상용 AI가 국방부의 기밀 운용 환경으로 더 깊이 들어가며 클라우드, 칩, 모델, 데이터 통합과 기술 지원이 같은 국방 공급망을 구성한다. 2026년 5월 국방부는 Google, Microsoft, Amazon Web Services, Nvidia, OpenAI, Reflection, SpaceX와 기밀 네트워크 AI 계약을 발표했다. 이제 질문은 어느 모델이 수주하느냐뿐 아니라 운용상 중요한 연결 시스템을 누가 통제하느냐다.
허용 용도와 의미 있는 인간 통제는 아직 논쟁 중이다. Anthropic은 광범위한 정부 사용 조건에 반대한 뒤 일곱 회사에서 빠졌고, OpenAI는 자체 계약의 보호 조치를 주장한다. 공급사 수나 공개 안전 성명만으로 계약, 기술 통제와 실제 결정이 독립 검증 가능하다고 입증되지는 않는다.
시제품 계약에서 기밀 업무로
5월 발표는 2025년 7월 공개된 조달을 확장했다. CDAO는 Anthropic, Google, OpenAI, xAI에 각각 한도 2억 달러 계약을 부여했다. 국가안보 시제품 업무이며 단일 질문만 답하지 않고 다단계 과제를 실행하는 에이전트형 시스템을 포함했다. 한도는 전액 지출 증거가 아니며 2025년 네 회사는 나중의 일곱과 별개다.
군 인력은 이미 공식 생성형 플랫폼 GenAI.mil을 이용했다. 기밀 연결은 정보 분석, 물류, 사이버 작전, 임무 계획, 표적 평가에 영향을 줄 수 있어 중요하다. 시제품은 결정에서 격리할 수 있지만 민감 데이터와 결정 소프트웨어에 연결된 모델은 그렇지 않을 수 있다. 정비 요약과 감시·표적 추천은 결과가 크게 다르다.
국방부는 일부 과제가 수개월에서 수일로 줄었다지만 어떤 과제인지, 오류율, 검토 절차, 잘못된 출력의 결과를 공개하지 않았다. 속도 주장이지 중대한 결정의 신뢰성 척도로 충분하지 않다. 모든 기밀 사용이 무모하다는 뜻도 아니다. 예측 정비, 번역, 검색과 물류 최적화는 더 관리 가능한 결과로 이익을 줄 수 있다.
기반 모델은 폭넓게 학습하고 적응하므로 역할이 좁은 무기와 다르다. 업데이트, 통합, 프롬프트, 추가 데이터가 행동을 바꾼다. 계약, 주변 앱과 기술 통제가 경계를 정한다. 한 번의 인수 시연은 미래 행동을 모두 포괄하지 못해 반복 시험과 지속 지원이 중요하다.
모델 계약 아래 있는 기반시설 시장
관계는 ChatGPT 이전부터다. 2022년 국방부는 Amazon, Microsoft, Google, Oracle에 모든 기밀 등급의 클라우드를 위한 JWCC 계약을 주었고 한도는 90억 달러였다. 연산, 저장, 신원 통제, 네트워크와 안전한 정부 데이터 접근이 AI 추가 때 공급사 이점이 된다.
역할은 다르지만 겹친다. Microsoft는 클라우드와 주요 OpenAI 관계, AWS는 복수 모델 호스팅과 Anthropic 투자, Google은 클라우드와 Gemini, Nvidia는 널리 쓰이는 칩·라이브러리를 제공한다. 개발사는 Nvidia 하드웨어를 쓰는 클라우드에 의존하고 통합사가 정부 데이터에 연결할 수 있다. 민간 수요는 개발을 가속하지만 독점 인터페이스, 부족한 하드웨어, 전문 인력, 공급사 통제 업데이트도 군에 이전한다.
Palantir는 통합층의 중요성을 보여준다. 지휘·데이터 소프트웨어는 호환되지 않는 시스템과 등급에 흩어진 센서, 정보 DB, 계획과 무기를 묶는다. Brennan Center 연구에 따르면 육군은 2025년 75개 약정을 10년간 최대 100억 달러의 기업 계약으로 통합했다. 다른 계약과 기간의 한도이지 모델 계약과 더할 실제 지급액이 아니다.
항공기, 미사일, 센서와 통신에는 전통 방산업체가 여전히 필요하다. 새 소프트웨어 기업이 자산 간 정보를 해석하면서 공급사 및 군 경험 통합사와 상호 의존한다. Anduril, Shield AI, Scale AI도 참여하지만 큰 클라우드·칩·데이터 위에 구축하는 경우가 많다. 신생 기업이 옛 업체를 단순 대체하지 않으며 응용 경쟁이 소수 플랫폼의 수입도 만든다.
Anthropic 분쟁은 누가 제한을 정하는가에 관한 것이다
Anthropic은 대규모 국내 감시와 완전 자율무기, 즉 의미 있는 인간 통제 없이 표적을 고르고 교전하는 체계를 계약으로 제한하려 했다. 국방 관료들은 모든 합법 정부 사용을 허용하고 책임을 정부에 두자고 했다. Anthropic은 합법으로 판단해도 용납 못 할 용도가 있다고 봤다. 구매 후 권한의 문제이지 표현만의 차이가 아니다.
국방부는 다른 공급사와 진행했다. OpenAI는 감시·자율무기·인간 감독을 다루고, 대규모 국내 감시를 금지하며, 기존 법과 정책을 포함한다고 말한다. 중요한 회사 주장이지만 기밀과 비공개 조항 때문에 Anthropic 요구와 완전히 비교할 수 없다. 동일하거나 더 강한 보호라고 단정하기 이르다.
조달은 입법이나 법원 심사 전 실제 거버넌스를 만든다. 가장 엄격한 공급사가 표준을 자동 결정하지 않는다. 넓은 조건을 받는 대안이 있으면 정부는 업무를 옮겨 버티는 회사의 협상력을 줄인다. 복수 공급사 회복력과 제한 완화 압력은 공존할 수 있다. 정부는 반대로 한 모델사가 임무 규칙을 좌우하지 않도록 교체 가능성을 원한다.
다른 보호는 통합도 어렵게 한다. 제한 모델의 정보 요약을 다른 체계가 작전 계획에 쓸 수 있다. 공개 정책도 바뀐다. OpenAI는 2024년 군사 사용의 전면 금지를 없애고 무기 개발·유해 활동 제한을 남겼으며 다른 회사도 정부 사업에 따라 수정했다. 계약은 보통 공개 방침보다 강하지만 정의, 감시, 기술 집행과 구제에 달린다.
정부는 업체 교체, 일 취소, 공급망 우려 지정으로 다른 연방 사업 전망에도 영향을 줄 수 있다. 협상에 상업·정치 압력이 더해진다. 자발적 보호는 압력 속에서도 유지돼야 의미 있다. 모델사는 제한을, 군은 공금 구매 시스템의 운용권을 원하지만 어느 배분도 그 자체로 효과적인 보호 증거가 아니다.
공급사 다양성이 공통 의존을 숨길 수 있다
선도 모델에는 첨단 칩, 대규모 데이터, 연구자와 연산이 필요하며 규모 있게 공급하는 회사는 적다. 작은 앱도 같은 기반에 의존한다. 열 개 도구가 동일 클라우드·칩·모델을 쓰면 겉으로 다양해도 장애, 공격, 모델 실패나 계약 분쟁에 함께 노출된다.
멀티클라우드·멀티모델은 일부만 해결한다. 진정한 회복력은 핵심 기능을 잃지 않고 업무를 이동시키는 것이다. 독점 인터페이스, 접근, 데이터 처리, 형식과 성능이 달라 업체 하나 교체도 연결 업무 전체 재시험을 요구할 수 있다. 계약 수가 상호운용성은 아니다.
정부 직원이 직접 검사·재현 못 하는 모델을 아는 공급사는 계약 뒤에도 중요하다. 평가, 보안, 조정, 훈련과 사고 대응은 전 수명에 걸친다. 완제품뿐 아니라 진화하는 능력과 유지자를 구매하는 셈이다. 프롬프트·데이터·맥락·업데이트 변화가 구조적 의존을 강화한다.
Nature는 이 관계를 AI 중심 군산복합체로 설명한다. 경영진과 투자자가 국방 구매, 규제, 수출과 연방 연산 정책에 참여하고, 일부는 관민을 오가며 일부는 가속이나 규제 반대 단체를 지원한다. 합법 참여이지 부정 증거는 아니지만 수주와 규칙 영향이 결합한 효과는 살펴야 한다.
형식적 인간 승인은 실질 검토가 아니다
자동화 편향은 반대 증거에도 컴퓨터 추천을 받아들이는 경향이다. 불완전 정보와 시간 압박에서 유창함, 자신감과 잦은 정답이 이를 강화한다. 모델이 사람·차량·장소·통신을 잘못 연결하고 분석가는 근거 없는 연관을 유용한 단서로 볼 수 있다.
오류는 파이프라인을 따라간다. 하나가 객체에 라벨을 붙이고 다른 것이 요약하며 계획 도구가 추천에 넣는다. 마지막 매끈한 화면은 불확실성과 오류 기원을 숨긴다. 기밀 입력이 허구, 불일치 응답이나 업데이트 후 변화를 없애지 않는다.
맥락과 적대자도 어렵다. 정비에 강한 보조가 낯선 정보 약어나 기만 자료에서 실패할 수 있다. 상대는 데이터를 조작하고 상용 시스템을 시험해 정부 배치와 공통 약점을 찾는다. 기밀 때문에 외부 연구자가 실패를 재현하고 주장과 운용 증거를 비교하기 어렵다.
검색, 접근 통제, 시험과 검토는 위험을 낮출 뿐 모든 임무를 보장하지 않는다. 감독에는 시간·권한·반증·한계 교육과 실제 거부·중단 능력이 필요하며 최종 클릭만은 아니다. Georgetown CSET의 Helen Toner는 과도한 의존을 경고하고 효용과 한계를 함께 이해하라고 한다. 사람이 관여해도 이 조건이 충족됐다고 볼 수 없다.
행동을 평가하고 증거를 보존하되 개인정보도 지켜야 한다
평가는 오탐, 놓친 신호, 보정, 운용자와 적대 조건을 시연뿐 아니라 배치 후에도 살펴야 한다. 예산을 원하는 부서와 판매사는 성공 시험과 시간 절약을 강조하기 쉽지만 미묘한 판단 저하나 일상적 무비판은 덜 보인다. 검증 요건은 자발 설명보다 공급사·환경을 가로질러 능력을 따라야 한다.
입력·출력·인간 반응 로그는 해로운 결정을 재구성하지만 개인정보·보안 위험도 만든다. 보존 제한, 접근 통제, 독립 검토가 필요하다. 추적 가능성이 무제한 보관을 정당화하지 않는다. 로깅이나 감독을 안전장치로 부르는 것과 압력 속 작동을 입증하는 것은 다르다.
공적 감독은 기술 확장에 못 미친다. 한도는 공개돼도 운영, 평가와 조항은 감춰진다. Elizabeth Warren은 기밀망 시스템, 보호, 자율무기와 국내 감시 답변을 요구했다. 합법이라는 일반론은 실무 통제나 인간 승인 전 AI가 증거·선택을 어떻게 바꾸는지 설명하지 못한다.
계약·이식성·감사가 통제권을 보여준다
비교 가능한 조항이나 집행 가능한 요약은 감시, 무기, 인간 검토, 군 데이터 2차 이용을 밝힐 수 있다. 비밀이 이어지면 업체 차이는 불명확하다. 임무 세부를 지키면서 독립 감찰, 의회와 감사에 접근을 늘릴 수 있으며 집계 보고가 작전 비밀 공개를 요구하지는 않는다.
업무 이전 실증과 공통 기준은 새 계약 목록보다 복수 공급사 논리를 직접 시험한다. 사용처, 인간 거부 빈도와 중대 오류 대응은 책임을 검증한다. 업체 발표만으로 어느 것도 성립하지 않으며 모델사·통합사·사용자 분책도 중요하다.
선례는 구매를 통해 경찰, 국경, 정보, 민사 기관과 고위험 기업으로 퍼질 수 있다. 의존·업데이트·감사·검토는 군만의 문제가 아니다. 공공기관이 민간 연산, 데이터, 모델, 통합과 지식에 의존한 뒤에도 지속 제한을 강제할 수 있는가? 계약, 상호운용 시험과 운용 감사는 증거지만 속도·형식 승인은 충분하지 않다.
출처와 관련 읽기
AP 기밀 계약 보도 · CDAO 시제품 발표 · Brennan Center 연구 · OpenAI 계약 설명 · Nature 분석 · Warren 계약 질의 · 관련 읽기: 개인·팀 AI 지식 기반