"GPU 보다 데이터 부족이 더 심각"…정부 부처간 칸막이·규제 여전, AI 골든타임 놓칠 위기

작성일 05-26

<div id="layerTranslateNotice" style="display:none;"></div> 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="ZdogDax2To">
 <figure class="figure_frm origin_fig" contents-hash="b01cc833c31dbfaee02d17e376adc84b2be8005c5221138e3c5a05143bb0d558" dmcf-pid="5JgawNMVCL" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/26/552796-pzfp7fF/20260526072332283emyx.jpg" data-org-width="640" dmcf-mid="XKckIEiPvg" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/26/552796-pzfp7fF/20260526072332283emyx.jpg" width="658">
 </figure>
 [창간 21주년 각 산업별 스페셜 기획 - 2부] 2026년, AX혁신 전략 심층 분석 3회
 [디지털데일리 구아현기자] "공공·금융·의료·제조 등 각 분야에 가치 있는 데이터가 축적돼 있지만 실제 인공지능(AI) 학습에 활용되는 데이터는 턱없이 부족하다." 
 현재 국내 주요 업종의 AI 전문가들의 내놓고 있는 공통된 목소리다. 
 2025년까지 18조원이 넘는 예산이 투입된 데이터댐 사업이 있었지만 AI허브에 공개된 데이터는 중복이 많고 품질이 낮아 실제 학습에 그대로 쓰기 어렵고 2차 가공이 필수라는 지적이 나온다. 
 일본 스타트업 사카나 AI의 'AI 사이언티스트'는 논문 1편을 15달러에 자동으로 생성하고 국제 학술대회 심사까지 통과하는 시대다. 글로벌 AI 경쟁이 데이터를 연료로 가속화되는 동안 한국은 데이터를 쌓아두고도 쓰지 못하는 상황이다.
 AI 업계에서는 데이터 문제가 그래픽처리장치(GPU) 부족보다 더 근본적인 장벽이라는 인식이 확산되고 있다. 연산 자원은 클라우드로 조달할 수 있지만 양질의 학습 데이터는 돈을 주고도 살 수 없는 경우가 많기 때문이다. 
 구글·오픈AI가 레딧의 게시글·댓글 데이터에 총 2억달러가 넘는 라이선스 비용을 지불하고, 아마존이 데이터 마켓플레이스 출시를 준비하는 것도 같은 맥락이다. 세계는 데이터를 사고파는 시대로 접어들었지만 한국은 부처 칸막이와 규제 장벽 속에서 데이터를 잠그고 있다.
 ◆ "공공 데이터 쌓여 있는데 쓸 수 있는 데이터 없다"
 문서화된 공공 데이터만 AI 학습에 활용해도 막대한 가치를 창출할 수 있다. 라벨링조차 안 된 저품질 데이터가 넘쳐나는 데다, 라벨링이 돼 있어도 규제 장벽에 막혀 활용하지 못하는 구조다.
 수십 년간 국가 연구개발(R&amp;D) 투자로 축적된 공공 데이터도 AI 학습에 활용되지 못하고 사장되고 있다는 지적이 나온다. 가치 있는 연구 데이터들이 존재하지만 제대로 가공되지 않아 사용을 못하고 있는 데이터가 대다수다. 
 바이오 분야의 경우 암 유전체 데이터가 있어도 이것이 암 환자의 데이터인지 정상인의 데이터인지, 어떤 약을 투여했는지에 대한 라벨링이 전혀 돼 있지 않아 AI가 학습해도 의미 있는 결과를 낼 수 없는 구조다. 수억에서 수조원에 달하는 정부 예산이 투입된 연구 과제임에도 AI가 학습할 데이터가 없는 것이다.
 공공 행정 문서도 마찬가지다. 수십 년간 정치·사회·법·문화 전 분야에 걸쳐 한글 문서 형태로 축적된 공공 데이터가 AI 학습에 활용되지 못한 채 잠자고 있다. 변환 기술은 이미 존재하지만 문서 진본성 문제, 변환 비용과 시간 부담, 부처별 개별 추진 구조로 인해 전면적 전환이 더디다. 공공데이터 개방 건수는 10만건을 돌파했지만 실제 개방·활용 점수는 59.2점으로 관리·품질 영역에 크게 못 미친다.
 공공 연구 데이터의 부처별 칸막이 구조도 심각하다. 공공 데이터는 행정안전부, 개인정보는 개인정보보호위원회, 민간 데이터는 과학기술정보통신부, 의료는 복건복지부, 금융은 금융위원회가 각각 따로 관리한다.
 국가 연구비를 받아 생산한 데이터임에도 연구자들이 자기 소유로 인식하는 관행도 걸림돌이다. 미국 국립보건원(NIH)는 공공 자금으로 수행된 연구의 데이터 공개를 법으로 의무화하고, 영국 연구혁신기구(UKRI)는 데이터 관리계획 제출을 연구비 지원 조건으로 요구한다. 데이터를 공개하지 않으면 연구비를 받을 수 없는 구조다.
 AI 업계 관계자는 "수십 년간 방대하게 적재된 한국형 문서 데이터를 잘 활용하는 쪽으로 가야 하는데 아직까지는 공회전"이라고 지적했다.
 ◆ 의료 데이터, 규제의 벽에 갇혔다
 특히 의료 데이터는 잠재적 가치가 가장 크지만 규제 장벽도 가장 높다. 병원 데이터를 AI 학습에 활용하려면 연구계획서 작성과 기관생명윤리위원회(IRB) 승인, 외부 반출 시 데이터심의위원회(DRB) 심의·승인, 데이터 이용 계약, 임상연구 계약 체결, 병원 비용 지불까지 수개월이 걸리는 복잡한 절차를 거쳐야 한다. 
 국책사업으로 구축한 의료 데이터도 활용이 어렵기는 마찬가지다. AI허브에 구축된 의료영상 데이터 등 안심존 데이터는 다운로드 자체가 불가능하다. 
 현행법상 가명정보 활용은 가능하지만 재식별 우려와 법적·사회적 책임 부담 때문에 의료 데이터의 AI 학습 활용은 보수적으로 제한되는 게 현실이다. 비정형 의료 데이터는 비식별화 자체가 어렵고, 과도한 가명처리는 오히려 AI 성능 저하로 이어지는 딜레마도 있다.
 의료 AI 기업 관계자는 "이 모든 절차가 개인정보보호법·의료법에 근거한 것이라 완화되기 힘든 측면이 있다"면서도 "정부가 국책과제로 구축한 의료데이터도 반출이 어려워 기업이 제품 개발에 활용하기 쉽지 않은 상황"이라고 했다.
 또 다른 의료 AI 기업 관계자는 "현행법상 가명처리 이후에도 외부 AI 학습 활용 가능 여부를 현장에서 불확실하게 해석하는 경우가 많아 결국 데이터를 쓰지 않는 방향으로 귀결된다"며 "국가가 안전한 데이터 활용 인프라를 제공하고 기업이 그 안에서 필요한 데이터를 학습할 수 있는 방향으로 전환이 필요하다"고 밝혔다.
 반면 영국은 20년에 걸쳐 50만명의 유전체·임상 데이터를 비식별화해 전 세계 연구자에게 단계별로 개방했다. 메타데이터는 완전 공개, 임상정보는 신청 허가 후 공개, 재식별 가능성이 있는 유전체 데이터는 클라우드 안에서만 분석하도록 하는 3단계 구조다. 그 결과 60개국 2만2000명의 연구자들이 1만8000편 이상의 논문을 발표했다. 
 한국도 국가 통합 바이오 빅데이터 구축 사업을 통해 2032년까지 100만명 규모의 바이오 데이터를 구축하겠다는 계획을 세웠지만 프라이빗 클라우드 안에서 제한적으로 운영되는 구조라 UK 바이오뱅크와 같은 선순환 효과를 기대하기 어렵다는 지적이 나온다.
 2024년 노벨 화학상은 구글 딥마인드의 데미스 허사비스 CEO와 존 점퍼 연구원에게 돌아갔다. AI로 단백질 구조를 예측하는 '알파폴드'를 개발한 공로였다. 수개월에서 수년이 걸리던 단백질 구조 예측을 단 며칠 만에 처리하며 신약 개발의 패러다임을 바꿨다는 평가를 받았다. AI가 바이오 분야에서 가장 강력한 혁신을 일으킬 수 있다는 것을 전 세계에 증명한 사건이었다.
 한국은 단일 건강보험 체계 아래 전 국민의 건강정보를 국가가 통합 관리하는 세계에서 보기 드문 나라임에도 AI 시대에 이를 제대로 활용하지 못하고 있다. 바이오 AI 기업 관계자는 "알파폴드가 고도화되고 AI 사이언티스트까지 등장하는 시대에 한국이 보유한 공공 의료 데이터를 제대로 정제해 개방한다면 글로벌 AI 기업들이 데이터를 사용할 때마다 비용을 지불하는 구조도 가능하다"며 "이익은 국민에게 돌아가게 하는 구조로 만들면 된다"라고 강조했다.
 ◆ "AI 원하는데 데이터는 못 내놔"… 제조 현장, 사일로의 역설
 제조 현장에서는 다양한 데이터 장벽이 존재한다. 먼저 핵심 기술 유출 우려로 데이터가 꽁꽁 숨겨져 있다는 것이다. 프레스 성형 공정을 최적화하려면 방대한 시뮬레이션 데이터가 필수적이지만 설계도면(CAD) 정보가 포함된 데이터는 OEM의 핵심 자산이라 외부 반출이 사실상 불가능하다. 클라우드 연산 자원을 쓰지 못하고 폐쇄적인 로컬 서버 안에서만 작업해야 한다는 문제도 있다.
 데이터 품질 문제도 심각하다. 그동안 축적된 제조 데이터는 주로 사후 관리용이라 공정 변수와 품질 결과 사이의 레이블링이 정교하지 못하다. 제조업 특성상 99.9%의 성공률을 지향하다 보니 AI 학습에 필요한 불량·장애 데이터가 극히 부족하다는 문제도 있다. 데이터 소유권 문제도 발목을 잡는다. 
 부품사가 공정 효율화를 위해 AI 모델을 개발하려 해도 데이터 원천 권한을 가진 고객사와의 계약·보안 책임 문제로 프로젝트가 중단되는 경우가 빈번하다. 기술 유출에 대한 법적 책임 소재가 불분명하다 보니 혁신적인 시도보다 보수적인 유지 관리에 머물게 되는 족쇄가 되고 있다는 지적이다. AI 전문가들이 직접 내부로 들어가 작업하는 방식에 의존하고 있으며, 이 경우 모델 고도화나 파인튜닝을 위한 완전한 학습은 사실상 어렵다는 설명이다.
 정부가 나서 제조 AX(AI 전환)를 위한 학습용 데이터 구축을 시도하고 있지만 현장에서는 애로사항이 적지 않다. 핵심 공정 데이터가 기업의 핵심 경쟁력이자 노하우인 만큼 기업들이 데이터 제공 자체를 꺼리고 있어서다. 
 보안이 보장된 플랫폼 안에서 데이터를 올리고 분석 결과만 가져가는 방식이 현실적 대안으로 거론되지만 데이터를 올렸을 때 기술 유출 책임을 누가 지는지에 대한 법적 기준이 없어 기업들이 선뜻 참여하지 못하는 구조다.
 제조 AI 기업 관계자는 "데이터는 많은데 이를 어떻게 체계적으로 관리하고 활용할 수 있을지 모르겠다는 기업들이 많다"며 "데이터 작업이 없으면 주춧돌이 없는 셈"이라고 지적했다. 또 다른 제조 AI 기업 관계자는 "데이터가 없는 것보다 있는 게 훨씬 많지만 AI가 해석하고 학습할 수 있는 형태로 가공하는 게 지금은 정말 필요한 시기"라며 "늦어지면 늦어질수록 쌓이거나 버려지는 데이터가 너무 많아 손실이 크다"고 강조했다.
 ◆ "체제 자체를 바꿔야"… 입법·거버넌스 재설계가 골든타임
 금융권도 데이터 장벽이 높다. 고객 데이터를 활용하는 생성형 AI 서비스와 코어뱅킹 영역은 망분리 규제가 여전히 적용돼 AI 학습에 필요한 고객 데이터 활용에 제약이 크다. 대한상공회의소가 2024년 5월 116개 금융사 IT 직무 종사자를 대상으로 실시한 조사에서도 응답자의 65.7%가 AI 도입·활용의 가장 큰 애로사항으로 규제로 인한 활용 제한을 꼽았다.
 전문가들은 결국 입법이 해법이라고 입을 모은다. 미국은 NIH 데이터공유정책을 법제화해 공공 자금으로 수행된 연구의 데이터 공개를 의무화했고, 영국은 UKRI를 통해 연구비 지원 조건으로 데이터 관리계획 제출과 메타데이터 공개를 요구한다. 반면 한국은 국가연구개발혁신법이 있지만 연구데이터 공개·공유에 대한 법적 의무 조항이 없어 사실상 연구자 자율에 맡겨져 있다.
 환자가 의료 데이터를 제공해 신약 개발에 기여하면 그 성과가 다시 환자에게 돌아오고, 국민의 건강정보가 바이오 AI 혁신의 토대가 되면 더 나은 진단과 치료로 국민 건강이 향상되는 구조다. 
 수십 년간 쌓아온 연구개발 데이터를 AI가 학습할 수 있는 형태로 개방하고 공공 재원 연구의 데이터 공개를 법으로 의무화하며 부처 칸막이를 허무는 범부처 거버넌스를 갖추는 것, 그리고 데이터 제공자인 국민이 그 혜택을 돌려받는 생태계를 설계하는 것이 한국 AI 국가 경쟁력의 진짜 출발점이라는 지적이다.
 연구개발 평가 체계도 바꿔야 한다는 지적이다. 현재는 데이터 구축 건수 등 외형적 성과지표 중심으로 평가가 이뤄지다 보니 실제 AI 학습에 활용 가능한 데이터 품질은 뒷전으로 밀린다.
 개인정보보호법도 걸림돌로 꼽힌다. 개인정보보호위원회가 2025년 8월에야 생성형 AI 개발·활용을 위한 개인정보 처리 안내서를 발간했을 만큼 AI 학습 목적의 데이터 활용에 대한 명확한 기준이 뒤늦게 마련됐다. 그마저도 목적의 정당성·처리의 필요성·이익형량 3가지 기준을 모두 충족해야 한다는 조건이 붙어 있어 기업들이 적법성 판단을 스스로 해야 하는 부담은 여전하다는 지적이다.
 바이오 업계 관계자는 "국가 건강보험 데이터를 체계적으로 라벨링해서 연구용으로 개방하면 한국이 제일 잘할 수 있는 나라"라며 "데이터를 바꾼다는 개념이 아니라 아예 체제 자체를 바꿔야 한다"고 말했다. 이어 "평가 항목도 바꾸고 관리하는 컨트롤타워도 있어야 한다"며 "궁극적으로는 국민이 데이터를 제공하면 그 혜택이 국민에게 돌아오는 선순환 생태계를 만드는 것이 핵심"이라고 말했다.
 제조 AI 기업 관계자는 "데이터 원본은 보존하면서 학습 결과만 공유하는 연합학습 같은 기술적 대안에 정부 차원의 표준화 지원이 필요하고, 기업 간 데이터 활용 분쟁을 막을 표준 계약 가이드라인도 마련돼야 한다"고 밝혔다. 지적이다.
 AI 경쟁력의 본질은 모델이 아니라 데이터다. 
 한 AI 기업 대표는 "수십 년간 쌓아온 연구개발 데이터를 AI가 학습할 수 있는 형태로 개방하지 않으면 AI 패권경쟁에서 완전히 밀릴 위기"며 "공공 재원 연구의 데이터 공개를 법으로 의무화하며 부처 칸막이를 허무는 범부처 거버넌스를 갖추는 것이 한국 AI 국가 경쟁력의 진짜 출발점"이라고 말했다.
 </section> 
 </div> 
 Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.

등록된 댓글이 없습니다.

로그인한 회원만 댓글 등록이 가능합니다.

먹튀폴리스

"GPU 보다 데이터 부족이 더 심각"…정부 부처간 칸막이·규제 여전, AI 골든타임 놓칠 위기

멤버랭킹

관련자료

멤버랭킹