[IT과학칼럼] 식품 R&D 데이터, ‘AI·AX 대전환’의 기반 작성일 02-09 46 목록 <div id="layerTranslateNotice" style="display:none;"></div> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="0a3bnkvmH9"> <figure class="s_img figure_frm origin_fig" contents-hash="b4235ec6c9d8fa1bebcfec7c74b91ac75144528ce39fa81d43bd076496be79c7" dmcf-pid="pvPnCG715K" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202602/09/ned/20260209111343900hgfm.jpg" data-org-width="228" dmcf-mid="38lX2MAiZ2" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202602/09/ned/20260209111343900hgfm.jpg" width="228"></p> </figure> <p contents-hash="75f4f039844121f4f3243a3ced87805f6bd42f47d580e9c211575081a357e281" dmcf-pid="UTQLhHztYb" dmcf-ptype="general">인공지능기본법이 올해부터 시행되면서 AI의 업무현장 도입을 위한 제도적 기반이 마련됐다. 그러나 연구데이터와 성과물이 부서나 과제별로 분산되어 있고 데이터의 표현 방식이 제각각이면, AI를 연구에 적용하여 학습·검색· 추론하는 데 한계에 부딪히는 경우가 많다. 따라서 AI 기술의 성능을 논하기 이전에, 데이터를 쉽게 접근 가능하고 서로 연결되며 재사용이 가능한 상태로 정비하는 것이 선행되어야 한다.</p> <p contents-hash="4726b0cc8df040478604a6ea871857e416a6c288060b92f33d6e937352969d2c" dmcf-pid="uyxolXqFXB" dmcf-ptype="general">글로벌 오픈사이언스 흐름에서 데이터의 페어(FAIR·Findable, Accessible, Interoperable, Reusable) 원칙이 강조되는 이유도 여기에 있다. 식품 연구는 가공·미생물 등 다양한 분야가 복합적으로 얽혀 있는 만큼, 데이터가 분절되면 AI의 효용은 급격히 떨어지지만, 반대로 표준화된 데이터가 축적된 경우 큰 파급력을 가질 수 있다.</p> <p contents-hash="2e8428c1ef15e75455c168da249c3217af85d49c53dc75f6d44cad28b252c3a1" dmcf-pid="7WMgSZB3Zq" dmcf-ptype="general">한국식품연구원은 이러한 세계적 흐름 속에서 AI 활용이 실질적인 성과로 이어지기 위해 무엇이 선행되어야 하는지에 주목해 왔다. 2021년부터 데이터관리계획(Data Management Plan, 이하 DMP) 제도 도입과 연구데이터 기반 구축을 단계적으로 추진해 왔으며, 연구 추진 과정에서 생성되는 데이터를 기관 차원에서 관리·축적하는 방향으로 전환했다. 그 결과 웹 기반의 ‘연구데이터 플랫폼’과 ‘식품정보 아카이브’를 구축해 지난해 5월 공개함으로써 활용 단계에 들어섰다. 특히 기본사업 과제에 DMP를 전면 적용해 연구데이터를 표준화된 형태로 관리하고, 문서 제출 방식이 아닌 AI 활용에 유리한 플랫폼 기반으로 등록·관리하도록 한 점은 의미가 크다.</p> <p contents-hash="1d17add47f3bd0cbdaf147c828dc942c6ef8f4f0ab9b77eb5b30bde4caa5bce4" dmcf-pid="zYRav5b05z" dmcf-ptype="general">핵심은 ‘기계가 읽을 수 있는 연구’로의 전환이다. 정형화된 입력 구조는 데이터의 체계성과 기계 판독 가능성을 높이고, 대형언어모델 등 다른 기술과 접목해 지식의 활용성과 재사용 가능성을 크게 확장할 수 있다. 이는 AI 기술의 시범 적용에 그치는 것이 아니라, 기관 전체의 연구 성과를 축적 및 연계하는 지속 가능한 체계로 전환하는 것을 의미한다.</p> <p contents-hash="56efb791f2440dcbcc9c08fabc5759db81c0c5e809b281c728e71c8aba0718f4" dmcf-pid="qGeNT1Kp17" dmcf-ptype="general">2035 중장기 R&D 전략발표를 통해 한국식품연구원은 내부를 넘어 산업과 국가 차원으로 확장하는 ‘국가 식품 데이터 허브(DATA HUB)’ 구축을 제안했다. 주요 내용은 ▷내·외부 연구데이터 통합을 통한 식품 분야 생태계 신뢰 기반 구축 ▷데이터 정비를 통한 AI 활용 가능성 및 연계성 제고 ▷데이터 허브를 통한 식품산업계 AI 서비스 개발 및 운영 촉진 등이다. 이를 위해 연구원이 보유한 강점 분야와의 연계가 중요하며, 기존 DB·플랫폼 구축 성과를 ‘연구데이터 플랫폼’과 ‘식품정보 아카이브’에 연계·탑재하고, AI 활용 가능한 형태로 확대할 계획이다.</p> <p contents-hash="b2aa65f30b7f0e3bc2141491ae5729c823b2482ac338297b192546219e1a42fd" dmcf-pid="BHdjyt9Utu" dmcf-ptype="general">축적된 데이터는 데이터 허브 운영과 함께 검색→활용→재축적의 선순환을 이루게 될 것이다. 데이터 허브를 통해 신뢰도가 검증된 표준화된 데이터가 누구나 바로 꺼내 쓸 수 있는 형태로 제공될 때, 기업은 물론 국민 개인의 능동적인 대처를 기대할 수 있다.</p> <p contents-hash="039f74f53aa68ecb5e97ab31ca6e4a853376b8f4492c9486b4553548f8c5f2ef" dmcf-pid="bXJAWF2u1U" dmcf-ptype="general">AI 시대에 연구기관의 경쟁력은 더 이상 논문 수, 장비 규모만으로 평가되지 않는다. 데이터를 만들고, 다듬고, 연결하며 다시 활용하는 역량이 핵심 경쟁력이 될 것이다. 한국식품연구원이 추진해온 DMP와 데이터 플랫폼은 그 출발점으로서 의미가 크다고 할 수 있다. 앞으로 산업 현장과 국가 차원으로 이를 확장해 나간다면, 식품산업의 AI·AX 대전환은 단순한 구호가 아닌 성과로 증명될 것이다.</p> <p contents-hash="1fa6e3c6a4e93ef0dd9b9c4137533df59ff1dbd3a8188b3de3033ce75188d38c" dmcf-pid="KZicY3V7Zp" dmcf-ptype="general">백현동 한국식품연구원장</p> </section> </div> <p class="" data-translation="true">Copyright © 헤럴드경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 ‘오인간’ 오민석, 1인 2역 빛난 특별출연 02-09 다음 데이터스트림즈, 공공 LLM 한계 넘어 '업무 성과형 AI' 구현 02-09 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
