연구보고서 RE-194

국내 주력산업의 SW융합경쟁력 진단

Assessing the SW Convergence Competitiveness of Korea’s Key 

Industries

신승윤/나청호/이동현

2026.04.

 

 이 보고서는 2023년도 과학기술정보통신부 정보통신진흥기금을 지원

받아 수행한 연구결과로 보고서 내용은 연구자의 견해이며, 

과학기술정보통신부의 공식입장과 다를 수 있습니다.

목   차

제1장 서론··············································································································· 1

 제1절 연구의 배경 및 필요성······················································································ 1

 제2절 연구의 목적 및 범위·························································································· 2

 제3절 연구 내용 및 수행절차······················································································ 3

제2장 선행연구 검토 및 이론적 논의······························································· 4

 제1절 SW융합경쟁력의 개념적 정의와 범위···························································· 6

 제2절 SW융합경쟁력 관련 선행문헌 검토································································ 6

  1. 기존 진단체계 현황································································································· 6

  2. SW융합경쟁력 관련 선행연구 고찰··································································· 15

  

제3장 국내 주력산업의 SW융합 현황····························································· 23

 제1절 주력산업의 정의 및 분류기준········································································ 23

 제2절 산업별 SW활용 현황 및 역량 수준······························································ 25

 제3절 주요 쟁점············································································································ 31

  

제4장 SW융합 경쟁력 진단 모형 설계··························································· 33

 제1절 진단 프레임워크의 이론적 근거···································································· 33

  1. 자원기반관점··········································································································· 33

  2. TOE (Technology, Organization, Environment)··············································· 37

 제2절 진단모형의 기본 구조와 단계········································································ 43

 제3절 진단모형 개발 방법론······················································································ 43

  1. 델파이(Delphi) 방법······························································································· 44

  2. 계층적 의사 결정방법··························································································· 46

  3. 연구 절차 및 분석 프로세스··············································································· 47

- iv -

제5장 델파이 조사설계와 주요 결과······························································· 48

 제1절 델파이 조사 설계······························································································ 48

 제2절 델파이 조사 결과······························································································ 49

  1. 1차 델파이 조사 결과··························································································· 49

  2. 2차 델파이 조사 결과··························································································· 49

  3. 3차 델파이 조사 결과··························································································· 50

 제3절 최종 지표체계···································································································· 51

제6장 AHP 분석···································································································· 53

 제1절 AHP 조사 실행·································································································· 53

 제2절 지표 간 가중치 산정 결과·············································································· 53

  1. 대분류 상대적 중요도 및 순위··········································································· 54

  2. 대분류 별 중분류 상대적 중요도 및 순위······················································· 54

  3. 중분류 상대적 중요도 및 순위··········································································· 56

  4. 중분류 별 소분류 상대적 중요도 및 순위······················································· 57

  5. 중요도 및 순위······································································································· 61

제7장 결론············································································································· 67

 제1절 연구결과의 요약································································································ 67

 제2절 정책적 시사점···································································································· 68

 제3절 연구의 한계 및 향후 과제·············································································· 70

참고문헌···························································································································· 72

- v -

표  목  차

<표 2-1> 기업정보화통계조사 조사항목···································································································6

<표 2-2> Gartner AI Matunity & Roadmap(2025) 평가 지표··························································9

<표 2-3> 국내‧외 SW융합 관련 진단체계 및 조사 현황····································································12

<표 2-4> 국내외 SW융합 관련 진단체계 검토·····················································································14

<표 2-5> MMEO 도메인 및 차원 항목···································································································16

<표 2-6> Kao et al.(2024) 디지털 전환 주요 지표············································································18

<표 2-7> DCCMM 평가 차원 및 세부 지표··························································································19

<표 2-8> 정보통신정책연구원(2021)의 DTRI 세부항목 및 가중치···················································20

<표 2-9> 임희종외 (2021) 분석 모형·····································································································20

<표 2-10> 국내외 SW융합관련 선행연구 재분류·················································································22

<표 3-1> 제조업과 서비스업의 차이·······································································································24

<표 4-1> 자원기반관점 속성별 특성·······································································································34

<표 5-1> SW융합경쟁력 진단체계(안) ··································································································49

<표 5-2> 1차 델파이 조사 결과 ············································································································51

<표 5-3> 2차 델파이 조사 결과 ············································································································53

<표 5-4> 델파이 조사를 통해 도출한 SW융합경쟁력 진단체계 ······················································56

<표 6-1> 대분류 상대적 중요도 및 순위 분석 결과···········································································57

<표 6-2> 기술 관련 AHP 분석 결과······································································································58

<표 6-3> 조직관련 AHP 분석 결과········································································································58

<표 6-4> 환경관련 AHP 분석 결과 ······································································································59

<표 6-5> 중분류의 상대적 중요도 및 순위 분석 결과 ·····································································60

<표 6-6> SW기술내재화 관련 AHP 분석 결과·····················································································61

<표 6-7> SW기반업무혁신 관련 AHP 분석 결과·················································································61

<표 6-8> SW인적자원역량 관련 AHP 분석 결과·················································································62

- vi -

<표 6-9> SW융합투자역량 관련 AHP 분석 결과·················································································62

<표 6-10> SW융합혁신역량 관련 AHP 분석 결과···············································································63

<표 6-11> 산업융합 SW시장환경 관련 AHP 분석 결과·····································································63

<표 6-12> 글로벌 경쟁환경 관련 AHP 분석 결과···············································································63

<표 6-13> 정책환경 관련 AHP 분석 결과····························································································64

<표 6-14> SW융합 생태계 환경 관련 AHP 분석 결과·······································································64

<표 6-15> 소분류의 상대적 중요도 및 순위 분석 결과·····································································65

- vii -

그  림  목  차

<그림 1-1> 연구수행절차····························································································································3

<그림 2-1> SW 위상의 변화······················································································································4

<그림 3-1> 분석대상 주력산업 선정·······································································································25

<그림 3-2> 제조업 산업별 SW기술 및 서비스 도입 현황·································································26

<그림 3-3> 제조업 산업별 SW투자 및 SW성과 현황·········································································28

<그림 3-4> 서비스업 산업별 SW기술 및 서비스 도입 현황·····························································29

<그림 3-5> 서비스업 산업별 SW투자 및 SW성과 현황·····································································30

<그림 4-1> 델파이 방법 절차··················································································································45

<그림 4-2> AHP 절차································································································································46

<그림 4-3> 분석 프로세스························································································································47

- viii -

요  약  문

1. 제 목 :  국내 주력산업의 SW융합경쟁력 진단

2. 연구 목적 및 필요성

최근 전통 제조업과 서비스업 전반에서 소프트웨어(SW)에 대한 투자가 지속적으로 확대되

고 있으며 산업별 특성과 수요를 반영한 SW융합 시도가 점차 활발해지고 있다. 

Gartner(2025)에 따르면 전 세계 산업특화 SW(Vertical SW)의 투자 규모는 2025년 이후 연

평균 약 15%의 성장이 예측되고 있다. 이처럼 산업특화 SW에 대한 투자가 점차 증가하는 

양상을 보이는 것은 산업별로 범용 SW의 활용을 넘어 산업에 최적화된 SW에 대한 수요가 

증대하고 있음을 의미한다. 다시 말해 산업별 SW융합은 기업의 경쟁력의 핵심 요소로 그 

중요성이 증대되고 있다. 

정부 역시 SW융합의 중요성을 인지하고 국내 산업의 SW역량 강화를 위해 제도적, 정책

적 노력을 지속적으로 기울이고 있다. 그러나 이와 같은 정부의 노력에도 불구하고 산업별 

SW융합 수준을 객관적으로 진단할 수 있는 체계적인 지표체계가 부재하여 객관적인 파악

과 더불어 근거에 기반한 지원이 어려운 실정이다. 따라서 국가 경제를 견인하는 주력 산업

의 SW융합이 경쟁력 유지와 신산업 창출의 핵심 동력인 만큼, 현재의 융합 수준을 정밀하

게 진단하고 분석할 수 있는 체계적인 기준 마련이 시급하다. 이에 본 연구는 국내 주력산

업의 SW융합 경쟁력을 진단체계를 마련하고 시사점을 도출하고자 한다. 

3. 연구의 범위

본 연구는 다음과 같이 주요 범위를 설정하였다. 첫째, 분석 대상으로는 SW융합의 파급효

과가 큰 주력산업을 대상으로 한다. 둘째, 연구 방법측면에서는 선행연구 검토를 바탕으로 

전문가 대상의 델파이 조사를 수행하여 지표의 타당성을 검증 및 보완한다. 또한 계층화분

석방법(AHP)을 적용하여 지표별 가중치를 산출하고 산업특성을 고려한 진단체계를 구축한

다. 셋째, 연구결과의 활용은 구축된 지표체계를 주력산업군에 적용하여 국내 주력산업의 

SW융합 경쟁력을 진단하고 이를 바탕으로 정책적 시사점을 제공하고자 한다. 

4. 연구 내용 및 결과

- ix -

본 연구의 구체적인 내용은 다음과 같다. 2장에서는 선행 연구 검토 및 이론적 논의를 진

행하였다. SW융합경쟁력 개념의 정립을 토대로 SW융합경쟁력 관련 선행연구 및 기존 진단

체계를 조사하여 예비 지표를 분류하였다. 3장에서는 분석 대상이 되는 주력산업을 선정한 

후 앞서 조사했던 통계자료를 기반으로 산업별 SW융합 활용현황을 살펴보고 쟁점을 도출

하였다. 4장에서는 진단 프레임워크의 이론적 근거를 기반으로 델파이 조사를 위한 선행준

비를 하였다. TOE 프레임워크를 기반으로 진단모형(안)을 개발하였으며 앞선 선행문헌에 따

라 예비지표 기반의 진단모형(안)을 구성하였다. 5장에서는 전문가 델파이 조사를 통해 SW

융합경쟁력 진단(안)의 타당성을 검증하고 지표체계를 확정하였다. 6장에서는 AHP 조사를 

수행하여 델파이 조사로 도출된 SW융합경쟁력 진단지표에 제조업과 서비스업의 특성을 반

영한 가중치를 부여하고 최종지표체계를 도출하였다. 마지막으로 결론에서는 연구결과 요약 

및 앞서 분석한 결과를 바탕으로 정책적 시사점을 도출하였다. 

본 연구의 SW융합경쟁력 지수는 제조업과 서비스업 간 SW융합의 활용 목적과 성과 발현 

방식이 구조적으로 상이함을 보여준다. 제조업은 SW융합이 주로 내부 운영 고도화와 생산

성 향상에 기여하는 반면, 서비스업은 SW가 직접적인 서비스 혁신과 비즈니스모델 창출로 

연결되면서 경쟁력 격차를 확대하는 양상이 관찰된다. 이러한 결과는 향후 SW융합 정책 및 

산업별 지원 전략이 획일적 접근이 아닌, 산업 특성을 반영한 차별화된 전략 설계가 필요함

을 시사한다.  

5. 정책적 활용 내용

본 연구의 분석 결과를 바탕으로 도출한 정책적 시사점은 기술, 조직, 환경의 세 측면에서 

제시할 수 있다. 첫째, 기술 측면에서는 업종별 SW융합의 목적과 방향을 고려한 맞춤형 지

원 정책이 필요하다. 제조업의 경우‘업무 자동화 및 최적화 수준’이 SW융합경쟁력의 핵

심 요소로 나타났다. 이에 업무 자동화는 로봇, 센서, 서버 등 물리적 설비투자와 직결되어 

초기 비용 부담이 높은 만큼 제조기업의 인프라 투자 부담을 경감하는 방향으로 지원체계

를 고도화할 필요가 있다. 서비스업의 경우‘SW기술 간 연계 및 통합 수준’이 핵심 경쟁

력 요소로 확인되었으며, 시스템 통합의 기술적 난이도와 비용 부담을 완화하기 위해 API 

연동 지원, 바우처 지원 사업의 실효성 제고, 무형자산에 대한 정책적 지원 확대가 요구된

다. 둘째, 조직 측면에서는 업종별 특성에 맞는 SW융합 인력 기반 강화가 필요하다. 제조업

은 SW전담인력 확보와 유지가 경쟁력 제고에 중요한 역할을 하는 만큼 현장 적용 역량을 

갖춘 실무형 인재 양성과 재직자 전환 교육 체계의 정교화가 필요하다. 서비스업은 단순 개

발 인력보다 비즈니스 기획과 SW기술을 유기적으로 연결할 수 있는 고숙련 전문인력에 대

- x -

한 수요가 높은 만큼, 양적 지원 체계를 내실화하는 동시에 핵심 인재의 질적 역량 강화를 

위한 지원을 확대해야 한다. 셋째, 환경 측면에서는 수요 기반의 정책 환경 및 SW융합 생

태계 조성이 필요하다. 제조업과 서비스업 모두‘정부지원 만족도’, ‘산업별 규제 개선 

만족도’ 등 환경 관련 지표가 종합 순위에서 하위권에 머물러, 정부 지원이 기업의 실질적 

수요에 미치는 영향이 제한적임을 시사한다. 이에 현장 체감도를 높이는 방향으로 정책 지

원의 실효성을 제고하고, 기업이 생태계 인프라를 활용하여 실질적인 가치를 창출할 수 있

도록 SW융합 생태계의 역동성을 강화하는 방향으로 정책 지원을 고도화해야 할 것이다. 종

합하면, 주력산업 전반에서 SW융합 경쟁력은 기술 도입의 문제가 아니라 해당 기술이 산업

의 가치창출 방식과 얼마나 깊이 결합되어 있는지에 의해 결정된다. 따라서 향후 SW융합정

책은 산업 간 획일적 기술 확산을 지양하고 산업별로 SW가 경쟁력에 기여하는 경로와 메

커니즘을 구분하여 차별화된 방향으러 설계될 필요가 있다. 

6. 기대효과

본 연구는 국내 주력산업의 SW융합 경쟁력 진단을 위한 진단체계 구축을 통해 SW융합을 

둘러싼 추상적 논의가 아닌 실효성 있는 정책 및 산업 전략 수립의 토대를 마련하고자 하

였다. 본 연구의 구체적인 기대효과는 다음과 같다. 

첫째, 주력산업의 SW융합 수준을 체계적으로 진단할 수 있는 공통 기준을 마련했다는 점

에서 의의가 있다. 본 연구는 기존의 개별 기술 도입 여부나 단편적 디지털 전환 지표에서 

벗어나, 기술, 조직, 환경(TOE) 관점을 통합한 SW융합 경쟁력 지표체계를 구축함으로써 산

업별 SW융합 수준을 구조적으로 비교‧분석할 수 있는 기반을 제공한다. 이를 통해 주력산

업 전반에서 SW가 어떤 방식으로 경쟁력에 기여하고 있는지를 보다 정밀하게 진단할 수 

있을 것으로 기대된다.

둘째, 산업별 특성을 반영한 맞춤형 정책 설계의 근거를 제공한다. 본 연구에서 구축한 지

표는 제조업과 서비스업, 나아가 산업별로 SW융합의 핵심 요인이 상이하게 나타남을 계량

적으로 확인할 수 있도록 설계되었다. 이는 획일적인 지원 정책에서 벗어나, 산업별로 필요

한 SW인프라, 데이터 연계, 제도적 지원 요소를 구분하여 정책 우선순위를 설정하는 데 활

용될 수 있다. 

셋째, 정성적 논의에 머물러 있던 SW융합 논의를 정량적으로 비교 가능한 분석 영역으로 

확장하였다. 그동안 SW융합 경쟁력은 사례 중심 또는 선언적 논의에 그치는 경우가 많았으

나, 본 연구의 지표체계는 전문가 델파이와 AHP를 통해 가중치를 도출함으로써 SW융합의 

- xi -

상대적 중요도와 구조를 수치화하였다. 이를 통해 산업 간 비교가 가능한 분석 틀을 제시하

며, 후속 연구에서 실증 분석으로 확장할 수 있는 기반을 제공한다.

- 1 -

제1장

서 론                         

제1절

연구의 배경 및 필요성

최근 전통 제조업과 서비스업 전반에서 소프트웨어(SW)에 대한 투자가 지속적으로 

확대되고 있으며 산업별 특성과 수요를 반영한 SW융합 시도가 점차 활발해지고 있다. 

Gartner(2025)에 따르면 전 세계 산업 특화 SW의 투자 규모는 2025년 이후 연평균 약 

15%의 성장이 예측되고 있다. 이처럼 산업특화 SW(Vertical SW)에 대한 투자가 점차 

증가하는 양상을 보이는 것은 산업별로 범용 SW의 활용을 넘어 산업에 최적화된 SW

에 대한 수요가 증대하고 있음을 의미한다. 다시 말해 산업별 SW융합은 기업의 경쟁

력의 핵심 요소로 부상하고 있다. 

이러한 흐름에 따라 산업별로 SW융합을 통한 혁신이 진행되고 있다. 시장조사기관 

Markets and Markets(2025)에 따르면, 글로벌 SDV(Software-Defined Vehicle) 시장은 

연평균 34%로 성장하고 있고 SW는 미래형 모빌리티 혁신의 핵심 기술로 자리잡고 있

다. 의료 SW시장 역시 연평균 9.1%로 성장하고 있으며 AI 기반 진단 보조, 원격 의료 

플랫폼 등 SW융합 솔루션이 확산되며 환자 경험 제고와 의료 현장의 효율성이 개선

되고 있다. 금융 분야에서도 디지털 뱅킹, 핀테크 서비스, AI 기반 자산관리 등 SW융

합이 확산되며 새로운 비즈니스 모델과 서비스를 창출하고 있다. 

이에 정부 역시 산업별 SW융합의 중요성을 인지하고 국내 산업의 SW역량 강화를 

위해 제도적, 정책적 노력을 지속적으로 기울이고 있다. 2020년에는 SW진흥법을 전면 

개정하였고 2023년에는 SW진흥전략을 수립하며 산업 전반의 SW활용 확대와 융합을 

촉진시키는 기반 마련에 일정 부분 기여하였다. 그러나 이와 같은 정부의 노력에도 불

구하고 산업별 SW융합 수준을 객관적으로 진단할 수 있는 체계적인 지표체계가 부재

하여 객관적인 파악은 어려운 실정이다. 기존에는 SW융합 수준을 파악하기 위해 R&D 

투자규모, 디지털 기술 도입률, 생산성 향상 수준 등 일부 지표를 개별적으로 활용하

고 있으나 산업 간 비교나 정책 지원의 근거로 활용하기에는 한계가 존재한다. 따라서 

국가 경제를 견인하는 주력 산업의 SW융합은 경쟁력 강화와 신산업 창출의 핵심 동

력인 만큼, 현재의 융합 수준을 정밀하게 진단하고 분석할 수 있는 체계적인 기준 마

련이 시급하다. 특히 글로벌 기술 패권 경쟁이 심화되는 시기에 데이터에 기반한 객관

적 진단체계의 부재는 국가 자원의 비효율적 배분과 산업 경쟁력 약화로 이어질 가능

- 2 -

성이 크다고 할 수 있다. 이에 본 연구는 국내 주력산업의 SW융합 경쟁력 진단체계를 

마련하고 시사점을 도출하고자 한다. 

 

제2절

연구의 목적 및 범위

본 연구의 목적은 국내 주력산업의 SW융합 현황을 객관적으로 진단할 수 있는 지표

체계를 개발하고 이를 통해 산업별 SW융합 경쟁력 강화를 위한 정책적 시사점을 도

출하는데 있다. 이를 위한 세부적인 목표는 다음과 같다. 첫 번째는 SW융합 경쟁력의 

개념적 정의이다. 개념적 정의는 SW융합경쟁력을 구성하는 개별 용어를 기반으로 개

념을 정립해 나가고자 한다. 우선 SW는 무형자산이므로 SW융합 자체는 정량적으로 

측정하기가 어려운 특성이 있다. 이는 산업의 특수성에 따라 SW융합을 보편적으로 정

의하기 어렵게 만드는 요인이된다. 또한 SW융합은 전산화처럼 SW를 활용하는 수준에

서 제품이나 서비스의 본질이 SW로 바뀌는 수준까지 다양하다. 나아가 SW기술이 진

화함에 따라 기업이 확보해야 할 경쟁력의 정의와 범위 또한 지속적으로 변화하고 있

다. 이에 본 연구에서는 SW융합 경쟁력의 개념을 고찰하고 이를 기반으로 지표체계 

구축을 진행하고자 한다. 두 번째 목표는 확장가능한 진단체계의 구축이다. 본 연구에

서 구축하는 SW융합경쟁력 진단체계는 산업의 특성을 반영하고 새로운 SW기술이 등

장해도 유연하게 대응가능한 진단체계를 구축하고자 한다. SW융합 양상은 산업에 따

라 다르게 일어난다. 이는 동일한 SW기술이라도 산업별로 주로 활용되는 영역 및 비

중의 차이가 존재하기 때문이다 (OECD, 2021). 따라서 산업의 특성을 반영하여 지표별 

가중치에 차등을 두고자 한다. 또한 향후 새로운 SW기술의 등장에 따른 경쟁력 요인

의 변화를 반영할 수 있도록 지표 조정이 용이한 지표체계를 구축하고자 한다. 

이를 위해 본 연구는 다음과 같이 주요 범위를 설정하였다. 첫째, 분석 대상은 SW융

합의 파급효과가 큰 주력산업이다. 둘째, 연구 방법측면에서는 선행연구 검토를 바탕

으로 전문가 대상의 델파이 조사를 수행하여 지표의 타당성을 검증 및 보완한다. 또한 

계층화분석방법(AHP)을 적용하여 지표별 가중치를 산출하고 산업특성을 고려한 진단

체계를 구축한다. 셋째, 연구결과의 활용은 구축된 지표체계를 바탕으로 정책적 시사

점을 제공하고자 한다. 

- 3 -

제3절

연구 내용 및 수행절차

 본 연구는 주력산업의 SW융합 경쟁력을 체계적으로 진단하기 위해 지표체계를 구

축하고 이를 바탕으로 산업별 SW융합 수준 파악 및 시사점 도출을 주요 내용으로 한

다. 본 연구의 수행 절차는 <그림1-1>과 같으며 구체적인 연구 내용은 다음과 같다. 

2장에서는 선행 연구 검토 및 이론적 논의를 진행하였다. SW융합경쟁력 개념의 정

립을 토대로 SW융합경쟁력 관련 선행연구 및 기존 진단체계를 조사하여 예비 지표를 

분류하였다. 3장에서는 분석 대상이 되는 주력산업을 선정하고 앞서 조사했던 통계자

료를 기반으로 산업별 SW융합 활용현황을 살펴보고 쟁점을 도출하였다. 4장에서는 진

단 프레임워크의 이론적 근거를 기반으로 델파이 조사를 위한 선행준비를 하였다. 

TOE 프레임워크를 기반으로 진단모형(안)을 개발하였으며 앞선 선행문헌에 따라 예비

지표로 진단모형(안)을 구성하였다. 5장에서는 전문가 델파이 조사를 통해 SW융합경쟁

력 진단(안)의 타당성을 검증하고 지표체계를 확정하였다. 6장에서는 AHP 조사를 수행

하여 델파이 조사로 도출된 SW융합경쟁력 진단지표에 제조업과 서비스업의 특성을 

반영한 가중치를 부여하고 최종지표체계를 도출하였다. 마지막으로 결론에서는 연구결

과 요약 및 앞서 분석한 결과를 바탕으로 정책적 시사점을 도출하였다.

<그림1-1> 연구수행절차

- 4 -

제2장

선행연구 검토 및 이론적 논의                  

제1절

SW융합경쟁력의 개념적 정의와 범위

소프트웨어 진흥법은 소프트웨어(software, 이하 SW)를 ‘컴퓨터, 통신, 자동화 등의 

장비와 그 주변 장치에 대하여 명령, 제어, 입력, 처리, 저장, 출력, 상호작용이 가능하

게 하는 지시‧명령의 집합과 이를 작성하기 위하여 사용된 기술서(記述書)나 그 밖의 

관련 자료’로 정의하고 있다. 이와 같은 SW의 사전적 정의는 디지털 시대에 타 산업

과의 융합을 통해 그 개념과 범위가 확장되고 있으며 SW의 중요성이 증대하고 있다. 

디지털 시대가 심화됨에 따라 SW는 HW를 제어하는 운영체계로서의 역할을 넘어 제

품을 고도화시키고 서비스를 혁신하는 등 기존 산업의 패러다임을 변화시키는데 일조

하고 있다. [그림2-1]은 SW위상의 변화를 보여준다. 이처럼 SW는 거의 전 산업과의 

융합을 통해 제품의 기능과 성능을 지속적으로 업그레이드하고 비즈니스 모델의 혁신

을 통해 제품과 서비스를 융합시킨다. 이러한 현상은 산업 경쟁의 기준을 ‘하드웨어 

중심’에서 ‘소프트웨 중심’으로 전환시키고 있다. 예를 들어 제조업에서는 SW가 

제품 설계, 생산, 품질, 유지보수 전 과정에 내재화되어 제품의 경쟁력을 좌우하고 있

으며 서비스업에서는 어플리케이션 등을 통해 고객접점에서부터 고객 데이터 수집 및 

활용, AI 기반의 개인화 등이 경쟁력이 되고 있다. 

<그림2-1> SW 위상의 변화

출처: 2023년 소프트웨어 산업 연간보고서

SW융합(Software Convergence)의 개념적 정의는 학술적으로 통일된 정의는 존재하

- 5 -

지 않으나 정책적, 실무적으로 활용되고 있다. 한국소프트웨어진흥원(2008)은 SW융합

을 광의와 협의로 나누어 정의하고 있다. 광의의 정의는 SW기술이 새로운 지식, 경험, 

감성 등 무형의 지적자산과 접목하는 것이며 협의의 정의는 SW기술이 제품, 프로세스 

서비스 영역에 적용되어 기존 산업을 고부가가치화하고 산업 내/산업 간 융합을 촉진

시켜 새로운 산업을 창출하는 것을 의미한다. 한편, 소프트웨어진흥법 제2조6은 SW융

합을 “소프트웨어와 다른 분야 간 기술 또는 서비스의 결합이나 복합을 통하여 새로

운 사회적‧시장적 가치를 창출하는 창의적이고 혁신적인 활동 및 현상”으로 정의하고 

있다. 또한 소프트웨어정책연구소에서 매년 실시하고 있는 국가승인통계 SW융합실태

조사는 소프트웨어 진흥법의 정의를 준용하고 있다. 이에 본 연구는 소프트웨어 진흥

법의 정의에 기반해 SW융합의 개념을 활용하고자 한다. 

SW융합이 산업의 우위로 나타나는 현상을 이해하기 위해서는 경쟁력 관점에서의 해

석이 필요하다. SW가 산업의 가치창출 구조에 영향을 미치고 경쟁의 룰을 바꾸는 요

소로 작용하기 때문이다. 따라서 대상과 강조점에 따라 각기 다르게 정의되어 온 경쟁

력의 개념도 SW로 인한 재정의가 필요하다고 할 수 있다. 기존에 논의되었던 경쟁력

의 정의를 살펴보면, 우선 경제학 관점에서 산업경쟁력은 해당 산업에서 지속적 경쟁 

우위를 보일 수 있는 역량으로 정의한다 (김희태‧권상집, 2020). OECD(1992)는 산업 경

쟁력을 “지속가능한 경제성장을 뒷받침하기 위해, 특정 산업이 국내외 시장에서 안정

적으로 점유율을 확보하고 국민의 소득 수준을 장기적으로 유지, 확대할 수 있는 능

력”으로 정의하고 있다. IMD, WEF 등의 국가경쟁력 지표를 발표하는 기관들은 산업 

경쟁력을 국가 경쟁력의 하위요소로 보고 생산성, 기술혁신, 인재역량, 글로벌 시장 적

응력등을 종합적으로 반영한다. 종합적으로 산업경쟁력은 장기적으로 경쟁우위를 유지

하고 확대할 수 있는 구조적 역량을 포괄하는 개념이라고 할 수 있다. 즉, 생산성과 

효율성을 기반으로 가치창출을 지속하며 혁신을 통해 새로운 가치를 창출하며 외부 

환경 변화에 적응하고 지속적으로 대응할 수 있는 역량이다. 

이러한 논의를 바탕으로 본 연구에서는 SW융합 경쟁력을 기존 산업의 제품‧공정‧서

비스에 SW 기술을 결합하여 신제품 및 서비스 창출, 생산성 향상 등 혁신적인 성과를 

달성할 수 있는 역량으로 정의한다. 

- 6 -

1)

 한국지능정보사회진흥원. (2024). 2024년 기업정보화통계집. 한국지능정보사회진흥원.

제2절

SW융합경쟁력 관련 선행문헌 검토 

1.

기존 진단 체계현황 

국내외 기관들은 SW융합, 산업특화SW, 디지털전환과 관련한 지표들을 개발‧운영하고 

있으며 이는 산업별 현황 진단 및 경쟁력 평가 등에 활용되고 있다. 이에 본 절에서는 

기존 지표들을 검토하여 추후 SW융합 경쟁력 지표개발을 위한 방향설정에 참고자료

로 활용하고자 한다. 

기업정보화통계조사1)는 국내 기업의 정보화 수준과 ICT 활용 현황을 체계적으로 파

악하기 위해 수행되는 국가승인 통계조사로 한국지능정보사회진흥원(NIA)이 주관한다. 

해당 조사는 정보화 환경 변화와 정책 수요를 반영해 기업의 ICT 도입 및 활용 실태

를 다각적으로 측정한다. 조사 결과는 국가의 디지털전환 정책 수립을 위한 핵심 근거

자료로 활용될 뿐만 아니라 연구기관의 기초자료나 OECD, UNCTAD 등 국제기구 제

출 공식 통계로도 활용된다.

기업정보화통계조사는 지능정보화기본법 제66조에 근거하며, 1999년 국가승인 지정

통계로 채택된 이후 매년 지속적으로 수행되고 있다. 이를 통해 산업별‧기업 규모별 

정보화 추세를 장기적으로 비교할 수 있으며, 특히 최근에는 디지털 전환 수준 분석의 

핵심 통계로 활용도가 더욱 높아지고 있다.

조사 대상은 전국의 종사자 수 10인 이상 민간 기업 전체(약 21만 개)를 모집단으로

하며, 이 중 약 12,500개 기업을 표본으로 추출해 조사를 실시한다. 조사 항목은 크게 

정보화 기반, 정보화 응용, 지능정보기술 활용, 정보화 투자 및 효과의 네 분야로 구성

되며, 총 35개의 주요 지표를 포함한다. <표 2-1>은 기업정보화통계조사의 조사항목이

다. 

대분류

중분류

상세 항목

지능정보기

술 활용

인공지능(AI)

- 이미지 인식·처리 (광학문자인식, 지능형 보안카메라 등)

- 의사결정 지원 (판매 데이터 분석, 재고 관리 등)  

- 문서작성 및 정보수집- 업무 자동화 지원

클라우드 컴퓨팅

- 이메일

- 자원관리시스템(ERP) 소프트웨어

<표 2-

1

> 기업정보화통계조사 조사항목

- 7 -

2)

 산업통상자원부. (2024). 산업디지털전환실태조사. 통계청 승인 고시 제2024-443호.

산업디지털전환실태조사2)는 산업 분야 전반의 디지털 전환(DX) 수준과 실태를 체계

적으로 파악하기 위해 산업통상자원부가 주관하고 한국산업기술진흥원(KIAT)이 수행하

는 국가승인 통계조사이다. 본 조사는 산업디지털전환촉진법 제6조에 근거해 산업 내 

디지털 전환 현황과 관련 통계를 산출하며, 기업의 DX 역량 수준을 진단하고 산업별 

특성을 분석하여 정책 수립의 근거자료를 제공하는 것을 목적으로 한다. 특히 디지털 

전환을 통한 산업 경쟁력 강화와 국민 삶의 질 향상을 위한 종합계획 수립에 기초자

료로 활용된다는 점에서 정책적 중요성이 크다. 본 조사는 매년 실시되는 일반통계로

서 산업 전반의 디지털 혁신 수준을 지속적으로 추적‧평가하는 체계를 갖추고 있다.

조사 대상은 2022년 기준 전국사업체조사 모집단을 기반으로 한 산업별 사업체 약 

60만 개이며, 제조와 서비스업 주요 산업군을 포함한다. 이와 같은 업종 중심 표본 설

계는 산업별 디지털 전환 수준과 특성 차이를 보다 정밀하게 파악하기 위한 것이다.

조사 항목은 총 107개 세부 문항으로 디지털 전환 전반에 걸쳐 폭넓게 구성되어 있

다. 크게 디지털 전환 인식 (문항 16~19), 산업 데이터 역량 (문항 20~39), 디지털 기반 

프로세스 혁신 (문항 40~68), 디지털 신기회 창출 (문항 69~80), 디지털 전환 역량 (문

항 81~99), DX 애로사항 및 정책 수요 (문항 100~107)로 구성되어 있으며 각 분야는 

- 사무용 소프트웨어

사물인터넷(IoT)

- 기기 및 서비스 이용 여부

데이터 분석

- 데이터 분석 기술 활용 여부

정보화 기반

정보통신 인프라

- 컴퓨터 보유 현황

- 인터넷 접속 및 활용 현황

정보화 인력

- 정보화 책임자 및 담당자 유무

- 정보화 관련 교육 및 훈련 현황

정보보호

- 정보보호 정책 및 조직

- 정보보호 시스템 도입 및 정보보호 활동

정보화 응용

ICT 활용

- 홈페이지 등 웹사이트 운영

- 전자정부 서비스 활용

- 원격 근무(스마트워크) 운영

경영정보시스템

- 전사적자원관리(ERP) 도입

- 고객관계관리(CRM) 도입

- 공급망관리(SCM) 도입

전자상거래

- 전자상거래 이용 및 판매/구매 현황

정보화 투자 

및 효과

투자 및 효과

- 정보화 투자 및 예산

- 정보화 도입에 따른 경영 성과

- 8 -

3)

 Gartner. (2025). AI Maturity & Roadmap – Accelerate your journey to AI excellence. Gartner 

Research

세부 문항을 포함한다.

SW융합실태조사(SPRi, 2024)는 과학기술정보통신부가 작성하고 소프트웨어정책연구

소(SPRi)가 수행하는 국가승인 통계조사로, 산업 내 소프트웨어(SW) 도입 및 활용 수

준과 디지털 전환 현황을 체계적으로 파악하기 위해 운영되고 있다. 4차 산업혁명과 

디지털 전환이 심화됨에 따라 제조 및 서비스 등 전통 산업 전반에서 SW 융합이 빠

르게 확산되는 현실에 맞춰 SW의 도입‧활용 실태를 정량적으로 측정하고 파악할 필요

성이 커졌다. 이를 배경으로 본 조사는 통계청 승인통계로 지정되어 매년 실시되고 있

으며, 산업별 SW 융합 수준과 디지털 전환 확산 정도를 시계열로 분석할 수 있는 기

반 통계를 제공하고 있다. 조사 결과는 정부의 SW‧ICT 정책 수립, 지원 사업 설계, 산

업별 디지털 역량 진단 등에 활용되고 있다.

조사 대상은 전국사업체조사와 ICT 통합모집단을 기반으로 제조 및 서비스를 포함한 

9개 내외 주요 산업에 속한 기업으로, 최근 기준 약 1,000여 개 기업을 표본으로 추출

한다. SW 기술을 이미 도입했거나 디지털 전환을 추진 예정 및 검토 중인 사업체를 

중점적으로 조사하여 산업 내 실제적인 SW 활용 수준을 파악하도록 설계되어 있다. 

조사 항목은 기업의 기본 현황에서부터 디지털 전환과 SW 활용까지 폭넓게 구성되어 

있다. 

Gartner의 AI Maturity & Roadmap(2025)3)은 조직의 AI 도입 및 활용 수준을 체계적

으로 평가하고, 이를 바탕으로 전략적 개선 방향을 제시하기 위해 개발된 성숙도 평가 

모델이다. 본 모델은 조직이 산발적인 AI 프로젝트 수행 단계에서 벗어나, 전사적 통

합과 최적화 단계로 발전할 수 있도록 지원하는 것을 목적으로 하며, 특히 AI 거버넌

스 강화와 비즈니스 가치 창출을 중심에 두고 설계되었다. 기존의 데이터 분석 성숙도 

모델을 기초로 하되, 생성형 AI를 포함한 최신 AI 활용 환경을 반영하여 AI 특화 기준

을 제공하는 것이 특징이다. 생성형 AI 도입이 확산되고 AI 경쟁력이 기업의 핵심 역

량으로 떠오르면서, Gartner는 본 프레임워크를 지속적으로 업데이트하며 다양한 산업

의 전략 도구로 활용하고 있다.

AI 성숙도 평가는 산업 및 기업 규모와 관계없이 적용 가능한 범용 모델로, 기업 전

체 또는 특정 부서(데이터 사이언스팀, IT 부서, 비즈니스 유닛 등)를 평가 대상으로 

한다. 조직은 Gartner가 제공하는 자가 진단 도구를 활용하여 AI 관련 조직 구조, 인

력, 기술 인프라, 비즈니스 성과 등을 점검할 수 있으며, 연간 1,000개 이상의 조직 참

- 9 -

여 데이터가 축적되어 벤치마킹과 수준별 진단이 가능하다. 평가 항목은 Initial, 

Developing, Defined, Managed, Optimizing의 다섯 단계 성숙도 기준에 따라 구성되며, 

총 네 개의 핵심 영역에서 약 20여 개의 세부 지표를 평가한다. 

이와 같이 Gartner의 AI 성숙도 모델은 전략, 조직, 기술, 비즈니스 성과를 통합적으

로 평가함으로써 조직의 AI 역량과 성숙도를 다면적으로 진단하고, 단계별 발전 전략

을 수립할 수 있는 실질적인 로드맵을 제공하는 대표적인 글로벌 프레임워크로 활용

되고 있다. <표2-2>는 Gartner의 AI성숙도 평가지표이다. 

영역

대분류

지표명

지표 설명

기술

IT 인프라

클라우드 도입 수준

IaaS·PaaS·SaaS 도입률, 클라우드 

기반 운영 비중

네트워크 고도화

5G, 전용망, 보안 네트워크 구축 

수준

데이터 역량

데이터 품질 관리 수준

표준화·정합성·정확성 등 데이터 

관리 성숙도

데이터 거버넌스 구축

데이터 정책·조직·권한 관리 체계

AI·자동화

AI 활용도

예측·분류·최적화 등 AI 모델 운영 

수준

프로세스 

자동화(RPA/IPA)

자동화 적용 프로세스 비율

시스템 통합

레거시 현대화

ERP·SCM 등 레거시 시스템의 

모듈화·API화 수준

조직

전략·조직

DX 로드맵

중장기 디지털 전략 보유 여부

DX 조직/책임자

CDO 유무, 전담 DX 조직 운영 

여부

인력·역량

디지털 인력 비중

데이터·AI·IT 인력 확보 수준

디지털 교육 체계

임직원 교육 프로그램 운영 수준

기업문화

데이터 기반 의사결정

KPI 기반 의사결정 문화 정착 수준

애자일·실험 문화

빠른 실험·반복 개선 문화 정착도

환경

시장·고객

고객 경험(UX) 수준

고객 여정 분석 기반 서비스 고도화

시장 디지털 경쟁 강도

산업 디지털화 수준 및 경쟁 강도

규제·정책

규제 수용성

AI·데이터 활용 관련 규제의 유연성

정부 지원 활용도

정책 지원·컨설팅·보조금 활용 수준

생태계

외부 협력 네트워크

IT·데이터 기업과의 협업 수준

공급망 디지털화

파트너와의 데이터 연계·통합 수준

디지털전환(DX)

프로세스

전략

DX 전략 정합성

기업 비전·목표와 DX 전략의 일치 

정도

구조

조직 구조 변화

디지털 친화적 구조, CDO 조직 

정비

프로세스

업무 프로세스 재설계

자동화·고도화를 위한 프로세스 

재설계 수준

<표 2-

2

> Gartner AI Matunity & Roadmap(2025) 평가 지표

- 10 -

4)

 https://www.bcg.com/capabilities/digital-technology-data/digital-maturity

BCG4)의 디지털 성숙도 진단 모델인 Digital Acceleration Index(DAI)는 전사적 디지털 

성숙도를 정량적으로 측정하고, 이를 기반으로 실행 가능한 전략 로드맵을 제시하기 

위해 개발된 평가 체계이다. 이 모델은 기업의 디지털 투자가 실제 성과로 연결되지 

않는 문제에 주목하여, 디지털 역량을 41개 세부 차원으로 세분화하고 1만 개 이상 글

로벌 기업의 데이터를 벤치마킹해 산업 평균 및 디지털 선도 기업과의 격차를 명확히 

보여주는 것을 목표로 한다. 이를 통해 기업은 현재 위치를 객관적으로 진단하고, 한

정된 자원을 어디에 우선적으로 투입해야 성과를 극대화할 수 있는지에 대한 우선순

위를 설정할 수 있다.​

조사 대상은 특정 국가나 산업에 국한되지 않고, 전 세계 다양한 산업과 규모의 기

업을 포괄한다. 제조, 금융, 유통, 서비스 등 여러 영역에서 고객 여정, 공급망, 마케팅, 

백오피스에 이르는 전 가치 사슬이 분석 범위에 포함되며, 주로 BCG와 프로젝트를 수

행하거나 자가 진단 도구를 활용하는 기업들이 평가에 참여한다. 이 과정에서 개별 기

업의 점수는 동일 업종 및 글로벌 상위 그룹과 비교되어, 각 기업이 산업 내에서 어느 

수준의 디지털 성숙도를 보유하고 있는지를 상대적으로 파악할 수 있도록 설계되어 

있다.​

조사항목은 크게 전략(Digital Strategy), 역량(Capabilities), 환경(Accelerators)의 세 영

역으로 구성되며, 각 영역 아래에 세부 차원이 배치된다. 전략 영역에서는 디지털 비

전과 거버넌스 구조의 명확성, 디지털 관련 투자 우선순위 설정 여부, 투자 성과를 추

적·관리하는 ROI 체계, 그리고 C-suite 리더십의 관여 수준 및 사업부 간 조율 구조

를 평가한다. 이를 통해 디지털이 단순한 개별 프로젝트 수준에 머무르는지, 아니면 

기업의 중장기 전략과 경영 의사결정의 중심 축으로 자리 잡았는지를 판단한다.​

기술

기술 스택 현대화

클라우드·AI·데이터 플랫폼 구축 

수준

직원

직원 디지털 수용성

직원의 디지털 도구·데이터 활용 

수용도

문화

혁신·학습 문화

실험·학습 기반의 디지털 혁신 문화

DX Outcomes

재무

매출 성장률

DX 기여 매출 증가 효과

비용 절감률

자동화·최적화 기반 비용 절감

운영

프로세스 효율 개선

리드타임 단축, 생산성 향상

고객

고객 만족도(NPS)

DX 기반 서비스 품질 개선

기술

시스템 안정성 개선

장애 감소, 업타임 증가

혁신

신규 서비스 출시 속도

Time-to-market 개선

- 11 -

5)

 Bughin, J., Lund, S., & Manyika, J. (2016). Which industries are the most digital (and why)? 

McKinsey Global Institute

역량 영역은 디지털을 실제 비즈니스 운영에 얼마나 깊이 통합했는지를 보여주는 부

분으로, 고객 여정의 디지털 전환 수준, 공급망의 디지털화 및 데이터 기반 운영 여부, 

마케팅 개인화 및 옴니채널 활용 수준 등을 중점적으로 측정한다. 동시에 기술 아키텍

처 측면에서 모듈러 구조와 API 기반 연결성이 확보되어 있는지, 데이터 소유권과 관

리체계가 명확한지, 그리고 이에 맞는 운영모델과 조직 구조가 갖춰져 있는지 평가한

다. 이 영역은 디지털 기술을 보유하고 있는지보다, 실질적인 활용과 통합을 통해 경

쟁우위로 전환하고 있는지를 가늠하는 지표로 기능한다.​

마지막으로 환경 영역은 디지털 전환의 속도와 지속 가능성을 좌우하는 사람, 문화, 

생태계 측면을 다룬다. 인재 개발 측면에서는 인력 확보와 재교육 체계, 리더 및 구성

원의 역량 향상 프로그램을 살펴보고, 문화 측면에서는 실험과 학습을 장려하는지, 실

패를 허용하는 조직 분위기가 조성되어 있는지 등을 평가한다. 더불어 스타트업, 기술 

파트너, 플랫폼 기업과의 파트너십 생태계 구축 정도, 인공지능을 포함한 신기술을 기

존 업무에 통합할 수 있는 준비도, 그리고 디지털 성과를 지속적으로 점검하고 개선하

는 메커니즘을 갖추었는지가 중요한 평가 항목으로 포함된다. 이러한 DAI 진단 결과는 

단순 점수 제시를 넘어, 기업이 다음 단계의 디지털 성숙도로 도약하기 위해 어떤 영

역을 강화해야 하는지에 대한 구체적인 방향성을 제공하는 관리 도구로 활용된다.

McKinsey Global Institute(2016, MGI)5)는 미국 내 18개 산업의 디지털화 수준을 정량

적으로 측정하고 산업 간 격차를 분석함으로써, 디지털 기술이 경제 생산성과 경쟁력

에 미치는 영향을 명확히 규명하는 것을 핵심 목적으로 한다. 이 연구는 디지털 리더 

산업의 성공 요인을 도출하여 디지털 후발 산업의 전환 전략을 제시하며, 2010년대 디

지털 경제 가속화라는 배경 속에서 미국 경제 전체 생산성 향상을 위한 산업별 디지

털화 우선순위를 설정하는 데 초점을 맞춘다. MGI가 개발한 산업 디지털화 지수

(Digital Intensity Index)를 기반으로 하여, 단순한 기술 도입 수준을 넘어 디지털이 산

업 구조와 성과에 미치는 실질적 영향을 평가한다.​

조사 항목은 디지털 강도(Digital Intensity)를 4개 핵심 지표로 측정하여 100점 만점

으로 점수화한다. 첫째, 디지털 기술 투입(Digital Inputs)에서는 매출 대비 소프트웨어 

지출 비중과 IT 인프라(자산 및 네트워크 장비 투자 수준)를 평가한다. 둘째, 디지털 

노동력(Digital Labor)은 개발자, 데이터 사이언티스트, IT 전문가 등 디지털 직업군의 

직원 비율과 전체 직원의 디지털 스킬 보유 수준을 측정한다. 셋째, 디지털 거래

- 12 -

(Digital Transactions)는 온라인 판매 및 디지털 채널 거래의 매출 비중, B2B 전자거래

와 디지털 공급망 연계 정도를 분석한다. 마지막으로 디지털 플랫폼 활용(Digital 

Platforms)은 클라우드, 빅데이터 도입 여부와 모바일, 소셜 미디어 등 고객 접점의 디

지털화 수준을 다룬다. 이러한 지표를 종합하면 기술 산업이 69점으로 1위를 차지한 

반면 광업은 7점에 그치는 등 명확한 산업 격차가 드러난다. 

<표2-3>은 앞서 검토했던 국내외 SW융합관련 진단체계를 정리한 자료이다. 이를 기

반으로 SW융합 진단을 위한 핵심 요소를 도출하였다. 

구분

목적 및 배경

조사영역

기업정보화통계조사 

(NIA)

국내 기업의 정보화 수준과 

ICT 활용 현황을 파악

정보화 기반, 정보화 응용, 지능정보기술 

활용, 정보화 투자 및 효과, 인력, 시스템 

도입, 정보보호 등을 포함

산업디지털전환실태

조사(KIAT) 

산업 분야의 디지털 전환(DX) 

수준과 실태를 파악

디지털 전환 인식 수준, 데이터 활용률, 

DX 역량 및 애로사항, 디지털 

제품/서비스 창출, 프로세스 

자동화/지능화율, DX 추진 주도 부서, 

연구개발 투자/인력, 교육 프로그램 여부 

등 규모별·산업별 항목을 포함

SW융합실태조사(S

PRi)

 SW 도입·활용과 디지털 전환 

수준을 산업별로 파악하기 

위한 조사

일반·재무 현황, 조직 및 인력 현황, SW 

기술 현황, 디지털 전환 현황, 데이터 

현황·산업별 디지털 성숙도

AI 성숙도 진단 

모델

(Gartner)

조직의 AI 도입·활용 수준을 

평가하여 전략적 개선 

로드맵을 제시

전략 및 거버넌스, 조직 및 인력,

인력 스킬셋, 교육·채용 프로그램​, 기술 

및 데이터, AI 플랫폼, 비즈니스 영향 

(Business Impact)

디지털 성숙도 진단 

모델 (BCG)

산업 평균·최고 기업 대비 

격차를 정량화하여 고영향 

투자 우선순위를 설정

전략 (Digital Strategy), 역량 

(Capabilities), 가속기 (Accelerators)

디지털 

지수(McKinsey)

미국 18개 산업의 디지털화 

수준을 정량화하여 산업 간 

격차와 경제적 영향을 분석

디지털 기술 투입비(Digital Inputs), 

디지털 노동력(Digital Labor), 디지털 

거래(Digital Transactions), 디지털 

플랫폼 활용(Digital Platforms)

<표 2-

3

> 국내‧외 SW융합 관련 진단체계 및 조사 현황

출처: SPRI 연구진 작성

<표2-4>는 국내외 SW융합 관련 진단체계의 조사항목들을 검토한 결과이다. 대분류

는 기술 및 인프라, 조직 및 인력, 전략 및 거버넌스, 데이터 활용 등으로 분류될 수 

있다. 기술 및 인프라 부분은 기업이 SW를 도입하였는지 혹은 SW 활용을 위한 인프

라 수준을 조사한다. 조직 및 인력은 조직내 SW 도입이나 디지털 전환을 위한 조직이

- 13 -

나 인력이 어느정도 갖추어져 있는지 판단하는 분야이다. 전략 및 거버넌스 분야는 디

지털 전환을 위한 전략의 유무와 수준, 디지털 전환이나 SW 도입에 따른 성과 등을 

조사한다. 데이터 활용 분야는 실제로 데이터 활용을 어느정도 하는지 측정하는 지표

이다. 

한편, 이러한 지표들은 조사하고 결과를 해석하는데 있어서 한계점도 있다. 기술 및 

인프라 분야 조사항목들은 기술 도입 여부에만 초점을 두고 있으며 기술 활용 정도를 

명확히 측정하기 어려운 부분이 있다. 대부분의 조사가 특정 기술(AI, 빅데이터 등)의 

도입 여부나 투자액 규모에만 집중하는 경향이 있다. 이는 실제 활용 수준이나 기술 

도입으로 인한 성과를 정확히 측정하는 데 한계가 있다. 예를 들어 인프라 수준을 파

악하기 위해 클라우드 서비스 이용 여부는 조사하지만, 아키텍처의 효율성이나 확장성 

등 질적인 측면은 평가하기 어렵다. 

조직 및 인력 분야는 기존 시스템과의 연계성이나 데이터 통합 문제는 자연스럽고 

효율적인 디지털 전환의 중요한 부분이라고 할 수 있지만 다른 조사에서는 비중 있게 

다루어지지 않는 경우가 많다. 또한 인력의 양적 측면에서만 조사하고 있는데 이러한 

규모 중심의 평가는 실제 역량을 제대로 평가하기 어려울 수 있다. 개인의 숙련도, 조

직의 협업 수준, 리더십의 역량 등 질적인 요소가 간과될 수 있기 때문이다. 또한, 조

직 문화는 디지털 전환의 핵심 요소라고 할 수 있지만 엄밀하게 정량적으로 측정하기 

어렵다. 덧붙여 Gartner 모델은 AI 전담 리더의 역할을 강조하지만 리더의 실제적인 

영향력이나 의사결정의 질을 평가하기는 힘들다. 

전략 및 거버넌스 분야에서는 대부분의 모델이 전략의 수립 여부에만 초점을 맞추고 

있어, 실제 전략이 조직 내에서 얼마나 잘 실행되고 있는지, 그 과정에서 어떤 어려움

이 있는지를 파악하기 어렵다. 또한, McKinsey 모델에서 디지털 투자의 ROI를 정량적

으로 측정하고 있는데 이러한 재무성과는 다양한 외부요인에 의해 영향 받을 수 있으

므로 이러한 분석에 주의하여야 한다. 아울러 급변하는 시장 상황이나 새로운 기술의 

등장과 같은 외부 환경 변화에 대한 기업의 대응 전략을 종합적으로 평가하는 데는 

한계가 있다. 

데이터 활용 관련 조사항목을 살펴보면, 데이터의 가용성은 조사하기 쉽지만, 품질은 

정량화하기 어려운 측면을 이야기할 수 있다. 이러한 부정확하거나 편향된 데이터는 

오히려 잘못된 AI 모델 학습과 의사결정을 초래할 수 있다. 또한, 단순히 데이터를 수

집하고 분석하는 수준을 넘어, 이를 통해 새로운 비즈니스 모델을 창출하거나 고객 경

험을 혁신하는 등 데이터 활용 정도를 측정하는 데는 한계가 존재할 수 있다. 

- 14 -

분야 (Field)

조사명

주요 조사항목

기술 및 

인프라

기업정보화통계조사 (NIA)

- 정보화 투자

- 정보보호

- 클라우드 서비스 이용, 빅데이터 및 AI 도입·활용

산업디지털전환실태조사 

(KIAT)

- 제조 현장의 데이터 품질 및 통합, 

- AI 도입률

- 기존 시스템과의 연계성

SW융합실태조사 (SPRi)

- SW 기술 및 R&D 투자, 

- 데이터 수집·분석·활용 수준

디지털 성숙도 진단 모델 

(BCG) 

- 기술 및 데이터, 인적 역량에 대한 투자 

(Investment in technology, data, and human 

capabilities)

- AI/머신러닝 인력 역량 강화 계획 (Plans to 

upskill AI/ML talent)

조직 및 인력

기업정보화통계조사 (NIA)

- 정보화 인력 현황

SW융합실태조사 (SPRi)

- 데이터 분석 역량을 포함한 조직 및 인력 현황

AI 성숙도 진단 모델 

(Gartner - AI Maturity 

Model)

- AI 전담 리더 유무 (Presence of a dedicated 

AI leader)

- AI 조직/팀 구축 (Establishment of AI 

organization/teams)

- AI 혁신 촉진 (Fostering AI innovation)

- 거버넌스 및 인프라 역량 중앙 집중화 

(Centralization of governance and 

infrastructure capabilities)

디지털 성숙도 진단 모델 

(BCG) 

- 디지털 업무 담당 직원 비율 (Percentage of 

employees in digital roles) 

- 거버넌스 및 최고 데이터 책임자(CDO) 역할 설정 

(Establishment of governance and a Chief 

Data Officer (CDO) role)

디지털 지수 (McKinsey)

- 최고의 기술 인재 유치, 승진 및 유지 

(Attracting, promoting, and retaining top tech 

talent)

전략 및 

거버넌스

기업정보화통계조사 (NIA)

- 정보화 관련 정책 수립 및 연구 활용

AI 성숙도 진단 모델 

(Gartner) 

- AI 전략 (AI strategy)

- 거버넌스 (Governance)

- AI 결과 측정을 위한 지표 활용 (Use of 

metrics to measure AI outcomes)

디지털 성숙도 진단 모델 

(BCG) 

- 디지털 전환의 핵심에 AI 활용 (Using AI at the 

core of digital transformation) 

- 거버넌스 설정 (Setting up governance)

- 운영 모델 플랫폼 적용 (Applying operating 

model platforms)

디지털 지수 (McKinsey) 

- 디지털 이니셔티브의 비즈니스 결과 및 ROI 측정 

(Measuring business results and ROI of digital 

initiatives)

<표 2-

4

> 국내외 SW융합 관련 진단체계 검토

- 15 -

출처: SPRI 연구진 작성

2.

SW융합경쟁력 관련 선행연구 고찰

디지털 전환(DX)이 거의 모든 산업으로 빠르게 확산되면서, 소프트웨어 기술의 내재

화와 산업 간 융합 수준이 산업 경쟁력을 좌우하는 핵심 요소로 자리 잡고 있다. 이러

한 환경 변화 속에서 각 산업이 어느 정도의 디지털 활용도와 SW 역량을 보유하고 

있는지를 객관적으로 파악하는 일은 더욱 중요해지고 있다.

정부는 다양한 디지털 전환 지원 정책을 추진하고 있으나, 산업별, 기업 규모별, 분

야별로 DX 수준의 편차가 여전히 큰 실정이다. 이러한 불균형을 해소하고 정책의 사

각지대를 식별하며, 더 나아가 지원 정책의 효과성을 정량적으로 평가하기 위해서는 

산업의 디지털 경쟁력을 체계적으로 측정할 수 있는 진단 체계와 지표 기반의 평가 

기준이 필수적이다.

특히 국가 차원에서는 산업별 SW 융합 수준과 디지털 전환 추진 역량을 지속적으로 

모니터링하고 진단함으로써 산업 경쟁력의 현황을 명확히 이해하고, 이를 기반으로 향

후 정책의 방향성과 우선순위를 설정해야 할 필요가 있다. 본 장에서는 디지털 전환 

및 SW 융합 경쟁력 측정 지표를 도출하기 위해 다양한 관점과 산업 영역의 기존 연

구를 검토한다.

Ifenthaler, D., & Egloffstein, M. (2020)은 교육 기관의 디지털 기술 채택 수준을 종

합적으로 진단하기 위한 성숙도 모델인 Maturity Model of Technology Adoption in 

Educational Organizations (MMEO)을 개발하였다. 연구자들은 기존 성숙도 모델들이 주

로 학교 환경이나 개인적 요소에 집중함으로써 조직 전반의 디지털 전환 역량을 충분

히 반영하지 못한다는 점을 지적하였다. 이에 따라 교육 기관이 커뮤니케이션, 행정, 

경영, 학습, 교육 활동, 조직 변화 등 핵심 기능에 디지털 기술을 얼마나 통합하고 있

데이터 활용

SW융합실태조사 (SPRi)

- 데이터 수집 여부 및 활용 수준

- 데이터 분석 역량

AI 성숙도 진단 모델 

(Gartner)

- 데이터 가용성과 품질 (Data availability and 

quality)

- 위험 요소 및 고객 영향에 대한 재무/ROI 분석 

(Financial/ROI analysis of risk factors and 

customer impact)

디지털 성숙도 진단 모델 

(BCG)

- 데이터로부터 인사이트 도출 (Deriving insights 

from data)

- 16 -

는지를 체계적으로 평가할 수 있는 새로운 모델의 필요성을 제기하였다.

MMEO는 교육 기관의 디지털 전환 성숙도를 5개 단계로 구분하며, 조직

(organization), 기술(technology), 인적 자원(human resources), 교수학습 지원(teaching 

and learning support)이라는 4개 주요 차원에 기반해 평가한다. 각 차원은 20~30개 항

목으로 구성된 설문을 통해 측정되며, 이를 통해 조직의 현재 디지털 역량 수준과 발

전 방향을 구조적으로 파악할 수 있도록 설계되었다. 모형의 5개 성숙 단계는 Level 

1(Digital Novice), Level 2(Digital Explorer), Level 3( Digital Pragmatist), Level 4(Digital 

Strategist), Level 5(Digital Pioneer)로 구분된다. <표2-5>는 연구에서 제시하는 성숙도 

도메인 및 차원이다. 

도메인 

(Domain)

차원 (Dimension)

설명 (Description)

조직 

(Organiza

tion)

1. 전략 (Strategy)

디지털 전환에 대한 명확한 비전과 로드맵이 있는가?

2. 지배구조 

(Governance)

디지털 관련 의사결정 구조와 책임 소재가 명확한가?

3. 문화 (Culture)

구성원들이 변화와 혁신, 디지털 기술 활용에 긍정적인가?

4. 커뮤니케이션 

(Communication)

디지털 전환의 목표와 과정이 조직 내에 효과적으로 

공유되는가?

기술 

(Technol

ogy)

5. 인프라 

(Infrastructure)

안정적이고 확장 가능한 네트워크, 하드웨어, 소프트웨어를 

갖추고 있는가?

6. IT 서비스 (IT 

Services)

조직의 목표를 지원하는 필수적인 IT 서비스(이메일, LMS 

등)가 제공되는가?

프로세스 

(Process)

7. 교육 및 학습 

(Teaching and 

Learning)

디지털 기술이 교수법, 학습 경험, 콘텐츠 개발에 효과적으로 

통합되어 있는가?

8. 지원 (Support)

구성원들이 디지털 기술을 사용하는 데 필요한 교육이나 기술 

지원이 체계적인가?

<표 2-

5

> MMEO 도메인 및 차원 항목

Gökalp, E., & Martinez, V. (2021)은 산업 제조 기업의 디지털 전환 수준을 체계적으

로 진단하기 위한 디지털 전환 역량 성숙도 모델(Digital Transformation Capability 

Maturity Model)을 제안하였다. 연구진은 제조업에서 디지털 전환이 필수 과제로 자리 

잡았음에도 기업마다 추진 수준과 역량의 차이가 크다는 점을 문제로 인식하고 이를 

표준화해 진단할 수 있는 체계적 평가 모델을 개발하는 것을 목표로 하였다.

Digital Transformation Capability Maturity Model은 Level 0 Incomplete부터 Level 5 

- 17 -

Optimizing까지 여섯 단계의 성숙 수준으로 구성되며 기업의 디지털 전환 진행도가 어

느 수준에 위치하는지를 정량적으로 파악할 수 있도록 설계되었다. 더불어 모델은 여

섯 개의 핵심 영역으로 구성되는데 디지털 비즈니스 전략(Digital Business Strategy), 

정보와 기술(Information and Technology), 디지털 프로세스 전환(Digital Process 

Transformation), 프로젝트 관리(Project Management), 변화 관리(Change Management), 

성과 관리(Performance Management)가 포함된다. 각 영역은 다시 하위 프로세스 그룹

과 속성으로 세분화되어 기업의 디지털 역량을 다면적으로 측정한다. 디지털 비즈니스 

전략 영역은 비전 정의 시장 분석 파트너십 관리 등 디지털 기반 전략 수립 역량을 

평가한다. 정보와 기술 영역은 클라우드 사물 인터넷 빅데이터 활용도와 엔터프라이즈 

아키텍처 통합 여부를 중심으로 IT 기반 역량을 진단한다. 디지털 프로세스 전환 영역

은 생산 공급망 재무 등 핵심 프로세스의 디지털화 정도와 로보틱 프로세스 자동화 

및 인공지능 활용 여부를 평가하는 가장 포괄적 영역이다. 프로젝트 관리 영역에서는 

애자일 기법 적용 위험 관리 성과 측정 구조를 다루며 Level 4에서는 예측 분석 도입

이 나타난다. 변화 관리 영역은 조직 문화 변화 구성원 교육 리더십 참여 등 사람 중

심 요소를 평가하며 성과 관리 영역은 KPI 정의 데이터 기반 개선 활동 벤치마킹을 

포함한다.

Agostino.D. & Costantini(2022)는 문화 기관의 디지털 전환 수준을 체계적으로 측정

하기 위한 평가 프레임워크를 제안하며, 이탈리아 박물관을 대상으로 심층 분석을 수

행하였다. 디지털 전환을 다차원적으로 파악하기 위해 사람(people), 기술(technology), 

프로세스(process), 고객(customer), 전략 및 투자(strategy and investment) 등 다섯 가

지 핵심 차원을 설정하고, 각 차원을 다시 여러 하위 차원으로 세분화하였다. 하위 차

원에는 디지털 역량·교육·문화 변화를 포함한 사람, 인프라·소프트웨어·데이터 관

리를 포괄하는 기술, 운영 디지털화와 콘텐츠 관리를 다루는 프로세스, 사용자 참여와 

접근성 향상을 중심으로 한 고객, 비전 수립과 예산 배분을 포함한 전략 및 투자가 포

함된다. 각 하위 차원은 여러 질문 항목으로 측정되며, 설문 응답을 기반으로 가중 평

균 방식을 적용하여 차원별 점수와 기관의 전반적 디지털 준비도(composite index of 

organisational digital readiness)를 산출한다. 

Kao et al.(2024)는 디지털 전환을 구성하는 요소들을 체계적으로 분해하여 포괄적인 

분류체계를 마련하고, 이를 기반으로 기업의 디지털 전환 수준을 평가할 수 있는 모델

을 제시하고자 하였다. 이를 위해 연구는 문헌 분석, 포커스 그룹 인터뷰, 퍼지 AHP 

분석이라는 세 단계의 절차로 진행되었다.

- 18 -

먼저, 문헌 분석을 통해 기존 연구에서 제시된 디지털 전환의 개념과 구성 요소를 

정리하고, 이를 기반으로 기본적인 차원과 지표 체계를 도출하였다. 이후 산업 전문가

를 대상으로 포커스 그룹 인터뷰를 수행하여 초기 분류체계를 검증하고 보완함으로써 

실무적 타당성을 확보하였다. 마지막으로 퍼지 AHP를 활용해 디지털 전환의 계층 구

조에 포함된 각 차원과 지표의 상대적 중요도를 산정하였다.

<표2-6>은 연구에서 제시한 주요 지표로 디지털 전환을 6개의 주요 차원, 12개의 하

위 차원, 36개의 세부 지표로 세분화한 체계를 구축하였다. 각 지표는 5점 Likert 척도

로 평가되며, 퍼지 AHP를 통해 산정된 가중치를 적용함으로써 기업의 디지털 전환 역

량을 정량적으로 진단할 수 있도록 설계되었다. 이 모델은 디지털 전환을 다차원적으

로 구조화하고 체계적인 평가 기준을 제공함으로써, 기업이 현재의 디지털화 수준을 

파악하고 향후 전략을 수립하는 데 실질적인 활용 가치를 지닌 도구로 제안되고 있다.

주요 차원 (가중치)

하위 차원 (가중치)

핵심 초점 및 예시 지표 수

Input Resources 

(0.143)

Digital Talent Ratio (0.368) 

Funding Ratio (0.316) 

Education/Training Ratio 

(0.316)

인력(디지털 전문가 비율), 

예산(디지털 투자 비중), 

훈련(연간 교육 시간) / 총 9개

DT Technology 

(0.189)

Infrastructure (0.421) 

Data Value (0.579)

시스템(클라우드·ERP 통합), 

데이터(분석 플랫폼·활용률) / 총 

9개

Organizational 

Operations (0.218)

Management Consensus (0.289) 

Organizational Capability (0.368) 

Ecosystem (0.343)

리더십(경영진 DT 합의), 

역량(문화·전략), 생태계(파트너 

협업) / 총 9개

Process 

Optimization (0.179)

Internal Process (0.579) 

External Process (0.421)

내부(주문·재고 자동화), 

외부(공급망·물류 최적화) / 총 

9개

Customer 

Experience (0.267)

Customer Acquisition (1.000)

고객 유치(니즈 이해·지능 

마스터리) / 총 3개

Business Model 

(0.213)

Business Model Innovation 

Intensity (1.000)

혁신(신규 모델·시장·채널 개발) / 

총 3개

<표 2-

6

> Kao et al.(2024) 디지털 전환 주요 지표

 

Jäkel et al. (2024)은 건설산업의 디지털 전환 수준을 체계적으로 진단할 수 있는 성

숙도 모델을 개발하고 산업 디지털전환 정책 설계에 중요한 시사점을 제공한다. 본 연

구는 Construction Industry 4.0 관점에서 건설기업의 디지털 전환 수준을 종합적으로 

평가할 수 있는 디지털 건설기업 성숙도 모델(Digital Construction Company Maturity 

- 19 -

6)

 이희정, 권남훈, 이경원, 송지희, 임희종, & 최보름. (2021). 디지털 전환지수 개발을 통한 디지털 전환 경쟁

력 관리. 정책연구, 2021(17), 1-159.

Model, DCCMM)을 개발하고, 이를 실제 기업에 적용 및 검증하였다. 

[표2-7]은 DCCMM의 평가 차원 및 세부지표이다. DCCMM은 건설기업의 디지털 전환

을 6단계 성숙도 수준으로 구분하였다. 이는 기업이 디지털 전환을 인식하지 못한 초

기 단계부터, 전사적‧생태계 차원의 최적화 단계까지의 발전 경로를 단계적으로 제시

한다. DCCMM의 지표는 5개 평가 차원, 총 28개 지표로 구조화되어 있다. 

정보통신정책연구원(2021)6)는 디지털 전환 역량 경쟁력 관리를 목표로, 디지털 전환

의 개념과 사례를 정리하고 전문가 합의를 거쳐 지표 체계를 만든 뒤 AHP로 가중치

를 산출하였다. 디지털 전환 준비 지수(Digital Transformation Readiness Index, DTRI)

는 총 5개 분야의 13개 세부 항목으로 구성되어 있으며, 각 항목의 중요도에 따라 아

래와 같이 가중치를 부여하였다. 분석 결과, '경영진의 디지털 전환 의지'(18.1%)가 가

장 중요한 핵심 지표로 나타났으며, '디지털 전환 전략'(13.4%)이 그 뒤를 이었다. 이는 

성공적인 디지털 전환을 위해서는 경영진의 강력한 의지와 명확한 전사적 전략이 무

엇보다 중요하다는 것을 의미한다. 또한, '조직구성원의 기술 수용성'과 '조직의 개방

성 및 유연성' 등 조직 문화 관련 항목들도 높은 순위를 차지하여 인적·문화적 요소

의 중요성을 보여주고 있다. [표2-8]은 DTRI의 세부항목 및 가중치를 정리한 결과이다.

평가 차원

의미

세부 평가 지표

기술 (Technologies)

건설기업의 핵심 디지털 

기술 도입 및 활용 수준 

진단

로보틱스, 클라우드 컴퓨팅, IoT, 

AR·VR·XR, AI

조직 및 프로세스 

(Organization & Processes)

디지털 기술을 성과로 

연결하는 조직 운영 역량 

평가

팀 구조, 역할·책임 체계, 데이터 

접근, BIM 활용, 프로세스 자동화, 

성과관리

문화 및 인적자원

(Culture & Personnel)

디지털 전환의 지속성과 

확산 가능성 평가

디지털 전략, 경영진 주도성, 실패 

수용 문화, 디지털 수용성, 

교육·훈련, 자원 확보

데이터 관리 

(Data Management)

데이터 기반 의사결정 및 

자동화 역량 평가

데이터 거버넌스, 시의성, 품질, 

커버리지, 가치 활용, 저장 체계, 

보안

연결성 (Interconnectivity)

기업·산업 생태계 차원의 

디지털 연계 수준 평가

시스템 연계, 기업 간 데이터 공유, 

HMI, 가치사슬 통합

<표 2-

7

> DCCMM 평가 차원 및 세부 지표

- 20 -

임희종 외(2021)는 공기업 10개를 대상으로 디지털 전환 수준을 체계적으로 측정하

고 비교할 수 있는 분석 모형을 개발하고 적용하였다. 이론 검토를 통해 디지털 전환 

정의를 도출하고, 이를 통해 구조화한 분석틀을 제시하였다. 분석 모형은 4개 영역

(Areas)과 12개 핵심 요인(Core Elements)을 기반으로 구성되었다.

디지털 전환 분야

세부 항목 (코드)

가중치

순위

디지털 전환 의지

경영진의 디지털 전환 의지 (DX-2)

18.10%

1

디지털 전환 전략 (DX-1)

13.40%

2

조직 변화

조직구성원의 디지털기술 수용성 (DX-8)

9.80%

3

조직의 디지털기술에 대한 개방성 및 유연성 (DX-9)

9.40%

4

비즈니스 모델 변화

디지털기술을 이용한 새로운 비즈니스 모델 수립 (DX-12)

7.40%

5

고객가치 창출

디지털 기술을 활용한 고객과의 접점 확보 (DX-3)

7.10%

6

고객접점의 데이터 분석 및 활용을 통해 고객 인사이트 

제공 (DX-4)

7.10%

7

운영 프로세스 개선

운영자동화의 고도화를 통한 생산성 향상/신규 비즈니스 

모델 정착 (DX-10)

6.40%

8

고객가치 창출

디지털 접점을 통한 고객 참여 (DX-6)

4.90%

9

디지털 채널에서 기업-고객간/고객-고객간 소통 (DX-7)

4.80%

10

데이터 분석을 통한 개인화 서비스 (DX-5)

4.80%

11

운영 프로세스 개선

가치사슬에 신기술(드론/IoT 등)의 적절한 도입 (DX-11)

4.10%

12

비즈니스 모델 변화

디지털 전환과 연관된 창업 및 벤처 육성 또는 인수 

(DX-13)

2.80%

13

<표 2-

8

> 정보통신정책연구원(2021)의 DTRI 세부항목 및 가중치

평가 영역

핵심 요인

요인 설명(정책·평가 관점)

고객 경험 

(Customer 

Experience)

디지털 고객 접점

온라인·모바일 등 디지털 채널을 통한 고객 접점 

구축 수준

고객 중심 서비스 혁신

고객 니즈 기반 서비스 설계 및 맞춤형 서비스 

제공 수준

고객 경험 데이터 활용

고객 데이터 수집·분석을 통한 서비스 개선 활용 

정도

운영 (Operation)

업무 프로세스 디지털화

내부 업무의 전산화·자동화 및 디지털 프로세스 

전환 수준

운영 효율성 제고

디지털 기술을 통한 비용 절감, 생산성 향상 

정도

데이터 기반 운영

운영 의사결정에 데이터 분석을 활용하는 수준

<표 2-

9

> 임희종외 (2021) 분석 모형

- 21 -

정소윤 외(2020)는 디지털 기술의 급속한 발전이 개인과 국가 경쟁력에 미치는 영향

을 강조하며, 공공부문 디지털 트랜스포메이션(DT)의 필요성을 제시한다. 특히, 코로나

19로 가속화된 비대면 업무 환경과 디지털 전환의 중요성이 부각되는 상황에서, 공공

부문의 디지털 트랜스포메이션 방향성을 제시하는 것을 목적이라고 할 수 있다. 공무

원 인식조사를 주요 연구 방법 중 하나로 활용하며, 이를 통해 DT의 장애요인과 성공

요인을 실증적으로 분석하였다. 주요 조사 항목은 디지털 트랜스포메이션 수준 인식, 

기관장 디지털 리더십, 조직지원(자원 투입, 인프라, 추진 방식 등), 조직문화(DT에 대

한 문화적 수용성 및 변화 저항) 이다.

설문조사 결과, 디지털 리더십이 조직지원과 문화에 정(+) 영향을 미치며, 조직지원

이 DT 수준에 직접 기여하나 조직문화는 유의미하지 않다. 조사 결과는 공공부문 DT 

전략 수립의 근거로 활용되며, 리더십 강화와 조직 기반 마련의 중요성을 강조한다. 

장태우 외(2022)는 디지털 전환 기술을 활용한 혁신 수준을 객관적으로 측정하기 위

해 기존 디지털 성숙도 모델(DMM, Deloitte·MIT 모델 등)과 산업혁신 관련 선행연구

를 검토해 평가영역과 단계 구조를 설계하였다. 선행연구와 글로벌 디지털 성숙도 모

델(DMM, IDC 등)을 검토해 입력(Input)–프로세스(Process)–성과(Outcome) 관점에서 7개 

평가 영역과 28개 세부 항목을 도출하였다. 7개 평가 영역 및 세부항목은 아래와 같

다. 도출된 28개 항목을 기반으로 리커트 6점 척도(1~6점)를 사용한 설문문항을 설계

하였다. 설문문항은 응답자가 자사 디지털 산업혁신 수준을 자기평가하도록 하였으며 

국내 다양한 업종과 규모의 46개 기업을 대상으로 조사하였다. 이후 각 기업의 문항별 

점수를 영역별, 총점으로 집계해 성숙도 점수(단계)를 산정하고, 기업 특성별 평균 차

이를 통해 모델의 구분력과 활용 가능성을 검토하였다. 분석 결과, 대기업은 중소기업

보다 전반적으로 높은 성숙도를 보이는 등 집단별 특징이 나타났다.

앞서 검토했던 기존 디지털 전환 및 SW 융합 관련 연구들을 종합해보면, 기업이나 

산업을 대상으로 디지털 전환을 객관적이고 명확히 측정하기 위해 다차원적인 관점에

전략 (Strategy)

디지털 전환 비전·전략

중장기 DT 비전 및 전략 수립 여부와 명확성

디지털 투자·로드맵

디지털 기술 투자 계획 및 단계적 실행 로드맵

경영 전략과의 정합성

디지털 전환 전략과 조직의 전체 경영 전략 간 

연계성

조직 (Organization)

조직 구조 및 거버넌스

DT를 추진하기 위한 전담 조직, 의사결정 체계 

구축 수준

디지털 역량 및 인재

디지털 전문 인력 확보 및 내부 역량 수준

조직 문화·변화관리

디지털 전환 수용 문화 및 변화관리 체계 

성숙도

- 22 -

서 분석 모형을 제시하고 있다. 이는 크게 기술, 조직, 환경으로 요약될 수 있다. 기술

은 디지털 기술을 디지털 전환을 위해 기업이나 산업에 적용하였는지를 판단하는 지

표이다. 세부 요인으로는 장비기술, 디지털 전환 및 IT기술, 자동화 및 지능화 등으로 

도출되었다. 조직 분야는 기업이나 산업 내 구성원의 디지털전환에 대한 준비 수준을 

말한다. 세부적으로는 조직운영, 전략 및 투자, 조직문화, 교육, 비즈니스 모델이 해당

된다. 환경 분야는 기업이나 산업에서 내부적으로 조작하거나 변경할 수 없는 외부의 

생태계에 해당되며 이들의 디지털전환에 대한 경쟁력이나 준비도를 말한다. 대표적으

로 고객경험 혹은 고객의 디지털전환에 대한 수용성을 들 수 있다. 또한, 산업 혹은 

국가 전반의 생태계나 협력기업의 수준 등이 주요 세부 지표로 구성될 수 있다. 

요인

세부요인

선행 연구

기술/프로세스

장비기술

Ifenthaler & Egloffstein(2020)

디지털전환 및 IT 기술

Kao et al.(2024)

Gökalp, E., & Martinez, V. (2021),

Agostino.D & Costantini(2022),

Jäkel et al. (2024)

자동화, 지능화, 플랫폼

장태우 (2022), Jäkel et al. (2024)

조직/인력

조직운영(개선)

Kao et al.(2024), 

Ifenthaler & Egloffstein(2020)

정보통신정책연구원(2021), 장태우(2022)

전략 및 투자

Ifenthaler & Egloffstein(2020),

Gökalp, E., & Martinez, V. (2021), 정소윤 

외(2020),

조직문화

Jäkel et al. (2024),

Ifenthaler & Egloffstein(2020),

Agostino.D & Costantini(2022), 정소윤 

외(2020)

디지털 교육

Ifenthaler & Egloffstein(2020), 장태우(2022)

디지털 역량 및 인재

임희종 외(2021), 장태우(2022)

비즈니스 모델

정보통신정책연구원(2021),

Kao et al.(2024), 장태우(2022)

환경/고객

생태계차원의 디지털 연계 

수준

Jäkel et al. (2024)

공급자와의 협력

장태우(2022) 

고객경험/가치창출

Agostino.D & Costantini(2022),

Kao et al.(2024), 정보통신정책연구원(2021)

<표 2-

10

> 국내외 SW융합관련 선행연구 재분류

- 23 -

7)

 반도체‧디스플레이, 이차전지, 첨단모빌리티, 차세대 원자력, 첨단 바이오, 우주항공‧해양, 수소‧사이버 보안, 

인공지능, 차세대 통신, 첨단로봇‧제조, 양자

8)

 반도체, 디스플레이, 이차전지 바이보 분야 내 15개 산업

제3장

국내 주력산업의 SW융합 현황

제1절

주력산업의 정의 및 분류 기준

주력산업은 일반적으로 국가 경제를 뒷받침하고 산업구조의 중심을 이루는 산업군을 

의미한다 (정은미 외, 2023). 주력산업의 특징은 타 산업에 비해 산업 생산성, 수출, 그

리고 창출하는 부가가치가 높고 전‧후방 연관산업에 미치는 영향이 크며 국가 산업 구

조에서 중요도와 비중이 높아 국가 경제성장을 주도하는 역할을 담당하는 등 여타 산

업과 구별된다. 한편, 주력산업이라는 용어는 정책적, 실무적으로 많이 사용되는 용어

로 우리나라 주요 부처에서는 주력산업 선정 근거를 관련 법에 두고 있다. 과학기술정

보통신부는 국가전략기술 육성에 관한 특별법7)에 두고 있으며 산업통상자원부는 국가

첨단 전략산업법8)에 근거하여 주력산업을 선정하고 있다. 또한 산업연구원에서는 미

래 국가 성장을 견인할 수 있는 혁신 및 신산업을 중심으로 13대 주력산업을 선정하

여 정책적 분석과 지원 대상으로 삼고 있다. 이상의 개념과 정책적 활용을 종합하여, 

본 연구에서는 주력산업을 산업 생산성, 수출, 부가가치 창출이 타 산업에 비해 상대

적으로 높은 수준을 보이며, 국가 경제 성장과 산업 구조 고도화를 견인하는 핵심 산

업으로 정의한다. 

이러한 정의에 따라, 주력산업은 단일한 산업군으로 동질적으로 파악하기 보다는 산

업의 특성과 가치창출 방식을 고려하여 분석할 필요가 있다. 특히, 제조업과 서비스업

은 SW융합 양상의 차이가 존재하여 동일한 SW기술이라도 산업별로 주로 활용되는 영

역 및 비중의 차이가 존재한다 (OECD, 2021; 심우중‧김종기, 2025). 예를 들어, 클라우

드 컴퓨팅 기술이 숙박 및 음식업에서는 데이터 저장 측면에서 주로 활용되나 건설업

에서는 공급망 투명성 확보 및 장비 자산관리에 주로 활용된다. 특히 서비스업은 제조

업에 비해 물리적 제약이 크지 않아 디지털 전환이 빠르고 폭넓게 일어나는 경향이 

존재한다 (이제영 외, 2019). <표 3-1>은 제조업과 서비스업의 차이를 보여주는 자료이

다. 제조업과 서비스업은 가치창출 방식, 데이터 활용 방식, 디지털 전환 속도에서 차

이가 있으며 이러한 차이는 SW융합 방식의 차이를 야기한다. 제조업은 제품, 공정, 설

비와 같은 물리적 자산을 기반으로 SW가 융합되며 제품의 지능화와 함께 공정, 설비

- 24 -

9)

 국내 총 부가가치 (한국은행, 2024)

10)

 2024년 10대수출품목 (e-나라지표, 

https://www.index.go.kr/unity/potal/indicator/IndexInfo.do?idxCd=2455)

11)

 산업생산 노동생산성지수(한국생산성본부)

12)

 산업별 SW투자액 (Gartner, 2025)

13)

 이하에서는 업종명을 다음과 같이 축약하여 활용함

   - 전자기기 제조업(전자기기 및 전자부품 제조업), 조선업(선박 및 보트건조업), 자동차 제조업(자동차 및 

     자동차 부품 제조업), 

   - 금융업(금융 및 보험업), 보건업(보건 및 사회복지 서비스업), 물류업(운수 및 창고업) 

가 효율화되고 공급망이 통합되는 형태로 결합되는 경향이 있다. 반면 서비스업은 고

객과 운영프로세스 측면에서 SW의 활용 비중이 높아 SW융합이 고객 경험을 혁신하고 

플랫폼화 등 운영프로세스를 통합시키는 형태로 결합된다. 그러므로 주력산업의 SW융

합 경쟁력 진단을 위해서는 단일 기준이 아닌 산업의 특성을 반영한 진단 체계를 마

련할 필요가 있다. 이에 본 연구는 주력산업을 제조업과 서비스업으로 구분하고 업종

의 특성에 따라 SW융합이 경쟁력으로 이어지는 경로를 고려하여 진단 항목을 설계한

다. 

본 연구에서 분석 대상이되는 주력산업은 주력산업의 정의를 반영하는 정량 지표와 

데이터 가용성을 고려하여 한국산업표준분류(KSIC) 내 대분류 및 중분류 수준에서 선

정하였다. 정량지표는 산업의 경제기여도9), 수출비중10), 노동생산성11), 산업특화 SW투

자액12) 등을 종합적으로 고려하여 판단하였다. 이를 통해 선정한 주력산업은 제조업

(전자기기 및 전자부품 제조업, 선박 및 보트건조업, 자동차 및 자동차부품 제조업)과 

서비스업(금융 및 보험업, 보건 및 사회복지 서비스업, 운수 및 창고업)이다.13) 

구분

제조업

서비스업

가치창출 방식

물리적 제품 생산

무형 서비스 제공

데이터 활용 방식

센서기반 정형 데이터 중심

고객 접점 데이터로 비정형 데이터 중심

디지털 전환 속도

점진적 적용

물리적 제약이 적어 상대적으로 빠른 적

용

SW융합방식

IoT, 로봇자동화 등 하드웨어 중

심의 SW융합

클라우드, AI, 챗봇 등 SW중심의 전환

<표 3-1> 제조업과 서비스업의 차이

- 25 -

14)

 원의 크기는 국내 총생산 부가가치

<그림 3-1> 분석대상 주력산업 선정14)

출처: SPRi 연구진 작성 (붉은 색 원이 선정 결과)

제2절

산업별 SW활용 현황 및 역량 수준

본 절에서는 앞서 선정한 국내 주력산업을 대상으로 SW융합이 실제 산업 현장에서 

어느 정도 수준으로 이루어지고 있는지 살펴본다. 이에 기존 통계 자료 및 실태조사를 

바탕으로 산업별 SW기술 도입 및 활용, 인적자원, SW투자, SW활용 성과, SW시장 성

장성 등을 통해 산업별 현주소를 진단한다. 이를 통해 4장에서 제시할 진단 모형의 실

증적 근거를 마련하고자 한다. 제조업의 SW활용 현황은 산업디지털전환실태조사(2024)

자료를 통해 분석하였다. <그림 3-2>는 제조업 내 SW기술별 도입 및 서비스 도입수준

을 나타내는 자료이다. AI기술 및 서비스 도입수준은 타 산업 대비 자동차 제조업이 

가장 높게 나타났다. 이는 생성형 AI가 자동차 제조 프로세스에 혁신을 일으키며 AI기

반 자동화 설비로의 전환이 가속화되고 있는 현황을 반영한 결과로 판단된다. 이를 방

- 26 -

증하듯 현대자동차는 2023년 11월 싱가포르에 AI와 로보틱스 기술이 적용된 자동화셀

(cell) 기반의 첨단 생산라인을 구축하였다. 또한 글로벌 자동차 OEM 사들도 생성형 

AI, 로봇, 디지털트윈을 도입하여 제조 경쟁력 강화를 도모하고 있다 (Delloitte, 2025). 

데이터 분석 및 서비스 도입수준의 경우 조선업이 가장 높게 나타났다. 이는 선박의 

설계부터, 생산, 운항데이터 분석까지 조선업 전반에서 빅데이터 활용이 증대되고 있

는 업계현황이 반영된 결과로 보인다 (엄향섭, 2022). 클라우드 컴퓨팅 기술 및 서비스 

도입수준은 자동차 제조업이 가장 높게 나타나 주행데이터를 처리‧분석하고 이를 통해 

다양한 서비스를 제공하기 위해 클라우드 기반 데이터 관리 인프라 수요가 반영된 결

과로 보여진다. 차량 기능이 SW를 중심으로 빠르게 변화하면서 클라우드는 OTA(Over 

The Air), 차량 데이터 파이프라인, 대규모 개발 및 검증, 공급망 데이터 통합 등에 활

용되고 있다 (Mckinsey, 2022). 종합적으로 SW기술 부문에서 자동차 제조업이 타 산업 

대비 높은 수준을 보였으며 이는 SDV(Software Defined Vehicle)로의 산업 패러다임 

전환으로 SW융합이 활발히 진행되고 있기 때문인 것으로 보인다. 

<그림 3-2> 제조업 산업별 SW기술 및 서비스 도입 현황

출처: 산업디지털전환 실태조사(2024)

인적자원 측면에서 보면 제조업 14개의 디지털 부문 연구개발 평균 인력은 0.8명으

로 분석 대상 주력산업은 제조업 평균과 유사한 수준을 보이고 있다 (산업디지털전환 

- 27 -

15)

 산업통상자원부. (2024). 산업디지털전환실태조사. 통계청 승인 고시 제2024-443호.

실태조사15), 2024). 중소기업에서 디지털화가 단일 담당자에게 맡겨지는 경우 제한된 

자원과 역량으로 인해 지속적 고도화와 전사차원의 확대에는 한계가 있다 (Dörr et 

al., 2023). 따라서 제조업 내 주력산업의 SW융합은 외부SI/솔루션 의존도가 높을 수 있

으며 이는 관련 역량 축적에 제약이 될 가능성이 있다. <그림 3-3>은 SW투자와 성과

에 대한 자료이다. 투자 측면에서 보면 빅데이터와 AI에 대한 투자는 자동차 제조업에

서 가장 높게 나타났다. 이는 앞서 언급한 SDV로 산업 패러다임이 전환됨에 따라 공

격적인 R&D 투자가 일어나고 있음을 시사한다. 성과측면에서 신규제품‧서비스 및 사

업모델 개발은 전자기기 제조업에서 가장 높게 나타났다. 전자기기 제조업은 소비자 

대상 제품군에서 신제품 출시에 대한 압력이 존재하며 시장수요와 기술 발전이 상호

작용하여 기술 융합을 통한 새로움 제품과 서비스 개발이 활발이 이뤄지는 산업적 특

성이 있다 (Markovic et al., 2018). 한편 성과 측면에서 조선업은 가장 낮게 나타났는

데, 이는 대형 선박프로젝트 기반의 B2B 모델이라는 산업 특성으로 인해 선박의 건조 

주기가 타 산업의 제품 생산 주기에 비해 길기 때문인 것으로 보인다 (Neves et al., 

2025). 

종합하면 제조업 내에서도 업종별 특성에 따라 SW 기술의 도입 범위와 활용 방식에

서 차이가 있음을 알 수 있었다. 우선 전자기기 제조업의 경우, 기술 부문에서 다른 

제조업 대비 SW 기술 도입 범위 자체는 다소 제한적이나, 도입된 기술의 사업화 성과

가 우수한 것으로 나타났다. 이는 기업들이 모든 분야에 기술을 적용하기보다 성과가 

명확한 분야를 중심으로 선택적인 SW 융합을 추진하고 있음을 시사한다. 자동차 제조

업은 디지털 전환이 가장 활발하게 일어나는 분야로, IoT, 클라우드, AI 기술 및 서비

스 이용률이 높을 뿐만 아니라 관련 투자액 역시 가장 높은 수준을 나타내고 있다. 이

러한 전폭적인 투자를 바탕으로 자동차 산업은 기술의 도입과 활용, 그리고 이를 기반

으로 한 시장 성장이 동시에 이루어지는 선순환 구조를 보이고 있다. 반면, 조선업은 

AI나 IoT 기술 및 서비스 이용률은 상대적으로 낮은 편이나, 데이터 분석 활용률이 높

다는 점이 특징적이다. 이에 따라 디지털 트윈과 같이 데이터에 기반한 기술 도입이 

활발히 진행되고 있으며, 타 산업과 유사한 수준의 산업융합 SW 시장 성장성을 보여

주고 있다. 이러한 흐름을 고려할 때, 조선업은 향후 데이터 기반 혁신을 중심으로 한 

SW 융합 혁신 가능성이 충분한 것으로 판단된다.

- 28 -

<그림 3-3> 제조업 산업별 SW투자 및 SW성과 현황

출처: 산업디지털전환 실태조사(2024)

다음으로 서비스업의 SW활용 현황은 기업정보화통계집(2024)을 활용하여 분석하였

다. 먼저는 산업별 SW기술 및 서비스 도입현황이다. <그림 3-4>에서 보는 것처럼 금

융업에서의 기술 활용 사례가 가장 두드러진다. 우리금융경영연구소(2024)에 따르면, 

금융업은 생성형 AI의 등장 이후 상품 및 서비스 개발, 고객 관리, 운영 관리 등 밸류

체인 전반에 걸쳐 AI 기술을 적극적으로 적용하며 전 산업 중 가장 높은 이용률을 기

록하고 있다. 데이터 및 인프라 활용 측면에서도 금융업의 강세는 이어진다. 데이터 3

법 시행 이후 데이터 기반의 가치 창출을 위해 활용 역량을 지속적으로 강화해 온 결

과, 데이터 분석 및 서비스 이용률이 타 산업 대비 높게 나타나고 있다. 클라우드 분

야 또한 2023년 1월 ‘클라우드 및 망분리 규제개선 방안’이 시행된 이후 도입이 급

격히 확산되며 가장 높은 이용률을 보이고 있다. 이처럼 AI, 데이터 분석, 클라우드 활

용률이 고루 높게 나타남에 따라 챗봇, 상품 개발, 보험 심사 등 다양한 분야에서 SW 

융합을 통한 디지털 전환이 빠르게 진행되고 있다. 한편, IoT 기기 및 서비스 이용률

은 보건업에서 가장 높게 나타났다. 보건 분야는 웨어러블 기술의 통합과 실시간 모니

터링을 통해 심혈관 관리, 당뇨관리, 수술 후 케어 등 환자의 치료 순응도를 높이고 

병원 재입원율을 낮추는 서비스 혁신을 가속화하고 있다 (Mahabub et al., 2024). 

- 29 -

<그림 3-4> 서비스업 산업별 SW기술 및 서비스 도입 현황

출처: 기업정보화통계집(2024)

<그림 3-5>는 서비스업 내 산업별 SW투자 및 성과 현황이다. 산업계 전반에서 디지

털 전환이 가속화되는 가운데, 각 산업의 특성에 따른 SW 투자 및 혁신 양상이 뚜렷

하게 나타나고 있다. 우선 소프트웨어 투자율은 금융업에서 73.8%로 가장 높게 나타나

는데, 이는 산업 초기부터 추진된 전산화 및 정보화 경험(Lamberti & Büger, 2009)과 

핀테크 중심의 디지털 금융 확산이 반영된 결과로 분석된다. 금융업은 이러한 디지털 

중심의 성장 경로를 통해 전 산업 중 독보적인 투자 수준을 유지하고 있다. 반면, 신

규 제품‧서비스 및 사업 모델 개발 측면에서는 물류업이 62.8%를 기록하며 타 산업 대

비 근소하게 앞서있었다. 물류업은 디지털 숙련 인력이 부족한 한계가 있으나 최근 급

격한 기술 발전과 시장의 강력한 디지털 전환에 대한 압력에 직면해있으며, 물류 기업

들은 기술 중심의 비즈니스 모델로 전환하고 운영 효율성을 높이는 서비스 혁신을 주

도하고 있다 (Cichosz et al., 2020). 보건업 또한 소프트웨어 투자율 52.7%, 신규 모델 

개발 59.2%로 견조한 수준을 유지하며 디지털 기술을 통한 품질 향상에 주력하고 있

다. 결과적으로 금융업은 강력한 자본과 인프라를 바탕으로 한 투자에, 물류업은 생존

과 효율화를 위한 서비스 혁신에 집중하며 각기 다른 방식으로 디지털 전환의 속도를 

높이고 있는 것으로 판단된다.

- 30 -

<그림 3-5> 서비스업 산업별 SW투자 및 SW성과 현황

출처: 기업정보화통계집(2024)

이상으로 상기 내용을 종합해서 살펴보면, 각 산업을 둘러싼 환경에 따라 혁신의 방

향과 속도가 다르게 나타나고 있음을 알 수 있다. 금융 및 보험업은 현재 수준에서 급

진적인 변화보다는 점진적인 혁신과 기술 확산에 초점을 두고 있는 것으로 판단된다. 

기술 부문에서는 도입과 활용이 매우 활발하며, 산업융합 SW 시장의 성장성뿐만 아니

라 조직 차원에서의 인력 보유율과 투자율 역시 높게 나타나고 있다. 하지만 이러한 

견고한 기반에 비해 신규 제품 및 서비스, 비즈니스 모델 개발은 상대적으로 낮은 특

성을 보이고 있다. 이는 국민들의 금융자산과 직결된 만큼 안정성을 중시하고 규제에 

민감한 산업적 특성에 기인한다. 따라서 신규 서비스나 비즈니스 모델 출시를 가로 막

는 구조적 한계가 반영된 결과라고 할 수 있다. 보건업은 양질의 서비스에 대한 소비

자 수요 증가와 공급자의 기술 도입 확대에 따라 SW 융합이 점진적으로 진행 중이다. 

기술 부문에서는 IoT 이용률이 높게 나타났으나, 그 외 다른 기술들의 이용률 낮게 나

타난 현황이 이를 방증한다. 이는 IoT를 이용한 실시간 데이터 수집에는 적극적이지만 

의료데이터가 가진 민감성으로 인해 데이터를 외부 인프라에 저장하거나 AI를 활용해 

분석하는 단계로의 진입은 제한이 존재하기 때문이다. 결국 의료 분야 특유의 규제와 

보안 문제로 인해 기술 도입과 확산에 제약이 따르기 때문인 것으로 분석된다. 결과적

- 31 -

으로 보건업은 전담 인력 보유율, 신규 비즈니스 모델 개발, 산업융합 SW 시장성 등 

전반적인 지표는 타 산업 대비 중간 정도의 수준을 유지하고 있다. 물류업은 현재 기

술 도입 및 활용 측면에서 타 산업 대비 상대적으로 제한적인 양상을 보이고 있다. 실

제로 산업융합 SW 시장의 성장성 지표 또한 상대적으로 낮게 나타나고 있어, 기술적 

인프라가 충분히 성숙하지 못한 상태임을 알 수 있다. 그러나 이러한 열악한 인프라 

조건에도 불구하고, 신규 제품 및 서비스, 비즈니스 모델 개발 부문에서는 62.8%라는 

높은 수치를 기록하며 해당 부문이 타 산업 대비 활발히 이루어지고 있음을 알 수 있

다. 이는 물류업 특유의 노동집약적 구조를 근본적으로 개선해야 한다는 내외부의 강

력한 혁신 압력이 작용하고 있음을 시사한다. 즉, 인적 자원에 의존하는 기존 방식의 

한계를 극복하기 위해 기술적 토대가 미흡함에도 불구하고 SW 융합을 통한 서비스 

혁신을 적극적으로 이끌어내고 있는 것이다. 종합적으로 볼 때, 물류업은 인프라 구축

이나 전담 인력 확보 수준은 아직 낮지만 시범 서비스 도입 등 혁신 시도가 활발히 

일어나는 SW 융합의 초기 단계에 머물러 있는 산업으로 판단된다.

제3절

주요쟁점

본 절에서는 앞서 분석한 산업별 통계 자료와 실태조사를 바탕으로, 국내 주력 산업

의 SW 융합 현주소와 향후 진단 모형 구성을 위해 고려해야 할 주요 쟁점을 기술한

다. 첫째, SW융합 경쟁력은 개별 기술의 도입 여부나 보유 수준만으로는 설명하기 어

려우며, SW기술의 활용방식이나 연계방식, 그리고 기술로 인한 성과에 대한 측정이 

필요한 것으로 판단된다. 이는 SW융합의 효과가 산업별 성장 경로와 밀접하게 연관되

어 있기 때문이다. 분석결과, 동일한 SW 기술을 도입하더라도 산업별로 적용 범위와 

활용 목적이 달라 혁신 성과에 차이가 발생하는 것으로 나타났다. 예를 들어, 조선업

은 AI나 IoT 기술의 개별 도입률이 상대적으로 낮은 반면, 선박의 설계, 생산, 운항 전 

과정에서 데이터 분석이 연계되어 활용되며 디지털 트윈과 같은 데이터 기반 기술 도

입이 활발히 진행되고 있었다. 전자기기 제조업 역시 SW 기술 도입 범위는 제한적이

지만, 도입된 기술을 제품 및 서비스 개발과 효과적으로 결합함으로써 높은 사업화 성

과를 창출하고 있었다. 이러한 결과는 SW 기술의 단순 도입 여부보다 기술 간 연계 

방식이나 업무 생산성 개선 등과 같은 지표를 추가하여 종합적으로 진단할 필요가 있

음을 시사한다. 

둘째, SW융합의 성과는 전담 인력의 단순한 규모보다는 조직 차원의 학습 역량 등 

- 32 -

질적인 부분도 고려할 필요가 있다. 제조업을 중심으로 디지털 전담 인력이 제한적인 

상황이었으나 SW융합은 추진되고 있는 것을 확인할 수 있었다. 따라서 SW인력 자체

의 규모와 같은 양적 지표뿐만 아니라 적은 인력이라도 교육을 통해 SW역량을 제고

할 수 있는 질적 지표에 대한 추가가 필요해보인다.

셋째, SW 투자 규모의 증가에 따라 반드시 혁신 성과가 나타나지는 않으며 산업에 

따라서도 투자 결과는 상이하게 나타나므로 이를 반영할 수 있는 지표가 필요하다. 금

융업은 전 산업 중 가장 높은 SW투자율을 기록하고 있음에도 불구하고, 신규 제품 및 

서비스, 비즈니스 모델 개발 성과는 상대적으로 낮게 나타났다. 반면 물류업은 기술 

인프라와 전담 인력 보유 수준, 투자율이 낮은 편임에도 불구하고 신규 제품 및 서비

스, 비즈니스 모델 개발 부문에서 가장 높은 성과를 기록하였다. 이처럼 투자와 성과 

간의 비대칭성이 존재하며 이러한 간극을 메울 수 있는 논문 및 특허와 같은 지표의 

활용을 검토할 필요가 있다. 

넷째, 산업별 SW융합은 기술 도입과 활용을 통해 나타나는 결과이기보다 각 산업이 

직면한 구조적 문제와 환경에 대응하기 위한 전략적 선택의 결과로 환경 요인에 대한 

지표가 필요하다. 자동차 제조업은 SDV로의 산업 패러다임 전환과 미래 경쟁력 확보

를 위해 AI, 클라우드, 데이터 기술을 선도적으로 도입하고 있으며, 금융업은 규제와 

안정성을 고려한 범위 내에서 점진적인 디지털 확산을 추진하고 있다. 반면 물류업은 

노동집약적 산업 구조를 개선해야 한다는 강력한 내외부 압력에 직면해 있으며, 이를 

극복하기 위한 수단으로 SW융합을 통한 서비스 혁신과 비즈니스 모델 전환이 활발히 

이루어지고 있다. 이러한 차이는 SW융합을 평가함에 있어 산업 환경 요인을 독립적인 

진단 차원으로 설정할 필요가 있음을 시사한다. 

이상의 쟁점들을 종합해 볼 때, 산업별 SW 융합 경쟁력은 단순히 자본이나 인력 투

입의 정량적 수치만으로 판단할 수 없는 복합적인 성격을 나타낸다. 각 산업은 고유의 

산업 특성과 성장 경로 속에서 규제나 시장 압력과 같은 외부 요인에 대응하기 위해 

전략적 결정을 하며 이는 기술 도입의 성과 차이에 기인하고 있다. 따라서 본 연구에

서 제시할 SW융합 경쟁력 진단체계는 다음과 같은 방향성을 고려할 필요가 있다. 첫

째, 양적 관점에서 벗어나 기술 간 연계나 활용 측면을 고려한 질적 수준에 대한 고려

가 필요하다. 둘째, 자원 투자와 성과 사이의 비대칭적인 관계를 고려해서 이러한 간

극을 메울 수 있는 논문 및 특허 지표가 필요할 것으로 판단된다. 셋째, 산업별 특성

과 성장경로를 고려해 외부 환경 요인에 대한 진단 역시 이뤄져야 한다. 상기 논의한 

주요 쟁점들을 반영하여 4장에서는 SW융합경쟁력 진단체계를 도출하고자 한다. 

- 33 -

제4장

SW융합 경쟁력 진단 모형 설계

제1절

진단 프레임워크의 이론적 근거 

SW 융합경쟁력은 전통 산업에서 소프트웨어 기술이 결합되면서 새로운 가치와 혁신

을 창출할 수 있는 능력으로, 기업의 지속가능한 경쟁우위 확보에 필수적인 요소로 볼 

수 있다. 본 장에서는 이러한 SW 융합 경쟁력의 원천을 규명하기 위해 기업의 내부자

원에 초점을 맞춘 자원기반관점(Resource-Based-View, RBV)과 기술 채택의 환경적 요

인을 다룰 수 있는 TOE(Technology, Organization, Environment) 프레임워크를 주요 이

론적 배경으로 활용했다.

1.

자원기반관점(Resource-Based-View, RBV)

기업의 지속적인 경쟁우위 원천을 이해하고 활용하는 것은 20세기 이후부터 전략적

인 경영 분야에서의 주요 연구분야로 다루어져 왔다. 1960년대에는 SWOT 분석이라고 

부르는 단일 프레임워크를 사용해왔으며, 이는 기업이 환경적 기회(Opportunities)에 대

응하면서 외부위협(Threats)을 감소시키고 내부약점(Weaknesses)은 회피하는 방식으로 

내부강점(Strengths)을 활용하는 전략을 실행함으로써 지속적인 경쟁우위를 획득할 수 

있다고 설명한다. 이후 Porter(1979)는 Five Force Model을 제시하면서 기업이 경쟁에

서 살아남기 위해서는 외부 경쟁 세력에 대한 방어적 포지션을 구축한다고 했다. Five 

Force Model은 기업의 수익이 산업 구조에 의해 결정되어 매력적인 산업의 속성들을 

설명하고, 이러한 유형의 산업에서는 기회가 더 크고 위협은 적을 것이라고 제시했다. 

그러나 해당 모델은 산업의 구조와 외부 경쟁 세력이 주요 분석 대상으로 시간이 지

나면서 경쟁우위의 지속성과 기업 간 성과차이를 설명하는데 근본적인 한계를 드러냈

다. Porter(1979)의 Five Force Model에서는 기업들은 동질적이고 전략을 쉽게 모방할 

수 있다는 가정을 내포하고 있다. 이는 동일 산업내에서 기업 간 높은 수익성의 차이

가 발생하는 것을 설명하지 못한다. 모든 기업들은 외부 환경 분석에 따라 같은 전략

을 선택하면 결국 수익은 모두 평균 수준으로 수렴해야 하지만 실제로 기업의 성과는 

상이하기 때문이다. 또한 Five Force Model은 산업구조를 분석하는데 정태적인 모델이

다. 시간이 지나면서 전 세계적으로 기술 변화의 속도는 빨라지고 경계가 모호해지는 

역동적인 환경으로 변해가는데 기존의 정태적 모형은 적절하지 않은 것으로 보인다. 

- 34 -

특히 소프트웨어의 융합과 같이 새로운 기술을 적용하기 위한 산업에서는 정태적인 

모델보다는 역동적인 모델을 다루는 이론을 적용하는 것이 더 적합하다고 볼 수 있다.

이에 Barney(1991)는 기존 산업 구조 분석에 초점을 맞추었던 모델들의 관점에서 벗

어나 기업간의 성과 차이의 원인을 내부자원의 이질성(Heterogeneity)과 이동불가능

(Immobility)에서 찾으면서 자원기반관점(Resource Based View, RBV)을 제시했다. 자원

기반관점은 기업이 가지고 있는 내부자원(Resource)와 그것을 다룰 수 있는 역량

(Capability)이 지속적인 경쟁우위의 원천이라고 보는 이론적 관점이다. 자원기반관점은 

자원을 단순히 기업의 소유물로만 보는 것이 아닌 가치 창출을 위한 자산(물리적, 인

적, 조직 자본자원)과 이러한 자원을 활용하는 역량으로 정의할 수 있다(Barney, 1991). 

Barney(1991)의 연구에서는 자원기반관점에서 지속적인 경쟁우위의 원천을 이해하기 

위해서는 이질성과 이동불가능한 가정에서 출발하는 이론적 모델을 구축할 필요가 있

다고 판단했다. 이에 네 가지 속성인 가치(Value), 희소성(Rareness),  모방불가능성

(Inmitability), 조직적활용(Organization)으로 제시하였다. <표 4-1>은 자원기반 관점의 

속성별 특성을 나타낸다. 

자원기반관점에서의 SW 역량 자체를 희소하고 모방 불가능한 자원으로 보면서 지금

까지 다양한 연구논문들이 출판되었다. Grant(1991)는 기업의 자원과 역량을 구분하고, 

속성

개념

가치

(Value)

●

기회를 발견하고 위협을 감소시키는가?

●

자원이 외부환경의 기회를 발견하거나 위협을 감소시켜, 기업의 효율성 

및 효과성을 높이는데 기여하는 정도

희소성

(Rareness)

●

경쟁자가 쉽게 보유할 수 있는가?

●

해당 자원을 현재 시장에서 소수의 기업만이 보유하고 있어, 쉽게 

접근하거나 획득하기 어려운 정도

모방불가능성

(Inmitability)

●

모방 비용이 너무 높아 복제하기 어려운가?

●

경쟁자가 해당 자원을 획득하거나 복제하는 것이 매우 어렵거나, 복제에 

드는 비용이 높아 경제성이 없는 정도

조직적 활용

(Organization)

●

자원을 활용하도록 기업이 조직화 되어있는가?

●

기업이 가치, 희소성, 모방불가능성 속성을 갖춘 자원의 잠재력을 실제로 

발견하고 활용할 수 있도록 조직 구조, 관리 시스템, 보상절차 등을 

갖추고 있는 정도

<표 4-1> 자원기반관점 속성별 특성

- 35 -

지식을 기업의 가장 중요한 전략적 자원으로 보았다. SW 융합은 SW 기술지식과 산업 

도메인 지식을 결합하면서 기업의 희소하고 모방 불가능한 자산이 될 수 있다. Wade 

& Hulland(2004)의 연구에서는 기업의 IT 역량을 단순히 기술적 자산으로써 SW가 아

닌 경영적인 역량과 기술적인 역량의 복합적인 부분으로 정의했다. 이에 기업의 IT 역

량은 경쟁우위의 원천이고 SW 융합 전략의 성공적 이행에 필수적인 부분으로 볼 수 

있다. Bharadwaj(2000)의 연구에서는 IT 역량을 물리적 자원과 인적 자원, 무형적 자원

이 통합된 전략적 조직 역량으로 정의했다. SW 융합전략에서 맞춤형 SW 통합, 데이

터 분석 역량 등은 기업의 특유 자산으로서 자원기반관점의 속성을 충족하게 되면 지

속가능 경쟁우위를 달성할 수 있음을 이론적으로 제시했다고 볼 수 있다. Helfat & 

Peteraf (2003)의 연구에서는 자원기반관점 프레임워크에 수명주기 개념을 도입하여 IT 

역량도 지속적으로 개선되지 않으면 그 가치와 희소성을 잃게 될 수 있다고 주장했다. 

이는 SW 융합 기술의 빠른 진부화에 대응하기 위한 논리적 근거를 제공한다.

자원기반관점은 제시되고 30년이 지난 지금까지도 계속 연구에 활용되고 있다. 

Al-Hadi & Aljafari(2024)의 연구에서는 기업이 데이터 활용, 디지털 플랫폼, 기술적 역

량을 전략적으로 전개하는 방식이 조직 성공에 미치는 영향을 자원기반관점에서 탐구

했다. 이는 가치 부분에서 디지털 자원이 새로운 고객 가치 창출에 기여할 수 있으며, 

고유한 데이터 셋과 이를 분석하기 위한 알고리즘은 경쟁자가 쉽게 복제할 수 없는 

독점적 자원이 희소성 및 모방 불가능성과 관련되어 있다고 볼 수 있다. Chen et 

al(2022)은 자원기반관점을 바탕으로 AI 역량에 대한 상위모델을 구축하고 기업성과에 

대한 연구모델을 제안했다. Simamora et al(2024)은 자원기반관점에 기반한 분석을 통

해 소규모 은행의 디지털 전환에 대한 가치, 희소성, 모방 가능성, 조직적 특성을 평가

했다. 디지털 전환 자체는 가치있지만 희소하지 않고 모방하기 쉬워 최종적인 경쟁우

위는 조직적 활용 정도에 달려있다고 주장했다. 이상의 논의를 바탕으로 자원기반관점

에서 SW융합 경쟁력은 기업이 보유한 SW 기반 기술과 산업 도메인 지식, 이를 실행

하는 조직적 능력의 결합체로서, 다음 네 가지 속성을 통해 지속 가능한 경쟁우위를 

확보하는 것이라고 할 수 있다.

자원기반관점에서 가치(Value)는 특정 자원이 기업의 전략적 목표 달성에 실질적으로 

기여하는 정도이다. 산업별 요구에 맞춘 SW 융합 서비스 및 제품은 고객 가치를 높이

고 비용을 절감하여 기업의 효율성과 효과성을 향상시켜 수익을 증대시킨다. 예를들어 

제조업 내 제조실행시스템(MES)에서 각 산업의 고유한 운영 프로세스와 규제 환경들

을 고려하여 개발된 SW 융합 솔루션은 일반적인 시스템에 비해 높은 전략적 적합성

- 36 -

을 갖게 된다. 이는 기업의 효율성과 효과성을 동시에 향상시켜 가치 기반의 경쟁우위

를 창출 할 수 있다. 자원기반관점에서 희소성(Rareness)은 해당 자원을 보유한 기업이 

드물고 경쟁자가 쉽게 확보할 수 없는 상태를 말한다. SW 융합 환경에서의 희소성은 

단순히 기술의 유무 뿐만 아니라 그 기술을 만든 데이터 셋이나 산업 도메인 지식(경

험), 네트워크 파트너 등을 결합하여 형성될 수 있다. 특정 산업에 특화된 심층적인 도

메인 지식과 이를 SW로 구현한 복합 기술 역량은 경쟁사가 단기간에 확보하기 어려

우며 희소성 높은 자원이 될 수 있다. 예를들어 선박정비기술과 같이 풍부한 경험이 

중요한 산업에서 IoT, 클라우드, AI 등 첨단 SW 기반의 기술로 녹여낸 복합적인 기술 

역량은 일반적인 SW 엔지니어링 능력과는 차이가 발생한다. 이러한 복합적인 역량은 

단시간내에 모방하거나 교육만으로는 만들어질 수 없으므로, 해당 산업 내 시장에서 

독점적인 경쟁우위를 창출하는 기반이 될 수 있다. 

모방 불가능성(Inmitability)은 경쟁자가 동일한 자원을 비용 및 시간, 법적, 사회적 제

약 없이 재현할 수 없는 특성이다. SW 융합 경쟁력에서 모방 불가능성은 여러 요소에

서 발생될 수 있다. 먼저 장기간 축적된 운영 데이터는 기업이 장기간 운영과정에서 

쌓이게 된 결과물로서 경쟁기업이 동일한 조건에서 복제하기 어렵다. 이러한 데이터는 

모방불가능성의 경로 의존성을 더하게 되므로 경쟁기업이 단순히 모방할 수 없다. 두 

번째로 내재화된 SW 설계 역량은 장기간 개발  및 운영을 통해 체계화된 설계방식, 

운영체계 개발 문화에 영향을 미치며 겉으로 봐서는 판단하기 어려운 인과적 모호성

으로 인해 복제 가능성이 가장 낮은 무형자산이 된다. 예를들어 장기간 축척된 금융데

이터 기반의 AI 모델을 탑재한 금융특화 클라우드 플랫폼이 있다면 수많은 데이터, 알

고리즘, 시스템이 유기적으로 결합하여 경로 의존성과 인과적 모호성의 특징을 가지고 

있기 때문에 경쟁우위는 장기간 유지될 수 있다. 마지막으로 조직적 활용

(Oaganization)은 보유자원을 실제로 활용하여 가치를 창출할 수 있는 조직구조나 관리

시스템, 전략, 문화의 존재여부를 의미한다. 아무리 우수한 SW 융합 자원을 보유하고 

있더라도 기업이 이를 전략적으로 활용하고 포착할 수 있는 공식적인 조직 구조, 관리 

시스템, 보상 정책 등을 갖추지 못하면 경쟁우위로 이어지기 어렵다. 민첩한 조직 대

응력은 신기술에 대한 높은 수용성과 선제적 투자의지, 전문 인력의 확보 및 육성 등

과 같은 요소들이 유기적으로 연계되어 축적된 조직 전문성을 통해 나타날 수 있다. 

이러한 조직 문화는 가치, 희소성, 모방 불가능성의 자원을 효과적으로 유지하고 극대

화하여 지속가능한 경쟁우위를 달성할 수 있다. 

- 37 -

2.

TOE(Technology, Organization, Environment) 프레임워크 

앞선 장에서 살펴본 바와 같이, SW융합 기술의 성공적인 도입과 활용, 그리고 경쟁

력으로 이어지는 과정은 기업 내부의 자원뿐만 아니라 외부 환경 요인의 영향을 함께 

받는다. 이는 SW융합이 단일 요인이 아닌 기술적, 조직적, 환경적 요인이 복합적으로 

작용하는 현상임을 나타낸다. 이러한 특성을 설명하기 위한 이론적 분석 틀로 

TOE(Technology Organization, Environment) 프레임워크를 적용할 수 있다. TOE 프레

임워크는 새로운 기술이나 시스템의 채택과 구현에 영향을 미치는 요인을 기술

(Technology), 조직(Organization), 환경(Environment) 세 가지 측면에서 분석한다 

(Tornatzky & Fleischer, 1990). SW융합 경쟁력은 이 세 가지 요소가 상호작용하며 형

성되는 복합적인 현상으로 이해할 수 있다.

이에 본 연구에서는 TOE 프레임워크의 기술, 조직, 환경의 세 가지 측면에서 융합경

쟁력의 형성조건이 될 수 있는 세부 지표를 도출하고자 한다. 각 요인별로 SW융합 경

쟁력을 형성하는 조건들을 파악하기 위해 기술, 조직, 환경의 각 정의와 선행연구를 

분석하고자 한다. 첫째, 기술적 맥락이다. 기술적 맥락은 기업과 관련된 모든 기술이 

포함되며 현재 기업에서 사용중인 기술 뿐만 아니라 시장에는 존재하지만 아직 기업

에서 도입하지 않은 기술도 모두 포함한다. 기업이 이미 보유하고 있는 기술은 새로운 

기술을 채택하는데 중요한 영향을 미치는데, 이는 기업이 감당할 수 있는 기술변화의 

범위와 속도를 결정하기 때문이다(Collins et al., 1988). 또한 시장에 존재하지만 조직 

내부에서 아직 활용되지 않은 신기술 역시 기업의 혁신에 영향을 미친다. 기업은 활용

할 수 있는 기술들의 적용 및 실현가능성을 판단하면서 기술을 통해 조직이 어떻게 

진화하고 적응할 수 있는지에 대한 방향성을 제시한다. 이 과정에서 고려되는 기술적 

요인은 기업이 SW융합을 추진하는 경우 필요한 기술적 기반과 역량을 의미하며 이와 

관련된 선행연구는 다음과 같다. 

Aboelmaged(2014)는 제조 기업의 전자 유지보수(E-maintannce Readiness) 기술 준비

도에 대한 결정 요인을 분석하는데 TOE 프레임워크를 활용했다. 또한 기업의 기술 역

량과 인프라 역량을 주요 요인으로 제시했다. Ghaleb et al.(2021)의 연구에서는 헬스케

어 조직을 대상으로 빅데이터 도입 준비도를 TOE 요소로 실증분석했다. 분석 결과 

TOE 프레임워크는 빅데이터 도입 기술 준비도가 조직의 데이터 수집 역량에 영향을 

미칠 수 있다고 주장했다. Assaye et al.(2024)은 보건부분에서 빅데이터 분석 준비도를 

TOE 프레임워크로 측정하였으며 기술적 맥락에서 호환성, 복잡성 등의 요인을 활용했

- 38 -

다. 복잡성의 경우 데이터를 수집하고 처리하는 분석의 기술적 부담으로 해석할 수 있

으며 준비도와 유의한 관계가 있다고 분석되었다. 마지막으로 Amini & 

Jahanbakhsh(2023)은 중소기업의 클라우드 컴퓨팅 기반의 공급망 관리시스템의 도입을

TOE 프레임워크를 기반으로 분석했다. 분석 결과 데이터 수집을 위한 호환성, 보안성, 

기술 준비도, 최고 경영지원 등의 요인들이 중소기업의 클라우드 기반 공급망 관리 도

입에 유의한 영향을 미치는 것으로 나타났다. 

SW융합 경쟁력 관점에서의 기술적 맥락은 단순한 기술의 유무를 넘어서 기업이 새

로운 기술을 수용하고 실행할 준비가 되었는지, 융합의 원천이 되는 핵심 기술자산을 

얼마나 확보하고 있는지에 대한 근본적인 부분을 설명할 수 있어야 한다. 이에 본 연

구는 선행연구를 통해 TOE 프레임워크 기반의 연구에서 새로운 기술을 도입하는데 

많이 사용되고 SW 융합 경쟁력과 관련있다고 판단되는 기술준비도(TRI)와 데이터 수

집‧활용 역량의 세부지표를 활용하고자 한다. 

기술준비도(Technology Readiness Index, TRI)는 새로운 기술을 받아들이고 활용하려

는 조직의 준비 수준을 나타내며, 기술 도입 과정에서 발생할 수 있는 저항을 완화시

키고 도입 속도 및 비용효율성을 제고하는 요인이다 (Parauraman, 2000). SW융합은 

기존의 산업 시스템(MES, ERP 등)과 새로운 SW 기술을 융합하는 과정이라는 점에서, 

기술 준비도는 새로운 기술을 융합할 시 저항력을 줄이는 기업의 역량이 될 수 있다. 

따라서 본 연구에서는 기술 준비도를 AI, IoT, 클라우드 등 융합의 기반이 되는 기술의 

도입 및 내재화 수준으로 정의하고자 한다. 

다음으로는 데이터 수집 및 활용에 대한 지표이다. 최근 빅데이터에 대한 관심이 많

아지면서 기업에서의 데이터 수집과 활용에 관한 역량이 중요한 경쟁우위 요소가 되

고 있다. 국내에서도 이러한 흐름에 대응하여 2014년 빅데이터의 역량을 전략 수립, 

추진, 분석, 활용, 혁신역량으로 구분하여 핵심 역량으로 제시하고 있다(빅데이터센터, 

2024). 자원기반관점에서도 데이터 자산과 이를 활용할 수 있는 역량은 단기적으로 모

방이 어려운 경쟁우위의 원천이 된다. 이에 본 연구에서는 SW융합 경쟁력을 결정하는 

기술요인으로 데이터수집 및 활용 역량을 다양한 데이터를 연게 및 분석하여 의사결

정과 SW융합에 활용하는 능력으로 정의하고자 한다.

조직적 맥락은 기업의 특성과 자원을 의미하며 기술도입과 혁신에 중요한 영향을 준

다. 먼저부서간 경계를 연결하는 구조와 협업할 수 있는 구조는 기업의 혁신을 촉진한

다(Galbraith, 1973; Tushman & Nadler, 1986). 부서간의 경계를 연결하는 비공식적인 

연결자들은 기술 채택 과정에 긍정적으로 작용하기 때문이다. 또한 조직 내 커뮤니케

- 39 -

이션과 경영진의 리더십도 혁신에 중요한 영향을 미친다. 경영진은 변화에 개방적이고 

혁신을 지지하는 조직 분위기를 조성함으로써 혁신을 촉진시킬 수 있다. 마지막으로 

조직적 맥락에서 자주 언급되는 요인으로 여유자원과 조직 규모가 있다. 기존 연구들

은 여유자원이 많을수록 혁신 채택을 촉진시킨다고 제시하고 있으며, 아무래도 큰 규

모의 기업일수록 많은 자원을 통해 혁신을 채택할 가능성이 높아지기 때문이다. 

이러한 조직적 요인은 기업이 SW 전략을 실행하고 내재화하는 기업의 구조와 관리

체계, 인적자원을 포함하는 개념이며 이와 관련된 여러 선행연구들이 존재한다. Zhong 

& Moon(2023)의 연구에서는 TOE 프레임워크를 기반으로 4차산업 기술의 기업 도입과 

혁신에 미치는 영향을 분석했다. 직원들의 전문 역량은 기업의 새로운 기술 채택에 긍

정적인 영향을 주지만 산업 유형에 따라 결과가 달라진 다는 것을 제시했다. Damali 

& Ozkul(2021)은 헬스케어 조직이 클라우드 ERP를 수용하는 요인을 TOE 프레임워크

를 통해 분석했다. 조직적 맥락에서 조직 준비도와 인적 역량을 포함하였으며, 이러한 

인적자원이 새로운 기술을 도입하고 실행하는데 중요한 역할을 한다고 분석했다. Ali 

et al.(2022)의 연구에서는 조직 차원에서 IT의 혁신 기술 도입에 대한 모델을 제시했

다. 기업의 전략을 실행시키는 최고 경영진의 지원과 조직 구조, 조직 문화와 같은 기

업의 조직적 요인들은 IT 혁신 기술 도입에 긍정적인 영향을 미치는 것으로 분석되었

다. 또한 조직의 자원과 조직 시스템 IT 예산, IT 전문성의 항목들도 IT 혁신 도입에 

유의한 영향을 미치는 것으로 나타났다. Badghish & Soomro(2024)는 중소기업의 AI 도

입에 관한 연구를 진행하면서 새로운 기술을 활용하도록 지원하는 조직적 지원 변수

와 전문적인 인적자원을 확보하기 위한 지속가능한 인적자원 관리 변수를 활용하여 

조직적 요인 TOE 프레임워크로 사용했다. 마지막으로 Navi et al.(2025)의 연구에서는 

조직적 요인으로서 기술 도입시 자원 가용성을 나타내는 조직적 준비도와 최고 경영

자의 지원 등을 활용하여 약국에서의 AI 도입에 대한 연구를 진행했다. 분석 결과 기

술적 요인에 비해서는 낮지만 AI 기술 도입에 유의한 영향을 미치는 것으로 타나났다. 

SW 융합 경쟁력 관점에서의 조직적 맥락은 조직의 의지와 자원 그리고 실행능력에 

의해서 결정된다는 자원기반관점의 핵심적인 부분을 반영하고 있다. 이에 본 연구에서

는 전문인력, 전략 실행역량, 자원 투입 능력의 세 가지 변수를 활용하여 SW 융합 경

쟁력의 조직적 맥락을 설명하고자 한다. 첫째, 전문인력이다. 일반적으로 전문인력이라

고 함은 특정 분야에 상당한 지식과 경험을 가지고 그 분야에 대한 연구를 집중적으

로 수행하는 인력이다. SW 융합 산업은 첨단 SW 기술과 산업 지식을 융합할 수 있는 

복합적인 지식과 경험을 요구하는 산업이다. 아무리 새롭고 좋은 기술이 도입되더라도 

- 40 -

이를 산업현장에 맞게 내재화하는 주체는 결국 전문인력이며 이러한 전문인력이 없으

면 기술은 그 가치를 발휘하지 못한다. 이러한 전문인력은 자원기반관점에서 시장에서 

매우 희소하고 장기간의 훈련과 경험이 있기 때문에 외부에서 쉽게 모방하거나 대체

하지 못한다. 이에 SW 융합경쟁력에서의 전문인력은 디지털 역량을 보유하고 업무를 

전담할 수 있는 인력 확보 수준으로 정의한다. 

둘째, 전략실행 역량이다. 전략실행역량은 기업이 보유한 자원을 실제로 시장 기회에 

맞게 전환하는 조직의 역량이라고 할 수 있다. SW 융합자원 또한 기업이 가지고 있는 

기술이며 이를 시장 기회에 맞게 전환하는 조직의 관리시스템과 프로세스가 필요하다. 

또한 SW 융합은 개발 단계에서부터 제품이나 서비스의 기획, 사업화 및 마케팅 단계

에 이르는 전 과정이 유기적으로 연결되어있어야 한다. 기업의 전략실행역량은 관련 

부서 전반에 걸쳐서 SW 융합 경쟁력을 확보하고 실제로 구현할 수 있는 조직의 역량

을 나타낸다. 이에 SW 융합경쟁력에서의 전략 실행 역량은 융합 제품 및 서비스 모델

을 기획하고 사업화 하는 역량으로 정의한다. 셋째, 자원 투입 능력이다. 새로운 기술

을 개발하고 도입하는데에는 기업에서도 수많은 자본을 투입해야 하는 일이다. SW 융

합 경쟁력을 향상시키기 위한 프로젝트 또한 장기간에 걸친 대규모의 선행 투자를 필

요로 한다. 이는 단순히 많은 자본을 가지고 있는 것 뿐만 아니라 기업의 최고경영진

이 위험을 감수하고 전략적으로 자원을 투입할 의지가 있는지도 중요한 요소이다. 또

한 SW 융합 기술은 아직 대중적인 기술이 아니기 때문에 위험성이 높다고 볼 수 있

다. 기업의 충분한 자원 투입 역량은 이러한 초기 단계의 위험을 관리하고, 혹여 실패

하더라도 다시 투자할 수 있는 재무적인 유연성을 제공하여 지속적인 혁신 역량을 갖

추어 나갈 수 있게 만든다. 이에 SW 융합경쟁력에서의 자원 투입 능력은 조직이 전략

적으로 기술 혁신을 실행하기 위한 자원 투입능력으로 정의한다. 

환경적 맥락은 기업이 기술을 도입하고 혁신을 수행하는데 영향을 미치는 산업구조, 

기술 지원 인프라의 존재 여부, 규제 환경을 포함하고 있다. 외부요인은 기업의 혁신 

활동을 촉진하거나 억제하는 중요한 환경으로 작용한다. 기업의 산업구조는 기술 혁신

의 채택에 영향을 미치는데 경쟁강도가 커질수록 기업이 혁신을 도입하도록 자극한다. 

경쟁이 치열할수록 기업들은 차별화와 비용 효율화를 위해서 새로운 기술을 빠르게 

채택하게 된다. 기술도입을 지원하는 인프라 역시 혁신 역량에 중요한 영향을 미치는

데 숙련된 인력, 컨설턴트, 기술 공급자가 존재하는 경우 기술도입과 혁신을 더욱 편

리하게 만든다. 마지막으로 정부의 규제는 혁신을 촉진하거나 억제할 수 있으며 그 영

향은 상황 및 산업에 따라 다양하다. 예를들어 환경규제는 기업이 탄소배출을 억제하

- 41 -

기 위한 새로운 기술을 도입하도록 혁신을 강제하게 된다. 반대로 금융에서의 개인정

보 보호 규제는 새로운 서비스 도입을 억제시킬 수 있다. 이는 상황에 따라 규제는 기

술 도입을 의무화 시키거나 혁신 비용을 증가시켜 새로운 기술을 도입하는데 지연시

키는 양면성을 가진다. 

이러한 환경적 요인은 기업이 속해있는 시장, 경쟁 구조, 규제 및 제도 등의 외부적 

환경을 말하며 왜 SW 융합 경쟁력이 필요한지를 제공해준다. 이와 관련된 선행연구들

은 다음과 같다. Faiz et al.(2024)의 연구에서는 환경적인 요인으로서 거래처가 거래상

대방에게 특정 기술 도입을 의무화 하는 거래처 압력(Trading partner pressure)과 시

장에서 경쟁으로 인해 기업이 경험하는 영향력의 정도인 경쟁 압력(Competitive 

pressure)의 요인으로 분석을 했다. 이에 중소기업들이 디지털 기술을 채택하는 요인으

로 분석을 수행했으며 파트너 압력과 경쟁압력은 기술도입에 직접적인 영향을 주는 

것으로 나타났다. Tamin & ABDUL ADIS(2022)는 중소기업의 디지털 채널에서 전자상

거래의 우위요소가 무엇인지 분석하기 위해 TOE 프레임워크를 활용하였으며, 환경적 

맥락으로 공급업체의 압력과 정부 지원의 변수를 사용했다. Indiani et al.(2025)의 연구

에서는 중소기업들의 디지털 전환과 전자상거래 기술을 채택하는 요인을 분석하기 위

해서 TOE 프레임워크와 기술수용모형을 활용했다. 이에 시장의 수요와 고객들의 기대

는 중소기업의 디지털 전환을 촉진시키고 경쟁압력과 함께 시장의 수요를 중요한 환

경적 요인으로 취급했다. Nguyen(2022)의 연구에서는 베트남 기업들의 온라인 소매 활

용기술도입에 미치는 요인들을 분석하기 위해 TOE 프레임워크를 활용했으며 환경적 

맥락으로서 인식된 트렌드, 경쟁압력, 정부 지원, 법적 환경 요인을 활용했다. 마지막

으로 qi et al.(2023)은 중소기업의 디지털 전환을 결정하는 요인에 대한 연구로서 TOE 

프레임워크에서의 환경적 요인으로 산업 경쟁 압력과 정부 보조금을 선택했다. 연구 

결과 기업의 디지털 전환과 관련된 외부환경 요인으로 산업 경쟁 압력이 더 중요한 

요인으로 선택되었다.

SW 융합 경쟁력 관점에서 환경적 맥락은 기업이 통제할 수 없는 외부 요인들을 주

로 다루고 있으며 외부적인 유인이나 압력으로 작용된다고 볼 수 있다. SW 융합 경쟁

력은 산업별 요구사항에 맞춘 SW를 제공하는 것이다. 이는 자원기반관점에서의 가치 

부분에 가까우며 결국 고객이나 경쟁 환경을 의미하는 시장에 대한 측정 지표가 필요

하다. 이에 본 연구에서는 시장수요의 변수를 활용하여 SW 융합 경쟁력의 환경적 맥

락을 설명하고자 한다. 

기업에서의 시장수요 변화는 경쟁 압력으로 이어지게 된다. 예를들어 주요 경쟁사가 

- 42 -

새로운 SW 융합 기술을 도입하여 높은 효율성을 달성하고 있다면, 그렇지 않은 기업

에게는 경쟁우위에서 뒤처지지 않기 위한 외부 압력으로 작용된다. 또한 SW 융합 기

술이 그 가치를 갖기 위해서는 시장의 실제 요구사항들을 반영하고 수익을 가져와야 

한다. 시장수요는 SW 융합 기술이 고객의 요구사항을 반영하고 지불의사를 보여줄 수 

있는지 측정하는 가장 객관적인 지표라고 볼 수 있다. 또한 공급망 내의 파트너 관계

의 협력을 통해서도 SW 융합이 이루어질 수 있다. 고객이나 공급업체가 표준화된 SW 

융합 시스템을 요구하는 경우 기업은 공급망에서의 생존을 위해서 해당 기술을 채택

해야만 한다. 이에 SW 융합경쟁력에서의 시장수요는 기술을 수용·융합하려는 유인의 

강도를 결정하는 핵심 외부요소로, SW융합에 대한 시장의 압력으로 정의한다. 

- 43 -

제2절

진단모형의 기본 구조와 단계

앞서 검토했던 선행문헌과 이론적 배경을 바탕으로 SW융합 경쟁력 진단을 위한 진

단 체계(안)을 구성하였다. 진단 체계(안)을 도출하는 과정은 다음과 같다. 본 진단 모

형은 SW융합 경쟁력을 기술 기반, 조직 내부 역량, 외부 환경 조건이 유기적으로 결

합된 통합 역량으로 정의한다. 이를 위해 TOE 프레임워크를 적용하여 기술, 조직, 환

경을 핵심 진단 차원으로 구성하였다. 진단 체계(안)을 구성하는 지표 항목은 SW 융합

수준을 객관적이고 계량적으로 분석하기 위해 정량 지표를 중심으로 발굴하였다. 이에 

산업별 SW융합경쟁력의 비교 가능성과 통계자료의 가용성을 고려하여 국가 승인 통

계, 산업별 실태조사, 국외 연구기관 데이터를 중심으로 예비 지표를 도출하였다. 

TOE 프레임워크를 기반으로 각 차원에서 설정한 세부 지표는 다음과 같다. 먼저 기

술 차원은 SW융합의 직접적인 기반이되는 항목으로 신SW기술인 인공지능, 빅데이터, 

클라우드, IoT의 활용 수준을 파악할 수 있도록 선정하였다. 조직차원은 SW융합을 추

진하는 내적 역량과 자원 배분 능력에 주목하였다. 이에 산업별 조직 차원의 내부 역

량과 혁신 동력을 파악하는데에 중점을 두고 개별 지표를 구성하였다. 조직 차원의 예

비지표는 전문인력 보유 수준, 자원투자 역량 수준, 혁신 역량 수준으로 선정하였다. 

마지막으로 환경차원은 개별 기업이나 조직을 넘어 산업 생태계전반의 성장성을 반영

하였다. 산업특화 SW시장의 규모와 성장률을 통해 SW융합의 확산 수준과 지속가능성

을 진단하고자 하였다. 환경 차원의 예비지표는 산업 융합 SW시장성장성으로 선정하

였다. 

도출한 진단 체계(안)을 기반으로 전문가 델파이 조사를 수행하기 앞서, 설문지의 적

절성을 확보하기 위해 지표설계 경험을 가진 전문가 3인에게 사전 조사를 시행하였다. 

사전 조사 결과, 산업별 특성을 고려해야한다는 전문가 의견을 고려하여 예비 지표는 

산업 공통 지표를 중심으로 진단(안)을 구성하였으며 델파이 조사를 통해 제조업과 서

비스업에 맞는 특성화 지표를 추가로 발굴하는 구조로 수정하였다. 이를 기반으로 전

문가 델파이 조사를 수행하여 진단지표를 수립하였으며 AHP 조사를 통해 제조업과 

서비스업에 따른 지표의 가중치를 설정하였다. 

- 44 -

제3절

진단모형 개발 방법론: 전문가 델파이와 AHP 통합 접근 

1.

델파이(Delphi) 방법

델파이 기법은 다양한 전문가를 대상으로 반복적으로 설문을 실시하고 각 라운드의 

통계적 피드백을 통해 집단적 합의를 도출하는 구조화된 의사결정 방법론이다. 델파이 

기법의 핵심은 집단 지성에 기반한 방법이다. 다수 전문가의 판단이 더 정확하다는 가

정을 하고 있으며 대면 토론 시 발생할 수 있는 집단 사고의 오류나 편향을 배제하고 

독립적인 의견 수렴 과정을 거치는 것이 가장 큰 특징이다 (Linstone & Turoff, 1975). 

따라서 개별 전문가들의 익명성을 보장하며 전문가들은 타인의 시선에 구애받지 않고 

전문가적 의견과 논리적 근거에 기반하여 자율적이고 비판적인 의견을 낼 수 있는 토

대를 제공한다. 이러한 특성은 결과적으로 조사결과의 객관성을 확보하는 장치가 된다 

(Hsu & Sandford, 2007). 또한 델파이 기법은 일반 설문조사와 같이 일회성 조사가 아

닌 3라운드 이상의 조사를 통해 전문가들에게 이전 단계의 결과를 공유하고 수정을 

요청하는 특징이 있다. 연구자는 각 라운드에서 수집된 전문가들의 의견을 요약하고 

정리하여 다시 전문가 집단에게 제공하며 이 과정을 통해 전문가들 역시 다른 전문가

들의 의견을 검토하고 자신의 판단을 유지하거나 수정할 기회를 얻게된다. 이 과정을 

통해 점진적인 의견의 수렴이 일어나며 최종적으로 전문가 집단의 합의된 결론을 도

출하게 된다 (Skulmoski et al., 2007). 이러한 특성으로 인해 델파이 기법은 정량 자료

가 불충분하여 예측 영역 – 미래, 정책, 기술 등 - 에서 합의된 판단 기준이나 우선순

위를 도출할 때 유용하다 (Okoli & Pawlowski, 2004). 

<그림 4-1>는 델파이 기법의 일반적 절차를 나타낸다. 델파이 기법의 시작은 선행연

구를 통한 문제의 명료화이다. 이에 본 연구에서는 SW융합경쟁력과 관련한 선행문헌

과 기존 관련 조사체계에 대한 분석을 통해 지표체계(안)을 도출하였다. 다음 절차는 

조사 대상 전문가 선정으로 연구에 참여하는 전문가 집단을 ‘패널’이라고 부른다. 

앞서 언급했듯이, 해당 방법론은 전문가의 경험, 지식, 직관을 모아 의견을 수렴하는 

과정을 거치므로 조사 결과의 타당성이 전문가 선정과 밀접한 연관이 있다 (김영욱‧김

광호, 2010). 델파이 조사의 신뢰성이 확보되기 위해서는 관련 분야의 깊은 학문적 이

해가 요구되며 다 회차에 걸친 설문 조사에 참여할 수 있는 패널 선정이 중요하다 

(Paraskevas & Saunders, 2012). 참여하는 패널수가 많다고 해서 결과의 정확도가 향상

되지는 않는다. 일반적으로 패널이 유사한 배경과 지식 수준을 가진 동질적 집단인 경

- 45 -

우 10~15명의 인원으로 신뢰성을 확보할 수 있다 (Hsu &Sandford, 2007). 그러나 연구 

주제가 복합적이고 전문가들의 배경이 서로 다른 이질적 집단인 경우 다양한 시각을 

반영하기 위해 15~30명 정도의 패널 구성이 요구된다 (Linstone & Turoff, 1975). 이에 

본 연구에서는 주력산업 내 30명의 패널을 선정하였다. 패널 선정 후 설문 조사를 위

한 설계가 필요하며 선행문헌을 통해 도출한 지표체계(안)을 바탕으로 설문 조사 설계

를 시행하였다. 설계된 설문 조사의 타당성을 검증하기 위해 지표 설계의 경력을 갖춘 

전문가들에게 검토를 요청하였다. 

이 후 3라운드에 걸친 설문을 반복적으로 수행하였다. 1라운드 델파이 조사는 연구

주제에 대한 아이디어를 발굴하고 범주화시키는 탐색 단계이다. 이에 개방형 질문을 

사용하여 전문가들이 가진 지식을 자유롭게 기술하게 하였다. 이 단계의 목적은 설문

조사 설계에서 미처 반영하지 못한 요인들을 도출하는데 있다. 수집된 질적 의견은 내

용분석을 통해 유사한 항목끼리 그룹화되며 연구자의 판단 하에 2라운드 설문지의 기

초 문항으로 사용한다. 2라운드 델파이 조사는 도출된 항목들에 대해 전문가들이 중요

도를 평가하는 단계로 리커트(Likert) 척도를 활용한 폐쇄형 질문을 포함하였다. 전문

가들은 2라운드를 통해 설문에서 제시한 내용에 대해 구체적인 우선순위를 결정하게 

된다. 이에 2라운드의 결과를 바탕으로 항목별 평균, 중앙값, 표준편차 등을 산출하였

다. 3라운드 델파이 조사는 의견 수렴 및 합의에 이르는 단계로 2라운드의 분석 결과

와 함께 전문가 본인이 응답했던 수치를 개별적으로 피드백하였다. 이를 통해 전문가

들은 집단의 의견 흐름을 확인할 수 있으며 이후 자신의 의견을 유지하거나 수정할 

기회를 얻게 된다 (Okoli & Pawlowski, 2004). 일반적으로 응답의 변화가 적어지는 3라

운드에서 응답의 안정성을 확인하고 조사를 종료한다. 

<그림 4-1> 델파이 방법 절차

- 46 -

2.

계층적 의사 결정방법 (Analytic Hierarchy Process, AHP)

계층적 의사 결정방법(이하 AHP)은 복잡한 의사 결정 문제를 계층 구조로 분해하고 

각 수준 간의 상대적 중요도를 평가하여 최종 대안을 도출하는 의사결정 기법이다. 

AHP 기법은 단순하지만 적용이 간편하고 명확한 정량적 결과를 제시하며 의사 결정

이 필요한 다양한 분야에서 응용되고 있다. AHP의 가장 큰 특징은 쌍대비교로 두 개

의 요소를 비교하여 어느 쪽이 얼마나 중요한지 9점 척도를 사용하여 응답하게 한다 

(Vargas, 1990). 전체 요소를 한번에 평가하지 않고 각 요소를 계층화하고 같은 계위 

내에 두 요소를 상대적으로 비교하여 중요도를 도출하기 때문에 의사결정의 합리성이 

보장된다. 이렇게 수집된 데이터는 행렬계산을 통해 각 요소의 가중치로 변환되며 이 

과정을 통해 정성적 데이터가 정량적 데이터로 환산된다 (Saaty &Vargas, 2001). AHP 

기법의 타당성을 확보하기 위해서는 응답의 일관성(Consistenty Ratio, CR) 검증이 요

구된다 (김태칠, 2015). 일관성 비율은 응답자가 논리적 일관성을 지키고 있는지 수치

화한 지표이다 (Saaty, 1980) 일반적으로 CR 값이 0.1 이하인 경우 응답자가 일관성 있

는 판단을 내린 것으로 간주하며 이 기준을 초과하는 경우 응답의 신뢰도가 낮은 것

으로 판단한다. 

<그림 4-2>은 AHP의 일반적 절차를 나타낸다. 가장 먼저 수행하는 단계는 의사 결

정 문제를 계층 구조로 설정하는 것이다. 이에 본 연구에서는 최상위 계층으로 TOE 

프레임워크의 최상위 항목을 두고 그 아래에는 항목을 구성하는 지표를 두었으며 최

하위 항목에는 측정을 위한 세부지료로 설정하였다. 계층 구조 설정 이후 동일 계층에 

있는 요소들을 쌍대비교하였다. Saaty(1980)가 제안한 9점 척도를 활용하였으며 응답의 

결과를 기반으로 행렬을 구성한다. 가중치 추정 단계에서는 쌍대비교를 통해 얻은 행

렬을 이용하여 상대적 가중치를 추정하는 단계로 산술평균과 기하평균을 통해 계산한

다. 이 단계에서 응답의 일관성을 판단하며 일관성 비율이 0.1이상일 경우는 0.1이내 

값이 나올 때까지 재조사를 수행한다.

<그림 4-2> AHP 절차 

- 47 -

3.

연구 절차 및 분석 프로세스 

본 연구는 SW융합 경쟁력 진단체계를 마련을 위해 전문가 델파이와 계층적의사결정 

방법(AHP)을 통합하여 활용한다. 우선 선행연구를 통해 도출한 지표체계(안)을 전문가 

델파이 조사를 통해 지표의 타당성을 확보하고 주력산업의 SW융합경쟁력 측정을 위

한 지표체계를 확립한다. 이 후 확정된 지표체계를 기반으로 AHP 분석을 수행하여 전

문가 의견을 기반으로 가중치를 산출하는 프로세스로 설계하였다. 이 과정에서 제조업

과 서비스업의 가치창출 구조와 SW활용 방식이 상이하다는 점을 고려하여 업종에 따

른 가중치를 다르게 도출하였다. 결과적으로 이러한 통합적 접근은 SW융합 경쟁력 진

단 모형의 실효성 및 신뢰도를 제고하는데 기여할 것이다. 

전반적인 분석프로세스는 <그림 4-3>과 같으며 준비단계, 델파이 조사 및 분석 단계,  

AHP를 통한 가중치 산출 단계, SW융합 경쟁력 진단을 위한 최종 진단체계 구축으로 

구성된다. 첫째, 준비단계에서는 기존 진단체계 및 이론적 검토를 통해 SW융합경쟁력

을 진단할 수 있는 예비 지표 풀(Pool)을 도출하였다. 또한 전문가 사전조사를 통해 문

항의 정합성과 용어의 적절성을 검토함으로써 설문 도구의 초안을 확정하였다. 둘째, 

전문가 델파이 분석 단계에서는 산‧학‧연 전문가 패널을 대상으로 3라운드에 걸친 설문 

조사를 수행하였고 내용 타당도 비율(CVR), 합의도, 수렴도 분석을 통해 부적절한 지

표를 정제하여 최종 진단 항목을 확정하였다. 셋째, 가중치 산출단계에서는 델파이를 

통해 확정된 지표를 기반으로 계층 구조를 설계하고 전문가 대상의 쌍대 비교를 통해 

지표별 상대적 중요를 계량화하였다. 마지막으로 도출된 지표와 가중치를 결합하여 

SW융합 경쟁력 모형을 구축하고 이를 바탕으로 정책적 시사점을 도출하였다. 

<그림 4-3> 분석 프로세스 

출처: SPRi 연구진 작성

- 48 -

16)

 자동차 4인(산-2인, 연-2인), 전자기기 4인 (산-2인, 연-2인), 조선 3인(연-2인, 학-1인), 금융 7인(산- 4인, 

학-2인, 연-1인), 보건 4인(산-2인, 학-1인, 연-1인), 물류 6인(산-2인, 학-2인, 연-2인)

제5장

델파이 조사설계와 주요 결과

제1절

델파이 조사 설계

본 연구에서는 SW융합경쟁력 지표체계(안)을 중심으로 전문가들의 합의된 의견을 도

출하기 위해 델파이 조사를 설계하였다. 델파이 조사는 전문가 집단의 익명성을 보장

하고 반복적인 피드백을 제공함으로써, 대면 토론에서 발생할 수 있는 집단 사고의 오

류를 방지하고 개별 전문가의 견해를 객관화하는 데 목적이 있다 (Linstone & Turoff, 

1975). 본 조사는 2025년 7월부터 8월까지 약 2개월에 걸쳐 총 3라운드로 진행되었으

며 조사도구는 전문가 패널의 응답 편의성을 고려해 이메일을 활용하였다. 

델파이 조사 결과의 타당성 확보에 있어 가장 중요한 부분은 전문가 패널의 구성이

다. 이에 본 연구에서는 산업계, 학계, 연구계 내 관련 분야에서 10년 이상의 경력을 

보유한 전문가들을 대상으로 패널을 구성하였다. 주력산업 6개 분야인 자동차, 전자기

기, 조선, 금융, 보건, 물류 내 30인의 전문가를 패널로 선정하였다. 이는 이질적 집단

의 경우 15~30명의 인원으로 신뢰도를 확보할 수 있다는 선행 연구의 기준을 충족하

는 규모이다 (Linstone & Turoff, 1975). 1라운드 설문 진행 후 중도 탈락된 2인을 제

외한 28인의 최종 전문가 패널16)로 확정하였다. 

측정 도구의 개발은 다음과 같이 진행하였다. 진단체계(안)은 TOE 프레임워크를 기

반으로 기술, 조직, 환경을 대분류로하며 2차 자료를 기반으로 중분류 9개, 소분류 18

개의 예비지표를 포함한다. 각 지표는 선행문헌과 데이터 가용성을 고려하여 설계하였

다. <표 5-1>은 델파이 사전조사를 위한 예비지표이다. 먼저 기술 차원은 SW융합의 

직접적인 기반으로 신(新) SW기술인 인공지능, 빅데이터, 클라우드, IoT의 활용 수준을 

파악할 수 있도록 구성하였다. 조직 차원은 SW융합을 추진하는 내적역량과 자원 배분 

능력에 주목하였으며 산업별 조직 차원의 내부 역량과 혁신 동력을 파악하는데에 중

점을 두고 개별 지표를 구성하였다. 마지막으로 환경 차원은 개별 기업이나 조직을 넘

어 산업 생태계 전반의 성장성을 반영하였다. 이에 산업별 특화 SW 시장의 규모와 성

장률을 반영하여 SW융합의 확산 수준과 지속 가능성을 진단할 수 있도록 하였다. 선

행문헌을 바탕으로 도출된 SW융합경쟁력 진단체계(안)에 대해 전문가 사전조사를 시

행하였다. 사전 조사는 델파이 본 조사에 들어가기 앞서 문헌 연구를 통해 구성된 초

- 49 -

기 평가지표들이 현장의 실무적 상황과 학술적 타당성을 충분히 반영하고 있는지 검

토하고 설계된 설문 구성의 적합성을 검토하기 위한 목적으로 수행되었다. 일반적으로 

델파이 조사 전 실시되는 테스트는 문항의 명확성, 용어의 적절성, 그리고 계층 구조

의 논리적 적합성을 확보하고 본 조사의 신뢰성을 높이는 과정이다 (Hsu & Sandford, 

2007). 사전 조사는 지표설계에 대한 경험이 있는 전문가 3인을 선정하였으며 서면 자

문 형태로 진행하였다. 전문가들은 기술, 조직, 환경 내 하위지표들이 SW융합 경쟁력

을 반영할 수 있도록 용어를 정교화하고 개념이 모호한 항목들에 대한 삭제 및 수정 

의견을 제시하였다. 

<표 5-1> SW융합경쟁력 진단체계(안)

지표 항목

세부항목

측정 지표

기술

SW신기술 내재화

AI기술 및 서비스 이용수준

데이터 수집/분석 및 서비스 이용 수준

클라우드 컴퓨팅 서비스 이용 수준

사물인터넷 기기 및 서비스 이용 수준 

SW기반 업무혁신

업무 생산성 개선 수준

조직

SW인적자원 보유역량

SW융합 전담인력 보유 수준

연구개발 인력 보유 수준

SW전문인력 수급 적정성

SW융합 관련 전담조직 여부

SW융합 투자 역량

SW융합기술 관련 투자 금액

SW융합 혁신 역량

연구개발비 수준

SW융합기술 기반 신제품‧서비스‧비즈니스 모델 개발 

수준

- 50 -

사전조사를 통해 수정된 설문 도구를 기반으로 수행한 델파이 조사의 단계별 프로세

스는 다음과 같다. 1라운드는 전문가 패널의 다양한 의견을 수집하고 지표의 범주를 

확정하기 위해 개방형 설문으로 진행하였다. 개방형 설문은 사전조사에서 도출된 SW

융합경쟁력 진단체계(안)을 바탕으로 각 평가지표의 적절성에 대해 유지 및 삭제에 대

한 의견을 묻고 답변 근거를 수집하였다. 2라운드는 1라운드에서 수집된 전문가 패널

들의 개방형 응답을 바탕으로 연구진이 평가지표를 검토‧수정하여 구서한 설문지를 활

용하였으며, 각 지표의 중요도 및 타당성에 대한 정량적 평가를 실시하였다. 마지막으

로 3라운드는 전문가 패널의 최종 합의를 이끌어내기 위한 의견 수렴 단계로 2라운드 

분석결과인 전체 응답자의 평균값과 전문가 본인이 응답했던 수치를 피드백으로 제공

하였다. 이에 각 전문가는 집단 내 자신의 의견이 가진 위치를 확인하고 다른 전문가

들의 의견을 참고하여 자신의 판단을 유지 및 수정할 수 있도록 하였다. 

제2절

델파이 조사 결과

1.

1차 델파이 조사 결과

앞서 진행한 측정 도구 개발을 통해 도출된 대분류 3개, 중분류 9개, 소분류 18개의 

예비지표를 바탕으로 델파이 1차 조사를 위한 설문도구를 개발하였다. 1차 조사는 중

분류와 소분류 항목의 적절성 검토를 위해 유지와 삭제 의견을 묻고 답변에 대한 근

거를 개방형 설문으로 수집하였다. 또한 기술, 조직, 환경 부문에 추가해야할 산업별 

특성화 지표에 전문가의 의견을 추가로 서술할 수 있도록 하였다. 1차 조사는 총 30명

의 전문가를 대상으로 실시했으며 최종적으로 28명의 전문가가 응답하였다. 28명의 전

환경

산업 융합 SW시장환경

산업 특화 SW 총지출 규모

산업별 특화 SW 총지출 성장률

글로벌 경쟁환경

세계 최고 수준과 비교한 해당 산업의 SW융합수준

정책환경

산업별 규제 인식 수준

정부지원 만족도

SW융합생태계환경

SW융합 솔루션 공급 산업 활성화 수준

- 51 -

문가 패널 규모는 델파이 조사 결과의 타당성을 확보하기에 충분한 전문가 풀(Pool)이

다 (Linstone & Turoff, 1975). 1차 델파이 조사 결과, 대분류인 기술, 조직, 환경을 구

성하는 세부 측정 지표인 소분류 수준에서 보완이 있었다. <표 5-2>는 SW융합경쟁력 

진단 체계(안)의 1차 델파이 조사 결과이다. 먼저 대분류 ‘기술’에서 SW기술 내재화 

항목의 세부 지표로 ‘보안기술 및 서비스 도입수준’, SW기술 간 연계 및 통합 수준

이 추가 되었다. SW기반 업무혁신의 세부지표로는 업무 자동화 및 최적화 수준이 추

가되었다. 대분류 ‘조직’ 내에서 ‘연구개발 인력 보유 수준’과 ‘연구개발비 수

준’은 전문가 의견에 따라 삭제되었다. 삭제된 지표 자리에는 각각‘SW융합 역량 강

화교육 수준’, ‘SW융합관련 특허 및 논문 보유 수준’이 추가 되었다. 대분류 ‘환

경’ 내에서는 ‘국산SW의 해외진출가능성’ , ‘SW융합 관련 산‧학‧연 협력 수준’

이 추가되었다. 

<표 5-2> 1차 델파이 조사 결과

지표 항목

측정지표 내용

기술

SW기술 내재화

사물인터넷 기기 및 서비스 도입 수준

클라우드 컴퓨팅 서비스 도입 수준

데이터 수집/분석 및 서비스 도입 수준

인공지능 기술 및 서비스 도입 수준

보안기술 및 서비스 도입 수준

SW 기술 간 연계 및 통합 수준

SW 기반 업무 혁신

업무 자동화 및 최적화 수준 

업무 생산성 개선 수준

조직

SW 인적자원 역량

SW융합 전담인력 보유 수준

SW 전문인력 수급 적정성

SW융합 관련 전담조직 여부

SW융합 역량 강화 교육 제공 수준

- 52 -

2.

2차 델파이 조사 결과

2차 델파이조사는 1차 조사에서 도출된 평가지표들의 타당성과 전문가 집단의 합의 

수준을 정량적으로 검증하기 위해 수행되었다. 델파이 기법은 반복적으로 전문가 개인

의 의견을 설문하는 과정을 통해 통계적으로 신뢰할 수 있는 집단 지성을 얻는데 목

적이 있다. 따라서 2차 조사는 이러한 수렴과정의 안정성을 확인하는 단계로써 의미를 

갖는다. 우선 1차 조사의 전문가 의견을 반영하여 재구성한 측정 지표를 기반으로 이

루어졌으며 전문가 패널 28명을 대상으로 각 항목의 적절성을 5점 척도를 활용하여 

진행하였다. 또한 1차 델파이 조사 결과 추가된 항목에 대한 설문을 진행하여 산업별 

수준을 평가하는 설문을 포함하였다. 2차 델파이 조사 결과는 <표 5-3>과 같다. 

우선 안정도를 파악하기 위해 평균과 표준편차를 계산하고 이를 통해 응답의 안정도

를 나타내는 변동계수를 산출하였다. 변동계수는 표준편차를 평균으로 나눈 값으로 전

문가 패널의 응답이 얼마나 일관성을 가지고 나타나는지 평가하는 지표이다. 변동계수

가 0.5이하 일 경우 집단의 의견이 충분히 안정되었다고 판단되며 조사를 종료할 수 

있는 통계적 근거가 된다 (Dajani et al., 1979). 분석 결과 변동계수는 0.3이하의 수치

로 나타났으며 전문가 패널의 의견이 안정적으로 수렴되었음을 확인할 수 있었다. 다

음으로 전문가의 의견이 얼마나 밀집했는지 보여주는 수렴도와 합의도를 산출하였다. 

SW 융합 

투자 역량

SW융합기술 관련 투자 규모

SW 융합 

혁신 역량

SW융합 기술 기반 신제품·서비스·사업모델 개발 및 

출시 수준

SW융합 관련 특허․ 논문 보유 수준

환경

산업 융합 SW 시장 환경

산업별 특화SW 총지출 규모

산업별 특화SW 총지출 성장률

글로벌 경쟁 환경

세계 최고 수준과 비교한 해당 산업의 SW 융합 

수준

국산 SW의 해외 진출 가능성

정책 환경

산업별 규제 개선 만족도

정부 지원 만족도

SW 융합 생태계 환경

SW 융합 솔루션 공급 산업 활성화 수준

SW 융합 관련 산·학·연 협력 수준

- 53 -

이는 응답 점수를 순서대로 나열했을 때 1사분위수(Q1)와 3사분위수(Q3) 사이의 범위

인 사분위(IQR)를 기반으로 산출된다. 수렴도는 전문가 패널 의견의 분산 정도를 나타

내며 합의도는 전문가 간 의견 일치 비율을 수치화한 지표이다. 일반적으로 수렴도가 

0.5이하 일 때 전문가들의 의견이 충분히 수렴된 것으로 간주한다. 이는 5점 척도 설

문에서 전문가 패널이 1점 이내의 차이로 조밀하게 응답했음을 의미하기 때문이다. 합

의도는 0.75이상인 경우 전문가들의 의견이 일치되고 합의가 성립된 것으로 본다 (노

승용, 2006). 분석결과, 합의도는 0.75 이상이 나와 전문가 패널의 의견의 합의가 이루

어진 것으로 판단하였다. 마지막으로 내용타당도(Content Validity Ratio, CVR)는 각 지

표가 SW융합 경쟁력 진단이라는 연구 목적에 얼마나 필수적인지를 측정하는 지표이

다. 본 연구에서는 Likert 5점 척도 중 4점 이상으로 응답한 수를 활용하여 산정하였

다. 내용타당도를 검증하기 위한 임계치는 전문가 패널이 28명인 경우 보수적으로 

0.37 이상일 때 내용타당도가 적합한 것으로 판단한다 (Lawshe, 1975). 분석 결과 CVR 

값은 0.14~0.71사이의 값이 도출되었다. 종합적으로 2차 조사를 통해 본 진단 프레임워

크는 통계적으로 높은 신뢰성과 합의 수준을 나타냈다. 그러나 내용타당도 수치가 낮

게 나온 항목인 ‘사물인터넷 기기 및 서비스 도입수준’, ‘SW융합 관련 특허/논문 

수’에대한 유지 또는 삭제의 결정이 필요하다. 우선 사물인터넷 기기 및 서비스 도입

수준의 CVR값은 0.29로 기준인 0.37에는 못미치나 전문가 합의도가 0.75로 양호하고 

변동계수가 0.24로 안정적으로 나타나 3차 델파이 조사를 통해 재검토하고자 하였다. 

SW융합관련 특허/논문 수의 경우는 0.14로 나타나 내용타당도가 적합하지 않은 것으

로 나타났다. 0.14는 기준인 0.37에 비해 매우 낮아 삭제가 고려되는 항목이나 해당 항

목이 혁신 역량을 측정하는데 있어 주요한 변수라는 점을 감안하였다. 이에 두 항목 

모두 3차 조사를 통해 해당 항목의 응답분포를 전문가 패널들에게 피드백으로 제공하

고 인식이 어떻게 변화하는지 확인할 가치가 있다고 판단하여 삭제하지 않고 3차 조

사를 진행하였다. 

<표 5-3> 2차 델파이 조사 결과

중분류

평가지표

평균값

표준

편차

변동

계수

합의도

수렴도

CVR

SW기술 

내재화

사물인터넷 기기 및 서비스 도입 

수준

3.81 

0.92 

0.24 

0.75 

0.5

0.29 

클라우드 컴퓨팅 서비스 도입 

수준

4.38 

0.62 

0.14 

0.75 

0.5

0.71 

데이터 수집/분석 및 서비스 

4.50 

0.69 

0.15 

0.80 

0.5

0.64 

- 54 -

도입 수준

인공지능 기술 및 서비스 도입 

수준

4.46 

0.75 

0.17 

0.80 

0.5

0.57 

보안기술 및 서비스 도입 수준

4.23 

0.80 

0.19 

0.75 

0.5

0.57 

SW 기술 간 연계 및 통합 수준

4.35 

0.62 

0.14 

0.75 

0.5

0.71 

SW 기반 

업무 혁신

업무 자동화 및 최적화 수준 

4.23 

0.75 

0.18 

0.75 

0.5

0.64 

업무 생산성 개선 수준

4.15 

0.91 

0.22 

0.75 

0.5

0.50 

SW 

인적자원 

역량

SW융합 전담인력 보유 수준

4.04 

0.98 

0.24 

0.75 

0.5

0.43 

SW 전문인력 수급 적정성

4.04 

1.16 

0.29 

0.75 

0.5

0.43 

SW융합 관련 전담조직 여부

4.12 

0.85 

0.21 

0.75 

0.5

0.43 

SW융합 역량 강화 교육 제공 

수준

4.12 

0.70 

0.17 

0.75 

0.5

0.50 

SW 융합 

투자 역량

SW융합기술 관련 투자 규모

4.23 

0.85 

0.20 

0.61 

0.875

0.36 

SW 융합 

혁신 역량

SW융합 기술 기반 

신제품·서비스·사업모델 개발 

및 출시 수준

4.19 

0.88 

0.21 

0.75 

0.5

0.43 

SW융합 관련 특허․ 논문 보유 

수준

3.69 

0.95 

0.26 

0.75 

0.5

0.14 

산업 융합 

SW 시장 

환경

산업별 특화SW 총지출 규모

4.23 

0.70 

0.16 

0.75 

0.5

0.57 

산업별 특화SW 총지출 

성장률

4.12 

0.70 

0.17 

0.81 

0.5

0.64 

글로벌 

경쟁 환경

세계 최고 수준과 비교한 

해당 산업의 SW 융합 수준

4.38 

0.74 

0.17 

0.80 

0.5

0.57 

국산 SW의 해외 진출 가능성

4.04 

0.81 

0.20 

0.75 

0.5

0.43 

정책 환경

산업별 규제 개선 만족도

4.19 

0.79 

0.19 

0.75 

0.5

0.57 

정부 지원 만족도

4.00 

0.88 

0.22 

0.75 

0.5

0.43 

SW 융합 

생태계 

환경

SW 융합 솔루션 공급 산업 

활성화 수준

4.08 

0.92 

0.22 

0.75 

0.5

0.43 

SW 융합 관련 산·학·연 협력 

수준

4.04 

0.85 

0.21 

0.75 

0.5

0.50 

- 55 -

3.

3차 델파이 조사 결과

델파이 3차 조사는 2025년 8월 11일부터 8월 19일까지 8일간 28명의 동일한 전문가 

패널을 대상으로 진행하였으며 28명 전원의 응답을 확보하였다. 델파이 3차 조사는 앞

서 2차 조사 결과의 문항별 패널의 평균값을 제시하고 개별 의견을 재검토하는 단계

이다. 이 단계는 델파이 기법의 특징 중 하나인 익명성에 기반하여 전문가 간 상호작

용을 통해 개인의 주관적 편향을 교정하고 전문가들의 합의를 이루는 단계이다. 전문

가 패널은 자신의 판단이 집단 전체의 의견과 얼마나 차이가 나는지 확인할 수 있으

며 이를 바탕으로 기존의 의견을 유지하거나 수정할 기회를 얻게된다. 특히 2차 조사

에서 내용타당도가 임계치에 미달하거나 전문가 간 의견이 상충하는 지표들은 3차 조

사를 통해서 재검토가 이뤄지고 최종 채택 여부를 결정할 수 있다. 통계적으로 3차 조

사는 응답의 안정도(변동계수, CV)를 최종적으로 확정 짓는 역할을 한다. 2차 조사 결

과 기준치에 부합하는 안정도는 확보되었으며 3차 조사를 통해 전문가 의견이 재조정

됨에 따라 변동계수가 낮아지고 합의도는 상승하는 양상을 보이기 때문이다. 

2차 조사 결과에서 재검토가 필요했던 평가지표인 ‘사물인터넷 기기 및 서비스 도

입 수준’지표의 경우 3차 조사에서도 CVR 값이 기준인 0.37에는 미치지 못하였다. 

그러나 이는 사물인터넷 기술이 제조업 중심으로 활용되는 특성상 업종별 전문가 패

널의 평가 차이가 크게 나타난데 기인한다. 따라서 해당 항목을 단순 삭제하기 보다 

사물인터넷, 클라우드 컴퓨팅, 데이터, 인공지능 기술을 포괄하는 ‘신SW기술 내재

화’라는 하나의 통합된 항목으로 재구성하였다. ‘SW융합관련 특허/논문 수’항목의 

경우 3차 조사에서 CVR 값이 0.14에서 0.29로 상승하여 전문가 패널의 피드백을 통해 

인식이 개선된 것을 확인하였다. 기준 값인 0.37에는 미치지 못했으나 2차 조사 대비  

타당도가 향상되었고 혁신 역량 측정에 있어 중요한 요인임을 감안하여 최종적으로 

유지하기로 결정하였다. 

3차 델파이 조사 결과 대분류 3개, 중분류 9개, 소분류 20개의 지표가 SW융합 경쟁

력 진단을 위한 지표로 활용하기에 적합한 것으로 합의되었다. 

제3절

최종 지표체계

3차례에 걸친 델파이 조사를 통해 전문가 패널의 평가 지표에 대한 의견 수렴 과정

- 56 -

을 거쳐 최종적으로 대분류 3개, 중분류 9개, 소분류 20개의 진단지표가 도출되었다. 

델파이 조사를 통해 도출한 최종 지표체계는 <표 5-4>와 같다. 

<표 5-4> 델파이 조사를 통해 도출한 SW융합경쟁력 진단체계 

요인

세부요인

선행 연구

기술

SW신기술내재화

신SW기술 및 서비스 도입수준

보안기술 및 서비스 도입수준

SW기술 간 연계 및 통합수준

SW기반 업무 혁신

업무 자동화 및 최적화 수준

업무 생산성 개선 수준

조직

SW인적자원 역량

SW융합 전담인력 보유 수준

SW전문인력 수급 적정성

SW융합 관련 전담 조직 여부

SW융합 역량 강화 교육 제공 수준

SW융합 투자 역량

SW융합 기술 관련 투자 규모

SW융합 혁신 역량

SW융합 기술 기반 신제품‧서비스‧사업모델 개발 

및 출시수준

SW융합 관련 특허/논문 보유수준

환경

산업융합 SW시장환경

산업별 특화SW 총지출 규모

산업별 특화SW 총지출 성장률

글로벌 경쟁환경 

세계최고수준과 비교한 해당산업의 SW융합 수

준

국산 SW의 해외진출 가능성

정책환경

산업별 규제 개선 만족도

정부지원 만족도

SW융합 생태계 환경

SW융합솔루션 공급 산업 활성화 수준

SW융합 관련 산‧학‧연 협력 수준

- 57 -

제6장

AHP 분석

제1절

AHP 조사 실행  

델파이 기법을 통해 도출된 SW융합경쟁력 진단지표에 대한 업종별 가중치 산정을 

위해 AHP 분석을 수행하였다. 조사 기간은 2020년 8월 20일부터 8월 27일까지 총 7일

간 진행하였다. 전문가 패널은 델파이 기법에서 활용한 전문가 28명을 대상으로하였

다. 대분류, 중분류, 소분류 차원에서 계층 모델을 구축하였으며 계층 내에서 전문가 

패널이 지표간의 중요도를 일대일로 비교하는 쌍대비교를 수행하였다. 설문 척도는 

Saaty(1980)이 제안한 9점 척도를 사용하여 지표 간의 상대적 우위를 세밀하게 측정하

도록 설계하였다. 

제2절

지표 간 가중치 산정 결과 

AHP 분석의 가중치 산정은 전문가 응답의 일관성이 검증된 표본을 대상으로 수행되

었다. 일관성 비율 (Consistency Ratio, CR)은 학술적 기준으로 0.1이하로 나타나야 하

며 분석결과 0.1이하의 값으로 나타나 논리적 일관성을 확보하였다. 이는 전문가 패널

이 SW융합 경쟁력의 구성 요소들을 명확한 기준에 따라 상호 비교하였음을 의미하며 

도출된 가중치의 통계적 신뢰성을 뒷받침한다. 가중치 산정 결과는 다음과 같다. 

1.

대분류 상대적 중요도 및 순위 

<표 6-1>는 대분류의 상대적 중요도 및 순위이다. 분석결과, 대분류 중‘기술’이 제

조업(0.476)과 서비스업(0.512) 모두에서 가장 상대적 중요도가 높게 나타났다. 조직과 

환경은 각각 2순위, 3순위로 중요도가 산출되었다. 일관성 비율은 0.021로 0.1이하 값

을 만족하여 응답의 일관성이 확보되었다.

대분류

제조업

서비스업

CR

중요도

순위

중요도

순위

<표 6-1> 대분류 상대적 중요도 및 순위 분석 결과

- 58 -

2.

대분류 별 중분류 상대적 중요도 및 순위 

중분류는 총 9개로 대분류 내에서 가중치 및 순위를 분석하였으며 환경(대분류) 내 

정책환경 항목에서 제조업과 서비스업의 중요도의 차이가 나타났다. <표 6-2> 기술관

련 AHP 분석 결과이다.  기술영역 내 중분류에서 제조업과 서비스업 모두 동일한 순

위를 보였으나 ‘SW기술내재화’의 중요도는 서비스업(0.647)이 제조업(0.613) 보다 다

소 높게 나타났다. 

대분류 ‘조직’내 중분류에 대한 상대적 중요도 및 순위 분석 결과는 <표 6-3>과 

같다. 제조업의 경우 ‘SW인적자원역량’의 가중치는 0.575로 서비스업(0.503) 대비 인

적자원의 중요성을 높게 인식하였으며 ‘SW융합혁신역량’의 경우 서비스업(0.216)이 

제조업(0.174)보다 높게 나타났다. 

기술

0.476

1

0.512

1

0.021

조직

0.325

2

0.304

2

환경

0.200

3

0.183

3

합계

1

1

중분류

제조업

서비스업

중요도

순위

중요도

순위

SW기술 내재화

0.613

1

0.647

1

SW기반 업무혁신

0.387

2

0.353

2

합계

1

1

<표 6-2> 기술 관련 AHP 분석 결과

중분류

제조업

서비스업

가중치

순위

CR

가중치

순위

CR

<표 6-3> 조직관련 AHP 분석 결과

- 59 -

대분류 ‘환경’내 중분류에 대한 상대적 중요도 및 순위 분석 결과는 <표 6-4>와 

같다. 제조업의 경우 ‘산업융합 SW시장환경’(0.493)이 가장 높은 가중치를 보이며 1

순위였으나 ‘정책환경’(0.113)은 4순위로 서비스업(0.236, 2순위)과 대조적인 모습을 

보였다. 

 

3.

중분류 상대적 중요도 및 순위 

최종 도출된 중분류에 대한 상대적 중요도 및 순위 산출 결과는 <표 6-5>과 같다. 

제조업과 서비스업 모두 ‘SW기술내재화’가 1순위로 나타났으며 제조업의 경우 

‘SW인적자원역량’(0.187)이 ‘SW기반업무혁신’(0.184)보다 근소하게 높게 나타났다. 

반면, 서비스업은 ‘SW기반업무혁신’(0.181)이 ‘SW인적자원역량’(0.153)보다 높게 

나타났다. 이는 제조업의 인적자원에 대한 중요도가 서비스업 보다 높음을 의미한다. 

‘산업융합 SW시장환경’은 제조업 4위(0.098), 서비스업은 6위(0.069)로 제조업이 산

SW인적자원역량

0.575

1

0.003

0.503

1

0.009

SW융합투자역량

0.251

2

0.231

2

SW융합혁신역량

0.174

3

0.216

3

합계

1

1

중분류

제조업

서비스업

가중치

순위

CR

가중치

순위

CR

산업융합

SW시장환경

0.493

1

0.004

0.373

1

0.02

글로벌 경쟁환경

0.221

2

0.221

3

정책환경

0.113

4

0.236

2

SW융합 생태계환경

0.172

3

0.164

4

합계

1

1

<표 6-4> 환경관련 AHP 분석 결과 

- 60 -

업융합 SW시장 환경 변화에 더 민감하게 반응하고 있다. 

 

중분류

제조업

서비스업

중요도

순위

중요도

순위

SW기술 내재화

0.291 

1

0.331 

1

SW기반 업무혁신

0.184 

3

0.181 

2

SW인적자원역량

0.187 

2

0.153 

3

SW융합투자역량

0.082 

5

0.085 

4

SW융합혁신역량

0.057 

6

0.066 

5

산업융합

SW시장환경

0.098 

4

0.069 

6

글로벌 경쟁환경

0.044 

7

0.043 

7

정책환경

0.023

9

0.030

9

SW융합 생태계환경

0.034 

8

0.041 

8

합계

1

1

<표 6-5> 중분류의 상대적 중요도 및 순위 분석 결과 

- 61 -

4.

중분류별 소분류 상대적 중요도 및 순위 

 같이 소분류는 총 20개로 중분류 내에서 가중치 및 순위를 분석하였다. <표 6-6>은 

SW기술 내재화 관련 AHP 분석결과이다. ‘SW기술내재화’ 관련 소분류에서 순위 차

이는 없었으나 제조업의‘신SW기술 및 서비스 도입수준’의 중요도(0.584)가 서비스업

(0.480) 대비 10% 이상 높게 나타났다. 반면, ‘SW기술 간 연계 및 통합수준’은 서비

스업(0.335)이 제조업(0.692) 보다 높게 나타났다. 

<표 6-7>은 SW기반업무혁신 관련 AHP분석의 결과이다.‘SW기반업무혁신’내  소분

류에서 순위는 동일하게 나왔으나 ‘업무 자동화 및 최적화 수준’의 경우 제조업

(0.692)이 서비스업(0.542)에 비해 높게 나타났으며 제조업 내에서는 중요도가 높은 비

중을 차지하였다. 

<표 6-8>은 SW인적자원역량 관련 AHP분석의 결과이다.‘SW인적자원역량’관련 소

분류에서 제조업은 ‘SW융합 전담인력 보유수준’이 1순위(0.358)로 나타났으나 서비

소분류

제조업

서비스업

중요도

순위

중요도

순위

업무 자동화 및 

최적화 수준

0.692

1

0.542

1

업무 생산성 개선 수준

0.308

2

0.458

2

합계

1

1

<표 6-7> SW기반업무혁신 관련 AHP 분석 결과

소분류

제조업

서비스업

중요도

순위

CR

중요도

순위

CR

신SW기술 및 서비스 

도입수준

0.584

1

0.0001

0.480

1

0.007

보안기술 및 서비스 

도입수준

0.157

3

0.184

3

SW기술 간 연계 및 

통합수준

0.257

2

0.335

2

합계

1

1

<표 6-6> SW기술내재화 관련 AHP 분석 결과

- 62 -

스업은 해당 지표에서 3순위(0.239)로 나타났다. 서비스업은‘SW전문인력 수급 적정

성’에서 1순위(0.273)로 나타났다.

 

<표 6-9>는 SW융합투자역량 관련 AHP분석의 결과이다.‘SW융합투자역량’ 관련 소

분류는 단일지표인 ‘SW융합기술 관련 투자규모’로 기업의 SW융합 및 혁신 의지와 

자원 투입수준을 직접적으로 나타내는 지표이다. 중요도와 순위는 단일항목이므로 동

일하다.

<표 6-10>은 SW융합혁신역량 관련 AHP분석의 결과이다.‘SW융합혁신역량’관련 소

분류는 제조업과 서비스업 모두 순위는 동일하게 나타났으며 중요도 역시 업종 간 두

드러지는 차이는 나타나지 않았다. 

소분류

제조업

서비스업

중요도

순위

CR

중요도

순위

CR

SW융합전담인력 

보유수준

0.358

1

0.008

0.239

3

0.009

SW전문인력 수급 

적정성

0.257

2

0.273

1

SW융합관련 

전담조직 여부

0.217

3

0.258

2

SW융합 역량강화 

교육 제공 수준

0.167

4

0.230

4

합계

1

1

<표 6-8> SW인적자원역량 관련 AHP 분석 결과

소분류

제조업

서비스업

중요도

순위

중요도

순위

SW융합기술 관련 

투자 규모

1

1

1

1

합계

1

1

<표 6-9> SW융합투자역량 관련 AHP 분석 결과

- 63 -

<표 6-11>는 산업융합 SW시장환경 관련 AHP분석의 결과이다.‘산업융합 SW시장환

경’ 관련 소분류에서는 제조업과 서비스업의 순위는 동일하였으나 제조업의 경우 1

순위와 2순위의 중요도 차이가 미미하여 지츌규모와 성장률 모두 동일하게 중요한 것

으로 나타났다. 그러나 서비스업은 현재 지출이 이뤄지고있는 총 지출규모가 SW융합 

경쟁력에 더 중요도가 높은 것으로 나타났다. 

<표 6-12>은 글로벌 경쟁환경 관련 AHP분석의 결과이다. 제조업과 서비스업 모두 

세계최고 수준과 비교한 해당 산업의 SW융합 수준이 1순위로 나타났다. 하지만 제조

업(0.418)의 경우 서비스업(0.318)에 비해 ‘국난 SW의 해외진출 가능성’의 중요도에

도 높은 비중을 두고 있었다. 

소분류

제조업

서비스업

중요도

순위

중요도

순위

SW융합기술기반

신제품‧서비스‧비즈니스

모델 개발 수준

0.781

1

0.762

1

SW융합 관련 특허 

논문 보유 수준

0.219

2

0.238

2

합계

1

1

<표 6-10> SW융합혁신역량 관련 AHP 분석 결과

소분류

제조업

서비스업

중요도

순위

중요도

순위

산업별 특화 SW 

총 지출 규모

0.502

1

0.571

1

산업별 특화 SW

총 지출 성장률

0.498

2

0.429

2

합계

1

1

<표 6-11> 산업융합 SW시장환경 관련 AHP 분석 결과

소분류

제조업

서비스업

중요도

순위

중요도

순위

<표 6-12> 글로벌 경쟁환경 관련 AHP 분석 결과

- 64 -

<표 6-13>는 정책환경 관련 AHP분석의 결과이다. 제조업은 ‘정부지원 만족

도’(0.549)가 ‘산업별 규제 개선 만족도’(0.451)보다 더 높게 나타났으나 서비스업은 

제조업과 반대로 나타났다. 서비스업의 경우 1순위인‘산업별 규제 개선 만족

도’(0.642)가 2순위에 비해 중요도에 있어 월등히 높은 수치를 나타냈다. 

<표 6-14>는 SW융합 생태계 관련 AHP 분석결과이다. 제조업과 서비스업 모두 ‘SW

융합 솔루션 공급산업 활성화 수준’의 중요도가 1순위로 나타났다. 그러나 제조업은 

서비스업에 비해 중요도 비중이 더 높은 것으로 나타나 공급망 강화의 우선순위가 높

은 것으로 보인다. 

세계최고 수준과 비교한 

해당 산업의 SW융합 수준

0.582

1

0.663

1

국산 SW의 해외 

진출가능성

0.418

2

0.337

2

합계

1

1

소분류

제조업

서비스업

중요도

순위

중요도

순위

산업별 규제 개선 

만족도

0.451

2

0.642

1

정부지원 만족도

0.549

1

0.358

2

합계

1

1

<표 6-13> 정책환경 관련 AHP 분석 결과

소분류

제조업

서비스업

중요도

순위

중요도

순위

SW융합 솔루션 공급 

산업 활성화 수준

0.724

1

0.578

1

SW융합 관련 산‧학‧연 

협력 수준

0.276

2

0.422

2

합계

1

1

<표 6-14> SW융합 생태계 환경 관련 AHP 분석 결과

- 65 -

5.

종합 중요도 및 순위 

SW융합경쟁력에 크게 영향을 미치는 핵심 요인을 파악하기 위해 AHP를 실시한 결

과 전체 20개 세부 지표 중 전략적 중요도가 가장 높은 상위 지표들이 도출되었다. 제

조업과 서비스업에서 중요도가 가장 높게 나온 항목은‘신SW기술 및 서비스 도입 수

준’으로 나타났다. 이는 SW융합 경쟁력에 있어 최신 기술의 도입이 경쟁력의 본질과 

밀접한 연관이 있음을 나타내는 결과이다. 차순위에 있어서는 제조업과 서비스업 사이

에 일부 차이가 있었다. 제조업의 경우 ‘업무 자동화 및 최적화 수준’(0.127)이 2위

인 반면 서비스업(0.098)은 3순위였다. 대신 서비스업의 경우 ‘SW기술 간 연계 및 통

합수준’(0.111)이 2순위로 나타났다. 해당 항목은 제조업의 경우 4순위(0.075)로 나타

나 차순위 중요도에 있어서 차이가 있는 것으로 나타났다. 환경요인에 해당하는 ‘정

부지원 만족도’, ‘규제개선 만족도’, ‘해외 진출 가능성’등의 요인들은 하위권에 

머물러 있었다. 

소분류

제조업

서비스업

중요도

순위

중요도

순위

신SW기술 및 

서비스 도입수준

0.172 

1

0.159

1

보안기술 및 서비스 

도입수준

0.046

10 

0.061

6

SW기술 간 연계 및 

통합수준

0.075 

4 

0.111

2

업무 자동화 및 

최적화 수준

0.127

2

0.098

3

업무 생산성 개선 

수준

0.057 

6 

0.083

5

SW융합전담인력 

보유수준

0.067 

5 

0.037

11

SW전문인력 수급 

적정성

0.048 

9

0.042

8

SW융합관련 

전담조직 여부

0.041 

12 

0.040

10

SW융합 역량강화 

교육 제공 수준

0.031 

13 

0.035

12

<표 6-15> 소분류의 상대적 중요도 및 순위 분석 결과

- 66 -

SW융합기술 관련 

투자 규모

0.082

3 

0.085

4

SW융합기술기반 

신제품‧서비스‧사업

모델 개발 수준

0.044

11 

0.050

7

SW융합 관련 특허 

논문 보유 수준

0.012 

18 

0.016

17

산업별 특화SW 

총지출규모

0.049 

7

0.040

9

산업별 특화SW 

총지출성장률

0.049

8 

0.030

13

세계최고수준과 

비교한 해당산업의 

SW융합수준

0.026 

14 

0.027

15

국산 SW의 해외 

진출가능성

0.018 

16 

0.014

19

산업별 규제 개선 

만족도

0.010

19 

0.028

14

정부지원 만족도

0.012 

17

0.016

18

SW융합 솔루션 

공급 산업 활성화 

수준

0.025 

15

0.017

16

SW융합 관련 

산‧학‧연 협력 수준

0.009 

20

0.013

20

합계

1

1

- 67 -

제7장

결론

제1절

연구결과의 요약

본 연구는 국내외 산업 전반에서 SW융합이 빠르게 확산되며 산업별 경쟁력의 핵심 

요인으로 부상하고 있음에도 불구하고, 산업별 SW 융합 수준을 체계적으로 비교‧진단

할 수 있는 정량적이고 구조적인 진단체계가 부재하다는 문제의식에서 출발하였다. 기

존에는 SW 융합 수준을 객관적으로 비교하거나, 정책적 지원의 우선순위를 설정하는 

데 필요한 기준이 명확하지 않아 SW 융합 지원 정책의 근거 마련과 성과 평가에 한

계가 존재해 왔다.

본 연구에서는 SW융합 경쟁력을 ‘산업과 SW 기술의 결합을 통해 생산성 향상과 

신사업 창출을 달성하는 역량’으로 정의하고, 해당 개념을 다차원적으로 측정할 수 

있는 지표 체계 설계를 시도하였다. 지표체계는 기술(Technology), 조직(Organization), 

환경(Environment)으로 구성된 TOE 프레임워크를 이론적 기반으로 하였다. 선행 문헌 

검토와 이론적 논의를 통해 기술, 조직, 환경 측면에서 측정 가능한 예비 지표 체계를 

구성한 후, 산‧학‧연 전문가 28인을 대상으로 3라운드에 걸친 델파이 조사를 수행하였

다. 조사 결과, SW 융합 경쟁력을 진단하기 위한 대분류 3개, 중분류 9개, 소분류 20

개로 구성된 최종 평가지표 체계를 도출하였다. 이는 산업 현장의 특성과 전문가 인식

을 반영하여 SW 융합 경쟁력의 구성 요소를 구조적으로 정제한 결과라 할 수 있다.

또한 AHP 분석을 통해 제조업과 서비스업 간 산업 특성의 차이를 반영하여 지표별 

가중치를 차등 적용하였으며, 일부 핵심 항목에서는 두 산업군 간 중요도 인식에 유의

미한 차이가 존재함을 확인하였다. 구체적으로 가장 중요도가 높은 ‘신SW기술 및 서

비스 도입수준’은 두 업종 모두 1순위로 나타났다. 그러나 제조업은 ‘업무 자동화 

및 최적화 수준’의 상대적 중요도가 높게 도출되었으며 서비스업은 ‘SW기술 간 연

계 및 통합 수준’의 상대적 중요도가 각각 2순위로 높게나왔다. 이러한 결과는 제조

업과 서비스업 모두 신기술 도입 및 활용 자체를 SW융합의 가장 중요한 조건으로 인

식하는 결과이나 기술을 활용해 가치를 창출하는 방식에는 업종의 차이가 있음을 나

타낸다. 제조업은 SW융합을 통해 공정효율화와 생산성 개선에 초점을 두는 반면, 서

비스업은 SW기술을 활용하여 새로운 고객 경험을 창출하거나 서비스 모델을 고도화 

시키는 연계와 통합에 비중을 두고 있음을 알 수 있다. 이는 산업별 SW 융합 전략과 

- 68 -

정책 설계 시 획일적인 접근보다는 산업 특성을 고려한 차별화된 지원 전략이 필요함

을 시사한다.

결론적으로 본 연구에서 제시한 SW 융합 경쟁력 진단체계는 산업별 SW 융합 수준

을 체계적으로 평가할 수 있는 기준을 제공하며, 향후 실증 분석을 통한 연구 확장과 

더불어 정부의 산업별 SW 융합 경쟁력 강화 정책 및 지원 전략 수립을 위한 기초 자

료로 활용될 수 있을 것으로 기대된다.

제2절

정책적 시사점

본 연구의 분석결과를 종합하면, 제조업과 서비스업 간의 차이는 존재하나 공통적으

로 SW융합의 성패는 기술 도입 여부보다는 해당 기술이 산업의 가치창출 방식과 얼

마나 깊이 결합되어 있는지에 의해 결정되는 것으로 나타났다. 따라서 SW융합 지원 

정책은 산업별 특성과 경쟁력 구조를 반영한 접근이 요구된다. 구체적인 정책적 시사

점은 기술, 조직, 환경의 세 측면에서 도출할 수 있다. 

첫째, 기술측면에서는 업종별 SW융합의 목적과 방향을 고려한 맞춤형 지원정책이 

필요하다. AHP분석 결과, 제조업에서 2순위는 ‘업무 자동화 및 최적화 수준’으로 

나타났으며 물리적 공정을 SW로 효율화하는 프로세스 혁신이 SW융합경쟁력의 핵심 

요소임을 확인할 수 있었다. 일례로, 자동차 제조업에서는 SDV 패러다임의 변화와 함

께 개발, 제조, 운영 및 서비스에 이르기까지 전 과정에서 SW기술이 공정 관리와 운

영효율화 수단으로 활용하고 있다. 이렇듯 제조업 전반에서 SW융합이 제품 혁신보다

는 공정 안정화와 운영 효율성 확보를 중심으로 전개되고 있음을 의미한다. 하지만 업

무 자동화는 로봇, 센서, 서버 등 물리적 설비투자와 직결되어 초기 비용 부담이 동반

될 가능성이 높다. 따라서 제조기업의 초기 인프라 투자 부담을 경감하는 방향으로 지

원체계를 고도화할 필요가 있다. 반면, 서비스업은 ‘SW기술 간 연계 및 통합수준’

이 2순위로 나타났다. 서비스업의 SW융합은 물리적 공정보다 데이터와 정보 흐름을 

중심으로 산업 구조 자체를 재편하는 방향으로 나타난다. 일례로 보건업에서는 의료 

데이터의 표준화, 상호운용성, 보안과 신뢰를 전제로 한 정보 연계가 SW융합의 성과

를 좌우하며, 개별 의료기관의 기술 도입 수준보다 산업 차원의 데이터 거버넌스 구축 

여부가 핵심 과제로 부각된다. 하지만 시스템 통합은 기술적 난이도와 비용이 높아 규

모가 작은 기업에 부담으로 작용할 수 있다. 이에 API 연동지원, 비즈니스 모델 검증 

- 69 -

등을 위한 바우처 지원 사업의 실효성을 제고하고 무형자산에 대한 정책적 지원을 확

대할 필요가 있다. 

둘째, 조직측면에서는 업종별 특성에 맞는 SW융합 인력 및 조직적 기반 강화가 필

요하다. 제조업은 ‘SW전담인력 보유수준’에 대한 중요도가 서비스업에 비해 높게나

타났다. 이는 제조업 현장에서의 인력 확보와 유지가 SW융합경쟁력 제고에 중요한 역

할이 있음을 의미하는 결과이다. 이에 SW기술의 현장 적용 역량을 갖춘 실무형 인재

를 집중적으로 양성하고, 재직자 전환 교육, 지역인재 활성화 등 인력 양성 체계를 더

욱 정교화하여 인력 공급의 양적‧질적 수준을 동시에 높여야 한다. 서비스업은‘SW전

문인력 수급 적정성’의 중요도가 높게 나타났으며, 이는 ‘SW기술 간 연계 및 통합 

수준’이라는 지표의 중요도가 높게 나타난 것을 고려할 때 단순개발인력 보다 고숙

련 전문가에 대한 수요가 높은 것으로 판단된다. 따라서 기존의 양적 중심 지원 체계

를 내실화하는 동시에, 비즈니스 기획과 SW기술을 유기적으로 연결할 수 있는 핵심 

인재의 질적 역량 강화를 위한 지원을 확대할 필요가 있다. 

셋째, 환경측면에서는 수요기반의 정책환경 및 SW융합생태계 조성이 필요하다. 제조

업과 서비스업 모두 ‘정부지원 만족도’, ‘산업별 규제 개선 만족도’ 등 환경 관련 

지표들이 종합 순위에서 하위권을 차지했다. 이는 정부 지원이 기업의 실질적인 수요

에 미치는 영향이 제한적임을 시사하는 결과이다. 따라서 현장의 체감도를 높일 수 있

는 방향으로 정책 지원의 실효성을 제고할 필요가 있다. 또한 ‘SW융합 생태계 환

경’의 중요도가 가장 낮은 비중을 차지하고 있는 바, 생태계차원의 지원이 기업의 현

장 수요와 더욱 밀착화될 필요가 있는 것으로 판단된다. 이에 기업이 생태계 인프라를 

활용하여 실질적인 가치를 창출할 수 있도록 생태계의 역동성을 높이는 방향으로 정

책지원을 고도화해야 할 것이다. 

이러한 분석 결과를 종합하면, SW융합은 산업 전반에 걸쳐 동일한 방식으로 접근하

기 어렵고, 각 산업의 특성을 고려한 전략이 요구됨을 알 수 있다. 제조업에서는 SW

융합이 공정 안정성, 안전성, 신뢰성 확보를 중심으로 한 공정 및 운영 인프라의 고도

화를 추구하는 반면, 서비스업에서는 데이터 연계와 업무 자동화를 통해 서비스 제공 

방식과 산업 구조를 재편하는 플랫폼화 및 지능화 성격이 강하게 나타난다. 따라서 향

후 SW융합 정책과 전략은 산업 간 단순 비교나 획일적 기술 확산을 지양하고, 산업별

로 SW가 경쟁력에 기여하는 경로와 메커니즘을 구분하여 설계될 필요가 있다. 이는 

SW융합을 기술 보급의 문제가 아니라, 산업 구조와 운영 방식 전반을 재설계하는 전

략적 과제로 인식해야 함을 시사한다.

- 70 -

제3절

연구의 한계 및 향후 과제

본 연구는 산업별 SW 융합 경쟁력을 체계적으로 진단하기위한 체계를 구축하였으

나, 정책 활용도가 높은 진단체계로 발전시키기 위해서 향후 추가적인 보완이 필요하

다. 우선, 본 고에서 수행한 시범적 진단은 데이터 가용성의 한계로 인해 지표체계(안)

을 만드는 과정에서 일부 제한된 지표에 의존하였다. 이는 본 연구가 지표체계를 도출

하기 위한 시작단계였으므로 델파이 조사를 통해 수렴되는 전문가 의견의 범위와 방

향에 영향을 미쳤을 가능성이 존재한다. 또한 1차 전문가 델파이 조사에서 추가 의견

이 요구됐던 설문항목은 데이터 수집의 한계가 존재하여 2차 델파이 조사에서 이를 5

점 척도의 설문 문항으로 전문가 응답을 수집하여 데이터로 활용하였다. 이와 같은 방

식은 부족한 데이터를 보완하고 이를 기반으로 산업의 SW융합경쟁력을 평가했다는 

점에서 의의가 있다. 하지만 추가된 지표가 객관적 통계 자료가 아닌 전문가 인식에 

기반한 응답데이터에 의존함에 따라 진단 결과의 신뢰성과 비교 가능성 측면에서 제

약이 존재한다. 이러한 한계로 인해 SW융합 경쟁력 측정 결과에 있어 해석에 주의가 

요구된다. 이는 현 단계의 진단 결과가 산업별 SW융합 경쟁력의 절대적 수준이라기보

다는, 지표 구성과 가중치 체계에 기반한 상대적 평가 결과로 해석될 필요가 있음을 

의미하기 때문이다. 

따라서 향후 연구에서는 기술‧조직‧환경(TOE) 기반의 지표체계를 보다 체계적으로 고

도화할 필요가 있다. 구체적으로는 산업별 특성을 보다 정밀하게 반영할 수 있는 세부 

지표 항목의 다양화, 그리고 기존 통계의 한계를 보완할 수 있는 새로운 데이터 소스 

발굴이 요구된다. 이를 통해 산업별 SW 융합 경쟁력의 구성 요소를 보다 입체적으로 

반영하고, 진단 결과의 설명력을 제고할 수 있을 것으로 판단된다.

한편, 본 연구는 국내 주력산업을 중심으로 SW융합 경쟁력 진단을 수행하여 글로벌 

경쟁 환경에서 한국 산업의 상대적 위치를 평가하는 데에는 한계가 있다. 산업별 SW 

융합 경쟁력에 대한 보다 효과적인 진단과 정책적 활용을 위해서는 국가 간 비교 연

구의 확대가 필요하다. 이에 따라 OECD, IMD, WEF 등 국제기구가 제공하는 글로벌 

데이터와의 연계를 통해 국제 비교 분석을 수행하고, 이를 기반으로 글로벌 벤치마킹 

포인트를 발굴할 필요가 있다.

나아가 이러한 국제 비교 분석 결과를 활용하여 국내 산업의 중장기 전략적 로드맵

을 수립하고, 글로벌 협력 확대 및 기술 표준화 전략과 연계된 정책적 접근을 추진할 

필요가 있다. 이는 한국 산업의 SW 융합 경쟁력을 국제적 관점에서 진단하고, 글로벌 

- 71 -

경쟁력을 강화하기 위한 실질적인 정책 설계로 이어질 수 있을 것으로 기대된다

- 72 -

참  고  문  헌

[국내 문헌]

김희태·권상집. (2020). 우리나라 핵심 산업의 지속 성장을 위한 한·중·일 수출 경쟁

력 분석 및 전략 제언. 한국혁신학회지, 15(5), 143-181.

빅데이터센터 (2014). 빅데이터역량진단모델(Big-CAT). n.p., 이화여자대학교

소프트웨어정책연구소 (2024). SW융합실태조사.

심우중·김종기. (2025). 주요 산업의 디지털 전환 유형별 특징과 시사점. 산업연구원

엄향섭. (2022). 조선해운의 빅데이터 현황과 사례, 대한조선학회지, 59(2), 62-70

이제영·장병열·진설아. (2019). 디지털 기술을 통한 고부가 서비스업 발전 및 활용방안 

연구. 과학기술정책연구원

임희종, 최보름, & 송지희. (2021). 기업의 디지털 전환 (DT) 경쟁력 분석 모형개발 및 적

용: 공기업 10 개의 사례를 중심으로. Korea Business Review, 25(3), 61-100.

우리금융경영연구소. (2024). 글로벌 금융회사의 생성형AI 활용 사례와 시사점

장태우, 윤병운, 전성범, 이정철, 김훈태. (2022). 디지털 산업혁신 성숙도 진단모델에 관

한 연구. 한국전자거래학회지, 27(3), 95-111. 10.7838/jsebs.2022.27.3.095

정소윤, 이재호, & 김정해. (2020). 공공부문 디지털 트랜스포메이션 전략에 관한 연구. 

기본연구과제, 2020, 1-556.

정은미·조철·김경유·임태민. (2023) 한국 주력산업의 구조 전환 방향과 정책과제. 산

업연구원

한국소프트웨어진흥원. (2008). SW융합 추세에 따른 SW산업 발전방안 연구. 연구보고서.

홍진희 (2025). 트럼프 2기 조선업 부흥 정책 및 주요국의 현황, 대외경제정책연구원

Delloit. (2025). 자동차 제조 산업의 가치사슬 내 AI 활용방안-독일일본 OEM의 AI 도입 

사례

[해외 문헌]

Aboelmaged, M. G. (2014). Predicting e-readiness at firm-level: An analysis 

of technological, organizational and environmental (TOE) effects on 

- 73 -

e-maintenance readiness in manufacturing firms. International Journal 

of Information Management, 34(5), 639-651.

Agostino, D., & Costantini, C. (2022). A measurement framework for 

assessing the digital transformation of cultural institutions: the Italian 

case. Meditari Accountancy Research, 30(4), 1141-1168.

Ali, O., Murray, P. A., Muhammed, S., Dwivedi, Y. K., & Rashiti, S. (2022). 

Evaluating organizational level IT innovation adoption factors among 

global firms. Journal of Innovation & Knowledge, 7(3), 100213.

Asiaei, A., & Ab. Rahim, N. Z. (2019). A multifaceted framework for adoption 

of cloud computing in Malaysian SMEs. Journal of Science and 

Technology Policy Management, 10(3), 708-750.

Assaye, B. T., Endalew, B., Tadele, M. M., hailiye Teferie, G., Teym, A., 

hune Melese, Y., ... & Haimanot, A. B. (2024). Readiness of big health 

data analytics by technology-organization-environment (TOE) 

framework in Ethiopian health sectors. Heliyon, 10(19).

Badghish, S., & Soomro, Y. A. (2024). Artificial intelligence adoption by SMEs 

to achieve sustainable business performance: application of technology–

organization–environment framework. Sustainability, 16(5), 1864.

Barney, J. (1991). Firm resources and sustained competitive 

advantage. Journal of management, 17(1), 99-120.

Barney, J. B. (1995). Looking inside for competitive advantage. Academy of 

Management Perspectives, 9(4), 49-61.

Bharadwaj, A. S. (2000). A resource-based perspective on information 

technology capability and firm performance: an empirical 

investigation. MIS quarterly, 169-196.

Bughin, J., Lund, S., & Manyika, J. (2016). Which industries are the most 

digital (and why)? McKinsey Global Institute

- 74 -

Chen, D., Esperança, J. P., & Wang, S. (2022). The impact of artificial 

intelligence on firm performance: an application of the resource-based 

view to e-commerce firms. Frontiers in Psychology, 13, 884830.

Cichosz, M., Wallenburg, C. M., & Knemeyer, A. M. (2020). Digital 

transformation at logistics service providers: barriers, success factors 

and leading practices. The International Journal of Logistics 

Management, 31(2), 209-238.

Collins, P. D., Hage, J., & Hull, F. M. (1988). Organizational and technological 

predictors of change in automaticity. Academy of Management Journal, 

31(3), 512–543.

Damali, U., Kocakulah, M., & Ozkul, A. S. (2021). Investigation of cloud ERP 

adoption in the healthcare industry through 

technology-organization-environment (TOE) framework: Qualitative 

study. International Journal of Healthcare Information Systems and 

Informatics (IJHISI), 16(4), 1-14.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user 

acceptance of information technology. MIS quarterly, 319-340.

Dörr, L., Fliege, K., Lehmann, C., Kanbach, D. K., & Kraus, S. (2023). A 

taxonomy on influencing factors towards digital transformation in SMEs. 

Journal of Small Business Strategy, 33(1), 53-69.

Faiz, F., Le, V., & Masli, E. K. (2024). Determinants of digital technology 

adoption in innovative SMEs. Journal of Innovation & Knowledge, 9(4), 

100610.

Galbraith, J. (1973). Designing complex organizations. Reading, MA: 

Addison-Wesley.

Ghaleb, E. A., Dominic, P. D. D., Fati, S. M., Muneer, A., & Ali, R. F. (2021). 

The assessment of big data adoption readiness with a technology–

- 75 -

organization–environment framework: a perspective towards healthcare 

employees. Sustainability, 13(15), 8379.

Gökalp, E., & Martinez, V. (2021). Digital transformation capability maturity 

model enabling the assessment of industrial manufacturers. Computers 

in Industry, 132, 103522.

Grant, R. M. (1991). The resource-based theory of competitive advantage: 

implications for strategy formulation. California management 

review, 33(3), 114-135.

Helfat, C. E., & Peteraf, M. A. (2003). The dynamic resource‐based view: 

Capability lifecycles. Strategic management journal, 24(10), 997-1010.

Hesterly, W., & Barney, J. (2014). Strategic management and competitive 

advantage (Vol. 28). Essex: Pearson/Education.

Hsu, C. C., & Sandford, B. A. (2007). The Delphi technique: making sense of 

consensus. Practical assessment, research, and evaluation, 12(1).

Ifenthaler, D., & Egloffstein, M. (2020). Development and implementation of 

a maturity model of digital transformation. TechTrends, 64(2), 302-309.

Indiani, N. L. P., Keshminder, J. S., Wiratama, N. I., & Amertha, G. S. (2025). 

Unlocking e-commerce potential in SMEs: an integrative framework for 

adoption in emerging markets. Humanities and Social Sciences 

Communications, 12(1), 1-16.

Jäkel, J. I., Fischerkeller, F., Oberhoff, T., & Klemt-Albert, K. (2024). 

Development of a Maturity Model for the Digital transformation of 

companies in the context of Construction Industry 4.0. J. Inf. Technol. 

Constr., 29(34), 778-809.

Kao, L. J., Chiu, C. C., Lin, H. T., Hung, Y. W., & Lu, C. C. (2024). Unveiling 

the dimensions of digital transformation: A comprehensive taxonomy and 

assessment model for business. Journal of Business Research, 176, 

- 76 -

114595.

Lamberti, H. J., & Büger, M. (2009). Lessons learned: 50 years of information 

technology in the banking industry–the example of Deutsche Bank AG. 

Business & Information Systems Engineering, 1(1), 26-36.

Linstone, H. A., & Turoff, M. (Eds.). (1975). The delphi method (Vol. 1975, 

pp. 3-12). Reading, MA: Addison-Wesley.

Neves, A., Erikstad, S. O., & Godina, R. (2025). Enhancing efficiency and 

sustainability in shipbuilding: insights from lean implementation and 

Nevi, G., Pizzichini, L., Bastone, A., & Dezi, L. (2025). Adoption of AI by 

micro and small health enterprises: effects of entrepreneurial 

orientation on the TOE model. European Journal of Innovation 

Management.

Nguyen, T. H., Le, X. C., & Vu, T. H. L. (2022). An extended 

technology-organization-environment (TOE) framework for online 

retailing utilization in digital transformation: Empirical evidence from 

Vietnam. Journal of Open Innovation: Technology, Market, and 

Complexity, 8(4), 200.

Markovic, M., Draskovic, N., & Gnjidic, V. (2018). PRODUCT INNOVATION, 

PROCESS INNOVATION AND COMPETITIVE LESSONS FROM 

CONSUMER ELECTRONICS INDUSTRY. Annals of DAAAM & 

Proceedings, 29.

Mahabub, S., Jahan, I., Islam, M. N., & Das, B. C. (2024). The Impact of 

Wearable Technology on Health Monitoring: A Data-Driven Analysis 

with Real-World Case Studies and Innovations. Journal of Electrical 

Systems, 20.

Mckinsey (2022) The future of automotive computing: Cloud and edge

OECD. (1992). Technology and the Economy: The Key Relationships. OECD 

- 77 -

Publishing.

OECD. (2021). The Digital Transformation of SMEs, OECD Studies on SMEs 

and Entrepreneurship, OECD Publishing, Paris

Okoli, C., & Pawlowski, S. D. (2004). The Delphi method as a research tool: 

an example, design considerations and applications. Information & 

management, 42(1), 15-29.

Paraskevas, A., & Saunders, M. N. (2012). Beyond consensus: an alternative 

use of Delphi enquiry in hospitality research. International Journal of 

Contemporary Hospitality Management, 24(6), 907-924.

Porter, M. E. (1979). How competitive forces shape strategy. In Readings in 

strategic management (pp. 133-143). London: Macmillan Education UK.

Porter, M. E. (1980). Competitive strategy. Newyork: Free Press.

Qi, P., Xu, C., & Wang, Q. (2023). What determines the digital transformation 

of SRDI enterprises?—a study of the TOE framework-based 

configuration. Sustainability, 15(18), 13607.

Simamora, S., Rahayu, A., & Dirgantari, P. D. (2024). Driving digital 

transformation in small banks with VRIO analysis. Jurnal Aplikasi Bisnis 

dan Manajemen (JABM), 10(1), 99-99.

Skulmoski, G. J., Hartman, F. T., & Krahn, J. (2007). The Delphi method for 

graduate research. Journal of Information Technology Education: 

Research, 6(1), 1-21.

Tamin, M., & ABDUL ADIS, A. A. (2022). The impact of TOE framework on 

E-commerce advantage among small medium enterprise (SME's) digital 

channel in Malaysia. Journal of Distribution Science, 20(8), 33-46.

Tornatzky, L. G., & Fleischer, M. (1990). The Processes of Technological 

Innovation. Lexington, MA: Lexington Books.

Tushman, M., & Nadler, D. (1986). Organizing for innovation. California 

- 78 -

Management Review, 28(3), 74–94.

Wade, M., & Hulland, J. (2004). The resource-based view and information 

systems research: Review, extension, and suggestions for future 

research. MIS quarterly, 107-142.

Willie, M. (2025). Leveraging digital resources: a resource-based view 

perspective. Golden Ratio of Human Resource Management, 5(1), 01-14.

[소프트웨어정책연구소]에 의해 작성된 [SPRI 보고서]는 공공저작물 자유이용허락 표시기준 

제 4유형(출처표시-상업적이용금지-변경금지)에 따라 이용할 수 있습니다.

(출처를 밝히면 자유로운 이용이 가능하지만, 영리목적으로 이용할 수 없고, 변경 없이 그대로 이용해야 합니다.)

주 의 

1.

이 보고서는 소프트웨어정책연구소에서 수행한 연구보고서입니다. 

2.

이 보고서의 내용을 발표할 때에는 반드시 소프트웨어정책연구소에서 

수행한 연구결과임을 밝혀야 합니다.