표제지 1

목차 2

Ⅰ. 연구의 개요 7

1. 연구의 배경 8

1) 법ㆍ제도적 환경 변화 8

2) 국내 품질 관리 가이드 고도화 9

3) 지방정부 선도 사례와 광주의 국가 AI 데이터센터 10

2. 연구 필요성 및 목적 12

1) 연구 필요성 12

2) 연구 목적 12

3. 연구 내용 및 방법 14

1) 연구 범위 14

2) 연구 체계 14

Ⅱ. 공공데이터와 AI 학습데이터 개념 및 전환 필요성 15

1. 공공데이터의 개념ㆍ정책 환경 16

1) 공공데이터의 정의 16

2) 공공데이터의 정책 환경 16

2. AI 학습데이터의 개념ㆍ특성 17

1) AI 학습데이터의 정의 17

2) AI 학습데이터의 핵심 특성 18

3. 공공데이터의 AI 학습데이터 전환 필요성 및 목표 20

1) AI 학습데이터 구축의 필요성 20

2) 현장 기반 데이터 구축의 전략적 중요성 21

Ⅲ. 공공데이터 및 AI 학습데이터 현황 조사 23

1. 국내 공공데이터 현황 24

1) 공공데이터 포털 운영 현황 및 성장 추이 24

2) 공공데이터 포털 데이터 유형별 분류 및 특성 분석 25

3) OECD 한국 공공데이터 개방 평가 및 국제 비교 26

4) 광주광역시 공공데이터 현황 및 AI 학습데이터 전환 진단 27

2. 국내외 공개 AI 학습데이터 구축ㆍ개방 현황 30

1) 국내외 AI 데이터 구축 우수사례 조사 개요 30

2) 중앙정부 AI 학습데이터 구축 사례 30

3) 서울시 AI 학습데이터 구축 사례 32

4) 부산 민간 협력 기반 부산형 데이터 통합플랫폼(Big-데이터웨이브) 구축 사례 34

5) 샌프란시스코 공식 개방형 데이터 포털 : SF OpenData(DatasSF) 사례 36

3. 국내 가이드라인 및 메타데이터 표준 조사 38

1) NIA 'AI 데이터 품질 관리 가이드 v3.5' 분석 38

2) DCAT-AP-KR(대한민국 데이터 포털 응용 프로파일) 상세 분석 41

4. 광주형 AI 학습용 공공데이터 구축을 위한 시사점 43

1) 국내외 우수사례 벤치마킹 시사점 43

2) 공공데이터ㆍAI 학습데이터 관점에서 본 광주의 SWOT 분석 44

Ⅳ. 광주형 AI 학습용 공공데이터 구축 전략 설계 47

1. 데이터 생애주기 관점의 AI 공공데이터 구축 체계 48

1) 수요자 중심 데이터 구축 패러다임의 전환 필요 48

2) 인공지능 학습데이터 생애주기별 관리 체계 50

3) 표준화 기반 메타데이터 4계층 관리 체계 52

4) 광주형 품질ㆍ보안ㆍ법제 원칙 52

2. 광주 AI 학습 공공데이터 구축 전략 53

1) 우선 구축 데이터 선정 원칙 및 절차 53

2) 단계별 실행 전략 및 로드맵(2026~2028년) 53

3) 구체적 AI 학습 공공데이터 구축 방안 59

4) 거버넌스 구축 및 품질 관리 체계 61

5) 법적ㆍ제도적 기반 정비 66

Ⅴ. 결론 71

1. 연구 결과 요약 72

1) 책임 있는 거버넌스와 전담 조직 혁신 72

2) 수요자 중심ㆍ생애주기 기반 구축 체계 제안 72

3) 광주형 단계별(2026~2028년) 구축 전략 72

4) 거버넌스ㆍ품질ㆍ법제 기반의 광주형 정책 프레임 72

2. 광주형 AI 학습용 공공데이터 구축의 전략적 제언 73

1) 책임 있는 거버넌스와 전담 조직 혁신 73

2) 데이터 고도화와 국제 표준 내재화 73

3) 단계별(초기-중기-확대) 전략 계획 추진 73

4) 시민 참여ㆍ산학ㆍ민간 활성화와 인센티브 73

5) 법제화ㆍ윤리ㆍ신뢰성 강화 74

3. 정책적 기대 효과 74

1) 정책ㆍ행정 혁신과 신속성 제고 74

2) 지역 산업ㆍ인재ㆍ신사업 성장 실현 74

3) 시민 참여 확대와 데이터 신뢰성 향상 74

4) 전국ㆍ아시아 파급 및 글로벌 리더십 확립 75

5) AI+데이터 선도 도시 위상 강화 75

4. 연구의 한계 및 향후 과제 75

1) 데이터 범위와 정량분석의 한계 75

2) 수요 조사 및 실증 결과의 미포함 75

3) 기술ㆍ법제 환경 변화에 따른 변동 가능성 76

참고문헌 77

판권기 79

표목차 4

〈표 Ⅰ-1〉 공공데이터 정책의 패러다임 진화 9

〈표 Ⅰ-2〉 연구 구조 및 추진 체계 14

〈표 Ⅱ-1〉 기존 공공데이터 vs AI 학습데이터 비교 20

〈표 Ⅱ-2〉 광주광역시 현장 인프라 및 데이터 생성 현황 22

〈표 Ⅲ-1〉 공공데이터 포털 규모 추이(2014~2024년) 24

〈표 Ⅲ-2〉 공공데이터 포털 유형별 데이터 상세 분포표 26

〈표 Ⅲ-3〉 공공데이터 분야 OECD 평가 주요 결과(2023년) 26

〈표 Ⅲ-4〉 광주 공공데이터 분야별 현황 28

〈표 Ⅲ-5〉 NIA의 AI 학습데이터 분야별 구축 현황(2025.10.29.) 31

〈표 Ⅲ-6〉 서울시 AI 학습데이터 구축 사례 상세 32

〈표 Ⅲ-7〉 AI 데이터 품질 관리 지표 38

〈표 Ⅲ-8〉 품질 관리 프레임워크 프로세스 정의 40

〈표 Ⅲ-9〉 DCAT-AP-KR 주요 속성 42

〈표 Ⅲ-10〉/〈표 Ⅲ-9〉 광주 벤치마킹 전략의 주요 추진 항목 43

〈표 Ⅳ-1〉 공급자 중심 vs 수요자 중심 데이터 구축 48

〈표 Ⅳ-2〉 AI 학습데이터 단계별 핵심 활동과 품질 게이트 51

〈표 Ⅳ-3〉 메타데이터 4계층 정의 및 주요 항목 52

〈표 Ⅳ-4〉 초기 단계 주요 추진 과제 54

〈표 Ⅳ-5〉 2026년 상반기 공공데이터 우선순위 선정 결과(예시) 55

〈표 Ⅳ-6〉 중기 단계 주요 추진 과제(예상 수요 데이터 기준) 56

〈표 Ⅳ-7〉 확대 단계 주요 추진 과제 58

〈표 Ⅳ-8〉 RICE 우선순위 평가 모델 59

〈표 Ⅳ-9〉 데이터 사례 중심의 구체적 구축 방안(예시) 60

〈표 Ⅳ-10〉 단계별 품질 관리 프로세스 65

〈표 Ⅳ-11〉 '광주광역시 AI 학습용 공공데이터 구축 및 개방에 관한 조례'(가칭) 66

〈표 Ⅳ-12〉 '광주 AI 학습용 공공데이터의 개인정보보호ㆍ보안 관리 규정'(가칭) 69

그림목차 6

〈그림 Ⅰ-1〉 서울시 AI 기반 건축공사장 위험 요소 관제 시스템 10

〈그림 Ⅰ-2〉 서울시 포트홀 자동탐지 시스템 10

〈그림 Ⅰ-3〉 국가 인공지능(AI)데이터센터 전경 11

〈그림 Ⅱ-1〉 AI 학습데이터 예시(자동차 이미지) 18

〈그림 Ⅲ-1〉 공공데이터 포털 성장 추이(2014~2024년) 24

〈그림 Ⅲ-2〉 공공데이터 제공기관 유형별 구성(2024년) 25

〈그림 Ⅲ-3〉 2023년 OECD 국가 OURdata 지수(좌), 국가 디지털정부 지수(우) 27

〈그림 Ⅲ-4〉 광주 빅데이터 통합플랫폼 27

〈그림 Ⅲ-5〉 NIA의 AI-Hub 홈페이지 30

〈그림 Ⅲ-6〉 서울시 열린 데이터 광장 홈페이지 32

〈그림 Ⅲ-7〉 부산광역시 Big-데이터웨이브 34

〈그림 Ⅲ-8〉 Big-데이터웨이브 주요 서비스 구조 35

〈그림 Ⅲ-9〉 샌프란시스코 SF Open Data(DataSF) 36

〈그림 Ⅲ-10〉 품질 관리 프레임워크 프로세스 및 데이터 산출물 39

〈그림 Ⅲ-11〉 DCAT-AP-KR의 핵심 클래스와 관계 41

〈그림 Ⅲ-12〉 광주 공공데이터의 AI 학습데이터 구축 SWOT 분석 46

〈그림 Ⅳ-1〉 수요자 중심 AI 데이터 구축 프로세스 49

〈그림 Ⅳ-2〉 품질 관리 프레임워크 프로세스 및 데이터 산출물 50

〈그림 Ⅳ-3〉 광주 AI 학습용 공공데이터 구축 로드맵(2026년~2028년) 58

〈그림 Ⅳ-4〉 광주 AI 공공데이터 거버넌스 상세 조직도 63