네이버·카카오·SKT는 각자 다른 생성형 AI 판을 짜고 있다

정부 파운데이션 모델 사업이 가른 노선

2026년 1월 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」(AI 기본법)이 본격 시행되면서 국내 기업의 AI 도입 환경이 제도적으로 정비됐다. 이에 앞서 2025년부터 네이버·카카오·SKT는 각자 LLM 플랫폼을 대폭 업그레이드하며 B2B·B2C 시장 공략을 강화해 왔다.

정부 주도의 독립 AI 파운데이션 모델 사업(K-독파모란)에는 네이버·SKT·NC소프트·LG AI연구원·업스테이지가 최종 선정됐다. 카카오와 KT는 이 사업에서 탈락하면서 각자 독자 노선을 더 가속화하는 국면을 맞았다.

네이버: 오픈소스로 판을 깔고 상용 모델로 수익화한다

네이버 CLOVA의 HyperCLOVA X는 한국어 특화 LLM 가운데 가장 오래된 프리트레이닝 역사를 갖고 있다. 2025년 출시된 SEED 시리즈는 상업적 활용이 가능한 오픈소스 라이선스로 생태계 확산을 노렸다.

SEED 1.5B / 3B — 경량 온디바이스·엣지 추론 대상. 한국어·한국 문화 특화 멀티모달 이해
SEED 8B Omni — 텍스트·이미지·음성 통합 멀티모달, OmniServe 추론 시스템으로 서빙
SEED 14B / 32B THINK — Reasoning 특화 모델. 32B는 2025년 12월 공개됐으며 pruning·지식 증류·강화학습 파이프라인을 결합
HCX-007 서비스 모델 — 상용 API 핵심 모델. 기존 대비 약 40% 파라미터 축소로 비용 효율화

네이버 클라우드 플랫폼(NCP)에서는 HyperCLOVA X API, RAG 연동 솔루션 CLOVA Studio, 에이전트 마켓플레이스까지 원스톱으로 제공한다. 텍스트·이미지·오디오·비디오를 통합 이해하는 다음 세대 옴니 파운데이션 모델 개발도 진행 중이다.

카카오: 카카오톡이라는 유통망을 쥔 채 에이전트로 이동한다

카카오는 독자 LLM 브랜드 'Kanana'(카나나)를 중심으로 2024년부터 멀티모달 모델 패밀리를 체계화했다. if(kakao) 2025에서는 카카오톡 전반에 AI를 통합하는 '일상 AI' 비전을 공개했다.

Kanana 텍스트 모델 — 대화·요약·분류 특화, 기업 상담 자동화 대상
Kanana MLLM — 멀티모달 언어 모델, 시각 이해와 생성 지원
카나나 나노 — 온디바이스 경량 모델, 카카오톡 인앱 AI 기능에 탑재
Kanana 2 — 에이전틱 AI 특화 오픈소스 LLM, 도구 호출·멀티스텝 추론 지원

카카오는 카카오톡의 5,000만 MAU 사용자 데이터를 한국어 프리트레이닝에 활용하는 전략적 우위를 갖는다. if(kakao) 2025에서 공개된 ChatGPT 통합, 캘린더·메일 AI 연동, AI 에이전트 플랫폼은 사용자 일상 깊숙이 파고드는 전략을 보여준다.

SKT: 통신 인프라를 AI 인프라로 확장한다

SKT는 2026년 MWC에서 전국 1기가와트 이상 규모의 초대형 AI 데이터센터를 구축해 아시아 최대 AI 허브를 목표로 한다는 비전을 제시했다. AI 플랫폼 사업은 세 축으로 구성된다.

A.X K1 — SKT 자체 소버린 모델. 519억 파라미터 규모, 한국어 특화
에이닷(A.) — B2C AI 어시스턴트, 1,000만 사용자 돌파
에이닷 비즈 코워크 — 기업 내부 AI 플랫폼. 데이터 외부 유출 차단, 코드 없는 AI 에이전트 빌딩
스펙트라(SPeCTRA) — LLM 품질 평가 자동화 플랫폼. AI가 AI를 평가하는 구조

SKT는 단순 AI 서비스 공급을 넘어 AI 인프라·플랫폼 사업자로 포지셔닝하는 Techco 전환 전략을 일관되게 추진하고 있다. 'Aster' 브랜드로 글로벌 B2B 시장도 함께 공략 중이다.

⤢✕

한국어는 그냥 또 다른 언어가 아니다

국내 플랫폼과 해외 LLM API의 가장 큰 기술적 차별점은 한국어 프리트레이닝 데이터 구성 방식에 있다. 영어 중심으로 학습된 GPT-4o나 Claude 3 계열은 한국어 추론 정확도·문화적 맥락 이해·법령·관용 표현 처리에서 일관된 성능 저하를 보인다.

네이버는 뉴스·블로그·지식iN·쇼핑 리뷰 등 수십억 건의 국내 웹 문서로 대규모 한국어 코퍼스를 구축했다. SEED 3B 모델은 한국 문화 특화 비주얼 이해까지 포함하며, SEED 32B THINK는 텍스트·이미지·음성을 통합 인식해 응답을 음성으로 출력하는 수준까지 도달했다.

카카오는 카카오톡 메시지·카카오맵·다음 뉴스 등 메신저·포털 기반 일상 언어 데이터로 구어체·비격식 표현 처리 능력을 강화했다. 자체 개발한 LMSPT 토크나이저는 음성을 AI가 처리하기 쉬운 단위로 압축·변환해 기존 방식 대비 음성 생성 속도를 약 6배 향상시켰다.

SKT는 통신 서비스 고객 데이터와 네트워크 운영 데이터를 조합해 통신·기업 특화 도메인의 AI 성능을 높였다. 스펙트라(SPeCTRA) 플랫폼으로 생성 품질을 자동 평가하는 체계도 자체 구축했다.

RAG를 어디에 얹을 것인가

기업 AI 도입에서 가장 빈번하게 선택되는 아키텍처는 RAG(Retrieval-Augmented Generation)다. 국내 플랫폼은 한국어 임베딩 모델과 검색 파이프라인을 내재화해 해외 API 대비 통합 비용을 절감할 수 있다.

플랫폼	RAG 솔루션	한국어 임베딩	기업 연동
네이버 HyperCLOVA X	CLOVA Studio RAG	자체 한국어 임베딩	NCP 통합, 온프레미스 지원
카카오 Kanana	카카오엔터프라이즈 솔루션	Kanana 임베딩	카카오워크·카카오클라우드
SKT 에이닷 비즈	코워크 플랫폼 내장	A.X 임베딩	사내 데이터 격리 구조
OpenAI GPT-4o	Azure OpenAI RAG	ada-002 / text-3	Azure 클라우드 의존
Anthropic Claude	Amazon Bedrock	Titan 임베딩	AWS 클라우드 의존

에이닷 비즈 코워크는 사내 데이터가 외부로 유출되지 않는 격리된 기업 AI 환경을 제공하며, 개발 지식 없이 드래그·드롭 방식으로 AI 에이전트를 구성할 수 있다. 이는 기업 데이터 거버넌스가 요구하는 설계 요건을 충족한다. 한국어 특화 RAG 파이프라인은 형태소 분석, 청크 전략, 리랭킹 모델에서 영어 기반 시스템과 다른 접근이 필요하며, 국내 플랫폼들은 이 영역에서 해외 LLM API 대비 명확한 우위를 갖는다.

AI 기본법이 플랫폼 선택에 미치는 영향

2026년 1월 22일부터 시행된 AI 기본법은 국내 AI 플랫폼 선택 기준에 직접 영향을 준다. 고영향 AI 10개 영역(채용·대출 심사·의료·교육·교통 등)에는 투명성 의무, 결과 설명 가능성, 데이터 감사 체계가 요구된다. 위반 시 과태료는 최대 3천만원 수준으로 EU AI Act(글로벌 매출의 7%)에 비해 낮지만, 2027년 이후 강화될 예정이다.

국내 AI 플랫폼을 선택할 때의 규제 대응 이점은 다음과 같다.

국내 서버 내 데이터 처리로 개인정보보호법·AI 기본법 준수가 용이하다
클라우드 의존 없는 온프레미스 배포 옵션을 네이버·SKT가 제공한다
한국어 설명 가능성(XAI) 리포트를 지원해 국내 감사 기관 제출에 대응할 수 있다

반면 해외 LLM API는 데이터의 역외 이전 이슈, 설명 가능성 한계, 계약·SLA 분쟁 시 국내법 적용 불확실성 같은 리스크가 있다.

비용은 토큰 단가만으로 계산되지 않는다

2026년 기준 국내·해외 LLM 도입 비용의 TCO 비교는 단순 토큰 단가 이상의 요소를 따져야 한다.

해외 API 비용 요소로는 토큰 단가(GPT-4o 기준 입력 $2.50/1M, 출력 $10.00/1M), 환율 변동 리스크, 네트워크 레이턴시(서울↔미국 동부 150~~200ms), 한국어 토큰화 비효율(한국어 1문장은 영어 대비 토큰 1.5~~2배 소모)이 있다.

국내 API는 원화 과금으로 환율 리스크가 없고, 국내 IDC 배치로 레이턴시가 20ms 이하이며, 한국어 최적화 토크나이저로 동일 문장 대비 20~40% 토큰을 절감하고, 정부 바우처·K-클라우드 크레딧을 활용할 수 있다.

한국어 집중 활용 기업의 경우 국내 플랫폼 TCO가 해외 API 대비 실질적으로 30~50% 저렴한 경우가 많으며, RAG 파이프라인 구성 시 한국어 임베딩 품질 차이가 검색 정확도와 운영 효율에도 영향을 준다.

에이전틱 파이프라인으로의 이동

2026년 기업 AI 도입의 핵심 화두는 단순 질의응답을 넘어선 에이전틱 파이프라인 구성이다. 국내 플랫폼들은 MCP(Model Context Protocol) 호환과 함수 호출 API를 점진적으로 강화하고 있다.

⤢✕

에이닷 비즈 코워크는 이 파이프라인을 GUI로 구성할 수 있도록 지원해 비개발자 부서도 AI 에이전트를 직접 설계하고 실행 가능한 결과물을 만들 수 있다. 네이버 CLOVA Studio는 API 조합 방식으로 동일한 구조를 커스터마이즈할 수 있고, 카카오는 Kanana 2의 도구 호출 능력을 강화해 카카오워크·카카오클라우드 생태계 안에서 자동화 파이프라인 구성을 지원한다.

아키텍처 설계자가 눈여겨볼 지점

국내 AI 플랫폼 도입은 실무적으로 세 가지 관점에서 접근할 수 있다.

시스템 아키텍처 관점에서는 한국어 특화 임베딩과 RAG 파이프라인을 마이크로서비스 아키텍처(MSA)로 분리해 AI 기능의 독립 배포와 스케일링을 실현할 수 있다. AI 플랫폼 API를 게이트웨이 패턴으로 추상화하면 해외 LLM API와 국내 플랫폼 간 전환 용이성도 확보된다.

데이터 거버넌스 관점에서는 개인정보보호법·AI 기본법에 따라 고영향 AI 시스템에 데이터 처리 로그와 설명 가능성 요건이 적용된다. 국내 플랫폼의 온프레미스 배포 옵션은 데이터 역외 이전 리스크를 해소하는 수단이 된다.

비용 최적화 관점에서는 오픈소스 HyperCLOVA X SEED 경량 모델을 자체 서버에 배포해 API 비용을 완전히 제거하거나, 대형 쿼리는 상용 API로 소형 분류·요약은 자체 경량 모델로 계층 분리하는 하이브리드 전략을 채택할 수 있다.

경쟁이 만드는 2026년 지형

한국 생성형 AI 플랫폼 시장은 2026년을 기점으로 세 방향으로 수렴한다.

첫째, 멀티모달 통합이 가속된다. 네이버의 SEED 32B THINK가 텍스트·이미지·음성을 통합한 것처럼 국내 플랫폼 모두 멀티모달을 기본 기능으로 흡수하는 추세다. 카카오의 카나나-O, SKT의 에이닷 영상·음성 기능도 이 흐름에 부합한다.

둘째, 에이전틱 AI로의 전환이다. 단순 챗봇에서 멀티스텝 도구 사용·계획 수립·실행을 포함한 에이전트 아키텍처로 이동 중이다. 카카오의 Kanana 2, SKT의 에이닷 비즈, KT의 드래그·드롭 에이전트 빌더가 이를 반영한다.

셋째, 소버린 AI 경쟁이 심화된다. AI 기본법 시행, K-독파모란 사업, 정부의 AX-Sprint 프로그램(7,540억원 지원)을 배경으로 국산 AI 생태계 육성이 국가 전략 차원에서 강화되고, 이는 기업 조달에서 국내 AI 플랫폼 선택에 대한 정책적 유인으로 작동한다.