• ZDNet USA
  • ZDNet China
  • ZDNet Japan
  • English
  • 지디넷 웨비나
뉴스
  • 최신뉴스
  • 방송/통신
  • 컴퓨팅
  • 홈&모바일
  • 인터넷
  • 반도체/디스플레이
  • 카테크
  • 헬스케어
  • 게임
  • 중기&스타트업
  • 유통
  • 금융
  • 과학
  • 디지털경제
  • 취업/HR/교육
  • 생활/문화
  • 인사•부음
  • 글로벌뉴스
스테이블코인
배터리
AI의 눈
IT'sight
칼럼•연재
포토•영상

ZDNet 검색 페이지

'학습 데이터'통합검색 결과 입니다. (10건)

  • 태그
    • 제목
    • 제목 + 내용
    • 작성자
    • 태그
  • 기간
    • 3개월
    • 1년
    • 1년 이전

"AI 학습, 사진 2장이면 충분"…스누아이랩, 국제 권위 학회서 기술력 입증

단 2장의 사진으로 인공지능(AI)을 학습시킬 수 있는 방법을 제시한 국내 기업의 기술이 국제 권위 학회에서 인정받았다. 그동안 적게는 수천, 수만장의 데이터가 필요했던 AI 학습과정의 비용을 낮출 뿐 아니라 데이터가 부족한 분야도 보다 원할하게 AI를 도입할 수 있을 것으로 주목 받고 있다. 스누아이랩은 24일 이미지 노이즈 합성 모델 연구 논문이 '전미인공지능학회 2026(AAAI 2026)'에 채택됐다고 밝혔다. AAAI는 미국인공지능협회가 주관하는 학회 시리즈로, 전 세계 연구자와 기업이 최신 AI 연구 성과를 경쟁하는 대표 무대 중 하나로 꼽힌다. 이번 AAAI 2026에 2만3천680건의 논문이 제출됐고 4천167건이 채택돼 채택 비중이 약 18% 수준다. 단 2장의 이미지로 데이터 부족 해결…해법은 AI 합성 채택 논문 제목은 '가이드노이즈: 일반화된 노이즈 합성을 위한 단일 쌍 가이드 확산 모델(GuidNoise: Single-Pair Guided Diffusion for Generalized Noise Synthesis)'이다. 핵심은 원본이미지 한장과 노이즈가 발생한 사진 1장만 있으면 카메라와 촬영 환경에서 나타나는 불필요한 요소(노이즈)를 더한 학습용 데이터를 만들 수 있다는 점이다. 이를 통해 데이터가 부족해도 데이터를 만들어 학습을 진행할 수 있는 구조다. 현실 세계에서 발생하는 노이즈는 생각보다 복잡하다. 카메라 센서 특성, 이미지 신호 처리(ISP) 과정, ISO 감도, 조명, 촬영 온도 같은 조건이 겹치면서 노이즈의 형태가 달라진다. 같은 카메라라도 설정이 바뀌면 패턴이 바뀐다. 예를 들어 CCTV나 스마트폰 카메라로 촬영한 영상은 밤이 되거나 조명이 어두우면 충분한 빛을 확보하지 못해 화질 저하가 발생한다. 또한 태양광, LED 조명 등 광원의 종류나 피사체의 재질에 따라 카메라 센서가 받아들이는 노이즈의 패턴과 색감은 미세하게 달라진다. 스누아이랩이 제시한 기술은 원본 이미지의 반사광이나 명암을 인식해 그 환경에 맞는 현실적인 노이즈를 입혀줌으로써 AI가 다양한 조명 환경에 적응하도록 돕는다. 그동안 이를 해결위해 현장에서 수천 장의 사진을 일일이 찍어 데이터를 모아야 했다. 비용과 시간이 막대하게 드는 만큼 제조 라인, 보안 관제, 의료 영상처럼 촬영 조건이 다양하고 미세한 영역일수록 비용과 시간이 부담이 됐다. 스누아이랩은 논문을 통해 자체 개발한 가이드노이즈 기술을 이용해 원본사진과 노이즈가 있는 사진 한쌍으로 해당 환경의 노이즈 특성을 완벽하게 분석해낼 수 있음을 증명했다. 반면 가이드노이즈는 확산모델 기반 생성 방식을 활용해, 메타데이터 없이도 '가이드 이미지 1쌍'에서 노이즈의 질감과 분포를 읽어내고 이를 다른 이미지로 전이하는 방식을 제안했다. 이 기술을 적용하면 AI는 2장의 샘플을 가이드 삼아 특정 카메라로 찍은 것과 동일한 품질의 노이즈 이미지를 무한대로 합성해낼 수 있다는 구상이다. 논문은 이를 위해 두 가지 기술을 결합했다. 먼저 가이드 인식 변형 기술(GAFM)은 가이드 이미지에서 추출한 노이즈 특징을 신경망 내부의 특징 맵 수준에서 조정해 깨끗한 입력 이미지에 자연스럽게 반영한다. 노이즈 인식 정제 손실 기술은 합성 결과가 실제 노이즈의 분포와 더 가깝게 맞춰지도록 학습 목표를 추가한다. 연구지는 결과가 최종 이미지에 수렴하는 마지막 단계에서 정제를 집중해 미세한 차이를 줄이려 했다고 밝혔다. 진짜 같은 노이즈 생성…기존 모델 대비 15% 이상 우위 연구팀은 가이드노이즈의 성능을 검증하기 위해 세계적으로 통용되는 노이즈 데이터셋인 SIDD 등을 활용해 비교 실험을 진행했다. 논문에 따르면 노이즈의 실제 유사도를 나타내는 지표인 '평균 쿨백-라이블러 발산(AKLD)' 평가에서 가이드노이즈는 0.113을 기록했다. 이 평가는 수치가 낮을수록 생성된 노이즈가 실제와 유사함을 뜻한다. 가이드노이즈의 기록은 기존 최신 기술인 NA플로우가 기록한 0.131나 NeCA의 0.133 대비 오차를 약 15% 이상 줄인 수치로 현존하는 모델 중 가장 실제에 가까운 노이즈를 생성한 것이다. 특히 합성된 데이터의 실용성이 돋보였다. 연구팀이 합성 데이터만으로 학습시킨 AI 모델의 이미지 복원 성능(PSNR)은 37.07 데시벨(dB)**을 기록했다. 이는 실제 데이터를 사용해 학습했을 때의 성능인 37.16dB과 비교해 차이가 0.1dB 미만에 불과한 수준이다. 값비싼 실제 데이터 수집 없이 합성 데이터만으로도 상용화 수준의 고성능 AI를 개발할 수 있다는 가능성을 수치로 증명한 것이다. 스누아이랩 측은 이 기술이 데이터 확보가 어려운 산업 현장에서 빛을 발할 것으로 전망했다. 데이터 반출이 힘든 반도체 제조 공장이나 개인정보 문제로 데이터 수집이 까다로운 의료 영상 분야에서도 소량의 샘플만으로 고성능 AI 모델을 구축할 수 있을 것이란 예상이다. 더불어 비전 AI의 전처리, 복원 품질을 끌어올리는 기반 기술이 될 수 있다고 보고 있다. 노이즈가 줄면 객체 탐지, 결함 분류, 문자인식(OCR), 이상 징후 탐지 등 후속 모델의 정확도도 함께 개선될 여지가 크다는 분석이다. 유명호 스누아이랩 대표는 "이번 AAAI 논문 채택은 스누아이랩의 연구 성과가 글로벌 무대에서 경쟁력을 인정받은 결과"라며 "현실 제약이 큰 산업 현장에서 저비용, 고효율로 성능을 끌어올릴 수 있는 비전 AI 기술을 지속적으로 고도화하겠다"고 밝혔다.

2025.12.24 10:01남혁우 기자

앤트로픽, 구글 TPU 핵심 파트너와 AI 데이터센터 구축 '박차'

인공지능(AI) 인프라 경쟁이 본격화되는 가운데, 앤트로픽이 구글의 핵심 파트너로 떠오른 네오클라우드 기업 플루이드스택과 초대형 데이터센터 구축에 박차를 가한다. 18일 월스트리트저널(WSJ)에 따르면 플루이드스택은 미국 루이지애나주에 건설되는 대규모 AI 데이터센터에서 앤트로픽이 활용할 고성능 컴퓨팅 클러스터 운영을 맡게 됐다. 해당 프로젝트는 단계별로 확장되는 구조로, 초기에는 약 245메가와트(MW) 규모의 연산 용량이 제공될 예정이다. 이 인프라는 앤트로픽이 대규모 언어모델(LLM)을 학습·운영·확장하는 데 활용된다 . 이번 협력에서 플루이드스택은 단순 임대 사업자를 넘어 AI 연산 인프라 운영의 중심 역할을 맡는다. 회사는 구글 텐서처리장치(TPU) 생태계의 핵심 파트너로, 최근 '제미나이 3' 학습용 TPU 인프라를 공급하며 급부상했다. TPU 중심 전략을 앞세워 AI 모델 개발사들의 엔비디아 그래픽처리장치(GPU) 의존도를 낮추는 동시에 대형 데이터센터와 AI 슈퍼컴퓨팅 인프라 구축에 속도를 내고 있다 . 플루이드스택은 현재 약 7억 달러(약 1조345억원) 규모의 신규 투자 유치를 추진 중이며 투자 성사 시 기업가치는 70억 달러(약 10조원)에 이를 것으로 전망된다. 구글과 골드만삭스가 투자 논의에 참여한 것으로 알려졌고 프랑스에 100억 유로(약 17조원) 규모의 AI 슈퍼컴퓨팅 센터를 구축하는 계획도 공개했다. 이는 글로벌 AI 인프라 수요가 급증하는 가운데, 기술 기업과 금융권이 결합한 새로운 데이터센터 투자 모델을 대표하는 사례로 평가된다. 앤트로픽 역시 공격적인 인프라 투자에 나서고 있다. 회사는 총 500억 달러(약 73조원)를 투입해 미국 내 맞춤형 AI 데이터센터를 구축할 계획이며 텍사스와 뉴욕을 시작으로 내년부터 순차 가동한다. 이 과정에서 플루이드스택과의 협력은 앤트로픽이 안정적인 연산 자원과 전력을 확보하는 핵심 축으로 작동할 전망이다. 업계에서는 앤트로픽의 대규모 인프라 투자가 오픈AI, 메타 등 경쟁사들의 초대형 프로젝트에 대응하기 위한 전략적 선택으로 보고 있다. 생성형 AI 성능 경쟁이 연산 능력과 전력 확보 경쟁으로 확산되면서 클라우드 사업자의 위상도 빠르게 높아지고 있다는 분석이 나온다. 플루이드스택이 단기간에 구글과 앤트로픽을 지원하는 글로벌 AI 인프라 핵심 사업자로 부상한 배경도 이같은 흐름과 맞물려 있다 . 앤트로픽은 "이번 데이터센터 구축을 통해 보다 강력하고 안전한 AI 시스템을 개발하고 과학적 발견과 산업 전반의 혁신을 가속화할 수 있을 것으로 기대한다"고 밝혔다.

2025.12.18 13:31한정호 기자

베일 벗은 카카오·오픈AI 첫 협업물…"추가 협업도 가능"

카카오가 오픈AI와의 첫 협업물로 카카오톡에 챗GPT를 탑재한 '챗GPT 포 카카오'를 출시한 가운데, 추가적인 협업 가능성을 내비쳤다. 챗GPT와 카나나의 카톡 채팅 학습 가능성에 대한 우려를 일축했을 뿐만 아니라 자사 서비스를 연동한 '카카오 툴즈'에 외부 대형 서비스 제휴 여지도 남겨뒀다. 유용하 카카오 AI에이전트플랫폼 성과리더는 28일 경기도 판교 카카오아지트에서 열린 기자간담회에서 “추후 더 추가적인 전용 API를 이용한 협업의 여지나 새로운 전용 서비스, 상품 출시도 충분히 가능할 것”이라며 “다만, 현재 서비스(챗GPT 포 카카오)가 어느 정도 안정화되고 방향성이 정해진 후 추진할 수 있을 것”이라고 이같이 말했다. 이날 카카오는 현장에서 카카오톡에 챗GPT를 적용한 '챗GPT 포 카카오'와 카톡 안 대화 맥락을 파악해 먼저 메시지를 보내주는 '카나나 인 카카오톡'을 소개했다. 챗GPT 포 카카오는 카톡 안에서 대화하면서 채팅탭 상단에 위치한 챗GPT 버튼을 클릭해 서비스를 사용할 수 있는 기능이다. 오픈AI의 최신 언어모델인 'GPT-5'를 적용해 검색, 이미지 업로드·생성과 같은 기능을 모두 제공한다. 챗GPT 포 카카오는 '카카오 툴즈'를 활용해 카카오의 다양한 서비스와 연동되는 것이 특징이다. 카카오 툴스 안에는 카카오맵, 카톡 예약하기, 카톡 선물하기, 멜론이 포함되며 이용자의 요청에 따라 해당 서비스들이 자동으로 연결되는 경험을 제공한다. 이 과정에서 발생할 수 있는 광고 상품 우선 노출 우려에 대해서는 선을 그었다. 강지훈 카카오 AI디스커버리 성과리더는 “선물하기 추천 기능은 사실 광고라고 보고 어렵고, 숨어 있는 선물을 추천하는 기능”이라며 “오히려 이용자 편의성 위주로 가게 되는 기능에 더 가깝다”고 언급했다. 카카오 내부 기능이 우선 탑재된 카카오 툴스와 외부 서비스와의 제휴 가능성도 열어뒀다. 유 성과리더는 “외부 파트너사의 경우 올해 프로젝트가 시작됐고 출시하기까지 굉장히 짧은 시간이었기 때문에 제휴까지 진행하기는 짧은 시간”이라면서도 “외부 서비스도 내년부터 순차적으로 적용할텐데 사용자들의 선택에 최대한 초점을 맞출 예정이고 새로운 패러다임으로 발전할 수 있는 대형 제휴사도 충분히 들어올 수 있을 것”이라고 답했다. 보안 관련해서 임원진들은 카톡에서 나눈 대화가 챗GPT 뿐만 아니라 자체 모델인 카나나의 학습에도 활용되지 않는다고 강조했다. 유 성과리더는 “챗GPT 포 카카오에서 사용되는 여러 내용은 자체 모델(카나나) 학습에 사용되지 않는다. 카톡에서의 대화와 챗GPT는 완전히 서비스적으로 분리돼 있기 때문에 대화가 임의로 넘어가는 경우는 절대 없다”며 걱정을 일축했다. 챗GPT 포 카카오는 이용자가 직접 대화 내용 저장 여부와 AI 학습 반영 여부를 자유롭게 선택할 수 있으며 모든 이용자 정보는 카카오와 챗GPT의 개인정보 보호 정책에 따라 보호된다는 설명이다. 챗GPT 포 카카오는 이날부터 출시되며, 현재 아이폰15 프로 이상의 모바일 기기를 지원하는 카나나 인 카카오톡은 베타테스트를 거쳐 내년 1분기 중 안드로이드로 서비스 확대 후 정식 서비스로 선보일 예정이다.

2025.10.28 16:01박서린 기자

AI 시대 '국가데이터처' 출범…업계 "정제·품질 관리가 관건"

통계청이 국무총리 산하 '국가데이터처'로 승격하며 범정부 데이터 컨트롤타워로 새출발한다. 인공지능(AI)·소프트웨어(SW) 산업계에서는 데이터 거버넌스 강화에 기대를 보이면서도 정제와 품질 관리가 뒷받침되지 않으면 실효성이 떨어질 수 있다는 지적이 나온다. 13일 업계에 따르면 국가데이터처 출범은 공공·민간에 흩어진 데이터를 통합 관리하고 활용 체계를 정비하려는 정책 방향을 구체화한 것으로 평가된다. 이번 승격으로 국가데이터처는 단순 통계 생산기관에서 벗어나 데이터 정책 전반을 총괄하는 기구로 확대된다. 이를 통해 정부는 부처 간 칸막이를 해소하고 국가 차원의 데이터 관리·연계·활용 기능을 강화한다는 구상이다. 그동안 공공데이터는 행정안전부, 개인정보는 개인정보보호위원회, 민간데이터는 과학기술정보통신부가 각각 관리하면서 효율성이 떨어진다는 지적이 이어져 왔다. 국가데이터처는 이런 구조를 조정할 실질적 권한을 확보해야 한다는 목소리가 나온다. SW 업계 관계자는 "그간 데이터 개방은 많았지만 정책적 체계가 미흡했다"며 "국가데이터처가 중심을 잡으면 민간의 데이터·AI 사업도 안정적으로 확장될 수 있을 것"이라고 말했다. 이와 관련해 AI 업계는 데이터 정제와 표준화 문제를 핵심 과제로 꼽는다. AI 학습용 데이터가 부정확하거나 형식이 제각각이라 품질이 낮다는 점이 반복적으로 지적돼 왔기 때문이다. 한 AI 스타트업 대표는 "AI 시대에는 데이터 양보다 질이 중요하다"며 "라벨링 오류와 형식 불일치 문제를 해결하지 않으면 AI 개발 효율이 떨어질 수 있다"고 지적했다. 공공데이터가 엑셀·PDF 등 비정형 형태로 제공돼 AI 학습에 직접 활용하기 어려운 현실도 문제점으로 제기되고 있다. 이에 국가데이터처가 표준화된 데이터 구조를 마련해 민간 활용도를 높여야 한다는 의견도 나온다. 정부는 국가데이터처를 중심으로 공공·민간 데이터를 아우르는 범정부 거버넌스를 구축하고 데이터 품질 관리와 연계 활성화를 동시에 추진한다는 방침이다. 이를 통해 데이터 경제의 경쟁력과 AI 산업 기반을 강화할 계획이다. 다만 업계에서는 실질적 권한과 예산이 보장되지 않으면 변화가 제한적일 수 있다는 우려도 있다. 한 관계자는 "간판만 바뀌면 또 다른 행정조직에 불과하다"며 "데이터 정책의 조정권과 실행력이 실제로 확보돼야 한다"고 말했다. 민관 협력을 통한 품질 검증 체계 마련도 필요하다는 목소리가 나온다. 데이터 정제와 품질 인증이 체계화돼야만 공공데이터가 산업 현장에서 바로 활용될 수 있다는 것이다. SW 업계 관계자는 "데이터 개방 정책은 AI 시대에 당연히 필요하지만 결국 산업에서 쓸 수 있는 형태로 정제되지 않으면 의미가 없다"며 "정부가 품질 검증과 표준화를 민간과 함께 추진해야 한다"고 제언했다. 국가데이터처는 향후 AI가 통계 데이터를 해석·추론할 수 있는 메타데이터 체계를 구축하고, 부처 간 데이터 연계 정책을 조정하는 역할을 맡게 될 전망이다. 정부는 공공·민간 데이터가 행정뿐 아니라 산업 전반에서도 활용될 수 있도록 지원한다는 방침이다. 업계 관계자는 "국가데이터처 출범이 국가 데이터 혁신의 출발점이 되길 기대한다"며 "정부가 민간과 협력해 신뢰할 수 있는 데이터 생태계를 만들어야 AI 시대 경쟁력을 확보할 수 있다"고 강조했다.

2025.10.13 17:20한정호 기자

앤트로픽, 사용자 대화로 AI 훈련…데이터 최대 5년 보관

앤트로픽이 자사 챗봇 서비스 '클로드' 이용자의 대화 데이터를 인공지능(AI) 학습에 활용하기로 하고, 다음 달 28일까지 '거부(옵트아웃)' 여부를 선택하는 정책을 도입한다. 29일 테크크런치 등 외신에 따르면 이번 정책 변경은 소비자용 서비스인 클로드 프리·프로·맥스·코드 이용자에게 적용된다. 그동안 클로드의 대화와 코드 입·출력은 30일 내 자동 삭제됐고 정책 위반이 의심되는 경우에만 최대 2년간 보관됐다. 그러나 이번 정책 변경으로 앞으로는 이용자가 옵트아웃하지 않을 경우 데이터가 최대 5년간 보관되며 모델 학습에도 활용된다. 앤트로픽은 공지를 통해 "이용자가 학습 참여를 허용하면 유해 콘텐츠 탐지 정확도와 코딩·분석·추론 성능이 개선된다"며 "미래 모델 발전에도 기여할 수 있다"고 설명했다. 업계는 이번 조치가 사실상 대규모 학습 데이터 확보 전략으로 보고 있다. 수백만 건에 달하는 사용자 대화를 학습에 반영해 오픈AI·구글 등 경쟁사 대비 우위를 확보하려는 의도로 풀이된다. 이번 변화는 업계 전반의 흐름과도 맞닿아 있다. 오픈AI는 최근 뉴욕타임스 등 언론사와의 소송과 관련해 법원으로부터 모든 소비자 대화 데이터를 무기한 보관하라는 명령을 받았다. 이에 따라 규제와 소송 환경 속에서 AI 기업들이 데이터 보관·활용 정책을 재정비할 수밖에 없다는 분석이 나온다. 다만 많은 이용자가 이러한 정책 변경을 제대로 인지하지 못한다는 점은 문제로 지적된다. 앤트로픽은 기존 이용자에게 '소비자 약관 및 정책 업데이트' 안내 팝업을 띄우는데 화면에는 '수락' 버튼이 크게 표시되는 반면, 데이터 학습 동의 여부를 설정하는 토글은 작게 배치돼 있으며 기본값이 '온(ON)'으로 설정돼 있다. 이 때문에 무심코 수락을 누르면 학습 동의까지 하게 되는 구조다. 미국 연방거래위원회(FTC)는 서비스 약관을 눈에 띄지 않게 바꾸거나 세부 조항을 하이퍼링크·법률 용어 속에 숨기는 행위에 대해 제재할 수 있다고 경고한 바 있다. 그러나 현재 FTC가 5명 중 3명 위원만 활동 중이라 이번 앤트로픽 조치에 실제로 개입할 가능성은 크지 않다는 전망이 나온다. 앤트로픽 측은 "이번 조치는 사용자들이 학습 참여 여부를 직접 선택할 수 있도록 한 것"이라며 "보다 안전하고 유용한 AI 모델을 만드는 데 기여할 것"이라고 밝혔다.

2025.08.29 10:28한정호 기자

구글, AI 학습 데이터 '1만 분의 1'로 줄이는 방법 찾았다

구글이 대규모 언어모델(LLM) 학습에 필요한 데이터를 획기적으로 줄이는 '액티브 러닝(Active Learning)' 기반 데이터 선별 기법을 지난 7일(현지시간) 자사 블로그에 공개했다. 기존에는 수십만 건 이상이 필요한 학습 데이터를 단 수백 건으로 줄이면서도, 모델 성능을 유지하거나 오히려 개선하는 결과를 얻었다는 설명이다. 이번 연구는 온라인 광고에서 '정책 위반'이나 '유해 콘텐츠'를 판별하는 모델 고도화를 목표로 했다. 광고 안전성 판별은 단순 키워드 필터링을 넘어, 문화·맥락을 이해하는 고급 해석 능력이 필요하다. 이런 복잡한 작업에는 LLM이 유리하지만, 고품질 학습 데이터 확보가 어렵고 비용이 많이 든다는 한계가 있었다. 특히 광고 정책이 바뀌거나 새로운 유형의 유해 콘텐츠가 등장하면, 방대한 데이터를 다시 수집·학습해야 하는 문제도 있었다. 구글이 제안한 방식은 '적은 양의 고품질 데이터'로도 모델을 빠르게 재학습할 수 있게 하는 것이 핵심이다. 먼저, 예시 몇 개만 제공한 초기 모델(LLM-0)로 광고를 분류한 뒤, 분류 결과를 비슷한 특성끼리 묶어(클러스터링) 모델이 혼동하는 영역을 찾는다. 이후 서로 다른 판정을 받은 비슷한 사례 쌍을 전문가에게 보내 정확한 판정을 받는다. 이렇게 선별된 데이터는 다양성과 정보성을 동시에 확보하며, 다음 학습에 활용된다. 이 과정을 반복해 모델과 전문가의 의견 일치율을 높인다. 성능 평가는 '코헨 카파(Cohen's Kappa)'라는 지표를 활용했다. 이는 정답이 명확하지 않은 분류 작업에서 두 명의 판정자가 우연 이상의 수준으로 얼마나 일치하는지를 나타낸다. 카파 값이 1에 가까울수록 의견 일치도가 높다. 실험 결과, 구글은 10만 건의 대규모 데이터 대신 250~450건의 전문가 판정 데이터만으로도 기존과 같은 수준, 혹은 65% 향상된 모델 정합도를 달성했다. 특히 파라미터가 큰 모델일수록 데이터 절감 효과가 극대화돼, 실서비스에서는 최대 1만 배 적은 데이터로도 품질을 유지하거나 개선할 수 있었다고 밝혔다. 구글은 이번 방식이 광고 안전성뿐 아니라 정책이 자주 변하거나 위험 요소가 빠르게 진화하는 다른 분야에도 적용 가능하다고 보고 있다. 구글 측은 “LLM의 폭넓은 탐색 능력과 전문가의 정밀한 판별을 결합해 데이터 병목 현상을 해소할 수 있다”며 “앞으로도 데이터 품질과 효율성을 동시에 높이는 연구를 이어갈 것”이라고 말했다.

2025.08.10 08:58백봉삼 기자

'소재 실험 데이터' 표준화된다…소재 기업 AI 활용 지원

소재 기업의 인공지능(AI) 활용 지원을 위해 '소재 실험 데이터' 양식을 표준화한다. 산업통상자원부 국가기술표준원은 소재 실험 시 생성되는 데이터(조성–공정–물성)의 공통 구조와 수집 양식에 대한 국가 표준(KS)을 제정했다고 24일 밝혔다. 이번 KS 제정은 산업부가 추진 중인 '가상공학플랫폼구축 사업(소재 데이터 사업)'의 하나로 AI 기반 소재 개발의 필수 요건인 '연구자 간 데이터 호환성'을 확보하기 위해 추진됐다. 소재 산업은 신제품을 개발할 때 장기간 반복 실험이 수반되면서 양질의 데이터가 축적되는 특성을 갖고 있다. 다만 데이터 표준이 업어 기관 간 데이터 공유와 AI를 활용한 협업 연구로 확장되기에는 현실적 제약이 있었다. 산업부는 선진국 보다 업력이 짧은 국내 소재 기업의 데이터·AI 기반 소재 개발을 촉진하기 위해 소재 데이터 국가 표준화를 추진했다. 국표원이 제정한 KS는 4개 소재 분야(화학·금속·세라믹·섬유) 개발 과정이 '조성–공정–물성' 3단계로 구분돼 있다. 원료명·투입량 등 총 60개의 데이터 구조·항목이 표준화됐다. 또, 각 단계별 필수 입력값과 단위·데이터 유형 등이 정의돼 실험 조건과 측정 결과를 체계적으로 기록할 수 있도록 구성됐다. 소재 기업은 이 표준을 활용해 고품질 데이터를 생성하고, 이를 AI 모델의 학습 데이터로 활용해 최적의 원료 조합과 공정 조건을 도출할 수 있다. 김대자 산업부 국가기술표준원장은 “이번 표준은 기업의 소재 개발 기간을 단축하고, 개발 효율성과 성공률을 높이는데 기여할 것으로 기대된다”면서 “앞으로도 다양한 산업에서 AI 활용이 확산할 수 있도록 필요한 표준화를 적극 추진해 나가겠다”고 밝혔다.

2025.07.24 09:32주문정 기자

KT, 한국적 AI 위한 'K 데이터 얼라이언스' 출범

KT는 16일 서울 송파구 소피텔 앰배서더 서울에서 'K 데이터 얼라이언스' 협약식을 개최했다고 밝혔다. 이는 한국적 AI 경쟁력의 핵심인 고품질 데이터를 신뢰성 있게 교류하고자 한국 대표 기업, 공공기관, 학계 간 협력을 본격화하는 취지다. 이날 협약에는 KT를 비롯해 고려대 민족문화연구원, 두산디지털이노베이션, 아이스크림에듀, 중앙일보, EBS, 한글학회 등 7개 기관이 참여해 'K 데이터 얼라이언스' 출범을 공식화했다. 이어 AI 데이터 생태계 구축에 대한 논의도 진행됐다. KT는 주관사로서, 한국어 고유 표현과 사회·문화적 맥락, 사용자 목적을 반영한 고품질 데이터의 중요성을 강조했다. 또한, 각 기관이 보유한 한국적 데이터 공유의 의미와 가치를 역설했다. 이번 얼라이언스 결성은 한국적 AI의 구현과 활용을 넘어, 협력과 개방을 통한 생태계 확산과 글로벌 경쟁력 확보를 위한 공감대에서 출발했다. 참여 기관들은 앞으로 ▲한국적 AI를 위한 데이터 구축 ▲도메인별 선도 사례 창출 ▲성과 홍보 및 대외 확산 ▲인문·사회 분야 연구를 위한 협력 등을 추진할 계획이다. KT는 한국의 언어, 문화, 지식 등 정체성을 담은 AI 개발을 위해 교육, 인문, 역사, 언론 등 각 분야 대표 콘텐츠를 보유한 기관들과의 연합을 주도해 왔다. 각 기관의 콘텐츠는 고품질 데이터로 가공·구조화돼, KT의 독자 모델 '믿:음 2.0', 마이크로소프트 협력 기반 GPT, 오픈소스 모델 등 다양한 한국형 AI 학습에 활용된다. 특히, EBS의 질문-답변형 학습 콘텐츠는 AI의 추론 능력을 높이는 핵심 자원이며, 중앙일보의 뉴스 콘텐츠는 한국 사회와 문맥을 깊이 이해하는 데 유용한 학습 기반으로 평가된다. 앞으로 KT는 정기 협의체 운영, 성과 공유, 신규 과제 발굴 등을 통해 얼라이언스의 실행력을 강화하고, 참여 기관을 확대해 데이터·모델·서비스로 이어지는 정교한 한국형 AI 생태계를 구축할 방침이다. 이날 행사에 참여한 허은 고려대학교 민족문화연구원 원장은 “한국적 AI 발전을 위해 높은 수준의 한국학 전문 자료를 AI 학습용 데이터로 활용하는 것은 필수”라며 “K 데이터 얼라이언스는 이를 현실화하는 데 중요한 플랫폼이 될 것”이라고 강조했다. 유규오 EBS 디지털학교교육본부 본부장은 “EBS는 교육공영방송사로서 다양한 플랫폼을 통해 교육 격차를 줄이고 배움의 문턱을 낮추는 데 집중해왔다”며 “이러한 가치를 지닌 EBS 데이터가 KT의 신뢰성 높은 데이터 처리 기술과 연결될 때 학생 개개인의 학습 성장을 지원하는 새로운 길을 여는 계기가 될 것”이라고 전망했다. 남길임 한글학회 연구이사 교수는 “검색어를 입력하던 시대를 넘어 인공지능과 직접 문답하는 시대가 열린 지금 한국어와 한국인의 정서에 담긴 언어문화, 맥락, 공동체 윤리 등을 제대로 이해하고 책임있게 응답하는 인공지능이 필요하다”며 “한글학회가 쌓아 온 한국어 연구와 자원을 토대로 한국어의 사회·문화적 맥락과 윤리적 가치를 제대로 이해하고 생성하는 인공지능으로 나아가는데 협력할 것”이라고 전했다. 오승필 KT 기술혁신부문 부사장은 “한국적 AI는 국가의 AI 경쟁력을 높이는 동시에 기업의 AI 혁신을 촉진하고 국민이 일상 속에서 체감할 수 있는 실용적 가치로 이어져야 한다”며 “K 데이터 얼라이언스가 한국적 AI의 지속적인 고도화와 실용화에 있어 핵심 동력이 될 수 있도록 힘을 모아 협력해 나갈 것”이라고 밝혔다.

2025.07.16 10:35진성우 기자

[AI 리더스] "AI는 새로운 전기"…에너지연 이제현, '레고형 자동화'로 연구 시스템 재편

"인공지능(AI)은 단순한 도구를 넘어 연구와 조직 운영 전반을 재설계하는 실천적 수단입니다. 기계학습(ML) 자체만큼 중요한 것은 그것을 사람과 문제에 어떻게 연결하고 조합하느냐입니다. 오늘날의 연구자는 데이터를 다루는 기술자이자 AI에게 가치와 맥락을 설계해 주는 해석자여야 합니다." 이제현 한국에너지기술연구원 에너지AI·계산과학실장은 최근 기자와 인터뷰에서 이같이 말했다. 그는 에너지와 AI라는 두 축을 접목한 '실천가형 연구자'로, 기술 자체만큼이나 "기술이 어떻게 조직 안에 어떻게 퍼질 수 있는가"에 집중하는 전략가다. 현장 연구자와 행정 실무자 모두가 AI를 손에 쥐게 하려면 결국 언어와 문화가 먼저라는 것이 그의 신념이다. 23일 업계에 따르면 최근 공공, 산업계 전반에서 AI 실용화를 이끄는 'AI 에반젤리스트'에 대한 요구가 높아지고 있다. 특히 연구 생산성과 행정 자동화를 아우르는 현장형 사례가 주목받는 가운데 이제현 에너지연구원 실장은 대표적 실천가로 관심을 모으고 있다. 이 실장은 서울대학교에서 재료공학 박사, 비엔나공과대학교에서 고체물리학 박사 학위를 취득한 이중 박사 출신이다. 삼성전자 반도체연구소에서 3D 모델링과 AI 응용을 이끄는 실무 책임자로 근무하며 연례기술상과 미래창조상을 수상했고 이후 서울대 재료공학부 연구교수를 거쳐 한국에너지기술연구원으로 자리를 옮겼다. 지난해부터는 대통령 직속 국가인공지능위원회 산업·공공분과 위원으로도 활동하고 있다. "AI 전환 활동, 창피함에서 시작됐다"…'AI-에너지 실천가'가 된 여정은 이 실장이 정부출연 연구기관(출연연)의 'AI 에반젤리스트'를 넘어 AI 없이는 설명할 수 없는 '필수불가결의 실천가'로 정체성을 확립하기까지는 예상 밖의 출발점이 있었다. 그것은 바로 '부끄러움'이었다. 그는 지난 2018년 출연연에 입사했을 당시를 떠올리며 태양광·풍력·수소·배터리 등 에너지 공학 전반에 대한 이해가 거의 없었다고 밝혔다. 데이터 분석과 AI 개발에는 자신 있었지만 실제 에너지 기술 논문을 해석하는 데 큰 어려움을 겪었다는 설명이다. 이 실장은 "그 당시에는 하루 세 편 이상의 논문을 읽는 것조차 버거웠고 에너지 전문 연구자들 사이에선 스스로가 '바보가 된 느낌'이었다"며 "이에 더더욱 살아남아야겠다고 마음먹었다"고 말했다. 이어 "여기서 AI를 단순한 연구 주제가 아니라 나를 구하는 실전 무기로 써야겠다는 각성이 생겼다"고 말했다. 실제 전환점은 지난 2020년 초 한 랩 세미나 발표 일정에서 찾아왔다. 5일 안에 최신 태양광 논문 20편을 읽고 리뷰를 정리해 발표해야 했던 그는 시간 부족과 전문성 한계를 동시에 마주하며 해결책을 고민했다. 이에 논문 PDF를 자동 수집하고 형태소 분석과 동사 추출을 통해 주요 키워드와 연구 동향을 집계하는 텍스트 마이닝 기법을 고안했다. 단순 요약이 아닌 논문 간 흐름을 데이터 기반으로 구조화하는 전략이었다. 결과는 예상과 달리 압도적이었다. 5일 만에 8천여 편의 논문을 자동으로 요약·분류했고 세미나 당일에는 정제된 연구 분야 지도와 핵심 트렌드를 제시해 긍정적 평가를 받았다. 이 실장은 "호통을 기대했는데 대신 칭찬이 돌아왔다"며 "AI를 단순한 분석 도구가 아닌 생존을 가능케 하는 실전형 활용법으로 처음 체감한 순간이었다"고 회상했다. 다만 이를 본격적으로 활용하려 파고들자 이 실장은 곧 기술적 한계에 직면했다. 당시 사용한 초창기 언어모델인 'BERT' 기반 딥러닝 요약 애플리케이션 프로그램 인터페이스(API)가 논문 초록의 앞부분만 뽑는 '두괄식 요약'에 그쳐 실제 연구의 고유한 기여 내용은 제대로 반영되지 않았던 것이다. 이에 그는 자신이 과거에 작성한 논문 40여 편을 직접 분석하며 연구자가 '고유 기여'를 선언할 때 반복적으로 사용하는 표현들을 선별해 나갔다. 일례로 "이 논문에서 우리는…", "본 연구는 다음을 제시한다…", "이 연구에서는 처음으로…"와 같은 문장들이 대표적이다. 이 실장은 이러한 문장 패턴을 정규표현식으로 구현해 논문 핵심 기여만을 자동으로 추출하는 20개의 규칙 세트를 설계했다. 이 세트는 실제 태양광, 수소, 배터리 등 다양한 에너지 기술 논문에 적용한 결과 매우 높은 정확도로 고유 기여 문장을 뽑아내는 성과를 거뒀다. 이에 당시에는 "이 정도 수준이면 사업화해도 되지 않겠느냐"는 제안까지 이어졌다. 이 실장의 실천가적 성향은 기술의 실용성과 시장성에 대한 감각에서도 드러난다. 그는 박사 시절 스핀트로닉스라는 첨단 주제를 연구했지만 산업계가 해당 기술을 외면하면서 좌절을 겪은 경험이 있다. 실용적이고 경쟁력 있는 연구 주제가 결국 살아남는다는 깨달음은 이후 그가 다양한 에너지 기술을 '같은 거리'에서 관찰하고 AI와 데이터로 조망하는 전략으로 전환하는 계기가 됐다. "레고처럼 조합한 AI"…에너지연을 AI 조직으로 바꾼 실천형 전략 이제현 연구실장은 "기술을 직접 개발하지 않아도 잘 조합하면 된다"는 철학 아래 다양한 API를 연결해 활용하는 전략을 구사하고 있다. 초창기에는 BERT 기반 요약 API와 구글 번역 API를 결합해 한글·영문 동시 요약 파이프라인을 구성하고 논문 데이터의 전처리와 후처리는 파이썬 스크립트로 처리하는 방식으로 자동화 체계를 구축했다. 그는 "우리가 AI를 직접 구축하지 않는다고 해도 이를 레고 블록처럼 조립해서 붙일 수 있다"며 "이를 통해 지금까지 상상되지 않은 생산적인 사용 사례를 창출할 수 있다"고 설명했다. 이 실장이 설계한 조립형 전략은 이후 생성형 AI 확산과 맞물리며 보다 강력한 효과를 냈다. 특히 지난 2023년 '챗GPT' API가 공개됐을 당시 기존에 구축해 둔 다양한 입출력 파이프라인 덕분에 새로운 모델을 별도 수정 없이 그대로 끼워 넣는 방식으로 즉시 적용할 수 있었다. 연구 생산 흐름에 AI를 유기적으로 결합하는 구조 중심의 접근이 자체 개발보다 현실적이고 효율적인 전략으로 작동한 셈이다. AI를 레고 블록처럼 조립한 실험 중 하나는 'GPT-4' 기반 '딴지봇'이다. 챗GPT의 'GPT스토어'에서 찾아서 쓸 수 있는 이 봇은 단순한 챗봇이 아니다. 숫자 계산·단어 수 비교 등 논리 판단이 필요한 질문에는 파이썬 코드로 정확한 값을 먼저 구한 뒤 GPT가 해당 결과를 기억해 끝까지 유지하도록 설계됐다. "생각이라는 걸 할 줄 아는거죠?" 같은 태클형 멘트도 함께 삽입해 독특한 캐릭터를 갖췄다. '딴지봇'은 기존 챗GPT와 달리 유저가 자기 생각 속에 잠기게 되는 편향을 줄이고 논리적 사고를 유도하는 데도 효과적이다. 끊임없이 반박하는 구조 덕분에 사용자가 스스로 논리를 점검하게 된다. 이 실장의 소개 후 기자 역시 이 챗봇을 사용하며 비용 편익 분석과 판단에 있어 도움을 받고 있다. 또 다른 실험으로는 '플랏봇'과 '싹둑봇'이 있다. 플랏봇은 '챗GPT'가 한글·한자 폰트를 직접 불러와 디자인 과정에서 발생하는 글자 뭉침 현상을 자동으로 해결한다. 싹둑봇은 복수의 아이콘이 담긴 PNG 이미지를 자동으로 분리해 저장하며 사용자 요청에 따라 반복 편집도 가능하다. 이 실장은 "AI를 직접 구축하지 않아도 잘 조립하면 된다"며 "이런 도구들을 AI가 직접 짜준 코드 한 줄로 연결하면 연구자들의 일상적인 작업도 단숨에 자동화할 수 있다"고 설명했다. 다만 아무리 강력한 도구라도 '공감할 언어' 없이 전파되긴 어렵다. 이 실장이 연구원에 부임한 이후 택한 전략은 단순한 기술 전파가 아닌 '문화 설계'에 가까웠다. 그는 처음 부임했을 때부터 내부 게시판에 AI 관련 사용기를 꾸준히 게시하며 일상 언어로 기술을 설명하고 사례를 공유했다. 주 독자인 태양광·수소 분야 연구자들이 공감할 수 있도록 콘텐츠는 절반은 익숙한 개념, 나머지 절반은 새로운 시사점으로 구성해 진입 장벽을 낮췄다. "기술은 낯설어도 맥락은 익숙해야 따라올 수 있다"는 것이 전략이었다. 그렇게 쌓아올린 AI 관련 사용기와 활용 노트는 어느덧 5년간 누적 52페이지에 달했다. 이같은 접근은 단순한 기술 놀이가 아니라 연구원 조직 전체에 AI 문화를 확산시키는 촉매로 작용했다. 이후 전산실과 지식정보실, 행정부서 등이 서로 협력해 '논문 요약 자동화', '회의록 정리', '보고서 DOCX 변환' 등 실제 행정에 적용 가능한 AI 툴 실험이 이어졌다. 업무 질 제고를 위해 작은 단위의 자동화부터 전체 문서 파이프라인 개편까지 범위도 넓었다. 대표적인 예는 'GPT-4'를 활용한 보고서 자동 출력 기능이다. 과거에는 보고서를 문서로 만들기 위해 파이썬 코드나 API를 직접 다뤄야 했지만 지금은 "이 내용 워드로 정리해줘" 한 줄만 입력하면 AI가 알아서 워드 파일을 만들어준다. 표나 숫자가 포함된 내용은 엑셀 파일까지 자동으로 생성된다. 이처럼 여러 AI 도구가 서로 연결돼 자연스럽게 이어지는 작업 흐름이 실제 연구원 내부에 자리잡고 있다. 연구원 수뇌부의 지원도 강력했다. 전임 원장은 표창과 강연 기회를 통해 AI 실험가들을 공개적으로 격려했고 공공기관 속 숨은 고수들이 전면에 나설 수 있도록 환경을 조성했다. 현 경영진 역시 R&D 예산삭감 와중에도 출연연 최초 DGX GPU 도입 등 지원을 아끼지 않았다. 전파 속도도 가팔랐다. 다른 출연연에서 AI 태스크포스가 직접 방문해 벤치마킹할 정도로 한국에너지기술연구원은 행정과 연구 전반에 AI를 접목한 선도 기관으로 주목받고 있다. 정보 요약부터 가설·실험까지…AI가 만드는 미래의 연구 루프 이제현 실장은 AI가 전기나 원유처럼 '사회의 기반'으로 받아들이는 시대가 머지않았다고 보고 있다. 모든 산업과 학문이 전기를 쓰듯 이제는 AI를 자연스럽게 흡수하게 될 것이며 연구기관도 예외가 아니라는 것이다. 이 실장이 구상하는 연구기관 내 AI 활용의 미래는 세 가지 축으로 정리된다. 이 중 핵심은 정보 습득의 가속이다. 그는 방대한 논문, 보고서, 뉴스 등 텍스트 기반 데이터를 빠르게 흡수하기 위해 요약 파이프라인을 구축해 왔다. 끊임없이 쌓이는 '과잉 정보'에 대응하기 위해 BERT, GPT, 딥엘 등 언어 모델을 조합하고 이를 노트북LM, 마누스 등 도구와 연계해 핵심 문장만 추출하고 시각자료와 자동 연결하는 구조를 실험하고 있다. 정보 판단을 기계에 맡겨도 되는가라는 기자의 질문에는 "인간이 조직과 컨설팅 서비스를 만든 이유도 결국 판단의 효율을 높이기 위한 것이었다"며 "지금처럼 정보가 넘쳐나는 시대에 일부 판단을 기술에 위임하는 현상이 자연스럽게 발생하는 것"이라고 말했다. 또 다른 핵심 축은 추론과 가설 생성의 자동화다. 이 실장은 AI가 단순한 보조 도구를 넘어 연구자의 사고 방식과 문제 접근법까지 학습하는 수준으로 진화할 것으로 예측한다. 이미 그는 자신이 설계한 '딴지봇'에 '연구자 성향'과 '판단 기준' 같은 논리적 편향을 의도적으로 주입해 AI가 스스로 문제를 정의하고 가설을 제안할 수 있는 구조를 실험 중이다. 연구 자동화의 마지막 축으로 이 실장은 실험과 검증의 기계화를 제시했다. 장기적으로 AI가 실험 설계까지 최적화할 수 있을 것이라는 예측이다. 로봇과 랩 오토메이션을 연계하면 사람이 손을 대지 않아도 전체 연구 과정을 하나의 사이클로 자동 수행하는 구조가 가능하다는 구상이다. 다만 그는 실험의 실행은 자동화하더라도 그 방향을 설정하는 가치 판단과 최종 결정은 인간의 몫이어야 한다는 점을 강조했다. 그는 AI가 절대 넘볼 수 없는 분야로 '철학·역사·문화적 맥락'을 꼽았다. 독일의 인종주의 트라우마나 한국의 민주화 경험 같은 집단 기억과 감정은 기존의 데이터만으로 온전히 담아내기 어렵다는 이유에서다. '챗GPT' 지브리풍 그림이 빠르게 식상해지는 현상을 예로 들며 "새로움과 차별점을 설계하는 능력이야말로 인간 고유의 가치"라고 설명했다. 이 실장과 에너지연구원은 '연구 자동화'라는 미래를 향해 실질적으로 가능한 실험들을 하나씩 진행 중이다. 미국의 프론티어 AI랩들에게만 가능한 자체 LLM을 구축할 역량이 없다고 해도 외부 AI 모델을 최대한 잘 활용해 레고와 같이 데이터 파이프라인을 최고 수준으로 설계하는 것은 가능하기 때문이다. 이미 연구원 내부에서는 보고서, 뉴스, 논문 같은 데이터를 자동으로 수집·정리한 뒤 이를 기반으로 표, 그래프, 설명형 문서까지 자동으로 생성하는 시스템이 실험되고 있다. 향후에는 이를 보다 고도화해 '딥 리서치 에이전트'를 구축할 계획이다. 이는 에너지·기후 관련 논문, 특허, 정책 자료 등을 AI가 메타리뷰하고 위험 요소를 정리한 리스크 맵이나 요약 보고서까지 자동 생성하게 만든다는 구상이다. 사용자가 직접 입력하는 프롬프트와 부서별 서식도 미리 정해 둬 결과물이 자동으로 워드 문서로 출력되고 원문 링크도 함께 붙는 구조다. 이에 더해 AI가 실험 설계 단계까지 관여할 수 있도록 윤리 기준이나 연구자의 판단 기준을 변수로 설정하는 시도도 추진 중이다. 장기적으로는 실험 로봇, 디지털 트윈과 연계해 아이디어가 뜨자마자 실험되고 결과까지 해석되는 '완전 자동화 루프'를 구현하겠다는 계획이다. 이제현 한국에너지기술연구원 실장은 "AI가 논문을 읽고 가설을 세우고 실험을 설계하는 시대는 언젠가 오게 될 것"이라며 "이러한 시대에 대비해 우리는 AI에게 어떤 맥락을 학습시킬 것인가를 물어야 한다"고 강조했다.

2025.04.23 10:07조이환 기자

성과 입증한 공공데이터 개방…행안부, AI 시대 맞춰 기업 지원 '강화'

행정·공공부문 데이터 개방이 기업들의 매출 성장과 인원 확충에 주효한 역할을 하고 있는 것으로 나타났다. 20일 행안부가 발표한 '2024년 공공데이터 활용기업 실태조사' 결과에 따르면 공공데이터를 활용한 기업의 제품·서비스 매출 비율은 지난 3년간(2022~2024년) 꾸준히 증가했다. 또 신규 채용인원 중 공공데이터 활용 관련 채용인원이 차지하는 비율도 전년도(26%) 대비 증가(32.4%)하는 등 공공데이터가 기업의 매출 증대와 고용 창출에 기여한 것으로 나타났다. 다만 '필요한 공공데이터의 미개방(33.7%)'과 '개방된 데이터 내 정보의 양 불충분(31.1%)', '공공데이터 간 결합·연계 활용이 원활하지 못함(15.8%)' 등은 문제점으로 지적됐다. 또 기업들은 공공데이터를 활용한 비즈니스 시 정부 지원이 가장 필요한 시기로 '제품·서비스 기획 단계(52.6%)'를 꼽았다. 특히 예비창업·초기창업 기업의 경우에는 '공공데이터포털 내 데이터 확보와 사업 활용 방법 지원(35.7%)'을, 성장기업의 경우 '데이터 결합 활용과 신규 서비스 창출 컨설팅(13.8%)'을 가장 필요한 정책 지원이라고 답했다. 행안부는 이번 실태조사를 통해 파악한 정책 수요를 토대로 국내 기업의 성장을 지원하는 공공데이터 개방 정책을 고도화해 추진할 방침이다. 먼저 기업들의 AI 사업을 뒷받침하기 위해 비정형데이터 중심의 AI 학습용 공공데이터와 핵심 고가치 데이터를 개방할 계획이다. 데이터의 표준화와 품질관리도 강화한다. 아울러 행안부는 공공데이터 활용기업이 제품·서비스 기획 단계부터 도움을 받을 수 있도록 사업 초기 단계 컨설팅 강화에 나선다. 또 기업 간 소통 체계를 마련하고 스타트업 멘토링 제공 등 맞춤형 기업 지원을 확대·체계화할 계획이다. 이용석 행안부 디지털정부혁신실장은 "실태조사 결과를 바탕으로 AI 시대에 맞는 공공데이터 개방 정책을 추진하겠다"고 말했다.

2025.03.20 16:09한정호 컬럼니스트

  Prev 1 Next  

지금 뜨는 기사

이시각 헤드라인

[종합] 모티프 합류한 독파모 2차전, 8월에 결판…독자성·데이터 활용성 '관건'

단독중계의 함정…김 빠진 올림픽, 월드컵은 버틸까

'AI 추론칩' 강자 리벨리온, 글로벌 실전 테스트 돌입

[단독] AI 사업 대가 기준 '1.5배' 오른다…"최종 논의 중"

ZDNet Power Center

Connect with us

ZDNET Korea is operated by Money Today Group under license from Ziff Davis. Global family site >>    CNET.com | ZDNet.com
  • 회사소개
  • 광고문의
  • DB마케팅문의
  • 제휴문의
  • 개인정보취급방침
  • 이용약관
  • 청소년 보호정책
  • 회사명 : (주)메가뉴스
  • 제호 : 지디넷코리아
  • 등록번호 : 서울아00665
  • 등록연월일 : 2008년 9월 23일
  • 사업자 등록번호 : 220-8-44355
  • 주호 : 서울시 마포구 양화로111 지은빌딩 3층
  • 대표전화 : (02)330-0100
  • 발행인 : 김경묵
  • 편집인 : 김태진
  • 개인정보관리 책임자·청소년보호책입자 : 김익현
  • COPYRIGHT © ZDNETKOREA ALL RIGHTS RESERVED.