요약문 1. 국외 디지털콘텐츠 시장조사 개요 조사 배경 및 목적 디지털콘텐츠 산업은 ChatGPT와 같은 인공지능(AI), XR기술, 메타버스, 블록체인 등 기술의 혁신과 5G 인프라, 데이터센터, 각종 콘텐츠 제작/유통 솔루션 등 인프라 확대로 인한 제작과 유통의 효율성 증대로 인해 고부가가치 산업으로 부상하고 있다. 특히 구글, 아마존, 애플, 마이크로소프트 등 주요 기업들이 해당 분야의 연구 및 신제품 출시에 앞장서고 있고, 팬데믹을 계기로 기존 사업을 디지털로 전환한 기업이 증가하고, 디지털콘텐츠를 체험한 소비자 수도 증가하면서 디지털콘텐츠에 대한 수요도 크게 증가하고 있다. 이러한 변화를 기회로 활용하기 위해 세계 각국 정부도 디지털 인프라 확대와 이를 활용한 디지털콘텐츠 육성을 위한 정책을 추진하고 있다. 이 외에 산업발전에 따른 부작용을 최소화하기 위해 개인정보보호, 저작권 보호, 공정한 이용 등을 촉진하기 위한 각종 가이드라인을 수립하고 있다. 2022년 국내 디지털콘텐츠 시장규모는 세계 5위를 차지하는 것으로 나타났다. 그러나 국내 디지털콘텐츠 산업은 글로벌 OTT서비스가 국내 미디어 시장을 넓히면서 국내 OTT 사업자의 성장에 한계가 있고, 메타버스 등 차세대 미디어/ICT 제작 기반이 취약하며, 콘텐츠 제작 비용이 상승하며 글로벌 자본에 의존하는 리스크가 증가하고 있다. 이에 정부는 디지털 콘텐츠 산업 육성을 위해서 △OTT 플랫폼·콘텐츠의 글로벌 성장 지원, △메타버스를 차세대 미디어플랫폼으로 집중 육성, △크리에이터 미디어 지원으로 탄탄한 일자리 창출, △디지털미디어·콘텐츠 산업 혁신 기반 마련이라는 4대 정책과제를 중심으로 지원하고 있다. 본 조사에서는 전세계 5대 권역 외 미국, 일본, 중국, EU/영국, 동남아 5개국(인도네시아, 태국, 필리핀, 말레이시아, 싱가포르)을 중심으로 각 산업별 변화를 반영한 시장 통계를 조사, 분석했다. 이를 통해 해외 디지털콘텐츠 산업의 현황을 파악하고, 국내 디지털콘텐츠 정책수립 및 기업의 해외진출을 지원하기 위한 기초 자료를 제공하고자 한다. 조사 방법 시장분류체계는 전년도와 동일하게 15개 산업을 대상으로 분류체계를 유지하되, 실감콘텐츠 소분류체계는 주요 산업 활용 동향과 최신 시장 보고서의 분류 체계를 반영하여 조정하였다. 본 보고서는 전년도와의 시계열성을 유지하면서도 개정된 산업분류체계에 적합한 국외 디지털콘텐츠 산업의 시장규모를 파악하기 위해 PWC, Allied Market Research, Grand View Research, MarketsandMarkets, IMARC 등 신뢰성 높은 산업별 자료원의 보고서 및 전문 자료를 활용하여 시장규모를 산출했다. 직접조사를 수행하지 않는 본 연구의 특성상 향후 5년간 시장전망치 도출시 글로벌 리서치기관의 전망치와 성장률(CAGR 등)을 기본으로 하되, 일부 수치만 공개하는 등 자료의 한계로 추정이 불가피한 경우에는 적절한 회귀분석을 사용하여 추정하였다. 본 조사에서는 전세계 5대 권역 외 미국, 일본, 중국, EU/영국, 동남아 5개국(인도네시아, 태국, 필리핀, 말레이시아, 싱가포르)을 중심으로 각 산업별 변화를 반영한 시장 통계를 조사, 분석했다. 이를 통해 해외 디지털콘텐츠 산업에 대한 현황을 파악하고, 국내 디지털콘텐츠 정책수립과 기업의 해외진출을 지원하기 위한 기초자료를 제공하고자 한다.

요약문 1. 제 목 : 생성형 AI에 대응한 SW 인재 양성 정책 방향 연구 2. 연구 목적 및 필요성 생성형 AI의 혁신적인 기술 발전으로 편리한 사용 방법과 접근, 창의적인 정보 생성, 효율적 정보 확보 등의 장점으로 생성형 AI의 활용이 확대되고 있다. 생성형 AI는 경제, 사회, 교육 등 전반에 영향을 미칠 것으로 예상되며, 이미 그 사용 효과가 증명되고 있다. 생성형 AI는 특히 기술자 그룹에 많은 영향을 미칠 것으로 예측되며, 코드 자동 생산, 코드 자동 완성 등 SW 개발 관련 기능의 효율성과 편리성으로 개발자들이 현업에서 이미 많이 활용하고 있다. 생성형 AI 기술 발전 및 업무 적용 속도로 보아 생성형 AI에 의한 개발 환경, 개발 방식, 역량 등의 변화는 매우 클 것으로 예상된다. 이러한 변화에 대한 사회·경제적 혼선을 줄이고 관련 인력양성의 기회로 연결할 수 있도록 디지털 인력양성 정책의 변화가 필요하다. 위 배경 및 필요성에 따라 본 연구는 생성형 AI가 개발 업무에 미치는 영향을 분석하고, 이에 따른 디지털 인재양성 정책 방향을 제시하고자 한다. 3. 연구의 구성과 범위 연구는 다음과 같이 5장으로 구성된다. 제1장 서론 “SW 개발 환경 변화에 따른 디지털 인재양성 정책 방향” 연구 배경, 목적, 연구의 개략적인 내용, 연구 방법을 기술한다. 제2장 생성형 AI 기술 진화 및 국내외 정책 방향 디지털 인재 정의와 역량을 해석하고, 생성형 AI의 개념과 시장 전망을 정리한다. 생성형 AI시대의 국내외 디지털 인재 양성 정책 동향을 분석하고, 국내외 기업의 생성형 AI 대응 및 인재 확보 경쟁에 대해 비교·종합한다. 제3장 SW 개발 환경변화에 따른 개발 업무 변화 생성형 AI가 개발 업무에 미치는 영향을 소프트웨어 개발 프로세스에 따라 문헌 연구, 전문가 심층 인터뷰, 전문가 설문을 통해 분석한다. 소프트웨어 개발 프로세스는 요구분석, 설계, 구현, 테스트 단계로 나누어 단계별 생성형 AI의 활용 가능성과 영향에 대해 분석한다. 생성형 AI가 개발자에 미치는 영향을 분석하기 위해 O*NET의 컴퓨터 프로그래머, 소프트웨어 개발자, 웹 개발자의 작업(Task)별 영향을 평가한다. 제4장 생성형 AI 시대에 대응한 디지털 인재양성 분석 결과에 기반하여, 생성형 AI 관련 디지털 인력 확보 정책의 기본 방향을 제안하고 디지털 인력양성을 위한 교육 환경 구축, 지속적이고 효율적인 디지털 인재 확보 추진을 제안한다. 제5장 결론 연구의 방법은 문헌분석, 전문가 심층 인터뷰, 전문가 설문을 통해 생성형 AI가 개발 업무에 미치는 영향을 분석하고, 생성형 AI 시대에 대응한 디지털 인재양성 정책 방향을 제안한다. 4. 연구 내용 및 결과 본 연구는 디지털 인력 중 특히 수요가 많은 개발자에 초점을 맞춰, 그들의 작업에서 코드 자동 생성 기능 등에 의한 생성형 AI의 영향도를 분석한다. 이를 기반으로 개발자 및 디지털 전환 인력의 역할 변화를 고려하여 생성형 AI 시대의 디지털 인재 양성 정책 변화 및 방향을 모색한다. 디지털 인재를 넓은 의미에서‘디지털 신기술을 보유하고 디지털 전환을 주도하는 사람과 디지털 기술을 활용하는 모든 사람을 포함한 인력’으로 정의하고, 해외 기관 및 정부 부처가 공통적으로 제시한 디지털 신기술은 AI, 빅데이터, 소프트웨어 등임을 확인하였다. 디지털 인재 역량 요구사항 중 가장 수요가 많고 중요성이 커지는 기술은 Java, 파이썬, SQL 등 프로그래밍 언어와 애자일 방법론, 컴퓨터 공학 등 개발 관련 기술로 조사되었으며, 디지털 기술 중 2023년 선풍을 일으킨 생성형 AI는 코딩 보조 도구로써 코드 자동 생성, 자동 테스트, 주석 작성 등에 뛰어난 성능을 가지고 있어 프로그래밍 작업 시 영향을 많이 미칠 것으로 예상된다. 이에 따라 생성형 AI가 개발자 수준, 개발 난이도, 소프트웨어 유형 등 개발 조건에 따라 개발 생산성에 얼마나 영향을 주는지 분석한다. 1) 생성형 AI 기술의 진화 생성형 AI는 딥러닝 기술과 텍스트, 오디오, 이미지 또는 동영상 형태의 방대한 데이터를 활용하여 학습하고, 새로운 콘텐츠를 생성하는 기술이다. 생성형 AI 기술은 1980년대 개발된 신경망, 2006년대 심층 신경망, 2010년대 트랜스포머 모델을 거치면서 성숙하였고, 성능이 향상된 컴퓨팅 파워, 폭발적으로 증가한 데이터를 사용하여 혁신적으로 발전하게 되었다. MS, Amazon, Google 등 빅테크 기업에서는 시장에서 경쟁 우위를 확보하고 새로운 수익원을 창출하기 위해 생성형 AI 기술을 개발하고 혁신적인 서비스를 출시하는 데 매진하고 있다. 자동차, 의료 등의 산업에서도 생성형 AI를 이용한 수익 창출을 위해 차별화된 제품을 개발하고 있을 뿐 아니라 업무 효율성 향상을 위해서도 생성형 AI 기술을 도입하고 있다. 또한 생성형 AI 기술과 관련 인재를 확보·유지하기 위해 총력을 기울이고 있는데, 오픈AI, 구글 등 글로벌 빅테크 기업은 물론 아시아·태평양 지역기업들 또한 생성형 AI 인재 부족을 해결하기 위해 많이 노력하고 있다. 2) 국내·외 디지털 인재 양성 정책 생성형 AI 기술의 진화와 그에 따른 우수 디지털 인재 수급 등의 문제 발생에 신속 대응하기 위해 미·중·영·일본 등 해외 주요국에서는 기존 AI 관련 정책에 더해 다양한 대응방안을 마련하고 있다. 미국의 AI 정책은 글로벌시장에서 AI 경쟁력을 유지하고, 안전하고 신뢰할 수 있는 AI 발전을 추구하는 것이다. AI 인재 확보를 위해 「국가 AI R&D 전략계획」, 「안전하고 신뢰성 있는 AI를 위한 행정명령」 등을 통해 AI 분야에 필요한 기술 인력을 평가하여 교육하고 글로벌 AI 인력 확보를 위해 비자 제도를 개편하였다. 또한 「인공지능교육법」을 제정하여 AI 오용 가능성을 감소시키고, 정부 관련 직원들이 정부의 수요에 가장 적합한 인공지능 시스템을 도입할 수 있도록 하기 위해 연방 행정 각부, 산하기관 등에 AI 교육을 시행하고 있다. 중국은 「고등교육기관 AI 혁신 행동 계획」,「중국 인공지능 인재양성 백서」등을 통해 국가 주도로 AI 인재를 양성하고 있으며, 대학을 중심으로 기업이 보조하는 형태의 인재 양성을 추진하고 있다. 대학에서 실무에 바로 투입할 수 있는 실습 기반 교육을 하고, 빅테크 기업에서는 인공지능 대회, 단기 교육을 통해 실전 경험 강화를 유도하고 인재 인증 제도를 활성화하여 AI 인재 양성을 추진하고 있다. 영국도 「영국 디지털 전략」에서 영국의 기술 기업이 혁신하고 성장하는데 필요한 인력과 자금 확보를 표명하고, 해외 우수 인재 확보를 위해 새로운 비자를 대폭 신설하였다. 일본은 「AI 전략」, 「초·중등 교육 단계에서의 생성형 AI 활용에 관한 잠정적 가이드라인」 등을 발표하고, 초·중등 교육에서부터 수리·데이터사이언스·AI 이론을 학습시키는 한편 첨단 AI 기술과 기술 표준화의 국제주도권 확보를 위해 해외 우수 인재 유치 및 국제 공동 연구를 지원하는 정책과 사업을 펼쳐오고 있다. 주요국은 디지털 인재 양성을 위해 디지털 리터러시 교육과정을 확대하고, 대학 학위프로그램을 확대하는 방향으로 정규교육 프로그램을 개편하고 있다. 기업의 AI 인재 양성을 강조하고 있으며, 글로벌 해외 인재 확보를 위한 제도를 개선하고 있다. 국내에서는 글로벌 AI 시장에서 경쟁력을 갖추기 위해 2023년 4월「초거대 AI 경쟁력 강화 방안」을 발표하고, 「디지털 인재양성 종합방안」등 AI·SW 인력양성의 기존 정책의 기조를 유지하며, 초거대 AI 개발·활용에 전문화된 글로벌 수준의 인재를 추가 양성한다. 3) SW 개발 환경 변화에 따른 개발 업무 변화 분석 생성형 AI 기술이 개발 업무에 미치는 영향에 대해, 요구분석-설계-구현-테스트의 4단계로 구분되는 SW 개발 프로세스를 기준으로 분석하였다. 우선 관련 문헌조사 후 컴퓨터공학과 교수, 개발자와 SW 전문가 등으로 구성된 자문단을 구성하여 구조화된 설문지를 통해 전문가 심층 인터뷰를 수행하였다. 마지막으로 O*NET의 개발자 직무 Task 기반 분석을 수행하였다. 3-1) 문헌 연구 (SW 개발에 사용되는 AI 및 생성형 AI 기술 관련 연구와 활용 현황) 소프트웨어 코딩을 자동화하기 위해 기존에 특수 목적이나 일부 한정된 사람들이 MDD(모델주도방법론), 로우코드·노코드(LCNC) 도구를 주로 사용하였다. 최근에 널리 퍼진 생성형 AI 개발 도구는 개발자들이 SW 개발 시 일반적인 도구로 활용하고 있다. 동 배경하에, 개발자들이 코드 생성 외의 다른 작업에도 생성형 AI를 얼마나 활용하는지와 활용 가능성에 대해 검토한다. SW 개발 요구분석 단계는 고객과 소프트웨어 개발 그룹과의 기능에 대한 이해와 협의가 중요하기 때문에 자동화 도구를 활용한 작업이 쉽지 않다. 생성형 AI는 회의 내용을 요약하고, 텍스트 기반의 요구사항을 구조화하는데 제한적으로 활용되고 있다. 연구에서도 사용자 요구사항의 코드 구현 관련 추적성 개선에 관한 연구 등의 소수 연구가 진행되고 있다. SW 설계 단계는 문헌 자료를 찾기 어려울 정도로 생성형 AI를 많이 활용하지 않는 것으로 조사되었다. SW 구현 단계에서는 거대언어모델(LLM)의 기술적 특성으로 인해 생성형 AI가 자동 코드 생성 기능이 우수하여, 코드 생성, 코드 자동 완성, 코드 주석 작성, 리버스 엔지니어링(역공학) 등에 개발자들이 이미 많이 활용하고 있었다. 개발자들은 생성형 AI 기술을 이용한 상용화된 도구인 GitHub Copilot, ChatGPT, AWS CodeWhisperer 및 Tabnine 등을 통해 많은 시간이 소요되고 반복 작업이 많은 코드 생성에 대해 이를 많이 활용하고 있다. 물론 생성형 AI가 코드를 완벽하게 생성하는 것은 아니어서, 컴파일되지 않는 코드, 보안 취약성, 라이선스 침해 등의 문제가 있는 코드에 대해서는 개발자의 수정을 반드시 필요로 한다. 개발자들은 생성형 AI 개발 도구를 지원하는 프로그램 언어 종류, 자동 코드 생성·코드 자동완성·코드 리뷰 등 코딩 관련 기능, 테스트 및 보안 검증 기능 여부에 따라 각 도구를 선택하여 활용하고 있다. 연구에서는 OpenAI, MS, 구글 등 LLM 관련 업체의 생성형 AI 도구의 원리 및 개선, HumanEval 등으로 성능을 테스트한 관련 논문들을 상당히 많이 발표되어 있다. 문헌 조사상에서 생성형 AI의 영향을 가장 많이 받을 것으로 예측된 단계는 SW 테스트 단계이다. 테스트 케이스의 우선순위 선정, 오류 원인 분석, 테스트 케이스 생성 등에 생성형 AI를 활용할 수 있다고 조사되었다. 생성형 AI를 활용한 테스트 데이터 생성, 테스트에 유용한 테스트 케이스 생산을 통한 테스트 커버리지 확대 등의 논문이 있다. 테스팅 자동화, 관리, 데이터 생성, 시나리오 작성 등을 지원하는 AI 증강 테스팅 도구들 또한 시장에 많이 출시되었다. SW 구현, 테스트 이외에도 생성형 AI 기술은 초급 개발자 교육에도 활용될 뿐만 아니라 SW 컴파일러의 오류메시지를 이해하기 쉽게 생성하거나, COBOL 등 기존 프로그램에서 사용하던 언어를 현재 운영하는 시스템에 맞는 프로그램 언어로 변경하는 작업 등에서도 활용되고 있다. 이러한 생성형 AI의 여러 코딩 관련 기능으로 인한 개발자 생산성 향상의 가능성에도 불구하고, 코드 생성 시 LLM에 최신 데이터 미적용, 환각(Hallucination), 보안 취약성, 저작권 침해, 내부 정보 유출 등에 문제가 있으며, 이로 인해 개발 생산성이 저하되고 개발 비용이 증가할 수 있다. 천문학적 LLM 개발 및 유지 비용도 간과할 수 없는 부분이다. 3-2) 전문가 심층 인터뷰 및 전문가 설문 분석 생성형 AI 개발 도구 사용 현황·발전 방향, 디지털 인재상, 개발자 수준, 디지털 인재 확보 현황 등에 대해 전문가들의 전문성에 따라 관련 분야의 심층 인터뷰를 시행하였다. 또한 SW 개발 프로세스 단계별로 개발자와 전문가들의 사용 현황과 의견을 물었다. 개발자들은 소프트웨어 구현 시 생성형 AI 개발 도구를 기본적으로 활용하고 있는데, 구현 및 테스트 단계에서 개발 코드 생성 및 검증은 물론, 개발 코드 설명이나 개발문서 작성에도 활용하는 것으로 조사되었다. 여러 생성형 AI 개발 도구 중 대부분 개발자가 깃허브를 이용하여 접근이 용이한 Copilot을 활용하고 있었으며, 일부 전문가가 Tabnine를 사용하고 있었다. 대화형 플랫폼으로 접근성이 가장 좋은 ChatGPT는 개발자가 코드에 대한 도움을 받거나, 새로운 기능에 대한 아이디어를 얻는 용도로 사용하는 것으로 조사되었다. 전문가들은 생성형 AI를 활용하면 초급 개발자가 빠르게 개발 역량을 높일 수 있는 장점도 있다고 했다. 그러나 단점으로는 최신 데이터 학습에 제한적인 LLM의 특성 때문에 빠른 주기로 기술이 변하는 프론트엔드 개발에는 활용하기 어렵다는 의견이 있었다. 개발자들은 테스트의 경우, 테스트 코드를 자동화하는 것과 프로그램의 단일 기능에 대한 테스트는 가능하나, 비즈니스 로직에 대한 전반적인 테스트는 불가하다고 했다. 그러나 테스트는 상당한 시간이 소요되고 반복적인 업무가 많아 생성형 AI를 이용하면 가장 개발 효율성을 높일 수 있는 단계인 것으로 분석된다. 생성형 AI 기술을 이용한 테스트 도구는 기존 테스트 도구의 단점인 적절한 테스트 커버리지를 위한 최소의 테스트 케이스 생성과 테스트 데이터 생산으로 인한 테스트 데이터 부족 문제를 해결한다고 했다. 전문가들은 요구사항 분석 단계에서는 생성형 AI를 활용하여 고객의 요구사항을 듣고 고객 요청의 맥락까지 파악하는 것은 어렵다고 조언하였다. 개발자들은 코딩작업에 생성형 AI 개발 도구를 사용하는 데에 비교적 긍적적이었으나, 소프트웨어 개발 공정 전체에 생성형 AI 개발 도구를 활용하는 데는 아직까지 어느정도 제한이 있다는 의견이 많았다. 초급 개발자보다는 중급 개발자의 개발 생산성 향상 정도가 높았는데, 이는 초급 개발자의 경우 생성형 AI의 환각(Hallucination)으로 인한 잘못된 코드를 분별하는 데 어려움을 겪기 때문인 것으로 판단된다. 또한 생성형 AI가 개발자나 SW 전문가가 원하는 정보를 생성하기 위해서는 컴퓨터 공학에 대한 기본 개념이 있어야 하고, 프롬프트 엔지리어링이 매우 중요하다는 의견이 지배적이었다. 생성형 AI 출현 이후에 전문 개발자들은 생성형 AI를 활용하여 빠르게 지식 습득을 하고 있으며, 기업에서는 지식이 많은 직원보다 주어진 문제를 인식하고 해결할 수 있는 역량을 가진 직원을 선호하는 것으로 나타났다. 교수들은 대학에서 학생들이 과제나 SW 프로그래밍에 생성형 AI 도구를 빈번하게 활용하고 있으며, 생성형 AI로 인해 소프트웨어 관련 비전공 학생들의 코딩 실력이 늘었다고 답변했다. 논문 작성에도 생성형 AI를 활용하며, 일부 학회는 논문에 생성형 AI 활용을 허용하고 있다고 했다. 3-3) O*NET의 개발 관련 직무의 작업(Task), 세부작업(DWA)별 생성형 AI 기술의 영향을 검토 컴퓨터 프로그래머, 소프트웨어 개발자, 웹 개발자의 세부 업무(DWA) 중 개발과 관련된 것과 생성형 AI에 영향을 받는 DWA를 추출하고, 개발자 작업(Task)과 비교하여, SW 개발 프로세스인 요구분석, 설계, 구현, 테스트 단계별로 생성형 AI에 의한 영향도를 분석한다. SW 개발 업무 중 생성형 AI의 영향도가 가장 큰 작업(DWA)은 구현 단계의 컴퓨터 프로그래밍 코드 작성(Write computer programming code), 애플리케이션 개발(Develop computer or online applications), 테스트 단계의 소프트웨어 테스트(Test software performance), 소프트웨어 테스트 시나리오 및 테스트 케이스 제작(Develop testing routines or procedures), 기타 소프트웨어 사용 설명서 작성(Prepare instruction manuals) 등이었다. 컴퓨터 프로그래머, 소프트웨어 개발자, 웹 개발자 중 생성형 AI의 영향을 가장 가장 많이 받는 직무는 컴퓨터 프로그래머로 분석되었다. AI나 생성형 AI의 직업에 미치는 선행연구들에서도 “AI나 생성형 AI 역량”과 “모든 직업에서 수행하는 직무”를 비교하여 “각 직업에 대한 생성형 AI의 영향도”를 분석하였으며, 본 연구는 “개발자 업무와 직업”에 관한 연구를 문헌 연구, 전문가 심층 인터뷰, 그리고 선행연구의 연구 방법(AI 역량과 직업 역량 비교)을 활용하여 수행하고 분석을 시도하였다. 3-4) 생성형 AI가 개발 업무에 미치는 영향에 대한 최종 결과 분석 문헌 연구, 전문가 심층 인터뷰, O*NET 자료 분석 결과, SW 개발 프로세스 중 생성형 AI 기술의 영향을 가장 많이 받는 단계는 구현 단계였으며, 개발자가 생성형 AI를 활용하여 구현 단계에서 할 수 있는 작업은 “문헌이나 인터넷 등에 이미 포함되어 있는 코드”를 이용한 코드 생성과 통합개발환경(IDE)이 제공하는 함수를 사용할 때 “코드 자동 완성” 기능을 활용하는 것이다. 그러나 개발 단계에서 비즈니스 로직이 복잡하거나 개발 코드가 최신 기술을 활용해야 하는 코드를 작성해야 할 때는 생성형 AI 개발 도구를 활용하기 어렵다. 생성형 AI의 영향으로 전문 개발자가 아닌 소프트웨어 산업 외의 다른 산업에 종사하는 도메인 전문가들의 프로그래밍이 가능해지며, 디지털 전문가로 전환 가능성이 커질 것으로 예상된다. 종합적으로 SW 개발 단계 중 요구분석과 설계 단계에서는 생성형 AI 활용도가 낮아 SW 개발 시 개발 생산성 향상에 많은 영향을 주지는 못하는 것으로 분석된다. 또한 개발자 업무 중 컴퓨터 하드웨어 엔지니어와 협력하여 하드웨어 및 소프트웨어 시스템을 통합하고, 고객, 마케팅 담당자, 소프트웨어 품질 담당자, 소프트웨어 보안 담당자 등 소프트웨어 개발에 중요한 이해관계자와의 협상 등 직접적인 개발 업무에 속하는 않는 작업들은 생성형 AI를 활용하기 어렵다. 4) 생성형 AI 시대에 대응한 디지털 인재양성 생성형 AI가 개발자에 미치는 영향 분석 결과와 해외 주요국 및 국내 AI 정책을 분석하여 생성형 AI 디지털 인재 양성 정책 방향을 검토하였다. 1. 디지털 인력 확보 기본 방향 - 디지털 교육 저변 확대 및 개인 맞춤 교육 - 생성형 AI 기술의 효율적 활용을 위한 디지털 교육 - 생성형 AI를 활용한 연구와 디지털 교육 2. 디지털 인재 양성을 위한 교육 환경 구축 - 체계적 교육시스템 구축 - 디지털 교육을 위한 학습 시스템과 평가시스템 구축 3. 지속적이고 효율적인 인재 확보 추진 - 글로벌 인재 확보 - 디지털 인재 네트워킹 활성화 지원 본 연구는 요구사항 분석, 설계, 구현, 테스트의 개발 프로세스 단계별로 문헌 연구, 심층 인터뷰, O*NET 데이터를 이용하여 생성형 AI 영향에 의한 개발환경 변화를 다각도로 분석하여, 생성형 AI 시대의 인재양성 정책를 제안하였다는데 의의가 있다. 향후 연구로는 생성형 AI 활용이 어려운 개발 관련 업무나 교육에 생성형 AI 기술을 적용하여 개발 생산성을 높이고 디지털 전환을 가속하게 하는 방안에 대한 연구가 필요하겠다. 5. 정책적 활용 내용 본 연구는 생성형 AI가 개발 업무와 개발자 직무에 대한 영향도를 문헌 분석, 전문가 심층 인터뷰, 데이터 기반 검토를 통해 생성형 AI가 개발 프로세스 중 구현과 테스트에 영향이 가장 많은 영향을 주는 것으로 분석하였으며, 이에 따라 디지털 인력 양성 방향을 제시하였다. 지금까지 발표한 「초거대 AI 경쟁력 강화 방안」, 「디지털 인재양성 종합방안」 등의 구체적인 실행 계획 수립에 활용할 수 있다. 6. 기대효과 생성형 AI 기술이 세계 경제 경쟁력 강화에 중요한 기술로 부각됨에 따라 생성형 AI 시대에 대비한 국내 디지털 인재 양성 정책 수립에 활용되어, 디지털 기술을 개발하고 활용하는 인력의 역량 강화 및 이에 따른 국내 디지털 경쟁력 강화에 기여할 것이다.

요약문 1. 제 목 : 2023년 국내외 인공지능 산업 동향 연구 2. 연구 목적 및 필요성 ㅇ 생성AI 기술이 전세계적 이슈로 부상 - 2022년 11월 등장한 오픈AI社의 챗GPT(ChatGPT) 이후 인공지능 기술이 다시 한 번 역사적 변곡점을 맞이하면서 급성장 - 관련 하드웨어, 서비스 개발에 대한 투자뿐만아니라 전산업에서 AI융합이 본격화되고 있으며 글로벌 빅테크를 중심으로 한 주도권 경쟁이 치열해 지고 있는 상황 - 한편, 확률적 산출물 조합에 기반한 생성AI 기술의 한계, 생성물의 오남요에 따른 사회적 부작용 등 AI에 대한 국제사회의 규제 움직임도 점차 가시화 - 이에, 알파고(AlphaGo)이후 2010년 중반부터 급격히 진행되고 있는 인공지능 기술의 진화와 함께 사회적, 제도적 추이를 지속적으로 파악하여 시의성 있게 대응하는 정책적 민첩성의 요구도 높아짐 ㅇ 본 연구는 급변하는 국내외 인공지능 산업 동향을 파악하여 국내 산업 경쟁력 강화와 인공지능 활용 확산을 위한 정책 자료를 확보하는 것이 기본 목표 - 주요국, 기관, 학술단체, 주요 기업의 동향을 파악하여 현황을 진단하고, 향후 AI 기술의 발전과 산업을 전망하여 시의적절한 AI 정책을 개발하고 의사결정을 지원할 수 있도록 기초 자료 제공 및 정책 과제 발굴에 활용 - 인공지능 산업 관련 광범위한 조사를 바탕으로 국내외 AI 정책 관련 유용한 자료(정책, 법률, 권고사항 등)을 확보하여 정책 고도화에 활용 3. 연구의 구성 및 범위 ㅇ 인공지능 산업 현황 및 시장에 대한 개괄적 정리 ㅇ 국내 및 해외 주요국·국제 기구 정책 동향 - 주요국에는 미국, 유럽, 중국, 일본, 영국, 캐나다, 독일, 프랑스, 싱가포르 포함 - 국제 기구/회의로 OECD, UN/UNESCO, G7정상회의, 세계경제포럼(WEF) 동향 분석 ㅇ 국내외 인공지능 주요 기업 동향 분석 - 해외 글로벌 빅테크(구글, 마이크로소프트, 메타, 아마존, 오픈AI, 애플, 테슬라 등) 기업 및 국내 주요 기업 (네이버, 카카오)을 포함한 주요 AI 스타트업 동향 포함 ㅇ 국제 학술 단체 연구, 표준기관, 비영리 연구 기관 동향 분석 - IEEE, ACM 및 최상위 AI 컨퍼런스 발표 및 ISO/EC 국제 표준화 동향 - 국내 TTA 인공지능 표준화 동향 및 관련 인공지능 학회 주요 연구 동향 ㅇ 인공지능 교육 및 고용, 인력 개발 관련 동향 분석 4. 연구 내용 및 결과 ㅇ 주요국 및 국제기관에서는 생성AI 관련 규범 정립 및 규제 추진 - 미국은 인공지능 청사진 마련, 신뢰성 있는 AI 개발을 위한 행정명령, 유럽은 인공지능법안 통과, 중국의 생성 AI 지침 마련, G7의 AI행동강령, 일본은 생성 AI 저작권 지침 수립 및 국내에서는 인공지능 기본법 제정 추진 ㅇ 생성AI의 핵심 기술 개발 및 관련 서비스 생태계에서 경쟁력 우위 확보를 위해 주요 기업들은 가치사슬의 수직 통합화를 가속화 - 마이크로소프트, 구글, 메타, 아마존, 엔비디아 등 주요기업들은 인수합병, 전략적 투자를 통해 인공지능 반도체, 클라우드, AI플랫폼(모델), 애플리케이션에 이르는 인공지능 가치사슬의 수직통합화를 통한 경쟁력 강화 ㅇ 생성AI 모델의 고도화, 경량화와 함께 인공지능 신뢰성 확보 연구 확대 - 대규모 컴퓨팅 인프라 투자를 통해 거대언어모델 성능 경쟁을 펼치는 추세에서 비용 효과적인 경량 모델, 오픈소스 활용 움직임이 확대되고 있음 - 특히 생성물의 부정확성, 오류, 환각 현상, 잠재적 편향성 등 신뢰성 문제가 대두됨에 따라 이를 보완하거나 최소화 하기 위한 기술적, 정책적 대응 강화 5. 정책적 활용 내용 ㅇ 본 연구 내용은 정부의 인공지능 정책 수립 (초거대 인공지능 경쟁력 강화, 전국민 인공지능 일상화 전략 등) 및 관련 법안 마련 (인공지능 기본법)을 위한 현황 분석의 기초 자료로 활용 되었음 6. 기대효과 ㅇ 국내외 환경 변화에 대한 시의성 있는 정보 제공으로 정부 정책 대응력 제고 ㅇ 동태적 동향 분석 체계 구축을 통해 일관적이고 지속적인 정책 고도화 기반 마련 ㅇ 업계, 연구자 및 이용자 등 다양한 이해관계자에게 인공지능 관련 정책, 시장, 기업 전략, 표준, 인력, 연구 개발 동향 등 다양한 AI 현황 자료 제공함으로써 민간의 AI 산업 이해도 및 전략 대응력 향상에 기여

요약문 1. 제 목 : 메타버스 시장 및 동향 분석 2. 조사 목적 및 필요성 메타버스 시장의 선점을 목표로 하는 정책 수립을 위해 메타버스 시장 및 최신 동향에 대한 연구가 중요성을 더하고 있다. 메타버스는 커머스, 교육, 엔터테인먼트 등 다양한 분야에서 서비스가 확산 중이며, 우리 정부는 메타버스 산업 육성을 위한 범정부 차원의 노력을 지속하고 있다. 본 연구는 아직 시장 초기 단계인 메타버스 시장의 현황을 구체적으로 파악하고, 신규 산업 창출 및 프로젝트 기획에 필요한 메타버스 동향을 분석하고 이슈를 발굴함으로써 메타버스 관련 수요자와 공급자에게 정보를 제공하고 확산시키기 위한 목적을 가지고 있다. 메타버스 산업은 XR, 인공지능 등의 기술 발전과 비대면 생활 증가라는 사회적 환경의 변화와 함께, 몰입형 경험에 대한 수요가 증가하면서 급속히 확대되고 있다. 메타, 마이크로소프트, 애플 등의 글로벌 메타버스 기업들은 시장 선점을 위해 치열한 개발 경쟁을 벌이고 있으며, 게임, 교육, 엔터테인먼트, 의료 등 여러 산업에서 다양한 수요가 부상하면서 새로운 메타버스 플랫폼 및 서비스가 출시되고 있다. 이에 본 연구는 글로벌 시장조사기관의 메타버스 시장 규모 및 전망 데이터와 국내외 주요 기업의 동향, 주요국의 정책을 분석하여 국내 정책 입안을 위한 기초자료를 제공하며, 메타버스 관련 산학연 종사자들에게 글로벌 동향 정보를 제공하여 산업의 발전에 기여하고, 국내 정책수립에 필요한 토대를 마련하고자 한다. 3. 연구의 구성과 범위 본 연구는 글로벌 메타버스 시장 규모 및 전망, 산업 및 권역별 메타버스 시장 현황, 국내외 메타버스 기업 동향, 주요국 메타버스 정책 동향 그리고 최근 메타버스 주요 10대 이슈 동향으로 구성되어 있다. 제1장에서는 본 연구의 개요 및 메타버스의 개념을 정리하였다. 제2장에서는 메타버스 시장에 대한 조사 배경에 대하여 살펴보았다. 제3장에서는 메타버스 시장 동향을 세계 시장 규모에 대한 전망, 산업별 및 주요 권역별로 살펴본 후, 국내 메타버스 시장 규모와 전망을 확인하였다. 시장 통계 자료는 특정 자료 한가지에 의존하는 것을 지양하고 글로벌 시장조사기관인 Emergen Research, Markets and markets, Statista, Grand View Research에서 2023년 발간한 자료를 활용 및 다양한 기관에서 공개한 데이터를 활용하였다. 이밖에 소비자 수요, 산업계 현황 및 전망에 대해 글로벌 컨설팅기관 Accenture, Deloitte, EY등이 수행한 보고서도 자료로 활용하였다. 제4장에서는 2023년 국내외 메타버스 시장의 주요 사업자들의 동향을 살펴보았다. 제5장은 2023년 중국, EU, 미국, 영국, 일본, 중동 등 주요국에서 메타버스 산업 육성을 위해 발표한 주요 정책을 살펴보고, 이어서 한국의 메타버스 관련 정책도 살펴보았다. 마지막으로 제6장에서는 앞선 내용을 통해 도출된 내용을 요약 정리하고, 2023년 메타버스 산업 10대 주요 동향을 제시하고, 메타버스 관련 정책을 위한 시사점을 도출하였다. 4. 연구 내용 및 결과 □ 글로벌 메타버스 시장 규모 및 전망 본 연구에서는 메타버스 시장 규모 및 전망을 분석하기 위해서 글로벌 주요 시장조사기관(Emergen Research, Markets and Markets, Statista, Grand View Research, 360iResearch)의 공개 데이터를 활용하였다. 글로벌 메타버스 시장 규모는 XR, 인공지능, 블록체인 등 디지털 기술의 급속한 발전, 코로나19 이후의 몰입형 세계에 대한 수요 증가, 다양한 산업에 메타버스 도입 증가로 인해 고성장이 전망된다. 특히, XR, HCI(Human Computer Interaction, 인간 컴퓨터 상호작용), 인공지능, 블록체인, 컴퓨터 비전, 엣지 및 클라우드 컴퓨팅, 미래 모바일 네트워크 등과 같은 기술 성장이 글로벌 메타버스 시장을 주도할 것으로 예측된다. 코로나19 팬데믹으로 인한 몰입형 세계에 관한 관심 증가로 XR 기술 기반 애플리케이션 및 디바이스에 대한 지속적인 수요가 확대되고, 기업과 개인이 몰입형 가상경험의 가치와 잠재력을 인식하면서 메타버스 시장의 성장 및 투자가 지속적으로 진행될 것으로 예상된다. 또한, XR 기반 게임 및 엔터테인먼트, 업무, 교육 등 다양한 분야에 가상경험에 대한 수요가 증가하면서 메타버스 시장이 성장할 것으로 예상된다. 특히, 메타, MS, 애플 등의 글로벌 기업들은 메타버스 구현을 위한 기술 개발과 플랫폼 및 서비스 제공에 앞장서며 시장을 견인할 것으로 예측된다. 이에 조사기관별 메타버스 시장 산정 및 방법론의 차이로 전망 수치의 차이는 있으나, 전반적으로 연평균 30%~40% 내외 수준의 지속적인 고성장을 예상한다. □ 산업별 메타버스 시장 규모 및 전망 산업별 메타버스 동향을 종합적으로 파악하기 위해 2023년 메타버스 관련 주요 시장 조사기관들의 공통 산업의 전망치를 비교·분석하였다. 교육 분야의 메타버스 시장은 아직 초기 단계에 있으나, 위에서 언급한 주요 글로벌 시장조사기관1)들은 공통으로 2022년부터 2030년까지 약 30%~50% 사이의 지속적인 고성장을 예측한다. 최근 메타버스 기술의 발전과 비대면 수요 증가로 메타버스의 교육 분야 활용이 증가하는 추세이다. 향후 교수자와 학생의 메타버스 활용 역량 향상, 메타버스 교육 및 훈련 콘텐츠와 XR 디바이스의 개선 등을 통해 메타버스 교육 시장 역시 꾸준히 성장할 것으로 전망된다.

요약문 1. 제 목 : 글로벌 오픈소스 기업 현황 및 사업화 성장 요인 분석 2. 연구 목적 및 필요성 글로벌 기업들의 오픈소스 참여 활성화로 인해 SW 생태계에서 오픈소스 영향력이 커지고 있다. 이미 빅테크 기업들은 오픈소스 전략으로 SW 기술ž산업 혁신을 선도하고 있으며 이어 몽고DB, 일레스틱 같은 오픈소스 전문기업들이 등장하며 SW 생태계에 새로운 변화를 일으키고 있다. 기존 오픈소스 연구들은 오픈소스 활용 및 개발, 오픈소스 개발자 생태계, 빅테크 기업의 오픈소스 전략을 연구하며 오픈소스 현상을 해석하였지만, 최근 확산되는 오픈소스 전문기업에 대한 연구 사례는 많지 않다. 이에 본 연구는 증가하는 오픈소스 전문기업의 글로벌 현황을 분석하고 이들의 오픈소스 사업화 성장 요인을 분석하고자 한다. 이러한 연구는 국내 SW기업의 절대 다수가 중소기업이기 때문에 빅테크 기업의 오픈소스 연구에 비해 국내 SW산업 육성 및 기업 중심의 오픈소스 생태계 활성화 정책 수립에 더욱 도움이 될 것이다. 3. 연구의 구성 본 연구는 그림 1과 같이 서론을 포함하여 총 5장으로 구성되어 있다. 제 2장 선행 연구 문헌은 글로벌 오픈소스 동향과 오픈소스 사업화와 관련된 선행 문헌들을 분석하여 오픈소스 경제적 가치의 중요성과 증가하는 오픈소스 전문기업에 대한 해외 동향들을 소개한다. 그리고 유럽, 영국, 미국의 최신 오픈소스 경제적 효과 분석 연구 사례를 소개하며 국가 경제 활성화에 미치는 오픈소스의 새로운 긍정적 가치에 대해서도 소개한다. 제 3장 글로벌 오픈소스 전문기업 현황 분석은 크런치베이스에 제공하는 2,130개의 오픈소스 기업(Open Source Company)으로 분류된 기업들의 자료를 활용하여 주요국별 오픈소스 전문기업 현황, 오픈소스 전문기업의 설립 연도, 매출액, 종사자 수, 홍보 활동, 지재권 현황, 투자 현황 등과 같은 다양한 자료를 분석하여 글로벌 현황 정보을 제시한다. 분석 결과 매년 오픈소스 전문기업이 지속적으로 증가하고 있으며, 최근에는 오픈소스 전문기업에 대한 투자 규모가 급격히 증가하며 글로벌 SW 생태계에서 오픈소스 전문기업의 가치가 상승하고 있음을 알 수 있다. [그림 1] 연구 구성 및 방법 제 4장 오픈소스 사업화 성장 요인 분석은 오픈소스 사업화 성과의 중요한 지표인 매출, 제품ž서비스 수, 외부 투자액, 종사자 수와 기업 일반 사업화 요인 8가지, 오픈소스 기업 현황 3가지, 대표 오픈소스 프로젝트 현황 6가지에 대해 통계 기반의 정량적 분석을 수행하였다. 분석 결과 핵심 오픈소스 사업화 요인은 오픈소스 프로젝트의 기여자 수(외부 개발자 참여)와 와칭 수(프로젝트 관심도)와 함께 오픈소스 기업의 오픈소스 인력 수, 오픈소스 프로젝트 수(기업 내부 인식)이었다. 그리고, 오픈소스 프로젝트 성과와 밀접하게 관련된 오픈소스 기업 요인으로는 기업 팔로워 수(기업 외부 인식)임이 밝혀졌다. 또한 일반 사업화 요인 중에서는 기술 요인인 특허 수(기술 수준), SW 활용 수(기술 다양성), 기사 수(홍보 언론 노출)이 오픈소스 성과에 많은 영향을 주는 요인으로 밝혀졌다. 제 5장 결론에서는 정책적 시사점으로 오픈소스 전문기업 육성 필요성을 제시하며 이를 위한 3가지 추가 시사점을 제시하며 본 연구를 마무리하였다. 4. 연구 내용 및 결과 깃허브 현황에 의하면 오픈소스 생태계에 참여하는 개발자와 기업이 빠르게 증가하고 있다. 오픈소스 기여자의 88%가 기업 소속 개발자이었으며 리눅스 커널 개발 이슈의 84%가 기업 이슈일 정도로 개발 과정에 기업이 크게 영향을 주고 있었다. 그리고 글로벌 기업은 리눅스 재단의 오픈소스 프로젝트 활성화를 위한 재원에 연회비를 통해 간접적 지원을 하고 있었다. 이렇게 기업들이 오픈소스 생태계에 직접적 간접적으로 참여하는 이유는 오픈소스에 대한 높은 의존도와 선호도 때문이다. 기업에서 개발하는 상용SW의 90% 이상에서 오픈소스가 활용되고 있으며, 개발자가 선호하는 SW 기술의 과반 이상의 오픈소스 기술이었기 때문에 기업은 오픈소스와 분리될 수 없는 현실이다. 비록 기업이 오픈소스에 대한 높은 의존도가 있더라도 이는 긍정적 의존성으로 비용 절감, 타 기업 종속성 회피, 빠른 시장 접근성, SW 생산성 향상에 도움을 주어 기업의 경쟁력 강화에 기여하고 있다. 실제로 IT 분야의 시가 총액 10위 이내의 빅테크 기업 모두 적극적으로 오픈소스 기여를 하는 기업들이었으며 빅테크 기업은 오픈소스 생태계 참여를 통해 기술·산업 혁신을 주도하고 있다. 최근에는 오픈소스 전문기업들이 오픈소스를 기반으로 창업을 하며 SW 생태계에서 영향력을 키우고 있다. 일부에서는 2030년에는 오픈소스 기업의 시가 총액이 폐쇄형 SW 기업의 시가 총액을 넘어설 것으로 예측할 정도이다. 오픈소스 전문기업의 주요 오픈소스 비즈니스 모델은 오픈 코어 모델, 시스템 통합 모델, 부가가치 라이브러리 모델로 크게 분류할 수 있으며, 이들의 공통점은 고객 유인을 위한 무료 오픈소스 기능과 수익 창출을 위한 독점적 SW 기능의 결합으로 볼 수 있다. 그리고, 오픈소스 사업화 단계는 3단계(프로젝트 -> 제품화 -> 수익화)로 구분되며 이 과정에서 오픈소스는 SW 신기술 홍보ž확산을 위한 기술 마케팅 수단으로 활용되고 있었다. 오픈소스 생태계가 빠르게 성장하며 기업들에게 영향력을 확대함에 따라 유럽, 영국, 미국에서는 오픈소스의 국가 경제에 미치는 효과에 대한 새로운 연구가 등장하고 있다. 유럽에서는 2018년 EU 경제에 미치는 오픈소스의 경제적 효과를 950억 유로로 추정하였으며, 영국에서는 2020년 영국 경제에 미치는 오픈소스의 경제적 효과를 431억 파운드로 추정하였다. 미국에서는 아파치 재단의 아파치 웹 서버의 경제적 효과를 120억 달러로 추정하였고 미국의 GPS의 오픈소스 협력의 경제적 가치를 1조 4천억 달러로 추정하였다. 이와 같이 오픈소스는 국가 경제, 기술 주권 확보, 스타트업 육성, 국가 인프라 강화에 긍정적 영향을 주기 때문에 정책적 지원이 필요하다고 제안하고 있다. 글로벌 오픈소스 전문기업 현황 분석을 위해 크런치베이스에서 오픈소스 기업으로 분류한 2130개의 기업 목록을 활용하였다. 크런치베이스는 4천개 이상의 벤쳐 캐피털 회사가 이용하는 대표적인 글로벌 테크 기업 정보 제공 서비스이다. 본 연구에서는 크런치베이스에서 제공하는 오픈소스 기업의 130개 넘는 데이터 중에서 자료 제공률, 데이터 중요성을 감안하여 27개의 자료 항목(기업 유형, 지역, 설립연도, 매출 규모, 종사자 수, 경쟁 기업 수, 투자 횟수, 투자 유형, 투자 연도, M&A 등)을 선정하여 글로벌 오픈소스 전문기업 현황을 분석하였다. [그림 2] 연도별 오픈소스 전문기업의 수 분석 결과 오픈소스 전문기업은 매년 꾸준히 늘어나고 있었으며 최근에는 투자 규모도 빠르게 성장하고 있었다. 특히 2000년대에 오픈소스 전문기업의 수가 급격히 증가하기 시작하였고, 투자 규모는 최근 5년 이내에 급상승하였다. 소수이지만 일부 기업은 매출 규모가 10 달러를 초과할 정도로 시장에서 큰 영향력을 발휘하고 있지만 보편적인 오픈소스 전문기업은 창업한지 얼마 안 되어 매출 규모, 종사자 수, 한정된 제품 수 등에서 스타트업 특성을 가지고 있었고, 많은 데이터들의 자료가 제공되지 않는 상황이었기 때문에 한정적 분석을 할 수 밖에 없었다. 오픈소스 전문기업의 성장 요인 분석을 위해 오픈소스 사업화에 대한 조작적 정의를 기술 이전법 제 2조에 정의된 기술 사업화 정의를 이용하여 “오픈소스 기술을 이용하여 제품을 개발·생산 또는 판매하거나 그 과정의 관련 오픈소스 기술을 향상시키는 것”으로 정의하였다. 그리고 기술 사업화 과정을 추가로 참고하여 크런치베이스 제공 정보를 기반으로 오픈소스 전문기업의 일반 사업화 성과로 매출, 제품ž서비스 수, 외부 투자액, 종사자 수 4가지를 선정하였고 일반 사업화 요인으로 특허 수, 활용 SW 제품수, IT 지출, 기사 수, 행사 참여 수, M&A, 창업자 수, 유사 기업 수, 상표권 수 8가지를 선정하였다. 추가로 대표적인 오픈소스 개발 플랫폼인 깃허브에서 오픈소스 사업화 요인과 성과로써 오픈소스 기업 정보 3가지(오픈소스 업 팔로워 수, 오픈소스 인력 수, 저장소 수)와 대표 오픈소스 프로젝트 정보 6가지(스타 수, 워칭 수, 포크 수, 커밋 수, 기여자 수, 라이선스 유형)로 선정하여 다앙햔 사업화 요인과 성과간의 가설을 수립하였다. 가설 검증을 위한 연구 모형으로 ① 일반 사업화 요인 -> 일반 사업화 성과, ② 오픈소스 사업화 요인 -> 일반 사업화 성과, ③ 일반 사업화 요인 -> 오픈소스 사업화 성과, ④ 오픈소스 사업화 요인 -> 오픈소스 사업화 성과, ⑤ 오픈소스 라이선스 -> 일반 사업화 성과, ⑥ 오픈소스 라이선스 -> 오픈소스 사업화 성과을 설정하여 모형별 가설을 통계적 방법론(단순 회귀 분석, 분산 분석 등)을 활용하여 검증하였다. [그림 3] 연구 모형과 핵심 가설 통계적 검증 결과 오픈소스 사업화 요인과 일반 사업화 성과에 대한 통계적 분석 결과 오픈소스 사업화 요인이 일반 사업화 성과 중 매출과 상표권 수와 통계적 유의성이 가장 많았기 때문에 오픈소스 활동이 기업 매출 증가와 제품 다양화에 기여한다고 해석할 수 있다. 그리고 기업 사업화 성장에 영향을 많이 준 오픈소스 사업화 요인으로는 프로젝트 기여자 수, 와칭 수와 기업 오픈소스 인력 수와 프로젝트 수가 통계적 유의성이 많았기 때문에 다양한 오픈소스 활동 중에 프로젝트 기여자 수와 와칭 수를 늘리기 위한 기술 홍보와 기업 오픈소스 인력 확보 및 오픈소스 개발 활성화가 중요하다고 해석된다. 오픈소스 사업화 성과와 관련된 주요 일반 사업화 요인으로는 기술적 측면의 특허 수와 활용 SW 수가 있으며 기업 홍보 측면의 기사 수가 통계적 유의성이 많았기 때문에 오픈소스는 기술 역량 확보를 위한 노력과 함께 홍보(기술 마케팅) 역량 강화가 필요하다고 해석된다. 그리고 최근 늘어나는 상용 오픈소스 라이선스의 경우 퍼미시브 라이선스 프로젝트들에 비해 매출, 상표권 수, 직원 수와 프로젝트 와칭 수에서 통계적 차이가 있었기 때문에 상용 오픈소스 라이선스는 매출 증가, 제품 다양화, 직원 수 증가에 기여한다고 해석되며 상용 오픈소스 라이선스 전환을 위한 주요 조건으로 프로젝트 와칭 수가 가장 유의미한 요인으로 해석된다. 글로벌 오픈소스 전문기업 현황 분석과 오픈소스 전문기업의 사업화 성장 요인 분석 결과를 종합적으로 해석하여 결론에서 핵심 정책적 시사점으로 오픈소스 전문기업 육성을 제시하며 이를 위한 추가 시사점을 3가지를 더 제시하였다. ① 기술 마케팅 측면에서 오픈소스 사업화 지원 - 지원 1: 오픈소스 프로젝트 활성화 지원 - 지원 2: 오픈소스 제품화를 위한 비즈니스 협업 지원 ② 오픈소스 기업 중점 지원 방향 - 프로젝트 활성화(기여자 수, 와칭 수)를 위한 홍보 지원 - 오픈소스 인력 양성 ③ 오픈소스 기술 경쟁력 강화를 위한 글로벌 생태계 참여 지원 5. 정책적 활용 내용 SW 산업 육성과 국가 경쟁력 강화를 위해 오픈소스 중요성이 증가하기 때문에 본 연구는 오픈소스 생태계 활성화 정책 수립를 위한 기초 자료로써 활용될 수 있다. 국내 SW 기업들은 글로벌 빅테크 기업들과 달리 투자 규모, 인력 측면에서 현격한 차이가 있기 때문에 오픈소스 정책 수립에 있어 빅테크 기업 사례는 정책 수립에 어려움이 있다. 하지만 글로벌 오픈소스 전문기업들은 규모 면에서 국내 SW 기업들과 비슷하기 때문에 이들 기업에 대한 상세한 연구는 오픈소스 정책 수립 및 SW 정책 수립에 있어 중요한 자료로 판단된다. 따라서, 오픈소스 전문기업에 대한 현황 분석 및 성장 요인 분석을 통해 새로운 오픈소스 정책 수립, 특히 오픈소스 전문기업 육성 정책을 위한 참고 자료로 활용된다면 정책 방향 설정에 도움이 될 것이다. 6. 기대효과 SW 생태계에서 오픈소스 영향력이 지속적으로 증가하고 있으며 또한 오픈소스 활용은 SW산업 뿐만 아니라 전산업에서 확산되고 있다. 본 연구는 일차적으로 SW 기업 육성을 위한 하나의 방안으로 오픈소스 전문기업 육성을 제안하면서 국내 오픈소스 전문기업이 많이 등장하고 성장할 수 있는 토대가 마련되길 기대한다. 만약 오픈소스 전문기업들이 많이 등장하고 성장한다면 국내 SW 생태계의 핵심인 중소SW기업들의 경쟁력 상승과 국가 SW 경쟁력도 더욱 강화될 것으로 생각된다. 이들 기업들은 글로벌 오픈소스 생태계를 근간으로 기술 개발과 SW 사업화가 이루어지기 때문에 오픈소스 기반 기술 경쟁력으로 국내외 시장에서 영향력을 키울 수 있을 것으로 생각된다. 이는 곧 고부가가치 산업인 국내 SW산업 성장과 국가 디지털 경쟁력 강화의 초석이 될 것이며, 기업 성장과 함께 고용 증대 효과로 국가 전반에 걸쳐 긍정적 효과를 발휘할 수 있을 것으로 기대된다.

요약문 1. 제 목 : 글로벌 오픈소스 기업 현황 및 사업화 성장 요인 분석 2. 연구 목적 및 필요성 글로벌 기업들의 오픈소스 참여 활성화로 인해 SW 생태계에서 오픈소스 영향력이 커지고 있다. 이미 빅테크 기업들은 오픈소스 전략으로 SW 기술ž산업 혁신을 선도하고 있으며 이어 몽고DB, 일레스틱 같은 오픈소스 전문기업들이 등장하며 SW 생태계에 새로운 변화를 일으키고 있다. 기존 오픈소스 연구들은 오픈소스 활용 및 개발, 오픈소스 개발자 생태계, 빅테크 기업의 오픈소스 전략을 연구하며 오픈소스 현상을 해석하였지만, 최근 확산되는 오픈소스 전문기업에 대한 연구 사례는 많지 않다. 이에 본 연구는 증가하는 오픈소스 전문기업의 글로벌 현황을 분석하고 이들의 오픈소스 사업화 성장 요인을 분석하고자 한다. 이러한 연구는 국내 SW기업의 절대 다수가 중소기업이기 때문에 빅테크 기업의 오픈소스 연구에 비해 국내 SW산업 육성 및 기업 중심의 오픈소스 생태계 활성화 정책 수립에 더욱 도움이 될 것이다. 3. 연구의 구성 본 연구는 그림 1과 같이 서론을 포함하여 총 5장으로 구성되어 있다. 제 2장 선행 연구 문헌은 글로벌 오픈소스 동향과 오픈소스 사업화와 관련된 선행 문헌들을 분석하여 오픈소스 경제적 가치의 중요성과 증가하는 오픈소스 전문기업에 대한 해외 동향들을 소개한다. 그리고 유럽, 영국, 미국의 최신 오픈소스 경제적 효과 분석 연구 사례를 소개하며 국가 경제 활성화에 미치는 오픈소스의 새로운 긍정적 가치에 대해서도 소개한다. 제 3장 글로벌 오픈소스 전문기업 현황 분석은 크런치베이스에 제공하는 2,130개의 오픈소스 기업(Open Source Company)으로 분류된 기업들의 자료를 활용하여 주요국별 오픈소스 전문기업 현황, 오픈소스 전문기업의 설립 연도, 매출액, 종사자 수, 홍보 활동, 지재권 현황, 투자 현황 등과 같은 다양한 자료를 분석하여 글로벌 현황 정보을 제시한다. 분석 결과 매년 오픈소스 전문기업이 지속적으로 증가하고 있으며, 최근에는 오픈소스 전문기업에 대한 투자 규모가 급격히 증가하며 글로벌 SW 생태계에서 오픈소스 전문기업의 가치가 상승하고 있음을 알 수 있다. [그림 1] 연구 구성 및 방법 제 4장 오픈소스 사업화 성장 요인 분석은 오픈소스 사업화 성과의 중요한 지표인 매출, 제품ž서비스 수, 외부 투자액, 종사자 수와 기업 일반 사업화 요인 8가지, 오픈소스 기업 현황 3가지, 대표 오픈소스 프로젝트 현황 6가지에 대해 통계 기반의 정량적 분석을 수행하였다. 분석 결과 핵심 오픈소스 사업화 요인은 오픈소스 프로젝트의 기여자 수(외부 개발자 참여)와 와칭 수(프로젝트 관심도)와 함께 오픈소스 기업의 오픈소스 인력 수, 오픈소스 프로젝트 수(기업 내부 인식)이었다. 그리고, 오픈소스 프로젝트 성과와 밀접하게 관련된 오픈소스 기업 요인으로는 기업 팔로워 수(기업 외부 인식)임이 밝혀졌다. 또한 일반 사업화 요인 중에서는 기술 요인인 특허 수(기술 수준), SW 활용 수(기술 다양성), 기사 수(홍보 언론 노출)이 오픈소스 성과에 많은 영향을 주는 요인으로 밝혀졌다. 제 5장 결론에서는 정책적 시사점으로 오픈소스 전문기업 육성 필요성을 제시하며 이를 위한 3가지 추가 시사점을 제시하며 본 연구를 마무리하였다. 4. 연구 내용 및 결과 깃허브 현황에 의하면 오픈소스 생태계에 참여하는 개발자와 기업이 빠르게 증가하고 있다. 오픈소스 기여자의 88%가 기업 소속 개발자이었으며 리눅스 커널 개발 이슈의 84%가 기업 이슈일 정도로 개발 과정에 기업이 크게 영향을 주고 있었다. 그리고 글로벌 기업은 리눅스 재단의 오픈소스 프로젝트 활성화를 위한 재원에 연회비를 통해 간접적 지원을 하고 있었다. 이렇게 기업들이 오픈소스 생태계에 직접적 간접적으로 참여하는 이유는 오픈소스에 대한 높은 의존도와 선호도 때문이다. 기업에서 개발하는 상용SW의 90% 이상에서 오픈소스가 활용되고 있으며, 개발자가 선호하는 SW 기술의 과반 이상의 오픈소스 기술이었기 때문에 기업은 오픈소스와 분리될 수 없는 현실이다. 비록 기업이 오픈소스에 대한 높은 의존도가 있더라도 이는 긍정적 의존성으로 비용 절감, 타 기업 종속성 회피, 빠른 시장 접근성, SW 생산성 향상에 도움을 주어 기업의 경쟁력 강화에 기여하고 있다. 실제로 IT 분야의 시가 총액 10위 이내의 빅테크 기업 모두 적극적으로 오픈소스 기여를 하는 기업들이었으며 빅테크 기업은 오픈소스 생태계 참여를 통해 기술·산업 혁신을 주도하고 있다. 최근에는 오픈소스 전문기업들이 오픈소스를 기반으로 창업을 하며 SW 생태계에서 영향력을 키우고 있다. 일부에서는 2030년에는 오픈소스 기업의 시가 총액이 폐쇄형 SW 기업의 시가 총액을 넘어설 것으로 예측할 정도이다. 오픈소스 전문기업의 주요 오픈소스 비즈니스 모델은 오픈 코어 모델, 시스템 통합 모델, 부가가치 라이브러리 모델로 크게 분류할 수 있으며, 이들의 공통점은 고객 유인을 위한 무료 오픈소스 기능과 수익 창출을 위한 독점적 SW 기능의 결합으로 볼 수 있다. 그리고, 오픈소스 사업화 단계는 3단계(프로젝트 -> 제품화 -> 수익화)로 구분되며 이 과정에서 오픈소스는 SW 신기술 홍보ž확산을 위한 기술 마케팅 수단으로 활용되고 있었다. 오픈소스 생태계가 빠르게 성장하며 기업들에게 영향력을 확대함에 따라 유럽, 영국, 미국에서는 오픈소스의 국가 경제에 미치는 효과에 대한 새로운 연구가 등장하고 있다. 유럽에서는 2018년 EU 경제에 미치는 오픈소스의 경제적 효과를 950억 유로로 추정하였으며, 영국에서는 2020년 영국 경제에 미치는 오픈소스의 경제적 효과를 431억 파운드로 추정하였다. 미국에서는 아파치 재단의 아파치 웹 서버의 경제적 효과를 120억 달러로 추정하였고 미국의 GPS의 오픈소스 협력의 경제적 가치를 1조 4천억 달러로 추정하였다. 이와 같이 오픈소스는 국가 경제, 기술 주권 확보, 스타트업 육성, 국가 인프라 강화에 긍정적 영향을 주기 때문에 정책적 지원이 필요하다고 제안하고 있다. 글로벌 오픈소스 전문기업 현황 분석을 위해 크런치베이스에서 오픈소스 기업으로 분류한 2130개의 기업 목록을 활용하였다. 크런치베이스는 4천개 이상의 벤쳐 캐피털 회사가 이용하는 대표적인 글로벌 테크 기업 정보 제공 서비스이다. 본 연구에서는 크런치베이스에서 제공하는 오픈소스 기업의 130개 넘는 데이터 중에서 자료 제공률, 데이터 중요성을 감안하여 27개의 자료 항목(기업 유형, 지역, 설립연도, 매출 규모, 종사자 수, 경쟁 기업 수, 투자 횟수, 투자 유형, 투자 연도, M&A 등)을 선정하여 글로벌 오픈소스 전문기업 현황을 분석하였다. [그림 2] 연도별 오픈소스 전문기업의 수 분석 결과 오픈소스 전문기업은 매년 꾸준히 늘어나고 있었으며 최근에는 투자 규모도 빠르게 성장하고 있었다. 특히 2000년대에 오픈소스 전문기업의 수가 급격히 증가하기 시작하였고, 투자 규모는 최근 5년 이내에 급상승하였다. 소수이지만 일부 기업은 매출 규모가 10 달러를 초과할 정도로 시장에서 큰 영향력을 발휘하고 있지만 보편적인 오픈소스 전문기업은 창업한지 얼마 안 되어 매출 규모, 종사자 수, 한정된 제품 수 등에서 스타트업 특성을 가지고 있었고, 많은 데이터들의 자료가 제공되지 않는 상황이었기 때문에 한정적 분석을 할 수 밖에 없었다. 오픈소스 전문기업의 성장 요인 분석을 위해 오픈소스 사업화에 대한 조작적 정의를 기술 이전법 제 2조에 정의된 기술 사업화 정의를 이용하여 “오픈소스 기술을 이용하여 제품을 개발·생산 또는 판매하거나 그 과정의 관련 오픈소스 기술을 향상시키는 것”으로 정의하였다. 그리고 기술 사업화 과정을 추가로 참고하여 크런치베이스 제공 정보를 기반으로 오픈소스 전문기업의 일반 사업화 성과로 매출, 제품ž서비스 수, 외부 투자액, 종사자 수 4가지를 선정하였고 일반 사업화 요인으로 특허 수, 활용 SW 제품수, IT 지출, 기사 수, 행사 참여 수, M&A, 창업자 수, 유사 기업 수, 상표권 수 8가지를 선정하였다. 추가로 대표적인 오픈소스 개발 플랫폼인 깃허브에서 오픈소스 사업화 요인과 성과로써 오픈소스 기업 정보 3가지(오픈소스 업 팔로워 수, 오픈소스 인력 수, 저장소 수)와 대표 오픈소스 프로젝트 정보 6가지(스타 수, 워칭 수, 포크 수, 커밋 수, 기여자 수, 라이선스 유형)로 선정하여 다앙햔 사업화 요인과 성과간의 가설을 수립하였다. 가설 검증을 위한 연구 모형으로 ① 일반 사업화 요인 -> 일반 사업화 성과, ② 오픈소스 사업화 요인 -> 일반 사업화 성과, ③ 일반 사업화 요인 -> 오픈소스 사업화 성과, ④ 오픈소스 사업화 요인 -> 오픈소스 사업화 성과, ⑤ 오픈소스 라이선스 -> 일반 사업화 성과, ⑥ 오픈소스 라이선스 -> 오픈소스 사업화 성과을 설정하여 모형별 가설을 통계적 방법론(단순 회귀 분석, 분산 분석 등)을 활용하여 검증하였다. [그림 3] 연구 모형과 핵심 가설 통계적 검증 결과 오픈소스 사업화 요인과 일반 사업화 성과에 대한 통계적 분석 결과 오픈소스 사업화 요인이 일반 사업화 성과 중 매출과 상표권 수와 통계적 유의성이 가장 많았기 때문에 오픈소스 활동이 기업 매출 증가와 제품 다양화에 기여한다고 해석할 수 있다. 그리고 기업 사업화 성장에 영향을 많이 준 오픈소스 사업화 요인으로는 프로젝트 기여자 수, 와칭 수와 기업 오픈소스 인력 수와 프로젝트 수가 통계적 유의성이 많았기 때문에 다양한 오픈소스 활동 중에 프로젝트 기여자 수와 와칭 수를 늘리기 위한 기술 홍보와 기업 오픈소스 인력 확보 및 오픈소스 개발 활성화가 중요하다고 해석된다. 오픈소스 사업화 성과와 관련된 주요 일반 사업화 요인으로는 기술적 측면의 특허 수와 활용 SW 수가 있으며 기업 홍보 측면의 기사 수가 통계적 유의성이 많았기 때문에 오픈소스는 기술 역량 확보를 위한 노력과 함께 홍보(기술 마케팅) 역량 강화가 필요하다고 해석된다. 그리고 최근 늘어나는 상용 오픈소스 라이선스의 경우 퍼미시브 라이선스 프로젝트들에 비해 매출, 상표권 수, 직원 수와 프로젝트 와칭 수에서 통계적 차이가 있었기 때문에 상용 오픈소스 라이선스는 매출 증가, 제품 다양화, 직원 수 증가에 기여한다고 해석되며 상용 오픈소스 라이선스 전환을 위한 주요 조건으로 프로젝트 와칭 수가 가장 유의미한 요인으로 해석된다. 글로벌 오픈소스 전문기업 현황 분석과 오픈소스 전문기업의 사업화 성장 요인 분석 결과를 종합적으로 해석하여 결론에서 핵심 정책적 시사점으로 오픈소스 전문기업 육성을 제시하며 이를 위한 추가 시사점을 3가지를 더 제시하였다. ① 기술 마케팅 측면에서 오픈소스 사업화 지원 - 지원 1: 오픈소스 프로젝트 활성화 지원 - 지원 2: 오픈소스 제품화를 위한 비즈니스 협업 지원 ② 오픈소스 기업 중점 지원 방향 - 프로젝트 활성화(기여자 수, 와칭 수)를 위한 홍보 지원 - 오픈소스 인력 양성 ③ 오픈소스 기술 경쟁력 강화를 위한 글로벌 생태계 참여 지원 5. 정책적 활용 내용 SW 산업 육성과 국가 경쟁력 강화를 위해 오픈소스 중요성이 증가하기 때문에 본 연구는 오픈소스 생태계 활성화 정책 수립를 위한 기초 자료로써 활용될 수 있다. 국내 SW 기업들은 글로벌 빅테크 기업들과 달리 투자 규모, 인력 측면에서 현격한 차이가 있기 때문에 오픈소스 정책 수립에 있어 빅테크 기업 사례는 정책 수립에 어려움이 있다. 하지만 글로벌 오픈소스 전문기업들은 규모 면에서 국내 SW 기업들과 비슷하기 때문에 이들 기업에 대한 상세한 연구는 오픈소스 정책 수립 및 SW 정책 수립에 있어 중요한 자료로 판단된다. 따라서, 오픈소스 전문기업에 대한 현황 분석 및 성장 요인 분석을 통해 새로운 오픈소스 정책 수립, 특히 오픈소스 전문기업 육성 정책을 위한 참고 자료로 활용된다면 정책 방향 설정에 도움이 될 것이다. 6. 기대효과 SW 생태계에서 오픈소스 영향력이 지속적으로 증가하고 있으며 또한 오픈소스 활용은 SW산업 뿐만 아니라 전산업에서 확산되고 있다. 본 연구는 일차적으로 SW 기업 육성을 위한 하나의 방안으로 오픈소스 전문기업 육성을 제안하면서 국내 오픈소스 전문기업이 많이 등장하고 성장할 수 있는 토대가 마련되길 기대한다. 만약 오픈소스 전문기업들이 많이 등장하고 성장한다면 국내 SW 생태계의 핵심인 중소SW기업들의 경쟁력 상승과 국가 SW 경쟁력도 더욱 강화될 것으로 생각된다. 이들 기업들은 글로벌 오픈소스 생태계를 근간으로 기술 개발과 SW 사업화가 이루어지기 때문에 오픈소스 기반 기술 경쟁력으로 국내외 시장에서 영향력을 키울 수 있을 것으로 생각된다. 이는 곧 고부가가치 산업인 국내 SW산업 성장과 국가 디지털 경쟁력 강화의 초석이 될 것이며, 기업 성장과 함께 고용 증대 효과로 국가 전반에 걸쳐 긍정적 효과를 발휘할 수 있을 것으로 기대된다.

요약문 메타버스는 현재 가장 주목받는 차세대 산업 중 하나이다. 세계 주요국들은 중장기적인 관점에서 메타버스 산업 육성을 위한 정책적 지원 및 사업 환경을 조성해가고 있다. 우리나라도 정부 차원에서 메타버스 산업을 적극적으로 지원하고 있다. 하지만, 지속적이고 효과적인 메타버스 지원 정책 수립을 위해서는 국내 메타버스 산업 현황과 변화를 파악할 수 있는 산업분류체계가 필요하다. 현재 메타버스에 대한 정의와 범위에 대해 여러 다른 의견이 있으며, 관련 기관이나 업체 별로 활용 목적에 따라 제정한 분류체계가 있다. 그러나, 국내 산업의 현황을 반영하고 산업 범위를 이해할 수 있는 메타버스산업분류체계는 부재한 상황이다. 현재 메타버스의 중요 구현 기술인 VR·AR산업의 산업분류체계를 우선적으로 참고하는 사례들이 있지만, VR·AR기반이 아닌 메타버스 산업활동까지 포괄하기는 어렵다. 따라서, 본 연구에서는 메타버스 산업 발전 방향을 고려하여 확장 가능한 메타버스 산업의 정의와 범위를 정립하고, 통계체계 구축을 위한 산업분류체계를 제시한다. 또한 본 연구는 메타버스산업 실태조사 시범조사 도입 논의를 위한 선행 연구로서, 메타버스산업 기초통계 자료 산출을 사전 모집단 구축 및 조사방법론 제시를 연구 범위로 포함한다. [참고 1] 연구 추진 단계는 과 같다. 우선 글로벌 조사기관의 메타버스 생태계 구조안, 선행 메타버스 시장조사 분류체계, 유사 이종 분류체계 등 다양한 연구들을 수집하였다. 수집된 내용을 분석하여 VR·AR 분류체계에서 확대되는 영역을 파악하였고, 내부적인 검토를 통해 1차 메타버스 분류체계 초안을 작성하였다. 작성된 내용을 토대로 메타버스와 연관성이 높은 학계, 연구계, 산업계의 다양한 전문가 의견을 수렴하였고 분류체계에 메타버스산업의 미래 가능성을 포함할 수 있도록 확장성을 고려하였다. 전문가 회의를 3차례 진행하여 2차 초안을 작성하였고, 유관기관 의견수렴, 공개 의견수렴, 산업계 의견수렴을 통해 분류체계를 개선해 나갔다. [참고2] 이런 과정을 통해 현재 완료된 분류체계는 “메타버스 콘텐츠 제작 및 공급업(플랫폼 포함)”, “메타버스 전용기기, 주변기기 및 부분품 제조업”, “메타버스 전용 소프트웨어 개발 및 공급업”, “메타버스 지원 서비스업”과 같이 4개의 대분류로 분류하였고, 각각의 중분류는 과 같다. 구축된 메타버스산업 분류체계를 근거하여 사전 모집단을 구축하였고, 파일럿테스트를 통해 분류체계 범위 안에 메타버스산업을 모두 포함하는지 검토하였다. 추가적으로 통계 전문가 회의를 통해 향후 메타버스 실태조사 계획을 위한 ICT통합모집단 연계 방안, 조사 설계 등 향후 방향을 계획하였다. 향후 메타버스산업 실태조사 시범조사가 수행된다면, 모집단 구축, 조사표 설계, 데이터 검증 등 조사 설계의 신뢰성 제고 방안과 통계적인 오류를 줄일 수 있는 방안을 검토하여 2~3년간의 데이터/수집 분석의 안정화 기간을 거쳐 통계청 국가승인 변경 방안을 검토할 필요가 있으며, 이를 아래와 같은 로드맵으로 제시하였다. [참고 3]

요약문 1. 제 목 : 글로벌 AI 신뢰성 동향 분석 2. 연구 목적 및 필요성 본 연구의 목적은 국내외의 AI 신뢰성 관련 동향 조사를 통해 최신 이슈를 파악 및 분석하여 정책적 시사점을 도출하고, 국내 정책 수립을 위한 기초 자료를 제공하는 데 있다. 인공지능 기술의 급격한 발전으로 국가사회 전반의 변화가 빠르게 이루어지면서, 현재 많은 산업 분야에서 AI 기술이 도입되고 일상 활용이 확산되고 있다. 하지만, AI 높은 효용성과는 반대로, 기술적 한계와 오남용 등으로 인해 환각, 편견과 차별을 야기하는 불공정, 개인정보 유출과 같은 문제가 대두되고 있다. AI 기술로 인한 위협으로부터 안전한 활용을 가능케하기 위해 AI 신뢰성을 확보하기 위한 노력들이 확산되고 있다. 세계 각국은 인공지능의 효용은 극대화하고 역기능 등은 최소화하기 위해 법제도적 기반과 통제방안 등을 마련하고 있고, 국제기관에서는 정책 보고서 및 신뢰할 수 있는 AI를 위한 지침들을 발표하고 있다. 기업들은 AI 시스템 개발에 있어 자체적인 원칙을 마련하거나 검증을 위한 방안을 수립하는 등 신뢰성을 고려한 전략을 추진하고 있다. 우리나라 또한 AI 국가 전략을 기반으로 다수의 전략과 실행 계획들을 발표하며 다양한 정책을 추진 중에 있는 만큼, 세계 주요국의 시의성 있는 동향을 파악하고 대응 할 필요가 있다. 3. 연구의 구성 및 범위 본 연구는 총 7개의 장으로 서론(1장)을 시작으로 주요국 AI 신뢰성 동향(2장), 국제기구(3장) 및 주요 기업동향(4장), 연구 및 표준 동향(5장)을 비롯하여 주요 AI 활용 산업별 동향(6장)과 시사점 및 결론(7장)으로 구성되어있다. 국내외 정부 및 국제기관 등의 언론, 공식 보도, 정책보고서와 같이 다양한 정보소스를 바탕으로 동향을 조사하여, △법제도 △기업/산업 △기술/연구 △인력/교육으로 이를 분류하였다. 본 연구에서는 한국을 포함하여 총 14개의 주요국을 다루고 있다. AI 관련 활동이 활발한 미국, EU, 영국, 중국, 일본, 캐나다를 포함하여 기타 주요국(독일, 프랑스, 호주, 스페인, 네덜란드, 싱가포르, 이스라엘)에 대한 동향을 바탕으로 국가별 AI 신뢰성 정책 동향을 기술한다. 산업별 AI 신뢰성 동향에서 고려하고 있는 산업은 크게 5가지로, AI의 도입이 활발한 △ICT △교육 △의료 △금융 △보안 산업에 해당한다. 기본적으로 2023년 이전의 정책적 흐름을 간략하게 다루고 있고, 주 조사 내용은 2023년 자료에 해당한다. 4. 연구 내용 및 결과 2017년부터 현재까지 50개국 이상에서 신뢰할 수 있는 AI를 위한 국가 전략 또는 정부 차원의 이니셔티브를 채택하였다. 이에 따라 국가 AI 정책 관리를 위해, 각 국 정부는 정부 조정기관, 위원회 설립 등을 통해 다양한 거버넌스 모델을 사용하고 있다. 현재 시의성 있는 동향 중 하나는 규제 정책이며, OECD AI 원칙과 국가 AI 전략 등을 바탕으로 규제 프레임워크를 만들고 있다. EU의 규제법안인 AI act는 2023년 말 합의가 된 만큼 추후 시행까지 동향을 추가적으로 파악할 필요가 있다. 대부분의 국가는 위험 기반의 규제 방식을 채택하고 있고, 고위험 AI에 대한 관리와 통제조치들을 집중적으로 다루고 있다. 우리나라의 AI 관련 입법안들은 AI 산업 발전을 위한 기반 마련에 초점을 맞추고 있고, 최근 들어 입법안에서 규제적 조치를 담고 있으나 아직 추가적인 논의가 필요한 상황이다. 세계적으로 AI의 신뢰성 확보가 더욱 중요해지고 있는 만큼, 주요국들은 적극적인 국가간 협력 체계를 구축하면서 다양한 논의를 진행하고 있다 OECD, UN, 유네스코 등은 꾸준히 인간 중심 접근방식에 중점을 두고 다양한 활동을 하고 있는데, OECD는 GPAI(Global Partnership on Artificial Intelligence), AI 거버넌스 작업반(AIGO) 등을 통한 국제 협력을 주도하고 있다. 이외에도 AI 책임성 향상에 관한 정책보고서, AI 규제 샌드박스 보고서 등 여러 정책 보고서 또한 발간하고 있다. G7 7개국은 히로시마 정상회담에서 히로시마 AI 프로세스를 출범하며 AI 국제 행동강령을 마련하였다. 이외에도 AI 안전 정상회의에서의 블레츨리 선언 등 대부분 생성 AI 기술 확산에 따른 위험성 증가에 대응하기 위한 움직임이 다수 존재하였으며, 국제 협력 규모가 더욱 확대되고 AI 거버넌스 등이 생기고 있는 추세다. 각 국 정부의 규제 움직임에 대해 기업 및 산업 부문에서는 과도한 규제에 우려하는 추세로, 기술 발전과 신뢰성 확보 측면에서 입장차가 존재한다. 명확한 규제가 존재하지 않는 현재, 기업들은 자율 규제 방식을 채택하고 최소한의 신뢰성 확보를 위해 개발 가이드라인이나 윤리 원칙 등을 수립하여 대응하고 있다. 향후 AI 서비스 및 SW 등에 인·검증이 본격적으로 전개될 것으로 예상되는데, 이와 관련한 국제 표준 선도에 대한 전략적 대응이 필요한 상황이며, 선제적 대응을 통해 이를 주도함으로써 선도적 입지 확보를 위한 투자가 필요할 것으로 보인다. 마지막으로 생성 AI 기술이 산업의 각 영역에 적용되고 혁신 도구로서의 가능성을 보여주고 있다. 특히 의료, 금융, 보안, 교육 등 분야에서 AI가 많이 활용되고는 있으나, 개인 및 사회에 영향력이 높은 만큼 엄격한 검증이 필요하다. 이에 도메인의 정제된 데이터를 이용해 생성 AI 기술의 신뢰성을 높이는 연구들이 진행되고 있음을 확인할 수 있었으며, 생성 AI의 잠재적 보안 취약성과 오남용으로 인한 피해에 대한 산업계의 면밀한 검토가 진행되고 있음을 파악하였다. 향후 다양한 산업 도메인과 영역에서 생성 AI 기술이 적용되기 위해서는 산업 특화된 데이터를 기반으로 생성 결과물의 신뢰성을 높이는 작업과 함께, 올바른 활용을 위한 지침과 규정이 보다 구체화될 것으로 예상된다. 5. 정책적 활용 내용 주요국의 AI 규제 입법안에서 위험을 통제하는 수단들은 데이터 관리, 위험 및 품질관리, 보안강화, 인간에 의한 통제조치, 투명성 확보와 이용자에 대한 정보제공 등으로 정리할 수 있다. 국가 및 기업들은 AI가 다루는 데이터의 방대함과 민감한 데이터의 사용 등에 따라 정보보안에 대한 요구사항이 많다. 시스템의 안정적 운영이나 오류를 방지하기 위해서도 정보보안이 강화되어야 하는데, 대부분의 법률안들은 사이버보안에 대해 특히 강조하고 있다. AI 시스템이 의도된 목적에 따라 적절한 수준의 정확성과 견고성, 사이버보안을 달성하고 수명주기 동안 일관되게 수행할 수 있도록 설계·개발될 것을 요구한다. 최근에는 AI 기술의 안전성에 초점을 맞춘 ‘AI 안전’이 더욱 중요해지고 있으며 다양한 가이드라인이 제안되고 있는 추세이다. 이외에도 EU 및 미국 등은 AI 시스템이 사용되는 동안 인간이 효과적으로 감독할 수 있도록 설계·개발되어야 하고, 시스템을 안전한 상태로 정지시킬 수 있도록 통제를 강조하고 있으며, 투명성을 확보할 것을 규정한다. 이를 위해 미국, 영국을 중심으로 AI안전, 신뢰를 확보하기 위한 거버넌스 체계도 정비되고 있다. 국가 최고지도자를 중심으로 인공지능 국가 전략을 수립 추진하고 있으며 관련해 AI안전연구소와 같은 전담연구조직을 설치해 기술 및 제도 기반 수립을 위한 연구에 힘을 싣고 있는 상황을 주시할 필요가 있다. 생성 AI의 기반이 되는 파운데이션 모델(foundation model)의 중요성이 커지는 만큼 이와 관련된 지침들이 추가적으로 정의되고 있다. 향후 생성 AI는 텍스트를 넘어, 다양한 이미지, 영상, 텍스트 정보들을 학습에 활용하고 다양한 형태의 결과물로 출력하는 이른 바 ‘네이티브 멀티모달’ 기술로 전개될 것으로 예상된다. 따라서 데이터, 콘텐츠 산업 전반에 있어 영향이 커질 것으로 예상되는 가운데 관련 지적재산권, 오남용으로 인한 사회적 피해와 혼란에 대한 선제적 대응이 필요하다. 일례로, 딥페이크와 같은 기술은 배포, 게시 금지와 같은 규제와 처벌 규정들이 도입되고 있다. 이처럼 앞으로의 AI 신뢰성 정책을 수립함에 있어, 생성 AI를 비롯하여 급격히 발전하고 있는 AI 기술을 포괄적으로 수용할 수 있는 기반을 마련해 둘 필요가 있다. 기술과 서비스 변화에 따라 AI 산업 전반에 관여하는 구성원 또는 참여자가 달라지는 환경을 고려하여 구성원 간 관계, 개별 구성원이 준수해야 하는 의무들에 대한 지속적 논의가 필요하다. 또한 주요국들은 빠르게 인공지능의 위험성을 통제하는 수단들을 고민하고 적극적으로 입법화를 시도하는 만큼, 우리나라도 신업 진흥 및 기술 발전 이외에도 국내 규제 법안 마련에도 집중할 필요가 있다. 산업 및 시장 구조와 환경 변화에 대응하는 규제조치를 포함하여 데이터 관리와 차별 방지 의무화, 품질관리와 위험관리, 사이버보안과 회복력 확보, 인간에 의한 통제가능성 확보, 기술문서 작성과 기록관리 의무, 사용자 권리 보장과 국가의 감독기능 강화 등 다양한 규제수단들이 매우 구체적으로 제시되고 있는 만큼 적극적으로 이러한 조치들을 참조할 수 있을 것으로 판단된다. 6. 기대효과 본 연구에서는 국내외의 주요 AI 신뢰성 정책 사례를 조사하고 다양한 관점에서 이를 분석하였다. 법제도, 기업 및 산업, 기술 및 연구, 인력 및 교육 분야로 구분하여 넓은 범위에서 시의성 있는 사례들을 포함하여 의미 있는 움직임들을 파악할 수 있다. 또한 분석을 통해 현재 주요국의 규제에 대한 움직임, 기업들의 대응 방법, 주요 AI 활용 산업 분야에서의 신뢰성 이슈 등에서 시사점을 도출하여 방향성을 제시하고 있다. 이러한 국가별, 산업별 정책 현황 자료 및 분석 결과는 앞으로의 새로운 국내 AI 신뢰성 정책 수립에 있어 참고 자료로서 활용 될 수 있을 것으로 기대된다.

요약문 1. 제 목 : 국내 AI 창업기업 비즈니스 현황 분석 2. 연구 목적 및 필요성 우리나라는 AI 산업 육성을 위한 국가 전략과 입법을 꾸준히 추진해왔다. 예를 들어, 2023년 1월 발표된 「인공지능 일상화 및 산업 고도화 계획」(관계부처 합동)은 AI 소프트웨어와 하드웨어의 초격차 실현을 위한 기술 연구개발, 법 제도 및 규제 정비를 비롯해, AI 기업 성장을 위한 데이터 및 해외 진출 등의 내용을 담고 있다. 이를 통해, 2027년 3대 AI 기술 강국 도약, AI 전문기업 1천 개 육성 등의 정량적인 목표도 제시하였다. 이러한 국가정책을 바탕으로 지금, 이 순간에도 국내 다수의 창업기업이 AI 기술을 활용하여 새로운 비즈니스를 창출하고 있으나, 세계적인 경기 침체를 비롯한 여러 가지 애로사항으로 인해 사업을 영위하기에 어려운 상황에 직면해 있다. 예를 들어, 학습용 데이터나 AI 반도체 등 AI 인프라 구축의 어려움, AI 인재 확보의 한계, 해외 언어 및 이종 문화 문제를 비롯한 판로 개척의 난항으로 인한 글로벌화의 한계 등으로 인해 AI 창업 투자 생태계 강화를 위해서는 국내 창업·투자 생태계 연구가 중요한 상황으로 꼽히고 있다. 이에, 본 연구에서는 국내외 선행연구를 통해 AI 창업기업을 정의하고, AI 창업기업의 비즈니스 현황을 분석하고, 주요 우수사례를 발굴하고, 주요 창업기업을 대상으로 심층 인터뷰하여 기업이 직면한 현황, 제품 및 서비스 개발 현황을 파악하고, 정부의 정책 지원이 필요한 분야 등 AI 산업 생태계를 육성하고, AI 창업지원을 위한 정책 기초자료를 파악하고자 한다. 이를 통해, 국내 AI 창업·투자 생태계를 파악하면서 해외 주요국과 비교할 수 있는 시장현황 통계를 생산함으로써, 세계적 수준의 AI 창업기업 육성을 위한 정책의 기초자료 마련을 목표로 한다. 빠르게 변화하는 AI 시장과 창업·투자 생태계 특성상 조사 시간이 많이 요구되는 실태조사 대비, 유관 DB를 기반으로 신속하게 현황을 파악하고 국내·외 현황 비교를 위한 대안적 조사 연구로써 데이터 기반의 분석을 수행하였다. 3. 연구의 구성 및 범위 본 연구는 크게 세 가지 세부 과업으로 구성되어 있다. 첫 번째는 AI 창업기업 정의, 조사 및 분석이며, 두 번째는 AI 창업기업 비즈니스 현황 조사이고, 셋째는 AI 기업 사례 및 기업·기관 심층 조사에 관한 내용이다. 먼저 AI 창업기업 정의, 조사 및 분석에서는 AI 창업기업 정의에 대한 선행 조사를 기반으로 하여 창업기업을 정의하고, AI 창업기업 기준을 설정하였다. 이어, 정의된 AI 창업기업 기준에 맞게 창업기업 명부를 정리하고, 조사항목을 도출하여 VC 투자 정보 데이터베이스 및 웹 자료로부터 AI 창업기업 전반에 대한 투자 및 매출 현황, 정부 지원사업 추진 현황, 해외 진출 현황, 특허 등 지식재산권 보유현황 등을 조사하고, 이러한 요인들과 기업의 투자 및 매출과의 상관관계 분석을 위한 통계 분석 등을 수행하였다. 마지막으로, AI 창업기업에서 주요한 모범사례들이나 특징적인 기업을 선정하여 심층적으로 사례분석을 수행함과 동시에 AI 기업과 기관 심층 조사에서는 창업기업 투자나 정책지원기관, AI 창업기업을 대상에 대해 인터뷰하였다. 4. 연구 내용 및 결과 선행 문헌과 선행 연구에 기반하여, AI 분야 창업기업의 정의와 분류 기준을 마련하였다. 즉, 업력 7년 이내 기업으로, AI 기술을 통해 제품, 서비스, 플랫폼의 생산, 유통, 활용, 부가서비스, 조사, 분석, 컨설팅, 중개 등의 과정을 통해 가치를 창출하는 기업으로 정의하여 이 기준에 맞게 국내 VC 투자 데이터베이스인 더브이씨 DB에서 377개의 AI 창업기업을 포함, 총 513개 기업을 대상으로 투자, 수상 이력, 해외 진출, 제품 서비스, 지식재산권 확보 현황 등을 도출하였다. 주요 분석 결과는 다음과 같다. [국내 AI 분야 VC 투자 주요 결과] [국내 생성형 AI 분야 VC 투자 주요 결과] AI 창업기업을 대상으로 한 사례분석을 수행한 결과, 일부 AI 창업기업의 경쟁 우위와 이익창출력 측면의 취약성에 의해 지속성장의 어려움이 예측되었다. 이를 위해서는 기술과 서비스 개발을 위한 R&D 지원, 학습데이터 및 인프라 구축, 전문인력 지원의 필요성이 있었다. 기업과 기관 심층 인터뷰 결과, 최근 AI 스타트업의 대표적인 어려움으로는 높은 AI 모델의 개발 비용과 개발 데이터 확보의 어려움 및 AI 효과에 대한 투자자의 의문 등으로 초기 투자의 기피 요인이 발생하고 있다. 또한, 스타트업은 해외 시장 진출 경험 부족에 따른 Global standard 부재와 언어, 지역, 문화, 비용 등에 대한 정보 부족의 어려움을 호소하고 있다. 이에, 대기업의 자본과 창업기업의 능동적인 구조를 활용한 협업 체계를 마련하고, 대기업 벤처캐피탈 설립을 통한 오픈이노베이션 프로그램 활용이 적극적으로 필요하다고 할 수 있다. 초격차 기술을 가진 기업을 대상으로 빠른 상장을 지원하기 위해 과기정통부에서 추진하는 초격차 기술특례 상장 제도의 빠른 정착과 함께, AI 초격차 기술을 가진 기업에 경제적 지원을 할 AI 전용 펀드 결성을 통해 AI 산업 생태계 마련 및 지속성을 유지하면서도 장기적 관점에서 AI 전문인력 양성 방안 모색이 필요하다. 또한, 선제적 차원의 정부 공공 데이터를 기반으로 한 AI 기술 도입이 필요한 상황이다. 5. 정책적 활용 내용 본 연구과제의 주요 정책적 시사점은 다음과 같다. 스타트업 대상의 투자를 촉진하기 위해서는 높은 투자금을 받는 우수 스타트업을 육성하고, 대기업과의 투자 및 연구협력을 통해 기업의 내실을 키우도록 지원하는 것이 중요 정부 중심의 투자 시 좀비 스타트업을 양성하지 않도록 스타트업의 좋은 제품을 선별하여 정부가 구매하고 인증을 하는 방법이나, 공공 데이터 개방을 촉진하는 등 다른 방법의 정부 투자가 필요 해외 진출 기업과 투자자 간의 지속적인 네트워킹과 경험 교환의 장 마련 글로벌 협력을 위해 아프리카나 동남아시아 등 신흥국 ODA 사업과 연계한 글로벌 AI 활용 촉진, 국내 AI 기업 해외 영업 레퍼런스 확보 가능성 검증 기업가 정신의 함양: 교육과정으로서의 기업가 정신이 아닌, 타트업 CEO의 성공과 실패 경험을 공유하고 사업계획서를 작성하는 방법, 인큐베이터와 투자유치, 인력 확보 방안 등 실무적인 경험을 키우고 전문성을 강화 스타트업의 출구전략에 대한 정책 필요 (M&A와 기업공개를 활성화) 글로벌 AI 기업에게 필수적 사례가 된 안전하고 신뢰할 수 있는 AI 기술의 개발 오픈소스 AI 활용을 독려할 수 있도록 오픈소스 전문가 인력 채용을 활성화하고 오픈소스 기반 산업 응용 소프트웨어 개발을 위한 연구개발 지원 지역, 언어의 한계 극복을 위한 멀티모달 생성형 AI 기술에 주목 전문 인력 양성 및 국내 기업의 글로벌 AI 인재 유치 지원 등의 필요성 본 과제에서 제시하는 빠르게 생성 및 진화하는 국내 AI 창업기업 현황 분석 방법론을 통해, 향후 AI 기업 모집단 구축에 이바지할 수 있다. 이를 통해, 시의성 높은 산업·지역별 AI 제품 및 서비스 현황 분석으로 AI 산업 진흥을 위한 정책 자료로 제공할 수 있다. 6. 기대효과 본 연구를 통해 국내 AI 창업기업에 대한 최신 VC 투자 현황과 비즈니스 분석을 통해 국내 AI 기업을 육성하기 위한 정책 수립에 필요한 기초자료로 활용될 수 있다. 향후 혁신적인 인공지능 제품/서비스 활용 확대를 위한 미래 연구에도 활용될 수 있을 것으로 기대된다.

요약문 1. 제 목 : 국외 AI 시장 및 창업지원 정책 동향 조사 2. 연구 목적 및 필요성 2022년 ChatGPT의 출시와 더불어, 최근 초거대 AI 애플리케이션의 확산과 함께 전 산업의 AI 활용 확대 등 AI는 글로벌 시장에서 빠르게 확산하고 있다. 기존 산업에서는 AI를 도입하여 생산성 향상과 신규 시장 창출 등 부가가치를 발생하고 있으며, 신규 스타트업이 지속적으로 등장하여 VC와 정부로부터 대규모의 투자를 받아 성장하고 있다. 이에, 글로벌 AI 시장 및 창업 투자 동향을 파악하여 국내 AI 산업과 비교, 분석하는 연구를 통해 국내 AI 산업의 육성을 위한 정책 방향 수립의 기초자료 생성이 필요한 상황이다. 즉, 하루가 다르게 신규 기업 및 서비스가 출현하고 있는 급변하는 AI 시장의 특성을 고려할 때 글로벌 시장 조사와 환경분석은 시장의 흐름을 인지하고 기회를 포착하여 정책수립의 방향 설정을 하는 데에 중요한 역할을 할 것이다. 본 연구는 글로벌 인공지능 시장 및 투자 규모를 추정·전망하는 정량 자료를 수집‧ 분석하여, 주요국과 국내시장을 비교 분석하여 국산 AI 경쟁력 강화 및 해외진출 정책 발굴에 필요한 기초자료를 생성하는 데에 목적을 둔다. 또한, 국내와 해외의 AI분야 창업을 지원하는 정책의 비교 분석을 통해, 정책의 현황을 도출하고 비교함으로써 국내 AI 창업 및 투자 관점에서의 향후 가능성에 대해 분석하는 것을 목표로 한다. 3. 연구의 구성 및 범위 먼저, 본 과제에서 아우르는 ‘생태계’에 대한 용어를 명확히 정의하기 위해 기존 선행연구 문헌을 검토하였다. 이후, 글로벌 및 국내 AI 시장 규모 조사를 위해 글로벌 시장 조사 기관인 IDC와 Gartner로부터 세계, 국내 AI 및 생성형 AI 시장 규모 전망 보고서를 수집하여 조사 및 시사점을 도출하였다. 또한, 주요 국가별 AI 공급을 주도하는 주요기업의 시장 동향을 수집, 정리하였다. 시장 조사 기관의 보고서는 객관적인 수치를 도출하여 연도 및 국가 간 비교 분석을 하기에는 용이하나, 세부적인 기업의 현황과 통계 분석을 진행하기에는 원본 데이터 확보의 어려움, 기관의 수치 보정 및 계산 등의 사유로 어려움이 있다. 이에, 국가 간 비교가 가능한 스타트업 지표인 VC 투자 현황 데이터베이스인 Crunchbase 및 Dealroom.co 등을 분석하여 연도별, 국가별 AI분야 투자 및 창업기업 현황을 분석하였다. 마지막으로, 주요국의 AI 창업분야 정책 현황을 분석하고, 최근 우리나라의 각 유관 부처가 발표하는 AI 창업 정책을 통해 우리나라의 정책적 창업 환경의 강·약점을 도출하였다. 이를 통해, 전문가 자문 의견을 참고하여 최종 시사점을 도출하였다. 4. 연구 내용 및 결과 AI 생태계 관점에서는 AI의 공급과 수요, 활용 관점에서 주체들이 상호 상생하고 협력하는 구조를 형성하고 있다. 최근 글로벌 AI 생태계의 확장과 생성형 AI의 주목에 따라, 산업과 기업을 혁신함으로써 생태계는 능동적으로 확장되고 있다. 창업 및 투자 생태계 관점으로는 정책, 시장, 금융, 인적 자원, 지원, 문화 등 6가지 영역의 창업 생태계 모델을 바탕으로, 기업가정신에 기반하여 혁신적인 스타트업의 발전과 성장을 지원하고, 자금조달과 성장, 회수 등 창업 전반의 프로세스를 진행하는 제도와 자원의 기반을 의미하는 것으로 정의하였다. 글로벌 AI 시장 규모 및 투자 현황을 분석한 결과는 다음과 같다. [세계 AI 시장 규모] [해외 AI분야 VC투자 주요 결과] 글로벌 AI 시장 현황 분석 결과와 유사하게 VC 투자 부문 역시 미국이 전세계의 AI 시장을 주도하고 있으며, 특히 구글이나 MS 등 빅테크 기업이 시장 점유율은 물론 생성형 AI 스타트업 투자에서도 상위 투자액을 기록함으로써 플랫폼과 스타트업 생태계를 구성하고 있는 형태를 볼 수 있었다. 우리나라는 2022년 투자액 기준 세계 10위로, 스탠퍼드 AI Index의 결과와 유사한 수준으로 나타났다. 5. 정책적 활용 내용 본 연구의 주요 정책적 시사점은 다음과 같다. 정부의 적극적인 창업 정책과 AI 전략에 기반한 AI 창업기업 지원 정책 강화 AI 창업기업에 대한 정보 제공 및 자문 지원 글로벌 시장 진출 및 브랜드 위상 강화, 국제협력 및 파트너쉽 강화 개방형 AI 창업 연구 체계 구축 국내 인력의 해외 인력 유출 방지, 우수한 AI 인재 양성 및 유치 산업 생태계에서 협력체계 및 다양성 강화 창업기업들의 자금조달력 강화 지원 AI 창업 활성화를 위한 현행 법규에서 부담과 장애로 작용하는 규제를 완화하는 정책 마련 국내 AI 창업기업의 자금조달 및 투자 환경 개선 국내 대기업으로부터의 벤처투자 및 기업벤처캐피털(CVC) 활성화 GPT스토어 등 빅테크 생태계의 독점에 대한 우려 해소 필요 AI 원천기술(Foundation Model 등) 확보에 주력 현재, 국가별 AI 지수는 미국 스탠포드 대학을 비롯, 영국 토터스인텔리전스 등에서 매년 발표함으로써 세계적인 공신력을 인정받고 있다. 본 연구의 결과는 세계적인 AI 지수 발표 내용을 분석, 설명하는 보조 자료로써 활용될 수 있다. 대다수의 AI 지수는 순위와 점수 위주로 발표되며, 구체적인 스타트업의 수나 국가별 상위 투자 기업 등 계산 방식은 비공개로 처리되어 상세한 분석이 어려운 단점이 있으나, 본 연구와 같은 데이터베이스 원자료에 기반한 구체적인 데이터 분석 연구는 정량적인 결과 외에 추론과 국가별/기업별/기간별 세부 분석이 가능한 장점이 있다. 또한, 최근 AI 분야는 국가별 치열한 경쟁으로, 특히 선두국인 미국과 중국의 첨단기술 무역 경쟁으로 치닫고 있다. 아직까지는 미국과 중국 양국 간 경계를 넘나드는 투자나, 중국으로부터 투자받은 국내 기업이 문제가 되지는 않고 있지만, 본 과제에서 확보한 원자료를 통해 국가 간 투자 현황에 대한 모니터링이 가능하다. 6. 기대효과 세계 AI 시장 및 투자 규모 대비 국내 규모와 성장성을 파악하기 위해 수행한 본 연구과제는 세계 시장 대비 국내 인공지능 창업·투자 시장의 현주소를 점검하고 앞으로 AI 산업 생태계 활성화를 위한 정책 개발에 도움이 될 것으로 기대한다. 본 연구를 통해 국내 인공지능 시장 활성화 및 국내 기업 역량 강화 목적의 다양한 정책을 마련함으로써, AI 기술과 유관 산업이 중심이 된 국가경제 활성화와 AI 기업의 경쟁력 제고 등에 이바지할 것이다.

요약문 1. 제 목 : 공공부문 AI 도입현황 연구 2. 연구 목적 및 내용 인공지능 기술의 발전에 따라 공공분야에서도 인공지능 도입 및 활용 범위의 확대가 업무 생산성 및 효율성 개선과 대민서비스 향상에 기여할 것으로 전망한다. 이러한 기대감 속에 현 정부는 다양한 인공지능 정책 추진을 통해 인공지능 도입과 활용에 대한 중요성을 강조하고 있으며, 향후 정책 개선 요인을 도출하는 차원에서 공공부문의 인공지능 도입현황에 대한 기초 자료를 마련하는 것은 필수적인 요소이다. 지난 10년간 조달청의 입찰정보와 계약정보를 활용하여 공공부문 인공지능 도입 현황을 보다 객관적이고 사업 단위까지 세밀하게 조사를 수행하고자 한다. 더불어 수집된 정보를 바탕으로 타 기관에 시사점을 제공할 수 있는 사례를 선별해 성공요인 등을 분석하여 공공부문의 AI 도입 및 활용 확대를 위한 정책적 시사점을 도출하는 것이 본 연구의 목적이다. 국내 공공부문의 AI 도입현황 조사 연구는 크게 2개 부문으로 나뉜다. 우선 도입현황 조사 부문은 지난 10년간 420개 공공기관의 ICT시스템 관련 용역계약 정보와 제안요청서, 과업지시서 등 첨부분서를 조달청의 조달정보개발포털을 통해 수집한다. 수집된 공공조달 데이터에서 AI 관련 사업은 텍스트 마이닝 기법을 사용하여 입찰 제안서(RFP) 세부 내용에 인공지능(AI) 관련 키워드가 포함되어 있는지 여부로 선별한다. 최종 선별된 인공지능 용역계약의 첨부문서를 분석해 추진단계, 활용 분야, 용도, 기술유형 등 부가 정보를 추가한 DB를 구축한다. 구축된 DB를 활용해 연도별 변화추이, 기관구분별 특성, 발주 및 낙찰 기관 등 다양한 관점에서 공공부문의 AI 도입 현황을 조사한다. 다음은 공공기관의 인공지능 도입 활성화 방안 도출을 위한 사례분석이다. 정보시스템 평가나 시스템 운영/관리 평가모델 등을 수집하여 평가요소를 확인하고, 공공기관과 인공지능의 성격에 적합한 내용을 필터링하여 평가방법을 개발한다. 조달공고 DB와 제안요청서(RFP) 등으로부터 시스템 관련 기초 정보를 수집하고, 시스템에 직접 접속/확인하거나, 기관의 홈페이지 혹은 홍보기사 등을 통해 추가적으로 수집한 정보로 벤치마킹 케이스를 선정한다. 선정된 벤치마킹 대상 사례분석을 통해 시사점을 도출한다. 4. 연구 결과 가. 도입현황 조사 과거 10년(2013∼2022년)간 공공부문 조달계약 중 인공지능(AI) 도입 계약 건수는 3,870건이다. 420개 공공기관의 56.7%인 238개 기관이 인공지능을 도입한 것으로 나타났다. 조사 대상 기관 중 자체적인 ICT 시스템을 보유하지 않은 소규모 기관이 다수 포함되어 있어 이들을 제외하면 공공기관의 실질 도입률은 크게 높아질 것이다. (연도별 추이) 공공기관의 인공지능 도입은 2016년 알파고 쇼크 이후 매년 빠르게 증가하였다. 인공지능 계약은 2015년 107건에서 2022년 922건으로 7배 가까이 증가했으며, 금액은 2016년 938억원에서 2022년 1조 831억원으로 10배 이상 늘어났다. 이에 따라 공공기관의 전체 ICT관련 용역 계약 중 인공지능이 차지하는 비중도 금액 기준으로 2016년 2.22%에 불과했으나 점진적으로 증가하여 2020년 이후 12% 수준으로 늘어났다. 용역 건당 금액은 2016년 7천만원 정도에서 2017년 이후 1억원 수준으로 증가했다. (추진단계) 2016년 딥러닝 등 새로운 인공지능 기술이 주목 받으면서 2017년부터 인공지능 도입을 위한 정보화계획의 수가 빠르게 늘어났다. 또한, 학습 위주의 고성능 인공지능 도입이 늘어나게 되면서 2020년부터 데이터셋 구축 및 단위 SW 개발을 위한 모델개발 단계가 크게 증가하였다. AI스피커 등의 서비스 기술 발전이 진행됨에 따라 2019년 이후 이들을 활용한 서비스임대 방식이 지자체를 중심으로 점차 확대되었다. (정책 분야) 전자정부, 민원 서비스 등에 관련된 시스템 수요가 많은 일반행정 분야가 지속적으로 전체의 20% 이상의 가장 높은 비중을 차지하고 있다. 다음으로 산업/고용(산업육성, 일자리매칭 등, 16.5%), 교통수송/건설(지능형 교통망 등, 11.6%), 기상/재난안전(기상 예측 등, 10.4%) 순으로 많이 도입되었다. (활용용도) 2016년 이전에는 對국민 공공서비스를 위한 인공지능 기술 도입 비중이 내부 역량강화 목적보다 높았으나, 이후 고유 업무의 효율화를 위한 도입이 늘어나면서 이전과 반대 상황이 되었다. 하지만 2020년 이후 챗봇, 자연어처리 등 민원 서비스를 위한 기술이 발전하면서 다시 공공서비스 도입 비중이 점차 높아지고 있다. (기술유형) 전체적으로 언어지능(37%), 전문가시스템(34.7%), 시각지능(19.6%) 순으로 과제가 많이 진행되었다. 언어지능의 경우 초반 규칙 기반의 TTS, STT 등의 과제가 많아 가장 높은 비중을 차지했으나 점차 축소되고 있다. 대신, 전문가시스템은 매년 큰 폭으로 증가하여 2022년 전체 용역 중 45%로 가장 높은 비중을 차지하고 있다. (적용기술) 과거 인공지능은 문서의 디지털화를 위한 OCR 기술과 장애인의 홈페이지 접근성 제고를 위한 TTS 기술에 주로 적용됐었으나 2016년 이후 다른 기술의 적용이 확대되면서 2개 기술의 비중은 빠르게 감소한다. 챗봇은 2016년 3건을 시작으로 2020년부터 급속히 확산되어 2022년 161건으로 급증하였다. 또한 음성인식과 비정형 데이터 처리 기술이 발전하면서 STT와 자연어처리 적용도 급속하게 확대되었다. (기관구분별) 계약 건수는 국가기관(36.8%), 지자체(23.5%), 준정부기관(19.4%), 기타공공기관(19.4%) 순으로 많고, 총 계약금액은 국가기관(56.2%), 준정부기관(27.4%), 지자체(11.7%), 기타공공기관(11%) 순으로 많다. 국가기관과 기타공공기관은 타 기관에 비해 모델개발 단계의 비중이 상대적으로 높은 반면 정보화계획과 모델개발을 건너뛰고 바로 정보시스템 구축에 들어간 사례가 많다. 국가기관은 일반행정 분야가 433건으로 가장 높은 비중을 차지하고 있으며, 그 외 기관별 고유 업무에 따라 다양한 분야에서 인공지능 기술이 도입되고 있는 것으로 나타났다. 지자체 역시 일반행정 분야가 가장 많으나 교통수송/건설이 그 다음으로 ITS 등 지역의 교통문제 해결을 위해 인공지능 기술을 많이 도입하고 있다. 그리고 기상/재난안전 분야도 지속적으로 활용이 증가하고 있는 것으로 나타났다. 지자체를 제외한 다른 공공기관은 공공서비스 보다 내부역량제고 목적으로 인공지능을 도입한 사례가 2배 정도 많다. 특히 기타공공기관과 공기업은 대국민 서비스가 적은 기관 특성에 때문에 타기관보다 내부역량제고 비중이 높다. 공공서비스의 세부 용도를 살펴보면, 준정부기관과 기타공공기관은 민원 서비스 비중이 안내 서비스보다 높다. 이것은 이들 기관이 콜센터 상담 업무를 챗봇 등을 사용하여 자동화한 결과이다. 반면 지자체는 민원 서류 발급은 행정망을 사용하고 대면 민원처리가 많아 안내 서비스의 비중이 다른 용도에 비해 절대적으로 높다. 내부역량제고는 전체적으로 비정형 데이터 비중이 높으며 기관 특성에 따른 세부 용도 비중의 차이는 크지 않다. 기술유형별 건수를 보면 전체적으로는 언어지능>전문가시스템>시각지능 순으로, 국가기관은 전문가시스템>언어지능>시각지능 순으로 도입하였다. 특히 전문가 시스템 유형의 분석 업무를 추진한 과제가 기타공공기관, 준정부기관에서 주로 추진되고 있으며, 민원/안내 목적의 언어지능 시스템은 지자체와 준정부기관에서 많이 추진된 것으로 나타났다. (발주기관) 국가기관에서는 행정안전부가 전자정부 시스템의 지능화를 적극 추진하면서 인공지능 도입 용역 건수 및 계약 금액에서 1위를 차지하고 있다. 대규모 시스템을 보유한 국세청, 과학기술정통부(우정사업본부), 보건복지부, 관세청, 법무부 등이 투자금액에서 상위 기관에 위치하였다. 광역자치단체에서는 경기도(229건), 서울특별시(115건), 경상남도(105건) 순으로 인공지능 도입에 적극적이었던 것으로 나타났다. 경기도는 많은 인구와 복잡한 교통의 지역 특성상 교통 관련 업무에 딥러닝과 TTS를 타 시도 대비 적극적으로 활용하였다. 다른 시도와 달리 서울시, 충청남도 등은 공공서비스 보다 내부역량제고 용도에 더 많은 프로젝트를 진행하였다. (낙찰기업) 공공부문 인공지능 도입 계약 3,870건의 낙찰기업은 총 1,348개이고 평균 계약금액은 11.9억원이다. 이를 조달정보개방포탈의 기업구분에 따라 나누어 살펴보면, 대기업(98억원), 중견기업(63억원), 중소기업(7.8억원), 비영리 중소기업(6.5억원), 비영리법인(1.8억원) 순이다. 전체 인공지능 건수 중에 중소기업이 56.3%의 계약을 낙찰받았고, 비영리 중소기업도 30.6%를 낙찰받아 합계 86.9%를 진행한 것으로 미루어 보았을 떄, 소규모의 인공지능 프로젝트도 활발히 진행되고 있음을 알 수 있다. 나. 사례분석 인공지능 도입 계약 3,870건 중‘AI 도입의 성숙도 모델’에서 3단계(구축) 이상에 속하는 계약 건(2,584건)을 대상으로‘AI 도입기관 사례평가 모델’을 활용하여 분석한 결과, 1차로 30개의 우수사례를 선별하였다. 1차에서 선별된 30개의 계약 건을 대상으로 RFP 확인, 정보검색 및 전문가 검토를 통해 최종적으로 4개의 사례(한국고용정보원, 대검찰청, 관세청, 서울시) 를 선정하여 상세분석을 진행했다. [AI 도입의 성숙도 모델 img] 선정된 4건의 사례 분석 대상은 공통적으로 초기 연구부터 정보화계획, 단계별 구축을 통해 점진적으로 발전하여 왔다. 이들 기관은 기술에 대한 이해도가 높고 도메인 지식이 있는 내부 전문가를 보유하고 있어 사업 진행에 주도적인 리더십을 발휘할 수 있었다. 이들은 도메인 지식의 공유와 명확한 요구사항, 대안이 있는 피드백 등을 통해 새로운 기술 도입을 위한 끊임없는 개선 및 고도화를 추진하였다. 또한 인공지능 기술 도입의 필요성에 대한 기관 차원의 요구가 강하여 사업 진행에 있어 내부 구성원의 이해와 협조가 원활하게 이루어졌다. 한편, 분석대상 기관의 시스템을 구축했던 개발자들과 심층 인터뷰를 한 결과, 도입 기관의 리더십 강화를 위해서는 내부 기술 전문인력 확보도 중요하지만, 시스템 구축시 개발자들과의 원활한 소통을 위해 AI 도입을 위한 ISMP 같은 프로토콜이 필요한 것으로 나타났다. 또한 요구되는 정확한 시스템 또는 기능 도입을 위해서는 데이터 품질확보가 가장 중요하므로 모델 개발이나 시스템/서비스 구축 시 데이터 클린징에 대한 비용과 시간을 충분히 제공하는 것이 중요하다는 의견이 많았다. 5. 결론 조달 정보를 사용한 현황조사와 사례분석을 종합하여 도출한 국내 공공부문 인공지능 활용을 촉진하기 위한 정책적 제언은 다음과 같다. 첫째, 많은 광역 및 기초 지자체가 적은 예산으로 체계적인 계획 없이 산발적으로 인공지능 시스템을 도입하고 있는 상황으로 지방자치단체에 대한 지원을 강화해야 한다. 현재 정부에서 추진 중인 차세대 지방행정공통시스템 구축 사업에 인공지능 기술을 최대한 많이 적용해 인공지능 활용을 확대해야 한다. 또한 상위 기관이 주도적으로 지역 공통의 문제를 발굴해 인공지능으로 해결한 후 하위 기관에 체계적으로 확산·보급하는 전략이 필요하다. 둘째, 최신 인공지능 기술 도입을 위한 민관협력 선순환 구조 창출이 필요하다. 공공기관에서 최신 인공지능 기술을 활용하기 위해서는 ‘대학, 연구소 등과 공동연구 → 실증 보급 → 테스트용 데이터셋 공개 → 민간 기업 제품 개발 → SaaS 방식의 최신 인공지능 서비스 사용’의 선순환 구조를 지속적으로 창출해야 한다. 선순환 구조 창출 성공의 핵심 포인트는 테스트용 데이터셋 공개이다. 공동연구 과정에서 확보한 정제된 데이터로 테스트용 데이터셋을 벤치마크 수치와 함께 일반에 공개해 관심 있는 AI기업과 연구자의 자발적인 참여를 이끌어 내야 한다. 현재 시스템보다 우수한 벤치마크 결과를 제시한 기업 제품으로 업그레이드 한다면 사업 성공의 위험 부담을 경감하면서 최신 기술을 적용할 수 있을 것이다. 더 나아가 자체 시스템 구축이 아닌 SaaS 형태로 도입 방식을 바꾸면 최신 기술 적용의 부담을 경감하고 보다 쉽게 확산시킬 수 있다. 셋째, 체계적이고 단계적인 도입 전략이 필요하다. 최근 각광받고 있는 딥러닝 등 인공지능 최신 기술은 아직 정립된 방법론이 없고 IT서비스 기업의 경험도 상대적으로 많지 않아, 인공지능 도입 사업의 리스크가 기존 시스템 보다 큰 상황이다. 기관 업무를 세부적으로 나누고 일부 사업을 시범적으로 추진해 구축 경험과 성과를 축적한다. 이를 활용해 다른 영역으로 사업을 확대하고, 최종적으로 각 부분을 통합해 하나의 시스템으로 완성하는 도입 전략이 성공 가능성을 높일 것이다. 넷째, 기관 내부에 AI 전문가 육성이 필요하다. 사례조사를 위한 심층 인터뷰 과정에서 공통적으로 지적하는 가장 큰 애로사항은 인공지능 지식이 부족한 내부 실무자는 인공지능에 대한 환상을 갖고 있고, 개발자는 도메인 지식이 부족하다는 점이다. 기관 내부에 인공지능 교육을 강화하고 초기 단계부터 두 가지 입장을 조율하고 올바른 의사결정을 할 수 있는 사내 전문가를 양성해야 한다. 다섯째, 데이터 cleaning을 위한 시간과 예산 지원을 강화해야 한다. 인공지능은 기존 시스템과 달리 얼마나 정제된 데이터로 학습하는가가 중요하다. 많은 공공사업이 인공지능 특성에 대한 고려 없이 기존 관행대로 개발 일정과 비용을 책정해 데이터 cleaning에서 많은 문제와 애로사항이 발생한다고 지적한다. 구축 계획시 데이터에 대한 충분한 고려가 있어야 하고 주기적인 재학습이 필요하기 때문에 체계적인 데이터 관리가 필요하다.

요약문 1. 제 목 : 산업 수요 중심의 국가 AI R&D 전략성 강화를 통한 AI 확산 방안 연구 2. 연구 목적 및 필요성 최근 인공지능(AI) 경쟁력이 국가 경제와 직결될 만큼 절대적 영향력을 가지게 되면서, 미국과 중국을 중심으로 한 글로벌 AI 기술패권 경쟁이 더욱 치열하게 전개되고 있다. 미국의 동맹국과의 연대를 통한 對중국 기술제재와 중국의 자체 AI 기술생태계 구축 노력이 동시에 전개되면서 양국 간 일대일 구도의 경쟁이 아닌 AI 기술 블록화와 맞물리는 진영 대결로 심화되고 있어, 기술적 자주성과 글로벌 리더십 확보를 도모하기 위해 국가 차원의 전략적 선택과 범국가적 역량의 집중이 요구되고 있다. 우리나라는 AI 기술수준 측면에서 중국에 이어 두 번째로 빠른 속도로 성장하여 현재 선진국들에 근접한 수준에 이르렀다. 그러나 생태계 측면에서는 AI 기술의 개발 및 공급이 크게 확대되고 있는 추세에도 불구하고, 시장(수요)에 해당하는 AI 응용·활용 수준이 다소 미흡한 상황이다. 여러 실태조사에서 기업들이 AI 도입의 가장 큰 걸림돌로 ‘기업 수요에 맞는 AI 기술 및 솔루션 부족’과 ‘맞춤식 AI 적용의 어려움’을 응답한 것으로 볼 때, 이러한 상황의 주요한 원인 중 하나가 바로 AI 기술 수요와 공급의 미스매치라고 판단된다. 즉, 우리나라 AI 기술생태계 자립성 확보의 선결조건인 AI 확산을 위해서는 산업에서의 활용도 있는 기술개발을 위한 정책적 노력이 필요함을 시사한다고 볼 수 있다. 한편, 글로벌 경기둔화와 고금리 기조 등의 영향으로 경제 불확실성이 증대됨에 따라, 우리나라 정부는 최근 이러한 경제위기 돌파와 더불어 그동안 끊임없이 지적되어왔던 국가 R&D 성과의 질적수준 정체 문제 해결이라는 시대적 요구에 부응하여 ‘R&D 혁신’을 추진하고 있다. 즉, 글로벌 AI 기술패권 경쟁에 능동적으로 대응하기 위하여 AI 기술경쟁력 강화와 산업 활용도 높은 기술개발을 통한 AI 확산을 도모해나가야 하는 동시에, 이를 ‘R&D 혁신’이라는 국가 전략에 부합하는 방향으로 추진해나가야 하는 상황이라는 것이다. 종합하면, AI 기술에 대한 국내 기업들의 인식·수요 현황을 객관적으로 확인하고, 산업 수요를 고려하여 국가 AI R&D 추진 방향을 전략적으로 수립·조정할 필요가 있다고 사료된다. 본 연구에서는 산업 활용도·수용성 중심의 국가 AI R&D 전략성 강화를 통한 AI 확산을 도모하는 정책 방안 및 제언을 제시한다. 본 연구를 통해 산업 수요에 부합하는 기술의 개발 및 공급을 통한 全 산업의 AI 융합·활용을 가속화하는 한편, R&D 성과 확산을 통한 국가 AI R&D 투자 및 정책의 효율성·효과성 제고를 도모하는 데 도움이 될 수 있는 기초자료를 마련하고자 하였다. 3. 연구의 구성 및 범위 본 연구에서는 먼저 AI 기술개발에 대한 정부의 투자 측면인 국가 R&D 현황을 분석하였다. 국가과학기술지식정보서비스(NTIS)에 등록된 AI 기술 관련 국가 R&D 과제 정보(2018년 1월 ~ 2023년 6월)를 수집하고, LDA 토픽모델링을 통해 AI 분야의 세부기술 영역(주제)별 국가 R&D 규모 현황을 도출하였다. 둘째, AI 기술에 대한 국내 기업의 인식 및 수요 조사결과를 살펴본다. 여기서 AI 기술은 국가 R&D 과제 정보를 활용한 토픽모델링을 통해 분류한 12가지 AI 세부기술 영역으로 설정하였다. 셋째, 국가 AI R&D 현황 및 AI 기술에 대한 국내 기업의 인식·수요 조사결과를 비교 분석하였다. 포트폴리오 분석 틀을 활용해 세부 AI 기술 영역별 국가 R&D 추진 현황을 진단하였다. 넷째, 본 연구의 결론으로서 산업 수요 중심의 국가 AI R&D 전략성 강화방안과 AI 확산 및 활용 고도화를 위한 정책 제언을 제시하였다. 4. 연구 내용 및 결과 첫째, 국가 AI R&D 추진현황을 분석하였다. 토픽모델링 분석을 통하여 AI 기술 관련 국가 R&D 과제 정보에 내포된 12개 토픽을 추출하였다. 정부연구비를 기준으로, 국가 AI R&D 과제의 연도별 규모는 증가 추세이며, ‘딥러닝 기반 이미지 분석 및 처리 기술’ 토픽 관련 과제의 규모가 가장 큰 것으로 나타났다. 정부연구비 규모를 기준으로 한 순위 변화를 보면, ‘객체 탐지 및 추적을 위한 비전 딥러닝 기술’과 ‘머신러닝 기반 데이터 보안 및 보호 기술’이 2018년 대비 가장 크게 순위가 상승한 토픽인 것으로 나타났다. 둘째, AI 기술에 대한 산업계 인식 및 수요 현황을 파악하기 위한 설문조사를 실시하였다. 현재 산업에서의 활용도에 대해 전체 기업이 긍정적으로 응답한 비중이 가장 높은 기술은 ‘딥러닝 기반 이미지 분석 및 처리 기술’이고, 그 다음으로 ‘생성형 인공지능기술’, ‘딥러닝 모델 알고리즘 및 성능 최적화’, ‘머신러닝 기반 데이터 보안 및 보호 기술’ 순으로 긍정 응답 비중이 높았다. 3년 이후의 예상 활용도가 높은 기술로는 ‘딥러닝 모델 알고리즘 및 성능 최적화’, ‘딥러닝 기반 이미지 분석 및 처리 기술’, ‘머신러닝 기반 데이터 보안 및 보호 기술’ 순으로 긍정적 응답이 많았다. 현재 기술별 활용도와 3년 이후의 예상 활용도 응답 결과를 비교하여 기업들이 예상하는 기술별 미래 활용도 변화를 추정해보면, 활용도 변화가 가장 클 것으로 예상되는 기술은 ‘강화학습 기술’과 ‘인공지능 신뢰성 기술’이다. 기술별 수용(도입) 의사에 대한 조사에서는 ‘딥러닝 기반 이미지 분석 및 처리 기술’, ‘머신러닝 기반 데이터 보안 및 보호 기술’, ‘딥러닝 모델 알고리즘 및 성능 최적화’ 순으로 긍정 응답 비중이 높았다. 기술별 개발 시급성 정도로는 ‘딥러닝 기반 이미지 분석 및 처리 기술’, ‘머신러닝 기반 데이터 보안 및 보호 기술’, ‘객체 감지 및 추적을 위한 비전 딥러닝 기술’ 순으로 높았다. 이 외에도 중소기업을 기준으로 한 응답 결과를 별도로 살펴보고, 주요 산업별로도 나누어 살펴보았다. 셋째, 앞서 살펴본 국가 AI R&D 현황과 AI 기술에 대한 국내 기업의 인식·수요 조사 결과를 비교분석하였다. 최근 3년 기간의 정부연구비 규모와 중소기업이 응답한 미래 활용도, 개발 시급성 정도, 기술 수용도(수용 의사)를 중심으로 비교한 결과, ‘인공지능 신뢰성 기술’은 산업계 인식 수준이 높은 데 비해 국가 R&D 규모가 상당히 부족한 것으로 나타났으며, 전략적으로 국가 R&D 투자를 대폭 확대하는 방향으로 정책 및 투자 방향을 조정할 필요가 있다고 사료된다. ‘생성형 인공지능 기술’, ‘그래프 분석 기반 진단 및 예측 기술’, ‘경로 탐색 및 모델 최적화’ 기술, ‘강화학습 기술’ 등의 경우에도 국가 R&D 투자 확대가 필요한 영역이라고 판단된다. 5. 결론 본 연구의 결론으로서 산업 수요 중심의 국가 AI R&D 전략성 강화를 위한 방안을 다음과 같이 제시하였다. 첫째, 산업 활용도·수용성을 고려해 전략적으로 AI 관련 정책 및 R&D 투자를 추진하는 것이다. 본 연구에서는 국가 AI R&D 현황과 산업계 인식·수요를 비교하는 포트폴리오 분석을 통해 ‘인공지능 신뢰성 기술’, ‘그래프 분석 기반 진단 및 예측 기술’, ‘생성형 인공지능 기술’, ‘경로 탐색 및 모델 최적화’ 기술, ‘강화학습 기술’ 등 산업 활용도·수용성 측면에서 높은 인식 수준을 보인 데 비해 국가 R&D 규모가 부족한 세부 AI 기술분야를 도출하였다. 이러한 결과를 활용하여, 전략적으로 해당 분야의 육성을 위해 국가 R&D 투자 확대 및 정책적 지원을 추진할 필요가 있다고 판단된다. 둘째, AI 정책 및 R&D 전략 수립 과정의 산업계 인식·수요 반영 체계를 강화하는 것이다. 글로벌 AI 기술패권 경쟁에 대응하기 위한 차원에서, AI 기술생태계 자립성 확보의 선결과제인 산업에서의 활용도 있는 기술 공급을 통한 AI 확산을 촉진하는 데 대한 실효성 있는 정책 및 R&D 투자전략이 마련되기 위해서는 산업계 기술 인식·수요에 대한 보다 충분한 정보와 이해가 필수적이다. 따라서 규모있는 조사를 통해 AI 기술에 대한 기업들의 인식 및 수요를 객관적으로 파악하는 것이 바람직해보인다. AI 기술 육성을 위한 정책 및 R&D 투자계획을 수립·조정하는 과정에서 AI 세부기술 영역별 중요성 정도 및 파급효과를 평가하는 요소로서 동 조사 결과를 활용함으로써 산업 활용도·수용성 측면의 전략성 제고를 도모할 필요가 있다. 아울러 AI 확산 및 활용 고도화를 위한 정책 제언을 다음과 같이 제시하였다. 첫째, AI 기술 응용·활용 성공사례를 발굴하여 적극 보급할 필요가 있다는 것이다. 전반적으로, 국내 산업계에서는 이들 AI 세부기술의 미래 활용도, 유용성, 시급성 등 측면에 대해서는 긍정적 응답이 많았으나, 현재 활용도와 기술 수용에 대한 긍정 응답 비중은 상대적으로 낮은 경향을 보였다. 이러한 결과는 국내 기업들이 기술 자체의 우수성과 잠재력에 대한 높은 인식을 가지고 있으나, 그에 비해 실제 비즈니스 현장에서의 활용 측면에 대해서는 인식 및 이해가 다소 낮은 상황임을 암시한다고 판단된다. 따라서 AI 기술 응용활용에 대한 인식 수준 제고를 지원하기 위해 AI 도입 효과에 대한 실증적 연구(결과), 그리고 산업별 또는 분야별로 기업들이 참조할 수 있는 AI 도입 성공 사례들을 발굴하여 보급할 필요가 있다. AI 기술 도입 및 사업화 관련 지원사업의 주요 성과를 기업들이 체감할 수 있도록 사례화하고 홍보하는 방안을 고려해 볼 수 있다. 단지 정부 지원사업의 성과로부터 발굴된 사례들 간 중복성이 발생하거나 다양성이 부족할 수 있는 바, 정부 지원 사업 성과조사의 범위를 넘어서서 다양한 국내·외 사례들을 확보하기 위해 관련 조사·연구에 대한 범정부적 지원을 추진해볼 필요도 있다고 사료된다. 둘째, 기술수요에 대응할 수 있는 정책의 유연성 및 시의성을 확보할 필요가 있다. 본 연구의 조사 결과에 따르면, 현재 활용도가 높은 AI 기술이 앞으로도 활용도가 높을 것이라 전망하는 산업 분야가 있는 반면, 그렇지 않은 산업 분야도 있었다. 즉, 특정 AI 기술의 현재 산업 활용도는 높지만 향후에는 활용도가 낮아지고, 반대로 현재 활용도가 낮은 기술이 앞으로는 중요하게 활용될 것으로 예상하는 산업 분야가 있다는 것이다. 이러한 결과는 국가 AI R&D 정책과 제도가 산업 환경의 변화 및 고도화에 따른 기술수요의 차별화·다양화에 유연하게 대응할 수 있도록 설계되어야 함을 시사한다. 오늘날 AI의 기술변화 속도가 어느 다른 분야보다 빠르다는 점에 대해 이견이 없을 것이다. 이러한 측면을 감안할 때, AI 관련 국가 정책은 산업 환경 및 수요에 대한 지속적인 모니터링과 피드백·조정을 통해 높은 수준의 유연성 및 시의성을 확보할 필요가 있다고 하겠다.