코리아타임뉴스 오영주 기자 | 인공지능(AI) 모델·시스템을 개발하거나 제공할 때 프라이버시 리스크를 체계적으로 관리할 수 있는 정부 차원의 모델이 제시됐다.

 

개인정보보호위원회는 AI 기업이 자율적으로 프라이버시 리스크를 관리할 수 있도록 '안전한 인공지능(AI)·데이터 활용을 위한 AI 프라이버시 리스크 관리 모델'(‘리스크 관리 모델’)을 공개했다. 이러한 리스크 관리 모델에는 AI 생애주기에 걸친 프라이버시 리스크 관리의 방향과 원칙, 리스크 유형, 경감방안을 체계적으로 담았다.

 

AI 시대의 데이터 처리방식은 개인정보 유·노출 등 전형적 프라이버시 리스크는 물론 딥페이크로 인한 인격권 침해 등 새로운 리스크를 유발하고 있다. 이러한 리스크를 적정하게 관리하는 것은 정보주체의 보호뿐만 아니라 지속 가능하고 신뢰할 수 있는 AI를 위해 필수적이고, 리스크에 대한 체계적인 이해를 바탕으로 비례적, 합리적 경감조치를 취할 필요가 있다.

 

이에 따라 최근에 국내외 정부기관, 학계·연구계를 중심으로 AI 전반의 리스크에 대한 연구가 진행되고 리스크 관리 프레임워크가 마련되고 있지만 아직 초기 단계이다. 더구나, 프라이버시 리스크와 관련해서는 일선 현장에서 참고할 수 있는 정리된 자료가 부족했다.

 

이에 개인정보위는 지난해 12월부터 '인공지능(AI) 프라이버시 민·관 정책협의회' 리스크 평가 분과(2분과)의 논의를 중심으로 리스크 관리 모델을 마련했다. 리스크 관리 모델은 국내외 학계, 정부, 연구기관 등에서 논의되고 공감대가 형성되고 있는 AI 데이터 처리 특성, 프라이버시 리스크 유형, 리스크 경감방안 및 관리체계, 기업 사례 등을 집대성해 안내하는 자료로서, 본 안내서에서 제시되는 모든 개별조치의 이행이 반드시 요구되는 것은 아니다.

 

리스크 관리 모델의 주요 내용은 다음과 같다.

 

AI 프라이버시 리스크 관리의 절차

 

먼저, AI 프라이버시 리스크 관리 절차이다. AI는 매우 다양한 맥락·목적으로 활용되고 있어, 데이터 요구사항(종류, 형태, 규모 등) 및 처리방식이 다르다. 따라서 리스크의 성격을 결정짓고 관리하기 위한 출발점으로 먼저 ① AI의 구체적 유형·용례를 파악한다. 이를 토대로 AI 유형·용례별로 구체적 ② 리스크를 식별하고, 리스크 발생확률, 중대성, 우선순위, 수용가능성 등 ③ 정성적·정량적 리스크 측정을 수행할 수 있다. 이후, ④ 리스크에 비례하는 안전조치를 마련함으로써 리스크를 체계적으로 관리할 수 있다.

 

이러한 리스크 관리는 리스크의 조기 발견과 완화를 위해 개인정보 보호 중심 설계(PbD) 관점에서 AI 모델·시스템의 기획·개발 단계부터 이루어지는 것이 바람직하며, 이후 시스템 고도화 등 환경 변화에 따라 주기적·반복적으로 이루어지는 것이 권장된다.

 

AI 프라이버시 리스크의 유형

 

다음으로 프라이버시 맥락에서 AI 리스크 유형을 예시로 제시했다. 국내외 문헌조사, 기업 인터뷰 등을 통해 파악한 AI 기술의 고유한 특성과 기능 및 데이터 요구사항 등으로 인해 새롭게 나타나는 정보주체 권리침해, 그리고 개인정보 보호법 위반 리스크 등을 중점적으로 다뤘다.

 

구체적으로 AI의 생애주기(life-cycle)에 따라 AI 모델·시스템의 기획·개발 단계, 서비스 제공 단계에서 발생하는 리스크를 구분해 제시했으며, 서비스 제공 단계는 생성 AI와 판별 AI를 구분함으로써 AI 용례·유형에 따른 구체성을 더했다.

 

AI 프라이버시 리스크의 경감방안

 

아울러, 리스크를 경감하기 위한 관리적, 기술적 안전조치도 안내했다. 다만 모든 경감조치를 필수적으로 취해야 하는 것은 아니며, 구체적으로 리스크를 식별하고 측정한 결과 등 개별 맥락에 따라 최적의 안전조치 조합을 마련하여 시행할 수 있도록 안내했다.

 

먼저 관리적 안전 조치에는 ▲ 학습데이터 출처·이력 관리, ▲ 허용되는 이용방침 마련, ▲ AI 프라이버시 레드팀을 통한 개인정보 침해유형 테스트 및 조치, ▲ 부적절한 답변 등에 대한 정보주체 신고방안 마련 등이 포함된다. 또한, 학습데이터에 민감한 정보가 포함될 개연성이 높거나 대규모 개인정보가 포함되는 경우 ▲ 개인정보 영향평가 수행도 권장된다.

 

다음으로 기술적 안전 조치에는 ▲ AI 학습데이터 전처리(불필요한 데이터 삭제, 가명·익명화, 중복제거 등), ▲ AI 모델 미세조정을 통한 안전장치 추가, ▲ 입력·출력 필터링 적용, ▲ 차분 프라이버시 기법의 적용 등이 포함된다. 한편, 한국어가 적용된 AI 모델의 특수성도 고려하기 위해 개인정보위는 한국어 언어모델 대상 프라이버시 리스크 경감기술 효과 분석을 위한 정책연구*를 진행하여 관련 연구가 부족한 상황에서 과학적 실증에 기반한 정책을 마련하기 위해 노력했다.

 

AI 프라이버시 리스크의 관리 체계

 

마지막으로 리스크 관리체계를 제시했다. AI 환경에서는 개인정보보호, AI 거버넌스, 사이버보안, 안전·신뢰 등 다양한 디지털 거버넌스 요소가 상호연관된다. 이에 따라 전통적 프라이버시 거버넌스의 재편이 필요하며, 이때 개인정보 보호책임자(CPO)의 주도적 역할·책임감이 중시된다. 또한, 리스크에 대한 다각적·전문적 평가를 수행할 수 있는 담당조직을 구성하고, 체계적 리스크 관리를 보장하는 정책을 마련하는 것이 바람직하다.

 

아울러, AI 기업 등은 AI 밸류체인 내에서 당해 기업·기관의 권한 및 책임의 범위를 명확히 파악하고, 타 기업·기관과의 협력체계를 구체화함으로써 프라이버시 리스크 변화에 지속 대응하고 정보주체의 권리행사를 효과적으로 보장할 수 있다.

 

개인정보위는 추후 AI 기술 발전, 개인정보 관련 법령 제·개정, 글로벌 동향 등을 고려해 리스크 관리 모델을 지속적으로 업데이트할 계획이다. 또한, 소규모 조직, 스타트업 및 AI 개발 유형(미세조정, 검색증강(RAG) 등) 등 세부대상, 영역 등에 특화된 안내자료도 조만간 구체화될 예정이다.

 

이 밖에 개인정보위는 사전적정성 검토제, 규제샌드박스, 개인정보 안심구역 등 혁신지원제도를 통해 인공지능(AI) 기업과 수시로 소통하면서 기술의 발전 양상과 기업 애로사항을 모니터링하고, 이를 통해 축적된 사례와 경험을 토대로 AI 시대에 맞게 개인정보 보호법을 정비하는 작업도 추진할 예정이다.

 

이번 리스크 관리 모델 논의를 이끈 박상철 서울대 교수(민·관 정책협의회 리스크 평가 분과장)는 “전세계적으로 빠르게 발전하는 AI 기술과 기존 개인정보보호 규제 간에 간극과 긴장이 발생하고 있어 대응이 필요한 시점이다.”라며, “각계 전문가와 함께 세계적인 AI 거버넌스의 흐름과 실증 연구 결과들에 부합하는 유연하고 체계적인 프라이버시 리스크 관리체계를 제시했다는 점에서 의미가 있다.”라고 전했다.

 

민·관 정책협의회의 공동의장인 배경훈 LG AI 연구원장은 “국제적 논의가 활발한 AI 프라이버시 분야에서 우리나라가 선도적으로 리스크 관리 모델을 개발한 것은 의미있는 성과”라며, “AI 기업 등이 혁신과 프라이버시 보호를 동시에 달성할 수 있도록 개인정보위의 지속적 지원을 부탁드린다.”라고 말했다.

 

고학수 개인정보위 위원장은 “개인정보, 비개인정보가 총체적으로 활용되고 기술 발전이 지속되는 AI 영역은 불확실성이 높기 때문에 일률적 규제보다는 합리적·비례적 관리를 통해 리스크를 총체적으로 최소화하는 것이 필요하다.”라며, “리스크 관리 모델이 AI 기업 등이 프라이버시 리스크를 이해하고 체계적으로 관리하는 데 도움이 되길 바란다.”라고 말했다.