"AI 기본법만으로 부족"…산학계, '한국형 표준 체계' 필요성 한목소리

데이터·검증 기준 미비에 민관 협력 방안 논의…산업 AI 분류체계 'IA3I' 등 제안

산업 전반에 인공지능(AI)이 빠르게 확산되는 가운데, 현장의 요구를 직접 반영한 AI 기술 표준화 논의가 본격화되고 있다. 이에 한국인공지능산업협회(AIIA)와 산·학계는 산업별 AI 데이터 활용, 표준화 방향, 규제·법제 변화 등 다양한 현안을 공유하며 실질적인 표준 생태계 전략을 모색했다.

한국정보통신기술협회(TTA) 김정헌 팀장은 1일 서울 양재 엘타워에서 열린 'AI 기술 표준화 세미나'에서 "AI가 단순 도구를 넘어 스스로 작동하는 에이전틱 AI로 진화하고 있고 피지컬 AI와 결합해 산업 전반으로 스며드는 중요한 시점인 만큼, 현장의 의견을 신속하게 표준에 반영하고 민간 중심의 생태계를 강화할 것"이라고 밝혔다.

이날 세미나는 TTA ICT 표준화포럼인 '지능정보기술·의약데이터표준화포럼' 공동 주관과 AIIA 주최로 진행됐다. AI 기본법, 데이터·의약·저작권 등 주요 분야의 표준화 이슈를 다루며 산·학계와 법제 전문가가 참여해 현장에서 마주한 구체적 요구와 과제를 공유했다.

TTA 김정헌 팀장 (사진=한정호 기자)

먼저 전주대학교 김시열 교수는 AI 시대 데이터 소유권·저작권·부정경쟁방지법 내 데이터 보호 체계 등 법적 쟁점들을 설명했다. 그는 "데이터는 단일한 소유권 개념으로 정리하기 어렵고 저작권·개인정보·부경법 등 다양한 규범이 복합적으로 적용되는 특수성을 가진다"며 "산업 현장에서 실무자가 참고할 수 있는 명확한 가이드라인이 필요하다"고 지적했다.

이어 전주대 안상호 교수는 의약 데이터 표준화의 지연 문제를 짚었다. 그는 "의약품 데이터는 식약처·심평원 간 코드 체계조차 연동되지 않는 등 국내 표준화가 걸음마 단계"라며 "국제 'IDMP·RxNorm' 체계와의 매핑을 포함해 의약 데이터 거버넌스를 구축할 주체가 필요하다"고 설명했다.

가천대 조영임 교수 (사진=한정호 기자)

특히 가천대 조영임 교수는 산업 AI 밸류코드 표준 'IA3I'를 제안했다. 그는 산업계가 실제로 활용할 수 있는 10자리 AI 분류코드 체계를 구축해 산업 AI 개발·정책·투자 판단의 실시간성·정확성을 높인다는 목표다.

조 교수는 기존 산업 분류코드(KSIC), 기존 AI 산업·기술 분류체계의 한계를 짚으며 현재의 분류체계는 산업 AI를 세밀하게 포착하지 못한다고 지적했다. 그가 제안한 새로운 IA3I 체계는 ▲산업코드(2자리) ▲AI 기술·서비스·데이터(6자리) ▲산업 적용 목적·파급효과(2자리)를 결합한 구조로, 국내외 표준(ISO·IEC·KS)과의 연계 가능성까지 고려해 설계됐다.

조 교수는 "이 체계는 산업 AI를 국제표준 수준에서 코드화한 최초의 프레임"이라며 "향후 국가 연구개발(R&D), 기업 투자, 산업계 데이터 분석에 즉시 활용할 수 있고 1~2년간 현장 의견을 수렴해 KS·국제표준으로 제정하는 것을 목표로 한다"고 밝혔다. 이어 "산업별 AI 적용 현황을 실시간으로 파악하고 정책·제도에 바로 반영할 수 있는 유연한 분류 체계가 필요하다"고 덧붙였다.

이날 소개된 산업 AI 코드 예시에는 디지털 마케팅·제조·헬스케어·에너지 등 복수 산업의 AI 적용 사례가 포함됐다. 10자리 코드만 보면 어떤 산업에 어떤 AI 기술이 어떤 목적을 위해 쓰였는지 즉시 확인할 수 있도록 해 정부의 AI 정책 수립과 산업 분석 속도를 개선한다는 취지다.

NIA 김형준 AI법제도센터장 (사진=한정호 기자)

학계 발표 이후에는 한국지능정보사회진흥원(NIA) 김형준 AI법제도센터장이 내년 1월 시행될 AI 기본법과 하위법령을 소개했다. 그는 "AI 기본법은 규제만이 아니라 AI 산업 육성, 데이터 인프라, 전문인력 양성, 공공 AI 도입 등 진흥과 안전을 균형 있게 설계한 법"이라며 "민간에서 우려하는 고영향 AI 판단 기준은 국내 산업 환경을 고려해 과도한 규제 적용을 피하는 방향으로 설계했다"고 강조했다.

이어진 산업계 발표에서는 제조·산업 AI 현장에서 마주한 표준화의 시급성이 제기됐다. 써로마인드·티벨·셀렉트스타 등 기업들은 제조 AI를 위한 데이터 표준화 필요성, 산업별로 차별화된 AI 검증 기준 마련, AI 신뢰성을 확보하기 위한 표준화 대응 전략 등을 발표하며 현장 중심의 표준 체계가 마련돼야 한다고 제언했다.

이날 참석자들은 산업 AI가 급속히 확산되는 만큼 표준화 작업이 개념 논의를 넘어 실질적인 적용 단계로 이동해야 한다는 목소리를 냈다. 특히 산업별 데이터 품질 기준, 검증 체계, 법제 연계, R&D 지원 체계가 함께 작동해야 표준화의 효과가 극대화된다는 의견이다.

이날 세미나에 참석한 한 기업인은 "생성형 AI에 이어 피지컬 AI까지 등장하는 빠른 변화의 흐름속에서 우리도 표준화·제도 속도를 맞춰야 한다"며 "해외 시스템이 국내 시장을 잠식하기 전에 정부·산업계·학계가 함께 협력해 실무적으로 활용 가능한 한국형 표준을 마련해야 한다"고 강조했다.