정부의 AI 혁명은 더 나은 도구에서 시작된다, 단지 더 나은 데이터가 아닌

수십 년 동안 공공 부문 의사 결정은 취약하고 단편적인 시스템에 기반해왔다. 빠른 정책 변경과 실시간 정보의 시대에 병목 현상은 더 이상 데이터에 대한 접근이 아닌 의사 결정에 필요한 도구의 부족이다. 사용자 친화성이 원시 데이터 누적보다 더 중요해졌고 정부가 어떻게 적응할 수 있는지, 즉 정책 실행을 더 빠르고 더 안전하고 더 책임감 있게 만드는 AI를 사용한 도구를 구축하거나購入할 수 있는지에 대한 질문이 남아 있다.

병목 현상: 사용자 친화성, 데이터 접근이 아님

정부는 이미 입법 추적기, 규제 제출, 경제 지표, 위성 이미지, 오픈 소스 미디어, 내부 보고서와 같은 정보의 海洋에 앉아 있다. 핵심 문제는 이러한 정보가 의사 결정자에게 어떻게 도달하는지이며, 이는 느리게, 부분적으로, 그리고 종종 contexto나 provenance가 필요한 행동에 필요한 contexto나 provenance가 없는 상태로 이루어진다. 미국의 감시 기관은 강한 거버넌스, 통합, 추적 가능성 없이, AI와 분석이 작동에 중요한 환경에서 운영 결정으로 번역되기 어렵다고 강조했다.

대시보드와 데이터 레이크만으로는 이 문제를 해결할 수 없다. 관리 연구에 따르면 대시보드는 유용하지만 사용자를 속일 수 있다고 하며, 이는 결정에 직접적으로 연결되지 않는 한 결정이 개선되지 않는다. 구체적인 선택과 행동에緊密하게 연결되지 않는 한 결정이 개선되지 않는다. 연구에 따르면 분석의 실제 가치는 데이터가 의사 결정 자체를 중심으로 재구성될 때에만 나타난다.

현状은 이제 AI 변화를 위해 성숙했다

전 세계 정부는 구식 시스템, 薄い 기관 기억, 그리고 복잡한 정책 요구의 홍수와 씨름하고 있다. 이러한 오랜 구조적 문제는 AI 도구가 이러한 문제를 해결할 수 있는 능력이 더 강해지는 시점에 발생하고 있어 현状은 더 이상 지속할 수 없으며 변화를 위한 경우가 급해졌다.

1) 패치워크 시스템이 지속된다. 중요한 정부 IT는 여전히 레거시 애플리케이션, 이메일 워크플로, 분리된 데이터베이스의 모자이크이다. 미국 정부 책임자 사무소(GAO)는 수십 년 된 임무 중요 시스템을 일관되게 표시하며, 이는 유지 보수가 비싸고 현대화가 어려우며, 2025年的 최근 업데이트에서는 가장 취약한 플랫폼을 자세히 설명했다. 전 세계적으로 정부는 플랫폼 수준의 기능으로 나아가고 있지만 진행은 불균일하다. 세계은행의 GovTech 성숙도 지수는 디지털 정부 구축 블록이 어디에 있고 어디에 아직 없는지에 대한 유용한 렌즈이다. 한편, EU의 상호 운용 가능한 유럽법은 상호 운용 가능성(공유 솔루션, 표준, 재사용)을 공공 부문 전반에 걸쳐 법적 요구 사항으로 만드는 접근 방식으로, 이는 유럽을 넘어서도 주목할 만하다.

2) 기관 기억이 사라진다. 이직과 퇴직으로 인해 contexto가 사라진다—누가 무엇을 결정하고, 왜 그리고 어떤 제약 아래서 결정하는지. 미국에서는 공공 서비스 파트너십이 2023 회계 연도에 정부 전체 이직률이 5.9%라고 보고했으며, 이는 2022년보다 낮지만 지식 연속성에 있어 여전히 중요한 영향을 미친다. 고위급 인력에 대한 연구도 인력 교체가 전문 지식과 관계를 어떻게 약화시키는지를 보여주며, 이는 집행 부서 전반에 걸친 조정을 위한 중요한 요소이다.

3) 정책 복잡성이 가속화된다. 규칙 및 지침의 규모는 자동화된 변경 감지를 하지 않는 조직에 대한 맹점을 생성한다. 미국 연방 등록부는 규칙, 제안된 규칙, 총 페이지 수에 대한 연간 통계를 발행하며, 이는 기관 및 규제 대상 기관이 추적해야 하는 규모와 변동성을 보여준다. 텍스트-데이터 프로젝트인 RegData는 규제 제한의 성장과 분포를 시간 경과에 따라 양적화하여, 모니터링 부담이 실제라는 것을 보여주는 기계가 읽을 수 있는 증거를 제공한다.

분석에서 작동으로: 정책을 위한 목적 지향 AI 에이전트

다음 波는 분석을 넘어 작동으로 이동한다. 공공 부문을 위한 목적 지향 에이전트는:

• 관련 소스를 지속적으로 모니터링하는 것(예: 미디어 신호를 대규모로 모니터링할 수 있음).
• 변경 사항을 contexto와 provenance와 함께 표시하는 것, 즉 어떤 법률, 규칙, 또는 지침이 이동했는지와 왜 중요한지에 대한 정보를 제공한다.
• 첫 번째草案 브리핑과 영향 노트를 작성하는 것, 이는 권위적인 원본 텍스트와 책임 있는 정책 소유자에 연결된다.
• 생동하는 이해 관계자 맵을 유지하는 것, 이는 정적 조직도를 반영하는 것이 아니라 권한과 영향力的 변화를 반영한다.
• 직접적으로 행동 지점에 통합하는 것, 즉 작업, 댓글 포털, 도CKET 시스템, 클리어런스 체인과 같은 지점에서 통찰력이 행동으로 변할 수 있다.

공공 부문 지침은 이러한 전환을 지원한다. NIST AI 위험 관리 프레임워크 (AI RMF 1.0) 는 AI를 유효, 신뢰할 수 있게, 안전, 보안, 회복力, 책임감, 투명, 설명 가능, 개인 정보 보호를 강화하는 관행을 제시한다. 2024년, 미국 관리 및 예산 사무소는 기관이 AI 사용 사례 인벤토리를 유지하고 공공의 권리 또는 안전에 영향을 미치는 사용에 대해 최소한의 위험 관행을 구현하도록 지시했다.

정부 AI 도구의 “좋은” 모습

모든 AI 솔루션이 공공 부문에 적합하지는 않다. 신뢰와 신뢰성을 유지하기 위해 도구는 더 높은 표준을 충족해야 하며, 투명성, 보안, 상호 운용성을 중심으로 구축되어야 하며, 조달 프레임워크는 책임감을 강화해야 한다.

1) 의사 결정 중심 설계. 높은 위험의 결정(예: 긴급 허가 발급, 제안된 규칙에 대한 댓글, 간부 협의 시작)에서 시작한다. 뒤로 돌아가서 행동에 필요한 최소한의 증거와 provenance를 찾는다. 옵션을 제시하고, 다음 행동을 명확하게 한다. 이는 AI RMF의 contexto 이해, 위험 측정, 제어 관리 강조와 일치한다.

2) 설명 가능성 및 소스 연결, 기본값으로. 모든 주장은 소스 문서에 인라인引用와 타임스탬프가 있는 상태로 추적 가능해야 한다. 이는 UX 요구 사항과 거버넌스 요구 사항 모두이다. GAO의 책임 프레임워크는 공공 임무에서 AI가 추적 가능하고 거버넌스를 강조하며, 문서화와 감사 가능성을 강조한다.

3) 보안 및 준수. 작동 도구는 제로 트러스트 아키텍처와 멀티 클라우드 및 분류된 네트워크의 현실에 따라야 한다. 미국의 경우, 이는 FedRAMP 승인 및 OMB의 제로 트러스트 전략과 CISA의 제로 트러스트 성숙도 모델 v2.0을 구현하는 것을 의미한다.

4) 상호 운용성. 정책 실행은 기관, 정부 수준, 국경을 넘어간다. API, 공유 어휘, 메타데이터 표준은 유용한 AI 도구의 필수 조건이다. EU의 상호 운용 가능한 유럽법은 상호 운용 가능성(공유 솔루션, 표준, 재사용)을 디자인의 일부로 승진하는 전방향 모델이며, 이는 2024년 7월부터 적용되며 2025년에 추가 의무를 चरण적으로 도입한다. 세계은행 GTMI 증거는 또한 플랫폼 수준의 기능이 더 나은 서비스 제공과 회복력과 관련이 있음을 보여준다.

5) 결과를 강화하는 조달. 기관은 일관되게 조달 규칙과 복잡성이 AI 채택을 늦추고 있다고 보고한다. 최근 평가는 AI 위험 요구 사항을 계약에 통합하고, 공공의 권리나 안전에 영향을 미치는 사용에 대해 최소한의 위험 관행을 구현해야 함을 강조한다. GAO의 2025 연방 기관의 생성적 AI 사용 검토는 기존 정책 준수, 기술 자원 제약, 적절한 사용 정책을 최신 상태로 유지하는 것과 같은 도전을 밝혔다.

높은 위험과 기회

높은 위험과 기회는 명확하다. 국가 안보와 경제 정책 모두에서 행동의 창은 주에서 일로, 시간에서 시간으로 좁혀지고 있다. 국가 안보 위원회 최종 보고서는 AI를 사용한 워크플로우를 채택하지 못하는 정부는 의사 결정 우위를 잃을 것이라고 경고했으며, 거버넌스를 구축한 도구는 적절한 행동과 지연 가능 사이의 차이를 만들 수 있다. 진정한 혁명은 또 다른 데이터 웨어하우스가 아니라, contexto, provenance, 책임감을 의사 결정 지점에 내장하는 작동 AI 도구이다. 올바르게 수행되면, AI는 민주적 거버넌스의 핵심인 인간의 판단을 강화하는 것이 아니라 대체하는 것이다.