최근 기후에너지환경부의 「인공지능 정보화 기본계획 수립」 관련 제안요청서를 살펴보면서, 앞으로 공공부문의 데이터 활용 방향이 크게 바뀌고 있음을 다시 한번 느꼈습니다.

 

이제 정보화는 단순히 시스템을 구축하고 운영하는 수준을 넘어, 인공지능과 데이터를 기반으로 정책을 더 빠르고 정확하게 지원하는 방향으로 전환되고 있습니다.

특히 기후, 에너지, 환경 분야는 대기, 수질, 폐기물, 탄소중립, 에너지 사용, 기후위기 대응 등 방대한 데이터가 축적되는 영역입니다. 하지만 이러한 데이터가 기관별로 흩어져 있거나, 개인정보와 민감한 정보가 포함되어 있어 제대로 활용되지 못하는 경우도 많습니다.

그래서 이번 기본계획에서 눈에 띄는 부분은 바로 AI 학습 데이터 구축 전략과 개인정보 가명 처리 가이드라인 수립입니다.

 

AI 활용의 출발점은 결국 데이터입니다

AI를 잘 활용하려면 좋은 데이터가 필요합니다.

기후위기 대응, 탄소중립 정책, 에너지 전환, 환경보호 정책을 AI로 지원하려면 각 분야의 데이터를 수집하고, 정제하고, 품질을 검증하고, 지속적으로 갱신하는 체계가 필요합니다.

단순히 데이터를 많이 모으는 것만으로는 부족합니다.

데이터가 어떤 의미를 갖는지, 어떤 기준으로 수집되었는지, 오류는 없는지, AI 학습에 적합한 형태인지까지 함께 검토해야 합니다.

예를 들어 대기질 예측 AI를 만들기 위해서는 측정소 위치, 시간대별 대기오염 수치, 기상정보, 지역 특성 등이 함께 연결되어야 합니다. 에너지 수요 예측 AI를 만들기 위해서는 사용량 데이터, 계절 요인, 산업 활동, 지역별 특성 등이 함께 분석되어야 합니다.

즉, AI 정보화의 핵심은 단순한 기술 도입이 아니라 데이터를 활용 가능한 자산으로 정리하는 일입니다.

 

그러나, 공공데이터 활용에는 개인정보 이슈가 따라옵니다

공공기관이 보유한 데이터에는 국민, 사업자, 시설, 위치, 이용기록 등 다양한 정보가 포함될 수 있습니다.

겉으로 보기에는 환경 데이터처럼 보이지만, 실제로는 특정 개인이나 사업장을 추정할 수 있는 정보가 포함될 수 있습니다.

예를 들어 특정 지역의 에너지 사용량, 환경 민원 기록, 배출시설 정보, 위치 기반 측정 데이터 등이 다른 정보와 결합되면 개인이나 특정 사업자의 활동을 유추할 가능성이 생길 수 있습니다.

이 때문에 AI 학습 데이터로 공공데이터를 활용하려면 반드시 개인정보 보호와 데이터 활용 사이의 균형이 필요합니다.

여기서 중요한 역할을 하는 것이 바로 가명정보 처리 가이드라인입니다.

 

가명정보 처리 가이드라인은 데이터 활용의 안전장치입니다

가명정보란 개인정보의 일부를 삭제하거나 대체하여, 그 정보만으로는 특정 개인을 알아보기 어렵게 만든 정보입니다.

하지만 가명정보도 완전히 자유롭게 사용할 수 있는 정보는 아닙니다. 다른 정보와 결합하면 다시 개인을 알아볼 수 있는 위험이 있기 때문입니다.

따라서 가명정보를 안전하게 활용하려면 다음과 같은 기준이 필요합니다.

첫째, 어떤 데이터를 가명처리 대상으로 볼 것인지 판단해야 합니다.

둘째, 데이터 유형별로 어떤 가명처리 기법을 적용할지 정해야 합니다.

셋째, 가명처리 후에도 재식별 위험이 남아 있는지 평가해야 합니다.

넷째, 가명정보를 제공하거나 활용한 이후에도 사후관리 절차를 마련해야 합니다.

다섯째, 개인정보보호법, 공공데이터법, 데이터산업 관련 법령 등과의 정합성을 검토해야 합니다.

결국 가명정보 처리 가이드라인은 단순한 문서가 아닙니다.

공공데이터를 안전하게 개방하고, AI 학습에 활용하기 위한 실무 기준서입니다.

 

환경 분야 경험은 기후·에너지 분야로 확장될 수 있습니다

필자는 2025년에 환경 분야 가명정보 처리 가이드라인 작성 경험을 보유하고 있습니다.

당시 중요한 과제는 환경 데이터의 특성을 이해하는 것이었습니다.

환경 데이터는 일반적인 행정 데이터와 다릅니다. 위치정보, 시설정보, 시간정보, 민원정보, 측정정보 등이 결합되는 경우가 많습니다. 단순히 이름이나 전화번호를 제거했다고 해서 안전하다고 보기 어렵습니다.

예를 들어 특정 지역, 특정 시점, 특정 시설과 관련된 데이터는 여러 조건이 결합될 때 식별 가능성이 높아질 수 있습니다.

따라서 환경 분야 가명처리에서는 다음과 같은 관점이 중요했습니다.

데이터가 사람과 연결되는지

데이터가 특정 사업장이나 시설과 연결되는지

위치정보가 너무 구체적인지

시간정보가 개인이나 사업자의 활동을 드러내는지

다른 공개정보와 결합했을 때 재식별 위험이 생기는지

AI 학습에 필요한 정보와 제거해야 할 정보를 어떻게 구분할지

이러한 경험은 앞으로 기후·에너지 분야로 확장될 수 있습니다.

에너지 데이터 역시 사용량, 계량정보, 시설정보, 지역정보, 시간정보 등이 포함될 수 있기 때문에 환경 데이터와 유사하게 재식별 위험 평가와 가명처리 기준이 필요합니다.

따라서 환경 분야에서 마련한 가명처리 경험을 바탕으로, 기후·에너지·환경 분야를 통합한 표준 가이드라인을 만드는 것은 매우 중요한 과제라고 볼 수 있습니다.

 

가이드라인은 절차, 기술, 거버넌스를 함께 담아야 합니다

좋은 가명정보 처리 가이드라인은 단순히 “어떤 기법을 적용하라”는 수준에 머물러서는 안 됩니다.

실제 업무에서 작동하려면 절차, 기술, 조직, 심의, 사후관리까지 함께 설계되어야 합니다.

예를 들어 데이터 제공 요청이 들어왔을 때 다음과 같은 흐름이 필요합니다.

먼저 데이터 활용 목적을 확인합니다.

그다음 제공 가능한 데이터인지 검토합니다.

개인정보 또는 재식별 위험이 있는 항목을 식별합니다.

데이터 유형별 가명처리 방법을 결정합니다.

가명처리 후 적정성을 검토합니다.

필요하다면 데이터 제공 심의위원회에서 검토합니다.

제공 이후에는 활용 목적 준수 여부와 사후관리 기록을 남깁니다.

이러한 절차가 있어야 담당자가 바뀌어도 일관된 기준으로 데이터를 제공할 수 있습니다.

또한 AI 학습 데이터로 활용되는 경우에는 일반적인 통계 활용보다 더 세심한 검토가 필요합니다. AI 모델은 학습 과정에서 데이터의 패턴을 기억하거나, 민감한 정보를 추론할 가능성이 있기 때문입니다.

따라서 AI 학습 데이터 구축 전략과 가명정보 처리 가이드라인은 별개의 과업이 아니라 서로 연결된 과업으로 보아야 합니다.

 

데이터 지도와 거버넌스도 함께 중요합니다

이번 기본계획에서 또 하나 주목할 부분은 정보시스템과 데이터 전수조사, 데이터 지도 구축입니다.

데이터를 안전하게 활용하려면 먼저 어떤 데이터가 어디에 있는지 알아야 합니다.

어떤 기관이 어떤 시스템을 운영하고 있는지, 어떤 DB와 테이블이 있는지, 어떤 데이터셋이 활용 가능성이 높은지, 어떤 데이터가 개인정보 또는 민감정보를 포함하는지 파악해야 합니다.

이 과정에서 데이터 지도는 매우 중요한 역할을 합니다.

데이터 지도는 단순한 목록이 아닙니다.

기관이 보유한 데이터를 한눈에 파악하고, AI 학습 데이터 후보를 발굴하며, 가명처리 필요성을 판단하는 기반 자료가 됩니다.

또한 인공지능과 데이터 총괄 거버넌스가 마련되어야 데이터 제공 기준, 품질관리 기준, 보안 기준, 개인정보 보호 기준을 일관되게 운영할 수 있습니다.

 

앞으로의 핵심은 “안전한 활용”입니다

공공데이터는 국민을 위해 활용되어야 합니다.

기후위기 대응, 탄소중립, 에너지 전환, 환경보호는 모두 데이터 기반의 과학적 정책결정이 필요한 분야입니다.

하지만 데이터 활용이 아무리 중요하더라도 개인정보 보호와 정보보안이 흔들려서는 안 됩니다.

앞으로의 핵심은 데이터를 막는 것이 아니라, 안전하게 활용할 수 있는 기준을 만드는 것입니다.

가명정보 처리 가이드라인은 바로 그 기준을 만드는 작업입니다.

특히 기후·에너지·환경 분야의 데이터는 국민 생활, 지역, 시설, 산업 활동과 밀접하게 연결되어 있기 때문에 도메인 특성을 반영한 세밀한 기준이 필요합니다.

 

AI 시대의 정보화 기본계획은 단순한 시스템 구축 계획이 아닙니다.

데이터를 어떻게 모으고, 어떻게 연결하고, 어떻게 보호하고, 어떻게 AI 학습에 활용할 것인지에 대한 종합 전략입니다.

그중에서도 개인정보 가명 처리 가이드라인은 공공데이터 활용의 신뢰 기반입니다.

2025년 환경 분야 가명정보 처리 가이드라인 작성 경험을 바탕으로 볼 때, 앞으로의 과제는 환경 분야에 머무르지 않고 기후와 에너지까지 확장된 통합 기준을 마련하는 것입니다.

데이터는 활용되어야 가치가 생깁니다.

그러나 안전하게 활용될 때 지속가능한 신뢰가 만들어집니다.

기후·에너지·환경 AI 정보화의 성공은 결국

“데이터 활용”과 “개인정보 보호”를 얼마나 균형 있게 설계하느냐에 달려 있습니다.