요약문 1. 제 목 : 기업가형 AI 인재 육성 전략 연구 2. 연구 목적 및 필요성 인공지능(AI)은 증기기관, 전기, 인터넷에 비견되는 범용기술로서 경제와 사회 전반에 혁신적 변화를 이끌어낼 잠재력을 지니고 있다. 그러나 AI 기술은 지닌 막대한 잠재력 에도 불구하고 기술 그 자체만으로는 경제적 가치를 실현할 수 없으며, 사업화 과정을 거쳐야만 비로소 경제적 가치가 실현된다. 여기서 고급 AI 인재의 역할이 핵심적이다. 기술사업화 과정은 특히 AI와 같은 하이테크 분야에서 더욱 복잡하고 어려운 양상을 보인다. 하이테크 분야에서는 기술적 불확실성과 시장 불확실성이 동시에 높기 때문이다. AI 기술은 이러한 이중적 불확실성이 특히 높은 영역으로, 성공적인 기술사업화를 위해 서는 고도의 기술적 이해와 전문지식이 필수적으로 요구된다. 이러한 맥락에서 본 연구는 고급 AI 인재를 ‘기업가형(entrepreneurial) 인재’로 양성 하는 정책적 접근의 필요성을 제기한다. AI 기술에 대한 고도의 전문성을 갖춘 인재는 기술의 가능성과 한계를 정확히 파악하고, 시장의 니즈에 부합하는 혁신적인 제품과 서비스를 설계할 수 있다. 또한 AI와 관련된 기술적 불확실성을 효과적으로 관리하면서 시장 불확실성에 대응하는 전략을 수립할 수 있는 역량을 보유하고 있다. 이러한 측면 에서 고급 AI 인재는 AI 기술이 지닌 잠재력을 경제적 가치로 실현할 핵심 주체라 할 수 있다. 그러나 기존의 AI 인재 정책은 대부분 연구자 양성 및 산업기술인력 공급에 방점을 두고 추진되어 왔다. 여기에 기업가로서의 경력 경로를 AI 인재 양성의 주요 목표로 추가 함으로써 AI 인재가 다양한 방식으로 경제적·사회적 가치 창출에 기여하는 정책 모델을 수립해야 한다. 이는 단순히 창업을 지원하는 차원을 넘어서, 고급 AI 인재의 경력경로를 다양화하고 확장하는 포괄적인 정책 패러다임의 전환을 의미한다. 3. 연구의 구성 및 범위 본 연구는 다음과 같은 구성 및 범위로 이루어져 있다. 첫째, 기업가정신에 대한 개념적 설명을 정리하고, ‘기업가형 AI 인재’의 개념을 도출한다. 둘째, 고급 과학기술 인재를 기업가형 인재로 육성하기 위한 해외(EU, 미국, 중국) 및 국내의 정책사례를 분석한다. 셋째, 국내 고급 AI 인재의 기업가정신 현황과 인식 수준에 대해 살펴본다. 국내 고급 AI 인재를 대상으로 자체 설문조사를 실시하여 AI 기술 관련 전공의 대학원생 351인과 석·박사 학위를 보유한 산업계 종사자 364인을 포함해 총 715인의 응답결과를 확보 하였으며, 응답결과를 토대로 기업가정신 관련 특성과 인식, 창업 의지, 보유 경험 등을 분석한다. 넷째, 고급 AI 인재의 창업 의지에 영향을 미치는 요인을 도출하기 위한 실증 연구를 실시한다. 창업은 개인이 투자해야 하는 자원과 부담해야 하는 책임 및 리스크가 평균적·전형적으로 크기 때문에 가장 적극적이고 위험감수적인 기업가적 행동으로 간주 된다. 따라서 본 연구에서는 이 같은 가장 적극적인 형태인 창업에 대한 의지에 초점을 맞춘다. 다섯째, 네 개 AI 스타트업 창업자를 대상으로 정책 현장 의견수렴을 실시하여 창업 준비, 기술사업화, 초기시장 진입, 자금조달, 네트워크 확보, 피봇과 성장 과정에서 경험한 정책·제도적 애로사항과 개선수요를 파악한다. 마지막으로, 상기의 분석 결과를 종합하여 「기업가형 AI 인재 육성 전략(안)」을 제안하고, 정책 제언을 제시한다. 4. 연구 내용 및 결과 1) 기업가형 AI 인재의 개념 정의 기업가정신(entrepreneurship)이란 용어는 ‘기업가(entrepreneur)’라는 명사와 역할, 능력, 기본자세를 뜻하는 접미사 ‘-ship’이 결합된 합성어로서, 기업가가 갖추어야 할 역할, 능력, 기본자세에 관한 것으로 이해할 수 있다. 기업가에 대한 정의는 시대적 배경과 학문적 관점에 따라 다양하게 제시되어 왔다. 그러나 이러한 다양한 정의들을 관통하는 공통적인 요소들이 존재하는데, 대체로 혁신, 기회 포착 및 활용, 그리고 새로운 가치 창출을 실천하는 주체로서의 기업가상(像)을 제시하고 있다. 기업가에 대한 다양한 개념적 논의를 종합하면, 기업가정신은 불확실한 상황에서 기회를 탐색하고 추구하며, 포착된 기회를 활용하여 새로운 가치를 창출하는 행동양식으로 정의할 수 있다. 이러한 정의에서 핵심적인 요소는 기회 인식, 위험 감수, 혁신 추구, 그리고 가치 창출이라고 할 수 있다. 기업가정신은 기업가의 역할을 바라보는 관점에 따라 다소 상이하게 해석 되기도 하지만, 공통적으로 창업(행위 또는 이에 대한 태도나 의지)보다 넓은 개념으로 논의되고 있다는 점에 주목해야 한다. 기업가정신에서 말하는 기업가(즉, 앙트레프레너)는 기존 조직을 관리하는 사람이 아니라 새로운 사업 기회를 발굴하고 이를 실현시키는 사람을 의미한다. 이러한 기업가정신의 유형은 그것이 발현되는 맥락과 주체에 따라 다양하게 분류된다. 개인 창업가나 창업팀이 주체가 되어 기회를 추구하고 이윤 및 시장을 창출하는 것을 목표로 하는 일반 기업가정신, 기존 기업 내에서 제품이나 비즈니스 혁신이나 시장 개발 등을 통해 신규 사업을 창출하는 과정에서 발현되는 사내 기업가정신(intrapreneurship), 사회적 기업가나 비영리단체 임직원이 주체가 되어 사회적 문제 해결과 사회적 가치 창출을 목표로 하는 사회적 기업가정신(social entrepreneurship), 교수, 대학 내 연구원, 대학원생이 주체가 되는 학문적 기업가정신(academic entrepreneurship) 등이 대표적이다. 본 연구에서는 기업가 및 기업가정신에 대한 개념적 논의를 바탕으로 ‘기업가형 AI 인재’를 AI 기술에 대한 고도의 전문성을 바탕으로 새로운 기회를 인식하고 혁신을 통해 가치를 창출하는 인재로 정의하였다. 기업가형 AI 인재는 스타트업 창업자뿐만 아니라 조직 내에서 새로운 사업을 개척하는 사내 기업가(intrapreneur) 등을 포함하는 포괄적 개념이라는 점을 유념해야 한다. 2) 해외 및 국내 정책사례 분석 해외 및 국내 사례들은 공통적으로 고급 과학기술 인재가 기술적 전문성을 개발하는 기간인 학위과정 중 또는 직후에 기업가정신을 체득하고 기업가적 역량을 개발할 수 있도록 환경을 조성하고 경험 기회를 제공하는 데 초점을 맞추고 있다. 구체적으로 스타 트업 연수, 경진대회, 해외 단기연수, 산학 프로젝트, 특화 지원사업을 통한 창업 시도 등 실제적인 경험을 통해 기업가정신을 체득할 수 있도록 유도하고 있다. 특히 EU의 EIT Digital, 미국의 IGE, 한국의 ITRC 등의 사례에서는 대학원 교육과정에 기업가정신 교육 을 통합하거나 내재화하여 자연스럽게 기업가정신을 함양하고 기업가적 역량을 개발할 수 있는 환경을 조성하였다. 교육 관련 사례들(EU, 미국, 한국)에서는 정책 성과로서 고급 과학기술 인재의 실제 창업이 아닌 기업가적 역량 개발을 중시하고 있다는 점도 주목할 만하다. EU의 EIT Digital 박사과정은 실제 창업을 목표로 하는 ‘비즈니스 창출 트랙’뿐 아니라 기존 기업 내 혁신을 지향하는 '인식 및 방향 설정 트랙'을 병행하여 운영함으로써, 기업가 정신이 반드시 창업으로만 발현되는 것이 아님을 보여준다. 미국의 IGE 사업 역시 기업가 정신 관련 교과목 이수, 프로그램 참여, 프로젝트 수행 등을 통해 역량 개발 및 경험 기회를 제공하되, 실제 창업을 하는 것이 필수 요건은 아니다. 한국의 ITRC 사업에서는 기업가적 감각 함양과 연구성과의 확산을 목표로 설정하고, 기업가정신 및 성과확산 프로그램 참가 만족도와 우수사례 발굴 및 홍보노력을 사업의 성과지표로 지정하고 있다. 이러한 정책 사례들은 다음과 같은 함의를 제공한다. 첫째, AI 기술 교육과 기업가정신 교육이 유기적으로 연계되는 통합적 교육 모델의 개발과 확산이 필요하다는 것이다. 기업가형 AI 인재 양성을 위해서는 기술과 경제적·사회적 가치를 연결짓는 기업가적 사고방식을 체화시킬 수 있는 교육이 이루어져야 한다. 둘째, 고급 AI 인재에 대해 기업가 정신을 체득할 수 있는 경험의 장을 다양화하고 확대하여 기업가적 역량 개발 및 창업에 대한 인식을 제고할 필요가 있다는 것이다. 취업(구직)만이 유일한 경력경로가 아니라 창업 또한 선택 가능하고 매력적인 경력경로라는 인식의 확산이 필요하다. 기업가정신 교육 및 경험 기반 학습을 통해 연구자나 기술자만이 아니라 창업을 다양한 경력경로 중 하나로서 고려하고 이를 지향하도록 유도할 수 있다. 셋째, 기업가형 AI 인재 육성 정책이 단순한 창업지원을 넘어 고급 AI 인재의 경력경로 확장 차원에서 설계되어야 한다. 정책의 성과를 단순히 창업 기업 수로 측정하지 않고, 기업가적 역량의 개발과 기업가적 경력경로에 대한 인식 제고를 중요한 성과로 인정하는 것이 바람직하다는 의미다. 넷째, 교육적 관점에만 국한하지 않고 기업가정신이 발휘될 수 있는 기술·산업 생태계 조성을 목표로 한 임무지향적 접근이 필요하다. 기업가형 AI 인재의 육성은 교육 프로 그램만으로 완성될 수 없으며, 이들이 실제로 기업가적 활동을 수행할 수 있는 환경과 여건이 갖추어져야 한다. 창업 자금 지원, 공간 및 인프라 제공, 세제 혜택, 행정 지원, 금융 연계 등 창업과 기업 성장에 필요한 전반적인 지원 체계가 마련되어야 하며, 대학· 연구기관·기업·투자자·정부 등 다양한 이해관계자들이 유기적으로 협력하는 기업가적 생태계의 구축이 필요하다. 이러한 생태계 관점의 접근은 단일 정책이나 프로그램이 아닌, 다양한 정책들이 상호 보완적으로 작동하는 정책 조합(policy mix)을 통해 실현될 수 있을 것이다. 3) 고급 AI 인재의 기업가정신 및 인식 현황 분석 설문조사 결과, 고급 AI 인재는 새로운 기회 추구에 대한 지향성과 자신의 기술적 역량을 기반으로 혁신을 도모하는 데 대한 자신감이 강한 편인 것으로 나타났다. 대부분 경력 경로로서 ‘기업가’를 매력적으로 느끼고 있으며, 전체 응답자의 2/3 이상은 기회와 자원이 있다면 사업(창업)을 시작하고 싶다고 응답하였다. 새로운 기술을 개발·활용하여 문제를 해결하는 능력에 대한 자신감, 즉 기술 자기효능감도 대체로 높게 나타났다. 반면, 아이디어와 기술을 실제 가치로 전환하는 실행 능력에 대한 자신감은 보통 수준이었다. 아이디어의 사업성 및 경제적 가치 평가, 운영비용 추정, 대외 커뮤니케이션, 마케팅 등을 수행하는 능력과 관련된 자신감이 10점 만점에서 5~6점대로 나타나, 기술적 전문 성에 비해 사업화 역량에 대한 자신감은 상대적으로 낮았다. 기업가적 활동에 대한 노출도는 보통 수준이지만, 직접 경험은 부족한 것으로 확인되 었다. 주변 사람 중 최근 2년 안에 창업한 사람이 있는 응답자 비중이 70.1%(대학원생 62.7%, 경력자 77.2%)로, 전체 중 2/3 이상이 기업가적 활동에 일정 수준 이상 간접적 으로 노출되어 있다고 볼 수 있다. 그러나 스타트업 근무, 창업동아리 활동, 경진대회· 공모전 참가 등 직접적으로 기업가적 활동을 수행해 본 경험을 보유한 경우는 매우 적었 으며, 특히 대학원생 그룹은 10명 중 1명 수준으로 확인되었다. 구체적으로 스타트업 근무 경험 보유 비중은 전체 26.4%(대학원생 10.8%, 경력자 41.5%), 창업동아리 활동 경험은 전체 16.1%(대학원생 15.1%, 경력자 17.0%), 창업 관련 경진대회·공모전 참가 경험은 전체 14.7%(대학원생 7.1%, 경력자 22.0%)에 그쳤다. 아울러 창업 관련 정규교육 이나 단기교육·세미나·강연 등에 참여한 경험이 있는 응답자 비중도 절반에 미치지 못하였다(정규교육 이수 전체 27.7%, 단기교육·세미나·강연 참가 전체 39.7%). 한편, 불확실성과 실패에 대한 인식이 높고, 도전적인 시도에 대한 사회적 정당성 인식은 부정적인 것으로 나타났다. 자신의 주변에 사업 기회가 존재한다는 데 긍정적 으로 인식한 경우(29.4%)보다 부정적으로 응답한 경우(43.8%)가 상대적으로 많았으며, 응답자의 66.3%는 실패로 인한 두려움으로 인해 새로운 사업 시도를 망설이게 된다고 응답하였다. 새로운 사업을 시작하는 것에 대한 사회적 인식과 관련해서도, 대부분의 사람들이 창업을 바람직한 직업 결정으로 생각한다는 데 동의하는 비중(31.6%)보다 동 의하지 않는 비중(40.3%)이 더 높게 나타나, 창업에 대한 사회적 인식이 충분히 긍정적 이지 않은 것으로 확인되었다. 종합하면, 고급 AI 인재들은 기술적 역량 기반의 혁신 지향성이 강하며 잠재력이 높지만, 기술의 가치를 실현하는 데 필요한 실행 역량과 경험, 그리고 심리적 기반은 부족한 것으로 나타났다. 이는 고급 AI 인재가 도전적으로 기회를 추구하는 행동이 실행 역량·경험과 환경적 제약에 민감하게 반응할 가능성이 높음을 시사한다. 4) 고급 AI 인재의 기업가적 행동 영향요인 분석 대학원생과 경력자, 두 그룹에서 공통적으로 유의미한 영향요인은 다음과 같다. 첫째, 창업 행동에 대한 태도는 양 그룹 모두에서 가장 강력하고 일관된 예측변수로 확인 되었다. 고급 AI 인재가 창업을 개인적으로 매력적이고 바람직한 경력 경로로 인식할 수록 창업 의지가 높다는 것을 의미하며, 경제적 보상, 자율성, 성취감 등에 대한 긍정적 기대가 창업을 적극적으로 고려하게 만드는 요인으로 작용하고 있음을 시사한다. 둘째, 주관적 규범 역시 두 그룹에서 공통적으로 창업 의지와 유의미한 정(+)의 관계를 보였다. 가족, 친구, 동료 등 중요한 타인들이 창업을 지지한다고 인식할수록 창업 의지가 높았 으며, 이는 주변의 인정과 지지가 창업이라는 불확실한 도전을 감행하는 데 중요한 심리적 자원으로 작용함을 보여준다. 셋째, 기술 자기효능감은 두 그룹 모두에서 창업 의지와 부(-)의 관계를 가지는 것으로 나타났다. 이는 신기술 개발 및 응용·활용 능력에 대한 자신감이 높을수록 오히려 창업을 덜 고려한다는 것을 의미한다. AI 인재에 대한 처우가 우수한 상황에서, 기술적 역량에 대한 자신감이 높은 인재일수록 대기업이나 연구기관 등에서 높은 보수와 안정적인 지위를 확보할 수 있을 것으로 기대되어 창업이 상대적으로 더 큰 재정적·경력상 기회비용을 수반하기 때문으로 해석된다. 넷째, 창업 관련 경진대회·공모전 참가 경험은 창업 의지와 유의미한 정(+)의 관계를 보인 반면, 기업가정신/창업 관련 교육 이수와 창업동아리 활동 경험의 영향은 유의미하지 않았다. 이는 아이디어를 구체화하고 비즈니스 모델을 개발하며 투자자 앞에서 발표하는 등의 실전적 경험이 이론적 지식의 습득보다 창업 의지를 촉발시키는 데 더 효과적임을 보여 주는 결과로서, 실전 경험 기반 학습의 중요성을 시사한다. 다섯째, 주변에 최근 창업한 지인의 존재 또한 두 그룹 모두에서 창업 의지와 유의미한 정(+)의 관계를 나타냈다. 창업 경험이 있는 주변인의 존재는 창업에 대한 정보 접근성을 높이고, 창업이 실현 가능한 선택이라는 인식을 강화하며, 심리적 장벽을 낮추는 역할을 수행하는 것으로 해석된다. 대학원생 그룹에서만 유의미하게 나타난 요인으로는 창업 자기효능감과 자영업자 부모님 여부가 있었다. 대학원생이 아이디어를 사업화하고 기업을 운영하는 데 필요한 경영 역량을 갖추었다고 믿을 때 창업 의지가 강해지는 것으로 나타났다. 또한 부모님이 과거 또는 현재 자영업자인 경우 상대적으로 창업 의지가 높았으며, 이는 어린 시절부터 기업가적 활동의 실제를 접하여 창업을 자연스러운 경력 선택으로 인식한 데 기인한 결과로 볼 수 있다. 경력자 그룹에서만 유의미하게 나타난 요인으로는 스타트업 근무 경험, 해외 거주 경험, 성별, 정규직 여부가 확인되었다. 스타트업 근무 경험을 보유한 경력자의 창업 의지가 상대적으로 높게 나타났으며, 이는 스타트업 근무가 창업 환경에 대한 사전적 경험으로서 창업 과정에 대한 이해도를 높이고 실현 가능한 행동이라는 인식을 강화하는 요소로 작용하기 때문으로 볼 수 있다. 유년기나 청소년기의 해외 거주 경험 역시 창업 의지와 유의한 정(+)의 관계를 보였으며, 이는 기업가정신과 창업문화가 발달한 사회에서의 성장 경험이 창업에 대한 심리적 장벽을 낮추는 데 기여한 것으로 해석된다. 성별에 따른 차이도 경력자 그룹에서만 유의미하게 관측되었는데, 여성 경력자의 창업 의지가 남성에 비해 상대적으로 낮은 경향이 나타났다. 이는 사회·문화적 규범, 자기효능감의 상대적 부족, 여성 역할 모델의 부재 등 다양한 구조적 요인이 복합적으로 작용한 결과로 해석 되며, 여성 AI 인재의 기업가적 활동 참여를 촉진하기 위한 정책적 노력이 필요함을 시사한다. 마지막으로, 정규직 경력자의 창업 의지가 비정규직에 비해 높게 나타났는데, 안정적인 소득을 바탕으로 한 초기 창업 자본 축적, 체계적 업무 경험과 산업 네트워크 형성, 그리고 고용 안정성이 제공하는 심리적 여유가 창업을 실현 가능한 대안으로 인식 하게 하는 데 기여한 것으로 해석된다. 5) AI 인재의 창업 과정 사례와 정책 수요 본 연구에서는 고급 AI 인재가 창업한 네 개 AI 스타트업(노타, 래블업, 마고, 허드슨 에이아이)의 (공동)창업자를 대상으로 심층 인터뷰를 실시하여, 창업 과정에서 경험한 정책지원과 제도적 애로사항을 파악하였다. 사례에서 나타난 정책수요는 다음과 같다. 첫째, 공모전, 오픈소스 활동, 공동연구, 자발적 스터디 등 창업 이전의 실전활동은 기술을 구현하고 팀을 구성하며 외부 평가를 받는 저위험 탐색기회로 활용되었으나 대 체로 개인적 환경과 우연한 계기에 의존하고 있어, 실전적 탐색기회의 확대가 필요하다. 둘째, 경력자의 창업에는 기회비용과 경력단절 위험이 수반되고 창업 위험에 관한 현실적 정보도 개인 네트워크에 의존하고 있어, 점진적 전환 경로와 실패 후 복귀 가능성 보장, 창업 전 정보 제공 및 멘토링이 필요해 보인다. 셋째, 시장수요 파악, 수익 모델 설계, 영업 및 산업 네트워크 확보의 어려움이 공통적으로 나타나, 기술과 시장을 잇는 사업화 지원과 초기 실증·레퍼런스 확보 기회가 사업화 단계의 핵심 지원사항 이라 사료된다. 넷째, 사업모델이나 목표시장을 변경하는 피봇은 기술과 시장 간 적합 성을 높이는 학습과정이었던 바, 사업계획 변경을 수용하는 유연한 지원 정책이 필요 해 보인다. 다섯째, 지원제도 간 연계가 개별 기업의 자체적인 탐색에 의존하고 있어, 성장단계를 관통하는 제도 간 연계와 안내에 대한 수요가 확인된다. 6) 기업가형 AI 인재 육성 전략(안) 도출 연구 결과를 종합하여 3대 추진 전략과 9개 세부 과제로 구성된 「기업가형 AI 인재 육성 전략(안)」을 도출하였다. 전략 1(기업가형 AI 인재 육성 파이프라인 구축)에서는 대학(원) AI 교육과정 내 기업가정신 교육 내재화, 기업가적 역량 개발 프로그램을 제안 하였다. 전략 2(기업가적 경력경로 활성화)에서는 AI 대학(원)생의 기업가적 경력 선택 지원, 경력자 ‘소프트 랜딩’ 창업 기반 강화, 국내 복귀형 창업 지원, 여성 AI 인재 기업가정신 촉진을 제안하였다. 전략 3(기업가정신 친화적 생태계 조성)에서는 사회적 인식 제고, 기업가적 생태계 인프라 구축, 임무지향 정책 이행체계 및 제도 마련을 제안 하였다. 5. 정책적 활용 내용 및 기대효과 본 연구의 결과는 다음과 같이 정책적으로 활용될 수 있다. 첫째, 정부의 AI 정책을 넘어서서 경제 정책의 패러다임을 전환하고, 새로운 성장동력 확보를 위한 국가 전략 개발에 활용할 수 있다. 둘째, AI 전문인력의 경력 경로를 다양화하고 확장하기 위한 AI 인재 정책 수립에 활용할 수 있다. 셋째, 정부의 AI 인재양성 사업을 수행 중인 대학(원)의 기업가정신 교육과정 개발·운영에 활용할 수 있다. 6. 기대효과 본 연구의 기대효과는 다음과 같다. 첫째, 고급 AI 인재의 기업가적 역량 개발을 통해 AI 기술의 잠재력이 더욱 큰 경제적 가치로 실현됨으로써 국가 성장동력이 강화될 것 으로 기대된다. 둘째, AI 스타트업 창업 활성화를 통해 혁신 생태계의 역동성이 제고될 것으로 기대된다. 셋째, AI 스타트업 성장을 통해 양질의 일자리가 창출되고, 고급 AI 인재의 국내 정착/복귀 유인이 강화될 것으로 기대된다.

요약문 1. 제 목 : 해외 거주 디지털 인재 확보 및 활용을 위한 정책 방안 연구 2. 연구 목적 및 필요성 대한민국은 디지털 전환의 가속화로 인해 심각한 디지털 인력 부족 문제에 직면해 있 으며, 특히 AI 분야의 인력 수급 불균형은 미래 국가 경쟁력을 위협하는 수준에 이르고 있다. 현재 국내 AI 사업 기업의 80% 이상이 인력 부족을 겪고 있으나, 기존의 국내 교 육 및 양성 정책만으로는 급증하는 기술 수요의 속도를 따라가기에 한계가 명확하다. 또한, 물리적 이주를 전제로 하는 전통적인 해외 인재 유치 정책은 복잡한 비자 절차와 정주 여건의 제약으로 인해 인재 확보에 많은 시간이 소요되며, 한국의 인재 유치 매력 도 또한 불안정한 추세를 보이고 있다. 이러한 한계를 극복하기 위해 최고급 인재는 국내로 유치하되, 중급 실무 인재는 현지 에 거주하는 상태에서 원격으로 활용하는 ‘투 트랙 전략’으로의 패러다임 전환이 절 실하다. 특히 자원과 네트워크가 부족한 중소기업 및 스타트업은 글로벌 인재와의 접점 을 찾지 못해 인력난이 더욱 심화되고 있어, 이들이 해외 인재를 적시에 확보하고 유연 하게 활용할 수 있는 시스템적 간극을 메워줄 정책적 개입이 필수적이다. 이에 해외 거 주 상태의 외국인 디지털 인재를 국내 기업의 지식·역량 자원으로 ‘연결·활용’하는 관점에서 정책·제도·인프라를 새롭게 설계할 필요가 있음을 제기한다. 이에 본 연구는 글로벌 디지털 인재 채용시장과 해외 거주 인재 확보‧활용 관련 국내 외 정책·사례를 분석하고, 현장의 인식·현황·애로사항·정책 의견을 수렴하여 국내 기업이 해외 거주 디지털 인재를 효과적으로 확보‧활용할 수 있도록 지원하는 정책 방 향과 과제를 도출하는 데 목적이 있다. 3. 연구의 구성 및 범위 본 연구는 글로벌 디지털 인재 채용시장의 현황 분석부터 연구주제와 정합한 구체적 인 정책과제 도출까지 총 6장으로 구성되어 있다. 제1장은 서론으로, 연구 배경 및 필요 성, 연구 목적 및 범위를 다룬다. 제2장에서는 글로벌 디지털 인재의 특성과 해외 거주 인재 채용 유형 및 방식을 정리한다. 세부적으로는 글로벌 디지털 인재의 특성과 채용 경로, 유형, 근무 및 협업방식을 살펴본다. 제3장에서는 우리나라의 디지털 인력 소싱과 연관성이 높은 베트남, 미국, 일본, 인도에 대해 각 디지털 인재 채용시장 현황 및 장단 점을 분석한다. 제4장에서는 해외 거주 디지털 인재 확보‧활용 관련 국내‧외 주요 사업 및 프로그램을 살펴본다. 제5장에서는 국내‧외에 거주 중인 외국인 디지털 인재 확보‧활 용 기업을 대상으로 인재 확보‧활용에 대한 인식, 현황 및 계획, 애로사항, 정책 의견 등 을 조사하고 시사점을 도출한다. 조사 신뢰성 제고를 위해 문헌 기반 설문 설계, 이해관 계자 검토, 대면 인터뷰·서면조사 병행, 20개 사 유효응답 확보 및 전문가 자문을 추가 수행하였다. 마지막으로 제6장 결론에서는 연구 결과를 요약하고 해외 거주 디지털 인 재 확보‧활용 정책의 방향성 및 세부 과제를 제안한다. 4. 연구 내용 및 결과 1) 글로벌 디지털 인재의 특성 글로벌 디지털 인재는 기술 역량만이 아니라 해외 이동·근무 또는 해외 기업 근무에 대 한 개방성, 국제 협업 경험, 문화적 적응력과 같은 ‘글로벌 마인드셋’까지 포함하는 개념 으로 재정의된다. 이에 따라 인재 확보 정책은 물리적 이주 촉진을 넘어, 해외 거주 상태에 서의 원격·유연·하이브리드 근무 선호와 동기·선호를 포괄하도록 설계되어야 한다. 또한 고도화된 기술 전문성과 지속 학습 역량을 바탕으로 디지털 리터러시, 데이터 기 반 의사결정, 협업 도구 활용 역량뿐 아니라 정보 신뢰성 검증, 편향 대응 등 윤리·권 리 역량이 요구된다. 국내 현장에서는 언어 장벽과 차별, 의사소통 문제가 병목으로 확 인되며, 보상·성장경로·업무환경·조직문화가 매력적으로 정렬되지 않으면 유치·활 용·정착이 어려워진다. 2) 해외 거주 디지털 인재 채용 유형 및 방식 해외 거주 디지털 인재 확보는 국내 인력난 완화와 글로벌 경쟁력 강화를 위한 전략 이며, 기업은 채용 경로(어디서 찾을지)·채용 유형(어떻게 고용할지)·근무·협업방식 (어떻게 일할지)을 목적과 역량에 맞게 조합해야 한다. 이 선택은 비용·속도·통제력· 법적 리스크·조직문화 적합성 간 균형 문제로 귀결된다. 채용 경로는 박람회·정부사업·플랫폼·헤드헌팅·내부추천·자사 채널/전문 네트워크 등으로 다양하며, 단일 채널 의존보다 다채널 조합이 합리적이다. 채용 유형은 직접고용 (정규/기간제), 독립 계약자, EOR 등으로 구분되며, 각 방식은 통제력·소속감·기술 내재 화와 준법·세무·비자·IP·고정사업장 등 리스크 사이의 트레이드오프를 갖는다. 근무는 현지 출근·원격·하이브리드로 나뉘고 커뮤니케이션은 동기식/비동기식으로 구분되며, 원격·하이브리드 확산을 전제로 성과 중심 평가, 문서화 표준, 협업 도구 역 량, 리더십 재정립이 핵심 과제로 제시된다. 기업은 계약 단계에서 리스크를 명확히 설 계하고, 온보딩·정착·소속감 장치를 강화해 이탈을 줄여야 하며, 정부는 기준·가이드 제공과 중소기업 중심 진입장벽 완화, 생태계 조성에 역할이 있다. 3) 주요국 채용시장 분석 및 시사점 베트남·미국·일본·인도는 한국 기업의 주요 소싱 대상국이자 전략적 중요도가 높 은 국가로, 비용 효율·고숙련 확보·협업 용이성 등 강점이 상이하며 제약(시차·규 제·문화·품질/재현성·노무 리스크 등)도 다르게 나타난다. 따라서 저가 인력 탐색을 넘어 기술 수준과 목적에 맞춘 국가별 ‘핀셋 전략’이 필요하며, 기업과 정부 모두 국 가군별로 차등화된 접근이 요구된다. 4) 국내외 정책 사례 해외 거주 디지털 인재 활용 정책은 인재를 어디서 발굴하고, 역량과 신뢰를 어떻게 검 증하며, 어떤 계약·근무 형태로 일을 시작시키고, 비자·정착·조직 적응까지 어떻게 연 결할지를 하나의 흐름으로 설계하는 문제이다. 사례 분석 결과, 성공 모델의 공통점은 기 업이 부담하는 탐색 비용과 초기 리스크(법·행정·준법·운영 불확실성)를 패키지로 흡 수·완화하는 구조에 있으며, 단발성 매칭보다 전 주기를 묶는 설계가 성패를 좌우한다. 국내 사례는 일을 시작하게 만드는 실무 장치의 실증이 강점으로 나타난다. K-Tech College는 교육–프로젝트형 인턴–취업 매칭을 파이프라인화하고, 관리형 원격 인턴십 등 다층 경로를 제공하여 기업의 실행 부담을 낮춘다. 서울 AI허브는 국내 체류 인재와 해 외 거점 원격 인재를 결합한 양거점 운영, 구직 비자 활용, 점검·번역·현지 파트너 등 운영 장치를 결합해 실제 작동 가능한 공급망을 구현한다. 다만 한국어 장벽과 출입 국·체류 행정의 복잡성은 파일럿을 국가 모델로 확장하는 과정에서 먼저 제거해야 할 핵심 병목으로 확인된다. 한편 KOTRA 해외인재유치센터는 개별 사업 실증을 넘어 국가 차원의 상시 인프라로 서 발굴–검증–면접–계약–비자 추천–정착 지원을 연결하는 구조를 갖추고, 무역관 네트워크 기반 후보자 풀 확장과 검증·비자 추천·정착 컨시어지 기능을 결합한다. 결과적으 로 한국은 현장형 실증(매칭·운영 장치)과 상시 인프라(플랫폼·검증·정착)라는 두 축 을 이미 보유하고 있으며, 다음 단계의 핵심 과제는 이 둘을 표준화된 국가 파이프라인 으로 통합해 확장하는 것이다. 해외 벤치마킹은 한국의 확장 전략을 세 방향으로 구체화한다. 일본은 전략국 대학에 기 업 주도 교육 기반을 구축해 현지에서 장기 양성하고, 독일은 언어–자격–매칭–비자–정착을 end-to-end로 묶고 원격 시범근무로 사전 적합성 검증을 내재화해 실패 비용을 줄이며, 중 국은 역외 거점을 통해 귀국 없이도 R&D·창업 협력을 지속하는 모델을 제시한다. 이를 종합하면 한국은 국가·직무 다변화, 원격·역외 고용의 준법·과세·근로자성 리스크 표 준 가이드, 그리고 인재 매칭 규모뿐만 아니라 이탈·재계약·성과·정착·조직 적응까지 관리하는 품질지표 체계를 갖춘 정책 모델을 갖추어야 한다는 점이 도출된다. 5) 해외 거주 디지털 인재 확보‧활용 기업 대상 조사 본 조사는 해외 거주 외국인 디지털 인재를 실제로 채용·고용 중인 국내 기업 20개 사를 대상으로, 채용·활용 현황과 계획, 애로사항, 정책 수요를 파악해 실효성 있는 지 원 방안을 도출하는 데 목적을 두고 문헌 기반 설문 설계→이해관계자 검토→대면/서면 병행 조사→전문가 자문(7인) 보완의 절차로 조사 타당성을 강화하였다. 표본은 성장기 기업(업력 5~10년 미만 55%)과 디지털 비즈니스 기업(90%) 중심이며, 수도권 본사(90%) 가 다수로 국내 디지털 산업 구조를 반영한다. 조사 결과, 디지털 인력 부족은 전 기업에서 확인되며 AI(50%)·SW(45%)에 집중되어 신기술 수요와 전통 SW 인력난이 동시 존재한다. 특히 부족 숙련도는 중급(55%)이 가 장 높고 최고급(30%)도 적지 않아 즉시 투입 가능한 실무형 부족 + 핵심 고급인재 병목 이 함께 나타난다. 외국인 인재가 시급한 AI 직무는 AI/ML 엔지니어가 모든 기업 Top3 에 포함되며, AI 프로덕트 매니저·데이터 엔지니어가 자주 결합되어 모델 개발/구현뿐 아니라 제품화·데이터 기반 안정화까지 동시에 강화하려는 수요 구조가 읽힌다. 이는 정책이 단순 인력 확대가 아니라 중급 실무형 검증·매칭 + PO/PM·데이터 파이프라인 역량을 묶은 패키지형 공급으로 설계될 필요가 있음을 시사한다. 채용·활용 방식에서는 해외 거주 인재가 원격(전면 원격 35% + 하이브리드 35%)을 핵 심 형태로 활용되며, 채용 경로는 지인/내부 추천·온라인 전문 네트워크(링크드인 등)가 중심이다. 이는 시장에서 가장 희소한 자원이 인재 정보와 신뢰 가능한 검증임을 보여주 며, 기업들이 추천·전문 네트워크·플랫폼을 통해 이를 보완하고 있음을 의미한다. 고용 실태를 보면 해외 거주 인재 직무가 SW 72.9%로 편중되고 AI는 14.4%에 그치며 최고급 AI 비중이 0%로 나타나, 해외에서 고난도 AI 역량을 충분히 흡수하지 못하는 제약도 드러난 다. 국적은 베트남 66.4%로 집중되어 공급 리스크와 다변화 필요성이 함께 제기된다. 애로사항은 채용 단계에서 필요 역량 인력 부족이 1순위 70%, 인건비 부담이 85%로 나타나 지원자 수보다 역량 적합 인력의 희소성이 본질임을 알 수 있다. 또한 병목은 기업 규모에 따라 달라 스타트업은 역량·비용 압박을, 대기업은 채용 이후 부적응·조 기퇴사 및 커뮤니케이션·비자·지역 제한 등 마찰요인을 더 크게 체감한다. 종합하면 정책 시사점은 원격 기반 활용이 확대되는 만큼 In-bound 중심 제도를 보완 하는 원격형 글로벌 인재 연결 인프라 구축, 최대 병목인 발굴·검증을 겨냥한 신뢰 채 널/표준 검증/준법 가이드의 패키지 지원, 성패가 로열티·성과·문화·성장기회에 좌우 되므로 글로벌 분산팀 운영역량(비동기·성과관리·온보딩) 강화와 중소기업 대상 비 자·행정·온보딩 지원을 결합하는 방향으로 요약된다. 6) 정책 방향 및 세부 과제 본 정책 제안은 기존의 국내 유입(In-bound) 중심 접근을 보완하여, 해외 거주 상태의 외 국인 디지털 인재를 국내 기업의 지식·역량 자원으로 연결·활용할 수 있도록 제도·인 프라·운영체계를 재설계하는 데 목적이 있다. 특히 바이브 코딩 확산으로 디지털 생산 방 식이 급변하면서 개발 업무는 단순 구현에서 문제정의·아키텍처·도메인 이해·품질관리 중심의 고부가가치로 이동하고, 채용시장은 범용 주니어 수요 감소와 고급 설계·AI 활용 역량 수요 증가로 재편되는 추세이다. 생산성 격차와 언어 장벽이 완화되면서 전 세계 인 재를 원격으로 고용하는 흐름이 강화되고, 이에 따라 온디맨드형(언제 어디서든 원하는 형 태로) 글로벌 인재 소싱·운영 역량이 기업 경쟁력의 핵심 원천으로 부상한다. 이러한 환경변화와 본론에서 제시한 시사점·정책적 고려사항을 종합하여, 해외 거주 글로벌 디지털 인재를 언제·어디서나·원하는 형태로 편리하게 활용할 수 있는 생태계 구축을 목표로 정책과제를 체계화하였다. 본 과제체계는 해외 거주 인재 활용의 병목이 채용에만 국한되지 않고 활용 단계의 준법·세무·데이터 규정 불확실성과 지속 단계의 협업 품질·보안·리텐션 문제로 이어진다는 점을 반영해, 확보(입구)–활용(중간 관문) 지속(성과)–통합 운영(허브)의 전주기 흐름으로 구조화하였다. 이에 따라 ① 공급 파이프 라인 다변화·고도화, ② 버추얼 온쇼어링 지원, ③ 지속가능성 및 품질 중심 운영, ④ 전주기 통합 운영 허브 구축의 4개 정책과제와, 이를 구체화한 13개 세부과제를 도출하 였으며, 각 세부과제는 앞서 제시한 정책방향과의 연관성을 갖도록 설계하였다. 5. 정책적 활용 내용 및 기대효과 본 연구의 결과물은 정부가 해외 거주 디지털 인재를 적시에 활용할 수 있도록 지원하 는 법적·제도적 근거 자료로 활용된다. 구체적으로는 해외 원격 근로를 위한 표준 계약 서 및 세무 가이드라인 개발, 기록상 고용주(EOR) 서비스 지원 프로그램 마련, 그리고 인재 발굴부터 계약 및 관리까지 지원하는 통합 플랫폼 구축의 전략적 로드맵으로 기능 한다. 또한, 해외 거주 연구 인력에 대한 R&D 세액공제 인정 여부나 단기 방문을 위한 비자 제도 개선 등 민감한 규제 이슈를 해결하기 위한 정책적 판단 근거를 제공한다. 기업에게는 인력 확보 부담을 완화하고 해외 인재의 적시 확보를 용이하게 하며, 글로 벌 시장 진출을 위한 해외 인재 활용도 제고와 경영 효율성 제고를 위한 의사결정을 지 원하는 정보를 제공한다. 국내 디지털 인재에게는 해외 디지털 인재와의 협업 기회 확 대 및 글로벌 프로젝트 경험 축적이 가능해지고, 해외 거주 디지털 인재에게는 국내 기 업과의 원격근무 기회 및 문화 접점 확대, 글로벌 활동 기회 확대, 국내 기업 원격근무 관련 정보 취득 및 채용 지원 활용 등이 기대효과로 제시된다. 본 연구를 통한 정책 시행은 국내 기업, 특히 중소기업이 핵심 디지털 역량을 물리적 경 계 없이 적시에 확보하게 함으로써 인력 확보 부담을 획기적으로 완화할 것으로 기대된다. 이를 통해 한국의 AI 및 소프트웨어 분야 글로벌 경쟁력이 강화될 뿐만 아니라, 국내 인력 과 해외 인재 간의 협업 확대로 국내 디지털 생태계의 글로벌 역량이 동반 상승하는 효과 를 거둘 수 있다. 궁극적으로는 유연하고 민첩한 디지털 노동시장 환경을 조성하여 대한민 국이 글로벌 테크 허브로서 지속 가능한 성장을 견인하는 데 기여할 것이다.

요약문 1. 제 목 : AI인재 성장경로 분석을 통한 AI최고급 인재 양성 방안 연구 2. 연구 목적 및 필요성 AI 패권 경쟁 시대에 심화되는 AI 최고급 인재 확보 경쟁에 대응하기 위하여, AI 최 고급 인재상의 정립하고 AI 인재의 성장경로를 분석하여 이를 토대로 AI 최고급 인재 양성 정책 방안을 도출하는 것을 목적으로 한다. 3. 연구의 구성 및 범위 본 연구는 다음과 같이 5장으로 구성된다. 제1장 서론 “AI인재 성장경로 분석을 통한 AI최고급 인재 양성 방안 연구”의 연구 배경 및 목 적, 내용, 연구 방법론을 기술한다. 제2장 국내외 AI 산업 및 정책 분석 선행 문헌 연구를 통해 제시한 AI 인재 정의와 인재 역량을 분석하고, AI 인재의 최 신 정의와 역량을 도출하기 위해 최신 AI 기술 트렌드를 면밀히 분석한다. 또한 효과 적인 AI 인재 양성방안을 도출하기 위해 미국, 중국, 영국의 AI 인재 양성 정책을 비교 분석하고 우리나라 AI 최고급 인재 양성방안의 방향을 도출한다. 제3장 국내 AI 교육 시스템 분석 국내 AI 인재의 성장 경로를 파악하기 위해 초·중등 교육, 고등교육, 직업교육, 커뮤 니티 활동 등 대안교육을 종합적으로 분석하고, 시사점을 도출한다. 제4장 AI 최고급 전문가 심층 인터뷰를 통한 성장경로 분석 본 연구 핵심 내용으로 국내외 AI 최고급 인재를 대상으로 심층 인터뷰를 실시하여, AI 최고급 인재의 인적 특성, 경력 경로, 역량 형성 과정, 성장 촉진 및 장애요인 등을 종합적으로 탐색하고, 설문조사를 실시하여 연구 결과를 검증한다. 제5장 결론 문헌 분석과 심층 인터뷰 결과를 종합하여 AI 최고급 인재 확보를 위한 실효성 있는 정책 방안을 제언한다. 4. 연구 내용 및 결과 본 연구에서는 AI 인재 정의와 역량 관련 선행 문헌 연구, AI 트렌드와 빅테크 기업 현황, AI 기술 패러다임을 바꾼 최신 연구 논문 현황, AI 전문가 심층 인터뷰를 종합적 으로 분석하여 AI 최고급 연구자와 엔지니어 인재상과 핵심 요건을 도출하였다. 현재 까지는 경력 연차나 H-Index 등 양적 지표 활용에 대한 문제점은 파악하고 있었으나, AI 최고급 인재의 정의와 핵심 요건 기준을 정립하지 못하였다. 또한 질적 평가 기준 또한 AI 기술의 급속한 발전에 따라 지속적으로 변화할 수밖에 없어, 고정된 평가 기 준을 설정하기 어려운 실정이다. 본 연구는 AI 최고급 연구자는 ‘AI 이론 혁신 및 패러다임 창출’, ‘문제 발견 및 재정의 역량’, ‘AI 이론의 구현 및 실용화 역량’, ‘학술적 리더십’이라는 네 가지 핵심 요건을 보유한다는 현상를 도출하였다. 이들은 AI의 근원적 원리를 깊이 이해하고, 새로운 문제와 가능성을 발굴하며, 연구 결과를 실제 작동하는 시스템으로 구현하고, AI 분야 전체의 방향을 이끄는 종합적 능 력을 갖춘 인재로 정의된다. 특히 단순한 기술 활용을 넘어 새로운 패러다임을 창출하 고, 개별 성과를 넘어 연구 흐름을 주도하는 것이 핵심 특징이다. 최고급 AI 연구자 인재상 및 핵심 요건 최고급 AI 연구자 인재상 및 핵심 요건 1. AI 이론 혁신 및 패러다임 창출 AI의 핵심 원리와 근원적 메커니즘에 대한 깊은 이해를 바탕으로, 기존 기술의 한계를 돌파하는 새 로운 알고리즘과 모델 아키텍처를 독자적으로 창출. 기존에 공개된 모델이나 프레임워크를 단순 활 용하는 수준을 넘어, 완전히 새로운 기술적 패러다임을 제시하고 이를 통해 AI 분야의 근본적 발전 을 이끄는 이론적 혁신 2. 문제 발견 및 재정의 역량 기존에 정의되지 않았거나 해결 불가능하다고 여겨졌던 문제 영역을 새롭게 발굴하고, 문제 자체를 AI로 해결 가능한 형태로 재구성하는 능력. 현재 존재하지 않는 새로운 기술적 가능성을 탐구하고, 이를 통해 AI가 적용될 수 있는 영역을 확장하며 새로운 가치를 창출하는 문제 정의 역량 3. 구현 및 실용화 역량 이론적 아이디어와 알고리즘을 실제 작동하는 AI 모델로 구현하고, 이를 글로벌 빅테크 기업 수준의 상용 서비스로 발전시키는 능력. 연구 성과를 실제 활용 가능한 형태로 구체화하며, 연구와 엔지니 어링을 통합적으로 수행하여 기술을 시장에 성공적으로 안착시키는 실행 역량 4. 학술적 리더십 및 영향력 단일 연구 성과를 넘어 연구 흐름 자체를 주도하고 분야 전체의 방향성을 제시하는 능력. 개별 논문 이나 기술을 넘어서, AI 연구 커뮤니티와 산업계가 나아갈 방향을 설정하고 새로운 연구 의제를 형 성하며, 지속적인 영향력을 통해 기술 패러다임의 전환을 이끄는 학술적 리더십을 보유 - NeurIPS, ICML, ICLR, CVPR 등 글로벌 최상위 AI 학회에 제1저자, 교신저자로서의 지속적인 논문 게재 - 논문의 높은 피인용 횟수 학술적 기여도, 동료 평가를 통한 학계 내 영향력 입증 - 단일 논문 피인용수 : 발간 5년 이상 10만건, 발간 5년 이하 2만건- 오픈소스 프로젝트 기여도 :프로젝트의 핵심 아키텍처와 기술적 방향성에 실질적인 영향력을 행사하며, 타인의 기여를 이끄는 리더십을 통해 생태계 전체의 성장을 주도 AI 최고급 엔지니어는 ‘전략적 실행 및 가치 창출’, ‘시스템 통합 설계 능력’, ‘문제 해결 및 최적화 역량’이라는 세 가지 핵심 요건을 보유한다. 최고급 엔지니어 는 세 역량을 균형 있게 갖추고, AI 기술에 대한 깊은 이해를 기반으로 비즈니스 가치 창출, 복잡한 시스템의 통합 설계, 실제 제약 조건 속에서의 최적 솔루션 도출을 종합 적으로 수행한다. 최고급 AI 엔지니어의 인재상 및 핵심 요건 최고급 AI 엔지니어의 인재상 및 핵심 요건 1, 전략적 실행 및 가치 창출 다양한 AI 모델의 원리, 한계, 운영 특성에 대한 깊은 이해를 바탕으로 AI 전략 수립부터 설계, 운영까지 전 과정을 주도하며, 신뢰성과 확장성을 갖춘 AI 제품 및 서비스를 시장에 성공적으로 안착시키고 실질적인 가치 창출을 이끈 경험을 보유한 인재 2. AI 시스템 통합 설계 및 엔지니어링 전문성 모델 성능 자체보다 문제 정의 및 해결, 데이터 확보·정제, 보안·윤리 문제 고려, 서비스·인프라· 운영 환경 설계를 종합적으로 이해하고, AI 모델과 데이터, 인프라, 프로세스를 통합적으로 설계 한 경험을 보유한 인재 3. 문제 해결 및 최적화 역량 동일한 조건과 제약 속에서 타인이 쉽게 해결하지 못하는 문제를 실질적인 성과로 연결할 수 있 는 인재. 투입 대비 효과를 고려하여 최소 자원으로 임계점 이상의 성과를 창출하는 문제 해결 능력을 갖추며, 시스템 제약, 데이터 부족, 노이즈 등 실제 환경의 난제를 이론적·공학적 접근으 로 해결하고 불가능해 보이는 규모의 연산을 가능하게 하는 시스템 최적화 역량을 보유한 인재 - Google, OpenAI, Meta 등 글로벌 선도기업에서 파운데이션 모델 개발 프로젝트의 리더급 경험을 보유하거나, 대규모 GPU클러스터 등 하이퍼스케일 인프라를 활용한 대형모델 학습 및 최적화 경험이 있는 엔지니어 - 대규모 AI 시스템 설계·구축 경험 및 성과, 동료 평가를 통한 산업계 내 영향력 검증 - 오픈소스 프로젝트 기여도 :프로젝트의 핵심 아키텍처와 기술적 방향성에 실질적인 영향력을 행사하며, 타인의 기여를 이끄는 리더십을 통해 생태계 전체의 성장을 주도 AI 최고급 전문가의 정의와 핵심 요건을 정립하여 정책 대상을 명확히 하고, AI 최고 급 인재 양성방안을 도출하는 과정은 다음과 같다. 본 연구는 심층 인터뷰에 앞서 AI 전문가에 대한 구조적 이해를 확보하고, 인터뷰 결과 분석을 통해 AI 최고급 인재 정책을 도출하기 위한 기초 작업으로 문헌 분석을 수 행하였다. 문헌 분석은 AI 인재의 주요 특성, AI 시장 및 기업 동향, 국내외 AI 인재 양 성 정책, 국내 AI 교육 체계의 구성과 한계를 중심으로 이루어졌으며, 이를 위해 학술 연구, 정책 보고서, 기업 자료, 정부 정책 문서를 종합적으로 검토하였다. 다음으로 AI 전문가 심층인터뷰를 시행하고 그 결과를 분석하여, 실효성 있는 AI 최 고급 인재 양성방안을 도출하였다. 1. 국내외 AI 산업 분석을 통한 AI 기술 혁신 및 생태계 발전에 요구되는 인재 역량 도출 선행 문헌 분석을 통해 AI 인재의 정의와 역량을 파악하였으며, 본 연구의 연구 대상 을 AI 연구자와 AI 엔지니어로 구분하였다. 기존 연구자료들은 AI 인재에게 요구되는 역량에 대한 분석 틀을 제공하거나, 현재 기술 수준에 부합하는 역량을 산발적으로 제 시해왔다. 그러나 최고 수준 인재의 역량 요건과 그중 핵심 역량에 대한 심층적 연구 는 부족한 실정이다. 시대가 요구하는 고도의 AI 기술을 개발하고 구현을 위해 필요한 AI 인재상을 재정립 하고, 이에 부합하는 구체적인 직무 역량을 분석을 위해 글로벌 AI 시장의 변화 양상과 빅테크 기업의 핵심 전략과 사업, 그리고 이에 따른 AI 인재 수요를 종합적으로 살펴본 다. 2025년 AI 시장과 기술의 핵심 트렌드는 ‘멀티모달 파운데이션 모델과 심층 추 론’, ‘AI 에이전트’, ‘Physical AI·임바디드 AI(Embodied AI)’, 그리고 ‘온디바이 스 AI·엣지 AI’의 4대 축으로 요약된다. 이러한 기술 트렌드를 반영하여 Google, NVIDIA, Meta, OpenAI, Anthropic 등 주요 빅테크 기업들은 각자의 기업 비전에 기반한 생태계 구축을 중심 으로, AI 모델 학습·운영 인프라를 넘어 에이전트화 및 서비스 통합으로 그 영역을 확장하고 있다. 빅테크 기업들의 AI 전략을 살펴보면 몇 가지 공통적인 방향성이 뚜렷하게 드러난다. 먼저 AI의 플랫폼화가 빠르게 진행되고 있다. 거의 모든 주요 기업들이 단순히 AI 모델 을 개발하는 단계를 넘어, 이를 API로 제공하고, 다시 에이전트 형태로 발전시켜 최종 적으로는 완결된 서비스로 진화시키는 전략을 취하고 있다. 이러한 단계적 진화는 AI 기술을 보다 실용적이고 접근 가능한 형태로 만드는 과정이라 할 수 있다. 동시에 HW 와 SW의 유기적 통합도 중요한 전략적 축으로 부상하고 있다. 주요 빅테크 기업 전략사업 및 주요 전략 분류 핵심 기업 전략 A :　파운데이션 모델 (멀티 모달LMM) OpenAI, Google, Anthropic, Meta, xAI 지능의 정점(AGI)을 추구하는 연구/모델링 중심 B : 클라우드 & AI 에 이전트 생태계 Microsoft, Google, Amazon, OpenAI AI 인프라 유통 및 기업용 에이전트 생태계 주도 C : 사용자 접점 Apple, Google, Meta 사용자의 일상 기기(Phone, 스카트 글라스)와 개인화 경험 제공 D : AI 인프라 (GPU 등), Physical AI Nvidia, Google 연산 칩, 하드웨어, 현실 세계 물리적 AI 개발 이와 같은 기술 트렌드와 빅테크 기업의 사업 전략과 맞물러 AI 전문가와 직무와 기 술 역량이 수요가 변화되고 있다. 에 사업모델에 따라 수요가 많은 직무 및 필 수 기술 역량을 종합 분석하였다. 사업모델별 요구 직무 및 필수 기술 역량 사업모델 직무 필수 기술 역량 공통 역량 AI 기술, 고등 수학·통계 역량, 프로그래밍 파운데이션 모델 (멀티 모달LMM) AI 리서치 과학자, ML 엔지니어, 데이터 과학자 고급 AI 모델, AI 시스템 아카텍처링, MLOps 및 엔지니어링, AI 거버넌스 클라우드 & AI 에 이전트 생태계 AI 시스템 아키텍트, MLOps 엔지니 어, AI 에이전트 엔지니어, 클라우드 아키텍트, 사이버 보안 전문가 AI 시스템 아카텍처링, MLOps 및 엔지니어링 AI 거버넌스, 윤리, 안전 AI 인프라 (GPU 등), Physical AI 반도체 설계 엔지니어, AI 인프라 엔 지니어, AI 풀스택(HW/SW) 엔지니어 AI 시스템 아카텍처링, MLOps 및 엔지니어링 AI 거버넌스 그러나, 기업의 전략적 초점이 신뢰가능한 AI 시스템의 안정적 운영으로 이동하고 있 음에도 불구하고, 멀티모달 LLM 등 대형모델의 학습·추론 기술과 파운데이션 시스템 구축 인력은 여전히 AI 기술의 최전선에서 독보적인 희소성을 유지하고 있다. 이는 서 로 다른 모달리티를 유기적으로 통합하는 고난도 알고리즘 설계 능력과, 학습 및 추론 시 모델 최적화를 위해 대규모 데이터와 수만 개의 GPU를 제어하는 저수준 시스템 엔 지니어링 역량이 동시에 요구되기 때문이다. 2. 해외 AI 인재 양성 정책 분석을 통한 국내 AI 인재 양성 방향 도출 국내 AI 인재 양성 정책 방향을 도출하고자, 미국, 중국, 영국의 AI 인재 양성 정책을 분석하였다. 미국의 AI 경쟁력은 대학, 기업, 자본의 유기적 결합을 통한 개방형 혁신 생태계에 기반한다. 미국은 이러한 생태계의 지속가능성 확보를 위해 AI 인재 확보 및 육성을 핵심 정책 과제로 설정하고, 국내 인재 양성과 해외 인재 유치를 양대 축으로 추진하고 있다. 중국의 AI 인재 전략은 보다 중앙집권적이고 신속한 실행력을 특징으 로 한다. 중국의 AI 인재 전략은 중앙정부의 체계적 육성 체계를 기반으로 확보된 인 재를 지방정부를 중심으로 국가 전략 분야에 즉각 투입하고, 이를 통해 AI 역량의 지속적 확장을 도모하는 선순환 구조를 지향한다. 영국 AI 인재 전략의 핵심 차별점은 고등교육 기반의 AI 전문 인력 양성에 있다. 영국은 연구 중심 대학원과 펠로우십 운 영을 통해 고급 AI 연구인력 확보에 집중하고, 학계와 산업계 사이 인재의 자유로운 이동을 촉진하여 고급인재의 실무 역량을 강화하고 있다. 영국은 미국의 시장 규모나 중국의 인구 규모를 갖추지 못한 구조적 한계를 명확히 인식하고, 이를 극복하기 위한 전략을 펴고 있으며, 이는 국내 AI 인재 양성에 있어 참고할 만하다. 3. 국내 AI 교육 시스템 분석과 시사점 실효성 있는 AI 인재 양성 정책을 수립하기 위해 현행 AI 교육의 방향성과 체계가 적 절한지 검토하였다. 초중등, 대학· 대학원, 직업교육으로 구분하여 국내 AI 교육 시스 템의 전반적인 구조와 운영 방식 종합적으로 분석하고, AI 인재 양성 방향 설정을 위 한 시사점을 도출하였다. 첫째, 초중등 교육에서 AI 핵심 인재를 조기에 발굴한다는 목표를 실현하기 위해서는 AI 분야로 진입하는 청소년의 저변을 확대하고, 최고급 AI 인재로 장기적으로 성장할 수 있는 명확한 경로를 제시하는 것이 필요하다. 이러한 노력은 더 많은 학생이 AI 분 야에 진입하도록 유도하여 AI 인재풀을 확대하고, 궁극적으로 향후 최고 수준의 인재 로 성장할 가능성을 높이는 기반을 마련하는 데 기여할 것이다. 둘째, 대학의 역할 전환과 기능 고도화가 필요하다. 자본과 인프라 측면에서의 격차 로 인해 실무형 최고 AI 인재를 양성하는 기능이 점차 기업으로 이전되고 있는 환경 변화 속에서 우리나라가 대규모 언어모델(LLM) 중심의 현재 성과를 넘어 새로운 AI 패 러다임 전환을 주도하기 위해서는, 대학이 창의성과 연구 역량을 갖춘 최고급 AI 연구 자 양성 기능에 집중할 필요가 있다. 이를 위해 대학의 인재 양성 체계를 고도화해야 한다. 빠르게 발전하는 AI 기술에 비해 대학의 인재 양성이 뒤처지고 있는 만큼, 고난 도 연구를 지원할 수 있도록 R&D 환경 조성, 전공 간 융합과 학제 개편을 통한 학사 체계 유연화가 시급하다. 셋째, 정부는 대학, 연구소, 기업과의 유기적 협력을 통해 AI 최상위 인재 양성을 위 한 상시 협력 체계를 구축하고, 고성능 컴퓨팅 인프라와 연구용 정제 데이터를 지원하 는 정책을 시행해야 한다. 마지막으로, 기업은 지속가능한 경쟁력 확보를 위해 단기성과 창출이 가능한 실무형 인 재와 장기적 미래를 대비한 차세대 인재를 동시에 확보하는 투트랙 전략을 추진해야 한다. 4. AI 최고급 전문가 심층 인터뷰 분석을 통한 AI 최고급 인재 정의, 역량, 장애요인 분석 AI 분야는 기술 변화 속도가 빠르고 지속적으로 진화하기 때문에, 문헌 연구나 단순 설 문조사보다는 AI 최고급 전문가들의 생생한 경험의 본질을 파악하는 것이 실효성 있는 정책 수립에 필수적이다. 최고급 AI 전문가 인재상과 양성방안을 도출하기 위해 심층 인터뷰 와 질적 분석(qualitative analysis)을 실시하여 인적 특성, 경력, 학습 방법, 성장 장애 요인 등을 파악했다. 본 연구에서는 전통적인 장기 경력 인재와 LLM, 파운데이션 모델 등 최신 기술의 실질 적 구현 및 운영 능력을 보유한 5~10년 경력 인재를 포함한 AI 최고급 전문가 26명을 대 상으로 심층 인터뷰를 실시했다. 본 연구는 신뢰성 확보를 위해 Colaizzi(1978)가 제안한 서 술적 현상학 분석 방법을 활용하여 심층 인터뷰 내용을 투명하고 일관되게 분석했다. AI 전문가 심층인터뷰 결과는 다음과 같은 5가지를 분석했다. 가. AI 최고급 전문가의 AI 분야 진출 동기 및 경력 경로 확장 AI 최고급 전문가는 AI 분야의 직무를 결정하고 성장하는 데는 다음과 같은 경로를 따른다. 1) AI 최고급 전문가는 자율성과 가족과의 관계성을 중요하게 여기는 특성이 강하며, 내재적 동기에 의해 AI 분야에 흥미를 갖게 되며, 열정을 가지고 지속적으로 몰입 이 가능하게 된다. AI 최고급 전문가는 AI 분야를 자신이 잘할 수 있다는 자신감으 로 AI 기술 역량을 향상시키며, 이를 통해 자기효능감이 형성된다. 2) AI 최고급 전문가들은 AI 분야 진입이 경제적 보상과 경력 지속가능성이라는 긍정 적 결과로 이어진다고 인식한다. 또한 경력 성장을 위해 AI 기술 성숙도, 인프라 지원, 시장 성숙도 등을 고려하며, 환경적 장벽 극복을 위해 적극적으로 대응한다. 3) AI 최고급 전문가의 자기 효능감과 결과 기대라는 두 요인이 AI 분야 진입을 이끌 고, 진입 이후 경력 개발에도 핵심적인 영향을 미친다. 4) AI 최고급 전문가는 AI 분야에 진입한 후에도 자신의 가치와 삶의 목표 실현을 위 해 끊임없이 진로를 탐색한다. AI 최고급 전문가는 커리어 지속가능성을 평가하고, 생애주기로 진로를 재평가한다. 이 과정에서 기존에 습득한 기술을 기반으로 기술 역량을 전이적 적용하여 AI 기술 역량을 획득한다. 5) AI 최고급 전문가의 경력 경로에서 흥미로운 점은 우연한 노출을 통해 AI 기술 분 야를 성장시키고 경력을 향상하는 경우가 있다는 점이다. 나. AI 최고급 전문가의 경력 자본 AI 최고급 인재는 행동지향성, 결단력, 인내심, 유연성, 적응력, 자기 동기 부여 및 추진력 등의 역량을 보유하고 있으며, 기술을 거시적으로 바라보는 비즈니스 통찰력과 제품 수명주기 및 시스템 관점의 이해 또한 갖추고 있다. 아울러 AI 분야에서는 평판 과 인적 네트워크가 핵심적인 경력 자본으로 확인되었다. 다. 최신 AI 기술 트렌드가 요구하는 AI 최고급 전문가의 핵심 역량 전통적인 컴퓨터공학⦁AI 지식 분류, 선행 문헌 분석, AI 최고급 전문가 심층 인터뷰 를 통해 최근 AI 전문가에게 요구하는 AI 기술 역량을 도출하였다. 최고급 AI 전문가들은 AI 기술의 특징으로 개방성, 실용성, 융합성을 꼽는다. 또한 현 재 AI 기술 트렌드에서는 대량 데이터 관리가 특히 중요하며, AI의 궁극적 목표는 실제 작동하는 AI 시스템의 구현이라고 설명한다. AI 기술은 순수과학, 공학, 언어학, 심리학 등 다양한 전공 지식과 연결되어 발전하며, 이론적 탐구에 머무르는 순수학문을 넘어 타 산업의 문제를 해결하고 실질적인 부가가치를 창출하는 융합형 실용 학문으로서의 성격을 지닌다. 그럼에도 불구하고 AI 기술이 발달하여 코딩과 시스템 개발에 AI 도구를 활용하더라도, 컴퓨터공학, AI 이론, 고등 수학에 대한 이해와 프로그래밍 능력은 AI 최고급 전문가가 되기 위한 필수 요건이다. AI 기술이 고도로 자동화될수록 탄탄한 이론적 토대는 단순한 활용을 넘어 AI 기술의 주도권을 확보하기 위해 필수적이다. 또한 AI 시스템이 고도화될 수록 AI 시스템 아키텍처링, 시스템 엔지니어링 및 MLOps 역량이 더욱 요구된다. AI 전문가의 AI 핵심 기술 역량 AI 역량 설명 고급AI 기술 머신러닝, 자연어 처리, 딥러닝, 데이터 분석 등 고급AI 기술 고등 수학·통계 LLM, 스케일링 법칙, In-context learning 등 최신 흐름의 원리와 한계, 트레이드오프를 이해하고 모델 구조, 학습 알고리즘, 최적화 AI 반도체 등을 개발 AI 시스템 아키텍처링 AI 기반 시스템의 설계, 생성, 배포 및 유지보수 역량, 분산 처리 시스템, 데이터 파이프라인 등 AI 서비스의 전체 수명주기를 관통하는 아키텍처를 설계하는 능력 시스템 엔지니어링 및 MLOps 모델의 지속적인 학습(CI/CD/CT) 파이프라인을 구축하고, 데이터 특성 변화나 모델 성능 저하를 실시간으로 모니터링하며 대응하는 능력 프로그래밍 Python과 같은 언어 및 NVIDIA의 CUDA와 같은 보다 복잡한 도구에 대한 전문가 수준의 프로그래밍 기술, 최신 논문을 읽고 이를 즉시 고성능 코드로 구현 라. AI 최고급 전문가의 핵심 역량 및 경력 자본 형성 방식 자기 계발 및 학습의 가장 기본이 되는 활동은 학위 취득이다. AI 최고급 전문가들이 수학, 컴퓨터공학, AI 기본 지식을 필수 요소로 꼽는 바와 같이, AI 기술 개발을 위한 기초 지식은 대학에서 습득하게 된다. 이외에도 AI 최고급 전문가들은 최신 이론을 습 득하기 위해 논문을 지속적 탐독하고 직접 구현하며, 산학 협동 R&D, 컨퍼런스 등을 통해 역량을 향상시키기도 한다. AI 최고급 전문가에게 사내외 성공한 전문가들과의 교류는 역량 향상에 매우 중요한 역할을 한다. 강력한 인적 네트워크는 검증된 전문가들과의 연결을 통해 고급 정보와 핵심 프로젝트 참여 기회를 확보하게 함으로써, 기술적 성장을 넘어 커리어 도약을 이 끄는 핵심 자산이 된다. 컨퍼런스의 논문 선정 프로세스는 원래 느리지만, AI 분야에서는 빠른 기술 발전 속 도로 인해 이것이 심각한 한계로 부각된다. 이로 인해 최신 연구는 arXiv를 통해 즉시 공유되며, AI 최상위 컨퍼런스는 학술 발표보다 네트워킹 중심으로 활용된다. 마. AI 인재의 성장과 활동 장애요인 첫 번째 장애요인으로는 기하급수적 AI 기술 발전에 의한 기술 반감기 단축으로 인한 학위의 경제적 가치가 떨어지며, 진행 중인 연구와 개발 중인 제품이 사장되는 결과를 낳는다. 또한 최신 기술 습득에 대한 심리적 압박과 시간·비용이 증가하는 것은 피할 수 없는 현상이다. 두 번째, 인프라 부족으로 고난도 연구가 제한되며, 이는 국가 및 기업 간의 AI 기술 격차를 확대하고, 단순히 기술적 우위를 넘어 경제적 경쟁력을 확보할 수 있는 문제가 생긴다. 세 번째, 국내 대학원이나 연구원 등은 연구 이외의 활동, 행정 잡무에 의해 연구에 집중하기 어렵다고 한다. 이러한 연구 집중 방해 요인은 결국 창의적인 아이디어의 구 현 속도를 늦추고 기술 반감기가 짧은 AI 시장에서의 도태를 가속화할 수 있다. 네 번째, 융합 인력은 물론이고 AI SW와 HW 인력과도 커뮤니케이션 문제가 일어나 고 있다. AI SW와 HW 인력의 커뮤니케이션 문제는 인공지능 모델의 성능을 저하하고 인프라의 효율성을 낮추는 문제를 야기한다. 마지막으로 AI 인재 부족 현상은 단순한 양적 문제가 아니라, 최신 기술 패러다임을 선도할 수 있는 AI 최고급 인재의 희소성에서 비롯된다. 이러한 희소성은 인력 유출의 이중 구조에서 기인한다. 인프라가 취약한 지방 소재 연구소의 AI 인재는 수도권 대 학·기업으로 이동하고, 국내 대기업과 수도권 연구소의 인재마저 해외 빅테크 기업으 로 유출되는 현상이 반복되고 있다. 5. AI 최고급 전문가와 AI 정책 전문가 설문 AI 최고급 전문가 심층 인터뷰 대상자 21명과 AI 정책 전문가 9명을 대상으로 전체 30명에 대한 AI 전문가 설문조사를 시행하였다. AI 전문가 설문을 진행한 이유는 참여 자 재검증(Member checking)을 통한 연구자의 분석 결과가 AI 최고급 전문가의 실제 경험과 의도에 부합하는가 검증하고, 주관적인 질적 연구의 한계를 극복하기 위해 양적 검증을 통해 질적 분석의 신뢰도를 높이기 위함이다. 가. 최고급 AI 전문가 핵심 기술 역량 AI 최고급 연구자의 기술 역량으로 컴퓨터공학·AI 기술, 고급 AI모델, 고등 수학·통 계, 연구 능력이 가장 중요한 것으로 확인되었다. 또한 AI 시스템 아키텍처링과 프로그 래밍 기술도 매우 중요하다고 밝혀졌다. AI 최고급 엔지니어의 기술 역량의 대해서는 대규모 데이터 수집 및 처리, 실무지식, AI 시스템 아카텍처링, 시스템 엔지니어링 및 MLOps 순으로 중요도가 분석되었다. 또한 AI 안전, AI 거버넌스 기획 및 관리, AI 윤리 도 가장 중요한 역량들로 나타났다. 나. 최고급 AI 전문가 경력 자본 ‘문제 발견 및 재정의 역량’, ‘창의력’, ‘도전 정신’이 AI 최고급 연구자에게 가장 중요한 역량으로 판명되었다. 특히 창의력과 도전 정신은 ‘AI 이론 혁신 및 새 로운 패러다임’을 창출하는 근원적 역량이다. AI 전문가들은 설문을 통해 최고급 AI 연구자의 경력 자본으로 ‘결단력 및 인내심’, ‘비즈니스 통찰력’, ‘자기 동기 부 여 및 추진력’이 매우 중요하다고 응답하였다. 설문 결과, 연구자가 도출한 최고급 AI 엔지니어의 핵심 요건인 ‘문제 해결 및 최적 화 역량’을 가장 중요한 AI 최고급 엔지니어의 역량으로 조사되었다. 또한 ‘비즈니스 통찰력’, ‘대인관계 및 리더십’, ‘유연성 및 적응력’, ‘비지니스 모델 혁신’은 AI 최고급 엔지니어에게 매우 중요한 역량으로 나타났다. 다. AI 전문가 역량 및 경력 자본 축적 방법 설문 결과, AI 최고 전문가의 역량과 경력 자본 축적 방법은 ‘정규교육 중심의 연구’ 와 ‘사내외 네트워킹’이 가장 중요한 요소로 판명되었다. 그다음 방식은 ‘AI 최신 이 론에 관한 기술 문서 습득 및 논문 내용 구현’과 ‘컨퍼런스 참석 및 발표’였다. 라. AI 최고급 전문가 성장과 활동 장애요인 설문조사 결과 AI 최고급 전문가 성장과 활동 시 가장 큰 장애요인은 ‘연구 인프라 부족’, ‘연봉·연구비 등 보상’의 부족이라고 판명되었다. 다음으로 ‘단기성과 지 향에 의한 장기 연구 및 혁신 활동 축소’, ‘연구의 실패를 허용하지 않는 환경으로 도전적이고 실험적 연구 수행 제한’ 등의 장애요인이 있었다. AI 최고급 전문가 심층 인터뷰에서도 밝혀졌듯이, 설문조사에서 가장 큰 역량 향상의 장애요인 중의 하나로 ‘기하급수적 AI 기술 발전에 의한 기술 반감기 단축’을 지적하였다. ‘조직 운영이 나 행정 처리 등의 업무로 연구 집중 방해’도 장애요인으로 조사되었다. 6. AI 최고급 전문가 양성 정책 제언 우리나라는 주요 선도국에 비해 AI 기술 수준에서 격차가 존재하고, 우수 인재풀, 컴 퓨팅 인프라, 대규모 자본 등 핵심 자원 측면에서도 구조적 한계를 안고 있다. 우리나 라 최고급 AI 인재 양성 정책은 이러한 제약 조건을 전제로 한 선택과 집중 전략을 통 해 인재 양성의 실질적 성과를 도모할 필요가 있다. 즉, 전 분야에서의 포괄적 정책 제 공보다는 ‘대학·대학원의 고급인재 양성 기능 강화’, ‘AI 최고급 인재 양성 및 연 구 환경 구축’, ‘AI 최고급 인재 처우 강화 및 협력 생태계 구축’, ‘AI 핵심 인재 의 조기 발굴 및 AI 인재 성장 경로 구축’의 4가지 축으로 AI 최고급 인재 양성 정책 의 실효성을 높일 필요가 있다. AI 최고급 인재 양성 정책 제안 AI 최고급 인재 양성 정책 1. 대학·대학원의 고급인재 양성 기능 강화 가. 탐구 중심의 고난도 연구를 지원할 수 있는 R&D 체계 개선 - 「국가 연구개발 혁신법」개정 및 「연구관리 표준 매뉴얼」개선 나. 유연하고 신속한 학사 체계로의 전환 - ‘학·석·박사 통합 트랙’ 정책 보완 - ‘다이렉트 박사 과정’ 허용 - 산업계 경험을 학점 인정 제도 확대 다. AI 심화 이론과 순수과학·전통 공학 기술을 아우르는 전공 및 교과 과정 설계 - 개별 맞춤형 다학제 전공 신설 - 자연과학·전통 공학 기술과 AI를 깊이 있게 결합한 심화 교육 과정 설계 및 커리큘럼 개발 - SW·HW를 수직 통합 과정 개발 2. AI 최고급 인재 양성 및 연구 환경 구축 가. AI 최고급 인재 양성을 위해 산·학·연·관 상시 협력 체계 구축 나. 고난도 연구를 위한 인프라 구축 및 지원 - ‘범부처 통합 예산’을 확보하여, 초거대 컴퓨팅 인프라 구축 - 대학·연구소 클라우드 사용 확대 다. AI 학습을 위한 통합 데이터 센터 구축 3. AI 최고급 인재 처우 강화 및 협력 생태계 구축 가. 국가 AI Fellow 제도 도입 나. AI 최고급 인재 유치를 위한 대학·산업간 겸직 활성화 다. 글로벌 AI 커뮤니티 활용을 통한 네트워크 지원 확대 4. AI 핵심인재의 조기 발굴 및 AI 인재 성장 경로 구축 가. 초중등 AI 영재 교육을 통한 잠재적인 AI 최고급 인재 기반 마련 나. 다양한 AI 경진 대회 개최와 지원 다. 대안교육의 활성화 및 제도적 지원 - 자기주도 학습 비용 지원 - ‘교육 규제 샌드박스’ 제도 도입 5. 정책적 활용 내용 및 기대효과 본 연구는 AI 시장, 교육 체계, 주요국의 AI 인재 양성 정책, 심층인터뷰 결과를 통합 적으로 분석하여 ‘AI 최고급 인재’의 개념을 정의하고 그 요건을 규정하였다. 본 연 구는 AI 최고급 전문가 인재 정책 대상을 구체화하고 정교화하였으며, 이는 실효성있 는 AI 최고급 전문가 인재 양성 정책 마련에 도움이 될 것이다. 또한 연구자는 AI 분야가 빠른 기술 변화와 지속적 진화라는 특성 때문에 문헌 연구 나 단순 설문조사만으로는 AI 최고급 전문가를 파악하는데, 한계가 있음을 인식하였다. 이에 심층 인터뷰와 질적 연구를 통해 AI 최고급 전문가들의 생생한 경험을 파악하고, 질적 연구의 신뢰도를 높이기 위한 설문조사로 연구 결과를 검증하여 효과적이고 실질 적인 정책을 제안하였다. 본 연구 결과는 올해 AI 인재 양성 정책 수립에 활용되었다.

요약문 1. 제 목 : AI 융합 연구 경쟁력 강화 방안 연구 2. 연구 배경 및 목적 ㅇ (연구배경) 딥러닝, 자연어처리 등 AI 기술의 고도화는 단순 데이터 분석을 넘어 새로운 지식 생산 과정을 혁신하고 있으며, 모든 학문 분야에서 연구 방법론의 한계를 보완하는 핵심 촉매로 자리 잡고 있음 - (복잡한 사회·기술적 난제 해결의 열쇠) 기후위기, 감염병 예측, 신약 개발 등 단일 학문으로 해결하기 어려운 복잡한 과제들에 대해 AI를 활용한 융합연구(Convergence Research)가 국가 경쟁력 확보의 필수 요소로 부상함 - (글로벌 AI융합연구 정책 경쟁 가속화) 미국(제네시스 미션), 중국(AI플러스행동계획), EU(Horizon Europe) 등 주요국은 AI 기반 과학 혁신을 국가 전략으로 격상하여 추진 중임 - (우리나라의 AI융합연구경쟁력 진단) 우리나라는 AI 기술에 대한 관심은 높으나, 글로벌 수준에서 국내 AI 융합연구 역량의 객관적 위치와 분야별 강·약점에 대한 체계적·정량적 분석이 미흡하여 이를 진단할 정책적 필요성이 높음 ㅇ (연구의 목표) AI 융합연구 경쟁력 개념을 정의하고, 지난 20년간의 글로벌 논문 데이터를 실증 분석하여 한국의 상대적 위치와 성장 추세를 파악함으로써 향후 정책 방향성을 제시하고자 함 3. 연구의 구성 및 수행 방법 ㅇ 본 연구는 크게 선행 문헌 연구, 국내외 정책 사례, 데이터 기반 AI융합경쟁력 현황을 분석 지표 및 프레임워크를 수립하여 파악함 - (선행 문헌 연구) 기존 융합연구 개념(학제 간, 다학제적, 초학제적)과 AI 기술 특성을 결합하여 'AI 융합연구 경쟁력'을 새롭게 정의함 - (국내외 정책 및 사례 조사) 미국, 중국, 일본, 독일, 프랑스 등 해외 주요국 및 국내 AI 융합연구 촉진을 위한 정책 및 우수 사례를 생태계 구축 전략, 데이터·컴퓨팅 인프라, 인재 양성 체계 등 다각적 측면에서 비교 분석함 - (데이터 기반 정량 분석) 글로벌 학술논문 데이터베이스 서비스 업체인 Clarivate의 Web of Science 및 InCites 데이터를 활용하여 2005~2024년(최근 20년) 동안의 다양한 과학기술학문 분야에 게재된 AI 관련 논문을 추출하고 분석함 - (분석 지표 및 프레임워크 개발) AI융합연구의 범위, 융합 연구의 강도, 영향력을 파악할 수 있는 지표 체계를 수립하여 이를 바탕으로 세부 현황을 파악함 ⁃ 융합 범위(Shannon Entropy): AI 키워드가 타 학문 분야에 얼마나 폭넓고 고르게 분포하는지 측정 ⁃ 융합 점수(Fusion Score): 특정 분야에서의 AI 기술 도입 강도를 타 분야 범용성으로 보정하여 실질적인 융합 신호를 도출 ⁃ 연구 영향력 지수(CNCI): 글로벌 평균 대비 피인용 성과를 산출하여 연구의 질적 수준을 평가 ⁃ 2차원 매트릭스(Fusion-Impact Matrix): '핵심 융합 트렌드', '성장 유망', '도메인 주도', '경쟁력 제고'의 4개 영역으로 분야를 구분하여 진단 ⁃ 핵심 키워드 도출: Stanford AI Index 등을 참고하여 AI 개념, 학습 패러다임, 생성형 AI, 컴퓨터 비전 등 4개 도메인에서 총 48개의 핵심 AI 키워드를 선정함 4. 연구 내용 및 결과 □ 주요 정책 동향 ㅇ 우리나라와 해외 주요국이 추진하고 있는 AI융합연구 촉진 정책 및 우수 사례들을 분석한 결과 AI를 단순한 분석 도구로 인식하지 않고 지식 생산의 패러다임을 바꾸는 핵심 촉매로 인식하고 이를 위한 AI+X 및 AI for Science 전략을 수립하고 추진 중 ㅇ 주요 정책들은 ‘강력한 인프라 접근성 확보’와 ‘현장 밀착형 문제 해결 과제 제시’, 그리고 'AI융합 연구 전문 인재 확보'를 유기적으로 연결하여 국가 차원의 AI 융합 생태계를 구축에 목표를 두고 추진 중 국가별 대표 정책 및 전략 국가 대표 정책 및 전략 내용 및 특징 미국 Genesis Mission 기초과학과의 강력한 결합: NSF, DOE 등을 통해 물리, 화학, 생물 등 기초 과학 분야에 AI를 적극 적용하여 연구 생산성을 극대화 국가 AI연구소: 29개 국가 AI연구소에 500개 이상의 기관이 협력 네트워크를 구축함으로써 연구-상용화 전 과정을 수행하는 연구 체계 마련 중국 AI플러스 전략 국가 주도의 거대 플랫폼화: 가설 수립부터 실험까지 지원하는 ‘사이언스원’ 같은 연구 운영 체계를 구축함 막대한 자금 투입: 약 11조 원 규모의 국가 AI 산업 투자펀드를 통해 인프라와 응용 전 분야를 지원함 유럽 AI기회행동계획(영국), AI클러스터(프랑스) 안전 및 윤리 기반의 혁신: 영국은 세계 최초 AI 안전 연구소(AISI)를 통해 위험 관리와 혁신을 병행함 프랑스는 전략 산업별 AI 클러스터를 조성하고, 독일은 실제 기업 현장에서 AI 업무 방식 및 AI 솔루션을 실험 및 검증할 수 있도록 지원함 한국 과학기술XAI 국가전략 도메인별 과학 기반모델 구축: 반도체, 바이오 등 강점 분야의 ‘플래그십 프로젝트’를 통해 한국형 AI 공동과학자를 개발함 주권 AI 인프라: 민관 합작 ‘국가 AI 컴퓨팅 센터’를 통해 GPU 자원을 확보하고 국산 AI 반도체 생태계를 육성함 □ 정량 분석 결과 ㅇ (글로벌 트렌드) 전기·전자공학, 통신학 등은 AI의 핵심 기반 영역으로 자리 잡았으며, 최근에는 의학, 영상과학, 언어학, 교육학 등에서 융합이 가속화되고 연구 영향력이 높게 나타남 - 전기·전자공학 및 통신학은 AI 기술의 핵심 기반 영역으로 가장 높은 융합도를 보이며, 자동화 및 제어 시스템, 영상과학 등이 주요 확장 분야로 식별 - 의학, 영상의학, 생화학, 통계학, 지구물리학 등은 현재 AI 융합의 폭은 좁으나(도메인 주도), 수행된 연구의 영향력은 매우 높아 AI 기술 도입 시 파급력이 가장 크게 나타날 유망 분야로 분석 - 전 세계적으로 2014년을 기점으로 AI 융합연구가 급증하고 있으며, 특히 2020년 이후 고속 성장 단계에 진입하여 향후에도 이러한 추세는 지속될 전망 ㅇ (우리의 경쟁력) 전기·전자 및 통신 분야에서 강력한 연구 역량을 보유하고 있으나, 의학 및 기초 과학(수학, 생화학 등) 분야에서는 연구 파급력은 높지만 실질적인 AI 융합 시도(융합도)는 아직 제한적인 것으로 나타남 - 중국은 세계 최대의 AI 융합연구 규모를 보유하고 있으나 연구 영향력은 특정 분야에 한정된 반면, 미국은 기초 과학부터 응용 학문까지 광범위한 분야에서 압도적인 질적 우위를 점하고 있음 ㅇ (기술별 특성) 설명가능한 AI(XAI), 생성형 AI(Gen AI), LLM 등은 거의 모든 학문 분야에서 '도메인 주도' 또는 '핵심 융합 트렌드'로 발전하며 높은 파급력을 보임 □ 정책적 시사점 ㅇ 인프라 격차 해소: 인도의 'IndiaAI Compute Capacity' 사례처럼 연구자와 스타트업이 저렴하게 GPU 자원에 접근할 수 있는 국가 주도의 인프라 생태계 구축이 시급함. ㅇ 양손잡이형 인재 양성: 과학기술 전문성과 AI 역량을 동시에 겸비한 융합 인재 양성을 위해 영재학교부터 박사후연구원(InnoCORE)까지 전 주기에 걸친 지원 체계가 필요함. ㅇ 전략적 융합 영역 발굴: 핵심 융합 트렌드뿐만 아니라, 잠재력이 큰 '성장 유망' 영역과 도메인 내 혁신이 일어나는 '도메인 주도' 영역을 조기에 포착하여 전략적 R&D 투자를 강화해야 함 5. 활용 및 기대 효과 ㅇ 연구 결과는 학문 분야에서의 AI 활용은 광범위하게 자리하고 있으며 첨단 산업에서의 AI 활용을 통한 연구는 ‘AI for Science’라는 정책으로 더욱 확대되어 가고 있음을 보여줌 ㅇ 미국, 중국이 AI융합연구를 주도하고 있는 상황과 우리나라가 전기, 전자, 통신 분야 및 의학·기초과학에서 AI융합 연구를 상대적으로 진행하고 있으나 미·중에 비해 제한적 영역에 머무는 경향을 확인함으로써 차별화된 정책 필요성을 도출 ㅇ 한편, 섀넌 엔트로피 기반의 융합 지표를 제시하여 향후 AI융합연구의 글로벌 경쟁력 확보 수준을 정기적으로 추적 및 평가할 수 있는 방법론적 토대를 마련함 ㅇ 본 연구는 '과학기술 X AI 국가전략' 등 범정부 차원의 AI 융합 정책 수립 시 우리나라의 AI융합연구 경쟁력을 파악할 수 있는 데이터 기반의 기초 정책 자료로 활용 가능 ㅇ AI 융합연구 활성화를 통해 연구 비용을 절감하고 혁신 속도를 가속화함으로써 학문적 성취와 함께 산업적 부가가치 창출에 기여할 것으로 기대됨

요약문 1. 제 목 : 2025년 국내외 인공지능 산업 동향 연구 2. 연구 목적 및 필요성 ㅇ 생성형 AI와 초거대 AI 모델, 에이전트형 AI 및 피지컬 AI의 확산으로 인공지능 산업 생태계가 빠르게 재편 - AI 기술은 산업 혁신을 넘어 행정·노동·교육·안보 등 사회 전반의 구조적 변화를 촉발하고 있으며, 주요국은 이를 국가 경쟁력과 기술 패권의 핵심 요소로 인식하고 국가 AI 전략 고도화와 법·제도 정비를 본격화 - 특히, 2025년을 전후로 AI 관련 기본법 제정과 규제·거버넌스 체계가 ‘설계 단계’를 넘어 ‘시행 단계’로 진입하면서, 정책의 실질적 효과와 산업·사회적 영향에 대한 분석의 중요성이 증대 - 관련 하드웨어, AI 반도체, 연산 인프라에 대한 대규모 투자와 함께 전 산업에서 AI 융합과 활용이 가속화되고 있으며, 글로벌 빅테크를 중심으로 초거대 모델, 에이전트형 AI, 피지컬 AI 분야에서 주도권 경쟁이 심화 - 동시에 AI 안전성·신뢰성·책임성에 대한 우려가 확대되면서, 각국 정부와 국제기구, 표준화 기구를 중심으로 AI 윤리, 안전, 거버넌스 규범 정립과 국제 협력이 강화 - 동시에 AI 안전성·신뢰성·책임성에 대한 우려가 확대되면서, 각국 정부와 국제기구, 표준화 기구를 중심으로 AI 윤리, 안전, 거버넌스 규범 정립과 국제 협력이 강화 - 동시에 AI 안전성·신뢰성·책임성에 대한 우려가 확대되면서, 각국 정부와 국제기구, 표준화 기구를 중심으로 AI 윤리, 안전, 거버넌스 규범 정립과 국제 협력이 강화 - 이러한 환경 변화 속에서 국내 인공지능 산업의 경쟁력 강화, 활용 확산, 그리고 글로벌 수준의 신뢰성 확보를 위한 정책 마련을 위해 국내외 AI 산업 및 정책 동향에 대한 종합적 분석 필요성 증대 ㅇ 본 연구는 급변하는 국내외 인공지능 산업 생태계를 체계적으로 분석하여, 국내 산업 경쟁력 강화와 인공지능 활용 확산을 지원하기 위한 정책적 기초 자료를 마련하는 것을 주된 목표 - 주요국, 주요 기관 및 학술단체, 주요 기업의 동향을 조사하여 현재의 상황을 분석하고, AI 기술의 발전 및 산업 변화에 대한 전망을 통해 적시에 효과적인 AI 정책을 개발하고 정책적 의사결정을 지원하기 위한 기초 자료를 제공하며, 이를 통해 정책 과제를 발굴 - 이를 통해 향후 국가 AI 전략, 산업 정책, 법·제도 개선을 위한 주요 정책 과제를 도출하고, 중장기 정책 고도화에 기여 - 인공지능 산업과 관련된 폭넓은 조사를 바탕으로 국내외 AI 정책·법제·전략·권고안 등 핵심 자료를 체계적으로 확보하여, 정책 설계 및 발전 과정에서 활용 가능한 근거 자료로 제공 3. 연구의 구성 및 범위 ㅇ AI 산업 현황 및 전 세계 AI 시장전망에 대한 개괄적 정리 ㅇ 국내외 주요국·국제기구 정책 동향 - 주요국에는 미국, EU, 중국, 일본, 영국, 캐나다, 프랑스, 독일, 싱가포르, 이스라엘, 인도, UAE, 대만, 호주 등 포함- 국제 기구/회의로 OECD, UN, G7정상회의, G20정상회의 동향 분석 ② 오픈소스AI의 전략적 가치 : 기술 인프라, 기업 경쟁력 요소, 소버린AI(기술 확보) 수단, 기술 경쟁 수단, 글로벌 협업 수단 ③ 소버린AI를 위한 오픈소스AI의 주요 역할 : 기반 기술 제공, 외부 의존성 완화(자 율성 확보), 신뢰성 확보 수단 ④ 오픈소스AI 개념 정립으로 인한 기준 제시 글로벌 오픈소스AI 생태계는 AI 선도 기업들이 적극적인 기술 공개와 홍보를 통해 성 장하고 있다. 특히 오픈소스AI의 핵심이라고 할 수 있는 오픈소스 모델은 선진 AI 기업 들이 주도하고 있다. 따라서, 오픈소스AI 생태계를 선도하는 국내외 기업과 이들 기업들의 오픈소스 모델을 중심으로 글로벌 오픈소스AI 동향을 조사하였다. 대상 기업으로 글로벌 오픈소스AI 생태계를 선도하는 해외 기업 8개(메타, 구글, OpenAI, EleutherAI, 알리바바, 바이두, 딥시크, 미스트랄AI)를 선정하였다. 조사 결과, 기업들은 AI 기술을 기반으로 자체 플랫폼 경쟁력 강화, 상용AI 서비스 제공, AI 솔루 션 공급을 하고 있다. 그리고 이들 기업들의 오픈소스AI는 단순한 기술 공개를 넘어 특정 기업 견제(종속성 회피), 생태계 영향력 확보 및 확장, 기술력 입증, 개방형 협업, 글로벌 진출, 기술 주권 확보 등 다양한 목적 달성을 위한 전략적 수단으로 볼 수 있다. 국내 기업으로는 오픈소스 AI를 선도하는 기업 5개(네이버, LG AI Research, SK텔레 콤, 업스테이지, 엔씨 AI)를 선정하였다. 조사 결과, 국내 기업들은 보편적으로 기술력 입증을 위한 모델 공개 전략을 추진하고 있는 것으로 보인다. 아직은 국내 기업들의 AI 기술력의 인지도 부족과 생태계 영향력 부족으로 인한 것으로 기술 공개를 통해 전 략적 입지 마련을 위해서로 생각된다. 향후에 국내 오픈소스 모델이 글로벌 오픈소스 모델 대비 성능이 견줄 수 있다면 해외 진출을 추진할 수 있다고 보며, 한국어 처리 능력에서 우월성이 증명된다면 국내 시장의 해외 오픈소스 모델의 점유율 하락을 기대 할 수 있을 것으로 생각된다. 국내외 오픈소스AI 기업 동향을 통해 도출한 시사점들은 다음과 같다. ① 오픈소스AI 전략의 실질적 목표: 기술·산업 영향력 확대 ② 중국 기업의 차별화 오픈소스 전략: 적극적 공개(혁신 기술 + 오픈소스 라이선스) ③ 오픈소스AI 영향력 확대 방안: 빠른 기술 혁신과 잦은 반복 출시로 개발자 락인 ④ 다양한 오픈소스AI 공개 방안 : 완전 공개, 제한적 공개, 폐쇄 전략 ⑤ 오픈소스AI 수익화 모델 : 간접 수익화 - 자체 제품/서비스 혁신 및 로스 리더(Loss Leader) 전략 ⑥ 오픈소스AI의 주요 수익원 : B2B 시장(엔터프라이즈 고객) 4장은 국내외 오픈소스AI 생태계에 대한 실증적 분석을 위해 EpochAI의 유명 AI 모 델 데이터를 기반으로 글로벌 AI 생태계에서 오픈소스 모델의 영향력과 현황을 분석하 였고 국내 현황으로 371명의 AI 개발자들의 오픈소스AI 인식 및 현황을 파악하기 위해 설문 조사를 수행하여 분석하였다. EpochAI의 유명 AI 모델 데이터는 1950년부터 2025년 6월 초까지 발표된 AI 모델 중 4가지 조건(① 공인 벤치마크의 최첨단 개선, ② 인용 수 1000개 이상, ③ 기술 발전의 중요성, ④ 중요한 활용)중 하나 이상을 충족한 964개의 AI 모델 정보를 제공하고 있 다. 이 데이터를 기반으로 OSI의 오픈소스AI 정의를 기반으로 주요 공개 항목(데이터, 모델 구조, 웨이트, 학습 & 추론 코드 등)을 중심으로 오픈소스 모델 269개를 분류하여 참여 기관, 참여 기관 국가, 조직 분류, 발표 일시, 유형, 활용 분야, 선정 기준 등을 분석하였다. 참여 기관에서 가장 많은 유명 모델 개발에 참여한 기관은 구글로 타 기관 대비 압 도적이었으며 오픈소스 모델 공개는 메타(페이스북 포함시)가 45개로 1위를 차지하였 다. 그리고, 기관 유형은 산업계가 참여한 AI 모델이 626개 이었으며, 오픈소스 모델은 208개로 기업들이 AI 기술 혁신을 주도하고 있었다. 연도별 현황을 보면 AI 모델은 2013년부터 지속적으로 증가하고 있으며, 오픈소스 모 델은 2015년에 처음 등장하여 2018년부터 지속 증가하는 추세이다. 그리고, 2019년 이 후 유명 모델의 51.9%는 오픈소스 모델일 정도로 오픈소스 생태계 영향력이 최근 빠르 게 증가하고 있다. 모델별 참여 국가 현황을 보면 미국이 AI 모델과 오픈소스 모델 모두 1위였고 이어서 중국이 2위 었으며, 우리나라는 오픈소스 모델 분야에서 양적으로 7위에 위치하고 있 었다. 이러한 데이터는 최근 AI 생태계에서 중국 기업의 부상을 데이터로 입증하는 자 료이며 허깅페이스 자료에서도 중국 모델들이 전세계적으로 주목을 받고 있음을 보여 주고 있다. 데이터 정보 공개, 모델 접근성, 학습 코드 접근성, 추론 코드 접근성의 분석 결과를 보면 유명 모델의 약 절반인 48.3%(458개) 모델들이 학습 데이터 정보를 공개하고 있으 며 학습 데이터 종류는 276개로 다양한 데이터들이 활용되고 있음을 알 수 있다. 이에 반해 모델 접근성, 학습 코드 접근성, 추론 코드 접근성을 공개한 모델은 각각 269개, 237개, 225개로 상대적으로 적음을 알 수 있다. 국내 오픈소스AI 인식 및 활용 현황 조사는 선행 문헌들을 분석하여 총 60개의 설문 문항을 개발하여 모바일 온라인 설문 조사를 통해 총 371명의 AI 개발자로부터 응답 결과를 수집하였다. 주요 구성은 Part 1은 성능 기대, 노력 기대, 사회적 영향, 촉진 조 건, 저항 요인, 활용 의사, 사용 행동, 기술 적합성, 환경 역동성, 제품 난이도에 대해 40개의 리커드 척도 문항으로 구성하였다. Part2는 오픈소스AI 관련 개발자들의 직접적인 인식과 상세 현황을 위한 설문으로 핵심 공개 항목, 중요성, 만족도 및 향후 예측, 국산 중요성, AI 도입 유형, 적용 분야 및 활용 수준, 모델 유형, 장단점, 저해 요인 및 촉진 조건, 플랫폼/기업 종속성, 전문가 필요성 및 핵심 역량에 관한 20개의 문항으로 구성하였다. Part 1의 오픈소스AI 활용 동기 측면에서 성능 기대에서 업무 생산성과 빠른 업무 수 행에 상대적으로 많은 응답자들이 동의하였으며, 노력 기대에서 필요 정보 획득에 가 장 많은 응답자들이 선택하였으며, 사회적 영향에서 의사결정자와 고위 경영진이 상대 적 으로 많은 응답자들이 동의하였고, 촉진 조건에서 필요 지식이 가장 많이 응답되었 다. 저해 요인으로는 저작권 침해에 가장 많은 응답자들이 동의하였다. AI 개발자들의 오픈소스AI 활용 현황을 보면 활용 의사에서 보면 주변 추천, 자주 사 용, 지속 사용, 방법 탐색 등 다양한 측면에서 활용을 확산할 의사를 가지고 있음을 확 인하였다. 그리고 실질적 행동으로 기술 문서 탐색, 새로운 정보 획득, 학습 자료 활용 등을 통해 오픈소스AI 역량을 강화하려는 응답 비중이 50%를 넘었다. Part 2에서 개발자들은 오픈소스AI의 핵심 공개 항목으로 모델, 데이터 정보, 학습 데 이터, 기술 문서를 선택하였다. 이는 공개된 정보를 기반으로 활용과 성능 향상을 위한 핵심 정보들도 판단된다. 다양한 측면의 오픈소스AI 중요성에 대해 개인적인 업무상 중요성 외에 국가 AI 기술 력 강화, 기업 AI 경쟁력 강화, AI 기술 확산 측면에 오픈소스AI 중요하다는 응답에 90% 안팎으로 응답할 정도로 중요하게 인식되고 있었다. 그리고 오픈소스AI에 만족하 는 개발자 비율이 54.4%로 과반이 넘었고, 향후 활용이 확대될 것으로 예상하는 개발 자 비율이 89%이었다. 실제로 AI 원천 기술 도입 형태에서 오픈소스AI를 활용하는 비 율은 68.5%이었다. 적용 분야와 활용 수준을 보면 사내 업무 및 서비스 적용과 기존 제품/서비스 개선 이 각각 60.4%와 59.0%로 새로운 제품/서비스 개발에 활용하는 비율보다 높았으며, 활 용 수준도 제품 적용 보다는 기술 탐색 및 연구개발 진행 중이 전체의 72.3%로 아직까 지는 제품 적용 단계는 소수인 것으로 파악되었다. 그리고 오픈소스AI 기술의 장단점으로 빠른 기술 발전 속도, 라이선스 비용 절감, 및 기술 내재화 가능성에 많은 응답자들이 선택하였으며, 단점으로는 기술 완성도 부족, 책임 주체의 불명확성, 부족한 문서화 등이 선택되면서 기술 역량 확보가 오픈소스AI 확산의 주요 요소로 판단된다. Part1의 오픈소스AI 저항 요인과 촉진 조건을 상세히 묻는 설문에서 주요 저해 요인 으로는 조직의 오픈소스AI 전략(비전) 부재, 인력 부족, 자체 인프라 부족, 조직의 정책 /거버넌스 부재 순으로 응답되며 개인적 오픈소스AI 활용 의사에 비해 환경적 요인이 부족한 것으로 판단된다. 그리고 주요 촉진 조건으로는 연구개발 인프라, 전문가 양성 및 발굴, 기업/기관 거버넌스 확립, 오픈소스AI 활용 기업 발굴 등이 응답되며 오픈소 스AI 활용 기반 조성 및 인력 양성 필요성이 제기되었다. 기술 종속성 관점에서 국산 오픈소스AI의 중요성과 특정 플랫폼/기업 종속성에 대한 설문 결과를 보면 국산 오픈소스AI 기술이 중요하다고 응답한 비율이 해외 오픈소스AI 가 중요하다고 응답한 비율보다 10.2% 높았으나, 둘 다 중요하다고 응답한 비율이 절 반이 넘는 50.9%임을 고려하면 개발자들은 국산 혹은 외산 구분 보다는 우수한 오픈소 스AI에 관심이 많다고 추정할 수 있다. 다만, 특정 플랫폼 및 기업 종속성에 대한 우려 에 대한 응답은 50.7%로 이에 대한 우려가 있음을 확인하였다. 마지막으로 오픈소스AI 확산의 주요 저해 요소인 인력(개발자, 기여자) 부족이자 주요 촉진 조건인 전문가 양성을 위한 오픈소스AI 전문가 육성 필요성에 중요하다고 응답한 비율은 88.1%로 많은 개발자들이 동의하고 있었다. 그리고, 전문가의 주요 역량으로 AI 모델 개발, 오픈소스 프레임워크 활용, 데이터 처리 및 품질 관리와 데이터셋 구축 역 량, 오픈소스 기여 및 협업 역량 순이었다. 이러한 국내외 오픈소스AI 현황 분석을 통해 다음과 같은 시사점들을 도출하였다. ① 빠르게 성장하는 오픈소스AI 생태계 ② 기업/국가 경쟁력 강화를 위해 중요한 오픈소스AI ③ 기업 인식 개선 필요 ④ 오픈소스AI 활용을 위한 전제조건 : 기술 역량 확보 ⑤ 오픈소스AI 인재 양성 필요 ⑥ 자주적 AI 역량 확보가 필요 최근 오픈소스AI가 빠르게 성장하면서 AI 기술 혁신 및 산업 혁신의 원동력이 되면서 AI 3강 도약을 위한 오픈소스AI 정책의 필요성이 커져가고 있다. 따라서 마지막 5장에 서 본 연구 내용을 기반으로 다음과 같은 정책적 시사점과 정책을 제언하고자 한다. ① 선진 기술의 빠른 수용을 위한 오픈소스AI 활용 확산 지원 ② AI 기술력 강화를 위한 선진 오픈소스AI 기술 내재화 추진 ③ 기업의 오픈소스AI 인식 개선 필요 ④ 오픈소스AI 전문가 양성 및 교육 확대 필요 ⑤ 오픈소스AI 전문 컨설팅 제공 필요 ⑥ 오픈소스AI 전문기업 육성 5. 정책적 활용 내용 AI의 중요성이 급부상하면서 우리나라는 최근 AI 3강 도약을 위한 투자 및 정책적 지 원이 집중되고 있다. 최근 글로벌 AI 동향을 보면 AI 선도 기업을 중심으로 오픈소스 모델을 공개하며 기술·산업 주도권 확보 경쟁이 치열해지면서 오픈소스AI 생태계가 중요해지고 있다. 특히 오픈소스AI는 글로벌 기업 중심의 AI 대외 의존도를 완화할 수 있는 대안을 제시하고 있다. 이러한 현실에서 본 보고서는 국가 AI 경쟁력 강화를 위 한 오픈소스AI 정책 수립을 지원을 위한 연구 목적으로 작성되었다. 따라서, 본 보고서는 AI 3강 도약을 위한 오픈소스AI 정책을 위한 당위성 제공과 정 책 방향 수립를 위한 핵심 근거 자료를 제공할 수 있으며, 국가 AI 경쟁력 확보를 위 한 오픈소스AI 기반 기술 확보 방안, 오픈소스AI 기업 육성, 오픈소스 생태계 활성화 정책 수립의 근거 자료로 활용될 수 있다. 6. 기대효과 오픈소스AI는 국가 AI 기술 경쟁력 강화, 기업 AI 경쟁력 강화, AI 기술 확산 등 다양 한 관점에서 중요하다. 특히 글로벌 기업 중심의 AI 기술 혁신에 의해 해외 의존도가 심화되고 있다. 오픈소스AI는 대외 의존도를 완화할 수 있는 가장 효율적인 대안으로 자주적인 AI 역량 확보를 통한 산업 경쟁력 강화에 큰 기여를 할 수 있다. 따라서, 본 연구는 오픈소스AI 정책 수립을 위한 기초 자료 제공과 정책 방안 제시를 통해 국가 AI 경쟁력 제고를 위한 AI 기술력 확보, AI 기업 경쟁력 강화를 통한 AI 산업 활성화 등 다양한 측면에서 긍정적 효과가 기대된다.

요약문 1. 제 목 : 글로벌 AI 경쟁력 확보를 위한 오픈소스AI 활성화 방안 2. 연구 목적 및 필요성 소프트웨어(SW) 기술·산업 혁신을 선도해오던 오픈소스 생태계가 인공지능(AI) 기 술 혁신을 선도하며 AI 산업 혁신을 촉발하고 있다. 대표적으로 오픈소스 AI 프레임워 크 기술들이 언어 모델의 대형화를 선도하였고, 구글이 혁신적인 모델 구조를 오픈소 스로 공개하면서 생성형 AI 시장을 태동시켰다. 그리고 메타는 OpenAI의 chatGPT에 대항하기 위해 라마를 공개하며, 빠르게 성능을 향상시며 생태계 영향력을 확대하였고 중국 기업들의 오픈소스 모델들이 공개되며 미국의 AI 주도권을 위협하고 있다. 이와 같이 오픈소스 생태계가 AI 기술·산업 혁신을 촉발하고 기술 주도권 경쟁 및 산업 영향력 확대 수단으로 활용되고 있기 때문에 AI 3강 도약을 위한 우리나라는 이 러한 오픈소스 생태계 변화를 면밀히 살펴보고 우리의 나아갈 방향을 효과적으로 설정 할 필요가 있다. 따라서, 본 연구는 글로벌 오픈소스AI 동향을 심층 분석하고 이를 통 해 정책적 시사점과 방향을 제시하는 것을 목적으로 한다. 3. 연구의 구성 본 연구는 아래와 같이 총 5장으로 구성되어 있으며, 1장 서론으로 연구 배경과 방법 에 대해 소개하고 제2장은 오픈소스AI에 대해 이해하기 위해 최근 오픈소스AI가 중요 해지는 이유와 오픈소스AI 개념에 대하여 소개하고 있다. 3장부터 본격적인 본론 부분으로 국내외 오픈소스AI 동향에 대해 파악하기 위해 국내 외 주요 오픈소스AI 기업을 선정하여 동향을 조사하였다. 그리고, 이들 주요 기업들의 주요 오픈소스 모델에 대한 현황을 조사하여 기술 동향을 파악하고자 하였다. 4장은 국내외 오픈소스AI 현황에 대한 실증적으로 분석하기 위해 글로벌 현황으로 EpochAI의 유명 AI 모델 데이터를 기반으로 전체 모델과 오픈소스 모델을 비교 분석하였다. 그리 고 국내 오픈소스AI 인식과 현황에 대해 파악하고자 AI 개발자 대상의 설문조사를 수 행하여 분석하였다. 마지막 5장은 본 보고서의 결론 부분으로 정책적 시사점을 도출하고 이를 기반으로 정책 제언을 통해 오픈소스AI 활성화를 위한 정책 방안을 제시하고 있다. 4. 연구 내용 및 결과 최근 오픈소스 기술이 SW 산업을 넘어 AI 기술 혁신과 산업 태동의 원동력이 되고 있다. 텐서플로우, 파이토치 같은 오픈소스 AI 프레임워크 기술들이 머신러닝 개발 편 의성과 효율성을 제공하며 본격적인 머신러닝 중심의 인공지능 시대를 개막하는 동력 이 되면서 머신러닝의 대형화를 선도하며 대형 언어 모델(LLM) 중심의 생성형AI 시장 을 태동시켰다. 이러한 오픈소스 생태계의 AI 기술·산업 혁신의 근간에는 AI 분야 오픈소스 생태계 의 성장이 있다. 대표 오픈소스 개발 협업 플랫폼인 깃허브의 성장과 함께 AI 관련 프 로젝트가 빠르게 증가하여 약 430만개가 되었으며, 이들의 누적 스타 수도 1764만개로 매우 빠르게 증가하였다. 그리고 핵심 AI 개발 협업 플랫폼인 허깅페이스는 2025년 가 입자 수가 500만명을 넘어섰고, 공개된 모델 수가 224만개가 넘어서며 빠르게 영향력 을 키우고 있다. 이러한 오픈소스AI(오픈소스 생태계의 AI 기술 분야)의 빠른 성장으로 많은 개발자들 이 AI 개발 과정에 오픈소스를 보편적으로 활용할 수 있게 되었다. 리눅스 재단 보고 서에 의하면 AI 개발 기업 중 인프라에 오픈소스 채택 비율이 89%일 정도로 오픈소스 는 AI의 기술적 기반을 제공하며 비용 절감, 위험 회피, 산업 표준(호환성 제공) 같은 긍정적 효과를 얻을 수 있게 되었다. 예를 들어 오픈소스 모델 기반 AI 서비스의 비용 은 chatGPT의 1/30에 불과하며 이는 오픈소스 기술을 활용하였기 때문에 가능하게 되 었다. 이와 같이 오픈소스AI가 보편적 AI 기술 인프라 역할을 수행하면서 국가적 차원의 AI 역량 강화를 위한 소버린 AI 관점에서 오픈소스AI의 중요성이 커져가고 있다. 리눅스 재단 보고서에서 국가 안보 및 경쟁력 강화를 위한 소버린 AI의 필요성에 공감하는 비 율이 79%에 달하고 있으며 소버린AI의 주체로써 국가의 역할이 중요해지고 있다. 그 이유는 AI 기술 혁신이 가속화되면서 국가 경제 및 산업 활성화에 미치는 AI 영향력이 점점 커져가고 있기 때문이다. 특히 학습용 데이터 유출에 따른 개인 정보 침해, 국가 안보 위협, 기업 경쟁력 훼손이 우려되기 때문에 오픈소스AI를 활용한 자체 AI 시스템 구축 필요성이 커져가고 있기 때문이다. 오픈소스 생태계에서 AI 기술 비중이 증가하고 영향력이 확대되면서 이를 오픈소스AI 라고 부르며 이 용어의 사용이 빈번해지고 있다. 따라서, 기존 SW 중심의 오픈소스 생 태계와 구분하여 AI의 기술적 특징을 기반으로 오픈소스AI의 재현성과 투명성을 제고 하기 위해 오픈소스AI 개념을 새로이 규정하기 위한 움직임이 있다. 대표 사례로 OSI의 오픈소스AI 정의와 리눅스 재단의 모델 개방성 프레임워크가 있다. OSI의 오픈소스AI 정의는 4가지 자유(사용, 연구, 수정, 공유)가 보장된 AI 시스템으로 정의하고 있으며, 기술 범주에 따라 AI 시스템, AI 모델, AI 웨이트로 구분하며 각각에 대한 오픈소스AI 시스템, 오픈소스 모델, 오픈 웨이트로 구분하고 있다. 리눅스 재단의 모델 개방성 프레임워크는 AI 개발 생애주기 관점에서 모델 재현성을 제공하기 위한 개방성 수준을 정의하고 있다. 가장 개방적인 오픈사이언스 모델, 오픈 도구 모델, 오 픈 모델로 구분하여 구분된 모델 개념간 활용 범위를 명확히 제시하고 있다. 이와 같은 오픈소스AI 태동과 새로운 개념의 규정에 따른 시사점들은 다음과 같다. ① 오픈소스AI의 중요성 : AI 기술·산업 혁신의 원동력 ② 오픈소스AI의 전략적 가치 : 기술 인프라, 기업 경쟁력 요소, 소버린AI(기술 확보) 수단, 기술 경쟁 수단, 글로벌 협업 수단 ③ 소버린AI를 위한 오픈소스AI의 주요 역할 : 기반 기술 제공, 외부 의존성 완화(자 율성 확보), 신뢰성 확보 수단 ④ 오픈소스AI 개념 정립으로 인한 기준 제시 글로벌 오픈소스AI 생태계는 AI 선도 기업들이 적극적인 기술 공개와 홍보를 통해 성 장하고 있다. 특히 오픈소스AI의 핵심이라고 할 수 있는 오픈소스 모델은 선진 AI 기업 들이 주도하고 있다. 따라서, 오픈소스AI 생태계를 선도하는 국내외 기업과 이들 기업들의 오픈소스 모델을 중심으로 글로벌 오픈소스AI 동향을 조사하였다. 대상 기업으로 글로벌 오픈소스AI 생태계를 선도하는 해외 기업 8개(메타, 구글, OpenAI, EleutherAI, 알리바바, 바이두, 딥시크, 미스트랄AI)를 선정하였다. 조사 결과, 기업들은 AI 기술을 기반으로 자체 플랫폼 경쟁력 강화, 상용AI 서비스 제공, AI 솔루 션 공급을 하고 있다. 그리고 이들 기업들의 오픈소스AI는 단순한 기술 공개를 넘어 특정 기업 견제(종속성 회피), 생태계 영향력 확보 및 확장, 기술력 입증, 개방형 협업, 글로벌 진출, 기술 주권 확보 등 다양한 목적 달성을 위한 전략적 수단으로 볼 수 있 다. 국내 기업으로는 오픈소스 AI를 선도하는 기업 5개(네이버, LG AI Research, SK텔레 콤, 업스테이지, 엔씨 AI)를 선정하였다. 조사 결과, 국내 기업들은 보편적으로 기술력 입증을 위한 모델 공개 전략을 추진하고 있는 것으로 보인다. 아직은 국내 기업들의 AI 기술력의 인지도 부족과 생태계 영향력 부족으로 인한 것으로 기술 공개를 통해 전 략적 입지 마련을 위해서로 생각된다. 향후에 국내 오픈소스 모델이 글로벌 오픈소스 모델 대비 성능이 견줄 수 있다면 해외 진출을 추진할 수 있다고 보며, 한국어 처리 능력에서 우월성이 증명된다면 국내 시장의 해외 오픈소스 모델의 점유율 하락을 기대 할 수 있을 것으로 생각된다. 국내외 오픈소스AI 기업 동향을 통해 도출한 시사점들은 다음과 같다. ① 오픈소스AI 전략의 실질적 목표: 기술·산업 영향력 확대 ② 중국 기업의 차별화 오픈소스 전략: 적극적 공개(혁신 기술 + 오픈소스 라이선스) ③ 오픈소스AI 영향력 확대 방안: 빠른 기술 혁신과 잦은 반복 출시로 개발자 락인 ④ 다양한 오픈소스AI 공개 방안 : 완전 공개, 제한적 공개, 폐쇄 전략 ⑤ 오픈소스AI 수익화 모델 : 간접 수익화 - 자체 제품/서비스 혁신 및 로스 리더(Loss Leader) 전략 ⑥ 오픈소스AI의 주요 수익원 : B2B 시장(엔터프라이즈 고객) 4장은 국내외 오픈소스AI 생태계에 대한 실증적 분석을 위해 EpochAI의 유명 AI 모 델 데이터를 기반으로 글로벌 AI 생태계에서 오픈소스 모델의 영향력과 현황을 분석하 였고 국내 현황으로 371명의 AI 개발자들의 오픈소스AI 인식 및 현황을 파악하기 위해 설문 조사를 수행하여 분석하였다. EpochAI의 유명 AI 모델 데이터는 1950년부터 2025년 6월 초까지 발표된 AI 모델 중 4가지 조건(① 공인 벤치마크의 최첨단 개선, ② 인용 수 1000개 이상, ③ 기술 발전의 중요성, ④ 중요한 활용)중 하나 이상을 충족한 964개의 AI 모델 정보를 제공하고 있 다. 이 데이터를 기반으로 OSI의 오픈소스AI 정의를 기반으로 주요 공개 항목(데이터, 모델 구조, 웨이트, 학습 & 추론 코드 등)을 중심으로 오픈소스 모델 269개를 분류하여 참여 기관, 참여 기관 국가, 조직 분류, 발표 일시, 유형, 활용 분야, 선정 기준 등을 분 석하였다. 5. 정책적 활용 내용 첫째, SW·AI 인력양성 정책 개선에 활용할 수 있다. SDV 산업의 인력 문제는 단순히 인력이 부족한 것이 아니라, 필요한 직무와 숙련 수준이 맞지 않는 데서 발생한다. 따라서 기초 SW 인력, 차량용 SW 전문인력, AI·데이터·보안 인력 등 단계별로 필요한 인재를 체계적으로 양성하는 데 활용할 수 있다. 둘째, 기업 수준에 맞는 맞춤형 지원정책 수립에 활용할 수 있다. 기업마다 SDV 전환 수준과 부족한 역량이 다르므로, 초기 기업에는 인프라와 실증 지원을, 전환 단계 기업에는 SW·AI 인력 확보와 운영체계 고도화를, 성장 기업에는 사업화와 시장 확대 지원을 차별적으로 제공할 수 있다. 셋째, 정책 성과를 점검하는 기준으로 활용할 수 있다. SDICI를 활용하면 기업의 기술역량, 인력역량, 사업화 역량 등이 얼마나 개선되었는지 확인할 수 있다. 이를 통해 단순히 지원 기업 수나 교육 인원만 보는 것이 아니라, 실제 전환 성과와 매출 창출 여부까지 점검할 수 있다. 6. 기대효과 첫째, 소프트웨어 중심 산업 전환을 촉진할 수 있다. 자동차·부품 기업의 SW 역량 강화, SW·서비스 기업의 SDV 시장 진입, 중소·중견기업의 전환 부담 완화를 지원함으로써 SDV 산업 경쟁력을 높일 수 있다. 또한 이러한 방식은 향후 조선, 항공, 로봇, 제조 등 다른 SDx 산업으로도 확장될 수 있다. 둘째, 정책 지원의 효과를 높일 수 있다. 기업별 부족한 부분을 정확히 파악해 필요한 지원을 제공함으로써 정책 자원의 낭비를 줄이고, SDV 전환 속도와 성과를 높일 수 있다.

요약문 1. 제 목 : SDx 산업의 경쟁력 진단과 SW·AI 인력양성 정책 연구 - SDV 산업을 중심으로- 2. 연구 목적 및 필요성 디지털 전환과 SDx 확산으로 자동차 산업은 SDV(Software-Defined Vehicle) 산업으로 전환되고 있으나, 이를 뒷받침할 SW·AI 인력 공급은 부족한 상황이다. 이에 본 연구는 SDV 산업의 전환 수준과 인력 수급 실태를 실증적으로 분석하고, SDICI를 활용해 기업 유형별 전환 병목을 진단한다. 이를 통해 기업의 전환 단계와 특성에 맞는 인력 및 산업 정책 수립의 근거를 제시하고자 한다. 3. 연구의 구성 및 범위 본 연구는 SDV 산업의 추진 현황, SW·AI 인력 수급 실태, 기업의 소프트웨어 중심 전환 역량을 종합적으로 분석한다. 이를 위해 실태조사를 통해 산업·기업 규모별 인력 현황과 전환 특성을 파악하고, SDICI 지표체계를 설계해 기업별 역량 수준을 정량화하였다. 이후 업종, 규모, 성숙도별 차이와 인력 병목 요인을 실증적으로 분석하고, 이를 바탕으로 기업 유형별 정책 수요와 차별화된 인력·산업 정책 대안을 제시하였다. 4. 연구 내용 및 결과 본 연구는 SDx 산업, 특히 SDV 산업으로의 전환 과정에서 심화되고 있는 SW·AI 인력 수급 격차를 단순한 인력 부족 문제가 아니라 산업 전환 과정에서 발생하는 구조적 미스매치로 규정하고, 이를 실증적으로 진단하여 정책적 대응 근거를 제시하는 데 목적이 있다. 분석 결과, 자동차산업은 SDV 관련 R&D 비중과 인력 투입 측면에서 이미 확산 단계에 진입한 것으로 나타났다. 그러나 전환의 핵심이라 할 수 있는 소프트웨어 중심의 내재화 수준은 여전히 초기 단계에 머물러 있다. SDV 관련 인력 비중은 확대되고 있으나 핵심 SW 인력 비중은 낮게 유지되고 있어, SDV 전환이 외형적으로는 진전되고 있음에도 산업 내부의 구조적 전환은 충분히 이루어지지 않고 있음을 보여준다. 이러한 불일치는 산업군과 기업 규모에 따라 더욱 뚜렷하게 나타났다. 자동차·부품 제조업은 SDV 전환에 따른 실행 부담이 높음에도 SW 인력 비중이 낮아 하드웨어 중심의 전환 리스크가 집중되는 양상을 보였다. 반면 SW·서비스 부문에서는 특히 중견기업을 중심으로 SDV 인력 투입 규모에 비해 핵심 SW 인력 확보와 매출 성과 창출이 충분히 이루어지지 못하는 병목이 확인되었다. 인력 수급 측면에서도 SDV 전체 인력 부족률보다 SW·AI 인력 부족률이 현저히 높게 나타나, 문제의 본질이 인력 총량의 부족이 아니라 전환 단계, 직무, 숙련 수준, 기업 유형 간 질적 미스매치에 있음을 확인할 수 있다. 본 연구는 이러한 문제를 보다 정밀하게 진단하기 위해 소프트웨어중심혁신역량지수(SDICI)를 활용하였다. SDICI는 기업의 전략, 기술, 인적, 비즈니스, 생태계 역량을 종합적으로 측정하는 지표로, 본 연구에서는 이를 바탕으로 SW·AI 인력 구조와 기업 성과 간의 관계를 분석하였다. 분석 결과, SDV 전환은 역량이 선형적으로 개선되는 과정이 아니라 일정한 임계점을 전후로 병목의 성격이 변화하는 비선형적 전환 구조를 보였다. 전환 초기에는 기초 역량과 실행 기반이 주요 제약요인으로 작용하지만, 성숙도가 높아질수록 병목은 투자 확대, 고급 인력 확보, 표준화, 외부 협력, 사업모델 확장 및 성과 전이 영역으로 이동하는 것으로 나타났다. 군집분석 결과, 기업은 SDV 전환 수준에 따라 기반구축형, 실행·전환형, 확장·성장형, 선도·확산형의 네 가지 유형으로 구분되었다. 각 유형은 상이한 전환 병목과 정책 수요를 지니고 있어, 향후 정책은 기업의 성숙도 수준에 따라 차등화된 방식으로 설계될 필요가 있다. 또한 회귀분석 결과, 기술역량은 SDV 매출의 발생과 확대를 설명하는 핵심 요인으로 확인되었으며, 인적역량은 일정 수준의 기술 기반이 확보된 이후 스케일업 단계에서 성과를 증폭시키는 요인으로 나타났다. 이는 SDV 전환정책이 인재양성과 기술역량 강화를 병행해야 하며, 특히 기술 기반이 실제 성과로 전이될 수 있도록 운영역량과 사업화 지원을 함께 설계해야 함을 시사한다. 종합하면, 본 연구는 SDV 전환이 단순한 기술 도입이나 인력 확충이 아니라 인재양성, 기술역량 강화, 기업 간 협력구조, 데이터·플랫폼·검증 인프라, 성과 창출체계를 통합적으로 재설계해야 하는 산업전환 과제임을 보여준다. 따라서 향후 정책은 범용 교육과 단기 인력 공급 중심에서 벗어나 국가 표준 역량체계, 산업문제 해결형 교육, 공유형 고급인력 풀, 실증 인프라 연계, 성과 기반 지원체계로 고도화될 필요가 있다. 또한 제조기업과 SW기업 간 외주 중심 관계를 공동개발, 공동 지식재산 창출, 수익 공유 기반의 공동 가치 창출 구조로 전환하고, 데이터 개방, 공통 플랫폼, 검증·인증 인프라를 확충해야 한다. 아울러 기업의 SDICI 수준에 따라 지원정책을 차등화하고, 특히 50점 전후의 임계 구간 기업을 집중 지원함으로써 기술·인력 투입이 실제 매출, 서비스 출시, 생산성 향상 등 산업성과로 연결되도록 정책체계를 정교화해야 한다. 5. 정책적 활용 내용 첫째, SW·AI 인력양성 정책 개선에 활용할 수 있다. SDV 산업의 인력 문제는 단순히 인력이 부족한 것이 아니라, 필요한 직무와 숙련 수준이 맞지 않는 데서 발생한다. 따라서 기초 SW 인력, 차량용 SW 전문인력, AI·데이터·보안 인력 등 단계별로 필요한 인재를 체계적으로 양성하는 데 활용할 수 있다. 둘째, 기업 수준에 맞는 맞춤형 지원정책 수립에 활용할 수 있다. 기업마다 SDV 전환 수준과 부족한 역량이 다르므로, 초기 기업에는 인프라와 실증 지원을, 전환 단계 기업에는 SW·AI 인력 확보와 운영체계 고도화를, 성장 기업에는 사업화와 시장 확대 지원을 차별적으로 제공할 수 있다. 셋째, 정책 성과를 점검하는 기준으로 활용할 수 있다. SDICI를 활용하면 기업의 기술역량, 인력역량, 사업화 역량 등이 얼마나 개선되었는지 확인할 수 있다. 이를 통해 단순히 지원 기업 수나 교육 인원만 보는 것이 아니라, 실제 전환 성과와 매출 창출 여부까지 점검할 수 있다. 6. 기대효과 첫째, 소프트웨어 중심 산업 전환을 촉진할 수 있다. 자동차·부품 기업의 SW 역량 강화, SW·서비스 기업의 SDV 시장 진입, 중소·중견기업의 전환 부담 완화를 지원함으로써 SDV 산업 경쟁력을 높일 수 있다. 또한 이러한 방식은 향후 조선, 항공, 로봇, 제조 등 다른 SDx 산업으로도 확장될 수 있다. 둘째, 정책 지원의 효과를 높일 수 있다. 기업별 부족한 부분을 정확히 파악해 필요한 지원을 제공함으로써 정책 자원의 낭비를 줄이고, SDV 전환 속도와 성과를 높일 수 있다.

요약문 1. 제 목 : 메타버스-인공지능 융합 활성화 연구 2. 연구 목적 및 필요성 메타버스는 제조·의료·교육 등 다양한 산업에서 실증 성과를 축적하며, 엔터테인먼 트 중심 활용을 넘어 시뮬레이션, 의사결정지원, 교육·훈련 등으로 활용 범위를 확대 하고 있다. 한편 AI는 데이터 기반 자동화를 통해 산업 전반의 생산성과 업무 구조를 재편하는 핵심 기술로 자리잡고 있다. 최근에는 생성형 AI 기반 콘텐츠 제작 고도화, XR 기반 AI 스마트 안경 확산, 엔비디아의 옴니버스–코스모스를 통한 피지컬 AI 훈련 사례 등에서 보듯 메타버스와 AI가 상호 보완적으로 결합되고 있다. 그러나 기존 연구는 메타버스 관점에서의 AI 활용에 집중되어 왔으며, AI 발전 관점 에서 메타버스의 전략적 역할에 대한 체계적 분석은 미흡하다. 이에 본 연구는 메타버 스–AI 융합 구조를 종합적으로 분석하고, 양 기술의 공진화를 촉진하는 기술·산업·정 책적 시사점을 도출함으로써, 메타버스는 AI 기반 산업 혁신과 디지털 전환을 견인하 는 핵심 플랫폼으로, AI는 메타버스의 기능·서비스·생태계를 고도화하는 핵심 동력 으로 발전하는 데 기여하고자 한다. 3. 연구의 구성 및 범위 본 연구는 메타버스와 AI 융합 활성화 전략을 도출하기 위해 기술–산업–정책으로 이 어지는 단계적 구조로 총 5개 장으로 구성되었다. 제1장은 연구 배경과 목적을 제시하 고, 제2장은 메타버스와 AI의 핵심 기술 요소를 정리한다. 제3장은 AI 기반 메타버스 혁신과 메타버스 기반 AI 혁신 등 양 기술의 상호 시너지를 분석하고, 융합 시너지에 따른 가치사슬 변화를 구조화한다. 제4장은 주요 산업별 활용 동향과 주요국의 관련 정책을 검토하여 메타버스-AI 융합의 중장기 발전 방향을 제시한다. 마지막으로 제5장 은 메타버스–AI 융합의 장애요인을 정리하고 대응 방안을 제시한다. 4. 연구 내용 및 결과 4.1 메타버스 및 AI 기술 개요 메타버스는 현실 세계와 가상 세계가 융합하는 가상융합세계로, 메타버스의 핵심 기 술로는 AI, 공간컴퓨팅, 디지털 트윈, 블록체인 등이 있다. 이들은 콘텐츠–플랫폼–네트 워크–디바이스(CPND) 산업 생태계 전반에 걸쳐 신공간화, 초개인화, 초실감화, 멀티모달화라는 진화 방향을 형성하고 있다. 특히 공간컴퓨팅은 현실 공간을 디지털 정보와 정밀하게 연동하여 사용자의 상호작용 방식을 근본적으로 확장하며, 디지털 트윈은 물 리적 세계를 가상 환경에 실시간으로 복제·분석·예측하는 기반 기술로 산업 전반의 의사결정 구조를 고도화한다. 한편, AI는 기계학습-딥러닝-생성형 AI로 이어지는 기술 발전을 통해 산업의 생산성 구조와 업무 방식을 재편하는 범용 핵심 기술로 부상하였다. 특히 생성형 AI는 텍스 트·이미지·영상·음성·코드 등 다양한 콘텐츠를 창작하는 능력을 바탕으로 메타버 스 콘텐츠 생산을 혁신하고 있으며, 멀티모달 AI, AI 에이전트 등은 산업 전반의 지능 화를 가속화하고 있다. 4.2 메타버스-AI 융합 시너지 메타버스와 AI 기술은 서로의 발전을 촉진하며 공진화하고 있으며, 이로 인해 새로운 가치와 서비스 창출의 혁신이 기대된다. AI는 텍스트로도 실시간 콘텐츠 창작을 지원하며, 메타버스 내에서 사용자의 행동 패턴을 학습하여 개인화된 콘텐츠와 추천 시스템 구현 등에 핵심적 역할을 수행한다. 이를 통해, 메타버스는 각 사용자에게 최적화된 맞춤형 경험을 제공하고 산업적 활용 측면에서도 향상된 성과 달성에 기여할 수 있다. 메타버스는 AI 학습에 필요한 데이터와 시뮬레이션 환경을 제공함으로써 상호 시너지 효과를 창출하고 있다. 메타버스에서 생성되는 사용자 행동 데이터는 AI 모델 학습에 유용하게 활용될 수 있고, 메타버스에서 제공하는 가상 시뮬레이션 환경은 AI가 복잡 하고 다양한 물리적 조건을 안전하게 사전 학습하고 대응 전략을 검증하는데 기여할 수 있다. 또한, AI 기반 XR 기기와 디지털 휴먼은 현실과 가상 세계를 연결하는 핵심 매개체로서 AI의 실생활 활용성을 높이며, 새로운 응용 서비스 기회를 창출할 것으로 기대된다. 또한, 메타버스–AI 융합은 ‘인프라’에서 ‘경험’에 이르는 메타버스 가치사슬 전 단계에 걸쳐 동시다발적으로 확산되며, 생태계 전반의 고도화를 견인하는 핵심 동력으 로 작용하고 있다. AI는 메타버스 전 영역에서 효율성·개인화·지능화를 동시에 강화 하며 기존 가치사슬을 고도화하는 동시에 새로운 수익 기회를 창출하고 있다. 이러한 융합의 확산은 기술 혁신을 가속화하는 한편, 데이터 수집·가공 범위, AI생성 창작물 저작권 등 새로운 사회·제도적 과제의 부상을 예고하고 있다. 4.3 메타버스-AI 융합 발전 전망 제조, 교육, 유통, 의료 등 다양한 분야에서 메타버스와 AI 융합이 적용되고 있다. 제 조분야에서는 AI 기반 공정 최적화, AI 기반 시뮬레이션, 로봇 가상 훈련 등의 활용 사 례가 나오고 있으며, 교육 분야에서는 개인 맞춤형 학습, AI 보조 학습 등이 가능해지 고 있다. 유통 분야에서는 맞춤형 가상 쇼핑 경험 제공, 물류 효율성 향상 등에 기여할 수 있으며, 헬스케어·의료 분야에서는 XR 치료 플랫폼, 정신·인지 재활 지원 등에 활용될 수 있다. 건설, 국방, 문화 분야에서도 메타버스-AI 융합 활용 사례가 만들어지 는 등 다양한 산업 분야로의 점진적 확산이 전망된다. 국제적으로는 미국, EU, 중국, 중동에서 메타버스-AI 융합을 지원하는 정책들이 진행 되고 있다. 미국과 EU는 메타버스를 구현하는 XR을 중심으로 AI를 융합하는 사례들을 개발하고 있으며, 중국은 메타버스 육성 계획에 산업 메타버스를 중심 축으로 삼아 AI, 블록체인, 클라우드 등 신기술의 집성 혁신을 명시하였다. 중동에서는 관광, 도시 분야 에서 메타버스 도입과 AI 연계를 시도하고 있으며, 국제전기통신연합(ITU)과 유엔 국제 컴퓨팅센터(UNICC), 디지털 두바이가 공동으로 추진하는 시티버스(Citiverse - Global Initiative on Virtual Worlds & AI)는 메타버스와 AI 등 디지털 신기술의 도시 적용을 위한 규범적 프레임워크를 마련하고 있다. 산업 활용 동향과 정책 동향을 통해 볼 때 메타버스-AI 융합 시너지는 중장기적으로 지속 발전 할 것으로 전망된다. 구체적으로는 단기적으로 콘텐츠 생산성과 개인화 경 험의 향상 및 서비스 최적화가 두드러지며, 중기적으로 AI 인터페이스의 고도화와 활 용 범위 확대, 장기적으로 현실과 가상 간 융합이 일상화되면서 사회·경제 구조 건반 에 걸친 근본적 변화가 나타날 것으로 전망된다. 메타버스–AI 융합은 중장기적으로 높은 산업적·사회적 잠재력을 지니지만, 이를 현실화 하기 위해서는 기술적·산업적 제약을 동시에 극복할 필요가 있다. 특히 시뮬레이션 기반 AI 학습에서는 가상과 현실 간 성능 격차(Sim-to-Real Gap) 문제 해결이 필요하며, XR 기기 역시 배터리, 무게, 시야각, 사용자 피로도 등 기술적 한계를 극복해야 한다. 또한 플랫폼 구축, 장비 도입, AI 인프라 확보 등에 따른 높은 초기 비용과 투자 불확실성은 산업 확산 을 지연시키는 요인으로 작용할 수 있다. 따라서 메타버스–AI 융합은 기술 성숙도 확보와 경제성 검증 과정을 거치며 점진적으로 발전할 가능성이 높으며, 향후 발전 전략은 기술 혁 신과 산업 기회뿐 아니라 기술적 한계와 리스크를 균형 있게 고려하는 접근이 필요하다. 4.4 메타버스-AI 융합 활성화 방안 메타버스-AI 융합을 저해하는 주요 장애요인은 내부 인재 부족, 경영진의 인식 부족, 데이터 부족, AI 인프라 비용, 기존 시스템과의 상호 운용성 부족, 초기 투자비용, 투자 대비 성과 불확실, 법·제도의 불확실성 등으로 요약된다. 이러한 제약은 기업 단독으 로 해결하기 어려우며 정부 차원의 지원 정책이 요구된다. 이에 본 보고서는 융합 인재 양성, 경영·조직 역량 강화, 데이터 생태계 구축, AI 인 프라 지원, 표준·상호운용성 확립, 초기 도입지원, 정책금융, R&D 실증 지원, 파트너 십 및 글로벌 진출, 법·제도 정비를 대응 방안으로 제시한다. 이를 통해 메타버스-AI 융합을 촉진하고 메타버스와 AI 산업이 상호 발전하는 선순환 구조를 구축함으로써 국 가 디지털 경쟁력과 미래 성장 동력을 강화하는데 기여하고자 한다. [대응 방안1] 융합인재 양성 메타버스–AI 융합은 3D·XR·AI·데이터·산업 도메인을 아우르는 복합 역량을 요구 하지만, 국내 기업들은 이러한 융합 인재를 충분히 확보하지 못하고 있으며 특히 중소 기업은 인력 확보와 유지에 어려움을 겪고 있다. 이에 따라 대학–산업–정부 연계를 통 한 융합 교육과정 구축, 재직자 리스킬링·업스킬링 확대, 현장 프로젝트 및 글로벌 교 육·인증 연계 등 단계적·지속적인 인재 양성 체계 구축이 필요하다. [대응 방안2] 경영·조직 역량 강화 메타버스–AI 서비스 추진을 위해서는 기술·데이터·인프라 투자와 함께, 경영진의 인식 제고와 전담 조직·거버넌스 정비 등 경영·조직 역량 강화가 병행되어야 한다. 이를 위해 경영진 대상 전략 교육, 전담 조직에 대한 권한·예산 부여, 기술 인력 성과 의 KPI 반영 및 보상 강화 등을 통해 메타버스–AI 융합을 중장기 핵심 사업 영역으로 정착시킬 필요가 있다. [대응 방안3] 데이터 생태계 구축 메타버스–AI 융합의 경쟁력은 고품질 데이터의 확보와 공유·활용 역량에 의해 좌우 되며, 현재 주요 산업 도메인에서 학습용 멀티모달 데이터 부족이 핵심 제약 요인으로 작용하고 있다. 이에 따라 개별 기업 단위의 대응을 넘어, 국가·산업 차원의 데이터 생태계 구축과 산업별 핵심 데이터 정의 및 데이터 로드맵 수립이 필요하다. 또한 공 공–민간 공동 데이터 표준체계 구축과 데이터 거래 활성화를 통해 표준 단절과 정합화 비용을 완화하고, 중소기업 대상 데이터 전처리 바우처 확대와 공공 전처리 인프라 공 동 활용을 통해 데이터 구축 비용 부담을 줄일 필요가 있다. [대응 방안4] AI 인프라 지원 메타버스–AI 서비스 운영에는 대규모 연산 인프라가 필수적이지만, 중소·지역 기업은 높은 GPU·클라우드 비용으로 인해 심각한 부담을 겪고 있다. 이에 공용 GPU 센터 구 축, 연산 자원 바우처·클라우드 이용료 지원, PoC 이후 운영 단계까지 이어지는 지속형 인프라 지원, 그리고 기업 성장 단계에 맞춘 맞춤형 장비 지원 체계 마련이 필요하다. [대응 방안5] 표준·상호운용성 확립 메타버스–AI 융합이 산업 전반으로 확산되기 위해서는 플랫폼 간 연동과 기존 시스템 연계를 가능하게 하는 표준·상호운용성 체계가 필수적이며, 이는 보안 기준과 함께 초기 단계부터 설계되어야 한다. 또한 글로벌 시장 진출을 고려하여 국제 표준·규제 와의 정합성을 확보하는 것이 메타버스–AI 융합 생태계 확장에 필요하다. [대응 방안6] 초기 도입 지원 메타버스–AI 융합 사업은 높은 초기 투자 비용으로 인해 중소·지역 기업이 파일럿조 차 시도하기 어려운 경우도 생겨, 공공영역 중심의 초기 시장 창출과 선도적 공공구매 를 통한 도입 촉진이 필요하다. 아울러 실증–마켓핏–디자인–현지화–사업화 이관을 연계 한 전주기 지원과 바우처·엑셀러레이팅 결합형 정책을 통해 초기 도입이 실제 시장 확산으로 이어지도록 해야 한다. [대응 방안7] 정책금융, R&D 실증 지원 메타버스–AI 융합 사업은 기술적 불확실성과 높은 투자 부담으로 인해 기업이 단독으 로 대규모 투자를 감행하기 어려우므로, 실증형 R&D 보조금과 성과연계형 금융지원 등 정책금융의 적극적 개입이 필요하다. 또한 PoC·테스트베드 확대와 공공 안전·국 방·의료 등 공공영역 중심 실증 지원을 통해 실증 비용을 낮추고 사업화 연계를 촉진 해야 한다. 또한, 심투리얼 갭 해소를 위해 고충실도 시뮬레이션과 심투리얼 전이학습 기반의 기술 개발 지원을 강화하여 가상에서 학습된 AI가 실제 산업 현장에서 정확히 작동하도록 하는 기술 지원이 시급하다. [대응 방안8] 파트너십 및 글로벌 진출 메타버스–AI 융합 사업은 초기 투자 부담과 불확실성이 높아 기업 단독 추진이 어려 우므로, 국내 AI·메타버스 기업 간 파트너십과 대기업–중소기업 협력, 그리고 글로벌 공동 연구·실증 참여를 통해 비용과 리스크를 분산할 필요가 있다. 특히 국제 협력 프로그램 참여는 초기 부담 완화와 함께 기술 신뢰도 제고, 해외 실증 및 시장 진출을 촉진하여 국내 메타버스–AI 산업의 지속 성장 기반 강화에 기여 할 수 있을 것이다. [대응 방안9] 법·제도 정비 메타버스–AI 융합 산업의 성장을 위해서는 데이터 활용과 AI 생성물에 관한 현행 법 령의 적용 범위와 해석 기준을 명확히 정립하여, 기업이 사전에 법적 리스크를 예측할 수 있는 제도적 기반을 마련할 필요가 있다. 특히 메타버스 내 생체·행태 데이터와 AI 학습 데이터에 대한 수집·활용 요건, 가명정보 및 추가적 이용 기준을 AI 학습 특 성에 맞게 구체화함으로써 데이터 활용의 법적 예측 가능성을 제고해야 한다. 아울러 AI 생성물의 유형별 법적 분류와 책임 배분 원칙, 고위험 서비스에 대한 강화된 책임 기준을 포함한 일관된 규범적 틀을 정립하여, 생성형 AI 확산에 따른 규제 불확실성과 기업의 컴플라이언스 리스크를 최소화할 필요가 있다.

요약문 1. 제 목 : AI시대 SW산업 성장동력 확충방안 연구 2. 연구 목적 및 필요성 한국 경제는 저성장 국면과 인구 구조 변화라는 심각한 구조적 문제에 봉착해 있다. 특히 글로벌 시장이 AI 중심으로 급격히 재편됨에 따라, 국내 SW 기업의 재성장을 견 인할 수 있는 새로운 산업 육성 정책이 절실한 시점이다. 본 연구는 전환기 시장 실패 를 방지하고 민간과 정부의 효율적인 투자 포트폴리오 기준을 수립함으로써, 주력산업 과 SW 산업의 성장이 상호 견인하는 성장 동력을 확충하는 데 그 목적이 있다. 3. 연구의 구성 및 범위 본 연구는 SW 기업의 내부 역량인 기술력과 비즈니스 모델, 그리고 외부 환경인 수 요 산업을 연계하여 다각도로 분석한다. 팬데믹 이후 자본과 노동 등 생산 요소의 기 여도 변화를 측정하고, 매출 성장 및 투자 유치에 미치는 결정 요인을 분석 범위로 설 정한다. 또한 제조업과 서비스업 등 수요 산업별 성장 기여도 차이를 규명하며, 이를 바탕으로 수직적 AI(Vertical AI)와 과금체계 혁신 방안 등 신규 비즈니스 모델 및 고도 화된 시스템 통합(SI) 전략을 도출한다. 4. 연구 내용 및 결과 AI 시대의 지식 동학 분석은 소프트웨어는 단순한 기술 도구를 넘어 문제를 해결하 고 특정 결과를 도출하는 ‘처방적 지식(Prescriptive Knowledge)’의 집합체로 정의된 다. 생성형 AI의 등장은 이러한 처방적 지식을 기하급수적으로 증폭시키며, 단순한 지 식의 습득보다는 실행과 해결의 가치를 극대화한다. 이러한 지식 동학의 변화는 SW 산업의 경쟁력이 개별 엔지니어의 단순 숙련도를 넘어, 데이터를 통해 지식을 자본화 하고 이를 시스템적으로 재현하는 엔지니어링 역량으로 전이되고 있음을 시사한다. 국내 SW 기업의 성장 결정 요인을 정량적으로 분석한 결과(제3장), 팬데믹 이후 SW 생산체계에서 노동 투입보다 자본 투입의 성장 기여도가 유의미하게 높아지는 구조적 변화가 확인되었다. 특히 기업의 매출 성장률은 외부 투자 유치 활동과 창업 초기 규 모에 가장 민감하게 반응하였으며, 투자 유치 성공 확률은 구독형 서비스(SaaS) 모델 과 원천 기술력(특허)을 보유한 기업에서 통계적으로 높게 나타났다. 수요 측면에서는 서비스업 수요가 산업 전반의 성장을 견인해 온 반면, 제조업 수요는 팬데믹 기간의 침체 이후 성장에 유의미하게 기여하지 못하고 있는 것으로 분석되었다. 인공지능 전환기에 대응하는 비즈니스 모델 및 사례 연구 결과(제4장), 범용 기능을 제공하는 수평적 SaaS보다 특정 산업의 독점적 데이터와 워크플로우를 장악하는 ‘수 직적 AI(Vertical AI)’의 전망이 더 좋은 것으로 나타나고 있다. 제조기업의 민감한 데 이터 유출 우려로 인해 공용 플랫폼보다는 보안성이 담보된 시스템 통합(SI) 기반의 ‘프라이빗 AI’ 수요가 증대되고 있으며, 이에 따라 기술적 가치와 비즈니스 기여도 에 따라 대가를 산정하는 과금체계의 고도화가 새로운 표준으로 부상하고 있다. 특히 글로벌 선도 기업의 사례를 통해 고숙련 엔지니어가 고객 현장에 밀착하여 문제를 해 결하는 전진 배치 모델의 유효성을 확인하였으며, 이를 뒷받침하기 위해 기존 기능 중 심 대가 산정에서 탈피하여 기술적 복잡성을 반영한 ‘기술 규모’ 중심의 새로운 대 가 체계 도입이 필수적이다. 5. 정책적 활용 내용 본 분석 연구는 정부 및 민간 투자 재원의 효율적 배분을 위한 정책적 가이드라인으 로 활용될 수 있다. 특히 수출 주력 제조업의 경쟁력 유지를 위한 Physical AI 및 제조 설계용 SW 육성 정책의 핵심 근거가 될 것이다. 또한, AI 엔지니어링의 특수성을 반 영하여 기존 기능점수(FP) 중심의 대가 체계를 개선하기 위한 기초 자료로 제공됨으로 써, SW 기업의 기술적 가치를 정량적으로 평가하는 제도적 기반을 마련하는 데 기여 할 수 있다. 6. 기대효과 본 연구는 국내 SW 산업이 저부가가치 용역 구조에서 탈피하여 하이테크 엔지니어 링 산업으로 진화하는 이정표를 제시한다. 특히 제2장에서 새롭게 구축한 LMM 기반 의 SW기업 자동분류 체계는 향후 연구에서도 지속적으로 활용되어, 기존 승인통계 체 계의 경직성을 보완하고 SW 산업의 동태적 현황을 기민하게 파악하는 데 기여한다. 또한 4장에서 제조업의 생산성 혁신과 SW 산업의 성장이 상호 견인하는 선순환 구조 를 안착시킴으로써 국가 경제 전반의 기술 자본 축적을 가속화하며, 궁극적으로는 글 로벌 기술 패권 경쟁에서의 우위를 확보하고 새로운 경제 성장 모델을 창출하는 효과 가 있다.

요약문 1. 제 목 : AI시대 데이터 상호운용성 및 이동권 활성화 전략 연구 2. 연구 목적 및 필요성 AI 기술이 단순한 보조 도구를 넘어 스스로 데이터를 탐색하고 과업을 수행하는 능동 형 AI(AI Agent) 시대로 진화함에 따라, 데이터는 가치 창출을 목적으로 설계·관리되 는 ‘데이터 제품(Data Product)’으로 재정의되고 있다. 이러한 패러다임 변화에 대응 하여 국내에서도 데이터 댐 프로젝트와 마이데이터 사업 등을 통해 양적 공급을 확대 해 왔으나, 산업 현장은 여전히 데이터 파편화와 ‘AI-Ready Data’의 부족이라는 구 조적 한계에 직면해 있다. 특히 2024년 소프트웨어정책연구소(SPRi) 인공지능산업실태 조사에서 기업의 22.8%가 AI 도입의 핵심 장애요인으로 데이터 확보 및 품질 문제를 꼽은 것은, 데이터의 총량보다 실질적인 연결과 활용이 더 시급함을 시사한다. 따라서 현재의 파편화된 구조를 극복하고 혁신적인 데이터 생태계를 조성하기 위해서는 데이 터를 유기적으로 결합하는 ‘상호운용성(Interoperability)’ 확보와 정보 주체의 주도적 활용을 보장하는 ‘데이터 이동권(Right to Data Portability)’의 실질적 구현이 필수적 이다. 3. 연구의 구성 및 범위 본 연구는 총 6장으로 구성되며, 주요 내용은 다음과 같다. 제1장 서론에서는 능동형 AI의 등장에 따른 데이터 패러다임 변화와 연구 배경 및 목 적을 제시한다. 제2장에서는 데이터 관리 패러다임의 전환을 살펴보고 생애주기별 현 황 분석을 위한 프레임워크를 구축한다. 제3장과 제4장에서는 각각 상호운용성과 이동 권에 관한 국내외 정책·표준·법제 및 산업별 적용 사례를 수집·분석하여 핵심 쟁점 을 도출한다. 제5장에서는 생애주기 단계별 쟁점을 논리적으로 구조화하고 기술, 제 도·거버넌스, 경제·사회적 관점의 개선 방안을 종합 분석하여 실행 방향을 제언한다. 마지막 제6장에서는 연구 결과를 종합하고 정책 수립 및 실무 활용을 위한 중장기 발 전 방향을 논의한다. 4. 연구 내용 및 결과 본 연구는 데이터 상호운용성 및 이동권에 관한 글로벌 주요국의 정책 동향과 산업별 적용 사례 분석을 통해 도출된 핵심 쟁점들을 5단계의 순환적 데이터 생애주기 모 델과 STS(사회기술시스템)의 세 가지 관점(기술, 제도·거버넌스, 경제·사회)을 활용하 여 입체적으로 분석하였다. 분석 결과, 데이터 생태계의 원활한 흐름을 저해하는 5대 핵심 쟁점(① 데이터 고립 및 초기 확보 역량 격차 심화, ② 대규모 연계 체계 미흡 및 상호 연결성 한계, ③ 데이터 품질 및 신뢰성 확보 미흡, ④ 플랫폼 독점 및 데이터 흐 름 단절, ⑤ 지속가능성 결여 및 책임 거버넌스 부재)을 식별하였으며, 세부적인 분석 결과는 다음과 같다. 5. 정책적 활용 내용 본 연구에서 도출된 3대 추진 전략 및 세부 실행 과제는 향후 국가 차원의 데이터 정책 수립 및 현장 이행을 위한 실무 지침으로 폭넓게 활용될 수 있다. 거버넌스 측면에서는 국가데이터처와 같은 전담 조직이 부처별로 산재한 데이터 정책을 통합하고, 플랫폼 시장의 공정 경쟁 환경을 조성하기 위한 실질적인 법적·제도적 근거를 마련하 는 데 기초 자료로 활용되어야 한다. 특히 데이터 산업법 및 산업별 특별법 개정 시 범용 표준 API 제공 의무화와 이행 실효성 확보를 위한 가이드라인으로 쓰일 수 있다. 기술적 측면에서는 국가 데이터 허브의 논리적 구조 설계와 산업별 표준 API 확산 로 드맵 수립 시 구체적인 기술적 참조 모델을 제공한다. 또한 사회적 측면에서는 정보 주체 친화적인 UX/UI 표준 가이드라인 보급을 통해 마이데이터 이용률을 실질적으로 제고하고, 글로벌 신뢰 기반 데이터 흐름(DFFT) 규범에 대응하는 국제 협력 전략 수립 에 정책적 시사점을 제공한다. 6. 기대효과 본 연구의 수행을 통해 기대되는 성과는 경제, 제도, 국가적 측면에서 실질적이고 광 범위한 파급 효과를 가질 것으로 전망된다. 경제적으로는 파편화된 데이터 환경을 실 질적으로 연결함으로써 개별 기업의 중복 투자를 방지하고 데이터 거래 및 탐색 비용 을 획기적으로 낮추어 AI 산업 전반의 혁신 성장을 가속화할 수 있다. 제도적 측면에 서는 정보 주체의 실질적인 데이터 주권을 확립하는 동시에, 데이터 이동권 행사와 관 련된 법적 불확실성을 해소하여 투명하고 예측 가능한 데이터 거버넌스 체계를 정착시 키는 데 기여할 것이다. 국가적으로는 대한민국이 AI 시대에 부합하는 선진적 데이터 관리 역량을 확보함으로써, 데이터 고립주의에 대응하고 글로벌 데이터 규범 형성을 주도하는 핵심 국가로 도약하는 정책적 토대가 마련될 것으로 기대된다.

요약문 1. 제 목 : 인공지능 산업 분류체계 개선 연구 2. 연구 목적 및 필요성 최근 인공지능(AI) 기술은 산업의 디지털 전환(DX) 및 생성형 AI가 촉발한 기술적 진 보를 통해 정보통신업은 물론 산업 전반으로 빠르게 확산되고 있다. 즉, AI는 단일 기 술 영역을 넘어 제조, 금융, 의료, 콘텐츠, 물류 등 다양한 산업 분야에 융합되고 내재 화되며 생산성 향상과 산업 혁신의 핵심 동력으로 자리잡고 있다. 이러한 변화는 AI가 더 이상 특정 기술이나 서비스의 부속 개념이 아니라, 전 산업의 구조 전반을 재편하 는 핵심 기반으로 성장하고 있음을 보여준다. 그러나 현행 한국표준산업분류(KSIC)를 비롯한 기존 AI 관련 산업 분류체계는 이러한 AI 산업의 변화 양상을 충분히 반영하지 못하고 있다. AI 기술과 관련 산업 활동이 다 양한 산업 코드에 산재됨에 따라 산업 규모나 성장 추세를 체계적으로 파악하기 어렵 고, AI 기술 개발, 데이터 처리, AI 서비스 제공 등 주요 산업 활동이 명확히 구분되지 못하고 있다. 그 결과 AI 산업의 변화를 반영한 통계 조사의 필요성이 부각되고 있으 며, 세분화되지 못한 분류로 인한 정책적 활용에도 한계가 존재한다. 특히 정부에서 추진 중인 AI 관련 정책, 연구개발(R&D), 인력양성 사업 등은 산업별 통계와 연계되어야 실효성을 확보할 수 있으나, 현행 대분류 중심의 분류체계로는 관 련 산업의 범위와 구조를 일관성 있게 정의하기 어렵다. 따라서 AI 산업을 변화된 산 업 생태계 중심의 관점에서 재정의하고, 기술 개발에서 서비스 제공, 활용 산업에 이르 는 전 주기적 분류체계를 마련할 필요성이 높아지고 있다. 이에 본 연구는 AI 산업의 실제 구조와 가치사슬을 반영한 새로운 산업 분류체계를 설계하고자 한다. 구체적으로는 AI 핵심 기술, 플랫폼 및 서비스, 활용 산업을 포괄하 는 다층적 분류 기준을 수립하고, 이를 통해 AI 산업의 통계적 가시성을 제고하며 정 책 수립의 근거를 마련하는 것을 목표로 한다. 또한 산업 간 융합과 기술 진화를 반영 할 수 있도록 중분류 항목 간의 연계성과 확장성을 확보하고, 산업 실태조사 및 정책 평가에 활용 가능한 기초자료를 구축하고자 한다. 아울러 본 연구는 OECD, EU, 미국 등 주요국의 AI 산업 정의 및 분류체계 동향을 분 석하여 국제적 정합성을 확보하는 데에도 중점을 두었다. 글로벌 차원의 산업 비교와 통계 연계를 위해서는 AI 산업의 정의와 범위를 국제 표준과 조화롭게 정립하는 것이 필수적이다. 따라서 본 연구에서 제시하는 개선 방안은 국내 정책적 실효성과 함께 국 제 경쟁력 강화를 위한 기반으로서의 의미를 갖고 있다. 3. 연구의 구성 및 범위 본 연구는 AI 산업의 정의와 구조를 명확히 하고, 현행 산업 분류체계의 한계를 개선 하기 위한 실질적 개선 방안을 도출하기 위해 단계적으로 구성되었다. 첫째, AI 산업의 개념, 기술 분류, 응용 분야 등 국내외 관련 문헌과 통계체계를 조사 하고 분석하였다. 이를 통해 인공지능산업실태조사에서 활용중인 분류체계 구조와 한 계를 검토하고, OECD, EU, 미국 등 주요국의 AI 산업 정의 및 분류체계 사례를 비교, 분석하여 국제적 정합성 확보를 위한 기초자료를 마련하였다. 산업 분류체계 개선(안) 도출 단계에서는 국내 산업통계체계와 정책 수요를 반영하여 세부 산업군을 식별하고, 새로운 분류체계의 구조와 코드를 설계하였다. 특히 AI 관련 소프트웨어, 서비스, 하드웨어 산업을 통합적으로 포괄할 수 있도록 세부 분류항목을 강화하고, 기존 KSIC과의 대응관계를 분석하여 실무적 활용 가능성을 높였다. 제안된 분류체계의 타당성을 검증하기 위해 시범 적용 사례를 분석하고, 관련 전문가 자문 및 관계 기관 의견 수렴을 통해 개선(안)의 보완 방향을 제시하였다. 이를 통해 본 연구의 분류체계가 실제 정책 및 통계 작성, 산업 실태조사 등에 활용 가능한 수준 의 실효성을 갖추도록 하였다. 결과적으로 본 연구의 범위는 AI 산업의 개념 정의에서부터 분류체계 설계 및 검증까 지 전 주기를 포괄하며, 통계와 정책 연구 등 다양한 분야에서 활용 가능한 AI 산업 분류체계의 기초 틀을 제시하는 데 그 의의가 있다. 4. 연구 내용 및 결과 본 연구는 AI 산업의 구조적 특성을 반영한 새로운 산업 분류체계를 마련하기 위해, 기존 분류체계의 한계를 분석하고 개선 방향과 구체적 대안을 도출하는 것을 중심 내 용으로 구성되었다. 연구는 문헌 조사, 사례 분석, 전문가 자문, 분류체계 설계 및 검증 등 다각적인 방법론을 통해 수행되었으며, 기술, 산업, 정책의 연계성을 종합적으로 고 려하였다. 우선, 기존 산업 분류체계 분석 단계에서는 인공지능산업실태조사에서 활용 중인 기 존 AI 산업 분류체계 및 한국표준산업분류(KSIC)와 관련 통계 체계를 중심으로 AI 관련 산업 활동이 어떻게 분류되어 있는지를 검토하였다. 그 결과, AI 기술 개발, 데이터 처 리, AI 서비스 제공 등 핵심 산업 활동이 여러 산업 코드에 분산되어 있어 산업 실태 를 정확히 파악하기 어렵다는 한계가 확인되었다. 이러한 문제 인식에 따라, 국내 산업 현황과 정책 수요를 반영하여 세부 산업군을 재 구성하였다. AI 관련 산업을 기존 AI 산업 분류체계 및 타 분류체계를 참고하여 ‘AI 소프트웨어 산업’, ‘AI 서비스 산업’, ‘AI 하드웨어 산업’으로 구분하고, 각 영역 내에 세부 분류 항목을 기존 문헌 및 전문가 수요 조사에 따라 설정하였다. 마지막으로, 개선(안) 검증 단계에서는 제안된 분류체계의 타당성과 활용 가능성을 검 토하기 위해 시범 적용 및 전문가 검토를 실시하였다. 이를 통해 새로운 분류체계가 산업 실태조사, 정책평가, 투자통계 등 다양한 분야에서 실질적으로 활용될 수 있음을 확인하였으며, 향후 국가데이터처 및 관련 기관의 산업 분류 개편 시 참고 가능한 기 초자료로서의 유용성을 확보하였다. 본 연구의 결과는 AI 산업을 소프트웨어, 서비스, 하드웨어의 전 주기적 관점에서 통 합적으로 파악할 수 있는 체계를 제시하였다는 데 의의가 있다. 이를 통해 AI 산업의 통계적 기반을 강화하고, 정책 수립과 산업 지원의 실효성을 높이는 동시에, 국제 표준 과의 정합성을 갖춘 국가 차원의 AI 산업 분류체계 고도화 모델을 제안하였다. 이러한 연구 성과는 향후 정부, 연구기관, 산업계가 AI 관련 통계를 생산, 활용하는 데 중요한 기준으로 활용될 것으로 기대된다. 5. 정책적 활용 내용 본 연구에서 제시한 AI 산업 분류체계 개선(안)은 단순히 산업 코드를 재편하는 기술 적 작업을 넘어, AI 산업의 구조적 특성을 체계적으로 이해하고 이를 정책·통계·산 업 전략 전반에 반영하기 위한 기반을 마련했다는 점에서 의의가 있다. 새로운 분류체 계는 AI 산업의 범위와 구성요소를 명확히 정의함으로써, 정부와 공공기관이 추진하는 AI 관련 정책의 효과성을 높이고 산업 육성 전략의 방향성을 구체화하는 데 기여할 수 있다. 첫째, 정책적 측면에서 본 연구의 결과는 AI 산업 진흥 정책의 수립 및 평가를 위한 근거자료로 활용될 수 있다. 그동안 AI 산업은 기술 중심의 분류와 융합 산업 중심의 분류가 혼재되어 정책 효과 분석이 어려웠으나, 개선된 분류체계를 통해 산업별 실태 조사와 성과평가가 가능해질 것으로 기대된다. 특히, 정부의 「국가 AI 전략」, 「산업 디지털 전환 정책」, 「AI 인재양성 종합계획」 등과 연계하여 AI 산업의 구조적 변화 를 추적하고, 중장기 정책목표 설정의 기초자료로 활용될 수 있다. 둘째, 통계적 측면에서는 새로운 분류체계가 AI 산업의 규모와 성장 추세를 객관적으 로 측정할 수 있는 통계 기반을 제공한다. 기존 한국표준산업분류(KSIC)에서는 AI 관련 산업이 여러 코드에 분산되어 있어 통계 생산 시 중복과 누락이 발생했으나, 본 연구 의 개선(안)을 적용하면 산업 단위별로 일관된 데이터 수집과 비교 분석이 가능해진다. 이는 국가데이터처, 과학기술정보통신부 등 관련 기관이 추진하는 산업통계 생산체계 의 정합성을 높이고, AI 산업 통계의 국제 비교 가능성을 확보하는 데에도 기여할 것 이다. 셋째, 산업적 측면에서는 AI 기술과 서비스가 다양한 산업에 내재화되는 추세를 반영 하여, 산업계의 전략적 투자와 기술개발 방향 설정에도 활용될 수 있다. 기업은 본 연 구에서 제시한 분류체계를 통해 자사의 사업 영역이 AI 가치사슬 내에서 어떤 위치에 있는지를 파악할 수 있으며, 이를 기반으로 협력 네트워크 구축, 시장 진출 전략 수립, 기술로드맵 개발 등에 참고할 수 있다. 특히, AI 스타트업 및 중소기업의 경우 산업 통 계에 기반한 시장 진입 전략을 구체화할 수 있는 근거 자료로서의 활용 가능성이 높 다. 마지막으로, 본 연구의 결과는 향후 표준산업분류 개편 및 AI 산업 실태조사 제도화 를 위한 기초자료로서 기능할 수 있다. 제안된 분류체계는 국내외 산업 구조 변화를 반영할 수 있는 유연성과 확장성을 갖추고 있어, 국가데이터처 및 관계 기관의 공식 산업 분류체계 개정 과정에서 실질적인 참고 모델로 활용될 수 있다. 나아가 정부 차 원의 산업통계 체계와 연계하여 AI 산업의 성장 추세를 정량적으로 모니터링하고, 정 책의 효과성을 정기적으로 평가하는 기반을 마련할 수 있을 것이다. 즉, 본 연구는 AI 산업의 개념적 정의부터 통계적 적용, 정책적 활용에 이르기까지 전 주기적 관점을 반영한 분류체계 개선 모델을 제시함으로써, AI 산업의 체계적 관리와 국가 경쟁력 강화를 위한 토대를 구축했다는 점에서 중요한 의의를 가진다. 6. 기대효과 본 연구는 인공지능(AI) 산업의 급속한 발전과 산업 간 융합 확산에 대응하여, 현행 산업 분류체계의 한계를 보완하고 인공지능 산업의 실질적 구조를 반영할 수 있는 체 계적이고 정합성 있는 분류체계 개선 방안을 제시하였다. 이를 위해 국내외 산업 분류체계의 현황을 분석하고, AI 산업의 소프트웨어, 서비스, 하드웨어 구조를 중심으로 다층적 분류체계를 설계하였으며, 실제 산업 통계 및 정책 적용 가능성을 검증하였다. 연구 결과, AI 산업은 기술 중심적 접근만으로는 충분히 설명될 수 없으며, AI 소프트 웨어, 서비스, 하드웨어 산업으로 이어지는 가치사슬 전체를 포괄하는 생태계적 관점에 서 정의될 필요가 있음이 확인되었다. 이에 따라 본 연구는 AI 산업을 3단계 구조로 구분하고, 각 세부 영역별 산업 활동을 세분화함으로써 산업 실태 파악과 통계 생산의 기초를 마련하였다. 또한 기존 한국표준산업분류(KSIC) 체계와의 연계 가능성을 고려하 여 개선안을 제시함으로써, 정책적 실효성과 통계적 활용성을 동시에 확보하였다. 본 연구의 성과는 향후 정부의 AI 산업 진흥 정책, 디지털 전환 전략, R&D 투자 계 획, 인력 수급 정책 등 다양한 정책 분야에 근거자료로 활용될 수 있다. 특히 AI 산업 의 범위를 명확히 하고, 산업별 통계의 신뢰성을 높임으로써 정책 목표 설정과 효과 분석의 정밀도를 향상시킬 수 있을 것이다. 또한 본 연구에서 제안한 분류체계는 국가 데이터처, 과학기술정보통신부 등 관계 기관 간 협력을 통해 국가 차원의 산업통계 표 준 체계로 발전할 수 있는 잠재적 기반을 제공한다. 향후 과제로는 첫째, 본 연구에서 제시한 개선(안)의 실증 적용과 데이터 기반 검증이 필요하다. 산업체·학계·정부기관 등 다양한 이해관계자의 참여를 통해 분류항목의 세부 기준을 구체화하고, 실제 산업 활동과의 적합성을 검토해야 한다. 둘째, AI 기술 의 급속한 진화와 산업 융합 확산에 대응하기 위해 분류체계의 주기적 개편 및 업데이 트 체계 구축이 요구된다. AI 산업은 생성형 AI, 자율지능시스템, 엣지AI 등 새로운 기 술 패러다임의 등장에 따라 지속적으로 확장되고 있으므로, 이에 맞는 유연한 유지· 보완 시스템이 필요하다. 마지막으로, 향후 연구에서는 AI 산업 분류체계와 연계한 통계 생산 체계의 구체적 설계, 그리고 국제 표준화 연계 방안에 대한 심층적 검토가 요구된다. OECD, EU, ISO 등 국제기구의 논의와 연계함으로써 한국의 AI 산업 통계가 글로벌 비교와 정책 협력 에 활용될 수 있도록 발전시킬 필요가 있다. 이러한 후속 연구는 본 연구의 결과를 실질적인 정책 도구로 정착시키고, 한국 AI 산업의 경쟁력 강화를 위한 지속 가능한 기 반을 마련하는 데 기여할 것이다.

요약문 1. 제 목 : SW 융합 혁신의 개념과 실제 - 금융 및 헬스케어 산업을 중심으로 2. 연구 배경 및 목적 정부가 소프트웨어(이하 SW)의 중요성을 인식하고, ‘SW 중심사회’라는 캐치프레이 즈 하에 범부처 합동으로 《SW 중심사회 실현전략》(2014.7.)을 수립한지 10년이 지났 다. 그동안 정부는 SW중심대학, AI대학원 등의 인재양성 사업을 추진했고, SW진흥법 을 통해 SW산업육성의 법적 근거를 마련하였으며, SW 기본계획을 수립하여 정책의 체 계를 갖추는 등 나름의 성과를 거뒀다. 하지만, 전 산업과 사회로 뻗어나가는 SW의 영향력에 비해 현재의 SW 주요 정책은 여전히 공공 SW제도, SI 이슈 대응 등 국내의 고질적인 SW 현안 해결에 집중되어 있 다는 지적도 상존한다. 특히 최근 AI, 메타버스, 블록체인, 빅데이터 등 SW 분야의 혁 신 기술이 끊임없이 등장하여 빠르게 발전하고, 자동차, 헬스케어 등 전통산업에서의 SW 융합혁신이 본격화되는 상황에서 새로운 SW 정책을 모색할 필요성이 높아졌다. 본 연구는 지난 10년 SW 정책의 미흡한 부분을 파악하고 SW가 만드는 미래 모습을 선제적으로 예측함으로써 대한민국이 SW 기반역량을 강화하는데 필요한 SW 정책을 기획하기 위한 목적으로 최신의 SW 기술과 산업, 그리고 정책 동향을 조사하는 것을 목적으로 한다. 3. 연구의 구성 및 방법 SW 분야의 최근 동향을 파악하고, 이를 바탕으로 SW가 주도하는 산업 및 사회 혁신 방향을 예측하며, 우선순위가 높은 정책 의제에 대해 구체적인 조사를 하여, 신규 정책 을 제언하는 것이 본 연구의 목적이다. 본 연구는 크게 두 단계를 거쳐 진행되었다. 첫 단계는 SW 분야의 최신 동향을 파악 하는 것이다. 이를 위해 2024년 1월부터 6월까지 IT 분야 시장조사기관인 IDC와 가트 너에서 발간한 SW 통계 및 동향 자료를 수집 정리하고, 5대 언론인 뉴욕타임즈, 월스 트리트저널, 파이낸셜타임즈(이상 일간지), 이코노미스트(이상 주간지), MIT테크놀로지 리뷰(이상 격월지)에서 SW 관련 기사를 분석했다. 이후 IT 시장조사기관 및 주요 언론사의 SW 관련 기사를 5개의 주제별로 분류한 후 주제별 기사의 빈도를 기준으로 정책의 우선순위를 도출한 결과, SW 융합 정책이 가장 우선순위가 높은 것으로 도출되었다. 후속 작업으로 우선순위가 높은 SW 융합에 대해 심층 조사를 수행하였다. SW 융합에 대한 심층 동향 연구는 전 산업에 공통으로 적용되는 SW 융합의 개념적 모형을 수립하는 개괄적 연구와 SW 융합이 활발히 이뤄 지는 산업을 선정하여 실제 융합 현상을 파악하는 세부 연구로 나눠 수행했다. 개괄적 연구는 제2장에서 다루고, 세부 연구는 SW 지출액이 가능 높은 금융 산업과 산업 특 화 SW 지출액 비중이 가장 높은 헬스케어 산업을 대상으로 각각 제3장과 제4장에서 다루었다. 결론에서는 SW 융합 정책의 방향에 대해 제언했다. 우선 SW 융합 정책의 큰 방향성 을 제안한 후금융 산업과 헬스케어 산업별 SW 융합 정책을 제언하였다. 4. 연구 내용 및 결과 SW 융합의 개념적 모형을 제시한 2장에서는 국가 경쟁력 모델인 다이아몬드 모델을 이용하여 SW 혁신의 특성을 ①신속성(Speed), ②협력성(Cooperation), ③적응성(Adaptation), ④지속성(Longevity), 그리고 ⑤확장성(Expansion) 등 다섯 가지 요소로 제시하고, SW 융합 을 통해 국가 및 기업 조직은 ❶제품·서비스 구조의 고도화, ❷조직 구조 및 운영 방식 의 효율화, ❸비즈니스 모델 형식 등 세 가지 측면의 편익이 있음을 밝혔다. SW 혁신의 5대 특성은 구체적으로 다음과 같다. 첫째, 전략 및 구조 관점에서 국가 와 기업은 SW를 이용하여 프로세스 자동화 및 조직 효율을 추구함으로써 혁신을 가속 화 할 뿐만 아니라 기술 사업화 기간도 단축할 수 있다. 즉, SW를 이용하여 혁신의 신 속성(Speed)을 높이게 된다. 둘째, 자원 여건 관점에서 오픈소스 플랫폼 등 SW를 중심 으로 다양한 이해관계자가 모여 협력·상생의 방식으로 사업 및 경제활동의 공통 자산 에 투자하고 함께 기반을 형성할 수 있다. 즉, SW를 중심으로 협력적(Cooperation) 혁 신 생태계를 조성한다. 셋째, 수요 여건 관점에서 빠른 시장 변화에 맞춰 SW는 클라우드 기반의 온디맨드 방식으로 실시간 업데이트가 가능하여 복잡한 환경 변화에 유연하 게 대응할 수 있다. 즉, SW는 서비스 형태로 실시간 전달하여 시장변화에 유연하게 적 응(Adaptation)하는 것이 용이하다. 넷째, 경쟁 관점에서 SW는 사용할수록 데이터가 축 적되고 이를 학습하여 지속적으로 기능을 개선하므로 경쟁 우위 확보를 위한 경쟁이 장기간에 걸쳐 치열하게 전개된다. 즉, SW는 데이터를 학습하면서 지속적(Longevity) 혁신 경쟁을 촉발시킨다(종적 파급력). 다섯째, 연관 산업 관점에서 한번 개발된 SW는 플랫폼화하여 API를 통해 타 산업의 제품과 서비스에 적용함으로써 산업간 시너지 창 출에 도움을 준다. 즉 SW 혁신은 다양한 연관 산업의 신제품 및 서비스로 확장 (Expansion)이 용이하다(횡적 파급력). SW 융합의 3대 편익은 다음과 같다. 첫째, 제품과 서비스 구조의 고도화 관점에서 SW 플랫폼은 기존에 독립적으로 기능하는 분산된 하위 시스템을 통합하고 API를 통해 서 하위 시스템을 조율하며, 하위 시스템으로부터 생성되는 데이터를 통합 관리하여 전체 기능을 최적화하는 기능을 수행한다. 둘째, 조직 구조 및 운영 효율화 관점에서 SW는 전사의 의사소통과 협력을 원활히 하고, 개별 그룹의 신설과 폐지를 유연하게 하며 외부와의 협력을 용이하게 한다. 셋째, 비즈니스 모델 관점에서 SW는 고객 접점 을 다변화하고 관여도를 높이며, 다양한 가격 책정 방식을 가능하게 해준다. 2장의 개념적 모형을 활용하여 금융 산업의 SW 융합 혁신을 심층 조사한 3장에서는 SW 융합에 의한 금융 산업 혁신 트렌드로 개인화된 맞춤형 통합 서비스 확대, SW 기 반 업무 효율화 가속화, 금융-비금융간 빅블러 생태계 확장, 금융자산 및 거래방식 디 지털화, 보안 및 데이터 보호 강화, 금융 SW 융합 전문가 확대 등을 도출했다. 헬스케어 산업의 SW 융합 혁신을 심층 조사한 4장에서는 SW 융합에 의한 헬스케어 산업의 혁신 트렌드로 기업의 핵심 자산으로서의 SW 혁신, 기존 기업과 스타트업의 SW 혁신 추구, SW를 통한 기업간 상호 협력 강화, 헬스케어 세부 분야별 SW 혁신의 경로 및 단계성, 헬스케어 기업의 SW 활용한 사업 확장 등을 꼽았다. 5. 정책적 활용 내용 본 연구는 SW 융합에 대한 개념적 모형을 제시하고 주요 산업의 SW 융합 심층 사례 조사뿐만 아니라 정책 방향과 제언을 담았다. SW 융합 정책 방향으로서 중소기업 대상 디지털 전환 사업을 기존의 구축 지원 중심 에서 컨설팅 등 역량 향상 서비스 제공 중심으로 전환, 협력 생태계 강화를 위한 타산 업 분야 오픈소스 SW 활용 지원, SW 플랫폼을 중심으로 한 공동 해외 시장 진출, SW 중심 혁신(SDX) 역량 강화, SW 융합 인재 양성, 업간 융합을 위한 제도 개선 등을 제 안했다. 금융 산업의 SW 융합 정책으로는 개인화된 맞춤형 통합 서비스 확대를 위한 마이데 이터 2.0사업, 데이터바우처 지원사업 등의 개선, 금융기관의 SW 기반 업무 효율화를 위한 망분리 규제, AI 학습용 데이터 구축 사업의 정비, 금융-비금융 빅블러 생태계 확 장을 위한 마이데이터 인센티브 강화, 업간 규제 정비 등을 제안했다. 헬스케어 산업의 SW 융합정책으로는 원격 의료 서비스를 위한 SW 품질 및 안전성 확보 방안 마련, SW 혁신을 촉진하는 제도 설계와 수가 조정 체계 수립, 헬스케어 빅 데이터의 활용을 위한 유연한 분석 인프라 환경 구축, 데이터 전송 요구권을 지원하는 SW 기반 구축, 헬스케어 분야 SW 개발자 교육 프로그램 제공 등을 제안했다. 6. 기대효과 본 연구를 통해 최근 화두가 되고 있는 SW 융합의 실제 추진 사례를 자세히 살펴볼 수 있었다. 특히, 금융, 헬스케어 등 고부가가치를 창출하는 서비스 산업에서의 SW 융 합이 어떠한 목적과 수단으로 추진되고 있는지를 상세히 살펴봤다. 현재 SW 분야 정책 총괄을 담당하는 과학기술정보통신부는 SW 융합과 관련하여 SDX, XaaS 등의 정책을 마련하기 위해 노력하고 있다. 본 연구를 통해 탐색적 차원에 서 인재 양성, 기술 개발, 산업 육성, 플랫폼 구축 및 생태계 조성 등 다양한 정책 영 역에서 고민할 수 있는 정책 이슈를 제시함으로써 정책 개발의 기초자료를 제공했다는 의의가 있다.