독자 AI 모델에 87억 규모 '교재' 투입…문제·전공책에 강의영상까지

생성형 AI 이미지 과학기술정보통신부가 독자 인공지능(AI) 파운데이션 모델 개발을 뒷받침하기 위해 총 87억원 규모의 공동활용 학습데이터 확보에 나선다. 고품질 데이터를 확보하고 공동활용 체계를 마련해 AI 모델 경쟁력을 높인다는 복안이다. 9일 업계에 따르면 과기정통부는 최근 '독자 AI 파운데이션 모델 프로젝트 공동활용 데이터 지원사업(2차)' 사전규격을 공개했다. 사업 규모는 43억5000만원이다. 앞서 지난 3월 추진한 1차 사업 43억5000만원을 더하면 총 87억원이다. 이번 사업은 독자 AI 모델에 공급할 고품질 전문·특화 데이터를 확보하고, 정예팀이 공동으로 활용할 수 있는 기반을 마련하기 위해 추진됐다. 1차 사업이 문항과 전문도서 중심이었다면 2차 사업은 강의영상으로 데이터 범위를 넓혔다. 영상·음성·텍스트가 결합된 데이터를 추가해 멀티모달 학습 역량을 보강하는 성격이다. 1차 사업에서는 △자격증 문항(13억5000만원) △심화추론 문항(10억원) △과학·기술·공학·수학(STEM) 전문도서(10억원) △기타 전문도서(10억원) 등 4개 분야 데이터를 확보한다. 2차 사업에서는 자격증 강의 최소 2200시간, STEM 강의 최소 2150시간 등 총 4350시간 이상의 강의영상 데이터를 확보할 계획이다. 또 이번 사업은 공급기관이 저작권과 초상권 등 AI 학습에 필요한 이용 권한을 확보하도록 요구한다. 인터넷상 데이터를 단순 수집하기보다는 AI 학습에 적법하게 활용할 수 있는 전문데이터를 확보하려는 취지로 풀이된다. 정부가 대규모 예산을 투입해 학습데이터 확보에 나서는 것은 데이터의 품질과 구성이 AI 모델 성능을 좌우하는 핵심 요소로 부상했기 때문이다. 특히 AI가 법률·의료·과학·기술 등 전문적인 질문에 정확하게 답하거나 복잡한 문제를 풀기 위해서는 범용 지식뿐 아니라 분야별 전문지식과 문제 해결 과정이 담긴 고품질 데이터 확보가 중요하다. 실제 이번 1·2차 사업에서는 범용 웹데이터만으로 충분히 확보하기 어려운 자격·STEM·법률·의료 등 전문영역 데이터를 공급한다. 개별 기업의 데이터 확보 부담을 줄이고 독자 AI 모델의 전문성과 추론 역량을 높이려는 전략이다. 업계 관계자는 “AI 모델 경쟁력은 결국 학습데이터의 품질에서 갈린다”며 “전문성과 신뢰성을 갖춘 데이터를 충분히 확보하는 것이 중요하다”고 말했다. 강성전 기자 castlekang@etnews.com