국내 공공기관 60%가 AI 도입… 작년 한 해 챗봇 활용 312건으로 급증

국내 공공부문의 인공지능(AI) 도입이 매년 빠르게 확대되고 있는 것으로 나타났다. 소프트웨어정책연구소가 최근 발표한 ‘2024년 공공부문 AI 도입현황 연구’ 결과에 따르면, 지난 10년(2014~2023년) 동안 조사 대상 401개 공공기관 중 60.6%인 243개 기관이 인공지능을 도입한 것으로 확인됐다. 자체 ICT 시스템이 없는 소규모 기관을 제외하면 실질 도입률은 이보다 더 높을 것으로 예상된다.

이번 조사는 조달정보개방포털의 입찰공고와 계약정보를 활용해 공공부문의 인공지능 도입 현황을 객관적으로 분석한 것으로, 중앙정부 기관과 지자체의 인공지능 도입 전략과 방향성 수립에 중요한 기초자료가 될 것으로 보인다. 공공기관의 인공지능 도입은 2016년 알파고 등장 이후 급증했다. 2014년 134건이었던 인공지능 계약은 2023년 1,033건으로 약 7배 증가했으며, 계약금액도 2,823억원에서 1조 3,279억원으로 대폭 늘어났다. 공공기관 전체 ICT 관련 용역 계약 중 인공지능이 차지하는 비중도 2016년 3.33%에서 2022년 12.31%로 크게 증가했다.

공공기관들은 대민서비스보다는 업무효율화를 위해 인공지능을 더 많이 도입하고 있는 것으로 나타났다. 전체 인공지능 도입 중 대민서비스는 44.8%, 업무효율화는 55.2%를 차지했다. 흥미로운 점은 2016년까지는 대민서비스 비중이 업무효율화보다 높았으나, 이후 업무효율화 용도 도입이 빠르게 증가해 2019년에는 60.3%까지 올라갔다가 점차 낮아지고 있다는 것이다.

이는 딥러닝 등장 초기에는 내부 업무 역량 강화를 위해 인공지능을 도입했으나, 2020년대 들어 챗봇, 추천시스템 등의 기술이 발전하면서 대민서비스를 위한 인공지능 도입이 증가하고 있기 때문이다. 실제로 2017년 8건에 불과했던 챗봇 도입은 2023년 312건으로 급증해 가장 많이 활용되는 인공지능 기술 중 하나로 자리잡았다. 대민서비스 중에서는 정보제공 서비스(40.1%)와 재난안전 서비스(36.8%)가 가장 많은 비중을 차지했다. 업무효율화 분야에서는 업무자동화, 처리프로세스 간소화 등 업무처리지원이 53.6%로 절반 이상을 차지했다.

인공지능 도입 현황을 기관별로 살펴보면, 국가기관(38.9%), 지자체(31.2%), 준정부기관(16.2%), 기타공공기관(12.8%) 순으로 도입 건수가 많았다. 반면 계약 금액 기준으로는 국가기관(50.8%), 준정부기관(20.0%), 지자체(17.5%), 기타공공기관(9.7%) 순이었다. 국가기관과 준정부기관의 평균 계약금액은 17억원으로, 지자체 평균(7.5억원)의 2배 이상이었다.

특히 주목할 점은 중앙정부 기관과 지자체 간의 뚜렷한 차이다. 지자체는 1억원 미만 소액 계약 비중이 21.9%로 국가기관(14.5%)보다 높고, 연구 및 ICT컨설팅 단계 비중이 3.5%에 불과해 국가기관(24.7%)보다 크게 낮았다. 또한 지자체는 일반공공행정, 공공질서 및 안전, 교통/물류 분야에 93.6%가 집중된 반면, 국가기관은 다양한 분야에 골고루 분포되어 있었다. 지자체는 중앙정부와 달리 행정업무 처리의 상당 부분을 행정안전부에서 제공하는 통합지방재정시스템, 주민등록정보시스템 등을 이용하고 있어, 대민서비스와 현장 문제 해결에 인공지능 역량을 집중하고 있다. 특히 2021년 시행된 자치경찰제에 따라 생활안전, 교통, 지역경비 분야에 인공지능 기술 도입이 증가하고 있다.

연구진은 중앙정부, 지자체, PoC(개념증명) 사업 유형으로 나누어 19개 기관의 인공지능 도입 사례를 심층 분석했다. 그 결과, 공공기관들은 인공지능 도입 과정에서 여러 어려움을 겪고 있는 것으로 나타났다. 중앙정부 기관의 주요 이슈는 AI 전문인력 부족과 관련 제도의 경직성이었다. 내부 AI 역량 부족으로 인해 구체적이고 현실적인 목표 설정이 어렵고, 구축 과정에서 발생하는 문제에 대한 의사결정이 지연되는 경우가 많았다. 또한 인공지능 시스템 성능을 좌우하는 데이터 사전 준비도 미흡했다.

제도적 측면에서는 대형 ISP(정보화전략계획) 사업에 경험이 많은 대기업 참여가 제한되어 인공지능 기술 내용이 전문적이지 못한 사례가 있었다. 공공정보화 사업 기간이 1년 또는 3년으로 제한되어 있고, 1년 사업의 경우 절차상 실제 개발 기간이 6개월 미만으로 짧아지는 문제도 있었다. 일부 기관은 인공지능 모델 재학습 비용을 유지보수 예산에 포함시켰으나 예산 심사 과정에서 삭감되었다고 응답했다.

지자체는 예산 규모가 작고 지방계약법에 따라 지역 기업만 참여할 수 있어, 특히 수도권 외 지역에서는 AI 기술력을 갖춘 개발 기업을 찾기 어려운 상황이다. 또한 공급 중소기업의 파산이나 담당자 교체로 구축 및 유지보수에 차질이 발생하는 경우도 많았다. PoC 사업의 경우, 대부분이 실제 성능 테스트까지 진행되지 못하고 모델 개발에 그치는 한계가 있었다. 하드웨어 할당, 데이터 수집 시간 등에 대한 수요기관의 지원도 부족한 상황이다.

연구진은 조사 결과를 바탕으로 세 가지 정책 제언을 제시했다.

첫째, 체계적인 AI 전문인력 확보 및 역량 강화 전략 추진이 필요하다. 교육, 채용만으로는 한계가 있으며, 인공지능 활용과 구축 경험이 축적되어 기관 구성원 전체의 AI 이해도가 높아져야 한다. 이를 위해 단계적인 도입 전략과 PoC 사업 확대, 전문가 중심의 신속한 의사결정 체제 확립이 중요하다.

둘째, AI 인프라 중심의 사업 추진이 필요하다. 인공지능 시스템은 확보된 데이터의 종류, 품질, 양에 따라 성능과 구축 기간, 예산이 크게 달라진다. 따라서 데이터 관련 이슈에 대한 사전 계획과 대비가 필수적이다. 또한 학습과 운영 시 필요한 컴퓨팅 파워의 차이를 고려해 외부 클라우드 서비스 이용을 포함한 하드웨어 확보 계획을 수립해야 한다.

셋째, 디지털서비스 전문계약제도 활용 확대가 필요하다. 2020년 도입된 이 제도는 복잡한 조달 계약 절차를 간소화해 클라우드 방식으로 공공기관이 신속하게 IT 서비스를 도입할 수 있게 한다. 특히 커스터마이징 요소가 적고 사업 기간이 1년인 정보화 사업에 적합하며, 유사 사업이 많고 우수 공급기업을 찾기 어려운 지자체에 효과적이다. 또한 네이버, SKT, KT 등 민간의 초거대 AI 서비스 활용을 통해 공공기관의 인공지능 도입과 혁신적인 공공서비스 창출을 가속화할 수 있을 것으로 전망된다.