인공지능 기술의 발전에 따라 공공분야에서도 인공지능 도입 및 활용 범위의 확대가 업무 생산성 및 효율성 개선과 대민서비스 향상에 기여할 것으로 전망한다.
이러한 기대감 속에 현 정부는 다양한 인공지능 정책 추진을 통해 인공지능 도입과 활용에 대한 중요성을 강조하고 있으며, 향후 정책 개선 요인을 도출하는 차원에서 공공부문의 인공지능 도입현황에 대한 기초 자료를 마련하는 것은 필수적인 요소이다.
지난 10년간 조달청의 입찰정보와 계약정보를 활용하여 공공부문 인공지능 도입 현황을 보다 객관적이고 사업 단위까지 세밀하게 조사를 수행하고자 한다. 더불어 수집된 정보를 바탕으로 타 기관에 시사점을 제공할 수 있는 사례를 선별해 성공요인 등을 분석하여 공공부문의 AI 도입 및 활용 확대를 위한 정책적 시사점을 도출하는 것이 본 연구의 목적이다.
국내 공공부문의 AI 도입현황 조사 연구는 크게 2개 부문으로 나뉜다. 우선 도입현황 조사 부문은 지난 10년간 420개 공공기관의 ICT시스템 관련 용역계약 정보와 제안요청서, 과업지시서 등 첨부분서를 조달청의 조달정보개발포털을 통해 수집한다. 수집된 공공조달 데이터에서 AI 관련 사업은 텍스트 마이닝 기법을 사용하여 입찰 제안서(RFP) 세부 내용에 인공지능(AI) 관련 키워드가 포함되어 있는지 여부로 선별한다. 최종 선별된 인공지능 용역계약의 첨부문서를 분석해 추진단계, 활용 분야, 용도, 기술유형 등 부가 정보를 추가한 DB를 구축한다. 구축된 DB를 활용해 연도별 변화추이, 기관구분별 특성, 발주 및 낙찰 기관 등 다양한 관점에서 공공부문의 AI 도입 현황을 조사한다.
다음은 공공기관의 인공지능 도입 활성화 방안 도출을 위한 사례분석이다. 정보시스템 평가나 시스템 운영/관리 평가모델 등을 수집하여 평가요소를 확인하고, 공공기관과 인공지능의 성격에 적합한 내용을 필터링하여 평가방법을 개발한다. 조달공고 DB와 제안요청서(RFP) 등으로부터 시스템 관련 기초 정보를 수집하고, 시스템에 직접 접속/확인하거나, 기관의 홈페이지 혹은 홍보기사 등을 통해 추가적으로 수집한 정보로 벤치마킹 케이스를 선정한다. 선정된 벤치마킹 대상 사례분석을 통해 시사점을 도출한다.
4. 연구 결과
가. 도입현황 조사
과거 10년(2013∼2022년)간 공공부문 조달계약 중 인공지능(AI) 도입 계약 건수는 3,870건이다. 420개 공공기관의 56.7%인 238개 기관이 인공지능을 도입한 것으로 나타났다. 조사 대상 기관 중 자체적인 ICT 시스템을 보유하지 않은 소규모 기관이 다수 포함되어 있어 이들을 제외하면 공공기관의 실질 도입률은 크게 높아질 것이다.
(연도별 추이) 공공기관의 인공지능 도입은 2016년 알파고 쇼크 이후 매년 빠르게 증가하였다. 인공지능 계약은 2015년 107건에서 2022년 922건으로 7배 가까이 증가했으며, 금액은 2016년 938억원에서 2022년 1조 831억원으로 10배 이상 늘어났다. 이에 따라 공공기관의 전체 ICT관련 용역 계약 중 인공지능이 차지하는 비중도 금액 기준으로 2016년 2.22%에 불과했으나 점진적으로 증가하여 2020년 이후 12% 수준으로 늘어났다. 용역 건당 금액은 2016년 7천만원 정도에서 2017년 이후 1억원 수준으로 증가했다.
(추진단계) 2016년 딥러닝 등 새로운 인공지능 기술이 주목 받으면서 2017년부터 인공지능 도입을 위한 정보화계획의 수가 빠르게 늘어났다. 또한, 학습 위주의 고성능 인공지능 도입이 늘어나게 되면서 2020년부터 데이터셋 구축 및 단위 SW 개발을 위한 모델개발 단계가 크게 증가하였다. AI스피커 등의 서비스 기술 발전이 진행됨에 따라 2019년 이후 이들을 활용한 서비스임대 방식이 지자체를 중심으로 점차 확대되었다.
(정책 분야) 전자정부, 민원 서비스 등에 관련된 시스템 수요가 많은 일반행정 분야가 지속적으로 전체의 20% 이상의 가장 높은 비중을 차지하고 있다. 다음으로 산업/고용(산업육성, 일자리매칭 등, 16.5%), 교통수송/건설(지능형 교통망 등, 11.6%), 기상/재난안전(기상 예측 등, 10.4%) 순으로 많이 도입되었다.
(활용용도) 2016년 이전에는 對국민 공공서비스를 위한 인공지능 기술 도입 비중이 내부 역량강화 목적보다 높았으나, 이후 고유 업무의 효율화를 위한 도입이 늘어나면서 이전과 반대 상황이 되었다. 하지만 2020년 이후 챗봇, 자연어처리 등 민원 서비스를 위한 기술이 발전하면서 다시 공공서비스 도입 비중이 점차 높아지고 있다.
(기술유형) 전체적으로 언어지능(37%), 전문가시스템(34.7%), 시각지능(19.6%) 순으로 과제가 많이 진행되었다. 언어지능의 경우 초반 규칙 기반의 TTS, STT 등의 과제가 많아 가장 높은 비중을 차지했으나 점차 축소되고 있다. 대신, 전문가시스템은 매년 큰 폭으로 증가하여 2022년 전체 용역 중 45%로 가장 높은 비중을 차지하고 있다.
(적용기술) 과거 인공지능은 문서의 디지털화를 위한 OCR 기술과 장애인의 홈페이지 접근성 제고를 위한 TTS 기술에 주로 적용됐었으나 2016년 이후 다른 기술의 적용이 확대되면서 2개 기술의 비중은 빠르게 감소한다. 챗봇은 2016년 3건을 시작으로 2020년부터 급속히 확산되어 2022년 161건으로 급증하였다. 또한 음성인식과 비정형 데이터 처리 기술이 발전하면서 STT와 자연어처리 적용도 급속하게 확대되었다.
(기관구분별) 계약 건수는 국가기관(36.8%), 지자체(23.5%), 준정부기관(19.4%), 기타공공기관(19.4%) 순으로 많고, 총 계약금액은 국가기관(56.2%), 준정부기관(27.4%), 지자체(11.7%), 기타공공기관(11%) 순으로 많다. 국가기관과 기타공공기관은 타 기관에 비해 모델개발 단계의 비중이 상대적으로 높은 반면 정보화계획과 모델개발을 건너뛰고 바로 정보시스템 구축에 들어간 사례가 많다.
국가기관은 일반행정 분야가 433건으로 가장 높은 비중을 차지하고 있으며, 그 외 기관별 고유 업무에 따라 다양한 분야에서 인공지능 기술이 도입되고 있는 것으로 나타났다. 지자체 역시 일반행정 분야가 가장 많으나 교통수송/건설이 그 다음으로 ITS 등 지역의 교통문제 해결을 위해 인공지능 기술을 많이 도입하고 있다. 그리고 기상/재난안전 분야도 지속적으로 활용이 증가하고 있는 것으로 나타났다.
지자체를 제외한 다른 공공기관은 공공서비스 보다 내부역량제고 목적으로 인공지능을 도입한 사례가 2배 정도 많다. 특히 기타공공기관과 공기업은 대국민 서비스가 적은 기관 특성에 때문에 타기관보다 내부역량제고 비중이 높다. 공공서비스의 세부 용도를 살펴보면, 준정부기관과 기타공공기관은 민원 서비스 비중이 안내 서비스보다 높다. 이것은 이들 기관이 콜센터 상담 업무를 챗봇 등을 사용하여 자동화한 결과이다. 반면 지자체는 민원 서류 발급은 행정망을 사용하고 대면 민원처리가 많아 안내 서비스의 비중이 다른 용도에 비해 절대적으로 높다. 내부역량제고는 전체적으로 비정형 데이터 비중이 높으며 기관 특성에 따른 세부 용도 비중의 차이는 크지 않다.
기술유형별 건수를 보면 전체적으로는 언어지능>전문가시스템>시각지능 순으로, 국가기관은 전문가시스템>언어지능>시각지능 순으로 도입하였다. 특히 전문가 시스템 유형의 분석 업무를 추진한 과제가 기타공공기관, 준정부기관에서 주로 추진되고 있으며, 민원/안내 목적의 언어지능 시스템은 지자체와 준정부기관에서 많이 추진된 것으로 나타났다.
(발주기관) 국가기관에서는 행정안전부가 전자정부 시스템의 지능화를 적극 추진하면서 인공지능 도입 용역 건수 및 계약 금액에서 1위를 차지하고 있다. 대규모 시스템을 보유한 국세청, 과학기술정통부(우정사업본부), 보건복지부, 관세청, 법무부 등이 투자금액에서 상위 기관에 위치하였다.
광역자치단체에서는 경기도(229건), 서울특별시(115건), 경상남도(105건) 순으로 인공지능 도입에 적극적이었던 것으로 나타났다. 경기도는 많은 인구와 복잡한 교통의 지역 특성상 교통 관련 업무에 딥러닝과 TTS를 타 시도 대비 적극적으로 활용하였다. 다른 시도와 달리 서울시, 충청남도 등은 공공서비스 보다 내부역량제고 용도에 더 많은 프로젝트를 진행하였다.
(낙찰기업) 공공부문 인공지능 도입 계약 3,870건의 낙찰기업은 총 1,348개이고 평균 계약금액은 11.9억원이다. 이를 조달정보개방포탈의 기업구분에 따라 나누어 살펴보면, 대기업(98억원), 중견기업(63억원), 중소기업(7.8억원), 비영리 중소기업(6.5억원), 비영리법인(1.8억원) 순이다. 전체 인공지능 건수 중에 중소기업이 56.3%의 계약을 낙찰받았고, 비영리 중소기업도 30.6%를 낙찰받아 합계 86.9%를 진행한 것으로 미루어 보았을 떄, 소규모의 인공지능 프로젝트도 활발히 진행되고 있음을 알 수 있다.
나. 사례분석
인공지능 도입 계약 3,870건 중‘AI 도입의 성숙도 모델’에서 3단계(구축) 이상에 속하는 계약 건(2,584건)을 대상으로‘AI 도입기관 사례평가 모델’을 활용하여 분석한 결과, 1차로 30개의 우수사례를 선별하였다. 1차에서 선별된 30개의 계약 건을 대상으로 RFP 확인, 정보검색 및 전문가 검토를 통해 최종적으로 4개의 사례(한국고용정보원, 대검찰청, 관세청, 서울시) 를 선정하여 상세분석을 진행했다.
[그림 1] AI 도입의 성숙도 모델
선정된 4건의 사례 분석 대상은 공통적으로 초기 연구부터 정보화계획, 단계별 구축을 통해 점진적으로 발전하여 왔다. 이들 기관은 기술에 대한 이해도가 높고 도메인 지식이 있는 내부 전문가를 보유하고 있어 사업 진행에 주도적인 리더십을 발휘할 수 있었다. 이들은 도메인 지식의 공유와 명확한 요구사항, 대안이 있는 피드백 등을 통해 새로운 기술 도입을 위한 끊임없는 개선 및 고도화를 추진하였다. 또한 인공지능 기술 도입의 필요성에 대한 기관 차원의 요구가 강하여 사업 진행에 있어 내부 구성원의 이해와 협조가 원활하게 이루어졌다.
한편, 분석대상 기관의 시스템을 구축했던 개발자들과 심층 인터뷰를 한 결과, 도입 기관의 리더십 강화를 위해서는 내부 기술 전문인력 확보도 중요하지만, 시스템 구축시 개발자들과의 원활한 소통을 위해 AI 도입을 위한 ISMP 같은 프로토콜이 필요한 것으로 나타났다. 또한 요구되는 정확한 시스템 또는 기능 도입을 위해서는 데이터 품질확보가 가장 중요하므로 모델 개발이나 시스템/서비스 구축 시 데이터 클린징에 대한 비용과 시간을 충분히 제공하는 것이 중요하다는 의견이 많았다.
5. 결론
조달 정보를 사용한 현황조사와 사례분석을 종합하여 도출한 국내 공공부문 인공지능 활용을 촉진하기 위한 정책적 제언은 다음과 같다. 첫째, 많은 광역 및 기초 지자체가 적은 예산으로 체계적인 계획 없이 산발적으로 인공지능 시스템을 도입하고 있는 상황으로 지방자치단체에 대한 지원을 강화해야 한다. 현재 정부에서 추진 중인 차세대 지방행정공통시스템 구축 사업에 인공지능 기술을 최대한 많이 적용해 인공지능 활용을 확대해야 한다. 또한 상위 기관이 주도적으로 지역 공통의 문제를 발굴해 인공지능으로 해결한 후 하위 기관에 체계적으로 확산·보급하는 전략이 필요하다.
둘째, 최신 인공지능 기술 도입을 위한 민관협력 선순환 구조 창출이 필요하다. 공공기관에서 최신 인공지능 기술을 활용하기 위해서는 ‘대학, 연구소 등과 공동연구 → 실증 보급 → 테스트용 데이터셋 공개 → 민간 기업 제품 개발 → SaaS 방식의 최신 인공지능 서비스 사용’의 선순환 구조를 지속적으로 창출해야 한다. 선순환 구조 창출 성공의 핵심 포인트는 테스트용 데이터셋 공개이다. 공동연구 과정에서 확보한 정제된 데이터로 테스트용 데이터셋을 벤치마크 수치와 함께 일반에 공개해 관심 있는 AI기업과 연구자의 자발적인 참여를 이끌어 내야 한다. 현재 시스템보다 우수한 벤치마크 결과를 제시한 기업 제품으로 업그레이드 한다면 사업 성공의 위험 부담을 경감하면서 최신 기술을 적용할 수 있을 것이다. 더 나아가 자체 시스템 구축이 아닌 SaaS 형태로 도입 방식을 바꾸면 최신 기술 적용의 부담을 경감하고 보다 쉽게 확산시킬 수 있다.
셋째, 체계적이고 단계적인 도입 전략이 필요하다. 최근 각광받고 있는 딥러닝 등 인공지능 최신 기술은 아직 정립된 방법론이 없고 IT서비스 기업의 경험도 상대적으로 많지 않아, 인공지능 도입 사업의 리스크가 기존 시스템 보다 큰 상황이다. 기관 업무를 세부적으로 나누고 일부 사업을 시범적으로 추진해 구축 경험과 성과를 축적한다. 이를 활용해 다른 영역으로 사업을 확대하고, 최종적으로 각 부분을 통합해 하나의 시스템으로 완성하는 도입 전략이 성공 가능성을 높일 것이다.
넷째, 기관 내부에 AI 전문가 육성이 필요하다. 사례조사를 위한 심층 인터뷰 과정에서 공통적으로 지적하는 가장 큰 애로사항은 인공지능 지식이 부족한 내부 실무자는 인공지능에 대한 환상을 갖고 있고, 개발자는 도메인 지식이 부족하다는 점이다. 기관 내부에 인공지능 교육을 강화하고 초기 단계부터 두 가지 입장을 조율하고 올바른 의사결정을 할 수 있는 사내 전문가를 양성해야 한다.
다섯째, 데이터 cleaning을 위한 시간과 예산 지원을 강화해야 한다. 인공지능은 기존 시스템과 달리 얼마나 정제된 데이터로 학습하는가가 중요하다. 많은 공공사업이 인공지능 특성에 대한 고려 없이 기존 관행대로 개발 일정과 비용을 책정해 데이터 cleaning에서 많은 문제와 애로사항이 발생한다고 지적한다. 구축 계획시 데이터에 대한 충분한 고려가 있어야 하고 주기적인 재학습이 필요하기 때문에 체계적인 데이터 관리가 필요하다.
