디지털 전환의 가속화로 소프트웨어(SW) 융합은 산업의 부가가치를 높이고 경쟁력을 제고하는 핵심 동력으로 부상하고 있다. 글로벌 산업특화 SW의 성장률은 연평균 15%에 이르고 있으며 국내 역시 이러한 성장추세를 따라 산업별 SW의 성장률이 증가하고 있다. 이처럼 그 중요성이 확대됨에도 불구하고 산업별 SW융합 수준을 객관적으로 진단할 수 있는 체계가 부재하여 효과적인 정책수립에는 한계가 있다. 이에 본 고는 기술‧조직‧환경(TOE) 프레임워크를 기반으로 ‘SW융합경쟁력 진단체계’를 개발하고 시사점을 도출하고자 한다. 우선 기존 진단체계와 선행문헌을 검토하고 TOE 프레임워크를 기반으로 진단체계(안)을 수립하였다. 이후 지표의 타당성과 실효성 확보를 위해 델파이(Delpi) 조사와, 계층화 분석법(AHP)를 결합한 연구방법론을 차용하였다. 분석 대상이 되는 주력산업은 제조업(전자기기, 자동차, 조선)과 서비스업(금융, 보건, 물류)의 6개산업으로 선정하였다. 이 후 해당 분야 산‧학‧연 전문가 28인을 대상으로 3라운드에 걸친 델파이 조사를 통해 기술, 조직, 환경의 대분류 하에 20개 세부측정 지표를 확정하였다. 추가로 AHP 조사를 수행하여 업종별 차등을 두고 가중치를 도출하였다. SW융합경쟁력 진단 체계 도출 및 분석 결과, 제조업과 서비스업의 SW융합은 우선순위에서 차이가 존재했다. 첫째, 기술 측면에서 두 산업 모두 ‘신SW기술 도입’의 중요도가 가장 높은 순위에 있었으나 SW융합의 방향은 제조업의 경우 ‘업무 자동화(2위)’, 서비스업은 ‘기술 간 연계 및 통합(2위)로 가중치가 다르게 나왔다. 이는 제조업이 하드웨어 기반의 공정 효율화에 SW융합을 활용하고 있으며 서비스업은 파편화된 시스템의 유기적인 연결을 통해 고객 경험 향상을 중요하게 여기는 것을 나타낸다. 둘째, 조직 측면에서 제조업은 ’전담인력 보유 수준(5위)‘을 중요하게 평가하여 양적 인력 확보가 중요함을 시사하였으며 서비스업은 ’인력 수급의 적정성(8위)‘을 중요하게 평가하여 비즈니스와 기술을 잇는 고숙련 전문가의 질적 매칭이 중요함을 보여주었다. 셋째, 환경 측면에서 두 산업 모두 ’정부지원 만족도‘와 ’규제개선‘ 등의 정책 요인을 하위권으로 평가하였다. 이는 현장의 수요 대비 정부 정책의 체감도나 중요도가 낮다는 의미로 정책 공급과 시장 수요 간의 미스매치가 존재할 수 있음을 시사한다. 본 이슈리포트는 SW융합경쟁력 진단체계를 도출하여 산업별 SW융합수준을 평가할 수 있는 기준을 제시하였으며 이를 통해 향후 관련 연구 확장 및 정부의 SW융합경쟁력 지원 전략 수립을 위한 토대를 마련하였다. Executive Summary As digital transformation accelerates, software (SW) convergence has emerged as a core driver for enhancing industrial value and competitiveness. While the global market for industry-specific software is growing at an annual average rate of 15%—a trend mirrored in Korea—effective policy-making has been hindered by the absence of an objective system to diagnose convergence levels across different industries. To address this gap, this report aims to develop a ‘SW Convergence Competitiveness Diagnosis Framework’ based on the Technology-Organization-Environment (TOE) framework. To ensure both validity and practical applicability, this study employed a mixed-method approach combining Delphi surveys and the Analytic Hierarchy Process (AHP). The research targeted six key industries: manufacturing (semiconductors, automobiles, shipbuilding) and services (finance, healthcare, logistics). Through a three-round Delphi survey involving 28 experts from industry, academia, and research, 20 detailed measurement indicators were established under the categories of Technology, Organization, and Environment. Subsequently, an AHP analysis was conducted to derive weighted priorities tailored to the distinct characteristics of each sector. The diagnostic analysis revealed distinct strategic priorities for SW convergence between the manufacturing and service sectors. In the technology dimension, while both sectors identified the adoption of new SW technologies as the highest priority, their strategic directions diverged significantly. The manufacturing sector prioritized task automation, reflecting a focus on hardware-based process efficiency. In contrast, the service sector prioritized inter-technology connectivity and integration, highlighting the importance of organic system connections to enhance the customer experience. Significant differences were also evident in the organizational and environmental dimensions. Regarding human resources, the manufacturing sector placed high importance on the retention of dedicated personnel, signaling a critical need for quantitative workforce expansion. Conversely, the service sector valued the appropriateness of personnel supply, indicating a demand for the qualitative matching of high-skilled experts capable of bridging business and technology. Furthermore, both sectors ranked policy factors, such as government support satisfaction and regulatory improvement, in the lower tier of importance. This ranking suggests a mismatch between policy supply and market demand, indicating that the perceived impact of current government policies is low relative to the actual needs of the industrial field. Consequently, this report establishes a foundational standard for evaluating industrial SW convergence levels by deriving a comprehensive diagnosis framework. These findings provide a critical basis for expanding future academic research and formulating evidence-based government support strategies optimized for the specific needs of Korea’s key industries.

전 산업에서 소프트웨어 활용이 보편화됨에 따라, 산업별 업무 구조와 규제·데이터 특성을 반영한 Vertical SaaS가 산업 혁신을 이끄는 핵심 인프라로 부상하고 있다. 과거 범용 소프트웨어 중심의 업무 전산화 단계를 넘어, 산업 고유의 문제를 정밀하게 해결하는 특화 소프트웨어에 대한 수요가 확대되면서 Vertical SaaS는 점차 산업 경쟁력과 직결되는 전략적 자산으로 인식되고 있다. 이러한 변화 속에서 글로벌 Vertical SaaS 시장은 2024년 약 901억 달러에서 2030년 약 2,056억 달러로 성장할 것으로 전망되며, 연평균 14% 이상의 높은 성장세가 예상된다. 이는 온프레미스 기반 산업용 소프트웨어의 성장률을 크게 상회하는 수준으로, 산업 전반에서 클라우드 기반 업무 전환이 일시적 흐름을 넘어 구조적 단계에 진입했음을 시사한다. 특히 초기에는 대기업을 중심으로 도입이 확산되었으나, 2026년 이후에는 중소기업 부문의 도입 확산이 본격화되며 시장 성장의 주요 동력으로 작용할 전망이다. 이와 같은 Vertical SaaS의 구조적 성장은 정치·법, 경제, 사회, 기술 환경 변화가 복합적으로 작용한 결과로 해석할 수 있다. 먼저 의료·금융·제조 등 규제 강도가 높은 산업에서는 규제 준수와 리스크 관리를 사후 대응이 아닌 소프트웨어 단계에서 선제적으로 내재화하려는 수요가 지속적으로 확대되고 있다. 한편 경제적 측면에서는 인건비 상승과 노동력 부족이 장기화되면서, 자동화를 통해 명확한 비용 절감 효과와 투자 대비 성과를 제공하는 구독형 SaaS 모델의 채택이 가속화되고 있다. 사회적으로는 제조 현장과 의료 분야를 중심으로 만성적인 인력 부족이 심화되는 가운데, 비대면·원격 근무 환경의 확산이 산업 특화 업무 도구의 필요성을 더욱 부각시키고 있다. 기술적으로는 생성형 AI와 대규모 언어모델의 결합을 통해 소프트웨어가 단순 지원 도구를 넘어 자율적으로 업무를 수행하는 주체로 진화하고 있으며, 클라우드 네이티브 환경의 정착은 이러한 변화의 확산 속도를 높이고 있다. 이러한 환경 변화는 향후 Vertical SaaS 시장이 헬스케어, 금융, 제조업을 중심으로 성장할 것임을 시사한다. 헬스케어 분야에서는 AI 기반 임상 문서 자동화와 의료 데이터 상호운용성에 대한 수요가 확대되면서, 향후 5년간 가장 높은 성장률이 예상된다. 금융 분야는 전체 Vertical SaaS 시장에서 큰 비중을 차지하는 핵심 산업으로, 레거시 시스템의 클라우드 전환과 함께 규제·컴플라이언스 대응 수요가 맞물리며 안정적인 성장세를 유지하고 있다. 제조업 역시 공급망 불확실성 대응과 공정·설비 운영의 효율화를 위한 소프트웨어 기반 통제 수요가 확대되며, 특히 중소 제조 현장을 중심으로 경량화된 산업특화 SaaS 도입이 빠르게 확산되고 있다. 결과적으로 Vertical SaaS는 개별 기업의 효율화 도구를 넘어, 산업 전반의 생산성과 경쟁력을 좌우하는 핵심 인프라로 자리 잡고 있다. 이에 따라 기업은 범용 SaaS 활용에 머무르기보다, 산업 도메인 지식과 현장 데이터를 결합한 AI-Native 서비스로의 전환 전략을 적극적으로 모색할 필요가 있다. 동시에 정책적으로는 산업별 공통 데이터 기반과 인프라를 조성하고, 규제 샌드박스 및 제도 개선을 통해 새로운 Vertical SaaS 모델의 시장 진입 불확실성을 완화할 필요가 있다. 아울러 산업 선도 대기업과 SaaS 기업 간 협업을 촉진함으로써 실증 중심의 성공 사례를 창출하고, 이를 산업 전반으로 확산시키는 생태계 기반 조성 전략이 요구된다. Executive Summary As software adoption becomes increasingly widespread across industries, Vertical SaaS is emerging as an important component of digital transformation in industrial sectors. Rather than relying on horizontal, general-purpose enterprise software, organisations are progressively adopting specialised platforms that align with industry-specific workflows, regulatory requirements, and data structures. In this context, Vertical SaaS is increasingly recognised not only as a tool for improving operational efficiency, but also as an enabling asset that supports industrial competitiveness. The global Vertical SaaS market is projected to expand from approximately USD 90.1 billion in 2024 to USD 205.6 billion by 2030, corresponding to an average annual growth rate of over 14%. This growth markedly exceeds that of on-premises industrial software, suggesting that cloud-based operating models have entered a phase of structural diffusion across industries. While early adoption was largely concentrated among large enterprises, market expansion from 2026 onward is expected to be increasingly driven by uptake among small and medium-sized enterprises. This expansion reflects the combined effects of regulatory, economic, social, and technological developments. In sectors characterised by high regulatory intensity—such as healthcare, financial services, and manufacturing—organisations face growing incentives to integrate compliance and risk-management functions directly into core software systems, rather than relying on ex post controls. From an economic perspective, persistent labour shortages and rising labour costs are strengthening demand for subscription-based SaaS models that support automation and productivity improvements, while offering clearer cost–benefit outcomes. Social factors, including chronic workforce constraints and the wider adoption of remote and hybrid working arrangements, are further increasing the relevance of industry-specific digital tools. In parallel, advances in generative artificial intelligence and large language models are enabling Vertical SaaS solutions to evolve beyond decision-support functions toward more autonomous task execution, while the continued maturation of cloud-native environments is reducing barriers to adoption. Looking ahead, market growth is expected to be concentrated in healthcare, financial services, and manufacturing. In healthcare, demand is being driven by the adoption of AI-enabled clinical documentation and workflow automation, alongside increasing requirements for interoperability across health data systems, resulting in comparatively strong growth prospects over the next five years. Financial services constitute a substantial and relatively stable segment of the Vertical SaaS market, supported by the gradual modernisation of legacy systems and sustained demand for regulatory and compliance-related solutions. In manufacturing, the transition from hardware-oriented operations toward software-based monitoring, control, and optimisation is accelerating, particularly in response to supply-chain volatility and increasing resilience requirements. Adoption is also expanding among small and medium-sized manufacturers through more modular and field-oriented SaaS solutions. Overall, Vertical SaaS is evolving beyond a firm-level efficiency instrument to become an enabling layer of digital infrastructure with implications for productivity and competitiveness at the industry level. For firms, this implies a gradual shift from generic SaaS tools toward AI-enabled solutions that combine domain-specific knowledge with operational data. From a policy and ecosystem perspective, priorities include supporting the development of shared, industry-level data infrastructures that individual firms may find difficult to establish independently; reducing uncertainty related to experimentation and market entry through regulatory sandboxes and adaptive regulatory approaches; and encouraging collaboration between incumbent firms and specialised SaaS providers to facilitate diffusion, interoperability, and the scaling of effective solutions across sectors.

기술 발전과 함께 인공지능(AI)은 경제·산업 전반에 지대한 영향을 미치며 국가 경쟁력의 핵심 기술로 부상하고 있다. 데이터는 AI 모델 성능과 신뢰성을 좌우하는 핵심 자원이자 국가 및 산업 경쟁력의 주요 동력으로 자리매김했다. 다양한 주체에 의해 생성되고 활용되는 이종(異種) 데이터가 폭증하며, 데이터의 효과적인 연결과 원활한 유통을 통한 가치 증대를 위해 데이터 상호운용성(Interoperability)과 이동권(Right to Data Portability)의 중요성이 더욱 커지고 있다. 상호운용성은 다양한 시스템과 주체 간 데이터의 원활한 연결, 교환 및 재활용을 보장하며, 이동권은 데이터 주체가 자신의 데이터를 자유롭게 이전하고 통제할 권리를 의미한다. 이러한 배경 속에서 미국, EU, 중국, 일본 등 해외 주요국들은 데이터 주권 강화와 데이터 흐름 활성화를 위해 데이터 상호운용성 및 이동권 관련 정책적 노력을 선제적으로 추진 중이다. 우리나라도 데이터 주권 강화와 경제 가치 창출을 목표로 법제도 개편, 마이데이터 정책 추진, 디지털플랫폼정부 구현 등 다양한 노력으로 데이터 상호운용성 및 이동권 기반을 확충하고 있다. 이 보고서에서는 AI 시대 주요 과제인 데이터 상호운용성 및 이동권 확보를 위한 주요국 정책과 현황을 종합 분석했다. 그 결과, 국내 데이터 활성화와 정책 개선을 위한 네 가지 핵심 추진 방향을 제시한다. 첫째, 통합 데이터 거버넌스와 데이터 주권 강화, 둘째, 데이터 시장의 공정성과 신뢰성 제고, 셋째, 글로벌 데이터 거버넌스 선도와 표준 협력, 그리고 유기적 인프라 연계와 산업별 활용 촉진이다. 이러한 정책 추진을 통해, 국내 데이터 생태계 경쟁력을 높이고 글로벌 수준의 데이터 정책 정립에 기여할 수 있다. Executive Summary Artificial intelligence (AI) is having a profound impact on the economy and industry, emerging as a core technology for national competitiveness. Data has become a key resource that determines the performance and reliability of AI models and a key driver of national and industrial competitiveness. With the explosive growth of heterogeneous data generated and utilized by various entities, the importance of data interoperability and the right to data portability is growing to enhance value through effective data connection and smooth distribution. Interoperability ensures the seamless connection, exchange, and reuse of data between various systems and entities, while the right to data portability signifies the right of data subjects to freely transfer and control their data. Against this backdrop, major countries such as the United States, the EU, China, and Japan are proactively pursuing policy efforts related to data interoperability and portability to strengthen data sovereignty and facilitate data flow. South Korea is also expanding its foundation for data interoperability and mobility through various efforts, including legal reforms, the implementation of MyData policies, and the implementation of a digital platform government, aimed at strengthening data sovereignty and creating economic value. This report comprehensively analyzes the policies and current status of major countries aimed at securing data interoperability and mobility, key challenges in the AI ​​era. The report proposes four key directions for revitalizing domestic data and improving policy: first, strengthening integrated data governance and data sovereignty; second, enhancing fairness and reliability in the data market; and third, leading global data governance and standards cooperation, as well as promoting organic infrastructure linkages and industry-specific utilization. These policy initiatives can enhance the competitiveness of the domestic data ecosystem and contribute to the establishment of world-class data policies.

본 보고서는 글로벌 디지털 전환 가속화와 기술 패권 경쟁 심화 속에서 국내 SW기업의 해외진출이 선택이 아닌 필수 전략으로 전환되고 있다는 인식에서 출발하였다. AI, 데이터, 플랫폼, 사이버보안 등 디지털 기술 수요는 전 세계적으로 확대되고 있으나, 국가별 규제·표준 차이, 시장 구조의 복잡성, 신뢰성과 레퍼런스 확보 부담 등으로 인해 단독 기업 중심의 해외진출 방식은 구조적 한계에 직면하고 있다. 또한, 바우처, 컨설팅, 정보 제공 등 기존 해외진출 지원정책 역시 초기 시장 탐색 단계에는 기여했으나, 실제 해외 사업 수행과 시장 안착 단계까지 충분히 연결되지 못하는 한계가 지속적으로 제기되고 있다. 이에 본 보고서는 협력형 해외진출을 국내 SW기업의 대안으로 설정하고, 그 개념과 유형을 체계적으로 정리하였다. 협력형 해외진출은 공공–민간 협력형과 민간–민간 협력형으로 구분되며, 정부의 역할과 협력 구조, 해외시장 접근 방식에서 차이를 보인다. 네덜란드 Partners for International Business(PIB) 사례는 정부가 공식 파트너로 참여해 제도적 신뢰와 외교·공공 네트워크를 제공함으로써 산업 단위의 집합적 해외진출을 가능하게 한 공공–민간 협력형 모델을 보여준다. 반면 독일 Export Initiative Environmental Protection(EXI) 사례는 정부가 촉진자 역할에 집중하고, 민간기업들이 컨소시엄을 구성해 해외 프로젝트를 직접 수행하는 민간–민간 협력형 모델의 특징을 잘 보여준다. 해외 사례를 검토한 결과, 협력형 해외진출은 신뢰 확보와 리스크 분산, 통합 솔루션 제공을 통해 해외시장 진입 가능성을 실질적으로 높이는 전략임이 확인되었다. 본 보고서는 이를 바탕으로 국내 SW기업이 시장과 기술 특성에 맞는 협력형 해외진출 전략을 선택·설계할 필요성을 제시하며, 정부 역시 개별 기업 지원 중심에서 벗어나 협력 구조 형성을 촉진하는 방향으로 해외진출 정책을 고도화할 필요가 있음을 시사한다. Executive Summary This report recognizes that overseas expansion has become a necessity for Korean software companies as global digital transformation and technological competition intensify. While demand for digital technologies such as artificial intelligence, data, platforms, and cybersecurity continues to grow, firm-centered overseas expansion strategies face structural limitations due to regulatory and market complexity, as well as rising requirements for trust and reference acquisition. In addition, existing support policies—such as vouchers, consulting, and information provision—have mainly supported early-stage market exploration, with limited impact on actual project execution and market settlement. The report therefore examines cooperative overseas expansion as a practical alternative and classifies it into public–private and private–private collaboration models. These models differ in government roles, collaboration structures, and approaches to overseas markets. The Netherlands’ Partners for International Business(PIB) program represents a public–private model that facilitates industry-level collective expansion through government-backed credibility and networks, while Germany’s Export Initiative Environmental Protection(EXI) illustrates a private–private model in which firms form consortia to directly implement overseas projects with the government acting as a facilitator. The analysis shows that cooperative overseas expansion improves market entry feasibility by strengthening trust, dispersing risks, and enabling integrated solutions. Based on these findings, the report suggests that Korean software companies should strategically design cooperative expansion models suited to market and technological characteristics, and that government policies should focus on fostering collaborative structures to support sustainable overseas expansion.

인공지능(AI)은 전 세계 경제, 산업, 사회를 재편하는 핵심 동력으로 부상하고 있다. 그간 컴퓨팅 성능과 데이터 저장 능력 등 하드웨어 발전이 주로 조명되어 왔지만, AI 혁신을 실질적으로 가능하게 만드는 소프트웨어의 역할은 상대적으로 덜 주목받아 왔다. 그러나, 소프트웨어는 복잡한 알고리즘을 구현하는 수준을 넘어, AI 기술의 효율성, 확장성, 접근성 등을 좌우하는 기반이다. 고급 소프트웨어 프레임워크와 프로그래밍 언어는 개발자와 연구자가 정교한 AI 모델을 신속하게 개발하고 개선 및 배포하도록 지원한다. 현대의 인공지능은 방대한 데이터의 수집, 처리, 그리고 고성능 컴퓨팅 자원을 활용한 연산에 기반하고 있다. AI 모델은 다양한 응용 애플리케이션의 엔진으로 여러 AI 서비스와 제품의 근간이 된다. 즉, 소프트웨어가 AI를 만들고, AI는 다시 소프트웨어의 가치를 높이는 동반 성장이 진행중이다. 이러한 소프트웨어의 근본적 중요성은 분명한 정책적 함의를 갖는다. 하드웨어 인프라나 데이터에 대한 투자만으로는 충분치 않으며, 오픈소스 소프트웨어 생태계, 표준화와 상호운용성, 견고한 소프트웨어 보안 프레임워크 등과 같은 전략적 지원이 병행되어야 한다. 더불어 소프트웨어와 인공지능의 통합적 교육과 인력 양성, 기술 개발, 국제 협력을 촉진하는 정책은 장기적인 AI 경쟁력과 포용적 성장을 뒷받침하는 핵심 수단이 될 것이다. 결국 ‘소프트웨어 생태계의 경쟁력이 곧 AI 경쟁력’이라는 인식을 바탕으로 AI 정책 전반을 설계하고 수행할 필요가 있다. 이 보고서에서는 AI의 개발 생애주기 단계별로 저변에서 활용되는 소프트웨어의 역할과 사례를 살펴보고, AI 생태계를 견실화하기 위한 SW 정책을 짚어보고자 한다. Executive Summary Artificial intelligence (AI) is emerging as a core driver reshaping the global economy, industry, and society. While advancements in hardware—such as computing power and data storage capacity—have received considerable attention, the role of software in making AI innovation practically feasible has been relatively underexplored. However, software extends far beyond the mere implementation of complex algorithms; it constitutes the foundation that determines the efficiency, scalability, and accessibility of AI technologies. Advanced software frameworks and programming languages enable developers and researchers to rapidly design, refine, and deploy sophisticated AI models. Contemporary AI systems rely on the large-scale collection and processing of data, as well as intensive computation leveraging high-performance computing resources. AI models function as the core engines of diverse applications, forming the backbone of a wide range of AI services and products. In this sense, software enables the creation of AI, while AI, in turn, amplifies the value of software—illustrating a process of mutual and reinforcing growth. The fundamental importance of software carries clear policy implications. Investment in hardware infrastructure or data alone is insufficient; it must be accompanied by strategic support for areas such as open-source software ecosystems, standardization and interoperability, and robust software security frameworks. Furthermore, policies that promote integrated education and workforce development in software and AI, technological innovation, and international cooperation will serve as critical instruments for sustaining long-term AI competitiveness and fostering inclusive growth. Ultimately, AI policy should be designed and implemented based on the recognition that the competitiveness of the software ecosystem directly translates into the competitiveness of AI. This report examines the roles and illustrative cases of software underpinning each stage of the AI development lifecycle and explores software policy directions aimed at strengthening the overall AI ecosystem.

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.