본 연구는 생성형 AI를 활용하여 보다 효율적이고 일관성 있는 법령사무조사를 수행하기 위한 자동화 모델을 개발하여 법령상 사무총조사에 대한 자동화 모델의 적용 가능성과 이를 통한 미래방향의 모색을 목적으로 한다. 이에 본 연구는 사무인지 여부를 판별할 수 있는 사무판단모델(AI Model 1)과 사무의 유형을 구분할 수 있는 사무유형모델(AI Model 2)을 제시하였다. 이를 통하여 검토가 필요한 약 84만 여개의 조문 중 자동화 모델을 통하여 비사무를 제거하면 검토가 필요한 행은 32만여 개로 약 62%의 노력을 획기적으로 줄일 수 있는 것으로 나타났다. 또한 학습화된 인공지능을 활용하여 기존에 구축된 데이터의 오류를 검증하는 데에도 자동화 모델의 역할이 가능한 것으로 나타났다. 이러한 결과를 종합하면 그동안 방대한 노력이 투입되어야만 했던 법령상 사무총조사를 자동화 모델을 통하여 보다 신속하고 정확하게 수행할 수 있을 것으로 기대된다. 다만, 이를 위해서는 다양하고 복잡한 사무유형의 판단 과정을 반영할 수 있도록 보다 고도화된 모델의 개발이 필요할 것이며, 고도화된 모델의 개발이 되기 전까지는 사람(연구자)과 AI의 협력적인 역할 분담 방안 등이 모색되어야 할 것이다.

This research aims to develop an automated model using generative AI to perform more efficient and consistent legal affairs investigations, with the goal of exploring the applicability of automated models to legal affairs surveys and charting future directions. The study presents two models: one for determining the nature of legal affairs (AI Model 1) and another for classifying types of legal affairs (AI Model 2). Through the application of these models, it was found that approximately 62% of efforts can be significantly reduced by eliminating non-administrative tasks, leaving around 320,000 tasks out of approximately 840,000 for review. Additionally, the role of automated models in verifying errors in existing data using trained artificial intelligence was evident. Overall, the results suggest that legal affairs surveys, which previously required substantial effort, can be performed more swiftly and accurately through automated models. However, achieving this requires the development of more sophisticated models capable of reflecting various complex types of tasks. Until such advanced models are developed, exploring cooperative roles between humans (researchers) and AI will be essential.