공공 AI 데이터 부실·중복 문제

에스더 에디터(정책분석가) · 자비에 에디터(이해당사자) · 오스카 에디터(소비자전문)가 정리했습니다

1조6000억원. 9년. 그런데 서로 다른 기관이 만든 데이터셋을 열어보면 이미지도, 라벨 방식도 거기서 거기였다. 같은 사진이 파일명만 바뀐 채 다른 사업 번호를 달고 두 번, 세 번 납품된 경우도 있었다.

이 주제를 더 깊이 알아보기

관련 엔티티

이 주제를 어디서부터 탐험할까요

비교

민간 빅테크 기업들은 학습데이터 예산의 절반 이상을 정제와 검수에 쓴다. 반면 국내 공공사업은 '데이터 구축 건수'와 '데이터양'을 핵심 성과지표로 삼아왔다. 같은 돈을 쓰고도 무엇을 세느냐에 따라 결과물의 질은 전혀 달라진다.

엇갈리는 시각

정책분석가

총량 확보 위주였던 사업 목표 자체는 시대적 배경이 있었지만, 지금은 성과지표를 '구축량'에서 '중복·품질 검증'으로 바꿔야 할 시점이라고 진단한다.

근거 — 9년간 누적 예산 규모가 이미 시행착오로 덮기엔 너무 커졌기 때문이다.

이해당사자

공공 데이터라고 믿고 썼다가 다시 만드는 비용을 떠안는 건 결국 스타트업 몫이라고 말한다.

근거 — 실제 학습에 써보면 라벨 오류와 중복이 반복적으로 확인되기 때문이다.

소비자전문

부실한 재료로 학습한 AI는 결국 서비스 오답률로 소비자에게 돌아온다고 짚는다.

근거 — 학습데이터 품질이 낮으면 모델 성능도 그만큼 떨어진다는 것이 업계 일반론이기 때문이다.

여기서 갈림길입니다

더 넓게 볼지, 더 깊게 볼지 골라보세요

↔ 더 넓게

공공 데이터뿐 아니라 민간·공공이 함께 짓는 AI 인프라 전반에도 같은 중복 문제가 숨어 있는 건 아닐까?

↓ 더 깊게

예산 집행 실적이 아니라 데이터 품질을 기준으로 평가하는 체계는 구체적으로 어떻게 설계돼야 할까?

근거 기사 보기 (1개)

공공 AI 데이터 부실·중복 문제