PE Notes · AI
공공부문 초거대AI 도입·활용 가이드라인
공공기관이 초거대·생성형 AI를 쓸 때 사람 책임, 개인정보, 환각, 보안을 어떻게 나누는지, 버전 변화와 위험 등급·책임 체계를 기준으로 정리합니다.
공공 업무에 언어모델을 붙이면 초안은 빨라지지만, 원문이 망 밖으로 나가거나 사실이 아닌 문장이 공문에 붙을 수 있습니다. 공공부문 초거대AI 가이드라인은 그 간극을 도입 절차와 금지·제한으로 줄이려는 행정 지침입니다. 민간 서비스 약관과 달리, 행정 신뢰와 개인정보보호법이 전제입니다.
정의
공공기관이 초거대·생성형 AI를 수요 검토부터 사후 감사까지 어떤 순서로 도입하고, 어떤 업무에는 쓰지 말며, 출력의 최종 책임을 누구에게 둘지를 정한 가이드입니다. 의 공공 적용본에 가깝습니다.
초기는 텍스트 중심 도입 틀이었고, 이후 판은 생성형·멀티모달, 처리 유형별 개인정보, , 정량 품질 지표를 보강하는 쪽으로 읽으면 됩니다.
등장 배경 / 필요성
반복 민원, 요약, 분류는 AI와 잘 맞습니다. 동시에 주민 정보, 수사·복지 결정, 보안 문서가 프롬프트에 들어가면 유출과 오판이 행정 책임이 됩니다. 은 문장이 매끄러울수록 검수를 건너뛰기 쉽습니다.
그래서 클라우드 상용 API를 쓸지, 를 갖춘 구간인지, 폐쇄망에 둘지를 서비스 선택 단계에서 먼저 봅니다.
도입 단계와 원칙
| 단계 | 내용 |
|---|---|
| 수요 발굴 | 반복·정형·대량 업무인지, 도입 타당한지 |
| 서비스 선택 | 클라우드 vs 자체, 보안인증·망 분리 |
| 시범 운영 | 오류·환각 비율, 검수 부하 |
| 본격 운영 | SLA, 모니터링·감사 |
| 사후 관리 | 성능 재평가, 개인정보 처리 점검 |
공통 원칙은 네 줄입니다. 사람은 최종 판단과 책임을 남긴다. 개인정보 입력은 목적 범위로 제한한다. 이용자에게 AI 사용을 고지한다. 중요 공공 데이터는 외부 모델로 보내지 않는 쪽을 우선한다.
| 비교축 | 초기 판 | 이후 판 |
|---|---|---|
| 대상 | 초거대 텍스트 위주 | 생성형 전반, 멀티모달 |
| 개인정보 | 기본 지침 | 처리 유형별 기준 |
| 환각 | 사람 검수 | 검수 + 사실 확인 도구 |
| 보안 | 개괄 | 망 분리·접근통제 |
| 거버넌스 | 책임자 권고 | AI 책임관 역할 |
| 품질 | 정성 | 오류율·환각률 등 정량 |
위험 분류와 적합성
누가 결정하는가와 국민에게 미치는 힘이 통제 강도를 정합니다. 보조(초안)는 낮고, 자동 처리가 늘수록 중간, 기본권·법적 효력이 붙으면 고위험입니다.
| 맞기 쉬운 업무 | 맞지 않는 업무 |
|---|---|
| 민원 답 초안, 요약, 반복 분류 | 판결·징계·수사 결론을 AI가 냄 |
| 사람 검수를 전제한 법령 안내 | 대량 개인정보를 외부 API로 전송 |
| 내부 검색·초안 | 기밀·보안 문서 원문 처리 |
개인정보 구간에서는 처리 근거를 확인하고, 출력에 식별자가 남으면 삭제·마스킹하며, 대상인지를 미리 봅니다.
책임 체계
생성 문장에 저작권이 바로 생기지 않는 경우가 많고, 행정 결정의 책임은 담당 공무원 또는 기관에 남습니다. 활용 사실과 생성 표시, 이의제기 경로가 투명성입니다.
기술사 답안 포인트
관련 용어
관련 토픽
AI
AI 윤리 — 원칙, 기본법, 실천
정부 AI 윤리 3대 원칙과 10대 요건, AI 기본법의 고영향 관리, 개발·운영·이용자 권리로 내리는 실천을 한 장에서 연결합니다.
AI
AI 거버넌스
AI 수명주기 전반의 책임·투명·공정·안전을 원칙·프로세스·역할로 묶는 거버넌스와, 위험 통제, 성숙도, 국제 표준 정합을 정리합니다.
AI
환각현상, 모라벡의 역설, RLHF·RAFT, 과적합
LLM이 사실이 아닌 답을 자신 있게 내는 이유, 감각·운동이 기계에 더 어려운 이유, 인간 선호 정렬의 두 경로, 학습이 너무 맞거나 덜 맞는 상태를 한 장에서 구분합니다.