디지털 전환(DX)이 기업 생존과 성장의 필수 전략으로 자리매김한 가운데, 국내 기업의 DX 추진 수준은 기업 규모에 따라 뚜렷한 격차를 보이고 있다. DX 단계는 대체로 기업 규모와 함께 상승하지만, 「2025년 SW융합실태조사」에 따르면 종사자 100~299인 중규모 기업의 DX 준비 단계 비중은 64.4%로 50~99인 소기업(61.8%)과 유사한 수준에 머물러 있다. 인력과 자원의 한계가 뚜렷한 소기업과 달리, 일정 규모의 조직과 자원을 갖춘 중규모 기업이 소기업과 유사한 수준에 머물러 있다는 점에서 그 원인을 살펴볼 필요가 있다. 아울러 현행 DX 지원 정책은 기술 도입 비용 지원과 대규모 프로젝트형 지원이 중심이어서 인력의 확보와 전환을 직접 지원하는 수단은 제한적이며, 이 점에서 중규모 기업의 인력 측면 DX 지원에는 정책적 공백이 있는 것으로 보인다. 한정된 예산 하에서 중규모 기업 인력 지원 정책의 효과성을 높이기 위해서는 획일적 지원이 아닌 기업 특성에 부합하는 맞춤형 설계가 요구되나, 현재로서는 어떤 인력 구성이 DX의 어느 영역과 연관되는지에 대한 실증적 참고 기준이 부족한 상황이다. 특히 SW 인력의 양적 규모뿐 아니라 신기술 운용 능력, 전공, 학위 등 인력 구성의 세부 차원이 DX 착수와 성숙도 제고에서 각각 어떤 역할을 하는지는 충분히 검증되지 않았다. 이에 본 연구는 「2025년 SW융합실태조사」의 100~299인 기업 응답 데이터를 대상으로 산업과 종사자 수를 통제한 OLS 회귀분석을 수행하여, SW 전문인력의 절대 규모(RQ1), 신기술 운용 가능 인력 비중(RQ2), SW 전공자 비중(RQ3), 석박사급 고급 인력 비중(RQ4)이 각각 DX 추진단계 및 DX 성숙도(거버넌스, 인력·조직, 프로세스, 가치제안, 고객관계, 기술·역량의 6개 영역)와 어떻게 연관되는지 실증하였다. 분석 결과, 첫째, SW 전문인력 규모 상위 기업은 DX 추진단계와 성숙도 6개 영역 전체에서 일관되게 높은 수준을 보여, SW 인력 규모가 DX 수준 전반과 연관됨을 확인하였다. 둘째, 인력 구성에 따라 연관되는 DX 영역은 서로 달랐다. DX 추진단계는 신기술 운용 가능 인력 비중과 유의하게 연관되었고 착수 여부를 분석한 보완 모형에서도 같은 결과를 보인 반면, SW 전공자 비중과 석박사급 비중은 추진단계와 유의한 연관이 확인되지 않았다. 대신 SW 전공자 비중은 거버넌스와 고객관계 영역에서, 석박사급 비중은 인력·조직, 거버넌스, 고객관계 영역에서, 신기술 운용 인력 비중은 기술·역량과 프로세스 영역에서 상대적으로 큰 차이를 보여, 인력 구성별로 연관이 상대적으로 큰 세부영역이 다르게 나타났다. 본 분석은 횡단면 연관분석으로 역인과 가능성을 배제할 수 없으므로, 분석 결과는 지원 대상 선별을 위한 참고 기준 수준으로 해석하는 것이 타당하다. 이러한 결과는 한정된 예산 하에서 중규모 기업의 DX 인력 지원 정책을 설계할 때 획일적 지원이 아닌 DX 단계와 강화하려는 성숙도 영역에 따른 맞춤형 설계가 필요함을 보여주며, 그 선별과 우선순위 판단에 활용할 수 있는 실증적 참고 기준을 제공한다. DX 미착수 및 초기 단계의 기업에 대해서는 전공이나 학위 요건보다 신기술 운용 가능 인력의 확충을 우선 검토할 근거를 제시하며, 이는 중규모 기업의 채용 여력이 제한적이고 재직자 재교육이 소수 기업의 내부 교육에 의존하고 있다는 실태조사 결과와 맞물려 재직자 신기술 전환교육의 외부 공급 확대 필요성을 뒷받침한다. DX 추진 중 성숙도 제고를 목표로 하는 기업에 대해서는 프로세스 및 기술 기반 강화에는 신기술 운용 인력, 거버넌스 및 고객관계 체계화에는 석박사급 인력의 희소성을 고려하여 SW 전공 인력, 인력·조직 고도화에는 석박사급 고급 인력으로 지원 인력 구성을 차별화하는 방안의 참고 근거를 제공한다. 따라서 정부는 중규모 기업 전용 DX 인력 지원 트랙을 마련하고 실태조사 문항 체계를 준용한 DX 단계 진단과 지원 유형을 연계하는 매칭 체계를 구축할 필요가 있으며, 기업은 자사의 DX 단계와 취약 영역을 진단하여 신규 채용에만 기대지 않고 내부 양성을 병행하는 인력 확보 전략으로 전환해 나가는 것이 바람직하다. Executive Summary As digital transformation (DX) has become an essential strategy for corporate survival and growth, DX progress among Korean firms shows a clear gap by firm size. DX stages tend to rise with firm size, yet according to the 2025 SW Convergence Survey, 64.4% of mid-sized firms with 100 to 299 employees remain at the preparation stage, a level similar to that of small firms with 50 to 99 employees (61.8%). Unlike small firms, whose constraints in workforce and resources are evident, mid-sized firms possess a certain scale of organization and resources, and their remaining at a level similar to small firms warrants an examination of the underlying causes. In addition, current DX support policies are centered on subsidies for technology adoption costs and large-scale project programs, so that instruments directly supporting the securing and reskilling of the workforce needed to operate the adopted technologies are limited. As a result, there appears to be a policy gap in workforce-related DX support for mid-sized firms. Improving the effectiveness of workforce support policies for mid-sized firms under limited budgets requires tailored design that reflects firm characteristics rather than uniform support, yet there is currently little empirical reference on which workforce composition is associated with which areas of DX. In particular, beyond the sheer size of the SW workforce, it has not been sufficiently examined what roles finer dimensions of workforce composition, such as the ability to operate new technologies, academic major, and degree level, play in initiating DX and in advancing maturity. Accordingly, this study applies OLS regression controlling for industry and employment size to firms with 100 to 299 employees in the 2025 SW Convergence Survey, and empirically examines how the absolute size of the SW professional workforce (RQ1), the share of personnel capable of operating new technologies (RQ2), the share of SW majors (RQ3), and the share of personnel with master's or doctoral degrees (RQ4) are each associated with DX stage and DX maturity across six areas: governance, people and organization, process, value proposition, customer relationship, and technology and capability. The results are twofold. First, firms in the upper group of SW professional workforce size show consistently higher levels of DX stage and of all six maturity areas, indicating that the size of the SW workforce is associated with the overall DX level. Second, the DX areas associated with each dimension of workforce composition differ. DX stage is significantly associated with the share of personnel capable of operating new technologies, a result also found in a supplementary model of DX initiation, whereas no significant association with DX stage is found for the share of SW majors or the share of advanced-degree holders. Instead, the share of SW majors shows relatively large differences in the governance and customer relationship areas, the share of advanced-degree holders in the people and organization, governance, and customer relationship areas, and the share of new-technology personnel in the technology and capability and process areas, suggesting that the maturity areas most closely associated with each workforce dimension differ. As this analysis is a cross-sectional association study, it cannot establish causality, and the possibility that firms more advanced in DX have hired more SW personnel cannot be ruled out; the findings should therefore be interpreted as a reference for selecting support targets rather than as causal evidence. These findings provide an empirical reference for designing DX workforce support policies for mid-sized firms under limited budgets, calling for tailored design by DX stage and the maturity area to be strengthened rather than uniform support, and offering criteria for selecting targets and setting priorities. For firms that have not yet initiated DX or are at an early stage, the results suggest prioritizing the expansion of personnel capable of operating new technologies over major or degree requirements. Combined with survey findings that mid-sized firms have limited hiring capacity and that retraining of incumbent workers is confined to a small number of firms relying on in-house training, this points to the need to expand the external supply of new-technology reskilling programs for incumbent workers. For firms pursuing higher maturity, the results support differentiating the composition of supported personnel by the maturity area to be strengthened: new-technology personnel for strengthening process and technology foundations, SW majors for systematizing governance and customer relationships given the scarcity of advanced-degree holders, and advanced-degree personnel for upgrading people and organization. It would therefore be advisable for the government to establish a dedicated DX workforce support track for mid-sized firms and to build a matching system that links DX stage diagnosis, using a tool adapted from the survey items, with support types, and for firms to diagnose their own DX stage and weak areas and gradually shift from relying solely on new hiring toward a strategy that combines internal development.

생성형 AI로 시작해 최근 에이전틱 AI의 활용 확산으로 인해 초급 SW인재의 취업 위축과 경력에 따른 채용양극화가 나타나고 있다. 국내 4년제 대학 SW전공 졸업자의 취업률은 2022년 68.1%에서 2024년 57.3%로 하락했으며, SW분야 신규채용에서도 경력직 비중이 신입직을 상회하였다. 초급자의 실무경험 축적 기회가 줄어들면 장기적으로 숙련 SW인재와 AI 핵심인재의 공급망이 약화될 수 있다. 이에 본고는 한국·미국·영국의 통계를 활용해 초급 SW인재의 일자리 비중과 규모, 중장기 인력 수요를 분석하고 양성정책의 방향을 제안하였다. 현황 및 수요전망 분석 결과, 최근 초급 SW인재의 일자리 비중과 규모는 감소했으나 이를 SW인재 수요의 전반적 위축으로 해석하기는 어렵다. 코로나19 이전인 2018년부터 2025년까지를 살펴보면 세 국가의 초급 SW인재 일자리 수는 전산업보다 높은 증가세를 보였다. 각국 기관이 제시한 향후 10년간 SW산업 인력 증가 전망도 한국 13.2%, 미국 14.8%, 영국 7.1%로 각국 전산업 전망을 상회한다. 따라서 AI 확산과 코로나19 기간 채용 급증에 대한 재조정을 함께 고려하면서, 현장수요와 인력공급의 미스매치를 해소하는 초급 SW인재 업스킬링에 투자할 필요가 있다. 양성 목표는 단순 코더에서 AI를 활용·감독·검증하며 능동적으로 문제를 해결하는 AI 오케스트레이터로 전환되어야 한다. 이를 위해 문제해결·응용력, 창의·비판적 사고력, 협업능력 등 인간고유의 역량에 디지털역량과 자기주도학습력을 결합해야 한다. 신입에게 숙련자 수준의 역량을 요구하는 역량압축에 대응하려면 이론교육과 기업의 현장 실무경험을 연결하는 것이 중요하다. 주요국의 도제·현장실습 사례와 같이 집중교육과 실무훈련을 병행하고, 빠르게 변하는 수요를 반영하는 기업 주도의 기업-교육기관-정부 협력체계를 마련할 필요가 있다. 기업 주도의 능동적 SW인재 양성체계 구축을 위해 각 주체들의 적극적인 참여가 요구된다. 기업은 현장 요구역량을 교육수요로 구체화하고, 실제 프로젝트와 숙련자의 지도를 통해 신입·재직자의 업스킬링을 주도해야 한다. 대학·대학원 등 교육기관은 기반 전문지식과 인간고유의 역량을 육성하면서 실무·토론 연계형 이론교육, 산업·지역 현장이슈 연계형 프로젝트로 기업 수요에 대응해야 한다. 정부는 기업의 교육·훈련 투자 유인, 교육기관의 교육과정 개발 지원, 교육생의 참여 동기부여를 통해 협력을 촉진함으로써 초급자의 현장 진입과 숙련인재로의 성장 경로를 뒷받침해야 한다. Executive Summary The rise of generative AI and the recent expansion of agentic AI have led to a contraction in job opportunities for entry-level software (SW) talent and a polarization in hiring based on experience. The employment rate for SW majors graduating from four-year universities in Korea fell from 68.1% in 2022 to 57.3% in 2024, and the proportion of experienced hires in the SW sector surpassed that of entry-level hires. A reduction in opportunities for entry-level professionals to gain practical experience could weaken the long-term supply pipeline for skilled SW professionals and core AI talent. Accordingly, this report analyzes the share and volume of jobs for entry-level SW talent and medium-to-long-term workforce demand across Korea, the U.S., and the U.K., and proposes directions for talent development policies. An analysis of the current situation and demand forecasts reveals that while the share and volume of jobs for entry-level SW talent have recently declined, this should not be interpreted as a general contraction in the demand for SW talent. From 2018 (pre-COVID-19) through 2025, the number of entry-level SW jobs in all three countries showed a higher growth rate than that of the overall labor market. Forecasts by national agencies for SW industry workforce growth over the next decade—13.2% for Korea, 14.8% for the U.S., and 7.1% for the U.K.—also exceed the projected growth rates for the total workforce in each country. Therefore, it is necessary to invest in upskilling entry-level SW talent to resolve the mismatch between industry demand and workforce supply, while accounting for factors such as the proliferation of AI and the market correction following the hiring surge during the COVID-19 pandemic. The goal of talent development must shift from producing simple coders to cultivating "AI orchestrators"—professionals who actively solve problems by utilizing, supervising, and verifying AI systems. To achieve this, uniquely human competencies—such as problem-solving and application skills, creative and critical thinking, and collaboration—must be combined with digital literacy and self-directed learning abilities. Addressing the phenomenon of "competency compression"—where entry-level hires are expected to possess the skills of seasoned professionals—requires bridging the gap between theoretical education and practical, on-the-job experience. It is essential to establish a corporate-led collaborative framework involving educational institutions and the government that mirrors successful international models of apprenticeships and field training, combining intensive education with practical training while remaining responsive to rapidly changing demands. Establishing a corporate-led, proactive system for cultivating software talent requires the active participation of all stakeholders. Companies must translate on-the-job requirements into specific educational needs and spearhead upskilling initiatives for both new hires and incumbent employees through real-world projects and mentorship by experienced professionals. Educational institutions, such as universities and graduate schools, must foster foundational expertise and uniquely human competencies while meeting corporate demands through theory-based education linked to practice and discussion, as well as projects connected to actual industrial and regional issues. The government should facilitate this collaboration by incentivizing corporate investment in education and training, supporting curriculum development at educational institutions, and motivating trainees to participate, thereby supporting the entry of beginners into the field and their growth into skilled professionals.

​​​​​​ 본 보고서는 글로벌 및 국내 AI VC 투자를 국가·투자단계·기업·거래규모·기술분야별로 다차원 비교 분석하여, 투자 확대 이면의 자금집중 구조와 국내 투자환경의 특성을 함께 조명한다. 글로벌 AI 벤처투자는 전체 VC 시장에서 차지하는 비중이 빠르게 확대되고 있다. 투자금액 비중은 2021년 23.5%에서 2026년 상반기 75.9%로 상승한 반면 거래건수 비중은 20.4%에서 36.6%로 비교적 완만하게 증가해, 최근 시장 확대가 거래건수 증가보다 개별 거래의 대형화에 크게 영향을 받은 것으로 나타났다. 투자 확대와 함께 자금 집중도 심화되고 있다. 2026년 상반기 미국은 글로벌 AI VC 투자금액의 84.1%, 후기단계는 단계 식별 거래 투자금액의 72.8%, 상위 10개 피투자기업은 67.5%를 차지했다. 2,500만 달러 이상 대형투자에서는 AI 모델 분야 비중이 61.0%까지 상승해 미국의 후기단계 프론티어 AI 기업을 중심으로 한 반복적인 초대형 후속투자가 최근 시장 확대를 주도하는 구조가 확인된다. 국내 AI VC는 절대 투자규모가 크게 확대되지 않은 가운데 전체 VC 시장 축소로 상대적 비중이 높아졌으며, 2025년 이후 후기단계, 상위기업, 대형거래 중심의 투자구조가 강화되고 있다. 분야별로는 글로벌의 AI 모델 중심 구조와 달리 2026년 상반기 AI 반도체 33.4%, AI 모델 26.8%로 두 분야가 전체 투자금액의 60.2%를 차지했다. 이에 따라 성장단계의 대규모 자금공급 확대와 함께 초기 스타트업의 투자시장 진입기회를 유지하고, 초기투자 이후 기술개발, 사업화, 스케일업 과정에서 성장자본이 연속적으로 연결될 수 있는 기반을 강화할 필요가 있다. 또한 국내 기업구성과 기술기반을 고려해 분야별 기술개발 기간과 자본수요에 맞는 자금조달 경로를 설계하는 것이 중요하다. Abstract Global AI venture investment has expanded rapidly as a share of the overall VC market. The share of AI in total VC investment value rose from 23.5% in 2021 to 75.9% in the first half of 2026, while its share of deal count increased more moderately from 20.4% to 36.6%. This divergence indicates that recent market growth has been driven more by larger deal sizes than by broad-based growth in the number of transactions. Investment has also become increasingly concentrated. In the first half of 2026, the United States accounted for 84.1% of global AI VC investment value, later-stage deals for 72.8% of stage-identified investment value, and the top 10 investee companies for 67.5%. Among deals of USD 25 million or more, AI model companies accounted for 61.0%, highlighting the growing influence of repeated mega-rounds by later-stage frontier AI firms. Korea shows a different pattern. The absolute scale of AI VC investment has remained broadly stable, while AI has gained a larger share of the domestic VC market as the overall market contracted. Since 2025, investment has become more concentrated in later-stage firms, top investees, and larger transactions. Unlike the global market, where AI model investment dominates, AI semiconductors and AI models accounted for 33.4% and 26.8%, respectively, in Korea in the first half of 2026. These findings suggest that policy should preserve entry opportunities for new and early-stage firms while strengthening continuity between initial, follow-on, growth, and long-term capital. Financing pathways should also reflect Korea’s industrial and technological base and the different development periods, capital requirements, and commercialization paths across AI fields.

​​​​​​ 인공지능은 이제 개별 기술이 아니다. 컴퓨팅, 데이터, 반도체, 에너지, 산업 적용, 안전·신뢰가 인재를 매개로 결합된 국가경쟁력의 핵심 기반으로 전환되고 있다. AI G3 도약을 위한 인재정책도 달라져야 한다. 교육 인원을 늘리는 공급정책만으로는 부족하며, 우리나라 특성에 맞는 전략 분야의 인재를 확보·순환·배치하고 이를 성과자원과 결합하는 국가 실행체계로 발전해야 한다. 국제지표를 종합하면 한국의 위치는 이중적이다. 국가 AI 종합역량은 세계 4~5위권으로 상위권이지만, 인재 부문 경쟁력은 이에 미치지 못한다. 국내 AI 인재의 상대적 밀도와 최상위 인재의 교육 수준은 비교적 높은 편이다. 그러나 최고급 연구자·발명가의 절대 규모, 국제 인재의 순유입, 전략 분야별 핵심인재의 임계 규모는 모두 제한적이다. 주요국의 정책을 비교하면 공통된 흐름이 보인다. AI 인재정책의 범위가 교육에서 자원 접근, 국가미션, 산업 적용, 성과관리로 확장되고 있다는 점이다. 국가별로는 강조점이 다르다. 미국은 대학·빅테크·국립연구소가 참여하는 개방형 연구생태계를 NAIRR와 Genesis Mission 등 국가 차원의 연구자원·프로그램과 연결하며, 연구자뿐 아니라 전력·냉각·반도체 등 AI 인프라 분야 인력까지 정책 대상에 포함한다. 중국은 중앙계획으로 기초·고등·직업·평생교육과 노동시장 제도를 연계하고, AI+산업·과학·민생 과제를 인재의 현장 배치 수요로 삼는다. 영국은 연구·안전 분야의 비교우위를 살려 글로벌 인재를 유치하고, 장학·헤드헌팅·전 국민 업스킬을 경제·공공서비스의 AI 채택과 연결한다. 싱가포르는 Creator(창시자)–Practitioner(실무자)–User(활용자) 3층 인재구조와 도메인 전문성+AI 역량을 겸비한 'AI 이중역량 인재'를 중심으로, 연구·컴퓨팅·기업 CoE(우수성센터)·국가미션을 좁은 공간에 밀집시키는 개방형 허브 전략을 편다. 한국은 AI대학원, SW·AI 중심대학, 디지털 인재양성, 전 생애 AI 교육이라는 폭넓은 공급 기반과 반도체·제조·공공서비스 분야의 도메인 자산을 갖추고 있다. 다만 다음 단계에서는 신규 교육과정을 늘리는 것을 넘어, 전략직무의 정의, 최고급 인재와 미션팀의 확보, GPU·데이터·실증환경 접근, 글로벌 두뇌순환, 현장 배치와 성과 환류를 하나의 체계로 통합해야 한다. 한국의 위치를 종합하면 다음과 같다. 반도체·제조·공공 디지털 기반과 정책동원력을 갖춰 AI 인재 정책에서 G3급 ‘프런티어 실행형’으로 도약할 잠재력은 있다. 그러나 글로벌 최상위 인재의 규모·유입·정착 측면에서는 미국·영국·싱가포르보다 약한 ‘산업 기반 실행형’에 머물러 있다. 따라서 미·중과 전 분야에서 총량 경쟁을 벌이기보다, 3대 메가프로젝트(AI 반도체, AIDC, 피지컬 AI)와 제조·공공 AX, 안전 등 선택 분야에서 Top 3 성과를 내는 고밀도 인재·전략을 추진해야 한다. 인재 확보·운용 방식으로 보면, 한국은 현재 국내 대학·정부사업으로 인재를 양성해 국내에 투입하는 ‘국가 파이프라인형’에 속한다. AI G3 인재강국으로 도약하려면 여기에 외부 흡인과 글로벌 순환 기능을 더한 ‘글로벌 플랫폼형’으로 전환해야 한다. 다만 미국식 완전 개방형 플랫폼이나 중국식 대규모 동원모델을 그대로 따르기는 어렵다. 대신 국내 정예인재 육성, 전략적 외부 유치, 온디맨드형 인재 순환, 국내 산업 미션을 연계한 전략 분야 고밀도 순환·운용형 모델을 구축해야 한다. 이러한 전환을 통해 한국은 인재 확보·운용 방식과 국가전략 실행·운용력을 함께 끌어올려 AI 인재강국으로서의 위상을 강화할 수 있다. 본 연구는 이를 위해 다섯 가지 전략 전환(Shift)을 제안한다. (범용·양적 인재 공급 → AI G3 미션 정예화) AI 반도체, 데이터센터, 피지컬 AI, 독자 AI 모델, AI 안전, 산업 AX 분야의 세계적 리더·엔지니어·도메인 전문가를 장기 육성한다. (인재 단품 지원 → 인재-성과자원 패키지) GPU, 데이터, 연구인력, 테스트베드, 법률·규제 지원, 조달경로를 인재·팀에 함께 묶어 제공한다. (일회성 유치·영구귀환 → 글로벌 두뇌순환) 공동 PI, 이중소속, 단기상주, 원격참여, 해외파견 후 환류를 정상적인 경력경로로 인정한다. (교육과정·개인 수료 → AX 미션팀 성과) AI PM, 모델, 데이터, MLOps, 도메인, 안전 인력이 팀을 이뤄 지역·산업·공공 문제를 해결하고, 그 성과가 채용·조달·확산으로 이어지게 한다. (부처·사업별 실적관리 → 통합 성과관리 및 지능화) 인재 밀도, 이동·잔류, 자원 접근, 현장 배치, 연구·산업·공공·안전 성과를 공통지표로 관리하고 독립적으로 검증한다. 한국형 AI G3 인재강국은 모든 분야에서 인재 총량을 경쟁하는 국가가 아니다. 비교우위 분야에서 세계적 인재와 팀이 국내외 자원을 자유롭게 활용해 연구·제품·생산성·공공서비스·안전 성과를 지속적으로 만들어내는 국가다. 제조·반도체·피지컬 AI·공공 AX라는 기반에 글로벌 인재순환과 고밀도 성과환경을 결합하고, 그 실행을 위해 주무 부처인 과기정통부를 중심으로 각 부처 역할과 협력체계를 만들어 속도감 있게 추진한다면 한국은 규모의 추격을 넘어 차별화된 실행역량으로 AI G3의 핵심권에 진입할 수 있을 것이다. Executive Summary

​​​​​​ 2026년은 AI가 콘텐츠를 생성하는 수동적 도구를 넘어 스스로 목표를 해석하고 계획·실행·점검하는 에이전틱 AI(Agentic AI)가 산업 현장에 본격 확산되는 전환점으로, AI의 성격은 ‘도구’에서 ‘디지털 노동(digital labor)’으로 이동하고 있다. 이에 따라 AI 전환(AX)은 기술 도입을 넘어 일하는 방식과 조직 구조 자체를 재설계하는 단계로 진입하였으나, 국내 기업의 높은 관심과 의지에 비해 전사적 도입·내재화는 초기 수준에 머물러 있다. 본고에서는 이러한 간극의 근본 원인, 즉 에이전틱 AI 시대 AX의 핵심 병목이 ‘인재’에 있다고 진단한다. AI가 실행(execution)을 담당할수록 사람의 역할은 축소되지 않고, AI 에이전트에 권한·정책을 부여하며 전체를 조율하는 ‘설계·오케스트레이션’과 그 산출물의 성과·위험까지 책임지는 ‘검토·판단·책임’으로 확장되기 때문이다. 에이전트 도입의 규모 역시 사람이 제공할 수 있는 감독 역량에 의해 제약되어, 거버넌스가 확산의 상한으로 작용한다는 진단도 제기된다. 이러한 맥락에서, 핵심자원으로 부상하고 있는 AX 인재는 ‘도메인 전문성을 토대로 AI(특히 AI 에이전트)를 업무·조직에 이식·조율(오케스트레이션)하고, 그 산출물을 검토·판단·통제해 조직의 성과로 연결하는 인재’라고 볼 수 있다. 이러한 AX 인재는 에이전틱 AI 시대의 '핵심 자원'이다. AI 사용은 사람을 대체하는 ‘자동화’보다 사람과 협업하는 ‘증강’ 중심으로 재편되고 있다. 또한 AI로 절감한 시간이 생산성으로 이어지지 않는 ‘AI 생산성 단절’ 현상이 보여주듯, 동일한 기술의 성과도 업무· 조직을 재설계하는 사람의 ‘전환 역량’에 좌우된다. 실제로 글로벌 노동시장에서는 이러한 인재상이 ‘FDE(Forward Deployed Engineer, 현장 배치 엔지니어)’라는 별도 직무로 구체화되어 채용이 급증하고 있으며, 오픈AI·앤트로픽 등 프런티어 AI 기업들은 FDE를 고객 현장에 상주시키는 배포 전문기업을 설립하는 등 ‘AI를 이식하는 사람’에 대규모로 투자하고 있다. 그러나 AX 관련 인재의 수급은 구조적 불균형 상태로 보인다. 여기에 숙련 미스매치와 역량 검증의 어려움, 인재와 수요처의 대기업·수도권 집중이 더해지면서 중소기업·비수도권의 구조적 공백이 심화되고 있다. 이에 본고에서는 AX 인재 양성의 확대와 질적 고도화, 재직 인력의 AX 인재화와 이를 뒷받침할 정보 전달 체계의 정비, 시장에서 통용되는 역량 기준·검증 체계 구축, 중소기업·비수도권 격차 해소, 그리고 통계·데이터 기반 구축을 정책 과제의 방향으로 제언한다. Executive Summary The year 2026 marks a turning point at which agentic AI enters full-scale industrial deployment, shifting AI from a passive tool toward "digital labor." AI transformation (AX) has accordingly moved beyond technology adoption into the redesign of how work is performed and how organizations are structured. In Korea, however, enterprise-wide adoption and internalization remain at an early stage despite strong corporate interest and commitment. This study applied quantitative content analysis to 5,711 videos published between 2021 and 2025 by 20 leading YouTube technology channels, classifying them into nine technology categories. Content production was concentrated in two categories, device and platform (68.9% on a five-year average) and interaction and UX (13.3%), together accounting for 82.3%; this device-centered structure persisted across the five years. At the category level, production share and viewer engagement moved in the same direction (Spearman rho = +0.68, p = 0.042). Within categories, however, views were heavily concentrated in a small number of videos, so the median rather than the mean was used as the measure of engagement. This report diagnoses the root cause of this gap—the key bottleneck of AX in the agentic AI era—as talent. As AI takes charge of more execution, the human role does not shrink but expands, toward designing and orchestrating AI agents by granting authority and policies, and toward reviewing, judging, and taking responsibility for the performance and risks of their outputs. The scale of agentic deployment is itself constrained by the oversight capacity people can supply, and governance has been identified as a ceiling on diffusion. In this context, AX talent, emerging as a core resource, can be understood as people who, grounded in domain expertise, embed and orchestrate AI (particularly AI agents) into work and organizations, and review, judge, and control its outputs to convert them into organizational performance. Such AX talent is the core resource of the agentic AI era. AI use is being reorganized around augmentation, in which AI works with people, rather than automation that replaces them. And as the "AI productivity disconnect"—in which time saved by AI fails to translate into output—illustrates, the performance of identical technologies hinges on people's "transformation capability" to redesign work and organizations. The supply of AX-related talent, however, appears to be structurally out of balance with demand. Skill mismatches and difficulties in verifying competencies, together with the concentration of talent and demand in large firms and the capital region, are deepening structural gaps for SMEs and non-capital regions. The report accordingly proposes, as directions for policy, expanding and qualitatively upgrading the AX talent pipeline; converting incumbent workers into AX talent and repairing the channels through which information on public programs reaches them; establishing market-recognized competency standards and verification systems; closing the gaps facing SMEs and non-capital regions; and building the statistical and data foundations needed to monitor and forecast AX talent supply and demand.

가상융합(Extended Reality, XR) 산업이 공간컴퓨팅과 생성형 AI 융합 등 세부 기술 영역 으로 빠르게 분화되고 있다. 제품 출시나 기업의 전략 발표 하나가 관련 기술 콘텐츠의 생산 구조를 단기간에 바꾸는 사례도 잦아졌다. 그러나 기업 실태조사와 특허·논문 분석은 조사 주 기와 출원·게재 시차로 인해 이러한 단기 변화를 제때 포착하기 어렵다. 유튜브 콘텐츠 선도 채널은 전 세계 기술 전문가와 얼리어답터의 관심이 비교적 빠르게 드러나는 공간으로, 업로 드 빈도와 시청자 참여 반응을 통해 기술 콘텐츠 동향을 보완적으로 관찰할 수 있는 데이터 원천이다. 본 연구는 정량적 내용 분석을 적용하여 유튜브 콘텐츠 선도 채널 20개의 5개년 (2021~2025) 영상 5,711건을 9대 기술 카테고리로 분류·분석하였다. 콘텐츠 생산은 디바 이스·플랫폼(5년 평균 68.9%)과 인터랙션·UX(13.3%) 두 카테고리에 집중되어 합산 82.3% 를 차지하였고, 이러한 기기·플랫폼 중심 구조는 5년간 유지되었다. 카테고리 수준에서 생산 비중과 시청자 참여 강도는 같은 방향으로 움직이는 양(+)의 상관 을 보였다(Spearman ρ=+0.68, p=0.042). 다만 카테고리 내부의 조회수는 소수 영상에 극 단적으로 집중되어, 참여 강도의 대표값으로 평균 대신 중앙값을 사용하였다. AI 확산은 독립 분야의 성장이 아니라 기존 콘텐츠 전반으로의 결합 형태로 나타났다. 'AI·XR 융합' 독립 카테고리의 생산 비중은 2021년 0.06%에서 2025년 1.2%에 그친 반면, 전체 영상의 AI 관련 용어 언급 비율은 같은 기간 2.6%에서 18.3%로 약 7배 증가하였다. 카테고리 단위 통계만으로는 포착되지 않는 변화이다. 이러한 확산은 채널 유형에 따라 시차 를 두고 나타났다. 개발 생태계 채널의 AI 언급 비율은 2021년 11.5%에서 2025년 44.0% 로 지속 증가한 반면, 전문 미디어는 2024년부터 본격적으로 상승하였다. 본 분석은 콘텐츠 선도 채널 생태계 내의 관찰에 한정되는 탐색적 시도에 해당하며, 분석 결과는 가상융합(XR) 기술 콘텐츠 글로벌 동향을 살펴보는 하나의 참고 신호 수준에서 활용 될 수 있다. 특히 개발 생태계 채널에서 AI 관련 논의가 먼저 증가한 양상은 새로운 기술 의 제의 조기 관찰 지점을 시사한다. 이러한 신호가 정기 실태조사·산업통계 등 기존 분석 자료 와 함께 교차 검증되는 방식으로 활용될 때, 글로벌 XR 기술 콘텐츠의 변화 흐름을 다층적 으로 이해하는데 기여할 수 있을 것으로 기대된다.

ISSUE REPORT 2026.08.06 IS-232 AI 교육 혁신과 AI 융합인재양성 전략: 해외 대학, 교육기관 사례와 시사점 Innovation in AI Education and Strategies for Developing Interdisciplinary AI Talent: Global Practices and Policy Implications 봉강호, 김항규, 윤보성, 진회승 SPRi 소프트웨어정책연구소

An AI Project Size Estimation Framework- The Hidden Iceberg: Measuring Technical Scope - 보러가기

​​​​​​ 최근 월드 모델(World Model)은 인공지능이 단순한 언어·이미지 처리 단계를 넘어 물리 세계의 구조와 동역학을 이해하고 미래 상태를 예측할 수 있도록 하는 핵심 기술로 부상하고 있다. 이는 범용 인공지능(AGI)과 피지컬AI 실현을 위한 차세대 기반 기술로 평가되며, 로봇·자율주행·가상융합 산업 전반에서 전략적 중요성이 확대되고 있다. 월드 모델은 인간의 멘탈 모델과 유사하게 환경에 대한 이해와 미래 예측을 기반으로 다양한 시나리오를 사전에 시뮬레이션하고 최적의 의사결정을 지원한다. 기술적으로 월드 모델은 명시적, 암묵적, 시뮬레이터 기반, 하이브리드형 등 다양한 패러다임으로 발전하고 있으며, 비디오 생성, 자율주행, 자율 에이전트 등 목적별로도 세분화될 수 있다. 최근 미국, 중국, 유럽, 한국 등 주요국의 기업들은 각각 실시간 3D 가상환경 생성, 자기지도 기반 물리 예측, 합성 데이터 생성, 공간지능 구현 등 다양한 접근 방식으로 월드 모델 개발 경쟁을 본격화하고 있다. 특히 월드 모델은 피지컬AI 발전의 핵심 병목인 데이터 부족과 사전 검증 문제를 해결하는 중요한 대안으로 주목된다. 현실 세계에서 수집이 어려운 대규모 행동 데이터를 합성 데이터와 가상 시뮬레이션으로 보완함으로써 로봇과 자율 시스템의 학습 비용을 줄이고, 위험한 실제 검증 과정을 대체할 수 있다. 이를 통해 보다 안전하고 효율적인AI 시스템 개발이 가능해진다. 정책적으로 한국은 제조업 기반의 풍부한 산업 데이터를 활용해 제조 특화 물리 데이터셋과 고충실도 가상환경을 구축하고, Sim-to-Real 정합성 확보, 도메인 특화 월드 모델 개발 등을 추진할 필요가 있다. 또한 VLA, 시뮬레이션, 제조 데이터를 통합한 국가 차원의 연구개발 체계를 마련함으로써 글로벌 월드 모델 경쟁력을 확보해야 한다. 결론적으로 월드 모델은 향후 AI 산업의 핵심 인프라이자 피지컬AI, 자율주행, 가상융합 발전을 견인할 중요 기술로서, 기술 혁신과 산업 생태계, 국가 정책 차원의 선제적 대응이 요구된다. Executive Summary Recent world models have emerged as a critical technology enabling artificial intelligence to move beyond simple language and image processing toward understanding the structure and dynamics of the physical world and predicting future states. They are increasingly regarded as next-generation foundational technologies for achieving Artificial General Intelligence (AGI) and Physical AI, while their strategic importance is expanding across robotics, autonomous driving, and virtual convergence industries. Similar to the human mental model, world models support proactive simulation of diverse scenarios and optimal decision-making by understanding environments and forecasting future outcomes. Technically, world models are evolving across various paradigms, including explicit, implicit, simulator-based, and hybrid approaches, while also being specialized by application domains such as video generation, autonomous driving, and autonomous agents. Recently, leading companies across the United States, China, Europe, and South Korea have intensified competition in world model development through diverse approaches, including real-time 3D virtual environment generation, self-supervised physics prediction, synthetic data generation, and spatial intelligence implementation. In particular, world models are gaining attention as an important solution to addressing two major bottlenecks in Physical AI development: data scarcity and pre-deployment validation challenges. By supplementing difficult-to-obtain real-world behavioral data with synthetic data and virtual simulations, world models can significantly reduce the cost of training robots and autonomous systems while replacing risky real-world testing processes. This enables the development of safer and more efficient AI systems. From a policy perspective, South Korea needs to leverage its rich manufacturing-based industrial data to establish manufacturing-specialized physical datasets and high-fidelity virtual environments, while promoting Sim-to-Real alignment and domain-specific world model development. In addition, South Korea should secure global competitiveness in world models by establishing a national R&D framework that integrates VLA, simulation, and manufacturing data. In conclusion, world models are expected to become a core infrastructure for the future AI industry and a key enabling technology driving the advancement of Physical AI, autonomous driving, and virtual convergence. As such, proactive responses at the levels of technological innovation, industrial ecosystem development, and national policy are essential.

2026년 전 세계 AI 지출은 2.5조 달러에 이를 전망이며, 그중 절반 이상이 서버·가속기·데이터센터 등 인프라에 집중된다. 이 투자의 중심에 NVIDIA GPU가 있으며, 데이터센터 GPU 매출의 약 86%를 차지하는 압도적 지배력을 유지하고 있다. 그러나 이러한 지배력은 단순히 하드웨어(HW) 성능에서 비롯된 것이 아니다. 동일한 H100 칩에서도 소프트웨어(SW) 최적화 수준에 따라 실제 처리량이 3배 이상 차이가 발생하며, NVIDIA 보고서는 AI SW 스택을 프레임워크, 컴파일러, 가속 라이브러리, 드라이버/런타임 4계층으로 구분하고, 각 계층이 HW 종속을 형성하는 기술적 경로를 추적한다. 이를 토대로 세 유형의 종속 메커니즘을 도출한다. CUDA 경로에서만 최적 성능이 발휘되는 성능 종속, JAX-XLA-TPU처럼 SW 선택이 곧 HW를 확정하는 설계 종속, 폐쇄적 드라이버 구조가 HW 대체를 물리적으로 차단하는 구조적 종속이 각각 상이한 메커니즘으로 작동하며, 이 세 유형이 중첩될 때 전환 비용은 기하급수적으로 증가한다. 아울러 vLLM·SGLang 등 오픈소스 추론 서빙 엔진과 LMCache 등 KV 캐시 최적화 계층이 기존 종속 구조를 부분적으로 완화하는 새로운 변수로 부상하고 있다. 주요국·기업을 3유형 종속 프레임워크로 분석한 결과, NVIDIA는 성능 종속과 구조적 종속의 이중 장벽을, Google은 설계 종속이라는 별도 경로를 구축하고 있으며, 화웨이는 3유형 종속 구조를 자국 내에서 복제·내재화하고 있다. 이 분석틀을 K-NPU에 적용하면, 한국 NPU 생태계는 '프레임워크 계층 진입에는 성공했으나, 컴파일러·라이브러리 계층의 성능 격차와 운영 생태계 규모 부족이 시장 확산을 제약하는' 구조적 위치에 놓여 있다. PyTorch 네이티브 지원과 vLLM 통합으로 1단계(프레임워크 진입)는 달성하였으나, 2단계(성능 종속 해소)는 진행 중이며, 3단계(운영 생태계 확보)는 초기 단계이다. 특히 2단계의 성능 격차가 좁혀지지 않으면 3단계의 운영 레퍼런스 축적이 곤란하고, 3단계의 레퍼런스가 없으면 2단계의 투자 정당성 확보가 어려운 순환 구조가 존재한다. 이러한 진단에 기반하여 종속 유형별 정책 대응을 제언한다. 첫째, 성능 종속 해소를 위해 칩 설계 중심의 R&D 지원을 컴파일러·런타임·SDK 등 SW 생태계 전반으로 확대하는 HW-SW 균형 발전 패러다임 전환이 필요하다. 둘째, 성능 종속 완화를 위해 PyTorch 호환성 확보와 OpenXLA·MLIR 등 글로벌 오픈소스 표준 참여를 통해 최적화 격차를 협력적으로 축소해야 한다. 셋째, 구조적 종속 우회를 위해 국가 AI 데이터센터 등 공공부문의 실증환경 제공으로 대규모 운영 레퍼런스를 확보하여 순환 구조를 깨야 한다. 넷째, 3유형 종속이 공통적으로 유발하는 전환비용을 가시화하기 위해 TCO 기반 평가 체계를 도입해야 한다. 다섯째, 모든 정책의 실행 주체인 AI 컴파일러·시스템 SW 전문 인력 양성 체계를 구축해야 한다. Executive Summary Global AI spending is projected to reach $2.5 trillion in 2026, with over half flowing into infrastructure. NVIDIA dominates this landscape, capturing roughly 86% of data center GPU revenue. Yet this dominance is not purely a hardware story: on identical H100 chips, software optimization alone can produce over 3x differences in actual throughput. The software ecosystem built over nearly two decades since CUDA's 2006 launch constitutes a structural barrier that competitors cannot easily replicate. This report classifies the AI software stack into four layers—Framework, Compiler, Acceleration Library, and Driver/Runtime—and derives three distinct lock-in mechanisms: performance lock-in, where optimization asymmetries cause de facto convergence toward specific hardware; design lock-in, where framework-compiler-hardware co-design fixes the hardware path at the point of software selection; and structural lock-in, where the closed-source driver/runtime physically blocks hardware substitution. When these types overlap, switching costs increase exponentially. Meanwhile, open-source inference serving engines such as vLLM and SGLang are emerging as new variables that partially mitigate traditional lock-in structures. Analyzing major players through this framework reveals that NVIDIA maintains a dual barrier of performance and structural lock-in, Google constructs a separate design lock-in pathway through TPU-XLA-JAX, and Huawei replicates all three lock-in types domestically through Ascend-CANN-MindSpore. Applying this framework to K-NPU, we diagnose that Korea's NPU ecosystem has successfully entered the framework layer through PyTorch native support and vLLM integration, but faces a sequential three-stage challenge: Stage 1 (framework entry) is achieved, Stage 2 (resolving performance lock-in in compiler and library layers) is in progress, and Stage 3 (building operational ecosystem scale) remains nascent. A circular dependency exists between Stages 2 and 3—performance gaps hinder reference accumulation, while lack of references undermines investment justification. Based on this diagnosis, we recommend lock-in-type-specific policy responses: (1) resolving performance lock-in by expanding R&D from chip design to the full software stack; (2) mitigating performance lock-in through participation in global open-source projects such as OpenXLA and MLIR; (3) circumventing structural lock-in by creating public-sector demand to build large-scale operational references that break the circular dependency; (4) introducing a TCO evaluation framework to make switching costs across all three lock-in types visible and quantifiable; and (5) establishing talent pipelines for AI compiler and system software specialists as the execution foundation for all policy measures.

AI 기술이 산업과 사회 전반에 빠르게 확산되면서, AI는 전기·수도·인터넷과 같은 보편적 사회 인프라로 기능하는 단계에 진입하고 있다. 이에 대한민국은 AI 기술을 통해 모든 국민의 기본적 삶과 안전이 보장되는 ‘AI 기본사회’를 국가 전략으로 제시하고, 의료·교육·복지·금융 등 다양한 공공서비스 영역에서 AI 기반 혁신을 추진하고 있다. 이러한 AI 기본사회는 기술 발전의 성과가 특정 집단에 집중되지 않고 모든 국민에게 공정하게 제공되는 포용적 사회 구현을 목표로 하며, 이를 위해서는 AI 서비스를 국민이 실제 생활 속에서 체감할 수 있는 실행 인프라가 필요하다. 이 과정에서 XR, 디지털 트윈 등 가상융합은 현실과 디지털 세계를 연결하는 공간적 인터페이스로서 중요한 역할을 수행할 수 있다. 가상융합은 시공간의 제약을 극복하여 다양한 사회 문제를 가상환경에서 사전에 실험하고 검증할 수 있게 하며, 국민이 AI 기술을 보다 직관적으로 이해하고 활용할 수 있는 몰입형 환경을 제공한다. 특히 물리적 접근성이 낮은 지역이나 사회적 취약계층에게도 고품질의 공공 서비스를 제공할 수 있다는 점에서, 가상융합은 AI 기본사회의 보편적 접근성을 강화하는 핵심 인프라로 기능할 수 있다. 가상융합은 코로나19 기간 동안 높은 기대를 받았으나, 실제 활용이 게임이나 이벤트 중심 서비스에 머무르고 사용자에게 명확한 가치 제안을 제공하지 못하면서 기대에 비해 확산 속도가 제한적이었다. 또한 고가의 장비, 제한된 콘텐츠, 지속 가능한 비즈니스 모델 부족 등이 산업 발전의 제약 요인으로 작용하였다. 그러나 최근에는 생성형 AI의 발전과 XR 디바이스의 기술적 개선을 바탕으로 가상융합 서비스의 개인화와 몰입도가 높아지고 있으며, 교육·제조·국방·의료 등 다양한 산업 분야에서 가상 시뮬레이션, 원격 협업, 직무훈련 등 실질적인 활용 사례가 가시화되면서 산업의 재도약 가능성이 높아지고 있다. 본 보고서는 국가인공지능전략위원회의 「대한민국 인공지능 행동계획」에서 제시된 AI 기본사회 주요 과제를 중심으로, 가상융합이 실제 정책 실행 과정에서 어떻게 활용될 수 있는지를 구체적으로 제시한다. 우선 사회적 합의 형성 측면에서는 가상공간에서 AI 정책의 영향을 시뮬레이션하고 아바타 기반 토론을 통해 다양한 이해관계자가 참여하는 공론장을 구축함으로써 정책 수용성을 높일 수 있다. 또한 디지털 트윈 기반 리빙랩을 통해 사회 문제 해결을 위한 AI 기술을 가상환경에서 실험하고 검증할 수 있으며, 가상 오피스와 가상 직무훈련을 통해 AI 전환에 따른 일자리 변화와 재교육 문제에도 대응할 수 있다. 이와 함께 가상융합은 돌봄과 의료 분야에서도 활용 가능성이 크다. 가상현실 기반 인지훈련과 아바타 상담을 통해 고령층의 정서적 돌봄을 지원하고, 가상 원격 협진이나 환자 디지털 트윈을 활용한 의료 시뮬레이션을 통해 의료 접근성을 개선할 수 있다. 또한 딥페이크나 금융 사기 등 AI 기반 범죄 대응을 위해 가상환경에서 실제 범죄 상황을 체험하고 대응하는 교육을 제공하거나, 아바타 기반 상담을 통해 피해자의 심리적 회복을 지원하는 방식도 제안된다. 나아가 가상 캠퍼스와 산업 공정 디지털 트윈을 활용한 교육 프로그램을 통해 국민 누구나 AI 교육과 실무 경험에 접근할 수 있는 환경을 구축함으로써 지역과 계층 간 AI 교육 격차를 완화할 수 있다. 종합적으로 볼 때 가상융합은 AI 공론장 구축, 사회문제 해결 실험, 일자리 전환 대응, 돌봄·의료 서비스 확대, 생활 안전 강화, 교육 역량 강화 등 다양한 분야에서 AI 기본사회를 구현하기 위한 공간적 인프라이자 정책 실험 플랫폼으로 활용될 수 있다. 다만 과거 일부 공공 가상융합 프로젝트가 일회성 행사나 전시성 구축에 그쳤던 사례를 반복하지 않기 위해서는 단순한 가상 공간 구축에 머무르지 않고, 실제 정책 효과와 서비스 활용 가치를 창출할 수 있는 지속 가능한 운영 모델과 성과 중심의 정책 설계가 함께 마련될 필요가 있다. Executive Summary As AI technologies rapidly spread across industry and society, AI is entering a stage where it functions as a universal social infrastructure comparable to electricity, water, and the internet. In response, the Republic of Korea has proposed the concept of an “AI Basic Society,” in which AI technologies ensure the basic quality of life and safety of all citizens, as a national strategy. Under this vision, AI-driven innovation is being promoted across a wide range of public service sectors, including healthcare, education, welfare, and finance. The AI Basic Society aims to build an inclusive society in which the benefits of technological advancement are not concentrated in specific groups but are distributed fairly among all citizens. To achieve this, practical implementation infrastructure is required so that citizens can experience and benefit from AI services in their everyday lives. In this context, virtual convergence technologies—such as XR and digital twins—can play a critical role as spatial interfaces connecting the physical and digital worlds. Virtual convergence makes it possible to overcome spatial and temporal constraints, enabling various social issues to be experimented with and verified in virtual environments before implementation in the real world. It also provides immersive environments through which citizens can more intuitively understand and utilize AI technologies. In particular, by enabling the provision of high-quality public services even in regions with limited physical accessibility or among socially vulnerable groups, virtual convergence can function as a key infrastructure that strengthens universal accessibility within an AI Basic Society. Virtual convergence attracted significant attention during the COVID-19 pandemic; however, its actual utilization remained largely centered on games or event-based services. As a result, it struggled to present clear value propositions to users, and its diffusion progressed more slowly than expected. In addition, high equipment costs, limited content, and the lack of sustainable business models acted as constraints on industry development. Recently, however, advancements in generative AI and technological improvements in XR devices have significantly enhanced the personalization and immersive qualities of virtual convergence services. At the same time, practical use cases—such as virtual simulations, remote collaboration, and job training—are expanding across various sectors including education, manufacturing, defense, and healthcare, increasing the potential for renewed growth in the industry. This report focuses on the major initiatives of the “Republic of Korea AI Action Plan” proposed by the National AI Strategy Committee and presents concrete ways in which virtual convergence can be utilized in the actual implementation of AI Basic Society policies. First, in terms of building social consensus, virtual spaces can be used to simulate the impacts of AI policies and establish public deliberation platforms where diverse stakeholders participate through avatar-based discussions, thereby enhancing policy acceptance. In addition, digital-twin-based living labs can enable AI technologies for solving social problems to be tested and validated in virtual environments. Virtual offices and virtual job training programs can also help address employment transitions and reskilling challenges associated with the AI transformation. At the same time, virtual convergence has significant potential in the fields of care and healthcare. Emotional support for older adults can be provided through virtual-reality-based cognitive training and avatar-based counseling, while medical accessibility can be improved through virtual remote collaboration among medical professionals and medical simulations using patient digital twins. Furthermore, to respond to AI-driven crimes such as deepfakes and financial fraud, immersive training programs can allow individuals to experience and respond to simulated crime scenarios in virtual environments, while avatar-based counseling can help support the psychological recovery of victims. In addition, education programs using virtual campuses and industrial process digital twins can create environments where anyone can access AI education and practical experience, thereby reducing AI education disparities across regions and social groups. Overall, virtual convergence can function as both a spatial infrastructure and a policy experimentation platform for realizing the AI Basic Society across various domains, including the establishment of AI public deliberation spaces, experimentation for solving social problems, responses to employment transitions, expansion of care and healthcare services, enhancement of public safety, and strengthening of educational capabilities. However, in order to avoid repeating past cases in which some public virtual convergence projects were limited to one-time events or exhibition-oriented initiatives, it is necessary to move beyond merely building virtual spaces and instead develop sustainable operational models and performance-oriented policy designs that can generate tangible policy outcomes and real service value.

AI 스마트 글래스는 단순한 시각 보조 기기를 넘어, 사용자의 시선과 주변 환경을 인공지능(AI)이 실시간으로 인식하고 해석함으로써 디지털 정보와 현실 세계를 직접 연결하는 차세대 컴퓨팅 인터페이스로 부상하고 있다. 기존의 개인 컴퓨팅이 화면과 손 중심의 입력·소비 구조였다면, AI 스마트 글래스는 사용자가 바라보는 대상과 공간 자체가 데이터가 되는 ‘시선 중심 컴퓨팅’으로의 전환을 의미하며, 생성형 AI와 멀티모달 AI의 발전에 힘입어 새로운 개인 컴퓨팅 패러다임을 형성하고 있다. AI 스마트 글래스 시장은 향후 높은 성장 잠재력을 보유하고 있다. 글로벌 시장에서는 메타, 삼성전자, 구글 등 주요 빅테크 기업들이 AI 스마트 글래스를 차세대 플랫폼으로 인식하고 생태계 구축 경쟁을 본격화하고 있으며, 중국 기업들은 제조 경쟁력을 기반으로 빠르게 시장 진입을 확대하고 있다. 현재 음성 전용 AI 스마트 글래스가 주류를 이루고 있으나 디스플레이를 갖춘 AI 스마트 글래스로의 발전이 예상된다. AI 스마트 글래스는 단기적으로 스마트폰을 보완하는 시선 기반 인터페이스로 확산되고, 중기적으로는 공간의 맥락을 이해하는 공간 기반 인터페이스로 발전하며, 장기적으로는 인간의 시선을 AI가 해석하고 확장하는 ‘시선의 지능화’ 단계로 진화할 것으로 전망된다. 이러한 변화는 정보 탐색 방식, 의사결정 과정, 산업 현장의 작업 방식, 광고·교육·의료 등 다양한 영역에서 구조적 변화를 유발할 가능성이 있다. 특히 AI 스마트 글래스는 1인칭 시점 데이터의 주요 생성 장치로서 AI의 맥락 지능 구현을 가능하게 하는 핵심 기반으로 작용할 것으로 예상된다. 한편 AI 스마트 글래스는 배터리 지속시간 개선, 기기 경량화, 시야각 확대 등 기술적 과제와 함께, 개인정보 보호 우려, 디지털 격차 심화 가능성, 사회적 수용성 확보 등 사회·제도적 이슈에 대한 대응이 동시에 필요하다. 현재는 AI 스마트 글래스 도입 초기 단계로, 기술에 대한 사회적 기대와 프라이버시·안전 등에 대한 우려가 동시에 존재하는 과도기적 국면에 있으며, 기술 확산과 사회적 수용성 확보 간의 균형을 마련하기 위한 정책적 역할이 중요한 시점이다. 이에 본 연구는 산업 생태계 경쟁력 강화 지원, ‘시선 중심 컴퓨팅’ 시대 대비를 위한 선제적 제도 설계, 새로운 디지털 격차 대응을 위한 포용 정책의 필요성을 제시한다. 이를 통해 AI 스마트 글래스가 새로운 개인 컴퓨팅 인터페이스로 안정적으로 정착하고 산업적·사회적 가치 창출로 이어질 수 있는 정책 방향을 도출하고자 한다. Executive Summary AI smart glasses are emerging as a next-generation computing interface that goes beyond simple visual assistance devices by enabling artificial intelligence (AI) to recognize and interpret users’ gaze and surrounding environments in real time, thereby directly connecting digital information with the physical world. Whereas traditional personal computing has been structured around screen- and hand-based input and consumption, AI smart glasses signify a transition toward “gaze-centered computing,” in which the objects and spaces a user looks at themselves become data. Supported by advances in generative AI and multimodal AI, this shift is forming a new paradigm in personal computing. The AI smart glasses market is expected to demonstrate strong growth potential in the coming years. Globally, major technology companies such as Meta, Samsung Electronics, and Google are recognizing AI smart glasses as a next-generation platform and are accelerating competition to establish ecosystem leadership, while Chinese companies are rapidly expanding market entry based on their manufacturing competitiveness. At present, voice-centric AI smart glasses dominate the market, but the evolution toward AI smart glasses equipped with displays is anticipated. In the short term, AI smart glasses are likely to spread as gaze-based interfaces that complement smartphones. In the mid-term, they are expected to evolve into spatial interfaces capable of understanding contextual information within physical environments. In the long term, they are projected to advance toward a stage of “intelligent gaze,” in which AI interprets and augments human vision itself. These developments may trigger structural changes across multiple domains, including information discovery, decision-making processes, industrial workflows, and sectors such as advertising, education, and healthcare. In particular, AI smart glasses are expected to function as a primary device for generating first-person perspective data, serving as a key foundation for enabling context-aware intelligence in AI systems. At the same time, AI smart glasses face technical challenges such as improving battery life, reducing device weight, and expanding field of view, alongside social and institutional issues including privacy concerns, the potential widening of digital divides, and the need to secure social acceptance. As the technology is currently in its early adoption phase, societal expectations and concerns regarding privacy and safety coexist, placing the market in a transitional stage. Accordingly, this is a critical moment for policy intervention to balance technological diffusion with social acceptance. In this context, this study highlights the need for policy measures to strengthen industrial ecosystem competitiveness, establish proactive institutional frameworks in preparation for the era of gaze-centered computing, and develop inclusive policies to address emerging forms of digital inequality. Through this approach, the study aims to derive policy directions that enable AI smart glasses to be stably established as a new personal computing interface while generating both industrial and societal value.