본 연구는 최근 인공지능을 비롯한 디지털 기술이 산업의 핵심 동력으로 떠오르며, 예측 불가능한 속도로 부상하는 “샥스핀(Shark-fin)” 형태가 주목받고 있음을 배경으로 출발한다. 이러한 기술 환경은 기존의 통계적 추세 분석이나 하이프 사이클로 설명하기 어려운 수준의 불확실성을 초래하며, 따라서 정부와 기업은 미래 기술을 단순히 ‘지금 수준’만 판단하는 것이 아니라 약 신호(Weak Signal), 부상 신호(Emerging Signal), 추세 신호(Trend Signal)와 같은 전 주기적 관점에서 체계적으로 모니터링해야 한다. 본 연구는 이를 위해 기술을 개념기술(Concept Technology)과 구성기술(Component Technology)로 구분하고, 델파이(Delphi), 계층적 의사결정법(AHP) 등 정성적 기법과 논문·특허 등 대규모 데이터를 활용한 정량적 분석을 결합한 “SPRi DaRT(SPRi Dynamic Radar for digital Trends and Signals)” 방법론을 제안한다. SPRi DaRT는 각 기술을 시간축(단기·중기·장기)과 시그널 유형(약‧부상‧추세)으로 배치함으로써, 샥스핀 같은 급격한 기술 흥망을 비롯해 S-커브나 하이프 사이클로 설명하기 어려운 다양한 확산 패턴을 포착할 수 있도록 설계되었다. 이 과정에서 30대 개념기술과 이를 구성하는 하위 기술군을 도출하고, 2년 단위 시계열 분석으로 약 신호에서 추세 신호로 전환되는 경로와 시기를 탐색하였다. 또한 한국·미국·유럽·중국의 약 3,600만 건 R&D 데이터를 SPRi DaRT 관점에서 비교 분석한 결과, 네 국가 모두 부상 신호에 집중 투자하나, 미국과 중국은 부상 기술에 편중된 전략을, 유럽은 추세‧부상 기술 간 균형 투자를, 한국은 부상 신호에 집중하면서도 약 신호에도 상당한 투자를 병행하는 중도적 유형을 보이는 것으로 나타났다. 이를 통해 본 연구는 디지털 미래기술이 짧은 시간 안에 폭발적으로 부상했다가도 가파르게 쇠퇴할 수 있는 현실에서, 정부와 기업이 약‧부상‧추세 신호를 종합적으로 고려한 맞춤형 대응 전략을 마련할 수 있는 근거를 제시하고, 향후에는 실시간 데이터 모니터링과 자동화된 예측 모델을 도입하여 예측의 시의성과 정밀도를 더욱 높일 필요가 있음을 시사한다.
목차 상세
제1장 서 론
제2장 SPRi DaRT 방법론
제1절 방법론의 구성
제2절 SPRi DaRT(Dynamic Radar for Trends and Signals)
