공공 AI, 도입 실적보다 현장 성과가 관건

범정부 과제로 확대된 공공 인공지능 전환의 평가 기준이 도입 건수에서 행정 생산성과 국민 체감 성과로 이동하고 있다. 구름 빅밸류 대표는 성패를 가르는 핵심으로 데이터, 현장의 신뢰, 지속성을 제시했다. 예산을 늘리고 AI 시스템을 많이 구축하는 것만으로는 실제 업무 혁신을 담보할 수 없으며, 기술이 현장의 판단 과정에 자리 잡아야 한다는 진단이다.

첫 단계는 현실과 데이터 사이의 차이를 바로잡는 작업이다. 적시성·정확도·연결성을 점검하고 라벨 오류를 정제해 데이터를 AI가 활용할 수 있는 상태로 만들어야 한다. 예측 결과와 함께 판단 근거를 제시해 실무자의 신뢰를 얻는 과정도 필요하다. 구축 이후에는 현장 피드백을 반영해 모델을 매년 재학습하는 체계를 갖춰야 한다. 문제 정의, 데이터 진단·정제, 인과 모델링, 신뢰 형성, 지속적 재학습이 실제 활용으로 이어지는 다섯 단계로 제시됐다.

농림축산검역본부와 민관 협력으로 개발한 고병원성 조류인플루엔자 위험도 예측 모델은 이런 원칙을 적용한 사례다. 흩어진 데이터를 연결하고 탐색적 데이터 분석으로 오류와 간극을 보완했으며, 현장 방역관의 경험을 알고리즘이 학습할 수 있도록 구조화했다. 발생·전파 위험이 큰 농장을 미리 가려내 방역 자원의 선제 배치를 지원한 결과, 감염 경로 추적 시간은 7일에서 10초로 단축됐다. 이 모델은 실제 행정 지침과 공무원의 판단 과정에 활용되고 있다.

공공 AX가 좌초하는 주요 원인으로는 현장의 문제보다 AI 도입 자체를 목표로 삼는 방식이 지목됐다. 데이터 수준과 수용성이 부족하면 시스템이 납품된 뒤 방치될 수 있다는 것이다. 전 조직으로 확산하려면 부처 내부 자료에 머물지 않고 다른 부처와 민간 데이터를 연결해야 하며, 칸막이를 넘어 조율할 ‘AX 오케스트레이터’와 성공 조건의 제도화도 요구된다. 은행 담보대출, 프랜차이즈 매출 예측, 가축전염병 방역 분야의 전환을 수행한 구름 대표는 현재 국가AI전략위원회 데이터분과 위원으로 활동하고 있다.