 사업이 여전히 완성형 구축 중심에 머물러 A...'))
공공 소프트웨어(SW) 사업이 여전히 완성형 구축 중심에 머물러 AI 기술의 반복 학습과 성능 개선이 제때 반영되지 못한다는 문제가 이어지면서 지속 개선 기반을 마련하기 위한 입법·제도적 보완 필요성이 제기됐다.
이 같은 지적은 11일 국회의원회관에서 열린 ‘AI시대를 여는 공공서비스 혁신 방안 국회 토론회’에서 논의됐다.
이주희 더불어민주당 의원(국회 과학기술정보방송통신위원회 소속)은 “현행 공공SW 사업 구조는 실증과 학습이 뒷받침되지 않아 AI 기술 특성과 부합하지 않는다”며 개념검증(PoC)·최소기능제품(MVP) 제도화, 데이터 정제·재학습 비용 반영 등 제도 개선 의지를 밝혔다. 또한 기획 단계부터 민간 전문성을 연계해 공공서비스 혁신 속도를 높이겠다고 했다.
행사에는 최현택 한국IT서비스산업협회장, 김병기 더불어민주당 원내대표, 과학기술정보통신부·행정안전부·조달청 관계자, KAIST 및 민간·공공 AI 전문가 등이 참석했다.
발제자로 나선 김숙경 KAIST 교수는 ‘AI 공공서비스 혁신, 구축이 아닌 진화의 패러다임’을 주제로 공공 AI 사업 전환 필요성을 설명했다.
그는 공공 AI 서비스가 단발성 구축에 그칠 것이 아니라 데이터 품질관리–반복 학습–성능 검증이 주기적으로 이뤄지는 구조로 운영돼야 한다고 강조했다.
이어 그는 이러한 지속 개선이 어려운 이유로 기존 ISP→시범→본사업 구조를 언급하며 기술 변화 속도와 불확실성이 큰 AI 환경에는 적합하지 않아 실질적 성능 개선이 제한될 수 있다고 지적했다. 따라서 사업 초기부터 실증 중심의 방식이 가능하도록 제도화하고 연구·개발 성격 예산을 확보해야 한다고 덧붙였다.
또한 데이터 정제·재학습 비용을 사업비에 반영해야 하고 AI 기술 특성에 맞춰 계약을 설계할 수 있는 탄력적 조달 체계 마련도 필요하다고 했다.
이어진 토론에서는 공공 AI 사업 추진 전반에 대한 재정비 필요성이 공통적으로 제기됐다.
김하나 민주사회를 위한 변호사모임 디지털정보위원장은 공공 AI 도입 시 데이터 품질·개인정보 보호·공익성 검토가 충분히 반영되지 않을 가능성을 우려했다. 특히 고위험 영역에서 의사결정 자동화가 확산될 경우 책임 소재가 모호해질 수 있어 감시 장치가 필수적이라고 강조했다.
성경빈 LG CNS 공공사업담당은 AI 사업 성패는 데이터 품질과 운영 역량에 달려 있다고 평가했다. 공공기관이 문제를 정확히 정의하고 민간과 설계를 공동 수행해야 반복 학습 기반 운영이 가능하다며 “AI는 구축이 아니라 운영 과정에서 성능이 결정된다”고 말했다. 이 과정에서 조직·예산 기반 확보도 필요하다고 했다.
조경래 과기정통부 소프트웨어산업과장은 AI 기술은 불확실성과 성능 개선이 반복되는 특성이 있어 초기 검증만으로 안정성을 담보할 수 없다고 설명했다. 이에 따라 사업 초기부터 개념검증·성능평가를 강화하고 장기 운영·고도화가 가능하도록 예산과 제도를 정비하겠다고 밝혔다. 또한 수·발주자 역량을 높여 민관 협력 기반을 강화하겠다는 방침을 덧붙였다.
종합하면 참석자들은 공공 AI 도입 목적을 명확히 하고 실험–학습–개선이 반복되는 지속 개선 체계가 구축돼야 한다는 데 의견을 모았다. 특히 민관 협력 확대, 조달 제도 유연화, 수·발주자 역량 강화가 핵심 과제로 제시됐다. 공공서비스가 완성품 구축이 아니라 지속적 진화 과정이라는 점이 재확인됐다.
후원하기
이 기사에 대해 어떻게 생각하시나요?
추천해요
좋아요
감동이에요
화나요
슬퍼요
추천해요0
좋아요0
감동이에요0
화나요0
슬퍼요0
기사제보 
