디지털플랫폼정부위원회, 공공부문 초거대 AI 도입·활용을 위한 가이드라인(24.04.23)

1. 개요

초거대 AI의 시대가 도래하면서 공공부문에 대한 AI 도입의 필요성이 증가하고 있습니다. 디지털 플랫폼 정부의 초거대 AI 추진 방향과 가이드라인의 목적 및 구성에 대해 설명합니다.

공공부문 초거대 AI 도입 활용 가이드라인

2. 초거대 AI 기술 및 사례

초거대 AI와 초거대 언어 모델(LLM)

• 초거대 언어 모델(LLM)은 대규모 데이터 세트를 기반으로 훈련되어 다양한 인공지능 작업을 수행합니다. 이 모델들은 기존의 언어 모델보다 훨씬 복잡하고 다양한 데이터에 대한 처리가 가능합니다.

분류	정의	특징 및 장점	고려사항
초거대 AI	대규모 데이터셋과 매개변수를 기반으로 훈련된 딥러닝 모델로, 복잡한 패턴 인식과 의사결정 지원 등을 수행합니다.	- 고도의 패턴 인식 및 예측 능력 - 복잡한 의사결정 및 추론 가능 - 광범위한 데이터 학습	- 막대한 컴퓨팅 자원 필요 - 훈련 및 유지 관리 비용 높음
초거대 언어 모델 (LLM)	자연어 처리에 특화된 초거대 AI 모델로, 텍스트를 이해하고 생성하는 작업에 사용됩니다.	- 다양한 NLP 작업 수행 가능 - 막대한 매개변수로 정교한 언어 이해 - 전이 학습을 통한 다목적 활용	- 데이터 내 편향 반영 우려 - 윤리적 문제 발생 가능성 - 데이터 보안 및 개인정보 보호 필요

LLM 유형	정의 및 주요 내용
기본 LLM (Base LLM)	- 대규모 텍스트 데이터로 사전 훈련된 모델 - 다양한 언어 이해와 생성 작업에 기반을 제공 - 특정 작업에는 추가적인 파인튜닝이 필요
파인튜닝된 LLM (Fine-tuned LLM)	- 사전 훈련된 LLM을 특정 작업이나 도메인에 맞게 미세 조정 - 특화된 데이터를 사용하여 성능을 향상시킴 - 예: 법률, 의료, 금융 등의 특정 분야에 최적화된 모델
멀티모달 LLM (Multimodal LLM)	- 텍스트뿐만 아니라 이미지, 비디오 등 다양한 유형의 데이터를 학습 - 예: 텍스트와 이미지를 결합하여 정보를 이해하고 생성하는 AI 모델 - 복합 데이터 처리에 유리
양방향 LLM (Bidirectional LLM)	- 텍스트의 앞뒤 문맥을 모두 고려하여 학습 - 입력된 문장 전후의 문맥을 파악하여 더 정확한 의미를 추론 - 예: BERT 모델이 이 유형에 속함
자율적 학습 LLM (Autoregressive LLM)	- 하나의 입력에서 다음 텍스트를 예측하는 방식으로 학습 - 문장 생성에 강점을 보임 - 예: GPT 시리즈는 이 유형의 좋은 예

클라우드 컴퓨팅 서비스

• 초거대 AI의 학습 및 운영을 위해 필수적인 클라우드 컴퓨팅 서비스에 대해 설명하며, 이를 통해 공공기관이 어떻게 데이터를 관리하고 보안을 유지하는지를 다룹니다.

서비스 유형	정의	주요 내용
IaaS (Infrastructure as a Service)	기본적인 IT 인프라를 서비스로 제공합니다.	- 서버, 저장장치, 네트워크 등의 인프라 자원을 가상화하여 제공 - 사용자는 자원을 임대하여 사용, 확장성 및 유연성이 높음
PaaS (Platform as a Service)	애플리케이션 개발 및 배포에 필요한 플랫폼을 제공합니다.	- 개발 도구, 데이터베이스 관리, 운영 시스템 등을 포함하는 개발 플랫폼 제공 - 개발자는 인프라 관리 없이 애플리케이션에 집중할 수 있음
SaaS (Software as a Service)	애플리케이션을 인터넷을 통해 서비스로 제공합니다.	- 소프트웨어 및 해당 애플리케이션의 운영 관리를 클라우드 제공자가 담당 - 사용자는 복잡한 소프트웨어 설치 및 유지보수 없이 서비스를 이용할 수 있음
복합 서비스	여러 클라우드 서비스 유형을 결합하여 제공합니다.	- IaaS, PaaS, SaaS의 장점을 결합하여 유연성과 기능을 확장 - 사용자의 다양한 요구사항을 충족시키는 맞춤형 클라우드 솔루션 제공

국내 기업의 초거대 AI 시장 현황

• 국내 주요 IT 기업들이 어떻게 초거대 AI를 개발하고 시장에 적용하고 있는지에 대한 현황을 제공합니다. 각 기업의 전략과 AI 모델의 특징을 분석합니다.

개발기업	모델명	주요 내용
KAKAO	KoGPT	- 2021년 11월 GPT-3 기반으로 한국어 특화 AI 모델 개발 - 한국어 및 한국 문화 지식에 대한 높은 성능 보임 - 초거대 언어 모델과 제품 최적화 언어 모델 보유
NAVER	ClovaX	- 자체 서비스에서 축적된 다양한 한국어 데이터 학습 - ChatGPT 보다 한국어 이해 능력이 뛰어남 - 기업용 B2B 사업 추진 중, 초대규모 AI 제품 구축 가능
KT	믿:음	- 2022년 LLM 확보, 2023년 믿:음 Studio 공개 - AI Full Stack 전략을 기반으로 맞춤형, 신뢰성, 편의성 특화 - AICC, 지니TV 적용, 통신사 기반 서비스 개발
LG	EXAONE	- 2023년 7월 초거대 멀티모달 AI '엑사원(EXAONE) 2.0' 공개 - 고품질 학습 데이터와 비용 효율성, 맞춤형 모델 설계의 경쟁력 - 전문가 AI 서비스 개발을 위한 기반 플랫폼 유니버스, 디스커버리, 아틀리에 개발
SKT	에이닷(A.)	- 2023년 9월 한국어 LLM 서비스 에이닷 정식 출시 - 통신사 기반 서비스 중심으로 개발 - 통화 요약, 실시간 통역 등의 AI 전화 서비스와 AI 수면 관리, AI 뮤직 서비스 제공

공공서비스 분류 및 활용 사례

• 초거대 AI를 활용한 공공 서비스의 분류와 실제 활용 사례를 통해, AI가 어떻게 공공부문의 업무 효율성을 개선하고 있는지를 상세하게 설명합니다.

서비스 유형	목적	활용 예시
질의 응답	공공 데이터베이스에서 사용자의 질문에 응답하여 필요한 정보를 제공합니다.	공공기관 웹사이트에서 특정 정보에 대한 사용자 질문에 대답합니다.
분석 및 활용	다양한 데이터 소스에서 수집한 정보를 분석하여 인사이트를 제공합니다.	정부 보고서의 데이터를 분석하여 통계적 통찰을 제공하거나, 정책 결정을 지원합니다.
문서 작성	반복적이거나 표준화된 문서 작업을 자동화하여 작성 시간을 줄이고 정확성을 향상시킵니다.	회의록, 정책 제안서의 초안을 AI를 활용하여 자동 생성합니다.
기획 및 창작	창의적인 콘텐츠 생성을 지원하여, 다양한 프레젠테이션, 보고서, 홍보 자료 등을 개발합니다.	행사 포스터 디자인, 캠페인 슬로건 생성, 교육 자료 개발 등에서 AI를 활용합니다.
상담 지원	고객 서비스 및 상담 업무에서 응답의 신속성과 정확성을 개선합니다.	민원 응대, 고객 상담, FAQ 자동 응답 시스템 등에서 AI를 활용합니다.
서비스 처리	업무 프로세스를 자동화하여 공공 서비스의 처리 속도와 효율성을 향상시킵니다.	라이선스 갱신, 허가 절차 자동화, 신청서 처리 등에서 AI를 통해 업무를 자동화합니다.

3. 초거대 AI 도입 절차

도입 원칙 및 고려사항

• AI를 도입할 때 고려해야 할 기본 원칙과 데이터 보안, 클라우드 서비스 구성 방안 등을 포함한 도입 절차에 대해 설명합니다.

원칙 번호	원칙	설명
원칙 1	민간의 최신 기술을 적기에 도입하고 활용	- 민간의 우수한 클라우드 방식 도입을 우선 검토 - 민관 협력을 통해 인공지능 산업 생태계 조성
원칙 2	행정 프로세스와 조직문화 혁신을 함께 수행	- 단순한 신기술 도입을 넘어서 업무 재설계 병행 - 유연한 ‘애자일 방식’을 통한 지속적 성능 개선
원칙 3	부처 간 칸막이를 없애고 하나의 정부를 구현	- 개별 구축을 지양하고 부처 간 데이터와 자원을 공유, 결합 - 대국민 서비스에서 부처가 한 팀이 되도록 상호 연계, 협업
원칙 4	국가 안보와 국민 권리 보호를 보장	- 민감, 기밀 데이터의 외부 유출 방지 - 학습 데이터 내 개인정보와 저작권 보호
원칙 5	‘인공지능 윤리기준’을 준수	- 인권 보장, 프라이버시 보호, 다양성 존중 등을 중시하는 윤리 기준 준수 - 인공지능이 사회적 가치와 윤리를 반영하도록 설계

도입 체크리스트

• 초거대 AI 도입을 위한 구체적인 체크리스트를 제공하여 공공기관이 준비해야 할 사항을 명확히 합니다.

체크리스트 항목	설명
데이터 보안 등급 평가	- 도입 예정인 AI 서비스에 대해 필요한 데이터의 보안 등급을 평가하고 적합한 보안 조치를 적용합니다.
클라우드 서비스 구성 방안	- AI 서비스를 위한 클라우드 인프라를 계획하고, 서비스 제공자와의 협력을 통해 최적의 구성을 결정합니다.
데이터 학습 방식 결정	- 사용할 AI 모델의 데이터 학습 방식을 결정하며, 필요한 데이터를 수집하고 처리하는 절차를 정립합니다.
서비스 도입 방식	- 초거대 AI 기반 서비스의 도입 방식을 결정합니다. 이는 전체 시스템에 대한 통합 방식이 될 수도 있고, 단계별 접근 방식일 수도 있습니다.
서비스 레벨 목표 (SLO) 설정	- 서비스의 품질과 성능을 정의하는 서비스 레벨 목표를 설정하고, 이를 달성하기 위한 기준을 마련합니다.
유지보수 및 운영 계획	- AI 서비스의 지속적인 유지보수 및 운영을 위한 계획을 수립합니다. 이는 시스템 업데이트, 장애 대응, 성능 모니터링 등을 포함합니다.
법적 및 규제 준수 검토	- 초거대 AI 도입과 관련된 법적 및 규제 요구사항을 검토하고 준수합니다. 이는 데이터 보호 규정, 저작권, 기타 적용 가능한 법률을 포함합니다.
프라이버시 및 윤리 기준 마련	- AI 사용에 있어 개인의 프라이버시를 보호하고, 윤리적 기준에 부합하는 방법으로 운영되도록 합니다. 이는 AI 윤리 지침을 포함하며, 사용자 데이터 처리 방식을 명확히 합니다.
이해관계자와의 커뮤니케이션 계획	- AI 도입 과정에서 모든 관련 이해관계자와의 효과적인 커뮤니케이션을 계획합니다. 이는 도입의 목적, 기대 효과, 역할 분담 등을 명확히 하는데 필요합니다.
리스크 관리 및 대응 계획	- AI 도입과 운영 중 발생할 수 있는 잠재적 리스크를 식별하고, 이에 대한 대응 계획을 수립합니다. 이는 기술적 장애, 데이터 유출, 예상치 못한 비용 증가 등을 포함합니다.

4. 부록

연간 초거대 AI 활용 지원 사업의 주요 현황을 포함하여, 추가적인 자료와 참고문헌을 제공합니다. 이를 통해 독자들이 초거대 AI에 관한 더 깊은 이해를 할 수 있도록 돕습니다.

결론

공공부문에서의 초거대 AI 도입은 다양한 서비스의 질을 개선하고, 효율적인 공공 관리를 가능하게 합니다. 이 글은 초거대 AI 기술의 현재와 미래에 대한 포괄적인 가이드를 제공하며, 공공기관이 이를 어떻게 활용할 수 있는지에 대한 방향을 제시합니다.

공공부문 초거대 AI 도입 활용 가이드라인(24.4.23).pdf

3.32MB

https://www.dpg.go.kr/DPG/contents/DPG03020000.do?schM=view&id=20240423103225685873&schBcid=reference