OECD 36개국 중 31개국이 이미 정부 내부 프로세스에 AI를 사용하고 있지만, 정책 수립을 지원하는 데 사용하는 나라는 13개국에 불과하다. 후방 업무에서의 도입과 정책 업무에서의 활용 사이에 존재하는 약 50 포인트의 격차는 공공 부문 AI 데이터가 보여주는 가장 뚜렷한 신호다. 정부는 결과의 파급력이 제한적인 영역에서는 이 기술을 적극적으로 받아들였지만, 결정이 시민에게 직접 영향을 미치는 영역에서는 주저해 왔다. 한편 OECD는 공무원들이 감독 체계가 따라잡을 수 있는 속도보다 빠르게 생성형 AI를 도입하고 있다고 보고한다. 아래 수치는 OECD Digital Government Outlook과 관련 공공 거버넌스 연구에서 가져온 것이다.
핵심 요점
- OECD 36개국 중 31개국이 내부 프로세스에 AI를 사용, 약 86%(OECD)
- 2년 전 33개국 중 23개국, 약 70%에서 상승(OECD)
- 36개국 중 27개국이 공공 서비스에 AI를 사용, 약 75%(OECD)
- 33개국 중 22개국, 약 67%에서 상승(OECD)
- 정책 수립에 AI를 사용하는 나라는 36개국 중 13개국뿐, 약 36%(OECD)
- 33개국 중 11개국, 약 33%에서 상승(OECD)
- 내부 도입은 약 16 포인트 상승(산출)
- 공공 서비스 도입은 약 8 포인트 상승(산출)
- 정책 수립 도입은 약 3 포인트 상승(산출)
- 내부 활용과 정책 수립 사이의 격차는 약 50 포인트(산출)
- 내부 인력의 역량 부족이 가장 많이 꼽히는 걸림돌(OECD)
- 공무원들은 흔히 공식 감독 없이 생성형 AI를 도입한다(OECD)
- 조사 대상국 수는 라운드 사이에 33개국에서 36개국으로 증가(OECD)
1. 내부 도입은 거의 보편화
내부 프로세스 수치는 이미 첫 번째 논쟁에서 승리한 기술의 모습을 보여준다. OECD 36개국 중 31개국, 약 86%가 이제 내부 프로세스에 AI를 사용하고 있으며, 이전 조사의 33개국 중 23개국, 약 70%에서 상승했다.
2년 만에 16 포인트 상승한 것은 내부 AI 활용이 더는 실험적이라고 부를 수 없는 수준에 이르렀음을 보여준다. 조사 대상국 중 단 5개국만이 전혀 사용하지 않는다고 답했다. 이러한 패턴은 위험이 어디에 있는지를 보면 이해가 된다. 문서 처리, 번역, 일정 조율, 내부 검색은 오류가 발생해도 결과를 요청한 바로 그 사람이 이를 알아채는 영역이며, 어떤 시민도 잘못된 결과의 영향을 받지 않는다. 정부는 바로 책무성 문제가 발생하지 않는 지점에서 가장 적극적으로 AI를 도입해 왔으며, 이는 소극적인 태도라기보다 합리적인 순서 매기기라고 할 수 있다.
| 지표 | 값 | 출처 |
|---|---|---|
| 내부 프로세스에 AI를 사용하는 국가 | 36개국 중 31개국 | OECD |
| 비율 | 약 86% | OECD |
| 이전 라운드 | 33개국 중 23개국 | OECD |
| 이전 비율 | 약 70% | OECD |
| 변화 | 약 16 포인트 상승 | OECD 데이터에서 산출 |
| 내부적으로 AI를 사용하지 않는 국가 | 36개국 중 5개국 | OECD 데이터에서 산출 |
| 미사용 비율 | 약 14% | OECD 데이터에서 산출 |
| 내부 활용의 상태 | 실험 단계를 넘어섬 | 산출 |
출처: OECD Digital Government Outlook 2026, 정부의 AI 도입과 규율에 관하여.
2. 공공 서비스는 내부 활용에 뒤처진다
시민을 대상으로 한 도입은 뚜렷하게 한 발 뒤처져 있다. 36개국 중 27개국, 약 75%가 공공 서비스에 AI를 사용하고 있으며, 33개국 중 22개국, 약 67%에서 상승했다.
8 포인트 상승은 내부 도입 속도의 절반에 불과하며, 두 범주 사이의 격차는 11 포인트로 좁혀지기는커녕 오히려 벌어졌다. 이러한 차이는 시사하는 바가 크다. 공공 서비스에 AI를 도입하면 법적 위험, 평등에 대한 책무, 이의 제기 권리, 그리고 불리한 결정을 받은 당사자에게 자동화된 결정을 설명해야 하는 실무적 어려움이 함께 따라온다. 여전히 9개국은 이 영역에서 전혀 사용하지 않는다고 보고한다. 86%와 75%의 격차 자체는 절대치로 크지 않지만, 두 범주가 모두 상승하는 가운데 이 격차가 더 벌어졌다는 사실은 시민 대상 활용에 대한 제약이 단순히 정부가 아직 따라잡지 못한 결과가 아니라 구조적 성격을 지닌다는 점을 시사한다.
| 지표 | 값 | 출처 |
|---|---|---|
| 공공 서비스에 AI를 사용하는 국가 | 36개국 중 27개국 | OECD |
| 비율 | 약 75% | OECD |
| 이전 라운드 | 33개국 중 22개국 | OECD |
| 이전 비율 | 약 67% | OECD |
| 변화 | 약 8 포인트 상승 | OECD 데이터에서 산출 |
| 공공 서비스에 AI를 사용하지 않는 국가 | 36개국 중 9개국 | OECD 데이터에서 산출 |
| 내부 활용 대비 격차 | 약 11 포인트 | OECD 데이터에서 산출 |
| 격차의 방향 | 확대 | OECD 데이터에서 산출 |
3. 정책 수립은 거의 진전이 없다
세 번째 범주에서는 도입이 거의 완전히 멈춰 있다. 정책 수립을 지원하기 위해 AI를 사용하는 나라는 36개국 중 13개국, 약 36%뿐이며, 같은 기간 33개국 중 11개국, 약 33%에서 상승한 수준이다.
2년 동안 3 포인트 상승한 것은 거의 정체에 가까우며, 분모가 커진 점을 고려하면 사실상 움직임이 없었다고도 볼 수 있다. 23개국은 이러한 활용이 없다고 보고한다. OECD는 또한 책무성 활동에서의 도입이 특히 제한적이라는 점을 지적한다. 이러한 신중함에는 나름의 근거가 있다. 정책 분석에는 논쟁적인 가치 판단, 검증하기 어려운 인과 관계 주장, 그리고 입법부와 사법부의 검토를 견뎌내야 하는 결과물이 수반되는데, 이 중 어느 것도 추론 과정을 완전히 들여다볼 수 없는 시스템에는 적합하지 않다. 그러나 실질적인 결과는 AI가 정부의 행정 운영 방식은 바꾸고 있으면서도 의사 결정 방식은 거의 건드리지 않고 있다는 것이다.
| 지표 | 값 | 출처 |
|---|---|---|
| 정책 수립에 AI를 사용하는 국가 | 36개국 중 13개국 | OECD |
| 비율 | 약 36% | OECD |
| 이전 라운드 | 33개국 중 11개국 | OECD |
| 이전 비율 | 약 33% | OECD |
| 변화 | 약 3 포인트 상승 | OECD 데이터에서 산출 |
| 정책 수립에 AI를 사용하지 않는 국가 | 36개국 중 23개국 | OECD 데이터에서 산출 |
| 내부 활용 대비 격차 | 약 50 포인트 | OECD 데이터에서 산출 |
| 책무성 활동에서의 도입 | 마찬가지로 제한적 | OECD |
노동 시장 관련 맥락은 저희의 AI가 일자리에 미치는 영향 통계에서 다룬다. 출처: OECD Digital Government Outlook 2026.
4. 거버넌스 격차
가장 중대한 발견은 비율이 아니라 불일치다. OECD는 공무원들이 공식적인 감독 없이 생성형 AI를 점점 더 많이 도입하고 있으며, 신속한 분권적 확산과 뒤처지는 공공 거버넌스 체계 사이의 격차가 커지고 있다고 보고한다.
설문에 따르면 상당수의 공무원이 이미 개방형 생성형 AI 도구를 업무에 활용하고 있다. 이는 전형적인 섀도 도입의 사례로, 직원들은 사용해도 되는지를 정하는 정책이 마련되기도 전에 손에 닿는 도구로 당장의 문제를 해결하고 있다. OECD가 지적하는 구체적인 위험은 데이터 보호로, 조직의 정책에 어긋나는 방식으로 외부 도구를 사용하면 정부 데이터가 통제된 환경 밖으로 빠져나갈 수 있다. 이것이 일반적인 섀도 IT 문제보다 까다로운 이유는 이러한 도구들이 무료이고 별도의 조달 절차가 필요 없으며 흔적을 거의 남기지 않기 때문에, 기관 내에서 상당한 규모의 AI 사용이 벌어지고 있어도 그것을 보여주는 기록이 전혀 없을 수 있다는 점이다.
| 지표 | 값 | 출처 |
|---|---|---|
| 확인된 패턴 | 분권적 확산이 거버넌스보다 앞서 나감 | OECD |
| 공식 감독 | 흔히 부재 | OECD |
| 개방형 생성형 AI를 사용하는 공무원 | 상당한 비율 | OECD |
| 지목된 주요 위험 | 데이터 보호 | OECD |
| 위험의 작동 방식 | 조직의 정책 및 규정과의 충돌 | OECD |
| 필요한 조달 절차 | 개방형 도구에는 없음 | 산출 |
| 기관 입장에서의 가시성 | 낮음 | 산출 |
| 격차의 방향 | 확대 | OECD |
출처: 정부의 생성형 AI 실험에 관한 OECD 워킹페이퍼.
5. 역량이 핵심 제약이다
정부가 도입을 가로막는 요인을 설명할 때, 하나의 답이 압도적으로 우세하다. 내부 인력의 역량 부족은 공공 부문에서 AI 도입을 가로막는 가장 중요한 걸림돌로 일관되게 꼽히며, 시간 압박, 위험에 대한 우려, 혁신을 위한 제한된 역량보다도 앞선다.
이러한 순위는 진지하게 받아들일 가치가 있다. 대부분의 외부 논평이 가정하는 답과 다르기 때문이다. 여론은 흔히 이 장애물을 규제상의 신중함이나 예산 부족으로 프레이밍하지만, 정작 행정 기관 스스로는 역량을 지목한다. OECD의 인력 분석은 공공 부문 인력 내부에 서로 다른 세 개의 집단이 존재하며, 각 집단이 근본적으로 다른 교육 방식을 필요로 한다고 밝힌다. 이는 많은 기관이 도입해 온 획일적인 프로그램에 의문을 제기한다. 실무적으로 시사하는 바는, 일반적인 AI 소양 교육만으로는 이 제약을 움직이기 어렵다는 것이다. 조달을 평가해야 하는 사람과 도구를 안전하게 사용해야 하는 사람, 그리고 도구를 직접 만들어야 하는 사람은 전혀 다른 준비가 필요하기 때문이다.
| 지표 | 값 | 출처 |
|---|---|---|
| 가장 많이 꼽히는 걸림돌 | 내부 인력의 역량 부족 | OECD |
| 그 밖에 꼽힌 걸림돌 | 경쟁하는 업무로 인한 시간 압박 | OECD |
| 함께 꼽힌 요인 | 생성형 AI 위험에 대한 우려 | OECD |
| 함께 꼽힌 요인 | 혁신적 접근을 위한 제한된 역량 | OECD |
| 결과 | 유망한 활용 사례의 발굴과 확산이 더딤 | OECD |
| 확인된 서로 다른 인력 집단 수 | 3 | OECD |
| 각 집단에 필요한 것 | 근본적으로 다른 교육 방식 | OECD |
| 의문이 제기되는 접근 방식 | 획일적인 교육 | OECD |
교육 분야의 유사 사례는 저희의 AI 교육 통계에서, 모델 접근성 관련 맥락은 오픈소스 AI 통계에서 다룬다. 출처: OECD, AI에 대응할 준비가 된 공공 인력 구축.
6. 분모가 숨기고 있는 것
한 가지 방법론적 세부 사항이 이러한 추세를 읽는 방식을 바꾼다. 조사 대상국 수는 측정 라운드 사이에 33개국에서 36개국으로 늘어났으며, 이는 연도별 비율 비교마다 실제 도입 증가와 분모의 변화가 함께 섞여 있음을 의미한다.
비율이 아니라 국가 수로 보면, 내부 활용은 8개국, 공공 서비스는 5개국, 정책 수립은 2개국만큼 늘었고, 이 기간 조사에는 새로 3개국이 추가되었다. 이 세 나라가 합류할 당시 이미 AI를 사용하고 있었는지에 따라, 겉으로 드러난 증가분 중 일부는 새로운 도입이 아니라 조사 범위 확대를 반영한 것일 수 있다. 이는 핵심 결론을 뒤집지는 않는다. 8개국의 증가를 신규 가입국 3개국만으로 설명할 수는 없기 때문이다. 하지만 이는 세 지표 중 정책 수립 수치가 가장 불안정하다는 것을 의미한다. 신규 가입국 3개국에 비해 2개국만 늘어난 것은, 원래 측정 대상이던 국가들 사이에 실질적인 변화가 전혀 없었다는 해석과도 충분히 부합한다.
| 지표 | 값 | 출처 |
|---|---|---|
| 측정 대상국, 이전 라운드 | 33개국 | OECD |
| 측정 대상국, 현재 라운드 | 36개국 | OECD |
| 추가된 국가 | 3개국 | OECD 데이터에서 산출 |
| 내부 활용 증가, 국가 수 | 8개국 | OECD 데이터에서 산출 |
| 공공 서비스 증가, 국가 수 | 5개국 | OECD 데이터에서 산출 |
| 정책 수립 증가, 국가 수 | 2개국 | OECD 데이터에서 산출 |
| 가장 불안정한 추세는 무엇인가 | 정책 수립 | 산출 |
| 데이터 수집 방식 | 각국 행정 기관의 자체 응답 | OECD |
요약: 숫자로 보는 정부 AI
| 지표 | 값 | 출처 |
|---|---|---|
| 내부 프로세스, 현재 라운드 | 36개국 중 31개국(약 86%) | OECD |
| 내부 프로세스, 이전 라운드 | 33개국 중 23개국(약 70%) | OECD |
| 변화 | 약 16 포인트 상승 | 산출 |
| 공공 서비스, 현재 라운드 | 36개국 중 27개국(약 75%) | OECD |
| 공공 서비스, 이전 라운드 | 33개국 중 22개국(약 67%) | OECD |
| 변화 | 약 8 포인트 상승 | 산출 |
| 정책 수립, 현재 라운드 | 36개국 중 13개국(약 36%) | OECD |
| 정책 수립, 이전 라운드 | 33개국 중 11개국(약 33%) | OECD |
| 변화 | 약 3 포인트 상승 | 산출 |
| 내부 활용과 정책 수립 사이의 격차 | 약 50 포인트 | 산출 |
| 내부적으로 AI를 사용하지 않는 국가 | 36개국 중 5개국 | 산출 |
| 공공 서비스에 AI를 사용하지 않는 국가 | 36개국 중 9개국 | 산출 |
| 정책 수립에 AI를 사용하지 않는 국가 | 36개국 중 23개국 | 산출 |
| 가장 많이 꼽히는 걸림돌 | 내부 인력의 역량 부족 | OECD |
| 거버넌스 패턴 | 도입이 감독을 앞서 나감 | OECD |
| 확인된 서로 다른 인력 집단 수 | 3 | OECD |
| 조사 대상국 수의 변화 | 33개국에서 36개국으로 | OECD |
방법론 및 출처
- 내부 프로세스, 공공 서비스, 정책 수립에 대한 도입 수치와 비율은 Digital Government Index를 기반으로 한 OECD Digital Government Outlook의 “정부의 AI 도입과 규율” 장에서 가져왔다(OECD, OECD.AI 자료, OECD.AI 발행물).
- 거버넌스 격차에 관한 결과와 생성형 AI 실험 양상은 OECD Working Papers on Public Governance No. 93에서 가져왔다(OECD 워킹페이퍼 PDF, OECD 발행물 페이지).
- 인력 및 역량에 관한 결과는 OECD의 공공 인력 분석에서 가져왔다(OECD 전체 보고서, OECD 발행물 랜딩 페이지).
- 데이터 관련 유의 사항: 모든 도입 수치는 OECD 설문에 응답한 각국 행정 기관의 자체 보고로, AI를 사용한다고 답한 국가는 이를 입증하기보다는 주장하는 것에 가까우며, 사용국으로 인정하는 기준은 응답자 간에 표준화되어 있지 않다. 조사 대상국 수는 라운드 사이에 33개국에서 36개국으로 늘어났으며, 이는 연도별 비율 비교가 엄밀히 동일한 기준의 비교가 아님을 의미하고, 세 추세 중 가장 작은 정책 수립 수치는 원래 측정 대상이던 국가들 사이에 실질적인 변화가 전혀 없었다는 해석과도 부합한다. 여기서의 비율은 공개된 국가 수를 기준으로 계산하고 반올림한 값이다. OECD의 여러 보조 발행물은 접근이 제한되어 있어, 걸림돌 순위는 응답 비율이 아니라 OECD가 서술한 방식 그대로 정성적으로 제시한다. “산출”로 표시된 행은 공개된 수치를 바탕으로 한 계산 결과다.
- 마지막 업데이트: 2026년 8월 2일. 이 글은 분기마다 갱신하며, 다음 대규모 업데이트는 OECD가 Digital Government Index의 새로운 조사 결과를 발표하는 시점에 맞춰질 예정이다.