
AX 도메인 26주 ⑥ · 공공·전자정부
공공 정보화 사업의 인공지능 전환(AX) 논의는 대개 수행사의 조직 개편으로 시작합니다. 정말 거기에 열쇠가 있는지 확인하려고 사례 기록 57건으로 부하 지도를 그리고, 가상 조직 하나를 세워 26주를 돌렸습니다. 조직 형태의 격차는 시드 노이즈와 다투었고, 발주기관과의 게이트 협력이 그보다 큰 값을 가져갔습니다.
- 공공의 부하는 문서가 절반을 넘습니다. 사업관리·발주·감리 트랙이 수요의 56%입니다. 계획·이행 문서화와 감리 대응이라는, 반복성이 높고 자동화 상성이 좋은 일이 최대 덩어리입니다.
- 그런데 기존 체계 대비 인공지능 전환의 이득이 시리즈에서 가장 작았습니다(+8.1%~+11.2%). 이유는 하나입니다. 감리·결재 게이트의 용량이 발주기관 소관이라, 수행사가 조직을 어떻게 바꿔도 늘지 않습니다. 빨라진 준비가 게이트 앞에서 줄을 섭니다.
- 발주기관과 게이트 처리를 공동 설계한 조건에서 가장 보수적인 조직이 본실험 전 조건 최고를 넘었습니다. 게이트 용량을 50% 늘리자 레이어 조건이 +5.3%를 더 냈습니다. 공공 인공지능 전환의 단위는 수행사가 아니라 발주-수행 계약 구조입니다.
- 코퍼스 관측 필자의 실사례 기록에서 공공·정보통신 플랫폼으로 분류된 57건의 분포값. 익명화 집계이며 개별 기관·사업명은 싣지 않습니다.
- 설계 필자가 설계한 얼개·제안. 특정 기관의 현행 제도가 아닙니다.
- 모의 가상 조직 S-Public의 26주 모델 안에서 잰 값. 현실 실측이 아닙니다.
Part 1 · 지형사례 기록 57건이 그리는 부하 지도
필자의 코퍼스 총 1,168건 중 공공·정보통신 플랫폼으로 분류된 기록은 57건입니다. 전자정부 구축·공공 시스템통합(SI)·플랫폼 사업의 실수행 산출물이 50건으로 88%를 차지합니다 코퍼스 관측.
| 업무 유형 | 기록 수 | 비중 | 한 줄 해석 |
|---|---|---|---|
| 프로세스·사업관리(PMO) | 32 | 56% | 계획·보고·감리 대응 — 공공 사업의 본진 |
| 서비스·시스템 구축 | 16 | 28% | 대국민·대내 시스템 구현 |
| 조직설계·전환 | 8 | 14% | 수행 조직·거버넌스 재설계 |
| 인공지능·데이터 | 1 | 2% | 기록상 아직 소수 — 그러나 규정상 게이트는 이미 무겁다 |
공공·전자정부 도메인 슬라이스 57건의 업무 유형 분포 코퍼스 관측. 개별 기관·사업명은 표기하지 않은 익명화 집계입니다.
민간 도메인과의 차이가 선명합니다. 전자·디바이스 제조 편에서 23%였던 인공지능·데이터 일이 공공 기록에서는 2%입니다. 공공의 인공지능 전환은 “이미 도착한 인공지능 부하를 감싸는 일”이 아닙니다. “문서·감리 부하를 처음으로 기계에 넘기는 일”에서 시작합니다.
사람이 끝까지 쥐어야 하는 지점 — 그리고 그 게이트는 누구 소관인가
이 시리즈가 쓰는 판별 기준은 하나입니다 — “자본·안전·계약·사람의 지위를 되돌릴 수 없게 움직이는가.” 공공 도메인에서 이 기준에 걸리는 노드를 뽑고, 각 게이트의 결정 권한이 어디에 있는지를 한 열 더 붙였습니다. 괄호 없이 적은 숫자는 판단위험 값입니다.
| 사람 확정 게이트 | 판단위험 | 결정 소관 |
|---|---|---|
| 공개·배포 판정 (대국민 서비스·데이터) | 0.85 | 발주기관 |
| 역할·보고라인 확정 | 0.85 | 수행사(직제)·발주(승인) |
| 변경·과업 조정 승인 | 0.80 | 발주기관 |
| 개통·이관 승인 | 0.80 | 발주기관(+감리) |
| 대가·정산 확정 | 0.75 | 발주기관 |
공공 도메인의 사람 확정 게이트와 결정 소관 설계. 소관 열이 이 글의 뼈대입니다.
이 표가 이 글의 뼈대입니다. 공공 도메인의 사람 확정 게이트 대부분이 수행사 밖(발주기관·감리)에 있습니다. 민간 도메인에서 게이트 용량은 조직 설계 변수였습니다. 공공에서는 계약 구조 변수입니다.
지금 체계의 강점과 약점
- 산출물·검사 기준이 표준으로 정비돼 있다 — 무엇을 내면 되는지 명확하다
- 감리라는 독립 검증 제도가 이미 실재한다
- 책임 소재가 계약으로 완결된다
- 문서 부하가 사람을 소진시킨다 — 부하 56% 트랙의 상당분이 형식 반복이다
- 게이트 대기가 구조적이다 — 모델에서 사람 확정 대기 7.6주로 시리즈 최장급
- 우수 인력이 문서에 묶여 구현 품질에 투입되지 못한다
Part 2 · 실험가상 조직 S-Public의 26주
방법은 이 시리즈가 바이오·제약 편에서 쓰기 시작해 정보기술 서비스 편이 이어받은 계약 그대로입니다 설계.
무엇을 돌렸나 — 공공 고유 가정
가상 조직 S-Public은 전자정부·공공 플랫폼 사업 수행 부문입니다. 주간 기본 처리 용량은 100 공수 단위이고, 수요는 공급을 초과하는 140 단위입니다. 공공에만 넣은 수정자가 셋 있습니다 설계.
- 게이트 용량의 외부성 — 지금 체계의 게이트 용량은 주당 8 단위로 시리즈 최저입니다. 조직을 재편해도(C3·C4) 11 단위에 고정됩니다. 감리·결재는 발주기관 소관이라 수행사 개편으로 늘지 않기 때문입니다.
- 유출 비용 2.4배 — 게이트를 빠져나간 결함의 수습 비용입니다. 감리 지적·보안 사고·개통 후 하자의 세계입니다.
- 자산화 복리 시리즈 최저 — 주 +0.4~0.5%입니다. 사업 단위 발주 구조에서는 산출물 재사용이 제한됩니다.
26주 뒤 네 조직
| 지표 | C1 지금 | C2 레이어 | C3 재편 | C4 하이브리드 |
|---|---|---|---|---|
| 품질조정 산출(공수 단위) | 2,515.0 | 2,719.4 | 2,796.6 | 2,740.5 |
| 낭비(재작업+운영 수습) | 290.0 | 238.4 | 362.4 | 242.5 |
| 평균 리드타임(주) | 2.53 | 2.41 | 2.31 | 2.38 |
| 게이트 1회 통과율 | 85.3%¹ | 79.1% | 73.2% | 76.7% |
| 사람 확정 대기(주) | 7.60 | 6.80 | 6.87 | 6.78 |
| 기말 잔여 백로그 | 878.5 | 687.1 | 725.2 | 695.9 |
S-Public 26주 · 시드 3개 평균 모의. 전 파라미터가 설계 가정인 모델 내 측정입니다.
읽는 법 세 가지입니다.
품질조정 산출 비교 모의. 다른 도메인과 달리 첫 계단(C1→C2)의 낙차가 작습니다.
첫째, 지금 체계 대비 인공지능 전환의 이득이 +8.1%~+11.2%로 시리즈 최소입니다. 민간 도메인의 +21~42%와 대비됩니다. 게이트 용량이 외생 변수로 고정된 구조에서는, 준비가 빨라진 만큼 대기가 길어집니다. 사람 확정 대기가 전 조건 6.8주 안팎으로 시리즈 최장급인 것이 그 증거입니다.
둘째, C3이 평균 1위지만 취약한 승리입니다. 시드 범위가 C4와 겹치고, 민감도 네 개 중 세 개에서 순위가 뒤집힙니다. 게다가 램프 12주·희석 18%라는 가정 자체가 “직제와 조달 구조가 재편을 허용하는 세계”를 전제합니다. 공공에서 가장 의심스러운 전제입니다.
셋째, 낭비와 백로그 기준으로는 레이어(C2)가 가장 깨끗합니다. 238.4와 687.1 모두 네 조건 중 최선입니다.
결론이 뒤집히는 조건을 찾아서
| 시나리오 | 1위 | 함의 |
|---|---|---|
| A. 인공지능 배수 이득이 절반인 세계 | C2 2,723.4 | 하방 세계 — 재편 비용이 노출되고 레이어가 선두로 |
| B. 인공지능 배수 이득이 1.5배인 세계 | C3 2,797.4 | 상방 세계 — 문서 부하의 자동화 이득이 극대화된다 |
| C. 재편 최선 가정(희석 0) | C4 2,740.5 | 희석을 지워도 램프 12주가 남아 C4에 밀린다 |
| D. 발주기관 협업 게이트 증설(+50%) | C2 2,944.3 | 본실험 전 조건 최고(2,796.6)보다 +5.3% — 조직 개편 없이 |
민감도 네 시나리오 · 품질조정 산출 기준 모의.
이 실험이 말할 수 없는 것
- 전 파라미터가 설계 가정인 모델 내 측정입니다. 국가계약법·조달 규정의 실제 적용은 사업마다 다릅니다.
- 발주기관 게이트 용량을 단일 수치로 단순화했습니다. 실제로는 기관별·감리법인별 편차가 큽니다.
- 코퍼스 57건 중 인공지능·데이터 기록이 1건입니다. 공공 인공지능 사업의 게이트 부하는 관측이 아니라 규정 기반 추정입니다 코퍼스 관측.
Part 3 · 제안게이트가 밖에 있는 조직의 운영 모델
공공의 운영 모델도 3층 겹침이되, 가장 위층이 조직 밖으로 나갑니다 설계.
90일 도입 순서
결정 체크리스트 — 공공 사업 리더용
- 발주기관 게이트별 대기 시간을 숫자로 말할 수 있는가.
- 인공지능 전환 투자 계획에 발주기관 협의 항목이 들어 있는가 — 수행사 내부 개선만으로 짜여 있지 않은가.
- 문서·감리 대응 중 형식 반복(템플릿화 가능)과 판단(사람 확정)이 구분되어 있는가.
- 개통·공개·정산 게이트 앞 준비 산출물에 인공지능 초안 체계가 있는가.
- 조직 개편안이 있다면 — 그 이득이 게이트 협력 한 수(+5.3%)보다 크다는 근거가 있는가.
마치며조직도를 다시 그리기 전에 계약 구조를 다시 설계하십시오
공공 인공지능 전환의 26주 모델에서 조직 형태의 격차는 시드 노이즈와 다투었습니다. 반면 발주기관과의 게이트 협력은 +5.3%를 확정적으로 가져갔습니다. 게이트가 조직 밖에 있는 도메인에서는 개선의 단위도 조직 밖이어야 합니다.
- X-1 AI/AX 2030 전략: McKinsey, BCG, Accenture, Deloitte, Gartner 교차 분석
- X-2 빅테크 리더십 격변과 AX 전략
- X-3 2026년 GitHub에서 주목할 프로젝트와 AI 전환 신호
- X-4 AI 에이전트 2026 상반기 대해부 — 지금 무슨 일이, 리더는 무엇을
- E-1 AI 네이티브 기업 전환 — CHO·PMO 재정의
- E-2 한국 기업 AX 2030 (Capstone)
- E-3 NH농협은행 SAFe 애자일 3년 — 페이스메이킹의 기록
- E-4 하나은행 × BCG 애자일 전환 — 두 개의 리듬으로
- E-5 네이버랩스 AKI — 하이브리드 애자일 PMO로 7개 제품을 한 박자로
- E-6 일곱 도메인 업무 흐름 지도 — 내 도메인의 게이트는 어디에 걸려 있나
- EO-1 우리 회사 업무, 어디까지 Agent에 맡길까
- EO-2 사내 RAG의 진짜 테스트: 부서 이동과 문서 개정을 견디는가
- EO-3 회의록에서 업무 등록까지: 중복 실행을 막는 Agent
- EO-4 Agent 성적표: 답변·업무 완료·재작업을 함께 재기
- EO-5 전문가의 지식은 어떻게 다음 프로젝트의 근거가 되는가
- EO-6 Agent 도입 30일, PMO는 무엇을 보고 계속할지 결정할까
- EO-7 Sillok × Astra/ultra: 시너지를 판정하는 업무 실험
- EO-8 공공 SI와 제조 SCM, 같은 Agent에서 달라지는 경계
- K-1 Agentic 시대, PM의 온톨로지맵 — Obsidian을 통해 나만의 RAG를 만드는 법
- K-2 Karpathy의 LLM과 Obsidian 지식 결합
- K-3 Karpathy의 autoresearch: PM에서의 적용 사례
- K-5 Karpathy LLM OS 시각으로 본 AX PM/PL 역량 — Claude Code 소스 교차 분석
- K-6 30시간 RAG 실측 — Karpathy llm-wiki vs obsidian-vault 양강 비교
- K-7 구글 OKF·Obsidian Vault·llm-wiki — 무엇을 어떻게 시작할까
- K-8 Obsidian × LLM 4만 노트 — 개인 RAG 최종 아키텍처 5층
- K-9 PM 온톨로지맵 템플릿 배포판 — 30분에 채우는 5칸
- G-1 삼성전자 GAUSS PM Agent: 효과적 설계로 주니어 PM 지원하기
- G-2 주니어 PM 위한 AI 하네스 구축 가이드
- G-4 삼성 DX 엔지니어를 위한 Codex 온보딩 — 하네스 & 개인 RAG
- G-5 나의 Agent 비서, 블록 12개로 조립한다 — 재사용 블록과 77%의 법칙
- G-6 내 업무를 맡길 AI 에이전트 — 6블록 설계와 PROFILE BIND
- CC-4 내 노트 4만 개 검색 — LLM 직접 읽기 vs 전용 CLI, 하이브리드 5.5배
- CC-5 Obsidian 노트를 앱 없이 검색 — 오픈소스 byeori(벼리)
- CC-6 사내 지식을 RAG로 — 망분리·토큰0 6단계
- G-8 4.5TB 클라우드 단일화 — Mac × 클라우드 × Agentic 업무환경
- A-5 Fable 5와 보낸 첫 하루 — 모델 × 하네스 × RAG 실측 회고
- A-6 맥은 이미 AI 워크스테이션 — 사진·노트·인박스 0원 정리
- A-7 Mac@Work 2026 — 맥 20년차의 도구 모음과 Agentic 카테고리
- A-8 좋은 엔진은 없다, 맞는 엔진이 있다 — Codex/Sol vs Claude/Fable 5대 실전 비교
- CC-3 Opus xhigh 솔로 vs ultracode 멀티에이전트 — 작업유형별 A/B 실측
- G-3 대기업 직장인을 위한 AI Agent & Skill 추천 가이드 2026
- G-7 녹취 엔진 두 레인 — SpeechAnalyzer와 Alt, 코칭·컨설팅 6장면 판단표
- CC-7 Claude Code × GPT-5.6 Sol — CCR vs 순정 Codex 7시나리오 실측
- P-0 7인의 사고 체계 종합 프레임워크
- P-1 PM 코치가 바라보는 AI 전문가 탐구 1편: Andrej Karpathy
- P-2 Sutskever: 압축이 곧 지능이다
- P-3 Hassabis: 제1원리 분해
- P-4 LeCun: 세계 모델 + 예측
- P-5 Hinton: 거버넌스 + 자기부정
- P-6 Ng: AI 전환 플레이북
- P-7 Fei-Fei Li: 인간중심 설계
- P-8 Builders 종합: Boris·Cat·Truell·Masad·Murati·Brockman
- P-9 Operators 종합: Altman·Amodei·Nadella·Pichai·Zuckerberg·Suleyman
- P-10 Hardware 양강: Jensen Huang · Lisa Su
- P-11 DeepSeek 량원펑 — 연속 학습의 공백과 하네스
- S-1 Agentic PM의 시대가 열리다 — LG전자 SW PM 워크숍을 마치며
- S-2 삼성전자 PMC: AI와 함께하는 PM 교육 혁신
- S-3 SKT Agent 도출을 위한 AI 퍼실리테이션 기법
- S-4 리스크는 그릇이었다 — LG전자 SW공학연구소 GenAI RISK 워크숍
- S-5 코드 한 줄 없이 손익관리팀이 만든 에이전트 — 신한EZ손해보험
- S-6 “어디까지 입력해도 되나요?” — 삼성 구매 현장의 Agentic 각성
- S-8 ‘바이브 프로젝트 매니징’을 스스로 이름 붙였습니다 — 현대모비스 편
- S-9 “대충 시키면 다 해줄 줄 알았는데” — SK쉴더스 보안 PM들의 이틀
- S-16 “완료했습니다”가 서로 다른 뜻이었다 — 다섯 차수 종료 회고 NEW
- PS-2 공공 PM이 ‘AI 이용자’에서 ‘AI 활용자’로 — 아이티센 편
- M-1 Agentic PM 시리즈 진입 가이드 — 전체를 한 장으로
- Z-1 실록(Sillok) — 5세기 Audit-Grade 거버넌스를 LLM 운영에 빌려온 한국형 LLMOS 하네스
- Z-2 실록(Sillok) 2026 상반기 결산 — RAG·고객사·지능화 루프·오픈소스
- Z-3 하네스×RAG 기업 컨설팅 — 네 현장·환각 방지·TOP10 자가진단·진화 루프
- Z-4 하네스 엔지니어링 백서 — Weng 하네스론×실록 구조 매핑·자기개선 루프·정직한 결산
- Z-5 에이전트 스킬 수명주기 백서 — Dynamic Agent Skills 8단×실록 매핑(7 온전+1 갭)·분기 12문항 레퍼런스·PO/PM/PL 컨설팅 직역
- Z-6 AX 시리즈 100편 기념 특집 — 실록·3층 RAG 운영 실측: 대시보드 5장 해설·구조 도식 2장·지식 구조 7층·강의/프로젝트/발행 3사례·응용분야·정지 사고 공개
- W-1 Agentic 월간 관전포인트 2026-05 — 가우스+빅테크 듀얼 모델 시대
- W-2 Agentic 2026 상반기 총결산 — 다섯 축 6개월
- Z-7 100편 기념 특집 2편 — 배치 사다리 6단·수명주기 22일/90일·계측 3지표 (팩 119 중 16개가 라우팅 80% 실측)
- Z-8 100편 기념 특집 3편 — 위임 경계=비가역성·88스텝 중 45개(51%) 사람 확정·비가역 6갈래·4칸 표 템플릿