수입식품 심사 1~2일에서 5분으로, 식품안전정보원의 AI 행정 자동화

• 식품안전정보원이 수입식품 안전관리 업무에 AI를 꽤 깊게 넣고 있음

  • 대상 규모부터 만만치 않음. 수입식품은 165개국에서 연간 1,933만 톤 들어오고, 해외직구 식품은 2,492만 건 수준임
  • 해외제조업소도 192개국 약 12만 개가 등록돼 있고, 연간 등록 서류만 약 4만 건이 접수됨
  • 예전 방식대로 사람이 외국어 서류를 하나씩 번역하고 대조하면 병목이 생길 수밖에 없는 구조임

• 첫 번째 자동화 포인트는 해외제조업소 등록 서류 검토임

  • 식품안전정보원은 증빙서류 이미지 문서 변환, 외국어 번역, 증빙서류와 신청서 간 교차검토가 가능한 AI 기반 자동검토 시스템을 만들었음
  • 민원인 기준 처리기간은 3일에서 1일 이내로 줄었음
  • 관례적으로 반복되던 민원 보완 요청도 연간 약 6천 건 이상 줄었고, 2.4만 건에서 1.8만 건 수준으로 감소함

• 그냥 “AI 붙였습니다”가 아니라 책임 있는 AI 관리 체계도 같이 강조함

  • 2025년 11월 국내 공공기관 최초로 ISO/IEC 42001 인증을 받았다고 밝힘
  • AI 리스크 평가, 영향 평가, 윤리적 운영 방침이 실제로 작동하는지 확인받았다는 의미임
  • 식품 안전을 AI가 돕고, 그 AI는 다시 사람이 관리하는 이중 안전망 구조를 내세운 셈임

• 수입식품 신고 심사 쪽에서는 속도 차이가 더 큼

  • 수입안전 전자심사24는 매년 85만 건 이상의 수입식품 신고를 처리함
  • 기존에는 검사 담당자의 수기와 경험에 의존해 1~2일 이상 걸리던 심사가 5분 이내로 줄었음
  • 검사관 퇴근 이후에도 24시간 365일 상시 심사 체계가 돌아가게 됨

• 위험도 예측도 단순 자동화 이상의 의미가 있음

  • AI 수입식품 위험예측 모델의 부적합 선별 정확도는 0.66%로 제시됨
  • 수기검토의 0.32%와 비교하면 약 2배 높은 수준임
  • 속도만 빠른 게 아니라 위해 우려가 있는 식품을 더 잘 골라낸다는 주장임

• 해외직구 식품 표시검사도 자동화 범위에 들어감

  • 판매 사이트에서 상품 이미지를 자동 수집하고, AI가 텍스트를 추출·번역한 뒤 국내 반입 차단 성분 목록과 대조함
  • 연간 1,250시간 걸리던 표시검사 업무가 83.3시간으로 줄었다고 함
  • 피지컬 AI 기반 검사체계 도입 후 건당 시간은 27분에서 1분 30초 수준으로 단축됨
  • 위해식품 적발률도 8.4%에서 14.0%로 올라감

• 공공에서 만든 자동화 도구를 민간 시험·검사기관에도 나눠주기 시작했다는 점도 눈에 띔

  • 식품안전정보원은 AI 기반 직구식품 표시검사 자동화 프로그램을 민간 시험·검사기관 2곳에 무상 제공함
  • 공공기관 내부 효율화로 끝내지 않고, 민간 검사 생태계까지 같은 도구를 쓰게 만들려는 방향임
  • 식품 안전이라는 도메인은 데이터와 운영 표준이 중요해서, 이런 확산 구조가 실제 효과를 좌우할 가능성이 큼

---

기술 맥락

• 이 사례에서 선택한 방식은 사람의 심사를 없애는 게 아니라, 반복적인 문서 확인과 위험 선별을 AI로 앞단에서 줄이는 거예요. 수입식품 신고가 연간 85만 건 이상이면 모든 건을 같은 강도로 사람이 보는 방식은 확장성이 떨어지거든요.

• OCR, 번역, 교차검토를 한 파이프라인으로 묶은 게 중요해요. 해외제조업소 서류는 국가마다 언어와 양식이 다르기 때문에, 텍스트 추출만 잘해도 끝이 아니에요. 신청서 내용과 증빙서류가 맞는지 비교해야 실제 행정 처리 시간이 줄어요.

• 위험예측 모델은 “무엇을 먼저 볼 것인가”를 정하는 장치에 가까워요. 부적합 선별 정확도가 0.32%에서 0.66%로 오른 건 숫자만 보면 작아 보일 수 있지만, 처리량이 크면 검사관의 시간을 어디에 쓸지 바꾸는 효과가 생겨요.

• ISO/IEC 42001 인증을 강조한 이유도 이해돼요. 식품 안전처럼 민감한 공공 영역에서는 AI가 틀렸을 때 책임 소재가 중요하거든요. 그래서 모델 성능뿐 아니라 리스크 평가와 영향 평가 절차가 같이 있어야 운영에 들어갈 수 있어요.