인공지능은 지정학적 경쟁의 주요 축이 되었다. 그러나 기술 경쟁을 비교 분석하는 대부분의 연구는 GPU 수, 투자 규모, 특허 출원과 같은 투입 지표에 머무른다. 이러한 지표들은 설명이 아니라 단지 대리 변수(proxy)일 뿐이다. 국제관계 학자, 정책 결정자, 기업 전략가들에게 더 중요한 질문은 다음과 같다. 왜 서로 다른 정치경제 체제들은 서로 다른 AI 도입 전략으로 수렴하고 있는가, 그리고 이러한 전략들은 국가 역량, 위험 감수 성향, 기술 역량과 국가 권력 간 관계에 대한 어떤 더 깊은 가정을 드러내는가?
아시아와 유럽연합의 차이는 단순히 투자 격차나 규제 철학의 문제가 아니다. 그것은 AI가 무엇을 위해 존재하는가에 대한 문제이다. 아시아에서 AI는 국가가 해결해야 하는 조정 문제(coordination problem)로 간주된다. 반면 유럽에서는 국가가 관리해야 하는 책임 및 위험 문제(liability problem)로 간주된다. 이러한 프레임의 차이는 시간이 지날수록 구조적 결과를 만들어내며, 2024~2026년의 실증 데이터는 그 결과를 점점 더 명확하게 보여주고 있다.
글로벌 도입 현황: 현재 데이터가 보여주는 것
각국의 대응을 살펴보기 전에, AI 확산의 현재 상태에 대한 증거를 정리할 필요가 있다. 스탠퍼드 AI Index 2026에 따르면 생성형 AI는 3년 만에 전 세계 인구의 53%에 도달했으며, 이는 개인용 컴퓨터나 인터넷보다 더 빠른 확산 속도이다.
조직 수준에서의 도입은 McKinsey의 2025 AI 현황 조사에 따르면, 기업의 88%가 최소 하나의 비즈니스 기능에서 AI를 사용하고 있으며, 이는 전년 78%에서 증가한 수치다. 전 세계 기업 AI 투자는 2025년에 두 배 이상 증가하여 5,817억 달러에 달했으며, 이 중 민간 투자는 3,447억 달러를 차지했다.
이러한 수치는 인상적이지만 실제 구조적 분화를 가리고 있다. 인구 수준 AI 도입률은 싱가포르 61%에서 미국 28.3%까지 다양하다. 비교적으로 EU27 기업 평균은 20%(Eurostat 2025)이며, 이는 대기업과 중소기업 간 격차를 숨긴 평균치다.
이 격차를 줄이는 것의 생산성 효과는 점점 더 많은 실증 연구로 뒷받침되고 있다. OECD의 실험 연구를 요약한 2025년 논문에 따르면 고객 지원, 소프트웨어 개발, 컨설팅 분야에서 생성형 AI 도입은 평균 5%에서 25% 이상의 생산성 향상을 가져왔다.
거시경제적으로도 효과가 확인되고 있다. 2026년 4월 발표된 연구에 따르면 다양한 직업군에서 AI를 자주 사용하는 비율이 2024년 중반 약 12%에서 2025년 말 26%로 증가했으며, 이는 실질 생산량 1.4%~2.8% 증가(연간 성장률 기준 약 1~2%p)에 해당한다.
이러한 결과는 추정이 아니라 관측된 성과이다. AI 도입 격차를 가장 먼저 줄이는 경제는 가장 먼저 이 이익을 누리며, 그 효과는 누적적으로 확대된다.
국가 주도 AI 도입의 세 가지 모델
여기서 분석하는 아시아 5개 경제권 — 중국, 한국, 일본, 인도, 싱가포르 — 는 하나의 단일 모델을 공유하지 않는다. 그러나 공통적으로 한 가지 전제를 공유한다. AI 도입은 국가의 의도적 개입 없이 필요한 규모와 속도로 이루어지지 않는다는 것이다. 다만 그 개입 방식은 국가의 정치경제 구조에 따라 다르게 나타난다.
첫 번째 모델: 명령 기반 확산 (mandate-led diffusion)
중국의 “AI Plus” 지침(2025년 8월 국무원 발표)은 2030년까지 6개 주요 산업 부문에서 지능형 단말 및 AI 에이전트의 90% 침투율을 목표로 설정했다.
핵심은 목표 숫자 자체가 아니라 그 논리이다. 중국은 AI 확산을 과거 전력망 구축이나 광대역 인터넷 보급처럼 보고 있다. 즉 시장 메커니즘만으로는 사회적 편익을 충분히 반영하지 못하는 조정 문제로 보는 것이다.
따라서 해결책은 보조금이 아니라 도입률 자체를 법제화하는 것이다. Trivium China 분석에 따르면 이는 2015년 “Internet Plus” 정책과 구조적으로 동일한 논리를 따른다.
그 결과는 이미 나타나고 있다. 중국의 AI 사용자 수는 2025년 상반기에 두 배 이상 증가하여 5억 1,500만 명에 도달했으며, 2025년 1월 DeepSeek-R1 출시 이후 6개월 동안 AI 사용은 36.5% 증가했다(CNNIC, AI News 인용).
IBM 2025 글로벌 AI 도입 지수에 따르면 중국 기업의 AI 도입률은 약 58%이다. 또한 중국은 전 세계 AI 특허의 38.58%를 차지하며 세계 1위를 기록하고 있다.
RAND Corporation(2025년 6월)은 중국의 산업 정책이 특히 보조금 기반 컴퓨팅 자원과 응용 확산을 통해 발전 속도를 가속화할 것이라고 평가했다. 현재 중국 모델은 Arena Elo 벤치마크 기준 미국 최고 모델과의 격차를 2.7%까지 줄였다(Stanford HAI 2026).
두 번째 모델: 법제+자본 병행 전략 (statute-plus-capital)
한국은 이 모델의 대표 사례이다. 2026년 1월 시행된 인공지능 발전 기본법(Framework Act on the Development of Artificial Intelligence)은 거버넌스, 산업정책, 위험 관리를 하나의 법 체계로 통합한 최초의 사례이다.
한국은 동시에 국가 AI 예산을 10.1조 원(약 69억 4천만 달러)으로 3배 증액하고, 삼성, SK하이닉스, 현대, 네이버 및 정부 인프라 전반에 26만 개의 Blackwell GPU를 배치했다.
스탠퍼드 AI Index 2026에 따르면 한국은 인구 대비 AI 특허 출원에서 세계 1위를 기록하고 있으며, 이는 산업 통합 수준이 매우 높다는 것을 의미한다.
이 모델의 핵심 특징은 동시성(simultaneity)이다. 규제를 먼저 만들고 이후 배치하는 방식도 아니고, 자본 투입 후 규제를 만드는 방식도 아니다. 두 과정이 동시에 진행되며, 법은 조정 메커니즘 역할을 하고 자본 투입은 민간에 대한 신뢰 신호로 기능한다.
세 번째 모델: 인프라로서의 보조금 (subsidy-as-infrastructure)
인도는 이 모델의 대표적 사례이다. 2024년 3월 승인된 IndiaAI Mission은 컴퓨팅 자원을 전력과 같은 공공재로 간주한다. 시장은 이를 충분히 공급하지 못하며, 따라서 하류 산업 성장에 구조적 한계를 만든다고 본다.
현재까지 38,000개 이상의 GPU가 배치되었으며, 여기에는 1,050개의 Google Trillium TPU도 포함된다(초기 목표는 10,000개).
스타트업과 연구자들은 H100급 컴퓨팅을 시간당 약 65루피(0.72달러)에 사용할 수 있으며, 이는 세계에서 가장 저렴한 보조금 수준이다.
기업 도입도 빠르게 증가하여 IBM 2025 기준 인도의 기업 AI 도입률은 57%에 달한다.
인도 과학기술부 장관 Ashwini Vaishnaw는 2026년 2월 기준 AI 관련 투자 약 900억 달러가 이미 확정되었으며, 향후 2년 내 전체 AI 생태계 투자 규모는 4,000억 달러를 초과할 것이라고 밝혔다.
인도는 규제 정교함에 베팅하는 것이 아니라, 컴퓨팅 병목을 제거하면 복리적 성장 효과가 발생한다고 판단하고 있으며, 초기 데이터는 이러한 전략이 실제로 작동하고 있음을 보여주고 있다.
일본과 싱가포르: 추격 모델과 정밀 거버넌스 사례
일본은 네 번째 모델인 자본 집약적 추격(capital-intensive catch-up)을 대표한다. 그러나 이는 일관된 전략이라기보다, 입증된 도입 실패에 대한 사후적 대응에 가깝다.
일본 총무성(Ministry of Internal Affairs and Communications)의 2025년 백서에 따르면, 2024년 기준 일본 일반 대중의 생성형 AI 사용률은 26.7%에 불과했으며, 이는 미국의 68.8%, 중국의 81.2%와 큰 격차를 보인다.
더 구조적으로 중요한 지표는 OECD의 G7 AI 도입 분석이다. 이에 따르면 2024년 기준 핵심 비즈니스 기능에서 AI를 사용하는 일본 기업의 비율은 1.9%에 불과한 반면, 미국은 6.1%였다. 이는 단순 사용 여부보다 훨씬 깊은 수준의 생산적 통합을 보여주는 지표이며, 표면적인 투자 수치로는 보이지 않는 격차를 드러낸다.
이에 대한 도쿄의 대응은 자본 투입이다. NTT는 2027년까지 590억 달러를 투자할 계획이며, 소프트뱅크는 OpenAI의 Stargate 프로젝트에 400억 달러 이상의 투자 약정을 체결했다.
일본의 경로는 두 가지 가능성을 시험한다. 하나는 대규모 자본 투입이 중국과 한국이 활용하는 수요 측 조정 메커니즘을 대체할 수 있는지 여부이고, 다른 하나는 위험 회피적인 기업 문화와 종신고용 중심의 구조적 요인이 단순한 자본으로는 해결될 수 없는 문제인지이다.
싱가포르는 다섯 번째 모델인 정밀 거버넌스(precision governance)를 대표한다. 즉, 측정 기반 통치(governance by measurement)이다.
2026년 5월 업데이트된 National AI Strategy 2.0은 그 야심보다도 정교함(granularity)에서 주목된다.
스탠퍼드 AI Index 2026에 따르면 싱가포르는 생성형 AI의 인구 수준 도입률이 61%로, UAE와 함께 세계 최고 수준이다.
2024년 기준 기업 도입률은 비중소기업(non-SME)에서 62.5%, 중소기업(SME)에서는 14.5%였으며(IMDA), National AI Impact Programme은 3년 동안 1만 개 기업 지원을 목표로 하고 있다.
싱가포르의 가장 중요한 분석적 특징은 국가 규모가 작다는 점이다. 이로 인해 대규모 경제에서는 불가능한 피드백 루프가 가능해진다. 정부는 자신이 배치한 정책을 정밀하게 측정하고, 실제 도입 속도를 거의 실시간으로 관찰하며, 정책 설계를 신속하게 조정할 수 있다.
즉 싱가포르는 하나의 살아있는 실험실(living laboratory)로 기능하며, 그 측정 인프라는 대규모 국가들이 단순한 통계 집계로는 얻을 수 없는 정책 통찰을 생성한다.
EU의 구조적 오판: 도입 데이터가 보여주는 증거
이 다섯 가지 접근 방식과 비교할 때, 유럽연합의 입장은 AI 거버넌스의 목적에 대한 구조적으로 다른 이론을 반영한다. 그리고 2024~2025년의 데이터는 이 차이를 매우 명확하게 보여준다.
Eurostat의 2025년 12월 발표에 따르면 EU-27 기업의 AI 도입률은 20%로, 2024년 13.5%에서 증가했다. 이는 6.5%포인트 상승으로 실제 모멘텀을 보여준다.
국가별로는 덴마크가 42%로 선두이며, 핀란드 37.8%, 스웨덴 35%가 뒤를 잇는다.
그러나 이 평균 수치는 구조적 문제를 가리고 있다. AI 도입은 기업 규모에 따라 크게 분화되어 있다. Table 2에 따르면 2025년 기준 대기업(250인 이상)의 AI 도입률은 55%인 반면, 중소기업(10~49인)은 17%에 불과하다.
대기업과 중소기업 간 38%포인트 격차는 2025년에 줄어들지 않았으며, 오히려 7%포인트 이상 더 확대되었다(Figure 2).
이러한 규모별 격차는 EU AI 도입 문제의 핵심이며, AI Act와 직접적으로 연결된다.
고위험 AI 규제(Annex III)에 대한 시장 자문 추정에 따르면, SME 공급자의 초기 규제 준수 비용은 20만~50만 유로로 추산되며, 2025~2027년 동안 단계적으로 적용된다(Figure 5).
AI Act는 SME를 위한 비례적 수수료, 샌드박스 접근, 간소화된 문서화 등의 장치를 포함하고 있지만, 고위험 시스템 적용 의무는 2026년 8월부터 시행된다. 또한 27개 회원국 중 12개국이 아직 관할 당국 지정 기한을 준수하지 못한 상태이다.
유럽연합 집행위원회의 Digital Omnibus(2025년 11월) 제안은 이 문제를 인정하며, 2029년까지 전체 규제 부담을 25%, SME의 부담을 35% 줄이겠다는 목표를 설정했다.
현재 EU 스타트업의 60% 이상이 규제 노출을 피하기 위해 저위험 AI 응용 분야를 우선 선택하고 있다. 즉, 규제 구조 자체가 아직 완전히 시행되기 전부터 혁신 방향을 이미 형성하고 있는 것이다.
투자 측면의 격차는 문제를 더욱 악화시킨다. 2025년 유럽의 민간 AI 투자 규모는 209억 달러에 불과한 반면, 미국은 2,859억 달러로 약 13.7배 차이를 보인다(Figure 3).
중국의 민간 투자 규모인 124억 달러는 정부 유도 자금(guide funds)을 포함하지 않아 과소평가된 수치이다. Stanford HAI는 2000~2023년 동안 약 9,120억 달러 규모의 산업 유도 자금이 배치되었다고 추정한다.
유럽연합 집행위원회의 2025년 6월 State of the Digital Decade 보고서는 현재 속도가 유지될 경우 EU는 2030 목표를 달성하는 것이 아니라 2040년경에야 도달할 것이라고 인정한다.
또한 Public First 분석에 따르면 EU는 2030년까지 약 1.3조 유로의 디지털 가치만 실현할 수 있으며, 최대 1.5조 유로의 잠재 가치가 미실현 상태로 남게 된다.
AI 도입의 집단행동 문제
비교적 증거들은 AI 도입을 산업정책에 관한 경제지리학 문헌에서 정의되는 유형의 집단행동 문제(collective action problem)로 해석하는 것을 뒷받침한다.
핵심 문제는 개별 기업이 AI에 대한 정보에 접근하지 못한다는 것이 아니다. 기술은 이미 가시적이며, 그 응용 사례들도 잘 문서화되어 있다.
문제의 본질은 AI 도입이 긍정적 외부효과(positive externalities)를 창출한다는 점에 있다. 즉, 데이터 생성, 노동력의 숙련도 향상, 그리고 기업 간 경계를 넘어 확산되는 공정 및 프로세스 지식 등이 그것이다. 그러나 개별 기업은 이러한 이익을 전부 내부화할 수 없다.
따라서 시장 기반의 자율적 도입은 사회적으로 최적 수준보다 항상 낮은 수준에 머무르게 된다. 이 경우 국가 개입은 시장 왜곡이 아니라, 구조적 시장 실패를 교정하는 역할을 한다.
각 국가의 차이는 이 문제를 해결하기 위해 선택한 메커니즘의 차이에 있다.
중국은 행정적 명령(administrative mandates)을 사용한다.
한국은 법적 프레임워크와 직접적인 자본 투입을 병행한다.
인도는 희소한 투입 요소(컴퓨팅 자원)에 대한 가격 보조를 통해 도입 장벽을 낮춘다.
싱가포르는 정밀한 측정과 표적화된 프로그램 지원을 활용한다.
일본은 수요 측 조정의 대체 수단으로 민간 자본 집중 전략을 시도하고 있다.
유럽연합은 조정 메커니즘이 아니라 위험 배분 메커니즘인 규제 준수 구조(compliance architecture)를 사용한다.
규제 준수 구조는 기업에게 “무엇을 할 수 없는지”를 알려줄 뿐, 실제로 병목이 되는 도입 조정 문제를 해결하지는 못한다.
OECD의 실험적 증거에 따르면 AI로 인한 생산성 향상은 인간과 AI 간의 의미 있는 협업과 과업 적합성(task-fit)을 필요로 한다. 이러한 역량은 먼저 도입이 이루어져야만 형성된다. 규제 프레임워크만으로 조직의 AI 역량을 구축할 수는 없다.
이러한 해석은 비교정치경제학의 오래된 논쟁들과 연결된다. Rodrik(2004) 이후의 자기발견(self-discovery) 이론과 Hausmann & Hidalgo(2011)의 경제 복잡성 이론은, 산업 전환에서 국가의 가장 중요한 역할은 개별 기업 투자를 가능하게 하는 공유 역량(shared capabilities)—즉 기술, 인프라, 표준, 숙련도—을 구축하는 것이라고 본다.
여기서 분석된 아시아 국가들은 각기 다른 방식으로 이러한 공유 역량에 투자하고 있다. 반면 유럽연합은 규제적 정교함에도 불구하고, 수요 측면에서 이에 상응하는 체계를 아직 구축하지 못했다.
기업과 정책결정자에 대한 함의
실질적 이해관계는 매우 크며, 생산성 관련 증거는 그 중요성을 뒷받침한다.
Stanford AI Index 2026에 요약된 연구들은 AI 도입이 고객 지원 분야에서 약 14~15%, 소프트웨어 개발에서 26%, 마케팅 분야에서 50%의 생산성 향상을 가져온다고 보고한다(Figure 4).
이러한 수치는 개별 작업 수준의 향상이다. 이것이 경제 전체로 확산되는 정도는 도입의 범위에 달려 있다.
만약 2030년까지 중국이 AI 침투율 90%에 도달하고 EU가 30~40% 수준에 머문다면, 생산성 격차는 규제를 통해 회복될 수 없다. 초기 도입자는 프로세스 지식을 축적하고, 더 나은 학습 데이터를 생성하며, 조직 역량을 구축하는데, 이는 후발 주자가 단순히 구매할 수 있는 성질의 것이 아니다.
다국적 기업 입장에서 이러한 비대칭성은 위험과 동시에 구조적 차익(arbitrage) 기회를 만들어낸다.
아시아의 더 빠른 도입 환경에서 AI 역량을 구축한 기업들은 EU 시장에 진입할 때, 유럽 내 경쟁기업이 동일한 수준의 역량을 구축할 기회를 갖지 못한 상태에서 경쟁하게 된다.
AI Act의 규제는 개발 위치와 무관하게 EU 내에서 배치되는 시스템에 적용된다. 이는 곧 기술은 해외에서 개발되더라도, 규제 비용은 유럽 내 운영에 부과된다는 의미이다.
이는 보호 의도와는 반대되는 역설적 결과다. 규제는 기존 기업의 도입 비용을 증가시키는 반면, 외부에서 축적된 역량의 유입을 막지는 못한다.
EU 정책결정자에게 필요한 것은 AI Act의 폐기가 아니다. 위험 기반 분류 체계는 고위험 응용 분야에서 기본권과 안전을 보호하는 데 실질적 근거를 갖는다.
문제는 정책의 순서(sequencing)와 규제 비용의 분배 방식이다.
구조적으로 결여된 것은 수요 측면의 보완 장치다. 즉, 인도의 SME 대상 보조 컴퓨팅 자원, 한국의 도입 중심 예산 정책, 중국의 산업별 침투 목표 와 같은 메커니즘의 유럽형 대응이 필요하다.
EU의 반도체 전략은 공급 측면에서 매우 진지하다. 2030년까지 전 세계 생산 가치의 20%를 목표로 하고 있다. 그러나 이러한 공급 능력을 기업의 실제 도입 기반 없이 구축하는 것은, 마치 도시와 연결되지 않은 고속도로망을 건설하는 것과 같다.
결론
AI 경쟁은 규제가 얼마나 정교한지, 또는 투자 규모가 얼마나 큰지의 경쟁이 아니다. 그것은 누가 먼저 AI 도입의 조정 문제를 해결하는가의 경쟁이다. 2024~2025년 데이터는 그 경쟁자들을 명확히 보여준다.
중국의 기업 도입률 58%, 인도의 57%, 싱가포르의 인구 기준 61% 도입률, 그리고 한국의 특허 밀도 선도는 우연이 아니다. 이는 모두 의도된 수요 측 정책의 결과이다.
반면 EU의 20% 기업 도입률, 대기업과 중소기업 간 38%포인트 격차, 그리고 미국의 2,859억 달러 대비 209억 달러에 불과한 투자 규모는 또 다른 정책 방향의 결과이다.
두 접근 모두 실제 문제에 대응하고 있다. 그러나 동일한 문제를 동일한 긴급성으로 다루고 있지는 않다.
책임(liability) 문제는 실제로 존재한다. 그러나 더 구조적인 제약은 조정(coordination) 문제이다.
브뤼셀은 규칙을 게임과 혼동하고 있는 것이 아니라, 단지 잘못된 장(chapter)에 우선순위를 두고 있는 것에 가깝다. 이는 구조적 저투자 문제보다 훨씬 수정 가능한 문제이지만, 올바르게 진단될 경우에만 그렇다. 그리고 정책 순서를 바로잡을 수 있는 시간적 여유가 아직 남아 있을 때에만 그렇다.
