▲ 1일(화) 오전 10시부터 11시 50분까지 국회의원회관 제8간담회의실에서 김태년·권칠승·김영진·김선민·차지호 국회의원 공동 주최, 메디치미디어 및 AI-DX미래포럼 공동 주관으로 ‘제5회 AI-DX 미래포럼 국회 세미나
AI를 이용한 행정정보의 대중화’가 열렸다. / 자료=김태년 국회의원실
“공공 AX 조달, 국가 AI 경쟁력 확보를 위한 공공SW 조달 혁신”
스페이스뱅크 이원희 대표 발언문
1. 데이터의 연결에서 ‘실행의 연결’로
AI 시대의 국가 경쟁력은 결국 데이터 경쟁력에서 출발한다. 이제 중요한 것은 데이터를 얼마나 많이 축적했느냐가 아니라, 얼마나 신뢰할 수 있는 데이터를 확보하고 이를 연결·활용할 수 있느냐이다.
앞선 발제에서도 단순한 데이터의 양적 축적을 넘어 정책 판단에 활용할 수 있는 고품질의 ‘굿데이터(Good Data)’ 확보와 기관 간 데이터 연계가 중요하다는 점이 강조됐다. 국가데이터처 역시 범정부 데이터 거버넌스 확립, 데이터 허브 기능 강화, AI의 통계데이터 접근성 확대 등을 주요 과제로 제시하고 있다.
또한 정부가 지향하는 ‘AI 민주정부’는 AI를 단순한 자동화 기술이 아니라 국민이 행정서비스를 이용하는 방식, 공무원이 일하는 방식, 국민이 정책에 참여하는 방식까지 변화시키는 기술로 바라보고 있다.
이러한 정책 방향에 전적으로 공감한다. 다만 기업 현장에서 AI와 데이터 사업을 실제로 수행하다 보면 그 다음 단계에서 또 하나의 벽을 만나게 된다.
기술도 있고, 데이터도 있고, 기업도 준비되어 있지만 제도와 절차 때문에 실행으로 이어지지 못하는 문제다.
따라서 이제는 데이터의 연결을 넘어 ‘실행의 연결’을 고민해야 한다.
2. 기술은 AI 시대인데, 조달은 여전히 정보화 시대에 머물러 있다
현장에서 공공 AI 사업을 추진하다 보면 기술적으로는 충분히 가능하지만 제도와 절차가 따라오지 못해 사업화가 지연되는 경우를 자주 접한다.
대표적인 것이 데이터 활용이다. 공공데이터를 AI 학습이나 행정서비스에 활용하려 해도 기관마다 개인정보와 보안 기준, 데이터 활용에 대한 해석이 달라 실제 연계 과정에서 상당한 시간이 소요된다.
실증사업 이후에도 비슷한 문제가 발생한다. PoC나 실증에서 기술적 성능과 현장 효과가 검증되더라도 본사업으로 바로 연결되지 못하는 경우가 많다. 다시 예산을 확보하고, 사업을 기획하고, 발주와 사업자 선정 절차를 거쳐야 하기 때문이다.
AI 기술에서 1~2년은 매우 긴 시간이다. 기술이 없어서 못 하는 것이 아니라 기술과 제도의 속도 차이 때문에 혁신이 지연되는 상황이 발생하고 있는 것이다.
특히 SaaS와 AI Agent는 기존의 구축형 SW와 성격이 다르다. 이미 개발된 서비스를 구독해 사용하거나, 사용량에 따라 비용을 지불하고, AI 모델과 기능은 지속적으로 업데이트된다.
그럼에도 기존 공공SW 사업은 요구사항을 사전에 확정하고, 개발인력과 기간을 산정한 뒤 구축·납품·검수하는 방식에 주로 맞춰져 있다. AI와 SaaS 같은 새로운 서비스를 과거의 구축형 계약 틀에 그대로 적용할 경우 좋은 기술을 가지고 있어도 공공시장 진입이 어려워질 수 있다.
3. Man-Month에서 Outcome으로 전환해야 한다
공공SW 조달에서 함께 고민해야 할 또 하나의 문제는 사업의 가치를 어떻게 평가할 것인가이다.
기존 SW 사업에서는 몇 명의 개발자가 몇 개월 동안 투입되는지가 사업비 산정의 중요한 기준이 되어 왔다.
하지만 생성형 AI, AI Coding, Low-Code 기술이 확산되면서 SW 개발 생산성은 빠르게 변화하고 있다.
과거 여러 명이 수개월 동안 해야 했던 작업을 AI를 활용하면 적은 인력과 짧은 시간 안에 구현할 수 있는 경우가 늘어나고 있다.
그런데 기존의 투입인력 중심 방식만 유지하면 AI를 적극 활용해 생산성을 높인 기업이 오히려 사업의 가치를 제대로 인정받지 못할 수 있다.
따라서 이제는 질문을 바꿔야 한다.
“몇 명이 몇 개월 투입됐는가?”가 아니라 “어떤 성과를 만들어냈는가?”를 평가해야 한다.
행정업무 시간이 얼마나 단축됐는지, 정확도가 얼마나 향상됐는지, 비용이 얼마나 절감됐는지, 국민의 편의와 안전이 얼마나 개선됐는지가 중요한 평가기준이 되어야 한다. 즉, 공공 AX에서는 Man-Month에서 Outcome 중심으로의 전환이 필요하다.
4. 공공 AX 조달혁신을 위한 세 가지 제안
이러한 문제를 해결하기 위해 세 가지를 제안하고자 한다.
첫째, ‘공공 AX 전용 조달 트랙’을 마련해야 한다.
AI, SaaS, Agentic AI, Physical AI와 같이 기술과 서비스가 지속적으로 변화하는 분야는 기존 정보화사업과 구분되는 발주·계약·평가체계가 필요하다.
구축형 계약뿐 아니라 구독형, 서비스형, 사용량 기반, 성과형 계약 등 다양한 방식이 공공조달에서 활용될 수 있어야 한다.
둘째, ‘PoC → 실증 → 본사업 → 확산’을 연결해야 한다.
현재는 실증에서 좋은 성과가 나오더라도 본사업으로 자동 연결되지 않는다.
다시 예산을 확보하고, 다시 발주하고, 다시 사업자를 선정하는 과정에서 시간이 소요된다.
따라서 일정 수준 이상의 성과가 검증된 AI 서비스는 본사업과 다른 기관으로 신속하게 확산될 수 있는 ‘공공 AX 패스트트랙’을 검토할 필요가 있다.
정부가 추진하는 ‘AI 정부 실험실’ 역시 현장의 문제를 AI로 해결하고 검증된 결과를 다른 기관으로 공유·확산하는 방향을 제시하고 있다.
셋째, 투입 중심에서 성과 중심으로 전환해야 한다.
AI 사업은 개발인력의 투입량보다 결과와 가치 중심으로 평가해야 한다.
행정시간 단축, 정확도 향상, 비용 절감, 국민 서비스 개선 등 사업별로 명확한 성과지표를 설정하고 이를 중심으로 사업의 가치를 평가할 필요가 있다.
5. 입법과 공공조달의 역할도 달라져야 한다
이러한 문제는 개별 기업이 해결하기 어렵다.
기관마다 다른 데이터 활용 기준, AI와 SaaS에 맞지 않는 계약 방식, PoC와 본사업 사이의 단절, AI 생산성을 충분히 반영하지 못하는 사업비 산정체계는 제도적인 문제다.
따라서 정부와 국회의 역할이 중요하다. 다만 입법의 목적은 새로운 규제를 만드는 데 있어서는 안 된다.
기술과 제도의 간극을 줄이고, 좋은 기술이 공공시장에 진입할 수 있도록 길을 열어주는 것이 중요하다.
그리고 공공조달 역시 단순한 구매제도를 넘어 대한민국 AI 산업을 성장시키는 첫 번째 시장이자 수요정책이 될 수 있다.
정부가 혁신적인 AI 기술을 먼저 사용하고 실증해 성과를 검증한다면, 그 레퍼런스는 민간과 해외시장으로 확산될 수 있다.
맺음말
앞선 발제에서 강조된 것처럼 AI 시대의 경쟁력은 데이터를 얼마나 신뢰성 있게 연결하고 활용할 수 있는가에 달려 있다. 국가데이터 정책 역시 파편적 축적을 넘어 연결·품질·활용을 강화하는 방향으로 변화하고 있다.
이제 그 다음 단계가 필요하다.
국가데이터처가 데이터의 연결을 만든다면, 공공조달은 AI의 실행을 연결해야 한다.
과거 공공정보화의 질문이 “어떤 시스템을 구축할 것인가?”였다면,
AI 시대에는 “어떤 데이터를 연결할 것인가?”,
그리고 “AI를 통해 국민에게 어떤 성과를 만들어낼 것인가?”를 물어야 한다.
데이터는 연결되어야 가치가 생기고, AI는 실행되어야 혁신이 된다.
기술과 제도의 간극을 줄이고, 좋은 기술이 공공시장에 진입하며, 검증된 기술이 빠르게 확산되고, 그 성과가 국민에게 돌아가는 구조를 만드는 것.
그것이 대한민국 공공 AX의 출발점이라고 생각한다.
AI 경쟁력은 기술에서 시작하지만, 국가 AI 경쟁력은 제도에서 완성된다.
그리고 그 핵심 중 하나가 바로 공공SW 조달 혁신이다.
▲ 1일(화) 오전 10시부터 11시 50분까지 국회의원회관 제8간담회의실에서 김태년·권칠승·김영진·김선민·차지호 국회의원 공동 주최, 메디치미디어 및 AI-DX미래포럼 공동 주관으로 ‘제5회 AI-DX 미래포럼 국회 세미나
AI를 이용한 행정정보의 대중화’가 열렸다. / 자료=김태년 국회의원실
“공공 AX 조달, 국가 AI 경쟁력 확보를 위한 공공SW 조달 혁신”
스페이스뱅크 이원희 대표 발언문
1. 데이터의 연결에서 ‘실행의 연결’로
AI 시대의 국가 경쟁력은 결국 데이터 경쟁력에서 출발한다. 이제 중요한 것은 데이터를 얼마나 많이 축적했느냐가 아니라, 얼마나 신뢰할 수 있는 데이터를 확보하고 이를 연결·활용할 수 있느냐이다.
앞선 발제에서도 단순한 데이터의 양적 축적을 넘어 정책 판단에 활용할 수 있는 고품질의 ‘굿데이터(Good Data)’ 확보와 기관 간 데이터 연계가 중요하다는 점이 강조됐다. 국가데이터처 역시 범정부 데이터 거버넌스 확립, 데이터 허브 기능 강화, AI의 통계데이터 접근성 확대 등을 주요 과제로 제시하고 있다.
또한 정부가 지향하는 ‘AI 민주정부’는 AI를 단순한 자동화 기술이 아니라 국민이 행정서비스를 이용하는 방식, 공무원이 일하는 방식, 국민이 정책에 참여하는 방식까지 변화시키는 기술로 바라보고 있다.
이러한 정책 방향에 전적으로 공감한다. 다만 기업 현장에서 AI와 데이터 사업을 실제로 수행하다 보면 그 다음 단계에서 또 하나의 벽을 만나게 된다.
기술도 있고, 데이터도 있고, 기업도 준비되어 있지만 제도와 절차 때문에 실행으로 이어지지 못하는 문제다.
따라서 이제는 데이터의 연결을 넘어 ‘실행의 연결’을 고민해야 한다.
2. 기술은 AI 시대인데, 조달은 여전히 정보화 시대에 머물러 있다
현장에서 공공 AI 사업을 추진하다 보면 기술적으로는 충분히 가능하지만 제도와 절차가 따라오지 못해 사업화가 지연되는 경우를 자주 접한다.
대표적인 것이 데이터 활용이다. 공공데이터를 AI 학습이나 행정서비스에 활용하려 해도 기관마다 개인정보와 보안 기준, 데이터 활용에 대한 해석이 달라 실제 연계 과정에서 상당한 시간이 소요된다.
실증사업 이후에도 비슷한 문제가 발생한다. PoC나 실증에서 기술적 성능과 현장 효과가 검증되더라도 본사업으로 바로 연결되지 못하는 경우가 많다. 다시 예산을 확보하고, 사업을 기획하고, 발주와 사업자 선정 절차를 거쳐야 하기 때문이다.
AI 기술에서 1~2년은 매우 긴 시간이다. 기술이 없어서 못 하는 것이 아니라 기술과 제도의 속도 차이 때문에 혁신이 지연되는 상황이 발생하고 있는 것이다.
특히 SaaS와 AI Agent는 기존의 구축형 SW와 성격이 다르다. 이미 개발된 서비스를 구독해 사용하거나, 사용량에 따라 비용을 지불하고, AI 모델과 기능은 지속적으로 업데이트된다.
그럼에도 기존 공공SW 사업은 요구사항을 사전에 확정하고, 개발인력과 기간을 산정한 뒤 구축·납품·검수하는 방식에 주로 맞춰져 있다. AI와 SaaS 같은 새로운 서비스를 과거의 구축형 계약 틀에 그대로 적용할 경우 좋은 기술을 가지고 있어도 공공시장 진입이 어려워질 수 있다.
3. Man-Month에서 Outcome으로 전환해야 한다
공공SW 조달에서 함께 고민해야 할 또 하나의 문제는 사업의 가치를 어떻게 평가할 것인가이다.
기존 SW 사업에서는 몇 명의 개발자가 몇 개월 동안 투입되는지가 사업비 산정의 중요한 기준이 되어 왔다.
하지만 생성형 AI, AI Coding, Low-Code 기술이 확산되면서 SW 개발 생산성은 빠르게 변화하고 있다.
과거 여러 명이 수개월 동안 해야 했던 작업을 AI를 활용하면 적은 인력과 짧은 시간 안에 구현할 수 있는 경우가 늘어나고 있다.
그런데 기존의 투입인력 중심 방식만 유지하면 AI를 적극 활용해 생산성을 높인 기업이 오히려 사업의 가치를 제대로 인정받지 못할 수 있다.
따라서 이제는 질문을 바꿔야 한다.
“몇 명이 몇 개월 투입됐는가?”가 아니라 “어떤 성과를 만들어냈는가?”를 평가해야 한다.
행정업무 시간이 얼마나 단축됐는지, 정확도가 얼마나 향상됐는지, 비용이 얼마나 절감됐는지, 국민의 편의와 안전이 얼마나 개선됐는지가 중요한 평가기준이 되어야 한다. 즉, 공공 AX에서는 Man-Month에서 Outcome 중심으로의 전환이 필요하다.
4. 공공 AX 조달혁신을 위한 세 가지 제안
이러한 문제를 해결하기 위해 세 가지를 제안하고자 한다.
첫째, ‘공공 AX 전용 조달 트랙’을 마련해야 한다.
AI, SaaS, Agentic AI, Physical AI와 같이 기술과 서비스가 지속적으로 변화하는 분야는 기존 정보화사업과 구분되는 발주·계약·평가체계가 필요하다.
구축형 계약뿐 아니라 구독형, 서비스형, 사용량 기반, 성과형 계약 등 다양한 방식이 공공조달에서 활용될 수 있어야 한다.
둘째, ‘PoC → 실증 → 본사업 → 확산’을 연결해야 한다.
현재는 실증에서 좋은 성과가 나오더라도 본사업으로 자동 연결되지 않는다.
다시 예산을 확보하고, 다시 발주하고, 다시 사업자를 선정하는 과정에서 시간이 소요된다.
따라서 일정 수준 이상의 성과가 검증된 AI 서비스는 본사업과 다른 기관으로 신속하게 확산될 수 있는 ‘공공 AX 패스트트랙’을 검토할 필요가 있다.
정부가 추진하는 ‘AI 정부 실험실’ 역시 현장의 문제를 AI로 해결하고 검증된 결과를 다른 기관으로 공유·확산하는 방향을 제시하고 있다.
셋째, 투입 중심에서 성과 중심으로 전환해야 한다.
AI 사업은 개발인력의 투입량보다 결과와 가치 중심으로 평가해야 한다.
행정시간 단축, 정확도 향상, 비용 절감, 국민 서비스 개선 등 사업별로 명확한 성과지표를 설정하고 이를 중심으로 사업의 가치를 평가할 필요가 있다.
5. 입법과 공공조달의 역할도 달라져야 한다
이러한 문제는 개별 기업이 해결하기 어렵다.
기관마다 다른 데이터 활용 기준, AI와 SaaS에 맞지 않는 계약 방식, PoC와 본사업 사이의 단절, AI 생산성을 충분히 반영하지 못하는 사업비 산정체계는 제도적인 문제다.
따라서 정부와 국회의 역할이 중요하다. 다만 입법의 목적은 새로운 규제를 만드는 데 있어서는 안 된다.
기술과 제도의 간극을 줄이고, 좋은 기술이 공공시장에 진입할 수 있도록 길을 열어주는 것이 중요하다.
그리고 공공조달 역시 단순한 구매제도를 넘어 대한민국 AI 산업을 성장시키는 첫 번째 시장이자 수요정책이 될 수 있다.
정부가 혁신적인 AI 기술을 먼저 사용하고 실증해 성과를 검증한다면, 그 레퍼런스는 민간과 해외시장으로 확산될 수 있다.
맺음말
앞선 발제에서 강조된 것처럼 AI 시대의 경쟁력은 데이터를 얼마나 신뢰성 있게 연결하고 활용할 수 있는가에 달려 있다. 국가데이터 정책 역시 파편적 축적을 넘어 연결·품질·활용을 강화하는 방향으로 변화하고 있다.
이제 그 다음 단계가 필요하다.
국가데이터처가 데이터의 연결을 만든다면, 공공조달은 AI의 실행을 연결해야 한다.
과거 공공정보화의 질문이 “어떤 시스템을 구축할 것인가?”였다면,
AI 시대에는 “어떤 데이터를 연결할 것인가?”,
그리고 “AI를 통해 국민에게 어떤 성과를 만들어낼 것인가?”를 물어야 한다.
데이터는 연결되어야 가치가 생기고, AI는 실행되어야 혁신이 된다.
기술과 제도의 간극을 줄이고, 좋은 기술이 공공시장에 진입하며, 검증된 기술이 빠르게 확산되고, 그 성과가 국민에게 돌아가는 구조를 만드는 것.
그것이 대한민국 공공 AX의 출발점이라고 생각한다.
AI 경쟁력은 기술에서 시작하지만, 국가 AI 경쟁력은 제도에서 완성된다.
그리고 그 핵심 중 하나가 바로 공공SW 조달 혁신이다.