이득:
- 데이터 수집부터 계획 결정까지 워크플로우의 모든 단계에서 경계 내에서 AI를 통합하는 능력
- 전사적 차원에서 신속한 라이브러리, 검증 프로토콜, 데이터 거버넌스 및 개인 정보 보호 정책을 수립하는 능력
- AI 지원 계획에 대한 공익, 투명성, 책임 및 대중의 신뢰를 보존하는 감사 문화를 설계하는 능력
이전 단원에서는 계획의 개별 작업(계획 분석, GIS, 위성, 인구, 교통, 시뮬레이션, 입법, 참여, 재난)에서 AI를 사용하는 방법을 보여주었습니다. 이 마지막 단위는 이러한 부분을 하나의 일관된 작업 흐름으로 결합하고 개인의 기술을 조직의 역량으로 전환합니다. 왜냐하면 자치단체나 기획 사무소에서는 단일 기획자가 AI를 잘 활용하는 것이 주요 이슈가 아니기 때문입니다. 전체 조직은 안전하고 일관되며 기밀이며 공익적인 방식으로 AI를 사용합니다. 이를 위해서는 분산되고 제어되지 않는 사용을 간소화하는 세 가지 구조, 즉 공통 프롬프트 라이브러리, 출력 유형별 인증 프로토콜, 데이터 거버넌스 및 개인 정보 보호 정책이 필요합니다. 이 단원에서는 이러한 구조를 확립하고 AI 지원 계획에 대한 대중의 신뢰를 유지하는 감사 문화를 설계하는 방법을 배웁니다.
엔드투엔드 워크플로우
계획 프로세스가 처음부터 끝까지 AI로 구성되는 방식은 다음과 같습니다(AI가 가속화되고 각 단계에서 인간이 확인함).
- 데이터 수집 및 구성. 위성, GIS, 인구, 교통, 출석 데이터 — AI가 테이블을 청소합니다.
- 분석. 토지 이용, 접근성, 위험 — AI가 구축하고 전문가가 검증합니다.
- 시나리오 제작. 성장 및 운송 시나리오 - AI가 비교하고 선택합니다.
- 규제 통제. 모든 결정은 법률에 따라 테스트됩니다. AI 스캔과 공식 텍스트를 통해 확인됩니다.
- 참여. 이해관계자 의견이 수집되고 요약되며 AI 분석, 표현이 유지됩니다.
- 결정 및 계획 제공. 유능한 기획자는 결정을 내리고 책임을 진다.
- 보고 및 승인. 계획 설명 보고서 - AI 초안, 기획자가 담당합니다.
- 모니터링. 계획 후 변경 사항 추적 — AI가 사전 스캔하고 현장에서 확인합니다.
이 체인에서 AI는 "교차점 보조자"와 같습니다. 모든 정류장에서 도움을 주지만 계획자는 항상 운전석에 있습니다.
팁: 엔드 투 엔드 사용에서 가장 큰 위험은 확인되지 않은 출력이 다음 단계의 입력으로 전달된다는 것입니다. 잘못된 인구 수치는 분석, 거기에서 시나리오, 그리고 거기에서 결정으로 누출될 수 있습니다. 각 스테이지 출구에서 "이거 확인됐나요?" 문을 놓으십시오.
기업 구조 1: 프롬프트 라이브러리
각 기획자가 처음부터 자신만의 프롬프트를 작성하도록 하는 것은 시간 낭비이자 불일치의 원인입니다. 기관은 "계획 노트 표 작성", "법률 텍스트 종속 쿼리", "참여 테마 추출" 등 테스트 및 검증된 프롬프트를 공통 라이브러리에 수집합니다. 각 프롬프트에는 "검증 필요" 라벨, 데이터 조작 금지, 리소스 요청과 같은 보안 규칙이 포함되어 있습니다. 따라서 품질은 개인이 아니라 기관에 달려 있습니다.
조직 구조 2: 인증 프로토콜
각 출력 유형에는 고유한 유효성 검사 수준이 있습니다. 회의록은 빠른 검토를 거칩니다. 일부 법안에는 공식 텍스트 확인이 필요합니다. 재난위험지표는 전문가의 연구가 필요합니다. 조직에서는 “출력 유형 → 필수 검증 → 책임자” 매핑을 테이블에 작성하여 바인딩합니다.
조직 구조 3: 데이터 거버넌스 및 개인정보 보호
클라우드로 이동할 수 있는 데이터와 그렇지 않은 데이터, 익명화 방법, 승인되는 도구에 대한 서면 정책이 있어야 합니다. 중단되지 않은 계획, 소포 소유자, 개인 데이터와 같은 민감한 정보에 대한 명확한 규칙 승인된 차량 목록; 데이터가 교육에 사용되지 않는다는 보장이 이 정책의 핵심입니다.
단계별: 엔터프라이즈 AI 인재 양성
- 재고를 꺼내십시오. AI는 어떤 작업에 사용될 수 있나요?
- 위험 분류를 하세요. 각 작업을 녹색/노란색/빨간색 영역에 배치하세요.
- 프롬프트 라이브러리를 설치합니다. 보안 규칙이 내장되어 있고 공통적입니다.
- 인증 프로토콜을 작성합니다. 출력 유형 → 검증 → 책임.
- 데이터/개인정보 보호정책을 작성하세요. 승인된 도구, 익명화, 금지된 데이터.
- 교육을 제공하십시오. 팀에 경계와 검증을 알리십시오.
- 확인하고 업데이트하세요. 추적을 저장하고 정기적으로 검토하세요.
약한 프롬프트 / 강한 프롬프트
약한 접근방식: "팀이 AI를 사용하게 하고, 모두가 자신만의 방법을 찾도록 하세요."
이는 일관되지 않은 품질, 개인 정보 유출, 검증되지 않은 출력 및 책임 부족을 의미합니다.
강력한 접근 방식: "우리는 조직에서 AI 사용을 세 가지 구조로 연결합니다. (1) 보안 규칙이 내장된 공통 프롬프트 라이브러리, (2) 각 출력 유형에 대한 필수 검증 및 책임 있는 매핑, (3) 승인된 도구 및 익명화 규칙이 있는 데이터 정책입니다. 모든 AI 출력이 관련 검증을 통과하지 않고 다음 단계로 이동할 수 있는 것은 아닙니다. 위험 구역 출력은 유능한 전문가의 승인으로 종료되고 전체 프로세스가 모니터링됩니다."
두 번째 접근 방식은 AI를 개인의 습관에서 조직적이고 제어 가능한 기능으로 전환합니다.
복사 가능한 템플릿 4개
작업: 다음 계획 작업 목록을 엔터프라이즈 AI 사용 매트릭스로 변환합니다. 각 작업에 대해 위험 영역(녹색/노란색/빨간색), AI 역할, 필수 검증, 책임이 있습니다. 빨간색 업무에는 "공인된 전문가 승인 및 공식 절차가 필수"라고 기재합니다. 작업: [...]
작업: 다음 출력 유형에 대한 인증 프로토콜 테이블을 생성합니다. 출력 유형 | 위험 | 필수 확인 단계 | 책임 역할 |기록/추적 요구 사항. 출력 유형: [...]
과제: 기획 기관을 위한 AI 데이터/개인 정보 보호 정책 초안을 작성합니다. 포함 사항: 클라우드로 이동할 수 없는 데이터 유형, 익명화 규칙, 승인된 도구 기준, 교육 요구 사항에 사용하지 않음, 위반 시 조치. 맥락: [...]
작업: 다음 엔드투엔드 계획 작업 흐름을 감사합니다. 각 단계의 출구에 "검증 게이트"가 있는지 확인하세요. 검증되지 않은 출력이 다음 단계로 유출될 수 있는 지점을 표시합니다. 작업흐름: [...]
테이블: 단계, AI 역할 및 검증 소유자
무대
AI의 역할
필수 검증
책임
데이터 편집
청소, 도표 작성
소스/형식 제어
분석가
분석
편집, 코드 초안
CRS, 데이터 품질
기획자
시나리오
비교
가정 투명성
기획팀
입법
텍스트 기반 스캔
공식 현재 텍스트
기획자/법률가
참여
테마 추출
표현, 원시 데이터
참여담당자
재해/위험
합성, 사전 스크리닝
전문가 연구
유능한 전문가
신고
초안 작성
내용 + 책임
유능한 기획자
세 개의 미니 케이스
사례 1 - 크리핑 오류. 확인되지 않은 인구 수치는 사무실에서 분석에 들어가고 거기에서 학교 요구 계정으로 이동되고 거기에서 계획 조항으로 이동됩니다. 계획 승인 단계에서 오류가 발견되고 프로세스가 되돌아갑니다. 모든 단계에 '검증 게이트'를 설치하는 기관은 두 번째 단계에서 이 체인을 끊을 것입니다. 이는 P2P 사용의 가장 큰 위험입니다.
사례 2 - 라이브러리와의 일관성. 지방자치단체는 공통 프롬프트 라이브러리로 전환합니다. 요즘 모든 기획자는 "주어진 텍스트에만 의존하고 기사를 구성하지 마십시오"라는 규칙이 포함된 동일한 프롬프트로 법안에 문의합니다. 환각으로 인한 오류가 크게 줄어들고 품질이 사람과 독립적이 됩니다. 제도화로 인해 품질은 더 이상 우연이 아닙니다.
사례 3 — 개인 정보 보호 정책의 가치. 인턴이 일시 중단되지 않은 계획 수정안을 무료 차량에 로드하려고 합니다. 기관의 데이터 정책은 "민감한 데이터는 승인되지 않은 도구에 업로드되지 않으며 익명화됩니다"라는 규칙을 상기시켜 줍니다. 유출 가능성과 공신력 위기를 예방합니다. 서면 정책은 좋은 의도가 실패하는 경우를 보호합니다.
일반적인 실수
- 인증게이트를 설치하지 않습니다. 확인되지 않은 출력이 누출되고 단계 사이에서 증가합니다.
- 개인적으로 의존적인 품질. 공통 라이브러리가 없으면 각 플래너는 서로 다르고 일관되지 않게 작동합니다.
- 기록되지 않은 개인 정보 보호. 정책이 없다면 좋은 의도만으로는 유출을 막을 수 없습니다.
- 레드존을 풀어줍니다. 속도를 위해 재난/규제 허가를 건너뛰면 공공 안전이 위험해집니다.
- 추적하지 않습니다. 공개 프로세스는 책임이 있어야 합니다. 확인 기록이 필요합니다.
- 훈련을 건너 뛰는 중입니다. 팀이 경계를 모른다면 최선의 정책이라도 서류상에 남아 있습니다.
- 정책을 업데이트하지 않습니다. 도구 및 법률 변경 구조도 업데이트해야 합니다.
요약하면
AI 기반 계획의 진정한 성숙은 단일 작업이 아닌 전체 프로세스를 안전하게 관리하는 것입니다. 이를 위해서는 데이터 수집부터 모니터링까지 모든 단계에서 AI로 가속화되지만 인간이 검증한 체인을 구축해야 합니다. 가장 큰 위험은 검증되지 않은 출력이 다음 단계로 유출되는 것이며, 솔루션은 각 단계의 검증 게이트입니다. 개인의 기술을 기업의 인재로 바꾸는 세 가지 구조: 보안 규칙, 내장된 프롬프트 라이브러리, 출력 유형별 인증 프로토콜, 데이터/개인 정보 보호 정책. 이러한 구조를 통해 품질은 개인으로부터 독립되고 프로세스에 책임이 부여되며 대중의 신뢰가 유지됩니다. AI는 계획 속도를 높입니다. 공익, 투명성, 책임은 언제나 사람에게 있습니다.
응용과제
자신의 기관(또는 샘플 지방자치단체)을 위한 AI 사용 프레임워크 초안을 작성하세요. (1) 첫 번째 템플릿을 사용하여 위험 매트릭스에 최소 5개의 계획 작업을 배치합니다. (2) 두 번째 템플릿을 사용하여 세 가지 출력 유형에 대한 검증 프로토콜을 작성합니다. (3) 세 번째 템플릿을 사용하여 짧은 데이터/개인정보 보호정책 초안을 생성합니다. (4) 네 번째 템플릿을 사용하여 엔드투엔드 워크플로를 감사하고 누락된 "검증 게이트"를 하나 이상 식별하고 닫는 방법을 작성합니다.
체크리스트
- [ ] 각 워크플로우 단계의 출력에 검증 게이트를 배치했습니다.
- [ ] 보안 규칙이 내장된 공통 프롬프트 라이브러리를 만들었습니다.
- [ ] 출력 유형 → 검증 → 책임 매핑을 작성했습니다.
- [ ] 승인된 도구, 익명화 및 금지된 데이터 규칙이 포함된 개인정보 보호정책을 만들었습니다.
- [ ] 나는 레드존 출력에 대해 유능한 전문가의 승인을 받았습니다.
- [ ] 나는 한계와 검증에 관해 팀을 위한 교육을 계획했습니다.
- [ ] 전체 프로세스에 대한 추적/로그를 유지하고 정기적으로 업데이트했습니다.
모듈 시험
1. 한 지방자치단체의 계획 부서에서는 인근 지역에 임박한 재해 위험을 기반으로 건축 금지를 부과할지 여부를 결정하고 AI를 사용하여 이 결정을 가속화하는 것을 고려하고 있습니다. 가장 올바른 접근 방식은 무엇입니까?
- A) 데이터 랭글링과 보고서 초안 작성에만 AI를 사용합니다. 유능한 전문가의 공식 분석 및 승인을 거쳐 최종 위험 평가 및 결정 ✔
- 나) AI가 직접 산출한 위험점수를 건축금지 결정으로 변환
- 다) AI가 동일한 결과를 2회 이상 제공한 경우 공식적인 분석 없이 수락
- 라) 전문가 승인을 건너뛰고 속도를 높이는 것
설명: 재해 위험에 따른 건축 금지는 안전에 매우 중요하며 생명 안전 측면에서 법적 구속력이 있는 결정입니다. AI는 문헌 검토, 데이터 큐레이션, 보고서 초안 작성에 사용될 수 있습니다. 그러나 최종 위험 평가 및 결정은 해당 법률에 따라 유능한 지질학/지반 공학 및 도시 계획 전문가의 공식 분석 및 승인을 거쳐 이루어져야 합니다. AI 출력은 이러한 승인 및 공식 프로세스를 대체하지 않습니다.
2. AI에게 필지의 구획 상태 및 시공 조건(TAKS/KAKS, 기능, 도면 거리)을 질문할 때 가짜(환각) 값을 얻지 않는 가장 안전한 방법은 무엇입니까?
- A) AI가 제공하는 가치를 믿고 프로젝트를 시작한다.
- B) 관할 행정청의 공식 구역지정 현황 문서와 현재 승인된 계획 및 계획 메모를 통해 건설 조건을 확인합니다. ✔
- C) 같은 질문을 다른 단어로 다시 질문하고 평균을 구합니다.
- 라) 부동산 홈페이지의 광고 설명에 따라 진행
설명: 언어 모델은 구역화 용어를 알고 있지만 특정 필지의 값, 기능 코드 및 요금을 구성하거나 오래된 정보를 제공할 수 있습니다. 이 정보는 관할 행정 기관(지방자치단체)의 공식 구역 설정 상태 문서와 현재 승인된 구역 계획 및 계획 노트를 통해서만 확인되어야 합니다.
3. 위성영상을 통해 AI로 도시변화(신축)를 감지하였습니다. 구역 검사 프로세스에서 이 출력을 사용할 때 가장 좋은 접근 방식은 무엇입니까?
- 가) AI가 기록한 모든 변경사항을 바로 불법건축물신고로 변환
- B) 이미지 날짜와 해상도는 중요하지 않다고 생각하고 결과를 확정적으로 받아들입니다.
- 다) 조사 결과를 사전 심사로 삼아 현장 관리, 공식 기록, 측정을 통해 확인하는 등 프로세스 기반 마련 ✔
- D) 섀도우 및 클라우드 관련 오류 무시
설명: AI 이미지 분류 및 변경 감지는 강력한 사전 스캔을 제공하지만 해상도, 날짜, 그림자 및 분류 오류가 포함되어 있습니다. 감지된 변경 사항은 현장 관리, 소유권 증서/면허 등록 및 공식 측정을 통해 확인되지 않고는 법적 거래를 기반으로 할 수 없습니다. AI 출력만으로는 증거가 되지 않습니다.
4. 실제 프로젝트 데이터에 AI로 작성된 GeoPandas/Python 스크립트를 실행하기 전에 가장 중요한 확인 사항은 무엇입니까?
- A) 코드가 오류를 일으키지 않는지 확인하고 전체 데이터 세트에 대해 실행하십시오.
- B) 보기 좋게 출력 맵에 의존
- C) 코드를 읽지 않고 기본 데이터 세트에서 직접 코드 실행
- D) 작은 샘플 데이터에서 좌표계와 기하학을 확인하고 그 결과를 알려진 참조와 비교하여 코드를 읽고 테스트합니다. ✔
설명: AI 공간 코드는 잘못된 좌표 참조 시스템(CRS)을 가정하거나, 기하학을 왜곡하거나, 잘못된 단위로 면적을 계산할 수 있습니다. 코드를 읽고 작은 샘플 데이터의 좌표계와 형상을 먼저 확인하고 그 결과를 알려진 참조와 비교하여 테스트해야 합니다.
5. AI가 작성한 인구 예측을 얻을 때 가장 잘 활용되는 것은 무엇입니까?
- A) 공식 통계 데이터 및 가정을 입력하고 AI가 시나리오를 준비하고 불확실성을 명확하게 설명하는 초안을 보고하도록 함 ✔
- B) AI에게 출처 없이 인구 수치 자체를 구성하도록 요청
- 다) 공식통계 대신 AI가 산출한 수치를 활용
- D) 불확도 범위를 명시하지 않고 하나의 정확한 숫자를 제시함
설명: AI는 자체적으로 신뢰할 수 있는 수치 예측을 생성하지 않습니다. 공식 통계(예: TURKSTAT) 데이터와 검증된 방법을 처리하고, 시나리오 및 보고서 초안을 준비합니다. 올바른 사용은 입력 데이터, 성장 가정 및 불확실성 범위를 명확하게 기술하여 AI를 해석 및 작성 도구로 사용하는 것입니다.
6. AI로 토지 이용 적합성 분석을 설정할 때 사용하는 데이터 레이어 중 하나가 오래되어 공간 정확도가 낮습니다. 가장 건강한 접근 방식은 무엇입니까?
- A) 레이어를 그대로 사용하고 결과를 최종으로 수용
- B) 데이터의 최신성과 정확성을 평가하고, 가능하면 이를 현재 소스로 대체하고 보고서에 한계를 기록합니다.
- 다) AI가 아름다운 지도를 만든다고 해서 데이터 품질을 무시하는 행위
- D) 분석에서 누락된 레이어를 자동으로 제거하고 보고서에 보고하지 않음
설명: 공간 분석 결과는 입력 데이터의 품질(가비지 인, 가비지 아웃)만큼 좋습니다. 오래되었거나 충실도가 낮은 레이어는 체계적으로 결과를 오도할 수 있습니다. 데이터 통용성과 정확성을 평가하고, 가능하다면 업데이트/검증된 소스로 교체해야 하며, 보고서에 한도를 명확하게 기재해야 합니다.
7. 시민참여계획에서 수집한 수천 개의 시민의견을 AI로 요약합니다. 대표성 측면에서 가장 중요한 위험과 주의사항은 무엇입니까?
- A) AI 요약을 모든 의견의 공정한 표현으로 취급하고 원시 데이터를 보지 않습니다.
- B) 가장 자주 반복되는 주제에 대해서만 결정을 내립니다.
- C) 소수자와 소외 계층의 견해를 별도로 모니터링하고 원시 데이터에 대한 접근을 보호하며 결정을 투명한 공개 프로세스에 맡깁니다. ✔
- D) 덜 반복되는 의견을 노이즈로 제거
설명: AI 요약은 다수의 목소리와 자주 반복되는 발언을 강조하고 소수와 소외된 집단의 견해를 모호하게 할 수 있습니다. 이것이 표현 편향입니다. 요약본은 이러한 그룹을 별도로 모니터링해야 하며, 원시 데이터에 대한 액세스는 보호되어야 하며, 최종 결정은 투명한 공개 프로세스에 맡겨야 합니다.
8. 도시 성장 시뮬레이션의 결과를 시의회에 제출할 때 가장 정확한 구성은 무엇입니까?
- A) 출력을 정확한 미래 예측으로 제시
- B) 가정과 불확실성을 설명하지 않고 단일 시나리오를 올바르게 표시함
- C) 시뮬레이션을 공식적인 계획 프로세스로 대체
- D) 가정, 제약 및 불확실성을 명확하게 기술하고 결과를 시나리오/토론 도구로 제시하고 결정을 공식 프로세스에 맡깁니다. ✔
설명: 시뮬레이션 결과는 정확한 예측이나 미래가 아닌 특정 가정 하의 시나리오입니다. 적절한 프레젠테이션은 입력 가정, 제약 조건 및 불확실성을 명확하게 설명하고 결과를 결정에 대한 논거로 제시하는 것입니다. 최종 결정은 공식적인 계획 과정과 전문가 평가에 맡깁니다.
9. 아직 보류되지 않은 계획 수정안의 도면 및 필지 데이터를 클라우드 기반 AI 도구에 제공할 때 개인 정보 보호 측면에서 가장 좋은 행동은 무엇입니까?
- A) 맥락을 익명화하고, 식별자를 명확하게 하며, 교육에 데이터가 사용되지 않는 정책 준수 도구를 사용합니다. ✔
- B) 모든 도면 및 필지 소유자 정보를 있는 그대로 업로드
- C) 개인 정보 보호 정책을 읽지 않고 무료 도구 사용
- 라) 결과의 질을 위해 위치정보를 공개해야 한다고 가정한다.
공개: 일시 중단되지 않은 계획 데이터, 소포 소유자 정보 및 위치는 개인 데이터 및 공개 프로세스 모두에 민감합니다. 조기 유출은 투기 및 부당 이득의 위험을 초래합니다. 컨텍스트를 익명화하고 구획/좌표/이름과 같은 식별자를 정리하고 데이터가 훈련에 사용되지 않도록 보장하는 정책 준수 도구를 선택해야 합니다.
10. AI로 교통 모델 결과를 해석할 때 가장 정확한 접근 방식은 무엇입니까?
- A) 모델 없이 AI에게 교통량 자체를 계산하도록 요청
- B) 보정되고 검증된 모델의 출력을 AI에 요약하고, 가정을 명확하게 기술하고, 최종 평가는 전문가에게 맡깁니다. ✔
- C) 모델이 필드 계산으로 보정되지 않은 경우에도 결과를 정확한 것으로 받아들입니다.
- D) 공식적인 연구 대신 AI가 산출한 볼륨 값을 사용
설명: AI는 트래픽 할당 자체를 계산하지 않습니다. 보정된 모델의 출력을 요약합니다. 의미 있는 결과를 얻으려면 현장 인구 조사를 통해 모델을 보정하고 검증해야 하며 가정(시나리오 연도, 수요 매트릭스)이 명확해야 하며 최종 평가는 유능한 운송 전문가에 의해 이루어져야 합니다.
11. AI 지원 계획 단위에서 품질, 공익 및 책임을 유지하기 위해 확립해야 하는 기본 구조는 무엇입니까?
- A) 모든 직원은 자신만의 방식으로 비지도 AI를 사용합니다.
- B) AI 출력을 저장하지 않고 계획으로 직접 전송합니다.
- C) 공통 프롬프트 라이브러리, 검증 프로토콜, 데이터 거버넌스 및 개인 정보 보호 정책을 수립하고 유능한 승인을 통해 중요한 출력을 마감합니다. ✔
- D) 프로세스 종료 시 한 번만 검증을 수행합니다.
설명: AI의 분산 및 통제되지 않은 사용은 오류, 편견 및 개인 정보 보호의 위험을 확대하고 대중의 신뢰를 약화시킵니다. 기업 규모의 공통 프롬프트 라이브러리, 각 출력 유형에 대한 검증 프로토콜, 데이터 거버넌스 및 명확한 개인 정보 보호 정책을 구축합니다. 유능한 승인을 받아 모든 보안 및 공익에 중요한 결과를 종결하는 것이 필수적입니다.
12. AI에게 구역 규제 조항에 대해 물었을 때 그는 명확한 조항 번호와 요율을 알려줬습니다. 계획 결정에 이 정보를 사용하기 전에 무엇을 해야 합니까?
- A) AI가 투명한 물질을 제공하므로 직접 적용
- B) 항목을 다른 프로젝트에서 기억하는 값으로 교체
- 다) 출처를 보지 않고 반올림하여 기사번호 사용
- D) 현행 규정의 공식 현행 텍스트에서 정보를 확인하고, 필요한 경우 관할 당국으로부터 이를 확인하기 위해 ✔
설명: 규정 조항은 시간이 지남에 따라 변경되며 AI는 오래되었거나 다른 법률의 정보를 반환하거나 조항 번호를 환각적으로 표시할 수도 있습니다. 그 값은 시행 중인 관련 규정의 공식 및 최신 텍스트에서 확인되어야 하며, 필요한 경우 관할 당국의 확인을 받아야 합니다.
13. 토지 이용 분석에 AI를 사용하는 가장 효과적인 방법은 무엇을 제공하는 것입니까?
- A) 작업 영역, 레이어, 좌표계, 기준 및 가중치를 명확하고 체계적으로 제공 ✔
- B) '토지이용분석을 잘 해주세요' 같은 한문장 요청만 해주세요.
- 다) 많은 지도를 제작하고 맥락을 제공하지 않고 하나를 선택함
- D) AI 자체가 가정하는 기준과 가중치를 그대로 둡니다.
설명: AI의 출력 품질은 입력 품질에 따라 달라집니다. 작업 영역 경계, 사용할 레이어, 좌표계, 분석 기준 및 가중치와 같은 제약 조건을 명확하게 지정하면 출력이 잘 작동합니다. 모호한 한 문장 요청은 일반적이고 피상적이며 심지어 오해의 소지가 있는 결과를 낳습니다.
14. AI로 계획 공개 보고서(계획 타당성 보고서) 초안을 작성했습니다. 이 초안에 대한 가장 올바른 태도는 무엇입니까?
- 가) 초안을 승인파일에 그대로 넣는다
- B) 초안을 프레임워크로 사용하고 유능한 기획자와 함께 모든 데이터, 입법 참조 및 타당성을 검토하고 수정합니다. ✔
- C) AI가 제공하기 때문에 입법 참조를 확인하지 않음
- 라) 실제 연구와 비교하지 않고 분석자료를 수용한다.
설명: 계획 공개 보고서는 법적 승인 프로세스의 일부이며 기술적/법적 책임이 발생합니다. AI는 신속하게 초안 뼈대를 생성할 수 있습니다. 그러나 모든 데이터, 법률 참조, 비율 및 타당성은 유능한 도시 계획가의 검토를 거쳐 현행 법률 및 실제 분석 데이터에 따라 수정되어야 하며 책임은 계획가에게 있습니다.