Open Knowledge Foundation(OKFN)이 프랑스 정부가 주최하는 디지털 공공재 연합(DPGA) 연례 회원 회의에 참석한다. 대표단은 회의 기간 내내 파리에 머물며, 직접 진행하는 세션은 11월 18일에 모여 있다. 주제는 AI의 출처 표기, 개방형 지식 자원의 보호, 오픈소스 AI 정의의 실제 적용이다.
- AI 출처 표기를 DPG 표준 지표로 다루는 세션: Creative Commons, Open Future, Open Source Initiative, DPGA와 함께 연다. 소개된 연구에 따르면 주요 소비자용 AI 도구 응답의 30% 이상에는 출처 표기가 없었고, 출처를 단 경우에도 72%는 누락·근거 부족·검증 불가 중 하나에 해당했다. 세션은 DPG 표준이 출처 표기를 ‘나중에 붙이는 것’이 아닌 기본값으로 만들 수 있는지 묻는다.
- MCP 시범 사업 공유: 브라질·우루과이 정부와 진행한 MCP 파일럿에서 얻은 내용을 소개한다. 목표는 단순한 출처 표기를 넘어, 모든 답변을 근거가 된 데이터셋까지 거슬러 올라가 확인할 수 있게 하는 출처 추적(provenance)이었다.
- 공유 자원 보호 워크숍: 위키미디어 재단과 함께 한다. 개방형 지식 시스템을 핵심 디지털 기반시설로 보는 정책 틀을 바탕으로, 참가자가 이 시스템에서 자신의 역할을 그려 본 뒤 현실적인 국가 위기 시나리오를 풀며 어떤 대비가 버티는지 시험한다. 제목에는 AI에 의한 무단 수집(extraction) 위험도 들어 있다.
- 오픈소스 AI 정의 실무 논의: OSI, Creative Commons, DPGA 표준 팀과 함께 한다. 정의가 공개된 뒤에도 남아 있는 라이선스, 개인정보, 규정 준수, 검증 문제를 다룬다. 오픈 웨이트와 오픈소스 AI를 구분하는 일이 실제로 도움이 되는지도 논의 대상이다.
공공 데이터를 다루는 입장에서 눈여겨볼 대목은 출처 표기에서 데이터셋 단위의 추적으로 요구 수준이 올라간다는 점이다. 이는 AI 쪽만의 과제가 아니다. 답변이 어느 데이터셋에서 왔는지 짚으려면 데이터를 내는 쪽의 제목, 라이선스, 갱신 이력, 식별자 같은 메타데이터가 먼저 정돈되어 있어야 한다. CKAN 같은 포털을 운영하거나 구축하는 곳이라면 AI 연동을 고민하기 전에 메타데이터 품질부터 점검해 볼 만하다. 브라질·우루과이 사례에서 MCP로 데이터와 AI를 연결한 방식도 비슷한 시도를 구상하는 팀에 참고가 될 수 있다.
다만 지금 확인되는 것은 세션 소개와 문제의식까지다. 표준 지표가 어떤 모양이 될지, 파일럿의 구체적인 결과가 어떠했는지는 이번 글의 자료에 나오지 않는다. 세션 이후 공개될 자료를 보고 판단하는 편이 안전하다. 오픈 웨이트와 오픈소스 AI를 구분할지에 대한 논의도 아직 진행 중이므로, 모델을 도입할 때는 ‘공개 모델’이라는 표현에 기대기보다 라이선스와 공개 범위를 개별로 확인하는 습관이 필요하다.
원문: Attribution, Commons and Open Source AI: OKFN in Paris for the DPGA Annual Members Meeting (Open Knowledge Blog)