본문으로 바로가기

연구보고서

보고서명

AI 기반 갈등관리 DB 구축 및 운영방안 연구

보고서명(영문)

A Study on Establishment and Application of AI-based Conflict Management Database

  • 책임자 임성근
  • 소속기관한국행정연구원
  • 내부연구참여자은재호,허준영,조유선,최병윤
  • 외부연구참여자서영선,장신재,박외진,김종희,최종명,이수기,김경원,이창용,김민휴,공득조,임현택,신성호
  • 발행기관 경제·인문사회연구회
  • ISBN979-11-5567-716-2
  • 출판년도2024
  • 페이지319
  • 보고서유형 협동연구보고서
  • 연구유형 정책
  • 표준분류 일반공공행정 및 공공안전 > 갈등관리
  • 자료유형연구보고서
  • 공공누리유형 4유형 (출처표시+상업적이용금지+변경금지)
  • 주제어갈등DB, 갈등관리, 빅데이터 생성형 AI, 갈등관리 지원플랫폼
  • 갈등의 사전적 개념은 개인·집단·조직 간에 ‘서로 상치되는 견해·처지·이해 따위의 차이로 생기는 충돌’을 의미한다. 갈등의 개념은 학문 분야나 연구목적에 따라 다양하게 정의될 수 있지만, 행정 및 정책학 분야에서 주로 논의되는 갈등은 공권력의 개입이 필요한 영역에서 발생하는 ‘공적’ 갈등이다. 공적갈등에는 중앙부처 간·중앙부처와 지방자치단체 간·지방자치단체 간 발생하는 갈등인 ‘정부 간 갈등’, 정부와 정책대상 집단 사이에서 발생하는 ‘공공(민-관) 갈등’, 민간에서 발생한 갈등이지만 그 영향력과 파급력이 중대하여 정부가 적극적으로 개입하여 예방과 해결을 이끌어야 하는 ‘사회갈등’의 세 유형이 존재한다. 이 중, 현대사회에서 개인의 생활에 미치는 공적 영역의 비중이 점차 증가함에 따라, 정부의 정책 및 사업을 통한 사회적 자원의 배분을 둘러싸고 발생하는 공공갈등이 지속해서 급증하고 있다. 더불어 계층·이념·성별·지역·세대 등에 따른 사회갈등이 점차 심화함에 따라 사회통합이라는 관점에서 정부가 사회갈등 현황을 지속해서 모니터링 하고 사회갈등의 예방과 해결방안을 모색하고자 하는 노력의 중요성 또한 점차 커지고 있다.
    갈등은 일반적으로 부정적인 것으로 인식되지만 갈등을 통해 개인·조직·사회 안에 잠재되어있던 문제를 확인하고 개선할 수 있다는 측면에서 갈등의 긍정적인 기능이 존재한다. 따라서 갈등의 부정적이고 악의적인 요소를 해소하고 순기능과 긍정적 요소만을 활용하기 위한 갈등관리의 개념이 강조되었다. 특히 공공갈등은 정부 정책 및 사업을 추진하는 과정에서 다양한 이해관계자들이 복잡하게 얽혀있고, 갈등의 원인이 복합적이고 비용과 편익의 대상 관계가 불명확하여 단순한 법의 적용 및 사법적 판결만으로는 갈등의 해소가 어려우며, 갈등의 심화 시 사회경제적 손실 및 사회적 분열로 인한 막대한 사회적 비용이 발생하기 때문에 무엇보다 효과적인 갈등관리가 중요하다 할 수 있다. 공공갈등은 수많은 이해관계자가 얽혀있고 역동적이고 동태적인 특성이 있으므로, 갈등에 대한 정보가 축적되어있는 경우 갈등 당사자들의 인식 개선 및 합리적 판단의 근거로 활용되어 갈등을 효과적으로 관리할 수 있도록 도움을 줄 수 있다. 또한 과거의 갈등 정보를 통해 미래에 예측 가능한 갈등을 미리 예방할 수 있다는 측면에서 갈등 정보의 저장과 관리는 매우 중요하다.
    국내에서 발생한 갈등사례에 대한 경험적 자료가 축적되었음에도 부처·기관별로 갈등 관련 정보가 산재하여 있고, 이에 대한 종합적 관리시스템은 미비한 실정이다. 그리하여 갈등사례 등 갈등 관련 정보를 갈등관리에 효과적으로 활용하지 못하고 있다. 갈등관리 관련 연구보고서, 갈등영향분석서, 갈등사례, 갈등 관련 통계 등을 통합적으로 관리하기 위한 시도가 그동안 없었던 것은 아니지만 관련 자료를 생산하거나 입수하는 등의 어려움으로 뚜렷하게 성과를 내지는 못하였다. 우리는 이를 해결하는 방안으로 최근 그 효용성이 주목을 받는 생성형 AI 기술을 활용하는 방법을 연구하기로 하였다. AI 기반 갈등DB를 구축하고 운영하는 방안을 도출하여 향후 정부와 공공기관, 연구자 등이 활용할 수 있는 시스템을 구축하여 활용하는 방안을 찾아보기로 한 것이다.
    갈등DB란 공공갈등 사례들에 대한 정보를 수집하고, 해당 정보들을 갈등의 특성에 대한 분류기준(갈등의 주체, 발생지역, 갈등 분야, 지속 기간, 갈등의 성격, 해소 여부, 해결 기제 등)을 바탕으로 구조화한 자료라고 볼 수 있다. 일반적으로 DB에 구축된 정보들은 양적으로 수치 가능한 자료들인 경우가 많지만, 공공갈등에 관한 정보는 갈등의 개요, 이해관계자, 전개 양상 등을 포함하여 주로 질적인 정보들로 구성되어 있어서, 각 기관의 DB에 저장되는 자료의 수집 방법과 정리체계는 기관마다 다르게 이루어져 있다. 따라서 기존에 구축된 갈등DB의 경우 갈등 DB의 목적과 구축 범위, 구축 체계가 서로 상이하여 DB 간의 연계나 통합이 어렵고 활용 대상 및 방안에 대한 목적과 고민이 불투명한 채 구축되어오다가, 그 필요성과 유용성에도 불구하고 현재는 구축과 운영 활동이 대부분 중단되었다. 기존의 갈등DB들이 지닌 사례 선택과 자료 구축의 일관성 문제, 인력과 재원 투입의 지속가능성 문제, 정보 비공개 및 사용자 편의성 부족 문제 등을 해소하고자, 이 연구에서는 최근의 빅데이터와 생성형 AI 기술을 활용하여 더 효과적으로 갈등DB를 구축하는 방안에 관해 논의하고자 하였다.
    빅데이터는 방대한 양의 데이터와 이를 분석하고 관리하는 기술과 도구들을 의미하며, 빅데이터 플랫폼이란 다양한 종류의 데이터를 수집·정리·처리하고 분석 및 시각화를 기반으로 의사결정을 내리는데 필요한 다양한 도구들을 제공하는 하드웨어 및 소프트웨어를 의미한다. 종합하면 빅데이터 기술은 획득한 다양한 데이터들을 통합하고 효과적으로 관리 및 가공해주며, 데이터 전처리 과정을 통해 분석과 목적에 따라 데이터의 구조를 변경하거나 차원 축소 등을 통해 데이터를 분석에 적합하도록 변경해 주는 모든 과정을 의미한다. 빅데이터가 인공지능이 사용하는 기초자료인 원료의 개념이라면, 그 원료를 통해 인간의 지능을 통해 수행되는 수많은 의사결정을 컴퓨터가 할 수 있도록 만드는 지능 또는 기술을 인공지능이라고 하며, 특히 인공지능 기술 중 인간의 요청에 따라 데이터분석 결과를 능동적으로 생성하는 기술을 생성형 AI라 한다. 그동안 공공·사회갈등과 관련하여 사람이 직접 언론 보도나 보고서 등의 자료를 수집하고 정리하여 갈등DB를 구축하고 정리하여 갈등 대응에 도움이 되는 정보를 추출하던 일을 빅데이터와 생성형 AI 기술의 발전에 따라 자동으로 갈등DB를 구축할 수 있는 기반이 마련된 것이다.
    제3장 제1절에서는 중소기업이 보유한 기술 역량을 토대로 다각화할 수 있는 신사업 분야를 제품 수준에서 추천하고, 도출된 신사업 분야와 해당 분야에서 사업을 영위하고 있는 기업의 기술적 특성을 제시하는 인공지능 플랫폼을 소개하였다. 이 플랫폼은 언어모델을 활용하여 특허-상표 통합 데이터베이스로부터 상품 및 서비스 간 기술적 관계를 나타내는 벡터 공간 모델을 구축하고 사용자의 프롬프트에 부합하는 신사업 분야를 추천한다. 하지만 신사업에 관한 의사결정은 기업의 상황에 따라 다를 수 있으며 추천된 모든 분야가 신사업 진출에 적합한 영역은 아닐 수 있다. 이에 도출된 신사업 분야와 해당 분야에서 사업을 수행 중인 기업에 대한 기술적 시사점을 나타내는 정량적 지수와 시각화 결과물을 제공함으로써 신사업 진출과 관련된 의사결정을 지원한다. 우리는 사례분석을 통해 공공부문에서의 인공지능 활용은 내부 업무의 효율성 개선뿐만이 아니라, 데이터 기반 인사이트 제공, 공공서비스 품질 향상 등에 이바지하는 것을 확인하였다. 또한 갈등관리에 특화된 언어모델 개발을 위해서는 (1) 체계적인 데이터 수집 및 품질 검토 방법 마련을 통한 고품질의 데이터 확보, (2) 활용 목적에 부합하는 모델 선정 방법과 모델의 타당성 검토를 위한 체계 구축, (3) 할루시네이션 문제에 대응하는 방안 마련이 필요함을 확인하였다.
    제3장 제2절은 미국 세관 및 국경 보호국의 법 집행 사례, 제3절에서는 미국 증권거래위원회의 주식시장 불공정 거래 규제사례, 제4절에서는 한국 법원 판결문 작성 생성형 AI 도입 사례를 분석하였다. 미국 세관 및 국경 보호국에서는 외국인들의 미국 내에서의 범죄 활동을 감시하면서 이민 및 통관법을 시행하기 위하여 인공지능과 머신러닝 기술을 이용하여 범죄 리스크 예측 시스템을 도입하였다. 미국 증권거래위원회에서는 인공지능과 머신러닝 기술을 이용하여 (1) 회계 및 재무 보고서 부정행위, (2) 내부자 거래에 기반한 부정행위, (3) 불법 투자 자문가 및 자산 관리자의 부정행위를 규제하는 데 도움을 받고 있다. 우리나라 대법원은 2024년 9월부터 차세대 전자소송 시스템에 자동으로 판결문을 추천하는 AI를 도입할 예정이다. 이러한 인공지능과 머신러닝 기술은 한정된 인적·물적 자원으로 효율성을 극대화하는 데에 도움을 주는 반면 정보를 독점함으로써 사회를 통제하는 빅 브러더(big brother) 존재의 출현에 대한 우려와 AI 정보 윤리에 관한 관련 법령 재정비에 대한 요구의 목소리도 함께 커지고 있다. 또한 공공부문의 AI 기반 DB 구축 및 운용 사례가 증가함에 따라 취약 계층에 대한 편향(bias)이 증가할 우려가 있다. 이상의 사례분석 결과는 각 정부 부처와 공공기관에서 AI로 인한 편견을 감지하고 모니터링하고 해결하기 위한 윤리기준을 마련하고, 그에 따른 법적 체계도 마련해야 함을 보여주고 있다. 현재 국회에 계류 중인 「인공지능 산업 육성 및 신뢰 기반 조성에 관한 법률」의 제정을 통하여 공공부문의 AI 활용 및 운용으로 인한 부작용을 해결할 수 있는 법적·제도적 규범을 마련이 필요하다 하겠다.
    제4장에서는 갈등에 대한 특징을 사전적으로 파악하면 갈등관리 DB 구축의 방향성이나 효율성을 향상할 수 있다는 측면에서 빅데이터를 활용한 갈등분석을 진행하였다. 뉴스와 민원이라는 두 가지 출처를 대상으로 분석을 진행한 결과, 데이터베이스에 따라 특징 차이를 확인할 수 있었다. 먼저 갈등 관련 뉴스를 활용할 경우, 분야 및 언론사별 특징 차이를 확인할 수 있었다. 정치, 경제, 사회, 지역, 문화, 국제로 분류된 갈등 기사의 추이에 따라 갈등의 시기별 상대적인 특징을 파악할 수 있으며, 언론사에 있어 전문지나 지역지의 특징도 비교할 수 있다. 갈등 뉴스 데이터에서는 정치 관련 내용이 높은 비중을 차지했고, 언론사별로는 전문일간지가 높은 비율을 나타냈다. 이러한 갈등 뉴스 비중은 정도의 차이는 있으나 일부 경제변수들과 연관성도 나타내었다. 시기별로 보면 최근에는 다시 감소하는 모습을 나타내고 있으나 전체 갈등 기사 비중이 코로나19 이후 평균적으로 높았던 것으로 확인된다. 이는 코로나19로 촉발된 경제적 불평등 및 선거 이벤트와의 연관성에 기인하였을 가능성이 존재하며, 이러한 결과는 코로나19 이후 갈등이 심해졌다는 일부 설문조사의 결과와도 일치한다. 키워드의 내용이나 연관 분석을 통해 분야와 시점별 갈등의 특징에 대해 구체적인 파악이 가능하다. 확보된 뉴스 데이터의 출처 비중에 따른 편향성 이슈가 존재할 수 있지만, 다양한 특징들을 확인할 수 있다는 점에서 뉴스 데이터를 활용한 갈등 추정은 가치가 있다.
    두 번째 갈등분석 재료인 민원 데이터의 경우 뉴스 데이터와는 다르게 인구학적 특징별로 구분해서 갈등을 간접적으로 살펴볼 수 있다. 동시에 지역 및 분야별로도 민원의 특징을 파악할 수 있었는데 다수의 민원이 수도권에서 집중적으로 나타났으며, 교통 관련 민원이 많다는 점도 특징적이었다. 높은 비중을 나타내는 교통환경 관련 민원을 제외하면 주택, 도시, 교육, 환경 등 시점별 민원의 특징을 통해 사회갈등의 간접적인 모습을 살펴볼 수 있다. 코로나19 이전에는 뉴스 데이터와 비슷한 추세를 나타내던 민원 건수는 코로나19 이후 감소세를 나타내 두 데이터 출처의 시점별 차이를 확인할 수 있었다. 이는 코로나19라는 구조적 변화를 통해 나타나는 갈등의 모습이 데이터의 출처에 따라 다르게 파악될 수 있음을 의미한다. 갈등의 특징이 분야뿐만 아니라 데이터 출처에 따라 차이가 나타날 수 있다는 점에서 갈등 정보의 정확한 확보를 위해 다양한 데이터들을 보완적으로 활용할 필요가 있다.
    반면 두 데이터 출처에서 공통으로 확인된 갈등의 특징은 지속성이다. 보통 갈등은 발생, 인식, 해소까지 상당한 시간이 소요된다는 점에서 뉴스 보도나 민원이 지속해서 나타날 수 있다. 갈등의 지속은 경제적 비효율을 초래하는 동시에 해소까지도 큰 비용과 시간이 소요되는 만큼 꾸준한 관찰이 필요하며 이러한 특징은 향후 갈등을 분석하고 해소방안을 마련하는 데 있어 의미 있게 고려될 필요가 있다. 이러한 분석 내용에 기반하여 갈등 내용의 정확성, 편향성 이슈, 갈등의 분류 및 지속성 등 다양한 특징들을 고려하여 갈등DB를 구축 및 운영한다면 DB의 가치를 더욱 향상할 수 있을 것으로 기대된다.
    제5장에서는 LLM을 이용한 갈등DB 구축의 사전 연구로, 갈등데이터를 지식그래프로 생성하는 데이터 전처리 파이프라인을 연구하였다. 연구자료와 뉴스, SNS 등 다양한 소스에서 발생하는 비정형데이터로 갈등DB를 구축하기 위해선, 갈등분야에 특화된 데이터 구조 확보가 선행되어야 한다. 갈등 특화 지식그래프를 생성하는 파이프라인을 구축하여 인공지능 기반 갈등DB 구축을 위한 데이터 전처리 구조를 확보하였다.
    LLM(Large Language Model)을 이용한 지식그래프 생성(Knowledge Graph Generation)은 수작업이나 규칙 기반 접근법에 비해 더 정확하고 효율적으로 대규모 텍스트 데이터를 분석할 수 있는 장점이 있으며, 의료, 금융, 기업의 의사 결정 지원 시스템 등에서 활용될 수 있다. 특정 도메인 데이터와 결합할 경우, 빠르게 해당 도메인에 필요한 특화 데이터 구조를 확보하는 데 활용될 수 있다.
    LLM을 이용한 지식그래프 생성은 다양한 데이터 소스로부터 구조화된 지식을 자동으로 추출하여 그래프를 생성하는데, 해당 그래프는 entity(개체, 예: 사람, 장소, 물체)와 이들 간의 Relation(연결)을 구조적으로 표현하는 지식그래프 형태를 따른다. LLM은 이 과정을 지원하기 위해 자연어 처리 기술을 활용하여 대규모의 비구조화된 텍스트 데이터를 분석하고, 이를 구조화된 형태로 변환하는 역할을 한다.
    LLM을 이용한 지식그래프 생성 과정을 자동화하는 프로세스를 개발하기 위해서 복잡한 데이터 소스로부터 유의미한 정보를 추출하고, 이를 지식그래프의 형태로 구조화할 수 있는 고도화된 파이프라인을 설계하였다. 이 과정은 특정 도메인에 적합한 지식그래프를 생성하기 위한 기초 작업이며, 다양한 데이터셋에 적용 가능한 범용적인 참조 모델을 제공하는 것을 포함한다. 이를 통해, 연구자들과 개발자들은 갈등과 같은 복잡한 현상을 분석하고 이해하는 데 필요한 도구를 얻게 될 수 있었다.
    우리는 지식그래프 생성을 위한 다양한 단계별 텍스트 프롬프트 설계와 파이프라인 구조화에 중점을 두었다. 이는 이름 인식(NER), 관계 추출(RE) 등을 위한 LLM 프롬프팅을 포함하며, 갈등분야 데이터셋에 대한 기본 레퍼런스를 제공한다. 여기서 개발된 기술은 다음 단계의 기술 항목 구현 및 실험을 위한 기반을 마련하며, 이 과정에서 구체적인 프롬프트 설계와 적용 테스트에 집중하였다.
    제6장에서는 미디어와 SNS에서 갈등 관련 원문을 수집하고, 이를 LLM 기반으로 분석 및 요약하여 갈등DB를 구축하는 연구를 진행하였다. 미디어, SNS에서 수집한 갈등이슈별 개요, 쟁점, 이해관계자 등 주요 정보를 LLM 생성형 AI를 통해 갈등DB의 초안을 구축한다. 이를 통해 갈등DB 구축의 지속가능성 및 생산성 확보하는 것을 목표로 하였다. AI 활용 갈등 DB 구축 과정은 미디어, SNS에서 원문을 일일 단위로 크롤링하고, 크롤링한 원문에서 공공갈등에 해당하는 원문을 스크리닝한 뒤, 원문을 클러스터링하여 특정 갈등이슈를 도출하고, 갈등이슈별 주요 정보를 요약/정리하는 순서로 진행하였다. 이 과정은 체계적이고 자동화된 방식으로 대량의 데이터를 처리함으로써, 신속하고 효율적으로 갈등 정보를 수집하고 분류한다.
    우리는 갈등이슈 분석의 원천 데이터가 되는 미디어로 2023년 6월 2주 차부터 2023년 12월 2주 차까지 28주 차의 원문 데이터를 크롤링하였다. 미디어(뉴스) 2,735,664건(주 평균 9, 7만 건), SNS 1,775,702건(주 평균 6.3만 건) 수집하였다. 수집한 원문으로는 갈등이슈로 분석할 원문을 필터링하는 과정을 진행한다. 특정 분량 이상을 대상으로 선정하기 위해 1,000byte 미만의 뉴스를 필터링하였고, 사전에 구축한 갈등 키워드를 하나 이상 포함하고 있는 원문을 선별하여 잠재 사회갈등 원문으로 분류하였다. 잠재 사회갈등 원문으로 분류한 원문을 대상으로 LLM을 활용하여 공공갈등 포함 여부를 분류하였다. 공공갈등으로 분류된 뉴스 원문을 대상으로, 사건의 핵심 내용을 추출하여 육하원칙(누가, 무엇을, 언제, 어디서, 왜, 어떻게)에 따라 문장을 요약하는 작업을 진행하였다. 이 과정은 LLM을 활용하여 자동화되었으며, 각 사건의 중요 정보를 간결하게 재구성하였다.
    우리는 필터링한 다수의 원문에서 같은 주제의 갈등이슈를 군집화(Clustering)하였다. 그다음 배치 그룹핑(Batch Grouping)을 하여 도출된 갈등사건 요약문 간을 비교하여 같은 사건을 다루고 있는 요약문끼리 그룹화하고 이름을 생성하였다. 그룹화한 데이터 중 원문이 많은 그룹을 필터링하고, 그룹별로 대표할 수 있는 원문을 도출한다. 도출한 대표 원문을 기반으로 갈등이슈 주요 쟁점, 개요 및 원인, 이해관계자별 의견, 갈등속성 등 갈등DB에 정리될 요소를 LLM 프롬프팅을 기반으로 생성하였다.
    본 연구에서는 LLM을 통해 구축한 갈등사례 DB는 2023년 9월 1주 차부터 2024년 3월 4주 차까지 30주 차에 걸친 뉴스 원문을 분석하였다. 주 차별 10개 갈등이슈를 도출하였으며 총 300개의 갈등사례 DB를 구축하였다.
    본 연구에서 개발한 "LISTEN"은 공공갈등을 분석하기 위해 데이터 크롤링을 활용하는 AI 기반 시스템으로, 복잡한 데이터셋에서 중요한 정보를 추출하고 정리하는 데 탁월한 능력을 제공한다. LISTEN 시스템은 생성형 AI를 활용해 갈등이슈를 자동으로 요약하며, 시간에 따른 갈등 추이 분석, 유사 사례 비교 및 학습, 원문 조회 기능 등 광범위한 기능을 제공한다. 이와 함께, 이해관계자 분석, 감정분석, 그리고 키워드 및 쟁점 분석 기능을 통한 갈등 양상의 시각화를 제공해 정보를 직관적으로 이해할 수 있게 한다. LISTEN은 개선점이 다수 존재하지만, 행정 및 정책 분석에 새로운 방향을 제시할 것으로 기대된다. 그러나 LISTEN은 그 다양한 유용성에도 불구하고 일련의 한계를 갖는다. 대표적으로 갈등사례 요약은 가능하지만, 갈등사례집 수준의 심도 있는 사례 생성이 아직 어렵다는 점이다. 또한, 갈등의 다양한 단계와 국면을 세밀하게 구분하여 제시하는 데도 한계를 보인다. 갈등의 발단, 전개, 해소 등의 단계별 특징과 각 단계에서의 주요 이슈 및 이해관계자들의 역할과 영향력을 명확하게 분석하고 정리하는 데 필요한 세밀한 접근이 부족하다.
    지금까지의 연구를 통해 인공지능을 활용한 갈등DB 구축의 가능성과 실효성을 확인하였다면, 후속 연구나 사업에서는 한 단계 더 발전적인 갈등관리 DB의 구축과 운영을 위한 고도화가 요구된다. 특히, 갈등DB의 품질개선과 과거, 현재 사례의 축적을 통한 양적 확대도 요구된다. 또한 갈등DB의 활용성 확대를 위해, 검색이나 질의응답 등 사용자 친화적인 인터페이스 기반의 시스템을 개발하여 갈등 정보의 접근성과 활용성을 개선하는 방향으로 고도화를 고려할 수 있다. 이러한 고도화 작업은 갈등DB가 갈등 해결과 관리에서 더욱 실질적인 도구로 기능할 수 있도록 마중물 역할을 할 것이다.
    앞으로 ‘LISTEN’의 성능을 고도화해야 하겠지만, 아울러서 갈등관리를 더욱 효과적으로 지원하기 위해서는 ‘갈등관리 지원플랫폼’을 구축할 필요가 있다. 갈등관리 지원플랫폼에서는 첫째, 갈등대응 정책 수립을 위한 정보를 제공하여야 한다. 기존에 발생한 갈등사례에 대한 원인, 단계 및 변화추이, 유형, 특성, 쟁점(입장 및 이해관계), 이해관계자, 강도, 대응양식, 해소 여부 등에 대한 DB구축 및 정보제공을 통해 공공 및 국민이 갈등에 대한 해결방안을 모색할 수 있는 기초 정보를 제공할 수 있어야 한다. 둘째, 범정부 차원에서 효과적으로 갈등대응을 할 수 있도록 갈등 관련 정보의 컨트롤타워 역할을 해야 한다. 이때 세계 최고 수준의 디지털정부에 걸맞은 디지털 기술을 활용하여야 할 것이다.

    키워드: 갈등DB, 갈등관리, 빅데이터 생성형 AI, 갈등관리 지원플랫폼

콘텐츠 큐레이션 : 동일주제 가장 많이 이용된 자료 추천

현재 페이지에서 제공되는 연구보고서에 대하여 평가해 주세요

의견(0)

연구성과에 따른 의견과 무관한 글, 선정적인 글 및 비방글 등의 게시물은 관리자에 의해 언제든 삭제 조치 될 수 있으며, 주민등록번호 형식 및 연속된 숫자 13자리는 입력할 수 없습니다.

입력 가능 Byte : 4000 Byte 현재 입력 Byte : 0 Byte
자동등록방지 숫자를 순서대로 입력하세요.