PE Notes · SW
지능정보기술 감리
NIA 지능정보기술 감리실무가이드가 일반 SW 감리에 더하는 모델 품질·데이터·윤리·드리프트 영역을 점검 항목과 비교표로 정리합니다.
공공 정보시스템에 모델과 대량이 붙으면, 기능이 돌아가도 편향·설명 불능·분포 변화는 기존 감리 칸에 없습니다. 한국지능정보사회진흥원(NIA) 는 그 특수성을 표준 점검으로 올립니다. 의 공공 감리 실행본에 가깝습니다.
일반 칸 위에 여섯을 얹는다
일반 감리는 사업·품질·보안, 시스템 구조, 응용, 데이터, 시험입니다. 데이터가 있어도 정합·무결성입니다. 지능정보 추가는 모델이 확률로 답한다는 전제에서 시작합니다.
| 추가 영역 | 보는 것 |
|---|---|
| AI 모델 품질 | 정확도·편향·공정·설명 가능성 |
| 학습 데이터 품질 | 다양성·대표성·라벨 오류 |
| AI 윤리 | 개인정보, 차별 방지 |
| 빅데이터 분석 | 결과 신뢰, 통계적 타당 |
| 클라우드 전환 | 이전 완전성, 성능·보안 |
| AI 운영·모니터 | 드리프트, 재학습 계획 |
은 대표성, 오라벨률, 집단 편향, 출처·개인정보, 합성 데이터의 분포 동등입니다. 모델은 목표 지표, 집단 격차, 견고성, , 학습·검증·시험 분리입니다. 은 보호 특성 집단 사이 성능 차이로 재는 경우가 많습니다.
윤리와 운영이 감리 항목이 된다
칸은 고위험 분류, 자동화 결정에 대한 대응, 개인정보 최소화, 공공 윤리원칙입니다. 설계 단계부터 위험을 줄이는 과 맞습니다.
운영은 성능 저하 탐지, , 정기·트리거 재학습, 실패 시 폴백입니다. 학습 때와 입력 분포가 달라지면 점수가 내려갑니다. 일반 감리의 ‘기능 정상’만으로는 이 하강을 못 잡습니다.
| 비교축 | 일반 SW 감리 | 지능정보기술 감리 |
|---|---|---|
| 대상 | 전통 정보시스템 | AI·빅데이터·클라우드 |
| 데이터 | 무결성·정합 | + 대표성·편향·라벨 |
| 모델 | 없음 | 성능·공정·설명 |
| 윤리 | 없음 | 차별·기본권 |
| 운영 | 기능 동작 | + 드리프트·재학습 |
| 법령 | 전자정부법 | + AI 기본법 |
결과는 확정이 아니라 확률입니다. 합격선을 지표와 집단 격차, 설명 가능 여부로 적어야 합니다.
사업 유형별로 칼날을 고른다
채용은 공정·설명·이의, 의료 보조는 임상 기준과 의사 최종 결정, 복지 선별은 알고리즘 편향, CCTV 분석은 최소화와 보존 기간, 세무 검증은 오탐과 불복 절차입니다.
정보보호 컴플라이언스가 법령·인증의 최소라면, 이 가이드는 모델 수명주기 칸입니다. IT 감리의 독립 검증 위에 학습 데이터와 드리프트가 올라갑니다. 답안은 일반 영역 + 모델·데이터·윤리·드리프트를 한 표로 그리는 것입니다.