Executive Summary

주요 수치

출처: ZDNet Korea(2026-11-06), 전자신문(2026-04-10)

네 숫자 가운데 셋은 모으는 쪽에서 나왔고, 하나는 서비스 쪽에서 나왔다. 앞의 셋은 기관을 잇고 데이터를 등록한 결과를 세고, 넷째는 그 데이터로 국민이 쓸 무언가를 만드는 작업의 진행 상황을 센다. 단위가 제각각이라 크기를 맞대 볼 수는 없다. 견줄 수 있는 것은 무엇을 세고 있느냐인데, 넷 중 어느 것도 국민이 던진 물음에 답이 나왔는지는 세지 않는다. 그 빈칸이 이 글의 출발점이다.

11월 6일 서울스퀘어에서 열린 국가인공지능전략위원회 제3차 전체회의는 하정우 상근부위원장이 취임한 뒤 처음 주재한 회의였다. 정부와 민간 위원, 관계기관장 60여 명이 모여 세 건을 의결했다. 대한민국 인공지능 입법 프레임워크, 국가 AI 핵심과제 추진을 위한 위원회 TF 구성·운영계획, 그리고 범정부 데이터 파이프라인 구축 현황 및 활용 방안이다.

세 번째 안건에서 배경훈 부총리는 각 부처가 공공데이터를 활용한 AI 전환 사업을 약 30개 진행하고 있으며, 국민이 '모두의 AI'에서 그 서비스들을 이용할 수 있도록 연결하는 작업을 추진 중이라고 보고했다. 다만 각 데이터를 연결하는 작업이 만만치 않다는 말도 함께 덧붙였다. '모두의 AI'는 12월 중순 출시가 예고돼 있고, 그는 이 서비스를 생성형 챗봇을 넘어 에이전트 시대를 준비하는 첫 출발점으로 설명해 왔다.

같은 자리에서 조준희 한국소프트웨어산업협회장이 다른 쪽을 짚었다. 그는 이 위원회의 산업AX·생태계 분과위원장을 맡고 있다. 데이터를 확보하는 일과 그 데이터로 서비스를 개발하는 일은 별개 작업이라는 것이다. '모두의 AI'가 해외 빅테크 서비스와 다른 무언가가 되려면 공공데이터를 가지고 실제로 더 나은 답을 내놓아야 하는데, 그러려면 부처마다 개발 역량과 예산과 인력이 따로 서 있어야 한다는 지적이 뒤따랐다.

조준희 회장이 회의에서 든 예가 이 질문이다. 건강보험을 적용받아 치아 스케일링을 다시 받을 수 있는지 국민이 물었을 때, AI가 답하려면 무엇이 있어야 하는가. 언뜻 보면 진료 기록만 있으면 될 것 같다. 마지막으로 스케일링을 받은 날짜가 거기 적혀 있기 때문이다.

그런데 날짜는 답이 아니라 답의 재료다. 그 날짜를 어디에 대 봐야 하는지를 정해 주는 것은 건강보험 급여 기준이다. 해당 항목이 얼마 만에 다시 급여 대상이 되는지, 나이나 상태에 따라 조건이 갈리는지, 기준을 다시 세는 시점이 언제인지는 진료 기록이 아니라 제도 문서에 적혀 있다. 두 가지가 한자리에 있어야 비로소 된다와 안 된다를 가를 수 있다.

이 예가 유용한 까닭은 무엇이 모자란지를 한 번에 짚어 주기 때문이다. 진료 기록을 백만 건 더 모아도 급여 기준이 없으면 답은 똑같이 나오지 않는다. 반대로 기준 한 줄이 옆에 붙으면 기존 기록만으로 답이 선다. 질문에 답하는 능력은 모은 양보다 맥락이 붙었는지에서 갈린다.

회의에서 이 지점을 다른 각도로 확인한 발언도 있었다. 정은경 보건복지부 장관은 개인정보를 보호하면서 기관별 데이터를 연계할 기준이 필요하다고 말했다. 국민건강보험공단과 사회보장정보원 같은 기관이 데이터를 어디까지 공유할지 아직 고민하는 중이라는 설명이었다. 치아 스케일링 예시가 가리킨 그 데이터가, 실제로도 기준 문제에 걸려 있는 셈이다.

모으는 쪽이 부실해서 생긴 간극이 아니다. 오히려 그 반대다. 이번 회의에 올라온 세 번째 안건이 그 규모를 정리하고 있다. 여기서 말하는 범정부 데이터 파이프라인은 국민에게 데이터를 여는 공공데이터포털과 쓰임이 다르다. 기관이 다른 기관의 데이터를 찾아 받아 쓰도록 정부 안쪽에 깔아 둔 길이고, 그래서 규모를 재는 단위도 제공받는 기관의 수다. 행정안전부는 9월 시범 운영을 시작했고, 이 파이프라인을 현재 848개 기관에 제공하고 있다. 지난달 기준으로 등록된 공유데이터는 5만 4768건, 메타데이터는 244만 2269건이다. 근거가 되는 법은 AI 및 데이터 기반 행정 활성화에 관한 법률 제8조다.

찾는 길도 올해 봄에 깔렸다. 2026년 4월 구축한 국가공유데이터플랫폼에서 기관별 데이터를 검색하고 확보할 수 있고, AI 검색 기능으로 원하는 데이터가 어느 기관에 있는지 확인할 수 있다. 학습용 데이터 쪽도 비슷한 시기에 움직였다. 과학기술정보통신부와 한국지능정보사회진흥원은 공공기관이 가진 AI 학습용 데이터를 전수조사해 활용 가능성이 높은 100종을 발굴하기로 했고, 60억 원 규모로 통합제공체계를 꾸려 903종을 개방한 기존 AI 허브를 개편하기로 했다. 이 작업은 올해 4월에 공개됐다.

숫자만 놓고 보면 준비가 끝난 것처럼 읽힌다. 바로 그 점이 조준희 회장의 지적이 서는 자리이기도 하다. 848개 기관과 5만 건이라는 규모는 데이터가 모였다는 사실을 말해 주지, 그 데이터로 어떤 질문에 답할 수 있는지는 말해 주지 않는다. 두 가지는 서로 다른 성숙도이고, 앞의 것이 커진다고 뒤의 것이 따라 커지지는 않는다.

정부도 이 간극을 모르고 있지는 않다. 이번 안건의 향후 계획에는 여러 기관이 공통으로 필요로 하는 데이터를 정제하고 결합해 하나의 데이터셋으로 제공하겠다는 내용이 들어 있다. 복지, 청년고용, 지역소멸, 재난안전처럼 여러 부처에 걸친 정책 현안이 대상이고, 품질 검증 결과와 분석 예제와 활용 안내서를 함께 붙이겠다고 적혀 있다. 맥락을 붙이는 일을 과제로 인식하고 있다는 뜻이다. 남는 질문은 그 일에 얼마나 많은 몫이 배정되느냐다.

연결한 기관 수, 등록한 데이터 건수, 개방한 데이터 종수는 모두 세기 쉽다. 연말 보고서에 전년 대비 증가율로 적을 수 있고, 누가 봐도 뜻이 통한다. 반면 이 데이터로 어떤 질문에 답할 수 있게 됐는지는 세기 어렵다. 질문의 목록을 먼저 정해야 하고, 답이 맞았는지 판정할 기준도 따로 있어야 한다. 세기 쉬운 쪽에 예산과 성과지표가 쏠리는 것은 누가 게을러서가 아니라 측정 비용이 다르기 때문이다.

이 기울기는 숫자로도 한 번 드러난 적이 있다. 행정안전부의 2025년 공공데이터 제공 운영실태 평가에서 684개 기관의 관리체계 점수는 89.5점이었지만 개방·활용 점수는 59.2점이었고, 그해 새로 들어간 'AI 친화·고가치 데이터 개방' 지표는 37.8점에 그쳤다. 같은 기관들이 관리 쪽에서는 90점 가까이 받으면서 AI가 쓸 형태로 내놓는 일에서는 절반을 밑돈 것이다. 자세한 내용은 공공데이터 평가, 관리는 잘해도 AI가 쓸 데이터는 모자란다에서 다뤘다.

회의에서 나온 다른 두 발언도 같은 방향을 가리킨다. 데이터를 제공한 뒤 문제가 생기면 책임을 떠안게 될 수 있다는 기관들의 우려가 제기됐고, 제도적 보완이 필요하다는 의견이 붙었다. 이형일 경제부총리 겸 재정경제부 장관은 데이터 공유에 힘쓴 기관에 예산과 인력을 지원하는 방안을 제안했다. 지금 구조에서 데이터를 내놓는 기관은 위험만 지고 보상은 받지 못한다는 인식이 깔린 제안이다.

위원회 운영 방식도 이번에 바뀌었다. 기존 분과 중심에서 프로젝트 중심으로 옮기면서 과제마다 결과물과 기한을 정하기로 했고, 핵심과제 TF 7개를 새로 뒀다. 상근부위원장 직속으로 청년 도약, 국가 초지능 대응, 글로벌 AI 전략적 협력 세 개를 두고, 분과와 연계해 국가 사이버 복원력 강화, 문화콘텐츠 AI 혁신, 데이터 플라이휠 구축, K-AI 풀스택 생태계 구축 네 개를 뒀다. 국민과 기업이 체감할 성과를 내겠다는 것이 전환의 이유로 제시됐다. 체감이라는 말은 결국 질문에 답이 나왔는지로 판정된다.

치아 스케일링 예시가 가리키는 자리는 정부 데이터 밖에도 있다. 우리가 데이터를 쓸 수 있는 상태로 만드는 일을 하면서 가장 자주 마주치는 장면이 이것과 같은 모양이다. 창고에는 기록이 충분히 쌓여 있는데, 그 기록을 판정으로 바꿔 줄 규칙이 사람 머릿속이나 결재 문서나 오래된 엑셀 파일 안에 흩어져 있다. 모델을 바꿔도 이 자리는 움직이지 않는다.

AI-Ready Data라는 말이 가리키는 것도 여기다. 데이터를 얼마나 모았는지가 아니라, 그 데이터 옆에 질문에 답하는 데 필요한 기준과 정의와 이력이 함께 서 있는지가 기준이 된다. 진료 날짜 한 칸과 급여 기준 한 줄의 관계를 일반화하면, 값과 그 값을 해석하는 규칙이 같은 자리에 있어야 한다는 말이 된다. 이 구분을 앞서 두 번 다뤘다. 연구데이터 쪽은 데이터를 공개하는 것과 쓸 수 있게 만드는 것은 다르다에서 따라갔다. 공공데이터 개방의 이용 조건은 개방 일정을 1년 당긴 공공데이터 100종의 이용 조건에서 살폈다.

조직 안에 모아 둔 데이터가 어느 단계에 있는지는 질문 세 개로 가늠할 수 있다.

• 우리 데이터에 실제로 물어볼 질문 열 개를 적을 수 있는가. 적어 보면 대개 절반은 지금 데이터로 답이 나오지 않는다.
• 답이 나오지 않는 질문마다, 모자란 것이 기록인지 기준인지 가를 수 있는가. 기록이 모자라면 더 모으면 되고, 기준이 모자라면 더 모아도 소용이 없다.
• 그 기준이 문서 어디에 있는지 한 사람이 아니라 시스템이 알고 있는가. 담당자가 바뀌면 사라지는 규칙은 데이터에 붙어 있다고 할 수 없다.

세 질문 모두 데이터를 얼마나 가졌는지를 묻지 않는다. 가진 것으로 무엇을 판정할 수 있는지를 묻는다. 성과지표가 전자만 세는 동안 후자는 아무도 세지 않은 채로 남고, 그 상태에서 AI를 붙이면 답하지 못하는 질문의 목록만 길어진다.

여기까지 읽어 주셔서 감사하다. 회의 내용은 ZDNet Korea의 현장 보도에 정리돼 있다. 조직에서 데이터를 모아 두고도 답이 나오지 않아 멈춘 질문이 있다면, 모자란 것이 기록이었는지 기준이었는지 들려주시면 좋겠다.