정책, 발표하기 전에
먼저 들어보세요.
정책안을 넣으면 인구 비율대로 뽑은 합성 국민 300명과 영향권 인물 100명이 저마다의 말로 반응하고, 판단 모델 Jev가 5,000명에게 찬반·조항·쟁점·참여 방식을 확률로 다시 묻고 수정안까지 비교합니다. 쟁점이 어느 조항에 몰리는지, 누구를 어떤 방식으로 찾아가 들어야 하는지, 의견수렴 계획서 초안까지 한 번에 만듭니다.
“저도 업무할 때 체계적인 시간 관리가 얼마나 중요한지 알거든요. 법관들도 출퇴근을 명확히 하면 재판이 빨라질 테니까 좋은 정책인 것 같은데요.”
법관 정시출퇴근제 도입 · 쟁점 ‘일반 직업윤리 유추 지지’
“송파구에서 일하고 살고 있는데, 이 정책은 농어촌 지역 분들을 위한 거라서 저랑은 직접 관계가 없는 것 같긴 한데요. 다만 지역 균형 발전 자체는 좋은 취지라고 봅니다.”
농어촌 기본소득 시범사업 · 쟁점 ‘비대상 지역 주민의 무관심’
“저야 올해 67세인데, 내년부터는 무임을 못 받는다고요? 지금까지 열심히 일해온 나이가 갑자기 어리다고 하니 마음이 불편하네요. 자식들 학비 내고, 손주들 챙기느라 저축도 많지 않은데 말이에요.”
도시철도 무임승차 기준 연령 단계적 상향 · 쟁점 ‘당장 임박한 무임 박탈 반발’
실제 실행 결과에서 그대로 가져온 합성 인물(AI)의 발언입니다.
실행 사례
실제 합성 인물 패널로 돌린 결과입니다. 사례를 누르면 결과 화면으로 갑니다.
법관 정시출퇴근제 도입
(가상) 국회·법원행정처
- 대표 300명
- 영향권 100명
- 쟁점 7개
- 생성 24분 1초
가장 큰 쟁점 일반 직업윤리 유추 지지
2026. 9. 24. 실행
농어촌 기본소득 시범사업
농림축산식품부
- 대표 300명
- 영향권 100명
- 쟁점 7개
- 생성 32분 43초
가장 큰 쟁점 비대상 지역 주민의 무관심
2026. 9. 24. 실행
도시철도 무임승차 기준 연령 단계적 상향
(가상) 국토교통부·지방자치단체
- 대표 300명
- 영향권 100명
- 쟁점 7개
- 생성 35분 23초
가장 큰 쟁점 당장 임박한 무임 박탈 반발
2026. 9. 24. 실행
여론조사가 아니라 의견수렴 설계 도구입니다
‘AI 시민에게 물어보기’는 이미 상용 서비스가 있습니다. 정책 미리듣기는 찬성률을 맞히는 대신, 실제 의견수렴을 더 잘하게 돕는 데 집중합니다.
조항별 쟁점 지도
인물마다 반응을 일으킨 문구를 원문에서 그대로 인용하게 하고, 조항 위에 우려가 어디 몰리는지 표시합니다.
영향권 탐색 3경로
속성 조건·키워드·의미 검색으로 영향받을 사람을 스스로 찾고, 의미 검색만 찾아낸 ‘놓칠 뻔한 집단’을 따로 보여줍니다.
가상 공청회
입장이 가장 갈리는 6명이 세 라운드에 걸쳐 서로 반론하는 회의록을 만들고, Jev가 발언마다 태도 변화와 반박·입장 완화·제안을 읽습니다.
5,000명 정량 점검
판단 모델 Jev가 한 사람당 한 번의 호출로 찬반·조항별 찬반·쟁점 공감·참여 방식을 보정된 확률로 답합니다. LLM 답과 같은 사람 기준으로 나란히 봅니다.
수정안 비교
보완 제안을 수정 문장으로 바꿔 같은 1,500명에게 원안과 비교해 묻고, 내용 없는 대조 문장의 효과를 빼서 반대·유보를 줄이는 수정안을 찾습니다.
정책문 명료성 점검
의견을 묻기 전에 조항마다 어려운 용어·대상 모호·기준 누락 등 8가지 문제와, 안내문에 빠진 안내를 찾습니다.
판정 품질 점검
선택지 순서·질문 묶음·반복 호출·다른 도구와의 대조로 Jev 판단을 스스로 점검하고, 순서 편향은 두 순서 평균으로 보정합니다.
의견수렴 계획서
누구를, 어떻게, 무엇을 들고 찾아가 들을지 정리한 계획서 초안을 만듭니다.
판단은 싸고 빠르게
사례 4건에서 판단 모델 Jev가 한 판정을 모두 합한 값입니다. 판정 한 번이 1초 안팎이고 값이 싸서, 5,000명 점검·수정안 비교·판정 품질 점검처럼 사람 수와 경우의 수를 크게 늘릴 수 있습니다. 같은 질문은 저장한 답을 다시 씁니다.
AI 반응은 합의를 부풀립니다
- 상용 AI 여론 시뮬레이션 공개 결과에서 100명 전원이 같은 선택지를 고른 사례가 있습니다(2026. 8. 25.).
- 같은 서비스의 자체 비교에서 실제 여론 69.3%가 부정적인 사안을 AI는 95% 부정으로 답했습니다.
- 합성 페르소나 8만 명으로 정치 성향을 측정한 실험에서도 대부분이 ‘중도’로 몰렸습니다.
그래서 이렇게 씁니다
- 찬반 수치는 방향 참고용으로만 보여줍니다.
- 쟁점·조항·영향 집단을 넓게 훑는 데 씁니다.
- 발언은 AI 인물의 응답을 코드가 그대로 옮기고, AI가 쓴 문장에는 표시를 붙입니다.
- 실제 의견수렴을 대신하지 않고, 누구를 찾아가 들을지 정하는 데 씁니다.
공공 통계 분포를 따른 합성 인물 100만 명
NVIDIA Nemotron-Personas-Korea는 통계청(KOSIS)·대법원·국민건강보험공단 등의 공공 데이터 분포를 바탕으로 만든 합성 인물 데이터입니다(CC BY 4.0). 실존 인물이 아니며, 19세 이상만 포함하고 소득 정보는 없습니다.
다음 입법예고, 먼저 들어보고 시작하세요
정책안을 넣으면 쟁점 지도와 찾아갈 집단, 계획서 초안이 나옵니다.
새 의견수렴 설계