Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- 바이브코딩
- Java
- AWS EKS
- CloudWatch
- MySQL
- 기록으로 실력을 쌓자
- 컨텍스트 엔지니어링
- SRE
- AI
- APM
- kotlin coroutine
- Linux
- CKA
- go
- CKA 기출문제
- 정보처리기사 실기 기출문제
- aws
- Spring
- PETERICA
- minikube
- golang
- kotlin
- 오블완
- 공부
- 코틀린 코루틴의 정석
- 티스토리챌린지
- Kubernetes
- LLM
- Pinpoint
- tucker의 go 언어 프로그래밍
Archives
- Today
- Total
피터의 개발이야기
[AI] 카카오 국가대표AI 탈락 이유 분석 본문
반응형
ㅁ 들어가며
ㅇ 카카오가 최근 진행된 ‘국가대표 AI’ 선발전(정식 명칭: 독자 인공지능 파운데이션 모델 개발 프로젝트)에서 최종 탈락한 이유를 정리해 보았다.
ㅁ 요약 테이블
| 기준 항목 | 선발된 팀(예: 네이버·LG 등) | 카카오 |
| 소버린 AI 접근 | 외부 의존 없이 모델 설계·학습 완비 | 외국계 파트너 협업 중심 |
| From Scratch 개발 | 자체 모델 설계 및 훈련 경험 충분 | 경험 상대적으로 부족 |
| 기술 구성·전략 | 명확하고 포괄적인 전략 및 공개 정책 | 서비스 중심 전략 우위, 그러나 평가 기준 대응 부족 |
| 인프라 & 자원 계획 | GPU·데이터·인재 확보 계획 명확 | 상대적으로 설득력 약함 |
ㅁ 탈락 배경 및 이유 요약
- ‘소버린 AI’ 원칙에서의 벗어남
카카오(및 KT)는 자체 AI 모델과 오픈소스 공개 전략을 펼쳐왔지만,
카카오는 OpenAI와, KT는 Microsoft와의 제휴를 추진해온 점이 주된 약점으로 평가받았다.
이는 정부가 강조한 외부 의존성 없이 완전한 자율 개발 역량 (‘소버린 AI’)과 거리가 있다는 판단으로 이어졌다 . - From Scratch 방식 미흡
선발된 5개 컨소시엄(LG, 네이버, SKT, NC AI, Upstage)은 완전한 자립형 개발 역량, 즉 모델 설계부터 훈련까지를 자체적으로 수행할 수 있는 기술력과 조직 구조를 갖춘 것으로 평가되었다.
반면 카카오와 KT는 이러한 독자 개발 경험이 상대적으로 낮아, 점수 면에서 불리했다고 평가됩니다 . - 평가 항목 대비 체계
과기정통부는 기술력, 개발 전략, 파급력 계획, 오픈소스 정책 등을 종합적으로 평가했으며,
선발된 팀들은 고성능 글로벌 모델 대비 최소 95% 이상의 성능 달성 목표와 오픈소스 지향성을 명확히 제시했다.
카카오는 기술력/서비스 지향성은 인정받았지만, 평가 기준에 맞춘 체계적인 비전 수립과 구체적 전략에서 부족한 점이 드러났다 . - 고사양 인프라 활용과 비용 대응
선정된 기업들은 엔비디아 ‘B200’ GPU 등 고성능 인프라 확보 방안, 인재 및 데이터 확보 전략을 구체적으로 제시했으며,
카카오 등 탈락 기업은 해당 계획이 평가 상위권과 비교해 상대적으로 덜 설득력 있었다는 분석도 나옵니다 .
ㅁ 이후 대응 전략
카카오는 에이전트 AI 중심의 전략 방향으로 전환하고 있으며,
하반기에는 ‘카나나 2.0’ 추론 모델과 멀티모달 언어모델 고도화를 통해 에이전트 기반 모델 경쟁력 확보에 집중할 계획이다 .
정부는 탈락 기업들에게도 버티컬 AI 특화 프로젝트, GPU 등 리소스를 제공할 기회를 열어놓고 있어 카카오에게도 추가 참여 가능성이 남아 있다 .
ㅁ 마무리
카카오가 탈락한 핵심 이유는, ‘국가대표 AI’ 프로젝트가 목표로 하는 공식 기준에 맞춘 독립적 개발 역량과 소버린 AI 비전에서는 상대적으로 부족했던 점이다. 다만, 기술력 자체는 여전히 유의미하며, 하반기 로드맵과 에이전트 전략 중심의 강화를 통해 재도약할 여지는 있다.
ㅁ 함께 보면 좋은 사이트
반응형
'AI > AI산업 | 동향' 카테고리의 다른 글
| 백엔드 개발자가 정리한 PIM vs PNM: 메모리 근처에서 연산한다는 것의 진짜 의미 (0) | 2025.12.03 |
|---|---|
| [AI] AI 학습과 추론, HBM과 GDDR의 차이점 (3) | 2025.07.18 |
| [AI] DeepSeek: AI 산업의 새로운 패러다임을 제시하는 혁신적인 중국 스타트업 (2) | 2025.01.30 |
| [AI] 슬라이딩 강유전: 메모리 기술의 새로운 지평 (0) | 2024.11.12 |
| [AI] 생성형 AI의 미래 산업, 검색의 시대에 대화의 시대, Business AI Agent란 (2) | 2024.09.25 |
Comments
