I. 서론
인공지능은 주어진 목표에 대해 실제 또는 가상 환경에 영향을 미치는 예측, 권장 사항 또는 결정과 같은 출력을 생성할 수 있는 작업을 수행할 수 있는 모든 시스템이다[1][2].
편견의 원인은 다양하다. 과거의 편견이나 바람직하지 않은 상태를 포함하여 일부 편견은 데이터에 내재되어 있다[3]. 즉, 모델에서 복제해서는 안 되는 기존 패턴이다. 표현 편향은 속성 누락, 표본 디자인, 하위 모집단의 데이터 전체 또는 부분 부재로 인해 정보가 불완전할 때 발생한. 측정 편향은 모델에 포함되어야 하는(포함되지 않는) 변수의 생략(포함)으로 인해 발생한다[4]. 방법론적 오류로 인해 다른 편향이 나타난다. 예를 들어 검증 프로세스, 측정항목 정의 및 결과 평가(평가 편향)의 오류로 인해 훈련 중에 편향이 발생하고, 대상 모집단에 대한 잘못된 가정으로 인해 편향이 발생한다. 모델 정의에 영향을 미친다. 결과에 대한 부적절한 해석이나 현실 세계 또는 데이터 캡처 방법의 패턴의 일시적인 변화로 인해 모델의 오용 및 모니터링으로 인해 편향이 발생한다. 이 툴킷의 여러 섹션을 통해 이러한 편향의 주요 이유가 제시되고 이를 완화하기 위한 다양한 조치가 제안된다.
강력하고 책임감 있는 의사결정 또는 의사결정 지원 AI 시스템을 구축하려면 가능한 모든 편견 원인을 신중하게 고려해야 한다. 결함 조사 및 가정 문서화; 시스템이 충족해야 하는 알고리즘 공정성 목표 및 기준에 대한 명확한 정의로 해야하며 시스템의 특정 상황에서 한계와 허용 가능한 오류를 이해해야 한다. 이 과정은 의사결정에서 바람직하지 않거나 편향된 결과를 피하기 위한 모니터링 조치의 구현 하는 것이다[5][6].
AI 시스템 수명 주기 동안 기계학습 방법을 구축하고 적용할 때 발생하는 일반적인 업무와 이와 관련된 프로세스와 점검항목에 대한 연구가 필요하다.
정책 입안자와 기술팀은 수명주기의 각 단계에서 AI 시스템이 올바르게 작동하도록 책임을 져야 한다.
이와 관련하여 툴킷의 한 장은 공공정책을 위해 AI를 사용할 때 책임 관련 문제를 탐색하고 이를 해결하기 위한 실제 메커니즘에 대한 이해가 이루어져야 한다.
본 연구의 목적은 일반적인 서비스 뿐만 아니라 공공정책 등에 인공지능 서비스를 도입할 시 어떤 단계를 통해 진행하고 점검할 수 있는 방안에 대한 제안을 하고 있다.
II. 인공지능 서비스 관리
1. 머신러닝 및 의사결정 지원 시스템
기계학습의 대표적인 방법인 머신러닝 방법은 AI 시스템이 사용할 수 있는 유일한 유형의 알고리즘은 아니지만 최근 몇 년간 가장 많이 성장한 알고리즘이다. 이러한 방법은 인간이 입력한 명시적 또는 상징적 명령 대신 시스템이 패턴과 추론을 통해 자동화된 방식으로 행동을 학습할 수 있도록 하는 일련의 기술로 구성되어 있다[7].
머신러닝은 인공지능(AI)의 하위 집합이며 비즈니스부터 공공정책 및 서비스 제공에 이르기까지 다양한 맥락에서 조치나 개입을 알리기 위해 의사 결정자가 기계학습 방법을 점검하기 위해 더 많이 사용하고 있다. 실제로 이러한 방법은 다양한 수준의 성공을 거두었으며 이 방법이 사회에 미치는 긍정적 또는 부정적인 성과와 영향을 이해하는 방법에 대한 관심이 커지고 있다[8]. 따라서 의사결정 또는 의사결정 지원을 위해 머신러닝 기술을 사용할 때 발생하는 가장 일반적인 몇 가지 과제가 있다.
이와 관련하여 구현오류와 편견을 감지 및 완화하고 회사, 공공부문 기관 또는 사회에 바람직하지 않은 결과가 발생할 가능성을 평가하는 것을 포함하고 있다.
경제협력개발기구(OECD)는 AI 시스템을 주어진 목표에 대한 결과(예측, 권장 사항 또는 결정)를 생성하여 환경에 영향을 미칠 수 있는 기계 기반 시스템으로 설명한다.
첫째, 실제 및 또는 가상 환경을 인식하기 위해 기계 및 또는 인간기반 데이터와 입력을 사용한다.
둘째, 자동화된 방식(예: 기계학습) 또는 수동 분석을 통해 이러한 인식을 모델로 추상화한다.
셋째, 모델 추론을 사용하여 결과에 대한 옵션을 공식화했다. AI 시스템은 다양한 수준의 자율성으로 작동하도록 설계되었다[7][9]
여러 방법으로 점검된 결과를 기반으로 의사결정자는 인공지능 기술로 등장한 결과물에 대해 신뢰를 제공하고 있다.
2. 인공지능 서비스 관리
인공지능 서비스를 적용 시 윤리적 AI를 지원하는 원칙은 다양하게 개발되고 있다. 그러나 현재 AI 서비스를 어떻게 개발해야 하는지, 개발하지 말아야 하는지에 대한 높은 수준의 지침과 원칙에 대한 연구가 진행되고 있다.
기본적으로 인공지능 서비스 관리 원칙은 첫쨰, AI 서비스를 어떻게 개발해야 하는지와 둘째, 개발하지 말아야 하는지에 대한 높은 수준의 지침을 제공하는 것을 목적으로 한다.
AI 서비스를 개발하기 위해 다음과 같은 단계를 수행을 할 수 있다.
표 1. AI 서비스 개발 단계별 수행 내용
Table 1. AI service development step-by-step details
AI 서비스를 개발하지 말아야 하는지에 대한 지침으로 다음과 같은 내용을 검토할 수 있다.
표 2. AI 서비스를 개발하지 말아야 하는지에 대한 지침
Table 2. Guidance on whether or not to develop AI services
III. 인공지능 서비스 거버넌스
1. 인공지능 서비스 거버넌스 툴킷
가. 사용 대상자
인공지능 거버넌스 툴킷은 다양한 분야에서 사용 할 수 있으며 우선적으로 공공정책을 수립하는 기술팀에서 가이드라인을 제공하는 것으로 하고 있다. 거버넌스 툴킷은 공공정책을 위한 기계학습 알고리즘을 적용하는 기술팀을 위한 것이다. 그러나 이 기술은 다른 응용 분야에서 흔히 발생하는 문제도 다루고 있다.
인공지능 서비스를 위한 모범 사례에 대한 명확성[10]을 확보하기 위해 사용되는 거번넌스의 목적은 위험 영역을 식별하고 의사결정자의 목표에 반하는 결과를 방지하기 위한 완화 조치를 권장하는 것이다. 이러한 결과에는 바람직하지 않은 결과, 부적절한 타겟팅으로 인한 자원 낭비 또는 의사 결정자가 달성하고자 하는 목표를 약화시키는 등의 결과를 포함하고 있다.
나. 거버넌스 프로세스
인공지능 서비스를 효과적으로 운영하기 위해서는 적절한 거버너스 환경을 확보해야 한다[11][12]. 이를 위해 우리는 인공지능을 활용한 서비스를 개발 시 다음과 같은 단계를 거치도록 권장하고 있다. 서비스를 위해 해결해야 할 문제를 인식하고 해당 서비스를 개발하고 마지막으로 배포하는 단계를 가지고 있다.
표 3. 서비스 생성 절차도
Table 3. Service creation process diagram
다. 설계 단계
임무 과제에 대해 팀의 이해를 공유하려면 먼저 AI 기술이 해결할 주요 문제를 식별해야 한다. 설계 단계에서 문제 인식을 하기 위해 다음과 같은 질문이 필요하다.
표 4. 설계 단계의 문제 인식 주요 질문
Table 4. Problem recognition key questions during the design phase
정보를 공유하려면 인공지능에 맡겨진 임무에 대한 이해가 필요하다. 이 단계의 경우, 결과가 일반언어로 설명되어야 하며 AI 기술 보안, 개인정보 보호 관련으로 문제사항 없는지 검토가 이루어져야 한다.
라. 개발 단계
인공지능 서비스 개발 단계에서 다음 사항에 대한 검토가 이루어져야 한다.
첫째, 설계에 기초한 데이터를 수집을 해야 한다. 이 단계에서 충분하고 신뢰가 있는 데이터 수집이 이루어져야 한다. 그리고 데이터 수집 시 다음과 같은 사항을 검토해야 한다. 이는 데이터를 적절한 방식으로 수집했는지에서부터 적절한 데이터가 이용되었는지, 데이터의 보관 방법에 대한 충분한 검토가 이루어졌는지를 확인을 하는 과정이다.
표 5. 개발 단계에서 데이터 수집시 주요 질문
Table 5. Key questions when collecting data during the development phase
둘째, 테스트 알고리즘의 생성이다. 이를 위해 (1) 모델 훈련 및 선택 프로세스는 대화 진행, (2) 반복 학습으로 훈련하여 모델 언어 습득, (3) 원하는 데이터를 얻을 수 있도록 효율적인 모델 언어 습득체계를 진행해야 한다.
표 6. 배포 단계의 주요 질문
Table 6. Key questions during the deployment phase
셋째, 사용하고 있는 알고리즘의 업데이트가 이루어져야 한다. 이를 위해 (1) 이미 습득이 된 모델을 통하여 실적이 좋은 것으로 보이는 평가 지표, 새 데이터에 대한 모델 테스트를 진행하고, (2) 학습모델을 일반화하여 비즈니스에 부합할 수 있도록 한다.
마. 배포 단계
배포 하기 전에 추적된 결과물의 잠재적 편향/강화 편향 및 이질성을 평가해야 한다. 또한, 사용자의 매커니즘에서 논의하고 살펴보는 것이 필요하다.
표 7. 배포 단계의 주요 질문
Table 7. Key questions during the deployment phase
2. 공공정책을 위한 AI 툴킷
가. 공공정책 수명주기의 의사결정
AI는 공공정책 수립을 대체하지 않으며. 그 기능은 의사결정을 위한 정보를 제공하여 공공정책 개발 주기를 지원하는 것이다. AI 지원 공공정책 주기는 다음 단계로 구성된다.
그림 1. AI 지원 공공정책 주기
Fig. 1. AI-enabled public policy cycle
첫쨰, 문제 식별단계에서 모든 AI 프로젝트는 공공 정책이 해결하려고 하는 문제와 해당 문제의 가능한 원인 및 결과를 올바르게 식별하는 것부터 시작해야 한다.
둘째, 정책 수립단계에서 특정 사람, 단위 또는 프로세스에 적용되는 것으로 간주 되는 개입 또는 정책이 수립된다. 우리는 일반적으로 그러한 정책이 목표 집단에 적용될 때 이점이 있다는 증거가 있다고 가정한다.
셋째, 의사결정/의사결정 지원 시스템 단계에서 개입이 정의되면 AI 주기는 의사결정/의사결정 지원 시스템의 설계 및 개발로 시작되며, 그 결과는 선택한 개입에 초점을 맞추거나 안내하는 데 사용된다.
넷쨰, 정책 시행단계에서 공공정책은 시범 프로젝트나 일반적으로 대규모 프로젝트로 시행한다.
다섯째, 정책 평가단계에서 정책 조치의 효과성, 신뢰성, 비용, 예상 및 의도하지 않은 결과, 기타 관련 특성을 평가한다. 결과가 긍정적이면 개입이 계속되거나 규모가 확대된다.
공공정책 결정 주기와 병행하여 AI 시스템 개발에는 다음 단계를 포함하는 자체 수명주기로서[7][13] (i) 계획 및 설계, (ii) 데이터 수집 및 처리, (iii) 모델 구축 검증, (v) 배포 및 모니터링 등이 있다.
나. 공공정책 수립을 위한 AI 툴킷
공공 부문에서 AI는 생산성 향상과 공공 서비스 품질 향상을 약속한다. 예를 들어, 정책 입안자는 소셜 네트워크 활동을 실시간으로 분석함으로써 AI 시스템을 활용하여 가장 시급한 사회문제와 요구 사항에 대해 보다 정확하고 증거 기반의 평가를 얻을 수 있다. AI 시스템의 결과와 예측은 정책 수립, 구현 및 평가에 영향을 미칠 수 있다.
이러한 배경에서 전 세계 정부는 공공정책 개발을 지원하기 위해 AI의 힘을 활용할 수 있는 관련 기술을 갖추고 있다. 그러나 AI 기반 공공 정책이 사람들의 삶과 복지에 큰 영향을 미칠 수 있다는 점을 고려할 때, AI 사용으로 인한 기회를 포착하고 AI 사용으로 인해 발생하는 문제를 해결하기 위한 적절한 보호 장치가 마련되어 있는지 확인하기 위한 체계적인 접근방식이 필요하다.
AI 시스템에 대한 기술 표준 및 규범의 개발은 여전히 AI 커뮤니티의 미해결 과제이지만, 이 툴킷에서는 AI 수명 주기 동안 편견을 방지하고 완화하기 위한 주요 기술적 측면과 조치를 설명하고 있다.
3. 공공정책을 위한 AI 시스템 프레임워크
AI 시스템 수명주기를 분석을 위한 지침 프레임워크로 사용하는 이 툴킷은 AI 기술을 사용하여 의사결정 프로세스와 결과를 개선하려는 공공정책팀에 기술 지침을 제공한다.
AI 시스템 수명주기의 각 단계(계획 및 설계, 데이터 수집 및 처리, 모델 구축 및 검증, 배포 및 모니터링)에 대해 이 툴킷은 공공 정책 맥락에서 AI를 사용할 때 발생하는 가장 일반적인 과제를 식별하고 탐지 및 완화를 위한 실제 메커니즘을 간략하게 설명한다.
유럽 연합의 GDPR(General Data Protection Regulation, 일반 데이터 보호 규정)과 같은 규정에서는 책임을 조직이 적절한 기술 및 조직적 조치를 마련하고 요청 시 수행한 작업과 그 효과를 입증할 수 있어야 하는 요구 사항으로 정의하고 있다.
정책 입안자와 기술팀은 수명주기의 각 단계에서 AI 시스템이 올바르게 작동하도록 책임을 져야 한다. 이와 관련하여 툴킷은 공공정책을 위해 AI를 사용할 때 책임 관련 문제를 탐색하고 이를 해결하기 위한 실제 메커니즘을 간략하게 설명하는데 전념하고 있다.
공공정책을 위한 AI의 책임감 있는 사용을 장려한다는 목표에 충실하여 툴킷의 각 영역에는 실제 구현을 안내하는데 도움이 되는 체크리스트가 포함되어 있다. 데이터 문제를 평가하고 AI 시스템의 특성, 가정, 수명주기 전반에 걸쳐 구현된 위험 완화 조치를 문서화 하는데 도움이 되는 "데이터 프로필" 도구와 "모델 카드"도 제공하고 있다.
표 8. 공공정책을 위한 AI 툴킷 운영 방향
Table 8. AI Toolkit Operation Direction for Public Policy
IV. 결론
우리는 인공지능 서비스가 제공하고 있는 업무의 효율성과 편리성을 통해 기술과 시장이 동시에 성장하고 있다. 기술에 발달은 긍정적인 요소와 부정적인 요소를 제공하고 있어 어떻게 부정적인 요인을 완화하느냐가 중요한 과제로 등장하고 있다.
본 연구는 인공지능 서비스 관리와 거버넌스 툴킷에 대해 제시하고 공공정책에 인공지능 서비스를 제공시 어떻게 해야 하는지에 대한 방법을 제시하고 있다.
현재 인공지능 서비스가 해결해야 하는 것은 머신러닝을 이용하여 개발되는 인공지능 서비스에서 등장 할수 있는 구현오류와 편견을 감지 및 완화하고 회사, 공공부문 기관 또는 사회에 바람직하지 않은 결과가 발생할 가능성을 평가하는 것을 해야 한다.
기본적으로 인공지능 서비스 관리 원칙은 첫쨰, AI 서비스를 어떻게 개발해야 하는지와 둘째, 개발하지 말아야 하는지에 대한 높은 수준의 지침을 제공하는 것을 목적으로 한다.
인공지능 서비스에 사용되는 거번넌스의 목적은 위험영역을 식별하고 의사결정자의 목표에 반하는 결과를 방지하기 위한 완화 조치를 권장하는 것이다. 이러한 결과에는 바람직하지 않은 결과, 부적절한 타겟팅으로 인한 자원 낭비 또는 의사 결정자가 달성하고자 하는 목표를 약화시키는 등의 결과를 포함하고 있다.
인공지능 서비스 거버넌스를 위해 사례, 개발, 배포의 단계를 통해 각각 점검해야 할 체크 리스트를 제공하고 있다.
특히, 인공지능 서비스를 공공정책 개발에 적용하기 위해 공공정책 의사결정 지원으로 1) 문제 식별, 2) 정책 수립, 3) 의사결정 지원, 4) 정책 시행, 5) 정책 평가의 단계를 제시하고 있다. 이 과정에서 AI 기반 공공 정책이 사람들의 삶과 복지에 큰 영향을 미칠 수 있다는 점을 고려할 때, AI 사용으로 인한 기회를 포착하고 AI 사용으로 인해 발생하는 문제를 해결하기 위한 적절한 보호 장치가 마련되어 있는지 확인하기 위한 체계적인 접근방식이 필요하다.
그림 2. 의사결정 지원 시스템과 공공정책 생애주기
Fig. 2. Decision support systems and public policy life cycle
공공정책을 위한 AI의 책임감 있는 사용을 장려한다는 목표에 충실하여 툴킷의 각 영역에는 실제 구현을 안내하는데 도움이 되는 체크 리스트가 포함되어 있다. 데이터 문제를 평가하고 AI 시스템의 특성, 가정, 수명주기 전반에 걸쳐 구현된 위험 완화 조치를 문서화하는데 도움이 되는 데이터 프로필 도구와 모델 카드도 제공된다.
이 연구의 시사점은 인공지능 서비스를 정책에 도입시 활용할 수 있는 거버넌스 툴킷에 대한 조명을 통해 현업에서 적용할 수 있는 방안에 대한 가이드 라인을 제공하고 있다.
첫째, 인공지능 서비스의 개발 방향과 개발하지 말아야 할 내용에 대한 지침을 제공하고 있다.
둘째, 개발을 하는 경우, 인공지능 거버넌스 툴킷에서 제공하고 있는 설계, 개발, 배포단계별로 검토 해야할 체크 리스트를 통해 내용을 점검 후 진행하는 것을 권장하고 있다.
셋쨰, 인공지능 서비스를 운영 시 1) 기획설계, 수명주가, 3) 모델 구축 및 검증, 4) 배포 및 모니터링, 5) 책임에 대한 각각 원칙과 관련 내용을 명확히 제시하고 이에 충족하고 있는지에 대해 점검을 해야 한다.
본 연구는 거버넌스 측면 중심으로 논의하고 있다. 인공지능 서비스의 거버넌스 측면은 궁극적으로 제공되는 서비스에 대한 위험 측면을 완화하려는 노력으의 일환이므로 등장할 수 있는 위험관리 측면에서도 연구가 이루어져야 한다.
우리는 인공지능에 제공하는 장점을 수용하면서 한계 및 위험 요소에 대한 적극적인 대응 방안으로 마련해야 한다. 인공지능 기술을 적극적 활용하여 효율적으로 정책 수립하여 고부가가치를 생성하고 사회에 의미 있는 영향을 제공할 수 있도록 노력해야 한다.
참고문헌
- African Development Bank, Organisation for Economic Co-operation and Development, United Nations, and World Bank. A Toolkit of Policy Options to Support Inclusive Green Growth. World Bank, 2012.
- Artificial Intelligence Risk Management Framework, NIST, National Institute of Standards and Technology
- Soonduck Yoo, "Research on the evaluation model for the impact of AI services." International Journal of Internet, Broadcasting and Communication 15, no. 3, 191-202, 2023
- Suresh, Harini, and John V. Guttag. "A framework for understanding unintended consequences of machine learning." arXiv preprint arXiv:1901.10002 2, no. 8, 2019.
- Avalos, Roberto Sanchez, Felipe Gonzalez, and Teresa Ortiz. "Responsible use of AI for public policy: Data science toolkit.", 2021.
- Andre Wirjo, Sylwyn Calizo Jr., Glacer Nino Vasquez, and Emmanuel A. San Andres, Artificial Intelligence in Economic Policymaking
- "AI Policy Observatory", OECD 2019c
- Barocas, Solon, and Andrew D. Selbst. "Big data's disparate impact." California law review, 671-732 2016.
- Han-gyu Lim, "Study on the revision of copyright law on artificial intelligence", Soongsil University Graduate School master's thesis, 2022.
- Jobin, Anna, Marcello Ienca, and Effy Vayena. "The global landscape of AI ethics guidelines." Nature machine intelligence 1, no. 9 (2019): 389-399. https://doi.org/10.1038/s42256-019-0088-2
- Artificial Intelligence Governance Toolkit, 2022
- AI Governance Toolkit, 2022 linklaters
- Artificial Intelligence in Society, published by Korea Intelligence and Information Society Agency, November 2019.