Summary
인공지능을 활용한 시민 숙의 지원은 단순 의견 집계의 속도가 아니라, 당사자와 시민이 판단 이유에 접근하고 반박할 능력을 넓힐 때에만 사법의 공적 숙의로 정당화된다. 이는 참여 주체와 기초 자료, 소수 의견과 예외의 보존 방식, 원문 압축 과정을 공개하고 단순 선호 점수를 정당성의 증거로 전용하지 않을 때 성립한다.
10.1반박 능력을 넓히는 공적 숙의 지원
인공지능이 숙의를 도울 수 있다는 기대가 커지고 있다. 실제 숙의 요약의 일반적 성능은 확인되지 않은 사실이나, 많은 의견을 모아 공통 문안을 정리하는 데 인공지능을 활용하려는 시도가 있다. 그러나 모은 의견이 곧 정의나 재판의 정당성은 아니다. 이 편의 중심 명제는 인공지능의 숙의 지원이 이유에 접근하고 반박할 능력을 넓힐 때에만 사법의 공적 숙의로 정당화된다는 것이다. 집계의 속도가 아니라 다툼의 질이 기준이다. 이 물음이 해결되지 않으면 시민 참여는 듣는 시늉으로 전락하고 모델이 정리한 문장이 공적 이유인 것처럼 굳어진다.
10.2원문 조건 보존과 압축 과정의 공개
성립 조건은 참여와 영향의 연결이다. 누가 어떤 자료로 어떤 질문에 답했는지, 소수 의견과 예외가 어떻게 보존되었는지, 정리 과정이 원문을 어떻게 압축했는지가 공개되어야 한다. Tessler 등의 연구 초록이 보여주는 공동 입장문에 대한 참가자의 선호는 정의나 재판의 정당성을 측정한 결과가 아니다. 이 가능성을 사법에 가져오는 연결 논증 자체가 연구 대상이다. 따라서 선호 점수를 정당성의 증거로 전용하지 않는다. 인공지능을 이용하지 않는 선택이나 인공지능의 판단에 반대하는 사람의 권리도 같은 설계에 포함된다. 저렴한 법률 지원과 접근 가능한 설명이 당사자에게 도달하려면 설명의 출처와 한계도 함께 주어져야 한다. 시험에서 정식 도입으로의 전환 방법은 IV-14에 맡기고 이 편은 숙의의 질을 묻는다.
10.3반론: 반박 중심 설계의 속도·규모 한계
최강 반론은 반박 중심 설계가 속도와 규모를 희생시켜 정작 많은 시민의 목소리를 듣지 못하게 한다는 것이다. 포용을 위해서는 매끄러운 요약과 빠른 합의가 필요하다는 주장이다. 답은 포용과 정당화를 구별하는 것이다. 많이 듣는 일은 필요하나, 듣고 나서 무엇을 이유로 채택했는지를 다툴 수 있어야 한다. 반대 의견과 책임의 귀속을 남기는 기능별 위임이 대안이다. 인간의 승인 표시만 남고 변경 능력은 없다면 숙의 지원이 아니라 자동 분류다. 유예로 확보한 시간을 공공 전문성과 당사자의 반박 능력을 키우는 데 쓰지 않는다면 단지 시간을 소비한 것이라는 카테콘의 교훈이 여기에도 적용된다.
10.4숙의 지원 규율의 축소와 기각 조건
기존 공적 숙의 절차만으로 원문의 조건 보존과 당사자의 반박 기회가 이미 충분히 보장됨이 확인되면 이 명제의 추가 규율 요구를 축소한다. 같은 원천의 설명을 독립 증거로 집계했음이 드러나면 집계 결과의 우위를 철회한다. 자동 분류로 본안의 다툼 기회를 잃고도 이의를 제기할 수 없다면 그 숙의 지원 설계는 기각한다. 반대로 조건 보존이 확인되고 이의 경로가 작동하면 숙의 지원의 확대를 막지 않는다. 지식의 진보를 규범에 반영하는 속도와 공개 심의의 절차는 다음 편과 마지막 편에 맡기고 이 편은 시민이 다툴 수 있는 숙의의 조건에 머문다.