새창 열림 G1123 KISTEP Only

K2Base - 과학기술정책지원서비스

KISTEP브리프

자료실 ⁄ 보고서·간행물 ⁄ KISTEP브리프

도움말

서비스 개요

KISTEP에서 정기적으로 발간하는 과학기술정책 이슈에 대한 심층분석 보고서 등을 제공합니다.

제공자료 : 이슈페이퍼(매주), 통계브리프(수시)

검색방법

정확히 일치 검색 -> 큰따옴표 안에 있는 단어가 정확한 순서로 문서에 나타나야 합니다.(단, 문자와 문자사이의 거리가 한단어까지만 허용)
ex) "국립과학"으로 검색시 결과가 '국립과학', '국립수산과학' 등의 검색결과가 도출될 수 있습니다.

포함 검색 -> 단어 앞에 +단어를 붙여서 검색시 반드시 해당 단어가 포함된 검색결과가 도출됩니다.('+'와 단어는 항상 붙여서 검색 가능)
ex) +검색어

제외 검색 -> 단어 앞에 -단어를 붙여서 검색시 반드시 해당 단어가 제외된 검색결과가 도출됩니다.('-'와 단어는 항상 붙여서 검색 가능)
ex) -검색어

검색조건을 나타내는 표
구분
선택

검색결과 : 1239건

KISTEP브리프 게시글 목록
구분	제목	발간일
이슈페이퍼	바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구	2024-04-24
<p><br></p>바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 (Study on Efficiency Strategy to Improve the Bio-cluster Operating System in Korea) 김주원･김종란 Juwon Kim ･ Jongrhan Kim I. 연구배경 및 목적 II. 국내외 주요 바이오 클러스터 사례 및 특성 III. 국내 주요 바이오 클러스터 평가지표 도출과 핵심역량 평가 Ⅳ. 국내 주요 바이오 클러스터별 현안 이슈와 개선방향 Ⅴ. 결론 및 정책제언 [참고문헌] I. Research background and purpose II. Cases and characteristics of major domestic and overseas bio-clusters III. Indicators and evaluation for core capabilities of major domestic bio-clusters Ⅳ. Current issues and directions for improvement Ⅴ. Conclusion and policy recommendations [Reference] 요 약 v 요 약 본 연구를 통해 국내외 주요 바이오 클러스터의 형성배경과 현황, 발전과정 및 성공요인, 정부/민간 주체별 역할, 입지여건 등에 대한 종합적인 분석을 수행함 해외의 대표적인 바이오 클러스터로 미국 보스턴, 스위스 바젤, 일본 고베의 바이오 클러스터를 선정하고 기관 방문 및 전문가 인터뷰를 통해 해당 바이오 클러스터의 성장과정과 발전요인, 장단점과 정부/민간의 역할을 확인함 - 해외의 성공적인 바이오 클러스터에는 정부･지자체의 직･간접적 마중물 지원과 민간 자생적 또는 정책적 유인을 통한 혁신주체의 결집, 우수한 연구인력 유치를 위한 생태계가 구축되어 있음 홍릉, 송도, 광교/판교, 대덕, 오송, 대구 등 주요 국내 바이오 클러스터 현장방문 및 전문가 심층 인터뷰, 문헌조사를 통한 현황 파악과 함께 현장감 있는 이슈를 발굴 - 주요 바이오 클러스터에 대해 조성개요 및 특징, 당초 설립계획과 차이점, 공간적･기능적 측면의 특성, 설립 및 발전과정에서 중앙정부･지자체･민간 역할 등을 종합적으로 분석 - 정부･지자체 주도 바이오 클러스터가 다수 구축되어 있으나 상호 연계나 차별성에 대한 고려 없이 개별적인 수준에서 운용되어, 양적･질적으로 글로벌 수준에 도달하지 못함 - 상이한 법･제도적 근거에 기반하여 설립･운영되고 담당 부처와 지원 주체가 다양하게 얽혀있어 국내 바이오 클러스터를 포괄하는 정책을 수립하기 위해서는 정확한 실태 파악이 우선적으로 이루어져야 할 것으로 분석되었음 바이오 클러스터의 경쟁력을 결정하는 바이오 분야 특화된 핵심요소별 평가지표를 도출하고 정량적 평가 체계를 마련함으로써 향후 바이오 클러스터 수준 진단에 활용 가능성을 제시 바이오 클러스터 경쟁력 결정 핵심요소로 구성주체, 정주여건, 교통여건, 연구성과, 기업지원 투자 등을 제시하고 이를 평가하기 위한 바이오 분야 특화된 지표체계를 마련 기업, 대학, 연구기관, 병원 바이오 클러스터 평가지표별로 객관적 통계 등의 자료를 근거로 한 수치 데이터를 도출한 후, 단계별 분석을 통해 각 클러스터별 핵심역량 및 특성을 제시 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 vi - 이전 연구는 소수의 클러스터에 대한 현황 분석 위주로 수행되었고 일회적인 연구로 인한 한계가 존재하는 반면, 본 연구에서는 통계청 및 중기부 등 공신력 있는 자료를 바탕으로 매년 분석이 가능한 데이터 분석체계 마련 - 이를 바탕으로 하여 향후 국내 클러스터 간 상호 비교 및 해외 클러스터와의 역량 차이 등 상대적 비교가 가능하고, 시계열적 현황 분석에 따른 정책효과 추적조사 등 근거 기반의 정책수립에 기여할 것으로 기대 본 연구를 통해 국내 바이오 클러스터의 역할분담을 통한 차별화 및 연계, 상호협력을 위한 방안을 도출하고 향후 관리체계 개선 방향을 모색 국내 경쟁에서 벗어나 국가적인 브랜드화(K-바이오클러스터)를 통해 아시아 지역 허브 클러스터 역할을 할 수 있도록 경쟁력 강화 필요 - 미･중 패권 갈등으로 인한 글로벌 제약사의 탈중국화 현상 속에, 아시아 주요 바이오 클러스터와 경쟁하기 위한 근본적인 역량 개선이 필요 주요 바이오 클러스터별 입지 여건, 입주 기관 구성 및 연구수행 주체별 역량 등에 따른 특성화와 역할 분담을 통한 성장 전략 필요 - 수도권･비수도권 또는 지역별 취약 부분의 상호보완과 강점 요소의 특화를 위한 역할 분담과 적극적 연계 강화 필요 - 바이오 클러스터의 성패를 가르는 가장 중요한 요인은 연구 인력 확보로, 이를 위해 지역 자체의 매력도를 높이는 등 우수인력 유치와 양성을 위한 다각도의 노력이 필요 국내 바이오 클러스터 간 연계･협력과 종합적 관리를 위해서는 국가 차원에서 관리체계 정비를 통한 운영 효율화가 요구됨 - 근거법과 관리기관이 상이한 바이오 클러스터의 통합적 운영을 위한 특별법 제정 또는 상위기구 설치 등을 고려 - 바이오 클러스터에 대한 정책 수립, 체계적 조사 및 정보 제공이 가능한 관리･운영기관을 지정하여 근거 기반의 정책 수립 및 정책효과 평가에 활용할 필요 ※ 본 이슈페이퍼는 한국과학기술기획평가원에서 발간한 연구보고서 ｢바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구｣의 내용을 정리한 것으로 한국과학기술기획평가원의 공식 의견이 아닌 필자의 견해임을 밝힙니다. Abstract vii Abstract Through this study, a comprehensive analysis of the formation background and status, development process and success factors, roles of government/private entities, location conditions, etc. of major bio-clusters at home and abroad was performed. Bio-clusters in Boston, USA, Basel, Switzerland, and Kobe, Japan were selected as representative overseas bio-clusters, and the growth process, development factors, pros and cons, and roles of the government and private sector of the bio-clusters were confirmed through visits to institutions and interviews with experts. - Successful overseas bio-clusters have an ecosystem built to gather innovative entities and attract excellent research personnel through direct and indirect priming support from the government and local governments, as well as private self-reliance or policy incentives. Site visits to major domestic bio-clusters such as Hongneung, Songdo, Gwanggyo/Pangyo, Daedeok, Osong, and Daegu, in-depth interviews with experts, and literature research to understand the current situation and discover relevant issues. - Comprehensively analyze the composition outline and characteristics of major bio-clusters, differences from the original establishment plan, spatial and functional characteristics, and the roles of the central government, local governments, and private sector in the establishment and development process, etc. - Although many government and local government-led bio-clusters have been established, they are not only operated at an individual level without consideration of interconnection or differentiation, but have not reached the global level in quantitative and qualitative terms. 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 viii - Since it is established and operated based on different legal and institutional grounds, and various ministries and support entities are intertwined, it was analyzed that an accurate understanding of the actual situation should be prioritized in order to establish a policy that encompasses domestic bio-clusters. By deriving evaluation indicators for each core element specialized in the bio field that determines the competitiveness of a bio-cluster and establishing a quantitative evaluation system, the possibility of using it for bio-cluster level diagnosis in the future is presented. Present constituents, settlement conditions, transportation conditions, research results, corporate support investments, etc. as key factors in determining bio- cluster competitiveness and prepare an indicator system specialized in the bio field to evaluate them. Companies, universities, research institutes, hospitals After deriving numerical data based on objective statistics for each bio-cluster evaluation index, core capabilities and characteristics of each cluster are presented through step-by-step analysis. - While the previous study was conducted mainly to analyze the status of a small number of clusters and had limitations due to a one-time study, this study established a data analysis system that can be analyzed every year based on credible data from Statistics Korea and the Ministry of SMEs and Startups. - Based on this, it is expected that future relative comparisons such as mutual comparison between domestic clusters and differences in capabilities with overseas clusters will be possible, and will contribute to the establishment of evidence-based policies, such as policy effect tracking surveys based on time-series status analysis. Abstract ix Through this study, we diagnosed the system for differentiation, connection, and mutual cooperation through role division in domestic bio-clusters and derived directions for future improvement. Identify the development process and status of the cluster and recent major issues through on-site visits to major domestic bio-clusters and in-depth interviews with officials. Through non-face-to-face meetings and in-depth written surveys of a total of 54 managers and working-level staff (average experience of 14.1 years) from major bio-cluster management and operation organizations, the determinants of competitiveness of domestic bio-clusters, opinions on government/local government policies, and nationwide operation system were obtained. Problems, issues, and improvement directions for domestic bio-clusters were identified. ※ This issue paper summarizes the contents of the research report “Study on Efficiency Strategy to Improve the Bio-cluster Operating System in Korea” published by the Korea Institute of Science and Technology Planning and Evaluation, and expresses the author's opinion and not the official opinion of the Korea Institute of Science and Technology 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 10 연구배경 및 목적Ⅰ 클러스터는 실리콘밸리의 첨단산업과 샌디에고의 바이오 산업, 일본 도요타시의 자동차 산업 등 새로운 성장 지역의 발전 메커니즘을 설명하는 중요한 모델임 기업과 연구시설의 단순 군집이나 집적을 넘어서서 지식기반 산업과 집단학습, 혁신 시너지 등의 핵심 요소를 통해 혁신 클러스터로 진화(김주한, 2003) 바이오헬스 산업이 점차 주력산업화함에 따라(홍미영 외, 2023), 각 지역별로 바이오 클러스터를 신규 유치하거나, 기존 바이오 클러스터를 활성화하고자 하는 움직임이 지속 우리나라를 비롯한 세계 주요국들은 바이오헬스 산업을 미래 성장동력으로 주목하며 혁신적 성과 창출을 위해 경쟁력 있는 바이오 클러스터 조성을 위해 노력 우리나라 바이오 클러스터의 발전방향 수립을 위해 현 상황에 대한 종합적인 진단과 주요 바이오 클러스터에 대한 정부･지자체 지원 역할에 대한 검토가 요구 바이오헬스 분야는 기초연구에서 산업화 단계까지 장시간이 소요되고, 기술개발에서 실패 위험이 높으며 고비용이 필요하다는 점에서 연구 주체간 상호작용의 필요성이 높음 이에 따라 세계 각국은 바이오헬스 산업의 혁신적 생태계 조성을 위해 바이오 클러스터를 구축하고 효율적 운영 방안을 모색 ※ (미국) 보스턴･캠브리지, 샌프란시스코, 뉴욕･뉴저지 등, (유럽) 프랑스 제노폴, 독일 뮌헨, 스위스 바젤, 네덜란드 레이든 등, (아시아) 일본 고베 바이오메디컬혁신클러스터, 그레이터도쿄바이오커뮤니티(GTB), 중국 베이징 중관춘생명과학단지, 싱가포르 바이오폴리스 등 국내 바이오 클러스터별로 지원분야, 지원내용 및 강점 등이 다양하여, 클러스터별 특성을 반영한 차별화 및 연계전략 수립이 요구됨 각 지역의 바이오 클러스터가 점차 늘어남에 따라 기업 및 병원의 유치 등에서 경쟁이 발생하고 유사 기능을 하는 클러스터 간 중복 문제도 발생 오송, 대구, 송도, 홍릉, 대덕, 원주, 안동, 화순 등 15개 시･도에 25개 존재하는 등 다수의 바이오 클러스터가 운영 I. 연구배경 및 목적 11 우리나라도 정부･지자체 주도의 다수의 바이오 클러스터가 구축되어 있으나 양적･ 질적으로 글로벌 수준에 도달하지 못하여 운영체계 개선 노력이 필요 국내 바이오 산업 및 클러스터가 성장함에 따라, 바이오 클러스터별 성격에 맞는 발전 전략 수립을 위해서는 현황에 대한 종합적이고 체계적인 분석이 요구됨 기존에도 바이오 클러스터에 대한 정책 연구가 다수 진행되었으나, 지역별 기능 및 정책적 부합성에 대한 객관적인 평가와 차별화 방안 등 심층적인 내용이 부족하여 단순 실태 조사 또는 원론적인 활성화 방향 제시 등에 그치는 경향 본 연구에서는 국내 바이오 클러스터에 대한 객관적인 수준 평가를 위해 해외 성공사례 및 국내 주요 6대 바이오 클러스터의 객관적 분석을 위한 정량지표 수립, 현장방문･심층인터뷰를 통한 정성적 분석 등 다각도의 접근을 수행함 미국, 스위스, 일본 등 해외 주요 바이오 클러스터의 발전사례를 통해 국내 바이오 클러스터 발전을 위한 시사점을 도출 국내 바이오 클러스터 관련 주요 정책 흐름 및 근거법･지원주체 등을 분석하고 주요 바이오 클러스터의 특성을 비교하여 각각의 장단점 및 향후 전망을 제시 상기 분석내용 및 바이오 클러스터 관련 전문가 설문조사 등을 바탕으로 바이오 클러스터 경쟁력 결정요인을 도출하고 검토 가능한 68개의 수준진단 지표와 측정 방식을 설정 공신력 있는 통계 데이터를 활용한 지표 분석을 통해 정량적 평가를 수행하고 이를 바탕으로 국내 바이오 클러스터의 시계열적 발전과정과 수준진단에 활용 정량분석 결과의 한계를 보완하기 위해 국내 주요 바이오 클러스터 현장방문과 심층 인터뷰, 서면자료 검토를 통해 각 클러스터별 현안이슈와 개선방향을 제시 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 12 국내외 바이오 클러스터 발전사례 및 특성Ⅱ 1. 해외 주요 바이오 클러스터 발전사례 및 특성 미국 보스턴/캠브릿지는 혁신기술 기반 바이오텍의 탄생과 성장, 경쟁을 통해 ‘지구상에서 가장 혁신적인 1스퀘어마일(켄달 스퀘어)’ 등 세계 최고 수준의 바이오 클러스터로 성장 보스턴/캠브릿지 지역은 1970년대 낙후된 공업도시에서 규제 완화와 지속적인 투자로 혁신적 기업의 등장을 유인, 지식-인력-자본의 이상적 결합을 통한 혁신적 협업 생태계 조성 해당 지역의 발전 과정에서 큰 특징은 주 정부의 규제완화와 지속적인 투자, 비영리적 네트워킹 활동 지원을 통해 혁신적 치료법 개발 기업의 경쟁적 등장을 유인한 데 있음 재조합 DNA연구 허용(캠브릿지, 1977), 2008년부터 10년 간 연 1억 달러 규모 투자 진행(보스턴, 2008) ** Biogen, Vertex, CRISPR Therapeutics, Moderna 등 혁신기업 등장 및 Pfizer, Takeda등 다국적 제약사 이전 특히, MIT, Havard 등 글로벌 최고 수준의 대학과 MGH 등 병원, Broad, Koch 등의 연구소, Pfizer, Moderna 등의 기업이 지역 내 밀집해 있음 우수한 기술과 연구인력, 자본이 랩센트럴 등 공유경제를 만나면서 전세계 어느 지역보다 창업과 혁신이 활발히 일어나는 생태계가 조성된 것이 중요한 성공 요인 중 하나임 [그림 1] 미국 보스턴/캠브릿지 바이오 클러스터의 발전 및 핵심 구성요소 II. 국내외 바이오 클러스터 발전사례 및 특성 13 스위스 바젤 바이오 클러스터는 민간 주도로 자연스럽게 조성되었고, 오랜 역사를 통해 글로벌 빅파마를 중심으로 900여 개의 기업이 밀집한 유럽의 대표적인 바이오 클러스터로 성장 19세기 화학산업에서 시작해 인접국(독일, 프랑스)과의 접근성 및 비제한적 특허법 등의 요인으로 자생적으로 발전해 왔으며, 바젤 지역의 GDP 중 24%가 제약 및 바이오텍 관련 산업에서 발생 ※ 로슈 설립(1896년), CIBA-Geigy 합병 이후 Sandoz와의 합병을 통한 노바티스 탄생(1996년) 등 활발한 M&A를 통한 기업 발전, 글로벌 빅파마의 40%, 1,000여 개의 연구기관이 분포 바젤 클러스터는 독일, 프랑스 등 인접국과의 접근성 및 우수한 인력을 바탕으로 기업 유치를 위한 민-관 공동의 노력을 통해 발전해 왔고, 핵심 경쟁력인 제약산업에 집중한 점이 성공요인의 하나로 꼽힘 제약기업 공동이익을 대표하는 Interpharma 설립, 바젤런치를 통한 저금리 대출과 스타트업 발굴 등 [그림 2] 스위스 바젤 바이오 클러스터의 발전 및 핵심 구성요소 일본 고베 바이오 클러스터는 고베 대지진 이후 일본 정부가 지역경제 재건을 목적으로 첨단 바이오 산업을 집적화 시키면서 발전한 정부 주도 바이오 클러스터임 1995년 고베(한신･아와지) 대지진 이후, 일본 정부는 지역경제 재건을 목적으로 바이오의료 산업 집적화 및 스타트업 글로벌 허브시티 생태계를 조성함 일본 정부는 대형R&D를 지원하고 지자체에서는 부지 지원과 병원, 연구소 등 주요 기관들을 유치하면서 기업들이 몰려 들어 급속도로 성장했고, 기초연구-임상연구-기업활동 지원을 통해 첨단 바이오의료 혁신에 기여하고 있음 Fugaku 슈퍼컴퓨팅 대형R&D 지원, 고베 시립병원, 국제임상암연구센터 등 8개 병원센터(1,500개 병상 보유), RIKEN, FBRI, IBRI, TRI, CCD 등 유치 ** 1998년에는 바이오 관련 기업이 0개, 2023년에는 368개 기업에 달함 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 14 고베 바이오 클러스터는 교토-오사카 등 대도시에 인접한 입지 조건과 일본 최고의 우수 연구기관 유치, 신약개발 맞춤형 원스탑 제공* 등의 여건이 갖춰지면서 단기간 내에 큰 성공을 거두었음 * 고베바이오의료연구혁신재단(FBRI)에서 약 1,000여 명의 산학협력코디네이터가 활동 [그림 3] 일본 고베 바이오 클러스터의 발전 및 핵심 구성요소 글로벌 주요 바이오 클러스터의 성공 사례를 통해 정부-민간 역할 및 지정학적 위치, 산･학･연 등 연구수행 주체의 역량, 완화된 규제와 자본･인력의 자유로운 이동 등 바이오 클러스터의 발전에 필요한 여러 요인을 도출할 수 있음 보스턴/캠브릿지 모델은 주 정부의 지원 속에 우수한 교육 인프라를 바탕으로 민간이 활발하게 투자하였으며, 특히 바이오 관련 기업이 밀집한 도심 지역에서 자유로운 창업 및 기술이전을 위한 문화가 형성된 점이 특징임 스위스 바젤 지역은 19세기로 거슬러 올라가는 매우 긴 역사를 갖고 있고, 높은 바이오 산업 집중도 및 자유로운 인력 이동, 활발한 M&A 등을 특징으로 하는데, 스위스, 독일, 프랑스 접경 지역에 위치하고 유럽의 중심부라는 지정학적 장점을 살리고 있음 일본 고베 바이오 클러스터는 정부 차원의 집중 지원을 통해 산･학･연이 한 곳에 모이는 등 역사가 짧고 정부 역할 비중이 큰 우리나라의 바이오 클러스터와 성격이 유사한데, 대도시 인접한 입지 조건과 최고 수준의 연구기관 밀집, 강력한 지원제도가 특징 II. 국내외 바이오 클러스터 발전사례 및 특성 15 2. 국내 바이오 클러스터 주요 정책 흐름 우리나라는 지난 50여 년에 걸쳐 다양한 혁신 클러스터 정책을 추진해왔으며, 바이오 분야에 특화된 클러스터 육성에 대해서는 1990년대 이후로 본격화 바이오 클러스터는 ’97년부터 민간과 지자체를 중심으로 조성되기 시작했으며, ’09년 오송과 대구지역이 첨단의료복합단지로 지정되며 정부주도의 의료관련 산업체, 학교, 연구 기관 등이 집적 우리나라의 바이오 클러스터 관련 정책은 산업지원 정책 측면의 입지 지정과 여러 목적의 단지 조성, 종합계획 등의 발표를 통한 지원책 마련 등 다각적으로 이루어져 옴 [그림 4] 국내 바이오 클러스터 관련 주요 정책 흐름도 대덕연구단지 이래로 첨단산업단지, 테크노파크 등 산업 클러스터에서 지역혁신 클러스터와 병원 중심 산학협력을 위한 바이오 메디컬 클러스터, 글로벌 혁신 클러스터 등으로 발전 정부는 국제과학비즈니스벨트, 첨단의료복합단지, 강소특구 등을 조성하고 연구 개발특구 육성종합계획 등 다양한 정책을 수립해 오고 있고, 최근의 ‘첨단산업 글로벌 클러스터 육성방안’으로 이어짐 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 16 3. 국내 바이오 클러스터별 근거법과 지원주체 등 우리나라의 바이오 클러스터는 집계 기준에 따라 상이하나 16개 이상으로 파악되며, 경제자유구역과 과학연구단지, 연구개발특구, 첨단의료복합단지 등 다양한 제도에 근거함 국내 바이오 클러스터 중 대표적 클러스터 6개의 관리주체 및 유형, 설립･운영 근거가 되고 있는 근거법은 아래와 같이 다양함 [표 1] 국내 주요 바이오 클러스터 설립･운영 관련 법･제도 지역 관리주체 유형 관련 법･제도 서울(홍릉) 서울바이오허브 연구개발특구 연구개발특구법 경기(광교,판교) 경기도경제과학진흥원 국가산업단지 산업기술단지 지원에 관한 특례법(산단법) 인천(송도) 인천테크노파크 경제자유구역 경제자유특구법 대전(대덕) 대전 바이오벤처센터 연구개발특구/ 과학비즈니스벨트 국제과학비즈니스벨트법 충북(오송) 오송첨단의료 산업진흥재단 첨단의료복합단지 첨단의료복합단지 지정 및 지원에 관한 특별법 대구(신서) 대구경북첨단의료 산업진흥재단 첨단의료복합단지 첨단의료복합단지 지정 및 지원에 관한 특별법 동일한 바이오 클러스터도 여러 입지로 지정되어 있어 다양한 법령의 적용을 받는 경우가 대부분임 지역 별 상이한 근거법과 제도는 국가차원의 바이오 클러스터 지원 정책･방안 수립 및 운영에 있어 통합적인 관리가 어렵다는 점 등 효율성 측면에서의 단점도 갖고 있음 - 오송, 판교 등에서는 클러스터 확장 과정에서 새로 조성된 구역이 기준 구역과 상이한 법･제도를 적용받는 경우가 발생하고 있어 운영주체의 상이함으로 인한 비효율 발생 [표 2] 국내 주요 바이오 클러스터별 적용 법령 관련 법 서울(홍릉) 경기(광교･판교) 인천(송도) 대전(대덕) 충북(오송) 대구(신서) 산단법 ○ ○ ○ ○ 연구개발특구법 ○ ○ ○ 경제자유특구법 ○ ○ ○ 첨복육성법 ○ ○ 국제과학 비즈니스벨트법 ○ ○ 과학기술기본법 ○ ○ 아래에서는 국내 6대 주요 바이오 클러스터에 대해 보다 상세하게 살펴보도록 하겠음 II. 국내외 바이오 클러스터 발전사례 및 특성 17 4. 국내 주요 바이오 클러스터 특징 [① 서울 지역(홍릉)] 홍릉 지역은 서울의 유일한 강소연구개발특구가 지정되어 있으며 우수한 R&D역량에 기반한 ‘도심형 바이오의료산업 클러스터 육성’을 목표로 하고 있음 홍릉강소연구개발특구는 KIST. 고려대, 경희대, 고대안암병원, 경희대병원 등 연구기관이 집적되어 있으며, 면적은 136만㎡에 해당함 강소특구에 인접한 지역에는 서울시에서 지원하고 KIST가 운영하는 서울바이오 허브가 바이오 분야 기업에 대해 시설 및 인프라 지원을 하고 있고, 참여 연구기관 협력을 통한 ‘바이오 스타트업 혁신 플랫폼’ 구축을 지향하고 있음 ※ 서울바이오허브(홍릉바이오의료클러스터거점), BT-IT융합센터(디지털헬스케어특화보육), 서울바이오 산학협력센터(성장기업/인프라활용 등), 서울바이오혁신커뮤니티센터(창업기업/기술사업화 지원 등) 으로 구성 서울 지역은 타 클러스터 대비 최고 수준의 정주여건 및 도로망, 대중교통 인프라 등 여러 강점을 보유 [그림 5] 서울 홍릉 바이오 클러스터 현황도 또한, 국내 대학과 병원 중 다수가 서울 지역에 위치하고 있어 접근성도 우수하나, 도심지역 특성 상 기업의 생산단지 등 대규모 시설 유치가 불가능한 한계점도 있음 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 18 [② 경기도 지역(광교･판교)] 광교･판교 지역은 테크노밸리를 중심으로 공공기관과 기업지원 인프라가 구축되어 다수의 기업들이 밀집하고 있고, 병원 등 혁신주체와 인접해 있음 광교 테크노밸리는 경기도 수원시 광교신도시 일대에 조성되었으며, 6개의 공공기관 및 시설에서 기업 활동을 지원(면적:512,399㎡) ※ 경기도경제과학진흥원, 경기바이오센터, 차세대융합기술연구원, 한국나노기술원, 경기R&BD센터, 광교BIZ센터 등 경기도 성남시 판교신도시 일대에 조성된 판교 테크노밸리는 기업 수요를 바탕으로 지속적으로 확장되고 있으며 8개의 공공기관 및 시설에서 기업 활동을 지원(면적: 1,675,288㎡) ※ 글로벌R&D센터, 경기창조경제혁신센터, 스타트업캠퍼스, 글로벌비즈센터, 기업지원허브LH, 경기 기업성장센터GH, 스마트모빌리티실증허브, 판교이노베이션랩 등 광교/판교 바이오 클러스터는 기존 도시 인프라와 인접하여 정주여건이 충분히 확보되어 있고 높은 기업 및 인구밀집도, 수도권 전체를 동일 생활권으로 연결하는 광역 교통망 등의 장점을 바탕으로 국내 대표 바이오 클러스터로 자리매김 [그림 6] 경기도 광교･판교 바이오 클러스터 현황도 II. 국내외 바이오 클러스터 발전사례 및 특성 19 [③ 인천 지역(송도)] 인천 송도 지역에는 국내 대표 앵커기업과 전후방 산업관련 기업이 다수 밀집되어 있으며, 글로벌 수준의 CDMO 등 기업 생태계를 바탕으로 지속 확장되고 있음* * 현재 92만㎡에서 ’30년에는 200만㎡로 확대 계획 삼성바이오로직스, 셀트리온 등 국내 바이오 대기업과 제약회사, 바이오 장비 회사 및 원부자재 공급 기업들이 인접하여 산업 생태계를 이루고 있음 ※ 세계 최고수준의 바이오의약품 생산량(’18) 인천(56만ℓ) ＞ 샌프란시스코(44만ℓ) ＞ 싱가포르(27만ℓ) 인천 송도는 국제학교, 생활거주시설 등의 여건이 우수하고 국내 대표 바이오 의약품 기업이 다수 입주하고 있음 또한 인천국제공항 및 인천항 등 국내 최고 수준의 국제항공/해운 교통 인프라를 바탕으로 해외와의 물류에 최적의 입지를 보유 [그림 7] 인천 송도 바이오 클러스터 현황도 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 20 [④ 대전 지역(대덕)] 대덕연구개발특구 전역을 아우르는 클러스터로 특히 4지구를 중심으로 바이오 특화 지역이 조성 최고 수준의 R&D기관이 밀집되어 민간 중심 네트워크와의 협력을 통한 잠재적 성장 가능성이 높음(면적:70.4백만㎡(전체), 31.2백만㎡(4지구)) ※ 바이오 분야 상장기업 26개(’23년 12월) 국내 5위 규모의 인구를 보유한 대전시는 생명연, 화학연 등 우리나라를 대표하는 출연연이 다수 분포하고 있고, 고속도로, 철도 등 육상교통 인프라 역시 우수 [그림 8] 대전 대덕 바이오 클러스터 현황도 [⑤ 충북 지역(오송)] 충북 오송 첨단의료복합단지와 이를 포함하는 오송 바이오밸리를 중심으로 바이오 특화 단지가 구축되어 있으며, 대표적인 정부 주도 바이오 클러스터임 오송 바이오밸리는 국내 유일의 생명과학단지이자 국가산업단지로 지정(’97)되었고, 제1~2 단지와 ’30년 준공 예정인 제3국가생명과학단지를 포함하여 약 16.7백만㎡ 규모 II. 국내외 바이오 클러스터 발전사례 및 특성 21 오송 첨단의료복합단지(약 1,123,967㎡)는 제1국가생명과학단지 내 첨단의료복합단지로 보건의료행정타운(6개 기관)과 연계되어 있으며, 오송첨단의료산업진흥재단, 중앙인체자 원은행 등 다수의 연구 지원 시설이 위치 오송 지역은 KTX 오송역을 통해 전국 각지로 접근에 유리하고, 비수도권 지역으로 수도권 지역의 생산시설 관련 규제를 받지 않으면서 저렴한 부지 제공이 가능 또한 단지 내 R&D 생산 인프라를 보유한 대단위 단지로, 향후 바이오메디컬 캠퍼스타운 (KAIST)조성이 계획되어 있는 등 연구역량도 확대될 전망임 이에 따라, 오송 지역은 제약 및 바이오 기업에 특화하여 265개 기업이 존재하는 등 기업활동이 매우 활발한 점이 특징 [그림 9] 충북 오송 바이오 클러스터 현황도 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 22 [⑥ 대구 지역(신서)] 대구광역시 5대 신산업 중 헬스케어가 포함되어 있으며 2021년 ‘메디시티 대구 글로벌 의료특구’로 선정되면서 스마트 웰니스 규제자유특구 등과 연계 대구의 바이오 클러스터는 신서동 일대 대구혁신도시 내 지리적으로 분리된 2개 지역으로 조성되어 있고 클러스터 내 의료기기 비중이 50%로 바이오 기기 및 장비 분야에 특화 대구경북첨단의료복합단지-경제자유구역, 대구연구개발특구-의료R&D지구 메디스타트업존 조성* 계획으로 대구첨복단지 내 BIT융합캠퍼스(경북대), 의료기술시험연수원 건립(’28년 예정)을 추진, 보건의료인력양성 및 시제품 테스트허브 역할 기대 * 첨단의료복합단지특별법관리기본계획 개정을 통한 입지 규제를 완화하고, 창업보육공간과 대학, 스타트업 및 법률･회계 등 사업지원 서비스를 밀접 배치할 예정 대구 지역은 국토 동남부 교통의 거점으로, 시내 인접권에 대구 국제공항이 있어 항공 교통 접근성도 우수하며 한국뇌연구원, 한국한의학연구원 한의기술응용센터 등 의료기기 관련 국책연구기관이 위치함 비수도권 중 유일한 연구중심병원을 포함한 5개 대학병원과 12개 종합병원을 보유하고 있으나, 신서혁신도시 내 공공기관 및 입주기업의 바이오 집중도가 낮고 기업의 입주가 예상보다 지연되는 등의 문제점도 제기 [그림 10] 대구 지역 바이오 클러스터 현황도 Ⅲ. 국내 주요 바이오 클러스터 평가지표 도출과 핵심역량 평가 23 국내 주요 바이오 클러스터 평가지표 도출과 핵심역량 평가Ⅲ 1. 국내 주요 바이오 클러스터 평가를 위한 지표 도출 바이오 클러스터 역량 평가에 대한 선행연구와 해외 사례 등을 바탕으로 바이오 클러스터 경쟁력 핵심요소와 평가지표를 도출 해외 사례를 참고하기 위해 미국 내 바이오 클러스터에 대한 평가를 정기적으로 수행하고 있는 민간기업(JLL, GEN 등)을 포함한 여러 기관의 지표를 수집하였음 - 민간 부동산 및 투자 컨설팅 회사인 JLL은 생명과학 관련 고용 성장률 및 NIH･벤처캐피털의 바이오 산업 관련 투자, 고용･창업에서의 생명과학 비중, 시장점유율, 평균 임대비용, 임대 가능한 실험실 등을 지표로 활용 - 생명공학 분야 전문 언론매체인 GEN은 NIH 자금지원, 벤처 캐피털 자금조달, 특허, 실험실 공간, 일자리 등을 분석하였음 - 그 외에도 California Life Sciences Association 및 The Brooking Institution 등 여러 기관에서 발간한 지역 바이오 클러스터 평가지표를 활용했으며, 동일 기관에서도 연도별로 활용한 지표는 다소 차이가 있음 - 또한 국내와 통계 지표의 발표기관 및 집계 방식 등에서 다소 차이가 있거나 동일한 데이터를 구할 수 없는 경우에는 참고로만 활용 우리나라에서도 바이오 클러스터의 경쟁력 결정요인에 대한 선행 연구결과를 활용하여 국내 바이오 클러스터의 수준 분석을 위한 지표를 도출하였음 - 문혜선(2018)은 클러스터 지역의 인적자원 및 클러스터 내 기업･창업 활동, 기업 투자, 대학･연구기관 수, 특허 보유기관, 논문 및 특허 수 등을 분석 - 김성진(2022)도 국내 주요 바이오 클러스터 분석 지표로 바이오 분야 기업 수, 대학 및 공공기관 수, 바이오 분야 인력 수, 바이오 분야 민간기업 설비 및 연구개발 투자, 해당 클러스터의 내수･수출 생산액 등을 고려 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 24 - 그 외 다수의 선행 연구가 있으나 대부분 소수의 클러스터를 대상으로 분석하거나 일회성 연구에 그친다는 한계가 있음 선행연구에서 사용한 지표를 수집 후 전문가 자문 및 내부 분석을 통해 핵심 요소를 4개 대항목과 8개 세부항목으로 구성하고, 하위 평가지표로 15개 대항목 및 68개 소항목을 도출 - 지표 선정 시 정기적으로 발표되고 공신력이 있는 통계 데이터의 확보 가능성을 중점적으로 검토 [그림 11] 바이오 클러스터 핵심요소 및 평가지표 도출 과정 - 핵심 요소는 구성주체, 입지여건, 연구성과, 기업지원 투자 등의 4개 대항목으로 각각에 대해 세부적인 항목들을 구체화 [그림 12] 바이오 클러스터 핵심요소 Ⅲ. 국내 주요 바이오 클러스터 평가지표 도출과 핵심역량 평가 25 바이오 클러스터 핵심요소 평가지표(대항목) 자료출처 대항목 세부항목 구성 주체 기업 바이오 분야 기업 규모 한국바이오산업정보서비스(KBIOIS) 바이오 분야 기업투자 바이오 분야 기업 연구인력 대학 대학 접근성 및 규모 통계청 국가통계포털(KOSIS), 대학정보공시 대학 질적수준 영국 QS World University Ranking, NTIS 데이터 연구기관 연구기관 접근성 NTIS, RTIS 과제데이터 연구기관 연구인력 병원 병원 접근성 및 규모 심평원 보건의료빅데이터개방시스템, 국가통계포털, 한국보건산업진흥원 홈페이지 입지 여건 입지여건 규모 및 밀집도 통계청 국가통계포털(KOSIS)정주여건 교통여건 연구 성과 연구성과 사업화 성과 NTIS 성과데이터 과학기술 성과 기업 지원 투자 정부 부문 정부(지자체) R&D펀딩 NTIS, RTIS 과제데이터 민간 부문 민간 펀딩 통계청 마이크로데이터통합서비스(MDIS), 벤처기업정밀실태조사 [표 3] 본 연구를 통해 수립한 바이오 클러스터 핵심요소 및 평가지표 기존 문헌연구를 통해 바이오 클러스터 경쟁력의 핵심요소를 도출한 후, 지표에 대한 검토 및 지표별 중요도를 비교하기 위한 전문가 설문을 수행 ▶ 총 54명(평균경력 14.1년)의 현장 전문가를 대상으로 실시한 설문조사를 통해 지역별 및 국가 차원의 바이오 클러스터 경쟁력 중요도에 대한 내용을 수집 설문에 참여한 전문가들은 바이오 클러스터 경쟁력의 핵심 요소 중 구성주체를 가장 중요하게 보고 있으며, 성공을 위해서는 우수한 연구인력 및 공공연구기관과의 네트워크･기술지원, 인프라 제공 등이 필요하다고 답변 - 바이오 클러스터 경쟁력의 4대 핵심요소 중 ‘구성주체’를 가장 중요하게 꼽고, 그 다음은 ‘입지여건’, ‘기업지원 투자’, ‘연구성과’ 순 - 현장 전문가들은 바이오 클러스터의 성공을 결정하는 요인에 대해서는 ‘우수한 연구인력’, ‘공공연구기관과의 네트워크 및 기술지원’ 등을 가장 중요하게 꼽음 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 26 - ‘우수한 연구인력의 공급(24.4%)’, ‘공공연구기관과의 네트워크 및 기술지원수준(22.8%)’, ‘공용연구시설, 부지, 연구장비 등 인프라 제공(19.1%)’ 등의 비중이 크고 투자유치 용이성, 생활환경 및 정주여건 등을 제시 [그림 13] 바이오 클러스터 성공 요인별 중요도에 대한 설문 결과 2. 세부 평가방법 평가지표별 하위단계 지표를 상관관계를 기준으로 선별하여, 합계 또는 평균값을 산출하는 방식으로 평가지표(대항목) → 핵심요소(세부항목) → 핵심요소(대항목)에 대한 결과를 산출 (1단계 분석) 전국 17대 광역지자체별 68개 평가지표의 세부항목을 분석 - 평가지표 세부항목에 대한 절대값을 분석 후 이를 종합하여 대항목의 상대점수(최고 점수 지역 대비 %)를 도출 (2단계 분석) 6대 주요 바이오 클러스터 지역에 대해 1단계 값을 활용한 상대점수를 산출* * 서울, 경기, 인천, 대전, 충북, 대구 ** 각 핵심요소 세부항목별로 가장 높은 지자체의 값을 100으로 한 상대값 - 2단계 부터는 국내 6대 주요 바이오 클러스터로 한정하여, 1단계에서 도출한 평가지표 대항목 상대점수를 종합하여 상위 항목인 바이오 클러스터 경쟁력 핵심요소의 세부항목 상대점수와 대항목 상대점수를 도출 (3단계 분석) 2단계 분석 결과를 활용하여 6대 바이오 클러스터 지역의 핵심요소별 현 수준에 대한 정량적 평가 수행 Ⅲ. 국내 주요 바이오 클러스터 평가지표 도출과 핵심역량 평가 27 - 각 핵심요소의 세부항목별 비율 등을 통해 국내 6대 주요 바이오 클러스터별 상대 비교와 특성화 등 전체적인 조망을 수행 [그림 14] 바이오 클러스터 평가지표 및 핵심요소에 대한 3단계 분석 수행 3. 평가결과 국내 17대 광역지자체에 대해 평가지표 세부항목에 대한 시계열(연도별) 변화와 대푯값(가장 최근년도)을 도출 [그림 15] (예시) 68개 평가지표 세부항목 중 ‘바이오 분야 중소기업 수’ 항목 연도별 분석 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 28 핵심 요소별 현 수준에 대한 정량적 진단 결과 종합적으로는 서울, 경기지역의 경쟁력이 높은 것으로 나타났으나, 지역별 특성 분석과 강점 연계가 중요함 평가지표별 1, 2, 3단계 분석결과를 토대로 핵심요소별 수준에 대해 종합적으로 정량 평가를 수행 [그림 16] 평가지표(대항목)별･지역별 분석결과(예시) 3단계 분석결과 최종적으로, 바이오 클러스터 핵심요소(세부항목)별로 각 지역의 장단점에 대해 아래와 같은 결과를 얻었음 [그림 17] 주요 바이오 클러스터 핵심요소별 현 수준에 대한 정량적 평가결과 - (구성주체) 기업은 경기, 대학은 서울, 연구기관은 대전, 병원은 서울과 경기가 우수 - (입지여건) 서울이 가장 우수하나 경기도 상대적으로 높은 점수로 나타남 - (연구성과) 정부R&D 연구성과는 대학이 밀집된 서울이 가장 높고, 경기, 대전, 충북 등도 비교적 우수하게 나타남 - (기업지원 투자) 정부･지자체의 기업R&D 대상 투자는 서울과 경기가 유사하게 점수가 높았고, VC투자는 기업이 밀집된 경기가 타 지역 대비 우수 Ⅲ. 국내 주요 바이오 클러스터 평가지표 도출과 핵심역량 평가 29 각 지표별로 최고점의 80~100%를 5구간, 0~20%를 1구간으로 하여 구간별 평가 ※ 지역별로 인구와 기업 수 등 양적기준이 달라 지역 간 수치의 단순 비교보다는 무의미하며, 각 지역의 상대적인 강점･약점 분야 등 특성 분석을 통한 차별성 도출에 활용 - (서울) 대학, 병원, 입지여건, 연구성과 및 정부･지자체 기업R&D 지원 등 다양한 기준에서 국내 최고 수준(5구간)이며, 기업은 3구간, 연구기관과 VC 투자는 2구간 - (경기) 기업, 정부･지자체 기업R&D 지원, VC 투자 등 다방면에서 국내 최고 수준(5구간)이고 병원도 매우 우수(4구간)하나, 대학, 입지여건, 연구성과(3구간), 연구기관(2구간)은 타 영역 대비해서 낮은 편 - (인천) 기업과 병원, 입지여건 등이 2구간으로 타 영역 대비 비교적 우수하나 대학, 연구기관, 연구성과, 정부･지자체 BT 분야 기업R&D 지원, VC 투자 등은 1구간으로 상대적 열위 - (대전) 연구기관이 타 지역 대비 매우 우수하여 국내 최고 수준(5구간)에 해당하고, 연구성과도 3구간으로 상대적으로 우수하나 대학과 입지여건, 정부･지자체의 BT 분야 기업R&D 투자, VC투자 등은 2구간, 기업과 병원은 1구간으로 상대적으로 부족 - (충북) 기업과 연구기관, 입지여건, 연구성과 등이 비교적 우수(2구간)하고 대학, 병원, 정부･지자체 BT분야 기업 R&D 지원, VC 투자 등은 상대적으로 약세(1구간) - (대구) 연구기관, 병원, 입지여건 등이 비교적 우수(2구간)하고 대학, 정부･지자체의 BT분야 기업R&D 지원, VC투자 등은 상대적으로 부족(1구간) 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 30 국내 주요 바이오 클러스터별 현안 이슈와 개선방향Ⅳ ▶ 객관적 지표에 대한 정량분석 결과의 한계를 보완하기 위하여 국내 주요 6대 바이오 클러스터에 대한 현장방문, 전문가 심층 인터뷰, 서면자료 검토 등을 통해 현장 의견을 반영 ▶ 총 54명(평균경력 14.1년)의 현장 전문가를 대상으로 실시한 설문조사를 통해 지역별 및 국가 차원의 바이오 클러스터 발전을 저해하는 요인과 개선방향을 도출 서울은 최고 수준의 정주여건이 형성되어 있으나, 비효율적 클러스터 운영체계 및 정책적 지원 우선순위, 높은 지가와 물가로 인한 부담 등이 문제로 꼽힘 (비효율적 클러스터 운영체계) 홍릉강소특구와 서울바이오허브로 운영체계가 이원화되어 있고, 서울시의 위탁운영으로 인한 지속성장 가능성이 제한적 - 현행 민간 위탁운영(3+3년) 체계를 지속가능하고 일원화된 관리･운영체계로 정비하여 운영경험 및 노하우 축적을 강화하고, 안정적으로 운영할 필요 (지자체 정책의지에 따른 지속적 투자의 한계) 서울시 7대 산업 클러스터 내 바이오 클러스터에 대한 우선순위의 변동 가능성과 정책적 일관성 보장이 어려움 - 마곡 바이오 클러스터, 구로G밸리 등 서울시 타 바이오 거점과의 기능적 중첩을 고려한 지자체 차원의 통합전략 및 바이오 분야 중장기적 투자 로드맵 마련을 통한 정책적 일관성 확보 필요 (공간 확장성, 접근성 한계) 높은 지가와 과밀화된 도시공간 등 확장성 및 서울시 내 접근이 편리하지 않은 위치라는 한계 - 서울 클러스터의 강점대비 보완이 필요한 대형 연구시설･장비, 생산시설 등 약점을 채워줄 타 바이오 클러스터와의 협력 체계 구축 - 우수한 벤처 투자 생태계와 해외 투자 유치가 강점이 될 수 있는 서울의 브랜드 가치를 활용하고, 서울 권역의 학･병 인프라 강점을 극대화할 필요 Ⅳ. 국내 주요 바이오 클러스터별 현안 이슈와 개선방향 31 경기 지역 역시 수도권으로써 공간의 확장성 및 개발규제로 인한 제약이 존재하며, 부족한 공공연구개발 서비스 인프라, 여러 도시로 역량이 분산됨에 따른 어려움이 지적됨 (공간 확장의 제약) 광교, 판교 테크노밸리의 공간 확장에 한계가 있고, 수도권 정비계획법에 의해 대학, 연구센터 등 추가설립이 어려운 상황 - 유휴부지를 활용해 기업 임대공간을 조성하기 위한 정책지원과 도시개발 관련 법규 등 관련 규제 완화 및 제도 정비의 필요성을 검토 - 기존 도시와 인접해 테크노밸리가 조성되어 도시 인프라를 충분히 확보하고 있다는 점에서 정주여건이 우수하나 높은 주거비용이 소요된다는 점이 단점 (부족한 공공연구개발 서비스 인프라) 바이오분야 R&D서비스 지원 기관인 경기 바이오센터의 시설과 인력이 불충분하고, 판교 테크노밸리는 바이오 특화 습식 연구시설･공공 연구기관이 미비한 상황 - 경기도 내 공공 바이오 R&D서비스 역량 강화를 위해 인접 지역 뿐만 아니라 대구 및 오송첨단의료산업진흥재단 등 외부의 혁신 주체와 실질적 연계를 강화하여 기업의 기술 가치 고도화 체계를 마련 (다양한 참여 주체 및 이해관계자로 인한 역량 분산) 경기도는 북부, 서부, 남부 등 다양한 권역과 여러 개의 큰 도시로 구성되어 예산과 인력이 분산되고 있음 - 경기도 바이오 클러스터의 성공적인 모델 구축과 효율적 운영을 위한 우선순위 설정과 경기도와 개별 시(지자체) 등과의 정책 및 투자 협의 노력 필요 - 다수의 제약기업이 위치하고, 우수한 연구인력이 선호하는 지역이나, 수도권 지역이라는 이유로 중앙정부 차원의 지원은 거의 이루어지지 않고 있어 기업 및 인력, 입지여건 등 지역의 강점을 국가 차원에서 활용할 수 있도록 관심과 지원이 필요 인천은 송도지역을 중심으로 국제학교와 정주여건이 우수하나 총괄 전담기관 부재와 산･학･연･병 네트워킹 지원체계 부족, 기업 창업 등 자생여건 등이 향후 개선되어야 할 점으로 파악됨 (바이오 분야 총괄 전담 기관의 부재) 정책기획 기능과 사업지원 기능이 분리되어 있고 전담 기관의 인력 및 시설이 부족하므로 글로벌 거점으로의 성장을 위한 바이오 총괄 기능 확보가 시급 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 32 - 클러스터 육성을 위한 정책 기획 기능을 강화하고 이를 위해 인천TP 등 바이오 분야 특화된 전문기관･인력을 확보하여 총괄 컨트롤 타워로서의 기능을 강화 (산･학･연･병 네트워킹 지원체계 부족) 타 지역대비 병원･대학･연구소가 부족하므로 이의 해소를 위한 협력연계가 필요 - 대기업-스타트업 등 기업간 네트워킹, 산･학･연･병 네트워킹 구축 및 활동 지원 프로그램을 다양하게 마련하여 협력 활성화 필요 - 국내 대표 바이오의약품 기업과 전후방 관련 기업들이 다수 입주해있다는 강점이 있으나 대학과 병원, 연구소 등 혁신 연구주체들이 타 지역 대비 미흡 (해외 우수 기업 유치 및 인력공급원 부족) 타 지역대비 해외 접근성이 우수하다는 장점이 있음에도 창업 등을 통한 기업 자생 여건이 부족하고 R&D 역량을 보유한 중소기업과 연구인력 등의 안정적 확보가 필요한 상황 - 해외 우수 기업 유치 및 국내 기업과의 연계협력, R&D역량 강화를 위한 K-바이오랩허브 내 바이오 기업, 전담 전문인력 등 역량 결집 및 우수 인력공급을 위한 체계적인 육성지원 방안을 마련할 필요 (교통접근성) 해외 항공 및 물류 접근성이 매우 용이하나 상대적으로 국내 타 지역과의 접근성은 다소 부족하여 추가 철도망 확충 등 내부 교통 편의성 수요가 지속적으로 제기되고 있음 대전도 타 지역과 유사하게 통합 관리 운영체계의 부족이 문제점으로 지적되었고, 클러스터 공간의 집적화 부족, 우수한 연구 생태계에도 불구, 앵커기업이 부재한 점 등도 제시됨 (통합 관리운영 부재) 국내 최고 수준의 연구기관이 결집되어 있음에도 산･학･병을 포함해 적극적 시너지를 창출하기 위한 구심점 역할이 부재 - 타 클러스터 대비 성숙한 산･연 생태계의 역량을 결집할 수 있도록 관리･지원체계 강화 (공간 집적화 부족) 대규모 부지를 보유한 기업, 대학, 출연연이 다수 있으나, 넓은 부지로 인해 인구와 기관 밀도가 낮아 개방형 혁신에 한계 - 구축된 시설의 통합, 이동이 어려우나 밀도 높은 집적화된 공간의 마련과 네트워킹을 위한 프로그램을 강화 - 국내 5위 규모의 인구를 보유한 광역시로 정주여건은 대체로 우수하나 최고 수준의 인력유치를 위해 수도권 대비 인센티브 요인의 강화가 필요 Ⅳ. 국내 주요 바이오 클러스터별 현안 이슈와 개선방향 33 (산･학･연･병 구성주체) 생명연･화학연 등 R&D기관이 다수 분포하여 바이오 분야 외에도 융복합을 통한 연구개발이 용이한 환경이나 클러스터 차원의 연계협력을 위한 구심점 역할이 미흡한 상황 (앵커기업의 부재) 1세대 바이오 벤처기업의 다수가 포진하는 등 산업 생태계가 구축되어 있으나, 임상 단계 이후를 진행할 수 있는 앵커기업이 부재 - 성공적 바이오 클러스터로 성장하기 위해 필수적인 앵커기업의 육성을 위해 임상 단계 이후를 지원할 임계 규모 이상의 투자 유치 전략이 마련될 필요가 있음 충북은 제약 및 바이오 기업에 특화되어 있고 R&D와 생산 인프라를 보유한 대단위 단지가 조성되는 등의 장점을 보유하나 부족한 정주여건 및 인력, 복잡한 관리 체계 등의 문제가 제기 (부족한 정주여건 및 연구인력) 타 클러스터 대비 인근 대학이 상대적으로 부족하고 산업시설 위주 집적으로 정주여건이 미비함 - 수도권 규제를 받지 않고 저렴한 부지를 제공할 수 있다는 입지적 장점이 있으나 정주여건과 업무지구 내 상업･문화 시설이 미비 - 고속철도를 통해 전국 각지로 접근하기 편리하나, 충청권 등 역내에서의 교통 편리성 개선이 필요 - 교통망 확대와 주거･문화 환경 개선을 통해 젊은 인구의 유입을 촉진하고, 대학 유치를 통한 교육기능 강화로 우수 인력을 양성할 필요 (운영주체 연계 부족) 클러스터 내 단지별 관리･운영주체와 관련 법이 상이하고 다양한 이해관계자, 복잡한 관리체계로 인한 비효율 - 중앙부처(복지부, 과기부, 산업부 등)와 지방정부(충북도)의 역할 명확화 및 연계 강화 필요 - 보건의료행정타운 내 정부기관 및 중앙부처 주도의 오송첨단의료산업진흥재단과 충북도 주도의 충북바이오산학융합원, 충북경제자유구역청 간의 협력을 강화하고, 총괄기능 수행을 위한 전담기관 지정 및 협력체계 개선 (혁신주체의 낮은 성숙도) 타 지역 대비 대학, 병원, 기업의 집적도와 규모가 부족하고 구성주체 간 시너지 효과가 부족 - 정부주도로 조성된 바이오 클러스터로 기업 및 대학 유치와 부지 제공, 지방세 감면 등 인센티브, 연구･생산 활동 지원을 위한 제도적 지원의 일관성과 지속성 유지가 필요 - 지역 내 기업 생태계 구심점이 될 수 있는 앵커기업의 유치 또는 육성 필요 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 34 대구는 동남부 거점 도시로 연구기관 및 대학, 병원 등 혁신역량은 비교적 우수하나 바이오 분야에 집중된 역량 및 지리적 여건으로 인한 인력 확보 어려움 등은 개선이 필요 (낮은 바이오 집중도) 타 지역 클러스터 대비 지역 산업 중 바이오･제약 기업 비중이 낮은 편이고, 바이오에 특화된 정책이 부족함 - 신서혁신도시 내 공공기관 및 입주 기업의 바이오 집중도가 낮은 편이고, 제약 바이오 기업 입주가 지연되고 있음 - 향후 클러스터 성숙에 따라 전임상･임상 시험 관련 수요가 높아질 것으로 예상되므로 첨단임상시험센터 운영 시 인근 병원과 연계 강화 등 바이오 기업 특화 서비스를 확대 - 제약 바이오 기업에 대한 매력도를 높이기 위해 해당 분야에 특화된 투자자 유치, 기금 조성, 동남권 지역 병원 등 연구 수요기관과의 매칭 등 정책적 수단 발굴 필요 (지리적 여건) 수도권･충청권과의 거리로 인한 네트워킹 활동에 지장이 있을 수 있고, 연구개발 종사자들의 수도권 선호로 인한 우수인력 확보 어려움 - 국토 동남부의 교통거점이며, 항공교통 접근성도 우수하다는 강점이 있지만 국내 바이오분야 기업이 집중되어 있는 수도권과 멀고 대구에서도 외곽에 위치하고 있음 - 부산･울산 등 광역시 지역과 포항･경주 등 주변 지역의 우수한 연구 인프라를 연계하여 동남권 지역 특화 바이오 클러스터 모델 구축필요 (산･학･연･병 구성주체) 연구중심병원인 경북대학교병원을 포함해 5개의 대학병원, 12개의 종합병원이 위치해 병원 협력 연구가 가능한 환경이나, 기업 생태계 조성이 더딤 - 한국뇌연구원, 한국한의학연구원 한의기술응용센터 등이 인접하여, 의료기기 분야 연구 개발에 시너지 창출이 가능하나 첨복단지 내 생산시설 입주가 불가하고, 제조기능을 담당하는 의료 R&D지구는 분리되어 기업이 밀집되지 않음 - 향후 첨단의료복합단지 내 산･학･연･병 협력지원을 위한 물리적 환경을 조성하고, 창업기업에 대한 지원을 강화하여 우수한 연구기관, 병원과 정주여건의 장점을 살리고 경북 지역 등 인접 산업단지 등과 연계할 필요 Ⅴ. 결론 및 정책제언 35 결론 및 정책제언Ⅴ 1. 결론 본 연구를 통해 국내 주요 바이오 클러스터 현황, 발전 과정 및 운영 현황 분석을 수행 연구개발특구, 규제자유특구, 첨복법 등 관련법과 과학기술기본계획, 생명공학육성 기본계획, ｢첨단산업 글로벌 클러스터 육성방안｣ 등 혁신 클러스터 관련 법･제도 및 주요 정책을 분석함 국내 6대 주요 바이오 클러스터 지역의 발전과정 및 특성 분석을 통한 유형을 분류 국내 주요 바이오 클러스터 8개 관리기관 현장방문 및 전문가 심층 인터뷰, 문헌조사를 통해 입지여건 및 발전 연혁, 현장에서 느끼는 이슈를 발굴 국내와 해외 주요 바이오 클러스터와 역량비교를 통해 글로벌 수준의 클러스터가 되기 위한 필요 요건 및 정부의 지원 방향을 제시 핵심 바이오 클러스터 지역인 서울 홍릉, 인천 송도, 경기 광교/판교, 대전 대덕, 충북 오송, 대구 신서 등 국 내 주요 바이오 클러스터의 발전과정 및 특성을 분석 해외 핵심 바이오 클러스터에 대한 관련 기관 방문 및 전문가 인터뷰를 통해 해당 바이오 클러스터의 성장과정과 발전요인, 장단점과 정부/민간의 역할을 확인 글로벌 주요 클러스터(미국, 스위스, 일본)별 형성배경 및 현황, 발전과정, 성공요인, 정부/민간 주체별 역할 및 기여, 입지여건과 특성 등을 분석 바이오 클러스터 경쟁력 결정요인 분석을 통해 바이오 클러스터 핵심요소별 평가지표 도출 및 평가를 수행하여 향후에도 정량적인 평가가 가능한 체계를 마련 바이오 클러스터의 성공을 위한 경쟁력 결정요인으로 구성주체, 정주여건 및 교통여건, 연구성과, 기업지원 등을 선정하고, 광역지자체별 바이오 클러스터 경쟁력 결정요인 및 역량 분석 지표를 구축함 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 36 국내 17개 광역지자체별 통계 및 NTIS 등 DB 분석, 6대 핵심지역(서울, 인천, 경기, 충북, 대전, 대구)별 비교 분석 바이오 클러스터 핵심요소를 평가하기 위해 1단계~3단계로 단계별 분석을 통해 다양한 지표별 분석 결과를 종합하고 검토하여, 국내 6대 주요 바이오 클러스터에 대해 지역별 강점 및 특성이 명확하게 구분 이전 연구가 소수의 클러스터에 대한 현황 분석 위주인 반면, 본 연구를 통해 국내 클러스터 간 상호 비교 및 해외와 국내 클러스터의 역량 차이 등 상대적 분석이 가능한 객관적 수치를 제시함 국내 바이오 클러스터의 역할분담을 통한 차별화 및 연계, 상호협력을 위한 체계를 진단하고 향후 개선방향을 도출 국내 주요 바이오 클러스터에 대한 현장방문 및 관계자 심층 인터뷰를 통해 해당 클러스터의 발전 과정 및 현황, 최근 주요 이슈 파악 - 국내 주요 바이오 클러스터 관리･운영기관의 관리자 및 실무진 총 54명(평균 경력 14.1년)에 대한 비대면 회의와 서면 심층조사, 전문가 설문조사를 통한 입체적 연구를 수행 국내 바이오 클러스터에 대한 문제점 및 이슈와 개선방향을 도출하고, 바이오 클러스터에 대한 정부 차원의 정책목표 달성도･효과성 분석과 정책방향 수립 등을 위한 근거 기반의 자료 마련 2. 정책제언 우리나라 바이오 클러스터는 향후 국내 경쟁에서 벗어나, 국가적인 브랜드화(K-바이오 클러스터)를 통해 아시아 지역 허브 클러스터 역할을 할 수 있도록 경쟁력을 강화할 필요 국내 경쟁 위주의 산업집적 개념 보다는, 글로벌 기업을 유치하고 기술의 빠른 변화에 대응할 수 있는 혁신형 클러스터 수준으로 도약이 필요 미･중 패권 갈등으로 인한 글로벌 제약사의 탈중국화 현상 속에, 싱가포르･일본 등 아시아 주요 바이오 클러스터와 경쟁하기 위한 근본적인 역량 개선 및 및 글로벌 네트워킹 필요 Ⅴ. 결론 및 정책제언 37 - 구성주체와 연구역량 강화와 함께 객관적이고 주기적인 역량 평가로 바이오 클러스터에 대한 수준진단 및 정책지원 효과 분석 병행 필요 우리나라 전체를 하나의 바이오 클러스터로 보고, 각 지역의 바이오 클러스터별로 위치와 주변 환경, 자체 역량 등에 따른 특성화와 역할분담이 필요 본 연구를 통해서 각 클러스터별 특성 비교를 통해 해당 클러스터에 보다 적합한 성장 모델을 제안함 대학과 밀착하여 스타트업을 육성하거나(홍릉), 벤처 기업이 활발한 기업활동과 투자 유치를 통해 성장하고(광교/판교), 글로벌 대기업과 공급망 형성을 통해 세계적 수준의 바이오 의약품 생산거점을 형성하는(송도) 등 기업 성장주기와 연동한 다양한 모델을 개발할 필요 또한, 국내 바이오벤처 1세대와 생명연/화학연/IBS 등 다수의 출연연을 포함하는 대전 대덕은 R&D 거점화를 통해 타 지역과 네트워킹을 강화할 필요가 있음 오송과 대구경북은 국내 타 지역과 비교하기 어려운 공공연구지원 인프라(첨단의료산업 진흥재단)를 활용하는 한편, 인근 지역과 융합한 광역화를 통해 비수도권 지역의 단점을 보완할 필요 바이오 클러스터의 성장에 가장 중요한 요소는 결국 우수한 연구인력이나, 국내 대부분의 클러스터가 우수인력 확보에 어려움을 겪고 있어 개선이 시급함 해외 선도 바이오 클러스터에는 대부분 젊은 인력이 많고 높은 생활･문화 환경을 갖추고 있는 등 지역 자체의 매력도가 높음 반면, 국내 대부분의 바이오 클러스터에서 우수한 연구인력의 부족 및 이탈 현상을 우려하고 있으므로, 대규모 도시개발을 통해 단기간에 조성된 국내 대다수 클러스터의 경우 교통/정주 여건 개선이 시급함 지역 자체의 매력도는 우수한 인력을 유인하는 기능을 하며, 이는 바이오 클러스터의 성패를 가르는데 중요한 요인으로 작용함 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 38 수도권･비수도권 등 균형발전 측면에서 광역화와 협력을 통해 각 클러스터별 취약 부분을 상호 보완하기 위한 적극적 연계 필요 국내 바이오 클러스터를 비교한 결과 수도권과 비수도권의 차이가 가장 크며, 균형발전을 위해 각 지역별 차별화된 전략 및 연계･협력을 위한 노력이 요구되었음 수도권 클러스터는 대학, 대형병원 등 인구 밀집 지역에 몰려있어 혁신 주체들과의 협력이 용이하고, 우수 인력의 선호도가 높은 반면 비수도권 지역은 중앙부처의 지원과 지자체의 육성의지를 바탕으로 대형 연구 인프라 건설이 가능 - 수도권 지역은 높은 기업 수요 대비 연구지원 인프라가 부족하며, 중앙정부 차원의 지원이 거의 없고, 지역 내 중심지가 다극화되어 자체 역량이 분산되는 경향이 있음 - 비수도권 지역은 대학, 병원, 기업 등 혁신 주체 및 연구 인력 면에서 열세 기존에는 지역발전을 위해 국내 바이오 클러스터 간 경쟁이 이루어졌다면, 향후에는 글로벌 기업 유치와 해외 진출을 위한 교두보 역할을 확대할 필요가 있음 국내 국토 면적 및 시장 규모를 고려할 때 지역 차원의 경쟁 보다는 통합적 관리 운영을 통해 국내 전체 차원의 K-바이오 클러스터로 육성 필요 현재 클러스터 간 협의운영 체계가 일부 있으나 부분적이고, 실효성이 떨어져 주무부처 지정 등을 통한 컨트롤타워 수립이 필요 향후 바이오 클러스터 간 연계･협력과 종합적인 관리를 위한 거버넌스 체계 및 협의체 구성의 최적화 방안을 수립함으로써 정부 및 지방 재원의 효율적인 운영과 향후 경쟁력 발전의 토대를 마련할 필요가 제기됨 국가 차원의 바이오 클러스터 운영 효율화를 위한 거버넌스 마련 및 관리체계 필요 타 산업 클러스터와 구분되는 바이오 클러스터의 특성에 따라 특별법 제정 혹은 상위 기구 설치 등을 고려해 국가 차원의 바이오 클러스터 운영 효율화 필요 관련법 또는 조직이 상이하여 단기간에 체계의 통합이 어려우나, 각 지역별 바이오 클러스터에 대한 정책 수립, 체계적인 조사, 정보를 제공할 수 있는 관리･운영기관을 지정하는 등 체계를 정비할 필요 Ⅴ. 결론 및 정책제언 39 - 바이오 클러스터의 운영에 복지부, 산업부 등 다수의 부처가 관여하며 각 지역의 지자체 및 테크노파크, 연구개발특구진흥재단, 경제자유구역청 등 운영 주체가 복잡하게 얽혀있음 - 근거 기반의 정책 수립 및 정책 효과성 분석･환류를 고려해 체계적인 데이터 수집 등 관리체계 효율화가 필요하며, 간사기관 지정 등을 통해 명확한 임무부여, 백서 발간 등 주기적･체계적 활동이 요구됨 본 연구의 성과는 국내 17개 광역지자체별로 바이오 클러스터 관련 역량 분석을 통한 객관적 평가 및 향후 발전을 위한 개선방향 도출에 활용이 가능함 본 연구에서 객관적으로 분석한 바이오 클러스터별 경쟁력 및 제반 수준은 ｢첨단산업 글로벌 클러스터 육성방안｣등 주요 정책에 따른 세부투자 방향 수립에 참고가 가능함 또한, 보스턴 바이오 클러스터 등 해외 바이오 클러스터를 벤치마킹하여 우리나라 대표 바이오 클러스터에 대한 지원방안을 마련하는데 활용 가능할 것으로 기대함 향후에도 근거 기반 정책수립 및 정책 효과성 분석을 통한 환류를 위해 체계적인 데이터 수집 등 객관적인 근거에 기반한 관리체계 효율화가 필요 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 40 참 고 문 헌 ∙ 경기도경제과학진흥원 브로슈어 및 정책가이드 등 다수 ∙ 과기정통부･서울특별시(2020), 서울 홍릉 강소연구개발특구 지정 ∙ 경제자유구역기획단(2023), KFEZ e-brochures ∙ 김성진(2022), 강소특구 중심의 바이오 클러스터 고도화 전략 수립. 한국과학기술기획평가원 ∙ 김주한(2003), 바이오 클러스터의 성공조건과 발전방안 ∙ 김지은(2019), 국내 바이오 클러스터 활성화를 위한 제언, KHIDI 바이오헬스 리포트. 한국보건산업진흥원 ∙ 대구광역시 외(2016), 메디밸리 브로슈어 ∙ 문혜선(2018), 우리나라 바이오 클러스터의 현황 분석 및 발전 방향 연구 ∙ 부처합동(2023), 첨단산업 글로벌 클러스터 육성 방안 ∙ 서울특별시 서울 홍릉일대 강소연구개발특구 지정 요청서 및 홍릉 일대 도시재생 뉴딜사업 추진 계획, 2023년 R&D 지원 기본계획 등 관련 정책･계획 다수 ∙ 오준병(2021), 인천지역 바이오 클러스터의 특징과 정책적 제언 ∙ 인천경제자유구역청(2023), 송도 바이오 클러스터 추진 경과 및 계획 ∙ 인천광역시(2020), 인천 바이오 뉴딜 추진계획 ∙ 인천연구원(2022), 디지털 전환과 연계한 인천바이오헬스밸리 미래 전략. 인천연구원 ∙ 조용래(2021), 국내 바이오 클러스터의 발전과정. 과학기술정책연구원 ∙ 차세대융합기술연구원(2023), 차세대융합기술연구원 브로슈어. 차세대융합기술연구원 ∙ 충청북도(2022), 2022년 충청북도지역산업진흥계획 ∙ 한국산업단지공단(2023), 2023 산업입지요람. 한국산업단지공단 ∙ 홍미영 외(2022), 바이오헬스 주력산업화를 위한 생태계 구축. 한국과학기술기획평가원 ∙ BioINpro(2016), 국내외 바이오 클러스터 현황. 한국생명공학연구원 KISTEP 이슈페이퍼 발간목록 41 KISTEP 이슈페이퍼 발간목록 발간호 제목 저자 2024-07 (통권 제363호) 토픽모델링-회귀분석 기반의 투자 포트폴리오 분석 및 예측 오건웅, 홍미영 (KISTEP) 2024-06 (통권 제362호) 과학기술 전공자 취업 현황 분석 및 시사점 이정재, 박수빈, 이원홍 (KISTEP) 2024-05 (통권 제361호) ‘생성형 인공지능’ 시대의 10대 미래유망기술 박창현(KISTEP) 2024-04 (통권 제360호) 반도체 분야 정부연구개발투자의 효과성 분석과 개선방안 김준희(KISTEP), 엄익천(KISTEP), 오승환(경상국립대학교), 전주경(KIPRO) 2024-03 (통권 제359호) 신약개발 분야 정부 R&D 현황과 효율성 제고 방안 송창현(KISTEP), 엄익천(KISTEP), 김순남(KDDF), 이원희(유한양행) 2024-02 (통권 제358호) 국가연구개발 성과분석 프레임워크 개발 및 적용 박재민(건국대학교), 문해주(건국대학교), 이호규(고려대학교), 강승규(KIP), 김수민(건국대학교), 박서현(건국대학교) 2024-01 (통권 제357호) KISTEP Think 2024, 10대 과학기술혁신정책 아젠다 강현규, 이민정 (KISTEP) 2023-16 (통권 제356호) 미･중 패권경쟁 시대, 중국이 소재･부품･장비 공급망을 무기화할 수 있을까? 이승필(KISTEP), 이승빈(KICT), 최동혁(KISTEP) 2023-15 (통권 제355호) 다부처R&D사업 표준화 및 IRIS 적용 방안 송혜주, 김병은, 김아름, 김여울, 이혁성 (KISTEP) 2023-14 (통권 제354호) 플라스틱 국제협약 대응을 위한 과학기술의 역할 유새미, 고진원, 박노언 (KISTEP) 2023-13 (통권 제353호) 대학의 기술사업화 전담 조직 현황진단과 개선방안 이길우(KISTEP), 정영룡(CNU), 김성근(PNU), 이지훈(SEOULTECH) 김태현(COMPA) 방형욱(KISTEP) 바이오 클러스터 운영체계 개선을 위한 효율화 방안 연구 42 발간호 제목 저자 2023-12 (통권 제352호) 중소기업 경쟁력 강화를 위한 고경력 과학기술인 활용 조사 및 시사점 김인자, 김가민, 이원홍 (KISTEP) 2023-11 (통권 제351호) 학문분야별 기초연구 지원체계에 대한 중장기 정책제언 (국내외 지원현황의 심층분석을 기반으로) 안지현, 윤성용, 함선영 (KISTEP) 2023-10 (통권 제350호) 기술패권경쟁시대 한국 과학기술외교 대응 방향 강진원(KISTEP), 이정태(KIST), 김진하(KISTEP) 2023-09 (통권 제349호) 신입과학기술인 직무역량에 대한 직장상사-신입간 인식 비교 분석 박수빈 (KISTEP) 2023-08 (통권 제348호) 국가연구개발 성과정보 관리체계 개선 제언 김행미 (KISTEP) 2023-07 (통권 제347호) 기업 혁신활동 제고를 위한 R&D 조세 지원 정책 연구 : 국가전략기술 연구개발 기업을 중심으로 구본진 (KISTEP) 2023-06 (통권 제346호) 임무지향형 사회문제해결 R&D 프로세스 설계 및 제언 박노언, 기지훈, 김현오 (KISTEP) 2023-05 (통권 제345호) STI 인텔리전스 기능 강화 방안 - 12대 과학기술혁신 정책 이슈를 중심으로 - 변순천 외 (KISTEP) 2023-04 (통권 제344호) 국방연구개발 예산 체계 진단과 제언 임승혁, 안광수 (KISTEP) 2023-03 (통권 제343호) 우리나라 바이오헬스 산업의 주력산업화를 위한 정부 역할 및 지원방안 홍미영, 김주원, 안지현, 김종란 (KISTEP) 2023-02 (통권 제342호) ‘데이터 보안’ 시대의 10대 미래유망기술 박창현, 임현 (KISTEP) 2023-01 (통권 제341호) KISTEP Think 2023, 10대 과학기술혁신정책 아젠다 강현규, 최대승 (KISTEP) 필자 소개 ▶ 김주원 - 한국과학기술기획평가원 생명기초사업센터장/연구위원 - 043-750-2434, juwon@kistep.re.kr ▶ 김종란 - 한국과학기술기획평가원 생명기초사업센터 연구위원 - 043-750-2460, jkim@kistep.re.kr KISTEP ISSUE PAPER 2024-08 (통권 제364호) ‖ 발행일 ‖ 2024년 4월 24일 ‖ 발행처 ‖ 한국과학기술기획평가원 전략기획센터 충청북도 음성군 맹동면 원중로 1339 T. 043-750-2300 / F. 043-750-2680 http://www.kistep.re.kr ‖ 인쇄처 ‖ 주식회사 동진문화사(T. 02-2269-4783)
이슈페이퍼	토픽모델링-회귀분석 기반의 투자 포트폴리오 분석 및 예측	2024-04-04
<p><br></p>토픽모델링-회귀분석 기반의 투자 포트폴리오 분석 및 예측 (Investment portfolio analysis and prediction based on topic modeling and regression analysis) 오건웅･홍미영 Gunung Oh ･ Miyoung Hong I. 연구 배경 및 목적 II. 분석방법론 개요 III. 분석방법론 설계 및 검증 Ⅳ. 수소분야 시범 적용 연구 Ⅴ. 연구의 의의 및 과제 [참고문헌] I. Research background and purpose II. Analysis methodology overview III. Analysis methodology design and verification Ⅳ. Hydrogen field pilot application research Ⅴ. Significance and challenges of research [References] 요 약 i 요 약 글로벌 기술패권 경쟁이 국가 안보와 경제성장을 좌우하는 영향 요인이 됨에 따라 주요국은 주목해야 할 핵심기술을 선정하고 범부처 차원의 전략과 로드맵을 마련하여 추진 국정과제 74-2(질적 성장 중심의 R&D 전략성 제고)와 관련하여 부처별 예산 칸막이 구조를 탈피한 통합적인 재원 배분을 위해 부처 횡단적인 예산 배분･조정이 필요 다수 부처 간 연계･협력을 통해 R&D 수행이 필요한 플랫폼 분야 정부R&D 사업을 대상으로 지출 효율화와 전략적 예산 배분을 동시에 고려해야 함 본 연구는 전략적 예산 배분･조정 지원의 과학적 근거 마련을 위해 정부R&D 사업(과제) 정보와 투자데이터 기반의 분석플랫폼 개발을 목표로 함 지난 20여 년 수행한 정부R&D 사업의 특성을 분류하기 위한 라벨을 부여하고, 정부R&D 전체 사업의 특성을 분석하는 데 필요한 최적의 라벨 수를 도출 정부R&D 사업(과제) 분석으로부터 도출한 라벨들의 연도별 변화를 살펴보고, 라벨별 투자 변동 추이와 그 비율을 정량적으로 도출 각 라벨(연구개발영역)에 대한 차년도 투자 예상 규모(비율)를 추정하기 위해 라벨별 투자 추이 데이터에 회귀분석을 적용 과거 정부R&D 사업(과제) 분석으로부터 도출한 라벨들의 연도별 변화로부터 투자 포트폴리오를 분석할 수 있으며, 라벨(연구개발영역)별 투자 추이 데이터에 회귀분석을 적용함으로써 투자 시나리오 기반의 차년도 투자 규모 예측에 활용 정부R&D 사업(과제)의 특성을 구분하기 위한 라벨링 기법과 함께 회귀분석을 적용하여 과거 투자 변동 추이를 추적하고 차년도 투자 예상 규모(비율)를 예측하는 분석 방법을 설계･검증 정부R&D 사업/과제정보를 전처리한 후 토픽모델링을 수행하고 사업(과제)별 토픽 분포를 라벨로 활용 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 ii 사업/과제 라벨(토픽)에 연차별 예산을 부여하고 중요도로 명명하고, 라벨 중요도의 연차별 추이를 파악하고 차년도 라벨별 예산 규모를 예측 수소분야 시범 적용 연구에서 수소분야 사업의 라벨 중 log(중요도) 기준 상위 50% 라벨을 대상으로 회귀분석을 수행 토픽모델링 분석세트에 대해 분석조건을 달리하여 (실측치/예측치) 비율과 (실측치-예측치) 평균절대오차 기준으로 회귀분석의 예측 성능을 비교 정부R&D 사업/과제정보와 투자데이터를 활용한 토픽모델링-회귀분석을 통해 플랫폼 방식의 R&D예산 배분･조정 지원을 위한 투자플랫폼 고도화에 기여 현재까지 축적된 정부R&D 사업/과제정보를 활용하여 토픽모델링을 통한 라벨링을 수행하고 각 라벨에 대한 중요도(예산)를 부여함으로써 연도별 투자 포트폴리오 변화를 추적 토픽모델링-회귀분석 기반의 투자 포트폴리오 분석 및 예측 방법론을 수소분야에 시범 적용하여 차년도 수소분야 예산 규모 예측을 위한 최적의 분석조건을 탐색 후속 연구에서는 사업 정보를 충분히 확보하거나 머신러닝 기반의 빅데이터 처리를 통해 투자 시나리오 기반의 차년도 정부R&D 예산 규모 예측의 정확성과 속도 향상 필요 ※ 본 이슈페이퍼는 한국과학기술기획평가원에서 발간한 연구보고서 ｢근거 기반 R&D예산 배분･조정 체계 구축 - R&D투자 전략 수립 지원｣의 내용을 발전시킨 것으로 한국과학기술기획평가원의 공식 의견이 아닌 필자의 견해임을 밝힙니다. Abstract iii Abstract As the competition for global technological hegemony becomes an influential factor that determines national security and economic growth, major countries select core technologies that require attention and prepare and promote strategies and roadmaps at the government-wide level. In relation to national task 74-2 (enhancing R&D strategy centered on qualitative growth), cross-ministerial budget allocation and adjustment is necessary for integrated financial resource distribution that breaks away from the budget partition structure of each ministry. Expenditure efficiency and strategic budget allocation should be considered simultaneously for government R&D projects in platform areas that require R&D through linkage and cooperation between multiple ministries. This study aims to develop the analysis platform based on government R&D project information and investment data to provide scientific basis for strategic budget allocation and adjustment support. Labels are assigned to classify the characteristics of government R&D projects carried out over the past 20 years, and the optimal number of labels needed to analyze the characteristics of all government R&D projects is derived. We examine yearly changes in labels derived from government R&D project analysis, and quantitatively derive investment change trends and ratios for each label. Regression analysis is applied to investment trend data by label to estimate the expected size/ratio of next year's investment for each label. Analyze the investment portfolio from yearly changes in labels derived from past government R&D project analysis and apply regression analysis to 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 iv investment trend data for each label to predict investment size for the next year based on investment scenarios. By applying regression analysis along with labeling techniques to distinguish the characteristics of government R&D projects, we designed and verified an analysis method to track trends in past investment changes and predict the expected size(ratio) of investment for the next year. After preprocessing government R&D project information, perform topic modeling and use the topic distribution by project as a label. Assign annual budgets to labels(topics) and name them by importance, identify annual trends in label importance, and predict the budget size for each label for the next year. In a pilot application study in the hydrogen field, regression analysis was performed on the top 50% of labels based on log(importance) among the labels of hydrogen field projects. Compare the prediction performance of regression analysis based on the (actual value/predicted value) ratio and (actual value-predicted value) mean absolute error by varying the analysis conditions for the topic modeling analysis set. Contribute to upgrading the investment platform to support platform-based R&D budget distribution and adjustment through topic modeling and regression analysis using government R&D project information and investment data. Track changes in investment portfolio by year by performing labeling through topic modeling using government R&D project information accumulated to date and assigning importance(budget) to each label. Topic modeling-regression analysis-based investment portfolio analysis and forecasting methodology is applied to the hydrogen field on a pilot basis to explore optimal analysis conditions for predicting the budget size of the hydrogen field for the next year. Abstract v In follow-up research, it is necessary to improve the accuracy and speed of predicting the next year's government R&D budget size based on investment scenarios by securing sufficient business information or processing big data based on machine learning. I. 연구 배경 및 목적 1 연구 배경 및 목적Ⅰ 정부R&D 예산 규모 확대, R&D 수행 부처와 사업 수 증가, 다부처가 관여하는 R&D사업의 복합성 증대 등 주요R&D 예산심의 환경변화에 대응하기 위한 업무 효율성 제고 필요 ※ (주요R&D 예산) (’13) 11.2조원 → (’18) 14.7조원 → (’23) 24.9조원 (주요R&D 사업) (’13) 395개 → (’18) 466개 → (’23) 1,254개 (주요R&D 수행 부처) (’18) 21개 → (’23) 28개 정부R&D 예산의 배분 및 편성 단계에서 한정된 자원과 역량을 활용해야 하는 한계로 인해 정부R&D 설계 및 실행 단계에서의 전략성과 효율성이 강조 글로벌 기술패권 경쟁이 국가 안보와 경제성장을 좌우하는 영향 요인이 됨에 따라 주요국은 주목해야 할 핵심기술을 선정하고 범부처 차원의 전략과 로드맵 등을 마련하여 추진 정부는 국정과제 74-2(질적 성장 중심의 R&D 전략성 제고)를 통해 기존의 부처별 체계(종적)를 경제･사회적 목적 수요와 최종 비전에 따라 R&D 예산을 재구조화하고 플랫폼 방식(횡적)으로 배분･조정할 것을 제시 기존 지출에 대한 체계적 검토를 통해 사업･정책의 전략적 우선순위를 재분배하고, 과학기술 인력양성과 밀접히 관련 있는 사업은 주요 R&D에 포함하여 통합 조정 국정과제 74-2와 관련하여 부처별 예산 칸막이 구조를 탈피한 국가 전체의 통합적인 재원 배분이 실현되려면, 부처 횡단적인 예산 배분･조정이 필요 [그림 1] 범부처 통합적 R&D예산 배분･조정 개념 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 2 다수 부처 간 연계･협력을 통해 R&D 수행이 필요한 플랫폼 분야 정부R&D 사업을 대상으로 지출 효율화와 전략적 예산 배분을 동시에 고려해야 함 2022년 탄소중립 분야에 시범 적용한 성과를 바탕으로 임무중심 R&D 체계 구축, 경제･외교･안보 관점의 주도권 확보가 필요한 국가전략기술, 탄소중립 분야 등을 대상으로 플랫폼 방식의 부처 횡단형 예산 배분･조정을 실시하고 있음 2023년 정부R&D사업 예산심의 시 탄소중립 분야에 플랫폼 방식의 예산 배분･조정을 시범 적용(’22년 기준) 국가전략기술, 탄소중립 등 임무중심의 플랫폼 분야를 대상으로 부처 간 긴밀한 연계･협력이 요구되는 상황을 고려하여 전주기로 전략적 지출검토와 통합적 배분･조정 등을 수행 전략적 지출검토 (계속사업) ➜ 중기심의 (계속･신규사업) ➜ 사전컨설팅 (신규사업 사전점검) ➜ 통합적 예산 배분･조정 (최종 종합검토) [그림 2] 범부처 통합적 R&D예산 배분･조정 프로세스 분야별 중요도와 우선순위를 고려한 플랫폼 방식의 통합적 예산 배분･조정을 지원할 수 있도록 정부R&D 투자데이터와 분석도구를 활용한 투자플랫폼 구축 연구가 필요 투자플랫폼은 정부R&D사업 전체 대상으로 투자 포트폴리오를 분석하고 투자 시나리오 생성, 적정 규모 예측 등을 수행하는 데이터 기반 분석을 포함 정부R&D 사업(과제) 정보와 투자데이터를 통합적으로 분석하여 전략적 R&D 투자를 위한 정책적 근거를 생성하려면, 빅데이터 수집･정제 및 지능형 분석시스템 구축이 필요 본 고에서는 전략적 예산 배분･조정 지원의 과학적 근거 마련을 위해 수행한 정부R&D 사업(과제) 정보와 투자데이터 기반의 분석방법론 설계･검증 및 수소분야 시범 적용 연구 결과를 제시 NTIS 세부과제와 국회공통요구자료(세부사업) 등 대량의 정보와 투자데이터를 연계한 분석방법론을 설계･검증하고, 수소분야에 실제 적용하여 활용 방안을 제시 II. 분석방법론 개요 3 분석방법론 개요Ⅱ 본 연구에서는 정부R&D 사업(과제)의 특성을 구분하기 위한 라벨링 기법과 함께 회귀분석을 적용하여 과거 투자 변동 추이를 추적하고 차년도 투자 예상 규모(비율)를 예측하는 분석 방법을 설계･검증하고 시범 적용 연구를 수행 지난 20여 년 수행한 정부R&D 사업의 특성을 분류하기 위한 라벨을 부여하였으며, 이 과정에서 정부R&D 전체 사업의 특성을 분석하는 데 필요한 최적의 라벨 수를 도출 과거 정부R&D 사업(과제) 분석으로부터 도출한 라벨들의 연도별 변화를 살펴보고, 라벨별 투자 변동 추이 및 그 비율을 정량적으로 도출 각 라벨(연구개발영역)에 대한 차년도 투자 예상 규모와 그 비율을 추정하기 위해 “라벨별 투자 추이 데이터”에 회귀분석을 적용 과거 정부R&D 사업(과제) 분석으로부터 도출한 라벨들의 연도별 변화로부터 투자 포트폴리오를 분석할 수 있으며, 라벨(연구개발영역)별 투자 추이 데이터에 회귀분석을 적용함으로써 투자 시나리오 기반의 차년도 투자 규모 예측에 활용 2018 2019 2020 2021 2022 2023 [그림 3] 라벨링 → 회귀분석 → 차년도 예산 예측 프로세스 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 4 1. 정부R&D사업 라벨링 정부R&D 사업/과제정보를 전처리한 후 토픽모델링을 수행하고 사업(과제)별 토픽 분포를 라벨로 활용 (활용데이터) 국회공통요구자료에 포함된 핵심 키워드가 적고 문서 간 편차가 있어, 본 연구에서는 정부R&D사업 라벨링을 위해 NTIS 세부과제와 국회공통요구자료(세부사업)를 모두 활용 - NTIS 세부과제(2007~2021년) 정보는 NTIS 홈페이지에서 내려받았으며, xls 파일로 활용 (총 798,585건 중 715,884건(89.6%)을 분석에 활용) - 국회공통요구자료(2010~2023년)는 부처 홈페이지 또는 국회 도서관에서 내려받은 후 세부사업별로 txt 파일로 변환 후 활용 (총 12,383건 중 5,373건(56.6%)을 분석에 활용) (전처리) 각 문서의 키워드 추출, 불용어 처리 등 데이터 전처리 수행 - NTIS 세부과제의 요약문(연구목표, 연구내용, 기대효과, 한글키워드), 국회공통요구자료 (세부사업)는 txt 파일 내 전체 키워드를 활용 - 텍스트를 2글자 이상 한국어 명사로 이루어진 키워드 목록으로 변환 후 konlpy(버전 0.5.2)의 Hannanum 클래스를 이용하여 명사 추출 - 높은 빈도수 및 의미 없는 단어 등의 기준으로 불용어(stopword)를 직접 판단하고 과제 불용어와 사업 불용어에 한 번 이상 포함된 키워드를 최종 불용어로 선정(총 25,321개) (토픽모델링) 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA1)) 모델을 구현하기 위해 파이썬(Python) 사이킷런(sklearn) 라이브러리 내 decomposition 모듈의 LatentDirichletAllocation 클래스 사용 - 문서(과제, 사업)에서 등장한 키워드의 빈도수를 행렬로 표현하는 문서단어행렬(Document Term Matrix, DTM) 생성 ※ 행 방향으로 각 문서가 위치하며, 행의 개수는 고려하는 문서의 개수, 열 방향으로 각 키워드가 위치하며, 열의 개수는 세팅한 키워드 개수(1,000,000개)임. 예를 들어, 2021년 총 72,306개 과제와 845개의 사업이 분석 대상이므로, 2021년에 해당하는 문서단어행렬은 74,837×1,000,000 1) 주어진 문서에 대하여 각 문서에 대한 주제와 그에 해당하는 단어들을 확률적으로 서술하는 베이지안 통계 모델(Blei 외, 2006) II. 분석방법론 개요 5 - LDA 토픽모델을 적용하여 토픽별 중요 키워드 목록 및 문서별 토픽 분포를 계산하고, 문서별 토픽 분포는 각 사업 및 과제의 라벨로 활용 구 분 토픽 수 키워드 개수 대상 연도 사업 과제 사전분석* 1,000 1,000,000 2012~2021 2012~2021 사업250 250 100,000 2017~2023 - 사업500 500 100,000 2017~2023 - K03501723 350 1,000,000 2017~2023 2017~2021 K05001723 500 1,000,000 2017~2023 2017~2021 K10001723 1,000 1,000,000 2017~2023 2017~2021 K15001723 1,500 1,000,000 2017~2023 2017~2021 K10001623 1,000 1,000,000 2016~2023 2016~2021 K10001523 1,000 1,000,000 2015~2023 2015~2021 K10001622 1,000 1,000,000 2016~2022 2016~2020 K10001521 1,000 1,000,000 2015~2021 2015~2019 <표 1> LDA 토픽모델 세트 * 사업(2012~2021년), 과제(2012~2021년), 토픽 1,000개 2. 라벨 회귀분석 사업/과제 라벨(토픽)에 연차별 예산을 부여하고 ‘중요도’로 명명하였으며, 라벨 중요도의 연차별 추이를 파악하고 차년도 라벨별 예산 규모를 예측 토픽 분포의 예산 부여, 회귀분석 등 설계한 분석 프로세스를 국가전략기술 중 하나인 수소분야 정부R&D사업을 대상으로 시범 적용 연구를 수행 사업(과제) 정보 전처리, 토픽모델링 ➜ 토픽(라벨) 도출, 중요도 계산 ➜ 라벨별 예산 규모 예측 (회귀분석) 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 6 라벨링(토픽 분포) 결과를 토대로 각 토픽의 연차별 예산을 부여하고 이를 중요도()로 정의 토픽 개수 개, 고려하는 단어 개수 개, 각 연도 에서 사업 개수 , 전체 사업 개수(연차별 중복)        , = 2011,⋯,2023 각 연도 에서 사업 의 연구비  ,   ⋯ , 각 연도 에서 사업 의 토픽 분포       ⋯          ,   ⋯ , 토픽 의 단어 분포    ⋯          중요도          ,   ⋯, = 2011,⋯,2023 각 사업의 토픽 k에 해당하는 정도가 클수록 또는 각 토픽 k에 해당하는 사업의 예산이 클수록 중요도 증가 해당 연도 t의 모든 토픽 중요도를 합하면              해당 연도 t에서 토픽모델링이 수행된 사업들의 연구비 합과 동일 계산된 토픽들의 중요도를 연도에 따른 회귀분석 수행 원본 데이터 또는 변환을 수행하고 선형회귀분석, 지수평활법 등 적절한 회귀분석 방안을 도출 반응변수가 양수인 벡터   ⋯에 대하여 Box-Cox 변환은  를 다음과 같이 정의함              if  ≠ log   if    lim →     log  - λ 최적값 계산은 R의 MASS 패키지에 내장된 boxcox()함수를 이용하여 수행 III. 분석방법론 설계 및 검증 7 분석방법론 설계 및 검증Ⅲ 1. 정부R&D사업 라벨링 정부R&D사업의 목표와 유형에 따라 다양한 키워드로 구성되어 있으며, 사업의 특성을 분해하기 위해서는 여러 개의 라벨을 적용하는 것이 필요 정부R&D사업의 목표* 및 유형*에 따라 다양한 키워드로 구성되며, 정책･제도･기술 등 여러 분야에 걸쳐 다양한 키워드가 사업(과제) 문서에 포함되어 있음 (예시) 탄소중립, 인재양성 등, ** (예시) 프로그램, 임무중심형 등 각 세부사업이 포함하는 키워드로 사업의 특성을 구분하고 분류하기 위해서는 각 사업에 대해 1개의 라벨이 아닌 여러 개의 라벨을 적용하는 것이 적합 - ’23년 기준 1,530개의 세부사업별로 여러 개의 라벨을 적용해야 하므로, 중복을 고려해도 상당히 많은 수의 토픽이 필요 본 연구에서는 토픽모델링-회귀분석으로 이어지는 전체 프로세스에서 회귀분석 단계에서의 예측 성능을 종합적으로 판단하여 최적의 라벨(토픽) 수를 결정 기존 토픽모델링 관련 연구에서는 낮은 혼잡도 또는 높은 응집도를 갖는 조건으로부터 적절한 토픽 수를 선택 - 미세먼지(윤순욱 외, 2020) 연구에서는 낮은 혼잡도를 갖는, 인공지능(양명석 외, 2021) 및 자율주행자동차(김길래, 2021) 연구에서는 높은 응집도를 갖는 토픽 수를 선택 - 공학･사회과학(최성철, 2020), ICT(송병기 외, 2022) 연구에서는 혼잡도와 응집도를 모두 사용하여 낮은 혼잡도 및 높은 응집도를 갖는 적절한 토픽 수를 선택 본 연구에서는 토픽모델링을 통한 적절한 라벨 분류와 함께 회귀분석 예측의 신뢰성 확보를 위해 토픽 수를 달리하며 전체 분석 프로세스를 수행하고 최적의 토픽 수를 결정 - 정부R&D사업의 라벨로 사용하는 토픽 내 키워드 구성은 세부사업의 특성을 나타내는 중간 결과물이며, 이러한 키워드 분석에 관한 연구는 위의 사례와 같이 이미 존재 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 8 - 본 연구의 결과는 회귀분석에 따른 투자 예상 규모 예측이기 때문에, 라벨별(토픽별) 키워드 구성 분석과 토픽명 부여는 수행하지 않음 <표 1>에 제시한 전체 분석세트에 대한 토픽모델링을 수행하였으며, 그중에서 K10001723 분석세트의 토픽모델링 결과를 살펴보고자 함 [그림4]는 사업1의 ’23년 토픽 분포이며, 토픽969(41.7%), 토픽465(34.8%) 등이 가장 큰 라벨로 확인 [그림 4] K10001723 분석세트의 사업1 토픽 분포 [그림5]의 ’21년 과제40의 토픽 분포에서는 토픽458, 토픽180, 토픽367, 토픽961, 토픽122, 토픽370 등의 순으로 6개의 토픽이 가장 큰 라벨로 분석됨 [그림 5] K10001723 분석세트의 과제40 토픽 분포 III. 분석방법론 설계 및 검증 9 [그림 6~9]를 통해 토픽1을 구성하는 키워드로 ‘웨어러블’ 키워드가 가장 높은 빈도수를 차지하고, 토픽1000을 구성하는 키워드로 ‘모서리’, ‘폐비닐’, ‘석회석’, ‘협착’ 등의 키워드가 상대적으로 높은 빈도수를 차지하는 것을 확인 [그림 6] K10001723 분석세트의 토픽1 키워드 분포 [그림 7] K10001723 분석세트의 토픽1 워드클라우드 [그림 8] K10001723 분석세트의 토픽1000 키워드 분포 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 10 [그림 9] K10001723 분석세트의 토픽1000 워드클라우드 2. 중요도(라벨에 연도별 예산) 부여 토픽모델링 결과에 대해 사업/과제 라벨링을 위해 전처리를 수행하고, 주요 라벨에 대해서만 가중치를 적용한 후 라벨 중요도를 계산 사업/과제정보 중 전체 라벨의 분포가 (1/토픽 수)보다 작은 비율을 나타내거나 동일한 경우에는 토픽 분류가 되지 않으므로, 해당 정보는 제외 ※ 토픽 수 1,000개 시 비율 0.001 이하의 라벨(토픽)은 제외 토픽모델링과 라벨링 전처리 이후에 주요 라벨에 대해서만 가중치를 적용한 후에 각 사업의 예산을 라벨(토픽) 분포에 부여하여 중요도 계산 라벨 가중치 = 주요 라벨n 비율/∑주요 라벨 비율 (a) (b) [그림 10] (a) 2023년 사업 토픽 분포 및 예산, 예산 가중치 현황, (b) 연차별 중요도 예시 III. 분석방법론 설계 및 검증 11 각 분석세트로부터 사업의 중요도가 계산된 비율<표 2>을 보면, 토픽 수, 토픽모델링 범위 등에 관계없이 연도별 중요도는 유사한 것으로 확인 비율 = {(토픽 중요도의 합) / (당해연도 전체 예산)} × 100% - 다만, K10001521 분석세트에서만 연도별 중요도의 비율이 다르게 나왔는데, 이는 사업 중요도가 낮은 경우는 사업 문서에서 유래된 키워드가 상대적으로 적고 과제 문서에서 유래된 키워드가 더 많이 토픽에 반영된 것을 의미함 ※ 이로부터 해당연도, 토픽모델링 범위 등 하나의 특정 변수가 아닌 여러 변수의 복합적인 영향으로 인해 낮은 중요도 비율이 계산된 것으로 추측 이러한 결과로부터 라벨 회귀분석의 예측 성능과 신뢰도 기준으로 최적의 토픽모델링 분석조건을 확립하는 것이 적절하다고 판단 구 분 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 사전분석* 6.2 4.8 25.0 46.1 54.1 62.7 79.5 77.9 46.3 59.9 - - 사업250 - - - - - 62.7 79.5 77.9 46.3 59.9 80.7 80.6 사업500 - - - - - 62.7 79.5 77.9 46.3 59.9 80.7 80.6 K03501723 - - - - - 62.7 79.5 77.9 46.3 59.9 80.7 80.6 K05001723 - - - - - 62.7 79.5 77.9 46.3 59.9 80.7 85.6 K10001723 - - - - - 62.7 79.5 77.9 46.3 59.9 80.7 80.6 K15001723 - - - - - 62.7 79.5 77.9 46.3 59.9 80.7 80.6 K10001623 - - - - 54.1 62.7 79.5 77.9 46.3 59.9 80.7 80.6 K10001523 - - - - 54.1 62.7 79.5 77.9 46.3 59.9 80.7 - K10001622 - - - - 54.1 62.7 79.5 77.9 46.3 59.9 80.7 - K10001521 - - - 45.7 53.1 62.1 76.2 66.0 40.9 55.1 - - <표 2> 사업 중요도 계산 비율 (토픽 중요도 합과 당해연도 전체 예산의 비율) (단위: %) ※ 모든 분석세트에서 ’20년 사업 중요도 계산 비율이 50% 이하인 것은 ’20년의 정보 부족으로 인한 결과로 확인 * (분석대상) 사업(2012~2021년), 과제(2012~2021년), 토픽 1,000개 3. 라벨 중요도의 회귀분석 각 분석세트의 라벨 중요도를 회귀분석에 따른 결정계수(R2) 분포를 살펴보았을 때, 모든 분석세트에서 상당수의 라벨이 0.65 이하의 R2를 보여 선형성이 낮은 것으로 확인 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 12 이는 해당 분석구간에 라벨 중요도의 증감 변동 요인(예: 코로나19, 소부장 등)에 따른 정부R&D 예산 규모가 영향을 받아 선형성이 낮은 것으로 추측 라벨 중요도에 Box-Cox 변환을 적용하여 회귀분석 시 예측 성능을 제고 사전분석세트의 전체 라벨 중요도에 대해 Box-Cox 변환을 적용한 결과, 최적의 λ값이 0에 근접한 값이 도출되어 로그 변환과 유사한 효과를 보였으며, 이에 따라 모든 분석세트에 전체 log 변환을 적용 ※ ’20년의 중요도 계산이 매우 낮은 비율로 나와 회귀분석의 예측 신뢰성을 떨어뜨리므로, 수소분야 시범적용 시 ’20년 데이터를 제외하고 회귀분석을 수행하고 그 결과를 해석 정부R&D 전 분야를 대상으로 하는 모든 분석세트에서 Box-Cox 변환 후 라벨 중요도 선형회귀분석의 결정계수(R2)가 0.65 이상인 비율이 향상되었음을 확인 구 분 선형회귀분석 결정계수(R2) 0.65 이상 비율 라벨 중요도 기준 (Box-Cox 변환 전) log(라벨 중요도) 기준 (Box-Cox 변환 후) 사업250 18.4% 27.2% 사업500 20.6% 27.0% K03501723 13.4% 29.3% K05001723 10.8% 22.4% K10001723 8.4% 24.5% K15001723 14.6% 21.7% K10001623 11.8% 18.2% K10001523 8.7% 19.1% K10001622 8.3% 19.2% K10001521 8.7% 16.1% <표 3> Box-Cox 변환에 따른 선형회귀분석 결정계수(R2) 0.65 이상 비율 12대 국가전략기술 중의 하나인 수소분야를 대상으로 토픽모델링 → 중요도 부여 → Box-Cox 변환 → 선형회귀분석 순으로 시범 적용 연구를 수행 IV. 수소분야 시범 적용 연구 13 수소분야 시범 적용 연구Ⅳ 국가전략기술 중 하나인 수소분야는 장기간 정부R&D를 통해 지원되어 적절한 양의 사업/과제정보를 보유하고 있어 시범 적용 대상으로 선정 수소분야 정부R&D사업의 라벨은 수소분야 사업에만 해당하는 것이 아니며, 타 분야의 사업에 중복으로 해당할 수 있음 수소분야 라벨과 타 분야와 동시에 연관된 라벨까지 포함하여 회귀분석을 수행해야 하므로, 본 연구의 시범 적용 단계에서는 국회공통요구자료(세부사업) 기준으로 수소분야 사업으로 판단한 후 분석을 수행 수소분야 사업의 라벨 중 회귀분석은 수소 중요도* 기준 상위 50%** 라벨을 대상으로 회귀분석 방법에 따른 예측 성능을 비교하고 토픽 수 등 최적의 분석 방안을 탐색 * 수소 분야 예산으로 계산되는 중요도 = ∑(수소 사업 토픽 분포×수소 사업 예산) ** (예시) ’23년 수소분야 전체 중요도(예산) 980,255백만원에 대해 중요도 상위 라벨 중 중요도의 합이 490,178백만원 이상이 되는 최소 개수의 라벨을 대상으로 함 수소분야 중요도 기준 상위 50% 라벨들로 22개의 토픽이 확인되었으며(K10001723 분석세트 기준), 이들을 대상으로 회귀분석의 예측 성능을 테스트 토픽114, 토픽224, 토픽349, 토픽199, 토픽44, 토픽421 등이 수소 중요도 200억원 이상의 토픽으로 구분됨 토픽 수소 중요도 키워드1 키워드2 키워드3 키워드4 키워드5 키워드6 키워드7 키워드8 키워드9 키워드10 토픽114 148,130 재생에너지 산업통상자원부 에너지 탄소중립 경제성 기금 전력 에너지기술 온실가스 공급 토픽224 57,493 수소 수소생산 수소충전소 수소에너지 공급 수전해 수소경제 액화 액화수소 충전소 토픽349 47,639 생태계 과기정통부 일자리 산업부 제조업 융복합 장비구축 과기부 주력산업 산업통상자원부 <표 4> 수소분야 상위 50% 라벨: 수소 중요도 및 10대 키워드 (K10001723 분석세트 기준) (단위: 백만 원) 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 14 토픽 수소 중요도 키워드1 키워드2 키워드3 키워드4 키워드5 키워드6 키워드7 키워드8 키워드9 키워드10 토픽199 27,669 박테리아 구조용 생촉매 데크플레이트 도판트 바이오원유 진공단열패널 중공슬래브 경제적 단열외피 토픽44 22,086 연료전지 운전 스택 내구성 수소연료전지 분리판 전해질막 공급 연료 촉매층 토픽421 20,449 광합성 엽록체 파이토크롬 식물호르몬 리소솜 광신호전달 반응성 이동 단자엽 생산성 토픽334 19,734 고밀도 집합체 이미지센서 판형핵연료 조사시험 평판형 곡면형 고정장치 핵연료 혈류량 토픽677 14,532 측정기술 생체시계 리듬 생체리듬 일주 측정표준 플렌옵틱 시계 저해물질 감자 토픽778 14,144 태양광 가정용 발전량 태양광발전 발전소 모니터링 영농형 일사량 발전효율 태양광발전소 토픽270 13,590 고분자 합성 전도성 중합 단량체 공중합체 분자량 물질 용매 소재 토픽772 13,511 모듈 태양전지 실리콘 최적화 고효율 웨이퍼 대면적 출력 투명전극 테스트 토픽445 11,132 발전기 풍력 컬러 풍력발전기 발전소 풍속 풍력발전 풍력터빈 출력 발전량 토픽626 11,032 에너지 소비 최적화 절감 전기 변환 공급 사용량 고효율 전기에너지 토픽861 10,816 선박 시뮬레이터 선체 운항 조선 육상 조선소 기자재 선박용 해상 토픽875 9,479 항공기 항공 상향 산업부 미래부 산업통상자원부 항공용 징수 지수 등록특허 토픽984 9,086 도메인 살균 삼차원 막단백질 전자현미경 표적단백질 결정화 결정학 단백질 메커니즘 토픽992 8,445 녹차 바이오황 디버링 홍차 열병합 경전철 생태건축 혼합 레보도파 카테킨 토픽611 6,880 국토교통부 원료의약품 성장촉진 국토교통과학기술 공기업 국토부 특별법 물류등기타 국토교통연구개발 교통기술 토픽438 6,828 소재 원천 고기능성 복합소재 신소재 최적화 고부가가치 소재들 소재별 제조기술 토픽783 6,590 벽면 유기성분 아노다이징 해양정보 교수법 확산체 치매안심센터 누에고치 자연순환 세리 토픽797 6,541 광자 양자 양자컴퓨팅 양자컴퓨터 간섭계 양자정보 큐빗 단일광자 양자통신 양자상태 토픽498 6,458 과학기술정보통신부 일회용 이사회 증감률 결산액 부설 과학기술기본법 정보통신부 미래창조과학부 산업계 IV. 수소분야 시범 적용 연구 15 수소분야 중요도 기준 상위 50% 라벨의 log(중요도)에 대한 회귀분석 방법을 달리하여 예측치(’23년)를 산출하고, 해당연도의 (예측치/실측치) 비율로부터 예측 성능을 비교 K10001723 분석세트 기준으로 지수평활법(ETS)과 선형회귀분석(linear regression)을 적용하여 ’23년 예산에 대한 예측 성능을 비교 <표 5> - 토픽349는 큰 예산(중요도)이 확인되며, 실측치 대비 지수평활법(0.79), 선형회귀분석 (0.89)의 예측 결과가 확인 - 토픽875는 실측치 대비 선형회귀분석 0.96으로 가장 좋은 예측 성능을 보였으며, 토픽626은 실측치 대비 지수평활법 0.94로 분석세트 내 두 번째로 예측 성능이 우수 토 픽 실측치 (’23년) 지수평활법 선형회귀분석 예측치(’23년) 예측치/실측치 비율 예측치(’23년) 예측치/실측치 비율 토픽114 610,385 201,470 0.33 236,235 0.39 토픽224 117,386 161,344 1.37 100,048 0.85 토픽349 2,666,864 2,093,156 0.78 2,367,729 0.89 토픽199 38,041 11,172 0.29 27,692 0.73 토픽44 34,931 28,726 0.82 28,106 0.80 토픽421 34,313 117,525 3.43 147,366 4.29 토픽334 35,572 99,532 2.80 76,864 2.16 토픽677 26,692 22,328 0.84 23,618 0.88 토픽778 20,152 8,512 0.42 6,980 0.35 토픽270 27,518 45,174 1.64 63,030 2.29 토픽772 36,040 23,025 0.64 23,806 0.66 토픽445 111,409 359,823 3.23 518,245 4.65 토픽626 92,445 86,750 0.94 62,380 0.67 토픽861 34,473 11,974 0.35 23,479 0.68 토픽875 522,402 357,503 0.68 498,915 0.96 토픽984 17,050 15,078 0.88 15,552 0.91 토픽992 12,009 39,129 3.26 20,625 1.72 토픽611 196,025 262,538 1.34 369,849 1.89 토픽438 246,305 149,598 0.61 135,366 0.55 토픽783 9,579 5,959 0.62 17,598 1.84 토픽797 35,142 74,386 2.12 118,056 3.36 토픽498 219,401 324,631 1.48 882,058 4.02 <표 5> 수소분야 상위 50% 라벨에 대한 log(중요도) 회귀분석 결과 (K10001723 분석세트 기준) (단위: 백만 원) 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 16 모든 분석세트에 대해 지수평활법을 적용하였을 때, 회귀분석의 (예측치/실측치) 비율이 사업250, K10001622 분석세트에서 1에 가까운 결과를 보임 사업500, K10001521 분석세트는 예측 결과가 크게 벗어나므로 제외 [그림 11] 분석세트별 중요도 상위 50% 라벨의 지수평활법 분석 결과 (예측치/실측치 비율) 모든 분석세트에 대해 선형회귀분석을 적용하였을 때, 회귀분석의 (예측치/실측치) 비율이 K15001723, K10001523, 사업250 분석세트에서 1에 가까운 결과를 보임 사업500, K10001521 분석세트는 예측 결과가 크게 벗어나므로 제외 [그림 12] 분석세트별 중요도 상위 50% 라벨의 선형회귀분석 분석 결과 (예측치/실측치 비율) 수소 중요도 기준 상위 50% 라벨의 log(중요도)에 대한 회귀분석으로부터 (예측치/실측치) 비율과 함께 평균절대오차(MAE, Mean absolute error) 기준으로 예측 성능을 비교 회귀분석 방법에 따른 (실측치 – 예측치) 평균절대오차 기준으로 K05001723, K15001723 분석세트에서 수소분야 ’23년 투자 규모 예측 성능이 우수한 것으로 분석됨 IV. 수소분야 시범 적용 연구 17 구 분 평균절대오차(MAE) 지수평활법 선형회귀분석 사업250 99,934 64,625 사업500 263,538 933,341 K03501723 180,861 254,804 K05001723 102,128 59,907 K10001723 92,519 111,181 K15001723 82,122 81,350 K10001623 136,578 477,792 K10001523 139,909 182,430 K10001622 232,588 261,026 K10001521 2,512,133 399,175 <표 6> 분석세트별 상위 50% 라벨 log(중요도)에 대한 회귀분석 결과 (평균절대오차) (단위: 백만 원) 후속 연구에서는 연도별 라벨 log(중요도) 추이에서 분석구간 내 증감 패턴을 고려하여 회귀분석 적용 방안을 탐색하고자 함 수소분야 상위 5개 라벨의 연도별 log(중요도)는 전체 분석구간에서 증가 경향을 보임 (a) (b) (c) (d) 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 18 (e) (f) [그림 13] (a) 사업250, (b) 사업500, (c) K03501723, (d) K05001723, (e) K15001723, (f) K10001623 분석세트: 수소분야 중요도 상위 5개 라벨의 log(중요도) 변화 추이 수소분야 라벨 기준으로 분석구간 내 연도별 log(중요도)의 증감 패턴을 고려하여 회귀분석을 실시하여 예측 성능을 개선하고자 함 - 전체 라벨 log(중요도)의 증감 유형, 증감 시기 등에 따른 분류를 위해 Spotfire 프로그램 내 K-means 클러스터링 기능을 활용하여 유형 분류를 수행할 수 있음 ※ 전체 라벨 log(중요도)를 Spotfire 프로그램 내 K-means 클러스터링 기능을 적용하였을 때, 유사한 유형끼리 9개 그룹으로 구분됨 [그림 14] 라벨의 연도별 log(중요도)에 대한 K-means 클러스터링 결과: 9개 유형 분류 V. 결론 및 향후 과제 19 연구의 의의 및 과제Ⅴ 정부R&D 사업(과제) 정보와 투자데이터를 활용한 토픽모델링-회귀분석을 통해 플랫폼 방식의 R&D예산 배분･조정 지원을 위한 투자플랫폼 고도화에 기여 현재까지 축적된 정부R&D 사업/과제정보를 활용하여 토픽모델링을 통한 라벨링을 수행하고 각 라벨에 대한 중요도(예산)를 부여함으로써 연도별 투자 포트폴리오 변화를 추적 전체 정부R&D사업에 대한 라벨링-회귀분석 적용 방안을 확립하고 투자 포트폴리오 구성을 통한 차년도 투자 규모에 대한 예측 가능성을 확인 토픽모델링-회귀분석 기반의 투자 포트폴리오 분석 및 예측 방법론을 수소분야에 시범 적용하여 차년도 수소분야 예산 규모 예측을 위한 최적의 분석조건을 탐색 본 연구에서 다룬 정부R&D 정보와 데이터 기반의 토픽모델링-회귀분석 연계 분석은 과거 데이터에 대한 의존도가 높고 현재 환경변화에 대한 탄력성이 낮아 예측 성능에 한계 NTIS 과제정보 대비 국회공통요구자료(사업정보)에서 유래하는 키워드가 적어 토픽 분포가 세부과제에 편중되었으며, 이에 따라 log(중요도) 계산 비율이 낮음 ※ 정부R&D 사업의 정보를 예산요구서 또는 사업계획서로부터 확보하는 방안 고려 회귀분석은 과거 R&D투자 추이를 바탕으로 각 라벨에 대한 중요도(예산)를 예측하므로, 예산 증감에 영향을 끼치는 급격한 이슈 등장에 탄력적으로 대응하기 어려움 ※ 뉴스, 보도자료 등의 키워드와 연동하는 방안을 고려 가능 본 연구에서는 전체 분석구간에 대해 회귀분석을 시도하였으며, 분석구간 내 라벨(토픽) 중요도의 증감 패턴은 고려하지 않음 ※ 라벨 중요도 증감 패턴에 따른 유형 분류를 통해 라벨별 회귀분석 구간을 설정하거나 최적의 회귀분석 방안 탐색 필요 후속 연구에서는 사업 정보를 충분히 확보하거나 머신러닝 기반의 빅데이터 처리를 통해 투자 시나리오 기반의 차년도 정부R&D 예산 규모 예측의 정확성과 속도 향상 필요 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 20 참 고 문 헌 ∙ 송병기 & 김상웅 (2022). 토픽모델링 분석을 활용한 국가연구개발사업과제와 국회 상임위원회 사이의 정책 인식 비교 : ICT 분야를 중심으로. 산업융합연구, 20(7), 1-11. ∙ 양명석, 이성희, 박근희, 최광남, 김태현. (2021). LDA 토픽모델링을 활용한 인공지능 관련 국가 R&D 연구동향 분석. 인터넷정보학회지, 22(5), 47-55. ∙ 윤순욱 & 김민철. (2020). LDA 기법을 이용한 미세먼지 이슈의 토픽모델링 분석. 에너지공학, 29(2) 23~29. ∙ 최성철 & 박한우. (2020). 토픽모델링 연구동향 분석: 공학과 사회과학 분야 KCI 등재지를 중심으로. 한국자료분석학회지, 22(2), 815-826. ∙ Blei, D., Lafferty, J. (2006). Correlated topic models. Advances in neural information processing systems, 18, 147. KISTEP 이슈페이퍼 발간목록 21 KISTEP 이슈페이퍼 발간목록 발간호 제목 저자 2024-06 (통권 제362호) 과학기술 전공자 취업 현황 분석 및 시사점 이정재, 박수빈, 이원홍 (KISTEP) 2024-05 (통권 제361호) ‘생성형 인공지능’ 시대의 10대 미래유망기술 박창현(KISTEP) 2024-04 (통권 제360호) 반도체 분야 정부연구개발투자의 효과성 분석과 개선방안 김준희(KISTEP), 엄익천(KISTEP), 오승환(경상국립대학교), 전주경(KIPRO) 2024-03 (통권 제359호) 신약개발 분야 정부 R&D 현황과 효율성 제고 방안 송창현(KISTEP), 엄익천(KISTEP), 김순남(KDDF), 이원희(유한양행) 2024-02 (통권 제358호) 국가연구개발 성과분석 프레임워크 개발 및 적용 박재민(건국대학교), 문해주(건국대학교), 이호규(고려대학교), 강승규(KIP), 김수민(건국대학교), 박서현(건국대학교) 2024-01 (통권 제357호) KISTEP Think 2024, 10대 과학기술혁신정책 아젠다 강현규, 이민정 (KISTEP) 2023-16 (통권 제356호) 미･중 패권경쟁 시대, 중국이 소재･부품･장비 공급망을 무기화할 수 있을까? 이승필(KISTEP), 이승빈(KICT), 최동혁(KISTEP) 2023-15 (통권 제355호) 다부처R&D사업 표준화 및 IRIS 적용 방안 송혜주, 김병은, 김아름, 김여울, 이혁성 (KISTEP) 2023-14 (통권 제354호) 플라스틱 국제협약 대응을 위한 과학기술의 역할 유새미, 고진원, 박노언 (KISTEP) 2023-13 (통권 제353호) 대학의 기술사업화 전담 조직 현황진단과 개선방안 이길우(KISTEP), 정영룡(CNU), 김성근(PNU), 이지훈(SEOULTECH) 김태현(COMPA) 방형욱(KISTEP) 2023-12 (통권 제352호) 중소기업 경쟁력 강화를 위한 고경력 과학기술인 활용 조사 및 시사점 김인자, 김가민, 이원홍 (KISTEP) 토픽모델링-회귀분석 기반의투자 포트폴리오 분석 및 예측 22 발간호 제목 저자 2023-11 (통권 제351호) 학문분야별 기초연구 지원체계에 대한 중장기 정책제언 (국내외 지원현황의 심층분석을 기반으로) 안지현, 윤성용, 함선영 (KISTEP) 2023-10 (통권 제350호) 기술패권경쟁시대 한국 과학기술외교 대응 방향 강진원(KISTEP), 이정태(KIST), 김진하(KISTEP) 2023-09 (통권 제349호) 신입과학기술인 직무역량에 대한 직장상사-신입간 인식 비교 분석 박수빈 (KISTEP) 2023-08 (통권 제348호) 국가연구개발 성과정보 관리체계 개선 제언 김행미 (KISTEP) 2023-07 (통권 제347호) 기업 혁신활동 제고를 위한 R&D 조세 지원 정책 연구 : 국가전략기술 연구개발 기업을 중심으로 구본진 (KISTEP) 2023-06 (통권 제346호) 임무지향형 사회문제해결 R&D 프로세스 설계 및 제언 박노언, 기지훈, 김현오 (KISTEP) 2023-05 (통권 제345호) STI 인텔리전스 기능 강화 방안 - 12대 과학기술혁신 정책 이슈를 중심으로 - 변순천 외 (KISTEP) 2023-04 (통권 제344호) 국방연구개발 예산 체계 진단과 제언 임승혁, 안광수 (KISTEP) 2023-03 (통권 제343호) 우리나라 바이오헬스 산업의 주력산업화를 위한 정부 역할 및 지원방안 홍미영, 김주원, 안지현, 김종란 (KISTEP) 2023-02 (통권 제342호) ‘데이터 보안’ 시대의 10대 미래유망기술 박창현, 임현 (KISTEP) 2023-01 (통권 제341호) KISTEP Think 2023, 10대 과학기술혁신정책 아젠다 강현규, 최대승 (KISTEP) 필자 소개 ▶ 오건웅 - 한국과학기술기획평가원 R&D예산정책센터 부연구위원 - 043-750-2577, 5gun@kistep.re.kr ▶ 홍미영 - 한국과학기술기획평가원 사업조정전략센터 센터장/연구위원 - 043-750-2413, myhong@kistep.re.kr KISTEP ISSUE PAPER 2024-07 (통권 제363호) ‖ 발행일 ‖ 2024년 4월 4일 ‖ 발행처 ‖ 한국과학기술기획평가원 전략기획센터 충청북도 음성군 맹동면 원중로 1339 T. 043-750-2300 / F. 043-750-2680 http://www.kistep.re.kr ‖ 인쇄처 ‖ 주식회사 동진문화사(T. 02-2269-4783)
기술주권 브리프	안전？신뢰 AI	2024-04-01
<p><br></p>국가전략기술 기술주권 브리프: 안전 신뢰 AI 구본진 Ⅰ. 작성배경 Ⅱ. 글로벌 기술/산업/정책 동향 Ⅲ. 경쟁력 분석 Ⅳ. 정책 제언 Ⅰ. 작성배경 1 작성배경 AI는 다양한 산업과의 접목으로 경제 성장에 기여하고 있고, 시장 및 투자 규모도 폭발적으로 증가 AI 조기 채택 기업은 연간 2~3pp의 노동생산성 증가를 보이고, 국가의 AI 채택은 향후 10년간 전 세계 연간 생산성 성장을 1.4pp 증가시킬 수 있을 것으로 추정(연간 글로벌 GDP 7% 증가에 기여) (연간 노동생산성 증가율, 단위 pp) Alederucci et al., (2022): 6.8, Czarnitzki et al. (2023): 2.7, Behrens & Trunschke (2020): 2.6, Acemoglu et al., (2022): 1.9, Bessen & Righi (2019): 1.7 [그림 1] AI 채택을 통한 국가 및 글로벌 연간 생산성 성장 추정치 ※ 자료출처: Goldman Sachs Global Investment Research (2023) 글로벌 AI 시장 규모는 ’30년까지 1조 3,452억 달러로 확대될 것으로 전망되며 全 분야의 주요 기업들이 AI를 중심으로 전면적인 체질 전환을 추진 중 [그림 2] 글로벌 AI 시장 전망 ※ 자료출처: Markets and Markets (2022), Research and Markets (2023) 국가전략기술 기술주권 브리프: 안전･신뢰 AI 2 AI 기술이 핵심 전략기술로 부상하면서 주요국 간 AI 기술패권 경쟁 격화 美-中 두 축을 중심으로 AI 생태계 블록화가 진행 중이며 양국 간 경쟁 강도는 지속적으로 강화되고 있는 상황 - 미국은 군사적 사용 가능성을 근거로 AI, 반도체, 양자컴퓨터 3개 분야 중국 기업에 대한 투자를 금지하였고, 최근 저사양 AI 첨단 반도체에 대한 중국 수출 금지 조항을 추가(수출 제재 우회 통제 포함) - 중국은 美 Micron 반도체의 중국 내 판매금지와 갈륨, 희토류 수출을 통제, AI 기술을 수출 제한 목록에 추가하고 반외국제재법을 시행 미국과 중국 정부는 우월한 기술력을 갖춘 AI 기업 확보를 국가 이익의 최우선으로 인식하여 관련 빅테크 기업 보호･육성 정책을 적극 추진 - 미국은 중국 AI 기업 견제를 위하여 상원･하원의 빅테크 반독점 주요 법안들을 대부분 폐기하였고, 정책 방향을 자국 빅테크 규제에서 육성･보호로 선회 Ending Platform Monopolies Act, American Innovation and Choice Online Act, Open App Markets Act 등 - 중국은 마윈 사태 이후 규제 중심의 자국 빅테크 기업 정책 방향이 기술 경쟁력 확보를 위한 자국 빅테크 지원･육성으로 변경 ※ (’23.7.) 중국 Li Quang 총리는 국가 경제에 있어 중국 플랫폼 기업의 중요성 강조, 중국 최고 경제 규제 당국은 플랫폼 기업에 대한 지원을 약속하는 등 규제 완화 기조 본격화 AI 기술의 확산 및 응용 분야의 빠른 확장으로 예상치 못한 AI 역기능 문제도 급속히 증가 현재 빠르게 확산 중인 주력 AI 시스템은 높은 비선형성과 블랙박스적 특성이 있고, 이로 인해 불확실성을 내포 - AI 시스템의 비선형성 및 블랙박스적 특성은 복잡한 패턴과 상호작용을 효과적으로 학습할 수 있고, 시스템의 복잡성을 감소시킬 수 있는 장점이 있으나 모델의 내부 동작을 해석하고 이해하기 어렵게 만들어 신뢰성, 설명 가능성, 투명성을 낮추는 단점도 보유 AI의 윤리적 오용 관련 사건을 추적하는 AIAAIC DB에 따르면 AI 사건과 논란 건수는 ’12년 이후 26배 증가 ※ (’12) 10건 → (’21) 260건 (출처: Stanford Univ. HAI AI Index Report, 2023) Ⅰ. 작성배경 3 AI 역기능에 대한 우려로 윤리적 AI 기술에 대한 기술적･사회적 요구가 증대되고 있고, 한국을 포함한 주요국들은 AI 안전성･신뢰성 확보를 위한 다양한 정책을 추진 현재까지는 AI 기술발전을 통한 시스템 성능 향상에 집중하였다면 이제는 AI 윤리에 대한 기술적 요구가 높아질 것으로 예상 ※ Gartner는 responsible AI 기술이 5~10년 내 주류가 되어 기술의 정점에 진입할 것으로 예상 [그림 3] AI에 대한 우선순위 매트릭스 ※ 자료출처: Gartner Hype Cycle for AI (2022) 주요국 정부는 안전･신뢰 AI 생태계 조성을 위한 다양한 정책을 추진 중 ※ AI 윤리기준 및 가이드라인 수립, 안전성 강화를 위한 기술개발 장려, 규제 및 표준화 추진, 다자간 협력 강화 등 본 고에서는 안전･신뢰 AI 경쟁에 효과적으로 대응할 수 있도록 관련 글로벌 동향 및 주요 이슈를 분석하고, 향후 기술주권 확보를 위한 정책 수립 방향을 제언 한국을 포함한 주요국의 안전･신뢰 AI 기술･산업･정책 동향 분석을 통한 주요 이슈 및 시사점을 도출 AI 주요 학회 프로시딩(proceeding) 논문 분석을 통해 우리의 경쟁력을 진단 급변하는 안전･신뢰 AI 시장에서의 기술주권 확보를 위한 정책과 전략을 제시 국가전략기술 기술주권 브리프: 안전･신뢰 AI 4 글로벌 기술/산업/정책 동향 1. 기술동향 AI 안전성/신뢰성에 대한 상세 규정은 부재한 상황이나 글로벌 빅테크 기업들은 자체적인 연구를 통해 안전하고, 신뢰할 수 있는 AI 시스템 구축을 위한 Responsible AI Toolkit들을 개발･공개 중 AI 시스템을 안전하고, 신뢰할 수 있으며 윤리적 방식으로 평가･개발･배포하는 접근방식인 responsible AI를 실제로 운영함에 도움이 되는 통합 도구 및 기능 모음 Amazon은 기초 모델 평가, 생성형 AI 안전 장치, 편향 감지 도구, 모델 동작 원리 이해 도구, 모니터링 도구, 거버넌스 개선 도구 등의 책임있는 AI 구축을 위한 다양한 리소스를 제공 - (Model Evaluation on Amazon Bedrock) 사용자가 정확성, 안전성 등의 지표를 기반으로 특정 사용 사례에 가장 적합한 기초모델을 평가, 비교, 선택할 수 있도록 지원 - (Bedrock Guardrails) 사용자가 생성 AI 어플리케이션에서 피해야 할 주제를 지정하여 제한된 카테고리에 속하는 쿼리 및 응답을 자동으로 감지하고 방지하도록 지원 - (Amazon SageMaker Clarify) 데이터 준비 단계, 모델 훈련 이후 단계, 배포된 모델에서 특정 속성을 검사하여 잠재적 편향을 감지함으로써 사용자가 편향을 완화하는 데 도움을 주고, 모델 동작에 대한 가시성을 향상하여 이해관계자에게 투명성 및 설명가능성 제공 - (Amazon SageMaker Model Monitor) 배포된 모델에서 부정확한 예측을 자동으로 감지하여 사용자에게 경고 - (Amazon Titan Image Generator) 생성형 이미지를 제공하는 프로그램으로 부적절한 사용자 입력･모델 출력을 감지 및 제거하는 필터링 기능 구축, 모델 출력의 인구통계학적 다양성 개선 등 모델 개발 프로세스의 각 단계에서 책임있는 AI를 고려하여 AI 생성 이미지를 식별하는 메커니즘을 제공 - (ML Governance from Amazon SageMaker) 기계학습(ML) 모델에 대한 보다 높은 수준의 제어 및 가시성을 제공하여 ML 프로젝트의 거버넌스 개선 지원 Ⅱ. 글로벌 기술/산업/정책 동향 5 Google은 Explainable AI, Model Cards, TensorFlow Open-source Toolkit 등을 개발 및 제공하여 구조화된 방식으로 모델 투명성 향상을 지원 - (Explainable AI) ML 모델의 결과를 파악하고 해석할 수 있는 도구로 해석 가능하고 포괄적인 AI 설계, 최종 사용자의 신뢰도와 투명성 제고, 모델 거버넌스 간소화를 지원 - (Model Cards) ML 모델의 투명성과 책임성 향상을 위한 도구로 모델의 목적, 설계, 훈련 데이터, 성능, 편향 등에 대한 정보를 제공하여 사용자가 모델의 잠재적 한계를 파악하여 이를 책임감 있게 사용하도록 지원 ※ 모델의 편향에 대한 정보, 모델의 제한 사항 설명 등을 제공 - (TensorFlow Open-source Toolkit) Explainable AI, Model Cards 도구를 포함하여 데이터의 공정성 및 편향 문제 완화, 공정한 결과를 얻기 위한 ML 모델 학습, 개인 정보 보호를 준수하는 ML 모델 학습, 공정성 지표 등을 통한 ML 모델 평가, 해석 가능하고 포용적인 ML 모델 개발 등을 통합적으로 지원 - (Vertex Explainable AI) 개발자와 사용자가 ML 모델의 예측을 이해하고 해석할 수 있도록 도와주는 Google 클라우드 AI 플랫폼(Vertex AI) 내 도구 및 프레임워크 도구로 두 가지 주요 유형의 설명을 제공 ※ (기능 기반 설명) Sharpley값 및 통합 그래디언트, XRAI 등의 기술을 통해 특정 예제에 대한 모델의 예측에 영향을 미치는 각 입력 기능의 상대적 중요성을 식별 ※ (예시 기반 설명) 입력 기능의 특정 변화가 특정 모델의 예측에 미치는 영향을 보여줌으로써 인터랙티브하게 사용자의 모델 동작 탐색을 지원 ※ (기존 Explainable AI와의 차별성) 다양한 설명 가능 방법 및 도구를 단일 통합 플랫폼으로 지원, 다양한 모델 유형 작업 지원, 고급 설명 가능성 기능 지원 등 [그림 4] XRAI 기술 개념도 ※ 자료출처: Google Cloud Vertex AI https://cloud.google.com/vertex-ai/docs/explainable-ai/overview 국가전략기술 기술주권 브리프: 안전･신뢰 AI 6 Microsoft는 데이터 과학자가 AI를 공정성, 투명성, 책임성 원칙에 따라 책임 있게 운영할 수 있도록 모델 디버깅 및 책임 있는 의사 결정 기능을 지원하는 Responsible AI Dashboard를 개발･배포 - (데이터 분석) 데이터 세트 분산 및 통계를 이해하고 탐색 - (Fairlearn 패키지) 모델 성능 평가 및 모델의 그룹 공정성 문제를 평가 ※ 모델의 예측이 다양한 사람들/집단에 미치는 영향 - (Erroranalysis 패키지) 잘못된 데이터 코호트를 신속하게 식별하여 ML 실무자에게 모델 실패 분포에 대한 더 상세한 정보를 제공 - (InterpretML 패키지) 글로벌 설명, 로컬 설명 기능 등 ML 모델의 예측에 대한 인간이 이해할 수 있는 설명을 생성하여 모델의 심층 진단을 지원 ※ (해석 기술) SHAP text, SHAP vision, Guided Backprop, Guided gradCAM, Integrated Gradients, XRAI, D-RISE 등 - (Counterfactual Analysis and What-If) 작업 입력 변경 시 모델이 무엇을 예측할지 설명함으로써 사용자가 ML 모델이 입력 변경에 어떻게 반응하는지 이해하고, 디버깅할 수 있도록 지원 ※ (반사실 예제 생성방법) Randomized search, Genetic search, KD tree search 등 - (EconML 패키지) 모델의 처리 기능이 실제 결과에 미치는 인과 영향을 확인 IBM은 watsonx.governance 및 개별 도구들을 통해 AI 모델 책임성, 투명성, 설명 가능성 지원 - (watsonx.governanace) 자동화, 모니터링, 캡처, 협업 기능을 지원하여 AI 책임성 향상 ※ (자동화) 운영 위험, 정책, 규정 준수, 재무 관리, IT 거버넌스 및 내/외부 감사를 아우르는 자동화된 확장형 거버넌스, 위험 및 규정 준수(GRC) 도구로 모델 위험을 사전에 감지 및 완화하고 AI 규정을 시행 가능한 정책으로 변환하여 자동으로 적용 ※ (모니터링) AI 수명주기 전반에 걸쳐 모델을 모니터링, 분류 및 제어하여 편향성, 드리프트 및 모델 재교육의 필요성을 선제적으로 식별하고 완화하여 예측 정확도를 향상 ※ (캡처) 모델 검증자와 승인자가 팩트 시트에 액세스하여 모델 라이프사이클 세부 정보를 항상 최신 상태로 확인할 수 있도록 지원하여 설명 가능성을 높이고 감사, 이해관계자, 주주 또는 고객 요청에 대한 지원을 제공 ※ (협업) 협업 도구와 사용자 기반 동적 대시보드, 차트 및 차원별 보고를 지원하여 프로세스에 대한 가시성 및 설명 가능한 AI 결과 향상 - (AI Privacy 360) AI 기반 솔루션의 개인 정보 보호 위험 평가를 지원하고 관련 개인 정보 보호 요구사항을 준수하는데 도움이 되는 도구 Ⅱ. 글로벌 기술/산업/정책 동향 7 - (AI Adversarial Robustness 360) 개발자와 연구자가 회피, 중독, 추출 및 추론과 같은 적대적 위협으로부터 ML 모델과 애플리케이션을 평가･방어할 수 있는 도구 - (AI Fairness 360) 데이터 세트와 ML 모델에서 원치 않는 편향을 규명하고 이러한 편향을 완화하는 최첨단 알고리즘을 확인하는 포괄적인 오픈소스 측정항목 도구 - (AI Explainability 360) ML 모델이 AI 애플리케이션 수명 주기 전반에 걸쳐 다양한 수단을 통해 레이블을 예측하는 방법을 이해하는 것을 지원 - (Uncertainty Quantification 360) AI가 불확실성을 표현할 수 있는 기능을 제공하여 AI의 안전한 배포 및 사용에 중요한 투명성을 강화 - (AI FactSheets 360) AI 모델이나 서비스의 생성･배포에 관한 관련 정보의 모음을 제공하는 도구로 모델의 투명성을 강화 * 모델의 목적과 중요도, 데이터 세트, 모델 또는 서비스의 측정된 특성, 모델이나 서비스의 생성 및 배포 프로세스 중에 취한 조치 등 META는 사진 및 동영상 속 사물과 사람을 분류하고 감지함에 있어 AI 모델의 공정성을 평가하는 FACET* 벤치마크 도구와 잠재적인 통계 편향에 대한 측정값을 조기에 체계적으로 표면화하는 Fairness Flow 도구를 개발 * Fairness in Computer Vision EvaluaTion - (FACET) 데이터 세트는 인간이 라벨링한 50,000명의 이미지 32,000개로 구성되며 AI 모델의 잠재적 편견을 심층적으로 조사하기 위해 다양한 인구통계학적 속성, 직업 및 활동을 다루며 개발자가 AI 모델의 편견을 이해･완화하는 작업을 지원 - (Fairness Flow) 그룹별 라벨링 및 모델 성능에 대한 높은 수준의 통계적 이해를 제공하여 분석할 수 있는 모델 유형과 관련된 시스템, 프로세스 및 정책에 대한 심층적인 조사를 지원 국가전략기술 기술주권 브리프: 안전･신뢰 AI 8 2. 산업 동향 AI 안전성･신뢰성 확보를 위한 AI 거버넌스 시장과 이를 구현함에 필요한 설명가능한 AI(XAI), 데이터 프라이버시 보호 기술 시장규모도 지속적으로 성장 중 AI 거버넌스는 AI 시스템의 책임 있는 개발, 배포 및 운영을 보장하는 것을 목표로 하는 도구, 프레임워크 및 프로세스 등을 의미하며 해당 시장 규모는 ’22년 기준 약 1.2억 달러로 추정되었고, 향후 CAGR 48%로 성장하여 ’32년 약 54억 달러 규모로 확대 예상 ※ (출처) Global Market Insights, https://www.gminsights.com/industry-analysis/ai-governance-market 설명가능한 AI(XAI) 글로벌 시장 규모는 ’23년 기준 약 62억 달러로 추정되고 있고, 향후 CAGR 20.9%로 성장하여 ’28년 약 162억 달러 규모로 확대 예상 - XAI의 글로벌 시장은 미국, 캐나다, 영국, 프랑스 등 북미와 유럽의 ICT분야 선도국들이 주도하고 있으며, 성장세는 중국, 인도와 같은 개발 도상국이 더 높을 것으로 예상 [그림 5] XAI 글로벌 시장 규모 예측(’22~’28) ※ 자료출처: Markets and Markets, https://www.marketsandmarkets.com/Market-Reports/explainable-ai-market-47650132.html 데이터 프라이버시 SW 시장 규모는 ’21년 기준 약 16.5억 달러 규모로 추정되었고, 향후 CAGR 40%로 성장하여 ’29년 약 240억 달러 규모로 확대 예상 ※ (출처) Maximize, https://www.maximizemarketresearch.com/market-report/data-privacy-software-market/145730/ Ⅱ. 글로벌 기술/산업/정책 동향 9 글로벌 빅테크 기업들은 AI 안전성･신뢰성 확보를 위하여 윤리원칙 확립, AI 거버넌스 구축, 관련 R&D 수행, 이해관계자 협의 등 다양한 노력을 추구 (Amazon) AI의 책임감 있고 안전한 사용 촉진을 위해 내부 AI 정책을 수립하고, 백악관, 정책 입안자, 기술 산업, 연구원 및 AI 커뮤니티와 지속적으로 협력, 관련 R&D* 등을 추진 * (예) 개방형 언어 생성 편향 측정, 얼굴 인식 편향 벤치마킹 개발, 공정한 대표 학습 방법 개발 등 (Google) AI 개발 원칙 수립 및 지속적 업데이트, 설계･배포하지 않을 AI 애플리케이션 설정, AI 거버넌스 구축 및 운영, 관련 국제 표준 기구 및 이해관계자와의 협력, 내부 교육･R&D* 추진 등 * (예) ML 공정성을 위한 MinDiff, XAI, 적대적 견고성 평가, ML 과정 피부색 평가 개선 등 (Microsoft) 백악관 및 이해관계자와의 협력, NIST AI 위험 관리 프레임워크 구현, 인간 중심 AI를 위한 연구, AI와 인류 번영의 미래에 대한 연구 등 추진, AI 안전성 확보를 위한 AI Red Team 운영 등 (Meta) 책임 있는 AI 핵심 요소 강조, AI 공정성과 투명성 확보를 위한 데이터 세트 및 도구 구축, 인종 전반에 걸쳐 플랫폼에서 AI 모델의 공정성을 의미 있게 측정할 수 있는 데이터 접근 방법 개발, 광고 게재의 공정성 향상을 위한 연구 등 (OpenAI) 안전한 AI 개발을 위한 헌장 제정, AI 문제 해결을 위한 안전팀 신설 및 운영, AI 신뢰성 확보를 위한 업계 및 정책 입안자와의 협력, 책임감 있는 사용을 위한 모범 사례 개발 및 플랫폼 오용 모니터링 등 생성형 AI 관련 기업인 Amazon, Google, Meta, Microsoft, OpenAI, Anthropic, Inflection AI의 임원들은 Biden 대통령과 만나 백악관이 개발한 안전하고 보안이 유지되며 신뢰할 수 있는 AI 관련 약속에 자발적으로 동의(’23.7.) - (안전) 제품 출시 전 AI 시스템에 대한 독립적인 전문가의 내부 및 외부 보안 테스트를 통해 제품의 안전성을 보장하고 전 세계의 AI 위험 관리 노력에서 얻은 인사이트 공유 - (보안) 사이버 보안 및 내부 위협 보호 장치에 투자하고 제3자의 취약점 발견 및 보고를 촉진하여 보안을 최우선하는 시스템 구축 ※ 보안 이슈 발생 시 특정 입력이 출력에 미치는 영향 등 알고리즘 편향의 중요한 결정 요인을 결정하는 AI 알고리즘의 “공개되지 않은 모델 가중치” 공개 등 - (신뢰) 워터마킹 시스템과 같이 콘텐츠가 AI로 생성된 시기를 사용자가 알 수 있도록 하는 ‘강력한 기술 메커니즘’을 개발하여 대중의 신뢰 확보 국가전략기술 기술주권 브리프: 안전･신뢰 AI 10 또한 글로벌 빅테크 기업들은 안전･신뢰 AI 분야 주도권 확보를 위한 연합 결성 폐쇄형 AI 진영인 OpenAI, Google, Microsoft는 대규모 ML 모델의 안전하고 책임감 있는 개발을 보장할 기관인 Frontier Model Forum의 결성을 발표(’23.7) - AI 안전 연구 발전, 모범 사례 규명, 다방면에 걸친 협업, AI가 사회의 가장 큰 과제를 해결할 수 있도록 지원 ※ 프론티어 모델의 책임감 있는 개발을 촉진하고, 위험을 최소화하며 역량과 안전성에 대한 독립적이고 표준화된 평가를 가능하게 함에 일조 ※ 프론티어 모델의 책임감 있는 개발 및 배포를 위한 모범 사례 규명 ※ 정책 입안자, 학계, 시민 사회, 기업이 함께 협력하고 신뢰와 안전 위험에 대한 지식 공유 ※ 기후 변화 완화 및 적응, 암 조기 발견 및 예방, 사이버 위협 퇴치 등의 문제를 해결하기 위한 애플리케이션 개발 지원 - 안전･신뢰 AI 분야 연구를 촉진하기 위한 1,000만 달러 이상의 AI 안전기금 조성(’23.10.) [그림 6] Frontier Model forum ※ 자료출처: Frontier Model Forum 최근 개방형 AI 진영인 Meta와 IBM도 안전･신뢰 AI 발전을 위한 AI Alliance를 출범 (’23.12.) - Meta와 IBM은 개방적이고 안전하며 책임감 있는 AI를 발전시키기는 것을 목표로 한 50개 이상의 조직으로 구성된 국제 연합 AI Alliance를 출범 - 이 동맹에는 Advanced Micro Devices, Dell Technologies, Intel, NASA, Linux Foundation 등의 기술 기업, 선도적인 연구 대학, 과학 기관이 회원으로 참여 - AI 시스템의 책임감 있는 개발･사용을 가능하게 하는 벤치마크 및 평가 리소스 개발･배포, 활발한 AI HW 생태계 육성, 글로벌 AI 기술 구축 및 탐색적 연구 지원, AI 규제에 대한 대중 담론과 정책 입안자에게 정보를 제공하는 교육 리소스 개발 등 Ⅱ. 글로벌 기술/산업/정책 동향 11 [그림 7] AI Alliance ※ 자료출처: IBM Newsroom 국내 기업들도 대기업을 중심으로 책임 있는 AI 구현을 위해 윤리지침 및 가이드라인 수립, 관련 위원회 운영, 이해관계자와의 협력 등을 지속 (네이버) ’22년 3월 “네이버 AI 윤리원칙” 발표 및 AI 윤리위원회를 설립･운영하며 인공지능과 관련된 윤리적인 문제에 대한 조언 제공, 투명성과 사용자 프라이버시에 대한 고려 강조, AI 윤리 교육 프로그램 운영 및 AI 윤리 연구* 지원 * ACL 2023에서 초거대 AI 윤리 관련 논문 7개 채택(’23.7.) (삼성전자) ’19년 공정성, 투명성, 책임성 등 3대 원칙을 중심으로 한 “삼성 AI 윤리원칙” 발표, AI 윤리기준 정립 및 공동연구를 수행하는 국제 컨소시엄인 ‘Partnership on AI’ 가입, 교육 프로그램 운영을 통한 직원 인식 제고 등을 추진 (카카오) ’18년 국내 기업 최초의 알고리즘 윤리규범 마련, 투명성, 공정성, 프라이버시 보호 등에 중점을 둔 ‘카카오 AI 윤리 플랫폼’을 구축하여 인공지능 기술과 서비스의 윤리적인 측면을 강화하고, ’22년 국내 기업 최초의 전사적 AI 윤리 논의 기구인 ‘공동체 기술윤리위원 회’ 신설, AI 윤리 교육 프로그램 운영 및 AI 윤리 연구 지원 등 추진 (LG 전자) ’22년 ‘AI 윤리원칙’ 발표 및 ‘AI 윤리 점검 TF’와 LG 계열사들이 참여하는 ‘AI 윤리 워킹 그룹’ 협의체 운영, ’23년 11월 UNESCO와 AI 윤리 실행･확산을 위한 협력 의향서 체결하여 AI 윤리 영향 평가, 데이터 프라이버시, 보안을 보장하는 거버넌스 모델 추구, AI 윤리 관련 공개 온라인 강좌 운영 등 추진 (SK 텔레콤) ’21년 AI 윤리 가치를 사규에 반영하며 AI 추구가치로 사람 중심의 AI, 사회적 가치, 무해성, 기술 안전성, 공정성, 투명성 등을 강조, AI 윤리를 시스템적으로 정착시키기 위해 사규를 포함한 사내 프로세스와 고객 소통 채널을 구축하고 외부 전문가 자문단 운영 예정 국가전략기술 기술주권 브리프: 안전･신뢰 AI 12 최근 국내 대기업들도 거대언어모델(LLM)의 안전성･신뢰성 확보를 위한 컨소시엄 구축(’23.10.) 네이버, 카카오, SKT, KT, LG AI 연구원 등은 컨소시엄을 구축하고, 한국지능정보사회진흥 원의 ‘AI 학습용 데이터 구축사업’에 지원하여 LLM의 신뢰성 및 윤리성 평가에 사용될 기준 데이터셋 구축 예정 해당 컨소시엄은 안전･신뢰 AI 논의를 통하여 과기부 AI 규제 설정에 일조할 것으로 전망 3. 정책 동향 한국을 포함한 주요국은 AI 기술의 긍정적 측면을 극대화하기 위한 AI 촉진 정책과 부정적 측면을 완화/예방하기 위한 안전･신뢰 AI 정책을 동시에 추진 중 <표 1> 주요국 AI 촉진 정책 및 안전･신뢰 AI 정책 국가명 주요 AI 촉진 정책 주요 안전･신뢰 AI 정책 한국 ∙ AI 국가전략 (’19.12) ∙ K-클라우드 프로젝트 (’23.6) ∙ 초거대 AI 경쟁력 강화방안 (’23.7) ∙ 대한민국 초거대 AI 도약방안 (’23.9) ∙ AI 윤리기준 (’20.12) ∙ 신뢰할 수 있는 인공지능 실현전략 (’21.5) ∙ AI-저작권법 제도개선 TF (’23.2) ∙ 안전한 개인정보 활용 정책 (’23.8) ∙ 디지털 권리장전 (’23.9) ∙ AI 신뢰성 검인증 (’23.12) 미국 ∙ 국가 AI 이니셔티브 (’21.1) ∙ 국가 AI R&D 전략계획 (’23.5) ∙ AI 권리장전 (’22.10) ∙ AI 위험관리 프레임워크 (’23.1) ∙ 백악관-생성 AI 기업 간담회 (’23.7) ∙ 행정명령 E14410 (’23.10) 중국 ∙ 차세대 AI 발전규획 (’17.7) ∙ AI 활용 고도화 지도의견 (’22.7) ∙ 인터넷 정보서비스 알고리즘 추천 관리 규정 (’22.3) ∙ 인터넷 정보서비스 심층합성 관리규정 (’23.1) ∙ 생성 AI 서비스 관리 임시 시행 방법 (’23.7) ∙ 글로벌 인공지능 거버넌스 이니셔티브(’23.11) 일본 ∙ AI 전략 2019 (’19.6) ∙ AI 전략회의 (’23.5) ∙ G7 히로시마 정상회의 (’23.5) ∙ 지적재산 추진계획 2023 (’23.6) 영국 ∙ 국가 AI 전략 (’21.10) ∙ 국방 AI 전략 (’22.6) ∙ 과학 및 기술 프레임워크 (’23.3) ∙ 프론티어 AI 태스크포스 (’23.4) ∙ 기반 모델 검토 보고서 (’23.9) ∙ 프런티어 AI 안전을 위한 기업정책 지침 (’23.10) ∙ AI 안전연구소 설립 제안 (’23.11) ∙ 안전한 AI 개발 지침 (’23.11) EU ∙ EU를 위한 AI (’18.4) ∙ ELLIS 연구소 (’18.12) ∙ Euro HPC 프로그램 (’23.9) ∙ 신뢰할 수 있는 AI 가이드라인 (’19.4) ∙ AI Act (’21.4) Ⅱ. 글로벌 기술/산업/정책 동향 13 한국의 AI 촉진 정책 - (AI 국가전략, ’19.12) 과기부는 국가차원에서 AI 산업을 지원･육성하기 위한 R&D 지원, 교육 및 인력 양성 등 3대 분야 9대 전략, 100대 실행과제를 제시 - (K-클라우드 프로젝트, ’23.6) 과기부는 세계 최고 수준의 초고속･저전력 국산 AI 반도체를 개발해 데이터센터에 적용하여 국내 클라우드 경쟁력을 강화 * 3단계에 걸쳐 추진되며 2023년 착수한 1단계 사업에서는 현재 상용화 초기 단계의 국산 NPU를 데이터센터에 적용하고 클라우드 기반 AI 서비스까지 제공하는 실증 사업 진행 - (초거대 AI 경쟁력 강화방안, ’23.7) 과기부는 국내 초거대 AI 생태계를 활성화하고 중소･벤 처기업 및 공공 부문에 초거대 AI를 선도적으로 도입하기 위해 ‘민간의 첨단 초거대 인공지능 활용지원 사업’을 2023년부터 추진 - (대한민국 초거대 AI 도약방안, ’23.9) 과기부는 AI 국제협력 확대, 전 국민 AI 일상화 추진, 디지털 권리장전 수립, AI 윤리･신뢰성 확보 등 디지털 모범국가를 향한 ‘대한민국 인공지능 도약방안’을 발표 한국의 안전･신뢰 AI 정책 - (AI 윤리기준, ’20.12) 인간성(Humanity)을 위한 AI 3대 원칙과 10대 요건을 담은 국가 인공지능 윤리기준 수립 및 공개 * (3대 기본원칙) 인간의 존엄성 원칙, 사회의 공공선 원칙, 기술의 합목적성 원칙 (10대 핵심요건) 3대 기본원칙을 실천하고 이행할 수 있도록 인공지능 개발~활용 전 과정에서 ① 인권 보장, ② 프라이버시 보호, ③ 다양성 존중, ④ 침해금지, ⑤ 공공성, ⑥ 연대성, ⑦ 데이터 관리, ⑧ 책임성, ⑨ 안전성, ⑩ 투명성의 요건 충족 - (신뢰할 수 있는 인공지능 실현전략, ’21.5) “누구나 신뢰할 수 있는 인공지능, 모두가 누릴 수 있는 인공지능 구현”을 위한 3대 전략 10대 실천과제 제시 * (3대전략) 신뢰 가능한 인공지능 구현 환경 조성, 안전한 인공지능 활용을 위한 기반 마련, 사회 전반의 건전한 인공지능 의식 확산 - (AI-저작권법 제도개선 TF, ’23.2) 문체부는 AI 법률, 저작권, 콘텐츠, 인공지능 전문가들로 구성된 AI-저작권법 제도개선 워킹그룹을 발족하고 및 2023년 연내 가이드 수립 * (가칭) ‘저작권 관점에서의 AI 산출물 활용 가이드(안)’도 마련할 예정 - (안전한 개인정보 활용 정책, ’23.8) 개인정보보호위원회는 ‘인공지능 시대 안전한 개인정보 활용 정책방향’을 통해 AI 개발･서비스 기획-데이터 수집-AI 학습-서비스 제공 등 단계별로 개인정보를 어떠한 원칙과 기준에 입각하여 처리할 수 있는지 가이드라인 제시 국가전략기술 기술주권 브리프: 안전･신뢰 AI 14 * 개보위는 ‘AI 프라이버시 전담팀’을 ’23년 10월 신설하고 AI 모델･서비스를 개발･제공하는 사업자와 소통창구를 마련하여 사안별로 개인정보 처리의 적법성, 안전성 등에 대한 법령해석을 지원하거나 규제 샌드박스 적용을 검토하는 등 적극적인 컨설팅 수행 - (디지털 권리장전, ’23.9) 과기부는 디지털 심화 시대에 맞는 국가적 차원의 기준과 원칙을 제시하기 위해 디지털 질서 규범의 기본 방향을 담은 ‘디지털 권리장전’ 공개 * (5대 기본원칙) ‘자유와 권리의 보장’, ‘공정한 접근과 기회의 균등’, ‘안전과 신뢰의 확보’, ‘디지털 혁신의 촉진’, ‘인류 후생의 증진’ - (AI 신뢰성 검인증, ’23.12) 과기정통부는 한국정보통신기술협회(TTA)와 함께 인공지능 기반 제품･서비스를 대상으로 수행 * 인공지능 윤리기준 10대 원칙 중 기술적으로 구현 및 검증 가능한 △다양성 존중 △책임성 △투명성 △안전성을 중심으로 15개의 신뢰성 요구사항과 67개의 검증항목을 통해 제품･서비스의 신뢰성 확보 여부를 시험하고 인증 미국의 AI 촉진 정책 - (국가 AI 이니셔티브, ’21.1) 미국은 ’20년 국가 AI 이니셔티브법을 제정하고 ’21년 미국 최초의 국가 AI 전략으로서 ’국가 AI 이니셔티브‘를 추진 * 법에 의거해 국가 AI 이니셔티브실(National Artificial Intelligence Initiative Office)을 신설하고 연방 정부의 AI 관련 국가 이니셔티브 및 프로젝트 업무 조정 - (국가 AI R&D 전략계획, ’23.5) 미국의 AI 기술 리더십 확보를 위한 국가 AI 연구개발 전략서로 ’16년 최초 수립, ’19년 개정된 후 ’23년 5월 2차 개정안 발간 * 9개 전략 목표: ① 근본적이고 책임 있는 AI 연구에 장기적으로 투자, ② 인간-AI 협업의 효과적인 방법 개발, ③ AI의 윤리적, 법적, 사회적 영향을 이해하고 해결, ④ AI 시스템의 안전과 보안을 보장, ⑤ AI 학습 및 테스트를 위해 공유할 수 있는 공개 데이터 세트 및 환경 개발, ⑥ 표준 및 벤치마크를 통해 AI 시스템 측정 및 평가, ⑦ 국가 AI R&D 인력 수요에 대한 이해 향상, ⑧ AI 발전을 가속화하기 위해 공공-민간 파트너십 확대, ⑨ AI 연구의 국제협력에 대한 원칙적이고 조정된 접근방식을 확립[2023년 개정판에 추가] 미국의 안전･신뢰 AI 정책 - (AI 권리장전, ’22.10) 백악관 내 과학기술정책국(OSTP)는 AI 시스템 설계, 이용, 배포 과정에서 시민 권리 보호를 위한 지침 서로 AI 권리장전 마련 * 5대 원칙 제시: 안전하고 효과적인 시스템, 알고리즘 차별 금지, 개인정보보호, 고지 및 설명, 인간 대안/검토 사항/비상 대책 검토 - (AI 위험 관리 프레임워크, ’23.1) 상무부 산하 국립표준기술연구소(NIST)는 공공 및 민간에서 활용하도록 AI 위험 관리 프레임워크(AI Risk Management Framework1.0)를 마련 Ⅱ. 글로벌 기술/산업/정책 동향 15 - (백악관-생성 AI 기업 간담회, ’23.7) 백악관에서 대표적 생성 AI기업* 대표를 소집하여 안전하고 보안이 유지되며 투명한 AI 개발에 대한 백악관-기업 간 공동 성명 발표 * 7개 참여 기업: 아마존, 앤스로픽, 구글, 인플렉션, 메타, 마이크로소프트, 오픈AI - (행정명령 E14410, ’23.10) 안전하고 신뢰할 수 있는 AI에 관한 행정명령 공표 * 행정명령에는 △새로운 안전 및 보안 표준 제정, △소비자 사생활 보호, △형평성과 시민 권리 증진, △소비자들에게 이익 제공, △ 노동자 보호, △혁신과 경쟁 촉진, △국제적 파트너들과 협력해 미국의 리더십 증진, △책임있고, 효과적인 정부 활용을 보장한다는 내용 포함 중국의 AI 촉진 정책 - (차세대 AI 발전규획, ’17.7) 2030년까지 인공지능 세계 1위 도약을 목표로 연구 개발, 산업 육성, 인재 양성 등 시장 활성화 정책 제시 * ’17년 12월에는 차세대 AI 산업발전 3개년 실행계획(2018~2020)을 수립하고 추진 - (AI 활용 고도화 지도의견, ’22.7) AI 육성을 위해 AI 주요 활용사례 구축, AI 활용 혁신 능력제고, AI 활용사례 개방 가속화, AI 혁신 강화 등 5개 분야 15대 중점 과제 규정 중국의 안전･신뢰 AI 정책 - (인터넷 정보서비스 알고리즘 추천 관리 규정, ’22.3) 사용자의 사용 기록과 개인 정보를 바탕으로 콘텐츠를 배치하거나 추천하는 플랫폼을 사업자를 대상으로 불량 정보가 확산되지 않도록 공급자 의무를 부과 - (인터넷 정보서비스 심층합성 관리규정, ’23.1) 딥러닝 합성 서비스 제공 업체에 딥러닝 합성 서비스 사용자의 신원 인증과 콘텐츠 관리, 안전 관리 책임 등을 부과 - (생성 AI 서비스 관리 임시 시행 방법, ’23.7) 국가인터넷정보판공실은 국가발전개혁위원회, 교육부, 과기부, 공업정보화부, 공안부, 광전총국과 함께 중국 대중에게 글, 그림, 기타 콘텐츠를 생성하는 AI 서비스에 대한 관리 지침을 발표하고 8월 15일부터 시행 * 공급자 의무: 국가 규정에 따른 안전 평가, 데이터훈련 및 라벨링, 콘텐츠 관리, 콘텐츠 표기, 개인정보보호, 운영상 조치 의무 부여 - (글로벌 인공지능 거버넌스 이니셔티브 ’23.11) 개인정보의 보호와 허위정보 유포 제약과 함께, AI 개발에서 국가간 차별없는 동등한 기회 부여 및 권리 보장 제안 일본의 AI 촉진 정책 - (AI전략 2019, ’19.6) 아베 정부는 ’18년 9월 설치한 통합혁신전략추진회의에서 일본의 인공지능 종합 전략인 ‘AI 전략 2019’를 수립하고 발표 * 일본의 AI 전략은 환경 변화를 반영하여 세부 목표 및 과업을 조정하여 ’21년, ’22년 개정됨 국가전략기술 기술주권 브리프: 안전･신뢰 AI 16 - (AI 전략회의, ’23.5) ’23년 5월 생성 AI를 포함한 국가 전략을 수립하고 정책 방향성을 제시하는 AI 정책 총괄 자문기구인 ‘AI전략회의’를 신설하고 AI 리스크 대응, AI 이용 촉진, AI 개발력 강화를 위한 정책* 수립 * AI 전략회의, ‘AI에 관한 잠정적 논점 정리(’23.5)‘라는 보고서 공개 일본의 안전･신뢰 AI 정책 - (G7 히로시마 정상회의, ’23.5) 히로시마에서 열린 G7 정상회의에서 신뢰할 수 있는 AI를 위한 국제 지침을 연말까지 수립한다는 ‘히로시마 AI 프로세스’ 제안 * 2023년 10월에 AI 개발자를 위한 국제 지침과 지켜야 할 국제 행동 규범(11개 항목)에 대해 합의 - (지적재산 추진계획 2023, ’23.6) 생성 AI와 저작권 관계를 구체적인 사례에 따라 정리하고, 필요한 방안을 검토하는 시책 방향성을 제시하고 추후 구체적 사례 분석 및 관련 법률 정비를 지속적으로 진행 예정 영국의 AI 촉진 정책 - (국가 AI 전략, ’21.10) 향후 10년간 AI 분야에서 초강대국 리더십 확보를 국가의 AI 비전으로 삼아 전략적 투자, 포괄적 혜택, 거버넌스 3개 영역에서 단기(향후 3개월), 중기 (6~12개월), 장기(12개월 이상) 정책 과제 제시 * 2022년 7월에는 국가 AI 전략의 추진 상황을 점검하고, 향후 구체적인 추진방안을 설정한 국가 AI 전략-실행계획(National AI Strategy-AI Action Plan) 발표 - (국방 AI 전략, ’22.6) 4대 목표로 국방을 ‘AI 지원’ 조직으로 변혁, 국방 이점을 위해 속도와 규모에 맞게 AI를 채택하고 활용, 영국의 국방･안보 AI 생태계 강화, 보안･안정성 및 민주적 가치를 촉진하기 위해 글로벌 AI 개발 구체화로 설정 - (과학 및 기술 프레임워크, ’23.3) 영국 과학혁신기술부는 AI와 슈퍼컴퓨터, 양자 등의 분야에서 영국이 글로벌 과학기술 강국이 되기 위한 인프라, 투자, 기술 강화에 2030년까지 3억 7천만 파운드의 투자 계획을 담은 ‘UK 과학 및 기술 프레임워크’ 발표 영국의 안전･신뢰 AI 정책 - (프론티어 AI 태스크포스, ’23.4) 태스크포스는 정부 내 스타트업으로 ARC Evals, RAND, Trail of Bits를 비롯한 주요 기술 기관과 협력하며 AI의 최전선에서 위험을 평가할 수 있는 AI 연구팀을 구축하는 임무를 수행 * ’23년 7월 시작된 Foundation Model Taskforce가 2023년 9월 이름을 Frontier AI TF로 이름을 변경하였고 2023년 11월 발표한 AI안전연구소(AI Safety Institute)로 기능 대체 예정 Ⅱ. 글로벌 기술/산업/정책 동향 17 - (기반 모델 검토 보고서, ’23.9) 영국 경쟁시장청(CMA)은 AI 기반 모델의 잠재력과 위험성을 동시에 평가하면서 기반 모델이 시장을 독점함으로써 경쟁을 저해하고, 이용자 피해 유발 가능성을 최소화하기 위한 기업의 7가지 원칙* 제시 * 책임성, 접근성, 다양성, 선택가능성, 유연성, 공정성, 투명성 확보 - (프런티어 AI 안전을 위한 기업정책 지침, ’23.10) 영국 과학혁신기불부는 프런티어 AI 개발 기업들을 위한 지침서를 개발해 보급 * 지침에는 책임 있는 역량 확장, 모델 평가와 레드팀 구성, 모델 신고와 정보공유, 보안 통제, 취약점 신고 절차 수립, AI 생성 결과물의 출처 확인, AI 위험 연구, 모델 오용 방지와 감시, 데이터 입력 제어와 감사 방법 포함 - (AI 안전연구소 설립 제안, ’23.11) 영국 총리는 ’23년 11월 영국 블레츨리 파크에서 열린 ‘AI Safety Summit’에서 AI 안전･신뢰성 확보를 위해 AI 안전연구소 설립 제안하며 글로벌 AI 안전 연구의 허브 표방 * 영국 블레츨리 파크에서 열린 AI안전정상회의(AI Safety Summit)에서 미국, 중국, 한국, EU를 포함 28개 국가가 AI위험성 규제에 합의한 ‘블레츨리 선언’ 발표 - (안전한 AI 개발지침, ’23.11) 영국 국가사이버보안센터(NCSC)와 미국 사이버안보 및 인프라안보국(CISA) 공동 개발, 우리나라(NIS) 포함 21개국 협력 기관으로 참여해 ‘Guidelines for secure AI system development’ 개발 EU의 AI 촉진 정책 - (EU를 위한 AI, ’18.4) EU는 ’18년 4월 EU 차원의 AI 전략인 ‘EU를 위한 AI’를 발표하였으며 경제 전반에 걸쳐 기술적 산업적 역량 및 AI 활용 증진, 사회･경제적 변화 준비, 윤리적･ 법적 프레임워크 확보를 3대 목표로 제시 - (ELLIS 연구소, ’18.12) 유럽 학습 및 지능형 시스템 연구소(ELLIS)는 유럽의 인공지능 기술주권 확보를 위한 ’18년 설립된 범유럽 AI 연구 네트워크로 14개 연구프로그램, 박사 및 박사후 과정 인력 배출, AI 연구거점 구축(16개국 41개)을 진행 중 European Laboratory for Learning and Intelligent Systems - (Euro HPC 프로그램, ’23.9) ’23년 9월 유럽집행위원회는 중소기업, 스타트업, 및 공공기관에 유럽 보유 슈퍼컴퓨팅 인프라* 활용을 지원하는 정책 발표 * EU는 엑사스케일 전 단계의 슈퍼컴퓨터 ‘루미(핀란드)’, ‘마레노스트럼 5(스페인)’, ‘레오나르도(이탈리아)’를 보유하고 있으며 독일과 프랑스에서는 엑사스케일 슈퍼컴퓨터를 가동할 예정 국가전략기술 기술주권 브리프: 안전･신뢰 AI 18 EU의 안전･신뢰 AI 정책 - (신뢰할 수 있는 AI 가이드라인, ’19.4) 유럽집행위원회는 적법하고, 윤리적이며, 견실한 AI 시스템의 설계, 개발, 이용을 위한 원칙, 요구사항 및 자율 점검을 위한 평가 목록 개발을 목적으로 신뢰할 수 있는 인공지능 가이드라인을 마련하고 배포 * 7대 요구사항: 인간의 감독권 허용, 기술적 견고성과 안전성 확보, 프라이버시 보호와 데이터 접근 규정 마련, 투명성 확보, 다양성･차별금지･공정성, 사회적･환경적 웰빙 지향, 책임성 - (AI Act, ’21.4) 유럽의회는 ’21년 4월 EU 내에서 출시 또는 서비스되는 인공지능에 대한 규제법으로 ’AI Act‘를 마련하고 ’23년 12월 유럽의회, 집행위원회, 유럽연합 이사회 3자 합의를 마쳤으며 발효를 앞둔 상태 * 법안에서는 AI에 제한 사항과 공급자의 안전 조치 등을 포함하고 있으며 위반 시 최대 3,500만달러 또는 매출의 7%의 과징금 처벌 규정을 포함 4. 요약 및 시사점 (이슈 종합 1) 최근 AI 안전성･신뢰성 확보에 대한 논의가 더욱 활발해지고 있으며 주요국 정부도 AI 안전 규제 설정 움직임 강화 AI 기술 발전을 강조하던 대표적인 AI 학계 거장들도 이제는 AI 윤리 및 안전의 필요성을 주장하며 관련 문제 해결에 집중 - AI 선구자인 Geoffrey Hinton 교수는 AI 윤리･안전 문제 해결을 위하여 Google을 사임하였고(’23.5.), 편견, 투명성, 책임, 개인 정보 보호 및 윤리원칙 준수 문제를 다루는 프레임워크와 지침을 개발하는데 기여할 계획 ※ Hinton 교수는 New York Times와의 인터뷰에서 AI 분야 개척에 대한 후회를 말하며 AI가 허위 정보를 조장하고 일자리를 없애는 것에 대한 우려를 표명 - 딥러닝 모델 창시자인 Yoshua Bengio 교수도 AI 기술의 급속한 발전에 따른 예상치 못한 문제 발생으로 평생의 업적에 대해 ’상실감‘을 느꼈다고 언급하였고(’23.6.), 글로벌 AI 윤리 논쟁을 주도 ※ Bengio 교수는 최근 BBC와의 인터뷰에서 “AI가 얼마나 빨리 발전할지 알았다면 안전을 최우선으로 생각했을 것”이라고 발언 EU는 세계 첫 AI 규제법인 ‘AI Act’ 합의로 생성형 AI 등을 포함한 AI 규제 환경 구축 의지 공고화 Ⅱ. 글로벌 기술/산업/정책 동향 19 - AI Act는 AI를 활용한 제품이나 서비스에 대해 ‘위험 기반 접근방식’을 취하고, 기술보다는 AI 사용 규제에 초점을 맞춘 세계 최초 AI 규제 법안 - 이는 약 4억 5천만 명의 EU 거주자에게 적용될 예정이나 이는 전 세계적으로 영향을 주어 글로벌 AI 규제 설정을 주도할 것으로 예상 ※ “AI Act는 유럽의 판도를 바꿀 뿐만 아니라 관할권 전반에 걸쳐 AI를 규제하는 글로벌 모멘텀을 크게 강화할 세계 최초의 포괄적･수평적･구속력 있는 AI 규제” (Anu Bradford 교수, Columbia Law School) 자율규제 형식을 통해 AI 기술패권 강화 및 산업 육성을 도모하던 美, 中, 日 등도 최근 AI의 안전성･신뢰성 확보를 위한 정부 중심 규제로의 정책 기조 변화를 시사 - (美) ’22년 하반기부터 정부 중심의 AI 규제 관련 지침/가이드라인을 제정･발표하고 있고, ’23년부터 상무부가 AI Risk Management Framework를 마련하고, AI Safety Institute 설립을 추진함으로써 향후 AI 안전 규제가 공공･민간에 공통으로 적용될 것을 시사 - (中) 미국과의 AI 기술패권 경쟁을 위해 가장 느슨한 AI 규제 기조를 유지해오다 ’23년 이후 딥러닝･생성형 AI 서비스를 대상으로한 세계 최고 수준의 강력한 규제를 창설 ※ 사업자와 사용자, 데이터 및 알고리즘을 동시에 규제 - (日) 자율규제 형식을 유지하다 ’23년 이후 AI 안전 관련 정상회의, 생성형 AI 지재권 관련 규제를 추진하고 있고, 최근 기시다 총리는 AI 기술을 개발하거나 사용하는 모든 기업을 위한 정부 지침 최종안을 채택하며 ’24년 1월 AI Safety Institute 설립 계획을 발표 (이슈 종합 2) 주요국들은 안전･신뢰 AI 규제 표준 설정 목적의 규범 클러스터를 형성하여 서로 협력하되 자국에 유리한 룰(rule) 확보를 위해 경쟁할 것으로 예상 (EU 진영) ‘AI Act’ 합의로 글로벌 AI 규제 선도와 자국 기업･산업 보호 기반 마련 - 세계 최초의 AI 규제 법안을 통해 글로벌 AI 규제 선두주자로서 EU의 입지를 강화 - 동시에 해당 법안에는 상대적으로 열위인 자국 내 AI 기업 및 산업 보호와 육성을 위하여 글로벌 AI 빅테크 기업들을 규제하기 위한 조항* 및 징벌적 벌금 부과 조항*을 포함 (예) OpenAI, Google, Meta 등의 생성형 AI, LLM 및 범용 AI 시스템을 대상으로 모델 출시 전 투명성 의무 준수 요구(기술 문서 작성, EU 저작권법 준수, 학습 사용 데이터 공개 등 포함) ** 위반 기업들에게는 750만 유로(약 107억원) 또는 매출액의 1.5%에서 최대 3,500만 유로(약 497억원) 또는 전세계 매출액의 7%까지 벌금 부과 국가전략기술 기술주권 브리프: 안전･신뢰 AI 20 (미국 및 우방국 진영) 미국과 영국은 AI Safety 파트너십을 준비 중이며 미국 사이버보안･ 인프라 보안국과 영국 국립사이버보안센터는 전 세계적으로 합의된 최초의 지침인 AI 안전･신뢰 지침인 ‘Guidelines for Secure AI System Development’을 공동으로 개발 (중국) 자체적인 세계 최고 수준의 AI 안전 규제로 높은 진입장벽을 구축하여 중국 내수 AI 시장 보호를 도모 시사점 안전･신뢰 AI 환경 구축을 위한 적극적인 대응 부재 시 향후 AI 핵심 분야(AI 모델링, 컴퓨팅 등)과 같이 경쟁우위를 확보하지 못할 위험이 존재 AI 거버넌스 및 관련 기술 시장의 급성장은 관련 솔루션을 개발하고 구현하는 기업에 성장 기회를 제공 AI 정책 방향 설정 시 기술의 기회-위험 간 균형 유지 필요 Ⅲ. 경쟁력 분석 21 경쟁력 분석 분석 개요 3장에서는 AI 주요 학회들의 프로시딩(proceeding) 논문을 분석하여 국가별 안전･신뢰 AI 경쟁력 분석 ※ AI 분야는 특허출원 비중이 낮고, 최신 동향을 분석하고자 프로시딩 논문 중심으로 분석 (데이터 수집) 안전･신뢰 AI 관련 키워드 도출 및 해당 키워드를 통한 AI 주요 학회별･연도별 안전･신뢰 AI 프로시딩 수집 산･학･연 전문가 인터뷰를 통한 안전･신뢰 AI 관련 키워드를 도출하였고, 이를 바탕으로 데이터 추출 논리 및 키워드 쿼리를 <표 2>와 같이 설정 <표 2> 안전･신뢰 AI 논문 추출을 위한 데이터 추출 논리･키워드 쿼리 변수명 데이터 추출 논리 데이터 추출 키워드 쿼리 AI 신뢰성 AI and 신뢰성 (“artificial intelligence” or “machine learning” or “deep learning”) and (“privacy protection” or “personal information protection” or “personal data protection” or “rigorous” or “safe” or “robust” or “secure” or “explainable” or “interpretable” or “transparent” or “fair” or “unbiased” or “impartial” or “data provenance” or “predictable” or “nonharmful” or “comprehensive” or “traceable” or “explicable” or “nondiscriminatory” or “inclusive”) AI 개인정보보호 AI and 개인정보보호 (“artificial intelligence” or “machine learning” or “deep learning”) and (“privacy protection” or “personal information protection” or “personal data protection” or “data provenance”) AI 견고성 AI and 견고성 (“artificial intelligence” or “machine learning” or “deep learning”) and (“rigorous” or “safe” or “robust” or “secure” or “predictable” or “nonharmful”) AI 설명가능성 AI and 설명가능성 (“artificial intelligence” or “machine learning” or “deep learning”) and (“explainable” or “interpretable” or “transparent” or “comprehensive” or “traceable” or “explicable”) AI 공정성 AI and 공정성 (“artificial intelligence” or “machine learning” or “deep learning”) and (“fair” or “unbiased” or “impartial” or “nondiscriminatory” or “inclusive”) 국가전략기술 기술주권 브리프: 안전･신뢰 AI 22 <표 2>를 바탕으로 AI 주요 학회별･연도별 안전･신뢰 AI 프로시딩을 수집 - AI 주요 학회들 중 논문 DB, DB access 등의 상황을 고려하여 ICML(International Conference on Machine Learning, ICLR(International Conference on Learning Representations), NeurIPS(Neural Information Processing Systems) 학회의 최근 3개년 안전･신뢰 AI 프로시딩을 수집 ※ 논문 저자 소속기관(affiliation)의 국가명이 명시되지 않은 경우 분석 대상에서 제외 <표 3> AI 주요 학회별 안전･신뢰 AI 프로시딩 수집 결과 ICML ICLR NeurIPS 연도 안전신뢰 논문 수 학회논문 전체 수 비중 안전신뢰 논문 수 학회논문 전체 수 비중 안전신뢰 논문 수 학회논문 전체 수 비중 2020 65 1084 6.00% 22 686 3.21% 87 1898 4.58% 2021 48 1183 4.06% 38 860 4.42% 118 2333 5.06% 2022 61 1233 4.95% 63 1191 5.29% 154 2830 5.44% 합계 174 3500 4.97% 123 2737 4.49% 359 7061 5.08% (데이터 분석 결과) 수집한 결과를 국가별･연도별로 분석 ※ 국가 분류는 학회 프로시딩의 저자의 소속기관의 국가를 기준으로 분류 ※ 만약 저자별 소속 기관이 상이할 시 제1저자 소속기관의 국가를 기준으로 국가를 판정 [그림 8] 국가별･연도별 게재된 AI 주요 학회 안전･신뢰 AI 프로시딩 수 Ⅲ. 경쟁력 분석 23 (시사점) ’22년도까지 AI 주요 학회의 안전･신뢰 AI 관련 프로시딩 비중은 4~5% 내외이고, 해당 데이터 기준 미국이 다른 주요국 대비 월등히 많은 수의 프로시딩을 게재 중 AI 분야 권위자들을 중심으로 안전･신뢰 AI 기술의 중요도가 최근에 강화되고 있기에 ’22년까지는 비교적 낮은 비중으로 안전･신뢰 AI 프로시딩이 발간되었을 것으로 추정 프로시딩 수 분석 기준 한국과 일본은 주요국 대비 안전･신뢰 AI 프로시딩 수가 현저히 부족한 측면 안전･신뢰 AI가 기술과 제도를 중심으로 클러스터화 되고 있는 동향을 고려할 때 한국은 향후 관련 기술패권 경쟁에서 뒤처질 위험이 존재 (한계점) 분야 특성 및 데이터 한계로 인한 경쟁력 분석의 한계가 존재 타 국가전략기술 분야 대비 AI 분야는 기술의 빠른 변동성으로 논문/특허가 큰 의미를 갖지 못하는 측면이 존재 ※ 논문 게재/특허 출원 기간 내 기술표준/유효성이 저하될 수 있어 연구결과를 바로 공개하는 경우가 다수 이에 그나마 정량분석이 가능한 AI 주요 학회 프로시딩을 중심으로 국가 경쟁력을 간접적으로 측정･분석 ※ AI 주요 학회들은 학술지 대비 프로세스가 짧기 때문에 프록시 데이터로 적합한 측면 따라서 타 분야의 학술지 논문 분석과 해당 결과를 동일시하기에는 한계가 존재 국가전략기술 기술주권 브리프: 안전･신뢰 AI 24 정책 제언 (대응 방향) AI 규제강도에 따른 정책수단의 장단점과 글로벌 추세를 고려하여 기민하게 대응할 필요 현재 주요국들의 AI 안전성 및 신뢰성 확보를 위한 정책 방향과 규제 강도는 확정되지 않았으나, 최근 정부 중심 규제로의 정책 기조 변화가 감지되고 있어 여러 가능성에 대비하여 시나리오를 마련하여 대비 필요 <표 4> 규제 강도에 따른 안전･신뢰 AI 정책 수단 및 수단별 장･단점 규제 강도 안전･신뢰 AI 정책 수단 내용 수단별 장･단점 가장 낮음 전문가 중심의 자율 규제 권고 관련 기술 개발자/서비스 제공자가 전문가 집단의 참여/협력을 통해 자발 적으로 통제를 추구하는 방식 ∙ (장점) 자율기반의 관련 기술/생태계 발전 촉진 ∙ (단점) 전문가 위원회 구성에 대한 객관성 결여 위험, 예측 못한 문제 발생 시 법적 책임 모호 다소 낮음 인증체계 구축･운영 정부가 이해관계자에게 자발적인 인증 획득을 유도하여 관련 분야 위험 대응 체계를 구축할 수 있도록 유인하는 방식 ∙ (장점) 물리적 대응 체계 구축･운영 가능 ∙ (단점) 인증 주체 지정, 인증 수준 및 절차에 대한 이해관계자 합의에 오랜 시간 소요 다소 높음 개인적 권리 설정 정부가 이용자들에게 알고리즘 구조 및 결과에 대한 설명을 기술개발자/ 서비스 제공자들에게 요구할 수 있는 권한을 부여하는 방식 ∙ (장점) 인공지능 기술/제품/서비스 개발자가 딥러닝의 인과관계 모호성을 최소화하여 제품/서비스를 개발할 수 있도록 유도 ∙ (단점) 기업 부담 가중, 설명 수준에 대한 규정 등을 설정하는데 상당한 시간 소요 매우 높음 직접적 행정 규제 설정 정부가 기술개발/서비스 제공 가능 영역을 설정하고, 이외 영역에 대해서는 법적 규제를 가하는 방식 ∙ (장점) 역기능 피해 및 분쟁 최소화 ∙ (단점) 진화하고 있는 인공지능 기술을 법으로 명확하게 규제하기 어려운 측면 (국제협력) 글로벌 안전･신뢰 AI 환경 조성에 주도적 역할을 수행하되 일정 수준의 국내 산업･기업 보호 조치 마련 필요 글로벌 안전･신뢰 AI 논의 및 관련 규제/기술 표준 설정에 적극적으로 참여 Ⅳ. 정책 제언 25 - 정부 간 협력, 국제기구, 민간 협력 등 다양한 방식을 활용하여 AI 시스템의 안전성, 공정성, 투명성, 설명 가능성, 인간 통제 등 다양한 분야에 대한 국제적 기준을 마련하고, 이를 준수하도록 유도 (예) ISO/IEC JTC 1/SC 42: WG3 분과에서 AI 신뢰성(trustworthiness) 관련 표준 제정 - 정보 공유 및 협력을 위한 플랫폼 구축을 통해 AI 안전성･신뢰성 관련 모범 사례 공유, 연구 결과 및 규제 접근 방식 교환 등을 추진 ※ 한국 정부는 미국 및 우방국 진영에서 글로벌 AI 규제 형성 방안을 논의하고 있고(’23년 11월 AI Safety Summit 참여, ’24년 상반기 AI의 안전한 활용을 위한 미니 정상회의를 영국과 공동 주최 예정), 향후에도 해당 진영을 유지할 것으로 예상 - 편향 탐지/완화 기술, AI 모델의 설명 가능성 및 조절가능성 기술, 프라이버시 보호 기술 등 중요한 AI 안전 문제 해결을 위한 기술을 연구하는 공동연구 이니셔티브 개발 안전･신뢰 AI 관련 국제 협력을 추진함과 동시에 국내 AI 산업･기업 보호 조치를 마련하는 투트랙(two-track) 전략 검토 필요 - 향후 확정될 글로벌 스탠다드에 맞추어 안전･신뢰 AI 정책을 추진하면서도 국내 기업에 지나치게 무겁지 않은 부담을 주지 않도록 균형을 유지할 필요 - 나아가 법적 규제를 마련하여 AI 시스템의 안전성, 공정성, 투명성, 설명 가능성, 인간 통제 등 다양한 분야에 대한 국내 기준을 마련하고, 이를 준수하도록 의무화하여 내수 시장을 보호하고, 국내 AI 산업과 기업의 경쟁력을 강화할 필요 ※ (예) 클라우드 산업 분야의 클라우드보안인증제도(CSAP)와 같이 내수 시장에 별도 기준을 설정･적용하여 국내 AI 산업 및 기업 보호를 도모하는 방안도 검토 필요 (정부) AI 안전성･신뢰성 확보를 위한 제도적 안전망 구축과 관련 핵심기술 R&D 지원 추진 글로벌 AI 규제 동향, 국내 AI 기술･산업 특수성을 고려하여 혁신과 안전 사이의 균형을 맞추는 한국형 AI 규제 프레임워크 설계 AI에 의한 피해 발생시 이에 대한 사업자 책임 부여 및 이용자 구제 방안 마련 ※ AI 위험성 평가, AI 보험제도, AI 피해로부터 이용자 사전 보호(사전고시) 및 사후 보상 제도 등 수립 Responsible AI 분야 핵심기술 확보를 지향하는 R&D 지원 - 설명 가능한 AI 기술, 편향성 완화 기술, 개인정보보호 기술, AI 오용 탐지･방지 기술, AI 동작/구조 안전성 검증 기술 등의 개발을 지원하여 향후 EU GDPR, AI Act 등 세계 최고 수준의 AI 신뢰성 체계와 호환 가능한 안전하고 신뢰성 있는 AI 모델 및 서비스 제공 기술 확보 국가전략기술 기술주권 브리프: 안전･신뢰 AI 26 AI 연구자, 개발자, 이용자, 윤리, 사회 과학, 법률 전문가 간 협력을 장려하여 AI가 사회적으로 미치는 영향을 파악하고, 관련 이해관계자 간 협업을 지원 (기업) 적극적인 AI 신뢰성 확보 기술 투자, 포괄적 위험 평가, 전략적 파트너십 형성 등을 통해 안전･신뢰 AI 분야 경쟁력 확보 한국어 데이터 및 사용 환경에 특화된 Responsible AI Toolkit의 개발･배포에 적극적으로 투자 - AI 시스템의 편견, 편향성, 투명성 및 데이터 개인정보보호를 해결하기 위한 기술, 안전 프로토콜 및 메커니즘을 구현하는 기술 확보 및 배포 외부 전문가 중심의 안전･신뢰 AI 위원회를 구축하여 AI 시스템/서비스 배포 전 관련 잠재적 위험을 식별하고 완화하는 포괄적 위험 평가 프로세스를 구축 업계 내 전략적 파트너십을 형성하여 AI 안전성･신뢰성 관련 모범 사례를 공유하고, AI 기술에 대한 안전 및 신뢰성 평가 기술을 공동으로 개발 정부 기관과 적극적으로 협력하여 관련 사례･경험･전문 지식을 공유하며 AI 안전 및 신뢰성 관련 문제 해결 정책 수립 과정에 참여 (대학) 안전･신뢰 AI 관련 전문 교육 프로그램 개발, 기존 커리큘럼 확대 등을 통해 관련 인재 양성 기업 및 정부와 협력하여 AI 안전성과 신뢰성에 초점을 맞춘 전문 프로그램 개발 - AI 개발 및 배포, 관련 규제 분야 전문가 대상의 AI 안전성･신뢰성 제고를 위한 맞춤형 교육 프로그램 개발 - AI로부터 파생되는 윤리적 문제를 식별하고, 이를 예방/방지/수습할 수 있는 안전 조치를 구현하는 교육 프로그램 개발 AI 윤리, 안전, 거버넌스를 컴퓨터 과학 및 엔지니어링 필수 커리큘럼에 반영하여 AI 안전･신뢰 의식을 갖춘 전문 인재 양성 연구 파트너십, 인턴십, 지식 교환 프로그램을 지원하여 학계와 업계 간 협력 촉진 참고문헌 27 참 고 문 헌 ∙ 고학수 외 (2021). 유럽 연합 인공지능법안의 개요 및 대응 방안. ∙ 구본진 (2022). 디지털 전환의 미래사회 위험이슈 및 정책적 대응 방향: 인공지능을 중심으로. 기술혁신연구, 30(1), 1-20. ∙ 이중희 (2023). 중국의<생성형 인공지능 서비스 관리 잠정 방법>에 대한 분석: 배경과 쟁점 ∙ 소프트웨어정책연구소 (2019). 일본의 인공지능 전략 동향 : AI 전략 2019. ∙ 소프트웨어정책연구소 (2021). 유럽(EU)의 인공지능 윤리 정책 현황과 시사점 : 원칙에서 실천으로. ∙ 소프트웨어정책연구소 (2022). 인공지능 신뢰체계 정립방안 연구. ∙ 소프트웨어정책연구소 (2023). 글로벌 AI 신뢰성 정책 동향 연구. ∙ 한국무역협회 (2021). 중국 인공지능 산업 동향과 시사점: 중국의 AI 굴기와 성공전략. ∙ 한국지능정보사회진흥원 (2022). 최신 AI 불확실성 정량화 동향 및 시사점. ∙ 한국지능정보사회진흥원(2023). 중국 인터넷 정보 서비스의 심층합성 관리 규정. ∙ 한국지식재산연구원 (2022). 일본 지적재산 추진계획 2022의 주요내용과 시사점. ∙ Acemoglu, D., Autor, D., Hazell, J., & Restrepo, P. (2022). Artificial intelligence and jobs: Evidence from online vacancies. Journal of Labor Economics, 40(S1), S293-S340. ∙ Behrens, V., & Trunschke, M. (2020). Industry 4.0 related innovation and firm growth. ZEW-Centre for European Economic Research Discussion Paper, (20-070). ∙ Bessen, J., & Righi, C. (2019). Shocking technology: what happens when firms make large IT investments?. ∙ Gartner (2022). What’s New in Artificial Intelligence from the 2022 Gartner Hype Cycle. ∙ Hatzius, J. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth (Briggs/Kodnani). Goldman Sachs. ∙ Markets and Markets (2022). AI Market by Offering Technology, Business Functio, Vertical, and Region - Global Forecast to 2030. ∙ Research and Markets (2023). Artificial Intelligence (AI) - Global Strategic Business Report. ∙ Stanford University (2023). HAI AI Index Report 2023. 국가전략기술 기술주권 브리프: 안전･신뢰 AI 28 [웹페이지] ∙ https://aws.amazon.com/ko/machine-learning/responsible-ai/resources/ ∙ https://cloud.google.com/responsible-ai?hl=ko ∙ https://responsibleaitoolbox.ai/introducing-responsible-ai-dashboard/#dashboard-components ∙ https://www.ibm.com/kr-ko/products/watsonx-governance ∙ https://ai.meta.com/responsible-ai/ ∙ https://www.gminsights.com/industry-analysis/ai-governance-market ∙ https://www.marketsandmarkets.com/Market-Reports/explainable-ai-market-47650132.html ∙ https://www.maximizemarketresearch.com/market-report/data-privacy-software-market/145730/ 필자 소개 ❏ 구본진 - 한국기술교육대학교 산업경영학부 조교수 - 前 한국과학기술기획평가원 전략기술정책단 부연구위원 - 041-560-1608 / bonkoo@koreatech.ac.kr ※ 본 기술주권브리프는 필자의 개인적인 견해이며, 기관의 공식적인 의견이 아님을 알려드립니다. [ KISTEP 브리프 발간 현황 ] 발간호 (발행일) 제목 저자 및 소속 비고 112 (24.01.08.) 무기발광 디스플레이 진영현·오세미 (KISTEP) 기술주권 113 (24.01.12.) 2022년 우리나라와 주요국의 연구개발투자 현황 이새롬·한웅용 (KISTEP) 통계분석 114 (24.01.12.) 2022년 우리나라와 주요국의 연구개발인력 현황 이새롬·한웅용 (KISTEP) 통계분석 - (24.01.22.) KISTEP Think 2024, 10대 과학기술혁신정책 아젠다 강현규･이민정 (KISTEP) 이슈페이퍼 (제357호) - (24.01.25.) 국가연구개발 성과분석 프레임워크 개발 및 적용 박재민･문해주･김수민･박서현 (건국대학교) 이호규(고려대학교) 강승규(한국조달연구원) 이슈페이퍼 (제358호) 115 (24.01.25.) 세계경제포럼(WEF) Global Risks 2024 주요 내용 및 시사점 이미화 (KISTEP) 혁신정책 116 (24.01.25.) 기후변화와 기후 지구공학 정의진･임현 (KISTEP) 미래예측 117 (24.01.26.) 단백질 구조예측 및 디자인 전수진･한민규 (KISTEP) 기술동향 - (24.01.29.) 신약개발 분야 정부 R&D 현황과 효율성 제고 방안 송창현･엄익천(KISTEP) 김순남(국가신약개발사업단) 이원희(유한양행) 이슈페이퍼 (제359호) - (24.01.31.) 반도체 분야 정부연구개발투자의 효과성 분석과 개선방안 김준희･엄익천(KISTEP) 오승환(경상국립대학교) 전주경(한국특허기술진흥원) 이슈페이퍼 (제360호) 118 (24.02.01.) 인공지능이 변화시킬 미래 연구수행 모습 이상남 (KISTEP) 미래예측 119 (24.02.13.) EU 인공지능(AI) 규제 현황과 시사점 강진원･김혜나 (KISTEP) 혁신정책 - (24.02.15.) ‘생성형 인공지능’ 시대의 10대 미래유망기술 박창현 (KISTEP) 이슈페이퍼 (제361호) 발간호 (발행일) 제목 저자 및 소속 비고 - (24.02.29.) 과학기술 전공자 취업 현황 분석 및 시사점 이정재･박수빈･이원홍 (KISTEP) 이슈페이퍼 (제362호) 120 (24.03.07.) 국가R&D 국외수혜정보 보고 제도 주요 내용 및 시사점 황인영･정정규 (KISTEP) 혁신정책 121 (24.03.19.) 2022년 한국의 과학기술논문 발표 및 피인용 현황 김용희 (KISTEP) 통계분석 122 (24.03.20.) 브렉시트(Brexit) 이후 영국의 과학기술 동향 임현지･이가원･홍미영 (KISTEP) 기술동향 123 (24.03.27.) ‘과학기술협력에 관한 격년 보고서(2022년 NSTC ISTC)’의 이행사항 점검 결과와 시사점 도계훈･강진원･김혜나 (KISTEP) 혁신정책 124 (24.04.01.) 호라이즌 유럽(Horizon Europe)의 연구데이터 정책과 시사점 이민정･송창현 (KISTEP) 혁신정책 125 (24.04.01.) 안전‧신뢰 AI 구본진 (한국기술교육대학교) 기술주권
정책브리프	호라이즌 유럽(Horizon Europe)의 연구데이터 정책과 시사점	2024-04-01
<p><br></p>- 1 - (2024.4.1., 정책기획본부 이민정, 과학기술정책센터 송창현) 1 검토배경 □ 윤석열 정부는 지난해 11월 발표한 ｢글로벌 R&D 추진전략｣에서 국가연구개발사업의 국제협력을 강조하는 한편 관련 정책과 제도개선을 활발하게 추진 중 세계 최고를 지향하는 글로벌 R&D 시스템 혁신, 국내 연구자의 글로벌 역량 강화, 글로벌 스탠다드의 연구 생태계 조성 □ 최근에는 유럽의 대표적인 글로벌 협력연구 프로그램인 ‘호라이즌 유럽(Horizon Europe, 이하 HE)’에 준회원국(Associated Countries) 가입 협상이 타결됨(보도자료, 2024.3.25.) <표 1> 유럽의 연구혁신 프로그램(FP;Framework Programmes)(EC, 2023.5.12.) ∙ 유럽연합(EU)에서 1984년부터 시작한 연구혁신 자금 지원 프로그램으로, 2014년부터 Horizon이라는 명칭으로 변경 되어 Horizon 2020(2014~2020)에 이어 Horizon Europe(2021~2027) 진행 중 ∙ Horizon Europe에는 특정 제한 요건이 명시되어 있지 않다면 EU 회원국 외에도 모든 국가의 연구 주체가 참여할 수 있도록 개방되어 있으나, 자금 지원 등을 받을 수 있는 국가는 제한되어 있음 - 협정을 맺은 준회원국(associated countries)의 연구 주체는 EU 회원국의 연구 주체와 동등한 조건으로 프로그램에 참여할 수 있으며, 일부 명시된 중저소득 국가(low- to middle-income countries)들의 연구 주체들에는 자동적으로 자금 지원 자격이 부여됨 - 그 외 제3국(Other third countries)에 속하는 연구 주체는 일반적으로 자금 지원을 받을 수 없어 자비로 참여해야 하지만, 연구 역량이나 인프라, 지리적 요건, 데이터 접근성 등이 특정 프로젝트에 필수적이라고 판단될 경우에 예외적 으로 자금 지원이 이루어질 수 있음. 현재 한국은 Horizon Europe에 ‘그 외 제3국’ 자격으로 참여 중. □ HE를 포함해 주요국과 국제기구에서는 공적 자금이 투입된 연구개발 프로그램에서 발생한 연구데이터를 개방하고 공유하는 방향으로 정책을 적극 추진 중이며, 유럽과 미국 등을 중심으로 오픈사이언스(Open Science) 기조가 확대되고 있음(이민정, 2023) ※ 특히, 미국은 2023년을 오픈사이언스의 해(The Year of Open Science)로 선포, 미국 NSTC산하 오픈사이언스 소위(SOS;National Science and Technology Council Subcommittee on Open Science) 운영 중(2022.8.~) ❍ OECD는 2006년 12월, 공적 자금으로 지원된 연구의 결과물에 대해 접근성을 높이는 것을 골자로 한 권고안(Recommendation on Access to Research Data from Public Funding)을 처음으로 채택하였으며, 2021년 1월 개정안에서는 기존의 연구데이터 외에 관련 메타데이터, 알고리즘, 코드 등을 포함한 소프트웨어로 대상 범위를 확대 호라이즌 유럽(Horizon Europe)의 연구데이터 정책과 시사점 KISTEP 브리프 - 2 - ※ Nature, Science, Cell 등 탑 저널들은 오픈엑세스(Open Acess)를 확대하고 있으며, 소프트웨어, 프로그래밍 및 최근 AI분야에서는 GitHub, Hugging Face 등을 통해 오픈콜라보레이션(Open Collaboration)이 활발히 추진 중 ❍ 전세계가 COVID-19을 겪은 뒤 열린 G7 과학기술장관회의(23.4.12~14)에서는 오픈사이언스, 연구진실성 및 연구보안, 글로벌 이슈 극복을 위한 국제협력을 논의한 바 있음 □ 본 고에서는 국제협력의 활성화 및 HE 프로그램 참여를 통해 글로벌 스탠다드의 연구생태계를 조성하기 위한 여러 노력 중 하나로 HE의 연구데이터 정책을 고찰하여 연구데이터를 전략적으로 관리･공유하는 국제적 흐름에 선제적으로 대응하고자 함 2 호라이즌 유럽(Horizon Europe)의 연구데이터 정책 □ ‘Horizon 2020(2014-2020)’에서는 오픈엑세스(OA;Open Access)를 넘어선 오픈사이언스 (OS;Open Science) 정책으로 데이터관리계획(DMP; Data Management Plan)* 등 연구데이터 관리(RDM; Research Data Management)*제도를 시범 도입함(신은정 외, 2017) DMP란, 연구과제 시작단계부터 진행 중, 종료 후 연구데이터를 어떻게 다룰지 개괄적으로 설명하는 문서로, 고품질, 보안, 접근과 재사용이 가능한 상태로 유지하기 위한 주요 조치와 전략을 명시 ** RDM이란, 조직(Organisation), 보관(Storage), 보존(Preservation), 보안(Security), 품질 보증, 영구 식별자 (PID; persistent identifier) 할당, 라이선싱을 포함한 데이터 공유 규칙 및 절차를 포함하는 프로세스를 의미 □ 시범운영 결과를 토대로 후속 프로그램인 ‘Horizon Europe(2021-2027)’에서는 DMP 등 RDM을 의무화(European Commission, 2023.10.15., The Model Grant Agreement Article 17, The Annotated Grant Agreement Article 17) ❍ Horizon Europe 프로그램을 통해 연구데이터를 생성하거나 재사용하는 모든 연구과제는 DMP를 제출하여야 하며 FAIR 원칙에 입각한 연구데이터 관리 체계 구축 필요 검색가능성(Findability), 접근성(Accessibility), 상호운용성(Interoperability), 재사용성(Reusability) ❍ 연구데이터는 신뢰할 수 있는 리포지터리(Repository)에 보관하여야 하며, ‘가능한 한 공개하되, 필요시* 공개하지 아니할 수 있다(as open as possible as closed as necessary)’는 원칙에 따라 공개･공유 필요 * 예외(데이터를 공개하는 것이 정당한 이익을 침해하는 경우, 특정기간 보호가 필요한 경우, 자국 내 별도 절차가 있는 경우 등)가 있으며 이는 협약서 및 DMP에 명시 필요 ❍ DMP는 살아있는 문서(a living document)로서 정기적인 업데이트가 필요하며, 제안단계에서는 간단한 양식(1페이지 분량)의 DMP만 필요하며, 전체 초안은 보통 연구개시 후 6개월까지 제출* 하고, 연구종료 시 최종 버전에는 연구데이터의 공유계획도 포함되어야 함 * 예외적으로, 공공비상상태(public emergency), 프로그램 특성에 따라 연구 제안서 제출 시 또는 늦어도 협약서에 서명할 때까지 전체 초안 제출이 필요한 경우가 있음 - 3 - ❍ DMP는 가능한 한 광범위한 재사용이 가능하도록 오픈액세스 및 CCBY라이선스에 따라 제한 없는 공개 결과물로 도출 권고 저작자 및 출처만 표시한다면 제한 없이 자유롭게 이용 가능 ❍ HE가 요구하는 DMP에는 크게 1) 연구데이터 설명, 2) FAIR 원칙, 3) 연구데이터 외 연구 결과물, 4) 자원(비용지원), 5) 데이터 보안, 6) 윤리, 7) 기타로 구성되어 있음 ([참고]) 3 국내 연구데이터 정책 동향 □ 2018년 ｢연구데이터 공유･활용 전략｣을 통해 리포지터리 구축을 위한 시범사업을 운영 ※ 현재 국가연구데이터 플랫폼(DataOn), 국가바이오데이터 스테이션(K-BDS), 국가소재연구데이터 센터(K-MDS) 구축･운영 중 □ 2019년 당시 국가연구개발사업에 공통적으로 적용되었던 ｢(舊) 국가연구개발사업 관리 등에 관한 규정｣에 연구데이터의 정의 및 DMP 제도가 도입되었으며, 2021년 ｢국가연구개발혁신법｣이 제정된 이후에는 그 하위 법령인 ｢국가연구개발정보처리기준｣에서 규정하고 있음 ❍ DataOn에서는 실무적인 가이드라인(‘연구데이터 관리･활용 가이드라인’)을 제공하고 있음 연구프로세스상(과제 기획 및 선정, 평가단계) DMP 적용, DMP 작성요령(절차, 작성항목, 변경), DMP 점검 (절차, 심사 체크리스트, 이행여부 체크리스트) ❍ 한국연구재단(NRF)은 일부 사업에 대해 DMP제도를 운영하고 있으며1), 협약 시 DMP 작성 컨설팅 참여 및 단계/최종평가 시 DMP 이행점검을 통해 연구데이터 등록 및 관리제도 운영 중 연구과제요약, 연구데이터 형태, 연구데이터 및 메타데이터 표준, 연구데이터 공유 및 제한 계획, 연구데이터 재사용 및 배포 계획, 연구데이터 보관계획 □ 현재 혁신적 성과 창출의 원천으로서 연구데이터의 체계적인 관리와 활용을 위한 법･제도적 정비가 활발히 추진 중 ❍ ｢국가연구데이터 관리 및 활용 촉진에 관한 법률(국가연구데이터법)｣* 제정(안)이 발의 중2) * 목적 : 국가연구개발의 주요 연구자산인 연구데이터를 안전하게 축적하고 공유･활용하여 과학기술적, 사회경제적 가치 창출 1) https://www.nrf.re.kr/cms/board/general/view?menu_no=53&page=1&nts_no=124731&search_type=NTS_TITL E&search_keyword=%EC%97%B0%EA%B5%AC%EB%8D%B0%EC%9D%B4%ED%84%B0 2) https://www.moleg.go.kr/lawinfo/makingInfo.mo?lawSeq=74834&lawCd=0&&lawType=TYPE5&mid=a10104010000 - 4 - <표 2> 연구데이터법 제정(안) 주요 내용 법령(안) 주요내용 법령(안) 주요내용 연구데이터의 정의 (제2조 제2호) ∙ 국가연구개발과정에서 생산되는 데이터 중 수집･관리가 필요한 연구데이터의 정의를 연구개발성과의 검증 또는 재현에 필수적인 데이터로 한정함 연구데이터의 보유 (제10조) ∙ 연구개발기관이 연구자로부터 연구 개발성과와 연구데이터에 대한 권리를 승계하여 보유, 경우에 따라 여러 연구 개발기관이 공동으로 권리를 보유할 수 있도록 규정함 적용범위 (제3조) ∙ 국가연구개발과제 중 인문사회, 보안 과제, 기업이 주관연구기관인 과제, 국제공동연구개발사업 등 연구데이터의 수집･관리의 실효성이 낮은 과제는 적용범위에서 제외 연구데이터 통합플랫폼 (제13조) ∙ 공개된 연구데이터의 통합검색･분석･ 활용, 연구개발기관 등의 저장소 구축･ 연계 등을 지원하기 위한 근거 마련함 연구데이터의 공개 및 이용 (제4조, 제5조) ∙ ｢저작권법｣ 등 다른 법령에서 보호하고 있는 정보를 포함하는 연구데이터는 공 개 대상에서 제외하고, 연구개발기관의 판 단 하에 공동활용이 가능한 연구데이터만 을 공개할 수 있도록 규정 ∙ 무상제공 및 무상이용을 원칙으로 하되, 필요한 경우 유상으로 거래할 수 있는 근거를 마련함 국제협력 (제18조) ∙ 국가연구데이터의 국제적인 연계 활용을 위해 정보교환, 표준화활동, 국제공동 사업 지원, 기술 및 시스템 수출･도입 등의 국제협력 추진 근거를 마련함 ❍ ｢생명연구자원의 확보･관리 및 활용에 관한 법률(24.2.13개정, 24.8.14시행)｣에서는 생명연구 데이터의 정의 규정을 신설하고, 생명연구자원에 생명연구데이터가 포함되었음 4 결론 및 시사점 □ R&D 국제협력이 가속화되고 있고, 특히 HE 준회원국 가입이 확정된 현 시점에서 오픈사이언스 측면에서 국내의 연구데이터 관리 및 공유･활용 정책 현황을 진단할 필요성 대두 ※ ｢글로벌 R&D 추진전략(23.11)｣에서 연구데이터 공유를 포함한 오픈사이언스 관점의 검토가 부재하여 이에 대한 관심과 검토 필요 ❍ 연구데이터 관리 및 공유･활용 정책의 핵심은 ‘DMP제도 운용’에 있으며, HE의 경우, DMP제도를 의무화하여 운영하고 있어 준회원국 가입시 국내 연구기관/연구자에게도 의무가 적용됨 ❍ 국내의 경우 ｢국가연구개발정보처리기준｣에 근거하여 DMP 등 연구데이터 제도가 운영 중이나, 법적 구속력이 부족하고, 일부 연구개발사업에만 적용되고 있으며, 표준화된 양식 및 가이드가 부재한 상황임 상기 처리기준에서는 중앙행정기관이 필요한 경우 DMP를 고려한 선정평가, 연구관리, 연구데이터 공동 활용 가능하다고만 명시되어 있으며, 2021년 기준, 미래뇌융합기술개발사업, 뇌질환극복연구사업, 바이오의료기술개발 사업, 신약분야원천기술개발사업, 나노소재기술개발사업, 미래소재디스커버리사업, 미래반도체신소자 원천기술 개발사업, 나노미래소재원천기술개발사업 등 주요 국책연구사업 일부과제에 DMP 적용(신은정 외, 2021) - 5 - □ HE와 국내의 현황을 비교･분석해본 결과([참고]), 국내 DMP 체계의 제도적 공백 보완 필요 ❍ 연구데이터가 수집･관리･보존･공개･공유되어야 하는 취지가 연구과제 목적 및 목표에 부합한 지에 대한 검토가 선결될 필요가 있으며 연구데이터의 ‘재사용’의 가치에 대해서도 적극적 고민 필요 ❍ DMP 이행을 위한 비용을 적극적으로 연구비에서 인정하고, 연구데이터와는 별개로 메타데이터에 대한 자체적인 표준과 검색기간 등의 관리를 세분화할 필요 ❍ 부정행위에 국한된 윤리적 검토가 아닌 연구대상자에 대한 사전 동의, 저작권, 영업비밀 등 지식 재산과 관련된 법적 이슈, 소유권 등을 면밀하게 검토할 필요 ❍ 연구데이터뿐만 아니라 국가연구개발사업의 성과물에 대해 FAIR 원칙에 입각하여 개방성을 높일 수 있는 노력을 포괄적으로 확대 검토 □ 국제협력 시 전략적 자산인 연구데이터의 무분별한 유출을 막으면서도 개방적 혁신을 위한 협의 내용을 협약서를 통해 조율하기 위해서는 국내에 명확한 법령, 가이드라인을 구축할 필요가 있음 □ 또한 국제적으로도 통용되는 DMP 표준양식을 마련하고, 국내 구축･운영 중인 리포지터리와 협력국 및 주요 학술지의 리포지터리를 연계하여 연구자의 행정부담을 경감하기 위한 노력을 병행 필요 □ DMP를 포함한 RDM을 구축하기 위해서는 연구데이터의 생산 및 사용주체인 연구자/연구기관이 관련 제도를 인지하고 필요성을 공감할 수 있는 노력이 선결되어야 함 - 6 - 참고문헌 ∙ 국가과학기술자문회의, 세계를 선도하는 글로벌 R&D 추진 전략, 2023.11.27. ∙ 보도자료, 세계 최대 규모 다자 간 연구혁신 프로그램에 아시아 최초로 한국 가입, 2024.3.25. Available at https://www.msit.go.kr/bbs/view.do?sCode=user&mId=113&mPid=238& pageIndex=2&bbsSeqNo=94&nttSeqNo=3184235&searchOpt=ALL&searchTxt= ∙ 신은정 외(2017), 오픈 사이언스 정책의 도입 및 추진 방안, STEPI ∙ 신은정 외(2021), 국가연구개발사업 연구데이터 성과인정체계 마련연구, STEPI ∙ 이민정(2023), 미국의 오픈사이언스 해 선포와 정책적 시사점, KISTEP ∙ EC, DATA MANAGEMENT PLAN TEMPLATE, 2022.01.05. Available at https://ec.europa. eu/info/funding-tenders/opportunities/docs/2021-2027/horizon/temp-form/report/data -management-plan_he_en.docx ∙ EC, List of Participating Countries in Horizon Europe, 2023.5.12. Available at https://ec. europa.eu/info/funding-tenders/opportunities/docs/2021-2027/common/guidance/list- 3rd-country-participation_horizon-euratom_en.pdf ∙ European Commission, HE Programme Guide, 2023.10.15. Available at https://ec.euro pa.eu/info/funding-tenders/opportunities/docs/2021-2027/horizon/guidance/programme -guide_horizon_en.pdf ∙ KISTI, DataOn 데이터관리계획(DMP) 가이드라인. Available at http://doi.org/10.22711/4 - 7 - 참고 Horizon Europe DMP 작성 가이드라인과 국내 비교 법령(안) 주요내용 HORIZON Europe1) 국내현황2) 연구데이터 설명 ∙ 기존 데이터를 재사용할 것인가? 그렇다면 어떤 용도로 재사용할 것인가? 기존 데이터의 재사용을 고려했지만 사용하지 않기로 한 경우 그 이유를 설명하시오. ∙ 프로젝트에서 생성하거나 재사용할 데이터의 유형과 형식은 무엇인가? ∙ 데이터 생성 또는 재사용의 목적과 연구과제의 목표와의 관계는 무엇인가? ∙ 생성 또는 재사용하려는 데이터의 예상 크기는 얼마인가? ∙ 생성 또는 재사용하려는 데이터의 출처는 무엇인가? ∙ 프로젝트 외부에서 데이터가 누구에게 유용할 수 있는가(데이터 유용성)? 기존 데이터의 재사용 여부 O 연구수행과정에 생성 및 재사용된 데이터 기입 데이터의 유형과 형식, 크기, 출처 O 데이터의 유형과 형식, 크기, 출처 데이터 생성과 연구과제 목표와의 관계 X - 예상 수요자 O 연구데이터에 관심을 가지고 활용할 가능성이 있는 대상 F 검색 가능성 ∙ 데이터는 영구 식별자(persistent identifier)로 식별될 수 있는가? ∙ 검색을 위해 충분한 메타데이터가 제공되는가? 어떤 메타데이터가 생성되는가? 분야별 일반적인 표준(general standards)을 준수 하는가? 해당 분야에서 메타데이터 표준이 없을 경우, 어떠한 종류의 메타데이터가 어떻게 생성되는지 설명하시오. ∙ 검색 및 잠재적인 재사용 가능성의 최적화를 위해 메타데이터에 검색 키워드가 제공되는가? ∙ 메타데이터는 수집 및 색인화(indexed)될 수 있는 방식으로 제공되는가? 영구식별자(PID) O 디지털객체식별자(DOI) 부여 메타데이터의 제공 O 메타데이터 A 접근 가능성 <리포지터리> ∙ 데이터가 신뢰할 수 있는 리포지터리에 저장되는가? ∙ 데이터를 검증된 리포지터리(identified repository)에 저장할 적절한 계획과 조치(appropriate arrangement)를 마련했는가? ∙ 리포지터리는 데이터에 식별자를 부여하는가? 특히 디지털화된 식별자를 제공하는가? <데이터> ∙ 모든 데이터가 공개적으로 이용 가능한가? 특정 데이터 세트를 공유할 수 없을 경우(또는 접근을 제한하여 공유되어야 하는 경우), 그 이유를 법적/계약상의 이유와 그 외 의도적인 제한을 명확히 구분하여 설명하시오. - 다중 수혜자 프로젝트에서 특정 수혜자가 데이터를 공개하는 것이 그들의 정당한 이익이나 협약(Grant Agreement)에 따른 기타 제약에 위배되는 경우 데이터를 비공개로 유지할 수 있음 ∙ 지식재산(예: 특허)을 공개하거나 보호받을 시간을 벌기 위해 엠바고를 적용하는 경우, 연구 데이터가 가능한 한 빨리 제공 되어야 한다는 점을 염두에 두고 그 이유와 엠바고 적용 시간을 명시하시오. ∙ 데이터는 무료의 표준화된 접속 프로토콜(access protocol)을 통해 접근할 수 있는가? ∙ 사용에 제한이 있을 경우, 프로젝트의 진행 중과 종료 후 데이터에 대한 접근은 어떻게 제공되는가? ∙ 데이터에 접근하는 이용자의 신원은 어떻게 확인하는가? ∙ 개인정보 또는 민감정보 접근 요청에 대한 평가 및 승인을 담당하는 데이터 액세스 위원회(data access committee)가 필요한가? <메타데이터> ∙ 메타데이터는 협약(Grant Agreement)에 따라 공개적으로 이용가능하고 CC0 라이선스의 적용을 받는가? 만약 그렇지 않다면 이유를 설명하시오. 메타데이터에는 사용자가 데이터 에 접근할 수 있는 정보가 포함되는가? ∙ 데이터는 얼마나 오랜 기간 이용가능하고 검색가능한 상태로 유지되는가? 데이터를 더 이상 이용할 수 없게 된 이후에도 메타데이터는 여전히 이용가능한가? ∙ 데이터를 접근하거나 읽기 위해 필요한 소프트웨어에 대한 설명서 또는 참조를 포함하는가? 관련 소프트웨어(예: 오픈소스 코드)를 포함하는 것은 가능한가? 리포지터리 (신뢰성, 식별자제공) O 리포지터리 (DataOn, 기관자체 등) 공개원칙(예외있음)/ 엠바고 O 연구데이터 공개시기 및 공개유예(엠바고) 기간 필요 유무(기간명시) 기재 이용자 신원확인 △ 연구데이터 접근 제한 대상 기재, 리포지터리 상 회원가입 후 접근 데이터 엑세스 위원회* 운영여부 개인정보 등 민감데이터 접근요청에 대한 평가 및 승인 △ IRB, 기관내 데이터위원회 등을 자율성으로 운영 메타데이터 접근 (CCO라이선스) △ 메타데이터 제공하나 라이선스에 대한 명시적 가이드 부재 메타데이터 검색기간 △ 연구데이터 장기적 계획에 연계 데이터 관련 소프트웨어 등 포함여부 O 연구데이터 공유 방법 및 공개에 필요한 자원 (소프트웨어 등) 기재 - 8 - 1) HORIZON EUROPE(2021.5)_DATA MANAGEMENT PLAN TEMPLATE 2) DataON 가이드라인 및 연구재단 DMP 양식, 법령(연구성과평가법) 등을 토대로 분석 법령(안) 주요내용 HORIZON Europe1) 국내현황2) I 상호 호환성 ∙ 데이터를 상호운용할 수 있도록(특정 분야 내 또는 분야 간 데이터를 교환하고 재사용할 수 있도록) 데이터 및 메타데이터의 어떤 어휘, 표준, 형식, 방법론들을 따를 것인가? 사용자 커뮤니티에서 보증하는 모범사례(best practices)를 따를 것인가? 그것은 무엇인가? ∙ 흔치 않거나 특정 프로젝트에 국한된 온톨로지(ontology) 또는 어휘를 사용하는 것이 불가피한 경우, 더 일반적으로 사용되는 온톨로지에 대한 매핑(mapping)을 제공하는가? 생성된 온톨로지 또는 어휘를 재사용(reusing), 개선(refining), 확장(extending)할 수 있도록 공개적으로 게시할 것인가? ∙ 데이터는 다른 데이터(예: 프로젝트의 다른 데이터 또는 이전 연구의 데이터 세트 등)에 대한 적격 참조(qualified reference)를 포함하는가? * 참조의 의도를 설명하는 상호참조(cross-reference)를 의미하며, 데이터 자원 간 가능한 많은 연결고리를 만들어 데이터에 대한 맥락적 지식을 풍부하게 하는 것이 목적 통용되는 표준, 형식에 부합 O 연구데이터 및 메타데이터 표준 온톨로지 맵핑 제공 X - 적격참조 O 다른 데이터 인용 시 명시 R 재사용 가능성 ∙ 데이터 분석을 검증하고 데이터 재사용을 가능하게 하는데 필요한 문서(예: 방법론, 코드북, 데이터 정제, 분석, 변수 정의, 측정 단위 등의 정보가 포함된 readme 파일)는 어떻게 제공하는가? ∙ 최대한 재사용을 허용하기 위해 누구나 허가 없이 쓸 수 있도록 데이터를 공개할 것인가? 데이터는 협약(Grant Agreement)에 명시된 의무에 따른 표준 재사용 라이선스(reuse liceses)를 이용하여 라이선스가 부여되는가? ∙ 프로젝트에서 생성된 데이터는, 특히 프로젝트가 종료된 이후에 제3자가 이용할 수 있는가? ∙ 데이터의 출처는 적절한 표준에 따라 철저하게 문서화되었는가? ∙ 데이터 품질을 보증하는 모든 관련 프로세스를 기술하시오. 재사용에 필요한 문서제공 O 연구데이터 재사용 하기 위해 제출 가능한 메타데이터 및 문서종류 표준 재사용 라이선스 O 크리에이티브 커먼즈 라이선스 (Creative Commons License, CC) 데이터 품질 보증 절차 O 연구데이터 신뢰성 검증 및 확보 방안 그 외 연구 결과물 ∙ 데이터의 관리 외에도 연구자금 수혜자는 프로젝트 전반에 걸쳐 생성되거나 재사용될 수 있는 다른 연구 결과물에 대해서도 관리를 고려하고 계획해야 함 - 이러한 연구 결과물에는 디지털(예: 소프트웨어, 워크플로 (workflows), 프로토콜, 모형 등) 또는 물리적(예: 신물질, 항체, 시약, 샘플 등) 성과물이 해당될 수 있음 ∙ 데이터 관련 FAIR 원칙 항목(위의 2번 항목) 중 어떤 것이 ‘그 외 연구 결과물’에도 적용될 수 있는지 고려해야 하고, FAIR 원칙에 따라 ‘그 외 연구 결과물’을 관리, 공유하거나 재사용할 수 있도록 하는 구체적인 세부 정보를 제공해야 함 생성 및 재사용 될 수 있는 연구 결과물에 대한 FAIR 원칙을 고려한 관리계획 △ 연구성과평가법에 따라 9대 성과물에 대한 전담기관, 기탁제도 운영 중 자원 (비용지원) ∙ 프로젝트에서 발생한 데이터 또는 다른 연구 성과물을 FAIR 원칙에 준용하는 데에 드는 비용은 어느 정도인가? (예: 데이터의 저장, 아카이브화, 재사용, 보안 등에 드는 직간접적 비용) ∙ 위 비용은 어떻게 충당하는가? 연구데이터 및 성과물의 관리와 관련된 비용은 (협약 조건을 준수한다는 전제하에) Horizon Europe 보조금으로 지원받을 수 있음 ∙ 프로젝트에서 데이터 관리는 누가 담당하는가? ∙ 데이터의 장기 보존을 어떻게 보장할 것인가? 이를 위해 필요한 자원을 논의하시오. (비용과 잠재적 가치, 누가 어떻게 결정할지 여부, 어떤 데이터를 얼마나 오래 보존할 것인지 등) 필요 비용 추산 및 충당 방법* *HE 자금으로 지원 가능 O 연구장비･재료비 및 연구활동비로 충당 가능 데이터 관리 담당자 O 데이터 관리 활동의 담당자(개인 또는 조직) 장기보존을 위한 계획 (기간, 가치평가 등) O 연구데이터 관리, 가공 및 보관을 위한 장기적 계획, 연구과제 종료 후 연구데이터를 보관할 가치 데이터 보안 ∙ 데이터 보안(데이터 복구, 민감한 데이터의 안전한 저장/아카이브화 및 전송 등 포함)을 위해 어떤 조항이 마련되었거나 혹은 마련될 예정인가? ∙ 데이터는 장기 보존 및 큐레이션(curation)을 위해 신뢰할 수 있는 리포지터리에 안전하게 저장되는가? 데이터 보안을 위한 조치 계획 O 데이터 보안위험 검토 및 백업 등 조치 윤리 ∙ 데이터 공유에 영향을 미칠 수 있는 윤리적, 법적 이슈가 존재하거나 존재할 가능성이 있는가? - 가능성이 있는 경우, 윤리 검토 결과물(ethics deliverables)을 협약 시 제출하는 행동 설명서(DOA, Description of the Action)에 포함 필요 ∙ 개인정보를 다루는 설문지에 데이터 공유 및 장기간 보존에 관한 사전 동의를 포함하는가? 데이터 공유시 윤리･법적 이슈 존재여부 O 부정행위 중심 윤리적 검토 설문자 등에 대한 사전동의 X - 기타 ∙ 데이터 관리를 위해 다른 국가/기금/분야/부서별 절차를 이용 하고 있거나 이용할 예정인가? 만약 그렇다면, 어떤 절차인지 나열하고 간략히 설명하시오. 별도 규정 및 절차 적용여부 O 비공개 검토(보안과제, 지식재산권 취득, 영업비밀, 국제공동연구 협약 조건 등) [ KISTEP 브리프 발간 현황 ] 발간호 (발행일) 제목 저자 및 소속 비고 112 (24.01.08.) 무기발광 디스플레이 진영현·오세미 (KISTEP) 기술주권 113 (24.01.12.) 2022년 우리나라와 주요국의 연구개발투자 현황 이새롬·한웅용 (KISTEP) 통계분석 114 (24.01.12.) 2022년 우리나라와 주요국의 연구개발인력 현황 이새롬·한웅용 (KISTEP) 통계분석 - (24.01.22.) KISTEP Think 2024, 10대 과학기술혁신정책 아젠다 강현규･이민정 (KISTEP) 이슈페이퍼 (제357호) - (24.01.25.) 국가연구개발 성과분석 프레임워크 개발 및 적용 박재민･문해주･김수민･박서현 (건국대학교) 이호규(고려대학교) 강승규(한국조달연구원) 이슈페이퍼 (제358호) 115 (24.01.25.) 세계경제포럼(WEF) Global Risks 2024 주요 내용 및 시사점 이미화 (KISTEP) 혁신정책 116 (24.01.25.) 기후변화와 기후 지구공학 정의진･임현 (KISTEP) 미래예측 117 (24.01.26.) 단백질 구조예측 및 디자인 전수진･한민규 (KISTEP) 기술동향 - (24.01.29.) 신약개발 분야 정부 R&D 현황과 효율성 제고 방안 송창현･엄익천(KISTEP) 김순남(국가신약개발사업단) 이원희(유한양행) 이슈페이퍼 (제359호) - (24.01.31.) 반도체 분야 정부연구개발투자의 효과성 분석과 개선방안 김준희･엄익천(KISTEP) 오승환(경상국립대학교) 전주경(한국특허기술진흥원) 이슈페이퍼 (제360호) 118 (24.02.01.) 인공지능이 변화시킬 미래 연구수행 모습 이상남 (KISTEP) 미래예측 119 (24.02.13.) EU 인공지능(AI) 규제 현황과 시사점 강진원･김혜나 (KISTEP) 혁신정책 - (24.02.15.) ‘생성형 인공지능’ 시대의 10대 미래유망기술 박창현 (KISTEP) 이슈페이퍼 (제361호) 발간호 (발행일) 제목 저자 및 소속 비고 - (24.02.29.) 과학기술 전공자 취업 현황 분석 및 시사점 이정재･박수빈･이원홍 (KISTEP) 이슈페이퍼 (제362호) 120 (24.03.07.) 국가R&D 국외수혜정보 보고 제도 주요 내용 및 시사점 황인영･정정규 (KISTEP) 혁신정책 121 (24.03.19.) 2022년 한국의 과학기술논문 발표 및 피인용 현황 김용희 (KISTEP) 통계분석 122 (24.03.20.) 브렉시트(Brexit) 이후 영국의 과학기술 동향 임현지･이가원･홍미영 (KISTEP) 기술동향 123 (24.03.27.) ‘과학기술협력에 관한 격년 보고서(2022년 NSTC ISTC)’의 이행사항 점검 결과와 시사점 도계훈･강진원･김혜나 (KISTEP) 혁신정책 124 (24.04.01.) 호라이즌 유럽(Horizon Europe)의 연구데이터 정책과 시사점 이민정･송창현 (KISTEP) 혁신정책
정책브리프	‘과학기술협력에 관한 격년 보고서 (2022년 NSTC ISTC)’의 이행사항 점검 결과와 시사점	2024-03-27
<p><br></p>
기술동향브리프	브렉시트(Brexit) 이후 영국의 과학기술 동향	2024-03-20
<p><br></p>Contents 제1장 개요 ························································· 1 제2장 과학기술정책 추진체계 ··························· 3 제3장 정책동향 ················································ 11 제4장 투자동향 ················································ 22 제5장 결론 및 시사점 ····································· 29 KISTEP 브리프 122 브렉시트(Brexit) 이후 영국의 과학기술 동향 제1장 개요 1 제1장 개요 1.1 작성배경 브렉시트(Brexit)1) 이후 글로벌 과학기술 경쟁에 대비하여 영국 정부는 2023년 2월 과학기술 전담 부처인 과학혁신기술부(DSIT)를 출범시키는 등 자국의 안보와 경제적 발전을 유지하기 위해 노력 l 영국은 브렉시트 이후 Horizon Europe에 대한 접근이 제한됨에 따라 연구혁신에 소요되는 재원이 줄어들고 세계적으로 우수한 연구인력과의 협력 프로그램이 단절･축소되는 등 과학 기술 분야에 대한 부정적인 영향을 최소화하기 위해 노력 ※ EU의대표적인연구지원프로그램인Horizon 2020은 7년간(’14~’20) 예산이 600억유로 지원되었는데, EU 회원국중 영국의예산배분이 12.1%로독일에이어두 번째로높음 * 출처 : S&T GPS(2020), 국가별 ‘Horizon 2020’ 연구 예산 분석 [그림 1] 국가별 ‘Horizon 2020’ 예산 배분(2014~2020년) l 영국 정부는 브렉시트 이후 독립적인 지위를 확립하기 위해 2023년 2월 과학기술을 전담 하는 독립 부처인 과학혁신기술부(DSIT, Department for Science, Innovation and Technology)를 출범시킨 데 이어 3월에는 ‘과학기술 프레임워크’를 발표 1) 2016년 국민투표를 통해 브렉시트(Brexit)를 결정한 영국은 2021년 1월 1일부터 EU에서 공식 탈퇴 브렉시트(Brexit) 이후 영국의 과학기술 동향 2 l 2023년 9월 7일 영국 수낵 총리는 성명을 통해 영국이 Horizon Europe 프로그램에 복 귀하기 위한 EU와 맞춤형 합의에 도달했다고 발표2) - 또한, 영국이 EU의 코페르니쿠스 프로그램에 복귀함에 따라 프로그램과의 연계를 통해 영국의 지구관측 부분에 대한 데이터 접근이 가능해짐 ＊유럽연합(EU)과유럽우주국(ESA)이공동진행하는지구관측프로그램 - 영국이 Horizon Europe 재참여하게 됨에 따라 신기술 개발과 연구프로젝트 기회 제공, EU 외에 노르웨이, 뉴질랜드, 이스라엘, 한국, 캐나다와 같은 국가들과 연구 협력, 차세대 연구 인재 확보 등이 가능해짐 브렉시트 이후 몇 년째 지속되는 저성장에 따른 민간투자 증가율이 하락하고 무역장벽이 높아지는 불리한 상황에서 영국 정부는 과학기술 전반의 혁신을 추진 l ’23년 3분기 기준 영국의 국내총생산(GDP)이 팬데믹 이전인 2019년 4분기와 비교해 1.4% 증가했으며, 이는 독일(0.3% 증)을 제외하고 G7 중에서 가장 낮은 성장률을 기록3) ※ 2016년이후영국은모든산업군에서기업투자증가율이G7의다른국가들보다낮으며, 브렉시트이후무역장벽이더욱높아져수입비용이증가하고노동시장의경직성이높아져 대규모민간 투자가 어려운상황 l 영국의 총연구개발비는 미･중･일･독 다음의 세계 5위로 한국(6위)보다 그 규모가 크며, GDP 대비 R&D투자 비중은 이스라엘･한국이 5%대지만 영국은 2.91% 수준(’21년 기준) l 브렉시트 이후 지속되는 저성장을 극복하고 민간투자를 활성화하기 위해 R&D투자를 확대해 왔으며, ’23년 3월 ‘과학기술 프레임워크’를 발표하고 관련 후속 전략을 수립하여 이행 본 고에서는 브렉시트 이후 글로벌 기술패권 경쟁에 대응하기 위한 영국 정부의 핵심 조치로써 과학기술정책 거버넌스의 변화와 관련 정책들이 가지는 의미를 살펴보고 시사점을 제시 2) ‘브렉시트’ 영국, EU 과학연구 지원 프로그램 ‘호라이즌’ 복귀, 연합뉴스(2023.09.07.), https://m.yna.co.kr/view/AKR20230907124500009?section=international/all 3) ‘병든 영국’을 보여주는 네 가지 장면... 얼마나 심각하길래?, 매거진 한경(2024.02.14.) https://magazine.hankyung.com/business/article/202401314586b 제2장 과학기술정책 추진체계 3 제2장 과학기술정책 추진체계 영국의 과학기술정책 추진체계에서 최상위 과학기술 자문기구인 과학기술회의 (CST), 정부과학국(GOS)과 과학기술 전담 부처인 과학혁신기술부(DSIT)가 주요 역할을 맡음 수상 국가과학기술회의 (NSTC) 국가기술고문 (NTA) 과학기술전략국 (OSTS) 고등연구발명국 (ARIA) 외무부 (FCDO) 방위부 (MoD) 교육부 (DIE) 보건·사회 복지부 (DHSC) 과학기술회의 (CST) 정부주석과학고문 (GCSA) 학생국 (OfS) 국민보건 서비스(NHS) 정부과학국 (GO-Science) 각 부처의 주석과학고문 (CSAs) · 7분야의 연구회의 · Innovate UK · Research England 과학혁신기술부 (DSIT) 환경·식료· 농촌지역부 (Defra) 국립위생연구 기구 (NIHR) 국방과학기술 연구소(Dstl) 국방시큐리티 촉진기구 (DASA) 잉글랜드 대학 고등교육 기관 과학기술 혁신네트워크 (SIN) 영국혁신기구 (UKRI) 내각부 자료: CRDS(2023), 科学技術･イノベーション政策の国際動向 / 저자 수정 [그림 2] 영국 과학기술 정부 조직 l 과학기술회의(CST, Council for Science and Technology)는 최상위 과학기술 자문기 구로 영국 총리에게 과학기술 분야의 전략을 제안하는 역할을 수행 ＊과학기술회의는공동의장과 19명의민간위원으로구성(임기 3년, 최대 10년까지연임가능) - 과학기술 전담 부처인 과학혁신기술부(DSIT)는 과학기술회의(CST) 자문을 받아 전반적인 투자방향을 설정 - 과학기술회의(CST)는 연구, 기술, 혁신, STEM 분야의 기회와 위험, 개발 및 유지방안, 과학기술 분야의 우선순위에 관한 자문을 제공 ※ 과학기술회의프로젝트에는생물학연구지원, 국제과학기술파트너십을통한 국내 목표 달성, 창조산업및영국의우주및위성분야의역량강화등이포함 브렉시트(Brexit) 이후 영국의 과학기술 동향 4 l 정부과학국(GOS, GO-Science)은 총리실 산하의 조직으로 과학기술 활동을 총괄하고 정책 조정을 담당 - 정부과학국(GOS)은 과학기술 예산관리, 연구협의 총괄, 학회 지원, 연구 및 개발 지원 등 다양한 과학기술 활동을 관리하며, 과학기술 정책 및 전략을 개발하고 이행하는 데 필요한 지원과 자문을 담당 l 과학혁신기술부(DSIT)는 브렉시트 이후 독립적인 지위를 확립하며 국가의 경쟁력을 높이기 위한 핵심 요소로 과학기술의 중요성을 강조하고, 과학기술 보호 및 육성 등 과학기술 발전에 목적을 둔 전담 부처로 출범(’23.2월) 2.1 영국 과학기술 부처 조직 거버넌스의 변화 영국은 독립된 과학기술 정부 부처 없이 여러 부처에서 과학기술정책을 추진해 오다가, 과학기술의 중요성을 강조하며 일부 부처의 기능을 통합해 과학기술 전담 부처인 ‘과학혁신기술부(DSIT)’를 신설(’23.2월) l DSIT는 기존의 거대부처인 기업･에너지･산업전략부(BEIS)의 과학기술 정책 기능과 디지털 문화미디어스포츠부(DCMS)의 디지털 정책 부문을 통합하여 과학기술 전담 부처로 출범 Science and Innovation Business and enterprise Competitiveness Labour markets Energy security and resilience Energy bills Energy Legacy Decarbonisation DSIT (Department for Science, Innovation and Technology) DBT (Department for Business and Trade) DESNZ (Department for Energy Security and Net zeo) Digital Culture Media Sport DCMSBEIS [그림 3] 영국 과학혁신기술부(DSIT) 조직 개편 내용 제2장 과학기술정책 추진체계 5 l DSIT의 출범은 정권 교체에 의한 조직 개편이 아닌, 과학기술의 중요성을 강조하고, 과학 기술 보호 및 육성 등 과학기술 발전에 목적을 둔 중요한 조직 개편임 - DSIT의 역할 우선순위로 ①공공R&D 최적화 및 민간R&D 강화, ②기업 성장과 일자리 창출을 촉진하는 연구혁신 시스템 구축, ③공공 서비스 혁신, ④국제협력 강화, ⑤데이터 보호 및 디지털 정보 법안 등 주요 법안의 입법 및 규제 개혁, ⑥온라인 안전 법안 통과를 설정 DSIT 출범 이전에는 여러 부처에서 과학기술정책을 집행하며 유관기관을 관리 했으나, 과학혁신기술부 출범을 계기로 15개 기관이 협력기관으로 개편됨 구분 역할 집행기관 ∙ Building Digital UK: 영국 광대역 및 모바일 서비스 제공 ∙ Intellectual Property Office: 특허, 디자인, 상표 및 저작권을 포함한 지재권 권리 담당 ∙ Met Office: 기상 및 기후 관련 서비스를 제공하는 기상청 ∙ UK Space Agency: 국가우주전략을 추진하는 우주국 비부처 공공기관 ∙ Advanced Research and Invention Agency(ARIA): 혁신 기술변화 및 과학분야 패러다임 전환을 일으키는 잠재력을 갖춘 프로젝트 지원 ∙ Information Commissioner’s Office: 공익을 위한 정보보호 및 데이터 프라이버시 강화 ∙ UK Research and Innovation(UKRI): 과학 및 연구 프로젝트 자금 지원 법정 ∙ Copyright Tribunal: 영국 내 상업 라이센스 분쟁 해결 공기업 ∙ National Physical Laboratory(NPL): 국가 계측 표준 개발 ∙ Ordnance Survey(OS): 국가 지도제작 기관 기타 ∙ British Technology Investments Ltd: 국가안보전략투자기금을 통해 첨단기술 기업에 투자 ∙ Government Office for Science: 총리와 내각에 과학적 조언 제공 ∙ Ofcom: 통신산업 규제 및 경쟁정책 기관 ∙ Phone-paid Services Authority: 전화요금에 청구되는 컨텐츠, 상품 및 서비스 규제 기관 ∙ UK Shared Business Services Ltd: HR, 급여, 재무, 조달 및 IT 서비스 제공하는 정부 기관 <표 1> 과학혁신기술부(DSIT)의 협력기관 2.2 영국연구혁신기구(UKRI, UK Research and Innovation) 영국의 연구･혁신 활동은 정부와 다양한 연구기관 간의 협력을 기반으로 하며, 이러한 협력을 주도하는 기관은 2008년에 설립된 영국연구혁신기구(UKRI)임 l UKRI는 DSIT로부터 받은 과학기술 예산을 활용하여 정부의 연구･혁신 정책을 실행하고 다양한 분야의 연구･혁신 프로젝트를 지원하는 대표적인 과학기술 비부처 공공기관으로, 국가의 연구 생태계를 총괄하고 이끌어가는 역할을 담당 브렉시트(Brexit) 이후 영국의 과학기술 동향 6 l UKRI는 정부로부터 자금을 받지만, 연구･혁신의 우선순위와 방향을 결정하는 데 있어 독립적으로 판단하며, 연구프로젝트의 공정한 심사와 지원을 보장하여 독립성을 유지 ※ 영국의비부처공공기관은정부의주요정책목표와관련하여정부부처및기관과연계하여 활동하며, 특별 법률에 따라 고유한 법적 지위와 재정 독립성을 가지고 있어 자체적인 예산 운영이가능 UKRI를 구성하는 9개 하부조직은 중장기 기초연구를 지원하는 7개의 연구회 (Research Councils)와 산업연구를 지원하는 Innovate UK, 대학의 연구를 지원하는 Research England로 구성 연구회의 (RCs) 공학·물리과학연구회의 (EPSRC) 의학연구회의 (MRC) 과학기술시설회의 (STFC) 바이오테크놀로지·생물과학연구회의 (BBSRC) 자연환경연구회의 (NERC) 경제·사회연구회의 (ESRC) 기술·인문학연구회의 (AHRC) Innovate UK Research England 5연구소 26유닛 19센터 8연구소 6연구센터 등 영 국 연 구 혁 신 기 구 (U K R I) 각 분야의 연구 지원·실시 이노베이션 촉진을 목적으로 하여, 기술의 연구개발 ·상업화, 지역환원을 지원 ·보조 잉글랜드 대학의 연구평가와 운영비 교부금에 해당하는 블록그랜트(Block-grant)를 배분 자료: CRDS(2023), 科学技術･イノベーション政策の国際動向 & 저자 번역 [그림 4] 영국연구혁신기구(UKRI)와 산하기관의 체제 l (연구회) UKRI 산하의 7개의 연구회(Research Councils)에서는 각각 위원회를 운영하며, 각 위원회는 전략위원회와 집행위원회, 이사회 등으로 구성 - 각 위원회는 자체적으로 예산을 편성해 상향식으로 정부에 예산을 요구하며, 전략위원회와 집행위원회에서 UKRI 전체의 예산배분에 대한 의견을 이사회에 전달 - 이사회는 UKRI의 재정 상태와 투자 우선순위를 고려하여 DSIT의 국무장관에게 조언 하고, 국무장관은 이를 기반으로 위원회별 예산 배분 및 주요 프로그램 지원 등 UKRI 예산배분(안)을 최종적으로 결정 제2장 과학기술정책 추진체계 7 구 분 역 할 공학･물리과학연구회의 (EPSRC) ∙ 공학, 물리학, 화학, 수학 분야의 고급 기초연구, 전략적 응용연구, 인력 훈련 지원 의학연구회의 (MRC) ∙ 생명의료과학 관련 분야의 기초연구 및 응용연구, 인력 훈련 지원 과학기술시설회의 (STFC) ∙ 대규모 연구시설, 전문 인력, 여러 분야의 기술 제공 바이오테크놀로지･생물과학연구회의 (BBSRC) ∙ 생물 다양성, 유전학, 바이오테크놀로지 등 생물학과 생명과학 분야의 연구 지원 자연환경연구회의 (NERC) ∙ 지구과학, 환경과학, 기후 연구, 지구 자원 관리 등을 포함하여 환경과 자원의 변화에 관한 지식과 이해, 예측 증진 경제･사회연구회의 (ESRC) ∙ 사회과학 및 경제학 분야의 연구 지원 및 연구를 통한 사회 및 경제 문제에 대한 이해와 해결책 제공 기술･인문학연구회의 (AHRC) ∙ 인문학, 예술 분야의 연구 지원 ∙ 문학, 역사, 예술, 문화 연구 등을 포함하여 인문학 및 예술 분야의 연구 지원 Innovate UK ∙ 기술 혁신 및 기업의 경쟁력 향상에 중점을 두며, 혁신 프로젝트에 자금 제공을 통한 산업계 연구 지원 Research England ∙ 연구와 교육 관련 다양한 대학 지원금 교부를 통한 고등교육 저변 확보 <표 2> 영국연구혁신기구(UKRI) 구성 l Innovate UK는 기술 혁신과 기업의 경쟁력 향상을 위한 혁신 프로젝트에 자금지원, Research England는 대학 연구 수월성을 평가하여 대학에 연구 관련 블록펀딩 지원을 담당 2022년 3월, UKRI는 연구･혁신 시스템을 구축하고 과학기술 강국을 만들기 위한 ｢UKRI Strategy 2022~2027｣를 발표 l ｢UKRI 5개년 전략(2022~2027)｣은 2027년까지 R&D 집중도를 2.4%로 늘리고, 200억 파운드를 투자하여 공공부문의 R&D를 확대함으로써 영국을 세계적인 과학기술 강국으로 성장시키는 것을 목표로 설정 l ｢UKRI 5개년 전략(2022~2027)｣은 4대 원칙하에 6개의 전략적 목표(①세계적인 수준의 인력 ②세계적 수준의 연구 공간 ③세계적 수준의 아이디어 ④세계적 수준의 혁신 ⑤세계적 수준의 영향력 ⑥세계적 수준의 조직)를 설정 브렉시트(Brexit) 이후 영국의 과학기술 동향 8 구 분 주요 내용 다양성 ∙ 창의적이고 역동적인 연구 및 혁신 시스템을 구축하기 위해 아이디어, 사람, 기술 및 기관과 인프라의 다양성을 뜻하며, 인센티브를 확대하여 다양성을 실현 연결성 ∙ 국가 및 글로벌 연구 시스템의 연결을 강조하고, 인력과 아이디어의 원활한 교류 및 흐름을 촉진하여 새로운 연구 분야 및 프로젝트에서의 협력 지원 및 중개하는 것으로, 특히, 창의성 측면에서 전체 학문을 아우르는 연구･혁신을 가능케 하는 환경을 조성하는 데 중점 회복탄력성 ∙ 연구 및 혁신 시스템의 재정적인 회복력을 제고하는 것으로, 투자 및 정책 등의 수단을 활용하여 정부와 투자자 간 협력을 강화하고, 정부 차원뿐만 아니라 공적 기금을 사용하고 있는 연구혁신 기관의 참여 독려 관여성 ∙ 연구혁신의 성과가 영국 사회와 경제에 뿌리내리는 것을 강조 <표 3> ｢UKRI 5개년 전략(2022~2027)｣의 4대 원칙 l UKRI는 ｢UKRI 5개년 전략(2022~2027)｣의 실행 방안으로 혁신적 경제 성장을 위한 연구 혁신 클러스터 및 공동연구 허브 구축, 기후위기 등의 글로벌 문제해결에서의 선도적 역할 수행, 글로벌 인재 유치, 대규모 민간투자를 유도한 글로벌 협력 강화 등을 제시 UKRI는 경쟁 기반의 연구자금 지원과 성과 기반의 블록펀딩 방식을 결합한 이중 지원 시스템과 다년도 예산배분 지원이라는 특징을 보임 l UKRI는 연구회를 통한 개별 연구과제 지원 및 Research England를 통한 연구기관을 위한 블록 보조금을 결합한 이중 지원 모델을 채택하여, 안정적이고 유연한 연구 환경을 제공 ※ 과학혁신기술부(DSIT)와UKRI는연구회와UKRI를넘나드는활동에투자된자금의약64%가 Research England에투자되도록이중지원시스템유지 (안지현 & 윤성용, 2022) - UKRI는 연구 그랜트, 펠로우십, 산업기금 및 기타 기금을 포괄하는 프로그램을 통해 연구를 지원하고, 융합연구를 장려함으로써 중복연구 감소, 일자리 창출, 매출액 상승, 생산성 향상 등 긍정적 효과 창출 ※ 영국기업연구센터(ERC) 보고서에따르면, 연구회및 Innovate UK 등에지원된보조금 성격의 투자지원금을통해약 15만개의일자리창출과 430억파운드의매출액발생 ※ 공학자연과학연구회(EPSRC)와 Innovate UK의 프로젝트 지원을 받은 기업들은 프로젝트 종료 이후에도 고용･매출액이 단기간 6%, 장기간 23% 증가하였으며, 생산성도 장기적으로 6% 증가 l UKRI는 단년도 단위로 관련 예산을 심의해 오다가 22/23 회계연도부터는 정부부처 등에 3년간(22/23~24/25) 세 번의 회계연도 예산을 한 시기에 할당하는 다년도 예산배분을 시작 - 다년도 예산배분은 ｢UKRI 5개년 전략(2022~2027)｣의 전략적 계획 수립을 보장하고, 다양성과 균형성을 고려한 포트폴리오와 우선순위를 고려한 투자를 가능하게 함 ※ 다년도예산배분을통해현재 7개의연구회, Innovate UK, Research England는세부전략을 수립하여이행 제2장 과학기술정책 추진체계 9 l UKRI 예산 배분 이후 연구비를 지원할 개별 연구프로젝트 또는 프로그램 결정은 홀데인 원칙(Haldane principle)4)에 따라 정부와 독립적으로 이루어짐 지방자치정부 (스코틀랜드, 웨일즈, 북아일랜드) 과학혁신기술부 (DSIT) 고등교육기관 (대학 등) 공적연구기관 (RCs 산하 연구조직 등) 산업계 (민간기업) 7개의 연구회 (RCs) Innovate UK Research England 기타부처·지원단체·비영리단체 영국 연구혁신기구 (UKRI) 각 3지역에 있는 고등교육자금 회의 정부자금 블록 그랜트 경쟁적 자금 * 자료: CRDS(2023), 科学技術･イノベーション政策の国際動向 / 저자 수정 [그림 5] 영국 연구 자금의 흐름 2.3 고등연구발명국(ARIA) 고위험 고수익 연구 지원과 UKRI와의 파트너십을 통한 R&D 생태계 보완 목적의 연구 자금 기관으로 고등연구발명국(ARIA, Advanced Research and Invention Agency) 출범(’23.1월) l ’20년 3월, 영국 정부가 “High risk, High return”, “블루스카이 연구”와 같은 장기 투자를 목표로 하는 새로운 연구 자금 기관에 최소 8억 파운드를 투자할 것으로 발표 ＊분명한목적이없는연구또는순수한호기심과아이디어에서비롯된기초연구로서, 연구결과를 실제세계에어떻게적용할지예측하기어려운기초과학영역의연구 4) 과학 연구의 방향성과 연구 기금 배정은 정부의 정치적 간섭을 최소화하고, 연구자들의 전문 지식과 평가를 통해 결정되어야 한다는 영국의 연구 정책으로, 정부의 개입을 최소화하고 과학 연구에 대한 자율성을 보장하기 위해 1918년 홀데인 경이 제안하였음 (Department for Education(2016), ｢Higher Education and Research Bill: UKRI Vision, Principles & Governance｣.) 브렉시트(Brexit) 이후 영국의 과학기술 동향 10 l ARIA는 UKRI와는 달리 경량화된 구조와 독특한 문화적 정체성을 가진 소규모 기관으로 정부로부터의 독립성을 유지하고 민첩하게 운영 ※ 기존 UKRI의거버넌스체계에서는어려울수 있는높은수준의연구에자금을지원 l 2021년 3월, 기업･에너지･산업전략부(BEIS)는 ARIA 설립의 4가지 원칙과 설립 목적 등을 설명하는 정책성명서 발표 구 분 주요 내용 고위험 연구 중점 ∙ 성공 가능성이 희박하지만, 성공 시 변혁적인 기술변화 또는 과학 분야의 패러다임 변화를 가능하게 하는 연구 지원에 중점 전략적, 과학적 및 문화적 자율성 ∙ 연구 및 프로젝트 선택, 절차, 기관 문화에 대해 최대한의 자율성을 가지며, 독자적으로 연구프로그램 포트폴리오 구성 PM의 독립성 보장 ∙ 공공･민간 부문의 수준 높은 연구자들에게 통제력을 부여하여 자금 동적 사용, 프로젝트 목표 변경, 리스크 관리 등 연구프로그램의 주체적인 관리 보장 재정적 유연성 및 운영적 자유 ∙ 불필요한 절차를 줄이고, 다양한 자금지원 방법을 마련하여 민첩하고 효율적인 자금 지원 기관 설립 <표 4> 고등연구발명국(ARIA) 설립 정책성명서의 주요 내용 제3장 정책동향 11 제3장 정책동향 영국 정부는 브렉시트 이후 저성장을 극복하고자 공공부문의 과학기술 혁신과 민간투자 활성화 목적으로 ‘과학기술 프레임워크’와 후속 전략을 수립･발표 l 영국 정부는 핵심기술을 식별하고, 적극적인 연구개발 투자, 인재와 기술 육성 등을 통해 핵심기술에 대한 영국의 글로벌 경쟁력 향상을 목표로 한 2030년까지의 장기 비전 전략인 ‘과학기술 프레임워크’ 발표(’23.3월) - DSIT는 ‘과학기술 프레임워크’를 기반으로 인공지능(AI) 기술 및 과학기술 국제협력 등 관련 후속 전략을 수립･이행 10대 정책방향 목표 달성에 있어서 중요한 기술에 대해 전략적 우위 식별, 추구 및 달성 인재와 투자를 유치하고 글로벌 영향력을 강화하기 위해 영국 과학기술의 강점과 목표를 국내외 홍보 경제성장과 생산성 향상을 위해 연구개발에 대한 민간 및 공공 투자 촉진 기존 개발 및 구축된 재능과 기술 활용 혁신적인 과학기술 스타트업과 기업에 대한 재정적 지원 공공부문 조달을 통한 혁신과 성장을 촉진하기 위해 영국 정부의 구매력 활용 전략적 국제협력 참여, 외교 및 파트너십을 통해 글로벌 과학 및 기술환경 형성 최고 수준의 물리적/디지털 인프라에 대한 연구자 접근성 보장 브렉시트 이후 세계 최고의 혁신 친화적 규제 형성 및 글로벌 기술표준에 대한 영향력 강화 공공부문 전반에 걸친 친혁신적 문화조성을 통해 공공 서비스 운영방식 개선 <표 5> 영국 과학기술 프레임워크 (Science and Technology Framework) 3.1 과학기술 프레임워크의 10대 정책방향 (5대 핵심기술) 목표 달성에 있어서 중요한 기술에 대해 전략적 우위 식별, 추구 및 달성 ※ ’24년2월, 핵심기술식별이후의기술개발과확산에초점을두고 ‘Developing and deploying critical technologies’로변경 브렉시트(Brexit) 이후 영국의 과학기술 동향 12 l 영국 정부는 단순 과학기술 개발이 아닌 경제성장 기여, 일자리 창출, 자유주의 가치 증진, 글로벌 경쟁력 향상을 목표로 하는 5대 핵심기술 선정 - (5대 핵심기술) 인공지능(AI), 공학생물학(engineering biology), 미래통신(future communication), 반도체(semi-conductor), 양자기술(quantum technology) l 영국의 전략적 우위를 파악하고 다른 국가와의 차별성을 분석하여 ‘Own-Collaborate- Access’ 프레임워크를 활용해 안정적이고 견고한 공급망 구축, 기업 성장 촉진, 공급망 교란 대비 보호장치 마련 등의 목표를 달성하고자 함 ※ (Own) 영국이우위를가진기술은개발부터상업화까지의모든과정을영국이주체가되어 수행, (Collaborate) 영국이지배적인우위를지니고있지않지만, 목표달성을위한다른국가와 협업, (Access) 다른국가와의거래혹은협력을통한중요과학기술습득 (인재/투자 유치) 인재와 투자를 유치하고 글로벌 영향력을 강화하기 위해 영 국 과학기술의 강점과 목표를 국내외 홍보 l 과학기술 분야에서의 강점과 목표를 국내외로 널리 알림으로써 우선순위와 목표를 명확하게 제시하고, 이해관계자들의 참여를 유도하는 효과적인 소통 전략을 사용하여 공동의 과학기술 목표를 형성하고 촉진 l 영국의 성공 사례를 통해 대중이 과학기술의 긍정적 영향을 이해할 수 있도록 노력하고, ‘GREAT Tech’ 캠페인을 통한 투자자들의 영국 기술 생태계 인식 개선 및 ‘Global Investment Summit’을 주최하여 국제적 입지 강화 (민간/공공투자 촉진) 기업의 혁신적인 활동을 격려하고 경제성장과 생산성 향상을 위해 연구개발에 대한 민간 및 공공 투자 촉진 l 낙후지역에 대한 공공R&D 투자를 40% 이상 증가시켜 지역경제 성장, 임금상승, 취업 기회 확대, 생활수준 향상을 추구하고, 지역적 혁신 클러스터를 지원하여 연구 결과물의 상업화와 지식교환을 가속화 l 우수한 대학들과 함께 ‘Catapults’ 등 기존 조직을 최적화하고, 새로운 연구조직과 혁신적인 모델을 고려하여 민간의 R&D투자 촉진 및 혁신 장려 l R&D 자금 관리의 복잡성을 줄이고 정부 지원 R&D 프로그램에 대한 새로운 자금 검토 시스템 도입 제3장 정책동향 13 (확보된 인재/기술 활용) 산･학계 및 정부 등 모든 분야에서 유연하게 신속 대응할 수 있는 인재와 기술 육성 생태계를 구축하고, 기존에 개발되거나 구축된 인재와 기술을 적극 활용 l ’30년까지 세계 최고 수준의 STEM 분야 인재를 유치하고 자국 내 STEM 분야 인재 양성을 위해 교사와 전문가를 모집하며, 다양한 분야의 인재들이 과학기술 분야에 진입할 수 있도록 참여 기회를 확대하고 지원 l ‘Global Talent’, ‘Startup/Innovator’, ‘High Potential Individual’, ‘Scale Up and Graduate’ 등 다양한 비자 제도를 도입해 국제적 경쟁력을 갖춘 우수한 인재 확보 l 생애 전반에 걸쳐 교육･직업 훈련을 지원하되, STEM 교육･훈련 지원, 산업과의 연계 강화, ‘Lifelong Loan Entitlement’와 같은 혁신적인 프로그램을 도입하여 산업적 환경변화에 빠르게 대응할 수 있는 인재 육성 (혁신 기업 지원) 재정적 지원을 통해 혁신적인 과학기술 스타트업과 기업들이 세계적인 기업들과 경쟁할 수 있는 환경 조성 l 타 국가의 과학기술 혁신기업과의 자금조달 격차 개선을 위해 연금제도와 협력한 기관 투자 촉진, 중소기업과 스타트업을 위한 디지털 성장 보조금 등 재정적 지원방안 활용 (공공부문 조달 개혁) 혁신 제품 수요 조달을 통한 새로운 수요를 창출함으로써 혁신기업들이 성장할 수 있는 환경 조성 l 중소 혁신기업의 시장진입 장벽을 낮추기 위한 공공부문 조달 관행 개혁, 정부 부서의 기술 수요를 촉진하기 위해 장기 전략 수립 및 혁신적인 기술에 대한 요구사항을 명확하게 제시 (전략적 국제협력) 국제협력, 외교 및 파트너십을 통해 글로벌 과학기술 환경을 조성하고 글로벌 경제와 안보에 대한 영향력을 확대 l 상호 이익을 기반으로 다양한 국제적인 과학기술 파트너십을 구축하고, 신규 국제협력 기금을 활용한 중장기 연구･인프라 구축, 협력관계 강화 및 글로벌 과제에 적극 대응 (인프라) 최고 수준의 물리적, 디지털 인프라를 구축하여 기술 혁신 및 기업 성장을 위한 환경을 지원하고, 구축된 인프라에 대한 연구자 접근성 보장 브렉시트(Brexit) 이후 영국의 과학기술 동향 14 l 혁신 클러스터 등 인프라 구축을 통해 인재･투자 유치와 혁신기업 육성을 도모하고, 통계청 데이터 서비스 개선과 데이터 공유 협약 및 액세스 프로토콜을 통한 원활한 데이터 공유･활용 지원 (규제 및 표준) 브렉시트 이후 세계 최고의 혁신 친화적 규제를 형성하고 글로벌 기술 표준에 대한 영향력을 강화하여 혁신 기업을 지원 l 국제적인 규제 조율 및 표준･규제를 주도적으로 제정하며, 국제기구에 적극적으로 참여하여 글로벌 영향력 확보 (혁신적 문화조성) 영국의 공공부문 전반에 걸친 친혁신적 문화조성을 통해 공공 서비스 운영방식 개선 l 지도자 교육을 통한 과학기술 중요성 강조 및 공무원 STEM 향상, 대형 언어모델과 AI기술을 활용으로 공공 서비스 개선, 다학제적 팀 조직으로 전문적･효과적인 과학기술정책 수립 3.2 과학기술 프레임워크 5대 핵심기술에 대한 후속 전략 (공학생물학5)) 공학생물학 발전을 통한 경제적 기회를 모색하고, 다양한 과학 기술 정책과 프로그램을 통해 생명과학 분야 경쟁력 강화에 주력 l 공학생물학은 코로나19 백신을 개발하는 데 활용되었으며, 영국은 코로나19 백신 개발을 통해 생명공학 분야의 선두 국가 중 하나로 부상 ※ ’21년영국은생명공학분야를통해 940억파운드규모의경제적가치를창출 (전년대비 약 9% 증) l ’23년 5월, 과학기술회의(CST)는 공학생물학의 혁신이 경제에 미치는 영향을 이해하고 공학 생물학 실현을 위해 필요한 역할을 구체적으로 제시 ※ 영국이생명공학분야선두국가의지위를공학생물학분야에서유지하기위해국가연구기관 설립, 생물학시스템의측정지표개발, 장기적공학생물학전략수립등을제언 5) 생명과학에 공학적 기술 개념을 도입해 인공적으로 생명체의 구성요소･시스템을 설계･제작･합성할 수 있는 합성생물학의 일종으로 DNA의 구조적 특성을 의학･농업･제조업･에너지 등 여러 분야에 적용하여 다양한 용도로 활용할 수 있도록 하는 기술 분야 (BIA(UK Bioindustry Association), ｢Engineering Biology: A guide to engineering biology｣) 제3장 정책동향 15 l 영국 정부는 식량문제, Net-Zero 등의 글로벌 문제해결과 바이오 기술 상업화를 통한 경제 성장을 추구하기 위한 공학생물학 혁신 정책과 R&D 프로그램을 발표 - 생명과학과 경제 성장의 연계를 위해 생명과학 기업에 대한 규제 개선과 임상시험 규제 완화 등 다양한 정책을 결합한 ‘Life Sci for Growth’ 정책 패키지 발표(’23.5월) ※ Innovate UK는의약품제조혁신프로그램을통해 핵산의약품, mRNA 의약품품질개선, 의약품 제조 디지털화･자동화’ 등 17개 프로젝트에 투자하는데 일부 예산은 ‘Life Sci for Growth’를 통해 마련 - 약 50만 영국 시민의 유전 정보를 포함한 생물 의학 데이터베이스 기능 업데이트를 위해 1억 5,400만 파운드 투자할 계획 - 생물학적 위협에 대비하기 위한 전략적 프레임워크인 생물학 안보 전략(UK Biological Security Strategy) 발표(’23.6월) - UKRI는 Technology Mission Fund를 활용해 공학생물학 분야의 창업 및 초기 스타트업을 지원하는 엑셀러레이터 프로그램에 2억 5,000만 파운드 투자 l 공학생물학 생태계 구축을 위한 7개의 목표를 설정하고, 향후 10년간 20억 파운드 투자 계획이 포함된 국가 비전을 발표(’23.12월) 구 분 주요 내용 새로운 공학생물학 자문집단 ∙ 바이오보안 리더십 위원회와 협력을 통해 학계와 산업계의 조언을 통합하고, 공학 생물학 기술 발전에 따른 정책을 개발하고 시행 세계를 선도하는 R&D ∙ 공공 투자를 혁신적 도전과 기초연구에 집중하며, 타 분야와의 상호 작용이 증가함에 따라 AI, 머신러닝, 자동화 등과 융합한 다학문적 연구 추진 인프라 ∙ 실험실 및 파일럿 규모의 인프라 구축에 대한 세부계획을 수립하고, BioMADE(미국), BioBase Europe(벨기에) 등 해외 사례를 벤치마킹 인재와 기술 ∙ 과학, 기술, 기업가 정신을 갖춘 다양한 수준의 전문인력을 육성하고, 교육부, 학계, 산업계와 협력하여 인재 파이프라인을 구축하여 미래 인력 수요 충족 규제와 표준 ∙ Engineering Biology Regulators’ Network(EBRN)을 통해 규제기관 간 협력을 강화하고, 샌드박스 구축을 통해 공학생물학 유래 제품의 시장 진입장벽 완화 공학생물학 투자 촉진 ∙ 비즈니스무역부(DBT) 공학생물학 분야의 선도 기업과 투자자 유치를 위한 쇼케이스 개최를 통해 영국의 생물학 생태계 및 다양한 정책과 목표 소개 책임감 있고 신뢰 가능한 공학생물학 생태계 구축 ∙ 공학생물학 발전에 따른 잠재적인 위험 예방･대응에 중점을 두고 정부와 이해관계자, 공공과의 소통 체계를 구축하여 대중의 긍정적 인식 유도 <표 6> 공학생물학을 위한 국가비전(National Vision for Engineering Biology) (영국 국제기술전략) 전략적인 국제협력으로 기술의 전략적 이점을 유지･강화 하고, 이를 통한 경제 성장과 자유주의 가치 증진을 목적으로 불확실한 미래에 대응하고자 함 브렉시트(Brexit) 이후 영국의 과학기술 동향 16 l 개방성, 책임성, 안전성, 회복탄력성 등 4개 원칙에 따라 우선순위 주요 기술로 AI, 양자기술, 공학생물학, 반도체, 통신, 데이터를 설정 원칙 전략적 우선순위 6대 우선기술 개방성 우선 기술 및 데이터 AI 신뢰 기반 5대 장벽(데이터, 노동력, 지식, 시장, 거버넌스) 해소 국제 파트너십 양자기술 양자기술 글로벌 중심 + 기술이 가져올 기회 활용 책임성 가치 기반 거버넌스 및 규제 공학생물학 건강, 농업, 에너지, 환경보호 및 재료과학 분야 발전 주도 안전성 개도국 기술투자 및 전문성 반도체 미래 혁신기술에 필수적인 차세대 반도체 개발 영국 경제 견인 기술 통신 6G 및 퀀텀기술과 인공지능 기술을 가능케 하는 수단 탄력성 민감기술 보호 데이터 효과적인 데이터 공유, 접근성 및 사용 <표 7> ｢영국 국제기술전략｣의 구성 자료: Gov.UK(2023) 자료를 활용하여 저자 작성 l 전략적 우선순위(①우선 기술 및 데이터, ②국제 파트너십, ③가치 기반 거버넌스 및 규제, ④개도국 기술투자 및 전문성, ⑤영국 경제 견인 기술, ⑥민감기술 보호)를 통한 구체적인 국제협력 전략 제시 전략적 우선순위 내용 우선 기술 및 데이터 영국이 세계를 선도하고 우리의 가치에 맞춰 발전할 수 있도록 우선기술 분야에서 전략적 우위를 구축 국제 파트너십 동반 성장을 지원하고 글로벌 과제를 해결 가치 기반 거버넌스 및 규제 거버넌스를 형성하기 위해 파트너와 협력하고 국제 포럼을 통해 모두에게 이익이 되는 미래 기술에 대한 원칙과 비전을 홍보 개도국 기술투자 및 전문성 기술 격차를 줄이고 협력 파트너가 정보 기반의 결정을 내릴 수 있도록 지원 영국 경제 견인 기술 지속적인 영국 기술 수출 추진 및 기술 기업이 자본을 조달하고 외국인 직접 투자 유치 홍보 민감기술 보호 민감 기술 유출 방지 및 보안 확보 기술 역량을 유지. 영국 과학기술 체계의 강점과 장기적인 목표 홍보와 동시에 이해관계자들과의 공동 과학기술 목표를 구축하기 위한 우선순위 설정 <표 8> ｢영국 국제기술전략｣의 6대 전략적 우선순위별 국제협력 방향 (미래통신) 미래통신 기술의 발전과 디지털 인프라 강화를 통해 국가 연결성과 경제성장을 촉진 l 2030년까지 영국 전역에 고품질 5G 연결 제공이라는 국가적 목표를 설정하고 4천만 파 운드를 투자(’23.4월) - Project Gigabit* 추진으로 약 100만 개의 가구･기업에 Gigabit급 네트워크 연결(’24.2월) ＊외딴지역을중심으로영국전역에디지털인프라를구축하여기업의생산성과공공서비스수준 향상을목적으로한 50억파운드규모의통신인프라구축프로그램 제3장 정책동향 17 l 위성 통신 기술 분야의 R&D 역량 강화를 위해 1억 6천만 파운드의 정부 재원을 제공하는 LEO(Connectivity in Low Earth Orbit) 프로그램을 발표 l 6G 기술의 초기 단계 연구 지원을 목적으로 하는 UKRI 미래통신 기술 임무 기금에 7천만 파운드를 투자(’23.10월)하였으며, ITU6)에서 발표한 글로벌 6G 프레임워크, 미래 주파수 할당 등 중요한 국제 협약들이 자국의 6G 정책과 일치하도록 보장 l 통신 분야 국제협력 증진을 위해 영국, 미국, 호주, 캐나다, 일본으로 구성된 다자간 그룹인 GCOT(Global Coalition on Telecommunication)가 출범(’23.10월)하고, 첫 해 DSIT가 의장을 맡아 통신 공급망 다각화, 표준 보안체제 설립 등 협력체계 구축 예정 (반도체 분야 국가 전략) 2023년 5월, 향후 20년간 영국 반도체 산업을 최고 수준으로 끌어올리기 위해 반도체 분야의 국가 전략을 발표 l 반도체는 휴대폰뿐만 아니라 발전소와 같은 다양한 분야에서 필수적인 부품으로, 영국은 반도체 전략을 통해 국내 성장, 공급망 중단 위험 완화, 국가 안보 보호라는 목표를 수립 - (국내 성장) 영국의 강점인 화합물 반도체, 연구개발, 지적 재산 및 설계 분야에 집중하고, 전문 인큐베이터 시범 프로그램과 기술 리소스에 대한 접근과 학습 기회 제공, 반도체 스타트업의 성장 촉진 등 - (공급망 중단 위험 완화) 영국은 팬데믹으로 인한 반도체 공급 문제의 글로벌 영향을 확인하고, 향후 공급중단에 대비하여 필수 서비스, 의료, 국가 인프라, 국방을 보호하는 조치와 함께, 글로벌 공급망의 탄력성을 높이기 위해 미국･일본･한국과의 국제 이니 셔티브를 통한 협력 강화 ※ 최근 일본과 반도체 파트너십을 통해 첨단 반도체 설계뿐만 아니라 제조, 패키징, 소재 등에서 협력하고핵심인프라에대한공개적접근을도모 - (국가 안보 보호) 사이버 위협에 맞서 반도체의 복원력과 보안을 강화하는 디지털 보안 설계 등의 프로그램을 지원하고, 모든 기기의 기반이 되는 하드웨어의 사이버보안 손상을 방지하고 반도체가 전자기기에 취약점을 유발하지 않도록 함 l 영국은 반도체 전략을 통해 연구개발, 디자인, 지적재산권, 복합 반도체 분야에서의 강점에 중점을 두고 기술 혁신과 일자리 창출, 공급망 내구성 향상, 국제적 위치와 안보를 강화할 계획 6) ITU(International Telecommunications Union, 국제전기통신연합)는 UN 산하 14개 전문기구 중 하나로 국제 전기통신 및 국가별 통신 정책의 조화를 위해 회원국 상호간 국제협력･규제 및 표준화와 개발도상국에 대한 지원 업무를 수행하는 전기통신 관련 세계 최고 국제기구 브렉시트(Brexit) 이후 영국의 과학기술 동향 18 (인공지능) 영국은 2021년 ｢국가 AI 전략｣ 수립 이후 인공지능 부문의 경쟁력을 강화하기 위한 적극적인 투자와 AI 안전을 위한 국제적인 협력을 강조 l AI 글로벌 선도국을 목표로 ｢국가 AI 전략(National AI Strategy)｣을 수립하고, 주요 실행 과제로 AI 생태계의 장기 수요 투자 및 계획 수립, AI 전환을 통한 경제적 편익 추구, 효과적인 AI 거버넌스 체제 구축을 제시(’21.9월) - 국가 AI 전략의 추진 사항을 평가하고 향후 계획을 다룬 ｢국가 AI 전략-실행계획(National AI Strategy-AI Action Plan)｣ 발표(’22.7월) l 과학기술 프레임워크를 통해 AI을 핵심기술로 선정한 후에는 AI 부문의 경쟁력 제고를 위해 5,400만 파운드, 책임감 있고 신뢰성 있는 AI 구축 연구에 3,100만 파운드 등 구체적인 투자계획을 발표(’23.3월) - AI가 가진 잠재적인 위험인 AI 남용, 통제 상실 등에 중점을 둔 AI Safety Summit을 ’23년 11월에 개최하고, ‘블레츨리 선언(Bletchley Declaration)’ 체결 ＊AI 안전은모든이에게영향을미치는문제임을인식하고 ‘프론티어AI’ 기술과관련한위험공동 관리및 상호협력적인정책을공유하기로미국, 중국, 한국, 일본등 28개국과합의 - ‘프론티어 AI’ 위험의 대응을 위해 AI의 잠재적 위험에 대한 공동 이해와 국제협력을 강조 하며, 국가･국제기관의 AI 안전 강화 조치 마련, 민간영역의 투명성 제고, AI 안전 연구 분야의 새로운 표준 모델 개발 및 평가를 통한 안전한 AI 개발을 제시 - AI Safety Summit 이후에는 세계 최초로 AI 안전 기초연구를 수행하고 고급 AI 시스템에 대한 평가를 수행하는 AI Safety Institute(AISI)를 설립(’24.1월) (양자) 영국은 ’23년 3월 국가 양자 전략에 이어 11월에 국가 양자 전략 임무를 발표 l 영국은 2014년 세계 최초로 국가 양자기술 프로그램을 신설하고, 10억 파운드 이상 투자하여 양자 컴퓨팅, 센서, 타이밍 분야에서 선도적 역량을 구축함 l 국가 양자 전략을 통해 2024년부터 10년간 양자기술 개발에 25억 파운드를 투입하고 최소 10억 파운드의 민간투자를 유치하는 것을 목표로 제시(’23.3월) - 과학기술 프레임워크 발표 직후 7,000만 파운드를 투자하여 PNT(Position Navigation and Timing) 기술 가속화, 양자 컴퓨팅 테스트베드 개발과 같은 양자기술 임무 설정 l UKRI 산하의 Innovate UK를 통해 30개의 프로젝트를 선정하여 양자기술을 교통, 우주, 넷제로(Net-Zero), 의료, 범죄 등 다양한 분야에 적용할 계획을 발표(’23.9월) 제3장 정책동향 19 l 국가 양자 전략에 대한 임무를 발표(’23.11월)하고, 2035년까지 양자 컴퓨팅, 양자 네트워크, 양자 감지, 양자 항법, 양자 센서 등 다양한 분야에서 혁신적인 목표를 설정 ※ UK Quantum Standards Network Pilot을시작하여글로벌양자기술표준을선도하고양자 네트워크기술개발가속화를위한 1천만파운드투자, 상업적용도의양자기술개발을위한 캐나다와의파트너십강화에 400만파운드이상을지원하기로발표 3.3 영국연구혁신기구(UKRI) 계획 업데이트 (2023~2024) 2023년 10월, ｢UKRI 5개년 전략(2022~2027)｣에서 설정했던 6개의 전략적 목표에 대한 향후 목표와 계획의 업데이트 사항을 발표 l (세계적인 수준의 인력) 인력양성을 통한 전략적 기술에서 글로벌 경쟁 우위 달성을 목표로 20억 파운드 기금을 조성하고, ’24년부터 ’25년까지 26% 증액된 예산을 통해 인력 포트 폴리오에 대해 투자 예정 l (세계적인 수준의 연구공간) 우수한 연구기관과 인프라를 유지하고 세계적으로 경쟁력 있는 연구･혁신 활동을 지원하기 위한 지역협력 강화 방안과 국제적 연구 인프라 참여 계획 제시 l (세계적인 수준의 아이디어) 2025년까지 약 38억 파운드(약 6조 2천억원)을 투자하여 신진 연구 동향과 다학제적 접근을 통해 지식과 혁신의 경계 확장과 국제적 협력 강화 l (세계적인 수준의 혁신) 영국의 연구･혁신시스템의 강점을 활용하여 모든 부문에서 혁신 촉진, 생산성 향상, 경제성장, 세계적 수준의 공공 서비스 및 숙련된 노동 인력 지원 l (세계적인 수준의 영향력) 글로벌 과제에 대응하기 위해 영국의 연구･혁신 능력을 활용하여, 미래 기술 창출을 통한 고성장 비즈니스 구축을 목표로 함 l (세계적인 수준의 조직) 서비스 향상을 위한 환경 조성, 의사결정 최적화, 인재 지원 및 작업 장애 요소 제거를 통해 효율적인 조직을 구축하기 위해 노력 브렉시트(Brexit) 이후 영국의 과학기술 동향 20 전략 목표 주요 내용 세계적인 수준의 인력 ∙ 정부와 행정기관에 연구자를 파견하여 정부 정책 영역에 관한 최첨단 연구를 수행하는 UKRI 정책 펠로우십 제도 확장 ∙ ’23년 10월, 동물 감염병 위협에 대응하기 위한 연구원을 양성하는 OneZoo CDT 프로그램을 최초로 개발할 예정 ∙ 글로벌 R&D 환경에 영향을 미치는 Global Research Council, Science Europe와 같은 국제 수준에서의 리더십 제고 세계적인 수준의 연구공간 ∙ ’23년 2월 설립된 생명공학 비즈니스 인큐베이션 센터(Bio BIC)를 활용하여 기업과 혁신 커뮤니티의 협력 강화를 통한 성장 촉진 예정 ∙ 영국의 의료 연구 향상 목적의 인프라 기금을 활용하여 뇌 영상 및 분광 분야의 강점을 강화하기 위한 국립 초고강자성 자기공명영상(MRI) 스캐너 시설 설립 예정 ∙ Glasgow, Greater Manchester, West Midlands의 포함한 높은 혁신 잠재력을 갖춘 클러스터의 성장을 촉진하기 위해 26개 프로젝트에 새롭게 1억 파운드 투자 세계적인 수준의 아이디어 ∙ 기존 UKRI 프로그램으로는 지원되지 않는 혁신적인 다학제적 아이디어를 지원하기 위해 국제적인 연구 기회를 제공하는 국제연구 공동기금을 지원할 예정 ∙ 국제 과학협력 기금을 활용하여 글로벌 과제에 대응하기 위해 전략적 국제협력을 구축하고 있으며, 기후위기 관련 국제연구를 위해 5,400만 파운드(약 882억원)와 650만 파운드(약 106억원)를 투자하여 국제연구센터를 설립할 계획 ∙ Integrated Review Fresh 2023, 국제전략 프레임워크에 따라 과학혁신기술부, 외교부, 국제 자금 기구와의 협력을 통해 세계의 선도적인 과학자들과의 장기 국제협력 지원 세계적인 수준의 혁신 ∙ ’22년 12월, UKRI는 산하 5개 위원회를 통해 64개 기관에 1억 1,700만 파운드를 투입하여 UKRI Impact Acceleration Accounts(IAAs)을 시작하였고, ’24년까지 32개 기관에 추가로 5억 파운드를 투자할 계획 ∙ Research England를 통한 국가 차원의 지식교환 활동을 지원하고 관련된 자금 할당을 위한 도구로 활용할 계획 세계적인 수준의 영향력 ∙ 영국의 글로벌 리더십과 전략적 이점 강화를 위해 글로벌 경쟁이 치열한 7개 기술분야 외 이머징 기술 개발에도 투자 ∙ ’24년 초 국립 양자컴퓨팅센터(NQCC)를 가동하여 양자컴퓨팅 기술을 활용한 산･관･연 협력체계 구축으로 영국 과학기술의 국제 경쟁력을 유지할 계획 ∙ AI, 유전자편집 기술을 활용한 인간 생리학 연구와 질병 및 시간에 따른 변화를 이해하고자 ‘인간 기능 유전체 이니셔티브’(Human Functional Genomics Initiative)를 시행하여, 유전체 연구 능력 향상 및 사회･경제적 이익 증진을 목표 ∙ 환경친화적 패션산업 발전을 목표로 ’23년 600만 파운드를 투자할 계획이며, ’32년까지 투자 프로그램을 활용해 지속 투자할 예정 세계적인 수준의 조직 ∙ 데이터 기반의 의사결정을 강화하고, 인적 자원을 유연하게 구성하기 위한 프레임워크 개발과 전문 인재를 유치하기 위한 포괄적인 보상 전략을 마련하고, 재능과 역량을 발전시킬 수 있는 시스템 구축 ∙ 명확한 역할과 책임 부여, 의사결정 중복 최소화를 위한 효과적인 운영 모델 도입을 통한 거버넌스 체계 간소화 ∙ 탄소 오프셋(Offset) 정책, 환경협약 및 탄소추적 시스템을 도입하여 2040년까지 Net-Zero 달성 <표 9> UKRI 5개년 계획 업데이트 전략 목표별 주요 내용 (2023~2024) 제3장 정책동향 21 3.4 우주 부문 정책 동향 전 세계적으로 우주 탐사에 관한 관심 증가와 우주 분야의 시장 규모가 확대됨에 따라 국가우주위원회(National Space Council)를 복원(’23.7월) l 우주 분야의 기술개발 중요성이 강조됨에 따라 과학기술회의(CST) 프로젝트에 우주 및 위성 분야의 역량 강화를 포함시킴 l 11월 영국 재무부는 가을 성명서를 통해 우주클러스터 및 인프라 기금에 최대 5,900만 파운드를 투자하여 15개 프로젝트에 지원하고, 민간 부문의 투자를 장려하는 방안을 발표 ＊영국재무부는연 2회(봄/가을) 국가경제및재정전망과예산을발표 l 우주에서 수집된 지구관측 데이터를 기후 변화, 국가 안보 등 다양한 영역에 활용하는 지구 관측 투자 프로그램(EOIP)에 4,700만 파운드를 추가 투입(’23.11월) ＊ ’22년코페르니쿠스의참여지연으로인한영향을최소화하기위해만든자체지구관측프로그램 으로최대 2억파운드자금지원패키지 우주 분야에 대한 경제적 이익 창출을 위해 ｢국가 우주 시행 전략｣과 ｢우주 탐사 기술 로드맵｣을 발표(’23.7월)하고, 우주 클러스터 및 인프라 구축에 1억 2,100만 파운드 투자(’23.11월) l (국가 우주 시행 전략) 2021년 기업･에너지･산업전략부(BEIS)와 국방부가 공동 수립한 민관합동 ｢국가 우주 전략｣의 후속으로 단기적으로 국가우주전략의 목표를 달성하기 위한 과정을 4가지로 구분하여 제시 구 분 주요 내용 성장견인 ∙ 우주 분야 경제 성장 및 탄력성 강화를 위한 Space Sector Plan 제시, 교육 및 기술 프로그램을 구성하여 2024년까지 우주 산업의 기술 접근성 문제해결 계획 발표 등 국제협력 ∙ 유럽 우주청을 대상으로 18억 4천만 파운드의 지원과 캐나다･일본･미국 우주청(우주기관)과의 협력 수행 과학강대국 달성 ∙ 다양한 우주 연구개발 지원을 통한 우주 분야 주도국으로 성장 탄력성 ∙ 국방, 민간 지구관측 등 다양한 영역에 걸친 우주 분야 역량 강화 <표 10> ｢국가 우주 시행 전략｣의 주요 내용 l (우주 탐사 기술 로드맵) 영국의 우주분야 기술 격차와 강점을 반영한 ｢우주 탐사 기술 로드맵｣을 발표하여 향후 10년간의 연구개발 및 연구자금 분배 계획을 제시 ※ 본로드맵은첨단제조, 자율･인공지능, 통신･미션수행, 현장자원활용, 로봇공학등우주탐사 기술에대한역할, 국가역량및지원요구사항을포함 브렉시트(Brexit) 이후 영국의 과학기술 동향 22 제4장 투자동향 영국의 총연구개발비는 978억 달러로 GDP 대비 비중이 2.91%7) 수준이며, 이는 2015년 대비 0.64%p 상승한 수치임(’21년 기준) l 2016년 EU 탈퇴 결정 이후 2017년 11월 산업전략 백서를 통해 산업 혁신 방안을 발표 하였으며, 혁신 방안 중의 하나로 R&D투자를 GDP 대비 2.4%로 늘리겠다고 발표8) - 영국의 총연구개발비는 꾸준히 상승세를 보였는데, 2017년 OECD 평균에 못 미치던 GDP 대비 총연구개발비 비중이 2018년에는 전년 대비 19.9% 상승하여 2.7%를 달성 - ’20년 코로나19로 인해 GDP는 감소하였으나, GDP 대비 연구개발비 비중은 오히려 많이 증가 62,973 67,116 70,755 84,852 87,810 90,205 97,793 50,000 60,000 70,000 80,000 90,000 100,000 110,000 2015년 2016년 2017년 2018년 2019년 2020년 2021년 자료: OECD MSTI [그림 6] 영국의 총연구개발비 규모 추이 (2015~2021년) (단위: 백만 ppp달러) 7) OECD 추정치로 국가통계청(ONS)은 2022년 통계 생성 방법 변경 이후로 GDP 대비 연구개발비 비중을 미발표 8) 국가통계청(ONS)의 통계 생성 방법 변경 전인 2017년 산업전략 백서에서 발표한 당시 영국의 GDP 대비 연구개발비의 비중은 1.7% 제4장 투자동향 23 l OECD 국가 중에서 영국의 총연구개발비 규모(5위9))와 GDP 대비 연구개발비 비중(10위) 기준에 따른 영국의 순위는 OECD 평균과 EU 평균을 상회(’21년 기준) 3.98 3.99 4.29 4.52 4.63 4.80 4.93 2.27 2.31 2.32 2.70 2.67 2.93 2.91 2.79 2.85 2.90 3.01 3.17 3.47 3.46 2.00 1.99 2.03 2.07 2.11 2.18 2.16 2.38 2.38 2.42 2.50 2.57 2.74 2.72 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 2015년 2016년 2017년 2018년 2019년 2020년 2021년 한국 영국 미국 EU OECD 자료: OECD MSTI [그림 7] 주요국의 GDP 대비 연구개발비 비중 추이 (2015~2021년) (단위: %) 재원별 규모 기준으로 정부･공공 부문이 전체 연구개발비 재원의 27.9%를 투입하였으며, 정부･공공 대비 민간･해외 부문의 재원 비율이 2.6배임(’21년 기준) l 해외 부문으로부터 유입되는 연구개발비 재원의 비중이 전체의 10.6%(’21)를 차지 재원 2018년 2019년 2020년 2021년 정부 4,523 (7.8) 4,468 (7.5) 4,537 (7.3) 5,491 (8.3) 영국연구혁신기구 4,077 (7.0) 4,059 (6.8) 5,375 (8.7) 5,069 (7.7) 고등교육기금위원회 2,021 (3.5) 2,196 (3.7) 2,224 (3.6) 2,280 (3.4) 고등교육기관 5,180 (8.9) 5,279 (8.8) 4,999 (8.1) 5,615 (8.5) 기업 33,937 (58.2) 35,184 (59.0) 35,511 (57.4) 38,740 (58.5) 민간비영리 1,864 (3.2) 1,798 (3.0) 1,831 (3.0) 1,941 (2.9) 해외 6,753 (11.6) 6,680 (11.2) 7,362 (11.9) 7,036 (10.6) 합계 58,355 59,664 61,841 66,172 <표 11> 영국의 재원별 연구개발비 규모 및 비중 (2018~2021년) (단위: 백만 파운드, %) 자료: ONS 9) 미국, 일본, 독일, 한국에 이어 5위 브렉시트(Brexit) 이후 영국의 과학기술 동향 24 수행주체 기준으로 기업과 고등교육기관이 전체 연구개발비의 93.4%(’21)를 수행 l ’21년 기준, 기업이 전체 연구개발비의 58.5%(387억 파운드)를 투입하였으며, 투입된 재원의 70.9%(469억 파운드)를 수행 l 기업 다음으로 고등교육기관이 연구개발비 재원의 22.5%(149억 파운드)를 수행하였으며, 이는 다른 주요국 대비 높은 수치임 ＊미국 10.4%, 중국 7.8%, 일본 11.9%, 독일 18.3%, 한국 9.1% 수행주체 2018년 2019년 2020년 2021년 정부 1,495 (2.6) 1,539 (2.6) 1,728 (2.8) 2,084 (3.1) 영국연구혁신기구 1,109 (1.9) 1,123 (1.9) 1,352 (2.2) 1,282 (1.9) 고등교육기관 13,975 (23.9) 13,995 (23.5) 13,869 (22.4) 14,905 (22.5) 기업 40,993 (70.2) 42,184 (70.7) 43,995 (71.1) 46,929 (70.9) 민간비영리 782 (1.3) 823 (1.4) 898 (1.5) 973 (1.5) 합계 58,355 59,664 61,841 66,172 <표 12> 영국의 수행주체별 연구개발비 규모 및 비중 (2018~2021년) (단위: 백만 파운드, %) 자료: ONS 영국 정부의 연구개발 순지출(net expenditure)10)은 2011년 이후로 꾸준히 상승세를 보이다가, 2021년에 처음으로 하락하여 약 145억 파운드를 기록 l 2014년부터 3년간 정부연구개발 순지출액 증가율은 1%대를 유지했으나, 산업 혁신 방안 발표(’17.11.)를 계기로 증가율 대폭 상승 ※ 2020년정부연구개발순지출액은지난10년간가장높은수준인153억파운드를기록하였으며, 2021년에는그규모가감소하였으나코로나19 팬데믹이전인2019년대비7% 상승한145억 파운드규모임 10) 순지출(net expenditure) = (내부 수행 R&D) + (R&D를 위한 구매) + (R&D를 위해 제공된 자금) - (R&D를 위해 받은 자금) ※ 총연구개발비(gross domestic expenditure) 중에서 정부 지출은 순지출 중에서 (내부 수행 R&D)만을 의미 제4장 투자동향 25 9,836 9,953 10,816 10,941 11,070 11,255 11,914 12,765 13,540 15,266 14,463 9,000 10,000 11,000 12,000 13,000 14,000 15,000 16,000 2011년 2012년 2013년 2014년 2015년 2016년 2017년 2018년 2019년 2020년 2021년 자료: ONS [그림 8] 영국 정부R&D 순지출(net expenditure) 추이(2011~2021년) (단위: 백만 파운드) l 2021년에는 국방부, 일부 공공부처 및 위임행정부(국영의료서비스, 환경식품농촌부, 교통부 등)를 제외한 모든 분야에서 정부R&D 순지출 규모가 전년 대비 감소 ※ 2018년 UKRI가설립되면서연구회의와기업･에너지･산업전략부(BEIS)의일부기능이이전 수행주체 2016 2017 2018 2019 2020 2021 영국연구혁신기구(UKRI) 4,830 5,094 5,969 5,537 연구회의 3,254 3,502 고등교육기금위원회 2,207 2,236 2,499 2,863 3,356 3,138 공공부처 및 위임행정부 3,249 3,581 2,842 3,201 3,615 3,517 국영의료서비스(NHS) 1,043 1,126 1,191 1,215 1,301 1,436 기업･에너지･산업전략부(BEIS) 1,330 1,579 721 1,022 1,120 1,128 외무･영연방부(FCDO) 601 270 스코틀랜드 165 159 169 189 199 155 환경식품농촌부(DEFRA) 58 52 56 53 58 110 교통부(DfT) 53 62 55 58 61 104 디지털･문화･미디어･스포츠부(DCMS) 45 43 56 58 54 62 내무부 32 37 35 37 40 45 그 외 부처들 13 15 18 14 25 35 웨일즈 12 22 20 22 37 34 교육부(DfE) 23 24 35 36 22 26 노동연금부(DWP) 18 16 19 21 15 22 북아일랜드 18 18 19 22 22 20 법무부(MOJ) 17 9 20 22 20 20 건강 및 사회보장(NHS 제외) 38 8 9 16 16 16 지위향상･지역사회･지방정부부(DLUHC) 7 9 9 11 10 13 <표 13> 영국 정부R&D 수행주체별 순지출(net expenditure) 추이(2016~2021년) (단위: 백만 파운드) 브렉시트(Brexit) 이후 영국의 과학기술 동향 26 자료: ONS 2017년 11월, 산업 전략 발표에 이어 영국 정부는 2021년 7월, “영국 혁신 전략”을 통해 향후 R&D투자 확대 계획을 발표 l 이와 관련하여 회계연도 24/25년까지 정부의 연간 R&D 투자목표액을 200억 파운드로 설정하였으며, 이는 21/22년에 비해 37%가량 증가한 수치임 l 기업･에너지･산업전략부(BEIS)는 회계연도 22/23부터 24/25까지 398억 파운드의 예산을 협력기관에 할당할 계획 - 3년의 회계연도 동안 BEIS(現 DSIT)는 UKRI에 전체 예산의 63%를 할당하였으며, 다음으로 BEIS의 프로그램 중에서 ‘EU 프로그램에 대한 기여’가 큰 비중을 차지 조직 및 프로그램 2022/2023 2023/2024 2024/2025 합계 영국연구혁신기구(UKRI) 7,908 8,373 8,865 25,146 영국우주국 553 595 602 1,750 영국원자력청 233 261 215 708 국립 아카데미 207 212 215 634 기상청 235 296 266 797 국가측정시스템 116 130 129 375 기업･에너지･산업전략부 프로그램 3,798 3,866 3,894 11,558 (고등연구발명국) 125 150 200 475 (과학사무국) 16 16 16 49 (원자력해체청) 205 209 214 628 (EU 프로그램에 대한 기여) 2,349 2,321 2,113 6,783 (그 외) 1,103 1,170 1,351 3,623 합계 2021년도 지출검토 11,851 13,732 14,186 39,769 2021/22 예산 이월 포함 13,049 13,732 14,186 40,967 <표 14> 기업･에너지･산업전략부(BEIS) 협력기관에 대한 R&D예산 할당 계획 (2022/23~2024/25) (단위: 백만 파운드) 자료: BEIS(2022) 자료 기반으로 저자 재작성 수행주체 2016 2017 2018 2019 2020 2021 안전보건청(HSE) 6 6 6 4 6 13 식품안전국(FSA) 3 2 2 4 4 7 국제통상부(DiT) 2 4 4 4 국제개발부(DFID) 328 394 398 394 에너지･기후변화부(DECC) 42 국방부 1,623 1,634 1,647 1,017 1,066 1,834 EU 자금 기여 921 961 947 1,366 1,261 436 합계 11,255 11,914 12,765 13,540 15,266 14,463 제4장 투자동향 27 l 영국은 Horizon Europe, 코페르니쿠스 프로그램에 복귀하게 되면서 각각 연평균 20억 파운드, 1억 3,164만 파운드를 기여할 것으로 예측 l 영국은 2017년 탈퇴했던 유럽 원자력에너지공동체(EURATOM11))에 복귀하지 않고, ’27년 9월까지 최대 6억 5천만 파운드를 투자하여 자체 핵융합 에너지 전략을 시행할 계획 UKRI는 22/23~24/25년 기준으로 7개의 연구회, Innovate UK, Research England에 UKRI 전체 예산의 평균 64.5%를 지원 l UKRI는 21/22년 기준 핵심 R&I(Research and Innovation) 예산에 48억 파운드를 배정하였으며, 그 규모는 24/25 회계연도 시기에는 60억 파운드 규모까지 확대 l 핵심 R&I 예산에서 Research England와 Innovation UK에 배정되는 예산 증가율이 높음 ※ Research England는 20/21년 기준 약 17억 4천만 파운드의 Quality related funding을 24/25년까지연간19억7천만파운드까지증가시키고, 그밖에연구자본투자기금과상업화에 초점을맞춘지식교환을위한고등교육혁신기금도증가할계획 11) 핵융합 등 핵 연구에 자금을 지원하고 EU 국가의 원자력 사용을 규제하는 대표 공동체 브렉시트(Brexit) 이후 영국의 과학기술 동향 28 구 분 2021/22 2022/23 2023/24 2024/25 핵심 R&I 예산 4,839 4,881 5,553 5,999 기술･인문학연구회의(AHRC) 61 71 65 70 바이오테크놀로지･생물과학연구회의(BBSRC) 306 300 318 326 공학･물리과학연구회의(EPSRC) 617 721 647 661 경제･사회연구회의(ESRC) 114 121 119 122 의학연구회의(MRC) 563 548 587 615 자연환경연구회의(NERC) 289 288 311 325 과학기술시설회의(STFC) 485 531 544 575 Innovate UK 631 669 799 970 Research England 1,722 1,730 2,163 2,333 Collective Talent Funding 571 599 670 726 인프라 942 868 1,000 1,184 탄소제로펀드 8 8 16 24 디지털 연구 인프라 프로그램 17 17 42 70 인프라펀드 33 59 142 281 기존 인프라 투자 223 174 134 62 UK 연구 파트너십 투자펀드 94 29 25 75 세계수준의 랩지원 336 316 368 386 연구자본투자(RCIF), 영국고등교육연구자본(HERC) 및 고등교육기관 연구자본 188 2167 225 238 기타 43 49 48 48 신UKRI 전략프로그램 0 100 247 464 기존UKRI 전략프로그램 1,202 1,222 795 476 기타 555 470 366 346 전체 7,785 7,904 8,373 8,874 <표 15> 영국연구혁신기구(UKRI) 연도별 예산 (단위: 백만 파운드) * 자료: UKRI(2022) 자료 기반으로 저자 재작성 제5장 결론 및 시사점 29 제5장 결론 및 시사점 5.1 결론 2023년, 영국은 과학기술 혁신과 글로벌 선도국으로의 도약을 위해 전담 부처인 과학혁신기술부(DSIT) 출범과 함께 고등연구발명국(ARIA)을 신설 l 과학기술 행정체계 개편을 통해 여러 부처에 나뉘어 있었던 과학기술 협력기관을 DSIT 산하로 편입하여 더 전략적이고 효율적인 과학기술 분야 투자방향 설정과 관리 기능을 강화 l 고등연구발명국(ARIA) 출범을 통해 영국연구혁신기구(UKRI)* 중심의 거버넌스 체계에서 수행하기 어려운 고위험-고수익 연구를 중점적으로 지원하기 시작 ＊영국은정부R&D 예산의 63%(’22~’25년평균)를UKRI에할당 영국은 과학기술 선도국 지위를 갖고자 하는 5대 핵심기술*에 대한 세부 전략을 마련하고 적극적인 연구개발 지원, 투자 유치, 인재 육성, 국제협력 등 추진 ＊인공지능, 공학생물학, 미래통신, 반도체, 양자기술 l 과학기술을 통한 다양한 국가와의 협력을 강화하고 상호 이익을 추구하는 글로벌 네트워크 구축과 혁신 친화적 규제 형성을 통해 글로벌 기술 표준에 대한 영향력을 강화할 계획 브렉시트 결정 이후 영국 정부는 과학기술에 대한 R&D투자를 확대해 왔으며, 2021년 “영국 혁신 전략”을 통해 R&D투자 확대 계획을 발표 l 영국 정부는 다년도 예산 배분을 통해 2024/25년까지 연간 R&D 투자목표액을 역대 최고치인 200억 파운드로 설정하였으며, 이는 2021/22년에 비해 37%가량 증가한 수치임 l UKRI는 정부의 연구･혁신 정책을 실행하고 다양한 분야의 연구프로젝트를 지원하는 등 국가의 연구 생태계를 총괄하고 이끌어가는 역할을 담당 ※ UKRI 예산배분이후연구프로젝트또는프로그램결정은홀데인원칙(Haldane principle)에 따라정부와독립적으로이루어짐 브렉시트(Brexit) 이후 영국의 과학기술 동향 30 5.2 시사점 글로벌 기술 경쟁에서 적극적인 R&D 지원, 인재양성, 국제협력 등 모든 요소를 고려한 기술-산업 연계 전략을 통한 과학기술 혁신과 경제성장 견인이 필요 l 우리나라와 해외 주요국은 국가 차원에서 확보해야 할 전략기술 분야를 선정하고 분야별 구체적인 실행계획(로드맵 등)을 마련하여 핵심기술의 내재화에 총력을 기울이고 있음 l 첨단기술이 국가 안보를 좌우하는 결정 요인이 됨에 따라 과학기술 분야의 핵심 인재와 기술 육성 생태계 구축이 중요하며, 기존에 개발되거나 구축된 인재와 기술을 적극 연계･ 활용할 필요 l 공학생물학 등 국가 차원의 전략적으로 중요한 기술 분야에 대해서는 기술 확보, 인재 공급, 자원 공급망 확보 등 통합적인 관점에서 기술-산업을 연계한 육성 전략을 구사할 필요 우리나라는 Horizon Europe 준회원국 가입을 계기로 과학기술협력 기반을 강화하고 글로벌 공동연구를 적극 추진할 필요 l ’23년 9월, 영국이 Horizon Europe 프로그램에 재참여가 확정됨에 따라 EU 외 다양한 국가들과의 연구 협력과 우수인재 확보가 가능해짐 l 해외 주요국 대비 우리나라 정부R&D 투자의 절대적 규모가 뒤진 여건을 고려할 때, Horizon Europe 준회원국 가입을 계기로 전략적 국제협력, 외교 및 파트너십을 통해 선도 기술을 획득하는 방안 추진이 필요 ※ 미래핵심기술은특정국가주도보다는다국가컨소시엄형태의연구프로젝트로추진하고있으므로, 적극적인국제공동연구와글로벌연구프로그램참여를촉진하는것이필요 국가 차원의 핵심기술을 지정하고 전략적 투자를 이행하는 데 있어, 과학기술 혁신을 주도할 거버넌스 체계와 범부처 통합적 역할 조정 등이 필요 l 코로나19 위기 이후에도 세계 경제는 저성장 국면으로 각국은 과학기술 혁신으로 경제성장을 회복하고자 하는 정책 방향에 따라 글로벌 기술패권 경쟁이 더 심화하고 있음 ※ 영국은과학기술전담부처(과학혁신기술부)를출범시키고, 공공부문의과학기술혁신과민간 투자를확대하고자과학기술프레임워크발표및국가차원의핵심기술선정･관리등을통해 R&D투자를과감하게확대하고있음 l 기술 혁신이 민간투자와 경제성장으로의 이어질 수 있도록 과학기술 관련 거버넌스 체계와 과학기술 정책-투자로 이어지는 실행력을 확보할 필요가 있음 참고문헌 31 참고문헌 문헌자료 ∙ 국가생명공학정책연구센터, 영국 과학혁신기술부, 공학생물학(Engineering Biology)을 위한 국가비전 발표, BioINwatch(2023.12.12.). ∙ 성지은, ｢영국의 과학기술혁신정책 및 거버넌스 현황｣, 과학기술정책연구원. ∙ 안지현 & 윤성용(2022), ｢기초연구 R&D 학문분야별 지원현황 분석 및 중장기 개선방안 연구｣, 한국과학기술 기획평가원. ∙ CRDS(2023), ｢研究開発の俯瞰報告書　科学技術･イノベーション政策の国際動向｣. ∙ CRDS(2023), ｢科学技術･イノベーション政策の国際動向｣. ∙ DSIT(2023), ｢Science and Technology Framework – taking a systems approach to UK science and technology｣. ∙ S&T GPS(2020), ｢국가별 ‘Horizon 2020’ 연구 예산 분석｣. ∙ UKRI(2021), ｢UKRI strategy 2022 to 2027: transforming tomorrow together｣. ∙ UKRI(2023), ｢UKRI corporate plan 2023 to 2024 update｣. ∙ House of Commons Library(2023). ｢Research and Development funding policy｣. ∙ House of Commons Library(2023). ｢Research & Development spending｣. ∙ BEIS(2021), ｢UK Innovation Strategy｣. ∙ Innovate UK(2022), ｢Strategic Delivery Plan｣. ∙ Research England(2023), ｢Research England strategic delivery plan(SDP) 2022 to 2025｣. ∙ Department for Education(2016), ｢Higher Education and Research Bill: UKRI Vision, Principles & Governance｣. ∙ BIA(UK Bioindustry Association), ｢Engineering Biology: A guide to engineering biology｣. ∙ DSIT(2024), ｢The UK Science and Technology Framework: update on progress｣. 브렉시트(Brexit) 이후 영국의 과학기술 동향 32 보도자료 ∙ 연합뉴스(2023.9.7.), “‘브렉시트’ 영국, EU 과학연구 지원 프로그램 ‘호라이즌’ 복귀”. ∙ 매거진 한경(2024.2.14.), ‘병든 영국’을 보여주는 네 가지 장면... 얼마나 심각하길래?. 웹사이트 ∙ 영국 정부, https://www.gov.uk/ ∙ 영국 통계청(ONS), https://www.ons.gov.uk/ ∙ OECD MSTI(Main Science and Technology Indicators), https://www.oecd.org/sti/msti.htm/ \|저 자 소 개 \| 임현지 한국과학기술기획평가원 사업조정전략센터 연구원 Tel: 043-750-2723 E-mail: hjlim@kistep.re.kr 이가원 한국과학기술기획평가원 사업조정전략센터 연구원 Tel: 043-750-2557 E-mail: gw502@kistep.re.kr 홍미영 한국과학기술기획평가원 사업조정전략센터 센터장 Tel: 043-750-2413 E-mail: myhong@kistep.re.kr \|편 집 위 원 소 개 \| 전승수 연구위원 김주희 연구위원 유나리 부연구위원 강경탁 부연구위원 한국과학기술기획평가원 사업조정평가본부 Tel: 043-750-2568 E-mail: tahoorin@kistep.re.kr KISTEP 브리프 122 브렉시트(Brexit) 이후 영국의 과학기술 동향 [ KISTEP 브리프 발간 현황 ] 발간호 (발행일) 제목 저자 및 소속 비고 112 (24.01.08.) 무기발광 디스플레이 진영현·오세미 (KISTEP) 기술주권 113 (24.01.12.) 2022년 우리나라와 주요국의 연구개발투자 현황 이새롬·한웅용 (KISTEP) 통계분석 114 (24.01.12.) 2022년 우리나라와 주요국의 연구개발인력 현황 이새롬·한웅용 (KISTEP) 통계분석 - (24.01.22.) KISTEP Think 2024, 10대 과학기술혁신정책 아젠다 강현규･이민정 (KISTEP) 이슈페이퍼 (제357호) - (24.01.25.) 국가연구개발 성과분석 프레임워크 개발 및 적용 박재민･문해주･김수민･박서현 (건국대학교) 이호규(고려대학교) 강승규(한국조달연구원) 이슈페이퍼 (제358호) 115 (24.01.25.) 세계경제포럼(WEF) Global Risks 2024 주요 내용 및 시사점 이미화 (KISTEP) 혁신정책 116 (24.01.25.) 기후변화와 기후 지구공학 정의진･임현 (KISTEP) 미래예측 117 (24.01.26.) 단백질 구조예측 및 디자인 전수진･한민규 (KISTEP) 기술동향 - (24.01.29.) 신약개발 분야 정부 R&D 현황과 효율성 제고 방안 송창현･엄익천(KISTEP) 김순남(국가신약개발사업단) 이원희(유한양행) 이슈페이퍼 (제359호) - (24.01.31.) 반도체 분야 정부연구개발투자의 효과성 분석과 개선방안 김준희･엄익천(KISTEP) 오승환(경상국립대학교) 전주경(한국특허기술진흥원) 이슈페이퍼 (제360호) 118 (24.02.01.) 인공지능이 변화시킬 미래 연구수행 모습 이상남 (KISTEP) 미래예측 119 (24.02.13.) EU 인공지능(AI) 규제 현황과 시사점 강진원･김혜나 (KISTEP) 혁신정책 - (24.02.15.) ‘생성형 인공지능’ 시대의 10대 미래유망기술 박창현 (KISTEP) 이슈페이퍼 (제361호) 발간호 (발행일) 제목 저자 및 소속 비고 - (24.02.29.) 과학기술 전공자 취업 현황 분석 및 시사점 이정재･박수빈･이원홍 (KISTEP) 이슈페이퍼 (제362호) 120 (24.03.07.) 국가R&D 국외수혜정보 보고 제도 주요 내용 및 시사점 황인영･정정규 (KISTEP) 혁신정책 121 (24.03.19.) 2022년 한국의 과학기술논문 발표 및 피인용 현황 김용희 (KISTEP) 통계분석 122 (24.03.20.) 브렉시트(Brexit) 이후 영국의 과학기술 동향 임현지･이가원･홍미영 (KISTEP) 기술동향
통계브리프	2022년 한국의 과학기술논문 발표 및 피인용 현황	2024-03-19
<p><br></p>
이슈페이퍼	과학기술 전공자 취업 현황 분석 및 시사점	2024-02-29
<p><br></p>과학기술 전공자 취업 현황 분석 및 시사점 (Employment status of S&T(Science and Technology) major graduates and Implications) 이정재･박수빈･이원홍 Jung-Jae LEE, Soo-Bin Park, Won-Hong LEE Ⅰ. 개요 Ⅱ. 2022년도 취업 현황 개괄 Ⅲ. 2022년도 과학기술 전공자 취업 특성 Ⅳ. 최근 3년간(2019~2022) 과학기술 전공자 취업 변화 Ⅴ. 시사점 및 정책 제언 [참고문헌] Ⅰ. Introduction Ⅱ. Overview of employment status in 2022 Ⅲ. Employment characteristics of S&T major graduates in 2022 Ⅳ. Employment changes of S&T major graduates in 2019~2022 Ⅴ. Implication and Policy Recommendations [Reference] 요 약 i 요 약 작성 배경 기술패권 시대 기술혁신을 선도할 수 있는 과학기술인력의 중요성이 더욱 두드러지면서, 국가 차원에서 과학기술인력 양성, 확보 및 활용에 관한 관심은 지속해서 높아지고 있음 과학기술 전공자 취업 현황을 체계적으로 분석하여 이를 토대로 관련 정책 수립의 실효성을 높이고 궁극적으로 근거 기반 정책 체계(과학기술정책의 과학화) 구축에 기여 주요 분석 (2022년도 취업 현황 개괄) 전문대졸 이상 전체 취업자의 학력별, 전공별, 연령대별, 성별 취업자 현황 (2022년도 과학기술 전공자 취업 특성) 과학기술 전공자의 학력별･전공별･연령대별･성별 취업 특성(인원 분포, 과학기술직업 분포, 표준직업 분포, 산업별 분포)과 과학기술직업 유입 분석 (2019 vs 2022 과학기술 전공자 취업 변화) 학력별･전공별･연령대별･성별 취업자 변화, 과학기술직업 취업 분포 변화, 표준직업 취업 분포 변화, 산업별 취업 분포 변화, 산업-직업 교차 취업자 비율 변화 분석 결과 및 정책 제언 (결과 1) 과학기술 전공자의 비과학기술직업 종사 비중이 높음 → 양적 미스매치에서 질적 미스매치로의 과학기술인재정책 관점 전환 필요 - 2022년 과학기술 전공자의 46.7%가 비과학기술직업에 종사하며, 학위별로는 박사 14.02%, 석사 29.7%, 학사 48.93%, 전문학사 49.25%가 비과학기술직업에 종사 - 과학기술 전공자 중 학사(61.96%)와 전문학사(28.08%) 비중이 약 90% (결과 2) 일자리(취업자 분포)가 변화하고 있음 → 변화 대응을 위한 계속 교육 관련 정책 확대 필요 과학기술 전공자 취업 현황 분석 및 시사점 ii - 직업별로는 사무직(-1.1%p)이 감소하고, 전문직(0.9%p)과 단순 노무직(0.5%p)이 증가하는 직업 양극화 현상이 보임 - 산업별로는 ‘도매 및 소매업’(-2.1%p) 등에서 일자리가 줄고, ‘보건업’(1.1%p), ‘전문, 과학 및 기술 서비스업’(0.7%p), ‘정보통신업’(0.3%p) 등에서 일자리가 증가 (결과 3) 중장년층의 취업자 비중이 증가하고 있음 → 중장년층 맞춤형 경력개발 지원 확대 필요 - 연령대별로 취업자 비중은 20대 이하(-0.4%p)와 30대(-3.3%p)는 감소하고, 40대(0.1%p), 50대(1.7%p), 60대 이상(2.0%p)은 증가 - 중장년층의 취업이 지식과 기술에 대한 진입 장벽이 상대적으로 낮거나, 청년층이 피하는 일자리로 편중되는 현상을 보임 (결과 4) STEM 기반 전문직 일자리가 증가하고 있음 → STEM 기반 신직업 발굴 및 관련 정보 제공 확대 필요 - 산업별-직종별 취업자 비율 변화를 보면 ‘보건업 및 사회복지 서비스업-전문가 및 관련 종사자’(0.82%p), ‘전문, 과학 및 기술 서비스업-전문가 및 관련 종사자’(0.64%p) 및 ‘정보통신업-전문가 및 관련 종사자’(0.54%p)의 증가가 두드러짐 - 이는 4차 산업혁명, 디지털 전환 등과 연계하여 STEM 기반 전문직에 대한 시장 수요 증가를 의미 (정책 제언) 주요 분석 결과를 토대로 기존 정책 패러다임 전환, 국가 차원의 계속 교육 체계 확대, 관련 정책 기반 강화 측면에서 다음의 6개 정책 제언을 제시 구분 정책 제언 정책 패러다임 전환 ‘신규양성’ 중심 → ‘양성+성장’의 균형적 정책으로 전환 국가 계속 교육 체계 확대 목표 연계형 재교육 확대 교육과정 모듈화 및 관련 콘텐츠 개발･지원 확대 재취업 희망 중장년층 경력개발 종합지원 체계 확대 관련 정책 기반 강화 STEM 기반 신직업 발굴 및 유입 지원 기반 강화 직무 및 일자리 변화 모니터링 강화 ※ 본 이슈페이퍼는 한국과학기술기획평가원에서 발간한 연구보고서 ｢2023년 과학기술혁신정책 스코어보드 개발 연구｣의 일부 내용을 발전시킨 것으로 한국과학기술기획평가원의 공식 의견이 아닌 필자의 견해임을 밝힙니다. Abstract iii Abstract Analysis Background As the importance of HRST(Human Resource in Science & Technology) that can lead technological innovation in the era of technological hegemony grows, interest in nurturing, securing and utilizing HRST continues to increase at the national level. By systematically analyzing the employment status of S&T major graduates, we increase the effectiveness of HRST policy establishment and ultimately contribute to the establishment of an evidence-based policy system (Science of Science and Technology Policy) Key Analysis (Overview of employment status in 2022) Employment status by education level, major, age and gender of all employed persons with a college degree or higher (Employment characteristics of S&T major graduates in 2022) Analysis of employment characteristics of S&T major graduates by education level, major, age and gender (distribution by number of people, science and technology occupations, standard occupations and industry) and inflow into science and technology occupations (Employment changes of S&T major graduates in 2019 ~ 2022 ) Change in employment by education level, major, age and gender, change in employment distribution by science and technology occupations, standard occupations and industry, and analysis of employment ratio change across industry-occupation Results and Policy Recommendations (Result 1) The proportion of S&T major graduates working in non-S&T occupations is high → Need to change HRST policy perspective from quantitative to qualitative mismatch 과학기술 전공자 취업 현황 분석 및 시사점 iv - In 2022, 46.7% of S&T major graduates work in non-S&T occupations (by degree, 14.02% of Ph.D, 29.7% of Master, 48.93% of Bachelor, and 49.25% of Associate degree) - Among S&T major graduates, the proportion of Bachelor(61.96%) and Associate degrees(28.08%) is approximately 90% (Result 2) Jobs (distribution of employed people) are changing → Need to expand policies related to continuing education to respond to changes - By occupation, there is a phenomenon of occupational polarization, with office workers (-1.1%p) decreasing and professional (0.9%p) and simple labor (0.5%p) increasing - By industry, employment decreased in ‘wholesale and retail industry’(-2.1%p), and increased in ‘health industry’(1.1%p), ‘professional, scientific and technical service industry’(0.7%p), and ‘information and communication industry’(0.3%p). ), etc. (Result 3) The proportion of employment of middle-aged people is increasing → Need to expand support for career development tailored to the middle-aged - By age group, the proportion of employed people decreased in ‘20s or younger’ (-0.4%p) and ‘30s’ (-3.3%p), while increased in ‘40s’ (0.1%p), ‘50s’ (1.7%p) and ‘60s or older’ (2.0%p) - Employment among the middle-aged appears to be concentrated in jobs that have relatively low entry barriers to knowledge and technology or are avoided by the younger generation (Result 4) The number of STEM-based professional jobs is increasing → Need to discover new STEM-based jobs and expand the provision of related information - Looking at the change in employment ratio by industry and occupation, notably increased in ‘Health and social welfare service industry - Experts and related workers’ (0.82%p), ‘Professional, scientific and technical service industry - Experts and related workers’ (0.64%p) and ‘Information and communication industry - Experts and related workers’ (0.54%p) Abstract v - This could mean an increase in market demand for STEM-based professions in connection with the 4th Industrial Revolution and digital transformation (Policy Recommendations) Based on the main analysis results, the following 6 policy recommendations are presented in terms of changing the existing policy paradigm, expanding the national continuing education system, and strengthening related policy base Type Policy Recommendations Policy paradigm shift ∙ Focusing on ‘Regular Education’ → Shift to Balanced policy of ‘Regular Education + Career Development after graduation’ Expanding the national continuing education system ∙ Expansion of Goal-oriented re-skill & up-skill training/education ∙ Modularization of education curriculum and development of related content ∙ Expanding the comprehensive career development support system for middle-aged people seeking re-employment Strengthening the related policy base ∙ Discovering new STEM-based jobs and strengthening support base for employment into them ∙ Strengthening monitoring of job changes Ⅰ. 개요 1 개요Ⅰ 1. 분석 배경 및 목적 (체계적인 과학기술인력 육성･활용 정책 수립을 위한 기반 확대) 기술 패권 시대 기술변화를 선도할 수 있는 과학기술인력의 중요성이 더욱 두드러지며, 국가 차원에서 과학기술 인재 양성, 확보 및 활용에 관한 관심은 지속해서 높아지고 있음 최근 4차 산업혁명, 디지털 전환 등의 기술 발전은 산업구조의 변화, 일자리의 변화, 일 및 생활 방식의 변화 등 우리 경제 및 사회 전반에 많은 변화를 가져오고 있음 이러한 변화는 기술경쟁력을 국가경쟁력과 더욱 밀접 시키며 기술 패권 시대를 초래 - 최근 국제정치에서 지정학(地政學)의 논리를 넘어 기정학(技政學) 패러다임이 등장 지속적인 국가경쟁력을 담보하기 위해서는 기술경쟁력 확보는 필수며, 이를 위한 과학기술인력 양성, 확보 및 활용은 주요 정책과제임 - 수출 중심 경제 구조를 가진 우리나라의 경우 기술경쟁력 확보는 국가경쟁력과 더욱 직결 과학기술인력 중장기 수급 전망(2019~2028)결과에 따르면, 약 10천명의 과학기술인력이 부족할 것으로 전망 (KISTEP, 2019) 2019~2028년 10년간 과학기술인력 수요는 713천명, 공급은 703천명으로 수요 대비 공급이 부족할 것으로 전망 학력별로는 학사와 박사의 초과수요가 크고, 전공별로는 공학, 의약학 수준으로 초과수요가 클 것으로 전망 앞으로의 과학기술인력의 수요 증대에 대응할 수 있는 국가 차원의 체계적인 과학기술인력 양성, 확보 및 활용 정책 수립이 더욱 중요 특히 저출산에 따른 인구감소 및 학령인구 감소* 등으로 인력확보에 어려움이 예상되며, 이를 보완할 수 있는 정책의 효율성 및 효과성 제고 필요 * 합계출산율 0.78명(2022), 학령인구(6~21세) 7,888천명(2020)→5,943천명(2030) (자료원 통계청) 과학기술 전공자 취업 현황 분석 및 시사점 2 이를 위해서는 과학기술인력의 양성 및 활용 관련 현황을 면밀히 분석하여, 이를 토대로 양성, 확보 및 활용 정책을 수립하는 것이 바람직 동 분석에서는 과학기술인력 현황분석의 일환으로 과학기술 전공자 취업 현황을 체계적으로 분석하여 이를 토대로 관련 정책 수립의 실효성을 높이고자 함 과학기술 전공자가 어떤 일자리에 종사하는지를 분석함으로써 과학기술인력 확보를 위한 양성 및 활용 정책 수립에 주요한 객관적 근거를 제공 구체적으로 과학기술 전공자가 어떤 직업으로 노동시장에서 활동하고 있는지, 어는 산업 분야에서 종사하고 있는지 등을 심층적으로 분석 또한 최근 과학기술 전공자의 취업 분포가 어떻게 변화하고 있는지 살펴봄 궁극적으로 근거 기반의 과학적 정책 체계(과학기술정책의 과학화)를 구축하는데 기여하고자 함 2. 분석내용 및 방법 (분석대상) 전문학사 이상 학위를 취득한 취업자 (분석연도) 가장 최근 연도인 2022년을 기준 최근 3년간의 변화를 살펴보기 위해 2019년도를 비교연도로 활용 (분석내용) 과학기술 전공자의 최근 취업 현황 및 3년간 취업 변화 분석 2022년도 취업 현황 개괄 2022년도 과학기술 전공자 취업 특성 (연령별, 학력별, 전공별, 성별 등) - 과학기술(연관)직업 분포, 표준직업 분포, 산업별 분포 등 최근 3년간(2019~2022) 과학기술 전공자 취업 변화 (분석방법) 통계청 지역별 고용조사 마이크로데이터를 활용 2019년, 2022년 하반기 B형 (전국 소분류) 마이크로데이터 활용 Ⅰ. 개요 3 3. 용어 정의 가. 과학기술 전공자 ‘과학기술 전공자’는 과학기술과 연관이 높은 전공 학위를 취득한 자를 의미 구체적으로 학력별로는 전문학사 이상이며, 한국표준교육분류(교육영역)에서 ‘자연과학, 수학 및 통계학(05)’, ‘정보통신기술(06)’, ‘공학, 제조 및 건설(07)’, ‘농림어업 및 수의학 (08)’, ‘보건(091)’의 전공 학위를 취득한 자를 의미 (아래 표 참조) <표 1> 한국표준교육분류(교육영역)와 과학기술 전공 매칭 한국표준교육분류(교육영역) 과학기술 전공 여부 대분류 중분류 01. 교육 02. 예술과 인문학 03. 사회과학, 언론 및 정보학 04. 경영, 행정 및 법 05. 자연과학, 수학 및 통계학 ○ 06. 정보통신 기술 ○ 07. 공학, 제조 및 건설 ○ 08. 농림어업 및 수의학 ○ 09. 보건 및 복지 091. 보건 ○ 092. 복지 10. 서비스 나. 과학기술(연관)직업 ‘과학기술(연관)직업’은 직업에서 요구하는 직무를 수행하는데 타 직업 대비 과학기술 전문지식의 필요도가 높은 직업을 의미1) 국내외 관련 기존 연구들에서도 과학기술(연관)직업을 정의･활용(이정재 외, 2015; KISTEP, 2019; NSF, 2022) 본 고에서는 기존 정의를 토대로, 과학기술(연관)직업으로 취업의 과소 추정 방지 등을 위하여 일부 직업 추가 등을 통해 과학기술(연관)직업을 재정의(표 2 참조) 1) 과학기술직업과 과학기술연관직업 관련 세부 내용은 KISTEP(2023) 참고 과학기술 전공자 취업 현황 분석 및 시사점 4 <표 2> 과학기술(연관)직업과 한국표준직업분류 연계표 과학기술직종 구분 한국직업표준분류(7차) 매칭 대분류 중분류 소분류 소분류 비고 과학 기술 직업 과학 전문가 및 관련직 생명 및 자연과학 관련 전문가 211 인문 및 사회과학 전문가 212 생명 및 자연과학 관련 시험원 213 정보통신 전문가 및 기술직 컴퓨터 하드웨어 및 통신공학 전문가 221 컴퓨터 시스템 및 소프트웨어 전문가 222 데이터 및 네트워크 관련 전문가 223 정보 시스템 및 웹 운영자 224 통신 및 방송 송출 장비 기사 225 공학 전문가 및 기술직 건축･토목 공학 기술자 및 시험원 231 화학공학 기술자 및 시험원 232 금속･재료 공학 기술자 및 시험원 233 전기･전자공학 기술자 및 시험원 234 기계･로봇공학 기술자 및 시험원 235 소방･방재 기술자 및 안전 관리원 236 환경공학･가스･에너지 기술자 및 시험원 237 항공기･선박 기관사 및 관제사 238 기타 공학 전문가 및 관련 종사자 239 대학교수 및 강사 (과학기술분야) 251 전공별 세세분류 (25114, 25115 등) 과학 기술 연관 직업 전문 관리직 연구･교육 및 법률 관련 관리자 131 생명 및 자연과학 연구관리자 13113, 공학 연구관리자 13114 보건 및 사회복지 관련 관리자 133 보건 의료 관련 관리자 1331 정보 통신 관련 관리자 135 건설･전기 및 생산 관련 관리자 141 기타 건설･전기 및 생산 관련 관리자 149 보건의료 관련직 의료 진료 전문가 241 약사 및 한약사 242 간호사 243 영양사 244 치료･재활사 및 의료기사 245 보건 의료 관련 종사자 246 학교 교사 (중･고등학교 과학기술분야) 252 수학교사 25212, 과학교사 25214 기타 전문 관련직 감정･기술 영업 및 중개 관련 종사자 (기술 영업) 274 기술영업원 2743 숙련･기능 관련직 농림･어업 숙련 종사자 611~630 과학기술 전공자 비중이 높은 소분류 직업 선별기능원 및 관련 기능 종사자 710~799 장치･기계 조작 및 조립 종사자 811~899 2022년도 지역별고용조사 기준, 전문대졸이상 취업자 중 과학기술 전공자 비중이 50% 이상인 직업 Ⅱ. 2022년도 취업 현황 개괄 5 2022년도 취업 현황 개괄Ⅱ 1. 학력별, 전공별, 연령대별, 성별 취업자 현황 (표 3 참조) (전체) 전문학사 이상 기준, 취업자는 총 14,096,753명으로 전체 경활 인구 대비 76.6% 실업자는 343,921명으로 전체 대비 1.9%이며, 비경제활동은 3,959,504명으로 21.5% 2019년 대비 취업자 비율은 증가(19년 75.7% → 22년 76.6%), 실업자 비율은 감소(2.4% → 1.9%), 비경제활동 비율은 감소(21.9% → 21.5%)하여, 소폭이나마 상대적으로 취업 활동이 활성화 (학력별) 박사 등 고학력자의 취업자 비율이 상대적으로 높음 학력별 취업자 비율은 박사(85.8%)와 석사(80.1%)의 경우 전체 취업자 비율보다 높고, 학사(75.7%), 전문학사(77.2%)로 전체 대비 1%p 차이 내로 유사 박사, 석사의 실업자 비율 및 비경제활동 비율도 학사와 전문학사에 비해 낮음 (전공별) 대체로 과학기술 전공자의 취업자 비율이 높고, 특히 ‘공학, 제조･건설’ (84.9%), ‘정보통신기술’(81.4%), ‘보건’(78.5%) 등이 높음 비과학기술 전공의 경우 ‘경영, 행정･법학’(76.2%)의 취업자 비율이 가장 높고, 이외 ‘서비스’ (75.5%), ‘복지’(74.5%) 등은 전체(76.6%) 대비 낮은 수준 실업자 비율은 2% 안팎으로 전공별 큰 차이가 보이지 않으나, 비경제활동 비율은 과학기술 전공자가 상대적으로 낮음 (연령대별) ‘20대 이하’(76.4%)와 ‘60대 이상’(50.1%)의 취업자 비율이 상대적으로 낮고, 이외 연령대는 80%대로 전체 취업자 비율을 상회 실업자 비율은 ‘20대 이하’가 5.0%로 타 연령대 대비 크고, 비경제활동 비율은 ‘60대 이상’이 49%로 가장 높음 과학기술 전공자 취업 현황 분석 및 시사점 6 (성별) ‘여성’(67.1%)와 ‘남성’(85.1%)의 취업자 비율 차이(18%p)가 두드러짐 성별 실업자 비율은 유사하나, 여성의 경우 비경제활동 비율이 30.9%로 남성(13.0%) 대비 매우 큼 <표 3> 2022년 경제활동현황 총괄 (전문대졸 이상 기준) 구분 취업 실업 비경제활동 인원(명) 비율(%) 인원(명) 비율(%) 인원(명) 비율(%) 학위별 전문학사 3,516,549 77.2 94,209 2.1 942,471 20.7 학사 9,127,293 75.7 232,938 1.9 2,694,874 22.4 석사 1,187,704 80.1 15,355 1.0 279,589 18.9 박사 265,206 85.8 1,418 0.5 42,570 13.8 전공별 교육 1,017,747 69.6 17,133 1.2 428,250 29.3 예술 1,068,206 71.5 36,879 2.5 388,325 26.0 인문학 1,145,874 67.6 31,581 1.9 518,142 30.6 사회과학, 언론･정보학 594,525 72.1 18,982 2.3 211,072 25.6 경영, 행정･법학 2,441,746 76.2 60,756 1.9 702,888 21.9 자연과학, 수학･통계학 599,204 75.2 17,377 2.2 180,579 22.6 정보통신기술 562,692 81.4 14,755 2.1 113,698 16.4 공학, 제조･건설 3,801,526 84.9 77,483 1.7 599,799 13.4 농림어업･수의학 176,944 75.8 3,189 1.4 53,356 22.9 보건 1,081,326 78.5 17,391 1.3 279,179 20.3 복지 584,763 74.5 18,026 2.3 182,157 23.2 서비스 1,022,199 75.5 30,368 2.2 302,057 22.3 연령대 20대 이하 2,241,715 76.4 147,958 5.0 543,681 18.5 30대 3,993,568 80.3 92,791 1.9 888,875 17.9 40대 4,019,797 81.1 52,504 1.1 882,242 17.8 50대 2,790,255 81.1 32,098 0.9 617,309 17.9 60대 이상 1,051,417 50.1 18,570 0.9 1,027,396 49.0 성별 여자 5,849,657 67.1 167,546 1.9 2,696,246 30.9 남자 8,247,095 85.1 176,375 1.8 1,263,258 13.0 전체 총계 14,096,753 76.6 343,921 1.9 3,959,504 21.5 Ⅱ. 2022년도 취업 현황 개괄 7 2. 2022년도 취업자(전문대졸 이상) 중 과학기술 전공자 규모 전문학사 이상 취업자(14,096,753명) 중 과학기술 전공자는 6,221,692명으로 44.14%를 차지 (그림 1 참조) 전체 취업자 중 과학기술 전공자의 규모는 비과학기술 전공자 대비 약 10% (1,653,369명) 정도 작음 [그림 1] 2022년 취업자(전문대졸 이상) 중 과학기술 전공자 규모 세부적으로 학력별로는 박사(59.25%), 성별로는 남성(54.13%)의 과학기술 전공자 비중이 상대적으로 높고, 연령대별로는 전 연령대에서 40%대 비중을 보임 (표 4 참조) 반면 학력별로는 석사(38.95%), 성별로는 여성(30.04%)의 과학기술 전공자 비중이 상대적으로 낮음 <표 4> 2022년 취업자(전문학사 이상) 중 학력별, 연령대별, 성별 과학기술 전공자 비중 구분 세부 분류(과학기술 전공자 비중 %) 학력별 박사(59.25%), 석사(38.95%), 학사(42.23%), 전문학사(49.69%) 연령대별 20대 이하(42.27%), 30대(42.81%), 40대(48.13%), 50대(42.18%), 60대 이상(43.07%) 성별 여성(30.04%), 남성(54.13%) 과학기술 전공자 취업 현황 분석 및 시사점 8 2022년도 과학기술 전공자 취업 특성Ⅲ 1. 학력별 취업 특성 가. 학력별 취업자 분포 과학기술 전공자(6,221,692명)의 학력별 분포를 보면 학사(61.96%)와 전문학사(28.08%) 비중이 약 90%로 절대적으로 큼 학력별 인원 비중 : 박사 2.53%, 석사 7.43%, 학사 61.96%, 전문학사 28.08% 과학기술 전공자 절반 이상이 학사이며, 석사(7.43%)와 박사(2.53%)는 과학기술 전공자 중 10% 정도 차지하여 인원 규모상 크지 않음 나. 학력별 과학기술직업 분포 특성 (그림 2) 고학력일수록 과학기술직업에 종사하는 비중이 높음 과학기술직업 종사 비중은 박사 64.11%, 석사 46.85%, 학사 23.09%, 전문학사 9.42% 순으로, 박사와 석사는 학사와 전문학사에 비해 과학기술직업에 종사하는 비중이 월등히 큼 [그림 2] 학력별 과학기술(연관)직업 취업 분포 (학위별 비중 합 100) Ⅲ. 2022년도 과학기술 전공자 취업 특성 9 반면 학사와 전문학사는 비과학기술직업에 종사하는 비중이 높음 비과학기술직업 종사 비중은 박사 14.02%, 석사 29.7%, 학사 48.93%, 전문학사 49.25%로, 학사와 전문석사의 경우 거의 절반이 비과학기술직업에 종사 학사와 전문학사의 인원 규모가 절대적으로 크다는 것을 고려할 때, 절반에 가까운 많은 과학기술 전공자가 비과학기술직업에 종사(46.7%) 다. 학력별 표준직업 분포 특성 (그림 3) 학력에 관련 없이 ‘전문가 및 관련 종사자’의 비중이 상대적으로 가장 높음 ‘전문가 및 관련 종사자’ 비중은 박사 88.4%, 석사 71.2%, 학사 43.9%, 전문학사 26.6%로 모든 학력별로 타 직업 비중 대비 높음 [그림 3] 학력별 표준직업대분류 취업 분포 (학위별 비중 합 100) 다만 고학력일수록 직업 편중도가 크며 저학력일수록 분산도가 큼 박사와 석사는 ‘전문가 및 관련 종사자’에 편중된 분포를 보이나, 학사와 전문학사는 여러 직업으로 분산되는 특징을 보임 과학기술 전공자 취업 현황 분석 및 시사점 10 학사는 ‘전문가 및 관련 종사자’ 이외 ‘사무 종사자’ 비중이 상대적으로 크며, 전문학사는 ‘기능원 및 관련 기능 종사자’와 ‘장치･기계 조작 및 조립 종사자’의 비중이 타 학력 대비 비중이 높음 라. 학력별 산업별 취업 분포 특성 (그림 4) ‘제조업’, ‘보건업 및 사회복지 서비스업’ 등의 분야에서 상대적으로 높은 취업 비중을 보이나, 이외 분야에서는 학력별로 다른 취업 분포를 보임 박사의 경우 ‘전문, 과학 및 기술 서비스업’(27.6%), ‘교육 서비스업’(25.9%), ‘보건업 및 사회복지 서비스업’(19.7%)의 비중이 높아, 대체로 전문분야 연구원, 교원, 의료 종사자 등으로 보임 석사는 ‘전문, 과학 및 기술 서비스업’(21.3%), ‘제조업’(21.1%), ‘보건업 및 사회복지 서비스업’(13.7%), ‘교육 서비스업’(10.5%)의 비중이 높고, 이외 ‘정보통신업’(8.3%)에서 타 학력 대비 상대적으로 높은 비중을 보임 학사는 ‘제조업’(20.2%), ‘보건업 및 사회복지 서비스업’(11.9%)의 비중이 높고, 이외 ‘도매 및 소매업’, ‘전문, 과학 및 기술 서비스업’, ‘건설업’, ‘정보통신업’ 등으로 다양한 분야로의 분산된 분포를 보임 전문학사는 학사와 유사한 분포를 보이며, ‘제조업’(26.0%)에서 타 학력 대비 가장 높은 비중을 보임 [그림 4] 학력별 표준산업대분류 취업 분포 (학위별 비중 합 100) Ⅲ. 2022년도 과학기술 전공자 취업 특성 11 2. 전공별 취업 특성 가. 전공별 취업자 분포 과학기술 전공자(6,221,692명)의 전공별 분포를 보면 ‘공학, 제조･건설’(61.1%)이 절대다수를 차지하며, 다음으로 ‘보건’의 비중이 상대적으로 높음 * 전공별 인원 비중 : 자연과학, 수학･통계학 9.63%, 정보통신기술 9.04%, 공학, 제조･건설 61.1%, 농림어업･수의학 2.84%, 보건 17.38% 이외 ‘자연과학, 수학･통계학’, ‘정보통신기술’및 ‘농림어업･수의학’은 10% 이하 비중으로, 인원 규모가 크지 않음 나. 전공별 과학기술직업 분포 특성 (그림 5) ‘공학, 제조･건설’의 경우 과학기술(연관)직업과 비과학기술직업 종사 비중이 거의 비슷 ‘공학, 제조･건설’의 경우 과학기술직업(27.17%)과 과학기술연관직업(25.7%)에 약 절반 정도가 종사 (비과학기술직업은 47.13%) [그림 5] 전공별 과학기술(연관)직업 취업 분포 (전공별 비중 합 100) 반면 ‘자연과학, 수학･통계학’, ‘정보통신기술’, ‘농림어업･수의학’은 비과학기술직업에 종사하는 비중이 큼 과학기술 전공자 취업 현황 분석 및 시사점 12 전공별 비과학기술직업 종사 비중은 ‘자연과학, 수학･통계학’ 62.68%, ‘정보통신기술’ 56.55%, ‘농림어업･수의학’ 71.64%로 과반을 초과 전반적으로 ‘보건’을 제외한 전공별 과학기술(연관)직업의 종사 비중이 높지 않음 ‘보건’의 경우 관련 전공자의 69.45%가 과학기술연관직업에 종사 다. 전공별 표준직업 분포 특성 (그림 6) ‘전문가 및 관련 종사자’와 ‘사무 종사자’의 비중이 높음 전공별로 비중의 차이는 보이나, 모든 전공에서 ‘전문가 및 관련 종사자’와 ‘사무 종사자’의 비중이 높음 ‘보건’ 전공은 ‘전문가 및 관련 종사자’ 비중이 74.4%로 가장 높으며, 이는 앞서 언급된 과학기술연관직업 종사율이 높은 것과 연계됨 이외 ‘공학, 제조･건설’은 ‘기능원 및 관련 기능 종사자’와 ‘장치･기계 조작 및 조립 종사자’ 비중이 타 전공 대비 높고, ‘농림어업･수의학’은 ‘농림･어업 숙련 종사자’ 비중이 높음 [그림 6] 전공별 표준직업대분류 취업 분포 (전공별 비중 합 100) Ⅲ. 2022년도 과학기술 전공자 취업 특성 13 한편 대부분 전공에서 ‘사무 종사자’ 비중이 높은 것은, 앞서 언급된 비과학기술직업 비중이 높은 것과 연계됨 비과학기술직업에 종사하는 과학기술 전공자 다수(43.9%)가 ‘사무 종사자’에 해당(KISTEP, 2023) 라. 전공별 산업별 취업 분포 특성 (그림 7) 전공별 특성과 산업별 취업 분포 간의 연계성이 높음 ‘보건’의 경우 ‘보건업 및 사회복지 서비스업’ 비중이 63.7%로 전공-산업 관련성이 매우 높음 ‘공학, 제조･건설’은 ‘제조업’(27.9%), ‘건설업’(12.1%), ‘전문, 과학 및 기술 서비스업’ (11.9%) 등의 비중이 높음 ‘정보통신기술’은 ‘정보통신업’(21.8%) 비중이, ‘농림어업･수의학’은 ‘농업, 임업 및 어업’(16.4%) 비중이 가장 높음 ‘자연과학, 수학･통계학’은 타 전공 대비 ‘교육 서비스업’(17.5%)의 비중이 높음 [그림 7] 전공별 표준산업대분류 취업 분포 (전공별 비중 합 100) 특정 산업 편중도는 ‘보건’이 가장 높고, 다음으로 ‘공학, 제조･건설’과 ‘정보통신기술’이 상대적으로 높음 과학기술 전공자 취업 현황 분석 및 시사점 14 ‘자연과학, 수학･통계학’과 ‘농림어업･수의학’은 타 전공 대비 다소 여러 산업별로 퍼져 있는 형태를 보임 3. 연령대별 취업 특성 가. 연령대별 취업자 분포 과학기술 전공자(6,221,692명)의 연령대별 비중은 40대(31.1%), 30대(27.48%), 50대(18.92%) 등의 순으로 높음 연령대별 인원 비중 : 20대 이하 15.23%, 30대 27.48%, 40대 31.1%, 50대 18.92%, 60대 이상 7.28% 20대 이하 비중이 크지 않고, 40대 이상이 50% 이상임을 고려할 때, 향후 학령인구 감소 등으로 신규 유입이 감소하면 40대 이상 연령대의 비중이 점점 증가할 것으로 보임 나. 연령대별 과학기술직업 분포 특성 (그림 8) 연령대가 높아질수록 과학기술직업의 비중이 작은 경향을 보임 20대 이하의 과학기술직업 비중(연관직업 포함)은 60.87%인 반면, 연령대가 높아질수록 낮아져, 50대는 49.39%로 10%p 정도 차이 [그림 8] 연령대별 과학기술(연관)직업 취업 분포 (연령대별 비중 합 100) Ⅲ. 2022년도 과학기술 전공자 취업 특성 15 또한 연령대가 높을수록 비과학기술직업의 비중이 큼 비과학기술직업 비중은 20대 이하 39.12%, 40대 49.47%, 60대 이상 54.95%로 연령대가 높을수록 큼 이는 노동시장에 입직 이후, 이직 및 전직을 통해 개인의 특성 등에 맞는 직업을 찾아가는 과정에서 발생하는 변화로 일부 해석됨 다. 연령대별 표준직업 분포 특성 (그림 9) 모든 연령대에서 ‘전문가 및 관련 종사자’ 비중이 가장 크나, 연령대가 높을수록 비중이 작아짐 ‘전문가 및 관련 종사자’ 비중은 20대 이하 51.8%, 30대 46.0%, 40대 39.7%, 50대 37.1%, 60대 이상 31.1%로 타 직업에 비해 절대적으로 큰 비중을 보임 반면 ‘관리자’는 연령대가 높을수록 비중이 커짐 ‘관리자’의 경우 20대 이하 0.4%, 30대 0.8%, 40대 2.6%, 50대 5.6%, 60대 6.8%로, 30대까지는 미미하였으나 40대 이후 비중이 뚜렷하게 커짐 [그림 9] 연령대별 표준직업대분류 취업 분포 (연령대별 비중 합 100) 과학기술 전공자 취업 현황 분석 및 시사점 16 한편 ‘사무 종사자’는 ‘전문가 및 관련 종사자’ 다음으로 비중이 크고, 40대까지 비중이 커지다 이후 작아짐 ‘사무 종사자’ 비중은 20대 이하 18.2%, 30대 21.9%, 40대 23.2%, 50대 18.8%, 60대 13.2%로, 40대까지 꾸준히 커지다, 50대 이후 비중이 작아짐 라. 연령대별 산업별 취업 분포 특성 (그림 10) 전 연령대에서 ‘제조업’의 비중이 크며, 연령대별로 산업별 취업 분포가 다소 상이함 20대 이하의 경우 ‘보건업 및 사회복지 서비스업’ 비중이 23.6%로 타 연령대 대비 월등히 큼 30대는 ‘제조업’(25.5%)이 타 연령대 대비 가장 크며, 이외 ‘보건업 및 사회복지 서비스업’ (12.9%), ‘전문, 과학 및 기술 서비스업’(10.7%)이 타 직업 대비 비중이 큼 40대는 ‘제조업’(22.1%), ‘도매 및 소매업’(10.5%), 등의 순으로 비중이 큼 50대 및 60대 이상은 타 연령대 대비 상대적으로 ‘건설업’ 비중이 큰 경향을 보임 ‘제조업’ 등 일부 산업 분야에서 연령대별로 비중이 커지거나 작아지는 경향을 보임 ‘제조업’과 ‘정보통신업’은 고연령대일수록 비중이 작아지고, ‘건설업’, ‘도매 및 소매업’, ‘협회 및 단체, 수리 및 기타 개인 서비스업’은 비중이 커짐 [그림 10] 연령대별 표준산업대분류 취업 분포 (연령대별 비중 합 100) Ⅲ. 2022년도 과학기술 전공자 취업 특성 17 4. 성별 취업 특성 가. 성별 취업자 분포 과학기술 전공자(6,221,692명)의 성별 비중은 여성 28.25%, 남성 71.75%로 남성이 전체의 3/4 정도의 규모를 차지 성별 인원 비중 : 여성 28.25%, 남성 71.75% 여성의 경우 비경제활동인구가 많아, 남성과의 취업자 규모 차이를 더욱 확대 ※ 과학기술 전공자 비경제활동인구(1,226,612명) 중 여성 57.0%, 남성 43.0% 나. 성별 과학기술직업 분포 특성 (그림 11) 남성 대비 여성의 과학기술직업 비중은 작고, 비과학기술직업 비중은 높음 과학기술직업 비중은 여성(12%)이 남성(26.01%) 대비 절반 이하이나, 비과학기술직업 비중은 여성(52.65%)이 남성(44.37%)에 비해 약 8%p 정도 높음 반면 과학기술연관직업 비중은 여성이 남성 대비 높음 과학기술연관직업 비중은 여성(35.36%)이 남성(29.62%) 대비 약 6%p 정도 크며, 이는 여성의 보건의료 분야로의 진입이 남성 대비 높은 것과 연계됨 [그림 11] 성별 과학기술(연관)직업 취업 분포 (성별 비중 합 100) 과학기술 전공자 취업 현황 분석 및 시사점 18 다. 성별 표준직업 분포 특성 (그림 12) ‘전문가 및 관련 종사자’와 ‘사무 종사자’의 편중도가 남성 대비 여성이 큼 여성의 경우 ‘전문가 및 관련 종사자’(54.9%)와 ‘사무 종사직’(25.4%)에 80% 이상이 종사 [그림 12] 성별 표준직업대분류 취업 분포 (성별 비중 합 100) 라. 성별 산업별 취업 분포 특성 (그림 13) 남성은 ‘제조업’, 여성은 ‘보건업 및 사회복지 서비스업’ 비중이 월등히 큼 남성은 ‘제조업’(26.5%), ‘건설업’(10.9%), ‘전문, 과학 및 기술 서비스업’(10.3%) 순, 여성은 ‘보건업 및 사회복지 서비스업’(33.6%), ‘교육 서비스업’(10.4%) 순으로 비중이 큼 일부 산업 분야에서 남성과 여성의 비중 차이가 큼 남성은 ‘제조업’, ‘건설업’, ‘정보통신업’ 등에서, 여성은 ‘보건업 및 사회복지 서비스업’, ‘‘교육 서비스업’ 등에서 상대적으로 종사 비중이 높음 [그림 13] 성별 표준산업대분류 취업 분포 (성별 비중 합 100) Ⅲ. 2022년도 과학기술 전공자 취업 특성 19 5. 학력별-전공별 과학기술직업 유입 분석 (그림 14) 학사이며 ‘공학, 제조･건설’ 전공자가 과학기술직업으로 유입 인원의 대부분을 차지 박사와 석사는 과학기술직업으로 유입되는 자체 비중은 높으나, 학사 대비 인원은 크지 않음 ‘공학, 제조･건설’ 이외 ‘자연과학, 수학･통계학’과 ‘정보통신기술’ 전공자도 일정 부분 차지 한편 비과학기술연관직업으로 유입도 학사와 전문학사가 대부분이며, ‘공학, 제조･건설’ 전공자가 가장 많음 ‘보건’과 ‘공학, 제조･건설’ 이외 각 전공별로 비과학기술직업으로 유입이 과학기술(연관)직업 대비 상대적으로 큼 과학기술연관직업으로 유입은 학력별로는 학사와 전문학사, 전공별로는 ‘공학, 제조･건설’과 ‘보건’ 전공자가 대다수 박사와 석사의 유입은 상대적으로 매우 적으며, ‘보건’ 전공자 대다수가 유입 [그림 14] 학력별 – 전공별 – 과학기술직업 흐름도 (상자 크기는 각 구분별 인원 규모) 과학기술 전공자 취업 현황 분석 및 시사점 20 최근 3년간(2019~2022) 과학기술 전공자 취업 변화Ⅳ 1. 전체 취업자 변화 (표 5) 전문대졸 이상 과학기술 전공자 중 취업자는 2019년 5,803,711명에서 2022년 6,221,692명으로 417,981명(7.2%) 증가 한편 실업자는 35,940명 감소하고, 비경제활동인구는 48,509명 증가 경제활동 비율 변화를 보면, 3년간 취업자는 0.9%p(81.2%→82.1%) 증가, 실업자와 비경제 활동인구는 각각 0.6%p, 0.3%p 감소로, 과학기술 전공자의 취업자 비율이 증가 <표 5> 2019~2022 경제활동인구 변화 (전문대졸 이상, 과학기술 전공자) 경제활동구분 2019 2022 변화 인원(명) (A) 비율(%) (a) 인원(명) (B) 비율(%) (b) 인원(명) (B-A) 비율(%p) (b-a) 취업자 5,803,711 81.2 6,221,692 82.1 417,981 0.9 실업자 166,135 2.3 130,195 1.7 -35,940 -0.6 비경제활동인구 1,178,103 16.5 1,226,612 16.2 48,509 -0.3 합계 7,147,949 - 7,578,499 - 430,550 - 2. 학력/전공/연령대/성별 취업자 변화 (표 6) (학력별) 학사 취업자 증가가 두드러짐 학사 취업자가 2019년 대비 448,256명 증가하여 전체 증가분의 대부분을 차지 한편, 박사(3,537명)와 석사(24,272명)도 증가하였으나 학사 대비 매우 적은 수준이며 전문학사는 58,084명 감소 취업자 비율 변화를 보면, 학사 취업자만이 3.3%p(58.7%→62.0%) 증가하고, 박사 0.1%p, 석사 0.2%p, 전문학사 3.0%p 감소 Ⅳ. 최근 3년간(2019~2022) 과학기술 전공자 취업 변화 21 (전공별) ‘정보통신기술’ 취업자 증가가 가장 큼 취업자 인원 변화는 ‘정보통신기술’ 176,036명, ‘보건’ 95,620명, ‘자연과학, 수학･통계학’ 87,323명 순으로 증가 폭이 큼 한편, 비율 변화는 ‘정보통신기술’ 2.3%p 증가, ‘공학, 제조･건설’ -3.4%p 감소 등으로 타 분야 대비 ‘정보통신기술’ 전공자의 취업 증가 폭이 상대적으로 큼 <표 6> 2019~2022 학력/전공/연령대/성별 취업자 변화 (전문대졸 이상, 과학기술 전공자) 구분 2019 2022 변화 인원(명） (A) 비율(%） (a) 인원(명） (B) 비율(%） (b) 인원(명） (B-A) 비율(%p） (b-a) 학위별 박사 153,606 2.6 157,143 2.5 3,537 -0.1 석사 438,299 7.6 462,571 7.4 24,272 -0.2 학사 3,406,431 58.7 3,854,687 62.0 448,256 3.3 전문학사 1,805,375 31.1 1,747,291 28.1 -58,084 -3.0 전공별 자연과학, 수학･통계학 511,881 8.8 599,204 9.6 87,323 0.8 정보통신기술 386,656 6.7 562,692 9.0 176,036 2.3 공학, 제조･건설 3,741,784 64.5 3,801,526 61.1 59,742 -3.4 농림어업･수의학 177,684 3.1 176,944 2.8 -740 -0.3 보건 985,706 17.0 1,081,326 17.4 95,620 0.4 연령대 20대 이하 906,431 15.6 947,637 15.2 41,206 -0.4 30대 1,788,956 30.8 1,709,511 27.5 -79,445 -3.3 40대 1,797,855 31.0 1,934,818 31.1 136,963 0.1 50대 1,000,425 17.2 1,176,926 18.9 176,501 1.7 60대 이상 310,044 5.3 452,800 7.3 142,756 2.0 성별 여자 1,542,697 26.6 1,757,519 28.2 214,822 1.6 남자 4,261,014 73.4 4,464,173 71.8 203,159 -1.6 합계 5,803,711 - 6,221,692 - 417,981 - 과학기술 전공자 취업 현황 분석 및 시사점 22 (연령대별) 40대 이상 연령대에서 취업자 증가가 크고, 30대는 취업자가 감소 40대(136,963명), 50대(176,501명), 60대 이상(142,756명)은 취업자가 10만 명 이상 증가하였으나, 20대 이하는 41,206명 증가, 30대는 79,445명 감소하여, 고연령층(40대 이상) 취업자는 증가, 청년층(30대 이하)은 상대적으로 감소하는 현상을 보임 취업자 비율 변화도 60대 이상(2.0%p), 50대(1.7%p)는 증가, 20대 이하(-0.4%p), 30대 (-3.3%p)는 감소 (성별) 여성 취업자의 비율 증가가 상대적으로 큼 취업자 인원 변화는 여성 214,822명, 남성 203,159명 증가로 비슷한 규모 반면 취업자 비율은 여성은 1.6%p 증가하고 남성은 1.6%p 감소 3. 과학기술직업 취업 변화 (표 7, 8) 과학기술직업 및 과학기술연관직업 취업자 증가가 비과학기술직업 대비 큼 최근 3년간(2019~2022) 과학기술직업 취업자는 164,922명 증가하고, 과학기술연관직업 취업자는 155,968명 증가 취업자 비율은 과학기술직업 1.3%p 증가, 과학기술연관직업 0.4%p 증가로 과학기술직업 취업자 비율 증가가 큼 반면 비과학기술직업의 취업자 인원 증가(97,092명)는 상대적으로 작고, 취업자 비율은 1.7%p 감소 <표 7> 2019~2022 과학기술직업 취업자 변화 (전문대졸 이상, 과학기술 전공자) 과기직업대분류 2019 2022 변화 인원(명) (A) 비율(%) (a) 인원(명) (B) 비율(%) (b) 인원(명) (B-A) 비율(%p) (b-a) 과학기술직업 1,207,124 20.8 1,372,046 22.1 164,922 1.3 과학기술연관직업 1,787,877 30.8 1,943,845 31.2 155,968 0.4 비과학기술직업 2,808,710 48.4 2,905,802 46.7 97,092 -1.7 합계 5,803,711 - 6,221,693 - 417,982 - Ⅳ. 최근 3년간(2019~2022) 과학기술 전공자 취업 변화 23 과학기술직업 중분류를 기준으로 세부 특성을 살펴보면, 우선 과학기술직업내에서는 ‘정보 통신 전문가 및 기술직’의 취업자 비율 증가가 상대적으로 큼 (표 8) 취업자 인원 증가는 ‘공학 전문가 및 기술직’(79,722명), ‘정보 통신 전문가 및 기술직’(60,119명), ‘과학 전문가 및 관련직’(22.209명) 순으로 큼 다만 비율 변화는 ‘정보 통신 전문가 및 기술직’(0.6%p), ‘과학 전문가 및 관련직’(0.4%p) 순으로 증가 폭이 큼 다음으로 과학기술연관직업내에서는 ‘보건 의료 관련직’의 취업자 증가가 가장 큼 ‘보건 의료 관련직’ 취업자는 83,068명 증가하고, 취업자 비율은 0.3%p 증가 한편, ‘숙련･기능 관련직’ 취업자는 79,623명 증가하였으나, 취업자 비율은 0.3%p 감소 <표 8> 2019~2022 과학기술직업(중분류) 취업자 변화 (전문대졸 이상, 과학기술 전공자) 과기직업중분류 2019 2022 변화 인원(명) (A) 비율(%) (a) 인원 (명) (B) 비율(%) (b) 인원(명) 비율 (%p) (B-A) (b-a) 과학기술직업 과학 전문가 및 관련직 74,844 2.5 97,053 2.9 22,209 0.4 정보 통신 전문가 및 기술직 379,283 12.7 439,402 13.3 60,119 0.6 공학 전문가 및 기술직 710,984 23.7 790,706 23.8 79,722 0.1 대학교수 및 강사 42,013 1.4 44,884 1.4 2,871 0.0 과학기술연관직업 전문 관리직 74,967 2.5 82,194 2.5 7,227 0.0 보건 의료 관련직 676,578 22.6 759,646 22.9 83,068 0.3 학교 교사 35,774 1.2 38,622 1.2 2,848 0.0 기타 전문 관련직 136,722 4.6 119,923 3.6 -16,799 -1.0 숙련･기능 관련직 863,837 28.8 943,460 28.5 79,623 -0.3 합계 2,995,002 - 3,315,890 - 320,888 - 과학기술 전공자 취업 현황 분석 및 시사점 24 4. 표준직업 분포 변화 (표 9) 표준직업별로 보면, ‘전문가 및 관련 종사자’ 취업자 증가(230,051명)가 가장 크며, 전체 증가 인원의 절반 이상 차지 이외 ‘단순노무 종사자’(49,039명), ‘기능원 및 관련 기능 종사자’(47,095명), ‘장치･기계 조작 및 조립 종사자’(43,841명) 순 등으로 증가가 큼 반면 ‘판매 종사자’는 취업자가 감소 또한 ‘전문가 및 관련 종사자’, ‘단순노무 종사자’ 및 ‘서비스 종사자’의 취업자 유입은 늘고, ‘사무 종사자’와 ‘판매 종사자’는 유입이 줌 취업자 비율 변화를 보면 ‘전문가 및 관련 종사자’(0.9%p), ‘단순노무 종사자’(0.5%p), ‘서비스 종사자’(0.4%p)는 증가한 반면, ‘사무 종사자’(-1.1%p)는 감소하여, 전문역량을 요구하는 직업, 단순 노동을 요구하는 직업은 늘고, 중간층의 직업은 주는 현상을 보임 <표 9> 2019~2022 표준직업별 취업자 변화 (전문대졸 이상, 과학기술 전공자) 표준직업대분류 2019 2022 변화 인원(명) (A) 비율(%) (a) 인원(명) (B) 비율(%) (b) 인원(명) 비율 (%p) (B-A) (b-a) 관리자 146,878 2.5 164,616 2.6 17,738 0.1 전문가 및 관련 종사자 2,394,124 41.3 2,624,175 42.2 230,051 0.9 사무 종사자 1,251,647 21.6 1,276,086 20.5 24,439 -1.1 서비스 종사자 257,005 4.4 299,614 4.8 42,609 0.4 판매 종사자 455,564 7.8 407,569 6.6 -47,995 -1.2 농림･어업 숙련 종사자 88,497 1.5 99,662 1.6 11,165 0.1 기능원 및 관련 기능 종사자 474,759 8.2 521,854 8.4 47,095 0.2 장치･기계 조작 및 조립 종사자 526,302 9.1 570,143 9.2 43,841 0.1 단순노무 종사자 208,934 3.6 257,973 4.1 49,039 0.5 합계 5,803,710 - 6,221,692 - 417,982 - Ⅳ. 최근 3년간(2019~2022) 과학기술 전공자 취업 변화 25 5. 산업별 분포 변화 (표 10) 산업별로 보면, ‘보건업 및 사회복지 서비스업’ 취업자 증가(118,961명)가 타 산업 분야 대비 가장 큼 이외 ‘제조업’(91,398명), ‘전문, 과학 및 기술 서비스업’(80,792명), ‘건설업’(55,603명), ‘정보통신업’(48,670명), ‘운수 및 창고업’(39,876명) 순 등으로 증가 인원이 많음 반면 ‘도매 및 소매업’은 취업자 인원 감소(83,392명)가 가장 크며, 이는 앞서 언급된 표준직업분류 상에서 ‘판매 종사자’ 감소와 연계된 것으로 보임 <표 10> 2019~2022 산업별 취업자 변화 (전문대졸 이상, 과학기술 전공자) 표준산업대분류 2019 2022 변화 인원(명) (A) 비율(%) (a) 인원(명) (B) 비율(%) (b) 인원(명) 비율(%p) (B-A) (b-a) 농업, 임업 및 어업 88,384 1.5 100,333 1.6 11,949 0.1 광업 1,558 0.0 1,192 0.0 -366 0.0 제조업 1,256,206 21.6 1,347,604 21.7 91,398 0.1 전기, 가스, 증기 및 공기 조절 공급업 35,065 0.6 45,347 0.7 10,282 0.1 수도, 하수 및 폐기물 처리, 원료 재생업 36,160 0.6 43,030 0.7 6,870 0.1 건설업 479,837 8.3 535,440 8.6 55,603 0.3 도매 및 소매업 683,854 11.8 600,462 9.7 -83,392 -2.1 운수 및 창고업 208,266 3.6 248,142 4.0 39,876 0.4 숙박 및 음식점업 205,600 3.5 205,163 3.3 -437 -0.2 정보통신업 394,151 6.8 442,821 7.1 48,670 0.3 금융 및 보험업 150,946 2.6 152,003 2.4 1,057 -0.2 부동산업 99,436 1.7 99,920 1.6 484 -0.1 전문, 과학 및 기술 서비스업 511,113 8.8 591,905 9.5 80,792 0.7 사업시설 관리, 사업 지원 및 임대 서비스업 181,199 3.1 188,139 3.0 6,940 -0.1 공공 행정, 국방 및 사회보장 행정 242,776 4.2 278,163 4.5 35,387 0.3 교육 서비스업 339,592 5.9 337,631 5.4 -1,961 -0.5 보건업 및 사회복지 서비스업 682,160 11.8 801,121 12.9 118,961 1.1 예술, 스포츠 및 여가관련 서비스업 60,829 1.0 59,030 0.9 -1,799 -0.1 협회 및 단체, 수리 및 기타 개인 서비스업 139,047 2.4 133,565 2.1 -5,482 -0.3 가구 내 고용활동 및 기타 3,417 0.1 3,906 0.1 489 0.0 국제 및 외국기관 4,114 0.1 6,776 0.1 2,662 0.0 합계 5,803,710 - 6,221,693 - 417,983 - 과학기술 전공자 취업 현황 분석 및 시사점 26 또한 ‘보건업 및 사회복지 서비스업’과 ‘전문, 과학 및 기술 서비스업’의 취업자 유입 증가가 상대적으로 큼 취업자 비율 변화를 보면, ‘보건업 및 사회복지 서비스업’(1.1%p), ‘전문, 과학 및 기술 서비스업’(0.7%p), ‘운수 및 창고업’(0.4%p), ‘건설업’(0.3), ‘정보통신업’(0.3%p) 등의 순으로 증가가 큼 6. 산업-직업 교차 취업자 비율 변화 (그림 15) 최근 3년간(2019~2022) 산업별-직업별 취업자 비율 변화를 살펴보면 다음과 같음 [그림 15] 2019~2022년 산업-직업 교차 취업자 비율 변화 (단위 %p) [참조] 표준산업대분류 및 표준직업대분류 코드 산업대분류 농업, 임업 및 어업(A), 광업(B), 제조업(C),전기, 가스, 증기 및 공기 조절 공급업(D), 수도, 하수 및 폐기물 처리, 원료 재생업(E), 건설업(F), 도매 및 소매업(G), 운수 및 창고업(H), 숙박 및 음식점업(I), 정보통신업(J), 금융 및 보험업(K), 부동산업(L), 전문, 과학 및 기술 서비스업(M), 사업시설 관리, 사업 지원 및 임대 서비스업(N), 공공 행정, 국방 및 사회 보장 행정(O), 교육 서비스업(P), 보건업 및 사회복지 서비스업(Q), 예술, 스포츠 및 여가 관련 서비스업(R), 협회 및 단체, 수리 및 기타 개인 서비스업(S), 가구 내 고용활동 및 달리 분류되지 않은 자가 소비 생산활동(T), 국제 및 외국기관(U) 직업대분류 관리자(01), 전문가 및 관련 종사자(02), 사무 종사자(03), 서비스 종사자(04), 판매 종사자 (05), 농림･어업 숙련 종사자(06), 기능원 및 관련 기능 종사자(07), 장치･기계 조작 및 조립 종사자(08) ,단순노무 종사자(09) Ⅳ. 최근 3년간(2019~2022) 과학기술 전공자 취업 변화 27 우선 취업자 비율 증가는 ‘보건업 및 사회복지 서비스업’, ‘전문, 과학 및 기술 서비스업’, 및 ‘정보통신업’의 ‘전문가 및 관련 종사자’가 큼 구체적으로 ‘보건업 및 사회복지 서비스업-전문가 및 관련 종사자’는 0.82%p, ‘전문, 과학 및 기술 서비스업-전문가 및 관련 종사자’는 0.64%p, ‘정보통신업-전문가 및 관련 종사자’는 0.54%p 비율 증가 한편 ‘운수 및 창고업-단순노무 종사자’(0.46%p)의 비율 증가도 높은데, 최근 플랫폼 기반 배달업 종사자가 증가하는 경향과 연계된 것으로 보임 이외 ‘공공 행정, 국방 및 사회보장 행정-서비스 종사자’(0.24%p), ‘건설업-전문가 및 관련 종사자’(0.25%p), ‘건설업-기능원 및 관련 기능 종사자’(0.23%p), ‘제조업-장치･기계 조작 및 조립 종사자’(0.21%p)의 비율 증가가 상대적으로 높음 반면, 감소하는 부분은 주로 ‘도매 및 소매업-판매 종사자’의 감소가 가장 크고, ‘도매 및 소매업-전문가 및 관련 종사자’, ‘제조업-전문가 및 관련 종사자’의 감소가 다음으로 큼 구체적으로 ‘도매 및 소매업-판매 종사자’는 0.98%p, ‘도매 및 소매업-전문가 및 관련 종사자’는 0.52%p, ‘제조업-전문가 및 관련 종사자’는 0.51%p 비율 감소 또한 직업별로는 ‘사무 종사자’가 대부분 산업에서 전반적으로 감소하는 경향을 보이고, 산업별로는 ‘도매 및 소매업’ 감소가 큼 ‘제조업’의 경우 ‘전문가 및 관련 종사자’에 대한 취업은 줄고 숙련･기능 관련직(직업대분류 07, 08)에 대한 취업이 많은 현상을 보임 세부 산업-직업별로는 차이가 있으나, 전반적으로 일부 산업에서는 전문직 취업이 다른 일부 산업에서는 기능직 및 단순 노무직 취업이 증가하고, 사무직 취업은 대부분 산업에서 감소하는 경향을 보임 이는 디지털 전환 등의 환경변화에 기인한 산업구조 및 일자리 변화와 연계되며, 직업 양극화 현상과도 맥을 같이 하는 것으로 보임 과학기술 전공자 취업 현황 분석 및 시사점 28 시사점 및 정책 제언 Ⅴ 1. 시사점 과학기술 전공자의 비과학기술직업 종사 비중이 높음 → 양적 미스매치에서 질적 미스매치로의 관점 전환 필요 석･박사와 달리 학사와 전문학사 절반 정도가 비과학기술직업에 종사하고 있으며, 학사와 전문학사가 과학기술 전공자의 90% 정도임 과학기술 전공자의 비과학기술직업으로 유입되는 규모를 볼 때, 현재 배출된 과학기술 전공자가 노동시장의 과학기술직업 규모에 비해 많다고 할 수 있으며, 양적인 측면에서 공급이 수요보다 많음을 의미할 수 있음 이는 과학기술인력 중장기 수급 전망에서 제시하는 과학기술인력이 부족할 거라는 신호와는 다소 상반될 수 있는 현상으로, 앞으로 과학기술인력정책은 양적 미스매치 보다는 질적 미스매치 해소로, ‘신규양성-공급’ 중심보다는 ‘양성-성장’의 질적 제고 중심으로 확대해 나아가야 함을 시사 일자리(취업자 분포)가 변화하고 있음 → 변화 대응을 위한 계속 교육 관련 정책 확대 필요 직업별로는 사무직이 감소하고, 전문직과 기능직 및 단순 노무직이 증가하는 직업 양극화 현상이 보이며, 청년층 초기에는 과학기술직업의 취업 비중이 크다가 연령이 높아질수록 비과학기술직업의 비중이 커지는 현상도 직업 양극화 현상과 일정 부분 맥을 같이함 산업별로는 ‘도매 및 소매업’ 등에서 일자리가 줄고, ‘보건업’, ‘전문, 과학 및 기술 서비스업’ ‘정보통신업’ 등에서 일자리가 증가하는 현상을 보이며, 특히 ‘정보통신기술’ 전공자의 취업자 비중 증가는 IT 기술 관련 새로운 산업이 발전하고, 관련 신규 일자리가 증가하는 것을 의미 이러한 일자리 변화에 능동적으로 대응하지 못하면 학력에 비해 직업을 하향 선택하는 등 직업의 양극화가 심화되고, 나아가 구인난 구직난 등의 사회 문제로 확대되어, 이를 예방할 수 있는 국가 차원의 계속 교육 체계 확대 등 관련 지원 정책 확대가 필요 Ⅴ. 시사점 및 정책 제언 29 중장년층의 취업자 비중이 증가하고 있음 → 중장년층 맞춤형 경력개발 지원 확대 필요 최근 3년간 과학기술 전공자 취업자 중 청년의 비중은 줄고, 중장년층의 비중이 늘고 있으며, 관련하여 기능직, 단순 노무직 등의 증가는 50대 이상의 고연령대 취업 비율 증가와 사무직 감소는 30대 취업 비율 감소와 연계되며, 이는 청년들이 진입을 꺼리는 틈새 일자리로 중장년층의 노동시장 재진입 현상과 맥을 같이 하는 것으로 보임 중장년층의 취업이 지식과 기술에 대한 진입 장벽이 상대적으로 낮거나, 청년층이 피하는 일자리로 편중되는 현상은 장기적으로 바람직하지 않음 재취업을 원하는 과학기술 전공 중장년층을 대상으로 개인의 특성 등을 고려한 체계적인 경력개발을 지원하여 시장에서의 경쟁력을 확보하고, 학력과 경력에 부합하는 다양한 취업 경로를 찾을 수 있도록 지원 필요 STEM 기반 전문직 일자리가 증가하고 있음 → STEM 기반 신직업 발굴 및 관련 정보 제공 확대 필요 최근 3년간 직업별로는 ‘전문가 및 관련 종사자’, 산업별로는 보건 분야 다음으로 ‘전문, 과학 및 기술 서비스업’과 ‘정보통신업’의 취업자 증가가 두드러짐 이는 4차 산업혁명, 디지털 전환 등의 기술 발전에 기인한 산업구조 및 일자리의 변화와 맥을 같이 하며, 특히 STEM 기반 전문직 일자리가 증가하고 이들 일자리와 관련된 과학기술 인재에 대한 시장 수요가 더욱 커질 것을 시사함 STEM 기반 신직업의 발굴과 관련 정보 제공은 우리 사회의 일자리 변화 대응 기반을 확대할 것이며, 미래 변화에 대응한 진로 교육 및 신직업이 요구하는 역량을 개발하기 위한 교육과정 설계들의 기초 자료로 활용될 것임 더 나아가 STEM 기반 괜찮은 신직업으로 청년층 유입 촉진은 시장의 노동 수요에 능동적으로 대응할 뿐만 아니라 청년층 취업의 질적 문제를 완화하고, 궁극적으로 국가 차원의 인재 양성 및 활용의 효율성 및 효과성을 높일 것임 과학기술 전공자 취업 현황 분석 및 시사점 30 2. 정책 제언 구분 정책 제언 정책 패러다임 전환 ∙ ‘신규양성’ 중심 → ‘양성+성장’의 균형적 정책으로 전환 국가 계속 교육 체계 확대 ∙ 목표 연계형 재교육 확대 ∙ 교육과정 모듈화 및 관련 콘텐츠 개발･지원 확대 ∙ 재취업 희망 중장년층 경력개발 종합지원 체계 확대 관련 정책 기반 강화 ∙ STEM 기반 신직업 발굴 및 유입 지원 기반 강화 ∙ 직무 및 일자리 변화 모니터링 강화 (제언 1) 신규양성 중심에서 양성+성장 중심의 균형적 정책으로 전환 앞으로의 과학기술인재정책은 인재의 양적 확보를 넘어 인재가 변화에 능동적으로 대응하고 지속해서 성장할 수 있도록 양성 및 성장을 균형적으로 지원하는 정책으로 한 단계 도약이 필요 특히 신규양성만이 아니라 전 과학기술인을 대상으로 사회적 요구에 맞는 역량을 배양하고 지속해서 유지할 수 있도록 지원하는 ‘과학기술인 경력개발센터 구축’ 등의 종합지원 체계 마련 필요 (제언 2) 목표 연계형 재교육 확대 경력개발 차원에서 단순히 재교육에 참여하는 것을 독려하기보다는, 구체적인 취업 및 시장 수요와 관련된 필요한 역량을 개발하기 위한 재교육 과정을 연계한 패키지 정보를 제공하는 ‘목표 연계형 재교육’ 확대 필요 나아가서 재교육 이전에 취업 면담을 하여, 면담 합격자의 경우 일정 교육과정을 이수하면 취업을 보장하는 ‘취업 보장형 재교육 과정’도 개발･확대 필요 (제언 3) 교육과정 모듈화 및 관련 콘텐츠 개발･지원 확대 필수 지식을 전달하기 데 필요한 작은 단위의 교육과정 및 콘텐츠로 모듈화하고, 교육 수요자가 모듈화된 교육 콘텐츠를 토대로 자신에 맞는 맞춤형 교육과정을 설계･활용할 수 있는 형태로 ‘교육과정 모듈화’ 확대 필요 관련하여 모듈화된 교육 콘텐츠 정보를 종합적으로 관리하고, 개인의 특성 및 수요에 맞는 교육과정을 추천하고 선택을 지원하는 ‘계속 교육 지원 정보 시스템’ 구축 및 활용 필요 Ⅴ. 시사점 및 정책 제언 31 (제언 4) 재취업 희망 중장년층 경력개발 종합지원 체계 확대 과학기술 지식 소양을 갖춘 중장년층의 일자리에 대한 다양한 수요와 노동시장의 구인 수요를 연계하여 적절한 교육을 통해 취업을 지원하는 종합 지원 체계 구축* 및 확대가 필요 (구직 수요 – 교육 – 구인 수요를 체계적으로 연계 지원) * ‘(가칭) S&T 중장년 리턴즈’ 지원 사업 추진 등 학력 대비 하향 취업하는 과학기술 전공 중장년층을 일정 교육을 통해 학력에 적합한 새로운 일자리로의 유인은 인구감소 시대에 신산업에 필요한 노동력 확보뿐만 아니라, 사회적으로 구인난 및 구직난을 해소하는 데 기여 (제언 5) STEM 기반 신직업 발굴 및 유입 지원 기반 강화 정기적으로 STEM 기반 신직업을 발굴하고, 관련 정보를 교육 현장 및 대국민에게 제공하는 ‘STEM 기반 신직업 정보 서비스’ 체계 구축 필요 STEM 기반 신직업 정보를 토대로 관련 지식을 습득할 수 있는 교육과정 개발･제공 등의 경력개발 지원 및 체계적인 진료 상담 등을 통해 ‘괜찮은 신직업으로 유입 지원’ 체계 구축 필요 (제언 6) 직무 및 일자리 변화 모니터링 강화 기술 발전 및 융합 속도가 가속화되며 노동시장에서 요구하는 직무 및 일자리도 빠르게 변화하고 있어, 주기적으로 시장에서 요구하는 직무 및 일자리의 변화를 체계적으로 포착할 수 있는 ‘직무 및 일자리 변화 모니터링’ 체계 구축 필요 모니터링 결과를 토대로 변화에 대응하기 위한 재교육 과정 개발 및 운영 지원 체계 및 시장 수요 기반 인재 양성 체계 구축에 기여 과학기술 전공자 취업 현황 분석 및 시사점 32 참 고 문 헌 ∙ 통계청 MDIS, 지역별고용조사 마이크로데이터 2019~2022, mdis.kostat.go.kr ∙ KISTEP(2019), 과학기술인력양성 추진체계 구축･운영 (과학기술인력 중장기 수급전망), 한국과 학기술기획평가원 ∙ KISTEP(2023), 과학기술혁신정책 스코어보드 개발 연구(과학기술인력 스코어보드), 한국과학기 술기획평가원 ∙ 이정재 외(2015), 한국과 미국의 이공계 졸업자 직업 분포 비교, KISTEP ISSUE PAPER 2015-08, 한국과학기술기획평가원 ∙ NSF(2022), The State of U.S. Science and Engineering 2022, NSF ∙ 국가통계포털 홈페이지, kosis.kr ∙ 직업훈련포탈 HRD-Net 홈페이지, www.hrd.go.kr KISTEP 이슈페이퍼 발간목록 33 KISTEP 이슈페이퍼 발간목록 발간호 제목 저자 2024-05 (통권 제361호) ‘생성형 인공지능’ 시대의 10대 미래유망기술 박창현(KISTEP) 2024-04 (통권 제360호) 반도체 분야 정부연구개발투자의 효과성 분석과 개선방안 김준희(KISTEP), 엄익천(KISTEP), 오승환(경상국립대학교), 전주경(KIPRO) 2024-03 (통권 제359호) 신약개발 분야 정부 R&D 현황과 효율성 제고 방안 송창현(KISTEP), 엄익천(KISTEP), 김순남(KDDF), 이원희(유한양행) 2024-02 (통권 제358호) 국가연구개발 성과분석 프레임워크 개발 및 적용 박재민(건국대학교), 문해주(건국대학교), 이호규(고려대학교), 강승규(KIP), 김수민(건국대학교), 박서현(건국대학교) 2024-01 (통권 제357호) KISTEP Think 2024, 10대 과학기술혁신정책 아젠다 강현규, 이민정 (KISTEP) 2023-16 (통권 제356호) 미･중 패권경쟁 시대, 중국이 소재･부품･장비 공급망을 무기화할 수 있을까? 이승필(KISTEP), 이승빈(KICT), 최동혁(KISTEP) 2023-15 (통권 제355호) 다부처R&D사업 표준화 및 IRIS 적용 방안 송혜주, 김병은, 김아름, 김여울, 이혁성 (KISTEP) 2023-14 (통권 제354호) 플라스틱 국제협약 대응을 위한 과학기술의 역할 유새미, 고진원, 박노언 (KISTEP) 2023-13 (통권 제353호) 대학의 기술사업화 전담 조직 현황진단과 개선방안 이길우(KISTEP), 정영룡(CNU), 김성근(PNU), 이지훈(SEOULTECH) 김태현(COMPA) 방형욱(KISTEP) 2023-12 (통권 제352호) 중소기업 경쟁력 강화를 위한 고경력 과학기술인 활용 조사 및 시사점 김인자, 김가민, 이원홍 (KISTEP) 2023-11 (통권 제351호) 학문분야별 기초연구 지원체계에 대한 중장기 정책제언 (국내외 지원현황의 심층분석을 기반으로) 안지현, 윤성용, 함선영 (KISTEP) 과학기술 전공자 취업 현황 분석 및 시사점 34 발간호 제목 저자 2023-10 (통권 제350호) 기술패권경쟁시대 한국 과학기술외교 대응 방향 강진원(KISTEP), 이정태(KIST), 김진하(KISTEP) 2023-09 (통권 제349호) 신입과학기술인 직무역량에 대한 직장상사-신입간 인식 비교 분석 박수빈 (KISTEP) 2023-08 (통권 제348호) 국가연구개발 성과정보 관리체계 개선 제언 김행미 (KISTEP) 2023-07 (통권 제347호) 기업 혁신활동 제고를 위한 R&D 조세 지원 정책 연구 : 국가전략기술 연구개발 기업을 중심으로 구본진 (KISTEP) 2023-06 (통권 제346호) 임무지향형 사회문제해결 R&D 프로세스 설계 및 제언 박노언, 기지훈, 김현오 (KISTEP) 2023-05 (통권 제345호) STI 인텔리전스 기능 강화 방안 - 12대 과학기술혁신 정책 이슈를 중심으로 - 변순천 외 (KISTEP) 2023-04 (통권 제344호) 국방연구개발 예산 체계 진단과 제언 임승혁, 안광수 (KISTEP) 2023-03 (통권 제343호) 우리나라 바이오헬스 산업의 주력산업화를 위한 정부 역할 및 지원방안 홍미영, 김주원, 안지현, 김종란 (KISTEP) 2023-02 (통권 제342호) ‘데이터 보안’ 시대의 10대 미래유망기술 박창현, 임현 (KISTEP) 2023-01 (통권 제341호) KISTEP Think 2023, 10대 과학기술혁신정책 아젠다 강현규, 최대승 (KISTEP) 필자 소개 ▶ 이정재 - 한국과학기술기획평가원 인재정책센터 선임연구위원 - 043-750-2351, jungjae@kistep.re.kr ▶ 박수빈 - 한국과학기술기획평가원 인재정책센터 연구원 - 043-750-2499, psoobin@kistep.re.kr ▶ 이원홍 - 한국과학기술기획평가원 인재정책센터 센터장 - 043-750-2411, dream@kistep.re.kr KISTEP ISSUE PAPER 2024-06 (통권 제362호) ‖ 발행일 ‖ 2024년 2월 29일 ‖ 발행처 ‖ 한국과학기술기획평가원 전략기획센터 충청북도 음성군 맹동면 원중로 1339 T. 043-750-2300 / F. 043-750-2680 http://www.kistep.re.kr ‖ 인쇄처 ‖ 주식회사 동진문화사(T. 02-2269-4783)
이슈페이퍼	‘생성형 인공지능’ 시대의 10대 미래유망기술	2024-02-15
<p><br></p>‘생성형 인공지능’ 시대의 10대 미래유망기술 (KISTEP 10 Emerging Technologies in the Era of Generative Artificial Intelligence) 박창현 Changhyun Park Ⅰ. 연구 배경 Ⅱ. 연구 절차 및 세부내용 Ⅲ. 연구 결과 Ⅳ. 결론 및 시사점 [참고문헌] I. Research Backgrounds II. Research Process III. Results Ⅳ. Conclusion and Implications [References] 요 약 i 요 약 연구 배경 미래유망기술 선정을 통해 현재 우리 사회에서 중요하게 생각하는 이슈와 과학기술의 미래 방향성 제시 필요 미래이슈에 대응하기 위한 10대 유망기술을 선정하고, 유망기술별 심층분석 자료를 제공하여 미래모습을 구체화하고 활용성을 강화 연구 절차 미래이슈 선정, 미래유망 후보기술 발굴, 미래유망기술 선정, 미래유망기술 심층 분석 등의 순으로 연구 수행 2024년 KISTEP 미래유망기술 주제(이슈)는 ‘생성형 인공지능 시대’로 선정되었으며, 문헌조사, 설문조사, 전문가 회의 등을 통해 10대 유망기술을 최종 선정 10대 유망기술별 기술 개요(기술명, 정의, 범위), 국내외 동향, 2033 미래 전망, 다른 미래유망기술과의 관계, 기술적 난제 및 정책제언 등 분석 수행 10대 유망기술별 논문･특허분석 기반 기술추세 및 수준 분석의 심층 분석을 수행 연구 결과 국내외 미래 전망 동향 분석, 미래예측 전문가 대상 설문, 결과 활용성 등을 고려해 향후 10년 이내에 한국 사회에 커다란 변혁을 가져올 ‘생성형 인공지능(Generative AI) 시대’를 주제로 삼아 미래유망기술을 발굴하고 심층분석을 수행 생성형 인공지능의 확산에 기여할 수 있는 정도가 큰 10대 미래유망기술은 ① 거대언어모델 (LLM) 기반 텍스트 생성형 인공지능 기술, ② 자율 이미지 및 영상 생성형 인공지능 기술, ③ 신경망처리 기반 인공지능 전용칩, ④ 지능형 개인 맞춤 서비스 인공지능 기술, ⑤ 감성내재 음성 생성형 인공지능 기술, ⑥ 클라우드 기반 머신러닝 플랫폼 기술, ⑦ 코딩 보조용 생성형 언어 모델 기술, ⑧ 멀티모달(이미지, 텍스트, 음성) 통합 인식 및 생성 인공지능 기술, ⑨ 인공지능 신뢰성 및 안전성 제고 기술, ⑩ 인공지능 오픈 마켓플레이스 플랫폼 기술을 선정 ‘생성형 인공지능’ 시대의 10대 미래유망기술 ii 결론 및 시사점 미래유망기술은 5~10년 후 새로운 창작물이 인공지능에 의해 생성되는 창작의 시대를 맞이하여 생성형 인공지능의 확산에 기여 가능함 각 미래유망기술은 타 기술과 상호보완적 관계를 나타내고 있어 생성형 인공지능의 확산에 기여하기 위한 긍정적 시너지 효과를 창출할 것으로 기대 미래유망기술의 조속한 실현과 발전을 위해서는 원천기술 확보, 법･제도 개선, 인프라 구축, 인력양성, 신뢰성･안전성 제고 등이 필요 (원천기술) 생성형 AI 원천기술 투자 및 개발, 데이터보안 및 프라이버시 기술 확보, 대규모 언어 모델 개발 등 원천기술 확보 (법･제도) 개인정보 보호 및 데이터 보호 관련 법･제도 정비, 생성된 저작물의 저작권과 신뢰성에 대한 법률 제정, 생성형 AI 확산에 따른 사회 문제 해결, 서비스 품질 보증 등 법 및 제도 마련 (인프라 구축) 거대 모델 지원 컴퓨팅 인프라 구축, 테스트베드 및 상용화 지원 인프라 구축, 클라우드 및 머신러닝 하드웨어 인프라, 시험인증 체계, 오픈마켓 플랫폼 구축 등 해당 기술의 적용을 위한 인프라, 협력체계, 테스트베드 구축 (인력양성) AI 인력 채용시장 변화 대응, 실증 및 체험 연계 교육, 타산업과 생성형 AI 간의 융합적 인재 양성 및 산업 전반에 전문 인력 수급이 가능한 AI 인력 양성 프로그램 추진 (신뢰성･안정성) 생성물의 데이터 편향, 사용의 오남용, 가짜 정보 탐지를 위한 시스템 개발 및 알고리즘의 투명성 확보 논문 및 특허 분석에 따르면, 10개 미래유망기술 모두 성장기에 있으며 영향력 측면에서는 미국과 유럽이 주도하고 있는 것으로 파악됨 논문 및 특허 분석에 따르면, 10개 미래유망기술의 논문영향력과 특허영향력에 따라 차별화된 기술확보전략이 필요하며, 상대적으로 논문영향력 및 특허영향력의 경쟁력이 낮은 생성형 AI 기술은 정부 차원의 지원이 중요하고 상대적으로 논문영향력 및 특허영향력의 경쟁력이 높은 생성형 AI 기술은 높은 기대성과가 예상되어 집중적 투자가 필요 ※ 본 이슈페이퍼는 한국과학기술기획평가원에서 발간한 연구보고서 ｢2024년 KISTEP 미래유망기술 선정에 관한 연구｣의 내용을 발전시킨 것으로 한국과학기술기획평가원의 공식 의견이 아닌 필자의 견해임을 밝힙니다. Abstract iii Abstract Backgrounds It is necessary to present the future direction of science and technology through the selection of emerging technologies 10 emerging technologies have identified to prepare for future issues, and in-depth analysis data is provided for each technology to shape the future and strengthen usability Research Process The research was carried out in the four main steps including identification of future issues, nomination of technology candidates, selection of 10 emerging technologies, and in-depth analysis of the selected technologies The future issue of KISTEP 10 emerging technologies is selected as “the era of generative artificial intelligence” and 10 emerging technologies are selected after literature review, survery, and expert meeting 10 emerging technologies are analyzed in terms of technology introduction, technology trends, 2033 future outlook, relationship with other technologies, technological hurdle and policy proposal etc. 10 emerging technologies are deeply analyzed in terms of technology trends and technology levels according to paper and patents analysis of the representative technology Results Under the issue of “the era of generative artificial intelligence”, which will bring great change to Korean society in the next 10 years, emerging technologies have identified and in-depth analysis are conducted ‘생성형 인공지능’ 시대의 10대 미래유망기술 iv 10 emerging technologies along with the era of generative artificial intelligence ① Large Language Model (LLM) based text generation AI, ② Autonomous image and video generation AI, ③ Neural network processing AI chip, ④ Intelligent personalized service AI, ⑤ Emotionally embedded voice generation AI, ⑥ Cloud based machine learning platform, ⑦ Generative AI for coding assistance, ⑧ Multimodal (image, text, voice) integrated recognition and generation AI, ⑨ AI reliability and safety improvement technology, ⑩ AI open marketplace platform Conclusion and Implications Each emerging technology can contribute to the diffusion of generative AI as we face the era of　new creation　that generated by AI　after 5 to 10 years Each emerging technology shows a complementary relationship with other technologies, which is expected to create positive synergy effects to contribute to the era of generative artificial intelligence To promote the commercialization and development of emerging technologies, it is necessary to secure basic technology, to improve laws and regulations, to build infrastructure, to foster experts, and to improve reliability and safety (basic technology) Investing in and developing generative AI basic technology, securing data security and privacy technology, and securing basic technology such as large-scale language model development (Laws and systems) Establishment of laws and systems such as reorganization of laws and systems related to personal information protection and data protection, enactment of laws on copyright and reliability of created works, resolution of social problems caused by the spread of generative AI, and service quality assurance (Infrastructure) Establishment of infrastructure, cooperation system, and test bed for application of the technology, including construction of computing infrastructure to support large models, construction of test bed and commercialization support infrastructure, cloud and machine learning hardware infrastructure, test certification system, and open market platform Abstract v (Experts) Promote AI human resources training programs that respond to changes in the AI human resources recruitment market, provide empirical and experiential training, foster convergent talent between other industries and generative AI, and supply and demand specialized human resources across industries (Reliability and safety) Develop a system to detect data bias, abuse of use, and fake information in the product and ensure transparency of the algorithm According to the paper and patent analysis, all the 10 emerging technologies are in the growth phase, and the US and Europe are leading the way in terms of influence According to the paper and patent analysis, a differentiated technology securing strategy is required according to the paper influence and patent influence of 10 emerging technologies. Government-level support is important for generative AI technologies with relatively low competitiveness in paper influence and patent influence, and generative AI technologies with relatively high competitiveness in paper influence and patent influence are expected to have high expected results, requiring intensive investment Ⅰ. 연구 배경 1 연구 배경Ⅰ 생성형 인공지능의 급부상, 사회 각 분야의 디지털 전환, 탄소중립 기반 에너지전환 등 급격한 기술변화 추세 및 기술패권경쟁 등으로 미래 대내외 환경의 불확실성 심화 이러한 환경변화 속에서 지속적이고 주도적인 성장을 위해 우리나라도 미래사회 변화를 예측하고 과학기술 자체의 발전을 견인하는 독자적인 혁신(Breakthrough) 기술을 선점하여 확보하는 것이 필요 혁신(Breakthrough) 기술 선정을 통해 현재 우리 사회에서 중요하게 생각하는 이슈와 과학기술의 미래 방향성 제시 필요 ‘텍스트, 이미지, 영상, 코드’ 등 새로운 창작물이 인공지능에 의해 생성되는 창작의 시대를 맞이하여 생성형 인공지능(Generative AI) 관련 가능한 이슈를 전망하고, 이에 대응할 수 있는 기술을 발굴하는 것이 중요해지고 있음 OpenAI사의 ChatGPT(’22.11월)는 출시 40일 만에 이용자 1,000만 명, 두 달 만에 1억 명을 최단기간에 기록하였음 다수의 국내외 업체들이 생성형 인공지능 모델 및 서비스를 제공하고 있음 MS의 Bing 및 코파일럿, 구글의 Bard, 메타의 라마, 네이버의 하이퍼클로바X, LG의 엑사원, 삼성의 자체개발 생성형 AI 등 KISTEP은 2009년부터 매년 10대 유망기술을 선정 미래유망기술 선정 연구는 기관 고유 업무로 기술 추격국에서 벗어나 기술 선도국으로 진입하는 단계에서 우리만의 미래유망기술 선정 및 제시에 의의가 있으며, KISTEP의 기술예측 역량 제고를 위해서도 지속적으로 연구가 필요 KISTEP의 10대 미래유망기술은 국내 주요 기관에서 발표하는 미래유망기술 중 인지도 및 활용도가 가장 높으며 미래사회 대비와 전략 수립에 활용 ※ 미래유망기술 정보는 ‘신규 R&D사업 및 과제 기획을 위한 아이디어 발굴’에 주로 활용되고 있으며 이를 위해 미래유망기술 정의 및 범위, 국내외 기술 동향, 미래 전망, 기술적 난제 및 정책 제언 등의 내용 제시 ‘생성형 인공지능’ 시대의 10대 미래유망기술 2 연구 절차 및 세부내용Ⅱ 2024년 KISTEP 미래유망기술 주제(이슈)는 ‘생성형 인공지능(Generative AI)’으로 선정되었으며, 문헌조사, 설문조사, 전문가 자문 등을 통해 10대 유망기술을 최종 선정 (STEP 1 – 미래이슈 선정) 국내외 문헌조사 및 전문가 의견수렴 등을 통해 미래 이슈 후보군을 발굴하고, 미래예측 전문가 및 KISTEP 정책고객 등을 대상으로 설문조사를 통해 최종 확정 평가지표 설명 참신성 과거에 발표되었던 KISTEP 유망기술 주제와 중복되지 않는 정도 사회적 관심도 및 시의성 향후 10년 내 해당 주제에 대한 사회적 관심도 및 그로 인한 연구의 시의 적절성 파급효과의 크기 해당 주제가 경제･사회･문화･윤리･환경 등 여러 분야에 영향을 미치는 정도 과학기술과의 연관성 해당 주제와 관련하여 발생하는 새로운 수요 및 문제점 대응에 있어 과학기술이 기여할 수 있는 정도 ※ 과학기술 외 방안(규제, 정책, 외교 등)으로 해결될 수 있는 주제는 제외 결과의 활용 가능성 최종적으로 도출된 유망기술 목록이 미래사회 대비, 과학기술 전략 수립, R&D 사업 및 과제 기획을 위한 관련 아이디어 수집 등에 활용될 가능성 <표 1> 미래이슈 선정을 위한 설문조사 평가지표 (STEP 2 – 미래유망 후보기술군 발굴) 미래이슈 대응 관련 유망기술을 발굴하기 위해 국가과학기술 표준 분류체계, 다양한 문헌리뷰(지능정보산업협회, 소프트웨어정책연구소, 특허청, Github) 등의 인공지능 분야 기술분류체계에서 후보기술 도출 (STEP 3 – 미래유망기술 선정) 후보기술별 미래예측 전문가 논의, 전문가 서면평가 등을 종합하여 최종 10대 유망기술 선정 평가지표 설명 기술적 실현 가능성 해당 기술이 국내에서 10년 내 상용화 될 가능성 경제적 파급 효과 해당 기술의 구현으로 시장에서 예상되는 부가가치의 규모 생성형 인공지능 시대 확산 기여도 생성형 인공지능 시대의 폭발적 확산에 기여할 수 있는 정도 <표 2> 미래유망기술 선정을 위한 평가지표 Ⅱ. 연구 절차 및 세부내용 3 (STEP 4 – 미래유망기술 심층분석) 10대 유망기술별 기술 개요(기술명, 정의, 범위), 국내외 동향, 2033 미래 전망, 다른 미래유망기술과의 관계, 기술적 난제 및 정책제언 등 분석 수행 구분 세부 내용 방법 (1) 미래이슈 선정 미래이슈 후보 발굴 ∙ 미래예측 보고서를 중심으로 미래이슈 관련 DB 구축 ※ 제6차 과학기술예측조사, 미래전략 2045, NIC Global Trends 2040, NISTEP S&T foresight, WEF Global Issue 등 ▼ 미래이슈 우선순위 평가 ∙ 기술수준평가 전문가 및 KISTEP 정책고객을 대상으로 우선순위 평가 ∙ 미래예측 전문가 및 KISTEP 내부 직원을 대상으로 우선순위 평가 ▼ (2) 미래유망 후보기술 발굴 미래수요에 대응 가능한 미래유망기술 후보기술 발굴 ∙ 생성형 인공지능 시대의 폭발적 확산에 기여할 수 있는 기술로 범위 설정 ∙ 국가과학기술 표준 분류체계, 지능정보산업협회, 소프트 웨어정책연구소, 특허청, Github 등의 인공지능 분야 기술분류체계에서 후보군 발췌 ∙ 부문별 기술 전문가의 서면평가로 후보기술군을 조정 하고 미래이슈와의 부합성 평가 ▼ (3) 미래유망기술 선정 미래유망기술 선정 ∙ 전문가 자문 및 내부연구진 토의를 통해 최종 10개 미래유망기술 선정 ▼ (4) 미래유망기술 분석 기술별 분석 ∙ 기술 개요, 국내외 동향, 2033년 미래 활용 모습, 다른 미래유망기술과의 관계, 기술적 난제 및 정책 제언 등 도출 ▼ (5) 미래유망기술 심층 분석 기술별 심층분석 ∙ 논문･특허분석 기반 기술추세 및 수준 분석 <표 3> 2024년 KISTEP 미래유망기술 연구절차 ‘생성형 인공지능’ 시대의 10대 미래유망기술 4 연구 결과Ⅲ 1. 미래이슈 선정 2024년 KISTEP 미래유망기술 주제(핵심 트렌드)를 선정하기 위해 다양한 문헌조사 실시 최근 발표된 국내외 미래전망보고서의 트렌드와 이슈, 제6회 과학기술 예측조사 보고서, 미래전략 2045, MIT 10대 혁신기술 등을 수집･분석하여 정치, 경제, 사회, 환경, 기술의 관점에서 미래사회 트렌드를 도출함 - (정치) 글로벌 밸류체인 변화, 자국중심주의 강화, 민주주의 위협, 기존 제도와 지배구조 불균형, 군사용 드론의 대중화 등 - (경제) 온라인 경제의 주류화, 플랫폼 자본주의 확산, 디지털 재화 시장의 성장, 디지털 사회의 일자리 변화, 디지털 제조기술 확산, 자원 고갈에 대비한 농어업･제조업･에너지 혁신, 서비스 무역, 플랫폼 영향력 확대, 고대 유전자의 분석, 산업 클라우드 플랫폼, 디지털 농업 등 - (사회) 인구구조의 변화, 초연결 스마트시티의 가속, 원격근무 수요 증가, 메가시티, 메가리전, 지방 중소도시의 몰락, 사이버･데이터 안보, 인구변화, 초연결사회, 이미지를 생성하는 AI, 인공지능 신뢰성, 위험, 보안 관리, 슈퍼앱의 도입, 적응형 인공지능, 차세대 맞춤형 항체 등 - (환경) 기후변화, 재난재해, 환경오염의 위협, 미세먼지 등 대기오염, 탄소중립을 위한 에너지 전환, 온실가스 저감, 배터리 재활용, 디지털 방역 시스템, 지속가능한 기술, 탈탄소화의 진전, 암모니아의 녹색화, 스마트 감염 모니터링 솔루션, 신재생 에너지 산업용 드론, 바이오 안정성 시험 등 - (기술) 우주 생활 시대, 극지 자원 및 항로 개발, 우주 생활권 실현과 안전하고 편리한 이동, 새로운 삶의 영역을 확보하기 위한 미지의 공간 개척, 우주 상업 시대, 스마트 소재, 스마트 생산, 우주가 지구를 연결, 메타버스, 우주 로봇, 바이오 폴리머 등 Ⅲ. 연구 결과 5 향후 10년 이내 주요 이슈로 부상할 가능성이 크며 최근 주요 사회 이슈와 연관성이 높은 4개 트렌드를 후보 주제(표 4)로 선정 그동안 KISTEP 10대 미래유망기술 주제로 선정되었던 트렌드는 되도록 제외하여 기존 연구와의 차별성을 확보 과학기술 전반의 흐름과 정책 동향에 대한 이해도가 높은 KISTEP 정책고객과 미래예측 전문가를 대상으로 선호도 조사 및 주제 추가 발굴 후보 주제 설명 새로운 영역의 개척 시대를 준비하는 10대 미래유망기술 ○ 우주 생활권 실현 및 관련 소재･건축 산업의 형성과 발생 가능한 이슈를 전망하고, 이에 대응할 수 있는 기술을 발굴 - 관련 이슈(예) : ∙ 미지의 영역 개척 및 우주 자원 발굴 ∙ 생활권의 우주로의 확장 ∙ 불멸의 호기심으로 신세계를 지향하는 탈공간 사회 생성형 인공지능 시대를 준비하는 10대 미래유망기술 ○ OpenAI 기반의 ChatGPT 확산에 따른 대화형 인공지능 시대와 관련한 이슈를 전망하고, 이에 대응할 수 있는 기술을 발굴 - 관련 이슈(예) : ∙ 적응형, 대화형 인공지능 ∙ 이미지를 생성하는 인공지능 ∙ 인공지능 신뢰성, 위험, 보안 관리 제조 분야의 디지털 전환을 대비하는 10대 미래유망기술 ○ 다양한 분야에서 발생하고 있는 디지털 전환 중에 산업과 밀접한 제조 분야에 특화화여 발생 가능한 이슈를 전망하고, 이에 대응할 수 있는 기술을 발굴 - 관련 이슈(예) : ∙ 디지털 제조기술 확산 ∙ 인간의 신체적･지적 능력 보완･확장 ∙ 최적화된 맞춤화 개인화 서비스의 확산 디지털 경제를 준비하는 10대 미래유망기술 ○ 디지털 재화, 디지털 금융 등 디지털에 기반하여 촉진되는 경제 및 사회활동으로 발생하는 다양한 이슈를 전망하고, 이에 대응하는 기술을 발굴 - 관련 이슈(예) : ∙ 디지털 재화 시장의 성장 ∙ 디지털 금융 활성화 ∙ 온택트 경제의 부상 <표 4> 2024년 KISTEP 미래유망기술 후보 주제 ‘생성형 인공지능’ 시대의 10대 미래유망기술 6 미래유망기술 후보 주제에 대해 기술수준평가 전문가 및 KISTEP 정책고객 등을 대상으로 설문조사 수행 평가지표 후보 주제 새로운 영역 개척 생성형 인공지능 제조 분야의 디지털전환 디지털 경제 참신성 5.04 5.02 4.22 4.05 관심도･시의성 4.00 5.57 4.66 4.49 파급효과 4.52 5.63 5.16 4.82 기술 연관성 5.55 5.35 5.03 4.18 결과 활용성 4.31 5.64 5.35 4.82 합계 4.68 5.44 4.88 4.47 <표 5> 2024년 KISTEP 미래유망기술 후보 주제 설문조사 결과 ※ 평가지표별 점수 : 1(매우 낮음) - 4(보통) - 7(매우 높음) 설문조사 결과를 바탕으로 ‘생성형 인공지능 시대’를 2024년 미래유망기술 주제로 선정 참신성 및 과학기술과의 연관성은 ‘새로운 영역 개척’이 가장 높았으나, 나머지 모든 평가지표에서 ‘생성형 인공지능 시대’가 1위를 차지 Ⅲ. 연구 결과 7 2. 10대 미래유망기술 후보군 도출 및 선정 ‘텍스트, 이미지, 영상, 코드’ 등 새로운 창작물이 인공지능에 의해 생성되는 창작의 시대를 맞이하여 생성형 인공지능(Generative AI) 관련 가능한 이슈를 전망하고, 이에 대응할 수 있는 기술을 발굴하는 것이 중요해지고 있음 OpenAI사의 ChatGPT(’22.11월)는 출시 40일 만에 이용자 1,000만 명, 두 달 만에 1억 명을 최단기간에 기록하였으며, 다수의 국내외 업체들이 생성형 인공지능 모델 및 서비스를 제공하고 있음 MS의 Bing 및 코파일럿, 구글의 Bard, 메타의 라마, 네이버의 하이퍼클로바X, LG의 엑사원, 삼성의 자체개발 생성형 AI 등 생성형 인공지능의 가치사슬은 컴퓨터 하드웨어, 클라우드 플랫폼, 파운데이션 모델, 모델 허브 및 MLOps, 애플리케이션, 서비스의 6개 요소로 구성 미래유망기술은 향후 10년 내 한국 사회에 커다란 변혁을 가져올 수 있는 이슈를 대상으로 하므로 창작의 시대에 생성형 인공지능 시대의 확산에 기여할 수 있는 정도가 큰 기술을 선정코자 함 후보군은 국가과학기술 표준분류체계, 지능정보산업협회, 소프트웨어정책연구소, 특허청, Github 등의 인공지능 분야 기술분류체계를 기준으로 발췌 상기 인공지능 기술분류(안)을 바탕으로 전문가 서면 평가를 통해 10개 미래유망기술 선정 전문가 서면 평가로부터 얻어진 총 93개의 기술 중 추천 수, 평가지표 점수* 등을 검토 * 3개의 평가지표(기술적 실현 가능성, 경제적 파급효과, 생성형 인공지능 확산 기여도) 내부 전문가 논의를 통해 주제와의 부합성 및 파급효과가 큰 10개 기술을 선정 ‘생성형 인공지능’ 시대의 10대 미래유망기술 8 일러스트 기술명 기술 개요 거대언어모델(LLM) 기반 텍스트 생성형 인공지능 기술 텍스트 분류(감정, 긍/부정), 문장 분류, 문서의 주제 분류, 기계 번역, 문서 요약 등이 가능한 생성형 인공지능, 시, 소설 창작, 검색 엔진, 의료/법률/세무 등 전문적인 영역의 상담에 활용 가능, 언어분류, 언어모델, 자연어 처리기술 등이 가능한 생성형 인공지능 자율 이미지 및 영상 생성형 인공지능 기술 이미지 내 객체 인식, 이미지 분할, 이미지에서 특정 영역 추출, GAN 등을 통한 이미지 생성, 비슷한 이미지 추천, 이미지 설명, 흑백 이미지의 채색 추천 등이 가능한 생성형 인공지능, 일러스트, 만화, 웹툰, 전시회 작품 등에 활용 가능, 비디오설명, 비디오요약, 영화제작 등이 가능한 생성형 인공지능 등 신경망처리 기반 인공지능 전용칩 뉴로모픽칩 등 인공지능 연산 및 처리를 위한 전용 칩 지능형 개인 맞춤 서비스 인공지능 기술 개인 자원의 관리 및 이용을 지원하는 인공지능 애플리케이션 (위치 기반 서비스, 추천 서비스 등 웹기반의 개인화 정보 서비스 포함) 감성내재 음성 생성형 인공지능 기술 음성 인식(speech to text), 음성의 감정 분류, 음성/비음성 분류, 음성의 감정 군집, 음성 분할, 화자 인식, 음성 생성, silent movie의 음성 생성 등이 가능한 생성형 인공지능, 콜센터, 일기예보, 안내음성, 기계번역, 내비게이션 등에 활용 가능 클라우드 기반 머신러닝 플랫폼 기술 일반적인 머신러닝(정형 데이터 학습, 이미지 처리, 텍스트 및 음성 분석 등) 도구를 사용자에게 클라우드 형식으로 제공하는 플랫폼 코딩 보조용 생성형 언어 모델 기술 코드를 생성, 변경, 완성하고 디버깅을 통해 완성된 코드를 제작 하는데 도움을 주는 인공지능 멀티모달(이미지, 텍스트, 음성) 통합 인식 및 생성 인공지능 기술 이미지, 음성, 신호, 텍스트, 언어 등 데이터를 복합 인식 및 생성하는 인공지능 인공지능 신뢰성 및 안전성 제고 기술 인공지능 일상화에 따른 인공지능의 신뢰성 및 안전성 제고를 위한 기술 인공지능 오픈 마켓플레이스 플랫폼 기술 머신러닝 알고리즘, 데이터 세트 등을 거래할 수 있는 플랫폼 <표 6> 생성형 인공지능 시대에 기여할 10대 미래유망기술 Ⅲ. 연구 결과 9 3. 10대 미래유망기술 심층 분석 1 거대언어모델(LLM) 기반 텍스트 생성형 인공지능 기술 (정의) 100억(10B) 이상의 파라미터를 가진 사전 학습된 언어 모델을 활용하여 대규모의 텍스트 데이터를 분석하고, 다음 단어 예측의 과업을 수행하여 인간과 유사한 문장을 생성하는 범용 인공지능 (범위) 대규모 텍스트 데이터 수집, 사전 학습을 위한 언어 모델의 구조 정의, 사전 학습된 언어 모델의 모델 적응, 사전 학습된 언어 모델을 특정 과업에 맞게 활용 (언어 모델 구조) 생성형 언어 모델을 학습하기 위한 모델 구조는 크게 두 가지(인코더-디코더 구조, 인과적 디코더)로 구분 (언어 모델 활용) 특정 과업을 수행하기 위해 사전 학습된 언어 모델을 사용하고, 문맥 내 학습, 생각의 사슬 지시문을 포함 (필요성) 텍스트 기반의 자연어 처리 영역뿐 아니라 음성, 영상 등과 같은 다양한 데이터와 융합하는 AI　패러다임의 변화, 질의에 대한 답변을 직접 제공하는 새로운 형태의 서비스의 등장, 거대 언어 모델의 의료/법률/금융 등 활용 확산 (국내외 동향) 전 세계적으로 생성형 인공지능 시장을 선점하기 위해 투자를 장려하고 있고, 인공지능의 신뢰성을 촉진하기 위한 규제 및 법안 도입을 추진 중 ‘생성형 인공지능’ 시대의 10대 미래유망기술 10 (한국) 거대 언어 모델의 경쟁력을 강화하기 위한 투자가 활발히 진행 중이며, 네이버, 카카오, SKT 등 거대 IT 기업에서 한국어에 특화된 생성형 AI 모델 개발에 주력 (미국) 인공지능 기술의 투자 장려 및 인공지능 기술 규제를 위한 조치를 함께 시행 중이며, 초거대 언어 모델 연구는 미국 기업들이 주도해왔으며 우수한 성능 확보 및 일반인이 사용할 수 있는 서비스 출시를 비롯하여 다양한 모델을 발표 중 (유럽) 유럽연합은 인공지능 기술의 확산에 앞서 인공지능 기술의 신뢰성을 촉진하기 위해 규제 및 법안 도입을 추진 중이고, 영어 데이터를 위주로 학습한 미국 AI 모델에서 벗어나 유럽 언어 기반의 대규모 언어 모델들을 만들기 위한 연구가 진행 중 (2033 전망) 다양한 국가의 언어를 학습 데이터에 포함하여 영어 성능을 유지하면서 저자원 언어 성능도 높일 수 있는 연구가 진행될 것으로 예상됨 모델이 생성한 결과가 사회적인 편향이나 사용자에게 해로운 내용을 담지 못하게 하는 연구가 늘어날 것으로 예상 (다른 미래유망기술과의 관계) AI 반도체, 클라우드 컴퓨팅 하드웨어 기술의 발전에 기반하여 더욱 확장되는 관계 저전력 고효율로 거대 모델을 운용할 수 있는 고성능･고용량 AI 반도체, 거대 언어 모델을 추론하기 위해서 막강한 연산 성능을 가진 컴퓨터 등 하드웨어적인 기반위에 거대 언어 모델 개발이 더욱 확장 가능함 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 1) 는 중국이 가장 높고 시장확보력 2) 은 유럽이 가장 높은 것으로 조사됨 1) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 2) 외국인에 의한 특허 출원 증가율 Ⅲ. 연구 결과 11 2 자율 이미지 및 영상 생성형 인공지능 기술 (정의) 생성형 인공지능 중에서 이미지와 영상을 생성하는 기술로 언어와 달리 이미지와 영상은 의미적으로 다양한 가능성을 내포하기 때문에 생성 과정에서 자율적인 기능을 포함 (범위) 영상 정보가 가지는 다양한 해석이 가능한 특징으로 인해 (1) 시각적 정보의 해석, (2) 추론, (3) 예측에 관한 기술을 포함 (시각적 정보의 해석) 하나의 대상을 학습하면, 대상물의 지워진 부분이나, 대상물을 다르게 변형하는 것이 가능. 최근, 대상에 대한 학습과 심도 있는 이해를 바탕으로 의미적 변화를 시도하는 연구가 다양하게 진행. (시각적 정보의 추론) 영상 정보가 가지고 있는 불완전성을 해소하려는 방법으로 스스로 명확하지 않은 부분을 다시 정확하게 보는 것에서, 다양한 요소를 다른 비중으로 비교하는 등의 영상 재검토 과정 (필요성) 영상을 소비하던 시대에서 영상을 생성하는 시대로 전환하고 있으며 점차 개인 창작이 증가하면서 시대적 변화를 견인할 것으로 예상되고, 특히 의료, 상담, 마케팅, 광고, 드라마, 영화와 같은 미디어가 중요한 산업에서도 많은 변화 예상 (국내외 동향) 전 세계적으로 기존의 언어 중심에서 영상을 포함하는 멀티 모달로 생성형 인공지능 시장이 확대되고 있으나, 일부 국가에서는 규제 취지의 입법 추진 ‘생성형 인공지능’ 시대의 10대 미래유망기술 12 (한국) 영상을 생성하는 인공지능 기술은 KAIST, 서울대를 중심으로 핵심 기술 연구가 본격적으로 추진되고 있고, 일부 기술에서는 세계적인 수준을 달성 (미국) Open AI는 ChatGPT, GPT4, DALL-E 2 등을 발표하면서, 기존의 언어 중심의 생성형 인공지능을 빠르게 멀티 모달로 확대하고 있으며, 인터넷 검색으로 확대를 시도하고 있음 (중국) 기술 중심의 정책을 펼치는 중국도 영상 생성형 인공지능 기술에 대해서는 규제 취지의 입법을 추진하고 있으며, 중국 내 가치 질서를 해친다는 판단에서 비롯된 것으로 보임 (2033 전망) 영상을 생성하는 인공지능 기술은 우리가 소통하고 생활하는 방법을 변화시킬 것으로 예측되어 기존 기술의 변화와 더불어 새로운 산업으로 확산을 견인할 것으로 예상 의미적 해석, 시각적 추론, 시각적 상식을 연구하고 있고, 영상을 생성하는 분야에서 생성 데이터의 일관성을 유지하고 멀티 모달 데이터를 활용하는 분야로 확장 (다른 미래유망기술과의 관계) 거대언어모델/멀티모달 생성형 인공지능 기술의 발전에 상호 보완적인 관계 현재 영상 정보를 한정하고 기술하는 방법으로 언어의 도움을 받고 있으며, 추론의 대상을 한정하는 경우에도 거대언어모델을 기반으로 하고 있어 상호 보완적임 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 3) 는 한국이 가장 높고 시장확보력 4) 은 유럽이 가장 높은 것으로 조사됨 3) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 4) 외국인에 의한 특허 출원 증가율 Ⅲ. 연구 결과 13 3 신경망처리 기반 인공지능 전용칩 (정의) 기계학습 모델을 구축하여 인공지능 소프트웨어 구현을 하기 위해 특화 설계된 시스템온칩 반도체로, 이 중 신경처리장치(NPU, Neural Processing Unit)는 딥뉴럴 네트워크와 관련된 인공지능과 머신러닝 작업을 가속시키는 하드웨어임 (범위) (1) 뉴로모픽 컴퓨팅, (2) 추론/학습 및 분야별 활용기술, (3) NPU 하드웨어 및 소프트웨어 최적화 기술을 포함 (뉴로모픽 컴퓨팅) 신경(neuro)과 형태를 갖춘(morphic)을 합친 용어 결합처럼 인간 뇌의 신경망 구조와 기능에 영감을 받아 컴퓨팅 시스템을 설계하고 구축하는 인공지능 컴퓨팅의 특화된 분야 (NPU 하드웨어 및 소프트웨어 최적화 기술) NPU 하드웨어를 효율적으로 실행하고 활용하기 위한 프로그램, 라이브러리 및 프레임워크를 포함하는 NPU 소프트웨어와 결합함으로써 전체적인 최적화를 달성하는 기술 (필요성) 뉴로모픽 컴퓨팅에 기반한 NPU는 로봇공학, 센서 시스템, 뇌-컴퓨터 인터페이스 등 다양한 분야에서 높은 에너지 효율성, 실시간 처리 및 인지 능력이 필요한 업무에 대응할 수 있음 ‘생성형 인공지능’ 시대의 10대 미래유망기술 14 (국내외 동향) 전 세계적으로 인공지능 반도체 기술에 대한 리더십 확보를 위해 정책을 확대중이며, 관련 법안 제정 및 기술패권 확보를 위해 경쟁 중임 (한국) 인공지능 및 반도체 기술은 각각 12대 국가 필수 전략기술로 선정하여 중점 지원이 진행되고 있으며, 인공지능 반도체 기술은 두 분야에 걸친 핵심 공유 기술에 해당 (미국) 인공지능을 포함한 반도체 전 분야에서 미국의 장기적 리더십 확보를 위한 정책을 확대중이며, 차세대 반도체 경쟁력 확보를 위해 ‘미국 CHIPS 법안(CHIPS for America Act)’, ‘미국 파운드리 법안(American Foundries Act)’ 등을 제정 (중국) 반도체 산업의 자주화 정책을 지속하고 디지털 경제의 핵심기술로 인공지능 반도체 강조하면서 미국의 반도체 관련 통제에 대응하기 위한 노력을 지속 (2033 전망) 인간 중심으로 인공지능 기술 발전이 지속된다면 2030년 쯤에는 멀티모달 수준의 복잡성을 극복하면서 설명가능하고 신뢰가능한 인공지능 기술 단계로 성숙 신경망처리 기반 인공지능 전용칩은 3세대 뉴로모픽 컴퓨팅 단계에 도달한 후에 차기 단계로 발전하는 미래형 초저전력 고성능/대규모 인공지능 처리를 감당할 것임 (다른 미래유망기술과의 관계) 클라우드 기반 머신러닝 플랫폼 기술, 지능형 개인 맞춤 서비스 인공지능 기술은 인공지능 전용칩 기술의 발전에 기반하여 더욱 확장되는 관계 클라우드 기반 머신러닝 플랫폼 기술, 지능형 개인 맞춤 서비스 인공지능 기술은 신경망처리 기반 인공지능 전용 칩의 효율성과 경제성에 크게 의존함 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 5) 는 한국이 가장 높고 시장확보력 6) 은 유럽이 가장 높은 것으로 조사됨 5) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 6) 외국인에 의한 특허 출원 증가율 Ⅲ. 연구 결과 15 4 지능형 개인 맞춤 서비스 인공지능 기술 (정의) 개인의 상황에 맞게 인공지능이 개별적인 혜택을 제공하는 것으로 각 개인의 특성과 선호, 행동 패턴 등을 분석하여 최적화된 서비스를 제공 (범위) 요소기술로는 (1) 머신러닝을 비롯한 딥러닝, (2) 자연어처리, (3) 추천시스템, (4) 데이터 분석 등을 포함 (자연어처리 기술) 텍스트 인식 및 음성 인식 등을 통하여 대화형 AI를 구현하여 검색엔진 및 감정 분석 등에도 활용될 수 있어서 사용자와의 소통을 통한 개인화된 서비스 제공 (데이터분석 기술) 서비스에 필요한 데이터 및 사용자들이 만들어낸 데이터 로그들 등 거대한 데이터 집합 속에서 유용한 정보를 추출하고, 해당 정보를 학습하여 결정을 내릴 수 있도록 하는 기술 (필요성) 지능형 개인 맞춤 서비스는 제공되는 서비스 품질의 향상과 서비스 제공자의 경쟁력 강화, 고객의 만족도 증대 등의 측면에서 기여 가능 (국내외 동향) 전 세계적으로 국가적 차원의 정책 추진과 함께 글로벌 기업들이 지능형 개인 맞춤 서비스 출시에 박차를 가하고 있음 (한국) 유통･마케팅, 금융, 미디어, 교육, 헬스케어, 여가 등 다양한 분야에서 관련한 서비스 추진 중이며, 최근 생성 AI와 연계하여 고도화 진행 ‘생성형 인공지능’ 시대의 10대 미래유망기술 16 (미국) 국가적 차원에서 지능형 개인 맞춤 서비스 관련 다양한 정책을 발표하고, 글로벌 빅테크 기업인 구글, 아마존, 넷플릭스 외에도 OpenAI, 애플, MS, Meta 등도 지능형 개인 맞춤 서비스 출시에 박차 (유럽) 영국 및 독일을 중심으로 하는 기술 개발이 이루어지고 있으며, 전반적으로 AI를 디지털 전환과 산업 현대화의 전략요소 기술로 활용하고 있음 (2033 전망) 사회 전반에 걸쳐 변화를 이끌어내며, 일상의 삶에 영향을 미칠 것으로 전망 현재의 AI 기술은 이미 많은 개인화 서비스를 가능하게 하고 있지만, AI 알고리즘의 진화는 이를 더욱 향상시킬 것으로 예상 (다른 미래유망기술과의 관계) 텍스트 생성형 AI 기술의 발전으로 지능형 개인 맞춤 서비스 개발이 가속화되는 관계 플랫폼-앱 생태계가 구현됨에 따라, 파운데이션모델을 활용한 개인서비스 간의 연결성 및 개인 맞춤형 서비스 품질의 고도화는 가속화 될 것으로 예상 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 7) 는 중국이 가장 높고 시장확보력 8) 은 유럽이 가장 높은 것으로 조사됨 7) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 8) 외국인에 의한 특허 출원 증가율 Ⅲ. 연구 결과 17 5 감성내재 음성 생성형 인공지능 기술 (정의) 생성형 인공지능 중 생성된 결과물이 음성 신호이며, 특히 인간이 인식할 수 있는 감정이 그 음성신호에 표출이 되거나 또는 생성단계의 내부에서 파라미터의 일부로서 사용되어 음성을 생성하는 기술 (범위) (1) 음성 합성 기술, (2) 자동통역 기술, (3) 음질 향상 및 음원/화자 분리 기술, (4) 음성 생성 기술 등의 기술이 포함 (음성 합성 기술) 주어진 텍스트를 음성으로 변환하는 기술이며 TTS로도 널리 알려져 있고, 최근에는 딥러닝이 적용되면서 성능이 급속히 개선 (음성 생성 기술) 이미지, 영상, 텍스트 등 다양한 형태의 입력을 생성 모델 방법을 이용하여 대응되는 오디오 신호를 출력하는 기술 (필요성) 음성 인터페이스는 인간과 기계가 인터랙션하는데 가장 직관적이고 편리한 인터페이스로, 음성 인식 및 음성 합성 기술은 최근 인공지능 기술의 급속한 발전에 따라 그 성능 및 활용도가 높아진 분야임 (국내외 동향) 기술의 윤리성 측면 및 저작권 관련된 요소에 대한 논의가 활발히 진행 중이고, 일부 기업 중심으로 딥러닝 기술을 최적화하여 음성합성기술을 적용 ‘생성형 인공지능’ 시대의 10대 미래유망기술 18 (한국) 국내 감성 내재 음성 생성형 기술의 활성화를 위한 정책적 지원은 아직 초기 단계에 있으며 주로 저작권 및 딥페이크 기술의 오용 방지에 대한 논의가 주로 이루어짐 (미국) 기술의 윤리성 측면 및 저작권 관련된 요소에 대한 논의가 활발히 진행 중에 있으나 규제에 대해서는 중국이나 유럽연합에 비해서는 느슨한 편이고, 구글, 마이크로소프트 중심으로 음성합성 모델을 개발중임 (중국) 건전한 인터넷 환경 조성을 강조하고 있고, 인터넷 콘텐츠의 권리 강화, 국가안보와 사회공공이익의 수호 측면에서 규정을 발표 (2033 전망) 음성 합성 분야는 이미 상용화 수준의 기술에 도달하였으며, 향후 영상 분야 및 언어 분야에서의 생성형 인공지능 기술과 결합하여 인공지능만으로 높은 수준의 영화를 제작하는 것이 가능해질 것으로 예상 거대 언어 모델의 언어 생성과 유사한 수준으로 자유롭고 창의적인 음성을 생성하는 기술로 발전할 것으로 예상됨 (다른 미래유망기술과의 관계) 감성 내재 음성 생성형 인공지능 기술은 멀티모달 통합 인식 및 생성 인공지능 기술로 통합 발전하는 관계 감성 내재 음성 생성형 인공지능 기술은 멀티모달 통합 인식 및 생성 인공지능 기술과 밀접한 관련을 가지고 있으며 향후 멀티미디어를 자유롭게 생성하는 멀티모달 생성형 인공지능으로 통합 발전할 것으로 예상 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 9) 는 중국이 가장 높고 시장확보력 10) 은 유럽이 가장 높은 것으로 조사됨 9) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 10) 외국인에 의한 특허 출원 증가율 Ⅲ. 연구 결과 19 6 클라우드 기반 머신러닝 플랫폼 기술 (정의) 머신러닝 프로젝트의 계획부터 프로덕션의 모델 유지관리까지 머신러닝 모델 사용의 전체 라이브 사이클을 지원하는 클라우드 기반 플랫폼 (범위) (1) 데이터 관리 및 전처리, (2) 머신러닝 모델의 개발과 학습, (3) 머신러닝 모델의 배포 및 모니터링 등으로 분류 (데이터 관리 및 전처리 기술) 수집한 데이터를 머신러닝 모델 훈련에 사용할 수 있도록 머신러닝 대상 데이터를 정의하고 데이터를 전처리하고 모델링 데이터 셋을 구성하는 기술 (머신러닝 모델 배포 및 모니터링 기술) 훈련한 머신러닝 모델을 사용자에게 배포 및 서비스를 제공하고 서비스 상태를 모니터링하는 기술 (필요성) 클라우드 시대 도래 및 인공지능의 중요성이 커짐에 따라 클라우드 기반 머신러닝 플랫폼 기술이 4차 산업혁명의 기초 인프라로 부각하고, 다양한 사용자가 참여할 수 있는 클라우드 기반 머신러닝 플랫폼에 대한 수요가 증가 (국내외 동향) 전 세계적으로 클라우드 기반 머신러닝 플랫폼 기술의 상용화를 추진중이나, 원천기술 확보와 연구 역량에 균형이 필요 ‘생성형 인공지능’ 시대의 10대 미래유망기술 20 (한국) 현재 국내 클라우드 기반 머신러닝 플랫폼 기술은 상용화에 중점을 두어 기술 개발이 진행되고 있으며 원천기술 확보는 미흡한 수준으로 전반적인 기술 수준 및 완성도 제고가 필요 (미국) 클라우드 기반 머신러닝 플랫폼 구축에 필요한 데이터 관리, 머신러닝 모델 개발 및 배포, 프로세스 관리 등 세부 기술과 관련해 가장 많은 특허, 소프트웨어를 보유 (유럽) 유럽의 클라우드 및 인공지능 관련 연구 역량은 다른 국가/지역에 비해 상대적으로 균형이 잘 잡혀있음 (2033 전망) 클라우드 기반 머신러닝 플랫폼 기술의 발전 및 보급으로 해당 기술을 사용하는 기업 및 일반 사용자가 늘어날 것으로 예상 한편 보안 관련 이슈는 클라우드 환경에서도 이미 나타나기 시작했으며 보안 사고의 형태도 점점 복잡해짐 (다른 미래유망기술과의 관계) 신뢰 가능한 클라우드 기반 머신러닝 플랫폼 기술은 인공지능 신뢰성 및 안전성 제고 기술의 발전에 기반하고 있는 관계 인공지능 신뢰성 및 안전성 제고 기술의 발전으로 더욱 신뢰 가능한 클라우드 기반 머신러닝 플랫폼 기술을 사용할 수 있게 될 것으로 예상 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 11) 는 중국이 가장 높고 시장확보력 12) 은 유럽이 가장 높은 것으로 조사됨 11) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 12) 외국인에 의한 특허 출원 증가율 Ⅲ. 연구 결과 21 7 코딩 보조용 생성형 언어 모델 기술 (정의) 자연어(NL, Natural Language)로부터 프로그램 코드(PL, Programming Language)를 생성하거나 반대로 프로그램 코드를 읽고 자연어로 설명하거나, 혹은 프로그램 코드를 변경 혹은 향상시키는 기술 (범위) (1) 코드 생성 기술, (2) 코드 설명 기술, (3) 코드 변환 기술, (4) 코드 향상 기술의 4가지 세부기술로 구분 (코드 생성 기술) 프로그램을 설명한 자연어를 입력으로 받아 프로그램 코드를 생성하는 기술 (코드 향상 기술) 미완성된 프로그램을 완성해 주거나, 같은 기능의 프로그램을 더 효율적인 코딩으로 바꿔 주는 기술 (필요성) 인공지능과 디지털 전환(digital transformation) 시대에 필요한 많은 코딩 인력 문제를 해결 가능하고, 생산성 향상, 오류 감소, 학습 곡선 감소에 유용 (국내외 동향) 전 세계적으로 자동 코딩 기술을 개발 및 활용하고 있으며, 자동 코드 생성, 코드 설명, 코드 변환, 코드 향상 등의 다양한 기술을 개발 (한국) 거대 언어모델과 AI 학습을 혼합하여 자동 코딩 기술을 개발하고 있으나 아직 초기 단계 ‘생성형 인공지능’ 시대의 10대 미래유망기술 22 (미국) 학계와 산업계에서 거대 언어모델(GPT, PaLM) 등을 기반으로 자동 코드 생성, 코드 설명, 코드 변환, 코드 향상 등의 다양한 기술을 개발 (유럽) 자동 코딩 모델을 이용하여 소스코드 무결성 검토, 자동완성 등 이미 상용화된 기술이 상당히 많고, 이미 서비스 중인 기업들도 다수 존재함 (2033 전망) 코드 생성 기술을 활용한 소프트웨어 제작 도구의 수요는 점점 증가할 것이고 코드 생성 기술을 활용하면 일반인 개발자도 제품 개발이 가능 일반인들도 자신의 아이디어를 프로그램으로 구현할 수 있게 됨으로써, 더 다양한 콘텐츠가 만들어질 수 있게 됨 (다른 미래유망기술과의 관계) 코딩 보조형 생성형 언어모델기술은 텍스트 생성형 인공지능 기술을 기반으로 더욱 확장되는 관계 거대 언어모델의 기술은 코드 생성 언어모델에도 그대로 적용되거나 변형하여 사용될 수 있음 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 13) 는 중국이 가장 높고 시장확보력 14) 은 유럽이 가장 높은 것으로 조사됨 13) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 14) 외국인에 의한 특허 출원 증가율 Ⅲ. 연구 결과 23 8 멀티모달 통합 인식 및 생성 인공지능 기술 (정의) 텍스트, 이미지, 음성, 비디오 등 다양한 데이터 모드(modality)를 처리하고 이해하는 인공지능 기술로 인간의 감각과 사고방식을 모방하여 다양한 방식으로 정보를 처리하고 이해 (범위) 모달리티의 이질성, 연결성, 상호작용을 포함하고, (1) 표현, (2) 정렬, (3) 추론, (4) 생성, (5) 전이, (6) 정량화의 6가지 영역 포함 (정렬) 모든 요소 간의 연결과 상호작용을 식별하는 것을 목표, 이산정렬 (discrete alignment), 연속정렬 (continuous alignment), 맥락표현 (contextualized representation)을 통한 모달리티 요소들의 정렬 방식 (추론) 여러 추론 단계를 통해 멀티모달 증거에서 지식을 구성하는 것을 목표, 구조모델링 (structure modeling), 중간개념(intermediate concepts), 추론전형(inference paradigm), 외부지식(external knowledge)을 통한 추론 방식 (필요성) 인간과 유사한 방식의 사고를 위해서는 텍스트, 이미지, 오디오, 비디오 등 다양한 멀티모달 데이터를 복합적으로 이해하는 인공지능 기술이 필요 (국내외 동향) 전 세계적으로 멀티모달 데이터셋 및 서비스를 구축 중이고, 대기업을 중심으로 멀티미디어 콘텐츠를 제공하는 서비스를 도입중 ‘생성형 인공지능’ 시대의 10대 미래유망기술 24 (한국) 네이버, 카카오브레인, LG AI 연구원 등을 중심으로 멀티모달 데이터셋 구축을 진행중이고, 카카오브레인, 네이버, SK텔레콤 중심으로 멀티모달 문서 서비스 도입 (미국) 메타, 마이크로소프트, KOSMOS 중심으로 다양한 유형의 정보를 동시에 학습, 인식하는 모델을 개발하고, Microsoft, OpenAI를 중심으로 텍스트, 이미지, 비디오 등 분석 (중국) 바이두, 알리바바 클라우드를 중심으로 자연어 이해, 이미지 생성, 멀티미디어 콘텐츠 등 서비스 제공 (2033 전망) 인간과 멀티모달 인공지능의 공동 진화가 예상되며, 변화의 속도는 넓은 범위에 걸쳐서 인간이 기술과 상호 작용하는 방식에 영향을 미침 인공지능은 단순한 시나리오와 응용 프로그램을 넘어서 발전할 것으로 예상하며 더 복잡한 작업, 예를 들어 생명을 위협하는 상황을 감지하는 등의 역할을 수행 (다른 미래유망기술과의 관계) 멀티모달 인공지능은 텍스트 생성, 이미지 생성, 음성 생성 인공지능 기술과 상호 보완적인 관계 멀티모달 인공지능은 텍스트 생성, 이미지 생성, 음성 생성 인공지능 기술과 함께 작동하여 데이터를 더욱 효과적으로 이해하고 생성 가능 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 15) 는 중국이 가장 높고 시장확보력 16) 은 유럽이 가장 높은 것으로 조사됨 15) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 16) 외국인에 의한 특허 출원 증가율 Ⅲ. 연구 결과 25 9 인공지능 신뢰성 및 안전성 제고 기술 (정의) 인공지능시스템의 위협요인(편향성, 개인정보 및 저작권 침해, 가짜 정보 및 사기, 작동 오류, 부정행위 등)과 기술적 한계에 대응하고 다양한 분야에서 활용되는 과정에서 부작용을 예방하는 광범위한 기술 (범위) (1) 딥페이크 탐지 기술, (2) 가짜 뉴스 탐지 기술, (3) NLP 편향성 측정, (4) 설명 가능 AI 포함 (딥페이크 탐지 기술) 조작된 얼굴 표정을 담은 이미지 내에서 특정 영역을 감지하고 지역화할 수 있는 표정조작감지 프레임워크 기술 (가짜뉴스 탐지 기술) 언어적 특징 기반 접근법, 문서 형태 분석 기술, 출처 신뢰도 검증 기술, 콘텐츠 교차 검증 기술, 텍스트 요약(추출요약 및 추상요약) 등 (필요성) 인공지능이 다양한 산업에 도입되어 활용되기 시작했으나, 아직 기술이 초기 단계에 있어 신뢰성과 안전성 측면에서 각종 부작용과 잠재적 위험성에 대한 우려 증가 (국내외 동향) 전 세계적으로 인공지능의 신뢰성 기술 확보에 노력하고 있고, 인공지능의 신뢰성을 촉진하기 위한 규제 및 법안 도입을 추진 중 ‘생성형 인공지능’ 시대의 10대 미래유망기술 26 (한국) 정부는 신뢰할 수 있는 인공지능 실현 전략을 발표하고, 인공지능 제품 및 서비스에 대한 민간 자율의 인증제 등 지속적으로 도입 (미국) 정부 차원에서 국가 인공지능 국가 인공지능 연구개발 전략으로서, 기술적으로 안전한 인공지능 개발 등을 채택함은 물론, 글로벌 빅데크 기업은 우수 기술 연구자금 지원을 병행하며 신뢰성 기술 확보에 노력 (유럽) 최근 AI 기술의 핵심 축이 되고 있는 초거대 AI를 보유한 국가는 미국, 중국, 한국, 이스라엘 등 비유럽권으로, 반대급부로 이슈가 되고 있는 AI의 신뢰성과 안전성 기술도 EU 국가 내 기업들에게서는 특별하게 부각되는 것이 없는 상황 (2033 전망) AI시스템은 인간 상호작용의 특징인 사회적 규범, 가치, 맥락을 따라야 하므로, 인간 사회의 윤리 표준과 같이 AI시스템 사용에 대한 가이드라인, 정책, 규정을 도입할 수밖에 없을 것으로 전망 현재 AI시스템에는 다양한 상황에서 유연하게 행동할 수 있는 윤리 및 상식 추론 역량이 없으나, 미래의 AI시스템은 사람들로 하여금 윤리적으로 수용 가능하고 의무적인 행동을 할 수 있도록 장려 가능 (다른 미래유망기술과의 관계) 인공지능 신뢰성 및 안전성 제고 기술은 다른 생성형 인공지능 기술 구현을 위한 필수 기반 관계 산업, 기술, 일상생활에 스며들고 있는 인공지능의 일상화가 본격화됨에 따라 앞서 논의한 인공지능의 위협요인이 언제든 발생할 수 있으므로, 인공지능 신뢰성 및 안전성 제고 기술은 필수 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 17) 는 한국이 가장 높고 시장확보력 18) 은 유럽이 가장 높은 것으로 조사됨 17) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 18) 외국인에 의한 특허 출원 증가율 Ⅲ. 연구 결과 27 10 인공지능 오픈 마켓플레이스 플랫폼 기술 (정의) 인공지능 오픈마켓 플랫폼은 인공지능의 연구 결과와 서비스를 공유하고 판매할 수 있는 온라인 공간 기술 (범위) (1) AI 모델 및 알고리즘 공유, (2) 데이터 관리, (3) AI 서비스 통합, (4) 결제 및 계약 관련 기술 등이 있음 (AI서비스 통합) 사용자가 플랫폼에서 구매한 AI 서비스를 자신의 시스템이나 애플리케이션에 쉽게 통합할 수 있도록 API나 SDK 등의 도구를 제공하고, 데이터를 마이그레이션 할 수 있는 기능을 제공 (결제 및 계약 관련 기술) 사용자 또는 구매, 판매자가 AI서비스를 거래할 때 안전하게 결제하고 계약을 체결할 수 있도록 하는 기술 (필요성) AI 오픈마켓 플랫폼은 AI의 개방성과 접근성을 높이는 중요한 도구로 인식되고, 오픈마켓 형태의 플랫폼은 AI 개발을 더욱 민주화하고, 다양한 기업이 AI를 활용하여 자신의 서비스를 개선하는데 도움 (국내외 동향) 전 세계적으로 데이터 개방 및 오픈마켓 플랫폼을 구축 중이고, 다양한 기업과 기관이 참여 가능한 클라우드 기반 데이터 인프라 구축 (한국) 오픈마켓 플랫폼 구축 및 운영에 관련하여, 클라우드 스토어를 위한 전략, 현재의 디지털서비스이용지원 시스템, 온라인 기술거래 네트워크 구축 등을 추진 ‘생성형 인공지능’ 시대의 10대 미래유망기술 28 (미국) 2009년부터 기업과 연구자들이 활용할 수 있는 오픈데이터포털(Data.gov)를 구축하 고 공공데이터를 개방해 왔으며, 데이터 생산과 수요의 중계 관련 전략을 발표 (유럽) 가이아-X 프로젝트를 통해 독일 및 프랑스를 주도로 하여 유럽 500여개의 기업과 기관이 참여하는 클라우드 기반 데이터 인프라를 구축 (2033 전망) 인공지능 오픈마켓 플랫폼은 개별 AI 개발자나 스타트업들이 AI 서비스를 쉽게 판매하고, 새로운 비즈니스 모델을 탐색할 수 있게 하기에 AI 산업 육성에 이바지 할 것으로 판단 오픈마켓 플랫폼을 통해 확산된 다양한 형태의 AI를 활용한 업무 자동화, 효율적인 의사결정, 개인화된 서비스 제공 등은 경제 활동을 더욱 효율적으로 만들 것임 (다른 미래유망기술과의 관계) 다른 생성형 인공지능 기술과 같이 생태계를 구축하는 관계 최근 플러그인과 같은 파운데이션 모델과 연계한 AI 애플리케이션 생태계가 구현됨에 따라, 수많은 AI 모델과 앱들의 보장된 성능과 다양성에 기반한 증량이 가속화 될 것으로 예상 (논문･특허 심층분석) 한국, 미국, 일본, 유럽(영국 포함 28개국), 중국의 최근 12년 논문 및 특허 분석 결과, 기술집중도 19) 는 중국이 가장 높고 시장확보력 20) 은 미국이 가장 높은 것으로 조사됨 19) 기술집중도 : (최근 3년 중요논문 건수) / (중요논문 건수) * 100 (%), 중요논문 : CITATION 10 이상인 논문 20) 외국인에 의한 특허 출원 증가율 Ⅳ. 결론 및 시사점 29 결론 및 시사점Ⅳ 2024년 KISTEP 미래유망기술 주제를 선정하기 위해 최근 발표된 국내외 미래전망보고서의 트렌드와 이슈, 제6회 과학기술 예측조사 보고서, 미래전략 2045, MIT 10대 혁신기술 등의 다양한 문헌 수집･분석 수행 향후 10년 이내 주요 이슈로 부상할 가능성이 크고 여러 문헌에서 반복적으로 등장하고 있으며 최근 주요 사회 이슈와 연관성이 높은 ‘새로운 영역의 개척’, ‘생성형 인공지능’, ‘제조 분야의 디지털 전환’, ‘디지털 경제’ 등의 4개 트렌드를 후보 주제로 선정 미래유망기술 후보 주제를 기술수준평가 전문가 및 KISTEP 정책고객 등을 대상으로 설문조사를 통해 최종 ‘생성형 인공지능’으로 확정 미래유망기술은 5~10년 후 새로운 창작물이 인공지능에 의해 생성되는 창작의 시대를 맞이하여 생성형 인공지능의 확산에 기여할 수 있는 정도가 큰 기술을 후보군으로 선정 후보군은 국가과학기술 표준 분류체계, 지능정보산업협회, 소프트웨어정책연구소, 특허청, Github 등의 인공지능 분야 기술분류체계를 기준으로 발굴 인공지능 분야 기술분류(안)을 바탕으로 전문가 서면 평가 등을 통해 최종 10개 미래유망기술 선정 전문가 서면 평가로부터 얻어진 총 93개의 기술 중 추천 수, 평가지표 점수 등을 검토하고 내부 전문가 논의를 통해 주제와의 부합성 및 파급효과가 큰 10개 기술을 선정 ① 거대언어모델(LLM) 기반 텍스트 생성형 인공지능 기술, ② 자율 이미지 및 영상 생성형 인공지능 기술, ③ 신경망처리 기반 인공지능 전용칩, ④ 지능형 개인 맞춤 서비스 인공지능 기술, ⑤ 감성내재 음성 생성형 인공지능 기술, ⑥ 클라우드 기반 머신러닝 플랫폼 기술, ⑦ 코딩 보조용 생성형 언어 모델 기술, ⑧ 멀티모달(이미지, 텍스트, 음성) 통합 인식 및 생성 인공지능 기술, ⑨ 인공지능 신뢰성 및 안전성 제고 기술, ⑩ 인공지능 오픈 마켓플레이스 플랫폼 기술 ‘생성형 인공지능’ 시대의 10대 미래유망기술 30 미래유망기술의 조속한 실현과 발전을 위해서는 원천기술 확보, 법･제도 개선, 인프라 구축, 인력양성, 신뢰성･안전성 제고 등이 필요 (원천기술) 생성형 AI 원천기술 투자 및 개발, 데이터보안 및 프라이버시 기술 확보, 대규모 언어 모델 개발 등 원천기술 확보 (법･제도) 개인정보 보호 및 데이터 보호 관련 법･제도 정비, 생성된 저작물의 저작권과 신뢰성에 대한 법률 제정, 생성형 AI 확산에 따른 사회 문제 해결, 서비스 품질 보증 등 법 및 제도 마련 (인프라 구축) 거대 모델 지원 컴퓨팅 인프라 구축, 테스트베드 및 상용화 지원 인프라 구축, 클라우드 및 머신러닝 하드웨어 인프라, 시험인증 체계, 오픈마켓 플랫폼 구축 등 해당 기술의 적용을 위한 인프라, 협력체계, 테스트베드 구축 (인력양성) AI 인력 채용시장 변화 대응, 실증 및 체험 연계 교육, 타산업과 생성형 AI 간의 융합적 인재 양성 및 산업 전반에 전문 인력 수급이 가능한 AI 인력양성 프로그램 추진 (신뢰성･안정성) 생성물의 데이터 편향, 사용의 오남용, 가짜 정보 탐지를 위한 시스템 개발 및 알고리즘의 투명성 확보 논문 및 특허 분석에 따르면, 10개 미래유망기술 모두 성장기에 있으며 영향력 측면에서는 미국과 유럽이 주도하고 있는 것으로 파악됨 기술성장주기 분석결과 모든 10개 미래유망기술은 성장기에 있는 것으로 분석 신경망처리 기반 인공지능 전용칩은 선도국가는 중국/일본으로 확인되었고, 나머지 9개 미래유망기술의 선도국은 미국으로 분석됨 양적인 측면인 논문 및 특허 점유율에서는 중국이 앞서고 있으나, 질적 측면인 논문 및 특허 영향력에서는 미국과 유럽이 앞서고 있고, 한국은 대부분의 기술이 중하위권에 위치하고 있음 Ⅳ. 결론 및 시사점 31 10개 미래유망기술의 논문영향력과 특허영향력에 따라 차별화된 기술확보전략이 필요 자율 이미지 및 영상 생성형 인공지능 기술, 신경망처리 기반 인공지능 전용칩, 클라우드 기반 머신러닝 플랫폼 기술, 코딩 보조용 생성형 언어 모델 기술, 멀티모달(이미지, 텍스트, 음성) 통합 인식 및 생성 인공지능 기술, 인공지능 신뢰성 및 안전성 제고 기술, 인공지능 오픈 마켓플레이스 플랫폼 기술은 상대적으로 논문영향력 및 특허영향력의 경쟁력이 낮아서 정부 차원의 지원이 중요 거대언어모델(LLM) 기반 텍스트 생성형 인공지능 기술, 지능형 개인 맞춤 서비스 인공지능 기술, 감성내재 음성 생성형 인공지능 기술은 상대적으로 논문영향력 및 특허영향력의 경쟁력이 높아서 높은 기대성과가 예상되어 집중적 투자가 필요 기술명 논문영향력 특허영향력 거대언어모델(LLM) 기반 텍스트 생성형 인공지능 기술 한국 3위 한국 3위 자율 이미지 및 영상 생성형 인공지능 기술 한국 4위 한국 5위 신경망처리 기반 인공지능 전용칩 한국 4위 한국 5위 지능형 개인 맞춤 서비스 인공지능 기술 한국 3위 한국 5위 감성내재 음성 생성형 인공지능 기술 한국 3위 한국 5위 클라우드 기반 머신러닝 플랫폼 기술 한국 4위 한국 4위 코딩 보조용 생성형 언어 모델 기술 한국 4위 한국 5위 멀티모달(이미지, 텍스트, 음성) 통합 인식 및 생성 인공지능 기술 한국 4위 한국 4위 인공지능 신뢰성 및 안전성 제고 기술 한국 4위 한국 4위 인공지능 오픈 마켓플레이스 플랫폼 기술 한국 4위 한국 5위 <표 7> 생성형 인공지능 시대에 기여할 10대 미래유망기술별 논문 및 특허영향력 ‘생성형 인공지능’ 시대의 10대 미래유망기술 32 참 고 문 헌 ∙ 과학기술정보통신부, 미래전략2045 (2020) ∙ 박창현 외, 제6회 과학기술예측조사 연구 (2021) ∙ 한국과학기술기획평가원, 2019년 KISTEP 미래유망기술 선정에 관한 연구 (2019) ∙ 한국과학기술기획평가원, 2020년 KISTEP 미래유망기술 선정에 관한 연구 (2020) ∙ 한국과학기술기획평가원, 2021년 KISTEP 미래유망기술 선정에 관한 연구 (2021) ∙ 한국과학기술기획평가원, 2022년 KISTEP 미래유망기술 선정에 관한 연구 (2022) ∙ 한국과학기술기획평가원, 2022년 KISTEP 미래유망기술 선정에 관한 연구 (2023) ∙ 한국과학기술정보연구원, 10대 미래유망기술 (2022) ∙ 한국생명공학연구원, 2023 10대 바이오 미래유망기술 (2023) ∙ 한국지능정보사회진흥원, 2023년 지능정보윤리 이슈리포트 (2023) ∙ 임수종, 초거대 인공지능 언어모델 동향 분석 (2021) ∙ 소프트웨어정책연구소, 초거대언어모델의 부상과 주요이슈: ChatGPT의 기술적 특징과 사회적 산업적 시사점 (2023) ∙ 김일부(카카오브레인), AI딥테크 기업의 생태계 전략, 생성 AI 컨퍼런스(GAA: Generativie AI Asia) (2023) ∙ IITP, 인공지능 반도체, 미래성장동력을 넘어 국가안보의 핵심기술로 부상, ICT Spot Issue 2021-07호 (2021) ∙ SPRi, 인공지능(AI) 반도체의 산업경쟁력, 포커스 (2022) ∙ 소프트웨어정책연구소, 생성AI의 부상과 산업의 변화 (2023) ∙ 관계부처합동, 초거대AI 경쟁력 강화 방안 (2023) ∙ 인공지능 음성합성 시스템의 학습용 데이터에 대한 실연자의 권리, 미디어와 인격권(제8권, 제2호 (2022) ∙ 중국의 인공지능 음성인식 기술 대표주자 ‘아이플라이테크’, 대외경제정책연구원, (2021) ∙ 세계법제정보센터, ‘중국, 생성형 인공지능(AI) 규제 입법 추진’ (2023) ∙ 안성원 외. SPRi 이슈리포트. AI Index 2023의 주요 내용 및 시사점 (2023) 참 고 문 헌 33 ∙ 이혜진, 김진영, 백주련. 가짜뉴스 판별 기법 및 해결책 고찰. 한국컴퓨터정보학회 동계학술대회 논문집 제28권 제1호 (2020) ∙ 대외경제정책연구원, 디지털플랫폼에 관한 최근 EU의 규제개편 및 우리나라의 통상친화적 제도 개선 방향 (2021) ∙ 주강원. "클라우드컴퓨팅서비스의 계약법적 논점." 홍익법학 22.1: 663-694 (2021) ∙ NIC, Global Trends 2040 (2021) ∙ NISTEP, The 11th Science and Technology Foresight (2019) ∙ OpenAI, GPT-4 Technical Report, (2023) ∙ 네이버 멀티모달 AI https://channeltech.naver.com/contentDetail/25 ∙ LG 엑사원 https://www.lgcns.com/blog/cns-tech/ai-data/34024/ https://www.gartner.com/en/information-technology/insights/top-technology-trends https://www.technologyreview.com/2021/02/24/1014369/10-breakthrough-technologies-2021/ https://www.weforum.org/press/2021/11/top-10-emerging-technologies-to-watch-in-2021/ https://www2.deloitte.com/us/en/insights/focus/tech-trends.html https://www.wef.org ‘생성형 인공지능’ 시대의 10대 미래유망기술 34 KISTEP 이슈페이퍼 발간목록 발간호 제목 저자 2024-04 (통권 제360호) 반도체 분야 정부연구개발투자의 효과성 분석과 개선방안 김준희(KISTEP), 엄익천(KISTEP), 오승환(경상국립대학교), 전주경(KIPRO) 2024-03 (통권 제359호) 신약개발 분야 정부 R&D 현황과 효율성 제고 방안 송창현(KISTEP), 엄익천(KISTEP), 김순남(KDDF), 이원희(유한양행) 2024-02 (통권 제358호) 국가연구개발 성과분석 프레임워크 개발 및 적용 박재민(건국대학교), 문해주(건국대학교), 이호규(고려대학교), 강승규(KIP), 김수민(건국대학교), 박서현(건국대학교) 2024-01 (통권 제357호) KISTEP Think 2024, 10대 과학기술혁신정책 아젠다 강현규, 이민정 (KISTEP) 2023-16 (통권 제356호) 미･중 패권경쟁 시대, 중국이 소재･부품･장비 공급망을 무기화할 수 있을까? 이승필(KISTEP), 이승빈(KICT), 최동혁(KISTEP) 2023-15 (통권 제355호) 다부처R&D사업 표준화 및 IRIS 적용 방안 송혜주, 김병은, 김아름, 김여울, 이혁성 (KISTEP) 2023-14 (통권 제354호) 플라스틱 국제협약 대응을 위한 과학기술의 역할 유새미, 고진원, 박노언 (KISTEP) 2023-13 (통권 제353호) 대학의 기술사업화 전담 조직 현황진단과 개선방안 이길우(KISTEP), 정영룡(CNU), 김성근(PNU), 이지훈(SEOULTECH) 김태현(COMPA) 방형욱(KISTEP) 2023-12 (통권 제352호) 중소기업 경쟁력 강화를 위한 고경력 과학기술인 활용 조사 및 시사점 김인자, 김가민, 이원홍 (KISTEP) 2023-11 (통권 제351호) 학문분야별 기초연구 지원체계에 대한 중장기 정책제언 (국내외 지원현황의 심층분석을 기반으로) 안지현, 윤성용, 함선영 (KISTEP) 2023-10 (통권 제350호) 기술패권경쟁시대 한국 과학기술외교 대응 방향 강진원(KISTEP), 이정태(KIST), 김진하(KISTEP) KISTEP 이슈페이퍼 발간목록 35 발간호 제목 저자 2023-09 (통권 제349호) 신입과학기술인 직무역량에 대한 직장상사-신입간 인식 비교 분석 박수빈 (KISTEP) 2023-08 (통권 제348호) 국가연구개발 성과정보 관리체계 개선 제언 김행미 (KISTEP) 2023-07 (통권 제347호) 기업 혁신활동 제고를 위한 R&D 조세 지원 정책 연구 : 국가전략기술 연구개발 기업을 중심으로 구본진 (KISTEP) 2023-06 (통권 제346호) 임무지향형 사회문제해결 R&D 프로세스 설계 및 제언 박노언, 기지훈, 김현오 (KISTEP) 2023-05 (통권 제345호) STI 인텔리전스 기능 강화 방안 - 12대 과학기술혁신 정책 이슈를 중심으로 - 변순천 외 (KISTEP) 2023-04 (통권 제344호) 국방연구개발 예산 체계 진단과 제언 임승혁, 안광수 (KISTEP) 2023-03 (통권 제343호) 우리나라 바이오헬스 산업의 주력산업화를 위한 정부 역할 및 지원방안 홍미영, 김주원, 안지현, 김종란 (KISTEP) 2023-02 (통권 제342호) ‘데이터 보안’ 시대의 10대 미래유망기술 박창현, 임현 (KISTEP) 2023-01 (통권 제341호) KISTEP Think 2023, 10대 과학기술혁신정책 아젠다 강현규, 최대승 (KISTEP) 필자 소개 ▶ 박창현 - 한국과학기술기획평가원 기술예측센터 센터장/연구위원 - T. 043-750-2451 / ch27park@kistep.re.kr KISTEP ISSUE PAPER 2024-05 (통권 제361호) ‖ 발행일 ‖ 2024년 2월 15일 ‖ 발행처 ‖ 한국과학기술기획평가원 전략기획센터 충청북도 음성군 맹동면 원중로 1339 T. 043-750-2300 / F. 043-750-2680 http://www.kistep.re.kr ‖ 인쇄처 ‖ 주식회사 동진문화사(T. 02-2269-4783)
정책브리프	EU 인공지능(AI) 규제 현황과 시사점	2024-02-13
<p><br></p>- 1 - (2024.2.13, 국제협력정책센터 강진원, 김혜나) 1 EU AI 법안 배경 및 경과 □ ’21년 4월 EU 집행위원회는 AI 시스템에 대한 포괄적인 규제안 제안1) ※ 집행위는 유럽의 AI 전략(‘18.4)2), AI 백서(’20.2)3)에 이어 EU 전역에 적용되는 규제 프레임워크로서 법안 마련 (회원국 합동으로 AI 조정계획 발표(‘18.12)4) 및 전문가 그룹의 신뢰할 수 있는 AI 윤리기준 권고안 발표(’19.4)5)) ❍ AI에 대한 구체적인 활용에 대한 위험에 대응하는 것을 목표로 위험을 4가지 다른 단계로 범주화함 ‘허용할 수 없는 위험(unacceptable risk)’, ‘고위험(high risk)’, ‘저위험(low risk)’, ‘최소한의 위험(minimal risk)’ 등으로 구분 ※ AI 규제는 유럽인들이 AI를 신뢰할 수 있도록 하며, 또한 AI 분야 우수한 생태계를 조성하고 EU의 역량을 글로벌하게 경쟁력을 강화하는 것이 핵심임 ❍ AI에 관한 ’21년 조정계획6)은 신뢰할 수 있는 AI 분야에서 EU의 글로벌 리더십을 구축하기 위한 후속 단계로 AI 법안과 연계 ※ 조정계획의 실행을 위해 3개 전략 제시: 새로운 디지털 솔루션의 활용을 통해 탄력적인 경제적, 사회적 회복을 촉진하기 위해 AI 기술에 대한 투자를 가속화, AI 전략 및 프로그램을 완전하고 시기적절하게 구현하여 EU가 초기 채택자 이점을 최대한 활용할 수 있도록 조치, AI 정책을 조정하여 단편화를 제거하고 글로벌 과제* 해결 * EU 내 AI 개발 및 활용을 위한 활성화 조건 설정, EU를 실험실에서 시장까지 우수성이 번성하는 장소로 개조, AI 기술이 사람들에게 도움이 되도록 보장, 영향력이 큰 분야에서 전략적 리더십 구축 등 포함 □ ’22년 12월 EU 이사회는 AI의 개념, 분류 기준과 그것의 요구사항 및 범용목적 AI(ChatGPT 공개, ‘22.11.30.) 규제 등을 담은 수정안7)을 채택하였고, ’23년 5월 EU 의회는 법안 수정안8)을 마련 ※ 유럽의회는 내부시장위원회와 시민자유위원회의 논의를 거쳐 수정안 마련 ❍ 초안과 비교하여 변경된 내용은 파운데이션 모델에 대한 규제 신설, AI 개념을 OECD 기준에 부합하도록 수정, 수용 불가능한 위험/고위험 AI 범위 확대 등 포함(참고 1 참조) 1) Proposal for a Regulation laying down harmonised rules on artificial intelligence (Artificial Inteligence Act), 2021 참조 2) Communication from the Commission, AI for Europe, 2018 참조 3) White Paper on AI: a European approach to excellence and trust, 2020 참조 4) https://digital-strategy.ec.europa.eu/en/policies/plan-ai 참조 5) Ethics Guidelines for Trustworthy AI, High-level expert group on AI, 2019 참조 6) Coordinated Plan on AI 2021 Review, 2021 참조 7) AI act council calls for promoting safe AI that respects fundamental rights, Press release, 2022 참조 8) AI Act: a step closer to the first rules on AI, Press Releases, 2023 참조 EU 인공지능(AI) 규제 현황과 시사점 KISTEP 브리프 - 2 - ❍ 수정안은 찬성 499표, 반대 28표, 기권 93표로 채택되었고(2023.6.14.), EU 집행위, 유럽의회, 27개국 대표 등 3자 간 AI 규제법에 합의(2023.12.8.) ※ 법안 초안은 유럽의회와 회원국들의 공식 승인을 거쳐 발효(2026년경 규제가 완전 적용될 것으로 보이며, EU는 AI 규제를 위한 기관을 창설할 방침) 2 EU AI 법안 주요 내용9) □ EU AI 법안은 위험수준에 따라 차등적으로 규제하며, ‘허용될 수 없는 위험’을 가진 AI는 엄격히 금지하고, ‘고위험’ AI에 대해서는 엄격한 요구사항을 부과 ※ ‘저위험’ 또는 ‘최소한의 위험’을 생성하는 AI는 별도의 정의 규정을 두지 않고, 투명성 의무를 준수하고, AI 시스템의 투명성과 신뢰성 확보를 위한 행동강령 작성을 촉구 ❍ 금지되는 AI 활동과 고위험 AI 규정 - ① 사람의 의식 이면의 잠재의식 기술, 사람의 의사결정 능력 손상, ② 사람이나 특정 단체의 취약성 활용, ③ 특정 사람 또는 단체에 불공정한 처우 또는 사회적 점수 평가 또는 분류 목적, ④ 실시간 원격 생체인식 식별시스템 이용 등 AI 활동은 금지 * 생체인식 시스템 중 제한적으로 허용되는 제외: 중대 범죄 수색을 위해 필요한 경우 등(범죄 희생자 수색, 테러 공격 예방은 수정안에서 삭제) - 고위험 AI에 대해 위험관리시스템, 데이터 품질 기준, 기술문서 작성과 유지, 자동 기록 기능 탑재와 이력 추적, 사용자 투명성 확보와 정보 제공, 인적 감독 보장, 정확성과 견고성, 사이버 보안의 확보 등 매우 높은 수준의 요구사항을 부과 EU 조정법(Annex II)에 따라 안전구성요소 또는 제품 자체로 사용되고 제3자 적합성 평가를 받아야 하는 AI 시스템과 조정법(Annex III)의 목록으로 제시된 AI 시스템을 의미 ❍ 투명성 의무와 생성형 AI에 대한 규제 규정 - 사람과 교류하는 AI 시스템은 제공자, 사용자, 해당 시스템으로 하여금 사람에게 공지, 감정 인식 시스템이나 생체인식 분류시스템의 사용자는 노출된 사람에게 고지 및 사전 동의 획득, 딥페이크를 생성/조작하는 시스템 사용자는 인공적으로 생성/조작되었음과 성명을 공개* * 딥페이크는 진정하거나 진실한 것이라고 잘못 보여지는 텍스트, 오디오 또는 시각적 콘텐츠와 그 사람의 동의 없이 그 사람이 실제로 하지 않은 말 또는 행동을 표시하는 것으로 정의 ** 공개란 해당 콘텐츠 이용자에게 콘텐츠가 진정한 것이 아님을 분명하게 시각적 방법으로 콘텐츠에 표시하는 것 - ChatGPT 같은 생성형 AI는 고지의 의무, 기초모델의 훈련 및 가능한 경우 그 설계 및 개발에 있어서도, 생성되는 콘텐츠가 EU 법률 및 기본권 준수, EU 또는 회원국의 저작권 보호, 저작권법 보호대상인 훈련 데이터를 사용하는 경우, 주요 내용 공개 의무 9) EU AI 법안의 EU 의회 수정안 주요 내용(2023.5.31.), 법률신문 참조 - 3 - □ EU 의회안은 AI 시스템의 재정의와 파운데이션 모델에 대한 조항을 신설 등 변경 ※ EU 의회안은 중소기업 또는 스타트업에게 일방적으로 적용되는 불공정한 계약조건을 규제하는 조항을 새롭게 추가 (고위험 시스템에 이용되는 도구･서비스･구성요소의 공급에 관한 계약조건, 계약 위반 또는 종료에 대한 계약 조건이 중소기업 등에게 일방적으로 부과되고 그 내용이 불공정하다면 해당 내용은 효력이 없음) ❍ AI 시스템의 OECD 새로운 정의를 도입하고 ‘허용될 수 없는 위험’, ‘고위험’ AI 시스템 범위를 확대 ※ OECD는 EU의 새로운 AI 규정집에 포함될 AI의 새로운 개념을 채택10)(’23.11.8., ‘19년 AI 정의와 AI 정책 원칙 제안) - AI 시스템을 다양한 수준의 자율성으로 작동하도록 설계되었으며, 명시적 또는 암묵적 목표를 위해, 물리적 또는 가상환경에 영향을 미치는 예측, 추천 또는 결정과 같은 결과를 생성하는 기계 기반(machine-based) 시스템으로 정의 ※ 수정안에서 ‘인간이 정의한 일련의 목표를 위해’를 ‘명시적 또는 암시적 목표를 위해’로 변경 - 고위험 AI 시스템 목록에 대규모 온라인 플랫폼으로 지정된 소셜 미디어 추천시스템 등을 추가하고 해당 목록 중 인간의 건강, 안전 또는 기본권에 상당한 위험을 야기하는 경우에만 고위험으로 분류 ※ 해당 시스템을 활용하여 서비스를 제공하는 자(시스템 배포자)에게 기본권 영향평가 수행 등 강화된 의무 부여 - 금지된 AI 시스템은 공공장소에서의 실시간 원격 생체인식 시스템 사용을 전면 금지하고, 금지 되는 AI 시스템 목록에 민감정보를 활용한 생체인식 분류시스템, 스크래핑을 통해 안면인식 DB를 구축하는 시스템 등을 추가 ❍ 파운데이션 모델의 법적 윤리적 문제가 제기됨에 따라 파운데이션 모델 규제 조항을 신설 파운데이션 모델은 대규모 데이터로 사전 훈련된 AI 모델로서 출력이 범용적이어서 다른 다양한 시스템 개발의 기초로 쓰일 수 있는 모델 - 파운데이션 모델을 고위험으로 분류하지는 않았으나, 파운데이션 모델의 공급자가 준수해야 할 의무조항을 별도로 추가 ※ 파운데이션 모델의 공급자는 모델을 공급받아 활용하는 하위 사업자의 서비스 내용까지 고려해서 모델에 대한 기술문서와 지침을 작성하여 제공할 의무 추가(표 1 참조) 10) Recommendation of the Council on AI, 2019, 2023 참조 - 4 - <표 1> 파운데이션 모델 공급자의 의무11) 구분 내용 모델 위험 관리 모델이 건강, 안전, 기본권, 환경, 민주주의, 법령에 대하여 발생할 수 있는 예측가능한 위험을 식별･ 완화하고, 이를 독립된 전문가 검증 등 적합한 수단을 통하여 입증 데이터 관리 데이터 출처 및 편향 검증 등 적절한 관리 조치가 이루어진 데이터셋 사용 모델 신뢰성 확보 모델의 성능, 예측가능성, 설명가능성, 수정가능성, 안전성 및 보안이 적절한 수준을 달성하도록 모델을 설계･개발하고, 이를 독립된 전문가가 수행하는 모델 검증 절차 등 적절한 수단을 통해 평가 환경보호 에너지･자원 사용을 줄이고 에너지 효율성 및 시스템의 전체 효율성을 높이기 위해 적용 가능한 표준을 사용하여 모델을 설계･개발(단, 이 의무는 향후 관련 표준 발표 후 적용) 정보 제공 파운데이션 모델을 공급받아 활용하는 하위 사업자가 이 법에 따른 의무를 준수할 수 있도록 상세한 기술문서와 이해하기 쉬운 사용 지침을 작성 품질적 시스템 이 법에 따른 준수사항을 이행하고 이를 문서화하기 위한 품질 관리 시스템 구축 데이터베이스 등록 공급자의 이름･주소･연락처 정보, 모델 개발에 사용된 데이터 출처, 모델의 기능 및 한계, 모델 성능 등의 정보를 EU 데이터베이스에 제출하여 등록 - 고위험 AI 시스템을 활용하여 서비스를 제공하는 시스템 배포자에게 감독 의무를 새롭게 부과 ※ 시스템에 대한 통제범위 내 자격을 가진 사람에 의한 감독이 이루어져야 하며, 정기적인 모니터링을 통해 견고성과 보안수준의 적절한 보장 의무와 시스템 사용 전 기본권 영향평가를 수행하여야 함 영향평가 항목에는 예상되는 기본권에 대한 영향, 취약계층에 발생할 수 있는 위해, 인간에 의한 감독방안을 포함한 AI 거버넌스 구축 계획 등 포함 3 미국 등 주요국의 AI 규제 현황 □ 미국, 중국, 일본, 영국, 캐나다 등 해외 주요국도 AI 규제를 위한 행정명령, 관련 백서 등 다양한 형태의 정책을 제시 ❍ (미국) 바이든 대통령은 안전성, 보안성, 신뢰성 있는 AI의 개발 및 사용에 대한 행정명령에 서명하고 이에 기반한 후속 이니셔티브 발표(’23.10)12) - 행정명령에 따라 국가 안보, 경제 안보, 공공 안전 등에 영향을 미치는 AI 모델은 훈련 단계 부터 정부에 고지해야 하며 정부검증 전문가팀(AI 레드팀)의 안전성 평가를 거쳐 결과 보고 ※ 국립표준기술연구소(NIST)와 에너지부(DOE) 등을 대상으로 AI 시스템의 안정성, 보안, 신뢰성 확인을 위한 표준, 도구, 테스트 개발 권고 ※ 딥페이크 기술의 위험성에 대응하기 위해 상무부에서 AI 기술로 생성된 컨텐츠 식별을 위한 워터마크 적용 의무화 방안 마련 - 국방물자생산법에 근거하여 미국 기업의 AI 기술을 이용하는 외국인(기업)까지 적용 대상으로 포함하고 미국 클라우드 서비스 제공자의 외국 고객 명단 신고를 의무화한 것은 AI 관련 가장 강력한 조치이며 중국을 견제하려는 의도로 평가 11) EU AI 법안의 EU 의회 수정안 주요 내용(2023.5.31.), 법률신문 참조 12) FACT SHEET: VIce Presdient Harris Announces New U.S. Initiatives to Advance the Safe and Responsible Use of Artificial Intelligence, 2023 참조 - 5 - ※ 행정명령에 기반한 신규 후속 이니셔티브로 NIST 내 미국 AI 안전연구소(The US AI Safety Institute, US AISI) 신설, 미국 정부의 AI 사용으로 인한 위험 관리 방향을 제시한 AI 활용에 대한 정책 이행 가이드 라인 초안 공개 ❍ (중국) AI를 전체적으로 규제하기보다는 새로운 AI 제품이 등장할 때마다 개별 법안을 발표하는 형태로 단편적이고 세분화된 규제* 시행13) * 2023년 6월 중국 국무원이 포괄적인 AI법을 입법 의제로 삼겠다고 발표함에 따라 규제방식 변화 가능성 있음 ※ 알고리즘 추천 서비스, 딥페이크, 생성형 AI에 관한 규정이 따로 존재하며, 이러한 접근방식은 기술변화에 따라 신속하게 대응할 수 있는 장점이 있으나, 장기적이고 거시적인 관점의 발전을 저해할 수 있음 - AI에 대한 감독을 강화하기 위해 생성형 AI에 대한 최초 규제인 ‘생성형 AI 서비스 관리 방법’ 시행(’23.8)14) ※ ‘생성형 AI 서비스 관리 방법’은 생성형 AI의 건전한 발전과 표준화된 적용 촉진, 국가안보와 사회 공공 이익 수호 및 권익 보호를 위해 제정 ※ 관리방법은 생성형 AI의 혁신적 응용을 장려하고 관련 기술개발 촉진 및 교류를 지원하는 내용을 포함하여 강력한 규제보다는 생성형 AI 산업 발전 지원에 중점을 둔 것으로 평가 - 기술개발 촉진을 위한 지원사항을 제시하여 생성형 AI 혁신과 발전을 장려하는 한편, 보안평가, 데이터 훈련･라벨링, 콘텐츠 관리 및 표기, 개인정보 보호, 운영상 규제 등 생성형 AI 서비스 제공･이용 전반에 대한 의무사항을 명확하게 제시 ※ 중국은 앞서 발표되었던 초안에 명시된 처벌 규정을 삭제하는 등 완화된 규정을 발표하며 미･중 기술패권 경쟁 속 중국 산업 발전을 지원하는 방향으로 선회15) ※ 중국 AI 기업은 모든 기반모델에 대해 중국 대중에게 공개하기 전에 중국 정부에 등록하여야 하며, 외국 기업은 중국 내에서 제품 출시 승인을 받지 못함(중국은 자국 기업을 보호하고 경쟁을 억제) ❍ (영국) 과학혁신기술부(DSIT)는 ‘친혁신적 AI 규제 접근’ 백서를 발표하고 EU의 강력한 규제와는 차별화되는 유연한 규제 프레임워크 제시16) - 영국은 혁신을 억제할 수 있는 AI에 대한 고정 규칙이나 법안 도입은 최소화하고 새로운 단일 규제기관을 신설하여 전권을 부여하는 대신 기존 관련 기관이 부문별･상황별 지침을 채택하는 유연한 규제 방향 채택 ※ 개별 규제 기관들은 안전･보안･견고성, 투명성･설명 가능성, 공정성, 책임･거버넌스, 이의제기･시정 등 5개 원칙에 따라 우선순위를 정해 규제를 적용하고, 성장과 혁신을 모두 지원할 수 있는 비례적 접근을 취할 것을 제안 - 정부는 규제기관의 프레임워크 이행 지원을 위해 관찰･평가･의견, 일관성 있는 원칙 이행 지원, 위험 평가, AI 혁신기업 지원, 교육 및 인식 제고, 국제 규제와의 상호운용성 보장 방안 마련 등 기능 수행 ※ 영국은 세계 첫 ‘AI 안전 정상회의’를 개최(’23.11)하고, AI 안전성 국제기구 설립을 제안하는 등 미국, 중국, EU 등 주요국 사이에서 중개자로서 AI 규제논의 주도 계획 13) What’s next for AI regulation in 2024?, 2024 참조 14) 중국, 생성형 AI 서비스 관리에 나서(2023.7.31.), KOTRA 참조 15) 채찍보다는 당근을...中, 생성형 AI 첫 규정 발표(2023.7.13.), 머니투데이 참조 16) 영국 AI 규제 백서의 주요 내용 및 시사점, 2023 참조 - 6 - ❍ (일본) 현재 AI 규제를 위한 특정 법률은 없으며 전문가 및 정부관계자들이 참여하는 ‘AI 전략 회의’를 통해 AI 규제･활용에 대한 정책방향 논의 - AI 정책 컨트롤타워 역할을 하는 ‘AI 전략회의’를 통해 민간･교육･공공분야에서의 이용 촉진, 허위정보 및 개인정보 침해 등 리스크 대응, 국제 규제 검토, 국내 AI 개발지원 등 논의 ※ ‘AI 전략회의’ 제6차 회의에서는 생성형 AI 개발자와 제공자의 규칙 준수 촉구 조치, 생성형 AI 촉진을 위한 개발자 대상 정부 보유 데이터 제공 방안 등을 논의(’23.11)17) - 향후 경제산업성 산하 정보처리추진기구(IPA)에 AI 안정성 확보 전담조직인 ‘AI Safety Institute’ 설립 계획 발표(’23.12)18) ❍ (캐나다) AI 시스템 개발 및 활용에 필요한 새로운 규정 도입을 위해 ‘AI 및 데이터 법안’ 발의 (’22.6)19) - 법안에 따르면 AI 시스템 책임자는 익명화된 데이터 이용･관리에 관한 조치를 수립하고 시스템의 고위험 여부를 평가하며 피해의 위험성을 식별･평가하여 감경 조치 - 고위험 시스템 제공자 및 운영자는 시스템 사용 방법, 생성 컨텐츠 유형, 결정, 권고 또는 예측, 위험 감경 조치 등 정보를 웹사이트에 게재하고 해당 시스템 사용으로 인한 중대한 피해 초래 가능성이 있는 경우 산업부 장관에게 고지 ※ 장관은 고위험 시스템으로 인해 ‘긴박한 피해가 발생한 심각한 위험’이 있다고 판단되는 경우 시스템 사용･ 제공의 중지명령이 가능하며, 동 법의 관리 및 집행 지원을 위해 소관 부처의 고위 공무원을 ‘AI 및 데이터 위원’으로 지정 가능 4 우리나라 AI 규제에 대한 시사점 □ EU의 발 빠른 AI 규제법 제정에 따라 미국 등 해외 주요국 또한 규제에 나서고 있으며, 이에 발맞추어 AI에 대한 우리나라 규제방안 마련 필요 ❍ EU, 미국 등 해외 주요국은 자국 관련 산업을 고려한 차별화된 규제를 추진 ※ AI 규제를 둘러싼 글로벌 경쟁에서 미국은 기업지원 중심, 유럽은 벌칙 위주로 차이가 있으나, 사전검증을 시행한다는 차원에서는 유사함 - EU AI 법안은 AI가 초래할 수 있는 위험으로부터 기본권과 안전 등의 가치를 보장하는데 초점을 두면서도 기술발전을 통한 혁신과 시장의 발전을 저해하지 않는 것을 기본방향으로 설정20) - 미국은 행정부 내에서 효력이 발생하는 행정명령을 통해 AI의 긍정적인 잠재성은 극대화하고 국가안보, 허위정보 생성, 일자리 등에 미치는 영향은 최소화하려는 규제21) ※ 미국 클라우드 서비스 제공자의 외국 고객 명단 신고 의무화는 미국 행정부의 전 세계 AI 개발기업의 정보 수집을 용이하게 하고 중국을 견제하려는 의도 17) 일본정부, ‘AI전략회의’ 및 ‘AI시대의 지식재산권검토회’에서 생성형 AI의 이용에 관한 룰을 검토, 2023 참조 18) 일본 정부, AI 안정성 확보 전담기구 내년 신설(2023.12.17.), SBS 뉴스 참조 19) 캐나다 인공지능 및 데이터 법안의 주요 내용 및 시사점, 2022 참조 20) 유럽연합 ‘인공지능법안’의 주요 내용과 시사점, 2022 참조 21) 바이든 행정부의 첫 인공지능(AI) 행정명령과 시사점, 2023 참조 - 7 - - 영국, 일본, 캐나다 등 주요국은 EU와 미국의 규제 방향을 고려하고 해당 국가의 기술수준과 산업현황 등에 기반하여 국내외 규제논의에 유연하게 대응 ※ 세계 각국은 강력한 규제에서 유연한 규제까지 다양한 규제 접근방식을 도입하고 있으며, 규제의 강도에는 차이가 있으나 AI가 초래할 부작용 및 위험에 대한 심각성을 인지하고 AI 규제 도입의 필요성에 공감 ❍ 우리나라는 현재 EU의 ‘포괄적인 규제’ 중심보다 미국의 자국 산업을 보호하고 자율적인 규제를 우선하는 접근법에 위치하고 있으며, 향후 우리나라 현실에 기반한 규제안 마련 필요 ※ 미국의 행정명령은 AI 관련 15개 기업들이 이미 합의하고 있는 자율 규제 내용들을 중심으로 현시점에서 관련 기업들이 대응가능한 항목들을 포괄하는 형태로 만들어짐22) - 우리나라는 21대 국회에서 총 12건의 AI 법안이 발의되었으며, 이 중 7개 법안을 통합한 ‘인공지능 산업 육성 및 신뢰 기반 조성에 관한 법률(안)’이 국회 과방위 법안 소위 통과(’23.2) ※ 과기정통부가 3년마다 ‘AI 기본계획을 수립･시행하도록 규정하고, 국무총리 산하 ‘AI위원회’, ‘AI 신뢰성 전문 위원회’ 및 한국지능정보사회진흥원 산하 ‘국가AI센터’ 신설 명시 ※ 고위험영역 AI를 정의하고 해당 AI에 대해서는 이용자 대상 사전고지와 신뢰성 확보 의무화 등 사업자 책무 규정 포함 - 향후, 허용과 제한의 이분법적인 접근보다는 AI 기술혁신･산업 진흥과 리스크 완화 측면을 모두 고려한 균형잡힌 규제 도입이 필요하며, EU와 미국으로 대변되는 양대 규제 방향을 포함 하여 혁신기업 등 다양한 이해관계자 의견에 기반한 규제 방안 마련 필요 ※ 우리나라 국민들은 응답자 76%가 AI 시대를 긍정적으로 전망, 업무 효율성 증대(91%), 정보접근 수월함 (90%), 일상생활 편리함(90%) 등에 대다수 동의, 반면에 AI가 미칠 부정적 영향으로 해킹 가능성(87%), 노동력 대체(85%), 불평등 심화(80%) 등 우려(한국리서치: 만 18세 이상 남여 1,000명 대상 웹 조사)23) ※ 국내에서는 AI의 신뢰성 및 안정성 담보를 위한 ‘FATE 원칙(공정성(Fairness), 책임성(Accountability), 투명성(Transparency), 윤리의식(Ethics))’이 윤리적 차원에서만 논의되고 있으나 AI 선진국의 법제화 사례를 참고하여 FATE 원칙을 반영한 AI 규제 필요 □ 해외 주요국의 AI 규제에 대한 대비뿐만 아니라 AI 국제표준 논의를 주도할 필요 ❍ EU 및 해외 주요국의 AI 규제가 우리나라 기업에 미치는 영향 등 대비 필요 - 각국이 취하는 AI 규제의 차이로 통상마찰이 발생할 가능성 존재 ※ 중국은 AI 기술에 따라 자국이 중시하는 사회주의적 가치에 반하거나 개인의 권리를 침해하는 내용의 콘텐츠 등이 생성되는 것을 규제하는 방식을 채택하고 있으며 AI 기술이 공정하게 사용될 수 있어야 한다는 입장 (AI 기술개발에 적극 참여하기 어려운 개도국 입장 대변) - AI 규제가 AI가 탑재된 상품에 적용될 경우, WTO 무역에 대한 기술장벽에 대한 협정(TBT 협정)의 준수 여부가 이슈가 될 수 있어 이에 대한 대비 필요 ※ 향후 AI에 대한 국제표준이 마련되면, WTO 회원국은 국내법이 해당 국제표준과 조화될 수 있도록 노력 하여야 하고, 이를 위반하면 TBT 협정 등 통상규범에 위배될 가능성 존재 ※ 우리나라 국가전략기술 중 하나인 AI 기술개발에서 AI 투명성 의무, 훈련 데이터 공개 등 AI 규제논의 반영 필요 22) 바이든 행정부, 인공지능 개발과 활용에 관한 행정명령 발표(2023.10.31), 보안뉴스 참조 23) 일반인 76% AI 시대 긍정적...61%는 충분한 대비 미흡(2024.01.26.), 전자신문 참조 - 8 - ❍ 통상규범적 시각을 포함하여 우리 기업과 산업의 이익이 반영될 수 있도록 향후 AI 규제 및 국제 표준 논의에 적극 참여 필요 - ’23년 5월 히로시마 주요 7개국 정상회의를 계기로 히로시마 AI 프로세스 출범24) 및 10월 첨단 생성형 AI 개발조직에 대한 이행원칙(Guiding Principles)과 행동규범(Code of Conduct)을 발표하고, 11월 AI 안전정상회의를 개최하여 블레츨리 선언 발표 28개국과 주요 기업들은 첫 글로벌 정상회의를 개최하고 국제 공동 AI 안전성 평가 프레임워크 구축, AI 안정성 국제기구 설립 필요성 등 논의 - 미국, 유럽연합 등 첨단기술에 대한 수출통제 강화와 중국의 핵심소재 수출통제 대응 등 경제안보 측면을 고려하고 양자 및 다자회의(AI 미니 정상회의 등)에서 AI 국제표준 논의 선도 필요 * ‘24년 5월 한국과 영국 공동으로 개최하는 미니 정상회의에서 AI 안전정상회의의 후속조치 점검키로 함 ※ 유럽연합은 일본과 반도체와 인공지능 등 핵심분야에서 긴밀한 협력(‘23.7)에 이어 AI 규제에서도 EU와 일본이 한목소리 낼 가능성25) ※ 일본은 이미 히로시마 프로세스를 통해 개도국 입장을 고려하고 있으며, 중국도 개도국 입장을 대변하고 있어 우리나라 또한 개도국의 디지털 격차 해소 등 선진국과 개도국 간 기술격차 해소를 위한 가교역할 중요26) 참고문헌 ∙ EC, “White Paper on AI: a European approach to excellence and trust”, 2020 ∙ European Parliament, “AI Act: a step closer to the first rules on AI”, Press Releases, 2023 ∙ EU, “Communication from the Commission, AI for Europe”, 2018 ∙ EU, “Ethics Guidelines for Trustworthy AI, High-level expert group on AI”, 2019 ∙ EU, “Coordinated Plan on AI 2021 Review”, 2021 ∙ EU, “AI act council calls for promoting safe AI that respects fundamental rights”, Press release, 2022 ∙ EU, “Proposal for a Regulation laying down harmonised rules on artificial intelligence (Artificial Inteligence Act)”, 2021 ∙ OECD, “Recommendation of the Council on AI”, 2019, 2023 ∙ The White House, “FACT SHEET: VIce Presdient Harris Announces New U.S. Initiatives to Advance the Safe and Responsible Use of Artificial Intelligence”, 2023 ∙MIT Technology Review, “What’s next for AI regulation in 2024?”, 2024 ∙ EC, “Coordinated Plan on Artificial Intellignece”, 검색일: 2024.2.1.(https://digital-strategy. ec.europa.eu/en/policies/plan-ai) 24) 관련 내용은 OECD, ‘G7 히로시마 프로세스 논의 지원을 위한 보고서’의 주요 내용 및 시사점, 2023 참조 25) 관련 내용은 https://www.dt.co.kr/contents.html?article_no=2023100902109931081004&frommobile=1 참조 26) 최근 국제 인공지능 거버넌스 논의 동향: EU 인공지능 법안을 중심으로, 2023 참조 - 9 - ∙국가안보전략연구원, “바이든 행정부의 첫 인공지능(AI) 행정명령과 시사점”, 2023 ∙한국저작권위원회, “일본정부, ‘AI전략회의’ 및 ‘AI시대의 지식재산권검토회’에서 생성형 AI의 이용에 관한 룰을 검토”, 2023 ∙홍석한, “유럽연합 ‘인공지능법안’의 주요 내용과 시사점”, 유럽헌법연구, 2022, 통권 38호, pp. 243-282 참조 ∙국립외교원 외교안보 연구소, “최근 국제 인공지능 거버넌스 논의 동향: EU 인공지능 법안을 중심 으로”, 2023 ∙ KISA, “인터넷･정보보호 법제동향” Vol.178, 2022 ∙ NIA, “캐나다 인공지능 및 데이터 법안의 주요 내용 및 시사점”, 2022 ∙ NIA, “영국 AI 규제 백서의 주요 내용 및 시사점”, 2023 ∙ NIA, “영국 AI 규제 백서 주요 내용 및 시사점”, 2023 ∙ NIA, “캐나다 ‘AI 및 데이터 법안’의 주요 내용과 시사점”, 2022 ∙ OECD, ‘G7 히로시마 프로세스 논의 지원을 위한 보고서’의 주요 내용 및 시사점, 2023 ∙디지털타이스, “EU･일본, AI 규제 한배 타나...준수 여부 감독･공표 관건”(2023.10.9.), 검색일: 2024.2.1.(https://www.dt.co.kr/contents.html?article_no=2023100902109931081004&fr ommobile=1) ∙머니투데이, “채찍보다는 당근을...中, 생성형 AI 첫 규정 발표”(2023.7.13.), 검색일: 2024.2.2. ∙법률신문, “EU AI 법안의 EU 의회 수정안 주요 내용”(2023.5.31.), 검색일: 2024.2.1. ∙보안뉴스, “바이든 행정부, 인공지능 개발과 활용에 관한 행정명령 발표”(2023.10.31.), 검색일: 2024.2.1. ∙전자신문, “일반인 76% AI 시대 긍정적...61%는 충분한 대비 미흡”(2024.01.26.), 검색일: 2024.2.1. ∙ KOTRA, “중국, 생성형 AI 서비스 관리에 나서”(2023.7.31.), 검색일: 2024.1.31. ∙ SBS 뉴스, “일본 정부, AI 안정성 확보 전담기구 내년 신설”(2023.12.17.), 검색일: 2024.2.1. - 10 - 참고 1 EU 의회안의 주요 변경사항 □ 기존 EU 집행위원회에서 마련한 초안과 비교하여 변경된 EU 의회안의 주요 사항 <표> EU 의회안 변경사항27) 구분 주요 변경내용 파운데이션 모델 - 파운데이션 모델을 고위험을 분류하지 않았으나, 모델 위험 관리 및 기술문서 제공 등의 엄격한 요구사항 규정 - 생성 AI에 사용되는 파운데이션 모델의 경우, 위험한 콘텐츠 생성 방지, 학습데이터의 저작용 정보 공개 의무 등 부과 AI 시스템의 정의 - AI 시스템을 ‘다양한 수준의 자율성으로 작동하도록, 설계되었으며, 명시적 또는 암묵적 목표를 위해 물리적 또는 가상환경에 영향을 미치는 예측, 추천 또는 결정과 같은 결과를 생성하는 기계 기반(machine-based) 시스템’으로 정의 고위험 AI 시스템 범위 - 고위험 AI 시스템 목록에 ‘대규모 온라인 플랫폼으로 지정된 소셜 미디어의 추천시스템’ 등 추가 - 고위험 AI 시스템 목록에 해당하는 경우에도 ‘인간의 건강, 안전 또는 기본권에 상당한 위험을 야기하는 경우에만’ 고위험으로 간주 금지된 위험 AI 시스템 범위 - 공공장소에서의 실시간 원격 생체인식 시스템 사용 전면 금지 - 금지되는 AI 시스템 목록에 ‘민감정보를 활용한 생체인식 분류 시스템’, ‘스크래핑을 통해 안면 인식 DB를 구축하는 시스템’ 등 추가 고위험 AI 시스템 배포자의 의무 - 고위험 AI 시스템을 활용하여 서비스를 제공하는 자(고위험 AI 시스템 배포자)에게 기본권 영향 평가 수행 등 강화된 의무 부여 중소기업 불공정 계약 규제 - 중소기업(SME) 또는 스타트업에 일방적으로 부과되는 불공정한 계약 조건의 구속력을 부정하는 조항 추가 이용자 권리 - 이용자에게 고위험 AI 시스템에 대한 설명요구권 등 권리 부여 벌칙 - 금지되는 AI 이용 행위에 대한 과징금 상한액이 전세계 연간 매출액의 6% 또는 최대 3,000만 유로에서 전 세계 연간 매출액의 7% 또는 최대 4,000만 유로로 상향 조정 유예기간 - 법 통과 후 시행까지 유예기간이 3년에서 2년으로 단축 27) EU AI 법안의 EU 의회 수정안 주요 내용(2023.5.31.), 법률신문 참조 [ KISTEP 브리프 발간 현황 ] 발간호 (발행일) 제목 저자 및 소속 비고 112 (24.01.08.) 무기발광 디스플레이 진영현·오세미 (KISTEP) 기술주권 113 (24.01.12.) 2022년 우리나라와 주요국의 연구개발투자 현황 이새롬·한웅용 (KISTEP) 통계분석 114 (24.01.12.) 2022년 우리나라와 주요국의 연구개발인력 현황 이새롬·한웅용 (KISTEP) 통계분석 - (24.01.22.) KISTEP Think 2024, 10대 과학기술혁신정책 아젠다 강현규･이민정 (KISTEP) 이슈페이퍼 (제357호) - (24.01.25.) 국가연구개발 성과분석 프레임워크 개발 및 적용 박재민･문해주･김수민･박서현 (건국대학교) 이호규(고려대학교) 강승규(한국조달연구원) 이슈페이퍼 (제358호) 115 (24.01.25.) 세계경제포럼(WEF) Global Risks 2024 주요 내용 및 시사점 이미화 (KISTEP) 혁신정책 116 (24.01.25.) 기후변화와 기후 지구공학 정의진･임현 (KISTEP) 미래예측 117 (24.01.26.) 단백질 구조예측 및 디자인 전수진･한민규 (KISTEP) 기술동향 - (24.01.29.) 신약개발 분야 정부 R&D 현황과 효율성 제고 방안 송창현･엄익천(KISTEP) 김순남(국가신약개발사업단) 이원희(유한양행) 이슈페이퍼 (제359호) - (24.01.31.) 반도체 분야 정부연구개발투자의 효과성 분석과 개선방안 김준희･엄익천(KISTEP) 오승환(경상국립대학교) 전주경(한국특허기술진흥원) 이슈페이퍼 (제360호) 118 (24.02.01.) 인공지능이 변화시킬 미래 연구수행 모습 이상남 (KISTEP) 미래예측 119 (24.02.13.) EU 인공지능(AI) 규제 현황과 시사점 강진원･김혜나 (KISTEP) 혁신정책

12 3 4 5 6 7 8 9 10

충청북도 음성군 맹동면 원중로 1339 (우:27740) | 대표전화:043-750-2300

K2Base - 과학기술정책지원서비스

KISTEP브리프

첨부파일 종류