SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

요 약 문

최근 AI는 전례 없는 기술 진보 속도로 경제, 사회, 문화 전반에 걸친 구조적 변화를 촉발

하고 있으며, 산업과 기술은 물론 일상생활까지 아우르는 범용 기술로 빠르게 확산되고 있다.

거대 자본과 고급 인력을 요구하는 생성형 AI의 특성으로 인해 국가 간 기술 격차가 더욱 확

대되고 있다. AI 기술을 선도하고, 산업 경쟁력 확보를 위한 인재 양성을 위해 우리나라 AI

교육 체계의 현황을 면밀하게 진단하고, 효율적인 AI 인재 양성 방향을 제시할 필요가 있다.

초중등부터 대학·대학원, 직업교육에 이르기까지 전 AI 교육 단계를 분석하고, AI 산업 수

요에 부응하는 인재 양성을 위해 고려해야 할 사항을 점검하고자 한다. 초중등 교육 단계에

서는 모든 학생에게 디지털 리터러시를 필수역량으로 강화하는 동시에, 잠재적 고급인재를

조기 발굴하기 위해 AI·디지털 영재교육원 운영, AI 특화 교육과정 등 사업을 진행하고 있다.

대학과 대학원의 교육 체계는 AI 실무형 인재와 AI 핵심기술을 개발할 수 있는 최고급 인

재를 양성하는 이중 목표를 가지고 재구성되고 있다. AI 실무 인재 양성을 위해 SW중심대학

등을 신설하고, 마이크로전공 등 유연한 학사 제도를 도입하고 있다. AI 대학원을 신설하고,

SW스타랩 등 장기적인 R&D지원사업을 통해 세계적 수준의 AI 인재 양성에 집중하고 있다.

직업교육 분야에서는 정부, 기업, 민간 교육기관이 협력하여 비전공자를 위한 AI 교육과 도

메인 전문 인력을 위한 AI 활용 교육을 효과적으로 제공하는 교육 생태계를 구축하고 있다.

프로젝트 기반 교육(PBL)과 현직 전문가 참여는 실무 적합성을 높이며, 교육과 채용 간 간

극을 축소하는 데 기여하고 있다. 민간 교육기관은 기술 변화 속도에 빠르게 대응할 수 있는

민첩성을 기반으로 최신 기술스택을 신속하게 교육과정에 반영하고 있다.

또한 급변하는 AI 기술을 적시에 학습하기 위해서는 학교, 정부, 기업 등이 제공하는 제도

적 교육만으로는 한계가 있어, 개인 주도의 대안적 교육이 이를 보완하고 있다. 자기주도성은

AI시대 학습자의 필수역량으로 강조되고 있으며, 향후 모든 교육 단계에서 핵심적인 학습 능

력으로 자리매김할 것으로 전망된다.

우리나라 AI 교육은 산업 경쟁력 확보를 위한 AI 활용, 융합 인재와 함께 AI 패러다임 전

환을 이끌 수 있는 AI 핵심인재을 양성하는 두축의 목표를 모두 달성하도록 설계되는 것이

필요하다. 이를 위해서는 AI 핵심 인재에게는 글로벌 수준의 연구 인프라와 장기적 몰입 환

경을, 활용,융합 인재에게는 산업 수요 기반의 유연한 실무 프로젝트 교육을 제공하는 맞춤형

투 트랙 전략을 추진하고, 이를 지속할 민⦁관⦁학 협력 생태계를 조성해야 한다.

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

Executive Summary

Recently, AI has triggered structural changes across the economy, society, and

culture at an unprecedented speed of technological advancement, rapidly spreading as

a general purpose technology that encompasses not only industries and technologies

but also daily life. Due to the characteristics of Generative AI, which requires

massive capital and high level talent, the technological gap between nations is

widening. To lead in AI technology and secure industrial competitiveness, it is

necessary to closely examine the current status of Korea's AI education system and

suggest efficient directions for fostering AI talent.

This report analyzes all stages of AI education from primary and secondary

education to universities, graduate schools, and vocational training and reviews key

considerations for nurturing talent that meets the demands of the AI industry. In the

primary and secondary education stages, digital literacy is being strengthened as an

essential competency for all students. Simultaneously, to identify potential high level

talent early, initiatives such as the operation of AI and digital gifted education

centers and the implementation of AI specialized curricula are underway.

The education system in universities and graduate schools is being restructured

with a dual goal: fostering practical AI talent and cultivating top-tier talent capable

of developing core AI technologies. To strengthen the training of AI practical talent,

new initiatives such as software-focused universities and flexible academic

programs, including micro degree, are being introduced. Furthermore, to nurture

world class AI talent, AI graduate schools have been established, and long term

R&D support programs, such as SW Star Labs, are being concentrated on.

In the field of vocational education, the government, corporations, and private

educational institutions are cooperating to build an ecosystem that effectively

provides AI education for non majors and AI utilization training for domain experts.

Project Based Learning (PBL) and the participation of industry experts enhance

practical relevance and contribute to narrowing the gap between education and

employment. Private educational institutions, leveraging their agility to respond

quickly to technological changes, are rapidly incorporating the latest technology

stacks into their curricula.

However, since institutional education provided by schools, the government, and

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

corporations has limitations in keeping up with rapidly changing AI technology,

alternative education is complementing these gaps. Self directedness is emphasized

as an essential competency for learners in the AI era and is expected to become a

core learning ability across all future stages of education.

Korea's AI education system must be designed to fulfill a dual mandate: fostering

talent for AI application and convergence to secure industrial competitiveness, and

cultivating core AI talent capable of leading the AI paradigm shift. To this end, a

tailored 'two-track strategy' must be implemented providing worldclass research

infrastructure and a long term immersive environment for core talent, while offering

flexible, practical project based training grounded in industrial demands for

application and convergence talent supported by a sustainable cooperative

ecosystem involving industry, the government, and academia.

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

Forture Business Insights(2025.10.20.), “AI Market”,

https://www.fortunebusinessinsights.com/industry-reports/artificial-intelligence-market-100114

Alex Haag(2025.10.6.), “The State of AI Competition in Advanced Economies”, Board of

Governors of Federal Reserve System 중 토니 블레어 글로벌 인지 연구소, Omdia. Epoch AI

데이터 제공

I. 배경 및 목적

□

생성형 AI의 등장 이후 AI의 혁신 속도가 가속화되고 있으며, 막대한 자본

과 고급 인력이 필요한 AI의 특성으로 국가별 기술 격차가 심화되고 있음

ㅇ

2000년대 중반 이후 딥러닝 알고리즘의 개발, 대규모의 데이터 축적과 컴퓨팅

파워의 급진전 등에 따른 2022년 ChatGPT의 등장 이후 AI시대가 본격화됨

- 글로벌 인공지능 시장 규모는 2024년 2,334억 6천만 달러로 평가되었

으며, 2025년 2,941억 6천만 달러에서 2032년 1조 7,716억 2천만 달

러로 성장할 것으로 예상됨(Forture Business Insights, 2025.10.20.)1)

ㅇ

AI는 글로벌 경쟁력의 핵심이며, 기술 생태계와 인프라, 막대한 자본, 거대한

데이터가 필요한 AI 기술 격차의 극복이 점점 더 어려워지고 있음

- AI 인프라, 투자, 기업, 경제 전반의 도입 측면에서 AI 관련 준비도 및 성과

를 평가한 자료인 Stanford Global AI Vibrancy Tool, Oxford Insights

GAIRI 등에서 미국은 부동의 1위를 지키고 있음

* 2019년 Stanford Global AI Vibrancy Tool은 미국이 70.06으로 1위, 중국이

40.14로 2위, 영국이 27.21오 3위로 발표

- 미국은 대규모 모델 학습과 최근 추론 기반 작업에 중요한 슈퍼컴퓨터 용량

을 독점하고 있으며, 2025년 전 세계 하이엔드 AI 컴퓨팅의 약 74%를 점유

하고 있는 것으로 추산됨2)

□

생성형 AI 기술 출현 이후 AI는 모든 산업에 적용되고 있어 산업 구조

를 재편하고 있으며, AI 도입은 다른 기술의 혁신을 가속화하고 있음

ㅇ

AI는 범용 기술화되며, 의료, 금융, 제조, 법률 등 산업 전반에 확산되는 속도

가 급격히 높아지고 있음

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

Beth Stackpole(2024.8.6.), “The impact of generative AI as a general-purpose technology”,

MIT Management Sloan School

Fingent shaping and future, “AI in Financial Sercvices : Use Cases ans Applications”,

2025.11.06. 조회

Designveloper, “10 Real-World Case Studies of Implementing AI in Healthcare”, 2025.11.06. 조회

Alten in the world, “AI-driven predictive maintenance revolutionizes manufacturing”,

2025.11.06. 조회

HAI(2025), 2025 AI Index Report

- 생성형 AI 기술은 경제사회구조의 광범위한 변화를 일으키고 있으며,

특정 산업에 국한되지 않고 다양한 산업에 응용이 가능함

* 빠른 개선 속도, 보편성, 상호 보완성 혁신의 특성이 있는 생성형 AI는 증기 기

관, 내연 기관, 전기, 컴퓨터 등 다른 범용 기술보다 경제 성장에 빠르게 영향을

미칠 것으로 전망 (MIT Management Sloan School, 2024.8.6.)3)

<표 1> 타산업에서 AI 활용 사례

산업

적용 사례

금융

금융기관들은 사기 탐지(Fraud Detection), 신용평가(Credit Scoring), 개인화된 고

객 서비스(Personalized Customer Service), 자동화된 문서처리(Document

Processing) 등에 AI를 적용하고 있음

사례로 Paypal이나 Square 같은 기업들이 거래 패선을 추적하고 사기의 징후가 될

수 있는 의심스러운 활용을 감지하는데 AI 알고리즘을 활용하고 있음4)

의료·

헬스케어

의료영상 판독, 유전자 데이터 분석, 웨어러블 기기를 통한 생활습관 관리, 신약개발,

등에서 AI 활용이 급증

사례로 무어필즈와 딥마인드는 50가지 이상의 안과 질환을 최고 안과 전문의만큼 정확하게

진단할 수 있는 AI 도구를 공동 개발했으며, 다양한 안구 질환 징후를 기반으로 소프트웨

어가 제공한 결과 최고 안과 전문이 94%의 정확도를 기록한다고 평가함5)

제조업

AI를 활용하여 예측 유지보수, 품질 관리, 생산 공정 최적화, 협업 로봇, 디지털 트

윈, 수율예측 및 개선 등으로 스마트 공장을 혁신

베어링(ball bearing) 제품 생산라인에 AI 품질 예측모델을 도입해 생산 사이클 종료

1시간 전에 품질 문제를 예측하고 조정함으로써 불량률을 낮췄다는 사례가 보고됨6)

자동차

AI는 자율주행, 스마트 인포테인먼트 시스템, 커넥티드카, 전기차 관리 등에 활용되

며, 특히 자율주행의 경우는 인식, 판단, 제어의 자동차 주행에 필요한 모든 단계에

AI가 활용되고 있음

미국 웨이모는 매주 15만 건 이상의 자율주행 서비스를 제공하고 있으며, 바이두의

저렴한 아폴로 고 로보택시는 현재 중국 여러 도시에서 서비스를 제공하고 있음7)

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

Nature Conferences(2025.2.5.), “The two-way relationship between AI and materials science”

Xuli Tang(2020.9.3.), “The Pace of Artificial Intelligence Innovations: Speed, Talent, and

Trialand-Error”, arXiv

ㅇ

AI의 적용은 데이터 분석, 인공지능 반도체와 로봇의 발전, 신소재 개발 등 다

른 기술의 발전을 촉진하고 있음

- AI 수요 증가로 반도체 산업이 급격히 발전하고 있으며, AI가 로봇의 개발,

소재 발굴, 소자 성능 최적화까지 활용되어 개발시간과 비용이 줄어들고 있음

- 소재 과학은 AI를 활용하여 새로운 물질의 구조와 특성을 예측하고 실험을

함으로써 신소재 개발 속도를 획기적으로 높일 수 있음8)

□

AI 기술 변화는 지난 몇 년간 전례없는 속도로 발전하며, 학계에서 논문

의 발간주기, 발간 규모, 업데이트 빈도, 인용 속도 등도 가속화되고 있음

ㅇ

AI 기술 관련 논문의 발간 주기가 점점 빨라지고 있으며, 그 양도 기존 과학

기술 논문에 비해 비약적으로 증가하고 있음

* 2019년에 매 시간 3개 이상의 AI 사전 인쇄물이 arXiv에 제출되었으며, 이는 1994

년보다 148배 이상 빠른 속도임. 또한 2019년에는 0.87시간마다 딥러닝 관련 사전

인쇄물이 arXiv에 제출되었으며, 이는 1994년보다 1,064배 이상 빠른 속도임9)

ㅇ

생성형 AI시대에 들어서면서 AI 기술 발전 속도는 더욱 가속화되고 있어, 끊

임없이 최신 기술을 따라잡아야 하는 연구자들의 부담이 가중되고 있음

□

사람의 인지 작용을 모방하고 문제 해결 및 계획 수립이 가능한 역할로 확장

되며, AI 기술은 범용기술로 부상되어 일상생활에는 급속히 활용되고 있음

ㅇ

새로운 직업을 창출하고, 교육을 혁신하며, 환경, 재난 등 사회 문제를 해결하

는 등 사회적 변화를 촉진시킴

- WEF는 2030년까지 약 1억 7천만 개(전체 고용의 14%)의 일자리가 창출되

고, 9천 2백만 개(전체 고용의 8%)의 일자리가 소멸될 것 으로 예측함

ㅇ

기술의 개발과 함께 짧은 기간에 전 세계 사용자의 일상 도구로 자리 잡는 현

상을 보이고 있음

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

10)

Forture Business Insights(2025.10.20.), Company announcements via Business Insider/Linkedin

11)

Keller(2025), “AI & Machine-Learning Talent Gap 2025”

* 사용자 10억 명에 도달하는 데 걸린 시간이, Netflix 3.5년, 트위터 2년, 페이스

북 10개월인데 비해 ChatGPT는 5일임(Forture Business Insights, 2025)10)

□

AI 기술의 도입과 활용이 국가 경쟁력의 핵심 지표로 부상함에 따라 국

가의 지속 성장을 견인할 AI 인재 양성을 위해 국내 교육체계의 현황을

종합적으로 점검하고, AI 인재양성을 위한 시사점을 도출하고자 함

ㅇ

AI 산업 경쟁력 강화를 위한 고급 인력 부족 문제가 심각해지고 있으며, 교육을

통한 인재 공급이 산업 수요를 따라가지 못하고 있다는 이슈가 제기되고 있음

- AI 기술과 산업은 급속하게 변화하고 있으나, 이에 대응하여 AI 기술과 산업

혁신을 선도할 수 있는 AI 최고 인재와 실무 전문가를 양성의 속도는 상대적

으로 느림

* 2024년 전 세계적으로 구인 공고가 61% 급증했으며, 이러한 수요는 자격을 갖춘 전문

가 공급을 크게 앞지르며, 50%의 공급 부족을 초래할 것으로 예상(Keller, 2025)11)

ㅇ

AI 기술 주권 확보를 위한 AI 핵심인재, 산업이 필요로 하는 AI 활용인재, 융

합인재 양성을 위한 현재 교육 시스템을 전반적으로 점검하고 시사점을 도출하

려고 함

- AI 인재를 국가 AI기술을 선도할 AI 핵심인재, AI 산업 경쟁력 확보를 위

한 AI 활용인재, AI 융합인재로 구분하고, 이에 따른 교육의 방향을 점검하

고자 함

- AI 인재의 체계적 양성을 위해 초중등 교육, 대학 및 대학원 교육, 직업교육

으로 구분하여 교육의 목표, 내용, 특성, 문제점 등에 대해 분석하고, AI 핵

심인재와 AI 활용인재 양성을 중심으로 시사점을 도출함

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

12)

Christopher Collins, Denis Dennehy, Kieran Conboy, Patrick Mikalef(2021), “Artificial

intelligence in information systems research: A systematic literature review and research

agenda”, International Journal of Information Management

13)

Benjamin van Giffen, Nadine Barth, André Sagodi(2022.12.), “Characteristics of Contemporary

Artificial Intelligence Technologies and Implications for IS Research”, ResearchGate

II. 국내 AI 교육 체계 분석

AI 교육 체계 분석 방향

□

AI 기술 경쟁력 확보를 위해서는 AI의 특성과 기능에 따른 AI 역량을 파

악하고, AI 발전 방향에 맞춘 AI 교육 방향 수립이 필요함

ㅇ

AI를 인지, 추론, 문제 해결, 의사 결정, 심지어 창의성 발휘와 같이 인

간의 마음과 관련된 인지 기능을 수행하는 기계의 능력이라고 정의함12)

- AI의 정의는 지능형 기계를 만드는 공학이라는 관점에서 경험을 통

해 학습하고, 추론과 상호작용이 가능하여 인간과 유사한 작업을 수

행할 수 있는 것이라고 확대됨

ㅇ

AI는 고도의 적응성, 데이터 중심 학습 구조, 불투명성, 편향성 등의 특성

이 있으며13), AI의 경제적, 사회적 파급력을 고려할 때 AI는 융합적 특

성이 매우 강함

- AI는 기술의 변화에 따라 빠르게 적응하고 발전하며, 인간의 데이터

를 중심으로 학습하기 때문에 의사결정 과정이 불투명하고 데이터에

따라 편향성을 나타낼 수 있음

- AI는 인간의 언어, 지식, 문화가 집단으로 반영된 산물이며, 단순 기

술이 아니라 문제를 정의하고, 데이터를 통한 AI의 문제 해결 기능이

경제적 파급력을 극대화하기 때문에 융합적 특성이 매우 중요함

□

AI의 본질과 특성에 대한 이해를 기반으로 국가 AI 경쟁력 확보를 위한

AI 인재 양성의 방향성과 전략을 명확히 수립하고자, 현행 교육체계의 구

성과 내용을 체계적으로 분석하고자 함

ㅇ

AI는 단순한 기술이 아니라 사회와 경제 전반을 혁신하는 새로운 패러

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

다임으로, AI 실무 인재 양성을 위해서는 AI 교육을 단순한 프로그래

밍 중심이 아니라 문제 정의력, 데이터 이해력, 윤리 의식을 포함한 AI

개발과 활용을 위한 교육으로 확장할 필요가 있음

ㅇ

AI 인재는 기술 분야와 역할에 따라 AI 핵심인재, AI 활용인재, AI 융

합인재로 구분하여 양성할 필요가 있음

- AI 핵심인재는 딥러닝 모델, 머신러닝 알고리즘, AI 반도체 등 AI

핵심기술 개발을 선도하는 인재이며, AI 활용인재는 AI 기술을 응용

하여 AI 분야에서 혁신적 솔루션이나 서비스 개발을 주도하는 인력

으로, AI 전문성을 가지고 AI를 활용하는 인력임

- AI 융합인재는 AI 기술을 응용하여 헬스케어, 제조, 금융 등 다양한

산업 도메인 분야에서 혁신적 서비스 개발을 주도하는 인력으로, 도

메인 전문성을 가지고 AI 기술을 활용하여 산업 도메인 AI 전환을

주도하는 인력임

ㅇ

초중등, 대학과 대학원, 직업교육으로 구분하여 우리나라 교육체계에서

종합적으로 분석하고, AI 인재 양성 방향을 도출함

- 초중등 과정이 수학·컴퓨팅 사고력 등 기초 역량을 체계적으로 강화

하여 AI 관련 학습으로 연결 가능한 기초소양을 충분히 형성되도록

구성되고, AI 핵심인재와 실무인재의 잠재력을 발굴·육성하는 장으

로서 제대로 작동하는지 검토함

- 대학과 대학원의 커리큘럼, 교육 방법, 연구 환경, 산학연계 방안 등

구체적인 실행 방법을 검토하여 AI 핵심인재와 고급 실무인재 양성

의 핵심 기관으로 작동하는 지 점검함

- 직업 교육에서는 현장 중심의 AI 실무 인재 양성과 비전공자, 재직

자 재교육에 대한 기능을 점검하고 대학과 대학원과 다른 역할은 무

엇이 있는 지 분석함

- 빠른 기술과 직무 변화를 대응하기 위해 필요한 내용을 즉시 학습하

기 위한 방안으로 교육기관 중심의 획일적 프로그램이 아닌 자기주

도의 학습 방법을 검토함

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

14)

WEF(2025), “Future of Jons Report 2025”

2. 초중등 교육

□

초중등 교육에서 AI 교육 방향은 모든 학생을 위한 디지털 리터러시 교육

과 잠재적인 AI 핵심 인재의 조기 발굴을 목표로 함

ㅇ

AI는 보편 기술로써 생활과 산업에서 활용되고 있으며, 모든 학생이 AI

기술을 비판적으로 이해하고 윤리적으로 활용하며, 일상과 학습의 도구로

사용할 수 있도록 AI 리터러시 교육이 필요함

- AI 기반 서비스를 활용함에 있어 AI의 환각(Hallucination), 학습 데이터

의 문제로 인한 편향성, 딥페이크 등의 악의적 활용 등의 문제를 일으킬

수 있는 AI의 작동원리를 학습하여야 AI가 산출하는 정보를 비판적으로

수용하고 활용할 수 있음

- 노동 시장에서 필요로 하는 직업과 그에 따른 핵심 역량이 급격하게 변화

될 것이며, 이에 대응하여 교육의 목표와 내용도 변화가 필요함

* WEF는 핵심기술을 분석적 사고 (Analytical thinking), 회복탄력성, 유연성

및 민첩성 (Resilience, flexibility and agility), 리더십과 사회적 영향력

(Leadership and social influence), 창의적 사고 (Creative thinking), 동기

부여와 자기인식 (Motivation and self-awareness) 등의 순으로 제시함14)

ㅇ

국가 경쟁력 확보 측면에서 AI 기술의 중요성이 강조되고 있으며, AI 분

야의 재능과 흥미를 가진 학생들을 조기에 발굴하는 것이 중요함

- 문제 해결 능력, 실행력, 리더십 등이 조화를 이루는 AI 최고 인재 양

성을 위해서는 어릴 때부터 AI와 컴퓨팅 사고에 노출됨으로써 AI에 대

한 흥미와 적성을 발견할 기회를 확대해야 함

- AI 인재 저변 확대 측면에서, 초중등 단계에서 광범위한 AI 교육을 실

시하여 더 많은 학생들이 AI 분야에 진출할 가능성을 높일 필요가 있음

□

초중등 교육에서 미래사회가 요구하는 역량, 디지털 ‧ AI 시대에 대비하는

역량을 학습하기 위한 교수‧학습 및 평가체제 구축을 목표로 2022년 교육과

정을 개편하고, 모든 교과 교육을 통해 AI 등 신기술분야 학습 내실화함15)

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

15)

교육부(2021.11.24.). 「2022 개정 교육과정 총론 주요사항」

16)

교육부 고시 제2022-33호(2022.12.22.). 「초,중등학교 교육 총론」

17)

Harsh Kumar, Jonathan Vincentius, Ewan Jordan, Ashton Anderson(2024.9.24.), " Human

Creativity in the Age of LLMs", arXiv

ㅇ

미래사회를 대비하는 교육 방향으로 자기관리, 지식정보처리, 창의적 사고, 심

미적 감성, 협력적 소통, 공동체 역량 양성을 목표로 하는 「2022 개정 교육

과정」에서 디지털 기초소양·리터러시 함양을 교육의 중심 과제로 설정함16)

- 자기 관리, 지식정보처리, 협력적 소통 등의 역량은 인간처럼 사고하

고 문제를 해결하는 AI시대에도 필요한 인간 고유의 역량임

- 창의적 결과를 제시하는 AI 시대에도 인간의 창의력은 여전히 중요하며,

AI 보조의 한계를 인식하고 인간의 독립적 창의력을 양성할 필요가 있음

* Harsh Kumar(2024)는 생성형 AI의 도움을 받는 과제에서는 단기적인 창의

성 향상을 제공할 수 있지만, AI가 생성한 아이디어의 도입은 참여자의 주

의를 산만하게 하거나, 귀중한 인지 자원을 소모할 수 연구 결과를 제시17)

ㅇ

정보 교과의 시수를 대폭 확대하고 필수화하여, 학생들의 컴퓨팅 사고력

(Computational Thinking)과 AI 기초 원리 학습을 위한 물리적 시간을 확보함

- 초등학교(실과)와 중학교(정보)의 정보 교육 시수를 기존 대비 2배인

각각 34시간, 68시간 이상으로 확대 편성하도록 권고하여, 일부 학생들

에게만 제공되던 SW·AI 교육을 공교육의 보편적 영역으로 편입함

<표 3> 정보교육 강화 주요 내용

구분

2015

개정교육과정

2022 개정 교육과정

교육 내용

초등학교

실과 17시간

34시간 이상 시수 확보 권장

(실과 및 학교 자율시간 등 활용)

AI 등 신산업기술 분야

기초 개념‧원리 등 반영

중학교

정보교과

34시간

68시간 이상 편성과 운영을 권장

(정보교과 및 학교 자율시간 등 활용)

AI 학습 관련 내용 강화

고등학교

정보 과목

(일반 선택)

인공지능 기초, 데이터 과학 등

(진로/융합 선택 과목 다양화)

AI 및 빅데이터 등

다양한 신기술 과목 신설

교육부(2022) 자료를 기반으로 연구진 재구성

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

18)

교육부(2024.12.). 「제2차 정보교육 종합계획(안)(2025년 ~ 2029년)」

19)

서울특별시교육청(2025.3.). “ 2025학년도 디지털 기반 학생 맞춤교육 선도학교 운영계획”

20)

교육부(2024.12.). 「‘25년 교원 연수 중점 추진 방향「제2차 정보교육 종합계획(안)(2025년 ~

2029년)」

21)

교육부(2024.12.). 「제2차 정보교육 종합계획(안)(2025년 ~ 2029년)」

22)

과기정통부, 한국과학창의재단, “청소년 SW동행프로젝트”

https://sw.kosac.re.kr/cms/content/view/362

ㅇ

정부는 단위 학교 중심의 자율적 혁신을 유도하고, 이를 통해 검증된

우수 사례를 전국적으로 확산하는 전략을 채택함

- AI 교육 선도모델 및 AI교육 우수사례 확산을 위해 ‘AI·정보교육 중

심학교’를 지정하고 우수 수업 모델 개발 및 교육과정 운영 확대함18)

* ('25) 664교 → ('27) 1,000교 → ('29) 1,500교로 점진적 확대 예정

- “디지털 기반 학생 맞춤교육 선도학교”를 지정하여 실제 교육 환경에

서의 활용 모델을 개발하고 검증하는 테스트베드 역할을 부여함19)

ㅇ

정부는 디지털 대전환에 대비하여 교원의 혁신 역량 강화를 위한 맞춤

형 연수를 계획하고, 디지털 기술을 활용한 미래 연수 체계를 마련함

* 「25년 교원 연수 중점 추진 방향」(교육부, 2024. 12.)의 목표는 경력단계

별 핵심 역량 기반의 맞춤형 연수 강화, 미래교육환경 변화에 적합한 교원

전문성 신장 지원, 연수의 내실화를 통한 수업·학습 혁신의 현장 안착임20)

□

정규 교육과정을 통한 보편적 AI 소양 함양과 병행하여, 정부는 잠재적

AI 인재의 조기 발굴 및 심화 학습 경로를 제공하기 위한 제도를 마련함

ㅇ

정부는 AI･정보 분야 핵심 인재 양성을 위해 AI·디지털 영재교육원 운

영, AI 특화 교육 과정 운영, 학생 동아리 지원 등을 추진함21)

- 과기정통부는 디지털 심화교육을 통해 잠재적 AI영재성을 발굴할 수

있는 ‘(가칭)AI·디지털 영재교육원’ 운영을 추진함

- 과기정통부는 민간의 우수 교육 프로그램과 대학생 중심의 멘토링을 학

교 현장과 연계하여, 학생 주도의 프로젝트 기반 학습(PBL)을 통해 문

제해결 중심 “청소년 SW 동행 프로젝트” 운영을 지원함22)

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

3. 대학⦁대학원 교육

□

대학과 대학원의 AI 교육은 산업현장에서 요구하는 AI 실무 인재와 국가 경

쟁력 확보에 필수적인 AI 최고 인재를 양성하는 두 가지 목표를 모두 달성

할 필요가 있음

ㅇ

수학, 통계, 알고리즘 등 기초 핵심 역량을 강화함과 동시에, 실무 중심

의 커리큘럼, 기업 문제 해결을 위한 산학 협력 프로젝트, 인턴십 등을

통해 산업현장에서 즉시 활용이 가능한 AI 실무 전문가 양성이 필요함

- AI 실무인재는 AI산업에서 일하는 AI 핵심 인재 및 활용인재와 제

조, 금융, 의료 등 타산업에서 일하는 AI융합인재로 나누어짐

ㅇ

자유로운 연구 환경, AI 인프라, 국제 협력을 통한 창의와 탐구 중심의

연구 생태계를 조성하여 AI 생태계를 선도할 AI 최고인재 양성이 필요함

□

정부는 AI인재와 AI융합인재의 양적 확대를 위해 AI 관련 학과를 보강하

고, SW중심대학과 빅데이터, 에너지, 인공지능, 차세대 반도체 등 첨단분

야혁신융합대학(COSS, Convergence and Open Sharing System) 등을 지원하고 있음

* 최근 3년간 AI 관련 학부 26개, 589명, 2년간 AI대학원 8개 학과 156명 순

증 (교육부, 2025.11.10.), “AI for All : 모두를 위한 AI 인재양성방안”)

ㅇ

과기정통부의 SW중심대학사업은 대학 교육을 산업현장의 요구에 부합

하는 실무 중심 체계로 전환하는 것을 목표로, 선정된 대학에 장기적 안

정적 예산 지원으로 실무 중심 AI·SW인재 배출을 확대함

- 산업현장이 요구하는 실무역량을 강화하기 위해 프로젝트 기반 학습

(PBL), 캡스톤 디자인, 장기 현장실습(Co-op) 등 산학 연계 프로그램

을 확대 운영함

- 디지털 전환을 뒷받침하는 인적 자원의 저변을 넓히는 데 기여했음

에도 불구하고, 급증하는 AI 전문인력 수요에 대응하기에는 부족함

* 최장 8년(4+2+2년)간 최대 150억 원(연간 약 20억 원) 규모의 예산을

지원, 10년간 58,782명의 SW 전공 인력과 40,390명의 SW 융합 인

력이 배출23)

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

23)

로봇신문(2025.5.21.). “과기정통부, 2025년 소프트웨어 중심대학 선정”

24)

교육부 보도자료(2024.1.16.). “대학 간 경계 허물고 첨단분야 융복합 인재를 양성하는

혁신융합대학 성과 공개”

25)

KAIST 전학학부 인공지능분야 중점이수 https://cs.kaist.ac.kr/content?menu=260

ㅇ

교육부는 대학 간 교육 자원을 공유하고, 학부 단계에서 전공과 관계없

이 표준화된 AI 교육을 제공하여, AI 인력의 저변을 확대하고 잠재적

인재들이 AI 분야로 진입하도록 첨단분야 혁신융합대학 사업을 추진함

- 신기술 분야 인재 양성을 목표로 하는 대학주도형과 지역 특화 산업

과의 연계를 강화하기 위해 도입된 지자체 참여형으로 나누어져 있음

- 산·학·연과 지자체 협력을 통해, 산업계·연구계 수요 등을 반영한 수준

별, 모듈형 융‧복합 교육과정을 대학 간 공동 개발·운영하고 있으며,

CO-Week 아카데미 등을 통해 교육 컨텐츠를 사업에 참여하지 않은

대학과 공유하고, K-MOOC 등을 통해 일반 국민에게도 개방24)

- 대학마다 학점 인정 기준, 수업 운영 지침, 학사 일정이 상이하여 대학

간 교육과정 공동 운영 및 학점 교류에 어려움이 있으며, 비전공자를

포함한 저변 확대를 주요 목표로 설정함에 따라 심화 과정 운영에도

제약이 있음

□

대학들은 AI시대의 인재 양성을 위해 전공 심화 과정을 설계하고, 모든 전

공 학생들을 대상으로 AI와 전공을 융합한 융합교육을 확산하고 있음

ㅇ

AI 기술이 고도화될수록 알고리즘, 자료구조, 컴퓨터 시스템(OS, 아키

텍처)에 대한 근본적인 이해를 위한 교육과 함께, 변화하는 기술 환경

에 대응하는 커리큘럼 개편에 노력하고 있음

- 이산수학, 컴퓨터프로그래밍, 자료구조, 컴퓨터구조, 알고리즘 등이

전산학부 전공 필수로 AI 전문가가 되기 위한 기본 소양임

* KAIST 전산학부의 경우 자연어 처리, 텍스트마이닝, 로봇설계 등의 인공

지능 분야 중점과정을 4과목 이상 수강하면 성적증명서에 ‘인공지능 중점

이수’라고 기록함25)

ㅇ

산업계는 도메인 지식에 AI를 접목하는 AI 융합 인재를 강력히 요구하

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

26)

서울대학교 연합전공 인공지능 https://imai.snu.ac.kr/신청안내/지원자격-및-지원방법/

서강대학교 LINC 사업단 인공지능융합마이크로전공

https://linc.sogang.ac.kr/aiMicroIntro/a/m/getAiMicroIntro.do

인하대학교 SW중심대학 마이크로전공, https://www.inha.ac.kr/sites/kr/files/2023/05-14 SW중심대학

마이크로전공.pdf

고 있으며, 대학은 복수전공, 부전공, 연합전공, 마이크로전공 등 유연

한 학사 제도를 통해 모든 학생이 AI 역량을 갖추도록 지원함

<표 4> 학부 AI 융합 교육 모델 비교 분석

유형

전공

대학

내용

이수 조건

목표

심화

학습형

인공지능

연합전공

서울

대학

연간 100명 규모로

선발하며, 인공지능

기업체 또는 대학연구실의

인턴 필수

총 39학점

(필수 10,

선택 29)

비(非) AI 전공자에게

학사 학위 수준의

체계적이고 심도 있는 AI

교육 제공

AI+X

융합형

인공지능

융합

마이크로전

공

서강

대학

각 학과에서 개설한 AI+X

교과목 이수를 의무화하여

주전공과의 실질적인 융합을

유도

총 12학점

(기초-심화

-융합-캡스

톤)

비(非)컴공/AI 전공자

학생 소속 전공 데이터를

AI 기술로 분석 및 활용할

수 있는 실무 능력 배양

전교생

보편

교육형

SW·AI

마이크로전

공

인하

대학

학생 전공별 맞춤형 트랙과

더불어, 탄소중립,

미래모빌리티 등 국가 전략

분야와 연계된 특화 트랙을

운영

총 9학점

(기초-심화

-활용)

전 학과 신입생 대상

마이크로전공 의무 이수를

추진하여 다양한 분야에 응용

가능한 AI 기술을 개발하고

접목

학교별 학과 운영내용을 연구진이 재구성26)

□

AI 최고급 인재 양성을 위해 AI 대학원, AI융합혁신대학원 등을 신설하

고, R&D 및 인재 지원 사업을 통해 석·박사급 핵심 인재 양성을 집중 지

원하고 있음

ㅇ

세계적 수준의 AI 우수 인재 양성과 산업 디지털 전환에 필요한 실무

형 인공 지능 인재 양성을 목표로 AI대학원과 AI융합혁신대학원을 설

치하고 지원함

- AI 대학원은 핵심 AI 기술 연구에 중점을 둔 엘리트 연구 중심 대

학원을 설립하는 것을 목표로, 특화된 커리큘럼, 전임 교원 확충, 연

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

27)

연합뉴스(2024.8.2.). “5개 대학 10개 연구실, 과기정통부 'SW스타랩' 선정”

구 인프라 지원을 바탕으로 AI 핵심 기술 연구 및 산학 협력을 선도

하는 거점 역할을 수행함

* KAIST-Google 파트너십, 서울대-네이버 초대규모 AI 연구센터 등 산학협력 수행

- AI융합혁신대학원은 AI 핵심 기술과 타 산업 분야(제조, 금융, 바이

오 등)와의 융합을 통해 산업계가 요구하는 AI 융합 전문가 양성함

ㅇ

대학의 연구 역량 강화를 위해 ‘대학ICT연구센터(ITRC)’, ‘4단계 BK21

(두뇌한국21)’, ‘SW스타랩(Star Lab)’ 등 다양한 R&D 사업을 운영함

- SW스타랩(Star Lab) 사업은 단기 성과 중심의 기존 R&D 사업과 명

확히 차별화하여, 대학원 중 탁월한 연구 역량을 보유한 연구실을 선정

하여 AI, 빅데이터, 알고리즘 등의 연구에 최대 8년간 장기 지원함

* SW스타랩 사업을 통해 2015년부터 2023년까지 석사 474명, 박사

218명 등 총 692명의 고급 인력을 배출했으며, 최근 3년간 과학기술

논문 추가 인용 색인(SCIE)급 저널에 연간 60여 편의 논문을 게재27)

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

28)

전자신문(2025.4.3.). “SW 마에스트로는 '문제해결형'…수료생·멘토, AI·SW 인재 큰 성장 이끌어”

29)

이노베이션아카데미 홈페이지 https://innovationacademy.kr/academy/main/view

전자신문(2025.1.22.). “ICT 인재양성 거점 '이노베이션 아카데미' 지역확산 기대”,

https://www.etnews.com/20250122000180

4. 직업 교육

□

정부 주도 직업 교육은 단기간에 실무 투입이 가능한 AI/SW 분야 인력

을 대규모로 공급하여 인력 저변을 확대하고, 특히 비전공자들에게

AI/SW 분야로 진입할 수 있는 효과적인 경로를 제공했음

ㅇ

AI/SW 비전공자도 강의 대신 동료학습과 자기주도적 프로젝트 수행을 통해 문

제 해결 역량, 협업 능력, 실전 개발 역량을 획득하기 위한 고급과정을 제공함

- 수요가 빠르게 급증하는 AI/SW 역량을 가진 고급인재를 양성하기 위해

프로젝트 기반 교육과, 멘토링 중심의 교육을 기획하여 지원함

* SW 마에스트로 과정은 지원조건이 학력, 전공, 경력 무관임에도 불구하고 2010년 이

래 배출한 고급인력이 2,008명, 전체 취·창업률 91.3%, 배출 창업기업 149개사임28)

** 이노베이션아카데미 42 Seoul 사업은 2500여명의 졸업생을 배출하고, 1~7

기 취업률이 84.8%이었으며 특히 교육생의 약 절반(49.9%)은 비전공자임

에도 교육과정을 거쳐 석사급 실력을 갖췄다는 평가를 받고 있음29)

ㅇ

정부 주도 교육 사업은 민관협력을 통해 교육과정의 현장 적합성을 높이고,

교육과 채용을 연계하는 새로운 모델을 제공하여 청년 고용 활성화에 기여함

- 미취업자 대상으로 민관이 협력하여 기업 수요 기반으로 프로젝트 중

심으로 AI/SW 교육을 설계하고, 수요 기업에 인력 추천, 수료생 면접

기회 제공, 인턴십 연계 등을 통해 실질적인 취업을 지원함

* 민간 훈련기관, 기업, 정부가 협력하여 AI·디지털 분야의 인재를 양성하는

과기정통부 ‘채용 연계형 SW 전문 인재양성’, 고용부 ‘K-디지털 트레이닝

(KDT) 사업’ 등

□

정부 주도 교육은 산업별로 필요한 융합인력 양성에 주력하며, 특히 AI

발전의 지역 격차 해소 및 균형 발전을 위해 지역산업과 연계하여 지역

AI/SW 수요에 대응하기 위한 지역 AI 인재 양성 사업을 지원함

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

30)

KISTEP(2025.5.7.). “ AX시대, AI 융합인재 양성 현황의 진단과 제언”

31)

youtobe(2024.7.19.), “패스트 캠퍼스 강사 섭외, 강의 제작 이야기, 직접 오프라인 강의를 하시는

신해동 대표님 이야기”

ㅇ

정부 융합인재 양성 교육은 AI기술을 가진 인재가 도메인 기술을 확보하

는 기술주도형과 현장 문제해결형 인재 양성을 목표로 추진 중이며, 학

위과정, 비학위 과정, 공동 연구 및 수요와 공급 매칭 형태가 있음30)

- AI 기술 주도형 인재 양성은 AI 산업에서의 융합인재 양성을 목표로 함

* 이노베이션아카데미(‘19~), 인공지능산업융합기술개발(’23~‘26), 산업

기술 알키미스트 프로젝트 (’22~‘31)등

- 현장 문제해결형 AI융합 인재 양성 사업은 AI활용산업에서 AI 융합

인재를 주요 정책 대상으로 함

* ICT 글로벌 전문 융합 인재양성(‘25~’30), 의려인공지능 특화 융합

인재 양성사업(‘25~’29), 산업맞춤형 혁신바우처 지원(‘22~)

ㅇ

AI 지역인재 양성 사업은 지역 대학과 기업이 참여하여 지역기업이 필

요로 하는 고급인재를 양성하는 교육을 지원함

* 산업에서 필요한 지역인재 양성을 위한 4개 권역(동남,동북,충청,호남권) 의 ICT이

노베이션스퀘어, 광주 인공지능사관학교, 지역산업 SW인재양성 기반조성 사업 등

□

기업들은 기업 문화와 기업이 요구하는 기술 스택에 최적화된 인재를 선제적

으로 확보하기 위해 기업주도 교육 프로그램을 제공하며, 민간 AI 부트캠프

등은 단기 집중 교육을 제공하여 재직자들의 AI 활용 능력 향상을 지원함

ㅇ

기업주도 교육은 취업 준비생에게 6개월에서 1년간 집중 코딩 교육과

실전 프로젝트를 경험하게 하여, 취업률 등에서 높은 성과를 나타냄

* 삼성청년SW아카데미. 네이버 부스트캠프, KT의 에이블스쿨 등이 있음

ㅇ

민간 교육기관은 대학의 경직된 커리큘럼 구성에 비해 신기술에 대해 빠른 교

육과정을 제작하고, 시장 수요가 높은 최신 기술 교육을 민첩하게 제공함

- 민간 교육기관은 실무중심 강의를 위해 강사풀로 현직 개발자와 엔

지니어 활용이 가능하며, 짧은 주기로 과정을 업데이트하고 있음31)

* 코드스테이츠는 교육과정 중이라도, 필요한 경우라면 과감하게 커리

큘럼과 콘텐츠 내용을 변경함32)

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

32)

코드스테이츠 홈페이지 https://www.codestates.com/

33)

대안교육기관에 관한 법률(2025.7.22.)에서는 대안교육이란 개인적 특성과 필요에 맞는 다양한 교

육내용 및 교육방법을 통하여 개개인의 소질과 적성 개발을 목적으로 하는 학습자 중심의 교육이라

고 정의, OECD는 넓은 의미의 대안교육은 전통적인 학교 체제 밖에서 이루어지는 모든 교육 활동

이라 정의함, oecd(2008),“Innovating to Learn, Learning to Innovate“

34)

OECD(2023), “OECD DIGITAL EDUCATION OUTLOOK 2023 Towards anEffective Digital

Education Ecosystem”

35)

U.S. Office of Education Technology(2023.5.), “Artificial Intelligence and the Future of

Teaching and Learning Insights and Recommendations ”

5. 대안적 교육

□

급속히 발전하는 AI시대에는 전통적인 정규교육(대학·대학원)이나 정부·기

업 주도의 교육만으로는 최신 AI 기술을 확보하고 기업이 원하는 인재 양

성 수요를 모두 충족하기 어렵기 때문에 대안적 교육33)이 중요해짐

ㅇ

AI 교육 체계는 정규교육, 정부와 기업이 주도하는 직업교육 등의 경로를

구축하고 있으나 빠르게 변화하는 AI 기술을 확보하기에 어려운 점이 있음

- 정규교육 체계는 깊이 있는 이론을 제공하지만, 커리큘럼 개편, 교수자

양성, 인프라 확보 등의 시간이 오래 걸리며, 실무 투입까지 시간이 김

- AI의 알고리즘 편향, 부정행위, 표절, 기술 감소 및 개인 정보 보호,

데이터 보안, 지적재산권 침해 등의 문제로 교육현장에서 AI 활용에

대한 교육 지침이 완성되지 않아 AI 교육이 지체되고 있음

* 데이터 보호 및 개인정보 보호 문제를 가장 우선 고려하나, 생성 AI의 기술

적 정확성과 신뢰성, 투명성, 그리고 공정성 등도 정책에 중요한 쟁점임34)

- 체계적인 교육시스템은 AI 기술 시대에 빠르게 변화하는 다양한 전문

분야와 직무에 대해 맞춤형 진로 경로를 포괄하기 어려움

ㅇ

정규 교육기관과 기업이 교육을 기획하여 일괄적으로 교육하는 방법이

아니라, AI 역량 확보 방안으로 개인 주도적인 교육이 확대되고 있음

- AI시대에서는 자신에게 맞는 학습 경로를 설계하고 조정할 수 있는

개인 주도 학습 역량이 중요시 되고 있음

* 앞으로의 교육 방식은 학습자 강점을 기반으로 학습을 확장하고 복잡해지는

환경 속에서 스스로 선택하여 학습할 수 있는 능력 양성이 중요함35)

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

36)

Iain Xie Weissburg, Mehir Arora, Xinyi Wang, Liangming Pan, William Yang Wang(2024.7.23.),

Position: AI/ML Influencers Have a Place in the Academic Process, arXiv

- AI/SW 분야는 전통적인 학사·석사 학위없이 전문성을 획득하여 실

무에 투입하고, 성공적인 성과를 내는 사례가 가장 많은 분야임

- 대안적 교육 경로는 비전공자, 경력전환자, 재직자 등 다양한 학습자

에게 시간·형태·비용·내용 면에서 더 유연한 선택지를 제공함

□

대학 등 교육기관, 정부와 기업은 기존 교육 체계가 포함하지 못하는 AI

기술 및 응용 관련 내용을 여러 가지 경로를 통하여 제공하고 있으며, 개

인주도의 학습 경로도 AI 최근 기술 습득을 위해 활용됨

ㅇ

고등 정규교육을 받지 않은 많은 AI 전문가가 빅테크와 유니콘 기업에

서 주도적으로 활동하며, 성과를 내고 있음

* OpenAI CEO Sam Altman, Figma 공동창업자 Dylan Field 등은 대학을

중퇴하고 창업하여 AI 분야에서 성공적인 성과를 냈으며, 코드스테츠의

김인기는 대학의 자퇴하고 부트캠프 형태의 AI/SW 교육기관을 창업함

ㅇ

개인 주도의 학습경로로 소극적으로는 부트캠프 등을 선택하여 활용하며,

적극적으로는 커뮤니티 기반 학습, 동영상, 논문 등을 선별하여 학습함

- 커뮤니티 기반 학습은 빠르게 변경하는 기술을 적용하여 문제 해결

을 가속화하고 트렌트를 습득하는 것은 물론, 동기 부여와 가능효

능감 강화에도 매우 중요한 활동임

* 페이스북 AGI KR(멤버 6만명), 대덕연구단지 기반으로 시작한 AIFrenz(3년

간 150회의 세미나, 기술워크숍, 인터뷰, 기술 지원 등) 등이 있음

- 개인 주도로 인터넷, SNS 등을 통한 정보를 습득하는 방법은 개인

이 관심있는 AI 최근 기술 습득에 유용함

* 인플루언서가 전통적 학회보다 더 강력한 인용 예측 변수로 작용하여 연

구 확산의 중심이 소셜미디어 기반 큐레이션 체계로 이동 중임36)

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

III. 요약 및 시사점

1. 요약

□

최근 AI 기술이 급속도로 발전하면서 기술, 산업, 학술 분야뿐만 아니라 일

반 대중의 삶에도 영향력을 넓히며, 경제, 사회, 문화 전반에 광범위한 파급

효과를 나타내고 있어, 이에 대응하기 위한 교육시스템을 검점하고자 함

ㅇ

생성형 AI 등장 이후 대규모 자본과 전문 인력을 요구하는 AI의 특성상 국

가별 기술 격차가 확대되는 가운데, AI는 범용 기술로 자리 잡아 산업, 기

술, 일상 전반에 걸쳐 급격한 사회 변화를 촉진하고 있음

- 생성형 AI 출현 이후 AI로 인한 혁신이 가속화되는 가운데, 대규모 자본과

고급 인력이 요구되는 AI의 특성으로 국가별 기술 격차가 확대되고 있음

- LLM 기술을 기반으로 한 파운데이션 모델의 뛰어난 성능으로 AI가

전 산업 분야에 확산되면서 산업 구조를 변화시키고 있으며, AI 활용

은 AI 반도체, 로봇, 신소재 등 신기술의 발전 또한 촉진하고 있음

- AI 기술이 최근 수년간 전례 없는 속도로 진화함에 따라, 학계 및

연구계에서 논문 출판 주기, 출판 규모, 갱신 빈도, 인용 속도 등이

빨라지면서 연구 과정 전반에 큰 변화를 불러오고 있음

- 인간의 인지 기능을 모사하고 문제 해결 및 전략 수립까지 가능한

수준으로 발전하면서, AI 기술은 범용 기술로 자리 잡아 노동과 일

상생활에서 빠르게 확산되고 있음

ㅇ

AI는 산업계, 연구계는 물론 일반인에게까지 빠르고 광범위하게 영향

을 미치고 있으며, AI에 의한 경제, 사회, 문화 분야의 변화에 대응하

기 위한 교육시스템을 점검할 필요가 있음

- 국가 AI 경쟁력 확보를 위한 인재 양성을 위해, 데이터 의존성, 융합성,

창의성, 불투명성, 편향성 등 AI의 본질과 특성을 고려하여 현행 교육체

계를 분석하고 시사점을 도출하고자 함

□

초중등 AI 교육은 모든 학생의 디지털 리터러시를 강화하는 동시에 잠재

적 핵심 인재를 조기에 발굴·육성하기 위한 체계를 구축하는 것을 목표함

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

ㅇ

AI가 생활과 업무 전반에 스며든 시대에는 이를 이해하고 활용하는 능력이

삶의 질과 경제적 기회를 결정하기 때문에, 디지털 리터러시는 보편교육으로

제공되고 있음

- 모든 교과에서 핵심 문제를 파악하고 다양한 의견과 정보를 종합해 해

결하는 능력을 기르기 위해, 2022 개정 교육과정에서는 디지털 리터러

시와 AI 학습을 강화하도록 시수를 늘리고 관련 교과를 재구성함

- 혁신적인 AI 교육을 위해 교육 인프라를 확충하고, 단위 학교 중심의 자율

적 교육에서 검증된 우수 사례를 전국적으로 확산하는 전략을 채택하였음

- 학교 AI 교육 혁신의 핵심 주체로서 교원의 AI 전문성 확보와 핵심 역량

강화를 위해 디지털 기술을 이용한 맞춤형 교원 연수를 계획함

ㅇ

잠재적 AI 인재를 조기에 발굴하고, 심화 학습 경로를 제공하기 위한 제도를

마련하여 초중등 교육 체계에 편입시킴

- AI 분야에서 중추적 역할을 맡을 고급인재를 발굴·육성하기 위해,

AI·디지털 영재교육원 운영과 AI 특화 교육과정 도입, AI에 관심

있는 학생들이 주도적으로 활동할 수 있도록 동아리 활동을 지원하

는 정책을 추진하고 있음

□

대학과 대학원의 AI 교육의 목표는 산업현장에 즉각적 투입이 가능한 AI 실

무 인재와 국가 경쟁력 확보에 필수적인 AI 최고 인재를 양성하는 것임

ㅇ

정부는 AI 실무인재 양성을 목표로 AI 관련 학과를 확대하고, SW중심대

학과 첨단분야혁신융합대학 등을 운영하고 있음

- SW중심대학 사업은 프로젝트 기반 학습(PBL), 캡스톤 디자인, 장기

현장실습(Co-op) 등 산학 연계 프로그램을 확대하여 산업현장에서 요

구하는 실무 인재를 양성을 목표로 안정적인 예산을 지원하고 있음

- 혁신융합대학 사업은 대학, 지자체, 기업이 참여하여 대학의 교육 자원

을 공유하고 전공과 관계없이 표준화된 AI 교육을 제공하여, AI 인력

의 저변을 확대하고 잠재적 인재들이 AI 분야로 진입하도록 지원함

ㅇ

대학들은 AI 핵심 인재 양성을 위해 AI·SW 전공 심화 과정을 추가하고,

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

타 전공 학생들을 대상으로 AI와 전공 융합교육을 확대하고 있음

- 산업계가 요구하는 AI 융합인재 양성을 위해 AI연합전공, 마이크로전공

등의 유연한 학사 제도를 도입함

ㅇ

세계적 수준의 인재 양성을 위해 AI 대학원을 신설하고, SW스타랩 등 장

기적인 R&D 지원 사업을 통해 석·박사급 핵심 인재 양성에 집중하고 있음

□

직업교육은 대규모 AI 인재를 양성하는 정부와 기업이 요구하는 기술 스

펙에 최적화된 기업 주도 교육으로 진행되고 있음

ㅇ

정부는 비전공자의 AI역량을 강화하는 교육과 도메인 전문인력이 AI

기술을 활용할 수 있도록 융합 교육을 함께 추진함으로써, 산업 현장에

서 요구하는 역량을 갖춘 인재를 육성하고 고용 활성화에 기여함

- 실무에 즉시 적용할 수 있는 AI 역량을 가진 인재를 양성하기 위해 프

로젝트 기반 교육과 멘토링 중심의 교육을 실시하고, 채용을 원하는 기업

대상 인력 추천, 인턴십 연계 등을 통해 실질적인 취업을 지원함

- 정부는 학위·비학위 과정, 산학 공동 연구 등을 통해 AI기술 기반으로

도메인 전문성을 확장하는 AI기술 주도형과 AI를 활용해 현장의 문제

를 해결하는 융합형 인재를 함께 양성함

ㅇ

민간 교육기관과 기업들은 집중 AI·SW 기술 교육과 기업 수요 기반 실

전 프로젝트 경험을 제공하여 기업이 요구하는 기술 스택에 최적화된 인

재 양성을 목표로 교육을 기획하고 운영함

- 민간교육기관은 현직 개발자와 엔지니어를 강사로 활용하여 시장

수요가 높른 최신기술을 빠르게 교육 컨텐츠에 적용함

□

대안교육은 전통적인 정규교육(대학·대학원)이나 정부·기업 중심의 기존

교육으로는 충족되기 어려운 기업이 필요로 하는 최신 AI 기술 역량을 갖

춘 인재에 대한 수요를 보완하는 역할을 수행함

ㅇ

AI시대에 요구되는 핵심 역량 중 하나는 자기주도성으로, 이는 AI를

학습하고 실제로 활용하는 과정에서 결정적인 역할을 함

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

37)

UNESCO(2024), “AI competency framework for students”

38)

프레시안(2025.9.17.), “ AI 3대강국 맞나?…학교현장 담당 교원 양성기반은 '동결' 수준”

2. 시사점

□

초중등 교육과정이 AI시대에 맞는 목표와 내용을 담고 있으나, 이를 제대

로 구현하기 위해서는 보편교육에서 운영 측면(커리큘럼 구성*, 충분한 시

수 확보, 전문 교원 양성, 인프라 확대 등 운영)을 보완하고, 국가 경쟁력

확보에 필수적인 최고급 AI 인재 양성을 위한 성장 경로 구축이 필요함

* UNESCO는 학교 공식 커리큘럼에 인간 중심적 사고방식, AI의 윤리, AI

기술 및 응용프로그램, 시스템 설계가 포함되어 한다고 발표함37)

ㅇ

정보교육 시수가 정규 교과로 고정적으로 편성되지 않고 자율시간이나 창

의적 체험활동에 포함되도록 설계되면서 학교별 AI 교육 운영 격차가 크

게 발생할 수 있어, 정규 교과 시수가 부족한 학교에 대한 표준 교육과정,

교사 등 필요한 자원을 지원할 필요가 있음

- AI 교육을 위한 교원의 AI 전문성 확보를 위한 정책적 지원을 강화하

고 있으나, 정보 시수 확대 속도에 비해 전문성을 갖춘 정보·컴퓨터 자

격 소지 교사가 부족한 현상을 해결하기 위한 노력이 필요함

* 2024년 9월 기준 17개 시도교육청 중 경기·대구·세종을 제외한 14개 지역

에서 정보 교사가 학교당 평균 1명도 배치되지 못했으며, 비전공 교사가 수

업을 맡거나, 한 교사가 여러 학교를 순회하며 수업하는 사례가 빈번함38)

ㅇ

초중등 교육에서 AI 핵심인재를 조기 발굴하는 목표를 달성시키기 위해

서는, AI 분야로 진입하는 청소년의 저변을 넓히고, 최고급 AI 인재의 장

기적 성장 경로를 제시하는 것이 필요함

- 초중등 교육은 보편교육으로써 디지털 리터러시를 교육하고, AI 핵

심인재를 조기 발굴하는 두가지 목표를 모두 충족해야 하나, 최고급

AI 인재를 양성하기에는 현행 교육시스템에 한계가 보임

- 재능 있는 학생들을 조기에 발굴하여 영재학급, 과학고 등 수월성

교육 트랙으로 유기적으로 연계하는 체계적인 설계의 보완이 필요함

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

- 청소년의 AI 분야 관심과 긍정적 인식을 높이고 진로 탐색을 지원하는

활동은 더 많은 학생이 AI 분야에 진입하도록 유도하여 인재 풀을 확

대하고, 이를 통해 향후 최고 인재로 성장할 가능성을 높이는 기반을

마련하는 데 필요함

□

자본과 인프라 격차로 인해 실무형 최고 AI 인재 양성의 기능이 기업으로

전환되고 있으며, 우리나라가 LLM 성과를 넘어서는 새로운 AI 패러다임

전환을 주도하려면 대학은 창의·연구 중심 최상위 AI 핵심인재 양성 기능

에 집중할 필요가 있음

ㅇ

AI 기술의 발전 속도에 비해 대학의 AI 인재 양성 속도가 뒤처지고 있

는 만큼, 우수한 학부생을 조기에 선발하여 학·석·박사 통합 트랙과 같

은 유연하고 신속한 학사 체계로 전환하는 노력이 필요함

ㅇ

AI 인재 네트워크가 기업에 AI 핵심인재가 몰리는 요인으로 작용하고 있으

며, 대학도 이를 참고해 국제 협력과 산학 연계를 기반으로 경쟁력 있는

AI 인재 네트워크를 구축함으로써 우수한 인재가 대학으로 유입될 수 있는

여건을 마련해야 함

ㅇ

성과 중심의 기업과 달리 대학의 R&D는 정답 찾기에서 벗어나 실패를

허용하며 새로운 질문을 탐구하는 환경으로 전환할 필요가 있음

□

정부 주도의 AI 교육은 산업 현장에서 바로 활용할 수 있는 실무형 인재

의 저변을 확대하는 동시에, AI로 인해 직업적 위험에 노출된 노동 인력에

게 재도약의 기회를 제공하고, 취약계층을 포용하는 사회적 안전망 구축

기능도 함께 수행해야 함

ㅇ

정부는 대학, 기업 등과 유기적 협력을 통해 산업 현장에서 요구하는

실무 인재 양성하고, 교육 내용과 기업에서 요구하는 역량의 격차를 줄

여 청년 고용 활성화에 더욱 효과적인 정책을 지원하는 것이 필요함

- 기업별·산업별로 요구되는 기술 스택, 직무 역량을 실시간 모니터링

하여 교육 커리큘럼을 즉각적으로 미세 조정하는 것이 필요함

- 프로젝트형 교육을 통해 기업이 요구하는 기술과 실무 역량을 갖춘

인력을 효과적으로 양성하려면 실질적인 현장 경험 제공이 중요하며,

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

이를 위해 기업 데이터 활용과 현직 전문가의 적극적 참여 방안을 구

체적으로* 마련해야 함

* 데이터 보안과 기밀 보호 체계 구축, 단계적 신뢰 구축, 상호이익모델

설계 등

ㅇ

정부는 정규교육 밖에 있어 AI 교육에서 소외되기 쉬운 인력에게 AI

리터러시 교육을 폭넓게 제공하여 이들이 AI에 의해 소외되거나 피해

를 입지않도록 보호하며, 나아가 AI의 이점을 활용해 삶의 질을 높일

수 있도록 지원해야 함

- 모든 직업인이 기존 직업을 유지하면서도 AI로 업무 효율을 높일 수 있

도록 지원하는 동시에 AI로 대체 가능성이 높은 직종 종사자들에게 직

업 전환 프로그램을 제공하는 것이 필요함

- 장년층, 저소득층, 비숙련직 등 AI 접근성이 낮은 취약계층을 위한 맞춤

형 AI 리터러시 과정을 기획하고, 단기 집체교육, 지역 기반 프로그램,

온라인 학습 등 교육 대상, 교육 방식과 교육 제공 지역을 다양화하여 폭

넓게 교육을 제공하는 것이 필요함

□

기업이 경쟁력을 유지하기 위해서는 즉시 성과를 높일 수 있는 실무형 AI 인재

와 기업 미래 변화에 대비할 차세대 인재를 동시에 확보하는 이중 전략이 필요함

ㅇ

기업은 AI를 활용한 산업 선도가 그 어느 때보다 중요해졌다고 판단하여

즉시 실무에 투입 가능한 AI 융합인재 확보에 주력해야 함

- 기업이 원하는 인재는 신입사원보다 즉시 생산성 향상에 기여할 수

있는 중고급 인력이며, 이들은 기존 지식을 바탕으로 AI를 활용해

자발적으로 역량을 강화하고 있어, 기업은 교육에 적극적이지 않음

- 기업은 AI 기술 개발을 주도하는 핵심 인재와 산업·업무 도메인을

기반으로 AI 활용 가치를 창출하는 융합 인재를 균형 있게 확보·육

성할 필요가 있으며, 이러한 인재 생태계를 구축하기 위해 정부 및

교육기관과의 전략적 파트너십이 제공되어야 함

ㅇ

기업의 경력직 중심 채용은 장기적 성장 기반을 약화시킬 수 있으므로, 신

입사원을 단기간에 AI 중고급인력으로 육성하는 체계적 방안 연구가 필요함

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

- 기업이 중고급 인력 보강에 집중하고 신입사원 채용을 축소함으로써 기

업의 미래를 책임질 인재 양성에 소극적인 태도를 보이고 있으며, 이는

장기적으로 기업의 지속가능한 성장 기반의 약화시킬 가능성이 큼

- 기업의 신입사원 채용을 늘리기 위해서 신입사원들의 AI 시대 대응

역량을 파악하고, 이들이 AI를 활용하여 단기간에 중고급 수준의 역

량을 갖출 수 있는 방안에 대한 연구가 필요함

- 신입이 단기간 안에 도달해야 할 AI 중·고급 역량을 단계별로 정의

하고, 단기간에 고속 성장이 가능한 교육 모델, 조직 지원 등의 연구

가 요구됨

- 경력직 채용와 신입 육성에 대한 경제성 비교 연구를 통한 신입 육

성을 필요성 및 효과를 산출할 수 있는 연구도 필요함

ㅇ

풍부한 자본과 인프라를 바탕으로 AI 기술 혁신의 중심이 대학, 연구

소에서 기업으로 이동하고 있어, 기업은 최고급 인재 양성 역할을 적극

수행해야 함

- 기업은 최고급 인재 양성을 위해 기술 몰입 환경을 조성하고, 고난

도 프로젝트에 대한 파격적인 보상 체계를 마련해야 함

□

급변하는 기술 트렌드와 기업 수요에 대응하기 위해 정규교육을 보완하는

대안교육을 활성화하고, AI 시대 핵심 역량인 자기주도성을 갖춘 실무 인

재가 양성될 수 있도록 대안 교육에 대한 제도적 지원이 필요함

ㅇ

기술 수명 주기가 짧은 AI 분야에서 학위 중심의 전통적 정규교육 시

스템은 산업계가 요구하는 최신 기술 트렌드와 현장 수요를 즉각적으

로 반영하는 데 구조적 한계가 있음

ㅇ

AI 기술의 급변 속도에 대응하여 획일적인 기관 중심 교육에서 벗어

나, 개인이 주도하는 다양한 비형식 학습을 제도적으로 인정하고 커뮤

니티 기반의 능동적 학습 생태계를 적극 지원해야 함

- 공급자 위주의 교육 체계에서 벗어나 수요자 중심의 지원을 대폭 확

대하고, 비형식 학습의 가치 인정 및 능동적 학습 생태계 활성화를

위한 인프라 조성이 필요함

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

- 특히, 지역, 경제적 배경, 시간적 제약(재직자 등) 등에 의해 정규교육

과 기업교육에 배제된 학습자들의 다양한 학습 경로 제공이 필요함

□

기존 기술과 다른 AI의 인지·추론 기능, 데이터 중심성, 불투명성, 편향성 등을

고려할 때, 교육은 AI 이해, 데이터 리터러시, 비판적 사고와 문제 해결, 윤리, 산

업 융합 역량을 강화하는 방향으로 현재 교육 체계를 지속적 고도화하고 미세 조

정하는 작업이 필요함

ㅇ

AI를 효과적으로 개발하고 활용하기 위해서는 AI 기술 자체보다 작동

원리 및 한계, 데이터 활용의 영향, AI 해석력 등을 이해하는 교육을

강화해야 함

ㅇ

AI가 사회에서 안전하고 공정하게 활용되도록 기술을 개발하고 사용과

관리하는 과정에서 지켜야 할 원칙과 가치, 즉 공정성, 안정성, 책임성,

개인정보 보호 등의 윤리 교육이 선행되어야 함

ㅇ

AI의 융합적 특성은 대학, 정부, 기업이 각각 독자적으로 교육하기 어

려워 산·학·연·관 협력 과정이 확대되고 있으나, 보다 체계적이고 유기

적인 산·학·연·관 간의 협력 교육 프로그램 구성이 필요함

ㅇ

AI는 단순히 기술적 우수성만으로 도입되는 것이 아니라 조직 문화와

의 조화, 구성원의 수용성, 윤리적 신뢰 구축 등 문화적 포용을 통해 실

질적 가치를 창출할 수 있으므로, 이러한 관점을 반영한 교육이 필요함

- 기술 변화 속도에 비해 AI 문화, 윤리 교육은 단기간의 성과를 즉시

확인하기 어려울 수 있으나, 시간의 흐름 속에서 구성원의 인식 변

화, 협업 방식의 진화, 데이터 기반 의사결정 습관의 누적 등을 통해

조직 역량이 서서히 강화되는 효과가 나타날 것으로 예상됨

- AI 적용에 대한 작은 성공 경험을 축적해서 조직 내 긍정적인 사례

를 만들고, 성과를 확산하는 과정을 필요함

* 기술 전문성만으로는 충분하지 않으며, 디지털 경쟁력에는 적응성, 문화 간

소통 능력, 실험과 실패를 수용하는 제도적 개방성이 필수적임(IMD, 2025)

SPRi 이슈리포트 IS-223AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

참고문헌

1. 참고문헌

■

교육부(2021.11.24.). 「2022 개정 교육과정 총론 주요사항」

■

교육부(2024.12.). 「제2차 정보교육 종합계획(안)(2025년 ~ 2029년)」

■

교육부(2024.12.).「‘25년 교원 연수 중점 추진 방향」

■

교육부(2025.11.10.). 「AI for All : 모두를 위한 AI 인재양성방안」

■

교육부 고시 제2022-33호(2022.12.22.). 「초,중등학교 교육 총론」

■

교육부 보도자료(2024.1.16.). “대학 간 경계 허물고 첨단분야 융복합 인재를 양성하는 혁신융합대학

성과 공개”

■

서울특별시교육청(2025.3.). 「 2025학년도 디지털 기반 학생 맞춤교육 선도학교 운영계획」

■

KISTEP(2025.5.7.). “ AX시대, AI 융합인재 양성 현황의 진단과 제언”

2. 국외문헌

■

Andrej Levin, Julien Bert, Christoph Heuser, Jonas Hiltrop, and Ferdinand Harries(2025.10.31.), “The AI-First

Automotive Company: Reinventing the Customer Experience”, BCG

■

Benjamin van Giffen, Nadine Barth, André Sagodi(2022.12.), “Characteristics of Contemporary Artificial

Intelligence Technologies and Implications for IS Research”, ResearchGate

■

Beth Stackpole(2024.8.6.), “The impact of generative AI as a general-purpose technology”, MIT Management

Sloan School

■

Christopher Collins, Denis Dennehy, Kieran Conboy, Patrick Mikalef(2021), “Artificial intelligence in information

systems research: A systematic literature review and research agenda”, International Journal of Information

Management

■

HAI(2025), 2025 AI Index Report

■

Harsh Kumar, Jonathan Vincentius, Ewan Jordan, Ashton Anderson(2024.9.24.), " Human Creativity in the Age

of LLMs", arXiv

■

Iain Xie Weissburg, Mehir Arora, Xinyi Wang, Liangming Pan, William Yang Wang(2024.7.23.), Position: AI/ML

Influencers Have a Place in the Academic Process, arXiv

■

IMD(2025), “IMD World Digital Competitiveness Ranking 2025”

■

Longoni, C., Bonezzi, A., & Morewedge, C. K. (2019). “Resistance to medical artificial intelligence”. J. Consum.

Res., 629–650

■

Michael I. Jordan(2025.11.1.),“A Collectivist, Economic Perspective on AI”, arXiv

■

Min, H. (2010). “Artificial intelligence in supply chain management: theory and applications”. Int. J. Logist.

Res. Appl., 13–39/ Kolbjørnsrud, V., Amico, R., & Thomas, R. J. (2017). “Partnering with AI: how

organizations can win over skeptical managers”. Strategy Leadersh., 37–43

■

OECD(2023), “OECD DIGITAL EDUCATION OUTLOOK 2023 Towards anEffective Digital Education

Ecosystem”

■

Rai, A., Constantinides, P., & Sarker, S. (2019). “Next-generation digital platforms: Towards human-AI

hybrids”. MIS Quarterly, 43, 3–8

SPRi 이슈리포트 IS-201AI 실무인재 양성을 위한 국내 교육체계 분석 및 시사점

■

Shukang Yin, Chaoyou Fu, Sirui Zhao, Ke Li, Xing Sun, Tong Xu, and Enhong Chen(2024.11.29.), “ A Survey

on Multimodal Large Language Models”, IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE

INTELLIGENCE

■

Trappl, R. (1986). “Impacts of artificial intelligence: An overview”. In R. Trappl (Ed.), I. o. Intelligence.

Amsterdam: North-Holland

■

UNESCO(2024), “AI competency framework for students”

■

WEF(2025.1.8.), “Future of Jobs Report 2025”

■

Xuli Tang(2020.9.3.), “The Pace of Artificial Intelligence Innovations: Speed, Talent, and Trialand-Error”,

arXiv

3. 기 타

■

과기정통부, 한국과학창의재단, “청소년 SW동행프로젝트”

■

대안교육기관에 관한 법률(2025.7.22.)

■

로봇신문(2025.5.21.), “과기정통부, 2025년 소프트웨어 중심대학 선정”

■

서강대학교 LINC 사업단 인공지능융합마이크로전공

■

서울대학교 연합전공 인공지능

■

연합뉴스(2024.8.2.), “5개 대학 10개 연구실, 과기정통부 'SW스타랩' 선정”

■

이노베이션아카데미 홈페이지

■

인하대학교 SW중심대학 마이크로전공

■

오해석(2023.7.7.), “ AI혁명과 미래, 인공지능의 뿌리를 찾아서”, 이코리아

■

전자신문(2025.1.22.), “ICT 인재양성 거점 '이노베이션 아카데미' 지역확산 기대”

■

전자신문(2025.4.3.), “SW 마에스트로는 '문제해결형'…수료생·멘토, AI·SW 인재 큰 성장 이끌어”

■

코드스테이츠 홈페이지

■

프레시안(2025.9.17.), “ AI 3대강국 맞나?…학교현장 담당 교원 양성기반은 '동결' 수준”

■

Alex Haag(2025.10.6.), “The State of AI Competition in Advanced Economies”, Board of Governors of Federal

Reserve System

■

Alten in the world, “AI-driven predictive maintenance revolutionizes manufacturing”

■

Designveloper, “10 Real-World Case Studies of Implementing AI in Healthcare”

■

Fingent shaping anf future, “AI in Financial Sercvices : Use Cases ans Applications”

■

Forture Business Insights(2025.10.20.), “AI Market”

■

Forture Business Insights(2025.10.20.), Company announcements via Business Insider/Linkedin

■

KAIST 전학학부 인공지능분야 중점이수

■

Keller(2025), “AI & Machine-Learning Talent Gap 2025”

■

Nature Conferences(2025.2.5.), “The two-way relationship between AI and materials science”

■

youtobe(2024.7.19.), “패스트 캠퍼스 강사 섭외, 강의 제작 이야기, 직접 오프라인 강의를 하시는 신해동 대표님

이야기”

■

U.S. Office of Education Technology(2023.5.), “Artificial Intelligence and the Future of Teaching and Learning

Insights and Recommendations ”