KDI "AI 예측, 정부 지원 정책에도 도입해야…효과 크게 개선"

(KDI '정책포럼' 영상 보고서 갈무리)

(서울=뉴스1) 김혜지 기자 = 미래 예측에 뛰어난 인공지능(AI) 기술을 정부 정책에 도입하면 보다 효과적인 지원을 펼칠 수 있다는 전문가 분석이 나왔다. AI는 머신러닝을 통해 자금력이 부족하지만 성장성이 우수한 기업을 미리 알아볼 수 있는 것으로 확인됐다.

한국개발연구원(KDI)이 14일 펴낸 정책포럼에는 이 같은 내용의 보고서 'AI 기술, 지원 정책의 효과를 높일 수 있을까?'가 실렸다.

보고서는 김민호 KDI 연구위원과 한재필 가천대 교수가 작성했다.

보고서는 "AI는 미래 예측력이 뛰어나 공공 부문의 다양한 영역에서 강력한 혁신을 가능하게 할 것으로 예상된다"면서 "우리나라 중소기업 지원 정책의 지원 대상 선별에 AI를 적용한 결과, 지원의 효과성을 크게 제고할 수 있음을 확인했다"고 밝혔다.

그러면서 "공공 부문의 데이터 기반 정책체계로의 전환을 위한 전략을 수립해 교육, 의료, 치안, 국방, 기업 지원 등 다양한 분야에서의 정책 효과성 향상을 국가적 차원에서 모색해야 한다"고 강조했다.

현재 중소기업을 대상으로 비용을 지원하거나 융자를 제공하는 등 중소기업벤처부가 시행하고 있는 여러 자금 지원 사업의 경우, 지원을 받은 기업의 매출액 증가율(13.6%)이 오히려 지원을 받지 않은 기업(26.3%)보다 낮은 것으로 드러났다.

이에 연구진은 머신러닝 모델로 매출액 증가율을 예측해 기업을 상위 30%(고성장 예측)와 하위 70%(저성장 예측) 그룹으로 구분하고 이것이 실제로 정확한지를 살폈다. 그 결과, 고성장 예측 그룹의 실제 매출액 증가율은 61.8%로 저성장 예측 그룹의 4.5%에 비해 10배 이상 높게 나타났다.

예측 대상을 정부 자금 지원 기업으로 한정해도 성장률 예측 상위 30% 기업의 실제 성과(매출액 증가율 45.3%)가 하위 70% 기업(4.9%)보다 크게 높았다.

보고서는 "정부 자금 지원 사업의 지원 대상 선별 시 AI를 활용했다면 사업의 효과성이 증대했을 가능성을 확인했다"며 "현행 정책 대상 선별 방식은 기업 성장을 위해 자금이 필요한 기업을 제대로 분별하지 못하고 있을 가능성이 있다"고 지적했다.

이에 따라 "지원 대상 선별 시 AI에 전적으로 의존하기보다 지원 효과가 높은 대상을 분별하는 데 유용한 정보로 활용하며, 지원 효과가 낮게 예측된 대상 중에서도 심사를 통해 선별하는 방안을 고려해야 한다"고 조언했다.

설문 조사 결과 공공 부문에서 AI를 활용한 데이터 기반 정책을 가로막는 요인으로는 Δ정책 정보의 표준화 및 연계 미비 Δ공공부문의 기술 활용 전문성 부족 ΔAI에 근거한 의사결정 책임 소재 불분명 등이 지적됐다.

보고서는 이러한 한계를 극복하기 위해 "교육·의료·치안·국방·기업지원 등 예산 규모가 크고 정책의 효과성 제고가 절실한 부문을 중심으로 데이터 기반 정책 체계로의 전환을 위한 국가 전략을 수립해야 한다"고 주장했다.

특히 "각 공공 분야에서 AI 도입 시 해당 기관을 지원하는 방식으로 정책을 설계할 수 있다"며 "지원 수단으로는 시스템, 데이터 플랫폼, 보안 등 기술적 측면과 더불어 조직 진단과 재설계 컨설팅, 교육·훈련 등 업무 혁신까지 포괄해야 한다"고 설명했다.

이 밖에 보고서는 부처 간 효율적이고 실효성 있는 정책 정보 교류를 위해 정책 조정 권한과 법적 근거를 갖춘 조직체계 구축이 필요하다고 밝혔으며, 현재 각 부처에서 별도 관리 중인 정부 사업 관련 데이터를 표준화된 방식으로 다뤄야 한다고 덧붙였다.