아카이브는 자산 가치가 있는가

1,400조 원 상당의 국가자산

지난 8월 6일, 정부는 1950년에 만들어진 국유재산법을 76년 만에 전면 개정하겠다고 발표했습니다. 이 법의 새로운 이름은 ‘국가자산기본법’입니다. 소유하고 보존하는 관리에서 운용하고 가치를 만드는 관리로 개념을 바꾸겠다는 게 골자라고 합니다.

발표문에는 자산군별 금액이 적혀 있습니다. 국가가 가진 자산은 2001년 188조 3,000억 원에서 지난해 1,402조 7,000억 원이 됐습니다. 부동산이 711조 원, 증권과 출자 지분이 328조 7,000억 원, 지식재산이 2조 3,000억 원, 가상자산이 780억 원입니다. 그리고 2027년부터 K-Asset Cloud라는 데이터베이스를 만들어 AI로 유휴자산을 찾아내고 수요와 공급을 자동으로 맞추겠다고 했습니다.

이 목록에 공공기록물은 없습니다. 국유재산법 제5조의 어느 호에도 들어가지 않습니다. 지식재산 항목이 있기는 하지만 한국저작권위원회에 등록된 권리만 인정하고, 기록물은 애초에 등록의 대상이 아닙니다. 항목 자체가 없습니다.

그렇다고 공공기록물을 저 목록에 넣어 달라고 말하려는 것은 아닙니다. 국가자산 체계에 들어가는 것이 이로운지는 따로 따져야 할 문제이고, 굳이 들어갈 필요도 없을 겁니다. 또다른 행정력이 필요할 수도 있고, 기존의 평가 체계를 뒤흔들 큰 일이 될 수도 있겠지요. 그러니 반드시 국가자산기본법 시각에서 공공기록물을 바라볼 필요는 없으나, 저는 이 논의가 기록관리 산업에 종사하는 모든 사람이 한 번쯤 생각해볼 문제라고 믿고 있습니다. 위의 발표문을 읽으면서 이런 질문이 떠올랐습니다. 아카이브는 자산 가치가 있을까?

왜 아카이브에서 굳이 자산 가치를 따지나

이 질문이 불편할 수 있습니다. 기록의 가치는 원래 돈으로 환산하는 것이 아닌, 증거로서의 가치, 설명책임, 시민의 알 권리 등과 같은 용어로 다루어져 왔으니까요.

그런데 예산 심의에 들어가면 그 언어가 잘 통하지 않습니다. 보존이나 관리로 이름 붙은 항목은 회계에서 비용으로 계상됩니다. 비용은 언제나 줄여야 할 것으로 검토됩니다. 서고를 늘리는 일, 디지털 파일을 다시 옮겨 담는 일, 기술작업을 하는 사람을 한 명 더 두는 게 매년 방어해야 하는 큰 일인 이유가 여기 있습니다. 우리는 가치를 말해 왔지만 그 가치가 재정적인 언어로 옮겨진 적은 거의 없었습니다.

그러던 중 상황이 조금 바뀌었습니다. AI 때문입니다. 모델은 몇 달마다 바뀌고, 누구나 비슷한 성능을 가진 것을 비슷한 가격대에 씁니다. 그렇기에 그 조직만이 가진 데이터가 경쟁력이 되어가고 있습니다. 기업들이 사내 문서를 다시 뒤지기 시작한 것도, 정부가 자산 데이터베이스를 만들겠다고 하는 것도 같은 이유라 볼 수 있습니다. 조직이 오래 쌓아 둔 자료에 값이 붙기 시작한 것입니다.

사실 기록물을 관리하는 조직은 이 말을 반갑게 들을 입장입니다. 오래 쌓아 둔 데이터가 바로 우리가 가진 것이니까요.

예산을 들여 만든 디지털 아카이브, 그 안의 데이터는 잘 쓰이고 있는가

필자는 항상 이런 고민이 있었습니다. 디지털 아카이브를 정석대로 만드는 것은, 막대한 예산을 들여 정보화 전략 계획을 세우고 DB 구축과 정리기술 사업을 거쳐 어렵게 해내는 엄청난 일이지만, 그렇게 들인 예산만큼 실질적인 값어치를 하는지 말입니다. “사실 디지털 아카이브는 큰 돈 들여 만들어놔도 그렇게 많은 사람이 찾는 사이트는 아니죠.” 2년 전, 훌륭한 아카이브 서비스로 호평을 받던 어느 재단의 과장님은 제게 이렇게 말했었습니다.

가장 큰 이유는 아카이브 데이터를 서비스하는 화면에서 찾을 수 있습니다. 대부분 디지털 아카이브 화면에서는 계층 단위 탐색 또는 조건부 패싯 검색을 하고, 검색 결과에서 한 건을 열면 그 한 건의 정보가 상세페이지에 나옵니다. 한 건 자체를 읽는 것은 쉬우나, 그것이 내가 원하는 건이 아니라면 일일이 찾아내야 하는 어려움이 있습니다. 시리즈나 철 단위에서 찾으면 더 낫지 않을까 싶지만, 상위 단위로 올라가면 그 안에 무슨 정보가 얼마나 어떤 상태로 들어 있는지 전반적인 정보를 파악하기 어렵습니다. 실물 기록 철을 손에 쥐고 휘리릭 넘겨보는 것이라면 조금 더 수월하겠지만 2차원 화면에서 이 모든 정보를 담기란 불가능에 가깝죠. 

이용자는 자기가 무엇을 보고 있는지 모르는 채로 목록을 넘깁니다. 게다가 기록물을 한 건씩 찾아 읽는 수요는 우리가 기대한 만큼 크지 않습니다. 수많은 디지털 아카이브 중에 하루 방문자 1천 명을 넘기는 곳은 얼마나 될까요?  디지털 아카이브에서의 검색 시스템을 잘 만드는 일과 그 시스템이 쓰이는 니즈는 따로 놀고 있는 것처럼 보입니다.

그런데 그 이면에는 수 년 간의 사업으로 쌓아 올린 데이터가 있습니다. 철, 건별 메타데이터, 분류체계, 전거 정보, 색인, 전사문 같은 것들 말이죠. 수천, 수억 원의 예산을 들여 만들었고 지금도 유지비가 들어갑니다. 컬렉션, 철과 건으로 검색 결과를 보여주는 것, 전시와 온라인 컨텐츠에 일부 사용하는 것 이외에, 방대한 이 데이터 세트들은 어디에 어떻게 쓰이고 있을까요?

대 AI 시대가 도래했습니다. 기계가 대량의 데이터를 처리하는 일이 가능해졌죠. 기계가 그 데이터를 읽으면 무엇이 남는지 실제로 세어 본 사람이 있습니다. Andrew Potter는 지난 6월 미국 국립기록청 카탈로그 API로 여덟 개 주제 영역 800건을 조사한 결과를 공개했습니다. 결과가 재미있었는데, 식별자와 계층, 기록군, 접근 제약 같은 구조 정보는 거의 100% 살아남아 API를 통해 서비스 되었습니다. 사라진 것은 의외의 영역이었는데, 건 단위의 연대 정보는 800건 중 한 건도 없었고, 모든 날짜가 상위 시리즈나 기록군에서 물려받은 값이었습니다. 그 차이를 설명해 줄 범위와 내용(scope and content) 노트는 전체의 22.9%에만 존재했습니다.

이게 무슨 뜻인지 풀어보면 이렇습니다. NARA API로 기록 한 건을 불러오면 날짜가 나오기는 합니다. 그런데 그 날짜가 그 기록 자체의 날짜가 아닙니다. 그 기록이 속한 시리즈나 기록군에 적혀 있는 기간을 그대로 물려받은 값입니다. 800건을 다 뒤졌는데 제 날짜를 가진 건이 한 건도 없었다는 뜻입니다.

우리 식으로 옮기면 이런 느낌입니다. 어떤 회의록 한 건을 열었는데 생산일자란에 1990-1995가 적혀 있습니다. 그건 그 회의록이 들어 있는 철의 기간입니다. 이 회의가 실제로 1993년 4월에 열렸다는 정보는 어디에도 없습니다.

사람이 볼 때는 문제가 안 됩니다. 상세 화면에 들어가 원문을 열어 적힌 날짜를 찾으면 그만이고, 해당 기록의 맥락이나 역사를 알고 있다면 유추할 수 있으니까요. 그런데 기계는 해당 기록물이 갖고 있거나 연결되어 있는 관련 데이터 안에서만 가능한 모든 정보를 찾아냅니다. 그래서 기계에게 이 회의록은 1990년부터 1995년 사이 어딘가에 있는 무엇이 됩니다. 같은 철의 500건이 전부 같은 날짜를 갖게 되고, 연도별로 세거나 시간순으로 늘어놓는 일이 불가능해집니다.

Potter가 내린 진단은 이랬습니다. API는 카탈로그에 있는 것을 충실히 반환했을 뿐이고, 빈자리는 수십 년간 쌓인 기술(description) 투자 격차가 그대로 드러난 결과라는 겁니다.

한국 사정은 조금 다를 수 있습니다. 대부분 국내 아카이브에서는 생산시점에 단위과제를 잡고 건 단위의 기록물은 생산시스템에서 관리되기 때문에, 건마다 제목과 생산일자와 생산자가 시스템에 들어 있습니다. 그러나 등록은 기술이 아닙니다. 그리고 등록된 값이 기계가 다룰 수 있는 상태인지는 또 다른 문제입니다. 제목이 '회의록'이나 '붙임 참조'로만 적혀 있는 경우, 생산일자와 등록일자가 뒤섞여 있는 경우, 생산자가 지금은 사라진 부서명으로만 남아 조직 변천이 반영되지 않은 경우, 같은 사람과 기관이 여러 표기로 흩어져 있는 경우 등 말이죠. 사람은 이런 자료를 앞뒤로 훑어보며 무슨 회의인지 짐작해 낼 수 있지만 기계는 짐작하지 않고 읽을 수 있는 데이터로만 결론을 짓습니다.

자산 가치를 가지려면 어떤 데이터가 되어야 하는가

AI 시대에 데이터가 중요하다는 말에 이제 아무도 반박하지 않습니다. 그런데 그 문장에서 데이터라는 단어가 무엇을 가리키는지는 확인해 봐야 할 문제입니다. 대략 몇 가지 조건이 충족되어야 데이터라고 부를 수 있겠지요.

가장 먼저 걸리는 것은 기계가 읽을 수 있는 형태여야 한다는 점입니다. 스캔 이미지 안의 글자는 사람에게는 텍스트지만 기계에는 픽셀입니다. 그렇기에 OCR이 화두인 것이고, 복잡한 서식을 그대로 사용하고 AI에게 파싱하게 하기보다 최소한의 서식으로 내용을 전달하는 포맷을 정책화하는 사례가 많이 나오고 있죠. 둘째, 맥락이 항목 단위로 붙어 있어야 합니다. 이 기록이 무엇이고 언제 누가 만들었는지가 그 기록 자체에 적혀 있어야 하고, 상위 컬렉션에서 물려받은 정보만으로는 부족합니다. 우리를 가장 오래 붙잡는 조건이 이것입니다. 셋째, 결과와 함께 근거가 나와야 합니다. 출처, 관계, 이력처럼 왜 이것이 답인지 설명하는 정보 말입니다.

여기서 값이 생기는 단위가 어디서부터인지 고민하게 됩니다. 기록물 한 건에 값을 매기는 일은 가능하지도 않고 의미도 없습니다. 또한 1천만 건짜리 목록이 있다고 해서 그것이 그대로 자산 가치를 갖는 것도 아닙니다. 값이 생기는 영역은 맥락과 내용을 함께 갖춘 데이터의 집합입니다. 어떤 기관이 무엇에 대해 몇 년치를 어느 수준까지 기술해 두었는가. 그래서 그것으로 읽어낼 수 있는 기관의 발자취는 어떻게 의미있고, 이것이 미래의 의사결정에 어떤 영향을 줄 수 있는가.

그렇다면 건 단위 기술이 필요하다는 말은 사람이나 AI더러 한 건씩 열어 보라는 뜻일까요? 어떤 철에 스캔한 회의록(PDF) 500건이 들어 있고 그 철에는 1990년부터 1995년까지라는 기간만 적혀 있다고 해보겠습니다. 사람은 이 철을 열어 하나씩 넘겨 보며 필요한 것을 찾습니다. 시간이 걸려도 찾기는 합니다. 그런데 기계에게 이 500건은 서로 구별되지 않는 일련의 파일더미일 뿐입니다. 어느 해에 회의가 몇 번 열렸는지, 무엇이 집중적으로 논의됐는지 셀 수가 없습니다. 그런데 500건 각각에 날짜와 안건, 참여자와 발언이 데이터로 적히는 순간 달라집니다. 그리고 사람이 한 건씩 열어 볼 일은 오히려 줄어듭니다. 500건을 한꺼번에 놓고 무엇이 언제 얼마나 있었는지 볼 수 있게 되니까요.

대부분의 DB 구축 사업은 이런 데이터를 정리하는 작업으로 이루어집니다. 사람이 앉아서 하나씩 읽고, 무엇인지 쓰고, 언제 누가 만들었는지 확인해 적는 것입니다. 이게 안 된 이유는 방법을 몰라서가 아니라 인력과 예산의 문제였습니다. 그런데 지금은 도구 설계의 문제가 됐습니다.

최근 수천 철 규모의 기관 기록물 텍스트 추출과 전사 작업을 하면서 확인한 것이 있습니다. 스캔 이미지에서 글자를 뽑고, 병합된 표를 구조로 살리고, 건 단위로 요약과 생산자 정보를 붙이는 일이 실제로 진행되었습니다. 사람이 하던 판독과 기술을 기계가 초안까지 끌어다 놓고, 사람은 그 초안을 고치는 역할을 담당하게 했습니다.

이 작업의 정확도를 100퍼센트로 보장할 수는 없습니다. 반복을 거쳐 100퍼센트에 수렴시킬 수는 있습니다. 그리고 그 반복의 횟수와 기간과 예산을 결정하는 것은 도구의 성능보다 루프의 설계입니다. 어디까지 기계가 하고 어디부터 사람이 보는가, 사람이 검수하기 편한 화면을 무엇으로 만드는가, 어느 오류를 끝까지 잡고 어느 오류는 정보 전달에 지장이 없으니 넘어가는가. 같은 분량의 작업이 이 설계에 따라 세 달이 되기도 하고 1년이 되기도 합니다. 도구를 돌리면 결과는 나오지만 그 결과가 맞는지는 다른 문제이고, 그것을 확인하는 절차까지가 도구입니다. 이런 것들은 매뉴얼로 전수되지 않습니다. 겪어야 알고, 겪고 나면 그 문장이 규칙이 되고 규칙이 다음 스크립트를 막습니다. 상용 도구를 고르는 능력과 자기 도구를 설계하는 능력은 다릅니다. 상용 도구의 성능은 시장이 대신 디벨롭 해 주지만 설계 능력은 업무 이해와 노하우를 전략적이고 체계적으로 반영하는 데 있습니다.

자산 가치를 갖게 되면 아카이브는 어떤 상태가 될까

이루고자 하는 구체적인 목표상을 먼저 세우고 기간 내에 처리할 수 있는 방법론을 찾아내는 아마존(Amazon)의 ‘역순 로드맵’이 있습니다. 이 관점으로 아카이브가 자산 가치를 갖게 된 상태에서 할 수 있는 일을 좀 상상해본다면 어떨까요?

디지털 아카이브의 데이터가 검색화면 이외 다른 곳에서 적극적으로 쓰이는 상태를 상상해봅니다. 지금 우리 데이터는 검색화면에서 결과 값을 보여주는 용도로 끝나지만, 상상하는 이 상태에서는 아이템마다 설명이 붙고 데이터세트 단위로 정리되어, 해당 기록물을 보존, 관리하는 기관에 대한 분석과 진단, 정책 결정의 근거 자료로 넘어갈 수 있습니다. 거시적이든 미시적이든 많은 인사이트를 내리는 데 유용하겠지요. 하루 방문자 수로 성과를 내던 방식도 해당 데이터가 어떤 잠재적인 위험에 어떻게 대비했는지, 조직의 결정에 미친 영향이 얼마나 중대했는지, 소송 등에 얼마나 기여를 했는지 등으로 바뀔 것이라고 상상해봅니다. 자산으로서 아카이브의 단위별 가치평가에 대한 기준이 만들어질 수 있겠습니다.

물론 좋은 장면만 상상할 수는 없습니다. 일단 값이 매겨지기 시작하면 값이 매겨지지 않는 것이 드러납니다. 이용 수요가 적고 기술도 얇은 기록군이 먼저 눈에 띌 테고, 그때 처분에 대한 논의가 따라올 수 있습니다. 값이 매겨지지 않는 기록을 왜 남겨야 하는지를 정리해 두는 작업도 필요합니다. 자산 가치를 따지다보면 이런 일도 하게 될 것 같습니다.

100년 전에 이미 기록을 자산으로 부른 사람이 있습니다. 1924년에 캐나다 연방 기록보존소장이던 아서 도티 경은 이렇게 말했습니다. “한 나라의 활동은 인간사를 연구하는 이에게 언제나 흥미로운 재료를 제공한다. 이 재료를 통해, 오래되어 빛바랜 여러 세기가 젊음의 활력을 되찾아 다시 돌아온다. 이 기록에는 지난날의 희망과 열망이, 지난날의 영광과 패배가 거울처럼 비친다. 모든 국가 자산 가운데 기록이 가장 귀하다. 그것은 한 세대가 다음 세대에게 주는 선물이며 우리가 그것을 얼마나 돌보는가가 우리 문명의 수준을 나타낸다. 하루하루가 아카이브에게는 승리다. 날마다 하찮아 보이는 종이 한 조각이 정의를 세우기 때문이다. 그런데도 개인으로서든 한 국민으로서든 우리의 행복과 안전이 기록과 떼어놓을 수 없는데, 보통 사람은 기록의 상업적 가치도 역사적 가치도 거의 생각하지 않는다. 실로 이 문제를 깊이 염려하는 이들은 적잖이 냉대를 받는다. 진지한 사람들조차 기록을 보존하는 일이 과연 현명한지 묻곤 하고, 그리하여 폐기 명령이 내려진다. 그것이 아주 놀랄 일도 아니다. 어쩌면 20년 넘게 아무도 그 기록을 찾지 않았을 테니.” (Arthur G. Doughty, The Canadian Archives and Its Activities, Ottawa, 1924.)