skcho 님의 블로그

AI 시대의 핵심 역량은 활용이 아니라 통제다

AI의 성능이 빠르게 향상되면서 새로운 유형의 문제가 나타나고 있다. 문제는 AI가 과업을 수행하지 못하는 경우에만 발생하지 않는다. 오히려 주어진 목표를 효과적으로 달성하면서도 인간이 의도한 방식과 다른 해결책을 선택할 때 더 중요한 문제가 발생할 수 있다.예를 들어 데이터 분석 프로그램에서 특정 변수로 인해 오류가 발생했다고 하자. 사용자가 AI에게 오류를 수정하라고 지시할 경우, 인간은 일반적으로 해당 변수를 보존하면서 오류의 원인을 해결하는 것을 기대한다. 그러나 AI는 문제를 일으키는 변수를 분석에서 제거함으로써 프로그램을 정상적으로 실행시킬 수도 있다. 이 경우 오류는 사라지고 프로그램은 작동하지만, 인간이 해결하고자 했던 문제와 AI가 실제로 해결한 문제 사이에는 차이가 발생한다.이러한 현상..

코드를 작성하는 능력에서, AI의 판단과 작업을 설계하는 능력으로**AI 시대 데이터 활용 연작 · 4편 · 보완판 v2.1 · 2026년 9월 14일****중요한 변화는 ‘사람이 하던 생각을 AI에게 모두 넘긴다’는 것이 아니다. 어떤 정보를 보고, 어떤 선택을 하며, 무엇을 실행하고, 어떻게 확인할 것인지를 사람과 AI가 함께 다룰 수 있게 만드는 것이다.**이 글에서 **AI 작업환경 설계 역량**은 AI가 적절한 근거와 도구를 사용하고, 허용된 범위에서 일하며, 오류와 한계를 확인할 수 있도록 작업 조건을 구성하는 능력을 뜻한다. 더 구체적으로는 **판단·실행 조건을 설계하는 능력**이다. 이는 이 글의 설명용 개념이며 이미 확립된 단일 학술척도의 명칭이 아니다. 정보 제공, 작업 절차, 권한, ..

데이터의 유형·품질과 메타데이터 기반 자동화생성·시간·승인 지위에서 오차·해석·실행 조건까지**AI 시대 데이터 활용 연작 · 2편 · 보완판 v2.1 · 2026년 9월 14일**이 글은 학술연구자·정책전문가·데이터전문가가 함께 읽는 자료다. 데이터전문가는 조사회사와 조사·처리·분석 실무자를 포함한다. 1편의 질문·근거 판단을 바탕으로, 여기서는 실제 자료의 구조와 의미, 이를 자동화에 전달하는 방법에 집중한다. **AI 분석의 핵심 변화는 계산의 자동화를 넘어 판단의 자동화로 나아간다는 데 있다. 연구자가 하던 판단을 AI와 분석 시스템이 수행하려면, 그 판단에 필요한 정보·조건·규칙을 명시해야 한다. 메타데이터 설계는 그 출발점이다.**이 글에서 말하는 메타데이터는 데이터가 무엇을 뜻하고 어떻게 만..

**AI 시대 데이터 활용 연작 · 1편 · 보완판 v2.1 · 2026년 9월 14일****AI가 데이터를 처리할 수 있다는 것과, 그 결과를 내가 연구나 의사결정의 근거로 사용할 수 있다는 것은 다르다. 데이터 리터러시는 이 차이를 판단하는 능력이다.**이 글은 학술연구자, 정책전문가, 데이터전문가가 데이터를 활용할 때 알아야 할 사항을 다룬다. 여기서 **데이터전문가는 조사회사와 조사·자료처리·분석을 담당하는 실무자**를 뜻한다. 1. 같은 데이터를 사용해도 하려는 일은 다르다청년 취업지원 프로그램에 관한 자료를 생각해 보자. 학술연구자는 참여와 취업의 관계가 어떤 설명을 뒷받침하는지 묻는다. 정책전문가는 프로그램을 확대할지, 다른 대안을 선택할지 판단하려 한다. 데이터전문가는 누구를 조사하고, ..

AI 시대의 핵심 변화는 단순히 AI가 인간과 유사한 방식으로 사고하거나 판단하는 능력을 획득하는 데 있지 않다. 보다 근본적인 변화는 인간과 조직이 AI에게 인식되고 평가되기 위해 스스로를 변화시키기 시작한다는 점에 있다.오늘날 기업, 병원, 대학, 도시, 정치인, 시민단체는 더 이상 인간만을 대상으로 소통하지 않는다. 검색엔진, 추천 알고리즘, 생성형 AI, 평판 시스템, 데이터 분석 모델은 인간에 앞서 정보를 읽고 분류하며 요약한다. 많은 경우 사람들은 이러한 기계적 중개 과정을 거친 이후에야 특정 조직이나 정책, 인물과 접촉한다. 따라서 기관의 평판, 정책의 가치, 기업의 신뢰성은 더 이상 사람들의 직접 경험만으로 형성되지 않는다. 그것들은 AI가 읽을 수 있는 흔적, 비교 가능한 지표, 요약 가..

In the AI age, measurement will become one of the main forces that decides survival. Governments, companies, schools, workers, candidates, apps, and machines will all be judged by what AI can observe, compare, and evaluate.Policy will be judged less by slogans and more by measurable effects. A government will say a policy reduced crime, improved health, increased employment, or raised educationa..

이 데모 앱은 AI 시대의 정부홍보가 어떻게 바뀌는지를 보여주기 위한 간단한 예시입니다. 기존 홍보는 청년, 소상공인, 중장년처럼 큰 세그먼트를 정하고 같은 메시지를 넓게 배포했습니다. 그러나 AI 기반 홍보에서는 같은 정책 대상자라도 정보 부족, 실패에 대한 두려움, 정책 불신, 자금 장벽처럼 서로 다른 상태에 놓여 있다고 봅니다.이 앱은 그러한 차이를 시각적으로 보여줍니다. 정책 시나리오를 선택하면 시민 상태가 나뉘고, AI가 각 상태에 맞는 메시지와 설득 전략을 생성합니다. 동시에 개인화 강도가 높아질수록 설득압력, 불투명성, 형평성 위험이 어떻게 커질 수 있는지도 함께 보여줍니다.즉 이 앱이 예시하는 것은 "AI가 홍보 문구를 더 빨리 만든다"는 수준의 변화가 아닙니다. AI는 누구에게 어떤 정보..

AI 시대 정부홍보의 전환 세그먼트 홍보에서 상태 기반 마이크로 타겟팅으로 기존 정부홍보 세그먼트 청년 · 여성 · 소상공인 → AI 기반 홍보 상태 불안 · 정보부족 · 신뢰부족 → 미래 정부홍보 학습 시스템 반응 분석 → 메시지 개선 핵심 변화 “누구에게 알릴 것인가”에서 “어떤 상태의 시민에게 어떤 방식으로 말할 것인가”로 1. 데이터 숨은 집단을 발견한다 2. 메시지 상태별로 다르게 만든다 3. 학습 성과를..

AI 시대 홍보전문가는 무엇을 하는가선택의 전문가에서 학습의 전문가로홍보전문가의 역할은 오랫동안 '선택'의 문제로 이해되어 왔다. 수많은 메시지와 매체 가운데 가장 효과적인 대안을 선택하는 것이 홍보 실무의 핵심 역량이었다. 어떤 메시지가 설득력을 가질 것인가, 어떤 콘텐츠 형식이 주목을 받을 것인가, 어떤 매체에 예산을 배분해야 하는가에 대한 판단이 홍보전문가의 전문성을 구성하였다.그러나 AI의 등장은 이러한 전제를 흔들고 있다. 생성형 AI는 단순히 콘텐츠 생산을 자동화하는 것이 아니라, 대안 생성 비용 자체를 급격히 낮추고 있기 때문이다. 과거에는 세 개의 홍보안을 제작하는 것도 상당한 비용이 들었지만 이제는 수십 개, 수백 개의 대안을 거의 동시에 생성할 수 있다.이 변화는 단순한 생산성 향상 이..

AI 시대 정부홍보의 전환세그먼트 홍보에서 마이크로 타겟팅으로정부홍보의 패러다임이 바뀌고 있다정부홍보는 오랫동안 대량 커뮤니케이션(Mass Communication)의 논리에 기반해 운영되어 왔다. 정책이 수립되면 홍보 담당자는 우선 정책의 주요 수혜 집단을 정의한다. 창업지원 정책이라면 청년, 예비창업자, 소상공인 등이 대표적인 대상이 된다.이후 해당 집단을 대상으로 핵심 메시지를 개발한다. 예를 들어 "창업자금 지원", "성공사례 소개", "신청 절차 안내"와 같은 메시지가 영상, 카드뉴스, 보도자료, 블로그 콘텐츠 등 다양한 형태로 제작되어 배포된다.이러한 방식은 제한된 예산과 인력으로 최대한 많은 국민에게 정책 정보를 전달해야 하는 정부 조직의 특성을 고려할 때 충분히 합리적인 접근이었다.성과 역..