자연어와 이미지 인식 등을 활용하는 인공지능(AI) 데이터 기술이 폭넓게 활용되고 있다.

AI카메라와 음성비서 애플리케이션을 탑재한 스마트폰, 가정용 음성인식 스피커는 어디서든 쉽게 접할 수 있다. 각 국은 공항 출입국심사, 보안 카메라, 화재예방, 인명구조 등에도 AI를 활용 중이다. 국방 분야 AI 군사무기화, 국경경비, 감시 AI기능은 논란도 낳고 있다.

그럼에도 정부는 민간 부문보다 AI 기술과 서비스의 광범위한 채택과 활용에서 뒤쳐진다. AI가 공공부문에 미칠 수 있는 영향의 규모를 고려할 때, 정부가 관련 시스템을 체계적으로 채택하는 데 방해가 되는 장애물을 이해하는 것이 중요하다.

세계경제포럼(WEF)은 16일(현지시간) 보고서에서 정부 AI도입을 위한 5가지 도전을 소개했다.

데이터 활용

디지털 시대 스마트폰을 통한 인터넷과 영상 활용은 데이터 폭증을 불러왔다. IBM은 2017년에 전 세계 데이터의 90 %가 지난 2 년 동안 생성 된 것으로 추정했다.

데이터는 최신 AI 솔루션을 지원하는 연료라는 점에서 중요하다. 문제는 공공 및 개인 조직이 이 대량의 다양한 데이터를 처리하고 활용할 준비가 안됐다는 것이다. 대부분의 조직은 데이터 자산에 대한 이해가 부족하다. 조직 내 데이터베이스에 어떤 정보가 포함돼 있는지 어떻게 데이터를 수집활용 해야 하는지 모른다.

대부분의 조직에 기존 데이터 소유자, 최고 데이터 책임자(CIO)와 같은 엔터프라이즈 데이터 챔피언과 같은 데이터 거버넌스 프로세스가 마련되어 있지 않다. 직원이 엔터프라이즈 데이터에 안전하고 효율적으로 접근해 활용할 수 있는 도구 또는 데이터 개인정보보호 및 무결성을 관리하고 보장하는 방법이 미비하다. 데이터를 이해하고 관리 할 수 있는 기능이 없는 조직은 AI를 활용할 수 없다.

AI 기술

AI 및 데이터 관리기술 부족도 문제다. 데이터 관리를 넘어 AI솔루션을 개발하는 데 필요한 기술을 얻는 것은 훨씬 어렵다. 자원이 풍부한 일부 국책연구기관을 예외로, 일반적으로 공공부문은 민간 부문에 비해 보상이 낮아 높은 수준의 AI 인재를 유치하는 것이 어렵다. 이에 공공기관은 핵심 AI기술자가 없어 AI솔루션을 배포하고 운영하는 데 어려움을 겪는다.

미국 캘리포니아주 샌프란시스코에서 1 ~ 5 년 경력을 가진 데이터 과학자에 대한 보상. credit : LinkedIn Salary Insights.

부서 책임자, 정책 입안자 및 조달 공무원과 같은 비기술적 역할을 하는 정부 직원이 데이터와 AI에 대해 충분히 이해하고 있지는 않다. 여기에는 개인정보보호가 주요 관심사인 방대한 양의 데이터 사용에 대한 법적 지식과 윤리적 영향에 대한 기술지식과 가장 중요한 지식이 포함된다.

데이터 및 개인정보보호법과 같은 AI 프로젝트에 직접적인 영향을 미치는 기존 법률을 이해하기 어렵다. 적용 가능한 기존 법률을 완전히 이해하지 못하고 AI 프로젝트에 착수하면 개인정보보호와 같은 핵심 권리와 공공부문 AI를 전적으로 공개적으로 지원할 수 있는 장기적인 능력을 위협할 수 있다. 이는 AI기술 이해 부족만큼 AI 조달에 큰 영향을 미칠 수 있다.

AI 자체 지식을 보유한 정부 기관은 의사소통 부족이라는 추가 복잡성에 직면해 있다. 기능 간 단절은 AI 자원과 정책 입안자와 같은 동료가 자주 접촉점을 갖고 서로의 지식을 최대한 활용하는 것을 어렵게 한다.

AI 스타트업

AI 환경은 매우 복잡하고 지속적으로 발전하고 있다. 보다 확고한 기술 분야에는 시장주도적 업체들이 있다. 클라우드 환경은 알리바바, 아마존, 구글, 마이크로소프트가 지배하고 있으며 이는 전세계 퍼블릭 클라우드 시장의 약 84 %를 차지한다.

클라우드 보다 잠재력이 큰 AI시장은 더 분열된 양상이다. 많은 소규모 업체가 지속적으로 등장하고 있다. 캐나다 AI 환경을 보여주는 디트로이트 캐나다(Deloitte Canada)가 실시한 2019년 연구에 따르면 800개 이상의 AI 회사가 있다. 이 중 대다수는 직원 수가 50명 미만이고 지난 5년간 50 % 이상이 설립됐다. AI시장의 파괴적 혁신과 변화 속도는 실로 급격하다

AI 시스템 혁신은 여러 지역에 걸쳐 나타나는 수많은 AI 스타트업에서 비롯된다. 이는 정부가 갖는 두 번째 과제다. 정부와의 협력 경험이 적고 대규모 프로젝트의 규모 조정에 어려움이있는 소규모 신생업체에 상당한 양의 AI 노하우가 있다. 정부는 상당한 전문 지식을 활용하고 지역 경제에 크게 기여할 수있는 AI 산업 허브의 성장을 촉진하기 위해 새로운 업체들을 참여시킬 방법을 찾아야한다.

민첩성

모든 조직은 새로운 기술을 채택하는 데 어려움을 겪고 있다. 그러나 공공 기관은 기존의 관행과 절차로 인해 민간 부문보다 민첩하지 않다. 민간 부문의 일부에서는 실험을 위한 강력한 문화가 직원들에게 혁신을 장려하고 긍정적 성과로 보상한다. 정부에서는 서비스 제공이 크게 향상돼도 보상이 급상승하거나 더 빨리 승진하지 않는다. 직원들이 성과 향상을 위해 위험을 감수할 요인이 크지 않다. 민첩성이 떨어지는 정부 조직이 AI 혁신적인 기술을 채택하기가 어려운 이유다.

조달체계

AI는 현재 조달 메커니즘이 해결하지 못하는 문제를 제시한다. 예를 들어, 민간 부문은 알고리즘을 지적재산권(IP)으로 취급한다. 상용 알고리즘을 구입하는 정부는 라이프사이클 전체에 걸쳐 필요에 따라 알고리즘을 이해하고 편집할 수 있기를 원할 수 있다. 사용자 정의( customization)는 소프트웨어 조달에서 매우 일반적이지만 AI 제공 업체는 다른 AI 개발자가 알고리즘에 액세스하는 것에 동의하지 않을 가능성이 높다.

이는 유지관리에 영향을 미친다. AI 알고리즘을 새로운 데이터로 지속적 업데이트, 라이프사이클과 성능 유지에 정부도 영향을 미친다. 또한 공공 조달 메커니즘은 느리고 복잡하다. 통상적인 장애에는 포괄적인 요건 및 조건, 입찰, 최종 결정에 이르기까지의 긴 기간 등이 있다. 당면 과제 또는 기회에 초점을 맞추는 대신 특정 솔루션을 요구하는 제안도 문제다.

이러한 요인들은 공급자, 특히 스타트업에서 문제가 된다. 대기 시간이 길면 신생기업은 현금 흐름을 관리하기 위해 직원을 당장 필요한 소수로 운영하는 경우가 많다. 프로젝트를 위해 미래에 필요한 직원을 미리 채용 하기가 매우 어렵다.

정부는 전면적인 AI 채택에 대한 중요한 도전에 직면해 있다. 기술이 주요 장애물이라는 일반적인 통념과는 달리, 기술 과제는 당면 과제의 일부일 뿐이며 이는 해결하기 가장 간단한 부분이다. 조직에 뿌리를 둔 문화와 프로세스 또한 AI를 완전히 활용하기 전에 조정이 필요하다.

관련 보고서는 WEF AI펠로우 줄리안 토레스 산텔리(Julian Torres Santeli, Deloitte Canada AI 메니저), 사빈 거든(Sabine Gerdon, UK’s Office for Artificial Intelligence 선임 정책고문)이 작성했다.