K-문샷은 AI 사업 하나가 아니라 국가 과학기술 운영체계를 다시 묶는 설계다

가설 생성부터 데이터 분석까지 AI가 연구과정 안으로 들어온다

문서는 최근 과학연구가 AI를 통해 가설 생성, 실험 설계, 데이터 수집·분석 등 전 과정에서 혁신을 만드는 ‘제5차 패러다임’에 들어섰다고 본다. 2007년 Jim Gray가 제시한 빅데이터 중심 제4차 연구패러다임 다음 단계로 AI가 새로운 연구법을 만든다는 2024년 12월 CACM 논의를 근거로 든다.

AI 활용효과에 대해서는 문서가 인용한 외부 자료를 통해 R&D 속도가 제약·재료·항공우주·반도체 등에서 1.2배 이상 가속되고, AI 활용 연구자가 미활용 연구자보다 논문 수 3.02배, 인용 수 4.84배라는 수치를 제시한다. 이 값은 K-문샷 문서가 인용한 외부 근거이며, 이 글이 별도로 재검증한 수치는 아니다.

AI for Science가 연구정책이 아니라 기술패권의 축으로 이동한다

문서는 미국의 Genesis Mission, EU의 AI in Science·Apply AI 전략, 중국의 AI 과학연구시스템을 글로벌 정책경쟁의 사례로 제시한다. 동시에 Google의 GraphCast와 AlphaFold3, Microsoft의 MatterGen처럼 빅테크가 과학기술×AI 영역에 기술력과 자본을 본격 투입하는 흐름을 강조한다.

국내에는 바이오·반도체 연구역량과 AI 경쟁력이 있지만, 연구데이터의 부족·파편화와 출연연·기업 등 혁신주체의 역량 분산이 구조적 약점으로 제시된다. 따라서 단순한 AI 인프라 지원을 넘어 산학연 결집의 구심점이 되는 국가 미션이 필요하다는 것이 정책문서의 문제정의다.

연구생산성 2배와 12대 미션 해결을 같은 체계에서 관리한다

이 세 요소는 서로 대체관계가 아니다. 데이터와 GPU가 있어도 mission portfolio가 없으면 분산 투자가 되고, 좋은 mission이 있어도 PD에게 재설계 권한이 없으면 과제 단위 최적화에 머문다. 문서가 강조하는 핵심자원 통합 + 임무중심 R&D + PD 중심 추진체계는 하나의 운영식으로 읽는 편이 정확하다.

23개 출연연·과기원·직할연의 데이터를 AI-ready 국가자산으로 전환한다

문서는 23개 출연연·과기원·직할연 등의 고품질 연구데이터를 우선 수집·개방하고, 6대 파운데이션 모델과 K-문샷 미션 수요를 중심으로 AI-ready data를 조기 구축하는 방안을 제시한다. 이론·계산 데이터, 센서 데이터, 자율실험 데이터를 객관성·재현성 확보가 쉬운 순서로 확대하는 구상이다.

대형가속기 등 대형연구시설에는 대용량 데이터 자동수집과 실시간 분석·피드백 기반을 지원하고, 소재·바이오 전문센터를 중심으로 표준화·변환 기술을 개발한다. 구체적으로 메타데이터 자동 생성, 데이터 정제, 자동 레이블링, 비식별화가 포함된다.

제도적으로는 R&D 과제의 DMP(Data Management Plan) 적용 확대, 데이터 개방 실적 인정과 거래 플랫폼 같은 인센티브, 연구데이터법 제정을 제안한다.

8천장 이상의 GPU를 확보하고 분산 자원을 통합 관리한다

과학기술 AI 연구 전용 GPU를 8천장 이상 확보·지원하는 것이 목표다. 문서의 확보안에는 슈퍼컴 6호기 8,500개 첨단 GPU의 약 30%, 첨단 GPU 확보사업 정부활용분 15~20%(3,000장 이상, 변동 가능), 대학 과학기술 AI 연구센터 약 200개, 바이오·소재 전용 인프라 2,500개 이상이 제시된다.

단기적으로는 자원 현황판과 공동활용 시범사업을 추진하고, 중장기적으로 통합전산센터와 실시간 배분체계를 도입한다. 개인·연구실의 LLM 추론을 위한 200B급 컴퓨터 개발·실증도 계획에 포함된다.

독자 파운데이션 모델을 공통기반으로 하고 분야별 특화모델을 얹는다

바이오·소재부터 24시간 실험과 데이터 환류를 연결한다

AI와 로보틱스를 결합한 자율실험실을 바이오·소재 등 강점분야에 우선 구축하고, 24시간 중단 없이 실험할 수 있는 연구환경을 만들겠다는 구상이다. 자율실험실 데이터는 국가 과학AI통합플랫폼에 자동 연계해 국가자산으로 축적하고 표준화·품질관리 가이드라인을 마련한다.

연구자 활용역량과 운영 전문인력을 함께 키우고, 장비·AI agent·데이터 인프라를 묶은 국산 SDL(Self-Driving Lab) 풀 패키지 산업의 성장도 지원한다.

정보획득, 연구전략, 보고서 작성부터 일상 연구업무를 agent화한다

연구지원 agent는 최신 연구동향 자동수집·맞춤 메일링, 연구경력 기반 R&D 공모사업 매칭, 연구성과·트렌드 분석을 통한 협력파트너 탐색과 전략수립, 참여과제·논문·특허 실적 정리, 기관 서식 맞춤 보고서 작성, 키워드 기반 요약 등을 지원한다.

이는 인간 연구자를 대체하는 구조보다 1인 연구자와 多 Agent가 역할을 나눠 연구생산성을 높이는 협업계층으로 제시된다.

바이오·소재의 연구과정을 Lab-in-the-Loop로 바꾼다

분야별 연구 agent는 신약 후보물질 설계·검증 에이전틱 AI, 소재 다중물성 분석 에이전틱 AI처럼 연구과정을 자동화·지능화해 Lab-in-the-Loop로 전환하는 역할을 맡는다.

가설-실험-분석을 AI가 반복하는 closed loop를 국가 플랫폼으로 만든다

자율형 AI 과학자는 가설 수립, 실험, 결과 분석을 반복해 난제 해결에 기여하는 시스템으로 정의된다. 민간 agent 서비스, 출연연 우수 agent, 경진대회 우수 결과를 연계하고, 문서는 ETRI·KISTI 등을 중심으로 플랫폼을 신속 구축해 국가과학AI연구센터가 운영·고도화하는 방안을 제시한다.

통합플랫폼과 연구 협력·교류 허브를 동시에 맡는다

가칭 국가 과학AI 연구센터의 첫 기능은 출연연 등이 보유한 데이터·인프라를 연결한 과학AI통합플랫폼이다. AI-ready 데이터셋 정제, 국내외 데이터셋 카탈로그·큐레이션, 논문 데이터 DB화, HPC 자원 지원, 모델 호스팅·벤치마크, POC·모델 아키텍처·GPU 세팅·모델 최적화 같은 전문서비스를 제공한다.

두 번째 기능은 과학AI 연구 협력·교류 허브다. 오픈랩과 개방형 커뮤니티, 피지컬AI 실증공간, 최신 LLM 활용환경, 융합연구 지원을 제공하고, 기관 데이터 반출·활용, 반상근제도, 탄력적 채용·보수 등 상시 협업을 위한 제도 특례도 검토한다.

AI·인프라 기업은 모델과 컴퓨팅, 도메인 기업은 데이터와 실증을 제공한다

AI·인프라 기업은 AI 모델·플랫폼, 클라우드·GPU, 데이터 역량을 지원하고, 도메인 기업은 국가 과학기술 난제 발굴, 현장 데이터 제공, 공동연구, 실증·상용화를 담당한다. 연구 전 단계의 협력을 유도하기 위해 국가 연구데이터·대형 실험시설·GPU 우선 활용, 후속 실증·사업 협업, 기업 서비스 구독, 성과 활용과 IP 배분 등을 인센티브로 검토한다.

문서는 피지컬 AI·휴머노이드처럼 연구·산업 파급효과가 큰 분야에 한국형 Tech Labs 같은 유연한 연구모델을 제안하며, KIST 주관 KAPEX 협력사례를 소개한다.

출연연은 데이터·인프라·장기 집단연구 경험을 가진 국가 거점으로 배치된다

문서는 출연연을 약 1.6만명의 전문인력, 60여년간 축적된 연구데이터, 장기간 집단연구와 기술축적 경험을 가진 국가 거점으로 정의한다. 국가과학AI연구센터와 도메인 허브를 중심으로 AI-ready 데이터 제작·자산화, 개방형 데이터 플랫폼, 대형 AI 인프라·테스트베드를 제공하고 기업·대학 협업으로 확장한다.

공공부문과 대국민 공모의 투트랙으로 미션을 발굴한다

미션 후보는 전문기관 PM과 출연연 전략연구사업 등 공공부문 수요와 대국민 공모를 함께 사용해 발굴한다. 대국민 공모는 2025년 12월 16일부터 2026년 1월 15일까지 진행되어 1,786건의 제안이 접수되었고, STEPI가 운영한 분야별 전문심사단 평가가 제시된다.

미션 적절성은 미래시장 전망, 글로벌 경쟁수준, 한국의 강점, AI 적용가능성 등을 기준으로 평가하고, 최고 전문가 기술자문단과 유관부처 검토를 거쳐 확정하는 구조다.

PD는 과제관리자가 아니라 미션 포트폴리오의 책임설계자다

미션별 전담지원기관과 PD를 지정하고, PD에게 기술개발부터 사업화까지 세부과제 조정·신규사업 기획, 마일스톤 기반 진도점검, 연구목표·내용의 전략적 재설정, 다음 단계 진입 여부 결정 권한을 부여한다. 특정 출연연 주도 미션은 출연연을 전담지원기관으로 지정하고 PD를 특임연구원으로 채용하며, 기업·대학 주도 미션은 컨소시엄 사업단장을 PD로 임명하는 방안이 제시된다.

행정지원은 가칭 K-문샷 지원단이 맡고, 특허동향 분석→IP-R&D→핵심특허 확보의 전주기 특허전략과 K-문샷 특별법을 검토한다. 예산은 출연연 전략연구사업 일부, 유관부처 사업, 신규 대형사업을 총동원해 2027년도 예산에 우선 반영하는 구상이다.

부총리 단장의 추진단과 주기적 대국민 보고로 책임성을 붙인다

K-문샷 추진단은 부총리 겸 과기정통부 장관을 단장으로 하고, 미션별 PD를 중심으로 산·학·연·관계부처가 원팀을 구성한다. 과기정통부 TF와 NST·NRF 등이 실무를 지원하며, 과학기술관계장관회의를 통해 마일스톤 진도점검을 논의하고 주요 성과를 대국민 공개한다.

문서 당시 일정은 2026년 2월 말~3월 초 주요 제안·부처·전문가 의견수렴, 3월 미션 확정 및 전담지원기관·PD 지정, 3월 말 K-문샷 지원단 구성, 4월 신규사업 기획으로 제시된다.

데이터와 GPU는 하드웨어가 아니라 mission portfolio의 공통상태다

K-문샷의 구조를 컴퓨터 운영체제에 비유하면 데이터와 GPU는 공유자원, 과학 파운데이션 모델과 agent는 실행환경, 자율실험실은 physical I/O, PD는 scheduler, 12대 미션은 장기 job portfolio에 해당한다. 이 비유의 핵심은 모든 구성요소가 하나의 목표함수와 피드백 구조로 연결되어야 한다는 데 있다.

국가 과학AI통합플랫폼이 데이터를 모으는 것만으로는 부족하고, 그 데이터가 agent의 가설·실험·분석을 거쳐 다시 국가 자산으로 축적되어 다음 미션 의사결정에 사용되어야 closed loop가 완성된다.

문서가 제안한 구조를 실행할 때 특히 주의할 지점

2030은 capability gate, 2035는 outcome gate로 봐야 한다

12대 미션은 대부분 2030년까지 모델·플랫폼·설계·검증·핵심기술을 확보하고, 2033~2035년에 상용화·실증·산업난제 해결·완전 자율발견 같은 결과를 요구한다. 따라서 2030을 단순 중간연도로 보는 대신 2035 outcome이 가능한지를 판정하는 capability gate로 설계하는 것이 문서의 마일스톤 철학과 잘 맞는다.

“AI for Science”를 국가적 연구생산성 프로젝트에서 국가 미션 실행체계로 확장한다

25쪽 전체를 열 문장으로 압축하면