접수시스템, 왜 지금 AI가 필요한가

접수시스템, 왜 지금 AI가 필요한가

변화의 시작은 늘 '불편함'에서 온다

모든 시스템 혁신에는 계기가 있다. 대규모 장애가 터지거나, 민원 폭주로 서비스가 마비되거나, 또는 이미 선진국이 훨씬 앞서가고 있다는 사실을 뒤늦게 인식하게 되는 순간이 그 계기다. 접수시스템 분야에서 그 순간이 바로 지금이다.

우리는 일상 속에서 이미 AI와 자연스럽게 공존하고 있다. 은행 앱에서 대화형 상담을 이용하고, 공항에서 자동 체크인을 하고, 병원에서 AI가 분석한 의료 영상 판독 결과를 받는 시대에 살고 있다. 그런데 정작 '접수'라는 가장 기초적인 행정·서비스의 첫 단계에서는 여전히 사람이 모든 것을 처리하고 있다. 전화벨이 울리면 상담원이 받고, 창구에 오면 서류를 확인하고, 반복적인 질문에 같은 답변을 수십 번 반복한다.

이 글은 단순한 기술 도입의 당위성을 주장하기 위해 쓰는 글이 아니다. 접수시스템의 현재를 직관적으로 진단하고, 왜 하필 지금 이 시점에 AI 기술이 그 해법이 될 수밖에 없는지를 국내외 사례와 법령, 정책 자료를 토대로 종합적으로 분석하고자 한다.

---

1. 지금 우리의 접수시스템은 어떤 상태인가

1-1. 수작업 중심의 구조적 비효율

대부분의 공공기관·기업 접수시스템은 여전히 '사람'이 핵심 프로세스의 중심에 있다. 민원인이 전화를 걸면 상담원이 응대하고, 민원 내용을 수기 또는 반자동 시스템에 입력하며, 분류와 우선순위 부여는 담당자의 경험에 의존한다. 이 구조는 세 가지 근본적 문제를 낳는다.

첫째, 확장성의 한계다. 신고·민원이 집중되는 특정 시간대에 제한된 인력으로 대응하기란 불가능에 가깝다. 소방청 119 신고접수 시스템의 경우, 하루 평균 약 1,000건의 신고가 접수되며, 그중 약 70%는 비긴급 신고로 분류된다. 긴급 신고와 비긴급 신고가 뒤섞여 들어오는 상황에서 상담원이 일일이 긴급도를 판단하고 분류하는 것은 구조적으로 비효율적일 수밖에 없다.

둘째, 판단의 일관성 부족이다. 동일한 유형의 민원이라도 담당자에 따라 분류 기준이 달라지고, 처리 속도와 안내 품질이 천차만별이다. 이는 민원인의 입장에서 '복권을 긁는' 경험으로 이어진다. 같은 질문을 해도 상담원에 따라 전혀 다른 답변을 받을 수 있다는 불안감은 시스템 자체에 대한 신뢰를 훼손한다.

셋째, 반복 업무로 인한 인력 피로 누적이다. 접수 업무의 상당 부분은 단순 반복으로 이루어진다. 기본적인 신원 확인, 유형 분류, 안내 멘트 전달 등은 매일 수백 번씩 반복되는 작업이다. 이 과정에서 상담원의 업무 피로도가 급격히 쌓이고, 이는 서비스 품질 저하와 이직률 증가라는 악순환으로 이어진다.

1-2. 복잡한 절차와 정보 분산

민원처리 과정에서 공무원이나 상담원이 확인해야 하는 정보는 파편화되어 있다. 법령, 조례, 업무지침, 내부 규정 등이 각각 별도로 관리되고 있어, 하나의 민원에 대한 정확한 답변을 제공하기 위해 여러 시스템을 오가야 한다. 이 과정에서 응대 시간은 길어지고, 민원인의 대기와 불만은 커진다.

특히 행정 절차가 복잡한 분야일수록 이 문제가 심각해진다. 담당자의 숙련도에 따라 처리 기간이 2~3배 차이 나는 것은 드문 일이 아니며, 이는 결과적으로 민원인의 행정 신뢰를 갉아먹는 요인이 된다.

1-3. 다국어 대응의 사각지대

외국인 관광객 증가, 이주민 사회의 확대 등으로 다국어 접수 수요는 지속적으로 늘고 있지만, 대부분의 접수시스템은 한국어 단일 언어로 운영되고 있다. 119 신고접수의 경우에도 제한적인 외국어 통역 서비스만 제공되고 있어, 외국인 신고자와의 의사소통이 원활하지 못한 상황이다. 언어의 장벽은 긴급 상황에서는 생명과 직결되는 문제이며, 일반 민원에서도 서비스 형평성의 차원에서 반드시 해결해야 할 과제이다.

---

2. 왜 하필 지금, AI인가 — 시대적 배경

2-1. 공공 AI 도입의 경제적 당위성

AI 기술의 공공분야 도입은 더 이상 실험적 시도가 아니다. 이미 상당수 국가에서 구체적인 성과를 확인하고 있으며, 경제적 효과도 명확하게 검증되고 있다.

공공부문 AI 도입을 통한 경제적 효과는 2017년 약 2조 4,500억 달러에서 2025년 약 5조 6,100억 달러로 추산되며, 미국 정부의 AI 도입은 연간 최소 967만 시간에서 최대 12억 시간의 행정 시간과 약 33억~411억 달러의 행정비용을 절감할 수 있는 것으로 분석된 바 있다. 이 수치는 'AI는 비용'이 아니라 'AI는 투자'라는 인식 전환의 근거가 된다.

2-2. 기술 성숙도의 임계점 도달

2023년을 기점으로 대규모언어모델(LLM) 기술이 폭발적으로 발전했다. OpenAI의 GPT-4, Anthropic의 Claude 등 상용 모델은 물론, Meta의 LLaMA 시리즈, 중국 DeepSeek의 DeepSeek-R1, 프랑스 Mistral의 Mixtral, 국내에서는 LG의 EXAONE-3와 네이버의 HyperCLOVA X 등 고성능 오픈소스 모델이 연이어 등장했다.

특히 오픈소스 LLM은 API 호출 비용이나 라이선스 제약 없이 장기적으로 운영비를 절감할 수 있으며, 자체 서버나 망분리 환경에서 운용이 가능해 민감정보 유출에 대한 우려 없이 데이터 주권을 확보할 수 있다는 점에서 공공부문 활용 가능성이 매우 크다. 정부 차원에서도 이러한 오픈소스 LLM을 기반으로 한 공공 파운데이션 모델 구축의 필요성이 강조되고 있으며, 부처 간 연계·통합을 위한 컨트롤타워 운영과 통합 가이라인 수립의 중요성이 대두되고 있다.

2-3. 인구 구조 변화와 인력 위기

고령화와 저출생은 접수시스템 분야에도 직접적인 영향을 미친다. 상담 인력의 수급 불균형은 이미 현실화되고 있으며, 금융권에서는 최근 5년간 영업점 수가 약 20% 감소하는 등 대면 접수 채널 자체가 축소되는 추세다. 고객의 상담 수요는 꾸준히 유지되는데, 서비스를 제공할 인력과 채널은 줄어드는 이 구조적 불균형을 해소하려면 자동화 기술의 도입은 필연적이다.

---

3. 해외는 이미 움직이고 있다 — 글로벌 AI 접수 혁신 사례

해외 주요국들의 AI 기반 공공서비스 도입 현황을 살펴보면, 접수·상담 분야에서의 AI 활용이 단순한 시범사업 수준을 넘어 본격적인 운영 단계에 진입했음을 확인할 수 있다.

미국: 이민 민원 챗봇 '엠마(EMMA)'

미국 시민권이민국(USCIS)이 운영하는 AI 챗봇 엠마는 한 달에 100만 건 이상, 연간 약 1,400만 건의 이민 관련 민원을 처리한다. 이는 단순 FAQ 안내를 넘어, 이용자의 질의 의도를 파악하고 적절한 절차를 안내하는 수준의 자연어 처리 기반 서비스다. 처음에는 텍스트 기반으로 시작했으나, 현재는 음성 인터페이스까지 확대되어 다양한 사용자층이 접근할 수 있도록 설계되었다.

미국: 119(소방) 신고접수 AI 도입

현재 우리나라는 119 신고접수를 음성 ARS 및 상담원 중심으로 운영하고 있어 신고 폭주시 접수 지연이 발생하고 있으며, 복잡한 ARS 단계로 인해 신고자의 긴급한 상황 전달이 지연되는 문제가 있다. 이에 대응하여 오픈소스 기반의 한국어 특화 소형언어모델(SLM)을 개발하여 신고 접수의 자동화 및 최적화를 추진하려는 움직임이 나타나고 있다. 해당 사업의 핵심 목표는 음성인식(STT) 및 음성합성(TTS)을 통한 신고 접수 자동화, 긴급도 자동 분류 및 출동 우선순위 판단 알고리즘 개발, 상담원 부담 경감 및 대응 속도 개선 등이며, 향후 소방청 차세대 119 신고접수 시스템과의 연계까지 염두에 두고 설계되고 있다.

핀란드: 'Aurora AI' 프로그램

핀란드는 국민 행복을 최우선 가치로 설정한 'Aurora AI' 프로그램을 통해 중앙정부 차원의 통합 AI 공공서비스를 구축하고 있다. 이 프로그램은 챗봇, 추천시스템, 예측분석, 알고리즘 기반 의사결정 등 다양한 AI 유형을 통합하여 국민의 공공서비스 만족도를 개선하고, 행정 프로세스 전반을 혁신하는 것을 목표로 한다. 개인 데이터와 행정 데이터, 공공 데이터를 연계하는 서비스 모델을 기반으로 한다는 점에서, 접수시스템의 미래상을 시사한다.

헬싱키: 'AI Register'

핀란드 헤싱키는 시민 중심의 'AI Register'를 운영하며, 지방정부 차원에서 챗봇과 추천시스템을 활용한 행정서비스를 제공하고 있다. 모든 AI 활용 사례를 시민에게 투명하게 공개하여 AI 행정에 대한 신뢰를 확보하려는 노력이 돋보이는 사례다.

일본: 내각부의 AI 기반 정책 분석

일본 내각부는 방대한 간담회 의사록을 AI로 분석하여 정책 결정에 반영하고 있다. 접수 단계에서의 활용이 아닌, 접수된 데이터의 사후 분석을 통해 정책 품질을 높이는 방식으로, 접수시스템의 '후처리' 단계에서 AI가 발휘할 수 있는 가치를 보여주는 예다.

스웨덴: AI 기반 사회복지결정 자동화

스웨덴은 사회복지 영역에서 AI 기반의 결정 자동화 서비스를 도입하여, 반복적인 복지 신청 접수와 판단 과정의 효율성을 높이고 있다. 또한 시 정부 직원 채용 면접에 로봇 'Tengai'를 활용하는 등, 접수·선발 과정 전반에 AI를 적극적으로 통합하고 있다.

이탈리아: 사회보장국(INPS) 이메일 분류 시스템

이탈리아 사회보장국은 자연어 처리와 텍스트 마이닝 기술을 활용하여, 대량의 민원 이메일을 자동 분류하는 시스템을 운영하고 있다. 복잡한 행정 데이터와 민감한 개인정보를 안전하게 처리하면서도 업무 효율성을 크게 개선했다는 평가를 받고 있다.

---

4. AI 접수시스템이 바꾸는 것들 — 핵심 변화 5가지

변화 ①: 접수 분류의 자동화와 긴급도 판단의 표준화

AI 접수시스템이 가져올 가장 직접적인 변화는 '자동 분류'다. 현재 수작업으로 이루어지는 민원 유형 분류와 긴급도 판단을 AI가 대신 수행함으로써, 처리 속도와 일관성을 동시에 확보할 수 있다. 특히 119 신고접수 분야에서는 AI가 신고 유형(화재, 구조, 구급 등)을 자동 분석하고, 위치정보 및 기타 신고자 제공 정보를 통합하여 출동 자원 최적화를 지원하는 것이 핵심 과제로 떠오르고 있다. 소방본부 데이터에 따르면 하루 평균 접수되는 신고의 약 70%가 비긴급 신고이므로, AI가 이를 자동으로 분류하면 긴급 신고에 대한 상담원의 집중도와 대응 속도가 현저히 향상될 수 있다.

변화 ②: 24시간 무중단 접수 서비스

사람은 쉬어야 하지만 시스템은 멈추지 않는다. AI 챗봇과 음성봇은 24시간 365일 가동되며, 심야·휴일에도 일정 수준 이상의 접수 서비스를 제공할 수 있다. 단순 문의와 1차 접수는 AI가 처리하고, 복합 민원이나 긴급 상황은 인간 상담원에게 즉시 이관하는 구조를 설계하면, 서비스 연속성과 인력 효율이라는 두 마리 토끼를 잡을 수 있다.

변화 ③: 다국어·음성 인터페이스를 통한 접근성 확대

AI 기반의 음성인식(STT) 및 음성합성(TTS) 기술은 다국어 접수를 가능하게 한다. 외국인 이용자가 자국어로 민원이나 신고를 접수하면, AI가 이를 실시간으로 한국어로 번역하고 분석하여 담당자에게 전달하는 구조는 더 이상 미래의 이야기가 아니다. 고령층이나 디지털 소외 계층에게는 음성 인터페이스가 키오스크나 웹 양식보다 훨씬 접근하기 쉬운 채널이 될 수 있다.

변화 ④: 데이터 기반 의사결정과 예측형 서비스

접수 데이터가 축적되면, AI는 단순 분류를 넘어 '예측'의 영역으로 나아간다. 특정 시기에 어떤 유형의 민원이 급증하는지, 어떤 지역에서 반복적인 문제가 발생하는지를 분석하여 선제적 안내와 정책 수립에 활용할 수 있다. 반복적인 민원은 근본 원인을 파악해 시스템적으로 개선하고, 새로운 패턴이 출현하면 조기에 감지하여 대응하는 '예측형 접수관리'는 접수시스템의 궁극적 진화 방향이다.

변화 ⑤: 상담원 역할의 전환 — 반복에서 판단으로

AI 도입은 상담원을 대체하는 것이 아니라, 상담원의 역할을 '반복 응대'에서 '전문적 판단과 공감'으로 전환하는 것이다. AI가 단순·반복 업무를 도맡아 처리하면, 상담원은 복잡한 상호작용과 감정적 지원에 집중할 수 있다. 유럽 최대 통신기업 보다폰(Vodafone)의 AI 상담서비스 '토비(TOBi)'는 2017년 도입 이후 AI가 단순 문의를 처리하고 복잡한 문제만 상담사로 이관하는 구조를 확립하여 고객 응답 속도와 접근성을 크게 개선했다. 뱅크오브아메리카의 가상 비서 '에리카(Erica)'는 2024년 기준 5천만 명 이상의 고객이 이용하며, 기본 금융 업무의 자동화를 통해 상담사의 부담을 줄이는 데 성공했다.

다만, 주의할 점도 있다. 최근 한 조사에 따르면 금융회사 콜센터 AI 상담 서비스의 고객 만족도는 21.6%에 불과했으며, 응답자의 73.6%가 AI 상담원의 요구사항 이해 부족을 지적했다. 또한 AI 상담 서비스 도입 이후 근무 여건이 더 열악해졌다고 느끼는 상담원이 66%에 달하는 것으로 조사되었다. 이는 '어설픈 AI'의 도입이 오히려 역효과를 낳을 수 있음을 경고하는 데이터로, AI 접수시스템 설계 시 반드시 유의해야 할 대목이다.

---

5. 법령과 제도적 기반 — 개인정보보호법부터 공공 AI 전략까지

AI 접수시스템의 도입은 기술적 도전만이 아니라 법적·제도적 기반을 동시에 갖추어야 하는 과제다. 다음은 관련 법령과 정책의 주요 골자다.

5-1. 개인정보 보호법

AI 접수시스템은 민원인의 개인정보를 수집·처리할 수밖에 없으므로, 「개인정보 보호법」의 준수는 전제 조건이다.

• 최소 수집 원칙: 이용자의 개인정보를 최소한으로 수집하여야 하며, 수집 목적 이외의 용도로 활용하는 경우에는 「개인정보 보호법」 제18조에 따라 별도의 동의를 받는 등 필요한 조치를 이행해야 한다.
• 처리방침 공개: 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 고충을 신속하고 원활하게 처리할 수 있도록 개인정보 처리방침을 수립·공개해야 한다.
• AI 모델 학습에 관한 동의: AI 서비스 운영 과정에서 이용자가 입력한 콘텐츠(프롬프트, 업로드 파일, 대화 내용 등) 및 이용 기록을 AI 모델의 학습·재학습, 응답 품질 개선에 활용하려면 정보주체의 사전 동의를 별도로 받아야 한다. 현재 다수의 AI 서비스 기업이 이러한 동의 기반의 학습 정책을 수립하여 운영하고 있다.
• 국내 인프라 운영: AI 추론 처리를 위한 자체 AI 플랫폼은 국내 인프라에서 운영되어야 하며, 외부 AI 모델 사업자에게 입력 데이터가 전달되는 경우에는 개인정보 처리업무의 위탁 및 국외 이전에 관한 사항을 명시해야 한다. 보안이 중요한 공공 접수시스템의 경우, 폐쇄망 환경에서 완벽하게 작동하는 보안 특화 AI 솔루션을 활용하는 것이 바람직하다.

5-2. 통신비밀보호법 등 관계 법령

AI 접수시스템 운영 과정에서 생성되는 접속기록, 로그 데이터 등은 「통신비밀보호법」에 따라 접속기록의 경우 3개월간 보존해야 하며, 민원 처리 기록은 「전자상거래법」 등에 따라 처리 완료 후 3년간 보존하는 것이 일반적이다. 이러한 보존 의무와 개인정보 최소화 원칙의 균형을 시스템 설계 단계에서부터 반영해야 한다.

5-3. 정부의 AI·데이터 활용 지원사업

정부는 이미 AI 기반 접수·민원처리 시스템 구축을 지원하는 사업을 본격 추진하고 있다. 2025년 수요발굴 연계 인공지능·데이터 활용 지원사업의 일환으로, 'AI·데이터 기반 스마트 민원처리절차 시스템 구축' 과제가 공모되었다. 이 사업의 핵심 목표는 AI 챗봇 및 가상 비서를 활용한 자동화된 민원 응대 시스템 구축, 자연어 처리(NLP) 기반 민원 질의 분석 및 최적 답변 제공, AI 음성 인식을 통한 콜센터 자동 응대 서비스 도입, 법령·지침·조례 등 복잡한 행정 절차의 AI 자동 검색 및 안내 기능 개발 등이다. 이 사업에서 특히 주목할 점은 한정된 예산과 기간 내에서 실현 가능한 기능을 우선 개발하되, 장기적으로는 AI 학습을 통해 공공 서비스 전반으로 확장할 수 있도록 설계하려는 접근 방식이다.

5-4. 공공 파운데이션 모델 전략

AI 접수시스템의 장기적 성공을 위해서는 일회성 개발이 아닌 지속가능한 운영 체계의 구축이 필수적이다. 대규모언어모델은 개발 이후에도 지속적인 개선과 유지보수가 필요한 시스템이며, 신기술이 등장할 때마다 이를 빠르게 테스트하고 반영할 수 있는 내부 역량과 협업 체계가 갖추어져야 한다. 부처별 파운데이션 모델의 연계·통합을 효과적으로 추진하기 위해 데이터 구조, 플랫폼 연동, 연계 표준 등에 대한 통합 가이라인을 수립하고 이를 지속적으로 관리·운영하는 체계가 필요하다. 이는 중복 개발을 방지하고, 범정부적 AI 생태계 조성과 통합 행정서비스 구현의 실행력을 높이는 핵심 수단이 될 수 있다.

5-5. 의료 분야 AI 특화병원 사업의 시사점

2026년도 정부는 'AI기반 의료시스템 디지털 전환 지원사업'을 통해 공공의료기관을 대상으로 의료AI 패키지를 통합 실증하는 사업을 추진하고 있다. 이 사업은 단순한 AI 솔루션 도입을 넘어, 환자 여정 전 과정(내비게이션→협진→효율화→예후관리)을 아우르는 통합 시스템을 구축하는 데 초점을 맞추고 있다. 접수시스템의 입장에서 보면, 의료 분야의 이러한 통합 AI 접근법은 접수부터 후처리까지의 전체 프로세스를 하나의 AI 생태계로 연결하는 모범 사례로 참고할 만하다.

---

6. 개인정보 처리의 현실 — 접수시스템 관점에서의 시사점

AI 접수시스템의 설계 단계에서 가장 민감한 부분은 개인정보의 수집·이용·보관 정책이다. 실제 기업·기관의 개인정보 처리방침을 분석하면, 접수시스템 운영 시 반드시 고려해야 할 기준을 확인할 수 있다.

서비스 운영 및 개선을 위한 데이터 활용에는 서비스 이용에 대한 분석, 서비스 품질 개선, 오류·장애 대응, 보안 및 부정이용 탐지·대응 등이 포함된다. 고객 지원 영역에서는 서비스 이용 관련 문의·민원 처리, 분쟁 조정을 위한 기록 보존, 공지사항 전달 등이 처리 목적에 해당한다.

AI 모델 학습 및 성능 개선의 경우, 이용자가 입력한 콘텐츠와 이용 기록을 활용한 AI 모델의 학습·재학습, 응답 품질 개선, 신규 AI 기능·모델 개발, 서비스 정확도 및 안전성 향상 등이 목적에 해당하며, 반드시 동의 기반으로 이루어져야 하고, 동의 철회 시 또는 회원 탈퇴 시까지로 보유 기간을 제한해야 한다.

서비스 운영 보안과 관련해서는 IP주소, 접속로그, 쿠키, 기기 정보(OS, 브라우저, 기기 식별자), 서비스 이용 기록 등을 관계 법령에 따라 처리하며, 통신비밀보호법에 따른 접속기록은 3개월간 보존해야 한다. 고객 문의와 관련된 민원 처리 기록은 처리 완료 후 3년간 보존하는 것이 일반적이다.

---

7. 도입의 그림자 — 리스크와 대응 전략

AI 접수시스템의 도입은 분명한 이점을 가져오지만, 무비판적 도입은 오히려 시스템의 신뢰를 떨어뜨릴 수 있다. 다음은 반드시 검토해야 할 리스크와 그 대응 방안이다.

리스크 ①: AI의 맥락 이해 한계

AI 상담원은 구조화된 문의에 대해서는 빠르게 응답하지만, 인간처럼 고객의 감정과 질문 맥락을 파악하는 능력이 부족하다. 한 연구에 따르면, AI 챗봇의 사용자 의도 인식 오류율은 23%에 달하며, 46%의 응답자는 AI 상담원의 감정 지능 부족으로 불편을 느꼈다고 보고했다. 복잡한 문제 처리에서는 AI의 한계가 더욱 두드러져, 54%의 고객이 결국 인간 상담원 연결을 요구하는 것으로 나타났다.

대응: AI는 보조 수단으로 설계하고, 판단의 최종 책임은 인간에게 두는 'Human-in-the-Loop' 구조를 기본으로 해야 한다. AI가 처리하지 못하는 민원은 자연스럽고 신속하게 상담원에게 이관되도록 설계해야 하며, 이관 시 AI가 수집한 맥락 정보가 함께 전달되어야 한다.

리스크 ②: 데이터 보안과 개인정보 유출

AI 접수시스템은 민감한 개인정보를 다루는 만큼 데이터 보호와 보안 위험이 상존한다. 외부 AI 모델 사업자에 의존할 경우, 데이터 유출 시 책임 소재가 불분명해질 수 있다.

대응: 보안이 중요한 접수시스템의 경우, 폐쇄망 환경에서 완벽하게 작동하는 보안 특화 AI 솔루션을 도입하거나, 자체 AI 플랫폼을 국내 인프라에서 운영하는 것이 바람직하다. 개인정보보호법 제30조에 따른 처리방침을 명확히 수립하고, 정보주체의 동의를 철저히 관리해야 한다.

리스크 ③: AI 자동화 편향과 설명 가능성 부족

법률·금융·의료 등 고위험 분야에서는 AI의 답변 도출 과정을 설명할 수 있어야 한다. AI가 내린 결정의 근거와 과정을 사람이 이해할 수 있도록 해주는 '설명 가능한 AI(Explainable AI, XAI)'의 도입이 필요하며, 사용자가 AI 결과를 지나치게 신뢰하는 '자동화 편향'을 방지하기 위한 장치가 마련되어야 한다.

대응: AI 판단 결과와 함께 근거가 되는 데이터·규정·판단 경로를 이용자에게 투명하게 공개하고, 고위험 결정에는 반드시 인간의 검토를 거치도록 해야 한다.

리스크 ④: 상담원의 수용성과 변화 저항

AI 도입은 기존 업무 방식의 변화를 수반하므로, 현업 종사자의 저항이 발생할 수 있다. AI 상담 서비스 도입 이후 근무 여건이 더 열악해졌다고 느끼는 상담원이 66%에 달한다는 조사 결과는, 도입 과정에서 현장의 목소리를 반영하지 않으면 조직 내 갈등이 커질 수 있음을 시사한다.

대응: AI는 상담원의 '경쟁자'가 아니라 '협업 파트너'라는 인식 전환이 필요하다. 단계적 도입과 충분한 교육, AI 활용에 따른 업무 재설계와 보상 체계의 재검토가 병행되어야 한다.

리스크 ⑤: 고비용과 지속적 유지보수

AI 접수시스템은 구축 후에도 지속적인 데이터 학습과 모델 업데이트가 필요하며, 이에 따른 유지 비용이 발생한다. 일회성 도입으로 끝나면 시간이 지남에 따라 성능이 저하되고, 변화하는 민원 패턴에 대응하지 못하게 된다.

대응: 지속가능한 운영 체계를 설계 단계부터 포함시켜야 한다. 오픈소스 기반 모델을 활용하면 API 호출 비용이나 라이선스 제약 없이 장기적으로 운영비를 절감할 수 있으며, 자체 서버에서 모델을 수정·개선할 수 있다는 장점이 있다.

---

8. 맺는 글 — AI는 도구가 아닌 전략이다

접수시스템의 AI 도입은 더 이상 '할까 말까'의 문제가 아니라, '어떻게 할 것인가'의 문제로 전환되었다. 해외 주요국들은 이미 일반행정, 의료, 안전, 복지, 교통 등 다양한 분야에서 AI 기반 공공서비스를 운영하며 구체적인 성과를 축적하고 있고, 우리나라도 119 신고접수 자동화, 스마트 민원처리 시스템 구축, AI 특화병원 시범사업 등을 통해 본격적인 도입 단계에 진입하고 있다.

그러나 기술을 도입한다고 해서 자동으로 혁신이 이루어지는 것은 아니다. 진정한 혁신은 기술과 사람, 제도가 유기적으로 결합할 때 비로소 가능하다. AI 접수시스템의 성공을 위해서는 다음 세 가지가 동시에 충족되어야 한다.

첫째, 법적·제도적 기반의 확보다. 개인정보 보호법, 통신비밀보호법 등 관련 법령을 철저히 준수하면서도, AI 활용을 가로막는 불필요한 규제는 합리적으로 개선해야 한다. 정부의 공공 파운데이션 모델 전략과 AI·데이터 활용 지원사업은 이러한 제도적 기반을 강화하는 핵심 동력이다.

둘째, 사용자 경험(UX)의 균형이다. 민원인의 편의성과 상담원의 업무 효율성, 그리고 데이터 보안이라는 세 가지 가치를 모두 충족시키는 시스템 설계가 필요하다. 'AI 뺑뺑이'로 불리는 실패 사례를 반면교사로 삼아, AI가 판단할 수 없는 상황에서의 자연스러운 에스컬레이션과 맥락 전달을 설계의 핵심 원칙으로 삼아야 한다.

셋째, 지속가능한 운영 체계의 구축이다. AI 모델은 한 번 만들면 끝이 아니라, 데이터 환경과 민원 패턴의 변화에 맞춰 지속적으로 학습하고 개선해야 한다. 오픈소스 기반의 유연한 아키텍처, 내부 운영 역량의 확보, 명확한 거버넌스 체계가 장기적 성공의 조건이다.

접수시스템은 행정·서비스의 '문(門)'이다. 그 문이 느리고 불편하면, 문 뒤에 무엇이 있든 국민과 고객은 먼저 지친다. AI는 그 문을 더 빠르고, 더 정확하고, 더 공평하게 열어줄 수 있는 열쇠다. 다만, 열쇠를 잘못 사용하면 문이 아니라 자물쇠를 부술 수도 있다. 신중하되 머뭇거리지는 말아야 할 때다.

---

참조 출처

1. NIA AI·미래전략센터, 「해외국 인공지능(AI) 기반 공공서비스 추진현황」, THE AI REPORT 2023-3, 2023.3.20.
2. 한국지능정보사회진흥원(NIA), 「지속가능한 공공 파운데이션 모델 구축 및 활용 방안 연구」, AI Deep Insight 2025-04, 2025.6.
3. 2025년 수요발굴 연계 인공지능·데이터 활용 지원사업, 「AI·데이터 기반 스마트 민원처리절차 시스템 구축」 RFP, 2025.
4. 2025년 수요발굴 연계 인공지능·데이터 활용 지원사업, 「오픈소스 기반 119신고접수 대응 소형언어모델(SLM) 개발」 RFP, 2025.
5. 「AI와 인간의 협업을 통한 금융 상담 혁신」, 2025.10.
6. 과학기술정보통신부·정보통신산업진흥원, 「2026년도 AI기반 의료시스템 디지털 전환 지원사업(AI특화병원 AX-Ready 시범사업) 공모안내서」, 2026.4.
7. 「개인정보 보호법」 제18조, 제30조 등.
8. 「통신비밀보호법」 관련 접속기록 보존 규정.
9. 디지털정부협력센터, 「페루 ICT 현황 리포트」.

---

#AI접수시스템 #디지털전환 #공공서비스AI #접수자동화 #AI민원처리 #스마트행정