[핵심 정리] 3급 과목 4~7(데이터와 AI·윤리 기초·실무 준비·법적 고려) 용어 10개 — 데이터 품질부터 투명성 확보 의무까지

아카데미 운영팀입니다. 10월 7일에 과목 1~3 용어를 정리했고, 10월 28일에는 과목 8~10을 올릴 예정입니다. 오늘은 그 사이인 과목 4~7의 용어 10개를 한 줄 정의로 정리합니다. 법령 용어는 출처를 적었고, 나머지는 운영팀이 3급 범위에 맞춰 쓴 설명입니다.

데이터와 AI

• 학습 데이터 — AI 모델이 규칙이나 패턴을 익히는 데 쓰는 데이터. 모델의 성능과 한계는 학습 데이터의 양보다 품질과 대표성에 크게 좌우됩니다.
• 데이터 품질 — 값이 비어 있거나(결측) 잘못 입력되거나 중복된 데이터가 얼마나 적은지. 품질이 낮은 데이터로 만든 결과는 분석 방법이 좋아도 믿기 어렵습니다.
• 가명처리 — 개인정보의 일부를 삭제하거나 일부 또는 전부를 대체하는 등의 방법으로 추가 정보가 없이는 특정 개인을 알아볼 수 없도록 처리하는 것(개인정보 보호법 제2조 제1호의2).

윤리 기초

• 편향(바이어스) — 학습 데이터나 설계의 치우침 때문에 특정 집단에 불리하거나 한쪽으로 쏠린 결과가 나오는 것. 발견하면 그대로 쓰지 않고 원인과 대안을 검토합니다.
• 검증 책임 — AI 결과물을 업무에 쓰는 사람이 내용의 정확성을 확인할 책임. 시험에서는 "AI가 만들었으니 AI 책임"이라는 보기가 대체로 오답입니다.

실무 준비

• 허용 도구·입력 금지 자료 — 팀이 AI를 쓰기 전에 정하는 기본 규칙. 어떤 도구를 쓸지, 어떤 자료(개인정보·고객사 자료·미공개 실적)는 넣지 않을지를 먼저 정합니다.
• 프롬프트 템플릿 — 반복 업무에 같은 형식으로 쓰도록 만들어 둔 프롬프트. 결과의 일관성을 높이고, 팀원 간 품질 차이를 줄입니다.
• 사람 검토(휴먼 인 더 루프) — AI가 만든 결과가 외부로 나가거나 결정에 쓰이기 전에 사람이 확인하는 단계를 업무 흐름에 넣는 것.

법적 고려

• AI 기본법 — 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」. 2026년 1월 22일 시행됐으며, 인공지능사업자의 투명성·안전성 의무 등을 정합니다.
• 투명성 확보 의무(제31조) — 고영향 AI나 생성형 AI를 이용한 제품·서비스를 제공할 때 AI 기반이라는 사실을 이용자에게 미리 고지하고, 생성형 AI 결과물에는 생성 사실을 표시하도록 한 조항. 의무의 주체는 인공지능사업자이며, 자세한 내용은 정보 게시판의 10월 21일 글에 정리했습니다.

외울 때 한 가지

과목 4~7은 "무엇을 넣지 않고, 누가 확인하며, 어떻게 알리는가"로 묶어 기억하면 보기를 고르기 쉽습니다. 범위 전체는 3급 강의노트의 '윤리·보안 기초'에서, 실전 유형은 무료 모의고사에서 확인하세요.

출처

• 국가법령정보센터 — 개인정보 보호법 제2조(정의)