1. AI Ready Data란
사람과 AI가 별도 처리 없이 활용할 수 있도록 공공데이터에 설명 · 품질 판정 · 이용 조건을 더해 데이터 팩으로 제공하는 데이터입니다. 원본 파일은 변경하지 않고, 확인 · 정리한 내용을 함께 수록합니다.
| 구분 | 원본 파일 | AI Ready Data |
|---|---|---|
| 항목의 의미 | 열 이름으로 추측 | 항목마다 의미 · 유형 · 값 예시 |
| 표기 · 형식 | 같은 값의 표기가 혼재 | 「정제_」 열에 통일, 원본 열은 그대로 |
| 품질 확인 | 내려받아 사용하기 전에는 확인하기 어려움 | 품질 판정서 · 진단 리포트를 함께 제공 |
| 다른 데이터와 연결 | 공통 항목을 직접 찾아야 함 | 시도 · 업종 · 기업명 등 연결 기준 21종 표시 |
2. 전환 과정과 준비 단계
공개 파일을 수집하여 품질을 진단하고, 수정 가능한 값은 정제한 뒤 데이터 팩으로 변환하여 공개합니다. 데이터마다 판정 지점(G1 · G2 · G3)을 통과했는지에 따라 준비 단계가 정해집니다.
판정 지점별 요건과 판정 절차는 AI Ready Data 표준 해설(새 창)의 「개념과 판정」에서 확인할 수 있습니다. 데이터마다 받은 판정서는 상세 화면의 「품질 판정서 보기」에서 확인할 수 있습니다.
3. 데이터 팩 구성
데이터 1종이 데이터 팩(zip) 1개입니다. 팩에 포함된 파일은 다음과 같습니다.
| 구성 | 파일 | 내용 |
|---|---|---|
| 설명서 | manifest.json | 팩 전체 목록 · 준비 단계 · 파일 지문(SHA-256) |
| 메타데이터 | metadata/ · schema/ | 데이터 설명(DCAT 기반) · 항목 정의 |
| 데이터 | data/ | CSV(원본 열 + 「정제_」 열). 일부 데이터는 Parquet도 함께 |
| 품질 정보 | gates/ · diagnosis/ | 등록 요건(G1) · 품질 기준(G2) 판정서, 진단 리포트 |
| 이용 조건 | LICENSE.txt | 출처 · 이용허락 조건 |
파일별 상세 형식은 데이터 팩 규격에서 확인할 수 있습니다.
4. 관련 표준
데이터 팩의 기재 항목 · 품질 지표 · 준비 단계 판정은 이 과제에서 제안한 AI Ready Data 표준(TTA 단체표준, 제정 진행 중)을 따릅니다. 메타데이터는 DCAT 기반 공공데이터 메타데이터 체계와 호환되게 작성했습니다.
AI Ready Data 표준 해설 · aird.datahub.kr(새 창) 표준 소개 · 데이터 준비 절차 · 에이전트 활용 · 개념과 판정 · 용어집 · 품질 지표5. 구축 현황
산업통상부와 소속 · 산하 21개 기관이 공공데이터포털에 공개한 파일데이터 · 2026년 4월 공개본 기준
- 수집2,015포털 목록
- 구축 확정1,772파일 확인 · 중복 정리
- 정제 항목 추가1,492「정제_」 열이 있는 데이터
- 연결 기준 확인654연결 기준 1개 이상(값 일치는 별도 확인)
기관별 데이터 수
- 한국가스공사 290종
- 한국산업기술시험원 225종
- 산업통상부 144종
- 한국산업단지공단 130종
- (주)한국가스기술공사 129종
- 한국가스안전공사 121종
- 한국무역보험공사 95종
- 한국광해광업공단 90종
- 한국산업기술진흥원 84종
- 대한무역투자진흥공사 80종
- 한국세라믹기술원 63종
- 한국산업기술기획평가원 53종
- 한국석유공사 49종
- (주)강원랜드 47종
- 한국탄소산업진흥원 33종
- 한국석유관리원 31종
- 대한석탄공사 28종
- 산업통상부 국가기술표준원 28종
- 한국디자인진흥원 28종
- 무역안보관리원 20종
- 한국로봇산업진흥원 4종
표로 보기
| 한국가스공사 | 290종 |
|---|---|
| 한국산업기술시험원 | 225종 |
| 산업통상부 | 144종 |
| 한국산업단지공단 | 130종 |
| (주)한국가스기술공사 | 129종 |
| 한국가스안전공사 | 121종 |
| 한국무역보험공사 | 95종 |
| 한국광해광업공단 | 90종 |
| 한국산업기술진흥원 | 84종 |
| 대한무역투자진흥공사 | 80종 |
| 한국세라믹기술원 | 63종 |
| 한국산업기술기획평가원 | 53종 |
| 한국석유공사 | 49종 |
| (주)강원랜드 | 47종 |
| 한국탄소산업진흥원 | 33종 |
| 한국석유관리원 | 31종 |
| 대한석탄공사 | 28종 |
| 산업통상부 국가기술표준원 | 28종 |
| 한국디자인진흥원 | 28종 |
| 무역안보관리원 | 20종 |
| 한국로봇산업진흥원 | 4종 |
제공 파일: 데이터 팩(zip) · 원본은 공공데이터포털로 연결
6. 측정한 효과
서로 다른 데이터를 같은 항목(시도 · 산업단지 · 국가 등)으로 연결했을 때, 값이 일치하여 실제로 연결되는 비율을 원본과 비교했습니다.
연결 기준별 결과 · 표기 변형 자세히
값이 절반 이상 일치하는 쌍의 비율입니다. 원본은 누구나 적용할 수 있는 정규화 · 별칭표를 적용한 값 가운데 가장 높은 값입니다.
- 시군구2,756쌍 38.2% 45.2% +7.0%p
- 국가18,882쌍 23.4% 26.2% +2.8%p
- 광산 · 광종7,754쌍 7.7% 10.2% +2.5%p
- HS 품목790쌍 12.9% 15.2% +2.3%p
- 업종(KSIC)1,876쌍 5.8% 6.5% +0.7%p
- 주소36,998쌍 0.2% 0.4% +0.2%p
- MTI 품목540쌍 92.2% 92.4% +0.2%p
- 기업명 · 상호18,308쌍 1.8% 1.1% -0.7%p
- 산업단지4,828쌍 29.4% 28.1% -1.3%p
- 시도8,742쌍 86.7% 84.1% -2.6%p
표로 보기 · 기준별 설명
| 연결 기준 | 비교한 쌍 | 원본 | 원본+공개 규칙 | AIRD | 차이 |
|---|---|---|---|---|---|
| 시도 시도는 별칭표(구 명칭 · 약칭 17행)와 주소 앞부분 일치만으로도 원본이 AIRD와 같은 수준으로 연결됩니다. 이 축의 AIRD 효과는 「별칭표를 사전 적용한 것」에 해당합니다. |
8,742 | 44.8% | 86.7% | 84.1% | -2.6%p |
| 산업단지 공개 규칙(괄호 · 「(외)」 · 「국가산업단지」 접미어 제거)만으로도 원본이 AIRD보다 소폭 더 많이 연결됩니다. AIRD는 외국인투자지역 · 재생사업지구를 모단지로 통합하여 구분이 사라지는 한계가 있습니다(D-COMPLEX-MERGE). |
4,828 | 20.4% | 29.4% | 28.1% | -1.3%p |
| 시군구 시도를 제거하면 같은 이름이 되는 시군구(중구 · 동구 · 서구 · 남구 · 북구 · 강서구 · 고성군)는 서로 다른 지역임에도 연결됩니다(오연결). 이 이름을 제외해도 AIRD 조건이 공개 규칙 기준선보다 높습니다. |
2,756 | 32.8% | 38.2% | 45.2% | +7.0%p |
| 국가 「아랍에미리트 연합」 · 「아랍에미레이트」 등의 표기 차이를 하나로 통합하였습니다. |
18,882 | 23.4% | 23.4% | 26.2% | +2.8%p |
| 광산 · 광종 | 7,754 | 7.4% | 7.7% | 10.2% | +2.5%p |
| HS 품목 | 790 | 12.9% | 12.9% | 15.2% | +2.3%p |
| 업종(KSIC) | 1,876 | 5.3% | 5.8% | 6.5% | +0.7%p |
| 주소 주소 · 기업명은 데이터마다 대상이 달라 본래 일치하는 값이 적습니다. 도로명주소 DB · 사업자 식별 같은 참조데이터 기반 개체 연결이 다음 과제입니다. |
36,998 | 0.2% | 0.2% | 0.4% | +0.2%p |
| 기업명 · 상호 명칭 일치만으로는 같은 기업인지 확정할 수 없어, 개체 연결(사업자번호 · 주소 대조)이 필요합니다. |
18,308 | 1.1% | 1.8% | 1.1% | -0.7%p |
| MTI 품목 품목 코드는 같은 단계(3 · 4 · 6자리)끼리 비교한 값이며, 원본도 이미 높은 비율로 연결됩니다. AIRD는 명칭 오대응을 정정했고 결합 차이는 0.2%p입니다. 단계를 혼합한 자동 측정(jsr2.json)에서는 AIRD가 낮게 측정되나, 전체 가중 평균 차이는 +0.5%p 내외입니다. |
540 | 92.2% | 92.2% | 92.4% | +0.2%p |
차이 = AIRD − 가장 강한 원본 기준선 · 측정일 2026-10-21 · 정제본 1
AIRD가 표준값으로 통일한 표기 변형
- 업종 · 산업분류표준값 952개 7,251개
- 산업단지표준값 1,056개 1,238개
- 시군구표준값 243개 697개
- HS · HSK 품목코드표준값 456개 679개
- 국가표준값 217개 406개
- 광산 · 광업권표준값 114개 152개
- MTI 품목코드표준값 67개 83개
- 시도표준값 17개 52개
표로 보기
| 업종 · 산업분류 | 7,251개 |
|---|---|
| 산업단지 | 1,238개 |
| 시군구 | 697개 |
| HS · HSK 품목코드 | 679개 |
| 국가 | 406개 |
| 광산 · 광업권 | 152개 |
| MTI 품목코드 | 83개 |
| 시도 | 52개 |
변형 예시 보기
- 아랍에미리트← 아랍에미리트(26) · 아랍에미리트 연합(10) · 아랍에미레이트(5) · 아랍 에미리트 연합국(2)
- 미국령 군소 제도← 군소 외곽제도(3) · 존스톤 아일랜드(1) · 나바사섬(1) · 베이커홀랜드섬(1)
- 철광← 철(11) · 철,철(3) · 철광(2) · 철광석(Iron)(1)
- 금광 | 은광← 금,은(9) · 금·은(1) · 금.은(1) · 금, 은(1)
- 무기 및 총포탄 제조업← 무기 및 총포탄 제조업(4) · 무기 및 총포탄 제조업 외 4 종(3) · 무기 및 총포탄 제조업 외 10 종(3) · 무기 및 총포탄 제조업 외 7 종(3)
- 구조용 금속 판제품 및 공작물 제조업← 구조용 금속 판제품 및 공작물 제조업(4) · 구조용 금속 판제품 및 공작물 제조업 외 8 종(3) · 구조용 금속 판제품 및 공작물 제조업 외 5 종(3) · 구조용 금속 판제품 및 공작물 제조업 외 2 종(3)
- 700000← 713210(5) · 723100(4) · 727500(2) · 753900(2)
- manufacturing equipment← specialmachine(10) · other machinery(10) · generalmachine(10) · mechanical elements, to…(7)
- 구미국가산업단지← 구미(28) · 구미(외)(28) · 구미국가산업단지(12) · 구미국가(1단지)[재생사업지구](6)
- 영암대불국가산업단지← 대불(28) · 대불(외)(28) · 대불국가산업단지(15) · 대불국가산업단지 (① + ② + ③ + ④)(4)
- 기타← 기타(1) · 명령ㆍ데이타ㆍ음성ㆍ영상을 재생하는 것(자동…(1) · 판지로 만든 것(1) · 농약원제(農藥原劑)(□농약관리법□에 따라 …(1)
- 8414700000, 8417101010, 8417101090, 8417102010, 8417102090, 8417200000, 8417801010, 8417801020, 8417801030, 8417801090, 8417802000, 8417809000, 8478100000, 8479101000, 8479102000, 8479109000, 8479200000, 8479300000, 8479400000, 8479501000, 8479502000, 8479509000, 8479600000, 8479710000, 8479790000, 8479811000, 8479812090, 8479813000, 8479814000, 8479819000, 8479821000, 8479822000, 8479823000, 8479824000, 8479829000, 8479830000, 8479892010, 8479892090, 8479899099, 8484109000, 8484900000, 8508199000, 8508600000, 8514110000, 8608001000, 8608002000← 8479909090(10) · 8484109000(8) · 8479899099(5) · 8479509000(4)
- 중구← 중구(22) · 인천광역시중구(1) · 대전광역시중구(1) · 대구 중구(1)
- 서구← 서구(27) · 인천광역시서구(1) · 대구광역시서구(1) · 광주 서구(1)
- 서울특별시← 서울(49) · 서울특별시(29) · 서울특갹(1) · 서울별시(1)
- 강원특별자치도← 강원(52) · 강원특별자치도(20) · 강원도(14) · 강원별자치도(1)
「서울_경기」 「충남(대전)」처럼 두 지역을 함께 기록한 값도 한쪽 시도로 통합된 경우가 있습니다. 정제 규칙 점검 대상(D-SIDO-MULTI)이며 다음 정정에서 「확인 필요」로 변경합니다.
7. 발견 · 수정한 결함
실험과 검증에서 발견한 결함입니다. 수정한 결함과 아직 수정하지 못한 결함을 함께 공개합니다.
결함 목록 16건
수정산업단지 명칭의 유형 접미어 중복D-COMPLEX-DUP
- 발견 내용
- 정제 규칙이 「국가」 · 「도시첨단」 접미어를 중복하여 추가하였습니다.
- 규모
- 30종 데이터, 12,797셀
- 조치 내용
- 중복된 접미어를 삭제하였습니다.
- 평택아산국가국가산업단지 → 평택아산국가산업단지
- 당진아산국가국가산업단지 → 당진아산국가산업단지
- 대구국가국가산업단지 → 대구국가산업단지
수정「지역」 열의 시도 축 오분류D-SIDO-AXIS
- 발견 내용
- 열 이름만을 근거로 시도 열로 판정하였으나, 실제 값에는 국가 · 시군구 · 지사 · 로케일 값이 혼재되어 있었습니다.
- 규모
- 27개 열(국가 7개, 시군구 8개, 해당 없음 12개로 재분류)
- 조치 내용
- 열 값을 기준으로 재판정하고 축 판정 규칙에 값 검증 절차를 추가하였으며, 잘못 설정된 연계를 해제하였습니다.
수정기준일 없는 구 명칭 변환D-SIDO-ALIAS
- 발견 내용
- 「강원도」를 「강원특별자치도」로, 「전라북도」를 「전북특별자치도」로 기준일 표기 없이 변환하였습니다.
- 규모
- 시도 17개
- 조치 내용
- 현행 명칭으로 통일하고, 구 명칭과 약칭은 기준일과 함께 참조데이터(data/reference/sido.json)에 병기하였습니다.
- 강원도(~2023-06-10) → 강원특별자치도
- 전라북도(~2024-01-17) → 전북특별자치도
수정수소 · 연료 팩의 시도 표기 미정규화D-FUEL-SIDO
- 발견 내용
- 에이전트 실험의 4회 실행이 모두 팩 정답과 다른 동일한 값을 산출하였으며, 원인은 「[E]경북」 표기의 미정규화였습니다.
- 규모
- 알뜰 43행, LPG 166행
- 조치 내용
- 주소 앞부분의 시도명으로 정규화하고 정답 5건을 정정하였습니다. 정정 전후 점수를 함께 공개합니다.
- [E]경북 → 경상북도
수정리콜 팩 초과 배율 태그의 산정 오류(첫 번째 물질 값만 반영)D-RECALL-RATIO
- 발견 내용
- 적대적 검증 결과, 본문에는 기준치의 100배 이상으로 기재되어 있으나 태그 값은 100 미만인 사례를 확인하였습니다.
- 규모
- 843조각 중 99조각의 값 변경, 평가 정답 RQ-006: 99 → 146
- 조치 내용
- 「N배」 표기 중 최댓값(「이하」 표기는 제외)으로 태그를 재생성하였습니다. 1차 리콜 실험 결과는 철회하고 재실험하였습니다.
- 708.1배 · 3배 · 8배(기존 태그 3.1) → 708.1
수정리콜 팩 물질 태그의 위해 설명 물질명 혼입D-RECALL-SUBST
- 발견 내용
- 적대적 검증 결과, 기준을 초과한 물질이 아닌 일반 설명에 언급된 물질명까지 태그로 부여된 사례를 확인하였습니다.
- 규모
- 납 143 → 141, 카드뮴 58 → 56
- 조치 내용
- 위반 내용을 기술한 문장에서만 물질명을 추출하도록 변경하고, 설명에 언급된 물질은 hazard_mentions 항목으로 분리하였습니다.
수정도시가스 팩 관측 · 산정 구간 경계의 빌드일 기준 설정D-GAS-OBS
- 발견 내용
- 적대적 검증 결과, 원천 공개일(2025-12-08) 이후의 값이 관측 · 평가 구간에 포함된 것을 확인하였습니다.
- 규모
- 311일 × 3개 용도
- 조치 내용
- 구간 경계를 원천 공개일로 변경하고, 평가 구간 종료일을 2026-10-15에서 2025-12-08로 정정하였습니다.
수정HS 팩 상품 설명의 개인 이메일 노출D-HS-CONTACT
- 발견 내용
- 적대적 검증 결과, 자유 서술 항목의 연락처 가림 처리가 활용 사례 팩에는 적용되지 않은 것을 확인하였습니다.
- 규모
- 1개 셀
- 조치 내용
- 이메일 · 전화번호 형식의 값을 가림 처리하였습니다(부품번호는 제외).
수정리콜 팩 물질 태그 보완(3차 · 4차)D-RECALL-SUBST2
- 발견 내용
- 재검증 결과, 「납땜」(전기 관련 위반)과 「국내 기준을 모두 만족」 문장이 납으로, 표시 위반 서술(「프탈레이트가소제경고사항누락」)이 프탈레이트로 탐지된 사례를 확인하였습니다. 또한 붕소(87조각) · 방부제 등은 규칙에 포함되지 않아 태그가 누락되었습니다.
- 규모
- 납 141 → 139, 프탈레이트 221 → 220, 붕소 87 · 방부제 36 등 추가
- 조치 내용
- 「납땜」 · 「기준 만족」 · 「표시사항미비」 이후의 서술은 추출 대상에서 제외하고, 원천에 실제로 기재된 물질을 규칙에 보강하였습니다. 에이전트 실험의 AIRD 조건은 재실행하고, 이전 결과의 철회 사실을 공개하였습니다.
- …표시사항미비-…프탈레이트가소제경고사항누락(표시 위반) → 프탈레이트 태그 제외(동일 조각의 납 기준 초과 태그는 유지)
- 붕소용출량 2.5배초과 → 붕소
차기 정정 예정복수 지역 병기 값의 단일 시도 정제D-SIDO-MULTI
- 발견 내용
- 「서울_경기」, 「충남(대전)」과 같이 두 지역을 함께 기재한 값이 한쪽 시도로 통합되었습니다.
- 규모
- 시도 축의 일부 값
- 조치 내용
- 차기 정정에서 원래 값을 유지하고 「확인 필요([E])」로 표기할 예정입니다.
- 서울_경기 → 서울특별시
수정정제 데이터 행 수의 물리적 줄 수 기준 표시D-ROWS
- 발견 내용
- 4차 검증 결과, 셀 내부 줄바꿈까지 집계한 값이 정제본 행 수로 표시된 것을 확인하였습니다(예: 바이코리아 11,080행, 실제 10,823건).
- 규모
- 266종 데이터의 정제본 행 수
- 조치 내용
- CSV 레코드 단위로 재집계하여 카탈로그 · 데이터 상세 · 사례 화면에 반영하였습니다.
- 11,080행(줄 수) → 10,823건(레코드)
수정리콜 팩 배율 태그 규칙 보완(2차)D-RECALL-RATIO2
- 발견 내용
- 재검증 결과, 이전 규칙이 「초과」 표기가 없는 「기준치 248.6배」와 쉼표가 포함된 숫자(「1,000배」, 「10,000배」)를 인식하지 못한 것을 확인하였습니다.
- 규모
- 4조각, 평가 정답 RQ-006: 146 → 150
- 조치 내용
- 쉼표를 포함한 「N배」 표기의 최댓값을 사용하고, 같은 항목 안의 「이하 · 이내 · 미만」 표기만 제외하도록 변경하였습니다.
- 기준치 248.6배(기존 태그 없음) → 248.6
- 1,000배 이상(기존 태그 0) → 1000
정책 변경정제 데이터 내 개인 성명 · 연락처 잔존D-PII-R6
- 발견 내용
- 재검증 결과, 대표자명 · 작성자 · 생성자(이메일 ID) 열, 계약상대자 · 광업권자의 개인 성명, 자유 서술 열의 이메일 · 휴대전화 번호가 남아 있는 것을 확인하였습니다.
- 규모
- 34종 데이터, 10개 열 제외, 성명 16,003셀 · 연락처 593셀 가림
- 조치 내용
- 해당 열을 제외하고 값을 가림 처리하였습니다(서지 정보는 유지). 이전 정정부터는 사이트 제공 파일을 별도로 처리된 데이터 팩(files/data/) 그대로 제공하도록 변경하여, 사이트 단계의 가림 처리는 적용하지 않습니다(공공데이터 개방 정책 준수).
차기 정정 예정시도 정보가 제거된 시군구 명칭의 오연결D-SIGUNGU-AMB
- 발견 내용
- 재검증 결과, 「대구 중구」와 「부산 중구」가 모두 「중구」로 연결된 것을 확인하였습니다.
- 규모
- AIRD 시군구 결합 행의 11.9%가 여러 시도에 같은 이름이 있는 명칭
- 조치 내용
- 효과 측정에서 해당 명칭을 제외한 값을 함께 공개합니다. 정제값에 시도 + 시군구 복합키를 추가하는 작업은 차기 정정에서 반영할 예정입니다.
- 대구 중구 · 부산 중구 → 중구
차기 정정 예정외국인투자지역 · 재생사업지구의 모단지 병합D-COMPLEX-MERGE
- 발견 내용
- 재검증 결과, 「구미(외)」, 「구미국가(1단지)[재생사업지구]」가 「구미국가산업단지」로 통합된 것을 확인하였습니다.
- 규모
- 산업단지 축
- 조치 내용
- 구분 정보(외국인투자지역 · 재생사업지구)를 별도 열로 보존하는 작업은 차기 정정에서 반영할 예정입니다.
- 구미(외) → 구미국가산업단지
수정MTI 품목명 오대응 및 측정 방법 오류D-MTI
- 발견 내용
- 서로 다른 처리 단계의 열을 비교하여 결합률이 감소한 것으로 잘못 측정하였습니다(측정 오류). 이와 별도로 품목명이 다른 품목으로 대응된 정제 사례가 있었습니다.
- 규모
- 명칭 3,122셀
- 조치 내용
- 같은 처리 단계끼리 비교하도록 지표 정의를 정정하고, 같은 코드에는 원천 표기 기준의 같은 명칭을 적용하였습니다.
- stationery → accessory/personal ornament
- stationery and toy → portable goods
- apparel → garments/clothes
정정 기록 내려받기(zip) 표기 정정 15,919셀 · 40종