문서 형식 전환부터 AI-레디까지, 한국의 AI 데이터 이야기

2025년, AI가 우리 일상 속에 더 가까이 다가오면서 한 가지 질문이 떠오릅니다. “AI는 어떤 데이터로 학습할까?”
이제 그 답은 공공 문서에 있습니다. 정부와 기관이 보유해온 문건들이 AI의 원재료가 되려는 움직임이 점점 뚜렷해지고 있습니다.

 

우리가 흔히 보는 보고서, 계획서, 통계 자료 같은 공공 문서들은 오래전부터 기록되어 왔지만, 대부분 사람을 위해 읽기 좋게 쓰인 텍스트였습니다. 그런데 AI에게 필요한 것은 ‘읽기 좋은’ 문서가 아니라 ‘기계가 이해할 수 있는’ 문서입니다.
예전까지 공공 문서는 한글(HWP)이나 스캔된 이미지 PDF 형태가 많았고, 이들 형식은 AI가 처리하기 어렵다는 것이 문제였습니다. 실제로 최근 조사에 따르면 전국 행정기관 공무원 중 **91.1%**가 보고서나 계획서를 HWP 또는 이미지/스캔 PDF 형식으로 작성한다고 답한 바 있습니다. ZDNet Korea

 

이를 해결하기 위해 한컴은 HWP에서 HWPX라는 개방형 포맷으로의 전환을 시작했습니다. XML 기반의 HWPX는 문서의 구조, 텍스트, 표 등을 AI가 읽기 좋은 형태로 표현할 수 있게 설계되어 있습니다. 매일경제+1

실제로 정부와 민간 전문위원회 자문을 거쳐, HWPX 포맷의 데이터 추출 효율이 MS 워드의 DOCX와 비교해도 크게 뒤지지 않는다는 평가를 받기도 했어요. 매일경제+1

 

이제 데이터 개방의 방향도 바뀌고 있습니다. 양을 늘리는 단계에서 ‘어떤 데이터를, 어떤 형식으로 제공할지’가 더 중요해졌죠. 정부는 공공데이터 개방을 확대하는 한편, 공공저작물을 AI 학습용으로 활용할 수 있도록 규제를 완화하고 있습니다. LG AI연구원, 네이버클라우드, SK텔레콤 등을 포함한 5대 컨소시엄이 이러한 공공저작물 활용 기회를 확보한 것이 좋은 예입니다. 매일경제+1
또한 행정안전부는 앞으로 공공 데이터가 AI가 바로 읽고 활용 가능하도록 ‘AI-레디’ 형식으로 제공하고, 요약 통계, 변경 이력 등 메타데이터를 포함하겠다는 전략을 발표했습니다. 매일경제+3ZDNet Korea+3매일경제+3

 

하지만 쉽지만은 않은 길이 남아 있습니다. 기관마다 문서 형식이 제각각이거나, 일부는 여전히 구형 HWP만 사용하는 경우가 있습니다. 이 경우 AI 활용에 제약이 생길 수밖에 없죠. 조선비즈 또한, 단순히 데이터를 개방한다고 끝나는 게 아니라, 품질 관리와 정제 작업이 필수입니다. 문서 간 중복, 오류, 불필요한 정보 제거 등의 과정이 반드시 따라야 합니다.

 

흥미롭게도 정부는 ‘중요 데이터’의 개방 우선순위를 정하는 전략도 함께 추진하고 있습니다. 민간 활용 수요가 높고 사회 영향력이 큰 데이터부터 개방하겠다는 계획입니다. 예를 들어, 기상 정보, 공공 서비스 데이터 등이 우선 대상이 될 수 있다는 내용도 발표된 바 있습니다. 한국무역협회
또한 AI 기반 검색·추천 기능, 보안체계 강화, 민간 연계 기능 도입 등을 포함한 차세대 공공데이터 포털 고도화 작업이 2026년 6월경 완료될 예정이란 발표도 있었습니다. 한국무역협회

 

공공 데이터가 AI의 ‘원유’가 되려면, 단순한 개방을 넘어서 데이터를 제대로 담고, 정제하고, 잘 연결하는 체계적 접근이 필요합니다. 한국은 이제 양적 개방에서 품질 중심의 개방으로 넘어가려는 중입니다.

 

참고 / 발췌한 기사 및 자료

• MK: “‘한글 파일’ 공문서 푸는 정부 … '국대 AI' 개발 돕는다” 매일경제
• ZDNet: “공무원 10명 중 9명 ‘AI 못 읽는 HWP·PDF 쓴다’… AI 정부 과제” ZDNet Korea
• MK (English): “The core of the fast-developing generative AI … Hancom opened … HWPX” 매일경제
• MK: “HWPX 개방 문서 형식, DOCX와 추출 효율 유사” 매일경제
• KITA 뉴스: “AI 시대 핵심 데이터, 중요 공공 데이터 개방 유도” 한국무역협회
• KITA 뉴스: “공공데이터 포털 고도화 … 내년 6월 공개” 한국무역협회