입찰마감 : 2026.05.13.(수) 10:00까지

서류접수 : https://www.g2b.go.kr/

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.

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 : 국내 주력산업의 SW융합경쟁력 진단 2. 연구 목적 및 필요성 최근 전통 제조업과 서비스업 전반에서 소프트웨어(SW)에 대한 투자가 지속적으로 확대되 고 있으며 산업별 특성과 수요를 반영한 SW융합 시도가 점차 활발해지고 있다. Gartner(2025)에 따르면 전 세계 산업특화 SW(Vertical SW)의 투자 규모는 2025년 이후 연 평균 약 15%의 성장이 예측되고 있다. 이처럼 산업특화 SW에 대한 투자가 점차 증가하는 양상을 보이는 것은 산업별로 범용 SW의 활용을 넘어 산업에 최적화된 SW에 대한 수요가 증대하고 있음을 의미한다. 다시 말해 산업별 SW융합은 기업의 경쟁력의 핵심 요소로 그 중요성이 증대되고 있다. 정부 역시 SW융합의 중요성을 인지하고 국내 산업의 SW역량 강화를 위해 제도적, 정책 적 노력을 지속적으로 기울이고 있다. 그러나 이와 같은 정부의 노력에도 불구하고 산업별 SW융합 수준을 객관적으로 진단할 수 있는 체계적인 지표체계가 부재하여 객관적인 파악 과 더불어 근거에 기반한 지원이 어려운 실정이다. 따라서 국가 경제를 견인하는 주력 산업 의 SW융합이 경쟁력 유지와 신산업 창출의 핵심 동력인 만큼, 현재의 융합 수준을 정밀하 게 진단하고 분석할 수 있는 체계적인 기준 마련이 시급하다. 이에 본 연구는 국내 주력산 업의 SW융합 경쟁력을 진단체계를 마련하고 시사점을 도출하고자 한다. 3. 연구의 범위 본 연구는 다음과 같이 주요 범위를 설정하였다. 첫째, 분석 대상으로는 SW융합의 파급효 과가 큰 주력산업을 대상으로 한다. 둘째, 연구 방법측면에서는 선행연구 검토를 바탕으로 전문가 대상의 델파이 조사를 수행하여 지표의 타당성을 검증 및 보완한다. 또한 계층화분 석방법(AHP)을 적용하여 지표별 가중치를 산출하고 산업특성을 고려한 진단체계를 구축한 다. 셋째, 연구결과의 활용은 구축된 지표체계를 주력산업군에 적용하여 국내 주력산업의 SW융합 경쟁력을 진단하고 이를 바탕으로 정책적 시사점을 제공하고자 한다. 4. 연구 내용 및 결과 본 연구의 구체적인 내용은 다음과 같다. 2장에서는 선행 연구 검토 및 이론적 논의를 진 행하였다. SW융합경쟁력 개념의 정립을 토대로 SW융합경쟁력 관련 선행연구 및 기존 진단 체계를 조사하여 예비 지표를 분류하였다. 3장에서는 분석 대상이 되는 주력산업을 선정한 후 앞서 조사했던 통계자료를 기반으로 산업별 SW융합 활용현황을 살펴보고 쟁점을 도출 하였다. 4장에서는 진단 프레임워크의 이론적 근거를 기반으로 델파이 조사를 위한 선행준 비를 하였다. TOE 프레임워크를 기반으로 진단모형(안)을 개발하였으며 앞선 선행문헌에 따 라 예비지표 기반의 진단모형(안)을 구성하였다. 5장에서는 전문가 델파이 조사를 통해 SW 융합경쟁력 진단(안)의 타당성을 검증하고 지표체계를 확정하였다. 6장에서는 AHP 조사를 수행하여 델파이 조사로 도출된 SW융합경쟁력 진단지표에 제조업과 서비스업의 특성을 반 영한 가중치를 부여하고 최종지표체계를 도출하였다. 마지막으로 결론에서는 연구결과 요약 및 앞서 분석한 결과를 바탕으로 정책적 시사점을 도출하였다. 본 연구의 SW융합경쟁력 지수는 제조업과 서비스업 간 SW융합의 활용 목적과 성과 발현 방식이 구조적으로 상이함을 보여준다. 제조업은 SW융합이 주로 내부 운영 고도화와 생산 성 향상에 기여하는 반면, 서비스업은 SW가 직접적인 서비스 혁신과 비즈니스모델 창출로 연결되면서 경쟁력 격차를 확대하는 양상이 관찰된다. 이러한 결과는 향후 SW융합 정책 및 산업별 지원 전략이 획일적 접근이 아닌, 산업 특성을 반영한 차별화된 전략 설계가 필요함 을 시사한다. 5. 정책적 활용 내용 본 연구의 분석 결과를 바탕으로 도출한 정책적 시사점은 기술, 조직, 환경의 세 측면에서 제시할 수 있다. 첫째, 기술 측면에서는 업종별 SW융합의 목적과 방향을 고려한 맞춤형 지 원 정책이 필요하다. 제조업의 경우‘업무 자동화 및 최적화 수준’이 SW융합경쟁력의 핵 심 요소로 나타났다. 이에 업무 자동화는 로봇, 센서, 서버 등 물리적 설비투자와 직결되어 초기 비용 부담이 높은 만큼 제조기업의 인프라 투자 부담을 경감하는 방향으로 지원체계 를 고도화할 필요가 있다. 서비스업의 경우‘SW기술 간 연계 및 통합 수준’이 핵심 경쟁 력 요소로 확인되었으며, 시스템 통합의 기술적 난이도와 비용 부담을 완화하기 위해 API 연동 지원, 바우처 지원 사업의 실효성 제고, 무형자산에 대한 정책적 지원 확대가 요구된 다. 둘째, 조직 측면에서는 업종별 특성에 맞는 SW융합 인력 기반 강화가 필요하다. 제조업 은 SW전담인력 확보와 유지가 경쟁력 제고에 중요한 역할을 하는 만큼 현장 적용 역량을 갖춘 실무형 인재 양성과 재직자 전환 교육 체계의 정교화가 필요하다. 서비스업은 단순 개 발 인력보다 비즈니스 기획과 SW기술을 유기적으로 연결할 수 있는 고숙련 전문인력에 대한 수요가 높은 만큼, 양적 지원 체계를 내실화하는 동시에 핵심 인재의 질적 역량 강화를 위한 지원을 확대해야 한다. 셋째, 환경 측면에서는 수요 기반의 정책 환경 및 SW융합 생 태계 조성이 필요하다. 제조업과 서비스업 모두‘정부지원 만족도’, ‘산업별 규제 개선 만족도’ 등 환경 관련 지표가 종합 순위에서 하위권에 머물러, 정부 지원이 기업의 실질적 수요에 미치는 영향이 제한적임을 시사한다. 이에 현장 체감도를 높이는 방향으로 정책 지 원의 실효성을 제고하고, 기업이 생태계 인프라를 활용하여 실질적인 가치를 창출할 수 있 도록 SW융합 생태계의 역동성을 강화하는 방향으로 정책 지원을 고도화해야 할 것이다. 종 합하면, 주력산업 전반에서 SW융합 경쟁력은 기술 도입의 문제가 아니라 해당 기술이 산업 의 가치창출 방식과 얼마나 깊이 결합되어 있는지에 의해 결정된다. 따라서 향후 SW융합정 책은 산업 간 획일적 기술 확산을 지양하고 산업별로 SW가 경쟁력에 기여하는 경로와 메 커니즘을 구분하여 차별화된 방향으러 설계될 필요가 있다. 6. 기대효과 본 연구는 국내 주력산업의 SW융합 경쟁력 진단을 위한 진단체계 구축을 통해 SW융합을 둘러싼 추상적 논의가 아닌 실효성 있는 정책 및 산업 전략 수립의 토대를 마련하고자 하 였다. 본 연구의 구체적인 기대효과는 다음과 같다. 첫째, 주력산업의 SW융합 수준을 체계적으로 진단할 수 있는 공통 기준을 마련했다는 점 에서 의의가 있다. 본 연구는 기존의 개별 기술 도입 여부나 단편적 디지털 전환 지표에서 벗어나, 기술, 조직, 환경(TOE) 관점을 통합한 SW융합 경쟁력 지표체계를 구축함으로써 산 업별 SW융합 수준을 구조적으로 비교‧분석할 수 있는 기반을 제공한다. 이를 통해 주력산 업 전반에서 SW가 어떤 방식으로 경쟁력에 기여하고 있는지를 보다 정밀하게 진단할 수 있을 것으로 기대된다. 둘째, 산업별 특성을 반영한 맞춤형 정책 설계의 근거를 제공한다. 본 연구에서 구축한 지 표는 제조업과 서비스업, 나아가 산업별로 SW융합의 핵심 요인이 상이하게 나타남을 계량 적으로 확인할 수 있도록 설계되었다. 이는 획일적인 지원 정책에서 벗어나, 산업별로 필요 한 SW인프라, 데이터 연계, 제도적 지원 요소를 구분하여 정책 우선순위를 설정하는 데 활 용될 수 있다. 셋째, 정성적 논의에 머물러 있던 SW융합 논의를 정량적으로 비교 가능한 분석 영역으로 확장하였다. 그동안 SW융합 경쟁력은 사례 중심 또는 선언적 논의에 그치는 경우가 많았으 나, 본 연구의 지표체계는 전문가 델파이와 AHP를 통해 가중치를 도출함으로써 SW융합의 상대적 중요도와 구조를 수치화하였다. 이를 통해 산업 간 비교가 가능한 분석 틀을 제시하 며, 후속 연구에서 실증 분석으로 확장할 수 있는 기반을 제공한다.

목차 Table of Contents 정책·법제 ▹ 유럽중앙은행, AI가 유로존 경제에 미치는 영향 분석 ▹ 미국 캘리포니아주, AI 안전과 책임 있는 사용을 강화하는 행정명령 발표 ▹ 미국 노동부, 미국 전역의 등록 견습 프로그램에 AI 기술 통합 추진 ▹ 미국 연방기관들, 앤트로픽 사용금지 우회해 ‘Claude Mythos’ 사용 추진 기업·산업 ▹ 커서, 신규 코딩 모델에 중국 오픈소스 모델 Kimi의 K2.5 활용 논란 ▹ 업스테이지, 에이전트 성능 강화한 ‘Solar Pro 3’ 업데이트 발표 ▹ 앤트로픽, ‘클로드 코드’의 소스 코드 유출 사고 발생 ▹ 앤트로픽, 차세대 AI 모델 ‘Claude Mythos’ 기반 ‘프로젝트 글래스윙’ 출범 ▹ 메타, 슈퍼인텔리전스 랩의 첫 번째 AI 모델 ‘Muse Spark’ 출시 ▹ LG AI연구원, 텍스트와 이미지를 동시에 처리하는 ‘EXAONE 4.5’ 공개 ▹ 오픈AI, 전력 비용과 규제 불확실성을 이유로 영국 스타게이트 잠정 중단 ▹ 앤트로픽, 고난도 코딩 성능을 강화한 ‘Claude Opus 4.7’ 출시 ▹ 딥시크, 효율성을 대폭 개선한 차세대 모델 ‘DeepSeek V4’ 공개 기술·연구 ▹ 사카나 AI, AI 연구 전 과정을 자동화한 ‘AI 과학자’ 논문을 네이처에 게재 ▹ 앤트로픽, 대규모 언어 모델 내부의 감정 개념과 기능 분석 ▹ 미국 스태포드大 HAI, 2026년 AI 인덱스 보고서 발표 ▹ AI의 불균등한 성능, 고용 영향 예측의 새로운 열쇠로 부상 인력·교육 ▹ 영국 교사들, AI 사용 학생의 비판적 사고력 저하 우려 ▹ 모건 스탠리, AI가 노동 시장에 미치는 영향은 현재까지 미미 ▹ AI 생산성 낙관론에도 불구하고 업무 현장에서는 ‘AI 워크슬롭’ 확산 주요행사일정

입찰마감 : 2026.05.14.(목) 10:00까지

서류접수 : https://www.g2b.go.kr/

o 지원서 접수 기간 : 2026.04.17(금) ~ 2026.05.04(월) 18:00까지

- 채용페이지(https://recruit.incruit.com/nipa/ )를 통해 접수 가능

e-book 보기 이슈 ISSUE 산업혁신을 이끄는 Vertical SaaS: 시장의 성장과 시사점 포토에세이 PHOTO ESSAY 중간-이호준 포커스 FOCUS 지능화 미디어 시대의 도래: 생성형 AI와 정보 질서의 변화 민간투자(PPP) 기반 공공 SW 사업 혁신 중국 피지컬 AI의 산업화 경로 - 스마트카에서 시작된 ‘차이니즈 애자일’

2026년 전 세계 AI 지출은 2.5조 달러에 이를 전망이며, 그중 절반 이상이 서버·가속기·데이터센터 등 인프라에 집중된다. 이 투자의 중심에 NVIDIA GPU가 있으며, 데이터센터 GPU 매출의 약 86%를 차지하는 압도적 지배력을 유지하고 있다. 그러나 이러한 지배력은 단순히 하드웨어(HW) 성능에서 비롯된 것이 아니다. 동일한 H100 칩에서도 소프트웨어(SW) 최적화 수준에 따라 실제 처리량이 3배 이상 차이가 발생하며, NVIDIA 보고서는 AI SW 스택을 프레임워크, 컴파일러, 가속 라이브러리, 드라이버/런타임 4계층으로 구분하고, 각 계층이 HW 종속을 형성하는 기술적 경로를 추적한다. 이를 토대로 세 유형의 종속 메커니즘을 도출한다. CUDA 경로에서만 최적 성능이 발휘되는 성능 종속, JAX-XLA-TPU처럼 SW 선택이 곧 HW를 확정하는 설계 종속, 폐쇄적 드라이버 구조가 HW 대체를 물리적으로 차단하는 구조적 종속이 각각 상이한 메커니즘으로 작동하며, 이 세 유형이 중첩될 때 전환 비용은 기하급수적으로 증가한다. 아울러 vLLM·SGLang 등 오픈소스 추론 서빙 엔진과 LMCache 등 KV 캐시 최적화 계층이 기존 종속 구조를 부분적으로 완화하는 새로운 변수로 부상하고 있다. 주요국·기업을 3유형 종속 프레임워크로 분석한 결과, NVIDIA는 성능 종속과 구조적 종속의 이중 장벽을, Google은 설계 종속이라는 별도 경로를 구축하고 있으며, 화웨이는 3유형 종속 구조를 자국 내에서 복제·내재화하고 있다. 이 분석틀을 K-NPU에 적용하면, 한국 NPU 생태계는 '프레임워크 계층 진입에는 성공했으나, 컴파일러·라이브러리 계층의 성능 격차와 운영 생태계 규모 부족이 시장 확산을 제약하는' 구조적 위치에 놓여 있다. PyTorch 네이티브 지원과 vLLM 통합으로 1단계(프레임워크 진입)는 달성하였으나, 2단계(성능 종속 해소)는 진행 중이며, 3단계(운영 생태계 확보)는 초기 단계이다. 특히 2단계의 성능 격차가 좁혀지지 않으면 3단계의 운영 레퍼런스 축적이 곤란하고, 3단계의 레퍼런스가 없으면 2단계의 투자 정당성 확보가 어려운 순환 구조가 존재한다. 이러한 진단에 기반하여 종속 유형별 정책 대응을 제언한다. 첫째, 성능 종속 해소를 위해 칩 설계 중심의 R&D 지원을 컴파일러·런타임·SDK 등 SW 생태계 전반으로 확대하는 HW-SW 균형 발전 패러다임 전환이 필요하다. 둘째, 성능 종속 완화를 위해 PyTorch 호환성 확보와 OpenXLA·MLIR 등 글로벌 오픈소스 표준 참여를 통해 최적화 격차를 협력적으로 축소해야 한다. 셋째, 구조적 종속 우회를 위해 국가 AI 데이터센터 등 공공부문의 실증환경 제공으로 대규모 운영 레퍼런스를 확보하여 순환 구조를 깨야 한다. 넷째, 3유형 종속이 공통적으로 유발하는 전환비용을 가시화하기 위해 TCO 기반 평가 체계를 도입해야 한다. 다섯째, 모든 정책의 실행 주체인 AI 컴파일러·시스템 SW 전문 인력 양성 체계를 구축해야 한다. Executive Summary Global AI spending is projected to reach $2.5 trillion in 2026, with over half flowing into infrastructure. NVIDIA dominates this landscape, capturing roughly 86% of data center GPU revenue. Yet this dominance is not purely a hardware story: on identical H100 chips, software optimization alone can produce over 3x differences in actual throughput. The software ecosystem built over nearly two decades since CUDA's 2006 launch constitutes a structural barrier that competitors cannot easily replicate. This report classifies the AI software stack into four layers—Framework, Compiler, Acceleration Library, and Driver/Runtime—and derives three distinct lock-in mechanisms: performance lock-in, where optimization asymmetries cause de facto convergence toward specific hardware; design lock-in, where framework-compiler-hardware co-design fixes the hardware path at the point of software selection; and structural lock-in, where the closed-source driver/runtime physically blocks hardware substitution. When these types overlap, switching costs increase exponentially. Meanwhile, open-source inference serving engines such as vLLM and SGLang are emerging as new variables that partially mitigate traditional lock-in structures. Analyzing major players through this framework reveals that NVIDIA maintains a dual barrier of performance and structural lock-in, Google constructs a separate design lock-in pathway through TPU-XLA-JAX, and Huawei replicates all three lock-in types domestically through Ascend-CANN-MindSpore. Applying this framework to K-NPU, we diagnose that Korea's NPU ecosystem has successfully entered the framework layer through PyTorch native support and vLLM integration, but faces a sequential three-stage challenge: Stage 1 (framework entry) is achieved, Stage 2 (resolving performance lock-in in compiler and library layers) is in progress, and Stage 3 (building operational ecosystem scale) remains nascent. A circular dependency exists between Stages 2 and 3—performance gaps hinder reference accumulation, while lack of references undermines investment justification. Based on this diagnosis, we recommend lock-in-type-specific policy responses: (1) resolving performance lock-in by expanding R&D from chip design to the full software stack; (2) mitigating performance lock-in through participation in global open-source projects such as OpenXLA and MLIR; (3) circumventing structural lock-in by creating public-sector demand to build large-scale operational references that break the circular dependency; (4) introducing a TCO evaluation framework to make switching costs across all three lock-in types visible and quantifiable; and (5) establishing talent pipelines for AI compiler and system software specialists as the execution foundation for all policy measures.

AI 기술이 산업과 사회 전반에 빠르게 확산되면서, AI는 전기·수도·인터넷과 같은 보편적 사회 인프라로 기능하는 단계에 진입하고 있다. 이에 대한민국은 AI 기술을 통해 모든 국민의 기본적 삶과 안전이 보장되는 ‘AI 기본사회’를 국가 전략으로 제시하고, 의료·교육·복지·금융 등 다양한 공공서비스 영역에서 AI 기반 혁신을 추진하고 있다. 이러한 AI 기본사회는 기술 발전의 성과가 특정 집단에 집중되지 않고 모든 국민에게 공정하게 제공되는 포용적 사회 구현을 목표로 하며, 이를 위해서는 AI 서비스를 국민이 실제 생활 속에서 체감할 수 있는 실행 인프라가 필요하다. 이 과정에서 XR, 디지털 트윈 등 가상융합은 현실과 디지털 세계를 연결하는 공간적 인터페이스로서 중요한 역할을 수행할 수 있다. 가상융합은 시공간의 제약을 극복하여 다양한 사회 문제를 가상환경에서 사전에 실험하고 검증할 수 있게 하며, 국민이 AI 기술을 보다 직관적으로 이해하고 활용할 수 있는 몰입형 환경을 제공한다. 특히 물리적 접근성이 낮은 지역이나 사회적 취약계층에게도 고품질의 공공 서비스를 제공할 수 있다는 점에서, 가상융합은 AI 기본사회의 보편적 접근성을 강화하는 핵심 인프라로 기능할 수 있다. 가상융합은 코로나19 기간 동안 높은 기대를 받았으나, 실제 활용이 게임이나 이벤트 중심 서비스에 머무르고 사용자에게 명확한 가치 제안을 제공하지 못하면서 기대에 비해 확산 속도가 제한적이었다. 또한 고가의 장비, 제한된 콘텐츠, 지속 가능한 비즈니스 모델 부족 등이 산업 발전의 제약 요인으로 작용하였다. 그러나 최근에는 생성형 AI의 발전과 XR 디바이스의 기술적 개선을 바탕으로 가상융합 서비스의 개인화와 몰입도가 높아지고 있으며, 교육·제조·국방·의료 등 다양한 산업 분야에서 가상 시뮬레이션, 원격 협업, 직무훈련 등 실질적인 활용 사례가 가시화되면서 산업의 재도약 가능성이 높아지고 있다. 본 보고서는 국가인공지능전략위원회의 「대한민국 인공지능 행동계획」에서 제시된 AI 기본사회 주요 과제를 중심으로, 가상융합이 실제 정책 실행 과정에서 어떻게 활용될 수 있는지를 구체적으로 제시한다. 우선 사회적 합의 형성 측면에서는 가상공간에서 AI 정책의 영향을 시뮬레이션하고 아바타 기반 토론을 통해 다양한 이해관계자가 참여하는 공론장을 구축함으로써 정책 수용성을 높일 수 있다. 또한 디지털 트윈 기반 리빙랩을 통해 사회 문제 해결을 위한 AI 기술을 가상환경에서 실험하고 검증할 수 있으며, 가상 오피스와 가상 직무훈련을 통해 AI 전환에 따른 일자리 변화와 재교육 문제에도 대응할 수 있다. 이와 함께 가상융합은 돌봄과 의료 분야에서도 활용 가능성이 크다. 가상현실 기반 인지훈련과 아바타 상담을 통해 고령층의 정서적 돌봄을 지원하고, 가상 원격 협진이나 환자 디지털 트윈을 활용한 의료 시뮬레이션을 통해 의료 접근성을 개선할 수 있다. 또한 딥페이크나 금융 사기 등 AI 기반 범죄 대응을 위해 가상환경에서 실제 범죄 상황을 체험하고 대응하는 교육을 제공하거나, 아바타 기반 상담을 통해 피해자의 심리적 회복을 지원하는 방식도 제안된다. 나아가 가상 캠퍼스와 산업 공정 디지털 트윈을 활용한 교육 프로그램을 통해 국민 누구나 AI 교육과 실무 경험에 접근할 수 있는 환경을 구축함으로써 지역과 계층 간 AI 교육 격차를 완화할 수 있다. 종합적으로 볼 때 가상융합은 AI 공론장 구축, 사회문제 해결 실험, 일자리 전환 대응, 돌봄·의료 서비스 확대, 생활 안전 강화, 교육 역량 강화 등 다양한 분야에서 AI 기본사회를 구현하기 위한 공간적 인프라이자 정책 실험 플랫폼으로 활용될 수 있다. 다만 과거 일부 공공 가상융합 프로젝트가 일회성 행사나 전시성 구축에 그쳤던 사례를 반복하지 않기 위해서는 단순한 가상 공간 구축에 머무르지 않고, 실제 정책 효과와 서비스 활용 가치를 창출할 수 있는 지속 가능한 운영 모델과 성과 중심의 정책 설계가 함께 마련될 필요가 있다. Executive Summary As AI technologies rapidly spread across industry and society, AI is entering a stage where it functions as a universal social infrastructure comparable to electricity, water, and the internet. In response, the Republic of Korea has proposed the concept of an “AI Basic Society,” in which AI technologies ensure the basic quality of life and safety of all citizens, as a national strategy. Under this vision, AI-driven innovation is being promoted across a wide range of public service sectors, including healthcare, education, welfare, and finance. The AI Basic Society aims to build an inclusive society in which the benefits of technological advancement are not concentrated in specific groups but are distributed fairly among all citizens. To achieve this, practical implementation infrastructure is required so that citizens can experience and benefit from AI services in their everyday lives. In this context, virtual convergence technologies—such as XR and digital twins—can play a critical role as spatial interfaces connecting the physical and digital worlds. Virtual convergence makes it possible to overcome spatial and temporal constraints, enabling various social issues to be experimented with and verified in virtual environments before implementation in the real world. It also provides immersive environments through which citizens can more intuitively understand and utilize AI technologies. In particular, by enabling the provision of high-quality public services even in regions with limited physical accessibility or among socially vulnerable groups, virtual convergence can function as a key infrastructure that strengthens universal accessibility within an AI Basic Society. Virtual convergence attracted significant attention during the COVID-19 pandemic; however, its actual utilization remained largely centered on games or event-based services. As a result, it struggled to present clear value propositions to users, and its diffusion progressed more slowly than expected. In addition, high equipment costs, limited content, and the lack of sustainable business models acted as constraints on industry development. Recently, however, advancements in generative AI and technological improvements in XR devices have significantly enhanced the personalization and immersive qualities of virtual convergence services. At the same time, practical use cases—such as virtual simulations, remote collaboration, and job training—are expanding across various sectors including education, manufacturing, defense, and healthcare, increasing the potential for renewed growth in the industry. This report focuses on the major initiatives of the “Republic of Korea AI Action Plan” proposed by the National AI Strategy Committee and presents concrete ways in which virtual convergence can be utilized in the actual implementation of AI Basic Society policies. First, in terms of building social consensus, virtual spaces can be used to simulate the impacts of AI policies and establish public deliberation platforms where diverse stakeholders participate through avatar-based discussions, thereby enhancing policy acceptance. In addition, digital-twin-based living labs can enable AI technologies for solving social problems to be tested and validated in virtual environments. Virtual offices and virtual job training programs can also help address employment transitions and reskilling challenges associated with the AI transformation. At the same time, virtual convergence has significant potential in the fields of care and healthcare. Emotional support for older adults can be provided through virtual-reality-based cognitive training and avatar-based counseling, while medical accessibility can be improved through virtual remote collaboration among medical professionals and medical simulations using patient digital twins. Furthermore, to respond to AI-driven crimes such as deepfakes and financial fraud, immersive training programs can allow individuals to experience and respond to simulated crime scenarios in virtual environments, while avatar-based counseling can help support the psychological recovery of victims. In addition, education programs using virtual campuses and industrial process digital twins can create environments where anyone can access AI education and practical experience, thereby reducing AI education disparities across regions and social groups. Overall, virtual convergence can function as both a spatial infrastructure and a policy experimentation platform for realizing the AI Basic Society across various domains, including the establishment of AI public deliberation spaces, experimentation for solving social problems, responses to employment transitions, expansion of care and healthcare services, enhancement of public safety, and strengthening of educational capabilities. However, in order to avoid repeating past cases in which some public virtual convergence projects were limited to one-time events or exhibition-oriented initiatives, it is necessary to move beyond merely building virtual spaces and instead develop sustainable operational models and performance-oriented policy designs that can generate tangible policy outcomes and real service value.

목차 Table of Contents 정책·법제 ▹ 중국, 과학기술의 자립자강 강조한 제15차 5개년 규획 발표 ▹ OECD, 에이전틱 AI의 개념과 도입 현황을 다룬 보고서 발표 ▹ 미국 국립연구소들, ‘제네시스 미션’ 수행을 위해 AI 인프라 확대 추진 ▹ 미국 뉴욕주, AI 챗봇의 전문직 사칭 금지 법안 추진 ▹ 미국 법원, 앤트로픽을 공급망 위험으로 지정한 국방부 조치에 제동 ▹ 미국 트럼프 대통령, 국가 AI 입법 프레임워크 발표 기업·산업 ▹ 오픈AI, AI의 악의적 사용을 다룬 사례 연구 보고서 발간 ▹ 시트리니 리서치, ‘2028년 글로벌 인텔리전스 위기’ 시나리오 공개 ▹ 오픈AI, 전문 업무에 최적화된 ‘GPT-5.4’ 출시 ▹ 구글, 속도와 비용 효율성을 강조한 ‘Gemini 3.1 Flash-Lite’ 출시 ▹ 엔비디아, 에이전틱 AI 시스템을 위한 ‘Nemotron 3 Super’ 출시 ▹ 중국에서 오픈클로 열풍과 함께 보안 우려도 증대 ▹ 엔비디아, GTC 2026에서 AI 생태계 확장 선언 기술·연구 ▹ 앤트로픽, 사용자의 AI 활용 능력을 측정한 ‘AI 능숙도 지수’ 공개 ▹ 앤트로픽, 전 세계 클로드 사용자의 AI 인식 연구 결과 발표 ▹ 구글, AI 메모리 사용량을 획기적으로 줄이는 ‘터보퀀트’ 기술 개발 인력·교육 ▹ AI가 미국의 교실에 미치는 영향과 교사의 대응 ▹ 앤트로픽, AI가 노동 시장에 미치는 영향 분석 ▹ 핀테크 기업 블록, AI 도입을 이유로 직원 4천 명 감원 ▹ 아마존 일부 직원들, AI 도입 압박으로 인한 생산성 저하 우려 주요행사일정

제 1 장 실태조사 개요 01. 조사 목적 및 필요성 02. 조사연혁 03. 조사 개요 04. VR·AR산업 분류 제 2 장 모집단 01. 모집단 정의 02. 모집단 추출 방법 03. 후보 모집단 수집 04. 모집단 추출 결과 제 3 장 조사표 01. 조사항목 제 3 장 이상치 기업 등 데이터 검증 방안 01. 이상치 기업 파악 02. 검증방안-2차 자료를 통한 검증 03. 항목무응답 처리 방식 추가

제 1 장 실태조사 개요 01. 조사 목적 및 필요성 02. 조사연혁 03. 조사 개요 04. VR·AR산업 분류 제 2 장 모집단 01. 모집단 정의 02. 모집단 추출 방법 03. 후보 모집단 수집 04. 모집단 추출 결과 제 3 장 조사표 01. 조사항목 제 3 장 이상치 기업 등 데이터 검증 방안 01. 이상치 기업 파악 02. 검증방안-2차 자료를 통한 검증 03. 항목무응답 처리 방식 추가

AI 스마트 글래스는 단순한 시각 보조 기기를 넘어, 사용자의 시선과 주변 환경을 인공지능(AI)이 실시간으로 인식하고 해석함으로써 디지털 정보와 현실 세계를 직접 연결하는 차세대 컴퓨팅 인터페이스로 부상하고 있다. 기존의 개인 컴퓨팅이 화면과 손 중심의 입력·소비 구조였다면, AI 스마트 글래스는 사용자가 바라보는 대상과 공간 자체가 데이터가 되는 ‘시선 중심 컴퓨팅’으로의 전환을 의미하며, 생성형 AI와 멀티모달 AI의 발전에 힘입어 새로운 개인 컴퓨팅 패러다임을 형성하고 있다. AI 스마트 글래스 시장은 향후 높은 성장 잠재력을 보유하고 있다. 글로벌 시장에서는 메타, 삼성전자, 구글 등 주요 빅테크 기업들이 AI 스마트 글래스를 차세대 플랫폼으로 인식하고 생태계 구축 경쟁을 본격화하고 있으며, 중국 기업들은 제조 경쟁력을 기반으로 빠르게 시장 진입을 확대하고 있다. 현재 음성 전용 AI 스마트 글래스가 주류를 이루고 있으나 디스플레이를 갖춘 AI 스마트 글래스로의 발전이 예상된다. AI 스마트 글래스는 단기적으로 스마트폰을 보완하는 시선 기반 인터페이스로 확산되고, 중기적으로는 공간의 맥락을 이해하는 공간 기반 인터페이스로 발전하며, 장기적으로는 인간의 시선을 AI가 해석하고 확장하는 ‘시선의 지능화’ 단계로 진화할 것으로 전망된다. 이러한 변화는 정보 탐색 방식, 의사결정 과정, 산업 현장의 작업 방식, 광고·교육·의료 등 다양한 영역에서 구조적 변화를 유발할 가능성이 있다. 특히 AI 스마트 글래스는 1인칭 시점 데이터의 주요 생성 장치로서 AI의 맥락 지능 구현을 가능하게 하는 핵심 기반으로 작용할 것으로 예상된다. 한편 AI 스마트 글래스는 배터리 지속시간 개선, 기기 경량화, 시야각 확대 등 기술적 과제와 함께, 개인정보 보호 우려, 디지털 격차 심화 가능성, 사회적 수용성 확보 등 사회·제도적 이슈에 대한 대응이 동시에 필요하다. 현재는 AI 스마트 글래스 도입 초기 단계로, 기술에 대한 사회적 기대와 프라이버시·안전 등에 대한 우려가 동시에 존재하는 과도기적 국면에 있으며, 기술 확산과 사회적 수용성 확보 간의 균형을 마련하기 위한 정책적 역할이 중요한 시점이다. 이에 본 연구는 산업 생태계 경쟁력 강화 지원, ‘시선 중심 컴퓨팅’ 시대 대비를 위한 선제적 제도 설계, 새로운 디지털 격차 대응을 위한 포용 정책의 필요성을 제시한다. 이를 통해 AI 스마트 글래스가 새로운 개인 컴퓨팅 인터페이스로 안정적으로 정착하고 산업적·사회적 가치 창출로 이어질 수 있는 정책 방향을 도출하고자 한다. Executive Summary AI smart glasses are emerging as a next-generation computing interface that goes beyond simple visual assistance devices by enabling artificial intelligence (AI) to recognize and interpret users’ gaze and surrounding environments in real time, thereby directly connecting digital information with the physical world. Whereas traditional personal computing has been structured around screen- and hand-based input and consumption, AI smart glasses signify a transition toward “gaze-centered computing,” in which the objects and spaces a user looks at themselves become data. Supported by advances in generative AI and multimodal AI, this shift is forming a new paradigm in personal computing. The AI smart glasses market is expected to demonstrate strong growth potential in the coming years. Globally, major technology companies such as Meta, Samsung Electronics, and Google are recognizing AI smart glasses as a next-generation platform and are accelerating competition to establish ecosystem leadership, while Chinese companies are rapidly expanding market entry based on their manufacturing competitiveness. At present, voice-centric AI smart glasses dominate the market, but the evolution toward AI smart glasses equipped with displays is anticipated. In the short term, AI smart glasses are likely to spread as gaze-based interfaces that complement smartphones. In the mid-term, they are expected to evolve into spatial interfaces capable of understanding contextual information within physical environments. In the long term, they are projected to advance toward a stage of “intelligent gaze,” in which AI interprets and augments human vision itself. These developments may trigger structural changes across multiple domains, including information discovery, decision-making processes, industrial workflows, and sectors such as advertising, education, and healthcare. In particular, AI smart glasses are expected to function as a primary device for generating first-person perspective data, serving as a key foundation for enabling context-aware intelligence in AI systems. At the same time, AI smart glasses face technical challenges such as improving battery life, reducing device weight, and expanding field of view, alongside social and institutional issues including privacy concerns, the potential widening of digital divides, and the need to secure social acceptance. As the technology is currently in its early adoption phase, societal expectations and concerns regarding privacy and safety coexist, placing the market in a transitional stage. Accordingly, this is a critical moment for policy intervention to balance technological diffusion with social acceptance. In this context, this study highlights the need for policy measures to strengthen industrial ecosystem competitiveness, establish proactive institutional frameworks in preparation for the era of gaze-centered computing, and develop inclusive policies to address emerging forms of digital inequality. Through this approach, the study aims to derive policy directions that enable AI smart glasses to be stably established as a new personal computing interface while generating both industrial and societal value.

본 연구는 최근 산업 현장에서 제기되고 있는 AI 인력 부족 문제가 단순한 개발 인력의 양적 부족이 아니라, AI가 산업 전반으로 확산되는 과정에서 발생하는 역할 구조의 변화에서 기인한다는 문제의식에서 출발한다. AI 기술이 성숙 단계에 진입함에 따라 인력 수요는 모델 개발 중심에서 검증·운영·산업 적용 및 현업 활용 단계로 이동하고 있으나, 현행 AI인력 분류체계는 이러한 변화를 충분히 반영하지 못하고 있다. 현행 AI 인력 분류체계는 산업 실태조사와 통계 산출을 목적으로 개발자 및 직무 중심으로 설계되어 있어, AI 기술의 다변화와 산업별 적용 양상의 차이를 구조적으로 포착하는 데 한계가 있다. 그 결과, AI 인력 부족 문제는 ‘개발자 부족’이라는 총량적 문제로 단순화되고, 실제 산업 현장에서 병목으로 작용하는 검증·신뢰, 운영(MLOps), 산업(도메인) 적용, 비개발 직무 기반 AI 활용 인력은 정책적으로 충분히 반영되지 못하고 있다. 이러한 구조적 한계는 인력 수급 전망의 정확성을 저하시킬 뿐 아니라, 인재양성 정책과 산업 수요 간 괴리를 심화시키는 요인으로 작용한다. 이에 본 연구는 AI 인력 분류 기준을 직무·직종 중심에서 AI 가치사슬 단계와 역할 중심으로 전환할 필요성을 제기한다. 기획·데이터·모델 개발뿐 아니라 검증·평가·운영·확산·산업 적용 전 과정을 포괄하는 관점에서 인력을 재구성함으로써, AI 인력 부족 문제를 가치사슬단계별, 역할별 구조 문제로 진단할 수 있는 분석 틀을 제안한다. 또한 이러한 분류체계를 인력의 유형과 수준(level) 체계와 연계함으로써, 향후 AI 인력의 수급(demand-supply) 전망과 교육·훈련 정책 설계에 활용 가능한 정책 인프라로의 확장 가능성을 제시한다. 정책적 시사점으로는 AI 인력 정책의 초점을 개발자 양성 중심에서 산업 전환을 지원하는 인력 구조로 전환할 필요가 있음을 제시한다. AI 활용이 본격화될수록 산업별 요구 역량은 더욱 분화되므로, 공통적인 AI 기초역량과 산업별 특화된 전문역량을 구분하여 체계적으로 양성할 필요가 있다. 가치사슬 기반 인력 분류체계로의 전환은 이러한 정책적 전환의 출발점으로서, 향후 한국 AI 산업의 경쟁력과 AX 성과를 좌우하는 핵심적인 정책 인프라로 기능할 것으로 기대된다. Executive Summary This study is motivated by the premise that the AI workforce shortage recently observed in industrial contexts is not merely a quantitative shortage of development personnel, but rather a structural issue arising from changes in role configurations during the diffusion of AI across industries. As AI technologies enter a stage of maturity, workforce demand is shifting from a focus on model development toward stages such as validation, operations, industrial application, and field-level utilization. However, existing workforce classification systems and policy frameworks have not adequately captured these evolving patterns. The current AI workforce classification system is designed primarily around developers and job functions, which constrains its ability to systematically capture the diversity of AI utilization across industries and the transformation of role structures. As a result, the AI workforce shortage is often reduced to a quantitative notion of a ‘developer shortage’, while critical roles—such as validation and trust, operations (e.g., MLOps), domain-specific application, and AI utilization in non-development functions—remain insufficiently reflected in policy, despite constituting key bottlenecks in practice. These structural limitations not only undermine the accuracy of workforce supply–demand projections but also exacerbate the misalignment between talent development policies and actual industry needs. In response, this study proposes a shift in AI workforce classification from a job- and occupation-based approach to a framework centered on AI value chain stages and roles. By conceptualizing the workforce across the entire AI lifecycle—including planning, data, model development, validation, evaluation, operations, diffusion, and industrial application—this study presents an analytical framework that diagnoses AI workforce shortages not as a matter of aggregate quantity, but as structural imbalances across stages and roles. Furthermore, by linking this classification system with workforce types and skill-level frameworks, the study highlights its potential to serve as a policy infrastructure for workforce demand–supply forecasting and the design of education and training systems. From a policy perspective, the findings suggest the need to shift the focus of AI workforce policy from developer-centric training toward building workforce structures that enable industry-wide AI transformation. As AI adoption becomes more widespread, the competencies required become increasingly differentiated across industries; therefore, it is necessary to systematically cultivate both common foundational AI capabilities and industry-specific specialized competencies. The transition to a value chain–based workforce classification system represents a critical starting point for this policy shift and is expected to serve as a key foundation shaping the future competitiveness of the Korean AI industry and its AI-driven transformation(AX).

목차 Table of Contents 1. SaaSpocalypse의 원인과 전개 과정 2. 에이전틱 AI가 촉발한 소프트웨어 시장의 변화 3. 주요 산업별 AI 침투의 지형도 4. 종합 및 전망

e-book 보기 이슈 ISSUE 과학을 위한 AI(AI4Science) 연구의 패러다임을 바꾸다 DX 성공 전략의 재조명: 왜 ‘SW 인력’이 핵심인가? 포토에세이 PHOTO ESSAY 중간-이호준 포커스 FOCUS AI 인재 양성을 위한 시스템 접근과 플랫폼 구축 제안 AI·SW 중심 사회의 조건: 속도가 아니라 디지털 회복력과 디지털 버퍼를 설계할 때