최근 오픈소스(Open Source) 생태계가 인공지능(AI) 기술 혁신과 인공지능 전환(AX, AI Transformation)의 기술적 기반을 제공하면서 오픈소스AI가 크게 주목받고 있다. 주요 딥러닝 프레임워크 28개 중 25개가 오픈소스 기술로 AI 개발 편의성을 향상시키며 모델 대형화를 촉발시켰으며 트랜스포머(LLM 기반 구조), BERT(사전 학습 패러다임 확립) 등의 오픈소스 모델들은 AI 기술의 빠른 확산을 가능하게 하며 오픈소스AI라는 새로운 개념이 등장하였다. 하지만, 오픈소스AI에 대한 명확한 개념이 존재하지 않아 발생하는 혼동을 해결하고자 OSI(Open Source Initiative)은 오픈소스AI 정의(Open Source AI Definition)를 발표하였고, 리눅스 재단은 와 모델 개방성 프레임워크(Model Openness Framework)를 발표하였다. 이들은 공통적으로 오픈소스AI를 4가지 자유(사용, 연구, 수정, 공유)가 허용된 AI로 정의하고 공개 범위를 데이터, 모델, SW(코드)로 구분하고 있다. 두 개념 사이에 일부 차이점이 있지만, 이들은 오픈소스AI와 오픈소스 모델에 대한 명확한 개념을 제시한다는 점에서 큰 의미가 있다. 최근 오픈소스AI 동향을 보면, 깃허브의 AI 관련 프로젝트와 허깅페이스 중심의 오픈소스 모델 개발이 빠르게 증가하고 있다. ’24년 기준 깃허브의 AI 프로젝트 수는 432만개 이며, 25년 12월 기준 허깅페이스의 오픈소스 모델 수는 225만개를 넘어섰다. 그리고, 기업의 89%가 AI 개발 과정에 오픈소스 기술을 활용하고 있으며, 63%가 오픈소스 모델을 활용하고 있는데, 그 이유는 혁신(67%), 시장 표준(67%), 생산성(50%), 개발 비용 절감(49%) 때문이다. EpochAI의 유명 AI 모델(Notable AI Models) 분석에서 ’18년부터 오픈소스 모델 공개가 증가하여 ‘18년 이후 유명 AI 모델의 47.3%가 오픈소스 모델이었다. 오픈소스 모델 공개를 주도하는 국가는 미국과 중국이며, 개발 참여 기관들의 다수는 산업계와 학계이었다. 그리고 공개되는 모델의 주요 유형은 언어 모델, 비전 모델, 멀티 모달이었다. 그리고, 오픈소스 모델 공개 확산의 이면에는 미·중의 AI 주도권 경쟁이 있으며, 초기 오픈소스AI 생태계가 미국 기업들(메타, 구글 등)이 주도하였다면, ’25년 부터 딥시크, 알리바바 같은 중국 기업들의 우수한 성능과 낮은 비용 기반의 오픈소스 모델을 적극 공개하며 영향력을 빠르게 확산하고 있다. 이들 기업은 오픈소스 모델과 연계한 자사 제품·서비스의 지능화를 통해 고객 만족도 향상과 생산성 향상을 추진하고 추가 수익 창출을 위해 오픈소스 모델 연계 신규 서비스 출시를 전략적으로 추진하고 있다. 이러한 글로벌 오픈소스AI 동향을 보면, AI 3대 강국 도약이라는 국가적 과제 추진을 위해서 오픈소스AI 생태계의 전략적 가치에 대한 재인식이 필요하다. 미국과 중국 기업들에게 글로벌 오픈소스AI 생태계는 기술 확보(초기 딥시크의 라마 모델 구조 활용, 라마의 MoE(딥시크) 수용) 수단, 우수한 기술의 개방형 검증을 통한 기술 신뢰성 확보 수단, 기술 공개 및 무료 사용 허용을 통한 생태계 저변 확대 수단으로 활용되고 있다. 따라서, AI 3강 도약을 위해서는 전략적 오픈소스AI 활용이 중요해지고 있다. 우선 오픈소스AI는 전략적 기술 원천으로써 가치가 있기 때문에 AI 기술 주권 확보를 위해 선진 오픈소스AI 기반 R&D 추진을 통해 원천AI 기술 역량 내재화 및 산업 특화 AI 기술 확보가 필요하다. 그리고 범국가 AI 대전환을 위한 전략적 기술 도구로써 가치가 있기 때문에 오픈소스AI 활용 확산을 위한 기반(생태계) 조성 및 인재 양성이 필요하다. Executive Summary Recently, the open source ecosystem has been drawing significant attention as it provides the technological foundation for innovation in artificial intelligence (AI) and for AI transformation (AX, AI Transformation). Among 28 major deep learning frameworks, 25 are open source technologies, which have improved the ease of AI development and accelerated the scaling-up of models. In addition, open source models such as the Transformer (the architecture underlying LLMs) and BERT (which established the pre-training paradigm) have enabled the rapid diffusion of AI technology, giving rise to the new concept of Open Source AI. However, in order to address the confusion caused by the absence of a clear concept of Open Source AI, the Open Source Initiative (OSI) published the Open Source AI Definition, and the Linux Foundation released the Model Openness Framework (MOF). Both frameworks commonly define Open Source AI as AI that permits four freedoms (use, study, modify, and share) and distinguish the scope of disclosure into data, the model, and software (code). Although there are some differences between the two, they are meaningful in that they present clearer concepts of Open Source AI and open models. Looking at recent Open Source AI trends, AI-related projects on GitHub and open model development centered on Hugging Face are increasing rapidly. As of 2024, the number of AI projects on GitHub reached 4.32 million, and as of December 2025, the number of open source models on Hugging Face surpassed 2.25 million. In addition, 89% of companies use open source technologies in the AI development process, and 63% use open models. The main reasons are innovation (67%), market standards (67%), productivity (50%), and development cost reduction (49%). According to Epoch AI’s analysis of Notable AI Models, releases of open source models have increased since 2018, and 47.3% of notable AI models released after 2018 were open source. The countries leading open model releases are the United States and China, and the majority of participating organizations are from industry and academia. The primary types of released models are language models, vision models, and multimodal models. Behind the expansion of open model releases lies the U.S.–China competition for AI leadership. While the early Open Source AI ecosystem was led largely by U.S. companies (such as Meta and Google), since 2025 Chinese companies such as DeepSeek and Alibaba have been rapidly expanding their influence by actively releasing open models that combine strong performance with low cost. These companies are pursuing higher customer satisfaction and productivity by enhancing the intelligence of their products and services in conjunction with open models, and they are strategically driving the launch of new services linked to open models in order to generate additional revenue. Considering these global trends in open-source AI, there is a need to reassess the strategic value of the open-source AI ecosystem in advancing the national objective of becoming one of the world’s top three AI powers. For U.S. and Chinese firms, the global open-source AI ecosystem is being leveraged as a means of securing technological capabilities (e.g., early DeepSeek’s use of the LLaMA model architecture and the adoption of LLaMA’s Mixture-of-Experts (MoE) approach by DeepSeek), as a mechanism for establishing technological credibility through open and transparent validation of high-quality technologies, and as a tool for broadening the ecosystem base by disclosing technologies and allowing free use. Accordingly, strategic utilization of open-source AI is becoming increasingly important for achieving top-three AI status. First, because open-source AI holds value as a strategic source of technology, it is necessary to internalize core AI capabilities and secure industry-specific AI technologies by promoting advanced open-source-AI-based R&D to strengthen AI technological sovereignty. Second, because open-source AI also has value as a strategic technological instrument for a nationwide AI transformation, it is essential to build the foundations (ecosystem) for expanding the use of open source AI and to cultivate specialized human resources.

최근 AI는 전례 없는 기술 진보 속도로 경제, 사회, 문화 전반에 걸친 구조적 변화를 촉발하고 있으며, 산업과 기술은 물론 일상생활까지 아우르는 범용 기술로 빠르게 확산되고 있다. 거대 자본과 고급 인력을 요구하는 생성형 AI의 특성으로 인해 국가 간 기술 격차가 더욱 확대되고 있다. AI 기술을 선도하고, 산업 경쟁력 확보를 위한 인재 양성을 위해 우리나라 AI 교육 체계의 현황을 면밀하게 진단하고, 효율적인 AI 인재 양성 방향을 제시할 필요가 있다. 초중등부터 대학·대학원, 직업교육에 이르기까지 전 AI 교육 단계를 분석하고, AI 산업 수요에 부응하는 인재 양성을 위해 고려해야 할 사항을 점검하고자 한다. 초중등 교육 단계에서는 모든 학생에게 디지털 리터러시를 필수역량으로 강화하는 동시에, 잠재적 고급인재를 조기 발굴하기 위해 AI·디지털 영재교육원 운영, AI 특화 교육과정 등 사업을 진행하고 있다. 대학과 대학원의 교육 체계는 AI 실무형 인재와 AI 핵심기술을 개발할 수 있는 최고급 인재를 양성하는 이중 목표를 가지고 재구성되고 있다. AI 실무 인재 양성을 위해 SW중심대학 등을 신설하고, 마이크로전공 등 유연한 학사 제도를 도입하고 있다. AI 대학원을 신설하고, SW스타랩 등 장기적인 R&D지원사업을 통해 세계적 수준의 AI 인재 양성에 집중하고 있다. 직업교육 분야에서는 정부, 기업, 민간 교육기관이 협력하여 비전공자를 위한 AI 교육과 도메인 전문 인력을 위한 AI 활용 교육을 효과적으로 제공하는 교육 생태계를 구축하고 있다. 프로젝트 기반 교육(PBL)과 현직 전문가 참여는 실무 적합성을 높이며, 교육과 채용 간 간극을 축소하는 데 기여하고 있다. 민간 교육기관은 기술 변화 속도에 빠르게 대응할 수 있는 민첩성을 기반으로 최신 기술스택을 신속하게 교육과정에 반영하고 있다. 또한 급변하는 AI 기술을 적시에 학습하기 위해서는 학교, 정부, 기업 등이 제공하는 제도적 교육만으로는 한계가 있어, 개인 주도의 대안적 교육이 이를 보완하고 있다. 자기주도성은 AI시대 학습자의 필수역량으로 강조되고 있으며, 향후 모든 교육 단계에서 핵심적인 학습 능력으로 자리매김할 것으로 전망된다. 우리나라 AI 교육은 산업 경쟁력 확보를 위한 AI 활용, 융합 인재와 함께 AI 패러다임 전환을 이끌 수 있는 AI 핵심인재을 양성하는 두축의 목표를 모두 달성하도록 설계되는 것이 필요하다. 이를 위해서는 AI 핵심 인재에게는 글로벌 수준의 연구 인프라와 장기적 몰입 환경을, 활용,융합 인재에게는 산업 수요 기반의 유연한 실무 프로젝트 교육을 제공하는 맞춤형 투 트랙 전략을 추진하고, 이를 지속할 민⦁관⦁학 협력 생태계를 조성해야 한다. Executive Summary Recently, AI has triggered structural changes across the economy, society, and culture at an unprecedented speed of technological advancement, rapidly spreading as a general purpose technology that encompasses not only industries and technologies but also daily life. Due to the characteristics of Generative AI, which requires massive capital and high level talent, the technological gap between nations is widening. To lead in AI technology and secure industrial competitiveness, it is necessary to closely examine the current status of Korea's AI education system and suggest efficient directions for fostering AI talent. This report analyzes all stages of AI education from primary and secondary education to universities, graduate schools, and vocational training and reviews key considerations for nurturing talent that meets the demands of the AI industry. In the primary and secondary education stages, digital literacy is being strengthened as an essential competency for all students. Simultaneously, to identify potential high level talent early, initiatives such as the operation of AI and digital gifted education centers and the implementation of AI specialized curricula are underway. The education system in universities and graduate schools is being restructured with a dual goal: fostering practical AI talent and cultivating top-tier talent capable of developing core AI technologies. To strengthen the training of AI practical talent, new initiatives such as software-focused universities and flexible academic programs, including micro degree, are being introduced. Furthermore, to nurture world class AI talent, AI graduate schools have been established, and long term R&D support programs, such as SW Star Labs, are being concentrated on. In the field of vocational education, the government, corporations, and private educational institutions are cooperating to build an ecosystem that effectively provides AI education for non majors and AI utilization training for domain experts. Project Based Learning (PBL) and the participation of industry experts enhance practical relevance and contribute to narrowing the gap between education and employment. Private educational institutions, leveraging their agility to respond quickly to technological changes, are rapidly incorporating the latest technology stacks into their curricula. However, since institutional education provided by schools, the government, and corporations has limitations in keeping up with rapidly changing AI technology, alternative education is complementing these gaps. Self directedness is emphasized as an essential competency for learners in the AI era and is expected to become a core learning ability across all future stages of education. Korea's AI education system must be designed to fulfill a dual mandate: fostering talent for AI application and convergence to secure industrial competitiveness, and cultivating core AI talent capable of leading the AI paradigm shift. To this end, a tailored 'two-track strategy' must be implemented providing worldclass research infrastructure and a long term immersive environment for core talent, while offering flexible, practical project based training grounded in industrial demands for application and convergence talent supported by a sustainable cooperative ecosystem involving industry, the government, and academia."

디지털 전환의 가속화로 소프트웨어(SW) 융합은 산업의 부가가치를 높이고 경쟁력을 제고하는 핵심 동력으로 부상하고 있다. 글로벌 산업특화 SW의 성장률은 연평균 15%에 이르고 있으며 국내 역시 이러한 성장추세를 따라 산업별 SW의 성장률이 증가하고 있다. 이처럼 그 중요성이 확대됨에도 불구하고 산업별 SW융합 수준을 객관적으로 진단할 수 있는 체계가 부재하여 효과적인 정책수립에는 한계가 있다. 이에 본 고는 기술‧조직‧환경(TOE) 프레임워크를 기반으로 ‘SW융합경쟁력 진단체계’를 개발하고 시사점을 도출하고자 한다. 우선 기존 진단체계와 선행문헌을 검토하고 TOE 프레임워크를 기반으로 진단체계(안)을 수립하였다. 이후 지표의 타당성과 실효성 확보를 위해 델파이(Delpi) 조사와, 계층화 분석법(AHP)를 결합한 연구방법론을 차용하였다. 분석 대상이 되는 주력산업은 제조업(전자기기, 자동차, 조선)과 서비스업(금융, 보건, 물류)의 6개산업으로 선정하였다. 이 후 해당 분야 산‧학‧연 전문가 28인을 대상으로 3라운드에 걸친 델파이 조사를 통해 기술, 조직, 환경의 대분류 하에 20개 세부측정 지표를 확정하였다. 추가로 AHP 조사를 수행하여 업종별 차등을 두고 가중치를 도출하였다. SW융합경쟁력 진단 체계 도출 및 분석 결과, 제조업과 서비스업의 SW융합은 우선순위에서 차이가 존재했다. 첫째, 기술 측면에서 두 산업 모두 ‘신SW기술 도입’의 중요도가 가장 높은 순위에 있었으나 SW융합의 방향은 제조업의 경우 ‘업무 자동화(2위)’, 서비스업은 ‘기술 간 연계 및 통합(2위)로 가중치가 다르게 나왔다. 이는 제조업이 하드웨어 기반의 공정 효율화에 SW융합을 활용하고 있으며 서비스업은 파편화된 시스템의 유기적인 연결을 통해 고객 경험 향상을 중요하게 여기는 것을 나타낸다. 둘째, 조직 측면에서 제조업은 ’전담인력 보유 수준(5위)‘을 중요하게 평가하여 양적 인력 확보가 중요함을 시사하였으며 서비스업은 ’인력 수급의 적정성(8위)‘을 중요하게 평가하여 비즈니스와 기술을 잇는 고숙련 전문가의 질적 매칭이 중요함을 보여주었다. 셋째, 환경 측면에서 두 산업 모두 ’정부지원 만족도‘와 ’규제개선‘ 등의 정책 요인을 하위권으로 평가하였다. 이는 현장의 수요 대비 정부 정책의 체감도나 중요도가 낮다는 의미로 정책 공급과 시장 수요 간의 미스매치가 존재할 수 있음을 시사한다. 본 이슈리포트는 SW융합경쟁력 진단체계를 도출하여 산업별 SW융합수준을 평가할 수 있는 기준을 제시하였으며 이를 통해 향후 관련 연구 확장 및 정부의 SW융합경쟁력 지원 전략 수립을 위한 토대를 마련하였다. Executive Summary As digital transformation accelerates, software (SW) convergence has emerged as a core driver for enhancing industrial value and competitiveness. While the global market for industry-specific software is growing at an annual average rate of 15%—a trend mirrored in Korea—effective policy-making has been hindered by the absence of an objective system to diagnose convergence levels across different industries. To address this gap, this report aims to develop a ‘SW Convergence Competitiveness Diagnosis Framework’ based on the Technology-Organization-Environment (TOE) framework. To ensure both validity and practical applicability, this study employed a mixed-method approach combining Delphi surveys and the Analytic Hierarchy Process (AHP). The research targeted six key industries: manufacturing (semiconductors, automobiles, shipbuilding) and services (finance, healthcare, logistics). Through a three-round Delphi survey involving 28 experts from industry, academia, and research, 20 detailed measurement indicators were established under the categories of Technology, Organization, and Environment. Subsequently, an AHP analysis was conducted to derive weighted priorities tailored to the distinct characteristics of each sector. The diagnostic analysis revealed distinct strategic priorities for SW convergence between the manufacturing and service sectors. In the technology dimension, while both sectors identified the adoption of new SW technologies as the highest priority, their strategic directions diverged significantly. The manufacturing sector prioritized task automation, reflecting a focus on hardware-based process efficiency. In contrast, the service sector prioritized inter-technology connectivity and integration, highlighting the importance of organic system connections to enhance the customer experience. Significant differences were also evident in the organizational and environmental dimensions. Regarding human resources, the manufacturing sector placed high importance on the retention of dedicated personnel, signaling a critical need for quantitative workforce expansion. Conversely, the service sector valued the appropriateness of personnel supply, indicating a demand for the qualitative matching of high-skilled experts capable of bridging business and technology. Furthermore, both sectors ranked policy factors, such as government support satisfaction and regulatory improvement, in the lower tier of importance. This ranking suggests a mismatch between policy supply and market demand, indicating that the perceived impact of current government policies is low relative to the actual needs of the industrial field. Consequently, this report establishes a foundational standard for evaluating industrial SW convergence levels by deriving a comprehensive diagnosis framework. These findings provide a critical basis for expanding future academic research and formulating evidence-based government support strategies optimized for the specific needs of Korea’s key industries.

전 산업에서 소프트웨어 활용이 보편화됨에 따라, 산업별 업무 구조와 규제·데이터 특성을 반영한 Vertical SaaS가 산업 혁신을 이끄는 핵심 인프라로 부상하고 있다. 과거 범용 소프트웨어 중심의 업무 전산화 단계를 넘어, 산업 고유의 문제를 정밀하게 해결하는 특화 소프트웨어에 대한 수요가 확대되면서 Vertical SaaS는 점차 산업 경쟁력과 직결되는 전략적 자산으로 인식되고 있다. 이러한 변화 속에서 글로벌 Vertical SaaS 시장은 2024년 약 901억 달러에서 2030년 약 2,056억 달러로 성장할 것으로 전망되며, 연평균 14% 이상의 높은 성장세가 예상된다. 이는 온프레미스 기반 산업용 소프트웨어의 성장률을 크게 상회하는 수준으로, 산업 전반에서 클라우드 기반 업무 전환이 일시적 흐름을 넘어 구조적 단계에 진입했음을 시사한다. 특히 초기에는 대기업을 중심으로 도입이 확산되었으나, 2026년 이후에는 중소기업 부문의 도입 확산이 본격화되며 시장 성장의 주요 동력으로 작용할 전망이다. 이와 같은 Vertical SaaS의 구조적 성장은 정치·법, 경제, 사회, 기술 환경 변화가 복합적으로 작용한 결과로 해석할 수 있다. 먼저 의료·금융·제조 등 규제 강도가 높은 산업에서는 규제 준수와 리스크 관리를 사후 대응이 아닌 소프트웨어 단계에서 선제적으로 내재화하려는 수요가 지속적으로 확대되고 있다. 한편 경제적 측면에서는 인건비 상승과 노동력 부족이 장기화되면서, 자동화를 통해 명확한 비용 절감 효과와 투자 대비 성과를 제공하는 구독형 SaaS 모델의 채택이 가속화되고 있다. 사회적으로는 제조 현장과 의료 분야를 중심으로 만성적인 인력 부족이 심화되는 가운데, 비대면·원격 근무 환경의 확산이 산업 특화 업무 도구의 필요성을 더욱 부각시키고 있다. 기술적으로는 생성형 AI와 대규모 언어모델의 결합을 통해 소프트웨어가 단순 지원 도구를 넘어 자율적으로 업무를 수행하는 주체로 진화하고 있으며, 클라우드 네이티브 환경의 정착은 이러한 변화의 확산 속도를 높이고 있다. 이러한 환경 변화는 향후 Vertical SaaS 시장이 헬스케어, 금융, 제조업을 중심으로 성장할 것임을 시사한다. 헬스케어 분야에서는 AI 기반 임상 문서 자동화와 의료 데이터 상호운용성에 대한 수요가 확대되면서, 향후 5년간 가장 높은 성장률이 예상된다. 금융 분야는 전체 Vertical SaaS 시장에서 큰 비중을 차지하는 핵심 산업으로, 레거시 시스템의 클라우드 전환과 함께 규제·컴플라이언스 대응 수요가 맞물리며 안정적인 성장세를 유지하고 있다. 제조업 역시 공급망 불확실성 대응과 공정·설비 운영의 효율화를 위한 소프트웨어 기반 통제 수요가 확대되며, 특히 중소 제조 현장을 중심으로 경량화된 산업특화 SaaS 도입이 빠르게 확산되고 있다. 결과적으로 Vertical SaaS는 개별 기업의 효율화 도구를 넘어, 산업 전반의 생산성과 경쟁력을 좌우하는 핵심 인프라로 자리 잡고 있다. 이에 따라 기업은 범용 SaaS 활용에 머무르기보다, 산업 도메인 지식과 현장 데이터를 결합한 AI-Native 서비스로의 전환 전략을 적극적으로 모색할 필요가 있다. 동시에 정책적으로는 산업별 공통 데이터 기반과 인프라를 조성하고, 규제 샌드박스 및 제도 개선을 통해 새로운 Vertical SaaS 모델의 시장 진입 불확실성을 완화할 필요가 있다. 아울러 산업 선도 대기업과 SaaS 기업 간 협업을 촉진함으로써 실증 중심의 성공 사례를 창출하고, 이를 산업 전반으로 확산시키는 생태계 기반 조성 전략이 요구된다. Executive Summary As software adoption becomes increasingly widespread across industries, Vertical SaaS is emerging as an important component of digital transformation in industrial sectors. Rather than relying on horizontal, general-purpose enterprise software, organisations are progressively adopting specialised platforms that align with industry-specific workflows, regulatory requirements, and data structures. In this context, Vertical SaaS is increasingly recognised not only as a tool for improving operational efficiency, but also as an enabling asset that supports industrial competitiveness. The global Vertical SaaS market is projected to expand from approximately USD 90.1 billion in 2024 to USD 205.6 billion by 2030, corresponding to an average annual growth rate of over 14%. This growth markedly exceeds that of on-premises industrial software, suggesting that cloud-based operating models have entered a phase of structural diffusion across industries. While early adoption was largely concentrated among large enterprises, market expansion from 2026 onward is expected to be increasingly driven by uptake among small and medium-sized enterprises. This expansion reflects the combined effects of regulatory, economic, social, and technological developments. In sectors characterised by high regulatory intensity—such as healthcare, financial services, and manufacturing—organisations face growing incentives to integrate compliance and risk-management functions directly into core software systems, rather than relying on ex post controls. From an economic perspective, persistent labour shortages and rising labour costs are strengthening demand for subscription-based SaaS models that support automation and productivity improvements, while offering clearer cost–benefit outcomes. Social factors, including chronic workforce constraints and the wider adoption of remote and hybrid working arrangements, are further increasing the relevance of industry-specific digital tools. In parallel, advances in generative artificial intelligence and large language models are enabling Vertical SaaS solutions to evolve beyond decision-support functions toward more autonomous task execution, while the continued maturation of cloud-native environments is reducing barriers to adoption. Looking ahead, market growth is expected to be concentrated in healthcare, financial services, and manufacturing. In healthcare, demand is being driven by the adoption of AI-enabled clinical documentation and workflow automation, alongside increasing requirements for interoperability across health data systems, resulting in comparatively strong growth prospects over the next five years. Financial services constitute a substantial and relatively stable segment of the Vertical SaaS market, supported by the gradual modernisation of legacy systems and sustained demand for regulatory and compliance-related solutions. In manufacturing, the transition from hardware-oriented operations toward software-based monitoring, control, and optimisation is accelerating, particularly in response to supply-chain volatility and increasing resilience requirements. Adoption is also expanding among small and medium-sized manufacturers through more modular and field-oriented SaaS solutions. Overall, Vertical SaaS is evolving beyond a firm-level efficiency instrument to become an enabling layer of digital infrastructure with implications for productivity and competitiveness at the industry level. For firms, this implies a gradual shift from generic SaaS tools toward AI-enabled solutions that combine domain-specific knowledge with operational data. From a policy and ecosystem perspective, priorities include supporting the development of shared, industry-level data infrastructures that individual firms may find difficult to establish independently; reducing uncertainty related to experimentation and market entry through regulatory sandboxes and adaptive regulatory approaches; and encouraging collaboration between incumbent firms and specialised SaaS providers to facilitate diffusion, interoperability, and the scaling of effective solutions across sectors.

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.

본 보고서는 글로벌 디지털 전환 가속화와 기술 패권 경쟁 심화 속에서 국내 SW기업의 해외진출이 선택이 아닌 필수 전략으로 전환되고 있다는 인식에서 출발하였다. AI, 데이터, 플랫폼, 사이버보안 등 디지털 기술 수요는 전 세계적으로 확대되고 있으나, 국가별 규제·표준 차이, 시장 구조의 복잡성, 신뢰성과 레퍼런스 확보 부담 등으로 인해 단독 기업 중심의 해외진출 방식은 구조적 한계에 직면하고 있다. 또한, 바우처, 컨설팅, 정보 제공 등 기존 해외진출 지원정책 역시 초기 시장 탐색 단계에는 기여했으나, 실제 해외 사업 수행과 시장 안착 단계까지 충분히 연결되지 못하는 한계가 지속적으로 제기되고 있다. 이에 본 보고서는 협력형 해외진출을 국내 SW기업의 대안으로 설정하고, 그 개념과 유형을 체계적으로 정리하였다. 협력형 해외진출은 공공–민간 협력형과 민간–민간 협력형으로 구분되며, 정부의 역할과 협력 구조, 해외시장 접근 방식에서 차이를 보인다. 네덜란드 Partners for International Business(PIB) 사례는 정부가 공식 파트너로 참여해 제도적 신뢰와 외교·공공 네트워크를 제공함으로써 산업 단위의 집합적 해외진출을 가능하게 한 공공–민간 협력형 모델을 보여준다. 반면 독일 Export Initiative Environmental Protection(EXI) 사례는 정부가 촉진자 역할에 집중하고, 민간기업들이 컨소시엄을 구성해 해외 프로젝트를 직접 수행하는 민간–민간 협력형 모델의 특징을 잘 보여준다. 해외 사례를 검토한 결과, 협력형 해외진출은 신뢰 확보와 리스크 분산, 통합 솔루션 제공을 통해 해외시장 진입 가능성을 실질적으로 높이는 전략임이 확인되었다. 본 보고서는 이를 바탕으로 국내 SW기업이 시장과 기술 특성에 맞는 협력형 해외진출 전략을 선택·설계할 필요성을 제시하며, 정부 역시 개별 기업 지원 중심에서 벗어나 협력 구조 형성을 촉진하는 방향으로 해외진출 정책을 고도화할 필요가 있음을 시사한다. Executive Summary This report recognizes that overseas expansion has become a necessity for Korean software companies as global digital transformation and technological competition intensify. While demand for digital technologies such as artificial intelligence, data, platforms, and cybersecurity continues to grow, firm-centered overseas expansion strategies face structural limitations due to regulatory and market complexity, as well as rising requirements for trust and reference acquisition. In addition, existing support policies—such as vouchers, consulting, and information provision—have mainly supported early-stage market exploration, with limited impact on actual project execution and market settlement. The report therefore examines cooperative overseas expansion as a practical alternative and classifies it into public–private and private–private collaboration models. These models differ in government roles, collaboration structures, and approaches to overseas markets. The Netherlands’ Partners for International Business(PIB) program represents a public–private model that facilitates industry-level collective expansion through government-backed credibility and networks, while Germany’s Export Initiative Environmental Protection(EXI) illustrates a private–private model in which firms form consortia to directly implement overseas projects with the government acting as a facilitator. The analysis shows that cooperative overseas expansion improves market entry feasibility by strengthening trust, dispersing risks, and enabling integrated solutions. Based on these findings, the report suggests that Korean software companies should strategically design cooperative expansion models suited to market and technological characteristics, and that government policies should focus on fostering collaborative structures to support sustainable overseas expansion.

인공지능(AI)은 전 세계 경제, 산업, 사회를 재편하는 핵심 동력으로 부상하고 있다. 그간 컴퓨팅 성능과 데이터 저장 능력 등 하드웨어 발전이 주로 조명되어 왔지만, AI 혁신을 실질적으로 가능하게 만드는 소프트웨어의 역할은 상대적으로 덜 주목받아 왔다. 그러나, 소프트웨어는 복잡한 알고리즘을 구현하는 수준을 넘어, AI 기술의 효율성, 확장성, 접근성 등을 좌우하는 기반이다. 고급 소프트웨어 프레임워크와 프로그래밍 언어는 개발자와 연구자가 정교한 AI 모델을 신속하게 개발하고 개선 및 배포하도록 지원한다. 현대의 인공지능은 방대한 데이터의 수집, 처리, 그리고 고성능 컴퓨팅 자원을 활용한 연산에 기반하고 있다. AI 모델은 다양한 응용 애플리케이션의 엔진으로 여러 AI 서비스와 제품의 근간이 된다. 즉, 소프트웨어가 AI를 만들고, AI는 다시 소프트웨어의 가치를 높이는 동반 성장이 진행중이다. 이러한 소프트웨어의 근본적 중요성은 분명한 정책적 함의를 갖는다. 하드웨어 인프라나 데이터에 대한 투자만으로는 충분치 않으며, 오픈소스 소프트웨어 생태계, 표준화와 상호운용성, 견고한 소프트웨어 보안 프레임워크 등과 같은 전략적 지원이 병행되어야 한다. 더불어 소프트웨어와 인공지능의 통합적 교육과 인력 양성, 기술 개발, 국제 협력을 촉진하는 정책은 장기적인 AI 경쟁력과 포용적 성장을 뒷받침하는 핵심 수단이 될 것이다. 결국 ‘소프트웨어 생태계의 경쟁력이 곧 AI 경쟁력’이라는 인식을 바탕으로 AI 정책 전반을 설계하고 수행할 필요가 있다. 이 보고서에서는 AI의 개발 생애주기 단계별로 저변에서 활용되는 소프트웨어의 역할과 사례를 살펴보고, AI 생태계를 견실화하기 위한 SW 정책을 짚어보고자 한다. Executive Summary Artificial intelligence (AI) is emerging as a core driver reshaping the global economy, industry, and society. While advancements in hardware—such as computing power and data storage capacity—have received considerable attention, the role of software in making AI innovation practically feasible has been relatively underexplored. However, software extends far beyond the mere implementation of complex algorithms; it constitutes the foundation that determines the efficiency, scalability, and accessibility of AI technologies. Advanced software frameworks and programming languages enable developers and researchers to rapidly design, refine, and deploy sophisticated AI models. Contemporary AI systems rely on the large-scale collection and processing of data, as well as intensive computation leveraging high-performance computing resources. AI models function as the core engines of diverse applications, forming the backbone of a wide range of AI services and products. In this sense, software enables the creation of AI, while AI, in turn, amplifies the value of software—illustrating a process of mutual and reinforcing growth. The fundamental importance of software carries clear policy implications. Investment in hardware infrastructure or data alone is insufficient; it must be accompanied by strategic support for areas such as open-source software ecosystems, standardization and interoperability, and robust software security frameworks. Furthermore, policies that promote integrated education and workforce development in software and AI, technological innovation, and international cooperation will serve as critical instruments for sustaining long-term AI competitiveness and fostering inclusive growth. Ultimately, AI policy should be designed and implemented based on the recognition that the competitiveness of the software ecosystem directly translates into the competitiveness of AI. This report examines the roles and illustrative cases of software underpinning each stage of the AI development lifecycle and explores software policy directions aimed at strengthening the overall AI ecosystem.

AI 기술의 급격한 발전으로 AI 프로젝트 발주가 증가하고 있지만, 기존의 기능점수(FP) 방식은, 챗봇이나 RAG(검색 증강 생성)와 같이 사용자 인터페이스는 단순하지만 그 이면에서 방대한 데이터 처리와 복잡한 연산을 수행하는 AI 사업의 실질적 규모를 반영하지 못한다는 한계를 드러내고 있다. 이로 인해 AI 프로젝트의 예산 책정의 현실성이 떨어질 위험성을 안고 있다. 이러한 문제를 해결하기 위해서 본 보고서는 AI프로젝트를 거대한 빙산에 비유하며, 수면 아래 잠겨 있는 데이터 전처리, 임베딩, 벡터 저장소 구축 등 고난도 기술 엔지니어링 영역은 국제 표준인 SNAP(Software Non-functional Assessment Process) 모델을 도입하여 별도로 정량화할 것을 제안한다. 이는 기존 방식으로는 측정 불가능했던 백엔드(Back-end) 기술 공수에 대해 정당한 가치를 부여하는 해결책이 될 것이다. 마지막으로 합리적인 규모산정 체계의 적용을 위해 AI 기술규모 자동화 측정 도구 발굴, AI 프로젝트 데이터 축적, 그리고 AI 엔지니어링 기업 생태계 육성을 실현방안으로 제시한다. 궁극적으로는 이러한 노력이 AI 프로젝트 사업 대가 산정의 정확성과 투명성을 제고하는 데 기여할 것으로 기대한다. Executive Summary As AI technologies advance rapidly, the number of AI project procurements continues to grow. Yet the traditional Function Point (FP) method shows clear limitations: in AI projects such as chatbots or Retrieval-Augmented Generation (RAG), the user interface may appear simple while massive data processing and complex computational workflows operate underneath. FP cannot capture the true scale of these hidden engineering efforts, creating a risk that AI project budgets will be underestimated and ultimately unrealistic. To address this gap, this report shifts the focus from AI model development to AI Application Service Construction (Engineering) and proposes a framework for scope estimation. It recommends adopting the international SNAP (Software Non-functional Assessment Process) standard to quantify the technical complexity involved in back-end operations—such as data preprocessing, embedding generation, and vector-store construction—that FP cannot measure. For a sound compensation system to take root, this report suggests key directions: discovering automated measurement tools for AI technical scope, accumulating AI project data, and fostering the AI engineering company ecosystem. Ultimately, these efforts will contribute to enhancing the accuracy and transparency of AI project cost estimation.

디지털시장법(DMA)은 글로벌 빅테크 기업의 독점적 지위 남용을 억제하고 EU 내 공정경쟁을 촉진하기 위해 제정된 사전규제다. EU는 자국 내 대형 플랫폼 부재와 미국계 빅테크가 운영체제(OS), 앱스토어, 검색, 클라우드 등 SW 기반 플랫폼·서비스 를 장악한 구조적 문제에 대응하고자 2024년 3월 DMA를 본격 시행하였다. 그러나 DMA는 게이트키퍼 규제라는 본래 목표 달성과 더불어, 데이터 처리 제한, 상호운용성 의무, 광고 정보 제공 등 SW 아키텍처와 데이터 인터페이스에 대한 직접 개입을 통해 스타트업 신규 진입과 투자 환경을 위축시키는 의도치 않은 효과가 확인되고 있다. 스타트업·투자 데이터를 활용한 실증 분석 결과, DMA 적용 산업(검색, 소셜미디어, 클라우드 등 10개 분야)은 비적용 산업 대비 신규 기업 수와 투자 규모가 유의하게 감소하였다. 특히 규제 충격 직후 투자자의 위험 인식 확대로 DMA 적용 산업의 매력도가 하락했고, 이는 스타트업 진입 위축으로 이어졌다. 규제 준수 비용 증가, 법적 불확실성, 빅테크의 위험 회피적 행태 등이 복합적으로 작용해, SW 기반 혁신 생태계의 활력을 저하시킬 수 있는 부정적 파급효과를 동반하였다. 이는 플랫폼 규제가 단순히 대형 플랫폼 기업을 넘어 SW 생태계 전반에 연쇄적 영향을 미친다는 점을 시사한다. 한국은 제22대 국회를 중심으로 다수의 플랫폼 규제 법안을 발의했으나, 사전규제와 사후규제 중 어떤 방식을 택할지, 규제 범위와 강도를 어떻게 설정할지는 여전히 확정되지 않았다. 법안들은 ① 시장지배적 지위 규율을 강조하는 독점규제형, ② 플랫폼–입점업체 간 거래관계 개선을 강조하는 거래공정화형, ③ 양자를 결합한 혼합형으로 유형화된다. 한국은 공정경쟁과 국내 플랫폼 산업의 혁신 동력 및 경쟁력 유지라는 이중 과제에 직면해 있다. 불공정행위 억제를 중심에 두되, 상호운용성·데이터 이동성·앱스토어 개방 등 SW 기술구조에 대한 개입이 국내 SW기업 생태계에 미치는 영향을 면밀히 고려한 균형적 설계가 필요하다. 특히 국내 기업은 규제 집행의 직접 대상이 되는 반면, 글로벌 기업은 한국 내 활동 규모에 따라 규제 강도가 상대적으로 약화될 수 있다는 점에서 역차별 위험도 존재한다. 한국은 규제의 정당성을 확보하면서도 국내 SW 산업의 지속적 성장과 혁신을 유지할 수 있는 정교한 정책 조정이 요구된다. Executive Summary The Digital Markets Act (DMA) is an ex-ante regulatory framework designed to curb the abuse of dominant positions by global Big Tech firms and to promote fair competition within the European Union. The EU enacted the DMA in full force in March 2024 to address structural concerns stemming from the absence of large domestic platforms and the growing dominance of U.S.-based Big Tech companies across software-based platforms and services—including operating systems (OS), app stores, search, and cloud services. However, beyond its original goal of regulating gatekeepers, the DMA has produced unintended consequences: by directly intervening in software architectures and data interfaces through obligations related to data processing restrictions, interoperability, and advertising transparency, it has been found to dampen startup entry and weaken investment conditions. Empirical analysis using startup and investment data shows that industries subject to the DMA—such as search, social media, and cloud computing—experienced significantly fewer new firm entries and reduced investment volumes compared to non-regulated sectors. Immediately following the regulatory shock, heightened investor risk perception further diminished the attractiveness of DMA-regulated industries, leading to reduced startup entry. Increased compliance costs, legal uncertainties, and risk-averse responses by Big Tech collectively contributed to negative spillover effects that may undermine the vitality of software-based innovation ecosystems. These findings suggest that platform regulation affects not only large incumbent platforms but also has cascading impacts across the broader software ecosystem. In Korea, numerous platform regulation bills have been introduced in the 22nd National Assembly, yet no consensus has been reached on whether to adopt an ex-ante designation regime or an ex-post presumption framework, nor on the appropriate scope and intensity of regulatory obligations. The proposals fall into three categories: (1) competition-oriented bills that focus on regulating dominant positions; (2) transaction fairness–oriented bills that aim to improve relationships between platforms and business users; and (3) hybrid models combining both approaches. Korea thus faces a dual challenge: aligning with global regulatory trends while safeguarding the innovation capacity and competitiveness of its domestic platform industry. While curbing unfair practices remains essential, a balanced regulatory design must carefully account for the implications of interventions into software technical structures—such as interoperability, data portability, and app-store openness—on the domestic software industry and developer ecosystem. In particular, Korean firms are likely to become the direct subjects of regulatory enforcement, whereas global companies may face attenuated regulatory pressure depending on the scale of their operations in Korea, raising concerns about potential reverse discrimination. Korea will therefore need finely calibrated policy adjustments that secure the legitimacy of platform regulation while ensuring the sustained growth and innovation of its domestic software industry.

최근 AI와 사이버보안은 국가 경쟁력과 디지털 주권을 좌우하는 핵심 분야로 자리잡았으며, 각국은 자국의 정치·경제·산업 구조에 기반한 상이한 정책 모델을 구축하고 있다. 본 보고서는 두 기술의 중요성에 주목하여, 미국, 유럽연합, 중국, 일본 등 주요국과 사우디아라비아, 싱가포르 등 신흥국을 대상으로 인공지능과 사이버보안 분야의 거버넌스, 국가 전략, 규제 체계를 종합적으로 분석하였다. 국가별 차이를 AI와 사이버보안의 기술 특성에 따라 구조화하여 비교·분석한 결과, 미국은 민간혁신 중심의 개방형 접근을 취하면서도 위험관리와 안전성 확보를 위한 행정명령 기반 규제를 병행하고 있다. 유럽연합은 EU AI Act와 NIS2 등 강력한 규제 체계를 통해 글로벌 기술 규범을 선도하고 있다. 중국은 국가안보와 데이터 통제를 핵심 원칙으로 하는 중앙집중형 거버넌스를 강화하고 있으며, 일본은 자율 규범과 산업 생산성 향상을 결합한 실용주의 모델을 유지하고 있다. 신흥국 중 사우디아라비아는 초대형 프로젝트와 결합된 중앙집중형 전략을 통해 AI와 보안 기술을 국가발전 전략의 주요 수단으로 활용하고 있으며, 싱가포르는 균형적 규범 체계와 민첩한 실행 구조를 기반으로 아시아 지역의 선도적 기술 정책 모델을 구축하고 있다. 본 보고서는 이러한 과정을 통해 국내 SW기업이 규제로 인한 위험 수준과 시장 진입 기회를 판단하는데 참고할 수 있도록 각 국가별로 인공지능 및 사이버보안에 대한 규제 강도를 제시하였다. 규제 강도 기준으로는 법률 차원의 강력한 구속력이 존재, 주요 기반시설 등 일부에만 의무 부과, 지침·권고 수준의 자율 규제 기조, 입법 논의 단계의 네 가지 강도를 설정하였다. 이를 통해 국내 SW기업이 국가별 규제 리스크를 진입전략의 핵심 요소로 인식하고, 시장별로 차별화된 대응전략을 수립해야 함을 확인한다. Executive Summary AI and cybersecurity have become critical to national competitiveness and digital sovereignty, prompting countries to adopt distinct governance, strategy, and regulatory models. This report analyzes major economies—the United States, the European Union, China, and Japan—and emerging economies such as Saudi Arabia and Singapore, comparing national approaches in AI and cybersecurity and assessing their implications for global markets and corporate activities. The findings show that the United States combines private-sector-led innovation with executive action–based risk and safety measures, while the European Union is shaping global norms through robust frameworks such as the EU AI Act and NIS2. China strengthens a centralized, security- and data-control-oriented model, whereas Japan maintains a pragmatic approach centered on voluntary guidelines and productivity gains. Saudi Arabia links centralized strategies to large-scale national projects, and Singapore advances a balanced regulatory framework with agile implementation. Given widening cross-country divergence in regulation and technology policy, the report highlights the need for Korean software companies to proactively identify country- and technology-specific risks and opportunities. It therefore provides a four-level regulatory intensity scale for each country and technology—ranging from strongly enforceable legal obligations to sector-limited mandates, guideline-based self-regulation, and legislation under discussion—so firms can better assess compliance risks and market entry opportunities and develop market-specific strategies.

글로벌 기술경쟁이 심화되는 가운데 각 산업은 소프트웨어(SW) 중심의 혁신을 가속화하면서 산업특화 소프트웨어(Vertical Software, 이하 산업특화SW)의 중요성이 부각되고 있다. 산업특화SW는 산업 고유의 규제, 워크플로우, 도전과제 등에 대한 해결 도구로 활용되면서 주력 산업의 핵심으로 자리매김하고 있다. 이에 따라 금융, 자동차, 공공행정 등 각 산업별 산업특화SW에 대한 수요가 증가하고, 주요국 정부도 산업특화SW 육성을 통해 주력 산업의 경쟁력 강화를 꾀하고 있다. 금융산업의 중심인 미국과 영국은 블록체인 기술을 중심으로 금융SW 개발 촉진과 핀테크 규제 원스톱 접근 스마트도구 개발 지원을 추진하고 있으며, 유럽은 자동차산업 선도를 위해 SDV(Software-Defined Vehicle)로의 미래차 이니셔티브를 발표하고 오픈소스 개발 및 자동차SW 역량 강화에 투자하고 있다. 국내 주력산업의 경쟁력 확보를 위해 산업특화SW 역량 강화 방안 마련이 필요한 시점이다. 이를 위해 본 고는 금융, 자동차 분야의 산업특화SW 사례를 분석함으로써 산업특화SW의 특성에 기반한 정책 방안을 마련하고자 하였다. 금융분야의 산업특화SW는 안전한 금융거래를 위한 규제준수와 금융서비스 품질향상을 위한 움직임을 나타냈다. 금융거래 본인 확인을 위한 고객확인(KYC)SW는 인증 방식의 다양화 또는 간소화에 대한 요구와 이로 인한 금융침해 위험 우려가 상존하고 있으며, 금융사고 예방·모니터링을 위한 이상거래탐지시스템(FDS)은 정확하고 빠른 탐지 기술을 통해 금융안전을 지원하고자 하였다. 자동차분야의 산업특화SW는 안전운행과 SW보안에 대한 규제기준이 지속 높아짐에 따라 이에 대한 준수와 신SW 기술 도입을 병행할 수 있는 방향으로 나아가고 있다. 부품·완성차의 정확한 설계 지원을 위한 제품 엔지니어링·설계SW는 설계 단계에서 제품의 안전기준을 준수할 수 있도록 정확한 시뮬레이션 기능을 제공하고, 설계 효율화를 위한 협업체계를 마련하고 있다. SDV플랫폼은 완성차에 대한 SW보안 기준을 준수할 수 있도록 점검할 수 있는 기술이 제품 경쟁력이 되고 있으며, 부품공급사·SW개발사 등을 포괄하는 협업 생태계 구축 측면에서 중요성이 강조되고 있다. 산업특화SW는 산업 고유의 문제 해결을 위해 규제 준수, 산업 전문성, 기능적 특수성이 요구된다. 이러한 특성들을 고려해 국내 산업특화SW 역량 강화를 위해 기업과 정부가 함께 노력할 필요가 있다. 기업은 산업특화SW가 기업 성장의 동력이 될 수 있음을 인식하고 자사의 제품·기술을 산업특화SW 수요 대응에 포커싱한 전략 수립이 요구된다. 정부는 기술 측면에서 산업별 맞춤형 신SW기반 융합서비스·모듈기술 개발, 인재 측면에서 산업별 규제 요구 수준에 맞는 SW안전·보안 전문인재 양성, 기반 측면에서 산업특화SW 규제준수 진입장벽을 낮추기 위한 가이드 및 도구 개발이 필요하다. Executive Summary As global competition intensifies, each industry is accelerating software-centric innovation, highlighting the growing importance of vertical software (industry-specific software). Vertical software is becoming a core component of key industries, serving as a solution to industry-specific regulations, workflows, and challenges. Consequently, demand for vertical software in sectors such as finance, automobiles, and public administration is increasing, and governments in major countries are seeking to strengthen the competitiveness of their key industries by fostering vertical software. The US and UK, the leaders of the financial industry, are promoting financial software development centered on blockchain technology and supporting the development of smart tools for a one-stop approach to fintech regulation. Meanwhile, Europe has announced its Future Vehicle Initiative, SDV (Software-Defined Vehicle), to lead the automotive industry and is investing in open source development and automotive software capabilities. To secure the competitiveness of Korea's key industries, it is crucial to develop measures to strengthen vertical software capabilities. To this end, this paper analyzed vertical software cases in the financial and automotive sectors to develop policy measures based on their characteristics. Vertical software in the financial sector has demonstrated a drive toward regulations for safe financial transactions and improved financial service quality. Know Your Customer (KYC) software, which verifies financial transactions, faces persistent demands for diversification or simplification of authentication methods and concerns about the resulting financial breaches. Fraud Detection Systems (FDS), designed to prevent and monitor financial incidents, aim to support financial safety through accurate and rapid detection technology. Vertical software in the automotive sector is moving toward a path that allows for both compliance with increasingly stringent regulatory standards for safe driving and software security and the adoption of new software technologies. Product engineering and design software, which supports the precise design of components and complete vehicles, provides accurate simulation capabilities to ensure compliance with product safety standards during the design phase and establishes collaborative systems to enhance design efficiency. The SDV platform's ability to verify compliance with software security standards for finished vehicles is becoming a key competitive advantage. Its importance is also being emphasized in building a collaborative ecosystem encompassing parts suppliers and software developers. Vertical software requires regulatory compliance, industry expertise, and functional specialization to address industry-specific challenges. Considering these characteristics, joint efforts between businesses and the government are crucial to strengthening domestic vertical software capabilities. Companies must recognize that vertical software can be a driving force for corporate growth and develop strategies that focus their products and technologies on meeting vertical software demand. The government needs to develop customized new software-based convergence services and module technologies tailored to each industry. Furthermore, fostering software safety and security experts who meet industry-specific regulatory requirements is crucial. Furthermore, developing guidelines and tools to lower barriers to entry for vertical software compliance is crucial.

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.