숫자 거짓말 탐지 AI

농정AI 제안 보고 · 조직·업무혁신 · No. 018

숫자 거짓말 탐지 AI 도입 제안

제안 구분	조직·업무혁신 / 허브 AI + 데이터 연결형
제안 요지	보고서에 쓰인 통계나 수치가 맥락상 과장·왜곡되어 있는지를 교차검증합니다.

1. 추진 배경

• 보고서의 수치는 맥락 없이 인용되거나 기준 시점과 대상이 바뀐 채 쓰이면 의미가 달라질 수 있습니다.
• 담당자가 모든 수치의 출처와 정의를 직접 확인하기는 시간상 어렵습니다.
• 부정확하거나 과장된 수치가 정책 결정이나 대외 설명에 사용되면 신뢰에 타격이 됩니다.

2. 제안 내용

• 출처 대조: 보고서의 수치를 원 통계와 대조하여 일치 여부를 확인합니다.
• 정의·기준 점검: 기준 시점, 대상 범위, 단위가 바뀐 곳이 없는지 점검합니다.
• 맥락 왜곡 탐지: 일부 기간이나 일부 집단만 인용하여 인상이 달라지는 부분을 표시합니다.
• 수정 제안: 보다 정확한 표현과 병기해야 할 정보를 제안합니다.

3. 활용 예시

• 보고서에서 증가율을 강조하면서 기준 연도를 일부러 낮은 시점으로 잡은 경우를 찾아냅니다.
• 잠정치를 확정치처럼 인용한 부분을 표시합니다.
• 서로 다른 조사의 수치를 같은 선상에서 비교한 부분을 찾아냅니다.

4. 필요한 데이터(상세)

이 제안의 성패는 모형보다 데이터 연결에 달려 있습니다. 필요한 데이터와 확인이 필요한 사항은 다음과 같습니다. 보유기관은 예시이며 실제 제공 여부와 접근 권한은 협의가 필요합니다.

데이터	내용·용도	주 보유기관(예)	확인 필요 사항
공식 통계 원자료	수치 대조	통계청, 소관 기관	최신 버전과 개정 이력
통계 정의·메타데이터	기준과 범위 확인	통계청	용어 정의 차이
과거 보고서	인용 방식 비교	소속 부서	문서 보안
조사·연구 보고서	근거 자료	연구기관	이용 범위
정책 문서·보도자료	대외 공표 수치	농림축산식품부	공표 이력 관리
수치 정정 이력	오류 사례 학습	소속 부서	기록 여부

데이터 정비 선결 과제

• 주요 통계의 출처와 정의를 정리한 기준 목록이 필요합니다.
• 보고서 내 수치를 구조화하여 추출하는 방식을 정해야 합니다.
• 점검 결과가 작성자 책임 추궁이 아닌 품질 관리 수단임을 명확히 해야 합니다.

5. 필요한 기반

허브 AI + 데이터 연결형 — 허브 AI에 해당 데이터 접근권만 연결하면 처리 가능

• 데이터 연결 계층: 공식 통계와 메타데이터를 연결한 기준 저장소
• 대조 계층: 보고서 수치 추출과 원자료 대조
• AI 계층: 맥락 점검과 수정 제안 설명
• 통제 계층: 점검 기록, 작성자 확인, 최종 판단은 사람이 수행

6. 추진 방안(안)

단계	내용
시범	정기 발간 보고서 한두 종을 대상으로 합니다.
검증	과거에 정정된 사례를 넣어 탐지 여부를 확인합니다.
확대	대외 공표 문서의 사전 점검에 적용합니다.
정착	보고서 작성 절차의 점검 단계에 포함합니다.

※ 단계별 기간과 예산은 데이터 협의 결과에 따라 정해야 하므로 이 글에서는 제시하지 않습니다.

7. 기대 효과

• 수치 오류와 맥락 왜곡을 공표 전에 줄일 수 있습니다.
• 정책 설명의 신뢰도가 높아집니다.
• 작성자의 확인 부담이 줄어듭니다.

8. 검토 필요 사항

• 맥락 왜곡 판단은 해석의 영역이어서 AI의 지적이 틀릴 수 있습니다.
• 비공개 문서가 많아 외부 서비스에 올리지 않도록 해야 합니다.
• 수치 점검이 지나쳐 보고서 작성이 위축되지 않도록 활용 방식을 정해야 합니다.

9. 건의 사항

정기 발간 보고서를 대상으로 수치 대조를 시범 시행하고, 정확도를 확인한 뒤 대외 공표 문서의 사전 점검 절차로 확대할 것을 건의합니다.

← 농정AI 전체 보기

이 글은 AI가 제시한 아이디어를 보고서 형식으로 정리한 것으로, 농림축산식품부의 공식 입장이나 추진 계획이 아닙니다.