해외사례에서 배웠습니다

공무원용 AI 도입 체크리스트... AI는 선택이 아니라, 도입한 도시와 아닌 도시를 나누는 기준이 된다

지금 해외 사례가 공통으로 보여주는 것은 단 하나다. AI를 “기술”로 다룬 도시보다, “행정 시스템”으로 다룬 도시가 성과를 낸다는 점이다. OECD는 공공부문 AI의 핵심 가치를 생산성, 대응성, 책임성으로 정리하고 있고, 유럽 지방정부 논의는 여기에 더해 인간 감독, 시민 신뢰, 데이터 전략, 공무원 역량을 강조한다. 다시 말해 AI의 성패는 모델 성능보다 행정 구조를 어떻게 바꾸느냐에 달려 있다. 따라서 한국 지방정부의 1차 과제는 화려한 기술 도입이 아니다. 데이터를 연결하고, 반복업무를 줄이고, 교통과 환경을 실시간 운영하며, 미래 모빌리티까지 준비하는 구조를 만드는 것이다. 소버린 AI는 행정 독립성을, 교통 AI는 도시 운영 효율을, GovTech 자동화는 인력난 완화를, UAM은 미래 도시경쟁력의 선제 준비를 뜻한다. 이네가지의 모델은 따로 노는 것이 아니라 결국 하나의 지방정부 운영체계로 연결된다. 앞으로 지방정부 경쟁은 예산 규모만으로 결정되지 않을 가능성이 크다. 데이터를 얼마나 축적, 연결, 통제하고, 그것을 얼마나 빠르게 시민 서비스와 정책판단으로 바꾸는가가 경쟁력의 핵심이 될 것이다. AI는 더 이상 선택 가능한 부가사업이 아니다.

해외사례에서 배웠습니다

미국, 미래 모빌리티(UAM/AAM)... 앞으로 도시 경쟁은 하늘에서도 갈린다

UAM, 또는 미국에서 주로 사용하는 표현인 AAM(Advanced Air Mobility)은 아직 대규모 상용화 단계는 아니지만, 이미 도시 행정이 준비해야 할 현실 정책 과제로 들어와 있다. 미국 Federal Aviation Administration(FAA)은 AAM을 전기 기반 수직이착륙(eVTOL) 항공기를 중심으로 한 차세대 항공 이동체로 정의하며, 도심 및 지역 간 이동 효율을 높이 고 탄소 배출을 줄이며 새로운 산업과 일자리를 창출할 잠재력이 있다고 평가한다. 동시에 NASA는 AAM을 2030년대 항공교통 체계의 핵심 축으로 보고, 공역 관리, 자동화 비행, 도심 통합 운용 기술을 중심으로 연구를 진행 중이다. 중요한 점은 AAM이 더 이상 항공산업 내부의 기술 개발 이슈에 머물지 않는다는 것이다. FAA는 AAM 통합을 위해 단계적 규제 체계를 정비하고 있으며, 특히 eVTOL 기체 인증(Part 21), 운항 규정, 조종사 자격, 공역 통합 기준 등을 구체화하고 있다. 또한 통합 파일럿 프로그램의 후속 형태로 다양한 실증 프로젝트를 추진하며, 도시형 승객 수송, 화물 운송, 응급의료, 공항 연계 교통 등 실제 운영 시나리오를 시험하고 있

해외사례에서 배웠습니다

영국, 행정 AI 자동화(GovTech)

AI는 공무원을 대체하는 게 아니라 공무원의 속도를 10배 만든다

해외 행정 AI의 가장 현실적인 성과는 거창한 예측모델보다 반복 업무 자동화, 요약, 분류, 검색, 안내, 문서 검토 보조에서 먼저 나타나고 있다. OECD는 정부의 AI 기대효과를 생산성, 대응성, 책임성 향상으로 정리하면서, 노르웨이 노동복지청의 대화형 AI ‘Frida’ 사례를 대표적으로 제시한다. 팬데믹 기간 이 시스템은 문의의 약 80%를 공무원 개입 없이 처리했다. 이는 사람을 줄인 것이 아니라, 반복 질문을 AI가 먼저 처리하고 공무원은 예외 상황과 판단이 필요한 업무에 집중하도록 구조를 바꾼 것이다. 영국은 이 흐름을 가장 빠르게 제도화한 국가다. Government Digital Service는 2024년부터 공공부문 생성형 AI 활용 가이드라인을 배포하고, 문서 요약, 정책 초안 작성, 민원 응답 보조 등 내부 행정 업무에서 AI 활용을 공식적으로 확대하고 있다. 특히 중앙정부는 ‘Humphrey’라는 공공부문 AI 도구 세트를 시험 운영하며 정책 문서 요약, 법령 검색, 보고서 작성 보조를 자동화하고 있다. 이는 단순한 기술 도입이 아니라 국가 차원의 GovTech 전략이다. 많은 사람들이 궁금해하는 것은 바로 이것이다. “이 시스템은 누

해외사례에서 배웠습니다

체코, AI 교통 도시... 도시는 이제 사람이 아니라 데이터로 움직인다

교통 분야는 AI가 가장 빠르게 행정 성과로 이어지는 영역 중 하나다. 체코의 브르노는 이를 실제로 보여주는 대표적 사례다. 브르노는 유럽C-ITS(Cooperative Intelligent Transport Systems) 실증 프로젝트의 핵심 도시 중 하나로, 차량·교차로·관제센터가 하나의 네트워크로 연결되는 V2X 기반 교통 운영 체계를 구축했다. 이 시스템은 차량 간(V2V), 차량-인프라(V2I), 인프라 간(I2I) 통신을 통해 실시간으로 교통 데이터를 공유하며, 교통 흐름과 위험 상황을 즉시 반영하는 방식으로 설계되어 있다. 브르노의 핵심은 ‘신호 최적화’가 아니라 ‘교통 의사결정의 자동화’다. 대중교통차량에는 위치, 속도, 운행 상태 데이터가 지속적으로 전송되고, 교차로는 이를 기반으로 신호를 실시간 조정한다. 이를 통해 버스와 트램은 교차로에서 우선 통과하며 정시성이 개선되고, 일반 차량 흐름도 함께 최적화된다. 동시에 스마트 교통 시스템은 교통량, 속도, 혼잡 발생 가능성까지 사전에 분석해 신호 체계를 선제적으로 조정한다. 예를 들어 출근 시간대 특정 구간에서 교통량이 급증하면, 기존 방식은 정해진 시간표대로 신호가 반복된다. 그러나 브르노