알림 목록

분석지역:경기도 및 31개 시·군 의정체계
핵심지역: 경기도의회·경기도청·31개 시·군 의회 및 광역-기초 정책연결체계
Agenda:반도체·AI·GTX·의료·농업·에너지 등 초대형 AX 전환을 지방의회가 데이터와 Evidence를 기반으로 사전·과정·성과 단계에서 검증할 수 있는가
Golden Time Type: Opportunity + Institutional Risk
기준일: 2026년 8월 28일
Version: Regional AX Golden Time Intelligence v3.1
 

경기도의 AX 전환이 커질수록 경기도의회의 역할도 달라져야 한다.

2026년 경기도 본예산은 40조577억 원이었고, 5월 확정된 제1회 추가경정예산을 포함한 예산규모는 41조6,799억 원으로 확대됐다. 이 안에는 AI·반도체·로봇·기후테크·광역철도·돌봄·의료·경기북부 인프라 등 이번 No.001~011에서 분석한 거의 모든 Golden Time 의제가 들어 있다. (경기도뉴스포털)

의회가 다뤄야 하는 정책 역시 과거보다 복잡해졌다. 반도체 클러스터는 산업정책 하나가 아니라 전력·용수·교통·주거·교육·중소기업·환경이 동시에 움직이는 초대형 시스템이다. GTX는 철도예산만 심사해서는 생활권·상권·주거·지역격차라는 실제 효과를 알 수 없다. AI 행정은 시스템을 도입했는지만 볼 것이 아니라 어떤 데이터를 사용하고 어떤 판단을 자동화하며 시민에게 어떤 영향을 주는지 검증해야 한다.

경기도의회의 제도적 기반은 과거보다 상당히 강화됐다. 제12대 의회부터 의원 정수는 156명에서 167명으로 확대됐고, 이에 따라 정책지원관 정원도 78명에서 83명으로 늘었다. 현행 「지방자치법」은 의원정수의 2분의 1 범위까지 정책지원 전문인력을 둘 수 있도록 하고 있으며, 정책지원관은 의정자료 수집·조사·연구와 조례·예산·행정사무감사 등 의원 의정활동을 지원한다. (경기도교육청)

의회사무처 자체도 2026년 1월 기준 379명, 1국 8관·14개 전문위원실 체계를 갖추고 있으며, 예산분석과와 법제과·디지털의사과·의정지원과 등이 별도로 존재한다. 실제 예산분석과는 2026년 예산안 분석보고서를 14권 규모로 공개하고, 제1회 추가경정예산안과 결산에 대한 별도 분석자료도 생산하고 있다. (경기광역시청)

더 중요한 변화는 경기도의회 자체도 AI를 도입하기 시작했다는 것이다. 2025년 디지털 의정위원회는 AI 의정플랫폼, 블록체인 기반 모바일 의정지원, AI 챗봇 ‘소원AI’ 구축을 추진했고, 소원AI는 회의록·의안·의회 홈페이지 정보를 기반으로 24시간 질의응답 기능을 제공한다. 계획된 AI 의정플랫폼에는 원스톱 의안처리, 자료요구서 자동작성, 회의영상 실시간 자막, 직원 AI 어시스턴트 등이 포함됐다. (경기광역시청)

2026년 7월에는 「경기도의회 의정활동 지원 업무 혁신을 위한 인공지능 활용 조례안」이 다시 입법예고됐다. 조례안에는 AI 윤리원칙, AI 도입·활용, 교육, 효과평가, 보안관리까지 포함돼 있다. 이는 지방의회가 AI를 단순 사무자동화가 아니라 제도와 책임의 문제로 다루기 시작했다는 Evidence다. (경기광역시청)

그러나 의회가 AI를 사용하는 것과 AI·AX 정책을 검증할 수 있는 것은 다른 문제다.

• AI 회의록 검색 ≠ AX 정책검증
• 정책지원관 증원 ≠ 분야별 전문성 확보
• 예산분석 ≠ Outcome 검증
• 행정사무감사 ≠ Runtime 감시
• AI 조례 제정 ≠ 알고리즘 책임성 확보이다.

이번 분석의 핵심 판정은 그래서 양면적이다.

경기도의회는 조직·정책지원관·전문위원실·예산분석·디지털의정·AI 조례 등 AX 의회로 전환할 기본 자산을 이미 상당 부분 갖고 있다.

반면 No.001~011에서 확인한 초대형 정책들을 서로 연결해 계획 → 집행 → 실제 성과 → 지역격차 → 다음 정책조정까지 지속적으로 검증하는 Legislative Intelligence System은 아직 충분히 확인되지 않는다.

경기도의회의 Golden Time은 의원들이 AI를 더 많이 사용하는 데 있지 않다.

향후 2~3년 안에 집행부보다 늦게 보고받는 의회에서 벗어나, 데이터로 정책변화를 먼저 발견하고 계획·예산·집행·성과 사이의 GAP을 상시 검증하는 Evidence-based Legislature로 전환할 수 있느냐가 핵심이다.
 

경기도의회가 검증해야 하는 행정의 규모는 다른 대부분의 지방의회와 차원이 다르다.

2026년 본예산만 40조 원을 넘고 추경 후에는 41조6천억 원을 넘어섰다. 경기도 조직 아래에는 광범위한 실·국과 공공기관이 있으며 정책범위도 AI·산업·경제·복지·교통·환경·농정·안전·교육 등 거의 국가 수준으로 넓다. (경기도뉴스포털)

제12대 경기도의회 의원정수도 167명이다. 이에 맞춰 정책지원관 정원은 83명까지 늘어났다. 정책지원관만이 아니라 각 상임위원회 전문위원실과 예산분석과·법제과 등 전문조직이 의정활동을 지원한다. (경기도교육청)

그러나 행정규모가 크다는 것은 단순히 검토해야 할 문서가 많다는 의미가 아니다.

하나의 사업이 여러 위원회에 동시에 걸쳐 있다는 것이 더 큰 문제다.

예를 들어 용인 반도체 클러스터는 미래산업의 문제이면서 도시계획의 문제이고, 송전망과 용수의 문제이며 교통과 주거, 환경과 중소기업 공급망의 문제이기도 하다.

GTX 역시 건설교통위원회만의 의제가 아니다. 역세권 도시개발, 지역경제, 주택, 청년 일자리, 남북부 격차까지 영향을 준다.

AI는 더욱 그렇다.

2026년 4월 기준 경기도 AI 등록제에는 도·31개 시·군·공공기관에서 운영하는 AI 서비스가 187개, 도입 지자체는 32곳, 운영기관은 81곳으로 집계됐다. 복지 분야만 66개다. (경기도청)

따라서 경기도의회의 핵심 문제는 상임위원회가 부족하다는 것이 아니다.

정책이 상임위원회 경계를 넘어가는데 검증체계는 여전히 분야별로 나뉘어 있다는 것이다.

의회의 가장 전통적인 권한은 조례 제정, 예산 심의, 행정사무감사, 집행부 질문이다.

이 권한은 AX 시대에도 그대로 중요하다.

그러나 검증방식은 달라져야 한다.

기존 의정에서는 사업계획서와 집행률, 예산 사용내역을 중심으로 성과를 확인할 수 있었다.

AX 정책에서는 그것만으로 부족하다.

• AI 사업 착수 ≠ AI 정책성과
• 예산 집행률 100% ≠ 문제 해결
• 플랫폼 구축 완료 ≠ 도민 이용성과
• 기업지원 수 ≠ 기업 Scale-up
• 교육 인원 ≠ 미래역량 향상
• 철도 개통 ≠ 생활권 개선이다.

경기도 AI국만 보더라도 2026년 예산은 677억 원이고 AI 행정혁신·도민중심 AI·AI 산업대전환을 3대 목표로 추진하고 있다. 2026년 7월 제12대 의회 미래과학협력위원회는 AI국 업무보고를 받고 관련 사업을 검토하기 시작했다. (경기도교육청)

그러나 예산 677억 원을 제대로 집행했는지만 확인하면 AI 정책평가가 끝나는 것은 아니다.

AI 공공의료를 도입했다면 실제 진단시간·정확도·환자접근성이 개선됐는지 봐야 한다.

AI 행정을 도입했다면 민원처리시간과 공무원 업무시간이 줄었는지 봐야 한다.

AI기업을 지원했다면 매출·투자·고용·Scale-up으로 이어졌는지 봐야 한다.

즉 AX 시대 의회의 검증단위는 사업(Program)에서 변화(Outcome)로 이동해야 한다

첫 번째 변화는 사후감사에서 상시검증으로의 이동이다.

전통적인 행정사무감사는 1년 동안 집행된 정책을 일정 기간 집중적으로 검토한다.

실제로 경기도의회 미래과학협력위원회는 2025년 AI국·국제협력국·미래성장산업국과 관련 공공기관을 대상으로 14일간 행정사무감사를 실시했다. 위원회는 단순 사무점검이 아니라 미래산업 발전과 정책 개선을 목표로 한다고 밝혔다. (경기광역시청)

그러나 AI·산업·에너지 환경은 1년보다 빠르게 변한다.

따라서 앞으로는

• 연말 감사
• 뿐 아니라
• 월·분기 Runtime Monitoring이 필요하다.

두 번째 변화는 문서검증에서 데이터검증으로의 이동이다.

사업부서가 제출한 보고서만 보면 집행부가 선택한 지표를 중심으로 정책을 보게 된다.

의회가 독립적으로 공공데이터·통계·예산·사업성과·민원·지역별 지표를 연결할 수 있어야 한다.

세 번째는 개별 사업에서 시스템 검증으로의 이동이다.

No.007의 전력·용수를 예로 들면 산업단지 예산만 심사해서는 안 된다.

팹 건설일정 → 송전망 → 용수 → 도로 → 기업입주를 하나의 Critical Path로 봐야 한다.

네 번째는 기술중립적 입법에서 알고리즘 책임성으로의 이동이다.

공공 AI가 주민의 복지·취업·안전·민원 등에 영향을 주기 시작하면 의회는 단순히 AI 예산을 승인하는 기관이 아니라 어떤 데이터가 사용됐는가, 차별 가능성은 없는가, 사람이 최종판단에 개입하는가, 시민이 설명을 요구할 수 있는가 까지 검증해야 한다.

경기도의회는 이미 디지털 의정에서 AI 의정으로 이동하는 중이다.

2025년 디지털 의정위원회에서는 AI 의정플랫폼 구축계획, 블록체인 기반 모바일 의정지원, AI 챗봇 ‘소원AI’가 핵심 사업으로 제시됐다. AI 의정플랫폼에는 의안처리, 자료요구서 작성, 회의영상 실시간 자막, 직원용 AI 어시스턴트 기능이 포함돼 있다. (경기광역시청)

소원AI는 지방의회 최초 수준의 AI 챗봇으로 소개됐으며 회의 일정·의안·회의록 등을 자연어 질문으로 검색할 수 있도록 설계됐다. (경기도교육청)

2025년에는 AI 기반 디자인 플랫폼도 15개 부서에 시범도입됐다. 시범운영 후 활용도·제작효율·예산절감 가능성을 평가해 전 부서 확대 여부를 판단하도록 설계됐다. 작은 사업이지만 도입 → 사용 → 효과평가 → 확대판단이라는 구조를 가진 점은 의미가 있다. (경기광역시청)

2026년 7월 입법예고된 「경기도의회 의정활동 지원 업무 혁신을 위한 인공지능 활용 조례안」에는 AI 활용뿐 아니라 윤리원칙, 교육, 효과평가와 개선, 보안관리까지 포함됐다. (경기광역시청)

또 다른 방향은 정책 자체에 대한 AI 입법이다.

2026년에는 청소년 AI 윤리교육 조례안, 디지털포용 조례안, 개발사업구역 데이터클러스터 조성 지원 조례안 등 AI가 교육·도시·산업정책으로 확장되는 입법이 진행됐다. (경기광역시청)

즉 경기도의회는 이미 AI를 사용하는 의회와 AI를 규율하는 의회 두 방향으로 움직이고 있다.

다음 단계는 AI 정책성과를 검증하는 의회다.

대한민국 지방의회의 전문성은 2022년 지방자치법 전부개정 이후 중요한 전환점을 맞았다.

현행 지방자치법 제41조는 지방의원 정수의 절반 범위에서 정책지원 전문인력을 둘 수 있도록 하고 있으며 정책지원관은 자료 수집·조사·연구와 조례·예산·행정사무감사 등 의정활동을 지원한다. (법제처)

경기도의회는 167명 의원에 정책지원관 83명을 확보해 법정 한도에 근접한 구조를 갖게 됐다. (경기도교육청)

이는 과거 지방의원이 방대한 집행부 조직을 개인 역량으로 검증해야 했던 구조와 비교하면 상당한 제도적 발전이다.

그러나 AX 시대의 문제는 단순 인원 부족을 넘어선다.

한 명의 정책지원관이 AI, 반도체, 전력시장, 의료데이터, 교통수요, 기후금융을 모두 깊이 분석하기는 어렵다.

따라서 앞으로의 의정 전문성은 Personal Staff Model 만으로는 부족하고 Shared Intelligence Model을 함께 가져가야 한다.

즉 개별 의원에게 정책지원관을 배치하는 것과 별개로 의회 전체가 사용할 수 있는 예산 Intelligence / 산업 Intelligence / AI Governance / 지역격차 / 성과분석 전문기능을 강화해야 한다.

경기도는 규모 면에서 이 모델을 실증하기 가장 적합한 지방의회다.

숫자를 연결하면 검증역량의 문제가 명확해진다.

경기도가 관리하는 2026년 예산은 추경 기준 약 41조6,799억 원이다. (경기도뉴스포털)

경기도의회는 167명의 의원과 83명의 정책지원관을 운영하게 된다. (경기도교육청)

의회사무처의 기존 조직정원은 2026년 1월 기준 379명이며 14개 전문위원실이 운영됐다. (경기광역시청)

경기도 공공부문의 AI 서비스만 2026년 4월 기준 187개다. (경기도청)

AI국 한 조직만도 4개 과·18개 팀·정원 98명, 2026년 예산 677억 원 규모로 운영되고 있다. (경기도교육청)

여기에 반도체 클러스터, GTX, 공공병원, 농업 AI, 북부개발, 기후에너지 등 수십 개의 복합정책이 동시에 움직인다.

숫자가 보여주는 결론은 간단하다.

의원 개인의 노력만으로 검증할 수 있는 정책복잡성을 이미 넘어섰다.

따라서 정책지원관 숫자를 늘리는 것만으로는 충분하지 않다.

의회의 공동분석능력을 데이터와 AI로 증폭해야 한다.

첫째는 집행부 Data와 의회 Data 사이의 GAP이다.

집행부는 사업을 수행하기 때문에 원천데이터에 먼저 접근한다. 의회가 보고서 제출을 기다린다면 정보의 시간차가 발생한다.

둘째는 예산심사와 Outcome 검증 사이의 GAP이다.

경기도의회 예산분석과는 방대한 예산·결산 분석보고서를 생산하고 있다. 그러나 정책별 최종 Outcome을 31개 시·군까지 상시 비교하는 구조는 별도의 과제다. (경기광역시청)

셋째는 상임위원회 분업과 융합정책 사이의 GAP이다.

반도체·GTX·AI·의료·기후는 여러 위원회에 걸친다.

넷째는 정책지원관의 양적 확대와 전문분야 깊이 사이의 GAP이다.

83명은 중요한 자산이지만 초전문 분야의 분석은 공동 전문조직이 필요하다.

다섯째는 AI 사용과 AI 검증 사이의 GAP이다.

소원AI와 AI 의정플랫폼은 의회업무 효율을 높일 수 있지만, 집행부 AI의 오류·편향·성과까지 자동으로 검증해 주는 시스템은 아니다.

여섯째는 조례와 실제 Algorithm Governance 사이의 GAP이다.

AI 등록제가 존재하고 관련 조례가 만들어져도 의회가 고위험 AI를 구분해 별도 검증하지 않으면 형식적 투명성에 머물 수 있다.

AX 의회의 핵심 인프라는 회의장이나 전산시스템이 아니라 Legislative Data Layer다.

현재 의회에는 의안, 회의록, 예산, 결산, 행정사무감사, 정책연구자료가 축적돼 있다.

집행부에는 공공데이터, 사업성과, 계약, 보조금, AI등록정보, 지역별 정책지표가 존재한다.

이 둘을 연결하면 새로운 검증구조가 가능하다.

예를 들어 하나의 사업에 대해 공약·계획 → 조례 → 예산 → 계약 → 집행 → 지역별 수혜 → 성과지표 → 행정감사 → 다음 예산를 하나의 화면에서 추적할 수 있다.

인재 측면에서는 정책지원관에게 AI를 사용하게 하는 것보다 AI가 만든 분석을 검증할 역량이 중요하다.

• 통계의 기준이 같은가.
• 상관관계를 인과관계로 해석하지 않았는가.
• 예상고용을 실제고용처럼 사용하지 않았는가.
• MOU 투자액을 실제 CAPEX로 계산하지 않았는가를 확인할 수 있어야 한다.

제도적으로는 공공 AI가 늘어나는 만큼 의회의 Algorithm Audit 권한과 절차도 검토할 필요가 있다.

경기도 AI 등록제는 사용 분야·기술유형·사용데이터·데이터 출처 등을 공개하고 투명성·책임성을 강화하는 제도다. 이 정보를 의회 감사·예산심사와 연결하면 AI 등록제가 단순 공개목록을 넘어 검증도구가 될 수 있다. (경기도청)

의정활동의 최종 목적도 의원의 업무효율이 아니다.

도민에게 정책이 실제로 효과가 있었는지를 검증하는 것이다.

AI 의정플랫폼이 자료요구서를 빠르게 만들더라도 그 자료를 이용해 정책오류를 발견하지 못한다면 AX라고 보기 어렵다.

소원AI가 회의록을 잘 찾아주더라도 도민이 자신의 지역에 어떤 예산이 투입됐고 어떤 결과가 나왔는지 알 수 없다면 투명성은 제한적이다.

따라서 다음 단계의 도민 의정서비스는 단순 검색을 넘어 “우리 시에 어떤 사업이 얼마 투입됐고 실제 무엇이 바뀌었는가?”를 보여줄 수 있어야 한다.

예를 들어 용인 주민은 반도체 클러스터 투자계획만이 아니라 송전망·용수·교통 공정이 어디까지 왔는지를 볼 수 있어야 한다.

연천 농업인은 AI 농업 실증 이후 수량·피해·소득이 어떻게 바뀌었는지를 확인할 수 있어야 한다.

의정부 주민은 AI 클러스터 지정 이후 실제 기업·고용이 얼마나 늘었는지를 확인할 수 있어야 한다.

그 순간 의정데이터는 의원의 자료가 아니라 도민의 정책검증 인프라가 된다.

경기도의회의 검증능력이 중요한 또 다른 이유는 31개 시·군의 격차 때문이다.

경기도 전체 평균만 보면 정책이 성공한 것처럼 보이지만 지역별로 나누면 전혀 다른 결과가 나타날 수 있다.

No.002에서는 AI 접근성 격차를 확인했다.

No.010에서는 의료·돌봄 접근성의 지역차를 확인했다.

No.011에서는 첨단산업과 R&D가 남부에 집중될 위험을 분석했다.

따라서 의회는 앞으로 경기도 평균 보다 31개 시·군 Distribution을 더 많이 봐야 한다.

예를 들어 AI 서비스 187개라는 숫자는 인상적이다.

그러나 어느 시·군에 몇 개가 있고, 실제 이용률은 얼마이며, 주민의 행정시간이나 복지접근성이 얼마나 개선됐는지 지역별로 비교해야 의미가 있다. (경기도청)

지역격차를 검증하지 않는 광역의회는 전체 예산을 심의해도 분배된 결과를 놓칠 수 있다.

따라서 경기도의회 AX의 핵심은 Average Governance에서 Distribution Governance로 이동하는 것이다.

첫 번째 이유는 제12대 경기도의회가 2026년 7월 새로 출범했기 때문이다.

새로운 4년의 의정운영체계를 처음부터 데이터·AI 기반으로 설계할 수 있는 시점이다. 제12대 의회에서는 의원정수 확대와 함께 정책지원관도 83명 체계로 확대된다. (경기도교육청)

두 번째는 경기도 집행부의 AI 확산속도가 빠르기 때문이다.

2026년 4월 기준 187개 AI 서비스가 이미 등록됐다. 앞으로 복지·의료·교통·행정에서 더 많은 AI가 실제 도민 의사결정에 영향을 줄 가능성이 높다. (경기도청)

세 번째는 경기도의회 자체 AI 플랫폼이 지금 만들어지고 있기 때문이다.

지금 단순 문서생성·검색 중심으로 고착되기 전에 정책 GAP 탐지와 성과검증 기능까지 구조에 포함시킬 수 있다.

네 번째는 경기도가 향후 수년간 초대형 투자의 Critical Phase에 들어가기 때문이다.

용인 반도체, GTX, 북부개발, 공공병원, 농업 AX 등은 지금 계획과 투자단계에 있다.

완공된 뒤 감사하는 것보다 지금부터 Critical Path를 추적하는 것이 훨씬 중요하다.

따라서 2026~2028년은 경기도의회가 AI를 사용하는 의회에서 AX를 검증하는 의회로 전환할 수 있는 Golden Time이다.

12-1. Golden Time 기초지자체 적용 사례 ① — 파주시

파주는 기초의회 수준에서 AX 정책검증이 왜 필요한지를 보여주는 좋은 사례다.

파주시는 2026년 기존 정보통신과를 부시장 직속 AI정책관으로 개편하고 AI 업무의 총괄·조정 기능을 강화했다. 2027~2029년 지능정보사회 종합계획도 준비하고 있으며 DX를 넘어 AX 시대에 대응하는 중장기 AI 발전전략을 수립하고 있다. (파주시의회)

이에 따라 파주시의회 자치행정위원회는 2026년 7월 「파주시 지능정보화 조례 일부개정조례안」과 「파주시 인공지능 기본 조례 일부개정조례안」을 직접 심사했다. AI정책관 조직개편에 따라 지능정보화 책임관과 AI위원회의 구조를 재조정하는 내용까지 검토됐다. (파주시의회)

이 사례의 중요성은 AI 정책을 집행부가 시작한 뒤 의회가 단순 예산만 보는 구조가 아니라 조직·책임자·위원회·조례를 동시에 검증하게 됐다는 점이다.

파주의 다음 Golden Time은 한 단계 더 나아가는 것이다.

AI정책관이 어떤 사업을 추진했는지뿐 아니라 AI 사업 → 사용 데이터 → 예산 → 실제 이용 → 행정효율 → 시민 Outcome을 시의회가 지속 추적해야 한다.

특히 파주는 GTX-A, 첨단산업, 접경지역, 농업, 인구증가 등 서로 다른 정책문제가 동시에 존재하므로 기초지자체 AX 의정 실증지역으로 활용할 수 있다.

12-2. Golden Time 기초지자체 적용 사례 ② — 수원특례시

수원은 다른 유형의 검증과제를 보여준다.

수원시는 2026년 AI 관련 31개 사업, 49억 원 규모의 정책을 추진하고 있으며 ‘AI 시민청·AI 산업청·AI 행정청·AI 교육·인재양성’을 중심으로 AI 기본사회 전략을 운영하고 있다. 공직자 AI 교육 의무화도 추진하고 있다. (수원시청)

정책규모만 보면 아직 경기도 AI국보다 작지만, 기초지자체가 AI를 특정 부서의 정보화사업이 아니라 시정 전체의 Operating Model로 확장하기 시작했다는 점이 중요하다.

이 시점에서 시의회의 역할은 “AI를 적극적으로 하라”거나 “예산을 줄여라”라는 이분법이 되어서는 안 된다.

31개 사업을 시민서비스 / 행정효율 / 산업육성 / 교육 / 고위험 의사결정으로 구분하고 각각 다른 지표를 적용해야 한다.

예를 들어 AI 교육은 참여인원보다 역량변화가 중요하다.

AI 행정은 시스템 숫자보다 업무시간 감소가 중요하다.

AI 시민서비스는 가입자보다 실제 문제해결률이 중요하다.

AI가 복지대상 선별이나 안전위험 판단에 사용된다면 정확도·편향·이의제기 절차까지 검증해야 한다.

수원형 Golden Time은 따라서 AI 사업 31개를 31개의 개별 사업으로 감사하는 것이 아니라 하나의 AI Portfolio로 검증하는 것이다.

이 모델이 정착된다면 경기도 31개 시·군 의회가 사용할 수 있는 공통 AX 감사체계로 확장할 수 있다.

첫 번째 손실은 Policy Oversight Lag이다.

집행부는 AI·첨단산업을 빠르게 추진하는데 의회가 연말 업무보고와 행정감사에서 뒤늦게 문제를 확인하면 정책변경 비용이 커진다.

두 번째는 예산의 기회비용이다.

실제 효과가 작은 사업이 반복되면 그 예산을 더 중요한 Golden Time 과제에 투입할 기회를 잃는다.

세 번째는 알고리즘 책임성이다.

공공 AI가 도민에게 영향을 미치는 단계까지 확산된 뒤 투명성·이의제기·Human Review 규칙을 만들면 이미 잘못된 의사결정이 누적됐을 수 있다.

네 번째는 지역격차다.

경기도 전체 평균만 보는 정책심사가 계속되면 남부와 북부, 도시와 농촌의 실제 Outcome 차이를 발견하지 못한다.

다섯 번째는 전문성의 시간이다.

반도체·AI·바이오·기후·의료·데이터에 대한 의회 전문성은 단기간에 만들어지지 않는다.

여섯 번째는 도민 신뢰다.

사업발표와 실제 결과가 반복적으로 달라지는데 의회가 이를 검증하지 못하면 집행부뿐 아니라 지방정치 전체에 대한 신뢰가 약해질 수 있다.

경기도의회는 오히려 대한민국 지방의회 AX 모델을 가장 먼저 만들 수 있는 조건을 갖고 있다.

규모가 크다.

전문위원실이 있다.

정책지원관이 83명까지 확대됐다.

예산분석 전문조직이 있다.

회의록·의안·예산자료가 방대하게 축적돼 있다.

AI 의정플랫폼도 추진 중이다.

이 자산을 연결하면 Legislative Intelligence OS를 만들 수 있다.

예를 들어 의원이 “용인 반도체 클러스터가 계획대로 가고 있는가?”라고 질문하면 단순 검색결과가 아니라

투자 → 부지 → 전력 → 용수 → 교통 → 기업입주 → 중소기업 → 고용의 현재 상태와 지연항목을 보여주는 방식이다.

“GTX-A가 파주에 어떤 효과를 냈는가?”라고 물으면 이용객 → 통근시간 → 인구 → 상권 → 기업 → 주택

변화를 보여주는 것이다.

“AI 돌봄이 효과가 있는가?”라고 물으면 서비스 이용 → 위험탐지 → 사람개입 → 입원·응급 → 건강 Outcome으로 검증한다.

이렇게 되면 의원의 질문 자체가 달라진다.

“얼마를 썼습니까?”에서 “그래서 무엇이 달라졌습니까?”로 이동한다.

경기도의회에는 Legislative AX Intelligence Runtime 구축이 필요하다.

특히 의회의 질문구조를 사업명 → 예산 → 집행률에서 문제 → 정책 → 예산 → 실행 → Outcome → GAP → 조정으로 바꿔야 한다.

이것이 Legislative AX다.

Opportunity + Institutional Risk

경기도의회를 ‘준비가 안 된 의회’로 평가하는 것은 사실과 맞지 않는다.

의원정수는 167명으로 확대됐고 정책지원관도 83명으로 늘어난다. 전문위원실과 예산분석조직이 존재하며, 2026년 예산안과 추경·결산에 대해 별도의 전문분석보고서를 지속 생산하고 있다. (경기도교육청)

AI국에 대한 업무보고와 행정사무감사도 이미 이루어지고 있다. (경기도교육청)

의회 자체 AI 전환도 상당히 빠르다.

AI 의정플랫폼, 소원AI, AI 디자인 플랫폼, AI 활용 조례 등 구체적인 변화가 확인된다. (경기광역시청)

따라서 Readiness의 기초는 있다.

문제는 이 자원을 초대형 AX 정책의 실시간 검증체계로 연결했는가다.

현재 공개 Evidence만으로는 반도체·GTX·AI·의료·농업·지역격차를 관통하는 상시 Cross-Committee Policy Intelligence가 구축됐다고 판단하기 어렵다.

그래서 최종 판정은

Opportunity + Institutional Risk다.

Institutional Risk는 의회가 기능하지 않는다는 의미가 아니다.

정책의 속도와 복잡성이 기존 의정검증 주기보다 빨라지고 있다는 위험이다.

향후 Runtime 분석에서는 최소 다음 Evidence를 지속적으로 추적해야 한다.

1. 정책지원관 실제 정원·현원
2. 정책지원관 전문분야 분포
3. 의원 1인당 정책분석 지원량
4. 전문위원실 분야별 분석인력
5. 예산분석과 정책성과 분석건수
6. AI 의정플랫폼 실제 구축·운영 시점
7. 의원·정책지원관 AI 플랫폼 이용률
8. 소원AI 이용량·정확도·오류율
9. AI 생성자료 검증절차
10. 의원·직원 AI 교육 이수율
11. AI 윤리·보안 사고
12. 집행부 AI 등록서비스 수
13. 고위험 AI 별도 의회심사 비율
14. AI 사업의 알고리즘·데이터 공개수준
15. 행정사무감사 지적사항 이행률
16. 반복 지적사업 비율
17. 예산안 분석 후 실제 조정액
18. 대형사업 계획-실제 공정 GAP
19. 투자협약-실제 투자 전환율
20. 예상고용-실제고용 GAP
21. 31개 시·군별 정책 Outcome 공개율
22. 상임위원회 간 공동 정책검증 건수
23. 도의회-시군의회 데이터 협력 건수
24. 도민 정책정보 접근·활용률
25. 의회 분석으로 실제 정책이 수정된 사례

현재 가장 중요한 Data GAP은 경기도의회가 생산하는 방대한 회의록·예산·의안·감사자료가 각각 공개되고는 있지만, 하나의 정책을 계획부터 예산·집행·성과·감사·재설계까지 연결해 Runtime으로 보여주는 통합 공개체계는 아직 충분하지 않다는 점이다.

Runtime Chain

지역문제 → 정책계획 → 조례 → 예산 → 계약·집행 → 지역별 Output → Outcome → 의회 검증 → 정책 GAP → 예산·조례 조정 → 재검증

이번 분석의 첫 번째 핵심 Evidence는 경기도의회의 검증대상 규모다. 2026년 경기도 본예산은 40조577억 원으로 의결됐고 제1회 추경 후 41조6,799억 원으로 확대됐다. AI·반도체·로봇·기후·교통·돌봄 등 미래전환사업이 이 예산 안에서 동시에 진행되고 있다. (경기도뉴스포털)

두 번째 Evidence는 의회 전문성의 제도적 기반이 과거보다 강화됐다는 것이다. 제12대 의회 의원정수 확대에 따라 정책지원관 정원은 78명에서 83명으로 늘었다. 지방자치법은 의원정수 절반 범위까지 정책지원 전문인력을 둘 수 있게 하고, 시행령은 자료수집·조사·연구와 각종 의정활동 지원을 정책지원관의 직무로 규정한다. (경기도교육청)

세 번째 Evidence는 전문분석 조직이다. 경기도의회는 2026년 1월 기준 379명 규모의 의회사무처와 14개 전문위원실을 운영했으며 예산분석과는 2026년 예산안 분석보고서, 추가경정예산안 분석, 결산분석을 별도로 생산하고 있다. (경기광역시청)

네 번째는 의회 자체 AX 전환이다. AI 의정플랫폼, 소원AI, 모바일 의정지원 등 디지털 의정 인프라가 추진되고 있고, 2026년 7월에는 AI 활용의 윤리·교육·효과평가·보안까지 규정하는 조례안이 입법예고됐다. (경기광역시청)

다섯 번째는 검증대상인 집행부 AI가 이미 상당한 규모로 확대됐다는 사실이다. 2026년 4월 기준 경기도 AI 등록제에는 187개 서비스, 32개 도입 지자체, 81개 운영기관이 등록됐다. (경기도청)

여섯 번째는 실제 의정검증이 시작돼 있다는 점이다. 미래과학협력위원회는 AI국을 대상으로 업무보고와 행정사무감사를 수행하고 있으며, 2026년 새 의회에서도 AI국 4개 과·18개 팀·98명 조직과 677억 원 규모 예산사업을 검토하고 있다. (경기도교육청)

이번 분석에서 남는 구조적 통찰

경기도의회 AX에서 가장 먼저 구분해야 하는 것은 ‘AI를 사용하는 의회’와 ‘AX를 검증하는 의회’는 다르다는 점이다.

• AI가 회의록을 요약할 수 있다.
• 자료요구서를 작성할 수 있다.
• 조례 초안을 비교할 수 있다.
• 예산자료를 검색할 수도 있다.
• 이것은 의회의 생산성을 높인다.

하지만 이것만으로 의회 본연의 기능이 강화됐다고 판단할 수는 없다.

의회의 본질적 경쟁력은 집행부가 추진하는 정책을 얼마나 먼저, 정확하게, 독립적으로 검증할 수 있는가에 있다.

예를 들어 반도체 메가클러스터를 검증한다고 가정하자.

집행부가 “수백조 원 투자”라고 보고했을 때 의회가 다시 같은 숫자를 인용하는 것으로는 검증이 되지 않는다.

의회가 물어야 하는 것은 

• 실제 투자된 금액은 얼마인가.
• 기업이 착공했는가.
• 전력은 언제 공급되는가.
• 용수관로 공정은 어디까지 왔는가.
• 중소기업은 공급망에 몇 곳 들어갔는가.
• 청년은 실제 몇 명 채용됐는가.
• 지역별 경제효과는 어디에 나타났는가이다.

GTX도 같다.

개통했다는 것이 Output이다.

도민의 Door-to-Door 통근시간이 줄었는지가 Outcome이다.

농업 AI도 같다.

220농가에 시스템을 적용했다는 것이 Output이다.

농약·노동시간·피해·소득이 달라졌는지가 Outcome이다.

의회의 AX는 바로 이 Output과 Outcome 사이를 추적하는 능력이어야 한다.

또 하나 중요한 것은 의회의 정보위치다.

집행부는 정책을 직접 수행한다.

따라서 가장 먼저 데이터를 가진다.

의회가 사업부서가 작성한 보고서를 받아서 분석한다면 구조적으로 늦을 수밖에 없다.

그래서 미래의 의회에는 Independent Evidence Layer가 필요하다.

공공데이터, 예산, 공시, 통계, 행정자료, 지역뉴스, 민원, 사업공정 등을 의회가 독립적으로 분석할 수 있어야 한다.

그렇게 되면 의원의 질문도 달라진다.

기존에는 “이 사업 잘 되고 있습니까?”라고 물었다면, 앞으로는 “지난 분기부터 용수공정이 계획보다 4개월 늦고 있는데 팹 가동일정에 어떤 영향을 미칩니까?”

처럼 Evidence를 먼저 제시하고 질문할 수 있다.

이것이 Reverse Evidence Oversight다.

그리고 이 구조는 경기도의회에서 끝나면 안 된다.

파주시의회 사례에서 보듯 기초지자체도 AI정책관·AI 기본조례·지능정보화 계획을 다루기 시작했다. (파주시의회)

앞으로 31개 시·군의회가 모두 각자의 AI·AX 사업을 검증해야 한다.

그러나 31개 기초의회가 반도체·AI·알고리즘·데이터·기후·의료 전문가를 각각 확보하는 것은 비효율적이다.

따라서 경기도의회가 중심이 되어 광역의회 Intelligence → 31개 기초의회 Shared Evidence 구조를 만드는 방안도 검토할 가치가 있다.

예를 들어 경기도의회가 GTX 영향분석 모델을 만들면 파주·고양·성남·용인·화성 의회가 지역데이터를 넣어 사용할 수 있다.

AI Algorithm Audit 기준을 만들면 수원·파주·의정부 등 각 시의회가 동일한 기준으로 AI 사업을 검증할 수 있다.

반도체 공급망 지표를 만들면 용인·화성·평택·이천·안성 의회가 서로 비교할 수 있다.

이것이 Legislative Intelligence Network다.

그렇게 되면 지방의회는 집행부가 제출한 자료를 심사하는 조직에서

지역의 변화를 독립적으로 탐지하고 정부에 먼저 질문하는 기관으로 이동할 수 있다.

이번 No.001~011에서 반복적으로 확인한 가장 중요한 원칙도 여기에서 다시 등장한다.

• 계획 ≠ 집행
• 투자협약 ≠ 실제 투자
• 예상고용 ≠ 실제 고용
• 시설구축 ≠ 정책성과
• AI 도입 ≠ AX 전환이다.

이 다섯 개의 ≠를 지속적으로 검증해야 하는 최종 기관 가운데 하나가 바로 지방의회다.

따라서 경기도 AX Golden Time 12개 주제의 마지막은 결국 검증자의 준비상태로 귀결된다.

산업이 아무리 빠르게 성장해도 검증이 뒤따르지 않으면 잘못된 정책이 커질 수 있다.

반대로 의회가 모든 변화를 막으려 한다면 Golden Time 자체를 놓칠 수 있다.

필요한 것은 찬성과 반대가 아니다.

Evidence에 따라 빠른 것은 더 빠르게 하고, 잘못된 것은 조기에 수정하는 의회다.

Golden Time Thesis — 경기도의회의 AX 골든타임은 의원과 직원이 AI를 더 많이 사용하는 데 있지 않다. 향후 2~3년 안에 40조 원이 넘는 예산과 반도체·AI·GTX·의료·농업·지역격차 정책을 계획 → 예산 → 집행 → Outcome → 지역별 GAP으로 상시 연결해, 집행부의 보고를 기다리는 의회에서 데이터로 문제를 먼저 발견하는 Evidence-based Legislature로 전환할 수 있느냐가 핵심이다. 경기도가 대한민국 최대 AX 실증지역이라면 경기도의회 역시 대한민국 최초의 Legislative Intelligence 실증의회가 될 필요가 있다.