Professional Documents
Culture Documents
202104 - 공공분야 인공지능 도입 실무 안내서 PDF
202104 - 공공분야 인공지능 도입 실무 안내서 PDF
202104 - 공공분야 인공지능 도입 실무 안내서 PDF
2 0 21 . 04 .
디 지 털 정 부 국
공공지능정책과
본 안내서는 공공기관에서 인공지능 기술을 내부업무 및 대민서비스에 도입 시
담당 실무자가 고려해야할 사항과 참고 사항을 포괄적으로 제공하려는 목적으로
『공공분야의 인공지능 촉진 및 활성화 방안 연구(행정안전부, 2020.12월)』 결과를
토대로 제작되었으며, 법적 효력을 가지는 것은 아닙니다.
※ 「정부조직법」 등에 따라 해당 법령‧지침‧규정‧표준‧가이드‧매뉴얼에 대한 소관
기관이 변경될 경우 그에 따름
<문의처>
<수정이력>
2021.01. 초안 작성
목 차
I. 개요 ································································································· 1
1. 배경 ······························································································· 2
2. 목적 및 활용 방법 ···································································· 3
3. 주요 용어 ····················································································· 4
1. 인공지능 개념 및 분류 ···························································· 6
2. 인공지능 기술 ············································································ 7
- 3 -
목 차
1. 기획 단계 ··················································································· 26
1.2 예산 확보 및 편성 ······························································· 33
2. 구축 단계 ··················································································· 39
2.3 사업 착수 및 개발 ······························································· 48
2.4 사업 종료 ··············································································· 51
3. 운영 단계 ··················································································· 53
부록 참고 법령 및 가이드라인
[ 2] ············································· 63
부록
[ 년 조달청 발주 인공지능 사업 목록
3] ’18-’20 ············· 66
I. 개요
- 1 -
1 배경
❑ 배경
❑ 목적
❍ 도입예정기관
- 인공지능 기술에 대한 이해도를 높이고 원활한 도입을 위한 방향성 설정 및
- 3 -
3 주요 용어
❑ 주요 용어
❍ 공공분야 인공지능 도입 사업
- 공공기관에서 진행하는 정보화사업의 전체 또는 일부에 인공지능 기술을
적용한 사업
❍ 공공기관
- 5 -
1 인공지능 개념 및 분류
❑ 인공지능 정의
인공지능
기계학습
딥러닝 규칙기반시스템 기타
(딥러닝 제외)
자연어 처리 음성 처리
이미지 처리
(챗봇 제외) (챗봇 제외)
챗봇
(자연어 + 음성)
- 7 -
❑ 딥러닝(Deep Learning)
❍ 인공신경망에서 은닉층을 깊게(deep) 쌓은 신경망 구조를 활용하여
학습하는 기술로, 기계학습의 한 방식
※ 인공신경망: 생물의 신경망구조와 뉴런을 수학적으로 모델링한 구조
[표 2-2] 딥러닝에 사용하는 인공신경망(예)
종류 주요 내용
CNN ▶사람의 시신경 구조를 모방하여 데이터의 특징에 대한 패턴을 파악
(합성곱 신경망) ▶얼굴 인식, 정보 추출, 문장분류 등
RNN ▶신경망을 순환적으로 구성하여 오래된 데이터를 기억하는 인공신경망
(순환 신경망) ▶문장 생성, 기계 번역, 주가‧날씨 예측 등
GAN ▶가짜 데이터를 만드는 생성자 신경망과 진위를 가리는 판별자 신경망이
(적대적 생성 경합하면서 진짜같은 가짜 데이터를 생성하는 신경망
신경망) ▶가상의 인물 사진 생성, 스타일 변환, 합성 등
파이썬, C++
파이토치 페이스북 +++ + + ++
등
자바, 스칼라,
스카이마인드
DL4J 클로저, ++ +++ +++ +
DL4J 커뮤니티
파이썬, 코틀린
C++, 파이썬, 버클리 대학
카페 + + +++ +
매트랩 연구팀
C++, 파이썬,
매트랩, 아파치 재단,
MXNext ++ +++ ++ ++
자바스크립트, AWS
R, 스칼라 등
※ 출처: 딥러닝 프레임워크 6선(테크월드, 2019.8.28.)
- 그 외에도 마이크로소프트 CNTK, 일본 프리퍼드 네트웍스 Chainer
社 社
분야 주요 내용
▶이미지 인식 경진대회인 ILSVRC에서 2015년 마이크로소프트사가
96.43%의 인식률을 달성하여 사람의 인식률(94.9%)을 능가하는
수준에 도달했음이 증명
- 9 -
- 국내의 경우 ETRI의 딥뷰 프로젝트에서 시각 지능 핵심기술을 개발하였으며,
2017년에 ILSVRC에서 사물 검출 부문 2위를 달성
종류 주요 내용
▶문장의 시작부터 순차적으로 계산하는 일방향 언어모델로, 이전 단
어들이 주어졌을 때 다음 단어가 무엇인지 맞춤
GPT
※ (예) 어제 카페 갔었어 거기 사람 많더라
▶새로운 문장을 생성하는 데 유용
▶단어의 앞뒤 문맥을 모두 살피는 양방향 언어모델로, 문장 중간에
빈칸을 만들고 해당 빈칸에 어떤 단어가 적절한지 맞춤
BERT
※ (예) 어제 카페 갔었어 거기 사람 많더라
▶문장 의미를 추출하는 데 유용
- 10 -
❑ 음성처리
분야 주요 내용
음성인식
▶사람의 음성 언어를 인식하여 텍스트로 변환하는 기술
(STT, Speech-to-Text)
음성합성
▶텍스트로부터 인간의 음성을 인공적으로 합성하는 기술
(TTS, Text-to-Speech)
- 11 -
[표 2-5] 학습 여부에 따른 챗봇의 분류
분야 주요 내용
▶사전에 수집한 질의와 답변을 바탕으로 입력 질의에 대처
- 12 -
III. 인공지능 동향
- 13 -
1 인공지능 국내외 도입 현황
1.1 국내 공공‧민간분야
❑ 국내 공공분야 인공지능 도입 현황
기계학습 10 3 5 15 1 34
음성처리 2 2 4
이미지
2 9 7 1 19
처리
챗봇 4 23 1 28
자연어
2 2 4
처리
규칙기반 0
계 16 25 3 19 24 2 89
- 14 -
❍ 맞춤형 서비스 최적화된 맞춤형 결과를 산출하는 인공지능 기술이
( )
사례명 기관 주요 내용
딥러닝 영상인식기술 기반
한국방송광고진흥공사 ▶시각지능기술 접목해 공익‧정책홍보 광고 창작
개방형 광고창작 시스템
사례명 기관 주요 내용
인공지능기반의
병무청 ▶병무관련 대민행정 민원 챗봇
병무민원신청 시스템
인공지능 기반 에너지
강원도청 ▶태양광 발전량 예측, 유지관리 등
프로슈머 관리 플랫폼
- 15 -
❍ 업무 편의‧자동화 가장 전통적이고 기술적 토대가 탄탄한 인공지능 영역
( )
사례명 기관 주요 내용
토지피복지도 자동분류를
환경부 ▶영상자료를 통해 국토 이용변화 모니터링
위한 지능형 시스템 구축
사례명 기관 주요 내용
AI 기반의 보안관제 전용
한국과학기술정보연구원 ▶보안 관제 과정 자동화 플랫폼
사이버위협 자동분석 시스템
인공지능 기술 기반
한국인터넷진흥원 ▶침해사고 로그 자동 분석‧판단
침해사고 로그분석 시스템
지능형 도로포장상태 예측
경기도청 ▶도로 포장상태 자동 분석‧평가
및 예방시스템
인공지능 건강예측 기반
국민건강보험공단 ▶지능형 질환 발생위험 예측
확대 사업
- 16 -
❑ 국내 민간분야 인공지능 도입 현황
- 17 -
1.2 해외 공공‧민간분야
❑ 해외 공공분야 인공지능 도입 현황
- 18 -
국가 주요 정책 특징
▶AI 개발 가이드라인(2017.7.)
▶인간중심의 AI 사회 원칙(2018.3.)
▶AI 활용전략(2019.2.)
▶AI 전략 2019(2019.3.)
▶인공지능 산업 육성 전략 권고안(2017.10.)
▶연구개발, 규제, 윤리, 교육 등
▶AI Sector Deal(2018.4.)
영국 전방위적으로 정책 추진
▶영국 상원 인공지능 전략 보고서(2018.4.)
▶민관의 협력을 강조
▶영국 공공분야 AI 활용 지침(2019.6.)
▶경제‧사회를 포함하는 국가발전
▶AI 권고안(2018.3.)
프랑스 전략의 일환으로 추진
▶AI 투자 및 육성 방안 (2018.3.)
▶데이터와 AI 인재 부문에 집중
▶공공부문 AI 인식개선을 위해
에스토 ▶에스토니아 국가 AI 전략(2019.7.)
정부 서비스에 대한 접근성,
니아 ▶국가 AI 프로젝트 KrattAI(2020.2.)
활용성 최대화 목표
- 19 -
❍ 인공지능을 공공분야에 적용하여 얻을 수 있는 잠재 가치가 높을 것으로
예측*됨에 따라 방대한 공공데이터를 기반으로 하여 각종 인공지능 서비스 개발
※ 공공영역에 인공지능을 활용할 경우 ’25년에 이르러 세계 GDP는 1.93% 추가 성장
예측(국내외 AI 활용 현황과 공공적용, IITP, 2017)
- 외국 공공분야의 경우 단순 민원처리를 넘어 특정 분야의 전문 지식을
제공하거나 직원의 업무를 대신하는 등의 영역으로 확장하여 사용
[표 2-15] 해외 공공분야 인공지능 사례
국가 사례명 주요 내용
▶게놈 정보와 핀란드 국민의 헬스케어 정보를 결합하여
정밀의료 핀란드 병원 바이오뱅크 네트워크를 통해 프로젝트 진행
핀란드
핀젠 프로젝트 ▶게놈 연구의 촉진과 유전체 정보를 고려하여 진단하고
최적의 치료 방법 제공 가능
- 20 -
❑ 해외 민간분야 인공지능 도입 현황
- 21 -
2 공공분야 인공지능 도입 방해요인
장애 요인 내용
- 22 -
❑ 국내 공공분야 인공지능 도입 방해요인
- 23 -
3 공공분야 인공지능 도입 사업 절차
- 25 -
1 기획 단계
❑ 기획 단계
[그림 3-2] 공공분야 인공지능 도입 사업 절차(기획 단계)
❑ 사업 기획 TF 구성
❑ 정보화전략계획(ISP) 수립
- 27 -
❑ 인공지능 도입 타당성 검토
- 28 -
▶조직 구성원의 인공지능 도입 사업의 목적과 필요성에 대한
공감대가 형성되었는가?
인력
▶최고책임자가 프로젝트에 대한 이해와 확고한 추진 의지를 가지고
있는가?
❑ 필요 데이터 현황 분석
❍ 필요 데이터 정의 및 보유현황 분석
- 데이터를 자체 보유하고 있다면, 데이터 양과 품질을 조사하여 추가 조달이
필요한지 검토
- 외부에서 수집해야 한다면, 학습용 데이터로 가공할 원천 데이터를 온라인
및 오프라인으로부터 수집‧제작‧축적
- 데이터 보유기관(부서), 데이터명, 데이터 설명, 데이터 형태, 용량 및 데이터
비용을 고려
- 29 -
[표 3-2] 데이터 수집 방안(예시)
수집 예시 특징
경로
▶기관에서 보유중인 데이터의 형태, 크기, 용량 및 형식 등을 검토
내 기관 보유
▶보유 데이터를 학습에 적합하게 가공하는 전처리 과정 필요
부 데이터 현황 조사
▶데이터의 관리‧활용 권한에 관한 부서 간 협의 필요
위해 물건 적발 인공지능 구축 사업
▶파일 형태: JPEG 이미지 파일
▶파일 용량: 100KB ~ 1,000KB(최대 1MB)
- 30 -
❍ 데이터 전처리 환경 분석
- 인공지능 학습데이터는 현실세계에서 인간이 생성하는 원천데이터에 각종
점검 항목 비고
최고책임자가 프로젝트에 대한 이해와 확고한 추진 의지를 가지고 있는가?
- 32 -
1.2 예산 확보 및 편성
❑ ISP 검토
단위업무명 (대기능) 주요 내용
▶기계학습 모델을 생성하기 위해 기계학습 알고리즘에
검색 추출하여 분류
▶인공지능 학습 데이터 정제는 기계학습 모델을 생성하기
학습하여 목표기능 수행
▶인공지능 모델을 생성하기 위한 데이터, 알고리즘 등 정보와
AI 관리시스템
학습 결과, 성능 모니터링을 위한 시각화 정보 제공
STT(Speak-To-Text) ▶음성회의록, 스마트 컨택트 센터 등 음성을 문자(텍스트)로
❑ 예산 확보 및 편성
학습데이터 수집, 제작, 가공, 시스템 운영비 등 인공지능 특성을 반영한 기능단위 업무를 설계했는가?
- 34 -
1.3 사업계획서 작성
❑ 사업 범위 및 방향성 수립
❍ 사업 범위 도출
- 인공지능 구축사업의 추진 목적, 배경 및 필요성을 충분히 이해하고
❍ 데이터 수집 필요성 검토
- ISP 수립 시 데이터 현황 분석 결과를 토대로 금년도 사업 추진에 필요한
- 35 -
❍ 데이터 조달 방안 적절성 검토
- 데이터 제작 또는 수집 과정에 검토해야하는 저작권법, 개인정보보호법 등
법률상 제약사항을 확인
※ 데이터 자체의 내용 뿐 아니라 보유기관(부서), 제작 방식 등 외부 요인도 고려
- 외부 데이터 중 민간 데이터의 경우, 활용 대상 범위와 데이터 수집 및 구매
비용을 고려
❑ 사업계획서 확정
- 36 -
1.4 인공지능 윤리 심의
❑ 목적
❑ 심의 내용
방안 모색하여 사업계획서를 확정
❍ 인공지능으로 우려되는 역기능과 대책은 완전한 사회적 합의(consensus)에
이르지는 못했으나 다양한 윤리 원칙이 제시되어있으므로 적절하게 참고
[표 3-7] 인공지능 윤리 관련 원칙‧가이드
분류 제 목 발행기관 발행연도
신뢰가능한 AI 원칙 OECD ’19.5월
국외 신뢰가능한 AI를 위한 윤리 가이드라인 EU ’19.4월
국제적 논의를 위한 AI 개발 가이드라인 일본 ‘17.7월
- 37 -
분류 제 목 발행기관 발행연도
국가 인공지능 윤리 기준안(’21년 확정 예정) 과학기술정보통신부 ’20.11월
이용자 중심의 지능정보사회 원칙 방송통신위원회 ‘19.11월
인공지능 윤리 헌장 한국인공지능윤리협회 ‘19.10월
국내
지능정보사회 헌장 정보문화포럼 ‘18.6월
카카오 알고리즘 윤리 헌장 카카오 ‘18.1월
로봇 윤리헌장 산업자원부 ‘07.3월
`분 류 고 려 사 항 비고
인공지능 모델의 학습 결과에 영향을 줄 수 있는 편견이 존재하는가?
공정성 (설계 공정성) 사업 계획 및 사용 기술(알고리즘)이 합리적인가?
(비차별성) (데이터 공정성) 공정한 데이터를 수집‧활용하는가?
(결과 공정성) 차별적인 영향이 없는 시스템인가?
- 38 -
2 구축 단계
❑ 구축 단계
[그림 3-0] 공공분야 인공지능 도입 사업 절차(구축 단계)
- 39 -
2.1 제안요청서 작성
❑ 과업심의위원회 구성
❑ 요구사항 정의
❍ 입찰대상자들에게 발주기관의 요구사항을 알리고 제안서의 제출을 요청하기
위하여 정보화사업 발주대상에 대한 요구사항, 소요예산, 사업기간, 제안서
평가기준, 계약 조건 등을 기술한 제안요청서 작성
- 이해관계자의 요구사항을 충분히 파악하고 누구나 쉽게 이해할 수 있는
수준으로 요구사항을 상세히 정의해야 함
- 제안요청서 작성 시 현업 담당자 뿐만 아니라 산업‧학계 전문가, 도입 경험이
있는 유관 기관 담당자 등에게 자문을 요청할 수 있음
- 40 -
❍ 기능 요구사항
- 인공지능 시스템이 반드시 수행해야 하거나 해당 시스템에서 반드시 구현되어야
하는 기능(동작)을 기술
[표 3-8] 기능 요구사항(예시)
분 류 고 려 사 항
▶다수의 인공지능 알고리즘 적용을 시도하고 성능이 가장 적합한
알고리즘을 선택
인공지능
▶검증된 알고리즘을 복합적으로 적용하여 정확도 높은 인공지능 모델을 생성
모델
▶데이터셋에 최적화된 모델을 개발하여야 하며, 최적화된 모델 개발을 위해
2개 이상의 모델에 대한 비교
❍ 성능 요구사항
- 최적화된 시스템이 기능을 수행할 때 필요한 시간이나 처리량, 최대 자원
가용량 등에 대해 기술
- 41 -
- 제안업체에서 PoC를 실시하도록 요구사항에 기술하고 이를 위한 샘플
데이터셋, 테스트 환경 등을 반드시 공개
※ PoC(Proof of Concept, 개념증명): 기존 시장에 없었던 신기술을 도입하기 전에 이를
검증하기 위한 과정
- 기술력있는 사업체의 참여를 독려하기 위해 제안서평가 기준에 PoC 결과를
반영하고, 실시 비용 일부를 보상하는 방안 검토
[표 3-9] 성능 요구사항(예시)
분 류 고 려 사 항
입출력 ▶결과는 데이터 입력 후 ○○초 이내 출력 및 저장
❍ 데이터 요구사항
- 목표 시스템의 서비스에 필요한 초기자료 구축 및 데이터 변환을 위해
필요한 요구사항으로, 데이터 구축‧절차는 목표 시스템에 따라 달라짐
- 데이터는 인공지능 학습을 위해 필수불가결한 요소이므로 제안사가 사업의
규모 등을 파악할 수 있도록 데이터 요구사항을 최대한 상세히* 기술
* 데이터 조달, 규격, 크기, 가공‧활용 방안 등
- 인공지능 학습 과정의 공정성‧투명성 보장에 데이터 수집‧전처리 과정이 큰
영향을 미치므로 해당 과정에 대한 요구사항 기술 필요
- 42 -
[표 3-10] 데이터 요구사항(예시)
분 류 고 려 사 항
▶행정기관이 보유한 데이터 연계를 적극적으로 고려
▶내부 데이터 뿐만 아니라 외부 데이터 등과 병합한 결과를 고려
데이터 ▶데이터 수집 기준‧절차의 타당성을 확보하고 확인하는 기능을 구현
수집‧가공 ▶데이터의 취득을 어떻게 할 것인지 정의하고 데이터셋을 결정
▶학습 데이터셋과 검증 데이터셋과의 중복 데이터를 배제
▶사전테스트 진행 및 시스템 점검 후 수집 활동 진행
▶여러 단계 점검을 통한 데이터 품질 기준 마련
▶데이터 품질 관리에 대한 기준‧체계를 제시
▶데이터 품질 준수여부 및 한계를 구체적으로 명시.
데이터 관리 ▶종합적인 데이터 품질평가 작업과 저품질 데이터 보완계획 포함
- 43 -
❍ 품질 요구사항
- 인공지능 사업은 비정형의 원시데이터를 인공지능이 학습할 수 있는 정형
데이터로 가공하는 과정이 필수적이므로 학습 데이터 내용을 반드시 포함
- 과기정통부에서 ’20년 10월 제안한 인공지능 데이터 품질 표준안 을 「 」
- 44 -
❍ 테스트 요구사항
- 구축된 인공지능 시스템이 목표 대비 제대로 운영되는지 테스트하고
점검하기 위해 테스트 유형, 환경, 방법, 절차 등에 대한 요구사항을 기술
- 유사 서비스 또는 관련 이론‧연구에서 제시한 기술 수준과 성능 측정
결과를 토대로 현실적인 성능 목표 설정
인공지능 도입 사업의 테스트 요구사항(예시)
▶기존의 데이터셋 훈련 및 검증데이터로 구분하여 성취 예측을 한 결과 기준 제시
▶인공지능 사업은 사업별 특성을 고려하여, 객관적인 검수 측정 기준 제시
▶발생 가능한 상황에 대하여 시나리오를 작성하고 실제 데이터(오류 데이터 포함)를
입력하여 테스트를 실시
▶모델의 신뢰성을 높이기 위해 다양한 조합의 검증 데이터셋으로 반복 테스트 수행
▶인공지능 알고리즘 검증 데이터셋은 판독자(사람) 검증 데이터셋과 동일
▶인공지능 사업 관련 정량‧정성 기준을 모두 활용하여 성능을 테스트.
▶개발 초기부터 구축 완료 시까지 지속적으로 테스트를 실시
▶테스트 결과 발생한 결함에 대해서는 조치계획(조치일정, 조치사용자 등)수립‧반영
▶데이터 편향성에 대한 테스트 절차 수립
❍ 보안 요구사항
- 시스템 및 데이터에 대한 침해사고를 예방하기 위해 시스템이 사용하거나 생성하
는 데이터 보호에 영향을 미치는 보안, 기밀성, 무결성 관점에서 요구사항 도출
- 인공지능 시스템에서 우려되는 보안 위협에 대해 국정원에서 ’19.2월 발간한
국가‧공공기관의 인공지능 시스템 도입‧운용 관련 정보보안 고려사항 준용
「 」
- 45 -
❍ 제약사항
- 기관의 환경을 고려하여 시스템 개발환경 등 시스템 특성, 유연성과 확장성
고려, 각종 규정이나 표준 등의 제약 요구사항을 기술
- 알고리즘 개발자의 편향성, 사회적 편향성이 발생하지 않도록 관리하는 방법
등 윤리적인 측면을 평가할 수 있는 요소 마련
인공지능 도입 사업의 제약사항(예시)
점검 항목 비고
사업 담당자가 업무지식과 인공지능 기술지식 모두 보유하고 있는가?
- 46 -
2.2 기술평가 및 사업자 선정
❑ 사업 설명회
❍ 제안요청 설명회를 개최하여 인공지능 도입 사업 내용을 사업자에게
구체적으로 설명하여 사업 의도와 내용을 이해하도록 도움
❑ PoC 실시( 제안사)
❍ 제안요청서에서 공개한 내용을 바탕으로 사업체에서는 PoC를 실시
- 단, 이를 위해서는 사전에 데이터 규격 등을 상세히 공개해야 함
❍ 제안사에서는 최적의 성능을 가진 모델을 생성하여 평가 후 성능 시험
결과서와 PoC 결과를 함께 제출
- 제안사의 PoC 결과 검토를 위한 기술 자문에 참여
❍ 우수 업체의 참여를 장려하기 위하여 PoC 실시 비용 일부를 보상할 수
있는 방안 검토
❑ 기술 평가
❍ 인공지능 관련 기술 중심의 제안서평가를 위해, 업체의 이력보다는 사업
이해도 및 사업 수행 인력의 이력을 중심으로 평가
- 기존 평가 배점표에서 인공지능 기술에 대한 평가를 세분화하여, 문제
해결을 위한 기술 중심으로 과제 수행의 적절성 평가
❍ 인공지능 시스템 평가위원으로 유사 과업을 수행한 경험이 있는 전문성
있는 위원을 추천하고, 해당 과제를 기획‧제안한 자가 평가 위원들에게
과제에 대한 사전 설명을 해야함
❑ 협상 및 계약 체결
❍ ( 기술 협상) 제안서 평가를 통해 종합평가점수가 높은 우선협상대상자와
제안서 내용에 대한 기술 및 가격 협상 실시
- 기술 이행사항 확인 및 사업내용, 이행방법, 이행일정, 제안가격 등 협상
❍ (계약 체결) 제안서 평가와 협상 결과에 의해 결정된 사업자와 계약 체결
- 사업자는 착수계를 비롯한 필요 서류를 제출하고 사업 착수
점검 항목 비고
다수의 알고리즘(기법)을 대상으로 가상 시뮬레이션, PoC, BMT 등을 실시하여 최적의
성능을 측정하였는가?
수행 업체가 인공지능 기술의 역할 및 특성을 이해하고 있으며 관련 사업 경험이 충분한가?
- 47 -
2.3 사업 착수 및 개발
❑ 인공지능 모델 생성 및 학습
❍ 신뢰할 수 있는 인공지능 구축
- 개발과정에서 인공지능이 사업의 목적과 의도에 부합하는 방향으로 구축될
수 있도록 노력
- 필요시 사업 담당자를 포함한 산‧학‧연 전문가로 구성된 자문위원회를
❑ 데이터 저장‧관리 계획 수립
- 확보한 데이터는 원천 데이터와 정제 데이터를 구분하여 보관하고,
지속적으로 활용할 수 있는 계획을 수립
[표 3-13] 학습 데이터 처리 및 저장 시 고려사항
분 류 고 려 사 항
▶AI 도입을 위한 다양한 데이터 원천을 고려하였는가?
▶분석 대상 범위 정의가 완료되었는가?
데이터 정의 ▶데이터 수집 대상 목록을 작성하였는가?
▶데이터 종류, 양, 보관방식, 수집 주기, 백업과 이중화 등 원 데이터에
대한 요구사항 도출 및 분석이 되었는가?
▶활용 가능한 외부 데이터 확보를 위한 기관 간의 협의가 되어있는가?
▶외부 데이터와 내부 데이터를 통합하여 활용할 수 있는지 확인했는가?
▶활용할 데이터는 사용 또는 수집 가능한가?
데이터 수집
▶데이터 활용 관련 보안 사항 및 개인정보보호 관련 문제의 점검을 했는가?
▶활용 예정 데이터에 개인정보가 포함되어 있다면, 개인정보 데이터
제공 범위 및 보안 방안에 대해 협의가 되었는가?
- 49 -
분 류 고 려 사 항
▶수집한 데이터에 저작권 등 법적 제약사항은 없는가?
▶확보한 데이터는 중립적이고 공정한가?
▶이상 값이나 오류를 발견하기 위해 데이터 시각화 등 체계적인 도구를
활용했는가?
▶데이터 전처리에 대한 계획이 수립되었는가?
▶오류데이터 제거, 활용을 위한 데이터 타입 통일을 위한 변환, 데이터
데이터 전처리
검증 및 정제 과정의 절차를 수립하였는가?
▶데이터에 포함된 개인정보가 모두 비식별화되었는가?
▶AI 활용에 필요한 데이터 목록과 유형이 정의되고 변환 기준이
정의되었는가?
데이터 저장 ▶데이터를 추출-변환-탑재하기 위한 표준화 과정을 진행할 시스템의
자동화 방안이 구성되었는가?
▶데이터를 통합 및 저장할 계획이 수립되었는가?
▶인공지능 시스템의 유효성 및 성능을 확보하기 위해 일정량 이상의
충분한 학습 데이터와 테스트 데이터를 분리하여 관리하는가?
데이터 관리
▶학습 데이터 및 테스트 데이터의 유효성 및 무결성이 일관되게
유지되도록 데이터 관리 및 통제정책을 수립하고 관리하는가?
❑ 보안 관리
❍ 용역 참여자를 대상으로 보안교육, 보안점검 등 관련 보안 조치를 수행
- 인공지능 시스템에서 우려되는 보안 위협에 대해 국정원에서 ’19.2월 발간한
「국가‧공공기관의 인공지능 시스템 도입‧운용 관련 정보보안 고려사항 준용 」
점검 항목 비고
의도하지 않은 상황으로 인해 학습이 정지되었을 때, 가장 최근에 저장된 모델을 로드하여
재학습이 가능한가?
인공지능 솔루션에 대한 소유권(제안사가 보유 등)을 명시하고 커스터마이징을 수행할 수 있는가?
데이터 수집 정보원(출처)이 신뢰성 있고 중립적이며 충분한 대표성이 있는가?
인공지능 시스템의 유효성 및 성능을 확보하기 위해 일정량 이상의 충분한 학습 데이터와 테스트
데이터를 분리하여 관리하는가?
인공지능 학습을 위해 편향되지 않은 중립적인 데이터셋을 사용하였는가?
인공지능 시스템 장애가 발생하였을 때 관리자가 내부구조에 접근할 수 있는가?
구축한 인공지능 시스템을 타 시스템에서도 활용할 수 있도록 API 등의 형태로
구성·제공하는가?
관리자가 변경되어도 학습과 유지관리가 자동으로 이루어지도록 시스템을 구축했는가?
국가정보원 “국가‧공공기관의 인공지능시스템 도입‧운용 관련 정보보안 고려사항”을 준용하여
시스템을 구축했는가?
국가정보원 “국가‧공공기관 빅데이터 보안 가이드라인”을 준수하여 시스템을 구축했는가?
데이터 수집 후, 데이터에 대한 외부인 접근 방지 및 유출 시 대처 방안을 마련했는가?
활용 데이터에 대한 보안 사항 및 개인정보보호 관련 문제를 점검하였는가?
- 50 -
2.4 사업 종료
❑ 사업완료 검사‧검수
❍ 사업 완료 후 제안요청서에서 요구한 사항을 준수하였는지 검사‧검수
❍ 사업 감리 진행은 정보화사업 감리수행 가이드 를 준용하여 진행
「 」
동일분야 전문가(사람)그룹과 비교
▶AI X-Ray 판독시스템 구축 사업(관세청, 2019)
◦(1차 Test) 경력 1년 미만 판독자(5명 이내)보다는 식별 정확도가 우수하여야 하며,
경력 10년 이상 판독자(5명 이내)와는 오차범위 5% 이내의 식별 정확도를
구현해야 한다.
◦(2차 Test) 경력 1년 미만 판독자(5년 이내)와 함께 Test용 영상을 이용하여
식별하여 1차 Test때의 경력 10년 이상 판독자의 식별역량과 오차범위 5% 이내의
식별 정확도를 구현해야 한다.
- 51 -
외부 기관 데이터를 활용한 테스트
▶2020년 지능형 인재추천서비스 고도화(인사혁신처, 2020)
◦opm.gov(미연방 생산관리국) 오픈 데이터인 연방정부 공무원 Human Resources
데이터를 테스트 데이터셋으로 활용(https://www.opm.gov/data/index.aspx)
◦인물 데이터에 대한 분석 정확도를 90% 이상 충족해야함
측정지표 활용
▶AI 기반 보안 관제 사이버 위협 자동분석 시스템(한국과학기술정보연구원, 2020)
◦생성한 인공지능 모델의 성능 평가를 위해 학습 종료 후, 학습 데이터와 관리자가
선택한 데이터 각각에 대한 분류를 수행하고 결과를 4가지 방식(정확도, 재현율,
정밀도, f1 점수)으로 표출할 수 있어야 함
※ F1-measure(F1-score): 모델이 ‘참’으로 예측한 데이터 중 실제로 ‘참’인 데이터
비율인 precision(정밀도)와 실제로 ‘참’인 데이터를 모델이 ‘참’으로 예측한 비율인
recall(재현율)의 조화평균
▶AI 기반 지역 축제 챗봇 서비스(한국정보화진흥원, 2020)
◦측정 시점 이전의 챗봇 대화의 응답 속도에 대한 평균으로 측정. 단위는 소수 둘째
자리에서 반올림하여 소수 첫째 자리까지 표기
∑건별대화응답시간 건별대화요청시간
◦ 처리속도(평균)= 전체대화건수
❑ 산출물 인수 및 하자보수 내용 확정
❍ ( 산출물 인수) 검사에 의하여 용역의 완성을 확인한 후 계약상대자가
서면으로 인수를 요청하였을 때는 즉시 해당 용역 목적물을 인수
- 개발한 시스템의 핵심 알고리즘에 대한 아키텍처, 소스 코드 등을 인계받아야 함
❍ (하자보수 내용 확정) 계약완료 후 1년간 발생하는 하자보수는 무상으로
수행하게 되어 있으므로 사업자와 하자보수에 대한 내용 및 범위에 대해서
상호 협의하고 확정
- 하자보수 내용 확정 시 지속적인 기술이전 등에 관한 내용에 대해서도 협의
점검 항목 비고
업무전문가(판독자)에게도 검증 데이터셋을 제공하여 인공지능 식별 역량을 인간의
수준과 비교하여 평가했는가?
인공지능을 활용하여 적절한 답변을 하지 못하거나 기능을 호출할 수 없을 시
처리방안을 구현했는가?
인공지능이 도출한 결과물의 근거를 설명할 수 있는가?
- 52 -
3 운영 단계
❑ 운영 단계
대응 방안 마련을 지원하는 사업 운영 TF 구성
❍ (연계사업 기획) 다년간의 인공지능 사업 운영 경험을 바탕으로 기존
- 53 -
3.1 운영 및 유지관리
❑ 사업 운영 TF 구성
❍ 인공지능 시스템 운영 경험자를 중심으로 구성함으로써 운영과정에 발생
하는 이슈에 원활히 대응하고 연계‧고도화에 적합한 사업 아이디어 결정
- (운영 모니터링) 사업 종료 후 제공되는 서비스 내용을 파악하고 이를
기반으로 유지관리 관련 점검리스트를 제작하여 지속적으로 점검
- (고도화 추진) 인공지능 시스템 고도화사업 추진 시 사업 범위‧규모 등 결정 지원
- (연계사업 발굴) 신규 연계 서비스 발굴 구축 및 운영 경험을 바탕으로
보완사항 도출 및 새로운 인공지능 도입 서비스 발굴
[표 3-16] 사업 운영 TF 구성원별 역할
구성 역할
▶데이터 운용 관리 현황 파악
외 ▶최신 기술 성능 공유
산‧학계
부 ▶운영 과정에서 발생 가능한 윤리 문제 대응방안 제시
▶점진적 도입 확대를 위한 신규 서비스 발굴
▶시스템 운영 및 유지관리
현업부서
▶시스템의 확장 가능성 검토 및 추가 연계 수요 파악
❑ 운영 및 유지관리
❍ 과년도 시스템 운영 결과를 바탕으로 유지관리 계획을 수립하고 데이터
수집‧전처리‧기계학습 등에 필요한 유지관리 예산을 확보
❍ 인공지능 시스템의 구축과 유지보수 관련 알고리즘, DB 관리, 학습데이터의
현행화, 보안지침 등이 인수인계되지 않았을 경우 성능 저하 가능성이
크므로 전반적인 지식을 보유하고 있는 담당 인력에 대한 교체 자제
- 차년도 유지보수 업체는 구축 업체와 달라질 수 있으므로 인공지능 시스템
유지보수에 필요한 내용(학습데이터 운용, 보안 사항 등)은 상세히 문서화
- 부득이하게 사업 담당자의 업무 전환 및 교체 상황이 발생할 것에 대비하여
도입 시스템 전반에 대한 인수인계를 위한 체계를 사전에 마련‧현행화
- 성능 평가항목을 추가하여 주기적으로 시스템 평가 및 성능 저하 요인 분석
- 54 -
❑ 위협요인 관리( 역기능 모니터링 )
영 역 항 목
▶운영자가 인공지능 시스템 의도와 기능을 쉽게 이해하고 검증할 수
있으며, 판단 결과를 설명할 수 있도록 인공지능 시스템의 공정성 및
의사결정의 투명성을 제공하는가?
투명성 ▶인간의 뇌나 신체에 연계되는 인공지능 시스템의 경우, 생명윤리에
관한 논의 등을 참조하며, 학습 데이터에 포함되는 편견 등에 기인한
부당한 차별이 없도록 필요한 조치를 강구하는가?
※ 출처: 국가‧공공기관의 인공지능 시스템 도입‧운용 관련 정보보안 고려사항 (국가정보원, ’19.2월)
❑ 재학습
- 55 -
❍ 인공지능 시스템은 성능을 유지하려면 원칙적으로 모니터링과 재학습이 필요
- 인공지능 서비스의 목적과 내용에 따라 재학습 주기와 규모는 다양함
※ (정기 재학습) 연 1회, 분기별 1회, (수시 재학습) 기관 내 조직‧업무개편 등
❍ 재학습 주기가 도래하기 전 학습을 위한 데이터를 수집하고 인력과 예산을
확보하되, 예산은 투입공수(M/M)로 산정
- 특히 AI에 적용할 학습데이터는 매년 갱신을 통해 정제하지 않게 되면 품질
저하 발생으로 문제가 발생하므로 지속해서 관리
[표 3-15] 재학습을 위한 데이터 수집 시 고려사항
요인 내용
▶수집 방법의 경우 수동(사람)과 자동화 시스템 중 선택하여 구축했는가?
▶동일한 출처라도 시간에 따라 데이터 패턴이 변하지 않았는가?
출처 ▶데이터를 수집하려는 정보원(출처)의 신뢰성, 정확성 등을 보증할 수 있는가?
▶데이터를 수집하려는 정보원(출처)이 충분한 대표성이 있는가?
▶구축 시 사용한 학습 데이터와 품질 수준이 비슷한가?
오류 ▶수집한 데이터 학습에 불필요한 요소가 없고 데이터의 품질이 안정적인가?
▶잠재적인 편견이 데이터 분석 결과에 미치는 영향을 고려했는가?
▶(측정의 편견) 모집단을 대변하지 못하는 데이터
▶(사회적 편견) 데이터에 담긴 사회적 편견은 알고리즘의 편향으로 도출
편견
▶(미디어 편견) 소셜 미디어 데이터는 실시간으로 통찰력있는 데이터를
제공할 수 있으나, 편견을 포함할 가능성이 높음
▶(설문 조사) 낮은 응답률로 인한 응답의 편향성은 부정확한 결과 초래
점검 항목 비고
AI 서비스가 최신의 데이터와 업무 내용을 반영하여 결과를 도출하고 있는가?
기관장을 포함한 사업 관련자들의 인공지능 관심 및 전문성 향상교육 방안을
마련했는가?
운영(유지관리) 사업 전문성 확보를 위해 전문직위 등 인력 투입을 검토했는가?
재학습에 필요한 활동을 정의하고 충분한 예산을 확보했는가?
안전하고 지속 가능한 기술을 사용하여 인공지능이 올바른 의사결정의 수단으로
활용될 수 있도록 노력하였는가?
국가정보원 “국가‧공공기관의 인공지능시스템 도입‧운용 관련 정보보안 고려사항”을
준용하여 시스템을 운영하는가?
개인정보‧사생활 침해 문제 발생 시 대처방안을 마련했는가?
인공지능 활용 내용과 활용 과정에서 발생할 수 있는 위험 등의 유의사항을 사전에
고지했는가?
- 56 -
3.2 연계사업 기획 및 추진
❑ 성능 고도화
❍ 시스템 구축‧운영에 대해 평가하고 그 결과를 바탕으로 서비스 확대 또는
성능 고도화 추진
- 기존에 제공하던 인공지능 서비스의 제공 범위‧대상 등을 확대
※ (예) 챗봇 민원상담 종수를 4건 → 9건 → 20건으로 확대
- 성능을 향상시켜 인공지능 시스템 활용성을 제고할 수도 있음
※ (예) 악성 행동 탐지 적발률을 90%→98%으로 향상
❍ 시스템 개발 및 유지보수 과정에서 사업 기획 단계에서 예상하지 못한
요구사항이 발생할 수 있으며, 이를 융합해서 차년도 고도화 사업에
반영하는 사업주기를 형성해야함
※ agile DevOps: 개발 및 운영과정에서 발생하는 요구사항을 즉각적으로
반영하여 (agile) 사업 기획과 개발, 운영을 함께 처리(DevOps)
❑ 연계사업 기획
❍ 신규 연계 서비스 발굴 구축 및 운영 경험을 바탕으로 보완사항 도출 및
새로운 인공지능 도입 서비스 발굴
- 새로운 업체를 선정할 경우 데이터 수집과 모델 설계 등을 처음부터 해야하는
윈백(Winback) 상황이 발생할 수 있으므로 기존 시스템과의 호환성에 유의
❍ 연계 사업 기획 및 추진
- 타 기관‧부서 시스템과 연계를 고려할 경우 빅데이터 포털이나 공통기반
인프라를 활용하여 표준화된 통합이 가능하도록 추진
점검 항목 비고
정보화전략계획(ISP)에 따라 차년도 고도화 및 연계사업을 기획했는가?
기존 제품과 다른 제품으로 연계 사업을 추진하더라도 기존 시스템과 동등하거나 그
이상의 성능을 확보할 수 있는가?
차년도 시스템 갱신을 위하여 학습데이터베이스, 시스템 품질, 시스템 보안에 대한
보완사항을 도출하였는가?
개발한 인공지능의 정확성, 신뢰성을 단계적으로 높이기 위한 전략을 수립했는가?
- 57 -
참고자료
- 58 -
부록1 인공지능 도입 사업 단계별 체크리스트
영역 점검 항목 비고
최고책임자가 프로젝트에 대한 이해와 확고한 추진 의지를 가지고
있는가?
AI 도입을 위한 현업/정보화 담당자 간의 명확히 역할과 책임이 정의되어
있는가?
사업 관련 구성원 사이에 사업의 목적과 필요성이 충분히 공감되고
있는가?
과거 도입 사례와 선행연구 등을 참고하여 인공지능 도입 비용과 이익을
분석하였는가?
인공지능 활용의 점진적 확대를 위한 연차별 준비사항(Action plan)을
제시하였는가?
ISP
인공지능 학습을 위한 데이터를 정의하고 보유 현황 및 환경을 분석했는가?
수립
(11) 사업 목표를 고려할 때 해당 문제를 해결하기 위한 수단으로 인공지능을
도입하는 것이 적절한가?
타 기관의 인공지능 공통기반을 활용 또는 연계‧통합이 가능한지 사전에
검토했는가?
(챗봇 공통기반, 국민비서 알림 서비스, 빅데이터 분석 플랫폼 혜안 등)
기
획 행정안전부 “공공데이터 관리지침”에 따라 민간 서비스와의 중복‧유사성을
검토했는가?
단 국내외 사례 벤치마킹, 최신 기술 수준 조사 등을 통해 실현 가능성을
계
(23) 판단했는가?
- 59 -
영역 점검 항목 비고
오류데이터 제거, 활용을 위한 데이터 타입 통일을 위한 변환, 데이터
검증 및 정제 과정의 절차를 수립하였는가?
수집‧이용 예정 데이터에 개인정보가 포함되어 있다면, 개인정보 침해
발생 대응 방안에 대해 법적 타당성 등을 사전에 검토했는가?
인공지능 모델의 학습 결과에 영향을 줄 수 있는 편견이 존재하는가?
- 60 -
영역 점검 항목 비고
의도하지 않은 상황으로 인해 학습이 정지되었을 때, 가장 최근에 저장된
모델을 로드하여 재학습이 가능한가?
인공지능 솔루션에 대한 소유권(제안사가 보유 등)을 명시하고 커스터마이징을
수행할 수 있는가?
데이터 수집 정보원(출처)이 신뢰성 있고 중립적이며 충분한 대표성이
있는가?
인공지능 시스템의 유효성 및 성능을 확보하기 위해 일정량 이상의 충분한 학습
데이터와 테스트 데이터를 분리하여 관리하는가?
인공지능 학습을 위해 편향되지 않은 중립적인 데이터셋을 사용하였는가?
인공지능 시스템 장애가 발생하였을 때 관리자가 내부구조에 접근할 수
사업 있는가?
착수
관리 구축한 인공지능 시스템을 타 시스템에서도 활용할 수 있도록 API 등의
(12) 형태로 구성·제공하는가?
관리자가 변경되어도 학습과 유지관리가 자동으로 이루어지도록 시스템을
구축했는가?
국가정보원 “국가‧공공기관의 인공지능시스템 도입‧운용 관련 정보보안
고려사항”을 준용하여 시스템을 구축했는가?
국가정보원 “국가‧공공기관 빅데이터 보안 가이드라인”을 준수하여
시스템을 구축했는가?
데이터 수집 후, 데이터에 대한 외부인 접근 방지 및 유출 시 대처 방안을
마련했는가?
활용 데이터에 대한 보안 사항 및 개인정보보호 관련 문제를
점검하였는가?
업무전문가(판독자)에게도 검증 데이터셋을 제공하여 인공지능 식별
역량을 인간의 수준과 비교하여 평가했는가?
사업
종료 인공지능을 활용하여 적절한 답변을 하지 못하거나 기능을 호출할 수 없을 시
(3) 처리방안을 구현했는가?
인공지능이 도출한 결과물의 근거를 설명할 수 있는가?
AI 서비스가 최신의 데이터와 업무 내용을 반영하여 결과를 도출하고
있는가?
기관장을 포함한 사업 관련자들의 인공지능 관심 및 전문성 향상교육
운 방안을 마련했는가?
영 운영 운영(유지관리) 사업 전문성 확보를 위해 전문직위 등 인력 투입을
유지
검토했는가?
단 관리
계 (8) 재학습에 필요한 활동을 정의하고 충분한 예산을 확보했는가?
(14) 안전하고 지속 가능한 기술을 사용하여 인공지능이 올바른 의사결정의
수단으로 활용될 수 있도록 노력하였는가?
국가정보원 “국가‧공공기관의 인공지능시스템 도입‧운용 관련 정보보안
고려사항”을 준용하여 시스템을 운영하는가?
- 61 -
영역 점검 항목 비고
개인정보‧사생활 침해 문제 발생 시 대처방안을 마련했는가?
- 62 -
부록2 참고 법령 및 가이드라인
◯
법 법령(법률, 대통령령, 부령) ◯
규 행정규칙(훈령, 예규, 고시, 규정, 규칙, 지침) ◯
가 가이드라인‧매뉴얼 등
발행일
분류 제 목 발행기관
(공포일)
◯
법 정보통신 진흥 및 융합 활성화 등에 관한 특별법
과학기술정보통신부 ’20.6월
(정보통신융합법)
◯
법 전자정부법 행정안전부 ’20.6월
◯
법 지능정보화 기본법 과학기술정보통신부 ’20.6월
단계 공통 ◯전자정부지원사업 관리지침
규 행정안전부 ’20.1월
◯
규 행정기관 및 공공기관 정보시스템 구축‧운영 지침 행정안전부 ’19.8월
미래창조과학부,
◯
가 정보화사업 단계별 관리점검 가이드 행정자치부, ’15.2월
한국정보화진흥원
◯
가 국가‧공공기관의 인공지능 시스템 도입‧운용 관련
국가정보원 ’19.2월
정보보안 고려사항
◯
규 예비타당성조사 운용지침 기획재정부 ’21.1월
◯
규 소프트웨어 기술성 평가기준 지침 과학기술정보통신부 ‘20.12월
정 ◯
규 전자정부 성과관리 지침 행정안전부 ’20.2월
보 과학기술정보통신부,
◯
규 국가정보화 시행계획 작성지침 ’20.1월
화 한국정보화진흥원
◯
규 2010~2024년 국가재정운용계획 수립 지침 기획재정부 ’20.12월
기
◯
규 사회기반시설사업‧지역개발사업의 정보화 수립에 관한 지침
획 과학기술정보통신부 ’17.10월
1. (舊 대규모투자사업 정보화계획 수립에 관한 지침)
기 기획재정부,
◯
가 정보화전략계획(ISP) 수립 공통가이드(제3판) ’19.4월
한국정보화진흥원
획
단 ◯
가 정보화전략계획(ISP) 산출물 점검 가이드 행정자치부 ’15.7월
계 ◯
법 국가재정법 기획재정부 ’20.6월
◯
법 지방재정법 행정안전부 ’19.12월
예
◯
규 2021년도 예산 및 기금운용계획 집행지침 기획재정부 ’21.1월
산
◯
규 예산안편성 및 기금운용계획안 작성 세부지침 기획재정부 ’20.5월
확
◯
가 국제표준 기반 기능점수 산정 안내서 소프트웨어산업협회 ’20.12월
보
◯
가 SW 사업 대가산정 가이드 한국소프트웨어산업협회 ’20.6월
◯
가 공공 빅데이터 분석 사업비 대가산정 가이드 행정자치부 ’16.12월
- 63 -
발행일
분류 제 목 발행기관
(공포일)
◯
가 국가 인공지능 윤리 기준안 과학기술정보통신부 ’20.11월
방송통신위원회,
◯
가 이용자 중심의 지능정보사회 원칙 ‘19.11월
정보통신정책연구원
◯
가 인공지능 윤리헌장 한국인공지능윤리협회 ‘19.10월
윤
리 ◯
가 지능형 정부 인공지능 활용 윤리 가이드라인(안) 한국정보화진흥원 ‘18.12월
◯
가 지능정보사회 헌장 정보문화포럼 ‘18.6월
◯
가 카카오 알고리즘 윤리 헌장 카카오 ‘18.1월
◯
가 로봇 윤리헌장 초안 산업자원부 ‘07.3월
◯
법 소프트웨어 산업 진흥법 과학기술정보통신부 ’20.6월
◯
규 엔지니어링 사업대가의 기준 산업통상자원부 ’19.1월
제
안 ◯
규 정보시스템 하드웨어 규모 산정 지침 한국정보통신기술협회 ’18.12월
요
행정자치부,
청 ◯
규 국가정보통신서비스 이용 지침서 ’16.8월
한국정보와진흥원
서 과학기술정보통신부,
◯
가 소프트웨어사업 요구사항 분석·적용 가이드 ’12.12월
정보통신산업진흥원
작 과학기술정보통신부,
◯
가 사례기반 소프트웨어 단계별 발주 가이드 ’20.1월
성 정보통신산업진흥원
◯
가 AI 공공부문 조달 가이드라인 세계경제포럼 ’19.9월
2. ◯
가 SW 분리발주 가이드라인 과학기술정보통신부 ’17.10월
구 ◯
법 국가를 당사자로 하는 계약에 관한 법률(국가계약법) 기획재정부, 조달청 ’21.1월
축 계
◯
규 소프트웨어사업 계약 및 관리감독에 관한 지침 과학기술정보통신부 ’20.12월
단 약
계 ◯
가 공공소프트웨어사업 과업변경 가이드 과학기술정보통신부 ’20.3월
◯
법 공공데이터의 제공 및 이용 활성화에 관한 법률
행정안전부 ’20.6월
(약칭 ‘공공데이터법’)
◯
법 데이터기반행정 활성화에 관한 법률
행정안전부 ’20.6월
데 (약칭 ‘데이터기반행정법’)
이
◯
규 공공데이터 관리지침 행정안전부 ’19.9월
터
◯
규 과학기술정보통신부 공공데이터 품질관리 지침 과학기술정보통신부 ’19.6월
관
◯
규 공공기관의 데이터베이스 표준화 지침 행정안전부 ’19.3월
리
◯
규 데이터 품질관리 지침 한국데이터베이스진흥센터 ’06.9월
◯
가 공공기관 데이터 역량강화 가이드라인 행정안전부 ’20.12월
- 64 -
발행일
분류 제 목 발행기관
(공포일)
◯
가 데이터 공동활용 가이드 행정안전부 ’20.12월
과기정통부,
◯
가 인공지능 데이터 품질 표준안 ’20.10월
한국정보통신기술협회
◯
가 인공지능 데이터셋 구축 가이드북 한국정보통신기술협회 ’20.1월
◯
가 공공데이터 품질관리 매뉴얼 한국정보화진흥원 ’18.1월
◯
가 공공 빅데이터 업무적용 가이드 행정자치부 ’16.12월
◯
가 데이터베이스 구축비 대가기준 가이드 한국정보화진흥원 ’11.12월
◯
법 보안업무규정 국가정보원 ‘20.12월
◯
법 정보통신망 이용촉진 및 정보보호 등에 관한 법률 방송통신위원회,
’20.6월
(정보통신망법) 과학기술정보통신부
◯
규 개인정보 영향평가에 관한 고시 개인정보보호위원회 ’20.8월
◯
규 국가 정보보안 기본지침 국가정보원 ’20.7월
◯
규 보안업무규정 시행규칙 국가정보원 ’20.3월
보 ◯
규 국가사이버안전관리규정 국가정보원 ’13.9월
안
관 ◯
가 소프트웨어 개발보안 가이드 행정안전부 ’19.11월
리 ◯
가 소프트웨어 보안약점 진단 가이드 행정안전부 ’19.10월
◯
가 개인정보 영향평가 수행 안내서 한국인터넷진흥원 ’18.4월
◯
가 전자정부 SW개발 운영자를 위한 SW 개발보안 가이드 행정안전부 ’17.8월
◯
가 빅데이터 개인정보보호 가이드라인 해설서 한국인터넷진흥원 ’15.2월
◯
가 정부·공공기관 정보보안 관리실태 평가지표 국가정보원 ’13.10월
◯
가 국가사이버 안전매뉴얼 국가정보원 ’05.10월
감 ◯
규 정보시스템 감리기준 행정안전부 ’20.1월
리 ◯
가 정보시스템 감리 발주‧관리 가이드 한국정보화진흥원 ’17.4월
운 운 ◯
규 전자정부 운영 성과관리 지침 행정안전부 ‘17.7월
영 영
◯
가 정보시스템 운영 및 유지보수 감리 점검 가이드 한국정보화진흥원 ’18.3월
- 65 -
부록3 2018-2020년 조달청 발주 인공지능 사업 목록(89 ) 개
( 기술분류-사례분류 順)
- 66 -
연도 순번 사 업 명 기관명 기술분류 사례분류
AI기반 시·청각장애인을 위한
21 대전광역시 음성처리 민원상담
스마트 미러 민원안내시스템 구축
- 67 -
연도 순번 사 업 명 기관명 기술분류 사례분류
맞춤형
1 경남형 빅데이터 및 AI교육서비스 구축 경상남도교육청 기계학습
서비스
맞춤형
2 지능형 학습관리시스템 구축(2단계) 서울특별시 기계학습
서비스
예측예방
6 인공지능 기술 기반 침해사고 로그분석 시스템 구축 한국인터넷진흥원 기계학습
시스템
예측예방
7 인공지능 기반 지자체 보안관제시스템 확대 구축 행정안전부 기계학습
시스템
2019 예측예방
8 인공지능기반 적응형 보안시스템 2차 구축 행정안전부 기계학습
(30건) 시스템
업무편의
9 인공지능 회의록지원시스템 구축 서울특별시 음성처리
자동화
업무편의
10 AI X-Ray 판독시스템 구축 사업(1단계) 관세청 이미지처리
자동화
업무편의
11 표현체 인공지능 플랫폼 및 활용체계 구축 농촌진흥청 이미지처리
자동화
업무편의
13 빅데이터·인공지능기반 국공유지 모니터링 체계 구축 창원시 이미지처리
자동화
예측예방
14 지능형 도로포장상태 예측 및 예방시스템(ICT공공) 경기도 이미지처리
시스템
예측예방
15 인공지능 건강예측 기반 확대 사업 국민건강보험공단 이미지처리
시스템
- 68 -
연도 순번 사 업 명 기관명 기술분류 사례분류
인천공항 예측예방
18 2019년 인공지능 식별추적 실증랩 서비스 구축 사업 이미지처리
출입국외국인청 시스템
맞춤형
19 지능형 멀티 문화정보 큐레이팅봇 구축 한국문화정보원 챗봇
서비스
업무편의
29 AI기반 스마트 종합정보 포털시스템 구축 사업 선박안전기술공단 챗봇
자동화
예측예방
30 2019년도 AI 기반 스팸 빅데이터 분석시스템 개발 한국인터넷진흥원 자연어처리
시스템
- 69 -
연도 순번 사 업 명 기관명 기술분류 사례분류
맞춤형
1 빅데이터 기반 지능정보형 인사정책지원 플랫폼 구축 인사혁신처 기계학습
서비스
업무편의
3 인공지능 기반 우범화물 검사대상 선별시스템 구축 관세청 기계학습
자동화
예측예방
4 인공지능을 활용한 민생범죄 수사지원 분석사업 서울특별시 기계학습
시스템
한국과학기술 예측예방
5 AI 기반의 보안관제 전용 사이버위협 자동분석 시스템 기계학습
정보연구원 시스템
예측예방
6 지능형 전기화재 예방 및 조기경보 시스템 구축 한국전기안전공사 기계학습
시스템
업무편의
7 음성인식 기반 법정녹음 지능형 자동기록 시스템 법원행정처 음성처리
자동화
맞춤형
13 지능형 문화정보 큐레이팅봇 구축 한국문화정보원 챗봇
서비스
인공지능 기반 개인 수준별
17 한국교육방송공사 챗봇 민원상담
문제 풀이 및 해설 서비스 개발
- 70 -