AI 대표 스타트업들은 연구 성과를 거의 발표하지 않는다

• AI 유니콘 절반 이상이 과학 논문이나 프리프린트를 주도적으로 발표한 적이 없음

  • 10억 달러 이상 가치의 비상장 AI 기업들은 소프트웨어 개발·신약 발견·과학 연구를 혁신하겠다고 내세우지만, 다른 연구자가 발견을 평가하고 후속 연구를 수행할 수 있는 과학 문헌은 거의 남기지 않음

  • 2025년에 발표된 AI 논문 가운데 이들 기업의 몫은 1,000편당 1편에 불과했으며, 공개된 과학적 기록이 부족해 기술의 검증·재현 가능성과 에너지 사용·안전 등 사회적 영향을 판단하기 어려워짐

  • 다만 이는 과학적 규범의 실패만이 아니라 수익을 우선하는 상업 개발사의 유인 구조도 반영함

• 1998~2025년에 존재한 AI 유니콘 317곳의 실질적인 연구 기여를 추적함

  • 저널 논문, 학회 논문, 리뷰, 프리프린트 중 기업 연구자가 제1저자나 마지막 저자로 참여해 주도적 역할을 맡은 결과물만 선정함

  • 최종 데이터셋은 총 2,077편으로, 동료평가 논문 1,389편과 프리프린트 688편으로 구성됨

  • 기업의 과학 문헌 참여를 추적해 온 과정에는 2015년 사기 데이터에 기반한 혈액검사 스타트업 Theranos가 동료평가 연구를 내놓지 않았다는 점을 처음 공개적으로 검토한 사례도 포함됨

• 소수 기업과 반복 저자에게 연구 영향력이 극단적으로 집중됨

  • 상위 5% 기업이 전체 인용의 90% 이상을 차지했고, OpenAI 한 곳의 비중만 약 40%에 달했으며 Megvii와 Hugging Face가 뒤를 이음

  • 발표가 가장 활발한 기업에서도 같은 소수 연구자가 결과물 대부분을 냈음

    • 약 4,500명을 고용한 OpenAI에서도 기준을 충족한 논문을 5편 이상 쓴 연구자는 8명뿐임

• AI 기업은 기술 공개로 얻는 이익이 적고 학계보다 훨씬 빠른 일정으로 움직임

  • 공개된 발견을 특허로 보호할 수 있는 제약 산업과 달리, AI 기업은 기술 발전을 공개해도 실익이 작다고 판단하는 경우가 많음

  • 오늘날 대규모 언어 모델의 기반인 transformer를 소개한 Google의 2017년 논문이 대표 사례임

    • Google이 관련 기술 일부를 특허로 보호했지만, 다른 기업이 실제로 Google에 비용을 내는 것으로 보이지 않음

  • 동료평가에는 수개월에서 수년이 걸릴 수 있어, 여러 AI 기업은 과학 저널 대신 블로그와 기술 보고서로 새 모델을 발표하고 코드·데이터셋을 공개하는 연구의 ‘블로그화’를 택함

    • 이번 분석은 이러한 결과물을 추적하지 않았으므로 기업의 공개 활동 전체를 포괄하지 못함

• 저널 게재 여부보다 독립적인 검증과 후속 개발이 가능한지가 중요함

  • 다른 사람이 결과를 확인하고 발전시킬 수 있을 만큼 코드, 데이터셋, 모델이 프롬프트를 해석하고 응답하는 방식을 결정하는 model weights를 공개하는지가 핵심 조건임

• 중국 기업은 미국 기업보다 일관되게 더 많은 논문과 개방형 모델을 내놓음

  • 미국의 주요 frontier lab은 최고 성능 모델의 세부 정보를 점점 더 비공개 또는 ‘closed source’로 전환한 반면, 중국의 주요 기업은 ‘open-source’ 모델을 적극 채택함

  • 연구 대상인 중국 스타트업 Moonshot AI는 최근 가장 강력한 공개 모델 중 하나인 Kimi K3를 선보였고, model weights도 Hugging Face를 통해 공개함

• 더 많은 공개가 언제나 바람직한 것은 아니며 정당한 안전 우려와 균형을 맞춰야 함

  • 연구 발표, 특히 model weights 공개는 AI가 사이버 공격 능력을 대폭 강화할 가능성까지 고려해야 함

  • 암 치료 AI를 향한 경쟁이라면 전면적인 open-source 공개를 환영할 수 있지만, 현재의 경쟁이 그 방향을 향하고 있는 것은 아님

^{source https://www.science.org/content/article/ai-s-top-startups-are-barely-publishing-their-research}

HN에서는 AI 스타트업의 논문 부족을 곧바로 연구 윤리의 후퇴로 볼 수 있는지가 핵심 쟁점이었다. 여러 댓글은 AI 기업이라고 해서 모두 기초 연구 조직은 아니라고 짚었다. 외부 모델을 제품에 적용하는 회사까지 같은 잣대로 평가하면 통계의 의미가 흐려진다. OpenAI, Anthropic, Hugging Face처럼 실제로 논문을 내는 기업도 연구 대상에 포함된 만큼, 최상위 연구소 전체가 공개를 중단했다는 식의 해석도 경계했다.

비공개를 택하는 이유는 사업 구조와 맞닿아 있다. 성과를 공개하면 경쟁사가 빠르게 구현해 먼저 사업화할 수 있고, 논문 심사에는 긴 시간이 든다. 스타트업은 논문보다 제품 출시와 매출로 평가받는다. 학술 출판의 느린 절차와 넘쳐나는 투고, 들쭉날쭉한 연구 품질도 공개 의욕을 낮춘다는 경험이 나왔다. 일부 기업은 논문 대신 코드와 블로그, 모델 카드, 제한적인 오픈소스로 결과를 알린다고 했다.

그렇다고 비공개가 산업 전체에 이롭다는 뜻은 아니다. 지금의 AI 산업도 공개 연구를 바탕으로 성장했다. 모든 기업이 영업비밀만 쌓으면 검증과 재현, 아이디어 교류가 약해진다. 내부 구현을 볼 수 없는 서비스 중심 산업에서는 후발 기업과 연구자가 배우기 어렵고, 직원의 기술도 특정 회사 체계에 묶일 수 있다. 검증 절차 없이 블로그와 실험 수치만 확산하면 주장의 타당성을 가리기도 힘들어진다.

따라서 논문 수만 세기보다 기업의 역할과 공개 수준을 함께 봐야 한다. 기초 연구를 표방하는지, 기존 모델을 제품화하는 회사인지 먼저 구분할 필요가 있다. 외부 검증과 재현에 필요한 자료를 제공하는지, 공공 지원을 받았다면 성과를 어디까지 환원하는지도 중요한 기준이다. 경쟁 우위를 지키면서 산업의 공동 지식 기반을 유지할 장치를 마련했는지가 이 논쟁의 실질적인 판단 지점이다.