‘디지털 뉴딜(Digital New Deal)’이 화두로 떠오르고 있다. 디지털 뉴딜이란 코로나19 사태 이후 경기 회복을 위해 마련된 범국가적 프로젝트다. 국내 산업의 디지털화를 가속하고 비대면화를 촉진시켜 디지털 기반의 일자리 창출 및 경제 혁신 가속화를 추진한다는 의미다.

이처럼 코로나19 사태를 극복할 새로운 원동력으로 디지털 뉴딜 정책이 각광을 받고 있는 상황에서 지난 3일 전남대학교에서는 ‘포스트 코로나 시대, 전환포럼 2020’이 개최되어 주목을 끌었다.

‘포스트 코로나 시대, 과학기술의 역할과 한국형 뉴딜 실현’이라는 주제로 대통령직속 정책기획위원회가 주관한 이번 행사는 코로나19 사태 이후 전개될 시대를 전환적 관점에서 바라보면서 새로운 미래와 성장의 기회를 모색하자는 취지로 마련됐다.

국가 바이오 데이터스테이션은 대표적 데이터댐 모델

‘포스트 코로나 시대, 디지털 뉴딜 정책 방향’에 대해 발제를 맡은 고진 4차산업혁명위원회 위원은 디지털 뉴딜을 “코로나19 사태로 인해 벌어진 경제 위기를 극복하기 위한 우리만의 D.N.A 기반 회복 전략”이라고 정의했다. D.N.A란 데이터(Data)와 네트워크(Network), 그리고 인공지능(AI)을 뜻한다.

뉴딜(New Deal) 정책은 세계 대공황 시절에 미국의 루스벨트 대통령이 위기 극복을 위해 채택한 정책이다. 대규모 공공 토목사업을 통해 일자리를 창출하는 정책으로서 당시의 핵심 사업장은 후버댐 건설이었다.

디지털 뉴딜은 미국의 뉴딜과 비슷하면서도 다르다. 유사한 점은 정책 추진을 통해 대규모 일자리를 창출한다는 점이고, 다른 점은 토목사업이 아닌 디지털 기술을 통해 일자리를 만든다는 점이다. 뉴딜 정책의 핵심 사업장이 후버댐이라면, 디지털 뉴딜의 핵심사업은 ‘데이터댐’이라는 것이 고 위원의 설명이다.

데이터댐이란 공공기관이나 민간기업이 데이터를 수집하고, 이를 가공하여 쓸모 있는 정보로 재구성한 집합 시스템을 가리킨다. 이를 활용하면 더 스마트한 AI를 개발할 수 있고, 기존의 굴뚝산업을 혁신산업으로 변신시킬 수도 있다.

데이터댐을 구축하려면 데이터를 수집하고 이를 표준화시켜야만 한다. 또한 데이터를 가공하거나 결합시켜 새로운 데이터를 만들어내기도 한다. 이 과정은 모두 사람의 힘을 통해 이루어져야 하기 때문에 그 과정에서 많은 일자리가 생겨날 수밖에 없다.

데이터댐과 관련된 대표적 사례로는 최근 정부가 내년까지 조성하기로 발표한 ‘국가 바이오 데이터 스테이션(data station)’을 꼽을 수 있다. 국가 바이오 데이터스테이션이란 과학기술정보통신부를 비롯한 10개 부처가 R&D 사업을 통해 확보한 바이오 관련 데이터를 한곳에 모아 활용할 수 있는 데이터댐이다.

이 바이오 데이터댐이 완성되면 국내 연구진은 다양한 바이오 관련 데이터를 손쉽게 확보할 수 있기 때문에 백신 같은 신약 개발이나 진단키트 개발에 커다란 도움을 줄 수 있을 것으로 전망되고 있다.

디지털 뉴딜 통한 일자리 사례인 데이터 라벨링 사업

고 위원은 “디지털 뉴딜은 우리나라뿐만이 아니라 거의 모든 나라에서 공통적으로 추진하고 있는 정책”이라고 소개하며 “따라서 우리의 강점인 ICT 기술을 기반으로 하는 ‘한국형 디지털 뉴딜’을 구축하는 것이 필요하다”라고 강조했다.

그러면서 한국형 디지털 뉴딜의 추진전략으로 △D.N.A 생태계 강화 △사회간접자본(SOC)의 디지털화 △비대면 산업 육성 △디지털 포용 및 안전망 구축 등을 제시했다. 이 같은 전략이 성공적으로 수행되면 약 33만 개의 새로운 일자리가 생겨날 수 있다는 것이 고 위원의 설명이다.

그렇다면 디지털 뉴딜 정책을 통해 창출되는 일자리 사업으로는 어떤 것들이 있을까. 고 위원은 대표적 사례로 AI 학습용 ‘데이터 라벨링(Data Labeling)’ 사업을 들었다.

데이터 라벨링이란 AI가 학습을 하는데 필요한 이름표를 달아주는 사업이다. AI도 사람처럼 지식을 축적하려면 외부에서 정보가 제공되어야 하는데, 그런 정보를 제공해 주는 일을 사람이 수행하는 것이다.

AI 학습용 데이터는 언론에 많이 소개된 빅데이터와는 근본적으로 다르다. 유동인구 데이터나 방문 기록 데이터 같은 유사한 형태의 데이터를 분석하여 필요한 정보를 확보하는 것이라면, AI 학습용 데이터는 다양한 형태의 데이터를 AI가 인식할 수 있도록 표준화시키는 작업이라 할 수 있다.

예를 들어 AI가 비행기를 인식할 수 있도록 만들고 싶다면 다양한 비행기 사진을 AI에게 입력하고 그 특징을 학습시키면 되는데, 이때 입력하는 사진에 ‘비행기’라는 이름표를 달아주는 작업이 바로 데이터 라벨링인 것이다.

이 외에도 고 위원은 “데이터 라벨링 말고도 노약자를 위해 도우미 로봇을 제작하는 일이나, 취약 계층에 디지털 교육을 제공하는 일, 또는 섬이나 오지에 사는 주민들을 위해 원격의료를 서비스하는 일 등이 모두 디지털 뉴딜을 통해 창출할 수 있는 일자리”라고 밝혔다.

발표를 마무리하며 고 위원은 디지털 뉴딜 추진을 위한 세부과제로 △스마트 산단(smart cluster) 공유 및 통합 인프라 구축 △SW 인프라 강화를 위한 ‘디지털 집현전’ 구축 △데이터 활용과 보호를 위한 통합 관리 체계 구축 △초·중·고·대학을 모두 연계한 디지털 실험실 네트워크 구축 등을 제시했다.