싱가포르, 생성형 AI 데이터 사용 새로운 지침 공개

자막 언어: ko · 수집 날짜: 2026-07-28

환영합니다. 인공지능 모델은 데이터에서 학습하지만, 새로운 지침이 개인 정보의 사용 방식 및 사용자에게 이 정보를 알리는 방법에 더 명확한 경계를 설정하고 있습니다. 챗봇은 사용자에게 더 많은 정보를 제공하게 되는데, 이는 영양 라벨과 유사하게 이 기술이 무엇을 할 수 있고 어떻게 데이터를 처리하는지 표시합니다. 새로운 지침은 기업이 공중의 신뢰를 구축하면서 동시에 생성형 인공지능을 책임 있게 채택하도록 돕는 것을 목표로 합니다. 좋습니다. Aldrina Thiagarajan이 싱가포르 데이터 페스티벌에서 더 많은 보도를 전해 드립니다. >> 매일 수백만 명이 인공지능 도구와 개인 정보를 공유합니다. 하지만 이 데이터가 제품 개발이나 서비스에 어떻게 사용되는지 알고 있습니까? 싱가포르의 새로운 지침은 이러한 질문에 답하고, 생성형 인공지능을 개발하는 기업을 위해 데이터가 어떻게 수집되고 생성형 인공지능 모델을 개발하기 위해 사용되는지 등에 대해 더 명확한 예상을 설정하려고 합니다.

>> 우리가 볼 수 있듯이, 좋은 데이터가 없으면 최고의 시스템도 유용한 결과를 생성하기가 어렵습니다. 「쓰레기 들어가면 쓰레기 나온다」. 이것이 인공지능 시대에 데이터 거버넌스가 더 중요해지지, 덜 중요해지지 않는 이유입니다. 본질적으로 데이터 거버넌스는 신뢰에 관한 것입니다. >> 챗봇 공급자는 또한 개인 데이터를 어떻게 사용하는지에 대해 투명성을 높여야 합니다. 예를 들어, 소비자에게 이와 같은 정보 카드를 제공하여 더 현명한 결정을 할 수 있도록 하고, 그들이 이러한 서비스와 공유하기로 선택한 데이터 유형을 포함합니다. >> 이것은 거버넌스, 개인정보보호 및 투명성에 대한 우리의 원칙과 일치하며, 그 중 일부는 이미 우리 챗봇에 내장되어 있습니다. 따라서 이것은 단지 더 나아가는 것입니다. 따라서 우리는 이 발전에 매우 기대하고 있습니다.

>> 그러나 신뢰할 수 있는 데이터 거버넌스 프레임워크를 구축하는 데 시간이 필요합니다. 왜냐하면 회사들이 앞으로 1년 동안 이러한 지침을 사용하여 자신의 투명성 관행을 계속 개선할 것이기 때문입니다. 공개된 다른 이니셔티브에는 연합 학습에 관한 가이드가 포함되어 있으며, 이는 개인정보보호 강화 기술(PET)이며, 인공지능 개발자들이 데이터 유출의 위험을 감수하지 않고 프라이빗 데이터베이스에 접근할 수 있도록 활용할 수 있습니다. 싱가포르 제너럴 병원의 병리학 실험실에서 개인정보보호 강화 기술이 위 생검을 분석하는 데 사용되었으며, 이 작업으로 해당 팀의 시간을 60% 절감했습니다. >> 우리는 알고리즘이 실제로 빠르게 실행될 수 있고 동시에 많은 슬라이스를 분석할 수 있어야 합니다. 우리는 또한 환경이 충분히 안전하여 환자 데이터를 클라우드 리소스에 넣어 분석할 수 있도록 해야 합니다.

>> 해당 팀은 A*STAR와의 협력을 계속하면서 더욱 복잡한 암호화 프로세스 등 이후 단계를 탐색하여 더 큰 데이터 보안을 달성하고 있습니다. >> 우리는 개인정보보호 위원회 위원, 싱가포르 정보통신미디어발전청(IMDA) 데이터 혁신 및 보호팀 최고경영자 보좌관 Denise Wong과 데이터 사용에 대한 더 깊이 있는 논의를 할 예정입니다. 우리와 함께하는 분들은 NUS 부교무처장, 교육 혁신 부교무처장 Prof Simon Chesterman과 NUS 학장입니다. 프로그램에 오신 것을 환영합니다. 당신부터 시작하겠습니다, Denise. 어, 현재 인공지능 개발자들은 훈련을 위해 온라인 데이터를 수집할 수 있지만, 이 데이터는 항상 공개적으로 이용 가능하지 않을 수 있으며, 이를 「웹 크롤링」이라고 부릅니다. 웹 크롤링이 무엇인지 알려주세요.

>> 좋습니다. 신문을 읽으면서 관심 있는 기사를 오려내는 사람을 상상해 보세요. 단지 이 사람이 웹 프로그램이고 인터넷상의 수십억 개의 웹페이지를 스캔하여 관련 정보를 선택하고 생성형 인공지능 훈련을 위한 데이터셋을 구성한다는 점만 다릅니다. 따라서 웹 크롤링은 생성형 인공지능을 훈련하고 필요한 데이터를 수집하는 일반적인 방법입니다. 현재 『개인정보보호법』에 따르면, 실제로 대부분의 경우 개인 정보 소유자로부터 동의를 얻어야 합니다. 그러나 정보가 이미 공개 영역에 있고 존재할 때, 당신은 소위 「공개 이용 가능 예외」라고 하는 것에 의존할 수 있습니다. 따라서 동의가 필요하지 않습니다.

따라서 우리가 지침에서 명확히 한 것은 인터넷의 공개 영역에 있는 개인 데이터를 획득하여 생성형 인공지능 훈련에 사용할 수 있다는 것입니다. >> 이제 새로운 아이디어인 챗봇 정보 카드에 대해 이해합니다. 소비자는 여기에서 무엇을 볼 것으로 기대해야 합니까? 그들이 그것이 정말 유용한지 아니면 단지 형식일 뿐인지 어떻게 판단합니까? >> 이것은 좋은 질문입니다. 우리는 포커스 그룹, 소비자 및 업계와 광범위한 상담을 했습니다. 우리가 발견한 것은 사람들이 정말로 관심 있어 하는 네 가지 영역이 있다는 것입니다. 하나는 챗봇이 무엇이고 무엇이 아닌지입니다. 예를 들어, 이 챗봇을 사용하여 제품 가격을 확인할 수 있지만, 건강 조언을 얻기 위해 사용할 수는 없습니다. 두 번째 영역은 이 챗봇이 안전하고 신뢰할 수 있는가입니다. 예를 들어, 부모 통제가 있습니까?

예를 들어, 아이가 보지 말아야 할 콘텐츠가 있습니까? 세 번째 영역은 데이터가 어떻게 사용될 것인가입니다. 네 번째 영역은 사용자 피드백을 제공하고 싶은 경우 이메일 주소와 같은 채널이 있는가 하는 것입니다. 따라서 사용자는 이 네 가지 영역의 정보가 쉽게 접근할 수 있는 방식으로 제공될 것으로 기대할 수 있습니다. 이제 당연히 우리는 조직이 공개할 정보의 깊이를 결정하도록 허용하겠지만, 결국 정보는 사용자가 자신이 사용하는 챗봇을 이해할 수 있을 정도로 충분히 충실해야 하므로, 그들이 자신이 사용하는 것에 대해 현명한 선택을 할 수 있고 올바르게 사용하는 방법을 알 수 있습니다. 목표는 정말로 서로 다른 챗봇 간에 투명성을 표준화하는 것입니다. 많은 경우 이 정보는 이미 존재하지만, 쉽게 액세스할 수 없거나 다른 위치에 있을 수 있습니다.

>> 교수님, 이제 당신을 이 대화에 참여시키겠습니다. 이제 인공지능 측면에서 싱가포르는 항상 규제 대신 지침을 선택했습니다. 당신은 이것이 더 나은 방법이라고 생각하는 이유는 무엇입니까? >> 좋습니다. 저는 모든 신흥 기술, 모든 신흥 관행에 있어서 긴장이 존재한다고 생각합니다. 당신은 과소 규제하여 사람들에게 위험을 노출시킬 것인가, 아니면 과도하게 규제하여 혁신을 제한하거나 잠재적으로 다른 곳으로 밀어낼 것인가? 따라서 저는 싱가포르가 항상 이 공간을 헤쳐나가려고 노력해왔다고 생각하지만, 현재 규제가 완전히 부재하다고는 말하지 않겠습니다. 『개인정보보호법』이 있으며, 이는 기본선 법률입니다. 우리는 의료 및 보건 분야처럼 민감한 데이터를 제어하는 구체적인 법률을 가지고 있습니다.

하지만 당신이 맞게 지적했듯이, 신흥 분야에는 천천히 조치를 취하고, 업계 및 소비자와 협의하며, 지침부터 시작하려는 경향이 있습니다. 따라서 현재 이러한 지침은 Denise가 방금 설명한 웹 크롤링과 같은 새로운 사용 사례에서 그러한 기본선 법률을 해석하는 데 도움이 됩니다. 실제로, 챗봇의 새로운 정보 카드 등의 분야에서 그것은 완전히 자발적이지만, 이것은 매우 신흥 분야이므로 어느 정도의 실험을 수행하는 것이 현명하다고 생각합니다. 이것은 정말로 당신이 격려하고 싶은 것입니다. 즉, 산업 부문이 개인 및 사용자의 권리를 보호하면서 적절한 수준의 실험을 수행하는 것입니다. >> 이제 Denise, 지침의 목적은 인공지능 혁신을 둔화시키지 않으면서 사람들의 개인정보를 보호하는 것입니다. 이것을 어떻게 균형 잡습니까?

>> 저는 그것을 자동차의 안전벨트로 생각하는 것을 좋아합니다. 이제 자동차의 안전벨트는 운전자를 보호하고 승객을 보호하며 실제로 자동차가 더 느리게가 아니라 더 빠른 속도로 주행할 수 있게 합니다. 따라서 지침은 실제로 『개인정보보호법』에 따른 기존 법적 요구 사항을 어떻게 준수하는지에 대한 해석입니다. 그것은 경계를 설정하고, 이러한 경계는 명확성을 제공하며, 그러면 기업이 신뢰를 얻어 이 기술을 혁신하고 비즈니스 운영에 사용할 수 있게 합니다. 이것은 또한 회사에 자신의 운영 요구 사항 범위 내에서 무엇을 할 수 있는지 이해할 유연성을 제공합니다. 따라서 우리는 그것이 실제로 너무 많은 번거로움을 야기할 것이라고 생각하지 않습니다. 실제로, 명확성은 사용에 대한 신뢰를 높입니다. >> 이제 마지막 빠른 질문인데, 두 분 모두 답변해 주세요.

첫째, 이러한 새로운 지침이 기업, 특히 중소기업에 추가적인 업무를 가져다줄 것입니까? 교수님? >> 그렇지 않기를 바랍니다. 내 말은, 예, 약간의 추가 업무가 있겠지만, 그것은 단지 당신이 기존 데이터 사용 사례를 변경하는 경우뿐입니다. 내 말은, 현실은 이렇게 할 필요가 있는 이유는 우리가 데이터와의 관계를 바꾸었기 때문입니다. 과거에는 데이터를 수집하면 안전한 데이터셋을 가질 수 있었고, 그것이 정말로 필요한 전부였습니다. 이제 동적 데이터를 사용하면 지속적인 프로세스를 가져야 하지만, 대부분의 경우 이것은 적정한 투자여야 합니다. Denise가 말했듯이, 자동차에 안전벨트, 잠금 방지 제동 장치를 추가하려면 비용이 들지만, 이 모든 것은 운전자를 더 안전하게 유지하면서 자동차를 더 빠르게 주행할 수 있게 하므로, 그것이 우리가 원하는 것입니다.

>> 좋습니다. Denise와 교수님이 오늘 우리와 함께해주셔서 이 주제에 대한 통찰력을 제공해 주셔서 매우 감사합니다. 우리는 싱가포르 정보통신미디어발전청(IMDA)의 Denise Wong과 NUS의 Prof Simon Chesterman과 대화하고 있었습니다. 감사합니다. 이제 제조업, 건설 환경 및 물류 회사가 디지털 트윈 기술 채택에 대해 더 명확한 로드맵을 가지고 있습니다. 새로운 가이드는 기업이 해당 기술이 자신의 요구 사항에 부합하는지 결정하고, 데이터 준비 상황을 평가하며, 운영을 개선하는 프로젝트를 구현하는 데 도움이 됩니다. 이 가이드는 정보통신미디어발전청에서 시작하였으며, 정보통신기술이 아닌 기업을 대상으로 합니다. 디지털 트윈은 가상 복사본으로, 실시간 데이터를 사용하여 공장 기계, 건설 설비 및 공급망을 미러링할 수 있습니다. 회사는 이를 사용하여 문제를 더 일찍 발견하고 적용하기 전에 변경 사항을 테스트할 수 있습니다.

100개 이상의 위치를 관리하는 Excel Tech 부동산 관리 회사의 경우, 그들의 디지털 트윈은 기술자들의 매일 45분씩 절약해 줍니다. 그것은 장비 고장의 초기 징후를 표시하며, 팀이 리소스를 더욱 적절히 배치할 수 있게 하고, 수동 펌프 검사의 필요성을 제거합니다.