인사이트 리포트/상세 기사
loading...

디지털전환

공공 AX, 이제는 실행이다: 사례로 보는 공공 AI 전환 전략

김정현

Executive Summary

  • 공공 AX의 핵심은 기술 도입이 아닌 행정 운영 체계를 AI 중심으로 재설계하는 일입니다. 공공 AI의 성패는 모델 성능보다 데이터 구조화, 보안 체계, 조직 운영 기준을 통합한 실행 프레임워크에 의해 결정됩니다.
  • 공공기관 AI 도입의 성패는 AI가 정확히 읽을 수 있는 데이터 구조에 달려 있습니다. 분산된 행정 문서를 구조화하고 AI가 이해할 수 있는 형태로 전환해야만, 정확성과 설명 가능성을 갖춘 AI 활용이 가능합니다.
  • 에이전틱 행정은 공무원이 '찾아가는 AI'가 아니라 '먼저 준비하는 AI'입니다. 공무원이 별도 AI 도구를 찾아 쓰는 단계를 넘어 일상 업무 흐름 속에 내재화될 때, 행정 효율과 의사결정 품질이 동시에 향상됩니다.
  • 공공 AI는 개인의 도구가 아닌 조직 공용 인프라입니다. 인증, 권한, 로그, 감사 체계를 포함한 공용 AI 인프라 설계가 선행되어야 안정적인 확산이 가능합니다.

2026년 공공부문은 AI 도입을 검토하는 단계를 넘어, 이를 실제 사업과 운영으로 확장하는 국면에 들어섰습니다. 이제 전자정부는 단순한 시스템 구축의 집합이 아니라, 공공 AI를 행정 업무에 안정적으로 적용하고 운영하는 체계로 발전하고 있습니다.

이 변화는 정책과 제도에서도 확인됩니다. 행정안전부는 ‘세계 최고의 AI 민주정부’ 구현을 목표로 범정부 AI 공통기반, 공공 AI 시장 창출, 공공데이터 개방 확대를 함께 추진하고 있습니다.[1] 또한 2026년 4월에는 중앙부처·지방정부·공공기관의 AI 사업 기획부터 데이터 준비, 기술 검증, 활용 확산까지 지원하는 범정부 '공공AI사업지원센터'를 개소해, 공공 AX를 더 이상 선언이 아닌 실행 체계로 옮기기 시작했습니다.[2] 여기에 2026년 1월 22일부터 시행된 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」은 공공부문 AI 확산의 제도적 기반을 강화하며, 기술 도입의 속도만큼 신뢰와 책임의 체계화가 중요하다는 점을 분명히 하고 있습니다.[3]

이제 공공기관에 더 중요한 질문은 ‘어떤 AI를 도입할 것인가’보다 ‘AI가 실제 업무를 어떻게 바꿀 수 있는가’입니다 공공 AX의 성패는 기술 자체보다, 데이터를 실제로 활용할 수 있는 형태로 정리하고, 보안과 권한 체계를 설계하며, 조직 단위의 운영 기준을 함께 세우는 데 달려 있습니다. 특히 최근 강조되는 ‘에이전틱 행정’은 공무원이 필요할 때마다 별도 AI 도구를 찾아가는 방식이 아니라, 메일·문서·회의·검색 같은 일상 업무 흐름 안에서 AI가 자연스럽게 보조하는 구조를 뜻합니다.

이 변화는 공공의 과제이기도 하지만, 동시에 민간에서 이미 먼저 경험한 과제이기도 합니다. 물론 공공은 민간보다 더 높은 책임성, 설명 가능성, 감사 가능성, 보안 통제를 요구받기 때문에 민간 사례를 그대로 가져올 수는 없습니다. 그렇지만 어떤 문제가 먼저 발생했고, 이를 어떤 방식으로 풀었는지를 살펴보면 공공 AX를 추진할 때 참고할 수 있는 실행 원칙은 분명히 있습니다. 그런 점에서 지금 필요한 것은 민간 사례의 단순 차용이 아니라, 공공의 제도와 책임 구조에 맞는 방식으로, 선별적으로 재해석하는 일입니다.

공공 AX에서 왜 ‘지식의 자산화’가 중요한가

공공 행정의 가장 큰 자산은 법령, 지침, 매뉴얼, 결재 문서, 민원 응답 이력처럼 오랜 시간 축적된 문서들입니다. 그러나 이런 자료가 부서별 서버, 개별 시스템, 개인 PC에 흩어져 있다면 축적의 가치가 실무로 이어지기 어렵습니다. 같은 질문에도 부서마다 답변 품질이 달라지고, 담당자가 바뀔 때마다 업무 연속성이 흔들리는 이유도 여기에 있습니다.

최근 공공 AX의 핵심 과제는 바로 이 잠든 문서를 실시간으로 활용할 수 있는 지능형 지식 자산으로 전환하는 데 있습니다. 실제로 정부는 단순한 업무 자동화를 넘어, 방대한 공공 데이터를 AI가 이해하고 답변할 수 있도록 범정부 AI 서비스 인프라를 확장하고 있습니다. 국민권익위원회는 국민신문고와 민원정보분석시스템에 생성형 AI를 도입해 민원 답변 추천, 빈발·중복 민원 일괄처리, AI 기반 민원 분석 체계를 구축했고, 2026년 2월부터 본격 서비스를 개시했습니다. 이 과정에서 AI는 관련 법령, 기존 민원 사례, 업무 매뉴얼 등을 분석해 답변 초안을 제시하고, 동일·유사 민원을 자동 선별·군집화해 처리 효율을 높이는 역할을 맡고 있습니다.[4] 법제처 역시 2026년부터 생성형 AI 법령정보 서비스를 본격적으로 구축하며, 국가법령정보센터에 법령 분야 특화 언어모델과 RAG를 적용해 법조문, 입법 취지, 판례·해석례를 더 정확하게 제공하는 체계를 고도화하고 있습니다. [5] 두 사례가 보여주는 공통점은 분명합니다. 공공 AI의 가치는 단순히 ‘답변을 생성하는 기능’이 아니라, 방대한 행정 지식을 실제 업무에 연결하는 능력에서 나온다는 점입니다.

하지만 실제 현장에서는 공공부문 AI 활용에 어려운 문제도 존재합니다. 공공 문서는 표 구조가 복잡하고, 비정형 문서가 많으며, 연도별 개정 이력과 버전 충돌도 빈번합니다. 특히 HWP 중심의 문서 환경은 생성형 AI가 문맥을 정확히 이해하는 데 큰 장벽이 됩니다. 이러한 구조를 정교하게 처리하지 못하면, AI는 겉보기에는 자연스럽지만 실제로는 근거가 불명확한 답변을 내놓기 쉽습니다. 공공부문에서 가장 경계해야 할 리스크인 환각(hallucination)이 바로 여기서 발생합니다.

삼성바이오로직스는 규제기관과 고객사 감사 대응을 위해 생성형 AI 기반 업무 자동화 PoC를 수행했습니다.[6] 이 프로젝트의 핵심은 수만 페이지 분량의 SOP(표준작업지침서)와 규제 문서를 AI가 단순히 읽는 것이 아니라, 정확한 근거와 맥락을 바탕으로 찾아내고 답할 수 있도록 만드는 데 있었습니다. 산업은 다르지만, 규제 산업의 감사 대응과 공공의 법령 질의, 민원 답변 초안 작성, 내부 규정 검색은 모두 “문서에 근거해 정확하게 답해야 하는 업무”라는 점에서 구조적으로 닮아 있습니다. 이 사례가 보여주듯 중요한 것은 어떤 모델을 선택하느냐보다 AI가 이해할 수 있도록 문서를 어떻게 구조화할 것인가입니다. 공공부문에서도 핵심은 모델 자체보다 문서의 단위화, 메타데이터 설계, 검색 구조, 출처 제시 방식, 최신성 관리에 있습니다. 결국 공공부문 AI 전환에 먼저 필요한 것은 ‘좋은 AI’ 그 자체보다 ‘AI가 정확히 읽을 수 있는 데이터 구조’입니다.

[그림1] 공공부문 AI 활용을 위한 지식 자산화 (작성자 제작)

공공부문 AI 활용을 위한 지식 자산화 이미지로 지식 자산화 과정을 보여주고 있으며 1. 문서 단위화 - 문서를 작은 단위로 분할, 2. 메타데이터 설계 - 문서에 대한 관련 정보 추가, 3. 검색 구조 개선 - AI가 검색할 수 있는 효율적인 구조화, 4. 출처 검증 - AI 답변 근거를 명확히 제시하고 관리, 5. 최신성 관리 - 문서가 항상 최신 상태인지 확인 이 단계별로 나와있고 1단계 하단에 공공 AX의 구조적 어려움, 5단계 하단에 성공적인 공공 AI 도입 이라고 적혀 있다.

민간의 여러 기업들이 생성형 AI를 단일 기능이 아니라, 지식 자산과 업무 시스템을 연결하는 플랫폼 관점에서 접근하는 이유도 여기에 있습니다. 공공기관 AI 도입에도 중요한 것은 흩어진 행정 지식을 실제 업무에 바로 활용할 수 있는 형태로 전환하고 이를 안정적으로 운영할 수 있는 플랫폼 기반을 갖추는 일입니다. 이러한 요구를 충족하려면 문서 기반 근거 제시, 내·외부 데이터 연계, 업무별 AI 기능 운영을 통합적으로 지원하는 생성형 AI 플랫폼이 필요합니다. 코파일럿, OpenAPI, MCP 기반 연결 구조를 통해 외부 데이터와 시스템을 유연하게 연결하고, 데이터부터 에이전트까지 맞춤형 AI 자산을 설계·운영할 수 있는 FabriX와 같은 플랫폼이 그 예가 될 수 있습니다.

찾아 쓰는 AI vs 먼저 준비하는 AI

최근 GovTech의 핵심 화두는 ‘에이전틱 행정(Agentic Administration)’입니다.[7] 이는 공무원이 필요할 때마다 특정 AI 사이트에 접속하는 ‘찾아가서 쓰는 도구’의 단계를 넘어, 매일 사용하는 메일, 메신저, 협업 도구 안에서 AI가 먼저 문맥을 이해하고 업무를 보좌하는 행정 운영 방식을 의미합니다.

이 구조가 구현되면 행정 업무는 훨씬 자연스럽고 빠르게 이어집니다. 예를 들어 회의가 끝나는 즉시 AI가 회의 내용을 요약하고, 관련 부서에 발송할 협조 메일 초안을 제안하며, 후속 실행 과제를 일정에 등록하고, 필요한 문서와 참고 규정을 함께 연결하는 식입니다. 이런 업무 흐름은 공무원의 시간을 줄이는 차원을 넘어, 반복 업무를 최소화하고 정책 검토와 의사결정에 더 많은 시간을 배분할 수 있게 합니다. 실제로 2026년에는 정부24+에 AI 대화형 기능이 도입되고, AI 국민비서 시범서비스가 시작되면서 국민이 검색이 아니라 대화로 행정 서비스를 이용하는 흐름도 본격화했습니다.[4] 공공 AX는 내부 업무와 대민 서비스 양쪽에서 동시에 '대화형·에이전트형 행정'으로 확대되고 있는 것입니다.

[그림2] 에이전틱 행정으로 행정 업무 자동화 (작성자 제작)

에이전틱 행정으로 행정 업무 자동화를 단계별로 나타낸 이미지로 찾아 쓰는 AI (공무원이 AI 사이트에 접속해야 함), AI 통합 (메일,메신저,협업 도구에 AI 통합), 업무 흐름에 따른 자동화 (AI가 회의 요약, 메일 초안 제안), 에이전트형 서비스 제공 (국민에게 대화형 행정 서비스 제공), 먼저 준비하는 AI (AI가 문맥을 이해하고 업무 보좌) 단계로 그려져 있다.

특히 실시간 통·번역은 에이전틱 행정이 가장 큰 파급력을 발휘할 수 있는 영역 중 하나입니다. 다자 외교, 국제 공조, 재외국민 민원 대응, 해외 기업·기관과의 협력 사업처럼 다국가·다문화 협업이 일상적인 공공 업무에서는 언어 장벽이 행정 속도를 직접적으로 좌우합니다. 기존에는 통역 인력 섭외와 사후 번역에 의존해야 했던 업무가, 에이전틱 행정 환경에서는 회의 진행과 동시에 실시간으로 통역되고, 회의 종료 즉시 다국어 요약과 협조 문서 초안까지 연결됩니다.

이러한 가능성은 이론적 전망에 머물지 않고, 협업 환경 안에 AI를 내재화한 실제 현장에서 구체적인 성과로 확인되고 있습니다. 2025년 태평양 보험 콘퍼런스(PIC)에서 활용된 브리티 코파일럿(Brity Copilot)의 인터프리팅 에이전트(Interpreting Agent)는 다국어 회의 환경에서 발표 맥락을 반영한 실시간 통역과 자막, 회의 종료 후 요약과 공유를 결합해 협업 몰입도를 높였습니다.[8] 또한 글로벌 IT 기업인 CMC Global은 AI 에이전트를 협업 솔루션에 내재화함으로써 글로벌 프로젝트에서 커뮤니케이션 오류를 30% 줄이고, 회의록 작성과 후속 커뮤니케이션까지 하나의 흐름으로 연결했습니다.[9]

이 사례들이 중요한 이유는 AI를 ‘기능 하나 추가한 도구’가 아니라, 협업 흐름 안에 들어온 실행 요소로 보여주기 때문입니다. 공공부문도 마찬가지입니다. 공공 협업 환경은 단순한 커뮤니케이션 수단을 넘어, 에이전틱 행정이 구동되는 기반으로 재정의되어야 합니다. AI가 회의 내용을 정리하고, 필요한 후속 커뮤니케이션을 준비하고, 후속 과제를 일정에 연결하며, 관련 규정과 문서를 연결해 주는 수준까지 이어져야 비로소 현장에서 체감되는 변화가 생깁니다. 메일, 메신저, 미팅, 드라이브가 분리되지 않고 하나의 흐름 안에서 연결될 때, 회의 요약·번역·공유·후속 조치 연결 같은 AI 기능도 행정 프로세스 안에 자연스럽게 녹아들 수 있습니다. 예를 들어 공공기관 환경에 맞춰 설계되고 망 분리 정책 기준을 충족하는 Brity Works(공공)와 같은 협업 환경은 공공 AX의 실질적인 실행 기반이 될 수 있습니다.

조직 공용 인프라로 설계하고 관리하라

생성형 AI는 처음에는 대개 개인 단위 실험에서 시작됩니다. 그러나 공공 AX는 개인 생산성 향상에 머무를 수 없습니다. AI가 조직 전체의 성과로 이어지려면, 개인용 도구가 아니라 공용 인프라로 관리되어야 합니다.

공용 인프라가 필요한 이유는 분명합니다. 개인 단위 활용이 이어지면 같은 질문에도 부서마다 다른 품질의 답이 만들어지고, 담당자가 바뀔 때마다 축적된 노하우가 흩어집니다. 특히 AI가 민감한 행정 데이터·민원 정보·법령 문서를 다루는 순간, 개인별 계정이나 부서별 실험 환경으로는 접근 권한, 이용 기록, 보안 사고 대응 책임을 일관되게 관리하기 어렵습니다. 여러 부서가 동일한 법령·지침을 함께 참조해야 하거나, 민원 응대 기준을 전 기관이 통일해야 하거나, 대규모 모델 학습과 추론에 공동 인프라가 필요한 경우에는 조직의 공용 기반이 반드시 필요합니다.

행정안전부가 추진하는 '범정부 AI 공통기반'도 이와 같은 맥락에 있습니다.[10] 중앙부처와 지자체가 각자 AI를 도입해 생기는 중복 투자와 보안 수준의 편차를 줄이고, 범정부 차원의 공통 인증·모델·운영 체계를 마련하자는 것이 핵심 취지입니다. 다만 범정부 공통기반이 '국가 전체의 공용 레이어'라면, 여기서 말하는 조직 공용 인프라는 '기관 내부의 공용 레이어'에 해당합니다. 두 층위가 서로 맞물릴 때, 공공 AI는 범정부 기준 위에서 기관별 업무 맥락을 반영한 형태로 안정적으로 확산될 수 있습니다.

그렇다면 기관 내부의 공용 레이어는 어떻게 설계해야 할까요? 이 질문에 참고할 만한 단서는 같은 고민을 먼저 겪은 기업들의 전환 과정에서도 찾을 수 있습니다. 하나투어는 초기에는 개인 계정 중심의 활용을 통해 생성형 AI의 가능성을 확인했지만, 곧 보안 통제와 데이터 관리, 조직 차원의 지식 축적 측면에서 한계를 경험했습니다.[11] 고객 정보와 정산 데이터가 얽힌 환경에서는 개별 직원 단위 활용만으로는 리스크를 관리하기 어려웠기 때문입니다. 섹타나인 역시 생성형 AI를 단순한 개인 생산성 도구가 아니라, 안전하고 일관된 방식으로 관리하고 전사적으로 확장해야 하는 공용 AI 인프라로 바라보며 전환 방향을 잡았습니다.[12]

공공부문에서는 이 메시지가 더 무겁게 다가옵니다. 부서마다 제각기 다른 AI를 써서 단기 실험을 반복하는 것보다, 공용 인증·권한·로그·감사 체계를 갖춘 조직형 인프라를 먼저 설계하는 편이 훨씬 중요합니다. 특히 AI 에이전트가 내부 행정 시스템을 조회하거나, 문서를 작성하거나, 메일 작성을 지원하는 수준까지 확장되면 공용 계정 정책, SSO 기반 통합 인증, 역할 기반 접근 제어, 프롬프트 관리 기준, 로그 기록과 감사 체계가 함께 마련돼야 합니다. 공공 AI 보안은 더 이상 부가 기능이 아니라 설계의 출발점이 되어야 합니다.

공공 AX를 안착시키는 3가지 전략

앞서 살펴본 여러 사례들이 보여주듯, 공공 AX는 단순한 기술적 과제가 아니라 행정 체계의 재설계에 가깝습니다. 이를 안정적으로 추진하기 위해서는 몇 가지 원칙이 특히 중요합니다.

첫째, 기술보다 먼저 설계해야 할 것은 ‘행정 지식 기반’입니다.
AI의 성능만큼 중요한 것은, 그 AI가 공공 행정의 절차와 법적 맥락을 얼마나 정확하게 반영할 수 있는가입니다. 범용 모델을 그대로 적용하는 것만으로는 실무에서 신뢰를 얻기 어렵습니다. 기관별 법령, 규정, 지침, 업무 관행을 정교하게 반영한 맞춤형 지식 베이스가 함께 구축되어야 합니다. 공무원이 AI를 실제 업무에 활용하려면, AI가 제시하는 답변의 근거가 명확하고 설명할 수 있어야 하기 때문입니다. 공공부문에 필요한 것은 단순한 대화형 AI가 아닌 행정 문서를 지식 자산으로 구조화하고 이를 에이전트 및 업무 시스템과 연결해 실제 업무에 맞게 운영할 수 있는 기반입니다.

둘째, 보안은 ‘장벽’이 아니라 ‘기본 조건’입니다.
공공부문에서 AI를 이야기할 때, 보안은 늘 먼저 나오는 조건입니다. 그렇다고 보안을 이유로 활용을 멈추기는 어렵습니다. 이제 중요한 것은 어디까지 허용하고, 무엇을 통제할 것인지 기준을 분명하게 세우는 일입니다. 공공부문에서는 망 분리와 인증·권한·감사 체계를 바탕으로 내부 업무용 AI와 대민 서비스용 AI의 활용 범위를 나눠야 하고, 민감정보 유출 방지와 기록 관리 체계도 함께 설계되어야 합니다. 그래야 AI가 실제 업무에 들어왔을 때도 운영이 흔들리지 않습니다. 민관협력형 클라우드(PPP 클라우드)와 같이 국가정보자원관리원 인프라 기반의 보안 체계와 AI·GPU 기반 서비스 환경을 제공하는 인프라를 활용하는 것은 안정적인 대안입니다. 공공 AX에서 중요한 것은 바로 이러한 기반 위에서 보안 요건을 지키면서도 AI를 지속적으로 운영하고 확산해 나가는 것입니다.

셋째, 실제 적용 단계에서는 운영 인프라의 안정성까지 함께 봐야 합니다.
공공 AX는 이제 시범 사업 단계를 넘어 실제 확산 단계에 들어서고 있습니다. 이때 자주 마주치는 현실적 제약은 모델이 아니라 연산 자원의 부족입니다. 공공기관이 독자적으로 고성능 GPU 자원을 확보하고, 이를 안정적으로 운영하며, 보안 요건까지 충족하기는 쉽지 않습니다. GPUaaS는 "어떤 GPU를 어떻게 적기에 확보할 것인가"에 대한 현실적인 대안이 될 수 있습니다. 공공기관이 GPU를 직접 보유하지 않고도 H100, 나아가 최신 B300까지 서비스 형태로 활용할 수 있다면, 초기 투자 부담을 줄이면서도 수요에 맞게 자원을 탄력적으로 조정할 수 있기 때문입니다.

물론 GPU를 빌려 쓰는 일과 그것을 안전하게 운영하는 일은 별개의 문제입니다. 두 조건이 함께 갖춰질 때 공공기관은 GPU 확보·운영·보안 검증이라는 부담을 동시에 덜고, 대규모 민원 분석, 법령 의미 검색, 영상 판독, 대형 모델 학습·추론 같은 고연산 업무를 본격적으로 확장할 수 있습니다. 결국 운영 인프라의 안전성은 단순한 기술 지원 요소가 아니라, 공공 AX 확산 속도를 좌우하는 핵심 조건이라고 할 수 있습니다.

결국 공공 AX는 '하나의 실행 체계'다

공공 AX는 지금 데이터, 협업, 자동화, 인프라를 어떻게 하나의 흐름으로 묶어 실제 행정으로 전환할 것인가를 고민하고 있습니다. 흩어진 문서를 근거 제시가 가능한 지식 자산으로 바꾸는 일, 메일·메신저·회의가 분리되지 않은 협업 환경에 AI를 녹여내는 일, 반복 업무를 자동화해 공무원이 판단과 책임에 집중하게 만드는 일, 그리고 이 모두를 공공 보안 요건 위에서 안정적으로 운영하는 일. 이 실행 축들이 따로 굴러가면 AI는 늘 실험에 머물 가능성이 큽니다.

반대로 이 축들이 하나의 실행 체계로 묶이는 순간, 행정의 모습은 달라집니다. 공무원이 정보를 찾고 입력하는 자리에 AI가 먼저 문맥을 읽고 다음 행동을 준비하고, 민원과 정책 데이터가 실시간 의사결정의 근거가 되며, 보안과 신뢰는 사후 점검이 아니라 설계의 기본값이 됩니다. 이제 공공기관은 단순히 AI를 ‘구매’하는 소비자를 넘어, AI와 함께 행정의 미래를 재설계하는 ‘설계자’가 되어야 합니다.

[그림3] 공공 AX를 위한 실행 체계 (작성자 제작)

공공 AX 실행 체계를 보여주는 이미지로 데이터(지식자산)-FabriX 지식·에이전트 자산화, 협업(에이전틱)-Brity Works(공공), 자동화(반복업무)-Brity Automation, 인프라(보안·연산자원)-공공 클라우드 민관협력형 + GPUaaS 를 하나의 실행 체계로 결합 하는 것을 보여주고 있다.

그 과정에서 필요한 것은 개별 기능의 단순 도입이 아니라, 서로 다른 요소들을 실제 업무 흐름 안에서 연결할 수 있는 실행 기반입니다. 예를 들어 지식 자산화와 에이전트 운영을 지원하는 생성형 AI 플랫폼, 공공 업무 환경에 맞춘 협업 체계, 반복 업무를 안정적으로 처리하는 자동화 도구, 그리고 이를 뒷받침하는 공공 클라우드와 GPU 인프라가 유기적으로 맞물릴 때 공공 AX는 비로소 현장에서 작동하기 시작합니다. FabriX, Brity Works(공공), 그리고 공공 보안 요건을 충족하는 클라우드 및 GPUaaS와 같은 요소들이 주목되는 이유도 바로 여기에 있습니다.

기술의 화려함에 매몰되지 않고, 행정의 맥락과 연결의 완결성을 확보한 단단한 실행 체계를 구축하는 것, 그것이 2026년 대한민국 공공 AX가 나아가야 할 가장 현실적인 방향입니다.

FAQ

  • 공공 AX(Public AX)란 무엇인가요?

    공공 AX는 공공부문이 AI를 단순히 도입하는 단계를 넘어, 데이터·협업·자동화·보안·인프라를 하나의 실행 체계로 묶어 행정 업무 전반을 AI 친화적으로 재설계하는 전환 과정을 뜻합니다. 핵심은 '어떤 AI를 도입할 것인가'가 아니라 'AI가 실제 행정 업무를 어떻게 바꿀 것인가'입니다.

  • 공공 AI 도입에서 가장 중요한 요소는 무엇인가요?

    가장 중요한 것은 모델 자체보다 행정 문서와 데이터를 AI가 정확히 이해할 수 있는 구조로 정리하는 일입니다. 법령, 지침, 민원 이력, 내부 규정이 체계적으로 구조화되어야 AI가 근거 있는 답변을 할 수 있습니다.

  • 에이전틱 행정(Agentic Administration)은 기존 AI 활용과 무엇이 다른가요?

    기존 AI 활용이 필요할 때 별도 도구를 찾아가는 방식이었다면, 에이전틱 행정은 메일, 회의, 문서, 검색 같은 일상 업무 흐름 안에서 AI가 먼저 문맥을 이해하고 보조하는 방식입니다. 즉, AI가 업무 과정 안에 들어오는 구조라는 점이 다릅니다.

  • 공공 AI를 도입할 때 보안은 어떻게 설계해야 하나요?

    공공 AI 보안은 '막는 것'이 아니라 '어디까지 허용하고 무엇을 통제할지'의 기준 설계 문제입니다. 망 분리와 SSO 기반 통합 인증, 역할 기반 접근 제어(RBAC), 프롬프트 관리, 로그·감사 체계를 기본으로 두고, 내부 업무용 AI와 대민 서비스용 AI의 활용 범위를 구분해야 합니다. 국가정보자원관리원 인프라 기반의 민관협력형 클라우드(PPP 클라우드)처럼 공공 보안 요건을 충족한 인프라 위에서 운영하는 것이 확산 단계에서도 안정적인 방식입니다.

  • 공공 AX 확산 단계에서 가장 큰 현실적 병목은 무엇이며 어떻게 해결할 수 있나요?

    확산 단계의 실질적 제약은 AI 모델 성능이 아니라 고성능 GPU의 확보·운영·보안 검증입니다. 공공기관이 GPU를 직접 구매·운영하기는 어렵기 때문에, GPUaaS를 통해 서비스 형태로 활용하는 방식이 현실적인 대안이 됩니다. 여기에 공공 보안형 클라우드 기반이 결합할 때, 대규모 민원 분석·법령 의미 검색·영상 판독·대형 모델 학습 같은 고연산 업무를 본격적으로 확장할 수 있습니다.

References

  • 해당 콘텐츠는 AI를 활용 기획 · 제작되었습니다.
  • 리서치 및 아티클 기획 : Gemini, ChatGPT, Claude
  • 원고 작성 및 톤앤 매너 보정 : ChatGPT, Jasper, Claude
  • 도식화 : Napkin AI, Nano Banana 2
공공 AX

이 글이 좋으셨다면 구독&좋아요

여러분의 “구독”과 “좋아요”는
저자에게 큰 힘이 됩니다.

subscribe

구독하기

subscribe

김정현
김정현
삼성SDS 마케팅팀

관련 아티클
관련 솔루션
패브릭스
패브릭스

기업용 생성형 AI 서비스 플랫폼

자세히 보기
GPUaaS
GPUaaS

초기 투자 없이 즉시 시작하는 고성능 GPU 서비스. 삼성 클라우드 플랫폼 GPUaaS로 AI·ML 워크로드를 지금 시작하세요. 국내 최대 물량의 고성능 GPU와 24/7 전문 기술 지원을 제공합니다.

자세히 보기
민관협력형 클라우드
민관협력형 클라우드

삼성SDS 민관협력형 클라우드는 국가정보자원관리원의 클라우드 인프라를 기반으로, 정부 및 공공기관 전용으로 설계된 혁신적인 클라우드 플랫폼입니다.

자세히 보기
협업 솔루션 (Brity Works)
협업 솔루션 (Brity Works)

기업용 업무 자동화 솔루션과 메신저, 메일, 웹컨퍼런스 등의 협업 솔루션으로 업무 방식을 혁신하고 효율성을 극대화하세요.

자세히 보기

공유하기