AI 기반 공공갈등 DB 구축 고도화 연구

국문 초록 (Abstract)

1. 연구목적 및 필요성○ 기존 공공갈등 DB 구축 및 활용 과정상 한계가 대두- 상이한 갈등 DB 구축 목표 및 타겟 집단의 불투명 (“누구”를 대상집단으로 해서, 왜 DB를 구축 및 운영하는가?)- 갈등 DB 구축 수준과 범위가 DB 구축기관마다 상이하여 기관들간 갈등 DB의 연계 및 활용상 한계가 대두 (DB 내 갈등에 포함되는 대상 범위, 갈등 DB 구성 포맷이 구축기관마다 상이하여 공유, 협업 자체가 어려운 상황)- 갈등 DB 내 제공되는 정보의 한계(단순 갈등 정보의 사후적 기록 중심, 실무상 공무원들이 갈등 DB 정보를 어떻게 활용할 수 있는지에 대한 방향성이 부재)○ 갈등 DB의 정책적 활용방안에 대한 보다 심도있는 논의가 필요한 시점- DB를 단순 수집하는 아카이빙에 그치는 것이 아닌, 수집된 갈등 DB를 활용하여 미래 발생 가능성이 있는 갈등에 대한 위험징후 포착, 유사한 갈등 현안에 대한 예측과 진단 및 정부의 대응방식 추천 등에 활용 가능한 DB로 새롭게 자리매김할 필요○ AI 기반 공공갈등 DB 구축 과정의 고도화 방안 모색- ‘Game changer’로서 AI 기술의 갈등관리 정책상 활용 가능성을 모색: 기존 갈등 DB 구축 및 운영방식으로 구현하기 어려웠던 대규모 갈등 정보들을 AI를 통해 단시간 내 자동 추출 및 갈등의 패턴이나 징후 등을 식별하고, 이를 기반으로 미래 유사한 상황과 유형의 갈등 사안들에 대한 정책적 대응이 가능하도록 갈등 DB의 개편 및 이를 온라인 갈등관리시스템(LISTEN)으로 구현- 갈등DB 구축의 “고도화”는 수동적 아카이브(갈등 사례의 단순 기록)에서 능동적 정책결정 지원도구(AI 기반 갈등관리 정책지원)로 DB의 역할 전환을 의미- 다만 AI에 대한 막연한 ’환상‘을 경계하면서, AI 기술이 가진 한계를 고려하여 갈등관리 정책에서의 효과적인 활용방안을 강구할 필요 2. 연구 방법 및 주요 연구 결과○ 주요 연구방법- 문헌분석, FGI, 심층 인터뷰(전문가, 이해관계자 자문)○ 주요 연구결과(I): 갈등 DB 구축 고도화- AI를 활용하여 旣 발생한 갈등사례 수집 과정의 자동화(자동 추출)- 데이터 포맷 표준화: AI를 활용하여 수집된 갈등사례의 속성별 자동 분류 (갈등 DB 내 속성을 기존 7개에서 11개로 확장/업데이트) * 속성의 확대 개편 조치는 갈등의 사전적인 예측과 분석 및 진행 양상을 보다 종합적으로 파악하기 위한 갈등관리기법/도구인 갈등영향분석에서 사용하는 분석틀을 갈등 DB 구축 과정에서부터 반영하기 위한 시도○ 주요 연구결과(II): 갈등 DB 구축 시스템의 고도화- 온라인 갈등관리시스템(LISTEN) 내 기술적인 측면의 개선 (AI 모델의 업그레이드를 통한 갈등 정보의 표면적 요약을 넘어 심층적인 동기 추론 등을 시도)- LLM 기반 정보 증강: 갈등영향분석 틀에 기반하여 갈등 속성의 확장 및 LLM(대규모 언어모델) 추론 능력을 활용하여 갈등사례별 다양한 쟁점과 쟁점별 입장, 이해관계자들이 가시화되지 않지만 숨은 속내 등을 파악- 갈등 DB 내 과거 발생했던 갈등사례들의 갈등 발생 및 대응 패턴 등을 인식 및 학습하여 미래 발생 가능성이 존재하거나 표면화되고 있는 갈등 이슈에 대한 위험징후 포착(조기경보) 및 갈등 완화/해결을 위한 정부의 대응방식 등을 추천- 향후 LISTEN 시스템의 고도화 관련 심화 과정을 통해 AI를 활용 방안을 보다 다양하게 논의하는 것이 필요(과거 vs. 현재 갈등사례 비교 분석을 통한 유사 갈등해결 사례 추천, 갈등의 전 주기에 걸친 추적 및 변화 패턴 파악/분석, AI를 활용한 공공갈등 백서 혹은 갈등대응전략 보고서 등의 주기적인 발간)3. 정책제언 및 학술적 함의(기초)○ 갈등 DB의 역할 및 활용방안의 재정립- AI 기반 갈등 DB 구축 및 활용방안의 모색: 과거 갈등의 ’단순 사후 기록물‘에서 미래 발생 가능한 갈등에 대한 동태적인 분석과 진단 등 정책지원 도구로 역할 전환 및 이를 위한 단계별 고도화 작업을 다년도에 걸쳐 진행- 이를 위해 갈등 단계별 AI 활용방안을 구체화하고, 갈등 DB의 구축 및 활용 과정과 연계○ AI 기반 공공갈등 DB 구축 및 관리방안 내실화- 갈등 DB 내 탑재되는 자료원의 다양화 및 연계방안의 모색- 시계열 기반 갈등 DB 관리 체계 구축: 갈등 정보/사례의 1회성 탑재에 그치는 것이 아닌 생애주기 관점에서 관리 방안을 모색- AI를 활용한 갈등의 다양한 분석 및 시스템 내 시각화: DB 내 탑재된 갈등과 유사한 갈등을 유형별로 군집화하여 다양한 비교 분석이 가능한 시스템 설계 및 유사 갈등유형별 별도 관리방안 등을 시스템 내 모색○ 데이터 표준화 및 품질관리 가이드라인 수립- LISTEN 시스템 내 갈등사례 탑재 및 분석 과정과 관련된 보다 구체적인 운영원칙/지침 등의 마련이 필요 * (가칭)공용 메타데이터 표준> 수립 및 (가칭)데이터 처리지침> 등의 마련○ AI를 활용한 공공갈등 DB 구축: 극복/해결이 필요한 부분- AI의 판단/제시 결과의 타당성과 신뢰성 확보가 급선무- AI를 통해 제시한 산출물에 대한 검증 및 모니터링 시스템 구축이 필수- AI가 “왜” 그렇게 예측/판단하였는가에 대한 증거 혹은 설명 과정을 반드시 담보(검증절차 강화)- AI의 판단/예측 내용에 대한 인간의 검증 및 보완절차 설계: 선별적인 갈등 DB 내 사례 검토 및 지속적인 피드백 제공 노력

목차 (Table of Contents)

• 제1장 서론제1절 연구의 배경 및 필요성1. 연구의 배경2. 연구의 필요성제2절 연구목적제3절 연구진행 절차제2장 AI 기반 공공갈등 DB 고도화제1절 공공갈등 DB 고도화 필요성1. 공공갈등 환경 변화와 정책적 대응 필요성2. 기존 공공갈등 DB 구축 현황3. 기존 공공갈등 DB 및 활용의 한계제2절 공공갈등 DB 고도화 방향1. 공공갈등 DB 고도화 기본 방향2. 데이터 구조･표준화･아키텍처 설계3. 데이터 수집･정제･연계 체계 마련제3절 AI를 활용한 공공갈등 DB: 기대효과1. AI 기반 공공갈등 DB의 역할과 구성2. AI 기술 활용 주요 기능3. 정책적 측면의 기대효과4. 사회･경제적 측면의 기대효과제3장 공공갈등 DB 고도화를 위한 속성 개선제1절 “공공갈등” 정의와 유형 재분류: 갈등영향분석> 틀의 활용1. 갈등 속성 개선을 위한 공공갈등의 재정의2. 갈등영향분석 틀을 활용한 공공갈등의 유형 재분류3. 갈등영향분석(CA) 틀을 활용한 공공갈등 유형 재분류제2절 공공갈등 DB 구축을 위한 속성 유형화1. 공공갈등 속성의 확장과 심화2. 공공갈등 속성 유형화: 공공갈등 “주제” 유형화 기본 방향3. 갈등주제 유형(10개)별 코딩 매뉴얼제3절 공공갈등 DB 속성에 따른 온라인 갈등관리시스템 구현1. 기본 방향2. 시스템 구현제4절 AI 기반 공공갈등 DB를 활용한 공공갈등관리: 조기 경보, 미래 갈등 양상의 예측/추정1. AI 기반 공공갈등DB 구축･운영을 통한 미래 갈등의 예측과 진단 가능성2. 갈등 DB 정보를 활용한 유사 갈등의 예측 및 대응방안의 모색제4장 AI 기반 공공갈등 DB 구축 및 관리 방안 모색제1절 공공갈등 DB 구성 체계 평가 및 기준 재설정1. 공공갈등 DB의 구성 체계2. 공공갈등 DB 구축의 특성3. 새로운 공공갈등 DB구성의 설계 원칙제2절 공공갈등 DB 주제별 모니터링 및 질적 개선1. 갈등의 모니터링 현황과 한계2. 주제별 모니터링 필요성 및 질적 개선 방향제3절 공공갈등 DB 자료(출처)의 범위 확대 가능성1. 기존 자료원과 확대 가능 영역2. 자료원 확대를 통한 기대 효과3. 자료원 확대를 위한 고려 사항제4절 공공갈등 DB 내 사례들의 축적 및 학습데이터 활용1. 갈등 사례 축적의 필요성2. 갈등 사례 데이터의 활용 방안제5절 공공갈등 DB 활용성 확대1. 정책 의사결정의 지원2. 연구 및 교육 활용3. 민간 협력 및 개방형 플랫폼 구축제5장 AI 기반 공공갈등 DB 시스템 고도화 제1절 LISTEN 고도화 개요