Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
공공 행정 분야에서 AI 시스템의 기술적 차이를 간과하는 문제를 지적하며, 다섯 가지 범주의 AI 유형학을 제안합니다. 기존 연구들의 기술적 정밀도를 분석하여 연구자들이 공공 가치를 보호하기 위해 갖춰야 할 기술적 정의의 중요성을 강조합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기공공 부문에서의 인공지능 (AI) 연구는 종종 "AI"를 단일 범주로 취급하며, 서로 다른 AI 시스템 간의 기술적 차이를 간과하곤 합니다. 그러나 이러한 차이는 책임성 (accountability), 절차적 정의 (procedural justice), 비차별 (non-discrimination)과 같은 핵심적인 공공 가치에 각 시스템이 미치는 영향에 변화를 줍니다. 본 논문은 공공 행정 연구가 "AI"에 대해 더 정밀한 기술적 정의를 갖출 때 이득을 얻을 것이라고 주장하며, 이를 위해 세 가지 기여를 합니다. 첫째, 우리는 다섯 가지 범주의 AI 시스템 유형학을 도입합니다: 핸드 코딩 (hand-coded), 글래스 박스 (glass-box), 블랙 박스 (black-box), 범용 (general-purpose), 그리고 에이전틱 (agentic) 시스템입니다. 우리는 각 시스템 유형이 공공 가치에 미치는 독특한 함의에 따라 그룹화함으로써 이 유형학을 공공 행정에 맞게 조정합니다. 둘째, 우리는 우리의 유형학을 사용하여 높은 인용수를 기록한 91편의 논문 (2019-2025)을 코딩함으로써, 최근 AI에 관한 공공 행정 연구의 기술적 정밀도를 평가합니다. 우리는 광범위한 부정확성을 발견했습니다: 대부분의 논문 (55%)은 연구 대상 시스템을 불분명하게 정의하였고, 31%는 연구 대상과는 다른 시스템을 근거로 연구를 진행했으며, 41%는 연구 대상 시스템이 뒷받침하는 범위보다 더 일반적인 결론을 내렸습니다. 마지막으로, 우리는 향후 연구를 위한 실질적인 권고 사항을 제시합니다. 우리는 피해야 할 흔한 함정들을 강조하며, 연구자들이 최소한 연구 대상 시스템을 우리의 유형학 내에서 위치시킬 수 있을 만큼 충분한 기술적 세부 정보를 제공해야 한다고 제안합니다. 이를 위해, 우리는 전문적인 기술 지식 없이도 공공 정보를 통해 답변할 수 있는 일련의 짧은 진단 질문들로 구성된 실질적인 가이드를 제공합니다.