AI 전환의 주인공이 개발팀만은 아니라는 장면이 선명해지고 있습니다. 행정안전부가 9월 9일 공개한 지방정부 AI 우수사례에는 현장 업무를 잘 아는 공무원이 생성형 AI와 바이브 코딩으로 필요한 프로그램을 직접 만들고, 실제 업무에서 검증한 사례가 여럿 담겼습니다.

세종시는 재난 유형 분류, 전파 대상 선정, 안내 문안 작성을 돕는 ‘세종 SIREN’을 자체 개발했습니다. 상황 접수부터 전파까지 평균 10분 이상 걸리던 시간을 약 10초로 줄였다고 해요. 김해시는 자연어 공간정보 분석과 당직 지원 등을 맡는 AI 에이전트 6종을 만들었고, 부산시는 행정자료에 근거와 출처를 붙이는 RAG 방식의 업무 플랫폼을 운영했습니다.

현업의 지식이 곧 개발 명세가 됩니다

이 사례의 핵심은 코딩이 쉬워졌다는 사실만이 아닙니다. 어떤 단계가 반복되는지, 무엇을 틀리면 위험한지, 결과를 누가 승인해야 하는지는 현업이 가장 잘 압니다. AI 코딩 도구는 그 암묵지를 빠르게 시제품으로 바꾸지만, 좋은 도구를 만드는 기준과 책임까지 대신해 주지는 않습니다.

해외 연구 현장에서도 같은 변화가 보입니다. OpenAI가 소개한 MIT 양자컴퓨팅 연구 사례에서 연구자는 실험별 절차와 평가법을 ‘스킬’로 정리해 AI 에이전트가 반복 측정, 결과 분석, 다음 조건 선택을 수행하도록 했습니다. 신호가 분명한 표준 절차는 자율적으로 처리했지만, 신호가 약하거나 잡음이 큰 상황에서는 숙련 연구자의 안내가 필요했습니다.

두 사례를 함께 보면 역할 분담이 또렷합니다. AI는 반복 실행과 초안 제작을 맡고, 현업 전문가는 목표·평가기준·예외·중단 조건을 설계합니다. 따라서 조직은 ‘누가 코드를 잘 쓰는가’뿐 아니라 ‘누가 문제를 작게 정의하고 결과를 판별할 수 있는가’를 찾아야 합니다.

AX 강사의 시선

AX 수업도 범용 챗봇 사용법에서 한 걸음 더 나아가면 좋겠습니다. 교육생에게 자신의 업무에서 매주 반복되는 불편 한 가지를 고르게 한 뒤, 입력 자료, 처리 규칙, 성공 기준, 사람이 확인할 지점, 실패 시 복구 방법을 한 장으로 정리하게 해보세요. 그다음 바이브 코딩으로 작은 시제품을 만들고 실제 사례 5건에 적용해 오류를 기록하도록 합니다.

평가는 화면이 멋진지보다 업무 시간이 줄었는지, 근거를 확인할 수 있는지, 예외를 안전하게 사람에게 넘기는지를 중심으로 해야 합니다. 현업의 경험이 도구의 규칙으로 남을 때 AI 활용은 개인의 요령을 넘어 조직의 역량이 됩니다.

여러분의 수업이나 조직에서, 개발팀에 요청하기 전에 현업이 하루 안에 만들어 검증해 볼 수 있는 가장 작은 AI 도구는 무엇인가요?

출처

“반복 행정 줄이고 재난 대응 빨라져”… 지방정부 인공지능(AI) 혁신 한자리에 — 행정안전부·대한민국 정책브리핑

How GPT-5.6 Sol helps run quantum computing experiments — OpenAI