참고자료
(image source: https://sverhulst.medium.com/from-fair-to-fair-r-and-fair%C2%B2-making-data-ai-ready-5b25ff05324b)
데이터, 특히 오픈 데이터를 공부해 본 사람이라면 FAIR 원칙에 대해서 한 번쯤은 들어봤을 것이다. FAIR는 데이터를 잘 관리하고 공유하기 위한 원칙으로, Findable(찾을 수 있고), Accessible(접근할 수 있고), Interoperable(상호운용 가능하며), Reusable(재사용할 수 있는)의 네 가지 요소를 가리킨다.
처음 제안되었을 때(Wilkinson et al., 2016) FAIR는 ‘이렇게 하면 좋다’는 수준의 원칙이자 지침에 가까웠다. 이후 각 원칙을 점검할 수 있는 측정 메트릭(FAIR Metrics, 2018; GO FAIR)으로 구체화되었고, 사람이 일일이 확인하지 않아도 기계가 데이터의 FAIR 정도를 자동으로 평가하는 도구로까지 발전했다.
최근 AI를 위한 데이터가 화두로 떠오르면서 FAIR가 다시 주목받고 있다. 기존 FAIR만으로는 AI 학습과 활용에 필요한 조건을 충분히 담아내지 못한다는 문제의식에서 출발한 확장 논의들이다. 이 글에서는 그중에서도 FAIR-R과 FAIR²를 집중적으로 살펴보고자 한다.
💫 핵심 요약
FAIR-R과 FAIR²은 모두 FAIR의 확장된 개념을 다룬다고 이해하면 된다. Medium의 글에서는 FAIR과 FAIR²는 동일한 목표를 갖지만, 목표로 가는 방법(route)의 차이가 있다고 설명한다.FAIR-R asks why data should be AI-ready and for whom; FAIR² tells you how to make it so. In that sense, FAIR-R provides the north star, while FAIR² can give you the compass and map.
✅ FAIR-R
FAIR-R(Verhulst, Zahuranec & Chafetz, 2025)은 기존 FAIR 원칙에 다섯 번째 원칙인 'Readiness for AI'를 더한 확장 프레임워크다. 이때의 AI를 위한 준비는 단순히 AI가 찾을 수 있고 접근할 수 있는 것을 넘어, 곧바로 활용 가능한 상태를 의미한다. 예를 들어 지도학습에 쓰려면 데이터에 정답 레이블이 일관된 기준으로 붙어 있어야 하고, 생성형 AI의 사전학습에 쓰려면 특정 집단이나 시기에 치우치지 않은 포괄적 커버리지가 확보되어야 한다. 즉 같은 데이터라도 '어떤 AI 작업에 쓰일 것인가'에 따라 요구되는 준비의 형태가 달라지며, 그 요건을 충족하도록 구조화한 상태가 바로 AI 준비성이다.
논문은 AI-ready 데이터를 만들기 위한 요소로 출처/투명성(provenance), 품질 보증, 상호운용성, 주석/보강, 윤리/법적 준수 등을 제시한다. 다만 FAIR-R은 'AI 준비성을 왜, 무엇을 위해 갖춰야 하는지'를 짚는 개념적, 정책적 제안에 가까우며, 그것을 어떻게 구현할지에 대한 구체적 실행 기준까지 제시하지는 않는다.
FAIR-R 논문은 FAIR 데이터를 사실상 오픈 데이터와 같은 것으로 놓고 논의를 전개한다. 초록부터 FAIR-R의 목적을 'AI 응용에서 오픈 데이터의 책임 있는 활용을 가속화'하는 것으로 규정하고 '오픈 데이터를 AI-Ready하게 만드는 것'을 핵심 과제로 설정한다(AI-Ready Data를 'Fourth Wave of Open Data'의 계보로 설명함 (참고)).
(🤔생각) 기존 FAIR 원칙의 Accessibility는 모든 데이터(개인 정보를 포함한)가 반드시 공개되어 있어야 한다는 조건은 아니라는 점에서, AI-Ready Data를 OpenData 개념 위에서 설명하는건 오히려 범위를 좁히는 것 같다는 생각이 들었다.
✅ FAIR²
FAIR²는 FAIR-R과 같이 'AI를 위한 데이터' 확장을 다루지만, 구체적인 기술 스택 위에서 구현 가능한 명세로 제시한다는 차이가 있다. FAIR가 지향만 하던 바를 점검하고 인증할 수 있는 실체로 바꿔 놓은 것으로, 그 핵심은 'verifiable(검증 가능)'과 'formalize(형식화)'라는 두 단어에 있다. 목표는 모든 데이터셋이 투명하고 윤리적이며 재현 가능한 재사용에 필요한 구조, 출처, 명료성을 갖추도록 보장하는 것이다.
FAIR²의 주요 특성은 다음과 같다.
-
맥락 풍부 메타데이터 (Context-Rich Metadata)
데이터 자체뿐 아니라 그것이 어떻게(how), 왜(why), 누구에 의해(by whom) 생성되고 검증되었는지까지 기술한다. 도메인 특화 디스크립터, 단계별 방법 문서화, 출처/라이선스/윤리 맥락 기술이 여기에 해당한다. -
AI-Ready 설계 (AI-Ready Design)
현대 기계학습과 데이터 기반 워크플로에 매끄럽게 통합되도록 설계한다. JSON-LD/RDF 인코딩, ML 워크플로에 직접 연결되는 스키마, QUDT 기반 단위 표준화가 이를 뒷받침한다. -
책임성 & 검증 가능성 (Responsible & Verifiable)
거버넌스, 동의(consent), 출처를 계산 가능한 형태(computable form)로 인코딩하여 윤리적이고 감사 가능한(auditable) 재사용을 보장한다. FAIR²를 이전 확장 논의와 구별 짓는 가장 결정적인 부분으로, 구체적으로 다음으로 구현된다:
- SHACL 검증: 메타데이터 구조를 규칙으로 강제하고 자동 점검(이것이 'verifiable'의 기술적 실체)
- PROV-O 계보 + CRediT/CRO 기여자 역할: 출처와 책임 소재를 기계 판독 가능하게 기록
- Croissant RAI: 편향·한계·윤리 거버넌스 메타데이터 주석
- ODRL 정책: 라이선스·동의를 계산 가능한 정책으로 표현
- 7단계 접근 동의 등급(Level 0–6): 개방(Level 1)부터 보안 환경(Level 5)·compute-to-data(Level 6)까지, "닫힌 데이터도 책임 있게 재사용"을 정식 등급으로 코드화
- 표준 상호운용성 (Standard Compatibility)
FAIR²는 ML Croissant, Schema.org, 기타 GO FAIR가 지원하는 표준들과 상호운용적으로 사용된다.
FAIR² 깃헙과 스펙을 보면 SHACL 기반으로 메타데이터를 기계적으로 검증할 수 있는 명세를 제공하는 것 같다. FAIR² Data Management에는 그 명세를 구현해 실제 데이터셋을 받아 처리, 동료심사, 출판까지 해주는 것 같은데, 자세한 내용은 더 살펴볼 필요가 있다.
FAIR-R과 FAIR²의 요지는, AI-Ready Data를 정의하기 위해선 기존의 FAIR에 더해 AI-Readiness와 Responsibility가 갖춰져야 한다는 것이다. 두 축은 같은 데이터를 두고 'AI가 이 데이터를 효율적으로 쓸 수 있는가'와 '이 데이터를 어떤 안전장치 아래서 써도 되는가'를 묻는다.
-
AI-Readiness (AIR)
별도의 재가공없이 바로 투입될 수 있는 상태의 데이터를 의미한다. 결측과 중복이 정리된 완전성과 포괄적 커버리지, 버전관리가 기본 전제이며, 활용 목적이 분명한 경우 그에 맞게 구조화된 형태가 보장되어야 한다. 나아가 사람이 일일이 내려받는 방식이 아니라 프로그램이 호출할 수 있는 API, 그리고 대용량을 감당할 저장 인프라까지 요구된다. -
Responsible AI (RAI)
데이터가 AI에 들어갈 때 발생할 수 있는 윤리적, 사회적 위험을 통제하는 기준이다. 데이터에 내재된 편향을 탐지, 교정하고, AI의 결정을 해석 가능하게 만들어 그것이 어떤 데이터 맥락에서 나왔는지 추적할 수 있어야 하며, 생애주기 전반의 지속적 모니터링과 인간의 개입 지점을 확보해야 한다. 또한 접근 등급(7단계), 차등 프라이버시, 윤리 지침 준수 등이 함께 요구된다.
정리하면, AI-Ready Data를 만들기 위해 기존의 FAIR기반의 요건들에 더하여 갖춰져야 하는 추가 조건들이 현재 활발히 논의되고 있으며, FAIR-R과 FAIR²는 그 일부라고 볼 수 있다. 핵심은 AI-Ready Data를 논의할 때 단순히 어떻게 구현할 수 있고, 무엇을 할 수 있는지 뿐만 아니라 무엇을 어떻게 해야 할지에 대한 논의도 충분히 필요하다.
정리하면, AI-Ready Data는 FAIR을 토대 삼아 AI라는 목적에 맞게 확장한 개념이며 FAIR-R과 FAIR²는 그 확장의 방향을 보여주는 대표적 시도로 볼 수 있다. 결국 AI-Ready Data를 논의할 때는 '무엇을 어떻게 할 수 있는지'를 넘어, '어떤 목적으로, 어떻게 해야만 하는지'도 함께 다뤄야 한다.
