중국 일대일로 금융 데이터를 통합한 AI 연구 플랫폼, BRI DataLab의 구조와 한계

-

세계 지도와 항만, 철도, 교량, 전력망을 배경으로 금융 데이터와 정책 문서가 중앙의 투명한 AI 분석 시스템으로 모이는 모습
BRI DataLab은 분산된 중국 일대일로 인프라 금융 데이터와 정책·학술 문서를 하나의 AI 연구 환경에서 검색하고 교차 검증할 수 있도록 통합했다.


중국의 일대일로(Belt and Road Initiative·BRI)를 연구하려면 서로 다른 세계를 오가야 했다. 한쪽에는 수만 건의 대출과 보조금 기록이 있고, 다른 한쪽에는 중국 정부의 정책 문서와 국제기구 보고서가 있다. 여기에 부채 지속가능성, 거버넌스, 이른바 ‘부채 함정 외교’를 다룬 수많은 학술 논문까지 더해진다. 자료는 풍부하지만 서로 연결되지 않아, 연구자가 하나의 질문에 답하려면 여러 데이터베이스와 문서 저장소를 직접 대조해야 했다.

인도공과대학교 마드라스(IIT Madras)의 사눕 사잔 코시(Sanoop Sajan Koshy) 연구원이 개발한 BRI DataLab은 이러한 자료의 분절 문제를 해결하기 위한 오픈소스 연구 플랫폼이다. 이 시스템은 중국의 해외 인프라 금융 데이터, 정부 정책 문서, 국제기구 보고서, 학술 문헌을 하나의 검색 환경에 연결한다. 다만 이 플랫폼의 가치는 생성형 AI가 모든 질문에 답해 준다는 데 있지 않다. AI가 무엇을 말할 수 있고 무엇을 말해서는 안 되는지를 시스템 차원에서 제한했다는 점이 더 중요하다.


BRI DataLab 연구 핵심 내용

  • 에이드데이터(AidData)의 3만 3,580개 금융 기록을 정제해 4,861개 인프라 프로젝트로 통합했다.
  • 중국 정부 정책 문서, 일대일로 정상포럼 자료, 국제기구 보고서, 주요 학술 연구 등 42개 영문 문서를 선별했다.
  • 42개 문서를 4,369개의 텍스트 조각으로 나누어 의미 기반 검색이 가능하도록 색인했다.
  • 질문의 성격에 따라 정형 데이터, 문서, 두 자료를 함께 검색하는 하이브리드 경로로 자동 분류했다.
  • 검색된 자료에 없는 내용을 AI가 임의로 보충하지 못하도록 8가지 인식론적 규칙을 적용했다.
  • 플랫폼의 결과는 확정된 연구 결론이 아니라 추가 검증이 필요한 탐색 자료로 사용해야 한다.


분산된 일대일로 데이터가 연구를 어렵게 만든 이유

BRI DataLab이 사용한 핵심 원천 자료는 에이드데이터의 ‘중국 글로벌 대출 및 보조금 데이터세트 v1.0’이다. 이 자료에는 2000년부터 2023년까지 중국 정부 기관이 165개 수원국에 제공한 공식 금융 기록 3만 3,580건이 들어 있다. 전 세계 183개국을 포괄하는 BRI DataLab의 최종 자료와 달리, 원천 데이터의 직접적인 수원국은 165개국이라는 점을 구분해야 한다.

문제는 원천 자료가 완성된 사업이 아니라 금융 트랜치(tranche), 즉 분할된 자금 제공 단위로 기록돼 있다는 점이다. 하나의 발전소나 도로 사업에 여러 차례 금융이 제공되면 각각이 별도의 행처럼 나타난다. 이를 그대로 이용하면 동일한 사업이 여러 건으로 계산돼 프로젝트 수와 금융 규모가 왜곡될 수 있다.

자료의 종류가 지나치게 넓다는 문제도 있었다. 원천 데이터에는 에너지·교통·통신 사업뿐 아니라 일반 예산 지원, 장학금, 기술 지원, 채무 구제도 포함돼 있다. 물리적 인프라 금융을 연구하려면 관련 사업을 선별하고, 여러 트랜치를 하나의 프로젝트로 합치며, 연도별 화폐가치 차이까지 조정해야 한다.

정책과 학술 자료도 흩어져 있었다. 중국 재무부의 금융 지침, 일대일로 정상포럼 공동선언문, 세계은행과 IMF 보고서, 부채와 정치경제를 다룬 논문이 서로 다른 정부·기관·학술 사이트에 나뉘어 있었다. 기존 검색 도구는 이 가운데 한 종류의 자료만 다루는 경우가 많았다. 범용 생성형 AI는 여러 자료를 한꺼번에 설명할 수 있지만, 답변이 어떤 원문에 근거했는지 확인하기 어렵고 사실처럼 보이는 잘못된 내용을 만들어 낼 위험이 있었다.

3만 3,580개 금융 기록을 4,861개 프로젝트로 정제한 방법

연구자는 에이드데이터의 원천 자료를 네 단계로 정제했다. 먼저 에너지, 교통, 통신, 상하수도, 산업·광업·건설 등 인프라와 직접 관련된 분야만 남겼다. 이어 같은 Parent_ID를 가진 금융 기록을 묶어 여러 트랜치를 하나의 프로젝트로 통합했다.

세 번째 단계에서는 서구 상업은행이 중국 국유기관과 공동으로 자금을 제공한 사업을 별도로 표시했다. 이러한 공동금융을 모두 중국의 공식 금융으로 간주하면 성격이 다른 자금이 섞일 수 있기 때문이다. 공동금융 사업을 제외한 핵심 분석표에는 4,498개 프로젝트가, 이를 포함한 전체 표에는 4,861개 프로젝트가 들어갔다.

마지막으로 서로 다른 연도의 금액을 비교할 수 있도록 모든 분석 금액을 2023년 불변 달러로 환산했다. 명목금액도 참고용으로 보존했지만, 주요 분석에는 물가 변화를 반영한 ‘Amount_Constant_USD_2023’ 항목을 사용했다. 일관되지 않거나 지나치게 긴 사업명은 GPT-4o-mini를 이용해 정리했으며, 이 과정에서 금액이나 국가·분야 같은 실질 데이터는 변경하지 않았다.


42개 핵심 문서를 검색 가능한 지식 저장소로 구축

정형 금융 데이터만으로는 숫자가 나타난 배경을 해석하기 어렵다. 연구자는 이를 보완하기 위해 2015년부터 2026년까지 발표된 42개 영문 자료를 네 범주로 나누어 수집했다.

자료 범주 문서 수 주요 내용
중국 정부 공식 정책 10개 일대일로 백서, 재무부 금융 지침, 녹색·에너지 협력 정책
공식 연설과 정상포럼 공동선언 6개 일대일로 정상포럼 기조연설과 공동선언문
국제기구·연구기관 보고서 12개 세계은행, IMF, UN, AidData, GFDC 보고서
학술·연구 문헌 14개 중국 해외 인프라 금융, 부채 지속가능성, 정치경제 연구

42개 PDF 문서는 약 1,400자 단위로 나뉘어 총 4,369개의 텍스트 조각으로 만들어졌다. 이 조각들은 OpenAI의 text-embedding-3-small 모델로 벡터화한 뒤 ChromaDB에 저장됐다. 사용자가 질문하면 시스템은 단어가 정확히 일치하는 문장만 찾는 것이 아니라 의미상 가까운 문단을 찾아낸다.

그러나 의미가 가깝다고 해서 분석에 반드시 필요한 자료라는 뜻은 아니다. 벡터 검색은 관련 가능성이 높은 문장을 찾는 도구일 뿐, 모든 핵심 자료를 빠짐없이 찾아 준다는 보장은 없다. 따라서 검색된 문서 조각도 연구자가 원문과 다시 대조해야 한다.

정형 데이터와 문서를 연결하는 검색증강생성 시스템

BRI DataLab은 검색증강생성(Retrieval-Augmented Generation·RAG)을 사용한다. RAG는 언어모델이 기억하고 있는 일반 지식만으로 답하지 않고, 지정된 데이터베이스와 문서에서 먼저 근거를 찾은 뒤 그 내용을 바탕으로 답변을 구성하는 방식이다.

정형 데이터는 분석용 데이터베이스인 DuckDB에 저장되고, 정책·학술 문서는 벡터 데이터베이스인 ChromaDB에 저장된다. LlamaIndex가 두 저장소와 언어모델을 연결한다. GPT-4o는 SQL 생성, 데이터 해석, 하이브리드 답변 합성을 담당하고, GPT-4o-mini는 질문 분류와 검색 경로 결정에 사용된다.

  1. 주제 범위 판별: 질문을 일대일로·중국 인프라 금융과 직접 관련된 질문, 인접 분야 질문, 범위를 벗어난 질문으로 나눈다.
  2. 문서 검색 강제: 백서, 연설, 시진핑 발언, 금융 지침, 부채 지속가능성 프레임워크처럼 원문 확인이 필요한 표현이 나오면 문서 검색 경로로 보낸다.
  3. 하이브리드 검색 강제: 추세, 분야, 비교, 정책, 최근 동향처럼 숫자와 해석이 함께 필요한 질문은 데이터와 문서를 동시에 검색한다.
  4. 기본 AI 라우팅: 앞선 규칙에 해당하지 않는 질문은 GPT-4o-mini가 데이터, 문서, 하이브리드 경로 가운데 하나로 분류한다.

2024년 이후의 상황을 묻는 질문에는 별도 규칙이 적용된다. 정형 금융 데이터가 2023년까지만 포함하기 때문이다. ‘현재’, ‘진행 중’, ‘2024~2026년’과 같은 표현이 들어가면 시스템은 최신 GFDC 일대일로 투자 보고서를 참고하면서 정형 데이터의 시점이 2023년에 끝난다는 사실을 명시한다.


AI의 환각을 줄이기 위한 8가지 검증 규칙

이 플랫폼을 ‘환각이 없는 AI’라고 단정하는 것은 정확하지 않다. 논문도 시스템의 제약이 잘못된 답변의 위험을 줄일 수는 있지만 완전히 없애지는 못한다고 밝혔다. BRI DataLab의 특징은 AI의 신뢰성을 전제로 삼지 않고, 잘못된 추론을 억제하는 규칙을 설계했다는 데 있다.

시스템 프롬프트에는 8가지 인식론적 규칙이 들어 있으며, 논문은 그중 분석적으로 중요한 다섯 가지를 구체적으로 설명했다.

  • 검색 출처에 근거한 주장만 허용: 해당 질의에서 검색된 문서나 데이터에 없는 내용은 일반 학습 지식으로 보충하지 않는다.
  • 논쟁적인 주장에 출처 표시: 중국 금융의 전략적 동기, 거버넌스와 부패, 중국과 서구 금융의 차이처럼 논쟁이 있는 내용은 특정 출처의 주장으로 명시한다.
  • 약정액과 집행액 구분: 에이드데이터의 금융 수치는 실제 지급액이 아니라 지원하기로 합의한 약정액이라는 사실을 표시한다.
  • 근거 없는 인과관계 금지: 정량 연구가 뒷받침하지 않는 한 ‘초래했다’거나 ‘원인이 됐다’는 표현을 사용하지 않는다.
  • 분석 노트 자동 첨부: 답변이 확인한 사실, 확인하지 못한 내용, 추가 검증이 필요한 부분을 마지막에 밝힌다.

하이브리드 답변을 작성한 뒤에는 자체 수정 단계도 거친다. 시스템은 질문에 제대로 답했는지, 숫자가 검색 결과와 일치하는지, 근거 없는 인과 표현이 들어갔는지, 특정 국가에 관한 질문에 구체적으로 답했는지를 다시 검사한다. 문제가 발견되면 초안을 고쳐 작성한다. 다만 이 검토 역시 언어모델이 수행하므로 사람의 검증을 대신할 수는 없다.

남아시아 중국 인프라 금융 분석에서 확인된 작동 사례

연구자는 세 가지 사례를 통해 데이터 전용, 문서 전용, 하이브리드 검색 경로가 의도대로 작동하는지 점검했다. 첫 번째 사례에서는 “남아시아에서 중국 인프라 금융 약정액이 가장 큰 분야와 각 분야의 최대 수혜국은 어디인가”라고 질문했다.

‘분야’라는 표현 때문에 하이브리드 검색이 실행됐다. 데이터 분석에서는 에너지와 교통·보관이 남아시아의 주요 금융 분야로 나타났고, 파키스탄이 두 분야 모두에서 가장 큰 약정액을 기록했다. 논문에 제시된 화면에서는 에너지 약정액이 약 230억 2,000만 달러, 교통·보관이 약 194억 1,000만 달러로 표시됐다.

시스템은 이러한 숫자만으로 중국의 정치적·전략적 동기를 설명하지 않았다. 금융 데이터가 어느 국가와 분야에 약정이 집중됐는지는 보여줄 수 있지만, 왜 그러한 결정이 내려졌는지는 별도의 문서와 정치경제 분석이 필요하다고 밝혔다.

두 번째 사례에서는 중국 정부 백서와 일대일로 정상포럼 문서가 금융 원칙을 어떻게 설명하는지 물었다. 시스템은 문서 검색 경로를 선택해 중국 재무부의 2017년 금융 지침, 2019년 부채 지속가능성 프레임워크, 정상포럼 공동선언문, 세계은행 보고서를 찾아냈다. 투명성, 지속가능성, 상호이익, 위험관리라는 공식 원칙을 요약하되, 이를 실제 사업 성과가 아니라 중국 정부와 관련 기관이 제시한 정책적 입장으로 구분했다.

세 번째 사례는 아프리카와 남아시아를 비교했다. 시스템은 두 지역 모두에서 교통·보관이 가장 큰 분야이며 에너지와 산업·광업·건설이 뒤를 잇는다고 분석했다. 부채 위험에 관한 내용은 세계은행과 IMF의 평가에 출처를 붙였으며, 지역 내부의 국가별 차이가 크다는 한계도 함께 제시했다.


검증 사례가 플랫폼의 정확도를 완전히 입증하지는 못한다

논문에 제시된 세 사례에서는 검색 경로가 의도대로 선택됐고, 출력된 숫자도 데이터 탐색기의 결과와 일치했다. 그러나 세 가지 시연만으로 전체 질문에 대한 라우팅 정확도와 답변 신뢰성이 통계적으로 검증됐다고 볼 수는 없다.

연구자도 이 점을 분명히 인정했다. 현재 평가는 대표적인 사용 사례를 보여주는 정성적 검증에 가깝다. 다양한 질문으로 라우팅 정확도, 문서 검색 품질, 수치 오류율, 답변 합성의 신뢰도를 측정한 체계적인 벤치마크 연구는 아직 수행되지 않았다. 플랫폼이 실제 연구자의 작업 효율과 자료 발견 능력을 얼마나 높이는지 평가하는 사용자 연구도 앞으로 필요한 과제로 남아 있다.

BRI DataLab 금융 수치를 해석할 때 주의할 점

첫째, 모든 금융 수치는 집행액이 아니라 약정액이다. 약정액은 중국 정부나 금융기관이 사업에 자금을 제공하기로 합의한 규모다. 돈이 실제로 지급됐는지, 어느 정도 지급됐는지, 공사가 완공됐는지는 이 데이터만으로 확인할 수 없다.

둘째, 약 19%의 프로젝트는 약정액이 공개되지 않았다. 따라서 플랫폼이 제시하는 총액은 실제 중국 인프라 금융 약정 규모보다 작을 가능성이 있다. 비공개 금액 비율은 국가마다 다르므로 일부 국가의 총액은 특히 불완전할 수 있다. 연구자는 이 수치를 확정적인 총액이 아니라 확인 가능한 최소치로 읽어야 한다.

셋째, 공식 금융만 포함한다. 중국 민간기업의 해외직접투자, 비공식 자금 흐름, 일부 지방정부 금융은 데이터 범위에서 제외된다. 예를 들어 중국·파키스탄 경제회랑(CPEC)의 전체 규모로 널리 인용되는 수치에는 발표된 사업 패키지와 민간투자가 섞여 있어 BRI DataLab의 공식 금융 수치와 직접 비교하기 어렵다.

넷째, 문서 수집고는 영문 자료로 한정된다. 중국어로 작성된 지방정부 계획, 부처 간 지침, 당 문건, 협상 기록, 세부 계약서가 포함되지 않았다. 중국 국내의 정책 결정 과정이나 개별 사업의 계약 조건을 연구하려면 중국어 원문 자료를 별도로 조사해야 한다.

다섯째, 42개 문서가 전체 학계의 견해를 대표하지 않는다. 인용도가 높거나 연구 목적에 부합하는 주요 자료를 선별했지만, 중국 해외금융을 둘러싼 모든 이론과 논쟁을 포괄하지는 않는다. 어떤 문서를 포함하거나 제외했는지가 AI 답변의 범위와 관점에 영향을 줄 수 있다.

오픈소스 플랫폼이지만 완전한 재현에는 제약이 있다

BRI DataLab의 소스코드는 공개돼 있고 Streamlit, DuckDB, ChromaDB, LlamaIndex 같은 도구를 사용한다. 연구자는 데이터 처리 과정과 문서 선정 기준, AI 제약 규칙을 논문에 공개했다. 이러한 투명성은 다른 연구자가 시스템의 설계와 한계를 검토할 수 있게 한다.

그러나 질의 분류와 답변 합성에는 상용 모델인 GPT-4o와 GPT-4o-mini가 사용된다. 모델이 업데이트되거나 서비스 조건이 바뀌면 같은 질문에도 결과가 달라질 수 있다. 따라서 소스코드가 공개됐다는 사실만으로 모든 분석을 동일하게 재현할 수 있는 것은 아니다. 연구자는 앞으로 성능이 충분한 공개 가중치 모델로 교체하는 방안을 과제로 제시했다.


생성형 AI를 사회과학 연구에 안전하게 활용하는 방법

BRI DataLab이 보여준 가장 중요한 원칙은 AI의 유창함과 연구의 정확성을 구분하는 것이다. 언어모델은 근거가 부족해도 자연스럽고 자신감 있는 문장을 만들 수 있다. 연구 플랫폼은 AI가 무엇이든 답하도록 만들기보다, 근거가 없을 때 답하지 못하도록 설계해야 한다.

특히 일대일로처럼 정치적·학술적 논쟁이 큰 분야에서는 공식 문서의 주장과 독립적인 연구 결과를 구분해야 한다. 중국 정부가 지속가능성과 투명성을 강조했다는 사실은 문서로 확인할 수 있지만, 실제 사업이 그 원칙을 얼마나 이행했는지는 별도의 경험적 조사 대상이다. 마찬가지로 특정 국가의 약정액이 많다는 데이터만으로 중국의 전략적 목적이나 그 나라의 부채 위기를 단정할 수 없다.

BRI DataLab은 이러한 경계를 답변 안에 드러낸다. 어떤 숫자가 데이터에서 나왔는지, 어떤 설명이 정부나 국제기구 문서에 근거했는지, 무엇이 아직 확인되지 않았는지를 나누어 제시한다. 이는 AI가 연구자를 대신해 결론을 내리는 방식이 아니라, 연구자가 자료를 더 빠르게 발견하고 교차 검증하도록 돕는 방식이다.


BRI DataLab 연구의 의의와 향후 과제

BRI DataLab의 성과는 새로운 원천 데이터를 발견한 데 있지 않다. 이미 공개된 금융 데이터와 정책 문서, 국제기구 보고서, 학술 문헌을 하나의 질의 환경에 연결한 것이 핵심이다. 연구자는 파키스탄의 에너지 인프라 금융 규모를 확인하면서 중국 정부의 에너지 협력 원칙과 연구기관의 녹색금융 평가를 같은 질문 안에서 비교할 수 있다.

이러한 방식은 일대일로 연구를 넘어 기후금융, 국제원조, 보건정책, 공공예산처럼 정형 통계와 방대한 문서가 함께 존재하는 분야에도 적용할 수 있다. 자료를 모으는 시간을 줄이면서도 출처와 분석 한계를 투명하게 보여준다면 생성형 AI는 사회과학 연구의 유용한 탐색 도구가 될 수 있다.

다만 BRI DataLab의 출력은 연구 결과가 아니라 연구의 출발점이다. 특히 금융 수치는 반드시 데이터 탐색기에서 다시 확인하고, 중요한 문장은 인용된 원문을 열어 문맥을 검토해야 한다. 향후에는 중국어 자료 확대, 집행액 데이터 추가, 공개 가중치 모델 도입, 체계적인 성능 벤치마크, 연구자 대상 사용자 평가가 필요하다.

자주 묻는 질문

BRI DataLab의 금융 수치는 실제 지급된 돈인가

아니다. 플랫폼의 수치는 원칙적으로 금융 약정액이다. 중국 정부나 금융기관이 자금을 제공하기로 합의했다는 뜻이며, 실제 지급액과 사업 완공 여부는 별도로 확인해야 한다.

BRI DataLab은 생성형 AI의 환각을 완전히 막을 수 있나

완전히 막을 수는 없다. 검색된 자료만 사용하도록 제한하고 자체 검토 단계를 적용해 위험을 줄이지만, 검색 누락이나 수치 해석 오류가 발생할 수 있다. 논문도 중요한 금융 수치는 데이터 탐색기에서 재확인하라고 권고한다.

일반적인 생성형 AI와 BRI DataLab은 무엇이 다른가

범용 생성형 AI는 광범위한 학습 지식을 이용하지만 답변의 출처가 명확하지 않을 수 있다. BRI DataLab은 정제된 프로젝트 데이터와 선정된 42개 문서에서 근거를 검색하고, 출처가 부족하면 그 한계를 밝히도록 설계됐다.

BRI DataLab으로 중국의 정치적 의도를 분석할 수 있나

금융의 국가별·분야별 분포와 정부 문서의 공식 설명은 비교할 수 있다. 그러나 자금 배분의 실제 정치적 동기나 인과관계를 데이터만으로 확정할 수는 없다. 이를 분석하려면 계약서, 협상 과정, 현지 정치 상황 등 추가 자료가 필요하다.

BRI DataLab은 모든 일대일로 사업을 포함하나

그렇지 않다. 중국의 공식 해외금융 가운데 인프라 관련 사업을 중심으로 구성됐다. 민간투자, 비공식 금융, 일부 지방정부 자금은 제외되며, 약정액이 공개되지 않은 프로젝트도 존재한다.


결론

BRI DataLab은 중국 일대일로 금융 연구에서 오랫동안 분리돼 있던 숫자와 문서를 하나의 분석 환경으로 연결했다. 3만 3,580개의 금융 기록을 4,861개 프로젝트로 정제하고, 42개 핵심 문서를 4,369개의 검색 단위로 구축해 정형 데이터와 정책·학술 자료를 함께 탐색할 수 있게 했다.

이 연구가 던지는 메시지는 단순하다. 생성형 AI의 답변을 신뢰하라고 요구하기보다, 답변의 근거와 한계를 확인할 수 있도록 시스템을 설계해야 한다는 것이다. BRI DataLab은 완벽한 자동 연구자가 아니다. 그러나 AI가 함부로 단정하지 못하게 하고 연구자가 근거를 추적하도록 돕는다는 점에서, 데이터 집약적 사회과학 연구 플랫폼이 나아갈 방향을 보여준다.

출처

Koshy, S. S. (2026). BRI DataLab: an AI-assisted research platform for Chinese infrastructure finance. Frontiers in Big Data, 9, 1863692. https://doi.org/10.3389/fdata.2026.1863692