B2B 소프트웨어(SW)의 발전과 신기술의 융합은 산업 메타버스로의 진화를 촉진하고 있다. 기존에 공급망 관리(SCM), 전사적 자원관리(ERP) 등 B2B SW는 주로 기업 간 상호작용과 업무 효율화에 중점을 두었지만, 최근 인공지능(AI), 빅데이터, 사물인터넷(IoT) 등의 기술과 통합되면서 의사결정 지원과 업무 자동화가 더욱 고도화되고 있다. 또한, 이는 가상과 현실세계를 연결하는 확장현실(XR), 디지털트윈(DT) 같은 기술과 결합하면서 산업 메타버스라는 새로운 패러다임이 형성되고 있다. 산업 메타버스는 가상 공간에서 공장 운영, 제품 설계, 직원 교육 등을 가능하게 하여 현실 산업의 디지털화를 촉진하고 있다. 이는 제조, 물류, 의료 등 다양한 산업에서 활용될 수 있으며, 생산성 향상과 비용 절감 등의 실질적 성과를 창출하면서 2030년까지 약 1,000억 달러 규모로 성장할 것으로 예상된다. 산업 메타버스는 물리적 세계와 디지털 세계의 융합을 통해 가상 환경에서 현실 문제를 해결하고 산업 효율성을 높이는 기술로 이해할 수 있다. 가상 시뮬레이션, 원격 모니터링, 가상 제품 시연, 협업 등을 통해 생산성 향상, 비용 절감, 교육 및 훈련 효율성 증대를 가능하게 한다. 글로벌 빅테크 기업들은 산업 메타버스 플랫폼 선점, 기업 간 파트너십 및 레퍼런스 확보를 통해 생태계를 구축하고 있다. 국내에서도 제조, 국방, 제약 등 다양한 분야에서 도입 사례가 창출되기 시작하고 있으며, 수요기업과 공급기업 간 협력도 가시화되고 있다. 중장기적으로 산업 메타버스 관련 초기 투자와 협력이 증가하고, AI와 XR 등의 기술 발전을 통해 다양한 산업에서 활용이 확대되며, 직원 재교육과 환경적 고려, 그리고 경영진과 직원의 기술 역량 강화가 중요해질 전망이다. 제조업에 특화된 산업 메타버스 플랫폼의 경우, 기술 발전과 AI 융합으로 맞춤형-대량 생산 특화 기능들이 요구되는 방향으로 발전할 것으로 예상된다. 산업 메타버스 도입 활성화를 위해서는 사례 확산, 생태계 구축, 플랫폼 개발, AI 융합, 인력 양성이 중요하다. 첫 번째로, 제조, 의료, 에너지 등 다양한 산업에서 성공 사례를 발굴하고 이를 확산해야 한다. 기술 성숙도와 조직의 수용도를 고려하여 도입 장애를 줄이고, 정부는 도입 초기의 어려움을 해결할 가이드라인과 재교육 지원을 제공할 필요가 있다. 두 번째로, 중소기업의 산업 메타버스 도입 부담을 줄이기 위해 디지털 트윈, XR 등 신기술 도입 지원, 전문 인력 육성, 컨설팅 지원 등이 필요하다. 세 번째로, XR, AI, IoT 등 여러 기술이 융합되므로 다양한 기술 기업 간의 협업이 필수적이다. 정부는 기업, 연구기관, 학계 간 협력을 조율하여 상호 운용 가능한 생태계를 구축해야 한다. 네 번째로, 제조업에 특화된 산업 메타버스 플랫폼을 개발하여 기업들이 쉽게 활용할 수 있도록 제공해야 한다. 다섯 번째로, 산업 메타버스와 AI 융합을 촉진하기 위해 연구개발 지원, 파일럿 프로젝트 운영, 민관 협력 촉진 등 다양한 측면의 지원 제공이 필요하다. 여섯 번째로, 전문 인력 양성을 위해 교육 프로그램 개발 및 산학 협력을 강화하고 재직자 교육과 연구개발 인력 양성도 지원할 필요가 있다. Executive Summary The advancement of B2B SW and the convergence of new technologies are accelerating the evolution toward the industrial metaverse. Traditionally, B2B software like SCM and ERP focused on improving efficiency and interactions between businesses, but recently, the integration of technologies such as AI, big data, and IoT has led to more sophisticated decision-making support and automation. Additionally, the combination of these technologies with XR and digital twin, which bridge the virtual and real worlds, has created a new paradigm called the industrial metaverse. The industrial metaverse facilitates the digital transformation of real-world industries by enabling factory operations, product design, employee training, and more within virtual spaces. This technology is expected to be utilized in various sectors, including manufacturing, logistics, and healthcare, driving real-world improvements such as increased productivity and cost reduction. By 2030, the industrial metaverse is projected to grow into a market worth approximately $100 billion. The industrial metaverse can be understood as a technology that merges the physical and digital worlds, solving real-world challenges and enhancing industrial efficiency within virtual environments. Through virtual simulations, remote monitoring, virtual product demonstrations, and collaboration, it enables increased productivity, cost savings, and improved efficiency in education and training. Global big tech companies are building ecosystems by securing industrial metaverse platforms, forming partnerships between businesses, and gaining references. In South Korea, adoption cases are emerging in sectors like manufacturing, defense, and pharmaceuticals, with visible cooperation between demand-side and supply-side companies. In the mid to long term, early investments and collaborations related to the industrial metaverse are expected to increase, with the expansion of its use across various industries due to the advancement of technologies like AI and XR. In this context, employee reskilling, environmental considerations, and the enhancement of technical expertise among management and employees will become critical. For industrial metaverse platforms specialized in manufacturing, advancements in technology and the fusion with AI are anticipated to drive the demand for features tailored to mass customization. To promote the adoption of the industrial metaverse, it is essential to expand case studies, build ecosystems, develop platforms, integrate AI, and train skilled personnel. First, successful cases in various industries such as manufacturing, healthcare, and energy should be identified and disseminated. By considering the maturity of technology and organizational readiness, adoption barriers can be reduced, and the government should provide guidelines and retraining support to address initial challenges. Second, to ease the adoption burden on small and medium enterprises (SMEs), support for implementing new technologies like digital twins and XR, workforce development, and consulting are needed. Third, as multiple technologies such as XR, AI, and IoT converge, collaboration among diverse tech companies is essential. The government should coordinate partnerships among businesses, research institutes, and academia to establish an interoperable ecosystem. Fourth, an industrial metaverse platform tailored to manufacturing should be developed to enable easy access for businesses. Fifth, to foster the integration of the industrial metaverse with AI, a variety of support measures are required, including research and development funding, pilot projects, and public-private collaboration. Lastly, to develop a skilled workforce, the creation of specialized training programs, stronger academia-industry cooperation, as well as employee training and R&D talent development, are crucial.

최근 몇 년간 인공지능(AI) 기술의 발전은 챗GPT의 출시 이후 거대 언어 모델(LLM) 개발 경쟁을 거치며 가속화되었다. 현재 공개된 AI 모델들의 성능은 특정 분야에서는 이미 인간의 능력을 뛰어넘었고, 이에 따라 활용 범위 또한 급격히 확장되었다. 특히 생성 AI를 기반으로 하는 범용 AI는 제조, 의료, 금융, 교육 등의 여러 산업 분야에서 활용되고 있다. 하지만, AI 기반의 서비스들이 다양한 이점을 제공하는 한편, 고성능 AI에 대한 접근성의 향상으로 인해 새로운 위험에 대한 우려 또한 증가했다. 이에 따라, 기존 AI 신뢰성, 책임성, 윤리 등의 논의와 더불어, ‘AI 안전’이 더욱 중요해졌다. 악의적인 사용, 오작동과 같은 위험들이 실제 피해까지 야기하고 있는 만큼, AI의 안전 확보를 위한 대응책 마련이 시급해진 상황이다. 앞으로 등장할 더 강력한 성능을 가진 프론티어 AI 모델은 의도치 않은 결과의 도출, 제어 불가, 사회적 악영향 등 여러 잠재적인 위험을 포함할 가능성이 높아, 규제와 지침 마련을 비롯하여 다양한 국제적 노력이 이루어지고 있다. 각 국의 정부, 기업 등 이해관계자들은 AI의 안전성을 확보하기 위해, 위험을 식별하여 평가 기준을 마련하고, 안전한 AI 개발 및 배포와 위험 대응책을 마련하기 위해 노력하고 있다. 최근 연구들에서는 사고 사례나 발생 가능한 시나리오에 따른 위험들을 분류하여 제시하고 있다. 하지만, 연구마다 다양한 위험 분류 체계를 제시하고 있어, 합의된 AI 안전 평가 체계를 마련하기에는 아직 더 많은 논의가 필요한 상황이다. 미국, 영국, 일본 등은 AI 시스템의 안전성 확보를 위해 AI 안전연구소를 통해 AI 안전 및 위험 연구, 위험성 평가, 안전한 AI 개발·구현을 위한 기준 마련 등의 기능을 수행 중이다. 대표적으로 AI 위험 관리 프레임워크(美), AI 안전에 관한 과학 보고서(英) 등을 통해 AI의 위험에 대한 대응 방안을 제시하고 있으며, 한국도 설립될 AI 안전연구소를 통해 AI 안전 수요에 대응할 예정이다. 본 보고서에서는 AI 안전과 관련된 개념을 정리하고, 최근 수행된 연구들이 제시하고 있는 AI 위험 유형 및 요인을 정리하여, 사례와 함께 분석함으로써 앞으로의 AI 위험 대응에 관한 정책적 시사점을 제공하고자 한다. Executive Summary Advancements in artificial intelligence (AI) technology have accelerated, particularly following the launch of ChatGPT, which has triggered a competitive race in the development of large language models (LLMs). The performance of currently available AI models has already surpassed human capabilities in certain domains, leading to a rapid expansion in their areas of application. General-purpose AI, especially those based on generative AI, is now being utilized across various industries, including manufacturing, healthcare, finance, and education. However, while AI-based services offer numerous benefits, the increased accessibility of high-performance AI has also raised concerns about new risks. As a result, alongside existing discussions on AI reliability, accountability, and ethics, "AI safety" has become an increasingly critical issue. Given that risks such as malicious use and malfunctions are already causing real harm, there is an urgent need for measures to ensure AI safety. Governments, corporations, and other stakeholders are working to ensure the safety of AI by identifying risk factors, establishing evaluation criteria, and developing measures for the safe development and deployment of AI, as well as for responding to potential risks. Recent studies have classified risk factors based on accident cases and possible scenarios. However, since each study presents different classification, further discussion is needed to establish a common AI safety evaluation framework. The United States, the United Kingdom, and Japan are addressing safety of AI through dedicated agency, which focus on AI risk research, risk assessments, and the development of standards for the safe creation and implementation of AI systems. Notable examples include the AI Risk Management Framework (USA) and the Science Report on AI Safety (UK), both of which propose strategies for addressing AI-related risks. Korea also plans to address AI safety demands through the establishment of its own AI safety institute. This report aims to organize the concepts related to AI safety, summarize the risk factors identified in recent studies, and analyze these factors along with real-world cases to offer policy implications for future AI risk response strategies.

오픈소스 개발 방식을 도입한 깃허브 사용자 수가 1억 명을 넘어서고 깃허브 활용 조직의 수가 400만 개를 넘어섰으며, 오픈소스 프로젝트 수도 지속적으로 성장하면서 오픈소스 생태계가 꾸준히 성장하고 있다. 오픈소스 생태계 성장 배경에는 글로벌 기업의 기술적 기여와 재정적 후원이 있었기 때문이다. 리눅스 재단 보고서에서 전체 오픈소스 기여자의 약 88%가 기업과 연관있는 개발자이었으며, 2006년 이후 리눅스 커널 개발 활동에서 기업 비중은 약 75%를 차지하고 있었다. 그리고, 가장 활성화된 오픈소스 재단인 리눅스 재단의 경우 재단 수익의 45%가 기업의 연회비이었으며, 기업들은 행사 후원 등을 포함하여 오픈소스 활성화를 위한 다양한 지원을 제공하고 있다. 그 결과 소프트웨어 생태계에서 오픈소스 선호 비중이 증가하고 있으며 오픈소스 서비스 시장은 2028년 752억 달러에 이를 것으로 전망될 정도로 오픈소스의 산업적 영향력이 계속 커져가고 있다. 실제로 오픈소스 운영체제인 리눅스 커널은 모바일, 서버, 슈퍼컴, 클라우드 분야에서 압도적 영향력을 가지고 있으며, 데이터베이스 분야에서 오픈소스 비중은 절반을 넘어섰다. 또한, 인공지능, 클라우드, 블록체인 등의 SW 신기술 분야에서 오픈소스 전문기업들이 증가하며 영향력을 키우고 있다. 오픈소스의 산업적 영향력 확대로 오픈소스 생태계의 경제적 효과를 새로운 관점에서 분석하는 보고서들이 유럽(EU), 영국, 미국에서 최근 발표되고 있다. 이에 본 보고서는 크런치베이스에서 Open Source Companies로 분류된 기업들의 8개월간(‘23년 8월 ~ ’24년 4월) 변화를 조사하여 최근 증가하고 있는 글로벌 오픈소스 전문기업 현황을 분석하였다. 분석 결과, 오픈소스 전문기업들은 유럽, 북미, 아시아를 중심으로 증가하였고 특히 2021년 이후 증가량이 커지고 있었다. 8개월간 변화에서 추정 매출(Estimated Revenue)과 종사자 수(Number of Employees)가 증가하며 기업 규모가 성장하는 것으로 판단되었다. 그리고 오픈소스 전문기업에 대한 투자가 창업(Seed) 투자를 중심으로 증가하고 있었으며, 연도별 투자 현황에서 2021년 이후 크게 증가하는 것으로 분석되었다. 그리고 운영 중단(Closed) 기업의 투자 정보에서 M&A 비중이 64.3%를 차지하면서, M&A가 오픈소스 전문기업의 운영 중단에 큰 비중을 차지하며 기업 청산보다 투자금 회수에 다소 유리하다고 판단된다. 마지막 시사점으로 오픈소스 생태계 확산을 3 단계(1. SW 개발자, 2. 빅테크 기업, 3. 오픈소스 전문기업)로 구분하였으며, 글로벌 오픈소스 생태계 변화에 맞춰 오픈소스 사업화 문화 확산을 위한 오픈소스 전문기업 육성 및 글로벌 오픈소스 생태계 참여 지원 필요성을 제기하였다. Executive Summary The number of users of GitHub, which adopted the open source development method, has exceeded 100 million, the number of organizations utilizing GitHub has exceeded 4 million, and the number of open source projects has also continuously grown, so the open source ecosystem grows steadily. The background of the open source ecosystem growth is based on the technical contributions and financial support of global companies. According to the Linux Foundation report, approximately 88% of all contributors were developers related to companies, and since 2006, companies have accounted for approximately 75% of Linux kernel development activities. In the case of the Linux Foundation which is the most active open source foundation, 45% of the foundation's revenue came from corporate membership fees, and companies provided additional supports for open source activation including event sponsorship. As a result, the preference for open source in the software ecosystem is increasing, and the open source service market is expected to reach $75.2 billion by 2028, which is how the industrial influence of open source is growing. For example, the Linux kernel, an open source operating system, has an overwhelming influence in the mobile, server, supercomputer, and cloud sectors, and then the proportion of open source in the database sector has exceeded half. In addition, open source companies are increasing and increasing their influence in new SW technologies such as artificial intelligence, cloud, and blockchain. As the industrial influence of open source expands, reports analyzing the economic effects of the open source ecosystem from an industrial perspective are being published in Europe (EU), the UK, and the US. So, this report analyzed the changes in the status of global open source specialized companies, which have been increasing recently, over the past eight months (August 2023 to April 2024) classified as Open Source Companies by Crunchbase. The analysis results show that open source specialized companies have increased mainly in Europe, North America, and Asia, then the increase has been increasing since 2021. Looking at the changes over the eight months, it was determined that the estimated revenue and number of employees have increased, indicating that the company size is growing. And, investment in open source specialized companies has been increasing mainly in seed investments, and the annual investment status shows that it has increased significantly since 2021. As the proportion of M&A in the investment information of closed companies accounts for 64.3%, it can be seen that M&A has a great impact on the closed operation of open source specialized companies and is advantage for recovering investment funds than liquidating the company. As a final implication, the expansion of the open source ecosystem is divided into three stages (1. SW developers, 2. Big tech companies, 3. Open source specialized companies), and the need to foster open source specialized companies and support participation in the global open source ecosystem to spread the open source commercialization culture in line with these changes in the global ecosystem is raised.

본 연구는 디지털 전환(DX) 발전 유형에 따른 기업 맞춤형 정부 지원 방향을 제시하는것을 목적으로 한다. 이를 위해 최근 3년간 9개 주요 산업에 속한 1,181개 국내 기업을 대상으로 수집된 SW융합실태조사 데이터를 분석하였다. 분석은 디지털 전환을 촉진하는 주요 요인인 인력, 투자, 기술 수준을 중심으로 이루어졌으며, 이를 바탕으로 기업들을 네 가지 군집으로 분류하였다. 각 군집은 디지털 전환 수준에 따라 ‘DX 선도군’, ‘기술 주도 DX 발전군’, ‘신기술 활용 DX 발전군’, ‘DX 준비군’으로 정의하였다. DX 선도군은 SW R&D 투자 비중이 높고, SW 신기술 도입 및 활용 측면에서 다른 군집보다 앞서 있다. 이들 기업은 충분한 SW 인력을 보유하고 있으며, 디지털 전환의 여러 분야에서 선도적인 역할을 하고 있다. 반면, DX 준비군은 인력, 기술, 투자 측면에서 상대적으로 부족한 상태에 있으며, 디지털 전환 초기 단계에서 기술 인프라 및 전문 인력 부족으로 인한 어려움을 겪고 있다. 기술 주도 DX 발전군은 SW R&D 투자 비중은 높으나, SW 신기술을 실제로 활용하는 인력 비율이 낮다. 이 그룹은 기존 SW 기술을 기반으로 연구와 개발을 추진하며, 기술 중심의 발전을 통해 DX 선도군으로 성장할 가능성을 지니고 있다. 신기술 활용 DX 발전군은 SW R&D 투자 비중은 낮지만, SW 신기술 도입 및 활용 인력 비율이 높다. 이 그룹은 최신 기술 트렌드를 신속히 수용하며 디지털 전환을 가속화하고 있다. 디지털 전환 유형별로 산업 비중, 종사자 규모, 디지털 전환 추진 목적 및 분야, SW 전공자 비중과 조직 분포, 학력 비중, 디지털 전환 시 겪는 애로사항 등을 종합적으로 분석하였다. 그 결과, 기업의 성공적인 디지털 전환을 위해서는 정부가 재정 지원, 기술 인프라 제공, 인재 양성 등 기본적인 지원뿐만 아니라, 각 기업의 디지털 전환 발전 유형에 따른 맞춤형 지원 정책을 마련해야 한다는 결론을 도출하였다. DX 준비군에 속한 종사자 규모가 비교적 작은 기업에는 디지털 전환 부스트업 프로그램을 통해 공동 데이터 센터 및 신기술 체험 공간이 필요하며, 기술 주도 DX 발전군에는 산·학·연 협력 및 대기업 매칭을 통한 기술 개발 지원이 요구된다. 신기술 활용 DX 발전군에는 재직자를 위한 맞춤형 SW 신기술 교육 과정과 다양한 수준의 교육 모듈이 제공되어야 하며, DX 선도군에는 규제 샌드박스를 통해 혁신 기술 테스트를 지원하고, 법률·기술 전문가의 컨설팅 및 규제 완화가 필요하다. Executive Summary This study aims to propose customized government support directions for companies based on the development types of digital transformation (DX). To achieve this, data from the Software Convergence Status Survey, collected over the past three years from 1,181 Korean domestic companies across nine major industries, were analyzed. The analysis focused on key factors driving digital transformation, such as workforce, investment, and technology level, and based on these, companies were categorized into four clusters. These clusters were defined as 'DX Leading Group,' 'Technology-driven DX Development Group,' 'New Technology-utilizing DX Development Group,' and 'DX Preparedness Group,' according to their level of digital transformation. The DX Leading Group has a high proportion of investment in software R&D and leads other groups in the adoption and utilization of new software technologies. These companies have sufficient software personnel and play a leading role in various fields of digital transformation. On the other hand, the DX Preparedness Group is relatively lacking in terms of workforce, technology, and investment, facing challenges such as a shortage of technical infrastructure and skilled personnel in the early stages of digital transformation. The Technology-driven DX Development Group has a high proportion of software R&D investment but a low percentage of personnel utilizing new software technologies. This group promotes research and development based on existing software technologies and has the potential to grow into the DX Leading Group through technology-centered development. The New Technology-utilizing DX Development Group has a low proportion of software R&D investment but a high percentage of personnel utilizing new software technologies. This group rapidly adopts the latest technology trends and accelerates digital transformation. The study comprehensively analyzed factors such as the industrial distribution, size of employees, purposes and fields of digital transformation, proportion of software majors and organizational distribution, education levels, and difficulties experienced during digital transformation, according to the types of digital transformation. As a result, it concluded that, for a company's successful digital transformation, the government should not only provide basic support such as financial aid, technology infrastructure, and talent development but also establish tailored support policies according to each company’s type of digital transformation. For small and medium-sized enterprises in the DX Preparedness Group, a digital transformation boost-up program that provides joint data centers and new technology experience spaces is necessary. For the Technology-driven DX Development Group, support for technology development through industry-academia-research cooperation and matching with large enterprises is required. The New Technology-utilizing DX Development Group needs tailored software new technology education programs for incumbent workers and various levels of educational modules. Lastly, the DX Leading Group should be supported through regulatory sandboxes to test innovative technologies, along with consulting from legal and technical experts and regulatory relaxation.

전 세계적으로 정부는 디지털 기술을 활용해 공공서비스를 혁신하고, 사회문제를 해결하는 새로운 형태의 거버넌스 모델을 모색하고 있다. 전통적인 전자정부 모델이 정부 업무와 서비스를 디지털화하여 효율성과 투명성을 강조했던 반면, 디지털 정부는 국가 전체의 디지털 전환을 통해 사회문제를 해결하고 국가 경쟁력을 강화하는 것을 목표로 한다. 정부의 형태가 데이터와 디지털 기술을 적극적으로 활용하는 방향으로 변화하면서 민간의 아이디어와 기술을 활용한 민·관 협력과 혁신 생태계의 진화를 강조하는 GovTech이 부상하였다. GovTech은 정부(Government)와 기술(Technology)의 합성어로 공공서비스 개선과 정부 운영의 효율성 향상 등 기술을 통한 혁신을 주도하는 것을 의미한다. 본 연구는 GovTech의 개념과 글로벌 동향을 살펴보고 미국, 유럽, 아시아, 남미 등 다양한 국가에서의 GovTech 사례를 바탕으로 GovTech의 유형화를 시도하였다. 특히, 다양한 국가의 GovTech 사례들을 검토하여 GovTech이 실현되는 층위, 기대효과에 따라 GovTech의 유형을 거버넌스 수립형, 아이디어 공모형, 플랫폼 활용형, 문제 해결-기업 성장 동시추구형, 혁신 연구형 등 다섯 가지로 분류하였다. 아직 발전 초기 단계에 있어 이론화가 부족한 GovTech 분야에서 사례 기반의 GovTech 유형화 시도는 추상적인 GovTech의 개념을 명확히 하고 GovTech 정책 수립을 위한 기초 자료를 제공할 수 있다. 나아가 본 연구는 유형화 연구를 바탕으로 GovTech을 실현하려는 목적, 추진하고자 하는 방식, 기대효과에 따른 맞춤형 GovTech 정책 전략 수립에 기여한다. Executive Summary Globally, governments are leveraging digital technologies to innovate public services and explore new governance models to address societal challenges. While traditional e-government models focused on digitizing government operations and services to emphasize efficiency and transparency, digital government aims to solve societal problems and enhance national competitiveness through the digital transformation of entire nations. As governments increasingly utilize data and digital technologies, there has been a rise in GovTech, which emphasizes public-private partnerships and the evolution of innovation ecosystems, leveraging ideas and technologies from the private sector. GovTech, a combination of "government" and "technology," refers to innovations driven by technology that aim to improve public services and enhance the efficiency of government operations. This study examines the concept and global trends of GovTech and attempts to classify different types of GovTech based on case studies from various countries, including the United States, Europe, Asia, and South America. Specifically, the study categorizes GovTech into five types based on the layers of implementation and expected outcomes: governance establishment, idea crowdsourcing, platform utilization, problem-solving with simultaneous business growth, and innovation research. Since GovTech is still in its early stages and lacks theoretical foundation, this case-based attempt to classify GovTech helps clarify the abstract concept and provides fundamental data for GovTech policy development. Furthermore, this study contributes to the formulation of tailored strategies based on the purpose, approach, and expected outcomes of GovTech implementation.

ISSUE REPORT 2024.5.3. IS-171 A Study on the Development of The Industrial Classification System of Metaverse Sang-Yeal Han, Yiseul Jeon, Nayeon Kwak, and Seulki Lee SPRi 소프트웨어정책연구소 Software Policy & Research Institute

본고는 생성형 AI로 인한 소프트웨어 개발 프로세스별 개발 업무 변화를 살펴보고, 이것이 소프트웨어(Software, 이하 SW) 개발자 직무에 어떠한 영향을 주는지와 그 시사점에 대해 논하려고 한다. 생성형 AI란, 텍스트, 오디오, 이미지, 동영상 형태의 새로운 콘텐츠를 생성하도록 설계된 인공지능 모델이다. 생성형 AI라는 화두를 세상에 내놓은 OpenAI사의 ChatGPT는 지금까지 출시된 애플리케이션 중 가장 빠른 속도로 이용자 수가 늘어나고 있다. 이러한 경향은 생성형 AI의 활용이 업무 효율성을 향상할 것으로 기대되기 때문이며, 특히 개발환경의 변화로 인해 개발자의 역할 또한 변화할 것으로 전망된다. SW 개발은 SW 요구분석, 설계, 구현 및 시험 등의 복잡한 프로세스로 구성되어 있다. 또한 고객사의 개발 및 운영 환경, 성능 및 보안 요구 수준, 유지보수성 등 다양한 요소를 고려해야 하는 정형화하기 어려운 업무이기 때문에 생성형 AI가 개발자 업무에 주는 영향은 예상만큼 크지 않았다. SW개발 단계 중 SW 구현과 SW 시험 단계에는 생성형 AI 활용이 가능하다. 생성형 AI를 이용하면 SW 구현 단계에서는 코드 생성, 코드 자동완성, 주석 작성, 코드 번역, 리버스 엔지니어링 등이 가능하다. SW 시험은 시간이 많이 소요되고 반복적인 업무가 많아, 생성형 AI 활용에 가장 효과적인 단계이다. 반면에 고객과의 커뮤니케이션이 중요한 SW 요구분석 단계와 최신 기술을 포함한 복잡한 기술을 연계하여 수행해야 하는 SW 설계 단계는 생성형 AI의 활용이 쉽지 않다. 전반적으로 생성형 AI 개발도구의 활용은 개발자의 생산성 향상에 효과가 있으나, 개발 단계, 개발하는 제품이나 서비스의 종류, 개발자의 수준 등에 따라 생성형 AI의 활용 방법 및 효과의 차이가 큰 것으로 분석되었다. 개발도구로써 생성형 AI의 활용은 초급개발자보다 생성형 AI 환각에 의한 잘못된 정보를 빠르게 판단할 수 있는 중급개발자의 생산성을 더 높이는 것으로 확인되었다. 반면에 초급개발자는 생성형 AI를 프로그램 언어 학습에 유용하게 활용할 수 있으며, 초급개발자 수준이 빠르게 높아질 것으로 예측된다. SW개발자의 작업에서 생성형 AI의 영향을 받는 작업은 일부분이다. 개발자 직무를 수행하기 위해서는 데이터 분석, SW 및 DB 설계, 시스템 결정 및 성능 개선 등 개발 관련 기술 업무 이외에도, 동료와 업무 협의, 이슈 해결 등의 소프트스킬이 필요한 작업이 있어 개발자 업무와 개발 생산성에 대한 생성형 AI의 영향 정도를 정량적으로 파악하기는 어렵다. 생성형 AI 시대에 대비하기 위해 개발자 수준에 따른 세분화된 생성형 AI 활용 전략 마련, 직무별로 상이한 생성형 AI의 영향을 고려한 개발자 양성 규모 검토가 필요하다. 또한 생성형 AI를 활용하면서 직면할 수 있는 저작권 문제, 프라이버시 문제, 모델 오남용 문제에 대해 적절히 대응할 수 있도록 기본적인 AI 윤리 교육에 대한 강화가 시급하다. Executive Summary In this article, we'll take a look at how generative AI is changing the development process and discuss the implications for developer jobs. Generative AI is an AI model designed to generate new content in the form of text, audio, image and video. The use of generative AI is growing at a rapid pace. This is because it is expected to improve work efficiency, and the role of developers is also expected to change due to changes in the development environment. SW development consists of a complex process of SW requirements analysis, design, implementation, and testing. In addition, the impact of generative AI on developers' work is not as large as expected because it is a difficult task to formalize that requires consideration of various factors such as the customer's development environment, performance and security requirements, and maintainability. Generative AI can be used for SW implementation and SW testing during the SW development phase. On the other hand, the SW requirement analysis phase, which requires communication with customers, and the SW design phase, which involves complex technologies including the latest technologies, are not easy to use generative AI. Overall, the use of generative AI development tools is effective in improving developers' productivity, but there are large differences in how generative AI is used and its effectiveness depending on the development stage, the type of product or service being developed, and the level of developers. Only a small part of a SW developer's work is affected by generative AI. In addition to technical tasks related to development, such as data analysis, SW and DB design, system performance improvement, developers also need soft skills, such as collaborating with colleagues, so it is difficult to quantify the extent of the impact of generative AI on developer work and development productivity. In order to prepare for the era of generative AI, it is necessary to prepare a strategy for using generative AI that is categorized by developer level and review the scale of developer training considering the impact of generative AI by job function. It is also urgent to strengthen basic AI ethics education so that developers can respond appropriately to copyright, privacy, and model misuse issues that may arise while utilizing generative AI.

인공지능(AI) 기술은 급격한 속도로 발전해왔으며, 특히 2020년대에 들어서면서 초거대 AI 모델이 경쟁적으로 등장하고 있다. 여기서 초거대 AI 모델은 대용량 연산 인프라를 바탕으로 방대한 데이터를 학습해 인간처럼 종합적인 인지·판단·추론이 가능해진 ‘큰 규모’의 AI 모델을 의미한다. 특정 목적에 따라 개별의 데이터를 수집·학습하여 만들어지는 기존의 일반 AI는 학습된 과업(task)에 한하여 수행이 가능한 반면, 초거대 AI는 더욱 복잡하고 광범위한 분야에서 과업을 수행할 수 있다. 본고에서는 2020년부터 2023년까지 전 세계에 출시된 초거대 AI 모델 현황을 분석하고, 글로벌 기술 동향과 트렌드를 살펴보았다. 구체적으로, 미국 민간 연구단체인 ‘EPOCH AI’가 최근 업데이트(‘24년 7월)한 초거대 AI 모델 현황 DB를 통해 데이터를 수집하고, 2020년부터 2023년까지 출시된 초거대 AI 모델에 대해 출시년도, 국가, 분야, 과업유형, 개발형태, 개발조직 유형 등의 다양한 기준으로 정리·분석하였다. 우리나라 현황에 대해서도 주목하고, AI 분야에 대한 정책적 시사점을 도출하였다. Executive Summary Artificial

최근 전 산업과 일상에서 AI의 활용이 폭넓게 이뤄지고 있으나, 한편으로는 AI 위험에 대한 우려 및 AI로 인한 사건 수가 증가하면서 AI 위험 대응 요구도 확대되고 있다. 이에 따라 각국 정부와 학계, 업계 등 이해당사자가 AI의 위험을 방지하고 안전하고 신뢰할 수 있는 AI를 개발 및 도입하기 위해 노력하고 있다. 본 보고서에서는 액센츄어와 스탠퍼드 대학교가 실시한 글로벌 기업의 책임 있는 AI에 대한 조치 인식 조사를 인용하여 책임 있는 AI 영역별 대응 수준을 진단하고, 주요 기업별 전담 조직 및 AI 안전 프레임워크 현황 사례를 조사하여 기업의 구체적인 책임 있는 AI에 관한 노력에 대해 살펴보았다. 액센츄어와 스탠퍼드 대학교의 조사 결과, 기업은 개인정보 보호 및 데이터 거버넌스, 신뢰성 및 보안, 투명성 및 설명 가능성, 공정성 등 책임 있는 AI의 요인별 대응을 추진하고 있으며, 개인정보 보호 및 데이터 거버넌스 측면의 대응 수준이 가장 높게 진단되었다. 그러나, AI 모델 발전에 따른 결과 설명의 어려움, 국가별 공정성의 기준에 대한 차이 등의 사유로 투명성 및 설명 가능성, 공정성 부문에 대한 향후 조치를 향상시킬 필요가 있다. 국내외 기업별 사례 조사 결과, 주요 기업들은 AI 모델의 평가와 개발·배포 여부에 대한 의사결정을 할 수 있는 전담 조직을 설립하고, 전담 조직에 의해 AI의 위험성을 정의하고 평가하는 체계를 구축하고 있다. 국내 기업은 계열사 간 컨센서스를 위한 협의체를 운영하는 특징이 있으며, 산업으로의 AI 적용을 위한 과제별 위험 요인을 분류하고 평가하는 체계를 도입하고 있다. 글로벌 조사와 유사하게, 공정성 부문은 제도적인 가이드라인 수준으로 기업의 실질적인 조치가 미흡한 상황으로 향후 개선이 필요하다. 본 보고서의 결과는 각국 정부가 AI 규제에 관한 논의와 실행을 본격화되는 가운데, 기업들이 전담 조직을 구축하고, AI 안전 프레임워크를 수립 및 준수함으로써 책임 있는 AI를 정착시키기 위해 노력하고 있음을 보여준다. 앞으로 국내외 기업들의 안전하고 책임 있는 AI 개발 및 사용을 위한 지속적인 노력이 요구된다. Executive Summary Recently, AI has been widely utilized in all industries and daily life, but on the other hand, as concerns about AI risks and the number of incidents caused by AI increase, the demand for AI risk response is also expanding. Consequently, all stakeholders, including governments, academia, and industry, are working to prevent AI risks and ensure the development and implementation of safe and trustworthy AI. This report cites a survey of global companies' awareness of responsible AI measures conducted by Accenture and Stanford University to diagnose the level of response in each area of responsible AI, and investigates case studies of dedicated organizations and frameworks in major companies to explore specific efforts towards responsible AI. According to research conducted by Accenture and Stanford University, Global survey results show that companies are pursuing responses to responsible AI factors such as privacy protection and data governance; reliability and security; transparency and explainability; and fairness. The response level in privacy protection and data governance was diagnosed as the highest. However, due to difficulties in explaining the result of advanced AI models, challenges in processing different languages, and differences in fairness standards across countries, there is a need for improved measures in transparency, explainability, and fairness in the future. As a result of the survey of domestic and global companies, major companies are establishing dedicated organizations capable of evaluating AI models and making decisions on whether to develop and distribute them, and are establishing a system to define and evaluate the risks of AI through dedicated organizations. Domestic companies are characterized by operating a consultative body for consensus among affiliates, and are introducing a system to classify and evaluate risk factors for each task for applying AI to the industry. Similar to the Accenture survey, the fairness sector is at the level of institutional guidelines, and actual measures by companies are insufficient, so it can be said that improvement is needed in the future. The results of this report show that while governments around the world are discussing and implementing AI regulations, companies are making efforts to establish responsible AI by establishing dedicated organizations and establishing and complying with frameworks. In the future, efforts will be required to develop and use safe AI technology across the entire AI ecosystem.

유럽연합(EU)의 인공지능법(AI Act)은 AI 기술의 급속한 발전과 광범위한 적용에 따른 윤리적, 법적, 사회적 영향에 대응하기 위해 마련된 최초의 포괄적인 AI 규제 법안이다. 이 법은 2024년 3월 유럽의회에서 통과된 이후 5월 유럽이사회에서 최종 승인했으며, 6개월에서 36개월 후부터 단계적으로 시행될 예정이다. EU AI 법은 AI 시스템을 위험 수준에 따라 분류하는 것이 주요 특징이며, 이 보고서는 AI의 분류의 정의 및 예시와 이에 따르는 의무 사항들을 정리한다. '수용 불가 위험 AI 시스템'은 인간의 존엄성, 자유, 평등, 차별금지, 민주주의 및 법치와 같은 EU의 기본 가치를 위반하는 경우 사용이 전면 금지된다. '고위험 AI 시스템'은 생체인식, 중요 인프라, 교육, 필수 서비스 등 사회적으로 민감한 분야에 사용될 때 높은 수준의 규제를 받게 되며, '제한된 위험성을 갖는 AI 시스템'은 비교적 낮은 위험을 가지고 있지만, 사용자와의 상호작용 과정에서 일정한 투명성이 요구된다. 마지막으로, '저위험 AI 시스템'은 일상적인 상업적 또는 개인적 용도로 사용되며, 비교적 낮은 위험성을 지녀 규제 부담이 최소화된다. 이 법안은 AI 정책 표준을 설정하고, 기업들의 AI 개발 방식을 변화시키며, 윤리적이고 책임 있는 AI 발전에 영향을 미칠 것으로 예상된다. EU의 규제는 종종 글로벌 표준이 되는 경향이 있어, AI 법이 전 세계 AI 정책에 미칠 영향이 클 것이다. 기업 차원에서는, EU 내에 법인이나 사무소를 두고 있지 않은 기업도 EU에서 AI 시스템이 이용될 경우 이 법 규제사항을 적용을 받게 되며, 공급자뿐만 아니라 배포자, 수입업자, 유통업자에게도 의무가 부과되어 광범위한 기업에 영향을 미칠 것으로 예상되어 면밀한 검토와 대비책이 필요할 것이다. Executive Summary The European Union (EU) Artificial Intelligence Act is the first comprehensive AI regulatory bill designed to address the ethical, legal, and social impacts resulting from the rapid development and widespread application of AI technologies. Passed by the European Parliament in March 2024 and subsequently approved by the European Council in May 2024, the Act is set to be implemented in stages, starting between six and thirty-six months from its approval. A key feature of the EU AI Act is the classification of AI systems based on their risk levels. This report outlines the definitions and examples of these classifications, along with the corresponding obligations. AI systems that pose an "unacceptable risk" are banned entirely if they violate fundamental EU values such as human dignity, freedom, equality, non-discrimination, democracy, and the rule of law. "high-risk AI systems" are subject to stringent regulations when used in socially sensitive areas such as biometric identification, critical infrastructure, education, and essential services. "limited-risk AI systems" carry relatively lower risk but require a certain level of transparency in their interaction with users. Finally, "low-risk AI systems" are used for everyday commercial or personal purposes, involve minimal regulatory burden, and are considered to have relatively low risk. This Act is expected to set AI policy standards, alter corporate AI development practices, and influence the ethical and responsible advancement of AI. The EU's regulations often become global benchmarks, meaning the AI Act could significantly impact AI policies worldwide. For corporations, even those without a physical presence in the EU, compliance with these regulations will be necessary if their AI systems are used within the EU. Obligations are not only imposed on providers but also on distributors, importers, and other entities, necessitating thorough review and proactive measures by a wide range of businesses.

생성AI의 확산과 함께 인공지능 기술이 가진 잠재적 위험에 대한 우려가 고조되고 있다. 생성AI의 부정확성, 결과 해석을 어렵게 하는 블랙박스 모델과 같은 기술적 한계와 딥페이크, 사이버 공격 등 기술 오용으로 인한 사회적 피해에 대한 긴장이 높아지고 있다. 산학계의 인공지능 전문가들조차 인공지능이 인간이 이해할 수 없는 초지능으로 급속히 발전하면 자율 성장, 통제 상실 가능성이 높아져 인류의 실존을 위협할 수 있다고 경고한다. 이러한 상황에서 유럽연합은 2024년 5월 세계 최초로 인공지능 규제법인 인공지능법을 제정하였고, 미국은 2023년 10월 행정명령을 발동해 인공지능의 안전한 개발과 보급을 유도하고 있다. 2023년 11월 영국에서 세계 최초로 개최된 인공지능 안전성 정상회의는 인공지능 안전성 확보를 위한 국제 사회의 동참을 만들어 내는 계기가 되었다. 구체적으로 영국, 미국, 일본은 AI안전연구소를 설립하고, 첨단 AI의 안전성 테스트를 위한 프레임워크 개발과 정보, 인력 교류, 표준화에 상호 협력하기로 했다. 2024년 5월 제1차 인공지능 안전성 정상회의 후속으로 진행된 한국-영국 공동 주최 AI 서울 정상회의에서는 우리 정부도 AI 안전연구소 설립을 공식화하고 주요국과 함께 AI 안전성 확보를 위한 국제협력에 적극적 의지를 표명하였다. 향후 AI 안전 확보를 위한 정부의 역할이 더욱 중요해질 것으로 예상되는 가운데, AI 안전연구소는 AI 안전성 테스트 방법 및 프레임워크 개발, AI 안전성 확보를 위한 원천기술 개발 및 표준화, 그리고 이를 위한 정책연구와 민관협력, 국제 교류를 추진해 나갈 것으로 예상된다. 민간의 혁신을 저해하지 않고 사회와 산업에 안전한 인공지능을 도입·활용을 위해 AI안전연구소의 기능과 역할 정립이 요구되는 시점으로, 이 보고서에서는 영국, 미국, 일본 등 주요국의 AI안전연구소의 추진 동향을 살펴보고 국내 AI안전연구소의 역할을 모색한다. Executive Summary With the proliferation of generative AI, concerns about the potential risks of artificial intelligence technologies are mounting. The technical limitations of generative AI, such as hallucinations and black-box models that complicate result interpretation, along with the societal harm caused by the misuse of technologies like deepfakes and cyberattacks, are increasing tensions. AI experts in academia and industry warn that rapid advancements toward superintelligent AI, which humans cannot comprehend, may lead to autonomous growth and loss of control, potentially threatening human existence.In response to these concerns, the European Union enacted the world's first AI regulatory law, the Artificial Intelligence Act, in May 2024. Meanwhile, the United States issued an executive order in October 2023 to guide the safe development and dissemination of AI. The first AI Safety Summit, held in the UK in November 2023, marked a pivotal moment, fostering international collaboration to ensure AI safety. Specifically, the UK, the US, and Japan have agreed to establish AI Safety Institutes, develop frameworks for testing advanced AI safety, and cooperate on information exchange, personnel training, and standardization. Following the first AI Safety Summit in May 2024, the AI Seoul Summit, co-hosted by Korea and the UK, saw Korea committing to establishing an AI Safety Institute and expressing a strong intention to participate in international cooperation for AI safety with other major countries. As the role of the government in ensuring AI safety becomes increasingly important, the AI Safety Institute will focus on developing AI safety testing methods and frameworks, creating foundational technologies for AI safety, and promoting standardization. This will include policy research, private sector collaboration, and international exchanges. To introduce and utilize AI safely in society and industry without hindering private innovation, it is essential to define the functions and roles of the AI Safety Institute. This report examines the trends and initiatives of AI Safety Institutes in key countries, including the UK, the US, and Japan, and explores the potential roles of the Korean AI Safety Institute.

최근 디지털 전환이 가속화되고 국내 SW융합인력 수요가 급증하면서 자동차, 의료, 도소매업 등 타 산업에서 SW융합인력에게 원하는 역할과 요구사항의 범위가 확대되고 있다. SW융합인력이 방대한 양의 데이터 분석, 제조 공정·보험 설계 등 도메인 지식이 필요한 업무의 디지털화, ChatGPT, 딥러닝과 같은 신기술의 적용 분야에서 활동하고 있다. 본고는 지속 성장할 것으로 예상되는 국내 SW융합인력 양성을 위한 시의적절한 정책 수립에 도움이 될 수 있도록, 1) 관련 현황 및 문제점을 파악하고 2) 채용공고 데이터 기반의 SW융합인력 수요분석 정보를 제공하며 3) 분석 결과에 따른 시사점을 제시하고자 한다. SW융합인력이란, “SW융합인력에 대해 한국표준산업분류에서 SW산업을 제외한 산업에서 SW융합 활동이 있는 기업에 재직하는 SW인력”으로 정의하였다. 연구진은 온라인 채용정보 데이터를 활용하여 산업별, 지역별, 경력별, 학력별, 직무별, 기술 스택별 SW융합인력의 수요를 분석하였다. 단, 채용인원을 정확히 제시하지 않는 온라인 채용공고 데이터의 한계로, 채용공고 건수를 기준으로 수요를 파악하였다. SW융합인력의 수요가 많은 산업은 전자 부품·컴퓨터, 의료, 자동차, 도매 및 상품 중개업 순이었다. SW 융합인력은 3년 이상의 경력자에 대한 수요가 가장 많았으며, 신입에 대한 수요는 12%에 불과하였다. SW산업과 SW융합산업에서 요구하는 경력별, 학력별, 지역별, 직무별 인력 수요는 다소 차이가 있으며, 이에 따라 요구되는 기술 스택도 상이한 것으로 분석되었다. SW융합인력의 수요 증가에 대응하여 SW융합인력의 범위, 양성 방향 등에 대한 관련 산업계·학계·연구계의 사회적 합의 도출과 이에 따른 체계적 양성이 시급하다. SW융합인력 수급 지속가능성 제고를 위해 SW융합인력 양성 교육의 실무 적합성과 시의성을 개선, SW융합인력의 장기적 성장 지원체계를 구축해야 한다. SW융합인력에 대한 면밀한 수요분석을 통해, SW융합인력에 대한 수요가 상대적으로 큰 도메인, 직무 등을 중심으로 전략적으로 양성하는 것이 우선되어야 한다. 수도권 외 지역에 대한 SW융합인력의 원활한 수급을 위해, 지역별 특화산업과 연계된 SW융합인력 양성방안도 고려해야 한다. Executive Summary As digital transformation accelerates and the demand for software convergence workers in Korea is glowing rapidly in recent years, the range of roles for software convergence workers in other industries such as automotive, healthcare, and wholesale and retail is expanding. In order to help establish timely policies to foster software convergence workforce in Korea, which is expected to continue to grow, this paper aims to 1) Identify relevant status and problems, 2) Provide information on demand analysis of software convergence workforce based on job postings data, and 3) Present implications based on the analysis results. Software convergence workforce is defined as “Software talent who are employed in companies with SW convergence activities in industries other than the SW industry in the Korean Standard Industrial Classification.” The researchers analyzed the demand for software convergence workers by industry, region, experience, education, job function, and technology stack using online recruitment data. The industries with the highest demand for software convergence workers are electronics&computers, healthcare, automotive, and wholesale. Software convergence workers were most in demand for those with more than 3 years of experience, while only 12% of new employees were hired. In response to the increasing demand for software convergence manpower, it is urgent to derive a social consensus among related industries, academia, and research institute on the scope and direction of manpower and systematic training is urgently needed. To improve the sustainability of manpower supply and demand, it is necessary to improve the practical relevance and timeliness of software convergence manpower training and establish a support system for the long-term growth of manpower. Through a careful analysis of the demand for manpower, it should be prioritized to strategically cultivate software convergence manpower centered on domains and jobs that have a relatively large demand for software convergence manpower.