[AI에게 정답보다 ‘탈락 이유’를 먼저 물었습니다]

저는 정책제안과 공모전을 준비하면서 ChatGPT를 활용하고 있습니다. 처음에는 아이디어를 입력하고 제안서 초안을 작성해 달라고 요청했습니다. 문서는 빠르게 만들어졌지만, 나중에 공고조건과 맞지 않거나 담당기관의 소관이 아니거나 이미 비슷한 정책이 시행 중이라는 사실을 발견하면 처음부터 다시 작성해야 했습니다.

이 경험을 통해 정책제안에서 어려운 일은 문장을 길고 그럴듯하게 만드는 것이 아니라, 제안이 실제 공고와 행정환경에서 살아남을 수 있는지 미리 확인하는 것이라는 점을 알게 되었습니다. 이후 ChatGPT를 글쓰기 도구이자 제안의 약점을 먼저 찾는 검증 도구로 활용하기 시작했습니다.

제가 실제로 사용하는 방법은 다음과 같습니다.

■ 1단계. 공고조건 확인

아이디어를 작성하기 전에 공고문과 공식 안내문을 ChatGPT에 제공하고 다음과 같이 질문합니다.

“참가자격, 공모 분야, 마감일, 제출형식, 분량, 평가기준, 중복출품 제한과 탈락 가능 조건을 먼저 정리해줘.”

이를 통해 좋은 아이디어인지 판단하기 전에 해당 공모전에 제출할 수 있는 사례인지부터 확인합니다.

■ 2단계. 담당기관의 소관 확인

다음으로 “이 제안을 실제로 담당할 기관은 어디이며, 이 기관의 기존 업무와 어떻게 연결되는가?”라고 묻습니다.

같은 AI 관련 아이디어라도 과학기술정보통신부, 한국인터넷진흥원, 행정안전부 등 기관마다 권한과 사업 범위가 다릅니다. 하나의 문서를 여러 기관에 그대로 제출하지 않고, 각 기관이 실제로 실행할 수 있는 범위로 제안의 목적과 방법을 조정합니다.

■ 3단계. 기존 정책과 중복 여부 확인

제가 가장 중요하게 사용하는 질문은 다음과 같습니다.

“현재 운영 중인 유사 정책과 사업을 찾아 이미 해결된 부분과 아직 남아 있는 문제를 구분해줘.”

이 과정에서 새롭다고 생각한 아이디어가 이미 시행되고 있다는 사실을 발견하기도 했습니다. 이때 기존 정책을 무시한 채 새로운 제도를 요구하지 않고, 현재 제도가 해결하지 못한 병목을 찾아 문제를 다시 정의했습니다.

■ 4단계. 사실과 추정 분리

ChatGPT가 제시한 내용을 ‘확인된 사실’, ‘합리적 추정’, ‘추가 확인이 필요한 내용’으로 나누게 합니다. 법령, 통계, 정책명, 사업기간, 공모조건처럼 결과에 영향을 주는 정보는 정부와 공공기관의 원문을 다시 확인합니다.

확인되지 않은 수치나 성과는 임의로 만들지 않고, 개인정보와 비공개자료도 불필요하게 입력하지 않습니다.

■ 5단계. AI 레드팀 검토

초안이 나오면 ChatGPT에게 칭찬이나 문장 확장을 요청하기보다 다음과 같이 질문합니다.

“당신이 심사위원이나 반대 부서라면 이 제안을 탈락시킬 가장 강한 이유는 무엇인가?”

주요 검토 항목은 기존 사업과의 중복, 기관 소관 부족, 개인정보·보안 문제, 과도한 예산, 기술적 실현 가능성, 현장 행정부담, 성과지표 부족, 근거가 확인되지 않은 주장입니다.

이 단계에서 AI는 제안서를 대신 작성하는 역할을 넘어 제가 놓친 반론과 위험을 찾아주는 검토자 역할을 합니다.

■ 6단계. 작게 시험할 방법과 성과지표 설계

정책 아이디어는 처음부터 전국 시행이나 신규 시스템 구축처럼 커지기 쉽습니다. 그래서 다음 질문을 사용합니다.

“새로운 대규모 시스템을 만들지 않고 기존 사업과 예산을 활용하여 6개월에서 1년 동안 소수 기관에서 먼저 시험할 방법은 무엇인가?”

이 질문을 거치면 제안이 ‘전국 도입’에서 ‘소수기관 시범운영→성과지표 측정→부작용 확인→검증된 부분만 확대’하는 구조로 바뀝니다. 동시에 처리시간, 오류율, 이용자 만족도, 행정부담 등 실제 측정할 수 있는 지표도 함께 정리합니다.

■ 7단계. 마지막에 제출문 작성

앞의 검증을 모두 마친 뒤에만 공모전 입력항목과 글자 수에 맞춰 최종 문안을 작성합니다.

제가 사용하는 전체 순서는 다음과 같습니다.

공고 확인
→ 기관 소관 확인
→ 기존 정책 검색
→ 사실과 추정 분리
→ AI 레드팀 검토
→ 소규모 시범사업과 KPI 설계
→ 최종 제출문 작성

실제로 AI 에이전트 보안 제안을 검토할 때도 처음에는 ‘AI 활동을 모두 기록하자’는 방향으로 생각했습니다. 그러나 ChatGPT와 반대 논리를 검토하면서 모든 대화와 프롬프트를 저장하면 개인정보와 기업기밀을 과도하게 수집할 수 있다는 문제를 발견했습니다.

이에 ‘AI가 무슨 말을 했는지’를 모두 저장하는 방식에서 벗어나, 파일 삭제·외부 전송·권한 변경처럼 실제 피해로 이어질 수 있는 고위험 행동만 최소정보로 기록하는 ‘AI 에이전트 행동영수증’ 시범 아이디어로 범위를 줄였습니다. 또한 곧바로 의무화하기보다 소수 기업에서 먼저 시험하고 사고경로 확인시간, 기록 누락률, 복구 성공률과 개인정보 최소수집 효과를 측정하도록 개선했습니다.

이 방법을 적용한 뒤 가장 크게 달라진 점은 문서를 많이 만드는 속도보다 잘못된 방향으로 긴 문서를 작성한 뒤 전부 다시 고치는 일이 줄었다는 것입니다. AI가 아이디어를 화려하게 키우는 데 그치지 않고, 기존 제도와 현실조건을 확인하면서 제안의 범위를 줄이고 실행 가능성을 높이는 데 도움을 주었습니다.

다른 사람도 정책제안, 보고서, 사업기획을 작성할 때 다음 다섯 질문을 그대로 활용할 수 있습니다.

1. 이 업무의 공식 조건과 평가기준은 무엇인가?
2. 이미 시행 중인 비슷한 정책이나 방법은 무엇인가?
3. 이 아이디어가 실패하거나 탈락할 가장 현실적인 이유는 무엇인가?
4. 확인된 사실과 나의 추정은 각각 무엇인가?
5. 크게 시작하지 않고 작게 시험하고 측정할 방법은 무엇인가?

저만의 개선 포인트는 AI에게 완성된 글부터 요구하지 않는 것입니다. 먼저 아이디어의 약점과 근거를 검증하고, 사람이 공식자료를 다시 확인한 뒤 마지막 단계에서 문서를 작성합니다.

저에게 AI는 정답을 대신 결정하는 도구가 아니라, 제가 너무 빨리 확신하지 않도록 반대 질문을 던지고 시행착오를 줄여주는 업무 동료가 되었습니다.