할테른 암 제 시청의 인공지능: 그림자 AI인가, 미래의 권력인가? 도시들은 지금 어떻게 행정 방식을 혁신하고 있는가?

Xpert 사전 출시

온라인 연락처 (Konrad Wolfenstein)

27개 언어로 제공됩니다 📢

Google에서 Xpert.Digital을 선호하세요ⓘ

게시일: 2026년 9월 24일 / 업데이트일: 2026년 9월 24일 – 저자: Konrad Wolfenstein

할테른 암 제 시청의 인공지능: 그림자 AI인가, 미래의 권력인가? 도시들은 지금 어떻게 행정 방식을 혁신하고 있는가?

할테른 암 제 시청의 인공지능: 그림자 AI인가, 미래지향적인 권력인가? 도시들이 AI를 활용해 행정을 혁신하는 방법 – Xpert.Digital이 제시하는 창의적인 이미지

시청의 AI: 챗봇 하나만으로는 할테른 암 제를 구할 수 없는 이유

실험 단계를 벗어나: 인공지능이 어떻게 지방 공공 서비스로 거듭나는가

아무것도 하지 않는 것이 가장 비싼 선택인 이유: 지자체가 인공지능을 전략적으로 성공적으로 구현하는 방법

독일의 지방 정부들은 막대한 압박에 직면해 있습니다. 늘어나는 책임, 복잡한 규제, 높아지는 시민들의 기대치가 빠듯한 예산과 심화되는 숙련 노동력 부족과 충돌하고 있습니다. 이러한 상황에서 할테른 암 제(Haltern am See) 시에서는 인공지능(AI) 도입에 대한 논의가 활발히 진행되고 있습니다. 그러나 단순히 빠른 챗봇, 단편적인 소프트웨어 테스트, 또는 간헐적인 문서 작성 업무에 AI를 활용하는 것만을 생각하는 것은 전략적인 관점을 놓치는 것입니다. AI는 단순한 디지털 과시용 프로젝트가 아니라, 미래에도 필수 서비스와 전반적인 서비스 제공을 지속적으로 보장하는 데 필수적인 핵심 기술입니다.

본 기사에서는 통제되지 않은 AI 실험과 이른바 ‘섀도우 AI’가 공공기관에 막대한 위험을 초래하는 이유와 계획적인 접근 방식이 어떻게 성공을 가져올 수 있는지 살펴봅니다. 해결책은 ‘관리형 AI’라는 개념에 있습니다. 이는 지속적으로 관리되고, 데이터 보호 규정을 준수하며, 기술적으로 엄격한 환경을 구축하여 승인된 언어 모델과 해당 기관의 구체적인 규제 지식을 연계하는 것입니다. 수신 메일의 지능형 자동화, 복잡한 파일 처리, 은퇴하는 전문가의 귀중한 경험 보존 등, 가장 큰 경제적 이익은 기관의 핵심 업무 영역에서 창출됩니다.

도시와 지방자치단체에게 아무것도 하지 않는 것이 왜 가장 큰 비용 부담을 초래하는지, 데이터 보호 및 정보 보안을 어떻게 아키텍처적 과제로 해결할 수 있는지, 그리고 간단한 검토 요청이 어떻게 미래 디지털 행정을 위한 실행 가능한 지방자치단체 간 운영 전략이 될 수 있는지 알아보세요.

인공지능 실험에서 디지털 공공 서비스까지

AI에만 의존하여 테스트를 진행하는 기업은 머지않아 자체적으로 백로그를 관리하게 될 것입니다

할테른 암 제 시청에서 인공지능(AI)에 대한 논의가 시의적절하게 이루어지고 있습니다. 하지만 이 논의는 단순히 직원들이 더 빠르게 글을 작성하거나, 문서를 요약하거나, 정보를 더 쉽게 찾을 수 있는지 여부에만 그쳐서는 안 됩니다. 더 크고 경제적으로 중요한 질문은 다음과 같습니다. 인력, 시간, 예산은 부족한 반면, 업무량, 규제 복잡성, 기대치는 증가하는 상황에서 지자체는 어떻게 효율성을 확보할 수 있을까요? 이러한 맥락에서 AI는 단순히 디지털 기술을 활용한 과시용 프로젝트나 직원을 대체하는 프로그램이 아닙니다. 올바르게 활용될 경우, AI는 기존 전문가들의 생산성을 높이고, 지식 접근성을 개선하며, 행정 서비스를 더욱 안정적으로 제공할 수 있도록 지원하는 새로운 운영 인프라가 될 수 있습니다.

할테른 암 제(Haltern am See)의 경우, 단편적인 소프트웨어 테스트 결과에 따라 구현을 진행해서는 안 되는 여러 가지 이유가 있습니다. 오히려 도시는 기술, 데이터 보호, 정보 보안, 전문적인 절차, 교육, 품질 보증 및 지속적인 개발을 통합하는 통제된 운영 모델을 구축해야 합니다. 관리형 AI는 이러한 목적에 완벽하게 부합합니다. 이는 단순히 채팅창이 있는 클라우드 애플리케이션을 의미하는 것이 아니라, 지속적으로 관리되고 명확하게 규정되며 기술적으로 안전한 AI 환경을 의미합니다. 승인된 언어 모델과 시의 전문 지식, 정의된 프로세스, 권한, 로깅 및 인적 책임성을 결합해야 합니다. 이러한 조합만이 매력적인 도구를 강력한 행정 자원으로 탈바꿈시킬 수 있습니다.

조치를 취해야 한다는 압박은 추상적인 것이 아닙니다. 할테른 암 제 시의 2026년 인력 계획은 공무원 107명과 일반 직원 360명을 포함해 총 467개의 직책으로 구성되어 있습니다. 인건비와 연금 비용은 약 3,770만 유로에 달합니다. 동시에 예산은 약 1억 3천만 유로의 수입과 1억 3천7백만 유로가 조금 넘는 지출을 예상하고 있으며, 전반적인 비용 절감 후에도 약 520만 유로의 적자가 남습니다. 이러한 규모는 효율성과 전면적인 인력 감축을 혼동해서는 안 되는 이유를 보여줍니다. 영구적으로 절약되는 모든 업무 시간은 소중하지만, 시는 값비싼 AI 실험이나 통제되지 않은 공공 온라인 서비스의 불법 사용을 감당할 여유가 없습니다.

실질적인 병목 현상은 지자체의 역량 부족입니다

지방 정부는 복잡한 경제 환경 속에서 운영됩니다. 한편으로는 서비스 수요가 증가하고 있습니다. 건설 프로젝트는 더욱 신속하게 처리되어야 하고, 사회 복지 혜택 결정은 법적으로 타당해야 하며, 기후 변화 적응을 위한 조직적인 노력이 필요하고, 사회 기반 시설을 유지 보수해야 하며, 위기 상황을 관리하고, 시민들의 우려 사항을 다양한 채널을 통해 해결해야 합니다. 다른 한편으로는 예산 제약, 숙련된 인력 부족, 인구 구조 변화로 인해 인력 확충이 제한됩니다. 독일 공공 부문에는 500만 명이 넘는 사람들이 종사하고 있으며, 대책이 마련되지 않을 경우 2030년까지 숙련 인력 부족 현상이 최소 100만 명까지 심화될 수 있습니다. 이러한 예측이 할테른에 대한 정확한 전망은 아니지만, 행정 전문가, IT 직원, 엔지니어, 사회복지사, 관리자 등의 인력 경쟁이 어떤 방향으로 전개될지를 시사합니다.

이는 생산성 문제를 야기합니다. 적합한 지원자가 부족하거나 예산이 충분하지 않은 경우, 지자체는 늘어나는 업무량을 인력 충원을 통해 영구적으로 감당할 수 없습니다. 또한 많은 업무가 법으로 의무화되어 있기 때문에 임의로 서비스를 축소할 수도 없습니다. 따라서 업무 조직 개선이 유일한 전략적 수단입니다. 프로세스를 간소화하고, 업무 공백을 없애고, 데이터를 재사용 가능하게 만들고, 반복적인 업무를 자동화해야 합니다. 인공지능(AI)은 정형화된 데이터뿐만 아니라 편지, 공지, 회의록, 지침, 이메일, 스캔 문서와 같은 비정형 자료까지 처리할 수 있기 때문에 이러한 문제 해결에 필요한 도구를 확장해 줍니다.

따라서 가장 큰 경제적 이점은 화려한 시민 챗봇에서 처음부터 나타나는 것이 아닙니다. 오히려 공공 행정의 핵심 기능, 즉 수신 우편물 분류 및 처리, 관련 규정 검색, 표준화된 문서 작성, 방대한 파일 정리, 조직 단위 간 정보 전달 등에 있습니다. 이러한 작업들은 수많은 작은 시간 단위를 소모하며, 모두 합치면 행정 비용의 상당 부분을 차지합니다. 따라서 눈에 보이는 AI 활용 사례만 고려하는 사람들은 내부 지원 시스템의 가치를 과소평가하는 것입니다.

챗봇이 아직 전략이 될 수 없는 이유

누구나 자유롭게 이용할 수 있는 AI 서비스는 단 몇 초 만에 그럴듯한 문구를 생성할 수 있습니다. 하지만 공공기관에게 있어 이는 겉으로 보이는 것일 뿐입니다. 모든 답변 뒤에는 데이터 전송, 모델 제공업체, 보존 기간, 학습 자료 활용, 접근 권한, 기술적 정확성, 책임성 등과 관련된 문제들이 도사리고 있습니다. 구속력 있는 환경이 조성되지 않으면, 지자체는 단순히 서류 캐비닛에 보관되어 있던 위험을 통제하기 어려운 디지털 시스템으로 옮기는 것에 불과합니다. 특히 '섀도우 AI'는 심각한 문제입니다. 직원들이 편리하다는 이유로 공식적인 대안이 없어 개인 계정이나 승인되지 않은 계정을 사용하는 경우가 발생하기 때문입니다. 이는 일관성 없는 업무 방식과 잠재적인 무단 데이터 유출로 이어질 수 있습니다.

따라서 지방자치단체의 AI 전략은 실험, 지원, 자동화를 구분해야 합니다. 실험 단계에서는 중요하지 않은 데이터를 사용하여 기능을 테스트합니다. 지원 단계에서는 시스템이 제안을 생성하고 담당자가 이를 검토합니다. 자동화 단계에서는 정의된 작업 단계를 규칙에 따라 실행하고 감사 가능한 방식으로 문서화합니다. 적용 분야가 법적 결과, 혜택 제공 또는 부담스러운 결정과 관련될수록 통제, 추적성 및 인간의 감독 수준이 높아져야 합니다. 모델의 단순한 기술적 능력만으로는 작업을 할당하기에 충분한 근거가 되지 않습니다.

바로 이 지점에서 많은 시범 프로젝트의 약점이 드러납니다. 이러한 프로젝트들은 열정, 사용자 계정 수, 생성된 텍스트 양과 같은 수치만 측정할 뿐, 전반적인 프로세스에 미치는 영향은 측정하지 않습니다. 초안 작성이 더 빨라지더라도 검토에 더 많은 시간이 소요된다면, 순 효과는 미미할 것입니다. 여러 부서에서 동일한 템플릿을 반복적으로 사용한다면, 조정 노력이 증가할 것입니다. AI가 최신 지식 기반 없이 작동한다면, 언어적으로는 타당하지만 기술적으로는 시대에 뒤떨어진 결과를 내놓을 것입니다. 따라서 전략은 모델을 선택하는 것에서 시작하는 것이 아니라, 적합한 문제를 선택하는 것에서 시작해야 합니다.

관리형 AI는 기술을 신뢰할 수 있는 비즈니스로 전환합니다

관리형 AI란 지자체가 목표, 규칙 및 책임을 유지하고, 전문적인 내부 또는 외부 부서가 기술 플랫폼을 운영, 보안, 모니터링 및 개발하는 운영 모델을 의미합니다. 여기에는 모델 배포, 신원 및 접근 관리, 암호화, 로깅, 인터페이스, 지식 기반, 품질 측정, 업데이트, 문제 해결 및 사용자 지원이 포함됩니다. 이러한 모델은 공용 데이터 센터, 자체 클라우드, 하이브리드 아키텍처 또는 이들의 조합으로 구현될 수 있습니다. 중요한 것은 명칭이 아니라 관리 가능한 가치 사슬입니다.

중규모 지자체의 경우, 이러한 모델은 자체 솔루션을 완전히 개발하는 것보다 경제적으로 더 유리합니다. 생성형 AI를 운영하려면 클라우드 및 데이터 센터 운영, 정보 보안, 데이터 보호, 모델 평가, 데이터 엔지니어링, 인터페이스 개발, 전문 프로세스 지식 등 지속적으로 유지 관리해야 하는 전문 지식이 필요합니다. 단일 도시가 이러한 모든 역할을 경제적으로 감당하기는 어렵습니다. 반면, 지자체 IT 서비스 제공업체는 인프라, 표준 및 전문 지식을 여러 행정 기관에 분산하여 제공할 수 있습니다. 레클링하우젠 공동 지자체 데이터 센터는 해당 지역과 8개 도시를 위해 운영되므로 공유 솔루션에 적합한 규모를 이미 갖추고 있습니다.

하지만 관리형 AI는 서비스 제공업체에 책임을 전가하는 것을 의미하지 않습니다. 도시는 어떤 데이터 유형을 처리할 수 있는지, 어떤 사용 사례가 허용되는지, 결과는 어떻게 검증되는지, 그리고 시스템은 언제 종료되는지를 결정해야 합니다. 기술 운영자는 가용성과 안전장치를 제공하고, 운영 책임은 관련 조직 단위에 있습니다. 효과적인 운영 모델은 이러한 역할을 명확하게 구분하고, 구속력 있는 서비스 목표, 감사 절차 및 에스컬레이션 채널을 통해 연결합니다.

할턴은 처음부터 다시 시작할 필요가 없습니다

노르트라인베스트팔렌주는 이미 행정 업무에 특화된 AI 비서인 NRW.Genius를 구축했습니다. 이 웹 애플리케이션은 요약, 문서 작성, 문서 모음 검색, 개인 파일 관련 질문 답변, 언어 모델과의 직접적인 상호 작용 등 텍스트 관련 작업을 지원합니다. 아키텍처는 모델 및 플랫폼에 구애받지 않으며 하이브리드 처리를 위해 설계되었습니다. IT.NRW에 따르면 이 애플리케이션은 이미 약 27,000명의 직원이 사용하고 있으며, 에센, 졸링겐, 베르크하임 시는 시 차원에서 재사용을 시험하고 있습니다. 이는 할테른 시에게도 중요한 의미를 갖는데, 개발 위험, 학습 곡선 및 비용을 공유할 수 있기 때문입니다.

표준화된 주 전체 솔루션이 지방 자치 단체의 요구 사항을 완벽하게 충족하는 것은 아닙니다. 주 정부 기관과 각 도시는 고유한 절차, 파일 구조, 데이터 보유 현황, 업무 및 책임 범위가 다릅니다. 지원 시스템이 실제 업무 흐름에 통합될 때 비로소 경제적 가치가 창출됩니다. 일반 채팅창을 통해 메모를 작성할 수는 있지만, 올바른 절차를 파악하고, 승인된 정보를 찾고, 적절한 템플릿을 사용하고, 출처를 확인하고, 검토를 위해 전문 절차 담당자에게 결과를 전달하는 통합 솔루션에 비해 시간을 훨씬 적게 절약할 수 있습니다.

따라서 할테른은 기존 솔루션과 자사의 관리형 AI 개념을 경쟁시키는 전략을 취해서는 안 됩니다. 모듈식 접근 방식이 효과적입니다. 일반적인 기능은 전국 또는 지자체 간 플랫폼에서 가져올 수 있습니다. 그런 다음 지자체별 지식 기반, 인터페이스 및 프로세스 모듈을 그 위에 추가합니다. 특히 민감한 애플리케이션은 통제된 환경에서 운영할 수 있습니다. 이렇게 하면 비용이 많이 드는 개별 솔루션과 단일 제품에 대한 완전한 의존성을 모두 피할 수 있습니다.

경제적 효율성은 공정 원가 계산에서 시작됩니다

AI가 단순히 빠른 답변 속도만으로 수익성이 있는 것은 아닙니다. AI는 전체 처리 시간 단축, 오류 방지, 후속 질문 감소, 또는 제한된 용량에도 불구하고 안정적인 성능 유지 등의 이점을 제공할 때 비로소 수익성이 확보됩니다. 따라서 각 사용 사례에 대한 기준선을 먼저 설정해야 합니다. 기준선에는 사례 수, 평균 처리 시간, 대기 시간, 미디어 휴식 시간, 재작업률, 후속 질문, 오류 비용, 그리고 표준화 가능한 작업 비율 등이 포함되어야 합니다. 이러한 기준을 충족한 후에야 AI 지원의 경제적 타당성을 평가할 수 있습니다.

간단한 모델 계산을 통해 논리를 설명할 수 있습니다. 시스템이 동일한 프로세스 2만 건당 평균 5분을 절약한다고 가정하면, 이론적으로 연간 약 1,667시간의 총 시간 절약 효과가 발생합니다. 하지만 여기서 테스트 시간, 교육, 지원, 시스템 다운타임, 품질 관리 시간을 제외해야 합니다. 예를 들어, 순 절약 시간이 1,000시간 남았다면, 이 시간을 투자된 총 비용과 비교하여 평가할 수 있습니다. 응답 시간 단축이나 원활한 의사소통과 같은 질적 효과도 고려해야 합니다. 이 계산은 의도적으로 보수적으로 설정되었습니다. 이론적으로 얻은 시간을 확실한 예산 절감으로 홍보하는 것을 방지하기 위함입니다.

경제적 영향은 세 가지 형태로 나타날 수 있습니다. 첫째, 지자체는 동일한 인력으로 더 많은 업무를 처리할 수 있습니다. 둘째, 업무 적체를 줄이고 외부 비용을 절감할 수 있습니다. 셋째, 확보된 시간을 상담, 모니터링 및 복잡한 개별 사례 처리에 재배정할 수 있습니다. 인력 규모는 무한히 분할할 수 없기 때문에 시간 절약이 직접적으로 예산 절감으로 이어지는 경우는 드뭅니다. 일반적으로 가장 현실적인 이점은 신규 채용 회피, 업무량 감소, 서비스 품질 일관성 향상 및 대응력 개선에 있습니다.

문서 작업은 가장 강력한 첫 번째 수단입니다

공공 행정은 지식과 문서를 많이 활용하는 조직입니다. 업무의 상당 부분은 정보를 수집, 검증, 요약하고 법적 또는 조직적으로 적절한 형식으로 변환하는 데 할애됩니다. 생성형 인공지능은 이러한 작업에 매우 적합하며, 특히 보조 역할을 수행하고 신뢰할 수 있는 자료에 접근할 수 있다면 더욱 효과적입니다. 통제된 환경에서 생성형 인공지능은 장문의 문서를 요약하고, 버전 간의 차이점을 강조 표시하고, 핵심 내용을 바탕으로 초안을 작성하고, 파일 내에서 관련 구절을 찾아낼 수 있습니다.

실증적인 결과는 포괄적인 약속이 부적절한 이유를 보여줍니다. 아일랜드 중앙은행 직원 143명을 대상으로 한 현장 실험에서 생성형 AI는 문서 이해 작업의 품질을 17% 향상시키고 처리 시간을 34% 단축했습니다. 그러나 데이터 분석 작업에서는 품질이 12% 저하되었고, 시간 절약 효과는 미미했습니다. 따라서 이 기술은 모든 상황에서 생산성을 높이는 것이 아니라, 작업, 데이터, 사용자 인터페이스 및 제어 메커니즘이 잘 부합할 때만 효과적입니다.

할테른에게 있어 이는 명확한 우선순위를 제시합니다. 초기에는 텍스트 분량이 많고 법적 영향이 제한적인 내부 업무가 적합합니다. 예를 들어 회의록 작성, 내부 지식 검색 개선, 회의록 초안 작성, 공개 규정 평가, 시민 문의 주제별 사전 분류 등이 있습니다. 반면 소송, 제재 또는 개별 법적 입장에 관한 결정은 초기 단계에 적합하지 않습니다. 오류를 쉽게 발견하고 수정할 수 있는 부분부터 시작해야 합니다.

우편물 처리실이 스마트한 현관문으로 변신합니다

구체적인 활용 사례 중 하나는 수신 문서 처리입니다. 편지, 양식, 이메일 및 첨부 파일을 인식하고, 사례에 할당하고, 완전성을 확인하고, 전달해야 합니다. 기존의 문서 인식 기술은 일관성 없는 레이아웃, 자유 형식 텍스트 및 필기체에서 빠르게 한계에 도달합니다. 최신 AI는 콘텐츠를 분류하고, 관련 정보를 추출하고, 처리를 위한 요약을 생성할 수 있습니다.

GKD 레클링하우젠은 이미 수신 우편물 스캔을 위해 자체적인 AI 환경을 구축하여 운영하고 있습니다. 이 환경에서는 내용 분류, 필기 인식, 요약 기능을 지원하여 검증 과정과 전자 파일 변환 시간을 단축합니다. 이는 할테른 시에 지역적으로 적용 가능한 가능성을 제시합니다. 할테른 시는 먼저 기술의 원리적 타당성을 입증할 필요 없이, 어떤 문서 유형, 물량, 그리고 특수 절차가 지역에 가장 큰 이점을 가져다줄지 검토할 수 있습니다.

이 사용 사례는 여러 부서에 미치는 영향 덕분에 경제적으로 매력적입니다. 더욱 체계적으로 준비된 수신 우편 시스템은 우편실의 업무량을 줄일 뿐만 아니라 검색 시간, 오배송, 전문 부서의 문의 사항도 감소시킵니다. 동시에 후속 처리 단계를 위한 더욱 구조화된 데이터 기반을 구축합니다. 이를 통해 단일 AI 모듈이 처리 과정 전반에 걸쳐 발생하는 여러 병목 현상을 해결할 수 있습니다. 재사용이 많을수록 이점은 더욱 커지므로, 일반적으로 여러 개의 작은 개별 솔루션보다는 중앙 집중식 구성 요소를 우선시해야 합니다.

견고한 오류 처리 개념은 여전히 필수 조건입니다. AI는 의도치 않게 문서를 잘못 분류하거나 중요한 내용을 누락해서는 안 됩니다. 따라서 각 문서 유형별로 명확한 최소 품질 기준, 샘플링 절차, 수정 프로세스 및 신뢰할 수 있는 대체 메커니즘이 필요합니다. 중요하거나 잘못 식별된 입력값은 자동으로 사람의 검토를 거치게 됩니다. 이러한 인간 참여형 모델은 기술적 약점을 나타내는 것이 아니라, 기계와 인간 전문가 간의 경제적, 법적으로 타당한 역할 분담을 의미합니다.

'관리형 AI'(인공지능)로 디지털 혁신의 새로운 차원을 열다 - 플랫폼 및 B2B 솔루션 | Xpert Consulting

'관리형 AI'(인공지능)로 디지털 전환의 새로운 차원을 열다 – 플랫폼 및 B2B 솔루션 | Xpert Consulting - 이미지: Xpert.Digital

여기서는 기업이 맞춤형 AI 솔루션을 신속하고 안전하게, 그리고 진입 장벽 없이 구현하는 방법을 배우게 됩니다.

관리형 AI 플랫폼은 인공지능을 위한 모든 것을 포함하는, 걱정 없는 솔루션입니다. 복잡한 기술, 값비싼 인프라, 그리고 장기간의 개발 과정을 직접 처리할 필요 없이, 전문 파트너로부터 필요에 맞춘 완벽한 솔루션을 단 며칠 만에 제공받을 수 있습니다.

주요 장점을 한눈에 살펴보세요:

⚡ 신속한 구현: 아이디어 구상부터 바로 사용 가능한 애플리케이션 개발까지 몇 달이 아닌 며칠 만에 완료됩니다. 즉각적인 부가가치를 창출하는 실용적인 솔루션을 제공합니다.

🔒 최고의 데이터 보안: 귀하의 민감한 데이터는 안전하게 보호됩니다. 당사는 제3자와 데이터를 공유하지 않고 안전하고 법규를 준수하는 데이터 처리를 보장합니다.

💸 재정적 위험 없음: 결과에 대해서만 비용을 지불합니다. 하드웨어, 소프트웨어 또는 인력에 대한 높은 초기 투자 비용이 완전히 사라졌습니다.

🎯 핵심 사업에 집중하세요: 귀사가 가장 잘하는 일에 집중하십시오. AI 솔루션의 기술 구현, 운영 및 유지 관리는 저희가 모두 담당합니다.

📈 미래 지향적이고 확장 가능: 귀사의 AI는 귀사와 함께 성장합니다. 지속적인 최적화 및 확장성을 보장하고, 새로운 요구 사항에 맞춰 모델을 유연하게 조정합니다.

자세한 내용은 여기에서 확인하세요:

관리형 AI 솔루션 - 산업용 AI 서비스: 서비스, 산업 및 기계 공학 분야의 경쟁력 확보의 핵심

지자체에 인공지능을 통합하는 혁신적인 접근 방식

관리자의 지식은 직원과 함께 외부로 유출되어서는 안 됩니다

인구 구조 변화는 노동력 부족뿐만 아니라 경험적 지식의 손실이라는 측면에서도 지방 자치 단체를 위협합니다. 많은 업무는 지역적 맥락에 의존합니다. 특정 사안에 필요한 서류는 무엇일까요? 어떤 책임이 바뀌었을까요? 어떤 표현이 효과적이었을까요? 이전 결정과 유사한 절차는 어디에 있을까요? 숙련된 직원이 떠나면 이러한 지식 중 일부는 사라지거나, 어렵게 다시 구축해야 합니다.

잘 관리된 지자체 지식 기반과 연동된 관리형 AI 플랫폼은 이러한 문제를 완화할 수 있습니다. 이는 단순히 인터넷에서 임의의 답변을 생성하는 방식이 아닙니다. 시스템은 승인된 서비스 지침, 조례, 매뉴얼, 템플릿, 프로세스 설명 등을 검색하여 이러한 자료를 기반으로 답변을 도출합니다. 이상적으로는 사용된 자료의 출처를 표시하여 직원들이 정보를 즉시 확인할 수 있도록 합니다. 이러한 접근 방식은 흔히 검색 증강 생성(retrieval-augmented generation)이라고 불리며, 모델의 언어적 능력과 통제된 지역 자료를 결합합니다.

여기서 핵심 자산은 언어 모델이 아니라 관리 체계의 구조화된 지식 기반입니다. 모델은 성능, 비용 또는 법적 요구 사항에 따라 교체할 수 있습니다. 반면 버전 관리, 책임자 지정, 메타데이터 및 삭제 규칙이 잘 갖춰진 문서 저장소는 장기적으로 활용 가능합니다. 따라서 할테른은 특정 모델에 투자하기보다는 데이터 품질, 지식 관리 및 개방형 인터페이스에 투자해야 합니다. 이러한 투자는 기존의 디지털화 방식을 개선하는 동시에 AI 기술이 빠르게 발전하는 시대에도 지속적인 영향력을 발휘할 수 있도록 합니다.

디지털 주권은 비용의 문제입니다

디지털 주권은 종종 정치적 이상으로 여겨지지만, 구체적인 경제적 핵심을 가지고 있습니다. 데이터, 인터페이스, 운영 노하우를 단일 공급업체에 완전히 종속시키는 기업은 협상력을 잃게 됩니다. 공급업체 전환 비용이 증가하고, 조정 비용이 많이 들며, 혁신은 제3자의 제품 기획에 의존하게 됩니다. 반대로 모든 기술 구성 요소를 자체적으로 개발하는 것은 비경제적입니다. 따라서 주권은 완전한 자급자족을 의미하는 것이 아니라, 정보에 입각한 결정을 내리고, 공급업체를 변경하며, 장애 발생 시에도 핵심 서비스를 유지할 수 있는 능력을 의미합니다.

관리형 AI의 경우, 이는 모듈형 아키텍처로 이어집니다. 신원 관리, 지식 저장소, 로깅 및 인터페이스는 단일 언어 모델에 불가분하게 연결되어서는 안 됩니다. 모델은 작업에 따라 선택할 수 있습니다. 복잡한 텍스트에는 고성능 모델을, 분류에는 더 작고 비용 효율적인 모델을, 민감한 데이터에는 로컬에서 운영되는 모델을 사용할 수 있습니다. NRW.Genius는 이미 모델에 구애받지 않는 하이브리드 접근 방식을 추구하고 있으며, 이를 통해 데이터 처리를 보호 요구 사항에 맞게 조정할 수 있습니다. 이러한 원칙은 지자체의 구현에도 적용되어야 합니다.

비용은 전체 라이프사이클에 걸쳐 고려해야 합니다. 여기에는 구현, 데이터 준비, 통합, 교육, 지속적인 운영, 모델 활용, 보안 감사, 품질 보증, 그리고 공급업체 변경 가능성까지 포함됩니다. 겉보기에는 저렴해 보이는 AI 솔루션이라도 각 비즈니스 애플리케이션에 개별적인 통합이 필요하거나 비용이 투명하지 않으면 오히려 비용이 많이 들 수 있습니다. 반대로, 플랫폼 이용료가 다소 높더라도 안전한 표준, 공통 구성 요소, 그리고 안정적인 지원을 제공한다면 경제적일 수 있습니다.

데이터 보호는 아키텍처적인 과제가 된다

데이터 보호는 시범 프로젝트가 기술적으로 완료된 후에만 검토해서는 안 됩니다. 대규모 언어 모델의 경우, 법적 근거, 목적 제한, 데이터 최소화, 저장 기간, 데이터 전송, 그리고 모델에 포함될 수 있는 개인 정보와 관련된 문제들이 발생합니다. 따라서 연방 데이터 보호 위원회는 당국이 인공지능 프로젝트에 처음부터 데이터 보호를 통합하고, 특히 학습 및 사용 과정에서 개인 데이터 처리 방식을 체계적으로 평가할 것을 권고합니다. 이는 지자체에 추가적인 행정적 부담이 아니라 시스템의 장기적인 활용성을 위한 필수 조건입니다.

관리형 AI는 기술적으로 규칙을 강제할 수 있게 해줌으로써 데이터 보호를 더욱 실질적으로 만들어 줍니다. 데이터는 처리 전에 분류되거나 가명화될 수 있습니다. 역할과 권한을 통해 누가 어떤 지식 기반에 접근할 수 있는지 제한할 수 있습니다. 입력 내용을 기록하고, 보존 기간을 자동화하며, 허용되지 않는 콘텐츠를 필터링할 수 있습니다. 서로 다른 보호 요구 사항을 여러 처리 경로에 분산시킬 수 있습니다. 이를 통해 데이터 보호는 단순한 정보 문서에서 실질적인 운영 기능으로 전환됩니다.

정보 보안은 모델 제공업체와의 계약만으로는 충분하지 않습니다. 독일 연방 정보 보안청(BSI)은 AI 시스템 목록 작성, 명확한 사용 규칙, 데이터 최소화 구성, 명확한 삭제 주기, 책임 소재 규명, 그리고 백엔드 시스템으로 전달하기 전 출력 검증 등을 권고합니다. 특히 마지막 요구사항이 중요한데, 단순히 초안을 보여주는 AI 시스템과 특정 애플리케이션에 데이터를 직접 입력하거나 의사 결정을 내리는 시스템은 완전히 다른 수준의 위험성을 내포하고 있기 때문입니다.

법적 확실성은 금지 조항만으로 만들어지는 것이 아닙니다

유럽 인공지능법(AI Act)은 거버넌스, 투명성 및 역량에 대한 요건을 강화합니다. 2025년 2월부터 AI 역량 관련 규정이 시행되었으며, 2026년 8월부터는 법적 프레임워크 및 투명성 규칙의 상당 부분이 발효되었습니다. 민감한 분야의 특정 애플리케이션은 고위험 시스템으로 간주되어 특히 엄격한 규제를 받습니다. 이는 전면적인 금지 또는 지방자치단체에 대한 무제한적인 권한 부여를 의미하는 것은 아닙니다. 지방자치단체는 위험도에 따라 애플리케이션을 구분하고 조직적 의무를 명확하게 이행해야 합니다.

내부 문서 작성을 위한 텍스트 도우미는 중요한 공공 서비스 접근 권한을 공동으로 결정하는 시스템과는 다르게 취급되어야 합니다. 심지어 동일한 애플리케이션 내에서도 위험성은 다를 수 있습니다. 익명화된 공공 문서를 요약하는 것은 사회복지 관련 파일을 요약하는 것보다 문제가 덜 심각합니다. 따라서 건전한 거버넌스 모델은 제품 자체뿐만 아니라 목적, 데이터, 사용자 기반, 그리고 특정 사용의 영향까지 평가해야 합니다.

관리형 AI는 필요한 통제력을 제공합니다. 중앙 기관이 애플리케이션 등록부를 관리하고, 책임자 및 승인 내역을 문서화하며, 보호 등급을 지정하고, 변경 사항을 모니터링합니다. 이를 통해 각 기관이 자의적인 규칙을 만드는 것을 방지할 수 있습니다. 동시에, 거버넌스는 승인 지연으로 이어져서는 안 됩니다. 빈번하게 발생하고 위험도가 낮은 표준적인 사례의 경우, 사전 승인된 템플릿과 신속한 승인 절차가 마련되어 있어야 합니다. 규제의 질은 단순히 불확실성을 관리하는 것이 아니라 안전한 사용을 가능하게 하는지 여부로 입증됩니다.

직원들이 이윤을 결정합니다

AI 도입의 핵심은 조직 개발입니다. 직원들은 시스템의 기능과 한계, 그리고 자신에게 남은 책임 사항을 이해해야 합니다. 단 한 번의 프롬프트 교육으로는 충분하지 않습니다. 업무 기반 학습 방식, 부서 내 사례, 데이터 처리 지침, 그리고 오류를 명확하게 설명하는 능력은 필수적입니다. 관리자는 또한 프로세스 선택, 지표 평가, 그리고 새로운 역할 설계에 대한 역량을 갖춰야 합니다.

실행 단계에서 인력 감축을 약속하는 것은 바람직하지 않습니다. 그러한 접근 방식은 당연히 저항을 불러일으키고 학습 의지를 저해합니다. 보다 현실적인 목표는 업무량의 최대치를 줄이고, 적체된 업무를 해소하며, 의사 결정 권한이 거의 필요 없는 업무에서 전문가들을 해방시키는 것입니다. 이렇게 되면 인력의 역할은 초안 작성에서 검토, 분류, 자문, 그리고 최종 결정으로 전환됩니다.

공동 결정과 참여는 초기 단계부터 이루어져야 합니다. 에센시는 서비스 계약을 통해 AI 사용을 규제하고, 직원 협의회를 참여시키고, 기본 교육을 제공하며, AI 결과를 외부에 사용하기 전에 전문가의 검토를 거치도록 규정했습니다. 재량적 결정은 여전히 인간의 권한입니다. 이 모델은 할테른에도 적용할 수 있습니다. 명확한 규칙은 직원과 시민을 보호할 뿐만 아니라 불확실성을 줄여 사용률을 높입니다.

지자체 간 협력 확대가 개별 지자체 차원의 해결책보다 효과적입니다

독일에는 비슷한 업무를 수행하지만 시스템 환경이 이질적인 수천 개의 지방 자치 단체가 있습니다. 각 행정 기관이 자체적인 지원 인력, 감사 절차 및 계약 모델을 개발한다면 상당한 업무 중복이 발생할 것입니다. 보다 경제적으로 합리적인 접근 방식은 핵심 구성 요소를 공유하고 지역 상황에 맞게 조정하는 것입니다. 지방 자치 단체 간 협력은 고정 비용을 분산하고 전문 지식을 공유하며 전문적인 운영 구조를 위한 충분한 활용량을 창출합니다.

할테른 지역의 IT 인프라는 자연스러운 출발점을 제공합니다. 공동 IT 서비스 센터(GKD)는 플랫폼, 보안 아키텍처 및 기술 통합의 중앙 집중식 운영을 가능하게 합니다. NRW.Genius와 같은 주 차원의 서비스는 일반적인 지원 기능을 제공합니다. AI 기회 마켓플레이스와 같은 국가 차원의 구조는 애플리케이션의 투명성을 높이고 연방, 주 및 지방 정부 간의 재사용을 촉진하는 것을 목표로 합니다. IT 계획 위원회는 2027년 1월 1일부터 이 플랫폼을 자체 제품으로 채택하기로 결정했습니다. 이를 통해 지자체가 처음부터 모든 것을 새로 개발할 필요가 없는 생태계가 점진적으로 조성될 것입니다.

그러나 협력이 가능한 한 가장 느린 속도로 이어져서는 안 됩니다. 할테른은 기술적 기반을 공유하면서도 자체적인 우선순위와 성공 기준을 설정해야 합니다. 모듈형 시스템을 구상할 수 있습니다. 공유 플랫폼, 공통 보안 표준, 공동으로 테스트한 모델을 활용하되, 지역별 지식 기반과 선별된 프로세스 모듈을 적용하는 것입니다. 이러한 방식으로 규모의 경제를 희생하지 않고도 각 지자체의 특수성을 보존할 수 있습니다.

시민 참여는 막후에서 진행됩니다

시민들은 공공 행정을 인공지능 모델의 수로 평가하지 않습니다. 그들은 대기 시간, 이해도, 접근성, 신뢰성, 그리고 공정한 대우를 경험합니다. 따라서 성공적인 인공지능 전략은 이러한 요소들로 평가되어야 합니다. 편지 응답 속도는 빨라지지만 이해하기 어렵다면 얻는 것이 거의 없습니다. 챗봇이 24시간 내내 응답하지만 예외적인 경우에 잘못된 안심감을 준다면 오히려 신뢰가 떨어질 수 있습니다.

시민들에게 가장 큰 영향을 미치는 것은 종종 간접적인 방식입니다. 신속한 내부 조사로 회신 시간이 단축되고, 자동화된 정보 완전성 검사로 후속 요청이 줄어듭니다. 번역 도구는 독일어 구사 능력이 부족한 사람들의 접근성을 개선하고, 이해하기 쉬운 초안을 통해 복잡한 행정 용어를 간소화할 수 있습니다. 직원들은 개인적인 설명이나 검토가 필요한 사안에 더 많은 시간을 할애할 수 있게 됩니다. 이처럼 AI는 대면 소통을 대체하는 것이 아니라, 필요에 따라 소통을 다시 활성화하는 역할을 합니다.

외부 시민 지원 시스템은 내부 지식 기반이 충분히 확보된 후에만 도입해야 합니다. 그렇지 않으면 지자체는 모호한 부분을 자동화하는 데 그칠 것입니다. 초기에는 자주 묻는 질문, 개인적인 내용이 아닌 일반적인 질문, 투명한 정보 출처, 그리고 담당자에게 명확하게 연결되는 안내 등을 중심으로 제한적으로 운영하는 것이 바람직합니다. 지원 시스템은 법적 구속력이 있는 답변을 제공하는 것처럼 가장해서는 안 됩니다. 모든 답변은 일반적인 정보인지, 아니면 특정 사례에 대한 조언인지 명확히 구분해야 합니다.

성공적인 출발을 위해서는 몇 가지 명확한 우선순위가 필요합니다

할턴은 긴 희망 목록으로 시작하기보다는 3~5개의 사용 사례 포트폴리오를 구축하는 것이 좋습니다. 첫 번째는 안전한 텍스트 및 문서 지원에 초점을 맞출 수 있습니다. 두 번째는 수신 문서 처리와 관련된 것일 수 있습니다. 세 번째는 내부 지식 관리에 관한 것이어야 합니다. 표준화된 문서의 사전 검토와 같이 측정 가능한 양을 가진 명확하게 정의된 프로세스도 적합합니다. 이러한 조합은 단기적인 학습 성과를 창출하는 동시에 장기적인 활용을 위한 플랫폼을 구축하는 데 도움이 됩니다.

선정은 다음과 같은 통일된 기준에 따라 이루어져야 합니다: 건수, 현재 소요 시간, 표준화 가능성, 데이터 가용성, 통합 노력, 오류 발생 시 영향, 그리고 예상되는 이점. 건수가 많고, 데이터 기반이 탄탄하며, 법적 영향이 적은 신청서에 우선순위를 부여해야 합니다. 위험도가 높거나 데이터가 불분명한 신청서는 후순위로 두어야 합니다. 이러한 기준을 통해 순위 결정이 경제적으로 투명해지고, 개별 공급업체나 부서의 시장 점유율에 좌우되지 않게 됩니다.

모든 시범 프로젝트에는 해당 분야 전문가, 기술 책임자, 그리고 측정 가능한 목표 가치가 필요합니다. 3~6개월 후에는 해당 애플리케이션을 종료할지, 수정할지, 아니면 확장할지 결정해야 합니다. 성공은 단순히 시간 절약에만 국한되지 않습니다. 품질, 수용도, 오류율, 필요한 수정 횟수, 안정성, 그리고 시민들에게 미치는 영향 또한 측정해야 합니다. 사전에 종료 기준이 명확하게 정의되지 않은 시범 프로젝트는 쉽게 끝없는 실험으로 이어질 수 있습니다.

4단계로 구성된 지방자치단체 운영 모델

첫 번째 단계에서 도시는 질서를 확립합니다. 기존 AI 사용 현황을 문서화하고, 책임 소재를 명확히 하며, 예비 사용 정책을 채택하고, 데이터와 사용 사례를 분류합니다. 동시에 직원협의회, 데이터 보호 부서, 정보 보안 부서, 법무 부서 및 관련 부서가 참여합니다. 그 결과는 장황한 정책 보고서가 아니라 실질적인 프레임워크가 됩니다.

두 번째 단계에서는 안전한 지원 환경이 제공됩니다. 직원들은 공식적인 접근 권한, 교육, 그리고 허용된 작업 목록을 명확하게 제공받습니다. 초기에는 공개된 콘텐츠 또는 민감도가 낮은 콘텐츠가 처리됩니다. 시는 사용 데이터를 수집하고 일반적인 오류를 기록합니다. 이를 통해 통제되지 않은 섀도우 AI를 보다 나은 공식 대안으로 대체합니다.

세 번째 단계는 지식 통합 및 프로세스 연결입니다. 공개된 지자체 문서는 버전 관리 및 색인화되고, 답변은 관련 자료에 연결되며, 초기 전문 애플리케이션은 인터페이스를 통해 연결됩니다. 이 단계에서 생산성 향상이 가장 크게 나타나지만, 동시에 테스트 및 운영 요구 사항도 증가합니다. 따라서 관리형 AI 모델에는 지원, 모니터링, 비용 관리 및 변경 관리가 반드시 포함되어야 합니다.

4단계에서는 검증된 애플리케이션을 여러 지자체로 확대 적용합니다. 할테른시는 다른 곳에서 효과가 입증된 모듈을 도입하고 자체 경험을 공유할 수 있습니다. 더 큰 규모의 투자도 함께 이루어집니다. 동시에 비용과 품질 경쟁력을 유지하기 위해 정기적인 모델 비교도 필수적입니다. 이처럼 할테른시는 개별 AI 도구를 구매하는 단계에서 디지털 운영 서비스를 능숙하게 활용하는 고객으로 발전해 나갑니다.

이러한 이점을 얻으려면 지방 자치 단체의 핵심 성과 지표 시스템이 필요합니다

핵심성과지표(KPI)를 명확하게 정의하는 체계는 과장을 방지합니다. 프로세스 수준에서는 처리 시간, 실제 처리 시간, 쿼리 수, 오류율, 백로그 등의 지표가 중요합니다. 직원 수준에서는 사용률, 체감 업무량 감소, 교육 필요성이 중요한 요소입니다. 시민의 관점에서는 응답 시간, 이해도, 불만 접수율, 요청 해결 성공률을 고려해야 합니다. 기술적인 측면에서는 가용성, 응답 시간, 거래당 비용, 보안 관련 사고 발생 건수 또한 중요합니다.

핵심성과지표(KPI)는 시범 사업 시작 전에 수집되어야 합니다. 그렇지 않으면 비교가 불가능합니다. 또한, 도시는 총이익과 순이익을 구분해야 합니다. 텍스트 생성 시간이 30분 단축되더라도 검토에 20분이 추가로 소요된다면 완전한 이득이라고 할 수 없습니다. 근무 시간 단축으로 인한 영향도 고려해야 합니다. 관련 부서의 업무량은 줄었지만 IT 부서나 품질 관리 부서의 업무량은 증가했을까요? 종합적인 분석을 통해서만 지자체의 생산성이 실제로 향상되었는지 여부를 확인할 수 있습니다.

투명성은 정치적 거버넌스를 강화하는 데 기여합니다. 위원회는 상세한 기술 보고서보다는 배포된 애플리케이션, 비용, 이점, 위험 및 특이 사항에 대한 정기적인 개요를 필요로 합니다. 시민들은 AI가 어디에 사용되고 인간의 결정이 어디에 이루어지는지 이해할 수 있어야 합니다. 이러한 개방성은 근거 없는 두려움과 비현실적인 기대를 모두 방지합니다.

가장 큰 위험은 부실한 관리에서 비롯됩니다

환각, 왜곡, 데이터 유출은 실제 기술적 위험입니다. 하지만 그에 못지않게 위험한 것은 조직적 오류입니다. 책임 소재 불분명, 데이터 관리 소홀, 부적절한 교육, 과도한 파일럿 프로젝트 병행, 개별 컨설턴트에 대한 의존 등이 여기에 해당합니다. 아무리 뛰어난 AI 플랫폼이라도 지식 기반 업데이트가 이루어지지 않거나 관련 부서에서 그 이점을 제대로 인식하지 못하면 실패할 수 있습니다.

또 다른 위험은 비효율적인 프로세스의 자동화입니다. 절차에 불필요한 검토 과정, 불분명한 책임 소재, 중복 데이터 입력 등이 포함되어 있다면 AI는 오히려 절차를 더 복잡하고 빠르게 만들 뿐입니다. 따라서 자동화를 도입하기 전에 단계들을 제거하거나, 표준화하거나, 법적으로 간소화할 수 있는지 검토해야 합니다. 프로세스 최적화와 AI 활용은 서로 밀접하게 연관되어 있습니다.

마지막으로, 지방자치단체는 생산성 향상을 미리 계획해서는 안 됩니다. 연구와 실제 사례는 업무별로 상당한 차이가 있음을 보여줍니다. OECD는 생산성, 대응력, 책임성을 정부의 인공지능 활용을 위한 핵심 기회로 제시하면서도, 광범위한 조직 생산성 향상에 대한 증거는 아직 제한적이라고 지적합니다. 따라서 책임감 있는 계획 수립에는 시나리오, 안전 마진, 단계적 투자가 포함되어야 합니다.

아무것도 하지 않는 것이 가장 큰 손실로 이어질 수 있는 이유

인공지능(AI)을 성급하게 도입하는 것에 반대하는 데에는 타당한 이유가 있습니다. 하지만 경제적인 측면에서도 무기한 기다리는 것에 반대하는 이유가 충분합니다. 직원들은 계속해서 공개된 도구를 활용해 실험할 것이고, 인근 지자체들은 경험을 축적할 것이며, 서비스 제공업체들은 빠르게 제품을 개선할 것입니다. 통제된 대안을 제공하지 못하는 것은 AI의 도입을 막는 것이 아니라 오히려 통제력을 상실하는 결과를 초래할 뿐입니다. 동시에 데이터 품질, 인터페이스, 전문성 측면에서 격차는 더욱 커질 것입니다.

행동하지 않음으로써 발생하는 기회비용은 단일 예산 항목으로 나타나지 않습니다. 이는 처리 시간 지연, 업무 적체, 지식 손실, 과부하, 그리고 고용주로서의 매력도 하락으로 나타납니다. 특히 젊은 전문가들은 최신 도구를 기대합니다. 디지털 지원을 근본적으로 차단하는 정부는 일상적인 업무를 더욱 광범위하게 자동화하고 고난도 업무에 더 많은 기회를 제공하는 고용주들과 경쟁하게 될 것입니다.

올바른 접근 방식은 기술에 대한 열광도, 기술에 대한 거부도 아닙니다. 할턴은 공유 인프라, 명확한 경계, 그리고 엄격한 성과 측정을 기반으로 하는 통제된 학습 프로세스가 필요합니다. 관리형 AI는 이러한 목적에 이상적입니다. 이 모델은 지속적인 운영 책임을 체계화하기 때문입니다. AI를 한 번 구매하는 소프트웨어가 아니라, 지속적으로 모니터링, 업데이트, 그리고 전문적인 관리가 필요한 역동적인 인프라로 간주합니다.

검토 요청은 실행 전략으로 전환되어야 합니다

인공지능 도입에 대한 정치적 검토는 유용한 출발점이 될 수 있습니다. 하지만 그 가치는 명확한 구현 아키텍처로 이어지는지에 달려 있습니다. 단순히 가능한 응용 분야를 나열하는 것만으로는 문제를 미룰 뿐입니다. 필요한 것은 우선순위, 책임 소재, 지자체 간 협력 모델, 재정 체계, 그리고 측정 가능한 시범 사업입니다.

따라서 핵심은 다음과 같습니다. 할테른시는 인공지능을 고립된 디지털 프로젝트로 취급해서는 안 되며, 오히려 시정 공공 서비스의 필수적인 부분으로 여겨야 합니다. 시는 자체적인 언어 모델을 개발하거나 모든 솔루션을 직접 운영할 필요가 없습니다. 기존의 국가 및 지역 구조를 활용하고, 개방적이고 상호 교환 가능한 구성 요소를 고집하며, 프로세스, 데이터 및 제어 분야에서 지역 전문성을 구축해야 합니다. 이러한 방식으로 규모의 경제와 시의 자율성을 동시에 확보할 수 있습니다.

관리형 AI는 단순히 편의성을 더하는 것이 아니라, 이점과 관리 용이성을 결합하는 메커니즘입니다. 관리가 없다면 모델은 고립된 도구로 남고, 데이터 위험은 불분명하며, 성공은 운에 맡겨지게 됩니다. 전문적인 운영 프레임워크는 안전한 지원 도구, 지자체의 전문성, 자동화된 절차를 생산적인 인프라로 발전시킬 수 있도록 합니다. 따라서 전략적 질문은 더 이상 AI가 시청에 도입될 것인가가 아니라, 도시가 AI 구현 방식을 주도할 것인가, 아니면 나중에 더 큰 압력에 굴복하여 외부 솔루션을 도입할 수밖에 없을 것인가입니다.