정부의 AI 혁명은 더 나은 도구에서 시작된다, 데이터가 아니라

수십 년 동안 공공 부문 의사 결정은 취약하고 단편적인 시스템에 기반을 두고 있습니다. 정책 변경과 실시간 정보가 빠르게 진행되는 시대에 병목 현상은 더 이상 데이터에 대한 접근이 아니라, 의사 결정에 필요한 도구의 부족입니다. 사용자 친화성이 원시적인 데이터 축적보다 더 중요해졌으며, 정부가 어떻게 적응할 수 있는지, 즉 정책 실행을 더 빠르고, 더 안전하고, 더 책임감 있게 만드는 AI를 사용한 도구를 구축하거나 구매하는지를 질문합니다.

병목 현상: 사용자 친화성, 데이터 접근이 아니라

정부는 이미 입법 추적기, 규제 제출, 경제 지표, 위성 이미지, 개방형 미디어, 내부 보고서와 같은 정보의 바다를 가지고 있습니다. 핵심 문제는 이러한 정보가 의사 결정자에게 어떻게 도달하는지입니다. 이는 느리게, 부분적으로, 그리고 종종 필요한 맥락이나 출처 없이 진행됩니다. 미국의 감시 기관은 강한 거버넌스, 통합, 추적 가능성 없이 AI와 분석이 작동하지 않는다고 강조했습니다.

대시보드와 데이터 레이크만으로는 이 문제를 해결할 수 없습니다. 관리 연구에 따르면 대시보드는 사용자에게 유용하지만, 사용자를 현혹시키거나 압도할 수 있으며, 의사 결정이 개선되기 위해서는 구체적인 선택과 행동에 밀접하게 연결되어야 합니다. 또한 연구에 따르면 데이터를 분석하는 것보다 의사 결정 자체를 중심으로 데이터를 재구성할 때 분석의 실제 가치가 나타납니다.

기존 질서는 이제 AI가 바꿀 준비가 됐다

전 세계 정부는 낡은 시스템과 부족한 조직 기억, 복잡한 정책 요구의 홍수에 시달리고 있습니다. 이러한 구조적 문제는 AI 도구의 해결 능력이 빠르게 커지는 시점과 맞물리고 있습니다. 그 결과 현 체제가 흔들리고 변화의 필요성은 더욱 절박해지고 있습니다.

1) 패치워크 시스템이 지속된다. 중요한 정부 IT 시스템은 레거시 애플리케이션, 이메일 워크플로, 그리고 상호 작용하지 않는 데이터베이스의 모자이크입니다. 미국 정부 책임 감사국(GAO)은 수십 년 된 임무 임계 시스템을 지속적으로 플래그합니다. 이러한 시스템은 유지 보수가 어려우며 현대화하기 어렵습니다. 최근 2025년의 업데이트에서는 가장 위험한 플랫폼에 대한 자세한 정보를 제공했습니다. 세계은행의 GovTech 성숙도 지수는 디지털 정부 구축 블록이 어디에 있고 어디에 없는지에 대한 유용한 렌즈입니다. 한편, EU의 상호 운용 가능성 유럽 법은 공공 부문에서 공유 솔루션, 표준, 재사용을 법적 요구 사항으로 만듭니다.

2) 기관 기억이 사라진다. 이직과 퇴직은 맥락의 손실을 초래합니다. Partnership for Public Service는 2023 회계연도 미국 정부 전체의 이직률을 5.9%로 집계했습니다. 2022년보다 낮지만 지식 연속성에는 큰 영향을 줍니다. 고위 인력 연구도 인력 교체가 전문 지식과 관계를 훼손한다고 보여줍니다.

3) 정책 복잡성이 가속화된다. 규제 및 지침의 규모는 자동화된 변경 감지를 하지 않는 조직에 대한 맹점을 생성합니다. 미국 연방 등록부는 규칙, 제안된 규칙, 전체 페이지에 대한 연간 통계를 발표하여 기관과 규제 대상 실체가 추적해야 하는 규모와 변동성을 보여줍니다. 텍스트-데이터 프로젝트인 RegData는 규제 제한의 성장과 분포를 시간 경과에 따라 양적화하여 기계가 읽을 수 있는 증거를 제공합니다.

분석에서 작동으로: 정책을 위한 목적 지향 AI 에이전트

다음 물결은 분석에서 작동으로 이동합니다. 공공 부문의 목적 지향 AI 에이전트는 다음과 같은 기능을 수행해야 합니다.

• 관련 소스를 지속적으로 모니터링한다. 예를 들어, 미디어 신호를 대규모로 모니터링할 수 있습니다.
• 변경 사항을 맥락과 출처와 함께 플래그한다. 어떤 법령, 규칙, 또는 지침이 변경되었는지, 그리고 왜 중요한지에 대한 정보를 제공합니다.
• 첫 번째 패스 브리프와 영향 노트를 작성한다. 이는 책임 있는 정책 소유자와 연결된 권위 있는 출처 텍스트와 함께 제공됩니다.
• 생활 중인 이해관계자 맵을 유지한다. 이는 정적인 조직도가 아니라 권한과 영향력의 변화를 반영합니다.
• 직접 작동 지점에 통합한다. 이는 작업, 댓글 포털, 도구 시스템, 및 승인 체인과 같은 작동 지점에 통합하여 통찰력이 작동할 수 있습니다.

공공 부문의 지침은 이러한 전환을 지원합니다. NIST AI 위험 관리 프레임워크(AI RMF 1.0)는 AI가 유효, 신뢰할 수 있게, 안전, 보안, 회복력, 책임, 투명, 설명 가능, 및 개인 정보 보호를 강화하는 방법에 대한 관행을 제시합니다.

정부 AI 도구의 “좋은” 모습

모든 AI 솔루션이 공공 부문에 적합하지는 않습니다. 신뢰와 신뢰성을 유지하기 위해 도구는 높은 표준을 충족해야 하며, 투명성, 보안, 및 상호 운용성을 중심으로 구축되어야 합니다. 또한 조달 프레임워크는 책임을 강화해야 합니다.

1) 의사 결정 중심 설계입니다. 긴급 허가 발급, 제안된 규칙에 대한 의견, 상호작용 상담을 유발하는 요인처럼 위험도가 높은 의사결정부터 시작합니다. 업무에 필요한 최소한의 증거와 출처를 다시 연결하고 선택지를 제공하며 다음 조치를 명확히 표시합니다. 이는 맥락 파악, 위험 측정, 전체 수명주기에 걸친 통제 관리를 강조하는 AI RMF와도 일치합니다.

2) 설명 가능성 및 출처 연결, 기본값으로입니다. 모든 주장은 본문 인용과 타임스탬프를 통해 원문까지 추적할 수 있어야 합니다. 이는 사용자 경험과 거버넌스 모두의 요건입니다. GAO 책임성 프레임워크도 AI의 추적과 관리가 가능하도록 문서화와 감사 가능성을 강조합니다.

3) 보안 및 규정 준수이다. 작동 도구는 제로 트러스트 아키텍처 및 멀티 클라우드 및 분류된 네트워크의 현실과 일치해야 합니다. 미국의 경우, 클라우드 서비스에 대한 FedRAMP 승인 및 OMB의 제로 트러스트 전략을 설계하고, CISA의 제로 트러스트 성숙도 모델 v2.0을 구현해야 합니다.

4) 상호 운용성이다. 정책 실행은 기관, 정부 수준, 및 국경을 넘어 진행됩니다. API, 공유 어휘, 및 메타데이터 표준은 유용한 AI 도구의 필수 조건입니다. EU의 상호 운용 가능성 유럽 법은 설계와 함께 재사용 및 상호 운용성을 촉진하는 앞서가는 모델입니다.

5) 결과를 장려하는 조달이다. 기관은 조달 규칙 및 규정 복잡성이 AI 채택을 늦추고 있다고 보고합니다. 최근 평가에서는 AI 위험 요구 사항을 계약에 통합하고, 신뢰할 수 있는 AI를 위한 조달을 사용해야 한다고 강조합니다.

잠재적 결과 및 기회

잠재적 결과와 기회는 명확합니다. 국가 안보 및 경제 정책에서 작동 창은 주에서 일에서 시간으로 압축되고 있습니다. 국가 안보 위원회는 AI를 사용한 워크플로우에 적응하지 못하는 정부는 의사 결정 우위를 내줄 것이라고 경고했습니다. 맥락, 출처, 및 거버넌스를 도구에 통합하는 것은 작동 지연과 피할 수 있는 지연 사이의 차이를 만들 수 있습니다. 진정한 혁명은 또 다른 데이터 웨어하우스가 아니라, 의사 결정 지점에서 맥락, 출처, 및 책임을 통합하는 작동 AI 도구입니다. 올바르게 구축된 AI는 민주적 거버넌스의 핵심인 인간의 판단을 보완하는 것이 아니라, 강화하는 것입니다.