전문가 대안
정책연구팀이 문제, 근거, 개혁 대안과 제약을 연구합니다.
APPLICATION 01연구 진행 중
연금개혁-AI 숙의민주주의 정책실험
정책전문가의 연금개혁 대안, 합성 시민 의견, AI 추가 대안 생성과 사람의 검토를 연결하는 AIPOL의 첫 프로젝트입니다.
공동 운영
Research question
AI는 복잡한 정책대안 개발을 어떻게 도울 수 있는가?
세대 간 이해관계, 장기 재정, 노후소득과 제도 신뢰가 얽힌 연금개혁을 대상으로 사람과 AI의 역할을 설계하고 검증합니다.
합성 시민 검증
100명, 250명 가상 시민으로 두 차례 전체 여정을 실행해 방법과 도구를 검증했습니다.
의견과 쟁점
참여자의 선택 이유를 AI가 5대 쟁점으로 분류해 다음 숙의의 자료로 되돌려 줍니다.
추가 대안
AI가 의견을 바탕으로 제안하고 사람이 검토·수정·승인합니다.
Development record
연구와 도구 개발을 함께 진행합니다.
실제 현장 적용 전에 방법론과 실행 경로를 합성 데이터로 검증하고, 결과의 의미를 실제 여론과 구분합니다.
연금팀 시나리오 검토
AI 정책개발 사전 검증 보고서 읽기
Participant journey
연금개혁-AI 숙의민주주의 정책실험
참가자는 열 단계 여정을 따라 두 차례 A·B·C 투표와 한 차례 D안 수용 평가에 참여합니다. 진행 상황과 AI의 작업 과정은 화면에서 그대로 확인할 수 있습니다.
- 01 참여 준비참여자 정보 입력과 사전 자료 확인
- 02 1차 숙의·투표A·B·C 대안 비교 후 선택과 이유 기록
- 03 AI 쟁점 정리선택 이유를 AI가 5대 쟁점으로 분류
- 04 2차 숙의·투표연령대·소득구간별 쟁점 분포를 보고 다시 선택
- 05 D안 생성·검토세 개의 AI가 6단계 협의로 추가 대안을 만들고 전문가가 검토
- 06 3차 숙의·평가D안의 현실적 수용 여부를 별도로 평가
- 07 최종 결과보고두 차례 투표 변화와 D안 수용 결과 공개
연금팀 피드백 기준
시나리오 순서가 원안과 일치하는가?
정책안·수치·설명이 정확한가?
참여자가 이해하기 어려운 지점은 무엇인가?
AI 진단과 결과 화면에서 보완할 점은 무엇인가?
1차 합성 실험 · 100명
100명 가상 시민으로 13단계 여정 전체를 실행해 절차와 도구를 검증했습니다. 97명이 완주했고 66%가 D안을 수용 또는 조건부 수용으로 평가했습니다.
1차 실험 기록 →2차 합성 실험 · 250명
규모를 250명으로 늘리고 3차를 D안 수용 평가로 바꾼 최종 구성 그대로 실행했습니다. 247명이 완주했고, 확정 정책변수 지침과 연구 자료가 AI 협의 입력에 포함됐습니다.
2차 실험 기록 →현장 적용
한국정책학회 플래그십 세션에서 실제 청중 약 100명과 같은 여정으로 정책실험을 진행합니다.
이벤트 안내 →What will be shared
사례에서 남길 공개 자산
정책 결론 하나보다 다른 연구가 재사용하고 비판할 수 있는 자료를 남깁니다. 미공개 정책안이나 내부 운영 자료는 포함하지 않습니다.
방법론
정책개발 단계와 사람·AI 역할.
프롬프트·조건
모델, 버전, 입력과 검토 기준.
도구
연구 엔진과 온라인·현장 참여 도구.
한계
프레이밍, 표본, 오류와 미반영 쟁점.