제 1 장 조사 개요 01. 조사 배경 및 목적 02. 조사 개요 03. 표본 설계 04. 주요 조사 내용 05. 조사 추진 및 운영 제 2 장 조사 결과 01. 재무 현황 02. 조직 및 인력 현황 03. SW 기술 현황 04. 디지털 전환 현황 05. 산업별 디지털 성숙도 현황 부록 01. 용어 해설 02. 결과표 03. 주요 항목 상대표준오차 04. 조사표

2026년 8월호 SPRi AI Brief 인공지능 산업의 최신 동향 SPRi 소프트웨어정책연구소

입찰마감 : 2026.08.04.(화) 12:00까지

서류접수 : https://www.g2b.go.kr/

목차 Table of Contents 정책·법제 ▹ 미국 일리노이주, 첨단 AI 모델 대상 외부 감사 의무화하는 법안 통과 ▹ 레오 14세 교황, 첫 회칙에서 AI 시대 인간 존엄성 수호 강조 ▹ 캐나다 정부, 국가 AI 전략 ‘AI for All’ 발표 ▹ 미국 트럼프 대통령, AI 혁신과 안보 증진을 위한 행정명령에 서명 ▹ 트럼프 행정부에서 AI 국부펀드 조성 논의 본격화 ▹ G7의 중국 견제에 대응해 중국은 글로벌 AI 협력 기구 설립 가속화 기업·산업 ▹ 앤트로픽, 코딩과 에이전트 성능 강화한 ‘Claude Opus 4.8’ 출시 ▹ 앤트로픽 ‘Fable 5’와 ‘Mythos 5’, 미국 정부 지시로 서비스 중단 ▹ 미국 정부의 앤트로픽 ‘Fable 5·Mythos 5’ 금지에 산업계 반발 확대 기술·연구 ▹ 마이크로소프트, AI의 지식노동 균등화 가능성과 격차 해소 과제 분석 ▹ 구글 리서치, I/O 2026에서 최신 AI 연구 성과 공개 ▹ 앤트로픽, AI 기반 사이버 위협의 MITRE ATT&CK 매핑 분석 결과 공개 ▹ 앤트로픽, AI의 재귀적 자기개선 임박 경고 ▹ 구글 딥마인드, 범용지능(AGI)에서 초지능(ASI)으로 진화 경로 분석 인력·교육 ▹ 미국 노동시장에서 AI가 미치는 영향은 국소적 ▹ AI 일자리 충격 대응을 위한 5가지 정책 방안 ▹ AI 채용 시장, 경력자 중심 구조로 재편되며 신입 일자리 축소 ▹ 보스턴大·펜실베이니아大 공동 연구팀, AI 주도 해고의 시장 실패 분석 ▹ MIT 경제학자들, 노동자 역량을 확장하는 '친노동 AI'의 가치 강조 주요행사일정

제15회 정보보호의 날 기념식 일시: 2026년 7월 8일 수요일 09:00~17:15 장소: 서울 신라호텔 다이너스티 홀 주최: 과학기술정보통신부, 국가정보원, 행정안전부 / 주관: 한국인터넷진흥원, 한국정보보호산업협회 상기 계획은 상황에 따라 변동될 수 있음

입찰마감 : 2026.07.07.(화) 10:00까지

서류접수 : https://www.g2b.go.kr/

입찰마감 : 2026.07.01.(수) 10:00까지

서류접수 : https://www.g2b.go.kr/

e-book 보기 이슈 ISSUE AI 인프라 경쟁에서 소프트웨어의 구조적 역할 포토에세이 PHOTO ESSAY 중간-이호준 포커스 FOCUS Agentic AI 방법론(AAM) 소개와 제언 AI 시대, 디지털 헬스는 왜 현장으로 흐르지 못하는가: 기술 도입에서 구조 설계로

입찰마감 : 2026.06.19.(금) 10:00까지

서류접수 : https://www.g2b.go.kr/

목차 Table of Contents 정책·법제 ▹ 중국 국가발전개혁위원회, 메타의 마누스 인수 철회 요구 ▹ 영국 정부, AI 데이터센터 온실가스 배출량 추정치 100배 이상 상향 수정 ▹ 미국 국방부, 앤트로픽을 제외한 8개 AI 기업과 기밀 네트워크 계약 체결 ▹ 트럼프·시진핑 정상회담, 반도체와 희토류 등 핵심 기술 쟁점은 미합의 ▹ 트럼프 대통령, AI 규제 행정명령 서명 당일에 전격 보류 기업·산업 ▹ 오픈AI, 에이전트 성능 강화한 GPT-5.5 출시 ▹ 메타, AI 훈련을 위해 직원들의 마우스 움직임과 키보드 입력 수집 ▹ 앤트로픽, 스페이스X와 데이터센터 임대 파트너십 체결 ▹ 마이크로소프트, 2026년 1분기 AI 확산 보고서 발표 ▹ 앤트로픽, 2028년 미·중 AI 패권 경쟁 시나리오 분석 보고서 발표 ▹ 오픈AI, 일론 머스크가 제기한 소송에서 승소하며 IPO 준비 본격화 ▹ 구글, I/O 2026에서 신규 AI 모델과 에이전트 서비스 공개 기술·연구 ▹ 오픈AI, 고블린을 반복 언급하는 챗GPT 현상의 원인과 해결책 공개 ▹ 앤트로픽, 클로드의 에이전트 오정렬 개선 연구 결과 공개 ▹ 오픈AI 내부 AI 모델, 80년간 미해결 수학 난제 반증 성공 인력·교육 ▹ 앤트로픽, 클로드 사용자를 대상으로 AI의 일자리 영향 분석 ▹ 광역런던시청 조사 결과, 런던 노동인구의 46%가 생성형 AI에 노출 ▹ 브루킹스 연구소, 미국 데이터센터의 지역 고용 효과 실증 분석 ▹ 대런 애쓰모글루 MIT 교수, AI의 일자리 영향에 대한 과장 경계 주요행사일정

​​​​​​ 최근 월드 모델(World Model)은 인공지능이 단순한 언어·이미지 처리 단계를 넘어 물리 세계의 구조와 동역학을 이해하고 미래 상태를 예측할 수 있도록 하는 핵심 기술로 부상하고 있다. 이는 범용 인공지능(AGI)과 피지컬AI 실현을 위한 차세대 기반 기술로 평가되며, 로봇·자율주행·가상융합 산업 전반에서 전략적 중요성이 확대되고 있다. 월드 모델은 인간의 멘탈 모델과 유사하게 환경에 대한 이해와 미래 예측을 기반으로 다양한 시나리오를 사전에 시뮬레이션하고 최적의 의사결정을 지원한다. 기술적으로 월드 모델은 명시적, 암묵적, 시뮬레이터 기반, 하이브리드형 등 다양한 패러다임으로 발전하고 있으며, 비디오 생성, 자율주행, 자율 에이전트 등 목적별로도 세분화될 수 있다. 최근 미국, 중국, 유럽, 한국 등 주요국의 기업들은 각각 실시간 3D 가상환경 생성, 자기지도 기반 물리 예측, 합성 데이터 생성, 공간지능 구현 등 다양한 접근 방식으로 월드 모델 개발 경쟁을 본격화하고 있다. 특히 월드 모델은 피지컬AI 발전의 핵심 병목인 데이터 부족과 사전 검증 문제를 해결하는 중요한 대안으로 주목된다. 현실 세계에서 수집이 어려운 대규모 행동 데이터를 합성 데이터와 가상 시뮬레이션으로 보완함으로써 로봇과 자율 시스템의 학습 비용을 줄이고, 위험한 실제 검증 과정을 대체할 수 있다. 이를 통해 보다 안전하고 효율적인AI 시스템 개발이 가능해진다. 정책적으로 한국은 제조업 기반의 풍부한 산업 데이터를 활용해 제조 특화 물리 데이터셋과 고충실도 가상환경을 구축하고, Sim-to-Real 정합성 확보, 도메인 특화 월드 모델 개발 등을 추진할 필요가 있다. 또한 VLA, 시뮬레이션, 제조 데이터를 통합한 국가 차원의 연구개발 체계를 마련함으로써 글로벌 월드 모델 경쟁력을 확보해야 한다. 결론적으로 월드 모델은 향후 AI 산업의 핵심 인프라이자 피지컬AI, 자율주행, 가상융합 발전을 견인할 중요 기술로서, 기술 혁신과 산업 생태계, 국가 정책 차원의 선제적 대응이 요구된다. Executive Summary Recent world models have emerged as a critical technology enabling artificial intelligence to move beyond simple language and image processing toward understanding the structure and dynamics of the physical world and predicting future states. They are increasingly regarded as next-generation foundational technologies for achieving Artificial General Intelligence (AGI) and Physical AI, while their strategic importance is expanding across robotics, autonomous driving, and virtual convergence industries. Similar to the human mental model, world models support proactive simulation of diverse scenarios and optimal decision-making by understanding environments and forecasting future outcomes. Technically, world models are evolving across various paradigms, including explicit, implicit, simulator-based, and hybrid approaches, while also being specialized by application domains such as video generation, autonomous driving, and autonomous agents. Recently, leading companies across the United States, China, Europe, and South Korea have intensified competition in world model development through diverse approaches, including real-time 3D virtual environment generation, self-supervised physics prediction, synthetic data generation, and spatial intelligence implementation. In particular, world models are gaining attention as an important solution to addressing two major bottlenecks in Physical AI development: data scarcity and pre-deployment validation challenges. By supplementing difficult-to-obtain real-world behavioral data with synthetic data and virtual simulations, world models can significantly reduce the cost of training robots and autonomous systems while replacing risky real-world testing processes. This enables the development of safer and more efficient AI systems. From a policy perspective, South Korea needs to leverage its rich manufacturing-based industrial data to establish manufacturing-specialized physical datasets and high-fidelity virtual environments, while promoting Sim-to-Real alignment and domain-specific world model development. In addition, South Korea should secure global competitiveness in world models by establishing a national R&D framework that integrates VLA, simulation, and manufacturing data. In conclusion, world models are expected to become a core infrastructure for the future AI industry and a key enabling technology driving the advancement of Physical AI, autonomous driving, and virtual convergence. As such, proactive responses at the levels of technological innovation, industrial ecosystem development, and national policy are essential.

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.

입찰마감 : 2026.05.27.(수) 10:00까지

서류접수 : https://www.g2b.go.kr/

최근 위조된 명함을 활용 연구소 직원을 사칭한 사기시도가 발생하고 있습니다. 따라서 관련 사칭 주요 유형 및 사칭 사기 예방 수칙을 안내하오니 참고하셔셔 모두 피해가 없으시도록 유의 부탁드립니다. [공공기관 사칭 주요 유형] - 나라장터 입찰공고 및 계약현황을 통해 낙찰업체 확인 후, 인터넷 포털을 이용해 전화번호 검색 - 실제 공고명이나 사업명을 언급하며 발주처 담당자를 사칭해 실무자 전화번호 확보 - 발주처를 사칭해 대리구매, 보험 가입, 금융상품 설명회 참석 등을 유도 - 수의계약 체결 금액을 통장으로 입금 유도 - 업체에 방문하여 통장으로 입금 유도 [공공기관 사칭 사기 4대 피해예방수칙] 1. 내선번호 확인 : 명함의 내선번호가 실제 소속 기관의 것인지 해당기관 홈페이지에서 점검 2. 발신처/공문 진위 확인 : 의심스러운 경우 해당 부서에 직접 문의 3. 절대 선입금 금지 : 공공기관은 대리구매를 통한 선입금을 요청하지 않음 4. 경찰 즉시 신고 : 피해 발생시 112 또는 관할 경찰서로 즉시 신고

입찰마감 : 2026.05.27.(수) 10:00까지

서류접수 : https://www.g2b.go.kr/

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.