전 직원 활용률보다 역할별 책임 경계를 먼저 정해야 한다
핵심은 전 직원의 사용 경험이 아니라 정책·민원·심사·감사·법무·개인정보·정보시스템·관리자가 AI를 어디까지 쓰고 멈출지 판단하는 능력이다. AI는 효율 도구이면서 국민 권리, 행정 책임, 기록, 개인정보, 공정성, 신뢰의 운영 시스템이다.
전 직원 특강은 출발점일 뿐이다. 교육을 공통 리터러시, 역할별 실습, 고위험 통제, 관리자·책임자 의사결정으로 나누고, 이수율 대신 업무 품질, 민원 신뢰, 위험 통제, 기록 가능성, 재작업, 승인 절차로 성과를 봐야 한다.
공공 AI 교육은 활용 확산보다 책임 경계 훈련이 먼저다
민간기업에서 AI 교육은 생산성, 고객경험, 마케팅, 개발 속도, 문서 작업 효율과 연결되는 경우가 많다. 공공부문도 이런 효율 효과를 기대할 수 있다. 보고서 초안 작성, 회의록 정리, 법령·예산 자료 요약, 민원 분류, 내부 질의응답, 데이터 분석 보조 등 AI가 도울 수 있는 행정 업무는 많다.
하지만 공공부문은 민간기업과 다른 전제가 있다. 행정기관은 국민의 권리와 의무에 영향을 주는 결정을 한다. 민원 답변 하나가 생계, 복지, 세금, 인허가, 안전, 고용, 교육 기회와 연결될 수 있다. 공문서와 기록은 감사와 정보공개 대상이 된다. 개인정보와 민감정보가 업무 곳곳에 있다. 조달은 예산과 계약 책임을 동반한다. 그래서 공공 AI 교육은 “잘 쓰는 법”보다 “어떤 조건에서 쓸 수 있고, 어떤 조건에서는 쓰면 안 되는가”를 먼저 다뤄야 한다.
OECD의 2026년 공공 AI 인력 정책 브리프도 이 차이를 분명히 보여준다. 공공행정에서 AI는 효율성과 서비스 품질을 높일 가능성이 있지만, 내부 역량은 규정 준수, 책임성, 조직 목표 달성과 함께 설계되어야 한다. 또한 OECD는 공공 AI 교육 대상을 일반 직원, 리더, 디지털·데이터 전문가로 나누어 제시한다. 이는 전 직원에게 같은 프롬프트 교육을 제공하는 방식이 충분하지 않다는 뜻이다.
이 그림에서 중요한 것은 교육의 넓이와 깊이가 다르다는 점이다. 짧은 온라인 공통 교육은 많은 직원에게 확산하기 좋다. 그러나 고위 관리자, 정책 담당자, 데이터 전문가, 시스템 운영자에게 필요한 것은 더 비싸고 깊은 훈련이다. 공공기관 교육 담당자는 예산과 시간을 전 직원 특강에 모두 쓰지 말고, 위험과 책임이 큰 역할에 더 깊은 훈련을 배분해야 한다.
전 직원 AI 특강이 만드는 착시: “아는 사람”은 늘지만 “책임질 사람”은 없다
공공기관이 AI 교육을 시작할 때 가장 쉬운 선택은 전 직원 특강이다. 생성형 AI 개념, 프롬프트 작성법, 업무 활용 사례, 주의사항을 한두 시간 안에 전달한다. 참여 인원이 많고, 보고하기 쉽고, 빠르게 확산했다는 인상을 줄 수 있다.
문제는 특강 이후에 생긴다. 직원은 AI를 써 볼 수는 있지만, 자기 업무에서 허용되는 사용 범위를 모른다. 민원 초안을 AI로 작성해도 되는지, 내부 문서를 입력해도 되는지, 법령 해석을 AI에게 물어도 되는지, 주민에게 제공할 답변에 AI 표현을 그대로 써도 되는지 판단하기 어렵다. 그러면 두 가지 현상이 동시에 생긴다. 조심스러운 직원은 아예 쓰지 않고, 빠른 직원은 각자 방식으로 쓴다. 둘 다 기관 차원의 AI 역량이라고 보기 어렵다.
공공부문 AI 교육의 첫 단계는 공통 리터러시가 맞다. 다만 공통 교육의 내용은 프롬프트 기술보다 안전한 사용의 경계여야 한다.
| 공통 교육 항목 | 반드시 다룰 내용 | 제외하거나 줄일 내용 |
|---|---|---|
| AI 기본 이해 | 생성형 AI의 가능성과 한계, 환각, 편향, 최신성 문제 | 도구별 기능 나열 |
| 개인정보·보안 | 민감정보 입력 금지, 내부자료 처리 기준, 접근권한 | 실무 맥락 없는 추상 보안 문구 |
| 기록·감사 | AI 사용 기록, 근거 확인, 승인 절차, 공문서 책임 | “AI가 도와줬다” 수준의 간단 안내 |
| 공정성·차별 | 자동화된 추천·분류의 편향 가능성, 권익 영향 업무 제한 | 윤리 선언문 암기 |
| 인간 검토 | 최종 판단자, 검토자, 이의제기 대응 | AI 답변 그대로 제출하는 사례 |
이 공통 교육은 전체 교육 체계의 20-30%면 충분하다. 나머지는 역할별 훈련으로 가야 한다. 공공 AI 교육의 성과는 “전 직원 95% 수료”가 아니라, 각 역할이 자기 업무에서 쓸 수 있는 사용 기준과 중단 기준을 갖게 되는 것이다.
역할별 훈련 체계: 정책, 민원, 심사, 법무, IT, 관리자는 다른 것을 배워야 한다
공공부문 AI 역량은 직급보다 역할, 업무, 위험으로 나누어야 한다. 같은 6급, 5급이라도 정책 기획, 민원 상담, 보조금 심사, 개인정보 담당, 정보시스템 운영, 감사 담당의 AI 위험은 다르다. 교육 담당자는 직급별 교육보다 직무군별 권한표를 먼저 만들어야 한다.
역할별 훈련 체계는 다음처럼 설계할 수 있다.
| 직무군 | 주요 AI 활용 가능성 | 핵심 훈련 | 금지·주의 영역 |
|---|---|---|---|
| 정책·기획 | 정책 대안 탐색, 사례 조사, 초안 작성, 영향요인 정리 | 근거 검증, 출처 확인, 이해관계자 영향 점검 | AI가 만든 정책 판단을 근거 없이 채택 |
| 민원·대민 서비스 | 민원 분류, 답변 초안, 상담 스크립트 보조 | 한계 고지, 민감 민원 이관, 차별적 표현 점검 | AI 답변을 검토 없이 주민에게 제공 |
| 심사·처분 | 서류 누락 확인, 요건 체크 보조, 선례 검색 | 인간 검토, 근거 기록, 이의제기 대응 | 권리·의무에 영향을 주는 자동 판단 |
| 감사·법무·개인정보 | 사용 기준 검토, 개인정보 영향 점검, 계약 조건 확인 | 허용 조건 설계, 위반 사례 판단, 로그·증적 관리 | AI 활용을 일괄 금지하거나 무조건 허용 |
| 데이터·IT | 시스템 연계, 접근권한, 로그, 보안, 성능 모니터링 | 조달·운영 리스크, 벤더 종속, 데이터 품질 | PoC 성공만 보고 운영 전환 |
| 기관장·관리자 | 우선순위, 승인권한, 책임 경계, 성과지표 | AI 과제 승인 심사표, 중단 기준, 조직 변화 관리 | 활용률만 성과로 압박 |
| 현장 집행 | 점검표, 현장 기록, 위험 신호 요약 | 모바일·현장 데이터 입력 기준, 예외 상황 보고 | 현장 판단을 AI 권고로 대체 |
정책은 근거 신뢰도, 민원은 오답·차별·이관, 심사·처분은 인간 검토·이의제기, 데이터·IT는 조달·보안·로그·장애·품질을 훈련한다. 관리자는 프롬프트보다 보조·금지 업무, 추가 검토, 사고 보고, 성과지표를 정하고 AI 과제 승인표와 중단 기준을 운영해야 한다.
정부·공공부문 AI 인력 수요는 “개발자”보다 “책임 있는 사용자”에 가깝다
공공 AI 교육을 설계할 때 흔한 오해가 있다. AI 시대이니 공공기관도 AI 개발자를 많이 키워야 한다는 생각이다. 일부 기관에는 고급 데이터 과학자, AI 엔지니어, 보안 전문가가 필요하다. 그러나 대부분의 공공기관에 더 시급한 역량은 AI를 직접 개발하는 역량보다, 조달된 AI 시스템과 범정부 공통 기반을 책임 있게 쓰는 역량이다.
PwC의 2026 Global AI Jobs Barometer 정부·공공부문 보고서는 이 점을 보여준다. 2025년 정부·공공부문은 분석 대상 전체 채용공고의 2.4%를 차지했고, 해당 부문 채용공고 중 AI 역할은 2.7%였다. 2025년 AI 역할 채용은 전년 대비 55.7% 증가했지만, 전체 채용은 위축되는 흐름이었다. 더 중요한 대목은 AI 관련 역할의 구성이었다. 2025년 정부·공공부문 AI 관련 채용공고 중 AI 사용자 역할이 94%, AI 개발자 역할이 6%였다.
이 수치는 공공기관 교육 전략에 직접 연결된다. 모든 기관이 자체 모델을 개발하는 조직이 될 수는 없다. 오히려 다수 기관은 AI 도구를 안전하게 쓰고, 조달하고, 검수하고, 기록하고, 민원 서비스 품질로 연결하는 사용 역량을 갖춰야 한다. 따라서 교육 포트폴리오는 “AI 개발자 양성”만으로 좁히면 안 된다. AI 사용자, AI 기획자, AI 조달 담당자, AI 통제 담당자, AI 서비스 관리자라는 역할을 함께 설계해야 한다.
또한 PwC가 제시한 생산성 수치는 조심해서 읽어야 한다. 보고서는 정부·공공부문이 AI 노출도와 생산성 개선 가능성을 가진 영역으로 나타난다고 설명하지만, 이는 곧바로 “AI 교육을 많이 하면 생산성이 오른다”는 뜻이 아니다. 공공부문의 생산성은 처리 속도만으로 판단할 수 없다. 정확성, 공정성, 기록 가능성, 민원 신뢰, 이의제기 대응이 함께 개선되어야 한다.
한국 공공기관이 바로 적용할 4단계 교육 운영 모델
한국 공공기관은 이미 제도 변화의 한가운데 있다. 2026년 1월 22일부터 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」이 시행되고 있다. 행정안전부는 2026년 6월 10일 공공부문 AI 도입·활용 가이드를 전국 공공기관에 배포한다고 밝혔다. 이 가이드는 범정부 AI 공통 기반 이용, 기획-예산-계약-구축-운영의 5단계 표준화, RAG 우선 전략 등을 강조한다. 개인정보보호위원회의 생성형 AI 개인정보 처리 안내서도 공공기관 교육에서 빼놓을 수 없는 기준이다.
이 흐름을 교육 체계로 바꾸면 4단계 운영 모델이 된다.
1단계: 공통 안전 리터러시
전 직원이 생성형 AI 한계, 개인정보·민감정보·내부자료 입력, 저작권, 편향, 환각, 기록, 인간 검토, 금지 사례를 실제 상황으로 판단한다.
2단계: 역할별 업무 실습
정책·민원·심사·감사·법무·개인정보·데이터·IT·관리자가 자기 문서로 근거 검증, 민감 민원 이관, 누락 확인·기록, 접근권한·로그·장애·성능을 실습한다.
3단계: 고위험 업무 통제 훈련
복지·고용·세무·보조금·인허가·감사·채용·평가·수사·단속 보조·교육 배정은 사용 제한과 인간 검토를 먼저 배우고 고위험 판단표, 검토자 지정표, 이의제기 절차, 근거 기록을 남긴다.
4단계: 관리자·책임자 의사결정 훈련
기관장·부서장·사업·정보화·감사·법무 책임자는 승인·중단 기준, 데이터 권한, 조달, 개인정보 영향, 성과지표, 사고 보고를 훈련하고 위험 통제와 서비스 개선을 책임진다.
일본 디지털청 가이드라인이 주는 시사점: AI 활용은 거버넌스 구조 안에서 훈련해야 한다
일본어판에서 특히 중요한 근거는 디지털청의 2026년 6월 12일 생성AI 조달·활용 가이드라인 2.0이다. 이 가이드라인은 생성AI의 활용 촉진과 리스크 관리를 함께 진행하기 위해 정부의 AI 추진, 거버넌스, 조달, 활용 방식을 정리한다. 또한 각 부처의 AI 통괄책임자(CAIO), 기획자, 제공자, 이용자별 규칙을 두고, 고위험 생성AI 보고, 조달 체크시트, 계약 체크시트, 이용 규칙을 제시한다.
이 구조는 한국 공공기관 교육에도 유용하다. AI 교육을 직원 개인의 학습 과제로만 두면 안 된다. 누가 기관의 AI 활용 현황을 파악하는지, 누가 고위험 여부를 판단하는지, 누가 조달 조건을 검토하는지, 누가 이용 규칙을 만들고 공지하는지, 위험 사례가 생겼을 때 어디로 보고하는지까지 교육 체계 안에 들어와야 한다.
특히 일본 디지털청 요약 자료는 생성AI 이용 규칙에 설명책임, 편향, 개인정보, 지식재산, 보안, 정확성 확인, 위험 사례 보고를 포함한다. 이는 공공부문 AI 교육이 단순한 도구 실습을 넘어야 함을 보여준다. 행정서비스에서 AI 사용은 “직원이 편해지는 문제”가 아니라 “국민에게 설명 가능한 행정을 유지하는 문제”다.
교육 성과는 이수율이 아니라 행정서비스 품질과 위험 통제로 본다
공공부문 AI 교육의 KPI를 이수율로만 잡으면 쉽게 왜곡된다. 전 직원 90%가 교육을 들었는데도 민원 답변 오류가 늘고, 내부 자료 입력 사고가 발생하고, 조달 요구사항이 부실하고, AI 사용 기록이 남지 않는다면 교육은 실패한 것이다. 반대로 교육 인원은 적어도 고위험 부서가 정확한 검토 절차를 만들고, 민원 품질이 개선되고, 재작업이 줄었다면 성과가 있다.
교육 성과 지표는 다음처럼 설계할 수 있다.
| 영역 | 보조 지표 | 핵심 지표 |
|---|---|---|
| 확산 | 전 직원 이수율, 특강 참석률 | 역할별 권한표 완성, 사용 가능·금지 업무 합의 |
| 업무 품질 | AI 사용 횟수, 프롬프트 제출 수 | 문서 재작업률 감소, 답변 정확성, 근거 확인률 |
| 민원 서비스 | 응답 시간 단축 | 민원 1차 응답 품질, 이의제기 감소, 민감 민원 이관 정확도 |
| 위험 통제 | 보안 교육 이수 | 민감정보 입력 사고, 미승인 도구 사용, 로그 누락 |
| 조달·운영 | PoC 수, 도입 건수 | 조달 체크리스트 통과율, 성능 모니터링, 장애 대응 시간 |
| 감사·기록 | 교육 수료증 | AI 사용 기록 완결성, 검토자 지정, 설명 가능성 확보 |
대시보드는 개인 활용 순위가 아니라 부서별 승인 사례, 미승인 도구, 민감정보 사고, 검토 로그, 민원 품질을 보는 위험·품질 운영판이어야 한다.
고위험 업무는 “AI 활용 장려”보다 “사용 제한과 인간 검토”를 먼저 가르쳐야 한다
공공기관의 모든 AI 활용을 같은 수준으로 볼 수 없다. 회의록 요약과 보조금 심사, 보도자료 초안과 복지 대상자 선별, 내부 번역과 민원 처분 안내는 위험 수준이 다르다. 고위험 업무일수록 교육의 초점은 프롬프트 기술이 아니라 판단 책임이다.
고위험 업무 교육에는 다음 항목이 들어가야 한다.
- AI 사용 가능 업무, 승인 필요 업무, 금지 업무의 구분
- 개인정보·민감정보 입력 금지와 예외 승인 절차
- AI 결과의 근거 확인과 원문 대조
- 최종 판단자와 검토자 지정
- 이의제기와 설명 요청 대응
- 로그, 버전, 입력·출력 기록 보존
- 편향·차별 가능성 점검
- 사고 발생 시 보고 경로와 중단 기준
이 항목을 모르면 공공 AI 교육은 위험하다. 직원이 AI를 잘 쓰는 것처럼 보여도, 실제로는 검토되지 않은 답변을 민원인에게 보내거나, 내부 자료를 외부 도구에 입력하거나, AI가 만든 근거 없는 표현을 정책 문서에 넣을 수 있다. 공공부문에서 AI 리터러시는 도구 숙련이 아니라 책임 있는 판단 능력이다.
교육 담당자가 먼저 만들어야 할 산출물
공공기관 교육 담당자는 교육 공고를 내기 전에 다음 산출물을 먼저 만들어야 한다.
- 직무군별 AI 권한표: 사용 가능, 승인 필요, 금지 업무를 구분한다.
- 데이터 접근권 기준: 개인정보, 민감정보, 내부자료, 공개자료의 입력 기준을 정한다.
- 고위험 업무 목록: 국민 권익, 민원 파급도, 처분성, 자동화 의존도를 기준으로 선별한다.
- 역할별 교육 경로: 공통 리터러시, 역할별 실습, 고위험 통제, 관리자 의사결정으로 나눈다.
- AI 과제 승인 심사표: 목적, 데이터, 위험, 검토자, 기록, 중단 기준을 확인한다.
- 민원·대민 서비스 검토 기준: AI 답변의 한계 고지, 이관 기준, 최종 검토 책임을 정한다.
- 조달·계약 체크리스트: 보안, 개인정보, 로그, 품질, 벤더 종속, 성능 저하 대응을 포함한다.
- 교육 성과 대시보드: 이수율보다 품질, 위험 통제, 기록 가능성을 본다.
이 산출물이 없으면 교육은 이벤트가 된다. 반대로 이 산출물이 있으면 교육은 운영 체계가 된다. 공공부문 AI 교육의 목적은 AI를 멋지게 소개하는 것이 아니라, 실제 행정서비스에서 안전하게 쓰이도록 기준을 남기는 것이다.
공공 AI 교육 플랫폼은 수료보다 역할별 증적을 관리해야 한다
공공기관 교육 플랫폼은 전 직원 AI 특강을 배포하고 이수율을 확인하는 데서 멈추면 부족하다. 역할별 교육 경로, 직무별 체크리스트, 고위험 업무 승인 기록, 관리자 검토, 민원 대응 시나리오, 개인정보·보안 퀴즈, 조달 체크리스트를 한 흐름으로 운영할 수 있어야 한다.
다만 핵심은 플랫폼 기능이 아니다. 먼저 필요한 것은 교육 설계 원칙이다. 공공기관의 AI 교육은 “한 번 들으면 끝나는 과정”이 아니라, 직무별 책임과 증적을 남기는 운영 체계가 되어야 한다. 어떤 직원이 어떤 사용 기준을 배웠는지, 어떤 고위험 업무는 추가 검토를 거쳤는지, 어떤 관리자가 승인 기준을 이해했는지 확인할 수 있어야 한다. 수료증보다 중요한 것은 설명 가능한 교육 기록이다.
공공부문 AI 교육에 지금 적용할 운영 기준
공공부문 AI 교육은 더 이상 “생성형 AI를 소개하는 특강”으로 충분하지 않다. AI는 행정업무의 속도를 높일 수 있지만, 잘못 쓰이면 행정 신뢰를 떨어뜨릴 수 있다. 공공기관의 교육 담당자는 전 직원에게 같은 프롬프트를 가르치는 데서 멈추지 말고, 역할별 권한, 위험 수준, 검토 절차, 기록 기준, 성과 지표를 함께 설계해야 한다.
가장 먼저 할 일은 직무군별 AI 권한표를 만드는 것이다. 그다음 공통 교육은 안전 리터러시로 짧게 설계하고, 예산과 시간을 역할별 실습과 고위험 업무 통제 훈련에 배분해야 한다. 관리자에게는 활용률 목표가 아니라 승인 심사표와 중단 기준을 가르쳐야 한다. 데이터·IT 담당자에게는 모델 개발보다 조달·로그·보안·운영 리스크를 훈련해야 한다. 민원 담당자에게는 자동응답보다 한계 고지와 이관 기준을 가르쳐야 한다.
공공부문 AI 교육의 목표는 더 많은 직원에게 AI를 쓰게 하는 것이 아니다. 국민 데이터와 행정 책임을 다루는 방식에 맞춰, 각 역할이 어디까지 쓰고 어디서 멈춰야 하는지 판단할 수 있는 훈련 체계를 만드는 것이다.
함께 읽을 글
출처
- OECD, “Building an AI-ready public workforce: Implications and strategies”, 2026. https://www.oecd.org/en/publications/building-an-ai-ready-public-workforce_b89244c7-en.html
- OECD, “Digital Government Outlook 2026: Adopting and governing AI in government”, 2026. https://www.oecd.org/en/publications/2026/06/digital-government-outlook_4585678e/full-report/adopting-and-governing-ai-in-government_7ef312a9.html
- PwC, “2026 Global AI Jobs Barometer: Government and Public Sector”, 2026. https://www.pwc.com/gx/en/issues/artificial-intelligence/job-barometer/2026/pwc-aijb-2026-government-and-public-sector-report.pdf
- 행정안전부, “공공 AI 구축, 더 쉽고 빠르게 「공공부문 AI 도입·활용 가이드」 배포”, 2026. https://www.mois.go.kr/frt/bbs/type010/commonSelectBoardArticle.do?bbsId=BBSMSTR_000000000008&nttId=126757
- 국가법령정보센터, “인공지능 발전과 신뢰 기반 조성 등에 관한 기본법”, 시행 2026년 1월 22일. https://www.law.go.kr/lsInfoP.do?lsiSeq=268543
- 개인정보보호위원회, “생성형 인공지능(AI) 개발·활용을 위한 개인정보 처리 안내서”, 2025. https://www.pipc.go.kr/np/cop/bbs/selectBoardArticle.do?bbsId=BS074&mCode=C020010000&nttId=11410
- デジタル庁, “行政の進化と革新のための生成AIの調達・利活用に係るガイドライン（第2.0版）”, 2026. https://www.digital.go.jp/news/decb64eb-f26e-41cb-8d37-f3dd173108b8
- IPA, “デジタルスキル標準 ver.2.0”, 2026. https://www.ipa.go.jp/jinzai/skill-standard/dss/download.html
- 東京都デジタルサービス局, “AI導入・活用ガイドライン、生成AI利用の手引き”, 2026. https://www.digitalservice.metro.tokyo.lg.jp/business/ai/ai-guideline