AI 1막이 끝났다: 생산성에서 신뢰성으로, 게임업계가 보여주는 2막의 시작

밸브가 2023년 스팀에 AI 활용 게임을 등록하려는 개발자들에게 내건 조건은 단순하면서도 강경했다. “AI 기술로 저작권 침해 콘텐츠를 사용해선 안 되고, 생성형 AI로 불법 콘텐츠를 만들어서도 안 된다.” 이후엔 AI로 생성된 리소스가 포함된 경우, 그 산출물이 불법 학습 데이터에서 비롯되지 않았다는 증거를 제출하게 했다. 출시 후에도 실시간 생성 AI 콘텐츠가 발견되면 제재하겠다는 입장이다. AI를 배척하는 게 아니라, 저작권 문제가 해결된 경우에만 허용하겠다는 선언이었다.

국내에서도 같은 흐름이 감지된다. 스마일게이트 신작 ‘카오스 제로 나이트메어’가 CBT 직후 일부 일러스트 품질 문제로 “AI를 쓴 것 아니냐”는 의혹에 휩싸였고, 손가락이 6개로 그려진 캐릭터 카드 이미지가 결정타가 됐다. 대표가 직접 영상으로 부인하고 해명해야 했던 사태다. 이용자들의 AI 경계심은 이미 검증 단계를 넘어섰다. 개발사는 출시 전부터 검증 프로세스를 갖춰야 하는 부담을 안게 됐다.

이 두 사례가 가리키는 건 같다. 생성형 AI가 게임 개발 현장에 퍼지는 속도(2025년 기준 국내 게임사 41.7% 도입)와 별개로, 결과물에 대한 책임과 신뢰를 누가 질 것인가 하는 2막이 이미 시작됐다는 사실이다.

1막: 생산성, 효율성, 바이브 코딩

AI 1막의 키워드는 명확했다. 더 빨리, 더 싸게, 더 쉽게. 챗GPT, 미드저니, 커서, 클로드 같은 도구가 개발자 손에 쥐어지자 코드 작성, 일러스트 생성, NPC 대사 작성, 배경음악 제작이 단숨에 빨라졌다. 비개발자도 ‘바이브 코딩’으로 프로토타입을 뽑아냈고, 1인 개발자는 팀 단위 산출물을 혼자 감당할 수 있게 됐다. 스팀 통계로 국내 게임사 41.7%가 이미 생성형 AI를 도입했다고 응답한 건 이 1막의 성적표다.

하지만 1막은 의외로 짧았다. 도구가 주는 달콤함 뒤에는 검증되지 않은 산출물, 저작권 불명확성, 편향된 데이터가 만든 혐오·폭력 콘텐츠, 손가락 6개 같은 완성도 결함이 따라붙었다. ‘이루다’ 사태가 보여준 건 필터링 없는 AI가 서비스에 투입됐을 때 벌어지는 일이었다. 밸브가 증거 제출을 요구하고, 이용자가 손가락 개수를 세며 의혹을 제기하는 순간, 1막의 ‘일단 쓰고 보자’는 태도는 더 이상 통하지 않게 됐다.

2막: 신뢰성, 보안, 책임

2막의 질문은 ‘얼마나 빨리 만드나’가 아니라 ‘이걸 믿고 쓸 수 있나’다. 쿠버네티스가 컨테이너에 해준 일 — 이미지만 있으면 어디서든 똑같이 돈다 — 이 모델 가중치 파일(.safetensors, .gguf)에도 적용되고 있다. vLLM, SGLang, Ollama, llama.cpp 같은 추론 엔진이 표준 런타임이 되고, 허깅페이스 허브와 올라마 라이브러리가 레지스트리 역할을 한다. ‘가중치 파일만 있으면 어디서든 돈다’는 경험이 퍼지면서, 폐쇄형 API(챗GPT, 클로드, 제미나이)에서 자체 모델로 이동하는 흐름이 가속화되고 있다.

이 이동의 동력은 세 가지다. 첫째, 프라이버시와 데이터 주권. 금융·의료·공공은 데이터 외부 유출이 불가하고, 개인도 내 메모·일정·메시지가 서버로 가는 걸 원치 않는다. 둘째, 비용과 락인 해소. API 호출비는 자체 GPU 전기세의 10~100배다. 요금제·속도 제한·정책 변경 리스크도 걷어낼 수 있다. 셋째, 커스터마이징 자유. 내 업무·지식·스타일에 맞춘 전용 에이전트, 파인튜닝, RAG 연결이 클라우드 API로는 제한적이다.

현실적 제약은 여전하다. 좋은 모델 돌리려면 VRAM 24GB 이상 필요하고, 모바일은 배터리·발열·용량 문제로 아직 무리다. 하지만 방향은 이미 정해졌고, 기술이 빠르게 수렴 중이다. 양자화(GGUF/4bit), 모델 압축, 온디바이스 추론(MLC LLM, llama.cpp mobile), 엣지 NPU 활용이 급속히 발전하고 있다. vLLM·Ollama·허깅페이스 ‘삼각편대’가 디팩토 표준으로 자리 잡으며 ‘모델 파일만 있으면 어디서든 돈다’는 경험이 컨테이너 때처럼 퍼지고 있다.

버블이 아니다, 성숙이다

1막이 빨리 끝났다고 버블 붕괴가 아니다. 오히려 거품이 빠지고 본질이 남는, 건강한 성숙 과정이다. 도구만 던져주고 ‘알아서 써라’던 시기가 지나고, 산출물에 책임을 지고 검증하고 운영하는 인프라가 깔리는 중이다. 쿠버네티스가 컨테이너 운영 표준이 된 뒤 비로소 엔터프라이즈가 안심하고 도입했듯, vLLM+Ray+허깅페이스 조합이 모델 운영 표준이 되면 기업과 개인은 폐쇄형 API 의존에서 벗어날 수 있다.

머지않아 당연해질 장면들이다. 사내 문서·코드·회의록 전부를 학습한 전용 에이전트가 사내 GPU 클러스터에서 돌며 외부 API 호출 없이 실시간 질의응답·코드 리뷰·문서 생성을 처리한다. 개인 스마트폰에서 인터넷 없이 로컬 LLM이 내 메모·일정·메시지 문맥을 이해해 비서 역할을 하고, 민감한 금융·건강 데이터는 기기 밖으로 나가지 않는다. 개발자는 허깅페이스에서 모델 하나 골라 vLLM 컨테이너로 올리면 랩톱·온프렘·임의 클라우드 어디서든 동일한 API 엔드포인트로 서빙된다. 에이전트 간 협업·툴 호출·샌드박스 실행이 쿠버네티스 위에서 표준 워크플로로 돌고, 장애 복구·오토스케일·카나리 배포까지 인프라 레벨에서 해결된다. 모델 라이선스·출처·버전·평가 지표가 컨테이너 이미지 메타데이터처럼 표준화돼 컴플라이언스 검토가 자동화된다.

컨테이너가 ‘파일만 있으면 어디서든 돈다’는 세상을 열었듯, 모델도 ‘가중치 파일만 있으면 어디서든 돈다’는 세상이 온다. 쿠버네티스가 컨테이너의 운영 표준이 됐듯, vLLM·Ray·허깅페이스 조합이 모델의 운영 표준이 되고 있다. 그 흐름은 이미 시작됐다. 1막의 환호가 끝난 자리에 2막의 책임을 지는 인프라가 들어서고 있다. 그게 버블 이후의 정상적인 풍경이다.