AI 기술은 증기기관, 전기, 인터넷과 같은 범용기술로서 산업과 사회 전반에 걸쳐 근본적 변화를 초래할 잠재력을 지니고 있다. 그러나 기술 그 자체만으로는 경제적 가치를 실현할 수 없으며, 실제 상품이나 서비스로 전환하는 사업화 과정이 필수적이다. 한편, AI와 같은 하이테크 분야에서는 높은 기술적 이해와 전문지식이 성공적 사업화의 핵심 요인이 된다. 실제로 대다수의 성공적 AI 스타트업은 석·박사급 고급 AI 인재가 기업가정신을 발휘하여 창업한 경우로 확인되고 있다. 이에 본고에서는 AI에 관한 전문지식과 기술을 바탕으로 기업가정신을 발휘하여 새로운 사업 기회를 추구하는 '기업가형 AI 인재' 육성의 필요성을 제기한다. 그동안 우리나라의 AI 인재 정책은 연구자 양성 및 고급 연구인력 확보, 그리고 산업기술인력 양성을 통한 노동수요 대응에 방점을 두고 추진돼 왔다. 여기에 더해, AI 인재 양성 정책의 지향점으로 혁신 및 신기술의 사업화를 통해 새로운 시장과 양질의 일자리를 창출하는 경제주체인 ‘기업가’로서의 경력 경로를 추가·반영할 필요가 있다. 고급 과학기술 인재를 대상으로 하는 기업가정신 관련 해외(EU, 미국, 중국) 및 국내 정책사례들은 공통적으로 고급 과학기술 인재가 혁신적 기술과 연구성과를 경제적·사회적 가치로 전환하는 ‘기업가’의 경력경로를 선택하도록 유도하는 것을 핵심 목표로 설정하였다. 이러한 목표 하에 스타트업 연수, 경진대회, 해외 단기연수, 산학 프로젝트, 특화 지원사업을 통한 창업 시도 등 실제적인 경험을 통해 기업가정신을 체득할 수 있도록 유도하고 있다. 일부 사례에서는 대학원 교육과정에 기업가정신 교육을 통합/내재화하여 자연스럽게 기업가정신을 함양하고 기업가적 역량을 개발할 수 있는 환경을 조성하였다. 특히 교육 관련 사례들에서는 정책 성과로서 고급 과학기술 인재의 창업이 아닌, 기업가적 역량 개발을 중시하고 있다. 결론적으로, 기업가형 AI 인재 육성 정책이 단순한 창업지원을 넘어 고급 AI 인재의 경력경로 확장 차원에서 설계되어야 한다. 또한 교육적 관점에만 국한하지 않고 기업가정신이 발휘될 수 있는 기술·산업 생태계 조성을 목표로 한 임무지향적 접근이 필요하다. 궁극적으로는 AI 기술 기반의 기업가적 활동이 경제성장을 주도하는 ‘기업가형 AI 국가 실현’을 범국가적 비전으로 설정하고, 이를 달성하기 위한 종합적 국가 전략을 기획·추진할 필요가 있다. 기업가형 AI 국가를 실현하는 데 있어 기업가형 AI 인재 육성은 핵심이자 출발점이라고 하겠다. Executive Summary Artificial Intelligence (AI), as a general-purpose technology akin to the steam engine, electricity, and the internet, holds the potential to bring fundamental changes across industry and society. However, technology itself cannot realize economic value; a commercialization process to translate it into tangible products or services is essential. In high-tech sectors such as AI, a deep technical understanding and professional expertise are critical factors for successful commercialization. In fact, most successful AI startups are founded by high-level AI talents, often with master's or doctoral degrees, who demonstrate strong entrepreneurship. This paper proposes the necessity of nurturing 'entrepreneurial AI talents'—individuals who leverage their specialized AI knowledge and skills to pursue new business opportunities. To date, Korea's AI talent policy has primarily focused on training researchers, securing high-level research personnel, and meeting industrial labor demands. We argue that this policy orientation must be expanded to include the 'entrepreneur' as a key career path—an economic agent who creates new markets and quality jobs through the commercialization of innovation and new technology. Analysis of foreign (EU, US, China) and domestic policy cases reveals a common goal: encouraging high-level science and technology talents to choose the 'entrepreneur' career path, thereby transforming innovative research into economic and social value. These policies promote the acquisition of entrepreneurship through practical experiences such as startup internships, competitions, short-term overseas training, industry-academia projects, and specialized support for new ventures. Several cases also foster this environment by integrating entrepreneurship education directly into graduate-level curricula. Notably, these education-focused policies emphasize the development of entrepreneurial capabilities as a key performance outcome, rather than narrowly focusing on the number of startups created. In conclusion, policy for nurturing entrepreneurial AI talents must be designed to expand the career paths of high-level AI talent, moving beyond simple startup support. Furthermore, a mission-oriented approach is required, focusing on creating an ecosystem that fosters entrepreneurship, rather than being limited to an educational perspective. Ultimately, this paper proposes establishing a national vision for 'realizing an entrepreneurial AI state,' where AI-based entrepreneurial activity drives economic growth. A comprehensive national strategy must be planned and executed to achieve this vision.

본 연구는 급변하는 디지털 기술 환경 속에서 불확실성이 높아지는 미래 대응의 복잡성을 완화하고, 약신호(weak signal) 중심의 조기 탐지 체계를 구축하기 위해 수행되었다. 금년도 SPRi DaRT 2026은 EU, WEF, UNDP, Gartner 등 주요 기관의 미래기술 보고서를 기반으로 후보 기술을 추출한 뒤, 예비조사(미래연구 전문가)와 본조사(기술 분야 전문가)로 구분된 델파이 조사를 통해 30대 미래 신호를 선정하였다. 전문가의 반복적 평가와 피드백 과정을 통해 신규성, 영향력, 구현 가능성을 검증하였으며, 이를 바탕으로 100개의 후보 기술 중 30개 핵심 기술이 최종 확정되었다. 분석 결과, 전년도 SPRi DaRT 2025 대비 총 16개의 신규 개념기술이 새롭게 등장하였으며, 이 중 약신호 기술군은 양자 인터넷, 분산 AI 얼라인먼트, 양자 감지, 부상신호 기술군은 양자 AI, 대규모 행동 모델, 범용 AI 로봇, 제로 트러스트 아키텍처, 뉴로모픽 컴퓨팅, 운영 체제로서의 LLM, AI 간 통신, 촉감 홀로그래피, AI 기반 무선 접속 네트워크, 추세신호 기술군은 에이전틱 AI, AI 칩, AI 기반 칩 설계, 추론용 칩으로 구성되었다. 예년과 동일하게 델파이 조사 결과는 시각화 과정을 거쳐, 기술 시그널(약신호·부상신호·추세신호)과 미래 실현 시기(단기·중기·장기)를 한눈에 보여주는 형태로 설계되었다. 이를 통해 기술 변화의 방향성, 불확실성, 영향력의 상대적 크기를 직관적으로 파악할 수 있도록 하였다. 또한, 본 연구는 델파이 조사 결과를 보완하기 위해 데이터 기반 기술 전이 분석을 병행하였다. 2007년부터 2025년까지의 arXiv 데이터를 기반으로 논문 제목을 Sentence-BERT로 임베딩하고, K-means 클러스터링(k=100)을 수행하여 기술 주제의 연도별 의미 구조를 도출하였다. 이후 연속된 연도 간 클러스터 중심 벡터의 코사인 유사도를 계산하여 기술 전이(transition) 를 정의하였으며, 이를 통해 기술군의 생성(birth), 합병(merge), 소멸(death)을 시계열적으로 추적하고 약신호–부상신호–추세신호로 이어지는 전이 구조를 정량화하였다. 나아가, 본 연구는 약신호–부상신호–추세신호의 단계형 분류를 적용하여 약신호의 전이 구조를 시계열적으로 설명하였으며, 6대 주요 약신호 유망기술에 대한 심층 문헌조사를 병행함으로써 기존 점수 중심 정량기법 대비 예측의 해석가능성과 정책적 실효성을 향상시켰다. 또한, 약신호 조기 탐지 및 전환 예측 체계를 통해 R&D 투자 우선순위 설정, 기술 조기경보, 산업 전략 수립 등 정책·산업적 활용 가능성의 토대를 마련하였다. Executive Summary This study was conducted to address the growing complexity and uncertainty of future responses in the rapidly evolving digital technology landscape and to establish an early-detection framework centered on weak signals. The 2026 SPRi DaRT (Dynamic Radar for Trends and Signals) was derived by integrating Delphi-based expert assessments with data-driven transition analysis, providing a quantitative and visual representation of technological change over time. The SPRi DaRT 2026 identified 30 future signals through a multi-stage Delphi process consisting of preliminary surveys with futures-studies experts and main surveys with domain specialists. Candidates were drawn from major institutional foresight reports (EU, WEF, UNDP, Gartner), and evaluated for novelty, impact, and feasibility. Among the 100 candidate technologies, 30 key signals were finalized through iterative feedback and consensus. Compared to SPRi DaRT 2025, a total of 16 new concept technologies emerged. Among them, weak-signal technologies included quantum internet, decentralized AI alignment, and quantum sensing; emerging signals included quantum AI, large action models (LAMs), general-purpose AI robots, zero trust architecture, neuromorphic computing, LLMs as operating systems, AI-to-AI communication, haptic holography, and AI-radio access network (AI-RAN); and trend signals included agentic AI, AI chips, AI-assisted chip design, and chips for inference. To complement the Delphi findings, a data-driven transition analysis was performed using arXiv papers from 2007 to 2025. Paper titles were embedded via Sentence-BERT and clustered with K-means (k = 100), and cosine similarities between cluster centroids across years were used to trace technological birth, merging, and disappearance events. This approach quantified sequential flows from weak to emerging to trend signals, capturing the semantic continuity of technological evolution. Moreover, the three-stage signal classification—from weak to emerging to trend signals—enabled a dynamic interpretation of transition patterns over time. For six key weak-signal technologies, quantitative findings were supplemented with in-depth literature analysis, enhancing both the interpretability and policy relevance of the results beyond traditional score-based forecasting methods. This research establishes a foundation for early detection and transition prediction of weak signals, supporting strategic R&D investment prioritization, emerging-technology early-warning systems, and evidence-based industrial policy design.

본 보고서는 소프트웨어 정의 차량(SDV)과 자율주행 기술 확산에 따라, 자동차 안전의 중심이 기계적 하드웨어에서 소프트웨어 및 데이터로 급격히 이동하고 있다는 점에 주목한다. 특히 자율주행 및 첨단 운전자 보조 시스템(ADAS)의 상용화가 가속화되면서 전통적인 소프트웨어 기능안전 영역의 확대·재편성되고 있음을 확인한다. 연구는 대표적 자율주행 보조 시스템인 테슬라 오토파일럿(Autopilot) 을 핵심 사례로 삼아, 2019년 플로리다주의 정지 차량 충돌 사고와 이에 대한 2025년 플로리다 남부연방지방법원의 손해배상 판결(Barrett v. Tesla, Inc., Case No. 1:21-cv-21940-BB)을 분석하였다. 사고 당시 차량은 오토파일럿 모드로 주행 중이었으나 정지 차량을 인식하지 못했고, 자동긴급제동(AEB)이 작동하지 못한 상태에서 운전자의 부주의가 겹치며 제3자 보행자 사망 및 중상 피해가 발생하였다. 배심원단은 운전자 과실 67%, 테슬라 과실 33%를 인정하는 한편, 사고 데이터 미제출·은폐 의혹, 과장된 마케팅 등을 근거로 2억 달러의 징벌적 손해배상을 추가로 부과하였다. 이는 SAE 기준상 레벨 2(운전자 보조) 시스템에 대해서도 제조사가 예측 가능한 오사용 방지 의무와 정보 제공·데이터 투명성 의무 부담을 명시적으로 확인한 첫 사례라는 점에서 의미가 크다. 보고서는 오토파일럿 사고의 쟁점을 ISO 26262(기능안전), ISO 21448(SOTIF), ISO/PAS 8800(AI 안전) 등 국제 표준의 관점에서 해석한다. ISO 26262는 E/E 시스템 고장(Fault)을 전제로 안전무결성을 관리하는 반면, SOTIF는 센서 인식 한계·환경적 모호성·사용자 오용 등 결함 없는 상태에서도 발생하는 위험을 다루며, ISO/PAS 8800은 AI·ML 기반 알고리즘의 데이터 품질·모델 불확실성을 포괄하는 안전 프레임워크를 제시한다. 아울러 보고서는 UNECE R157(ALKS), R171(DCAS) 등 국제 규정도 함께 검토하였다. 결론적으로, 테슬라 오토파일럿 판결은 소프트웨어 안전이 더 이상 기술 내부의 “품질 이슈”가 아니라, 제조물 책임·징벌적 손해배상·데이터 투명성·AI 안전을 아우르는 종합적 리스크 관리 대상임을 보여준다. 생명·신체와 직결된 산업 전반에서 디지털 전환이 가속화될 때 최소 공통 SW 안전 요구사항으로서 「소프트웨어 안전에 관한 고시」와 같은 지침을 참고해야 할 것이며 나아가 Safety-Security 연계하는 ‘디지털 안전’ 차원의 거버넌스 검토 등을 시사점으로 제시한다. Executive Summary This report examines how the transition toward Software-Defined Vehicles (SDVs) and the growing adoption of autonomous driving and ADAS technologies are shifting automotive safety requirements from hardware-centered control to software- and data-driven risk management. As these systems expand in scope and complexity, software functional safety is being reorganized to address perception limits, human misuse, algorithmic uncertainty, and system-level interactions. The study analyzes Tesla’s Autopilot as a representative Level 2 driver-assistance system, focusing on the 2019 rear-end collision in Florida and the subsequent 2025 verdict by the U.S. District Court for the Southern District of Florida (Barrett v. Tesla, Inc., Case No. 1:21-cv-21940-BB). The Autopilot system failed to detect a stationary vehicle and the AEB did not activate, while the driver was momentarily inattentive, resulting in the death and injury of third-party pedestrians. The jury assigned 67% negligence to the driver and 33% to Tesla, and imposed punitive damages due to concerns regarding withheld crash data and misleading marketing. This case is significant as one of the first to affirm that even SAE Level 2 systems impose obligations on manufacturers regarding foreseeable misuse, adequate warnings, and operational transparency. The report interprets the case findings through international standards including ISO 26262 (Functional Safety), ISO 21448 (SOTIF), and ISO/PAS 8800 (AI Safety). ISO 26262 focuses on E/E system faults, SOTIF addresses risks that arise from functional insufficiencies without faults, and ISO/PAS 8800 extends safety management to AI/ML-based perception and decision models. The analysis also references relevant global regulations such as UNECE R157 (ALKS) and R171 (DCAS). Overall, the Autopilot verdict highlights that software safety has become a legal and regulatory issue linked to product liability, punitive damages, data transparency, and AI governance. As digital transformation accelerates in safety-critical sectors, it is essential to establish baseline software safety requirements?such as Korea’s “Guidelines for Assuring Software Safety” and to advance integrated Safety-Security governance frameworks that support emerging digital risks.

최근 산업의 고유한 문제를 해결하기 위한 소프트웨어인 산업특화 소프트웨어 시장이 빠르게 성장하고 있다. 2011년부터 2020년까지 10년 간 1.4배 성장하는데 그쳤으나, 2021년 이후 5년 사이 2.3배나 성장했다. 산업특화 소프트웨어의 시장 성장 동인을 (1)공급, (2)수요, (3)기술로 구분하여 2020년을 기점으로 어떤 변화가 있었는지 살펴보면 다음과 같다. 첫째, 시장 공급 관점에서 과거의 산업특화 소프트웨어 기업은 산업별로 명확히 구분되어 소프트웨어 기업의 타산업 진출 및 성장을 제한했다. 하지만 빅테크 기업을 중심으로 산업특화 클라우드 플랫폼(Vertical PaaS)을 제공하면서 클라우드 기반의 산업특화 소프트웨어(Vertical SaaS)를 제공하는 기업이 증가했고 산업간 경계가 희미해졌으며, 중소기업의 산업특화 소프트웨어 사용을 촉발하고 있다. 둘째, 시장 수요 관점에서 과거의 산업특화 소프트웨어는 대기업의 일부 부서에서 특정 문제를 해결하기 위한 보완적 도구로 활용된 반면, 소프트웨어 중심의 산업 패러다임(Software Defined X)이 전 산업으로 확장되면서 점차 기업의 경쟁력을 좌우하는 핵심 경쟁 무기로 탈바꿈하고 있다. 셋째, 기술 관점에서 그동안의 산업특화 소프트웨어는 특정 기업이 오랜 기간 시장을 독과점하면서 신규 사업자의 진입을 저해하고 기술 혁신을 위축시켜왔다. 하지만 2020년 이후 산업별 데이터를 학습하여 산업고유의 난제를 해결하는 AI 기반의 산업특화 소프트웨어 기업이 등장하면서 경쟁 환경이 역동적으로 변화하고 가치 혁신이 활발히 이뤄지고 있다. 다양한 환경에서 상이한 용도로 활용되는 산업특화 소프트웨어 사례를 분석하여 산업 경쟁력 강화의 원동력인 산업특화 소프트웨어 활성화를 위해 다음과 같은 정책적 제언을 도출했다./p> 우선, 대-중소기업의 산업특화 소프트웨어 활용 수준을 높이기 위해 산업특화 클라우드 활성화가 필요하다. 이를 위해 산업별 데이터 및 클라우드 플랫폼 구축, 클라우드 도입을 저해하는 제도의 개선, 중소기업 기업의 클라우드 활용 지원 정책 등을 고려해볼 수 있다. 또한 AI 기반의 산업특화 소프트웨어 개발을 촉진해야 한다. 이와 관련하여, 산업특화 AI 스타트업 육성 지원, AI 컴퓨팅 인프라의 운영관리에 필요한 기반 소프트웨어 기술력 제고, AI 기술력을 다양한 산업특화 소프트웨어 개발로 연결하기 위한 부처 간 긴밀한 협력 등이 필요하다. 끝으로 협력적 소프트웨어 혁신을 통해 산업 경쟁력을 높일 수 있는 기회를 제공해아 한다. 다수의 산업특화 소프트웨어에 탑재되는 공통 모듈의 통합 개발, 동종업계의 기업이 협력하여 산업특화 소프트웨어를 함께 개발하는 오픈소스 프로젝트 운영 등을 고려해볼 수 있다.

디지털 전환(DX)은 4차 산업혁명의 가속화, 글로벌 공급망 불안, 시장 불확실성 심화 속에서 기업 생존과 성장의 필수 전략으로 자리매김하였다. 이에 따라 기업들은 SW 투자 확대, AI·클라우드 등 SW 신기술 도입, 전문 SW 인력 확보에 집중하고 있으나, 단순한 자원 투입만으로 기대 성과를 달성하지 못하는 경우가 많다. 이는 DX 성과가 개별 요인의 효과뿐만 아니라, SW 투자, SW 신기술, SW인력의 상호작용 속에서 확대됨을 시사한다. 「2024년 SW융합실태조사」를 활용해 국내 1,126개 기업을 대상으로 구조방정식모형(SEM)을 적용한 실증 분석 결과, DX 성과의 핵심 요인은 SW 투자, SW 신기술, SW 인력으로 확인되었다. 세 요인은 각각 독립적으로 DX 성과에 긍정적 영향을 미치면서 동시에 상호 보완적 관계를 형성하였다. 특히 SW 인력은 SW 투자와 SW 신기술의 효과를 DX 성과로 연결시키는 매개 변수로 검증되었는데, 총효과는 직접효과 대비 약 1.4배 정도 확대되었다. 이는 SW 인력이 단순 개별 요인에 그치지 않고 나아가 자본과 기술을 실질적 성과로 전환하는 ‘가교’임을 보여준다. 더 나아가 기업의 인적 자원 구성, 특히 고급 R&D 인력(석·박사급) 비중은 자원의 효과성을 달리하는 조절 변수로 확인되었다. 다중집단분석 결과, 고급 R&D 인력이 상대적으로 많은 기업에서는 SW 투자의 효과가 강하게 발현되었고, 고급 R&D 인력이 상대적으로 적은 기업에서는 SW 신기술 도입 효과가 더 크게 나타났다. 이는 기업이 동일한 전략을 적용할 경우 효율성이 낮으며, 기업 특성과 인력 구조에 기반한 차별화된 인재 전략이 필수적임을 보여준다. 즉, R&D 중심 기업은 고급 인력 유지와 심층적 연구개발을 뒷받침하는 안정적 투자가, 기술 도입·활용 중심 기업은 최신 SW 신기술 도입을 통한 인재 유인과 역량 강화가 핵심 전략임이 도출되었다. 따라서 DX 성공은 곧 맞춤형 인재 전략 수립에서 출발한다. 기업은 자사의 비즈니스 모델과 인력 구조를 면밀히 진단한 후, 실무형 인재 역량 강화가 필요한지, 고급 인재 확보 및 유지가 중요한지를 구분하여 차별화된 전략을 추진해야 한다. 정부는 기업 유형별로 실무형 인재 공급 확대, 고급 인재 연구개발 지원, 세제 혜택 및 규제 완화 등 구체적이고 맞춤형 지원책을 설계해야 한다. 더 나아가 정부와 기업은 공동 R&D와 실전형 인재 양성을 양대 축으로 협력하여, 국가 차원의 SW 인재 선순환 생태계를 구축해야 한다. 이는 DX 성과를 지속적으로 확대하고, 산업 전반의 혁신과 글로벌 경쟁력 강화를 동시에 달성할 수 있는 핵심 기반이다. Executive Summary Digital Transformation (DX) has emerged as an essential strategy for corporate survival and growth amid the acceleration of the Fourth Industrial Revolution, global supply chain instability, and heightened market uncertainties. In response, companies have expanded software (SW) investment, adopted emerging SW technologies such as AI and cloud, and sought to secure specialized SW talent. However, many firms fail to achieve expected outcomes through resource input alone, indicating that DX performance is shaped not only by individual factors but also amplified through the interaction of SW investment, SW new technologies, and SW workforce. Based on the 2024 SW Convergence Survey of 1,126 firms, empirical analysis using Structural Equation Modeling (SEM) identified SW investment, SW new technologies, and SW workforce as the three core drivers of DX performance. Each contributes positively on its own while forming mutually complementary relationships. Among them, the SW workforce was empirically verified as a mediating factor that connects and amplifies the effects of SW investment and SW new technologies, with total effects expanding to about 1.4 times greater than direct effects. This shows that the SW workforce is not a mere standalone factor but rather a bridge that transforms capital and technology into tangible outcomes. Furthermore, the composition of human resources—particularly the proportion of highly qualified R&D personnel (Master’s and PhD holders)—was confirmed as a moderating factor that alters the effectiveness of resource inputs. Multi-group analysis revealed that firms with relatively more advanced R&D personnel benefited more strongly from SW investment, while firms with relatively fewer advanced personnel derived greater impact from adopting new SW technologies. This demonstrates that applying a uniform strategy across firms is inefficient, and that differentiated talent strategies tailored to organizational characteristics and workforce structure are essential. Specifically, R&D-intensive firms should focus on stable investment to retain top-tier talent and support deep research activities, while technology-adoption-oriented firms should emphasize the introduction of cutting-edge SW technologies to attract and develop skilled professionals. Therefore, successful DX begins with the establishment of customized talent strategies. Firms must thoroughly assess their business models and workforce composition to determine whether strengthening field-oriented talent or securing and retaining advanced R&D personnel should be prioritized. Governments, in turn, should design concrete and tailored support policies, such as expanding the supply of practical talent, promoting advanced R&D activities, and providing tax incentives and regulatory flexibility. Beyond this, joint initiatives between government and industry—focused on collaborative R&D and practice-oriented talent development—are essential to building a national virtuous cycle ecosystem for SW talent. Such an ecosystem will provide the foundation for sustaining DX performance, driving innovation across industries, and simultaneously enhancing global competitiveness.

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.

최근 세계 AI 시장이 빠르게 성장하고 AI 관련 제품과 서비스의 혁신이 활발하게 진행되는 가운데, 주요 AI 기업 및 국가 간 기술 경쟁 역시 치열하게 전개되고 있다. 한편 AI 분야에서 국가 간 협력 및 투자의 중요성이 증대되고 있으며, 기업 간 투자·협력 역시 Microsoft가 OpenAI에 투자, Google이 Anthropic으로 투자한 사례와 같이 기업 간 투자 네트워크가 확대되고 있다. 보고서는 국가 간 벤처캐피탈(VC) 투자 흐름을 분석함으로써, 글로벌 협력을 활발히 진행하는 국가들의 특성을 도출하고, 정책적 시사점을 제시하였다. 분석 결과, 미국은 AI 분야 VC 투자에서 압도적인 비중을 차지하고 있다. 미국과 중국은 VC 투자에 있어 자국 중심적이다. 한편, 영국, 캐나다, 이스라엘은 미국으로부터의 자본 유치와 해외 투자 비중이 높으며, 영국 및 EU 국가는 AI 분야 해외 투자 비중이 높아 상호 협력 중심의 구조를 보이고 있다. 또한, 공통적으로 우수한 AI 인재에 의해 창업된 AI 기업이 적극적으로 VC 투자 유치에 성공하면서, 국가의 대표적인 소버린 AI 기업으로 성장하는 사례가 등장하고 있다. 상대적으로 한국의 해외 투자 유치 비중은 다른 국가에 비해 낮은 상황이다. 그러나 트웰브랩스, 업스테이지, 노타AI 등 국내 유망 스타트업의 해외 투자 유치와 협력 사례가 등장하기 시작했다. 2025년 정부는 글로벌 AI 3대 강국 도약을 위해 민관의 적극적인 투자를 강조하고 있으며, 특히 AI 등 첨단산업을 위한 국민성장펀드 조성 계획을 발표함에 따라 우리나라의 AI 산업의 성장이 기대되고 있다. 결론적으로, 글로벌 협력을 통한 투자 자본 확보를 통한 기업 생태계 활성화는 AI 강국 도약의 선결 과제다. 이를 위해 AI 기업 육성을 위한 투자금 확대, 규제 혁신 인센티브, 해외 진출 및 공동 연구 지원 등이 병행되어야 한다. 이를 통해 AI 3대 강국 공약 달성은 물론 우리나라의 AI 기술 경쟁력을 글로벌 수준으로 제고하는 노력이 필요하다. Executive Summary As the global AI market rapidly grows and innovation in AI-related products and services continues, technological competition among major AI companies and countries is also intensifying. Meanwhile, the importance of international cooperation and investment in the AI field is increasing, and inter-company investment and collaboration is expanding through corporate investment networks. This report analyzes cross-border venture capital (VC) investment flows, identifies the characteristics of countries actively pursuing global collaboration, and presents policy implications. The analysis reveals that the United States accounts for an overwhelming share of VC investment in the AI sector. The United States and China are both highly domestically focused on VC investment. Meanwhile, the United Kingdom, Canada, and Israel attract significant capital and foreign investment from the US, a leading AI country. The United Kingdom and EU countries also exhibit a high proportion of overseas investment in AI, demonstrating a structure centered on mutual cooperation. Furthermore, there are examples of AI startups founded by outstanding AI talent actively attracting VC investment and growing into leading national AI companies. Currently, Korea's share of foreign investment is relatively low compared to other countries. However, promising domestic startups, such as Twelve Labs, Upstage, and Nota AI, are beginning to attract overseas investment and collaborate. Furthermore, with the government announcement of a plan to establish a national growth fund for cutting-edge industries such as AI, the growth of Korea's AI industry is expected. In conclusion, securing investment capital through global collaboration and revitalizing the corporate ecosystem are prerequisites for Korea's leap to becoming an AI powerhouse. To achieve this, increased investment in fostering AI companies, regulatory innovation incentives, and support for overseas expansion and joint research should be implemented. Furthermore, efforts are needed to not only achieve the goal of becoming the third level of countries in AI, but also elevate AI technology competitiveness of Korea.

ISSUE REPORT 2025.08.20. IS-206 메타버스-AI 공진화 전망과 시사점 Prospects and Implications of Metaverse and AI Co-evolution 한상열 SPRi 소프트웨어정책연구소

ISSUE REPORT 2025.07.29 IS-205 위기 혹은 기회 : 트럼프 행정부의 관세조치가 소프트웨어 산업에 미칠 영향과 대응 방안 Crisis or Catalyst? How U.S. Tarrifs Reshape the Software Industry 류채연, 최혜리 SPRi 소프트웨어정책연구소

인간이 개발하는 기술은 자연의 작동 방식과 매우 닮아있어, 자연으로부터 아이디어를 얻고 모방하며 기술 개발이 시작된다고 해도 과언이 아니다. 현재 AI 기술의 기반이 되는 신경망 역시 인간의 뇌 구조와 작동 방식에 대한 모방으로부터 시작되었다. 양자역학은 분명히 자연이 근본적으로 작동하는 방식이지만, 우리가 경험하는 일상의 현상과 다른 방식으로 기술된다. 인간이 실제로 보고 느끼는 것으로부터 생겨나는 일상적 직관과 감각적 경험과는 사뭇 이질적이기 때문에, 일반적인 대중에게 양자는 항상 어렵고 난해하게만 느껴지는 ‘과학’의 영역에만 머물러 있었다. 그러나 최근 양자컴퓨터를 개발하는 글로벌 기업 및 스타트업들이 보여준 놀라운 기술 적 성과는 더 이상 양자를 ‘과학’의 영역이 아닌 ‘실용적인 기술’의 영역으로 끌어들이는 데 충분하다고 평가되고 있다. 양자컴퓨터의 개발은 미시적 세계, 즉 양자의 세계를 완전 히 이해하지 못해도 기술로서의 활용이 가능하다는 놀라운 증명이기도 하다. 우리가 사용 하는 고전 컴퓨터의 트랜지스터 회로가 어떻게 동작하는지 모르더라도 수많은 사람들이 컴퓨터를 잘 활용할 수 있는 것처럼, 이제 양자역학을 이해하지 못해도 차세대 컴퓨팅이 자 복잡한 연산을 위한 자원으로 양자컴퓨터를 활용할 수 있는 단계에 접어들고 있는 것 으로 보인다. 현재 인류는 이미 놀라운 컴퓨팅 자원과 기술을 개발하여 활용하고 있다. AI 기술은 다 양한 영역에서 활용되고 있는데, 양자컴퓨터의 개발에서도 마찬가지다. 기술적 어려움이 많은 양자컴퓨팅 개발에서 AI의 활용은 여러 가시적인 성과를 거두고 있는데, 이러한 성 과는 이제 곧 인류가 양자컴퓨터를 실용적으로 활용할 수 있는 수준에 도달할 것이라는 큰 기대를 불러일으키고 있다. AI는 양자의 세계를 더 잘 이해하고 기술을 개발할 수 있 도록 ‘과학’과 ‘실용적인 기술’의 영역을 넘나들며 연구자들에게 도움을 주고 있는 셈이다. 한층 더 흥미로운 점은 AI 기술로 인해 양자컴퓨터 개발이 의미있는 진전을 보이면서, 양자컴퓨터가 실용적인 컴퓨팅 자원으로 실현되었을 때 AI 개발에는 어떤 이점을 제공할 수 있을지에 대한 관심도 증가하고 있다. 현재 AI 기술은 고차원 데이터의 처리와 수많은 학습이 필요한 구조로 연산자원에 대한 수요가 급증한 상황이다. 양자컴퓨터는 고전 컴퓨 터 대비 특정 연산에서 기하급수적인 연산우위를 가짐으로써, 인류가 AI를 활용해 풀고자 하는 여러 문제에 대해 도움을 줄 수 있을 것으로 기대된다. 그러나 양자컴퓨터와 AI의 상호보완적 발전에는 여전히 풀어야 할 기술적 문제와 한계점이 존재한다. 실제 개발되어 활용할 수 있는 양자컴퓨터 하드웨어가 한정적인 상황에 서, 아직은 시뮬레이션이나 가능성 탐색 수준에 머물러 있는 영역도 존재하는 것으로 보 인다. 그럼에도 불구하고 지금 양자컴퓨터와 AI의 융합은 인류에게 차세대 신기술의 영감을 불러일으키는 것은 분명한 것으로 보인다. 이미 AI 선진국들은 양자 기술에서도 주도권을 확보하기 위해 기술 개발 지원 및 기술 유출 방지 정책을 동시에 시행하고 있다. 우리나 라에서도 양자컴퓨팅과 AI 융합기술에 대한 적극적인 지원 정책이 필요한 시점이다. 본 보고서는 ‘AI를 활용한 양자컴퓨팅 기술 개발(AI for Quantum)’과 ‘양자컴퓨터를 활 용한 AI 기술 개발(Quantum for AI)’로 나누어, 현재 기술 융합 상황과 앞으로의 기술 개발이 나아가고자 하는 방향성을 살펴보고자 하였다. 실제적인 융합 성과를 내는 AI의 양자컴퓨팅 기술 개발 활용 사례와 양자컴퓨터가 AI 개발에 활용될 가능성을 함께 살펴 봄으로써, 양자컴퓨터와 AI 융합에서의 주요 내용을 짚어보고 정책적 시사점을 제언하고 자 한다. 양자컴퓨터와 AI 융합기술은 아직 연구개발 초기 단계지만 기술 파급력이 높을 것으로 예상되며, 따라서 국가적 차원에서의 R&D 지원이 필요할 것으로 보인다. 또한 양자컴퓨 팅 산업과 AI 산업에서는 스타트업들이 혁신적인 기술 개발을 선도하고 있기 때문에, 국 내 기업들도 시장 조기 선점에 나설 수 있도록 관련 산업 기반을 조성해 주는 것이 매우 중요할 것이다. 더불어 다양한 학문이 융합된 양자컴퓨팅과 AI 분야에서, 융합 인재 양성 및 확보 정책이 필요할 것으로 보인다. Executive Summary The technologies that humans develop closely resemble the way nature works, and it's no exaggeration to say that technology development begins by borrowing ideas from nature and imitating it. Current AI technology is based on neural networks, which were originally designed to mimic the structure and function of the human brain. Quantum mechanics is clearly a fundamental aspect of how nature works, but it is described in a manner that differs from the everyday phenomena we experience. Because it is so different from our everyday intuitions and sensory experiences based on what we see and feel, quantum mechanics has always remained in the realm of 'science' for the general public, seeming difficult and esoteric. However, recent technological breakthroughs by global companies and startups developing quantum computers are considered to be enough to bring quantum computing out of the realm of science and into the realm of "practical technology". The development of quantum computers is a remarkable demonstration that, while we don't need to fully understand the microscopic world of quanta, we can still utilise them as a technology. Just as many people can use computers without knowing how they work, we appear to be entering a phase where quantum computers can be used as the next generation of computing and a resource for complex computations without understanding quantum mechanics. Humanity has already developed and utilised incredible computing resources and technologies. AI technology is being used in many areas, including the development of quantum computers. The use of AI in the development of quantum computing, which is technically challenging, has yielded a number of tangible results, raising high hopes that humanity will soon reach a point where quantum computers can be put to practical use. AI is helping researchers to better understand the quantum world and develop technologies that can be used in the realm of science and practical technology. More interestingly, as AI technology has led to meaningful progress in the development of quantum computers, there is also growing interest in how quantum computers could benefit AI development when they are realized as practical computing resources. Current AI technologies require high-dimensional data processing and a lot of training, which puts a huge demand on computational resources. Quantum computers are expected to offer exponential computational advantages over classical computers for certain types of computation, which could enable humans to solve many of the problems that are currently being solved by AI. However, there are still technical challenges and limitations in the complementary development of quantum computers and AI. Due to the limited availability of quantum computer hardware for development and utilisation, some areas remain in the realm of simulation or exploration. Nevertheless, it is clear that the convergence of quantum computers and AI will inspire a new generation of technologies for humanity. Countries at the forefront of AI have already recognised quantum technology as a strategic national asset and are implementing policies to support its development and prevent leakage. The time has come for Korea to actively support the convergence of quantum computing and AI. The report is split into two sections, "AI for Quantum" and "Quantum for AI," to examine the current state of technology convergence and the future direction of technology development. We will highlight key issues in the convergence of quantum computers and AI, as well as suggest policy implications, by examining examples of AI's use of quantum computing technology development to achieve practical convergence, as well as the potential for quantum computers to be used in AI development. Although the convergence of quantum computers and AI is still in the early stages of research and development, it is expected to have a significant technological impact. Therefore, it is crucial to support R&D at a national level. In addition, since startups are leading the development of innovative technologies in the quantum computing and AI industries, it will be very important to create a relevant industrial base so that domestic companies can take an early lead in the market. Furthermore, given the convergence of various disciplines in the fields of quantum computing and AI, there is a need for policies to encourage and protect convergence talents.

AI 기술은 국가 경쟁력을 좌우하는 핵심 요소이다. AI가 경제 성장과 노동시장 변화, 국가안보 등 다양한 분야에 막대한 영향을 미치는 만큼 각국 정부는 대규모 인재 양성 정책과 해외 전문인력 유치 제도를 활발히 추진하며 고급 AI 인재 확보를 위해 치열하게 경쟁하고 있다. 우리나라도 디지털 전환과 초거대 AI 시대에 대응하기 위해 다각도의 인력양성 및 해외 인재 유치 정책을 펼치고 있으나, AI 패권 경쟁 속에서 AI 인력 부족과 채용 난, 해외로의 AI 인재 순 유출이라는 난관에 직면해 있다. 이에 본 고는 한국과 미국, 중국, 영국, 일본의 AI 인재 양성·유치 정책 현황을 비교·분석함으로써 국내 정책 개선에 대한 시사점을 도출하는 것을 목적으로 한다. 우리나라는 2019년 ‘인공지능 국가전략’을 발표한 이래, ‘디지털 인재 양성 종합방안’(100만 디지털 인재 양성), ‘첨단산업 해외 인재 유치·활용 전략’ 등으로 폭넓은 인력 기반을 확보하고자 노력하고 있다. 최근에는 ‘인공지능기본법’으로 AI 전문인력 양성과 연구개발 지원을 법적으로 보장하고, ‘Top-Tier 비자’와 ‘K-Tech Pass’ 등 해외 고급인재를 신속히 받아들이기 위한 비자 사다리 구축에 힘쓰고 있다. 그러나 국내 AI 인력 부족은 여전하고, 중소기업의 해외 인재 채용 제약, 국내 고급인재의 해외 유출 등으로, 우리나라는 고급인재 양성과 유출 방지·유치 매력도 제고를 동시에 추진해야 하는 과제를 안고 있다. 미국은 풍부한 민간 R&D 및 세계적 대학교 육성 시스템, 개방적인 이민정책을 결합해 글로벌 AI 인력 블랙홀로 자리 잡았다. 이미 AI 연구·교육 분야에 대규모 연방 예산을 투입하는 ‘AI 이니셔티브 연간보고서(’20)‘와 ‘국가 AI 이니셔티브실(’21)‘ 등을 통해 전 주기적 지원을 실시해 왔으며, ‘AI교육법(’22)‘, ‘NSF Educate AI Initiative(’23)‘ 등으로 K-12부터 대학원까지 AI 교육을 강화하고 있다. 또한 ‘안전하고 신뢰성 있는 AI를 위한 행정명령(’23)‘으로 AI 전문가 비자를 확대해 해외 우수 연구자 유치를 더욱 촉진하고 있으나, 트럼프 2기 행정부의 과학 연구자금 삭감과 일부 폐쇄적 이민정책 가능성 등 정책 변동성이 주목할 점이다. 중국은 막대한 정부 투자와 기업의 파격적 보수 책정, 거대한 인구 기반을 결합해 국내 AI 인재를 대량 양성하고, 해외 중국인 연구자 귀환을 적극 유도한다. ‘치밍계획(’20)‘을 통해 귀환 인재에게 정착금을 지급하고, ‘R 비자’를 도입해 고급 외국 인재를 우대하고 있으나, 엄격한 정치·문화적 제약으로 외국 국적자의 유치에는 여전히 한계가 있다. 그럼에도 불구하고, ‘인공지능 인재양성 백서(’22)‘와 ‘중· 고등학교 AI 교육 강화 정책(’24)‘ 등으로 전방위적 교육 시스템을 갖추고, 국가와 지방정부, 기업이 합심하여 AI 분야를 집중 육성함으로써 빠른 속도로 AI 인적자원을 확대하고 있다. 영국은 브렉시트 이후에도 글로벌 AI 리더십 유지를 목표로 ‘국가 AI 전략(’21)‘을 수립하고, 고급인재를 유치하기 위한 비자 제도를 대폭 정비해왔다. ‘Global Talent Visa’, ‘High Potential Individual Visa’ 등을 통해 세계 상위권 대학 졸업자나 우수 연구자에게 유연한 체류와 가족 동반 혜택을 주며, AI 연구 분야에서는 UKRI를 중심으로 AI 전문 박사과정 센터와 펠로우십 프로그램을 확대해 연구 중심 인재를 육성한다. 최근 ‘AI 기회 행동계획(’25)‘에서는 AI 분야 장학제도·평생교육·해커톤 등 인재 유입경로를 다변화하여 유럽 내 AI 허브 지위를 공고히 하는 데 주력하고 있다. 일본은 2019년부터 본격화한 AI 전략을 토대로 인재 양성과 해외 고급인재 유입 제도를 정비하고 있다. 대학-기업 협력모델을 통해 고교생부터 성인 재교육까지 전방위적 AI 교육을 확대하고, ‘특별고도인재제도(J-Skip)’ 등을 통해 해외 우수 인재에게 배우자 취업, 가사도우미 고용, 영주권 요건 완화 등 파격적 우대 조치를 시행하면서 최근에는 AI 인재 순 유입국으로 전환된 모습이다. 또한 ‘반도체· 디지털 산업전략’(’23)‘과 ‘생성형 AI 연구개발(’24)‘ 정책에서 산학협력 기반의 고급인재 육성과 글로벌 연구 네트워크 강화를 강조하여 기술력과 실무 역량을 동시에 높이고 있다. 각국의 사례에서 보듯, AI 시대 경쟁력을 위해서는 국내 인재의 대규모 양성과 유출 방지가 필수이며, 해외 최고급 인재를 유치·정착시킬 매력적인 환경을 조성해야 한다. 더 나아가 현재까지 비교적 관심을 덜 가져온 해외 거주 인재의 활용 방안에 대해서도 심도 있게 고민을 해야 할 것이다. 이를 위해 대학·연구기관·기업이 함께 참여하는 산학협력 및 교육 혁신을 더 강화하고, 스타트업에서 대기업까지 폭넓게 활용 가능한 비자 완화와 정주지원, 그리고 국책사업 참여 기회를 대폭 열어두어야 한다. 특히 우리나라 출신의 해외 전문인력에게는 귀환 시 연구나 창업에 필요한 자금·인프라를 집중 지원하고, 귀환하지 않는 인재라도 공동 프로젝트나 자문을 통해 국내에 기여할 수 있는 제도적 장치를 마련해야 한다. 장기적으로는 국제 학술행사 유치와 글로벌 연구센터 설립 등으로 ‘AI 혁신 클러스터’로서의 위상을 높여야 한다. 우리나라가 글로벌 AI 인재 유출 심화와 국내 기업의 인재 확보 어려움과 같은 문제를 해소하기 위해서는 본 고에서 제시된 정책들에 대한 검토뿐만 아니라, 제한된 자원을 효율적으로 활용하기 위해 핵심 AI 분야에 '선택과 집중'하고, 인재 유출 방지 및 활용에 대한 ‘패러다임을 전환’하며, 주체 또는 정책간 ‘연계를 통한 시너지 창출’을 더 고민해 나가야 한다. 이러한 종합적인 정책·제도 개선을 통해 우리나라가 과감하고 전략적인 AI 인재 확보·육성에 성공한다면, 미래산업과 국가 경쟁력을 선도하는 발판을 마련할 수 있을 것이다. Executive Summary AI is a key driver of national competitiveness, influencing economic growth, labor markets, and national security. Many governments are aggressively investing in large-scale talent development and global recruitment to secure advanced AI expertise. This study examines the policies of Korea, the United States, China, the United Kingdom, and Japan, and proposes ways to strengthen Korea’s domestic strategies. Korea has introduced multiple initiatives—such as the “National Strategy for Artificial Intelligence” (2019), the “Digital Talent Development Master Plan” (aiming for one million digital professionals), and the “Global Talent Attraction and Utilization Strategy for Advanced Industries”—yet still faces talent shortages, hiring challenges for smaller firms, and a net outflow of skilled AI professionals. The “AI Basic Act” supports training and R&D, while the “Top-Tier Visa” and “K-Tech Pass” streamline foreign recruitment. However, limited AI capacity, middling global rankings (30th­40th), and continued departures of top experts make expanding the advanced AI workforce and boosting retention and attraction efforts a priority. The United States combines robust private R&D, world-class universities, and an open immigration system, positioning itself as a global AI “magnet.” It allocates federal funds through sources like the “AI Initiative Annual Report (2020)” and the “National AI Initiative Office (2021),” while the “AI Education Act (2022)” and “NSF Educate AI Initiative (2023)” broaden AI education from K­12 to graduate levels. An “Executive Order on Safe and Trustworthy AI (2023)” further expands AI expert visas, though potential funding cuts and stricter immigration under a second Trump administration introduce uncertainties. China invests heavily in AI, offers competitive salaries, and leverages its vast population to build a local workforce, while also encouraging overseas Chinese researchers to return via the “Chiming Plan (2020).” It grants “R Visas” to high-level foreign talent but struggles to attract non-Chinese nationals due to strict political and cultural conditions. Still, its “White Paper on AI Talent Development (2022)” and “Middle and High School AI Education Enhancement Policy (2024)” illustrate a coordinated, nationwide push to expand the AI talent pool. The United Kingdom, aiming to maintain leadership post-Brexit, launched its “National AI Strategy (2021)” and reformed visas—including the “Global Talent Visa” and the “High Potential Individual Visa”—to attract top graduates and elite researchers. Through UKRI, it supports AI-focused PhD centers and fellowship programs. Its “AI Opportunity Action Plan (2025)” seeks to expand scholarships, lifelong learning, and hackathons, solidifying the UK’s reputation as a European AI hub. Japan updated its AI strategy in 2019 to enhance domestic training and attract foreign experts. University-industry partnerships extend AI education from high school to adult re-skilling, while the “Special Highly Skilled Professionals Program (J-Skip)” grants spousal employment, domestic help, and streamlined permanent residency—making Japan a net importer of AI talent. Policies like the “Semiconductor and Digital Industry Strategy (2023)” and “Generative AI R&D (2024)” also emphasize advanced training and global research collaborations. As these cases suggest, large-scale domestic training, preventing local expert loss, and offering favorable conditions for top foreign talent are critical. Korea should also pursue a deeper strategy for engaging its AI diaspora, with universities, research institutes, and businesses collaborating on training, visas, and settlement support. Returning Korean experts could receive robust backing for research or entrepreneurship, while those abroad might join projects or advisory roles. SMEs need a one-stop service for hiring foreign AI professionals, and hosting global conferences or establishing international research centers can raise Korea’s profile as an “AI innovation cluster.” To address the accelerating outflow of AI talent and the mounting challenges faced by domestic companies in securing skilled professionals, Korea must move beyond merely reviewing the policies outlined in this paper. It is essential to strategically allocate limited resources by prioritizing and concentrating on core AI sectors, shift the prevailing paradigm regarding talent retention and utilization, and foster greater synergy through enhanced coordination among stakeholders and policy initiatives. With such comprehensive improvements in policy and institutional frameworks, Korea can take bold, strategic steps to secure and cultivate AI talent—laying a strong foundation to lead future industries and enhance national competitiveness.

본 연구에서는 최근 부상하고 있는 피지컬 AI의 기술적·산업적 확산에 주목하여, 피지컬 AI의 정의와 특성, 유형 그리고 주요 사례 및 관련 이슈를 살펴보고 정책적 시사점을 제언하고자 하였다. 분석 결과, 피지컬 AI는 AI 기반모델(두뇌), 컴퓨터 비전·센서(감각), 엣지 컴퓨팅 및 네트워크 인프라(연결), 제어 및 액추에이터(행동) 등의 첨단기술 융합을 통해 인간처럼 현실 세계를 인식하고, 자율적으로 판단·행동함으로써 환경과 유기적으로 상호작용할 수 있는 시스템으로 정의된다. 주요 기술 수준과 형태에 따라 △ 휴머노이드형 △ 자율주행차형 △ 드론형 △ AGV & AMR형으로 분류되어 다양한 산업 환경에 특화된 형태로 활용되며, 산업 전반의 자동화·지능화 수요를 중심으로 새로운 융합 생태계를 형성하는 기반으로 작용하고 있었다. 다만, 피지컬 AI는 확산 과정에서 막대한 연산 자원과 개발 비용, 물리 환경 적용의 기술적 제약, 노동시장 구조 변화, 법적 책임과 윤리 기준의 미비 등 복합적인 장애 요인을 동반하고 있는 상황이다. 이를 해결하기 위해 미국, 중국, EU, 일본 등 주요국은 피지컬 AI를 국가 전략기술로 간주하고 다양한 정책을 선제적으로 마련해 경쟁력 확보에 나서고 있으며, 이에 발맞춰 우리나라도 피지컬 AI 경쟁력 강화를 위한 연구개발, 산업 생태계 및 인력양성, 법제 정비 및 국제 협력 차원에서 국가 전략을 수립해야 할 시점이다. Executive Summary This study focuses on the recent emergence and expansion of Physical AI in both technological and industrial contexts. It examines the definition, characteristics, typologies, representative use cases, and associated challenges of Physical AI, ultimately deriving relevant policy implications. The analysis defines Physical AI as an integrated system that combines advanced technologies such as AI foundation models (cognitive control), computer vision and sensors (perception), edge computing and network infrastructure (connectivity), and control systems with actuators (mobility), enabling machines to perceive, reason, and act autonomously in the physical world. Based on key technological configurations and implementation forms, Physical AI can be categorized into humanoid-type, autonomous vehicle-type, drone-type, and AGV & AMR-type systems, each tailored to specific industrial environments and contributing to the formation of a new convergence ecosystem centered on the growing demand for automation and intelligence across industries. However, the diffusion of Physical AI entails a range of complex barriers, including high computational requirements, significant development costs, technical limitations in real-world deployment, structural impacts on the labor market, and a lack of legal accountability frameworks and ethical standards. In response, major countries such as the United States, China, the EU, and Japan are recognizing Physical AI as a strategic national technology and are actively formulating policies to secure technological leadership. In this context, Korea must also develop a national strategy encompassing R&D, industrial ecosystem development, talent cultivation, regulatory reform, and international cooperation to strengthen its competitiveness in the emerging Physical AI landscape.