왜 지금 '체감 성과'인가
매년 공공기관 경영평가 시즌이 되면 기관들은 방대한 실적 보고서를 제출한다. 사업 집행률, 예산 절감률, 민원 처리 건수, 고객만족도(PCSI) 점수 등 정량 지표가 촘촘히 나열된다. 그러나 지표상 우수 등급을 받은 기관이 정작 국민에게는 '체감되지 않는' 경우가 적지 않다. 처리 건수는 늘었지만 국민의 신뢰는 제자리이거나, 만족도 점수는 높지만 특정 계층에서는 불만이 누적되고 있는 식이다.
기존 성과 평가는 두 가지 한계를 안고 있다. 첫째, 기관이 스스로 설계한 지표는 '무엇을 얼마나 했는가'는 잘 보여주지만 '그것이 국민에게 어떤 의미였는가'는 놓친다. 둘째, 연 1회 대규모 만족도 조사는 비용과 기간 때문에 세밀한 계층 분석이 어렵고, 이미 지난 성과에 대한 사후 평가에 머문다.
계량지표가 놓치는 세 가지 사각지대
정량 성과와 국민 체감 사이의 괴리는 대개 세 지점에서 발생한다.
이 세 사각지대는 모두 교차분석을 통해서만 드러난다. 세대·지역·소득·정치성향별로 응답을 쪼개 보면, '전체 평균 우수'라는 결론 뒤에 숨은 불균형이 선명해진다.
AI 국민 인식 조사가 채우는 빈틈
MindScope Korea가 운영하는 AI 패널 기반 조사는 인구통계학적으로 설계된 대규모 가상 응답군에 정책·기관 관련 질문을 던지고, 그 반응을 세밀한 세그먼트로 분해한다. 전통적 조사 대비 짧은 기간에 반복 측정이 가능해, 성과 평가에 다음과 같은 방식으로 결합할 수 있다.
| 구분 | 전통 만족도 조사 | AI 국민 인식 조사 |
|---|---|---|
| 측정 주기 | 연 1회 사후 | 분기·수시 반복 |
| 계층 분석 | 표본 한계로 제한적 | 세대·지역·소득 교차분석 |
| 측정 대상 | 주로 이용자 만족 | 인지·신뢰·체감 변화 포괄 |
| 활용 시점 | 평가 결과 확정 후 | 사업 중간 점검 가능 |
핵심은 AI 조사가 전통 조사를 '대체'하는 것이 아니라 보완한다는 점이다. 공식 경영평가의 정량 지표는 그대로 두되, 그 옆에 '국민 체감 지표'를 병렬로 놓아 두 결과의 괴리 자체를 하나의 평가 신호로 삼는 것이다.
어떻게 적용할 것인가 — 3단계 프레임워크
예를 들어 청년 창업 지원사업이 집행률 95%로 정량상 우수해도, AI 교차분석에서 '지방 거주 청년'의 인지도가 도시권의 절반에 그친다면 이는 곧바로 전달 채널 개선이라는 실행 과제로 전환된다. 성과 평가가 사후 채점에서 실시간 개선 도구로 바뀌는 것이다.
도입 시 유의할 점
AI 인식 조사를 성과 평가에 결합할 때는 몇 가지 원칙이 필요하다.
- 보완재로 위치시킬 것 — 체감 지표를 공식 등급의 직접 산식에 급하게 넣기보다, 참고·진단 지표로 먼저 운영하며 신뢰도를 검증한다.
- 맥락과 함께 읽을 것 — 체감도가 낮다고 무조건 부실이 아니다. 정책 특성상 저항이 큰 개혁 사업은 낮은 체감이 오히려 자연스러울 수 있다.
- 투명하게 공개할 것 — 측정 방식과 세그먼트 기준을 공개해, 평가받는 기관도 개선 방향을 명확히 읽을 수 있게 한다.
맺으며
공공기관의 존재 이유는 결국 국민이다. 정량 지표가 '얼마나 열심히 했는가'를 말한다면, 국민 인식 조사는 '그 노력이 국민에게 닿았는가'를 말한다. 두 렌즈를 함께 쓸 때 비로소 성과 평가는 완성된다. AI 기반 인식 조사는 이 두 번째 렌즈를 정기적이고 세밀하게, 그리고 계층별로 제공한다. 평균 뒤에 숨은 격차를 드러내고, 사후 채점을 실시간 진단으로 바꾸는 것 — 그것이 공공 성과 관리의 다음 단계다.