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 늘어남*에 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 기업**의 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 노력*을 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
유치*하면서 기업들이 몰려 들어 급속도로 성장**했고, 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 지역*으로
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 지역*에 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 재구조화*하고 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 성과*를 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 가중치*를 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 분석세트*에 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 분석세트*에 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 법안들*을 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 Toolkit*들을
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 문제*를 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 정보*의 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 기준*을 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 제도개선*을 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 원칙*에 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 CCBY라이선스*에 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 DMP제도*를 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 적용*되고 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
※ EU의 대표적인 연구지원 프로그램인 Horizon 2020은 7년간(’14~’20) 예산이 600억 유로
지원되었는데, EU 회원국 중 영국의 예산 배분이 12.1%로 독일에 이어 두 번째로 높음
* 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 프로그램*에 복귀함에 따라 프로그램과의 연계를 통해
영국의 지구관측 부분에 대한 데이터 접근이 가능해짐
*유럽연합(EU)과 유럽우주국(ESA)이 공동 진행하는 지구관측 프로그램
- 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)
※ 2016년 이후 영국은 모든 산업군에서 기업 투자 증가율이 G7의 다른 국가들보다 낮으며,
브렉시트 이후 무역장벽이 더욱 높아져 수입 비용이 증가하고 노동시장의 경직성이 높아져
대규모 민간 투자가 어려운 상황
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
*과학기술회의는 공동의장과 19명의 민간위원으로 구성(임기 3년, 최대 10년까지 연임 가능)
- 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
※ 과학기술회의 프로젝트에는 생물학 연구 지원, 국제 과학기술 파트너십을 통한 국내 목표 달성,
창조산업 및 영국의 우주 및 위성 분야의 역량 강화 등이 포함
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
※ 영국의 비부처 공공기관은 정부의 주요 정책 목표와 관련하여 정부 부처 및 기관과 연계하여
활동하며, 특별 법률에 따라 고유한 법적 지위와 재정 독립성을 가지고 있어 자체적인 예산
운영이 가능
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)와 UKRI는 연구회와 UKRI를 넘나드는 활동에 투자된 자금의 약 64%가
Research England에 투자되도록 이중지원 시스템 유지 (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) 보고서에 따르면, 연구회 및 Innovate UK 등에 지원된 보조금 성격의
투자 지원금을 통해 약 15만개의 일자리 창출과 430억 파운드의 매출액 발생
※ 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
※ 다년도 예산배분을 통해 현재 7개의 연구회, Innovate UK, Research England는 세부 전략을
수립하여 이행
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
*분명한 목적이 없는 연구 또는 순수한 호기심과 아이디어에서 비롯된 기초연구로서, 연구 결과를
실제 세계에 어떻게 적용할지 예측하기 어려운 기초과학 영역의 연구
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 UKRI의 거버넌스 체계에서는 어려울 수 있는 높은 수준의 연구에 자금을 지원
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
※ ’24년 2월, 핵심기술 식별 이후의 기술개발과 확산에 초점을 두고 ‘Developing and deploying
critical technologies’로 변경
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) 영국이 우위를 가진 기술은 개발부터 상업화까지의 모든 과정을 영국이 주체가 되어
수행, (Collaborate) 영국이 지배적인 우위를 지니고 있지 않지만, 목표 달성을 위한 다른 국가와
협업, (Access) 다른 국가와의 거래 혹은 협력을 통한 중요 과학기술 습득
(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
※ ’21년 영국은 생명공학 분야를 통해 940억 파운드 규모의 경제적 가치를 창출 (전년 대비
약 9% 증)
l ’23년 5월, 과학기술회의(CST)는 공학생물학의 혁신이 경제에 미치는 영향을 이해하고 공학
생물학 실현을 위해 필요한 역할을 구체적으로 제시
※ 영국이 생명공학 분야 선두 국가의 지위를 공학생물학 분야에서 유지하기 위해 국가연구기관
설립, 생물학 시스템의 측정 지표 개발, 장기적 공학생물학 전략 수립 등을 제언
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 UK는 의약품 제조혁신 프로그램을 통해 핵산의약품, mRNA 의약품 품질개선, 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)
*외딴 지역을 중심으로 영국 전역에 디지털 인프라를 구축하여 기업의 생산성과 공공서비스 수준
향상을 목적으로 한 50억 파운드 규모의 통신 인프라 구축 프로그램
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
협력하고 핵심 인프라에 대한 공개적 접근을 도모
- (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 안전은 모든 이에게 영향을 미치는 문제임을 인식하고 ‘프론티어 AI’ 기술과 관련한 위험 공동
관리 및 상호 협력적인 정책을 공유하기로 미국, 중국, 한국, 일본 등 28개국과 합의
- ‘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 Pilot을 시작하여 글로벌 양자기술 표준을 선도하고 양자
네트워크 기술개발 가속화를 위한 1천만 파운드 투자, 상업적 용도의 양자기술 개발을 위한
캐나다와의 파트너십 강화에 400만 파운드 이상을 지원하기로 발표
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 성명서*를 통해 우주클러스터 및 인프라 기금에 최대 5,900만
파운드를 투자하여 15개 프로젝트에 지원하고, 민간 부문의 투자를 장려하는 방안을 발표
*영국 재무부는 연 2회(봄/가을) 국가 경제 및 재정 전망과 예산을 발표
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)
* ’22년 코페르니쿠스의 참여 지연으로 인한 영향을 최소화하기 위해 만든 자체 지구관측 프로그램
으로 최대 2억 파운드 자금지원 패키지
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
※ 본 로드맵은 첨단제조, 자율・인공지능, 통신・미션 수행, 현장 자원 활용, 로봇공학 등 우주 탐사
기술에 대한 역할, 국가 역량 및 지원 요구사항을 포함
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
※ 2020년 정부연구개발 순지출액은 지난 10년간 가장 높은 수준인 153억 파운드를 기록하였으며,
2021년에는 그 규모가 감소하였으나 코로나19 팬데믹 이전인 2019년 대비 7% 상승한 145억
파운드 규모임
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 UKRI가 설립되면서 연구회의와 기업・에너지・산업전략부(BEIS)의 일부 기능이 이전
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
24/25년까지 연간 19억 7천만 파운드까지 증가시키고, 그밖에 연구자본투자기금과 상업화에
초점을 맞춘 지식교환을 위한 고등교육혁신기금도 증가할 계획
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
*영국은 정부R&D 예산의 63%(’22~’25년 평균)를 UKRI에 할당
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 예산 배분 이후 연구프로젝트 또는 프로그램 결정은 홀데인 원칙(Haldane principle)에
따라 정부와 독립적으로 이루어짐
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
※ 미래 핵심기술은 특정 국가 주도보다는 다국가 컨소시엄 형태의 연구프로젝트로 추진하고 있으므로,
적극적인 국제 공동연구와 글로벌 연구프로그램 참여를 촉진하는 것이 필요
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
※ 영국은 과학기술 전담 부처(과학혁신기술부)를 출범시키고, 공공 부문의 과학기술 혁신과 민간
투자를 확대하고자 과학기술 프레임워크 발표 및 국가 차원의 핵심기술 선정・관리 등을 통해
R&D투자를 |