행정 처리 10분에서 10초로: 공무원이 만든 지방정부 AI 사례 8가지와 적용 로드맵

재난 대응 10분→10초, 세종 SIREN은 어떻게 만들어졌나?

세종시 재난안전상황실의 안주혁 주무관(35세, 자연재난과)이 생성형 AI와 바이브 코딩으로 약 2개월 만에 직접 개발했다. 외주로 발주하면 통상 1년 이상 걸리는 시스템이다. 재난 유형 분류, 전파 대상 선정, 상황전파 문안 작성을 자동화해 상황 접수부터 전파까지 걸리던 시간을 건당 평균 10분 이상에서 약 10초로 줄였다.

개발 동기가 현장적이다. 야간 근무 중 재난 상황이 접수되면 수기 매뉴얼을 뒤져 전파 대상을 찾고, 문안을 작성하고, 전화를 돌려야 했다. 그 비효율과 두려움이 출발점이었다. 시스템은 재난 위치와 위험정보를 지도로 시각화하고, 2026년 7~8월 집중호우 때 실전 투입됐다. 금남면·연서면·조치원읍의 대피 필요 지역을 판단하고, 담당 공무원에게 문자를 자동 발송하고, CCTV로 침수를 모니터링했다.

"업무를 가장 잘 아는 사람이 직접 개발하다 보니 어떤 기능이 필요한지 바로 판단할 수 있었다." (안주혁 주무관, 경향신문 인터뷰)

이 한 문장이 8사례 전체의 공통 원리다. 전국 지자체의 재난관리 체계가 유사해서, 지역 데이터만 바꾸면 다른 지자체로 확산 가능하다는 점도 언급됐다.

본선에 오른 8가지 사례는 무엇인가?

8건은 반복 행정 자동화부터 재난 대응, 주민 서비스까지 걸쳐 있다. 공통 패턴은 세 가지다. 현장 공무원이 직접 개발했고, 생성형 AI·바이브 코딩을 도구로 썼으며, 이미 실전에서 돌아가고 있다.

배경에는 제도가 있다. 행안부는 2025년 9월 「AI 챔피언 양성과정」으로 공무원 AI 역량 교육을 시작했고, 2026년 7월에는 바이브 코딩과 공공데이터·API로 공무원이 직접 프로토타입을 만들 수 있는 「AI정부 실험실」을 출범시켰다. 8건은 우연히 나온 것이 아니라, "현업이 직접 만들게 하는" 인프라의 산출물이다.

내 업무에 적용하는 3단계 로드맵은?

8사례를 난이도 순으로 재배열하면 조직 어디에나 적용 가능한 로드맵이 나온다. 1단계 반복 행정 자동화 → 2단계 알림·전파 단축 → 3단계 의사결정 가속화. 앞 단계의 성공이 다음 단계의 데이터와 신뢰를 만든다.

1단계: 반복 행정 자동화: 광진구·부산의 길

문서 요약, 규정 검색, 초안 작성처럼 매일 반복되고 정답 검증이 쉬운 업무부터 시작한다. 광진구의 6종 도구, 부산의 14종 서비스가 여기 해당한다. 시작 질문은 하나다. "내가 이번 주에 세 번 이상 반복한 작업이 무엇인가?"

2단계: 알림·전파 단축: 세종·청주의 길

정보가 사람 사이를 이동하는 시간을 줄인다. 세종 SIREN의 10분→10초, 청주 상당맵의 "위험지역 500곳을 한 화면에"가 여기다. 판단 기준과 전파 대상이 매뉴얼로 존재하는 업무라면, 그 매뉴얼이 곧 AI에게 줄 규칙이 된다. 기업으로 치면 장애 알림, 컴플라이언스 통보, 고객 이슈 에스컬레이션이 같은 구조다.

3단계: 의사결정 가속화: 인천·김해의 길

실시간 데이터를 분석해 선택지를 제시하는 단계다. 인천의 최적 대피 경로, 김해의 자연어 공간정보 분석이 여기 해당한다. 1~2단계에서 축적된 데이터와 도구 신뢰가 전제 조건이다. 주의할 점은, 이 단계일수록 출력 검증 체계가 필수라는 것: 대피 경로가 틀리면 대가가 크다. 검증 에이전트 없이 3단계로 직행하는 것이 가장 위험한 도입 패턴이다.

기업 실무자에게 주는 시사점은 무엇인가?

이 사례들의 진짜 메시지는 "공공도 AI를 한다"가 아니다. 개발자가 아닌 현업 담당자가 직접 만드는 것이 더 빠르고 더 정확할 수 있다는 것: 공무원 조직이 그것을 증명했다면, 기업은 더 빨리 할 수 있다.

나는 대기업 전략부문의 재무·회계 실무자들을 대상으로 하네스 엔지니어링 풀데이 워크숍을 진행한 적이 있다. 개발 경험이 없는 분들이었지만, 하루가 끝날 무렵 자기 업무의 반복 작업을 자동화하는 흐름을 직접 만들었다. 그날 배운 것은 안주혁 주무관의 말과 정확히 같다. 업무를 가장 잘 아는 사람이 도구를 잡으면, 요구사항 정의서가 필요 없다. 무엇이 필요한지 이미 알기 때문이다. 물론 모두가 순조롭진 않았다. 새 도구에 대한 저항도 있었고, 나는 하나의 정답을 강요하는 대신 선택지를 제시하는 방식으로 교육을 바꿨다. 도구 도입의 병목은 기술이 아니라 사람의 선택권이라는 걸 그 현장에서 배웠다.

이 흐름은 AI 리더의 휴먼 테크에서 다룬 "변화 감지력"의 실물이기도 하다. 리더가 할 일은 AI 도구를 사주는 것이 아니라, 현업이 직접 만들 수 있는 환경(교육, 실험 공간, 실패 허용)을 설계하는 것이다. 행안부가 「AI정부 실험실」로 한 것이 정확히 그것이다.

AI 행정 혁신의 주어는 기술이 아니라 "업무를 가장 잘 아는 사람"이다. 10분을 10초로 줄인 것은 모델이 아니라, 모델을 잡은 현장이었다.