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.

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.

요약문 1. 제 목 : 공공부문 AI 도입현황 연구 2. 연구 목적 및 내용 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. 지난 10년간 조달청의 입찰정보와 계약정보를 활용하여 공공부문 인공지능 도입 현황을 보다 객관적이고 사업 단위까지 세밀하게 조사를 수행하고자 한다. 더불어 수집된 정보를 바탕으로 타 기관에 시사점을 제공할 수 있는 사례를 선별해 성공요인 등을 분석하여 공공부문의 AI 도입 및 활용 확대를 위한 정책적 시사점을 도출하는 것이 본 연구의 목적이다. 국내 공공부문의 AI 도입현황 조사 연구는 크게 2개 부문으로 나뉜다. 우선 도입현황 조사 부문은 지난 10년간 420개 공공기관의 ICT시스템 관련 용역계약 정보와 제안요청서, 과업지시서 등 첨부분서를 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. 다음은 공공기관의 인공지능 도입 활성화 방안 도출을 위한 사례분석이다. 정보시스템 평가나 시스템 운영/관리 평가모델 등을 수집하여 평가요소를 확인하고, 공공기관과 인공지능의 성격에 적합한 내용을 필터링하여 평가방법을 개발한다. 조달공고 DB와 제안요청서(RFP) 등으로부터 시스템 관련 기초 정보를 수집하고, 시스템에 직접 접속/확인하거나, 기관의 홈페이지 혹은 홍보기사 등을 통해 추가적으로 수집한 정보로 벤치마킹 케이스를 선정한다. 선정된 벤치마킹 대상 사례분석을 통해 시사점을 도출한다. 4. 연구 결과 가. 도입현황 조사 과거 10년(2013∼2022년)간 공공부문 조달계약 중 인공지능(AI) 도입 계약 건수는 3,870건이다. 420개 공공기관의 56.7%인 238개 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 증가하였다. 인공지능 계약은 2015년 107건에서 2022년 922건으로 7배 가까이 증가했으며, 금액은 2016년 938억원에서 2022년 1조 831억원으로 10배 이상 늘어났다. 이에 따라 공공기관의 전체 ICT관련 용역 계약 중 인공지능이 차지하는 비중도 금액 기준으로 2016년 2.22%에 불과했으나 점진적으로 증가하여 2020년 이후 12% 수준으로 늘어났다. 용역 건당 금액은 2016년 7천만원 정도에서 2017년 이후 1억원 수준으로 증가했다. (추진단계) 2016년 딥러닝 등 새로운 인공지능 기술이 주목 받으면서 2017년부터 인공지능 도입을 위한 정보화계획의 수가 빠르게 늘어났다. 또한, 학습 위주의 고성능 인공지능 도입이 늘어나게 되면서 2020년부터 데이터셋 구축 및 단위 SW 개발을 위한 모델개발 단계가 크게 증가하였다. AI스피커 등의 서비스 기술 발전이 진행됨에 따라 2019년 이후 이들을 활용한 서비스임대 방식이 지자체를 중심으로 점차 확대되었다. (정책 분야) 전자정부, 민원 서비스 등에 관련된 시스템 수요가 많은 일반행정 분야가 지속적으로 전체의 20% 이상의 가장 높은 비중을 차지하고 있다. 다음으로 산업/고용(산업육성, 일자리매칭 등, 16.5%), 교통수송/건설(지능형 교통망 등, 11.6%), 기상/재난안전(기상 예측 등, 10.4%) 순으로 많이 도입되었다. (활용용도) 2016년 이전에는 對국민 공공서비스를 위한 인공지능 기술 도입 비중이 내부 역량강화 목적보다 높았으나, 이후 고유 업무의 효율화를 위한 도입이 늘어나면서 이전과 반대 상황이 되었다. 하지만 2020년 이후 챗봇, 자연어처리 등 민원 서비스를 위한 기술이 발전하면서 다시 공공서비스 도입 비중이 점차 높아지고 있다. (기술유형) 전체적으로 언어지능(37%), 전문가시스템(34.7%), 시각지능(19.6%) 순으로 과제가 많이 진행되었다. 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 문서의 디지털화를 위한 OCR 기술과 장애인의 홈페이지 접근성 제고를 위한 TTS 기술에 주로 적용됐었으나 2016년 이후 다른 기술의 적용이 확대되면서 2개 기술의 비중은 빠르게 감소한다. 챗봇은 2016년 3건을 시작으로 2020년부터 급속히 확산되어 2022년 161건으로 급증하였다. 또한 음성인식과 비정형 데이터 처리 기술이 발전하면서 STT와 자연어처리 적용도 급속하게 확대되었다. (기관구분별) 계약 건수는 국가기관(36.8%), 지자체(23.5%), 준정부기관(19.4%), 기타공공기관(19.4%) 순으로 많고, 총 계약금액은 국가기관(56.2%), 준정부기관(27.4%), 지자체(11.7%), 기타공공기관(11%) 순으로 많다. 국가기관과 기타공공기관은 타 기관에 비해 모델개발 단계의 비중이 상대적으로 높은 반면 정보화계획과 모델개발을 건너뛰고 바로 정보시스템 구축에 들어간 사례가 많다. 국가기관은 일반행정 분야가 433건으로 가장 높은 비중을 차지하고 있으며, 그 외 기관별 고유 업무에 따라 다양한 분야에서 인공지능 기술이 도입되고 있는 것으로 나타났다. 지자체 역시 일반행정 분야가 가장 많으나 교통수송/건설이 그 다음으로 ITS 등 지역의 교통문제 해결을 위해 인공지능 기술을 많이 도입하고 있다. 그리고 기상/재난안전 분야도 지속적으로 활용이 증가하고 있는 것으로 나타났다. 지자체를 제외한 다른 공공기관은 공공서비스 보다 내부역량제고 목적으로 인공지능을 도입한 사례가 2배 정도 많다. 특히 기타공공기관과 공기업은 대국민 서비스가 적은 기관 특성에 때문에 타기관보다 내부역량제고 비중이 높다. 공공서비스의 세부 용도를 살펴보면, 준정부기관과 기타공공기관은 민원 서비스 비중이 안내 서비스보다 높다. 이것은 이들 기관이 콜센터 상담 업무를 챗봇 등을 사용하여 자동화한 결과이다. 반면 지자체는 민원 서류 발급은 행정망을 사용하고 대면 민원처리가 많아 안내 서비스의 비중이 다른 용도에 비해 절대적으로 높다. 내부역량제고는 전체적으로 비정형 데이터 비중이 높으며 기관 특성에 따른 세부 용도 비중의 차이는 크지 않다. 기술유형별 건수를 보면 전체적으로는 언어지능>전문가시스템>시각지능 순으로, 국가기관은 전문가시스템>언어지능>시각지능 순으로 도입하였다. 특히 전문가 시스템 유형의 분석 업무를 추진한 과제가 기타공공기관, 준정부기관에서 주로 추진되고 있으며, 민원/안내 목적의 언어지능 시스템은 지자체와 준정부기관에서 많이 추진된 것으로 나타났다. (발주기관) 국가기관에서는 행정안전부가 전자정부 시스템의 지능화를 적극 추진하면서 인공지능 도입 용역 건수 및 계약 금액에서 1위를 차지하고 있다. 대규모 시스템을 보유한 국세청, 과학기술정통부(우정사업본부), 보건복지부, 관세청, 법무부 등이 투자금액에서 상위 기관에 위치하였다. 광역자치단체에서는 경기도(229건), 서울특별시(115건), 경상남도(105건) 순으로 인공지능 도입에 적극적이었던 것으로 나타났다. 경기도는 많은 인구와 복잡한 교통의 지역 특성상 교통 관련 업무에 딥러닝과 TTS를 타 시도 대비 적극적으로 활용하였다. 다른 시도와 달리 서울시, 충청남도 등은 공공서비스 보다 내부역량제고 용도에 더 많은 프로젝트를 진행하였다. (낙찰기업) 공공부문 인공지능 도입 계약 3,870건의 낙찰기업은 총 1,348개이고 평균 계약금액은 11.9억원이다. 이를 조달정보개방포탈의 기업구분에 따라 나누어 살펴보면, 대기업(98억원), 중견기업(63억원), 중소기업(7.8억원), 비영리 중소기업(6.5억원), 비영리법인(1.8억원) 순이다. 전체 인공지능 건수 중에 중소기업이 56.3%의 계약을 낙찰받았고, 비영리 중소기업도 30.6%를 낙찰받아 합계 86.9%를 진행한 것으로 미루어 보았을 떄, 소규모의 인공지능 프로젝트도 활발히 진행되고 있음을 알 수 있다. 나. 사례분석 인공지능 도입 계약 3,870건 중‘AI 도입의 성숙도 모델’에서 3단계(구축) 이상에 속하는 계약 건(2,584건)을 대상으로‘AI 도입기관 사례평가 모델’을 활용하여 분석한 결과, 1차로 30개의 우수사례를 선별하였다. 1차에서 선별된 30개의 계약 건을 대상으로 RFP 확인, 정보검색 및 전문가 검토를 통해 최종적으로 4개의 사례(한국고용정보원, 대검찰청, 관세청, 서울시) 를 선정하여 상세분석을 진행했다. [AI 도입의 성숙도 모델 img] 선정된 4건의 사례 분석 대상은 공통적으로 초기 연구부터 정보화계획, 단계별 구축을 통해 점진적으로 발전하여 왔다. 이들 기관은 기술에 대한 이해도가 높고 도메인 지식이 있는 내부 전문가를 보유하고 있어 사업 진행에 주도적인 리더십을 발휘할 수 있었다. 이들은 도메인 지식의 공유와 명확한 요구사항, 대안이 있는 피드백 등을 통해 새로운 기술 도입을 위한 끊임없는 개선 및 고도화를 추진하였다. 또한 인공지능 기술 도입의 필요성에 대한 기관 차원의 요구가 강하여 사업 진행에 있어 내부 구성원의 이해와 협조가 원활하게 이루어졌다. 한편, 분석대상 기관의 시스템을 구축했던 개발자들과 심층 인터뷰를 한 결과, 도입 기관의 리더십 강화를 위해서는 내부 기술 전문인력 확보도 중요하지만, 시스템 구축시 개발자들과의 원활한 소통을 위해 AI 도입을 위한 ISMP 같은 프로토콜이 필요한 것으로 나타났다. 또한 요구되는 정확한 시스템 또는 기능 도입을 위해서는 데이터 품질확보가 가장 중요하므로 모델 개발이나 시스템/서비스 구축 시 데이터 클린징에 대한 비용과 시간을 충분히 제공하는 것이 중요하다는 의견이 많았다. 5. 결론 조달 정보를 사용한 현황조사와 사례분석을 종합하여 도출한 국내 공공부문 인공지능 활용을 촉진하기 위한 정책적 제언은 다음과 같다. 첫째, 많은 광역 및 기초 지자체가 적은 예산으로 체계적인 계획 없이 산발적으로 인공지능 시스템을 도입하고 있는 상황으로 지방자치단체에 대한 지원을 강화해야 한다. 현재 정부에서 추진 중인 차세대 지방행정공통시스템 구축 사업에 인공지능 기술을 최대한 많이 적용해 인공지능 활용을 확대해야 한다. 또한 상위 기관이 주도적으로 지역 공통의 문제를 발굴해 인공지능으로 해결한 후 하위 기관에 체계적으로 확산·보급하는 전략이 필요하다. 둘째, 최신 인공지능 기술 도입을 위한 민관협력 선순환 구조 창출이 필요하다. 공공기관에서 최신 인공지능 기술을 활용하기 위해서는 ‘대학, 연구소 등과 공동연구 → 실증 보급 → 테스트용 데이터셋 공개 → 민간 기업 제품 개발 → SaaS 방식의 최신 인공지능 서비스 사용’의 선순환 구조를 지속적으로 창출해야 한다. 선순환 구조 창출 성공의 핵심 포인트는 테스트용 데이터셋 공개이다. 공동연구 과정에서 확보한 정제된 데이터로 테스트용 데이터셋을 벤치마크 수치와 함께 일반에 공개해 관심 있는 AI기업과 연구자의 자발적인 참여를 이끌어 내야 한다. 현재 시스템보다 우수한 벤치마크 결과를 제시한 기업 제품으로 업그레이드 한다면 사업 성공의 위험 부담을 경감하면서 최신 기술을 적용할 수 있을 것이다. 더 나아가 자체 시스템 구축이 아닌 SaaS 형태로 도입 방식을 바꾸면 최신 기술 적용의 부담을 경감하고 보다 쉽게 확산시킬 수 있다. 셋째, 체계적이고 단계적인 도입 전략이 필요하다. 최근 각광받고 있는 딥러닝 등 인공지능 최신 기술은 아직 정립된 방법론이 없고 IT서비스 기업의 경험도 상대적으로 많지 않아, 인공지능 도입 사업의 리스크가 기존 시스템 보다 큰 상황이다. 기관 업무를 세부적으로 나누고 일부 사업을 시범적으로 추진해 구축 경험과 성과를 축적한다. 이를 활용해 다른 영역으로 사업을 확대하고, 최종적으로 각 부분을 통합해 하나의 시스템으로 완성하는 도입 전략이 성공 가능성을 높일 것이다. 넷째, 기관 내부에 AI 전문가 육성이 필요하다. 사례조사를 위한 심층 인터뷰 과정에서 공통적으로 지적하는 가장 큰 애로사항은 인공지능 지식이 부족한 내부 실무자는 인공지능에 대한 환상을 갖고 있고, 개발자는 도메인 지식이 부족하다는 점이다. 기관 내부에 인공지능 교육을 강화하고 초기 단계부터 두 가지 입장을 조율하고 올바른 의사결정을 할 수 있는 사내 전문가를 양성해야 한다. 다섯째, 데이터 cleaning을 위한 시간과 예산 지원을 강화해야 한다. 인공지능은 기존 시스템과 달리 얼마나 정제된 데이터로 학습하는가가 중요하다. 많은 공공사업이 인공지능 특성에 대한 고려 없이 기존 관행대로 개발 일정과 비용을 책정해 데이터 cleaning에서 많은 문제와 애로사항이 발생한다고 지적한다. 구축 계획시 데이터에 대한 충분한 고려가 있어야 하고 주기적인 재학습이 필요하기 때문에 체계적인 데이터 관리가 필요하다.

2023년 4월 3일 스탠퍼드大 인간중심 인공지능 연구소는 AI Index 2023 보고서를 발간했다. 보고서는 연구개발, AI 기술 성능, AI 기술 윤리, 경제, 교육, 정책·거버넌스, 다양성, 여론 등 8개의 장으로 구분하고 글로벌 데이터와 보고 자료들을 심층 분석하여 핵심 내용을 정리하였다. (후략)

주요 결과 요약 제 1장 조사 개요 제1절 실태조사 개요 1. 조사 목적 및 필요성 2. 조사 대상 및 표본 수 3. 조사 방법 및 기간 4. 조사 내용 5. VR/AR 산업 분류 제2절 모집단 1. 모집단 정의 2. 모집단 추출 방법 3. 후보 모집단 수집 4. 모집단 추출 결과 제3절 응답기업 일반사항 제2장 조사 결과 제1절 VR/AR기업 현황 1. 분야별 기업 현황 2. VR/AR사업 비중 3. VR/AR사업 영위 기간 4. VR/AR 관련 기술 활용 현황 제2절 매출 현황 1. 최근 3년간 매출액 2. 고객 유형 3. 판매 방법 제3절 수출 현황 1. 수출액 2. 수출 기업 수 3. 분야별 수출액 4. 수출 대상 지역별 수출액 5. 수출 대상 유형 및 판매경로 6. 수출 애로사항 제4절 산업 전망 1. VR/AR사업 성장단계 2. 국내･외 VR/AR산업 전망 3. VR/AR사업 성장 예측 제5절 인력 현황 1. VR/AR 인력 2. 성별 및 고용형태 3. 직무별 인력 4. VR/AR산업 인력 채용 시 애로사항 제6절 R&D 현황 1. 부설연구소 보유 여부 2. R&D 투자 현황 3. VR/AR 관련 R&D 자금 조달 방법 4. VR/AR 관련 지식재산권 보유 현황 5. 기술격차 해소방안 제7절 비대면화 영향 1. 매출 및 투자 증감 현황 2. 매출 발생 수요처 3. 비대면 계획 분야 4. 애로사항 부록: 설문지

주요 결과 요약 제 1장 조사 개요 제1절 실태조사 개요 1. 조사 목적 및 필요성 2. 조사 대상 및 표본 수 3. 조사 방법 및 기간 4. 조사 내용 5. VR/AR 산업 분류 제2절 모집단 1. 모집단 정의 2. 모집단 추출 방법 3. 후보 모집단 수집 4. 모집단 추출 결과 제3절 응답기업 일반사항 제2장 조사 결과 제1절 VR/AR기업 현황 1. 분야별 기업 현황 2. VR/AR사업 비중 3. VR/AR사업 영위 기간 4. VR/AR 관련 기술 활용 현황 제2절 매출 현황 1. 최근 3년간 매출액 2. 고객 유형 3. 판매 방법 제3절 수출 현황 1. 수출액 2. 수출 기업 수 3. 분야별 수출액 4. 수출 대상 지역별 수출액 5. 수출 대상 유형 및 판매경로 6. 수출 애로사항 제4절 산업 전망 1. VR/AR사업 성장단계 2. 국내･외 VR/AR산업 전망 3. VR/AR사업 성장 예측 제5절 인력 현황 1. VR/AR 인력 2. 성별 및 고용형태 3. 직무별 인력 4. VR/AR산업 인력 채용 시 애로사항 제6절 R&D 현황 1. 부설연구소 보유 여부 2. R&D 투자 현황 3. VR/AR 관련 R&D 자금 조달 방법 4. VR/AR 관련 지식재산권 보유 현황 5. 기술격차 해소방안 제7절 비대면화 영향 1. 매출 및 투자 증감 현황 2. 매출 발생 수요처 3. 비대면 계획 분야 4. 애로사항 부록: 설문지

제 1장 조사 개요 제1절 실태조사 개요 1. 조사 목적 및 필요성 2. 조사 대상 및 표본 수 3. 조사 방법 및 기간 4. 조사 내용 5. VR/AR 산업 분류 제2절 모집단 1. 모집단 정의 2. 모집단 추출 방법 3. 후보 모집단 수집 4. 모집단 추출 결과 제3절 응답기업 일반사항 제2장 조사 결과 제1절 VR/AR기업 현황 1. 분야별 기업 현황 2. VR/AR사업 비중 3. VR/AR사업 영위 기간 4. VR/AR 관련 기술 활용 현황 제2절 매출 현황 1. 최근 3년간 매출액 2. 고객 유형 3. 판매 방법 제3절 수출 현황 1. 수출액 2. 수출 기업 수 3. 분야별 수출액 4. 수출 대상 지역별 수출액 5. 수출 대상 유형 및 판매경로 6. 수출 애로사항 제4절 산업 전망 1. VR/AR사업 성장단계 2. 국내･외 VR/AR산업 전망 3. VR/AR사업 성장 예측 제5절 인력 현황 1. VR/AR 인력 2. 성별 및 고용형태 3. 직무별 인력 4. VR/AR산업 인력 채용 시 애로사항 제6절 R&D 현황 1. 부설연구소 보유 여부 2. R&D 투자 현황 3. VR/AR 관련 R&D 자금 조달 방법 4. VR/AR 관련 지식재산권 보유 현황 5. 기술격차 해소방안 제7절 비대면화 영향 1. 매출 및 투자 증감 현황 2. 매출 발생 수요처 3. 비대면 계획 분야 4. 애로사항 부록: 설문지

제 1장 조사 개요 제1절 실태조사 개요 1. 조사 목적 및 필요성 2. 조사 대상 및 표본 수 3. 조사 방법 및 기간 4. 조사 내용 5. VR/AR 산업 분류 제2절 모집단 1. 모집단 정의 2. 모집단 추출 방법 3. 후보 모집단 수집 4. 모집단 추출 결과 제3절 응답기업 일반사항 제2장 조사 결과 제1절 VR/AR기업 현황 1. 분야별 기업 현황 2. VR/AR사업 비중 3. VR/AR사업 영위 기간 4. VR/AR 관련 기술 활용 현황 제2절 매출 현황 1. 최근 3년간 매출액 2. 고객 유형 3. 판매 방법 제3절 수출 현황 1. 수출액 2. 수출 기업 수 3. 분야별 수출액 4. 수출 대상 지역별 수출액 5. 수출 대상 유형 및 판매경로 6. 수출 애로사항 제4절 산업 전망 1. VR/AR사업 성장단계 2. 국내･외 VR/AR산업 전망 3. VR/AR사업 성장 예측 제5절 인력 현황 1. VR/AR 인력 2. 성별 및 고용형태 3. 직무별 인력 4. VR/AR산업 인력 채용 시 애로사항 제6절 R&D 현황 1. 부설연구소 보유 여부 2. R&D 투자 현황 3. VR/AR 관련 R&D 자금 조달 방법 4. VR/AR 관련 지식재산권 보유 현황 5. 기술격차 해소방안 제7절 비대면화 영향 1. 매출 및 투자 증감 현황 2. 매출 발생 수요처 3. 비대면 계획 분야 4. 애로사항 부록: 설문지

목차 주요 결과 요약 제1장 조사개요 제1절 조사 목적 및 필요성 제2절 모집단 1. 모집단 정의 2. 모집단 추출 방법 3. 후보 모집단 수집 4. 모집단 추출 결과 제3절 실태조사 개요 1. 조사 대상 및 표본 수 2. 조사 방법 및 기간 3. 조사 내용 제4절 VR/AR산업 분류 제1절 조사 목적 및 필요성 제2장 조사결과 제1절 VR/AR산업 현황 1. 분야별 기업 현황 2. VR/AR 관련 기술 활용 현황 3. VR/AR사업 비중 4. VR/AR사업 영위 기간 제2절 매출 현황 1. 최근 3년간 매출액 2. 고객 유형 3. 판매 방법 제3절 수출 현황 1. 수출액 2. 수출 기업 수 3. 분야별 수출액 4. 수출 대상 지역별 수출액 5. 수출 대상 유형 및 판매경로 6. 수출 애로사항 제4절 산업 전망 1. VR/AR사업 성장단계 2. 국내･외 VR/AR산업 전망 3. VR/AR사업 성장 예측 제5절 인력 현황 1. VR/AR 인력 2. 성별 및 고용형태 3. 직무별 인력 4. VR/AR산업 인력 채용 시 애로사항 제6절 R&D 현황 1. 부설연구소 보유 여부 2. R&D 투자 현황 3. VR/AR 관련 R&D 자금 조달 방법 4. VR/AR 관련 지식재산권 보유 현황 5. 기술격차 해소방안 부록: 설문지

목차 주요 결과 요약 제1장 조사개요 제1절 조사 목적 및 필요성 제2절 모집단 1. 모집단 정의 2. 모집단 추출 방법 3. 후보 모집단 수집 4. 모집단 추출 결과 제3절 실태조사 개요 1. 조사 대상 및 표본 수 2. 조사 방법 및 기간 3. 조사 내용 제4절 VR/AR산업 분류 제1절 조사 목적 및 필요성 제2장 조사결과 제1절 VR/AR산업 현황 1. 분야별 기업 현황 2. VR/AR 관련 기술 활용 현황 3. VR/AR사업 비중 4. VR/AR사업 영위 기간 제2절 매출 현황 1. 최근 3년간 매출액 2. 고객 유형 3. 판매 방법 제3절 수출 현황 1. 수출액 2. 수출 기업 수 3. 분야별 수출액 4. 수출 대상 지역별 수출액 5. 수출 대상 유형 및 판매경로 6. 수출 애로사항 제4절 산업 전망 1. VR/AR사업 성장단계 2. 국내･외 VR/AR산업 전망 3. VR/AR사업 성장 예측 제5절 인력 현황 1. VR/AR 인력 2. 성별 및 고용형태 3. 직무별 인력 4. VR/AR산업 인력 채용 시 애로사항 제6절 R&D 현황 1. 부설연구소 보유 여부 2. R&D 투자 현황 3. VR/AR 관련 R&D 자금 조달 방법 4. VR/AR 관련 지식재산권 보유 현황 5. 기술격차 해소방안 부록: 설문지

월간SW중심사회 2019년 12월호

월간SW중심사회 2019년 11월호

월간SW중심사회 2019년 10월호

월간SW중심사회 2019년 9월호

월간SW중심사회 2019년 8월호

월간SW중심사회 2019년 7월호

디스플레이 기술의 트렌드 - 단기적으로 유행하는 기술에 대한 고민도 중요하지만 앞으로의 큰 흐름이 될 메가트렌드를 읽어야 함 · 대표적으로 여성화, 고령화, 세계화 같은 큰 흐름을 바탕으로 디스플레이 기술의 발전 방향을 예측

월간SW중심사회 2019년 6월호

월간SW중심사회 2019년 5월호

본 연구의 목적은 와 타산업의 융합을 통해 SW 산업특화 SW전문기업 육성방안을 찾아보는데 있다. SW융합은 전체 산업에서 광범위하게 이루어지고 있기 때문에 보다 심층적이고 구체적인 육성방안 도출을 위해 본 연구에서는 조선과 해운 산업에 육성방안을 도출했다. 최근 선박은 스마트화를 넘어 e-내비게이션과 자율운항 단계로 발전하고 있다. 2020년부터 e-내비게이션이 본격적으로 도입될 예정이며, 국제해사기구는 지난 5월부터 (후략)