목 차

제1장 서론·················································································································1

제1절 연구의 필요성 및 목적··························································································1

제2절 연구의 구성··············································································································4

제2장 이론적 배경 및 선행연구···········································································5

제1절 AI 시대 패러다임 전환··························································································5

제2절 데이터 상호운용성의 개념과 중요성································································10

제3절 데이터 이동권의 개념과 중요성········································································14

제4절 상호운용성과 데이터 이동권의 관계 ······························································17

제5절 분석 프레임워크 정의··························································································18

제3장 데이터 상호운용성 현황···········································································20

제1절 데이터 상호운용성 글로벌 이행 원칙: FAIR와 SAFE···································20

제2절 공공·민간 데이터 대상 국내외 정책 및 표준 동향····································23

제3절 데이터 상호운용성 분야별 적용 사례······························································33

제4절 상호운용성 관련 쟁점 도출················································································38

제4장 데이터 이동권 현황···················································································43

제1절 공공·민간 데이터 대상 국내외 법제 및 정책 동향····································43

제2절 데이터 이동권 분야별 적용 사례······································································54

제3절 데이터 이동권 관련 쟁점 도출··········································································61

제5장 정책적 개선 방안·······················································································65

제1절 데이터 생애주기별 핵심 쟁점 진단 ································································65

제2절 쟁점별 개선 방안 제언························································································67

- IV -

제6장 결론···············································································································73

제1절 연구 결과 요약 및 함의······················································································73

제2절 데이터 이동권 및 상호운용성의 중장기 발전 방향······································75

참고문헌···················································································································78

- V -

표 목 차

<표 2-1> 시대적, 기술적 변화에 따른 데이터 생애주기 단계 변화 ·································7

<표 2-2> 데이터 생애주기 모델과 순환적 생애주기 모델의 비교······································8

<표 2-3> AI 시대 데이터 생애주기 ························································································9

<표 2-4> 상호운용성의 주요 차원(Dimensions)······································································10

<표 2-5> 데이터 상호운용성 프레임워크 (본연구 재정의)··················································12

<표 2-6> 데이터 이동권의 핵심 요소······················································································14

<표 2-7> 데이터 이동권의 발전 단계 및 특징 ····································································15

<표 2-8> STS 기반의 3가지 관점별 상호운용성과의 매칭 및 관점 범위························19

<표 2-9> 데이터 생애주기 단계 및 쟁점별 분석 요소························································19

<표 3-1> 데이터 상호운용성 글로벌 이행 원칙····································································20

<표 3-2> FAIR 원칙의 발전 과정······························································································21

<표 3-3> EU 데이터 상호운용성 관련 주요 법령 비교 요약·············································28

<표 3-4> 국가별 데이터 상호운용성 정책 비교····································································32

<표 3-5> FHIR 개념 발전···········································································································33

<표 4-1> 한국 개인정보 전송요구권의 주요 내용 (개인정보보호법 제35조의2)············43

<표 4-2> 미국 FDS 원칙별 데이터 이동권 연관성·······························································45

<표 4-3> EU 데이터 이동권 관련 주요 법령 비교 요약·····················································49

<표 4-4> 국가별 데이터 이동권 법제 비교············································································53

<표 5-1> 분석 결과에 기반한 AI 시대 데이터 생애주기별 핵심 쟁점 진단 ················66

<표 5-2> 정책 과제별 데이터 생애주기 대응 범위 매트릭스············································67

- VI -

그 림 목 차

[그림 3-1] 마이데이터 2.0··········································································································23

[그림 3-2] 플랫폼 기반 개인 주도의 의료데이터(PHR) 활용 절차···································24

[그림 3-3] 마이 헬스웨이 플랫폼 구성····················································································24

[그림 3-4] 미국 연방 데이터 전략 프레임워크······································································26

[그림 3-5] 21세기 치료법 & ONC Final Rule 구조······························································27

[그림 3-6] Gaia-X·························································································································29

[그림 3-7] 지능형교통체계(C-ITS) 개념···················································································36

[그림 4-1] Any-ID 마이데이터 생태계 개념도·······································································44

[그림 4-2] 마이데이터 10대 중점 부문 및 로드맵································································44

[그림 4-3] 오픈뱅킹 생태계 내 데이터와 사용자 동의의 흐름··········································54

[그림 4-4] 기존 결제 서비스와 PSD2 통합결제 서비스의 차이·········································54

[그림 4-5] MyHealth@EU 인프라·······························································································56

[그림 4-6] 유럽 보건 데이터 공간 - 거버넌스 및 상호운용성 프레임워크 ··················56

[그림 4-7] 건강 정보 고속도로 플랫폼 구조··········································································57

[그림 4-8] 그린버튼(Green Button) 이니셔티브 ···································································58

[그림 4-9] MaaS(Mobility as a Service)의 기본 구조····························································59

- VII -

요 약 문

1. 제 목 : AI시대 데이터 상호운용성 및 이동권 활성화 전략 연구

2. 연구 목적 및 필요성

AI 기술이 단순한 보조 도구를 넘어 스스로 데이터를 탐색하고 과업을 수행하는 능동

형 AI(AI Agent) 시대로 진화함에 따라, 데이터는 가치 창출을 목적으로 설계·관리되

는 ‘데이터 제품(Data Product)’으로 재정의되고 있다. 이러한 패러다임 변화에 대응

하여 국내에서도 데이터 댐 프로젝트와 마이데이터 사업 등을 통해 양적 공급을 확대

해 왔으나, 산업 현장은 여전히 데이터 파편화와 ‘AI-Ready Data’의 부족이라는 구

조적 한계에 직면해 있다. 특히 2024년 소프트웨어정책연구소(SPRi) 인공지능산업실태

조사에서 기업의 22.8%가 AI 도입의 핵심 장애요인으로 데이터 확보 및 품질 문제를

꼽은 것은, 데이터의 총량보다 실질적인 연결과 활용이 더 시급함을 시사한다. 따라서

현재의 파편화된 구조를 극복하고 혁신적인 데이터 생태계를 조성하기 위해서는 데이

터를 유기적으로 결합하는 ‘상호운용성(Interoperability)’ 확보와 정보 주체의 주도적

활용을 보장하는 ‘데이터 이동권(Right to Data Portability)’의 실질적 구현이 필수적

이다.

3. 연구의 구성 및 범위

본 연구는 총 6장으로 구성되며, 주요 내용은 다음과 같다.

제1장 서론에서는 능동형 AI의 등장에 따른 데이터 패러다임 변화와 연구 배경 및 목

적을 제시한다. 제2장에서는 데이터 관리 패러다임의 전환을 살펴보고 생애주기별 현

황 분석을 위한 프레임워크를 구축한다. 제3장과 제4장에서는 각각 상호운용성과 이동

권에 관한 국내외 정책·표준·법제 및 산업별 적용 사례를 수집·분석하여 핵심 쟁점

을 도출한다. 제5장에서는 생애주기 단계별 쟁점을 논리적으로 구조화하고 기술, 제

도·거버넌스, 경제·사회적 관점의 개선 방안을 종합 분석하여 실행 방향을 제언한다.

마지막 제6장에서는 연구 결과를 종합하고 정책 수립 및 실무 활용을 위한 중장기 발

전 방향을 논의한다.

4. 연구 내용 및 결과

본 연구는 데이터 상호운용성 및 이동권에 관한 글로벌 주요국의 정책 동향과 산업

- VIII -

별 적용 사례 분석을 통해 도출된 핵심 쟁점들을 5단계의 순환적 데이터 생애주기 모

델과 STS(사회기술시스템)의 세 가지 관점(기술, 제도·거버넌스, 경제·사회)을 활용하

여 입체적으로 분석하였다. 분석 결과, 데이터 생태계의 원활한 흐름을 저해하는 5대

핵심 쟁점(① 데이터 고립 및 초기 확보 역량 격차 심화, ② 대규모 연계 체계 미흡 및

상호 연결성 한계, ③ 데이터 품질 및 신뢰성 확보 미흡, ④ 플랫폼 독점 및 데이터 흐

름 단절, ⑤ 지속가능성 결여 및 책임 거버넌스 부재)을 식별하였으며, 세부적인 분석

결과는 다음과 같다.

5. 정책적 활용 내용

본 연구에서 도출된 3대 추진 전략 및 세부 실행 과제는 향후 국가 차원의 데이터

정책 수립 및 현장 이행을 위한 실무 지침으로 폭넓게 활용될 수 있다. 거버넌스 측면

단계

관점별 주요 문제

핵심 쟁점

생성

및

수집

기술

●

인터페이스(API) 계층의 표준화 부재

●

데이터 표준에 대한 합의 및 구현 수준 발전 필요성

데이터 고립 및

초기 확보 역량 격차

심화

제도·거버넌스

●

적법 근거 및 적용 조건의 파편화에 따른 이동의 제약

경제·사회

●

인프라 및 전문 인력 분포의 불균형에 따른 활용 격차

저장

및

관리

기술

●

대규모 데이터 상호운용을 위한 기술적 체계 부족

폐쇄적 인프라 및

연계 체계 미흡

제도·거버넌스

●

국경 간 데이터 이동과 현지화 규제 간의 상충

경제·사회

●

산업별 상호운용성 성숙도 격차와 비대칭성

전처리

및

가공

기술

●

데이터 포맷 확대와 의미적 상호운용성 확보의 한계

데이터 품질 및

신뢰성 확보 미흡

제도·거버넌스

●

권리 대상 데이터 범위의 모호성과 법적 불확실성

경제·사회

●

제3자 권익 보호와 정보 주체 권리 행사 간의 이해 상충

활용

및

재활용

기술

●

데이터 형식의 표준화 부재와 실질적 재활용의 한계

●

직접 전송의 기술적 실행 가능성 판단에 대한 불확실성

●

산업별 표준화의 고립과 범산업적 확장성의 한계

플랫폼 독점 및

데이터 흐름 단절

제도·거버넌스

●

다수 규제 체계 간의 정합성 및 거버넌스 조정의 난제

경제·사회

●

이행 비용의 배분과 권리 행사의 실효성 격차

●

정보 주체의 인식 한계와 사용자 경험(UX)의 단절

●

데이터 권력 편중 및 디지털 불평등 심화

모니터링

및

피드백

제도·거버넌스

●

데이터 주권 기반의 공유 및 연계 체계 정립

●

규제 중심에서 생태계 활성화 중심으로의 전환

지속가능성 결여 및

책임 거버넌스 부재

경제·사회

●

프라이버시 침해 우려와 사회적 수용성 저해

- IX -

에서는 국가데이터처와 같은 전담 조직이 부처별로 산재한 데이터 정책을 통합하고,

플랫폼 시장의 공정 경쟁 환경을 조성하기 위한 실질적인 법적·제도적 근거를 마련하

는 데 기초 자료로 활용되어야 한다. 특히 데이터 산업법 및 산업별 특별법 개정 시

범용 표준 API 제공 의무화와 이행 실효성 확보를 위한 가이드라인으로 쓰일 수 있다.

기술적 측면에서는 국가 데이터 허브의 논리적 구조 설계와 산업별 표준 API 확산 로

드맵 수립 시 구체적인 기술적 참조 모델을 제공한다. 또한 사회적 측면에서는 정보

주체 친화적인 UX/UI 표준 가이드라인 보급을 통해 마이데이터 이용률을 실질적으로

제고하고, 글로벌 신뢰 기반 데이터 흐름(DFFT) 규범에 대응하는 국제 협력 전략 수립

에 정책적 시사점을 제공한다.

6. 기대효과

본 연구의 수행을 통해 기대되는 성과는 경제, 제도, 국가적 측면에서 실질적이고 광

범위한 파급 효과를 가질 것으로 전망된다. 경제적으로는 파편화된 데이터 환경을 실

질적으로 연결함으로써 개별 기업의 중복 투자를 방지하고 데이터 거래 및 탐색 비용

을 획기적으로 낮추어 AI 산업 전반의 혁신 성장을 가속화할 수 있다. 제도적 측면에

서는 정보 주체의 실질적인 데이터 주권을 확립하는 동시에, 데이터 이동권 행사와 관

련된 법적 불확실성을 해소하여 투명하고 예측 가능한 데이터 거버넌스 체계를 정착시

키는 데 기여할 것이다. 국가적으로는 대한민국이 AI 시대에 부합하는 선진적 데이터

관리 역량을 확보함으로써, 데이터 고립주의에 대응하고 글로벌 데이터 규범 형성을

주도하는 핵심 국가로 도약하는 정책적 토대가 마련될 것으로 기대된다.

- X -

SUMMARY

1. Title: A Study on Strategies for Promoting Data Interoperability and

Right to Data Portability in the Age of AI

2. Purpose and Necessity of the Research

As AI technology evolves into the era of Autonomous AI Agents, data is being

redefined as a ‘Data Product' designed for value creation. Despite efforts to expand

the quantitative supply of data through projects like the ‘Data Dam' and MyData,

the industry continues to struggle with structural barriers such as data fragmentation

and a shortage of ‘AI-Ready Data.' With 22.8% of companies citing data acquisition

and quality as their primary hurdle for AI adoption (SPRi, 2024), it is evident that

organic connectivity and proactive utilization are more critical than mere quantity.

Therefore, to overcome current limitations and establish a dynamic data economy, it

is essential to secure ‘Interoperability' for seamless integration and realize the

‘Right to Data Portability' to empower information subjects.

3. Composition and Range

The study consists of six chapters: Chapter 1 introduces the paradigm shift following

the rise of Autonomous AI; Chapter 2 establishes an analysis framework for the data

lifecycle; Chapters 3 and 4 analyze domestic and international trends and industrial

cases regarding interoperability and the right to data portability; Chapter 5 structures

core issues and proposes improvement strategies from technical, governance, and

socio-economic perspectives; and Chapter 6 discusses long-term development

directions for policy formulation and practical application.

4. Main Contents and Results

This study multi-dimensionally analyzed core issues identified through the analysis of

global policy trends and industrial cases regarding data interoperability and the right

to data portability, utilizing the 5-stage Cyclical Data Lifecycle model and the

Socio-Technical System (STS) framework. As a result, the study identified five core

- XI -

issues ① deepening data isolation and gaps in initial acquisition capacity, ②

insufficient large-scale linkage systems and limitations in interconnectivity, ③

inadequate data quality and reliability, ④ platform monopoly and data flow

disconnection, and ⑤ lack of sustainability and absence of responsible governance—

that hinder the smooth flow of the data ecosystem. The detailed analytical findings

are as follows

5. Policy Implications

The three major strategies and detailed action tasks proposed in this study serve as

practical guidelines for national data policies. Tasks related to governance strategies

provide a foundational basis for integrating fragmented ministerial policies and

establishing a fair competitive environment for platforms. Technically, action items

Stage

Key issues by Perspective

Core issues

Generation

Collection

Tech

●

Lack of API standardization

●

Need for consensus on data standards

Data isolation &

acquisition gap

Gov

●

Transfer constraints due to legal fragmentation

Econ

●

Utilization gaps due to unbalanced infra and talent

Storage

Management

Tech

●

Lack of systems for large-scale interoperability

Insufficient

large-scale linkage

systems

Gov

●

Conflict between x-border flow and localization

rules

Econ

●

Sectoral interoperability maturity gap

Preprocessing

Processing

Tech

●

Semantic limitations in diverse formats

Inadequate data

quality and reliability

Gov

●

Legal uncertainty regarding data scope

Econ

●

Conflict between 3rd party rights and data subject

rights

Utilization

Reuse

Tech

●

Lack of format standards

●

Tech feasibility uncertainty

●

Sectoral isolation

Platform monopoly &

flow disconnection

Gov

●

Governance coordination challenges

Econ

●

Cost distribution issues

●

UX disconnection

●

Digital inequality

Monitoring

& Feedback

Gov

●

Need for sovereignty-based sharing & shift to activation

Absence of responsible

governance

Econ

●

Privacy concerns and social acceptance hurdles

- XII -

under the technical standard strategy offer reference models for national data hubs

and roadmaps for standard APIs. Socially, the ecosystem-building strategy provides

insights for standardized UX/UI guidelines and international cooperation strategies

regarding global data flow norms.

6. Research Implication and Expected Effects

This study is expected to yield practical and wide-ranging impacts across the AI

industry. It will establish data sovereignty for information subjects and resolve legal

uncertainties surrounding the right to data portability, leading to a transparent

governance system. Nationally, it will enable Korea to secure advanced data

management capabilities and lead global data norms in the AI era.

- XIII -

Contents

Chapter 1. Introduction·························································································1

1. Necessity and Purpose of the Study ············································································1

2. Structure of the Study····································································································4

Chapter 2. Theoretical Background and Literature Review ·······················5

1. Paradigm Shift in the Era of AI ··················································································5

2. Concept and Importance of Data Interoperability ···················································10

3. Concept and Importance of Data Portability ·····························································14

4. Relationship between Data Interoperability and Portability ····································17

5. Definition of Analysis Framework················································································18

Chapter 3. Data Interoperability Status···························································20

1. Global Interoperability Principles: FAIR & SAFE················································20

2. Domestic and International Policy & Standards Trends····································23

3. Sectoral Application Cases of Data Interoperability···········································33

4. Analysis of Key Issues in Data Interoperability ················································38

Chapter 4. Data Portability Status···································································43

1. Domestic and International Policy Legislation & Policy Trends ····················43

2. Sectoral Application Cases of Data Portability····················································54

3. Analysis of Key Issues in Data Portability···························································61

Chapter 5. Policy Recommendations································································65

1. Diagnosis of Key Issues by Data Lifecycle ·······························································65

2. Proposals for Improvement by Issue············································································67

Chapter 6. Conclusion·························································································73

1. Summary of Results and Implications ········································································73

- XIV -

2. Long-term Development Directions for Data Portability and Interoperability···········75

References···············································································································78

- 1 -

제1장

서론

제1절 연구의 필요성 및 목적

연구의 배경

AI 기술의 발전은 단순한 자동화를 넘어 초거대 AI(Hyperscale AI)와 능동형 AI(AI Agent)

시대로의 전환을 이끌고 있다. 과거의 인공지능이 인간의 의사결정을 보조하는 도구적 역할

에 머물렀다면, 현대의 AI는 방대하고 복잡한 데이터를 스스로 탐색·연결하여 고차원적인

과업을 수행하는 주체로 진화하였다. 특히 별도의 개입 없이 이종(異種) 데이터를 실시간으

로 해석하고 목표를 달성하는 ‘능동형 AI’의 부상은 데이터의 의미와 가치를 새롭게 조

명하고 있다. 과거 데이터가 단순한 정보의 축적물이나 기록물이었다면, 오늘날의 데이터는

AI 모델의 성능을 좌우하는 핵심 자원이자 사회적 가치 창출과 경제 혁신의 전략적 자산으

로 재정의되고 있다. 이에 따라 현대 데이터 거버넌스는 단순한 데이터 보유를 넘어, 가치

창출을 목적으로 설계, 관리되는 데이터 제품(Data Product)으로 전환되고 있다.

이러한 기술적 진보는 데이터의 생산과 소비 방식에도 근본적인 변화를 가져왔다. 과거

정형 데이터 중심의 사전 가공(ETL) 방식에서 벗어나, 텍스트, 이미지, 영상 등 비정형·멀

티모달(Multi-modal) 데이터를 유연하게 처리하는 사후 가공(ELT) 방식이 보편화되고 있으

며, 데이터는 단일 시스템의 경계를 넘어 끊임없이 순환하고 재가공되는 동적 특성을 갖게

되었다.

AI의 성능은 입력되는 데이터의 품질에 절대적으로 의존한다. 특히 최근 생성형 AI의 확

산으로 인해 데이터의 정확성, 비편향성, 최신성은 AI의 신뢰성을 담보하는 필수 요건이 되

었다. 대규모 모델이 부정확하거나 편향된 데이터를 학습할 경우, 그 출력물 또한 왜곡되어

사회적 리스크를 초래할 수 있기 때문이다. 따라서 데이터의 생성부터 활용에 이르는 전 과

정에서 투명한 관리와 품질 확보는 단순한 기술적 이슈를 넘어 국가 경쟁력과 산업 생태계

의 신뢰도를 결정짓는 핵심 과제로 대두되고 있다.

연구의 필요성

데이터의 전략적 중요성이 증대됨에 따라, 그간 국내에서는 공공, 산업, 개인 등 다양한

- 2 -

데이터 파편화(Fragmentation): 데이터가 여러 시스템, 부서, 혹은 저장소에 분산되어 있어, 통합적으로 관리되거

나 활용되지 못하고 조각난 상태

데이터 사일로(Data Silo): 데이터가 특정 조직이나 부서, 시스템 내에 갇혀 외부와 공유되거나 통합되지 못하고 고

립되는 현상

층위에서 데이터 공급 생태계를 조성하기 위해 노력해왔다. 구체적으로 ‘공공데이터 포

털’을 통한 공공데이터 전면 개방을 필두로, 산업적 활용을 위한 ‘데이터 댐’ 프로젝트

및 분야별 ‘빅데이터 플랫폼’ 구축, 그리고 정보 주체 중심의 ‘마이데이터’ 사업 등을

추진하며 데이터의 양적 공급을 꾸준히 확대해 온 것이다. 그러나 이러한 노력에도 불구하

고 산업 현장은 여전히 ‘데이터 파편화(Fragmentation)1)’와 ‘AI-Ready Data(AI 모델에

즉시 투입 가능한 최적화된 데이터)’의 부족이라는 이중고를 겪고 있다. 2024년 소프트웨

어정책연구소(SPRi)의 ‘AI 융합 실태조사’ 결과에 따르면, 기업들이 AI 도입 시 겪는 가장

큰 애로사항으로 ‘데이터 확보 및 품질 문제(22.8%)’를 꼽았다. 이처럼 기업들은 여전히

양질의 데이터 부족을 호소하고 있다. 데이터의 총량은 증가했으나, 개별적으로 축적된 데

이터들이 서로 다른 규격과 폐쇄적인 환경에 갇혀 실질적으로 연결되거나 활용되지 못하고

있기 때문이다. 즉, 현재의 구조적 한계를 극복하고 데이터의 실질적 융합과 활용을 끌어내

기 위해서는, 단순한 개방을 넘어 데이터를 유기적으로 결합하는 ‘상호운용성

(Interoperability)’ 확보와 정보 주체의 주도적 활용을 보장하는 ‘데이터 이동권(Right to

Data Portability)’의 실현이 필요하다.

상호운용성은 서로 다른 시스템과 조직 간에 데이터가 의미의 손실 없이 원활하게 교환되

고 재활용될 수 있는 성질을 의미한다. 이는 단순한 물리적 연결을 넘어, 서로 다른 시스템

간에 합의된 기술적 표준과 데이터 포맷을 적용함으로써 공공, 민간, 산업 간의 경계를 가

로막던 데이터 사일로(Data Silo)2) 현상을 근본적으로 해소한다. 특히 데이터의 의미론적

(Semantic) 통일성을 확보하여 파편화된 데이터를 맥락에 맞게 통합하고, AI가 즉시 해석 가

능한 상태로 만듦으로써, AI 학습에 필요한 양질의 데이터를 확보하게 하여 서비스의 정확

성과 효율성을 획기적으로 개선하는 직접적인 해결책이 된다.

데이터 이동권은 정보 주체가 자신의 데이터를 보유한 기업에 해당 데이터를 자신 또는

제3자(다른 기업, 기관 등) 에게 전송해 달라고 요구할 수 있는 법적 권리이다. 이를 통해

이용자는 특정 플랫폼에 고착(Lock-in)되어 있던 데이터를 꺼내어 스타트업이나 타 서비스

로 자유롭게 이동시킬 수 있게 된다. 이는 결과적으로 소수 거대 플랫폼의 데이터 독점 구

조를 완화하고, 데이터 확보에 어려움을 겪던 혁신 기업들이 양질의 데이터를 수혈받아 새

로운 융합 서비스를 창출할 수 있는 공정한 경쟁의 토대를 마련해 준다. 나아가 데이터 활

용 과정을 투명하게 추적하고 통제할 수 있게 함으로써, AI 기술의 사회적 수용성을 높이고

- 3 -

신뢰성 및 공정성 문제를 해결하는 데 핵심적인 역할을 수행할 것이다.

이에 본 연구는 상호운용성과 데이터 이동권을 통해 국내 데이터 생태계의 구조적 단절

을 해소하고 현장에서의 원활한 데이터 흐름을 촉진하기 위한 실질적인 방안을 모색하고자

한다. 이를 실현하기 위해 주요국들의 관련 정책 동향과 사례를 면밀히 분석하고, 이를 토

대로 국내 적용을 위한 시사점을 도출할 것이다. AI 시대의 데이터 거버넌스는 단일 국가의

규제만으로는 작동하기 어려우며, 글로벌 차원의 기술 표준과 법적 정합성이 전제되어야 하

기 때문이다. 주요국의 다양한 법·제도적 접근과 기술 표준화 사례를 종합적으로 파악하여

글로벌 흐름을 이해하고, 이를 바탕으로 국내 데이터 생태계의 현황과 문제점을 심층적으로

진단하여 실정에 맞는 최적의 이행 전략을 수립하는 데 중요한 지표로 삼고자 한다. 특히

국내는 마이데이터 등 선도적 제도를 도입했음에도 불구하고, 현장에서는 기술적 호환성 부

족과 절차적 복잡성으로 인해 형식적 연결에 그치고 있다. 따라서 글로벌 표준과의 정합성

을 확보하는 동시에, 파편화된 국내 데이터 환경을 실질적으로 연결하여 데이터의 원활한

흐름을 보장할 수 있는 구체적인 실행 방안 마련이 시급하다.

연구의 목적 및 범위

본 연구는 AI 시대의 데이터 특성을 반영하여, 국내외 공공·민간 데이터의 상호운용성

과 이동권 관련 정책, 표준, 거버넌스 현황 및 산업 현장의 적용 사례를 체계적으로 분석하

는 데 목적이 있다. 특히 기존의 기술적 접근을 넘어, 데이터 생애주기(Data Lifecycle) 전반

에 걸친 통합적 관점에서 문제를 진단하고자 한다.

데이터의 흐름은 생성/수집, 저장/관리, 전처리/가공, 활용/재활용, 모니터링의 단계를 거

치며 유기적으로 연결된다. 본 연구는 이러한 생애주기 관점을 통해 각 단계에서 요구되는

상호운용성과 이동권의 상이한 쟁점들을 식별하고, 이를 기반으로 법제 개선, 표준화, 산업

가이드라인 등 구체적이고 실효성 있는 개선 방안을 도출할 것이다. 나아가 글로벌 데이터

주권 경쟁 속에서 한국형 데이터 생태계가 나아가야 할 방향을 제시함으로써, AI 시대의 신

뢰할 수 있고 역동적인 데이터 활용 기반을 조성하는 데 기여하고자 한다.

- 4 -

제2절 연구의 구성

본 연구는 총 6장으로 구성되며, 주요 내용은 다음과 같다.

제1장 서론에서는 AI 기술의 발전과 능동형 AI의 등장에 따른 데이터 패러다임 변화를 짚

어보고, 연구의 배경과 목적, 그리고 분석 관점을 제시한다.

제2장 이론적 배경 및 선행연구에서는 AI 시대 데이터 환경 변화에 따른 데이터 생애주기

를 비롯한 데이터 관리 패러다임의 전환을 살펴보고, 이를 토대로 데이터 상호운용성과 이

동권의 개념과 중요성을 정리한다. 또한 데이터 생애주기별 현황 분석을 위한 분석 프레임

워크를 구축한다.

제3장에서는 국내외 주요 국가를 대상으로 공공·민간 데이터 상호운용성 관련 정책, 표

준, 거버넌스 현황을 조사하고, 실제 적용 사례들을 수집·분석하여 주요 쟁점을 도출한다.

제4장에서는 데이터 이동권 관련 국내외 법제 및 정책 동향을 파악하고, 공공·민간 영역

적용 사례를 중심으로 현장 문제와 주요 쟁점을 도출한다.

제5장에서는 데이터 생애주기 단계별 상호운용성과 이동권 관련 핵심 쟁점을 분석 프레임

워크를 통해 논리적으로 구조화한다. 이어 기술(Technology), 제도·거버넌스(Governance),

경제·사회(Socio-Economy) 관점의 개선 방안을 종합적으로 분석하고, 실행 방향을 제시한

다.

제6장에서는 연구 결과를 종합하여 요약·정리하고, 연구 과정에서 발견한 한계와 향후

연구 방향을 제시한다. 더불어 정책 수립 및 실무 활용에 도움이 될 시사점을 논의한다.

- 5 -

제2장

이론적 배경 및 선행연구

본 장에서는 AI 시대 데이터 환경의 구조적 변화와 이에 따른 데이터 관리 패러다임 전환

을 살펴보고, 이러한 변화를 바탕으로 데이터 상호운용성과 이동권의 개념과 변화 방향을

체계적으로 정리하고자 한다. 아울러 데이터 생애주기 단계별 상호운용성과 이동권 관련 핵

심 쟁점을 파악하기 위한 분석 프레임워크를 구축한다.

제1절 AI 시대 패러다임 전환

1. AI 시대 데이터 환경의 특성과 관리 방식의 전환

데이터 환경은 기술적 변곡점에 따라 그 특성이 근본적으로 변화하고 있다. 과거 데이터

가 주로 거래 결과나 특정 시점의 상태를 남기는 기록물의 성격이 강했다면, 빅데이터가 부

상하며 많은 양의 데이터(Volume)로 전체 데이터의 패턴을 파악할 수 있게 되었고, 실시간

성(Velocity)을 통해 데이터를 즉각적 의사결정을 위한 동적 자원으로 활용하며, 정형, 비정

형 데이터 등 다양한 형태의 데이터(Variety)를 분석 영역에 포괄할 수 있게 되었다. 여기에

AI 시대에는 텍스트, 이미지, 음성, 센서 등 다양한 멀티모달(Multi-modal) 데이터를 하나의

맥락으로 융합하여 해석하는 지능적 추론이 추가되었다. 특히 초거대 AI(Hyperscale AI) 시

대로의 전환은 이러한 멀티모달 기반의 데이터 복잡성을 더욱 심화시켰다. 데이터는 이제

개인, 기관, 플랫폼 등 다양한 주체가 참여하는 복합적 흐름 속에서 지속적으로 생성·가

공·순환되는 구조를 갖게 되었다. 이러한 환경에서 데이터의 품질과 관리는 AI 모델의 성

능과 신뢰성을 결정하는 핵심 요인으로 부상하게 되었으며, ‘AI-Ready Data’ 수준의 고

도화된 데이터 가공은 필수적이다. 이에 따라 데이터 규모와 민감성 관리가 결합된 종합적

거버넌스 전략이 요구된다. 이는 기존 데이터 거버넌스 체계를 뛰어넘는 새로운 접근을 의

미하며, 데이터 품질, 투명성, 설명 가능성 그리고 AI 신뢰성 간의 인과 관계가 최신 연구를

통해 확인되고 있다. 즉, AI 시대의 데이터 관리는 단순한 보존을 넘어, AI의 성능과 사회적

신뢰를 담보하기 위한 전략적 설계 과정으로 변화하고 있다.

환경 변화에 따라 데이터 처리 방식 역시 근본적으로 진화하고 있다. 전통적 데이터 처리

방식인 중앙집중형의 ETL(Extract-Transform-Load) 프로세스는 다양한 원천 시스템에서 데

이터를 추출(Extract)한 뒤, 중앙 데이터 전처리 서버에서 미리 정의된 규칙에 따라 변환

(Transform) 및 정제를 거쳐 최종적으로 데이터 웨어하우스나 분석 플랫폼 등 최종 목적지

- 6 -

에 적재(Load)하는 일괄·선형적 처리 구조였다. ETL은 주로 테이블, 수치, 코드 등 정형 데

이터를 다루는 거래, 금융, 회계 등 반복적이고 표준화된 업무 처리에 효율적이나, 데이터

규모의 폭발적 증가와 비정형 데이터의 급증에 따른 확장성과 유연성 그리고 비정형·멀티

모달 데이터 처리에 한계가 있었다.

이를 극복하기 위해 최근 ELT(Extract-Load-Transform) 방식이 빠르게 확산되고 있다.

ELT는 데이터를 클라우드 등 확장성이 뛰어난 분산 저장소에 원형 그대로 적재한 후, 활용

목적과 필요에 따라 다양한 방식으로 데이터를 동적으로 변환하고 분석하는 방식이다. 이는

정형·비정형 데이터를 모두 포괄하며, 실시간·반복 데이터 처리와 분산된 조직 및 사용자

중심의 맞춤형 데이터 해석을 가능하게 한다. 최근 산업 전반에서 비정형 및 멀티모달 데이

터를 활용한 복합 분석이 보편화되며 Data Mesh, Data Fabric, Federated Learning 등의 분

산 아키텍처 개념 도입의 확대로 데이터의 동적 처리와 분산 관리 역량이 강화되었으며, AI

Agent가 다양한 원천 데이터를 수집, 추론, 행동 조율하는 유연한 데이터 접근과 관리 역량

이 필수적으로 요구되고 있다.

하지만 데이터 처리 환경의 분산화 및 AI의 고도화된 데이터 의존성은 역설적으로 데이터

생애주기 전반에 걸쳐‘데이터 파편화(Fragmentation)’문제를 심화시키고 있다. 이는 데이

터의 중요성이 커질수록 이를 독점하여 경쟁 우위를 확보하려는 경제적 유인과 고가치 데

이터 유출에 대한 리스크 방지를 위한 폐쇄적 운영 방식에서 야기된다. 결과적으로 데이터

가 중요해질수록 오히려 이질적인 포맷과 시스템에 갇힌 채 고립되는 데이터 사일로(Data

Silo) 현상이 더욱 견고해지는 구조적 모순이 발생할 수 있다. 특히 글로벌 차원의 '디지털

보호주의(Aaronson, 2019)'와 기업의 '폐쇄적 거버넌스(Manyika et al., 2016)'는 이러한 데이

터 고립을 가속하는 주된 원인이 된다.

이러한 문제를 해결하고 데이터의 실질적 가치를 구현하기 위해서는, 파편화된 데이터를

논리적으로 연결하여 원활한 흐름을 만드는 것이 시급하다. 구체적으로, 데이터 수집 및 가

공 단계에서 이종 시스템과 멀티모달 데이터 간의 기술적·의미적 상호운용성이 확보되어

야 AI 학습 데이터 세트 구성이 가능해진다. 또한, 활용 및 유통 단계에서는 정보 주체의

권리 보장과 시장 활성화를 위해 플랫폼 경계를 넘나드는 실질적 데이터 이동권이 구현되

어야 한다. 즉, 상호운용성과 이동권은 기술적 표준의 문제를 넘어, 분산된 자원을 AI 핵심

자산으로 전환하기 위한 가장 시급한 전제 조건이라 할 수 있다.

2. AI 환경에서의 데이터 생애주기 변화

AI 시대에 들어 데이터의 처리, 관리, 활용 방식 전반에 근본적 변화가 나타나고 있다. 과

- 7 -

거 데이터가 특정 목적을 위해 수집, 저장, 활용된 후 폐기되는 정적, 선형적인 구조였다면,

현재는 다양한 형태와 출처에서 실시간 생성, 분석, 재가공을 거쳐 다시 새로운 데이터로

재탄생하며, 활용 범위와 방식이 끊임없이 확장되는 동적이고 순환적인 흐름을 보인다.

본 연구는 이러한 역동적 데이터 환경을 체계적으로 이해하고 분석하고자 데이터 생애주

기(Data Lifecycle)를 분석 틀로 삼고자 한다. 데이터 생애주기는 데이터가 생성되어 폐기되

기까지의 전 과정을 구조화함으로써 단계별 이슈와 이를 해결하기 위한 정책적, 기술적 과

제를 통합적으로 식별하고 대응하는 데 유용하다. 이 틀은 장기 데이터 보존 및 메타데이터

관리(Edinburgh DMP, 2018), 기업 데이터 거버넌스 및 보안(Zhang & Lee, 2018; Keller,

2019), 연구 데이터 관리(Jiang et al., 2025), 공공기관 데이터 상호운용성 수준 평가(National

Archives of Australia, 2019), 등 다양한 분야의 연구에서 활용되어 왔다.

데이터 생애주기는 기술, 분야, 시대적 특성에 따라 다양하게 정의되고 활용되며, 각기 다

른 단계를 가진다. <표 2-1>은 이러한 변화에 따른 데이터 생애주기의 단계별 차이를 정리

한 것이다.

전통적 모델은 대표적으로‘기획(Plan)→수집(Acquire)→처리(Process)→분석(Analyze)→보존

(Archive)→폐기(Destroy)’등의 선형적 구조를 지향하였으나, 이러한 방식은 현실에서 반복

적으로 이루어지는 데이터 처리와 피드백 순환, 그리고 AI의 지속적 학습(Continual

시대

기술적 배경

주요 문헌/표준

생애주기 단계

특징

1970s

RDBMS

Codd(1970)

Creation → Storage → Query → Disposal

단순 4단계,

트랜잭션 중심

1990s

DW/BI

Inmon(1992),

Kimball(1996)

Planning → Acquisition → ETL → Storage

→ Analysis → Archiving

ETL 강조,

품질관리 도입

2000s

웹/SOA

W3C Standards

Generation → Collection → Processing →

Storage → Distribution → Preservation

웹서비스 연계,

분산처리

2010s

빅데이터

Hadoop

Ecosystem,

DAMA DMBOK

Ingestion → Processing → Storage →

Analytics → Visualization → Governance

실시간 처리,

거버넌스 강화

2020s

AI/

클라우드

HBS(2021), GDPR

Generation → Collection → Processing →

Storage → Management → Analysis →

Visualization → Interpretation

시각화 중심,

관리 단계 세분화

데이터주권

ISO/IEC 23053,

GDPR Art.20

Creation → Collection → Storage →

Processing → Analysis → Sharing →

Preservation → Disposition

권리 기반,

이동권 내재화

출처: Codd(1970), Inmon(1992), DAMA DMBOK, ISO/IEC 23053, GDPR 등 주요 문헌을 종합하여 연구자 재구성

<표 2-1>

시대적, 기술적 변화에 따른 데이터 생애주기 단계 변화

- 8 -

Kreuzberger, D., Kühl, N., & Hirschl, S. 2023, Machine learning operations(MLOps): Overview,

definition and architecture, IEEE Access.

learning)과 같은 최근 데이터 환경의 변화를 충분히 반영하는 데 한계가 있다. 최근 AI 기

반 데이터 운영 환경에서는 실시간 스트리밍, 피드백 기반의 지속적 학습, 다중 조직 간 데

이터 협업 등 반복적이고 순환적인 데이터 흐름이 두드러진다. 즉, 데이터는 한 번 처리되

고 끝나는 것이 아니라, 여러 주체에 의해 재가공되고, 분석 결과가 다시 새로운 데이터 생

성이나 추가 활용으로 이어지는 복합적 과정이 반복된다. 따라서, 데이터의 동적이고 순환

적인 특성을 포괄할 수 있는 새로운 데이터 생애주기 모델의 재설계가 필요하다.

최근 AI 및 빅데이터 환경에 맞춰 새로운 데이터 관리 프로세스들이 제안되고 있으며, 대

표적인 예가 AI 성능 향상에 필수적인 고품질 학습 데이터의 수집, 정제, 가공 과정을 포함

하는 MLOps(Machine Learning Operations) 사이클3)이다. MLOps는 계획→구축(수집+저장+가

공)→활용(유통)→재계획의 순환 구조를 핵심으로, 기존 선형적 모델이 간과했던 피드백 기

반의 지속적 개선을 체계화하고 데이터 품질, 투명성, 설명 가능성을 중시하여 AI 신뢰성을

높인다. 특히, 기존 모델이‘폐기(Destroy)’로 종결되는 일방향적 흐름을 보이지만, MLOps

모델은‘모니터링 및 재학습’을 통해 데이터의 가치를 지속적으로 재생산한다는 점에서

근본적 패러다임 전환을 보인다. 이에 따라 기존의 선형적 데이터 생애주기와 AI 시대의

MLOps 모델 간의 구체적 단계별 차이는 다음의 <표 2-2>와 같다.

본 연구에서는 이러한 패러다임 전환을 바탕으로, AI 및 첨단 데이터 환경에 최적화된 생

애주기 모델을 재구성하고자 한다. 새 모델은 AI 시스템의 핵심 특성인 '지속적인 학습과

개선'을 위한 MLOps의 순환 구조와 ELT 기반의 동적 데이터 흐름을 반영하여, 데이터의

단순 활용을 넘어 ‘피드백을 통한 재순환’을 지향하는 것이 특징이다. 이를 위해 단계별

핵심 활동/목적

기존 데이터 생애주기

MLOps cycle

계획 수립 및 정의

기획 (Plan)

Problem Definition / Data Design

데이터 확보

수집 (Acquire)

Data collection

데이터 준비 및 가공

처리 (Process)

Data Preparation / Feature Engineering

분석 및 학습

분석 (Analyze)

Model Training & Evaluation

장기 보존

보존 (Archive)

해당없음 (Dynamic Data Management로 대체)

활용 및 전달

공유 (Share)

Model Deployment / Serving

종결

폐기 (Destroy)

Monitoring & Retraining (CI/CD)

특징

선형적, 일방향적

순환적

출처: Google. (2021). Practitioners guide to MLOps: A framework for continuous delivery and automation of machine learning.

<표 2-2>

데이터 생애주기 모델과 순환적 생애주기 모델의 비교

- 9 -

활동의 유사성과 유기적인 흐름을 고려하여 총 5단계의 순환 구조로 구성하였다. 각 단계는

유기적으로 연결되어 모니터링과 피드백 과정을 통한 지속적 개선과 실시간 데이터 품질

점검, 거버넌스 준수를 포함하여 끊임없이 변화하는 데이터 환경 속에서 효율적인 관리가

가능하도록 구성하였으며, 상세 내용은 다음의 <표 2-3>과 같다.

이러한 관점에서 이어지는 절에서는 데이터 상호운용성과 이동권의 개념과 중요성, 그리

고 기술적, 제도/거버넌스적, 경제/사회적 관점에서의 주요 쟁점을 심층적으로 살펴보고자

한다.

단계

주요 내용

생성 및 수집

데이터가 시스템에서 생성되고 다양한 출처에서 수집되는 단계

데이터 원본 확보 및 초기 기록 관리 포함

저장 및 관리

수집된 데이터를 안전하게 저장, 관리

무결성, 보안, 백업, 거버넌스 체계 구축 등

전처리 및 가공

데이터 정제, 변환, 라벨링, 클렌징 등 품질향상을 위한 전처리 및

데이터 준비 업무

활용 및 재활용

데이터 기반 분석과 AI 학습 등 직접적 활용뿐 아니라 재이용 가능한

데이터의 활용과 데이터 거버넌스 내 재사용 방안 포함

모니터링 및 피드백

데이터 품질과 적합성 실시간 모니터링, 운영 중 피드백 수집 및 반영,

지속적 개선과 재가공 프로세스

출처: 데이터 생애주기 모델을 종합하여 연구자 재구성

<표 2-3>

AI 시대 데이터 생애주기

- 10 -

제2절 데이터 상호운용성의 개념과 중요성

1. 데이터 상호운용성 (Data Interoperability)

데이터 상호운용성은 이종 시스템 간 데이터의 원활한 호환과 연계를 가능하게 하여 AI

시대의 데이터 활용을 촉진하는 핵심 요소이며, 기술 발전에 따라 그 정의와 개념적 범위는

지속적으로 확장되었다. 이는 단순한 데이터 포맷 일치를 넘어, 시스템 간 유기적 상호작용

을 의미하는 포괄적 상호운용성(Interoperability) 개념에서 출발한다.

상호운용성은 1977년 미국 국방부(Department of Defense)에서 처음 정의한 개념으로, 하

나의 시스템이 동일 또는 이기종의 다른 시스템과 제약 없이 서로 정보를 교환하고 사용할

수 있는 성질을 의미한다. 1990년대에는 기술적 정보 교환과 운영 통합에 집중했다면, 2000

년대 이후 시스템 복잡도가 증가함에 따라 의미적·조직적 차원을 포괄하는 넓은 의미의

상호운용성으로 진화하였다. 특히 AI 시스템의 확산과 함께 상호운용성에 대한 통합적 접근

방식이 요구되고 있다. Lalli(2024)는 상호운용성을 다음 <표 2-4>와 같이 13가지 주요 차원

으로 세분화하여 제시하였다.

번호

차원

의미 및 예시

기술적

(Technical)

다양한 시스템, 네트워크, 플랫폼이 미들웨어 없이 원활히 정보 교환, 통신하는 성질

(예: 서로 다른 클라우드 플랫폼 간 애플리케이션 연동)

실용적

(Pragmatic)

시스템 간 메시지 교환이 의도한 효과를 달성하고, 맥락 변화에 적응하는 성질

(예: HR 시스템 소득 자료가 국세청 과세 시스템에서 동일한 맥락으로 해석, 자동 반영)

의미적

(Semantic)

데이터의 의미와 맥락이 시스템 간 일관되게 해석되는 성질

(예: 의료 시스템에서 ‘BP’를 동일하게 혈압으로 처리)

구문적

(Syntactic)

데이터 형식, 구조가 호환되어 변환 없이 처리되는 성질

(예: JSON 형식 데이터가 여러 시스템에서 그대로 처리)

법적

(Legal)

전자서명, 전자문서 등 시스템 간 교환이 서로 다른 법적 체계에서도 효력을 갖는 성질

(예: EU 공인 전자서명으로 독일 전자서명이 프랑스에서도 유효하게 인정)

조직적

(Organizational)

서로 다른 기관의 정보시스템이 프로세스, 정책 차이를 극복하고 연계 동작하는 성질

(예: 병원 EMR 시스템과 보험사 청구 시스템이 자동으로 연동)

운영적

(Operational)

시스템이 실시간으로 상호 서비스를 호출하며 연합 운영하는 성질

(예: 다국적 군사 시스템이 같은 전장 상황 정보를 공유)

기업적

(Enterprise)

기업 내부 시스템들이 제품 설계, 생산, 물류 프로세스를 유기적 연계하는 성질

(예: ERP, MES, SCM 시스템이 통합되어 생산과 공급망을 실시간 연동)

<표 2-4>

상호운용성의 주요 차원(Dimensions)

- 11 -

데이터 상호운용성은 이러한 광의의 상호운용성 중 데이터 측면에서의 시스템 간 교환,

해석, 통합 등 호환성을 의미하는 하위 개념이다. 이는 서로 다른 IT 시스템이 최소한의 사

용자 개입만으로 표준에 기반하여 데이터를 공유할 수 있도록 하는 접근 방식이다

(Lindemulder & Kosinski, 2025).

2. 데이터 상호운용성 확보를 위한 표준 및 메커니즘

데이터 상호운용성을 보장하기 위해서는 동일한 의미의 데이터를 일관된 형식과 규칙에

따라 교환해야 하며, 이를 위해 국제 표준(ISO/IEC)이 제정되어 있다.

데이터의 구조와 의미를 통일적으로 정의 및 관리하기 위한 대표적인 표준으로는 ISO/IEC

11179 메타데이터 레지스트리(Metadata Registry, MDR)가 있다. 이는 단일 규격이 아니라

개념, 식별, 정의, 분류, 등록 등으로 구성된 하위 표준 체계로 이루어져 있어 데이터 요소

수준에서의 상호운용성을 정밀하게 지원한다. 또한, 인프라 및 플랫폼 관점에서는 클라우드

환경에서의 데이터 상호운용성과 이식성 확보를 규정한 ISO/IEC 19941이 정의되어 있다. 아

울러 AI 시스템의 구성요소, 데이터 흐름, 운영 단계 등을 구조적으로 기술하기 위한 AI 시

스템 프레임워크 관련 국제 표준인 ISO/IEC 23053도 제정되어 활용되고 있다.

최신 연구들은 단순한 기술적 연동을 넘어 데이터의 의미를 실질적으로 공유하는 의미적

(Semantic) 상호운용성을 강조하고 있다. 이는 데이터의 의미를 다른 시스템에서도 같게 해

석하도록 보장하는 메커니즘으로, 시스템 간 공유되는 어휘집(Vocabulary), 온톨로지

(Ontology), 링크드 데이터(Linked Data) 기술을 활용한다(Steinbuss & Turkmayali, 2024). 의

번호

차원

의미 및 예시

구성적

(Constructive)

공통 아키텍처 및 표준을 적용해 시스템을 설계, 구축하는 성질

(예: 전력망 관리 시스템이 공통 통신 프로토콜 기반으로 설계)

프로그램적

(Programmatic)

한 프로그램이 다른 프로그램 환경에서 일관되게 상호작용하는 성질

(예: 교육 관리 프로그램이 국가 학사 관리 프로그램과 연동)

전자적

(Electronic)

IoT 기기나 전자장치가 공통 인터페이스로 데이터를 교환, 제어하는 성질

(예: 스마트홈에서 냉장고, 조명, 보안장치가 같은 플랫폼에서 제어)

물류적

(Logistic)

군수, 물류 시스템이 부품/예비품 정보를 교환 및 활용하는 성질

(예: NATO 동맹국 무기체계가 같은 부품 식별코드로 교환 가능)

데이터

(Data)

데이터가 시스템 경계를 넘어 일관되게 교환, 통합되는 성질

(예: 정부 DB와 연구기관 DB가 동일한 메타데이터 표준으로 데이터 공유)

출처: Lalli (2024). Defining Interoperability: a universal standard. arXiv preprint arXiv:2408.16411.

- 12 -

미적 상호운용성이 확보되지 않을 경우, 데이터 해석의 오류로 인해 잘못된 의사결정을 초

래할 리스크가 높다.

3. 데이터 상호운용성 프레임워크

데이터 상호운용성의 층위는 기술적, 구문적, 의미적 차원으로 재정립된다.

기술적 상호운용성은 시스템 간 데이터의 물리적 전송 및 교환 가능성을 의미하며, 구문

적 상호운용성은 데이터 형식 및 구조의 일치에 따른 가독성과 처리 가능성을 뜻한다. 마지

막으로 의미적 상호운용성은 정보가 동일한 맥락에서 해석되는 의미 일치성을 말한다.

본 연구는 이러한 선행 연구의 개념을 종합하여, 중복 요소를 정제하고 5가지 핵심 속성

으로 단순화하여 '데이터 상호운용성 분석 프레임워크'를 <표 2-5>와 같이 도출하였다.

구분

핵심 속성

포함항목

정의 및 설명

기술/구조

연결성 및 판독성

기술적, 구문적,

전자적, 구성적

물리적 연결을 통해 데이터가 전송되고, 표준화된

형식(Format)을 통해 구조적으로 판독 가능한 상태

의미/실용

해석의 일관성

의미적, 실용적

수신된 데이터의 의미와 맥락이 송신 측의 의도와 같게

해석되어 실제 업무에 유효하게 활용되는 상태

업무/운영

프로세스 연동성

운영적, 조직적,

기업적, 프로그램적,

물류적

조직 간 업무 절차나 비즈니스 프로세스상에서 데이터가

끊김 없이 공유되고 작동하는 상태

법/제도

법적 유효성

법적

상이한 법·제도 환경 아래서도 교환된 데이터의 법적

효력이 인정되고 보호되는 상태

표준/품질

데이터 완결성

데이터

데이터 자체의 품질, 메타데이터, 표준이 확보되어 특정

시스템에 종속되지 않고 재사용 가능한 상태

자료: Lalli(2024) 및 관련 선행연구를 바탕으로 연구자 재구성

<표 2-5>

데이터 상호운용성 프레임워크 (본연구 재정의)

4. 데이터 상호운용성의 중요성

AI 기술의 고도화로 데이터 상호운용성은 AI 모델의 성능과 신뢰성을 결정짓는 필수 요건

으로 부상하였다. AI 모델의 역량은 대규모 이종 데이터를 얼마나 효과적으로 학습 가능한

지에 좌우되기 때문이다. 과거 시스템이 일정한 스키마(Schema)에 맞추어 정적 데이터를 조

회 및 활용하는 방식이었다면, 현대 AI 모델 개발은 다양한 원천 데이터를 수집·저장한 후

목적에 맞게 동적으로 가공하여 활용한다. 이러한 변화 속에서 데이터는 특정 시스템에 종

- 13 -

속된 자원을 넘어, 여러 환경을 순환하며 재사용되는 핵심 자원으로 기능하게 되었다.

첫째, 기술 및 성능 측면에서 데이터 상호운용성은 이질적인 데이터의 효과적인 학습을

가능케 함으로써 AI의 역량을 극대화한다. 특히, 텍스트, 이미지, 영상 등 다양한 형식의 데

이터를 혼합하여 처리하는 멀티모달(Multi-modal) 환경에서 상호운용성은 다양한 원천

(Source)으로부터 수집되는 데이터의 의미와 맥락을 훼손 없이 유지하며, 데이터가 시스템

경계를 넘어 AI 모델에 지속적으로 수혈될 수 있도록 지원함으로써 분석 결과의 정확성과

성능 향상을 높이는 동력이 된다.

둘째, 신뢰성 및 투명성 측면에서 데이터 상호운용성은 AI 모델의 추론 결과에 대한 해석

가능성(Explainability)을 높인다. AI 모델은 내부 연산 과정을 명시적으로 드러내기 어려운

블랙박스적 특징을 지니는데, 상호운용성을 통해 확보된 데이터의 일관성은 모델의 의사결

정 논리를 추적할 수 있는 중요한 기반이 된다. 즉, 데이터의 의미와 맥락이 전 과정에서

일관되게 유지됨으로써 추론 결과의 왜곡을 방지하고, 사용자에게 신뢰할 수 있는 정보를

제공하는 핵심 기제로 작용한다.

나아가 다양한 지능화 서비스가 산업 전반에 확산됨에 따라 AI 서비스 간 연계에 대한 수

요도 지속적으로 증가하고 있다. 기업과 정부는 성능 중심의 기술 개발을 넘어, '신뢰할 수

있고 안전하며 책임 있는 AI(Responsible AI)' 관리를 중요한 과제로 인식하고 있다. 이러한

요구를 충족하기 위해 개별 시스템이나 특정 서비스에 국한되지 않는 전방위적인 데이터

상호운용성을 보장함으로써, AI 기술 생태계 전반에 걸쳐 일관된 데이터 활용과 관리가 이

루어질 필요가 있다.

결국 데이터 상호운용성은 복합적인 시스템 환경에서 데이터의 출처와 의미를 명확히 유

지함으로써, 예측 결과의 신뢰성을 확보하고 거버넌스 차원의 통제력을 강화하는 핵심 요소

이다. 이는 단순한 기술적 연계를 넘어 AI 시대 데이터 생태계의 유동성을 담보하는 전략적

자산이라 할 수 있다.

종합하면, 상호운용성은 AI 중심 데이터 경제에서 신뢰와 공유를 촉진하는 핵심 기제이다.

이어지는 절에서는 정보 주체의 권리 관점에서 데이터 이동권의 개념과 중요성을 살펴본다.

- 14 -

제3절 데이터 이동권의 개념과 중요성

1. 데이터 이동권의 개념 및 구조적 특징

데이터 경제의 확산으로 데이터 통제 권한이 플랫폼에서 정보 주체 중심으로 전환됨에 따

라, 데이터 이동권(Right to Data Portability)은 정보 주체의 데이터 통제권을 강화하고, 플랫

폼의 독점을 완화하여 공정한 경쟁 환경을 조성하는 핵심 제도 장치로 부상했다. 2018년

EU의 일반개인정보 보호법(GDPR) 시행으로 구체화된 이 개념은 초기‘방어적 권리’를 넘

어 현재‘능동적 데이터 활용 및 통제 수단’으로 그 범위가 확장되고 있다.

데이터 이동권은 정보 주체가 본인 데이터를 기계 판독 가능(Machine-readable) 형식으로

제공받아, 자신 또는 제3자에게 전송하도록 요청할 수 있는 권리를 의미한다. 이는 단순 열

람을 넘어, 데이터를 능동적으로 소유·활용하고 이동시킬 수 있는 실질적 처분 권한을 포

함하며, 최근에는 개인정보 보호를 넘어 기업 및 산업 데이터 활용까지 확장되는 추세이다.

데이터 이동권의 적용 범위와 구현 방식을 설명하는 핵심 요소는 다음 <표 2-6>과 같다.

핵심 요소

정의

세부 내용 및 고려사항

데이터 유형

(Type of

Data)

무엇을

전송하는가

●

자발적 (Volunteered) 데이터

이용자가 직접 제공한 정보 (예: 가입 시 입력하는 개인정보, 프로필 사진)

●

관찰 (Observed) 데이터

센서, 로그 등으로부터 자동 수집되는 데이터

(예: 웹사이트 접속 기록, 위치정보, 스마트 기기 사용 데이터)

●

파생 (Derived or Inferred) 데이터

분석 및 추론을 통해 생성된 데이터

(예: 추천 알고리즘 결과, 신용 등급, 관심사 분석 결과)

●

획득된 (Acquired) 데이터

외부 API, 공개 데이터 세트, 제3자 라이선스 구매 등을 통해 얻은 데이터

(예: 외부 플랫폼 연동을 통해 얻은 데이터 목록)

수혜자

(Beneficiaries)

누구의

데이터를

옮기는가

●

개인 (자연인) 개인정보 주체의 데이터 이동권

●

기업 (법인) 기업 간 데이터 이동권

운영 방식

(Operational

Modality)

어떻게

데이터를

전송할 것인가

●

일시적 (One-time) 전송

한 번의 요청으로 데이터를 내려받거나 단순 전송

(예: 특정 서비스에서 내 데이터 백업 파일 다운로드)

●

상호운용성 기반 실시간 (Continuous) 전송

API 등을 활용하여 여러 서비스 간 데이터가 지속적, 자동 연동

(예: 헬스케어 앱과 병원 시스템 간 실시간 건강 정보 연동)

자료: OECD (2025), 『Enhancing Access to and Sharing of Data in the Age of AI』 재구성

<표 2-6>

데이터 이동권의 핵심 요소

- 15 -

특히 주목할 점은 데이터 유형의 확장이다. 기존에는 자발적·관찰 데이터가 주된 대상이

었으나, 최근 AI 분석 기술의 발달로 파생 데이터까지 이동권의 대상에 포함할지에 대한 논

의가 활발하다. 파생 데이터는 AI 학습의 핵심 자원이지만, 기업의 분석 노하우가 담긴 영

업비밀의 성격을 동시에 지니고 있어 정보 주체의 권리와 기업의 이익 사이에서 균형점을

찾는 것이 주요 쟁점이다. 또한, 수혜자가 개인을 넘어 기업(법인)으로 확대되고, 운영 방식

이 API 기반 실시간 연동으로 고도화됨에 따라, 데이터 이동권은 기업 간(B2B) 데이터 시장

의 유동성을 높이는 핵심 인프라로 진화하고 있음을 시사한다.

즉, 데이터 이동권은 고정된 개념이 아니라, 기술 인프라의 성숙도에 따라 정보 주체가 행

사할 수 있는 권리의 범위와 깊이가 단계적으로 고도화되는 특징을 보이며(OECD, 2025), 구

체적 과정은 <표 2-7>과 같다.

단계

권리의 성격

권리 구현 방식

AI 시대적 함의

1.0단계

단편적 보유

데이터를 소유할 권리

(소극적, 정적 권리)

●

본인 기기로의 파일 다운로드

●

수동 백업 및 보관

●

플랫폼 락인(Lock-in)방지를 위한

최소한의 방어권

●

데이터 활용성은 낮음

2.0단계

요청 기반

이동권

데이터를 옮길 권리

(적극적, 단절적 권리)

●

수동적 백업 및 보관

●

제3자 서비스로의 직접 전송

●

마이데이터 등 데이터 경제의 시작

●

단발성 이벤트로 실시간 학습 불가

3.0단계

상시적 통제권

데이터의 흐름을 통제할 권리

(동적, 생태계적 권리)

●

API를 통한 실시간 데이터 연동

●

클라우드 기반 데이터 공유

●

IoT 환경에서 자동 데이터 전송

●

끊김 없는(Seamless) 연동

●

AI 초개인화 서비스의 핵심 기반

●

데이터 생태계의 실시간 주권 행사

자료: OECD (2025), 『Enhancing Access to and Sharing of Data in the Age of Artificial Intelligence』 재구성

<표 2-7>

데이터 이동권의 발전 단계 및 특징

1.0단계에서의 데이터 이동권은 정보 주체를 보호하기 위한 방어적 수단에 불과하여 AI

학습과 같은 부가가치 창출로 이어지기 어려웠다. 사용자는 데이터를 내려받음으로써 플랫

폼의 데이터 고착(Lock-in)을 방지할 수 있었으나, 정적인 파일 형태의 데이터는 실시간 서

비스 개선으로 연결되는 데 한계가 있었다. 2.0단계는 데이터 경제를 활성화하는 시발점이

되었으나 사용자의 특정 시점 요청에 의존하는 단절적 이동이라는 한계를 지닌다. 따라서

AI 시대의 데이터 이동권은 단순한 물리적 이동을 넘어 데이터 흐름(Data Flow)에 대한 실

시간 통제권인 3.0단계로의 진화가 필수적이다. 이는 AI 모델이 끊김 없는(Seamless) 데이터

를 학습하여 초개인화된 서비스를 제공할 수 있게 하는 동시에, 정보 주체가 데이터 생태계

의 주체로서 실질적인 영향력을 행사하게 함을 의미한다.

- 16 -

2. 데이터 이동권의 중요성

데이터 이동권은 플랫폼 독점 완화와 정보 주체의 권리 강화라는 이중적 효과를 창출하

며, AI 시대 건전한 데이터 생태계 조성을 위한 핵심 기제로 작용한다.

첫째, 시장 경제적 측면에서 데이터 이동권은 거대 플랫폼의 데이터 독점 구조를 해체하

고 공정 경쟁을 유도하는 강력한 수단이다. 오늘날 데이터는 AI 학습과 서비스 혁신의 핵심

자원이지만, 대부분 거대 기술 기업(Big Tech)의 폐쇄적인 플랫폼 안에 갇혀 있다. 데이터

이동권은 이용자가 자신의 데이터를 가지고 자유롭게 이동할 수 있게 함으로써 특정 플랫

폼에 대한 고착(Lock-in) 효과를 완화한다. 이는 이용자의 서비스 전환 비용(Switching Cost)

을 획기적으로 낮추어, 데이터 확보에 어려움을 겪는 AI 스타트업이나 신규 기업에 시장 진

입의 기회를 제공하고 서비스 혁신 경쟁을 촉진한다. 다만, 데이터 이동권의 보장이 곧바로

실질적인 플랫폼 전환으로 이어진다고 단정하기는 어렵다. 네트워크 효과가 강한 시장에서

는 전환 비용이 낮아지더라도 고착 효과가 지속될 수 있으며(Farrell & Klemperer, 2007),

GDPR 시행 이후 오히려 대형 플랫폼의 시장 집중도가 증가했다는 실증 결과도 이를 뒷받

침한다(Peukert et al., 2022). 따라서 데이터 이동권은 표준 API 의무화, 플랫폼 독점 규제

등 보완적 수단과 병행 설계될 때 실효성을 가질 수 있다.

둘째, 정보 주체 권리 측면에서 데이터 이동권은 정보 주체의 자기 결정권을 실질적으로

구현한다. 과거 정보 주체는 약관에 동의하는 수동적 존재에 머물렀으나, 데이터 이동권을

통해 자신의 데이터가 언제, 어디로, 어떻게 흐를지 결정하는 능동적 관리자로 변화한다. 특

히 AI 시대에는 나의 데이터가 어떤 모델의 학습에 사용되는지 파악하고 통제하는 것이 중

요해지는데, 데이터 이동권은 정보의 비대칭성을 해소하고 데이터 주권(Data Sovereignty)을

실현하는 실질적인 도구로 기능한다.

이처럼 데이터 이동권은 데이터 경제의 선순환을 위한 필수 요건이지만, 동시에 권리와

의무가 공존하는 이중적 성격을 갖는다. 데이터 이동권은 이용자의 권리인 동시에, 데이터

제공자에게 데이터를 안전하고 정확하게 전송해야 할 보안 및 개인정보 보호 책임을 부과

하기 때문이다. 즉, 기업은 이용자의 전송 요구를 충실히 이행해야 함과 동시에, 전송 과정

에서의 보안 위협을 방지하고 개인정보 유출을 막아야 할 무거운 책임을 지게 된다. 따라서

형식적인 권리 보장을 넘어 실질적인 데이터 이동을 구현하기 위해서는 상호운용성 확보와

제도적 거버넌스의 동반 성장이 필수적이다. 기술적으로는 서로 다른 시스템 간 데이터가

원활히 흐를 수 있도록 표준화된 인터페이스와 공통의 데이터 포맷이 마련되어야 하며, 제

도적으로는 전송 사고에 대한 책임 소재를 명확히 하는 가이드라인이 요구된다.

- 17 -

제4절 상호운용성과 데이터 이동권의 관계

데이터 상호운용성과 데이터 이동권은 각각 기술적 이행 가능성(Technological Feasibility)

과 법적 집행력(Legal Enforceability)을 상징하며, 두 개념은 데이터가 특정 시스템에 고립

되지 않고 가치 사슬 내에서 원활히 유통되기 위해 상호보완적인 관계를 형성한다.

1. 기술적 기반과 법적 권한의 상호 의존성

기술적 상호운용성이 결여된 데이터 이동권은 권리 행사의 실효성을 저하시킨다. 정보 주

체가 법적으로 데이터 전송을 요구하더라도, 수신 측 시스템이 해당 데이터를 처리하거나

기존 데이터와 통합할 수 없다면 이동권은 형식적인 데이터 다운로드 수준에 머물게 된다.

특히 의미론적(Semantic) 연계 없이 이동되는 데이터는 맥락 파악이 어려워 AI 모델 재학습

이나 초개인화 서비스 구현에 실질적인 기여를 하기 어렵다.

반대로 데이터 이동권이라는 제도적 근거가 없는 상호운용성은 데이터 자원의 활용도를

낮춘다. 산업계에서 공통 표준과 API 규격을 마련하여 기술적 연동 준비를 마쳤더라도, 정

보 주체에게 자신의 데이터를 전송할 법적 권한이 부여되지 않는다면 데이터는 여전히 개

별 플랫폼의 폐쇄적 환경 내에 머물게 된다. 따라서 데이터 이동권은 고착된 데이터 자원을

시장으로 유입시키는 제도적 계기로서 상호운용 기술이 실제 산업 현장에서 작동하도록 돕

는다.

2. AI 데이터 생태계 활성화를 위한 통합적 효과

상호운용성과 이동권의 결합은 단순한 기술·제도의 병렬적 공존을 넘어 시장 전반의 역

동성을 높이는 구조적 변화를 이끈다. 상호운용성 표준화는 데이터 통합에 드는 기술적 비

용을 획기적으로 낮추는 동시에, 이동권 보장은 고가치 데이터의 자유로운 흐름을 견인한

다. 이러한 구조적 변화는 대형 플랫폼의 데이터 독점을 완화하고, 신규 진입을 꾀하는 혁

신 기업들에 공정한 경쟁 기회를 제공함으로써 AI 기반 서비스 혁신을 가속화한다.

나아가 이러한 통합적 작용은 본 연구에서 강조하는 '순환형 데이터 생애주기'의 연속성을

확보하는 핵심 기제가 된다. 상호운용성이 데이터 교환의 공용 규격으로 기능하고 이동권이

전송의 법적 권한을 뒷받침할 때, 시스템 간 데이터 흐름이 단절없이 이어지며 데이터의 가

치가 지속적으로 재생산되는 선순환 구조가 안착될 수 있다.

- 18 -

제5절 분석 프레임워크 정의

본 연구에서는 AI 시대의 데이터 환경을 반영하여 재정의한 5단계 데이터 생애주기 모델

을 기반으로, 데이터 상호운용성 및 이동권 개선 방안을 기술, 제도·거버넌스, 경제·사회

세 가지 차원에서 종합적으로 파악하고자 한다.

데이터 이동권과 상호운용성의 확보는 AI 시대 데이터 활용의 가치와 신뢰성을 향상하기

위한 선행 조건이며, 이는 단순한 기술적 도입을 넘어 제도와 사회적 수용을 포괄하는 전방

위적 변화를 통해 완성될 수 있다. 그러나 기존 관련 연구들은 상호운용성 및 데이터 이동

의 기술적 실행 가능성에 초점을 둔 순수 기술 분석이나, 도입의 시장 효율성 및 경제적 유

인만을 다루는 순수 경제 분석 등 단일 차원적 분석 틀을 주로 활용하여 AI 시대의 복합적

특징을 포괄하는 데 한계를 보였다.

이에 본 연구는 사회기술시스템(Socio-Technical System, STS) 이론을 기반으로 분석 틀을

마련한다. STS는 기술적 요소와 사회적 요소(인력, 조직, 문화, 규범, 이해관계자)의 상호작

용을 분석하는 복합 시스템 이론이다. 데이터 이동권 및 상호운용성 확보라는 과제가 개인,

플랫폼 기업, 정부 등 모든 주체의 복합적인 상호작용이 필요한 시스템 전환 과정임을 고려

할 때, STS이론은 본 연구의 분석에 활용하기 적합하다.

본 연구는 데이터 이동권 및 상호운용성 관련 현황과 핵심 쟁점을 체계적으로 파악하고

실효성 있는 개선 방안을 도출하기 위해, 5단계 데이터 생애주기와 STS 기반의 3가지 관점

(기술, 제도·거버넌스, 경제·사회)을 결합한 5×3 매트릭스 분석 프레임워크를 활용한다.

STS 기반의 관점을 통해 기술, 정책 등 단일 관점에 치중했던 기존 분석의 한계를 극복하

고 기술적 병목, 제도적 미비, 사회적 수용성 저해 등의 요인이 개별적으로 발생하는 것이

아니라 상호 밀접한 영향을 주고받으며 발생한다는 점을 통합적으로 규명할 수 있을 것이

다. 또한 데이터의 생성에서 폐기까지 전 주기별 실무적 현안들을 매트릭스 상에 구조화함

으로써, 특정 시점에 국한되지 않는 전 주기적 관점의 개선 과제를 도출하는 실효성 있는

진단 도구로 활용될 것이다.

우선, STS 기반의 각 분석 관점이 상호운용성 및 이동권과 관련하여 어떠한 범위를 다루

는지 다음의 <표 2-8>과 같이 정리하였다. 이는 데이터 생태계 내 산재한 복합적인 이슈와

실무 사례를 분류하는 기준이 된다.

- 19 -

관점

상호운용성

속성

이동권 수준

주요 관점 범위

기술

●

기술/구조

●

표준/품질

●

기계판독성

●

API 표준화 수준

●

실시간 전송 기술

●

상호운용성 기술 (데이터 포맷 구조 표준화, API 표준 및 호환성,

클라우드 연동성)

●

데이터 품질 및 보안 (무결성 검증, 메타데이터 표준, 개인정보 비식별화 및

익명화 기술, 접근 제어 및 보안 기술)

제도

거버넌스

●

법/제도

●

권리 범위

●

전송 절차 근거

●

삭제권 보장

●

권리 및 책임 (데이터 이동권 법적 범위 및 행사 절차, 책임 소재 규정,

삭제권 등 주체별 권리 보장)

●

표준 및 규제 (데이터 표준화 정책, 상호운용성 인증, 거버넌스 체계

구축 운영)

경제

사회

●

의미/실용

●

업무/운영

●

플랫폼 락인 수준

●

인센티브 구조 등

●

시장 효율성 및 비용 (인프라 구축 및 운영 비용 효율화, 데이터 공유/거래

촉진 인센티브)

●

수용성 및 신뢰 (이용자/산업계 사회적 수용성, 투명성 및 설명 가능성 강화)

<표 2-8>

STS 기반의 3가지 관점별 상호운용성과의 매칭 및 관점 범위

이어지는 <표 2-9>는 생애주기 단계와 STS 관점을 연계한 매트릭스이다. 이는 각 생애주

기 단계별 주요 쟁점의 발생 가능한 이슈 예시를 체계화한 것으로, 이후 장에서 도출될 현

안들을 논리적 체계 안에 배치하여 문제를 사각지대 없이 파악할 수 있도록 설계되었다.

단계

기술 관점

제도·거버넌스 관점

경제·사회 관점

생성

및

수집

●

API 표준화

●

메타데이터 스키마

●

중복 제거

●

데이터 포맷의 상호운용성 보장

●

데이터 이동권 요청 절차 표준화

●

권리 보호 및 고지

●

데이터 주체 동의 처리

●

초기 인프라 및 데이터 수집 비용

최적화

●

이해관계자 권리 보장

저장

및

관리

●

저장 포맷 및 구조 표준화

●

무결성 및 접근성 관리,

●

상호운용 가능한 저장 인프라

●

저장 정책 및 책임자 지정

●

데이터 접근, 이동 관리 정책 수립

●

저장 비용 최적화,

●

데이터 보관 관련 규제 준수 비용

전처리

및

가공

●

개인정보 보호 처리 표준화

●

품질 검증

●

데이터 변환 및 통합 기술

●

가공 권리 해석 및 책임 명확화

●

데이터 활용 제한 및 이동권 조정

●

처리 비용 관리

●

데이터 재활용과 활용 촉진을 위한

인센티브 설계

활용

및

재활용

●

결과 및 데이터 모델 호환성 보장

●

결과 재현성

●

표준 API로 데이터 접근성 확보

●

분석 결과의 데이터 이동권 보장

●

거버넌스 지침 및 데이터 공유

규정 강화

●

데이터 활용 극대화

●

가치 창출 및 협업 활성화를 위한

경제적 동기 부여

모니터링

및

피드백

●

데이터 품질 및 보안 모니터링

●

편향 감시 기술

●

상호운용성 문제 탐지 및 대응

●

피드백 반영 절차 및 규정 준수

●

지속 가능한 거버넌스 체계 운영

●

모니터링 운영 비용

●

데이터 거버넌스와 이동권 개선에

따른 사회 수용성 및 신뢰도 증가

<표 2-9>

데이터 생애주기 단계 및 쟁점별 분석 요소

- 20 -

제3장

데이터 상호운용성 현황

본 장에서는 제2장에서 도출한 분석 프레임워크를 바탕으로 국내외 데이터 상호운용성 정

책과 표준 동향을 면밀히 분석한다. 이를 위해 먼저 초국가적으로 적용되는 데이터 상호운

용성 이행 원칙을 살펴보고, 주요국 및 한국의 추진 현황과 주요 산업별 적용 사례를 살펴

보고자 한다.

제1절 데이터 상호운용성 글로벌 이행 원칙: FAIR와 SAFE

데이터 상호운용성은 개별 국가나 특정 기관의 노력을 넘어, 데이터가 국경과 산업의 경

계를 자유롭게 흐를 수 있도록 하는 초국가적 공조가 필요하다. 특히 AI가 데이터를 스스로

탐색하고 결합하여 가치를 창출하는 'AI-Agent' 시대에 데이터의 효용성을 결정짓는 핵심은

전 세계적으로 합의된 이행 원칙을 준수하는 것이다. 현재 가장 대표적 글로벌 이행 원칙으

로는 기술적 표준을 제시하는 FAIR와 거버넌스 규범과 신뢰를 강조하는 SAFE 원칙이 있다.

FAIR 원칙이 데이터의 '기술적·운영적 가시성과 활용성'을 극대화하기 위한 물리적 요건

을 정의한다면, SAFE 원칙은 데이터가 활용되는 전 과정에서 요구되는 '사회적 신뢰와 책

임'의 소프트웨어적 조건을 제시한다. 이 두 원칙은 상호보완적인 관계 속에서 초국가적 데

이터 협력의 기준점을 마련하고 있으며, 주요 차이점은 <표 3-1>과 같다.

구분

FAIR 원칙

SAFE 원칙

공통점

초국가적 데이터 이행 원칙 및 AI 시대 데이터 효용성 극대화 지향

차

이

점

요소

발견 가능성‧접근성‧상호운용성‧재사용성

보안성‧책임성‧공정성‧윤리성

관점

기술적‧운영적

윤리적‧사회적‧거버넌스

성격

데이터 연동을 위한 기술적 표준

신뢰 구축을 위한 자율 규범

<표 3-1>

데이터 상호운용성 글로벌 이행 원칙

1. FAIR 원칙

FAIR는 기술적 관점에서 데이터의 관리, 공유 및 재사용성을 지원하기 위한 이행 원칙으

로, 데이터가 효과적으로 활용되기 위해 충족되어야 할 기본 조건을 구체적으로 제시한다.

이 개념에 따르면 데이터는 우선 검색 및 식별이 가능하여 누구나 쉽게 찾을 수 있어야 하

며(Findable), 적절한 인증과 권한 부여 절차를 거쳐 표준화된 프로토콜을 통해 원활하게 접

- 21 -

근할 수 있어야 하고(Accessible), 표준화된 형식과 의미 체계를 갖추어 서로 다른 시스템

간에도 즉각적인 활용이 가능해야 하며(Interoperable), 최종적으로는 출처가 명확하여 재분

석 및 재활용(Reusable)이 가능해야 한다.

FAIR 원칙은 2014년 네덜란드 Lorentz Center 워크숍에서 처음 제안된 이후, 초기 과학

기술 연구 데이터 관리 원칙(Wilkinson et al., 2016)을 넘어 현재 공공 및 민간 데이터를 아

우르는 상호운용성의 근간 원칙으로 자리 잡게 되었다(Mons et al., 2017). 이러한 확산의 흐

름 속에서 EU는 2018년 'Turning FAIR into Reality' 보고서를 통해 이를 유럽 연구 데이터

관리의 핵심으로 규정하였으며, 최근 EU 데이터 법(Data Act)을 통해 FAIR 원칙에 부합하는

요건들을 법제화함으로써 그 적용 범위를 산업 전반으로 확장하였다.

국제적으로는 OECD와 UNESCO, 연구데이터연합(RDA, Research Data Alliance), 국제과학

연맹위원회 데이터위원회(CODATA, Committee on Data) 등 주요 국제기구는 FAIR 원칙을

기반으로 데이터 정책을 제정하고 있으며, 특히 2021년 OECD의 「데이터 접근성 및 공유

강화 권고안」, UNESCO의 「오픈 사이언스에 대한 국제 권고」는 FAIR 원칙을 포함한 데

이터의 투명한 관리와 접근성 강화를 위한 국제 표준 가이드라인을 명시하였다.

시기

단계

주요 내용 및 활동

2014

개념형성

현대적 데이터 공유 환경의 필요성을 논의

- “Jointly Designing a Data Fairport” Lorentz Workshop in Leiden

(Netherlands, 2014)

2016

가이드라인

정립

공식적 가이드라인 제시

- “The FAIR Guiding Principles for scientific data management and

stewardship”, Scientific Data(Mar, 2016)

2017-2018

국제 정책

반영

데이터 관리 기본 원칙으로서 국제 정책에 반영

- EOSC(European Open Science Cloud) 연합 출범, FAIR 원칙 기반 유럽 연구

인프라 연계‧확장 추진

- Horizon 2020 연구프로그램에서 데이터 관리 계획(DMP) 제출 의무화 확대

- GO FAIR Initiative 출범, FAIR 원칙의 국제적 확산과 이행 촉진

- EU “Turning FAIR into Reality” 보고서 발간, FAIR 이행을 위한 구체적

권고사항 제시

2019-2021

합의

및

도구 개발

이행 도구 개발 및 국제적 합의 확립

- RDA(2019), “FAIR Data Maturity Model” 개발, 이행 수준 평가를 위한 상세

지표 및 등급 체계 제시

- OECD(2021), “데이터 접근성 및 공유 강화에 관한 권고안” 채택

- UNESCO(2021), “오픈사이언스에 대한 국제 권고”, 연구 데이터 공유 촉진을 위한

국제 정책 기준 제시

<표 3-2>

FAIR 원칙의 발전 과정

- 22 -

2. SAFE 원칙

SAFE 원칙은 데이터 활용의 보안성(Secure), 책임성(Accountable), 공정성(Fair), 윤리성

(Ethical)을 핵심 요소로 하는 글로벌 상호운용성 이행 원칙으로, 데이터 활용 과정에서 요

구되는 윤리적 기준과 사회적 책임의 방향을 제시한다. 이는 AI와 데이터 기반 사회로의 전

환기에 기술적 연결성(FAIR)을 넘어, 데이터 공유가 신뢰와 책임이라는 토대 위에서 이루어

지도록 돕는 공통의 기준으로 작동한다.

구체적 이행 지침을 살펴보면, 보안성(Secure)은 데이터의 저장과 전송, 분석 전 과정에서

무단 접근이나 변조로부터 안전하게 보호하는 것을 의미하며, 특히 민감정보 취급 시 기술

적·관리적 보호 조치를 전제로 한다. 책임성(Accountable)은 데이터 생애주기 전반에서 수

집자, 제공자, 활용자 간의 책임 관계를 명확히 설정하고 사용 이력을 추적함으로써 오남용

발생 시 책임 소재를 분명히 하는 데 중점을 둔다. 또한 공정성(Fair)은 데이터 활용의 혜택

과 위험이 균형 있게 분배되어 특정 집단에 대한 불합리한 차별을 방지하며, 마지막으로 윤

리성(Ethical)은 사회적 가치와 개인의 권리를 존중하고 설명 가능성 등 윤리적 기준을 지킬

것을 명시하고 있다.

SAFE 원칙은 특정 국가의 고립된 정책이 아니라 글로벌 데이터 사회의 전환기에 등장한

자율규범적 원칙으로서, 기술 중심의 FAIR 원칙을 윤리적 관점에서 보완한다. 실제로 AI 거

버넌스나 마이데이터 생태계 등 다양한 논의에서 정책 가이드라인 및 거버넌스 프레임워크

설계의 설계 원칙으로 널리 활용되고 있다.

시기

단계

주요 내용 및 활동

2022-

법제화

및

확장

법적 기반 확장, 기술적 확장 및 국제 협력 고도화

- CODATA & RDA(2022), WorldFAIR 국제 협력 프로젝트 추진, 11개 연구 분야에

대한 도메인 간 상호운용성 프레임워크 개발

- EU(2023), FAIR-IMPACT 프로젝트 추진, 다양한 분야의 실증 사례를 통해 FAIR

도입 가속화

- 덴마크(2023), DeiC(Danish e‑Infrastructure Consortium)을 중심으로 국가

차원의 FAIR 데이터 관리 전략 수립

- EU(2024), “Data Act” 데이터 법 시행, 데이터 접근성, 재사용성, 상호운용성에

관한 요건 법적 명문화, 공공-민간 데이터 공유 및 조합 의무 부여

- EU(2025), EHDS(European Health Data Space) 규정 단계적 시행, 전자 건강

데이터의 상호운용성 기준, 표준화된 포맷 및 API 기반 데이터 공유체계 구축

자료: European Commission(2018); OECD(2021); UNESCO(2021). 각 원문 참조

- 23 -

제2절 공공·민간 데이터 대상 국내외 정책 및 표준 동향

AI 시대의 도래와 함께 데이터는 국가 경쟁력의 핵심 자산으로 부상하였으며, 파편화된

데이터를 통합하고 연결하는 상호운용성 확보는 디지털 경제의 성패를 가르는 관건이 되고

있다. 이에 전 세계 주요국들은 데이터의 자유로운 흐름과 신뢰 기반의 활용을 촉진하기 위

해 법제 정비, 기술 표준화, 국가적 인프라 구축 등 다각적인 정책 노력을 기울이고 있다.

1. 한국

한국은 ‘디지털플랫폼정부'라는 국가적 비전 아래, 부처 간 칸막이를 허물고 공공과 민간

의 데이터가 유기적으로 연계되는 소프트웨어적 연계 환경 조성에 집중하고 있다. 이는 단

순한 인프라 구축을 넘어, 데이터가 표준 규격에 따라 실시간으로 흐를 수 있는 법·제도적

기반을 마련하는 데 방점이 있다.

이 전략의 핵심축인 마이데이터(MyData) 정책은 개인이 자신의 데이터에 대한 주권과 통

제권을 바탕으로 여러 기관에 산재해 있는 정보를 안전하게 집중시켜 조회, 관리, 활용, 통

제할 수 있도록 하는 제도 및 서비스 체계이다. 「신용정보법」 제33조의2에 규정된 '개인

신용정보 전송 요구권'을 선제적으로 법제화하여 금융 분야의 상호운용성을 안착시켰으며,

현재는 이를 전 산업 영역으로 확장하는 마이데이터 2.0을 추진 중이다.

특히 마이데이터 2.0은 금융 분야를 중심으로 표준 API 도입, 안전한 데이터 전송 체계 구

축, 그리고 정보보호 규율의 정교화를 통해 데이터 활용을 촉진하는 동시에 개인정보 자기

결정권을 강화하는 데 주력하고 있다. 이는 파편화된 개인 데이터를 표준화함으로써, 이용

자가 서비스 제공자와 관계없이 일관된 데이터 이동성을 경험할 수 있는 기반이 된다. 이를

위해 정부는 데이터 항목, 전송 주기, 동의 양식 등을 범국가적 수준으로 통합하여 사업자

의 혁신 서비스 구현과 이용자의 안전한 데이터 활용을 동시에 뒷받침하고 있다.

자료: 마이데이터 종합 포털 (https://www.mydatacenter.or.kr)

[그림 3-1]

마이데이터 2.0

- 24 -

보건의료 분야 또한 병원 진료기록, 약물 처방 기록, 상담 기록, 건강검진 정보 및 웨어러

블 기기에서 수집된 생체 데이터 등 광범위한 개인 의료 데이터(Personal Health Record,

PHR)를 통합하여 맞춤형 건강관리를 가능케 하는 거버넌스를 확립해 나가고 있다. 의료데

이터는 민감성으로 인해 그간 기관별로 폐쇄적으로 관리되어 정보 주체의 접근과 활용에

제약이 컸으나, 정부는 이를 극복하고자 2022년 국가적 인프라인 ‘마이 헬스웨이(My

Healthway)’ 플랫폼을 구축하였다. 이 시스템은 이용자의 동의에 기반해 건강 정보를 한곳

에 통합하고 지정된 대상에게 전송할 수 있는 환경을 제공한다. 특히 데이터 유형별 표준화

된 연계 API를 통해 의료기관 및 서비스 간 기술적 상호운용성을 지원함으로써, 의료 서비

스 제공 방식의 혁신과 정밀 의료 산업의 경쟁력을 강화하는 토대를 마련하고 있다.

자료: 4차산업혁명위원회 & 관계부처 합동(2021)

[그림 3-2]

플랫폼 기반 개인 주도의 의료데이터(PHR) 활용 절차

자료: 4차산업혁명위원회 & 관계부처 합동(2021)

[그림 3-3]

마이 헬스웨이 플랫폼 구성

- 25 -

2024년 과학기술정보통신부와 Gaia-X AISBL 간 협력 합의를 기반으로 2025년 설립된 비영리법인

공공 영역에서는 「공공 데이터의 제공 및 이용 활성화에 관한 법률」에 근거하여 국가가

보유하고 있는 다양한 공공 데이터를 개방하고, 국민이 편리하게 공유·활용할 수 있도록

‘공공데이터포털’을 구축하여 운영 중이다. 2024년까지 누적 217개 국가 중점 데이터를

개방한 데 이어 2026년 1월 기준 약 11만 1천 건의 데이터를 공개하고 있다. 특히 기술적

상호운용성 제고를 위해 재이용 허용을 원칙으로 표준화된 API 및 파일 형식을 제공함으로

써 시스템 간 연계 효율성을 높이고 있다. 또한 표준 가이드라인과 공통 데이터 스키마 배

포를 통해 기관별로 상이한 데이터 구조를 일관되게 정비하고, 다양한 플랫폼에서 공통 규

격으로 데이터를 호출할 수 있는 체계를 강화하여 데이터 유동성을 높이고 있다.

더불어 글로벌 데이터 패권 경쟁에 대응하여 유럽의 Gaia-X와 전략적으로 연계하고 있다.

Gaia-X는 산업 중심의 민간 주도로 출범한 유럽의 데이터 인프라 이니셔티브이자, 데이터

스페이스 구축을 위한 공통 원칙과 신뢰 프레임워크를 제공하는 거버넌스 체계이다(한국지

능정보사회진흥원, 2022). Gaia-X Korea Hub는 유럽 이니셔티브에 대한 국내 공식 협력 거

점으로서 정보의 공유 및 확산, 한국 기업·기관의 참여 지원, 한국과 EU 간 데이터 협력

창구 역할을 수행한다. 이 허브는 데이터 주권, 투명성, 상호운용성 원칙을 기반으로 한국의

데이터 정책 및 한국형 데이터 스페이스 논의가 Gaia-X 프레임워크와 정합성을 가질 수 있

도록 지원하며, 특히 2025년 11월에는 국제 데이터 연구·협력 기구4)와 EU 데이터 상호운

용성 규제기관인 Gaia-X AISBL 간 협약을 체결하여 Gaia-X 기술 표준 및 아키텍처에 대한

국내 활용을 확대하여 데이터 호환성과 연동성을 글로벌 수준으로 높이고, 유럽과의 데이터

교류 및 이동성 제고에 기여할 것으로 기대된다.

즉, 한국은 전송 요구권 법제화와 마이 헬스웨이 등 통합 플랫폼 구축으로 데이터 사일로

를 해소하는 한편, 국내 생태계를 Gaia-X 등 글로벌 표준과 연계하여 데이터 경쟁력을 강화

하고 있다.

2. 미국

미국은 연방 정부 차원의 포괄적 전략과 주(State) 단위의 독자적 법안, 그리고 산업별 정

교한 규제 체계를 병행하여 데이터 상호운용성을 다각도로 지원하고 있다.

연방 차원에서는 데이터 가용성을 극대화하여 정부 임무 수행 및 공공 서비스의 질을 개

선하기 위해 ‘연방 데이터 전략(Federal Data Strategy, FDS)'을 수립 및 이행하고 있다.

- 26 -

FDS는 데이터 접근성과 상호운용성 등 10대 원칙(Principles)과 이를 실현하기 위한 40개의

중장기 실행 과제(Practices)로 구성되어 있다(Office of Management and Budget, 2019).

자료: Federal Data Strategy Brochure

[그림 3-4]

미국 연방 데이터 전략 프레임워크

특히 10가지 원칙에는 데이터 세트와 정보시스템 전반의 연계 및 호환성을 전제한 기술적

설계(Interoperability by Design)와 접근성 강화를 최우선 가치로 명시하고 있으며, 세부 실

행과제를 통해 데이터의 재사용을 촉진하는 방향으로 이행 체계를 구체화하고 있다. 이는

부처 간 칸막이 없이 기계가 데이터를 즉각적으로 인식하고 처리할 수 있는(Machine to

Machine Seamlessness) 정책적·기술적 토대를 제공한다. 연방 최고 데이터 책임자(CDO) 협

의회가 이 전략 이행의 전 과정을 조정하며, 부처별로 파편화된 메타데이터 표준을 통합하

고 오픈 표준 형식을 의무화함으로써 의미적 상호운용성(Semantic Interoperability) 확보에

주력하고 있다.

주(State) 데이터 보호 법제와 독자적인 데이터 전략을 통해 연방 정부보다 더욱 구체적인

상호운용성 실무 모델을 제시하고 있다.

캘리포니아주는 2024년‘데이터 교환 프레임워크 (Data Exchange Framework, DxF)'를 전

면 시행하며 주 내 모든 의료기관, 보건소, 보험사가 환자의 건강 정보를 표준화된 포맷

(HL7 FHIR 등)으로 실시간 교환하도록 법적으로 강제했다. 또한, 주 정부의 데이터혁신국

(Office of Data and Innovation, ODI)은 개별 부처별로 파편화된 메타데이터를 통합 관리하

기 위해 '엔터프라이즈 데이터 플랫폼'을 도입하여 API 기반의 기관 간 연계 체계를 고도화

하고 있다. 뉴욕주 또한 ‘뉴욕 보건 정보망(Statewide Health Information Network for New

York, SHIN-NY)'이라는 통합 네트워크를 운영하고 있다. 이는 8개의 지역 보건 정보 기구

(Qualified Entities, QE)를 하나의 네트워크로 묶어, 기종이 다른 병원 전산 시스템들이 개방

형 표준을 통해 데이터를 호출할 수 있도록 기술적 중계 역할을 하고 있다.

버지니아(Virginia Consumer Data Protection Act, VCDPA)와 콜로라도(Colorado Privacy

- 27 -

Act, CPA)는 각각 데이터 프라이버시 법안 이행 과정에서 기업들에 ‘구조화되고 일반적으

로 사용되는 기계 판독 가능한 형식'의 전송 기술 확보를 의무화했다.

산업별 및 연구 분야에서는 보건의료와 과학 데이터의 재사용성을 극대화하기 위한 정교

한 이행 체계가 작동하고 있다. 보건의료 분야에서 2016년 제정된‘21세기 치료법(21st

Century Cures Act)’은 전자 건강기록(EHR)의 상호운용성 확보를 법적 의무로 규정했다.

특히 기술적 폐쇄성을 근거로 데이터 공유를 거부하는 행위를 법적으로 금지하는 ‘정보

차단(Information Blocking) 금지’ 조항을 도입했고, 후속 규칙인 ‘ONC Final Rule'은 표준

화된 API(HL7 FHIR) 제공을 의무화하여 기술적 연결성을 강제했다.

출처: 박하영 외(2021)

[그림 3-5]

21세기 치료법 & ONC Final Rule 구조

나아가 2024년 확정된‘TEFCA(Trusted Exchange Framework and Common Agreement)'

프레임워크는 전국 규모의 신뢰 기반 데이터 교환을 위한 공통 규격과 규칙을 제공함으로

써 기관 간 장벽을 실질적으로 해소하고 있다.

과학 데이터 분야에서는 미국 국립보건원(NIH)이 2023년부터 시행한 ‘데이터 관리·공유

(DMS) 정책’이 글로벌 상호운용성의 촉매제가 되고 있다. NIH는 모든 지원 연구과제에 대

해 FAIR 원칙을 준수하고 기술적 정합성을 갖춘 데이터 관리 계획 제출을 의무화했다. 이

는 연구 데이터가 단순 저장을 넘어, 전 세계 연구자들이 표준화된 메타데이터를 통해 즉각

적으로 데이터를 인식, 결합, 재분석할 수 있게 함으로써 과학적 상호운용성의 가치를 극대

화하는 성과로 이어지고 있다.

미국은 연방·주 정부의 다층 규제와 산업별 API 의무화를 통해 정보 차단 금지와 오픈

표준(FHIR) 기반 민간 혁신이 조화된 유동성 중심의 데이터 거버넌스를 구축하고 있다.

- 28 -

3. 유럽연합(EU)

유럽연합(EU)은 일반 데이터 보호 규정(General Data Protection Regulation, GDPR)을 통해

개인 데이터 보호와 데이터 주권을 확립하는 성과를 규범적 토대로 삼아, 산업 및 공공 전

반의 상호운용성을 제도적으로 강화하는 통합 전략을 추진하고 있다. EU의 정책적 지향점

은 법적 규범과 기술 인프라를 병행 적용하여 ‘유럽 데이터 공간(European Data Spaces)'

이라는 거대한 생태계를 구축하는 데 방점이 있다.

입법 측면에서 GDPR(2018)은 개인정보 처리의 적법성·공정성·투명성·목적 제한·데이

터 최소화 등 기본 원칙을 제시하고 정보 주체에게 접근권·삭제권·정정권·처리 제한

권·이동권을 부여하며, 기업·기관에는 개인정보책임자(DPO) 지정과 개인정보 영향평가 수

행 등 책임성·거버넌스 의무를 부과하여 이후 EU 데이터 정책의 법적 기틀을 마련했다.

이어 DGA(2022)는 공공기관 보유 데이터(영업비밀·지식재산·통계 비밀 등)의 재사용 절차

를 명확히 하고 데이터 중개 서비스에 대한 신뢰 프레임워크를 도입하여 데이터 공유 구조

를 제도화하며, 데이터 이타주의(Data Altruism)를 통해 자발적 공익 데이터 공유를 촉진함

으로써 공공 데이터 사일로를 완화한다. Data Act(2023)는 한발 나아가 IoT·산업 데이터의

접근·이용·공유 규칙을 규정하여 B2B·B2G에서의 데이터 접근권·공정 계약 조건·클라

우드 전환성·상호운용성 요구사항을 명확히 했으며, DMA(2022)는 대형 플랫폼을 게이트키

퍼로 지정해 사용자 데이터 접근·이동권 보장, API 기반 상호운용성 제공, 자사 서비스 우

대 금지 등을 의무화하여 플랫폼 락인 문제를 완화한다. <표 3-3>은 상호운용성 관점에서

EU의 주요 법령별 핵심 내용을 요약한 것이다.

법령

주요 목적

상호운용성 관련 핵심 내용

대상 및 적용 범위

GDPR

(2018)

개인정보 보호 및

데이터 주권 확립

기계 판독 가능한 형식의 데이터 제공을

통한 기술적 호환성 기반 마련

모든 개인정보 처리자

DGA

(2022)

공공 데이터 재사용 활성화

및 신뢰 확보

데이터 중계 서비스의 기술적 상호운용성

규칙 및 신뢰 프레임워크 도입

공공기관 및

데이터 중개자

DMA

(2022)

플랫폼 시장의 독점 방지 및

공정 경쟁

게이트키퍼 플랫폼의 API 기반

실시간 상호운용성 제공 의무화

게이트키퍼

플랫폼 기업

Data Act

(2023)

IoT 및 산업 데이터 접근권

확대

클라우드 전환성 확보를 위한 상호운용성

요구사항 및 B2B 표준 정의

IoT 제조사 및

서비스 제공자

출처: 각 법령 원문 및 지침 연구진 재구성

<표 3-3>

EU 데이터 상호운용성 관련 주요 법령 비교 요약

기술 및 아키텍처 측면에서는 Gaia-X가 범유럽 데이터 인프라로서 디지털 주권 확보와

분산 인프라 간 상호운용성 확보를 목표로 공통 규칙과 표준 인터페이스를 제시하고 있다.

- 29 -

또한 국제 데이터 공간 협회(International Data Spaces Association, IDSA) 등 표준 단체는 신

뢰 기반 데이터 교환 프레임워크를 보급, 시스템 간 '기계적 소통 가능성'을 실현하고 있다.

출처: Gaia-X European Association for Data and Cloud AISBL (2022)

[그림 3-6]

Gaia-X

이러한 기술적 토대는 유럽 보건 데이터 공간(European Health Data Space, EHDS)과 금융

데이터 공간(Financial Data Space, FDS) 등 분야별로 표준화된 메타데이터, 접근 통제, 거버

넌스 모델을 적용하여 도메인 특화 상호운용성을 구체화하고 있다. 특히 2024년 시행된 상

호운용 가능한 유럽법(Interoperable Europe Act)은 공공부문 간 상호운용성 평가를 의무화

하여, 범유럽 차원의 서비스 연계 체계를 구축해 나가고 있다.

4. 영국

영국은 브렉시트(Brexit) 이후 독자적인 디지털·데이터 정책 체계를 구축하는 과정에서

데이터 상호운용성 강화를 위한 법제 개편을 적극적으로 추진하고 있다. 기존의 영국 일반

데이터 보호 규정(UK GDPR), 데이터 보호법(Data Protection Act, DPA), 개인정보 및 전자

통신 규칙(Privacy and Electronic Communications Regulations, PECR) 체계를 유지하되, 데

이터 활용을 촉진하기 위해‘데이터 사용 및 접근법(DUAA, Data Use and Access Act)'을

제정하여 포괄적 제도 개편을 단행하였다.

DUAA는 상호운용성 관점에서 두 가지 핵심적 기술 환경을 조성한다.

첫째, 금융 분야의 성공 모델인 '오픈뱅킹'을 에너지, 통신, 교통 등 타 산업으로 확장하는

‘스마트 데이터 스킴(Smart Data Schemes)'을 도입하였다. 이는 개인이 자신의 데이터를

- 30 -

《“数据要素×”三年行动计划（2024—2026年）》

제3자 서비스로 이전하는 수준을 넘어, 산업 전반에 표준화된 데이터 접근 및 공유 구조를

구축함으로써 이종 산업 간 시스템 연계의 기술적 장벽을 제거하는 데 목적이 있다.

둘째, 데이터 접근 및 교환 과정의 필수인 ‘신뢰 계층(Trust Layer)'을 강화하기 위해

‘디지털 검증 서비스(Digital Verification Services)'를 제도화하였다. 이는 신원과 속성에 대

한 디지털 증명 체계를 표준화하여, 데이터 이동 시 기계가 이를 즉각적으로 인증하고 처리

할 수 있는 실행 가능성을 높인다.

이러한 정책은 2025년부터 단계적으로 시행되며, 개인정보 보호 감독기관인 정보위원회

(Information Commissioner’s Office, ICO)와 데이터 정책 총괄 부처인 과학혁신기술부(

Department for Science, Innovation and Technology, DSIT)의 협력하에 추진된다. ICO는 시

스템 연계 과정에서의 개인정보 보호 원칙 준수를 감독하고, DSIT는 새로운 제도가 산업 정

책 및 기술 표준과 정합성을 유지하도록 조율함으로써 영국만의 독자적인 상호운용 거버넌

스를 완성해 나가고 있다.

결론적으로 영국은 DUAA를 중심으로 데이터 접근·이동·재사용을 제도화하는 데 정책

적 초점을 두고 있으며, ICO와 DSIT는 상호운용성을 직접 추진하기보다는 개인정보 보호

기준과 정책적 환경을 형성하는 보완적 역할을 수행한다고 평가된다.

5. 중국

중국은 국가 안보와 데이터 주권을 최우선 가치로 설정하고, 정부 주도의 강력한 인프라

구축과 중앙집중형 상호운용성 전략을 병행하고 있다. 특히 2023년 10월, 중앙정부 차원에

서 데이터 관리 및 디지털 경제 발전을 총괄하기 위해 국무원 산하 국가발전개혁위원회(

National Development and Reform Commission, NDRC)가 관할하는 국가 데이터국(National

Data Administration, NDA)을 신설하며 분산된 데이터 거버넌스를 통합하였다. NDA는 부처

별로 산재한 데이터 자원의 통합 공유체계를 마련하고 공공 및 민간 데이터의 표준화를 조

정하는 중추적 역할을 수행한다. 특히 2025년 12월 발표한 '데이터 과학기술 혁신 강화에

관한 실시 의견'에서는 데이터 표준 체계 강화를 핵심 과제로 명시하여 국가 주도의 상호운

용성 방향성을 공고히 했다.

또한, 중국은 데이터를 핵심 생산요소로 활용하기 위해 ‘데이터 요소 X 3개년 행동계획

(2024~2026)'5)을 수립하고 데이터 공급 수준 향상과 유통 환경의 표준화된 최적화를 추진

- 31 -

《可信数据空间发展行动计划（2024—2028年）》

중이다. 이와 연계된 ‘신뢰할 수 있는 데이터 공간 개발 실행계획(2024~2028)'6)은 100개 이

상의 신뢰 데이터 공간 구축을 목표로 한다. 여기서 정의하는 ‘신뢰할 수 있는 데이터 공

간'이란 데이터 주체 간의 신뢰 규칙, 합의, 공통 표준을 기반으로 데이터 교환 및 활용이

자유로운 환경을 의미한다.

결과적으로 중국은 NDA를 중심 보안과 안전성이 확보된 중앙집중적 체계 아래 ‘통제된

상호운용성'을 구현하여 데이터의 국가 전략 자원화를 추구하고 있다.

6. 일본

일본은 ‘신뢰 기반의 자유로운 데이터 흐름(DFFT, Data Free Flow with Trust)'을 핵심

원칙으로 삼아, 국제적 차원에서 데이터 상호운용성을 선도하려는 정책 기조를 견지하고 있

다. DFFT는 신뢰 기반 데이터 이동 원칙으로, 2019년 G20 오사카 정상회의에서 처음 제안

된 이후 2023년 G7 디지털 및 기술 장관 회의에서 주요 의제로 논의되며 국제 규범으로서

의 입지를 굳혔다.

일본은 비즈니스 및 사회 문제 해결을 위해 국경 간 데이터 흐름을 제도적으로 보장하는

것을 목표로 하며, 특히 상호운용성 확보를 위해 국가 간 상이한 데이터 규제를 기술적·제

도적으로 중개할 수 있는 국제 협력 프레임워크인 '파트너십을 위한 제도적 장치

(Institutional Arrangement for Partnership, IAP)' 구축을 주도하고 있다.

일본의 정책은 국제적으로 DFFT를 통한 규범 및 원칙 중심의 개방형 상호운용성을 표방

하고 있으며, 이를 실무적으로 뒷받침하기 위해 디지털청(Digital Agency)을 중심으로 민간

과 공공의 기술 표준을 국제 수준으로 상향 평준화하고 있다. 또한, 개인정보 보호법(APPI,

Act on the Protection of Personal Information) 개정을 통해 정보 주체가 전자적 방법으로

데이터를 수령하고 이동시킬 수 있는 권리를 명문화함으로써, 신뢰를 전제로 한 글로벌 데

이터 유동성과 상호운용성을 체계적으로 확립해 나가는 중이다.

7. 소결 및 국가별 정책 비교 요약

데이터 상호운용성은 단순히 기술적 표준의 일관성을 넘어, 각국의 디지털 경쟁력과 데이

터 주권에 밀접한 관련이 있는 핵심 자산으로 인식되고 있다. 국가별로 데이터 거버넌스의

- 32 -

성숙도와 산업 구조에 따라 상이한 전략을 추진 중이다. 주요 국가별 데이터 상호운용성 정

책의 핵심 방향을 요약하여 비교하면 아래 <표 3-4>와 같다.

즉, 글로벌 상호운용성 트렌드는 시스템 간의 단순 연계를 넘어 '데이터 스페이스(Data

Space)'라는 거대한 생태계를 구축하는 방향으로 진화하고 있지만, 자국의 디지털 환경과

정책 우선순위에 따라 차별화된 상호운용성 전략을 구축하고 있다. 이러한 국가별 정책적

지향점의 차이는 실제 산업 현장에서의 상호운용성 구현 방식에도 직접적인 영향을 미친다.

다음의 제2절에서는 이러한 정책적 흐름이 의료, 금융, 모빌리티 등 주요 산업 분야에서 어

떠한 기술 표준과 적용 사례로 구체화되고 있는지 상세히 살펴본다.

국가

주요 정책 및 전략

핵심 이니셔티브 / 표준

특징 및 지향점

대한민국

디지털플랫폼정부(DPG),

마이데이터 2.0

공공데이터포털, 마이 헬스웨이,

Gaia-X Korea Hub

부처 간 데이터 칸막이 해소 및

민관 연계 API 표준화 주력

미국

연방 데이터 전략 (FDS)

21세기 치료법(Cures Act),

HL7 FHIR, TEFCA

산업별(의료, 금융 등) 정교한 기술

표준 및 정보 차단 금지 강제

유럽 데이터 공간

(Data Spaces)

Gaia-X, 데이터법(Data Act),

상호운용 가능한 유럽법

'유럽 데이터 공간' 구축을 통한

디지털 주권 및 국경 간 연계 확보

영국

데이터 사용 및 접근법

(DUAA)

스마트 데이터 스킴

(Smart Data Schemes)

오픈뱅킹 모델을 타 산업(에너지,

통신 등)으로 확장하는 유연성

중국

데이터 요소 X 3개년

계획

국가데이터국(NDA) 표준, 신뢰

데이터 공간(TDS)

국가 주도의 중앙집중형 통합

표준화 및 보안 중심 상호운용성

일본

글로벌 신뢰 흐름(DFFT)

파트너십 제도적 장치(IAP),

디지털청 주도 표준화

국제적 데이터 규제 중개 및

글로벌 규범 리더십 확보 지향

출처 : 각 법안 원문 및 제3장 국가별 내용 종합 연구진 재구성

<표 3-4>

국가별 데이터 상호운용성 정책 비교

- 33 -

제3절 데이터 상호운용성 분야별 적용 사례

1. 보건·의료 분야

보건·의료 분야에서 데이터 상호운용성은 환자의 진료 연속성 확보와 의료 서비스의 질

적 혁신을 위한 핵심 인프라로 간주된다. 과거 폐쇄적이었던 의료데이터 환경을 개선하기

위해 2018년 아마존(Amazon), 구글(Google), IBM, 마이크로소프트(Microsoft), 세일즈포스

(Salesforce), 오라클(Oracle) 등 글로벌 IT 기업들은 정보기술산업협의회(Information

Technology Industry Council, ITI)를 중심으로 CMS Blue Button 2.0 Developer Conference’

에서 의료데이터 상호운용성 개선을 위한 공동 성명을 발표하며 산업계 표준화를 주도하기

시작했다(한국산업기술진흥원, 2018; Landi, H., 2018).

의료 분야 상호운용성의 핵심 기술 표준인 HL7 FHIR(Fast Healthcare Interoperability

Resources)는 RESTful API와 JSON·XML 기반의 경량화된 리소스 단위 설계를 통해 서로

다른 의료정보시스템 간 효율적이고 유연한 데이터 교환을 지원한다.

시기

단계

주요 내용 및 활동

2012

개념 도입

HL7(Health Level 7)의 FHIR 개념 초안 소개

2014

시험 표준

FHIR DSTU-1(Draft Standard for Trial Use) 공식 출판

- 환자, 관찰, 처방 등 핵심 임상 정보 교환을 위한 리소스 50여 개로 구성된 초안

표준 배포

2015

채택 증가

FHIR DSTU-2 출판, 민간 부문의 채택 증가

- DSTU-2 기반의 상호운용 API 프로파일 정의

2016

글로벌 확산

FHIR의 전 세계적 채택 확산

- 다양한 국가에서 FHIR 시범 사업 시작, 표준 OAuth 기반 API 인증/권한 등과

같은 기술을 FHIR 생태계와 함께 사용

2017

표준화 심화

FHIR STU-3 공개, FHIR의 시험용 표준 최종 단계

- 미국용 FHIR 핵심 프로파일 US Core v1을 통해 미국 내 상호운용성 가이드라인

제시

2018

정식 표준

최초의 정식 표준 콘텐츠 FHIR Release 4(R4) 완성

- 안전성과 신뢰성 확보, 전 세계 보건의료 기관들의 R4 도입계획 수립

2019

공식 표준

지목

미국 ONC 상호운용성 규칙 초안 발표, FHIR R4를 표준 API로 공식 지목

- FHIR의 생태계 형성 및 글로벌 상호운용성의 중심으로 올라섬

2020

정책적 안착

전세계 보건의료 데이터 표준화 정책으로 FHIR 공식 채택

- FHIR 기반 팬데믹 보고용 프로필 신속 개발 및 활용

- WHO 디지털 건강 가이드라인을 발표, ‘오픈 상호운용 표준’ 강조

<표 3-5>

FHIR 개념 발전

- 34 -

특히 미국의 2020년 ONC 최종 규정(ONC Final Rule)은 전자의무기록(EHR) 시스템에서

FHIR 기반 표준 API 구현을 의무화하였으며, 인증된 시스템이 미국 상호운용성 핵심 데이

터 세트(USCDI)에 규정된 데이터를 제공하도록 명시하였다. 또한 대규모 환자 데이터를 실

시간 처리하는 ‘Bulk Data API’와 인증 표준인 OAuth 2.0을 결합하여, 기계 간 매끄러운

연동(Seamless M2M Interaction) 환경을 구축하고 있다. 나아가 미국은 전국 단위 데이터 교

환 생태계인 TEFCA(Trusted Exchange Framework and Common Agreement)를 통해 지역

및 기관 간 건강 정보 네트워크(HIN/HIE) 연계를 위한 공통 규칙을 정립하며 장기적인 데이

터 연합 모델로의 전환을 꾀하고 있다.

결국 보건·의료 분야의 상호운용성 확보는 고립된 의료 정보를 환자 중심으로 통합하여

진료의 질을 높일 뿐 아니라, 신뢰할 수 있는 대규모 임상 데이터를 AI 연구에 공급함으로

써 맞춤형 정밀 의료를 실현하는 결정적 토대가 된다.

2. 금융 분야

금융 분야는 데이터 상호운용성 확보가 서비스 혁신과 금융소비자 주권 강화의 핵심 동력

으로 작용하는 산업이다.

미국 소비자금융보호국(CFPB)은 Dodd–Frank Act 제1033조를 근거로 금융소비자가 자신의

시기

단계

주요 내용 및 활동

2021

생태계 확장

FHIR 생태계 안정화 및 확장

- 유럽은 EHDS(European Health Data Space)입법 초안을 공개하며

EHR(Electronic Health Record) 교환 포맷으로 FHIR 채택 가능성 거론

2022

지원 강화

FHIR R4B 발표, 국제기구 차원의 지원 강화

- WHO 스마트 가이드라인 이니셔티브를 통해, 각종 보건지침을 FHIR 리소스로

표현하여 배포

2023

기술 고도화

FHIR Release 5(R5) 정식발표

- 구독 기반 알림, 신규 리소스 추가, WHO와 HL7 파트너십 체결

- 유럽은 EHDS 법안 통과 전 표준 구현 가이드 작업 진행

2024-2025

AI 표준화

HL7의 의료 AI 분야 표준화 착수

- HL7은 인공지능 및 머신러닝 작업반 조직, AI 모델 투명성, 데이터 생명주기, 결과

해석 표준 개발 시작

- 미국 NIST(National Institute of Standards and Technology)와 EU의 AI Act

논의에서도 의료 AI의 책임성과 효과를 담보하기 위해서는 표준화된 데이터 형식과

용어가 필수로 정의

- FHIR은 단순 API 규격을 넘어 데이터 플랫폼 및 AI 인프라의 표준 언어로의 상승

가능성 제공

자료: HL7 International, Introduction to HL7 Standards. (https://www.hl7.org/implement/standards/)

- 35 -

데이터를 제3자에게 이전·공유할 권리를 명시한 ‘Personal Financial Data Rights Rule’을

제안하였다. 이 규칙은 금융기관이 소비자의 요청 시 계좌 정보, 거래 내역뿐만 아니라 잔

액 정보, 수수료 및 이자 관련 정보 등 핵심 금융 데이터를 기계 판독이 가능하고 구조화된

형식으로 합리적 지연 없이 제공해야 하며, 소비자가 지정한 제3자 서비스 제공자에게 직접

전달될 수 있도록 규정한다. 이는 과거 이용자 인증 정보 노출, 서비스 장애, 데이터 품질

저하 문제를 일으켰던 스크린 스크래핑(Screen Scraping) 방식에서 탈피하여, OAuth 2.0 기

반의 인증·권한 관리와 TLS 암호화 통신을 활용한 표준화된 API 접근 방식을 지향함으로

써 데이터 교환의 안전성과 상호운용성을 실질적으로 강화하려는 목적이다.

또한 지급 결제 영역에서는 미국의 NACHA(National Automated Clearing House

Association)가 운영하는 ACH 네트워크와 연방준비제도의 실시간 결제 시스템(FedNow)은

ISO 20022 메시지 표준을 채택하여 금융기관 간 결제 정보의 의미적 일관성과 상호 호환성

을 높임으로써 데이터 품질 향상과 결제 처리 속도 개선, 리스크 관리 및 부가 서비스 연계

의 기반을 마련하고 있다(노정우, 2021).

한국 역시 금융위원회를 주축으로 구축된 마이데이터(MyData) 사업을 통해 세계적 수준의

금융 데이터 연계 체계를 구축하였다. 한국은 표준 API와 공통 데이터 항목 정의, 강력한

인증·권한 관리 체계를 제도화함으로써 금융 서비스 간 기술적 장벽을 대폭 완화하였다.

이를 통해 확보된 정밀한 금융 데이터는 초개인화 자산 관리 등 민간의 혁신적 서비스 경

쟁을 촉진하는 핵심 자산이 되고 있다.

종합하면 금융 분야의 상호운용성 확보는 표준화된 API와 구조화된 데이터 모델, 그리고

이용자 동의 기반의 보안 체계가 결합되어 작동하며, 이는 금융소비자의 선택권을 확대하고

혁신적인 금융 생태계를 안착시키기 위한 필수 요소가 된다.

3. 모빌리티 분야

교통·모빌리티 분야에서는 미국 교통부(U.S. Department of Transportation, DOT)와 도로

교통안전국(National Highway Traffic Safety Administration, NHTSA)을 중심으로 차량·도

로·인프라 간 데이터 교환을 가능하게 하는 SAE J2735 기반 V2X 메시지 표준과 지능형교

통체계(Intelligent Transport Systems, ITS) 표준이 도입되고 있다. 이들 표준은 차량 간(V2V),

차량‑인프라(V2I), 차량‑보행자(V2P) 간 통신에 필요한 메시지 구조와 데이터 요소를 정의하

여 이기종 차량과 인프라 간 상호운용성을 위한 기술적 기반을 제공한다.

- 36 -

특히 DOT는 2024년 발표한 ‘Saving Lives with Connectivity: A Plan to Accelerate V2X

Deployment’를 통해 전국 단위의 V2X 기술 확산과 상호운용성 확보 전략을 제시하고, 단

일 제조사나 지역에 종속되지 않는 공통 메시지 표준 기반의 실시간 데이터 연계를 추진하

고 있다(DOT, 2024). 이러한 표준 도입은 모빌리티 데이터의 자유로운 활용을 촉진할 뿐만

아니라 자율주행·교통관리·차량 안전 등 다양한 영역에서 실시간 데이터 연계를 통해 사

고 예방과 운행 효율 향상에 기여할 것으로 평가된다.

한국도 국토교통부와 경찰청을 중심으로 C‑ITS(Cooperative‑Intelligent Transport Systems)

구축을 단계적으로 확대하며 V2X 통신 표준과 교통 데이터 연계 체계를 통해 모빌리티 분

야의 데이터 상호운용성을 강화하고 있다(국토교통부, 2021). C‑ITS는 주행 중 발생 가능한

사고 위험 정보를 실시간으로 제공하는 시스템으로(국토교통부·한국도로공사, 2025), 도로

인프라·신호 제어 시스템·차량 단말기 간 데이터 연계를 통해 사고 예방과 교통 흐름 개

선을 목표로 한다. 한국의 정책은 공공 주도의 인프라 구축과 표준 정합성 확보에 특히 중

점을 두고 있다.

결론적으로 한국과 미국은 표준화된 V2X 메시지 구조와 ITS 데이터 모델을 바탕으로 차

량·인프라·교통관리 시스템 간 실시간 연계를 추진하고 있으며, 이는 자율주행·교통안전

및 스마트시티 구현을 위한 모빌리티 데이터 상호운용성 확보의 핵심 기반이라 할 수 있다.

4. 연구 분야

연구 분야는 데이터 상호운용성이 제도적으로 확립되고 기술적으로 확산되는 대표적 영역

이다. 연구 데이터는 분야별 특성·구조의 복잡성이 커서 표준화, 메타데이터 관리, 플랫폼

자료: 국토교통부. (2021). 지능형교통체계 기본계획 2030 [보도자료 내 그림]

[그림 3-7]

지능형교통체계(C-ITS) 개념

- 37 -

간 상호운용성 확보 등이 과학기술 혁신의 핵심 요소로 자리 잡고 있다. 특히 국제적으로는

FAIR(Findable, Accessible, Interoperable, Reusable) 원칙을 기반으로 연구 데이터 표준화와

공동 인프라 구축을 통해 상호운용 확보를 진행하고 있다.

미국에서는 NSF(National Science Foundation)와 NIH(National Institutes of Health)를 중심

으로 연구 데이터 관리계획(Data Management Plan, DMP) 제출을 의무화하고 메타데이터

표준 및 개방형 형식 사용을 권고하고 있다. 특히 NSF의 Public Access Policy는 연구 데이

터를 기계 판독형 형식으로 제공하고 공인 리포지터리(Repository)에 저장하며, 인용 가능한

식별자(DOI) 사용을 요구함으로써 분야 간 데이터 재사용과 융합 연구를 촉진하고 있다.

EU는 EOSC(European Open Science Cloud)를 구축하여 27개 회원국의 연구 데이터 인프

라를 연계하고 있다. EOSC는 FAIR 원칙 아래 메타데이터 표준화, 리포지터리 인증, 공통

API 프레임워크를 통해 국가 및 기관 간 상호운용성을 실현하며, 2022년 이후 진행된

FAIR‑IMPACT 프로젝트를 통해 생명과학·지구과학 등 다양한 도메인에서 실제 데이터 결

합·교환 사례를 창출하고 있다. 또한 과학기술 데이터위원회(Committee on Data for

Science and Technology, CODATA)와 RDA(Research Data Alliance)는 WorldFAIR

Project(2022–2024)를 통해 유전체·농업·사회과학 등 11개 연구 분야의 도메인별 상호운용

성 프레임워크를 개발하여 범국가적 의미론적 표준을 제시하고 있다.

한국 역시 연구 데이터 상호운용성 강화를 위해 정책적·제도적·기술적 기반을 단계적으

로 확충하고 있다. 과학기술정보통신부와 한국연구재단(NRF)은 국가연구개발사업을 대상으

로 연구 데이터 관리·공개를 확대하고 분야별 데이터 표준 정비를 추진 중이다. 특히

KISTI를 중심으로 구축 중인 국가연구데이터 플랫폼인 DataON은 공공 연구 데이터의 수

집·저장·공유를 지원하며, DOI 부여 및 표준 메타데이터 적용을 통해 글로벌 연구 인프

라와의 상호운용성을 강화하는 핵심 거점으로 기능하고 있다.

결과적으로 연구 분야의 상호운용성 확보는 데이터 기반 과학 발전과 더불어 AI 연구를

위한 고품질 학습 데이터 확보, 국가 간 공동 연구 활성화의 결정적 토대가 되고 있다.

5. 공공 분야

공공 분야에서는 전통적으로 부처 및 기관별로 데이터 분절, 즉‘데이터 칸막이(Data

Silo)’ 문제가 행정 효율성과 정책 연계성을 저해해 왔으며, 이를 해소하기 위한 기관 간

데이터 공유의 제도화, 표준화 논의가 본격화되고 있다.

- 38 -

경제협력개발기구(OECD)는 2025년 보고서 「Enhancing Access to and Sharing of Data in

the Age of AI」를 통해 부처 간·정부 수준 간 데이터 연계를 강화하고, 공공부문 데이터

의 재사용 촉진을 위한 법적·기술적·조직적 안전장치의 결합을 핵심 과제로 제시하며 책

임 있는 데이터 공유 체계 구축을 강력히 권고하였다. EU는 이러한 논의를 법제로 구현한

대표적 사례로 데이터 거버넌스 법(DGA)을 통해 개인정보나 영업비밀, 지식재산권 보호 등

의 사유로 일반적 공개가 어려웠던 공공기관 보유 데이터에 대해 일정한 절차와 조건에서

재사용을 허용하는‘공공부문 데이터 재사용 메커니즘’을 명문화하였다. 또한 데이터 중개

서비스(Data Intermediation Services)에 대한 신뢰성·중립성 요건과 상호운용성 규칙을 도

입하여, 공공부문의 폐쇄적 데이터 운영을 완화하고 권리 보호와 데이터 활용 간의 균형을

꾀하고 있다(CMS Law‑Now, 2024).

한국 역시 공공데이터포털(data.go.kr)을 중추로 하여 중앙부처, 지자체, 공공기관 간의 데

이터 연계를 가속화하고 있으며, 특히 공공 데이터를 Open API 형식으로 표준화하여 제공

함으로써 민간의 재사용 편의성을 높이고 행정 칸막이를 허무는 정책적 노력을 지속하고

있다. 결국 공공 분야의 상호운용성 확보는 단순한 개방을 넘어 범정부 차원의 데이터 연계

체계와 법적 재사용 근거를 마련하는 방향으로 발전하고 있다. 이러한 변화는 행정 효율 제

고와 민간 AI 모델이 신뢰할 수 있는 공공 자원을 학습 데이터로 활용할 수 있게 하는 중

요한 토대가 된다.

제4절 상호운용성 관련 쟁점 도출

앞서 살펴본 주요국의 정책 동향과 분야별 적용 사례를 종합하여, 제2장에서 정의한 분석

프레임워크(기술, 제도·거버넌스, 사회·경제)에 따라 데이터 상호운용성 확보를 저해하는

구체적 장애요인과 쟁점을 도출하면 다음과 같다.

1. 기술 관련 쟁점

주요국과 산업계는 데이터 표준화와 API 개방을 통해 기술적 연결성을 확보하려는 노력을

지속하고 있다. 특히 금융MyData), 의료(FHIR) 등 데이터 활용도가 높은 분야를 중심으로

국가 차원의 공통 가이드라인이 제시되고 전용 인프라가 구축되는 등 구체적인 성과가 나

타나고 있다. 그러나 이러한 기술적 진보와 정책적 성과에도 불구하고, 실제 데이터 유동성

을 확보하고 고도화된 이동권 단계로 진입하는 데 여전히 다음의 쟁점들이 산재해 있다.

- 39 -

가. 데이터 표준에 대한 합의 및 구현 수준 발전 필요성

AI 시대의 데이터는 정형·비정형을 아우르는 대규모 자산으로서 플랫폼 간 공유·연계·

전송을 위한 실질적 기술 표준 마련과 이해관계자 간의 구체적 합의가 강조되는 추세다. 국

가적 차원의 가이드라인 제정 등 노력이 전개되고 있으나, 현존하는 공인 표준들이 개념적

원칙이나 추상적 수준에 머물러 있는 상태에서는 실무 현장의 즉각적인 연동을 뒷받침하기

에 한계가 있다. 이러한 표준의 추상성은 데이터 구조가 개별 기관의 관행과 편의에 따라

상이하게 구현되는 결과를 초래하며, 데이터가 정적 보유 단계를 벗어나 타 시스템과 유기

적으로 결합되는 흐름을 저해하는 결정적인 기술적 병목이 되고 있다.

나. 인터페이스(API) 계층의 표준화 부재

금융 및 의료 분야를 필두로 데이터 연동을 위한 활발한 API 개방이 추진되고 있으나, 시

스템 간의 자동화된 연계와 확장을 뒷받침할 전 산업적 차원의 설계 및 운영 방식에 대한

공통된 합의는 여전히 부족한 상태이다. 현재 데이터 제공자마다 리소스 모델, 엔드포인트

구성, 인증·인가 방식 등이 상이하여 시스템별 연동 방식이 다르게 나타나고 있다. 예컨대

EU의 PSD2 사례에서 법적 지침에 따른 개방은 이루어졌으나 기술적 구현 과정에서 영국의

오픈뱅킹 표준, EU의 Berlin Group 표준, 그리고 개별 은행의 독자 API가 혼재되어 연동 비

용이 급증했다. 미국 역시 HL7 FHIR를 표준으로 채택했음에도 병원 및 업체별 리소스 범위

와 확장 방식의 차이로 인해, 소위 표준의 파편화(Variation on standard) 현상이 발생하며

API 수준에서의 상호운용성이 제한되고 있다. 국내 공공부문 또한 부처별로 다른 API 구조

로 인해 행정 데이터 간 연동 규칙이 통일되지 못하는 실정이다. 이처럼 인터페이스 계층의

파편화는 실시간 데이터 흐름을 전제로 하는 고도화된 이동권 실현을 가로막는 결정적 장

애요인으로 작용하고 있다.

다. 데이터 포맷 확대와 의미적 상호운용성 확보의 한계

데이터의 형태가 정형 포맷을 넘어 로그, 이미지·영상, 센서 데이터, 벡터 임베딩 등 다

양한 멀티모달 형태로 확장됨에 따라, 이에 대응하는 의미적 연계의 중요성 역시 그 어느

때보다 강조되고 있다. 하지만, 데이터의 구조적 형식뿐 아니라 구체적 의미 정의, 단위, 분

류 체계까지 통합 관리할 수 있는 전방위적 공통 기준과 인프라는 여전히 부족하다. 이로

인해 의미 정의가 개별 프로젝트 단위의 단편적 구현에 국한되면서, 동일한 데이터 항목이

라도 기관이나 산업별로 해석이 달라지는 현상이 발생하고 있다. 이러한 의미론적 불일치는

데이터 이동 시 맥락의 왜곡과 AI 학습의 오류를 초래하는 결정적인 병목이 되어 지능적

- 40 -

재활용 단계로의 도약을 가로막고 있다.

라. 대규모 데이터 상호운용을 위한 기술적 체계 부족

데이터가 대규모이자 연속적으로 생성·활용되는 AI 환경에 맞춰, '데이터 고속도로' 구축

과 같은 국가적 차원의 인프라 확충이 활발히 추진되고 있다. 그럼에도 불구하고 단일 기관

이나 개별 시스템 수준의 분절된 대응만으로는 안정적인 상호운용성을 확보하는 데 한계가

있으며, 데이터 생성부터 활용까지의 전 과정을 추적·관리할 수 있는 범국가적 기술 체계

는 여전히 미비한 상태이다. 이러한 기술적 기반의 부재는 데이터 소유 및 관리 책임을 명

확히 하는 것을 방해하고 2차·3차 활용에 따른 책임 소재 규명을 어렵게 함으로써, 데이터

가 안심하고 선순환하는 생태계 안착을 지체시키는 원인이 된다.

2. 제도·거버넌스 관련 쟁점

AI 시대 데이터 주권과 상호운용성은 상충하는 개념이 아닌, 정보 주체의 권리 강화를 전

제로 한 공유와 연계의 문제로 인식되어야 한다. 하지만 현장의 정책적·제도적 환경은 여

전히 다음과 같은 쟁점들로 인해 데이터 유동성 확보에 어려움을 겪고 있다.

가. 데이터 주권 기반의 공유 및 연계 체계 정립

데이터 주권의 중요성이 강조됨에 따라 이를 전제로 한 유연한 공유 및 연계 체계 정립이

필수적이지만, 현재 제도는 여전히 데이터 유출 방지와 폐쇄적 보호 중심의 방어적 성격이

강한 상태이다. 데이터 상호운용성이 주권을 강화하기보다는 주권을 침해할 수 있다는 우려

에 기반한 보호 중심의 관점은 결과적으로 데이터 고립을 일으키며, 정보 주체가 데이터를

주도적으로 통제하고 활용하는 상위 단계로의 이행을 지체시키고 있다.

나. 규제 중심 접근의 한계

민간 산업계의 참여를 이끌어내기 위해서는 오픈 소스 생태계와 같이 협력 및 확산 중심

의 자율적 참여 환경이 조성되어야 하지만, 현재 상호운용성 정책은 대부분 표준 준수에 대

한 의무 부과나 단순 규제 중심으로 작동하고 있다. 이처럼 데이터 상호운용성이 단순한 법

적 의무로만 인식될 경우 기업들은 혁신적 가치 창출보다는 최소한의 요건 준수에만 치중

해 그 실효성을 잃게 된다. 또한, 기술 발전 속도를 따라가지 못하는 경직된 규제는 새로운

기술적 시도를 가로막는 장벽이 되어 생태계의 역동성을 저해할 우려가 크다.

- 41 -

3. 사회·경제 관련 쟁점

전방위적인 데이터 상호운용성 확보는 정보 주체의 권익 증진과 시장의 공정 경쟁을 지향

하지만, 실제 구현 과정에서는 다음과 같은 구조적 불균형과 수용성 문제가 나타나고 있다.

가. 프라이버시 침해 우려와 사회적 수용성 저해

데이터 상호운용성 보장은 데이터의 결합과 재활용 과정에서의 안정성이 담보되어야 하지

만, 여전히 데이터 결합 시 발생하는 재식별 위험에 대한 사회적 우려가 해소되지 않은 상

태이다. 개인정보보호 및 프라이버시 침해 문제로부터 벗어날 수 없는 현재의 환경은 상호

운용성 확대에 대한 사회적 합의 형성을 방해하며, 결과적으로 정보 주체의 이동권 행사를

능동적으로 활용하기보다 소극적 방어권 수준에 머물게 하는 요인이 된다.

나. 산업별 상호운용성 성숙도 격차와 비대칭성

국가 전반의 데이터 유동성을 확보하기 위해서는 모든 산업 분야의 유기적 연계가 필요하

지만, 현재는 금융·의료·공공 등 특정 분야와 대조적으로 제조업 등 일부 산업 분야에서

는 산업 기밀 유출 우려와 보안 문제가 상호운용성의 적용을 가로막는 핵심 병목 요인으로

작용하고 있다. 이러한 추진 수준의 비대칭성은 범산업적 차원의 상호운용성 확대를 저해하

고 특정 분야에만 데이터 활용의 혜택이 집중되는 불균형을 일으킨다.

다. 데이터 권력 편중 및 디지털 불평등 심화

데이터의 자유로운 흐름을 보장하여 공정한 경쟁을 유도하려는 정책적 노력이 세계적으로

확산되고 있으나, 실제 시장에서는 막대한 자본과 인프라를 보유한 거대 플랫폼 기업이 개

방된 데이터를 가장 먼저 흡수하여 지배력을 공고히 하는 양상이 나타나고 있다. 상호운용

성을 통해 데이터 접근성이 확대됨에도 불구하고 역설적으로 데이터 권력이 편중되는 이유

는, 개방된 데이터를 가치 있는 지능형 서비스로 전환할 수 있는 '흡수 역량(Absorption

Capacity)'과 컴퓨팅 자원이 소수 거대 플랫폼에 집중되어 있기 때문이다. 이러한 비대칭성

은 후발 주자의 혁신 기회를 제한하고 거대 기업의 승자독식을 가속할 위험이 크다.

라. 인프라 및 전문 인력 분포의 불균형에 따른 활용 격차

실효성 있는 상호운용성 구현을 위해서는 데이터 접근 권한뿐 아니라 이를 실제 가치로

연결할 인프라와 전문 인력이 필수적이다. 하지만 현재 이러한 기반 자원은 기관·기업 간

- 42 -

격차가 극심하며, 이는 준비되지 않은 주체들에게 진입 장벽으로 작용하고 있다. 자원 격차

가 실제 활용 격차를 고착화하는 결과를 초래하므로, 인적·물적 자원의 균형 있는 배분과

역량 강화를 뒷받침할 국가적 지원 체계 마련이 중요하다.

결론적으로, 앞서 진단한 다각적인 병목 요인들을 해소하고 AI 시대 원활한 데이터 순환

체계를 안착시키는 것은 국가 차원의 핵심 과제이다. 파편화된 개별 정책들이 실질적인 시

너지를 내기 위해서는 이를 관통하는 공통의 인프라와 거버넌스 프레임워크가 필수적으로

뒷받침되어야 한다. 즉, 시스템 연계를 넘어 활용 격차를 해소하고 사회적 신뢰를 구축할

수 있는 전방위적 통합 추진체계를 정립하고, 이를 통해 상호운용성을 저해하는 구조적 장

벽을 허물고 모든 주체가 안심하고 참여하는 지속 가능한 데이터 생태계 조성이 필요하다.

제4장

데이터 이동권 현황

본 장에서는 국내외 공공 및 민간 영역의 데이터 이동권 법제와 정책 동향을 면밀히 분석

한다. 이를 위해 앞서 살펴본 이동권의 법적 성격과 정보 주권적 가치를 토대로, 주요국과

한국의 법제화 현황 및 산업별 적용 사례를 제도적·사용자적 관점에서 살펴보고자 한다.

제1절 공공·민간 데이터 대상 국내외 법제 및 정책 동향

디지털 전환의 가속화에 따라 정보 주체의 데이터 주권 확보의 중요성 역시 커지고 있으

며, 데이터 이동권은 이를 실천하기 위한 핵심으로 자리매김하고 있다. 이에 전 세계 주요

국들은 데이터의 자유로운 이동과 이용자의 선택권 보장을 위해 일반법(GDPR 등) 혹은 분

야별 개별법을 정비하는 등 다각적인 노력을 기울이고 있다. 이러한 배경에서 주요 국가별

데이터 이동권 법제의 핵심적 특징과 최신 정책 동향을 체계적으로 살펴보고자 한다.

한국

한국은 개인정보 전송 요구권의 선제적 법제화와 함께 금융·공공 분야를 시작으로 전체

산업 영역에 데이터 이동권을 신속히 확산시키고 있는 선도 국가로 평가된다. 초기에는 개

별법 중심의‘부문별(Sectoral) 접근’이 주류였으나, 금융 마이데이터(신용정보법 개정,

2020)와 전자정부법에 근거한 공공 마이데이터 사업을 기점으로 2023년 3월 개인정보보호법

개정으로 신설된 ‘개인정보 전송요구권(제35조의2)’은 전 산업의 일반법적 권리로 격상되

었다. 정보 주체가 본인 또는 전문기관 등 제3자에게 정보를 전송하도록 요구할 수 있는 법

적 근거를 명확히 하고 있으며, 주요 요건은 다음과 같다.

항목

주요 내용

권리주체

자신의 개인정보가 처리되는 정보 주체

전송대상

정보 주체가 개인정보처리자에게 제공한 정보 및 이를 기반으로 생성된 일부 정보

(추론 데이터 제외)

전송수신자

정보 주체 본인, 개인정보관리전문기관, 또는 본인이 지정한 제3자

행사요건

처리가 컴퓨터 등 정보통신 서비스를 통해 자동화된 수단으로 이루어지는 경우

기술적 수단

기계 판독이 가능한 형태(API 등)로 안전하게 전송할 의무

<표 4-1>

한국 개인정보 전송요구권의 주요 내용 (개인정보보호법 제35조의2)

- 44 -

이러한 법적 변화는 국가 차원의 디지털 전환 가속화를 목표로 하는 ‘디지털플랫폼정부

(Digital Platform Government, DPG)’ 추진 전략과 궤를 같이한다. 디지털플랫폼정부는 공

공과 민간의 데이터를 칸막이 없이 연결하고 AI 기반으로 개인 맞춤형 서비스를 제공하는

‘One Government’ 구현을 지향하며, 이 거버넌스 하에서 추진되는 데이터 개방·민·관

협력 플랫폼 구축은 정보 주체의 데이터 이동권 실현을 정책적으로 뒷받침하는 인프라 환

경을 조성한다.

정부는 이러한 디지털 거버넌스 비전을 구체화하기 위해 2023년 8월‘국가 마이데이터 혁

신 추진 전략’을 발표하고 2025년을 본격적인 ‘Any-ID’ 시대의 원년으로 설정하였다.

이 전략은 특정 산업의 경계를 넘어 정보 주체가 본인이 원하는 곳으로 데이터를 자유롭게

이동시키는 생태계 조성을 목적으로 하며, 국민 생활 밀접도가 높은 10대 중점 부문(보건·

의료, 통신, 교육, 유통, 교통, 에너지, 고용, 복지, 부동산, 문화·관광)을 우선 확산 부문으

로 지정하였다. 정부는 2024년까지 분야별 전송 항목 표준화와 인프라 구축을 완료하고,

2025년부터는 국민이 체감할 수 있는 선도 서비스를 본격적으로 시행하여 '나의 데이터가

나의 뜻대로 활용되는' 데이터 주권 시대를 실현하는 것을 목표로 하고 있다. 국가 마이데

이터 생태계의 구성 체계와 단계별 로드맵은 다음과 같다.

자료: 개인정보보호위원회, 2023

[그림 4-2]

마이데이터 10대 중점 부문 및 로드맵

자료: 개인정보보호위원회, 2023)

[그림 4-1]

Any-ID 마이데이터 생태계 개념도

- 45 -

한국 모델의 핵심 기술적 특징은 표준 API 방식과 중계기관(Intermediary) 체계의 유기적

결합에 있다. 우선 스크래핑(Scraping) 방식은 원칙적으로 금지하고 인증된 API를 통해서만

데이터를 전송하도록 의무화함으로써 데이터의 정확성과 무결성을 확보하였다. 또한 수만

개의 데이터 보유 기관과 수신 기관을 일일이 직접 연결하는 물리적 한계를 극복하기 위해

분야별 거점 중계기관을 적극 활용한다. 중계기관은 표준화된 인터페이스를 제공하여 중소

핀테크·스타트업이 데이터를 저비용으로 활용할 수 있는 '공용 도로' 역할을 수행함으로써

데이터 생태계의 공정 경쟁을 뒷받침한다. 보안 측면에서는 사설 인증서 기반 인증과 전송

전 과정의 암호화·감사 로그 기록으로 프라이버시 침해 리스크를 최소화하고 있다.

다만 현장에서는 데이터 전송 수수료 산정 모델의 합리적 설계, 대형 플랫폼 기업의 데이

터 독점 방지를 위한 상호주의(Reciprocity) 원칙 적용 여부, 그리고 의료·민감정보 취급 시

의 보호 조치 강화 등의 한계가 존재한다. 이에 정부는 '마이데이터 거버넌스 협의회'를 통

해 이해관계를 조정하고, 이용자 편익이 가시화되는 선도 서비스 발굴에 집중하고 있다.

미국

미국은 연방 차원의 개인정보보호 일반법은 부재하나, 주 단위 소비자 프라이버시 법령과

산업별 규제 체계를 통해 이동권을 구현하고 있다. 연방 차원에서 증거기반 정책 입법

(Evidence‑Based Policymaking Act of 2018)에 근거한 연방 데이터 전략(FDS)이 데이터 표준

화 관리 체계의 실천 지침으로 작동한다.

FDS는 특히 접근 가능(Accessible), 상호운용 가능(Interoperable), 재사용 가능(Reusable), 공

개(Open) 원칙으로 연방 기관의 표준화된 형식의 데이터 관리를 요구하고 있다. FDS는 개

인의 법적 이동권을 직접 규정하지는 않으나, 데이터가 실질적으로 이동할 수 있는 기술적

전제 조건을 완성하는 역할을 수행한다. 각 원칙과 이동권의 연관성은 아래 표와 같다.

FDS 원칙

데이터 이동권 연관 내용

데이터 접근 가능

(Accessible)

표준화된 데이터 관리 및 기술적 호환성 확보를 통해

향후 이동 가능한 형식 제공의 기술적 토대를 마련 (간접)

상호운용 가능

(Interoperable)

데이터 접근성을 강화하여 공공 데이터의 활용 효율을 높이고

이동의 전제 조건을 충족 (간접)

재사용 가능

(Reusable)

데이터를 표준화된 형식으로 관리하여,

데이터의 자유로운 흐름이라는 이동권의 근본 가치에 간접적으로 기여

공개

(Open)

데이터를 표준화된 형식으로 관리하여,

데이터의 자유로운 흐름이라는 이동권의 근본 가치에 간접적으로 기여

<표 4-2>

미국 FDS 원칙별 데이터 이동권 연관성

- 46 -

한편 주 단위 입법은 유럽의 GDPR 영향을 받아 소비자 프라이버시 일반법 내에 데이터

접근 및 이동성을 명문화하는 방향으로 발전했다. 대표적으로 2020년 시행된 캘리포니아 소

비자 프라이버시 법(CCPA)과 이를 보완한 캘리포니아 프라이버시 권리 법(CPRA)은 소비자

가 자신의 개인정보에 접근하여 사본을 요청할 수 있는 권리를 규정하고, 전자적 방식으로

제공되는 경우 ‘이식 가능하고 쉽게 사용할 수 있는 형식(Portable and readily usable

format)’을 요구한다. 다만 EU의 GDPR처럼 제3자 컨트롤러에‘직접 전송’을 요청할 수

있는 권리를 명시적으로 부여하지 않는 점에서 차이가 있다. 반면 콜로라도 프라이버시법

(Colorado Privacy Act, CPA)은 주법 중 드물게 소비자가 자신의 정보를 다른 컨트롤러에 직

접 전송하도록 요청할 권리를 규정하여 GDPR 제20조에 가장 근접한 형태를 취하고 있다.

이 밖에도 버지니아 소비자 데이터 보호법(Virginia Consumer Data Protection Act, VCDPA),

코네티컷 데이터 프라이버시 법(Connecticut Data Privacy Act, CTDPA), 유타 소비자 프라이

버시 법(Utah Consumer Privacy Act, UCPA) 등 20개 이상의 주법이 소비자에게 ‘사용하기

쉬운·이식 가능한 형식’으로의 데이터 제공을 요구하고 있다.

또한 미국은 전통적인 ‘분야별 접근(Sectoral Approach)’을 견지하며 산업별 특수성에

맞춘 규제를 유지·발전시키고 있다. 금융 분야의 Gramm–Leach–Bliley Act(GLBA, 1999), 의

료 분야의 Health Insurance Portability and Accountability Act(HIPAA, 1996), 아동용 온라인

정보보호를 규정한 COPPA(Children’s Online Privacy Protection Act, 1998) 등 전통적 산업

별 법제는 디지털 전환을 반영한 하위 규칙과 현대화 법안과 결합되어 각 산업 현장에 적

합한 데이터 이동·접근 체계를 제공하고 있다. 예를 들어 소비자금융보호국(CFPB)의 개인

금융데이터권리규칙(Personal Financial Data Rights Rule, 2023)과 의료 분야의 21세기 치료

법(21st Century Cures Act) 이행 규정은 API 기반의 실시간 데이터 이전과 같은 현대적 이

동권 개념을 기존 법적 기반 위에 안착시킨 대표적인 사례라 할 수 있다. 이러한 체계는 금

융기관이 고객 데이터를 제3자에게 무료로 전송하도록 강제하거나, 표준 API인 FHIR 활용

을 의무화함으로써 환자가 자신의 진료기록을 자유롭게 이동시키고 관리할 수 있는 환경을

실질적으로 구현하고 있다.

권리 행사 요건·절차 측면에서 미국의 주법은 실효성 있는 응답 체계를 규정하고 있다.

캘리포니아 법체계의 경우 사업자는 소비자의 요청에 대해 원칙적으로 45일 이내에 응답해

야 하며, 합리적 사유가 있는 경우 추가로 45일 연장이 가능하되 연장 사실과 사유를 반드

시 통지해야 한다. 사업자는 소비자가 편리하게 권리를 행사할 수 있도록 웹 폼 등 최소 두

가지 이상의 경로를 제공해야 하고, 요청자의 신원을 확인하는 과정에서는 필요한 최소 정

보만을 요청하도록 제한하여 권리 행사의 문턱을 낮추고 있다. 데이터 제공 형식과 관련하

- 47 -

여 캘리포니아 법무장관실(OAG) 규정은 JSON·XML·CSV 등 기계 판독 가능한 형식을 권

장하며, 사업자는 소비자가 다른 사업체로 방해 없이 데이터를 전송할 수 있는 형식을 제공

해야 할 의무가 있다.

더불어 집행 및 제재 체계는 민사적 과태료와 제한적 사적 소송권을 특징으로 한다.

CCPA/CPRA 위반 시에는 고의적 위반에 대해 건당 최대 7,500달러의 민사 과태료가 부과될

수 있으며, 특히 데이터 침해 사고 발생 시에는 소비자에게 사적 소송권(Private right of

action)이 주어져 법정 손해배상을 청구할 수 있게 된다. 이러한 제도적 구성은 연방 일반법

부재라는 제약 상황에서도 지역별 입법 경쟁과 산업별 규범의 조합을 통해 미국 특유의 실

용적·역동적 데이터 이동권 체계를 형성하게 하는 원동력이 된다.

결과적으로 미국의 데이터 이동권 체계는 연방 데이터 전략이 조성한 표준화된 기술 기반

위에서 주법의 보편적 권리 규정과 산업별 특화 규제의 집행력이 결합되어 작동한다. 비록

국가 전체를 아우르는 단일 법률의 통일성은 상대적으로 낮으나, 기술적 표준화와 시장의

자율적 혁신을 결합하여 실용적인 데이터 유동성을 확보하려는 것으로 평가된다.

3. 유럽연합(EU)

EU는 전 세계에서 가장 폭넓고 체계화된 데이터 이동권 규범 체계를 갖춘 지역으로 평가

된다. EU는 개인정보 보호를 넘어 데이터 경제의 활성화를 위해 법제·표준·인프라를 유

기적으로 결합한 통합 모델을 구축하고 있으며, 이는 유럽 단일 시장의 규범력이 역외로 확

장되는 ‘브뤼셀 효과(Brussels Effect)’를 통해 글로벌 표준으로 자리매김하고 있다.

2018년 5월 25일 발효된 일반 데이터 보호 규정(General Data Protection Regulation,

GDPR)은 개인정보 이동권의 보편적 토대를 마련하였다. GDPR 제20조는 정보 주체가 컨트

롤러에 제공한 개인정보를 구조화(Structured)되고 일반적으로 사용되며(Commonly used), 기

계 판독 가능한 형식으로 제공받을 권리와 기술적으로 실행 가능한 경우 타 처리자에게 직

접 전송할 것을 요청할 권리를 규정하고 있다. GDPR의 장·조문 해석과 절차적 규정은 제6

조(처리의 적법 근거), 제12조(정보·의사소통과 당사자 권리의 이행), 전문(Recital) 제68항

(상호운용성 권장) 등에서 구체화되어 있으며, 권리 행사에 대한 응답 기한은 제12조 제3항

에 따라 원칙 1개월(사유 통지 시 최대 2개월 연장 가능)이다. 대상 데이터의 범위는 원칙

적으로 정보 주체가 '제공한(Provided)' 정보로 한정되지만, WP29·EDPB의 해석 가이드라인

은 위치정보·검색 이력 등 관찰 데이터(Observed data)를 포함할 여지를 제시하고 있으며,

컨트롤러가 생성한 추론·파생 데이터(Inferred/derived data)는 제외되는 것으로 해석된다.

- 48 -

GDPR 이후 EU는 데이터 이동권의 적용 범위를 개인정보에서 플랫폼·공공·산업 데이터

까지 단계적으로 확장해 왔다. 2021년 11월 채택된 데이터 거버넌스 법(Data Governance

Act, DGA)은 공공·민간 데이터의 안전한 공유와 재사용을 촉진하는 것을 목적으로 데이터

이타주의(Data Altruism) 규정을 포함(Articles 19–30)하여 비개인 데이터의 공익적 활용 기반

을 마련하였다. 2022년 12월 채택된 디지털 시장법(Digital Markets Act, DMA)은 대형 디지

털 플랫폼을 ‘게이트키퍼’로 규정하고, 제6조 등에서 게이트키퍼가 이용자 및 비즈니스

사용자의 데이터 이동성을 보장하도록 고품질 API 제공 의무 등을 명시함으로써 플랫폼 종

속성 해소와 경쟁 촉진을 도모한다. 이어 2023년 12월 채택된 데이터 법(Data Act)은 사물

인터넷(IoT)·산업 데이터 영역에서 사용자 전송권을 강화하여 기기 이용자에게 비개인 데

이터에 대한 접근 및 제3자 공유 지시권(예: 제4조·제5조)을 부여하고, 클라우드·엣지 서

비스 사업자가 데이터 전환을 방해하는 과도한 전환 수수료·지연을 금지(제23조·제24조)

함으로써 데이터 이동의 실질적 장벽을 제거하려 한다. 또한 헬스 분야를 위한 유럽 헬스

데이터 공간(European Health Data Space, EHDS) 규정은 환자의 전자의무기록(EHR) 접근·

공유·연구 활용을 위한 별도의 법적·거버넌스 틀을 마련하여 헬스 데이터의 이동권과 안

전한 활용을 촉진한다.

법·규범의 실효성을 확보하기 위해 EU는 기술·인프라·거버넌스 이니셔티브도 병행한

다. 2020년 출범한 Gaia‑X 이니셔티브는 특정 클라우드 사업자에 대한 의존을 완화하고 유

럽 데이터 주권을 확보하기 위해 분산된 데이터 제공자가 공통 표준과 연합적 기술 규격

(Federated Services) 아래에서 안전하게 데이터를 교환할 수 있는 기술적 기반을 제시한다.

2024년 발효된 상호운용 가능한 유럽법(Interoperable Europe Act)은 회원국 간 공공 서비스

의 디지털 연계를 강화하기 위해 상호운용성 평가를 의무화하고 표준화된 인터페이스를 통

한 국경 없는 데이터 흐름을 촉진한다.

법·규범의 실효성을 확보하기 위한 집행 및 제재 체계 역시 매우 강력하게 설계되어 있

다. GDPR 위반 시 제83조에 따라 전 세계 연간 매출액의 최대 4% 또는 2,000만 유로 중

높은 금액의 과징금이 부과될 수 있으며, 정보 주체는 제77조에 의거하여 감독기관(각 회원

국 감독기관 및 EDPB)에 민원을 제기하거나, 제79조에 따라 컨트롤러를 상대로 사법적 구

제를 청구하고 제82조에 근거하여 손해배상을 청구할 권리를 가진다. 디지털 시장법(DMA)

위반 시에는 전 세계 연간 매출액의 최대 10%(반복 위반 시 20%)의 과징금과 함께 기업 분

할 등의 구조적 시정 조치가 병행될 수 있다. 또한 데이터 법(Data Act) 위반에 대해서는

각 회원국이 국내법을 통해 효과적이고 비례적인 제재를 규정하도록 위임하여 권리의 강제

성을 부여하고 있다.

- 49 -

구분

일반데이터보호규정(GDPR)

디지털시장법(DMA)

데이터법(Data Act)

핵심 목적

개인정보 자기 결정권 및

기본권 보장

플랫폼 시장 경쟁 촉진 및

공정성 확보

산업·IoT 데이터 활용 촉진 및

장벽 제거

적용대상

모든 개인정보 처리자

대형 플랫폼 사업자

(게이트키퍼)

IoT 기기 제조사 및 서비스

제공자

이동권 범위

정보 주체가 제공·관찰한

개인정보

이용자 및 비즈니스 사용자의

생성 데이터

기기 사용으로 생성된

개인/비개인 데이터

핵심 의무

이식 가능한 형식 제공 및

직접 전송권

실시간 데이터 이동성을 위한

API 제공

제3자 공유 지시권 및 전환

수수료 금지

위반 제재

매출액의 최대 4% 또는

2,000만 유로

매출액의 최대 10~20% 및

구조적 시정

회원국별 효과적 비례적 제재

규정

출처: 각 법령 원문 및 지침 연구진 재구성

<표 4-3>

EU 데이터 이동권 관련 주요 법령 비교 요약

결론적으로 EU는 GDPR·DMA·Data Act를 유기적으로 연계하여 데이터 이동을 위한 통

합 체계를 구축하였으며, 이는 유럽 단일 시장 내 데이터 활용 촉진과 글로벌 정책 수립의

핵심 참고 모델로 기능하고 있다.

4. 영국

영국의 데이터 이동권 체계는 브렉시트 이후 EU GDPR의 핵심 가치를 계승한 UK GDPR

과 2018년의 데이터 보호법(Data Protection Act 2018)을 기반으로 운영되어 왔으며, 2025년

6월 19일 국왕 재가(Royal Assent)를 받은 데이터 사용 및 접근법(Data Use and Access Act,

DUAA)의 도입과 함께 산업 전반의 데이터 생태계를 활성화하는 ‘스마트 데이터(Smart

Data)’ 체계로 본격적으로 진입하였다. 2026년 1월 현재 영국 정부는 1년간의 단계적 시행

계획에 따라 주요 조항들을 발효하고 있으며, 이를 통해 데이터 이동권을 단순한 방어적 권

리에서 국가 경제 성장을 견인하는 능동적 인프라로 재정의하고 있다.

DUAA의 핵심은 기존 UK GDPR 제20조가 규정한 데이터 이동권을 더욱 구체화하고 강제

성을 부여한 데 있다. 정보 주체는 자신이 제공한 정보뿐만 아니라 위치 데이터, 웹사이트

이용 이력 등 주체의 활동을 통해 수집된 ‘관찰된 데이터(Observed data)’까지 포함하여,

기계 판독이 가능한 형식으로 받거나 타 처리자에게 직접 전송을 요구할 수 있다. 특히

DUAA는 오픈뱅킹 체계를 법적 토대 위에 확고히 올려놓았을 뿐만 아니라, 에너지·통신·

교통·소매 등 다른 핵심 산업으로 유사한 데이터 공유 체계를 확장할 수 있는 범정부적

규제 권한을 부여했다는 점에서 주목할 만하다.

- 50 -

이와 연계하여 2023년 설립된 스마트 데이터 위원회(Smart Data Council)는 산업 간 상호

운용성 표준을 조정하고 인가된 제3자 제공자(Authorized Third Party Providers, ATPs)를 통

해 데이터를 안전하게 공유하게 하는 역할을 수행하고 있다. 이를 통해 소비자는 더 저렴한

에너지 요금제 추천이나 맞춤형 금융 상품 제안 등 융합형 서비스 이용의 기회를 얻었다.

집행 체계도 DUAA 시행에 맞춰 현대화되고 있다. 정보위원회(ICO)는 기존의 단독 위원

(Commissioner) 중심 구조에서 이사회 중심의 ‘정보위원회(Information Commission)’ 형태

로 전환을 진행 중이며, 이를 통해 규제의 투명성과 책임성을 높이고자 한다. 이러한 개편

은 기업의 규제 준수 부담을 합리적으로 관리하면서도, 위반 시에는 최대 1,750만 파운드

또는 전 세계 연간 매출액의 4% 중 높은 금액을 부과할 수 있는 강력한 제재권을 실효성

있게 행사하기 위한 제도적 기반을 마련하는 역할을 한다. 아울러 금융행위감독청(Financial

Conduct Authority, FCA), 에너지규제청(Office of Gas and Electricity Markets, Ofgem) 등

산업별 규제기관과 ICO 간의 긴밀한 협력 체계가 구축되어 스마트 데이터 제도의 기술 표

준 준수 여부를 공동으로 관리하고 있다.

즉, 영국의 다각적 거버넌스 체계는 데이터 이동권을 시장 경쟁 촉진과 소비자 주권 강화

라는 정책 목표로 연결하는 데 기여하는 선진적 모델로 자리매김하고 있다.

5. 중국

중국의 데이터 이동권 체계는 상위 법률인 개인정보보호법(Personal Information Protection

Law, PIPL)과 세부 행정 법규인 네트워크 데이터 보안 관리 조례(네트워크안전법령 계열)

등이 결합된 복층적 구조를 띠며, 사이버 보안법·데이터 보안법·개인정보보호법으로 구성

되는 이른바 ‘중국 데이터 3법’의 상호보완적 관계 속에서 강력한 국가 주도형 보안 모

델을 형성하고 있다.

PIPL 제45조는 열람·복사권과 더불어 타 처리자에게 이전을 요청할 수 있는 권리를 규정

하고 있으나, 실무상 이 권리는 조례(예: 조례 제25조)가 규정하는 네 가지 충족 요건을 모

두 만족해야 하는 ‘조건부 권리’로 운영된다. 해당 요건은 ① 요청인의 진정한 신원 검증

가능성, ② 본인 동의 제공 또는 계약에 근거한 수집 데이터일 것, ③ 기술적 실행 가능성,

④ 타인의 합법적 권익 비침해 등으로 구성된다. 대상 데이터는 일반적으로 본인이 제공하

거나 계약에 따라 수집된 정보로 한정되며, 처리자가 생성한 파생·추론 데이터는 통상적으

로 이동권의 대상에서 제외되는 것으로 해석되는 경향이 있다. 절차적으로는 특정 응답 기

한 대신 ‘적시에(及时)’ 응답할 의무를 부과하고 있으며, 요청 횟수가 합리적 범위를 명

- 51 -

백히 초과하는 경우에만 예외적으로 비용 청구를 허용한다.

국경 간 데이터 이동과 관련해서는 PIPL 제38조가 적용되어, 출경(데이터의 해외 이전)을

위해서는 안전성 평가 통과, 보호 인증 획득, 또는 표준 계약 체결 중 하나를 반드시 충족

해야 한다. 특히 핵심 정보기반시설 운영자나 일정 규모 이상의 개인정보 처리자에 대해서

는 중국 내 저장(데이터 현지화) 의무가 부과되며, 이는 국가 안보와 직결된 데이터의 유출

을 엄격히 통제하려는 목적과 맥을 같이한다. 법률상 비밀 유지 규정이나 국가기관의 법정

직무 수행을 저해할 우려가 있는 경우에는 이동권 행사가 제한될 수 있다는 점도 주목할

필요가 있다.

기술적 측면에서는 GDPR과 달리 데이터 형식(예: 기계 판독성)에 관한 구체적 규정이 부

족하고 전송방식을 ‘경로 제공’ 등으로 표현하는 등 기술적 불확실성이 존재한다. 특히

‘기술적 실행 가능성’이나 ‘타인 권익 침해’에 대한 판단 기준이 충분히 정립되지 않

아 실무적 해석의 여지가 남아 있다.

집행 및 제재 체계 측면에서 중국은 국가 인터넷·사이버 감독기관인 국가 사이버공간 관

리국(Cyberspace Administration of China, CAC)을 중심으로 엄격한 규제를 시행한다. 행정

적으로는 시정 명령과 함께 통상적 벌금(예: 100만 위안 이하)이 부과되지만, 사안이 중대한

경우에는 최대 5,000만 위안 이하 또는 전년도 매출액의 5% 이하의 벌금, 업무 정지, 허가

취소 등 강력한 처분이 가능하다. 민사적으로는 과실 추정에 따른 손해배상 책임과 공익 소

송 제도를 운영하며, 형사적으로는 형법상 개인정보 침해 관련 규정을 적용하여 중대한 경

우 3년 이하에서 최대 7년의 징역형을 규정하고 있어 형사처벌까지 병행될 수 있다.

결과적으로 중국은 정보 주체의 권리를 일정 부분 인정하면서도, 그 행사를 국가 데이터

보안 프레임워크 내에서 엄격히 통제하는 ‘국가 안전 우선’ 기조를 반영한다.

6. 일본

일본의 데이터 보호 체계는 개인정보보호법(Act on the Protection of Personal

Information, APPI)을 중심으로 시행령·가이드라인 등이 유기적으로 결합된 다층적 구조를

갖는다. 일본은 유럽의 GDPR과 같은 명시적 ‘데이터 이동권’ 조항을 두기보다는, 보유

개인정보 공개 청구권(제33조)을 고도화하는 방식으로 실질적 데이터 이동성을 확보하는 독

자적 노선을 취하고 있다. 특히 2022년 4월 시행된 개정법에서는 정보 주체가 데이터 공개

시 ‘전자적 방법’을 직접 지정할 수 있는 권리를 명문화하였는데, 이는 정보 주체가 디지

털 형태로 받은 데이터를 타 사업자에게 직접 제공할 수 있는 경로를 열어 GDPR과의 기능

- 52 -

적 등가성(실질적 유사성)을 확보하는 것으로 평가된다.

권리의 대상인 ‘보유 개인정보’는 주체가 직접 입력한 정보에 한정되지 않고 사업자가

식별 가능한 데이터 전반을 포괄하며, 삭제 예정 데이터와 제3자 제공 기록도 포함된다. 다

만 다음과 같은 예외 규정에 따라 공개 요청을 거부할 수 있다. 첫째, 본인이나 제3자의 생

명·신체·재산 등 권리이익이 침해될 우려가 있는 경우, 둘째, 사업자의 정상적 업무 수행

에 현저한 지장을 초래하는 경우, 셋째, 타 법령에 저촉되는 경우이다. 절차적으로는 특정

기한 대신 ‘지체 없이’ 응답하도록 규정하면서도, 사업자의 현실적 부담을 고려하여 합리

적 범위 내에서 수수료 징수를 허용하고 있다.

국경 간 이동 시 원칙적으로 본인 동의를 요구(제28조)하되, 일본과 동등한 보호 수준을

갖춘 국가(EU, 영국)나 기준 적합 체제를 갖춘 제3자 또는 법령상 근거 등의 경우에는 동의

요건을 면제하는 유연한 규율을 갖추고 있다.

또한 일본은 GDPR과 달리 민간 사업자에게 데이터 보호 영향 평가(Data Protection

Impact Assessment, DPIA)를 일반적·포괄적으로 의무화하지는 않으며, 데이터 현지화 의무

도 두지 않고 ‘신뢰에 기반한 자유로운 데이터 흐름(Data Free Flow with Trust, DFFT)’

을 정책 기조로 유지하고 있다. 정책 집행은 개인정보보호위원회(Personal Information

Protection Commission, PPC)가 담당하며, PPC는 보고·조사·입회 검사 등을 통해 지도·

권고·시정 명령을 내리고 필요한 행정 제재를 부과한다. 특히 2020년 개정 이래로 시정 명

령 위반 시 법인에 대한 행정적 제재 수준이 크게 강화되었고, 부정 제공·도용 등 심각한

위반에는 형사적 책임이 병과되는 규정도 존재하여 규제 실효성을 제고하고 있다.

7. 소결 및 국가별 비교 요약

데이터 이동권의 법제화 양상은 각국의 데이터 거버넌스 철학과 기존 법체계의 특성에 따

라 서로 다른 경로를 밟아왔다. EU가 일반개인정보 보호법(GDPR)을 통해 보편적 권리로서

의 이동권을 선포한 이후, 한국과 중국은 일반법 중심의 체계를, 미국과 일본은 시장의 자

율성과 분야별 특수성을 강조하는 분절적 체계를 택하고 있다. 이러한 국가별 법적 근거와

정책적 지향점의 차이를 요약하여 비교하면 아래 <표 4-4>와 같다.

- 53 -

국가

주요 법령

이동권 대상 범위

전송방식 및 특징

대한민국

개인정보 보호법

(제35조의2)

제공 정보 및 활동 기반 생성 정보

(추론 정보 제외)

전 산업 일반법화

표준 API 기반 중계기관 체계 활용

미국

주별 소비자법(CCPA 등)

금융법

제공 정보

(이식 가능한 형식 사본)

분야별·주별 접근

API 기반 실시간 이전(금융, 의료)

점진 확산

GDPR (제20조),

데이터법(Data Act)

제공 정보 및 관찰 정보

세계 표준 규범

직접 전송권 명시 및 게이트키퍼

의무 부여

영국

UK GDPR

DUAA 2025

제공 정보 및 활동 관찰 정보

스마트 데이터

산업별 규제기관 간 협력을 통한

실효성 제고

중국

개인정보 보호법 (PIPL)

본인 동의 및 계약 기반 정보

(파생·추론 정보 제외)

국가 보안 우선

기술적 실행 가능성 및 보안 평가

엄격 적용

일본

개인정보 보호법 (APPI)

보유 개인정보 전반

전자적 공개 요청권

간접적 이동권 확보 및 수수료

허용

출처 : 각 법안 원문 및 제4장 국가별 내용 종합 연구진 재구성

<표 4-4>

국가별 데이터 이동권 법제 비교

즉, 각국은 자국의 환경과 정책 목표에 따라 고유한 데이터 이동권 모델을 구축해 나가고

있다. 이처럼 제도적 출발점은 상이하나, 정보 주체의 데이터 주권을 회복하고 파편화된 데

이터를 산업적 가치로 전환하려는 목적은 모든 국가에서 공통으로 관찰된다.

이러한 법적 토대의 차이는 실제 산업 현장에서의 서비스 구현 방식에도 직접적인 영향을

미치고 있다. 다음의 제2절에서는 이와 같은 제도적 기반을 바탕으로 모빌리티, 에너지, 금

융 등 주요 산업군이 데이터 이동권을 어떻게 적용하고 있는지 상세 사례를 통해 살펴본다.

- 54 -

제2절 데이터 이동권 분야별 적용 사례

1. 금융 분야

금융 분야는 데이터 이동권이 가장 선도적으로 구현된 영역으로, 플랫폼에 고착된 결제

및 자산 정보를 정보 주체의 의사에 따라 실시간으로 이동시키는 오픈뱅킹(Open Banking)

과 마이데이터(MyData) 체계를 중심으로 발전하고 있다. 이는 단순한 정보 조회를 넘어 실

제 자산의 이동과 관리 권한을 정보 주체에게 돌려주는 ‘금융 주권’의 실현을 지향한다.

출처: https://niti.gov.in/sites/default/files/2020-09/DEPA-Book_0.pdf

[그림 4-3]

오픈뱅킹 생태계 내 데이터와 사용자 동의의 흐름

유럽연합(EU)은 제2차 지급결제서비스지침(Revised Payment Services Directive, PSD2)을

통해 금융소비자가 자신의 결제계좌 정보를 제3자 지급결제서비스 제공자(Third Party

Provider, TPP)에게 이전·공유할 수 있도록 법제화하였다. 특히 Berlin Group이 제안한

NextGenPSD2 API는 유럽 내 기술적 조화를 촉진하는 중요한 레퍼런스로 작동하고 있으나,

Berlin Group이 직접 구현을 강제하지는 않는다.

자료: https://www.berlin-group.org/

[그림 4-4]

기존 결제 서비스와 PSD2 통합결제 서비스의 차이

- 55 -

영국의 경우, 영국 경쟁시장청(Competition and Markets Authority, CMA)이 주요 은행들에

오픈뱅킹 이행 기구(Open Banking Implementation Entity, OBIE) 설립을 명령하고 단일 API

표준의 적용을 의무화하였다. 이를 통해 TPP가 은행별 상이한 인터페이스에 맞춰 별도 개

발해야 하는 기술적 진입 장벽을 크게 낮추었으며, OBIE는 전송 표준뿐만 아니라 동의·철

회 UI 등에 관한 고객 경험 가이드라인을 제시하여 사용자 편의성과 신뢰 확보를 병행했다.

이를 통해 영국은 오픈뱅킹 기반의 실사용자 확대와 금융 포용성 제고 등 구체적 성과를

거두고 있다.

한국은 2019년 금융위원회와 금융결제원이 도입한 오픈뱅킹을 시작으로 데이터 이동권 이

행을 가속해왔다. 은행·핀테크 간 표준 API를 통한 계좌 조회·이체 기능의 개방을 거쳐,

2022년 신용정보법 개정을 통해 ‘개인신용정보 전송 요구권’ 기반의 금융 마이데이터 서

비스를 본격화하였다. 현재 다수의 마이데이터 사업자가 카드·은행·보험 등 분산된 데이

터를 표준 API로 통합하여 자산 관리와 맞춤형 상품 추천 서비스를 제공하며 실질적 서비

스 혁신을 끌어내고 있다.

결론적으로 금융 분야의 데이터 이동권은 단일 표준 API와 제도적 이행 의무를 결합하여

정보 주체의 금융 주권을 실질적으로 보장하는 모델을 제시한다. 이는 폐쇄적 데이터 생태

계를 개방 구조로 전환해 포용적 금융을 실현하고 핀테크 혁신의 기반이 되고 있다.

2. 보건·의료 분야

보건·의료 분야의 데이터 이동권은 환자가 자신의 진료 정보를 직접 관리하고 필요한 의

료기관에 전송함으로써 치료의 질을 높이고 진료의 연속성을 보장하는 데 중점을 둔다. 이

는 파편화된 의료 환경에서 환자에게 실질적인 데이터 통제권을 부여하여 ‘디지털 의료

이동권’을 구현하는 핵심 과정으로 볼 수 있다.

미국은 2018년부터 CMS(Centers for Medicare & Medicaid Services)를 통해 Blue Button

2.0(BB2.0)을 제공해 왔다. BB2.0은 HL7 FHIR 기반의 API를 통해 수급자가 자신의 진료·청

구 데이터를 기계 판독이 가능한 JSON 형식으로 내려받거나 승인된 제3자 앱으로 직접 전

송할 수 있도록 지원한다. 제공되는 데이터에는 처방약, 병원 이용 내역, 진료 비용 등이 포

함되며, 이는 단순 열람을 넘어 디지털 건강 앱의 데이터 수집 자동화, 임상 연구 활용, 케

어 코디네이션 등 실제 서비스 수준의 데이터 이동성을 실현하는 기반이 된다.

유럽연합(EU)은 MyHealth@EU 등 국경 간 디지털 헬스 인프라를 통해 회원국 간 전자 처

- 56 -

방(ePrescription)과 환자 요약(Patient Summary) 정보를 교환하고 있다. 또한 유럽 헬스 데

이터 공간(EHDS) 규정은 환자가 자신의 전자의무기록(EHR)에 접근하고 연구·혁신을 위해

데이터를 안전하게 공유할 수 있는 법적 틀을 마련함으로써, 이동권의 개념을 ‘지속적 접

근 및 공유 지시권’으로 확장하고 있다.

자료: IHE-Europe EXPERIENCE DAY 2022, MyHealth@EU– Building Digital Health Services Across Europe

[그림 4-5]

MyHealth@EU 인프라

자료: https://www.pressebox.com/pressrelease/ecsec-gmbh/Welcome-EHDS-European-Health-Data-Space/boxid/1242489

[그림 4-6]

유럽 보건 데이터 공간 - 거버넌스 및 상호운용성 프레임워크

한국은 보건복지부를 중심으로 환자 중심의 데이터 흐름을 조성하기 위해 ‘건강 정보 고

속도로(마이헬스웨이)’ 사업을 추진 중이다. 이 사업은 개별 의료기관에 분산된 개인건강

기록(PHR)의 단절을 해소하고, 표준 API를 통해 참여 기관의 데이터를 개인이 통합 관리하

여 원하는 서비스로 전송할 수 있는 시스템을 구축하는 것을 목표로 한다. 정부는 2025년을

목표로 상급종합병원 연계를 확대하여 본인 진료기록을 실시간으로 확인하고 선택적으로

전송할 수 있는 체계를 마련함으로써 진료 연속성과 맞춤형 건강관리 서비스를 제공하는

환경을 조성해왔다.

- 57 -

자료: https://www.myhealthway.go.kr/portal/mainpage

[그림 4-7]

건강 정보 고속도로 플랫폼 구조

종합하면, 보건·의료 분야의 데이터 이동권은 환자의 생명과 건강에 직결된 정보의 유동

성을 확보하여 의료 서비스의 질을 근본적으로 향상하는 데 기여한다. 특히 HL7 FHIR 등

표준화된 전송 체계를 통해 환자 주도의 데이터 활용 생태계를 조성하면, 민감정보의 안전

한 이동을 보장함과 동시에 디지털 헬스케어 산업의 신뢰와 혁신을 동시에 촉진할 수 있다.

3. 에너지 분야

에너지 분야의 데이터 이동권은 정보 주체가 자신의 에너지 소비 데이터를 주도적으로 관

리·활용함으로써, 최적화된 요금제 선택과 자발적 수요관리(Demand Response)를 통해 탄

소중립을 실현하려는데 목적이 있다. 이는 공급자 중심의 데이터 점유 구조를 사용자 중심

으로 재편하여 에너지 시장의 투명성과 경쟁을 촉진하는 방향으로 진화하고 있다.

미국의 그린 버튼(Green Button) 이니셔티브는 2012년 미국 에너지부(DOE) 주도로 전력·

가스 기업들이 공동 참여하며 시작되었다. 소비자가 자신의 사용 데이터를 표준화된 XML

포맷으로 내려받는 'Download My Data'와 승인된 제3자에게 직접 전송하는 'Connect My

Data' 서비스를 주요 기능으로 제공한다. 이를 통해 가정과 기업은 특정 기업에 고착되었던

소비 정보를 효율 개선 솔루션으로 유입시키고, 요금제 비교 및 절감 솔루션을 받는 등 데

이터에 대한 실질적 통제권과 재사용권을 행사하고 있다.

- 58 -

자료: https://www.energy.gov/data/green-button

[그림 4-8]

그린버튼(Green Button) 이니셔티브

유럽연합(EU)도 전력지침(Electricity Directive 2019/944)을 통해 스마트 미터링 데이터에

대한 정보 주체의 접근 및 전송 권리를 명문화했다. 소비자는 자신의 실시간 에너지 사용

데이터를 제3자 서비스 제공자에게 전송할 것을 요구할 수 있으며, 이는 가상발전소(VPP)

및 분산 에너지자원(DER) 관리 서비스와 연계하여 에너지 산업의 지능화를 도모하고 있다.

호주는 금융 분야에서 적용된 소비자 데이터 권리(Consumer Data Right, CDR)를 2022년부

터 에너지 분야로 확대 적용하였다. 이를 통해 호주 소비자들은 자신의 에너지 사용 데이터

를 비교 사이트나 에너지 관리 앱으로 전송하여 더 저렴한 공급자로 손쉽게 전환할 수 있

는 환경을 누리고 있다.

한국에서는 한국전력공사의 '에너지 마이데이터' 플랫폼을 통해 전력 사용 데이터를 금융

마이데이터와 결합하여 신용점수 개선, 가전 기기별 소비 분석 제공 등 생활 밀착형 서비스

로 구현하고 있다. 이를 통해 소비자는 전력 사용 정보에 기반한 맞춤형 요금제 제안이나

에너지 절감 권고를 받으며, 에너지 효율화와 소비자 주권 강화를 동시에 추구할 수 있다.

글로벌 에너지 시장은 표준화된 데이터 포맷과 간편한 전송 절차를 통해 소비자 데이터

주권을 실질적으로 보장하려는 추세에 있다. 이는 기후 위기 대응을 위한 에너지 효율화라

는 공익적 가치를 창출하며, 파편화된 에너지 소비 정보가 지능형 에너지 네트워크의 핵심

자원으로 순환되는 전환점이 되고 있다.

- 59 -

4. 모빌리티 분야

모빌리티 분야의 데이터 이동권은 파편화된 교통수단 간 데이터 사일로 현상을 해소하고,

정보 주체인 이용자의 이동·결제 데이터를 통합하여 끊김 없는(Seamless) 이동 경험을 제

공하는 MaaS(Mobility as a Service) 구현을 지향한다. 이는 단순한 교통수단의 결합을 넘어,

탄소 배출 저감 및 고령화 사회 이동권 보장 등 도시 문제 해결의 핵심 정책으로 기능한다.

이러한 흐름을 가장 앞서 선도한 국가는 핀란드이다. 핀란드는 2018년 제정·시행된 「교

통서비스법(Act on Transport Services)」을 통해 데이터 이동권의 법적 기틀을 마련하였다.

이 법은 모든 교통 서비스 제공자가 노선·시간표·요금 정보뿐 아니라 예약·결제 API를

제3자에게 개방하도록 의무화하였고, 이를 바탕으로 ‘Whim’ 서비스가 등장해 이용자가

최적의 경로를 자유롭게 선택할 수 있는 통합 생태계를 구축하였다.

독일은 자동차 제조 강국의 강점을 살려 민관 협력 기반의 ‘모빌리티 데이터 스페이스

(Mobility Data Space, MDS)’를 운영하며 산업 주도의 데이터 주권 확보 모델을 제시하고

있다. MDS는 데이터 소유권을 보장하면서 제조사·대중교통 운영자·인프라 관리자 간의

안전한 데이터 교환을 지원한다.

일본은 민간 주도의 교통 운영 체계가 활발한 구조를 반영하여 ‘my route’와 같은 멀

티모달 서비스를 통해 이동과 소비를 하나의 여정으로 연결하고 있다. 또한 ‘MaaS Tech

Japan’ 등 플랫폼을 통해 파편화된 데이터를 결합하여 교통 혼잡 완화, 고령자 이동 지원

등 지역 문제 해결에 데이터 이동권을 적극 활용 중이다.

자료: 한국교통연구원 (2021), 「일본 MaaS 프로젝트 근황」, 『월간교통』, 2021년 4월호

[그림 4-9]

MaaS(Mobility as a Service)의 기본 구조

- 60 -

주요국 사례는 법적 강제성(핀란드), 산업 간 신뢰 인프라(독일), 민간 협력 생태계(일본)

등 각국의 특성에 따라 모빌리티 데이터 유동성이 확보됨을 보여주며, 한국도 기술적 상호

운용성과 함께 데이터 개방을 위한 제도적 장치와 산업계의 자발적 참여 거버넌스가 병행

되어야 함을 시사한다.

5. 공공 분야

공공 분야의 데이터 이동권은 단순한 행정 정보 조회를 넘어, 시민이 자신의 행정 데이터

를 직접 통제하고 기관 간 데이터 장벽을 허물어‘사용자 중심의 지능형 행정’을 구현하

는 방향으로 진화하고 있다.

한국에서는 ‘공공 마이데이터’ 사업을 통해 주민등록표 등본, 납세증명서 등 행정 정보

를 정보 주체의 요청에 따라 금융기관이나 민간 앱으로 전송하도록 지원하고 있다. 이는 행

정 서비스 전반의 디지털 전환을 가속하는 핵심 기반이 된다. 이와 유사한 흐름은 디지털

선도국인 에스토니아에서도 뚜렷하게 나타난다. 에스토니아는 ‘원스 온리(Once-Only)’ 원

칙을 법제화하여 시민이 정부에 한 번 제공한 데이터는 다시 요구하지 않으며, 국가 데이터

교환망인 X‑Road를 통해 기관 간 유기적 연계를 실현하고 있다. 특히 데이터 트래커(Data

Tracker) 서비스를 통해 시민이 자신의 데이터 흐름과 접근자를 실시간으로 모니터링하고

통제할 수 있어 공공 데이터 이동권의 투명성과 신뢰성을 확보하고 있다.

아울러 데이터 이동권의 실효성을 확보하기 위해서는 정책 목표 간 상충을 조정할 수 있

는 범부처 차원의 거버넌스가 필수적이다. 영국의 사례를 보면, 데이터 이동권 기반의 오픈

뱅킹은 금융 안정성, 경쟁 촉진, 개인정보 보호 등 상이한 정책 목표가 교차하는 영역이다.

경쟁을 촉진하려는 경쟁 당국(CMA)과 개인정보 보호를 담당하는 정보위원회(ICO)의 목표는

실행 과정에서 상충할 가능성이 있으며, GDPR 도입 이후 규제기관 간 권한 조정 문제가

드러났다. 이를 해결하기 위해 영국은 2020년 디지털 규제 협력 포럼(DRCF: Digital

Regulation Cooperation Forum)을 출범시켰다. DRCF에는 ICO, CMA, FCA, Ofcom 등 주요

규제기관이 참여하여 상시 협의 채널을 제도화하고, 중복 규제로 인한 기업의 불확실성을

완화하고자 했다. 아울러 합의가 어려운 사안은 상위 법률 개정을 염두한 유연한 거버넌스

모델을 구현하고 있다.

요컨대 공공 분야의 데이터 이동권은 행정 서비스의 지능화와 시민 데이터 주권 강화를

견인하는 동시에, 협력적 거버넌스를 통해 공공 데이터를 민간 혁신을 뒷받침하는 국가 데

이터 인프라로 자리매김하게 한다.

- 61 -

제3절 데이터 이동권 관련 쟁점 도출

앞서 살펴본 주요국의 정책 동향과 분야별 적용 사례를 종합하여, 제2장에서 정의한 분석

프레임워크(기술, 제도·거버넌스, 사회·경제)에 따라 데이터 이동권의 실질적 이행을 저해

하는 장애요인과 핵심 쟁점을 도출하면 다음과 같다.

1. 기술 관련 쟁점

데이터 이동권의 이행을 위해 법제 정비와 기술 규격 마련 노력이 추진되고 있으나, 실제

현장에서는 데이터 형식의 파편화와 전송 체계의 불확실성 등 다음과 같은 기술적 병목 요

인이 여전히 산재해 있다.

가. 데이터 형식의 표준화 부재와 실질적 재활용의 한계

데이터 이동권의 실효성은 수령자 측에서 데이터를 즉시 활용할 수 있는지에 달려 있으

며, 이는 기술적 표준화를 통한 상호운용성 확보를 전제로 한다. 그러나 현재 글로벌 법제

들은 이동 가능한 데이터의 기술적 형식을 구체적으로 정의하지 않아 실무적 파편화가 심

화되는 양상을 보인다. 예컨대 EU GDPR은 '구조화되고 기계 판독 가능한 형식'을 요구하지

만 명확한 기술 표준을 규정하지 않아 JSON, XML, CSV 등이 혼용되어 사업자마다 상이한

스키마 사용으로 실질적 데이터 연동이 저해되었다. 특히 중국의 형식 규정 미비 사례에서

보듯, 재활용이 어려운 PDF 등으로 제공되는 법적 허점이 존재한다. 이로써 권리의 형식적

이행은 가능하더라도 데이터의 자유로운 흐름이라는 본질적 목적 달성에는 여전히 기술적

장벽이 남게 되며, 이는 실질적 재활용의 한계로 이어진다.

나. 직접 전송의 기술적 실행 가능성 판단에 대한 불확실성

데이터 이동권은 정보 주체의 데이터 직접 내려받기뿐 아니라 시스템 간 직접 전송

(Controller-to-Controller)을 통해 서비스 전환 비용을 낮추는 방향으로 진화하고 있다. 그러

나 현행 체제는 시스템 간 호환성 확보를 강제하지 않으므로 '기술적 실행 가능성' 판단이

사업자의 자의적 해석에 맡겨지는 문제가 발생한다. 특히 EU GDPR 전문 제68항은 컨트롤

러에 기술적으로 호환되는 시스템을 유지할 의무를 부과하지 않는다고 명시하여, 사업자가

시스템 한계를 이유로 직접 전송을 거부할 여지를 남기고 있다. 중국 역시 기술적 조치 마

련 의무가 명확하지 않아 인프라 격차에 따른 권리 이행의 불균형 우려가 큰 실정이며, 이

- 62 -

는 전송권의 실효적 보장을 가로막는 기술적 병목 요인이 된다.

다. 산업별 표준화의 고립과 범산업적 확장성의 한계

금융·의료 등 일부 산업에서는 규제를 통해 표준 API 기반의 데이터 이동성이 확보되고

있으나, 이러한 성과가 타 산업으로 확산되거나 산업 간 융합으로 이어지기에는 한계가 있

다. 영국의 오픈뱅킹이나 미국의 Blue Button 2.0(HL7 FHIR)은 개별 산업 내에서 성공적인

생태계를 구축했으나, 산업 간 데이터 이동 시 공통 기술 프레임워크가 없어 상호운용성이

단절되는 '데이터 섬(Data Island)' 현상이 나타나고 있다. 이종 산업 간 데이터 결합이 혁신

의 핵심 동인인 AI 시대에 이러한 산업별 고립 표준은 이동권의 경제적 효과를 제한하는

결정적인 기술적 병목으로 작용하고 있다.

2. 제도·거버넌스 관점의 쟁점

데이터 이동권의 보장을 위해서는 권리 대상의 정의, 적법 근거의 정합성 확보, 국경 간

이동 보장 등 제도를 다각적으로 정교화할 필요가 있다.

가. 권리 대상 데이터 범위의 모호성과 법적 불확실성

데이터 이동권이 보장하는 권리의 실체는 대상 데이터의 범위를 어떻게 설정하느냐에 달

려 있지만, AI 학습의 핵심인 가공 과정에서 발생하는 중간 산출물에 대한 권리 귀속 문제

는 국제적으로 법적 논쟁의 대상이다. EU GDPR은 정보 주체가 '제공한(Provided)' 데이터에

한정하면서도 관찰 데이터는 포함하고 추론·파생 데이터는 제외하는 복잡한 해석 체계를

취하고 있어, 알고리즘이 생성한 프로필이나 점수가 권리 대상인지에 대한 실무적 혼란을

야기하고 있다. 또한 중국은 본인 동의 데이터로 범위를 좁히고 일본은 보유 데이터 전반으

로 넓히는 등 국가별 법제 격차(Regulatory Gap)가 심각하여 글로벌 사업자의 규제 준수 비

용을 증가시키는 병목 요인이 되고 있다.

나. 적법 근거 및 적용 조건의 파편화에 따른 이동의 제약

데이터 이동권은 정보 주체의 권리임에도 불구하고, 이를 행사할 수 있는 법적 요건과 범

위가 분야별로 제각각이어서 실질적인 데이터 이동을 어렵게 하는 실무적 한계가 존재한다.

예컨대 EU GDPR은 이동권을 '동의' 또는 '계약 이행'에 기반한 처리로 한정함으로써, 법적

의무 수행이나 공익 목적으로 수집된 공공 서비스 데이터 이동에는 적용되지 않는 구조적

- 63 -

제약이 발생한다. 또한 일본은 대상 범위는 넓으나 직접 전송권을 명시하지 않고 있으며,

중국은 여러 까다로운 요건을 모두 충족해야 하는 '조건부 권리'로 규정하여 실제 권리 행

사 문턱을 높이고 있다. 이러한 제도적 파편화는 데이터가 가치 있는 곳으로 유연하게 흘러

가는 것을 방해하는 주요 병목 요인이 된다.

다. 국경 간 데이터 이동과 현지화 규제 간의 상충

데이터 이동권의 실현은 국경 간 이전을 수반하는 경우가 많으나, 각국의 데이터 주권 보

호를 위한 현지화 요건과 충돌하며 법적 교착 상태가 발생하고 있다. 예를 들어, 중국은 핵

심 정보기반시설 운영자에 대해 중국 내 저장 의무와 출경 안전성 평가를 부과함으로써 정

보 주체의 이전 요청보다 국가 안보를 우선시하고 있다. EU GDPR 또한 제3국 이전 시 적

정성 결정 등 엄격한 요건을 두어 국경 간 흐름을 자동으로 보장하지 못하는 모순적 상황

을 초래한다. 이러한 주권 보호 조치와의 상충은 이동권이 국경 간 유동성을 확보하지 못하

게 가로막는 결정적인 제도적 병목으로 작용한다.

라. 다수 규제 체계 간의 정합성 및 거버넌스 조정의 난제

데이터 이동권은 개인정보 보호와 시장 경쟁 촉진이라는 상충하는 목표가 교차하는 정책

으로, 범국가적 거버넌스 체계가 필수적이다. EU와 영국 등은 협력 채널을 제도화하고 있으

나 강제 조정권 부재로 한계를 보이고 있으며, 미국은 연방 차원의 일반법 부재로 주법과

연방법이 파편화되어 사업자에게 중복 규제 부담을 안기고 있다. 이러한 해외 사례는 국내

에도 시사하는 바가 크며, 범부처 차원의 일관된 가이드라인과 분쟁 조정 체계 마련이 실질

적 이동권 보장을 위한 시급한 과제임을 보여준다.

3. 경제·사회적 관점의 쟁점

데이터 이동권이 시장에 안착하기 위해서는 제도적 권리 보장과 실제 경제적 효용 창출

간의 갭을 해소해야 하나, 현재는 이해관계의 대립, 자원의 비대칭성, 그리고 낮은 사회적

수용성이 복합적으로 작용하여 가치 확산의 병목 요인이 되고 있다.

가. 제3자 권익 보호와 정보 주체 권리 행사 간의 이해 상충

데이터는 다수 당사자의 관계 속에서 생성되는 경우가 많아, 한 개인의 이동권 행사가 타

인의 프라이버시나 사업자의 경제적 이익을 침해할 수 있다. 예컨대 메시지 대화록이나 공

- 64 -

동 계좌 내역 등 복수 주체가 얽힌 데이터에 대해 영국 ICO 등은 관련 당사자의 동의를 고

려하도록 권고하지만, 현실적으로 이를 이행하기는 매우 어렵다. 또한 사업자가 막대한 투

자를 통해 확보한 파생 데이터는 영업비밀로서 보호 가치가 큼에도, 일본처럼 '업무 수행의

지장'을 이유로 광범위한 거부권을 인정할 경우 권리의 실질적 이행이 저해될 위험이 크다.

이처럼 제3자 및 사업자와의 이해관계 조정 실패는 이동권이 형식적 권리에 머물게 만드는

중대한 사회적 병목으로 작용한다.

나. 이행 비용의 배분과 권리 행사의 실효성 격차

데이터 이동권 구현을 위한 인프라 비용과 수수료 정책은 정보 주체의 권리 행사 빈도와

산업 생태계 활성화에 결정적인 영향을 미친다. 유럽과 영국은 정보 주체의 부담을 최소화

하기 위해 원칙적 무료 정책을 취하는 반면, 일본과 미국(CCPA 등)은 사업자의 이행 비용

보전을 위해 수수료 징수를 허용하는 등 상이한 접근을 보인다. 이러한 비용 정책의 차이는

자본력의 한계가 있는 중소 스타트업이나 개인에게 상대적인 데이터 소외를 일으키는 경제

적 진입 장벽이 된다. 결과적으로 이러한 경제적 문턱은 소수 거대 기업만이 이동된 데이터

를 실질적으로 재활용할 수 있는 구조적 환경을 조성하여, 디지털 양극화를 심화시키는 사

회적 병목 요인이 되고 있다.

다. 정보 주체의 인식 한계와 사용자 경험(UX)의 단절

제도적 권리가 마련되어도 사용자가 혜택을 체감하지 못하거나 행사 절차가 복잡하면 이

동권은 실효성을 잃게 된다. 현재 많은 소비자는 JSON 등 기술적 형식으로 제공되는 데이

터의 활용 가치를 인지하기 어려워하며, 이로 인해 권리 행사를 스스로 포기하는 실무적 한

계가 존재한다. 이를 해결하기 위해 영국의 고객 경험 가이드라인이나 미국의 Green Button

사례처럼 '클릭 한 번'으로 데이터를 이동시키는 사용자 친화적 환경 구축이 세계적으로 강

조되고 있다. 결과적으로 기술적 연결 수준에 머물러 있는 현 UX 환경은 사회적 수용성과

접근성을 저해하고 이동권의 실질적 가치 창출을 가로막는 심리적·사회적 병목 요인이 되

고 있다.

결론적으로, 데이터 이동권이 형식적 권리 선언을 넘어 정보 주체의 실질적 경제적 가치

로 귀결되기 위해서는 기술·제도·사회 각 층위의 병목을 동시에 해소하는 통합적 접근이

필요하다. 권리 대상의 명확한 정의, 산업 간 표준의 연계, 이행 비용의 합리적 배분, 그리

고 사용자 친화적 환경 구축이 유기적으로 결합될 때 비로소 모든 정보 주체가 데이터 주

권을 실질적으로 행사하는 생태계가 조성될 수 있다.

- 65 -

제5장

정책적 개선 방안

본 장에서는 AI 시대 데이터 환경 변화에 대한 분석 프레임워크를 기반으로 도출된 5대

핵심 쟁점을 구체적으로 정리하고, 이를 해소하기 위한 3대 추진 전략과 세부 실행과제를

제언한다.

제1절 데이터 생애주기별 핵심 쟁점 진단

AI 시대의 데이터 생애주기 5단계 전반에 걸쳐 발생하는 기술, 제도·거버넌스, 경제·사

회적 원인들은 복합적으로 작용하여 데이터의 자유로운 이동과 상호운용을 가로막는 5대

핵심 쟁점으로 귀결된다. 데이터 상호운용성과 이동권 이행 관련 쟁점을 각 생애주기 단계

별로 다음의 논리적 근거에 기반하여 분류하였다.

먼저, 생성 및 수집 단계는 데이터 생태계 진입을 위한 '기초 확보 역량과 법적 정당성'을

결정하는 지점이다. 시스템 간 연동을 위한 인터페이스 규격 미비와 적법 근거의 파편화는

데이터 발생 시점부터 물리적·법적 고립을 초래한다. 특히 인프라 및 전문 인력 분포의 불

균형은 단순히 활용의 차이를 넘어, AI 학습에 적합한 양질의 데이터를 생성하고 확보할 수

있는 조직적 역량 자체를 낮춰 생태계 초기 단계에서의 구조적 진입 장벽으로 작용한다.

저장 및 관리 단계는 수집된 데이터를 안정적으로 축적하고 대규모로 연계하는 '인프라적

기반과 기술적 수용성'을 다룬다. 국가별 데이터 현지화 규제와 이동권 요구의 상충은 데이

터의 물리적 저장 위치에 따른 전송 제한을 일으키며, 대규모 상호운용을 위한 기술적 체계

의 부재는 시스템 간 관리 효율을 저하시킨다. 또한 산업별 상호운용성 성숙도 격차는 관리

역량의 비대칭성을 심화시켜 범산업적 차원의 통합적인 데이터 연계 및 관리를 저해하는

근본 원인이 된다.

전처리 및 가공 단계는 원천 정보가 전략적 자산으로 전환되는 구간이다. 비정형 데이터

의 급증에 따른 의미적 해석의 한계와 파생 데이터의 권리 귀속 문제는 자산화의 법적·기

술적 불확실성을 높인다. 특히 제3자 권익 보호와 정보 주체의 권리 행사 간 상충은 전송대

상 데이터에서 타인의 정보를 기술적으로 분리하거나 비식별화하는 공정이 필수적으로 수

반되는 단계적 특성상, 데이터 정제 과정의 핵심적인 병목 구간으로 식별되었다.

활용 및 재활용 단계는 축적된 데이터 자산을 실질적인 서비스로 구현하는 시점이다. 직

접 전송의 기술적 실행 가능성에 대한 불확실성과 산업별 표준화의 고립은 서비스 전환과

- 66 -

시장 확장을 제한하는 실질적 기술 장벽이 된다. 이 지점에서는 이행 비용의 배분 구조와

사용자 경험(UX)의 편의성이 데이터의 시장 유입을 유도하는 촉매제가 되며, 부처 간 규제

체계의 정합성 확보는 서비스 출시와 공정 경쟁 환경 조성을 위한 필수 제도적 기반으로

작용한다.

마지막으로 모니터링 및 피드백 단계는 운영 결과의 검토를 통해 생태계 전체의 '지속가

능성과 정책적 선순환'을 도모하는 구간이다. 프라이버시 침해 우려와 사회적 수용성 저해

는 생애주기 전반의 결과가 집약되어 나타나는 최종적인 신뢰 지표이며, 이를 바탕으로 데

이터 주권 기반의 공유체계를 정립하고 생태계 활성화 중심의 정책 전환을 추진하는 것은

고도화된 데이터가 다시 생애주기 상류로 재투입될 수 있도록 돕는 체계 구축의 핵심이다.

단계별 주요 문제와 이를 통해 도출된 핵심 쟁점은 다음 <표 5-1>과 같다.

단계

관점별 주요 문제

핵심 쟁점

생성

및

수집

기술

●

인터페이스(API) 계층의 표준화 부재

●

데이터 표준에 대한 합의 및 구현 수준 발전 필요성

①

데이터 고립 및

초기 확보 역량 격차 심화

제도·거버넌스

●

적법 근거 및 적용 조건의 파편화에 따른 이동의 제약

경제·사회

●

인프라 및 전문 인력 분포의 불균형에 따른 활용 격차

저장

및

관리

기술

●

대규모 데이터 상호운용을 위한 기술적 체계 부족

②

폐쇄적 인프라 및

연계 체계 미흡

제도·거버넌스

●

국경 간 데이터 이동과 현지화 규제 간의 상충

경제·사회

●

산업별 상호운용성 성숙도 격차와 비대칭성

전처리

및

가공

기술

●

데이터 포맷 확대와 의미적 상호운용성 확보의 한계

③

데이터 품질 및

신뢰성 확보 미흡

제도·거버넌스

●

권리 대상 데이터 범위의 모호성과 법적 불확실성

경제·사회

●

제3자 권익 보호와 정보 주체 권리 행사 간의 이해 상충

활용

및

재활용

기술

●

데이터 형식의 표준화 부재와 실질적 재활용의 한계

●

직접 전송의 기술적 실행 가능성 판단에 대한 불확실성

●

산업별 표준화의 고립과 범산업적 확장성의 한계

④

플랫폼 독점 및

데이터 흐름 단절

제도·거버넌스

●

다수 규제 체계 간의 정합성 및 거버넌스 조정의 난제

경제·사회

●

이행 비용의 배분과 권리 행사의 실효성 격차

●

정보 주체의 인식 한계와 사용자 경험(UX)의 단절

●

데이터 권력 편중 및 디지털 불평등 심화

모니터링

및

피드백

제도·거버넌스

●

데이터 주권 기반의 공유 및 연계 체계 정립

●

규제 중심에서 생태계 활성화 중심으로의 전환

⑤

지속가능성 결여 및

책임 거버넌스 부재

경제·사회

●

프라이버시 침해 우려와 사회적 수용성 저해

<표 5-1>

분석 결과에 기반한 AI 시대 데이터 생애주기별 핵심 쟁점 진단

- 67 -

<표 5-1>에서 도출한 핵심 쟁점들은 단순히 독립적인 현상이 아니라 유기적인 인과 관계

로 연결되어 있다. 초기 단계의 데이터 고립과 확보 역량의 격차(1)는 폐쇄적 인프라 및 연

계 체계의 미흡(2)과 결합되어 기술적 종속을 심화시킨다. 이러한 문제는 데이터 가공 과정

에서 법적·기술적 불확실성을 증폭시켜 데이터 품질 및 신뢰성 미흡(3)으로 이어지며, 이

는 결국 데이터 재활용의 비용 부담을 높이는 결과를 초래한다. 이처럼 누적된 경제적 비효

율과 기술적 장벽은 양질의 데이터를 선점한 기업으로의 쏠림 현상을 가속화하여 플랫폼

독점 및 데이터 흐름 단절(4)을 고착화시킨다. 결과적으로 데이터의 선순환적 재활용 및 재

투입이 작동하지 않게 됨에 따라, 데이터 주권 보호와 사회적 신뢰 구축이 불가능해지는 지

속가능성 결여 및 책임 거버넌스 부재(5) 단계에 이르게 된다. 따라서 이러한 구조적 문제

를 해결하기 위해서는 기술, 제도·거버넌스, 경제·사회적 관점을 아우르는 다차원적이고

통합적인 정책 접근이 필수적이다.

제2절 쟁점별 개선 방안 제언

본 절에서는 앞서 도출한 핵심 쟁점을 해소하고 AI 시대 데이터 경제 도약을 위한 환경을

조성하고자 기술, 제도·거버넌스, 경제·사회라는 세 가지 관점을 기반으로 한 세부 실행

과제를 다음과 같이 제언한다.

개선 방향은 크게 제도적 불확실성을 해소하여 데이터 권한과 책임 소재를 명확히 하는

① 거버넌스 통합, 기술적 파편화를 제거하여 시스템 간 상호운용성을 확보하는 ② 기술 표

준 강화, 그리고 사용자 주권 강화와 글로벌 규범 조화를 통해 지속 가능한 시장 환경을 구

축하는 ③ 사용자 중심 생태계 조성의 방향으로 도출하였다. 이러한 전략적 접근은 앞서 식

별한 5대 핵심 쟁점을 포괄적으로 해소하는 것을 목표로 한다.

각 과제가 데이터 생애주기 단계별로 데이터 이동권과 상호운용성 관련 쟁점을 어느 범위

까지 해소하고 보완하는지 정리한 정책 대응 매트릭스는 다음의 <표 5-2>와 같다

개선

방향

세부 실행과제

대응

쟁점

단계

생성

수집

저장

관리

전처리

가공

활용

재활용

모니터링

피드백

통합

거버넌스

범부처 데이터 거버넌스 컨트롤 타워 실질화

⑤

●

데이터 상호운용성 및 이동권 이행 법제 정비

②④

●

플랫폼 독점 규제 및 시장 공정성 확립

④

●

○

데이터 책임성 강화 영향평가 및 신뢰 구축

③⑤

●

<표 5-2>

정책 과제별 데이터 생애주기 대응 범위 매트릭스

- 68 -

□ 통합 데이터 거버넌스 체계 구축 및 시장 공정성 확보

◦ 추진 배경 및 문제점

데이터 고립, 벤더 종속, 품질 신뢰성 미흡, 책임 거버넌스 부재 등 주요 핵심 쟁점은 권

한 및 책임 소재의 파편화와 데이터 이동권의 실질적인 법적 강제력 미흡에서 발생하는 제

도적·규범적 불확실성 문제에서 비롯된다. 또한, 플랫폼 독점은 데이터를 둘러싼 구조적인

경제 문제로, 거대 플랫폼이 데이터를 독점하여 경쟁을 저해하고 생태계의 자발적 성장을

가로막는 병목 현상을 야기하고 있다. 이러한 근본적 문제를 해결하고 데이터 주권의 기반

을 구축하는 것이 최우선 과제이므로, 모든 정책의 뼈대를 이루는 통합 거버넌스 체계를 다

음과 같이 제안한다.

◦ 세부 실행과제

- 범부처 데이터 거버넌스 컨트롤 타워 실질화: 국가데이터전략위원회의 심의·의결 권한

을 실질적으로 보강하고, 범부처 데이터 예산에 대한 '사전 협의 및 조정제'를 도입하는 정

책적 노력이 요구된다. 특히 설립된 '국가데이터처'의 집계 역량과 산업 지원 기능을 유기적

으로 결합하여, 부처별로 분절된 데이터 표준 및 수집 절차를 단일 창구(Single Window)로

통합하는 거버넌스 고도화가 추진되어야 한다.

- 데이터 상호운용성 및 이동권 이행을 뒷받침할 법제 정비: 「데이터 산업법」 및 산업

별 특별법(금융, 의료 등) 개정을 통해 일정 규모 이상의 데이터 보유 사업자가 '범용 표준

API'를 안정적으로 제공할 수 있는 법적 근거를 마련해야 한다. 이행 실효성을 높이기 위한

합리적인 제재 수단을 검토하는 동시에, 클라우드 서비스 간 원활한 데이터 이동을 보장하

기 위한 '상호운용성 적합성 인증'을 정부 조달 사업의 요건으로 연계하는 방안이 필요하다.

아울러, 현행 법체계 내 규범 충돌 문제도 시급한 해결 과제다. 「개인정보 보호법」은 데

개선

방향

세부 실행과제

대응

쟁점

단계

생성

수집

저장

관리

전처리

가공

활용

재활용

모니터링

피드백

기술

표준

강화

국가 데이터 허브 구축 및 연계 강화

①②

●

핵심 산업별 맞춤형 API 표준 의무화 및 지원

②④

○

●

데이터 전처리 및 기술적 신뢰성 표준 정립

③

●

○

사용자

생태계

사용자 중심 UX/UI 표준 가이드라인 보급

②③

●

○

상호주의 기반 이행 비용 분담 및 지원 모델 설계

④⑤

●

‘K-DFFT’ 모델의 글로벌 의제화 추진

①②

●

국제 표준화 기구 리더십 확보 및 다자간 데이터 협약 확대

②④

○

●

( ●: 주된 정책 효과, ○: 부가적/연계 효과 지점 )

- 69 -

이터 최소 수집과 목적 외 이용 금지를 원칙으로 하는 반면, 「AI 기본법」은 AI 학습을 위

한 데이터의 광범위한 활용을 전제로 하여 두 법령 간 적용 기준이 상충하는 상황이 발생

하고 있다. EU에서도 GDPR과 AI Act 간 해석 충돌이 발생하고 있으며, 유럽 데이터보호이

사회(EDPB)와 집행위원회가 양 법령 간 조율을 위한 공동 가이드라인을 마련 중인 점은 시

사하는 바가 크다. 국내에서도 개인정보보호위원회와 과학기술정보통신부 간 법령 해석 기

준을 조율하는 협력 체계가 마련되어야 할 것이다

- 플랫폼 독점 규제 및 시장 공정성 확립: 「공정거래법」상 ‘정보 차단 행위'의 기준을

구체화함으로써, 비표준 형식을 이용한 반출 방해나 불합리한 비용 부과를 개선할 수 있는

제도적 장치가 필요하다. 시장 지배적 사업자가 사용자의 실시간 전송 요구권을 원활히 이

행할 수 있도록 독려하고, 데이터 독점을 이용한 자사 서비스 우대 행위를 방지하기 위한

기술적 모니터링 체계 구축이 바람직하다.

- 데이터 책임성 강화를 위한 영향평가 및 신뢰 기반 구축: 고위험 데이터 가공 단계에서

개인정보 및 기밀 노출 위험을 사전 점검하는 '데이터 영향 평가(DIA)' 절차를 정착시킬 필

요가 있다. '제3자 데이터 중개 사업자 라이선스' 제도를 통해 중개 과정의 투명성을 높이

고, 보안 체계가 우수한 기업에 '데이터 신뢰 인증(Trust Mark)'을 부여함으로써 기업들이

자발적으로 책임 있는 데이터 공유 문화를 조성하도록 유도해야 한다.

□ 데이터 기술 표준 강화 및 유기적 인프라 연계

◦ 추진 배경 및 문제점

인프라의 폐쇄성과 기술 언어 불일치로 인한 데이터 단절 상태는 데이터 이동 시 막대한

정제 비용을 발생시킨다. 이러한 시스템 간 상호운용성 문제를 해결하기 위해 데이터를 물

리적으로 통합하기보다 개별 데이터를 유기적으로 잇는 국가 차원의 데이터 연계 인프라를

확충해야 한다. 이를 통해 분절된 기술 표준을 통합하고 산업별 특성에 맞는 맞춤형 연계

체계를 지원함으로써 시스템 제약 없이 데이터가 원활하게 유통될 수 있는 기술적 기반을

제공해야 한다.

◦ 세부 실행과제

- 국가 데이터 허브 구축 및 연계 강화: 분산된 공공·민간 데이터를 표준화된 방식으로

중계하는 탈중앙형 데이터 카탈로그 및 메타데이터 저장소 기능을 포함한 허브를 구축하여

데이터의 발견 가능성과 접근성을 높일 필요가 있다. 이 허브는 데이터를 직접 저장하는 것

- 70 -

이 아니라, 표준화된 질의 및 보안 교환 계층(Secure Exchange Layer)을 통해 원천 데이터

를 연결하는 역할(Data Intermediation)을 수행하며, 데이터 흐름의 물리적·논리적 기반을

제공하여 폐쇄적 인프라 문제 해결의 토대를 마련할 것으로 기대한다.

- 핵심 산업별 맞춤형 데이터 연계 표준 의무화 및 이행 규모의 차등화: 산업별 데이터

표준의 범국가적 확산을 위해 우선 파급효과가 큰 핵심 산업부터 선도적으로 적용하고, 도

출된 성공 사례를 타 산업으로 확산시켜 나가는 단계적 접근이 요구된다. 이에 따라 의료

(FHIR), 금융(마이데이터 표준 API) 등 주요 분야의 표준 API 적용을 독려하고, 이를 에너지,

고용 정보 등 타 산업으로 적극적으로 견인해야 한다. 특히 표준 적용을 위한 산업별 데이

터 샌드박스 및 테스트베드 환경을 제공하고, 표준 준수 기업에 대한 인센티브를 확대하여

실질적인 상호운용성을 확보하는 것이 바람직하다. 한편, 상호운용성 표준을 일괄 강제할

경우 중소기업 및 스타트업에게 과도한 규제 준수 비용(Compliance Cost)을 전가할 우려가

있다. 따라서 기업의 매출 규모나 데이터 보유량에 따라 API 제공 의무화 대상을 단계적으

로 적용(차등화)하고, 중소기업을 위한 클라우드 바우처 및 API 연동 비용 지원(보조금) 등

경제적 완충 장치를 반드시 병행해야 한다.

- 데이터 전처리 및 기술적 신뢰성 표준 정립: 비식별화 및 정제 기술의 규격 불일치를

방지하기 위해 범용 정제 알고리즘과 비식별화 기술 가이드라인을 정립할 필요가 있다. 이

와 함께 데이터 출처(Lineage) 관리 표준화 및 AI 설명 가능성(XAI) 기술 표준을 도입하여

가공 및 활용 단계의 불확실성을 제거하고 데이터 품질 및 신뢰성을 기술적으로 확보하는

정책적 대응이 요구된다. 더불어, 정책적 표준화 추진 시 모든 비정형 데이터를 정부 주도

로 규격화하려는 경직된 접근은 지양해야 한다. 최근 파운데이션 모델(LLM)의 비약적인 발

전으로 이기종 비정형 데이터에서도 자동으로 의미를 추출하고 매핑(Mapping)하는 능력이

고도화되고 있으며, 이는 표준화의 방식과 범위에 대한 재검토를 요구한다. 따라서 엄격한

구문적(Syntactic) 표준화에만 얽매이기보다는, AI 기반의 자동 데이터 변환 및 의미적

(Semantic) 연계 기술을 포용할 수 있는 유연한 상호운용성 프레임워크를 마련하는 것이 AI

시대에 부합하는 정책 방향이다.

□ 사용자 중심 생태계 조성 및 글로벌 호환 확보

◦ 추진 배경 및 문제점

데이터 이동권의 실질적인 효익은 사용자가 일상에서 편의성을 체감하고 주도적으로 권리

를 행사할 때 완성된다. 사용자 경험(UX)이 단절되거나 체감도가 낮으면 권리 행사가 위축

- 71 -

되어 생태계 전반의 활력이 저해될 수 있기 때문이다. 나아가 데이터 이동 인프라가 구축되

더라도 이용자가 즉각적으로 플랫폼을 전환할 것이라는 기대는 경계할 필요가 있다. 네트워

크 효과와 서비스 친숙도에 기반한 고착 효과는 단기간에 해소되기 어려우며, 이용자를 실

질적으로 움직이게 하는 혁신적 서비스의 등장이 병행되어야 한다. 따라서 정책은 공급자

관점의 인프라 구축에 머물지 않고, 데이터 이동권을 활용한 민간 융합 서비스가 창출될 수

있도록 규제 샌드박스 확대와 초기 수요를 견인하는 마중물 사업을 함께 설계해야 한다. 이

와 함께, 대외적으로 국내 표준이 고립되면 우리 기업은 해외 진출 시 국제 표준 정합을 위

한 막대한 기술적 재설계 비용을 지불해야 하며, 이는 글로벌 시장에서의 경쟁력 저하와 국

경 간 데이터 이동의 장벽으로 직결된다. 따라서 사용자의 데이터 주권을 실질적으로 보호

하는 사용자 중심 생태계를 조성하는 한편, 국내 표준을 국제 규범에 주도적으로 정합시켜

한국 주도의 신뢰 기반 글로벌 데이터 흐름을 구축하는 전략적 대응이 요구된다.

◦ 세부 실행과제

- 사용자 중심 UX/UI 표준 가이드라인 보급: 정보 주체가 서비스 간 이동 과정에서 복잡

한 절차 없이 직관적으로 권리를 행사할 수 있도록, 표준화된 동의 절차와 개인 데이터 관

리 대시보드 설계를 포함한 UX/UI 표준 가이드라인을 마련할 필요가 있다. 이는 '동의 피로

도'를 낮추고 사용자가 자신의 데이터 흐름을 실시간으로 제어할 수 있는 환경을 제공하여

사용자의 실질적 경험을 개선하고 데이터 주권을 체감할 수 있는 생태계를 정착시킬 수 있

을 것으로 기대된다.

- 상호주의 기반의 데이터 이행 비용 분담 및 지원 모델 설계: 데이터 제공자와 이용자

간의 불균형 해소를 위해 거대 플랫폼과 중소·스타트업 간의 데이터 상호 제공 원칙을 정

립하고, 전송에 따르는 실무적 비용과 인프라 유지비에 대한 합리적인 분담 체계 및 인센티

브 모델을 설계해야 한다. 이를 통해 인프라 역량이 부족한 소규모 사업자의 시장 진입 장

벽을 낮추고, 데이터 권력 편중 및 디지털 불평등을 완화하는 정책적 지원을 제공하는 노력

이 요구된다.

- ‘K-DFFT’모델의 글로벌 의제화 추진: 한국의 우수한 공공 데이터 개방 성과와 고도

화된 개인정보 보호 법제를 결합한 '신뢰 기반 개방(DFFT)' 모델을 Gaia-X 등 국제 데이터

협력 플랫폼에 적극적으로 제안할 필요가 있다. 이는 국외 진출 시 발생할 수 있는 법적·

기술적 이질성을 선제적으로 해소하여 국내 기업의 글로벌 서비스 연계성을 확보하고, 글로

벌 데이터 규범 형성 과정에서 한국 주도의 거버넌스 리더십을 확보하는 토대가 될 것으로

전망된다.

- 72 -

- 국제 표준화 기구 리더십 확보 및 다자간 데이터 협약 확대: ISO, ITU-T 등 주요 기구

에서 논의되는 AI 데이터 품질 및 상호운용성 표준 개발에 주도적으로 참여하여 국내 기술

규격이 글로벌 표준에 반영되도록 노력을 기울여야 한다. 이와 동시에 주요 데이터 강국과

국경 간 데이터 흐름의 상호 인정을 추진하는 다자간 데이터 협약(DCA)을 확대함으로써,

국내 데이터 주권을 견고히 보호하는 동시에 국내 데이터 경제의 외연을 세계 시장으로 확

장하는 전략적 리더십 확보가 바람직하다.

- 73 -

제6장

결론

제1절 연구 결과 요약 및 함의

AI 시대로의 전환과 함께 데이터 상호운용성과 이동권의 중요성이 핵심 요소로 부각됨에

따라, 본 연구는 이 두 요소를 효과적으로 확보하고 향상시키기 위한 정책적 과제를 탐색하

고자 하였다. 이를 위해 국내외 공공·민간 데이터 상호운용성 관련 정책 및 표준 동향과

데이터 이동권 관련 법제 및 정책 동향 그리고 주요 산업별 적용 사례를 종합적으로 분석

하여 핵심 쟁점을 도출했다.

도출된 쟁점들을 체계적으로 분석하기 위해, AI 및 첨단 데이터 환경을 고려한 5단계의

순환적 데이터 생애주기 모델을 정의하고, 이를 사회기술시스템(STS) 기반의 기술, 제도·거

버넌스, 경제·사회 세 가지 관점과 결합한 분석 프레임워크에 체계적으로 대응하였다. 이

러한 분석을 통해 데이터 흐름을 저해하는 5대 핵심 쟁점을 진단하고 이에 대한 3대 개선

방안을 제시하였다.

1. 5대 핵심 쟁점 진단

본 연구는 데이터 흐름의 장애요인을 체계적으로 파악하기 위해 '5단계 순환적 데이터 생

애주기'와 '사회기술시스템(STS) 분석 프레임워크'를 결합한 다차원적 분석을 수행하였다.

데이터의 생성/수집부터 모니터링/피드백에 이르는 전 과정에서 기술, 제도, 경제·사회적

관점이 어떻게 상호작용하며 병목을 형성하는지 분석한 결과, 생태계 전반의 흐름을 저해하

는 구조적인 5대 핵심 쟁점을 진단할 수 있었다.

진단 과정에서는 우선 국내외 정책 및 표준 동향과 주요 산업별 사례 검토를 통해 도출된

기술적 단절(표준 부재), 제도적 공백(법적 근거 파편화), 경제적 왜곡(플랫폼 독점) 등의 문

제점들을 데이터 생애주기 모델의 단계별로 구조화하여 실질적인 발생 지점을 식별하였다.

이어 단계별 문제들이 공통으로 기인한 근본적 원인이 무엇인지 심층 분석한 결과, ① 데이

터 고립 및 초기 확보 역량 격차 심화, ② 폐쇄적 인프라 및 연계 체계 미흡, ③ 데이터 품

질 및 신뢰성 확보 미흡, ④ 플랫폼 독점 및 데이터 흐름 단절, ⑤ 지속가능성 결여 및 책

임 거버넌스 부재라는 5가지 쟁점을 도출하였다.

- 74 -

2. 3대 개선 방안 도출

진단된 5대 핵심 쟁점을 실효적으로 해소하고 AI 시대 데이터 경제 도약을 위한 환경을

조성하기 위해, 본 연구는 사회기술시스템(STS)의 세 가지 기둥인 제도, 기술, 경제·사회적

관점에서 다차원적인 개선 전략을 도출하였다. 개선 방안의 도출 프로세스는 앞서 식별한 5

대 핵심 쟁점을 포괄적으로 해소하는 것을 목표로 관점별 개선 방향성을 명확히 설정하고,

이를 구체화하기 위한 세부 실행과제를 수립하는 방식으로 진행되었다.

먼저 제도적 관점에서는 불확실성 해소와 권한·책임 명확화를 위해 ‘거버넌스 통합'의

방향에서 세부 과제를 도출했다. 국가데이터처의 컨트롤 타워 기능을 실질화하여 부처별 파

편화된 표준 및 절차를 통합하고, 실질적인 법제 정비와 플랫폼 독점 규제를 병행하여 시장

공정성과 거버넌스 신뢰를 확보하는 방향으로 과제를 도출하였다.

기술적 관점에서는 기술적 파편화 제거와 상호운용성 확보를 위한 ‘기술 표준 강화'를

지향한다. 물리적 통합 대신 개별 데이터를 유기적으로 잇는 국가 차원의 연계 허브를 확충

하고, 핵심 산업의 표준 API를 타 산업으로 단계적으로 확산하며, 데이터 출처 관리 및 설

명 가능한 AI(XAI) 표준 정립으로 기술적 장벽을 근본적으로 제거하고자 하였다.

마지막으로 경제·사회적 관점에서는 사용자 주권 강화와 글로벌 규범 조화를 통한 '사용

자 중심 생태계 조성'에 집중하였다. 직관적인 UX/UI 가이드라인 보급과 합리적인 비용 분

담 모델 설계로 상생 환경을 구축하고, 한국형 신뢰 기반 데이터 흐름(K-DFFT) 모델을 글

로벌 의제화하여 해외 진출의 기술적 이질성을 극복하고 기술 주권을 수호하는 전략적 방

향을 정립하였다.

3. 연구의 함의

본 연구는 선언적 수준에 머물러 있던 데이터 이동권과 상호운용성 논의를 실제 데이터

생애주기 각 단계에서 발생하는 구체적인 기술적, 제도적 장애물과 연결하여 정책의 실효성

을 높이는 데 기여하고자 하였다. 특히, 본 연구는 주요국의 정책 및 사례 동향 분석을 통

해 상호운용성 및 이동권 강화가 글로벌 공통 목표임을 확인하고, 이를 바탕으로 프레임워

크 분석을 통해 도출한 5대 핵심 쟁점을 해소하기 위한 세 가지 개선 방안(거버넌스 통합,

기술 표준 강화, 사용자 중심 생태계 조성)을 제언하였다. 이는 글로벌 흐름을 반영하여 실

질적인 문제 해결에 집중한 정책 방향임을 시사한다. 플랫폼 규제와 인프라 구축, 글로벌

- 75 -

표준화 노력을 동시에 추진하는 다차원적 접근이 AI 시대 대한민국이 데이터 강국으로 도

약하기 위해 주요한 정책 방향임을 제시했다는데 함의가 있다. 데이터 흐름의 물꼬를 터서

폐쇄적 플랫폼 경제를 개방형 순환 경제로 전환하는 정책적 토대를 마련할 수 있을 것으로

예상한다. 나아가, 데이터 기반의 정책 근거를 명확히 제시함으로써 행정의 책임성과 국민

적 신뢰를 제고하고, 시민의 정책 참여를 촉진하는 선순환 거버넌스 구조를 구축하는 기반

을 마련하는데 기여하고자 하였다.

제2절 데이터 이동권 및 상호운용성의 중장기 발전 방향

본 연구에서 제시된 데이터 이동권 및 상호운용성 확보 방안이 실질적인 성과로 이어지기

위해서는 단순 법·제도 개정을 넘어선 데이터 생태계 전반의 근본적 문화 변화와 연합 학

습(Federated Learning), AI 모델 이동성 등 새로운 쟁점에 대한 선제적인 기술 대응이 요구

된다. 이에 본 연구는 데이터 주권 확립과 AI 시대 경쟁력 강화를 위한 정책적 노력을 지속

하고자 다음과 같은 중장기 발전 방향을 제시한다.

1. 정책 구현의 실효성 확보 및 문화 정착

본 연구에서 제언한 3대 개선 방안이 단기적인 이행을 넘어 현장에서 실효성 있는 성과를

창출하고, 공공 및 민간 부문의 보편적인 규범과 문화로 안착할 수 있도록 내부적인 인적

토대 구축에서 시작하여 제도적 운영 체계를 확립하고 최종적으로 대외적인 생태계 확산으

로 이어지는 단계적이고 구조적인 내재화 방향을 점진적으로 모색해 나가야 할 것이다.

데이터 리터러시(Literacy) 교육을 통한 내부 인적 토대 강화: 특정 전문가뿐만 아니라 일

반 사용자 모두가 일상 업무에서 데이터를 능동적으로 다룰 수 있도록 교육 체계를 중장기

적으로 설계해 나가야 한다. 이를 통해 데이터 활용이 업무의 자연스러운 기본값이 되는

'Data by Default' 환경을 조성하고, 부서 간 칸막이를 해소할 수 있는 조직적 역량을 점진

적으로 강화해 나가야 할 것이다.

제도적 운영 체계 고도화: 3년 단위의 기본계획이 급격한 기술 변화를 충분히 반영하기

어려운 한계를 극복하기 위해, 매년 수립하는 시행 계획을 통해 AI 트렌드를 즉각 반영·수

정하는 동적 계획 체계(Rolling Plan)로 단계적으로 전환해 나가야 한다. 특히 디지털플랫폼

정부 실현계획 및 국가 데이터 전략과 긴밀하게 연동하여, 개별 부처의 사업이 아닌 국가

- 76 -

전체의 데이터 생태계 관점에서 목표를 설정하고 관리하는 방향을 지향해야 한다.

민관 협력 데이터 생태계 확장 및 공동 활용 구역 활성화: 공공 데이터에만 국한되지 않

고 민간 데이터와 안전하게 결합하여 새로운 가치를 창출할 수 있는 '민관 공동 데이터 구

역' 활성화를 구체화해 나가야 한다. 정보 주체의 권익 보호와 데이터의 산업적 활용 사이

의 균형을 유지하면서, 데이터 이동권 기반의 실무 지향적 실증 사례를 점진적으로 확산시

키는 기반이 필요하다.

2. 미래 기술 환경 변화에 대한 학술적·이론적 대응

본 연구에서 제안한 정책적 제언을 이론적으로 보완하고 급변하는 AI 환경에의 선제 대응

을 위해, 단기 과제 이행을 넘어 심층적인 학술적 탐색과 이론적 정립이 필요하다.

정책 수단의 실증적 효과 및 경제적 타당성 연구: '표준 API 의무화'나 '데이터 전송 비용

분담 모델' 등 본 연구에서 제안한 주요 정책 수단이 실제 데이터 생태계에 미치는 정량적

영향을 분석하는 실증 연구를 통해 검증해야 한다. 규제 도입에 따른 경제적 편익과 사회적

비용을 정밀하게 추산하여 정책 이행의 객관적 근거를 확보하고, 시장 저항을 줄일 수 있는

데이터 경제 기반의 인센티브 설계 원리를 이론적으로 정립해야 할 것이다. 아울러 데이터

이동권 확대 과정에서 기업이 자체 투자를 통해 수집·가공한 산업 데이터(B2B)의 이동 범

위를 어디까지 허용할 것인지에 대한 법적 경계가 아직 명확히 정립되어 있지 않다. 이동권

보장이 경쟁 기업에 대한 영업비밀 침해로 이어질 수 있다는 우려를 불식시키기 위해서는,

보호 대상 데이터의 범위 획정 기준과 침해 판단 기준에 관한 후속 연구가 필요하다.

산업별 특화 데이터 이동 모델 및 차세대 기술 거버넌스 탐색: 의료(FHIR)나 금융처럼 데

이터 민감도가 높고 규제가 복잡한 핵심 산업군을 대상으로 분야별 최적화된 데이터 이동

메커니즘을 학술적으로 체계화할 필요가 있다. 나아가 금융·의료·모빌리티·공공 등 각

산업분야는 데이터의 민감도, 정형화 수준, 표준화 성숙도, 규제 복잡성이 상이하므로, 데이

터 이동이 가장 시급하고 파급효과가 큰 분야부터 단계적으로 추진할 수 있는 산업별 우선

순위 로드맵 수립이 후속 연구의 핵심 과제로 남아 있다. 특히 원천 데이터를 직접 전송하

지 않고 분산 환경에서 학습시키는 연합 학습 등 프라이버시 보존형 AI 기술 도입에 맞춰,

새로운 상호운용성 표준과 데이터 거버넌스 체계에 관한 선제적 이론 연구가 단계적으로

추진되어야 할 것이다. 한편, 데이터 이동권 및 상호운용성 정책의 실효성을 더욱 높이기

위해서는 제도적 인프라 구축을 넘어 추가적인 검토가 요구되는 쟁점들이 남아 있다. 네트

워크 효과가 강한 플랫폼 시장에서는 이동권 보장 이후에도 고착 효과가 지속될 수 있으며,

- 77 -

표준화 의무화가 중소기업에 과도한 규제 준수 비용을 전가할 가능성도 배제할 수 없다. 나

아가 LLM 등 파운데이션 모델의 발전이 기존 구문적 표준화 패러다임을 근본적으로 변화

시킬 가능성도 주목해야 한다. 이러한 쟁점들은 본 연구의 범위를 넘어서는 복합적 분석을

요하는 만큼, 후속 연구를 통한 심층적 검토가 필요하다.

AI 모델 이동성(Model Portability) 및 자산 권리 체계 정립 연구: 데이터 전송 권리를 넘어

학습된 AI 모델(가중치) 및 그 결과물에 대한 이동성과 상호운용성을 확보하기 위한 법적·

기술적 쟁점 연구를 시작해야 한다. 이는 AI 모델을 하나의 독립된 자산으로 간주하여 설명

가능성(XAI)과 공정성을 이론적으로 담보하는 동시에, 모델 간 호환성에 따른 법적 책임 소

재와 지식재산권 귀속 문제를 정립하는 미래 지향적 연구를 지향해야 할 것이다.

본 연구가 제시한 다차원적 제언들이 정책 현장에 유기적으로 반영된다면, 향후 AI 시대

에 부합하는 데이터 선순환 생태계를 조성하고 관련 정책의 실효성을 높이는 중요한 정책

적 초석이 될 것으로 기대한다.

- 78 -

참 고 문 헌

[국내 문헌]

4차산업혁명위원회·관계부처합동 (2021), 『플랫폼 기반 개인 주도의 의료데이터(PHR) 활용

절차 및 마이 헬스웨이 플랫폼 구성』

개인정보보호위원회 (2023), 『국가 마이데이터 생태계 구성 및 로드맵』

과학기술정보통신부·관계부처합동 (2023), 『국가 마이데이터 혁신 추진 전략』

국토교통부 (2021), 『지능형교통체계 기본계획 2030』

김학래 (2021), "FAIR 원칙: 데이터 관점의 디지털 아카이브 구현을 위한 고려사항", 한국기록

관리학회지, 21(2), 155-172

노정우 (2021), 『금융 상호운용성 강화를 위한 ISO 20022 도입 현황 및 시사점』

박지원·박지윤 (2025), "중국과 일본의 데이터 공간(Data Space) 전략 비교", KISDI

Perspectives, No.1, 1-16

박하영·김석화·김주한·장동진 (2021), 『미국 21세기 치료법(21st Century Cures Act)을 통

해 본 건강 정보 활용 활성화를 위한 정책 시사점』, KOSMI Issue Report

소프트웨어정책연구소 (2024), 『2024 AI 융합 실태조사』

한국교통연구원 (2021), 『일본 MaaS 프로젝트 근황』, 월간교통, 2021년 4월호

한국산업기술진흥원 (2018), 『미국 주요 IT 기업, 헬스케어 표준화 및 상호운용성 지원』, GT

온라인

한국지능정보사회진흥원 (2022), 『유럽 데이터 주권 확보를 위한 Gaia-X 추진 현황』

한나은 외 (2024), 『국가 연구 데이터 관리·공개 가이드라인 연구』

[국내 사이트]

건강 정보 고속도로 (마이헬스웨이), https://www.myhealthway.go.kr

공공데이터포털, https://www.data.go.kr

마이데이터 종합 포털, https://www.mydatacenter.or.kr

- 79 -

[해외 문헌]

国务院 (2024), 『网络数据安全管理条例』 [네트워크 데이터 보안 관리 조례]

国家互联网信息办公室 (2024), 『促进和规范数据跨境流动规定』 [데이터 역외 유통 촉진 및 규

범화 규정]

国家市场监督管理总局 (2022), 『个人信息保护认证实施规则』 [개인정보보호 인증 실시 규칙]

全国人民代表大会常务委员会 (2016), 『中华人民共和国网络安全法』 [중화인민공화국 네트워

크안전법]

全国人民代表大会常务委员会 (2021a), 『中华人民共和国个人信息保护法』 [중화인민공화국 개

인정보보호법]

全国人民代表大会常务委员会 (2021b), 『中华人民共和国数据安全法』 [중화인민공화국 데이터

보안법]

個人情報保護委員会 (2023), 『個人情報の保護に関する法律についてのガイドライン』 [개인

정보 보호에 관한 법률 가이드라인]

Aaronson, S. A. (2019), 『Data is Different: Why the World Needs a New Approach to

Governing Cross-Border Data Flows』, Centre for International Governance Innovation

Article 29 Working Party (2017), 『Guidelines on the Right to Data Portability』

Codd, E. F. (1970), "A Relational Model of Data for Large Shared Data Banks",

Communications of the ACM, 13(6), 377-387

Competition and Markets Authority (2017), 『Retail Banking Market Order 2017』

Consumer Financial Protection Bureau (2024), 『Personal Financial Data Rights Rule (12 CFR

Part 1033)』

DAMA International (2017), 『DAMA-DMBOK: Data Management Body of Knowledge』(2nd ed.)

Department for Business and Trade (2024), 『The Smart Data Roadmap: Action the

Government is Taking in 2024 to 2025』

Department for Energy Security and Net Zero (2021), 『Energy Digitalisation Strategy』

Department for Transport (2023), 『Transport Data Strategy』

European Commission (2016), 『General Data Protection Regulation (GDPR)』 (Regulation (EU)

- 80 -

2016/679)

European Commission (2018), 『Turning FAIR into Reality: Final Report and Action Plan from

the European Commission Expert Group on FAIR Data』

European Commission (2022a), 『Digital Markets Act (DMA)』 (Regulation (EU) 2022/1925)

European Commission (2022b), 『Data Governance Act (DGA)』 (Regulation (EU) 2022/868)

European Commission (2023), 『Data Act』 (Regulation (EU) 2023/2854)

European Commission (2024a), 『Interoperable Europe Act』 (Regulation (EU) 2024/903)

European Commission (2024b), 『European Health Data Space』 (Regulation (EU) 2025/327)

Farrell, J. & Klemperer, P. (2007), "Coordination and Lock-in: Competition with Switching

Costs and Network Effects", in Armstrong, M. & Porter, R. (Eds.), Handbook of

Industrial Organization, Vol. 3, pp. 1967-2072, Elsevier

Financial Conduct Authority (2021), 『Feedback Statement FS21-7: Call for Input on Open

Finance』

Gaia-X AISBL (2022), 『Gaia-X Architecture Document』 (Technical Specification)

Google (2021), 『Practitioners Guide to MLOps: A Framework for Continuous Delivery and

Automation of Machine Learning』

Harvard Business School (2021), 『Data Management and the Cycle of Analytics in the AI Er

a』

IETF (2014), 『RFC 7159: The JavaScript Object Notation (JSON) Data Interchange Format』

IHE Europe (2022), "MyHealth@EU: Building Digital Health Services Across Europe",

IHE-Europe Experience Day 2022

Information Commissioner's Office (2025), 『Right to Data Portability: A Guide to Individual

Rights』

Inmon, W. H. (1992), 『Building the Data Warehouse』, QED Information Sciences

Jiang, J., Maurici-Pollock, D. & Tang, R. (2025), "Research Data Lifecycle (RDLC): An

Investigation into the Disciplinary Focus, Use Cases, Creator Backgrounds, Stages and

Shapes of RDLC Models", International Journal of Digital Curation, 19(1), 29

- 81 -

Keller Schroeder (2019), 『Data Lifecycle Management Use Case: Utility Data Governance』,

Keller Schroeder & Associates

Kimball, R. (1996), 『The Data Warehouse Toolkit: Practical Techniques for Building

Dimensional Data Warehouses』, John Wiley & Sons

Lalli, G. (2024), "Defining Interoperability: A Universal Standard", arXiv preprint

Landi, H. (2018), "Major Tech Companies Unite to Promote Interoperability of Health Data",

Fierce Healthcare

Maciel, R. S. P. et al. (2024), "Systems Interoperability Types: A Tertiary Study", ACM

Computing Surveys, 56(10), 1-37

Manyika, J. et al. (2016), 『The Age of Analytics: Competing in a Data-Driven World』,

McKinsey Global Institute

Matthan, R. (2022), "Data Portability in Open Banking: Privacy and Other Cross-Cutting

Issues", OECD Workshop on Data Portability in Open Banking

Mons, B. et al. (2017), "Cloudy, Increasingly FAIR: Revisiting the FAIR Data Guiding Principles

for the European Open Science Cloud", Information Services and Use, 37(1), 49-56

MS Global Learning Consortium (2022), 『OneRoster: Specification Final Release Version 1.1』

NIH (2023), 『NIH Data Management and Sharing Policy』

NITI Aayog (2020), 『Data Empowerment and Protection Architecture (DEPA)』, Government

of India

NSF (2015), 『Today's Data, Tomorrow's Discoveries: Increasing Access to the Results of

Research Funded by the National Science Foundation』

OECD (2021), 『Recommendation on Enhancing Access to and Sharing of Data』, OECD

Publishing

OECD (2023), 『Open Finance Policy Considerations』, OECD Publishing

OECD (2025a), "Enhancing Access to and Sharing of Data in the Age of Artificial

Intelligence", OECD Policy Briefs, No. 13, OECD Publishing

OECD (2025b), 『Digital Government Review of Korea』, OECD Publishing

- 82 -

Office of Management and Budget (2019), 『Federal Data Strategy』, Executive Office of the

President

Peukert, C., Bechtold, S., Batikas, M. & Kretschmer, T. (2022), "Regulatory Spillovers and Data

Governance: Evidence from the GDPR", Marketing Science, 41(4), 746-768

Steinbuss, S. & Turkmayali, A. (2024), "Semantic Interoperability in Data Spaces", Zenodo

The Sequoia Project (2025), 『TEFCA Overview: Recognized Coordinating Entity (RCE)』

TMI (2022), 『Overview of the Act on the Protection of Personal Information』

UK Parliament (2015), 『Re-use of Public Sector Information Regulations 2015』

UK Parliament (2017), 『Payment Services Regulations 2017』

UK Parliament (2018), 『Data Protection Act 2018』

UK Parliament (2025), 『Data (Use and Access) Act 2025』

UNESCO (2021), 『Recommendation on Open Science』

University of Edinburgh (2018), 『A Guide to the Research Data Service』, University of

Edinburgh Research Data Support Team

U.S. Department of Energy (n.d.), 『Green Button Initiative』

U.S. Department of Transportation (2024), 『National V2X Deployment Plan Supplement』

W3C (2008), 『Extensible Markup Language (XML) 1.0 Recommendation』

W3C (2014), 『Resource Description Framework (RDF) Specifications』

W3C Working Group (2017), 『Data on the Web Best Practices』, World Wide Web

Consortium

Wilkinson, M. D. et al. (2016), "The FAIR Guiding Principles for Scientific Data Management

and Stewardship", Scientific Data, 3, 160018

Zhang, N. & Lee, J. (2018), "Security and Privacy in the Big Data Life Cycle: A Survey and

Open Challenges", IEEE Access, 6 ⚠

[해외 사이트]

Arnold & Porter (2025), “The UK's Next Data Chapter: DUAA 2025 Explained”,

- 83 -

https://www.arnoldporter.com

Berlin Group, https://www.berlin-group.org

Buuck, B. (2024), "The Architect's Guide to Interoperability in the AI Data Stack”,

https://blog.min.io

Citizens Advice (2022), "One in Seven Customers Still Paying the Loyalty Penalty”,

https://www.citizensadvice.org.uk

Cookie Script (2025), "Japan's Act on the Protection of Personal Information (APPI)”,

https://cookie-script.com

DLA Piper (2024), "GDPR v. APPI”, https://www.dataguidance.com

Government of Japan Digital Agency, "Data Free Flow with Trust (DFFT)”,

https://www.digital.go.jp

Green Button Alliance, https://www.greenbuttonalliance.org

HL7 International, https://www.hl7.org/fhir

IBM Think (2025), "What is Interoperability?”, https://www.ibm.com

Nihonium (2025), "APPI vs GDPR: Key Differences for SaaS”, https://nihonium.io

Open Knowledge International (2024), "Open Data Handbook”, https://opendatahandbook.org

OneTrust (2023), "Japan's Amended APPI Comes into Effect”, https://www.onetrust.com

Open Banking Limited (2023), "Impact Report October 2023”, https://www.openbanking.org.uk

Startup Coalition (2023), "The £4bn Open Banking Ecosystem”,

https://www.startupcoalition.org

TMI (2024), "Comparison of Data Protection Laws in the EU and Japan", https://www.tmi.gr.jp

U.S. Department of Energy, https://www.energy.gov/data/green-button