코드를 바꾸는 AI와 전문업무 AI, 공공 현장은 무엇을 검증해야 하나

오늘의 판

오픈AI의 최신 모델이 이제 단순히 코드를 제안하는 데서 멈추지 않고, 요구사항을 설계 문서와 작업 목록으로 바꾼 뒤 코드를 작성하고 시험하는 개발 환경에 들어갔다. 같은 날 톰슨로이터는 법률·세무처럼 오류 비용이 큰 업무를 겨냥한 자체 인공지능 모델을 공개했다. 한쪽은 여러 단계의 일을 수행하는 도구와 결합했고, 다른 한쪽은 전문자료와 검증 절차를 중심으로 모델을 좁혔다. 두 발표가 보여주는 공통점은 모델의 이름보다 어떤 업무 흐름 안에서, 어떤 자료와 권한을 받아, 누가 결과를 확인하는가가 더 중요해졌다는 사실이다.

국내 공공부문에서도 비슷한 질문이 현실 과제가 됐다. 정보통신정책연구원의 데이터 연구 플랫폼은 정책보고서 자동 생성 기능을 고도화하기 시작했고, 부산시는 인공지능과 지도 기반 정보를 결합한 재난 위험 예측 기술을 실제 도시에서 시험한다. 두 사업 모두 완료된 성과가 아니라 착수 단계다. 따라서 자연스러운 문장이나 화려한 위험지도보다 근거 추적, 오류 측정, 사람의 최종 판단과 정정 절차가 먼저 설계돼야 한다.

그림 1. OpenAI가 GPT-5.6 모델군을 Kiro의 요구사항·설계·코드 작성·시험 흐름에 연결했다고 설명한 공식 발표 화면이다.

핵심 수치

숫자는 서로 다른 대상을 잰다. 82%는 시험 과제를 처리하는 비용이고, 4천만 달러는 모델 개발 투자액이다. 이를 기관이 곧바로 얻을 수 있는 예산 절감이나 품질 향상으로 바꿔 읽으면 안 된다. 특히 공공사업의 종료일은 성과가 확인되는 날이 아니라 계약상 개발·실증 구간이 끝나는 시점이다.

용어 설명 — 벤치마크: 여러 인공지능이 같은 과제를 풀게 해 성능이나 비용을 비교하는 공통 시험이다.

산업·기술 이슈

요구사항부터 시험까지 잇는 GPT-5.6과 Kiro

오픈AI는 GPT-5.6 모델군인 Sol, Terra, Luna를 AWS의 소프트웨어 개발 도구 Kiro에서 사용할 수 있다고 발표했다.1 Kiro는 사용자가 “이 기능을 만들어 달라”고 말하면 곧바로 코드부터 쓰는 도구가 아니다. 먼저 요구사항을 정리하고, 시스템이 어떻게 작동해야 하는지 기술 설계를 만들며, 이를 실행 가능한 작업으로 나눈다. 그다음 코드 작성과 검토, 시험을 이어 간다.

이 구조가 필요한 이유는 코드가 자연스러워 보이는 것과 시스템이 요구사항대로 안전하게 작동하는 것이 다르기 때문이다. 오픈AI와 AWS는 GPT-5.6 Terra가 Kiro에서 Terminal-Bench 2.1 과제를 수행했을 때 비용이 약 82% 줄었다고 밝혔다.1 이 시험은 컴퓨터의 명령 입력창에서 여러 단계의 작업을 수행하는 능력을 비교한다. 실제 기관 시스템의 개인정보 처리, 오래된 프로그램과의 호환, 장애 복구까지 검증한 결과는 아니다.

공공기관이 이런 개발 도구를 검토한다면 AI가 접근할 수 있는 저장소와 비밀키를 먼저 제한해야 한다. 시험용 코드와 실제 운영 코드를 분리하고, 변경 내용을 적용하기 전에 담당자가 차이를 확인하도록 해야 한다. 자동시험을 통과했더라도 보안 점검과 배포 승인은 별도로 남겨야 한다. 오픈AI 공식 발표도 주요 지점에서 사람이 결과를 검토하고 다듬는 흐름을 제시하지만, 기관별 승인 체계와 감사기록 보존기간까지 정해 주지는 않는다.1

용어 설명 — 소프트웨어 개발 도구: 프로그램의 요구사항을 정리하고 코드를 작성·검토·시험하는 일을 돕는 작업 공간이다.

법률·세무 업무에 맞춘 자체 모델 Thomson

톰슨로이터는 법률·세무 등 전문업무용 자체 대형언어모델 ‘Thomson’을 공개했다.2 회사는 공개된 소스코드 기반 모델에서 출발해 인력과 컴퓨팅에 4천만 달러를 투자했다고 밝혔다. Westlaw와 Practical Law 같은 전문자료, 편집 경험, 분야 전문가의 평가를 학습과 시험 과정에 넣었다고 설명했다. 현재까지 사용한 자체 콘텐츠는 전체의 10% 미만이다.2

첫 적용처는 CoCounsel Legal의 표 형식 문서분석 기능이다. 많은 계약서나 사건 문서를 같은 항목으로 나눠 비교하는 업무에 Thomson을 쓰겠다는 뜻이다. 그렇다고 모든 법률 업무를 하나의 모델에 맡기지는 않는다. 톰슨로이터는 업무별로 Thomson과 다른 선도 모델을 골라 쓰는 다중 모델 구조를 유지한다고 밝혔다.2

이 선택은 전문자료를 검색창에 연결하는 것만으로 충분하지 않다는 회사의 판단을 보여준다. 모델이 법률 문장을 만들 때 어떤 권위 있는 자료를 근거로 삼았는지, 인용이 질문과 맞는지, 고객 자료가 다시 학습에 쓰이는지까지 통제해야 한다. 회사는 고객 데이터를 명시적 동의 없이 모델 학습에 쓰지 않는다고 밝혔다. 작은 버전의 모델은 학술·비상업 연구용으로 공개하고 외부 연구자 평가도 확대할 계획이다.2

다만 ‘선도 모델과 동등하다’는 평가는 톰슨로이터의 초기 평가다. 일부 외부 연구자의 긍정적 의견이 포함됐지만, 모든 법률 분야와 국가의 법체계를 대상으로 한 독립 검증이 끝난 것은 아니다. 실제 고객이 경험한 오류율, 처리시간, 사용료와 정정 비용도 출시 직후에는 알 수 없다.

용어 설명 — 대형언어모델: 많은 글을 학습해 질문에 답하고 문서를 작성하는 인공지능의 핵심 기술이다.

용어 설명 — 오픈소스: 프로그램을 만드는 소스코드를 공개해 정해진 조건 아래에서 살펴보고 수정·재사용할 수 있게 한 방식이다.

그림 2. 톰슨로이터가 자체 전문자료와 분야 전문가 평가를 활용해 Thomson을 개발했다고 설명한 공식 보도자료 화면이다.

정부·공공 이슈

KINDA가 정책보고서 자동 생성 기능을 고도화한다

바이브컴퍼니는 정보통신정책연구원이 발주한 ‘2026년 LLM 서비스 고도화 사업’을 수주했다고 25일 밝혔다.3 대상인 KINDA는 경제·인문사회연구회와 소관 국책연구기관의 데이터 기반 정책연구를 지원하는 플랫폼이다. 정보통신정책연구원은 앞선 공식 발표에서 기존 데이터 시스템을 KINDA로 개편하고 인공지능 뉴스 브리프와 정책연구 지원 기능을 제공한다고 설명한 바 있다.4

이번 사업은 기존 AI 뉴스 총괄 브리프를 개선하고 뉴스 브리프와 정책보고서 자동 생성, 연구보고서 분석, 연구자 관계망을 활용한 정보 제공 기능을 추가하는 내용이다. 특정 상용 모델에 고정되지 않도록 모델을 교체하거나 확장할 수 있는 플러그인 방식의 공개 소스코드 기반 구조를 적용할 계획이다. 계약일부터 12월 31일까지 진행된다.3

정책보고서 자동 생성은 문장을 빨리 만드는 기능만으로 평가하기 어렵다. 검색한 원문이 최신인지, 인용한 문장과 표가 실제 근거에 있는지, 서로 다른 연구 결과를 하나의 결론으로 섞지 않았는지 확인해야 한다. 모델을 바꿀 수 있는 구조라면 교체 전후에 같은 질문과 기준으로 시험해 품질이 떨어지지 않는지도 비교해야 한다. 담당자가 AI의 오류를 수정했을 때 그 이력이 남고, 다음 보고서에서 같은 오류가 반복되는지 추적할 수 있어야 한다.

현재 공개된 기사에는 사업비, 정량 정확도 목표, 실제 이용자 수, 사람의 최종 승인 절차가 나오지 않는다. 자동 생성과 연구자 관계망 활용은 고도화 계획이지 이미 측정된 성과가 아니다. 발주기관은 완료 보고 때 기능 개수보다 출처 일치율, 최신자료 누락률, 사람이 다시 확인하는 시간과 오류 정정 비용을 함께 보는 편이 정확하다.

용어 설명 — 플러그인 방식: 시스템 전체를 다시 만들지 않고 필요한 기능이나 인공지능 모델을 끼우고 바꿀 수 있게 한 구조다.

그림 3. 정보통신정책연구원이 KINDA를 데이터 기반 정책연구와 인공지능 뉴스 브리프를 지원하는 플랫폼으로 소개한 공식 발표 화면이다.

부산이 재난 위험 예측 기술을 도시에서 시험한다

부산시는 국토교통부가 주관하고 국토교통과학기술진흥원이 전담하는 한-스페인 양자협력형 국제공동연구에 선정됐다고 밝혔다.5 연구 기간은 2026년 7월부터 2028년 12월까지다. 인공지능과 공간정보를 함께 사용해 국가 기반시설의 재난 위험을 미리 분석하고, 부산의 실제 도시환경에서 기술을 시험한다.

부산시는 도시·재난 데이터를 제공하고 재난 취약지역과 주요 기반시설의 위험도를 분석하는 데 연구 결과를 연결할 계획이다. 예측 결과를 지도 위에 시각화해 관련 부서가 위험지역을 파악하고 정책 판단에 참고하는 방법도 검토한다.5 이는 연구실 모형을 발표하는 데서 그치지 않고 실제 지역 데이터를 넣어 행정 활용 가능성을 확인한다는 점에서 의미가 있다.

그러나 재난 예측은 전체 정답률 하나로 평가하면 위험하다. 실제 위험을 놓친 경우는 인명과 시설 피해로 이어질 수 있고, 위험이 아닌데 경보한 경우가 너무 많으면 현장 인력이 경보를 믿지 않게 된다. 두 오류를 따로 측정하고, 어떤 수준에서 현장 확인을 요청하며, 누가 경보를 발령하는지 정해야 한다. 데이터가 부족한 지역이나 새 유형의 재난에서는 예측을 보류하고 기존 절차로 넘기는 조건도 필요하다.

현재는 사업 선정과 연구 착수 단계다. 공개 기사에는 예측 대상 재난의 세부 목록, 실증 시설 수, 예산, 정확도 기준과 실제 경보 시스템 연계 방식이 없다. 따라서 ‘선제 대응체계를 마련한다’는 표현은 사업 목표로 읽어야 하며, 재난 피해 감소가 확인됐다는 뜻으로 받아들이면 안 된다.5

용어 설명 — 공간정보: 건물·도로·시설·재난 발생 위치를 지도 좌표와 함께 저장하고 분석하는 정보다.

용어 설명 — 실증: 연구실에서 만든 기술을 실제 현장에 적용해 성능과 운영 가능성을 확인하는 시험이다.

교차 분석

오늘의 네 이슈를 하나의 기술 흐름으로 억지로 묶을 필요는 없다. 다만 전문업무와 공공업무에서 공통으로 확인해야 할 두 가지는 분명하다.

첫째, 모델을 고르는 일과 업무를 통제하는 일은 다르다. Kiro는 요구사항과 시험 절차를 구조화하고, Thomson은 전문자료와 업무별 모델 선택을 강조한다. KINDA와 부산 실증도 각각 근거 확인과 현장 판단이 빠지면 자동 생성 문서나 위험지도가 그럴듯한 화면에 머물 수 있다.

둘째, ‘교체 가능성’은 도입 시점부터 시험해야 한다. Thomson은 여러 모델을 함께 쓰고, KINDA는 모델을 갈아 끼울 수 있는 구조를 예고했다. 공급사를 바꾸거나 새 모델을 넣을 때 데이터 형식, 출처 표시, 품질 기준과 작업기록이 유지되지 않으면 기술적으로 교체할 수 있어도 실제로는 이전하기 어렵다.

AI 관련 담당자라면 참고할 만한 적용 항목

새 기능을 시험할 때는 “답을 잘한다”보다 “틀렸을 때 어디서 멈추고 누가 고치는가”를 시나리오로 확인하는 편이 낫다. 예를 들어 보고서 생성 AI에는 존재하지 않는 통계표를 섞어 보고 출처 확인 단계에서 차단되는지 시험할 수 있다. 재난 예측에는 센서 데이터가 끊긴 상황을 넣어 시스템이 억지 예측 대신 판단 보류를 표시하는지 확인할 수 있다. 이는 기사에 나온 완료된 조치가 아니라 도입기관이 검토할 수 있는 운영 예시다.

리스크와 불확실성

OpenAI의 82% 비용 절감과 톰슨로이터의 성능 평가는 기업이 정한 시험환경의 발표다. 실제 조직의 오래된 시스템, 보안 규정, 한국어 문서와 업무 승인 절차를 넣었을 때 같은 결과가 나오는지는 확인되지 않았다. 특히 개발 생산성이 높아져도 검토·보안·장애 대응 비용이 늘면 전체 비용은 다르게 움직일 수 있다.

KINDA 고도화 사업은 계약 체결 단계이며, 자동 생성 보고서의 정확도 목표와 발주기관의 검수 기준이 공개되지 않았다. 부산 공동연구도 대상 재난, 예산, 데이터 품질과 경보 연계 방식을 더 확인해야 한다. 두 공공 이슈 모두 계획을 성과처럼 쓰지 않는 것이 중요하다.

더 깊이 공부하고 싶다면?

• AI가 만든 코드 변경을 운영 시스템에 반영하기 전 어떤 승인과 자동시험이 필요한가?
• 전문분야 자체 모델과 범용 모델을 같은 자료·같은 기준으로 비교하려면 어떤 시험세트가 필요한가?
• 정책보고서 자동 생성에서 인용 오류와 최신자료 누락을 어떻게 따로 측정할 수 있는가?
• 재난 예측의 ‘놓친 위험’과 ‘과도한 경보’ 가운데 업무별로 어느 쪽을 더 엄격하게 관리해야 하는가?