공공기관 AI 챗봇 구축 사례: 한국수산자원공단의 수산관계법령 민원 대응 시스템 (2025)

공공기관의 법령 민원 처리 시간을 60% 단축하고 답변 정확도 95%를 달성한 RAG 기반 AI 챗봇 시스템이 실제로 운영되고 있다. 한국수산자원공단(FIRA)은 상상력집단과 함께 수산관계법령 질의 민원에 대응하는 생성형 AI 기반 답변 시스템을 구축하여, 담당자 업무 효율을 70% 향상시키는 성과를 거뒀다.

이 글에서는 한국수산자원공단의 AI 도입 배경, RAG(Retrieval-Augmented Generation) 기반 시스템의 작동 원리, 그리고 정량적 성과를 분석한다. 소프트웨어정책연구소(SPRi)의 ‘2024년 공공부문 AI 도입현황 연구’에 따르면, 공공기관의 AI 챗봇 도입은 2017년 8건에서 2023년 312건으로 37배 이상 급증했으며, 전체 공공기관 401개 중 60.6%인 243개 기관이 AI를 도입한 것으로 나타났다.

한국수산자원공단은 복잡한 수산관계법령 민원 처리에 평균 3~5일이 소요되고, 담당자마다 법령 해석이 달라 일관성이 부족한 문제를 안고 있었다. 해양수산부 산하 위탁집행형 준정부기관인 한국수산자원공단(Korea Fisheries Resources Agency, FIRA)은 수산업법, 수산자원관리법 등 다양한 법령 관련 민원을 처리하는 핵심 기관이다.

공단이 직면한 핵심 문제는 세 가지였다.

첫째, 민원 응답에 너무 오랜 시간이 소요되었다. 민원 처리에 평균 3~5일이 걸렸으며, 담당자마다 법령 해석이 달라 답변의 일관성이 부족했다. 반복적인 질문에도 매번 처음부터 답변을 작성해야 했다.

둘째, 수산관계법령의 복잡성이 문제였다. 수산자원관리법, 구조개선법 등 다층적 법령 구조에 고시와 지침까지 포함하면 수시로 변경되는 내용을 모두 파악하기 어려웠다.

셋째, 민원 데이터가 체계적으로 관리되지 않았다. 과거 민원 처리 내역이 흩어져 있어 유사 사례를 찾거나 통계를 내기가 매우 어려운 상황이었다.

정리하면, 한국수산자원공단은 업무 효율성과 민원 서비스 품질을 동시에 개선해야 하는 과제를 안고 있었다. 이는 전체 공공기관이 AI를 도입하는 주된 이유와 일치한다.

상상력집단이 구축한 시스템은 LLM-RAG 기반 민원 응답 AI로, 법령 데이터베이스 자동 구축, 지능형 질의응답, 실시간 대시보드, 멀티에이전트 워크플로우의 4가지 핵심 기능을 갖추고 있다. RAG(Retrieval-Augmented Generation)는 검색 증강 생성 기술로, 대규모 언어 모델(LLM)이 외부 지식 소스를 참조하여 정확하고 근거 있는 답변을 생성하도록 돕는 프레임워크다.

AWS(Amazon Web Services)에 따르면, RAG는 LLM의 출력을 최적화하여 응답 생성 전에 훈련 데이터 소스 외부의 신뢰할 수 있는 기술 자료를 참조하도록 한다. 이를 통해 모델을 다시 훈련할 필요 없이 특정 도메인의 내부 기술 자료로 LLM 기능을 확장할 수 있다.

한국수산자원공단 AI 시스템의 작동 방식은 다음과 같다. 법령 데이터베이스 자동 구축 단계에서는 수산관계법령 300건 이상과 민원 사례 5,000건을 AI가 학습 가능한 형태로 전처리한다. 지능형 질의응답 단계에서는 민원인의 질문을 이해하고 관련 법령을 찾아 근거 기반 답변을 자동 생성한다. 실시간 대시보드는 민원 유형별 빈도, 처리 시간, 답변 정확도 등을 한눈에 파악할 수 있게 한다. 멀티에이전트 워크플로우는 분류-검색-생성-검증의 4단계 AI 에이전트가 협업하여 높은 품질의 답변을 생성하는 구조다.

kt cloud 기술 블로그의 RAG 시스템 분석에 따르면, 의료 분야 실험에서 RAG 기반 진단 시스템이 96.4%의 정확도와 거의 0%에 가까운 환각률을 기록했다. 법률과 같은 전문 도메인에서 RAG가 환각(hallucination) 문제를 효과적으로 해결할 수 있음을 보여주는 사례다.

정리하면, RAG 기반 시스템은 복잡한 수산관계법령의 정확한 검색과 근거 기반 답변 생성을 가능하게 하여 공공 민원 서비스의 품질을 획기적으로 향상시킨다.

한국수산자원공단은 AI 시스템 도입 후 민원 처리 시간 60% 단축, 답변 정확도 95% 이상, 즉시 응답률 80%, 담당자 업무 효율 70% 향상이라는 성과를 달성했다. 기존 3일 걸리던 민원 처리가 1일로 단축되었으며, 반복적인 민원은 실시간으로 자동 처리된다.

이러한 성과는 공공기관 AI 도입의 전형적인 효과와 일치한다. 통계청의 AI 활용 사례에서도 인구 총조사 산업 분류 자료 분석 시 정확도가 기존 색인 DB 활용 시 69.2%에서 AI 활용 시 84.2%로 크게 향상되었으며, 처리 속도는 최대 17배 빨라졌다.

한국수산자원공단의 업무 프로세스도 근본적으로 변화했다. AI가 생성한 답변 초안을 담당자가 검토하고 승인하는 방식으로 전환되었다. 반복적인 민원은 자동화하고, 담당자는 복잡한 민원과 정책 기획 업무에 집중할 수 있게 되었다. 이는 AI가 인간을 대체하는 것이 아니라 인간의 업무를 보조하고 효율화하는 방향으로 활용되고 있음을 보여준다.

정리하면, 한국수산자원공단의 AI 도입 성과는 공공기관이 생성형 AI를 활용하여 민원 서비스 품질과 업무 효율을 동시에 개선할 수 있음을 실증한다.

공공기관이 AI 챗봇을 성공적으로 도입하기 위해서는 명확한 목적 정의, 고품질 데이터 구축, 보안 고려, 그리고 점진적 개선 전략이 필요하다. 한국과학기술기획평가원(KISTEP), 경상북도 ‘챗경북’, 서울시여성가족재단 등 다양한 공공기관의 AI 챗봇 도입 사례가 이를 뒷받침한다.

첫째, 명확한 목적과 핵심 사용 사례를 정의해야 한다. 모든 문제를 한 번에 해결하려는 접근보다는 가장 효과가 클 것으로 예상되는 영역에 집중하는 전략이 성공 확률을 높인다. 한국수산자원공단은 수산관계법령 민원이라는 명확한 범위를 설정하여 시스템 구축의 복잡도를 관리했다.

둘째, RAG 시스템의 성능은 데이터 품질에 크게 좌우된다. 한국수산자원공단은 수산관계법령 300건과 민원사례 5,000건을 체계적으로 전처리하여 AI가 학습 가능한 형태로 구축했다. 신뢰할 수 있는 데이터를 구축하고 검색 최적화를 위한 전처리 작업이 필수다.

셋째, 공공기관은 보안과 데이터 이슈가 중요하므로 민감한 정보를 다루는 경우 온프레미스 설치 옵션이 있는 솔루션을 고려해야 한다. 넷째, 처음부터 완벽한 시스템을 기대하기보다는 명확한 피드백 수집 체계를 갖추고 지속적으로 개선해 나가는 접근법이 효과적이다.

정리하면, 공공기관 AI 챗봇 도입은 기술 도입을 넘어 조직의 업무 방식과 문화에 영향을 미치는 중요한 변화이며, 체계적인 접근이 성공의 핵심이다.