알림 목록

분석지역:부산광역시

핵심지역:부산시 본청·16개 구·군·산하 공공기관

Agenda: AI·데이터가 업무보조를 넘어 정책대안·예산·집행·성과판정을 실제 변경했는지 검증

Golden Time Type: Administrative AI Expansion + Decision Evidence GAP

기준일: 2026.08.28

Version: Regional AX Golden Time Intelligence v3.2 강화기준
 

부산시는 2025년 말 지자체 최초로 소형언어모델과 검색증강생성 기반의 생성형 AI 행정서비스를 개시했고, 2026년 초 전 부서에 질의응답·문서 초안·행정자료 검색 등 22종 서비스를 적용했다. AI의 행정 적용범위는 개별 직원의 외부 생성형 AI 사용에서 내부 행정자료와 보안체계를 결합한 조직 단위 서비스로 이동했다. 그러나 서비스 사용이 정책대안 비교, 예산변경, 사업중단, 대상지역 조정, 집행방식 변경으로 이어진 공개 Decision Log는 확인되지 않는다. 2026~2028년 3개년 고도화가 사용량과 생성문서 수 중심으로 진행되면 행정 AX는 업무속도 향상으로 고착된다. 부산의 AI 행정은 전 부서 사용 단계에는 도달했지만 의사결정 변경 단계에는 도달했다고 판정할 Evidence가 부족하다.

부산 Big-데이터웨이브에는 대형마트 의무휴업일 평일 전환 후 매출변화, 15분도시 사업 전후 카드매출, 축제 방문객·상권매출, 영도구 주차난 등 실제 정책질문이 분석과제로 등록됐다. 데이터 활용은 통계조회에서 정책 시행 전후의 Outcome 검증으로 이동하고 있다. 그러나 분석결과가 어느 대안을 배제했고 어떤 결정·예산·집행을 변경했는지 공개된 후속기록은 제한적이다. 향후 2~3년 동안 분석요청과 정책결정이 별도 시스템에 남으면 분석은 늘어도 의사결정 영향은 측정되지 않는다. 부산의 데이터 기반 행정은 질문 생성과 분석 수행은 확인되지만 결정 변경의 추적성은 미확인으로 판정된다.

2026년 인공지능행정 추진계획은 행정 전반의 AI 확산을 제시했고, 데이터 분야 업무계획은 시정과제 해결을 위한 분석 확대·직원교육·가명정보 활용을 포함했다. 행정 디지털화는 일부 시범사업에서 전 분야 확산계획으로 이동했다. 반면 부서별 데이터 품질, AI 답변 정확도, 사용자의 검증행위, 오류 발생, 시민 Outcome을 하나의 성과체계로 연결한 공개 Baseline은 확인되지 않는다. 2026~2028년 서비스가 빠르게 확산되면 낮은 품질의 원자료와 검증되지 않은 답변도 업무절차에 반복 삽입된다. 부산 행정 AX의 시간위험은 AI 도입속도가 Evidence 품질과 책임체계 구축속도를 앞서는 데 있다.

상수관망 시뮬레이션, 스마트오션빌리지, AI 기반 감사행정 등 분야별 의사결정 지원사업도 진행 중이다. AI 적용은 공통 문서업무에서 상수도·해양환경·감사·안전의 전문 판단까지 확장되고 있다. 그러나 예측경보가 실제 점검 우선순위, 예산배분, 규제·감사판단을 얼마나 바꿨고 결과가 개선됐는지 공개 비교자료는 확인되지 않는다. 2~3년 동안 분야별 시스템이 독립적으로 고도화되면 부산시는 다수 AI 서비스를 보유해도 하나의 행정학습체계를 갖지 못한다. 현재 Golden Time은 AI 서비스를 늘리는 시기가 아니라 AI가 바꾼 결정과 그 Outcome을 최초로 연결하는 2~3년으로 판정된다.

Golden Time Thesis — 부산 행정 AX의 판정단위는 AI 서비스 수나 생성문서 수가 아니다. AI·데이터가 기존 결정과 다른 선택을 만들었고 그 선택이 시민·기업·지역의 Outcome을 개선했는지까지 남는 Decision Runtime이 판정단위다.

부산시 행정은 본청, 사업소, 16개 구·군, 공사·공단·출자·출연기관을 통해 교통·복지·안전·산업·환경·관광·도시계획을 운영한다. 행정데이터는 단일 기관이 아니라 다수 조직과 위탁기관에서 생성되는 분산구조다. 동일 시민·기업·공간·사업을 여러 부서가 서로 다른 ID와 갱신주기로 관리하는 범위는 공개자료에서 완전히 확인되지 않는다. 2026~2028년 부서별 AI 서비스가 분산데이터 위에서 확대되면 같은 사안에 서로 다른 답변과 위험판정이 발생할 수 있다. 부산 행정의 규모위험은 데이터 부족보다 동일 행정대상의 다중 기록으로 판정된다.

Big-데이터웨이브는 공공·민간 데이터, 통계, 분석컨설팅, 데이터 활용사례를 제공한다. 부산 행정의 데이터 기반은 정기통계에서 카드매출·통신 유동인구·공간격자·설문을 활용하는 정책분석으로 확장됐다. 그러나 등록된 분석요청의 전체 수, 평균 처리기간, 정책반영률, 재사용률을 연결한 공개 운영지표는 확인되지 않는다. 2~3년 동안 요청량이 증가하면 개별 분석의 대기와 중복이 누적되지만 조직 전체 분석용량은 판정되지 않는다. 부산 데이터 행정은 분석기반을 보유하지만 수요 대비 처리용량은 미측정 상태다.

부산형 생성형 AI 행정서비스는 질의응답·자료검색·문서작성 등 22종 기능을 전 부서에 제공한다. 생성형 AI 적용규모는 교육·시범사용에서 실제 업무환경의 공통서비스로 확대됐다. 그러나 부서별 활성사용자, 사용빈도, 업무시간 절감, 오류수정시간, 답변 채택·폐기율은 공개되지 않았다. 2026~2028년 기능 수만 늘어나면 실제 사용과 업무개선이 낮은 서비스도 구축성과로 남는다. 부산 생성형 AI의 규모는 기능 기준으로 확인되지만 실질 사용규모는 미확인으로 판정된다.

상수관망·해양환경·감사·안전 분야에서는 센서·모델·AI를 활용한 의사결정 지원이 추진된다. 행정 AI는 범용언어모델과 분야별 예측·탐지 모델이 동시에 운영되는 다층구조로 이동했다. 그러나 공통 모델 Registry, 데이터 계보, 정확도, 오류사례, 운영책임을 도시 전체에서 비교한 공개자료는 확인되지 않는다. 2~3년 동안 전문모델이 증가하면 모델별 위험을 통합 관리하는 비용이 빠르게 커진다. 부산 행정 AI는 다분야 확장 단계지만 도시 전체 Model Governance는 미확인 상태다.

생성형 AI 22종 서비스, Big-데이터웨이브, 분야별 스마트 플랫폼은 부산이 다수의 AI·데이터 자산을 보유했음을 보여준다. 행정 디지털 자산은 단일 통계포털에서 범용 AI와 전문분석 시스템이 공존하는 구조로 성장했다. 그러나 플랫폼 간 분석결과가 동일 정책회의·결재·예산·성과평가로 연결되는 공통 Runtime은 확인되지 않는다. 2026~2028년 시스템 수가 증가하면 정보검색은 빨라져도 조직 간 판단 불일치는 확대될 수 있다. 현재 확인된 것은 AI·데이터 도구의 집적이며 의사결정 생태계의 통합은 아니다.

15분도시 사업 전후 카드매출, 대형마트 의무휴업일 변경 이후 전통시장·소상공인 매출, 축제 전후 유동인구·카드매출 분석요청은 Input이 아닌 Outcome을 묻고 있다. 행정질문은 사업 시행 여부에서 정책이 실제 지역경제를 바꿨는지로 이동했다. 그러나 분석 결과가 기존 정책을 유지·수정·중단한 사례와 연결된 공개기록은 확인되지 않는다. 2~3년 동안 분석이 사후 참고자료로만 남으면 Outcome 질문의 확대가 Decision 변화로 이어지지 않는다. 부산은 Outcome 분석 수요를 보유하지만 Outcome 기반 정책조정 생태계는 미확인으로 판정된다.

2025년 AI 실전형 교육은 시 본청·구·군·산하기관을 대상으로 전략기획·기술실습을 다뤘고, 2026~2028년 전 분야 AI 서비스 확대가 예고됐다. 인재양성은 단순 도구사용에서 서비스 기획역량으로 확장되는 구조다. 반면 2025년 부산시의회 행정사무감사에서는 일부 AI 교육과정의 80% 이상이 기초수준이라는 지적이 제기됐다. 향후 2~3년 동안 서비스 확산속도가 기획·검증역량보다 빠르면 직원은 AI 결과를 사용하지만 모델의 한계와 오류를 판정하지 못한다. 부산의 AI 행정인재 생태계는 사용자 확대와 고급 검증역량 사이에 GAP이 존재하는 것으로 판정된다.

스마트오션빌리지는 해양환경 모니터링과 AI 기반 의사결정 지원을, 상수도 분야는 빅데이터·AI 기반 관망 시뮬레이션을 추진한다. 분야별 행정은 사후 민원·점검에서 사전탐지·예측으로 이동하고 있다. 그러나 예측과 실제 사건의 일치율, 경보 이후 조치시간, 사고감소를 공개 비교한 Evidence는 제한적이다. 2026~2028년 시스템이 운영돼도 예측정확도와 현장조치가 연결되지 않으면 플랫폼은 모니터링 화면으로 고착된다. 분야별 AI는 예측기능을 확보했지만 예측이 실제 행정행동을 바꿨다는 생태계 Evidence는 부족하다.

생성형 AI는 행정자료 탐색과 문서 초안을 초 단위로 처리하면서 정보수집 비용을 낮춘다. 행정의 병목은 자료를 찾는 시간에서 어떤 Evidence를 신뢰하고 어떤 대안을 선택할지 판정하는 시간으로 이동한다. 부산의 AI 서비스는 검색·초안 기능을 제공하지만 대안별 효과·비용·위험을 비교하는 의사결정 기능은 공개자료에서 확인되지 않는다. 2026~2028년 검색속도만 빨라지면 기존 정책논리를 더 빠르게 재생산하는 구조가 형성될 수 있다. 행정 AX의 구조변화는 문서생성에서 판단검증으로 이동했지만 부산의 현재 기능은 전자에 더 가까운 것으로 판정된다.

RAG 기반 행정서비스는 내부 행정자료를 검색해 답변의 근거를 강화한다. 생성형 AI가 공개 인터넷 정보 중심에서 부산시 보유자료 중심으로 이동한 구조다. 그러나 답변이 참조한 원문, 자료 기준일, 상충문서, 폐기된 지침, 확신도와 최종 검토자를 함께 기록하는 공개 Audit Trail은 확인되지 않는다. 2~3년 동안 행정자료가 누적되면 최신·과거·상충 근거를 잘못 혼합할 위험이 커진다. 부산형 생성형 AI의 구조적 GAP은 답변 생성보다 근거의 유효성 판정에서 확인된다.

민간 카드·통신·공간데이터는 행정통계보다 빠르게 상권·이동·생활권 변화를 보여준다. 정책 Evidence는 연간 통계에서 일·시간·50m 격자 수준의 Runtime으로 이동했다. 그러나 민간데이터의 표본편향, 사업자 변경, 산식 변경, 비용, 재현성을 정책결정 기록과 함께 관리한 공개체계는 확인되지 않는다. 2026~2028년 민간데이터 의존도가 높아지면 공급계약 변화가 정책 Baseline의 단절로 이어질 수 있다. 부산 데이터 행정은 속도를 확보했지만 장기 비교가능성과 재현성은 미확인으로 판정된다.

AI 기반 감사행정은 감사대상 선정과 위험탐지의 범위를 표본검사에서 데이터 기반 전수탐색으로 확장한다. 감사의 구조는 사후 적발에서 이상징후 조기발견으로 이동한다. 그러나 모델이 선택한 감사대상, 미선정 대상, 실제 위반, 오탐과 편향을 검증하는 공개자료는 아직 축적 초기다. 2026~2028년 AI 추천이 감사 우선순위에 반영되면 설명 불가능한 오탐도 행정부담과 평판위험으로 전환된다. 감사 AX는 탐지범위 확대와 절차적 책임 GAP이 동시에 존재하는 것으로 판정된다.

2026년 인공지능행정 추진계획은 AI를 행정 전반에 체계적으로 확산하는 방향을 제시했다. 개별 부서의 시범도입은 도시정부 차원의 Portfolio로 이동했다. 그러나 사업별 Baseline, 목표 Outcome, 책임부서, 모델 위험등급, 중단기준을 공통 형식으로 공개한 AI Project Registry는 확인되지 않는다. 2026~2028년 전 분야 확대가 먼저 진행되면 저성과 사업과 고위험 사업을 같은 기준으로 구분하기 어렵다. 부산의 AI 대응은 Portfolio 형성 단계이며 Portfolio 성과관리 단계는 미확인으로 판정된다.

생성형 AI 행정서비스는 2026년 초 전 부서에 적용됐고 향후 3년간 고도화·확대 일정이 제시됐다. AI 적용은 제한 사용자 시험에서 전 직원 공통 업무환경으로 확산됐다. 그러나 사용 전후 업무시간·민원응답 정확도·수정률·재작업·보안사고를 비교하는 공개 Baseline은 확인되지 않는다. 2~3년 동안 사용량이 기본 업무절차에 편입되면 AI가 없던 시기와의 효과비교가 어려워진다. 현재 3개년 대응은 확대일정은 명확하지만 인과효과 측정구조는 미확인으로 판정된다.

2026년 데이터 업무계획은 시정과제 해결을 위한 분석 확대, 직원교육, 가명정보 활용을 포함한다. 데이터 활용은 공개통계에서 개인정보 보호형 결합분석으로 범위를 넓히고 있다. 그러나 가명결합 분석의 정책성과, 재식별 위험, 결합 실패, 심의기간, 실제 정책변경을 함께 공개한 자료는 확인되지 않는다. 2026~2028년 활용과 보호가 별도 실적으로 관리되면 분석확대와 시민신뢰 사이의 위험을 판정하기 어렵다. 부산의 가명정보 대응은 활용기반 확대 단계이며 Outcome·신뢰 통합평가 단계는 아니다.

실전형 AI 교육과 데이터교육은 본청·구·군·공공기관까지 대상을 확대했다. 역량정책은 소수 데이터전문가 양성에서 일반 행정직의 AI 활용으로 이동했다. 그러나 교육 전후 실제 분석 수행, 정책기획 변화, 오류발견률, 현업 적용률은 공개되지 않는다. 2~3년 동안 수료인원만 누적되면 교육확산과 의사결정 품질향상을 구분할 수 없다. 교육 대응은 참여범위에서 확산됐지만 업무 Outcome에서는 미검증으로 판정된다.

부산은 지자체 최초로 sLLM·RAG 기반 생성형 AI 행정서비스를 전 부서에 개시했다고 발표했다. 국내 지방정부 비교에서 공통 AI 업무환경의 조기 도입 Evidence는 확인된다. 그러나 다른 선도도시와 동일한 기준의 활성사용률·시간절감·정확도·정책변경률 비교는 공개되지 않는다. 2026~2028년 최초 도입의 명칭이 성과비교를 대체하면 기술선도와 행정성과의 차이가 가려진다. 부산은 도입시점에서 선도신호를 보이지만 의사결정 Outcome에서는 비교불가 상태로 판정된다.

국제 공공부문의 AI Governance는 데이터 계보, 인간 검토, 설명가능성, 영향평가, 이의제기, 모델 모니터링을 중점 관리한다. 부산의 생성형 AI 서비스는 보안체계와 내부자료 활용을 전제로 구축됐다. 그러나 위험등급별 승인, 시민영향평가, 오류공개, 모델 변경이력을 도시정부 차원에서 공개한 Evidence는 확인되지 않는다. 2~3년 동안 시민 대상·감사·안전 분야 AI가 확대되면 운영편의보다 절차적 책임이 비교경쟁력을 좌우한다. 부산의 기술도입 Readiness는 높지만 공개 Governance Readiness는 미확인으로 판정된다.

서울·경기 등 대규모 지방정부는 데이터 분석조직·공공데이터·디지털트윈·AI 서비스를 다층적으로 운영한다. 부산도 Big-데이터웨이브와 분야별 AI 플랫폼을 갖추며 도구격차를 줄이고 있다. 그러나 도시 간 비교 가능한 분석 → 결정변경 → Outcome지표는 국내에서도 정례화되지 않았다. 2026~2028년 플랫폼 수와 예산만 비교하면 부산의 실제 행정생산성과 주민효과는 판정되지 않는다. 부산의 국내 위치는 도구 보유에서는 중상위 신호, Decision Runtime에서는 공통 Data GAP으로 평가된다.

부산의 15분도시·축제·상권·교통·해양환경 분석은 지역문제를 민간데이터와 결합해 다루고 있다. 이는 정형 행정통계만 활용하는 단계보다 진전된 구조다. 반면 분석의 재현성, 대조군, 사전 Baseline, 사후 Outcome이 공통 기준으로 관리된 Evidence는 제한적이다. 2~3년 동안 분석사례 수가 늘어도 비교설계가 다르면 도시 전체 학습으로 합산되지 않는다. 부산의 상대적 강점은 분석주제의 현실성, 약점은 분석결과의 정책실험 표준화로 판정된다.

22종 생성형 AI 서비스와 전 부서 적용을 연결하면 기능과 배포범위는 확인된다. 그러나 활성사용자·질의 수·채택률·수정률·시간절감·정책변경률이 공개되지 않아 이용성과는 계산되지 않는다. 서비스 수 × 부서 수는 확산규모를 보여주지만 행정성과를 보여주지 않는다. 2026~2028년 기능 수가 증가하면 분모 없는 성공지표가 더 커질 수 있다. 부산 생성형 AI의 현재 숫자는 구축규모이며 의사결정 생산성은 Data GAP으로 판정된다.

Big-데이터웨이브의 분석요청에는 15분도시, 대형마트 의무휴업, 축제, 주차, 유동인구, 소비매출 등 실제 정책사안이 포함돼 있다. 요청건수와 답변완료 표시는 분석공급이 작동함을 보여준다. 그러나 답변완료 → 결재반영 → 사업수정 → Outcome 변화의 후속 숫자는 공개되지 않는다. 2~3년 동안 완료건수가 누적되면 분석처리 성과와 정책변경 성과가 동일하게 인식될 수 있다. 분석 완료율은 행정서비스 지표이며 정책효과 지표는 아닌 것으로 판정된다.

15분도시 사업 전후 카드매출 분석은 2023년과 2024년, 준공 전후 변화를 비교하도록 요청됐다. 시간 전후 비교라는 구조는 존재하지만 대조지역·외부경기·물가·계절요인을 분리했다는 Evidence는 요청정보만으로 확인되지 않는다. 단순 전후 증감은 정책효과와 동시기 외부변화를 혼합한다. 2026~2028년 유사분석이 반복되면 잘못된 인과판정이 예산확대 또는 축소로 누적될 수 있다. 부산 데이터 분석의 수치 GAP은 변화측정과 인과판정 사이에 존재한다.

대형마트 의무휴업일 평일 전환 분석은 대형마트·전통시장·소상공인 매출을 함께 비교하는 정책질문이다. 단일 업종의 매출이 아니라 이해관계자 간 효과분배를 보려는 구조변화가 확인된다. 그러나 소비자의 편익, 노동자의 근무조건, 온라인 소비 이동, 장기효과를 결합한 공개 Outcome은 확인되지 않는다. 2~3년 동안 단기 카드매출만으로 결론이 고착되면 정책의 비용과 편익이 일부 집단에 한정된다. 부산의 데이터 기반 판단은 다집단 비교로 확장됐지만 총사회 Outcome까지 도달하지 않은 것으로 판정된다.

AI 교육의 참여자 수와 과정 수는 역량투입을 보여주지만, 시의회 감사에서 일부 과정의 80% 이상이 기초수준이라는 지적이 제기됐다. 교육량 증가와 고급역량 확보가 동일하지 않다는 Evidence다. 현업 분석품질·모델검증·정책변경과 교육이 연결되지 않았다. 2026~2028년 기초교육 중심 확산이 지속되면 AI 이용자는 늘어도 검증 가능한 의사결정자는 부족한 구조가 남는다. 교육 숫자는 확산을 보여주지만 조직의 판단역량은 미판정 상태다.

첫 번째 GAP은 Decision Log의 부재다. 분석요청, AI 답변, 행정문서, 결재, 예산, 집행결과는 각각 존재한다. 그러나 어떤 Evidence가 기존 대안을 폐기하고 최종결정을 바꿨는지 동일 정책 ID로 연결한 공개기록은 확인되지 않는다. 2026~2028년 AI 이용이 일상화되면 결정과정에서 AI의 실제 영향은 더 추적하기 어려워진다. 부산 행정 AX의 최대 GAP은 분석능력이 아니라 결정변경의 추적성으로 판정된다.

두 번째 GAP은 Outcome Baseline의 부재다. 생성형 AI 22종 서비스는 제공기능을 제시하지만 도입 전 업무시간·오류율·민원품질·정책처리기간의 공통 기준치는 공개되지 않았다. 도입 후 변화가 있어도 비교할 기준이 약한 구조다. 2~3년 안에 AI가 기본 업무환경으로 고착되면 비사용 대조군과 도입 전 비교가 사실상 불가능해진다. 부산 생성형 AI는 배포 Readiness보다 효과검증 Readiness가 낮은 것으로 판정된다.

세 번째 GAP은 데이터 계보와 기준일 관리의 미확인이다. RAG는 내부자료를 활용하지만 행정자료에는 개정 전 지침·중복문서·상충통계가 존재한다. AI 답변이 어느 자료와 기준일을 사용했는지 공개적으로 추적하는 구조는 확인되지 않는다. 2026~2028년 문서량이 증가하면 최신성 오류가 정확한 문장형태로 반복될 위험이 커진다. 근거기반 행정의 GAP은 자료접근보다 어떤 자료가 유효한지 판정하는 능력에 있다.

네 번째 GAP은 분석과 예산의 단절이다. 데이터 분석이 정책효과를 검증해도 다음 연도 예산의 증액·감액·종료와 연결된 공개 기록은 제한적이다. 분석은 참고자료, 예산은 별도 심사자료로 관리되는 구조다. 2~3년 동안 저성과 사업도 분석결과와 무관하게 반복 편성되면 데이터 기반 행정의 재정효과는 사라진다. 부산의 Decision Readiness는 정책분석보다 예산재배분에서 미확인으로 판정된다.

다섯 번째 GAP은 AI 오류의 조직학습 부재다. 생성형 AI와 예측모델은 오답·누락·편향·오탐을 발생시킬 수 있다. 부산시의 모델별 오류사례, 수정시간, 재발률, 버전변경을 통합 공개한 Registry는 확인되지 않는다. 2026~2028년 서비스 수가 증가하면 동일 오류가 여러 부서 문서와 결정에 전파될 수 있다. 부산 AI 행정의 위험은 오류 존재보다 오류가 조직기억으로 남지 않는 구조로 판정된다.

Big-데이터웨이브와 생성형 AI 행정서비스는 각각 분석데이터와 업무지원 인프라를 제공한다. 부산시는 데이터 조회·분석과 문서·검색 AI를 동시에 보유한 상태다. 그러나 두 인프라가 동일 정책과제 ID로 연결된 공개 Evidence는 확인되지 않는다. 2026~2028년 별도 고도화가 지속되면 데이터 분석결과가 생성형 AI 답변에 반영되지 않거나 기준일이 달라질 수 있다. 기술 인프라는 복수 확보, 정책 단위 상호운용은 미확인으로 판정된다.

본청·구·군·산하기관 대상 AI·데이터 교육이 운영됐고 실전형 기획교육도 실시됐다. 교육대상은 일부 정보화 인력에서 일반 정책담당자로 확대됐다. 반면 고급 응용·융합역량의 부족은 2025년 행정사무감사에서 지적됐다. 2~3년 동안 전 부서 AI가 확산되면 검증인력 1명이 다수 사용자의 오류를 감당하는 병목이 발생할 수 있다. 인재 인프라는 이용자 확산 단계, 고급검증 인력은 부족 신호 단계로 판정된다.

카드매출·통신유동·공간격자·행정통계·가명정보 활용기반은 정책현상을 다양한 각도에서 관측한다. 데이터 인프라는 정형 공공데이터에서 민관 결합으로 확대됐다. 그러나 표본편향·산식변경·결측·데이터 구입종료가 분석결과에 미치는 영향을 공통 관리한 자료는 확인되지 않는다. 2026~2028년 민간데이터 의존도가 높아지면 계약과 산식의 변화가 정책성과 시계열을 단절한다. 데이터 Readiness는 범위에서 확대됐지만 품질·연속성에서는 미확인으로 판정된다.

부산시 인공지능행정 추진계획과 개인정보·보안체계는 AI 활용의 제도적 기반이다. AI 도입이 직원 자율사용에서 공식 행정체계로 이동했다. 그러나 고위험 의사결정의 인간 최종판단, 시민통지, 이의제기, 자동화 금지영역, 모델 중단기준을 통합 공개한 제도는 확인되지 않는다. 2~3년 동안 민원·복지·감사·안전 분야 적용이 확대되면 절차적 공백이 시민권리 위험으로 전환된다. 제도 Readiness는 도입승인에는 도달했지만 영향책임에는 도달하지 않은 것으로 판정된다.

생성형 AI 행정서비스는 행정자료 검색과 민원응답 초안을 지원해 직원 업무부담과 대민 응대시간을 줄이는 효과를 목표로 한다. 내부 업무기술이 주민 접점의 응답품질로 확장되는 구조다. 그러나 민원처리시간·재문의율·오답률·시민만족도의 도입 전후 비교는 공개되지 않았다. 2026~2028년 직원 사용량이 늘어도 주민이 경험하는 속도와 정확도가 개선되지 않으면 행정 AX는 내부효율에 머문다. 주민 확산은 기대효과로 제시됐지만 실제 Outcome은 미확인으로 판정된다.

대형마트 의무휴업·15분도시·축제·상권 데이터 분석은 소상공인과 주민생활에 직접 관련된 정책을 대상으로 한다. 데이터 행정은 내부보고서 작성에서 지역경제 Outcome 분석으로 내려가고 있다. 그러나 분석결과가 영업환경·시설배치·예산·행사설계를 바꾼 후속 Evidence는 제한적이다. 2~3년 동안 분석이 완료로 종결되면 지역기업은 데이터 제공대상으로 남고 정책변화의 수혜자로 연결되지 않는다. 기업·주민 대상 분석은 확산됐지만 결정변경의 체감효과는 미확인으로 판정된다.

공공데이터와 Big-데이터웨이브는 중소·중견기업과 시민에게 데이터 접근점을 제공한다. 데이터 활용범위는 행정 내부에서 민간 활용으로 확대됐다. 그러나 공개데이터가 기업의 제품·서비스·매출·고용으로 이어진 성과와 데이터 품질 문제를 연결한 정례자료는 확인되지 않는다. 2026~2028년 데이터셋 수만 증가하면 실제 활용가치가 낮은 자료도 개방성과로 남는다. 민간 확산은 접근성에서 확인되지만 산업 Outcome에서는 미검증으로 판정된다.

AI 기반 감사·안전·상수도·해양환경 시스템은 사고·비리·누수를 조기에 발견해 시민피해를 줄이는 구조를 지향한다. 주민 Outcome은 시스템 구축이 아니라 사고감소·복구시간·수질·안전성에서 나타난다. 해당 시스템 도입 전후의 시민피해 변화와 오탐비용은 공개 Evidence에서 제한적이다. 2~3년 동안 경보와 화면 수만 증가하면 주민효과는 행정기술의 구축실적에 가려진다. 분야별 AI의 주민 확산은 탐지기능 수준에서 확인되며 피해감소 Outcome은 미확인으로 판정된다.

부산시 본청은 공통 생성형 AI 서비스와 데이터 전문부서를 보유하지만 구·군의 데이터 인력·예산·분석경험은 동일하지 않다. 행정 AX는 전 부서·전 구·군 확산을 표방하지만 실제 수행역량은 조직 규모에 따라 달라질 수 있다. 구·군별 활성사용률·분석요청·자체분석·정책반영률을 비교한 자료는 확인되지 않는다. 2026~2028년 역량차가 누적되면 같은 부산 시민도 주소지에 따라 데이터 기반 정책의 정확도가 달라질 수 있다. 부산 내부 행정 AX는 서비스 접근의 균등성과 활용역량의 균등성이 일치하지 않는 것으로 판정된다.

Big-데이터웨이브 분석요청에는 동구 유동인구, 영도구 주차, 부산진구 생활권 상권, 광안리 축제 등 지역별 문제가 포함된다. 데이터 수요는 부산 전역에서 발생하지만 문제의 종류와 데이터 확보난도는 다르다. 분석지원이 요청형으로 운영될 경우 신청역량과 과제설계 능력이 높은 조직이 더 많은 지원을 확보할 수 있다. 2~3년 동안 이 구조가 유지되면 데이터가 부족한 지역보다 분석요청을 잘 작성하지 못한 지역이 먼저 제외된다. 공간적 격차는 데이터 보유보다 행정질문 설계능력에서 발생할 가능성이 큰 것으로 판정된다.

50m 격자 유동인구와 카드매출은 동 단위 이하의 생활변화를 포착한다. 행정 분석단위는 구·군 평균에서 미시생활권으로 이동하고 있다. 그러나 모든 정책분야에 같은 공간해상도와 갱신주기가 적용된다는 Evidence는 확인되지 않는다. 2026~2028년 일부 지역만 정밀관측되면 관측되지 않은 지역은 수요가 없는 지역으로 오판될 수 있다. 부산의 공간 Intelligence는 정밀화됐지만 전 지역 관측균등성은 미확인으로 판정된다.

원도심·서부산·동부산은 인구·산업·교통·상권 구조가 서로 다르다. 동일 AI 모델을 도시 전역에 적용해도 학습데이터의 지역구성이 다르면 예측오차가 지역별로 달라진다. 모델 성능을 구·군·연령·소득·사업체 규모별로 비교한 공개자료는 확인되지 않는다. 2~3년 동안 평균 정확도만 관리되면 취약지역의 낮은 정확도가 전체 평균에 가려진다. 부산 행정 AI의 공간위험은 서비스 배포보다 지역별 오류율의 비가시성으로 판정된다.

부산형 생성형 AI 행정서비스는 2026년 초 전 부서에 적용됐고 2026~2028년 3년간 고도화·확대된다. 향후 2~3년은 초기 기능·데이터·사용행태가 표준 업무절차로 고정되는 기간이다. 도입 전 Baseline과 AI 영향 Decision Log는 아직 공개되지 않았다. 기본절차가 고착된 이후에는 AI가 없는 업무와 비교하기 어렵고 잘못된 사용관행도 조직규범으로 남는다. 현재 Golden Time은 AI 도입 이전이 아니라 최초 3개년 운영기준이 굳어지기 전으로 판정된다.

AI·데이터 분석은 15분도시·상권·축제·교통·해양·상수도·감사로 빠르게 확산되고 있다. 적용분야는 공통업무에서 시민권리와 안전에 영향을 주는 전문판단으로 이동했다. 위험등급·오류·이의제기·중단기준을 통합 관리한 공개체계는 확인되지 않는다. 2026~2028년 고위험 분야까지 자동화가 확대되면 사후 규정 보완은 이미 누적된 결정과 민원에 적용되기 어렵다. Governance Golden Time은 고위험 적용이 일상업무로 고착되기 전으로 판정된다.

민간 카드·통신데이터와 가명정보 활용은 정책현상을 행정통계보다 빠르게 보여준다. 부산의 데이터 판단속도는 연간통계에서 월·일·시간 단위로 빨라지고 있다. 그러나 민간데이터 산식·표본·계약변경과 장기비교를 관리하는 공개체계는 제한적이다. 2~3년 동안 동일 데이터에 의존한 정책이 누적되면 공급자 변경 후 과거 판정의 재현성이 사라진다. 데이터 Golden Time은 활용량 확대보다 Baseline의 연속성이 끊기기 전으로 판정된다.

직원교육은 확대됐지만 2025년 행정사무감사에서 기초과정 편중이 지적됐다. AI 서비스의 확산속도와 고급 기획·검증인력의 성장속도가 다르다는 Evidence다. 고급역량과 실제 오류발견을 측정하는 자료는 확인되지 않는다. 2026~2028년 전 직원 이용이 일상화되면 소수 전문가가 모든 모델·데이터·답변을 검증하기 어려워진다. 인재 Golden Time은 사용자 수가 검증자 수를 구조적으로 앞서기 전으로 판정된다.

12-1. Golden Time 기초지자체 적용 사례 ① — 부산진구

Big-데이터웨이브에는 당감·개금 생활권을 포함한 15분도시 사업 전후 카드매출 변화 분석이 요청됐다. 부산진구 생활권 정책의 평가는 시설 준공에서 주변 상권의 실제 매출 Outcome으로 이동했다. 그러나 준공 전후 변화에서 물가·계절·경기·대조지역 효과를 분리한 공개 분석결과와 후속 정책변경은 확인되지 않는다. 2026~2028년 동일 방식의 15분도시 사업이 확대되면 초기 인과판정의 오류가 다른 생활권으로 복제될 수 있다. 부산진구는 데이터 기반 Outcome 질문이 발생한 지역이지만 정책효과 확정 단계에는 도달하지 않은 것으로 판정된다.

당감·개금권은 동 단위보다 넓고 구 단위보다 작은 실제 생활권을 정책단위로 사용한다. 공간판단은 행정동 평균에서 주민 이동·소비가 결합된 생활권으로 이동했다. 그러나 유동인구·카드매출·시설접근·주민만족·상권생존을 하나의 생활권 Runtime으로 연결한 공개 Evidence는 확인되지 않는다. 2~3년 안에 대표생활권 사업이 완료되면 Baseline 없이 시설별 성과만 남을 수 있다. 부산진구의 Golden Time은 생활권 분석의 존재보다 생활권 분석이 다음 시설배치와 예산을 바꿨는지 기록할 수 있는 기간이다.

12-2. Golden Time 기초지자체 적용 사례 ② — 영도구

영도구는 새올 상담민원 분석에서 주정차 민원이 최다로 확인된 뒤 주차난 데이터 분석컨설팅을 신청했다. 주민민원 텍스트가 반복민원 집계를 넘어 정책분석 질문으로 이동한 사례다. 그러나 분석결과가 주차면 배치·단속시간·대중교통·관광동선 중 어느 결정을 바꿨는지 공개 후속기록은 확인되지 않는다. 2026~2028년 관광·주거·고령화에 따른 주차수요가 변하면 과거 민원분석은 기준시점이 다른 일회성 자료가 된다. 영도구는 데이터가 정책문제를 발견한 사례지만 데이터가 해결대안을 변경한 사례로는 미확인이다.

영도구의 주차문제는 주민·관광객·상인·교통약자의 시간대별 수요가 동일 공간에서 충돌하는 복합문제다. 민원건수만으로는 어느 집단의 수요와 어느 시간대의 병목인지 구분되지 않는다. 민원–주차회전–불법주정차–보행안전–상권매출을 연결한 공개 Runtime은 확인되지 않는다. 2~3년 동안 민원량 중심 판단이 유지되면 신고가 많은 지역과 실제 위험이 큰 지역이 혼합된다. 영도구의 Golden Time은 민원 다발지역을 찾는 단계를 넘어 민원 원인과 정책대안의 차이를 판정할 수 있는 기간으로 평가된다.

2026년 전 부서 AI 적용 초기의 사용·오류·수정·채택 데이터가 남지 않으면 이후 행정성과를 비교할 Baseline이 사라진다. AI 업무지원은 3년간 확대되며 비사용 업무가 빠르게 줄어드는 구조다. 현재 공개된 도입 전후 Outcome은 제한적이다. 2026~2028년이 지나면 AI가 업무를 개선했는지 단순 업무량 증가를 흡수했는지 구분하기 어려워진다. 첫 번째 상실은 기술예산보다 AI 도입 초기의 인과 Evidence로 판정된다.

분석결과와 결재·예산·집행이 연결되지 않으면 동일 문제에 대한 분석이 부서·연도마다 반복된다. Big-데이터웨이브에서 다수의 현실 정책질문이 확인되지만 재사용과 결정변경 이력은 공개되지 않는다. 2~3년 동안 담당자 이동과 조직개편이 발생하면 분석의 전제·한계·후속결정이 조직기억에서 분리된다. 두 번째 상실은 개별 보고서가 아니라 정책실패를 반복하지 않는 행정기억으로 판정된다.

AI 답변과 예측모델의 오류가 Registry로 축적되지 않으면 같은 데이터·프롬프트·모델에서 오류가 반복된다. 서비스는 전 부서와 전문분야로 확대되고 있지만 도시 전체 오류학습체계는 확인되지 않는다. 2026~2028년 다수 시스템이 고도화되면 버전과 책임주체가 바뀌어 과거 오류의 재현이 어려워진다. 세 번째 상실은 정확도 수치보다 오류를 다음 결정에 반영하는 학습시간으로 판정된다.

구·군별 데이터 인력과 질문설계 역량의 차이가 누적되면 분석지원은 수요가 큰 지역보다 신청역량이 높은 조직에 집중될 수 있다. 현재 요청형 분석체계와 지역별 과제는 확인되지만 미신청 수요는 관측되지 않는다. 2~3년 동안 이 구조가 고착되면 행정 AX 격차가 지역서비스 격차로 전환된다. 네 번째 상실은 기술균등성이 아니라 주소지와 조직역량에 좌우되지 않는 정책판단의 형평성으로 판정된다.

부산은 생성형 AI 전 부서 서비스, Big-데이터웨이브, 가명정보 활용, 분야별 AI 플랫폼과 실전교육을 이미 보유한다. 행정 AX의 구성요소가 전무한 상태가 아니라 서로 다른 단계로 분산된 상태다. 그러나 정책 ID와 Decision Log로 연결된 Evidence는 확인되지 않는다. 2026~2028년 시스템 구조가 고착되기 전에는 기존 자산을 같은 정책성과 기준으로 비교할 시간여지가 남아 있다. 현재 Opportunity는 신규 시스템보다 분산된 자산의 의사결정 연결성을 확정하는 기간으로 판정된다.

15분도시·대형마트·축제·주차 분석요청은 행정이 이미 구체적인 정책효과 질문을 던지고 있음을 보여준다. 부산의 GAP은 질문 부재보다 답변 이후의 결정기록 부재다. 분석결과와 정책변경의 공개 Chain은 확인되지 않는다. 2~3년 동안 분석요청이 계속 증가하면 후속결정 연결 여부가 행정생산성을 가르는 기준으로 바뀐다. 현재 Opportunity는 분석량 확대가 아니라 현실 정책질문을 반복 가능한 Decision Evidence로 남길 수 있는 구간이다.

RAG 기반 생성형 AI는 부산시 내부 행정자료를 활용한다. 이는 검색시간 단축과 함께 조직의 과거 정책근거를 재사용할 수 있는 기반이다. 그러나 자료 유효성·상충근거·결정결과를 함께 검색하는 구조는 공개되지 않았다. 2026~2028년 행정자료가 더 늘어나기 전에 근거와 Outcome이 연결되지 않으면 AI는 과거 문서를 빠르게 찾지만 과거 결정의 성공과 실패는 구분하지 못한다. 현재 Opportunity는 행정문서를 조직학습자료로 확정할 수 있는 초기 운영기간으로 판정된다.

부산시의회 행정사무감사는 AI 교육수준과 사업실효성을 공개적으로 질문하고 있다. 행정부의 AI 확산과 의회의 외부검증이 동시에 존재하는 구조다. 그러나 감사 지적–시정–모델·교육 변경–후속 Outcome의 연결자료는 확인되지 않는다. 2~3년 동안 의회검증이 개별 질의로 남으면 AI Governance는 예산심사와 사업보고에 분산된다. 현재 Opportunity는 AI 행정의 내부운영과 외부검증을 동일 Evidence Chain으로 연결할 수 있는 기간으로 판정된다.

Administrative AX Runtime

정책질문 → Baseline → 데이터·AI 분석 → 대안 비교 → 결정변경 → 예산 → 집행 → 시민 Outcome → GAP → 감사·의회검증 → 시정 → 다음 결정

Administrative AI Expansion + Decision Evidence GAP

부산시의 AI·데이터 행정은 도입단계를 넘어 전 부서 확산단계에 있다.

업무검색·문서작성·개별 정책분석은 확인된다.

AI·데이터가 기존 결정을 무엇으로 바꿨고 그 결과가 어떻게 달라졌는지는 연결되지 않았다.

현재 위험은 AI를 사용하지 않는 행정이 아니라 AI를 사용했지만 더 나은 결정을 했는지 판정하지 못하는 행정이다.

최종 판정은 Administrative AI Expansion + Decision Evidence GAP이다.

1. 생성형 AI 부서별 활성사용자
2. 직원 1인당 AI 사용빈도
3. 22종 서비스별 이용률
4. AI 답변 채택·수정·폐기율
5. AI 생성문서의 평균 수정률
6. 행정자료 검색시간 절감
7. 민원 초안 작성시간 절감
8. AI 사용 전후 민원 재문의율
9. AI 답변 오류·누락·편향 건수
10. 오류 발견부터 수정까지의 시간
11. 동일 오류 재발률
12. 분석요청 접수·완료·대기기간
13. 분석결과의 결재 반영률
14. 분석 이후 정책대안 변경률
15. 분석 이후 사업대상·지역 변경률
16. 분석 이후 예산 증액·감액·종료율
17. 정책별 도입 전 Baseline 공개율
18. 대조지역·대조군을 사용한 분석비율
19. 민간데이터 산식·표본 변경이력
20. 모델별 정확도·오탐·미탐률
21. 구·군별 AI 사용·자체분석 격차
22. 교육수료 후 현업 적용률
23. 고급 AI·데이터 검증인력 수
24. 의회·감사 지적 이후 실제 시정률
25. 정책변경 이후 시민·기업 Outcome 개선률

Data GAP:공개 Evidence에서는 정책질문 → 데이터·AI 분석 → 기존안과 대안 비교 → 결재·예산 변경 → 집행 → 시민·기업 Outcome → 감사·의회 검증 → 후속 시정을 동일 정책 ID로 연결한 부산시 Decision Runtime이 확인되지 않는다.

Runtime Chain

데이터 → 분석 → 대안 → 결정변경 → 예산 → 실행 → Outcome → 오류·GAP → 감사·의회 → 시정 → 다음 결정

Source · Verification

• 부산광역시, 전국 최초 생성형 AI 행정서비스 개시
• 부산광역시, 2026년 인공지능행정 추진계획
• 부산광역시, 2026년 데이터 기반 행정 주요업무계획
• 부산 Big-데이터웨이브, 정책 데이터 분석·컨설팅 현황
• 부산 Big-데이터웨이브, 통계 설명자료
• 부산광역시, AI 기반 미래행정 실전형 교육
• 부산광역시의회, 2025년 정보산업진흥원 행정사무감사
• 부산광역시, 데이터 기반 지능형 해양환경 관리지원 플랫폼
• 부산광역시, 2026년 AI·빅데이터 기반 상수관망 의사결정 지원
• 부산광역시, AI 기반 스마트 감사행정 지원시스템

이번 분석에서 남는 구조적 통찰

행정의 의사결정은 문서에 적힌 최종안만 남기고 선택되지 않은 대안은 지운다. AI가 더 많은 Evidence와 대안을 제시해도 기존안, 대안, 최종안의 차이가 기록되지 않으면 AI가 판단을 바꿨는지 확인되지 않는다. 사용량은 남지만 영향은 사라지는 구조다.

이 구조에서는 좋은 AI와 나쁜 AI의 차이도 정확도만으로 판정되지 않는다. 정확한 분석이 결재와 예산을 바꾸지 못하면 행정효과는 0에 가깝고, 불완전한 분석이 고위험 결정을 바꾸면 작은 오류도 시민 Outcome으로 확대된다. AI의 행정가치는 모델 성능과 결정 영향의 곱으로 형성된다.

따라서 부산 행정 AX의 구조적 통찰은 하나다. AI는 결정을 대신할 때가 아니라 결정이 왜 달라졌는지를 남길 때 행정역량이 된다. 이 기록이 없으면 부산시는 더 빠르게 검색하고 더 많은 문서를 생성하지만 과거보다 더 나은 결정을 했는지는 판정하지 못한다.

Golden Time Thesis — 부산시 행정 AX의 2026~2028년은 생성형 AI를 확산하는 기간이 아니라 Evidence → 대안 → 결정변경 → Outcome의 차이를 최초로 행정기록에 남기는 기간이다. 이 연결이 없으면 AI는 행정의 속도는 높이지만 정책실패를 발견하고 수정하는 속도는 높이지 못한다.