AI는 지자체 정보를 어디서 가져올까 — 128개 답변의 출처를 열어 보니

무엇을 물었나

시민이 실제로 물을 법한 8가지 질문을 8개 광역지자체에 대입해 AI에게 두 번씩 물었습니다. 총 128개 답변이고, 모두 성공했습니다. 질문은 전입신고, 대형폐기물 배출, 청년 월세 지원, 출산 지원금, 1박 2일 여행, 대중교통 요금 같은 한국어 6개와 외국인의 거주지 신고·관광 같은 영어 2개입니다. 모든 질문에 지역명을 넣었습니다. 엔진은 Gemini 2.5 Flash와 구글 검색 그라운딩이고, 측정일은 2026년 10월 20일~21일입니다. 조사 설계는 앞선 글과 같은 전수 설계를 따랐습니다.

핵심 결과

공식 도메인이 근거로 쓰인 답변은 절반이 안 되었고, 출처 건수로 보면 공식 도메인은 10건 중 1건도 되지 않았습니다.

근거의 구성

근거의 대부분은 민간 사이트와 블로그·영상이었습니다. 지자체가 정보를 갖고 있어도 AI가 근거로 삼는 곳은 다른 곳이었다는 뜻입니다. 이는 정보의 양이 아니라 AI가 읽고 옮기기 쉬운 구조의 문제일 수 있다는 앞선 글의 진단과 이어집니다.

질문 영역과 언어에 따른 차이

지원정책이나 교통처럼 지자체가 직접 안내해야 하는 영역에서는 공식 인용이 높았지만, 전입신고 같은 민원·행정은 오히려 낮았습니다. 이 영역에서는 중앙 정부 포털(정부24)과 민간 해설이 함께 쓰였습니다. 영어 질의의 공식 인용은 한국어의 절반 이하였습니다. 사전에 "관광은 공식 인용이 더 낮을 것"이라고 예상했지만 틀렸습니다. 관광·문화(37.5%)는 민원·행정(34.4%)보다 근소하게 높았습니다. 다만 공공 도메인까지 합친 포함률은 관광이 40.6%로 민원 96.9%보다 훨씬 낮아, 관광은 공공 도메인 자체가 거의 쓰이지 않았습니다.

지역 혼동 — 광주광역시와 경기 광주시

가장 눈에 띄는 사례는 광주였습니다. 질문에 "광주"를 쓰든 "광주광역시"를 쓰든 답변의 50%가 경기도 광주시청(gjcity.go.kr)을 근거로 인용^[1]했습니다. 본문은 광주광역시라고 서술하면서 근거는 다른 지자체였던 것입니다. 또 경기 군포시의 전입신고 안내가 부산·대구·인천·광주·대전·울산 6개 지역 질문에서 총 10건 근거로 쓰였습니다^[2]. 지역명이 비슷하거나 안내 내용이 일반적인 경우 AI의 검색 근거가 섞일 수 있다는 구조적 가능성을 보여 줍니다. 동음이의 지명을 가진 기관은 정식 명칭과 지역 식별자를 페이지에 명확히 두는 것이 좋습니다.

다음 편의 단서: 자치구 사이트

128개 답변 중 57개는 광역시 사이트가 아닌 자치구·기초 지자체 사이트(.go.kr)를 근거로 삼았습니다. 시민이 실제로 접하는 행정 서비스가 구 단위에서 안내되기 때문입니다. 시리즈의 다음 주제인 서울 25개 구, 경기 31개 시·군 편의 출발점입니다.

정확성은 판단하지 않았다

서울·대전 청년 월세 지원 답변의 보증금·월세·소득 기준을 공식 공고와 대조하려 했지만, 공식 최신 공고를 확인하지 못했고 2차 자료끼리도 보증금 기준이 5천만 원, 8천만 원, 1억 원으로 달랐습니다. 제도는 해마다 바뀝니다. 따라서 이 글은 AI 답변이 맞는지 틀린지를 말하지 않습니다. 어떤 출처를 근거로 삼는지, 그리고 신청 전에는 반드시 최신 공고문을 확인해야 한다는 점만 말합니다.

개선 방향 6가지

이 조사의 한계

Gemini 2.5 Flash와 구글 검색 그라운딩 한 가지 엔진의 1일 스냅샷입니다. ChatGPT, 네이버 AI 브리핑 등 다른 채널은 포함하지 않았고, 질문 8개·지역 8곳·2회 반복이라는 작은 표본입니다. 8곳은 해당 행정 구분의 전수이지만 통계적으로 일반화하지 않습니다.

마치며

지자체는 정보를 충분히 갖고 있습니다. 문제는 그 정보가 AI의 근거가 되도록 읽히는 구조인가입니다. 우리 기관의 구조는 AEGIS Insight로 진단해 볼 수 있고, 핵심 질문 10개를 정해 직접 AI에게 물어 근거를 확인하는 것이 가장 빠른 출발점입니다. 시리즈는 다음에 도 9곳, 서울 25개 구, 경기 31개 시·군으로 이어집니다.