정부의 인공지능 도입에 관한 분석: 중앙정부조직을 중심으로 Analysis of the Government's Introduction to Artificial Intelligence(AI): Focusing on the Central Government Organizations원문보기
지능형 정부를 구성하기 위해 인공지능(AI)의 도입의 필요성이 대두되기 시작하였다. 이에따라 본 연구는 중앙정부 조직의 AI 도입에 영향을 미치는 조직의 특성으로서 '조직 민첩성'과 '활용적 & 탐색적 조직학습', '전자정부의 역량'을 조작화 하여 독립변수로 설정하였다. 이후 정책 기획을 주로 실시하는 중앙정부 조직 '부'와 정책 집행을 주로 수행하는 '청'조직의 AI 도입여부를 종속변수로 구축한 후, 각각의 두 모형에 대해 로지스틱 회귀분석을 실시하였다. 분석 결과, 부 조직은 조직 민첩성이 증가할수록 AI를 도입하였으며, 청 조직은 전자정부 역량이 증가할수록 AI를 도입하는 것이 도출되었다. 이때, 청 조직의 조직학습 수준과 전자정부 역량 변수간의 상호작용항을 파악한 결과, 활용적 조직학습은 전자정부 역량에 따른 AI 도입의 영향력을 상쇄시켰으며, 탐색적 조직학습은 이를 촉진하였다. 본 연구는 AI 도입을 위한 전략 수립 시 중앙정부 조직의 특성에 따라 주목할 핵심 개념을 제시하였다는 점에서 그 의의가 있다.
지능형 정부를 구성하기 위해 인공지능(AI)의 도입의 필요성이 대두되기 시작하였다. 이에따라 본 연구는 중앙정부 조직의 AI 도입에 영향을 미치는 조직의 특성으로서 '조직 민첩성'과 '활용적 & 탐색적 조직학습', '전자정부의 역량'을 조작화 하여 독립변수로 설정하였다. 이후 정책 기획을 주로 실시하는 중앙정부 조직 '부'와 정책 집행을 주로 수행하는 '청'조직의 AI 도입여부를 종속변수로 구축한 후, 각각의 두 모형에 대해 로지스틱 회귀분석을 실시하였다. 분석 결과, 부 조직은 조직 민첩성이 증가할수록 AI를 도입하였으며, 청 조직은 전자정부 역량이 증가할수록 AI를 도입하는 것이 도출되었다. 이때, 청 조직의 조직학습 수준과 전자정부 역량 변수간의 상호작용항을 파악한 결과, 활용적 조직학습은 전자정부 역량에 따른 AI 도입의 영향력을 상쇄시켰으며, 탐색적 조직학습은 이를 촉진하였다. 본 연구는 AI 도입을 위한 전략 수립 시 중앙정부 조직의 특성에 따라 주목할 핵심 개념을 제시하였다는 점에서 그 의의가 있다.
The necessity for introducing artificial intelligence(AI) into the public sector to form an intelligent government has been emerging. This study set 'Organizational Agility', 'Exploitation & Exploration Learning', and 'E-government Capability' as independent variables for the introduction of AI in c...
The necessity for introducing artificial intelligence(AI) into the public sector to form an intelligent government has been emerging. This study set 'Organizational Agility', 'Exploitation & Exploration Learning', and 'E-government Capability' as independent variables for the introduction of AI in central government. Dependent variables were set on whether AI was adopted in the central government organization 'Bu(mainly conducts policy planning)', and 'Cheong(mainly performs policy execution)'. Logistic regression analysis was performed on each of the two models. As a result, it was derived that ministry Bu adopted AI as organizational agility increased, and ministry Chung adopted AI as e-government capability increased. Particularly, it was identified that the effect of exploitation learning for Cheong organizations offset the influence of AI introduction according to e-government capabilities, while exploratory organizational learning facilitated the AI introduction. This study is meaningful for suggesting a strategy for adopting AI in government.
The necessity for introducing artificial intelligence(AI) into the public sector to form an intelligent government has been emerging. This study set 'Organizational Agility', 'Exploitation & Exploration Learning', and 'E-government Capability' as independent variables for the introduction of AI in central government. Dependent variables were set on whether AI was adopted in the central government organization 'Bu(mainly conducts policy planning)', and 'Cheong(mainly performs policy execution)'. Logistic regression analysis was performed on each of the two models. As a result, it was derived that ministry Bu adopted AI as organizational agility increased, and ministry Chung adopted AI as e-government capability increased. Particularly, it was identified that the effect of exploitation learning for Cheong organizations offset the influence of AI introduction according to e-government capabilities, while exploratory organizational learning facilitated the AI introduction. This study is meaningful for suggesting a strategy for adopting AI in government.
본 연구는 중앙정부 조직인 부와 청을 대상으로 조직학습과 조직 민첩성, 조직의 전자정부 역량이 해당 조직의 AI 활용에 어떠한 영향을 미치는지를 파악함으로써, 향후 정부가 AI를 활발히 도입하기 위한 전략을 조직의 특성에 따라 수립하고자 하는 목적에서 이루어졌다. 그 결과 부 조직의 조직 민첩성이 높을수록 조직은 AI를 도입하는 것으로 도출되었다.
종합하면, 본 연구는 중앙정부 조직인 부 와 청을 대상으로 AI 도입에 미치는 영향을 전자정부, 조직 학습과 민첩성을 중심으로 파악하여 이론적 및 정책적 함의 점을 제시하고자 한다. 이를 통해 AI와 행정학 간의 융합적 연구를 실시하고 그 학제적 연결성을 공고히 하고자 한다. 본 연구는 대전환기의 흐름 속 지능형 정부를 구축하기 위한 전략을 큰 틀에서 제시한다는 점에서 그 의의가 있다.
이에 따라 본 연구에서는 공공분야 중 AI 도입의 최전방에 있는 중앙정부 조직을 중심으로 조직이 AI를 도입하기 위해 핵심적인 요인을 파악하는 것을 그 목적으로 한다. 중앙정부 조직의 AI 도입에 영향을 미치는 요인들로 조직의 자원, 행정부와 해당 조직의 정책적 정합성, 조직의 업무 특성, 국민의 정부신뢰 등 다양한 요인들이 있을 것이다.
종합하면, 본 연구는 중앙정부 조직인 부 와 청을 대상으로 AI 도입에 미치는 영향을 전자정부, 조직 학습과 민첩성을 중심으로 파악하여 이론적 및 정책적 함의 점을 제시하고자 한다. 이를 통해 AI와 행정학 간의 융합적 연구를 실시하고 그 학제적 연결성을 공고히 하고자 한다.
가설 설정
가설 1: 부 & 청 조직간 다른 특성으로 인하여 조직의 AI 도입에 대한 영향요인 간에 차이가 있을 것이다.
가설 2: 전자정부 역량이 증가할수록 중앙정부 조직은 AI를 도입할 것이다.
가설 3: 조직 민첩성이 증가할수록 중앙정부 조직은 AI를 도입할 것이다.
가설 4: 조직학습이 증가할수록 중앙정부 조직은 AI 를 도입할 것이다.
가설 5: 전자정부 역량 수준은 조직 민첩성에 따른 조직의 AI 도입에 영향을 미칠 것이다.
가설 6: 전자정부 역량 수준은 조직 학습에 따른 조직의 AI 도입에 영향을 미칠 것이다.
제안 방법
이를 통해 형성되는 사회적 특성은 조직에 대한 평가에 영향을 미칠 것으로 판단하였다. 따라서 본 연구에서는 개개인의 성별과 근무년수, 직급을 통제변수로 포함하였다. 개개인의 연령은 나이 그 자체를 작성하도록 하여 측정하였으며, 성별의 경우 남자와 여자 중 하나를 선택하도록 하였다.
이때, 조직의 전자정부는 AI라는 개념을 도입하기에 있어서 그 플랫폼으로서의 기반이 되므로 조직의 환경에 대한 민첩한 대응 및 학습을 통한 AI의 도입 과정에서 조직의 전자정부 역량이 일정수준 이상 전제되어야 할 것으로 판단된다. 따라서 본 연구에서는 전자정부와 조직 민첩성, 조직 학습의 2가지 유형에 대한 상호작용 효과도 포함하여 AI 도입의 양상을 포착하고자 하였다.
이때, 설문 문항 ①~③은 조직이 AI를 활용하지 않는 것을, ④~ ⑤는 조직이 AI를 활용하는 것을 전제로 한다. 따라서 이를 각각 0과 1로 재구축하여 더미 변수화함으로써 해당 공무원이 속한 조직이 AI를 활용하는지의 여부를 측정할 수 있도록 하였다.
본 연구의 변수는 조직이 AI를 도입하기 위한 특성을 포착하기 위한 설문문항을 기반으로 하였다.
본 연구의 분석 단위는 조직이지만 설문의 대상은 개개인을 대상으로 하였기 때문에 개인의 특성을 통제변수로 포함하였다. 여러 개념들에 대한 개개인의 인지는 사회과정(Social Process)을 통해 형성되므로 개개인 간의 교류과정에서 발생하는 정보 및 의견의 교환, 기대 등이 발생한다[47].
앞서 이루어진 논의들을 종합하면, 본 연구에서는 정부 조직 유형인 부와 청에 대하여 탐색적 & 활용적 조직학습과 조직 민첩성, 전자정부의 역량에 따라 조직의 AI 도입 여부가 어떻게 달라지는지를 포착하고 그 핵심변수들을 도출하고자 하였다
따라서 국민을 대상으로 제공되는 서비스 및 공무원의 의사결정을 지원하는 정책집행의 분야에 적용되기 용이한 AI가 도입되기에는 어려움이 있을 것이다. 우선적인 AI의 도입이 정책집행을 중심으로 도입된다는 선행연구의 논의에 기반했을 때[20], 본 연구에서는 중앙정부 조직 중 AI의 적용의 여지가 높은 부와 청을 중심으로 분석을 실시하고자 한다.
마지막 독립변수인 전자정부 역량의 경우 AI 서비스가 도입되기에 가장 기반으로서의 행정체계는 전자정부라는 논의에 근거하여 설정되었다. 전자정부의 역량을 측정하기 위하여 전자정부를 통해 제공하는 정보의 질과 관련된 6문항, 전자정부 시스템의 질과 관련된 3 문항, 전자정부 서비스의 질과 관련된 2문항, 총 11문항을 활용하였으며, 5점 리커트 척도를 통해 측정되었다. Cronbach’s α 값은 0.
종속변수를 측정하기 위해 공무원이 속한 조직이 AI 를 활용하는지의 여부를 측정하였다. 설문대상 공무원을 대상으로 ‘귀하의 조직은 평소 업무에서 지능형·무인화(인공지능, 빅데이터, 사물인터넷, 로봇기술) 기술을 얼마나 활용하고 있습니까?’라는 설문문항을 제시한 후에 5개의 보기 중 하나를 선택하도록 하였다.
첫 번째 독립변수로 조직학습의 두 가지 유형인 활용적 조직학습과 탐색적 조직학습을 측정하였다. 해당 개념을 측정하기 위한 문항은 각 유형의 조직학습을 측정하기 위하여 Mom[45]과 Jansen[46]이 활용한 측정 문항을 국내의 조직적 맥락에 맞게 수정해 반영하였다.
첫 번째 독립변수로 조직학습의 두 가지 유형인 활용적 조직학습과 탐색적 조직학습을 측정하였다. 해당 개념을 측정하기 위한 문항은 각 유형의 조직학습을 측정하기 위하여 Mom[45]과 Jansen[46]이 활용한 측정 문항을 국내의 조직적 맥락에 맞게 수정해 반영하였다. 또한, 해당 설문문항은 활용적 및 탐색적 조직학습과 관련된 선행연구에서 활용된 선례가 있다는 점에서 타당하다[44].
대상 데이터
본 연구에서 구축한 데이터를 살펴보면 단년도의 자료이며, 종속변수가 0과 1로 구성된 더미변수로 이루어졌고 독립변수는 연속 및 비연속 변수로 구성되어있다. 이러한 구성의 데이터를 대상으로 분석하기에 가장 적합한 통계분석 모형인 로지스틱 회귀분석(logistic regression analysis)을 실시하고자 하였다.
이는 연세대학교 미래 정부연구센터에서 2021년 2월 실시되었으며 초 변화 사회의 미래정부 상을 구상하는 것을 그 목적으로 한다 [25]. 설문의 대상은 전국에 거주하는 만 20세 이상의 공무원 500명을 대상으로 실시되었다.
그 중에서 본 연구는 논의 범주를 구체적으로 제시하고 보편적으로 적용될 수 있는 처방 적 연구 결과를 제시하기 위해 조직행태 요인으로 그 범주를 제한하였다. 이에따라 연구 대상으로 중앙정부 조직 중 대표적으로 부와 청을 대상으로 하였다. 또한 해당 조직의 유형에 따라 포괄적으로 신기술의 도입을 설명하기 위해서는 전자정부 역량, 그리고 조직의 민첩성과 학습의 형태가 그 설명력이 가장 높다고 보았다.
데이터처리
이러한 구성의 데이터를 대상으로 분석하기에 가장 적합한 통계분석 모형인 로지스틱 회귀분석(logistic regression analysis)을 실시하고자 하였다. 또한, 통계분석의 통계적 유의미성을 더 엄격한 기준에서 판단하고자 강건성 검사(robustness check)를 적용하였으며, 각 변수간의 상호작용항을 포함한 Model에서는 다 중공선 성을 최소화하기 위하여 상호작용항을 구성할 때 평균중심화(mean-centering)를 실시하였다.
본 연구에서 구축한 데이터를 살펴보면 단년도의 자료이며, 종속변수가 0과 1로 구성된 더미변수로 이루어졌고 독립변수는 연속 및 비연속 변수로 구성되어있다. 이러한 구성의 데이터를 대상으로 분석하기에 가장 적합한 통계분석 모형인 로지스틱 회귀분석(logistic regression analysis)을 실시하고자 하였다. 또한, 통계분석의 통계적 유의미성을 더 엄격한 기준에서 판단하고자 강건성 검사(robustness check)를 적용하였으며, 각 변수간의 상호작용항을 포함한 Model에서는 다 중공선 성을 최소화하기 위하여 상호작용항을 구성할 때 평균중심화(mean-centering)를 실시하였다.
성능/효과
본 연구는 중앙정부 조직인 부와 청을 대상으로 조직학습과 조직 민첩성, 조직의 전자정부 역량이 해당 조직의 AI 활용에 어떠한 영향을 미치는지를 파악함으로써, 향후 정부가 AI를 활발히 도입하기 위한 전략을 조직의 특성에 따라 수립하고자 하는 목적에서 이루어졌다. 그 결과 부 조직의 조직 민첩성이 높을수록 조직은 AI를 도입하는 것으로 도출되었다. 이는 부 조직이 대부처주의(大部處主義) 기조에 따라 다양하고 유사한 기능들이 한 부처에 복합적으로 편제됨에 따라 그 복잡성이 증가하고 비정형적 업무를 많이 실시함에 따른 것으로 보인다.
두 번째로, 연구의 분석결과는 국민을 대상으로 주로 서비스를 제공하는 청 조직이 AI를 효과적으로 도입하기 위해서는 전자정부를 기반으로 한 행정적 기반이 선제적으로 마련되어야 한다는 것을 제시하였다. 이때, 2020년 기준 한국은 OECD 국가 중 인터넷 이용률이 3번째로 높은 국가이다[48].
반면, 청 조직은 전자정부 역량이 높을수록 AI를 도입하는 것으로 도출되었다. 이때, 청 조직의 전자정부역량이 증가할수록 조직이 AI를 도입할 확률이 증가하는 양상에 대해 기존의 전략을 강화하는 학습적 조직학습은 이를 상쇄, 새로운 전략을 포착하고자 하는 탐색적 조직학습은 이를 강화되는 결과가 도출되었다.
Model 2는 Model 1에 두 유형의 조직학습 독립변수와 전자정부 역량 독립변수를 곱한 상호작용항을 포함한 것이다. 분석 결과 조직학습과 전자정부 역량 간의 상호작용 효과는 존재하지 않는 것으로 확인되었다. Model 3은 조직 민첩성 변수와 전자정부 역량 변수를 곱한 상호작용항을 Model 1에 포함한 모형으로, 해당 모형 또한 상호작용 효과가 존재하지 않음을 확인할 수 있었다.
Model 4는 모든 독립 및 통제변수를 대상으로 분석을 실시하였다. 분석 결과, 조직의 전자정부 역량과 청 조직의 AI 활용 여부는 정(+)관계에 놓여있음을 확인할 수 있었다. 이는 집행적 업무를 주로 수행한다는 청 조직의 특성이 반영된 것으로 판단하였다.
세 번째로, 전자정부의 역량은 공무원의 학습의 행태에 따른 청 조직의 AI 도입양상에 영향을 미치고 있었다. 따라서 청 조직이 효율적으로 AI 도입을 실시하기 위해서는 공무원들로 하여금 탐색적 조직학습을 지향하는 전략을 도입하도록 유도해야 한다.
반면, 청 조직은 전자정부 역량이 높을수록 AI를 도입하는 것으로 도출되었다. 이때, 청 조직의 전자정부역량이 증가할수록 조직이 AI를 도입할 확률이 증가하는 양상에 대해 기존의 전략을 강화하는 학습적 조직학습은 이를 상쇄, 새로운 전략을 포착하고자 하는 탐색적 조직학습은 이를 강화되는 결과가 도출되었다. 청 조직의 업무는 세분화되어 있으며, 이에따라 혁신이 발생할 여지가 상대적으로 높다는 논의에 기반했을 때, 이러한 분석 결과는 타당하다고 판단된다.
이는 즉, 전자정부 역량이 조직의 AI 활용 여부에 대해 미치는 영향은 탐색적 조직학습이 증가함에 따라 시너지 효과가 발생한다는 것을 의미한다. 종합하면, 조직이 전자정부 역량이 증가함에 따라 조직이 AI를 활용할 확률이 증가하는 것을 활용적 조직학습은 감소, 탐색적 조직학습은 증가시킨다. 이에따라 청 조직의 AI 활용 여부에는 이러한 AI 활용의 기반인 조직의 전자정부 역량이 매우 중요한 영향을 미치며, 조직의 학습전략을 도입하기에 중요한 전제임을 유추해볼 수 있다.
분석 결과를 통해서 도출한 함의는 다음과 같다. 첫 번째로, 조직 민첩성과 조직 학습 개념은 중앙정부 조직의 특성에 따라 그 영향이 달라지는 것을 확인하였다. 따라서 조직 민첩성과 조직학습 개념을 공공조직, 특히 정부조직을 대상으로 논의할 때, 해당 조직의 자율성 및 권한, 구조 등과 같은 특징에 따라 조직학습 및 민첩성이 AI 도입에 미치는 양상이 달라진다는 것을 고려해야 함을 시사한다.
후속연구
이때, 후자의 경우 Kingdon의 이론[49]에 따르면 정책의 도입과정에서 조직 자체적인 특성 외에도 환경적, 정치적 특성 등이 고려되어야 한다고 제시한다. 따라서 이러한 추가적인 요인들을 포함하여 AI의 도입을 탐구하는 후속 연구가 이루어져야 할 것이다.
이때, 2020년 기준 한국은 OECD 국가 중 인터넷 이용률이 3번째로 높은 국가이다[48]. 따라서 전자정부 서비스에 대한 국민의 접근성은 높은편이라고 할 수 있으므로, 청 조직은 본격적인 AI 도입이 이루어지기 전에 이의 기반이라고 할 수 있는 전자정부의 역량을 먼저 확립할 수 있는 정책적 지원 및 전략을 마련해야 할 것이다.
하지만 이러한 전자정부 외에도 IOT, 키오스크, 차량 등 AI가 도입될 수 있는 플랫폼은 매우 다양하게 존재한다. 따라서 해당 플랫폼들을 중심으로 AI 도입의 양상 변화를 포착할 수 있는 후속 연구의 실시는 AI의 공공분야 도입과 관련된 논의를 넓혀줄 수 있을것으로 판단된다.
첫 번째로, 본 연구에서 활용하고자 한 조직 민첩성과 조직 학습 외에도 AI 도입에 실질적으로 영향을 미치는 요인은 다양할 것이다. 조직 규모, 조직의 업무 특성 등의 요소를 통제변수로 포함했어야 하지만, 설문문항 설계의 한계로 인하여 이러한 요인들을 포함하지 못했다는 것이 본 연구의 한계로 제시될 수 있다.
연구의 한계는 다음과 같다. 첫 번째로, 본 연구에서 활용하고자 한 조직 민첩성과 조직 학습 외에도 AI 도입에 실질적으로 영향을 미치는 요인은 다양할 것이다. 조직 규모, 조직의 업무 특성 등의 요소를 통제변수로 포함했어야 하지만, 설문문항 설계의 한계로 인하여 이러한 요인들을 포함하지 못했다는 것이 본 연구의 한계로 제시될 수 있다.
참고문헌 (58)
McKinsey & Company, The state of AI in 2021, McKinsey, 2021.
주재욱, 한명성, 유인혜, 박보경, 박래현, 안지헌, 서울시 AI(인공지능) 산업 육성을 위한 생태계 분석 및 정책방안, 서울연구원, 2021.
M. M. Young, J. Himmelreich, J. B. Bullock, and K. C. Kim, "Artificial intelligence and administrative evil," Perspectives on Public Management and Governance, Vol.4, No.3, pp.244-258, 2021.
M. Arana-Catania, F. A. Van Lier, R. Procter, N. Tkachenko, Y. He, A. Zubiaga, and M. Liakata, Citizen participation and machine learning for a better democracy, arXiv preprint arXiv:2103.00508, 2021.
K. Gollatz, F. Beer, and C. Katzenbach, The turn to artificial intelligence in governing communication online, SSOAR, 2018.
김은경, 문영민, 제4차 산업혁명에 대한 경기도의 대응방향, 경기연구원, 2016.
D. Eggers, D Schatsky, and P. Viechnick, AI-augmented government, A report from the Deloitte Center for Government insights, Deloitte, 2016.
D. Valle-Cruz, E. A. Ruvalcaba-Gomez, R. Sandoval-Almazan, and J. I. Criado, "A review of artificial intelligence in government and its potential from a public policy perspective," In Proceedings of the 20th Annual International Conference on Digital Government Research, pp.91-99, 2019.
이경호, "중앙행정기관의 조직특성과 조직효과성의 관계에 관한 연구," 행정논총, 제52권, 제1호, pp.1-34, 2014.
https://www.law.go.kr/법령/전자정부법/제2조/
행정안전부, 제2차 전자정부 기본계획[2021년~2025년], 행정안전부, 2021.
P. Frumkin and J. Galaskiewicz, "Institutional isomorphism and public sector organizations," Journal of public administration research and theory, Vol.14, No.3, pp.283-307, 2004.
Y. Y. Yusuf, M. Sarhadi, and A. Gunasekaran, "Agile Manufacturing: The Drivers, Concepts and Attributes," International Journal of Production Economics, Vol.62, pp.33-43, 1999.
R. Wendler and T. Stahlke, "What Constitutes an Agile Organization? - Descriptive Results of an Empirical Investigation," Dresdner Beirage zur Wirtschaftsinformatik, Vol.68, No.14, 2014.
곽기영, 홍문경, "정보기술역량과 조직학습이 기업성과에 미치는 영향 :조직민첩성의 역할을 중심으로," 경영학연구, 제40권, 제4호, pp.1075-1108, 2011.
B. M. Arteta and R. E. Giachetti, "A Measure of Agility as the Complexity of the Enterprise System," Robotics and computer integrated manufacturing, Vol.20, No.6, pp.495-503, 2004.
P. M. Swafford, S. Ghosh, and N. Murthy, "The antecedents of supply chain agility of a firm: scale development and model testing," Journal of Operations management, Vol.24, No.2, pp.170-188, 2006.
T. Choi and S. M. Chandler, "Exploration, exploitation, and public sector innovation: An organizational learning perspective for the public sector," Human Service Organizations: Management, Leadership & Governance, Vol.39, No.2, pp.139-151, 2015.
J. M. Barrutia and C. Echebarria, "Drivers of exploitative and explorative innovation in a collaborative public-sector context," Public Management Review, Vol.21, No.3, pp.446-472, 2019.
T. J. M. Mom, F. A. J. Van Den Bosch, and H. W. Volberda, "Investigating managers' exploration and exploitation activities: The influence of top-down, bottom-up, and horizontal knowledge inflows," Journal of Management Studies, Vol.44, No.6, pp.910-931, 2007.
J. J. P. Jansen, D. Vera, and M. Crossan, "Strategic leadership for exploration and exploitation: The moderating role of environmental dynamism," The Leadership Quarterly, Vol.20, No.1, pp.5-18, 2009.
M. A. Bahrami, M. M. Kiani, R. Montazeralfaraj, and H. F. Zadeh, "The mediating role of organizational learning in the relationship of organizational intelligence and organizational agility," Osong public health and research perspectives, Vol.7, No.3, pp.190-196, 2016.
S. R. Chohan and Z. H. Akhter, "Electronic government services value creation from artificial intelligence: AI-based e-government services for Pakistan," Electronic Government, an International Journal, Vol,17, No.3, pp.374-390, 2021.
C. Alexopoulos, Z. Lachana, A. Androutsopoulou, V. Diamantopoulou, Y. Charalabidis, and M. A. Loutsaris, "How machine learning is changing e-government," In Proceedings of the 12th International Conference on Theory and Practice of Electronic Governance, pp.354-363, 2019.
A. Schnackenberg, J. Singh, and J. Hill, Theorizing capabilities of organizational agility: A paradox framework. In Academy of Management (AOM) Annual Meeting, San Antonio, TX, pp.7-21, 2011.
E. C. Nevis, A. J. DiBella, and J. M. Gould, "Understanding Organizations as Learning Systems," Sloan Management Review, Vol.36, pp.73-85, 1995.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.