2021년에는 그간의 데이터 정책 경험을 바탕으로 데이터 경제 실현을 위한 ‘데이터 기본법’을 제정했다. 데이터 시장 활성화와 활용을 촉진하기 위해 마련된 이 법은, 데이터의 생산·분석·결합·활용 촉진, 인력 양성, 국제 협력 등 산업 전반을 아우르며, 데이터의 자산 가치 인정과 권리 보장을 명시하고 있다. 또한, 데이터 품질 및 가치 측정 기반 마련, 전문 데이터 거래사의 양성, 데이터 거래소 설치, 분쟁조정위원회 운영 등 민간 참여를 유도하는 다양한 장치를 포함하여, 무단 취득·사용·공개 등의 문제를 해결하고 범국가적 거버넌스를 구축하고 있다.
--- 「제1장 데이터 정책 개관」 중에서

AI Hub의 목표는 공공이 AI 기술개발을 위한 기반 데이터를 제공하고, 민간이 이를 활용해 기술적으로 확장하며, 확장된 데이터를 다시 개방하는 선순환 생태계를 조성하는 것이다. 데이터뿐만 아니라 데이터 라벨링 도구 및 AI 서비스 모델도 함께 공개하여 AI 기술 개발과 서비스 확산을 동시에 지원한다. 정부는 AI 학습용 데이터 구축 지원 사업에 대규모 예산을 투입하여 양질의 데이터를 확보하는 동시에, 데이터 구축 과정에서 라벨러(labeler, 크라우드 워커) 일자리를 창출하는 효과도 기대하고 있다.
--- 「제2장 3대 데이터 플랫폼」 중에서

한국의 데이터 정책이 지속 가능하고 성과를 제고하기 위한 첫 번째 과제는 응집적이고 종합적인 데이터 거버넌스 구축이다. 데이터 거버넌스는 데이터 활용과 관련 정책 추진의 비전과 목표, 데이터 정책과 관련된 참여 조직과 분업 체계, 데이터 정책과 관련된 권한과 책임의 배분 구조를 의미한다. 좋은 데이터 거버넌스는 다양한 이해관계자와 기관들이 공통의 비전과 목표를 가지는 데 기여하며, 응집적이고 일관된 데이터 관련 정책 집행과 조정이 이루어질 수 있도록 지원한다. 이와 함께 제도와 규제, 그리고 기술적 역량을 강화하여 데이터의 가치를 창출하기 위한 통제와 관리 수준을 높인다. 또한, 데이터의 수집, 구축, 저장, 보호, 처리 및 공유와 재활용 과정에서 신뢰 수준을 높이고 가치를 창출할 수 있다.
--- 「제3장 한국의 데이터 정책의 성과와 과제」 중에서

우리에게 잘 알려진 글로벌 ICT 기업 중에서 아마존(Amazon)은 2018년에 자체 개발한 인공지능 채용 프로그램을 실제 적용하기 전 최종 시뮬레이션 과정에서 남성 지원자가 여성 지원자보다 지속적으로 더 높은 점수를 받는 편향이 발생하여 폐기했다. 인공지능 채용 프로그램에 이러한 편향이 발생하게 된 원인을 분석한 결과, 아마존이라는 기업의 직원 구성에 그 원인이 있었다. 인공지능 채용 프로그램은 해당 기업에서 높은 성과와 좋은 평가를 받았던 직원들의 데이터를 기준으로 판단하게 되는데, 아마존은 ICT 기업으로서 개발자가 전체 직원 수의 70% 이상을 차지했고, 이러한 개발자 중 남성 직원 수가 여성보다 압도적으로 많았다. 당연히 성과가 높은 직원들의 대부분이 남성 직원들이었고 이를 근거로 판단한 인공지능은 남성 지원자를 우대할 수밖에 없었던 것이다.
--- 「제4장 한국의 데이터 정책 추진의 교훈」 중에서

증강 행정(Augmented Administration)은 AI와 정보기술을 활용해 공무원 개인 또는 공공 조직의 역량을 강화하여 행정을 개선하고 성과를 제고하는 행정이다. 예를 들면, AI와 정보기술의 활용을 통해 업무상 대기 시간을 줄일 수 있고, 행정 비용을 절감하며, 자원의 부족을 극복하고, 일상적이고 반복적인 업무로부터 해방되어 좀 더 고차원적인 업무를 수행할 수 있도록 만든다. 또한 업무상 예측의 정확도를 높일 수 있으며 업무 과정을 지능화할 수 있다. 인간이 쉽게 하기 어려운 과업들, 예를 들면, 안면인식 기술을 활용해 범죄자를 색출한다든지, 사기와 위조 혐의가 있는 거래를 식별한다든지, 관련성이 높은 내용을 찾기 위해 수백만 장의 서류를 실시간으로 검사하는 일을 할 수 있다. 결론적으로 AI 및 정보기술의 활용하여 업무 처리 속도와 품질은 높이는 동시에 비용은 줄일 수 있다.
--- 「제5장 인공지능 서비스의 특징과 AI 정부」 중에서

인공지능의 기술적 흐름과 업무의 다양성, 방대한 업무량을 가진 정부의 특성을 고려했을 때, 2025년 현재 시점에서 정부 인공지능 기본 모델에 가장 적합한 모델은 초거대 언어 모델(Large Language Model: LLM)이다. LLM은 주로 딥러닝을 기반으로 자연어 처리(Natural Language Processing: NLP) 작업을 수행하는 인공지능 모델이다. LLM은 일반적으로 수십억 개 이상의 파라미터를 가진 인공신경망을 활용하여 언어의 이해와 생성에 특화된 기능을 제공한다. LLM은 대규모 텍스트 데이터를 학습하여 언어 모델링 능력을 갖추는데, 이러한 데이터에는 책, 웹사이트, 뉴스 기사 등 다양한 출처의 텍스트가 포함된다. LLM은 수십억 또는 수백억 개의 파라미터를 포함하는 거대한 신경망을 사용한다.
--- 「제6장 AI 정부의 두뇌, 정부 인공지능 기본 모델 구현」 중에서

인공지능 서비스를 개발하고 운영하기 위해서는 막대한 전산 자원이 필요하다. 현재, 우리에게 가장 잘 알려진 챗GPT의 개발을 위해 오픈AI는 데이터 학습에만 약 60억 원을 투입하는 등 수백억 원을 투자했다. 여기서 한 걸음 더 나아가, 메일 수백만 건 이상의 요구사항을 처리하는 챗GPT를 운영하기 위해서는 수천 대의 GPU 서버를 운영해야 하고 이를 위한 비용은 하루 수백만 달러가 소요된다. 참고로, 한 대의 GPU 서버에는 보통 8장에서 16장의 GPU가 장착되는데 엔비디아(NVIDIA) H100 가격이 5,000만 원에서 9,000만 원임을 고려하면 GPU 서버 1대를 운영하기 위해서는 최소 4억 원이 필요하고, 이러한 서버를 1,000대만 운영한다고 가정해도 4,000억 원이 소요된다. 따라서 기존의 전자정부 서비스와 같이 정부가 독자적으로 정부통합전산센터를 구축하여 AI 정부 서비스를 제공하는 것은 비용과 운영 측면에서 효율성이 떨어지게 된다.
--- 「제7장 AI 정부 에이전트 구현 방안」 중에서

정부 인공지능 플랫폼은 태생적으로 확률에 기반한 시스템이다. 인공지능이 수많은 데이터를 학습하여 주어진 질문에 가장 높은 확률의 답을 제시하도록 설계되었기 때문에 플랫폼이 제시하는 답에 항상 오류가 있을 수 있다. 따라서 정부는 플랫폼의 운영에 있어 어느 시점에서 인간의 개입이 필요한지를 분석하고 필요한 시점에 반드시 개입하여 플랫폼이 생성하는 오류를 사전에 차단하는 것이 매우 중요하다.