e-book 보기 이슈 ISSUE 산업혁신을 이끄는 Vertical SaaS: 시장의 성장과 시사점 포토에세이 PHOTO ESSAY 중간-이호준 포커스 FOCUS 지능화 미디어 시대의 도래: 생성형 AI와 정보 질서의 변화 민간투자(PPP) 기반 공공 SW 사업 혁신 중국 피지컬 AI의 산업화 경로 - 스마트카에서 시작된 ‘차이니즈 애자일’

2026년 전 세계 AI 지출은 2.5조 달러에 이를 전망이며, 그중 절반 이상이 서버·가속기·데이터센터 등 인프라에 집중된다. 이 투자의 중심에 NVIDIA GPU가 있으며, 데이터센터 GPU 매출의 약 86%를 차지하는 압도적 지배력을 유지하고 있다. 그러나 이러한 지배력은 단순히 하드웨어(HW) 성능에서 비롯된 것이 아니다. 동일한 H100 칩에서도 소프트웨어(SW) 최적화 수준에 따라 실제 처리량이 3배 이상 차이가 발생하며, NVIDIA 보고서는 AI SW 스택을 프레임워크, 컴파일러, 가속 라이브러리, 드라이버/런타임 4계층으로 구분하고, 각 계층이 HW 종속을 형성하는 기술적 경로를 추적한다. 이를 토대로 세 유형의 종속 메커니즘을 도출한다. CUDA 경로에서만 최적 성능이 발휘되는 성능 종속, JAX-XLA-TPU처럼 SW 선택이 곧 HW를 확정하는 설계 종속, 폐쇄적 드라이버 구조가 HW 대체를 물리적으로 차단하는 구조적 종속이 각각 상이한 메커니즘으로 작동하며, 이 세 유형이 중첩될 때 전환 비용은 기하급수적으로 증가한다. 아울러 vLLM·SGLang 등 오픈소스 추론 서빙 엔진과 LMCache 등 KV 캐시 최적화 계층이 기존 종속 구조를 부분적으로 완화하는 새로운 변수로 부상하고 있다. 주요국·기업을 3유형 종속 프레임워크로 분석한 결과, NVIDIA는 성능 종속과 구조적 종속의 이중 장벽을, Google은 설계 종속이라는 별도 경로를 구축하고 있으며, 화웨이는 3유형 종속 구조를 자국 내에서 복제·내재화하고 있다. 이 분석틀을 K-NPU에 적용하면, 한국 NPU 생태계는 '프레임워크 계층 진입에는 성공했으나, 컴파일러·라이브러리 계층의 성능 격차와 운영 생태계 규모 부족이 시장 확산을 제약하는' 구조적 위치에 놓여 있다. PyTorch 네이티브 지원과 vLLM 통합으로 1단계(프레임워크 진입)는 달성하였으나, 2단계(성능 종속 해소)는 진행 중이며, 3단계(운영 생태계 확보)는 초기 단계이다. 특히 2단계의 성능 격차가 좁혀지지 않으면 3단계의 운영 레퍼런스 축적이 곤란하고, 3단계의 레퍼런스가 없으면 2단계의 투자 정당성 확보가 어려운 순환 구조가 존재한다. 이러한 진단에 기반하여 종속 유형별 정책 대응을 제언한다. 첫째, 성능 종속 해소를 위해 칩 설계 중심의 R&D 지원을 컴파일러·런타임·SDK 등 SW 생태계 전반으로 확대하는 HW-SW 균형 발전 패러다임 전환이 필요하다. 둘째, 성능 종속 완화를 위해 PyTorch 호환성 확보와 OpenXLA·MLIR 등 글로벌 오픈소스 표준 참여를 통해 최적화 격차를 협력적으로 축소해야 한다. 셋째, 구조적 종속 우회를 위해 국가 AI 데이터센터 등 공공부문의 실증환경 제공으로 대규모 운영 레퍼런스를 확보하여 순환 구조를 깨야 한다. 넷째, 3유형 종속이 공통적으로 유발하는 전환비용을 가시화하기 위해 TCO 기반 평가 체계를 도입해야 한다. 다섯째, 모든 정책의 실행 주체인 AI 컴파일러·시스템 SW 전문 인력 양성 체계를 구축해야 한다. Executive Summary Global AI spending is projected to reach $2.5 trillion in 2026, with over half flowing into infrastructure. NVIDIA dominates this landscape, capturing roughly 86% of data center GPU revenue. Yet this dominance is not purely a hardware story: on identical H100 chips, software optimization alone can produce over 3x differences in actual throughput. The software ecosystem built over nearly two decades since CUDA's 2006 launch constitutes a structural barrier that competitors cannot easily replicate. This report classifies the AI software stack into four layers—Framework, Compiler, Acceleration Library, and Driver/Runtime—and derives three distinct lock-in mechanisms: performance lock-in, where optimization asymmetries cause de facto convergence toward specific hardware; design lock-in, where framework-compiler-hardware co-design fixes the hardware path at the point of software selection; and structural lock-in, where the closed-source driver/runtime physically blocks hardware substitution. When these types overlap, switching costs increase exponentially. Meanwhile, open-source inference serving engines such as vLLM and SGLang are emerging as new variables that partially mitigate traditional lock-in structures. Analyzing major players through this framework reveals that NVIDIA maintains a dual barrier of performance and structural lock-in, Google constructs a separate design lock-in pathway through TPU-XLA-JAX, and Huawei replicates all three lock-in types domestically through Ascend-CANN-MindSpore. Applying this framework to K-NPU, we diagnose that Korea's NPU ecosystem has successfully entered the framework layer through PyTorch native support and vLLM integration, but faces a sequential three-stage challenge: Stage 1 (framework entry) is achieved, Stage 2 (resolving performance lock-in in compiler and library layers) is in progress, and Stage 3 (building operational ecosystem scale) remains nascent. A circular dependency exists between Stages 2 and 3—performance gaps hinder reference accumulation, while lack of references undermines investment justification. Based on this diagnosis, we recommend lock-in-type-specific policy responses: (1) resolving performance lock-in by expanding R&D from chip design to the full software stack; (2) mitigating performance lock-in through participation in global open-source projects such as OpenXLA and MLIR; (3) circumventing structural lock-in by creating public-sector demand to build large-scale operational references that break the circular dependency; (4) introducing a TCO evaluation framework to make switching costs across all three lock-in types visible and quantifiable; and (5) establishing talent pipelines for AI compiler and system software specialists as the execution foundation for all policy measures.

AI 기술이 산업과 사회 전반에 빠르게 확산되면서, AI는 전기·수도·인터넷과 같은 보편적 사회 인프라로 기능하는 단계에 진입하고 있다. 이에 대한민국은 AI 기술을 통해 모든 국민의 기본적 삶과 안전이 보장되는 ‘AI 기본사회’를 국가 전략으로 제시하고, 의료·교육·복지·금융 등 다양한 공공서비스 영역에서 AI 기반 혁신을 추진하고 있다. 이러한 AI 기본사회는 기술 발전의 성과가 특정 집단에 집중되지 않고 모든 국민에게 공정하게 제공되는 포용적 사회 구현을 목표로 하며, 이를 위해서는 AI 서비스를 국민이 실제 생활 속에서 체감할 수 있는 실행 인프라가 필요하다. 이 과정에서 XR, 디지털 트윈 등 가상융합은 현실과 디지털 세계를 연결하는 공간적 인터페이스로서 중요한 역할을 수행할 수 있다. 가상융합은 시공간의 제약을 극복하여 다양한 사회 문제를 가상환경에서 사전에 실험하고 검증할 수 있게 하며, 국민이 AI 기술을 보다 직관적으로 이해하고 활용할 수 있는 몰입형 환경을 제공한다. 특히 물리적 접근성이 낮은 지역이나 사회적 취약계층에게도 고품질의 공공 서비스를 제공할 수 있다는 점에서, 가상융합은 AI 기본사회의 보편적 접근성을 강화하는 핵심 인프라로 기능할 수 있다. 가상융합은 코로나19 기간 동안 높은 기대를 받았으나, 실제 활용이 게임이나 이벤트 중심 서비스에 머무르고 사용자에게 명확한 가치 제안을 제공하지 못하면서 기대에 비해 확산 속도가 제한적이었다. 또한 고가의 장비, 제한된 콘텐츠, 지속 가능한 비즈니스 모델 부족 등이 산업 발전의 제약 요인으로 작용하였다. 그러나 최근에는 생성형 AI의 발전과 XR 디바이스의 기술적 개선을 바탕으로 가상융합 서비스의 개인화와 몰입도가 높아지고 있으며, 교육·제조·국방·의료 등 다양한 산업 분야에서 가상 시뮬레이션, 원격 협업, 직무훈련 등 실질적인 활용 사례가 가시화되면서 산업의 재도약 가능성이 높아지고 있다. 본 보고서는 국가인공지능전략위원회의 「대한민국 인공지능 행동계획」에서 제시된 AI 기본사회 주요 과제를 중심으로, 가상융합이 실제 정책 실행 과정에서 어떻게 활용될 수 있는지를 구체적으로 제시한다. 우선 사회적 합의 형성 측면에서는 가상공간에서 AI 정책의 영향을 시뮬레이션하고 아바타 기반 토론을 통해 다양한 이해관계자가 참여하는 공론장을 구축함으로써 정책 수용성을 높일 수 있다. 또한 디지털 트윈 기반 리빙랩을 통해 사회 문제 해결을 위한 AI 기술을 가상환경에서 실험하고 검증할 수 있으며, 가상 오피스와 가상 직무훈련을 통해 AI 전환에 따른 일자리 변화와 재교육 문제에도 대응할 수 있다. 이와 함께 가상융합은 돌봄과 의료 분야에서도 활용 가능성이 크다. 가상현실 기반 인지훈련과 아바타 상담을 통해 고령층의 정서적 돌봄을 지원하고, 가상 원격 협진이나 환자 디지털 트윈을 활용한 의료 시뮬레이션을 통해 의료 접근성을 개선할 수 있다. 또한 딥페이크나 금융 사기 등 AI 기반 범죄 대응을 위해 가상환경에서 실제 범죄 상황을 체험하고 대응하는 교육을 제공하거나, 아바타 기반 상담을 통해 피해자의 심리적 회복을 지원하는 방식도 제안된다. 나아가 가상 캠퍼스와 산업 공정 디지털 트윈을 활용한 교육 프로그램을 통해 국민 누구나 AI 교육과 실무 경험에 접근할 수 있는 환경을 구축함으로써 지역과 계층 간 AI 교육 격차를 완화할 수 있다. 종합적으로 볼 때 가상융합은 AI 공론장 구축, 사회문제 해결 실험, 일자리 전환 대응, 돌봄·의료 서비스 확대, 생활 안전 강화, 교육 역량 강화 등 다양한 분야에서 AI 기본사회를 구현하기 위한 공간적 인프라이자 정책 실험 플랫폼으로 활용될 수 있다. 다만 과거 일부 공공 가상융합 프로젝트가 일회성 행사나 전시성 구축에 그쳤던 사례를 반복하지 않기 위해서는 단순한 가상 공간 구축에 머무르지 않고, 실제 정책 효과와 서비스 활용 가치를 창출할 수 있는 지속 가능한 운영 모델과 성과 중심의 정책 설계가 함께 마련될 필요가 있다. Executive Summary As AI technologies rapidly spread across industry and society, AI is entering a stage where it functions as a universal social infrastructure comparable to electricity, water, and the internet. In response, the Republic of Korea has proposed the concept of an “AI Basic Society,” in which AI technologies ensure the basic quality of life and safety of all citizens, as a national strategy. Under this vision, AI-driven innovation is being promoted across a wide range of public service sectors, including healthcare, education, welfare, and finance. The AI Basic Society aims to build an inclusive society in which the benefits of technological advancement are not concentrated in specific groups but are distributed fairly among all citizens. To achieve this, practical implementation infrastructure is required so that citizens can experience and benefit from AI services in their everyday lives. In this context, virtual convergence technologies—such as XR and digital twins—can play a critical role as spatial interfaces connecting the physical and digital worlds. Virtual convergence makes it possible to overcome spatial and temporal constraints, enabling various social issues to be experimented with and verified in virtual environments before implementation in the real world. It also provides immersive environments through which citizens can more intuitively understand and utilize AI technologies. In particular, by enabling the provision of high-quality public services even in regions with limited physical accessibility or among socially vulnerable groups, virtual convergence can function as a key infrastructure that strengthens universal accessibility within an AI Basic Society. Virtual convergence attracted significant attention during the COVID-19 pandemic; however, its actual utilization remained largely centered on games or event-based services. As a result, it struggled to present clear value propositions to users, and its diffusion progressed more slowly than expected. In addition, high equipment costs, limited content, and the lack of sustainable business models acted as constraints on industry development. Recently, however, advancements in generative AI and technological improvements in XR devices have significantly enhanced the personalization and immersive qualities of virtual convergence services. At the same time, practical use cases—such as virtual simulations, remote collaboration, and job training—are expanding across various sectors including education, manufacturing, defense, and healthcare, increasing the potential for renewed growth in the industry. This report focuses on the major initiatives of the “Republic of Korea AI Action Plan” proposed by the National AI Strategy Committee and presents concrete ways in which virtual convergence can be utilized in the actual implementation of AI Basic Society policies. First, in terms of building social consensus, virtual spaces can be used to simulate the impacts of AI policies and establish public deliberation platforms where diverse stakeholders participate through avatar-based discussions, thereby enhancing policy acceptance. In addition, digital-twin-based living labs can enable AI technologies for solving social problems to be tested and validated in virtual environments. Virtual offices and virtual job training programs can also help address employment transitions and reskilling challenges associated with the AI transformation. At the same time, virtual convergence has significant potential in the fields of care and healthcare. Emotional support for older adults can be provided through virtual-reality-based cognitive training and avatar-based counseling, while medical accessibility can be improved through virtual remote collaboration among medical professionals and medical simulations using patient digital twins. Furthermore, to respond to AI-driven crimes such as deepfakes and financial fraud, immersive training programs can allow individuals to experience and respond to simulated crime scenarios in virtual environments, while avatar-based counseling can help support the psychological recovery of victims. In addition, education programs using virtual campuses and industrial process digital twins can create environments where anyone can access AI education and practical experience, thereby reducing AI education disparities across regions and social groups. Overall, virtual convergence can function as both a spatial infrastructure and a policy experimentation platform for realizing the AI Basic Society across various domains, including the establishment of AI public deliberation spaces, experimentation for solving social problems, responses to employment transitions, expansion of care and healthcare services, enhancement of public safety, and strengthening of educational capabilities. However, in order to avoid repeating past cases in which some public virtual convergence projects were limited to one-time events or exhibition-oriented initiatives, it is necessary to move beyond merely building virtual spaces and instead develop sustainable operational models and performance-oriented policy designs that can generate tangible policy outcomes and real service value.

목차 Table of Contents 정책·법제 ▹ 중국, 과학기술의 자립자강 강조한 제15차 5개년 규획 발표 ▹ OECD, 에이전틱 AI의 개념과 도입 현황을 다룬 보고서 발표 ▹ 미국 국립연구소들, ‘제네시스 미션’ 수행을 위해 AI 인프라 확대 추진 ▹ 미국 뉴욕주, AI 챗봇의 전문직 사칭 금지 법안 추진 ▹ 미국 법원, 앤트로픽을 공급망 위험으로 지정한 국방부 조치에 제동 ▹ 미국 트럼프 대통령, 국가 AI 입법 프레임워크 발표 기업·산업 ▹ 오픈AI, AI의 악의적 사용을 다룬 사례 연구 보고서 발간 ▹ 시트리니 리서치, ‘2028년 글로벌 인텔리전스 위기’ 시나리오 공개 ▹ 오픈AI, 전문 업무에 최적화된 ‘GPT-5.4’ 출시 ▹ 구글, 속도와 비용 효율성을 강조한 ‘Gemini 3.1 Flash-Lite’ 출시 ▹ 엔비디아, 에이전틱 AI 시스템을 위한 ‘Nemotron 3 Super’ 출시 ▹ 중국에서 오픈클로 열풍과 함께 보안 우려도 증대 ▹ 엔비디아, GTC 2026에서 AI 생태계 확장 선언 기술·연구 ▹ 앤트로픽, 사용자의 AI 활용 능력을 측정한 ‘AI 능숙도 지수’ 공개 ▹ 앤트로픽, 전 세계 클로드 사용자의 AI 인식 연구 결과 발표 ▹ 구글, AI 메모리 사용량을 획기적으로 줄이는 ‘터보퀀트’ 기술 개발 인력·교육 ▹ AI가 미국의 교실에 미치는 영향과 교사의 대응 ▹ 앤트로픽, AI가 노동 시장에 미치는 영향 분석 ▹ 핀테크 기업 블록, AI 도입을 이유로 직원 4천 명 감원 ▹ 아마존 일부 직원들, AI 도입 압박으로 인한 생산성 저하 우려 주요행사일정

제 1 장 실태조사 개요 01. 조사 목적 및 필요성 02. 조사연혁 03. 조사 개요 04. VR·AR산업 분류 제 2 장 모집단 01. 모집단 정의 02. 모집단 추출 방법 03. 후보 모집단 수집 04. 모집단 추출 결과 제 3 장 조사표 01. 조사항목 제 3 장 이상치 기업 등 데이터 검증 방안 01. 이상치 기업 파악 02. 검증방안-2차 자료를 통한 검증 03. 항목무응답 처리 방식 추가

제 1 장 실태조사 개요 01. 조사 목적 및 필요성 02. 조사연혁 03. 조사 개요 04. VR·AR산업 분류 제 2 장 모집단 01. 모집단 정의 02. 모집단 추출 방법 03. 후보 모집단 수집 04. 모집단 추출 결과 제 3 장 조사표 01. 조사항목 제 3 장 이상치 기업 등 데이터 검증 방안 01. 이상치 기업 파악 02. 검증방안-2차 자료를 통한 검증 03. 항목무응답 처리 방식 추가

AI 스마트 글래스는 단순한 시각 보조 기기를 넘어, 사용자의 시선과 주변 환경을 인공지능(AI)이 실시간으로 인식하고 해석함으로써 디지털 정보와 현실 세계를 직접 연결하는 차세대 컴퓨팅 인터페이스로 부상하고 있다. 기존의 개인 컴퓨팅이 화면과 손 중심의 입력·소비 구조였다면, AI 스마트 글래스는 사용자가 바라보는 대상과 공간 자체가 데이터가 되는 ‘시선 중심 컴퓨팅’으로의 전환을 의미하며, 생성형 AI와 멀티모달 AI의 발전에 힘입어 새로운 개인 컴퓨팅 패러다임을 형성하고 있다. AI 스마트 글래스 시장은 향후 높은 성장 잠재력을 보유하고 있다. 글로벌 시장에서는 메타, 삼성전자, 구글 등 주요 빅테크 기업들이 AI 스마트 글래스를 차세대 플랫폼으로 인식하고 생태계 구축 경쟁을 본격화하고 있으며, 중국 기업들은 제조 경쟁력을 기반으로 빠르게 시장 진입을 확대하고 있다. 현재 음성 전용 AI 스마트 글래스가 주류를 이루고 있으나 디스플레이를 갖춘 AI 스마트 글래스로의 발전이 예상된다. AI 스마트 글래스는 단기적으로 스마트폰을 보완하는 시선 기반 인터페이스로 확산되고, 중기적으로는 공간의 맥락을 이해하는 공간 기반 인터페이스로 발전하며, 장기적으로는 인간의 시선을 AI가 해석하고 확장하는 ‘시선의 지능화’ 단계로 진화할 것으로 전망된다. 이러한 변화는 정보 탐색 방식, 의사결정 과정, 산업 현장의 작업 방식, 광고·교육·의료 등 다양한 영역에서 구조적 변화를 유발할 가능성이 있다. 특히 AI 스마트 글래스는 1인칭 시점 데이터의 주요 생성 장치로서 AI의 맥락 지능 구현을 가능하게 하는 핵심 기반으로 작용할 것으로 예상된다. 한편 AI 스마트 글래스는 배터리 지속시간 개선, 기기 경량화, 시야각 확대 등 기술적 과제와 함께, 개인정보 보호 우려, 디지털 격차 심화 가능성, 사회적 수용성 확보 등 사회·제도적 이슈에 대한 대응이 동시에 필요하다. 현재는 AI 스마트 글래스 도입 초기 단계로, 기술에 대한 사회적 기대와 프라이버시·안전 등에 대한 우려가 동시에 존재하는 과도기적 국면에 있으며, 기술 확산과 사회적 수용성 확보 간의 균형을 마련하기 위한 정책적 역할이 중요한 시점이다. 이에 본 연구는 산업 생태계 경쟁력 강화 지원, ‘시선 중심 컴퓨팅’ 시대 대비를 위한 선제적 제도 설계, 새로운 디지털 격차 대응을 위한 포용 정책의 필요성을 제시한다. 이를 통해 AI 스마트 글래스가 새로운 개인 컴퓨팅 인터페이스로 안정적으로 정착하고 산업적·사회적 가치 창출로 이어질 수 있는 정책 방향을 도출하고자 한다. Executive Summary AI smart glasses are emerging as a next-generation computing interface that goes beyond simple visual assistance devices by enabling artificial intelligence (AI) to recognize and interpret users’ gaze and surrounding environments in real time, thereby directly connecting digital information with the physical world. Whereas traditional personal computing has been structured around screen- and hand-based input and consumption, AI smart glasses signify a transition toward “gaze-centered computing,” in which the objects and spaces a user looks at themselves become data. Supported by advances in generative AI and multimodal AI, this shift is forming a new paradigm in personal computing. The AI smart glasses market is expected to demonstrate strong growth potential in the coming years. Globally, major technology companies such as Meta, Samsung Electronics, and Google are recognizing AI smart glasses as a next-generation platform and are accelerating competition to establish ecosystem leadership, while Chinese companies are rapidly expanding market entry based on their manufacturing competitiveness. At present, voice-centric AI smart glasses dominate the market, but the evolution toward AI smart glasses equipped with displays is anticipated. In the short term, AI smart glasses are likely to spread as gaze-based interfaces that complement smartphones. In the mid-term, they are expected to evolve into spatial interfaces capable of understanding contextual information within physical environments. In the long term, they are projected to advance toward a stage of “intelligent gaze,” in which AI interprets and augments human vision itself. These developments may trigger structural changes across multiple domains, including information discovery, decision-making processes, industrial workflows, and sectors such as advertising, education, and healthcare. In particular, AI smart glasses are expected to function as a primary device for generating first-person perspective data, serving as a key foundation for enabling context-aware intelligence in AI systems. At the same time, AI smart glasses face technical challenges such as improving battery life, reducing device weight, and expanding field of view, alongside social and institutional issues including privacy concerns, the potential widening of digital divides, and the need to secure social acceptance. As the technology is currently in its early adoption phase, societal expectations and concerns regarding privacy and safety coexist, placing the market in a transitional stage. Accordingly, this is a critical moment for policy intervention to balance technological diffusion with social acceptance. In this context, this study highlights the need for policy measures to strengthen industrial ecosystem competitiveness, establish proactive institutional frameworks in preparation for the era of gaze-centered computing, and develop inclusive policies to address emerging forms of digital inequality. Through this approach, the study aims to derive policy directions that enable AI smart glasses to be stably established as a new personal computing interface while generating both industrial and societal value.

본 연구는 최근 산업 현장에서 제기되고 있는 AI 인력 부족 문제가 단순한 개발 인력의 양적 부족이 아니라, AI가 산업 전반으로 확산되는 과정에서 발생하는 역할 구조의 변화에서 기인한다는 문제의식에서 출발한다. AI 기술이 성숙 단계에 진입함에 따라 인력 수요는 모델 개발 중심에서 검증·운영·산업 적용 및 현업 활용 단계로 이동하고 있으나, 현행 AI인력 분류체계는 이러한 변화를 충분히 반영하지 못하고 있다. 현행 AI 인력 분류체계는 산업 실태조사와 통계 산출을 목적으로 개발자 및 직무 중심으로 설계되어 있어, AI 기술의 다변화와 산업별 적용 양상의 차이를 구조적으로 포착하는 데 한계가 있다. 그 결과, AI 인력 부족 문제는 ‘개발자 부족’이라는 총량적 문제로 단순화되고, 실제 산업 현장에서 병목으로 작용하는 검증·신뢰, 운영(MLOps), 산업(도메인) 적용, 비개발 직무 기반 AI 활용 인력은 정책적으로 충분히 반영되지 못하고 있다. 이러한 구조적 한계는 인력 수급 전망의 정확성을 저하시킬 뿐 아니라, 인재양성 정책과 산업 수요 간 괴리를 심화시키는 요인으로 작용한다. 이에 본 연구는 AI 인력 분류 기준을 직무·직종 중심에서 AI 가치사슬 단계와 역할 중심으로 전환할 필요성을 제기한다. 기획·데이터·모델 개발뿐 아니라 검증·평가·운영·확산·산업 적용 전 과정을 포괄하는 관점에서 인력을 재구성함으로써, AI 인력 부족 문제를 가치사슬단계별, 역할별 구조 문제로 진단할 수 있는 분석 틀을 제안한다. 또한 이러한 분류체계를 인력의 유형과 수준(level) 체계와 연계함으로써, 향후 AI 인력의 수급(demand-supply) 전망과 교육·훈련 정책 설계에 활용 가능한 정책 인프라로의 확장 가능성을 제시한다. 정책적 시사점으로는 AI 인력 정책의 초점을 개발자 양성 중심에서 산업 전환을 지원하는 인력 구조로 전환할 필요가 있음을 제시한다. AI 활용이 본격화될수록 산업별 요구 역량은 더욱 분화되므로, 공통적인 AI 기초역량과 산업별 특화된 전문역량을 구분하여 체계적으로 양성할 필요가 있다. 가치사슬 기반 인력 분류체계로의 전환은 이러한 정책적 전환의 출발점으로서, 향후 한국 AI 산업의 경쟁력과 AX 성과를 좌우하는 핵심적인 정책 인프라로 기능할 것으로 기대된다. Executive Summary This study is motivated by the premise that the AI workforce shortage recently observed in industrial contexts is not merely a quantitative shortage of development personnel, but rather a structural issue arising from changes in role configurations during the diffusion of AI across industries. As AI technologies enter a stage of maturity, workforce demand is shifting from a focus on model development toward stages such as validation, operations, industrial application, and field-level utilization. However, existing workforce classification systems and policy frameworks have not adequately captured these evolving patterns. The current AI workforce classification system is designed primarily around developers and job functions, which constrains its ability to systematically capture the diversity of AI utilization across industries and the transformation of role structures. As a result, the AI workforce shortage is often reduced to a quantitative notion of a ‘developer shortage’, while critical roles—such as validation and trust, operations (e.g., MLOps), domain-specific application, and AI utilization in non-development functions—remain insufficiently reflected in policy, despite constituting key bottlenecks in practice. These structural limitations not only undermine the accuracy of workforce supply–demand projections but also exacerbate the misalignment between talent development policies and actual industry needs. In response, this study proposes a shift in AI workforce classification from a job- and occupation-based approach to a framework centered on AI value chain stages and roles. By conceptualizing the workforce across the entire AI lifecycle—including planning, data, model development, validation, evaluation, operations, diffusion, and industrial application—this study presents an analytical framework that diagnoses AI workforce shortages not as a matter of aggregate quantity, but as structural imbalances across stages and roles. Furthermore, by linking this classification system with workforce types and skill-level frameworks, the study highlights its potential to serve as a policy infrastructure for workforce demand–supply forecasting and the design of education and training systems. From a policy perspective, the findings suggest the need to shift the focus of AI workforce policy from developer-centric training toward building workforce structures that enable industry-wide AI transformation. As AI adoption becomes more widespread, the competencies required become increasingly differentiated across industries; therefore, it is necessary to systematically cultivate both common foundational AI capabilities and industry-specific specialized competencies. The transition to a value chain–based workforce classification system represents a critical starting point for this policy shift and is expected to serve as a key foundation shaping the future competitiveness of the Korean AI industry and its AI-driven transformation(AX).

목차 Table of Contents 1. SaaSpocalypse의 원인과 전개 과정 2. 에이전틱 AI가 촉발한 소프트웨어 시장의 변화 3. 주요 산업별 AI 침투의 지형도 4. 종합 및 전망

e-book 보기 이슈 ISSUE 과학을 위한 AI(AI4Science) 연구의 패러다임을 바꾸다 DX 성공 전략의 재조명: 왜 ‘SW 인력’이 핵심인가? 포토에세이 PHOTO ESSAY 중간-이호준 포커스 FOCUS AI 인재 양성을 위한 시스템 접근과 플랫폼 구축 제안 AI·SW 중심 사회의 조건: 속도가 아니라 디지털 회복력과 디지털 버퍼를 설계할 때

AI 기술의 경제적 가치 실현에는 상품 또는 서비스로 전환하고 지속가능한 비즈니스 모델을 구축하여 생산·판매하는 사업화 과정이 필수적이다. 이러한 기술사업화 과정은 기술집약적인 분야일수록 고도의 기술적 이해와 전문지식이 중요하다. 이에 고급 AI 인재는 AI 기술의 경제적 가치를 최대치로 실현해낼 잠재력을 보유하고 있다고 볼 수 있으며, AI에 관한 전문지식과 기술을 보유한 고급 AI 인재들을 ‘기업가형 인재(entrepreneurial talents)’로 양성해야 한다는 주장이 제기된 바 있다. 여기서 기업가(entrepreneur)란, 기회를 탐색·추구하고 혁신을 도모하며 새로운 가치 창출을 실천하는 주체를 의미한다. 요컨대, AI에 대한 전문지식 및 활용능력을 바탕으로 기업가정신을 발휘하여 새로운 사업 기회를 추구하는 ‘기업가형 AI 인재’를 양성해야 한다는 것이다. 본고에서는 상기와 같은 논의의 흐름에서 객관적 현황 파악 및 정책 근거 확보를 목적으로 국내 고급 AI 인재를 대상으로 기업가정신 현황과 창업에 대한 인식 파악을 위해 자체 실시한 설문조사 결과를 분석한다. 조사 대상인 고급 AI 인재는 AI 기술 관련 전공(분야)의 석·박사급 인재로 정의되며, 구체적으로 AI 기술 관련 전공 대학원생(석·박사과정)과 AI 기술 관련 전공으로 석·박사학위를 취득하여 공공부문/산업계에 종사하고 있는 직장인(경력자) 715인을 대상으로 설문조사를 실시하였다. 다음으로, 국내 고급 AI 인재의 창업 의지에 영향을 미치는 요인을 확인하기 위해 계량경제학적 기법을 활용한 실증연구를 실시하였다. 창업은 기업가정신을 발휘하는 행동 중 가장 ‘적극적’이고 ‘위험감수적’인 행동으로 간주된다는 점에서, 이 같은 행동 의지에 대해 기업가적 특성, 태도 및 인식, 창업 관련 경험, 주변 환경 등이 어떠한 영향을 미치는지 확인하고자 하였다. 국내 기업의 디지털 인재 소싱과 관련한 주요국들은 각기 다른 기회와 도전과제를 제시한다. 미국은 세계 최고 수준의 인재가 모인 혁신 생태계의 중심이지만, 막대한 인건비와 최근 강화된 비자 정책이 큰 변수다. 미국 인재 활용은 높은 비용을 감당할 수 있는 소수정예 R&D 팀 단위의 '셀 단위 스카우트'와 비동기식 협업이 효과적일 것이다. 베트남은 풍부하고 젊은 인력 바탕의 인건비 효율성과 정부의 강력한 육성 의지가 강점이나, 아직 최상위급 AI 인재는 부족하고 문화적 차이 극복 노력이 필요하다. 따라서 '한국인 기획자 + 베트남 개발자' 조합으로 품질과 소통의 간극을 메우고, 핵심 기능은 직접고용, 변동적 과제는 아웃소싱을 병행함이 유리할 수 있다. 인도는 압도적 규모의 인력 풀과 뛰어난 영어 소통 능력이 장점이나 인재 간 역량 편차가 크고 복잡한 현지 노동법규가 진입장벽이다. 따라서 채용 리스크 관리를 위해 다단계 검증 파이프라인을 구축하고, 초기에는 EOR을 활용해 법적 부담을 최소화하는 접근이 필요하다. 일본은 대규모 DX 시장의 도래와 지리·문화적 근접성이 기회요인이지만, 신기술 인력난과 특유의 더딘 의사결정 문화는 고려사항이다. 일본의 경우 최근 활성화된 부업 인재를 유연하게 활용하고, 현지 파트너십을 통해 신뢰를 쌓으며 리스킬링 프로그램 등을 통해 시장에 진입하는 장기적 관점이 요구된다. 연구 결과, 국내 고급 AI 인재는 기술적 역량 기반 혁신 지향성이 강하며 잠재력이 많지만, 기술의 가치를 실현하는 데 필요한 역량·경험과 심리적 기반은 부족한 것으로 나타났다. 이는 고급 AI 인재의 도전적으로 기회를 추구하는 행동이 실행 역량·경험과 환경적 제약에 민감하게 반응할 가능성이 높음을 시사한다고 볼 수 있다. 따라서 AI 인재가 역량·경험을 쌓으면서 점진적으로 높은 수준(소극적/보수적 → 적극적/위험감수적)의 기업가정신을 발휘해볼 수 있는 성장 경로와 환경을 체계적으로 조성하는 것이 중요하다. 결론적으로, 실전 경험 기회 및 기업가적 활동에 대한 노출도 확대, 창업에 대한 인식 제고 및 우호적으로 평가하는 문화적 토대 형성, 고급 AI 인재의 창업 - 취업 간 기회비용 격차 해소, AI 인재/교육 정책과 연관된 영역의 정책의 융합, 창업 네트워크 기반 지원 강화 등 정책적 시사점을 도출하였다. Executive Summary Realizing the economic value of AI technology necessitates a commercialization process—transforming technology into viable products or services underpinned by sustainable business models. As technology commercialization in knowledge-intensive domains demands advanced expertise, highly skilled AI professionals possess substantial potential to maximize the economic returns of AI innovation. Accordingly, there have been arguments for cultivating such professionals as "entrepreneurial talents"—individuals who leverage domain knowledge and technical proficiency to identify opportunities and create new value through entrepreneurial action. Against this backdrop, the present study conducts an original survey of advanced AI professionals in South Korea—defined as those holding or pursuing master's and doctoral degrees in AI-related fields, encompassing current graduate students and practitioners in public and private sectors—to assess their entrepreneurial orientation and related experience toward venture creation. An empirical analysis is then undertaken to identify the determinants of entrepreneurial intention, examining how entrepreneurial characteristics, attitudes, venture-related experience, and environmental factors influence the intention to start a business. The findings reveal that while Korea's advanced AI talent exhibits strong innovation orientation grounded in technical competence, these individuals lack the practical capabilities, experiential foundations, and psychological readiness to translate technological potential into economic value. This suggests that opportunity-seeking behavior among highly skilled AI professionals is acutely sensitive to deficits in execution capacity and environmental constraints. It is therefore critical to establish developmental pathways and supportive ecosystems enabling AI talent to progressively cultivate higher levels of entrepreneurial engagement—from passive orientations toward proactive, risk-tolerant action. The study concludes with policy implications including: expanding experiential opportunities and exposure to entrepreneurial activities; fostering cultural receptivity toward entrepreneurship; narrowing the opportunity-cost gap between venture creation and conventional employment; integrating AI talent policies with adjacent policy domains; and strengthening entrepreneurial network infrastructure.

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

e-book 보기 이슈 ISSUE 메타버스-AI 공진화 전망과 시사점 AI 분야 글로벌 협력 현황 분석: VC 투자 유치를 중심으로 포토에세이 PHOTO ESSAY 중간-이호준 포커스 FOCUS AI 시대, 지방행정의 역할에 대한 고찰 피지컬 AI 1등 국가를 위한 정부와 기업의 역할

국내 디지털 인력 부족, 특히 AI 분야의 인재난은 고질적인 문제를 넘어 국가 경쟁력을 위협하고 있다. 이미 글로벌 원격업무가 자리 잡고 국내 AI 인재의 해외 유출이 지속되는 상황에서, 기존의 물리적 유치 중심 정책만으로는 해외 인적자원 확보에 한계가 있다. 따라서 본고를 통해 해외 거주 디지털 인재를 우리 기업이 유연하게 활용하는 'Two-Track 전략'의 필요성을 제기한다. 이를 위해 글로벌 디지털 인재 소싱 주요국(미국, 베트남, 인도, 일본)의 인력 시장 특성과 장단점을 심층 분석하여, 우리 기업과 정부가 실행할 수 있는 실질적인 해외 거주 인재 활용 방안과 정책적 시사점을 도출하였다. '글로벌 디지털 인재'란 디지털 기술 및 AI 활용 역량뿐만 아니라, 국경을 넘어 적극적으로 성장 기회를 탐색하는 '글로벌 이동성'과 '적극성'을 갖춘 인력으로, 본고에서의 ‘해외 거주 디지털 인재’란 대한민국 외의 국가에 거주하는 글로벌 디지털 인재를 말한다. 국내 기업의 디지털 인재 소싱과 관련한 주요국들은 각기 다른 기회와 도전과제를 제시한다. 미국은 세계 최고 수준의 인재가 모인 혁신 생태계의 중심이지만, 막대한 인건비와 최근 강화된 비자 정책이 큰 변수다. 미국 인재 활용은 높은 비용을 감당할 수 있는 소수정예 R&D 팀 단위의 '셀 단위 스카우트'와 비동기식 협업이 효과적일 것이다. 베트남은 풍부하고 젊은 인력 바탕의 인건비 효율성과 정부의 강력한 육성 의지가 강점이나, 아직 최상위급 AI 인재는 부족하고 문화적 차이 극복 노력이 필요하다. 따라서 '한국인 기획자 + 베트남 개발자' 조합으로 품질과 소통의 간극을 메우고, 핵심 기능은 직접고용, 변동적 과제는 아웃소싱을 병행함이 유리할 수 있다. 인도는 압도적 규모의 인력 풀과 뛰어난 영어 소통 능력이 장점이나 인재 간 역량 편차가 크고 복잡한 현지 노동법규가 진입장벽이다. 따라서 채용 리스크 관리를 위해 다단계 검증 파이프라인을 구축하고, 초기에는 EOR을 활용해 법적 부담을 최소화하는 접근이 필요하다. 일본은 대규모 DX 시장의 도래와 지리·문화적 근접성이 기회요인이지만, 신기술 인력난과 특유의 더딘 의사결정 문화는 고려사항이다. 일본의 경우 최근 활성화된 부업 인재를 유연하게 활용하고, 현지 파트너십을 통해 신뢰를 쌓으며 리스킬링 프로그램 등을 통해 시장에 진입하는 장기적 관점이 요구된다. 이러한 맥락에 따라 결론에서는 국경 없는 디지털 인재 활용을 위한 법·제도 인프라 혁신, 데이터 기반의 신뢰성 있는 해외 인재 소싱 및 활용 검증 체계 구축, 초국경 협업 역량 강화 및 환경 고도화, 전략 거점 중심의 맞춤형 인재 파이프라인 및 R&D 생태계 구축이라는 4대 정책 방향을 도출하고 각 세부 과제를 제시하였다. 디지털/AI 인재가 곧 기업과 국가의 경쟁력이 되는 시대에, 우리는 인재를 '유치'하는 관점에 더해 전 세계 인재를 '활용'하는 유연한 시각을 가져야 할 때다. 본고에서 제시하는 국가별 맞춤형 인재 활용 전략과 정책 제언이 국내 기업의 인력난 해소와 글로벌 경쟁력 강화에 기여하길 기대한다. Executive Summary Korea’s shortage of digital talent—especially in AI—has progressed from a chronic concern to a direct threat to national competitiveness. With global remote work now firmly established and the continued outflow of Korea’s AI talent, policies focused solely on physical relocation are no longer sufficient to secure global human resources. This report therefore advances the need for a “Two-Track Strategy” that enables Korean firms to flexibly leverage overseas-based digital talent. To that end, we provide an in-depth analysis of the labor-market characteristics and the strengths and weaknesses of key sourcing countries—the United States, Vietnam, India, and Japan—and derive practical measures and policy implications that Korean companies and the government can implement to utilize talent residing abroad. By “global digital talent,” we mean professionals who not only possess digital and AI capabilities but also exhibit “global mobility” and the proactiveness to seek growth opportunities across borders. In this report, “overseas-based digital talent” refers to global digital talent residing outside the Republic of Korea. Each of the major countries relevant to Korean firms’ digital-talent sourcing presents distinct opportunities and challenges. The United States remains the world’s premier innovation hub, concentrating top-tier talent, but extremely high labor costs and recently tightened visa policies are major constraints. For the United States, a targeted approach is advisable: recruit small, elite R&D “cells” and structure work for effective asynchronous collaboration. Vietnam offers cost efficiency grounded in a young, abundant workforce and strong government commitment, yet it still lacks sufficient top-tier AI specialists and requires sustained effort to bridge cultural differences. A practical model for Vietnam is to pair Korean planners/product managers with Vietnamese developers to close quality and communication gaps, combining direct hires for core functions with outsourcing for variable tasks. India provides a vast talent pool and strong English proficiency, but capability dispersion across candidates is wide and local labor regulations are complex. To manage hiring risk in India, companies should build multi-stage assessment pipelines and, at the outset, consider Employer-of-Record (EOR) arrangements to minimize legal exposure. Japan presents a growing DX market and geographic-cultural proximity, but faces shortages in cutting-edge skills and characteristically slow decision-making. In Japan, firms should flexibly tap the expanding “side-job” talent base, cultivate trust through local partnerships, and adopt a long-term entry strategy that includes reskilling programs. In this context, the conclusion identifies four overarching policy directions and presents detailed follow-up tasks: (1) innovating the legal and institutional infrastructure to enable the cross-border utilization of digital talent; (2) establishing a data-driven, trustworthy system to source overseas talent and validate its effective deployment; (3) strengthening cross-border collaboration capabilities and further advancing the enabling environment; and (4) building tailored talent pipelines and R&D ecosystems centered on strategic hubs. As digital and AI talent increasingly define the competitiveness of firms and nations alike, Korea must complement the traditional paradigm of “attracting” talent with a more flexible mindset of “utilizing” talent worldwide. We hope that the country-specific strategies and policy recommendations presented here will help alleviate domestic labor shortages and enhance Korea’s global competitiveness.

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."

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

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.