← 2026-05-21 목록으로
핵심 요약
- 공공기관의 총인건비 인상률 산정 업무는 매년 정부 지침에 맞춰 수십 개의 엑셀 파일 연동과 담당자의 암묵지에 의존해 3~4주가 소요되는 대표적인 행정 병목 지점이었다.
- 단순 지시(프롬프트)나 배경 지식 입력(컨텍스트) 방식을 넘어, AI 에이전트의 작동 범위를 제어하고 절대적 규칙을 강제하는 ‘하네스 엔지니어링(Harness Engineering)’ 기법을 적용하여 공공기관용 시뮬레이션 시스템을 구축했다.
- 이 시스템은 ERP 로우 데이터를 탑재하는 것만으로 복잡한 급여 소급분과 승진 영향을 자동 계산하며, 검증용 서브 에이전트의 교차 검증을 통해 기존 대비 업무 시간을 50% 이상 단축하고 인수인계 리스크를 원천 해결했다.
주요 내용
1. 공공기관 행정 업무의 병목과 AI 도입 배경
- 정부 지침과 복잡한 세부 기준: 공공기관은 예산 내에서 인건비를 임의로 집행할 수 없고, 정부가 정해준 엄격한 인건비 분류 지침을 준수해야 합니다.
- 엑셀 의존성과 휴먼 에러 리스크: 1년 동안 집행한 인건비, 승진, 전보, 급여 소급분 등을 20~25개의 개별 엑셀 파일로 연동하여 수작업으로 계산해 왔습니다. 연말에 수식이 하나만 어긋나도 전체 계산 오류가 발생하는 구조였습니다.
- 담당자 암묵지(Tacit Knowledge)의 한계: 인건비 계산식과 정부 지침 해석이 담당자 개인의 노하우(암묵지)에 고착되어 있어, 담당자가 갑자기 퇴사하거나 바뀔 경우 기관 전체의 행정이 마비되는 위험이 존재했습니다.
2. 하네스 엔지니어링(Harness Engineering)의 도입 이유
- 전통적 프롬프트의 한계: 복잡하고 엄격한 금융/인사 데이터를 다룰 때 AI가 임의로 코드를 변경하거나 수식을 깨뜨리는 현상이 발생해 시스템 통제가 불가능했습니다.
- 하네스 엔지니어링의 정의: 자율주행차의 급제동 시스템이나 차선 이탈 방지 장치처럼, AI 에이전트가 위험 영역을 침범하려고 할 때 작동을 멈추거나 사용자에게 되묻도록 설계하는 ‘안전 브레이크 기술’입니다.
- 멀티 에이전트 구조: 주 에이전트 아래에 계약 연동 경로 추적, UI 동작 제어, 보안 감사 등을 각각 전담하는 서브 에이전트(Sub-Agent)들을 배치하여 상호 검증하도록 설계했습니다.
3. 총인건비 인상률 산정 프로그램 작동 시연
- Raw 데이터 원클릭 탑재: ERP에서 다운로드한 월별 기본급, 제수당, 연가보상비 등 가상의 로우 데이터를 시스템에 업로드하면 정규직과 무기계약직 등으로 자동 분류되어 시트에 입력됩니다.
- 실시간 소급분 및 정원 시뮬레이션: 임금피크제 대상자 유무, 정원 증감에 따른 소급분을 자동 반영합니다.
- 슬라이더 기반 실시간 조정: 화면의 ‘기본연봉 인상률’ 슬라이더를 마우스로 조절하면(예: 2.841%에서 다른 수치로 변경 시), 총인건비 가용 예산 내에서 정부 가이드라인(예: 3%) 준수 여부가 녹색/적색 표시등과 함께 실시간 시뮬레이션됩니다.
4. 공공 부문의 AX(AI 전환)와 공공봉사동기(PSM)
- 공공 부문 AX의 특수성: 공공기관은 사기업처럼 단기적인 매출 증대나 인센티브 강화를 목표로 AI를 도입하기 어렵습니다. 대신 정부 평가지표(경평) 반영 등의 탑다운(Top-down) 방식과 실무진의 바텀업(Bottom-up) 노력이 결합되어야 합니다.
- 공공봉사동기(PSM, Public Service Motivation): 기술 도입을 통한 단순 시간 절약에 그치지 않고, AI가 단순 반복 행정 업무를 분담해 줌으로써 확보된 슬랙(Slack, 여유 시간)을 공익 창출 및 국가 정책 기여 등 더 창의적이고 본질적인 행정 업무에 투자할 수 있도록 돕는 것이 핵심 가치입니다.
핵심 데이터 / 비교표
에이전트 제어 기법의 발전 단계 비교
| 구분 |
개념 및 특징 |
비유 (운전 상황) |
본 시스템 적용 사례 |
| 1. 프롬프트 엔지니어링 |
AI에게 수행해야 할 업무를 말로 단순 지시하는 기초 단계 |
“목적지까지 안전하게 운전해 줘”라고 말로 지시함 |
“인건비 계산 코드를 작성해 줘”라고 텍스트 지시 |
| 2. 컨텍스트 엔지니어링 |
의사결정에 필요한 배경 지식, 데이터, 도메인 정보를 세부적으로 제공 |
지도 정보와 실시간 교통 상황 데이터를 제공함 |
정부의 경영평가 편람 지침 및 ERP 데이터 연결 지식을 학습시킴 |
| 3. 하네스 엔지니어링 |
AI가 시스템에 치명적인 오류를 내지 않도록 절대적 제어 규칙과 안전 가이드라인을 강제함 |
차선 이탈 방지 및 장애물 감지 시 자동 제동 시스템 작동 |
특정 인건비 템플릿(3-5) 비활성화 규칙을 어기고 수정을 시도할 경우 작동을 중단하고 경고 창을 띄움 |
AI 도입 전후 성과 비교
| 항목 |
AI 도입 전 (기존 수작업) |
AI 도입 후 (AI 에이전트 시스템) |
| 소요 시간 |
연말 집중 산정 기간 기준 3 ~ 4주 소요 |
기존 대비 50% 이상 단축 |
| 오류 발생률 |
20여 개 개별 엑셀 연동으로 휴먼 에러 위험 높음 |
하네스 엔지니어링과 자바스크립트 사전 검증으로 정합성 확보 |
| 업무 연속성 |
특정 담당자의 암묵지(노하우) 의존으로 부재 시 마비 리스크 |
시스템 내 로직 탑재로 후임자 및 타 부서 실무자도 즉시 수행 가능 |
타임스탬프별 핵심 포인트
| 시간 |
핵심 내용 |
| 00:21 |
공공기관 인건비 예산 통제 및 정부 지침 분류의 복잡성 설명 |
| 01:39 |
기존 인사/보수 담당자들이 겪는 연말 엑셀 수작업 및 과도한 업무량 언급 |
| 02:35 |
정부의 공공기관 AI 활성화 정책 및 경영평가 지표 반영 트렌드 소개 |
| 03:00 |
기술 자체보다 도메인 지식(행정 업무 전문성)이 선행되어야 하는 AX의 본질 강조 |
| 05:04 |
데이터 시각화 및 엑셀 내 VBA 코드 생성 등 생성형 AI의 초기 실무 적용 과정 |
| 08:21 |
프롬프트 → 컨텍스트 → 하네스 엔지니어링으로 이어지는 AI 통제 기법의 3단계 개념 비교 |
| 09:41 |
하네스 엔지니어링을 활용한 프로젝트 파일 구조 설계 방식 설명 (AGENTS.md 및 서브 에이전트 역할 부여) |
| 10:35 |
하네스 엔지니어링의 실제 작동 시연 (금지된 명령 수행 시 AI가 스스로 판단해 멈추는 검증 기능) |
| 11:06 |
ERP 로우 데이터 업로드 및 실시간 시뮬레이션 대시보드 화면 시연 |
| 13:00 |
수작업 대비 업무 소요 시간 50% 이상 단축 효과 확인 |
| 13:35 |
암묵지에 갇혀 있던 개인의 업무 노하우를 조직의 시스템 자산으로 통합하는 의의 설명 |
| 15:00 |
공공기관 구성원들을 움직이는 AI 동기부여법으로서 ‘공공봉사동기(PSM)’ 개념 제시 |
| 16:36 |
기술의 변화 속도에 함몰되지 않고 실무의 ‘문제의식’에서 출발하는 AI 공부법 조언 |
결론 및 시사점
- 행정 암묵지의 시스템화: 특정 개인에게 종속되어 있던 인사·급여 업무 노하우를 AI 에이전트 시스템에 명문화함으로써, 공공 조직의 행정 영속성을 확보하고 인수인계 시 발생하는 보이지 않는 기회비용을 획기적으로 낮출 수 있습니다.
- 안정성을 담보하는 통제 기술의 중요성: 오차가 허용되지 않는 재정 및 인사 행정 업무에 생성형 AI를 결합할 때는, AI의 자율성을 무조건 방임하기보다 ‘하네스 엔지니어링’과 같은 명확한 규칙 기반의 안전 가이드라인을 체계적으로 설정하는 것이 성공의 선결 조건입니다.
- 단순반복 업무 제거가 가져올 진정한 공익: AI 혁신은 인력 감축이 목적이 아니라 실무자의 여유 시간(Slack)을 확보하는 데 있습니다. 실무자가 정부 지침 매칭이나 수식 오류 교차 검증에 쏟던 에너지를 절약하여 더 창의적이고 국민 친화적인 공공 정책 수립에 집중할 수 있는 환경을 만들어 줍니다.
추가 학습 키워드
- 하네스 엔지니어링 (Harness Engineering): AI 에이전트의 작동 범위를 제한하고 사전에 정해진 규칙 및 브레이크 시스템을 설계하는 고급 AI 통제 기법.
- 공공봉사동기 (PSM, Public Service Motivation): 공익 증진과 사회 기여 등 공공 영역 종사자들의 내재적 가치와 신념에 기반한 동기부여 이론.
- 암묵지 (Tacit Knowledge): 언어나 문서로 쉽게 표현하기 어려운 개인의 축적된 노하우와 직관적 기술.
- 멀티 에이전트 시스템 (Multi-Agent System): 특정 목표 달성을 위해 각기 다른 전문 역할을 맡은 다수의 서브 AI 에이전트가 상호 소통하고 검증하는 구조.
- AX (AI Transformation, AI 전환): 조직의 디지털화를 뜻하는 DX(Digital Transformation)를 넘어, 인공지능 기술을 일하는 방식과 조직 문화의 본질에 이식하는 프로세스.
기본 정보
| 항목 | 내용 |
|—|—|
| 채널 | 티타임즈TV |
| 카테고리 | 경제 |
| 게시일 | 2026-05-21 |
| 영상 길이 | 38:48 |
| 처리 엔진 | gemini-3.5-flash |
| 원본 영상 | YouTube에서 보기 |