PII는 돈이 안 되니 오픈소스로 — 100M 한국어 개인정보 탐지 모델 공개

자정을 갓 넘긴 0시 5분, 방에서는 해외 AI 모델이 국내 모델보다 우수하다는 인식이 사대주의에서 비롯된 것인지, 아니면 단순한 사실인지를 두고 짧은 공방이 오갔다. 한 참여자는 자신처럼 소형 회사는 70억(7B) 매개변수 미만 모델만 다룬다고 밝혔고, 2분 뒤 다른 참여자는 이를 두고 '팩트'라며 짧게 수긍했다.

이 흐름 속에서 0시 10분, 한 참여자가 예외를 하나 짚었다. 한국어 OCR과 개인정보(PII) 탐지 영역만큼은 국내 기술이 해외에 밀리지 않는다는 것이었다. 이 참여자는 곧바로 PII 탐지 모델은 수익성이 낮아 오픈소스로 공개하겠다는 뜻을 밝혔는데, 해외 모델이 낫다는 통념에 정면으로 예외를 제시하면서 동시에 그 예외를 스스로 증명해 보이겠다고 나선 셈이다.

16분 뒤인 0시 26분, 실제 공개 링크가 방에 올라왔다. 이어 0시 29분에는 허깅페이스(Hugging Face)에 게시된 이 모델에 대한 구체적인 설명이 이어졌다. 학습 단계부터 양자화 인식 학습(QAT)을 적용해 약 1억(100M) 개 매개변수 규모임에도 실제 용량은 100MB 안팎으로 줄였다는 것으로, 메모리 부담이 거의 없는 수준이라 누구나 쉽게 가져다 쓸 수 있다고 설명했다. 후처리를 거친 버전도 별도로 제공할 수 있다는 안내도 함께였다.

말과 공개 사이의 간격이 21분에 불과했다는 점도 눈에 띈다. 오픈소스로 내겠다는 선언이 그저 다짐에 그치지 않고, 같은 대화 안에서 실제 링크와 기술 사양 설명으로 곧바로 이어졌다.

수익이 크지 않은 영역이라는 이유로 상용화 대신 오픈소스 공개를 택한 이번 결정은, 대형 모델 기업들이 굳이 다루지 않는 좁은 실용 영역일수록 개인이나 소형 팀이 만든 경량 모델이 오히려 빠르게 그 공백을 메울 수 있다는 점을 보여준다. 사대주의 논쟁으로 시작된 대화가 실제 오픈소스 공개로 마무리된 흐름은, 이 방에서 논쟁이 말에 그치지 않고 실행으로 이어지는 사례가 드물지 않음을 시사한다.

이 화제에는 참여자 3명이 발화 27건을 주고받았다. 참여 인원은 많지 않았지만, 인식 논쟁에서 출발해 실제 모델 공개까지 도달한 짧고 밀도 높은 대화였다.

자정 무렵이라는 시간대도 눈에 띈다. 이날 밤 이 방에서는 자정을 전후해 온톨로지 개인 서비스 구축기, 저비용 모델 병렬 운용 습관 같은 화제도 함께 오갔는데, 이 개인정보 탐지 모델 공개 역시 비슷한 시간대에 이어진 흐름 중 하나였다. 낮 동안의 가벼운 대화와 달리, 자정을 넘긴 시간대에 유독 개인이 직접 만들고 구축한 결과물에 대한 이야기가 몰렸다는 점은, 이 방의 심야 대화가 단순한 잡담을 넘어 실제 작업물을 공유하는 시간대로 기능하고 있음을 보여주는 대목이다.