인공지능과 공공서비스
생활 속으로 들어 온 인공지능
(AI: Artificial Intelligence)
글: 김영미 상명대학교 행정학부 교수
바야흐로 인공지능의 시대가 본격화되고 있다. 그 서막은 챗GPT.
공공기관의 디지털서비스가 급물살을 타며 챗GPT를 필두로 한 인공지능 서비스도 조심스레 도입되는 양상이다.
인공지능과 만난 공공서비스. 앞으로의 향방은 어떻게 될지 살펴본다.
우리 삶에 빠르게 진입 중인 인공지능
인공지능은 무엇인가? 챗GPT(ChatGPT)에게 묻는다. 그러면 생성된 데이터를 통해 적절한 대답을 제시한다. 지난 2020년 미국 라스베가스에서 개최된 국제전자제품박람회(CES: Consumer Electronics Show)에서 세계의 이목을 끌었던 인공지능기술은 발전을 거듭하면서 그 위상을 높이고 있다. ‘디지털 전환’이라는 새로운 패러다임의 확장성을 통해 시장의 생태계 변화와 함께 빠르게 우리 생활 곳곳에 파고들어 이미 지능형 사회로의 진입을 체감하게 된다.
우리는 이미 디지털화된 세상에서 전자기기를 활용하여 자동화가 주는 편리함을 체감하고 있는데, 인공지능의 등장으로 무엇이 어떻게 더 달라진다고 하는 것인가? 지금보다 더 강도 높은 자동화는 우리의 일터를 새롭게 변모하면서 인공지능이라는 기술에게 일자리를 넘겨야 하는 것은 아닌지에 대한 막연한 의문이 불안감을 더해 준다.
인공지능은 알게 모르게 이미 우리 생활 전반에 걸쳐 밀착되고 있다. 인공지능은 그동안 우리가 해오던 일하는 방식, 학습하는 방식, 건강관리 방식, 상호 소통하는 방식과 일상생활에서 습관적으로 해왔던 방식의 많은 부분들을 변화시키고 있다. 산업생태계는 단순한 일부 변화가 아닌 인공지능 중심의 재편과 조직 재설계를 필요로 한다.
인공지능은 일상생활 전반에서 활용가치가 높아지고 있고 무엇보다 최적화된 편리함을 제공할 수 있다는 점을 강조한다. 공공서비스는 정부에서 제공하는 일체의 재화나 서비스 등을 의미한다. 공공서비스 관점에서 공공의 목적으로 통용되는 서비스 전반을 공공서비스 영역으로 총칭하여 규정할 수 있다. 그러나 공공서비스의 주체인 중앙정부와 지방자치단체는 역할과 역량, 제공 환경이 다름에 따라 공공서비스의 범주를 일반화하는 데 어려움이 있다. 공공서비스는 고객의 요구나 수요에 맞추어 또는 사회적 합의에 따라 결정될 수 있으므로 국가나 지역에 따라 각각 제공되는 서비스는 차이가 발생할 수 있다. 또한 지능정보기술의 빠른 발전은 디지털 기반의 새로운 공공서비스 변화를 야기시키고 있다. 무엇보다 기존의 공공서비스개념을 넘어서는 획기적 접근과 발상의 전환을 유도하는 맞춤형 서비스로의 다양한 시도가 나타나고 있다.
챗GPT를 활용한 공공서비스 확장 추세
디지털 전환에 따라 공공서비스의 전달체계도 새로운 모습으로 진화하고 있으며 복잡한 기술 생태계를 반영한 수요자 시각의 전환도 지속적으로 요구된다. 법 중심의 행정에서 서비스 중심의 행정, 시민 중심의 행정, 고객인 소비자 중심의 행정으로 패러다임 전환이 빠르게 이어지고 있다. 나아가 개인별, 특화된 개성, 다양성에 주목하며 사회적 합의를 중심으로 모든 시민을 향한 공공서비스로의 패러다임 전환이 두드러지게 나타나고 있다. 현재 추진 중인 공공서비스의 시도들을 보면 그 내용과 방법이 이전과는 다른 접근 방식을 택하고 있다. 지방정부는 지역 문제에 대한 수요 및 해결을 위해 주민들의 정책 아이디어를 수렴하고자 정책플랫폼을 운영하며, 주민의 의견을 정책과제로 연계하여 추진하는 사례등을 쉽게 볼 수 있다.
최근 주목을 받고 있는 ChatGPT의 활용사례를 보면, 광역자치단체의 경우 서울시의 챗GPT를 활용한 콜센터, 부산시의 사례로 배우는 챗GPT 활용법, 인천시의 챗GPT에 대한 이해와 업무 활용 방안, 광주광역시의 정보화담당 공무원 대상 챗GPT 교육, 챗GPT를 활용한 행정서비스 실현을 위해 태스크포스(TF)팀 구성, 세종시의 챗GPT를 이용한 업무활용 교육 등이 있다. 이 외에도 각 도에서도 도정업무에 지원을 위한 챗GPT의 활용도는 활성화 중이다.
이렇게 화두로 등장한 챗GPT는 무엇을 의미하는가? 챗GPT는 대화형 생성적 사전학습 트랜스포머(Conversational Generative Pre-trained Transformer)의 약자로 Chat은 서비스를 가능하게 하는 텍스트를 통한 전자 대화와 관련이 있다. 챗GPT는 생성모델이 사용자와 자연스럽게 대화를 나누기 위해 사전학습 모델이 가진 자연어 이해력을 바탕으로 트랜스포머 모델이 사용자의 입력 데이터를 자연어로 처리하는 인공기술을 의미한다. OpenAI가 개발한 자연어 생성모델로서, 대화와 관련된 많은 텍스트를 학습하여 마치 사람처럼 대화할 수 있도록 교육된 모델이다. 챗GPT가 생성형 AI의 대표 주자로서 TikTok이나 Instagram과 같은 인기 플랫폼의 사용자 채택률을 능가하는 사용자 채택률 기록을 세워서 세상에 알려지게 되었고 최근 시장에서 선점 효과를 높이고 있다. 이외에도 똑똑하고 유용해 보이는 인공지능들이 있으며 시장의 변화도 빠르게 진화하고 있음을 알 수 있다.
인공지능의 발전과정
허버트 사이먼(Herbert A. Simon: 1916-2001)은 “앞으로 20년 안에 기계는 사람이 할 수 있는 일이면 무엇이든 할 수 있게 될 것이다.”(1965)라고 말했다.
인공지능 연구는 1950년부터 지속되고 있으며, 그 과정에서 각광기와 냉각기를 거치면서 현재는 제3차의 붐(boom)으로 인식되고 있다. 인공지능 연구는 1960년대 허버트 사이먼교수에 의해 정책결정(행정학) 분야에 접목을 시도하였다. 인공지능 분야에서 두 번째로 논문 인용 지수가 높은 것으로 회자되는 사이몬교수는 행정의 과학적 방식 적용, 의사결정의 행태를 중심으로 일찍이 화두를 던진 학자이다.
1978년에는 '제한된 합리성' 이론으로 노벨경제학상을 수상했고, 인지 심리학의 기초 이론을 연구하는 등 사회과학 전 분야를 넘나들며 활발한 연구활동을 하였다. 버클리대학, 일리노이대학에서 봉직하다 카네기멜론대학으로 옮겨 컴퓨터사이언스(CS)학과를 창설하는 등 독특한 이력을 보여주고 있다. 인공지능분야를 개척하였고 컴퓨터과학계의 노벨상이라고 불리우는 튜링상(Turing Award)까지 수상하였다. 여러 학문 분야의 타이틀을 갖고 있지만 행정학 분야에서 의사결정과정의 행태론적 접근법을 강조한 그는 특히 조직의 의사결정이 어떻게 시작되는가의 물음에서 과학적 접근, 인지심리, 머신러닝, 인공지능으로 연구의 경지를 올렸다.
1차 인공지능의 관심도가 높았던 1950년대 후반에서 1960년대에는 컴퓨터에 의한 ‘추론’이나 ‘탐색’이 가능해져, 특정 문제에 대해 해답을 제시할 수 있게 된 점에 주목하였다. 2차 인공지능의 열풍은 1980년대로 인공지능이 실용 가능한 수준에 이르러, 다수의 전문가시스템1)이 생겨났던 시기를 지칭한다.
제3차 인공지능 열풍은 2000년대부터 현재까지 이어지고 있으며, 특히 ‘Big Data’라고 불리고 있는 대량의 데이터를 이용하는 점이다. 인공지능 자신이 지식을 획득하는 ‘기계학습’이 실용화되면서, 스스로 습득하는 ‘딥 러닝’의 등장과 함께 인공지능의 위력이 확장되고 있다.
인공지능에 대한 논의의 일부는 인간의 지능과 동등하거나 그 이상의 지능을 실현할 가능성에 주목하고 있지만, 현실적으로 인공지능의 대부분은 인간이 행하는 결정 과정에 일부분을 대신하여 사회 문제 해결에 활용되는 정도이다. 일부 기능을 대체하는 인공지능이기는 하지만 빅데이터의 축적으로 인한 패턴인식의 정밀함이 높아지고 있고, 최근에는 불확실한 상황에서도 추론이 가능한 상황으로 발전을 거듭하고 있다.
공공부문에서는 챗봇(Chatbot) 또는 챗 로봇이 많이 활용되고 있다. 입력된 문자 데이터에 대해 응답의 규칙 시나리오를 인공지능이 기계 학습함으로써 나름대로의 적절한 답변을 문자데이터로 제공하는 형식으로 활용하는 단계까지 급진전하고 있다.
빠르게 진화되는 기술의 속도는 적응할 여유를 주지 않고 진행됨에 제도와 법의 지원체계 정립도 어려움이 가중되고 있다. 무엇보다 인공지능은 공공서비스 영역에서 새로운 기회를 제공하고 있다. 정부가 제공하는 행정서비스가 공공의 영역을 확대 발전시키면서 다양한 범주로 확장성을 더하고 있다.
주1) 전문가시스템: 전문 분야의 지식을 수중에 넣은 뒤 추론하는 것으로, 그 분야의 전문가와 같이 행동하는 프로그램.
서비스와 연계된 인공지능
다양한 공공서비스의 수요·공급현황을 파악할 수 있는 디지털플랫폼을 구축하여 주민참여를 통한 공공서비스 혁신기반을 마련하고자 노력한다. 무엇보다 공공이 보유한 다양한 학습데이터를 주민에게 공개함으로써 데이터를 이용한 서비스 발굴과 지원을 도모하는 등 학습데이터 활용을 통한 민간서비스 지원체계의 활성화를 도모하고 있다. 특히 지역 문제 해결 차원에서 필요한 인공지능 서비스를 위해 주민참여를 통한 학습데이터를 확보하는 등 지역 공공재의 주민자산화라는 새로운 접근법도 시도되고 있다.
공공서비스 지원을 위한 인프라 확보 및 개선을 통해 서비스 고도화, 민간 시장의 확장, 지역별 특화산업의 활성화로 연결시키고자 하며, 나아가 맞춤형 디지털 공공서비스 제도로 이어지도록 유도하고 있다. 지역 차원에서도 데이터, 인공지능 분야가 공공시장에서 활성화될 수 있도록 지역형 데이터의 구축, 데이터포털 및 인공지능 플랫폼의 도입 등 다각적인 접근법이 제안되고 있다.
지방정부는 그 어느 때보다 생활 밀착형 정보서비스의 변화가 예상된다. CCTV를 활용한 안심귀가, 교통정보, 주·정차 단속 등의 서비스는 물론 무인기기 활용서비스, 사회 인프라 관리 서비스 등이 이미 반영되고 있거나, 중장기적 차원에서 계획되고 있다. 지능정보기술은 대규모 데이터에 대한 자가 학습(Machine Learning)을 통해 알고리즘 성능을 지속적으로 강화하므로 데이터와 지식이 산업의 주요 경쟁 원천이 된다. 여기에 스스로 데이터를 확보할 수 있는 생태계를 구축하고 이를 활용할 수 있는 알고리즘을 보유한 기업이 시장을 주도하고 많은 이윤을 창출하고 있다. 인공지능의 기반은 데이터이다. 머신러닝을 통한 인공지능의 새로운 영역 확대는 우리에게 다양한 혜택을 주고 있다.
좀 더 거시적 차원에서는 이동통신, 신용카드 매출액, 교통량, 읍면동 단위 인구이동, 위성영상 등 다양한 빅데이터와 인공지능을 활용하여 생활권 설정, 토지이용 및 기반시설 수요 예측 등을 수행하고, 이를 통해 최적의 도시계획 수립을 지원하는 기술 개발 등의 국가사업 과제도 연계되고 있다. 인구감소에 따른 지역축소 문제 해결 차원에서 최적의 도시계획 및 정책방안은 무엇인가에 대해 데이터를 활용한 적정한 방안 모색을 주도한다. 특히 지자체별 맞춤형 도시계획 수립을 위한 인공지능 기술의 적용이 주목을 받고 있다.
디지털 기술을 활용한 재난안전관리 실증사업에 대한 지자체의 협업도 눈여겨볼 수 있다. 과학기술정보통신부에서 주관하는 ‘인공지능·가상융합세계(메타버스) 기반의 재난안전관리체계 강화’사업은 대전, 세종, 충남, 충북 등 충청권 4개 지자체에 디지털 기술을 활용하여 재난안전관리 기반을 구축하도록 유도한다.
사고 징후를 다양한 감지기(센서) 데이터로 수집하여 가상융합세계(메타버스) 환경을 통해 실시간 점검(모니터링)하고, 인공지능 기술 등을 활용하여 사고 예방 및 사후 대응을 위한 최적의 의사결정을 지원하는 형식으로 추진된다고 한다. 지자체 단독의 재난문제와 해결이 아닌 인근 지역으로의 범위를 확대하여 함께 문제를 풀어가고 이에 대한 대응방안을 마련한다는 점에서 지자체 협업의 의의가 크다.
인공지능과 디지털플랫폼정부 구축
디지털플랫폼정부는 인공지능을 기반으로 부처·기관에 흩어져 있는 데이터를 하나의 플랫폼에 모아 국민맞춤형 서비스를 담고자 ‘디지털플랫폼정부 실현계획’에 반영하고 있다. 기존의 방식으로는 해결하기 어려운 난제들이 복잡하게 얽히고, 고객의 요구도 다양해져 이를 수용하기 위한 새로운 접근이 필요한 시점이다. 디지털플랫폼정부는 부처별, 기관별 시스템을 디지털플랫폼정부 허브(DPG Hub)로 연결함과 동시에 정부의 시스템과 국민이 사용하는 민간의 수많은 애플리케이션을 연결하는 연결고리 역할을 추진하는 것을 과제에 담고 있다. 이를 통해 산재되어 있는 공공의 지원 정책과 데이터를 표준화하고 API 개방을 통해 민간에게 제공해주면, 민간은 국민들이 이미 편하게 사용하는 민간의 애플리케이션을 통해 개별 국민과 기업에 맞춤형으로 혜택 정보를 제공하고, 신청도 편리하게 할 수 있도록 서비스를 만들어 내고자 한다.
성공적인 서비스 플랫폼들의 노하우를 공공서비스에 잘 적용해야 하며, 정부가 제공하는 혜택알리미 등을 통해 수많은 혜택 정보를 국민 즉, 수요자에게 선제적으로 필요한 혜택들을 알려주는 서비스를 만들어 가고자 한다. 사용자가 놓인 환경이나 상황 등을 데이터로 모두 파악하고, 다양성을 인정하며 맞춤형으로 서비스를 구성해야 되고, 서비스의 기획 단계에서부터 세분화가 되어 면밀히 분석이 될 때 맞춤화된 서비스가 만들어질 것이다. 이러한 맞춤화된 지능형 대국민 서비스는 디지털플랫폼정부의 핵심적인 서비스가 되도록 설계안에 담고 있다.
기존에도 집중적으로 논의가 이루어졌던 맞춤형 서비스의 실효성을 높이기 위한 차원에서 인공지능의 기능이 활용된다. 대국민서비스의 일선 업무인 민원 처리 과정은 지속적으로 변화가 이루어진 영역이지만, 여전히 서비스 혜택을 둘러싼 불편함이 지속되고 있어 이 부분을 최우선으로 해결해야 할 것으로 본다.
인공지능 확장성 위해 데이터칸막이 해소 시급
차곡차곡 쌓여가는 데이터가 제대로 연결되지 못하고 사장될 때 그 손실을 계산해 보면 어느 정도일까? 최근에는 이러한 질문에 대한 답을 계산하는 논의도 이어지고 있다. 자산으로서의 데이터의 가치는 재론의 여지가 없다.
데이터의 연결을 통해 문제해결방안을 제시하고자 디지털플랫폼정부는 강조하고 있다. 2026년까지 관공서 제출서류를 없애는 목표를 제시하고 있는데, 이는 마이데이터를 통해 국민 개인별 맞춤형 서비스의 실현이 가능함에 주목한다. 그러나 개인정보 유출, 오·남용에 따른 우려도 있어 개인정보에 대해 보다 주체적으로 데이터를 활용할 수 있도록 제안하고 있다.
또한 부동산 등기를 위해서는 총 17종의 서류를 준비하게 돼 있는데, 등기소에 등기를 신청하면 등기소가 행정기관들과 데이터를 주고받아 서류를 직접 떼서 제출할 일이 없어지도록 방안을 담고 있다. 국민은 기관 간 정보가 연결되는 것을 직접 알 필요가 없고, 본인이 원하는 서비스를 신청하고 정보제공에 대한 동의만 하면 되도록 행정절차의 간소화를 추구하고 있다.
특히 대상별, 영역별, 지역별로 차이가 발생하는 민원처리 결과의 차이나 모호한 접근의 불편함을 해소하고, 쉽고 편리한 방식으로 안전하게 진행될 수 있도록 한다. 부처별 정보공유와 융합은 엄청난 시너지 효과를 낼 수 있다. 이제부터는 실천을 통해 실효성을 높이기 위한 노력이 이어져야 한다.
인공지능을 활용한 공공서비스의 확장성과 실효성을 높이기 위해서는 먼저 풀어야 할 몇 가지 쟁점이 있다.
첫째, 데이터 칸막이의 해소이다. 최근 행정 난제들이 다수 등장하고 있는데, 대표적으로 기후위기, 인구폭발, 빈부격차, 저성장, 저출산·초고령화, 지역소멸 등이 해당된다. 코로나19와 같은 팬데믹 감염병 창궐 등등 이전 세기에는 경험하지 못했던 새로운 사회 문제가 기하급수적으로 증가하고 있다. 이러한 행정환경의 특징들을 변덕(Volatile), 불확실성(Uncertain), 복잡성(Complex), 모호성(Ambiguous)의 앞 글자를 따서 VUCA라 부르기도 한다.
이를 해결하기 위해 가장 효과적인 방법은 부처별 벽을 허물고 협업을 하는 것이며, 또한 협력적 거버넌스는 정부의 벽을 넘어 민간부문과도 긴밀히 협업하여 집단지성을 도출해야 한다. 먼저 데이터 칸막이 해소를 위해, 정부 내에서 데이터가 막힘없이 공유될 수 있도록 시스템과 인프라 개선이 필요하다. 업무 단위가 아닌 문제해결 중심으로 데이터가 공유되고 활용이 이루어지도록 규정과 제도개선이 필요하다.
둘째, 칸막이 해소를 통한 협업이 필요하다. 부처간 벽을 허물고 협업하는 부처와 함께 실제 추진하는 문제 중심의 과업이 해결되는지를 중심으로 환류체계 구성도 필요하다. 성과를 강조하지만 실효성을 높이기 위한 지속성과 모니터링도 강화되어야 한다. 협업은 시스템만으로 해결이 어려운 여러 의미를 내포하고 있는데, 부처와 과업의 특성을 반영하여 데이터 거버넌스 역량의 확대도 필요하다.
정책과제
데이터3법의 개정과 함께 행정 분야의 생태계도 인공지능 기반으로 빠르게 변화하면서 정책의 실효성 차원에서 법과 제도의 개선에 관한 논의가 이어지고 있다.
디지털전환(Digital Transfomation)은 기술 자체의 개발보다는 기술의 융합을 통한 혁신적인 서비스가 필요하다고 강조하며, 데이터를 활용하는 역량의 중요성이 부각되고 있다. 기술의 진화가 빠르게 발전하는 가운데 법과 제도만으로 모든 문제들을 수용하고 해결하는 데는 한계가 있다.
따라서 사회적 인식의 제고 및 개인정보 보호를 위한 윤리의식의 어젠다도 지속적으로 논의가 이루어져야 할 중요한 과제이다. 동시에 머신러닝의 대량의 데이터 수집은 최종 이용자의 개인정보 침해와 연결된다는 점도 주목해야 할 것이다.
