다가오는 AI 정부 시대, 무엇을 준비해야 하는가? 한국의 데이터 정책을 심층 분석하고 AI 정부 구현의 구체적인 방안을 제시하다 이 책은 다음과 같은 목적으로 집필되었다. 첫째, 2010년대 이후 한국의 데이터 정책을 분석하고자 한다. 제1부에서는 데이터 경제로의 전환을 위한 데이터 정책의 목표, 데이터 거버넌스, 법 제도, 기술 인프라와 플랫폼, 그리고 분야별 데이터 관련 과제들을 개관한다. 둘째, 향후 AI와 관련 기술들이 행정 및 정부 운영에 도입·활용되는 정부를 ‘AI 정부’로 정의하고, AI 정부의 모습과 구현 방안을 제안하고자 한다. 이 내용은 2부에서 살펴본다. 이 책이 한편으로는 한국 정부와 행정의 ‘제대로 된’ 디지털 전환을 앞당기는 데 기여하기 바란다. 또 다른 한편으로는 지금까지의 정부가 추진해 온 데이터 정책의 전반을 검토하고 그 발전을 함께 고민하는 계기가 되기를 기대한다. 나아가, 한국의 데이터 정책과 AI 정부 구현의 경험이 한국만의 특수한 사례로 머물지 않고 세계 각국에서의 경험과 함께 논의되어 보편성을 획득하는 데 기여할 수 있기를, 저자들은 기대하고 있다.

저자 : 엄석진 서울대학교 행정대학원 교수. 주요 연구 주제는 정부의 디지털 혁신, AI와 공공정책, 한국 행정의 역사적 변화와 연속성, 행정이론 간의 충돌과 논쟁 등이다. 최근 저서로는 『정부의 디지털 혁신』(2020, 공저), 『AI와 미래행정』(2021, 공저) 등이 있고 다수의 논문을 국내외 학술지에 발표하였다. 저자 : 고윤석 한국지능정보사회진흥원 본부장. 전문 분야는 전자정부, ICT융합, AI·데이터이다. 참여정부의 전자정부 31대 로드맵을 시작으로 박근혜 정부의 ‘창조비타민 프로젝트’, 문재인 정부의 ‘인공지능 학습용 데이터 구축사업’ 등 지난 20여 년간 다수의 국가 핵심 사업을 기획하고 추진하였다. 저자 : 박정은 한국지능정보사회진흥원 정책본부장을 역임하고 연구위원으로 재직 중이며, 경희대 객원교수를 지냈다. 주요 관심 분야는 ICT의 발전과 사회변화, AI와 공공정책, 미래사회와 국가발전 전략 등이다. 저서로는 『교양인을 위한 미디어 세미나』(공저,2008), 『대한민국 미래보고서』(공저, 2015) 등이 있으며, Cyber KOREA 21, uKOREA 전략 등 다수의 국가 중장기 ICT 전략 수립 작업에 참여한 바 있다. 저자 : 박건철 차세대융합기술연구원 AI융합연구센터장. Urban Computing & Innovation Lab.을 운영하며 도시 공간에서의 대규모 데이터 수집과 AI 모델링을 활용한 실증적 연구를 수행하고 있다. 특히 알고리즘의 편향성이 초래하는 기술 불평등 문제에 주목하며, 지속 가능한 미래도시의 방향을 모색하기 위한 다양한 연구 주제를 탐구하고 있다.

차례 서론 제1부 한국의 데이터 정책 제1장 데이터 정책 개관 1. 데이터 정책의 역사적 배경과 발전 과정 │ 2. 데이터 정책의 핵심 요소 제2장 3대 데이터 플랫폼 1. 개요 │ 2. 공공데이터포털 │ 3. 빅데이터 플랫폼 │ 4. AI Hub 제3장 한국의 데이터 정책의 성과와 과제 1. 데이터 정책의 성과 │ 2. 데이터 정책의 특성과 성공 요인 │ 3. 데이터 정책의 문제점과 한계 │ 4. 데이터 정책의 향후 과제 제4장 한국의 데이터 정책 추진의 교훈 1. 정책 추진의 적시성 │ 2. 신속하고 올바른 의사결정과 정책 실행 │ 3. 집단 지성 “크라우드 워커”의 활용 │ 4. 데이터 거버넌스 및 품질 관리 제2부 AI 정부 제5장 인공지능 서비스의 특징과 AI 정부 1. AI의 개념, 작동 방식과 구성 요소 │ 2. 인공지능 서비스의 특징 │ 3. AI 정부의 행정의 특성 제6장 AI 정부의 두뇌, 정부 인공지능 기본 모델 구현 1. 개요 │ 2. 참조 모델 선정 │ 3. 고품질의 데이터 수집 │ 4. 데이터 정제·가공 │ 5. 모델 최적화 │ 6. 사전 학습 │ 7. 미세 조정 제7장 AI 정부 에이전트 구현 방안 1. 개요 │ 2. AI 정부 단일 접속 창구, AI 정부 에이전트 │ 3. AI 정부의 두뇌, 정부 인공지능 플랫폼(GAIP) │ 4. 모든 정부 서비스 검색소, 범정부 서비스 카탈로그 │ 5. 작고 가볍고 조합이 자유로운 레고블록형 정부 서비스 │ 6. 범정부 분류 체계 기반 고품질의 기계 판독 가능 데이터 │ 7. 레고블록형 AI 정부 서비스 조합을 통한 문제 해결 제8장 AI 정부 구현을 위한 도전과 과제 1. 개요 │ 2. 정부 인공지능 모델 검증 │ 3. 기계 판독 가능 데이터로 전환 │ 4. 국가 차원의 데이터 분류 체계 수립 │ 5. 데이터의 품질 검증을 위한 국가 데이터 품질 검증 │ 6. 레고블록형 시스템으로 전환 │ 7. 가상 서비스의 적절성 검증 부록 참고문헌

2021년에는 그간의 데이터 정책 경험을 바탕으로 데이터 경제 실현을 위한 ‘데이터 기본법’을 제정했다. 데이터 시장 활성화와 활용을 촉진하기 위해 마련된 이 법은, 데이터의 생산·분석·결합·활용 촉진, 인력 양성, 국제 협력 등 산업 전반을 아우르며, 데이터의 자산 가치 인정과 권리 보장을 명시하고 있다. 또한, 데이터 품질 및 가치 측정 기반 마련, 전문 데이터 거래사의 양성, 데이터 거래소 설치, 분쟁조정위원회 운영 등 민간 참여를 유도하는 다양한 장치를 포함하여, 무단 취득·사용·공개 등의 문제를 해결하고 범국가적 거버넌스를 구축하고 있다. _ 25~27쪽/ 제1장 데이터 정책 개관

AI Hub의 목표는 공공이 AI 기술개발을 위한 기반 데이터를 제공하고, 민간이 이를 활용해 기술적으로 확장하며, 확장된 데이터를 다시 개방하는 선순환 생태계를 조성하는 것이다. 데이터뿐만 아니라 데이터 라벨링 도구 및 AI 서비스 모델도 함께 공개하여 AI 기술 개발과 서비스 확산을 동시에 지원한다. 정부는 AI 학습용 데이터 구축 지원 사업에 대규모 예산을 투입하여 양질의 데이터를 확보하는 동시에, 데이터 구축 과정에서 라벨러(labeler, 크라우드 워커) 일자리를 창출하는 효과도 기대하고 있다. _ 54쪽/ 제2장 3대 데이터 플랫폼

한국의 데이터 정책이 지속 가능하고 성과를 제고하기 위한 첫 번째 과제는 응집적이고 종합적인 데이터 거버넌스 구축이다. 데이터 거버넌스는 데이터 활용과 관련 정책 추진의 비전과 목표, 데이터 정책과 관련된 참여 조직과 분업 체계, 데이터 정책과 관련된 권한과 책임의 배분 구조를 의미한다. 좋은 데이터 거버넌스는 다양한 이해관계자와 기관들이 공통의 비전과 목표를 가지는 데 기여하며, 응집적이고 일관된 데이터 관련 정책 집행과 조정이 이루어질 수 있도록 지원한다. 이와 함께 제도와 규제, 그리고 기술적 역량을 강화하여 데이터의 가치를 창출하기 위한 통제와 관리 수준을 높인다. 또한, 데이터의 수집, 구축, 저장, 보호, 처리 및 공유와 재활용 과정에서 신뢰 수준을 높이고 가치를 창출할 수 있다. _ 77~78쪽/ 제3장 한국의 데이터 정책의 성과와 과제

우리에게 잘 알려진 글로벌 ICT 기업 중에서 아마존(Amazon)은 2018년에 자체 개발한 인공지능 채용 프로그램을 실제 적용하기 전 최종 시뮬레이션 과정에서 남성 지원자가 여성 지원자보다 지속적으로 더 높은 점수를 받는 편향이 발생하여 폐기했다. 인공지능 채용 프로그램에 이러한 편향이 발생하게 된 원인을 분석한 결과, 아마존이라는 기업의 직원 구성에 그 원인이 있었다. 인공지능 채용 프로그램은 해당 기업에서 높은 성과와 좋은 평가를 받았던 직원들의 데이터를 기준으로 판단하게 되는데, 아마존은 ICT 기업으로서 개발자가 전체 직원 수의 70% 이상을 차지했고, 이러한 개발자 중 남성 직원 수가 여성보다 압도적으로 많았다. 당연히 성과가 높은 직원들의 대부분이 남성 직원들이었고 이를 근거로 판단한 인공지능은 남성 지원자를 우대할 수밖에 없었던 것이다. _ 102~103쪽/ 제4장 한국의 데이터 정책 추진의 교훈

증강 행정(Augmented Administration)은 AI와 정보기술을 활용해 공무원 개인 또는 공공 조직의 역량을 강화하여 행정을 개선하고 성과를 제고하는 행정이다. 예를 들면, AI와 정보기술의 활용을 통해 업무상 대기 시간을 줄일 수 있고, 행정 비용을 절감하며, 자원의 부족을 극복하고, 일상적이고 반복적인 업무로부터 해방되어 좀 더 고차원적인 업무를 수행할 수 있도록 만든다. 또한 업무상 예측의 정확도를 높일 수 있으며 업무 과정을 지능화할 수 있다. 인간이 쉽게 하기 어려운 과업들, 예를 들면, 안면인식 기술을 활용해 범죄자를 색출한다든지, 사기와 위조 혐의가 있는 거래를 식별한다든지, 관련성이 높은 내용을 찾기 위해 수백만 장의 서류를 실시간으로 검사하는 일을 할 수 있다. 결론적으로 AI 및 정보기술의 활용하여 업무 처리 속도와 품질은 높이는 동시에 비용은 줄일 수 있다. _ 143쪽/ 제5장 인공지능 서비스의 특징과 AI 정부

인공지능의 기술적 흐름과 업무의 다양성, 방대한 업무량을 가진 정부의 특성을 고려했을 때, 2025년 현재 시점에서 정부 인공지능 기본 모델에 가장 적합한 모델은 초거대 언어 모델(Large Language Model: LLM)이다. LLM은 주로 딥러닝을 기반으로 자연어 처리(Natural Language Processing: NLP) 작업을 수행하는 인공지능 모델이다. LLM은 일반적으로 수십억 개 이상의 파라미터를 가진 인공신경망을 활용하여 언어의 이해와 생성에 특화된 기능을 제공한다. LLM은 대규모 텍스트 데이터를 학습하여 언어 모델링 능력을 갖추는데, 이러한 데이터에는 책, 웹사이트, 뉴스 기사 등 다양한 출처의 텍스트가 포함된다. LLM은 수십억 또는 수백억 개의 파라미터를 포함하는 거대한 신경망을 사용한다. _ 151~152쪽/ 제6장 AI 정부의 두뇌, 정부 인공지능 기본 모델 구현

인공지능 서비스를 개발하고 운영하기 위해서는 막대한 전산 자원이 필요하다. 현재, 우리에게 가장 잘 알려진 챗GPT의 개발을 위해 오픈AI는 데이터 학습에만 약 60억 원을 투입하는 등 수백억 원을 투자했다. 여기서 한 걸음 더 나아가, 메일 수백만 건 이상의 요구사항을 처리하는 챗GPT를 운영하기 위해서는 수천 대의 GPU 서버를 운영해야 하고 이를 위한 비용은 하루 수백만 달러가 소요된다. 참고로, 한 대의 GPU 서버에는 보통 8장에서 16장의 GPU가 장착되는데 엔비디아(NVIDIA) H100 가격이 5,000만 원에서 9,000만 원임을 고려하면 GPU 서버 1대를 운영하기 위해서는 최소 4억 원이 필요하고, 이러한 서버를 1,000대만 운영한다고 가정해도 4,000억 원이 소요된다. 따라서 기존의 전자정부 서비스와 같이 정부가 독자적으로 정부통합전산센터를 구축하여 AI 정부 서비스를 제공하는 것은 비용과 운영 측면에서 효율성이 떨어지게 된다. _ 188쪽/ 제7장 AI 정부 에이전트 구현 방안

정부 인공지능 플랫폼은 태생적으로 확률에 기반한 시스템이다. 인공지능이 수많은 데이터를 학습하여 주어진 질문에 가장 높은 확률의 답을 제시하도록 설계되었기 때문에 플랫폼이 제시하는 답에 항상 오류가 있을 수 있다. 따라서 정부는 플랫폼의 운영에 있어 어느 시점에서 인간의 개입이 필요한지를 분석하고 필요한 시점에 반드시 개입하여 플랫폼이 생성하는 오류를 사전에 차단하는 것이 매우 중요하다. _ 212~213쪽/ 제8장 AI 정부 구현을 위한 도전과 과제

한국 데이터 정책의 맥락을 꿰뚫고, AI 정부 시대의 길을 제시하다 AI 도입과 활용의 다차원적 구성 요소와 제도적 과제를 명쾌하게 제시 전 세계적 차원에서 이루어지고 있는 정보기술의 발전을 고려하면서, 우리 정부의 정보기술 도입과 그에 따른 행정의 변화를 다차원적으로 분석한 연구는 그리 많지 않다. 특히, 2010년대 이후 한국 정부가 추진해 온 데이터 정책을 종합적으로 제시하고 그 성과와 한계를 데이터 거버넌스, 법 제도, 플랫폼 등 기술적 기반, 데이터 측면에서 다차원적으로 분석한 연구는 충분하지 않은 것으로 판단된다. 나아가, 정부와 행정에의 AI 도입과 활용이 본격화되면서 ‘정부의 AI 전환’에 필요한 다차원적인 구성 요소와 그 결합, 그리고 사전적으로 이루어져야 할 제도적·기술적 과제들에 대한 구체적인 논의는 부족한 것으로 보인다. 정부의 디지털 혁신을 추진하는 과정에서 우리가 당면하고 있는 도전은 매우 구체적이고 정책과 기술, 제도와 사람을 모두 고려해야 하는 것들이지만, 학계의 논의 수준은 여전히 일반적이고 추상적이며 원칙적인 수준에 머물러 있다. 이와 같은 문제의식하에, 이 책은 다음과 같은 목적으로 집필되었다. 첫째, 2010년대 이후 한국의 데이터 정책을 분석하고자 한다. 제1부에서는 데이터 경제로의 전환을 위한 데이터 정책의 목표, 데이터 거버넌스, 법 제도, 기술 인프라와 플랫폼, 그리고 분야별 데이터 관련 과제들을 개관한다(제1장). 제2장에서는 한국의 핵심적인 데이터 플랫폼인 (1) 공공데이터 플랫폼, (2) 빅데이터 플랫폼, (3) AI Hub의 구성을 분석한다. 제3장에서는 데이터 정책의 성과와 한계를 분석하고 향후의 정책 방향을 제시하고자 한다. 제4장에서는 한국의 데이터 정책을 추진하는 과정에서 확인된 정책적 시사점을 제시한다. 데이터 정책 추진 과정에서 얻어진 한국의 경험은 향후 데이터 정책을 추진하는 개발도상국에게 유용한 정책 가이드가 될 것으로 생각된다. 제1부에서의 분석을 통해 한국의 데이터 정책이 진화를 거듭해 왔으며, 총체적으로는 선도국과는 다른 특성을 보여주고 있음을 제시하게 될 것이다. 나아가, 데이터 정책의 성과가 향후 AI 정부 구현의 자원이자 기반 구조로 활용될 수 있음을 보이고자 한다. 둘째, AI와 관련 기술들이 행정 및 정부 운영에 도입·활용되는 정부를 ‘AI 정부(AI government)’로 정의하고, AI 정부의 모습과 구현 방안을 제안하고자 한다(제2부). 구체적으로 AI 정부의 공공서비스는 어떤 특성을 가질 것인지, AI 정부가 지향하는 행정의 총체적 모습은 어떠해야 하는지(제5장) 살펴본다. 나아가 AI 정부의 행정서비스와 내부 관리가 이루어지기 위해서는 어떤 정보기술 기반과 데이터 및 데이터 학습이 이루어져야 할지에 대해 AI 정부 기본 모델(제6장)과 AI 정부 구현 방안(제7장)을 통해 논의하고자 한다. AI 정부 구현을 위한 다양한 기술적·정책적 과제와 도전들은 제8장에서 다루게 될 것이다.