AI 기술의 고도화와 그 활용의 확산은 사회 전반에 이로운 혁신을 가져오는 동시에, 다양한 기술적, 사회적, 제도적 쟁점을 동반한다. 이들 쟁점은 단순한 기술 관리의 문제를 넘어, 법적 규범, 경제 질서, 민주적 가치와도 밀접하게 연관되어 있으므로, 종합적이고 정교한 규제 설계가 요구된다. 여기에서는 AI 규제와 관련된 세 가지 핵심 쟁점(기술적, 사회적·법적, 제도적)을 구체적으로 살펴보고자 한다. 물론 이러한 쟁점들이 서로 구분되기보다는 중첩되거나 긴밀히 연결되어 있음에 유의해야 한다.

최근 AI 글로벌 시장은 생성형 AI 모델의 등장으로 급속한 변화와 확산을 겪고 있다. 생성형 AI는 단순한 도구를 넘어 기업의 업무 자동화를 가속화하고, 나아가 자율주행, 의료 진단, 금융 서비스 등 다양한 분야에서 혁신을 주도하며 산업 경쟁력을 재편하고 있다. 글로벌 시장조사기관 Statista의 「Insights Compass 2023」1 보고서에 따르면, AI의 글로벌 시장 규모는 낙관적 시나리오 기준으로 2030년 약 15.72조 달러에 이를 것으로 전망된다.

현재 한국의 개인정보보호법은 세계에서 가장 강력하고 엄격한 규제법으로 알려져 있다. 유럽연합의 개인정보보호법(GDPR)과 비교하더라도 한국의 개인정보보호법은 세계에서 가장 엄격한 프라이버시 규제체계 중의 하나이. 특히 ‘동의 중심의 경직된 보호모델’로서 보호와 활용의 균형을 잃었다는 평가가 많다. 개인정보를 마치 사생활비밀처럼 보호해야 한다는 과도한 보호의식 속에서 개인정보의 수집·이용·제공에 정보주체의 사전 동의를 원칙으로 요구하고 있고, 동의 없는 처리에 대해서는 과도한 과징금과 형사처벌로 규율하고 있다.

인공지능 기술은 이미 범용화되어 인간의 삶과 사회를 획기적으로 변화시키고 있다. 우리를 비롯한 세계 각국은 정부와 기업이 인공지능기술 개발에 사활을 걸고 있다. 하지만 인공지능의 부작용에 대한 우려도 만만치 않고 이미 여러 기본권 침해적 상황이 발생하고 있다. 이 글은 인공지능의 여러 부작용 중 인공지능의 공정성, 편향성, 차별 문제를 논의의 대상으로 하여 편향성 문제의 여러 예와 원인, 완화 방안, 각국과 우리의 관련 법제에 대해 살펴보았다. 인공지능 학습을 위한 데이터나 알고리즘의 설계에 문제가 있는 경우, 혹은 데이터나 알고리즘에 문제는 없지만 우리 사회의 편향성을 인공지능이 학습하여 이를 그대로 반영하는 경우 인공지능의 공정성, 편향성 문제가 발생하고, 사회적 약자에 대한 차별이 문제가 된다. 이에 대한 대응으로 인공지능을 통한 인공지능의 공정성 심사와 검토가 이미 이루어지고 있으며, 학습데이터의 라벨링부터 알고리즘 설계에 있어서 인공지능의 편향성을 줄이기 위한 여러 방안이 논의되고 있다. 규범적 차원에서도 이를 규제할 것인지, 규제할 수 있는지, 어떻게 규제할 것인지도 논의되고 있다.

과학기술정보통신부와 한국지능정보사회진흥원이 발간한 '2024 인터넷이용 실태조사' 보고서이다.

IoT 분야가 꾸준한 성장세를 보이고는 있으나, 기대만큼의 성장세를 구현하고 있지는 못한 것도 사실이다. 전문가들은 그 원인으로 IoT 생태계가 다수의 파편화된 IoT 플랫폼 기반으로 구축되고 이에 따라 그 주도권이 플랫폼에 종속된 점을 핵심 문제로 지적하고 있다. 최근에 이러한 문제를 해소하기 위한 글로벌 차원의 노력이 강화하고 있다. 특히 홈 IoT를 중심으로 매터(Matter) 표준의 확산과 채택이 활발해지고 AI가 IoT 분야와 결합하면서 IoT는 새로운 도약을 모색하고 있다. 이러한 변화된 환경에서 국내 IoT 생태계의 현황을 파악하고 국내 IoT 생태계 활성화를 위한 이슈를 식별하고 이에 대한 논의를 통해 활성화 방안을 제시하는 것을 본 연구의 목표로 한다.

본 연구는 미디어 환경 변화에 따른 방송 프로그램 장르 구분의 타당성을 재검토하고 새로운 방송 프로그램 분류 기준을 제시하는 것을 목적으로 한다. 기존 방송법의 보도, 교양, 오락 중심 장르 구분이 현대 콘텐츠의 다양성과 이용자 인식 변화를 반영하지 못한다는 문제의식에서 출발했다. 이를 위해 문헌 연구와 더불어 프로그램 메타데이터 분석, 이용자 인식 조사 등 다각적인 실증 연구를 진행했다. 방송 프로그램의 장르 구분에 대한 이해관계자와 전문가의 관점을 심층적으로 조사하기 위해 지상파 및 종편 방송사 관계자, 정책 담당자, 학계 전문가 등 총 10명을 대상으로 인터뷰를 진행했다. 인터뷰에서는 방송사의 장르 구분 기준, 혼합 장르의 출현, 현행 규제의 적합성, 개선 방안 등을 주요 주제로 다루었으며, 이를 통해 기존 장르 정의가 현대 방송 환경에서 가지는 한계점을 파악하고자 했다. 또한, 현재 방영 중인 85개 프로그램을 대상으로 설문조사를 실시하여 이용자의 장르 인식을 조사했다. 연구 결과, 방송사와 이용자 간 장르 인식 불일치가 약 30%에 달하며, 특히 교양 프로그램에서 이러한 차이가 두드러지는 것으로 나타났다. 인터뷰 결과, 장르를 구분하는 주요 요인으로 제작 인력과 조직, 프로그램의 지향 목적, 구성 요소 등이 도출되었으며, 이러한 요소들이 현대 방송 콘텐츠 환경에서는 명확한 구분을 어렵게 만드는 요인으로 작용하고 있음을 확인했다. 이용자들은 보도와 오락에 대해서는 비교적 명확하게 인식하는 반면, 교양은 오락이나 보도로 혼동하는 경향을 보였다. 이는 방송 프로그램이 정보 전달과 오락적 요소를 복합적으로 포함하는 경향이 강해졌기 때문으로 해석된다. 나아가 뉴스 프로그램에 대한 이용자들의 인식 역시 변화하고 있으며, 전통적인 뉴스 형식 외에도 다양한 형식의 시사 프로그램을 뉴스로 간주하는 경향이 나타났다. 따라서 본 연구는 다차원적 장르 분류 체계 개발, 혼합 장르의 독립적 지위 부여, 디지털 콘텐츠 환경에 적합한 유연한 분류 체계 구축 등을 제안하며, 이용자 중심의 장르 정의 도입과 새로운 콘텐츠 환경에 부합하는 정책 및 전략 수립의 필요성을 강조한다.

인공지능(AI)을 둘러싼 글로벌 패권 경쟁이 중국의 딥시크 등장으로 더욱 치열하고 급박하게 전개되고 있다. 국회가 AI 기본법을 제정하고 정부는 2026년까지 GPU 1.8만 장 확보를 발표하는 등 적극 대응하고 있지만, 보다 시의적절하고 유효한 정책 추진을 위해 AI 기본법의 내실을 다지는 보완 입법이 필요하다. 주요 입법 과제는 AI 거버넌스의 정책 조정·집행 능력 강화, 고영향 AI의 개념·요건 구체화, AI 사업자 유형별 의무 차등화, GPU·인재·데이터센터 확충 및 제조업의 AI 도입 지원 등이다.

최근 특정 화풍으로 사진을 변환하는 생성형 AI가 유행하면서, 학습 과정에서의 저작권 침해 여부를 판단하기 위한 학습데이터 공개가 쟁점으로 부상했다. 그러나 현재 관련 의무 규정은 없으며, 이를 두고 저작권자와 사업자 간의 입장 차가 크다. 미국은 관련 법안을 추진 중이고, 유럽연합은 「인공지능법」에 학습데이터 공개 규정을 도입했다. 학습데이터 공개 의무 규정의 단계별 입법이 이루어질 필요가 있으며, 「인공지능 기본법」과 「저작권법」에서 해결해야 할 과제를 구분하여 검토해야 한다.

본 연구는 텍스트마이닝 기법을 활용하여 2022 개정 국어, 사회, 미술 교과 교육과정 문서를 분석하여 초･중학교 디지털 미디어 리터러시 교육 방향을 설정하기 위한 기초 자료를 마련하고자 하였다. 교과별 ‘공통 교육과정’ 문서에 반영된 디지털 미디어 리터러시 관련 주요어의 양상을 살펴보기 위해 키워드 빈도 분석을 통해 교과별 강조 키워드를 확인하고, 키워드 네트워크 분석을 통해 주요어 중심의 단어 연결 구조를 시각화하였다. 분석 결과, 교과별로 다소 차이가 있으나 콘텐츠 관련 단어, 디지털 관련 단어들이 빈번하게 출현하였고, 핵심적인 키워드를 중심으로 각각 2~3개 커뮤니티가 형성되었으나 커뮤니티 간 상호 유기적으로 연결되는 구조의 네트워크가 관찰되었다. 이와 같은 키워드 분석 결과와 디지털 미디어 리터러시 개념 프레임워크를 종합적으로 고려하여 교과 교육과정 기반의 디지털 미디어 리터러시 교육 내용 설정을 위한 시사점을 도출하였다. 본 연구의 결과는 초･중학교 교과 교육과정 기반의 디지털 미디어 리터러시 교육 내용 지형도 구축, 나아가 2022 개정 교육과정 중점 사항의 하나인 디지털 기초소양 교육의 체계화 지원의 토대로 기여하게 될 것이다.