평가 기준은 '할 수 있는지'가 아니라 '실제로 쓰는지'로 바뀌어야 합니다

독파모 2차에서 벤치마크 1위가 사용성 평가에서 탈락한 건, 이제 '기술 점수'만으로는 현장의 책임을 논할 수 없다는 신호로 읽힙니다. 문제는 벤치마크가 상대 비교라서 실사용 맥락의 안전성과 운영 부담을 전혀 반영하지 못한다는 점입니다. 정부가 탈락시킨 모델을 국무회의에서 '세계 3대 AI 강국' 근거로 홍보한 것도, 평가의 목적 자체가 실용이 아니라 정책 과시에 있었음을 스스로 드러낸 셈입니다. 이 의사결정 과정에서 정렬이나 안전 장치가 얼마나 깊게 점검됐는지, 그리고 누가 그 비용을 부담했는지 확인이 필요합니다.