자발적 실무공동체(CoP) 기반 정책디자인의 AI 거버넌스 모델 연구 - 지능형 옥외광고 정책 랩(Policy Lab)의 다층적 구조 설계 -

초록

(연구 배경 및 목적) 현대 도시가 직면한 사회적 난제들은 높은 복잡성과 부처 간 칸막이 행정으로 인해 기존의 관료적 구조로는 해결하기 어려운 '사악한 문제(Wicked Problems)'의 양상을 띠고 있다. 전통적인 행정 체계는 유연성, 연속성, 그리고 기술적 전문성 측면에서 한계에 직면해 있으며, 특히 잦은 순환보직으로 인한 전문성 단절은 정책의 질적 저하를 초래하는 주요 원인이 되고 있다. 본 연구는 이러한 행정의 파편화와 지식 단절을 극복하기 위해 공공기관 내 '자발적 협력 네트워크'를 기반으로 한 '정책디자인(Policy Design)' 도입의 필요성을 탐색한다. 특히 국민의 재산권과 도시 미관에 직결되는 고위험 행정 영역인 옥외광고 분야를 중심으로, 행정의 일관성과 공공 가치를 확보할 수 있는 지능형 행정 프레임워크를 수립하고자 한다.(연구 방법) 본 연구는 다각적인 분석 방법을 채택하였다. 우선 크리스찬 바손(Christian Bason)의 '정책디자인' 이론과 벤 슈나이더만(Ben Shneiderman)의 '인간 중심 AI(HCAI)' 프레임워크에 대한 문헌 고찰을 수행하였다. 아울러 웽거(Wenger)의 실무공동체(Community of Practice) 이론을 적용하여 자발적 네트워크의 구조적 역학을 분석하였다. 또한 영국, 덴마크, 일본 등 글로벌 정책 랩(Policy Lab)의 진화 과정을 비교 분석하였다. 실증적 분석을 위해 전국 430여 명의 옥외광고 담당 공무원으로 구성된 자발적 네트워크의 운영 데이터와 93.0%의 높은 만족도를 기록한 조사 결과를 정밀 분석하였으며, 이를 바탕으로 기술과 거버넌스가 결합된 '지능형 옥외광고 정책 랩'의 구조적 설계안을 도출하였다.(연구 결과) 분석 결과, 본 연구는 세 가지 핵심 층위가 유기적으로 통합된 '지능형 정책 랩의 다층적 구조'를 제안한다. 첫째는 퇴직 전문관의 암묵지를 자산화하는 숙련지 층이며, 둘째는 이를 학습한 AI 기반 자동응답 시스템 구축이다. 특히 본 모델은 자발적 네트워크에서 발생하는 매주 단위의 질의응답 내용을 AI로 아카이빙하여 향후 동일 질문에 대해 자동응답이 가능하도록 학습시키는 '데이터 피드백 루프' 구조를 핵심으로 한다. 이 모델은 반복적 질의를 AI가 처리(높은 자동화)하는 동안 인간 전문가는 복합적인 가치 판단(높은 통제권)에 집중하게 함으로써 HCAI 원칙을 실무적으로 구현한다.(결론) 결론적으로, 자발적 네트워크를 통한 지능형 정책 랩의 도입은 단순한 기술적 보완을 넘어 민주적이고 투명한 '디자인 행정'으로의 전환을 의미한다. HCAI 원칙을 활용한 정책 랩의 제도화는 정책의 설계와 실행 사이의 간극을 메우고 행정의 전문성을 지속시키는 가교 역할을 수행할 것이다. 본 연구는 '한국형 공공디자인 정책 랩' 설립을 위한 전략적 로드맵을 제시하며, 체계적인 행정 혁신을 통해 도시 미관의 품격을 높이고 국민의 안전을 증진하는 데 기여하고자 한다. 다만, 본 연구는 옥외광고라는 특정 행정 분야에 한정된 사례 분석에 기반하고 있어 일반화에는 한계가 있으며, 향후 다양한 공공 영역으로의 확장 적용과 AI 시스템의 장기 운용 성과에 대한 정량적 후속 연구가 필요하다.

키워드