미국의 제네시스 미션과 한국의 K-문샷: 과학정책이 AI 운영체제가 되는 순간
2026년 7월 22일 백악관은 제네시스 미션에 50억 달러가 넘는 연방 재정을 약정하고, 15개가 넘는 연방기관과 278개 선정 프로젝트를 연결했다고 발표했습니다. 2025년 11월 24일 행정명령으로 출범한 지 약 8개월 만입니다.
숫자만 보면 대규모 연구지원 사업처럼 보입니다. 그러나 제네시스 미션의 핵심은 과제 수가 아닙니다. 에너지부가 구축하는 American Science and Security Platform 위에서 보건, 에너지, 국방, 우주, 농업 등 서로 다른 기관의 데이터와 시설을 슈퍼컴퓨터, AI 모델, 과학 에이전트, 자율실험실에 연결하려는 데 있습니다.
그 하루 전인 7월 21일 백악관이 공개한 Science: A New Golden Age는 이 구상을 더 넓은 제도 개편으로 확장합니다. 제네시스 미션 행정명령이 데이터와 컴퓨팅을 연결하는 설계도였다면, 이번 보고서는 연구비를 누구에게 어떤 방식으로 배분할지부터 실험, 검증, 제조와 사업화까지 과학기술 시스템의 작동 방식을 다시 짜려는 제안서에 가깝습니다.
백악관도 이번 체계를 미국 과학의 새로운 operating model이라고 표현합니다. 중요한 변화는 AI를 연구도구 하나로 추가하는 것이 아닙니다. 국가 연구개발 시스템 전체를 AI가 읽고 실행하고 검증할 수 있는 구조로 바꾸는 것입니다.
보고서가 바꾸려는 것은 모델이 아니라 연구의 흐름입니다
Science: A New Golden Age는 제네시스 미션만을 다룬 AI 보고서가 아닙니다. 1945년 버니바 부시가 작성한 Science: The Endless Frontier 이후 80여 년간 유지된 미국 과학정책의 제도와 유인을 다시 설계하자는 보고서입니다.
보고서의 제안을 연구 흐름으로 정리하면 다섯 단계입니다.
첫째, 연구비 배분 방식을 바꿉니다. 기관의 명성과 과거 실적에 기댄 장기 심사 대신 연구자 개인에게 이동 가능한 펠로십을 주고, 고위험 연구에는 장기 지원, 신속 지원, 상금, 사전구매약정 같은 다양한 수단을 쓰자고 제안합니다. 연방 과학기관 안에는 펀딩과 심사 방식 자체를 실험하는 메타사이언스 조직을 두도록 권고합니다.
둘째, 데이터와 컴퓨팅을 공통 기반으로 만듭니다. 제네시스 미션 행정명령은 연방 과학 데이터를 표준화하고 출처와 변경 이력을 관리한 뒤, 국립연구소의 고성능컴퓨팅과 보안 클라우드, 과학 파운데이션 모델, AI 에이전트에 연결하도록 규정했습니다. 개별 과제가 GPU와 데이터를 매번 다시 구하는 구조에서 공통 기반을 호출하는 구조로 옮기려는 것입니다.
셋째, 실험을 닫힌 루프로 만듭니다. AI가 가설과 후보를 만들고, 시뮬레이션과 로봇 실험실이 실행하며, 측정 결과가 다시 모델로 돌아갑니다. 백악관은 2026년 7월 발표에서 원격으로 실행하고 재현할 수 있는 자율실험실을 여러 기관이 공동 구축하겠다고 밝혔습니다.
넷째, 생성기와 함께 검증기를 만듭니다. 보고서에서 가장 중요한 문장은 AI가 과학적 결과를 만드는 비용은 빠르게 낮추지만 검증 비용은 함께 낮아지지 않는다는 지적입니다. AI가 부정확한 지식 위에서 작동하면 잘못된 과학도 더 빨리 늘어납니다. 그래서 데이터 공유와 재현성, 반증 가능성을 요구하고, 기계가 감사할 수 있는 재현 패키지와 지속적인 반복 검증 체계를 별도의 인프라로 구축하자고 제안합니다.
다섯째, 발견을 제조와 사업화까지 연결합니다. 국립연구소의 시설과 테스트베드를 민간에 더 개방하고, 공동 실증과 인증, 선행구매, 지역 산업 클러스터를 통해 발견이 생산능력으로 이어지는 시간을 줄이겠다는 구상입니다. 연구와 산업을 순차적인 파이프라인으로 보는 대신, 기초연구와 응용, 제조가 서로 데이터를 돌려주는 순환계로 보는 것입니다.
50억 달러와 278개 프로젝트는 성과가 아니라 출발점입니다
미국의 실행 속도는 분명 빠릅니다. 2025년 11월 행정명령은 에너지부 장관을 실행 책임자로 지정하고 컴퓨팅 자원은 90일, 초기 데이터와 모델은 120일, 로봇 실험시설은 240일 안에 목록과 통합 계획을 만들도록 했습니다. 최소 한 개 국가 도전과제의 초기 운영능력은 270일 안에 확보하도록 시한도 걸었습니다.
2026년 7월 발표에서는 만성질환, 소아암, 신약개발, 전력망, 반도체, 산업생물학, 우주데이터, 자율실험실 등 기관을 가로지르는 도전과제를 공개했습니다. 예를 들어 보건부의 임상·유전체 데이터와 에너지부 슈퍼컴퓨터를 결합하고, NASA가 축적한 150페타바이트 이상의 우주 데이터를 AI로 분석하는 식입니다.
민간 협력도 별도로 붙었습니다. 에너지부 발표 기준으로 41개 기업·비영리·재단과 17개 국립연구소, 국가핵안보청 산하 5개 시설이 참여했고, 컴퓨팅 크레디트와 모델 접근권 등을 포함한 민간 파트너 약정은 8억 달러 이상입니다. 이는 연방정부의 50억 달러 약정과 다른 항목이므로 합산하거나 혼동해서는 안 됩니다.
다만 아직 증명된 것은 동원 능력입니다. 50억 달러는 집행 완료액이 아니라 연방 약정이고, 278개는 성과가 아니라 선정 프로젝트입니다. 연구 생산성이 두 배가 됐다는 결과도 아직 없습니다. 데이터 권한과 보안, 기관 간 표준, 연구자가 실제로 체감하는 접근시간, 실험 재현율이 어떻게 바뀌었는지는 앞으로 확인해야 합니다.
제네시스 미션이 성공하려면 278개의 새 과제가 다시 278개의 데이터 사일로가 되지 않아야 합니다. 발표된 프로젝트 수보다 공통 플랫폼을 거쳐 재사용된 데이터의 비율, 기관 간 실험을 시작하는 데 걸린 시간, 독립적으로 재현된 결과의 비율이 더 중요한 이유입니다.
한국에는 이미 K-문샷이라는 설계도가 있습니다
한국의 출발점도 생각보다 앞서 있습니다. 먼저 숫자 하나를 바로잡을 필요가 있습니다. 35.3조 원은 2026년 정부 R&D 예산안이고, 국회 심의를 거친 최종 확정액은 35.5조 원입니다.
더 중요한 사실은 한국도 이미 제네시스 미션과 매우 닮은 범국가 프로젝트를 시작했다는 점입니다. 과학기술정보통신부는 2026년 2월 K-문샷 추진전략을 내놓았고, 5월 27일 12명의 미션별 총괄관리자와 범부처 추진단을 출범시켰습니다.
목표도 놀랄 만큼 유사합니다. K-문샷은 2030년까지 AI 기반 연구생산성을 두 배 높이고, 2035년까지 첨단바이오, 미래에너지, 피지컬 AI, 우주, 소재, AI 과학자, 반도체, 양자 등 8대 분야의 12개 국가 미션을 해결하겠다고 명시했습니다.
설계도에는 국가과학AI연구센터를 중심으로 23개 출연연과 과학기술원의 연구데이터, 8,000장 이상의 과학기술 전용 GPU, 분야별 파운데이션 모델, 자율실험실, AI 에이전트를 국가과학AI통합플랫폼으로 연결하는 구상이 들어 있습니다. 5월 출범식에서는 이를 과학 AI 운영체제 플랫폼으로 개발하고 확산하겠다는 계획도 발표했습니다.
연구데이터의 제도 기반도 생겼습니다. 2026년 5월 국회를 통과한 국가연구데이터법은 국가 R&D 데이터의 공개를 원칙으로 하고, 통합·전문 플랫폼과 데이터 등록·연계를 규정합니다. 시행 예정 시점은 2027년 5월입니다. 한국이 범부처 미션과 공통 데이터 플랫폼을 이제부터 구상해야 한다는 진단은 최신 정책을 반영하면 맞지 않습니다. 설계와 추진조직은 이미 만들어졌습니다.
이제 비교할 것은 계획의 유무가 아니라 작동 방식입니다
한국의 과제는 새로운 슬로건을 하나 더 만드는 것이 아닙니다. K-문샷의 각 구성요소가 실제 연구자의 하루 안에서 하나의 시스템처럼 작동하게 만드는 일입니다.
이 지점에서 미국과 한국의 차이를 과장할 필요도, 축소할 필요도 없습니다. 미국은 국립연구소와 연방기관이 보유한 대규모 데이터·컴퓨팅을 에너지부 플랫폼에 연결하는 실행을 시작했습니다. 한국은 K-문샷과 국가과학AI연구센터, 연구데이터법으로 유사한 구조를 설계했습니다. 양쪽 모두 아직 최종 성과는 증명하지 못했습니다.
한국에는 조정 비용을 보여주는 분명한 신호가 있습니다. 정부 공식 설명에 따르면 국가 R&D 사업은 2017년 639개에서 2026년 1,430개로 2.2배 늘었지만, 같은 기간 예산은 18.9조 원에서 35.5조 원으로 1.8배 증가했습니다. 사업 수가 예산보다 더 빠르게 늘었습니다. 정부도 이 문제를 인식해 기획예산처와 과기정통부의 R&D 예산 상설 협의회를 만들고, AI를 예산 심의에 도입했습니다.
그러므로 다음 단계는 부처별 사업을 없애는 중앙집권이 아닙니다. 서로 다른 사업이 같은 데이터 규격, 컴퓨팅 배분체계, 실험 인터페이스, 검증 프로토콜을 사용할 수 있게 하는 상호운용성입니다. 국가 전체를 하나의 거대한 AI 연구실로 만든다는 말도 모든 연구를 한 조직이 지휘한다는 뜻이어서는 안 됩니다. 연구자의 자율성은 분산하되, 연구 자산이 이동하는 규칙은 공통으로 만드는 것입니다.
한국이 지금 공개해야 할 다섯 가지
K-문샷의 설계는 상당히 구체적입니다. 이제 실행 여부를 판단할 수 있도록 다음 다섯 가지를 공개 지표와 운영규칙으로 만들어야 합니다.
1. 미션별 단일 책임과 자원 이동 권한
12명의 총괄관리자가 과제 기획만 하는 조정자가 아니라, 중간 결과에 따라 데이터와 GPU, 실험시설, 예산을 재배치할 수 있어야 합니다. 어느 부처가 예산을 갖고 있는지보다 어느 미션이 어떤 병목을 풀고 있는지가 자원 배분의 기준이 되어야 합니다.
2. 공통 플랫폼의 실제 서비스 수준
플랫폼 구축 여부만 발표해서는 부족합니다. 데이터 접근 승인에 걸리는 중앙값, GPU 대기시간, 기관 간 실험시설 예약시간, 표준 API를 지원하는 장비 비율, 데이터 출처와 변경 이력을 기계가 추적할 수 있는 비율을 공개해야 합니다. 이 숫자가 줄어야 연구 생산성이 올랐다고 말할 수 있습니다.
3. 생성기와 같은 크기의 검증기
AI 모델과 자율실험실은 결과 생산량을 늘립니다. 그만큼 독립 재현, 음성 결과 기록, 벤치마크와 반증 연구에도 별도 예산과 컴퓨팅을 배정해야 합니다. 모든 주요 결과에는 코드, 데이터 버전, 모델, 실험 조건, 장비 교정정보를 묶은 기계 감사 가능 재현 패키지가 따라붙어야 합니다.
4. 논문 영향력 밖의 연구생산성 지표
K-문샷은 2030년 목표 중 하나로 피인용 상위 1% 논문 점유율을 2023년 4.1%에서 8.2%로 높이겠다고 제시합니다. 중요한 지표지만 이것만으로 연구의 운영 효율을 알 수는 없습니다. 가설에서 검증까지 걸린 시간, 검증된 결과 한 건당 비용, 독립 재현율, 실패 데이터 재활용률, 기관 간 데이터 재사용률, 실증과 인증에 걸린 시간도 미션별로 함께 측정해야 합니다.
5. 발견에서 제조까지 이어지는 계약
기술이전 건수만 집계하기보다 누가 후속 실증을 맡고, 어떤 시험과 표준을 통과해야 하며, 공공이 초기 수요를 어떻게 만들지 연구 시작 단계부터 설계해야 합니다. 반도체, 바이오, 배터리, 로봇처럼 한국이 제조 기반을 가진 분야에서는 실험실과 생산현장의 데이터가 다시 모델로 돌아오는 속도가 경쟁력이 됩니다.
가장 강한 반론도 함께 봐야 합니다
국가 미션 중심 접근에는 분명한 위험이 있습니다.
첫째, 측정하기 쉬운 목표에 예산이 몰리면 호기심 기반 기초연구가 약해질 수 있습니다. 공통 인프라는 모든 연구자가 쓰게 하되, 모든 연구주제를 국가 미션으로 묶어서는 안 됩니다.
둘째, 통합 플랫폼은 데이터 집중과 보안 위험을 키울 수 있습니다. 의료·국방·산업 데이터는 공개 원칙만으로 다룰 수 없습니다. 원본을 한곳에 모으기보다 권한을 유지한 채 연합학습과 보안 분석환경으로 연결하는 구조가 필요합니다.
셋째, 생산성 지표는 쉽게 게임의 대상이 됩니다. 실험주기를 줄이려다 검증을 생략하거나, 논문 영향력을 높이려다 유행 분야에만 자원이 쏠릴 수 있습니다. 속도, 비용, 재현성, 사회·산업적 결과를 한 묶음으로 봐야 합니다.
넷째, 미국의 빠른 발표를 성공으로 단정해서는 안 됩니다. 50억 달러와 278개 프로젝트가 공통 플랫폼 위에서 실제로 작동하는지, 그리고 10년 뒤 생산성과 영향력이 두 배가 되는지는 아직 열린 질문입니다. 미국도 거대한 과제 묶음을 새로 만든 데 그칠 위험이 있습니다.
정리: 한국에 필요한 것은 두 번째 설계도가 아닙니다
Science: A New Golden Age가 던진 핵심 메시지는 AI가 과학자의 일을 대신한다는 것이 아닙니다. 과학적 발견을 둘러싼 제도와 인프라가 AI 시대의 속도를 감당하도록 바뀌어야 한다는 것입니다.
한국도 이미 답의 상당 부분을 적었습니다. 35.5조 원의 정부 R&D 예산, K-문샷의 12대 미션, 국가과학AI연구센터, 8,000장 이상의 과학기술 전용 GPU 구상, 국가과학AI통합플랫폼, 자율실험실, 국가연구데이터법이 있습니다.
이제 승부는 계획의 크기가 아니라 연결의 품질에서 납니다. 연구자가 어느 기관에 속했는지와 무관하게 필요한 데이터와 컴퓨팅, 모델, 실험시설을 빠르게 호출할 수 있는가. AI가 만든 결과를 다른 연구자가 재현하고 반증할 수 있는가. 검증된 발견이 제조와 사업화로 이어지고 그 데이터가 다시 연구로 돌아오는가.
국가 전체를 하나의 거대한 AI 연구실로 만든다는 말의 실질은 여기에 있습니다. 하나의 지휘체계를 만드는 것이 아니라, 수많은 연구실이 같은 운영규칙으로 협업할 수 있게 만드는 것입니다. 한국에는 이미 설계도가 있습니다. 이제 필요한 것은 그 설계도가 실제 연구의 순환시간과 재현율을 바꾸고 있다는 증거입니다.
본 글은 2026년 7월 28일 기준 백악관, 미국 에너지부, 대한민국 과학기술정보통신부와 정책브리핑의 공개 자료를 바탕으로 작성했습니다. 미국의 50억 달러는 연방 재정 약정, 278개는 선정 프로젝트 수이며 집행 완료액이나 성과 수치가 아닙니다. 한국의 국가과학AI통합플랫폼과 국가연구데이터법은 구축·시행 과정에 있어 실제 이용 성과는 아직 확인이 필요합니다.
주요 출처: Science: A New Golden Age · Genesis Mission 행정명령 · 제네시스 미션 2026년 7월 발표 · K-문샷 추진전략 · K-문샷 추진단 출범 · 국가연구데이터법 · 2026년 정부 R&D 확정 예산