통계를 대체할 수 없는 AI의 본질
2026년 9월 11일 서울 중구 한국은행 별관에서 '2026 한국은행-한국통계학회 공동포럼'이 열렸습니다. 권민수 한국은행 부총재를 비롯한 전문가들이 모인 가운데, 박민규 고려대 교수는 AI가 전통적 통계를 대체하기보다 부족한 부분을 메우는 보조 수단으로 활용되어야 한다고 강조했습니다.
4차 산업혁명 이후 빅데이터와 사물인터넷이 확산되면서 뉴스나 SNS, 인터넷 검색 같은 고빈도 데이터와 이미지 및 텍스트 등 비정형 데이터가 급증했습니다. 이용자들은 더 빠르고 세밀하며 정확한 통계를 동시에 요구하게 됐고, 이에 따라 새로운 데이터 처리 방식에 대한 기대가 커졌습니다. 하지만 박 교수는 데이터 통합이나 소지역 추정, 보정 등 기존 통계 기법들이 통계 이론에 기반한 타당성을 확보하고 있어 공식 통계의 정밀도와 커버리지를 안정적으로 높인다고 설명했습니다. 그만큼 검증된 전통적 기법을 기본 뼈대로 유지하는 것이 무엇보다 중요합니다.
데이터 공백을 메우는 전이학습
전통 통계의 한계를 보완할 방법으로 포럼에서는 전이학습이 주목받았습니다. 전이학습은 규모가 크고 잘 정리된 기존 데이터에서 학습한 결과를 소규모의 최신 데이터에 적용하는 방식입니다. 데이터가 풍부한 국가의 경제 모형을 가져와 데이터가 부족한 개발도상국의 GDP 성장률을 예측할 때 미세조정해 활용할 수 있습니다.
특히 거시경제 나우캐스팅 영역에서 이런 기법의 효용성이 두드러집니다. GDP 수치가 공표되기 전까지 발생하는 공백을 브리지 방정식이나 미다스, 동적요인모형, 머신러닝 앙상블 등을 활용해 단기 데이터로 신속하게 추정할 수 있기 때문입니다. 이처럼 AI는 전통 통계가 커버하지 못하는 빈틈을 메우는 도구로서 가치가 있습니다.
타당성 검증이 우선인 이유
하지만 머신러닝 기법을 공식 통계에 적용하는 것은 조심스러운 접근이 필요합니다. 관련성 가정이나 모형 적합성이 충족되지 않으면 오히려 편향이 커질 수 있기 때문입니다. 박 교수는 새로운 기술을 도입할 때 통계적 타당성을 엄격히 검토해야 한다고 거듭 강조했습니다.
사실 공식 통계는 수십 년에 걸쳐 이론적 기반을 다져 온 분야입니다. 따라서 기존 방법을 중심으로 새 기술을 필요한 시점에 정보를 보태는 균형 잡힌 접근이 앞으로 통계 작성의 핵심 원칙이 될 것으로 보입니다. 무작정 AI를 도입하기보다는 전통과 혁신이 어우러지는 지혜가 필요한 시점입니다.