홍익인간(弘益人間)
"널리 인간을 이롭게 하라" — 단군신화 건국 이념
WIA 감정 AI 표준은 윤리적이고 정확하며 상호운용 가능한 정서 컴퓨팅 시스템을 위한 포괄적 프레임워크를 제공합니다. 본 장은 표준의 4단계 아키텍처를 한눈에 조망하고, 각 단계가 어떤 문제를 해결하는지를 한국 산업 현장의 적용 시나리오와 함께 설명합니다. 후속 제4장부터 제8장까지의 본격적 사양 학습을 위한 지도가 되는 장이며, 표준 도입을 검토하는 의사결정자도 본 장만 읽어도 표준의 전체 구조와 가치를 파악할 수 있도록 설계되었습니다.
WIA 감정 AI 표준은 인간 복지·프라이버시·정확도를 우선하면서 혁신과 상호운용을 가능하게 하는, 감정 인식 시스템을 위한 보편적·개방형 프레임워크를 수립하는 것을 목표로 합니다. 이 사명은 단순한 기술 사양 정의를 넘어 (1) 사용자 권리 보호, (2) 산업 생태계의 공정 경쟁, (3) 학계·산업·정부 간 합의 형성, (4) 한국·EU·미국·아시아 5개 권역 간 호환성 확보의 네 가지 축을 동시에 추구합니다. 이 네 축은 서로 보완 관계에 있으며, 어느 하나만 강조한 표준은 결국 채택률 저하나 사회적 신뢰 상실로 이어진다는 역사적 교훈을 반영한 결과입니다.
표준은 ISO/IEC, IEEE, W3C, ITU-T, TTA 등 기존 표준화 기구의 작업을 부정하지 않고 보완·통합하는 입장을 견지하며, 어느 단일 기업·국가·학파의 이익을 대표하지 않는 중립성을 운영 원칙으로 삼습니다. 새로 만들어진 표준이 기존 표준의 가치를 잠식하지 않도록 호환 계층을 표준 본문에 명시하는 것이 WIA의 차별점입니다. 이는 표준 운영위원회의 권역 분산 의결권 구조(제1장 §1.7 참조)에 의해 제도적으로 뒷받침됩니다. 표준 채택 기업이 표준에 기여한 정도에 따라 차등 의결권을 갖는 일부 단체표준 모델과 달리, WIA는 1국 1표 원칙을 채택하여 거대 기업의 표준 포섭(standard capture) 위험을 구조적으로 차단합니다. 이는 ISO 단계의 공식 표준화에서 제기되는 비판적 우려를 사전에 해소하기 위한 설계입니다.
| 목표 | 설명 | 이점 |
|---|---|---|
| 상호운용성 | 공통 데이터 형식과 API | 벤더 고착 없음 |
| 정확도 | 최소 정확도 임계값 | 신뢰할 수 있는 결과 |
| 윤리 | 프라이버시·동의 요건 | 책임 있는 AI |
| 공정성 | 편향 시험 의무 | 형평성 있는 성능 |
| 투명성 | 명확한 문서 | 사용자 이해 가능성 |
이 5대 목표는 단순한 가치 구호가 아니라 표준의 적합성 평가 항목 24개를 통해 측정 가능한 형태로 변환됩니다. 각 적합성 평가 항목은 (1) 시험 절차, (2) 합격 기준, (3) 보고 양식, (4) 시정 조치 절차의 4가지 구성 요소를 가지며, 이를 통해 추상적 가치가 실질적 검사 가능 항목으로 변환됩니다. 24개 항목은 5대 목표에 6·5·5·4·4의 비중으로 분포하며, 이 분포는 5대 목표 사이의 상대적 중요도가 아니라 검사 가능한 항목으로 분해된 결과의 자연스러운 비중을 반영합니다.
WIA 감정 AI 표준은 정서 컴퓨팅 스택의 각 계층을 다루는 4개 단계로 조직됩니다. 각 단계는 서로 독립적으로 구현·인증할 수 있지만, 전체 가치를 누리기 위해서는 4단계를 모두 채택하는 것이 권장됩니다. 단계 분할은 표준 채택의 진입 장벽을 낮추는 동시에 점진적 확장을 가능하게 하는 설계 결정입니다. 표준 도입 초기에는 Phase 1·2만으로 시작하고, 실시간 처리가 필요해지면 Phase 3을 추가하며, 도메인별 규제 정합이 필요해지면 Phase 4를 도입하는 점진적 채택 경로가 권장됩니다.
┌─────────────────────────────────────────────────────────────┐ │ Phase 4: 통합 │ │ 헬스케어 │ 교육 │ 마케팅 │ 자동차 │ XR │ ├─────────────────────────────────────────────────────────────┤ │ Phase 3: 프로토콜 │ │ WebSocket │ REST │ 실시간 스트리밍 │ 보안 │ ├─────────────────────────────────────────────────────────────┤ │ Phase 2: API 인터페이스 │ │ 표정 │ 음성 │ 텍스트 │ 생체신호 │ 멀티모달 융합 │ ├─────────────────────────────────────────────────────────────┤ │ Phase 1: 데이터 형식 │ │ JSON 스키마 │ 감정 │ AU 코드 │ V-A │ 메타데이터 │ └─────────────────────────────────────────────────────────────┘
Phase 1은 모든 후속 단계가 의존하는 공통 어휘이며, 적합성 인증의 가장 기초적 출발점입니다. 한 시스템이 Phase 1만 구현하더라도 "WIA Compliant" 자격을 받을 수 있으며, 이는 표준 도입의 진입 장벽을 낮추기 위한 의도적 설계입니다. JSON 스키마는 자동 검증 도구가 풍부하므로, 신규 시스템도 빠르게 정합성을 확보할 수 있습니다.
Phase 2는 Phase 1의 데이터 형식을 송수신하는 표준 통로입니다. RESTful 설계 원칙을 따르며, 모달리티별로 별도 엔드포인트를 두어 부분 채택을 허용합니다. 표정 분석만 필요한 시스템은 음성·텍스트 엔드포인트를 구현하지 않아도 적합성을 인정받을 수 있습니다. 인증·인가는 OAuth 2.0과 API Key 두 가지 방식을 동등하게 지원하여 기업의 기존 인증 인프라와의 결합을 원활하게 합니다.
Phase 3는 운전자 모니터링·콜센터 통화 분석·게임 등 실시간 처리가 필요한 응용에 사용됩니다. 비실시간 응용(예: 일기 텍스트 분석)에서는 Phase 2만으로 충분하므로 Phase 3 구현이 의무가 아닙니다. WebSocket을 1차 권장 프로토콜로 두지만, gRPC 스트리밍 어댑터도 부속서 H에서 정의되어 있어 마이크로서비스 환경과의 결합이 용이합니다.
Phase 4는 도메인별 규제 요건과 윤리 권고를 정합화하는 단계입니다. 한국 환경에서는 의료법·교육법·자동차법·통신비밀보호법·개인정보보호법 등 도메인별 법령이 복잡하게 얽혀 있어, Phase 4의 한국 부속서(Annex KR)가 별도 작성됩니다. 부속서는 도메인별로 분리되어 있어 헬스케어 사업자는 헬스케어 부속서만, 자동차 사업자는 자동차 부속서만 참조하면 됩니다.
WIA 표준은 Ekman의 6가지 기본 감정에 중립을 더한 7가지 라벨을 핵심 호환 계층으로 채택합니다. 이산 모델은 사용자에게 직관적이고 통계 분석이 쉽다는 장점이 있으며, 특히 콘텐츠 추천·마케팅 효과 측정처럼 사용자별 라벨 분포를 비교해야 하는 응용에 적합합니다. 한국어 사용자에게는 행복·슬픔·분노 같은 일상 어휘가 더 친숙하므로 이산 라벨 표시가 우선되고, V-A 좌표는 시스템 내부에서만 사용하는 것이 권고됩니다.
| 감정 | 영문 라벨 | 한글 라벨 | 이모지 | V-A 일반 범위 |
|---|---|---|---|---|
| 행복 | happiness | 행복 | 😊 | V: 0.5~1.0, A: 0.2~0.8 |
| 슬픔 | sadness | 슬픔 | 😢 | V: -0.8~-0.3, A: -0.5~0.1 |
| 분노 | anger | 분노 | 😠 | V: -0.7~-0.2, A: 0.3~0.9 |
| 공포 | fear | 공포 | 😨 | V: -0.7~-0.2, A: 0.4~0.9 |
| 혐오 | disgust | 혐오 | 🤢 | V: -0.8~-0.3, A: -0.1~0.5 |
| 놀람 | surprise | 놀람 | 😮 | V: -0.2~0.5, A: 0.5~1.0 |
| 중립 | neutral | 중립 | 😐 | V: -0.2~0.2, A: -0.2~0.2 |
한글 라벨은 표준 구현에서 표시 용도로 사용되며, 시스템 내부 라벨 키는 영문 소문자(happiness, sadness 등)로 통일됩니다. 이는 다국어 환경에서의 라벨 키 충돌을 방지하기 위한 설계 결정이며, 일본어·중국어·아랍어 등 다른 언어의 표시 라벨도 동일한 영문 키 위에 매핑됩니다(부록 F 참조). 영문 키와 표시 라벨을 분리하는 이 설계는 W3C EmotionML 1.0의 라벨 정의 방식과 호환됩니다.
WIA 표준은 차원 모델 표현도 함께 지원합니다. 차원 모델은 회귀 모델과 자연스럽게 결합되며, 미세한 감정 변화나 혼합 감정을 표현하는 데 강점을 가집니다. 음악 추천·디지털 명상 앱·게임 난이도 자동 조정과 같이 사용자 상태의 연속적 추적이 핵심인 응용에서 차원 모델의 가치가 두드러집니다.
감정가-각성도 공간:
+1.0 (고각성)
│
분노 │ 흥분
│
-1.0 ─────────────────┼───────────────── +1.0
(부정) │ (긍정)
│
슬픔 │ 평온
│
-1.0 (저각성)
값 범위:
Valence: -1.0 (가장 부정)에서 +1.0 (가장 긍정)
Arousal: -1.0 (저에너지)에서 +1.0 (고에너지)
WIA Phase 1은 이산 모델과 차원 모델의 출력값을 동시에 채울 것을 권장합니다. 이산 라벨은 사용자에게 표시되는 인터페이스에, V-A 좌표는 통계 분석·시계열 추적에 활용하는 분리 사용이 일반적입니다. 두 표현 사이의 변환은 표 3-2의 일반 범위를 사용하여 양방향으로 가능합니다.
차원 모델의 회귀 출력은 0과 1 사이의 7개 라벨 확률보다 정보량이 많기 때문에, 후속 시스템이 사용자별 시계열 분석·집단 감정 추이 분석을 수행할 때 더 미묘한 변화를 포착할 수 있습니다. 예를 들어 한 사용자의 행복 라벨 확률이 일주일에 걸쳐 0.85에서 0.83으로 변동하는 경우 이산 라벨 단독으로는 차이를 알기 어렵지만, V-A 좌표는 (0.7, 0.4)에서 (0.55, 0.3)으로 시각화 가능한 변화를 보여 줍니다. 이는 우울증·번아웃 조기 탐지에 유용한 정보가 됩니다.
다만 차원 모델의 회귀 출력은 사용자에게 직접 표시될 때 해석이 어려우므로, UI 계층에서는 이산 라벨로 변환하는 것이 일반적입니다. 변환 시에는 가장 가까운 이산 라벨의 V-A 중심으로부터의 거리를 계산하고, 거리가 임계값 이상인 경우 "혼합" 또는 "불확실"로 표시하는 안전 모드를 권장합니다. 이러한 안전 모드는 시스템이 자신의 불확실성을 사용자에게 솔직하게 전달하도록 하는 투명성 원칙의 구체적 적용입니다.
기본 7가지 감정을 넘어, 표준은 더 미세한 분류를 위한 확장 라벨을 지원합니다.
| 범주 | 확장 라벨 |
|---|---|
| 긍정 고각성 | excited, elated, enthusiastic, amused |
| 긍정 저각성 | content, relaxed, calm, serene |
| 부정 고각성 | stressed, anxious, frustrated, irritated |
| 부정 저각성 | bored, tired, depressed, melancholic |
| 인지 상태 | confused, focused, interested, engaged |
한국 시장 적용 시 추가 권고 라벨은 다음과 같습니다. 당황(embarrassment), 한(han), 정(jeong), 섭섭함(seosaeham), 답답함(dapdap), 짜증(jjajeung). 이 라벨들은 영문 키와 함께 한글 음운 표기를 ISO 라벨로 등재하여 다른 동아시아 언어 사용자도 호환되게 매핑됩니다. 한·정·섭섭함은 한국 사회의 관계적 감정을 드러내는 핵심 어휘로, 단일 영어 라벨로는 정확한 의미가 전달되지 않습니다.
한(han)은 오랜 기간 누적된 슬픔·억울함·체념의 복합 감정으로, 부정 저각성 사분면에 위치하면서도 우울증·권태와 구별되는 의미층을 갖습니다. 정(jeong)은 시간이 지나면서 형성되는 애착·유대의 감정으로, 긍정 저각성에 위치하지만 단순한 평온·만족과 다릅니다. 섭섭함은 친밀한 관계에서 기대가 어긋났을 때의 미묘한 실망감을 가리키며, 단순한 슬픔이나 분노로 환원되지 않습니다. 이러한 한국 특정 라벨을 표준에 포함시키는 것은 단순한 다국어 지원이 아니라 감정 표현의 문화적 다양성을 표준화 작업 자체에 반영하려는 시도입니다.
WIA 확장 라벨은 사용자 정의 라벨 메커니즘과 결합되어, 표준에 등재되지 않은 새로운 감정 라벨을 구현자가 추가할 수 있도록 지원합니다. 이때 사용자 정의 라벨은 (1) 영문 키, (2) 표시 이름, (3) V-A 일반 범위, (4) 출처 문헌의 4가지를 함께 명시해야 하며, 이러한 메타데이터는 후속 시스템이 라벨의 의미를 추론하는 데 사용됩니다. 새로운 라벨이 충분히 채택되면 표준 운영위원회는 다음 메이저 버전에서 공식 라벨로 등재할 수 있습니다.
WIA 표준은 44개 액션 유닛을 모두 지원합니다.
| AU 범위 | 영역 | 개수 |
|---|---|---|
| AU1~AU7 | 상안면 — 눈썹·이마 | 7개 |
| AU9~AU17 | 코·윗입술 | 8개 |
| AU18~AU28 | 하안면 — 입술·턱 | 11개 |
| AU41~AU46 | 눈꺼풀 | 6개 |
| AU51~AU58 | 머리 자세 | 8개 |
| AU61~AU64 | 눈 위치 | 4개 |
의무 지원 16개 핵심 AU는 제1장 표 1-5에서 정의되었으며, 나머지 28개는 선택 지원 항목입니다. 의료·연구 등급 활용에서는 44개 모두 지원이 권장되며, 일반 소비자 응용에서는 16개로도 충분한 정확도를 제공합니다. AU 인식 정확도의 산업 표준 기준은 OpenFace 2.0 출력과의 일치도이며, WIA 적합성 시험은 이를 부분 평가 지표로 사용합니다. AU 출력은 한국 식약처의 「설명 가능한 AI 가이드라인」 요구사항을 자연스럽게 만족시키는 부수적 이점도 갖습니다.
액션 유닛 강도는 0~1 척도로 부호화됩니다.
| 강도 값 | FACS 등급 | 의미 |
|---|---|---|
| 0.0 | — | 미발생 |
| 0.01~0.20 | A — Trace | 흔적 |
| 0.21~0.40 | B — Slight | 약함 |
| 0.41~0.60 | C — Marked | 표시 |
| 0.61~0.80 | D — Pronounced | 뚜렷 |
| 0.81~1.00 | E — Maximum | 최대 |
0~1 부동소수점 강도와 A~E 5단계 등급의 양방향 변환은 손실 없이 가능하며, 인증 시 두 표기 가운데 적어도 하나를 출력해야 합니다. 두 표기를 동시에 출력하면 후속 시스템이 내부 처리에 적합한 표현을 선택할 수 있어 권장됩니다.
FACS 통합은 단순한 부호화 호환성 제공을 넘어, 표정 분석 시스템의 내부 동작이 검사 가능한 형태로 노출됨을 의미합니다. AU 단위 출력은 사용자·감사자·연구자가 시스템의 판단 근거를 추적할 수 있도록 하며, 이는 EU AI Act의 투명성·인간 감독 요건과 직접 연결됩니다. 단순한 감정 라벨만 출력하는 시스템은 "왜 이 라벨이 나왔는가"라는 질문에 답할 수 없지만, AU 강도와 함께 출력하는 시스템은 "AU6+AU12가 동시에 활성화되어 행복 라벨이 나왔다"라고 답할 수 있습니다.
한국 의료 등급 응용에서는 식약처의 「설명 가능한 AI(XAI) 가이드라인」(2023)을 따라 의사결정 근거가 전문가에게 검사 가능하도록 출력해야 합니다. WIA 표준의 AU 부호화 출력은 이 요구사항을 자연스럽게 만족시킵니다.
| 항목 | 사양 |
|---|---|
| 입력 유형 | 이미지(JPEG, PNG) 또는 비디오(H.264, VP9) |
| 해상도 | 최소 480p, 권장 720p 이상 |
| 프레임률 | 최소 15 fps, 권장 30 fps |
| 출력 | 감정 라벨, AU 강도, V-A 좌표 |
| 지연 목표 | 프레임당 100 ms 미만 |
| 항목 | 사양 |
|---|---|
| 입력 유형 | 오디오(WAV, MP3, WebM) |
| 샘플률 | 최소 16 kHz, 권장 44.1 kHz |
| 채널 | 모노 또는 스테레오 |
| 특징 | 피치, 강도, 발화 속도, 음질, 운율 |
| 출력 | 감정 라벨, V-A 좌표, 신뢰도 |
| 항목 | 사양 |
|---|---|
| 입력 유형 | UTF-8 텍스트 |
| 지원 언어 | 100개 이상 언어 |
| 최대 길이 | 요청당 10,000자 |
| 출력 | 감성 극성, 감정 라벨, 개체별 감정 |
| 특징 | 반어 탐지, 측면 감성, 강도 |
| 항목 | 사양 |
|---|---|
| 지원 신호 | ECG/HR, EDA/GSR, EEG, 호흡 |
| 샘플률 | HR 1 Hz 이상, EDA 4 Hz 이상, EEG 128 Hz 이상 |
| 형식 | JSON 배열 또는 CSV |
| 출력 | 각성도, 스트레스 지표, 참여도 |
4 모달리티는 각각 강점·약점이 다르므로 단독 사용보다는 조합이 권장됩니다. 표정은 이산 감정 분류에 강하고, 음성은 각성도 추정에 우수하며, 텍스트는 의도·맥락 정보를 풍부하게 제공하고, 생체신호는 위장이 어렵습니다. 이러한 상호 보완 관계는 §3.6의 멀티모달 융합 전략의 근거가 됩니다.
모달리티 선택은 응용 시나리오의 요구사항에 따라 결정됩니다. 콜센터 환경에서는 음성 단독 또는 음성·텍스트 조합이 자연스럽고, 영상 회의에서는 표정·음성 조합이 가능하며, 차량에서는 표정·음성·생체신호 3중 조합이 권장됩니다. 의료 등급 응용에서는 4 모달리티 모두 사용이 권장되며, 단일 모달리티에 의존하는 임상 결정은 표준 적합성에서 제외됩니다.
각 모달리티는 또한 별도의 정확도·지연·계산 자원 프로필을 갖습니다. 표정 분석은 GPU 가속이 필수에 가까운 반면, 텍스트 분석은 CPU만으로도 충분합니다. 음성 분석은 두 환경 모두에서 작동하지만 실시간 스트리밍에서는 GPU 가속이 권장됩니다. 생체신호 분석은 신호 전처리 부담이 크지 않아 임베디드 환경에서도 가능합니다. WIA 표준의 부속서 G는 모달리티별 권고 하드웨어 사양을 제공합니다.
본권에 동봉된 인터랙티브 시뮬레이터(https://wiastandards.com/emotion-ai/simulator/)는 5 개의 작업 패널로 구성되며, 각 패널은 본권 4 단계 아키텍처(Phase 1~4)와 1:1로 정합합니다. 본 절은 5 패널의 헤더·핵심 ENUM·잠정 임계 값을 정리하여 도서 본문과 시뮬레이터 사이의 어휘를 일관시킵니다. 어휘 충돌 시 시뮬레이터 화면에 출력되는 ENUM 표기를 우선합니다.
| Panel | 시뮬레이터 헤더 | 핵심 ENUM | 잠정 임계 | 도서 매핑 |
|---|---|---|---|---|
| 0 | 📊 Emotion Data | INPUT, OPTION, TEXTAREA, Subject ID, Primary Emotion, Confidence (0-1), Valence (-1~1), Arousal (-1~1), Action Units (FACS), Modality | 모달리티별 분류 정확도 잠정 76.8~92.3 % | Phase 1 — 데이터 형식 (제4장) |
| 1 | 🔢 Analysis | Valence-Arousal 4분면, High Arousal · Low Arousal · Negative · Positive | 분석 윈도우 잠정 0.2~0.3 s | 제1장 §1.3.2 — 차원 모델 |
| 2 | 📡 Protocol | STREAMING, STOPPED, 메시지 형식 (JSON·MessagePack·Protocol Buffers) | 스트리밍 지연 잠정 ≤ 300 ms (참고: 시뮬레이터 ENUM 위주, 실측은 §6.3 참조) | Phase 3 — 스트리밍 프로토콜 (제6장) |
| 3 | 🔗 Integration | 외부 시스템 어댑터, 도메인별 표준 (FHIR · SCORM · CCAS 등) | (시뮬레이터에 명시 임계 없음 — §7.3·§7.4 도메인 임계 참조) | Phase 4 — 통합 (제7장) |
| 4 | 🧪 Emotion Test | Predicted Emotion 출력, 6 기본 감정 (Ekman) + 차원 모델 보조 | 분류 응답 시간 잠정 0.2~0.3 s | 제8장 — 구현·인증 (테스트 절차) |
위 매핑은 본권 표준의 ENUM·임계와 시뮬레이터 ENUM·임계의 정합 기준이며, 시뮬레이터 갱신 시 본 매핑도 동시 갱신됩니다. 도서 본문에서 시뮬레이터에 명시되지 않은 임계를 인용할 때에는 잠정형(잠정·약·예상 등)으로 표기하여 시뮬레이터 권위를 우선합니다.
WIA 표준은 여러 융합 접근을 지원합니다.
| 전략 | 설명 | 사용 사례 |
|---|---|---|
| 조기 융합 | 분류 전 원시 특징을 결합 | 모달리티가 동기화된 경우 |
| 후기 융합 | 분류 출력을 결합 | 모달리티가 독립적인 경우 |
| 결정 융합 | 의사결정의 투표·가중 평균 | 단순·견고한 접근 |
| 주의 융합 | 맥락 기반 학습된 가중치 | 모달리티별 신뢰도 변동 시 |
네 가지 전략은 데이터 가용성·계산 자원·정확도 요구사항에 따라 선택됩니다. 일반적으로 후기 융합과 결정 융합이 구현이 단순하고 모듈화에 유리하며, 조기 융합과 주의 융합은 정확도가 더 높지만 모델 학습이 복잡합니다. 산업 현장에서 가장 빈번히 사용되는 전략은 후기 융합이며, 이는 각 모달리티 모듈을 독립적으로 개발·배치한 뒤 출력만 결합하면 되기 때문입니다. 주의 융합은 최근 트랜스포머 기반 모델의 발전으로 채택이 늘고 있으며, 모달리티 신뢰도가 시간에 따라 변동하는 환경(예: 통화 중 잡음 변화, 운전 중 조명 변화)에 특히 강합니다.
한국 시장의 멀티모달 융합 사례로는 주요 한국 건강 플랫폼(표정·텍스트·생체)와 현대모비스(표정·음성)가 대표적입니다. 주요 한국 건강 플랫폼는 후기 융합 전략을 채택하여 모달리티 모듈의 독립적 업그레이드를 가능하게 했고, 현대모비스는 주의 융합 전략으로 차량 환경의 변화에 대한 적응성을 확보했습니다. 두 사례 모두 WIA 표준의 멀티모달 융합 사양을 부분 또는 전부 차용한 것으로 보고되었습니다.
융합 전략 선택의 또 다른 기준은 모달리티별 데이터 수집의 동의·법적 근거입니다. 예컨대 통화 환경에서 음성 분석은 「통신비밀보호법」 §3 양 당사자 동의가 요구되지만 텍스트 분석은 사용자가 제공한 텍스트만 사용하는 경우 별도 동의가 불필요할 수 있어, 두 모달리티의 법적 처리 단위가 다릅니다. WIA 표준은 이러한 비대칭을 반영하여 모달리티별 처리 가능 여부를 메타데이터로 표시하고, 융합 결과에도 처리 근거를 추적 가능한 형태로 기록하도록 권장합니다.
멀티모달 융합의 기본 가중치는 다음과 같습니다.
기본 가중치 (조정 가능): 표정: 0.40 (이산 감정에 가장 높은 신뢰성) 음성: 0.25 (각성도 탐지에 우수) 텍스트: 0.20 (맥락 의존적) 생체신호: 0.15 (위장 어렵지만 잡음 많음) 가중치 조정 기준: - 신호 품질 - 맥락 (예: 음성 전용 통화) - 문화 요인 - 개인 보정
| 등급 | 명칭 | 요구사항 | 활용 사례 |
|---|---|---|---|
| 1 | Compliant | 데이터 형식 준수, 75 % 정확도 | 연구, 프로토타입 |
| 2 | Certified | 완전 API 준수, 80 % 정확도, 편향 시험 | 상용 제품 |
| 3 | Certified Plus | 모든 요구사항, 85 % 정확도, 외부 감사 | 헬스케어, 민감 응용 |
등급은 단계적 채택을 가능하게 하기 위한 설계이며, 등급 간 이행 시 추가 시험만 통과하면 됩니다(전체 재인증 불필요). 인증 비용은 등급별로 차등 부과되며(Compliant 500달러, Certified 2,000달러, Certified Plus 5,000달러), 비영리 단체와 학술 연구는 Compliant 등급을 무상으로 받을 수 있습니다.
인증 유효기간은 모든 등급에서 24개월이며, 갱신 시에는 모델·코드·데이터셋의 변경 여부에 따라 부분 또는 전체 재시험이 진행됩니다. 갱신 시점 30일 전 알림이 발송되며, 갱신 절차를 시작하지 않은 경우 인증은 자동 만료됩니다. 만료된 인증을 재취득하려면 신규 인증과 동일한 절차를 거쳐야 하므로, 산업 현장에서는 갱신 시기를 사전에 관리하는 것이 권장됩니다.
한국 시장에서 가장 흔한 인증 등급은 Certified(레벨 2)이며, 이는 상용 제품에 적합하면서 인증 비용이 부담스럽지 않은 균형점에 위치합니다. 헬스케어 솔루션은 환자 안전·의료법 준수의 이유로 Certified Plus를 추구하는 일이 많고, 학술 연구·프로토타입은 Compliant로 충분합니다. 인증 등급은 마케팅·영업 자료에 명시할 수 있으며, 「표시·광고의 공정화에 관한 법률」에 따라 허위 인증 표시는 처벌 대상입니다.
WIA 표준은 한국 표준화 생태계와 다음과 같이 정합합니다. 한국산업표준(Korean Industrial Standards, KS)은 산업통상자원부 산하 국가표준이며, 한국정보통신기술협회(TTA)는 ICT 단체표준을 제정합니다. KISA는 「AI 윤리 자율점검표」(2022)와 「AI 윤리기준」(2020)의 운영 기관이며, NIA는 「AI 산업 실태조사」와 「AI Hub」를 운영합니다.
| 한국 표준 | 관련 영역 | WIA 정합점 |
|---|---|---|
| TTAK.KO-12.0383 | 감정 인식 데이터 형식 | WIA Phase 1 — 양방향 변환 가능 |
| TTAK.KO-06.0407 | 실시간 미디어 전송 | WIA Phase 3 — 호환 가능 |
| KS X 9001 | 음성 인식 시험 방법 | WIA 음성 모달리티 시험 절차 참고 |
| KISA 「AI 윤리 자율점검표」 | 윤리 자율 점검 | WIA Phase 4 윤리 요구와 1:1 매핑 |
| NIA 「AI Hub」 | 학습 데이터 공급 | 한국형 인증 시 필수 시험 데이터 출처 |
WIA 표준 적합성 인증을 받은 시스템은 위 한국 표준의 해당 항목 80 % 이상을 자동으로 충족하므로, 별도 인증 절차의 부담을 크게 줄일 수 있습니다. 또한 한국 정부 조달·R&D 과제 평가에서 WIA 인증은 사실상 동등한 표준 준수 증빙으로 인정되도록 협의가 진행 중입니다. 향후 KS 산업표준 등재까지의 절차는 산업통상자원부의 단체표준 이양 가이드(2024)를 따릅니다. 단체표준에서 KS 등재까지의 일반적 기간은 18~36개월이며, WIA 표준은 ISO/IEC 호환성을 사전에 확보하여 등재 절차의 단축이 가능할 것으로 평가됩니다.
본 절은 4단계 아키텍처가 한국 산업 현장에서 어떻게 결합되는지를 보여 주는 5개 시나리오를 제시합니다. 후속 장(제5~제8장)은 이 시나리오를 반복적으로 인용합니다.
시나리오 1 — 주요 한국 콜봇 통화 감정 분석. 음성 모달리티(Phase 1 데이터 형식 + Phase 2 음성 API)를 사용하여 통화 중 분노·불만 고객을 식별합니다. Phase 3 스트리밍은 실시간 처리에 활용되며, Phase 4 통합은 「통신비밀보호법」 §3 양 당사자 동의 원칙을 따르도록 요구합니다. 통화 시작 직후 자동 안내 음성으로 감정 분석 사실을 고지하고, 사용자가 옵트아웃 키를 누르면 분석을 즉시 중단하는 흐름이 표준 권고입니다.
시나리오 2 — 현대모비스 인캐빈 모니터링. 표정·음성 멀티모달 융합(Phase 1 + Phase 2 + Phase 3)으로 운전자의 졸음·주의 산만·분노를 실시간 탐지합니다. Phase 4의 자동차 도메인 가이드는 ISO 26262 ASIL-B 신뢰성 수준과 정합합니다. 차량용 카메라는 RGB-IR 듀얼 센서를 사용하여 야간·터널 환경의 정확도를 유지하며, 표정 분석 결과는 자율주행 Lv.2+ 시스템의 안전 모듈 입력으로 활용됩니다. 안전 임계 응용이므로 단일 모달리티의 오류가 안전에 영향을 주지 않도록 다중 모달리티 동시 활성화가 의무이며, 모달리티 한쪽이 차단되더라도 다른 모달리티가 안전 기능을 유지하도록 설계됩니다.
시나리오 3 — 주요 한국 건강 플랫폼 멘탈케어. 표정·텍스트·생체신호 3중 모달리티 융합(Phase 1 + Phase 2)을 사용하여 사용자의 스트레스 수준을 추정합니다. Phase 4의 헬스케어 도메인 가이드는 「의료기기법」 제19조의3과 식약처 SaMD 가이드라인을 따르도록 요구합니다. 갤럭시 워치의 PPG·EDA 센서가 생체신호 입력을 담당하며, 표정·텍스트는 사용자가 일기 작성·셀카 촬영 시 옵트인 방식으로 수집됩니다. 임상 등급 활용을 위해서는 식약처 SaMD 인허가가 별도로 필요하며, 일반 헬스케어 응용과 의료 등급 응용은 명확히 구분되어 표시됩니다.
시나리오 4 — 한 한국 공공 미디어 디지털교과서 학습 참여도. 표정·텍스트(Phase 1 + Phase 2 + Phase 4 교육 도메인) 분석으로 학생 참여도를 추정합니다. 14세 미만 사용자에 대해서는 PIPA §22의2의 보호자 동의 절차가 의무이며, Phase 4 통합 가이드가 이 절차를 직접 명시합니다. 학생 인권을 고려하여 옵트아웃 시에도 학습 콘텐츠 제공에 차별이 없어야 한다는 조건이 부과됩니다. 학생의 감정 분석 결과가 성적·평가에 직접 반영되는 일은 「학생인권조례」와 「개인정보 보호법」 §35의 자동화된 결정 거부권에 의해 금지됩니다.
시나리오 5 — 현대백화점 매장 감정 분석. 표정 모달리티(Phase 1 + Phase 2)를 사용하여 매장 내 동선·진열 최적화를 수행합니다. Phase 4의 마케팅 도메인 가이드는 사용자에 대한 시각·청각 고지와 옵트아웃 경로 제공을 의무화하며, 가명처리는 PIPA 시행령 §25의2에 따릅니다. 개인 식별이 가능한 형태의 데이터 보관은 금지되며, 집계·통계 형태로만 분석 결과가 활용됩니다. 매장 입구의 시각 표시판과 카운터의 안내 자료를 통해 분석 사실을 명확히 고지하고, 거부 의사를 표시한 고객의 표정은 처리 즉시 폐기됩니다.
한국 기업이 WIA 표준을 도입하는 일반적 경로는 다음 5단계로 권고됩니다. 각 단계는 1~3개월의 작업량을 가지며, 전체 도입은 6~12개월 정도 소요됩니다.
단계 1 — 현황 평가 (1개월). 기존 시스템의 데이터 형식·API·스트리밍 프로토콜을 검토하고 WIA Phase 1·2·3 사양과의 차이를 분석합니다. KISA 「AI 윤리 자율점검표」 36개 항목과 PIPA·정보통신망법 점검을 병행하여 윤리·규제 격차를 함께 파악합니다. 이 단계의 산출물은 격차 분석 보고서와 단계별 작업 일정이며, 경영진의 의사결정 자료로 활용됩니다.
단계 2 — Phase 1 어댑터 구현 (2개월). 기존 시스템 출력을 WIA Phase 1 JSON 형식으로 변환하는 어댑터를 작성합니다. 이 어댑터는 기존 시스템의 코어 로직을 변경하지 않고 출력 계층에만 추가되므로 위험이 낮습니다. 어댑터 단위 시험과 통합 시험을 통해 출력의 정합성을 확보한 뒤 Compliant 인증을 신청합니다. 어댑터 패턴은 마이크로서비스 아키텍처와 자연스럽게 결합되며, 단일 코드 변경 없이도 표준 출력을 추가할 수 있다는 장점을 갖습니다.
단계 3 — Phase 2 API 도입 (2~3개월). 모달리티별 REST API를 WIA 사양에 맞춰 재설계 또는 신규 개발합니다. 기존 API와의 병렬 운영을 권장하며, 점진적 마이그레이션을 통해 외부 호출자에게 영향을 최소화합니다. Phase 2 도입 후 Certified 등급 인증 신청이 가능합니다. 한국 클라우드 보안 인증(CSAP) 또는 정보보호 관리체계(ISMS-P) 인증을 받은 인프라 위에 배치하면 보안 요건을 자동으로 충족할 수 있어 권장됩니다.
단계 4 — Phase 3 스트리밍 도입 (1~2개월, 선택). 실시간 처리가 필요한 응용에 한해 WebSocket 프로토콜을 추가합니다. 비실시간 응용에서는 이 단계를 생략해도 무방합니다. 한국 5G SA 환경에서의 실측 지연시간을 시험하고, 실패 복구·재연결 전략을 안정화합니다. 차량용 응용은 5G NSA 환경에서도 시험을 수행하여 도심·고속도로·터널 환경의 변동에 대한 견고성을 확인합니다.
단계 5 — Phase 4 도메인 통합 (1~2개월). 헬스케어·교육·마케팅·자동차 등 도메인별 가이드라인을 적용하여 윤리·규제 요건을 완성합니다. 이 단계 완료 후 외부 감사를 거쳐 Certified Plus 인증을 받을 수 있습니다. 외부 감사는 WIA 인증된 한국 감사 기관 3곳 가운데 선택할 수 있으며, 한국어 보고서가 표준 산출물로 제공됩니다.
이 5단계 경로는 일반적 권고이며, 도메인·규모·예산에 따라 단축 또는 확장이 가능합니다. 일부 한국 스타트업은 단계 1·2를 동시 진행하여 4개월 이내에 Compliant 인증까지 도달한 사례가 보고되었으며, 대형 기업은 도메인 부서가 다수인 경우 단계 5를 부서별로 순차 진행하여 전체 기간이 12개월을 넘기도 합니다. WIA는 한국 기업을 위한 표준 도입 자문 서비스(WIA Korea Adoption Hub)를 무상으로 제공하며, 단계별 자가 점검 도구를 한국어로 제공합니다. 또한 KISA·NIA와의 협력으로 정부 R&D 과제에 표준 도입 비용 지원을 협의 중이며, 중소기업의 인증 비용 부담을 완화하기 위한 보조금 프로그램도 검토되고 있습니다.
WIA 표준의 변경은 다음 절차에 따라 이루어집니다. 사용자·구현자·연구자는 누구나 GitHub Issue를 통해 변경 제안을 등록할 수 있으며, 운영위원회는 분기별로 제안을 검토합니다. 검토 결과는 (1) 채택, (2) 다음 분기로 보류, (3) 거부의 세 가지로 나뉘며, 거부 시 사유를 공개합니다.
채택된 변경은 다음 메이저 버전(예: 1.0.0 → 2.0.0) 또는 마이너 버전(예: 1.0.0 → 1.1.0)에 반영됩니다. 메이저 버전 변경은 호환성을 깨뜨리는 변경에 한정되며, 이전 메이저 버전과의 변환 가이드가 함께 발행됩니다. 마이너 버전 변경은 후방 호환성을 유지합니다. 패치 버전 변경(예: 1.0.0 → 1.0.1)은 문서 오류 수정이나 명확화에 한정됩니다. 이러한 의미 버전 관리(Semantic Versioning, SemVer 2.0) 원칙은 표준 사용자가 업그레이드 시 어떤 변경을 예상해야 하는지를 명확하게 알려 주는 신뢰의 기반이 됩니다.
변경 절차의 투명성은 표준의 신뢰성을 결정하는 핵심 요소입니다. WIA는 (1) 모든 변경 제안의 공개, (2) 운영위원회 회의록의 공개, (3) 의결 결과의 공개, (4) 의결 시의 권역 분포 공개를 의무화하여 의사결정 과정의 투명성을 보장합니다. 이는 일부 표준화 기구의 비공개 운영 관행과 명시적으로 차별화되는 거버넌스 모델입니다. ISO/IEC 같은 전통 표준화 기구는 회의록·의결 결과의 공개 범위가 제한적이지만, WIA는 모든 운영 자료를 GitHub 공개 저장소에 게시하여 누구나 검토·인용할 수 있도록 합니다.
한국 기관이 표준 변경에 기여하려는 경우 KISA·NIA·TTA를 통해 공식 채널을 활용할 수 있으며, 한국어 변경 제안도 동등하게 처리됩니다. 변경 제안 양식은 한국어·영어·중국어·일본어·아랍어 5개 언어로 제공됩니다. 이러한 다국어 지원은 단순한 번역이 아니라 각 언어권의 표준화 관행과 용어를 반영한 별도 양식이며, 표준의 거버넌스가 어느 한 언어권에 종속되지 않도록 하는 장치입니다.
핵심 내용 일곱 가지.
제4장에서는 Phase 1 — 감정 데이터 형식의 JSON 스키마, 필드 사양, 실용 예시를 깊이 있게 다룹니다. Phase 1은 모든 후속 단계가 의존하는 공통 어휘이므로 본 도서에서 가장 분량이 많은 장에 해당합니다. 제4장을 학습한 뒤에는 임의의 감정 인식 시스템 출력을 WIA Phase 1 형식으로 변환하는 어댑터를 작성할 수 있을 정도의 이해도를 갖추게 됩니다. 본권 표준의 진화 이력은 GitHub 공개 저장소에 기록된다.[99]
WIA-Official/wia-standards-public/tree/main/emotion-ai — 본권 전반에 인용된 시뮬레이터·스펙·API·전자책 자산의 소스코드를 제공하는 오픈 표준 이니셔티브이며, 본 장이 인용하는 모든 1차 출처에 대한 표준 개정위원회의 정식 검증 기록 위치이다. 표준의 진화 로드맵·개정 이력·SDK 소스코드는 GitHub 저장소에서 공개적으로 갱신된다. ↑