감사원, 1.6조 AI 학습데이터 사업 중복·부실 적발

1조6328억원 쏟은 AI 데이터, 왜 감사원 도마에 올랐나?

감사원이 8월 12일 공개한 '인공지능 산업 육성 실태 Ⅲ(AI 학습용 데이터)' 감사 결과, 정부가 1조6328억원을 투입한 공공 AI 학습용 데이터 구축 사업에서 기관 간 중복 구축과 품질 검증 부실이 무더기로 적발됐다. 과기정통부가 908종을 구축해 AI Hub에 공개하는 동안 식약처·서울시·한국도로공사 등 26개 기관은 별도로 313종을 구축했고, 도로공사 야생동물 데이터의 42%는 이미 존재하는 데이터와 유사한 것으로 드러났다. 감사원은 과기정통부 장관에게 기관 간 사전 검토·조정 체계 마련을 통보했다.

audit-ai-training-data-waste-infographic

AI 학습용 데이터 구축 사업은 어떻게 시작됐나?

공공 AI 학습용 데이터 구축 사업은 2016년 알파고 쇼크 이후 기획돼 2017년 본격 시작됐고, 2020년 디지털 뉴딜의 핵심 과제인 '데이터 댐' 사업으로 규모가 급격히 커졌다. 과학기술정보통신부는 한국지능정보사회진흥원(NIA)을 통해 이미지·음성·텍스트 등 다양한 학습용 데이터를 구축해 AI Hub 플랫폼에 무료로 개방해 왔다. 연도별 투입 예산은 2020년 3315억원, 2021년 3705억원, 2022년 5797억원으로 정점을 찍은 뒤 2023년 2805억원, 2024년 558억원으로 급감했다. 중소기업과 스타트업이 자체적으로 확보하기 어려운 대규모 데이터를 국가가 공급한다는 취지였지만, 단기간에 예산이 집중되면서 관리 체계가 이를 따라가지 못했다는 지적이 사업 초기부터 제기돼 왔다.

Korea's public AI training-data program, launched after the 2016 AlphaGo shock and scaled up under the Digital New Deal's "Data Dam" initiative, poured over 1.6 trillion won into open datasets on the AI Hub platform.

감사원이 적발한 중복 구축의 실태는?

이번 감사의 핵심은 '깜깜이 중복 구축'이다. 공공기관들이 이미 구축된 데이터를 확인하지 않고, 기관 간 사업 계획도 사전에 공유하지 않은 채 유사한 데이터를 각자 만들어온 것이다. 대표 사례로 과기정통부가 73억8000만원을 들여 야생동물·생활폐기물·콘크리트 균열·계란 이미지 데이터 4종을 구축한 이후, 서울시와 도로공사 등 5개 기관이 6억1000만원을 추가로 들여 유사 데이터를 새로 만들었다. 특히 도로공사가 2022년 구축한 야생동물 학습용 데이터 중 42%에 해당하는 2만5000장은 2021년 과기정통부가 이미 구축한 데이터와 유사했다. 여기에 품질 관리 미비로 실제 AI 모델 학습에 활용하기 어려운 데이터까지 생산되면서, 예산 낭비와 함께 데이터를 이용하는 기업·개발자의 혼선이라는 이중 비용이 발생했다는 것이 감사원의 판단이다.

The Board of Audit found agencies duplicating each other's datasets without any cross-checking — 42% of the Korea Expressway Corporation's wildlife images overlapped with data the ICT ministry had already built a year earlier.

숫자로 본 사업 규모와 낭비는 어느 정도인가?

과기정통부는 2017년부터 지난해 11월 기준 총 1조6328억원을 투입해 학습용 데이터 908종을 AI Hub에 공개했다. 이와 별도로 식품의약품안전처·서울시·한국도로공사 등 26개 공공기관이 313종을 자체 포털에 개방해 운영 중이다. 국가 전체로 보면 1200종이 넘는 공공 학습 데이터가 서로 다른 창구에 흩어져 있는 셈이다. 문제는 이 데이터들의 중복 여부를 통합 관리하는 컨트롤타워가 없었다는 점이다. 감사원은 이런 개별적 사업 수행 방식이 국가 예산 집행의 효율성을 해칠 뿐 아니라, 어떤 데이터를 어디서 찾아야 할지 모르는 기업과 사용자에게 혼선을 초래할 우려가 크다고 지적했다.

Since 2017 the ICT ministry has spent 1.63 trillion won on 908 datasets, while 26 other agencies separately built 313 more — over 1,200 public datasets scattered across portals with no control tower checking for overlap.

감사 이후 무엇이 달라지나?

감사원은 과기정통부 장관에게 행정안전부와 협력해 개별 공공기관이 AI 학습용 데이터 구축 사업을 추진하기 전 기존 데이터의 대체 활용 가능성을 먼저 검토하고, 기관별 구축 계획을 사전 공유·조정하는 검토 체계를 마련하도록 통보했다. 사업 방식 개선과 함께 이미 구축된 데이터의 사후 품질 관리 방안도 요구했다. 생성형 AI 확산으로 고품질 학습 데이터의 전략적 가치가 커지는 시점인 만큼, 이번 감사가 양적 확대 중심이던 공공 데이터 정책을 품질·활용도 중심으로 전환하는 계기가 될지 주목된다. 국가 AI 경쟁력의 관건이 데이터의 '종 수'가 아니라 실제 산업 현장에서 쓰이는 '활용률'이라는 점에서, 컨트롤타워 구축과 통합 품질 기준 마련이 후속 과제로 떠오르고 있다.

The audit board ordered the ICT ministry to set up a pre-review system that screens for existing data before new projects launch — a potential turning point from quantity-driven to quality-driven public data policy.

데이터 1200종 시대, 진짜 부족한 것은 무엇인가?

이번 감사 결과가 던지는 질문은 단순한 예산 낭비 그 이상이다. 한국은 세계에서 드물게 국가가 직접 AI 학습용 데이터를 대규모로 구축해 무상 개방해 온 나라다. 1조6000억원이 넘는 투자와 1200종이 넘는 데이터는 그 자체로 적지 않은 자산이다. 문제는 이 자산이 '만드는 데'에만 초점이 맞춰져 있었고, '쓰이게 하는' 설계가 빠져 있었다는 점이다. 야생동물 이미지 2만5000장이 중복 구축되는 동안 정작 산업 현장에서는 쓸 만한 한국어 특화 데이터가 부족하다는 호소가 이어져 왔다. 공급자 중심의 실적 관리가 수요자 중심의 품질 관리를 앞질러 온 결과다.

더 뼈아픈 대목은 타이밍이다. 데이터 댐 사업의 예산이 정점을 찍은 2022년 직후 생성형 AI가 폭발적으로 성장했고, 학습 데이터의 전략적 가치는 그 어느 때보다 커졌다. 지금 글로벌 AI 경쟁의 병목은 컴퓨팅과 함께 고품질 데이터다. 그 시점에 한국의 공공 데이터 사업은 예산이 급감하며 동력을 잃었고, 남은 데이터마저 중복과 품질 논란에 휩싸였다. 감사원이 요구한 사전 검토 체계는 최소한의 출발점일 뿐이다. 흩어진 26개 기관의 데이터를 하나의 품질 기준 아래 통합하고, 다운로드 수가 아니라 실제 모델 학습에 쓰인 비율로 성과를 재는 체계 전환이 뒤따르지 않는다면, 다음 감사에서도 같은 지적이 반복될 가능성이 크다. 데이터 강국의 관건은 종 수가 아니라 신뢰다.

The real lesson is not wasted budget but a supply-driven system that measured success by dataset counts rather than actual usage — without unified quality standards, the same audit findings will likely repeat.

자주 묻는 질문

Q. AI Hub는 무엇인가?

과학기술정보통신부와 한국지능정보사회진흥원(NIA)이 운영하는 국가 AI 개발 지원 플랫폼으로, 이미지·음성·텍스트 등 AI 학습용 데이터를 기업·연구자·학생 누구나 무료로 내려받아 활용할 수 있도록 개방하고 있다.

Q. 이번 감사에서 적발된 핵심 문제는 무엇인가?

기관 간 사업 계획을 사전 공유하지 않아 유사한 학습 데이터가 중복 구축됐고, 품질 검증 미비로 실제 활용이 어려운 데이터가 생산됐다는 점이다. 도로공사 야생동물 데이터의 42%가 기존 데이터와 유사했던 것이 대표 사례다.

Q. 감사원이 요구한 개선 조치는 무엇인가?

과기정통부가 행정안전부와 협력해 개별 기관의 데이터 구축 사업 추진 전 기존 데이터 대체 활용 가능성을 검토하고, 기관별 구축 계획을 사전 공유·조정하는 체계를 마련하라는 것이다. 사후 품질 관리 방안 마련도 함께 통보됐다.

Q. 이번 감사가 AI 산업에 미칠 영향은?

공공 데이터 정책이 데이터 종 수 늘리기 중심에서 품질과 활용률 중심으로 전환될 가능성이 크다. 중복 예산이 정리되면 고품질 데이터 구축과 통합 관리 체계에 재원이 재배분될 것으로 전망된다.