- 에이전트 AI
공공 부문 전반에 걸쳐 AI 예산은 이미 승인되었습니다. 파일럿이 실행되고 있고 배포 압력이 커지고 있으며 AI가 조직이 더 적은 인력으로 더 많은 작업을 수행하고 더 빠른 결정을 내리며 운영 능력을 높이는 데 도움이 될 것이라는 기대가 높습니다.
비상 대응, 방어, 의료, 중요 인프라 등 결과가 가장 큰 결과를 가져오는 경우, 단편화된 인력 데이터에 직접 적용된 AI는 인간이 잡을 수 있는 것보다 빠른 속도로 잘 작성되었지만 불완전한 답변을 생성합니다.
한계는 모델 아래의 아키텍처에 있습니다.
미국 국방부의 데이터, 분석 및 AI 채택 전략은 순서에 대해 명시적으로 설명합니다. 즉, 품질 데이터는 계층 구조의 맨 아래에 있고, 통찰력 있는 분석은 그 기반 위에 구축되며, 책임 있는 AI가 맨 위에 위치합니다.
전략에는 "모든 분석 및 AI 기능에는 신뢰할 수 있는 고품질 데이터가 필요하다"고 명시되어 있습니다. 신뢰할 수 있는 데이터의 한 가지 특징은 연결되어 있다는 것입니다. 즉, 사용자가 "내재적인 관계를 통해 보완적인 데이터 요소를 활용"할 수 있게 해주는 데이터입니다.
이는 아키텍처 요구 사항입니다. 관계는 최고 수준의 데이터 자산이므로 그에 따라 저장, 관리 및 쿼리해야 합니다.
The 이전 기사사일로화된 시스템에서 복합 인력 질문이 실패하는 이유를 보여주었습니다. 누락된 레이어는지식층: 인력 데이터를 AI가 실제로 추론할 수 있는 일관된 운영 모델에 연결합니다.
지식 레이어에 포함된 내용
복합 질문은 구조적인 문제입니다. 데이터가 이미 존재합니다. 단순히 연결이 끊어진 것뿐입니다.
인력 지식 계층은 인력, 역할, 기술, 인증, 허가, 계약자, 공급업체, 임무 및 이들 간의 관계 등 인력에 대한 지속적인 사실을 지속적으로 유지되는 지식 그래프로 연결합니다. 사람들이 다른 역할로 전환하고, 인증이 만료되고, 계약자가 프로그램에 들어가거나 나가거나, 임무가 변경됨에 따라 그래프는 마지막으로 내보낸 보고서가 아닌 운영 현실을 반영합니다.
인력 지식 계층에는 현재 할당, 활성 임무, 새로운 제약 조건 및 최근 결정과 같은 운영 컨텍스트도 포함됩니다. 이를 통해 AI는 단절된 인력 기록 대신 운영 현실에 대한 연결되고 통제된 표현을 제공합니다.
이러한 공유 표현이 없으면 모든 AI 애플리케이션은 단편화된 시스템에서 인력에 대한 자체 이해를 구축합니다. 그 결과, 운영 현실보다는 데이터가 존재하는 위치에 더 의존하는 일관되지 않은 추론, 중복된 논리 및 결정이 발생합니다.
실제 운영 질문
복합 질문은이전 기사하나의 패턴을 공유합니다. 답을 얻으려면 직접 연결되지 않은 엔터티 간에 다음과 같은 관계 체인이 필요합니다. 세 가지 일반적인 공공 부문 시나리오가 왜 중요한지를 보여줍니다.
급증 결정
다른 곳에서 역량 격차를 만들지 않고 누가 이 임무에 배치할 수 있습니까?
24시간 이내에 팀이 현장에 도착해야 하는 산타 크루즈의 돌발 홍수에 대한 가상의 예를 들어보겠습니다. 직원은 ICS-400 및 Swiftwater Rescue Tech 인증을 받아야 하며 의료 통역사 인증도 보유해야 합니다. 추가적으로 스페인어를 구사할 수 있어야 합니다.
이 질문에 답하기 위해서는 자격이 단지 출발점일 뿐입니다. 중요한 질문은 그 사람을 움직이면 다른 것이 손상되는지 여부입니다. 이 예에서는 Elena와 Sofia가 모두 자격을 갖추고 있습니다. 그러나 소피아는 두 카운티 떨어진 산불 대응 활동에 소속된 유일한 의료 통역사입니다. 그녀를 재배치하면 그 임무는 보충할 수 없는 능력을 잃게 됩니다. 엘레나의 역할에는 적용 범위가 있습니다.
오직 관계만이 차이를 드러냅니다.
조건이 계속 변하는 동안 적극적으로 대응하는 동안 수천 명의 전문가가 이와 같은 복합적인 질문에 대답하는 것이 바로 지식 계층이 가능하게 하는 일종의 추론입니다.
계약자 의존성
이 계약자가 내일 퇴사할 경우 운영에 어떤 영향을 미치나요?
계약자가 지원하는 프로그램, 어떤 역할이 이에 의존하는지, 내부 기능이 존재하지 않는 곳, 어떤 다운스트림 임무가 노출되는지를 나타내는 순회 맵입니다. 그런 다음 더 나아갑니다. 공급자의 소유는 누구입니까? 모회사의 소유자는 누구입니까? 중요한 프로그램을 지원하는 하청업체는 어디입니까? 소유권 사슬의 특정 지점에 이미 이해해야 할 재정적, 지정학적, 규제 또는 운영상의 위험이 있습니까?
이는 사람, 조직, 프로그램, 소유권 구조 및 운영 종속성을 가로지르는 다중 홉 탐색입니다. 이는 사일로화된 기록 기반 시스템이 효율적으로 응답할 수 없는 종류입니다.
접근 및 정리 정렬
현재 이 사람의 허가, 교육, 권한 있는 액세스 및 운영 책임이 여전히 일치합니까?
순회는 공식 기록과 운영 현실을 연결하고 개별 시스템이 결코 포착하지 못하는 것을 드러냅니다. 이 사람은 운영 네트워크 내에서 어디에 위치합니까? 얼마나 많은 기관 간 관계를 유지합니까? 조직도가 드러내지 않는 어떤 임무를 연결합니까?
네트워크 위치 변경 위험. 635명의 보안 리더를 대상으로 실시한 Cybersecurity Insiders의 2025년 내부자 위험 보고서에 따르면 93%가 내부 위협을 외부 사이버 공격보다 탐지하기 어렵거나 더 어렵다고 생각하는 것으로 나타났습니다. 신호는 누군가가 누구와 연결되어 있는지, 어떤 시스템에 도달할 수 있는지, 어떤 임무가 그들에게 달려 있는지 등 관계형이기 때문에 탐지하기 어렵습니다. 그러나 관계형 신호는 통관 데이터베이스에 존재하지 않습니다. 지식 계층은 이를 가시화합니다.
모든 결정을 명시적인 관계에 기초함으로써 리더는 추론 경로를 설명할 수 있습니다. 즉, 어떤 관계를 통과했는지, 어떤 증거를 고려했는지, 각 결정을 마지막으로 검증한 시기를 확인할 수 있습니다. 공공 부문 AI 거버넌스의 경우 감사 가능성이 요구됩니다.
AI에는 올바른 기반이 필요합니다
AI 예산이 승인되고 프로젝트가 초기 단계에 있으므로 한 가지 결정이 남습니다. AI를 배포하기 전이나 후에 지식 계층을 구축하는 것입니다.
조직이 단편화된 인력 시스템에 AI를 직접 적용하면 결국 잘못된 아키텍처를 자동화하게 됩니다. 이 모델은 필요한 관계가 노출되지 않았기 때문에 운영 현실을 반영하지 않는 확실한 답변을 제공합니다. 배포 후 기반을 다시 구축하는 것은 처음부터 구축하는 것보다 느리고, 비용이 많이 들고, 상당히 어렵습니다.
지식 계층을 먼저 구축하면 AI는 처음부터 추론할 수 있는 신뢰할 수 있는 무언가를 갖게 됩니다. 인구 노령화, 예산 제한, 전문 파이프라인 감소, 운영 요구 증가, 계약자 의존도 등 구조적 문제에 직면한 인력은 연결된 정보가 수동 조정을 대체할 때 더 많은 성과를 달성할 수 있습니다.
정부가 기본적으로 인간에게 의존하는 기능은 비상 조정, 사이버 방어, 전투 의학, 질병 감시, 정보 분석 등입니다. AI는 운영 판단을 대체하는 것이 아니라 강화하여 리더가 문제에 대한 답을 얻을 수 있을 만큼 신속하게 복잡한 질문에 답할 수 있도록 돕습니다.
힘의 승수는 자동화가 아니라 연결된 지능입니다.
연결되거나 노출됨
복잡한 인력 관련 질문에 답하는 데 필요한 데이터는 이미 공공 부문 조직 전반에 걸쳐 존재합니다. 누락된 것은 이를 연결하는 아키텍처입니다.
Neo4j의 Graph Intelligence Platform은 단편화된 인력 기록을 운영 인력 인텔리전스로 전환하는 연결되고 관리되며 순회 가능한 관계인 지식 계층을 통해 해당 아키텍처를 제공합니다.
AI로부터 가장 많은 혜택을 받는 조직이 반드시 가장 큰 모델을 보유한 조직은 아닐 것입니다.
그들은 가장 강력한 지식 기반을 갖춘 사람들이 될 것입니다.
연결된 조직은 위기가 발생하기 전에 중요한 종속성을 발견합니다. 노출된 조직은 그 동안 이를 발견합니다.