정책연구 활용도 증진을 위한 내부 자료의 AI 모델 구축 필요
서울연구원은 변화하는 환경 속에서 기존의 연구 방식에 AI를 어떻게 정책연구의 도구로 활용하고 확장해 갈 수 있을지에 대한 고민이 필요한 시점에 직면해 있다. 서울연구원은 시정연구원의 특성상 다년간 축적된 서울시의 정책 데이터부터 연구보고서, 브리프 등 서울시정에 특화된 다양한 정책 정보는 물론, 연구 수행 과정에서 발생하는 기초, 분석데이터 및 설문조사 데이터까지 방대한 양의 2차 산출 데이터를 보유하고 있으나, 이를 효율적으로 활용하기 위한 기반은 갖추어져 있지 않은 상태이다. AI를 활용해 축적자료의 활용도를 개선할 필요가 있다.
내부 연구지식을 활용한 RAG 기술 도입 필요
RAG(Retrieval-Augmented Generation)는 LLM의 생성 능력에 내부 문서 검색을 결합하여, 최신 정책문서·보고서에 기반한 신뢰도 높은 답변을 제공한다. 축적된 연구보고서, 통계자료, 설문데이터를 모두 사전학습이나 파인튜닝하는 것은 현실적으로 불가능하므로, 이를 별도 지식베이스로 구축하고 LLM이 RAG를 통해 필요한 근거를 실시간 검색·인용하도록 설계하는 것이 필요하다. 이러한 구조는 연구지원 AI가 출처가 명확한 근거 기반 답변을 제공하도록 하여, 정책연구의 신뢰성과 재검증 가능성을 동시에 확보할 수 있다.
인공지능 기반 연구지원 전환 계획 필요
연구 환경의 디지털 전환과 인공지능 기술의 고도화는 정책 연구 기관에게도 기존의 자료 축적 방식과 연구 수행 패러다임을 재고할 것을 요구하고 있다. 특히 서울연구원과 같이 다년간 축적된 정책 자료와 연구 산출물을 보유한 기관은, 이러한 자산을 효율적으로 관리하고 AI 기술과 연계하여 활용할 수 있는 전략을 마련해야 할 시점이다. AI 기술의 특성과 보안·윤리적 고려를 반영하여 외부 API 방식과 온프레미스 방식의 적절한 조합을 설계해야 한다.