AI 도입 성과 가르는 기준은 활용 범위
속도 중심 자동화가 드러낸 성과・전환 비용
훈련・거버넌스로 갈리는 AI 제도화 성패

본 기사는 스위스 인공지능연구소(SIAI)의 SIAI Research Memo 시리즈 기고문을 한국 시장 상황에 맞춰 재구성한 글입니다. 본 시리즈는 최신 기술·경제·정책 이슈에 대해 연구자의 시각을 담아, 일반 독자들에게도 이해하기 쉽게 전달하는 것을 목표로 합니다. 기사에 담긴 견해는 집필자의 개인적 의견이며, SIAI 또는 그 소속 기관의 공식 입장과 일치하지 않을 수 있습니다.

연방 정부의 인공지능(AI) 도입은 더 이상 인력 구성의 문제가 아니라 제도 설계의 문제로 정리되고 있다. 지난 1년간 정부 효율성 부서(Department of Government Efficiency, DOGE)가 추진한 자동화 정책은 공공 부문에서도 AI가 실제 행정 업무에 적용될 수 있음을 보여줬다. 문서 작성과 요약, 데이터 처리처럼 반복성이 높은 영역을 중심으로 AI 도구가 투입되면서 기술적 가능성에 대한 논쟁은 빠르게 수그러들었다.

그러나 성과와 함께 비용도 드러났다. 자동화가 속도를 내는 과정에서 인력 이탈이 이어졌고, 일부 기관에서는 숙련 공백이 발생했다. 기술 도입의 속도가 제도와 조직의 준비 수준을 앞서가면서 업무 연속성과 지식 축적이 흔들리는 사례도 나타났다.

이로 인해 AI 도입을 둘러싼 논의의 초점 역시 이동하고 있다. 채택 여부를 따지는 단계는 지났고, 전환 과정에서 발생하는 비용과 리스크를 어떻게 관리할 것인가가 핵심 과제로 부상했다. 쟁점은 분명하다. 자동화를 멈출지의 문제가 아니라, 이미 시작된 변화를 제도 안에 어떻게 안정적으로 정착시킬 것인가에 있다.

AI 도입 성과 가르는 활용 범위

연방 정부에서 AI 도입의 성과는 조직 내 직위나 전담 인력의 위상으로 가늠되기 어렵다. 정책 효과는 누가 AI를 담당하는지가 아니라, 실제 행정 현장에서 어떤 시스템이 얼마나 널리 사용되는지에서 드러난다. 이 기준에서 보면 문서 작성과 요약, 데이터 정리 등 일상 행정 업무에 AI 보조 도구를 직접 투입한 최근 사례들은 분명한 신호를 보낸다.

AI가 이메일 작성이나 보고서 정리처럼 반복성이 높은 업무에 연결되자 현장의 반응도 달라졌다. 기술 설명보다 처리 속도 개선과 업무 부담 감소가 먼저 체감되면서, 도입에 대한 거부감은 빠르게 낮아졌다. AI 활용이 특정 부서의 실험을 넘어 일상 업무로 확산된 배경이다.

이러한 흐름은 도입 방식에 대한 판단 기준도 바꾼다. 인재 확보나 조직 신설보다, 기존 업무 구조 안에 AI 기능을 어떻게 녹여낼 것인가가 더 중요해졌다. 이 방향 전환은 이후 인력 역할 재정의와 조직 재편 논의를 떠받치는 출발점으로 이어진다.

자동화가 바꾸는 인력 역할 구조

AI 도입은 단순한 인력 감축 전략으로 작동하지 않는다. 반복성이 높은 업무가 자동화되는 과정에서, 운영·관리·검증을 담당하는 중간 숙련 직무의 필요성은 오히려 커졌다. 프롬프트 관리, 데이터 품질 점검, 시스템 운영 지원처럼 일상적이지만 지속적인 관리가 필요한 역할들이 그 공백을 채운다.

이러한 역할은 학술 연구 중심의 AI 인력과는 성격이 다르다. 모델 설계나 알고리즘 연구보다는, 현장에서 자동화 시스템이 안정적으로 작동하도록 유지·보완하는 기능에 가깝다. 이 구분이 명확하지 않을 경우 정책 집행 과정에서 인력 수급의 왜곡이 발생할 가능성도 커진다.

실제 사례도 확인된다. 미국 기술 전문 매체 와이어드(Wired) 보도에 따르면, DOGE는 일반서비스청(General Services Administration, GSA)에 자체 AI 챗봇 ‘GSAi’를 도입해 직원 1,500명에게 배포했다. 이는 윤리나 감독을 배제한 조치라기보다, 기존 규칙을 현장에서 바로 적용할 수 있는 운영 지침으로 전환하려는 시도였다.

이 사례는 AI 도입의 지속성이 직함이나 조직 확대보다 운영 구조에 달려 있음을 보여준다. 동시에 이러한 구조가 DOGE의 속도 중심 정책과 결합되면서, 단기 성과와 함께 관리 부담이라는 한계도 함께 드러났다는 점을 시사한다.

속도 중심 자동화의 성과와 비용

DOGE의 자동화 정책은 짧은 기간 안에 가시적인 성과를 남겼다. 미국 평가과학국(Office of Evaluation Sciences, OES)에 따르면, GSA 내부 생성형 AI 도구는 출시 5주 만에 직원의 약 35%가 최소 1회 이상 사용한 것으로 집계됐다. 도입 초기 단계임에도 비교적 높은 활용률이 확인되면서, AI 보조 도구가 실제 행정 환경에서도 작동할 수 있음을 보여줬다.

업무 방식의 변화도 뒤따랐다. 미국 연방 행정 전문 매체 페더럴 뉴스 네트워크(Federal News Network)는 자동화 이후 직원들이 단순 행정 업무에서 벗어나 보다 전략적인 업무에 더 많은 시간을 배분하고 있다고 전했다. 반복 처리 업무가 줄어들면서 인력 활용의 효율이 개선된 흐름이다.

다만 같은 시기 연방 인력의 순감소가 동시에 나타났다. 기존 업무 흐름과 제도적 맥락을 숙지한 인력이 빠져나가면서, 전환 과정의 안정성은 일부 약화됐다. 특히 현장 경험과 암묵지에 의존하던 업무 영역에서 공백이 발생하며 조직 부담이 커진 사례도 확인됐다. 이는 자동화 자체의 부작용이라기보다, 정책 추진 속도가 준비 수준을 앞선 결과로 해석된다. 기술 도입은 빨랐지만 지식 이전과 전환 관리에 대한 설계는 상대적으로 뒤처졌다는 의미다. 따라서 해법은 속도를 늦추는 데 있지 않다. 전환을 뒷받침할 보완 장치를 제도적으로 구축하는 데 있다.

훈련과 거버넌스가 좌우하는 지속성

연방 정부의 AI 전환이 지속될 수 있는지는 훈련과 거버넌스 설계에 달려 있다. 대규모 인력 교체보다 현직 인력을 대상으로 한 단기·실무 중심 AI 교육이 비용과 효과 측면에서 더 합리적인 선택으로 평가된다. 프롬프트 작성, 오류 식별, 데이터 관리처럼 즉시 현장에서 활용 가능한 훈련이 우선돼야 한다.

교육 방식 역시 분명하다. 모델 구조를 설명하는 이론 중심 교육보다, 실제 업무 흐름 속에서 AI를 사용하는 법을 익히는 훈련이 효과적이다. 짧고 반복 가능한 교육일수록 현장 정착 속도는 빨라진다.

자동화 확산 방식에도 기준이 요구된다. 전면 도입보다는 단계적 확대가 적합하다. 오류율, 민감 데이터 사고 발생 건수, 사용자 신뢰도 같은 지표를 기준으로 다음 단계로 넘어가는 구조가 필요하다. 성과와 위험을 동시에 점검하는 관리 장치가 전제돼야 한다는 의미다.

조달 단계의 판단 기준도 달라져야 한다. AI 모델의 성능뿐 아니라 사용자 교육 계획, 보안 설계, 사후 모니터링 체계를 함께 갖춘 솔루션이 우선 검토돼야 한다. 이러한 조건이 갖춰질 때 AI는 단기 실험을 넘어, 행정 시스템 안에서 하나의 제도로 작동하기 시작한다.

연방 AI 전환의 다음 단계

연방 정부의 AI 도입은 더 이상 되돌릴 수 있는 정책 선택지가 아니다. 이미 현장에 투입된 자동화와 AI 보조 도구는 공공 행정의 일부로 작동하기 시작했다. DOGE가 추진한 자동화 실험은 공공 부문에서도 AI가 실질적으로 활용될 수 있음을 보여주는 동시에, 준비 부족이 어떤 비용으로 이어지는지도 분명히 드러냈다.

성과는 명확했다. 업무 처리 속도는 빨라졌고 반복 행정의 부담은 줄었다. 그러나 인력 이탈과 숙련 공백, 전환 관리의 미비라는 한계 역시 함께 노출됐다. 이는 자동화 자체의 실패라기보다, 기술 도입 속도를 제도 설계가 따라가지 못한 결과로 해석하는 편이 타당하다.

해법의 방향도 분명하다. AI 도구를 현장에 안착시키고, 훈련을 통해 활용 격차를 줄이며, 거버넌스를 통해 위험을 관리할 경우 자동화는 공공 서비스의 효율을 구조적으로 끌어올릴 수 있다. 문제는 속도를 늦출 것인가가 아니다. 이미 시작된 전환을 제도 안에 안정적으로 묶어 둘 수 있는가에 있다. 연방 AI 전환의 다음 단계는 실험의 연장이 아니라 제도화다. 성과를 유지하면서 위험을 통제할 수 있을 때, 자동화는 행정 역량의 한 요소로 자리 잡게 된다.

본 연구 기사의 원문은 The Case for Continuing DOGE’s Disruption — Reframing Federal AI Adoption을 참고해 주시기 바랍니다. 본 기사의 저작권은 스위스 인공지능연구소(SIAI)에 있습니다.