과학기술정보통신부 발표에 따르면 5개 정예팀은 1차 단계평가 과정에서 AI 학습용 데이터 29종, 약 3,544만 건을 구축했습니다. 토큰 기준으로는 약 1조 5,600억 토큰이며, 정부는 이론적으로 70~80B 규모의 대형 AI 모델 학습에 활용할 수 있다고 설명했습니다. 데이터 구축·가공에는 지난해 예산 150억 원이 투입됐습니다.

팀별 구성은 개발 전략에 따라 다릅니다. 네이버클라우드는 공개·방송 영상과 여기서 추출한 텍스트, 음성 질의응답 데이터를 만들었습니다. 업스테이지는 1조 토큰 규모의 사전학습 데이터와 추론·판단 능력을 다듬는 사후학습 데이터를 구축했습니다. SK텔레콤은 수학·과학·법률 분야의 다단계 추론 데이터와 한국 사회의 맥락을 반영한 레드티밍 데이터를 포함했습니다.

NC AI는 제조 기술문서와 민원 상담 음성을 바탕으로 긴 문맥 이해, 멀티턴 대화, 질의응답에 필요한 7종 데이터를 마련했습니다. LG AI연구원은 국내 실제 가정 50곳에서 50종 이상의 가사 활동을 촬영해 17만 개가 넘는 영상 클립을 구축했습니다. 같은 ‘AI 학습 데이터’라도 언어, 장면, 행동, 안전성을 서로 다른 방식으로 다룬 셈입니다.

대규모 텍스트 데이터는 언어의 패턴과 지식을 익히는 기반이 됩니다. 그러나 실제 서비스는 문서만 읽지 않습니다. 영상을 보고 상황을 이해하거나, 음성을 듣고 대화를 이어가거나, 긴 문맥 속에서 앞선 정보를 기억해야 합니다. 멀티모달 데이터가 함께 공개되면 국내 AI가 학습할 수 있는 현실의 장면도 넓어집니다.

사후학습과 레드티밍 데이터가 포함된 점도 중요합니다. 모델을 처음 학습시키는 데이터만으로는 지시를 얼마나 정확하게 따르는지, 복잡한 문제를 어떻게 추론하는지, 위험한 질문에 어떤 반응을 보이는지까지 확인하기 어렵습니다. 성능 향상과 안전성 점검에 필요한 자료가 함께 있어야 모델을 실제 서비스에 적용하는 과정까지 연결할 수 있습니다.

다만 데이터가 공개됐다고 모든 개발자가 같은 출발선에 서는 것은 아닙니다. 대형 모델을 학습할 연산 자원, 데이터를 정제하고 조합하는 기술, 결과를 평가할 기준이 여전히 필요합니다. 이번 개방은 경쟁 조건을 같게 만드는 조치라기보다, 학습 자원에 접근할 수 있는 문턱을 낮추는 변화로 보는 편이 정확합니다.

첫째는 공개된 데이터의 구성입니다. 기사나 발표에서 제시한 전체 건수만 보지 말고, 필요한 언어와 도메인, 입력 형식, 학습 단계가 포함돼 있는지 확인해야 합니다. 영상·음성 데이터라도 주석 방식과 촬영 환경이 목적에 맞지 않으면 활용 범위가 달라집니다.

둘째는 품질과 권리 조건입니다. 정부는 NIA와 한국정보통신기술협회(TTA)가 품질, 개인정보, 유해성을 검증하고 라이선스 제약이 있는 데이터를 제외했다고 설명했습니다. 이용자는 각 데이터 페이지에서 세부 라이선스와 신청·다운로드 조건을 다시 확인해야 합니다.

셋째는 발표 수치와 실제 공개 목록의 차이입니다. 과학기술정보통신부 발표는 29종을 제시하지만, AI허브가 8월 31일 게시한 공식 개방 안내에는 현재 22종이 표시돼 있습니다. 공개 시점이나 집계 기준의 차이일 수 있으므로, 실제 활용 단계에서는 기사에 적힌 총량보다 AI허브의 최신 목록을 기준으로 확인할 필요가 있습니다.