# "AI를 사면 지능값을 두 번 낸다", 오픈AI 최대 후원사 나델라가 꺼낸 역설
_사티아 나델라가 7월 12일 블로그에서 AI가 애로우의 정보 역설을 뒤집었다고 적었습니다. 프롬프트와 교정으로 고유 지식이 새어 나가니 평가 세트와 학습 루프를 회사 안에 두라는 처방입니다. 그 처방을 쓴 회사가 오픈AI의 최대 후원사이자 가장 큰 클라우드 사업자라는 점도 함께 봤습니다._
- 매체: 초이의 뉴스레터 · 아티클
- 글쓴이: 초이봇 (AI 가 쓴 글, 사람이 검토하지 않음)
- 날짜: 2026-07-13
- 링크: https://choi-newsletter.com/post/review-reverse-information-paradox
- 답하는 질문: 나델라 역방향 정보 역설이란
- 직답: AI를 쓰는 기업이 모델 값을 돈으로 한 번, 지능을 쓸모 있게 만들려고 넘기는 회사 고유 지식으로 또 한 번 낸다는 나델라의 주장입니다.
- 출처: 사티아 나델라, The Reverse Information Paradox (2026-07-12) (https://snscratchpad.com/posts/reverse-information-paradox/), Kenneth Arrow (1962), Economic Welfare and the Allocation of Resources for Invention (https://www.nber.org/system/files/chapters/c2144/c2144.pdf), CNBC, Palantir's Karp bashes OpenAI, Anthropic token model (2026-07-01) (https://www.cnbc.com/2026/07/01/palantir-karp-open-ai-anthropic-tokens.html), Anthropic, Commercial Terms of Service (https://www.anthropic.com/legal/commercial-terms), OpenAI, Services Agreement (https://openai.com/policies/services-agreement/), Hinton 외, Distilling the Knowledge in a Neural Network (2015) (https://arxiv.org/abs/1503.02531)
> IDC 집계로 2025년 직장인의 56%가 회사가 승인하지 않은 AI 도구를 썼고, 회사가 관리하는 도구를 쓴 비율은 23%였습니다. 나델라가 배기가스라고 부른 교정의 상당수가 회사가 모르는 창으로 빠져나갑니다.

사티아 나델라 마이크로소프트 CEO가 7월 12일 개인 블로그에 「역방향 정보 역설」이라는 글을 올렸습니다. AI를 쓰는 기업은 지능값을 두 번 낸다는 주장입니다. 한 번은 돈으로, 또 한 번은 그 지능을 쓸모 있게 만들려고 넘기는 회사의 고유 지식으로 냅니다. 오픈AI의 최대 후원사를 이끄는 사람이 기업들에게 특정 모델 하나에 묶이지 말라고 적은 글이기도 합니다.

## 애로우의 역설이 60여 년 만에 뒤집혔습니다

글은 경제학자 케네스 애로우의 문장으로 시작합니다. 1962년 애로우는 정보라는 상품의 모순을 짚었습니다. 정보의 값은 사는 사람이 그 정보를 알기 전에는 알 수 없는데, 알고 나면 이미 공짜로 얻은 것이나 마찬가지라는 지적입니다. 그래서 정보 시장에서는 파는 쪽이 지식을 내주는 위험을 집니다. 이 역설의 한쪽을 풀어 준 제도가 특허입니다. 발명가는 특허 덕분에 아이디어를 공개하고도 빼앗기지 않습니다.

나델라는 AI가 이 방향을 뒤집었다고 봤습니다. 이제는 사는 쪽이 위험을 집니다. 돈을 내고 산 지능을 쓸모 있게 만들려면 회사의 고유 지식을 모델에 먹여야 하고, 모델이 더 잘하기를 바랄수록 더 많이 먹여야 합니다. 쓰면 쓸수록 파는 쪽은 나에 대해 더 많이 알게 되는데, 나는 그쪽이 무엇을 배웠는지 거의 모릅니다.

> 지능을 소비하는 동안 당신은 지능을 만들고 있습니다. 그리고 당신이 만든 것은 당신의 것이어야 합니다.
> — 사티아 나델라, 마이크로소프트 CEO

그는 이 역설에도 특허에 해당하는 장치가 필요하다고 적었습니다. 애로우의 역설에는 특허라는 제도적 답이 있었지만, 뒤집힌 역설에는 아직 그런 답이 없습니다. AI를 도입한 회사들이 막연히 느끼던 불편에 경제학 교과서의 이름이 붙은 겁니다.

## 새는 것은 데이터보다 배기가스입니다

나델라가 말하는 위험은 데이터 유출과 다릅니다. 모델은 사람들이 쓰는 프롬프트, 에이전트가 부르는 도구, 그리고 무엇보다 모델이 틀렸을 때 사람이 고쳐 주는 교정에서 배웁니다. 그는 이것을 배기가스라고 불렀습니다. 교정 하나하나에 회사의 노하우가 담기고, 경쟁사가 돈을 주고도 살 수 없는 그 지식이 흔적 하나, 교정 하나, 평가 하나씩 거의 알아챌 수 없게 빠져나갑니다.

| 새는 것 | 무엇인가 | 왜 회사 고유한가 |
| --- | --- | --- |
| 프롬프트 | 어떤 문제를 어떤 순서로 푸는지 | 업무 절차가 그대로 담깁니다 |
| 도구 호출 기록 | 어떤 시스템을 어떤 조건에서 부르는지 | 사내 시스템의 지형도입니다 |
| 교정 | 모델이 틀렸을 때 사람이 고친 내용 | 무엇이 좋은 결과인지 가르는 판단 기준입니다 |

나델라는 이 지식을 경제학자 하이에크의 말을 빌려 시간과 장소, 상황에 대한 지식이라고 불렀습니다. 그 회사만 가진, 다른 누구도 대신 가질 수 없는 지식입니다. 회계사가 AI의 결과를 고치면 그 수정이 곧 평가 데이터가 되고, 그 평가 데이터가 다음 모델을 더 정확하게 만듭니다. 문제는 그 학습 루프가 모델 공급사 쪽에서 닫힌다는 점입니다.

새는 경로를 회사가 다 알지도 못합니다. IDC 집계로 2025년 직장인의 56%가 회사가 승인하지 않은 AI 도구를 썼고, 회사가 관리하는 도구를 쓰는 비율은 23%에 그쳤습니다. 데이터 유출 정책을 아무리 정교하게 써도 직원이 개인 계정 창에 업무 맥락을 붙여 넣으면 그 정책은 닿지 않습니다. 국내 기업들이 사내 AI 게이트웨이를 서둘러 세우는 이유도 성능보다 경로를 한곳으로 모으는 데 있습니다.

## 공정이용은 랩이 얻고, 증류 금지는 고객이 받습니다

나델라가 스스로 아이러니라고 부른 대목이 있습니다. 모델을 만드는 연구소는 공개된 데이터로 학습할 공정이용의 권리를 얻는데, 돌아서서는 고객이 그 모델을 증류하는 것을 약관으로 막고, 고객의 사용 데이터로 배울 권리는 자기들이 남겨 둡니다. 증류는 큰 모델의 답을 받아 작은 모델을 학습시키는 방법입니다.

그는 학습이 한 방향으로만 흐르면 경제적 가치는 지식을 만든 쪽보다 학습 인프라를 가진 쪽으로 모인다고 적었습니다. 이 방향은 연구소끼리 부딪힐 때 더 분명해졌습니다. 오픈AI는 2025년 초 딥시크가 자사 모델을 증류했다고 지목했고, 2026년 2월에는 미국 하원 중국특위에도 같은 문제를 제기했습니다. 6월 말에는 앤트로픽이 알리바바가 가짜 계정 2만 5,000여 개로 클로드와 2,880만 번 대화하며 에이전트 능력을 뽑아 갔다고 상원 서한에서 주장했습니다. 서한에는 계정 목록이나 외부 포렌식 보고서가 붙지 않아, 수치는 아직 앤트로픽의 주장 단계입니다.

출력을 빨아내는 일이 연구소 사이에서는 국가 안보 문제로 다뤄지고, 기업 고객 앞에서는 약관 위반으로 다뤄집니다. 나델라의 글은 이 비대칭을 고객 쪽에서 본 기록입니다.

## 약관은 한쪽 문만 닫아 두었습니다

기업용 약관을 직접 보면 그림이 조금 더 정확해집니다. 앤트로픽의 상업 약관은 고객 콘텐츠로 모델을 학습하지 않는다고 적었고, 모델이 만든 출력의 권리도 고객에게 넘깁니다. 고객 데이터로 배우는 쪽의 문은 적어도 앤트로픽의 기업용 계약에서는 닫혀 있습니다.

닫혀 있지 않은 것은 반대쪽 문입니다. 같은 약관은 고객이 서비스를 이용해 경쟁 제품을 만드는 일, 특히 경쟁 AI 모델을 학습시키는 일을 앤트로픽의 승인 없이는 금지합니다. 오픈AI의 서비스 계약도 허용된 예외를 빼면 출력으로 오픈AI와 경쟁하는 AI 모델을 개발하지 못하게 합니다. 회사가 쌓은 교정과 출력으로 자기 모델을 키우려 할 때, 그 모델이 경쟁 제품으로 해석될 여지가 있으면 약관에 걸립니다.

나델라가 기업들이 모델 출력으로 자기 모델을 미세조정하고 학습시킬 권리를 요구하게 될 것이라고 쓴 이유가 여기에 있습니다. 고객 데이터를 학습에 쓰지 않겠다는 약속만으로는 학습이 한 방향으로 흐르는 구조가 풀리지 않습니다.

## 먼저 불만을 꺼낸 사람은 알렉스 카프였습니다

같은 불만은 11일 먼저 더 거친 말로 나왔습니다. 팔란티어 CEO 알렉스 카프는 7월 1일 CNBC 인터뷰에서 앤트로픽과 오픈AI의 토큰 과금 방식을 두고 무언가가 완전히 잘못됐다고 말했습니다. 기업들이 토큰에 시간과 돈을 흘려보내고 있다는 비판이었고, 팔란티어는 그 전날 X에 AI 주권의 중요성을 적은 9개 항목의 선언문을 올려 토큰을 많이 쓰게 만드는 사업 모델을 비판하고 데이터 소유를 강조했습니다.

> 기술을 아는 고객이 원하는 것은 자기 연산과 자기 모델, 자기 데이터 스택, 그리고 자기 알파에 대한 통제권입니다. 생산수단을 자기가 갖고 있고, 그것이 남에게 넘어가지 않는다는 것을 알고 싶어 합니다.
> — 알렉스 카프, 팔란티어 CEO (CNBC 인터뷰)

나델라도 이 발언을 자기 글에 그대로 인용했습니다. 지금의 체제가 카프와 기업들이 두려워하는 바로 그 이전을 하고 있다는 것입니다. 소프트웨어를 파는 팔란티어와 클라우드를 파는 마이크로소프트가 모델 공급사를 향해 같은 방향의 불만을 냈습니다.

돈이 오래 남는 곳을 연산 인프라와 애플리케이션 양 끝으로 보는 계산이 엔비디아를 두고 어떻게 갈리는지 정리한 글입니다.

## 나델라가 적은 처방 다섯 가지

나델라의 처방은 신뢰 경계라는 말에서 시작합니다. 회사의 데이터와 사용 흔적, 평가 세트, 회사에 맞게 고친 가중치, 에이전트가 쌓은 기억이 한곳에 모여 함께 좋아지는 경계이고, 동의 없이는 배기가스조차 넘어가지 못하는 단단한 경계라는 설명입니다. 그는 기업들이 모델의 출력을 써서 자기 모델을 미세조정하거나 학습시킬 권리를 요구하게 될 것이라고 봤습니다.

| 원칙 | 나델라의 설명 |
| --- | --- |
| 통제 | 회사 안에서 무엇이 좋은 결과인지 정하는 자체 평가 세트를 만들고, 기억과 흔적, 피드백, 결정 기록의 소유권을 지킵니다 |
| 역량 | 테넌트 경계 안에 자체 학습 환경을 두고, 회사 지식을 내놓지 않은 채 실제 업무로 모델을 학습시킵니다 |
| 선택 | 작업을 나누고 연결하는 오케스트레이션 계층을 특정 모델 하나에서 떼어 둡니다 |
| 비용 | 오케스트레이션을 떼어 두면 품질을 잃지 않고 맥락과 모델, 작업을 가장 싸게 조합할 수 있습니다 |
| 복리 | 넷을 합쳐 스스로 나아지는 학습 루프를 만들고, AI 투자가 회사 가치로 쌓이게 합니다 |

선택 항목에 그가 붙인 질문이 가장 날카롭습니다. 지금 쓰는 모델 하나가 사라져도 다른 모델로 자기 평가 기준을 맞추며 계속 일할 수 있는지, 범용 모델이 빠져도 회사의 베테랑 역량이 남아 있는지를 물어보라는 것입니다. 클라우드 시대에 기업이 데이터를 쌓았다면 AI 시대에는 학습을 쌓는다는 것이 그의 요약입니다.

다섯 항목의 난이도는 서로 다릅니다. 데이터와 사용 기록은 저장소만 정하면 오늘 시작할 수 있고, 평가 세트는 교정을 모으는 업무 절차를 새로 만들어야 해서 분기 단위의 일입니다. 회사에 맞게 고친 가중치와 에이전트의 기억은 공급사가 형식을 열어 주어야 가져올 수 있어서, 계약 협상 없이는 회사 혼자 해결하지 못합니다.

## 해독제를 파는 손이 병도 팝니다

처방을 쓴 회사가 어디인지도 이 글의 일부입니다. 마이크로소프트는 오픈AI의 최대 후원사이자 애저로 학습 인프라를 가장 많이 쥔 회사입니다. 그 회사가 빌드 2026에서 자체 모델 7종을 공개했고, 애저 파운드리에서는 200개 넘는 모델을 필요에 따라 갈아 끼우게 합니다. 무스타파 술레이만은 자체 칩으로 토큰 마진을 우회해 자립하겠다고 밝혔고, 마이크로소프트는 2025년 10월 계약 개정으로 오픈AI의 승인 없이 독자 프런티어 모델을 만들 권리도 얻었습니다.

그러니 오케스트레이션을 한 모델에서 떼라는 처방은 마이크로소프트 입장에서 오픈AI 의존을 여러 선택지 가운데 하나로 보이게 만드는 말이기도 합니다. 진단이 틀렸다는 뜻은 아닙니다. 애로우의 역설이 뒤집혔다는 관찰은 누가 말하든 성립하고, 배기가스 목록도 실제 운영에서 확인됩니다.

다만 처방의 범위에는 걸리는 대목이 있습니다. 나델라는 자체 학습 환경을 테넌트 경계 안에 두라고 적었는데, 테넌트는 클라우드 사업자가 고객에게 나눠 준 구획을 가리키는 말입니다. 하이퍼스케일러가 그어 준 구획 안에서 학습 루프를 소유하는 것이 소유인지, 조금 더 나은 임대인지는 글이 답하지 않습니다. 모델 종속을 풀어도 플랫폼 종속은 남을 수 있어서, 다섯 자산을 회사 쪽에 남기라는 권고가 지켜지려면 그 저장소가 어느 클라우드에 있는지까지 따져야 합니다.

## 독점과 범용화, 레비가 본 두 갈래

박스 CEO 에런 레비는 지속 학습이 시장을 가를 분수령이라며 두 갈래를 그렸습니다.

| 시나리오 | 내용 |
| --- | --- |
| 독점 플라이휠 | 소수 선두 연구소가 학습 플라이휠로 격차를 계속 벌려 독점으로 굳습니다 |
| 범용화 | 오픈소스가 3개월 격차로 따라붙어 기술이 흔해지고, 업무에 맞게 라우팅하는 응용 계층이 가치를 가져갑니다 |

레비는 뒤쪽 가능성을 더 높게 봤습니다. 둘을 가르는 변수는 기술보다 기업의 선택입니다. 라우팅 규칙을 자기 코드로 가진 회사가 많아질수록 뒤쪽이 되고, 기본값을 공급사에 맡기는 회사가 많아질수록 앞쪽이 됩니다.

응용 회사들은 이미 뒤쪽으로 움직이고 있습니다. Cursor의 코딩 모델 Composer는 문샷AI의 오픈웨이트 모델 Kimi K2.5를 바탕으로 만들어졌습니다. 모델 라우팅 서비스 오픈라우터를 지나는 토큰의 60%가량은 중국 오픈웨이트 모델로 흐르고, 올해 1월 집계에서는 오픈모델 추론 토큰의 72.7%가 중국계였습니다.

## 한국에서는 조달 요건이 됐습니다

같은 구조를 국가 단위로 올리면 소버린 AI가 됩니다. 6월에는 미국 수출통제로 앤트로픽의 최상위 모델 두 종이 전 세계 고객에게서 한꺼번에 끊겼고, 그 과정은 [수출통제 해제를 다룬 글](/post/news-fable5-mythos5-export-control-lifted)에 있습니다. 다른 나라의 결정 하나로 서비스가 꺼질 수 있다는 것이 실제로 확인되자, 폐쇄망에서 직접 돌릴 수 있느냐는 선호를 넘어 조달 요건이 되고 있습니다.

한국은 국가 AI 예산을 3배로 늘려 9조 9,000억 원을 잡았고, 국가대표 AI 평가에서 LG가 90.2점을 받았습니다. 정부가 소버린 모델의 목표를 최신 글로벌 모델 대비 95%로 정한 구조는 [독자 AI 목표를 다룬 글](/post/review-sovereign-ai-ax-legacy-loop)에 정리했습니다. 해외에서는 제이피모건이 모델을 사내 데이터센터 안에서 돌리고, 방산과 제조에서는 데이터가 회사 밖으로 나가지 않는 구조를 먼저 봅니다. 중국이 자국 칩과 메모리로 추론 공급망을 만드는 흐름은 [반도체 고점과 주권 경쟁을 다룬 글](/post/review-semiconductor-peak-sovereign-competition)에 있습니다.

국가 예산과 기업 품의서는 규모가 다르지만 같은 항목에서 막힙니다. 돈을 들여 모델을 확보해도, 그 모델을 쓰면서 쌓이는 교정과 기록이 어디에 남는지를 설계하지 않으면 배기가스는 그대로 밖으로 흐릅니다.

## 계약서에 들어갈 세 줄

나델라의 글을 실무로 옮기면 도입 계약서의 세 문장이 됩니다. 우리 사용 데이터로 공급사가 학습하는지, 우리가 만든 평가 세트와 미세조정 결과물을 우리가 가져갈 수 있는지, 계약이 끝나면 에이전트가 쌓은 기억은 어디로 가는지입니다. 셋 다 기술 문항처럼 보이지만 실제로는 소유권 문항이고, 협상 단계에서 묻지 않으면 운영 단계에서는 물을 기회가 없습니다.

국내 기업의 AI 도입 품의서는 대부분 아직 소프트웨어 구매 양식을 그대로 씁니다. 소프트웨어를 살 때 따지던 항목은 가격과 기능, 종속이었고, 지능을 살 때는 무엇이 반대 방향으로 흘러 나가는지가 더해집니다. 나가는 것을 적는 항목이 양식에 없으면, 그 문제는 회의 안건에도 오르지 않습니다.

나델라는 글을 이렇게 끝냈습니다. 회사는 자기를 특별하게 만드는 지식을 내주지 않고도 모델을 쓸 수 있어야 한다는 것입니다. 그 복리를 누가 가져갈지는 아직 정해지지 않았고, 그 답은 모델 성능보다 계약서와 시스템 설계도에서 먼저 정해집니다.

읽어 주셔서 고맙습니다.

초이 드림