• 요약문 1. 제 목 : AI인재 성장경로 분석을 통한 AI최고급 인재 양성 방안 연구 2. 연구 목적 및 필요성 AI 패권 경쟁 시대에 심화되는 AI 최고급 인재 확보 경쟁에 대응하기 위하여, AI 최 고급 인재상의 정립하고 AI 인재의 성장경로를 분석하여 이를 토대로 AI 최고급 인재 양성 정책 방안을 도출하는 것을 목적으로 한다. 3. 연구의 구성 및 범위 본 연구는 다음과 같이 5장으로 구성된다. 제1장 서론 “AI인재 성장경로 분석을 통한 AI최고급 인재 양성 방안 연구”의 연구 배경 및 목 적, 내용, 연구 방법론을 기술한다. 제2장 국내외 AI 산업 및 정책 분석 선행 문헌 연구를 통해 제시한 AI 인재 정의와 인재 역량을 분석하고, AI 인재의 최 신 정의와 역량을 도출하기 위해 최신 AI 기술 트렌드를 면밀히 분석한다. 또한 효과 적인 AI 인재 양성방안을 도출하기 위해 미국, 중국, 영국의 AI 인재 양성 정책을 비교 분석하고 우리나라 AI 최고급 인재 양성방안의 방향을 도출한다. 제3장 국내 AI 교육 시스템 분석 국내 AI 인재의 성장 경로를 파악하기 위해 초·중등 교육, 고등교육, 직업교육, 커뮤 니티 활동 등 대안교육을 종합적으로 분석하고, 시사점을 도출한다. 제4장 AI 최고급 전문가 심층 인터뷰를 통한 성장경로 분석 본 연구 핵심 내용으로 국내외 AI 최고급 인재를 대상으로 심층 인터뷰를 실시하여, AI 최고급 인재의 인적 특성, 경력 경로, 역량 형성 과정, 성장 촉진 및 장애요인 등을 종합적으로 탐색하고, 설문조사를 실시하여 연구 결과를 검증한다. 제5장 결론 문헌 분석과 심층 인터뷰 결과를 종합하여 AI 최고급 인재 확보를 위한 실효성 있는 정책 방안을 제언한다. 4. 연구 내용 및 결과 본 연구에서는 AI 인재 정의와 역량 관련 선행 문헌 연구, AI 트렌드와 빅테크 기업 현황, AI 기술 패러다임을 바꾼 최신 연구 논문 현황, AI 전문가 심층 인터뷰를 종합적 으로 분석하여 AI 최고급 연구자와 엔지니어 인재상과 핵심 요건을 도출하였다. 현재 까지는 경력 연차나 H-Index 등 양적 지표 활용에 대한 문제점은 파악하고 있었으나, AI 최고급 인재의 정의와 핵심 요건 기준을 정립하지 못하였다. 또한 질적 평가 기준 또한 AI 기술의 급속한 발전에 따라 지속적으로 변화할 수밖에 없어, 고정된 평가 기 준을 설정하기 어려운 실정이다. 본 연구는 AI 최고급 연구자는 ‘AI 이론 혁신 및 패러다임 창출’, ‘문제 발견 및 재정의 역량’, ‘AI 이론의 구현 및 실용화 역량’, ‘학술적 리더십’이라는 네 가지 핵심 요건을 보유한다는 현상를 도출하였다. 이들은 AI의 근원적 원리를 깊이 이해하고, 새로운 문제와 가능성을 발굴하며, 연구 결과를 실제 작동하는 시스템으로 구현하고, AI 분야 전체의 방향을 이끄는 종합적 능 력을 갖춘 인재로 정의된다. 특히 단순한 기술 활용을 넘어 새로운 패러다임을 창출하 고, 개별 성과를 넘어 연구 흐름을 주도하는 것이 핵심 특징이다. 최고급 AI 연구자 인재상 및 핵심 요건 최고급 AI 연구자 인재상 및 핵심 요건 1. AI 이론 혁신 및 패러다임 창출 AI의 핵심 원리와 근원적 메커니즘에 대한 깊은 이해를 바탕으로, 기존 기술의 한계를 돌파하는 새 로운 알고리즘과 모델 아키텍처를 독자적으로 창출. 기존에 공개된 모델이나 프레임워크를 단순 활 용하는 수준을 넘어, 완전히 새로운 기술적 패러다임을 제시하고 이를 통해 AI 분야의 근본적 발전 을 이끄는 이론적 혁신 2. 문제 발견 및 재정의 역량 기존에 정의되지 않았거나 해결 불가능하다고 여겨졌던 문제 영역을 새롭게 발굴하고, 문제 자체를 AI로 해결 가능한 형태로 재구성하는 능력. 현재 존재하지 않는 새로운 기술적 가능성을 탐구하고, 이를 통해 AI가 적용될 수 있는 영역을 확장하며 새로운 가치를 창출하는 문제 정의 역량 3. 구현 및 실용화 역량 이론적 아이디어와 알고리즘을 실제 작동하는 AI 모델로 구현하고, 이를 글로벌 빅테크 기업 수준의 상용 서비스로 발전시키는 능력. 연구 성과를 실제 활용 가능한 형태로 구체화하며, 연구와 엔지니 어링을 통합적으로 수행하여 기술을 시장에 성공적으로 안착시키는 실행 역량 4. 학술적 리더십 및 영향력 단일 연구 성과를 넘어 연구 흐름 자체를 주도하고 분야 전체의 방향성을 제시하는 능력. 개별 논문 이나 기술을 넘어서, AI 연구 커뮤니티와 산업계가 나아갈 방향을 설정하고 새로운 연구 의제를 형 성하며, 지속적인 영향력을 통해 기술 패러다임의 전환을 이끄는 학술적 리더십을 보유 - NeurIPS, ICML, ICLR, CVPR 등 글로벌 최상위 AI 학회에 제1저자, 교신저자로서의 지속적인 논문 게재 - 논문의 높은 피인용 횟수 학술적 기여도, 동료 평가를 통한 학계 내 영향력 입증 - 단일 논문 피인용수 : 발간 5년 이상 10만건, 발간 5년 이하 2만건- 오픈소스 프로젝트 기여도 :프로젝트의 핵심 아키텍처와 기술적 방향성에 실질적인 영향력을 행사하며, 타인의 기여를 이끄는 리더십을 통해 생태계 전체의 성장을 주도 AI 최고급 엔지니어는 ‘전략적 실행 및 가치 창출’, ‘시스템 통합 설계 능력’, ‘문제 해결 및 최적화 역량’이라는 세 가지 핵심 요건을 보유한다. 최고급 엔지니어 는 세 역량을 균형 있게 갖추고, AI 기술에 대한 깊은 이해를 기반으로 비즈니스 가치 창출, 복잡한 시스템의 통합 설계, 실제 제약 조건 속에서의 최적 솔루션 도출을 종합 적으로 수행한다. 최고급 AI 엔지니어의 인재상 및 핵심 요건 최고급 AI 엔지니어의 인재상 및 핵심 요건 1, 전략적 실행 및 가치 창출 다양한 AI 모델의 원리, 한계, 운영 특성에 대한 깊은 이해를 바탕으로 AI 전략 수립부터 설계, 운영까지 전 과정을 주도하며, 신뢰성과 확장성을 갖춘 AI 제품 및 서비스를 시장에 성공적으로 안착시키고 실질적인 가치 창출을 이끈 경험을 보유한 인재 2. AI 시스템 통합 설계 및 엔지니어링 전문성 모델 성능 자체보다 문제 정의 및 해결, 데이터 확보·정제, 보안·윤리 문제 고려, 서비스·인프라· 운영 환경 설계를 종합적으로 이해하고, AI 모델과 데이터, 인프라, 프로세스를 통합적으로 설계 한 경험을 보유한 인재 3. 문제 해결 및 최적화 역량 동일한 조건과 제약 속에서 타인이 쉽게 해결하지 못하는 문제를 실질적인 성과로 연결할 수 있 는 인재. 투입 대비 효과를 고려하여 최소 자원으로 임계점 이상의 성과를 창출하는 문제 해결 능력을 갖추며, 시스템 제약, 데이터 부족, 노이즈 등 실제 환경의 난제를 이론적·공학적 접근으 로 해결하고 불가능해 보이는 규모의 연산을 가능하게 하는 시스템 최적화 역량을 보유한 인재 - Google, OpenAI, Meta 등 글로벌 선도기업에서 파운데이션 모델 개발 프로젝트의 리더급 경험을 보유하거나, 대규모 GPU클러스터 등 하이퍼스케일 인프라를 활용한 대형모델 학습 및 최적화 경험이 있는 엔지니어 - 대규모 AI 시스템 설계·구축 경험 및 성과, 동료 평가를 통한 산업계 내 영향력 검증 - 오픈소스 프로젝트 기여도 :프로젝트의 핵심 아키텍처와 기술적 방향성에 실질적인 영향력을 행사하며, 타인의 기여를 이끄는 리더십을 통해 생태계 전체의 성장을 주도 AI 최고급 전문가의 정의와 핵심 요건을 정립하여 정책 대상을 명확히 하고, AI 최고 급 인재 양성방안을 도출하는 과정은 다음과 같다. 본 연구는 심층 인터뷰에 앞서 AI 전문가에 대한 구조적 이해를 확보하고, 인터뷰 결과 분석을 통해 AI 최고급 인재 정책을 도출하기 위한 기초 작업으로 문헌 분석을 수 행하였다. 문헌 분석은 AI 인재의 주요 특성, AI 시장 및 기업 동향, 국내외 AI 인재 양 성 정책, 국내 AI 교육 체계의 구성과 한계를 중심으로 이루어졌으며, 이를 위해 학술 연구, 정책 보고서, 기업 자료, 정부 정책 문서를 종합적으로 검토하였다. 다음으로 AI 전문가 심층인터뷰를 시행하고 그 결과를 분석하여, 실효성 있는 AI 최 고급 인재 양성방안을 도출하였다. 1. 국내외 AI 산업 분석을 통한 AI 기술 혁신 및 생태계 발전에 요구되는 인재 역량 도출 선행 문헌 분석을 통해 AI 인재의 정의와 역량을 파악하였으며, 본 연구의 연구 대상 을 AI 연구자와 AI 엔지니어로 구분하였다. 기존 연구자료들은 AI 인재에게 요구되는 역량에 대한 분석 틀을 제공하거나, 현재 기술 수준에 부합하는 역량을 산발적으로 제 시해왔다. 그러나 최고 수준 인재의 역량 요건과 그중 핵심 역량에 대한 심층적 연구 는 부족한 실정이다. 시대가 요구하는 고도의 AI 기술을 개발하고 구현을 위해 필요한 AI 인재상을 재정립 하고, 이에 부합하는 구체적인 직무 역량을 분석을 위해 글로벌 AI 시장의 변화 양상과 빅테크 기업의 핵심 전략과 사업, 그리고 이에 따른 AI 인재 수요를 종합적으로 살펴본 다. 2025년 AI 시장과 기술의 핵심 트렌드는 ‘멀티모달 파운데이션 모델과 심층 추 론’, ‘AI 에이전트’, ‘Physical AI·임바디드 AI(Embodied AI)’, 그리고 ‘온디바이 스 AI·엣지 AI’의 4대 축으로 요약된다. 이러한 기술 트렌드를 반영하여 Google, NVIDIA, Meta, OpenAI, Anthropic 등 주요 빅테크 기업들은 각자의 기업 비전에 기반한 생태계 구축을 중심 으로, AI 모델 학습·운영 인프라를 넘어 에이전트화 및 서비스 통합으로 그 영역을 확장하고 있다. 빅테크 기업들의 AI 전략을 살펴보면 몇 가지 공통적인 방향성이 뚜렷하게 드러난다. 먼저 AI의 플랫폼화가 빠르게 진행되고 있다. 거의 모든 주요 기업들이 단순히 AI 모델 을 개발하는 단계를 넘어, 이를 API로 제공하고, 다시 에이전트 형태로 발전시켜 최종 적으로는 완결된 서비스로 진화시키는 전략을 취하고 있다. 이러한 단계적 진화는 AI 기술을 보다 실용적이고 접근 가능한 형태로 만드는 과정이라 할 수 있다. 동시에 HW 와 SW의 유기적 통합도 중요한 전략적 축으로 부상하고 있다. 주요 빅테크 기업 전략사업 및 주요 전략 분류 핵심 기업 전략 A : 파운데이션 모델 (멀티 모달LMM) OpenAI, Google, Anthropic, Meta, xAI 지능의 정점(AGI)을 추구하는 연구/모델링 중심 B : 클라우드 & AI 에 이전트 생태계 Microsoft, Google, Amazon, OpenAI AI 인프라 유통 및 기업용 에이전트 생태계 주도 C : 사용자 접점 Apple, Google, Meta 사용자의 일상 기기(Phone, 스카트 글라스)와 개인화 경험 제공 D : AI 인프라 (GPU 등), Physical AI Nvidia, Google 연산 칩, 하드웨어, 현실 세계 물리적 AI 개발 이와 같은 기술 트렌드와 빅테크 기업의 사업 전략과 맞물러 AI 전문가와 직무와 기 술 역량이 수요가 변화되고 있다. 에 사업모델에 따라 수요가 많은 직무 및 필 수 기술 역량을 종합 분석하였다. 사업모델별 요구 직무 및 필수 기술 역량 사업모델 직무 필수 기술 역량 공통 역량 AI 기술, 고등 수학·통계 역량, 프로그래밍 파운데이션 모델 (멀티 모달LMM) AI 리서치 과학자, ML 엔지니어, 데이터 과학자 고급 AI 모델, AI 시스템 아카텍처링, MLOps 및 엔지니어링, AI 거버넌스 클라우드 & AI 에 이전트 생태계 AI 시스템 아키텍트, MLOps 엔지니 어, AI 에이전트 엔지니어, 클라우드 아키텍트, 사이버 보안 전문가 AI 시스템 아카텍처링, MLOps 및 엔지니어링 AI 거버넌스, 윤리, 안전 AI 인프라 (GPU 등), Physical AI 반도체 설계 엔지니어, AI 인프라 엔 지니어, AI 풀스택(HW/SW) 엔지니어 AI 시스템 아카텍처링, MLOps 및 엔지니어링 AI 거버넌스 그러나, 기업의 전략적 초점이 신뢰가능한 AI 시스템의 안정적 운영으로 이동하고 있 음에도 불구하고, 멀티모달 LLM 등 대형모델의 학습·추론 기술과 파운데이션 시스템 구축 인력은 여전히 AI 기술의 최전선에서 독보적인 희소성을 유지하고 있다. 이는 서 로 다른 모달리티를 유기적으로 통합하는 고난도 알고리즘 설계 능력과, 학습 및 추론 시 모델 최적화를 위해 대규모 데이터와 수만 개의 GPU를 제어하는 저수준 시스템 엔 지니어링 역량이 동시에 요구되기 때문이다. 2. 해외 AI 인재 양성 정책 분석을 통한 국내 AI 인재 양성 방향 도출 국내 AI 인재 양성 정책 방향을 도출하고자, 미국, 중국, 영국의 AI 인재 양성 정책을 분석하였다. 미국의 AI 경쟁력은 대학, 기업, 자본의 유기적 결합을 통한 개방형 혁신 생태계에 기반한다. 미국은 이러한 생태계의 지속가능성 확보를 위해 AI 인재 확보 및 육성을 핵심 정책 과제로 설정하고, 국내 인재 양성과 해외 인재 유치를 양대 축으로 추진하고 있다. 중국의 AI 인재 전략은 보다 중앙집권적이고 신속한 실행력을 특징으 로 한다. 중국의 AI 인재 전략은 중앙정부의 체계적 육성 체계를 기반으로 확보된 인 재를 지방정부를 중심으로 국가 전략 분야에 즉각 투입하고, 이를 통해 AI 역량의 지속적 확장을 도모하는 선순환 구조를 지향한다. 영국 AI 인재 전략의 핵심 차별점은 고등교육 기반의 AI 전문 인력 양성에 있다. 영국은 연구 중심 대학원과 펠로우십 운 영을 통해 고급 AI 연구인력 확보에 집중하고, 학계와 산업계 사이 인재의 자유로운 이동을 촉진하여 고급인재의 실무 역량을 강화하고 있다. 영국은 미국의 시장 규모나 중국의 인구 규모를 갖추지 못한 구조적 한계를 명확히 인식하고, 이를 극복하기 위한 전략을 펴고 있으며, 이는 국내 AI 인재 양성에 있어 참고할 만하다. 3. 국내 AI 교육 시스템 분석과 시사점 실효성 있는 AI 인재 양성 정책을 수립하기 위해 현행 AI 교육의 방향성과 체계가 적 절한지 검토하였다. 초중등, 대학· 대학원, 직업교육으로 구분하여 국내 AI 교육 시스 템의 전반적인 구조와 운영 방식 종합적으로 분석하고, AI 인재 양성 방향 설정을 위 한 시사점을 도출하였다. 첫째, 초중등 교육에서 AI 핵심 인재를 조기에 발굴한다는 목표를 실현하기 위해서는 AI 분야로 진입하는 청소년의 저변을 확대하고, 최고급 AI 인재로 장기적으로 성장할 수 있는 명확한 경로를 제시하는 것이 필요하다. 이러한 노력은 더 많은 학생이 AI 분 야에 진입하도록 유도하여 AI 인재풀을 확대하고, 궁극적으로 향후 최고 수준의 인재 로 성장할 가능성을 높이는 기반을 마련하는 데 기여할 것이다. 둘째, 대학의 역할 전환과 기능 고도화가 필요하다. 자본과 인프라 측면에서의 격차 로 인해 실무형 최고 AI 인재를 양성하는 기능이 점차 기업으로 이전되고 있는 환경 변화 속에서 우리나라가 대규모 언어모델(LLM) 중심의 현재 성과를 넘어 새로운 AI 패 러다임 전환을 주도하기 위해서는, 대학이 창의성과 연구 역량을 갖춘 최고급 AI 연구 자 양성 기능에 집중할 필요가 있다. 이를 위해 대학의 인재 양성 체계를 고도화해야 한다. 빠르게 발전하는 AI 기술에 비해 대학의 인재 양성이 뒤처지고 있는 만큼, 고난 도 연구를 지원할 수 있도록 R&D 환경 조성, 전공 간 융합과 학제 개편을 통한 학사 체계 유연화가 시급하다. 셋째, 정부는 대학, 연구소, 기업과의 유기적 협력을 통해 AI 최상위 인재 양성을 위 한 상시 협력 체계를 구축하고, 고성능 컴퓨팅 인프라와 연구용 정제 데이터를 지원하 는 정책을 시행해야 한다. 마지막으로, 기업은 지속가능한 경쟁력 확보를 위해 단기성과 창출이 가능한 실무형 인 재와 장기적 미래를 대비한 차세대 인재를 동시에 확보하는 투트랙 전략을 추진해야 한다. 4. AI 최고급 전문가 심층 인터뷰 분석을 통한 AI 최고급 인재 정의, 역량, 장애요인 분석 AI 분야는 기술 변화 속도가 빠르고 지속적으로 진화하기 때문에, 문헌 연구나 단순 설 문조사보다는 AI 최고급 전문가들의 생생한 경험의 본질을 파악하는 것이 실효성 있는 정책 수립에 필수적이다. 최고급 AI 전문가 인재상과 양성방안을 도출하기 위해 심층 인터뷰 와 질적 분석(qualitative analysis)을 실시하여 인적 특성, 경력, 학습 방법, 성장 장애 요인 등을 파악했다. 본 연구에서는 전통적인 장기 경력 인재와 LLM, 파운데이션 모델 등 최신 기술의 실질 적 구현 및 운영 능력을 보유한 5~10년 경력 인재를 포함한 AI 최고급 전문가 26명을 대 상으로 심층 인터뷰를 실시했다. 본 연구는 신뢰성 확보를 위해 Colaizzi(1978)가 제안한 서 술적 현상학 분석 방법을 활용하여 심층 인터뷰 내용을 투명하고 일관되게 분석했다. AI 전문가 심층인터뷰 결과는 다음과 같은 5가지를 분석했다. 가. AI 최고급 전문가의 AI 분야 진출 동기 및 경력 경로 확장 AI 최고급 전문가는 AI 분야의 직무를 결정하고 성장하는 데는 다음과 같은 경로를 따른다. 1) AI 최고급 전문가는 자율성과 가족과의 관계성을 중요하게 여기는 특성이 강하며, 내재적 동기에 의해 AI 분야에 흥미를 갖게 되며, 열정을 가지고 지속적으로 몰입 이 가능하게 된다. AI 최고급 전문가는 AI 분야를 자신이 잘할 수 있다는 자신감으 로 AI 기술 역량을 향상시키며, 이를 통해 자기효능감이 형성된다. 2) AI 최고급 전문가들은 AI 분야 진입이 경제적 보상과 경력 지속가능성이라는 긍정 적 결과로 이어진다고 인식한다. 또한 경력 성장을 위해 AI 기술 성숙도, 인프라 지원, 시장 성숙도 등을 고려하며, 환경적 장벽 극복을 위해 적극적으로 대응한다. 3) AI 최고급 전문가의 자기 효능감과 결과 기대라는 두 요인이 AI 분야 진입을 이끌 고, 진입 이후 경력 개발에도 핵심적인 영향을 미친다. 4) AI 최고급 전문가는 AI 분야에 진입한 후에도 자신의 가치와 삶의 목표 실현을 위 해 끊임없이 진로를 탐색한다. AI 최고급 전문가는 커리어 지속가능성을 평가하고, 생애주기로 진로를 재평가한다. 이 과정에서 기존에 습득한 기술을 기반으로 기술 역량을 전이적 적용하여 AI 기술 역량을 획득한다. 5) AI 최고급 전문가의 경력 경로에서 흥미로운 점은 우연한 노출을 통해 AI 기술 분 야를 성장시키고 경력을 향상하는 경우가 있다는 점이다. 나. AI 최고급 전문가의 경력 자본 AI 최고급 인재는 행동지향성, 결단력, 인내심, 유연성, 적응력, 자기 동기 부여 및 추진력 등의 역량을 보유하고 있으며, 기술을 거시적으로 바라보는 비즈니스 통찰력과 제품 수명주기 및 시스템 관점의 이해 또한 갖추고 있다. 아울러 AI 분야에서는 평판 과 인적 네트워크가 핵심적인 경력 자본으로 확인되었다. 다. 최신 AI 기술 트렌드가 요구하는 AI 최고급 전문가의 핵심 역량 전통적인 컴퓨터공학⦁AI 지식 분류, 선행 문헌 분석, AI 최고급 전문가 심층 인터뷰 를 통해 최근 AI 전문가에게 요구하는 AI 기술 역량을 도출하였다. 최고급 AI 전문가들은 AI 기술의 특징으로 개방성, 실용성, 융합성을 꼽는다. 또한 현 재 AI 기술 트렌드에서는 대량 데이터 관리가 특히 중요하며, AI의 궁극적 목표는 실제 작동하는 AI 시스템의 구현이라고 설명한다. AI 기술은 순수과학, 공학, 언어학, 심리학 등 다양한 전공 지식과 연결되어 발전하며, 이론적 탐구에 머무르는 순수학문을 넘어 타 산업의 문제를 해결하고 실질적인 부가가치를 창출하는 융합형 실용 학문으로서의 성격을 지닌다. 그럼에도 불구하고 AI 기술이 발달하여 코딩과 시스템 개발에 AI 도구를 활용하더라도, 컴퓨터공학, AI 이론, 고등 수학에 대한 이해와 프로그래밍 능력은 AI 최고급 전문가가 되기 위한 필수 요건이다. AI 기술이 고도로 자동화될수록 탄탄한 이론적 토대는 단순한 활용을 넘어 AI 기술의 주도권을 확보하기 위해 필수적이다. 또한 AI 시스템이 고도화될 수록 AI 시스템 아키텍처링, 시스템 엔지니어링 및 MLOps 역량이 더욱 요구된다. AI 전문가의 AI 핵심 기술 역량 AI 역량 설명 고급AI 기술 머신러닝, 자연어 처리, 딥러닝, 데이터 분석 등 고급AI 기술 고등 수학·통계 LLM, 스케일링 법칙, In-context learning 등 최신 흐름의 원리와 한계, 트레이드오프를 이해하고 모델 구조, 학습 알고리즘, 최적화 AI 반도체 등을 개발 AI 시스템 아키텍처링 AI 기반 시스템의 설계, 생성, 배포 및 유지보수 역량, 분산 처리 시스템, 데이터 파이프라인 등 AI 서비스의 전체 수명주기를 관통하는 아키텍처를 설계하는 능력 시스템 엔지니어링 및 MLOps 모델의 지속적인 학습(CI/CD/CT) 파이프라인을 구축하고, 데이터 특성 변화나 모델 성능 저하를 실시간으로 모니터링하며 대응하는 능력 프로그래밍 Python과 같은 언어 및 NVIDIA의 CUDA와 같은 보다 복잡한 도구에 대한 전문가 수준의 프로그래밍 기술, 최신 논문을 읽고 이를 즉시 고성능 코드로 구현 라. AI 최고급 전문가의 핵심 역량 및 경력 자본 형성 방식 자기 계발 및 학습의 가장 기본이 되는 활동은 학위 취득이다. AI 최고급 전문가들이 수학, 컴퓨터공학, AI 기본 지식을 필수 요소로 꼽는 바와 같이, AI 기술 개발을 위한 기초 지식은 대학에서 습득하게 된다. 이외에도 AI 최고급 전문가들은 최신 이론을 습 득하기 위해 논문을 지속적 탐독하고 직접 구현하며, 산학 협동 R&D, 컨퍼런스 등을 통해 역량을 향상시키기도 한다. AI 최고급 전문가에게 사내외 성공한 전문가들과의 교류는 역량 향상에 매우 중요한 역할을 한다. 강력한 인적 네트워크는 검증된 전문가들과의 연결을 통해 고급 정보와 핵심 프로젝트 참여 기회를 확보하게 함으로써, 기술적 성장을 넘어 커리어 도약을 이 끄는 핵심 자산이 된다. 컨퍼런스의 논문 선정 프로세스는 원래 느리지만, AI 분야에서는 빠른 기술 발전 속 도로 인해 이것이 심각한 한계로 부각된다. 이로 인해 최신 연구는 arXiv를 통해 즉시 공유되며, AI 최상위 컨퍼런스는 학술 발표보다 네트워킹 중심으로 활용된다. 마. AI 인재의 성장과 활동 장애요인 첫 번째 장애요인으로는 기하급수적 AI 기술 발전에 의한 기술 반감기 단축으로 인한 학위의 경제적 가치가 떨어지며, 진행 중인 연구와 개발 중인 제품이 사장되는 결과를 낳는다. 또한 최신 기술 습득에 대한 심리적 압박과 시간·비용이 증가하는 것은 피할 수 없는 현상이다. 두 번째, 인프라 부족으로 고난도 연구가 제한되며, 이는 국가 및 기업 간의 AI 기술 격차를 확대하고, 단순히 기술적 우위를 넘어 경제적 경쟁력을 확보할 수 있는 문제가 생긴다. 세 번째, 국내 대학원이나 연구원 등은 연구 이외의 활동, 행정 잡무에 의해 연구에 집중하기 어렵다고 한다. 이러한 연구 집중 방해 요인은 결국 창의적인 아이디어의 구 현 속도를 늦추고 기술 반감기가 짧은 AI 시장에서의 도태를 가속화할 수 있다. 네 번째, 융합 인력은 물론이고 AI SW와 HW 인력과도 커뮤니케이션 문제가 일어나 고 있다. AI SW와 HW 인력의 커뮤니케이션 문제는 인공지능 모델의 성능을 저하하고 인프라의 효율성을 낮추는 문제를 야기한다. 마지막으로 AI 인재 부족 현상은 단순한 양적 문제가 아니라, 최신 기술 패러다임을 선도할 수 있는 AI 최고급 인재의 희소성에서 비롯된다. 이러한 희소성은 인력 유출의 이중 구조에서 기인한다. 인프라가 취약한 지방 소재 연구소의 AI 인재는 수도권 대 학·기업으로 이동하고, 국내 대기업과 수도권 연구소의 인재마저 해외 빅테크 기업으 로 유출되는 현상이 반복되고 있다. 5. AI 최고급 전문가와 AI 정책 전문가 설문 AI 최고급 전문가 심층 인터뷰 대상자 21명과 AI 정책 전문가 9명을 대상으로 전체 30명에 대한 AI 전문가 설문조사를 시행하였다. AI 전문가 설문을 진행한 이유는 참여 자 재검증(Member checking)을 통한 연구자의 분석 결과가 AI 최고급 전문가의 실제 경험과 의도에 부합하는가 검증하고, 주관적인 질적 연구의 한계를 극복하기 위해 양적 검증을 통해 질적 분석의 신뢰도를 높이기 위함이다. 가. 최고급 AI 전문가 핵심 기술 역량 AI 최고급 연구자의 기술 역량으로 컴퓨터공학·AI 기술, 고급 AI모델, 고등 수학·통 계, 연구 능력이 가장 중요한 것으로 확인되었다. 또한 AI 시스템 아키텍처링과 프로그 래밍 기술도 매우 중요하다고 밝혀졌다. AI 최고급 엔지니어의 기술 역량의 대해서는 대규모 데이터 수집 및 처리, 실무지식, AI 시스템 아카텍처링, 시스템 엔지니어링 및 MLOps 순으로 중요도가 분석되었다. 또한 AI 안전, AI 거버넌스 기획 및 관리, AI 윤리 도 가장 중요한 역량들로 나타났다. 나. 최고급 AI 전문가 경력 자본 ‘문제 발견 및 재정의 역량’, ‘창의력’, ‘도전 정신’이 AI 최고급 연구자에게 가장 중요한 역량으로 판명되었다. 특히 창의력과 도전 정신은 ‘AI 이론 혁신 및 새 로운 패러다임’을 창출하는 근원적 역량이다. AI 전문가들은 설문을 통해 최고급 AI 연구자의 경력 자본으로 ‘결단력 및 인내심’, ‘비즈니스 통찰력’, ‘자기 동기 부 여 및 추진력’이 매우 중요하다고 응답하였다. 설문 결과, 연구자가 도출한 최고급 AI 엔지니어의 핵심 요건인 ‘문제 해결 및 최적 화 역량’을 가장 중요한 AI 최고급 엔지니어의 역량으로 조사되었다. 또한 ‘비즈니스 통찰력’, ‘대인관계 및 리더십’, ‘유연성 및 적응력’, ‘비지니스 모델 혁신’은 AI 최고급 엔지니어에게 매우 중요한 역량으로 나타났다. 다. AI 전문가 역량 및 경력 자본 축적 방법 설문 결과, AI 최고 전문가의 역량과 경력 자본 축적 방법은 ‘정규교육 중심의 연구’ 와 ‘사내외 네트워킹’이 가장 중요한 요소로 판명되었다. 그다음 방식은 ‘AI 최신 이 론에 관한 기술 문서 습득 및 논문 내용 구현’과 ‘컨퍼런스 참석 및 발표’였다. 라. AI 최고급 전문가 성장과 활동 장애요인 설문조사 결과 AI 최고급 전문가 성장과 활동 시 가장 큰 장애요인은 ‘연구 인프라 부족’, ‘연봉·연구비 등 보상’의 부족이라고 판명되었다. 다음으로 ‘단기성과 지 향에 의한 장기 연구 및 혁신 활동 축소’, ‘연구의 실패를 허용하지 않는 환경으로 도전적이고 실험적 연구 수행 제한’ 등의 장애요인이 있었다. AI 최고급 전문가 심층 인터뷰에서도 밝혀졌듯이, 설문조사에서 가장 큰 역량 향상의 장애요인 중의 하나로 ‘기하급수적 AI 기술 발전에 의한 기술 반감기 단축’을 지적하였다. ‘조직 운영이 나 행정 처리 등의 업무로 연구 집중 방해’도 장애요인으로 조사되었다. 6. AI 최고급 전문가 양성 정책 제언 우리나라는 주요 선도국에 비해 AI 기술 수준에서 격차가 존재하고, 우수 인재풀, 컴 퓨팅 인프라, 대규모 자본 등 핵심 자원 측면에서도 구조적 한계를 안고 있다. 우리나 라 최고급 AI 인재 양성 정책은 이러한 제약 조건을 전제로 한 선택과 집중 전략을 통 해 인재 양성의 실질적 성과를 도모할 필요가 있다. 즉, 전 분야에서의 포괄적 정책 제 공보다는 ‘대학·대학원의 고급인재 양성 기능 강화’, ‘AI 최고급 인재 양성 및 연 구 환경 구축’, ‘AI 최고급 인재 처우 강화 및 협력 생태계 구축’, ‘AI 핵심 인재 의 조기 발굴 및 AI 인재 성장 경로 구축’의 4가지 축으로 AI 최고급 인재 양성 정책 의 실효성을 높일 필요가 있다. AI 최고급 인재 양성 정책 제안 AI 최고급 인재 양성 정책 1. 대학·대학원의 고급인재 양성 기능 강화 가. 탐구 중심의 고난도 연구를 지원할 수 있는 R&D 체계 개선 - 「국가 연구개발 혁신법」개정 및 「연구관리 표준 매뉴얼」개선 나. 유연하고 신속한 학사 체계로의 전환 - ‘학·석·박사 통합 트랙’ 정책 보완 - ‘다이렉트 박사 과정’ 허용 - 산업계 경험을 학점 인정 제도 확대 다. AI 심화 이론과 순수과학·전통 공학 기술을 아우르는 전공 및 교과 과정 설계 - 개별 맞춤형 다학제 전공 신설 - 자연과학·전통 공학 기술과 AI를 깊이 있게 결합한 심화 교육 과정 설계 및 커리큘럼 개발 - SW·HW를 수직 통합 과정 개발 2. AI 최고급 인재 양성 및 연구 환경 구축 가. AI 최고급 인재 양성을 위해 산·학·연·관 상시 협력 체계 구축 나. 고난도 연구를 위한 인프라 구축 및 지원 - ‘범부처 통합 예산’을 확보하여, 초거대 컴퓨팅 인프라 구축 - 대학·연구소 클라우드 사용 확대 다. AI 학습을 위한 통합 데이터 센터 구축 3. AI 최고급 인재 처우 강화 및 협력 생태계 구축 가. 국가 AI Fellow 제도 도입 나. AI 최고급 인재 유치를 위한 대학·산업간 겸직 활성화 다. 글로벌 AI 커뮤니티 활용을 통한 네트워크 지원 확대 4. AI 핵심인재의 조기 발굴 및 AI 인재 성장 경로 구축 가. 초중등 AI 영재 교육을 통한 잠재적인 AI 최고급 인재 기반 마련 나. 다양한 AI 경진 대회 개최와 지원 다. 대안교육의 활성화 및 제도적 지원 - 자기주도 학습 비용 지원 - ‘교육 규제 샌드박스’ 제도 도입 5. 정책적 활용 내용 및 기대효과 본 연구는 AI 시장, 교육 체계, 주요국의 AI 인재 양성 정책, 심층인터뷰 결과를 통합 적으로 분석하여 ‘AI 최고급 인재’의 개념을 정의하고 그 요건을 규정하였다. 본 연 구는 AI 최고급 전문가 인재 정책 대상을 구체화하고 정교화하였으며, 이는 실효성있 는 AI 최고급 전문가 인재 양성 정책 마련에 도움이 될 것이다. 또한 연구자는 AI 분야가 빠른 기술 변화와 지속적 진화라는 특성 때문에 문헌 연구 나 단순 설문조사만으로는 AI 최고급 전문가를 파악하는데, 한계가 있음을 인식하였다. 이에 심층 인터뷰와 질적 연구를 통해 AI 최고급 전문가들의 생생한 경험을 파악하고, 질적 연구의 신뢰도를 높이기 위한 설문조사로 연구 결과를 검증하여 효과적이고 실질 적인 정책을 제안하였다. 본 연구 결과는 올해 AI 인재 양성 정책 수립에 활용되었다.

  • 가상융합(Extended Reality, XR) 산업이 공간컴퓨팅과 생성형 AI 융합 등 세부 기술 영역 으로 빠르게 분화되고 있다. 제품 출시나 기업의 전략 발표 하나가 관련 기술 콘텐츠의 생산 구조를 단기간에 바꾸는 사례도 잦아졌다. 그러나 기업 실태조사와 특허·논문 분석은 조사 주 기와 출원·게재 시차로 인해 이러한 단기 변화를 제때 포착하기 어렵다. 유튜브 콘텐츠 선도 채널은 전 세계 기술 전문가와 얼리어답터의 관심이 비교적 빠르게 드러나는 공간으로, 업로 드 빈도와 시청자 참여 반응을 통해 기술 콘텐츠 동향을 보완적으로 관찰할 수 있는 데이터 원천이다. 본 연구는 정량적 내용 분석을 적용하여 유튜브 콘텐츠 선도 채널 20개의 5개년 (2021~2025) 영상 5,711건을 9대 기술 카테고리로 분류·분석하였다. 콘텐츠 생산은 디바 이스·플랫폼(5년 평균 68.9%)과 인터랙션·UX(13.3%) 두 카테고리에 집중되어 합산 82.3% 를 차지하였고, 이러한 기기·플랫폼 중심 구조는 5년간 유지되었다. 카테고리 수준에서 생산 비중과 시청자 참여 강도는 같은 방향으로 움직이는 양(+)의 상관 을 보였다(Spearman ρ=+0.68, p=0.042). 다만 카테고리 내부의 조회수는 소수 영상에 극 단적으로 집중되어, 참여 강도의 대표값으로 평균 대신 중앙값을 사용하였다. AI 확산은 독립 분야의 성장이 아니라 기존 콘텐츠 전반으로의 결합 형태로 나타났다. 'AI·XR 융합' 독립 카테고리의 생산 비중은 2021년 0.06%에서 2025년 1.2%에 그친 반면, 전체 영상의 AI 관련 용어 언급 비율은 같은 기간 2.6%에서 18.3%로 약 7배 증가하였다. 카테고리 단위 통계만으로는 포착되지 않는 변화이다. 이러한 확산은 채널 유형에 따라 시차 를 두고 나타났다. 개발 생태계 채널의 AI 언급 비율은 2021년 11.5%에서 2025년 44.0% 로 지속 증가한 반면, 전문 미디어는 2024년부터 본격적으로 상승하였다. 본 분석은 콘텐츠 선도 채널 생태계 내의 관찰에 한정되는 탐색적 시도에 해당하며, 분석 결과는 가상융합(XR) 기술 콘텐츠 글로벌 동향을 살펴보는 하나의 참고 신호 수준에서 활용 될 수 있다. 특히 개발 생태계 채널에서 AI 관련 논의가 먼저 증가한 양상은 새로운 기술 의 제의 조기 관찰 지점을 시사한다. 이러한 신호가 정기 실태조사·산업통계 등 기존 분석 자료 와 함께 교차 검증되는 방식으로 활용될 때, 글로벌 XR 기술 콘텐츠의 변화 흐름을 다층적 으로 이해하는데 기여할 수 있을 것으로 기대된다.

  • 요약문 1. 제 목 : AI 융합 연구 경쟁력 강화 방안 연구 2. 연구 배경 및 목적 ㅇ (연구배경) 딥러닝, 자연어처리 등 AI 기술의 고도화는 단순 데이터 분석을 넘어 새로운 지식 생산 과정을 혁신하고 있으며, 모든 학문 분야에서 연구 방법론의 한계를 보완하는 핵심 촉매로 자리 잡고 있음 - (복잡한 사회·기술적 난제 해결의 열쇠) 기후위기, 감염병 예측, 신약 개발 등 단일 학문으로 해결하기 어려운 복잡한 과제들에 대해 AI를 활용한 융합연구(Convergence Research)가 국가 경쟁력 확보의 필수 요소로 부상함 - (글로벌 AI융합연구 정책 경쟁 가속화) 미국(제네시스 미션), 중국(AI플러스행동계획), EU(Horizon Europe) 등 주요국은 AI 기반 과학 혁신을 국가 전략으로 격상하여 추진 중임 - (우리나라의 AI융합연구경쟁력 진단) 우리나라는 AI 기술에 대한 관심은 높으나, 글로벌 수준에서 국내 AI 융합연구 역량의 객관적 위치와 분야별 강·약점에 대한 체계적·정량적 분석이 미흡하여 이를 진단할 정책적 필요성이 높음 ㅇ (연구의 목표) AI 융합연구 경쟁력 개념을 정의하고, 지난 20년간의 글로벌 논문 데이터를 실증 분석하여 한국의 상대적 위치와 성장 추세를 파악함으로써 향후 정책 방향성을 제시하고자 함 3. 연구의 구성 및 수행 방법 ㅇ 본 연구는 크게 선행 문헌 연구, 국내외 정책 사례, 데이터 기반 AI융합경쟁력 현황을 분석 지표 및 프레임워크를 수립하여 파악함 - (선행 문헌 연구) 기존 융합연구 개념(학제 간, 다학제적, 초학제적)과 AI 기술 특성을 결합하여 'AI 융합연구 경쟁력'을 새롭게 정의함 - (국내외 정책 및 사례 조사) 미국, 중국, 일본, 독일, 프랑스 등 해외 주요국 및 국내 AI 융합연구 촉진을 위한 정책 및 우수 사례를 생태계 구축 전략, 데이터·컴퓨팅 인프라, 인재 양성 체계 등 다각적 측면에서 비교 분석함 - (데이터 기반 정량 분석) 글로벌 학술논문 데이터베이스 서비스 업체인 Clarivate의 Web of Science 및 InCites 데이터를 활용하여 2005~2024년(최근 20년) 동안의 다양한 과학기술학문 분야에 게재된 AI 관련 논문을 추출하고 분석함 - (분석 지표 및 프레임워크 개발) AI융합연구의 범위, 융합 연구의 강도, 영향력을 파악할 수 있는 지표 체계를 수립하여 이를 바탕으로 세부 현황을 파악함 ⁃ 융합 범위(Shannon Entropy): AI 키워드가 타 학문 분야에 얼마나 폭넓고 고르게 분포하는지 측정 ⁃ 융합 점수(Fusion Score): 특정 분야에서의 AI 기술 도입 강도를 타 분야 범용성으로 보정하여 실질적인 융합 신호를 도출 ⁃ 연구 영향력 지수(CNCI): 글로벌 평균 대비 피인용 성과를 산출하여 연구의 질적 수준을 평가 ⁃ 2차원 매트릭스(Fusion-Impact Matrix): '핵심 융합 트렌드', '성장 유망', '도메인 주도', '경쟁력 제고'의 4개 영역으로 분야를 구분하여 진단 ⁃ 핵심 키워드 도출: Stanford AI Index 등을 참고하여 AI 개념, 학습 패러다임, 생성형 AI, 컴퓨터 비전 등 4개 도메인에서 총 48개의 핵심 AI 키워드를 선정함 4. 연구 내용 및 결과 □ 주요 정책 동향 ㅇ 우리나라와 해외 주요국이 추진하고 있는 AI융합연구 촉진 정책 및 우수 사례들을 분석한 결과 AI를 단순한 분석 도구로 인식하지 않고 지식 생산의 패러다임을 바꾸는 핵심 촉매로 인식하고 이를 위한 AI+X 및 AI for Science 전략을 수립하고 추진 중 ㅇ 주요 정책들은 ‘강력한 인프라 접근성 확보’와 ‘현장 밀착형 문제 해결 과제 제시’, 그리고 'AI융합 연구 전문 인재 확보'를 유기적으로 연결하여 국가 차원의 AI 융합 생태계를 구축에 목표를 두고 추진 중 국가별 대표 정책 및 전략 국가 대표 정책 및 전략 내용 및 특징 미국 Genesis Mission 기초과학과의 강력한 결합: NSF, DOE 등을 통해 물리, 화학, 생물 등 기초 과학 분야에 AI를 적극 적용하여 연구 생산성을 극대화 국가 AI연구소: 29개 국가 AI연구소에 500개 이상의 기관이 협력 네트워크를 구축함으로써 연구-상용화 전 과정을 수행하는 연구 체계 마련 중국 AI플러스 전략 국가 주도의 거대 플랫폼화: 가설 수립부터 실험까지 지원하는 ‘사이언스원’ 같은 연구 운영 체계를 구축함 막대한 자금 투입: 약 11조 원 규모의 국가 AI 산업 투자펀드를 통해 인프라와 응용 전 분야를 지원함 유럽 AI기회행동계획(영국), AI클러스터(프랑스) 안전 및 윤리 기반의 혁신: 영국은 세계 최초 AI 안전 연구소(AISI)를 통해 위험 관리와 혁신을 병행함 프랑스는 전략 산업별 AI 클러스터를 조성하고, 독일은 실제 기업 현장에서 AI 업무 방식 및 AI 솔루션을 실험 및 검증할 수 있도록 지원함 한국 과학기술XAI 국가전략 도메인별 과학 기반모델 구축: 반도체, 바이오 등 강점 분야의 ‘플래그십 프로젝트’를 통해 한국형 AI 공동과학자를 개발함 주권 AI 인프라: 민관 합작 ‘국가 AI 컴퓨팅 센터’를 통해 GPU 자원을 확보하고 국산 AI 반도체 생태계를 육성함 □ 정량 분석 결과 ㅇ (글로벌 트렌드) 전기·전자공학, 통신학 등은 AI의 핵심 기반 영역으로 자리 잡았으며, 최근에는 의학, 영상과학, 언어학, 교육학 등에서 융합이 가속화되고 연구 영향력이 높게 나타남 - 전기·전자공학 및 통신학은 AI 기술의 핵심 기반 영역으로 가장 높은 융합도를 보이며, 자동화 및 제어 시스템, 영상과학 등이 주요 확장 분야로 식별 - 의학, 영상의학, 생화학, 통계학, 지구물리학 등은 현재 AI 융합의 폭은 좁으나(도메인 주도), 수행된 연구의 영향력은 매우 높아 AI 기술 도입 시 파급력이 가장 크게 나타날 유망 분야로 분석 - 전 세계적으로 2014년을 기점으로 AI 융합연구가 급증하고 있으며, 특히 2020년 이후 고속 성장 단계에 진입하여 향후에도 이러한 추세는 지속될 전망 ㅇ (우리의 경쟁력) 전기·전자 및 통신 분야에서 강력한 연구 역량을 보유하고 있으나, 의학 및 기초 과학(수학, 생화학 등) 분야에서는 연구 파급력은 높지만 실질적인 AI 융합 시도(융합도)는 아직 제한적인 것으로 나타남 - 중국은 세계 최대의 AI 융합연구 규모를 보유하고 있으나 연구 영향력은 특정 분야에 한정된 반면, 미국은 기초 과학부터 응용 학문까지 광범위한 분야에서 압도적인 질적 우위를 점하고 있음 ㅇ (기술별 특성) 설명가능한 AI(XAI), 생성형 AI(Gen AI), LLM 등은 거의 모든 학문 분야에서 '도메인 주도' 또는 '핵심 융합 트렌드'로 발전하며 높은 파급력을 보임 □ 정책적 시사점 ㅇ 인프라 격차 해소: 인도의 'IndiaAI Compute Capacity' 사례처럼 연구자와 스타트업이 저렴하게 GPU 자원에 접근할 수 있는 국가 주도의 인프라 생태계 구축이 시급함. ㅇ 양손잡이형 인재 양성: 과학기술 전문성과 AI 역량을 동시에 겸비한 융합 인재 양성을 위해 영재학교부터 박사후연구원(InnoCORE)까지 전 주기에 걸친 지원 체계가 필요함. ㅇ 전략적 융합 영역 발굴: 핵심 융합 트렌드뿐만 아니라, 잠재력이 큰 '성장 유망' 영역과 도메인 내 혁신이 일어나는 '도메인 주도' 영역을 조기에 포착하여 전략적 R&D 투자를 강화해야 함 5. 활용 및 기대 효과 ㅇ 연구 결과는 학문 분야에서의 AI 활용은 광범위하게 자리하고 있으며 첨단 산업에서의 AI 활용을 통한 연구는 ‘AI for Science’라는 정책으로 더욱 확대되어 가고 있음을 보여줌 ㅇ 미국, 중국이 AI융합연구를 주도하고 있는 상황과 우리나라가 전기, 전자, 통신 분야 및 의학·기초과학에서 AI융합 연구를 상대적으로 진행하고 있으나 미·중에 비해 제한적 영역에 머무는 경향을 확인함으로써 차별화된 정책 필요성을 도출 ㅇ 한편, 섀넌 엔트로피 기반의 융합 지표를 제시하여 향후 AI융합연구의 글로벌 경쟁력 확보 수준을 정기적으로 추적 및 평가할 수 있는 방법론적 토대를 마련함 ㅇ 본 연구는 '과학기술 X AI 국가전략' 등 범정부 차원의 AI 융합 정책 수립 시 우리나라의 AI융합연구 경쟁력을 파악할 수 있는 데이터 기반의 기초 정책 자료로 활용 가능 ㅇ AI 융합연구 활성화를 통해 연구 비용을 절감하고 혁신 속도를 가속화함으로써 학문적 성취와 함께 산업적 부가가치 창출에 기여할 것으로 기대됨

  • 요약문 1. 제 목 : 2025년 국내외 인공지능 산업 동향 연구 2. 연구 목적 및 필요성 ㅇ 생성형 AI와 초거대 AI 모델, 에이전트형 AI 및 피지컬 AI의 확산으로 인공지능 산업 생태계가 빠르게 재편 - AI 기술은 산업 혁신을 넘어 행정·노동·교육·안보 등 사회 전반의 구조적 변화를 촉발하고 있으며, 주요국은 이를 국가 경쟁력과 기술 패권의 핵심 요소로 인식하고 국가 AI 전략 고도화와 법·제도 정비를 본격화 - 특히, 2025년을 전후로 AI 관련 기본법 제정과 규제·거버넌스 체계가 ‘설계 단계’를 넘어 ‘시행 단계’로 진입하면서, 정책의 실질적 효과와 산업·사회적 영향에 대한 분석의 중요성이 증대 - 관련 하드웨어, AI 반도체, 연산 인프라에 대한 대규모 투자와 함께 전 산업에서 AI 융합과 활용이 가속화되고 있으며, 글로벌 빅테크를 중심으로 초거대 모델, 에이전트형 AI, 피지컬 AI 분야에서 주도권 경쟁이 심화 - 동시에 AI 안전성·신뢰성·책임성에 대한 우려가 확대되면서, 각국 정부와 국제기구, 표준화 기구를 중심으로 AI 윤리, 안전, 거버넌스 규범 정립과 국제 협력이 강화 - 동시에 AI 안전성·신뢰성·책임성에 대한 우려가 확대되면서, 각국 정부와 국제기구, 표준화 기구를 중심으로 AI 윤리, 안전, 거버넌스 규범 정립과 국제 협력이 강화 - 동시에 AI 안전성·신뢰성·책임성에 대한 우려가 확대되면서, 각국 정부와 국제기구, 표준화 기구를 중심으로 AI 윤리, 안전, 거버넌스 규범 정립과 국제 협력이 강화 - 이러한 환경 변화 속에서 국내 인공지능 산업의 경쟁력 강화, 활용 확산, 그리고 글로벌 수준의 신뢰성 확보를 위한 정책 마련을 위해 국내외 AI 산업 및 정책 동향에 대한 종합적 분석 필요성 증대 ㅇ 본 연구는 급변하는 국내외 인공지능 산업 생태계를 체계적으로 분석하여, 국내 산업 경쟁력 강화와 인공지능 활용 확산을 지원하기 위한 정책적 기초 자료를 마련하는 것을 주된 목표 - 주요국, 주요 기관 및 학술단체, 주요 기업의 동향을 조사하여 현재의 상황을 분석하고, AI 기술의 발전 및 산업 변화에 대한 전망을 통해 적시에 효과적인 AI 정책을 개발하고 정책적 의사결정을 지원하기 위한 기초 자료를 제공하며, 이를 통해 정책 과제를 발굴 - 이를 통해 향후 국가 AI 전략, 산업 정책, 법·제도 개선을 위한 주요 정책 과제를 도출하고, 중장기 정책 고도화에 기여 - 인공지능 산업과 관련된 폭넓은 조사를 바탕으로 국내외 AI 정책·법제·전략·권고안 등 핵심 자료를 체계적으로 확보하여, 정책 설계 및 발전 과정에서 활용 가능한 근거 자료로 제공 3. 연구의 구성 및 범위 ㅇ AI 산업 현황 및 전 세계 AI 시장전망에 대한 개괄적 정리 ㅇ 국내외 주요국·국제기구 정책 동향 - 주요국에는 미국, EU, 중국, 일본, 영국, 캐나다, 프랑스, 독일, 싱가포르, 이스라엘, 인도, UAE, 대만, 호주 등 포함- 국제 기구/회의로 OECD, UN, G7정상회의, G20정상회의 동향 분석 ② 오픈소스AI의 전략적 가치 : 기술 인프라, 기업 경쟁력 요소, 소버린AI(기술 확보) 수단, 기술 경쟁 수단, 글로벌 협업 수단 ③ 소버린AI를 위한 오픈소스AI의 주요 역할 : 기반 기술 제공, 외부 의존성 완화(자 율성 확보), 신뢰성 확보 수단 ④ 오픈소스AI 개념 정립으로 인한 기준 제시 글로벌 오픈소스AI 생태계는 AI 선도 기업들이 적극적인 기술 공개와 홍보를 통해 성 장하고 있다. 특히 오픈소스AI의 핵심이라고 할 수 있는 오픈소스 모델은 선진 AI 기업 들이 주도하고 있다. 따라서, 오픈소스AI 생태계를 선도하는 국내외 기업과 이들 기업들의 오픈소스 모델을 중심으로 글로벌 오픈소스AI 동향을 조사하였다. 대상 기업으로 글로벌 오픈소스AI 생태계를 선도하는 해외 기업 8개(메타, 구글, OpenAI, EleutherAI, 알리바바, 바이두, 딥시크, 미스트랄AI)를 선정하였다. 조사 결과, 기업들은 AI 기술을 기반으로 자체 플랫폼 경쟁력 강화, 상용AI 서비스 제공, AI 솔루 션 공급을 하고 있다. 그리고 이들 기업들의 오픈소스AI는 단순한 기술 공개를 넘어 특정 기업 견제(종속성 회피), 생태계 영향력 확보 및 확장, 기술력 입증, 개방형 협업, 글로벌 진출, 기술 주권 확보 등 다양한 목적 달성을 위한 전략적 수단으로 볼 수 있다. 국내 기업으로는 오픈소스 AI를 선도하는 기업 5개(네이버, LG AI Research, SK텔레 콤, 업스테이지, 엔씨 AI)를 선정하였다. 조사 결과, 국내 기업들은 보편적으로 기술력 입증을 위한 모델 공개 전략을 추진하고 있는 것으로 보인다. 아직은 국내 기업들의 AI 기술력의 인지도 부족과 생태계 영향력 부족으로 인한 것으로 기술 공개를 통해 전 략적 입지 마련을 위해서로 생각된다. 향후에 국내 오픈소스 모델이 글로벌 오픈소스 모델 대비 성능이 견줄 수 있다면 해외 진출을 추진할 수 있다고 보며, 한국어 처리 능력에서 우월성이 증명된다면 국내 시장의 해외 오픈소스 모델의 점유율 하락을 기대 할 수 있을 것으로 생각된다. 국내외 오픈소스AI 기업 동향을 통해 도출한 시사점들은 다음과 같다. ① 오픈소스AI 전략의 실질적 목표: 기술·산업 영향력 확대 ② 중국 기업의 차별화 오픈소스 전략: 적극적 공개(혁신 기술 + 오픈소스 라이선스) ③ 오픈소스AI 영향력 확대 방안: 빠른 기술 혁신과 잦은 반복 출시로 개발자 락인 ④ 다양한 오픈소스AI 공개 방안 : 완전 공개, 제한적 공개, 폐쇄 전략 ⑤ 오픈소스AI 수익화 모델 : 간접 수익화 - 자체 제품/서비스 혁신 및 로스 리더(Loss Leader) 전략 ⑥ 오픈소스AI의 주요 수익원 : B2B 시장(엔터프라이즈 고객) 4장은 국내외 오픈소스AI 생태계에 대한 실증적 분석을 위해 EpochAI의 유명 AI 모 델 데이터를 기반으로 글로벌 AI 생태계에서 오픈소스 모델의 영향력과 현황을 분석하 였고 국내 현황으로 371명의 AI 개발자들의 오픈소스AI 인식 및 현황을 파악하기 위해 설문 조사를 수행하여 분석하였다. EpochAI의 유명 AI 모델 데이터는 1950년부터 2025년 6월 초까지 발표된 AI 모델 중 4가지 조건(① 공인 벤치마크의 최첨단 개선, ② 인용 수 1000개 이상, ③ 기술 발전의 중요성, ④ 중요한 활용)중 하나 이상을 충족한 964개의 AI 모델 정보를 제공하고 있 다. 이 데이터를 기반으로 OSI의 오픈소스AI 정의를 기반으로 주요 공개 항목(데이터, 모델 구조, 웨이트, 학습 & 추론 코드 등)을 중심으로 오픈소스 모델 269개를 분류하여 참여 기관, 참여 기관 국가, 조직 분류, 발표 일시, 유형, 활용 분야, 선정 기준 등을 분석하였다. 참여 기관에서 가장 많은 유명 모델 개발에 참여한 기관은 구글로 타 기관 대비 압 도적이었으며 오픈소스 모델 공개는 메타(페이스북 포함시)가 45개로 1위를 차지하였 다. 그리고, 기관 유형은 산업계가 참여한 AI 모델이 626개 이었으며, 오픈소스 모델은 208개로 기업들이 AI 기술 혁신을 주도하고 있었다. 연도별 현황을 보면 AI 모델은 2013년부터 지속적으로 증가하고 있으며, 오픈소스 모 델은 2015년에 처음 등장하여 2018년부터 지속 증가하는 추세이다. 그리고, 2019년 이 후 유명 모델의 51.9%는 오픈소스 모델일 정도로 오픈소스 생태계 영향력이 최근 빠르 게 증가하고 있다. 모델별 참여 국가 현황을 보면 미국이 AI 모델과 오픈소스 모델 모두 1위였고 이어서 중국이 2위 었으며, 우리나라는 오픈소스 모델 분야에서 양적으로 7위에 위치하고 있 었다. 이러한 데이터는 최근 AI 생태계에서 중국 기업의 부상을 데이터로 입증하는 자 료이며 허깅페이스 자료에서도 중국 모델들이 전세계적으로 주목을 받고 있음을 보여 주고 있다. 데이터 정보 공개, 모델 접근성, 학습 코드 접근성, 추론 코드 접근성의 분석 결과를 보면 유명 모델의 약 절반인 48.3%(458개) 모델들이 학습 데이터 정보를 공개하고 있으 며 학습 데이터 종류는 276개로 다양한 데이터들이 활용되고 있음을 알 수 있다. 이에 반해 모델 접근성, 학습 코드 접근성, 추론 코드 접근성을 공개한 모델은 각각 269개, 237개, 225개로 상대적으로 적음을 알 수 있다. 국내 오픈소스AI 인식 및 활용 현황 조사는 선행 문헌들을 분석하여 총 60개의 설문 문항을 개발하여 모바일 온라인 설문 조사를 통해 총 371명의 AI 개발자로부터 응답 결과를 수집하였다. 주요 구성은 Part 1은 성능 기대, 노력 기대, 사회적 영향, 촉진 조 건, 저항 요인, 활용 의사, 사용 행동, 기술 적합성, 환경 역동성, 제품 난이도에 대해 40개의 리커드 척도 문항으로 구성하였다. Part2는 오픈소스AI 관련 개발자들의 직접적인 인식과 상세 현황을 위한 설문으로 핵심 공개 항목, 중요성, 만족도 및 향후 예측, 국산 중요성, AI 도입 유형, 적용 분야 및 활용 수준, 모델 유형, 장단점, 저해 요인 및 촉진 조건, 플랫폼/기업 종속성, 전문가 필요성 및 핵심 역량에 관한 20개의 문항으로 구성하였다. Part 1의 오픈소스AI 활용 동기 측면에서 성능 기대에서 업무 생산성과 빠른 업무 수 행에 상대적으로 많은 응답자들이 동의하였으며, 노력 기대에서 필요 정보 획득에 가 장 많은 응답자들이 선택하였으며, 사회적 영향에서 의사결정자와 고위 경영진이 상대 적 으로 많은 응답자들이 동의하였고, 촉진 조건에서 필요 지식이 가장 많이 응답되었 다. 저해 요인으로는 저작권 침해에 가장 많은 응답자들이 동의하였다. AI 개발자들의 오픈소스AI 활용 현황을 보면 활용 의사에서 보면 주변 추천, 자주 사 용, 지속 사용, 방법 탐색 등 다양한 측면에서 활용을 확산할 의사를 가지고 있음을 확 인하였다. 그리고 실질적 행동으로 기술 문서 탐색, 새로운 정보 획득, 학습 자료 활용 등을 통해 오픈소스AI 역량을 강화하려는 응답 비중이 50%를 넘었다. Part 2에서 개발자들은 오픈소스AI의 핵심 공개 항목으로 모델, 데이터 정보, 학습 데 이터, 기술 문서를 선택하였다. 이는 공개된 정보를 기반으로 활용과 성능 향상을 위한 핵심 정보들도 판단된다. 다양한 측면의 오픈소스AI 중요성에 대해 개인적인 업무상 중요성 외에 국가 AI 기술 력 강화, 기업 AI 경쟁력 강화, AI 기술 확산 측면에 오픈소스AI 중요하다는 응답에 90% 안팎으로 응답할 정도로 중요하게 인식되고 있었다. 그리고 오픈소스AI에 만족하 는 개발자 비율이 54.4%로 과반이 넘었고, 향후 활용이 확대될 것으로 예상하는 개발 자 비율이 89%이었다. 실제로 AI 원천 기술 도입 형태에서 오픈소스AI를 활용하는 비 율은 68.5%이었다. 적용 분야와 활용 수준을 보면 사내 업무 및 서비스 적용과 기존 제품/서비스 개선 이 각각 60.4%와 59.0%로 새로운 제품/서비스 개발에 활용하는 비율보다 높았으며, 활 용 수준도 제품 적용 보다는 기술 탐색 및 연구개발 진행 중이 전체의 72.3%로 아직까 지는 제품 적용 단계는 소수인 것으로 파악되었다. 그리고 오픈소스AI 기술의 장단점으로 빠른 기술 발전 속도, 라이선스 비용 절감, 및 기술 내재화 가능성에 많은 응답자들이 선택하였으며, 단점으로는 기술 완성도 부족, 책임 주체의 불명확성, 부족한 문서화 등이 선택되면서 기술 역량 확보가 오픈소스AI 확산의 주요 요소로 판단된다. Part1의 오픈소스AI 저항 요인과 촉진 조건을 상세히 묻는 설문에서 주요 저해 요인 으로는 조직의 오픈소스AI 전략(비전) 부재, 인력 부족, 자체 인프라 부족, 조직의 정책 /거버넌스 부재 순으로 응답되며 개인적 오픈소스AI 활용 의사에 비해 환경적 요인이 부족한 것으로 판단된다. 그리고 주요 촉진 조건으로는 연구개발 인프라, 전문가 양성 및 발굴, 기업/기관 거버넌스 확립, 오픈소스AI 활용 기업 발굴 등이 응답되며 오픈소 스AI 활용 기반 조성 및 인력 양성 필요성이 제기되었다. 기술 종속성 관점에서 국산 오픈소스AI의 중요성과 특정 플랫폼/기업 종속성에 대한 설문 결과를 보면 국산 오픈소스AI 기술이 중요하다고 응답한 비율이 해외 오픈소스AI 가 중요하다고 응답한 비율보다 10.2% 높았으나, 둘 다 중요하다고 응답한 비율이 절 반이 넘는 50.9%임을 고려하면 개발자들은 국산 혹은 외산 구분 보다는 우수한 오픈소 스AI에 관심이 많다고 추정할 수 있다. 다만, 특정 플랫폼 및 기업 종속성에 대한 우려 에 대한 응답은 50.7%로 이에 대한 우려가 있음을 확인하였다. 마지막으로 오픈소스AI 확산의 주요 저해 요소인 인력(개발자, 기여자) 부족이자 주요 촉진 조건인 전문가 양성을 위한 오픈소스AI 전문가 육성 필요성에 중요하다고 응답한 비율은 88.1%로 많은 개발자들이 동의하고 있었다. 그리고, 전문가의 주요 역량으로 AI 모델 개발, 오픈소스 프레임워크 활용, 데이터 처리 및 품질 관리와 데이터셋 구축 역 량, 오픈소스 기여 및 협업 역량 순이었다. 이러한 국내외 오픈소스AI 현황 분석을 통해 다음과 같은 시사점들을 도출하였다. ① 빠르게 성장하는 오픈소스AI 생태계 ② 기업/국가 경쟁력 강화를 위해 중요한 오픈소스AI ③ 기업 인식 개선 필요 ④ 오픈소스AI 활용을 위한 전제조건 : 기술 역량 확보 ⑤ 오픈소스AI 인재 양성 필요 ⑥ 자주적 AI 역량 확보가 필요 최근 오픈소스AI가 빠르게 성장하면서 AI 기술 혁신 및 산업 혁신의 원동력이 되면서 AI 3강 도약을 위한 오픈소스AI 정책의 필요성이 커져가고 있다. 따라서 마지막 5장에 서 본 연구 내용을 기반으로 다음과 같은 정책적 시사점과 정책을 제언하고자 한다. ① 선진 기술의 빠른 수용을 위한 오픈소스AI 활용 확산 지원 ② AI 기술력 강화를 위한 선진 오픈소스AI 기술 내재화 추진 ③ 기업의 오픈소스AI 인식 개선 필요 ④ 오픈소스AI 전문가 양성 및 교육 확대 필요 ⑤ 오픈소스AI 전문 컨설팅 제공 필요 ⑥ 오픈소스AI 전문기업 육성 5. 정책적 활용 내용 AI의 중요성이 급부상하면서 우리나라는 최근 AI 3강 도약을 위한 투자 및 정책적 지 원이 집중되고 있다. 최근 글로벌 AI 동향을 보면 AI 선도 기업을 중심으로 오픈소스 모델을 공개하며 기술·산업 주도권 확보 경쟁이 치열해지면서 오픈소스AI 생태계가 중요해지고 있다. 특히 오픈소스AI는 글로벌 기업 중심의 AI 대외 의존도를 완화할 수 있는 대안을 제시하고 있다. 이러한 현실에서 본 보고서는 국가 AI 경쟁력 강화를 위 한 오픈소스AI 정책 수립을 지원을 위한 연구 목적으로 작성되었다. 따라서, 본 보고서는 AI 3강 도약을 위한 오픈소스AI 정책을 위한 당위성 제공과 정 책 방향 수립를 위한 핵심 근거 자료를 제공할 수 있으며, 국가 AI 경쟁력 확보를 위 한 오픈소스AI 기반 기술 확보 방안, 오픈소스AI 기업 육성, 오픈소스 생태계 활성화 정책 수립의 근거 자료로 활용될 수 있다. 6. 기대효과 오픈소스AI는 국가 AI 기술 경쟁력 강화, 기업 AI 경쟁력 강화, AI 기술 확산 등 다양 한 관점에서 중요하다. 특히 글로벌 기업 중심의 AI 기술 혁신에 의해 해외 의존도가 심화되고 있다. 오픈소스AI는 대외 의존도를 완화할 수 있는 가장 효율적인 대안으로 자주적인 AI 역량 확보를 통한 산업 경쟁력 강화에 큰 기여를 할 수 있다. 따라서, 본 연구는 오픈소스AI 정책 수립을 위한 기초 자료 제공과 정책 방안 제시를 통해 국가 AI 경쟁력 제고를 위한 AI 기술력 확보, AI 기업 경쟁력 강화를 통한 AI 산업 활성화 등 다양한 측면에서 긍정적 효과가 기대된다.

    • 2026.08.11
    • 2233
    SW 중심사회 월간 2026 August Vol.146 ISSUE 해외 거주 디지털 인재 활용의 전략적 접근: 주요국 장단점 분석을 중심으로/FOCUS 관료제와 생성형 AI의 만남: AI는 공공조직의 민첩성(Agility)을 높일 수 있을까?, 오픈소스에서 AI데이터까지, ETRI가 걸어온 오픈소스 거버넌스 확장의 길 SPRi 소프트웨어정책연구소
  • 2025 SW산업 실태조사 과학기술정보통신부 SPRi 소프트웨어정책연구소
  • 제 1 장 조사개요 1. 조사 목적 2. 조사 개요 3. 표본 설계 4. 조사 완료 및 유효표본 5. 주요 조사 내용 제 2 장 조사 결과 1. 일반현황 2. 경영 실적 3. 사업 현황 4. 인력 현황 5. 기술개발 환경 6. 신소프트웨어 7. 해외진출 현황 제 3 장부록 1. 용어해설 2. 결과표 3. 조사표 4. 소프트웨어산업 품목 분류체계

  • 제 1 장 조사 개요 01. 조사 배경 및 목적 02. 조사 개요 03. 표본 설계 04. 주요 조사 내용 05. 조사 추진 및 운영 제 2 장 조사 결과 01. 재무 현황 02. 조직 및 인력 현황 03. SW 기술 현황 04. 디지털 전환 현황 05. 산업별 디지털 성숙도 현황 부록 01. 용어 해설 02. 결과표 03. 주요 항목 상대표준오차 04. 조사표

  • 제 1 장 조사 개요 01. 조사 배경 및 목적 02. 조사 개요 03. 표본 설계 04. 주요 조사 내용 05. 조사 추진 및 운영 제 2 장 조사 결과 01. 재무 현황 02. 조직 및 인력 현황 03. SW 기술 현황 04. 디지털 전환 현황 05. 산업별 디지털 성숙도 현황 부록 01. 용어 해설 02. 결과표 03. 주요 항목 상대표준오차 04. 조사표

  • ISSUE REPORT 2026.08.06 IS-232 AI 교육 혁신과 AI 융합인재양성 전략: 해외 대학, 교육기관 사례와 시사점 Innovation in AI Education and Strategies for Developing Interdisciplinary AI Talent: Global Practices and Policy Implications 봉강호, 김항규, 윤보성, 진회승 SPRi 소프트웨어정책연구소
  • 2026년 8월호 SPRi AI Brief 인공지능 산업의 최신 동향 SPRi 소프트웨어정책연구소

    • 2026.07.21
    • 881

    입찰마감 : 2026.08.04.(화) 12:00까지

    서류접수 : https://www.g2b.go.kr/

    • 2026.07.15
    • 2671
    e-book 보기 이슈 ISSUE 오픈소스AI 개념 및 글로벌 오픈소스 모델 동향 포토에세이 PHOTO ESSAY 중간-이호준 포커스 FOCUS 산업 AX, 예술(Art)에서 공학(Engineering)으로: 자율 기업을 향한 성숙도 모델과 에이전틱 AI의 미래 AI 워싱과 테크노스트레스: 보여주기식 AI 전환이 조직에 남기는 것
  • An AI Project Size Estimation Framework- The Hidden Iceberg: Measuring Technical Scope - 보러가기
  • 목차 Table of Contents 정책·법제 ▹ 미국 일리노이주, 첨단 AI 모델 대상 외부 감사 의무화하는 법안 통과 ▹ 레오 14세 교황, 첫 회칙에서 AI 시대 인간 존엄성 수호 강조 ▹ 캐나다 정부, 국가 AI 전략 ‘AI for All’ 발표 ▹ 미국 트럼프 대통령, AI 혁신과 안보 증진을 위한 행정명령에 서명 ▹ 트럼프 행정부에서 AI 국부펀드 조성 논의 본격화 ▹ G7의 중국 견제에 대응해 중국은 글로벌 AI 협력 기구 설립 가속화 기업·산업 ▹ 앤트로픽, 코딩과 에이전트 성능 강화한 ‘Claude Opus 4.8’ 출시 ▹ 앤트로픽 ‘Fable 5’와 ‘Mythos 5’, 미국 정부 지시로 서비스 중단 ▹ 미국 정부의 앤트로픽 ‘Fable 5·Mythos 5’ 금지에 산업계 반발 확대 기술·연구 ▹ 마이크로소프트, AI의 지식노동 균등화 가능성과 격차 해소 과제 분석 ▹ 구글 리서치, I/O 2026에서 최신 AI 연구 성과 공개 ▹ 앤트로픽, AI 기반 사이버 위협의 MITRE ATT&CK 매핑 분석 결과 공개 ▹ 앤트로픽, AI의 재귀적 자기개선 임박 경고 ▹ 구글 딥마인드, 범용지능(AGI)에서 초지능(ASI)으로 진화 경로 분석 인력·교육 ▹ 미국 노동시장에서 AI가 미치는 영향은 국소적 ▹ AI 일자리 충격 대응을 위한 5가지 정책 방안 ▹ AI 채용 시장, 경력자 중심 구조로 재편되며 신입 일자리 축소 ▹ 보스턴大·펜실베이니아大 공동 연구팀, AI 주도 해고의 시장 실패 분석 ▹ MIT 경제학자들, 노동자 역량을 확장하는 '친노동 AI'의 가치 강조 주요행사일정

    • 2026.06.29
    • 742

    제15회 정보보호의 날 기념식 일시: 2026년 7월 8일 수요일 09:00~17:15 장소: 서울 신라호텔 다이너스티 홀 주최: 과학기술정보통신부, 국가정보원, 행정안전부 / 주관: 한국인터넷진흥원, 한국정보보호산업협회 상기 계획은 상황에 따라 변동될 수 있음

    • 2026.06.25
    • 734

    입찰마감 : 2026.07.07.(화) 10:00까지

    서류접수 : https://www.g2b.go.kr/

    • 2026.06.19
    • 688

    입찰마감 : 2026.07.01.(수) 10:00까지

    서류접수 : https://www.g2b.go.kr/

    • 2026.06.18
    • 4746

    e-book 보기 이슈 ISSUE AI 인프라 경쟁에서 소프트웨어의 구조적 역할 포토에세이 PHOTO ESSAY 중간-이호준 포커스 FOCUS Agentic AI 방법론(AAM) 소개와 제언 AI 시대, 디지털 헬스는 왜 현장으로 흐르지 못하는가: 기술 도입에서 구조 설계로