AI에 쏟는 국가 돈, 국민 일자리로 돌아오려면…GPU보다 중요한 ‘확산의 경로’

정부가 인공지능(AI)을 국가 성장전략의 중심에 올려놓으면서 투자 규모도 빠르게 커지고 있다. 첨단 GPU 확보, 국가 AI 컴퓨팅센터 구축, 독자 AI 모델 개발, AI 데이터센터 확충, 피지컬 AI와 AI 반도체 육성이 동시에 추진되는 모습이다. 정부가 2026년 범정부 AI 예산을 10조원대 규모로 편성하고 국가 차원의 컴퓨팅 인프라를 확대하는 이유도 분명하다. AI를 연구실의 기술에 머물게 하지 않고 제조업·서비스업·공공부문 전반의 생산성을 끌어올리는 산업 인프라로 만들겠다는 것이다. 과학기술정보통신부는 2026년까지 누적 3만7000개 수준의 첨단 GPU를 확보하는 구상을 내놓고 국가 AI 컴퓨팅센터와 AI 반도체, 피지컬 AI 등에 대한 투자를 확대하고 있다.

그러나 국가가 GPU를 많이 사고 대형 데이터센터를 세운다고 국민의 일자리가 자동으로 늘어나는 것은 아니다. AI 투자가 고용과 소득 증가로 이어지려면 ‘인프라 투자→기업의 AI 활용→생산성 향상→신산업과 시장 확대→고용 창출’이라는 긴 연결고리가 완성돼야 한다. 이 가운데 어느 한 단계라도 막히면 막대한 국가 투자가 일부 대기업의 비용 절감이나 첨단 산업의 자산가치 상승에 머물 수 있다. 결국 AI 국가투자의 성패를 평가할 기준은 GPU 숫자나 데이터센터 면적이 아니라, 그 자원이 얼마나 많은 기업과 근로자의 생산성을 높이고 새로운 사업과 일자리를 만들어냈는가가 돼야 한다.

첫 번째 경로는 AI 인프라 자체가 만드는 투자와 고용이다. 데이터센터가 들어서면 건설·전력·통신·냉각설비·보안·서버 운영·클라우드 관리 등 연관 산업의 수요가 발생한다. 특히 AI 데이터센터는 일반 데이터센터보다 고성능 반도체와 냉각, 안정적인 전력 공급을 필요로 하기 때문에 전기설비, 변전, 배터리, 열관리, 네트워크 장비와 같은 산업에도 투자를 유발한다. 정부가 전남 해남에 추진하는 국가 AI 컴퓨팅센터도 이런 산업 생태계의 거점화를 노리고 있다. 정부 계획에 따르면 센터는 2028년까지 첨단 AI 반도체 약 1만5000장 규모로 구축될 예정이며, 운영을 위해 전력과 용수 인프라도 함께 준비되고 있다.

다만 데이터센터 건설만으로 대규모 장기 고용을 기대하기는 어렵다. 건설 단계에서는 상당한 인력이 필요하지만 가동 이후에는 자동화 수준이 높아 상시 고용 규모가 제한적이기 때문이다. 따라서 지역이 얻는 효과를 키우려면 데이터센터를 단순한 ‘서버 창고’가 아니라 AI 기업, 연구기관, 대학, 반도체·로봇 기업이 함께 모이는 산업거점으로 만들어야 한다. 데이터센터 주변에 AI 모델 개발기업과 클라우드 기업, 스마트공장 솔루션업체, 로봇·센서 기업이 들어서야 지속적인 연구개발과 서비스 일자리가 생긴다. 정부가 2026년 소형 데이터센터를 활용해 지역 특화산업과 AI 중소기업의 성장을 지원하는 사업을 추진하는 것도 이런 문제의식을 반영한다.

두 번째 경로는 국가가 확보한 GPU를 스타트업과 중소기업, 대학, 연구기관이 실제로 사용할 수 있도록 하는 것이다. AI 산업에서 GPU는 과거 제조업의 공장이나 발전소와 비슷한 핵심 생산수단이 되고 있다. 거대 플랫폼 기업은 자체적으로 수천~수만 개의 GPU를 확보할 수 있지만 작은 기업에는 모델 하나를 학습시키는 비용 자체가 진입장벽이다. 국가가 고성능 GPU를 확보한 뒤 저렴하게 공유하면 창업기업이나 연구자가 거대 자본 없이도 AI 서비스를 개발할 가능성이 커진다.

정부는 이미 연구용 컴퓨팅 지원과 자체 AI 파운데이션 모델 개발사업 등을 통해 민간 GPU 임차와 정부 확보 GPU 배분을 추진하고 있다. 독자 AI 모델 개발사업에서는 참여팀에 GPU·데이터·인재를 묶어 지원하는 방식도 도입됐다. 국가 AI 투자가 일자리 정책이 되려면 이런 ‘컴퓨팅 자원의 민주화’가 중요하다. GPU가 몇몇 대기업과 최상위 연구팀에 집중되면 국가가 사실상 대기업의 AI 개발비를 대신 부담하는 결과가 될 수 있다. 반대로 일정 물량을 스타트업, 대학, 지역기업, 제조 중소기업에 배분하고 성과에 따라 추가 자원을 제공한다면 새로운 기업의 진입과 고용 확대로 이어질 가능성이 높아진다.

세 번째는 소버린 AI다. 한국어와 국내 산업 데이터를 기반으로 한 독자 AI 모델과 플랫폼을 확보하면 해외 AI 서비스 사용료의 일부를 국내 산업 생태계로 돌리고 데이터·클라우드·AI 반도체·응용서비스 시장을 함께 키울 수 있다. 소버린 AI의 경제적 의미는 반드시 세계 최고 성능의 범용 모델 하나를 만드는 데만 있지 않다. 법률·의료·금융·제조·행정 등 국내 제도와 언어, 산업현장을 이해하는 AI가 확산되면 수많은 전문 서비스가 만들어질 수 있다. 이 과정에서 AI 엔지니어뿐 아니라 데이터 정제 전문가, 산업별 도메인 전문가, AI 품질·안전 담당자, 서비스 기획자 등 새로운 직무가 생길 수 있다.

고용 효과가 더 크게 나타날 가능성이 있는 분야는 피지컬 AI다. 피지컬 AI는 생성형 AI가 텍스트나 이미지를 만드는 단계를 넘어 로봇·공장·자동차·물류장비 등 실제 기계를 인식하고 움직이게 하는 기술이다. 한국은 반도체와 자동차, 조선, 배터리, 기계, 로봇 등 제조 기반이 강하기 때문에 소프트웨어 중심 AI 경쟁보다 피지컬 AI에서 비교우위를 확보할 여지가 있다. 공장에 AI 로봇과 자율물류 시스템이 확산되면 단순 반복 업무 일부는 줄어들 수 있지만, 동시에 로봇 설계·제어·유지보수, 센서, AI 반도체, 산업용 소프트웨어, 디지털트윈 등의 수요가 커질 수 있다. 정부가 AI 반도체와 피지컬 AI를 차세대 핵심 투자 대상으로 제시하는 이유다.

여기에서 AI가 일자리를 없애느냐 늘리느냐는 이분법적 질문만으로는 현실을 설명하기 어렵다. AI는 기존 직업 자체를 없애기보다 직업 안에 포함된 여러 업무를 자동화하거나 보조할 가능성이 크다. 한국은행 조사에서는 근로자의 생성형 AI 이용률이 63.5%, 업무 목적 이용률도 51.8%에 달하는 것으로 나타났다. OECD도 AI가 한국의 인구 고령화에 따른 성장률 둔화를 일부 보완할 수 있으며, AI가 노동생산성을 높일 잠재력이 있다고 평가한다. 동시에 한국 중소기업의 AI 활용률은 조사 기준 약 31%로 일부 OECD 국가보다 낮고, 중소기업이 전체 고용에서 차지하는 비중은 80%를 넘는다고 지적한다. 이 대목이 중요하다. 국민 다수의 생산성이 올라가려면 대기업보다 중소기업에서 AI가 확산돼야 한다.

실제 중소기업은 기술 자체보다 도입비용 때문에 AI 전환을 주저하는 경우가 많다. GPU 사용료뿐 아니라 데이터를 정리하고 기존 전산시스템과 AI를 연결하는 비용, 보안 대책, 직원 교육, 전문인력 채용까지 필요하다. 대기업은 수십억원을 들여 자체 AI 플랫폼을 구축할 수 있지만 직원 30명인 제조업체나 서비스업체는 투자 효과를 확신하기 어렵다. 정부가 GPU와 데이터센터 공급에만 예산을 집중하면 AI 공급자는 성장해도 AI를 사용하는 중소기업의 생산성은 크게 달라지지 않을 수 있다.

따라서 국가 AI 정책의 중심축도 ‘공급 인프라’에서 ‘사용 확산’으로 넓어져야 한다. 제조업체에는 불량검사와 설비 예지정비, 소상공인에는 재고·마케팅·고객관리, 수출 중소기업에는 번역·해외영업·시장분석처럼 투자 회수 효과가 비교적 분명한 분야부터 AI 도입을 지원할 필요가 있다. 단순히 AI 솔루션 구매비를 보조하기보다 기업별 공정과 업무를 진단하고 데이터 정비, 솔루션 도입, 직원 재교육을 하나의 패키지로 묶는 방식이 효과적이다. 그래야 AI가 특정 기술기업의 매출 확대를 넘어 수십만 중소기업의 생산성 향상으로 연결될 수 있다.

지역 문제도 빼놓을 수 없다. AI 기업과 인재, 클라우드 인프라는 이미 수도권에 크게 집중돼 있다. 국가투자마저 수도권 대기업을 중심으로 흘러가면 AI가 기존 산업·지역 격차를 더 확대할 수 있다. 정부가 비수도권 AI 데이터센터에 대한 전력계통 영향평가 우대 등을 검토해온 것도 수도권 집중을 완화하려는 취지다. 그러나 데이터센터 주소지만 지방으로 옮기는 것으로는 부족하다. 지역 대학의 AI 교육, 지역 제조업의 AI 전환, 연구기관과 스타트업 육성, 수도권 기업의 지역 연구소 유치가 함께 이뤄져야 지역 고용으로 이어진다.

더 현실적인 제약은 전력과 용수다. 수만 개의 GPU를 운영하는 AI 데이터센터는 막대한 전력을 사용하고 열을 식히기 위한 냉각 시스템도 필요하다. 정부가 해남 국가 AI 컴퓨팅센터 착공과 함께 전력 사용 신청과 용수 관로 공사를 추진하고 있다는 사실 자체가 AI 산업이 소프트웨어만의 산업이 아니라 에너지·인프라 산업이라는 점을 보여준다. 데이터센터 투자가 급증할 경우 송전망 보강 비용과 전력계통 부담이 커질 수 있고, 지역사회에서는 용수 사용이나 환경 부담을 둘러싼 갈등이 생길 가능성도 있다. 결국 값싸고 안정적인 전력, 재생에너지 확대, 송전망 투자와 데이터센터 입지정책이 AI 산업정책과 동시에 설계돼야 한다.

무엇보다 생산성 향상이 곧바로 고용 증가를 의미하지 않는다는 점을 정책이 직시해야 한다. 기업이 AI로 같은 일을 더 적은 인력으로 처리한다면 단기적으로는 채용이 줄 수도 있다. 생산성 향상이 일자리 증가로 이어지려면 기업이 절감한 비용을 투자와 신사업 확대로 연결하고 시장 자체가 커져야 한다. 동시에 기존 근로자가 AI와 함께 일할 수 있도록 재교육과 직무전환이 이뤄져야 한다. OECD 역시 AI 전환 과정에서 근로자 보호와 재취업 서비스, 중소기업과 구직자 특성에 맞춘 지원의 중요성을 강조한다.

결국 AI 국가투자의 핵심 질문은 “GPU를 몇 장 확보했는가”가 아니라 “그 GPU로 누가 무엇을 만들었는가”여야 한다. 국가 AI 컴퓨팅센터의 가동률, 중소기업의 이용 비중, 지역기업 참여율, AI 도입 기업의 생산성 증가율, 신규 창업과 고용, 근로자의 임금 상승 같은 지표를 함께 관리해야 한다. GPU 수와 예산 집행률만으로 성과를 평가하면 정책은 인프라 건설에서 끝날 가능성이 높다.

AI 투자는 과거의 고속도로·항만 투자와도 닮아 있다. 고속도로 자체가 국민을 부유하게 만든 것이 아니라 그 도로를 이용해 공장이 세워지고 물류가 빨라지고 새로운 상권과 기업이 생겼기 때문에 경제적 효과가 컸다. AI 데이터센터와 국가 컴퓨팅 인프라도 마찬가지다. GPU는 새로운 시대의 도로일 수 있지만 도로만 깔아서는 일자리가 만들어지지 않는다. 중소기업과 지역기업, 대학과 창업기업이 그 도로에 올라탈 수 있어야 한다.

정부의 AI 투자 경쟁은 이제 ‘얼마를 쓰느냐’의 단계에서 ‘누가 혜택을 얻느냐’의 단계로 넘어가야 한다. 국가가 확보한 AI 자원이 일부 대기업의 경쟁력 강화에만 머문다면 국민이 체감하는 효과는 제한적일 것이다. 반대로 중소기업의 생산성을 높이고, 지역에 새로운 산업을 만들고, 근로자가 AI를 활용해 더 높은 부가가치를 생산하도록 한다면 AI 투자는 저성장과 인구 감소를 돌파하는 수단이 될 수 있다. 국가가 GPU와 데이터센터에 투자하는 최종 목적지는 컴퓨터가 아니라 사람이어야 한다. ‘AI 3대 강국’이라는 목표도 결국 국민의 더 좋은 일자리와 더 높은 소득으로 증명돼야 한다.