공공 행정 분야 인공지능 시스템의 기술적 유형론

A Technical Typology of AI Systems in Public Administration

공공 부문에서의 인공지능(AI) 연구는 종종 'AI'를 단일 범주로 취급하며, 서로 다른 AI 시스템 간의 기술적인 차이점을 간과하는 경향이 있습니다. 그러나 이러한 차이점은 책임성, 절차적 공정성, 차별 금지와 같은 핵심 공공 가치에 미치는 영향에 영향을 미칩니다. 본 논문은 공공 행정 연구가 'AI'에 대한 보다 정확한 기술적 분석을 통해 발전할 수 있다고 주장하며, 이를 위해 세 가지 기여를 합니다. 첫째, 우리는 코딩된 시스템, 투명형 시스템, 불투명형 시스템, 범용 시스템, 그리고 자율형 시스템의 다섯 가지 유형으로 AI 시스템을 분류하는 유형론을 제시합니다. 이 유형론은 각 시스템 유형이 공공 가치에 미치는 영향에 따라 시스템 유형을 그룹화하여 공공 행정에 맞게 조정되었습니다. 둘째, 우리는 91편의 고인용 논문(2019-2025)을 우리 유형론에 따라 분석하여 최근 공공 행정 연구에서 AI에 대한 기술적 정확성을 평가합니다. 분석 결과, 대부분의 논문(55%)에서 연구 대상 시스템에 대한 구체적인 정보가 부족하며, 31%는 연구 내용과 실제로 연구하는 시스템이 일치하지 않고, 41%는 연구 대상 시스템으로 뒷받침되지 않는 일반적인 결론을 내리고 있습니다. 마지막으로, 향후 연구를 위한 실질적인 제안을 제공합니다. 흔히 발생하는 문제점을 지적하고, 연구자들은 최소한 연구 대상 시스템을 우리 유형론에 위치시킬 수 있을 만큼 충분한 기술적 정보를 제공해야 한다고 제안합니다. 이를 위해, 우리는 공공 정보와 전문적인 기술 지식 없이도 답변할 수 있는 간단한 진단 질문 모음이라는 실용적인 가이드를 제공합니다.

Research on artificial intelligence (AI) in the public sector often treats "AI" as a single category, neglecting technical distinctions between different AI systems. But these distinctions affect how different systems impact core public values like accountability, procedural justice, and non-discrimination. This paper argues that public administration research would benefit from more technical precision on "AI" and makes three contributions to this end. First, we introduce a typology of five categories of AI systems: hand-coded, glass-box, black-box, general-purpose, and agentic systems. We calibrate the typology to public administration by grouping system types by their distinct implications for public values. Second, we evaluate technical precision in recent public administration research about AI by coding 91 highly-cited papers (2019-2025) using our typology. We find widespread imprecision: most papers (55\%) leave the studied system underspecified, 31\% motivate their work with a different system than they study, and 41\% make more general conclusions than the studied system supports. Finally, we give practical recommendations for future research. We highlight common pitfalls to avoid, and suggest that researchers should, at a minimum, provide enough technical detail to locate the studied system in our typology. To this end, we provide a practical guide -- a short set of diagnostic questions answerable from public information and without specialist technical knowledge.