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).