대한민국은 2020년 OECD가 평가한 제1회 ‘디지털정부평가’에서 종합 1위를 차지할 정도로 공공부문의 디지털화 측면에서 전 세계의 선두에 서 있다. <AI 또한, ChatGPT 등 LLM(Large Language Model, 초거대언어모델)을 이용한 여러가지 시도들이 이루어지고 있는 해외 사례와 더불어 실제 기술 적용을 위한 노력이 더해지고 있다.
AI를 유지할 하드웨어 인프라의 부족, 데이터 보안과 관련한 과제, 언어 문제 등이 이슈로 고려되는 가운데, 정부에서는 디지털플랫폼정부위원회를 구성해 정부 전용 초거대 AI를 도입하고, 초거대 AI의 공공부문 성공사례를 위해 재정을 지원하는 한편 사용자 맞춤형 지원수단을 개발하는 등 많은 노력을 아끼지 않고 있다.
그러나 AI의 성격을 고려했을 때, 기술의 놀라운 발전 속도에도 불구하고 실제로 AI를 자체 개발하거나 서비스로 도입하려면 굉장히 많은 비용이 발생하게 된다. 많은 비용을 들여 AI를 개발해도, 실제로 업무에 활용하려면 어려운 경우도 많다. AI를 공공부문에 적용할 것을 생각해보면 더욱 어려워진다. 보안ㆍ데이터 관리ㆍ개인정보 보호 등을 더욱 엄격히 준수해야 할 뿐 아니라, 공공의 특성 상 한 번 도입된 시스템의 변경이 쉽지 않고, 한 번 도입된 시스템의 결과가 좋지 않을 경우 새로운 추가 시도가 어려울 수 있기에 충분히 검토하고 불필요한 예산이 낭비되지 않도록 실질적인 서비스를 개발해 제공하는 것이 중요하다.
공공부문 AI가 국민들, 그리고 공공기관 내부 사용자들이 실제로 잘 사용할 수 있는 성공적인 사례가 되기 위해서는 다음과 같은 점을 고려해야 한다.
첫째, AI를 통해 제공하려는 서비스가 명확해야 한다. 해결하려는 문제를 정확하게 정의하고 그것이 AI로 해결할 수 있는 문제인지, 만약 그렇다면 AI를 어떻게 적용할 것인지, 혹시 AI를 적용하지 않고 해결할 수 있는 방법은 없는지를 순차적으로 고민하고 정리해야 사용자들이 실제로 사용할 수 있는 서비스에 다가갈 수 있다. AI가 모든 작업을 대신할 수는 없기 때문이다.
둘째, 공공에서 공통적으로 구축할 수 있는 부분과 그렇지 않은 부분을 구별해야 한다. 각 정부부처 또는 공공기관마다 개별적으로 AI 서비스를 개발해 도입하려면 너무 많은 비용이 발생하며, 막대한 비용만큼의 생산성 향상을 보장하기도 어렵다. 모든 서비스에 대규모 언어모델이 필요한 것은 아니며, 각 기관마다 데이터를 수집 및 가공해서 파인튜닝(fine-tuning)을 해야 하는 것도 아니다. 잘 구축된 공통 모델 및 서비스를 기반으로 각 공공기관에 맞는 특화 서비스를 개발해 사용한다면, 생각보다 많지 않은 비용으로 AI를 도입해 생산성을 향상시킬 수 있다.
셋째, 합리적인 평가 기준을 마련하고 향후 지속적인 고도화 방향을 설정할 필요가 있다. 기술적인 지표만으로는 서비스의 실제 효과를 판별하기 어렵다. 실질적으로 사용자들의 번거로운 수고를 덜어줄 수 있는지를 서비스 평가의 기준으로 삼아야 한다. 또한 AI는 기술의 발전 속도가 매우 빠르므로, 향후 고도화 및 확장 가능성까지 염두에 두고 서비스를 개발해야 한다.
마지막으로, 보안 유지에 대한 가이드라인이 있어야 한다. 공공부문 서비스에서는 보안이 특히 중요하다. 내부 데이터를 수집하고 가공할 경우, 어떤 데이터가 어떻게 학습에 활용되는지를 투명하게 기록하고 관리해야 한다. 더불어 개인정보 등 민감한 정보가 침해되지 않도록 명확한 기준을 만들어 그 준수 여부를 수시로 점검해야 한다.
우리나라의 정부 및 공공기관 서비스는 세계 어느 곳보다 수준이 높고 효율적이다. 데이터도 잘 구비되어 있을 뿐더러, 인적 자원도 매우 탁월하다. 이런 환경을 잘 활용해 AI를 적용하면 정부24를 넘어서는 디지털 정부를 세계에서 가장 먼저 구현할 수 있을 것이다
