지난 7월 EU의 공급망 실사 지침(CSDDD·Corporate Sustainability Due Diligence Directive)과 같은 글로벌 규제 강화와 더불어, 소비자와 투자자의 ESG 요구가 증가함에 따라 기업들은 지속가능한 경영을 선택이 아닌 필수적인 생존 전략으로 채택하는 추세다. 디지털 전환을 주도하는 SW산업에서도 ESG 경영의 필요성이 제기되고 있다. SW산업은 데이터 보안, 탄소배출 관리, 사회적 책임 등 다양한 ESG 이슈와 직결되어 있어 이에 대한 체계적인 대응이 필수적이다. SW기업의 효과적인 ESG 경영을 위해서는 이들이 EGS 경영에 대해 가진 인식과 현황을 명확하게 파악하고 산업 특성에 부합하는 ESG 경영전략을 수립하는 과정이 필요하다. 이에 본 보고서는 그동안 이루어지지 않았던 SW기업을 대상으로 한 ESG 경영 실태조사를 바탕으로 SW기업의 ESG 현황을 분석하고 SW기업의 ESG 경영전략 수립을 모색하였다. 이를 위해 한국소프트웨어산업협회(KOSA)에서 실시한 ‘소프트웨어 분야 ESG 경영 실태 및 인식 조사’ 결과를 기반으로 국내 SW기업의 ESG 경영 현황을 검토하였다. 구체적인 항목으로는 SW기업의 ESG 경영 인식(ESG 개념, ESG 경영의 필요성, ESG 경영의 지속가능경영 기여), ESG 경영 추진(ESG 경영전략 수립, ESG 경영 담당 조직 및 별도 임원 유무, ESG 경영 추진 여부, ESG 경영 중점 추진 분야 및 추진 이유), ESG 경영 지원(애로사항, 지원 필요사항, 지원 수혜 사례) ESG 경영 평가(개념 및 필요성, 경험, 평가를 받은 이유, 평가 지표에 대한 인식)이 포함되었다. 이후 SW기업의 ESG 경영 실태를 바탕으로 한 SWOT-Mix 분석을 통해 SW기업이 보유한 내부 강점과 약점, 외부 기회와 위협을 고려한 맞춤형 EGS 경영전략을 도출하였다. 이를 통해, 디지털 기술을 활용한 ESG 솔루션 개발과 같은 기업의 노력과 SW산업의 특성을 반영한 평가 지표 개발, 중소 SW기업의 ESG 경영 인프라 구축 지원 등과 같은 정책이 병행되어야 함을 시사한다. Executive Summary With the rise of global regulations, including the EU’s Corporate Sustainability Due Diligence Directive (CSDDD), alongside increasing ESG expectations from consumers and investors, companies now see sustainable management as an essential survival strategy. The software industry, a leader in digital transformation, faces particular ESG demands due to its connection with key issues such as data security, carbon emissions, and social responsibility, making systematic ESG management vital. This report, based on the "Survey on ESG Management Status and Awareness in the Software Sector" conducted by the Korea Software Industry Association(KOSA), provides an analysis of the ESG status among software companies and identifies pathways to establish customized ESG strategies. The survey examines areas such as ESG awareness (concept, necessity, contribution to sustainable growth), management practices (strategy development, organizational roles, and primary focus areas), support requirements, and evaluation experiences. Following this, a SWOT-Mix analysis was performed to derive strategic insights that address internal strengths, weaknesses, and external opportunities and threats. The findings underscore the importance of policies that support ESG solutions leveraging digital technology, the creation of assessment metrics tailored to the software industry’s unique attributes, and building ESG infrastructure for small and medium-sized software firms. Through these measures, the software sector can better integrate sustainability into its core operations and meet the growing demands for responsible management.

2024년 한국 소프트웨어(SW) 시장은 패키지SW, IT서비스, 게임SW를 포함해 약 44조 원 규모로 성장하였다. 그러나 해외진출 기업의 비중은 약 3%로 낮고, 특히 패키지SW와 IT서비스 분야에서 해외진출은 미미한 수준이다. 이에 정부는 SW 프런티어 프로젝트와 같은 다양한 해외진출 지원사업을 추진하고 있다. 본 연구는 이러한 한국 SW산업의 해외진출 현황과 정부지원사업의 개선 방안에 대해 다루고자 하였다. 2장에서는 SW산업 실태조사 결과를 이용해 국내 SW기업들의 해외진출 동향을 분석하였으며, 이어서 3장에서는 정부에서 운영하고 있는 해외진출 지원사업을 조사하여 유형화 하였다. 주요 지원 방식으로는 단일형(특정 목적에 대한 지원)과 복합형(맞춤형 종합 지원)이 있으며, 수출바우처 사업, 글로벌 SaaS 육성 프로젝트 등이 대표적이다. 이러한 분석 결과 SW기업들이 해외진출에서 겪는 주요 애로사항으로 규제차이등(인증/계약), 현지시장정보 부족, 현지 네트워크 접근역량 부족 등이 증가하고 있음을 도출하였다. 이를 해결하기 위해 정부는 맞춤형 지원을 강화해야 하며, SW산업 특성에 맞는 다양한 지원사업을 마련할 필요가 있다. 특히, 게임SW, 패키지SW, IT서비스 등 각 분야의 특성에 맞춘 지원이 필요하다. 왜냐하면 분야 별로 해외진출의 방식과 특성이 다른데, 게임SW는 독자 진출과 온라인 서비스 활용이 중요하며, 패키지SW와 IT서비스는 현지기업과의 협력이 매우 중요한 특성이 있다. 본 연구는 이러한 차이를 반영해 각 분야별로 적합한 맞춤형 지원을 제공해야 함을 강조하고 있다. 정부는 재정지원, 현지화 및 마케팅, 기술/인증 등 다양한 지원을 확대해 SW기업이 글로벌 시장에서 경쟁력을 갖추고 지속적인 성장을 이루도록 해야 할 것이다. Executive Summary In 2024, the South Korean software (SW) market has grown to approximately 44 trillion KRW. However, the proportion of companies expanding overseas remains low at around 3%, with particularly minimal expansion in the package SW and IT services sectors. To address this, the government is promoting various overseas expansion support initiatives, such as the SW Frontier Project. This study aims to examine the current status of overseas expansion in the Korean SW industry and explore ways to improve government support systems. In Chapter 2, the study analyzes the trends in overseas expansion of domestic SW companies. Chapter 3 categorizes the government’s overseas expansion support programs, identifying key types of support, including single-focus programs (support for specific areas) and comprehensive programs (tailored, multi-faceted support), with the ‘Export Voucher Program’ and the ‘Global SaaS Development Project’ as representative examples. The analysis reveals that major challenges faced by SW companies in their overseas expansion include regulatory differences (such as certifications and contracts), lack of local market information, and limited access to local networks. To address these issues, the government must strengthen tailored support and develop diverse support programs that align with the specific needs of the SW industry. Particularly, support must be customized to the characteristics of different sectors, such as game SW, package SW, and IT services. Likewise, this study emphasizes the importance of providing customized support for each sector, reflecting these differences. The government should expand its financial support, localization marketing, and technical certification programs to help SW companies enhance their competitiveness and achieve sustainable growth in the global market.

B2B 소프트웨어(SW)의 발전과 신기술의 융합은 산업 메타버스로의 진화를 촉진하고 있다. 기존에 공급망 관리(SCM), 전사적 자원관리(ERP) 등 B2B SW는 주로 기업 간 상호작용과 업무 효율화에 중점을 두었지만, 최근 인공지능(AI), 빅데이터, 사물인터넷(IoT) 등의 기술과 통합되면서 의사결정 지원과 업무 자동화가 더욱 고도화되고 있다. 또한, 이는 가상과 현실세계를 연결하는 확장현실(XR), 디지털트윈(DT) 같은 기술과 결합하면서 산업 메타버스라는 새로운 패러다임이 형성되고 있다. 산업 메타버스는 가상 공간에서 공장 운영, 제품 설계, 직원 교육 등을 가능하게 하여 현실 산업의 디지털화를 촉진하고 있다. 이는 제조, 물류, 의료 등 다양한 산업에서 활용될 수 있으며, 생산성 향상과 비용 절감 등의 실질적 성과를 창출하면서 2030년까지 약 1,000억 달러 규모로 성장할 것으로 예상된다. 산업 메타버스는 물리적 세계와 디지털 세계의 융합을 통해 가상 환경에서 현실 문제를 해결하고 산업 효율성을 높이는 기술로 이해할 수 있다. 가상 시뮬레이션, 원격 모니터링, 가상 제품 시연, 협업 등을 통해 생산성 향상, 비용 절감, 교육 및 훈련 효율성 증대를 가능하게 한다. 글로벌 빅테크 기업들은 산업 메타버스 플랫폼 선점, 기업 간 파트너십 및 레퍼런스 확보를 통해 생태계를 구축하고 있다. 국내에서도 제조, 국방, 제약 등 다양한 분야에서 도입 사례가 창출되기 시작하고 있으며, 수요기업과 공급기업 간 협력도 가시화되고 있다. 중장기적으로 산업 메타버스 관련 초기 투자와 협력이 증가하고, AI와 XR 등의 기술 발전을 통해 다양한 산업에서 활용이 확대되며, 직원 재교육과 환경적 고려, 그리고 경영진과 직원의 기술 역량 강화가 중요해질 전망이다. 제조업에 특화된 산업 메타버스 플랫폼의 경우, 기술 발전과 AI 융합으로 맞춤형-대량 생산 특화 기능들이 요구되는 방향으로 발전할 것으로 예상된다. 산업 메타버스 도입 활성화를 위해서는 사례 확산, 생태계 구축, 플랫폼 개발, AI 융합, 인력 양성이 중요하다. 첫 번째로, 제조, 의료, 에너지 등 다양한 산업에서 성공 사례를 발굴하고 이를 확산해야 한다. 기술 성숙도와 조직의 수용도를 고려하여 도입 장애를 줄이고, 정부는 도입 초기의 어려움을 해결할 가이드라인과 재교육 지원을 제공할 필요가 있다. 두 번째로, 중소기업의 산업 메타버스 도입 부담을 줄이기 위해 디지털 트윈, XR 등 신기술 도입 지원, 전문 인력 육성, 컨설팅 지원 등이 필요하다. 세 번째로, XR, AI, IoT 등 여러 기술이 융합되므로 다양한 기술 기업 간의 협업이 필수적이다. 정부는 기업, 연구기관, 학계 간 협력을 조율하여 상호 운용 가능한 생태계를 구축해야 한다. 네 번째로, 제조업에 특화된 산업 메타버스 플랫폼을 개발하여 기업들이 쉽게 활용할 수 있도록 제공해야 한다. 다섯 번째로, 산업 메타버스와 AI 융합을 촉진하기 위해 연구개발 지원, 파일럿 프로젝트 운영, 민관 협력 촉진 등 다양한 측면의 지원 제공이 필요하다. 여섯 번째로, 전문 인력 양성을 위해 교육 프로그램 개발 및 산학 협력을 강화하고 재직자 교육과 연구개발 인력 양성도 지원할 필요가 있다. Executive Summary The advancement of B2B SW and the convergence of new technologies are accelerating the evolution toward the industrial metaverse. Traditionally, B2B software like SCM and ERP focused on improving efficiency and interactions between businesses, but recently, the integration of technologies such as AI, big data, and IoT has led to more sophisticated decision-making support and automation. Additionally, the combination of these technologies with XR and digital twin, which bridge the virtual and real worlds, has created a new paradigm called the industrial metaverse. The industrial metaverse facilitates the digital transformation of real-world industries by enabling factory operations, product design, employee training, and more within virtual spaces. This technology is expected to be utilized in various sectors, including manufacturing, logistics, and healthcare, driving real-world improvements such as increased productivity and cost reduction. By 2030, the industrial metaverse is projected to grow into a market worth approximately $100 billion. The industrial metaverse can be understood as a technology that merges the physical and digital worlds, solving real-world challenges and enhancing industrial efficiency within virtual environments. Through virtual simulations, remote monitoring, virtual product demonstrations, and collaboration, it enables increased productivity, cost savings, and improved efficiency in education and training. Global big tech companies are building ecosystems by securing industrial metaverse platforms, forming partnerships between businesses, and gaining references. In South Korea, adoption cases are emerging in sectors like manufacturing, defense, and pharmaceuticals, with visible cooperation between demand-side and supply-side companies. In the mid to long term, early investments and collaborations related to the industrial metaverse are expected to increase, with the expansion of its use across various industries due to the advancement of technologies like AI and XR. In this context, employee reskilling, environmental considerations, and the enhancement of technical expertise among management and employees will become critical. For industrial metaverse platforms specialized in manufacturing, advancements in technology and the fusion with AI are anticipated to drive the demand for features tailored to mass customization. To promote the adoption of the industrial metaverse, it is essential to expand case studies, build ecosystems, develop platforms, integrate AI, and train skilled personnel. First, successful cases in various industries such as manufacturing, healthcare, and energy should be identified and disseminated. By considering the maturity of technology and organizational readiness, adoption barriers can be reduced, and the government should provide guidelines and retraining support to address initial challenges. Second, to ease the adoption burden on small and medium enterprises (SMEs), support for implementing new technologies like digital twins and XR, workforce development, and consulting are needed. Third, as multiple technologies such as XR, AI, and IoT converge, collaboration among diverse tech companies is essential. The government should coordinate partnerships among businesses, research institutes, and academia to establish an interoperable ecosystem. Fourth, an industrial metaverse platform tailored to manufacturing should be developed to enable easy access for businesses. Fifth, to foster the integration of the industrial metaverse with AI, a variety of support measures are required, including research and development funding, pilot projects, and public-private collaboration. Lastly, to develop a skilled workforce, the creation of specialized training programs, stronger academia-industry cooperation, as well as employee training and R&D talent development, are crucial.

최근 몇 년간 인공지능(AI) 기술의 발전은 챗GPT의 출시 이후 거대 언어 모델(LLM) 개발 경쟁을 거치며 가속화되었다. 현재 공개된 AI 모델들의 성능은 특정 분야에서는 이미 인간의 능력을 뛰어넘었고, 이에 따라 활용 범위 또한 급격히 확장되었다. 특히 생성 AI를 기반으로 하는 범용 AI는 제조, 의료, 금융, 교육 등의 여러 산업 분야에서 활용되고 있다. 하지만, AI 기반의 서비스들이 다양한 이점을 제공하는 한편, 고성능 AI에 대한 접근성의 향상으로 인해 새로운 위험에 대한 우려 또한 증가했다. 이에 따라, 기존 AI 신뢰성, 책임성, 윤리 등의 논의와 더불어, ‘AI 안전’이 더욱 중요해졌다. 악의적인 사용, 오작동과 같은 위험들이 실제 피해까지 야기하고 있는 만큼, AI의 안전 확보를 위한 대응책 마련이 시급해진 상황이다. 앞으로 등장할 더 강력한 성능을 가진 프론티어 AI 모델은 의도치 않은 결과의 도출, 제어 불가, 사회적 악영향 등 여러 잠재적인 위험을 포함할 가능성이 높아, 규제와 지침 마련을 비롯하여 다양한 국제적 노력이 이루어지고 있다. 각 국의 정부, 기업 등 이해관계자들은 AI의 안전성을 확보하기 위해, 위험을 식별하여 평가 기준을 마련하고, 안전한 AI 개발 및 배포와 위험 대응책을 마련하기 위해 노력하고 있다. 최근 연구들에서는 사고 사례나 발생 가능한 시나리오에 따른 위험들을 분류하여 제시하고 있다. 하지만, 연구마다 다양한 위험 분류 체계를 제시하고 있어, 합의된 AI 안전 평가 체계를 마련하기에는 아직 더 많은 논의가 필요한 상황이다. 미국, 영국, 일본 등은 AI 시스템의 안전성 확보를 위해 AI 안전연구소를 통해 AI 안전 및 위험 연구, 위험성 평가, 안전한 AI 개발·구현을 위한 기준 마련 등의 기능을 수행 중이다. 대표적으로 AI 위험 관리 프레임워크(美), AI 안전에 관한 과학 보고서(英) 등을 통해 AI의 위험에 대한 대응 방안을 제시하고 있으며, 한국도 설립될 AI 안전연구소를 통해 AI 안전 수요에 대응할 예정이다. 본 보고서에서는 AI 안전과 관련된 개념을 정리하고, 최근 수행된 연구들이 제시하고 있는 AI 위험 유형 및 요인을 정리하여, 사례와 함께 분석함으로써 앞으로의 AI 위험 대응에 관한 정책적 시사점을 제공하고자 한다. Executive Summary Advancements in artificial intelligence (AI) technology have accelerated, particularly following the launch of ChatGPT, which has triggered a competitive race in the development of large language models (LLMs). The performance of currently available AI models has already surpassed human capabilities in certain domains, leading to a rapid expansion in their areas of application. General-purpose AI, especially those based on generative AI, is now being utilized across various industries, including manufacturing, healthcare, finance, and education. However, while AI-based services offer numerous benefits, the increased accessibility of high-performance AI has also raised concerns about new risks. As a result, alongside existing discussions on AI reliability, accountability, and ethics, "AI safety" has become an increasingly critical issue. Given that risks such as malicious use and malfunctions are already causing real harm, there is an urgent need for measures to ensure AI safety. Governments, corporations, and other stakeholders are working to ensure the safety of AI by identifying risk factors, establishing evaluation criteria, and developing measures for the safe development and deployment of AI, as well as for responding to potential risks. Recent studies have classified risk factors based on accident cases and possible scenarios. However, since each study presents different classification, further discussion is needed to establish a common AI safety evaluation framework. The United States, the United Kingdom, and Japan are addressing safety of AI through dedicated agency, which focus on AI risk research, risk assessments, and the development of standards for the safe creation and implementation of AI systems. Notable examples include the AI Risk Management Framework (USA) and the Science Report on AI Safety (UK), both of which propose strategies for addressing AI-related risks. Korea also plans to address AI safety demands through the establishment of its own AI safety institute. This report aims to organize the concepts related to AI safety, summarize the risk factors identified in recent studies, and analyze these factors along with real-world cases to offer policy implications for future AI risk response strategies.

오픈소스 개발 방식을 도입한 깃허브 사용자 수가 1억 명을 넘어서고 깃허브 활용 조직의 수가 400만 개를 넘어섰으며, 오픈소스 프로젝트 수도 지속적으로 성장하면서 오픈소스 생태계가 꾸준히 성장하고 있다. 오픈소스 생태계 성장 배경에는 글로벌 기업의 기술적 기여와 재정적 후원이 있었기 때문이다. 리눅스 재단 보고서에서 전체 오픈소스 기여자의 약 88%가 기업과 연관있는 개발자이었으며, 2006년 이후 리눅스 커널 개발 활동에서 기업 비중은 약 75%를 차지하고 있었다. 그리고, 가장 활성화된 오픈소스 재단인 리눅스 재단의 경우 재단 수익의 45%가 기업의 연회비이었으며, 기업들은 행사 후원 등을 포함하여 오픈소스 활성화를 위한 다양한 지원을 제공하고 있다. 그 결과 소프트웨어 생태계에서 오픈소스 선호 비중이 증가하고 있으며 오픈소스 서비스 시장은 2028년 752억 달러에 이를 것으로 전망될 정도로 오픈소스의 산업적 영향력이 계속 커져가고 있다. 실제로 오픈소스 운영체제인 리눅스 커널은 모바일, 서버, 슈퍼컴, 클라우드 분야에서 압도적 영향력을 가지고 있으며, 데이터베이스 분야에서 오픈소스 비중은 절반을 넘어섰다. 또한, 인공지능, 클라우드, 블록체인 등의 SW 신기술 분야에서 오픈소스 전문기업들이 증가하며 영향력을 키우고 있다. 오픈소스의 산업적 영향력 확대로 오픈소스 생태계의 경제적 효과를 새로운 관점에서 분석하는 보고서들이 유럽(EU), 영국, 미국에서 최근 발표되고 있다. 이에 본 보고서는 크런치베이스에서 Open Source Companies로 분류된 기업들의 8개월간(‘23년 8월 ~ ’24년 4월) 변화를 조사하여 최근 증가하고 있는 글로벌 오픈소스 전문기업 현황을 분석하였다. 분석 결과, 오픈소스 전문기업들은 유럽, 북미, 아시아를 중심으로 증가하였고 특히 2021년 이후 증가량이 커지고 있었다. 8개월간 변화에서 추정 매출(Estimated Revenue)과 종사자 수(Number of Employees)가 증가하며 기업 규모가 성장하는 것으로 판단되었다. 그리고 오픈소스 전문기업에 대한 투자가 창업(Seed) 투자를 중심으로 증가하고 있었으며, 연도별 투자 현황에서 2021년 이후 크게 증가하는 것으로 분석되었다. 그리고 운영 중단(Closed) 기업의 투자 정보에서 M&A 비중이 64.3%를 차지하면서, M&A가 오픈소스 전문기업의 운영 중단에 큰 비중을 차지하며 기업 청산보다 투자금 회수에 다소 유리하다고 판단된다. 마지막 시사점으로 오픈소스 생태계 확산을 3 단계(1. SW 개발자, 2. 빅테크 기업, 3. 오픈소스 전문기업)로 구분하였으며, 글로벌 오픈소스 생태계 변화에 맞춰 오픈소스 사업화 문화 확산을 위한 오픈소스 전문기업 육성 및 글로벌 오픈소스 생태계 참여 지원 필요성을 제기하였다. Executive Summary The number of users of GitHub, which adopted the open source development method, has exceeded 100 million, the number of organizations utilizing GitHub has exceeded 4 million, and the number of open source projects has also continuously grown, so the open source ecosystem grows steadily. The background of the open source ecosystem growth is based on the technical contributions and financial support of global companies. According to the Linux Foundation report, approximately 88% of all contributors were developers related to companies, and since 2006, companies have accounted for approximately 75% of Linux kernel development activities. In the case of the Linux Foundation which is the most active open source foundation, 45% of the foundation's revenue came from corporate membership fees, and companies provided additional supports for open source activation including event sponsorship. As a result, the preference for open source in the software ecosystem is increasing, and the open source service market is expected to reach $75.2 billion by 2028, which is how the industrial influence of open source is growing. For example, the Linux kernel, an open source operating system, has an overwhelming influence in the mobile, server, supercomputer, and cloud sectors, and then the proportion of open source in the database sector has exceeded half. In addition, open source companies are increasing and increasing their influence in new SW technologies such as artificial intelligence, cloud, and blockchain. As the industrial influence of open source expands, reports analyzing the economic effects of the open source ecosystem from an industrial perspective are being published in Europe (EU), the UK, and the US. So, this report analyzed the changes in the status of global open source specialized companies, which have been increasing recently, over the past eight months (August 2023 to April 2024) classified as Open Source Companies by Crunchbase. The analysis results show that open source specialized companies have increased mainly in Europe, North America, and Asia, then the increase has been increasing since 2021. Looking at the changes over the eight months, it was determined that the estimated revenue and number of employees have increased, indicating that the company size is growing. And, investment in open source specialized companies has been increasing mainly in seed investments, and the annual investment status shows that it has increased significantly since 2021. As the proportion of M&A in the investment information of closed companies accounts for 64.3%, it can be seen that M&A has a great impact on the closed operation of open source specialized companies and is advantage for recovering investment funds than liquidating the company. As a final implication, the expansion of the open source ecosystem is divided into three stages (1. SW developers, 2. Big tech companies, 3. Open source specialized companies), and the need to foster open source specialized companies and support participation in the global open source ecosystem to spread the open source commercialization culture in line with these changes in the global ecosystem is raised.

본 연구는 디지털 전환(DX) 발전 유형에 따른 기업 맞춤형 정부 지원 방향을 제시하는것을 목적으로 한다. 이를 위해 최근 3년간 9개 주요 산업에 속한 1,181개 국내 기업을 대상으로 수집된 SW융합실태조사 데이터를 분석하였다. 분석은 디지털 전환을 촉진하는 주요 요인인 인력, 투자, 기술 수준을 중심으로 이루어졌으며, 이를 바탕으로 기업들을 네 가지 군집으로 분류하였다. 각 군집은 디지털 전환 수준에 따라 ‘DX 선도군’, ‘기술 주도 DX 발전군’, ‘신기술 활용 DX 발전군’, ‘DX 준비군’으로 정의하였다. DX 선도군은 SW R&D 투자 비중이 높고, SW 신기술 도입 및 활용 측면에서 다른 군집보다 앞서 있다. 이들 기업은 충분한 SW 인력을 보유하고 있으며, 디지털 전환의 여러 분야에서 선도적인 역할을 하고 있다. 반면, DX 준비군은 인력, 기술, 투자 측면에서 상대적으로 부족한 상태에 있으며, 디지털 전환 초기 단계에서 기술 인프라 및 전문 인력 부족으로 인한 어려움을 겪고 있다. 기술 주도 DX 발전군은 SW R&D 투자 비중은 높으나, SW 신기술을 실제로 활용하는 인력 비율이 낮다. 이 그룹은 기존 SW 기술을 기반으로 연구와 개발을 추진하며, 기술 중심의 발전을 통해 DX 선도군으로 성장할 가능성을 지니고 있다. 신기술 활용 DX 발전군은 SW R&D 투자 비중은 낮지만, SW 신기술 도입 및 활용 인력 비율이 높다. 이 그룹은 최신 기술 트렌드를 신속히 수용하며 디지털 전환을 가속화하고 있다. 디지털 전환 유형별로 산업 비중, 종사자 규모, 디지털 전환 추진 목적 및 분야, SW 전공자 비중과 조직 분포, 학력 비중, 디지털 전환 시 겪는 애로사항 등을 종합적으로 분석하였다. 그 결과, 기업의 성공적인 디지털 전환을 위해서는 정부가 재정 지원, 기술 인프라 제공, 인재 양성 등 기본적인 지원뿐만 아니라, 각 기업의 디지털 전환 발전 유형에 따른 맞춤형 지원 정책을 마련해야 한다는 결론을 도출하였다. DX 준비군에 속한 종사자 규모가 비교적 작은 기업에는 디지털 전환 부스트업 프로그램을 통해 공동 데이터 센터 및 신기술 체험 공간이 필요하며, 기술 주도 DX 발전군에는 산·학·연 협력 및 대기업 매칭을 통한 기술 개발 지원이 요구된다. 신기술 활용 DX 발전군에는 재직자를 위한 맞춤형 SW 신기술 교육 과정과 다양한 수준의 교육 모듈이 제공되어야 하며, DX 선도군에는 규제 샌드박스를 통해 혁신 기술 테스트를 지원하고, 법률·기술 전문가의 컨설팅 및 규제 완화가 필요하다. Executive Summary This study aims to propose customized government support directions for companies based on the development types of digital transformation (DX). To achieve this, data from the Software Convergence Status Survey, collected over the past three years from 1,181 Korean domestic companies across nine major industries, were analyzed. The analysis focused on key factors driving digital transformation, such as workforce, investment, and technology level, and based on these, companies were categorized into four clusters. These clusters were defined as 'DX Leading Group,' 'Technology-driven DX Development Group,' 'New Technology-utilizing DX Development Group,' and 'DX Preparedness Group,' according to their level of digital transformation. The DX Leading Group has a high proportion of investment in software R&D and leads other groups in the adoption and utilization of new software technologies. These companies have sufficient software personnel and play a leading role in various fields of digital transformation. On the other hand, the DX Preparedness Group is relatively lacking in terms of workforce, technology, and investment, facing challenges such as a shortage of technical infrastructure and skilled personnel in the early stages of digital transformation. The Technology-driven DX Development Group has a high proportion of software R&D investment but a low percentage of personnel utilizing new software technologies. This group promotes research and development based on existing software technologies and has the potential to grow into the DX Leading Group through technology-centered development. The New Technology-utilizing DX Development Group has a low proportion of software R&D investment but a high percentage of personnel utilizing new software technologies. This group rapidly adopts the latest technology trends and accelerates digital transformation. The study comprehensively analyzed factors such as the industrial distribution, size of employees, purposes and fields of digital transformation, proportion of software majors and organizational distribution, education levels, and difficulties experienced during digital transformation, according to the types of digital transformation. As a result, it concluded that, for a company's successful digital transformation, the government should not only provide basic support such as financial aid, technology infrastructure, and talent development but also establish tailored support policies according to each company’s type of digital transformation. For small and medium-sized enterprises in the DX Preparedness Group, a digital transformation boost-up program that provides joint data centers and new technology experience spaces is necessary. For the Technology-driven DX Development Group, support for technology development through industry-academia-research cooperation and matching with large enterprises is required. The New Technology-utilizing DX Development Group needs tailored software new technology education programs for incumbent workers and various levels of educational modules. Lastly, the DX Leading Group should be supported through regulatory sandboxes to test innovative technologies, along with consulting from legal and technical experts and regulatory relaxation.

전 세계적으로 정부는 디지털 기술을 활용해 공공서비스를 혁신하고, 사회문제를 해결하는 새로운 형태의 거버넌스 모델을 모색하고 있다. 전통적인 전자정부 모델이 정부 업무와 서비스를 디지털화하여 효율성과 투명성을 강조했던 반면, 디지털 정부는 국가 전체의 디지털 전환을 통해 사회문제를 해결하고 국가 경쟁력을 강화하는 것을 목표로 한다. 정부의 형태가 데이터와 디지털 기술을 적극적으로 활용하는 방향으로 변화하면서 민간의 아이디어와 기술을 활용한 민·관 협력과 혁신 생태계의 진화를 강조하는 GovTech이 부상하였다. GovTech은 정부(Government)와 기술(Technology)의 합성어로 공공서비스 개선과 정부 운영의 효율성 향상 등 기술을 통한 혁신을 주도하는 것을 의미한다. 본 연구는 GovTech의 개념과 글로벌 동향을 살펴보고 미국, 유럽, 아시아, 남미 등 다양한 국가에서의 GovTech 사례를 바탕으로 GovTech의 유형화를 시도하였다. 특히, 다양한 국가의 GovTech 사례들을 검토하여 GovTech이 실현되는 층위, 기대효과에 따라 GovTech의 유형을 거버넌스 수립형, 아이디어 공모형, 플랫폼 활용형, 문제 해결-기업 성장 동시추구형, 혁신 연구형 등 다섯 가지로 분류하였다. 아직 발전 초기 단계에 있어 이론화가 부족한 GovTech 분야에서 사례 기반의 GovTech 유형화 시도는 추상적인 GovTech의 개념을 명확히 하고 GovTech 정책 수립을 위한 기초 자료를 제공할 수 있다. 나아가 본 연구는 유형화 연구를 바탕으로 GovTech을 실현하려는 목적, 추진하고자 하는 방식, 기대효과에 따른 맞춤형 GovTech 정책 전략 수립에 기여한다. Executive Summary Globally, governments are leveraging digital technologies to innovate public services and explore new governance models to address societal challenges. While traditional e-government models focused on digitizing government operations and services to emphasize efficiency and transparency, digital government aims to solve societal problems and enhance national competitiveness through the digital transformation of entire nations. As governments increasingly utilize data and digital technologies, there has been a rise in GovTech, which emphasizes public-private partnerships and the evolution of innovation ecosystems, leveraging ideas and technologies from the private sector. GovTech, a combination of "government" and "technology," refers to innovations driven by technology that aim to improve public services and enhance the efficiency of government operations. This study examines the concept and global trends of GovTech and attempts to classify different types of GovTech based on case studies from various countries, including the United States, Europe, Asia, and South America. Specifically, the study categorizes GovTech into five types based on the layers of implementation and expected outcomes: governance establishment, idea crowdsourcing, platform utilization, problem-solving with simultaneous business growth, and innovation research. Since GovTech is still in its early stages and lacks theoretical foundation, this case-based attempt to classify GovTech helps clarify the abstract concept and provides fundamental data for GovTech policy development. Furthermore, this study contributes to the formulation of tailored strategies based on the purpose, approach, and expected outcomes of GovTech implementation.

ISSUE REPORT 2024.5.3. IS-171 A Study on the Development of The Industrial Classification System of Metaverse Sang-Yeal Han, Yiseul Jeon, Nayeon Kwak, and Seulki Lee SPRi 소프트웨어정책연구소 Software Policy & Research Institute

본고는 생성형 AI로 인한 소프트웨어 개발 프로세스별 개발 업무 변화를 살펴보고, 이것이 소프트웨어(Software, 이하 SW) 개발자 직무에 어떠한 영향을 주는지와 그 시사점에 대해 논하려고 한다. 생성형 AI란, 텍스트, 오디오, 이미지, 동영상 형태의 새로운 콘텐츠를 생성하도록 설계된 인공지능 모델이다. 생성형 AI라는 화두를 세상에 내놓은 OpenAI사의 ChatGPT는 지금까지 출시된 애플리케이션 중 가장 빠른 속도로 이용자 수가 늘어나고 있다. 이러한 경향은 생성형 AI의 활용이 업무 효율성을 향상할 것으로 기대되기 때문이며, 특히 개발환경의 변화로 인해 개발자의 역할 또한 변화할 것으로 전망된다. SW 개발은 SW 요구분석, 설계, 구현 및 시험 등의 복잡한 프로세스로 구성되어 있다. 또한 고객사의 개발 및 운영 환경, 성능 및 보안 요구 수준, 유지보수성 등 다양한 요소를 고려해야 하는 정형화하기 어려운 업무이기 때문에 생성형 AI가 개발자 업무에 주는 영향은 예상만큼 크지 않았다. SW개발 단계 중 SW 구현과 SW 시험 단계에는 생성형 AI 활용이 가능하다. 생성형 AI를 이용하면 SW 구현 단계에서는 코드 생성, 코드 자동완성, 주석 작성, 코드 번역, 리버스 엔지니어링 등이 가능하다. SW 시험은 시간이 많이 소요되고 반복적인 업무가 많아, 생성형 AI 활용에 가장 효과적인 단계이다. 반면에 고객과의 커뮤니케이션이 중요한 SW 요구분석 단계와 최신 기술을 포함한 복잡한 기술을 연계하여 수행해야 하는 SW 설계 단계는 생성형 AI의 활용이 쉽지 않다. 전반적으로 생성형 AI 개발도구의 활용은 개발자의 생산성 향상에 효과가 있으나, 개발 단계, 개발하는 제품이나 서비스의 종류, 개발자의 수준 등에 따라 생성형 AI의 활용 방법 및 효과의 차이가 큰 것으로 분석되었다. 개발도구로써 생성형 AI의 활용은 초급개발자보다 생성형 AI 환각에 의한 잘못된 정보를 빠르게 판단할 수 있는 중급개발자의 생산성을 더 높이는 것으로 확인되었다. 반면에 초급개발자는 생성형 AI를 프로그램 언어 학습에 유용하게 활용할 수 있으며, 초급개발자 수준이 빠르게 높아질 것으로 예측된다. SW개발자의 작업에서 생성형 AI의 영향을 받는 작업은 일부분이다. 개발자 직무를 수행하기 위해서는 데이터 분석, SW 및 DB 설계, 시스템 결정 및 성능 개선 등 개발 관련 기술 업무 이외에도, 동료와 업무 협의, 이슈 해결 등의 소프트스킬이 필요한 작업이 있어 개발자 업무와 개발 생산성에 대한 생성형 AI의 영향 정도를 정량적으로 파악하기는 어렵다. 생성형 AI 시대에 대비하기 위해 개발자 수준에 따른 세분화된 생성형 AI 활용 전략 마련, 직무별로 상이한 생성형 AI의 영향을 고려한 개발자 양성 규모 검토가 필요하다. 또한 생성형 AI를 활용하면서 직면할 수 있는 저작권 문제, 프라이버시 문제, 모델 오남용 문제에 대해 적절히 대응할 수 있도록 기본적인 AI 윤리 교육에 대한 강화가 시급하다. Executive Summary In this article, we'll take a look at how generative AI is changing the development process and discuss the implications for developer jobs. Generative AI is an AI model designed to generate new content in the form of text, audio, image and video. The use of generative AI is growing at a rapid pace. This is because it is expected to improve work efficiency, and the role of developers is also expected to change due to changes in the development environment. SW development consists of a complex process of SW requirements analysis, design, implementation, and testing. In addition, the impact of generative AI on developers' work is not as large as expected because it is a difficult task to formalize that requires consideration of various factors such as the customer's development environment, performance and security requirements, and maintainability. Generative AI can be used for SW implementation and SW testing during the SW development phase. On the other hand, the SW requirement analysis phase, which requires communication with customers, and the SW design phase, which involves complex technologies including the latest technologies, are not easy to use generative AI. Overall, the use of generative AI development tools is effective in improving developers' productivity, but there are large differences in how generative AI is used and its effectiveness depending on the development stage, the type of product or service being developed, and the level of developers. Only a small part of a SW developer's work is affected by generative AI. In addition to technical tasks related to development, such as data analysis, SW and DB design, system performance improvement, developers also need soft skills, such as collaborating with colleagues, so it is difficult to quantify the extent of the impact of generative AI on developer work and development productivity. In order to prepare for the era of generative AI, it is necessary to prepare a strategy for using generative AI that is categorized by developer level and review the scale of developer training considering the impact of generative AI by job function. It is also urgent to strengthen basic AI ethics education so that developers can respond appropriately to copyright, privacy, and model misuse issues that may arise while utilizing generative AI.

인공지능(AI) 기술은 급격한 속도로 발전해왔으며, 특히 2020년대에 들어서면서 초거대 AI 모델이 경쟁적으로 등장하고 있다. 여기서 초거대 AI 모델은 대용량 연산 인프라를 바탕으로 방대한 데이터를 학습해 인간처럼 종합적인 인지·판단·추론이 가능해진 ‘큰 규모’의 AI 모델을 의미한다. 특정 목적에 따라 개별의 데이터를 수집·학습하여 만들어지는 기존의 일반 AI는 학습된 과업(task)에 한하여 수행이 가능한 반면, 초거대 AI는 더욱 복잡하고 광범위한 분야에서 과업을 수행할 수 있다. 본고에서는 2020년부터 2023년까지 전 세계에 출시된 초거대 AI 모델 현황을 분석하고, 글로벌 기술 동향과 트렌드를 살펴보았다. 구체적으로, 미국 민간 연구단체인 ‘EPOCH AI’가 최근 업데이트(‘24년 7월)한 초거대 AI 모델 현황 DB를 통해 데이터를 수집하고, 2020년부터 2023년까지 출시된 초거대 AI 모델에 대해 출시년도, 국가, 분야, 과업유형, 개발형태, 개발조직 유형 등의 다양한 기준으로 정리·분석하였다. 우리나라 현황에 대해서도 주목하고, AI 분야에 대한 정책적 시사점을 도출하였다. Executive Summary Artificial

최근 전 산업과 일상에서 AI의 활용이 폭넓게 이뤄지고 있으나, 한편으로는 AI 위험에 대한 우려 및 AI로 인한 사건 수가 증가하면서 AI 위험 대응 요구도 확대되고 있다. 이에 따라 각국 정부와 학계, 업계 등 이해당사자가 AI의 위험을 방지하고 안전하고 신뢰할 수 있는 AI를 개발 및 도입하기 위해 노력하고 있다. 본 보고서에서는 액센츄어와 스탠퍼드 대학교가 실시한 글로벌 기업의 책임 있는 AI에 대한 조치 인식 조사를 인용하여 책임 있는 AI 영역별 대응 수준을 진단하고, 주요 기업별 전담 조직 및 AI 안전 프레임워크 현황 사례를 조사하여 기업의 구체적인 책임 있는 AI에 관한 노력에 대해 살펴보았다. 액센츄어와 스탠퍼드 대학교의 조사 결과, 기업은 개인정보 보호 및 데이터 거버넌스, 신뢰성 및 보안, 투명성 및 설명 가능성, 공정성 등 책임 있는 AI의 요인별 대응을 추진하고 있으며, 개인정보 보호 및 데이터 거버넌스 측면의 대응 수준이 가장 높게 진단되었다. 그러나, AI 모델 발전에 따른 결과 설명의 어려움, 국가별 공정성의 기준에 대한 차이 등의 사유로 투명성 및 설명 가능성, 공정성 부문에 대한 향후 조치를 향상시킬 필요가 있다. 국내외 기업별 사례 조사 결과, 주요 기업들은 AI 모델의 평가와 개발·배포 여부에 대한 의사결정을 할 수 있는 전담 조직을 설립하고, 전담 조직에 의해 AI의 위험성을 정의하고 평가하는 체계를 구축하고 있다. 국내 기업은 계열사 간 컨센서스를 위한 협의체를 운영하는 특징이 있으며, 산업으로의 AI 적용을 위한 과제별 위험 요인을 분류하고 평가하는 체계를 도입하고 있다. 글로벌 조사와 유사하게, 공정성 부문은 제도적인 가이드라인 수준으로 기업의 실질적인 조치가 미흡한 상황으로 향후 개선이 필요하다. 본 보고서의 결과는 각국 정부가 AI 규제에 관한 논의와 실행을 본격화되는 가운데, 기업들이 전담 조직을 구축하고, AI 안전 프레임워크를 수립 및 준수함으로써 책임 있는 AI를 정착시키기 위해 노력하고 있음을 보여준다. 앞으로 국내외 기업들의 안전하고 책임 있는 AI 개발 및 사용을 위한 지속적인 노력이 요구된다. Executive Summary Recently, AI has been widely utilized in all industries and daily life, but on the other hand, as concerns about AI risks and the number of incidents caused by AI increase, the demand for AI risk response is also expanding. Consequently, all stakeholders, including governments, academia, and industry, are working to prevent AI risks and ensure the development and implementation of safe and trustworthy AI. This report cites a survey of global companies' awareness of responsible AI measures conducted by Accenture and Stanford University to diagnose the level of response in each area of responsible AI, and investigates case studies of dedicated organizations and frameworks in major companies to explore specific efforts towards responsible AI. According to research conducted by Accenture and Stanford University, Global survey results show that companies are pursuing responses to responsible AI factors such as privacy protection and data governance; reliability and security; transparency and explainability; and fairness. The response level in privacy protection and data governance was diagnosed as the highest. However, due to difficulties in explaining the result of advanced AI models, challenges in processing different languages, and differences in fairness standards across countries, there is a need for improved measures in transparency, explainability, and fairness in the future. As a result of the survey of domestic and global companies, major companies are establishing dedicated organizations capable of evaluating AI models and making decisions on whether to develop and distribute them, and are establishing a system to define and evaluate the risks of AI through dedicated organizations. Domestic companies are characterized by operating a consultative body for consensus among affiliates, and are introducing a system to classify and evaluate risk factors for each task for applying AI to the industry. Similar to the Accenture survey, the fairness sector is at the level of institutional guidelines, and actual measures by companies are insufficient, so it can be said that improvement is needed in the future. The results of this report show that while governments around the world are discussing and implementing AI regulations, companies are making efforts to establish responsible AI by establishing dedicated organizations and establishing and complying with frameworks. In the future, efforts will be required to develop and use safe AI technology across the entire AI ecosystem.

유럽연합(EU)의 인공지능법(AI Act)은 AI 기술의 급속한 발전과 광범위한 적용에 따른 윤리적, 법적, 사회적 영향에 대응하기 위해 마련된 최초의 포괄적인 AI 규제 법안이다. 이 법은 2024년 3월 유럽의회에서 통과된 이후 5월 유럽이사회에서 최종 승인했으며, 6개월에서 36개월 후부터 단계적으로 시행될 예정이다. EU AI 법은 AI 시스템을 위험 수준에 따라 분류하는 것이 주요 특징이며, 이 보고서는 AI의 분류의 정의 및 예시와 이에 따르는 의무 사항들을 정리한다. '수용 불가 위험 AI 시스템'은 인간의 존엄성, 자유, 평등, 차별금지, 민주주의 및 법치와 같은 EU의 기본 가치를 위반하는 경우 사용이 전면 금지된다. '고위험 AI 시스템'은 생체인식, 중요 인프라, 교육, 필수 서비스 등 사회적으로 민감한 분야에 사용될 때 높은 수준의 규제를 받게 되며, '제한된 위험성을 갖는 AI 시스템'은 비교적 낮은 위험을 가지고 있지만, 사용자와의 상호작용 과정에서 일정한 투명성이 요구된다. 마지막으로, '저위험 AI 시스템'은 일상적인 상업적 또는 개인적 용도로 사용되며, 비교적 낮은 위험성을 지녀 규제 부담이 최소화된다. 이 법안은 AI 정책 표준을 설정하고, 기업들의 AI 개발 방식을 변화시키며, 윤리적이고 책임 있는 AI 발전에 영향을 미칠 것으로 예상된다. EU의 규제는 종종 글로벌 표준이 되는 경향이 있어, AI 법이 전 세계 AI 정책에 미칠 영향이 클 것이다. 기업 차원에서는, EU 내에 법인이나 사무소를 두고 있지 않은 기업도 EU에서 AI 시스템이 이용될 경우 이 법 규제사항을 적용을 받게 되며, 공급자뿐만 아니라 배포자, 수입업자, 유통업자에게도 의무가 부과되어 광범위한 기업에 영향을 미칠 것으로 예상되어 면밀한 검토와 대비책이 필요할 것이다. Executive Summary The European Union (EU) Artificial Intelligence Act is the first comprehensive AI regulatory bill designed to address the ethical, legal, and social impacts resulting from the rapid development and widespread application of AI technologies. Passed by the European Parliament in March 2024 and subsequently approved by the European Council in May 2024, the Act is set to be implemented in stages, starting between six and thirty-six months from its approval. A key feature of the EU AI Act is the classification of AI systems based on their risk levels. This report outlines the definitions and examples of these classifications, along with the corresponding obligations. AI systems that pose an "unacceptable risk" are banned entirely if they violate fundamental EU values such as human dignity, freedom, equality, non-discrimination, democracy, and the rule of law. "high-risk AI systems" are subject to stringent regulations when used in socially sensitive areas such as biometric identification, critical infrastructure, education, and essential services. "limited-risk AI systems" carry relatively lower risk but require a certain level of transparency in their interaction with users. Finally, "low-risk AI systems" are used for everyday commercial or personal purposes, involve minimal regulatory burden, and are considered to have relatively low risk. This Act is expected to set AI policy standards, alter corporate AI development practices, and influence the ethical and responsible advancement of AI. The EU's regulations often become global benchmarks, meaning the AI Act could significantly impact AI policies worldwide. For corporations, even those without a physical presence in the EU, compliance with these regulations will be necessary if their AI systems are used within the EU. Obligations are not only imposed on providers but also on distributors, importers, and other entities, necessitating thorough review and proactive measures by a wide range of businesses.