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.

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

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.

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

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

목차 Table of Contents 정책·법제 ▹ 앤트로픽·국방부(DoW) AI 가드레일 갈등 ▹ 미국 캘리포니아주 상원, AI 안전 표준 수립 법안 가결 ▹ 영국 정부, 2026년 국제 AI 안전 보고서 발간 ▹ 미국 노동부, AI 리터러시 프레임워크 발표 ▹ OECD, EU 핵심 산업 분야의 AI 도입 현황과 과제 분석 ▹ 인도 정부, 글로벌 AI 정상회의 ‘AI 임팩트 서밋’ 개최 기업·산업 ▹ 마이크로소프트, 차세대 AI 추론 칩 ‘마이아 200’ 공개 ▹ 중국 AI 기업들의 최신 AI 모델 출시 동향 ▹ 오픈AI, 연구 논문 작성과 협업 촉진하는 AI 워크스페이스 ‘프리즘’ 출시 ▹ 앤트로픽, 에이전트 협업 기능 강화한 ‘Claude Opus 4.6’ 출시 ▹ TSMC, 일본 구마모토현에서 3나노급 반도체 공장 건설 계획 ▹ 오픈AI, 에이전트형 코딩 AI 모델 ‘GPT-5.3-Codex’ 공개 ▹ 마이크로소프트, AI 에이전트 보안을 위한 가시성 확보 강조 기술·연구 ▹ 앤트로픽 연구 결과, 개발자의 AI 사용은 실력 향상에는 역효과 ▹ 네이처, 과학 출판에서 책임 있는 AI 활용 가이드라인 제시 ▹ 앤트로픽, 책임 있는 확장 정책을 3.0 버전으로 업데이트 인력·교육 ▹ AI 채용의 부정적 영향과 개선 방안 ▹ AI 시대 근로자의 판단력 향상을 위해 업무 방식의 재설계 필요 ▹ AI 확산에 직면해 기술·현장직으로 전환하는 사무직 근로자 증가 ▹ 로버트 라이시 前 미국 노동부 장관, AI로 인한 불평등 확산 경고 주요행사일정

목차 Table of Contents 정책·법제 ▹ 미국 뉴욕주, 프런티어 AI 모델 규제를 위한 「RAISE 법」 최종 서명 ▹ 대만 정부, 인간 중심 AI 생태계 구축을 위한 「AI 기본법」 시행 ▹ 중국, AI와 빅데이터 관련 특허 심사 기준 및 윤리적 준수 요건 명문화 ▹ 한국 정부, 포괄적 AI 규제 법령 「AI 기본법」 시행 ▹ 대만 행정원, 국가 안보와 경제 발전을 위한 AI 5대 전략 권고안 발표 ▹ 미국 전쟁부, 군사 AI 우위 확보를 위한 가속화 전략 발표 기업·산업 ▹ 메타, AI 에이전트 기술 스타트업 마누스 인수 ▹ 오픈AI, 개인 맞춤형 건강 관리 서비스 ‘ChatGPT Health’ 공개 ▹ LG AI연구원, 독자 기술 기반 초거대 AI 모델 ‘K-EXAONE’ 공개 ▹ CES 2026 종합 리포트: 피지컬 AI와 로봇 기술의 실생활 침투 ▹ 오픈AI, ChatGPT 내 광고 도입 및 광고 포함 저가 구독 요금제 확대 출시 ▹ 구글, 애플과의 AI 계약 체결로 시가총액 4조 달러 돌파 기술·연구 ▹ 언어의 한계를 넘어 물리적 세계를 이해하는 월드 모델 부상 ▹ AI 활용 연구의 명암 : 개인 성과는 확대, 집단적 연구 다양성은 축소 ▹ 중국 AI 리더들, AGI-Next 서밋에서 중국 AI의 현주소와 미래 전략 논의 ▹ 앤트로픽, AI의 경제적 영향 분석한 최신 AI 경제 지수 보고서 발간 ▹ 아티피셜 애널리시스 평가, 한국은 명실상부한 세계 3위의 AI 강국 ▹ 구글 딥마인드, ‘알파게놈’으로 유전자 변이의 생물학적 영향 예측 성과 입증 인력·교육 ▹ 미국 브루킹스 연구소, AI 교육에 '3P(번영·준비·보호)' 프레임 제시 ▹ IMF, AI 노출 직무의 임금·고용 영향에 대응한 교육 재설계 제언 주요행사일정

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

이 보고서에서는 인공지능(AI)이 과학 연구의 전 과정에 가져온 혁신적 변화를 분석하여, AI 기반 연구 패러다임의 특성과 각 연구 단계별 활용 사례, 정책적 시사점을 제시하고자 하였다. AI는 경험, 이론, 계산, 데이터 주도에 이은 제5의 과학혁명의 핵심 동력으로, 인간 연구자의 인지적 한계를 보완하고 지식 창출 과정 자체를 재정의하고 있다. 특히 AI는 방대한 데이터에서 패턴을 발견하고, 학제 간 경계를 넘나드는 지식 연결을 수행하며, 가설 생성부터 실험 수행, 데이터 분석에 이르는 연구 전 주기를 통합적으로 지원하는 지능형 연구 동반자로 진화하고 있다. 이러한 변화는 연구의 속도와 규모를 기하급수적으로 확장시켰을 뿐만 아니라, 연구 접근성을 높여 고가 장비나 전문 지식 없이도 첨단 연구에 참여할 수 있는 환경을 만드는데 기여하고 있다. 나아가 AI는 장기간 미해결로 남아있던 과학적 난제들을 해결하고, 인간이 상상하지 못한 새로운 연구 영역을 개척하며, 실시간 글로벌 협업을 가능케 하는 연구 인프라로 자리잡고 있다. 이에 대응하여 우리나라도 산업경쟁력의 원천인 과학기술 분야의 연구 효율성 제고와 세계적 연구 성과를 달성하는데 AI를 적극 활용하는 정책 기반을 구축해 가야한다. 이를 위해 AI 주도의 연구 패러다임을 재정립하고, 연구 단계별 AI 활용 가능성을 다방면으로 탐색할 필요가 있다. 아울러, AI의 기술적 한계와 오류 가능성에 대한 명확한 인식과 올바른 연구 윤리를 바탕으로 연구 현장에 활용할 수 있도록 정책적, 기술적 지원이 수반되어야 한다. 이를 바탕으로 과학기술 연구의 새로운 ‘운영체제’로서 과학기술 특화 AI 모델 개발, 연구 데이터 및 인프라 공유, 연구 산출물의 신뢰성 검증 기술 개발을 병행에 안전하고 믿을 수 있는 모두를 위한 과학 기술 AI (AI for Science & Technology) 실현 환경을 선도적으로 구현해야 할 것이다. Executive Summary This report aims to analyze the transformative changes that artificial intelligence (AI) has brought to the entire scientific research process, presenting the characteristics of AI-driven research paradigms, use cases at each research stage, and policy implications. AI serves as the core driving force of the fifth scientific revolution following empirical, theoretical, computational, and data-driven approaches, complementing the cognitive limitations of human researchers and redefining the knowledge creation process itself. In particular, AI is evolving into an intelligent research companion that discovers patterns in vast datasets, performs knowledge connections across interdisciplinary boundaries, and provides integrated support throughout the entire research cycle from hypothesis generation to experimentation and data analysis. These changes have not only exponentially expanded the speed and scale of research but have also contributed to creating an environment where cutting-edge research can be conducted without expensive equipment or specialized expertise by enhancing research accessibility. Furthermore, AI is establishing itself as a research infrastructure that solves long-standing scientific challenges, pioneers new research domains beyond human imagination, and enables real-time global collaboration. In response, South Korea must also establish a policy foundation that actively utilizes AI to enhance research efficiency in science and technology—the source of industrial competitiveness—and achieve world-class research outcomes. To this end, it is necessary to reestablish AI-driven research paradigms and explore the possibilities of AI utilization across various research stages. Additionally, policy and technical support must be provided to ensure proper application in research settings, based on a clear understanding of AI's technical limitations and potential for errors, as well as sound research ethics. Building on this foundation, we must proactively implement a safe and reliable AI for Science & Technology environment for all by developing science and technology-specialized AI models as the new 'operating system' for scientific research, sharing research data and infrastructure, and developing reliability verification technologies for research outputs.