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.

요약문 1. 제 목 : AI시대 데이터 상호운용성 및 이동권 활성화 전략 연구 2. 연구 목적 및 필요성 AI 기술이 단순한 보조 도구를 넘어 스스로 데이터를 탐색하고 과업을 수행하는 능동 형 AI(AI Agent) 시대로 진화함에 따라, 데이터는 가치 창출을 목적으로 설계·관리되 는 ‘데이터 제품(Data Product)’으로 재정의되고 있다. 이러한 패러다임 변화에 대응 하여 국내에서도 데이터 댐 프로젝트와 마이데이터 사업 등을 통해 양적 공급을 확대 해 왔으나, 산업 현장은 여전히 데이터 파편화와 ‘AI-Ready Data’의 부족이라는 구 조적 한계에 직면해 있다. 특히 2024년 소프트웨어정책연구소(SPRi) 인공지능산업실태 조사에서 기업의 22.8%가 AI 도입의 핵심 장애요인으로 데이터 확보 및 품질 문제를 꼽은 것은, 데이터의 총량보다 실질적인 연결과 활용이 더 시급함을 시사한다. 따라서 현재의 파편화된 구조를 극복하고 혁신적인 데이터 생태계를 조성하기 위해서는 데이 터를 유기적으로 결합하는 ‘상호운용성(Interoperability)’ 확보와 정보 주체의 주도적 활용을 보장하는 ‘데이터 이동권(Right to Data Portability)’의 실질적 구현이 필수적 이다. 3. 연구의 구성 및 범위 본 연구는 총 6장으로 구성되며, 주요 내용은 다음과 같다. 제1장 서론에서는 능동형 AI의 등장에 따른 데이터 패러다임 변화와 연구 배경 및 목 적을 제시한다. 제2장에서는 데이터 관리 패러다임의 전환을 살펴보고 생애주기별 현 황 분석을 위한 프레임워크를 구축한다. 제3장과 제4장에서는 각각 상호운용성과 이동 권에 관한 국내외 정책·표준·법제 및 산업별 적용 사례를 수집·분석하여 핵심 쟁점 을 도출한다. 제5장에서는 생애주기 단계별 쟁점을 논리적으로 구조화하고 기술, 제 도·거버넌스, 경제·사회적 관점의 개선 방안을 종합 분석하여 실행 방향을 제언한다. 마지막 제6장에서는 연구 결과를 종합하고 정책 수립 및 실무 활용을 위한 중장기 발 전 방향을 논의한다. 4. 연구 내용 및 결과 본 연구는 데이터 상호운용성 및 이동권에 관한 글로벌 주요국의 정책 동향과 산업별 적용 사례 분석을 통해 도출된 핵심 쟁점들을 5단계의 순환적 데이터 생애주기 모 델과 STS(사회기술시스템)의 세 가지 관점(기술, 제도·거버넌스, 경제·사회)을 활용하 여 입체적으로 분석하였다. 분석 결과, 데이터 생태계의 원활한 흐름을 저해하는 5대 핵심 쟁점(① 데이터 고립 및 초기 확보 역량 격차 심화, ② 대규모 연계 체계 미흡 및 상호 연결성 한계, ③ 데이터 품질 및 신뢰성 확보 미흡, ④ 플랫폼 독점 및 데이터 흐 름 단절, ⑤ 지속가능성 결여 및 책임 거버넌스 부재)을 식별하였으며, 세부적인 분석 결과는 다음과 같다. 5. 정책적 활용 내용 본 연구에서 도출된 3대 추진 전략 및 세부 실행 과제는 향후 국가 차원의 데이터 정책 수립 및 현장 이행을 위한 실무 지침으로 폭넓게 활용될 수 있다. 거버넌스 측면에서는 국가데이터처와 같은 전담 조직이 부처별로 산재한 데이터 정책을 통합하고, 플랫폼 시장의 공정 경쟁 환경을 조성하기 위한 실질적인 법적·제도적 근거를 마련하 는 데 기초 자료로 활용되어야 한다. 특히 데이터 산업법 및 산업별 특별법 개정 시 범용 표준 API 제공 의무화와 이행 실효성 확보를 위한 가이드라인으로 쓰일 수 있다. 기술적 측면에서는 국가 데이터 허브의 논리적 구조 설계와 산업별 표준 API 확산 로 드맵 수립 시 구체적인 기술적 참조 모델을 제공한다. 또한 사회적 측면에서는 정보 주체 친화적인 UX/UI 표준 가이드라인 보급을 통해 마이데이터 이용률을 실질적으로 제고하고, 글로벌 신뢰 기반 데이터 흐름(DFFT) 규범에 대응하는 국제 협력 전략 수립 에 정책적 시사점을 제공한다. 6. 기대효과 본 연구의 수행을 통해 기대되는 성과는 경제, 제도, 국가적 측면에서 실질적이고 광 범위한 파급 효과를 가질 것으로 전망된다. 경제적으로는 파편화된 데이터 환경을 실 질적으로 연결함으로써 개별 기업의 중복 투자를 방지하고 데이터 거래 및 탐색 비용 을 획기적으로 낮추어 AI 산업 전반의 혁신 성장을 가속화할 수 있다. 제도적 측면에 서는 정보 주체의 실질적인 데이터 주권을 확립하는 동시에, 데이터 이동권 행사와 관 련된 법적 불확실성을 해소하여 투명하고 예측 가능한 데이터 거버넌스 체계를 정착시 키는 데 기여할 것이다. 국가적으로는 대한민국이 AI 시대에 부합하는 선진적 데이터 관리 역량을 확보함으로써, 데이터 고립주의에 대응하고 글로벌 데이터 규범 형성을 주도하는 핵심 국가로 도약하는 정책적 토대가 마련될 것으로 기대된다.

요약문 1. 제 목 : 인공지능 산업 분류체계 개선 연구 2. 연구 목적 및 필요성 최근 인공지능(AI) 기술은 산업의 디지털 전환(DX) 및 생성형 AI가 촉발한 기술적 진 보를 통해 정보통신업은 물론 산업 전반으로 빠르게 확산되고 있다. 즉, AI는 단일 기 술 영역을 넘어 제조, 금융, 의료, 콘텐츠, 물류 등 다양한 산업 분야에 융합되고 내재 화되며 생산성 향상과 산업 혁신의 핵심 동력으로 자리잡고 있다. 이러한 변화는 AI가 더 이상 특정 기술이나 서비스의 부속 개념이 아니라, 전 산업의 구조 전반을 재편하 는 핵심 기반으로 성장하고 있음을 보여준다. 그러나 현행 한국표준산업분류(KSIC)를 비롯한 기존 AI 관련 산업 분류체계는 이러한 AI 산업의 변화 양상을 충분히 반영하지 못하고 있다. AI 기술과 관련 산업 활동이 다 양한 산업 코드에 산재됨에 따라 산업 규모나 성장 추세를 체계적으로 파악하기 어렵 고, AI 기술 개발, 데이터 처리, AI 서비스 제공 등 주요 산업 활동이 명확히 구분되지 못하고 있다. 그 결과 AI 산업의 변화를 반영한 통계 조사의 필요성이 부각되고 있으 며, 세분화되지 못한 분류로 인한 정책적 활용에도 한계가 존재한다. 특히 정부에서 추진 중인 AI 관련 정책, 연구개발(R&D), 인력양성 사업 등은 산업별 통계와 연계되어야 실효성을 확보할 수 있으나, 현행 대분류 중심의 분류체계로는 관 련 산업의 범위와 구조를 일관성 있게 정의하기 어렵다. 따라서 AI 산업을 변화된 산 업 생태계 중심의 관점에서 재정의하고, 기술 개발에서 서비스 제공, 활용 산업에 이르 는 전 주기적 분류체계를 마련할 필요성이 높아지고 있다. 이에 본 연구는 AI 산업의 실제 구조와 가치사슬을 반영한 새로운 산업 분류체계를 설계하고자 한다. 구체적으로는 AI 핵심 기술, 플랫폼 및 서비스, 활용 산업을 포괄하 는 다층적 분류 기준을 수립하고, 이를 통해 AI 산업의 통계적 가시성을 제고하며 정 책 수립의 근거를 마련하는 것을 목표로 한다. 또한 산업 간 융합과 기술 진화를 반영 할 수 있도록 중분류 항목 간의 연계성과 확장성을 확보하고, 산업 실태조사 및 정책 평가에 활용 가능한 기초자료를 구축하고자 한다. 아울러 본 연구는 OECD, EU, 미국 등 주요국의 AI 산업 정의 및 분류체계 동향을 분 석하여 국제적 정합성을 확보하는 데에도 중점을 두었다. 글로벌 차원의 산업 비교와 통계 연계를 위해서는 AI 산업의 정의와 범위를 국제 표준과 조화롭게 정립하는 것이 필수적이다. 따라서 본 연구에서 제시하는 개선 방안은 국내 정책적 실효성과 함께 국 제 경쟁력 강화를 위한 기반으로서의 의미를 갖고 있다. 3. 연구의 구성 및 범위 본 연구는 AI 산업의 정의와 구조를 명확히 하고, 현행 산업 분류체계의 한계를 개선 하기 위한 실질적 개선 방안을 도출하기 위해 단계적으로 구성되었다. 첫째, AI 산업의 개념, 기술 분류, 응용 분야 등 국내외 관련 문헌과 통계체계를 조사 하고 분석하였다. 이를 통해 인공지능산업실태조사에서 활용중인 분류체계 구조와 한 계를 검토하고, OECD, EU, 미국 등 주요국의 AI 산업 정의 및 분류체계 사례를 비교, 분석하여 국제적 정합성 확보를 위한 기초자료를 마련하였다. 산업 분류체계 개선(안) 도출 단계에서는 국내 산업통계체계와 정책 수요를 반영하여 세부 산업군을 식별하고, 새로운 분류체계의 구조와 코드를 설계하였다. 특히 AI 관련 소프트웨어, 서비스, 하드웨어 산업을 통합적으로 포괄할 수 있도록 세부 분류항목을 강화하고, 기존 KSIC과의 대응관계를 분석하여 실무적 활용 가능성을 높였다. 제안된 분류체계의 타당성을 검증하기 위해 시범 적용 사례를 분석하고, 관련 전문가 자문 및 관계 기관 의견 수렴을 통해 개선(안)의 보완 방향을 제시하였다. 이를 통해 본 연구의 분류체계가 실제 정책 및 통계 작성, 산업 실태조사 등에 활용 가능한 수준 의 실효성을 갖추도록 하였다. 결과적으로 본 연구의 범위는 AI 산업의 개념 정의에서부터 분류체계 설계 및 검증까 지 전 주기를 포괄하며, 통계와 정책 연구 등 다양한 분야에서 활용 가능한 AI 산업 분류체계의 기초 틀을 제시하는 데 그 의의가 있다. 4. 연구 내용 및 결과 본 연구는 AI 산업의 구조적 특성을 반영한 새로운 산업 분류체계를 마련하기 위해, 기존 분류체계의 한계를 분석하고 개선 방향과 구체적 대안을 도출하는 것을 중심 내 용으로 구성되었다. 연구는 문헌 조사, 사례 분석, 전문가 자문, 분류체계 설계 및 검증 등 다각적인 방법론을 통해 수행되었으며, 기술, 산업, 정책의 연계성을 종합적으로 고 려하였다. 우선, 기존 산업 분류체계 분석 단계에서는 인공지능산업실태조사에서 활용 중인 기 존 AI 산업 분류체계 및 한국표준산업분류(KSIC)와 관련 통계 체계를 중심으로 AI 관련 산업 활동이 어떻게 분류되어 있는지를 검토하였다. 그 결과, AI 기술 개발, 데이터 처 리, AI 서비스 제공 등 핵심 산업 활동이 여러 산업 코드에 분산되어 있어 산업 실태 를 정확히 파악하기 어렵다는 한계가 확인되었다. 이러한 문제 인식에 따라, 국내 산업 현황과 정책 수요를 반영하여 세부 산업군을 재 구성하였다. AI 관련 산업을 기존 AI 산업 분류체계 및 타 분류체계를 참고하여 ‘AI 소프트웨어 산업’, ‘AI 서비스 산업’, ‘AI 하드웨어 산업’으로 구분하고, 각 영역 내에 세부 분류 항목을 기존 문헌 및 전문가 수요 조사에 따라 설정하였다. 마지막으로, 개선(안) 검증 단계에서는 제안된 분류체계의 타당성과 활용 가능성을 검 토하기 위해 시범 적용 및 전문가 검토를 실시하였다. 이를 통해 새로운 분류체계가 산업 실태조사, 정책평가, 투자통계 등 다양한 분야에서 실질적으로 활용될 수 있음을 확인하였으며, 향후 국가데이터처 및 관련 기관의 산업 분류 개편 시 참고 가능한 기 초자료로서의 유용성을 확보하였다. 본 연구의 결과는 AI 산업을 소프트웨어, 서비스, 하드웨어의 전 주기적 관점에서 통 합적으로 파악할 수 있는 체계를 제시하였다는 데 의의가 있다. 이를 통해 AI 산업의 통계적 기반을 강화하고, 정책 수립과 산업 지원의 실효성을 높이는 동시에, 국제 표준 과의 정합성을 갖춘 국가 차원의 AI 산업 분류체계 고도화 모델을 제안하였다. 이러한 연구 성과는 향후 정부, 연구기관, 산업계가 AI 관련 통계를 생산, 활용하는 데 중요한 기준으로 활용될 것으로 기대된다. 5. 정책적 활용 내용 본 연구에서 제시한 AI 산업 분류체계 개선(안)은 단순히 산업 코드를 재편하는 기술 적 작업을 넘어, AI 산업의 구조적 특성을 체계적으로 이해하고 이를 정책·통계·산 업 전략 전반에 반영하기 위한 기반을 마련했다는 점에서 의의가 있다. 새로운 분류체 계는 AI 산업의 범위와 구성요소를 명확히 정의함으로써, 정부와 공공기관이 추진하는 AI 관련 정책의 효과성을 높이고 산업 육성 전략의 방향성을 구체화하는 데 기여할 수 있다. 첫째, 정책적 측면에서 본 연구의 결과는 AI 산업 진흥 정책의 수립 및 평가를 위한 근거자료로 활용될 수 있다. 그동안 AI 산업은 기술 중심의 분류와 융합 산업 중심의 분류가 혼재되어 정책 효과 분석이 어려웠으나, 개선된 분류체계를 통해 산업별 실태 조사와 성과평가가 가능해질 것으로 기대된다. 특히, 정부의 「국가 AI 전략」, 「산업 디지털 전환 정책」, 「AI 인재양성 종합계획」 등과 연계하여 AI 산업의 구조적 변화 를 추적하고, 중장기 정책목표 설정의 기초자료로 활용될 수 있다. 둘째, 통계적 측면에서는 새로운 분류체계가 AI 산업의 규모와 성장 추세를 객관적으 로 측정할 수 있는 통계 기반을 제공한다. 기존 한국표준산업분류(KSIC)에서는 AI 관련 산업이 여러 코드에 분산되어 있어 통계 생산 시 중복과 누락이 발생했으나, 본 연구 의 개선(안)을 적용하면 산업 단위별로 일관된 데이터 수집과 비교 분석이 가능해진다. 이는 국가데이터처, 과학기술정보통신부 등 관련 기관이 추진하는 산업통계 생산체계 의 정합성을 높이고, AI 산업 통계의 국제 비교 가능성을 확보하는 데에도 기여할 것 이다. 셋째, 산업적 측면에서는 AI 기술과 서비스가 다양한 산업에 내재화되는 추세를 반영 하여, 산업계의 전략적 투자와 기술개발 방향 설정에도 활용될 수 있다. 기업은 본 연 구에서 제시한 분류체계를 통해 자사의 사업 영역이 AI 가치사슬 내에서 어떤 위치에 있는지를 파악할 수 있으며, 이를 기반으로 협력 네트워크 구축, 시장 진출 전략 수립, 기술로드맵 개발 등에 참고할 수 있다. 특히, AI 스타트업 및 중소기업의 경우 산업 통 계에 기반한 시장 진입 전략을 구체화할 수 있는 근거 자료로서의 활용 가능성이 높 다. 마지막으로, 본 연구의 결과는 향후 표준산업분류 개편 및 AI 산업 실태조사 제도화 를 위한 기초자료로서 기능할 수 있다. 제안된 분류체계는 국내외 산업 구조 변화를 반영할 수 있는 유연성과 확장성을 갖추고 있어, 국가데이터처 및 관계 기관의 공식 산업 분류체계 개정 과정에서 실질적인 참고 모델로 활용될 수 있다. 나아가 정부 차 원의 산업통계 체계와 연계하여 AI 산업의 성장 추세를 정량적으로 모니터링하고, 정 책의 효과성을 정기적으로 평가하는 기반을 마련할 수 있을 것이다. 즉, 본 연구는 AI 산업의 개념적 정의부터 통계적 적용, 정책적 활용에 이르기까지 전 주기적 관점을 반영한 분류체계 개선 모델을 제시함으로써, AI 산업의 체계적 관리와 국가 경쟁력 강화를 위한 토대를 구축했다는 점에서 중요한 의의를 가진다. 6. 기대효과 본 연구는 인공지능(AI) 산업의 급속한 발전과 산업 간 융합 확산에 대응하여, 현행 산업 분류체계의 한계를 보완하고 인공지능 산업의 실질적 구조를 반영할 수 있는 체 계적이고 정합성 있는 분류체계 개선 방안을 제시하였다. 이를 위해 국내외 산업 분류체계의 현황을 분석하고, AI 산업의 소프트웨어, 서비스, 하드웨어 구조를 중심으로 다층적 분류체계를 설계하였으며, 실제 산업 통계 및 정책 적용 가능성을 검증하였다. 연구 결과, AI 산업은 기술 중심적 접근만으로는 충분히 설명될 수 없으며, AI 소프트 웨어, 서비스, 하드웨어 산업으로 이어지는 가치사슬 전체를 포괄하는 생태계적 관점에 서 정의될 필요가 있음이 확인되었다. 이에 따라 본 연구는 AI 산업을 3단계 구조로 구분하고, 각 세부 영역별 산업 활동을 세분화함으로써 산업 실태 파악과 통계 생산의 기초를 마련하였다. 또한 기존 한국표준산업분류(KSIC) 체계와의 연계 가능성을 고려하 여 개선안을 제시함으로써, 정책적 실효성과 통계적 활용성을 동시에 확보하였다. 본 연구의 성과는 향후 정부의 AI 산업 진흥 정책, 디지털 전환 전략, R&D 투자 계 획, 인력 수급 정책 등 다양한 정책 분야에 근거자료로 활용될 수 있다. 특히 AI 산업 의 범위를 명확히 하고, 산업별 통계의 신뢰성을 높임으로써 정책 목표 설정과 효과 분석의 정밀도를 향상시킬 수 있을 것이다. 또한 본 연구에서 제안한 분류체계는 국가 데이터처, 과학기술정보통신부 등 관계 기관 간 협력을 통해 국가 차원의 산업통계 표 준 체계로 발전할 수 있는 잠재적 기반을 제공한다. 향후 과제로는 첫째, 본 연구에서 제시한 개선(안)의 실증 적용과 데이터 기반 검증이 필요하다. 산업체·학계·정부기관 등 다양한 이해관계자의 참여를 통해 분류항목의 세부 기준을 구체화하고, 실제 산업 활동과의 적합성을 검토해야 한다. 둘째, AI 기술 의 급속한 진화와 산업 융합 확산에 대응하기 위해 분류체계의 주기적 개편 및 업데이 트 체계 구축이 요구된다. AI 산업은 생성형 AI, 자율지능시스템, 엣지AI 등 새로운 기 술 패러다임의 등장에 따라 지속적으로 확장되고 있으므로, 이에 맞는 유연한 유지· 보완 시스템이 필요하다. 마지막으로, 향후 연구에서는 AI 산업 분류체계와 연계한 통계 생산 체계의 구체적 설계, 그리고 국제 표준화 연계 방안에 대한 심층적 검토가 요구된다. OECD, EU, ISO 등 국제기구의 논의와 연계함으로써 한국의 AI 산업 통계가 글로벌 비교와 정책 협력 에 활용될 수 있도록 발전시킬 필요가 있다. 이러한 후속 연구는 본 연구의 결과를 실질적인 정책 도구로 정착시키고, 한국 AI 산업의 경쟁력 강화를 위한 지속 가능한 기 반을 마련하는 데 기여할 것이다.

요약문 1. 제 목 : SW 융합 혁신의 개념과 실제 - 금융 및 헬스케어 산업을 중심으로 2. 연구 배경 및 목적 정부가 소프트웨어(이하 SW)의 중요성을 인식하고, ‘SW 중심사회’라는 캐치프레이 즈 하에 범부처 합동으로 《SW 중심사회 실현전략》(2014.7.)을 수립한지 10년이 지났 다. 그동안 정부는 SW중심대학, AI대학원 등의 인재양성 사업을 추진했고, SW진흥법 을 통해 SW산업육성의 법적 근거를 마련하였으며, SW 기본계획을 수립하여 정책의 체 계를 갖추는 등 나름의 성과를 거뒀다. 하지만, 전 산업과 사회로 뻗어나가는 SW의 영향력에 비해 현재의 SW 주요 정책은 여전히 공공 SW제도, SI 이슈 대응 등 국내의 고질적인 SW 현안 해결에 집중되어 있 다는 지적도 상존한다. 특히 최근 AI, 메타버스, 블록체인, 빅데이터 등 SW 분야의 혁 신 기술이 끊임없이 등장하여 빠르게 발전하고, 자동차, 헬스케어 등 전통산업에서의 SW 융합혁신이 본격화되는 상황에서 새로운 SW 정책을 모색할 필요성이 높아졌다. 본 연구는 지난 10년 SW 정책의 미흡한 부분을 파악하고 SW가 만드는 미래 모습을 선제적으로 예측함으로써 대한민국이 SW 기반역량을 강화하는데 필요한 SW 정책을 기획하기 위한 목적으로 최신의 SW 기술과 산업, 그리고 정책 동향을 조사하는 것을 목적으로 한다. 3. 연구의 구성 및 방법 SW 분야의 최근 동향을 파악하고, 이를 바탕으로 SW가 주도하는 산업 및 사회 혁신 방향을 예측하며, 우선순위가 높은 정책 의제에 대해 구체적인 조사를 하여, 신규 정책 을 제언하는 것이 본 연구의 목적이다. 본 연구는 크게 두 단계를 거쳐 진행되었다. 첫 단계는 SW 분야의 최신 동향을 파악 하는 것이다. 이를 위해 2024년 1월부터 6월까지 IT 분야 시장조사기관인 IDC와 가트 너에서 발간한 SW 통계 및 동향 자료를 수집 정리하고, 5대 언론인 뉴욕타임즈, 월스 트리트저널, 파이낸셜타임즈(이상 일간지), 이코노미스트(이상 주간지), MIT테크놀로지 리뷰(이상 격월지)에서 SW 관련 기사를 분석했다. 이후 IT 시장조사기관 및 주요 언론사의 SW 관련 기사를 5개의 주제별로 분류한 후 주제별 기사의 빈도를 기준으로 정책의 우선순위를 도출한 결과, SW 융합 정책이 가장 우선순위가 높은 것으로 도출되었다. 후속 작업으로 우선순위가 높은 SW 융합에 대해 심층 조사를 수행하였다. SW 융합에 대한 심층 동향 연구는 전 산업에 공통으로 적용되는 SW 융합의 개념적 모형을 수립하는 개괄적 연구와 SW 융합이 활발히 이뤄 지는 산업을 선정하여 실제 융합 현상을 파악하는 세부 연구로 나눠 수행했다. 개괄적 연구는 제2장에서 다루고, 세부 연구는 SW 지출액이 가능 높은 금융 산업과 산업 특 화 SW 지출액 비중이 가장 높은 헬스케어 산업을 대상으로 각각 제3장과 제4장에서 다루었다. 결론에서는 SW 융합 정책의 방향에 대해 제언했다. 우선 SW 융합 정책의 큰 방향성 을 제안한 후금융 산업과 헬스케어 산업별 SW 융합 정책을 제언하였다. 4. 연구 내용 및 결과 SW 융합의 개념적 모형을 제시한 2장에서는 국가 경쟁력 모델인 다이아몬드 모델을 이용하여 SW 혁신의 특성을 ①신속성(Speed), ②협력성(Cooperation), ③적응성(Adaptation), ④지속성(Longevity), 그리고 ⑤확장성(Expansion) 등 다섯 가지 요소로 제시하고, SW 융합 을 통해 국가 및 기업 조직은 ❶제품·서비스 구조의 고도화, ❷조직 구조 및 운영 방식 의 효율화, ❸비즈니스 모델 형식 등 세 가지 측면의 편익이 있음을 밝혔다. SW 혁신의 5대 특성은 구체적으로 다음과 같다. 첫째, 전략 및 구조 관점에서 국가 와 기업은 SW를 이용하여 프로세스 자동화 및 조직 효율을 추구함으로써 혁신을 가속 화 할 뿐만 아니라 기술 사업화 기간도 단축할 수 있다. 즉, SW를 이용하여 혁신의 신 속성(Speed)을 높이게 된다. 둘째, 자원 여건 관점에서 오픈소스 플랫폼 등 SW를 중심 으로 다양한 이해관계자가 모여 협력·상생의 방식으로 사업 및 경제활동의 공통 자산 에 투자하고 함께 기반을 형성할 수 있다. 즉, SW를 중심으로 협력적(Cooperation) 혁 신 생태계를 조성한다. 셋째, 수요 여건 관점에서 빠른 시장 변화에 맞춰 SW는 클라우드 기반의 온디맨드 방식으로 실시간 업데이트가 가능하여 복잡한 환경 변화에 유연하 게 대응할 수 있다. 즉, SW는 서비스 형태로 실시간 전달하여 시장변화에 유연하게 적 응(Adaptation)하는 것이 용이하다. 넷째, 경쟁 관점에서 SW는 사용할수록 데이터가 축 적되고 이를 학습하여 지속적으로 기능을 개선하므로 경쟁 우위 확보를 위한 경쟁이 장기간에 걸쳐 치열하게 전개된다. 즉, SW는 데이터를 학습하면서 지속적(Longevity) 혁신 경쟁을 촉발시킨다(종적 파급력). 다섯째, 연관 산업 관점에서 한번 개발된 SW는 플랫폼화하여 API를 통해 타 산업의 제품과 서비스에 적용함으로써 산업간 시너지 창 출에 도움을 준다. 즉 SW 혁신은 다양한 연관 산업의 신제품 및 서비스로 확장 (Expansion)이 용이하다(횡적 파급력). SW 융합의 3대 편익은 다음과 같다. 첫째, 제품과 서비스 구조의 고도화 관점에서 SW 플랫폼은 기존에 독립적으로 기능하는 분산된 하위 시스템을 통합하고 API를 통해 서 하위 시스템을 조율하며, 하위 시스템으로부터 생성되는 데이터를 통합 관리하여 전체 기능을 최적화하는 기능을 수행한다. 둘째, 조직 구조 및 운영 효율화 관점에서 SW는 전사의 의사소통과 협력을 원활히 하고, 개별 그룹의 신설과 폐지를 유연하게 하며 외부와의 협력을 용이하게 한다. 셋째, 비즈니스 모델 관점에서 SW는 고객 접점 을 다변화하고 관여도를 높이며, 다양한 가격 책정 방식을 가능하게 해준다. 2장의 개념적 모형을 활용하여 금융 산업의 SW 융합 혁신을 심층 조사한 3장에서는 SW 융합에 의한 금융 산업 혁신 트렌드로 개인화된 맞춤형 통합 서비스 확대, SW 기 반 업무 효율화 가속화, 금융-비금융간 빅블러 생태계 확장, 금융자산 및 거래방식 디 지털화, 보안 및 데이터 보호 강화, 금융 SW 융합 전문가 확대 등을 도출했다. 헬스케어 산업의 SW 융합 혁신을 심층 조사한 4장에서는 SW 융합에 의한 헬스케어 산업의 혁신 트렌드로 기업의 핵심 자산으로서의 SW 혁신, 기존 기업과 스타트업의 SW 혁신 추구, SW를 통한 기업간 상호 협력 강화, 헬스케어 세부 분야별 SW 혁신의 경로 및 단계성, 헬스케어 기업의 SW 활용한 사업 확장 등을 꼽았다. 5. 정책적 활용 내용 본 연구는 SW 융합에 대한 개념적 모형을 제시하고 주요 산업의 SW 융합 심층 사례 조사뿐만 아니라 정책 방향과 제언을 담았다. SW 융합 정책 방향으로서 중소기업 대상 디지털 전환 사업을 기존의 구축 지원 중심 에서 컨설팅 등 역량 향상 서비스 제공 중심으로 전환, 협력 생태계 강화를 위한 타산 업 분야 오픈소스 SW 활용 지원, SW 플랫폼을 중심으로 한 공동 해외 시장 진출, SW 중심 혁신(SDX) 역량 강화, SW 융합 인재 양성, 업간 융합을 위한 제도 개선 등을 제 안했다. 금융 산업의 SW 융합 정책으로는 개인화된 맞춤형 통합 서비스 확대를 위한 마이데 이터 2.0사업, 데이터바우처 지원사업 등의 개선, 금융기관의 SW 기반 업무 효율화를 위한 망분리 규제, AI 학습용 데이터 구축 사업의 정비, 금융-비금융 빅블러 생태계 확 장을 위한 마이데이터 인센티브 강화, 업간 규제 정비 등을 제안했다. 헬스케어 산업의 SW 융합정책으로는 원격 의료 서비스를 위한 SW 품질 및 안전성 확보 방안 마련, SW 혁신을 촉진하는 제도 설계와 수가 조정 체계 수립, 헬스케어 빅 데이터의 활용을 위한 유연한 분석 인프라 환경 구축, 데이터 전송 요구권을 지원하는 SW 기반 구축, 헬스케어 분야 SW 개발자 교육 프로그램 제공 등을 제안했다. 6. 기대효과 본 연구를 통해 최근 화두가 되고 있는 SW 융합의 실제 추진 사례를 자세히 살펴볼 수 있었다. 특히, 금융, 헬스케어 등 고부가가치를 창출하는 서비스 산업에서의 SW 융 합이 어떠한 목적과 수단으로 추진되고 있는지를 상세히 살펴봤다. 현재 SW 분야 정책 총괄을 담당하는 과학기술정보통신부는 SW 융합과 관련하여 SDX, XaaS 등의 정책을 마련하기 위해 노력하고 있다. 본 연구를 통해 탐색적 차원에 서 인재 양성, 기술 개발, 산업 육성, 플랫폼 구축 및 생태계 조성 등 다양한 정책 영 역에서 고민할 수 있는 정책 이슈를 제시함으로써 정책 개발의 기초자료를 제공했다는 의의가 있다.

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.

기술 발전과 함께 인공지능(AI)은 경제·산업 전반에 지대한 영향을 미치며 국가 경쟁력의 핵심 기술로 부상하고 있다. 데이터는 AI 모델 성능과 신뢰성을 좌우하는 핵심 자원이자 국가 및 산업 경쟁력의 주요 동력으로 자리매김했다. 다양한 주체에 의해 생성되고 활용되는 이종(異種) 데이터가 폭증하며, 데이터의 효과적인 연결과 원활한 유통을 통한 가치 증대를 위해 데이터 상호운용성(Interoperability)과 이동권(Right to Data Portability)의 중요성이 더욱 커지고 있다. 상호운용성은 다양한 시스템과 주체 간 데이터의 원활한 연결, 교환 및 재활용을 보장하며, 이동권은 데이터 주체가 자신의 데이터를 자유롭게 이전하고 통제할 권리를 의미한다. 이러한 배경 속에서 미국, EU, 중국, 일본 등 해외 주요국들은 데이터 주권 강화와 데이터 흐름 활성화를 위해 데이터 상호운용성 및 이동권 관련 정책적 노력을 선제적으로 추진 중이다. 우리나라도 데이터 주권 강화와 경제 가치 창출을 목표로 법제도 개편, 마이데이터 정책 추진, 디지털플랫폼정부 구현 등 다양한 노력으로 데이터 상호운용성 및 이동권 기반을 확충하고 있다. 이 보고서에서는 AI 시대 주요 과제인 데이터 상호운용성 및 이동권 확보를 위한 주요국 정책과 현황을 종합 분석했다. 그 결과, 국내 데이터 활성화와 정책 개선을 위한 네 가지 핵심 추진 방향을 제시한다. 첫째, 통합 데이터 거버넌스와 데이터 주권 강화, 둘째, 데이터 시장의 공정성과 신뢰성 제고, 셋째, 글로벌 데이터 거버넌스 선도와 표준 협력, 그리고 유기적 인프라 연계와 산업별 활용 촉진이다. 이러한 정책 추진을 통해, 국내 데이터 생태계 경쟁력을 높이고 글로벌 수준의 데이터 정책 정립에 기여할 수 있다. Executive Summary Artificial intelligence (AI) is having a profound impact on the economy and industry, emerging as a core technology for national competitiveness. Data has become a key resource that determines the performance and reliability of AI models and a key driver of national and industrial competitiveness. With the explosive growth of heterogeneous data generated and utilized by various entities, the importance of data interoperability and the right to data portability is growing to enhance value through effective data connection and smooth distribution. Interoperability ensures the seamless connection, exchange, and reuse of data between various systems and entities, while the right to data portability signifies the right of data subjects to freely transfer and control their data. Against this backdrop, major countries such as the United States, the EU, China, and Japan are proactively pursuing policy efforts related to data interoperability and portability to strengthen data sovereignty and facilitate data flow. South Korea is also expanding its foundation for data interoperability and mobility through various efforts, including legal reforms, the implementation of MyData policies, and the implementation of a digital platform government, aimed at strengthening data sovereignty and creating economic value. This report comprehensively analyzes the policies and current status of major countries aimed at securing data interoperability and mobility, key challenges in the AI ​​era. The report proposes four key directions for revitalizing domestic data and improving policy: first, strengthening integrated data governance and data sovereignty; second, enhancing fairness and reliability in the data market; and third, leading global data governance and standards cooperation, as well as promoting organic infrastructure linkages and industry-specific utilization. These policy initiatives can enhance the competitiveness of the domestic data ecosystem and contribute to the establishment of world-class data policies.

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

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

요약문 1. 제 목 : 2024년 국내외 인공지능 산업 동향 연구 2. 연구 배경 및 목적 디지털 심화시대에 기술 선점은 국가와 기업에게 중대한 경쟁 요소로 부상하고 있다. 과거처럼 기술 선도국의 전략을 추격하는 것만으로는 더 이상 충분하지 않으며, 디지털 환경에서의 선도적 위치 확보는 지속적인 성장을 위한 필수 조건이 되었다. 이러한 상황에서 새로운 유망 기술을 신속하게 감지하고, 효과적으로 개발 및 확산하는 능력은 디지털 강국으로의 도약과 지속 가능한 성장을 위해 필수적이다. SW 유망기술 발굴은 전략적으로 매우 중요한 요소로 인식되지만, 대부분의 연구는 유망분야 및 토픽의 동향을 다루는 데 초점을 맞추고 있어서 구체적인 기술군에 대한 정보를 제공하는 연구가 부족한 상황이다. 이에 본 연구는 디지털의 기반이되는 소프트웨어(SW) 유망 기술 발굴에 중점을 두어, 국가 및 기업이 급변하는 디지털 환경에 능동적으로 대응할 방안을 제안하고, 디지털 경쟁력을 강화하는 데 필요한 근거로 활용할 기초자료를 생성하고자 한다. 3. 연구의 구성 및 방법 본 연구는 총 6장으로 구성되어 있다. 제1장에서 디지털 심화시대에 SW의 중요성과 SW유망기술 발굴의 필요성을 밝히며, 이를 통한 정책 마련에 필요한 기초자료 제공한다는 목적을 제시한다. 제2장에서는 유망기술의 개념과 특성을 설명하고, 유망기술 발굴이 기업 경쟁력에 미치는 영향을 국내외 연구를 통해 분석한다. 제3장에서는 유망기술을 예측하기 위한 데이터 및 분석 방법론을 검토하고, 제4장에서는 특허 데이터와 소프트웨어 산업 연계 방법, 텍스트 마이닝 및 토픽 모델링을 통한 SW 유망기술 발굴 방법론을 제시한다. 제5장에서는 세부 산업별로 도출한 유망기술을 정리하고, 제6장에서는 정책적 시사점과 연구의 한계 및 향후 연구 방향을 제시한다. 본 연구는 SW유망기술 발굴을 위해 다음과 같이 양적 및 질적 연구방법을 병행하였다. 첫째, 국내외 연구논문, 연구보고서, 언론기사를 통해 유망기술의 발굴 방법, 활용 데이터, 기술 동향을 파악했다. 둘째, 특허분석 및 산업계 전문가 10인의 인터뷰를 통해 기술 후보군 검증과 신뢰성 확보, 연구방법론에 대한 자문을 수행했다. 셋째, 특허 데이터베이스를 활용한 정량분석으로, 텍스트 마이닝과 토픽 모델링 방법을 사용하여 R 프로그램을 통해 유망분야 및 기술을 도출했다. 이 연구는 전문가의 직관과 경험을 데이터 분석과 결합하여 객관적이고 전문적인 결과를 도출하고자 했다. 4. 연구 내용 및 결과 본 연구에서는 미국시장에 등록된 특허정보를 수집하여 텍스트 마이닝과 토픽모델링을 수행하였으며, 추가적으로 전문가 자문, 논문 및 보고서 등의 내용과 통합적으로 검토해서 SW세부산업(게임SW, 패키지SW, IT서비스, 인터넷SW 등)에서 총 33개의 유망기술을 발굴하였으며, 유망기술들은 각각 세부 산업별로 게임SW가 9개, 패키지SW가 7개, IT서비스 7개, 인터넷SW 10개 등으로 분류하여 소개한다. 각 해당기술이 어떻게 활용되며, 인공지능, 빅데이터, 클라우드, 블록체인 등 신SW기술들과 어떤 시너지를 발휘할 수 있는지에 대한 추가정보를 제시한다. 추가정보는 인터넷 검색, 최신 뉴스, 관련 논문, 다양한 유망기술 보고서 등의 신뢰할 수 있는 자료를 통해 심도 있게 조사한 결과를 바탕으로 제시하였다. 이 기술들은 데이터 분석, 보안, 사용자 인터페이스, 상호작용 최적화, 네트워크 등 다양한 영역에서 SW혁신을 이끌어내며, SW산업을 넘어 타산업의 디지털 전환과 산업 고도화를 앞당기는 데 핵심적역할을 할 것이다. 게임SW분야에서는 고급 데이터 스트림 처리 및 최적화 프레임워크, 적응형 신경망 시스템, 확장현실 기술 등이 플레이어의 몰입감과 상호작용을 강화시킬 것이다. 이 기술들은 게임 내 경험을 풍부하게 하고, 사용자 맞춤형 콘텐츠를 제공함으로써 게임 산업의 경쟁력을 강화할 것이다. 패키지 소프트웨어 영역에서는 지능형 데이터 융합, 보안 분석 프레임워크, 실시간 3D 재구성 등의 기술이 데이터 관리와 분석의 효율성을 높여 업무 효율성을 개선할 것이며, 보안을 강화시킬 것 이다. 이러한 기술들은 비즈니스 프로세스와 의사결정을 지원하고, 다양한 산업 분야에서 혁신을 이끌 것으로 예상된다. IT 서비스 분야에서는 적응형 암호화 접근 제어, 양자 키 분배 시스템, 분산 지능 아키텍처 등이 정보 기술의 안전성과 협업 효율성을 개선할 것이다. 이 기술들은 조직의 IT 인프라 관리 및 보안을 강화하고, 데이터 기반의 의사결정을 지원할 것이다. 마지막으로, 인터넷 소프트웨어 분야에서는 뇌-컴퓨터 인터페이스, AI 기반의 디자인 시스템, 데이터 스토리텔링 등이 사용자 경험과 참여를 증진시킬 것이다. 이 기술들은 데이터의 가치를 극대화하고, 사용자에게 더 풍부하고 유익한 정보를 제공할 것으로 기대된다. 이러한 유망 기술들은 산업 전반에 걸쳐 혁신을 촉진하며, 기업과 조직의 경쟁력을 강화하는 동시에 사용자의 삶의 질을 개선하는 데 기여할 것이다. 5. 정책적 활용 내용 본 연구 결과는 대한민국 SW산업의 진흥을 위한 전략 수립에 필수적인 정보를 제공한다. 정부 관계자들은 이러한 결과를 기반으로 SW 지원정책 분야의 우선순위를 결정하고 향후 연구개발과 사업화를 지원할 수 있는 방향을 설정하는 데 참고가 될 것이다. 또한 SW산업 및 결합기술과 관련된 진흥사업을 수행하는 전담기관들의 연구개발 사업기획의 방향성을 제시하는 데 참고자료로 활용될 것이다. 6. 기대효과 본 연구 결과는 산업, 정부, 교육 및 연구기관 측면에서 각각 시사점을 제공할 수 있을 것이다. 첫째, 산업계에는 SW유망기술, 유망기술과 시너지를 낼 수 있는 결합기술, 활용분야 등을 제시함으로써 기술 개발 및 사업 재편에 대한 전략적 방향설정에 활용할 수 있을 것이다. 나아가 본 연구결과를 토대로 효율적인 기술 투자와 개발을 진행하여 성공적인 비즈니스 모델을 형성할 수 있을 것으로 기대한다. 둘째, 정부차원에서는 연구 결과를 기반으로 SW유망기술 개발과 확산을 촉진하는 정책 수립에 활용할 수 있을 것이다. 이는 디지털 변혁에 선도적 정책지원으로 기술패권에서 우위를 선점하는 데 기여할 수 있을 것이다. 마지막으로 본 연구의 결과는 대학 및 연구 기관에게 유망 기술에 기반한 교육 및 훈련 프로그램을 개발과 SW분야의 연구개발 활동의 방향성을 수립하는 데 활용할 수 있는 기반자료가 될 것이다.

요약문 1. 제 목 : 공공부문 AI 도입현황 연구 2. 연구 배경 및 목적 인공지능 기술의 발전에 따라 공공분야에서도 인공지능 도입 및 활용 범위의 확대가 업무 생산성 및 효율성 개선과 대민서비스 향상에 기여할 것으로 전망한다. 이러한 기대감 속에 현 정부는 다양한 인공지능 정책 추진을 통해 인공지능 도입과 활용에 대한 중요성을 강조하고 있으며, 향후 정책 개선 요인을 도출하는 차원에서 공공부문의 인공지능 도입현황에 대한 기초 자료를 마련하는 것은 필수적인 요소이다. 본 연구는 지난 10년간 조달청의 입찰정보와 계약정보를 활용하여 공공부문 인공지능 도입 현황을 보다 객관적이고 사업 단위까지 세밀하게 조사를 수행한다. 또한 기관들이 인공지능을 도입하는 과정에서 발생하는 이슈를 조사하고 활용 확대를 위한 정책적 시사점을 도출하는 것이 본 연구의 목적이다. 이번 연구는 2023년에 개발한 조달 데이터를 사용한 공공부문 AI 도입 현황조사 방법론의 문제점을 개선하고, 인터뷰 대상을 확대해 공공기관 유형별로 겪고 있는 공통 이슈를 도출하는 것에 주안점을 두고 있다. 국내 공공부문의 AI 도입현황 조사 연구는 크게 2개 부문으로 나뉜다. 우선 도입현황 조사 부문은 지난 10년(2014∼2023년)간 401개 공공기관의 ICT시스템 관련 용역계약 정보와 제안요청서, 과업지시서 등 첨부문서를 조달청의 조달정보개발포털을 통해 수집한다. 수집된 공공조달 데이터에서 AI 관련 사업은 텍스트 마이닝 기법을 사용하여 입찰 제안서(RFP) 세부 내용에 인공지능(AI) 관련 키워드가 포함되어 있는지 여부로 선별한다. 최종 선별된 인공지능 용역계약의 첨부문서를 분석해 추진단계, 활용 분야, 용도, 기술유형 등 부가 정보를 추가한 DB를 구축한다. 구축된 DB를 활용해 연도별 변화추이, 기관구분별 특성, 발주 및 낙찰 기관 등 다양한 관점에서 공공부문의 AI 도입 현황을 조사한다. 이상과 같은 조사 프로세스는 전년과 동일하다. 이번 연구에서는 AI 키워드를 8개에서 100개로 확대해 누락된 사업을 최소화하고 부가 정보 분석 시 키워드 활용을 통해 객관성을 높이는 것에 주안점을 두었다. 다음은 공공기관의 인공지능 도입 활성화 방안 도출을 위한 사례분석이다. 앞의 현황조사 분석 결과를 토대로 공공기관을 유형화한 후 구축된 조달공고 DB와 제안요청서(RFP) 등으로부터 유형을 대표할 수 있는 용역을 선정하였다. 선정된 용역을 수행했던 담당자와 심층인터뷰를 진행하고, 이를 종합해 기획 → 구축 → 유지관리 단계에서 발생하는 유형별 이슈와 시사점을 도출하였다. 3. 연구 결과 가. 도입현황 조사 과거 10년(2014∼2023년)간 공공부문 조달계약 중 인공지능(AI) 도입 계약 건수는 5,891건이다. 401개 공공기관의 60.6%인 243개 기관이 인공지능을 도입한 것으로 나타났다. 조사 대상 기관 중 자체적인 ICT 시스템을 보유하지 않은 소규모 기관이 다수 포함되어 있어 이들을 제외하면 공공기관의 실질 도입률은 크게 높아질 것이다. (연도별 추이) 공공기관의 인공지능 도입은 2016년 알파고 쇼크 이후 매년 빠르게 증 가하였다. 인공지능 계약은 2014년 134건에서 2023년 1,033건으로 7배 가까이 증가했으 며, 금액은 2,823억원에서 1조 3,279억원으로 늘어났다. 이에 따라 공공기관의 전체 ICT 관련 용역 계약 중 인공지능이 차지하는 비중도 금액 기준으로 2016년 3.33%에 불과했 으나 점진적으로 증가하여 2020년 이후 10% 수준으로 늘어났다. (추진단계) 2017년부터 인공지능 모델과 기술을 개발하는 연구단계와 시스템도입을 위한 ICT컨설팅 단계가 빠르게 늘어났다. 기존 시스템 고도화를 포함한 구축 단계는 2019∼20년 2년간 빠르게 증가한 후 연간 500건 정도를 유지하고 있다. 반대로 유지관리 단계는 2017∼20년 사이 비중이 크게 줄었다가 점차 늘어나고 있다. (정책 분야) 정책 분야별로는 전자정부, 민원 서비스 등에 관련된 시스템 수요가 많은 일반공공행정 분야가 지속적으로 전체의 20% 이상의 가장 높은 비중을 차지하고 있다. 다음으로 공공질서 및 안전(범죄예방, 재난재해 대응 등) 16.2%, 교통/물류 (지능형 교통망 등) 11.3%, 문화/체육/관광(전자도서관, 문화재 안내 등) 6.7%, 보건 (복지사각지대 발굴 등) 4.8% 순으로 많이 도입되었다. (활용용도) 연도별 활용용도는 전체적으로 대민서비스 44.8%, 업무효율화 55.2%로 업 무효율화 비중이 10% 정도 높다. 2016년까지는 대민서비스 비중이 높았으나, 이후 업 무효율화 용도 도입이 빠르게 늘어나 2019년 60.3%로 정점을 기록하고 점차 낮아지고 있는 추세이다. 이러한 결과는 공공기관의 인공지능 도입이 딥러닝 등장 초기에는 주 로 내부의 업무 수행 역량을 높이기 위한 목적으로 추진되었으나 2020년대 들어서는 챗봇, 추천시스템 등의 기술이 급속히 발전하면서 점차 대민서비스를 위한 인공지능 도입이 증가한 결과이다. (기술유형) 기술유형별로 살펴보면 전체적으로 언어지능(37%), 전문가시스템(34.7%), 시각지능(19.6%) 순으로 과제가 많이 진행되었고, 일부 과제는 기술을 복합적으로 사용하였다. 언어지능의 경우 초반 규칙 기반의 TTS, STT 등의 과제가 많아 가장 높은 비중을 차지했으나 점차 축소되고 있다. 대신, 전문가시스템은 매년 큰 폭으로 증가하여 2022년 전체 용역 중 45%로 가장 높은 비중을 차지하고 있다. (적용기술) 과거 인공지능은 장애인의 홈페이지 접근성 제고를 위한 TTS 기술과 문서의 디지털화를 위한 OCR 기술에 주로 적용됐었다. 아래 표에서 2016년까지 수치를 보면 2개 기술이 다른 키워드에 비해 압도적으로 많다. 하지만 2017년부터 ‘기계학습’,‘딥러닝’의 적용이 급하게 증가하면서, TTS와 OCR 비중은 빠르게 감소한다. 한편, 챗봇은 2017년 8건을 시작으로 2020년부터 급속히 확산되어 2023년 312건으로 가장 많이 등장하는 키워드가 되었다. 또한 음성인식과 비정형 데이터 처리 기술이 발전하면서 STT와 자연어처리 적용도 점진적으로 확대되고 있다. (기관구분별) 기관 구분별 계약 건수는 국가기관(38.9%), 지자체(31.2%), 준정부기관(16.2%), 기타공공기관(12.8%) 순으로 많고, 총 계약금액은 국가기관(50.8%), 준정부기관(20.0%), 지자체(17.5%), 기타공공기관(9.7%) 순으로 많다. 국가기관과 준정부기관의 건당 평균계약금액은 17억원 정도로 지자체의 평균 7.5억에 비해 2배 이상 크다. 이는 예산 규모가 작은 기초 지자체의 계약도 포함된 영향이 있다. 공기업을 제외한 4개 공공기관 유형 중 국가기관, 준공공기관, 기타 공공기관 등 3개 유형의 기관은 정부 부처를 중심으로 밀접하게 연결되어 있어 유형 간 차이가 크지 않다. 반면 지자체의 경우 중앙정부와 독립적으로 정책이 수립·결정되기 때문에 인공지능 기술 도입의 분야, 목적, 절차 등 여러 측면에서 다른 기관과 차이가 크다. 지자체의 경우 활용 정책분야 중 공공질서 및 안전과 교통/물류의 비중이 중앙정부 기관과 비교해 압도적으로 높다. 또한, 추진단계 중 구축과 유지보수 단계가 90% 이상으로 대부분을 차지한다. 대형 구축 사업이 적고 주민 생활에 밀착된 문제를 해결하는 1억원 이하의 소규모 사업이 많은 부분을 차지하고 있다. 또한, 지자체는 기계학습, 딥러닝의 빈도는 상대적으로 많이 낮으며, 대신 과거 장애인 접근성 향상을 위해 사용되던 TTS 비중은 높다. (발주기관) 국가기관에서는 건수 기준으로 기상청, 문화체육관광부, 행정안전부 순으로 인공지능 시스템을 많이 도입했다. 대규모 시스템을 보유한 대법원, 법무부, 과학기술정통부(우정사업본부), 국방부, 국세청 등이 투자금액에서 상위 기관에 위치하였다. 자치체에서는 경기도가 건수(502건), 금액(4,205억원)에서 다른 지자체와 큰 차이를 보이며 가장 적극적으로 인공지능을 도입하고 있다. 경기도는 많은 인구와 복잡한 교통 문제를 가지고 있어 교통 관련 시스템 구축과 민원처리 관련 대민서비스 과제를 많이 수행하였다. 경기도 외에 서울특별시와 경상남도, 경상북도가 건수와 계약 금액에서 상위권을 차지하고 있다. (낙찰기업) 공공부문 인공지능 도입 계약 5,891건의 공급기업은 총 1,788개이고 평균 계약금액은 13.4억원이다. 이를 조달정보개방포탈의 기업구분에 따라 나누어 살펴보면, 대기업(113.4억원), 중견기업(66.6억원), 중소기업(8.1억원), 비영리 중소기업(6.7억원), 비영리법인(2.4억원) 순으로 기업의 규모에 따라 평균계약금액이 작아지는 것을 확인할 수 있다. 한편, 전체 인공지능 건수 중에 중소기업이 88.6%의 계약을 낙찰받은 것으로 나타났다. 나. 사례분석 중앙정부 기관(국가기관, 준공공기관, 기타 공공기관)과 지자체는 인공지능 도입 환경, 사업구조, 대상 및 목적 등 서로 다른 특성을 가지고 있어서 본 연구에서는 중앙정부 기관과 지자체로 유형화했다. 또한, PoC(Proof of Concept) 사업은 최신 인공지능 기술 도입, 예산확보, 내부 공감대 형성, 구축 방향 설정 등에 중요한 영향을 미치기 때문에 별도의 유형으로 분리해 사례조사를 수행하였다. 대형 IT 시스템이 많은 중앙정부 기관 은 기존 시스템 고도화 사례를 중심으로 했으며, 지자체는 특정 지역 문제 해결을 위 한 사례 위주로 조사 대상을 선정하고 19개 사례에 대해 심층인터뷰를 진행했다. (중앙정부 유형) 중앙정부 유형의 주요 이슈 중 많은 부분은 AI 전문인력 부족과 관 련 제도의 경직성에 기인한다. 기관 내부 AI 전문인력과 역량 부족으로 인공지능 시스 템 도입을 통해 얻고자 하는 목적, 목표, 계획 등이 구체적이지 않고 현실성이 떨어지 는 경우가 많고, 구축 과정에서 발생하는 다양한 문제에 대해 의사결정이 잘 이루어지 지 않고 있다. 그리고 인공지능 시스템의 성능을 결정하는 데이터 사전 준비도 미흡했 다. 제도 측면에서는 대형 사업의 경우 ISP사업에 경험이 많은 대기업 참여가 불가하여 인공지능 기술 내용이 전문적이지 않고 결과물이 활용성이 낮았던 사례가 있었다. 공 공정보화 사업 기간은 1년과 3년 2가지 밖에 없는데, 1년 사업의 경우 내부 절차와 조 달청 입찰 및 계약 과정을 마치는데 통상 6개월 정도 소요되어 실제 구축 시간 확보에 많은 기관들이 어려움을 겪고 있다. 그리고 몇몇 기관은 재학습 비용을 추가해 유지보 수 예산을 신청했으나 기재부 심사에서 삭감되었다고 응답했다. (지자체 유형) 지자체 사업은 예산 규모가 작기 때문에 중소기업만 참여가 가능하고, 지방계약법에 따라 일정 금액 이하는 해당 지역 기업만 응찰이 가능하다. 그래서 AI기 업이 집중되어 있는 수도권을 제외하면 AI 기술과 경험을 갖춘 개발 기업을 찾는데 어 려움이 있었다. 특히 안내로봇 등 수요는 많고 공급 기업이 적은 분야는 상대적으로 한정된 예산 때문에 우수 기업과 계약이 어려운 상황이다. 그리고 공급 중소기업의 파 산, 잦은 담당자 교체 등의 사유로 구축 및 유지보수에 차질이 발생하는 경우도 많았 다. (PoC사업 유형) PoC과제를 수행했던 기업이 지적한 주요 이슈는 대부분 사업이 실제 성능을 테스트할 수 있는 파일럿 테스트 단계까지 진행되지 못하고 모델 개발에 그치 고 있다는 것이다. 이 외 하드웨어 할당, 데이터 수집 시간 등에 대한 수요기관 지원 부족으로 어려움을 겪었다. 4. 결론 조달 정보를 사용한 현황조사와 사례분석을 종합하여 도출한 국내 공공부문 인공지능 활용을 촉진하기 위한 정책적 제언은 다음과 같다. 첫째, 체계적인 AI 전문인력 확보 및 역량 강화 전략 추진이다. 교육, 채용 등 AI 전문인력 확보를 위한 노력만으로는 한계가 있으며, 인공지능 활용과 구축 경험이 축적되어 기관 구성원 전체가 AI에 대한 이해와 지식이 높아져야 한다. 이를 위해 체계적이고 단계적인 도입 전략으로 기관 내부의 AI 역량과 성공 가능성을 동시에 높여야 한다. 그리고 다양한 문제에 대해 여러 가지 모델을 만들고 검증하는 PoC 사업을 적극 추진해야 한다. 내부 AI 역량 강화와 함께 전문가 중심의 신속한 의사결정 체제의 확립이 중요하다. 둘째, AI 인프라 중심의 사업 추진이 필요하다. 기존 시스템과 대별되는 인공지능의 가장 큰 특징은 데이터가 미치는 영향이다. 확보된 데이터의 종류, 품질, 양 등에 따라 시스템의 성능, 구축 기간, 예산 등이 크게 차이가 난다. 그리고 데이터 관련 이슈는 기획 → 구축 → 유지관리의 전체 프로세스에 발생하기 때문에 사전에 충분한 고려와 대비가 필요하다. 또한, 인공지능 시스템은 학습할 때와 운영할 때 필요한 컴퓨팅 파워의 편차가 상당히 크다. 구축 및 재학습에 필요한 컴퓨팅 파워를 고려하여 외부 클라우드 서비스 이용을 포함한 HW 확보 계획을 수립해야 한다. 셋째, 디지털서비스 전문계약제도 활용 확대가 필요하다. 2020년 시행된 디지털서비스 전문계약제도는 복잡한 조달 계약 절차를 간소화해 클라우드 방식으로 공공기관이 신속하게 IT 서비스를 도입할 수 있게 만든 것이다. 디지털서비스 전문계약 제도의 장단점에도 불구하고 인공지능 관점에서 보면, 커스트마이징 요소가 적고 사업기간이 1년인 정보화 사업은 긍정적으로 검토할 필요가 있다. 특히 지자체의 경우 유사한 사업이 많고 우수한 공급기업을 찾기 힘들기 때문에 이 제도의 활용 효과가 클 것으로 예상된다. 그리고 Hyper CloverX(NAVER), 에이닷(SKT), 믿:음(KT) 등 민간의 우수한 초거대 AI 서비스 활용을 통해 공공기관의 인공지능 도입과 혁신적인 공공서비스 창출을 가속시킬 수 있을 것으로 생각된다. 마지막으로, 인터넷 소프트웨어 분야에서는 뇌-컴퓨터 인터페이스, AI 기반의 디자인 시스템, 데이터 스토리텔링 등이 사용자 경험과 참여를 증진시킬 것이다. 이 기술들은 데이터의 가치를 극대화하고, 사용자에게 더 풍부하고 유익한 정보를 제공할 것으로 기대된다. 이러한 유망 기술들은 산업 전반에 걸쳐 혁신을 촉진하며, 기업과 조직의 경쟁력을 강화하는 동시에 사용자의 삶의 질을 개선하는 데 기여할 것이다. 5. 정책적 활용 내용 본 연구 결과는 대한민국 SW산업의 진흥을 위한 전략 수립에 필수적인 정보를 제공한다. 정부 관계자들은 이러한 결과를 기반으로 SW 지원정책 분야의 우선순위를 결정하고 향후 연구개발과 사업화를 지원할 수 있는 방향을 설정하는 데 참고가 될 것이다. 또한 SW산업 및 결합기술과 관련된 진흥사업을 수행하는 전담기관들의 연구개발 사업기획의 방향성을 제시하는 데 참고자료로 활용될 것이다. 6. 기대효과 본 연구 결과는 산업, 정부, 교육 및 연구기관 측면에서 각각 시사점을 제공할 수 있을 것이다. 첫째, 산업계에는 SW유망기술, 유망기술과 시너지를 낼 수 있는 결합기술, 활용분야 등을 제시함으로써 기술 개발 및 사업 재편에 대한 전략적 방향설정에 활용할 수 있을 것이다. 나아가 본 연구결과를 토대로 효율적인 기술 투자와 개발을 진행하여 성공적인 비즈니스 모델을 형성할 수 있을 것으로 기대한다. 둘째, 정부차원에서는 연구 결과를 기반으로 SW유망기술 개발과 확산을 촉진하는 정책 수립에 활용할 수 있을 것이다. 이는 디지털 변혁에 선도적 정책지원으로 기술패권에서 우위를 선점하는 데 기여할 수 있을 것이다. 마지막으로 본 연구의 결과는 대학 및 연구 기관에게 유망 기술에 기반한 교육 및 훈련 프로그램을 개발과 SW분야의 연구개발 활동의 방향성을 수립하는 데 활용할 수 있는 기반자료가 될 것이다.

요약문 1. 제 목 : AI 윤리·신뢰성 제도 연구 2. 연구 배경 및 목적 최근 AI 기술의 발전은 전 세계적으로 사용자의 증가와 함께 주목을 받고 있으며, 특 히 생성형 AI 기술은 글로벌 기술 시장에서 주요 트렌드로 자리 잡았다. 구글, 마이크 로소프트와 같은 AI 분야 글로벌 선도 기업들은 경쟁적으로 새로운 AI 서비스를 출시 하고 있으며, 2022년 오픈AI의 챗GPT 출시는 생성형 AI 시대의 본격적인 서막을 알렸 으며, 영상 생성 기술인 '소라(Sora)'와 같은 혁신적인 AI 기술이 고품질 영상과 환경 묘사를 통해 높은 평가를 받고 있다. 더불어, 구글은 자체 서비스에 생성형 AI 모델인 제미나이(Gemini)를 도입하며 AI 생태계 확장을 발표하는 등 AI 기술의 발전과 도입이 빠르게 진행되고 있다. AI 기술의 이러한 발전은 단순히 기술적 가능성에 그치지 않고, 글로벌 경제와 산업 전반에서 큰 파급 효과를 예고하고 있다. 예를 들어, 스탠퍼드대학교의 2024 AI 인덱스 보고서에 따르면, 전 세계 기업 중 55%가 AI 기술을 도입하고 있으며, 이는 전년도 50%에서 5%p 증가한 수치이다. 이러한 도입률 증가는 AI 기술이 향후 3~5년 이내에 일상생활과 산업에 걸쳐 획기적인 변화를 가져올 것이라는 기대를 반영하고 있다. 또 한, 전 세계 응답자의 63%가 챗GPT를 인지하고 있을 만큼, AI 기술은 대중의 관심과 기대를 동시에 받고 있다. 그러나 AI 기술의 빠른 발전과 확산은 새로운 윤리적 문제와 신뢰성 확보에 대한 필 요성을 동반하고 있다. 특히, 데이터 편향, 개인정보 유출, 그리고 AI 시스템의 공정성 과 투명성 문제는 사회적 신뢰를 저해할 수 있는 주요 요소로 지적되고 있다. 구글, 오 픈AI 등 글로벌 빅테크 기업은 이러한 문제를 해결하기 위해 AI 윤리 가이드라인과 내 부 프레임워크를 구축하고, 안전성을 강화하기 위한 연구와 평가를 지속 진행하고 있 다. 하지만, 국내에서는 특히 중소기업들이 예산과 인력 부족, 기술적 인프라의 미비 등의 이유로 변화에 효과적으로 대응하기 어려운 상황에 직면해 있다. 이에, 본 연구는 국내 중소기업들이 AI 기술 도입과 활용 과정에서 직면할 수 있는 윤리적 문제와 신뢰성 확보 이슈를 해결할 수 있도록 지원하기 위한 정책적 기반에 대 해 연구하고자 한다. 각국의 정책 및 글로벌 기업의 가이드라인을 살펴보고, 우리나라 기업이 이 이슈에 대해 어느 정도의 인식 수준을 갖고 있는지를 심층 인터뷰 조사를 통해 확인하고자 한다. 이러한 연구는 국내 AI 산업이 글로벌 경쟁력을 갖추고, 윤리적 이고 신뢰성 있는 AI 생태계를 구축하며, 지속 가능한 성장을 이룰 것으로 기대된다. 3. 연구의 구성 및 범위 본 연구는 AI 신뢰성 확보를 위한 정책 방향을 제시하기 위해 다음과 같은 세 가지 주요 과업으로 구성되었다. 먼저, 선행연구 조사에서는 AI 윤리, 신뢰성, 그리고 AI 위 험의 개념과 정의를 체계적으로 정리하고자 하였다. 이를 위해 기존의 다양한 문헌을 검토하며, 글로벌 및 국내 AI 기업의 대비 현황을 파악하기 위한 연구의 범위를 설정 하였다. 또한, OECD에서 제공하는 데이터베이스를 활용하여 AI 사고의 연도별 및 국가 별 현황을 분석하였으며, 글로벌 빅테크 기업들이 AI 윤리와 신뢰성 확보를 위해 조직, 프레임워크, 기술 개발 등의 다양한 방식으로 대응하고 있는 사례를 살펴보았다. 그 다음, 글로벌 AI 사고 및 기업 대응 현황 분석에서는 글로벌 AI 사고 데이터를 기 반으로 주요 국가와 기업의 AI 위험 관리와 대응 현황을 조사하였다. 특히 빅테크 기 업들의 사업 보고서와 최근 조사 자료를 통해 신뢰할 수 있는 AI의 대응을 강화하기 위해 조직적으로 접근하는 방식과 프레임워크를 구체적으로 분석했다. 이 과정에서 구 글, 오픈AI, 메타 등 주요 기업들이 AI 개발 과정에서 안전성과 책임성을 높이기 위해 어떤 노력을 기울이고 있는지에 대한 구체적인 사례를 포함하였다.

요약문 1. 제 목 : SW기초체력 강화를 위한 SW유망기술 도출 연구 2. 연구 배경 및 목적 디지털 심화시대에 기술 선점은 국가와 기업에게 중대한 경쟁 요소로 부상하고 있다. 과거처럼 기술 선도국의 전략을 추격하는 것만으로는 더 이상 충분하지 않으며, 디지털 환경에서의 선도적 위치 확보는 지속적인 성장을 위한 필수 조건이 되었다. 이러한 상황에서 새로운 유망 기술을 신속하게 감지하고, 효과적으로 개발 및 확산하는 능력은 디지털 강국으로의 도약과 지속 가능한 성장을 위해 필수적이다. SW 유망기술 발굴은 전략적으로 매우 중요한 요소로 인식되지만, 대부분의 연구는 유망분야 및 토픽의 동향을 다루는 데 초점을 맞추고 있어서 구체적인 기술군에 대한 정보를 제공하는 연구가 부족한 상황이다. 이에 본 연구는 디지털의 기반이되는 소프트웨어(SW) 유망 기술 발굴에 중점을 두어, 국가 및 기업이 급변하는 디지털 환경에 능동적으로 대응할 방안을 제안하고, 디지털 경쟁력을 강화하는 데 필요한 근거로 활용할 기초자료를 생성하고자 한다. 3. 연구의 구성 및 방법 본 연구는 총 6장으로 구성되어 있다. 제1장에서 디지털 심화시대에 SW의 중요성과 SW유망기술 발굴의 필요성을 밝히며, 이를 통한 정책 마련에 필요한 기초자료 제공한다는 목적을 제시한다. 제2장에서는 유망기술의 개념과 특성을 설명하고, 유망기술 발굴이 기업 경쟁력에 미치는 영향을 국내외 연구를 통해 분석한다. 제3장에서는 유망기술을 예측하기 위한 데이터 및 분석 방법론을 검토하고, 제4장에서는 특허 데이터와 소프트웨어 산업 연계 방법, 텍스트 마이닝 및 토픽 모델링을 통한 SW 유망기술 발굴 방법론을 제시한다. 제5장에서는 세부 산업별로 도출한 유망기술을 정리하고, 제6장에서는 정책적 시사점과 연구의 한계 및 향후 연구 방향을 제시한다. 본 연구는 SW유망기술 발굴을 위해 다음과 같이 양적 및 질적 연구방법을 병행하였다. 첫째, 국내외 연구논문, 연구보고서, 언론기사를 통해 유망기술의 발굴 방법, 활용 데이터, 기술 동향을 파악했다. 둘째, 특허분석 및 산업계 전문가 10인의 인터뷰를 통해 기술 후보군 검증과 신뢰성 확보, 연구방법론에 대한 자문을 수행했다. 셋째, 특허 데이터베이스를 활용한 정량분석으로, 텍스트 마이닝과 토픽 모델링 방법을 사용하여 R 프로그램을 통해 유망분야 및 기술을 도출했다. 이 연구는 전문가의 직관과 경험을 데이터 분석과 결합하여 객관적이고 전문적인 결과를 도출하고자 했다. 4. 연구 내용 및 결과 본 연구에서는 미국시장에 등록된 특허정보를 수집하여 텍스트 마이닝과 토픽모델링을 수행하였으며, 추가적으로 전문가 자문, 논문 및 보고서 등의 내용과 통합적으로 검토해서 SW세부산업(게임SW, 패키지SW, IT서비스, 인터넷SW 등)에서 총 33개의 유망기술을 발굴하였으며, 유망기술들은 각각 세부 산업별로 게임SW가 9개, 패키지SW가 7개, IT서비스 7개, 인터넷SW 10개 등으로 분류하여 소개한다. 각 해당기술이 어떻게 활용되며, 인공지능, 빅데이터, 클라우드, 블록체인 등 신SW기술들과 어떤 시너지를 발휘할 수 있는지에 대한 추가정보를 제시한다. 추가정보는 인터넷 검색, 최신 뉴스, 관련 논문, 다양한 유망기술 보고서 등의 신뢰할 수 있는 자료를 통해 심도 있게 조사한 결과를 바탕으로 제시하였다. 이 기술들은 데이터 분석, 보안, 사용자 인터페이스, 상호작용 최적화, 네트워크 등 다양한 영역에서 SW혁신을 이끌어내며, SW산업을 넘어 타산업의 디지털 전환과 산업 고도화를 앞당기는 데 핵심적역할을 할 것이다. 게임SW분야에서는 고급 데이터 스트림 처리 및 최적화 프레임워크, 적응형 신경망 시스템, 확장현실 기술 등이 플레이어의 몰입감과 상호작용을 강화시킬 것이다. 이 기술들은 게임 내 경험을 풍부하게 하고, 사용자 맞춤형 콘텐츠를 제공함으로써 게임 산업의 경쟁력을 강화할 것이다. 패키지 소프트웨어 영역에서는 지능형 데이터 융합, 보안 분석 프레임워크, 실시간 3D 재구성 등의 기술이 데이터 관리와 분석의 효율성을 높여 업무 효율성을 개선할 것이며, 보안을 강화시킬 것 이다. 이러한 기술들은 비즈니스 프로세스와 의사결정을 지원하고, 다양한 산업 분야에서 혁신을 이끌 것으로 예상된다. IT 서비스 분야에서는 적응형 암호화 접근 제어, 양자 키 분배 시스템, 분산 지능 아키텍처 등이 정보 기술의 안전성과 협업 효율성을 개선할 것이다. 이 기술들은 조직의 IT 인프라 관리 및 보안을 강화하고, 데이터 기반의 의사결정을 지원할 것이다. 마지막으로, 인터넷 소프트웨어 분야에서는 뇌-컴퓨터 인터페이스, AI 기반의 디자인 시스템, 데이터 스토리텔링 등이 사용자 경험과 참여를 증진시킬 것이다. 이 기술들은 데이터의 가치를 극대화하고, 사용자에게 더 풍부하고 유익한 정보를 제공할 것으로 기대된다. 이러한 유망 기술들은 산업 전반에 걸쳐 혁신을 촉진하며, 기업과 조직의 경쟁력을 강화하는 동시에 사용자의 삶의 질을 개선하는 데 기여할 것이다. 5. 정책적 활용 내용 본 연구 결과는 대한민국 SW산업의 진흥을 위한 전략 수립에 필수적인 정보를 제공한다. 정부 관계자들은 이러한 결과를 기반으로 SW 지원정책 분야의 우선순위를 결정하고 향후 연구개발과 사업화를 지원할 수 있는 방향을 설정하는 데 참고가 될 것이다. 또한 SW산업 및 결합기술과 관련된 진흥사업을 수행하는 전담기관들의 연구개발 사업기획의 방향성을 제시하는 데 참고자료로 활용될 것이다. 6. 기대효과 본 연구 결과는 산업, 정부, 교육 및 연구기관 측면에서 각각 시사점을 제공할 수 있을 것이다. 첫째, 산업계에는 SW유망기술, 유망기술과 시너지를 낼 수 있는 결합기술, 활용분야 등을 제시함으로써 기술 개발 및 사업 재편에 대한 전략적 방향설정에 활용할 수 있을 것이다. 나아가 본 연구결과를 토대로 효율적인 기술 투자와 개발을 진행하여 성공적인 비즈니스 모델을 형성할 수 있을 것으로 기대한다. 둘째, 정부차원에서는 연구 결과를 기반으로 SW유망기술 개발과 확산을 촉진하는 정책 수립에 활용할 수 있을 것이다. 이는 디지털 변혁에 선도적 정책지원으로 기술패권에서 우위를 선점하는 데 기여할 수 있을 것이다. 마지막으로 본 연구의 결과는 대학 및 연구 기관에게 유망 기술에 기반한 교육 및 훈련 프로그램을 개발과 SW분야의 연구개발 활동의 방향성을 수립하는 데 활용할 수 있는 기반자료가 될 것이다.

※ 국내 GPU 현황은 시점 현행화와 정밀한 조사를 거쳐 추후 별도 게시 예정 1장 조사개요 01 조사개요 02 주요 용어 해설 03 모집단 정의 04 모수 추정 2장 조사결과 01 일반 현황 02 인공지능 기술 및 사업현황 03 매출 현황 04 해외수출 현황 04 인력 현황 05 투자 및 개발 현황 06 애로사항 및 건의사항 3장 부록 01 주요 주관식 문항정리 02 통계표 03 조사표

스탠퍼드대학교 인간중심 인공지능 연구소(HAI)가 지난 4월 7일 'AI Index 2025' 보고서를 발간했다. 이번 보고서는 2017년부터 발간되어 올해 8번째로, 현재 글로벌 AI 현황에 대한 종합적인 관점의 브리핑을 제공한다. 소프트웨어정책연구소에서는 이 보고서의 주요 내용을 분석‧요약하고 우리의 전략적 대응을 제안하고자 한다. AI 연구개발 경쟁은 매년 더욱 치열해지고 있으며, 선두 주자인 미국과의 경쟁에서 중국의 약진이 두드러진다. AI의 성능은 매년 급격하게 증가하여 이를 측정하기 위한 새로운 벤치마크들이 등장했다. 고성능 모델들은 모델 간 성능 격차가 줄어들어 상향 평준화 되었다. 또한, AI의 활용 확산은 과학과 의료계의 발전을 이끌고 있으며, AI의 활용이 확산됨에 따라 책임있는 AI를 위한 다양한 노력들도 추진되고 있다. 이에 따라 각국에서는 AI에 관련한 규제 법률을 늘리고 있는 추세이다. AI 분야의 `24년의 글로벌 투자 수준은 경기침체로 인해 감소세였던 지난 `22~23년과 달리 크게 증가하였다. 세계적으로 AI 및 CS교육이 빠르게 확산하고 있어 AI 전문가 배출도 가속화되고 있다. AI에 대한 여론은 낙관적인 전망이 증가하고 있는 가운데, 공정성에 대한 신뢰도는 감소하는 양상을 보였다. Executive Summary The Stanford Institute for Human-Centered Artificial Intelligence(HAI) released the 'AI Index 2025' report on April 7th. This report that published since 2017, is the 8th this year and provides a comprehensive perspective briefing on the current global AI situation. The SPRi analyzes and summarizes the main contents of this report and proposes our strategic response. The competition in AI research and development is becoming more intense every year, and China's advances are notable in its competition with the United States, the leader. The performance of AI has increased rapidly every year, and new benchmarks have emerged to measure it. High-performance models have become more standardized as the performance gap between models has narrowed. In addition, the spread of AI utilization is leading to the development of science and medicine, and various efforts for responsible AI are also being promoted as the use of AI spreads. Accordingly, each country is increasing regulatory laws related to AI. The level of global investment in the AI ​​field in 2024 has increased significantly, unlike 2022-2023, when it was decreasing due to the economic recession. As AI and CS education are rapidly spreading worldwide, the production of AI experts is also accelerating. While public opinion on AI is showing an increasing optimism, trust in fairness is showing a decreasing trend.

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.

1장 조사개요 01 조사개요 02 주요 용어해설 03 모집단 정의 04 모수 추정 2장 조사 결과 01 일반 현황 02 인공지능기술 및 사업현황 03 매출 현황 04 인력 현황 05 해외수출 현황 06 투자 및 개발현황 07 애로사항 및 건의사항 3장 부록 01 주요 주관식 문항정리 02 통계표 03 조사표

1장 조사개요 01 조사개요 02 주요 용어해설 03 모집단 정의 04 모수 추정 2장 조사 결과 01 일반 현황 02 인공지능기술 및 사업현황 03 매출 현황 04 인력 현황 05 해외수출 현황 06 투자 및 개발현황 07 애로사항 및 건의사항 3장 부록 01 주요 주관식 문항정리 02 통계표 03 조사표

요약문 1. 제 목 : 2023년 국내외 인공지능 산업 동향 연구 2. 연구 목적 및 필요성 ㅇ 생성AI 기술이 전세계적 이슈로 부상 - 2022년 11월 등장한 오픈AI社의 챗GPT(ChatGPT) 이후 인공지능 기술이 다시 한 번 역사적 변곡점을 맞이하면서 급성장 - 관련 하드웨어, 서비스 개발에 대한 투자뿐만아니라 전산업에서 AI융합이 본격화되고 있으며 글로벌 빅테크를 중심으로 한 주도권 경쟁이 치열해 지고 있는 상황 - 한편, 확률적 산출물 조합에 기반한 생성AI 기술의 한계, 생성물의 오남요에 따른 사회적 부작용 등 AI에 대한 국제사회의 규제 움직임도 점차 가시화 - 이에, 알파고(AlphaGo)이후 2010년 중반부터 급격히 진행되고 있는 인공지능 기술의 진화와 함께 사회적, 제도적 추이를 지속적으로 파악하여 시의성 있게 대응하는 정책적 민첩성의 요구도 높아짐 ㅇ 본 연구는 급변하는 국내외 인공지능 산업 동향을 파악하여 국내 산업 경쟁력 강화와 인공지능 활용 확산을 위한 정책 자료를 확보하는 것이 기본 목표 - 주요국, 기관, 학술단체, 주요 기업의 동향을 파악하여 현황을 진단하고, 향후 AI 기술의 발전과 산업을 전망하여 시의적절한 AI 정책을 개발하고 의사결정을 지원할 수 있도록 기초 자료 제공 및 정책 과제 발굴에 활용 - 인공지능 산업 관련 광범위한 조사를 바탕으로 국내외 AI 정책 관련 유용한 자료(정책, 법률, 권고사항 등)을 확보하여 정책 고도화에 활용 3. 연구의 구성 및 범위 ㅇ 인공지능 산업 현황 및 시장에 대한 개괄적 정리 ㅇ 국내 및 해외 주요국·국제 기구 정책 동향 - 주요국에는 미국, 유럽, 중국, 일본, 영국, 캐나다, 독일, 프랑스, 싱가포르 포함 - 국제 기구/회의로 OECD, UN/UNESCO, G7정상회의, 세계경제포럼(WEF) 동향 분석 ㅇ 국내외 인공지능 주요 기업 동향 분석 - 해외 글로벌 빅테크(구글, 마이크로소프트, 메타, 아마존, 오픈AI, 애플, 테슬라 등) 기업 및 국내 주요 기업 (네이버, 카카오)을 포함한 주요 AI 스타트업 동향 포함 ㅇ 국제 학술 단체 연구, 표준기관, 비영리 연구 기관 동향 분석 - IEEE, ACM 및 최상위 AI 컨퍼런스 발표 및 ISO/EC 국제 표준화 동향 - 국내 TTA 인공지능 표준화 동향 및 관련 인공지능 학회 주요 연구 동향 ㅇ 인공지능 교육 및 고용, 인력 개발 관련 동향 분석 4. 연구 내용 및 결과 ㅇ 주요국 및 국제기관에서는 생성AI 관련 규범 정립 및 규제 추진 - 미국은 인공지능 청사진 마련, 신뢰성 있는 AI 개발을 위한 행정명령, 유럽은 인공지능법안 통과, 중국의 생성 AI 지침 마련, G7의 AI행동강령, 일본은 생성 AI 저작권 지침 수립 및 국내에서는 인공지능 기본법 제정 추진 ㅇ 생성AI의 핵심 기술 개발 및 관련 서비스 생태계에서 경쟁력 우위 확보를 위해 주요 기업들은 가치사슬의 수직 통합화를 가속화 - 마이크로소프트, 구글, 메타, 아마존, 엔비디아 등 주요기업들은 인수합병, 전략적 투자를 통해 인공지능 반도체, 클라우드, AI플랫폼(모델), 애플리케이션에 이르는 인공지능 가치사슬의 수직통합화를 통한 경쟁력 강화 ㅇ 생성AI 모델의 고도화, 경량화와 함께 인공지능 신뢰성 확보 연구 확대 - 대규모 컴퓨팅 인프라 투자를 통해 거대언어모델 성능 경쟁을 펼치는 추세에서 비용 효과적인 경량 모델, 오픈소스 활용 움직임이 확대되고 있음 - 특히 생성물의 부정확성, 오류, 환각 현상, 잠재적 편향성 등 신뢰성 문제가 대두됨에 따라 이를 보완하거나 최소화 하기 위한 기술적, 정책적 대응 강화 5. 정책적 활용 내용 ㅇ 본 연구 내용은 정부의 인공지능 정책 수립 (초거대 인공지능 경쟁력 강화, 전국민 인공지능 일상화 전략 등) 및 관련 법안 마련 (인공지능 기본법)을 위한 현황 분석의 기초 자료로 활용 되었음 6. 기대효과 ㅇ 국내외 환경 변화에 대한 시의성 있는 정보 제공으로 정부 정책 대응력 제고 ㅇ 동태적 동향 분석 체계 구축을 통해 일관적이고 지속적인 정책 고도화 기반 마련 ㅇ 업계, 연구자 및 이용자 등 다양한 이해관계자에게 인공지능 관련 정책, 시장, 기업 전략, 표준, 인력, 연구 개발 동향 등 다양한 AI 현황 자료 제공함으로써 민간의 AI 산업 이해도 및 전략 대응력 향상에 기여

요약문 1. 제 목 : 글로벌 AI 신뢰성 동향 분석 2. 연구 목적 및 필요성 본 연구의 목적은 국내외의 AI 신뢰성 관련 동향 조사를 통해 최신 이슈를 파악 및 분석하여 정책적 시사점을 도출하고, 국내 정책 수립을 위한 기초 자료를 제공하는 데 있다. 인공지능 기술의 급격한 발전으로 국가사회 전반의 변화가 빠르게 이루어지면서, 현재 많은 산업 분야에서 AI 기술이 도입되고 일상 활용이 확산되고 있다. 하지만, AI 높은 효용성과는 반대로, 기술적 한계와 오남용 등으로 인해 환각, 편견과 차별을 야기하는 불공정, 개인정보 유출과 같은 문제가 대두되고 있다. AI 기술로 인한 위협으로부터 안전한 활용을 가능케하기 위해 AI 신뢰성을 확보하기 위한 노력들이 확산되고 있다. 세계 각국은 인공지능의 효용은 극대화하고 역기능 등은 최소화하기 위해 법제도적 기반과 통제방안 등을 마련하고 있고, 국제기관에서는 정책 보고서 및 신뢰할 수 있는 AI를 위한 지침들을 발표하고 있다. 기업들은 AI 시스템 개발에 있어 자체적인 원칙을 마련하거나 검증을 위한 방안을 수립하는 등 신뢰성을 고려한 전략을 추진하고 있다. 우리나라 또한 AI 국가 전략을 기반으로 다수의 전략과 실행 계획들을 발표하며 다양한 정책을 추진 중에 있는 만큼, 세계 주요국의 시의성 있는 동향을 파악하고 대응 할 필요가 있다. 3. 연구의 구성 및 범위 본 연구는 총 7개의 장으로 서론(1장)을 시작으로 주요국 AI 신뢰성 동향(2장), 국제기구(3장) 및 주요 기업동향(4장), 연구 및 표준 동향(5장)을 비롯하여 주요 AI 활용 산업별 동향(6장)과 시사점 및 결론(7장)으로 구성되어있다. 국내외 정부 및 국제기관 등의 언론, 공식 보도, 정책보고서와 같이 다양한 정보소스를 바탕으로 동향을 조사하여, △법제도 △기업/산업 △기술/연구 △인력/교육으로 이를 분류하였다. 본 연구에서는 한국을 포함하여 총 14개의 주요국을 다루고 있다. AI 관련 활동이 활발한 미국, EU, 영국, 중국, 일본, 캐나다를 포함하여 기타 주요국(독일, 프랑스, 호주, 스페인, 네덜란드, 싱가포르, 이스라엘)에 대한 동향을 바탕으로 국가별 AI 신뢰성 정책 동향을 기술한다. 산업별 AI 신뢰성 동향에서 고려하고 있는 산업은 크게 5가지로, AI의 도입이 활발한 △ICT △교육 △의료 △금융 △보안 산업에 해당한다. 기본적으로 2023년 이전의 정책적 흐름을 간략하게 다루고 있고, 주 조사 내용은 2023년 자료에 해당한다. 4. 연구 내용 및 결과 2017년부터 현재까지 50개국 이상에서 신뢰할 수 있는 AI를 위한 국가 전략 또는 정부 차원의 이니셔티브를 채택하였다. 이에 따라 국가 AI 정책 관리를 위해, 각 국 정부는 정부 조정기관, 위원회 설립 등을 통해 다양한 거버넌스 모델을 사용하고 있다. 현재 시의성 있는 동향 중 하나는 규제 정책이며, OECD AI 원칙과 국가 AI 전략 등을 바탕으로 규제 프레임워크를 만들고 있다. EU의 규제법안인 AI act는 2023년 말 합의가 된 만큼 추후 시행까지 동향을 추가적으로 파악할 필요가 있다. 대부분의 국가는 위험 기반의 규제 방식을 채택하고 있고, 고위험 AI에 대한 관리와 통제조치들을 집중적으로 다루고 있다. 우리나라의 AI 관련 입법안들은 AI 산업 발전을 위한 기반 마련에 초점을 맞추고 있고, 최근 들어 입법안에서 규제적 조치를 담고 있으나 아직 추가적인 논의가 필요한 상황이다. 세계적으로 AI의 신뢰성 확보가 더욱 중요해지고 있는 만큼, 주요국들은 적극적인 국가간 협력 체계를 구축하면서 다양한 논의를 진행하고 있다 OECD, UN, 유네스코 등은 꾸준히 인간 중심 접근방식에 중점을 두고 다양한 활동을 하고 있는데, OECD는 GPAI(Global Partnership on Artificial Intelligence), AI 거버넌스 작업반(AIGO) 등을 통한 국제 협력을 주도하고 있다. 이외에도 AI 책임성 향상에 관한 정책보고서, AI 규제 샌드박스 보고서 등 여러 정책 보고서 또한 발간하고 있다. G7 7개국은 히로시마 정상회담에서 히로시마 AI 프로세스를 출범하며 AI 국제 행동강령을 마련하였다. 이외에도 AI 안전 정상회의에서의 블레츨리 선언 등 대부분 생성 AI 기술 확산에 따른 위험성 증가에 대응하기 위한 움직임이 다수 존재하였으며, 국제 협력 규모가 더욱 확대되고 AI 거버넌스 등이 생기고 있는 추세다. 각 국 정부의 규제 움직임에 대해 기업 및 산업 부문에서는 과도한 규제에 우려하는 추세로, 기술 발전과 신뢰성 확보 측면에서 입장차가 존재한다. 명확한 규제가 존재하지 않는 현재, 기업들은 자율 규제 방식을 채택하고 최소한의 신뢰성 확보를 위해 개발 가이드라인이나 윤리 원칙 등을 수립하여 대응하고 있다. 향후 AI 서비스 및 SW 등에 인·검증이 본격적으로 전개될 것으로 예상되는데, 이와 관련한 국제 표준 선도에 대한 전략적 대응이 필요한 상황이며, 선제적 대응을 통해 이를 주도함으로써 선도적 입지 확보를 위한 투자가 필요할 것으로 보인다. 마지막으로 생성 AI 기술이 산업의 각 영역에 적용되고 혁신 도구로서의 가능성을 보여주고 있다. 특히 의료, 금융, 보안, 교육 등 분야에서 AI가 많이 활용되고는 있으나, 개인 및 사회에 영향력이 높은 만큼 엄격한 검증이 필요하다. 이에 도메인의 정제된 데이터를 이용해 생성 AI 기술의 신뢰성을 높이는 연구들이 진행되고 있음을 확인할 수 있었으며, 생성 AI의 잠재적 보안 취약성과 오남용으로 인한 피해에 대한 산업계의 면밀한 검토가 진행되고 있음을 파악하였다. 향후 다양한 산업 도메인과 영역에서 생성 AI 기술이 적용되기 위해서는 산업 특화된 데이터를 기반으로 생성 결과물의 신뢰성을 높이는 작업과 함께, 올바른 활용을 위한 지침과 규정이 보다 구체화될 것으로 예상된다. 5. 정책적 활용 내용 주요국의 AI 규제 입법안에서 위험을 통제하는 수단들은 데이터 관리, 위험 및 품질관리, 보안강화, 인간에 의한 통제조치, 투명성 확보와 이용자에 대한 정보제공 등으로 정리할 수 있다. 국가 및 기업들은 AI가 다루는 데이터의 방대함과 민감한 데이터의 사용 등에 따라 정보보안에 대한 요구사항이 많다. 시스템의 안정적 운영이나 오류를 방지하기 위해서도 정보보안이 강화되어야 하는데, 대부분의 법률안들은 사이버보안에 대해 특히 강조하고 있다. AI 시스템이 의도된 목적에 따라 적절한 수준의 정확성과 견고성, 사이버보안을 달성하고 수명주기 동안 일관되게 수행할 수 있도록 설계·개발될 것을 요구한다. 최근에는 AI 기술의 안전성에 초점을 맞춘 ‘AI 안전’이 더욱 중요해지고 있으며 다양한 가이드라인이 제안되고 있는 추세이다. 이외에도 EU 및 미국 등은 AI 시스템이 사용되는 동안 인간이 효과적으로 감독할 수 있도록 설계·개발되어야 하고, 시스템을 안전한 상태로 정지시킬 수 있도록 통제를 강조하고 있으며, 투명성을 확보할 것을 규정한다. 이를 위해 미국, 영국을 중심으로 AI안전, 신뢰를 확보하기 위한 거버넌스 체계도 정비되고 있다. 국가 최고지도자를 중심으로 인공지능 국가 전략을 수립 추진하고 있으며 관련해 AI안전연구소와 같은 전담연구조직을 설치해 기술 및 제도 기반 수립을 위한 연구에 힘을 싣고 있는 상황을 주시할 필요가 있다. 생성 AI의 기반이 되는 파운데이션 모델(foundation model)의 중요성이 커지는 만큼 이와 관련된 지침들이 추가적으로 정의되고 있다. 향후 생성 AI는 텍스트를 넘어, 다양한 이미지, 영상, 텍스트 정보들을 학습에 활용하고 다양한 형태의 결과물로 출력하는 이른 바 ‘네이티브 멀티모달’ 기술로 전개될 것으로 예상된다. 따라서 데이터, 콘텐츠 산업 전반에 있어 영향이 커질 것으로 예상되는 가운데 관련 지적재산권, 오남용으로 인한 사회적 피해와 혼란에 대한 선제적 대응이 필요하다. 일례로, 딥페이크와 같은 기술은 배포, 게시 금지와 같은 규제와 처벌 규정들이 도입되고 있다. 이처럼 앞으로의 AI 신뢰성 정책을 수립함에 있어, 생성 AI를 비롯하여 급격히 발전하고 있는 AI 기술을 포괄적으로 수용할 수 있는 기반을 마련해 둘 필요가 있다. 기술과 서비스 변화에 따라 AI 산업 전반에 관여하는 구성원 또는 참여자가 달라지는 환경을 고려하여 구성원 간 관계, 개별 구성원이 준수해야 하는 의무들에 대한 지속적 논의가 필요하다. 또한 주요국들은 빠르게 인공지능의 위험성을 통제하는 수단들을 고민하고 적극적으로 입법화를 시도하는 만큼, 우리나라도 신업 진흥 및 기술 발전 이외에도 국내 규제 법안 마련에도 집중할 필요가 있다. 산업 및 시장 구조와 환경 변화에 대응하는 규제조치를 포함하여 데이터 관리와 차별 방지 의무화, 품질관리와 위험관리, 사이버보안과 회복력 확보, 인간에 의한 통제가능성 확보, 기술문서 작성과 기록관리 의무, 사용자 권리 보장과 국가의 감독기능 강화 등 다양한 규제수단들이 매우 구체적으로 제시되고 있는 만큼 적극적으로 이러한 조치들을 참조할 수 있을 것으로 판단된다. 6. 기대효과 본 연구에서는 국내외의 주요 AI 신뢰성 정책 사례를 조사하고 다양한 관점에서 이를 분석하였다. 법제도, 기업 및 산업, 기술 및 연구, 인력 및 교육 분야로 구분하여 넓은 범위에서 시의성 있는 사례들을 포함하여 의미 있는 움직임들을 파악할 수 있다. 또한 분석을 통해 현재 주요국의 규제에 대한 움직임, 기업들의 대응 방법, 주요 AI 활용 산업 분야에서의 신뢰성 이슈 등에서 시사점을 도출하여 방향성을 제시하고 있다. 이러한 국가별, 산업별 정책 현황 자료 및 분석 결과는 앞으로의 새로운 국내 AI 신뢰성 정책 수립에 있어 참고 자료로서 활용 될 수 있을 것으로 기대된다.