4차 산업혁명 시대가 도래 하면서 세상이 빠른 속도로 변하고 있다. 그 중 인공지능(AI, Artificial Intelligence)은 다양한 비즈니스 분야에서 적극적으로 활용되고 있다. 정부도 이러한 추세에 맞춰 ‘데이터 댐’ 구축을 목표로 ‘디지털뉴딜’ 사업 등 다양한 데이터 기반 정책을 추진하고 있으며, ‘데이터 댐’의 핵심 사업으로 대규모의 인공지능 학습용 데이터를 구축하고 민간에 개방함으로써 인공지능 기반의 산업 생태계 확산을 추진하고 있다.

인공지능 학습용 데이터의 품질이 중요하다는 인식에 대해서는 공감대를 형성하고 있으 나, 품질을 확보하고 이를 지속적으로 유지하고 향상시키는데 필요한 ‘품질관리 활동은 무엇인가’, ‘어떻게 하면 원하는 수준의 품질을 확보할 수 있는가’ 에 대한 구체적인 방법이나 절차 등에 대해서는 다양한 시각이 존재한다. 따라서 본 ‘품질관리 가이드라인 v2.0’에서는 이러한 현안에 주안점을 두고, 다음과 같이 제시한다.

첫째, 데이터의 품질관리에 대한 이해를 바탕으로 생애주기 전반의 품질관리에 기준이 되는 문서를 제공한다. 이를 통해, 데이터 구축사업에 참여하는 이해관계자 간의 다양 한 해석에서 발생하는 어려움이나 혼선을 해소하고, 데이터 품질관리에 대한 일관된 기준을 제시한다.

둘째, 데이터 구축사업에 참여하는 수행기관의 품질관리 역량을 강화하여 고품질의 학습용 데이터를 확보하도록 도움을 주고자 한다. 이를 통해 구축 단계부터 품질관리 체계를 확보하는 데 주안점을 두었다. 따라서 수행기관의 담당자들에게 품질관리에 필요한 실무차원의 안내서로서의 역할을 제공할 것이다.
[인공지능 학습용 데이터 품질관리 가이드라인 v2.0]은 ‘제1권 품질관리 안내서’와 ‘제2권 데이터구축 안내서’로 구성되어 있다.

Ⅰ. 서론

제1장 추진 배경 및 목적
1. 추진 배경
2. 목적

제2장 품질관리 가이드라인 v2.0 구성
1. 제1권 품질관리 안내서
2. 제 2 권 데이터구축 안내서

제3장 인공지능 학습용 데이터 품질관리 이해
1. 개요
2. 인공지능 학습용 데이터의 구축 과정
3. 인공지능 학습용 데이터의 특성
4. 인공지능 학습용 데이터의 생애 주기
5. 인공지능 학습용 데이터의 품질관리 영역

Ⅱ. 품질관리 개요

제1장 품질관리 원칙과 모델
1. 품질관리 원칙
2. 품질관리 모델

제2장 품질관리 체계
1. 생애주기별 품질관리
2. 품질 Cycle

제3장 품질관리 지표
1. 품질관리 지표 정의
2. 품질관리 지표 구성

제4장 크라우드소싱 기반의 작업자 관리
1. 품질관리 조직
2. 작업자 관리

Ⅲ. 품질관리 체계

제1장 계획 단계
1. 개요
2. 품질관리 계획의 수립
3. 품질검사 수행 절차 및 범위

제2장 구축 단계
1. 개요
2. 구축 데이터 품질관리
3. 구축 단계별 품질관리
4. 검사 절차
5. 검사 방법

제3장 운영·활용 단계
1. 개요
2. 운영 단계 품질관리
3. 활용 단계 품질관리
4. 검사대상 정의
5. 품질검사 실시
6. 품질검사 결과 분석
7. 개선 수행
8. 품질 통제

Ⅳ. 품질관리 지표

제1장 구축 공정
1. 준비성
2. 완전성
3. 유용성

제2장 데이터 적합성
1. 기준 적합성
2. 기술 적합성
3. 통계적 다양성

제3장 데이터 정확성
1. 의미 정확성
2. 구문 정확성

제4장 학습모델
1. 알고리즘 적정성
2. 유효성

Ⅴ. 품질관리 프레임워크

제1장 프레임워크 개요
1. 추진배경 및 목적
2. 프로세스

제2장 프레임워크 상세 설명
1. 산업분야 선정
2. 학습데이터 구축 유형 선택
3. 품질 기준 선정

Ⅵ. 부록

제1장 용어 정의

제2장 인공지능 학습용 데이터 품질관리 프레임워크

제3장 품질계획서 작성요령
1. 개요
2. 품질관리 기준
3. 학습모델
4. 품질검사 절차
5. 품질검사 교육방법
6. 품질관리 도구

제4장 품질관리 가이드라인 v1.0 과 v2.0 비교

제5장 참고자료