[기획]AI 시대 경쟁력, 데이터 품질이 결정한다

데이터 품질인증(DQ인증) 추진 경과

인공지능(AI) 소프트웨어의 핵심 구성 요소는 알고리즘과 데이터다. 그러나 알고리즘이 아무리 정교하더라도 데이터 품질이 확보되지 않으면 AI 예측과 판단 신뢰성이 크게 저하될 수 있다. AI가 신뢰할 수 있는 분석과 결정을 내리기 위해서는 완전성, 유효성, 정확성 등이 확보된 데이터가 필수다.

데이터 가치는 품질에 따라 결정된다. 단순히 데이터의 양이 많다고 해서 AI의 성능이 보장되는 것은 아니다. 품질이 낮은 데이터는 AI 모델의 오류를 증가시키고 이는 잘못된 의사결정을 초래하거나 비효율적 운영으로 이어질 수 있다.

특히 AI가 기업 의사결정과 자동화 시스템에 활용되는 오늘날 고품질 데이터를 확보하는 것이 AI 비즈니스 경쟁력의 핵심 요소로 떠오른다. 데이터 품질이 낮다는 것은 오류, 불완전성, 편향성 등의 문제가 포함되어 있다는 의미다. 이는 곧 AI의 학습과 의사결정 과정에서 부정확한 결과를 초래할 수 있다.

◇AI시대, 비정형 데이터까지 활용 활발

최근 AI는 정형 데이터뿐만 아니라 비정형 데이터도 학습하고 활용하는 방향으로 발전하고 있다.

예를 들어 의료 AI는 환자의 진료 기록(정형 데이터)뿐만 아니라 의료 영상, 음성 진단 기록(비정형 데이터)도 분석해야 한다.

AI가 신뢰 할 수 있는 분석과 결정을 내리려면 정확하고 일관된 데이터 품질이 보장돼야 한다. 이를 위한 최적 방법이 데이터 품질인증이다.

데이터 품질인증은 국제 표준(ISO/IEC 25024)에 따라 데이터를 객관적으로 평가해 품질을 검증하고 AI 시스템이 학습할 수 있는 신뢰성 높은 데이터를 확보하는 효과적인 방법으로 주목받고 있다.

데이터 품질인증을 통해 기업과 기관은 데이터 오류로 인한 AI 오작동을 방지하고 보다 안전하고 신뢰성 높은 AI 기술 개발을 촉진할 수 있다.

◇정부 공인, 데이터품질인증(DQ) 부상

업계는 데이터 품질을 확보하기 위한 방안으로 데이터 품질인증(DQ)인증에 주목한다.

DQ인증은 기존 민간 주도로 운영되던 데이터 품질인증(DQC인증)을 국가가 공식적으로 인정하는 공신력이 한층 강화된 인증 제도다.

과학기술정보통신부는 데이터 유통·활용 활성화를 목표로 DQ인증을 새롭게 도입했다. DQ인증은 정형, 반정형, 비정형 데이터를 대상으로 데이터 오류 여부와 품질관리 체계의 적정성 수준 등을 심사, 평가해 인증을 부여한다.

DQ인증은 ISO/IEC 25024, ISO/IEC 5259-2, ISO/IEC 8000-62 등 국제 표준을 기반으로 데이터 완전성, 유효성, 정확성 등을 종합적으로 심사한다. 특히 데이터베이스 구조의 정합성 검증뿐만 아니라 비정형 데이터와 데이터 관리 체계 전반 성숙도까지 평가 범위를 확장해 데이터 품질 관리의 새로운 지평을 열었다는 평가를 받는다.

과기정통부가 지정한 인증기관(와이즈스톤, 씨에이에스, 한국정보통신기술협회)이 직접 평가를 수행함으로써 인증 과정 신뢰도는 더욱 높아졌으며 데이터 활용성을 보장하는 인증 제도로 자리 잡아가고 있다.

데이터 품질인증(DQ인증) 추진 경과

◇DQ인증, 데이터 품질부터 AI 성능까지 보장

기업이나 기관 등은 DQ인증을 획득하는 과정에서 데이터 품질부터 AI 성능까지 여러 효과를 체감할 수 있다.

우선 '데이터 내용 인증' 심사 과정에서 데이터 완전성, 유효성, 정확성 등을 평가하고, 평가 과정 중 개선할 기회를 제공해 오류 데이터를 보완·수정함으로써 데이터 품질 완성도를 높일 수 있다. 또한 오류 데이터를 분석해 향후 데이터 품질 개선을 위한 중요한 인사이트를 제공한다. 이를 통해 단기간에 획기적인 품질 개선이 이뤄진다.

'데이터 관리체계 인증' 심사 과정에서 데이터 관리체계 진단 및 개선을 통하여 관리체계의 성숙도를 제고하고 최적화할 수 있다.

또한 DQ인증은 거래 데이터와 데이터 구축 과제·용역 결과물의 품질을 공식적으로 증명하고 신뢰할 수 있는 방법이다. 인증된 데이터는 특정 품질기준을 충족함을 보장하므로, 거래 당사자들은 데이터가 신뢰할 수 있는 기준을 충족한다는 확신을 가지게 된다. 따라서 기존 데이터 거래 과정에서 발생할 수 있는 신뢰도 관련 분쟁의 가능성을 줄이고, 신뢰도를 제고할 수 있다.

AI 성능은 학습데이터 품질에 따라 결정되므로 공인 인증기관에서 검증된 고품질 데이터를 사용할 경우 AI 모델 성능을 향상시킬 수 있다.

이밖에도 DQ인증은 기업이 데이터 관리에 대한 전문성과 신뢰성을 대외적으로 입증할 수 있는 중요한 수단이다. 이를 통해 기업은 데이터 품질 관리체계가 잘 갖춰져 있음을 알리고, 고객과 파트너의 신뢰를 얻어 기업 브랜드 이미지를 강화할 수 있다. 인증서를 활용하면 기업의 데이터 관리 역량을 홍보하고 경쟁력을 높이며 시장에서 차별화된 가치도 제공할 수 있다.

◇DQ인증 획득 사례 증가

DQ인증 신청 사유. 자료=와이즈스톤

지난해에는 대기업부터 스타트업까지, 기업 규모와 산업 분야를 막론하고 DQ인증을 획득하는 기업이 눈에 띄게 증가했다. 특히 금융, 제조, 공공 분야에서는 데이터 기반 의사결정의 중요성이 높아짐에 따라 데이터 품질 확보에 적극적으로 투자하는 기업이 늘고 있다.

DQ인증은 이러한 노력의 객관적인 지표로서 그 의미를 더하고 있다. 이처럼 다양한 기업들의 DQ인증 획득 사례 증가는, 이제 데이터 품질 경영이 특정 산업 분야에 국한된 문제가 아닌 산업 전반의 핵심 경쟁력 강화 요소로 자리매김했음을 시사한다.

DQ인증 획득 후 기업에 미친 영향력. 자료=와이즈스톤

DQ인증 획득 기업을 대상으로 실시한 설문조사 결과, 기업들은 DQ인증을 통해 '데이터 품질 보증' 이라는 직접적인 효과뿐 아니라, '기업 신뢰도 향상' 이라는 무형의 가치를 동시에 추구하는 것으로 나타났다.

인증 획득 이후 기업들은 고객과의 신뢰 관계가 더욱 공고해졌으며 이는 곧 비즈니스 가치 상승으로 이어지는 긍정적인 효과를 경험했다고 전했다.

지난해 DQ인증 심사를 가장 많이 수행한 와이즈스톤 관계자는 “DQ인증 심사 과정 중 내부 데이터 품질 관리 프로세스 개선이 자연스럽게 이뤄져,업무 효율성 증대에도 기여한 것으로 분석된다”면서 “이는 DQ인증이 데이터 자체의 품질을 높이는 것을 넘어 기업의 지속 가능한 성장을 위한 핵심 동력으로 작용할 수 있음을 시사한다”고 말했다.

데이터 품질인증(DQ인증) 획득 기업 산업 분야별 분류. 자료=와이즈스톤

김지선 기자 river@etnews.com

[Copyright © 전자신문. 무단전재-재배포금지]