FUTURE HORIZON+┃Vol. 49 과학기술정책 연구노트
32 31
들어가며
1)정부는 지난해 코로나19 사태를 극복하고, 경제·사회 전 환을 도모하고자 「한국판 뉴딜 종합계획」을 발표한 바 있 다(관계부처 합동, 2020). 이 계획을 구성하는 3개의 핵심 축 가운데 하나가 ‘디지털 뉴딜’ 전략이며, 인공지능 기반 지능형 정부가 이 전략의 대표 과제로 제시되었다. 지능형 정부는 인공지능과 축적된 데이터를 활용하여 합리적 정책 의사결정에 대한 기대를 불러 온다(황종성, 2017). 의제설 정 과정에서 활용된 인공지능은 정책 수요를 면밀히 분석 하고, 다양한 데이터를 활용하여 정책 문제를 보다 명확하 게 파악함으로써 상세한 해법을 제시하는데 도움을 줄 수 있다(Pencheva et al., 2020). 그리고 실시간으로 정책의 효과를 평가할 수도 있으며, 반복적인 업무를 인간 대신 수 행케 하여 비용절감과 생산성 향상을 목적으로 활용할 수 도 있다. 외국에서는 공공부문에 인공지능을 활용하기 위 해 ROBAMA(ROBotic Analysis of Multiple Agents)와 같은 실험적인 시도가 이루어지고 있는데, 이를테면 이는
‘모든 한국 국민이 최저 기본 소득을 수령했을 때 어떤 영향 이 있을까?’와 같은 질문에 답을 하는 인공지능에 관한 연 구이다(Goertzel, 2019, May 31).
본 고에서는 우리나라 과학기술행정의 주요 사례를 중심 으로 인공지능 활용 동향과 향후 활용에 거는 기대를 살펴 보고, 공공행정에서 인공지능 활용 활성화 방안을 모색해 보고자 한다. 본격적인 논의에 앞서 간략하게나마 행정이 란 무엇인지를 짚어볼 필요가 있을 것이다. 행정에 대해 한 마디로 정의 내리긴 어렵지만, 본 고에서는 행정을 정부 관 료제 내에서 공익 목적을 달성하기 위한 공공 문제의 해결 및 공공 서비스의 생산·분배에 관련된 활동을 의미하며, 정 책적 요소와 관리적 요소를 동시에 내포하는 개념이라 보 았다. 정책적 요소는 정책의 결정 기능을 중시하고, 공공성 이라는 가치를 지향하며 행정의 정치적 성격을 대표한다.
한편, 관리 기능과 효율성 등 사실 문제를 강조하고, 행정이 지닌 경영·관리적 성격을 관리적 요소로 구분했다.
과학기술행정의 지능화
과학기술행정에 지능화 물결이 확산된 과정은 과거 정 보화 시대의 발전 연장선으로 해석할 수 있다. 정보화는 IT 기술을 활용한 정보의 가공, 처리, 유통이 활발하여 이러한 활동이 사회 및 경제의 중심이 되는 것을 말한다. 단순하게 전달을 목적으로 정보를 수집, 가공, 처리, 저장해 온 것이
[그림 1] 행정의 구성요소
자료: 양현채 외(2020: 20)
양현채┃과학기술정책연구원 연구위원
공공행정 분야의 인공지능 활용 강화 방안
: 과학기술행정을 중심으로
1）이 글은 양현채 외(2020)의 「공공행정 분야의 인공지능 활용 강화 방안」 내용을 요약·정리한 것이다.
FUTURE HORIZON+┃Vol. 49 과학기술정책 연구노트
34 33
정보화 시대의 특징이라면, 정보의 전송, 유통으로 그 범위 가 점차 확대되었고, 최근에는 축적된 정보를 활용하는데 사회적 관심이 고조되면서 정보화를 넘어 ‘지능화’에 대한 수요가 다양한 분야에서 일고 있다. 민간에 비하면 미약하 지만 공공부문에도 인공지능 활용에 대한 논의가 진행되고 있으며 이러한 흐름은 과학기술 부문도 예외는 아니다.
정보화 시대에는 과학기술에 관한 평가·분석 혹은 연 구 활동과 관련한 정보의 수집과 유통이 활발해졌다. 당시 Ezbaro, RCMS와 같은 실시간 연구비 관리 시스템이 도입 되었고, 이들 시스템은 집행내역 자동화 서비스를 제공하 는 등 관리 행정을 개선하려는 노력을 기울여 지금도 널리 사용되고 있다. 그리고 2004년 국가과학기술위원회에서
‘국가과학기술종합정보시스템’ 구축 방침이 확정되며 출발 한 국가과학기술지식정보서비스(이하 NTIS)도 정보화 시 대의 산물이라 할 수 있다. NTIS는 개별 관리기관에 분산 된 과제 정보를 연계할 필요성이 제기되면서 시작되었으 며, 2019년 기준 17개 부처·청의 국가연구개발사업과 전
담기관의 9대 성과물 정보를 제공하고 있다. 기본계획을 제시함으로써 NTIS는 세대별 발전을 거듭해 왔는데 현재 는 2019년부터 시작된 5차 계획인 「국가과학기술지식정보 서비스(NTIS) 5.0 기본계획(2019~2021)」이 추진되고 있 다. 현행 계획이 목표로 하는 지능형 과학기술정보 서비스 를 강화하고자 지능정보기술을 활용한 검색, 맞춤형 정보 추천 등의 서비스를 제공하고 있다.
한편, 과학기술행정 현장에서 겪는 어려움을 해소할 목 적에서 인공지능을 활용하는 움직임도 확인할 수 있다. 일 례로 국가과학기술연구회(이하 NST)에서 제공하는 법무자 문 공동운영 서비스를 들 수 있다. NST는 산하 출연(연)에 서 공동으로 대응할 필요가 있는 행정 문제를 발굴하여 공 통행정서비스를 구현하고자 연구행정선진화 작업을 추진 하고 있으며, 이는 그 일환으로서 연구와 행정에 관련된 법 률, 규정, 규칙, 사례, 업무매뉴얼에 대한 자문을 인공지능 기술을 활용하여 상시대응토록 하려는 서비스이다. 이 외 에 한국연구재단(NRF) 지능형 연구지원 시스템의 평가자
추천시스템, 국가R&D투자평가플랫폼(R&D Platform for Investment & Evaluation: R&D PIE) 등의 예에서 인공 지능의 활용을 찾을 수 있다.
과학기술행정에 인공지능의 활용 현황
앞서 제시한 과학기술행정에서 인공지능의 활용 사례를 몇 가지 유형으로 구분해 보자. 먼저 각 사례를 과학기술행 정의 구성요소라 할 수 있는 정책과 관리 중 어떤 성향이 강한지에 따라 구분한다. 그리고 인공지능의 활용 용도에 따라 자동화(automation)와 증강(augmentation)으로 분 류(Bataller and Harris, 2016)하면 사례를 4개로 유형화 할 수 있다. 자동화는 단순한 데이터 입력과 같이 인간이 일상적 혹은 반복적으로 수행하는 기본적인 작업을 인공지 능이 대신하여 수행함으로써 효율성을 향상시키는데 활용 됨을 의미하고, 증강은 노동자의 기술, 지식 및 경험을 강화 하여 더 생산적 혹은 효과적으로 업무를 수행하도록 최적 의 조언을 제시하거나 의사결정을 지원하는데 활용되는 것
을 뜻한다.
이렇듯 과학기술행정에서 인공지능 활용을 4개의 영역 으로 구분한 결과, 행정의 관리 요소가 강한 사례에서 인공 지능이 상대적으로 활발하게 도입되고 있음을 확인할 수 있었다. 반면, 정책적 요소가 강한 업무에 인공지능은 이 제 막 활용을 시작한 단계라 볼 수 있다. R&D PIE 사례는 정책 영역에서의 활용이지만 사전에 설정된 규칙을 기반 (rule-based)으로 대안을 제시하는 방식을 주로 채택하고 있어 자동화 유형으로 분류했다. 결국, 정책 의사결정을 위 한 목적에서 인공지능을 활용하려는 움직임은 아직 뚜렷하 지 않음을 알 수 있다. 이는 인간 고유의 활동인 의사결정 주체를 인공지능으로 대체할 수 있을 것인가 등 향후 많은 사회적 논란을 불러일으킬 것으로 예상되지만, 2025년 활 용을 목표로 진행되는 ROBAMA, 일본 도쿄도 타마시 시장 선거에 출마한 인공지능 등의 외국사례를 상기할 때 정책 의사결정 영역에서 활용되는 인공지능에 대한 우리의 준비 는 다소 뒤쳐져 있다고도 볼 수 있다.
[그림 2] 과학기술행정에 인공지능이 적용된 예
자료: 저자 작성
[그림 3] 인공지능 활용사례 구분
자료: 양현채 외(2020: 66)
FUTURE HORIZON+┃Vol. 49 과학기술정책 연구노트
36 35
향후 과학기술행정에 인공지능의 활용에 거는 기대와 시사점
나아가 과학기술행정 실무자 및 전문가를 대상으로 향후 과학기술행정에 인공지능이 활용될 수 있는 아이디어를 조 사한 결과 미래 유망기술 탐지에서부터 맞춤형 인력 매칭 서비스에 이르기까지 다양한 안이 제시되었다. 이렇게 수 렴한 아이디어 14개를 2개의 기준 즉, 인공지능 적용의 필 요성과 용이성에 따라 분류했다. 인공지능이 문제 해결에 적합한 도구인지 검토하는 한편, 이제 초기 활용 단계에 접 어들었음을 감안할 때 적용이 용이한 문제부터 활용을 고 민할 필요가 있기 때문이다. 참고로 인공지능 적용의 필요 성을 판단할 때에는 정책 수요자인 연구자 혹은 국민 입장 에서의 필요성을 중심에 두었다.
아이디어를 분류한 결과 당장에 적용할 수 있는 즉, 난이
도가 낮은 아이디어(Ⅰ·Ⅱ 영역)는 민간에서 제공하는 유사 서비스가 있는 외국어 번역, 민원 대응을 위해 도입한 대화 형 인공지능 서비스, 과거 정기적으로 수행되었던 기술 모 니터링 활동을 상시화하는 것을 포함했다. 한편, 인공지능 적용의 필요성은 높으나 활용이 쉽지 않은 아이디어(Ⅳ 영 역)는 대체로 데이터를 새로이 구축해야 하거나 판단 기준 이 정립되어야 하는 것이라 볼 수 있다. 협업 파트너 제안, 평가 후보자 추천, 인력 연계 서비스는 연구자 수준에서의 데이터가 새로 구축될 필요가 있다. 또한 우수연구자의 추 천, 연구의 신규성 및 진보성 판단 서비스는 어떤 데이터를 통해 해당 목적을 달성할 수 있을지, 결과의 설명가능성에 대한 검토 등이 선행될 필요가 있기에 당장 실무에 적용하 기에는 어려운 아이디어로 분류되었다.
앞서 분류한 인공지능 활용 아이디어를 적용의 난이도에
따라 실현시기를 단기에서 장기로 구분하여 결과를 종합했 을 때, 인공지능을 활용하여 얻을 수 있는 효과란 단기적으 로는 효율성이나 편의성을 향상하는 것에서 연구윤리나 연 구비 사용 등에서 투명성을 추구하는 것으로 이어지고, 적 재적소에 인재를 기용함으로써 수월성을 추구하려는 경향 으로 귀결될 것으로 예상할 수 있다. 그리고 중장기적으로 는 과학기술행정에서 인공지능을 활용하여 연구자, 기업 등 개별 연구수행주체에 대한 맞춤형 매칭 서비스 제공에 대한 기대가 두드러진다는 것 또한 시사점이라 할 수 있다.
과학기술행정에 인공지능의 활용 활성화 방안
공공부문에서의 인공지능 활용은 기술 자체의 발전 속도 나 민간 부문에 비해 다소 뒤처져 있으므로 다양한 활용 사 례를 발굴·추진함으로써 실무자들의 활용 수요를 이끌어낼 필요가 있다. 이 때 목적성이 불분명해질 위험이 큰 대규모 사업보다 시범사업, 탐색연구 등의 형태로 활용을 시도함 으로써 본격적으로 행정 실무에 인공지능을 적용하기에 앞 서 성능을 검증하고 활용의 타당성을 검토하면서 점차 활 용의 범위를 확대해 나갈 필요가 있음을 강조한다. 이러한 방법은 업무 수행에서 인공지능의 효과성을 입증할 수 있 고, 실무자들도 작지만 인공지능 활용으로 인한 긍정적인 경험을 축적해 나갈 수 있다는 장점을 지닌다.
참고문헌
관계부처 합동(2020), 「한국판 뉴딜 종합계획- 선도국가로 도약하는 대한민국으로 대전환」.
양현채 외(2020), 「과학기술행정 혁신을 위한 인공지능 활 용 방안」, 과학기술정책연구원.
황석원 외(2020), 「데이터 기반 연구개발 관리 혁신 방안」, 과학기술정책연구원.
황종성(2017), 「인공지능시대의 정부-인공지능이 어떻게 정부를 변화시킬 것인가?」, 『IT & Future Strategy』, 제3 호, 한국지능정보사회진흥원.
Bataller, C. and Harris, J.(2016), “Turning Artificial Intelligence into Business Value. Today,” accenture.
Goertzel, B.(2019, May 31), “Creating an AI Sociopolitical Decision Support System,” SingularityNet. Retrieved from “https://blog.singularitynet.io/”.
Pencheva, I., et al.(2020), “Big Data and AI? A transformational shift for government: So, what next for research?,” Public Policy and Administration, 35(1), pp. 24-44.
[그림 4] 과학기술행정에 인공지능 활용 아이디어
자료: ' 황석원 외(2020: 234)일부 내용과 양현채 외(2020)의 전문가 인터뷰를 토대로 양현채 외(2020: 115)에서 정리 [그림 6] 인공지능 활용의 목적 변화 예상
자료: 양현채 외(2020: 116) [그림 5] 인공지능 활용 아이디어의 분류
• 인공지능 적용이 필요한 업무이며 기술 난이도가 높지 않음
• 인공지능 활용 우선순위가 높음
• 인공지능 적용이 필요한 주제이나 기술 난이도가 높음
• 중장기적 활용 방안을 고민할 필요
• 인공지능 적용 필요성이 낮고, 기술 난이도도 높음
• 인공지능 활용 우선순위가 낮음
• 인공지능 기술이 상대적으로 손쉽게 적용될 수 있으나 업무 수요는 낮음
• 단기적으로 시도될 수 있으나 파급 효과는 크지 않을 것으로 예상
자료: 양현채 외(2020: 116)
