공공 AI의 확산 단위는 모델이 아니라 검증된 업무 스킬이다

새 AI 모델을 기관에 도입하면 처음 며칠은 질문이 쏟아집니다. 무엇을 잘하는지, 어떤 프롬프트를 써야 하는지, 내부문서를 넣어도 되는지, 결과는 어디까지 믿어도 되는지를 각자가 다시 알아봅니다. 한 부서가 시행착오 끝에 괜찮은 작업법을 만들어도 옆 부서는 비슷한 실험을 처음부터 반복합니다. 모델은 중앙에서 한 번 계약했는데 업무 적용법은 사람마다 새로 발명됩니다.

이 구조에서는 모델 이용자 수가 늘어도 조직의 역량이 축적되지 않습니다. 잘된 프롬프트는 개인 메모에 남고, 검수 기준은 담당자의 머릿속에 있으며, 보안 검토는 사업마다 다시 시작됩니다. 담당자가 이동하면 작업법도 함께 사라집니다.

공공 AI를 확산하려면 모델 계정을 더 많이 나눠주는 것만으로는 부족합니다. 실제 업무 한 가지를 안전하고 일관되게 수행하는 방법을 묶어 재사용해야 합니다. 저는 그 단위를 ‘검증된 업무 스킬’이라고 부르고 싶습니다.

모델은 지능의 공급원입니다. 스킬은 그 지능이 우리 조직에서 어떻게 일해야 하는지를 정한 업무 패키지입니다.

프롬프트 한 장은 스킬이 아니다

최근 AI 제품에서 ‘스킬’이라는 표현이 본격적으로 쓰이기 시작했습니다. OpenAI의 공식 설명에 따르면 스킬은 특정 작업을 더 일관되게 수행하도록 하는 재사용·공유 가능한 워크플로이며, 지침뿐 아니라 예시와 코드, 지원자료를 포함할 수 있습니다.

이 정의는 공공부문에 특히 유용합니다. 다만 행정에서 스킬은 좋은 프롬프트 파일보다 더 두꺼워야 합니다. 결과물이 국민의 권리, 예산, 규정, 개인정보와 연결될 수 있기 때문입니다.

검증된 업무 스킬에는 적어도 다음 요소가 함께 들어가야 합니다.

업무 목적과 범위: 무엇을 해결하고 무엇은 하지 않는지
입력·출력 계약: 필요한 자료, 허용 형식, 결과물 구조
권위 있는 근거: 참고할 법령·지침·데이터의 출처와 기준일
도구 권한: 검색, 파일 읽기, 외부 전송, 상태 변경 가운데 허용할 행동
예시와 테스트: 정상 사례, 경계 사례, 실패해야 하는 사례
검수·승인선: 사람이 확인할 항목과 최종 책임자
예외·중단 조건: 근거 충돌, 개인정보, 낮은 확신이 발견됐을 때의 처리
버전과 소유자: 누가 유지하고 언제 갱신했는지

이 여덟 가지가 묶여야 다른 기관과 부서가 가져가도 비슷한 품질과 통제 수준을 기대할 수 있습니다. 프롬프트만 공유하면 말투는 복제할 수 있어도 책임 있는 업무는 복제하기 어렵습니다.

중앙의 거대한 AI 하나로는 롱테일 업무를 덮을 수 없다

공공부문에는 거대한 공통업무와 수많은 작은 업무가 함께 있습니다. 민원 요약처럼 여러 기관에 공통인 작업이 있는가 하면, 특정 사업의 신청서 점검, 내부 규정의 예외 확인, 분야별 보고서 변환처럼 한 조직에서만 자주 쓰는 작업도 있습니다.

중앙에서 모든 업무를 하나의 거대한 에이전트에 넣으려 하면 두 가지 문제가 생깁니다. 첫째, 현장의 규칙과 예외를 중앙팀이 모두 알 수 없습니다. 둘째, 하나를 바꿀 때 전체 시스템을 다시 검토해야 하므로 변화가 느려집니다.

반대로 각 부서가 마음대로 도구를 만들게 두면 중복투자, 보안 편차, 품질 격차가 커집니다. 어떤 팀은 출처와 로그를 남기지만 다른 팀은 결과만 복사합니다. 같은 문서 변환도 기관마다 별도 계약하고 같은 오류를 반복합니다.

해법은 중앙집중과 완전분산의 중간에 있습니다. 중앙은 공통 모델, 인증, 로그, 위험등급, 테스트 형식, 배포 규칙, 스킬 카탈로그를 관리합니다. 현장은 자기 업무의 규칙과 사례를 스킬로 만듭니다. 검증을 통과한 스킬은 다른 부서가 가져가고, 기관별 설정만 어댑터처럼 바꿉니다.

AI의 확산 단위를 모델에서 스킬로 바꾸면 “우리 기관도 같은 모델을 샀다”가 아니라 “검증된 업무능력 하나를 더 확보했다”가 성과가 됩니다.

공공 디지털서비스는 이미 재사용의 원리를 알고 있다

이 제안은 완전히 새로운 발상이 아닙니다. 디지털정부는 디자인 시스템, 공통 컴포넌트, 표준 API를 통해 이미 비슷한 길을 걸어왔습니다.

영국 정부의 서비스 표준은 충분히 시험된 공통 컴포넌트와 패턴을 재사용하면 이미 해결한 문제를 다시 풀지 않아도 되고, 비용을 낮추면서 일관된 사용자 경험을 만들 수 있다고 설명합니다. 유럽연합의 Interoperable Europe Act는 공공기관이 공유하고 재사용할 수 있는 상호운용성 솔루션을 모으는 포털과 협력체계를 두고 있습니다.

버튼과 로그인, 전자서명, 결제 모듈을 매번 새로 만들지 않듯이 AI 시대에는 ‘법령 근거가 붙은 문서 요약’, ‘개인정보를 제거한 텍스트 변환’, ‘지원사업 신청서의 형식 점검’ 같은 업무능력도 공통 자산으로 다룰 수 있습니다.

다만 AI 스킬은 일반 소프트웨어 컴포넌트보다 결과가 확률적이고, 모델 업데이트에 영향을 받으며, 사용하는 자료의 기준일이 중요합니다. 그래서 코드 재사용에 더해 평가셋, 허용 오차, 사람 검수, 모델 호환성, 폐기 절차까지 함께 유통해야 합니다.

스킬 카탈로그보다 먼저 필요한 것은 검증 체계다

공유 저장소를 만드는 것은 어렵지 않습니다. 더 어려운 일은 무엇을 ‘검증됐다’고 부를지 정하는 것입니다. 별표와 다운로드 수만으로 공공업무에 쓸 스킬의 품질을 판단할 수는 없습니다.

저라면 스킬을 네 단계로 나누겠습니다.

실험: 개인 또는 소규모 샌드박스에서만 사용하며 결과를 전수 검토
검증: 정해진 평가셋과 보안검토를 통과했지만 최종 결정에는 사용하지 않음
승인: 특정 데이터 등급과 업무범위에서 기관이 사용을 허용
공통: 여러 조직에서 반복 검증됐고 공통기반에서 유지·지원

각 단계에는 서로 다른 권한을 줘야 합니다. 공개자료 요약 스킬은 빠르게 검증 단계로 갈 수 있지만, 권리·의무 판단이나 외부 발송이 포함된 스킬은 더 높은 기준과 사람 승인이 필요합니다.

검증은 한 번의 인증서가 아니라 지속적인 상태여야 합니다. 모델 버전, 법령, 조직 규정, 연결된 데이터가 바뀌면 다시 시험해야 합니다. 오류가 반복되거나 담당 소유자가 사라지면 카탈로그에서 즉시 사용 중지할 수 있어야 합니다.

NIA의 2026년 공공부문 AI 도입·활용 가이드는 AI 서비스를 행정 수요 정의부터 구현, 운영, 성능 모니터링, 데이터 업데이트까지 이어지는 생애주기로 봅니다. 업무 스킬도 같은 방식으로 관리해야 합니다. 설치 파일을 올리는 것으로 끝나는 것이 아니라 운영하면서 품질을 확인하고 갱신해야 합니다.

공통 스킬과 기관별 규칙은 층을 나눠야 한다

스킬 재사용을 이야기하면 “기관마다 규정과 업무가 다른데 어떻게 같은 것을 쓰느냐”는 반론이 나옵니다. 맞는 지적입니다. 모든 기관의 세부 규칙을 한 파일에 밀어 넣으면 거대한 조건문 덩어리가 되고, 한 기관의 변경이 다른 기관에 위험을 줄 수 있습니다.

그래서 스킬은 세 층으로 나누는 편이 좋습니다.

첫 번째는 공통 코어입니다. 입력 검증, 출처 표시, 개인정보 차단, 로그 형식, 실패 처리처럼 어디서나 지켜야 할 원칙입니다.

두 번째는 분야 모듈입니다. 복지, 조달, 인사, 연구관리처럼 업무영역별 공통 법령과 용어, 평가셋을 담습니다.

세 번째는 기관 어댑터입니다. 조직도, 내부 승인선, 문서 서식, 자체 규정, 시스템 주소처럼 외부에 공개하거나 공통화하기 어려운 설정입니다.

이 구조라면 공통 코어와 테스트는 넓게 재사용하면서도 기관의 권한과 맥락은 분리할 수 있습니다. 기관을 떠날 수 없는 정보는 어댑터에 남기고, 일반화 가능한 업무지식만 공유합니다.

공유할 때는 소프트웨어 공급망처럼 출처와 의존성도 남겨야 합니다. 어떤 모델과 도구에서 시험했는지, 어떤 자료를 참조하는지, 마지막 검토일이 언제인지, 누가 승인했는지, 알려진 한계가 무엇인지 확인할 수 있어야 합니다.

모델 교체보다 스킬 보존이 중요해진다

모델은 빠르게 바뀝니다. 올해의 주력 모델이 내년에는 가격이나 정책, 성능 때문에 교체될 수 있습니다. 업무지식을 모델 안에만 묶어두면 교체할 때마다 처음부터 다시 시작해야 합니다.

반면 목적, 절차, 근거, 테스트, 승인선이 스킬로 분리돼 있으면 새 모델을 같은 시험대에 올릴 수 있습니다. 더 싼 모델이 기준을 통과하면 바꾸고, 중요한 업무는 여러 모델을 비교해 선택할 수 있습니다. 특정 공급자의 화면에 업무방식이 갇히는 것도 줄어듭니다.

이 점에서 스킬은 단순한 편의기능이 아니라 조직의 협상력입니다. 모델 사업자는 지능을 공급하지만, 우리 조직이 일을 하는 방식은 우리가 소유하게 합니다.

첫 공통 스킬은 작고 지루한 일에서 골라야 한다

처음부터 정책판단이나 민원 자동발송 스킬을 공유할 필요는 없습니다. 여러 기관이 반복하지만 위험이 낮고, 정답 형식이 분명하며, 오류를 되돌리기 쉬운 일부터 시작하는 편이 좋습니다.

예를 들어 공개된 PDF를 텍스트 중심 문서로 변환하고, 제목·표·각주·출처를 일정한 형식으로 정리하는 스킬을 생각할 수 있습니다. 입력 형식, 금지된 개인정보, 출력 스키마, OCR 오류 처리, 표 검수, 링크 확인, 접근성 기준을 묶습니다. 대표 문서 50개로 평가셋을 만들고, 누락률과 사람이 수정한 시간을 기록합니다.

한 기관에서 검증한 뒤 기관명과 내부 경로를 제거하고 공통 코어를 공개합니다. 다른 기관은 자체 문서유형을 평가셋에 보태고, 개선된 테스트를 다시 공유합니다. 이렇게 하면 산출물 하나가 아니라 검증 경험이 누적됩니다.

성과지표도 스킬 수가 아니라 재사용의 질을 봐야 합니다.

다른 부서·기관의 실제 설치 수
첫 사용까지 걸린 시간
모델 교체 뒤 재검증 시간
핵심 오류율과 사람 수정시간
기관별 중복 개발·검토 비용 감소
중단 또는 회수된 스킬과 그 이유

많이 등록됐지만 아무도 믿고 쓰지 않는 카탈로그는 또 하나의 사례집일 뿐입니다.

공공 AI의 공통재는 모델만이 아니다

범정부가 좋은 모델과 GPU를 공동 활용하는 것은 중요합니다. 그러나 모델에 접속한 뒤 무엇을 어떻게 해야 하는지가 개인에게 맡겨져 있다면 확산의 마지막 1킬로미터가 비어 있습니다.

공공 AI의 진짜 공통재는 모델, 데이터, 인프라에 더해 검증된 업무방법이어야 합니다. 어떤 입력을 받고, 어떤 근거를 쓰며, 어디서 사람에게 넘기고, 무엇을 시험하고, 누가 책임지는지를 작은 실행 패키지로 만들어야 합니다.

모델은 많은 일을 할 수 있습니다. 하지만 조직은 ‘할 수 있다’는 가능성만으로 움직이지 않습니다. 이 업무에서, 이 자료를 가지고, 이 권한 안에서, 이 품질 기준을 통과하며 일할 수 있다는 신뢰가 있어야 움직입니다.

그 신뢰의 가장 작은 단위가 검증된 업무 스킬입니다.

공공 AI가 넓게 퍼지는 순간은 모든 공무원이 같은 챗봇 계정을 받은 날이 아닐 것입니다.

한 조직이 검증한 업무능력을 다른 조직이 안전하게 이어받아, 더 나은 테스트와 함께 다시 돌려준 날에 더 가까울 것입니다.

참고한 공식자료

※ 이 글에서 ‘업무 스킬’은 특정 제품 기능만을 뜻하지 않습니다. 지침·도구·테스트·권한·검수·승인기록을 묶은 공공업무 재사용 단위에 대한 개인적 제안입니다.