[1월 월간브리핑] 2025년 결산, 2026년 전망 : AI 운영 시대로의 전환과 오픈소스 인프라의 전략적 부상

- OpenUP -

□ 2025년은 AI가 실험 단계를 넘어 기업 운영의 핵심 인프라로 자리 잡은 해로, 기술 전략 재편 본격화

 ○ 2025년은 기업 IT 환경에서 AI가 실험 단계를 넘어 실제 운영 단계로 진입하였으며 AI 에이전트, RAG, 자동화 및 거버넌스가 핵심 키워드로 나타남

 - InfoWorld Technology of the Year Awards 2025에 선정된 핵심 기술을 종합적으로 살펴보면, AI를 중심으로 데이터·DevOps·보안·플랫폼 전반이 재편되는 과정에서 실제 기업환경에서 운영·확장·통제 가능한 기술이 선택됨

 * 수상작 대부분은 상용 SaaS 및 엔터프라이즈 플랫폼 중심으로, 이는 기업들이 이미 AI를 PoC가 아닌 운영 시스템으로 채택하고 있음을 시사

 - (AI 기반의 소프트웨어 스택 재편) 생성형 AI와 에이전트 AI 도구가 코드 작성, 테스트, 배포 전 과정을 변화시키며, AI 도입에 따른 실질적인 생산성 효과에 대한 논의가 촉발됨

 - (통합 데이터 관리 및 실시간 연계) 통합 레이크하우스 아키텍처, Apache Iceberg 테이블 포맷, 그리고 Apache Kafka 기반 스트리밍 기술을 중심으로 데이터 관리 구조가 정착되며, 데이터 생성부터 분석·실행으로 이어지는 원천 데이터와 AI·자동화 시스템 간 실시간 연계 체계가 강화되고 있음

 - (AI 확산에 따른 거버넌스 필수) 거버넌스가 단순히 AI 사용의 규제가 아닌 비즈니스 로직 내에서 AI 에이전트나 실시간 분석과 같은 고도화된 기술이 안정적으로 운영될 수 있도록 뒷받침하는 필수 요소로 진화하고 있음

 - Inforworld 수상작 중 오픈소스 요소가 포함된 수상작을 살펴보면, 대부분이 단일 기능 도구가 아니라 AI·데이터·소프트웨어 개발을 지탱하는 인프라의 핵심 계층을 담당하는 실전 검증 기술들이 주를 이루고 있음

 - 이는 AI 운영 단계 진입과 함께, 오픈소스는 ‘선택지’가 아니라 기업 IT 운영 인프라의 기본 구성 요소로 자리 잡고 있음을 시사

<InfoWorld 수상작으로 본 AI 운영 단계 핵심 오픈소스 기술>

 ○ LF Research와 Canonical이 함께 발표한 2025년 글로벌 오픈소스 현황 보고서에 따르면 2025년도는 AI가 실험 단계를 넘어 기업의 핵심 인프라로 자리매김하였으며, 오픈소스SW는 IT 운영의 필수재이자 사실상의 표준으로 확립된 해로 분석

 - 오픈소스는 운영체제, 클라우드, 데이터베이스, DevOps, AI 등 핵심 기술 영역 전반에서 40 ~ 55%의 채택률을 보이며 기업 기술 스택의 중추 역할을 담당

 * 인프라 채택률은 운영체제 55%, 클라우드 및 컨테이너 기술 49%, 웹 개발, 데이터베이스, DevOps 43% ~ 46%

 - AI가 오픈소스로부터 가장 큰 혜택을 받는 기술 분야(응답자의 38%)로 인식되며, 이는 개방성, 투명성, 비용 효율성, 유연한 배포 등 오픈소스의 장점이 AI 기술의 발전과 확산에 결정적인 역할을 하고 있음을 시사

 - 기업에서 실제 오픈소스 AI 기술 채택률은 40% (2024년 대비 5%p 증가)로 AI가 파일럿 단계를 지나 실제 비즈니스 가치를 창출하는 프로덕션 환경에 깊숙이 통합되었음을 입증

 - AI를 포함한 핵심 기술 영역에서 오픈소스 의존도는 높으나 조직의 관리 체계는 이를 따라가지 못하는 거버넌스 격차가 존재

 * 명확한 오픈소스 전략을 수립한 조직은 34%, 전담 조직인 오픈소스 프로그램 오피스(OSPO)를 보유한 조직은 26%(전년 대비 1% 증가)에 불과

 - 그러나 이는 거버넌스의 중요성이 낮아진 것이 아니라 중앙 집권적 통제 대신 분산된 방식을 채택하는 운영 방식의 구조적 변화로 해석되며, 어떠한 방식이든 전담 오픈소스 거버넌스는 관리 측면에서 여전히 필수적임

□ 2026년에는 멀티에이전트 기반의 운영 중심 AI 아키텍처가 거버넌스와 신뢰를 바탕으로 조직 전반에 확장·정착될 것으로 예상

 ○ 가트너는 2026년 Top 10 전략 기술 트렌드 발표에서 2026년을 ‘AI가 기반이 된 초연결 시대’로 정의하며, 개별 기술 변화보다 AI를 중심으로 한 구조적 재편과 선제적 리스크 관리를 기업의 핵심 과제로 제시

 - 즉, 기업은 AI를 운영 인프라로 삼아 혁신·경쟁·신뢰를 동시에 관리해야 하는 전략 실행의 해로, 경영진(C-Level)은 단일 기술을 넘어선 유기적 기술 결합을 통해 비즈니스 전환을 이끌어야 하는 중추적 시점임을 강조

 - 기존의 오픈소스 거버넌스가 라이선스·컴플라이언스 중심이었다면, AI 시대의 거버넌스 체계는 AI 기반 기술의 모델·데이터·에이전트 행동까지 포함하는 운영 거버넌스로 확장되고 있음

 - 이러한 거버넌스 전환은 가트너가 제시한 ‘AI 기반 초연결 시대’에서, 기술 확장을 가능케 하는 전제 조건으로 작용, 기업은 유연하면서도 확실한 관리 체계를 통해 오픈소스의 전략적 가치를 확보해야 함을 강조

<가트너 전략 기술 Top 10>

 ▶ Gartner 2026 Top 10 전략 기술

 1) AI 네이티브 개발 플랫폼 (AI-native development platforms)

 - (개요) 생성형 AI를 활용해 그 어느 때보다 빠르고 쉽게 소프트웨어를 개발할 수 있도록 하는 플랫폼으로 생성형 AI를 활용해 원샷 개발, 바이브 코딩, 에이전트 기반 개발 등을 포함

 - (동향) AI 기반 개발 플랫폼이 확산되며 기술적 전문성에 대한 의존도가 낮아지고, 이에 따라 소프트웨어 개발 및 배포 속도가 단축되는 환경이 조성되고 있으며, 소규모 팀이 동일한 리소스로 기존 대규모 팀 수준의 복잡한 애플리케이션을 구축할 수 있도록 지원

 - (전망 및 예측) 2030년까지 조직의 80%는 대규모 소프트웨어 엔지니어링 팀이 AI로 강화된 소규모 팀으로 전환될 것이며, 기업 애플리케이션 포트폴리오의 40%가 AI 네이티브 플랫폼으로 구축될 것으로 전망(2025년 2% 대비 약 20배 증가)

 2) AI 슈퍼컴퓨팅 플랫폼 (AI Supercomputing Platforms)

 - (개요) 고급 AI 모델을 학습하고 실행하는 데 필요한 초대규모 처리 성능을 제공하는 인프라로 고성능 컴퓨팅(HPC), 특수 프로세서, 확장 가능한 아키텍처를 결합하여 데이터 집약적인 워크로드를 처리

 - (동향) 기존 인프라의 한계를 초과하는 더 크고 복잡한 모델을 개발함에 따라 AI 슈퍼컴퓨팅에 대한 수요가 급증하고 있음

 - (전망 및 예측) 2028년까지 기업의 40%가 하이브리드 컴퓨팅 아키텍처를 채택할 것(기존 8%에서 증가)으로 예상되며, 20개 이상의 벤더가 슈퍼컴퓨팅 환경을 활용하는 통합 개발자 플랫폼을 제공할 것으로 전망

 3) 기밀 컴퓨팅 (Confidential Computing)

 - (개요) 하드웨어 기반 신뢰 실행 환경(TEE)을 사용하여 데이터가 처리되는 동안에도 데이터를 보호하고, 클라우드 제공업체를 포함한 비인가 접근을 방지

 - (동향) 강화되는 개인정보 보호법, 데이터 현지화 규정, AI 활용 확산으로 처리 중 데이터 보호의 중요성이 증가하면서 민감한 워크로드를 위한 안전한 클라우드 전략과 규제 준수 가능성에 주목

 - (전망 및 예측) 2029년까지 신뢰할 수 없는 인프라에서 처리되는 작업의 75%가 기밀 컴퓨팅에 의해 보호될 것으로 예상

 4) 다중 에이전트 시스템 (Multiagent Systems)

 - (개요) 복잡한 워크플로를 완료하기 위해 협력하는 특화된 AI 에이전트들의 집합체를 활용, 각 에이전트는 특정 작업을 처리하여 단일 AI 솔루션에 비해 효율성과 확장성을 향상시킴

 - (동향) 단일 에이전트 AI가 다단계 프로세스를 처리하는 데 한계를 보이면서, 다중 에이전트 시스템은 모듈식 자동화와 교차 플랫폼 통합을 가능하게 하는 대안으로 부상

 * 2024년 1분기에서 2025년 2분기까지의 다중 에이전트 시스템 관련 문의가 1,445% 급증

 - (전망 및 예측) 2027년까지 다중 에이전트 시스템의 70%가 고도로 전문화된 에이전트를 활용하여 정확도는 향상되지만, 에이전트 간 조정 복잡성은 증가할 것으로 예상되며, 2028년까지 다중 에이전트 시스템의 60%는 다중 벤더 상호 운용성을 지원하여 혁신과 유연성을 촉진할 것으로 전망

 5) 특정 도메인 언어 모델 (Domain-Specific Language Models)

 - (개요) 특정 산업이나 비즈니스 기능을 위해 전문화된 데이터셋으로 학습된 AI 모델로, 일반 대규모 언어 모델(LLM)보다 높은 정확도와 규제 준수 능력을 제공

 - (동향) 금융, 헬스케어, 인사(HR) 등 핵심 업무 워크플로우에서 오류를 줄이고 배포를 가속화하며 비용을 절감하여 AI로부터 측정 가능한 비즈니스 가치를 창출

 - (전망 및 예측) 2028년까지 기업 생성형 AI 모델의 60%가 특정 도메인에 특화될 것으로 예상되며, 생성형 AI 워크로드의 30%는 온프레미스 또는 온디바이스에서 특정 도메인 언어모델을 실행할 것으로 전망

 6) 피지컬 AI (Physical AI)

 - (개요) 로봇, 드론, 차량, 스마트 기기 등을 통해 현실 세계에 지능을 구현하여 스스로 감지하고, 결정하며, 행동하게 하는 시스템으로 센서, 액추에이터, AI 모델을 결합하여 물리적 작업을 자동화

 - (동향) 조직들은 디지털 AI의 생산성을 물리적 환경에도 적용하고자 하며 물류, 유지보수, 안전 관리 등 실제 현장의 작업을 자동화하여 생산성 증가

 - (전망 및 예측) 2028년까지 상위 10개 AI 벤더 중 5곳이 물리적 AI 제품을 제공할 것으로 예상하며, 창고의 80%가 로봇이나 자동화 시스템을 사용할 것으로 전망

 7) 선제적 사이버 보안 (Preemptive Cybersecurity)

 - (개요) 기존의 탐지 및 대응 방식을 넘어 고급 AI 기반 기술을 사용하여 사이버 공격이 발생하기 전에 이를 예측, 방해, 무력화

 - (동향) 네트워크, 애플리케이션, IoT 시스템을 겨냥하여 기하급수적으로 증가하는 AI 기반 위협에 대응하기 위해 선제적 방어는 보편적인 요구사항이 되고 있음

 - (전망 및 예측) 2030년까지 보안 소프트웨어 지출의 50%가 선제적 솔루션에 투입될 것이며, 문서화된 취약점의 수가 연간 1백만 건을 초과할 것으로 예상

 8) 디지털 출처 (Digital Provenance)

 - (개요) 자재 명세서(BOMs), 증명 데이터베이스, 워터마킹과 같은 도구를 사용하여 소프트웨어, 데이터, 미디어의 출처와 무결성을 검증, 제3자 구성 요소와 AI 생성 콘텐츠로 구축된 시스템의 투명성과 신뢰 보장

 - (동향) 기업은 코드 변조, 방치된 오픈소스 프로젝트, 딥페이크 기반 허위 정보로 인한 위험 증가에 직면하고 있고, EU AI Act 등의 규제 요건은 AI 생성 콘텐츠에 대한 워터마킹 및 출처 추적을 의무화하고 있음

 9) AI 보안 플랫폼 (AI Security Platforms)

 - (개요) 전통적인 보안 도구로는 방어하기 어려운 제3자 AI 서비스와 자체 구축 AI 애플리케이션을 모두 보호하기 위한 제어 기능을 통합

 - (동향) AI 도입이 가속화됨에 따라 기존의 보안 도구들은 AI 워크플로우를 보호하는 데 실패하고 있어 이 플랫폼이 프롬프트 주입, 불량 에이전트 활동, 데이터 유출 등 AI 고유의 위험에 대응

 - (전망 및 예측) 2028년까지 비인가 AI 거래의 80%는 외부 공격이 아닌 내부 정책 위반으로 인해 발생할 것으로 예상하며, 기업의 50% 이상이 AI 보안 플랫폼을 채택할 것으로 전망

 10) 데이터·운영의 지정학적 재배치(Geopatriation)

 - (개요) 지정학적 위험을 줄이기 위해 글로벌 하이퍼스케일 클라우드에 있는 워크로드를 소버린(sovereign, 주권) 또는 로컬 환경으로 이전하는 전략으로 데이터 및 운영 주권이 보장된 클라우드로 재배포할지, 온프레미스로 되돌릴지에 대한 선택이 포함됨

 - (동향) 지정학적 불안정성과 규제 요건으로 인해 조직들은 클라우드 의존도를 재평가하고 있으며, 이에 따라 하이퍼스케일러와 로컬 제공업체의 소버린 클라우드 서비스가 빠르게 확장되고 있음

 - (전망 및 예측) 2030년까지 기업의 75%가 워크로드를 지오패트리에이션할 것으로 전망

□ 2025년 대한민국 2025년 AI 도입 속도 세계 1위

 ○ 2025년 하반기 기준, 대한민국의 생성형 AI 도입률은 상반기 25.9%에서 하반기 30.7%로 4.8%p 증가하였으며, 글로벌 순위 또한 25위에서 18위로 7계단 상승하며 2025년 하반기 최대 상승폭 기록(‘26.01, Microsoft Global AI Adoption in 2025)

<AI 도입 비중 변화 (2025년)>

 - 2024년 10월 이후 사용자 기반 누적 증가율 80% 이상으로 성장하며, 글로벌 평균(35%) 및 미국(25%)의 성장률을 크게 상회하며, 전 세계 AI 도입률에서 가장 눈에 띄는 도약을 이룬 유일한 국가로 자리매김

<2025년 상반기 대비 하반기 AI 사용자 기반 성장률>

 - 이러한 성장의 원동력은 1) 국가 정책을 통한 AI 통합 가속화^*, 2) 한국어 프론티어 모델 개선^**, 3) 대중의 상상력을 사로잡은 바이럴 모멘텀^***으로 분석

 * 대한민국 정부는 2025년 하반기, AI를 국가 핵심 전략으로 격상시키고, '국가 AI 전략 위원회' 출범 및 혁신 촉진과 거버넌스 균형을 목표로 하는 'AI 기본법' 제정 등 제도적 기반을 통해 AI 인프라 확대와 규제 조율, 공공 부문 도입을 위한 공식적인 메커니즘을 마련

 ** 2025년 4월 OpenAI의 GPT-4o 출시와 8월 GPT-5 출시 후 한국어 능력이 최상위권 대학생 수준의 언어 능력으로 높아지면서 한국어 사용자들이 대화, 번역, 분석 등 일상적이고 전문적인 작업을 AI를 통해 안정적으로 수행가능하게 됨

 *** 2025년 상반기에 ChatGPT-4o를 이용해 생성한 '지브리 스타일' 이미지가 한국의 소셜 미디어를 강타, 전문 기술 없이 쉽게 이미지를 생성, 공유할 수 있다는 점이 수백만 명의 사용자에게 AI를 처음 접하게 했으며, 이후 지속적인 도입으로 이어졌다고 분석

 - 이로써 한국을 글로벌 AI 시장에서 '가장 역동적인 수용국'으로 평가, OpenAI의 서울 사무소 개설 등 글로벌 기업들의 핵심 공략지가 됨

 ○ 전 세계 인구의 상반기 생성형 AI 사용률은 15.1%에서 16.3%로 증가하며 꾸준한 성장세를 보였으나, 지역별 디지털 격차는 심화됨

 - AI 도입률을 살펴보면, 선진국의 활용률은 경제활동인구의 24.7%인 반면, 개발도상국에서는 14.1%에 그쳐 그 격차는 기존 9.8%p에서 10.6%p로 더욱 확대됨

 * 아랍에미리트, 싱가포르, 노르웨이, 아일랜드, 프랑스, ​​스페인처럼 디지털 인프라, AI 기술 교육, 정부의 AI 도입에 일찍부터 투자해 온 국가들이 계속해서 선두를 유지

 * 아랍에미리트는 경제활동인구의 AI 활용률이 64.0%로 세계 1위이며 60.9%의 2위 싱가포르와의 격차가 3%포인트 이상임

 * 미국은 AI 인프라와 최첨단 모델 개발 분야에서 선두를 달리고 있지만, 경제활동인구의 AI 활용률은 28.3%로 23위에서 24위로 하락

 ○2025년 예기치 못한 변화 중 하나는 중국의 딥시크라는 AI 기업이 DeepSeek 모델을 MIT 라이선스로 공개하여 가격에 민감한 지역과 오픈소스 커뮤니티에서 폭발적인 반응을 이끌었음

 - 전 세계 개발자들이 핵심 엔진을 직접 검토·수정·응용 개발을 가능하게 하고 무료 챗봇 서비스를 제공함으로써 기술적, 재정적 장벽을 제거하는 계기가 되었음

 - DeepSeek의 개방성과 경제성은 미국 AI 플랫폼이 규제로 서비스를 제공하지 못하거나 접근이 제한된 시장에서 강력한 경쟁력이 되었음

 * 미국의 제재나 기술 접근 제한이 있는 중국, 러시아, 이란, 쿠바 등에서 사용이 급증

 * 특히 아프리카 전역에서는 화웨이 등 중국 기업과의 인프라 협력 및 전략적 프로모션으로 인해 DeepSeek 사용량이 타지역 대비 2~4배 높은 것으로 추산

 - 오픈소스 AI가 서구 플랫폼이 진입하기 어려운 지역에서 영향력을 확대하는 지정학적 도구로 기능하고 있음을 시사

□ 시사점  

 ○ 2025년을 거치며 AI와 오픈소스는 기업 IT 환경에서 보조적 기술이 아닌 핵심 운영 요소로 정착하였으며, 기술 전략의 초점은 기능 도입이 아니라 운영 안정성과 관리 역량 확보를 중심으로 이동되고 있음

 ○ 2026년의 기술 경쟁은 개별 기술 도입이 아니라 여러 AI·데이터·보안·인프라를 하나의 운영 아키텍처로 통합하고 안정적이고 신뢰 가능한 방식으로 운영하는 역량을 요구할 것으로 예상

 ○ AI 중심의 통합은 책임 소재가 명확한 거버넌스 체계를 요구하며 AI 거버넌스는 전사적 관리 체계로의 확장되는 동시에 조직의 신뢰와 지속 가능성을 좌우하는 핵심 요소가 될 것

 ○ 대한민국의 2025년 상반기 대비 하반기 생성형 AI 도입률이 주요 국가 중 가장 높게 나타나며, AI 도입이 초기 확산 단계를 넘어 본격적인 대중화 국면에 진입했음을 시사

□ 주목할 만한 월간 이슈(1월) 

 ○ (AI분야 오픈소스 사업) 정보통신산업진흥원, 2026년도부터 'AI 분야 오픈소스 생태계 조성 지원사업'을 추진 예정

 - 2026년부터 'AI 분야 오픈소스 생태계 조성 지원사업'을 시작할 예정으로 '개발 지원 분야'와 '활용 지원 분야'로 나눠 총 10개 과제 이상 선정해 총 92억원을 지원 예정

 * 오픈소스 개발 지원 분야의 경우 인프라·데이터·추론 등 AI 분야 오픈소스 SW 개발·고도화를 지원하며 사업 결과물(신규 개발한 AI 분야 오픈소스SW)을 깃허브 등에 공개하고 글로벌 확산 전략을 수립해야 함

 * 오픈소스 활용 지원 분야의 경우 AI 분야 오픈소스를 기반으로 제조·의료·금융 등 국내 산업 현장에 필요한 AI 솔루션·서비스 실증·사업화를 지원, 과제 수행 업체는 활용한 기술스택별 AI 분야 오픈소스명을 공개하고 기여 전략을 수립해야 함

 - 정보통신산업진흥원은 1월 23일까지 지원사업 관련 사전 수요조사를 진행을 통해 사업 기획에 반영, 이르면 다음달 본 사업을 공고할 계획

 ○ (AI) ‘국가대표 AI 파운데이션 모델' 1차 평가 결과 발표, LG AI연구원, SK텔레콤, 업스테이지 2차 진출

 - 과학기술정보통신부 주관 '독자 AI 파운데이션 모델' 프로젝트 1차 단계 평가에서 LG AI연구원, SK텔레콤, 업스테이지 3개 팀이 2차 진출 성공

 * 1차 단계 평가는 벤치마크 평가(40점), 전문가 평가(35점), 사용자 평가(25점) 등 세 축으로 진행하여 단순 성능뿐 아니라 실제 산업 적용 가능성, 비용 효율성, 생태계 확산 효과까지 종합적으로 반영

 * 검증된 오픈소스를 활용하더라도, 기술적으로 ‘가중치(Weight)를 초기화한 후 자체 데이터와 알고리즘으로 학습하고 개발한 모델만 독자성 확보한 것으로 인정하며 원천 기술력을 보유한 소버린 AI 육성을 위해 엄격한 정의를 적용

 - 과기정통부는 글로벌 최고 수준 모델 확보와 역동적 AI생태계 지속을 위해 1개 정예팀을 추가 선정하는 방안도 추진

 - 한편, 네이버 '하이퍼클로바 X 시드 32B 싱크', SK텔레콤 'A.X K1', NC AI '배키(VAETKI)', LG AI연구원 'K-엑사원', 업스테이지 '솔라 오픈 100B' 등 독자 AI 파운데이션 모델 프로젝트를 진행한 국내 AI 모델 5종이 지난해 말 에포크AI '주목할 만한 AI 모델'에 등재, 세계적으로 주목할 만한 모델로 인정 받음

 * 에포크AI는 AI 모델 연산 능력과 데이터 트렌드를 추적·분석하는 미국 비영리 연구 기관으로 전 세계 AI 모델 중 학습 데이터 양, 연산 효율성, 기술적 혁신성 등을 기준으로 엄격히 선별해 '주목할 만한 AI 모델' 리스트를 발표

 ○ (오픈소스 AI) 허깅페이스의 '한국 AI 오픈소스 히트맵'에서 1위 LG AI연구원, 2위 네이버, 3위 트릴리온랩스 

 - 허깅페이스의 '한국 AI 오픈소스 히트맵'에서 1위 LG AI연구원(33건), 2위 네이버(28건), 3위 트릴리온랩스(24건)으로 기록

 * ‘한국 AI 오픈소스 히트맵’은 국내 AI 기업의 모델·데이터 공개 등 실질적 오픈소스 기여도를 종합 평가한 지표

 - 트릴리온랩스, 대기업 중심 구조 속에서 유일한 스타트업 상위권 진입, 외부 모델 미세조정이 아닌 자체 설계 기반 ‘프롬 스크래치’ 파운데이션 모델 역량이 글로벌 커뮤니티에서 검증된 사례로 평가

 * 트릴리온랩스는 정부 ‘독자 AI 파운데이션 모델(독파모)’ 사업 재공모 참여 의사를 밝히며 모델 설계부터 학습까지 전 과정을 국내 기술로 수행하는 독자 모델 역량을 국가 AI 프로젝트에서 입증하겠다는 계획임

 ○ (데이터셋) 엘리스그룹, 한국어 AI 모델 학습 위한 한국어 데이터셋 허깅페이스에 공개

 - 엘리스그룹이 고품질 한국어 교육용 데이터셋 2종을 연구자, 개발자, 기업이 폭넓게 활용할 수 있도록 허깅페이스에 공개

 - 이번에 공개된 데이터셋은 LLM의 한국어 성능을 학술·교육 도메인에서 강화하기 위해 설계된 ‘한국어 파인웹 교육 데이터셋 데모’와 ‘한국어 웹 텍스트 교육 데이터셋’ 2종으로 구성

 * 한국어 파인웹 교육 데이터셋 데모는 영문 교육용 웹 텍스트 코퍼스(Corpus, 말뭉치)인 FineWeb-Edu를 한국어로 번역한 데이터셋 ‘korean-translated-fineweb-edu-dedup’의 5%를 샘플 형태로 구성한 데모로 대규모 학습에 앞서 데이터 특성과 활용 가능성을 검증하는 용도로 제공

 * 이 데모의 원본인 korean-translated-fineweb-edu-dedup은 약 1천900억(190B) 토큰 규모의 대형 텍스트 데이터셋으로 수천만 페이지 분량에 해당하는데, 이 중 5% 분량의 샘플 공개이지만 오픈소스로 공개된 한국어 고품질 데이터셋 중에서는 대규모 수준에 해당함

 - 이러한 데이터셋 공개는 국내외 연구자들이 고성능 한국어 AI를 개발하는 데 필수적인 자원을 제공한 것으로 기업의 데이터 기부가 국내 오픈소스 생태계 활성화에 기여한 모범 사례

 ○ (공정이용) 국가AI전략위, '오픈소스·독자 AI 학습' 저작권 공정이용 추진

 - 국가AI전략위원회가 오픈소스 AI나 독자 AI 파운데이션 모델 등 공공성이 있는 AI 학습용 저작물에 대한 권리는 '공정이용' 적용 추진

 * 공정이용은 저작물의 일반 이용 방법과 충돌하지 않고 저작자의 정당한 이익을 부당하게 해치지 않으면 저작물을 이용할 수 있게 하는 조항

 - 대국민 활용 목적으로 개발 중인 AI 모델 등 사회적 이익 증진과 공익성이 높은 저작물 활용에 해당하면 저작권법 공정이용 제도를 적용하겠다는 것임

 - AI행동계획상 제시된 '저작물 선사용 후보상' 적용은 저작권자들이 거부권을 행사하지 않은 저작물, 저작권자가 명확하지 않은 저작물 등에 적용할 계획이라고 설명

 - 저작권자 권리 보호를 위해 온라인 공개 게시물 등 거래 시장이 형성되지 않은 저작물의 저작권자들이 학습 금지 등 거부권을 쉽게 행사할 수 있는 방안도 강구

 - 위원회는 창작자와 AI산업이 함께 공생할 수 있는 환경 조성을 위해 저작권단체와 산업계가 제시한 의견을 종합, AI행동계획 내 저작권 해당 과제를 보완하고 향후 관계부처 및 이해관계자와 지속으로 논의할 예정