AI 확산의 시대 : 누가/어떻게/어디서 AI를?

Microsoft의 AI Diffusion Report 함께 읽기

Nov 3. 2025

안녕하세요, Dr. Jin입니다.

오늘은 정말 흥미로운 보고서를 하나 가져왔습니다. Microsoft의 AI Economy Institute가 2025년 11월에 발표한 "AI Diffusion Report: Where AI is most used, developed, and built"인데요. AI가 전 세계적으로 어떻게 확산되고 있는지, 누가 AI를 만들고 있고, 어디에 인프라가 집중되어 있으며, 실제로 사람들이 어떻게 사용하고 있는지를 데이터 기반으로 정리한 보고서입니다.

이 보고서가 특별한 이유는, AI를 단순히 '기술'이 아니라 전기나 인터넷처럼 사회를 근본적으로 변화시키는 '범용 기술(General Purpose Technology)'로 접근하고 있다는 점입니다. 보고서는 AI가 인류 역사상 가장 빠르게 확산되는 기술이라고 말하면서도, 동시에 글로벌 남북(Global North-South) 간의 격차가 심각하게 벌어지고 있다는 경고를 담고 있죠.

특히 Microsoft가 보유한 10억 대 이상의 Windows 디바이스 텔레메트리 데이터를 활용해서 실제 AI 사용 현황을 측정했다는 점에서 굉장히 실증적이고 신뢰할 만한 데이터를 제공합니다.

이 글의 구성

이 글은 크게 세 부분으로 구성됩니다.

첫째, 보고서가 제시하는 'AI 확산의 세 가지 힘'과 측정 방법론을 소개하겠습니다. Frontier builders(최첨단 AI 개발자), Infrastructure builders(AI 인프라 구축자), Users(실제 사용자)라는 세 주체가 어떻게 상호작용하며 AI 생태계를 만들어가는지 살펴봅니다.

둘째, AI 확산의 '빌딩 블록'들을 하나씩 뜯어보겠습니다. 전기, 데이터센터, 인터넷, 디지털 스킬, 그리고 언어라는 다섯 가지 요소가 왜 중요한지, 각국의 현황은 어떤지 구체적으로 분석합니다.

셋째, 주요 국가별 데이터를 통해 누가 AI 경쟁에서 앞서고 있는지, 그리고 우리나라는 어디쯤 위치하고 있는지 확인해보겠습니다.

마지막으로 이 보고서가 우리 혁신 생태계에 주는 시사점을 정리하며 마무리하겠습니다.

본문

### 1. AI 확산의 역사적 맥락: 왜 '확산'이 중요한가

보고서는 1993년 세계은행이 발표한 "동아시아의 기적(The East Asian Miracle)"을 언급하며 시작합니다. 당시 한국과 필리핀은 1960년에 1인당 GDP가 약 2,000달러로 비슷했습니다. 두 나라 모두 인구 구조나 교육 수준이 비슷했죠.

하지만 60년이 지난 지금, 한국은 1인당 GDP가 3만 달러를 넘어섰고, 필리핀은 여전히 3,000달러 수준에 머물러 있습니다. 무엇이 이 차이를 만들었을까요?

세계은행의 결론은 명확했습니다. "혁신이 아니라 확산(diffusion)이었다."

한국은 다른 곳에서 개발된 기술을 빠르게 채택하고, 적응하고, 확장했습니다. 1970년대 후반 한국 정부는 반도체를 전략적 우선순위로 정하고, 민간 부문과 협력해서 투자를 집행했습니다. 라이센싱 협약, 엔지니어링 전문성, 파트너십을 통해 정부 R&D와 세제 혜택, 인프라 투자를 지원했고, 한국 반도체 제조업체들은 빠르게 글로벌 리더로 자리잡았습니다.

한국 경제는 연평균 6.2%씩 성장하며 11년마다 생활 수준을 두 배로 높였습니다. 반면 필리핀은 1차 산업과 아웃소싱 서비스에 계속 의존하며 연평균 1.8%만 성장했죠.

보고서는 묻습니다. "한국은 반도체를 발명하지 않았습니다. 하지만 반도체를 다른 어떤 나라보다 더 빠르고, 더 저렴하고, 더 잘 생산했습니다. 이것이 기술 확산과 글로벌 협력이 세계에서 가장 선진화된 국가 중 하나를 만든 방법입니다."

이 사례는 AI 시대에도 그대로 적용됩니다. AI도 마찬가지입니다. 누가 AI를 발명했는가보다, 누가 AI를 빠르게 채택하고 확산시키는가가 향후 수십 년의 경제적 운명을 결정할 것입니다.

### 2. AI는 왜 특별한가: 역사상 가장 빠른 확산

AI는 36개월 만에 12억 명 이상의 사용자를 확보했습니다. 이는 인터넷, 개인용 컴퓨터, 심지어 스마트폰보다도 빠른 속도입니다.

보고서의 차트를 보면 흥미롭습니다. 미국 가구 기준으로:

- 전기: 25년에 걸쳐 약 80% 보급
- 라디오: 25년에 걸쳐 약 80% 보급
- 전화: 25년에 걸쳐 약 80% 보급
- 인터넷: 25년에 걸쳐 약 80% 보급
- 스마트폰: 약 15년에 80% 보급
- AI: 채택 곡선이 가장 가파름, 약 40% 도달에 3년도 안 걸림

하지만 이 빠른 확산에는 불평등이 숨어 있습니다. UAE나 싱가포르 같은 나라에서는 생산가능인구의 절반 이상이 AI를 사용하지만, 사하라 이남 아프리카와 일부 아시아 지역에서는 10%도 안 되는 나라가 많습니다.

보고서는 이것을 단순히 접근성의 문제가 아니라고 말합니다. 전기, 인터넷, 데이터센터, 디지털 스킬, 그리고 언어라는 인프라가 갖춰지지 않으면 AI를 사용할 수 없다는 것이죠.

### 3. AI 확산의 세 가지 힘

보고서는 AI 확산을 세 가지 주체의 상호작용으로 설명합니다.

(1) Frontier Builders (최첨단 개발자)
이들은 AI의 가능성의 한계를 밀어내는 연구자이자 모델 제작자들입니다. OpenAI, Microsoft, Anthropic, Google, Mistral, DeepSeek, Alibaba 같은 주요 AI 랩들이 여기 속합니다. 이들은 최첨단 기술을 만들고, 기초 모델을 설계하고, 알고리즘과 훈련 기법을 개발합니다.

그런데 흥미로운 점은, 오픈소스 AI 커뮤니티도 여기에 속한다는 겁니다. 연구자, 호비스트, 오픈소스 라이센스로 AI 도구와 모델, 라이브러리를 공개하는 기업들이 포함됩니다. 이들은 모델의 접근성과 커스터마이징을 높이고, 종종 대형 모델을 더 작고 효율적인 버전으로 fine-tuning합니다.

예를 들어, Meta가 LLaMA 오픈 웨이트 모델을 공개하자 불과 몇 달 만에 커뮤니티에서 7,000개가 넘는 변형 모델이 Hugging Face 같은 플랫폼에 올라왔습니다. OpenAI도 GPT의 오픈 웨이트 버전을 제공하고, Google은 Gemma 패밀리를 제공하죠.

보고서는 frontier를 측정하기 위해 주요 AI 모델과 데이터셋의 Frontier Index를 계산했습니다. Frontier Index의 기준은 다음 벤치마크들의 평균 점수를 사용했습니다:
- Coding: SciCode와 LiveCodeBench의 평균
- Knowledge: MMLU-Pro와 HLE의 평균
- Reasoning: Long-context reasoning (LCR 벤치마크)
- Instruction following: ifbench 벤치마크
- Information retrieval: GQQA 벤치마크
- AA-LCR: 긴 문맥 추론 측정
- IFBench: 오픈엔드 태스크의 정확한 지시 따르기
- GPQA Diamond: 대학원 수준 과학 Q&A

그리고 각 국가별로 역대 최고 성능 모델의 출시 날짜를 확인하고, 현재 frontier와의 "개월 차이"를 계산했습니다. 예를 들어, DeepSeek V3.1이 2025년 9월에 출시되었는데, 이것이 OpenAI의 GPT-o3(2025년 4월 출시)와 비슷한 성능을 보이면 약 5개월 차이가 나는 것이죠.

주요 국가별 Frontier Index 결과:

미국이 압도적으로 1위이고, 중국이 5개월 차이로 2위입니다. 한국은 6개월 차이로 3위를 차지하고 있는데, 이는 주목할 만한 성과입니다. 프랑스, 영국, 캐나다가 7-8개월 차이로 뒤를 잇고 있습니다.

전 세계적으로 오직 7개국만이 frontier 수준의 AI 모델을 보유하고 있습니다: 미국, 중국, 한국, 프랑스, 영국, 캐나다, 이스라엘.

그리고 frontier와 꼴찌(이스라엘) 간의 격차는 이제 11개월에 불과합니다. 이는 frontier가 빠르게 좁혀지고 있다는 의미입니다.

(2) Infrastructure Builders (인프라 구축자)

이들은 엔지니어, 기업가, 대규모 인텔리전스를 가능하게 하는 네트워크, 도구, 스킬을 확장하는 기관들입니다. 인프라는 컴퓨팅 파워와 연결성을 제공하고 대규모 인텔리전스를 가능하게 하며, 데이터센터가 핵심입니다. 데이터센터는 전력과 네트워크 접근이 필요하고, AI 시설은 점점 더 GPU에 의존하고 있습니다.

AI 인프라는 어디에 있나?

보고서는 IEA(국제에너지기구)의 2025년 중반 추정치를 사용해 지역별 데이터센터 용량을 측정했습니다 (단위: GW).

IEA 지역 | 설치 용량 (GW)

미국과 중국이 합쳐서 전 세계 데이터센터 용량의 86%를 차지합니다. 이는 엄청난 집중도입니다. 보고서는 이것을 "sobering truth(냉정한 진실)"이라고 표현합니다. 전 세계 대부분의 AI 데이터센터가 글로벌 북부(Global North)에 집중되어 있고, 글로벌 남부에는 극소수만 존재한다는 것이죠.

물론 기술적으로는 모든 나라가 해외에 호스팅된 AI 서비스에 접근할 수 있습니다. 하지만 proximity(근접성)가 중요합니다.

데이터센터와 고객 사이의 물리적 거리를 줄이면:

1. 응답 시간이 줄어듭니다 (latency reduction)

2. 대역폭 비용이 감소합니다

3. 일부 국가는 정부, 의료, 금융 데이터를 자국 내에서 처리하도록 법으로 요구합니다

이것이 정부와 기업들이 오랫동안 데이터센터를 시민과 고객 가까이에 배치하려고 투자해온 이유입니다. 하지만 오늘날 AI 인프라 지도는 대부분의 세계 AI 데이터센터가 글로벌 북부에 집중되어 있고, 글로벌 남부에는 극소수만 존재한다는 냉정한 진실을 드러냅니다.

(3) Users (사용자)

사용자는 새로운 기술을 활용하고 실제 문제 해결에 적용하는 개인, 기업, 정부입니다.

사용자는 실험을 통해 빌더의 초점을 안내합니다. 빌더가 frontier를 발전시키면서 사용자를 위한 새로운 기회를 열어주는 것이죠. 역사가 보여주듯, 진보는 세 가지가 모두 함께 진화할 때 가속화됩니다. Edison이 전구를 만들었지만, 전력망과 일상 사용자가 전기를 보편화시켰습니다. AI도 마찬가지입니다.

### 4. AI 확산의 빌딩 블록

AI를 범용 기술로 보면, AI는 전기, 연결성, 컴퓨팅이라는 세 가지 기술의 어깨 위에 서 있습니다. 이들의 채택은 가장 빠른 곳과 가장 느린 곳에서 크게 다릅니다.

AI 확산의 빌딩 블록을 피라미드로 보기

이 피라미드는 충격적입니다. 세계 인구 81억 명 중:

- 전기에 접근할 수 있는 사람: 74억 명 (91%)

- 데이터센터 범위 안에 있는 사람: 55억 명 (68%)

- 인터넷에 접근할 수 있는 사람: 55억 명 (68%)

- 기본 디지털 스킬을 가진 사람: 42억 명 (52%)

- 실제 AI 도구를 사용하는 사람: 12억 명 (15%)

즉, 전 세계 인구의 85%는 아직 AI를 사용하지 못하고 있습니다.

이제 각 빌딩 블록을 하나씩 살펴보겠습니다.

(1) 전기 (Electricity)

전기에 대한 접근은 GDP per capita와 강하게 상관관계가 있으며, AI 채택의 기초입니다. 안정적인 에너지와 전기 접근은 삶과 생계의 중요한 기반이며, 가정, 디바이스, 데이터센터, 비즈니스를 작동시킵니다.

일관된 전기 없이는 커뮤니티가 디지털 경제에 완전히 참여할 수 없고, 인터넷에 접속할 수 없으며, 현대 의료에 접근할 수 없고, 교육 발전을 지원할 수 없습니다.

세계 많은 국가들이 보편적 전기 보급을 달성했지만, 전기 접근 부족이 가장 큰 20개국 중 18개국이 사하라 이남 아프리카에 있습니다. 결과적으로 사하라 이남 아프리카는 현재 전기가 없는 전 세계 인구의 85%를 차지합니다 (2010년 50%에서 증가). 전 세계적으로 7억 5천만 명 이상이 전기 접근이 없어 디지털 경제 참여 능력이 제한됩니다.

경제력에 따른 전기 활용률

(놀랍지 않은 사실이지만) 보고서의 지도를 보면 전기 활용률이 아래와 같이 분포됩니다.

- 북미, 유럽, 동아시아: 거의 100% (회색)

- 중동, 북아프리카, 남미: 80-100% (주황색)

- 사하라 이남 아프리카: 20-60% (진한 빨간색~주황색)

(2) 데이터센터 (Data Centers)

새로운 세대의 대형 언어 모델은 훈련에 컴퓨팅 파워가 필요할 뿐 아니라, 실제 사람들이 이 모델을 사용하는 순간(inference)에도 상당한 인프라가 필요합니다. 일반적으로 사람들이 온라인 서비스를 사용할 때 inference가 발생하는데, 이는 클라우드에서 일어납니다.

이것이 모든 국가가 자체 데이터센터를 필요로 한다는 의미는 아닙니다. 기술적으로 전 세계 어디서나 해외에 호스팅된 AI 서비스에 접근할 수 있습니다. 하지만 proximity가 중요합니다.

데이터센터와 고객 간의 물리적 거리를 줄이면 데이터가 이동해야 하는 거리가 줄어들어 응답 시간이 최소화됩니다. 이것은 사용자 경험과 애플리케이션 성능에 중요합니다. 시간이 지남에 따라 연구에서는 심지어 적은 지연도 사람들이 온라인 서비스를 얼마나 자주 사용하는지 감소시킨다는 것을 보여주었습니다.

근접성은 대역폭 비용을 줄이고 네트워크 효율성을 높일 수도 있습니다. 그리고 점점 더 많은 국가와 지역에서 정부, 의료, 금융 데이터 같은 특정 데이터가 국경 내에 저장되고 처리되도록 법으로 요구하고 있습니다.

이것이 정부와 기업들이 오랫동안 데이터센터를 시민과 고객에게 더 가까이 배치하는 데 투자해온 이유입니다.

전세계 지역별 AI데이터센터 숫자

보고서의 "Where AI Data Center Regions are Located" 지도를 보면:

- 북미: 대규모 데이터센터 밀집 (가장 큰 원이 미국 서부)

- 유럽: 중간 규모 여러 개 분산

- 동아시아: 중국과 일본/한국에 대규모

- 중동: 소규모 몇 개

- 남미: 브라질에 하나, 칠레에 소규모

- 아프리카: 남아공에 하나

- 호주: 시드니에 중간 규모

데이터센터 용량의 집중이 엄청납니다. 미국과 중국이 합쳐서 86%를 차지합니다.

(3) 인터넷 (The Internet)

인터넷 접근성은 AI 채택의 또 다른 핵심 요소입니다. 전 세계적으로 연결성이 확장되면 채택이 따라옵니다.

예를 들어 잠비아에서는 전국 AI 채택률이 12%에 불과하지만, 인터넷 접근이 있는 사람들 중에서는 34%로 올라갑니다 - 거의 3배입니다. 이 패턴은 비슷한 수준의 인터넷 연결성을 가진 국가들에서도 유사합니다.

파키스탄에서 코트디부아르, 짐바브웨에서 감비아, 과테말라에서 케냐, 네팔, 온두라스까지, 이야기는 같습니다. 연결성이 게이트웨이입니다 - AI 경제 참여의 필수 단계입니다.

보고서의 "Internet Connectivity by Economy" 지도를 보면 아래와 같습니다.

경제력별 인터넷 접근성

- 인터넷 사용률 80-100%: 북미, 유럽, 동아시아, 중동 일부, 남미 일부 (회색)

- 60-80%: 중국, 러시아, 중동 일부 (밝은 회색)

- 40-60%: 중앙아시아, 동남아 일부 (노란색)

- 20-40%: 사하라 이남 아프리카 대부분 (빨간색)

- 0-20%: 아프리카 일부 (진한 빨간색)

(4) 디지털 및 AI 스킬 (Digital and AI Skills)

AI 주도 경제에 완전히 참여하려면 사람들은 AI 도구를 생산적이고 책임감 있게 사용할 디지털 스킬과 기술적 능숙함이 필요합니다. 이런 기반 없이는 AI가 사회의 일부 세그먼트만 활용할 수 있는 기술이 될 위험이 있어, 불평등을 심화시키기보다는 기회를 확대하지 못합니다.

기본 디지털 리터러시가 첫 단계입니다: 디지털 플랫폼을 탐색하고, 정보를 평가하고, 온라인에서 안전하게 참여하는 방법을 이해하는 것입니다. 하지만 AI의 효과적인 사용은 추가 스킬을 습득해야 합니다.

사람들은 AI가 어떻게 작동하는지, 일상생활과 업무에서 어떻게 사용될 수 있는지, 창의적이고 비판적으로 적용하는 방법에 대한 fluency를 개발해야 합니다.

많은 사람들에게 이것은 새로운 직업 요구사항에 적응하기 위해 재교육(reskilling)이나 향상 교육(upskilling)을 의미합니다. 다른 사람들에게는 데이터 과학, 소프트웨어 개발, AI 엔지니어링 같은 분야에서 완전히 새로운 직업으로의 길을 열어줍니다. 산업 기계가 한때 기계적 노하우를 요구했던 것처럼, 오늘날의 AI 도구는 새로운 형태의 디지털 역량을 요구합니다.

경제력에 따른 디지털 수용율

보고서의 "Global Digital Adoption by Economy" 지도를 보면:

- Digital Adoption Index 80-100%: 주로 없음 (회색)

- 60-80%: 북미, 서유럽, 일본, 호주 (밝은 회색)

- 40-60%: 동유럽, 러시아, 중국, 한국, 중동 일부, 남미 일부 (노란색)

- 20-40%: 사하라 이남 아프리카 대부분, 인도, 동남아 일부 (빨간색)

- 0-20%: 아프리카 일부 (진한 빨간색)

(5) 언어 (Language)

AI는 다른 이전 기술들과 달리 데이터로 구축됩니다 - 특히 인간 언어입니다. 오픈 웹은 AI를 위한 가장 중요한 단일 데이터셋 역할을 합니다. 하지만 이 콘텐츠의 절반은 영어로 되어 있습니다.

영어는 전 세계 인구의 5%만이 모국어로 사용하지만, 저자원 언어의 경우 AI 모델은 종종 덜 능숙하거나 심지어 존재하지 않습니다.

웹 언어

보고서의 "7,000+ Other Spoken Languages" 파이 차트를 보면:

- 영어가 압도적으로

- 러시아어, 터키어, 프랑스어, 스페인어, 아랍어가 다음으로 큼

- 중국어, 독일어, 폴란드어, 체코어가 중간

- 일본어, 이탈리아어, 포르투갈어, 네덜란드어가 작은 조각

- 7,000개 이상의 다른 언어들은 거의 보이지 않음

웹에 있는 오픈 콘텐츠의 양은 언어 간에 크게 다릅니다. 스와힐리어는 2억 명 이상이 사용하지만, 비슷한 수의 화자를 가진 독일어보다 500배 이상 적은 디지털 콘텐츠를 가지고 있습니다.

보고서의 분석에 따르면 저자원 언어 국가들은 비슷한 GDP와 연결성 조건 하에서도 고자원 언어 국가들보다 20% 낮은 비율로 AI를 채택합니다.

Xuan et al.의 연구에서 보여준 것처럼, 언어 간 모델 성능도 크게 다릅니다. 최신 LLM조차 영어에서 약 80%의 정확도를 달성하지만, Yoruba(YO) 같은 일부 저자원 언어에서는 55% 이하로 떨어집니다. Yoruba는 나이지리아의 주요 언어 중 하나로 아프리카 전역에서 5천만 명 이상이 사용합니다.

이런 격차는 단순히 기술적인 것이 아니라, 누가 교육, 의료, 농업, 금융, 공공 서비스에서 AI의 혜택을 받을 수 있는지를 결정합니다.

마오리족 뉴질랜드 화자들에게는 영어와의 이중언어가 문화 보존의 문제가 됩니다. 나이지리아의 Hausa나 파라과이의 Guaraní 같은 다른 경우에는 지역 언어로 AI를 잠금 해제하는 것이 의미 있는 접근으로 가는 유일한 길입니다.

언어 격차는 동시에 AI의 가장 큰 기회 중 하나이기도 합니다. 대형 언어 모델(LLM)은 이제 고품질 번역 시스템을 구축하고, 심지어 이전보다 훨씬 적은 데이터로 새로운 모델을 훈련시킬 수 있게 합니다. LLM은 공유된 의미론적 표현을 학습하기 때문에 한 언어에서 얻은 지식이 다른 언어에 혜택을 줄 수 있는 현상인 cross-lingual transfer가 가능합니다.

이런 의미에서 언어 격차를 메우는 것은 단순한 기술적 과제가 아니라, 모든 언어로 AI가 진정으로 인류 전체에 봉사하도록 보장할 기회입니다.

보고서의 "Language Coverage in AI Resources" 지도를 보면:

- AI Language Resource Availability 높음(High): 유럽 대부분, 북미, 중동 일부, 북아프리카 (노란색)

- 중간(Intermediate): 중국, 러시아, 중앙아시아, 중동 일부 (주황색)

- 낮음(Low): 사하라 이남 아프리카 대부분, 동남아시아 상당 부분 (빨간색)

AI자원 중 언어 점유율

### 5. AI 확산 데이터: 누가 앞서고 있는가

이제 실제 데이터를 봅시다. Microsoft는 10억 대 이상의 Windows 디바이스에서 집계되고 익명화된 텔레메트리를 분석하여 지역별 AI 관련 활동의 prevalence를 추정했습니다.

물론 이 데이터셋은 Windows가 아닌 디바이스를 제외하므로 완벽하지 않습니다. 하지만 서드파티 데이터(Verizon 마켓쉐어와 데스크톱 vs 모바일 사용 분포)를 통합하여 이 한계를 보정했습니다.

완벽하지는 않지만, 이 방법론은 전 세계적으로 실제 AI 확산을 측정하는 robust하고 일관된 프록시를 제공합니다. 이 데이터는 모든 주요 AI 모델의 데이터를 포함합니다.

#### 주요 발견

1) 역사상 가장 빠른 채택

12억 명 이상이 36개월 이내에 AI를 사용했습니다. AI는 인류 역사상 가장 빠르게 채택된 기술이 되었습니다. 데이터는 AI 채택이 연결된 컴퓨터나 스마트폰을 가진 사람들에게는 어렵지 않다는 것을 보여줍니다.

하지만 전기, 연결성, 디지털 스킬이 고려되면 인류의 거의 절반, 즉 약 40억 명이 AI를 사용하는 데 필요한 기본 요소를 여전히 결여하고 있습니다. 다음 10억 사용자는 비교적 쉽게 올 수 있지만, 진보는 이러한 구조적 장벽에 의해 제약된 인구에 도달하면서 정체될 것입니다.

2) 남북 격차

AI 확산 지도는 글로벌 북부와 글로벌 남부 사이의 극명한 대조를 드러냅니다. 글로벌 북부의 AI 채택은 약 23%인 반면, 글로벌 남부에서는 단지 13%입니다.

AI 확산 지도

채택은 GDP per capita와 강하게 상관관계가 있으며, 1인당 GDP 20,000달러 미만인 국가들 - 모든 최빈국(LDC)을 포함하는 범위 - 에서 가장 큰 격차가 나타나고 있습니다.

3) 언어 장벽

저자원 언어가 지배적인 국가들은 GDP와 인터넷 접근을 통제한 후에도 유의미하게 낮은 AI 채택률을 보입니다. 이는 언어 포용이 AI 확산의 독립적이고 강력한 동인임을 시사합니다.

4) AI 확산 리더

AI 채택률이 가장 높은 국가들은 UAE, 싱가포르, 노르웨이, 아일랜드입니다 - 전통적으로 AI 강국으로 알려지지 않은 국가들입니다.

UAE와 싱가포르가 자체 모델 개발을 시작했지만, 이들은 아직 기술적 frontier에 있지 않습니다. 이는 강력한 인프라, 정책 조정, 디지털 준비성이 frontier 수준 모델 개발이나 데이터센터 없이도 빠른 채택을 이끌 수 있음을 보여줍니다.

5) 인프라 집중

데이터센터 용량은 여전히 심각하게 집중되어 있으며, 미국과 중국이 글로벌 컴퓨팅의 약 86%를 차지합니다. 이 두 국가는 또한 frontier 모델의 수와 성능에서 각각 1위와 2위를 차지합니다.

6) Frontier 좁혀짐

오직 7개국만이 현재 frontier 수준 AI 모델을 보유하고 있습니다 - 미국, 중국, 한국, 프랑스, 영국, 캐나다, 이스라엘 - 하지만 성능 격차는 줄어들고 있습니다.

보고서의 comparative metric에 기반하면, 중국은 미국을 6개월 이하로 따라잡고 있고, 이스라엘(7위)은 이제 frontier에서 1년도 안 되는 거리에 있습니다. 이는 이전 기술 혁명에서보다 frontier에서의 확산이 더 빠르다는 것을 시사합니다.

#### 국가별 AI Diffusion Index (상위 30개국)

아래 보고서 19-20페이지의 전체 데이터는, AI 확산도의 국가별 순위를 보여줍니다.

흥미로운 점들:

- 한국은 25.9%로 25위입니다. 미국(26.3%, 23위)과 거의 비슷한 수준입니다.

- 중국은 15.4%로 55위입니다 (전체 리스트에서). 이는 놀라운 결과인데, frontier에서는 2위이지만 실제 사용자 확산에서는 중위권입니다.

- 유럽 국가들이 상위권을 많이 차지하고 있습니다.

- 중동 국가들(UAE, 카타르)이 매우 높은 채택률을 보입니다.

전체 160개국 데이터를 보면:

- 최하위권은 주로 아프리카 국가들입니다

- 캄보디아(4.6%)가 가장 낮습니다

- 대부분의 사하라 이남 아프리카 국가들이 6-8% 수준입니다

### 6. AI Diffusion과 GDP의 관계

보고서 6페이지의 산점도 "AI Diffusion and GDP"를 보면 매우 흥미로운 패턴이 나타납니다.

X축: GDP per capita (USD) 2023

Y축: AI user share

- 싱가포르와 UAE: GDP per capita 약 $80k-100k, AI user share 약 60% (오른쪽 위 모서리)

- 노르웨이: GDP per capita 약 $100k, AI user share 약 45%

- 아일랜드: GDP per capita 약 $100k (세금 이슈로 높음), AI user share 약 42%

- 스위스: GDP per capita 약 $90k, AI user share 약 32%

- 미국: GDP per capita 약 $70k, AI user share 약 26%

- 한국: GDP per capita 약 $35k, AI user share 약 26%

한국은 GDP 대비 AI 채택률이 매우 높은 outlier입니다. 미국과 비슷한 채택률을 보이지만 GDP는 절반 수준입니다. 이는 인프라, 디지털 리터러시, 정책 지원이 잘 되어 있다는 의미입니다.

반면:

- 중국: GDP per capita 약 $12k, AI user share 약 15% (평균 선상)

- 인도: GDP per capita 약 $2k, AI user share 약 14% (약간 위)

- 대부분의 저소득 국가들: GDP per capita $0-10k, AI user share 10-20%

명확한 상관관계가 있습니다: GDP가 높을수록 AI 채택률이 높습니다. 하지만 예외들이 있습니다:

- 싱가포르, UAE, 노르웨이, 아일랜드는 GDP 대비 매우 높은 채택률

- 한국도 GDP 대비 높은 채택률

- 일부 중동 국가들(카타르)도 마찬가지

개인적 의견 및 평가

### 7. 한국에 대한 함의

이 보고서에서 한국의 위치는 매우 인상적입니다. 한국은 frontier 모델 성능에서 세계 3위입니다:

- 최고 모델: EXAONE 4.0 32B (Reasoning)

- Frontier Index: 0.824

- Months to Frontier: 5.9개월

이는 미국(0.0개월), 중국(5.3개월)에 이어 3위입니다. 프랑스(7.0개월), 영국(7.7개월), 캐나다(7.8개월)보다 앞섭니다.

EXAONE은 LG AI Research가 개발한 대형 언어 모델입니다. 4.0 버전은 32B(320억) 파라미터 규모로, Reasoning(추론) 능력에 특화되어 있습니다. 이 모델이 global frontier에서 6개월 이내의 성능을 보인다는 것은 한국의 AI 기술력이 세계 최고 수준임을 입증합니다.

Infrastructure Builders는 일본과 합쳐 세계 4위입니다. IEA 데이터에 따르면 일본과 한국이 합쳐서 6.9 GW의 데이터센터 용량을 보유하고 있어 세계 4위입니다 (미국 53.2, 중국 31.9, EU 11.9 다음).

AI Diffusion(확산)에 있어 한국의 AI 사용자 비율은 25.9%로, 미국(26.3%, 23위)과 거의 비슷한 수준입니다.

이것이 왜 인상적일까요? GDP per capita 기준으로 보면:

- 미국: $70k, AI 채택 26.3%

- 한국: $35k, AI 채택 25.9%

한국은 GDP의 절반 수준으로 미국과 비슷한 AI 채택률을 달성했습니다. 이는 보고서의 산점도에서도 명확히 드러나는데, 한국은 GDP 대비 AI 채택률이 매우 높은 positive outlier입니다.

#### 성공 요인

보고서는 싱가포르의 사례를 상세히 다루는데, 이는 한국에도 적용됩니다:

1. 디지털 인프라 투자: 싱가포르는 1980년대부터 고속 연결성과 학교 컴퓨터 보급에 투자했습니다. 1990-2000년대에는 디지털 기술을 경제 성장과 공공 서비스의 중심으로 만들었습니다. 한국도 유사한 경로를 걸었습니다.

2. 인적 자본 강화: STEM 교육 강화, 대학-산업-정부 파트너십 촉진. 이것이 highly connected, digitally literate population을 만들었고, 이는 싱가포르가 빠르게 AI를 채택하고 새로운 디지털 경제에서 경쟁할 수 있게 했습니다.

3. 정부 정책: 장기적 전략, 민관 협력, R&D 투자.

한국도 이 모든 요소를 갖추고 있습니다. 세계 최고 수준의 인터넷 인프라, 높은 디지털 리터러시, 강력한 ICT 산업, 그리고 AI 에 대한 정부의 전략적 투자가 결합되어 있습니다.

### 8. 보고서가 제시하는 시사점

본 보고서는 명확한 메시지를 전달합니다:

"AI의 가치는 생산되는 모델의 수가 아니라 얼마나 많은 사람들이 혜택을 받는 사회인지에 의해 궁극적으로 판단될 것입니다."

#### 정책 입안자들을 위한 함의

1. 인프라가 먼저다: 전기, 인터넷, 데이터센터가 없으면 AI는 불가능합니다.

2. 교육이 핵심이다: 디지털 스킬과 AI 리터러시 없이는 AI 도구가 있어도 사용되지 않습니다.

3. 언어가 중요하다: 저자원 언어 지원 없이는 수십억 명이 AI의 혜택을 받지 못합니다.

4. Frontier 개발이 전부가 아니다: 싱가포르, UAE, 노르웨이, 아일랜드는 자체 frontier 모델 없이도 높은 채택률을 달성했습니다. 강력한 인프라, 정책, 디지털 준비성이 더 중요할 수 있습니다.

5. 격차는 벌어지고 있다: 지금 투자하지 않으면 글로벌 남부는 더욱 뒤처질 것입니다.

#### 기업들을 위한 함의

1. 사용자가 어디에 있는지 파악하라: 글로벌 확장을 원한다면 인프라, 언어, 로컬 니즈를 이해해야 합니다.

2. 접근성을 우선하라: 가장 정교한 모델이 아니라, 가장 많은 사람들이 사용할 수 있는 모델이 승리할 것입니다.

3. 언어 지원에 투자하라: 영어만으로는 충분하지 않습니다. 저자원 언어 지원이 새로운 시장을 열어줄 것입니다.

#### 연구자들을 위한 함의

1. Cross-lingual transfer 연구: LLM의 교차 언어 전이 능력을 활용하여 저자원 언어를 지원하는 연구가 필요합니다.

2. 효율성 연구: 더 작고 효율적인 모델이 더 많은 사람들에게 접근 가능합니다.

3. 측정 방법론: AI 확산을 정확히 측정하는 방법론에 대한 연구가 더 필요합니다.

## 별미: 평가와 시사점 - 우리 혁신 생태계 관점에서

자, 이제 이 보고서를 우리 혁신 생태계 관점에서 평가해보겠습니다.

### 1. 이 보고서의 강점

데이터 기반 접근: Microsoft가 10억 대 이상의 실제 디바이스 데이터를 사용했다는 점이 가장 큰 강점입니다. 대부분의 AI 보고서들이 설문조사나 추정치에 의존하는 반면, 이 보고서는 실제 사용 데이터를 기반으로 합니다. 물론 Windows 디바이스에 한정되어 있다는 한계가 있지만, 이를 보정하기 위해 서드파티 데이터를 활용했습니다. (MS니까 가능하죠... 흠)

다차원적 분석: Frontier, Infrastructure, Diffusion이라는 세 가지 축을 동시에 분석한 것이 탁월합니다. 기존 보고서들은 대부분 하나의 측면(예: 모델 성능이나 투자 규모)만 다루는데, 이 보고서는 전체 생태계를 입체적으로 보여줍니다.

역사적 맥락: 한국-필리핀 비교로 시작한 것이 매우 효과적입니다. 기술 확산이 국가 발전에 얼마나 중요한지를 직관적으로 이해할 수 있게 합니다.

빌딩 블록 접근: 전기, 데이터센터, 인터넷, 디지털 스킬, 언어라는 5가지 요소로 분해한 것이 명쾌합니다. 각국 정부가 어디에 투자해야 할지 구체적인 가이드를 제공합니다.

### 2. 이 보고서의 한계

Windows 중심성: 10억 대의 디바이스가 인상적이지만, 전 세계적으로 모바일 우선 시장(특히 아프리카, 동남아시아)에서는 Windows 점유율이 낮습니다. 보고서가 이를 보정했다고 하지만, 여전히 편향이 있을 수 있습니다.

B2B AI 누락: 이 보고서는 주로 개인 사용자의 AI 채택에 초점을 맞춥니다. 하지만 많은 AI 혁신은 B2B 영역에서 일어나고 있습니다 (예: 제조업의 AI, 의료 AI, 금융 AI). 이런 기업 내부 사용은 측정되지 않았습니다.

품질 vs 양: AI 채택률이 높다고 해서 반드시 생산적 사용을 의미하지는 않습니다. 사람들이 AI를 단순히 "사용"하는 것과, AI로 실제 가치를 창출하는 것은 다릅니다. 보고서는 이 구분을 하지 않습니다.

중국 데이터의 신뢰성: 중국의 frontier 성능은 매우 높게 측정되었지만 (DeepSeek V3.1), 실제 확산은 15.4%로 중위권입니다. 이 격차가 실제 상황을 반영하는지, 아니면 데이터 수집의 한계인지 명확하지 않습니다. 중국에서는 Windows 점유율이 낮고, 자체 생태계(WeChat, Baidu 등)가 강력하기 때문에 측정이 어려울 수 있습니다.

언어 장벽의 과대평가?: 보고서는 언어를 매우 중요한 장벽으로 제시하지만, 최근의 multimodal AI와 cross-lingual transfer 기술의 발전을 고려하면 이 장벽은 생각보다 빨리 낮아질 수 있습니다. 특히 이미지, 음성 기반 AI는 언어 장벽을 우회할 수 있습니다.