인공지능 규제 정책의 글로벌 동향

본 문서는 세계적으로 확대되는 인공지능 기술의 발전과 함께 대두되는 규제 정책의 국제적 동향을 분석합니다. 2024년 약 1,359억 달러로 추정되는 글로벌 AI 시장의 성장과 함께, 각국 정부와 국제기구는 인공지능의 안전하고 윤리적인 발전을 위한 규제 체계를 수립하고 있습니다. 주요국의 규제 접근법, 기술 윤리 원칙, 산업별 규제 동향, 데이터 프라이버시 이슈, 혁신과 규제 간의 균형, 그리고 미래 규제 방향성에 대한 종합적인 분석을 제공합니다.

반응형

국제적 AI 규제 접근 방식

미국의 접근

미국은 혁신 중심의 자율적 규제 접근법을 채택하고 있습니다. 연방 차원의 포괄적인 AI 규제법 대신, 산업별 지침과 자발적 준수 프레임워크를 중심으로 발전하고 있습니다. 바이든 행정부는 2023년 'AI 권리장전 청사진'을 발표하고, 안전하고 책임감 있는 AI 개발을 위한 기본 원칙을 제시했습니다. 국가안보와 시장 경쟁력 유지를 위한 전략적 접근을 채택하면서도, 주(州)별로 특정 영역에서 독자적인 규제를 도입하는 분산적 구조를 보입니다.

EU의 접근

유럽연합은 세계에서 가장 포괄적인 AI 규제인 'AI 법안(AI Act)'을 추진하고 있습니다. 이는 위험 기반 접근법을 채택하여 AI 시스템을 위험도에 따라 분류하고, 고위험 시스템에 대해서는 엄격한 규제를 적용합니다. 기본권, 프라이버시, 비차별, 안전성을 핵심 가치로 설정하여 데이터 보호와 알고리즘 투명성을 강조합니다. GDPR과 연계하여 AI 시스템에 대한 규제적 감독을 강화하고 있으며, 이는 글로벌 표준으로 확산될 가능성이 높습니다.

중국의 접근

중국은 국가 주도형 AI 발전 전략을 추구하며, 사회적 안정과 국가 안보를 중심으로 한 규제 프레임워크를 구축하고 있습니다. '인공지능 거버넌스 윤리 규범'과 '딥페이크 규제'와 같은 구체적인 규제를 도입했으며, 데이터 국경 통제와 국가 안보 관점에서의 AI 기술 개발을 강조합니다. 특히 얼굴인식, 감시 기술 등에 대한 국가 주도적 발전과 통제를 특징으로 하며, 인공지능 기술을 국가 경쟁력과 사회 통제의 수단으로 활용하는 경향을 보입니다.

이러한 주요국의 상이한 접근법은 각국의 정치적, 문화적, 경제적 특성을 반영합니다. 미국이 혁신과 산업 경쟁력을 우선시하는 반면, EU는 시민의 권리와 안전을 중심에 두고, 중국은 국가 안보와 사회 안정에 초점을 맞추고 있습니다. 이러한 규제 접근법의 차이는 글로벌 AI 개발 환경에 다양한 영향을 미치며, 국제적 규제 협력과 표준화에 대한 도전을 제기하고 있습니다.

기술 윤리와 규제 원칙

인공지능 기술의 급속한 발전과 함께, 이를 윤리적으로 개발하고 활용하기 위한 규제 원칙이 전 세계적으로 논의되고 있습니다. 이러한 원칙들은 단순한 기술적 지침을 넘어, 인공지능이 사회에 미치는 영향을 고려한 포괄적인 접근을 지향합니다.

공정성과 비차별성

인공지능 시스템은 모든 사용자를 공정하게 대우하고, 성별, 인종, 나이, 종교, 장애 등에 따른 차별을 방지해야 합니다. 알고리즘적 편향을 식별하고 완화하기 위한 지속적인 모니터링과 평가가 요구되며, 이는 데이터 수집 단계부터 모델 개발, 배포에 이르기까지 전 과정에 적용됩니다.

투명성과 설명 가능성

인공지능 의사결정 과정은 투명하고 설명 가능해야 합니다. 특히 의료 진단, 금융 대출 심사, 형사 사법 등 중요한 결정에 관여하는 AI 시스템의 경우, 그 결정 과정을 인간이 이해하고 검증할 수 있어야 합니다. EU의 AI 법안은 고위험 AI 시스템에 대한 설명 요구사항을 명시하고 있습니다.

개인정보 보호

AI 시스템은 개인의 프라이버시 권리를 존중하고 보호해야 합니다. 데이터 수집, 저장, 처리 과정에서 개인정보의 남용을 방지하고, 정보 주체의 동의와 통제 권한을 보장해야 합니다. 이는 GDPR과 같은 데이터 보호 법규와의 연계를 통해 더욱 강화되고 있습니다.

고위험 AI 시스템에 대한 차등적 규제 접근은 국제적 동향의 핵심 요소입니다. EU의 AI 법안은 AI 시스템을 위험도에 따라 네 가지 범주(허용 불가, 고위험, 제한된 위험, 최소 위험)로 분류하고, 각 범주에 따라 다른 규제 수준을 적용합니다. 이러한 위험 기반 접근법은 혁신을 저해하지 않으면서도 필요한 보호 장치를 마련하는 균형 잡힌 방식으로 평가받고 있습니다.

또한, 국제기구들은 AI 윤리 원칙을 개발하고 확산시키는 데 중요한 역할을 하고 있습니다. OECD의 'AI 권고안', UNESCO의 'AI 윤리 권고안', IEEE의 '윤리적 설계 표준' 등은 글로벌 AI 거버넌스의 기초를 형성하고 있습니다. 이러한 국제적 협력은 AI 기술이 국경을 초월하여 영향을 미치는 현실을 반영하며, 일관된 글로벌 접근법의 필요성을 강조합니다.

AI 윤리는 단순한 기술적 고려사항이 아닌, 인간 중심의 가치와 원칙을 기술 발전에 통합하는 과정입니다. 규제는 이러한 가치를 보호하고 촉진하는 프레임워크를 제공합니다.

산업별 AI 규제 동향

인공지능 기술이 다양한 산업 분야에 도입됨에 따라, 각 산업의 특성과 위험 요소를 고려한 맞춤형 규제가 발전하고 있습니다. 산업별 규제는 일반적인 AI 원칙을 기반으로 하되, 해당 산업의 특수성과 잠재적 위험을 반영하여 더욱 세분화된 접근을 취합니다.

의료 분야

의료 AI는 진단 지원, 개인 맞춤형 치료, 신약 개발 등에 활용되며, 엄격한 규제 대상입니다. 미국 FDA는 'AI/ML 기반 의료기기 행동 계획'을 통해 소프트웨어 의료기기(SaMD)에 대한 규제 프레임워크를 마련했습니다. 이는 학습 적응형 AI 시스템의 전체 수명주기를 고려한 접근법을 채택하고 있습니다. 한국에서도 식품의약품안전처가 AI 의료기기 허가·심사 가이드라인을 발표하여 의료 AI의 안전성과 효과성을 검증하고 있습니다. 주요 과제로는 알고리즘 성능 검증, 데이터 품질 관리, 지속적 모니터링 체계 구축 등이 있습니다.

금융 분야

금융 AI는 신용 평가, 사기 탐지, 자동화된 투자 자문 등에 활용되며, 금융 안정성과 소비자 보호를 위한 규제가 중요합니다. 미국 소비자금융보호국(CFPB)은 AI 기반 신용 평가 시스템에 대한 공정성과 투명성 규제를 강화하고 있으며, 영국 금융행위감독청(FCA)은 'AI 금융 서비스 원칙'을 통해 책임성과 투명성을 강조합니다. 한국 금융위원회도 'AI 금융서비스 가이드라인'을 발표하여 금융 AI의 책임 있는 활용을 촉진하고 있습니다. 주요 규제 초점은 알고리즘 편향 방지, 의사결정 설명 가능성, 데이터 프라이버시 보호입니다.

자동차 분야

자율주행 기술의 발전에 따라, 자동차 산업의 AI 규제가 점차 엄격해지고 있습니다. UNECE는 자율주행차량에 대한 국제 규정을 개발 중이며, 미국 NHTSA는 자율주행차 안전 지침을 지속적으로 업데이트하고 있습니다. 유럽의 경우, EU AI 법안은 자율주행차를 고위험 AI 시스템으로 분류하여 엄격한 안전 요구사항을 적용합니다. 한국에서는 '자율주행자동차 안전 및 성능요건'을 통해 기술 개발과 안전 확보를 위한 규제 체계를 구축하고 있습니다. 주요 규제 이슈로는 사고 책임 소재, 윤리적 의사결정, 사이버 보안 등이 있습니다.

이외에도 교육, 법률, 제조업 등 다양한 산업 분야에서 AI 활용이 확대됨에 따라, 각 분야별 맞춤형 규제가 발전하고 있습니다. 산업별 규제는 해당 산업의 전문성을 반영하면서도, 일관된 AI 윤리 원칙을 적용하는 균형을 찾아가는 과정에 있습니다. 특히 산업 간 경계가 모호해지는 디지털 융합 환경에서, 이러한 산업별 접근법은 지속적인 조정과 협력을 통해 진화하고 있습니다.

데이터 프라이버시와 AI 규제

데이터 프라이버시의 중요성

인공지능 시스템이 효과적으로 작동하기 위해서는 방대한 양의 데이터가 필요하지만, 이는 개인정보 보호와 데이터 프라이버시에 대한 중대한 우려를 야기합니다. AI 발전과 개인정보 보호 사이의 균형을 찾는 것은 전 세계 규제 기관의 핵심 과제로 자리 잡았습니다. 특히 건강 데이터, 금융 정보, 생체 인식 데이터와 같은 민감한 개인정보가 AI 시스템에 의해 처리될 때, 이에 대한 적절한 보호 장치가 필수적입니다.

유럽의 GDPR은 AI 시스템에서의 데이터 처리에 대한 법적 프레임워크를 제공하며, '목적 제한', '데이터 최소화', '보관 제한' 등의 원칙을 적용합니다. 이는 AI 개발자와 운영자가 시스템 설계 단계부터 데이터 보호를 고려하는 '설계에 의한 프라이버시(Privacy by Design)' 접근법을 채택하도록 요구합니다. 한국의 '개인정보 보호법' 역시 AI 시스템에서의 개인정보 처리에 대한 규제 프레임워크를 제공하며, 최근 개정을 통해 가명정보 활용과 관련된 지침을 마련하였습니다.

데이터 활용과 위험 관리

AI 시스템의 데이터 활용에는 여러 위험 요소가 존재합니다. 첫째, 데이터 편향 문제로, 불완전하거나 편향된 데이터는 AI 시스템의 차별적 결과를 초래할 수 있습니다. 둘째, 데이터 보안 취약성으로, 개인정보 유출이나 무단 접근의 위험이 있습니다. 셋째, '기능 크리프(function creep)' 현상으로, 원래 수집 목적과 다른 용도로 데이터가 사용될 가능성이 있습니다.

이러한 위험을 관리하기 위해, 규제 기관들은 데이터 영향 평가(DIA), 알고리즘 영향 평가(AIA) 등의 도구를 도입하고 있습니다. 이는 AI 시스템의 데이터 처리가 개인의 권리와 자유에 미치는 영향을 체계적으로 평가하고, 적절한 위험 완화 조치를 취할 수 있도록 합니다. 또한, 데이터 최소화 원칙, 익명화/가명화 기술, 차등 프라이버시(differential privacy) 등의 기술적 솔루션을 통해 개인정보 보호와 데이터 활용 사이의 균형을 추구하고 있습니다.

국제적 데이터 규제 협력은 AI 시스템이 국경을 넘어 운영되는 현실을 반영하여 중요성이 높아지고 있습니다. APEC의 '국경 간 프라이버시 규칙(CBPR)', OECD의 '프라이버시 프레임워크', 글로벌 프라이버시 어셈블리(GPA)의 활동 등은 국제적 데이터 보호 표준 수립을 위한 노력의 일환입니다. 그러나 국가별 법적 프레임워크의 차이와 데이터 주권에 대한 우려로 인해, 완전한 국제적 합의는 여전히 도전적인 과제로 남아있습니다.

데이터 국지화(Data Localization)

중국, 러시아, 인도 등 여러 국가들은 자국민의 데이터가 국내에 저장되고 처리되어야 한다는 '데이터 국지화' 요구사항을 도입하고 있습니다. 이는 국가 안보와 데이터 주권 확보를 위한 조치이지만, 글로벌 AI 서비스 제공에 상당한 제약을 가져올 수 있습니다.

국경 간 데이터 이전

EU GDPR은 적절한 보호 수준이 보장되지 않는 국가로의 데이터 이전을 제한합니다. 미국과 EU 간의 '데이터 프라이버시 프레임워크(DPF)'와 같은 메커니즘이 국경 간 데이터 흐름을 촉진하고 있으나, 법적 불확실성은 여전히 존재합니다.

동의와 통제

데이터 주체의 명시적 동의와 통제 권한은 전 세계 데이터 보호 법규의 핵심 원칙입니다. AI 시스템에서는 복잡한 데이터 처리 방식으로 인해 의미 있는 동의를 얻는 것이 더욱 도전적이며, 이에 대한 새로운 접근법이 요구됩니다.

데이터 프라이버시와 AI 규제의 미래는 '개인정보 자기결정권'과 '데이터 활용의 사회적 가치' 사이의 균형을 찾는 방향으로 발전할 것으로 예상됩니다. 특히 연합 학습(Federated Learning), 동형 암호화(Homomorphic Encryption) 등의 프라이버시 보존 기술이 중요한 역할을 할 것으로 기대됩니다. 규제 기관은 기술 혁신을 장려하면서도, 개인의 기본권을 보호하는 균형 잡힌 접근법을 지속적으로 모색해 나갈 것입니다.

기술 혁신과 규제의 딜레마

인공지능 기술의 급속한 발전 속에서, 혁신을 촉진하면서도 잠재적 위험을 관리할 수 있는 규제 균형을 찾는 것은 정책 입안자들의 핵심 과제가 되었습니다. 이는 단순한 이분법적 선택이 아닌, 복잡한 가치 판단과 이해관계 조정을 요구하는 문제입니다.

균형 잡힌 접근

혁신과 보호의 최적 균형점

안전 장치

위험 관리 및 책임 체계

혁신 촉진

기술 발전 및 경쟁력 강화

과도한 규제는 AI 산업의 혁신과 경쟁력을 저해할 수 있습니다. 엄격한 사전 승인 요건, 과도한 문서화 의무, 복잡한 적합성 평가 등은 특히 중소기업과 스타트업에게 큰 부담이 됩니다. 유럽의 GDPR 시행 이후, 일부 AI 기업들이 유럽 시장에서의 서비스를 중단하거나 축소한 사례는 규제 부담이 기업 활동에 미치는 영향을 보여줍니다. 또한, 엄격한 규제 환경은 투자 유치 어려움, 제품 출시 지연, 혁신 의욕 감소 등의 부작용을 초래할 수 있습니다.

반면, 규제의 부재나 불충분한 규제는 AI 기술의 남용과 사회적 위험을 초래할 수 있습니다. 편향된 알고리즘에 의한 차별, 개인정보 침해, 자율무기 시스템의 윤리적 문제 등 AI 기술은 적절한 가드레일 없이는 심각한 사회적 해악을 발생시킬 가능성이 있습니다. 또한, 규제의 불확실성은 기업들의 장기적 투자 결정을 어렵게 만들고, 법적 리스크를 증가시켜 오히려 혁신을 저해할 수도 있습니다.

이러한 딜레마에 대응하여, 전 세계 규제 기관들은 다양한 접근법을 모색하고 있습니다. '규제 샌드박스(Regulatory Sandbox)'는 혁신적인 AI 기술이 제한된 환경에서 기존 규제의 적용을 일시적으로 면제받으며 테스트될 수 있도록 합니다. 영국, 싱가포르, 한국 등 여러 국가에서 이를 도입하여 규제 실험을 장려하고 있습니다. '적응형 규제(Adaptive Regulation)'는 기술 발전 속도에 맞춰 규제를 지속적으로 조정하는 접근법으로, 정기적인 검토와 업데이트를 통해 규제의 적시성과 적절성을 유지합니다.

리스크 기반 접근법

AI 시스템의 위험도에 따라 규제 수준을 차등화하는 방식입니다. 고위험 AI 시스템에는 엄격한 요구사항을 적용하고, 저위험 시스템에는 최소한의 규제만 적용함으로써 규제 부담을 최적화합니다. EU의 AI 법안은 이러한 접근법의 대표적 사례입니다.

공동 규제

정부, 산업계, 시민사회가 협력하여 규제 프레임워크를 개발하는 방식입니다. 이는 다양한 이해관계자의 전문성과 관점을 통합하여 더욱 균형 잡힌 규제를 만들어냅니다. 산업 표준, 자율 규제 코드, 인증 제도 등이 이에 해당합니다.

국제 협력

국가 간 규제 조화를 통해 글로벌 AI 기업들의 규제 준수 부담을 경감하고, 일관된 안전 표준을 유지하는 접근법입니다. OECD AI 원칙, G7 AI 협약 등이 이러한 노력의 일환입니다.

글로벌 AI 경쟁력 유지를 위해서는 국가별 특성을 고려한 전략적 규제 접근이 필요합니다. 한국은 선도적인 디지털 인프라와 기술력을 바탕으로, AI 산업 육성과 안전한 AI 생태계 구축을 동시에 추구해야 합니다. '한국형 AI 규제 프레임워크'는 한국의 산업 구조와 사회적 맥락을 반영하면서도, 글로벌 표준과의 호환성을 갖추어야 할 것입니다. 특히 중소기업과 스타트업의 규제 준수 역량 강화를 위한 지원 프로그램, 규제 영향 평가 제도의 강화, 그리고 전문 규제 인력 양성이 중요한 과제로 떠오르고 있습니다.

미래 AI 규제의 방향

인공지능 기술과 그 응용 분야가 급속도로 확장됨에 따라, 규제 패러다임도 진화하고 있습니다. 미래 AI 규제는 기술의 발전 속도를 따라잡으면서도, 사회적 가치와 윤리적 원칙을 보호할 수 있는 새로운 접근법을 요구합니다.

규칙 중심 규제

세부적 기술 요구사항

원칙 중심 규제

포괄적 가치와 목표

결과 기반 규제

구체적 성과 지향

적응형 거버넌스

유연한 규제 프레임워크

원칙 중심(principle-based) 규제로의 전환은 미래 AI 규제의 주요 트렌드입니다. 이는 세부적인 기술 요구사항보다는 투명성, 책임성, 공정성과 같은 포괄적 원칙을 중심으로 규제 프레임워크를 구축하는 접근법입니다. 기술 혁신 속도를 고려할 때, 지나치게 구체적인 규칙은 빠르게 구시대적이 될 수 있으며, 원칙 중심 접근법은 기술 변화에 더욱 탄력적으로 대응할 수 있습니다. 영국의 '데이터 윤리 혁신 센터(CDEI)'와 싱가포르의 'AI 거버넌스 프레임워크'는 이러한 접근법의 대표적 사례입니다.

AI 기술의 사회적 영향에 대한 지속적 모니터링 시스템 구축은 또 다른 중요한 방향성입니다. AI의 광범위한 도입이 고용 구조, 사회적 불평등, 민주적 프로세스 등에 미치는 장기적 영향을 체계적으로 평가하고 대응하기 위한 프레임워크가 필요합니다. 캐나다의 '알고리즘 영향 평가 도구'와 네덜란드의 '인권 영향 평가'는 이러한 접근법의 초기 형태로 볼 수 있습니다. 사회적 영향 모니터링은 단순한 기술적 성능이나 안전성을 넘어, AI가 사회 구조와 인간 관계에 미치는 복합적 영향까지 고려합니다.

모니터링

AI 시스템의 위험과 영향 관찰

분석

데이터 기반 위험 평가

조정

규제 프레임워크 업데이트

실행

개선된 규제 적용

국제 협력을 통한 글로벌 AI 거버넌스 구축은 미래 규제의 핵심 요소입니다. AI 기술과 서비스가 국경을 넘어 제공되는 현실에서, 단편화된 국가별 규제는 글로벌 디지털 경제의 효율성을 저해할 수 있습니다. G7, G20, OECD 등 국제 포럼에서의 AI 거버넌스 논의가 활발해지고 있으며, 국제 표준화 기구들도 AI 윤리와 안전성에 관한 표준을 개발하고 있습니다. 특히 EU의 AI 법안이 '브뤼셀 효과(Brussels Effect)'를 통해 글로벌 표준으로 확산될 가능성이 주목받고 있습니다.

규제 혁신을 위한 기술적 도구의 개발도 중요한 과제입니다. '규제 기술(RegTech)'과 '감독 기술(SupTech)'은 AI 시스템의 규제 준수와 감독을 자동화하고 효율화하는 기술적 솔루션입니다. 예를 들어, 알고리즘 감사 도구, 자동화된 규제 보고 시스템, 실시간 모니터링 플랫폼 등이 개발되고 있습니다. 이는 규제 비용을 절감하면서도, 더욱 효과적인 감독과 위험 관리를 가능하게 할 것입니다.

결론

AI 규제의 복잡성

인공지능 규제는 단순한 기술적 문제가 아닌, 사회적, 윤리적, 법적, 경제적 차원이 복합적으로 얽힌 문제입니다. AI 시스템의 불투명성과 자율성, 범용성은 기존 규제 틀로는 충분히 포착하기 어려운 새로운 도전을 제기합니다. 특히 머신러닝 알고리즘의 '블랙박스' 특성, 자가학습 시스템의 예측 불가능성, 그리고 AI의 광범위한 응용 가능성은 규제의 복잡성을 더욱 증가시킵니다.

또한, AI 기술이 국가 안보, 경제 경쟁력, 디지털 주권과 같은 전략적 이슈와 연결되면서, 규제는 단순한 기술 거버넌스를 넘어 국제 관계와 지정학적 경쟁의 영역으로 확장되고 있습니다. 미국, 중국, EU 등 주요 강대국 간의 AI 패권 경쟁은 규제 접근법에도 영향을 미치고 있으며, 이는 글로벌 규제 조화의 장애물로 작용할 수 있습니다.

지속적 정책 조정의 필요성

빠르게 진화하는 AI 기술 환경에서, 규제는 정적인 규칙의 집합이 아닌 지속적으로 학습하고 조정되는 동적인 프로세스여야 합니다. 규제 기관은 신기술의 등장, 새로운 위험의 발견, 산업 관행의 변화에 신속하게 대응할 수 있는 적응력을 갖추어야 합니다. 이를 위해 '학습하는 규제(Learning Regulation)' 접근법이 중요해지고 있으며, 이는 증거 기반 정책 결정, 정기적인 영향 평가, 이해관계자 피드백 메커니즘을 포함합니다.

또한, 규제 샌드박스, 정책 실험, 시범 프로젝트 등의 혁신적 규제 도구를 통해 실제 환경에서 규제의 효과성을 테스트하고 개선하는 과정이 중요합니다. 한국의 '규제자유특구'나 영국의 'AI 표준 허브'와 같은 이니셔티브는 이러한 실험적 접근의 예시입니다. 장기적으로는 규제 기관의 전문성 강화와 디지털 역량 구축이 정책 조정의 핵심 요소가 될 것입니다.

기술 혁신과 사회적 책임의 조화는 AI 규제의 궁극적 목표입니다. 규제는 혁신을 억제하는 장벽이 아닌, 신뢰할 수 있고 포용적인 AI 생태계를 구축하기 위한 사회적 합의의 표현이 되어야 합니다. 이를 위해서는 정부, 기업, 학계, 시민사회 등 다양한 이해관계자 간의 지속적인 대화와 협력이 필수적입니다. 특히 AI 개발자와 기업들이 규제를 단순한 부담이 아닌, 장기적인 신뢰와 지속가능성을 구축하는 투자로 인식하는 문화적 전환이 중요합니다.

인공지능이 우리 사회에 가져올 잠재적 혜택을 최대화하면서도, 그 위험을 효과적으로 관리하기 위해서는 혁신과 안전, 효율성과 공정성, 국가 경쟁력과 글로벌 협력 사이의 섬세한 균형이 필요합니다. 이러한 균형을 찾아가는 과정은 지속적인 사회적 논의와 정책적 학습을 통해 이루어질 것입니다.

결론적으로, AI 규제의 미래는 단일한 해결책이나 정해진 경로가 아닌, 다양한 가치와 이해관계가 협상되고 조정되는 진화적 과정이 될 것입니다. 한국을 비롯한 각국 정부는 AI의 글로벌 거버넌스에 적극적으로 참여하면서도, 자국의 사회문화적 맥락과 전략적 우선순위를 반영한 규제 접근법을 개발해 나가야 할 것입니다. 인공지능이 인류의 번영과 웰빙에 기여하는 책임 있는 기술로 발전하도록 유도하는 것이 AI 규제의 궁극적인 사명이 될 것입니다.