RAG기술

6 Contents

AI 에이전트로 바꾸다 : 코딩 몰라도 시작하는 공공 오픈소스 도전기

행정 업무의 효율성을 높이기 위해 시작된 AI의 활용은 처음부터 순탄했던 것은 아니었습니다. 챗GPT를 통해 법령 정보를 찾았을 때 존재하지 않는 조문을 안내받는 '환각(Hallucination)' 현상을 겪으며, 오히려 AI의 한계를 극복하고 실무에 적용할 수 있는 도구를 직접 개발하겠다는 결심을 하게 된 것입니다. 소위 '바이브 코딩'이라 불리는 방식으로 시작된 이 여정은 2026년 법령 MCP와 코닥(Kodoc)이라는 결과물로 이어졌습니다. 이는 단순한 기술적 호기심을 넘어 실제 공직 사회에서 마주하는 불편함을 해결하려는 절박함에서 비롯된 혁신의 시작점이었습니다. 공공 부문에서 낭비되는 시간을 AI로 절감한다면 연간 약 3조 6천억 원에 달하는 경제적 가치를 창출할 수 있다는 데이터는 행정 혁신의 필요성을 증명합니다. 이러한 노력을 인정받아 광진구는 AI 오픈소스 도구를 행정 업무에 도입한 실적으로 국무총리상을 수상하는 쾌거를 이루기도 했습니다. 이는 개별 공무원의 '딴짓'으로 치부될 수 있었던 시도가 국가적인 정책 사례로 주목받으며 공공 데이터의 가치를 재발견하게 된 중요한 계기가 되었습니다. 단순한 비용 절감을 넘어 공직 사회 전반에 AI를 대하는 새로운 시각을 제시한 사례라 할 수 있습니다. 특히 행정 현장에서 가장 큰 벽이었던 한글(HWP) 문서와 PDF 파일의 데이터 추출 문제를 해결하는 과정은 매우 치열했습니다. 오픈 데이터 로더 벤치마크에서 초기 낮은 순위였던 성적을 PDF 파싱 기술의 고도화를 통해 세계 1위 수준으로 끌어올린 성과는 주목할 만합니다. 이제는 한글(HWP)이나 PDF 문서의 표 서식을 99% 이상 유지하며 텍스트를 파싱할 수 있게 되었고, 이는 곧 RAG 시스템 구축 시 데이터의 정확도를 비약적으로 향상시키는 근간이 되었습니다. 이러한 기술적 완성도는 현장 공무원들이 AI를 업무의 보조 수단으로 신뢰할 수 있게 만드는 핵심적인 토대가 되었습니다. 실제 업무 현장에서는 법령, 통계, 건축물대장 등 흩어져 있는 방대한 정보를 AI 에이전트가 단 몇 분 만에 취합하여 보고서 초안을 작성하는 단계까지 발전했습니다. 과거 수 시간이 소요되던 9쪽 분량의 보고서 작성이 단 10분 만에 완료되며, 출처까지 정확히 명시된 결과물을 제공함으로써 담당자의 최종 검토 효율을 극대화합니다. 이는 단순히 속도의 문제를 넘어 사람이 직접 수행할 때 발생할 수 있는 누락이나 오류를 예방하는 효과를 가져옵니다. AI가 단순 반복 업무를 대신하면서 공무원들은 더 본질적이고 가치 있는 행정 서비스에 집중할 수 있게 된 것입니다. 오픈소스 정신은 한 개인의 성취를 넘어 전국적인 변화를 끌어내는 원동력이 되었습니다. 수천 개의 깃허브 별과 동료 개발자들의 기여는 혼자서는 해결할 수 없었던 수많은 버그를 뚫고 나가는 힘이 되었고, 이러한 연대는 실제 40여 곳 이상의 언론 보도와 인공지능 전략회의 사례 소개로 이어졌습니다. '중요한 건 꺾여도 그냥 하는 마음'으로 지속해온 이 활동은 결국 서울시 최초의 AI 전문가 제도 도입이라는 조직적 변화까지 끌어냈습니다. 현장의 불편함을 외면하지 않고 AI라는 도구를 통해 스스로 해결책을 찾아가는 공직자들의 노력이 더 나은 행정의 미래를 만들고 있습니다.

AI 에이전트로 바꾸다 : 코딩 몰라도 시작하는 공공 오픈소스 도전기
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

복잡한 건축 법령 '이것'으로 한 방에 해결!

건축물은 용도와 면적, 주변 환경에 따라 지켜야 할 법 규정이 매우 복잡합니다. 건축법부터 주택법, 국토계획법 등 약 500개의 법률이 존재하며, 시행령과 고시, 조례까지 모두 포함하면 그 수는 무려 3만 7천여 개에 달합니다. 이러한 규정들은 부처별로 흩어져 있고 수시로 개정되어 전문가조차 실시간으로 파악하기 어렵습니다. 법규를 제대로 숙지하지 못해 발생하는 불법 건축물 신고는 연간 수만 건에 이르며, 이는 막대한 행정적·경제적 손실로 이어지고 있습니다. 한국건설기술연구원은 이러한 문제를 해결하고자 생성형 인공지능 기반의 '스마트 건축규정 코파일럿'을 개발했습니다. 이 서비스는 복잡한 건축 규정을 사용자가 쉽게 검색하고 이해할 수 있도록 돕는 지능형 보조 시스템입니다. 기존의 단순 정보 나열 방식에서 벗어나, 사용자가 중심이 되어 행정 절차와 기술 기준을 체계적으로 확인할 수 있는 환경을 제공합니다. 이를 통해 일반 국민도 자신의 목적에 맞는 법령 정보를 신속하고 정확하게 안내받을 수 있게 되었습니다. 이 서비스의 핵심 기술은 건축법령 GPT입니다. 일반적인 생성형 AI와 달리, 자연어 처리(NLP)와 검색 증강 생성(RAG) 기술을 결합하여 정보의 신뢰도를 대폭 높였습니다. 질문자가 입력한 의도에 따라 수많은 조문과 유관 자료를 분석하여 가장 적절한 해답을 도출하는 원리로 작동합니다. 이를 통해 단순히 문장을 만드는 수준을 넘어, 법적 근거가 명확한 정보를 제공하며 복잡한 규정을 요약하거나 맞춤형 체크리스트를 생성하는 고도의 작업까지 수행이 가능합니다. 기술적으로 주목할 점은 5단계로 구성된 건축 법령의 상하 관계를 조문 단위로 정밀하게 매핑했다는 것입니다. 법률부터 조례까지 이어지는 체계를 일원화하여 사용자가 특정 위치의 지번 정보만 입력하면 해당 지역의 용도별 규모 제한과 기술 기준을 한눈에 파악할 수 있습니다. 또한, 주소 기반의 위치 정보 연계 기능을 통해 복잡한 지구단위계획까지 고려한 맞춤형 결과를 도출합니다. 이는 건축 설계와 시공 과정에서 발생할 수 있는 시행착오를 획기적으로 줄여주는 역할을 합니다. 스마트 건축규정 코파일럿은 건축 산업 전반의 디지털 전환과 행정 서비스 선진화를 이끄는 중요한 발판이 될 전망입니다. 누구나 어디서든 법률 정보를 쉽게 이용할 수 있는 환경을 구축함으로써, 건축 정보의 격차를 해소하고 법적 투명성을 높이는 데 기여할 수 있습니다. 연구진은 앞으로도 IT 기술과의 지속적인 융합을 통해 국내 기술의 국제 경쟁력을 강화하고, 건설 기술의 발전을 선도하는 역할을 수행할 것입니다. 이는 미래 건축 산업을 더욱 스마트하고 신뢰할 수 있게 만드는 밑거름이 될 것입니다.

복잡한 건축 법령 '이것'으로 한 방에 해결!
한국건설기술연구원건설기술 랜덤박스📦
  • 융합
  • 공학·기술

오픈소스 및 데이터를 활용한설명가능한 의사결정 지원 인공지능 기술 연구

한국전자통신연구원(ETRI)은 지난 10년간 진행된 '엑소브레인' 과제의 성과를 바탕으로, 언어 지능 기술의 패러다임 변화에 맞춘 새로운 연구를 이어가고 있습니다. 과거에는 텍스트를 이해하는 인코더 중심의 모델이 주를 이루었으나, 챗GPT의 등장 이후 생성형 인공지능 모델의 중요성이 급격히 커졌습니다. 이에 따라 연구 방향도 대기업 중심의 거대 모델 개발보다는 오픈소스와 오픈 모델을 효과적으로 활용하여 특정 도메인에 최적화된 성능을 내는 방향으로 진화하고 있으며, 허깅페이스와 같은 생태계를 통해 연구 환경이 빠르게 변화하고 있습니다. 이번 과제의 핵심은 법률, 금융과 같은 전문 분야에서 종사자들의 의사결정을 돕는 '설명 가능한 인공지능'을 개발하는 것입니다. 기존의 인공지능이 단순히 질문에 대한 정답 단락을 찾아주는 방식이었다면, 이제는 생성형 인공지능 모델을 활용해 전문가들에게 필요한 정보를 논리적인 설명 형태로 제공하는 것을 목표로 합니다. 특히 인공지능의 내부 동작 과정을 알기 어려운 '블랙박스' 문제를 해결하기 위해, 도출된 결과에 대한 명확한 근거와 신뢰도 높은 자연어 설명을 덧붙임으로써 실무 현장에서의 활용성을 높이고자 합니다. 현재 챗GPT와 같은 초거대 언어 모델(LLM)은 범용 인공지능(AGI)을 향한 첫걸음으로 평가받지만, 여전히 할루시네이션(환각)이라 불리는 거짓 정보 생성 문제에서 자유롭지 못합니다. 이를 해결하기 위해 모델이 가진 내부 지식에만 의존하지 않고, 외부의 신뢰할 수 있는 문서를 먼저 검색한 뒤 그 내용을 바탕으로 답변을 생성하는 '검색 증강 생성(RAG)' 기술이 주목받고 있습니다. ETRI는 이러한 RAG 기술을 바탕으로 문장 단위의 사실성 검증 기능을 강화하여, 인공지능이 생성한 답변이 실제 사실과 부합하는지 판단하는 기술적 장치를 마련하고 있습니다. 전문 지식 서비스의 품질을 높이기 위해서는 영어 중심의 오픈 모델을 한국어와 특정 도메인에 맞게 최적화하는 과정이 필수적입니다. 이를 위해 한국어 사전을 확장하고 인스트럭션 튜닝을 거쳐 라마(Llama)나 미스트랄(Mistral) 같은 모델이 한국어 맥락을 정확히 이해하도록 재학습시킵니다. 특히 법률 판례 분석에서는 사례 간의 유사점과 차이점을 추론하고 어려운 법률 용어를 해석해 주는 기능을 구현하고 있습니다. 이러한 기술은 법률뿐만 아니라 금융 상담 분야에서도 데이터 기반의 협업을 통해 상담 평가 및 지식 제공 서비스로 확장되고 있습니다. 결론적으로 현대의 언어 지능 연구는 인프라부터 모델, 데이터에 이르기까지 오픈소스 생태계와의 긴밀한 연계 없이는 불가능한 구조가 되었습니다. 파이토치나 파이썬 같은 개발 환경은 물론이고, AI 허브의 공공 데이터와 공개된 언어 모델들을 기초 자산으로 삼아 그 위에 특화된 서비스 기술을 얹는 전략이 중요합니다. ETRI는 축적된 검색 기술과 사실성 검증 노하우를 기술 이전을 통해 산업계에 확산시킴으로써, 중소기업들이 고가의 장비나 방대한 데이터 없이도 고품질의 인공지능 서비스를 개발할 수 있도록 지원하는 가교 역할을 수행하고 있습니다.

오픈소스 및 데이터를 활용한설명가능한 의사결정 지원 인공지능 기술 연구
한국전자통신연구원오픈소스 테크데이
  • 뇌인지과학
  • 융합
  • 공학·기술

연구 현장의 생성 AI 활용 현황

최근 노벨상 수상 결과에서 알 수 있듯이 인공지능은 현대 과학의 핵심 동력으로 자리 잡았습니다. 하지만 실무자의 관점에서 볼 때 생성형 AI에 대한 몇 가지 중대한 오해가 존재합니다. 가장 대표적인 것은 AI가 연구자의 역량을 직접적으로 향상시켜 줄 것이라는 믿음입니다. 스마트폰이 보급되면서 오히려 기억력이 감퇴하고, 자동차를 타면서 근력이 약해지는 것처럼 AI 역시 도구로서 기능할 뿐 사용자의 본질적인 능력을 대신 키워주지는 않습니다. 따라서 AI를 통해 확보한 시간을 독서나 토론 등 인간 고유의 통찰력을 기르는 데 투자하는 지혜가 필요합니다. 인공지능은 목적에 따라 자동화, 데이터 분석, 계산 모델, 특화 AI, 생성형 AI로 구분할 수 있습니다. 많은 이들이 생성형 AI가 모든 문제를 해결해 줄 것이라 기대하지만, 기업이나 연구소의 특수한 문제를 해결하기 위해서는 해당 도메인에 특화된 AI를 구축하는 것이 훨씬 효과적입니다. 생성형 AI는 보편적인 지식 처리와 창작에는 능숙하지만, 내부 데이터가 부족한 전문 영역에서는 한계를 보이기 때문입니다. 따라서 연구 현장에서는 단순한 도구 도입을 넘어 각 분야의 전문성에 맞춘 AI 활용 전략을 수립하는 것이 무엇보다 중요합니다. 한국에너지기술연구원에서는 연구 효율을 높이기 위해 로보틱 처리 자동화 (RPA)를 적극적으로 도입하고 있습니다. 특히 연구 계획서 작성 시 연구자의 이력이나 성과 데이터를 정리하는 단순 반복 업무를 자동화함으로써 행정적 부담을 획기적으로 줄였습니다. 과거 수 시간이 걸리던 문서 작업이 이제는 10분 이내로 단축되어 연구자들이 본연의 연구 활동에 더욱 집중할 수 있는 환경이 조성되었습니다. 이러한 변화는 단순한 편리함을 넘어 연구의 질을 높이는 실질적인 기반이 되고 있으며, 공모전 수상 등을 통해 그 가치를 인정받고 있습니다. 물리나 화학 기반의 계산 모델과 실험 자동화가 결합된 자율화 실험실 (Autonomous Laboratory)도 연구 현장의 큰 변화 중 하나입니다. 로봇이 사람을 대신해 실험을 수행하고, AI가 가설 생성과 검증 과정을 담당하는 체계가 구축되고 있습니다. 특히 오픈 소스 생태계를 활용하여 신물질 합성 경로를 설계하거나 화학 반응 템플릿을 추천받는 등 전문가의 영역에 AI가 깊숙이 개입하고 있습니다. 이는 물리 모델의 한계를 극복하고 연구 속도를 가속화하는 핵심적인 역할을 수행하며 과학 기술의 새로운 지평을 열어가고 있습니다. 생성형 AI 기술은 이제 텍스트를 넘어 멀티모달과 에이전트 AI 단계로 진화하고 있습니다. 연구 현장에서는 사용자가 목적만 제시하면 스스로 최선의 수단을 찾아 결과를 도출하는 '일잘러' AI에 주목하고 있습니다. 특히 보안이 중요한 연구 데이터를 다루기 위해 외부 유출 걱정 없는 설치형 대규모 언어모델 (LLM)의 활용도가 높아지고 있습니다. 최근에는 성능이 뛰어난 소형 모델들이 등장하면서 개별 연구자나 소규모 팀에서도 맞춤형 AI 환경을 구축하여 코딩이나 질의응답 등에 효율적으로 활용할 수 있게 되었습니다. 연구 효율을 극대화하기 위해 직접 개발한 '논문 봇'이나 '딴지 봇' 같은 맞춤형 GPTs는 동료 연구자들 사이에서 큰 호응을 얻고 있습니다. 복잡한 논문에서 핵심 내용을 빠르게 추출해 워드 파일로 출력해 주거나, 연구자의 논리에 날카로운 비판을 던져 보완점을 찾게 도와주는 방식입니다. 이 과정에서 파이썬 코드를 패키징하여 AI 내부 서버에 설치하는 기술적 창의성을 발휘하기도 했습니다. 이러한 도구들은 단순히 정보를 전달하는 수준을 넘어 연구자의 사고 과정을 지원하고 데이터 시각화를 돕는 든든한 파트너로서 기능하고 있습니다. 성공적인 AI 도입의 이면에는 '고통을 감각하는 실무자'의 열정과 이를 지지하는 조직 문화가 있습니다. 단순 반복 업무에서 느끼는 불편함을 외면하지 않고 기술적으로 해결하려는 의지가 혁신의 시작점입니다. 한국에너지기술연구원 역시 경영진의 물질적 지원과 동료들의 긍정적인 피드백이 있었기에 연구와 행정의 경계를 허무는 AI 활용이 가능했습니다. 앞으로도 연구 현장의 실제적인 문제들을 하나씩 해결해 나가며, AI와 인간이 협력하여 더 큰 과학적 성취를 이뤄내는 미래를 만들어 가고자 합니다.

연구 현장의 생성 AI 활용 현황
한국전자통신연구원오픈소스 테크데이
  • 물리학
  • 화학
  • 융합
  • 공학·기술

[댓글 이벤트] 우리는 인공지능과 친구🤝가 될 수 있을까? 인공지능과 뇌🧠 Part.3ㅣ선을 넘는 과학자들

인공지능이 우리와 대화를 나누고 전략을 세워주는 모습을 보면 마치 영혼을 가진 친구처럼 느껴지기도 합니다. 하지만 기술적으로 볼 때 인공지능은 인간의 지식과 사고방식이 담긴 방대한 데이터를 학습한 결과물에 가깝습니다. 우리가 챗GPT와 나누는 대화는 인공지능이라는 그릇에 담긴 인류 전체의 지혜, 즉 우리 자신과 소통하는 과정이라고 이해하는 것이 더 정확합니다. 인공지능은 맥락을 놓치지 않는 기술적 정교함을 통해 공감을 흉내 낼 뿐, 인간과 같은 방식의 자아를 가진 존재로 보기는 어렵습니다. 생성형 인공지능을 사용할 때 가장 주의해야 할 점은 정보의 출처와 진위 여부입니다. 인공지능은 방대한 데이터를 섞어서 새로운 결과물을 만들어내기 때문에, 사실과 허구를 명확히 구분하지 못하는 본질적인 특성을 가집니다. 비록 화이트 해킹 기법 등을 통해 데이터의 원천을 추적하려는 시도가 이어지고 있지만, 근본적으로 데이터의 경계를 나누는 일은 매우 까다롭습니다. 따라서 신뢰할 수 있는 정보를 얻기 위해서는 검색 엔진과 연동되어 출처를 명시해 주는 RAG(검색 증강 생성)와 같은 보완적인 도구를 활용하는 지혜가 필요합니다. 인공지능의 위험성은 기계의 악의가 아니라, 인간의 복잡한 가치 체계를 수치화된 목표로 완벽히 치환할 수 없다는 점에 있습니다. 인간은 윤리적이고 사회적인 규범 속에서 판단하지만, 인공지능은 단순히 설정된 점수를 최대화하는 방향으로 학습됩니다. 이러한 가치 정렬의 부재는 무인 자동차의 선택이나 군사적 시뮬레이션에서 의도치 않은 결과를 초래할 수 있습니다. 우리가 가진 미묘하고 복잡한 도덕적 기준을 인공지능에게 학습시키는 문제는 여전히 해결해야 할 거대한 과제로 남아 있으며, 이는 기술 적용에 신중해야 하는 이유가 됩니다. 인공지능의 규모를 나타내는 파라미터가 기하급수적으로 늘어나면서 성능 또한 비약적으로 발전하고 있습니다. 그러나 파라미터가 커진다고 해서 인공지능이 반드시 인간과 유사한 사고 과정을 거치는 것은 아닙니다. 최근 연구에 따르면 인공지능의 크기가 일정 수준을 넘어서면 인간의 판단 방식과 오히려 동떨어진 추론을 하거나 예상치 못한 행동을 보이는 경향이 나타납니다. 즉, 인공지능이 우리의 말을 잘 알아듣는 것처럼 보인다고 해서 그것이 우리와 같은 논리 구조를 공유하고 있다고 착각해서는 안 된다는 점을 시사합니다. 인공지능 기술을 교육이나 일상에 무분별하게 적용할 경우, 인공지능이 가진 편향성이 인간에게 전이되어 사고의 경직을 초래할 위험이 있습니다. 특히 인공지능과의 대화는 인간 사이의 소통보다 편향성을 더 빠르게 증폭시키는 특성이 있어, 사용자가 인지하지 못하는 사이에 특정 시각에 젖어들게 만듭니다. 다가오는 인공지능 시대에 필요한 역량은 기술에 종속되는 것이 아니라, 진짜와 가짜를 구분하고 인공지능과 인간의 차이를 명확히 인지하는 '메타인지'입니다. 이를 통해 인공지능을 도구로 활용하며 새로운 기회를 창출하는 주체적인 인간이 되어야 합니다.

[댓글 이벤트] 우리는 인공지능과 친구🤝가 될 수 있을까? 인공지능과 뇌🧠 Part.3ㅣ선을 넘는 과학자들
국립과천과학관선을 넘는 과학자들🔬
  • 뇌인지과학
  • 융합

[2024-2차] NIGT 그리노베이트 정책포럼, 데이터 기반 기후기술 정보플랫폼 구축

국가녹색기술연구소는 지속 가능한 사회 구현을 목표로 녹색기술 정책 개발과 글로벌 협력 전략 수립에 앞장서고 있는 기관입니다. 특히 기관의 핵심 역할 중 하나인 ‘녹색기술 종합정보 플랫폼 개발 및 활용’을 수행하기 위해 데이터정보센터라는 전문연구조직을 운영하고 있습니다. 이곳에서는 기후기술 데이터 플랫폼의 고도화와 함께 데이터 기반 연구를 위한 정보 수집, 가공, 분석 연구를 심도 있게 진행하고 있습니다. 이러한 연구 성과를 바탕으로 현재 대민서비스를 위한 정보 시스템을 구축하여 운영 중이며, 이는 국가 차원의 녹색기술 인프라를 강화하는 핵심적인 기반이 되고 있습니다. 현재 운영 중인 대표적인 플랫폼으로는 2016년 개설된 국가기후기술정보시스템(CTIS)과 전문적인 기술 정보를 담아 최근 오픈한 플라넷(PLANET)이 있습니다. CTIS는 정책 동향, 기후기술, 사업 현황 등 다섯 가지 카테고리를 통해 국내외 기후변화 대응 소식을 신속하게 전달하는 역할을 합니다. 반면 플라넷은 융복합 기후기술 정보를 제공하는 플랫폼으로, 지자체별 에너지 계획이나 온실가스 배출량, 기술 인벤토리 등 전문 데이터를 시각화하여 연구자와 정책 결정자들에게 심층적인 분석 정보를 제공하고 있습니다. 이러한 플랫폼들은 파편화된 정보를 통합하여 제공하는 데 그 특징이 있습니다. 기존의 수동적인 업무 프로세스가 지닌 한계를 극복하고 운영 효율을 높이기 위해, 연구소는 데이터 관리 방식의 혁신을 추진하고 있습니다. 과거에는 담당자가 관련 웹사이트에 직접 접속하여 데이터를 내려받고 수기로 비교 검토하는 과정을 거쳤으나, 현재는 파이썬 코딩과 자동화 로직을 도입하여 데이터 수집부터 이상 탐지까지의 과정을 기계가 수행하도록 개선 중입니다. 이러한 자동화 프로세스는 운영 인력의 업무 부담을 절반 이하로 줄여줄 뿐만 아니라, 신규 정보가 발생했을 때 이메일 리포팅을 통해 즉각적으로 시스템에 반영할 수 있는 신속성을 확보해 줍니다. 차세대 서비스로 주목받는 분야는 거대언어모델(LLM)과 검색증강생성(RAG) 기술을 결합한 대화형 인공지능 챗봇 서비스입니다. 사용자가 복잡한 기술적 질문을 던지면, 챗봇이 뒷단에 구축된 특허와 논문, 국가 R&D 데이터베이스를 실시간으로 분석하여 국가별 기술 수준을 비교하거나 성능 측면의 혁신성을 정리하여 답변하는 구조를 지향합니다. 단순한 키워드 검색을 넘어 통합적 분석과 요약이 가능한 인공지능 시스템은 기후기술 전문가들이 보다 정교하고 데이터에 기반한 의사결정을 내릴 수 있도록 돕는 강력한 도구가 될 것으로 기대됩니다. 향후 연구소는 정보 플랫폼을 사용자 성격에 따라 개편하고 '데이터 아카이브'를 구축하여 모든 기후 데이터를 체계적으로 통합할 계획입니다. CTIS는 신속한 동향 보고를, 플라넷은 심도 있는 기술 분석을 전담하며 아카이브는 이들을 뒷받침하는 데이터 창고 역할을 수행하게 됩니다. 더불어 17대 탄소중립 핵심기술을 지도로 시각화한 '글로벌 탄소중립 국제협력 전략지도'를 개발하여, 국가별 협력 잠재성을 분석하고 글로벌 기술 패권 시대에 걸맞은 지능형 플랫폼을 완성하고자 합니다. 이러한 고도화 작업은 국내외 탄소중립 이행을 위한 실질적인 정책 수립의 길잡이가 될 것입니다.

[2024-2차] NIGT 그리노베이트 정책포럼, 데이터 기반 기후기술 정보플랫폼 구축
국가녹색기술연구소NIGT FORUM
  • 지구환경과학
  • 융합
  • 공학·기술