연구보고서 RE-196

2025년 공공부문 AI 도입현황 연구

A Study on the Current Status of Artificial Intelligence(AI) Introduction in 

Public Sector 

임영모/임정주/안성원

2026.04.

 

 이 보고서는 2025년도 과학기술정보통신부 정보통신진흥기금을 지원

받아 수행한 연구결과로 보고서 내용은 연구자의 견해이며, 

과학기술정보통신부의 공식입장과 다를 수 있습니다.

목 차

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

제1절 연구 배경 및 목적···································································································· 1

제2절 연구 내용 및 방법···································································································· 2

제2장 용역방식 AI도입 현황조사······················································································· 3

제1절 조사 프로세스 개요 ································································································ 3

제2절 세부 조사 프로세스·································································································· 8

제3절 연도별 인공지능 도입 현황·················································································· 18

제4절 기관 구분별 인공지능 도입 현황········································································ 26

제5절 발주 기관 및 낙찰 기업 현황·············································································· 35

제3장 공공부문 생성형 AI 도입현황················································································ 43

제1절 생성형 AI 현황 조사 방법····················································································· 43

제2절 생성형 AI 도입 현황······························································································· 47

제4장 클라우드 방식 공공부문 AI 도입 현황································································ 56

제1절 디지털서비스 전문계약제도 현황········································································ 56

제2절 클라우드 방식 AI 도입 현황················································································· 63

제5장 시사점·························································································································· 77

참고문헌 ·································································································································· 81

- iv -

표 목 차

<표 2-1> 인공지능 키워드 140 ···················································································· 7

<표 2-2> RAG 분석용 메타데이터 항목 및 설명······················································ 9

<표 2-3> 분석 모델의 판별 신뢰성 검증 결과(혼동 행렬)··································· 11

<표 2-4 > RAG 분석용 입력 데이터 구성 사례······················································ 15

<표 2-5 > RAG 기반 유사 사업 대조 및 판별 결과·············································· 16

<표 2-6> 연도별 인공지능 도입 계약 건수 및 금액·············································· 18

<표 2-7 > 추진단계별 인공지능 도입 계약 건수 ·················································· 19

<표 2-8 > 정책분야별 인공지능 도입 건수 ···························································· 20

<표 2-9 > 활용용도별 인공지능 도입 계약 건수 ·················································· 21

<표 2-10 > 세부 활용용도별 인공지능 도입 계약 건수_대민서비스·················· 22

<표 2-11> 세부 활용용도별 인공지능 도입 계약 건수_업무효율화···················· 23

<표 2-12> 기술유형별 인공지능 도입 계약 건수 ·················································· 24

<표 2-13> 적용기술 키워드 연도별 추이_Top 10··················································· 25

<표 2-14> 기관 구분별 인공지능 도입 기관 수 및 도입 비율 ·························· 26

<표 2-15> 기관 구분별 인공지능 도입 계약건수 및 계약금액 ·························· 27

<표 2-16> 기관 구분별 계약금액 규모별 인공지능 도입 계약 건수 ················ 27

<표 2-17> 기관 구분별 추진단계별 인공지능 도입 계약 건수 ·························· 28

<표 2-18> 기관 구분별 활용 정책분야별 인공지능 도입 계약 건수 ················ 30

<표 2-19> 기관 구분별 활용용도별 인공지능 도입 계약 건수 ·························· 31

<표 2-20> 기관 구분별 대민서비스 목적 인공지능 도입 계약 건수 ················ 32

<표 2-21> 기관 구분별 업무효율화 목적 인공지능 도입 계약 건수 ················ 32

- v -

<표 2-22> 기관 구분별 기술유형별 인공지능 도입 계약 건수 ·························· 33

<표 2-23> 기관 구분별 적용기술별 인공지능 도입 계약 건수(중복 허용) ····· 34

<표 2-24> 국가기관 중 상위 10개 기관의 도입 건수 및 금액 ·························· 36

<표 2-25> 광역자치단체별 활용용도별 인공지능 도입 계약 현황 ···················· 37

<표 2-26> 준정부기관 상위 10개 기관의 도입 현황 ············································ 38

<표 2-27> 기타공공기관 상위 10개 기관의 도입 현황 ········································ 39

<표 2-28> 기업구분별 계약 건수 및 금액 ······························································ 40

<표 2-29> 대기업 중 건수 기준 5대 기업의 계약 건수 및 금액 ······················ 41

<표 2-30> 중견기업 중 건수 기준 5대 기업의 계약 건수 및 금액 ·················· 41

<표 2-31> 중소기업 건수 기준 10대 기업 계약 건수 및 금액 ·························· 42

<표 3-1> 전통적 AI와 생성형 AI 비교······································································ 43

<표 3-2> 생성형 AI 세부 분류 키워드······································································ 45

<표 3-3> 생성형 AI 도입 계약 건수 및 금액·························································· 47

<표 3-4> 추진단계별 생성형 AI 도입 계약 건수 ·················································· 48

<표 3-5> 활용용도별 생성형 AI 도입 계약 건수 ·················································· 49

<표 3-6> 연도별 생성형 AI 핵심 키워드_Top 9····················································· 50

<표 3-7> 기관 구분별 생성형 AI 도입 계약건수 및 계약금액···························· 51

<표 3-8> 기관 구분별 계약금액 규모별 생성형 AI 도입 계약 건수 ················ 52

<표 3-9> 기관 구분별 추진단계별 생성형 AI 도입 계약 건수 ·························· 52

<표 3-10> 기관 구분별 활용용도별 생성형 AI 도입 계약 건수 ························ 53

<표 3-11> 기관 구분별 대민서비스 목적 생성형 AI 도입 계약 건수 ·············· 54

<표 3-12> 기관 구분별 업무효율화 목적 생성형 AI 도입 계약 건수 ·············· 54

<표 3-13> 기관 구분별 생성형 AI 핵심 키워드_Top 9········································· 55

<표 4-1> 연도별 서비스유형별 계약 건수 및 금액················································ 58

- vi -

<표 4-2> 연도별 계약유형별 이용계약 현황···························································· 59

<표 4-3> 연도별 수요기관유형별 이용계약 현황···················································· 60

<표 4-4> 연도별 수요기관유형별 서비스유형별 이용계약 현황·························· 61

<표 4-5> 수요기관유형별 계약규모별 이용계약 현황············································ 62

<표 4-6> SaaS 유형의 세부 서비스 등록 현황························································ 65

<표 4-7> SaaS 분류별 AI 융합 SaaS 서비스명 및 주요 기능······························ 67

<표 4-8> SaaS 서비스 유형별 계약 건수 및 금액(억원)······································· 68

<표 4-9> AI SaaS 주요 기업의 계약 현황_Top 10················································· 69

<표 4-10> 일반 SaaS 주요기업 현황_Top 10··························································· 70

<표 4-11> 연도별 클라우드지원서비스 계약 건수 및 금액·································· 72

<표 4-12> 클라우드지원서비스 주요 기업 현황_Top 10······································· 73

<표 4-13> 융합서비스 유형별 기업 및 서비스························································ 75

<표 4-14> 융합서비스 유형 연도별 도입 현황························································ 76

<표 4-15> 융합서비스 유형 상위 8대 공급기업······················································ 76

- vii -

그 림 목 차

[그림 2-1] 과거 AI사업 데이터베이스 구축································································ 8

[그림 2-2] 프롬프트 엔지니어링 및 판별 성능 평가············································· 10

[그림 2-3] 2024년 분석 대상의 필터링 및 최종 선정··········································· 12

[그림 4-1] 디지털서비스 전문계약 체계도······························································· 56

[그림 4-2] 디지털서비스 전문계약 이용철차도······················································· 57

- viii -

요  약  문

1. 제 목 : 공공부문 AI 도입현황 연구

2. 연구 목적 및 내용

인공지능 기술의 발전에 따라 공공분야에서도 인공지능 도입 및 활용 범위의 확대가 

업무 생산성 및 효율성 개선과 대민서비스 향상에 기여할 것으로 전망한다. 이러한 기

대감 속에 현 정부는 다양한 인공지능 정책 추진을 통해 인공지능 도입과 활용에 대한 

중요성을 강조하고 있으며, 향후 정책 개선 요인을 도출하는 차원에서 공공부문의 인

공지능 도입현황에 대한 기초 자료를 마련하는 것은 필수적인 요소이다.

이번 연구에서는 2년간 사용했던 조달 용역 데이터 기반 방법의 객관성을 높이기 위

해 전문가 개입을 최소화할 수 있는 AI 모델 기반 방법론 개발에 주안점을 두었다. 또

한 급변하는 AI 환경에 맞춰 공공부문의 생성형 AI 도입을 위한 용역 계약을 별도로 

선별하여 현황을 파악하고, 용역 방식 도입 외에 향후 확대가 예상되는 디지털전문계

약제도를 활용한 클라우드 방식 도입 현황을 추가로 조사하는 것을 목적으로 하였다. 

3. 연구 결과

가. 용역방식 도입현황

과거 10년(2015∼2024년)간 공공부문 조달계약 중 인공지능(AI) 도입 계약 건수는 

6,975건이다. 412개 공공기관의 65.0%인 268개 기관이 인공지능을 도입한 것으로 나타

났다. 조사 대상 기관 중 자체적인 ICT 시스템을 보유하지 않은 소규모 기관이 다수 

포함되어 있어 이들을 제외하면 공공기관의 실질 도입률은 크게 높아질 것이다.

(연도별 추이) 공공기관의 인공지능 도입은 2016년 알파고 쇼크 이후 매년 빠르게 증

가하였다. 인공지능 계약은 2015년 221건에서 2024년 1,215건으로 약 5.5배 가까이 증

가했으며, 금액은 2,443억원에서 2조 8,207억원으로 늘어났다. 이에 따라 공공기관의 전

체 ICT관련 용역 계약 중 인공지능이 차지하는 비중도 금액 기준으로 2016년 3.33%에 

불과했으나 점진적으로 증가하여 2020년 이후 10% 수준으로 늘어났다. 

(추진단계) 2017년부터 인공지능 모델과 기술을 개발하는 연구단계와 시스템도입을 

- ix -

위한 ICT컨설팅 단계가 빠르게 늘어났다. 기존 시스템 고도화를 포함한 구축 단계는 

2019∼20년 2년간 빠르게 증가한 후 연간 500건 정도를 유지하고 있다. 반대로 유지관

리 단계는 2017∼20년 사이 비중이 크게 줄었다가 점차 늘어나고 있다. 

(정책 분야) 정책 분야별로는 전자정부, 민원 서비스 등에 관련된 시스템 수요가 많은 

일반공공행정 분야가 지속적으로 전체의 20% 이상의 가장 높은 비중을 차지하고 있다. 

다음으로 공공질서 및 안전(범죄예방, 재난재해 대응 등) 15.6%, 교통/물류 (지능형 교

통망 등) 11.0%, 문화/체육/관광(전자도서관, 문화재 안내 등) 6.7%, 보건 (복지사각지대 

발굴 등) 4.8% 순으로 많이 도입되었다.

(활용용도) 연도별 활용용도는 전체적으로 대민서비스 44.9%, 업무효율화 55.1%로 업

무효율화 비중이 10% 정도 높다. 2016년까지는 대민서비스 비중이 높았으나, 이후 업

무효율화 용도 도입이 빠르게 늘어나 2019년 60.3%로 정점을 기록하고 점차 낮아지고 

있는 추세이다. 이러한 결과는 공공기관의 인공지능 도입이 딥러닝 등장 초기에는 주

로 내부의 업무 수행 역량을 높이기 위한 목적으로 추진되었으나 2020년대 들어서는 

챗봇, 추천시스템 등의 기술이 급속히 발전하면서 점차 대민서비스를 위한 인공지능 

도입이 증가한 결과이다.

(기술유형) 기술유형별로 살펴보면 전체적으로 언어지능(36.0%), 전문가시스템(34.5%), 

시각지능(19.2%) 순으로 과제가 많이 진행되었고, 일부 과제는 기술을 복합적으로 사용

하였다. 언어지능의 경우 초반 규칙 기반의 TTS, STT 등의 과제가 많아 가장 높은 비

중을 차지했으나 점차 축소되고 있다. 대신, 전문가시스템은 매년 큰 폭으로 증가하여 

2022년 전체 용역 중 45%로 가장 높은 비중을 차지하고 있다. 

(적용기술) 과거 인공지능은 장애인의 홈페이지 접근성 제고를 위한 TTS 기술과 문서

의 디지털화를 위한 OCR 기술에 주로 적용됐었다. 아래 표에서 2016년까지 수치를 보

면 2개 기술이 다른 키워드에 비해 압도적으로 많다. 하지만 2017년부터 ‘기계학

습’,‘딥러닝’의 적용이 급하게 증가하면서, TTS와 OCR 비중은 빠르게 감소한다. 한

편, 챗봇은 2017년 8건을 시작으로 2020년부터 급속히 확산되어 2024년 325건으로 가

장 많이 등장하는 키워드가 되었다. 또한 음성인식과 비정형 데이터 처리 기술이 발전

하면서 STT와 자연어처리 적용도 점진적으로 확대되고 있다.

(기관구분별) 기관 구분별 계약 건수는 국가기관(38.8%), 지자체(31.4%), 준정부기관

(15.6%), 기타공공기관(13.1%) 순으로 많고, 총 계약금액은 국가기관(47.1%), 준정부기관

(21.5%), 지자체(20.0%), 기타공공기관(9.3%) 순으로 많다. 국가기관과 준정부기관의 건

당 평균 계약금액은 20억 원 이상으로 지자체의 평균 10.8억에 비해 약 2배 크다. 이는 

예산 규모가 작은 기초 지자체의 계약도 포함된 영향이 있다.

공기업을 제외한 4개 공공기관 유형 중 국가기관, 준공공기관, 기타 공공기관 등 3개 

- x -

유형의 기관은 정부 부처를 중심으로 밀접하게 연결되어 있어 유형 간 차이가 크지 않

다. 반면 지자체의 경우 중앙정부와 독립적으로 정책이 수립·결정되기 때문에 인공지

능 기술 도입의 분야, 목적, 절차 등 여러 측면에서 다른 기관과 차이가 크다. 

지자체의 경우 활용 정책분야 중 공공질서 및 안전과 교통/물류의 비중이 중앙정부 

기관과 비교해 압도적으로 높다. 또한, 추진단계 중 구축과 유지보수 단계가 90% 이상

으로 대부분을 차지한다. 대형 구축 사업이 적고 주민 생활에 밀착된 문제를 해결하는 

1억원 이하의 소규모 사업이 많은 부분을 차지하고 있다. 또한, 지자체는 기계학습, 딥

러닝의 빈도는 상대적으로 많이 낮으며, 대신 과거 장애인 접근성 향상을 위해 사용되

던 TTS 비중은 높다.

(발주기관) 국가기관에서는 건수 기준으로 기상청, 문화체육관광부, 행정안전부 순으

로 인공지능 시스템을 많이 도입했다. 대규모 시스템을 보유한 대법원, 과학기술정통부

(우정사업본부), 행정안전부, 국세청, 국방부, 조달청 등이 투자금액에서 상위 기관에 

위치하였다.

지방자치단체에서는 경기도가 건수(596건), 금액(6,957억원)에서 다른 지자체와 큰 차

이를 보이며 가장 적극적으로 인공지능을 도입하고 있다. 경기도는 많은 인구와 복잡

한 교통 문제를 가지고 있어 교통 관련 시스템 구축과 민원처리 관련 대민서비스 과제

를 많이 수행하였다. 경기도 외에 서울특별시와 경상남도, 경상북도가 건수와 계약 금

액에서 상위권을 차지하고 있다.

(낙찰기업) 공공부문 인공지능 도입 계약 6,975건의 공급기업은 총 1,803개이고 평균 

계약금액은 16.8억원이다. 이를 조달정보개방포탈의 기업구분에 따라 나누어 살펴보면, 

대기업(110.9억원), 중견기업(60.3억원), 중소기업(12.1억원), 비영리법인(14.0억원), 비영

리 중소기업(6.7억원) 순으로 기업의 규모에 따라 평균계약금액이 작아지는 것을 확인

할 수 있다. 한편, 전체 인공지능 건수 중에 중소기업이 87.6%의 계약을 낙찰받은 것으

로 나타났다.

나. 생성형 AI 도입현황

생성형 AI 확산의 계기가 된 챗GPT 출시 이후 공공부문에서 해당 기술을 탐색하고 

실질적인 예산 편성과 사업 발주로 이어지기까지의 행정적 소요 기간을 고려하여 조사

범위는 2023년과 2024년 2개년도로 하였다. 별도로 선별한 생성형 AI 키워드로 관련 

사업을 축출한 후 전수조사를 실시한 결과, 2개년 동안 총 66건(2023년 24건, 2024년 

- xi -

42건)이 생성형 AI 도입 사업으로 선별되었다.

(연도별 추이) 생성형 AI 도입 계약 건수는 2023년 24건에서 2024년 42건으로 18건 

증가(75.0%)하였으며, 계약 금액은 478억 원에서 695억 원으로 217억 원 증가(45.4%)하

였다. 이에 따라 전체 인공지능 용역 중 생성형 AI가 차지하는 비중은 건수 기준 2023

년 2.4%에서 2024년 3.5%로, 금액 기준 1.8%에서 2.5%로 소폭 상승하였다.

(추진단계) 2024년 기준 연구(R&D) 단계 비중은 23.8%(10건)로 전년 12.5%(3건) 대비 

증가하였으며, ICT컨설팅 단계 역시 14.3%(6건)로 전년 4.2%(1건) 대비 증가하였다. 구

축 단계는 50.0%(21건)로 가장 높은 비중을 차지하고 있으나 전년 66.7%(16건) 대비 비

중은 감소하였고, 유지관리 단계는 11.9%(5건)로 나타났다.

(활용용도) 2023년에는 업무효율화(15건)가 대민서비스(9건)보다 많았으나, 2024년에는 

대민서비스가 22건으로 증가하여 업무효율화(20건)와 유사한 건수를 기록하였다. 합계 

기준 대민서비스 분야(31건)는 '정보제공' 유형이 17건(54.8%)으로 가장 많았으며, 업무

효율화 분야(35건)는 '업무처리지원'과 '의사결정지원'이 각각 14건(40.0%)으로 집계되었

다.

(핵심 키워드) 제안요청서 등에서 언급된 핵심 키워드 빈도를 보면, 'GPT'는 2023년 

89건에서 2024년 42건으로 감소한 반면, '생성형 AI'는 73건에서 277건으로, 'LLM'은 27

건에서 107건으로 증가하였다. 또한 'RAG(검색 증강 생성)' 키워드가 2023년 28건에서 

2024년 71건으로 증가하였으며, '프롬프트'(19건), '파인튜닝'(8건) 등의 기술 용어가 상

위권에 등장하였다.

(기관구분별) 기관 유형별 도입 규모는 해당 연도에 발생한 특정 대규모 사업의 영향

이 크게 반영되었다. 2023년에는 국방부의 플랫폼 구축 사업(약 160억 원)으로 인해 국

가기관의 계약 금액 비중이 높았으며, 2024년에는 대한법률구조공단 및 경기도 성남시

의 사업 추진으로 기타공공기관과 지자체의 계약 금액이 증가하였다. 

다. 클라우드 방식 도입현황

(SaaS 유형) AI SaaS의 도입 건수는 2021년 7건이 최초로 확인된 이후 2024년 65건, 

2025년 73건으로 매년 증가세를 기록하고 있다. 특히 금액 측면의 성장이 뚜렷하게 나

타나는데, 2021년 1억 원 규모였던 AI 융합 SaaS의 연간 계약 금액은 2025년 66억 원

으로 증가하며 동기간 일반 SaaS의 계약 금액인 47억 원을 처음으로 추월하였다. 이는 

AI 도입 건수가 일반 SaaS의 약 절반 수준임에도 불구하고, 실제 시장 규모 측면에서

는 AI 서비스가 시장의 성장을 견인하기 시작했음을 보여준다.

- xii -

(클라우드지원서비스 유형) 디지털서비스몰에 등록되어 있는 클라우드지원서비스는 

2025년 기준 총 66개이다.  클라우드지원서비스의 이용계약 건수는 제도 도입 이후 꾸

준히 유지 및 확대되는 추세이나 계약 금액은 특정 시기의 대규모 사업 포함 여부에 

따라 변동성을 보이고 있다. 연도별 계약 건수는 2021년 4건에서 시작하여 2023년 50

건, 2024년 59건, 2025년 58건으로 안정적인 수준을 유지하고 있다. 반면 연도별 계약 

금액은 2023년에 1,111억 원으로 최고치를 기록한 이후 2024년 264억 원, 2025년 307억 

원으로 축소되었다.

(융합서비스 유형) 융합서비스의 이용계약은 제도 도입 초기인 2021년 8건에서 시작

하여 2025년 14건으로 증가하였다. 연도별 계약 건수는 매년 일정 수준을 유지하고 있

으나 2025년에는 특정 대규모 프로젝트의 발주로 인해 계약 금액이 급격히 증가하였

다.

4. 시사점

이와 같은 지난 10년 간의 양적 성장으로 딥러닝 기술을 사용하여 대량 데이터 분류, 

특정 패턴 식별 등을 통해 업무 효율화하려는 공공부문 AI 도입의 1차 사이클은 마무

리되고 있는 것 같다. 추진단계를 보면 ICT컨설팅과 구축 단계가 차지하는 비중이 

2020년 정도에 정점을 찍고 점차 하락하고 있으며, 이후 유지보수 단계 비중이 점진적

으로 높아지고 있다. 그런데, 2023년 OpenAI의 GPT발표 후 생성형 AI가 전세계적인 화

두로 부상하면서 공공부문의 AI 도입의 2차 사이클이 시작되고 있다. 생성형 AI 도입은 

2024년부터 본격화되기 시작했기 때문에 아직 도입한 기관이 많지 않지만 2023년 대비 

2배 정도 늘었으며 이후 조사에서는 큰 폭으로 증가할 것으로 예상된다. 

디지털전문계약 제도가 가진 여러 가지 장점에도 불구하고 아직 클라우드 방식 도입

이 정착되지 못하고 있다. 가장 큰 이유는 공공기관 ICT시스템의 클라우드 전환이 느

리게 진행되고 있기 때문인 것으로 생각된다. 현재 아마존, 구글, MS 등 글로벌 클라우

드 업체들은 컴퓨팅 자원 공급을 넘어 AI 개발 및 적용에 최적화된 시스템과 서비스 

제공에 사활을 걸고 있다. 정부의 클라우드 전환도 이들 글로벌 기업의 방향에 맞춰 

AI 도입에 최적화 되도록 추진되어야 한다. 또한 개별기관 차원에서 클라우드 전환을 

결정하기에는 많은 제약이 있을 수 있으니, 정부차원에서 보다 많은 기술 및 예산 지

원이 필요하다.  

- xiii -

통계 및 현황조사에 있어 AI 활용은 기존 조사의 생산성을 높여주고, 신규 조사 개발

의 가능성을 높여준다. 아직 통계조사에 AI 활용은 초기 도입 단계로 보다 많은 지원

과 시도가 필요하다.

- 1 -

제1장

서론

제1절

연구 배경 및 목적

인공지능(AI) 도입의 목적은 통합적·선제적·맞춤형 서비스를 모든 국민이 '언

제, 어디서나' 편리하게 이용할 수 있도록 보장하는 것에 있다. 특히 ChatGPT 등

장 이후 생성형 AI 기술의 급속한 발전과 디지털 플랫폼 정부 구현 정책에 따라 

공공분야의 인공지능 도입 및 활용범위 확대가 국민 대상 업무의 생산성 및 효율

성 개선과 대민서비스 혁신에 기여할 것으로 전망된다.

이러한 패러다임 변화에 대응하기 위해 소프트웨어정책연구소는 2022년부터 국

내 공공부문 AI 활용 현황에 대한 체계적 연구를 수행해왔다. 설문조사 방식으로 

수행된 2022년 실태조사는 41개 중앙부처, 17개 광역자치단체, 350개 공공기관을 

대상으로 AI 기술 도입 및 활용현황, 도입 효과, 애로사항, 인력, 활용사례 등을 

포괄적으로 파악하여 공공부문 AI 활용에 대한 기초 현황을 제시하였다. 하지만 

설문을 통해 진행된 조사에서 얻은 제한된 정보로 AI 기술이 적용된 모든 프로젝

트를 포함하여 현황을 파악하는 것은 한계가 존재하였다. 

2023년과 2024년 연구에서는 조달 데이터 기반 분석 체계를 새롭게 구축하여 설

문조사의 한계를 보완하였다. 과거 10년간의 조달청 입찰·계약 정보를 활용하여 

공공부문 인공지능 도입 사업을 사업 단위에서 체계적으로 분석하는 방법론을 개

발하였다. ICT 시스템 관련 용역계약과 제안요청서(RFP), 과업지시서 등 첨부 문

서를 수집한 후, 텍스트 마이닝과 전문가 검토를 결합한 방식으로 AI 관련 사업을 

분류하고, 추진단계, 활용 분야, 적용 기술, 서비스 유형 등 주요 정보를 데이터베

이스(DB) 형태로 구조화하였다. 또한 심층인터뷰를 통해 타 기관에 시사점을 제공

할 수 있는 사례를 선별해 성공요인 등을 분석하였으며, 공공기관 유형별로 겪고 

있는 공통 이슈를 도출하였었다.

이번 연구에서는 2년간 사용했던 조달 용역 데이터 기반 방법의 객관성을 높이

기 위해 전문가 개입을 최소화할 수 있는 AI 모델 기반 방법론 개발에 주안점을 

두었다. 또한 급변하는 AI 환경에 맞춰 공공부문의 생성형 AI 도입을 위한 용역 

계약을 별도로 선별하여 현황을 파악하고, 용역 방식 도입 외에 향후 확대가 예상

되는 디지털전문계약제도를 활용한 클라우드 방식 도입 현황을 추가로 조사하는 

것을 목적으로 하였다. 

- 2 -

제2절

연구 내용 및 방법

본 연구의 공공부문 인공지능 도입현황 조사는 데이터의 수집, 분류, 정제, 

분석의 단계를 거쳐 수행되었으며, 조달청의 용역계약 데이터와 디지털서비스 

이용지원시스템의 계약 내역을 양대 축으로 하여 분석을 진행하였다. 구체적인 

연구 내용 및 수행 방법은 다음과 같다.

첫째, 기존 조달청 용역계약 데이터를 활용한 조사 방법론을 AI 모델을 사용하

여 고도화하였다. 기존 방법론은 AI 관련 키워드의 포함 여부로 1차 선별 후 전문

가가 일일이 검토하여 최종적으로 AI 도입계약을 선별하였다. 이러한 과정은 전문

가 사이에 판정 기준 편차가 발생할 수 있으며, 비용과 시간도 많이 소요된다. 이

를 개선하기 위해 이번 연구에서는 문맥과 의미를 파악할 수 있는 RAG(검색증강

생성) 방식의 거대언어모델(LLM) 분석 체계를 도입하여, 제안요청서(RFP) 등 비정

형 문서의 전체 맥락을 분석함으로써 사업의 실질적인 내용을 정확히 파악하고 

통계의 신뢰성을 제고하고자 하였다. 

둘째, 최근 인공지능 분야의 핵심으로 부상한 생성형 AI(Generative AI)의 도입 

및 활용 실태를 별도로 조사하였다. 생성형 AI 관련 키워드를 추가하고 필터링한 

후 전문가 검토를 통해 최종적으로 공공부문의 생성형 AI 도입 사업을 선별한다. 

셋째, 기존 용역 사업 위주의 조사 범위를 확장하여 디지털서비스 전문계약제도

를 통한 클라우드 방식 현황을 파악했다. 2020년 도입된 디지털서비스 전문계약제

도는 클라우드 기반의 서비스를 신속하게 도입하기 위한 제도로 빠르게 변화하는 

AI 기술 대응에 있어 중요성인 높아지고 있다. 따라서 이번 연구에서는 조사 범위

를 디지털서비스몰까지 넓혀 여기에 등록된 SaaS 데이터 등을 수집 및 정제함으

로써, 공공부문의 클라우드 기반 인공지능 서비스 활용 현황까지 포함한 전체적인 

도입 규모를 파악한다.

- 3 -

1)

 국가계약법 시행령 92조의 2, 지방계약법 시행령 124조

2)

 행정안전부, 2025년 정부기구도표

3)

 기획재정부, 2025년도 공공기관 지정 보도자료, 2025.1.21.

제2장

용역방식 AI도입 현황조사

제1절

조사 프로세스 개요 

1.

조사 대상 및 범위 

본 연구는 국내 공공부문의 인공지능(AI) 도입 현황을 보다 객관적으로 파악하기 

위해 조달청 조달정보개방포털(data.g2b.go.kr)의 계약·입찰공고 내역 자료를 사

용하였다. 국가기관, 지방자치단체 및 공기업 등은 관련 법률1)에 의해 발주계획, 

입찰공고, 계약 및 계약변경사항 등 공공조달 정보 공개가 의무화되어 있다. 이에 

따라 조달정보개방포털에는 나라장터와 자체 조달 정보가 모두 등록되어 있다. 

하지만 자체 조달 체계를 갖고 있는 일부 기관의 경우 입찰 공고번호, 첨부문서

(제안요청서, 과업지시서 등) 등 계약 정보가 누락되어 있는 경우가 있어 본 조사

에서 빠질 수 있다. 특히, 공기업의 경우 영업상 비밀의 이유로 자체 조달 정보를 

누락하거나 일부 항목만 등록하는 사례가 많아 실제 도입 현황과 차이가 발생할 

수 있다. 

조사 대상 기관은 2024년 기준으로 국가기관(부/처/청/원/실/위원회) 64개2), 지자

체 17개, 공공기관 331개(공기업 31개, 준정부기관 57개, 기타공공기관 243개)3)를 

포함하여 총 412개이다. 지자체의 경우 17개 광역지자체 외에 기초 지자체를 포함

하여 조사 대상을 선정했다.

 조사 대상 기간은 계약일자 기준으로 10년(2015/01/01 ~ 2024/12/31)이다. 이번 

연구 목적 중 하나가 AI모델을 활용한 조사방법론 개발이어서, 작년 연구 데이터

(`14∼`23)는 유지하고 2024년만 신규로 조사하였다. 작년 데이터는 AI모델 학습 

및 검증용으로 사용했으며, 2015∼2023년 데이터는 2024년 조사 결과와 결합하여 

공공부문의 AI 도입 추세를 분석하는데 사용하였다. 

- 4 -

4)

 아마존의 AWS Bedrock은 여러 LLM을 API로 제공하는 완전 관리형 서비스로, 사전 학습된 기초 모델을 

호출·활용해 생성형 AI 애플리케이션을 쉽게 구축·배포할 수 있게 해줌

2.

AI 모델 설계

조사대상 기관이 맺은 ICT관련 전체 용역계약은 1년 평균 5만건 이상이다. 1개 

계약 당 평균 3∼4개의 첨부문서가 있어 모든 문서를 AI를 사용해서 판별하는대

는 많은 시간과 비용이 소요된다. 그래서 본 연구에서는 AI 관련 키워드로 1차 선

별한 후 AI모델을 사용해 최종 선별하였다.   

AI 모델 적용에 앞서 전년 연구에서 수집했던 2014년부터 2023년까지 첨부문서 

3만 여개를 전처리하여 JSON형식의 메타데이터 DB를 구성하였다. 이 메타데이터

는 기존 정의된 사업명, 수요기관, 정책 분야 등 기초적인 정형 정보뿐만 아니라, 

첨부 문서에서 LLM을 활용해 추출한 사업 목적 요약 및 AI 관련 적용 기술 정보

등을 포함한다. LLM은 AWS Bedrock 서비스4)에서 제공하는 클로드(Claude) 모델

을 사용하였다. 인공지능이 과거 10년간의 데이터를 검색하기 위해서는 문서를 수

치 형태로 변환하여 저장하는 벡터 데이터베이스 구축이 필수적이다. AWS 

Bedrock은 이러한 복잡한 기술적 설정 과정을 간소화하여 연구자가 분석에 필요

한 데이터를 신속하게 준비할 수 있는 환경을 지원한다.

인공지능을 사용해 AI 사업을 선별할 때 사용할 수 있는 텍스트 분석 AI 모델은 

크게 BERT와 GPT 같은 생성형 LLM 2가지로 나눌 수 있다. 전통적인 인공지능 

모델인 BERT는 문맥 파악 성능이 우수한 장점이 있으나, 한 번에 처리할 수 있는 

입력 길이가 약 512 토큰 내외로 제한되어 있다. 이는 한글 글자 수로 환산할 경

우 약 1,000자 수준에 불과하다. 반면 공공기관의 제안요청서는 평균 20,000자가 

넘는 방대한 분량으로 구성되어 있어 기존 모델로는 문서 전체의 맥락을 파악하

는 데 한계가 있다. 만약 BERT 모델의 처리 범위를 제안요청서 수준으로 확장하

고자 한다면 연산량과 메모리 사용량이 입력 길이에 비례하여 증가한다. 이 경우 

일반적인 전산 자원으로는 처리가 불가능하며 고성능 그래픽 처리 장치와 같은 

대규모 하드웨어 장비 구매 및 운영을 위한 막대한 비용이 소요된다. 

반면 생성형 LLM은 대규모 문맥 처리에 특화되어 별도의 하드웨어 추가 구축 

없이도 제안요청서 원문 전체를 데이터 손실 없이 한 번에 분석할 수 있다. AWS

를 비롯한 대부분의 클라우드 서비스는 여러 가지 생성형 AI모델을 제공하고 있

어 사용 목적에 알맞은 AI 모델을 선택할 수 있다. 또한 자체 모델 개발없이 프롬

프트 엔지니어링만으로 결과를 얻을 수 있어 시간과 자원의 제약을 극복할 수 있

- 5 -

5)

 Coursera & Remio 기술 비교 보고서, Anthropic vs. OpenAI: What's the Difference?

다. 다만 생성형 LLM은 사용자의 요구에 맞춰 그럴듯한 답을 주는 환각현상

(hal1ucination)이 나타날 수 있어 BERT 모델보다 부정확한 답을 줄 가능성이 있

다.

이상의 검토결과를 토대로 과제 수행 기간과 예산을 고려하여 본 연구에서는 2

가지 방식 중 생성형 LLM을 선택하였다. 생성형 LLM의 환각현상을 최소화하기 

위해 GPT, 제미나이, 클로드 등 여러 AI 모델 중 클로드를 사용하였다. 그리고 인

공지능이 사전에 학습된 일반적인 지식에만 의존하지 않고, 앞서 구축된 공공 조

달 데이터 DB를 근거로 판단하도록 RAG 방식으로 모델을 구성하였다.

클로드는 원칙 기반(Constitutional AI)5) 설계 방식을 채택하여 분석의 객관성과 

일관성이 우수하다. GPT, 제미나이 등 대다수의 인공지능 모델이 사람의 피드백

에 의존하여 학습하는 방식(RLHF)을 사용하여 판단 기준에 주관이 개입될 여지가 

있는 것과 달리, 클로드는 사전에 정의된 명확한 원칙에 따라 판단하도록 설계되

었다. 이러한 특성은 공공기관의 사업 데이터를 분류할 때 연구자의 주관적인 개

입을 최소화하고 통계적 중립성을 유지하는 데 적합하다. 또한 클로드는 타 모델 

대비 넓은 문맥 유지 범위(약 20만 토큰 이상)를 지원하여 분량이 방대한 제안요

청서 전체를 누락 없이 한 번에 분석함으로써 정확한 판단 결과를 도출한다.

RAG(Retrieval-Augmented Generation)는 인공지능이 사전에 학습한 내부 정보에

만 의존하지 않고 연구자가 지정한 별도의 문서를 직접 참조하여 정보를 처리하

는 기술이다. 이는 인공지능이 사전에 습득한 지식만으로 답을 작성하는 것이 아

니라 제공된 참고 문헌을 확인하며 판단을 내리는 오픈북 시험과 유사한 방식으

로 작동한다. 일반적으로 인공지능은 학습되지 않은 정보에 대해 사실과 다른 내

용을 마치 사실인 것처럼 임의로 생성하는 환각 현상을 보일 수 있다. RAG 기술

은 인공지능이 실제 제공된 근거 자료 내에서만 분석 결과를 도출하게 함으로써 

이러한 환각 현상을 방지하고 판별 결과의 객관성을 확보하는 데 용이하다.

결론적으로 이번 연구에서는 RAG 방식 클로드 LLM(이하 RAG LLM)으로 공공부

문의 AI 사업을 선별하였다. 일반적인 생성형 LLM이 검색된 내용을 바탕으로 답

변 문장을 새로 만드는 '생성'에 중점을 둔다면, 본 연구에서는 2024년 신규 사업 

내용이 과거 10년간의 데이터와 얼마나 일치하는지를 '대조'하는 데 집중한다. 이

는 인공지능이 정보를 임의로 생성하는 것을 방지하고, 과거 조달 데이터라는 객

관적 근거에 기반하여 인공지능 사업 여부를 판별하기 위함이다. 세부적인 프로세

스는 다음 절에서 설명한다.

- 6 -

3.

키워드 선정

2024년 선행 연구에서 확정된 핵심 키워드를 바탕으로, 급변하는 생성형 AI 생

태계와 공공 부문 사업의 구체화 경향을 반영하여 총 40개의 키워드를 신규 추가

하였다. 이를 통해 최종 140개의 핵심 키워드 체계를 확정하였으며, 추가된 키워

드의 도메인별 주요 서술 내용은 다음과 같다.

첫째, 생성형 AI 및 기반 기술 측면에서는 범용적으로 활용되는 대표 모델명과 

최신 아키텍처를 대폭 반영하였다. 기존의 포괄적인 인공지능 용어를 넘어 초거대

AI, sLLM, 기반모델과 함께 Transformer, Bert, Llama 등 구체적인 기술 구조와 

백본 모델을 추가하였다. 또한 시장을 주도하는 대표적 범용 모델인 챗GPT, 

Gemini, Claude를 포함하였으며, 멀티모달, 코파일럿, 딥페이크, 보이스 클로닝, 프

롬프트 엔지니어링 등의 응용 기술을 추가하였다. 특히 모델의 성능과 신뢰성을 

결정짓는 할루시네이션(환각) 제어 및 인컨텍스트 러닝(In-Context Learning) 기술

을 포함하였다.

둘째, 스마트 융합 및 도메인 특화 영역에서는 사업의 목적이 명확히 드러나는 

서비스 명칭과 실무 용어를 보강하였다. 도시 및 인프라 분야의 스마트도시, 스마

트팜, 디지털 트윈, 스마트 팩토리를 비롯하여, 교통 및 관제 분야의 핵심 용어인 

지능형교통체계, 지능형 관제, 예보모델 등을 추가하였다. 또한 산업 현장의 인공

지능 전환을 상징하는 자율제조, 이상징후 탐지, 디지털 헬스케어를 분석 대상에 

포함함으로써, 인공지능 기술이 특정 산업 도메인과 결합하여 실질적인 서비스 형

태로 구체화되는 최근의 경향을 반영하였다.

셋째, 기술 구현 방식 및 운영 환경과 관련해서는 단순 도입을 넘어 구체적인 

구축 전략을 명시하는 용어들을 정의하였다. 생성형 AI의 성능 고도화와 운영을 

위한 RAG(검색증강생성), 파인튜닝, 하이퍼파라미터 최적화 기술과 함께 지속 가

능한 운영 체계인 LLMOps, 오케스트레이션, 클러스터링, 벡터 데이터베이스를 추

가하였다. 하드웨어 인프라 측면에서는 GPU, NPU를, 실질적인 업무 수행 주체로

는 AI 에이전트 및 업무 자동화 에이전트를 정의하였다. 또한 보안성과 전문성을 

고려한 구축형 AI와 데이터분석모델을 통합적인 관점에서 분석 대상에 포함하였

다.

일부 범용 IT 및 인프라 용어를 키워드 체계에 포함한 것은 최근 생성형 AI 사

업이 단순 모델 호출을 넘어 복합적인 시스템 아키텍처 구축 단계로 진화했음을 

반영하기 위함이다. 오케스트레이션은 LangChain과 같이 여러 LLM과 외부 도구 

- 7 -

간의 작업 흐름을 제어하는 핵심 기술로 부상했으며, 클러스터링은 RAG 구현의 

필수 단계인 벡터 데이터베이스 구축 시 텍스트 임베딩을 효율적으로 그룹화하는 

기법으로 활용되고 있다. 또한 데이터분석모델은 기존 정형 데이터 분석에 생성형 

AI의 자연어 해설을 결합하는 형태의 사업이 공공 부문에서 구체화됨에 따라 이

를 정밀하게 포착하기 위해 포함하였다.

인공지능, 지도학습, 성능분석, 시맨틱검색, 의미추출, 알고리즘개발, 비지도학습, 

인지컴퓨팅, 신텍틱검색, 데이터전처리, 알고리즘추천, 자동추론, 시맨틱웹, 지능형, 

정형데이터, 학습알고리즘, 자율주행, 사전감지예측예방, 자율주행차, 스마트, 

분석알고리즘, 지능형로봇, 지능형보안, 바드, 학습모듈, 머신러닝, 언어학습, 

데이터학습, 왓슨, 스마트러닝, 인공신경망, 기계학습, 비정형데이터, 대화모델링, 

온톨로지모델개발, 신경망모델, 자연어이해, 지능, 지능화기술도입, 시각지식, 딥러닝, 

형태소분석기, AI탐지, 데이터마이닝, 로보틱스, LLM, 신경망, 챗봇, 빅데이터, 

데이터시각화, AI, 베이지안, 챗봇용, 처리모듈, 예측모델, AI+X, 시각인식, 웹챗봇, 

음성인식, 예측모듈, TTS, 지능엔진, 챗봇창, 대화모델, 자율진단, STT, 지능형맞춤, 

채팅로봇, 교육용로봇, 패턴분석, OCR, 지능정보기술, 언어모델, 서비스로봇, 자연어, 

학습데이터, 음성학습, 추론, 언어문맥분석, 직무온톨로지, 자연어처리, 음성합성, 

프롬프트, 패턴인식, 기계번역, 지능화, 음성처리, 컴퓨터비전, 지식표현, 내용기반 

영상검색, 알고리즘, 형태소사전, 튜링시험, 데이터사이언스, 행동인식, 추론엔진, 

형태소분석, 데이터셋, 단어인식, 사이버네틱스, 초거대AI, sLLM, 기반모델, 

Transformer, Bert, Llama, 챗GPT, Gemini, Claude, 멀티모달, 코파일럿, 딥페이크, 

보이스 클로닝, 프롬프트 엔지니어링, 백본 모델, 할루시네이션, 인컨텍스트 러닝, 

스마트도시, 스마트팜, 디지털 트윈, 지능형교통체계, 예보모델, 스마트 팩토리, 디지털 

헬스케어, 이상징후 탐지, 자율제조, 지능형 관제, RAG, 파인튜닝, 하이퍼파라미터, 

LLMOps, 오케스트레이션, 클러스터링, 구축형 AI, 데이터분석모델, AI 에이전트, 

GPU, NPU, 벡터 데이터베이스, 업무 자동화 에이전트

<표 2-

1

> 인공지능 키워드 140 

- 8 -

제2절

세부 조사 프로세스

1.

과거 AI사업 데이터베이스 구축

[그림 2-

1

 ] 과거 AI사업 데이터베이스 구축

기존 연구를 통해 확보된 2014년부터 2023년까지의 공공부문 용역 계약 데이터

와 관련 첨부파일(제안요청서, 과업지시서 등)을 AI 모델이 사용할 수 있는 형태

로 변환하여 데이터베이스로 만드는 작업을 우선적으로 수행하였다. 이 작업을 통

해 변환된 용역계약은 총 21,956건이고, 이 중 5,891건이 AI 사업이다. 

과거 조달 데이터를 체계적으로 분석하기 위해 기초 행정 정보와 심층 기술 정

보를 분리하여 추출하고 데이터베이스로 구축하였다. 먼저 입찰공고번호, 사업명, 

수요기관, 계약금액 등 규격화된 기본 행정 정보 및 사업 특성 정보는 파이썬

(Python) 기반의 자동화 프로그램을 활용하여 수집하였다. 이는 나라장터 및 조달

데이터허브 시스템에 등록된 정형 데이터를 정교하게 추출하기 위한 단계로, 대량

의 공공 조달 문서를 신속하게 데이터화하는 기초가 된다.

이어 사업의 실질적 과업 내용이 담긴 제안요청서(RFP)와 과업지시서 원문을 분

석하기 위해, 분석 엔진인 Claude 모델에 프롬프트 엔지니어링 기법을 적용하였

다. AI 모델에 제안요청서 분석 전문가의 역할을 부여하고, <표 2-2>에 정의된 사

업 요약, 사업 목적, AI 특화 요약, 핵심 서비스 등 각 분석 항목의 정의와 추출 

형식, 해당 근거를 지시하였다.

특히, 인공지능의 임의 정보 왜곡(환각)을 방지하기 위해 근거 기반 추출 지침을 

프롬프트의 핵심 원칙으로 설정하였다. 이를 통해 인공지능이 모든 분석 결과를 

반드시 제출된 문서 내 실제 문구에 기반하여 발췌하도록 하였다.

- 9 -

추출된 모든 행정 및 기술 정보는 향후 관리가 용이하도록 개별 JSON 파일로 

변환하였으며, 이를 다시 연도별로 통합하여 대용량 클라우드 저장소(AWS S3)에 

적재하였다.

마지막으로 저장된 텍스트 데이터들에 대해 인공지능이 의미 단위로 읽을 수 있

도록 수치 데이터(Embedding)로 변환하는 과정을 거쳤다. 이를 통해 구축된 지식 

기반 데이터베이스는 단순한 키워드 매칭을 넘어 문맥적 의미가 유사한 과거 사

업들을 정밀하게 탐색하고 비교할 수 있는 기능을 갖추게 되었으며, 이는 2024년 

신규 사업의 인공지능 도입 여부를 최종 판별하는 핵심 기초 자료로 활용되었다.

구분

항목

수집/생성방법

상세 설명

기본 행정 

정보

입찰공고번호, 사업명, 연도,

계약금액, 계약방법, 수요기관

파이썬

조달청 시스템에 등록된 입찰

공고번호와 공식 사업 명칭 

등 기초 정보

대표 품명, 공공조달 

분류(대/중/소) 등

파이썬

나라장터 시스템에서 정의된 

표준 산업 분류 정보

수요기관, 소관구분, 등록번호

수요기관최상위기관 등

파이썬

조달청 조달데이터허브의 기

관속성 정보

계약업체, 사업자등록번호,

기업형태구분 등

파이썬

조달청 조달데이터허브의 업

체 속성

사업 특성 

분석

정책 분야, 사업 단계

파이썬

기존 구축되어 있는 메타정보

키워드, 활용목적, 

기술 분류

파이썬

기존 구축되어 있는 메타정보

인공지능 

분석

사업 요약

인공지능

전체 문서를 3~5줄 내외의 

요약문

사업 목적

인공지능

해당 사업의 주요 목적

주요 사업 내용

인공지능

해당 사업의 핵심 내용

AI 특화 요약

인공지능

AI 기술 여부 및 해당 기술 

관련 내용

핵심 서비스

인공지능

해당 사업의 핵심 서비스

기반 기술

인공지능

해당 사업의 서비스를 위한 

전체적인 기술 내용

핵심 기술

인공지능

해당 사업의 서비스를 위한 

AI 기술 내용

데이터 활용

인공지능

어떤 데이터를 활용하는지에 

대한 내용

기대 효과

인공지능

해상 사업의 효과

<표 2-

2

> RAG 분석용 메타데이터 항목 및 설명

- 10 -

2.

프롬프트 엔지니어링 및 AI 모델 성능 평가

[그림 2-

2

 ] 프롬프트 엔지니어링 및 판별 성능 평가

2024년 신규 데이터의 인공지능 도입 여부를 객관적으로 판별하기 위해 대규모 

문맥 처리에 특화된 Claude 모델을 분석 엔진으로 선정하였으며, 본격적인 적용에 

앞서 RAG 기반의 분석 프롬프트와 문맥 구성을 최적화하기 위해 2023년까지 축

적된 기존 데이터를 활용한 단계적 검증을 수행하였다.

기존 데이터베이스에서 무작위로 추출한 200건의 테스트 데이터셋을 활용하여 

검색 문맥의 범위와 판별 기준을 정교화하였다. 초기 실험에서는 제안요청서 기반

으로 생성된 주요 사업 내용만을 활용하여 검색을 수행하였으나, AI 관련 용어가 

단순 포함된 비AI 사업을 오분류하는 등 정확도에 한계가 확인되었다. 이에 판별 

변별력을 확보하고자 검색 및 분석 대상을 사업명, 핵심 서비스 유형, AI 특화 요

약, 핵심 키워드, 수요기관 정보로 확장하였다. 구체적으로는 사업명을 통해 과업

의 범위를, 핵심 서비스 유형과 AI 특화 요약으로 기술적 실체를 검증하도록 설계

하였다. 또한 핵심 키워드와 수요기관 정보를 추가하여 분석 모델이 발주 기관의 

행정적 특성까지 참조하여 판단하도록 구성함으로써 판별 정확도를 제고하였다.

이 과정에서 특정 항목에 판단이 치우치는 편향을 방지하기 위해 모든 분석 항

목의 비중을 동일하게 설정하여 판별의 중립성을 확보하였다. 이는 지능형 교통체

계와 같이 특정 단어가 포함된 사업명에만 의존하여 실제 기술 적용 여부와 관계

없이 인공지능 사업으로 단정 짓는 오류를 차단하고, 인공지능이 문서 전체의 기

술적 문맥을 종합적으로 대조하여 최종 판정하도록 유도하기 위함이다. 이러한 로

직 설정을 통해 1차 검증 단계에서 95.5%의 정확도를 확보하였다.

- 11 -

6)

 전체 판별 대상 중 정답을 맞힌 비율, 

7)

 AI 사업으로 판별된 건 중 실제 AI 사업인 비율, 

8)

 실제 인공지능 사업 중 누락 없이 인공지능 사업으로 찾아낸 비중, 

9)

 정밀도와 재현율의 조화 평균, 

10)

 True Positive, 실제 인공지능 도입 사업을 모델이 인공지능 도입 사업으로 올바르게 판정한 사례

11)

 False Negative, 실제는 인공지능 도입 사업이나 모델이 일반 사업으로 잘못 판정한 사례

12)

 False Positive, 실제는 일반 사업이나 모델이 인공지능 도입 사업으로 잘못 판정한 사례

13)

 True Negative, 실제 일반(비AI) 사업을 모델이 일반 사업으로 올바르게 판정한 사례

이어 설정된 분석 지시 체계의 통계적 신뢰성을 최종 입증하기 위해 총 1,000건

의 대규모 균형 데이터셋을 활용하여 반복 테스트를 수행하였다. 특정 데이터셋에 

의한 성능 왜곡을 배제하고 분석 모델의 보편적인 신뢰성을 증명하기 위해, 전체 

데이터에서 인공지능 도입 사업과 비도입 사업을 각 500건씩 매회 무작위로 추출

하여 총 10회의 독립적인 테스트를 진행하였다.

최종 검증 결과, 확정된 분석 로직은 최고 정확도6) 97.6%를 기록하였으며, 일반 

사업을 인공지능 사업으로 오판하지 않는 정도인 정밀도7)는 98.77%, 실제 인공지

능 사업을 누락 없이 식별해낸 재현율8)은 96.4%로 나타났다. 또한 모델의 종합 

성능 지표인 F1스코어9)는 97.57%를 달성하여, 본 분석 시스템이 실제 인공지능 

도입 여부를 판별하는 데 충분한 기술적 변별력과 객관성을 갖추었음을 정량적으

로 증명하였다. 이러한 성과를 바탕으로 해당 분석 지시 체계와 설정을 2024년 본 

조사를 위한 방법으로 확정하였다.

예측: AI 사업

예측: 비AI 사업

합계

실제: AI 사업

482(TP10))

18(FN11))

500

실제: 비AI 사업

6(FP12))

494(TN13))

500

합계

488

512

1,000

<표 2-3> 분석 모델의 판별 신뢰성 검증 결과(혼동 행렬)

- 12 -

3.

2024년 AI사업 선별

[그림 2-

3

 ] 2024년 분석 대상의 필터링 및 최종 선정

가. 2024년 분석 대상 용역계약 리스트 수집

나라장터의 조달 정보는 조달정보개방포탈을 통해 제공되고 있다. 해당 사이트

에서 공고명, 수요기관, 공고기간 등을 조건으로 검색하여 공고목록 확인 및 특정 

공고에 대해 상세 내용 및 첨부문서를 다운로드하여 상세 정보를 조회할 수 있다. 

또한 검색된 조달 데이터는 XLSX 또는 CSV 형태의 파일 데이터와 오픈 API 형태

로 다운로드 할 수 있다. 

공공조달의 용역 분류체계의 11개의 대분류 중 ICT서비스 대분류는 ICT 시스템

의 컨설팅, 구축, 운영·유지관리 등 전과정을 포괄하고 있어 인공지능 도입과 관

련성이 높다. 또한 연구조사서비스(대분류) 중 학술연구서비스(중분류)에는 인공지

능 관련 계획수립, 모델개발 등의 용역이 다수 포함되어 있다. 

2024년 조사 대상 공공기관이 맺은 용역계약 총 488,627건 가운데 ICT 서비스 

및 연구조사 서비스에 속하는 계약을 선별하고 1차 중복 제거 과정을 거쳐 총 

54,714건의 유효 계약 리스트를 도출하였다.

이어 사업의 실질적인 과업 내용을 파악하기 위한 제안요청서 등의 세부 문서 

확보 가능 여부를 검토하였다. 이를 위해 실제 조달정보개방포털과 연계가 가능한 

- 13 -

14)

 클라우드컴퓨팅법 시행령 제8조의2제1항에 따라 선정된 디지털서비스에관한 계약, 재난 및 안전관리 기본

법 제73조의4제1항에 따른 적합성 인증을 받은 재난안전제품, 조달사업에 관한 법률 제27조제1항에 따른 혁

신제품, 국가기관의 행위를 비밀로 할 때 등

입찰공고번호가 존재하는 데이터만을 추출하였으며, 최종적인 중복 제거 과정을 

한 번 더 거쳐 최종 분석 데이터 20,769건을 확정하였다. 이 과정은 유찰이나 취

소 건을 배제하고 실제 계약이 체결된 유효 사업만을 선별하여 분석 결과의 객관

성을 확보하기 위한 절차이다. 입찰 관련 정보가 없는 계약이 많은 이유는 크게 3

가지 정도이다. 우선 용역 수행 도중 기간 연장, 증액 등의 사유로 계약이 변경되

면, 수정된 계약 정보도 별건으로 시스템에 등록되어 중복이 발생한다. 다음은 법

에서 정한 특정 기술 사용, 특수한 상황 등의 경우 입찰 관련 세부 정보를 예외적

으로 비공개14)하기 때문이다. 마지막은 일정금액 이하(추정가격 5천만원 또는 2천

만원)의 수의계약의 경우 입찰공고 단계 없이 계약이 진행되어 계약정보만 시스

템에 업로드되어 있다.

나. 2024년 첨부 문서 일괄 수집 및 데이터셋 표준화

입찰공고번호가 존재하여 원문 확인이 가능한 20,769건을 대상으로 상세 데이터 

수집을 수행하였다. 파이썬 기반의 데이터 수집 스크립트를 활용하여 조달정보개

방포털 API와 연동하였으며, 각 공고에 첨부된 제안요청서(RFP), 과업지시서, 공고

문 등 과업의 핵심 내용을 포함하는 비정형 문서 파일(HWP, PDF 등)을 일괄 다

운로드하였다. 분석의 연속성과 모델 호환성을 확보하기 위해 기존(2014~2023년) 

DB와 동일한 메타데이터 구조를 적용하였다. 수집된 비정형 문서는 텍스트 추출 

과정을 거쳐 JSON 포맷으로 변환하였으며, 이를 각 건의 메타정보(수요기관, 계약

명, 금액 등)와 결합하여 메타데이터와 원문 내용이 통합된 분석용 데이터셋을 구

축하였다. 최종 구축된 데이터는 후속 분석 단계를 위해 AWS S3에 적재하였다.

다. 1차 필터링 140대 키워드 기반 텍스트 마이닝

수집 및 표준화된 20,769건의 문서 전체를 대상으로 고비용·고연산의 RAG 모

델을 즉시 적용하는 것은 시간과 비용 측면에서 비효율적이다. 이에 본 연구에서

는 파이썬을 활용한 텍스트 마이닝 기법을 적용하여, AI와 관련성이 낮은 문서를 

사전에 배제하는 1차 필터링 과정을 수행하였다.

필터링의 핵심 기준으로는 <표 2-1> 인공지능 키워드 140 사전을 활용하였다. 

파이썬 스크립트를 통해 각 JSON 파일의 본문을 스캐닝하여, 해당 사전 내 단어

가 최소 1회 이상 출현하는 문서를 식별하는 방식을 적용하였다. 전체 문서 중 AI 

- 14 -

키워드가 포함된 문서는 3,872건으로 이 계약은 다음 단계인 AI 모델을 사용한  

정밀 분석의 1차 후보군이 된다.

라. RAG LLM을 사용한 최종 선별

 1차 키워드 필터링을 통과한 3,872건의 문서를 대상으로 앞서 검증된 분석 지

시 체계와 가중치 설정값을 적용하여 Claude 모델 기반의 2차 정밀 분석을 수행

하여 유사도를 측정한다.

 유사도 측정은 RAG 아키텍처를 기반으로 수행되었으며, 분석 대상인 2024년 

신규 사업이 과거 지식 데이터베이스(2014~2023년)에 축적된 인공지능 도입 패턴

과 기술적 지향점이 얼마나 부합하는지를 분석하는 의미론적 유사도 측정 방식을 

활용하였다. 이는 단순히 특정 키워드가 포함되었는지 확인하는 차원을 넘어, 사

업명, 핵심 서비스 유형, AI 특화 요약 등 문서 전체의 기술적 맥락이 과거에 확

정된 인공지능 도입 사례들과 벡터 공간상에서 얼마나 가까운 위치에 있는지를 

정량화한 결과이다.

도출된 유사도 점수에 따라 데이터를 세 구간으로 분류하여 최종 검증을 실시하

였다.

첫째, 유사도 점수 1.0 이상은 기술적 구현 방식과 도입 목적이 구체화된 확정 

구간으로 정의하여 자동 확정 처리하였다. 이는 제안요청서 내에 실질적인 인공지

능 모델 개발과 서비스 구현이 과업의 핵심으로 명시되어 분석 모델이 명확하게 

판별한 경우를 의미한다.

둘째, 점수가 0.5 이상 1.0 미만인 구간은 연구진에 의한 전수 정밀 검토 및 보

정 작업을 수행하였다. 해당 구간에 대해 수동 검증을 병행한 이유는 다음과 같

다. 우선 사업명은 시스템 유지관리나 인프라 보강 등 일반 정보화 사업으로 표기

되어 있으나, 실제 과업 내용에는 지능형 AI 탑재 등 실질적인 기술 도입이 포함

된 사례를 식별하기 위함이다. 예를 들어 ‘기업인력애로센터 일자리매칭플랫폼 

및 인프라(클라우드) 통합 운영·유지보수 용역’사업은 인프라 운영·유지보수 

사업으로 보이나 실제 내용에는 AI 기반 맞춤형 인재 추천과 같은 AI 서비스를 

포함하고 있는 경우이다.

또한 2024년 제안요청서의 경우, 과거 데이터베이스(2014~2023년)와 비교했을 때 

기술 트렌드 변화에 따른 특이사항이 확인되었다. AI 에이전트, 프롬프트 엔지니

어링 등 생성형 AI 관련 최신 용어들이 등장하기 시작하며 과거에는 식별되지 않

았던 새로운 형태의 신규 사업들이 발주되었다. 이러한 최신 기술 명칭과 사업 유

- 15 -

형들은 과거 데이터와의 유사성을 기반으로 측정되는 스코어가 실제 기술적 중요

도보다 낮게 산출되는 경향이 확인됨에 따라, 연구진이 직접 제안요청서를 검토하

여 실무적으로 인공지능 기술 적용이 확인된 과제들을 최종 목록에 포함하는 보

정 과정을 거쳤다.

셋째, 유사도 점수 0.5 미만은 인공지능 도입 관련성이 낮아 연구 목적에 부합하

지 않는 배제 구간으로 분류하여 분석 대상에서 제외하였다. 보정 과정에서는 인

공지능 관련 키워드는 포함되어 있으나 실제적인 알고리즘 개발이나 분석 작업 

없이 과제 추진 배경에만 언급되거나 단순 정책 자문 사업 등이었다.

이와 같이 AI 모델을 통한 정량적 스코어링과 정성적 보정 작업을 통해 2024년 

공공부문 인공지능 도입 계약 1,215건을  최종적으로 확정하였다.

구분

필드명

검증 대상

파일명

(20241021911) AI 안내 로봇 구축 과업지시서.json

문서번호

20241021911

 검증 대상 정보

수요기관

경상북도 고령군

사업명

대가야박물관 AI 안내 로봇 구축 용역

과제 요약

AI 기술이 적용된 전시해설 로봇을 도입하여 대가야

박물관을 방문하는 관람객에게 전시 안내 및 문화 

해설 서비스를 제공하는 사업.

과제 목적

4차 산업혁명 기술을 활용하여 문화해설 서비스를 

제공하고 관람객의 경험을 향상, 상시 문화해설 

인력이 부족한 지역 박물관의 특성을 고려하여 

AI 전시해설 로봇을 도입하여 다국어 기반의 안내 및

 해설 서비스를 제공

핵심 서비스

AI 및 로보틱스 기술, 자율주행 기술, 음성 인식 및

 합성 기술, 동작 인식 및 감정 표현 기술, 

멀티미디어 콘텐츠 제작 기술

핵심 기술

AI 전시해설 로봇 도입, 자율주행 기반의 전시 안내

서비스, 다국어(한/영/중/일) 문화해설 서비스

기대 효과

4차 산업혁명 기술을 활용한 전시해설 서비스를 제공

하여 관람객의 문화 체험 경험을 향상시키고, 

지역 박물관의 경쟁력을 높일 것으로 기대됨.

<표 2-

4

 > RAG 분석용 입력 데이터 구성 사례

- 16 -

구분

필드명

RAG 검색 

결과

문서 번호

20210532521

사업명

국립고궁박물관 인공지능 전시해설로봇 구축 용역

연도

2021

수요기관

서울시 종로구

정책분야

문화/체육/관광

공공조달 대분류

ICT 서비스

공공조달 중분류

SW 및 시스템 개발

공공조달 분류명

정보시스템개발서비스

사업 단계

구축

활용 목적

대민서비스

활용 목적 상세

정보제공

기술 분류 1

로봇공학

키워드

딥러닝, 자연어처리

요약

AI 및 로봇 기술을 활용해 박물관 관람객 대상 전시

해설 서비스와 비대면 방역 서비스를 제공하는 사업

사업 목적

박물관에서 AI 및 로봇 기술을 활용하여 전시 해설 ..

AI 특화 요약

인공지능 기술을 활용하여 사용자 음성 인식 및 

자연어처리를 통한 대화형 전시해설 서비스를 제공 ...

핵심 서비스

전시해설 로봇 구축 및 운영, 음성 및 자연어 기반 

대화형 전시해설 서비스 제공, 열화상 카메라와 

마스크 감지를 통한 비대면 방역 서비스 제공

기반 기술

학습 기반

핵심 기술

자율주행, 로봇 제어 및 관리, 실내 내비게이션, 

인터랙티브 미디어, UV-C LED 방역 기술

데이터 활용

박물관 전시물 정보, 관람객 대화 데이터 등을 수집

하여 학습데이터로 활용하고, 실시간 관람객 정보

기대 효과

관람객에게 편리하고 흥미로운 전시해설 서비스를 

제공하고, 비대면 방역 기능을 통해 코로나19 

확산을 방지

유사도

1.817892896

AI 여부

True

<표 2-

5

 > RAG 기반 유사 사업 대조 및 판별 결과

- 17 -

마. 현황 분석을 위한 세부 분류 

공공부문의 AI 도입 현황과 추세를 분석하는 데 있어 2024년 신규 AI 과제에 

대하여 기존(2014~2023년) 데이터와의 시계열적 연속성 확보를 위해 현황 분석용 

세부 분류 체계는 그대로 유지하였다. 2024년 신규 AI과제를 세부 분류하는데 

있어 지난 연구에서 전문가가 담당했던 정책분야, 활용목적, 세부활용목적, 

기술유형 등 4개 주요 항목에 대해서는 다음 3가지 방법으로 축출하였다.

첫째, 과거 사업과의 연계성을 통한 기존 분류 정보 계승이다. 2024년 분석 과제 

중 이전 연도부터 지속적으로 수행되어 온 계속 사업(연차 사업)의 경우,  

데이터베이스에 구축된 과거 분류 정보를 우선적으로 적용하였다. 

둘째, 인공지능(LLM) 분석 결과 유사도 점수가 1.0 이상으로 산출되어 도입이 

명확하게 확정된 과제는 분석 엔진(Claude)이 제안요청서에서 직접 추출한 핵심 

서비스 내용과 기술 정보를 바탕으로 분류 항목을 생성하여 적용하였다.

셋째, 유사도 점수 0.5 이상 1.0 미만의 과제에 대해서는 AI 모델이 과거 문서 

중 가장 유사하다고 추천한 문서들과 신규 과제의 제안요청서 내용을 연구진이  

대조 확인하여 최종 분류를 확정하였다.

- 18 -

제3절

연도별 인공지능 도입 현황

1.

전체 현황

2016년 알파고 등장하면서 제2의 인공지능 붐이 전세계적으로 일어났다. 이에 

국내 공공기관도 2017년부터 인공지능 도입이 크게 늘어나기 시작하였다. 인공지

능 계약은 2015년 221건에서 2024년 1,215건으로 5배 이상 증가했으며, 금액은 

2,443억원에서 2조 8,207억원으로 늘어났다. 이에 따라 공공기관의 전체 ICT관련 

용역 계약 중 인공지능이 차지하는 비중도 금액 기준으로 2016년 3.33%에 불과했

으나 점진적으로 증가하여 2020년 이후 10% 수준으로 늘어났다. 

연도

용역 건수(건)

용역 금액(억원)

인공지능

ICT전체 

비중

인공지능

ICT전체 

비중

2015

221

  24,419 

0.9%

     2,443 

  47,423

5.15%

2016

251

  27,503 

0.9%

     1,938 

  58,151 

3.33%

2017

325

  29,722 

1.1%

     2,968 

  59,299 

5.00%

2018

464

  33,893 

1.4%

    4,693 

  69,586 

6,74%

2019

630

  39,002 

1.6%

    8,450 

 87,846

9.61%

2020

832

  44,948 

1.9%

    11,443 

108,284 

10.56%

2021

972

  48,223 

2.0%

    13,224 

  120,979

10.93%

2022

1,029

  49,852 

2.1%

   17,455 

  141,702 

12.31%

2023

1,036

53,994

1.9%

   26,916

 221,703

12.14%

2024

1,215

54,714

2.2%

28,207

239,395

11.78%

<표 2-

6

> 연도별 인공지능 도입 계약 건수 및 금액

- 19 -

2.

추진단계  

인공지능 시스템을 도입하는 추진단계별 계약 건수를 살펴보면, 인공지능 모델

과 기술을 개발하는 연구 단계는 2018년 이후 전체 단계 중 약 10% 수준을 꾸준

히 유지하고 있다. 이는 공공부문에서 인공지능에 대하여 자체적인 모델·알고리

즘 개발과 성능 고도화에 대한 투자가 일정하게 이어지고 있음을 보여준다. 인공

지능 도입 방향 설정을 위한 ICT 컨설팅 단계는 대체로 5~7% 내에서 유지되고 있

다. 이는 개별 연도별 사업구조에 따라 비중은 변하지만, AI 사업을 추진하기 전

에 사전 타당성 검토와 전략 수립을 위한 컨설팅 수요가 공공부문에 일정하게 자

리 잡았음을 시사한다. 기존 시스템 고도화를 포함한 구축 단계는 2019~20년 2년

간 빠르게 증가한 후 연간 500건 정도를 유지하고 있다. 반대로 유지관리 단계는 

2018~19년 상대적으로 낮아졌다가 2021년 이후 꾸준하게 상승하여 2023년 35.6%, 

2024년에는 36%까지 상승하였다. 이러한 변화는 공공기관들이 인공지능을 도입하

는 데 있어 대규모 신규 시스템 구축을 통해 기반을 확충하는 동시에 이미 도입

된 인공지능 시스템의 안정적 운영과 성능 개선을 위한 유지관리·고도화 투자를 

점차 확대하고 있다고 사료된다.

 연도 

연구

ICT컨설팅

구축

유지관리 

 전체 

 2015 

9(4.1%)

2(0.9%)

110(49.8%)

100(45.2%)

221(100%)

 2016 

12(4.8%)

8(3.2%)

130(51.8%)

101(40.2%)

251(100%)

 2017 

25(7.7%)

16(4.9%)

188(57.8%)

96(29.5%)

325(100%)

 2018 

50(10.8%)

38(8.2%)

235(50.6%)

141(30.4%)

464(100%)

 2019 

71(11.3%)

32(5.2%)

359(57.0%)

168(26.5%)

630(100%)

 2020 

85(10.2%)

50(6.0%)

485(58.4%)

212(25.4%)

832(100%)

 2021 

111(11.4%)

76(7.8%)

501(51.5%)

284(29.2%)

972(100%)

 2022 

113(11.0%)

62(6.0%)

524(50.7%)

332(32.3%)

1,029(100%)

 2023 

97(9.4%)

70(6.8%)

500(48.3%)

369(35.6%)

1,036(100%)

2024

143(11.8%)

54(4.4%)

580(47.7%)

438(36.0%)

1,215(100%)

 합계 

716(10.3%)

409(5.9%)

3,611(51.8%)

2,239(32.1%)

6,975(100%)

<표 2-

7

 > 추진단계별 인공지능 도입 계약 건수 

주: 괄호 안은 해당년도의 추진단계별 비중

- 20 -

3.

정책 분야 

정책 분야별로는 전자정부, 민원 서비스 등에 관련된 시스템 수요가 많은 일반

공공행정 분야가 지속적으로 전체의 20% 이상의 가장 높은 비중을 차지하고 있

다. 다음으로 공공질서 및 안전(범죄예방, 재난재해 대응 등) 15.6%, 교통/물류 (지

능형 교통망 등) 11.0%, 문화/체육/관광(전자도서관, 문화재 안내 등) 6.7%, 보건 

(복지사각지대 발굴 등) 4.8% 순으로 많이 도입되었다.       

정책분야

‘15

‘16

‘17

‘18

‘19

‘20

‘21

‘22

‘23

‘24

합계

일반공공행정

59

70

89

89

169

240

263

260

285

298

1,847

공공질서 및 

안전

49

56

62

62

95

130

145

152

144

156

1,087

교통/물류

41

44

32

32

73

84

108

101

108

118

767

문화/체육/관광

18

15

25

25

46

41

66

68

74

82

463

보건

4

12

20

20

32

42

42

63

46

55

335

과학기술

6

13

22

22

31

30

46

47

56

77

350

산업/통상/ 

중소기업

8

6

9

9

27

51

42

46

38

60

297

교육

3

1

8

8

17

39

50

52

36

65

283

사회복지

6

5

9

18

24

26

26

48

48

53

263

농림

1

3

7

16

15

29

40

38

32

46

227

환경

5

2

6

16

20

25

30

30

49

62

245

국방

5

6

11

11

23

23

38

31

37

26

211

재정/세제/금융

6

7

12

15

15

24

20

20

21

30

170

통신

4

1

7

14

17

22

18

29

20

18

150

해양/수산

3

5

5

10

19

18

27

27

14

33

161

통일/외교

3

1

1

3

7

7

12

12

19

15

79

지역개발

-

4

-

-

-

1

5

5

9

21

40

총합계

134

251

325

464

630

832

972

1,029

1,036

1,215

6,975

<표 2-

8

 > 정책분야별 인공지능 도입 건수 

- 21 -

4.

활용용도

연도별 활용용도에 따른 계약 건수를 살펴보면, 전체적으로 대민서비스 44%, 업

무효율화 55%로 업무효율화 비중이 높은 구조를 보인다. 2016년까지는 민원응대, 

정보제공 등 대민서비스 중심으로 인공지능이 도입되었으나, 2016년 이후에는 

OCR, 기계학습, 챗봇, 딥러닝 등의 기술을 활용한 인공지능이 적용되면서 업무효

율화의 비중이 55% 내외를 유지하고 있다. 이러한 흐름은 공공기관의 인공지능 

도입이 초기에는 민원 안내, 정보조회 등 대민서비스를 중심으로 시작되었다가, 

문서 처리, 심사·평가, 모니터링, 의사결정 지원 등 내부 행정 프로세스를 고도

화하고 있음을 보여준다. 또한 2020년대 들어 챗봇, 추천시스템 등 대민서비스형 

기술이 발전함에 따라 민원상담, 보건·복지 서비스 안내, 생활정보 제공 등 국민

을 대상으로 하는 서비스에서도 인공지능 활용이 점차 확대되고 있어, 업무효율화

와 대민서비스가 병행되는 양상으로 인공지능 도입이 전개되고 있다고 해석할 수 

있다.

연도

대민서비스

업무효율화

 합계 

2015

123

98

221

2016

133

118

251

2017

144

181

325

2018

212

252

464

2019

250

380

630

2020

375

457

832

2021

419

553

927

2022

460

569

1,029

2023

465

571

1,036

2024

548

667

1,215

합계

3,129

3,846

6,975

<표 2-

9

 > 활용용도별 인공지능 도입 계약 건수 

대민서비스의 세부 활용용도를 보면 정보제공 서비스가 약 40%로 가장 높은 비

중을 차지하며 핵심 분야로 자리잡았다. 도입 초기에는 CCTV 기반 범죄 예방, 교

통·재난 관리 등 재난 및 안전 분야가 중심이었으나, 이후 자연어처리 기술 확산

- 22 -

과 함께 챗봇·안내 서비스 등 정보제공 중심으로 흐름이 전환되었다. 또한 또한 

민원처리와 보건·복지 분야도 꾸준히 증가해, 공공 AI는 안전 관리 중심에서 벗

어나 국민 접점 서비스 전반으로 확장되고 있다. 이는 공공부문 AI가 국민에게 맞

춤형 정보와 행정 서비스를 제공하는 역할로 빠르게 발전하고 있음을 보여준다.

대민서비스

세부용도

‘15

‘16

‘17

‘18

‘19

‘20

‘21

‘22

‘23

‘24

합계

정보제공

49

39

62

79

100

162

177

172

194

237

1,271

재난및안전

51

67

52

95

106

122

144

168

159

169

1,133

민원처리

21

20

23

27

35

71

77

83

71

82

510

보건및복지

2

2

6

10

8

16

18

30

32

45

169

기타

-

5

1

1

1

4

3

7

9

15

46

총합계

123

133

144

212

250

375

419

460

465

548

3,129

<표 2-

10

 > 세부 활용용도별 인공지능 도입 계약 건수_대민서비스

업무효율화 분야는 업무처리지원이 전체의 50% 이상을 꾸준히 차지하며 핵심 

활용 영역으로 자리했다. 초기에는 기록물 관리와 빅데이터 수집·정비 등 자원관

리 중심의 도입이 활발했으나, 조직 내 데이터 활용도가 높아지면서 흐름이 빠르

게 변화하였다. 2017년 전후로 축적된 데이터를 기반으로 한 의사결정지원 시스템 

도입이 본격 확대되며 지속적인 증가세를 보이며 업무 고도화의 중요한 축으로 

자리 잡았다. 업무효율화 용도는 단순 프로세스 자동화를 넘어, 데이터 기반의 판

단·분석을 지원하는 방향으로 발전하고 있으며, 공공부문 내부 운영 전반의 효율

성과 전문성을 높이는 데 중요한 역할을 하고 있다.

- 23 -

업무효율화

‘15

‘16

‘17

‘18

‘19

‘20

‘21

‘22

‘23

‘24

합계

업무처리지원

60

60

98

127

202

251

310

280

333

349

2,070

의사결정지원

11

29

47

72

104

116

130

153

128

186

976

자원관리

27

29

36

53

74

90

113

136

110

132

800

총합계

98

118

181

252

380

457

553

569

571

667

3,846

<표 2-

11

> 세부 활용용도별 인공지능 도입 계약 건수_업무효율화

5.

기술유형

기술유형별로 보면 공공부분 AI 도입은 언어지능(36.0%), 전문가시스템(34.5%), 

시각지능(19.2%) 순으로 과제가 진행되었다. 도입 초기에는 규칙 기반 STT·TTS, 

챗봇 등 언어지능 중심의 서비스가 큰 비중을 차지했으나, 이후 기술 고도화와 함

께 비중이 점차 완만하게 감소하는 흐름을 보였다. 반면, 전문가시스템은 연도별 

증가 폭이 가장 큰 기술 분야로, 데이터 축적과 분석기술 발전에 힘입어 기관의 

핵심 의사결정·판단 기능을 지원하는 형태로 빠르게 확장되었다. 시각지능과 로

봇공학도 관제·탐지·자동화 등 특정 영역 중심으로 안정적인 증가세를 이어가

고 있다. 공공부문 AI 도입은 단순 음성·문자 처리 중심에서 벗어나, 데이터 기

반의 분석·판단을 가능하게 하는 고도화된 AI 기술 중심으로 전환되고 있으며, 

이는 공공업무의 효율성과 전문성을 높이기 위한 방향성과 맞물려 지속적으로 강

화되는 추세라고 보여진다.

- 24 -

연도

언어지능

시각지능

전문가시스템

로봇공학 

합계

건수

비중

건수

비중

건수

비중

건수

비중

건수

비중

2015

128

57.9

63

28.5

26

11.8

4

1.8

221

100

2016

112

44.6

83

33.1

44

17.5

12

4.8

251

100

2017

113

34.8

98

30.2

96

29.5

18

5.5

325

100

2018

171

46.9

107

23.1

158

34.1

28

6.0

464

100

2019

188

29.8

140

22.2

248

39.4

54

8.6

630

100

2020

280

33.7

157

18.9

315

37.9

80

9.6

832

100

2021

348

35.8

150

15.4

359

36.9

115

11.8

972

100

2022

364

35.4

172

16.7

378

36.7

115

11.2

1,029

100

2023

378

36.5

174

16.8

349

33.7

135

13.0

1,036

100

2024

428

35.2

194

16.0

432

35.6

161

13.3

1,215

100

합계

2,510

36.0

1,338

19.2

2,405

34.5

722

10.4

6,975

100

<표 2-

12

> 기술유형별 인공지능 도입 계약 건수 

6.

적용기술

과거 공공부문에서 인공지능은 주로 TTS와 OCR 중심의 접근성 개선·문서 디

지털화 기술에 집중되었으며, 2016년까지 두 기술이 다른 키워드보다 비중이 높았

다. 2017년을 기점으로 기계학습, 딥러닝 기반 기술의 확산이 본격화되면서, 전통

적인 TTS·OCR 중심 구조가 변화하였고, AI 모델 학습과 데이터 기반 분석이 보

편화되며 기계학습·딥러닝이 핵심 키워드로 자리 잡았다. 또한 챗봇은 2017년 최

초 등장 이후 짧은 기간에 주요 기술 키워드로 부상하였으며, 자연어처리와 STT

도 음성인식·텍스트처리 기술 발전과 함께 꾸준히 확대되는 추세를 보이고 있다. 

전반적으로 공공부문의 AI 활용은 단순 변환·접근성 기술에서 벗어나, 지능형 응

대·분석·학습 기반의 고도화된 서비스 구현 중심으로 전환되고 있음을 보여준

다.

- 25 -

적용기술

‘15

‘16

‘17

‘18

‘19

‘20

‘21

‘22

‘23

‘24

합계

TTS

131

116

107

145

136

166

172

165

167

175

1,288

OCR

56

72

87

85

122

146

149

182

187

202

1,266

기계학습

11

20

50

97

141

163

176

195

205

208

1,233

챗봇

-

-

8

30

56

132

191

222

269

325

1,076

딥러닝

2

6

37

73

101

153

167

189

172

176

521

자연어처리 

9

14

14

22

43

63

77

79

95

105

360

STT

6

5

13

18

21

43

63

56

66

69

360

데이터셋 

4

3

8

15

30

38

66

52

73

89

378

GPU

-

3

8

7

24

51

27

35

40

65

260

자율주행

-

3

8

13

19

17

24

18

25

40

167

<표 2-

13

> 적용기술 키워드 연도별 추이_Top 10

- 26 -

제4절

기관 구분별 인공지능 도입 현황

1. 기관 구분별 도입 현황

조사대상 기관 412개 중 인공지능을 도입한 기관은 268개로 도입율은 65.0%이

다. 이는 2022년 본 연구소에서 설문조사 방식으로 진행했던 과제에서 조사됐던 

도입율 보다 10% 가량 증가하였다. 2개의 조사에서 공공기관의 절반 정도가 인공

지능을 도입한 것으로 나타났지만, 별도의 인공지능 관련 시스템을 갖출 수 있는 

기관으로 조사 대상을 한정하면 도입 비율은 훨씬 높아진다.

우선 지자체의 경우 17개 모두 인공지능 시스템을 도입하였다. 국가기관은 도입 

비율이 81.7%인데, 대통령실과 국가정보원은 보안 등의 이유로 나라장터에 정보가 

공개되지 않았고 원자력안전위원회, 새만금개발청 등 기관 특성상 별도 시스템 도

입이 어려운 기관을 제외하면 모든 국가기관에서 인공지능을 도입했다고 볼 수 

있다.

기타공공기관과 공기업의 도입률이 각각 56.0%, 48.4%로 상대적으로 낮은 이유

는 규모가 큰 발전, 철도, 은행 등 공기업은 관련 별도의 발주시스템을 이용하고 

있고 조달정보개방포털에는 일부 정보만 등록하여 본 조사에 누락된 부분이 많았

기 때문이다. 또한, 기타공공기관에는 경제인문사회 정책연구기관, 한국예술인복

지재단과 같이 자체 인공지능 시스템 도입이 필요성이 낮은 기관이 조사 대상에 

포함되어 있다.

기관 구분

대상 기관수

도입 기관수 

도입 비율(%)

국가기관

64

52

81.3

지자체

17

17

100.0

준정부기관

57

48

84.2

기타공공기관

243

136

56.0

공기업

31

15

48.4

합계 

412

268

65.0

<표 2-

14

> 기관 구분별 인공지능 도입 기관 수 및 도입 비율 

- 27 -

기관 구분별 계약 건수는 국가기관(38.8%), 지자체(31.4%), 준정부기관(15.6%), 기

타공공기관(13.1%), 공기업(1.1%) 순으로 많고, 총 계약금액은 국가기관(47.1%), 준

정부기관(20.0%), 지자체(21.5%), 기타공공기관(9.3%), 공기업(2.2%) 순으로 많다. 국

가기관과 준정부기관의 건당 평균계약금액은 20억 원 이상으로 지자체 평균 10.8

억원의 약 2배 수준인데 이는 예산 규모가 작은 기초 지자체의 계약도 포함된 영

향이 있다.

 모든 기관 유형에서 1∼10억원의 계약이 절반 이상 차지하고 있다. 국가기관과 

준정부기관은 대형 IT시스템이 많아 계약 금액 10억원 이상이 30% 이상 차지하고 

있다. 지자체와 기타공공기관의 경우 1억원 미만의 소액 계약 비중이 약 20% 정

도인데, 특히 지자체는 5천만원 미만 사업도 9.1% 차지하고 있다.

기관 구분

건수

 계약  총액

(억원)

평균 계약금액

(억원)

국가기관

2,705

55,404

20.5

지자체

2,187

23,510

10.8

준정부기관

1,091

25,372

23.3

기타공공기관

915

10,891

11.9

공기업

77

2,563

33.3

합계

6,975

117,740

16.9

<표 2-

15

> 기관 구분별 인공지능 도입 계약건수 및 계약금액 

기관 구분

5천만원 미만

1억원 미만

10억원 미만

10억원 이상

국가기관

98(3.6%)

255(9.4%)

1,505(55.6%)

847(31.3%)

지자체

200(9.1%)

283(13.0%)

1,266(57.9%)

438(20.0%)

준정부기관

37(3.4%)

65(5.9%)

595(54.5%)

394(36.1%)

기타공공기관

45(4.9%)

136(14.9%)

549(60.0%)

185(20.2%)

공기업

1(1.3%)

5(6.5%)

40(51.9%)

31(40.3%)

합계

381(5.5%)

744(10.7%)

3,955(56.7%)

1,895(27.2%)

<표 2-

16

> 기관 구분별 계약금액 규모별 인공지능 도입 계약 건수 

- 28 -

2. 추진단계

기관별 추진단계 비중을 보면, 국가기관과 기타공공기관은 연구 단계 비중이 상

대적으로 높다. 국가기관에는 기상청과 같이 고난도 AI 기술이 필요한 부처뿐 아

니라 국립환경과학원, 국립재난안전연구원, 국립과학수사연구원 등 연구개발 성격

의 기관들이 포함되어 있어 연구 용역 비율이 크게 나타난다. 기타공공기관 역시 

국방과학기술연구소, 한국해양과학기술원 등 R&D 중심 기관이 다수 포함되어 고

유 기술 개발을 위한 연구 발주가 활발하다. 

준정부기관은 국가기관 대비 ICT컨설팅 비중이 높고 연구 단계 비중은 낮은 특

징을 가진다. 국민연금공단, 건강보험공단, 사회보장정보원 등 대규모 행정·복지 

시스템을 운영하는 기관이 많아, 인공지능 고도화 사업을 추진하기 위한 사전 컨

설팅 단계가 필수적이기 때문이다. 또한 이들 기관은 직접 R&D를 수행하기보다

는 정부 사업을 위탁 운영하는 경우가 많아 연구 비중이 상대적으로 작게 나타난

다.

한편, 지자체는 연구와 ICT컨설팅 비중이 매우 낮고 유지관리 단계가 절반 가까

이를 차지하는 특성을 보인다. 이는 체계적인 중장기 계획보다는 기존 시스템 유

지·보수 과정에서 제한적인 범위의 인공지능 기술을 점진적으로 도입하는 사례

가 많음을 보여준다.

기관 구분

연구

ICT컨설팅

구축

유지관리

합계

건수

비중

건수

비중

건수

비중

건수

비중

건수

비중

국가기관

464

17.2

210

7.8

1,360

50.3

671

24.8

2,705

100

지자체

58

2.7

31

1.4

1,036

47.4

1,062

48.6

2,187

100

준정부기관

75

6.9

107

9.8

667

61.1

242

22.1

1,091

100

기타공공기관

113

12.3

53

5.8

506

55.3

243

26.6

915

100

공기업

6

7.8

8

10.4

42

54.5

21

27.3

77

100

합계

716

10.3

409

5.9

3,611

51.8

2,239

32.1

6,975

100

<표 2-

17

> 기관 구분별 추진단계별 인공지능 도입 계약 건수 

- 29 -

3. 활용 정책분야

국가기관은 일반공공행정이 611건으로 가장 높은 비중을 보이며, 공공질서·안

전(421건), 과학기술(263건) 등 기관 특성에 따른 다양한 분야에서 인공지능을 도

입하고 있다.

지자체는 일반공공행정(782건), 공공질서·안전(573건), 교통·물류(615건) 분야에 

전체의 대부분이 집중되어 있는 것이 특징이다. 특히 교통·물류와 공공질서·안

전 분야는 다른 기관 대비 높은데, 이는 지능형 교통시스템 구축, 재난·기상 대

응 및 도시 통합관제 고도화 등 지역 현안 해결을 위한 인공지능 활용이 활발함

을 보여준다.

준정부기관은 일반공공행정(325건)을 중심으로 사회복지(129건), 산업·통상·중

소기업(141건), 통신(114건) 분야가 뒤를 잇는다. 사회복지 분야는 국민건강보험공

단, 국민연금공단, 근로복지공단 등 주요 사회보장기관이 주도하고 있으며, 산

업·통상·중소기업 분야는 중소벤처기업진흥공단, 한국산업인력공단 등이 활발한 

역할을 하고 있다. 통신 분야 역시 한국인터넷진흥원의 사이버 보안·침해 대응 

사업이 대부분을 차지한다.

기타공공기관은 문화·체육·관광(139건), 산업·통상·중소기업(114건), 교육

(120건) 분야가 높은 비중을 보이며, 기관 성격에 따라 특화된 사업이 주로 추진

되고 있다. 문화·체육·관광 분야는 한국문화정보원, 세종학당재단 등 주요 문화

기관의 사업이 많고, 산업·통상·중소기업 분야는 중소기업 기술·유통 지원 기

관이 주도하며, 교육 분야는 한국교육학술정보원과 한국교육개발원의 비중이 크

다.

 

- 30 -

활용분야

국가기관

지자체

준정부기관

기타공공기관

공기업

합계 

일반공공행정

611

782

325

80

49

1,847

공공질서및안전

421

573

64

29

-

1,087

교통/물류

34

615

77

32

9

767

문화/체육/관광

227

76

21

138

1

463

보건

212

14

26

83

-

335

과학기술

263

-

37

48

2

350

산업/통상/중소기업

36

-

141

111

9

297

교육

136

3

21

123

-

283

사회복지

65

42

129

27

-

263

농림

119

9

27

72

-

227

환경

137

16

85

6

1

245

국방

122

-

1

87

-

211

재정/세제/금융

132

4

19

12

3

170

통신

11

17

114

8

-

150

해양/수산

105

2

-

52

2

161

통일/외교

70

-

2

6

1

79

지역개발

3

34

2

1

-

40

<표 2-

18

> 기관 구분별 활용 정책분야별 인공지능 도입 계약 건수 

- 31 -

4. 활용용도

지자체를 제외한 기관들은 대민서비스보다 업무효율화 목적의 인공지능 도입 비

중이 더 높다. 국가기관은 업무효율화가 70%, 준정부기관 68.7%, 기타공공기관 

68.7%, 공기업 74.0%로 나타나며, 대민서비스보다 높은 비중을 차지하고 있다. 반

면 지자체는 대민서비스 비중이 76.4%로 다른 기관과 구분되는 특징을 보인다. 이

는 지자체가 주민과 직접 연결된 서비스 제공 기능을 수행하는 역할과 관련이 있

다.

대민서비스의 세부 목적을 보면, 재난안전 분야에서 지자체의 비중이 53.8%로 

가장 크며, 정보제공 분야에서도 높은 비중을 보인다. 재난·안전, 교통·물류, 지

역 생활관제 등은 지자체의 주요 업무 영역으로, 지역 기반의 대응 능력과 서비스 

개선을 위한 인공지능 도입이 지속적으로 이루어진 결과로 해석된다.

정보제공 분야에서 지자체의 건수가 많은 것은 광역지자체와 기초지자체가 모두 

홈페이지 및 모바일 채널을 통해 민원안내, 생활정보 제공, 행정 서비스 접근성 

향상을 추진해 온 영향이 있다. 이러한 특성은 지자체의 대민 중심 AI 활용 구조

를 보여주는 지표라 할 수 있다.

기관 구분

대민서비스

업무효율화

합계

국가기관

812(30.0%)

1,893(70.0%)

2,705(100.0%)

지자체

1,670(76.4%)

517(23.6%)

2,187(100.0%)

준정부기관

341(31.3%)

750(68.7%)

1,091(100.0%)

기타공공기관

286(31.3%)

629(68.7%)

915(100.0%)

공기업

20(26.0%)

57(74.0%)

77(100.0%)

합계

3,129(44.9%)

3,846(55.1%)

6,975(100.0%)

<표 2-

19

> 기관 구분별 활용용도별 인공지능 도입 계약 건수 

- 32 -

기관 구분

정보제공

재난안전

민원처리

보건복지

기타

 합계 

국가기관

408(50.2%)

170(20.9%)

160(19.7%)

73(9.0%)

1(0.1%)

812(100.0%)

지자체

496(29.7%)

898(53.8%)

204(12.2%)

42(2.5%)

30(1.8%)

1,670(100.0%)

준정부기관

167(48.7%)

51(15.0%)

79(23.2%)

36(10.6%)

9(2.6%)

341(100.0%)

기타공공기

관

195(68.2%)

14(4.9%)

54(18.9%)

18(6.3%)

5(1.7%)

286(100.0%)

공기업

6(30.0%)

-

13(65.0%)

-

1(5.0%)

20(100.0%)

합계

1,271(40.6%)

1,133(36.2%)

510(16.3%)

169(5.4%)

46(1.5%)

3,129(100.0%)

<표 2-

20

> 기관 구분별 대민서비스 목적 인공지능 도입 계약 건수 

업무효율화는 기관 전체적으로 업무처리지원 비중이 가장 높게 나타난다. 국가

기관, 준정부기관, 기타공공기관, 공기업 모두 업무처리지원이 절반을 넘거나 유

사한 수준을 보이며, 기관 간 세부 용도 차이는 크지 않다. 의사결정지원과 자원

관리는 모든 기관에서 비슷한 비중을 차지하며 보조적 역할을 하고 있다.

지자체의 경우 업무처리지원 비중이 44.9%로 다른 기관보다 낮게 나타나는데, 

이는 많은 행정업무가 행정안전부의 통합지방재정시스템, 인사정보시스템 등 중앙

정부 기반의 공통 시스템을 활용해 처리되는 구조와 관련이 있다. 이러한 특성은 

지자체가 자체 업무 프로세스를 위한 인공지능 도입보다는, 공공서비스 제공 및 

현장 중심 기능과 관련된 분야에 상대적으로 더 많은 투자를 해온 흐름을 반영한

다.

기관 구분

업무처리지원

의사결정지원

자원관리

 합계 

국가기관

993(52.5%)

529(27.9%)

371(19.6%)

1,893(100.0%)

지자체

232(44.9%)

154(29.8%)

131(25.3%)

517(100.0%)

준정부기관

445(59.3%)

154(20.5%)

151(20.1%)

750(100.0%)

기타공공기관

359(57.1%)

128(20.3%)

142(22.6%)

629(100.0%)

공기업

41(71.9%)

11(19.3%)

5(8.8%)

57(100.0%)

합계

2,070(53.8%)

976(25.4%)

800(20.8%)

3,846(100.0%)

<표 2-

21

> 기관 구분별 업무효율화 목적 인공지능 도입 계약 건수 

- 33 -

5. 기술유형

기술유형기술유형별 도입 현황을 보면, 지자체를 제외한 모든 기관에서 전문가

시스템 비중이 가장 높고, 그다음으로 언어지능과 시각지능 순으로 나타난다. 지

자체는 언어지능 비중이 49.4%로 가장 높으며, 재난안전 알림, 민원 안내 등에서 

TTS·STT 기반 기술 활용이 많기 때문이다. 또한 지자체는 안내·서비스 로봇 도

입 사례가 꾸준히 증가하여, 로봇공학 분야에서도 상대적으로 높은 비중을 보이는 

특징이 있다.

기관 구분

시각지능

언어지능

전문가시스템

로봇공학 

합계

국가기관

610

778

1,156

161

2,705

지자체

386

1,081

334

386

2,187

준정부기관

144

326

513

108

1,091

기타공공기

관

173

310

370

62

915

공기업

25

15

32

5

77

 합계 

1,338

2,510

2,405

722

6,975

<표 2-

22

> 기관 구분별 기술유형별 인공지능 도입 계약 건수 

6. 적용기술

기관별 적용기술을 살펴보면, 국가기관은 OCR 기술 활용이 684건으로 가장 많

으며, 문서 디지털화와 기록물 관리 목적의 도입이 지속적으로 이루어진 결과로 

보인다. 또한 기계학습(598건), 챗봇(502건), 딥러닝(363건) 등 학습 기반 기술도 꾸

준히 활용되고 있으며, 이러한 경향은 준정부기관과 기타공공기관에서도 유사하게 

나타난다. 

지자체는 기계학습·딥러닝 활용 빈도는 상대적으로 낮고, 대신 TTS(794건), 딥

러닝(289건), 챗봇(252건) 등 음성·문자 기반 서비스에서 활용되는 기술 비중이 

크다. 이는 민원안내, 재난 알림 등 주민 대상 서비스 개선을 중심으로 인공지능

을 도입해 온 영향으로 해석된다. 이러한 패턴은 지자체의 인공지능 활용이 최신 

학습 기반 기술보다는 정보 전달·응대 중심 기능에 초점을 두고 있음을 보여준

다.

- 34 -

국가기관

지자체

준정부기관

기타공공기관

공기업

합계

TTS

363

794

215

96

12

1,480

OCR

684

218

177

182

27

1,288

기계학습

598

158

307

187

16

1,266

챗봇

502

252

268

203

8

1,233

딥러닝

363

289

253

167

4

1,076

자연어처리 

276

120

71

54

-

521

STT

166

72

68

53

1

260

데이터셋 

180

64

88

46

-

378

GPU

112

61

61

21

5

260

자율주행

24

79

47

17

-

167

<표 2-

23

> 기관 구분별 적용기술별 인공지능 도입 계약 건수(중복 허용) 

- 35 -

제5절

발주 기관 및 낙찰 기업 현황

1. 발주 기관

국가기관 중 인공지능 도입 건수가 가장 많은 기관은 기상청(228건), 문화체육관

광부(205건), 행정안전부(194건) 순으로 나타났다. 기상청은 기상 예측과 분석 고도

화를 위해 기계학습·딥러닝 기반 연구와 구축 사업을 지속적으로 확대해 왔으며, 

문화체육관광부는 도서관·박물관 등 산하기관 중심으로 검색·안내 서비스, 대체

자료 제작, 챗봇 기반 큐레이션 등에서 다양한 AI 기술을 활용하고 있다. 행정안

전부는 범정부 행정서비스 시스템과 안전관리 영역에 인공지능을 도입하며 관련 

사업을 꾸준히 추진하고 있다.

또한, 경찰청은 신고·민원 안내 등 대민 서비스에 TTS·OCR·챗봇 기술을 적

용하고, 범죄 예방과 분석을 위해 딥러닝 기반 시스템 구축을 진행해 왔다. 질병

관리청은 감염병 대응 과정에서 시각지능 기반 분석 기술의 활용이 확대되었고, 

환경부 역시 산하 연구기관 중심으로 환경 모니터링·탐지 분야에서 영상 기반 

분석 기술을 도입한 사례가 증가하고 있다.

한편, 금액 기준으로는 대법원(4,535억 원), 과학기술정보통신부(4,285억 원), 행

정안전부(3,592억 원)가 가장 높은 규모를 보인다. 다만 용역계약 금액은 시스템 

전체 비용을 포함하는 경우가 많아, 인공지능 기능이 실제로 차지하는 비중을 그

대로 반영하는 지표로 보기 어렵다. 이 때문에 대규모 정보시스템을 보유한 기관

일수록 인공지능 관련 계약 금액이 크게 나타나는 경향이 있다.

- 36 -

순위

도입기관

건수

도입기관

금액(억원)

1

기상청

228

대법원

4,535

2

문화체육관광부

205

과학기술정보통신부

4,285

3

행정안전부

194

행정안전부

3,592

4

경찰청

140

국세청

3,431

5

환경부

136

국방부

3,430

6

해양수산부

120

조달청

3,032

7

질병관리청

110

법무부

2,952

8

국회

92

문화체육관광부

2,239

9

과학기술정보통신부

90

보건복지부

2,197

10

국방부

81

기상청

2,185

<표 2-

24

> 국가기관 중 상위 10개 기관의 도입 건수 및 금액 

지방자치단체 중에서는 경기도가 건수(596건)와 금액(6,957억 원) 모두에서 1위를 

차지하며 가장 높은 비중을 보였다. 이는 지자체 중 가장 큰 규모로 인공지능 관

련 사업 계약이 체결되었음을 나타낸다. 

서울특별시(237건, 2,407억 원) 역시 두 지표 모두 2위에 위치하며 상위권 수준

을 유지했다. 수도권 지역인 경기도와 서울특별시가 전체 계약 규모의 상당 부분

을 차지하고 있는 것으로 파악된다. 

경상남도는 건수 3위(222건)로 비교적 많은 사업을 추진했으나, 금액은 5위(1,385

억 원)를 기록했다. 이는 다수의 사업이 진행되었으나 개별 사업의 예산 규모는 

상대적으로 크지 않았음을 보여준다. 경상북도는 건수 134건(4위)인 것에 비해 금

액은 2,193억 원(3위)으로 건수 대비 금액 순위가 높게 나타났다. 이는 적은 건수

에도 불구하고 상대적으로 규모가 큰 사업 위주로 계약이 이루어진 결과로 해석

된다. 전체적으로 광역지자체는 지역별 재정 및 사업 환경에 따라 사업 수와 투자 

규모가 서로 다르게 구성되어 있으며, 각 지역의 여건에 맞추어 인공지능 도입 계

약이 체결되고 있는 것으로 정리할 수 있다.

- 37 -

계약 건수

계약 금액(억원)

순

위

 지자체 

건수

순

위

 지자체 

금액

1

경기도

596

1

경기도

6,957

2

서울특별시

237

2

서울특별시

2,407

3

경상남도

222

3

경상북도

2,193

4

경상북도

134

4

강원도

1,631

5

충청남도

128

5

경상남도

1,385

6

부산광역시

99

6

충청남도

1,306

7

충청북도

91

7

인천광역시

1,263

8

전라남도

89

8

부산광역시

1,094

9

전라북도

85

9

광주광역시

840

10

강원도

79

10

울산광역시

837

11

광주광역시

74

11

전라남도

824

12

울산광역시

72

12

전라북도

708

13

대구광역시

71

13

대구광역시

651

14

인청광역시

70

14

충청북도

598

15

제주도

56

15

세종특별자치시

328

16

대전광역시

42

16

제주도

319

17

세종특별자치시

42

17

대전광역시

170

합 계

2,187

합 계

23,510

<표 2-

25

> 광역자치단체별 활용용도별 인공지능 도입 계약 현황 

 

준정부기관 중에서는 한국지능정보사회진흥원(NIA)이 계약 건수 202건(18.5%)과 

금액 4,927억 원(19.4%)을 기록하며 가장 활발하게 인공지능 관련 사업을 수행하

고 있는 것으로 나타났다. 당초 NIA의 용역 수행 건수는 211건으로 파악되었으나, 

사업의 실질적 수혜 기관을 기준으로 재분류를 진행하여 최종 202건으로 집계되

었다.

 구체적으로 살펴보면, ‘인터넷 기반 육군 민간 클라우드 인프라 확보사업’과 

- 38 -

‘전장분야 국방 지능형 플랫폼 구축 정보화 전략 계획(ISP) 수립’은 국방부로, 

‘송도 지하공동구 디지털 관리시스템 구축’은 인천광역시로, ‘만성폐질환 재택

의료서비스를 위한 휴대용 AI다중진단 의료시스템 구축’은 강원도로 각각 분류

를 조정하였다. 이러한 타 기관 지원 성격의 과제를 제외한 NIA의 주요 사업에는 

범정부 차원의 전자정부 사업 지원이라는 고유 업무에 따라 국민비서, 범정부 데

이터 통합관리, AI 허브 운영 등의 프로젝트가 포함되어 있다.

 한국인터넷진흥원은 105건(9.6%)의 계약을 체결하여 2위를 기록했다. 해당 기관

은 사이버 침해 대응 분야에 기계학습과 딥러닝 기술을 적극적으로 활용하고 있

는 것으로 분석된다.

 3위인 한국교통안전공단은 71건(6.5%)의 사업을 추진하였다. 주로 도로 상태 파

악 및 대민 안내 업무에 챗봇과 기계학습을 도입하거나, 자율주행 상용화 대비를 

위한 연구 및 시범 사업을 중점적으로 진행하고 있다.

 한국환경공단은 57건(5.2%)으로 4위에 위치했으며, 환경오염 관련 시설의 모니

터링과 관리시스템 고도화 및 지능화를 위한 프로젝트를 다수 수행한 것으로 확

인되었다.

순위

수요기관

계약건수

계약금액

건수(건)

비중(%)

금액(억원)

비중(%)

1

한국지능정보사회진흥원

202

18.5

4,927

19.4

2

한국인터넷진흥원

105

9.6

1,257

5.0

3

한국교통안전공단

71

6.5

1,579

6.2

4

한국환경공단

57

5.2

2,054

8.1

5

한국사회보장정보원

34

3.1

1,096

4.3

6

중소벤처기업진흥공단

32

2.9

171

0.7

7

국민건강보험공단

29

2.7

1,482

5.8

8

한국고용정보원

25

2.3

1,848

7.3

9

한국농어촌공사

22

2.0

283

1.1

10

건강보험심사평가원

21

1.9

1,225

4.8

 합계(전체 준정부기관)

1,091

100

25,372

100

<표 2-

26

> 준정부기관 상위 10개 기관의 도입 현황 

- 39 -

기타공공기관에서는 한국교육학술정보원이 계약 건수 62건, 금액 3,524억 원으로 

표에 제시된 기관들 가운데 인공지능 도입 규모가 큰 편에 속한다. 교육 분야의 

정보화 사업과 연계된 다양한 인공지능 도입이 지속적으로 이루어져 온 것으로 

보인다.

농림수산식품교육문화정보원은 64건으로 교육·농업·문화 관련 사업에서 인공

지능을 활용한 사례가 다수 확인된다. 국방과학연구소도 54건을 기록하며 국방기

술 연구와 연계된 인공지능 적용이 꾸준히 이어지고 있다.

전체적으로 기타공공기관은 교육, 문화, 국방, 농업 등 여러 분야에서 기관 특성

에 맞춘 인공지능 도입이 이루어지고 있으며, 도입 건수와 금액은 각 기관의 사업 

성격과 추진 방향에 따라 차이를 보인다.

순위

수요기관

계약건수

계약금액

건수(건)

비중(%)

금액(억원)

비중(%)

1

농림수산식품교육문화정보원

64

7.0

1,217

11.2

2

한국교육학술정보원

62

6.8

3,524

32.4

3

국방과학연구소

54

5.9

323

3.0

4

한국언론진흥재단

33

3.6

236

2.2

5

한국문화정보원

28

3.1

285

2.6

6

한국교육개발원

23

2.5

129

1.2

7

(주)중소기업유통센터

21

2.3

99

0.9

8

한국문화예술위원회

21

2.3

70

0.6

9

한국발명진흥회

19

2.1

44

0.4

10

한국저작권위원회

18

2.0

112

1.0

 합계(전체 기타공공기관)

915

100

10,891

100

<표 2-

27

> 기타공공기관 상위 10개 기관의 도입 현황 

- 40 -

2. 공급 기업

공공부문 인공지능 도입 계약은 총 6,975건이며, 이 사업을 수행한 공급기업은 

1,803개로 나타났다. 공급기업 수는 중소기업이 가장 많고, 중견기업·비영리법

인·대기업 등이 뒤를 잇는 구조를 보인다.

기업구분별 계약 건수를 보면 중소기업이 6,112건으로 전체의 대부분을 차지하

며 공공 인공지능 사업 참여 비중이 높다. 중견기업은 310건, 대기업은 181건, 비

영리 중소기업과 비영리법인 등 기타는 각각 73건, 299건을 기록했다.

평균 계약금액은 기업 규모에 따라 차이를 보인다. 대기업은 평균 119.0억 원, 

중견기업은 60.3억 원으로 상대적으로 큰 규모의 사업을 수행한 것으로 나타난다. 

중소기업은 평균 12.2억 원, 비영리 중소기업(6.7억 원), 비영리법인 등 기타(14.1억 

원) 수준으로 계약금액이 형성되어 있다.

전체적으로 기업 규모가 클수록 평균 계약금액이 큰 경향이 있으며,

계약 건수 기준으로는 중소기업이 가장 많은 사업을 수행해 공공부문의 인공지능 

도입 과정에서 중소기업 중심의 공급 구조가 형성되어 있음을 확인할 수 있다.

기업구분

업체수

계약건수

합계 계약금액 

(백만원)

평균계약금액 

(백만원)

대기업

25

181

2,007,728

11,092

중견기업

73

310

1,870,662

6,034

중소기업

1509

6,112

7,426,164

1,215

비영리 중소기업

69

73

48,799

668

비영리법인 등 기타

127

299

420,658

1,407

합계

1,803

6,975

11,774,011

1,688

<표 2-

28

> 기업구분별 계약 건수 및 금액 

대기업의 경우 대형 SI회사와 통신사들이 상위에 위치하고 있다. ㈜LG CNS는 

전체 기업 중 가장 많은 계약 금액(49.4%)과 계약 건수(46.4%)를 차지했으며, 주로 

국가기관의 프로젝트를 수행했다. KT의 경우 자사의 통신망을 활용하여 지자체의 

지능형 교통체계(C-ITS) 프로젝트 중심으로 사업을 수행했다. 

- 41 -

업체

계약건수

계약금액 (억원)

평균 계약금액 (억원)

LG CNS 

84

9,924

118.1

KT

28

4,726

168.8

삼성SDS

10

1,392

139.2

SK텔레콤(주)

8

456

57.0

주식회사 바이브컴퍼니

5

177

35.5

합계 (대기업)

181

20,077

110.9

<표 2-

29

> 대기업 중 건수 기준 5대 기업의 계약 건수 및 금액 

중견기업의 계약 현황을 살펴보면, 기업 간 실적 차이가 존재하며 상위 일부 기

업에 계약이 집중되는 경향이 나타난다. 중견기업 가운데 상위 5개 기업은 15건 

이상 많은 계약 건수를 기록한 반면, 나머지 대다수의 기업은 계약 건수가 10건 

이하로 분포해 기업별 참여 규모에 차이가 있었다.

계약 금액에서도 유사한 패턴이 확인된다. 상위 5개 기업의 계약 금액 합계는 

중견기업 전체 계약 금액의 약 61.4% 수준을 차지하며, 일부 기업에 일정 규모의 

계약이 모여 있는 구조가 나타난다. 

업체

계약건수

계약금액 (억원)

평균 계약금액 (억원)

케이씨씨정보통신

32

1,762

55.1

쌍용정보통신

31

4,200

135.5

메타넷디지털

28

2,940

105.0

아이티센

21

1,523

72.5

대보정보통신

16

1,059

66.2

합계 (중견기업)

310

18,707

60.3

<표 2-

30

> 중견기업 중 건수 기준 5대 기업의 계약 건수 및 금액 

- 42 -

중소기업의 경우 ㈜싸인텔레콤이 78건으로 가장 많은 과제를 수행한 것으로 나

타났다. 해당 기업은 스마트횡단보도, 스마트교차로, C-ITS 등 교통 분야 중심의 

사업을 지속적으로 추진해 온 것이 특징으로 확인된다.

㈜위니텍은 69건을 기록하며 여러 사업에 참여했으며, 재난안전 분야에서 소방

정보시스템, 재난안전 관련 시스템, 교통정보시스템 등에서 TTS 기반 서비스를 다

수 수행한 것으로 확인된다.

전체적으로 중소기업은 교통·안전, 행정정보화, 데이터 관리 등 다양한 분야에

서 인공지능 및 정보화 기반 사업을 수행하며 공공부문의 여러 과제에 참여하고 

있다.

업체

계약건수

계약금액 (억원)

평균 계약금액 (억원)

㈜싸인텔레콤

78

2,888

37.0

㈜위니텍

64

919

14.4

한국정보기술주식회사

58

1,195

20.6

㈜바이브컴퍼니

48

824

17.2

주식회사 트라콤

40

1,354

33.9

펜타시스템테크놀러지㈜

39

672

17.2

㈜솔리데오시스템즈

39

1,914

49.1

㈜솔트룩스

39

657

16.8

주식회사 아리시스

38

398

10.5

㈜와이즈넛

38

115

3.0

합계 (전체 중소기업)

6,112

74,262

12.2

<표 2-

31

> 중소기업 건수 기준 10대 기업 계약 건수 및 금액 

- 43 -

제3장

공공부문 생성형 AI 도입현황

제1절

생성형 AI 현황 조사 방법

1.

생성형 AI 도입 사업의 정의 및 조사 범위

2022년 11월 OpenAI가 ChapGPT를 발표하면서 생성형AI가 전세계적인 화두로 

급격히 부상했다. 공공부문 역시 2023년부터 제안요청서에 생성형 AI, GPT, RAG, 

프롬프트 엔지니어링 등 생성형 AI 관련 키워드들이 본격적으로 등장하기 시작했

다. 그런데 실제 사업내용과 상관없이 추진 배경 등에 이들 키워드가 포함된 제안

요청서가 많아, 조사 프로세스 설계에 앞서 생성형AI 도입 사업의 특성과 정의를 

파악하는 작업을 우선 수행하였다. 

기존의 분석형 AI가 대량의 데이터를 분류하거나 특정 패턴을 식별하는 데 초점

을 맞춘 것과 달리, 생성형 AI는 대규모 학습 데이터로 구축된 기반 모델 및 초거

대 언어모델(LLM)을 활용하여 텍스트, 이미지, 코드 등 새로운 콘텐츠를 생성하거

나 고도화된 추론 및 변환 기능을 수행한다. 이러한 특성에 따라 기존 공공부문에

서 다수 도입된 전통적 AI는 주로 규칙 기반의 OCR이나 TTS, 혹은 특정 데이터

를 분류하는 탐지 모델 위주로 구성되어 있는 반면, 생성형 AI는 맥락을 이해하고 

이용자의 의도에 맞춰 답변을 생성하거나 데이터를 요약·가공하는 과업을 수행

한다는 점에서 차별점을 가진다.

전통적 AI

생성형 AI

핵심 기능

식별, 분류, 예측

생성, 요약, 추론

주요 기술

OCR, 이미지 탐지, 수치 예측,

TTS/STT(단순 변환)

LLM, RAG, 프롬프트 엔지니어링, 

멀티모달 생성

데이터 처리

입력값에 대한 정해진 결괏값 도출

입력값의 맥락을 이해하여 새로운 

콘텐츠 생성

공공 활용 예시

번호판 인식, 이상 징후 탐지,

종이 문서의 텍스트 변환, 

민원 답변 초안 작성, 회의록 요약, 

법령/규정 검색 및 요약, 

<표 3-

1

> 전통적 AI와 생성형 AI 비교

- 44 -

이와 같은 생성형 AI 도입 사업의 특성을 고려하여 키워드와 선별 기준을 수립

하였다. 그리고 분석 기간은 생성형 AI 확산의 계기가 된 챗GPT 출시 이후 공공

부문에서 해당 기술을 탐색하고 실질적인 예산 편성과 사업 발주로 이어지기까지

의 행정적 소요 기간을 고려하여 2023년과 2024년 2개년도로 하였다. 

2.

생성형 AI 조사방법  

기존 데이터가 없기 때문에 앞 장의 RAG LLM을 사용하기 힘들고 조사기간도 2

개년도로 한정되어 있어 생성형 AI 사업 선별을 위한 방법론을 별도로 마련하였

다. 앞장의 140개 키워드 중 생성형 AI 관련된 것을 축출한 후 데이터마이닝으로  

1차 후보군을 추렸다. 앞서 살펴본 생성형 AI 사업의 특성을 고려해 선별 기준을 

세우고, 전체 1차 후보군의 제안요청서를 면밀히 검토해 최종적으로 생성형 AI 사

업을 확정하였다.

가. 생성형 AI 키워드 선정

생성형 AI 생태계의 특성을 반영하기 위하여 해당 140개의 전체 키워드 중 기술

적·실무적 연관성이 높은 핵심어들을 선별하였으며, 이를 <표 3-2>와 같이 세 가

지 층위로 재구조화하였다. 이는 새로운 키워드를 정의한 것이 아니라 전체 인공

지능 키워드 풀 내에서 생성형 AI 분석 목적에 맞게 핵심 기술 및 서비스 용어들

을 추출한 결과이다.

세부적인 키워드 추출 및 분류 기준을 살펴보면, 우선 핵심 모델 및 아키텍처 

측면에서는 140개 키워드 중 초거대 언어모델(LLM)의 구조 및 주요 백본 모델 관

련 용어들을 선별하였다. 

구현 및 운영 기술 영역에서는 제안요청서상에 생성형 AI 명칭이 직접 기술되지 

않더라도 실질적인 최적화 및 활용 환경 구축 여부를 파악할 수 있도록 RAG, 파

인튜닝, 하이퍼파라미터, 오케스트레이션, 클러스터링, GPU 등의 용어를 포함하였

다. 특히 대규모 데이터 처리를 위한 필수 자원인 GPU 도입이나 범용 모델을 특

정 업무에 맞게 재학습시키는 파인튜닝 과정은 생성형 AI 적용의 핵심 공정으로 

간주하였으며, 복합적인 업무 수행을 위해 여러 모델을 연결하여 관리하는 오케스

트레이션 기술과 RAG 구현 시 비정형 데이터를 그룹화하고 정제하는 수단으로 

활용되는 클러스터링 기술 또한 분석 범위에 반영하였다. 

마지막으로 응용 서비스 및 기능 영역에서는 생성형 AI 기술이 실제 서비스 형

태로 구체화된 AI 에이전트, 업무 자동화 에이전트, 코파일럿 등의 용어를 선별하

- 45 -

여 분석 범위를 확정하였다. 이와 같은 키워드 추출 체계를 통해 기술 명칭이 명

확한 사업은 물론, 복합적인 시스템 아키텍처 구축 단계로 진화한 생성형 AI 관련 

과업 전반을 분석할 수 있도록 하였다.

분류

내용

주요 키워드

핵심 모델 

및 아키텍처

· 최신 거대언어모델(LLM)의 명칭 

및 기반 아키텍처 관련 용어

초거대AI/LLM/sLLM/기반모델/딥러닝/

백본모델/Transformer/Bert/

챗GPT/Gemini/바드/Claude/Llama

구현 및

운영 기술

· 생성형 AI 도입, 학습 최적화 및 

운영 환경 구축을 위한 기술 용어

RAG/파인튜닝/하이퍼파라미터/LLMOps/

인컨텍스러닝/프롬프트 엔지니어링/

오케스트레이션/클러스터링/할루시네이션

/GPU/NPU/벡터 데이터베이스

응용 서비스 

및 기능

· 생성형 AI 기술을 활용하여 구현

된 구체적인 서비스 형태 및 기능

AI 에이전트/업무 자동화 에이전트/

코파일럿/멀티모달/보이스 클로닝/

딥페이크

<표 3-

2

> 생성형 AI 세부 분류 키워드

나. 생성형 AI 사업 선별 기준

생성형 AI 관련 키워드가 포함되어 있더라도, 실질적인 시스템 구축이나 활용이 

수반되지 않는 경우 분석 대상에서 배제하는 것을 원칙으로 하였다. 제안요청서 

및 과업지시서 전수 조사를 통해 다음의 기준을 충족하는 경우에만 생성형 AI 도

입 과제로 확정하였다.

① 단순한 기술적 관심 표명이나 향후 도입 계획 수준의 언급이 아닌, 실제 과

업 내용에 생성형 AI 모델의 튜닝, RAG 시스템 구축, 서비스 적용이 명시되어 기

술 구현의 실체성이 확인된 경우를 대상으로 하였다.

② 일반적인 사무용 소프트웨어에 내장된 부가적인 AI 기능을 단순히 사용하는 

경우를 제외하고, 발주 기관의 고유 업무나 대민 서비스를 위해 특화된 생성형 AI 

기능을 핵심적으로 개발하거나 도입하는 경우로 한정하였다.

③ '인공지능', '챗봇' 등의 포괄적 용어가 아닌, 'LLM', '초거대 AI', '생성형' 등 

기반 모델의 특성이 드러나는 용어가 과업의 핵심 기술로 명시된 경우를 포함하

였다.

- 46 -

다. 세부 프로세스

2023년 이후 인공지능 도입 과제로 판별된 전체 사업 중 앞서 정의한 생성형 AI 

세부 분류 키워드(표 3-2)가 2개 이상 복합적으로 나타난 사업들을 1차 후보군으

로 식별하였으며, 이를 통해 총 180개의 분석 모수를 확보하였다.

이후 연구진은 선별된 180개 후보 과제 전체를 대상으로 제안요청서 및 과업지

시서의 세부 내용을 전수 조사하여 기술 구현의 실체성을 정밀하게 검토하였다. 

조사 과정에서는 단순한 기술적 용어 나열이나 향후 도입 계획을 언급한 사례, 또

는 부가 기능을 단순히 활용하는 경우를 분석 대상에서 제외하였다. 특히 실제 과

업 내용에서 모델의 튜닝이나 서비스 적용 등 실질적인 기술 구현이 확인된 경우

만을 분석 대상으로 확정하였으며, 이러한 다단계 필터링 절차를 통하여 최종적으

로 66개의 생성형 AI 관련 과제를 식별하였다.

- 47 -

제2절

생성형 AI 도입 현황

1. 연도별 도입 현황

가. 도입현황

계약 건수의 경우 생성형 AI 도입 용역은 2023년 24건에서 2024년 42건으로 18

건 증가하여 전년 대비 75.0%의 증가율을 보였다. 이는 동기간 전체 인공지능 용

역 건수가 약 17.3% 증가한 것과 비교할 때 상대적으로 높은 수치이며, 이에 따라 

전체 인공지능 도입 건수 중 생성형 AI가 차지하는 비중은 2023년 2.4%에서 2024

년 3.5%로 1.1%p 상승하였다. 

계약 금액은 2023년 478억 원에서 2024년 695억 원으로 217억 원 증가하여 

45.4% 성장하였다. 전체 인공지능 용역 금액 대비 생성형 AI 비중은 2023년 1.8%

에서 2024년 2.5%로 0.7%p 상승하여 전년 대비 비중이 확대되었다. 

전반적으로 금액 증가율(45.4%) 대비 건수 증가율(75.0%)이 높게 나타났는데, 이

는 해당 기간 동안 생성형 AI 도입이 대규모 구축 사업보다는 중·소규모 단위의 

과제를 중심으로 수행되었음을 시사한다.

연도

용역 건수(건)

용역 금액(억원)

생성형 AI

AI도입과제

비중

생성형 AI

AI도입과제

비중

2023

24

1,036

2.4%

478

26,916

1.8%

2024

42

1,215

3.5%

695

28,207

2.5%

<표 3-

3

> 생성형 AI 도입 계약 건수 및 금액

나. 추진단계

생성형 AI 시스템을 도입하는 추진단계별 계약 건수를 살펴보면, 시스템 개발을 

포함한 구축 단계는 2023년 66.7%에서 2024년 50.0%로 비중은 다소 감소하였으

나, 여전히 전체 과반을 차지하며 가장 높은 비중을 유지하고 있다. 

생성형 AI 모델과 관련 기술을 탐색·개발하는 연구 단계는 2023년 3건에서  

2024년 10건으로 크게 증가하였다. 이는 공공부문에서 생성형 AI의 본격적인 도입

- 48 -

에 앞서, 기술적 실현 가능성을 검증하고 업무 적용 방안을 모색하는 실증적 연구 

투자가 이루어지고 있음을 보여준다. 

생성형 AI 도입 방향 설정 및 전략 수립을 위한 ICT 컨설팅 단계 역시 2023년 1

건에서 2024년 6건으로 크게 증가하였다. 이는 생성형 AI 기술을 도입하려는 공공

부문의 움직임이 빨라지고 있음을 시사한다. 

반면, 유지관리 단계는 2023년 16.7%에서 2024년 11.9%로 소폭 감소하였다. 이러

한 변화는 일반 인공지능 분야가 유지관리 비중이 점차 늘어나는 성숙기에 접어

든 것과 달리, 생성형 AI 분야는 아직 초기 도입기 단계에 있어 기존 시스템의 운

영보다는 신규 구축과 이를 뒷받침하기 위한 연구·컨설팅 위주의 투자가 집중되

고 있다고 보여진다.

 연도 

연구

ICT컨설팅

구축

유지관리 

 전체 

2023

3(12.5%)

1(4.2%)

16(66.7%)

4(16.7%)

24(100.0%)

2024

10(23.8%)

6(14.3%)

21(50.0%)

5(11.9%)

42(100.0%)

 합계 

13(19.7%)

7(10.6%)

37(56.1%)

9(13.6%)

66(100.0%)

<표 3-

4

> 추진단계별 생성형 AI 도입 계약 건수 

다. 활용용도

생성형 AI 도입 계약 건수는 2023년 24건에서 2024년 42건으로 증가하였으나, 

전체 모수가 66건으로 크지 않아 특정 경향성을 보여준다기보다는 연도별 도입 

사례의 단순 분포 변화로 이해하는 것이 적절하다. 2023년에는 업무효율화 15건으

로 대민서비스 9건보다 많았으나, 2024년에는 대민서비스가 22건으로 늘어나며 업

무효율화(20건)와 유사한 비중을 보였다.

대민서비스 분야에서는 정보제공 유형이 2023년 5건에서 2024년 12건으로 가장 

많이 발생했으며, 민원처리와 보건 및 복지 분야도 각각 2건에서 5건, 1건에서 5

건으로 소폭 증가하였다. 이는 현재 공공부문의 생성형 AI 대민 서비스 도입이 챗

봇이나 단순 안내 서비스와 같은 정보제공형 사업을 중심으로, 개별 기관의 수요

에 따라 민원 및 복지 분야로 시도되는 단계임을 보여준다.

업무효율화 분야의 경우 업무처리지원은 8건에서 6건으로 다소 감소하고 의사결

정지원은 6건에서 8건으로 소폭 증가하여 전반적으로 유사한 수준을 유지하였다. 

전체적으로 생성형 AI의 활용 용도는 특정 분야로의 뚜렷한 집중보다는, 도입 초

- 49 -

기 단계에서 각 기관의 필요에 따라 다양한 영역에서 산발적으로 시도되고 있는 

양상이다.

구분

활용 용도

2023

2024

합계

대민서비스

정보제공

5

12

17

재난및안전

1

-

1

민원처리

2

5

7

보건및복지

1

5

6

기타

-

-

-

업무효율화

업무처리지원

8

6

14

의사결정지원

6

8

14

자원관리

1

6

7

합계

24

42

66

<표 3-

5

> 활용용도별 생성형 AI 도입 계약 건수 

라. 핵심 키워드

연도별 핵심 키워드의 빈도 변화를 살펴보면 공공부문의 생성형 AI 도입 양상이 

특정 서비스 중심의 탐색 단계에서 기술 중심의 도입 단계로 이행되는 과정에 있

음을 알 수 있다. 2023년 19건으로 가장 높은 빈도를 보였던 GPT는 2024년 17건

으로 소폭 감소하였으나, 범용적 기술 용어인 생성형 AI는 2023년 9건에서 2024년 

27건으로 증가하였다. LLM 역시 2023년 4건에서 2024년 18건으로 늘어났는데, 이

는 초기 시장이 특정 상용 브랜드에 의존하던 경향에서 벗어나 기술군 자체에 대

한 인식이 확산되며 사업 명칭이 표준화되고 있는 흐름으로 해석된다. 트랜스포머

의 언급 빈도가 2023년 6건에서 2024년 1건으로 하락한 것 또한 해당 개념이 

LLM 등 상위 개념에 포괄되어 통용되는 현상이 반영된 것으로 보인다.

이러한 기술 명칭의 변화와 함께 요구사항의 세부적인 구성도 구체화되는 추세

이다. 생성형 AI의 답변 신뢰성을 확보하기 위한 RAG(검색 증강 생성) 키워드는 

2023년 11건에서 2024년 15건으로 완만하게 증가하였으며, 2023년에는 나타나지 

않았던 프롬프트(Prompt engineering)가 2024년 9건으로 새롭게 확인되었다. 이는 

발주 기관이 제안요청서 등에 기술적 방법론을 명시하기 시작했음을 보여주며, 결

과물의 품질을 관리하려는 실무적 요구가 반영된 것으로 판단된다. 더불어 텍스트 

- 50 -

외의 데이터를 처리하는 멀티모달 키워드가 2023년 2건에서 2024년 7건으로 소폭 

늘어났고, 경량화 모델인 SLM(SLLM 포함)이 2024년 4건으로 신규 등장한 것은 운

영 효율과 보안을 고려하여 도입 모델의 형태를 다변화하려는 시도가 진행 중임

을 시사한다.

다만 2개년 전체 분석 대상 사업이 총 66건에 불과하여 특정 기술의 확산을 확

정하기에는 데이터의 모수가 제한적이다. 생성형 AI나 GPT와 같은 주요 키워드에 

비해 SLM, 멀티모달 등 세부 기술 키워드의 빈도는 여전히 한 자릿수 내외의 낮

은 수준을 유지하고 있다. 따라서 이러한 수치를 특정 기술의 전면적인 확산으로 

일반화하기보다는, 선도적인 일부 사업을 중심으로 기술적 고도화가 시범적으로 

적용되고 있는 초기 추세로 이해하는 것이 타당하다.

연도

생성형

ai

GPT

LLM

RAG

멀티

모달

프롬

프트

초거대

AI

트랜스

포머

SLM

2023

9

19

4

11

2

-

3

6

-

2024

27

17

18

15

7

9

4

1

4

합계

36

36

22

26

9

9

7

7

4

<표 3-

6

> 연도별 생성형 AI 핵심 키워드_Top 9

- 51 -

2. 기관 구분별 생성형 AI 도입 현황

가. 기관 구분별 도입 현황

2023년의 경우 국가기관이 전체 도입 시장을 주도하였다. 국가기관은 총 10건, 

276.24억 원의 계약 총액을 기록하였는데, 이는 국방부의 '국방 지능형 플랫폼 구

축사업'이 약 160.8억 원 규모로 추진된 데 기인한다. 해당 사업은 2023년 국가기

관 전체 계약 총액의 약 58%를 차지하며, 평균 계약 금액(27.62억 원)을 타 기관 

대비 높게 형성하는 주된 원인이 되었다. 

2024년에는 기타공공기관과 지자체의 도입이 크게 증가하였다. 기타공공기관은 

계약 총액이 전년 대비 5배 이상 급증한 316.9억 원을 기록하였는데, 이는 대한법

률구조공단의 '법률구조서비스 플랫폼 구축 사업자 선정(약 240억 원)' 사업이 포

함된 결과이다. 지자체 또한 2023년 1건(0.4억 원)에서 2024년 263.0억 원으로 큰 

폭의 증가세를 보였다. 특히 경기도 성남시의 '로봇 활용 주민생활시설 돌봄 및 

교육 서비스 확산 사업(총차, 1차)'이 약 215.5억 원으로 지자체 전체 총액의 약 

82%를 차지하며 전체 증가분에 주요한 영향을 미쳤다.

기관 구분

2023

2024

건수

계약 총액

(억원)

평균 금액

(억원)

건수

계약 총액

(억원)

평균 금액

(억원)

국가기관

10

276.2

27.6

6

65.3

10.9

지자체

1

0.4

0.4

8

263.0

32.9

준정부기관

7

136.8

19.5

5

42.4

8.5

기타공공기관

5

58.2

11.6

21

316.9

15.1

공기업

1

6.8

6.8

2

7.8

3.9

합계

24

478.4

20.9

42

695.3

16.6

<표 3-

7

> 기관 구분별 생성형 AI 도입 계약건수 및 계약금액

- 52 -

기관 구분

5천만원 미만

1억원 미만

10억원 미만

10억원 이상

국가기관

-

1(6.2%)

7(43.8%)

8(50.0%)

지자체

2(22.2%)

1(11.1%)

4(44.4%)

2(22.2%)

준정부기관

-

-

6(50.0%)

6(50.0%)

기타공공기관

3(11.5%)

5(19.2%)

14(53.8%)

4(15.4%)

공기업

-

-

3(100.0%)

-

합계

5(7.6%)

7(10.6%)

34(51.5%)

20(30.3%)

<표 3-

8

> 기관 구분별 계약금액 규모별 생성형 AI 도입 계약 건수 

나. 추진단계

기관 구분별 추진단계를 살펴보면, 국가기관은 구축 단계가 16건 중 9건(56.2%), 

지자체는 연구 단계가 9건 중 4건(44.4%)으로 각각 가장 높은 비중을 차지하는 것

으로 나타났다. 다만, 이는 각 기관 유형별 전체 계약 건수가 10건 내외로 매우 

적어, 소수의 계약 발생만으로도 비중 수치가 크게 변동될 수 있어 유의해야 한

다. 예를 들어 지자체의 경우 연구 단계 비중이 높게 나타났으나, 실제 건수는 4

건에 불과하여 이를 지자체의 확정적인 도입 전략으로 일반화하는데 한계가 있다. 

기관 구분

연구

ICT컨설팅

구축

유지관리

합계

건수

비중

건수

비중

건수

비중

건수

비중

건수

비중

국가기관

2

12.5

2

12.5

9

56.2

3

18.8

16

100

지자체

4

44.4

1

11.1

3

33.3

1

11.1

9

100

준정부기관

2

16.7

-

-

8

66.7

2

16.7

12

100

기타공공기관

5

19.2

3

11.5

15

55.7

3

11.5

26

100

공기업

-

-

1

33.3

2

66.7

-

-

3

100

합계

13

19.7

7

10.6

37

56.1

9

13.6

66

100

<표 3-

9

> 기관 구분별 추진단계별 생성형 AI 도입 계약 건수 

- 53 -

다. 활용용도

기관 구분별 생성형 AI 도입 계약 건수를 활용용도 측면에서 살펴보면, 전체 66

건 중 업무효율화 분야가 35건(53.0%)으로 대민서비스 분야 31건(47.0%)보다 소폭 

높은 비중을 차지하는 것으로 집계되었다. 

기관 유형별 세부 현황을 보면, 기타공공기관은 전체 26건 중 업무효율화가 18

건(69.2%)을 차지하였으며, 국가기관은 16건 중 9건(56.2%)이 업무효율화 분야로 

나타나 내부 업무 지원 중심의 도입 비중이 과반을 기록하였다. 

반면, 준정부기관은 12건 중 8건(66.7%), 지방자치단체는 9건 중 5건(55.6%)이 대

민서비스 분야에 해당하였으며, 공기업의 경우 발생한 계약 3건이 모두 대민서비

스 분야로 분류되었다. 

기관 구분

대민서비스

업무효율화

합계

국가기관

7(43.8%)

9(56.2%)

16(100.0%)

지자체

5(55.6%)

4(44.4%)

9(100.0%)

준정부기관

8(66.7%)

4(33.3%)

12(100.0%)

기타공공기관

8(30.8%)

18(69.2%)

26(100.0%)

공기업

3(100.0%)

-

3(100.0%)

합계

31(47.0%)

35(53.0%)

66(100.0%)

<표 3-

10

> 기관 구분별 활용용도별 생성형 AI 도입 계약 건수 

대민서비스 목적의 생성형 AI 도입 계약 31건을 세부 용도별로 살펴보면, '정보

제공'이 17건(54.8%)으로 전체의 과반을 차지하였다. 이어 '민원처리'가 7건(22.6%), 

'보건복지'가 6건(19.4%)으로 집계되었으며, '재난안전' 분야는 준정부기관에서 발

생한 1건(3.2%)에 그쳤다. 

기관 유형별 현황을 보면, 국가기관(4건), 지자체(3건), 준정부기관(3건), 기타공공

기관(5건) 등 대부분의 기관 유형에서 '정보제공' 분야의 도입 빈도가 가장 높게 

나타났다. '민원처리' 분야의 경우 준정부기관이 3건으로 상대적으로 많은 건수를 

기록했다. .

- 54 -

기관 구분

정보제공

재난안전

민원처리

보건복지

기타

 합계 

국가기관

4(57.1%)

-

1(14.3%)

2(28.6%)

-

7(100.0%)

지자체

3(60.0%)

-

1(20.0%)

1(20.0%)

-

5(100.0%)

준정부기관

3(37.5%)

1(12.,5%)

3(37.5%)

1(12.5%)

-

8(100.0%)

기타공공기

관

5(62.5%)

-

1(12.5%)

2(25.0%)

-

8(100.0%)

공기업

2(66.7%)

-

1(33.3%)

-

-

3(100.0%)

합계

17(54.8%)

1(3.2%)

7(22.6%)

6(19.4%)

-

31(100.0%)

<표 3-

11

> 기관 구분별 대민서비스 목적 생성형 AI 도입 계약 건수 

업무효율화 목적의 생성형 AI 도입 계약 35건을 세부 용도별로 살펴보면, '업무

처리지원'과 '의사결정지원'이 각각 14건(40.0%)으로 동일한 비중을 차지하였으며, 

'자원관리'는 7건(20.0%)으로 집계되었다. 

기관 유형별 현황을 보면, 기타공공기관은 전체 18건 중 '의사결정지원'이 8건

(44.4%)으로 가장 많았고, '업무처리지원'과 '자원관리'가 각각 5건(27.8%)으로 뒤를 

이었다. 국가기관(총 9건)과 준정부기관(총 4건)은 '업무처리지원' 분야가 각각 6건

(66.7%), 3건(75.0%)을 차지하며 과반을 기록한 반면, 지자체(총 4건)는 '의사결정지

원' 분야가 3건(75.0%)으로 높게 나타났다. 

기관 구분

업무처리지원

의사결정지원

자원관리

 합계 

국가기관

6(66.7%)

3(33.3%)

-

9(100.0%)

지자체

-

3(75.0%)

1(25.0%)

4(100.0%)

준정부기관

3(75.0%)

-

1(25.0%)

4(100.0%)

기타공공기관

5(27.8%)

8(44.4%)

5(27.8%)

18(100.0%)

공기업

-

-

-

-

합계

14(40.0%)

14(40.0%)

7(20.0%)

35(100.0%)

<표 3-

12

> 기관 구분별 업무효율화 목적 생성형 AI 도입 계약 건수 

- 55 -

라. 핵심 키워드

기관 유형별 생성형 AI 관련 핵심 키워드의 분포를 살펴보면, 모든 기관 유형에

서 생성형 AI'와 GPT가 공통적인 주요 키워드로 확인된다. 다만 세부 키워드 구

성에서는 각 기관의 성격에 따른 차이가 관측된다. 

기타공공기관은 생성형 AI(13건), GPT(11건), LLM(11건), RAG(11건)가 모두 높은 

빈도로 나타나며, 전반적인 기술 용어의 사용이 타 기관 대비 활발한 경향을 보인

다. 특히 2024년 신규 키워드인 프롬프트(7건)와 경량화 모델인 SLM(3건)에 대한 

언급도 가장 많아, 기술적 방법론에 대한 다양한 검토가 이루어지고 있는 흐름으

로 보인다. 국가기관은 GPT(10건)가 가장 높은 빈도를 차지한 가운데 생성형 AI(8

건), LLM(6건), RAG(6건) 순으로 나타났으며, 영상 및 이미지 처리를 포함하는 '멀

티모달(3건)' 키워드도 상위권에 포함되었다. 

준정부기관은 GPT(8건)와 RAG(6건), 생성형 AI(6건) 위주로 키워드가 구성되어 

있으며, 초거대 AI와 트랜스포머가 각각 3건씩 확인되어 기반 기술에 대한 용어 

활용이 비교적 고르게 나타났다. 

지방자치단체는 생성형 AI(8건)와 GPT(5건)가 주를 이루는 가운데 RAG(2건)와 

멀티모달(2건)이 그 뒤를 이었으며, 공기업은 전체적인 키워드 집계량이 적어 

GPT(2건)와 생성형 AI(1건) 등 기초적인 용어 위주의 언급에 머물렀다. 

기관 구분

생성형

ai

GPT

LLM

RAG

멀티

모달

프롬

프트

초거대

AI

트랜스

포머

SLM

국가기관

8

10

6

6

3

2

2

2

-

지자체

8

5

1

2

2

-

1

1

-

준정부기관

6

8

4

6

2

-

3

3

1

기타공공기

관

13

11

11

11

2

7

1

1

3

공기업

1

2

-

1

-

-

-

-

-

합계

36

36

22

26

9

9

7

7

4

<표 3-

13

> 기관 구분별 생성형 AI 핵심 키워드_Top 9

 

- 56 -

제4장

클라우드 방식 공공부문 AI 도입 현황

제1절

디지털서비스 전문계약제도 현황

1.

디저털서비스 전문계약제도 개요

디지털서비스 전문계약제도란 클라우드 컴퓨팅 기술을 활용한 서비스를 공공부

문이 신속하고 유연하게 도입할 수 있도록 마련된 전용 계약 절차이다. 기존의 전

통적인 용역 입찰 계약 방식(제안요청서 공고 → 입찰 → 평가 → 협상 → 계약)

은 절차가 복잡하고 장기간이 소요되어, 기술 변화 주기가 빠른 인공지능) 및 클

라우드 서비스를 적시에 도입하는 데 한계가 있었다. 이에 정부는 관련 시행령 개

정을 통해, 사전에 전문 심사위원회의 심사를 통과한 서비스를 등록하고, 수요기

관이 이를 카탈로그 쇼핑하듯 검색하여 수의계약 형태로 즉시 도입할 수 있는 디

지털서비스 전문계약제도를 2020년 10월부터 도입하였다.

디지털서비스 전문계약제도는 과학기술정보통신부와 한국지능정보사회진흥원이 

운영하는 디지털서비스 이용지원시스템과 조달청이 운영하는 디지털서비스몰을 

통해 운영된다. 서비스 제공 기업이 이용지원시스템에 심사를 신청하면, 관계 부

처 공무원 및 민간 전문가로 구성된 ‘디지털서비스 심사위원회’가 기업의 경영 

상태, 기술력, 보안성 등을 종합적으로 평가하여 선정 여부를 결정한다. 심사를 

통과하여 선정된 서비스는 조달청의 디지털서비스몰에 상품 정보가 연계 등록되

며, 이후 수요기관은 별도의 복잡한 입찰 절차 없이 등록된 서비스를 검색하고 계

약을 진행할 수 있는 구조를 갖추고 있다.

<그림 4-1> 디지털서비스 전문계약 체계도

- 57 -

수요기관은 디지털서비스 이용지원시스템을 통해 등록된 서비스의 기능과 가격 

등 상세 정보를 사전에 비교·검토할 수 있으며, 이후 조달 절차는 조달청에 계약 

요청을 의뢰하는 중앙조달(납품요구) 방식과 수요기관이 기업과 직접 계약을 체결

하는 자체조달(수의계약) 방식 중 선택하여 수행할 수 있다. 특히 본 제도는 국가

계약법 시행령 제26조에 따른 수의계약 특례가 적용되어, 금액 한도 없이 신속한 

계약 체결이 가능하므로 기존 일반 용역 입찰 대비 행정 소요 기간을 최소화할 

수 있다는 특징이 있다.

<그림 4-2> 디지털서비스 전문계약 이용절차도

- 58 -

2.

디지털서비스 전문계약제도 계약 현황

가. 연도별 디지털서비스 이용계약 현황

2020년 제도 도입 이후 공공부문의 클라우드 서비스 도입 규모는 지속적인 성장

세를 나타내고 있다. 시행 첫해인 2020년 2건에 불과했던 계약 건수는 2021년 228

건으로 증가하였으며, 이후 2024년 538건, 2025년 565건을 기록하며 2023년 이후 

연간 500건 이상의 계약 건수를 유지하고 있다. 2025년까지 누적 계약 건수는 총 

2,158건이며, 누적 계약 금액은 약 6,669억 원으로 집계되어 본 제도가 신속한 클

라우드 도입을 위한 조달 채널로 안착한 것으로 파악된다.

서비스 유형별 계약 현황을 살펴보면 인프라(IaaS)가 누적 건수 1,078건, 누적 금

액 약 3,705억 원으로 전체 시장의 건수 기준 약 50%, 금액 기준 약 55.5%를 점

유하며 가장 높은 비중을 차지하고 있다. 소프트웨어(SaaS)는 누적 계약 건수 838

건으로 IaaS 다음으로 높은 도입 빈도를 보이고 있다. SaaS의 경우 도입 초기인 

2020년 계약 금액이 0.2억 원 수준이었으나, 2023년 이후 2024년 76억 원, 2025년 

106억 원으로 매년 지속적으로 상승하고 있다. 클라우드 지원 서비스는 컨설팅, 

운영관리 등 전반적인 클라우드 시스템 운영을 지원하기 때문에 건수 대비 금액

이 상대적으로 크다.

연도

IaaS

SaaS

클라우드

지원서비스

융합서비스

합계

건수

금액

건수

금액

건수

금액

건수

금액

건수

금액

2020

-

-

2

0.2

-

-

-

-

2

0.2

2021

112

1,187

104

39

4

1

8

16

228

1,243

2022

159

421

153

41

14

374

13

16

339

853

2023

283

1,015

137

37

50

1,111

16

18

486

2,180

2024

247

509

226

76

59

266

6

8

538

859

2025

277

572

216

113

58

305

14

561

565

1,550

합계

1,078

3,705

838

306

185

2,057

57

618

2,158

6,686

<표 4-1> 연도별 서비스유형별 계약 건수 및 금액

- 59 -

15)

 수요기관 유형은 디지털서비스 이용지원시스템의 분류기준에 따른 것으로 2, 3장 용역방식에 사용했던 조

달철 분류와 상이함

나. 계약 방식별 이용 현황

디지털서비스 전문계약제도의 계약 방식은 '카탈로그 계약'과 '수의계약'으로 구

분되며, 연도별 흐름을 살펴보면 카탈로그 계약 방식을 통한 서비스 도입이 주된 

조달 형태로 되고 있다. 누적 실적 기준 카탈로그 계약은 총 1,567건(약 6,389억 

원)으로 전체 건수의 약 72.6%를 차지하며, 수의계약 591건(약 296억 원) 대비 높

은 이용 비중을 보인다. 제도 시행 초기와 달리 2022년 카탈로그 계약(205건)이 

수의계약(134건)을 추월한 이후 그 격차는 매년 확대되고 있다. 

금액 측면에서도 카탈로그 계약의 비중이 높게 나타난다. 2023년에는 대규모 인

프라 도입 등의 영향으로 약 2,132억 원의 정점을 기록하였으며, 2025년 역시 약 

1,532억 원의 실적을 기록하며 수의계약 금액과 큰 차이를 유지하고 있다. 

연도

카탈로그계약

수의계약

합계

건수

금액

건수

금액

건수

금액

2020

-

-

2

0.2

2

0.2

2021

109

1,160

119

84

228

1,243

2022

205

813

134

39

339

853

2023

364

2,132

122

48

486

2,180

2024

428

753

110

106

538

859

2025

461

1532

104

19

565

1,550

합계

1,567

6,389

591

296

2,158

6,686

<표 4-2> 연도별 계약유형별 이용계약 현황

다. 수요기관 유형별 서비스 이용현황15)

연도별 수요기관유형별 이용계약 현황을 살펴보면 공공기관이 전체 시장을 주도

하는 가운데 기관 유형에 따라 이용 패턴과 성장세가 상이하게 나타난다.

공공기관은 누적 기준 1,235건, 5,693억 원을 기록하여 전체 계약 건수의 약 

- 60 -

57.2%, 금액의 약 85.1%를 차지했다. 특히 2023년에는 303건, 1,987억 원을 기록하

며 단일 연도 기준 최대 실적을 달성했다.

지자체와 중앙행정기관은 제도 도입 초기 대비 최근 이용 규모가 확대되는 추세

를 보인다. 지자체의 이용 금액은 2023년 62억 원에서 2025년 151억 원으로 증가

했으며, 중앙행정기관 또한 2023년 55억 원에서 2025년 146억 원으로 늘어났다. 

이는 해당 기관들의 디지털서비스 도입이 초기 탐색 단계를 지나 본격적인 확산 

단계로 진입했음을 시사한다.

학교는 누적 계약 건수가 347건으로 지자체의 361건과 유사한 수준이나, 누적 

금액은 250억 원에 그쳐 건당 계약 규모에서 차이를 보였다. 건당 평균 금액을 산

출해보면 공공기관은 약 4.6억 원인 반면 학교는 약 0.7억 원 수준으로 나타났다. 

이는 학교가 대규모 인프라 구축보다는 상대적으로 예산 규모가 작은 소규모 소

프트웨어 서비스 이용에 집중하고 있기 때문으로 분석된다.

기관

유형

중앙

행정기관

지자체

공공기관

학교

기타

합계

건수

금액

건수

금액

건수

금액

건수

금액

건수

금액

건수

금액

2020

-

-

-

-

2

0.2

-

-

-

-

2

0.2

2021

14

5

15

6

142

1,190

49

32

8

11

228

1,243

2022

29

26

53

21

208

764

37

31

12

10

339

853

2023

31

55

71

62

303

1987

58

51

23

24

486

2,180

2024

37

119

114

84

278

579

97

66

12

11

538

859

2025

37

146

108

151

302

1173

106

69

12

11

565

1,550

합계

148

350

361

325

1235

5,693

347

250

67

67

2,158

6,686

<표 4-3> 연도별 수요기관유형별 이용계약 현황

(건, 억원)

수요기관유형별 서비스유형 이용계약 현황을 분석하면 공공기관이 전체 시장 규

모를 주도하는 가운데 기관 특성에 따라 선호하는 서비스 유형이 구분되는 특징

을 보인다.

공공기관은 IaaS 2,991억 원, 클라우드지원서비스 1,992억 원을 기록하여 인프라 

구축과 운영 관리에 예산의 대부분을 투입하고 있다. 특히 융합서비스 분야에서도 

- 61 -

전체 금액 618억 원 중 571억 원을 공공기관이 차지하여, 대규모 예산이 수반되는 

복합 사업이 주로 공공기관을 중심으로 추진됨을 알 수 있다.

학교는 다른 기관 유형과 차별화된 이용 패턴을 보인다. 대부분의 기관이 IaaS 

위주의 계약을 체결한 것과 달리, 학교는 SaaS 이용 건수가 202건으로 IaaS 이용 

건수 137건을 상회했다. 이는 교육 현장의 특성상 인프라 구축보다는 즉시 활용 

가능한 소프트웨어 서비스에 대한 수요가 높기 때문인 것으로 분석된다.

서비스 유형별 건당 계약 규모를 살펴보면 IaaS와 SaaS 간 차이가 확인된다. 

IaaS는 전체 계약 건수의 약 50%를 차지하며 금액 비중도 약 55%로 나타나 건수

와 금액이 비례하는 양상을 보였다. 반면 SaaS는 전체 계약 건수의 약 39%를 차

지하지만 금액 비중은 약 4.6%에 불과했다. 이는 SaaS가 상대적으로 단가가 낮은 

구독형 서비스 위주로 체결되고 있음을 시사한다.

클라우드지원서비스는 계약 건수가 185건으로 전체의 8.6%에 그쳤으나, 금액은 

2,057억 원으로 전체의 30.8%를 차지했다. 이는 클라우드 도입이 단순 인프라 임

대를 넘어 시스템 구축 및 관리, 최적화 등을 포함한 복합적인 사업 형태로 진행

되기 때문이다.

기관 유형

IaaS

SaaS

클라우드

지원서비스

융합서비스

합계

건수

금액

건수

금액

건수

금액

건수

금액

건수

금액

중앙행정

기관

71

251

58

64

13

29

6

7

148

350

지자체

202

218

97

4 6

33

21

29

40

361

325

공공기관

629

2,991

461

139

123

1,992

22

571

1,235

5,693

학교

137

195

202

45

8

11

-

-

347

250

기타

39

50

20

12

8

5

-

-

67

67

합계

1,078

3,705

838

306

185

2,057

57

618

2,158

6,686

<표 4-4> 연도별 수요기관유형별 서비스유형별 이용계약 현황

(건, 억원)

- 62 -

라. 기관별 서비스 계약규모 현황 

기관별 서비스 계약 규모를 분석한 결과, 계약 건수는 소액 구간에 집중된 반면 

전체 계약 금액은 고액 구간에 편중되는 양면적 분포가 확인된다. 전체 계약 

2,156건 중 1억 원 미만(1천만 원 미만 및 1천만 원 이상 구간 합계) 계약이 1,585

건으로 약 73.5%를 차지하여, 소액 단위의 서비스 도입이 활발하게 이루어지고 있

음을 알 수 있다. 반면 계약 금액 측면에서는 10억 원 이상 구간이 약 4,819억 원

을 기록하며 전체 금액(6,667억 원)의 약 72.3%를 차지하고 있다.

수요기관 유형별로 살펴보면, 공공기관은 소액부터 대형 사업까지 모든 구간에

서 가장 높은 이용 빈도를 보이고 있다. 특히 10억 원 이상 계약 80건 중 68건

(4,614억 원)이 공공기관에서 발생하였는데, 이는 전체 10억 원 이상 계약 금액의 

약 95.7%에 해당한다. 이를 통해 대규모 클라우드 인프라 도입이나 시스템 통합 

성격의 프로젝트가 주로 공공기관을 중심으로 추진되었음을 알 수 있다.

지방자치단체와 학교는 상대적으로 소규모 계약 위주의 이용 특성을 나타낸다. 

지자체는 전체 360건 중 1억 원 미만 계약이 293건으로 약 81.4%에 달하며, 특히 

1천만 원 이상 1억 원 미만 구간에 219건이 집중되어 부서 단위의 서비스 도입이

나 소액 실증 사업 위주로 제도를 활용하는 추세로 파목된다. 학교 또한 전체 347

건 중 1억 원 미만 계약이 261건으로 약 75.2%를 차지하고 있으며, 10억 원 이상

의 고액 계약은 1건에 그쳐 교육 현장에 특화된 소규모 소프트웨어 중심의 도입

이 주를 이루고 있는 것으로 분석된다.

현재까지의 추세를 종합하면 디지털서비스 전문계약제도는 공공기관의 대규모 

프로젝트를 수용하는 동시에 지자체와 학교 등의 소액 수요를 신속하게 충족하는 

조달 창구로 기능하고 있다.

수요기관유형

1천만원 미만

1천만원 이상

1억원 이상

10억원 이상

합계

건수

금액

건수

금액

건수

금액

건수

금액

건수

금액

중앙행정기관

36

1

54

22

51

197

7

130

148

350

공공기관

249

15

647

255

270

797

69

4,625

1,235

5,693

지자체

74

4

220

78

64

182

3

61

361

325

학교

135

6

126

52

85

176

1

16

347

250

기타

18

1

28

10

20

44

1

11

67

67

합계

512

27

1,075

418

490

1,396

81

4,844

2,158

6,686

<표 4-5> 수요기관유형별 계약규모별 이용계약 현황

(건, 억원)

- 63 -

제2절

클라우드 방식 AI 도입 현황

1.

AI 도입 사업 조사 방법

디지털서비스 전문계약제도 서비스 유형 중 AI 도입과 관련된 것은 3가지로 

SaaS, 클라우드 지원서비스, 클라우드 융합 서비스이다. 우선, 클라우드지원서비스

는 수요기관이 클라우드를 원활하게 도입하고 이용할 수 있도록 지원하는 제반 

기술 서비스이다. 클라우드 도입 및 전환에 필요한 요구사항분석, 현황분석, 타당

성검토, 도입전략수립 등을 지원하는 컨설팅서비스와 시스템의 안정적 운영을 위

한 기술지원, 모니터링, 장애처리, 백업 및 복구 등을 제공하는 운영관리서비스가 

포함된다. 또한 기존 시스템 운영환경의 일부 또는 전부를 클라우드컴퓨팅서비스 

운영환경으로 전환하는 것을 지원하는 마이그레이션서비스와 상기 항목들을 조합

하여 제공하는 매니지드서비스를 포괄하고 있다. 이러한 클라우드지원서비스는 공

공기관이 클라우드 방식으로 AI를 도입할 때 인프라 임대, 시스템 구축 및 관리, 

최적화 등을 포함하는 용역 사업의 성격을 띤다. 다음으로 융합서비스는 클라우드 

환경 내에서 AI 등 다른 IT 기술 또는 서비스가 유기적으로 결합된 복합적인 서

비스를 제공한다.

상기 3개 서비스 유형 중 클라우드지원서비스는 사용자의 요구에 맞춰 커스터마

이징하여 제공되는 반면, SaaS와 융합서비스는 등록된 제품 또는 서비스를 그대로 

이용하는 특성을 가지고 있다. 따라서 본 연구에서는 AI 도입 여부를 판별할 때 

클라우드서비스는 계약 내용을 검토해 선별했으며, SaaS와 융합서비스는 카탈로그 

상의 제품 설명을 토대로 AI 여부를 결정하였다.

등록된 서비스와 계약 정보를 얻을 수 있는 디지털서비스몰은 수시로 새로운 서

비스가 수시로 등록되거나 삭제되는 구조를 가지고 있다. 정보가 실시간으로 변경

되는 특성 때문에 과거 연도별로 정확히 어떤 서비스들이 게시되어 있었는지 그 

이력을 다시 찾아내어 비교하는 데는 한계가 있다. 이에 본 연구에서는 연도별 변

화를 추적하는 대신, 2025년 말을 기준으로 등록된 제품과 서비스를 조사 대상으

로 하였다.

- 64 -

2.

SaaS 유형 도입 현황

가. 전체 등록 현황

디지털서비스몰에 등록된 전체 124개의 서비스 중 교육 및 평가와 소통 및 협업 

분류가 높은 비중을 차지하며 시장의 주류를 이루고 있다.

세부 서비스 유형별로 살펴보면 교육클라우드가 24개(19.35%)으로 가장 높은 등

록 비중을 기록하였으며, 이어 그룹웨어클라우드가 21개(16.94%), 사무용클라우드

가 15개(12.1%)으로 뒤를 이었다. 이는 공공기관 및 교육 현장에서 비대면 교육 

플랫폼과 내부 업무 효율화를 위한 협업 도구 도입에 대한 실무적 수요가 지속적

으로 반영된 결과로 분석된다.

보안 및 인프라 분야에서는 가상데스크톱클라우드(10개)와 보안클라우드(7개)를 

중심으로 공급이 이루어지고 있으며, 특화 분석 및 행정 지원에서는 경영관리클라

우드가 12개(9.68%)으로 해당 분류 내에서 가장 높은 비중을 보였다. 반면 번역클

라우드, 산업관리클라우드, 인증관리클라우드 등 특화된 영역의 서비스는 각각 1

개(0.81%) 내외의 낮은 등록 빈도를 보여, 현재까지는 범용적인 행정 및 교육용 

솔루션 위주로 되어 있다.

- 65 -

분류

세부 서비스 유형

서비스 합계

비중

교육 및 평가

교육클라우드

24

19.35

응용과학클라우드

2

1.61

소통 및 협업

그룹웨어클라우드

21

16.94

사무용클라우드

15

12.10

콘텐츠관리클라우드

10

8.06

네트워크회의클라우드

4

3.23

프로젝트관리클라우드

2

1.61

보안 및 인프라

가상데스크톱클라우드

10

8.06

보안클라우드

7

5.65

성능관리클라우드

2

1.61

공유저장클라우드

1

0.81

인증관리클라우드

1

0.81

특화 분석 

및 행정 지원

경영관리클라우드

12

9.68

고객관계관리클라우드

3

2.42

데이터분석클라우드

3

2.42

지도클라우드

3

2.42

사물인터넷클라우드

2

1.61

번역클라우드

1

0.81

산업관리클라우드

1

0.81

합계

전체 19종 서비스

124

100

<표 4-6> SaaS 유형의 세부 서비스 등록 현황

- 66 -

나. AI SaaS 서비스 현황

디지털서비스몰에 등록된 전체 SaaS 서비스 총 124종을 대상으로 서비스 규격서 

및 카탈로그 전수 조사를 수행하였다. 이를 통해 인공지능 기술이 단순 부가 기능

이 아닌 서비스의 핵심 기능으로 구현된 21개 서비스를 AI SaaS로 선별하였으며, 

이는 전체 등록 서비스의 약 17.5%에 해당한다.

식별된 21개 AI 융합 SaaS는 서비스의 제공 가치와 활용 목적에 따라 ① 교육 

및 평가, ② 소통 및 협업, ③ 보안 및 인프라 관리, ④ 특화 분석 및 행정 지원

의 4대 영역으로 분류된다.

① 공공 교육 현장의 디지털 전환과 맞춤형 학습 지원을 목적으로 하는 교육 및 

평가 분야에는 총 7개 서비스가 포함된다. 주요 서비스로는 엘리스LXP, 비상교육 

AIDT 교육자료, 알공, 과학동아AiR, 맑은이러닝, Clipo - AI 평가 지원 서비스, 

TUGBOATX가 있다. 해당 서비스들은 학습자 데이터 분석을 통한 1:1 AI 코딩 튜

터링을 제공하거나, AI 디지털교과서(AIDT) 연계 콘텐츠 및 서술형 평가 자동 채

점 기능을 지원하는 등 교육 행정 및 교수 학습 활동의 지능화를 주된 특징으로 

한다.

② 대민 소통 효율화 및 내부 업무 생산성 향상을 위한 소통 및 협업 분야에는 

7개 서비스가 포함되어 있다. 여기에는 Naver Works for 공공용, KT AI 

ContactCenter, 현명한 앤써니, 센스메일 클라우드, 구루미 화상플랫폼, 비디오헬

프미, 웹 기반 수어 번역 서비스가 해당한다. 이들 서비스는 단순 메신저 기능을 

넘어 자연어 처리 기반의 AI 챗봇 상담, 음성인식을 활용한 회의록 자동 작성, 스

팸 메일의 지능형 필터링, 그리고 수어 번역 등 고도화된 언어지능 기술을 핵심 

기능으로 제공한다.

③ 사이버 위협 탐지 및 복잡한 클라우드 자원의 운영 자동화를 지원하는 보안 

및 인프라 관리 분야에는 4개 서비스가 있다. 구체적으로 Genian Cloud NAC, 

Genian Security Platform, Criminal IP KASM, 와탭(WhaTap)으로 구성된다. 해당 

서비스들은 인공지능 알고리즘을 활용하여 시스템의 이상 징후를 실시간으로 탐

지하거나, 멀티 클라우드 환경의 장애를 사전에 예측하고 대응하는 AIOps 기능을 

통해 IT 인프라의 운영 안정성을 강화한다.

④ 영상 분석, 디지털 트윈 등 고도의 연산 능력을 요하는 특화 분석 및 행정 

지원 분야에는 3개 서비스가 포함된다. 주요 서비스로는 DIGITAL TWIN CLOUD, 

보다(Voda), 지능형 능동행정 매칭(PAMs)이 있다. 이들은 비전 AI(Vision AI) 기술

을 활용한 지능형 영상 분석이나 디지털 트윈 시뮬레이션을 수행하여 정책 의사

- 67 -

결정을 지원하며, 데이터 기반의 과학적 행정 구현을 위한 도구로 활용된다.

분류

서비스명

주요 기능

교육 및 평가

엘리스LXP

AI 튜터, 프로그래밍 실습 등을 지원

비상교육 AIDT 교육자료

학습자 맞춤형 학습 제공 인공지능 플랫폼

알공

초등 학습 전용 AI 코스웨어

과학동아AiR

과학 정보 제공 제공 탐구활동 AI 솔루션

맑은이러닝

AI 챗봇, 검색 최적화를 제공하는 학습관리시스템

Clipo-AI 평가 지원 서비스

학교 교육 목적의 과정 중심 평가 AI 서비스

TUGBOATX

감성 AI 기반 스마트 학습 케어

소통 및 협업

Naver Works for 공공용

AI 메신저 융합서비스

KT AI ContactCenter

NLP 기반 챗봇 상담 및 응대 자동화

현명한 앤써니

STT 활용 회의록 작성 및 수어 번역

센스메일 클라우드

스팸 메일 지능형 필터링

구루미 화상플랫폼

STT, 노이즈 캔슬링 등을 도입한 화상회의 솔

루션

비디오헬프미(Videohelp.me)

AI와 VR을 통한 영상 상담 원격 지원 서비스

웹 기반 수어 번역 서비스

텍스트를 수어(수화) 동작으로 변환해주는 서비스

보안 및 인프

라

Genian Cloud NAC

AI 탐지를 적용한 클라우드 네트워크 접근 제어 

서비스

Genian Security Platform

AI/ML 기반 EDR/GPI 통합 보안 플랫폼

Criminal IP KASM

AI 공격 표면 관리(ASM)

와탭 (WhaTap)

AIOps 기능 탑재 IT 통합 모니터링

특화 분석

및 행정 지원

DIGITAL TWIN CLOUD

지도 화면 기반의 공간정보서비스 제공

보다 (Voda)

디지털 트윈 시뮬레이션

지능형 능동행정 매칭

(PAMs)

Vision AI 기반 지능형 영상 분석

<표 4-7> SaaS 분류별 AI 융합 SaaS 서비스명 및 주요 기능

- 68 -

다. AI SaaS 도입 현황

전체 누적 실적은 일반 SaaS가 632건(193억 원)으로 AI SaaS의 206건(113억 원)

보다 높은 비중을 차지하고 있으나, 연도별 추이에서는 AI SaaS의 비중이 지속적

으로 확대되는 흐름을 보인다.

AI SaaS의 도입 건수는 2021년 7건이 최초로 확인된 이후 2024년 65건, 2025년 

73건으로 매년 증가세를 기록하고 있다. 특히 금액 측면의 성장이 뚜렷하게 나타

나는데, 2021년 1억 원 규모였던 AI 융합 SaaS의 연간 계약 금액은 2025년 66억 

원으로 증가하며 동기간 일반 SaaS의 계약 금액인 47억 원을 처음으로 추월하였

다. 이는 AI 도입 건수가 일반 SaaS의 약 절반 수준임에도 불구하고, 실제 시장 

규모 측면에서는 AI 서비스가 시장의 성장을 견인하기 시작했음을 보여준다.

서비스 1건당 평균 계약 단가에서도 두 유형 간의 차이가 확인된다. 전체 기간

의 평균 단가는 일반 SaaS가 2023년 이후, 약 0.3억 원 수준에 고정된 반면, AI  

SaaS는 2021년 0.1억 원에서 시작하여 2025년 0.9억 원으로 급격히 상승하였다. 

이러한 단가의 상승은 초기의 소액 중심 도입 패턴에서 벗어나 점차 고성능 연산 

자원과 대규모 데이터 처리가 수반되는 기술 집약적인 서비스로 도입 범위가 확

대되고 있는 결과로 분석된다.

연도

AI SaaS

일반 SaaS

합계

건수

금액

평균

건수

금액

평균

건수

금액

평균

2020

-

-

-

2

0.2

2

2

0.2

0.1

2021

7

1

0.1

97

38

0.39

104

39

0.37

2022

32

7

0.2

121

34

0.28

153

41

0.27

2023

29

12

0.4

108

25

0.23

137

37

0.27

2024

65

26

0.4

161

50

0.31

226

76

0.34

2025

73

66

0.9

143

47

0.33

216

113

0.52

합계

206

113

0.5

632

193

0.31

838

306

0.37

<표 4-8> SaaS 서비스 유형별 계약 건수 및 금액(억원)

- 69 -

라. AI SaaS 주요 공급 기업

계약 금액 기준으로는 주식회사 맑은소프트가 24억 원으로 1위를 기록하였으며, 

네이버클라우드(21억 원), 케이티(15억 원), (주)와이즈넛(13억 원) 순으로 집계되었

다. 계약 건수 기준으로는 디엔소프트가 36건으로 가장 많은 실적을 기록했고,  

새하컴즈 32건, (주)비상교육 25건, (주)와이즈넛 25건이 그 뒤를 이었다. 주요 상

위 기업들이 제공하는 서비스 유형을 분석해보면 교육 및 평가와 소통 및 협업 

분야의 수요가 높은 것으로 파악된다. 금액 1위인 맑은소프트는 AI 챗봇과 검색 

최적화 기능을 포함한 학습관리시스템을 주력으로 하며, 건수 상위권인 비상교육

은 학습자 맞춤형 인공지능 플랫폼을, 디엔소프트와 엘리스그룹 등도 교육 관련 

AI 솔루션을 제공하고 있다. 이는 공공 및 교육 현장에서 AI 기반의 맞춤형 학습 

지원 서비스 도입이 활발함을 보여준다.

또한 소통 및 협업 분야에서는 네이버클라우드의 공공용 업무 협업 도구, 케이

티의 NLP 기반 챗봇 상담 및 응대 자동화 서비스, 새하컴즈의 화상회의 플랫폼 

등이 상위권에 포진했다. 이외에도 보안 및 인프라 분야의 지니언스, 특화 분석 

분야의 데이터드리븐 등이 순위권에 포함되었다.

순위

계약 금액(억원)

계약 건수

기업명

계약금액

기업명

계약건수

1

맑은소프트

24

디엔소프트

36

2

네이버클라우드

21

새하컴즈

32

3

케이티

15

(주)비상교육

25

4

(주)와이즈넛

13

(주)와이즈넛

25

5

새하컴즈

11

케이티

23

6

에이아이스페라

5

맑은소프트

16

7

데이터드리븐

4

지니언스(주)

12

8

(주)엘리스그룹

4

구루미

11

9

디엔소프트

3

아탭랩스

7

10

(주)비상교육

2

(주)아이모션

4

<표 4-9> AI SaaS 주요 기업의 계약 현황_Top 10

- 70 -

일반 SaaS 분야의 기업별 이용계약 현황을 살펴보면 계약 금액과 건수 측면에서 

특정 상위 기업이 시장을 주도하는 양상을 보인다. 계약 금액 기준으로 엔에이치

엔두레이가 68억 원을 기록하여 1위를 차지했다. 이는 2위인 두드림시스템의 25억 

원 대비 2배 이상 높은 수치로, 금액 면에서 가장 높은 점유율을 보였다. 이어  

한국공교육원이 22억 원, 크리니티가 21억 원 순으로 집계되었으며, 솔비텍(10억 

원)과 더존비즈온(7억 원) 등이 그 뒤를 이었다.

계약 건수 기준으로는 두드림시스템이 296건으로 최다 실적을 기록했다. 이는 2

위 엔에이치엔두레이의 101건보다 약 3배 많은 수치로, 해당 기업이 소규모 계약

을 다수 체결하는 형태의 사업을 주로 영위하고 있음을 시사한다. 이어 크리니티  

67건, 에스케이렌터카 주식회사가 31건을 기록했다.

종합적으로 엔에이치엔두레이는 계약 금액에서, 두드림시스템은 계약 건수에서 

각각 강세를 보였다. 또한 크리니티와 솔비텍 등은 금액과 건수 모두 상위 10위권 

내에 포함되었다.

순위

계약 금액(억원)

계약 건수

기업명

계약금액

기업명

계약건수

1

엔에이치엔두레이

68

(주)두드림시스템

296

2

(주)두드림시스템

25

엔에이치엔두레이

101

3

한국공교육원

22

크리니티

67

4

크리니티 주식회사

21

에스케이렌터카

31

5

(주)솔비텍

10

(주)메일플러그

27

6

(주)더존비즈온

7

(주)솔비텍

21

7

(주)메일플러그

7

(주)엔로비

19

8

에스케이티렌터카

6

모두싸인

10

9

씨엔에프시스템

5

(주)더존비즈온

8

10

(주)엔로비

5

(주)마이다스인

6

<표 4-10> 일반 SaaS 주요기업 현황_Top 10

- 71 -

3.

클라우드지원서비스 유형 도입현황

가. 클라우드지원서비스 AI도입 현황

디지털서비스몰에 등록되어 있는 클라우드지원서비스는 2025년 기준 총 66개이

다.  클라우드지원서비스의 이용계약 건수는 제도 도입 이후 꾸준히 유지 및 확대

되는 추세이나 계약 금액은 특정 시기의 대규모 사업 포함 여부에 따라 변동성을 

보이고 있다. 연도별 계약 건수는 2021년 4건에서 시작하여 2023년 50건, 2024년 

59건, 2025년 58건으로 안정적인 수준을 유지하고 있다. 반면 연도별 계약 금액은 

2023년에 1,111억 원으로 최고치를 기록한 이후 2024년 264억 원, 2025년 307억 

원으로 축소되었다.

2023년의 계약 규모가 타 연도 대비 일시적으로 높게 나타난 것은 한국지능정보

사회진흥원이 주관한 대규모 클라우드 전환 및 시범사업 계약이 해당 시기에 집

중되었기 때문이다. 당시 체결된 주요 고액 계약은 22년 행정·공공기관 정보시스

템 클라우드 전환·통합 사업 3차 158.2억 원, 4차 151.3억 원,  5차 130.2억 원, 6

차 132.0억 원,규모로 확인되었다. 또한 클라우드컴퓨팅서비스 활용모델 적용을 

위한 지자체 시범사업 중 전라북도가 151.0억 원, 제주도가 86.4억 원의 실적을 

기록하였다. 이들 6개 사업의 계약 금액 합계는 약 809.1억 원으로 2023년 전체 

클라우드지원서비스 계약 금액의 약 72.8퍼센트를 점유하고 있으며 이러한 특정 

대형 프로젝트의 영향으로 해당 연도의 전체 수치가 일시적으로 급증한 것으로 

분석된다.

한편 AI 인공지능 클라우드지원서비스는 2024년 5건에서 2025년 9건으로 증가하

였으며 계약 금액은 2024년 7억 원에서 2025년 107억 원으로 크게 늘어났다. 특히 

2025년에는 한국지능정보사회진흥원에서 추진한 클라우드컴퓨팅서비스 활용모델 

적용을 위한 지자체 시범사업인 세종시 건을 네이버클라우드가 약 85.0억 원 규모

로 수주함에 따라 인공지능 관련 계약 금액의 급격한 성장을 견인하였다. 2025년 

기준 인공지능 클라우드지원서비스는 전체 계약 건수의 약 15.5퍼센트인 9건에 불

과하나 계약 금액은 107억 원으로 전체 금액의 약 34.9퍼센트를 차지하고 있다. 

- 72 -

구분

일반 클라우드지원서비스

AI 클라우드지원서비스

합계

건수

금액(억원)

건수

금액(억원)

건수

금액(억원)

2021

4

1

-

-

4

1

2022

14

374

-

-

14

374

2023

50

1,111

-

-

50

1,111

2024

54

259

5

7

59

264

2025

49

198

9

107

58

307

합계

171

1,943

14

114

185

2,057

<표 4-11> 연도별 클라우드지원서비스 계약 건수 및 금액

클라우드지원서비스의 공급기업별 이용계약 현황을 분석한 결과 상위 기업들에 

의한 시장 집중 현상이 관측된다. 일반 클라우드지원서비스 분야에서는 아이티센

클로잇이 21건에 556억 원의 계약 실적을 기록하며 건수와 금액 모두에서 1위를 

차지하였다. 이어 쌍용정보통신이 4건 394억 원, 메타넷디지털이 20건 265억 원 

순으로 집계되었다. 특히 쌍용정보통신과 삼성에스디에스는 계약 건수 대비 총 계

약 금액이 높게 나타나 대규모 인프라 전환 및 구축 사업 위주로 수주가 이루어

졌음을 보여준다.

AI 클라우드지원서비스 분야에서는 네이버클라우드 주식회사가 3건에 87억 원의 

실적을 기록하며 금액 기준 1위를 차지하였다. 이는 앞서 언급한 한국지능정보사

회진흥원의 지자체 시범사업 세종시 건의 수주 결과가 주요하게 반영된 것으로 

보인다. 뒤이어 메타넷엔에스 9억 원, 클라비 5억 원 순이다.

전반적으로 클라우드지원서비스 시장은 대규모 인프라 구축 경험이 풍부한 정보

통신기술 기업들이 일반 분야를 안정적으로 선점하고 있는 가운데 인공지능 전문 

기술력을 보유한 기업들이 특정 대형 시범 사업을 통해 고부가가치 시장에 진입

하고 있는 초기 구조를 형성하고 있다.

- 73 -

순

위

일반 클라우드지원서비스

AI 클라우드지원서비스

기업명

건수

금액(억원)

기업명

건수

금액(억원)

1

㈜아이티센클로잇

21

556

네이버클라우드

3

87

2

쌍용정보통신

4

394

메타넷엑스

2

9

3

메타넷디지털

20

265

클라비

2

5

4

삼성SDS

2

155

진인프라

1

4

5

세림티에스지

13

107

㈜으뜸정보기술

1

4

6

㈜케이티

5

103

삼성SDS

1

2

7

엔에이치엔

클라우드

9

77

한결정보기술

1

1

8

안랩

2

52

브이티더블유

1

1

9

진인프라

16

41

메가존클라우드

1

0.33

10

디딤365

9

36

한전케이디엔(주)

1

0.2

<표 4-12> 클라우드지원서비스 주요 기업 현황_Top 10

- 74 -

4.

융합서비스 유형 도입현황

가. 등록 서비스 및 공급기업 현황

디지털서비스몰에 등록되어 있는 융합서비스는 2025년 기준 13개이다. 등록된 

13개의 융합서비스는 모두 AI 관련 서비스이다. 서비스 명칭과 제공 기능을 기준

으로 크게 대화형 인공지능 및 민원 상담, 지능형 관제 및 통합 관리, 인공지능 

개발 및 데이터 분석 플랫폼의 세 가지 유형으로 분류할 수 있다.

첫째, 대화형 인공지능 및 민원 상담 유형은 사용자와의 자연어 대화를 통해 정

보를 제공하거나 행정 업무를 지원하는 서비스들을 포함한다. 페르소나AI 인공지

능컨택센터 플랫폼과 디케이테크인의 카카오 i 커넥트 센터, 카카오 i 커넥트톡 AI

챗봇, 스마트민원행정시스템 등이 이에 해당하며 주로 24시간 민원 응대와 대민 

서비스 효율화를 목적으로 한다. 코난테크놀로지 AI Chat 융합서비스 플랫폼과 베

스핀글로벌 대화형 인공지능 플랫폼 역시 생성형 인공지능 기술을 기반으로 고도

화된 대화 인터페이스를 제공하는 특성을 가진다.

둘째, 지능형 관제 및 통합 관리 유형은 영상 분석이나 센서 데이터를 클라우드 

환경에서 실시간으로 처리하여 안전 및 시설을 관리하는 서비스들로 구성된다. 실

시간 객체 식별 기능을 갖춘 AI 영상관제서비스 The N과 인프라 상태를 모니터

링하는 M.Cloud지능형관제서비스가 대표적이다. 또한 건물의 에너지 관리와 시설 

관제를 결합한 kte Cloud BEMS & 스마트 통합관제서비스는 에너지 최적화와 지

능형 보안 관리를 통합적으로 수행하는 융합적 성격이 강하다.

셋째, 인공지능 개발 및 데이터 분석 플랫폼 유형은 수요기관이 보유한 데이터

를 바탕으로 직접 인공지능 모델을 구축하거나 분석할 수 있는 도구를 제공하는 

서비스들이다. 네이버클라우드의 CLOVA Studio와 디딤365의 DidimRAG는 거대언

어모델을 활용한 맞춤형 애플리케이션 개발과 검색 증강 생성 기술 기반의 정보 

추출을 지원한다. 또한 머신러닝 및 딥러닝 개발 전 과정을 관리하는 DAP MLDL 

인공지능분석플랫폼과 보안 운영 관리가 결합된 맞춤형 어시스턴트 플랫폼인 

ACMEi는 전문적인 인공지능 분석 환경 구축을 목적으로 한다.

- 75 -

나. 융합서비스 도입현황

융합서비스의 이용계약은 제도 도입 초기인 2021년 8건에서 시작하여 2025년 14

건으로 증가하였다. 연도별 계약 건수는 매년 일정 수준을 유지하고 있으나 2025

년에는 특정 대규모 프로젝트의 발주로 인해 계약 금액이 급격히 증가하였다.

특히 2025년의 계약 금액이 급증한 것은 한국수력원자력에서 추진한 대형 생성

형 인공지능 플랫폼 도입 사업이 주요한 원인으로 분석된다. 한국수력원자력은 한

수원형 생성형 인공지능 구축 플랫폼 구매 사업을 통해 네이버클라우드의 클로바 

스튜디오 서비스를 약 436.5억 원 규모로 계약하였다. 또한 한수원형 생성형 인공

지능 플랫폼 적용 서비스 구매 사업을 통해 베스핀글로벌의 대화형 인공지능 플

랫폼 서비스를 약 84.5억 원 규모로 도입하였다. 이들 두 사업의 계약 금액 합계

는 약 521억 원이며 이는 2025년 전체 클라우드융합서비스 계약 금액의 대부분을 

점유한다. 한국수력원자력 외에는 공공기관과 지자체가 대민 상담용 챗봇이나 특

정 업무 지원을 위한 소규모 서비스 위주로 도입했고 건수도 많지 않다. 

유형

회사명

서비스명

대화형 인공지능 

및 민원 상담

페르소나에이아이

페르소나AI 인공지능컨택센터(AICC) 플랫폼

디케이테크인

카카오 i 커넥트 센터

디케이테크인디케이테크인

카카오 i 커넥트톡 AI챗봇

디케이테크인

스마트민원행정시스템

㈜ 코난테크놀로지

코난테크놀로지 AI Chat 융합서비스 플랫폼

베스핀글로벌 주식회사

베스핀글로벌 대화형 AI 플랫폼(HelpNow)

지능형 관제

및 통합 관리

엔클라우드

AI 영상관제서비스 The N

지케스

M.Cloud지능형관제서비스

(주)케이티에스테이트

kte Cloud BEMS & 스마트 통합관제서비스

인공지능 개발

및 데이터 분석

플랫폼

네이버클라우드

CLOVA Studio

디딤365

DidimRAG

엘지씨엔에스

DAP MLDL AI분석플랫폼 서비스

(주)안랩클라우드메이트

ACMEi

<표 4-13> 융합서비스 유형별 기업 및 서비스

- 76 -

반면 디케이테크인, 주식회사 페르소나에이아이 등 중소·중견 기업들은 계약 

금액 규모는 상대적으로 작으나 대화형 인공지능 및 민원 상담과 같은 특화된 기

능형 서비스를 중심으로 계약을 체결하였다.

순

위

건수 기준

금액 기준

공급기업

건수

비중(%)

공급기업

금액(억원)

비중(%)

1

㈜엘지씨엔에스

21

36.8

네이버클라우드

460.07

75.3

2

베스핀글로벌

8

14

베스핀글로벌

93.63

15.3

3

카카오엔터

프라이즈

7

12.3

카카오엔터

프라이즈

25.78

4.2

4

네이버클라우드

6

10.5

디케이테크인

12.98

2.1

5

디케이테크인

6

10.5

㈜엘지씨엔에스

8.74

1.4

6

㈜지케스

5

8.8

㈜케이티

4.87

0.8

7

㈜케이티

3

5.3

㈜지케스

4.72

0.8

8

㈜ 페르소나

에이아이

1

1.8

㈜ 페르소나

에이아이

0.42

0.1

<표 4-15> 융합서비스 유형 상위 8대 공급기업

계약년도

건수

금액

평균 금액

주요공급기업

주요수요기관

2021

8

15.7

2.0

카카오엔터프라이즈

한국지능정보 사회진흥원

2022

13

15.6

1.2

카카오엔터프라이즈

신용보증기금

2023

16

17.7

1.1

카카오엔터프라이즈

한국인터넷 진흥원

2024

6

7.8

1.3

디케이테크인

한국해양교통 안전공단

2025

14

554.5

39.6

네이버클라우드

한국수력원자력㈜

합계

57

611.2

10.7

-

-

<표 4-14> 융합서비스 유형 연도별 도입 현황

- 77 -

제5장

시사점

공공부문 AI 도입의 2차 사이클 진입

2016년 알파고 이후 사회적 관심 증대와 정책적 지원이 맞물리며 공공부문의 인

공지능 도입 규모가 매년 지속적으로 상승하였다. 인공지능 관련 용역 건수는 

2015년 221건에서 2024년 1,215건으로 약 5.5배 증가하였으며, 계약 금액은 동기

간 2,443억 원에서 2조 8,207억 원으로 약 11.5배 증가하였다. 이러한 성장세에 따

라 공공부문 전체 ICT 관련 용역 계약 중 인공지능 사업이 차지하는 비중(금액 

기준) 또한 2016년 3.33%에서 2020년 이후 10% 수준으로 확대되었으며, 2024년에

는 11.8%를 기록하였다. 또한, 조사 대상 412개 공공기관 중 65.0%에 해당하는 

268개 기관이 인공지능을 도입한 것으로 집계되었다. 조사 대상 기관 중 자체적인 

ICT 시스템을 보유하지 않은 소규모 기관이 다수 포함되어 있어 이들을 제외하면 

공공기관의 실질 도입률은 크게 높아질 것이다.

이와 같은 지난 10년 간의 양적 성장으로 딥러닝 기술을 사용하여 대량 데이터 

분류, 특정 패턴 식별 등을 통해 업무 효율화하려는 공공부문 AI 도입의 1차 사이

클은 마무리되고 있는 것 같다. 추진단계를 보면 ICT컨설팅과 구축 단계가 차지하

는 비중이 2020년 정도에 정점을 찍고 점차 하락하고 있으며, 이후 유지보수 단계 

비중이 점진적으로 높아지고 있다.

이 기간 동안 공공부문의 AI 도입 목적을 기술 관점에서 분석해 보면, 2016년까

지는 문자를 음성으로 변환하는 TTS와 이미지에서 문자를 추출하는 OCR 기술이 

다른 키워드에 비해 가장 높은 비중을 차지하였다. 이는 당시의 인공지능 도입이 

홈페이지 접근성 개선이나 종이 문서의 디지털화 등 사전에 정의된 규칙을 수행

하는 규칙 기반의 단순 업무 보조 수단으로 활용되었음을 보여준다. 그러나 2017

년을 기점으로 딥러닝 기술이 발전하면서, 공공부문 내부의 업무 처리 방식에 변

화가 생겼다. 방대한 데이터를 분석하여 의사결정을 지원하거나 예측 모델을 수행

하는 ‘전문가시스템’은 매년 큰 폭으로 증가하여 2022년에는 전체 용역의 45%

를 차지할 정도로 비중이 확대되었다. 이는 공공부문의 AI 활용이 단순 반복 업무 

자동화를 넘어, 데이터에 기반한 과학적 행정과 객관적 의사결정을 지원하는 핵심 

도구로 고도화되었음을 보여준다. 

그런데, 2023년 OpenAI의 GPT발표 후 생성형 AI가 전세계적인 화두로 부상하면

서 공공부문의 AI 도입 양상이 변화하고 있다. 생성형 AI 도입은 2024년부터 본격

화되기 시작했기 때문에 아직 도입한 기관이 많지 않지만 2023년 대비 2배 정도 

- 78 -

늘었으며 이후 조사에서는 큰 폭으로 증가할 것으로 예상된다. 이번 2차 사이클은  

딥러닝 기술을 사용하여 대량 데이터 분류, 특정 패턴 식별 등을 통한 업무 효율

화에 초점을 맞춘 1차 사이클과 다른 형태로 진행될 것으로 보인다. 생성형 AI의 

특성에 맞춰 초거대 언어모델(LLM)을 활용하여 텍스트, 이미지, 코드 등 새로운 

콘텐츠를 생성하거나 고도화된 추론 및 변환 기능을 수행하는 과업이 포함된 사

업이 늘어날 것이다.

생성형 AI 도입 사업 중 대한법률구조공단 사례는 향후 공공부문 AI 도입 사업

의 모습을 잘 보여준다. 대한법률구조공단이 추진한 ‘차세대 법률구조서비스 플

랫폼 구축’ 사업은 생성형 AI를 활용하여 법률 서비스의 사각지대를 해소하는 

데 중점을 둔 대규모 프로젝트이다. 해당 사업은 공단이 보유한 방대한 양의 법률 

상담 데이터와 판례 정보를 거대언어모델(LLM)에 학습시켜, ‘법률똑똑이’라 불

리는 AI 챗봇 및 콜봇 시스템을 구축하는 것을 핵심으로 한다. 기존의 단순 키워

드 매칭 방식과 달리, 해당 시스템은 생성형 AI의 문맥 이해 능력을 바탕으로 사

용자의 질문 의도를 파악하고, 임대차 분쟁, 임금 체불, 개인 회생 및 파산 등 복

잡한 법률 분야에 대해 구체적이고 맞춤화된 답변을 제공한다. 또한, AI가 1차적

인 단순 반복 상담을 처리하고, 심층적인 법리 해석이 필요한 사안은 전문 변호사

에게 연계하는 ‘하이브리드 상담 체계’를 구현하였다. 이를 통해 취약계층과 일

반 국민은 시간과 장소의 제약 없이 고품질의 법률 구조 서비스를 이용할 수 있

고, 내부적으로는 상담 직원의 업무 피로도를 낮추고 법률 구조 업무의 효율성을 

대폭 향상시키는 것을 목적으로 하고 있다. 이와 같이 2차 사이클에서는 생성형 

AI를 사용하여 국민의 요구를 능동적으로 발굴하고 맞춤형으로 제공하는 공공 서

비스의 고도화가 진행될 것이다. 

공공부문의 클라우드 전환 가속화 시급

디지털서비스 전문계약제도란 클라우드 컴퓨팅 기술을 활용한 서비스를 공공부

문이 신속하고 유연하게 도입할 수 있도록 마련된 전용 계약 절차이다. 기존의 전

통적인 용역 입찰 계약 방식(제안요청서 공고 → 입찰 → 평가 → 협상 → 계약)

은 절차가 복잡하고 장기간이 소요되어, 기술 변화 주기가 빠른 인공지능) 및 클

라우드 서비스를 적시에 도입하는 데 한계가 있었다. 이에 정부는 관련 시행령 개

정을 통해, 사전에 전문 심사위원회의 심사를 통과한 서비스를 등록하고, 수요기

관이 이를 카탈로그 쇼핑하듯 검색하여 수의계약 형태로 즉시 도입할 수 있는 디

지털서비스 전문계약제도를 2020년 10월부터 도입하였다.

- 79 -

디지털전문계약제도에 의한 클라우드 방식 AI 도입 현황 조사결과를 보면, 초기

보다 늘어나고 있으나 연평균 계약 건수는 100여건, 금액은 200∼300억 원 수준으

로 용역 방식에 비해 상당히 낮은 상황이다. 참여 기업도 100개 이하로 용역 방식

의 1,800여개에 비해 저조하고 기업이 스스로 제품 등록을 중단하는 사례도 적지 

않다.

제도가 가진 여러 가지 장점에도 불구하고 아직 클라우드 방식 도입이 정착되지 

못한 가장 큰 이유는 공공기관 ICT시스템의 클라우드 전환이 느리게 진행되고 있

기 때문인 것으로 생각된다. 자체 시스템을 보유한 기관 차원에서는 클라우드 방

식으로 도입했을 경우 기존 시스템과 연계 및 호환에 문제가 발생할 수 있고 별

도 관리의 불편함과 비용이 발생하여 적극적으로 도입을 추진하기 힘들다. 그리고 

2021년 수립된 공공부문 클라우드 전환 추진계획에 따라 전환한 기관의 대부분도 

기존 시스템을 클라우드 인프라 위로 옮기는 방식으로 추진되어 같은 문제를 가

지고 있다.    

이러한 문제를 해소하기 위해 정부는 2023년 클라우드 네이티브 중심 공공부문 

정보자원 클라우드 전환 계획을 발표하였다. 클라우드 네이티브 전략은 정보시스

템의 설계 단계부터 클라우드 기술을 적용해 클라우드의 장점을 최대한 활용할 

수 있도록 하는 것이 계획의 핵심 내용이다. 2026년 이후 신규 시스템의 70% 이

상 클라우드 네이티브로 전환하고, 전환된 시스템의 40% 이상 SaaS 적용을 목표

로 하고 있다. 2025년까지 행안부 주도로 시범사업을 추진하고 이후는 개별기관 

중심으로 진행할 계획이다.

현재 아마존, 구글, MS 등 글로벌 클라우드 업체들은 컴퓨팅 자원 공급을 넘어 

AI 개발 및 적용에 최적화된 시스템과 서비스 제공에 사활을 걸고 있다. 정부의 

클라우드 전환도 이들 글로벌 기업의 방향에 맞춰 AI 도입에 최적화 되도록 추진

되어야 한다. 또한 개별기관 차원에서 클라우드 전환을 결정하기에는 많은 제약이 

있을 수 있으니, 정부차원에서 보다 많은 기술 및 예산 지원이 필요하다.  

 

통계 및 현황조사에 AI 활용 확대

정책 수립의 기초 토대가 되는 각종 통계 및 현황조사 자료의 대부분은 설문조

사를 근간으로 만들어진다. 설문조사는 오랜 기간 방법론이 개발되어 왔기 때문에 

조사 품질이 우수한 장점을 가지고 있다. 하지만 조사 비용과 시간이 많이 소요되

는 단점을 가지고 있으며, 특히 응답률이 낮을 경우 신뢰성이 떨어지는 문제가 발

생한다. 

- 80 -

본 연구에서 사용한 방법론은 조달 계약 및 입찰에 관련된 행정 자료로부터 현

황 데이터를 축출하는 방식으로 기존 조사들과 차별된다. 조달 계약 및 입찰에 관

련된 각종 정보와 문서는 의무적으로 보존되기 때문에 조사 시점과 상관없이 원

하는 시기의 현황을 파악할 수 있다. 또한 전수조사가 가능하여 응답률 문제없이 

신뢰성을 확보할 수 있다는 장점이 있다. 다만 이전 2년간 연구에서는 AI사업 여

부를 전문가가 판단했기 때문에 검토자 사이에 판단기준 편차가 발생할 수 있는 

문제점이 있었다.

이번 연구는 전문가를 AI로 대체한 방법론을 개발하고 신뢰성을 입증했다는 것

에 의의가 있다. 최근 통계조사에 AI를 활용하려는 움직임이 활발해지고 있는데, 

AI를 사용한 통계의 신뢰성 검증이 중요한 이슈 중 하나이다. 일관성 외에 전문가 

대신 AI를 사용함으로써 얻을 수 있는 다른 이득은 조사에 소요되는 시간과 비용

을 단축할 수 있다는 것이다. 한정된 예산과 기간 내에서 연관된 분야까지 조사 

범위를 확대해 보다 심층적인 조사결과를 얻을 수 있다. 다음 해 연구에서는 미

국, EU 등 주요국과 공공부문 AI 도입현황을 비교·분석하는 연구를 진행할 계획

다. 이와 같이 통계 및 현황조사를 수행하는데 있어 AI 활용은 단순하거나 노동집

약적인 업무를 자동화하는 영역을 넘어 사람의 판단에 의존하는 업무까지 자동화

하는 것을 가능하게 해준다.

그리고 본 연구에서는 자체적으로 AI 모델을 개발한 것이 아니라 상용화된 LLM

을 활용하여 개발 부담을 덜고 시간과 비용을 크게 절감할 수 있었다. 또한, 대규

모 언어 처리가 가능한 LLM은 기존 메타데이터에 기반한 빅데이터 분석방법의 

한계를 넘어, 그 동안 활용되지 않았던 행정 문서까지 포함한 조사가 가능하게 해

준다. 메타데이터 외에 문서 자료까지 조사 및 분석이 가능해져 새로운 통계나 현

황조사 개발이 용이해지는 것이다.

이와 같이 통계 및 현황조사에 있어 AI 활용은 기존 조사의 생산성을 높여주고, 

신규 조사 개발의 가능성을 높여준다. 아직 통계조사에 AI 활용은 초기 도입 단계

로 보다 많은 지원과 시도가 필요하다.

- 81 -

참  고  문  헌

기획재정부(2025), ‘2025년도 공공기관 지정’, 보도자료(2025.01.21.)

남현숙, 안미소(2023), ‘국내·외 공공부문 AI 활용현황 분석 및 시사점’, SPRi 

연구보고서

임영모, 윤서경, 안성원(2024), ‘공공부문 AI 도입현황연구’, SPRi 연구보고서

임영모, 김리나, 안성원(2025), ‘2024년 공공부문 AI 도입현황연구’, SPRi 연구보

고서

행정안전부(2025), ‘2025년 정부기구도표

행정안전부(2025), ‘정부기능별분류체계’

나라장터 홈페이지, https://www.g2b.go.kr/index.jsp

조달정보개방포털 홈페이지, https://data.g2b.go.kr:1443/pt/main/index.do

연구보고서 RE-00

공공부문 AI 도입현황 조사

2025년 12월 발행

발행처경기도 성남시 분당구 대왕판교로712번길22 A동 4층

소프트웨어정책연구소   

            Homepage: www.spri.kr

  ISBN : 979-11-91525-16-8 (95060)

[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.