1. 개요

가. 개념

(1) 정의

□ 인공지능(AI)은 인간의 인지 추론 판단 등의 능력을 컴퓨터로 구현하기 위한 기술 혹은 연구 분야 등을 총칭하는 용어

○ 컴퓨터와 같은 기계는 인간보다 제어 연산 등의 능력이, 뛰어나지만 사람이 가지고 있는 지능을 기반으로 하는 인지 추론 판단 등의 능력은 갖추고 있지 않아 사람 고유의 능력을 컴퓨터에서 구현해 보고자 시작된 기술임

- 사람의 생각과 관련된 활동 예를 들면 의사 결정 문제 해결 학습 등의 활동을 자동화하는 것 (Bellman,1978)

- 사람이 하면 더 잘 할 수 있는 일을 컴퓨터가 하도록 하는 방법을 찾는 학문 (Rich & Knight, 1991)

- 지능이 요구되는 일을 할 수 있는 기계를 만드는 예술 (Kurzweil, 1990)

- 지능적인 에이전트를 설계하는 학문 (Poole et al. 1998)

- 인지하고 추론하고 행동할 수 있도록 하는 컴퓨팅에 관련된 학문 (Wilson, 1992)

- 인공물이 지능적인 행위를 하도록 하는 것 (Nisson, 1990)

□ 인공지능 산업은 인공지능 기술 개발 및 인공지능 적용 제품･서비스･플랫폼의 생산, 유통, 활용, 부가서비스 (조사/분석, 컨설팅, 중개 등) 과정에서 가치를 창출하는 산업으로 정의

○ 자율주행 자동차, 드론, 인공지능 비서 등 전 산업분야에서 인공지능을 기반으로 한 새로운 기술 혁신을 형성

(2) 필요성/시급성

□ 생성형 인공지능을 중심으로 인공지능의 활용성과 가치가 상승함에 따라 인공지능의 산업 적용사례가 빠르게 증가하며 인공지능 생태계가 상업화 단계에 진입하는 변화 추세

○ 인공지능 기술발전의 주체가 학계에서 산업계로 변화하는 추세로 산업계 주도의 AI 발전으로 관련 기업의 기술 개발이 활발해 질 것으로 전망

□ 다보스 어젠다를 주최한 세계경제포럼에 따르면 AI는 2030년까지 세계 경제에 15조 달러 이상 이바지할 것으로 전망

○ 코로나 상황에 기인하여 데이터·5G·AI 중심의 의료, 금융, 교육 등 비대면 시장이 급성장하고 전문 AI 플랫폼 기업들은 일반 개발자와 더불어 특정 영역의 전문기업들의 협력을 통해 생태계를 확장하는 전략에 중점

□ AI 기술의 비약적인 발전으로 국내외적으로 경제성장과 사회 난제 해결의 돌파구가 마련될 것으로 기대

○ AI는 대량의 데이터가 생성되는 분야면 적용될 가능성이 더 크며 사회관계망 서비스 인터넷 상거래 금융 거래 병원 처방 등 우리의 행동이 모두 데이터로 기록되고 이를 활용해 다양한 산업적 활용이 가능

○ AI는 단순 신기술이 아닌 경제 및 사회 변혁의 핵심 동력으로 작용하여 각국 경제성장에 비약적인 파급효과를 실현할 전망으로 선도국은 기술력을 선점하기 위한 국가 차원의 대책을 추진

나. 구축 범위

(1) 산업특징 및 구조

□ AI 분야는 후방산업의 기술이 기술 발전에 가장 많은 영향을 받는 분야

○ 후방산업의 기술력으로 만들어진 AI 기반 SW를 통해서 전방산업이 완성될 수 있으므로 후방산업의 기술 의존도가 매우 높음

○ 전방산업은 후방산업의 기술력이 더해져 더욱 다양한 서비스와 산업의 형태로 진화할 것으로 보이며, 특히 분야에서 엄청난 영향을 미칠 것으로 판단

[ AI 분야 가치사슬 ]

□ 인공지능 기술은 기존 산업의 지능화를 통해 글로벌 핵심시장 선점을 촉발하는 마중물 역할로서 중요한 위치에 존재

○ 주요 산업에 인공지능 기술 적용 시 예측되는 전망 분석을 통해 다양한 산업종사자들의 기술 신뢰 및 원활한 접근이 가능하도록 기틀 제공

(2) 대표적 분류 기준

□ AI와 관련된 기술 분야를 구분하는 방법은 다양하지만 지능정보산업협회의 최근 연구 결과를 바탕으로 구분

[ AI 산업 분류 프레임 ]

□ AI 산업 분류는 한국표준산업분류(KSIC)체계를 기반으로 세부 업종을 3개 분류로 구성

○ AI 산업 분류체계는 인공지능 소프트웨어 개발 및 공급업(2개 중분류), 인공지능 구축·관리 및 관련 정보서비스업, 인공지능 연산 및 처리 부품/장치 제조업 등 3개의 대분류로 구분

[ AI 산업 분류체계 ]

(3) 기술로드맵 전략분야 특정

□ 본 전략 분야에서는 다양한 산업 분야의 디지털 전환에 따라 AI 융합이 진행중인 미래 유망산업 분야를 중심으로 AI를 구성하고 타 전략 분야와의 중복 AI 분야에 대한 정부 정책 방향 중소기업 적합성 등을 고려한 항목 구성

○ 다양한 산업 분야의 디지털 전환에 따라 AI 기술 융합이 진행중인 미래 유망 산업 분야를 중심으로 AI 범위 구성

○ 전문가 평가를 통해 전략 분야별 상품 및 기술을 선정하고 관련된 기술 분야 중 인공지능 하드웨어를 제외한 나머지 전 분야를 포함

[ AI 분야 전략분야 범위 ]

2. 환경 분석

가. 정책동향

(1) 주요국 정책동향

□ 주요국은 대부분 AI를 국가적 우선순위로 인식하며 관련한 지원 정책을 추진하고 있는 추세이며 자국 내 AI 전략 마련을 통해 글로벌 AI 산업 경쟁 대비 필요성 증가

[ 주요국 AI 정책동향 ]

(2) 국내 정책동향

□ ‘대한민국 초거대 인공지능(AI) 도약’방안 발표하며 개방형 혁신을 통한 초거대 인공지능 경쟁력 강화와 인공지능 신뢰성 제고(’23.09)

○ ’24년 9,090억원 투입을 시작으로 국민 일상, 산업현장, 공공행정 등 국가 전방위적으로 인공지능을 확산하는‘전국민 인공지능 일상화’ 추진

□ 인공지능 일상화 및 산업 고도화 계획을 발표하며 AI 강국 도약을 위한 핵심 프로젝트 추진(’23.01)

○ 대한민국 디지털 전략(’22.09), 新성장 4.0 전략(’22.12)등 AI분야 후속 실행계획으로 디지털 핵심인 AI 강국 도약을 위한 핵심 프로젝트 추진

○ 인공지능이 주도하는 디지털 경제 시대, 그간의 성과와 한계를 극복하고 인공지능 글로벌 강국으로의 도약을 위한 새로운 전략 필요

□ 윤석열 정부 ‘12대 국가 전략기술’발표하며 12대 전략분야에 인공지능 분야 포함(’22.11)

○ 12대 전략기술은 반도체·디스플레이, 이차전지, AI, 첨단모빌리티, 차세대 원자력, 첨단바이오, 우주·항공, 해양, 수소, 사이버보안, 차세대통신, 첨단로봇·제조, 양자로 선정

○ 기술별 전략 이행안을 수립해 전략적 투자 확대 및 임무중심으로 연구개발투자를 통합·조정해 성과창출을 지원, 국가전략기술 핵심인재 확보에 역량 집중 등을 통해 국가전략기술 육성

□ 제1차 국가 데이터 정책 위원회 출범하며 양질의 데이터를 생산하고 이를 신산업 창출과 혁신에 적극적으로 활용(’22.09)

○ 윤석열 정부는 데이터 정책의 컨트롤타워를 구축하여 민간과 정부의 역량을 모으고, 데이터 강국으로 도약을 위한 전략을 체계적으로 추진해나갈 계획

○ 정부는 공공데이터의 획기적인 개방, 민간 주도의 데이터 유통·거래 기반 마련 등을 통해 데이터의 생산·유통·활용의 가치사슬이 활성화 도모

□ 과학기술정보통신부는 ‘새 정부의 5대 핵심과제’를 발표하며 인공지능, 데이터, 메타버스 등을 디지털 혁신을 위한 핵심분야로 선정(’22.07)

○ 민·관 공동개발, 수요시장 창출, 민간 기술이전 등 다양한 방식으로 민간투자를 유도하며, 기술개발(R&D) 기반 미래 유망 신산업을 선점하기 위한 ‘새 정부의 5대 핵심과제’를 발표

○ 도전적 R&D 및 데이터의 연계·활용 확대를 통해 글로벌 수준의 인공 지능 역량을 확보하여 산업·사회 전 분야에서 융합을 위한 이행계획을 수립

□ 한국판 뉴딜종합계획 발표하며 국가 프로젝트에서 AI 중요성 강조(’21.07)

○ 코로나 19 사태 이후 경기 획복을 위해 마련한 국가프로젝트에서 AI 중요성을 강조하며 특히 블록체인 등 디지털 신기술을 활용, 국민에게 맞춤형 공공 서비스를 미리 알려주고 신속히 처리해주는 똑똑한 정부인 ‘지능형 정부’ 구축 추진

○ 또한 개인맞춤형 공공서비스를 신속 처리하는 지능형 정부로 혁신 및 5G 업무망·클라우드 기반 공공 스마트 업무환경 구현

나. 산업 여건 및 시장 현황

(1) 국내 산업 여건

□ 인공지능 산업실태조사에 응답한 1,915개의 기업체의 ’20년부터 ’22년까지의 인공지능 매출액은 ’20년 1.9조 원, ’21년 2.5조 원, ’22년 3.9조 원으로 나타났으며, 3년 평균 매출액 증가율은 42.7%로 조사

○ 평균 인공지능 매출액은 ’20년 16.2억 원, ’21년 20.2억 원, ’22년 28.6억 원으로 파악

□ 인공지능 매출 발생 여부에 대해 조사 결과, ’20년 62.6%, ’21년 66.5%, ’22년 84.8% 기업체에서 인공지능 매출이 발생한 것으로 나타나 매년 매출 발생 기업의 수가 증가하는 것으로 파악

(2) 시장 규모 및 전망

① 세계 시장

□ 세계 AI 시장은 ’21년 866억 달러에서 ’27년 6,007억 달러로 연평균 38.1% 성장 전망

○ AI M&A 시장이 급성장함에 따라 글로벌 기업들은 적극적인 대규모 펀딩과 투자를 확대하는 등 기술 경쟁력을 강화하기 위한 투자에 집중

[ AI 세계 시장 규모 및 전망 ]

(단위 : 십억 달러, %)

구분	‘21년	‘22년	‘23년	‘24년	‘25년	‘26년	‘27년	CAGR (‘21∼’27)
세계시장	86.6	119.7	165.2	228.1	315.0	435.0	600.7	38.1
* 출처 : Global Artificial Intelligence Market Size_SkyQuest(‘23.04)

② 국내 시장

□ 국내 AI 시장은 ’21년 8,072억 원에서 ’27년 4조 4,630억 원으로 연평균 14.9% 성장 전망

○ 다양한 산업에서 AI 채택을 가속하는 가운데, 여러 서비스 사업에서 AI 기반 혁신이 이뤄지면서 시장 성장에 속도가 붙을 것으로 전망

[ AI 국내 시장 규모 및 전망 ]

(단위 : 억 원, %)

구분	‘21년	‘22년	‘23년	‘24년	‘25년	‘26년	‘27년	CAGR (‘23∼’27)
국내시장	8,072	22,740	26,120	30,660	34,380	39,450	44,630	14.9
* 출처 : 국내 인공지능 분석 시장 전망, 2023-2027_한국IDC(‘23.04)

(3) 주요 업체 동향

① 해외 업체

□ 구글, 애플, 아마존 등의 빅테크 기업에서 인공지능 기술을 제품 및 서비스에 융복합하여 AI 기술 개발이 활발히 이루어지고 있으며 현재 ChatGPT 공개 이후 생성형 AI에 대한 관심이 증가

○ (OpenAI, 미국) 대화형 인공지능 서비스 ChatGPT가 ’22년 11월 공개되며 폭발적으로 가입자가 증가

○ (Deep Mind, 미국) 구글의 인공지능 프로그램 개발회사인 딥마인드는 단백질 구조를 파악하는 인공지능인‘알파폴드(AlphaFold)’개발

○ (Nvidia, 미국) 미국 자사의 GPU의 탁월한 성능을 기반으로 AI, 드론, 자율주행차 반도체 분야로 발 빠르게 사업 확대

○ (Amazon, 미국) AI 기반의 자사 음성인식 비서인 알렉사(Alexa)의 애플리케이션을 전면 개편해 ’20년 7월 27일부터 보급 시작

○ (META, 미국) 챗봇 (Chatbot)기능을 도입한 기업용 메신저를 통해 별도의 앱을 실행하지 않고 채팅창에서 정보를 확인하고 처리할 수 있는 등 다양한 기능을 연결하는 O2O 플랫폼으로 활용

○ (Apple, 미국) Apple이 인수한 대표적인 AI 기업으로는 인덕티브, 보이시스, 풀스트링, 실크랩스, 투리, 드라이브, AI 등 구글, 아마존 등 어떤 테크기업보다 많은 AI 스타트업을 인수

○ (Microsoft, 미국) 자사의 클라우드 ‘애저(Azure)’에 AI‘코타나’를 결합하여 기존 오피스 및 운영체제 제품군을 강화 중이며 ‘애저’를 닛산, 도요타에 자율주행 플랫폼으로 공급

○ (IBM, 미국) 미국 의료 전문 플랫폼인 AI ‘Watson Health’를 운영하며 다수의 헬스케어 서비스 기업들을 참여시켜 의료 분야 산업 생태계를 구성

○ (Alibaba, 중국) 알리바바는 전자상거래 플랫폼으로 고객 서비스와 패턴 예측에 AI를 활용하는 대표 기업

○ (Baidu, 중국) 중국의 최대 검색 엔진 포털 사이트인 바이두는 2014년 미국 실리콘밸리에 3억 달러를 투자하며 일찍부터 AI 기술 개발을 시작

② 국내 업체

□ 국내 대기업에서는 자체 초거대 AI 모델을 개발하는 연구 활발히 진행

○ (삼성) 삼성 리서치를 기반으로 총 5개국에 7개 삼성 AI 센터를 설립하여 AI 기술 개발 진행

○ (네이버) 네이버는 2022년 개발자가 뽑은 국내 최고의 인공지능기업에 선정되는 등 국내 최고 수준의 인공지능 기술을 보유

○ (LG CNS) 클라우드 기반으로 인공지능을 활용해 데이터 수집에서 분석, 결과 시각화까지 일련의 과정을 빠르게 수행하여 기업들의 데이터 기반 의사결정을 돕는‘답(DAP)’서비스를 출시

○ (카카오) 카카오브레인을 통해 초거대 언어모델 AI ‘코지피티(KoGPT)’개발

□ 국내 스타트업은 특정 산업에 적용할 수 있는 AI 기반 솔루션 개발 진행

○ (마인즈랩) 클라우드 기반 AI 플랫폼은 ‘maum.ai’를 기반으로 AI Human, AI 콜센터, AI 회의록 등 AI 데이터 서비스 제공

○ (인테리젠) AI 데이터 분석 플랫폼인 ‘Dfinder AI’제공하여 금융 거래, 제조 불량 판단, 자금 세탁 방지 등 여러 분야에서 활용

○ (뷰노) ‘뷰노메드 본에이지’는 국내 대형병원에서 다년간 수집된 X-ray 영상 수만 건을 학습한 AI 프로그램으로 의사를 보조할 수 있는 수준의 판독 능력 형성

○ (셀바스) AI 음성인식 솔루션 ‘셀비 메디보이스’ 시장 확대 적용 예상

○ (루닛) 딥러닝 기술과 20만여 장에 이르는 양질의 엑스선 영상데이터가 만나 개발된 AI솔루션인 영상 분석 시스템 ‘루닛 인사이트(Lunit INSIGHT for Chest Radiography NoduleDetection)’(X-ray) 를 개발하여 2019년 1월부터 건강검진 시 흉부 엑스선 영상 판독에 활용

○ (브리지텍) AI 콜센터 제품인 아테나 출시를 통해 AI 상담사, AI 상담 도우미, 개인비서 등의 서비스를 제공 평창 동계 올림픽 콜센터 실증사업에 참여

○ (아임클라우드) AI 채팅봇 ‘에디’를 출시, 콜센터로 들어오는 고객의 채팅 질의에 자동으로 답변

○ (포티투마루) 세계 최고 수준의 응답률을 자랑하는 딥 시맨틱(Deep Semantic) QA 플랫폼의 대화 AI 개발

다. 기술 및 표준화(규제) 동향

(1) 기술개발 동향

□ (AutoML 기술) 데이터 과학자 도움없이 기계 스스로 ML 모델을 자동 생성하여 인공지능을 만드는 AutoML 기술에 대한 개발 확대 추세

○ 머신러닝 개발과정에서 소모적이고 반복되는 작업을 자동화하는 프로세스인 AutoML의 지속적인 부상으로 기업의 수요 또한 빠르게 증가할 것으로 전망

○ AutoML 기술로 데이터 수집/전처리, 특징 추출/설계, 모델 선택/튜닝/ 최적화 등의 과정을 자동화하여 비전문가들의 인공지능 서비스 개발 진입 장벽을 크게 낮추며 이로 인해 인공지능 전문 인력 부족 문제를 완화할 것으로 기대

□ (딥러닝 기술) 온 디바이스 인공지능을 위한 경량 딥러닝 기술에 관심 집중

○ 기존 대용량 데이터와 고성능 컴퓨팅 자원을 가진 중앙 클라우드 서버 기반의 딥러닝 기술을 대용량의 데이터를 처리하기에 충분한 하드웨어를 지원하지 못하는 엣지 디바이스에 적합한 경량 딥러닝 기술 개발 진행

□ (대규모 언어모형) 글로벌 빅테크 기업들은 경쟁적으로 대규모 언어모형을 발표하고 있으며 규모가 기하급수적으로 증가

○ (언어모형) 언어모형은 컴퓨터가 글이나 대화를 이해하도록 만드는 인공지능을 뜻하며 사람과의 협업 및 교류에서 혁신적인 변화를 야기(예 : 번역, 문장 생성, 챗봇 등

○ (대규모 언어모형: LLM, large language model) 언어모형은 성능의 향상과 범용성을 늘리기 위하여 점점 더 커지고 있으며 최근에는 실제 사람과 유사한 수준의 대화를 할 정도로 발전

○ (언어모형의 규모) 언어 학습을 위해 일반적으로 변환기(Transformer) 기반의 모형을 사용, 언어모형의 규모는 해당 모형에서 학습하는 매개변수(파라미터 혹은 가중치)의 개수를 지칭

○ (규모적 확장 이유) 규모적 확장은 모형의 성능향상 (딥러닝 모형은 일반적으로 매개변수 개수에 비례하여 정확도가 상승 뿐만 아니라 다양한 임무 (번역 문장생성 감정분석 등)를 수행할 수 있는 범용성을 개선하는 과정

○ (대표모형) 오픈AI GPT-3의 등장으로 AI가 인간 수준의 언어능력 구현이 가능한 것으로 확인되며 구글의 PaLM, 네이버의 하이퍼클로바. 화웨이의 PanGu-Alpha 등 대규모 언어모형들이 차례로 등장

○ (소규모 언어모형) 대규모 언어모형의 학습에는 엄청난 비용이 필요하고 실생활에서 사용하기에는 너무 무거우므로 이를 보완하기 위한 소규모 모형 80억 개 이하 파라미터에 대한 연구가 진행

□ (멀티모달 학습) 성능향상을 위해 한 종류의 데이터 외에 여러 형태의 데이터를 종합적으로 활용하여 학습을 진행하는 방식인 멀티모달 학습이 제안되었으며 뛰어난 성과

○ 멀티모달이란 한 종류의 데이터 외에 여러 형태의 데이터를 종합적으로 활용하여 학습을 진행하는 방식으로 고객과 다양한 접점에서 원하는 검색 결과를 제공하거나 고객의 질문에 자연스럽게 대화하고 상담할 수 있는 멀티모달 AI 원천기술 개발 및 상용 서비스 등장

○ 글로벌 AI 기업들은 학습데이터에 이미지를 추가해 대규모 언어모형을 대규모 멀티모달 모형으로 확장

□ (생성형 인공지능) 대형 인공지능의 성능은 단순한 인지능력(시각, 청각 등)의 모방을 넘어서 스스로 이미지･텍스트 등 콘텐츠를 생산하는 생성적 인공지능으로 진화

○ (생성적 인공지능) 대규모 멀티모달 AI는 다양한 형태의 데이터를 배움으로써 사람의 명령에 따라 원하는 형태의 콘텐츠를 생산할 수 있는 생성적 인공지능의 형태로 진화

○ (이미지 생성) 생성적 인공지능의 가장 대표적인 활용예시는 텍스트 기반 이미지 생성 인공지능으로 인공지능에게 키워드를 제시하면 그에 맞는 이미지를 생성하는 형태가 일반적

□ (인공지능의 편향성 문제 발생) 인종･성별･정치･종교적으로 편향된 기존 사회의 데이터를 학습한 인공지능은 편향된 결과물을 생성하며 이는 확장된 인공지능에서 더욱 두드러짐

(2) 표준화(규제) 동향

□ 국외 공식 인공지능 표준화 기구에는 ITU-T-SG2(Operational aspects)가 있으며 효율적인 전기통신망의 운영 및 관리 관련 분야 인공지능 기술 적용 표준을 개발 담당

○ 주요 개발 내용으로는 인공지능 기반의 5G RAN 시스템 에너지 절약 관리 요구사항, 인공지능을 활용한 통신 운영 및 관리 프레임워크, 인공지능을 활용한 통신 운영의 작업 절차 요구사항, 인공지능을 활용한 통신 운영 및 관리의 지능 레벨 등의 표준을 개발

[ 국외 인공지능 표준화 현황 ]

□ 국내에서는 인공지능의 국가 표준화를 위해 국가기술표준원, 국립전파연구원 등에서 용어 표준 제·개정 작업 등을 수행하고 각 단체에서는 산업별 인공지능 표준화를 위한 개발 추진

[ 국내 인공지능 표준화 현황 ]

라. 환경분석 종합

□ (인공지능 관련 정책, 법안 확대추세) 주요국에서 인공지능 기술에 대한 중요성을 인식하여 관련 정책 및 규제를 발표하며 인공지능 기술 활용도 확대 추세

○ 미국 정부는 국가전략 차원에서 인공지능 정책을 설계하며, 국가적 우선순위로 인공지능을 인식하여 다양한 인공지능 정책 수립 및 법제화 지원 확대

○ 중국 정부는 인공지능 각 분야에 대해 유망기업을 전략적으로 육성하고 차세대 AI 윤리 규법 등 관련 법안을 통과시키며 독자적인 인공지능 생태계와 법제도 구성 노력

□ (인공지능의 확장성) 크게 규모적 확장과 차원적 확장 두 가지 방향으로 개선 중

○ 점점 더 많은 수의 파라미터를 학습하는 형태로 규모적 확장을 이루고 있으며 진화 예시로는 대규모 언어모형 (large language model)이 있음

○ 점점 다양한 종류의 데이터를 동시에 학습하는 형태로 차원적 확장을 이루고 있으며 진화 예시로는 멀티모달 학습(multi-modal learning)이 있음

□ (생성형 인공지능으로 진화) 대형 인공지능의 성능은 단순한 인지능력의 모방을 넘어서 스스로 이미지･텍스트 등 콘텐츠를 생산하는 생성적 인공지능으로 진화

○ 대규모 멀티모달 AI는 다양한 형태의 데이터를 배움으로써 사람의 명령에 따라 원하는 형태의 콘텐츠를 생산할 수 있는 생성적 인공지능(generative AI)의 형태로 진화

○ 생성적 인공지능의 가장 대표적인 활용 예시는 텍스트 기반 이미지 생성 인공지능으로, 인공지능에 키워드를 제시하면 그에 맞는 이미지를 생성하는 형태가 일반적

□ (인공지능의 편향성 문제 발생) 인종･성별･정치･종교적으로 편향된 기존 사회의 데이터를 학습한 인공지능은 편향된 결과물을 생성하며 이는 확장된 인공지능에서 더욱 두드러짐

○ (내재화된 편향성) 우리가 일상생활에서 생성한 데이터는 성별·인종·정치·종교적으로 편향되어 있을 확률이 높으며 별다른 처리 없이 이를 그대로 학습한 인공지능은 편향

○ (인공지능 확장의 부작용) 멀티모달 학습 규모 확장 등을 통하여 인공지능의 성능이 향상하였으나 동시에 인공지능의 편향성 또한 증가

○ (편향성 검증 도구) 글로벌 빅테크 기업 및 기관에서는 인공지능의 편향성을 검증하는 도구를 개발

□ (대규모 인어모형 인공지능 모형 주목) 글로벌 빅테크 기업들이 경쟁적으로 대규모 언어모형을 발표

○ 멀티 모달 학습이 제안되며 글로벌 AI 기업에서 대규모 언어모형 규모가 확장되고 있음

○ 우수한 인공지능 모형을 만드는 과정에서 데이터의 중요성이 강조되고 있으며, 인공지능 기술이 양질의 데이터를 보유하고 대규모 컴퓨팅 능력을 보유한 빅테크 기업을 중심으로 독점화

□ (Edge-Device 기반 실시간 지능 플랫폼) 엣지 디바이스 컴퓨팅 장치를 이용하여 스마트 팩토리 자율주행 자동차 이동 통신 가전 제품 발전소 운영 최적화 등 다양한 분야에 기술 적용이 확대 추세

○ 인공지능 및 경랑 고속 Edge-Device 인공지능 최적 엔진 기술 개발

○ Edge-Device 기반 고성능 경량 고속 시각 지능 플랫폼 분야는 각 응용 도메인에 적합한 Edge-Device 기술 개발 및 응용 도메인별 서비스 최적화 필요

○ 엣지 디바이스 및 클라우드 컴퓨팅 장치를 포함하는 네트워크 구성 및 네트워크 운영과 관련된 연동협업 서비스 구축 필요

□ (AI 원천 기술력 및 AI 응용 기술력 확보 필요) 중소기업의 경쟁력을 높일 수 있는 응용 서비스 분야에 연구 개발 집중 및 제조, 서비스업에 AI 기술 접목을 통한 서비스 고부가가치화 추진

[ 「AI」 환경분석 종합 ]

구분	기회요인	위협요인
정책	· 인공지능 시대에 개인정보 활용에 대해 보호받을 수 있는 정책 추진으로 국민의 인공지능 기술 활용도 확대 추세 · 주요국에서 인공지능 기본법 제정 및 도입 촉진을 위한 자율 규제 등 법률 마련 강화 · 우리나라를 포함한 주요국은 대부분 AI 산업에 대한 정책적 지원이 확대	· AI의 데이터 사용으로 인한 유출 및 피싱문제, 저작권 문제 등 법적 책임 발생 가능성 우려 제기 · 육성정책의 착수 시점 및 투자 규모 측면에서 주요국 대비 미흡 · AI R&D 특성을 반영한 다중 참여형 및 데이터 기반사업 형태 지원 정책 및 법률 미비
산업	· 주요 빅테크 기업의 대화형 AI 기술 개발 경쟁이 심화 · 4차 산업 혁명 시대에 선두주자가 되기 위하여 다양한 산업 분야에 기술 도입 · 최근 해외 기업들의 성공사례로 자극받아 적극적인 사업 추진 경향성 증가	· 대기업에서 주로 AI 기술을 개발하여 기술 핵심 인력이 대기업 편중 및 해외 기업 선호로 인해 인력 불균형 예상 · AI 기술이 노동자 일자리 대체 가능성과 생산성 논쟁에 대한 우려 제기 · 상대적으로 높은 진입 장벽과 시장 확보로 인해 타업종으로 이탈하려는 경우가 많음
시장	· 대기업들이 AI 기술 활용하며 전체 시장 성장과 발전을 주도하여 안정적인 성장세 예측 · 보험, 은행, 헬스케어 등의 다양한 분야에서 AI 기술 접목을 통해 활용 분야 확대 · 해외시장 진출 기반 확대	· 글로벌 빅테크 중심으로 AI 분야의 주도권이 확보되어 향후 글로벌 독점 우려 증가 · 선진국의 선점 효과 · 신규시장 생성 시 기존 시장과의 마찰
기술	· 생성형 AI, 서비스형 AI 등의 기술 개발로 관련 제품 및 서비스 경쟁력 상승 · AI R&D 분야에 대한 전반적인 증가로 제품 경쟁력 상승 · 머신러닝과 딥러닝 기반의 AI 개발 플랫폼의 보급화로 기술 개발에 탄력	· AI 기초·원천기술이 부족으로 기술혁신에 제약 · 해외 및 국내 대기업과의 비용 및 기술력의 격차 확대 · 해외 기업의 개발 플랫폼에 대한 높은 의존도
중소기업 대응전략
· AI 원천 기술력 및 AI 응용 기술력 확보를 위한 적극적 지원 필요 · 중소기업의 경쟁력을 높일 수 있는 응용서비스 분야에 연구 개발 집중 · 중소 제조업 및 서비스업에 AI 접목을 통한 제품(서비스) 고부가가치화 추진 · 이종간 산업과의 융복합 AI 거버넌스를 통한 기술경쟁력 확보

3. 품목 로드맵

가. 전략품목 선정

□ (Edge-Device 기반 실시간 지능 플랫폼) 서버 중심의 AI 기술의 복잡도, 네트워크 의존적 성능에 탈피하여 현장 상황 대비 실시간 대처 서비스 수요 급증

○ Edge- Device 기반 고성능 실시간 경량 지능 플랫폼 분야는 각 응용 도메인의 비즈니스 목표 적합한 엣지 디바이스 기술 개발 및 응용 도메인별 서비스 최적화 필요

□ (초거대 AI 실용화 솔루션) ChatGPT를 시작으로 인공지능을 누구나 쉽게 일상의 모든 접점에서 활용하는 AI 일상화 시대에 돌입

○ 알고리즘의 고도화, 컴퓨팅능력의 향상과 함께 폭발적인 학습데이터의 증가로 초거대 인공지능 기술은 급격히 발전하고 있으며, 적용되는 문제 범위와 산업 분야도 확장

□ (휴먼 AI 협업 솔루션) 중소기업들은 AI 솔루션을 도입할 때 데이터의 보안성에 우려를 표현하며 특히 고객 정보나 민감한 사업 정보가 외부로 유출될 수 있는 위험성이 있음

○ 휴먼 AI 협업 솔루션의 도입은 중소기업의 성장과 지속 가능한 경쟁력 확보를 위해 필수

[ 「AI」 전략품목 ]

나. 전략품목 로드맵 구축

□ 첨단 ICT 기술 발전, 생성형 인공지능의 연구 개발 확대 등의 이슈에 대응하는 인공지능 기반 솔루션, AI·인간 협업 개발을 위한 등 품목 로드맵 구축

○ (Edge-Device 기반 실시간 지능 플랫폼) 다수의 산업 현장에서 실시간 Edge-Device 지능 플랫폼 적용 확대

○ (초거대 AI 실용화 솔루션) 한국 중소기업의 니즈를 반영한 한국형 초거대 AI 실용화 솔루션 구축

○ (휴먼 AI 협업 솔루션) 사용자 친화적인 인터페이스 제공과 동적인 학습 및 적응 메커니즘 구현

[ 중소기업 전략기술로드맵 「AI」 품목 로드맵 ]