0:00

집을 새로 짓거나, 아니면 뭐 가게를 열려고 상가를 알아볼 때, 심지어 그냥 우리 집을 살짝 리모델링할 때조차, 우리를 끝없이 괴롭히는 게 하나 있습니다. 아, 네네. 뭔지 알 것 같습니다. 바로 건축법이죠. 이걸 들여다보기 시작하면 정말 머리가 아파와요. 맞습니다. 수백 개 법 조항은 기본이고, 뭐 계속 바뀌는 규정들, 전문가들조차 헷갈릴 때가 많다고 하더라고요. 실제로 국토교통부에만 매년 만 건이 넘는 건축 관련 문의가 쏟아진다고 하니까요. 만 건이요? 와. 네. 근데 이게 단순히 ‘좀 복잡하네.’ 하고 끝날 문제가 아니거든요. 이 복잡함 자체가 엄청난 사회적 비용을 발생시키고, 또 행정 비효율을 낳는 고질적인 문제입니다. 같은 사안이라도 담당자에 따라 해석이 달라지는 경우도 생긴다고요? 비일비재하죠. 그러니까요. 그런데 만약에 인공지능이 이 복잡한 건축법을 명쾌하게 해석해 준다면 어떨까요? 오늘 우리가 깊이 파고들 자료가 바로 이 질문에 대한 답을 찾아가는 연구보고서입니다. 인공지능하고 또 커뮤니티 인텔리전스라는 개념을 활용해서 건축법형 해석 시스템을 어떻게 개선하고 있는지 한번 깊이 들어가 보겠습니다. 네. 오늘 탐구의 목표를 먼저 좀 명확히 해보면 좋을 것 같은데요. 네. 첫째, 기존 AI 법률 해석 시스템의 한계가 뭐였는지 먼저 짚어보고요. 둘째로, 알리스(ALRIS)라는 차세대 시스템이 어떻게 그 한계를 극복하고 있는지 그 핵심 기술을 들여다볼 겁니다. 알리스요? 그리고 마지막으로, 이게 제일 중요한데, 단순히 AI 성능을 높이는 걸 넘어서요. 하이브리드 인텔리전스와 커뮤니티 인텔리전스, 인간의 집단 지성을 결합하는 새로운 접근법이 왜 중요한지 그 의미를 살펴보겠습니다. 좋습니다. 그럼 문제의 시작, 왜 건축법 해석에 AI가 필요한가? 이 심각성부터 짚어보죠. 건축법, 도대체 얼마나 복잡한 건가요? 보고서에 나온 숫자를 보면 좀 감이 오실 텐데요. 인허가에 직접 관련한 법령만 해도 200개가 넘습니다. 200개요? 그런데 이게 시작이에요. 실제 시스템은 400개, 심지어 800개가 넘는 세부 법령이랑 그동안 쌓인 질의응답 사례까지 다 참조해야 하거든요. 법들이 서로 얽혀있고 중앙정부법이랑 또 지자체 조례가 충돌하기도 하고요. 정말 거미줄 같네요. 그래서 AI를 도입하려는 시도가 있었던 거군요. 아키로우(Archilaw)라는 초기 버전이 있었다고요? 네. 알리스의 이전 버전인 아키로우(Archilaw) v2가 바로 그건데요. AI의 가능성을 보여줬죠. 자연어로 질문하면 답변을 생성해 주는 식이었습니다. 하지만 명확한 한계가 있었다, 이런 말씀이시죠? 그렇죠. 복잡한 사안에 대한 정확성. 그리고 수시로 바뀌는 법을 따라가지 못하는 최신성. 법은 계속 바뀌니까요. 네. 그리고 가장 큰 문제인데 AI의 답변을 법적 근거로 삼기 어려운 신뢰성 문제가 있었습니다. 여기서 정말 흥미로운 지점이 나옵니다. 새로운 시스템인 알리스는 이전과 무엇이 달라졌을까요? 가장 큰 차이는 에이전트 기반 아키텍처의 도입입니다. 에이전트요? 네. 이전 시스템이 질문 하나에 그냥 통으로 답변하는 방식이었다면요. 이제는 각자 역할이 다른 전문가 에이전트들이 하나의 팀처럼 협업하는 구조로 바뀐 겁니다. 팀이라뇨? 어떤 에이전트들인데요? 예를 들어서 가드레일 에이전트라는 게 있어요. 이 에이전트는 질문이 건축과 관련이 있는지 먼저 판단하고요. 아, 문지기 같은 거군요? 맞습니다. 그리고 플래너 에이전트는 더 정확한 검색을 위해서 질문을 좀 다듬어줍니다. 그 후에 이제 검색기가 자료를 찾고, 보고서 작성기가 최종 답변을 생성하는 식이죠. 각자 역할을 분담하니까 훨씬 정교하게 작동하는 거예요. 와, 훨씬 체계적이네요. 성능도 확실히 좋아졌겠는데요? 네, 맞습니다. 보고서에 나온 수치가 아주 인상적인데, 정답과의 결론 일치율을 비교해 보니까 기존 54.9%에서 63.5%로 8.6%p 향상됐습니다. 8.6%p면 엄청난 발전인데요? 그렇죠. 특히 주목할 점은요, 법령 검색에 실패했거나 법이 바뀐 경우, 그러니까 좀 까다로운 경우에도 73.5%라는 높은 일치율을 보였다는 겁니다. 어? 그게 더 높다고요? 정보가 없는데 어떻게 더 정확하죠? 바로 그게 에이전트들이 서로 보완하면서 시스템의 허점을 메워준다는 증거죠. 검색기가 뭘 못 찾으면 다른 에이전트가 다른 방식으로 접근하는 식으로요. 그런데 보고서를 보면 단순히 AI 모델 성능을 키우는 것만으로는 한계가 있다고 지적하더라고요. 스케일링 법칙의 한계에 부딪힌다는 거죠? 네, 바로 그 지점입니다. 모델과 데이터를 무작정 키워도 성능 향상 폭은 점점 줄어들거든요. 돈은 돈대로 쓰고요. 수학 체감의 법칙 같은 거군요? 맞습니다. 그래서 새로운 기술 트렌드가 등장하는데, 그 중 하나가 바로 하이브리드 인텔리전스입니다. 하이브리드 인텔리전스? 네, AI가 초안을 만들면 인간 전문가가 검토하고 피드백하는 휴먼 인 더 루프(Human in the Loop) 방식이죠. 인간이 참여하는 고리를 만드는 겁니다. 그럼 알리스 시스템에도 이 개념이 적용된 건가요? 핵심적으로 적용됐습니다. 전문가의 피드백이나 사용자들의 상호작용을 통해 쌓이는 암묵적인 지식을 운영 지식이라고 정의하고, 이걸 시스템이 다시 학습하게 만들어요. 운용 지식이요? 네, AI가 스스로 똑똑해지는 순환 구조를 만든 거죠. 그리고 또 하나의 핵심 개념, 커뮤니티 인텔리전스가 등장합니다. 이건 어떤 개념인가요? 이건 공동체 구성원들의 정보를 공유하고 협력하면서 개인의 역량을 뛰어넘는 집단적인 지혜가 나타나는 현상을 말합니다. 대중의 지혜라는 개념과도 맞닿아 있고요. 아, 위키피디아 같은 걸 생각하면 될까요? 정확합니다. AI의 한계를 인간 집단의 창의성과 가치판단으로 보완하는 거죠. 흥미롭네요. 실제 사례가 있나요? 네, 보고서에서 여러 해외 사례를 소개하는데요. 대만의 V-Taiwan이라는 플랫폼이 있어요. V-Taiwan이요? 네, 시민 수천 명이 참여해서 AI의 도움으로 법률 자문과 합의안을 도출하는 플랫폼입니다. 브라질에서는 또 앱(App)을 통해 시민이 직접 법안을 제안하고 서명을 모으기도 하고요. 시민들이 직접요? 네. 그리고 미국 교통부는 AI를 활용해서 백만 건이 넘는 공청회 의견을 분석하고 핵심 이슈를 추출하기도 했습니다. 와, 그렇다면 알리스의 궁극적인 목표는 단순히 질문에 답하는 AI를 넘어서 사용자와 전문가가 함께 지식을 쌓아가는 참여형 플랫폼이 되는 것이겠네요. 정확합니다. AI가 생성한 답변을 사용자들이 검토하고 의견을 나누고, 또 전문가가 최종 검증하는 구조를 통해서 시스템의 신뢰성과 정확성을 끊임없이 높여가는 것. 그것이 바로 알리스가 지향하는 방향입니다. 오늘 우리는 복잡한 건축법 문제를 해결하기 위한 인공지능의 진화를 살펴봤습니다. 단순한 검색 시스템에서 출발해서 여러 전문가 에이전트가 협업하는 알리스 시스템으로 발전했고요. 하지만 핵심은 기술 자체보다도 철학의 전환에 있는 것 같아요. 철학의 전환이요? 네, AI의 한계를 인정하고 인간 전문가의 개입과 사용자 집단의 지혜를 결합하는 하이브리드, 그리고 커뮤니티 방식으로 나아가고 있다는 점입니다. 이건 비단 건축법에만 해당하는 이야기는 아닐 거라는 생각이 드네요. 앞으로 우리가 마주할 수많은 복잡한 법률, 행정 시스템과 상호작용하는 방식의 미래를 보여주는 것 같기도 하고요. 맞습니다. 보고서의 향후 과제 중에 멀티모달 AI(Multimodal AI) 연구가 언급되거든요. 멀티모달이요? 네, 이제는 글자뿐만 아니라 빔 데이터, 그러니까 3D 건축 모델이나 도면 같은 시각 정보를 AI가 직접 해석하는 단계로 나아간다는 것이죠. 와, 그게 가능하다면 그렇다면 한번 상상해보죠. 미래에는 건축 도면이나 건물 사진을 AI에게 그냥 보여주기만 하면 어떤 법규에 맞고 어떤 점이 부족한지 왜 그런지까지 즉시 설명해 주는 시대가 올 수도 있지 않을까요? 충분히 가능성 있는 이야기입니다. 건축가, 도시계획가, 그리고 우리 모두에게 그것은 과연 어떤 변화를 의미하게 될까요?