지능정보사회에서 부패방지의 공법적 과제

Öffentlich-rechtliche Aufgaben für Korruptionsbekämpfung in der Intellgenzinformationsgesellschaft

우선 부패행위의 사전예방적 측면에서 지능정보기술을 이용한 부패행위를 방지하기 위해서는 부패행위의 목적으로 정보를 사용하는 행위에 대한 사전적 규제가 필요하며 이를 위해 개인정보보호의 문제를 부패방지라는 관점에서 검토할 필요가 있다. 다시 말해 개인정보보호를 통해 자동화된 행정적 의사결정절차에서 개인정보가 남용되거나 오용되는 것을 막기 위해서는 우선 피해자의 입장에서 개인정보의 주체에 대한 충분한 보호가 이루어져야 한다. 심층학습방법의 일종인 딥러닝(deep structured learning, deep learning 또는 hierarchical learning)을 통해 고도화된 학습능력을 가진다고 하더라도 결국 외부적인 정보입력을 기초로 자율적인 결정을 할 수 있으므로 로봇이 가지는 알고리즘에 개인정보주체의 의사에 부합하는 정보의 입력이 이루어지지 않는다면 개인정보는 부패행위를 위한 목적에 사용된 것으로 볼 수밖에 없다. 특히 공공조달분야에 있어서의 행위절차가 인공지능기술에 의한 자동화가 이루어질 경우 사전예방차원에서 개인정보에 대한 충분한 보호는 공공조달분야의 사전적 부패행위 방지에 상당한 기여를 할 수 있을 것으로 본다. 따라서 부패행위의 유형에 따라 개인정보가 이용될 수 있는 형태를 반영하여 개인정보의 사용행위의 허용범위를 구체적으로 규정할 필요가 있으며 뿐만 아니라 부패방지를 위한 사전적 규제의 남용을 막기 위해서도 부패방지 목적의 개인정보 사용에 대한 기준이나 한계가 법에 규정될 필요가 있다. 이외에도 인공지능에 의해 대체될 수 있는 공적 의사결정구조와 관련된 알고리즘이나 결정 아키텍처에 대한 보호방안도 강구되어야 한다. 이러한 지능정보처리 시스템에 권한 없는 자가 침입하거나 허위의 정보를 입력하여 알고리즘에 의한 의사결정구조 자체가 왜곡되거나 조작되는 일이 없도록 사전에 보호장치를 마련하여야 하며 이를 위한 제도적 개선이 동시에 추구되어야 한다. 두 번째로 사후규제적 측면에서는 인공지능기술을 이용한 부패행위가 발생한 경우 부패행위에 대한 책임소재를 어느 정도 명확하게 해주는 입법조치가 필요하다. 사법관계 또는 행정법관계에서 발생하는손해배상책임에서 나타나는 전통적인 책임법리가 고도화된 지능정보사회에서 완전한 피해구제가 될 수 없듯이 부패행위에서도 마찬가지의 현상이 발생할 수 있다. 따라서 부패행위에 대한 행정법상 징계 및 형사상의 책임소재를 분명하게 하는 원칙들이 관련 법령에 반영되어야 한다. 마지막으로 포괄적 네거티브 규제는 ‘선허용-후규제’를 핵심내용으로 하는 규제형식을 말한다. 이러한 의미의 포괄적 네거티브 규제는 두 가지의 규범적 의미를 가진다. 하나는 전통적인 규제형식인 조건프로그램을 완화하여 ‘입법방식의 유연화’를 가진다는 것이고 다른 하나는 ‘부분적인 타율규제가 가미된 새로운 형식의 자율규제’로 볼 수 있는 것으로 언론에서 자주 언급되는 “규제 샌드박스”를 말한다. 이러한 포괄적 네거티브 규제방식이 부패방지행위를 위한 규제에 적합한지에 대해서 다양한 의견이 있을 수 있다. 부패행위는 그 행위의 적극성 내지 소극성 그리고 직접성 내지 간접성 등에서 차이가 난다고 하더라도 공적이든 사적이든 개인의 지위와 권한을 이용하여 공익을 해하거나 사익을 추구하기 위해 의도적 작위 내지 부작위라는 점에서 자율적 규제 이념과 부합하지 않는다. 또한 부패방지를 위한 제도적 개선의 내용도 입법방식의 유연화를 통해 불명확하게 규정될 수 없는 사안이다. 따라서 지능정보사회에서의 부패방지를 위한 포괄적 네거티브 규제는 적절한 규제방식으로 볼 수 없다.

Um Korruption durch den Einsatz intelligenter Informationstechnologie unter dem Gesichtspunkt der Korruptionsprävention zu verhindern, ist es zunächst erforderlich, die Verwendung von Informationen zum Zwecke der Korruption vorab zu regeln. Überprüfung erforderlich. Mit anderen Worten, um den Missbrauch oder die missbräuchliche Verwendung personenbezogener Daten im automatisierten Verwaltungsentscheidungsprozess durch den Schutz personenbezogener Daten zu verhindern, muss der Standpunkt des Opfers für das Thema personenbezogene Daten ausreichend geschützt sein. Selbst wenn Sie durch tief strukturiertes Lernen (tief strukturiertes Lernen, tiefes Lernen oder hierarchisches Lernen), eine Art Deep Learning-Methode, fortgeschrittene Lernfähigkeiten haben, können Sie letztendlich autonome Entscheidungen auf der Grundlage externer Informationseingaben treffen. Wenn Informationen nicht in Übereinstimmung mit der Absicht des Subjekts eingegeben werden, werden die persönlichen Informationen unweigerlich als zum Zwecke der Korruption verwendet angesehen. Insbesondere bei der Automatisierung im Bereich des öffentlichen Beschaffungswesens durch Technologie der künstlichen Intelligenz kann ein ausreichender Schutz personenbezogener Daten als Vorsichtsmaßnahme einen wesentlichen Beitrag zur proaktiven Verhinderung von Korruption im Bereich des öffentlichen Beschaffungswesens leisten. Daher ist es notwendig, den zulässigen Bereich der Verwendung personenbezogener Daten spezifisch festzulegen, indem die Form angegeben wird, in der personenbezogene Daten abhängig von der Art der Korruption verwendet werden können. Darüber hinaus ist Korruptionsprävention erforderlich, um den Missbrauch vorläufiger Vorschriften zur Verhinderung von Korruption zu verhindern. Standards oder Beschränkungen für die Verwendung personenbezogener Daten zu diesem Zweck müssen gesetzlich festgelegt werden. Darüber hinaus müssen Schutzmaßnahmen für Algorithmen oder Entscheidungsarchitekturen im Zusammenhang mit öffentlichen Entscheidungsstrukturen entwickelt werden, die durch künstliche Intelligenz ersetzt werden können. Schutzvorrichtungen müssen im Voraus bereitgestellt werden, um ein unbefugtes Eindringen in ein solches intelligentes Informationsverarbeitungssystem zu verhindern oder falsche Informationen einzugeben, um die algorithmische Entscheidungsstruktur zu verzerren oder zu manipulieren, und gleichzeitig muss eine institutionelle Verbesserung angestrebt werden. Zweitens sind unter postregulatorischen Gesichtspunkten gesetzgeberische Maßnahmen erforderlich, die die Verantwortung für Korruptionsaktivitäten klarstellen, wenn Korruption mithilfe künstlicher Intelligenz auftritt. So wie das traditionelle Haftungsgesetz, das sich aus der Haftung für Schäden ergibt, die sich aus gerichtlichen oder administrativen Rechtsbeziehungen ergeben, in einer fortschrittlichen intelligenten Informationsgesellschaft nicht vollständig für Schäden behoben werden kann, kann das gleiche Phänomen bei Korruption auftreten. Daher sollten die Grundsätze zur Klärung der disziplinarischen und strafrechtlichen Verantwortlichkeiten nach dem Verwaltungsgesetz für Korruption in den einschlägigen Gesetzen und Vorschriften berücksichtigt werden. Schließlich bezieht sich eine umfassende negative Regulierung auf eine Regulierungsform mit dem Kerninhalt „Pre-Permit-Post-Regulation“. Umfassende negative Regulierung in diesem Sinne hat zwei normative Bedeutungen. Eine besteht darin, die Gesetzgebungsmethode „flexibel“ zu gestalten, indem das bedingte Programm, das eine traditionelle Regulierungsform darstellt, gelockert wird, und die andere darin, dass es als „neue Form der Selbstregulierung mit zusätzlicher Teilschlagregulierung“ angesehen werde