기술적 관점에서 도시 AI는 두 가지 AI 패러다임의 결합체다. 하나는 기호적(Symbolic) AI다. 논리와 규칙에 기반해 추론하는 방식으로, “만약 A라면 B를 실행하라”는 명시적 규칙을 따른다. 다른 하나는 통계적(Statistical) AI, 즉 머신러닝이다. 대량의 데이터에서 패턴을 학습하고 확률적으로 최적의 답을 도출한다. 도시 AI는 이 두 가지가 결합된 ‘하이브리드 AI’ 성격을 띤다. 왜 하이브리드여야 하는가? 도시는 복잡계(Complex System)다. 교통, 에너지, 환경, 치안, 복지가 상호 연결되어 있고, 각 영역은 서로 다른 특성을 가진다. 교통 신호 제어처럼 명확한 규칙이 적용되는 영역이 있는가 하면, 범죄 예측처럼 수많은 변수가 얽힌 확률적 문제도 존재한다. 단일 방식의 AI로는 도시 전체를 커버할 수 없다. 기호적 AI의 명확성과 통계적 AI의 유연성이 결합되어야 비로소 도시라는 복잡한 유기체를 다룰 수 있다.
--- 본문「01_“스마트시티에서 도시 AI로”」중에서

도시 행정도 마찬가지다. 도시라는 무대는 한번 실수하면 되돌릴 수 없다. 잘못 지은 건물은 수십 년간 바람을 막고, 잘못 설계한 도로는 세대를 넘어 정체를 유발한다. 실패의 비용이 너무 크다. 그래서 리허설이 필요하다. 디지털 트윈은 행정의 보험이다. 가상 공간에서 100번 실패해도 현실에는 아무런 영향이 없다. 시뮬레이션 버튼을 누르면 침수가 발생하고, 바람이 막히고, 교통이 정체된다. 그러나 그것은 데이터일 뿐이다. 설계를 수정하고 다시 시뮬레이션한다. 원하는 결과가 나올 때까지 반복한다. 그리고 검증된 안만 현실에 적용한다.
--- 본문「03_“실패 없는 행정, 디지털 트윈”」중에서

한국 농업의 위기는 숫자로 명확하게 보인다. 농가 인구의 평균 연령은 67세를 넘어섰다. 젊은 층은 농촌을 떠나고, 남은 고령 농민들은 체력적으로 한계에 부딪힌다. 보조금을 퍼붓는 전통적 농정으로는 이 흐름을 막을 수 없다. 해법은 기술이다. 노동력(Labor) 중심 농업에서 데이터(Data) 중심 농업으로 전환해야 한다. 화순군이 추진하는 스마트 농업 로드맵은 이 전환을 3단계로 설계한다.
--- 본문「06_“스마트 농어촌과 로컬 경제”」중에서

탄소 지도와 재난 예측 시스템은 별개가 아니다. 디지털 트윈이라는 하나의 플랫폼 위에서 통합되어야 한다. 현재의 문제는 데이터 사일로다. 탄소 데이터는 환경부에, 건물 데이터는 국토부에, 재난 데이터는 행안부에 흩어져 있다. 서로 연결되지 않는다. 통합 분석이 불가능하다. 디지털 트윈은 이 칸막이를 부순다. 3D 도시 모델 위에 탄소, 건물, 재난 데이터가 모두 얹힌다. 같은 건물에 대해 에너지 소비량, 구조적 취약성, 침수 위험도를 동시에 확인할 수 있다. “이 건물의 탄소 배출을 줄이면서 동시에 침수 대비를 강화하려면 어떻게 해야 하는가?” 같은 복합적 질문에 답할 수 있다.