 투자금은 기업이 더 나은 제품을 개발하는 데 쓰일 수 있다. 또한 실증을 통해 운영 실적(Track Record)이 쌓이면 해외 진출에도 더욱 탄력이 붙을 것이다. 이것이 하나의 선순환 생태계다. 더 나아가 초기 시장이 건강이나 교육 분야에서 세계를 선도할 AI 서비스로 이어진다면 더욱 바람직할 것이다. 우리의 주요 기업들은 과거의 추격자를 넘어 이제 선도자 대열에 들어섰다. 이에 따라 기존 기술의 혁신과 새로운 성장 기술 개발이 더욱 중요해졌다. 그만큼 지식재산(IP), 특히 특허권의 중요성도 커지고 있다. 앞으로 미국은 첨단기술 강국으로서 특허권의 가치를 더욱 강조할 가능성이 크다. 결국 기술 패권 경쟁의 핵심 요소는 IP다. 다행히 한국은 세계 4대 특허 강국이지만, 특허 로열티 수지는 여전히 적자다. 이는 선순환 생태계가 제대로 작동하지 않음을 보여준다. 이를 선순환 구조로 바꿀 마중물 전략이 필요하다. 마침 특허청이 지식재산처로 승격된 것은 시의적절하다. 우리는 반드시 기술강국으로 도약해야 하며, 그것이 우리의 생존과 직결된다는 절박한 인식이 필요하다. 일례로, 산학 과제를 통해 미래 기술을 연구하는 대학의 연구자 중에는 특허를 출원해도 자신의 이익이 작아 최선을 다하지 않은 경우가 있다고 한다. 그러면 그 특허는 사용하기도 버리기도 애매한 계륵(鷄肋) 특허가 되고, 결국 비싼 유지비만 낭비하게 된다. 이를 선순환으로 바꾸는 효과적인 마중물 전략은 상업화에 기여한 특허를 가려서 발명자에게 의미 있는 인센티브를 제공하는 것이다. 기술 가치를 제대로 인정해 주는 것이다. 이렇게 되면 열심히 하지 말라고 해도 최선을 다할 것이다. 이는 기업의 경쟁력을 높이며 공생과 지속가능한 경쟁력 확보에도 크게 기여할 것이다. 한편, 기업 내부 자원과 인력으로 기술을 개발하는 것은 높이 평가하면서도, 외부에서 양산에 도움이 되는 기술을 도입하는 데에는 소극적인 경향이 있다고 한다. 하나의 전략일 수는 있지만, 선도 기업이 혼자서 방대한 미래 기술을 탐색하고 연구하는 데에는 한계가 있고 효율도 떨어진다. 따라서 외부 기술의 가치를 조기에 파악해 정당한 절차로 도입한 기업 연구자를 높이 평가하고 보상하는 분위기를 만드는 것은 효과적인 마중물 전략이 될 수 있다. 아울러 그런 기술을 개발해 의미 있는 보상을 받고 기업에 이전한 외부 연구자까지 인정한다면, 적은 노력으로도 기업과 국가가 함께 발전하는 선순환 생태계를 만들 수 있을 것이다. 어떻게 해야 선순환 생태계를 만들 수 있을지 종합적이고 깊이 있게 검토하고, 어떤 마중물 정책을 수립해 실행할지 함께 고민해야 한다. 효과적인 정책은 시대와 환경에 따라 달라질 수 있다. 따라서 현장을 늘 면밀히 살피고, 적시에 효과적인 마중물 정책을 펼친다면 기업과 국가는 더욱 건강해질 수 있다. 중요한 것은 개인과 조직에 실질적인 이익이 돌아가도록 설계해 마음을 움직이는 것이다. 정책과 전략은 마중물 효과를 극대화하고, 그것이 선순환 생태계로 이어지도록 수립되어야 한다. 이종호 서울대 전기정보공학부 교수·전 과학기술정보통신부장관

필자가 반도체 연구를 시작한 지 올해로 약 40년이 됐다. 광학현미경으로도 잘 보이지 않는 작은 트랜지스터가 동작하는 것을 보면 아직도 신기하기만 하다. 마치 ‘마법의 돌’ 같다. 이들 트랜지스터가 연결된 집적회로가 엄청난 기능을 수행한다는 것은 논리적으로 당연하지만, 그저 놀라울 따름이다. 최신 집적회로 칩의 전자현미경 사진을 보면 나노 크기의 세계에서 펼쳐진 예술 작품을 보는 듯하다. 이를 설계하고 제작한 연구원들은 공학을 넘어 예술의 경지에 이른 것 같다. 이 반도체가 우리나라 수출의 효자 노릇을 톡톡히 하고 있다. 2026년 3월 초 기준, 한국의 반도체 수출은 전체 수출액의 35.3%까지 확대되는 전례 없는 호조를 보이고 있다. 과거 20% 전후에 머물다가 2025년 24.4%로 늘었고, 올해 들어 급격히 증가했다. 2018년 반도체 슈퍼사이클 당시 20% 중후반이었음을 감안하면, 지금은 그야말로 메모리 블랙홀 수준의 슈퍼사이클 시대라 할 만하다. 마치 인공지능(AI)의 마법 속에 반도체가 날아오르는 듯하다. 혹자는 이 추세가 10년 이상 지속될 것이라는 점에서 ‘메모리 메가 트렌드’라고 부른다. 그렇게 된다면 우리나라에 더없이 반가운 일이다. 다만 여러 변수가 존재하는 만큼 마냥 낙관하기는 이르다. 삼성, SK하이닉스, 마이크론에 중국 창신메모리(CXMT)까지 가세해 양산 능력을 확대하고 있어, 2026년 하반기부터 의미 있는 공급 증가가 가시화되고 2028년까지 지속될 가능성이 높다. 이러한 공급 확대는 가격 하락 압력으로 이어질 수 있다. 세계적인 AI 모델 서비스 기업들은 천문학적 규모의 투자를 이어가고 있다. 2025년 미국 주요 빅테크 4사(구글, 메타, MS, 아마존)의 시설 및 인프라 투자액은 약 450조원 이상으로 추산되며, 올해는 약 900조원에 달할 것으로 전망된다. 그러나 가장 많은 유료 구독자를 보유한 오픈AI조차 그동안 적자를 이어왔고, 올해도 흑자 전환이 쉽지 않을 것으로 보인다. 2026년에는 다양한 기업과 모델이 경쟁하는 시장으로 재편되면서 수익성 확보는 더욱 녹록지 않을 전망이다. AI 모델 서비스 사업은 시설투자 비용도 크지만, 높은 전기요금으로 인해 운영비용이 타 사업 대비 매우 높다. 이 때문에 저전력 AI 반도체의 중요성이 커지고 있으며, 저전력 GPU와 NPU 개발이 활발히 이루어지고 있다. 다만 AI 수요 확대로 전력 사용은 지속적으로 증가할 것이며, 클라우드 서버의 주기적인 반도체 부품 교체 비용 또한 적지 않은 부담이 될 것이다. 따라서 향후 일부 AI 모델 서비스 기업은 투자를 축소할 수 있고, 생존 기업의 수도 줄어들 가능성이 있다. 이는 메모리 수요 감소로 이어질 수 있으며, 반도체 메모리 의존도가 높은 우리에게는 위기가 될 수 있다. 우리는 메모리 강국이지만 시스템 반도체는 여전히 취약하다. 현재 메모리 분야에서 세계 1위를 지키고 있으나, 기술 격차가 줄어들거나 추월당할 우려가 적지 않다. 차세대 D램을 위한 셀 구조 축소화는 여전히 안갯속이고, 낸드 플래시 메모리 역시 수직 적층의 한계에 직면해 있다. 미래 기술 부문에서는 특히 중국의 약진이 두드러졌다. 현재 우리는 D램 기반 HBM에서 세계 1위를 달리고 있으며, 낸드 플래시 기반 HBF(High Bandwidth Flash) 개발도 진행 중이다. D램은 EUV 노광장비 의존도가 높은 반면 낸드 플래시는 낮다는 점은 경쟁국과의 기술 경쟁에서 중요한 변수다. 앞으로 메모리 분야도 결코 안심할 수 없다. 이제 기업 혼자서 미래기술을 개발하기는 어렵다. 과거 오픈 이노베이션을 내세웠지만 실질적인 성과는 미미했다. 산학연이 비상한 각오로 진정한 협력에 나서야 할 때다. 기업이 주도하되, 정부는 기업 부담을 덜어주는 실효성 있는 정책으로 뒷받침해야 한다. 기업과 정부는 과감하고 신속하게 미래 반도체 기술 개발에 총력을 기울여야 하며, 지금의 메모리 초호황기가 미래기술 투자의 최적기임을 결코 잊어서는 안 된다. 이종호 서울대 전기정보공학부 교수 전 과학기술정보통신부 장관

“말 한마디로 천 냥 빚을 갚는다”는 속담이 있다. 이는 원활한 소통이 얼마나 대단한 문제해결 방안인지를 보여주는 조상들의 지혜다. 하지만 이 간단한 진리가 무색하게도, 우리 사회는 소통 부족으로 인한 갈등과 효율저하라는 몸살을 앓고 있다. 요즘은 인공지능(AI) 대전환 시대로 그 어느 때보다 세상이 빨리 바뀌고 있다. 단순한 기술 발전을 넘어 문명사적 대전환기로도 볼 수 있다. 역사적으로 이러한 대전환기마다 기민하게 대응한 국가는 압도적인 경쟁력을 확보하며 도약해 왔다. 이 결정적 시기에 국가 경쟁력을 높이려면 깊은 통찰력을 바탕으로 신속하고 체계적인 대응을 해야 하며, 그 핵심 동력은 단연 ‘소통을 통한 협력’이다. ‘소통(疏通)’은 다분히 인문학적 용어인데, 공학에서는 ‘임피던스(부하, load) 매칭(정합)’에 대응될 수 있다. 필자가 대학에서 시변(時變) 전자장을 다루는 전자기학을 다년간 강의했는데 여기에 임피던스 매칭이 나온다. 신호원과 부하 사이의 임피던스가 매칭되면 신호의 전력 전달 효율을 최대화할 수 있고, 이는 신호가 반사 없이 잘 전달됨을 의미한다. 일례로 쉽게 말하자면 두 사람의 대화에서 서로의 메시지가 거부감 없이 전달되면 임피던스 매칭이 잘된 것이다. 결국, 소통을 잘한다는 것은 서로의 임피던스를 최대한 잘 맞추는 것이며, 이는 상대방을 존중하면서 겸손하고 정중하게 대하고 상대방의 눈높이에 맞추도록 노력하면 된다. 사실 어려운 일도 아니다. 한편 단순히 대화를 넘어 소통을 잘하는 데 있어 중요한 것이 ‘내가 틀릴 수 있습니다’라는 자세가 아닐까 한다. 대개 우리는 소통에서 내 생각만이 옳다는 자세를 갖는 경향이 있다. 그러나 이런 자세는 고통이 따르고 에너지만 소모할 뿐 얻을 것이 없다. 내가 틀릴 수 있다는 가능성을 열어 둘 때 서로의 임피던스가 같아질 가능성이 높아지고 생산적인 소통이 될 것이다. 필자는 학생들을 지도할 때 ‘내가 해봐서 아는데 그건 안 돼’보다 ‘내가 틀릴 수 있다’는 말을 가끔 한다. 그럴 때 학생들은 사고의 장벽을 깨고 더 깊이 있고 새로운 아이디어를 만들어 내는 능력을 보여주었다. 한편, 과거 나의 경험 등으로 얻은 지식이 환경이 바뀐 현재에는 유효하지 않을 수 있음을 명심해야 한다. 세상을 살다 보면 누군가와 맞서게 될 때도 있고 갈등의 싹이 트려고 할 때도 있다. 이때 ‘내가 틀릴 수 있습니다’라는 주문을 마음속으로 세 번 반복하라고 조언하는 사람이 있다. 스웨덴 출신의 비욘 나티코 린데블라드가 지은 ‘내가 틀릴 수 있습니다’라는 책에서 태국 스승인 아잔 자야사로가 한 말이다. 이 가르침은 우리의 마음에 평정을 유지하면서 소통을 잘할 수 있게 한다. ‘내가 틀릴 수 있다’는 자세는 독선을 막고 나 자신과 내가 속한 조직을 지키는 우군이 될 것이다. AI 대전환 시대에는 개인 사이, 조직과 기관 등의 안팎에 놓인 보이지 않는 장벽을 소통으로 낮추거나 허물고 진정한 협력으로 나아가야 한다. 예컨대 정부 부처 간 장벽을 허물면 중복도 줄이면서 생산적인 시너지를 만들 수 있다. 대학과 기업도 마찬가지다. 아쉬운 경험이지만 뭔가 새롭고 실용적인 아이디어를 제안하면 ‘우리 그것 다 안다’거나 ‘다 생각해 봤다’ 등의 말을 듣는 경우가 종종 있었다. 그러면 좋은 정보를 주고 싶은 마음이 싹 사라진다. 거만함이나 과도한 우월감은 결국 개인과 조직에 해를 끼친다. 이는 개인의 성향일 수 있지만 조직의 잘못된 문화에 기인할 수 있다. 고쳐야 한다. 소통을 잘하면 진정한 전문가의 도움을 받을 수 있고, 깊은 내공을 가진 분의 통찰을 끌어낼 수 있을 것이다. 눈앞의 작은 이익보다 훨씬 더 큰 상호 이익을 위해 소통하고 협력해야 한다. 우리는 AI가 판을 흔들어 놓고 있는 시대, 우리 인생에서 겪어보지 못한 시대에 살고 있다. 이 시대를 혁신적 기회로 만들기 위해서는 무엇보다 소통과 협력이 필요하다. 우리는 전자기학이라는 자연과학이 가르쳐준 임피던스 매칭의 효과를 잊지 말아야 할 것이다. 임피던스 매칭(원활한 소통)은 시스템 성능(대한민국 경쟁력)을 비약적으로 향상(혁신)한다. 이종호 서울대 전기정보공학부 교수 전 과학기술정보통신부 장관

약 2주 전 미국 샌프란시스코에서 열린 국제학회에 다녀왔다. 참가자들은 학회에서 발표된 논문 관련 이슈와 함께 테슬라의 감독형 완전 자율주행차와 구글 자회사인 웨이모(Waymo)의 자율주행 무인 택시의 놀라운 발전에 대한 언급도 빼놓지 않았다. 자율주행 기술은 인공지능(AI) 에이전트 기술의 대표적인 응용이다. 일방통행 도로에서 큰 트럭이 길을 가로막고 짐을 내리고 있는 상황에서 웨이모 택시는 잠시 정지해서 상황을 살피더니 트럭 앞 좁은 도로를 유연하게 빠져나갔다. 참 인상적이었다. AI가 세상의 판을 흔들며 우리의 일상과 업무 수행방식을 근본적으로 바꾸고 있다. 지금은 AI가 세상을 재편하는 대전환기다. 새해를 맞아 AI 시대의 경쟁력을 확보하려면 더욱 과감하고 신속한 결단이 필요하다. 그 방향을 몇 가지 살펴본다. 먼저 초중고 학생들의 AI 활용 능력과 윤리의식을 기르는 교육이 필요하다. 또한 학생 개인 수준 맞춤형 수업을 제공하고 교사의 행정업무를 줄이기 위해 ‘AI 튜터’(AI 선생)를 신속히 도입할 필요가 있다. 대통령도 AI 교육을 강조했다. AI 선생은 정답보다 질문과 힌트를 줘서 사고의 깊이를 더할 수 있다. 학생들은 AI 선생을 통해 빠르고 편리하게 학습할 수 있어, 여유 시간에 교사와 소통해서 인성을 기르고, 단체 활동을 통해 공동체 의식을 키울 수 있다. AI 선생은 빈부와 지역에 따른 교육 격차를 줄이고, 개인별 소질을 과학적이고 객관적으로 찾아준다. 학생은 각자의 소질에 맞는 진로를 선택해서 경쟁력도 높이고 행복한 인생을 살 수 있다. 이 얼마나 대단한 일인가? 문제가 있으면 고치면 된다. AI 시대에 대학·대학원생들은 기초가 탄탄한 도메인 전문가로 양성되어 자신의 영역에서 경쟁력을 갖도록 해야 한다. 강의 과목 수를 줄이되 깊이를 더하는 방향으로 가야 하며, 기초과목 교육을 한층 강화할 필요가 있다. 또한 깊이 있는 다양한 텀(term) 프로젝트와 실험·실습을 강화하는 환경을 조성할 필요가 있다. 기초과목 교육의 일례로 이론 3학점에 텀 프로젝트 1학점을 더해 강화할 필요가 있다. 신산업 분야에서 규제는 과하다는 의견이 많다. 특히, 허용된 것만 가능한 포지티브 규제방식이 다수다. 미국과 중국이 대체로 네거티브 규제를 통해 혁신과 성장을 촉진하는 것과 대비된다. 필자는 장관 재직 시절 규제 샌드박스 회의에서 규제가 기술을 따라가지 못하는 것을 다수 봤다. 규제 해법은 이미 상당 부분 테이블 위에 올라와 있다. 그러나 수많은 작은 이해관계가 결정을 가로막고 있고, 그 사이 경쟁력은 약화되고 있다. 특정 분야부터 시범적으로 네거티브 규제로 전환할 필요가 있다. AI 대전환 시대, 과감한 네거티브 규제 전환은 신산업의 역동성을 높이고 국가경쟁력 강화로 이어질 것이다. 당장 AI 기본법 시행령부터 시작하면 어떨까? 한편, 규제에 특화된 AI의 개발과 활용은 거미줄처럼 복잡한 규제 체계의 이해와 혁신을 가능하게 할 것이다. 연구와 창업 현장에는 실패를 용인하지 않는 문화가 여전해 불이익이나 사회적 낙인이 따른다. 이제 건전한 실패를 자산으로 인정하고, 재도전의 기회를 넓혀야 한다. AI 대전환 시대에 연구과제는 도전적으로, 더 도전적으로 바꾸어야 한다. 작년 제15차 한·중 과학기술공동위원에서 필자는 중국 장관과 많은 대화를 했다. 중국의 연구과제 추진방식은 도전, 선택과 집중, 그리고 장기 지원으로 요약된다. 목표 달성 여부보다 도전 연구의 내용이 우수하면 지원을 이어간다는 점이 인상적이다. 우리는 목표 달성 중심의 구조적 한계를 넘어 더 큰 성공을 향해 나아가야 한다. 예컨대 기존 제안요청서(RFP) 방식에 제안자의 근거 기반 도전성을 더한 소위 하이브리드 과제를 시범적으로 도입할 필요도 있다. 우리의 역량과 여건을 고려할 때, 충분히 가능한 변화다. AI 대전환 시대를 맞아 희망찬 새해를 열기 위해서는 AI 선생 도입과 교육 혁신, 네거티브 규제로의 전환, 연구의 도전성 강화 등에서 과감한 실행이 필요하다. AI의 물결에 맞서려고 하지 말고 그 물결을 이용해서 앞으로 나아가는 것이 더욱 지혜로운 자세일 것이다. 이종호 서울대 전기정보공학부 교수 전 과학기술정보통신부 장관

우리는 흔히 인사말로 ‘건강이 최고입니다’라고 말한다. 우스갯소리로 ‘9988234’라는 암호 같은 말도 있다. 99세까지 팔팔하게 살다가 2, 3일 앓고 떠난다는 말이다. 이는 병치레 없이 건강하게 사는 ‘건강 수명’이 더욱 중요하다는 의미이다. 요람에서 무덤까지 건강한 삶을 영위하고자 하는 인류의 오랜 염원에 대한 해답을 이제 인공지능(AI)에서 찾을 수 있는 시대가 도래했다. 우리나라는 디지털화된 양질의 의료 데이터를 다량 보유하고 있고, 건강한 사람들의 정기 건강검진 데이터도 잘 관리하고 있다. 이것이 우리의 강점이다. 이를 AI 학습에 활용하면 혁신적인 ‘AI 건강서비스’를 구현할 수 있고 국민건강을 지킬 수 있다. 아울러 관련 산업을 육성해 세계를 선도할 수 있다. 2023년에 준비되어 현재 추진 중인 AI 건강서비스 사업은, 모든 국민이 건강한 나라로 나아가는 AI 기반 혁신 패러다임의 큰 발걸음이다. 많은 질병은 여러 진료과와 직간접적으로 관련이 있다. ‘AI 건강서비스’는 다양한 진료과의 논문, 교재, 임상 데이터 등을 학습해 기존보다 훨씬 정확한 분석과 대응을 가능하게 한다. 이는 2017년 구글이 발표한 인공지능 아키텍처인 ‘트랜스포머(Transformer)’ 덕분이다. 이 아키텍처 기반으로 방대한 의료 데이터셋을 학습하면 AI 건강서비스 모델이 구현된다. 이 모델은 문맥과 의미를 정교하게 이해해, 미묘한 연관성이 있는 의료 정보를 매우 효과적으로 찾아내는 특징이 있다. 이에 따라 더욱 정밀하고 효과적인 건강서비스가 가능할 것으로 전망된다. 이 기술이 발전하면 그동안 축적한 건강검진 결과와 병원 치료 기록, 식습관 등을 입력하면 나에게 꼭 맞는 ‘개인 정밀 맞춤형 예방적 건강서비스’를 편하게 받을 수 있게 될 것이다. 이 얼마나 대단한 일인가? 건강보험 재정이 수년 내에 적자로 돌아서고 2030년쯤에는 누적 준비금이 고갈될 것이라는 예측이 있다. 이에 건강보험료 인상이나 세금을 인상하자는 의견도 나온다. 그보다 더 현명한 대안은 AI 건강서비스를 통해 국민의 질병을 줄여 건강보험 지출을 절감하는 것이다. 한편, 우리나라는 경제협력개발기구(OECD) 국가 중 자살률 1위라는 참담한 현실을 안고 있다. 특히, 노인 자살률이 1위이고, 그 주요 원인은 경제적 빈곤이다. 예방적 AI 건강서비스로 질병 위험을 낮추면 병원비에 대한 경제적 부담감을 한층 낮출 수 있고 노후준비를 위한 저축과 투자를 늘릴 수 있다. 이 서비스의 혜택을 국민이 누리도록 하려면 보완할 점이 많다. 현재는 소아청소년부터 노인까지 주요 질병 데이터를 학습하고 있는데, 질병 수를 확대하면 서비스가 더 강화될 것이다. 학습 데이터는 주로 병원의 임상 결과, 교재 및 논문일 것이고, 일부 장내 미생물 관련 자료일 것이다. 이들 데이터의 범위와 깊이를 더하고 유전자 정보까지 학습하면 정확도가 더욱 높아질 것이다. 건강보험공단과 병원이 보유한 데이터가 신속하게 사용될 수 있게 해야 하고, 서비스의 신뢰도를 높이기 위한 방안도 강구해야 한다. 여러 기관의 다양한 의료 데이터가 적극 연합·활용될 수 있도록 관련 의료법과 생명윤리법, 개인정보보호법 등의 법·제도 정비가 필요하다. 이 서비스는 의료진의 진료를 도울 수 있고, 제약 분야에도 활용될 가능성이 크다. 우리가 이를 선도한다면 전 세계 시민들이 한국에서 예방적 건강서비스를 이용하게 될 것이고, 의료진도 함께 성장할 것이다. 또한 이 서비스에 우리의 저전력 네트워크처리장치(NPU)를 장착한 AI 클라우드를 활용하면 트랙 레코드를 쌓을 수 있고, 이 서비스와 시스템을 패키지형 모델로 만들어 해외에 수출할 길도 열릴 것이다. 그야말로 1석 3조 이상의 효과가 기대된다. AI를 활용해 무엇보다 국민이 더 건강하게 살아갈 수 있는 국가를 만들어야 한다. 아울러 AI 건강서비스 관련 산업이 세계를 선도하는 미래 산업이 되도록 적극 지원해야 한다. 여러 이해관계가 있더라도 우리 모두의 건강한 삶을 위해 꼭 뜻을 모아야 한다. 정부와 국회는 ‘국민이 건강해야 국가가 건강하다’는 원칙을 잊지 말고, 보다 적극적인 지원과 정책적 뒷받침에 나서야 한다. 이종호 서울대 전기정보공학부 교수 전 과학기술정보통신부 장관