1.6조 원의 신기루: 'AI 데이터 댐'에 고인 중복과 부실의 늪

정부가 인공지능(AI) 강국 도약을 목표로 1조 6,000억 원의 막대한 예산을 투입해 구축한 공공 AI 데이터 사업이 심각한 부실 논란에 휩싸였습니다. 매일경제의 보도에 따르면, 구축된 데이터 중 상당수가 중복되거나 치명적인 오류를 품고 있음에도 방치되어 있어, 이를 활용해야 할 국내 AI 스타트업과 연구계가 오히려 혼란을 겪고 있는 것으로 나타났습니다. 이는 단순한 예산 낭비를 넘어 국가 AI 경쟁력의 근간을 흔드는 구조적 문제로 지적됩니다.

화려한 구호 뒤에 가려진 부실의 실체: 1.6조 원의 '데이터 댐'

정부가 디지털 뉴딜의 핵심 축으로 추진해 온 'AI 학습용 데이터 구축 사업'이 거센 비판 직면에 직면했습니다. 매일경제 보도에 따르면, 지난 수년간 약 1조 6,000억 원에 달하는 천문학적인 세금이 투입되었음에도 불구하고, 정작 현장에서 쓸 수 있는 고품질 데이터는 찾아보기 어렵다는 지적이 나오고 있습니다. 공공 AI 데이터의 보고인 'AI 허브(AI Hub)'에 등재된 데이터셋 중 상당수가 단순 복제되거나 심각한 라벨링 오류를 안고 있는 것으로 드러났기 때문입니다.

양적 팽창에만 매몰된 졸속 행정

정부 주도의 데이터 구축 사업은 초기부터 '단기 일자리 창출'과 '데이터 개수 채우기'라는 정량적 성과에만 치중했다는 비판을 받아왔습니다. 크라우드 워커를 동원한 단순 반복 작업 위주로 데이터가 구축되다 보니, 전문성이 요구되는 고난도 데이터의 품질 검증이 제대로 이루어지지 않았습니다. 그 결과, 동일한 이미지가 이름만 바뀌어 중복 등록되거나, 전혀 엉뚱한 태그가 붙은 데이터들이 여과 없이 아카이브에 쌓이게 되었습니다.

'쓰레기를 넣으면 쓰레기가 나온다': 스타트업의 한숨

AI 모델의 성능은 학습 데이터의 품질에 절대적으로 의존합니다. 업계 전문가들은 "Garbage In, Garbage Out(쓰레기를 넣으면 쓰레기가 나온다)"이라는 격언을 인용하며 현 상황을 성토하고 있습니다. 대기업에 비해 자체 데이터 수집 여력이 부족해 정부의 공공 데이터에 의존할 수밖에 없는 AI 스타트업들은 정제되지 않은 데이터를 학습에 사용했다가 모델 전체의 성능이 저하되는 낭패를 겪고 있습니다. 결국 공공 데이터를 신뢰하지 못하고 막대한 비용을 들여 데이터를 재가공하거나 해외 데이터로 눈을 돌리는 악순환이 반복되고 있습니다.

구조적 결함과 사후 관리 부재가 낳은 참사

성과 지표 채우기에 급급했던 정부 주도 사업의 한계

이번 사태의 근본적인 원인은 사업의 설계 단계부터 사후 관리(AS) 및 유지보수에 대한 예산과 인력 배정이 거의 전무했다는 점에 있습니다. 데이터 구축 과제가 완료되면 운영 기관은 실적 보고를 끝으로 손을 떼고, 이후 발견되는 오류에 대한 수정이나 업데이트는 사실상 방치되는 구조입니다. 기술의 발전 속도가 극도로 빠른 AI 분야에서 관리되지 않고 고인 데이터는 급격히 도태될 수밖에 없습니다.

결론: 진정한 AI 강국을 위한 체질 개선의 필요성

정부의 AI 데이터 사업이 단순한 예산 소모성 프로젝트로 끝나지 않으려면, 이제라도 '양적 구축'에서 '질적 관리'로 패러다임을 완전히 전환해야 합니다. 철저한 전수조사를 통해 부실 데이터를 걸러내고, 민간 전문 기업과의 협업을 통해 지속 가능한 데이터 정제 및 업데이트 생태계를 구축해야 할 것입니다. 국가적 인프라의 부실은 결국 국가 경쟁력의 도태로 이어집니다.

시장의 큰 흐름을 이해하고 투자 전략을 세우는 데 있어 FireMarkets의 Market Insight는 거시경제 분석부터 개별 자산 트렌드까지 폭넓은 관점을 제공합니다.