지난 1편에서 머신 리더블(기계판독 가능) 문서를 정리하면서, AI-Ready 데이터는 그 위층이라고만 짧게 적었다.
생성형 AI 사업에서 RAG를 붙여 보니 문서를 기계가 "읽는" 것만으로는 부족하더라..
그래서 이번에는 AI-Ready 데이터가 정확히 뭘 더 요구하는지, 올해 나온 행정안전부·NIA 가이드라인을 중심으로 정리해 둔다.
AI-Ready 데이터, 한 줄 정의
TTA 정보통신용어사전의 정의는 이렇다.
"학습, 분석 및 추론에 바로 활용할 수 있도록 데이터의 품질, 구조, 라벨, 메타데이터, 접근성 및 거버넌스 요건을 갖춘 데이터"
핵심은 "바로 활용"이다. 기계가 읽을 수 있는 건 기본이고, 그 데이터가 무엇인지 설명되어 있고, 믿을 수 있고, 누가 관리하는지까지 갖춰져야 한다.
| 머신 리더블 (1편) | AI-Ready (이번 편) | |
|---|---|---|
| 질문 | 기계가 읽을 수 있나? | AI가 바로 쓸 수 있나? |
| 범위 | 형식과 구조 | 형식 + 메타데이터 + 품질 + 표준 + 관리 |
| 한 번 하면 끝? | 형식만 바꾸면 대체로 끝 | 계속 관리해야 한다 |
왜 갑자기 다들 AI-Ready를 말할까
가트너는 2025년 2월 보도자료에서 "2026년까지 AI-Ready 데이터가 뒷받침되지 않는 AI 프로젝트의 60%가 중단될 것"이라고 예측했다. 같은 조사에서 조직의 63%는 AI에 맞는 데이터 관리 방식을 갖추지 못했거나, 갖췄는지조차 모른다고 답했다.
가트너는 AI-Ready가 "한 번 하고 끝나는 일"이 아니라 AI 활용이 바뀔 때마다 계속 손봐야 하는 관리 활동이라고 강조한다.
모델은 쉽게 바꿀 수 있지만 데이터는 그렇지 않다는 얘기다.
행안부 가이드라인의 5개 영역
2026년 3월 행정안전부와 한국지능정보사회진흥원(NIA)이 「공공데이터의 인공지능 친화적 관리 가이드라인 V1.0」을 냈다.
공공데이터용이지만, 회사 데이터에 그대로 대입해 봐도 기준표로 쓰기 좋다.
| 영역 | 핵심 질문 | 주요 내용 |
|---|---|---|
| ① 포맷·구조 | 기계가 읽나? | CSV, JSON, XML, Parquet 같은 개방 형식. HWP·DOCX·XLSX 같은 특정 프로그램 형식은 1차 제공 형식으로 권장하지 않음. 날짜는 ISO 8601, 결측값 표기 통일 |
| ② 데이터 정보 제공 | 무슨 데이터인지 아나? | 메타데이터를 관리·계보(버전, 변경 이력)·이용(라이선스)·품질(편향, 한계) 영역으로 기록. DCAT, Dublin Core 같은 표준 활용, 데이터 카드로 문서화 |
| ③ 품질지표 | 믿고 쓸 수 있나? | 완전성, 일관성, 정확성, 적시성, 유효성, 유일성 6개 지표 |
| ④ 표준코드 | 다른 데이터와 붙나? | 행정표준코드 우선, 국제 표준 코드 사용. 행정구역 이름이 바뀌어도 코드는 그대로라 과거 데이터와 이어짐 |
| ⑤ 관리체계 | 누가 책임지나? | 책임자 지정, 데이터 등급(공개·제한·내부), 접근 권한, 갱신·보존 기간. 공공누리에 AI 학습용 'AI유형' 신설 |
①번이 1편에서 다룬 머신 리더블이다. 나머지 ②~⑤번이 더해져야 AI-Ready가 된다. 가이드라인에는 기관이 스스로 점검할 수 있는 자가진단 체크리스트도 붙어 있다.
품질지표 6개, 쉽게 풀면
| 지표 | 쉽게 말하면 |
|---|---|
| 완전성 | 빠진 값이 없나? 한쪽으로 치우치지 않았나? |
| 일관성 | 같은 기준으로 적었나? (날짜, 단위, 명칭) |
| 정확성 | 사실과 맞나? 출처가 믿을 만한가? |
| 적시성 | 정해진 주기대로 갱신되나? |
| 유효성 | 형식과 범위가 맞나? 파일이 깨지지 않았나? |
| 유일성 | 같은 데이터가 중복되지 않았나? |
가이드라인은 공유용 데이터의 최소 요건 예시로 결측치 20% 미만, 표준 메타데이터 필수 항목 전부 기재, 갱신 주기 2회 이상 넘기지 않기, 표준 포맷 준수를 든다.
RAG에 넣을 사내 문서에 대입해 보면
이 5개 영역을 RAG에 넣을 사내 문서에 대입하면 이렇게 볼 수 있다.
| 영역 | 이러면 AI가 틀린다 | AI-Ready 쪽으로 |
|---|---|---|
| 포맷·구조 | 스캔 PDF, 표가 그림으로 들어 있음 | 마크다운·HWPX, 제목 스타일 사용 |
| 문서 정보 | R1·R2 개정판이 모두 검색돼 결과가 중복됨 | 버전, 최신본 여부, 변경 이력 기재 |
| 품질 | 같은 내용이 여러 문서에 중복됨 | 중복 제거, 폐기 문서는 검색에서 제외 |
| 표준코드·구조화 | 동명이인을 구분 못 하고, 문서에 적힌 역할도 못 알아봄 | 사람·조직에 고유 ID, 역할은 별도 필드로 |
| 관리체계 | 보안 문서까지 답변에 섞임 | 문서 등급, 접근 권한, 갱신 담당자 |
실제로 사업을 하면서 겪은 문제도 이 표에 그대로 들어간다.
- 버전 중복: 문서가 R1, R2 식으로 개정되는데 이전 버전까지 다 검색되다 보니, 같은 내용이 중복된 검색 결과로 나오기도 했다. 어느 문서가 최신본인지 메타데이터로 표시하지 않으면 AI는 R1과 R2를 구분하지 못한다. 가이드라인의 ②번(계보: 버전·변경 이력)과 ③번(유일성) 문제다.
- 사람과 역할: 문서에 사람 이름이 있어도 동명이인을 처리하지 못했다. 문서에 그 사람의 역할이 적혀 있어도, 구조화돼 있지 않으면 AI가 그 역할을 명확히 인식하지 못했다. 이름은 글자일 뿐이고, 같은 사람인지 다른 사람인지는 사번 같은 고유 식별자가 있어야 안다. 역할도 문장 속에 묻혀 있기보다 "담당자: OOO / 역할: PM"처럼 필드로 나뉘어 있어야 한다. ④번(표준코드)과 구조화의 문제다.
1편에서 말한 새 문서 원칙이 ①, ②번이라면, 나머지는 문서를 계속 관리하는 일이다.
결국 AI-Ready는 형식을 한 번 바꾸는 작업이 아니라 운영의 문제다.
그 위층: 온톨로지와 지식그래프
AI-Ready 데이터에서 한 단계 더 올라가면, 데이터 사이의 관계와 의미까지 기계가 이해하게 만드는 층이 있다. 어휘와 온톨로지, 지식그래프다. 이 부분은 예전에 정리한 온톨로지 기초 글과 이어진다.
순서로 보면 머신 리더블 → AI-Ready → 온톨로지·지식그래프다. 아래층이 비어 있으면 위층을 쌓아도 흔들린다.
정리하면 머신 리더블이 "AI가 읽을 수 있게"라면, AI-Ready는 "AI가 믿고 바로 쓸 수 있게"다. 형식, 설명, 품질, 표준, 관리 다섯 가지를 계속 챙겨야 한다.
이상 AI-Ready 데이터 정리 끝!
2026년 10월 기준. 참고: TTA 정보통신용어사전, Gartner 보도자료(2025.2.26), 「공공데이터의 인공지능 친화적 관리 가이드라인 V1.0」(행정안전부·NIA, 2026.3 발간, 2026.4 공개). RAG 대입 예시는 이해를 돕기 위해 직접 정리한 것이다.
댓글
댓글 쓰기