인공지능(AI) 기술이 빠르게 발전함에 따라, AI 거버넌스의 초점이 자율적인 윤리 강령에서 법적 구속력을 갖는 위험 기반 규제로 옮겨가고 있습니다. 하지만 유럽연합(EU), 미국, 중국 등 주요 국가별로 AI 규제 접근 방식에 차이가 있어, 고위험 AI 시스템을 운영하는 기업들은 규제 준수(compliance)에 큰 불확실성을 겪고 있습니다. 최근 발표된 연구는 이러한 글로벌 AI 규제의 현황을 비교 분석하며, 규제 간의 격차와 그 해소 방안을 제시했습니다.
이 연구는 EU, 미국, 중국의 AI 규제를 위험 분류 기준, 의무 사항, 집행 및 책임 메커니즘, 그리고 FAIR(Findable, Accessible, Interoperable, Reusable) 원칙의 실질적 적용 정도를 기준으로 비교 매트릭스를 구축했습니다. 특히 뇌전도(EEG) 기반 재활 로봇, 중앙은행 디지털 화폐(CBDC) 생태계 내 AI 기반 채무 회수, AI 팩토리 인프라의 GPU 자원 할당 등 세 가지 고위험 AI 활용 사례에 매트릭스를 적용하여 실제 규제 적용의 문제점을 심층 분석했습니다. 분석 결과, 규제 간 상호운용성(interoperability) 부족, AI 규제와 산업별 규제 및 데이터 보호 규제 등 여러 규제의 복합적 적용의 어려움, 그리고 핵심 디지털 인프라 활용 사례에 대한 거버넌스 미흡이라는 세 가지 주요 격차를 발견했습니다.
이러한 규제 준수 격차를 해소하기 위해 연구팀은 '지식 블록(Knowledge Blocks)'이라는 기계 판독 가능한 컴플라이언스 아티팩트 패턴을 제안했습니다. 이는 RDF/OWL, SHACL, PROV-O와 같은 시맨틱 웹 기술을 활용하여 여러 규제 체계에 걸쳐 감사 준비가 된 '규제 준수 설계(compliance-by-design)'를 가능하게 합니다. 이 접근 방식은 고위험 AI 시스템 개발 초기 단계부터 규제 요건을 반영하고, 복잡한 규제 환경 속에서 기업들이 보다 효율적이고 투명하게 규제를 준수할 수 있도록 지원함으로써, AI 기술의 신뢰성과 책임성을 확보하는 데 중요한 역할을 할 것으로 기대됩니다.