AI 기술의 급격한 발전으로 AI 프로젝트 발주가 증가하고 있지만, 기존의 기능점수(FP) 방식은, 챗봇이나 RAG(검색 증강 생성)와 같이 사용자 인터페이스는 단순하지만 그 이면에서 방대한 데이터 처리와 복잡한 연산을 수행하는 AI 사업의 실질적 규모를 반영하지 못한다는 한계를 드러내고 있다. 이로 인해 AI 프로젝트의 예산 책정의 현실성이 떨어질 위험성을 안고 있다. 이러한 문제를 해결하기 위해서 본 보고서는 AI프로젝트를 거대한 빙산에 비유하며, 수면 아래 잠겨 있는 데이터 전처리, 임베딩, 벡터 저장소 구축 등 고난도 기술 엔지니어링 영역은 국제 표준인 SNAP(Software Non-functional Assessment Process) 모델을 도입하여 별도로 정량화할 것을 제안한다. 이는 기존 방식으로는 측정 불가능했던 백엔드(Back-end) 기술 공수에 대해 정당한 가치를 부여하는 해결책이 될 것이다. 마지막으로 합리적인 규모산정 체계의 적용을 위해 AI 기술규모 자동화 측정 도구 발굴, AI 프로젝트 데이터 축적, 그리고 AI 엔지니어링 기업 생태계 육성을 실현방안으로 제시한다. 궁극적으로는 이러한 노력이 AI 프로젝트 사업 대가 산정의 정확성과 투명성을 제고하는 데 기여할 것으로 기대한다. Executive Summary As AI technologies advance rapidly, the number of AI project procurements continues to grow. Yet the traditional Function Point (FP) method shows clear limitations: in AI projects such as chatbots or Retrieval-Augmented Generation (RAG), the user interface may appear simple while massive data processing and complex computational workflows operate underneath. FP cannot capture the true scale of these hidden engineering efforts, creating a risk that AI project budgets will be underestimated and ultimately unrealistic. To address this gap, this report shifts the focus from AI model development to AI Application Service Construction (Engineering) and proposes a framework for scope estimation. It recommends adopting the international SNAP (Software Non-functional Assessment Process) standard to quantify the technical complexity involved in back-end operations—such as data preprocessing, embedding generation, and vector-store construction—that FP cannot measure. For a sound compensation system to take root, this report suggests key directions: discovering automated measurement tools for AI technical scope, accumulating AI project data, and fostering the AI engineering company ecosystem. Ultimately, these efforts will contribute to enhancing the accuracy and transparency of AI project cost estimation.
디지털시장법(DMA)은 글로벌 빅테크 기업의 독점적 지위 남용을 억제하고 EU 내 공정경쟁을 촉진하기 위해 제정된 사전규제다. EU는 자국 내 대형 플랫폼 부재와 미국계 빅테크가 운영체제(OS), 앱스토어, 검색, 클라우드 등 SW 기반 플랫폼·서비스 를 장악한 구조적 문제에 대응하고자 2024년 3월 DMA를 본격 시행하였다. 그러나 DMA는 게이트키퍼 규제라는 본래 목표 달성과 더불어, 데이터 처리 제한, 상호운용성 의무, 광고 정보 제공 등 SW 아키텍처와 데이터 인터페이스에 대한 직접 개입을 통해 스타트업 신규 진입과 투자 환경을 위축시키는 의도치 않은 효과가 확인되고 있다. 스타트업·투자 데이터를 활용한 실증 분석 결과, DMA 적용 산업(검색, 소셜미디어, 클라우드 등 10개 분야)은 비적용 산업 대비 신규 기업 수와 투자 규모가 유의하게 감소하였다. 특히 규제 충격 직후 투자자의 위험 인식 확대로 DMA 적용 산업의 매력도가 하락했고, 이는 스타트업 진입 위축으로 이어졌다. 규제 준수 비용 증가, 법적 불확실성, 빅테크의 위험 회피적 행태 등이 복합적으로 작용해, SW 기반 혁신 생태계의 활력을 저하시킬 수 있는 부정적 파급효과를 동반하였다. 이는 플랫폼 규제가 단순히 대형 플랫폼 기업을 넘어 SW 생태계 전반에 연쇄적 영향을 미친다는 점을 시사한다. 한국은 제22대 국회를 중심으로 다수의 플랫폼 규제 법안을 발의했으나, 사전규제와 사후규제 중 어떤 방식을 택할지, 규제 범위와 강도를 어떻게 설정할지는 여전히 확정되지 않았다. 법안들은 ① 시장지배적 지위 규율을 강조하는 독점규제형, ② 플랫폼–입점업체 간 거래관계 개선을 강조하는 거래공정화형, ③ 양자를 결합한 혼합형으로 유형화된다. 한국은 공정경쟁과 국내 플랫폼 산업의 혁신 동력 및 경쟁력 유지라는 이중 과제에 직면해 있다. 불공정행위 억제를 중심에 두되, 상호운용성·데이터 이동성·앱스토어 개방 등 SW 기술구조에 대한 개입이 국내 SW기업 생태계에 미치는 영향을 면밀히 고려한 균형적 설계가 필요하다. 특히 국내 기업은 규제 집행의 직접 대상이 되는 반면, 글로벌 기업은 한국 내 활동 규모에 따라 규제 강도가 상대적으로 약화될 수 있다는 점에서 역차별 위험도 존재한다. 한국은 규제의 정당성을 확보하면서도 국내 SW 산업의 지속적 성장과 혁신을 유지할 수 있는 정교한 정책 조정이 요구된다. Executive Summary The Digital Markets Act (DMA) is an ex-ante regulatory framework designed to curb the abuse of dominant positions by global Big Tech firms and to promote fair competition within the European Union. The EU enacted the DMA in full force in March 2024 to address structural concerns stemming from the absence of large domestic platforms and the growing dominance of U.S.-based Big Tech companies across software-based platforms and services—including operating systems (OS), app stores, search, and cloud services. However, beyond its original goal of regulating gatekeepers, the DMA has produced unintended consequences: by directly intervening in software architectures and data interfaces through obligations related to data processing restrictions, interoperability, and advertising transparency, it has been found to dampen startup entry and weaken investment conditions. Empirical analysis using startup and investment data shows that industries subject to the DMA—such as search, social media, and cloud computing—experienced significantly fewer new firm entries and reduced investment volumes compared to non-regulated sectors. Immediately following the regulatory shock, heightened investor risk perception further diminished the attractiveness of DMA-regulated industries, leading to reduced startup entry. Increased compliance costs, legal uncertainties, and risk-averse responses by Big Tech collectively contributed to negative spillover effects that may undermine the vitality of software-based innovation ecosystems. These findings suggest that platform regulation affects not only large incumbent platforms but also has cascading impacts across the broader software ecosystem. In Korea, numerous platform regulation bills have been introduced in the 22nd National Assembly, yet no consensus has been reached on whether to adopt an ex-ante designation regime or an ex-post presumption framework, nor on the appropriate scope and intensity of regulatory obligations. The proposals fall into three categories: (1) competition-oriented bills that focus on regulating dominant positions; (2) transaction fairness–oriented bills that aim to improve relationships between platforms and business users; and (3) hybrid models combining both approaches. Korea thus faces a dual challenge: aligning with global regulatory trends while safeguarding the innovation capacity and competitiveness of its domestic platform industry. While curbing unfair practices remains essential, a balanced regulatory design must carefully account for the implications of interventions into software technical structures—such as interoperability, data portability, and app-store openness—on the domestic software industry and developer ecosystem. In particular, Korean firms are likely to become the direct subjects of regulatory enforcement, whereas global companies may face attenuated regulatory pressure depending on the scale of their operations in Korea, raising concerns about potential reverse discrimination. Korea will therefore need finely calibrated policy adjustments that secure the legitimacy of platform regulation while ensuring the sustained growth and innovation of its domestic software industry.
최근 AI와 사이버보안은 국가 경쟁력과 디지털 주권을 좌우하는 핵심 분야로 자리잡았으며, 각국은 자국의 정치·경제·산업 구조에 기반한 상이한 정책 모델을 구축하고 있다. 본 보고서는 두 기술의 중요성에 주목하여, 미국, 유럽연합, 중국, 일본 등 주요국과 사우디아라비아, 싱가포르 등 신흥국을 대상으로 인공지능과 사이버보안 분야의 거버넌스, 국가 전략, 규제 체계를 종합적으로 분석하였다. 국가별 차이를 AI와 사이버보안의 기술 특성에 따라 구조화하여 비교·분석한 결과, 미국은 민간혁신 중심의 개방형 접근을 취하면서도 위험관리와 안전성 확보를 위한 행정명령 기반 규제를 병행하고 있다. 유럽연합은 EU AI Act와 NIS2 등 강력한 규제 체계를 통해 글로벌 기술 규범을 선도하고 있다. 중국은 국가안보와 데이터 통제를 핵심 원칙으로 하는 중앙집중형 거버넌스를 강화하고 있으며, 일본은 자율 규범과 산업 생산성 향상을 결합한 실용주의 모델을 유지하고 있다. 신흥국 중 사우디아라비아는 초대형 프로젝트와 결합된 중앙집중형 전략을 통해 AI와 보안 기술을 국가발전 전략의 주요 수단으로 활용하고 있으며, 싱가포르는 균형적 규범 체계와 민첩한 실행 구조를 기반으로 아시아 지역의 선도적 기술 정책 모델을 구축하고 있다. 본 보고서는 이러한 과정을 통해 국내 SW기업이 규제로 인한 위험 수준과 시장 진입 기회를 판단하는데 참고할 수 있도록 각 국가별로 인공지능 및 사이버보안에 대한 규제 강도를 제시하였다. 규제 강도 기준으로는 법률 차원의 강력한 구속력이 존재, 주요 기반시설 등 일부에만 의무 부과, 지침·권고 수준의 자율 규제 기조, 입법 논의 단계의 네 가지 강도를 설정하였다. 이를 통해 국내 SW기업이 국가별 규제 리스크를 진입전략의 핵심 요소로 인식하고, 시장별로 차별화된 대응전략을 수립해야 함을 확인한다. Executive Summary AI and cybersecurity have become critical to national competitiveness and digital sovereignty, prompting countries to adopt distinct governance, strategy, and regulatory models. This report analyzes major economies—the United States, the European Union, China, and Japan—and emerging economies such as Saudi Arabia and Singapore, comparing national approaches in AI and cybersecurity and assessing their implications for global markets and corporate activities. The findings show that the United States combines private-sector-led innovation with executive action–based risk and safety measures, while the European Union is shaping global norms through robust frameworks such as the EU AI Act and NIS2. China strengthens a centralized, security- and data-control-oriented model, whereas Japan maintains a pragmatic approach centered on voluntary guidelines and productivity gains. Saudi Arabia links centralized strategies to large-scale national projects, and Singapore advances a balanced regulatory framework with agile implementation. Given widening cross-country divergence in regulation and technology policy, the report highlights the need for Korean software companies to proactively identify country- and technology-specific risks and opportunities. It therefore provides a four-level regulatory intensity scale for each country and technology—ranging from strongly enforceable legal obligations to sector-limited mandates, guideline-based self-regulation, and legislation under discussion—so firms can better assess compliance risks and market entry opportunities and develop market-specific strategies.
글로벌 기술경쟁이 심화되는 가운데 각 산업은 소프트웨어(SW) 중심의 혁신을 가속화하면서 산업특화 소프트웨어(Vertical Software, 이하 산업특화SW)의 중요성이 부각되고 있다. 산업특화SW는 산업 고유의 규제, 워크플로우, 도전과제 등에 대한 해결 도구로 활용되면서 주력 산업의 핵심으로 자리매김하고 있다. 이에 따라 금융, 자동차, 공공행정 등 각 산업별 산업특화SW에 대한 수요가 증가하고, 주요국 정부도 산업특화SW 육성을 통해 주력 산업의 경쟁력 강화를 꾀하고 있다. 금융산업의 중심인 미국과 영국은 블록체인 기술을 중심으로 금융SW 개발 촉진과 핀테크 규제 원스톱 접근 스마트도구 개발 지원을 추진하고 있으며, 유럽은 자동차산업 선도를 위해 SDV(Software-Defined Vehicle)로의 미래차 이니셔티브를 발표하고 오픈소스 개발 및 자동차SW 역량 강화에 투자하고 있다. 국내 주력산업의 경쟁력 확보를 위해 산업특화SW 역량 강화 방안 마련이 필요한 시점이다. 이를 위해 본 고는 금융, 자동차 분야의 산업특화SW 사례를 분석함으로써 산업특화SW의 특성에 기반한 정책 방안을 마련하고자 하였다. 금융분야의 산업특화SW는 안전한 금융거래를 위한 규제준수와 금융서비스 품질향상을 위한 움직임을 나타냈다. 금융거래 본인 확인을 위한 고객확인(KYC)SW는 인증 방식의 다양화 또는 간소화에 대한 요구와 이로 인한 금융침해 위험 우려가 상존하고 있으며, 금융사고 예방·모니터링을 위한 이상거래탐지시스템(FDS)은 정확하고 빠른 탐지 기술을 통해 금융안전을 지원하고자 하였다. 자동차분야의 산업특화SW는 안전운행과 SW보안에 대한 규제기준이 지속 높아짐에 따라 이에 대한 준수와 신SW 기술 도입을 병행할 수 있는 방향으로 나아가고 있다. 부품·완성차의 정확한 설계 지원을 위한 제품 엔지니어링·설계SW는 설계 단계에서 제품의 안전기준을 준수할 수 있도록 정확한 시뮬레이션 기능을 제공하고, 설계 효율화를 위한 협업체계를 마련하고 있다. SDV플랫폼은 완성차에 대한 SW보안 기준을 준수할 수 있도록 점검할 수 있는 기술이 제품 경쟁력이 되고 있으며, 부품공급사·SW개발사 등을 포괄하는 협업 생태계 구축 측면에서 중요성이 강조되고 있다. 산업특화SW는 산업 고유의 문제 해결을 위해 규제 준수, 산업 전문성, 기능적 특수성이 요구된다. 이러한 특성들을 고려해 국내 산업특화SW 역량 강화를 위해 기업과 정부가 함께 노력할 필요가 있다. 기업은 산업특화SW가 기업 성장의 동력이 될 수 있음을 인식하고 자사의 제품·기술을 산업특화SW 수요 대응에 포커싱한 전략 수립이 요구된다. 정부는 기술 측면에서 산업별 맞춤형 신SW기반 융합서비스·모듈기술 개발, 인재 측면에서 산업별 규제 요구 수준에 맞는 SW안전·보안 전문인재 양성, 기반 측면에서 산업특화SW 규제준수 진입장벽을 낮추기 위한 가이드 및 도구 개발이 필요하다. Executive Summary As global competition intensifies, each industry is accelerating software-centric innovation, highlighting the growing importance of vertical software (industry-specific software). Vertical software is becoming a core component of key industries, serving as a solution to industry-specific regulations, workflows, and challenges. Consequently, demand for vertical software in sectors such as finance, automobiles, and public administration is increasing, and governments in major countries are seeking to strengthen the competitiveness of their key industries by fostering vertical software. The US and UK, the leaders of the financial industry, are promoting financial software development centered on blockchain technology and supporting the development of smart tools for a one-stop approach to fintech regulation. Meanwhile, Europe has announced its Future Vehicle Initiative, SDV (Software-Defined Vehicle), to lead the automotive industry and is investing in open source development and automotive software capabilities. To secure the competitiveness of Korea's key industries, it is crucial to develop measures to strengthen vertical software capabilities. To this end, this paper analyzed vertical software cases in the financial and automotive sectors to develop policy measures based on their characteristics. Vertical software in the financial sector has demonstrated a drive toward regulations for safe financial transactions and improved financial service quality. Know Your Customer (KYC) software, which verifies financial transactions, faces persistent demands for diversification or simplification of authentication methods and concerns about the resulting financial breaches. Fraud Detection Systems (FDS), designed to prevent and monitor financial incidents, aim to support financial safety through accurate and rapid detection technology. Vertical software in the automotive sector is moving toward a path that allows for both compliance with increasingly stringent regulatory standards for safe driving and software security and the adoption of new software technologies. Product engineering and design software, which supports the precise design of components and complete vehicles, provides accurate simulation capabilities to ensure compliance with product safety standards during the design phase and establishes collaborative systems to enhance design efficiency. The SDV platform's ability to verify compliance with software security standards for finished vehicles is becoming a key competitive advantage. Its importance is also being emphasized in building a collaborative ecosystem encompassing parts suppliers and software developers. Vertical software requires regulatory compliance, industry expertise, and functional specialization to address industry-specific challenges. Considering these characteristics, joint efforts between businesses and the government are crucial to strengthening domestic vertical software capabilities. Companies must recognize that vertical software can be a driving force for corporate growth and develop strategies that focus their products and technologies on meeting vertical software demand. The government needs to develop customized new software-based convergence services and module technologies tailored to each industry. Furthermore, fostering software safety and security experts who meet industry-specific regulatory requirements is crucial. Furthermore, developing guidelines and tools to lower barriers to entry for vertical software compliance is crucial.
AI 기술은 증기기관, 전기, 인터넷과 같은 범용기술로서 산업과 사회 전반에 걸쳐 근본적 변화를 초래할 잠재력을 지니고 있다. 그러나 기술 그 자체만으로는 경제적 가치를 실현할 수 없으며, 실제 상품이나 서비스로 전환하는 사업화 과정이 필수적이다. 한편, AI와 같은 하이테크 분야에서는 높은 기술적 이해와 전문지식이 성공적 사업화의 핵심 요인이 된다. 실제로 대다수의 성공적 AI 스타트업은 석·박사급 고급 AI 인재가 기업가정신을 발휘하여 창업한 경우로 확인되고 있다. 이에 본고에서는 AI에 관한 전문지식과 기술을 바탕으로 기업가정신을 발휘하여 새로운 사업 기회를 추구하는 '기업가형 AI 인재' 육성의 필요성을 제기한다. 그동안 우리나라의 AI 인재 정책은 연구자 양성 및 고급 연구인력 확보, 그리고 산업기술인력 양성을 통한 노동수요 대응에 방점을 두고 추진돼 왔다. 여기에 더해, AI 인재 양성 정책의 지향점으로 혁신 및 신기술의 사업화를 통해 새로운 시장과 양질의 일자리를 창출하는 경제주체인 ‘기업가’로서의 경력 경로를 추가·반영할 필요가 있다. 고급 과학기술 인재를 대상으로 하는 기업가정신 관련 해외(EU, 미국, 중국) 및 국내 정책사례들은 공통적으로 고급 과학기술 인재가 혁신적 기술과 연구성과를 경제적·사회적 가치로 전환하는 ‘기업가’의 경력경로를 선택하도록 유도하는 것을 핵심 목표로 설정하였다. 이러한 목표 하에 스타트업 연수, 경진대회, 해외 단기연수, 산학 프로젝트, 특화 지원사업을 통한 창업 시도 등 실제적인 경험을 통해 기업가정신을 체득할 수 있도록 유도하고 있다. 일부 사례에서는 대학원 교육과정에 기업가정신 교육을 통합/내재화하여 자연스럽게 기업가정신을 함양하고 기업가적 역량을 개발할 수 있는 환경을 조성하였다. 특히 교육 관련 사례들에서는 정책 성과로서 고급 과학기술 인재의 창업이 아닌, 기업가적 역량 개발을 중시하고 있다. 결론적으로, 기업가형 AI 인재 육성 정책이 단순한 창업지원을 넘어 고급 AI 인재의 경력경로 확장 차원에서 설계되어야 한다. 또한 교육적 관점에만 국한하지 않고 기업가정신이 발휘될 수 있는 기술·산업 생태계 조성을 목표로 한 임무지향적 접근이 필요하다. 궁극적으로는 AI 기술 기반의 기업가적 활동이 경제성장을 주도하는 ‘기업가형 AI 국가 실현’을 범국가적 비전으로 설정하고, 이를 달성하기 위한 종합적 국가 전략을 기획·추진할 필요가 있다. 기업가형 AI 국가를 실현하는 데 있어 기업가형 AI 인재 육성은 핵심이자 출발점이라고 하겠다. Executive Summary Artificial Intelligence (AI), as a general-purpose technology akin to the steam engine, electricity, and the internet, holds the potential to bring fundamental changes across industry and society. However, technology itself cannot realize economic value; a commercialization process to translate it into tangible products or services is essential. In high-tech sectors such as AI, a deep technical understanding and professional expertise are critical factors for successful commercialization. In fact, most successful AI startups are founded by high-level AI talents, often with master's or doctoral degrees, who demonstrate strong entrepreneurship. This paper proposes the necessity of nurturing 'entrepreneurial AI talents'—individuals who leverage their specialized AI knowledge and skills to pursue new business opportunities. To date, Korea's AI talent policy has primarily focused on training researchers, securing high-level research personnel, and meeting industrial labor demands. We argue that this policy orientation must be expanded to include the 'entrepreneur' as a key career path—an economic agent who creates new markets and quality jobs through the commercialization of innovation and new technology. Analysis of foreign (EU, US, China) and domestic policy cases reveals a common goal: encouraging high-level science and technology talents to choose the 'entrepreneur' career path, thereby transforming innovative research into economic and social value. These policies promote the acquisition of entrepreneurship through practical experiences such as startup internships, competitions, short-term overseas training, industry-academia projects, and specialized support for new ventures. Several cases also foster this environment by integrating entrepreneurship education directly into graduate-level curricula. Notably, these education-focused policies emphasize the development of entrepreneurial capabilities as a key performance outcome, rather than narrowly focusing on the number of startups created. In conclusion, policy for nurturing entrepreneurial AI talents must be designed to expand the career paths of high-level AI talent, moving beyond simple startup support. Furthermore, a mission-oriented approach is required, focusing on creating an ecosystem that fosters entrepreneurship, rather than being limited to an educational perspective. Ultimately, this paper proposes establishing a national vision for 'realizing an entrepreneurial AI state,' where AI-based entrepreneurial activity drives economic growth. A comprehensive national strategy must be planned and executed to achieve this vision.
본 연구는 급변하는 디지털 기술 환경 속에서 불확실성이 높아지는 미래 대응의 복잡성을 완화하고, 약신호(weak signal) 중심의 조기 탐지 체계를 구축하기 위해 수행되었다. 금년도 SPRi DaRT 2026은 EU, WEF, UNDP, Gartner 등 주요 기관의 미래기술 보고서를 기반으로 후보 기술을 추출한 뒤, 예비조사(미래연구 전문가)와 본조사(기술 분야 전문가)로 구분된 델파이 조사를 통해 30대 미래 신호를 선정하였다. 전문가의 반복적 평가와 피드백 과정을 통해 신규성, 영향력, 구현 가능성을 검증하였으며, 이를 바탕으로 100개의 후보 기술 중 30개 핵심 기술이 최종 확정되었다. 분석 결과, 전년도 SPRi DaRT 2025 대비 총 16개의 신규 개념기술이 새롭게 등장하였으며, 이 중 약신호 기술군은 양자 인터넷, 분산 AI 얼라인먼트, 양자 감지, 부상신호 기술군은 양자 AI, 대규모 행동 모델, 범용 AI 로봇, 제로 트러스트 아키텍처, 뉴로모픽 컴퓨팅, 운영 체제로서의 LLM, AI 간 통신, 촉감 홀로그래피, AI 기반 무선 접속 네트워크, 추세신호 기술군은 에이전틱 AI, AI 칩, AI 기반 칩 설계, 추론용 칩으로 구성되었다. 예년과 동일하게 델파이 조사 결과는 시각화 과정을 거쳐, 기술 시그널(약신호·부상신호·추세신호)과 미래 실현 시기(단기·중기·장기)를 한눈에 보여주는 형태로 설계되었다. 이를 통해 기술 변화의 방향성, 불확실성, 영향력의 상대적 크기를 직관적으로 파악할 수 있도록 하였다. 또한, 본 연구는 델파이 조사 결과를 보완하기 위해 데이터 기반 기술 전이 분석을 병행하였다. 2007년부터 2025년까지의 arXiv 데이터를 기반으로 논문 제목을 Sentence-BERT로 임베딩하고, K-means 클러스터링(k=100)을 수행하여 기술 주제의 연도별 의미 구조를 도출하였다. 이후 연속된 연도 간 클러스터 중심 벡터의 코사인 유사도를 계산하여 기술 전이(transition) 를 정의하였으며, 이를 통해 기술군의 생성(birth), 합병(merge), 소멸(death)을 시계열적으로 추적하고 약신호–부상신호–추세신호로 이어지는 전이 구조를 정량화하였다. 나아가, 본 연구는 약신호–부상신호–추세신호의 단계형 분류를 적용하여 약신호의 전이 구조를 시계열적으로 설명하였으며, 6대 주요 약신호 유망기술에 대한 심층 문헌조사를 병행함으로써 기존 점수 중심 정량기법 대비 예측의 해석가능성과 정책적 실효성을 향상시켰다. 또한, 약신호 조기 탐지 및 전환 예측 체계를 통해 R&D 투자 우선순위 설정, 기술 조기경보, 산업 전략 수립 등 정책·산업적 활용 가능성의 토대를 마련하였다. Executive Summary This study was conducted to address the growing complexity and uncertainty of future responses in the rapidly evolving digital technology landscape and to establish an early-detection framework centered on weak signals. The 2026 SPRi DaRT (Dynamic Radar for Trends and Signals) was derived by integrating Delphi-based expert assessments with data-driven transition analysis, providing a quantitative and visual representation of technological change over time. The SPRi DaRT 2026 identified 30 future signals through a multi-stage Delphi process consisting of preliminary surveys with futures-studies experts and main surveys with domain specialists. Candidates were drawn from major institutional foresight reports (EU, WEF, UNDP, Gartner), and evaluated for novelty, impact, and feasibility. Among the 100 candidate technologies, 30 key signals were finalized through iterative feedback and consensus. Compared to SPRi DaRT 2025, a total of 16 new concept technologies emerged. Among them, weak-signal technologies included quantum internet, decentralized AI alignment, and quantum sensing; emerging signals included quantum AI, large action models (LAMs), general-purpose AI robots, zero trust architecture, neuromorphic computing, LLMs as operating systems, AI-to-AI communication, haptic holography, and AI-radio access network (AI-RAN); and trend signals included agentic AI, AI chips, AI-assisted chip design, and chips for inference. To complement the Delphi findings, a data-driven transition analysis was performed using arXiv papers from 2007 to 2025. Paper titles were embedded via Sentence-BERT and clustered with K-means (k = 100), and cosine similarities between cluster centroids across years were used to trace technological birth, merging, and disappearance events. This approach quantified sequential flows from weak to emerging to trend signals, capturing the semantic continuity of technological evolution. Moreover, the three-stage signal classification—from weak to emerging to trend signals—enabled a dynamic interpretation of transition patterns over time. For six key weak-signal technologies, quantitative findings were supplemented with in-depth literature analysis, enhancing both the interpretability and policy relevance of the results beyond traditional score-based forecasting methods. This research establishes a foundation for early detection and transition prediction of weak signals, supporting strategic R&D investment prioritization, emerging-technology early-warning systems, and evidence-based industrial policy design.
본 보고서는 소프트웨어 정의 차량(SDV)과 자율주행 기술 확산에 따라, 자동차 안전의 중심이 기계적 하드웨어에서 소프트웨어 및 데이터로 급격히 이동하고 있다는 점에 주목한다. 특히 자율주행 및 첨단 운전자 보조 시스템(ADAS)의 상용화가 가속화되면서 전통적인 소프트웨어 기능안전 영역의 확대·재편성되고 있음을 확인한다. 연구는 대표적 자율주행 보조 시스템인 테슬라 오토파일럿(Autopilot) 을 핵심 사례로 삼아, 2019년 플로리다주의 정지 차량 충돌 사고와 이에 대한 2025년 플로리다 남부연방지방법원의 손해배상 판결(Barrett v. Tesla, Inc., Case No. 1:21-cv-21940-BB)을 분석하였다. 사고 당시 차량은 오토파일럿 모드로 주행 중이었으나 정지 차량을 인식하지 못했고, 자동긴급제동(AEB)이 작동하지 못한 상태에서 운전자의 부주의가 겹치며 제3자 보행자 사망 및 중상 피해가 발생하였다. 배심원단은 운전자 과실 67%, 테슬라 과실 33%를 인정하는 한편, 사고 데이터 미제출·은폐 의혹, 과장된 마케팅 등을 근거로 2억 달러의 징벌적 손해배상을 추가로 부과하였다. 이는 SAE 기준상 레벨 2(운전자 보조) 시스템에 대해서도 제조사가 예측 가능한 오사용 방지 의무와 정보 제공·데이터 투명성 의무 부담을 명시적으로 확인한 첫 사례라는 점에서 의미가 크다. 보고서는 오토파일럿 사고의 쟁점을 ISO 26262(기능안전), ISO 21448(SOTIF), ISO/PAS 8800(AI 안전) 등 국제 표준의 관점에서 해석한다. ISO 26262는 E/E 시스템 고장(Fault)을 전제로 안전무결성을 관리하는 반면, SOTIF는 센서 인식 한계·환경적 모호성·사용자 오용 등 결함 없는 상태에서도 발생하는 위험을 다루며, ISO/PAS 8800은 AI·ML 기반 알고리즘의 데이터 품질·모델 불확실성을 포괄하는 안전 프레임워크를 제시한다. 아울러 보고서는 UNECE R157(ALKS), R171(DCAS) 등 국제 규정도 함께 검토하였다. 결론적으로, 테슬라 오토파일럿 판결은 소프트웨어 안전이 더 이상 기술 내부의 “품질 이슈”가 아니라, 제조물 책임·징벌적 손해배상·데이터 투명성·AI 안전을 아우르는 종합적 리스크 관리 대상임을 보여준다. 생명·신체와 직결된 산업 전반에서 디지털 전환이 가속화될 때 최소 공통 SW 안전 요구사항으로서 「소프트웨어 안전에 관한 고시」와 같은 지침을 참고해야 할 것이며 나아가 Safety-Security 연계하는 ‘디지털 안전’ 차원의 거버넌스 검토 등을 시사점으로 제시한다. Executive Summary This report examines how the transition toward Software-Defined Vehicles (SDVs) and the growing adoption of autonomous driving and ADAS technologies are shifting automotive safety requirements from hardware-centered control to software- and data-driven risk management. As these systems expand in scope and complexity, software functional safety is being reorganized to address perception limits, human misuse, algorithmic uncertainty, and system-level interactions. The study analyzes Tesla’s Autopilot as a representative Level 2 driver-assistance system, focusing on the 2019 rear-end collision in Florida and the subsequent 2025 verdict by the U.S. District Court for the Southern District of Florida (Barrett v. Tesla, Inc., Case No. 1:21-cv-21940-BB). The Autopilot system failed to detect a stationary vehicle and the AEB did not activate, while the driver was momentarily inattentive, resulting in the death and injury of third-party pedestrians. The jury assigned 67% negligence to the driver and 33% to Tesla, and imposed punitive damages due to concerns regarding withheld crash data and misleading marketing. This case is significant as one of the first to affirm that even SAE Level 2 systems impose obligations on manufacturers regarding foreseeable misuse, adequate warnings, and operational transparency. The report interprets the case findings through international standards including ISO 26262 (Functional Safety), ISO 21448 (SOTIF), and ISO/PAS 8800 (AI Safety). ISO 26262 focuses on E/E system faults, SOTIF addresses risks that arise from functional insufficiencies without faults, and ISO/PAS 8800 extends safety management to AI/ML-based perception and decision models. The analysis also references relevant global regulations such as UNECE R157 (ALKS) and R171 (DCAS). Overall, the Autopilot verdict highlights that software safety has become a legal and regulatory issue linked to product liability, punitive damages, data transparency, and AI governance. As digital transformation accelerates in safety-critical sectors, it is essential to establish baseline software safety requirements?such as Korea’s “Guidelines for Assuring Software Safety” and to advance integrated Safety-Security governance frameworks that support emerging digital risks.
최근 산업의 고유한 문제를 해결하기 위한 소프트웨어인 산업특화 소프트웨어 시장이 빠르게 성장하고 있다. 2011년부터 2020년까지 10년 간 1.4배 성장하는데 그쳤으나, 2021년 이후 5년 사이 2.3배나 성장했다. 산업특화 소프트웨어의 시장 성장 동인을 (1)공급, (2)수요, (3)기술로 구분하여 2020년을 기점으로 어떤 변화가 있었는지 살펴보면 다음과 같다. 첫째, 시장 공급 관점에서 과거의 산업특화 소프트웨어 기업은 산업별로 명확히 구분되어 소프트웨어 기업의 타산업 진출 및 성장을 제한했다. 하지만 빅테크 기업을 중심으로 산업특화 클라우드 플랫폼(Vertical PaaS)을 제공하면서 클라우드 기반의 산업특화 소프트웨어(Vertical SaaS)를 제공하는 기업이 증가했고 산업간 경계가 희미해졌으며, 중소기업의 산업특화 소프트웨어 사용을 촉발하고 있다. 둘째, 시장 수요 관점에서 과거의 산업특화 소프트웨어는 대기업의 일부 부서에서 특정 문제를 해결하기 위한 보완적 도구로 활용된 반면, 소프트웨어 중심의 산업 패러다임(Software Defined X)이 전 산업으로 확장되면서 점차 기업의 경쟁력을 좌우하는 핵심 경쟁 무기로 탈바꿈하고 있다. 셋째, 기술 관점에서 그동안의 산업특화 소프트웨어는 특정 기업이 오랜 기간 시장을 독과점하면서 신규 사업자의 진입을 저해하고 기술 혁신을 위축시켜왔다. 하지만 2020년 이후 산업별 데이터를 학습하여 산업고유의 난제를 해결하는 AI 기반의 산업특화 소프트웨어 기업이 등장하면서 경쟁 환경이 역동적으로 변화하고 가치 혁신이 활발히 이뤄지고 있다. 다양한 환경에서 상이한 용도로 활용되는 산업특화 소프트웨어 사례를 분석하여 산업 경쟁력 강화의 원동력인 산업특화 소프트웨어 활성화를 위해 다음과 같은 정책적 제언을 도출했다./p> 우선, 대-중소기업의 산업특화 소프트웨어 활용 수준을 높이기 위해 산업특화 클라우드 활성화가 필요하다. 이를 위해 산업별 데이터 및 클라우드 플랫폼 구축, 클라우드 도입을 저해하는 제도의 개선, 중소기업 기업의 클라우드 활용 지원 정책 등을 고려해볼 수 있다. 또한 AI 기반의 산업특화 소프트웨어 개발을 촉진해야 한다. 이와 관련하여, 산업특화 AI 스타트업 육성 지원, AI 컴퓨팅 인프라의 운영관리에 필요한 기반 소프트웨어 기술력 제고, AI 기술력을 다양한 산업특화 소프트웨어 개발로 연결하기 위한 부처 간 긴밀한 협력 등이 필요하다. 끝으로 협력적 소프트웨어 혁신을 통해 산업 경쟁력을 높일 수 있는 기회를 제공해아 한다. 다수의 산업특화 소프트웨어에 탑재되는 공통 모듈의 통합 개발, 동종업계의 기업이 협력하여 산업특화 소프트웨어를 함께 개발하는 오픈소스 프로젝트 운영 등을 고려해볼 수 있다.
디지털 전환(DX)은 4차 산업혁명의 가속화, 글로벌 공급망 불안, 시장 불확실성 심화 속에서 기업 생존과 성장의 필수 전략으로 자리매김하였다. 이에 따라 기업들은 SW 투자 확대, AI·클라우드 등 SW 신기술 도입, 전문 SW 인력 확보에 집중하고 있으나, 단순한 자원 투입만으로 기대 성과를 달성하지 못하는 경우가 많다. 이는 DX 성과가 개별 요인의 효과뿐만 아니라, SW 투자, SW 신기술, SW인력의 상호작용 속에서 확대됨을 시사한다. 「2024년 SW융합실태조사」를 활용해 국내 1,126개 기업을 대상으로 구조방정식모형(SEM)을 적용한 실증 분석 결과, DX 성과의 핵심 요인은 SW 투자, SW 신기술, SW 인력으로 확인되었다. 세 요인은 각각 독립적으로 DX 성과에 긍정적 영향을 미치면서 동시에 상호 보완적 관계를 형성하였다. 특히 SW 인력은 SW 투자와 SW 신기술의 효과를 DX 성과로 연결시키는 매개 변수로 검증되었는데, 총효과는 직접효과 대비 약 1.4배 정도 확대되었다. 이는 SW 인력이 단순 개별 요인에 그치지 않고 나아가 자본과 기술을 실질적 성과로 전환하는 ‘가교’임을 보여준다. 더 나아가 기업의 인적 자원 구성, 특히 고급 R&D 인력(석·박사급) 비중은 자원의 효과성을 달리하는 조절 변수로 확인되었다. 다중집단분석 결과, 고급 R&D 인력이 상대적으로 많은 기업에서는 SW 투자의 효과가 강하게 발현되었고, 고급 R&D 인력이 상대적으로 적은 기업에서는 SW 신기술 도입 효과가 더 크게 나타났다. 이는 기업이 동일한 전략을 적용할 경우 효율성이 낮으며, 기업 특성과 인력 구조에 기반한 차별화된 인재 전략이 필수적임을 보여준다. 즉, R&D 중심 기업은 고급 인력 유지와 심층적 연구개발을 뒷받침하는 안정적 투자가, 기술 도입·활용 중심 기업은 최신 SW 신기술 도입을 통한 인재 유인과 역량 강화가 핵심 전략임이 도출되었다. 따라서 DX 성공은 곧 맞춤형 인재 전략 수립에서 출발한다. 기업은 자사의 비즈니스 모델과 인력 구조를 면밀히 진단한 후, 실무형 인재 역량 강화가 필요한지, 고급 인재 확보 및 유지가 중요한지를 구분하여 차별화된 전략을 추진해야 한다. 정부는 기업 유형별로 실무형 인재 공급 확대, 고급 인재 연구개발 지원, 세제 혜택 및 규제 완화 등 구체적이고 맞춤형 지원책을 설계해야 한다. 더 나아가 정부와 기업은 공동 R&D와 실전형 인재 양성을 양대 축으로 협력하여, 국가 차원의 SW 인재 선순환 생태계를 구축해야 한다. 이는 DX 성과를 지속적으로 확대하고, 산업 전반의 혁신과 글로벌 경쟁력 강화를 동시에 달성할 수 있는 핵심 기반이다. Executive Summary Digital Transformation (DX) has emerged as an essential strategy for corporate survival and growth amid the acceleration of the Fourth Industrial Revolution, global supply chain instability, and heightened market uncertainties. In response, companies have expanded software (SW) investment, adopted emerging SW technologies such as AI and cloud, and sought to secure specialized SW talent. However, many firms fail to achieve expected outcomes through resource input alone, indicating that DX performance is shaped not only by individual factors but also amplified through the interaction of SW investment, SW new technologies, and SW workforce. Based on the 2024 SW Convergence Survey of 1,126 firms, empirical analysis using Structural Equation Modeling (SEM) identified SW investment, SW new technologies, and SW workforce as the three core drivers of DX performance. Each contributes positively on its own while forming mutually complementary relationships. Among them, the SW workforce was empirically verified as a mediating factor that connects and amplifies the effects of SW investment and SW new technologies, with total effects expanding to about 1.4 times greater than direct effects. This shows that the SW workforce is not a mere standalone factor but rather a bridge that transforms capital and technology into tangible outcomes. Furthermore, the composition of human resources—particularly the proportion of highly qualified R&D personnel (Master’s and PhD holders)—was confirmed as a moderating factor that alters the effectiveness of resource inputs. Multi-group analysis revealed that firms with relatively more advanced R&D personnel benefited more strongly from SW investment, while firms with relatively fewer advanced personnel derived greater impact from adopting new SW technologies. This demonstrates that applying a uniform strategy across firms is inefficient, and that differentiated talent strategies tailored to organizational characteristics and workforce structure are essential. Specifically, R&D-intensive firms should focus on stable investment to retain top-tier talent and support deep research activities, while technology-adoption-oriented firms should emphasize the introduction of cutting-edge SW technologies to attract and develop skilled professionals. Therefore, successful DX begins with the establishment of customized talent strategies. Firms must thoroughly assess their business models and workforce composition to determine whether strengthening field-oriented talent or securing and retaining advanced R&D personnel should be prioritized. Governments, in turn, should design concrete and tailored support policies, such as expanding the supply of practical talent, promoting advanced R&D activities, and providing tax incentives and regulatory flexibility. Beyond this, joint initiatives between government and industry—focused on collaborative R&D and practice-oriented talent development—are essential to building a national virtuous cycle ecosystem for SW talent. Such an ecosystem will provide the foundation for sustaining DX performance, driving innovation across industries, and simultaneously enhancing global competitiveness.
이 보고서에서는 인공지능(AI)이 과학 연구의 전 과정에 가져온 혁신적 변화를 분석하여, AI 기반 연구 패러다임의 특성과 각 연구 단계별 활용 사례, 정책적 시사점을 제시하고자 하였다. AI는 경험, 이론, 계산, 데이터 주도에 이은 제5의 과학혁명의 핵심 동력으로, 인간 연구자의 인지적 한계를 보완하고 지식 창출 과정 자체를 재정의하고 있다. 특히 AI는 방대한 데이터에서 패턴을 발견하고, 학제 간 경계를 넘나드는 지식 연결을 수행하며, 가설 생성부터 실험 수행, 데이터 분석에 이르는 연구 전 주기를 통합적으로 지원하는 지능형 연구 동반자로 진화하고 있다. 이러한 변화는 연구의 속도와 규모를 기하급수적으로 확장시켰을 뿐만 아니라, 연구 접근성을 높여 고가 장비나 전문 지식 없이도 첨단 연구에 참여할 수 있는 환경을 만드는데 기여하고 있다. 나아가 AI는 장기간 미해결로 남아있던 과학적 난제들을 해결하고, 인간이 상상하지 못한 새로운 연구 영역을 개척하며, 실시간 글로벌 협업을 가능케 하는 연구 인프라로 자리잡고 있다. 이에 대응하여 우리나라도 산업경쟁력의 원천인 과학기술 분야의 연구 효율성 제고와 세계적 연구 성과를 달성하는데 AI를 적극 활용하는 정책 기반을 구축해 가야한다. 이를 위해 AI 주도의 연구 패러다임을 재정립하고, 연구 단계별 AI 활용 가능성을 다방면으로 탐색할 필요가 있다. 아울러, AI의 기술적 한계와 오류 가능성에 대한 명확한 인식과 올바른 연구 윤리를 바탕으로 연구 현장에 활용할 수 있도록 정책적, 기술적 지원이 수반되어야 한다. 이를 바탕으로 과학기술 연구의 새로운 ‘운영체제’로서 과학기술 특화 AI 모델 개발, 연구 데이터 및 인프라 공유, 연구 산출물의 신뢰성 검증 기술 개발을 병행에 안전하고 믿을 수 있는 모두를 위한 과학 기술 AI (AI for Science & Technology) 실현 환경을 선도적으로 구현해야 할 것이다. Executive Summary This report aims to analyze the transformative changes that artificial intelligence (AI) has brought to the entire scientific research process, presenting the characteristics of AI-driven research paradigms, use cases at each research stage, and policy implications. AI serves as the core driving force of the fifth scientific revolution following empirical, theoretical, computational, and data-driven approaches, complementing the cognitive limitations of human researchers and redefining the knowledge creation process itself. In particular, AI is evolving into an intelligent research companion that discovers patterns in vast datasets, performs knowledge connections across interdisciplinary boundaries, and provides integrated support throughout the entire research cycle from hypothesis generation to experimentation and data analysis. These changes have not only exponentially expanded the speed and scale of research but have also contributed to creating an environment where cutting-edge research can be conducted without expensive equipment or specialized expertise by enhancing research accessibility. Furthermore, AI is establishing itself as a research infrastructure that solves long-standing scientific challenges, pioneers new research domains beyond human imagination, and enables real-time global collaboration. In response, South Korea must also establish a policy foundation that actively utilizes AI to enhance research efficiency in science and technology—the source of industrial competitiveness—and achieve world-class research outcomes. To this end, it is necessary to reestablish AI-driven research paradigms and explore the possibilities of AI utilization across various research stages. Additionally, policy and technical support must be provided to ensure proper application in research settings, based on a clear understanding of AI's technical limitations and potential for errors, as well as sound research ethics. Building on this foundation, we must proactively implement a safe and reliable AI for Science & Technology environment for all by developing science and technology-specialized AI models as the new 'operating system' for scientific research, sharing research data and infrastructure, and developing reliability verification technologies for research outputs.
최근 세계 AI 시장이 빠르게 성장하고 AI 관련 제품과 서비스의 혁신이 활발하게 진행되는 가운데, 주요 AI 기업 및 국가 간 기술 경쟁 역시 치열하게 전개되고 있다. 한편 AI 분야에서 국가 간 협력 및 투자의 중요성이 증대되고 있으며, 기업 간 투자·협력 역시 Microsoft가 OpenAI에 투자, Google이 Anthropic으로 투자한 사례와 같이 기업 간 투자 네트워크가 확대되고 있다. 보고서는 국가 간 벤처캐피탈(VC) 투자 흐름을 분석함으로써, 글로벌 협력을 활발히 진행하는 국가들의 특성을 도출하고, 정책적 시사점을 제시하였다. 분석 결과, 미국은 AI 분야 VC 투자에서 압도적인 비중을 차지하고 있다. 미국과 중국은 VC 투자에 있어 자국 중심적이다. 한편, 영국, 캐나다, 이스라엘은 미국으로부터의 자본 유치와 해외 투자 비중이 높으며, 영국 및 EU 국가는 AI 분야 해외 투자 비중이 높아 상호 협력 중심의 구조를 보이고 있다. 또한, 공통적으로 우수한 AI 인재에 의해 창업된 AI 기업이 적극적으로 VC 투자 유치에 성공하면서, 국가의 대표적인 소버린 AI 기업으로 성장하는 사례가 등장하고 있다. 상대적으로 한국의 해외 투자 유치 비중은 다른 국가에 비해 낮은 상황이다. 그러나 트웰브랩스, 업스테이지, 노타AI 등 국내 유망 스타트업의 해외 투자 유치와 협력 사례가 등장하기 시작했다. 2025년 정부는 글로벌 AI 3대 강국 도약을 위해 민관의 적극적인 투자를 강조하고 있으며, 특히 AI 등 첨단산업을 위한 국민성장펀드 조성 계획을 발표함에 따라 우리나라의 AI 산업의 성장이 기대되고 있다. 결론적으로, 글로벌 협력을 통한 투자 자본 확보를 통한 기업 생태계 활성화는 AI 강국 도약의 선결 과제다. 이를 위해 AI 기업 육성을 위한 투자금 확대, 규제 혁신 인센티브, 해외 진출 및 공동 연구 지원 등이 병행되어야 한다. 이를 통해 AI 3대 강국 공약 달성은 물론 우리나라의 AI 기술 경쟁력을 글로벌 수준으로 제고하는 노력이 필요하다. Executive Summary As the global AI market rapidly grows and innovation in AI-related products and services continues, technological competition among major AI companies and countries is also intensifying. Meanwhile, the importance of international cooperation and investment in the AI field is increasing, and inter-company investment and collaboration is expanding through corporate investment networks. This report analyzes cross-border venture capital (VC) investment flows, identifies the characteristics of countries actively pursuing global collaboration, and presents policy implications. The analysis reveals that the United States accounts for an overwhelming share of VC investment in the AI sector. The United States and China are both highly domestically focused on VC investment. Meanwhile, the United Kingdom, Canada, and Israel attract significant capital and foreign investment from the US, a leading AI country. The United Kingdom and EU countries also exhibit a high proportion of overseas investment in AI, demonstrating a structure centered on mutual cooperation. Furthermore, there are examples of AI startups founded by outstanding AI talent actively attracting VC investment and growing into leading national AI companies. Currently, Korea's share of foreign investment is relatively low compared to other countries. However, promising domestic startups, such as Twelve Labs, Upstage, and Nota AI, are beginning to attract overseas investment and collaborate. Furthermore, with the government announcement of a plan to establish a national growth fund for cutting-edge industries such as AI, the growth of Korea's AI industry is expected. In conclusion, securing investment capital through global collaboration and revitalizing the corporate ecosystem are prerequisites for Korea's leap to becoming an AI powerhouse. To achieve this, increased investment in fostering AI companies, regulatory innovation incentives, and support for overseas expansion and joint research should be implemented. Furthermore, efforts are needed to not only achieve the goal of becoming the third level of countries in AI, but also elevate AI technology competitiveness of Korea.
경기도 성남시 분당구 대왕판교로 712번길 22 글로벌 R&D센터 연구동 B 4층 개인정보처리방침
Copyright © 2014-2021 By Software Policy & Research Institute.
All rights reserved.
|
|
| 항목 | 수집목적 | 보유기간 |
|---|---|---|
| 이메일 | SPRi 뉴스레터 발송, 신규 콘텐츠, SPRi 소식 등 제공 | 수신거부 시 까지 |
|
|
