Ⅰ. 서론
최근 들어 프로파일링 기반 추천 서비스가 인터넷 서비스 전반에 걸쳐 확대되고 있다. 이러한 추천 서비스는 이용자 측면에서는 개인에게 특화된 콘텐츠를 쉽게 접근하는 편의를 제공하고, 기업 측면에서는 중요한 수익모델을 제공하고 있으며, 시장 측면에서는 기업과 소비자의 최신 추세를 파악하는 지표로 활용되고 있다[1].
한편 이러한 추천 서비스의 효용에도 불구하고, 개인정보 침해 문제, 소비자 선택권 제한 등의 이슈가 대두되고 있으며, 일부 소비자들이 불편을 언급하는 사례가 발생하고 있어, 국내외 프로파일링과 이를 기반으로 하는 추천 서비스에 대한 일정한 규제 움직임이 진행되고 있다[2,3].
이러한 추세와는 대조적으로 해외 주요국에서는 관련 규제들에 대한 문제점이 제기되고 있어, 선례 검증이 아직 이루어지지 않고 있다. 이러한 상황에서 규제 실효성 및 부작용에 대한 면밀한 검토 없이 규제를 도입할 경우, 글로벌 시장에서 국내 기업의 경쟁력 약화라는 우려가 확산되고 있다. 한국인터넷협회에 따르면, 개인 식별을 할 수 없는 행태정보의 수집 및 이를 기반으로 한 서비스 제공을 일률적으로 규제할 경우, 데이터 수집이 어려운 중소·벤처기업 및 스타트업 기업에 큰 타격이 예상된다[3].
따라서 규제를 실행하기에 앞서 프로파일링 기반 추천서비스 관련 산업 현장에 기업의 입장을 심층적으로 조사하여 정책에 반영할 필요가 있다. 즉 프로파일링 기반 추천 서비스를 수행하고 있는 기업을 대상으로 관련 규제 움직임에 대한 인식도 및 현장 의견을 반영할 필요성에 직면한 것이다.
본 연구는 프로파일링 기반 추천 서비스를 제공하는 기업들이 관련 규제를 어떻게 인식하고 있는지를 체계적으로 조사 및 분석하였다. 또한 관련 기업들이 어떠한 규제나 법안을 주시하고 있으며 어떻게 대응 및 준비하고 있는지, 추천 서비스를 위한 프로파일링 방식은 어떻게 이루어지는지, 추천 서비스를 어떻게 적용하고 있는지를 조사하였다. 더불어 기업 간담회를 실시하여 조사결과를 공유하고 현장의 세부적인 의견을 수렴하여 제시하였다.
Ⅱ. 프로파일링 정의 및 규제 현황
GDPR 제4조 제4호에 따르면, 프로파일링이란 개인의 사적인 측면의 평가, 직장 내 업무수행, 경제적 상황, 건강, 개인적 취향 및 관심사, 신뢰도, 태도, 위치 또는 이동 경로에 관해 분석하거나 예측하기 위해 개인정보를 사용하여 이루어지는 모든 형태의 자동화된 개인정보 처리를 의미한다. 웹사이트 방문 이력, 앱 사용 이력, 구매 및 검색 이력 등, 이용자 관심과 성향을 파악할 수 있는 활동 정보인 행태정보와는 다르게 프로파일링은 서비스 개선을 위한 통계분석 및 연구, 데이터 분석의 발견을 통한 혁신적인 비즈니스 모델 및 제품, 서비스의 발굴, 유용한 정보와 지식, 학습을 일관성 있게 제공하는 효율적인 방안이다[1,2].
애플이나 구글과 같은 기업들은 광고형과 구독형 모두를 독과점하는 성격의 OS 플랫폼으로서 맞춤 광고와 개인화된 서비스 제공을 위해 개인정보를 활용하며 수집되는 개인정보를 프로파일링하여 플랫폼 내/외부에서 적극적으로 활용하고 있다. 특히 글로벌 빅테크 기업을 많이 보유한 미국의 경우, 유럽과의 규제 수준에 있어 상당한 차이점이 존재한다. 따라서 향후 글로벌 환경은 자국 및 자국 기업들을 보호하는 방향으로 나아갈 것으로 판단된다[2,3]. 2023년 1분기 현재, 인터넷기업협회에서 정리하여 제공한 국내 프로파일링 추천서비스 및 맞춤형 광고 관련 주요 입법 현황은 다음과 같다.
표 1. 국내 프로파일링 추천서비스 및 맞춤형광고 관련 주요 입법 현황(21대 국회)
Table 1. Major Legislative Status for Domestic Profiling-based Recommendation
Ⅲ. 연구방법
정부나 기업이 전략적 선택을 실행하기 위해서 주로 BOCR 모형을 적용하여 분석한다. BOCR은 Benefit, Opportunity, Cost, Risk의 이니셜 표기로 전략이나 정책을 추진하고자 할 때 이로 인해 얻을 수 있는 혜택과 기회를 고려하는 동시에 비용 및 위험과 같은 손실도 함께 예측하는 모형이다. 혜택은 전략이나 정책 수립 시 즉시 또는 빠른 시간내에 얻을 수 있는 범주를 의미한다. 기회는 당장은 아니라도 지속적이며 잠재적인 수혜로 정의할 수 있다. 손실에 대한 범주는 화폐가치로 산정할 수 있는 비용과 잠재적인 위험으로 구분하였다.
인터뷰 및 설문을 진행하기 앞서 포커스 그룹을 통해 규제에 따른 혜택, 기회, 비용, 위험에 대한 인지도를 확인하였다. 포커스 그룹의 모든 기업 담당자들이 프로파일링 기반 추천 서비스의 규제로 인한 즉각적인 혜택은 존재하지 않는다고 응답하였다. 오히려 규제로 인한 혜택은 이용자 측면에서 기대할 수 있어, 기업의 인식을 살펴보는 본 조사에서는 OCR(기회, 비용, 위험) 범주를 적용한 AHP 프레임을 설계하였다.
본 조사에서는 규제에 따른 잠재적 기회, 경제적 손실, 리스크 등 세 가지 범주를 확인하였다. 우선 규제로 인해 잠재적으로 얻을 수 있는 혜택은 소비자들에게 신뢰를 강화할 수 있고, 또 다른 추가적인 혁신 노력을 이끌어낼 수 있으며, 시장 지배력을 강화할 수 있는 가능성을 도출하였다.
포커스 그룹을 통해 확인한 규제로 인한 경제적 손실은 시장점유율 감소, 비효율성으로 인한 수익 감소, 추가적 혁신 비용 발생 등의 요인이 포함되었다. 프로파일링 기반의 추천 서비스를 규제하면 새로운 비즈니스 모델을 개발해야 하므로 추가적인 비용이 발생하고, 규제로 인해 다양하고 활발한 추천 서비스 제공을 저해함으로 수익 감소를 초래하며, 결국 시장점유율이 감소하게 된다는 것이다.
규제로 인한 잠재적인 리스크는 플랫폼 정형화로 혁신저하, 국내법 역차별로 국내 기업 경쟁력 약화, 규제 개념 및 적용 범위가 상이하여 불확실성 및 혼란 발생 등의 위험 요인이 확인되었다.
최종적으로 OCR 분석 결과의 적절성을 확인하고 현장 의견을 반영하기 위해 관련 기업 실무자과 협회 임원 등을 대상으로 기업 전문가 간담회를 추진하였다.
Ⅳ. 분석 결과
1. 규제에 대한 기업의 준비 및 대응 현황
조사대상 34개 인터넷 서비스 기업의 규모는 직원 수 기준으로 10인 이하 및 10∼50명 규모의 소기업, 300명 이하의 중소기업, 300∼1,000명 규모의 중견기업, 그리고 1,000 이상 대형 기업으로 구분하였다. 중소기업법에 따르면 중소기업은 300명 이내의 직원과 80억 이하의 자본 잉여금을 보유한 기업을 의미하므로 조사대상 기업의 자본 잉여금 규모도 확인하여 분류하였다.
본 조사에 참여한 기업의 50%는 소기업 및 중소기업에 해당하였고, 나머지 50% 기업은 중견 및 대형 기업으로 확인되었다. 자본 잉여금 기준으로 분류하여도 같은 수준의 분포가 도출되었다. 조사대상은 자체적으로 제품 및 콘텐츠를 확보하고 프로파일링 기반 추천서비스를 수행하는 기업과 타사의 제품 및 콘텐츠를 추천하는 디지털 광고 기업 등을 포함하였다.
프로파일링 기반 추천 서비스를 제공하려면 데이터 수집 및 분석 행위가 선행된다. 비즈니스 모델에 따라 자사 플랫폼에서 자체적으로 수집한 데이터를 분석하여 활용하는 인터넷 기업(56%)이 존재하였다. 외부 기업과 데이터를 교환하거나 구입한 후 자체적으로 분석한 결과를 활용한 기업(28%)도 있었고, 더불어 이용자에 관한 프로파일링 분석이 완료된 데이터를 구매하여 활용하는 기업(16%)도 존재했다.
프로파일링 기반 추천 서비스를 적용하는 방식은 크게 자체 플랫폼 내에서 상품, 서비스, 콘텐츠를 제공하는 방식과 타사 제품을 타겟팅하여 추천하는 방식으로 구분된다. 본 조사에 참여한 업체는 추천방식 기준으로 균형 있게 50:50으로 분포되었다.
조사에 참여한 기업 중 두 곳의 기업만이 다양한 규제를 주시하며 대응 방안을 준비하였다고 응답하였다. 설문 대상 중 9개의 기업만이 규제를 주시하여 대응 방안을 준비하고 있었다. 그 외의 기업이 대응 방안을 고심하는 수준(14개)이거나 대응 방안이 부재한 상황(6개)이었고, 규제에 신경 쓸 겨를이 없다는 기업(5개)도 존재하였다.
특히 현재 추진되거나 협의 중인 다양한 규제 법안 중에서 조사에 참여한 대다수인 26개의 기업이 개인정보보호법 개정안과 온라인 맞춤형 광고 개인정보보호 가이드라인 개정안을 주시하고 있음을 나타내고 있다.
2. 기회, 비용, 위험 요인 분석 결과
인터뷰 및 설문에 응답한 모든 기업을 대상으로 잠재적 기회, 경제적 손실, 리스크 등 3개 범주를 쌍대 비교를 통해 자료를 수집한 결과, 기업들이 불편과 어려움을 토로하는 동시에 잠재적인 기회도 존재한다고 인식하고 있음을 보여주었다. 하지만 경제적 손실이나 잠재적인 리스크에 대해 훨씬 높은 가중치를 나타냈다. 그림 1에서 보여주듯이 관련 기업들은 규제로 인한 즉각적인 경제적 손실로 예상하지만, 점진적으로 다가오는 잠재적 위험을 가장 중요하게 인식하고 있다고 유추된다.
그림 1. 주요 범주에 대한 가중치
Fig. 1. Weights for Opportunity, Cost and Risk
각 범주별 요인의 가중치는 그림 2에서 제공하였다. 규제로 인한 잠재적 기회로는 추가적인 혁신 노력과 성과가 기대된다는 인식과 소비자 신뢰를 강화할 것이라는 기대가 높게 나타났다. 규제를 통해 시장 지배력 강화는 인식도는 상대적으로 낮게 확인되었다.
그림 2. 범주별 세부 요인에 대한 가중치
Fig. 2. Weights for Sub-Elements of OCR
규제로 인한 경제적 손실에 대해서는 사장 점유율 감소에 대한 가중치가 높게 인식되었고, 추가적인 혁신 비용 발생 요인이 상대적으로 낮게 나타났다. 또한 잠재적인 위험 요인에 있어서는 국내법 역차별로 국내 기업 경쟁력 약화 요인이 압도적으로 높은 가중치를 나타냈고, 규제로 인한 불확실성 및 혼란은 상대적으로 낮게 인식되고 있음을 보여주었다.
범주별 가중치와 요인별 가중치를 함께 반영한 전체요인의 가중치를 그림 3에서 살펴보면, 국내법 역차별로 국내 기업 경쟁력 약화 요인을 가장 중요하게 인식하고 있고, 시장점유율 감소도 중요하게 인식하고 있음을 보여주었다. 불확실성 및 혼란이나 시장 지배력 강화 요인은 비교적 중요도가 낮게 나타났다.
그림 3. 전체 세부 요인에 대한 가중치
Fig. 3. Weights for All Sub-Elements
범주별 가중치와 요인별 가중치를 함께 반영한 전체요인의 가중치를 살펴보면 국내법 역차별로 국내 기업 경쟁력 약화 요인을 가장 중요하게 인식하고 있고, 시장점유율 감소도 중요하게 인식하고 있음을 보여주었다. 불확실성 및 혼란이나 시장 지배력 강화 요인은 비교적 중요도가 낮게 나타났다.
조사대상 기업을 300명 이하의 중소기업과 300명 이상의 중견 및 대형 기업으로 구분하여 규모에 따른 인식에 차이가 존재하는지 확인하였다. 중견 및 대형 기업은 즉각적인 경제적 손실보다 잠재적인 리스크를 더욱 중요하게 인식하였다. 반면 규모가 상대적으로 적은 중소기업들은 잠재적인 리스크 보다 즉각적으로 발생하는 경제적 손실에 대한 중요도를 높게 인식하고 있었다.
특이한 점은 규제로 인한 잠재적인 기회 범주의 경우, 중견 및 대형 기업보다는 중소기업에서 응답한 가중치가 높게 나타났다. 이는 일정 수준에서 안정적으로 사업을 수행하는 중견 및 대형 기업보다는 중소형 기업이 사업수행에 유동적인 것으로 유추된다.
그림 4. 회사 규모에 따른 범주별 가중치
Fig. 4. Weights for Criteria by Firm’s Size
전체 요인의 가중치를 비교해보면 중견 및 대형 기업의 경우 국내법 역차별로 국내 기업 경쟁력 약화에 대한 가중치가 압도적으로 높게 나타났다. 중소기업의 경우 시장점유율 감소와 플랫폼 정형화로 혁신 저해 요인도 유사한 수준의 가중치를 나타냈다.
규제를 주시하며 준비 중이거나 준비된 기업들과 고심하고 있거나 대안이 부재한 기업들을 구분하여 그룹 간 인식에 차이가 존재하는지 확인하였다. 분석결과 준비된 기업군이 경제적 손실보다 잠재적인 리스크 가중치가 높게 나타난 반면, 준비되지 않은 기업군은 즉각적으로 발생하는 경제적 손실을 더욱 중요하게 인식하는 것으로 확인되었다. 전체적인 요인을 살펴보면 준비된 기업군이 경쟁력 약화 위험을 상대적으로 중요하게 인식하고 있고, 준비되지 않은 기업군에 비해 수익 및 시장점유율 감소에 상대적으로 덜 중요하게 인식하고 있음을 그림 5에서 보여주었다.
그림 5. 준비 상태에 따른 가중치 비교
Fig. 5. Comparison of Weights by Preparation Status
3. 기업 실무자 간담회 의견
기업 현장의 의견을 반영하기 위해 인터뷰 및 설문을 통해 의견을 개방적으로 수집하여 정리하였다. 특히 국내법 역차별로 경쟁력 약화 방지를 위한 방안과 중소 및 신생기업 활성화를 위한 다양한 요구가 제시되었다.
우선 국내법 역차별로 경쟁력 약화를 방지하기 위해서는 국내 사업자에게만 적용되는 규제를 폐지하자는 의견이 우세하였다. 규제는 국내외 IT업계 모두에 적용되어 하나 현실적으로는 국내 기업에게만 적용될 것으로 예상되어 국내 기업에 절대적으로 불리하다는 입장이다. 또한 정보보호도 중요하지만 정보 활용 역시 정보통신 관련 기업에게는 사업 수행에 있어 필수적이므로 정보보호와 활용에 있어 균형이 유지되기를 요청하는 의견이다. 그리고 규제가 필요하면 일관성 있고 지속성 있게 명확한 정의를 가지고 제시할 것을 요구하였다. 더불어 규제와 동시에 국내 기업의 성장 발판을 마련하는 심도 있는 지원을 당부하였다.
중소기업 및 신생기업 활성화를 위해서는 개인정보가 아닌 행태정보 및 익명 정보는 자유롭게 사용하도록 허용하자는 의견이 다수였고, 시장 논리에 맡기고 필요하다면 자율규제로 대체하는 방안을 제시하였다. 규제가 필요한 경우에도 신생 기업에게는 일정 기간 규제를 면제해주는 규제 샌드박스를 실행하거나 금지사항을 명확하게 제시하고 나머지는 모두 허용하는 네가티브 방식을 요청하였다. 또한 이러한 기업의 활성화를 위한 정기적인 컨설팅과 다양한 지원이 필요하다는 의견을 개진하였다. 더불어 글로벌 IT 기업 중 Gatekeeper의 독점에 대응하는 국내 기업 간의 협의가 필요함을 강조하였다.
규제에 대한 기업의 인지도 조사 결과를 공유하고, 조사 결과와 연계된 의견을 수렴하기 위해 기업간담회를 수행하였다. 자체적으로 제품 및 콘텐츠를 확보하고 프로파일링 기반 추천 서비스를 수행하는 기업과 타사의 제품 및 콘텐츠를 추천하는 디지털 광고 기업 실무자, 그리고 관련 협회 임원 및 실무자를 초청하여 의견을 수렴한 결과 규제 수립 전 문제 제기부터 명확하게 확인하고 제시할 것을 당부하였다.
또한 국가 간 경쟁이 치열한 상황에서 규제에 집중하는 점에서 반대 의견을 제시하였다. 규제보다는 데이터 산업을 국가 전략으로 수립하여 실질적인 도움이 되도록 지원할 것을 요청하였다.
Ⅴ. 결론
본 연구는 프로파일링 기반 추천 서비스를 수행하고 있는 기업을 대상으로 관련 규제 움직임에 대한 인식도 및 현장 의견을 반영하고자 수행하였다. 프로파일링 기반 추천 서비스의 규제로 인한 즉각적인 혜택은 이용자 측면에서 기대할 수 있어, 기업의 인식을 살펴보는 본 조사에서는 OCR(기회, 비용, 위험) 범주를 적용한 AHP 프레임을 설계하고, 포커스 그룹을 통해 규제에 따른 기회, 비용, 위험에 대한 세부 요소를 확인하였다.
조사 참여 기업의 주요 범주에 대한 중요도 인식 수준은 위험에 대한 인식이 가장 높게 나타났다. 세부적으로 살펴보면 우선 기회 요인은 추가적인 혁신 노력 및 성과, 소비자 신뢰 강화, 시장 지배력 강화 순으로 가중치가 도출되었다. 그리고 경제적 손실 요인에 대한 가중치는 시장점유율 감소, 비효율성으로 수익 감소, 추가적인 혁신비용 발생 순으로 나타났다. 또한 잠재적 위험 요인은 국내법 역차별로 인한 국내 기업 경쟁력 약화, 플랫폼 전형화로 혁신 저해, 불확실성 및 혼란 발생 순으로 가중치가 분석되었다. 전체적인 범주 및 요인 가중치를 적용한 결과 국내법 역차별로 인한 국내 기업 경쟁력 약화 요인의 가중치가 월등하게 높았고, 불확실성 및 혼란 발생 요인의 가중치가 가장 낮게 나타났다.
규모에 따른 분석 결과, 중소기업의 경우 즉각적인 손실에 대한 가중치가 가장 높게 도출되었고 중견기업 이상은 잠재적인 리스크에 대한 가중치가 상대적으로 높게 나타났다. 잠재적인 기회는 중소기업에서 더욱 강하게 중요도를 인식하는 것으로 분석되었다.
규제에 대비한 준비상황에 따른 분석 결과, 준비되지 않은 기업군의 경우 즉각적인 손실에 대한 가중치가 가장 높게 도출되었고 준비된 기업군은 잠재적인 리스크에 대한 가중치가 상대적으로 높게 나타났다. 잠재적인 기회는 준비된 기업군에서 더욱 강하게 중요도를 인식하는 것으로 분석되었다.
조사 결과에 의하면 프로파일링 기반 추천 서비스를 제공하는 기업들은 규제 시 경제적 손실과 잠재적 위험이 기회적 요소보다 훨씬 높게 인식하고 있음을 보여주었다. 기업의 규모가 작을수록 그리고 규제에 대한 대응준비가 부족할수록 즉각적인 경제적 피해를 가장 높게 인식하고 있어, 준비 여력이 부족한 중소 및 신생기업을 보호하는 방안이 강력히 요구된다. 더 나아가 이러한 규제의 경제적 파급효과는 국내법 역차별로 국내 기업의 경쟁력이 크게 잠식될 수 있음을 시사하고 있다.
결론적으로 프로파일링 기반 추천 서비스를 포함한 데이터에 대한 규제의 도입은 기업의 입장에서 잠재적인 기회와 더불어 비용 요인 및 잠재적인 리스크를 반영하여 신중하게 결정할 필요가 있을 것이다. 특히 국가 간 IT 기업의 경쟁이 치열한 상황에서 규제를 준비한다는 점에서 우려를 표명한다. 규제보다는 데이터 산업을 국가 전략으로 수립하여 실질적인 도움이 되도록 지원하는 등 Regulation 보다는 Promotion을 고심할 시기로 판단된다.
향후 프로파일링 규제의 적정성을 파악하기 위해서는 규제 따른 경제적 파급효과 분석이 연계되어 제시할 필요가 있을 것이다. 또한 그림 6에서 보여주듯이 규제(R) 강도에 따른 경제적 성과(EP), 사회후생(SW) 간의 변화를 분석하여 적용할 것을 제안한다.
그림 6. 적극 및 소극 규제 모형
Fig. 6. Strong and Mild Regulation Models
References
- Korea Communications Commission, Korea Internet & Security Agency, Guideline of Profiling for Personal Information Protection, 2020
- EU, Article 29 Working Party, 10th Annual Report, at 7, June, 2007
- Sunyoung Nam, "Global and Deomestic Trends for Profiling-based Recommendation Service", Korean Internet Firm Association Research, 2020.
- Jeong-Keun Yun. "A Study on the Policy Innovation Plan for Public Technology Commercialization." Journal of the Korea Academia-Industrial cooperation Society, 22, 2021. DOI: https://doi.org/10.5762/KAIS.2021.22.2.212
- Ji Yeon Cho, In-Kuk Song, "A Study on the Improvement Plan of AI Voucher Support Project based on the Perception of AI Solution Companies", Journal of the Korea Internet Broadcasting and Communication Society 22, No. 4, 149-156, 2022. DOI: https://doi.org/10.7236/JIIBC.2022.22.4.149.
- Byung Woon Kim, "Trend Analysis and National Policy for Artificial Intelligence", Informatization Policy, Vol. 23, No. 1, pp. 74-93, 2016. DOI: https://doi.org/10.22693/NIAIP.2016.23.1.074
- Soo-Kyung Park, Ji-Yeon Cho, Bong-Gyou Lee, "Exploring the Direction of Digital Platform Government by Text Mining Technique: Lessons from the Fourth Industrial Revolution Agendat", Journal of the Korea Internet Broadcasting and Communication Society 22, No. 5, 139-146, 2022. DOI: https://doi.org/10.7236/JIIBC.2022.22.5.139.
- Y. Kong, H. Lee & J. Choi, "Deriving Edutech Industry Issues from Text Data", Journal of Korean Institute of Information Technology, Vol.20, No.9, pp.31-42, 2022. DOI: https://doi.org/10.14801/jkiit.2022.20.9.31