남의 집 API는 원래 쓰기 힘든 법입니다

며칠 전, 메타의 새 오픈소스 모델인 라마3와 구글의 제미나이를 나란히 세워두고 간단한 시험을 해봤습니다. 특정 형식의 보고서를 던져주고, 그 안에서 표와 그래프의 내용을 요약해 구조화된 데이터로 뽑아내는 일이었습니다. 결과는 예상대로였습니다. 둘 다 훌륭하게 해냈지만, 특정 작업에서는 제미나이가, 다른 작업에서는 라마가 미세하게 나은 모습을 보였습니다. 흥미로운 지점은 성능이 아니었습니다. 두 모델을 제 개인 개발 환경에 붙여 쓰려고 할 때 느껴지는 공기의 밀도 차이였습니다. 라마는 비교적 자유롭게 제 컴퓨터 위에서 돌릴 수 있었지만, 제미나이는 구글의 클라우드 서비스 창을 통하지 않고는 온전히 다루기가 까다로웠습니다. 마치 잘 꾸며진 남의 집 거실에 허락받고 들어간 손님 신세 같았습니다.

그래서 최근 구글이 메타의 제미나이 모델 접근을 제한했다는 파이낸셜타임스발 기사는 조금도 놀랍지 않았습니다. 업계에서는 이를 두고 ‘AI 동맹의 균열’이니 ‘빅테크의 치열한 경쟁’이니 하는 거창한 제목을 붙이지만, 제 눈에는 지극히 당연한 수순으로 보입니다. 이건 감정적인 싸움이 아니라, 지극히 현실적인 영토 문제입니다. 구글이 공들여 지은 집에 경쟁사가 들어와 설계도 좀 보자고 하는데, 순순히 문을 열어줄 집주인은 없습니다.

우리는 종종 이 싸움의 본질을 오해합니다. 더 똑똑하고, 더 인간 같고, 더 창의적인 AI 모델을 만드는 경쟁이라고 생각합니다. 물론 그것도 경쟁의 일부입니다. 하지만 진짜 돈이 오가는 전쟁터는 다른 곳에 있습니다. 바로 API 접근권과 클라우드 생태계 종속 문제입니다. 구글에게 제미나이는 그 자체로 완결된 상품이 아닙니다. 자사의 거대한 클라우드 제국, 구글 클라우드 플랫폼(GCP)으로 고객을 끌어들이는 가장 강력한 미끼입니다. “이렇게 좋은 제미나이를 쓰고 싶으면, 우리 GCP 안으로 들어와서 쓰세요. 여기서 쓰면 더 빠르고, 더 안정적이고, 다른 우리 서비스와 연동도 잘 됩니다.” 이것이 구글의 진짜 속내입니다. 제미나이라는 화려한 미끼로 물고기를 유인해, GCP라는 거대한 어장에 가두려는 것입니다.

메타의 처지는 다릅니다. 메타는 AWS, 애저, GCP 같은 압도적인 클라우드 플랫폼이 없습니다. 클라우드 전쟁에서 이미 패배한 플레이어입니다. 그런 메타가 AI 시대에 생존하기 위해 꺼내든 카드가 바로 ‘오픈소스’입니다. 라마 모델을 공짜로 풀어버리는 것은 자선 활동이 아닙니다. 구글과 마이크로소프트가 쌓아 올린 ‘모델-클라우드’라는 강력한 해자를 무너뜨리기 위한 비대칭 전략입니다. 가장 비싼 핵심 부품인 AI 모델을 공짜로 만들어 버리면, 클라우드 플랫폼에 돈을 내고 모델을 써야 할 이유가 희미해집니다. 모두가 라마 같은 고성능 모델을 자기 컴퓨터나 저렴한 클라우드에서 돌릴 수 있다면, 구글의 ‘GCP 종속’ 전략은 힘을 잃게 됩니다. 이런 상황에서 메타가 구글의 최신예 모델인 제미나이를 들여다보며 벤치마킹하고 연구하겠다니, 구글 입장에서는 적에게 무기를 대주는 꼴입니다. 접근을 막는 것은 당연한 방어 조치입니다.

이런 풍경은 처음 보는 것이 아닙니다. 역사는 언제나 비슷한 형태로 반복됩니다. 1980년대와 90년대, 소프트웨어 업계에는 4세대 언어(4GL)와 CASE 도구라는 것이 있었습니다. 복잡한 코딩 없이, 마치 그림을 그리듯 프로그램을 만들 수 있다는 꿈같은 약속을 들고나왔습니다. 오라클이나 IBM 같은 회사들이 내놓은 이 도구들은 실제로 생산성을 극적으로 높여줬습니다. 하지만 여기에는 값비싼 대가가 따랐습니다. 한번 그들의 도구를 쓰기 시작하면, 데이터베이스부터 개발 환경, 애플리케이션까지 모든 것을 그들의 생태계 안에서 해결해야 했습니다. 빠져나오고 싶어도 나올 수 없는 기술적 종속, 즉 ‘락인(Lock-in)’에 빠지는 것입니다. 그때도 업계에서는 ‘코딩의 종말’을 이야기했지만, 결국 살아남은 것은 특정 도구에 종속되지 않고 원리를 이해하며 문제를 해결하던 개발자들이었습니다.

지금 AI가 똑같은 그림을 그리고 있습니다. 제미나이, GPT-4o, 클로드 3 같은 놀라운 도구들이 쏟아져 나옵니다. 이 도구들은 분명 많은 문제를 해결해 줄 것입니다. 하지만 이 도구들을 ‘쓴다’는 행위의 의미가 과거와는 달라졌습니다. 단순히 기능을 활용하는 것을 넘어, 특정 기술 생태계에 우리 회사의 미래를 거는 행위가 되었습니다. 어떤 AI를 선택하느냐는 질문은, 이제 어떤 클라우드에 종속될 것이냐는 질문과 같습니다.

결국 이 모든 소동 속에서 진짜 가치가 오르는 것은 따로 있습니다. 코드를 짜는 능력이나 프롬프트를 잘 쓰는 재주가 아닙니다. 어떤 AI를, 어떤 플랫폼 위에서, 어떤 조건으로 쓸지 결정하는 ‘판단의 값’입니다. 이 API를 연동했을 때 우리 서비스가 어떤 위험에 처하게 될지, 저 오픈소스 모델을 도입했을 때의 숨겨진 비용은 얼마일지, 특정 클라우드에 종속되었을 때 우리의 출구 전략은 무엇일지. 이런 복잡한 질문에 답하는 능력의 가치가 천정부지로 오르고 있습니다. AI가 똑똑해질수록, 엔지니어와 기획자는 더 높은 차원의 전략가가 되어야만 합니다. 결국 AI가 아무리 똑똑해져도, 어떤 AI를 어떤 조건으로 쓸 것인지, 그리고 그 결정이 초래할 결과를 책임지는 것은 결국 사람의 몫입니다. 그 판단의 값이 폭등하고 있습니다.