SPRi디지털미래기술전망2025: 기술지평선너머의신호 > 보고서

요약문

디지털 기술의 급격한 발전으로 미래 환경의 불확실성과 복잡성이 커지면서, 추세 예측만으로는 대응하기 어려워졌다. 이에 따라 기술 개발의 초기 단계에 있는 약 신호(Weak Signal)와 부상 신호(Emerging Signal)까지 주목해야 하며, 본 보고서에서는 이를 위해 개념기술(Concept Technology)과 구성기술(Component Technology)을 구분하고 대규모 논문·특허 데이터 분석, 전문가 델파이 조사, AHP 분석 등을 결합해 추세 신호 기술은 물론 약 신호와 부상 신호까지 종합적으로 살폈다. 또한 한국, 미국, 유럽, 중국의 국가별 R&D 투자 현황과 전략을 비교한 결과, 대부분이 부상 신호에 집중하되 투자 우선순위나 정책 방향에서 각기 다른 특징이 있음을 확인했다. 이러한 분석을 바탕으로 도출된 시사점으로는, 먼저 아직 시장화되지 않은 약 신호 기술을 선제적으로 발굴해 투자함으로써 혁신 기회를 창출해야 한다는 점이 제시된다. 더불어 인공지능은 인공지능 에이전트(AI Agent), 신뢰성·위험·보안 관리(AI TRiSM), 개발 자동화(AI Augmented Development) 등 다양한 응용 분야에서 급속히 실용화 단계로 진입하고 있음을 확인할 수 있다. 끝으로, 이 보고서에서는 과거 데이터 기반 예측 정확도 검증과 전문가 판단을 결합한 탐지 기법의 고도화, 그리고 연 단위가 아닌 실시간 기술 추적 체계를 구축하여 신속하고 유연한 R&D 및 정책 의사결정을 지원의 필요성을 제안했다.

Ⅰ. 미래전망 개요¹

■ 미래기술예측의필요성

   ● (디지털 기술의 급격한 발달) 빠르게 변화하는 디지털 기술 환경 속에서 새로운 기술이 

급속하게 시장을 선점하는 등 미래 대응의 어려움 증가

      - 인공지능(AI) 생성 모델(예: ChatGPT), 양자 컴퓨팅, 자율주행 자동차 기술은 특정 

시점에 급격히 확산되었다가 짧은 시간 안에 정체나 하락을 보이는 ‘샥스핀(Shark-fin) 

형태’로도 설명될 수 있음²

        * ChatGPT는 출시 5일 만에 100만 명, 1개월 만에 1,000만 명의 사용자를 확보했으며 2024년 3억명 돌파 (TheVerge, 2024) * 전세계 양자컴퓨팅 시장은 2024년 11억 6,010만 달러에서 2032년 126억 2,070만 달러로 연평균 34.8% 성장 전망(Fortune Business Insight, 2024) * 전세계 자율주행차 시장은 연평균 성장률 58.78%로 2028년에 9,745억 달러 규모 전망(Technavio, 2024)

   ● (기술 구분의 필요성) 미래의 위기를 기회로 만드는 선도 국가가 되기 위해서는 ‘추세 신호(Trend signal)’ 보다 '부상 신호(Emerging signal)', 특히 '약 신호(Weak signal)'를 사전에 예측하고 이에 대비하는 것이 중요함

   - 이에 따라 기술의 등장 단계별 속성을 구분하고 미래 변화를 선제적으로 준비해야 함

     * 추세 신호(Trend Signal): 이미 시장과 산업에 깊게 자리 잡은 기술

     * 부상 신호(Emerging Signal): 향후 빠른 성장이 기대되어 주목받기 시작하는 기술

     * 약 신호(Weak Signal): 잠재력은 있으나 논문 수나 연구 집중도가 적은 초기 단계 기술

■ 미래예측의시간별접근법

   ● (미래 예측의 시점) 미래로 갈수록 불확실성은 증가하고 정보의 양은 감소하기 때문에 예측의 정확성을 높이기 위해 미래를 시간 범위에 따라 나누어 분석 - 단기미래(2년 뒤): 현재 정보에 기반해 비교적 구체적이고 신뢰도 높은 예측 가능 - 중기미래(6년 뒤): 새롭게 등장하는 변화의 영향을 고려하며 가능성과 대안을 설계 - 장기미래(12년 뒤): 높은 불확실성을 전제로 근본적인 패러다임 변화에 대응하기 위한 탐색적 시나리오 중심 예측

* 단기·중기·장기와 같은 예측 시점이 추세 신호, 부상 신호, 약 신호와 일대일로 대응되는 것은 아니며 각기 다른 개념임. 예를 들어 단기미래에서 명확한 추세 신호가 관측될 수 있는 동시에, 아직 뚜렷하게 드러나지 않은 약 신호가 함께 포착될 수도 있음

   ● (시간별 접근의 유용성) 시간 범위에 따른 예측은 보다 실질적이고 전략적인 계획 수립을 

가능하게 함 - 단기, 중기, 장기 각각의 특성을 반영해 맞춤형 대응 전략 수립이 가능

   - 여러 미래 예측 연구에서도 시간별 접근 방식을 활용하여 실행 가능성을 높이는 사례 증가 

■ 기술의구성

   ● (기술의 정의와 구조) 기술은 문제해결을 위한 지식, 노하우, 스킬, 절차, 도구, 방법 등이 유기적으로 연결된 네트워크 - 특정 기술 영역에서 큰 틀을 이루는 상위 수준의 기술은 개념기술(Concept Technology)로 분류하고, 개념기술을 실현하는 데 필요한 구체적이고 세부적인 하위 기술은 구성기술(Component Technology)로 분류 

   ● (개념기술과 구성기술의 관계) 개념기술과 구성기술은 위계적이면서 상호 보완적인 기술 네트워크를 형성 

   - 개념기술은 구성기술을 통해 구체화되고 응용 가능성이 확대됨 

   - 구성기술은 개념기술을 기반으로 발전하며 기술 생태계의 세부 요소로 작용 

■ SPRi디지털미래기술전망

   ● 미래 기술 신호(추세 신호‧부상 신호‧약 신호)를 미래 예측 시간축(단기‧중기‧장기)에 따라 배치하는 SPRi DaRT를 통해 매년 30대 개념기술을 선정

   ● 선정된 30대 개념기술, 특히 새로이 식별된 개념기술에 대한 구성기술 클러스터 매칭 및 순위화를 통해 디지털 미래 기술을 전망해 보고자 함

Ⅱ. 미래 유망 기술 탐지의 범위와 방법론

■ 개념기술탐지방법론

   ● (개념기술 탐색) 해외 리포트와 데이터 분석을 통해 개념기술 후보 검토

      - US, EU, WEF, OECD, 가트너 등 20여 개 국가/기관의 리포트 검토해 텍스트 분석, 필터링, 클러스터링을 통해 후보 평가

   ● (개념기술 후보 도출) 분야별 전문가 조사를 통해 각 기술의 신규성, 영향력, 구현 가능성 등을 평가해 개념기술 후보 도출

      - 내부 연구자와 외부 추천 전문가로 패널을 구성해 객관성을 확보

   ● (30대 미래 기술 신호 선정) 체계적인 조사와 검토를 통해 최종 기술 선정

      - 예비조사: 개념기술 후보 중 중복 제거 및 용어 통일

      - 1·2차 델파이 조사: 예비조사를 통해 선별된 기술 리스트를 기반으로 신규성과 영향력 평가

      - 3차 델파이 조사: 1~2차 조사를 통해 도출된 미래 유망 기술을 토대로 중요도 분석을 통해 최종 30대 미래 기술 신호 선정 - AHP 분석 활용: 중요도 가중치를 반영한 기술 우선순위 도출

■ 구성기술탐지의방법론

   ● (키워드 선정과 데이터 수집) arXiv 논문 약 259만 건 분석 및 키워드 필터링으로 약 14만 건 도출 - 분석 대상은 전 학제 및 산업 분야에 적용되는 데이터, 알고리즘, 소프트웨어, 가상·증강현실 등의 디지털 기술 

   ● (데이터 전처리 및 분류) 특허분류(CPC, Cooperative Patent Classification)를 사용하여 세분화된 기술을 분류하고 인공지능을 활용해 데이터 분석

      - BART-large-mnli 전이학습 모델을 적용하여 논문 요약 및 설명 기반 CPC를 분류하고 코사인 유사성(Cosine Similarity)을 활용하여 데이터 간의 유사성 측정

        * 코사인 유사성은 두 특성 벡터의 각도에 대한 코사인 값으로, 스케일에 민감하지 않기 때문에 일반적으로 사용됨

   ● (기술명 생성) 도출된 기술 클러스터를 대표할 타이틀을 생성하기 위한 체계적 접근

      - GPT-4o 모델과 Claude 모델을 활용해 각 클러스터의 설명문 요약을 생성하고 해당 설명문 기반으로 기술명 후보 생성

      - 분야별 전문가가 AI 생성 타이틀을 확인 및 교차 검증

   ● (군집화 및 신호 유형 확정) 군집 속성 분석과 복합 지표 활용해 군집 분석을 실시

      - (미래 기술 신호 유형화) 복합 지표(활성도, 지속도, 성장도, 논문 수)를 기반으로 군집 속성을 분석

      - (시각화 및 추적) 개념기술과 구성기술의 클러스터 매칭 및 순위화를 시각화하여 연도별로 변화하는 기술 클러스터의 구성을 동적으로 제시

Ⅲ. SPRi DaRT 2025

■ SPRiDaRT(DynamicRadarforTrendsandSignals)

   ● (구성 의도) 기술 시그널(추세 신호·부상 신호·약 신호)과 미래 예측의 시간축(단기·중기·장기)을 한눈에 보여주기 위해 고안됨

   ● (시간별 접근) 시간이 뒤로 갈수록 불확실성이 커지고, 얻을 수 있는 정보량이 줄어들어 예측 기간을 길게 설정 - 가장 안쪽 원으로 2027년까지 실현 가능한 단기 미래, 그 다음 원으로 2031년까지 실현 가능한 중기 미래, 가장 바깥 원으로 2037년까지 실현 가능한 장기 미래를 표현

   ● (시그널 유형) 추세 신호 노란색, 부상 신호 초록색, 약 신호 빨간색으로 구분했으며, 추세 신호라고 해서 단기만 분포하거나 약 신호라고 해서 장기만 분포하지는 않음

   ● (임팩트 크기) 경제·사회적 영향도를 의미하며, 크기가 클수록 해당 기술의 잠재적 영향이 큼 

■ SPRiDaRT2025개념기술³

   ● (결과 요약) SPRi DaRT 2025는 개념기술을 시그널 유형, 대분류, 실현 시기로 구분하여 제시하고, 현재 상태와 발전 가능성을 평가함

        - 시그널 유형별 개수: 추세 신호(7개), 부상 신호(17개), 약 신호(6개) 

        - 대분류별 개수: Metaverse(6개), SW(6개), AI(18개)

■ 2024대비SPRiDaRT2025개념기술변화

   ● (2024 대비 주요 변화) 2025 분석에서는 기술 추세와 신호 유형에서 변동이 발생하며, 일부 기술이 제외됨 

     - 제외된 기술들은 2024년에는 미래 유망 기술로 평가되었으나, 2025 분석에서는 더는 주요 신호로 간주되지 않음 

     - 기술별 제외 이유는 연구개발 활발도, 시장·산업적 수요, 기술적 유효성 변화 등에서 기인

   ● (신규 선정된 기술) 2024년에는 없었으나 2025년 예측된 기술로 새롭게 포함된 기술로서, 총 9대 개념기술이 신규 선정됨

     - (추세 신호로 선정된 기술) Advanced Computing, AI Agent ​

   ● (제외 기술) 2024년 예측된 기술 중 다음의 기술이 제외됨

     - (추세 신호에서 제외된 기술) No Code, Low Code, Platform Engineering, Superapp

     - (부상 신호에서 제외된 기술) Cognitive Digital Twin, 3D Multi-Objective Tracking, Immersive Interfaces - (약 신호에서 제외된 기술) Predictive Models Using Incomplete Data, My Avatar 

   ● (시그널 유형 변화) 일부 기술은 신호 유형에서 상향 조정됨

     - Activity Vision: 약 신호에서 추세 신호로 상향

     - Metaverse Vision (Lens + Glasses): 부상 신호에서 추세 신호로 상향

   ● (실현 시기 앞당겨진 기술) 2024년 예상보다 빠르게 실현 가능성이 높아진 기술

     - Automated Knowledge Discovery: 2031년에서 2027년으로 실현 시기 단축

     - Real-time Machine Learning: 2031년에서 2027년으로 실현 시기 단축

     - Activity Vision: 2031년에서 2027년으로 실현 시기 단축

     - Metaverse Vision (Lens + Glasses): 2031년에서 2027년으로 실현 시기 단축

■ 신규식별된개념기술의구성기술클러스터매칭및순위화

   ● (군집별 속성 지표 활용) 2024년 신규로 추가된 개념기술에 대해 속성 지표를 활용하여 구성기술 클러스터와 매칭

      - 속성 지표: 활성도(Activeness), 지속성(Persistence), 성장속도(Growth), 

                  성숙도(Readiness) 

      - 기술의 특성과 군집 속성을 분석해 매칭된 클러스터를 평가하고 순위화

   ● (순위화된 구성기술 클러스터) 각 기술 클러스터는 속성 지표에 따라 우선순위를 매겨 평가됨

      - 개념기술 중 AI Agent, Machine Customer, Quantum Information and Enabling Technologies와 같은 일부 기술들에 대해서 아래 표와 같이 선정되었으며, 자세한 내용은 2025 연구보고서에서 확인 가능

Ⅳ. 국가별 미래 대응 분석⁴

■ 국가별R&D데이터분석과SPRiDaRT2025의활용

   ● (국가별 비교) 한국, 미국, 유럽, 중국의 R&D 데이터를 분석해 SPRi DaRT의 개념기술에 어느 정도 대응하고 있는지 분석 

     - SPRi DaRT 기술 신호와 변화 추세를 반영해 R&D 방향성 도출에 참고할 수 있음

   ● (데이터 수집) 2007~2023년 주요국의 R&D 과제 데이터 약 3,600만 건 활용해 연구 주제별 정리 

     - R&D데이터 3,600만건 중 디지털 기술에 해당하는 미국(102만 건), 유럽(83만 건), 한국(105만 건), 중국(46만 건) 데이터를 분석에 활용

       * 각국 정부 중앙부처의 R&D 정보 사이트의 데이터를 취합 (https://globalrnd.ai, 와이즈인컴퍼니) - BART-large-mnli 모델을 활용해 SW, AI, 메타버스 관련 R&D 데이터를 제목 기준으로 요약하고, 개념기술 매칭에 활용

   ● (개념기술과의 매칭) 도출된 연구 주제를 SPRi DaRT의 개념 및 구성기술과 매칭 - 텍스트 유사도 분석을 통해 국가별 R&D 과제 데이터의 제목과 개념기술 간 상관성을 점수화하고 가장 높은 점수의 개념기술에 해당 구성기술을 매칭한 후, 초록과 키워드를 활용해 전문가가 최종 검증 

■ 국가별R&D투자분석결과

   ● (한국) 한국은 2020년 이후 AI 분야 과제와 투자 규모가 급격히 증가

      - (주요 특징) AI와 메타버스, 반도체 융합 기술 중심의 R&D 투자 확대

        * Activity Vision과 Advanced Computing과 같은 주요 추세에 대한 투자가 진행중이며, Adaptive AI, Real-time Machine Learning, Programmable World 같은 부상 기술에 대한 투자가 활발하며, Brain Machine(Computer) Interfaces와 Quantum Information 기술과 같은 약 신호에도 투자

      - 이는 정부의 디지털 혁신 정책과 AI 융합 확산 전략이 결합된 결과로, AI 기반 산업 고도화와 글로벌 시장 경쟁력을 강화하려는 의지가 반영된 것

   ● (미국) 미국은 2023년 기준 AI 과제와 투자액이 주요 국가 중 가장 높은 수준을 기록함

      - (주요 특징) AI 중심 첨단 기술 개발과 반도체 혁신에 집중하며 글로벌 리더십을 강화

        * Activity Vision, Advanced Computing, Spatial Computing과 같은 주요 추세에 대한 투자가 진행중이며, Real-time Machine Learning과 Programmable Biology가 부상 기술에 대한 투자가 활발하며, Reconfigurable Intelligent Surfaces(RIS)와 AI-augmented Development와 같은 약 신호에도 투자

      - 생성형 AI와 대규모 언어 모델(LLM)에 대한 기업 투자가 급증했으며, 이를 통해 생산성 향상 및 산업 전반의 혁신을 주도

   ● (유럽) 유럽은 AI와 Programmable World 과제가 가장 많으며, 메타버스와 소프트웨어(SW) 분야도 점진적으로 성장 중임

      - (주요 특징) 고성능 컴퓨팅과 농업, 생명과학 융합 기술에서 강세를 보임

        * Advanced Computing과 Activity Vision과 같은 주요 추세에 대한 투자가 진행중이며, Programmable World와 Real-time Machine Learning, Deepfake Detection와 같은 부상 기술에 대한 투자가 활발하며, Quantum Information 및 Brain Machine(Computer) Interfaces과 같은 약 신호 에도 투자

      - 유럽연합(EU)은 AI의 윤리적 개발을 중시하며, AI 규제 법안(AI Act)을 통해 안전성과 

투명성을 확보하려는 노력을 병행하고 있음

   ● (중국) 중국은 2020년 이후 AI 관련 과제가 급증하고 있음

    - (주요 특징) 중국은 AI 기술 개발과 데이터 분석·보안 분야에서 리더십을 강화하며, 대규모 투자와 정책적 지원을 통해 글로벌 경쟁력을 확보

      * Spatial Computing과 Generative AI와 같은 주요 추세에 대한 투자가 진행중이며, Real-time Machine Learning과 Neuro-symbolic AI가 부상 기술에 투자중이며, Reconfigurable Intelligent Surfaces(RIS)와 Brain Machine(Computer) Interfaces와 같은 약 신호에도 투자

    - 특히 스마트 의료, 컴퓨터 비전, 로봇 등 다양한 산업 분야에서 AI 활용을 확대해 나가는 중임

■ 시그널별국가R&D투자배분추이

   ● (투자 비중의 공통점) 모든 국가가 미래 유망 기술 중 부상 신호 기술에 가장 큰 비중을 두고 투자하고 있음 

      - 부상 신호 기술은 각국의 핵심 연구 분야로 자리잡고 있으며, 향후 기술 혁신의 중심이 될 것으로 예상됨 

   ● (국가별 특징) 한국과 중국은 산업 융합 및 데이터 활용에 초점을 맞추고 있으며, 유럽은 윤리적 규제와 생명과학 융합에 강점을 두고 있음. 미국은 첨단 기술 개발과 글로벌 시장 주도권 확보에 집중해 차별화된 전략을 펼치고 있음

   ● (소결) 국가별 R&D 투자는 공통적으로 부상 신호 기술에 중점을 두고 있으나, 각국의 기술 발전 단계와 전략에 따라 추세 신호와 약 신호 기술에 대한 투자 비율에 차이가 있음 - 유럽은 균형 잡힌 투자 전략을, 미국과 중국은 부상 신호 기술에 집중하는 경향을 보이며, 한국은 약 신호 기술에 대한 투자가 두드러지는 특징을 보임 - 각국의 R&D 투자 전략은 그들의 기술 혁신 목표와 장기적인 기술 경쟁력 강화를 위한 방향성을 반영하고 있음

Ⅴ. 결론 및 시사점

■ 기술추세를 넘어 부상신호와 약 신호 탐지로 확장

   ● (미래 기술 탐색 프레임워크) 개념기술 Top 30 탐지 및 구성기술 도출로 기술 층차별 신호 탐색이가능 - 프레임워크와 분석 방법론은 탐지 시스템을 지속적으로 고도화할 수 있는 기반을 제공하며, 기술 간 상호 연계와 혁신 가능성을 보다 명확히 이해할 수 있도록 지원 

   ● (정책 패턴 전환 가능성) 추세 신호 탐지는 추격형(Follower) 접근에 적합하고, 부상 및 약 신호 탐지는 혁신형(Innovator) 접근을 가능하게 함 - 추세 신호는 탐지가 용이하며 기존 기술의 발전과 활용을 중심으로 추격 전략을 수립할 수 있음 - 부상 신호와 약 신호 탐지는 상대적으로 탐지가 어려운 초기 기술을 조기에 포착하여 선도적 기술 대응과 혁신적인 기술 전략 수립을 가능하게 함 

   ● (미래 시계별 구분 필요성) 가까운 미래와 먼 미래를 구분하여 불확실성과 정보의 양을 균형 있게 고려한 대응이 필요 - 가까운 미래는 실행 가능성을 중심으로 실질적인 목표 설정이 가능하며, 먼 미래는 장기적인 혁신과 패러다임 전환의 가능성을 탐색해야 함 - 미래 시계를 명확히 설정하면 기술 투자의 우선순위를 명확히 하고 R&D 자원의 효율적 분배가 가능 

■ 2025미래기술시사점

   ● (기술 지평선 너머의 신호) 현재 초기 단계에 있는 기술들이 미래 혁신의 중요한 기반으로 주목됨 

      - 2025 SPRi DaRT를 통해 선정된 양자 정보 기술(Quantum Information and Enabling Technologies)와 인간-기계 인터페이스(Brain Machine(Computer) Interfaces)는 현재 기술적 한계가 존재하나, 이를 극복하고 새로운 혁신 기회를 창출할 가능성이 높음 

      - 특히, 양자 정보 기술은 차세대 컴퓨팅과 보안 기술의 핵심으로 부상할 가능성이 크며, 뇌-기계 인터페이스는 인간-기계 상호작용의 새로운 패러다임을 제시할 것으로 기대됨

   ● (기술적 놀라움에서 활용으로 전환) AI 기술의 진화가 응용과 실질적 활용 단계로 빠르게 전환 중

      - AI Agent, AI Augmented Development, AI TRiSM은 단순한 기술적 혁신을 넘어 다양한 산업 및 사회적 과제를 해결할 수 있는 실질적 응용 가능성을 보여줌 

      - AI Agent는 자율적 의사결정을 통해 복잡한 시스템을 지원하며, AI TRiSM은 신뢰성 및 보안성을 보장함으로써 AI 기술의 안정적 확산에 기여할 전망 

      - AI Augmented Development는 개발 프로세스를 자동화하고 효율성을 극대화하여 소프트웨어 및 서비스 산업의 혁신을 가속화할 것으로 예상 

■ 향후연구및과제

   ● (신호 탐지 방법의 고도화) 과거 데이터를 기반으로 미래 기술 발굴 과정을 검증하고 신뢰성을 강화 

      - 설문조사(전문가 의견)와 대규모 데이터 분석(논문·특허 등)을 결합해 더욱 정교한 개념기술 발굴 방식을 마련

      - AI는 데이터 처리와 패턴 분석을 하고, 최종 분석 결과를 전문가가 검증하고 의사결정을 내리는 고도화된 인간 참여형(Human-in-the-loop) 방식의 적용

   ● (미래 디지털 기술 예측의 자동화) 연 단위가 아닌 실시간 기술 추적 체계를 구축 - World Economic Forum 등 국제적 기관과 협력하여 기술 탐지 자동화 모델을 개발하고, 변화하는 기술 환경에 신속히 대응 

     - 실시간 데이터를 기반으로 기술 동향을 예측하고 새로운 기술의 등장 및 성숙도를 조기에 파악하여 기술 생태계의 선제적 관리 가능성을 높임 

     - 이러한 접근은 미래 기술의 가능성을 탐색하고, 국가 및 기업의 기술 전략을 체계적으로 수립하는 데 필수적인 기반을 제공

참고문헌 

* 김준연, 박강민, 윤기영, 강송희, 이명호. (2024) SPRi DaRT 2024: 디지털 미래 시그널. 소프트웨어정책연구소

* 윤기영 등. (2016) KAIST 미래관리방법론 Framework v1.1. KAIST 미래전략센터

*  Accenture. (2017). Big Bang Disruption: Be the Unstoppable Force Adam, Rudolf G. (N.D.) Prospects for a multipolar world order. GIS. 

https://www.gisreportsonline.com/r/multipolar-world-order/ 

* Ansoff, H.I. (1975). Managing strategic surprise by response to weak signals. Californian Management Review 18(2): 21–33. 

* Bell, W. (1997) Foundations of futures studies, 1 vols. Transaction Publishers, New Brunswick, NJ, USA. 

* Dimitrov, Rosen. (2023). Chat GPT and Health Wealth: A Guide to Using Prompts for Financial Success and Better Living. Independently published. 

* EC. (2023). STRATEGIC FORESIGHT REPORT 2023: Sustainability and people’s wellbeing at the 

heart of Europe’s Open Strategic Autonomy

* Feldstein, S. (2019). The global expansion of AI surveillance (Vol. 17). Washington, DC: Carnegie Endowment for International Peace. 

* Umansky, M. (2024). Top Frameworks for Effective Human-AI Collaboration: Building Smarter Systems Together, 

https://smythos.com/artificial-intelligence/human-ai-collaboration/human-aicollaboration-frameworks/. 2024.12.22. 접속

주석사항

1 본 이슈리포트는 향후 발간될 ‘디지털 미래기술 전망’ 연구보고서의 결과 일부를 발췌하고 요약 정리한 것으로 자세한 내용은 연구보고서를 참고

2 샥스핀(Shark-fin) 형태는 기술 혹은 서비스가 짧은 시간 안에 폭발적으로 확산된 뒤 특정 시점에서 수요나 관심이 가파르게 떨어지는 패턴을 일컬음. 전통적인 S-커브나 가트너 하이프 사이클과 달리, 피크 이후 빠르게 쇠퇴하는 모습을 상상한 데서 유래

3 각 기술에 대한 자세한 설명은 추후 발간되는 연구보고서 참고

4 국가별 30대 기술에 대한 자세한 분석은 연구보고서를 참고. 여기서는 주요 결과에 대해서만 논의함

* 필자 

 ▲ 박강민 SPRi 산업정책연구실 선임연구원

 ▲ 강송희 SPRi 산업정책연구실 책임연구원

<ifsPOST>

요약문

디지털 기술의 급격한 발전으로 미래 환경의 불확실성과 복잡성이 커지면서, 추세 예측만으로는 대응하기 어려워졌다. 이에 따라 기술 개발의 초기 단계에 있는 약 신호(Weak Signal)와 부상 신호(Emerging Signal)까지 주목해야 하며, 본 보고서에서는 이를 위해 개념기술(Concept Technology)과 구성기술(Component Technology)을 구분하고 대규모 논문·특허 데이터 분석, 전문가 델파이 조사, AHP 분석 등을 결합해 추세 신호 기술은 물론 약 신호와 부상 신호까지 종합적으로 살폈다. 또한 한국, 미국, 유럽, 중국의 국가별 R&D 투자 현황과 전략을 비교한 결과, 대부분이 부상 신호에 집중하되 투자 우선순위나 정책 방향에서 각기 다른 특징이 있음을 확인했다. 이러한 분석을 바탕으로 도출된 시사점으로는, 먼저 아직 시장화되지 않은 약 신호 기술을 선제적으로 발굴해 투자함으로써 혁신 기회를 창출해야 한다는 점이 제시된다. 더불어 인공지능은 인공지능 에이전트(AI Agent), 신뢰성·위험·보안 관리(AI TRiSM), 개발 자동화(AI Augmented Development) 등 다양한 응용 분야에서 급속히 실용화 단계로 진입하고 있음을 확인할 수 있다. 끝으로, 이 보고서에서는 과거 데이터 기반 예측 정확도 검증과 전문가 판단을 결합한 탐지 기법의 고도화, 그리고 연 단위가 아닌 실시간 기술 추적 체계를 구축하여 신속하고 유연한 R&D 및 정책 의사결정을 지원의 필요성을 제안했다.

Ⅰ. 미래전망 개요¹

■ 미래기술예측의필요성

   ● (디지털 기술의 급격한 발달) 빠르게 변화하는 디지털 기술 환경 속에서 새로운 기술이 

급속하게 시장을 선점하는 등 미래 대응의 어려움 증가

      - 인공지능(AI) 생성 모델(예: ChatGPT), 양자 컴퓨팅, 자율주행 자동차 기술은 특정 

시점에 급격히 확산되었다가 짧은 시간 안에 정체나 하락을 보이는 ‘샥스핀(Shark-fin) 

형태’로도 설명될 수 있음²

        * ChatGPT는 출시 5일 만에 100만 명, 1개월 만에 1,000만 명의 사용자를 확보했으며 2024년 3억명 돌파 (TheVerge, 2024) * 전세계 양자컴퓨팅 시장은 2024년 11억 6,010만 달러에서 2032년 126억 2,070만 달러로 연평균 34.8% 성장 전망(Fortune Business Insight, 2024) * 전세계 자율주행차 시장은 연평균 성장률 58.78%로 2028년에 9,745억 달러 규모 전망(Technavio, 2024)

   ● (기술 구분의 필요성) 미래의 위기를 기회로 만드는 선도 국가가 되기 위해서는 ‘추세 신호(Trend signal)’ 보다 '부상 신호(Emerging signal)', 특히 '약 신호(Weak signal)'를 사전에 예측하고 이에 대비하는 것이 중요함

   - 이에 따라 기술의 등장 단계별 속성을 구분하고 미래 변화를 선제적으로 준비해야 함

     * 추세 신호(Trend Signal): 이미 시장과 산업에 깊게 자리 잡은 기술

     * 부상 신호(Emerging Signal): 향후 빠른 성장이 기대되어 주목받기 시작하는 기술

     * 약 신호(Weak Signal): 잠재력은 있으나 논문 수나 연구 집중도가 적은 초기 단계 기술

■ 미래예측의시간별접근법

   ● (미래 예측의 시점) 미래로 갈수록 불확실성은 증가하고 정보의 양은 감소하기 때문에 예측의 정확성을 높이기 위해 미래를 시간 범위에 따라 나누어 분석 - 단기미래(2년 뒤): 현재 정보에 기반해 비교적 구체적이고 신뢰도 높은 예측 가능 - 중기미래(6년 뒤): 새롭게 등장하는 변화의 영향을 고려하며 가능성과 대안을 설계 - 장기미래(12년 뒤): 높은 불확실성을 전제로 근본적인 패러다임 변화에 대응하기 위한 탐색적 시나리오 중심 예측

* 단기·중기·장기와 같은 예측 시점이 추세 신호, 부상 신호, 약 신호와 일대일로 대응되는 것은 아니며 각기 다른 개념임. 예를 들어 단기미래에서 명확한 추세 신호가 관측될 수 있는 동시에, 아직 뚜렷하게 드러나지 않은 약 신호가 함께 포착될 수도 있음

   ● (시간별 접근의 유용성) 시간 범위에 따른 예측은 보다 실질적이고 전략적인 계획 수립을 

가능하게 함 - 단기, 중기, 장기 각각의 특성을 반영해 맞춤형 대응 전략 수립이 가능

   - 여러 미래 예측 연구에서도 시간별 접근 방식을 활용하여 실행 가능성을 높이는 사례 증가 

■ 기술의구성

   ● (기술의 정의와 구조) 기술은 문제해결을 위한 지식, 노하우, 스킬, 절차, 도구, 방법 등이 유기적으로 연결된 네트워크 - 특정 기술 영역에서 큰 틀을 이루는 상위 수준의 기술은 개념기술(Concept Technology)로 분류하고, 개념기술을 실현하는 데 필요한 구체적이고 세부적인 하위 기술은 구성기술(Component Technology)로 분류 

   ● (개념기술과 구성기술의 관계) 개념기술과 구성기술은 위계적이면서 상호 보완적인 기술 네트워크를 형성 

   - 개념기술은 구성기술을 통해 구체화되고 응용 가능성이 확대됨 

   - 구성기술은 개념기술을 기반으로 발전하며 기술 생태계의 세부 요소로 작용 

■ SPRi디지털미래기술전망

   ● 미래 기술 신호(추세 신호‧부상 신호‧약 신호)를 미래 예측 시간축(단기‧중기‧장기)에 따라 배치하는 SPRi DaRT를 통해 매년 30대 개념기술을 선정

   ● 선정된 30대 개념기술, 특히 새로이 식별된 개념기술에 대한 구성기술 클러스터 매칭 및 순위화를 통해 디지털 미래 기술을 전망해 보고자 함

Ⅱ. 미래 유망 기술 탐지의 범위와 방법론

■ 개념기술탐지방법론

   ● (개념기술 탐색) 해외 리포트와 데이터 분석을 통해 개념기술 후보 검토

      - US, EU, WEF, OECD, 가트너 등 20여 개 국가/기관의 리포트 검토해 텍스트 분석, 필터링, 클러스터링을 통해 후보 평가

   ● (개념기술 후보 도출) 분야별 전문가 조사를 통해 각 기술의 신규성, 영향력, 구현 가능성 등을 평가해 개념기술 후보 도출

      - 내부 연구자와 외부 추천 전문가로 패널을 구성해 객관성을 확보

   ● (30대 미래 기술 신호 선정) 체계적인 조사와 검토를 통해 최종 기술 선정

      - 예비조사: 개념기술 후보 중 중복 제거 및 용어 통일

      - 1·2차 델파이 조사: 예비조사를 통해 선별된 기술 리스트를 기반으로 신규성과 영향력 평가

      - 3차 델파이 조사: 1~2차 조사를 통해 도출된 미래 유망 기술을 토대로 중요도 분석을 통해 최종 30대 미래 기술 신호 선정 - AHP 분석 활용: 중요도 가중치를 반영한 기술 우선순위 도출

■ 구성기술탐지의방법론

   ● (키워드 선정과 데이터 수집) arXiv 논문 약 259만 건 분석 및 키워드 필터링으로 약 14만 건 도출 - 분석 대상은 전 학제 및 산업 분야에 적용되는 데이터, 알고리즘, 소프트웨어, 가상·증강현실 등의 디지털 기술 

   ● (데이터 전처리 및 분류) 특허분류(CPC, Cooperative Patent Classification)를 사용하여 세분화된 기술을 분류하고 인공지능을 활용해 데이터 분석

      - BART-large-mnli 전이학습 모델을 적용하여 논문 요약 및 설명 기반 CPC를 분류하고 코사인 유사성(Cosine Similarity)을 활용하여 데이터 간의 유사성 측정

        * 코사인 유사성은 두 특성 벡터의 각도에 대한 코사인 값으로, 스케일에 민감하지 않기 때문에 일반적으로 사용됨

   ● (기술명 생성) 도출된 기술 클러스터를 대표할 타이틀을 생성하기 위한 체계적 접근

      - GPT-4o 모델과 Claude 모델을 활용해 각 클러스터의 설명문 요약을 생성하고 해당 설명문 기반으로 기술명 후보 생성

      - 분야별 전문가가 AI 생성 타이틀을 확인 및 교차 검증

   ● (군집화 및 신호 유형 확정) 군집 속성 분석과 복합 지표 활용해 군집 분석을 실시

      - (미래 기술 신호 유형화) 복합 지표(활성도, 지속도, 성장도, 논문 수)를 기반으로 군집 속성을 분석

      - (시각화 및 추적) 개념기술과 구성기술의 클러스터 매칭 및 순위화를 시각화하여 연도별로 변화하는 기술 클러스터의 구성을 동적으로 제시

Ⅲ. SPRi DaRT 2025

■ SPRiDaRT(DynamicRadarforTrendsandSignals)

   ● (구성 의도) 기술 시그널(추세 신호·부상 신호·약 신호)과 미래 예측의 시간축(단기·중기·장기)을 한눈에 보여주기 위해 고안됨

   ● (시간별 접근) 시간이 뒤로 갈수록 불확실성이 커지고, 얻을 수 있는 정보량이 줄어들어 예측 기간을 길게 설정 - 가장 안쪽 원으로 2027년까지 실현 가능한 단기 미래, 그 다음 원으로 2031년까지 실현 가능한 중기 미래, 가장 바깥 원으로 2037년까지 실현 가능한 장기 미래를 표현

   ● (시그널 유형) 추세 신호 노란색, 부상 신호 초록색, 약 신호 빨간색으로 구분했으며, 추세 신호라고 해서 단기만 분포하거나 약 신호라고 해서 장기만 분포하지는 않음

   ● (임팩트 크기) 경제·사회적 영향도를 의미하며, 크기가 클수록 해당 기술의 잠재적 영향이 큼 

■ SPRiDaRT2025개념기술³

   ● (결과 요약) SPRi DaRT 2025는 개념기술을 시그널 유형, 대분류, 실현 시기로 구분하여 제시하고, 현재 상태와 발전 가능성을 평가함

        - 시그널 유형별 개수: 추세 신호(7개), 부상 신호(17개), 약 신호(6개) 

        - 대분류별 개수: Metaverse(6개), SW(6개), AI(18개)

■ 2024대비SPRiDaRT2025개념기술변화

   ● (2024 대비 주요 변화) 2025 분석에서는 기술 추세와 신호 유형에서 변동이 발생하며, 일부 기술이 제외됨 

     - 제외된 기술들은 2024년에는 미래 유망 기술로 평가되었으나, 2025 분석에서는 더는 주요 신호로 간주되지 않음 

     - 기술별 제외 이유는 연구개발 활발도, 시장·산업적 수요, 기술적 유효성 변화 등에서 기인

   ● (신규 선정된 기술) 2024년에는 없었으나 2025년 예측된 기술로 새롭게 포함된 기술로서, 총 9대 개념기술이 신규 선정됨

     - (추세 신호로 선정된 기술) Advanced Computing, AI Agent ​

   ● (제외 기술) 2024년 예측된 기술 중 다음의 기술이 제외됨

     - (추세 신호에서 제외된 기술) No Code, Low Code, Platform Engineering, Superapp

     - (부상 신호에서 제외된 기술) Cognitive Digital Twin, 3D Multi-Objective Tracking, Immersive Interfaces - (약 신호에서 제외된 기술) Predictive Models Using Incomplete Data, My Avatar 

   ● (시그널 유형 변화) 일부 기술은 신호 유형에서 상향 조정됨

     - Activity Vision: 약 신호에서 추세 신호로 상향

     - Metaverse Vision (Lens + Glasses): 부상 신호에서 추세 신호로 상향

   ● (실현 시기 앞당겨진 기술) 2024년 예상보다 빠르게 실현 가능성이 높아진 기술

     - Automated Knowledge Discovery: 2031년에서 2027년으로 실현 시기 단축

     - Real-time Machine Learning: 2031년에서 2027년으로 실현 시기 단축

     - Activity Vision: 2031년에서 2027년으로 실현 시기 단축

     - Metaverse Vision (Lens + Glasses): 2031년에서 2027년으로 실현 시기 단축

■ 신규식별된개념기술의구성기술클러스터매칭및순위화

   ● (군집별 속성 지표 활용) 2024년 신규로 추가된 개념기술에 대해 속성 지표를 활용하여 구성기술 클러스터와 매칭

      - 속성 지표: 활성도(Activeness), 지속성(Persistence), 성장속도(Growth), 

                  성숙도(Readiness) 

      - 기술의 특성과 군집 속성을 분석해 매칭된 클러스터를 평가하고 순위화

   ● (순위화된 구성기술 클러스터) 각 기술 클러스터는 속성 지표에 따라 우선순위를 매겨 평가됨

      - 개념기술 중 AI Agent, Machine Customer, Quantum Information and Enabling Technologies와 같은 일부 기술들에 대해서 아래 표와 같이 선정되었으며, 자세한 내용은 2025 연구보고서에서 확인 가능

Ⅳ. 국가별 미래 대응 분석⁴

■ 국가별R&D데이터분석과SPRiDaRT2025의활용

   ● (국가별 비교) 한국, 미국, 유럽, 중국의 R&D 데이터를 분석해 SPRi DaRT의 개념기술에 어느 정도 대응하고 있는지 분석 

     - SPRi DaRT 기술 신호와 변화 추세를 반영해 R&D 방향성 도출에 참고할 수 있음

   ● (데이터 수집) 2007~2023년 주요국의 R&D 과제 데이터 약 3,600만 건 활용해 연구 주제별 정리 

     - R&D데이터 3,600만건 중 디지털 기술에 해당하는 미국(102만 건), 유럽(83만 건), 한국(105만 건), 중국(46만 건) 데이터를 분석에 활용

       * 각국 정부 중앙부처의 R&D 정보 사이트의 데이터를 취합 (https://globalrnd.ai, 와이즈인컴퍼니) - BART-large-mnli 모델을 활용해 SW, AI, 메타버스 관련 R&D 데이터를 제목 기준으로 요약하고, 개념기술 매칭에 활용

   ● (개념기술과의 매칭) 도출된 연구 주제를 SPRi DaRT의 개념 및 구성기술과 매칭 - 텍스트 유사도 분석을 통해 국가별 R&D 과제 데이터의 제목과 개념기술 간 상관성을 점수화하고 가장 높은 점수의 개념기술에 해당 구성기술을 매칭한 후, 초록과 키워드를 활용해 전문가가 최종 검증 

■ 국가별R&D투자분석결과

   ● (한국) 한국은 2020년 이후 AI 분야 과제와 투자 규모가 급격히 증가

      - (주요 특징) AI와 메타버스, 반도체 융합 기술 중심의 R&D 투자 확대

        * Activity Vision과 Advanced Computing과 같은 주요 추세에 대한 투자가 진행중이며, Adaptive AI, Real-time Machine Learning, Programmable World 같은 부상 기술에 대한 투자가 활발하며, Brain Machine(Computer) Interfaces와 Quantum Information 기술과 같은 약 신호에도 투자

      - 이는 정부의 디지털 혁신 정책과 AI 융합 확산 전략이 결합된 결과로, AI 기반 산업 고도화와 글로벌 시장 경쟁력을 강화하려는 의지가 반영된 것

   ● (미국) 미국은 2023년 기준 AI 과제와 투자액이 주요 국가 중 가장 높은 수준을 기록함

      - (주요 특징) AI 중심 첨단 기술 개발과 반도체 혁신에 집중하며 글로벌 리더십을 강화

        * Activity Vision, Advanced Computing, Spatial Computing과 같은 주요 추세에 대한 투자가 진행중이며, Real-time Machine Learning과 Programmable Biology가 부상 기술에 대한 투자가 활발하며, Reconfigurable Intelligent Surfaces(RIS)와 AI-augmented Development와 같은 약 신호에도 투자

      - 생성형 AI와 대규모 언어 모델(LLM)에 대한 기업 투자가 급증했으며, 이를 통해 생산성 향상 및 산업 전반의 혁신을 주도

   ● (유럽) 유럽은 AI와 Programmable World 과제가 가장 많으며, 메타버스와 소프트웨어(SW) 분야도 점진적으로 성장 중임

      - (주요 특징) 고성능 컴퓨팅과 농업, 생명과학 융합 기술에서 강세를 보임

        * Advanced Computing과 Activity Vision과 같은 주요 추세에 대한 투자가 진행중이며, Programmable World와 Real-time Machine Learning, Deepfake Detection와 같은 부상 기술에 대한 투자가 활발하며, Quantum Information 및 Brain Machine(Computer) Interfaces과 같은 약 신호 에도 투자

      - 유럽연합(EU)은 AI의 윤리적 개발을 중시하며, AI 규제 법안(AI Act)을 통해 안전성과 

투명성을 확보하려는 노력을 병행하고 있음

   ● (중국) 중국은 2020년 이후 AI 관련 과제가 급증하고 있음

    - (주요 특징) 중국은 AI 기술 개발과 데이터 분석·보안 분야에서 리더십을 강화하며, 대규모 투자와 정책적 지원을 통해 글로벌 경쟁력을 확보

      * Spatial Computing과 Generative AI와 같은 주요 추세에 대한 투자가 진행중이며, Real-time Machine Learning과 Neuro-symbolic AI가 부상 기술에 투자중이며, Reconfigurable Intelligent Surfaces(RIS)와 Brain Machine(Computer) Interfaces와 같은 약 신호에도 투자

    - 특히 스마트 의료, 컴퓨터 비전, 로봇 등 다양한 산업 분야에서 AI 활용을 확대해 나가는 중임

■ 시그널별국가R&D투자배분추이

   ● (투자 비중의 공통점) 모든 국가가 미래 유망 기술 중 부상 신호 기술에 가장 큰 비중을 두고 투자하고 있음 

      - 부상 신호 기술은 각국의 핵심 연구 분야로 자리잡고 있으며, 향후 기술 혁신의 중심이 될 것으로 예상됨 

   ● (국가별 특징) 한국과 중국은 산업 융합 및 데이터 활용에 초점을 맞추고 있으며, 유럽은 윤리적 규제와 생명과학 융합에 강점을 두고 있음. 미국은 첨단 기술 개발과 글로벌 시장 주도권 확보에 집중해 차별화된 전략을 펼치고 있음

   ● (소결) 국가별 R&D 투자는 공통적으로 부상 신호 기술에 중점을 두고 있으나, 각국의 기술 발전 단계와 전략에 따라 추세 신호와 약 신호 기술에 대한 투자 비율에 차이가 있음 - 유럽은 균형 잡힌 투자 전략을, 미국과 중국은 부상 신호 기술에 집중하는 경향을 보이며, 한국은 약 신호 기술에 대한 투자가 두드러지는 특징을 보임 - 각국의 R&D 투자 전략은 그들의 기술 혁신 목표와 장기적인 기술 경쟁력 강화를 위한 방향성을 반영하고 있음

Ⅴ. 결론 및 시사점

■ 기술추세를 넘어 부상신호와 약 신호 탐지로 확장

   ● (미래 기술 탐색 프레임워크) 개념기술 Top 30 탐지 및 구성기술 도출로 기술 층차별 신호 탐색이가능 - 프레임워크와 분석 방법론은 탐지 시스템을 지속적으로 고도화할 수 있는 기반을 제공하며, 기술 간 상호 연계와 혁신 가능성을 보다 명확히 이해할 수 있도록 지원 

   ● (정책 패턴 전환 가능성) 추세 신호 탐지는 추격형(Follower) 접근에 적합하고, 부상 및 약 신호 탐지는 혁신형(Innovator) 접근을 가능하게 함 - 추세 신호는 탐지가 용이하며 기존 기술의 발전과 활용을 중심으로 추격 전략을 수립할 수 있음 - 부상 신호와 약 신호 탐지는 상대적으로 탐지가 어려운 초기 기술을 조기에 포착하여 선도적 기술 대응과 혁신적인 기술 전략 수립을 가능하게 함 

   ● (미래 시계별 구분 필요성) 가까운 미래와 먼 미래를 구분하여 불확실성과 정보의 양을 균형 있게 고려한 대응이 필요 - 가까운 미래는 실행 가능성을 중심으로 실질적인 목표 설정이 가능하며, 먼 미래는 장기적인 혁신과 패러다임 전환의 가능성을 탐색해야 함 - 미래 시계를 명확히 설정하면 기술 투자의 우선순위를 명확히 하고 R&D 자원의 효율적 분배가 가능 

■ 2025미래기술시사점

   ● (기술 지평선 너머의 신호) 현재 초기 단계에 있는 기술들이 미래 혁신의 중요한 기반으로 주목됨 

      - 2025 SPRi DaRT를 통해 선정된 양자 정보 기술(Quantum Information and Enabling Technologies)와 인간-기계 인터페이스(Brain Machine(Computer) Interfaces)는 현재 기술적 한계가 존재하나, 이를 극복하고 새로운 혁신 기회를 창출할 가능성이 높음 

      - 특히, 양자 정보 기술은 차세대 컴퓨팅과 보안 기술의 핵심으로 부상할 가능성이 크며, 뇌-기계 인터페이스는 인간-기계 상호작용의 새로운 패러다임을 제시할 것으로 기대됨

   ● (기술적 놀라움에서 활용으로 전환) AI 기술의 진화가 응용과 실질적 활용 단계로 빠르게 전환 중

      - AI Agent, AI Augmented Development, AI TRiSM은 단순한 기술적 혁신을 넘어 다양한 산업 및 사회적 과제를 해결할 수 있는 실질적 응용 가능성을 보여줌 

      - AI Agent는 자율적 의사결정을 통해 복잡한 시스템을 지원하며, AI TRiSM은 신뢰성 및 보안성을 보장함으로써 AI 기술의 안정적 확산에 기여할 전망 

      - AI Augmented Development는 개발 프로세스를 자동화하고 효율성을 극대화하여 소프트웨어 및 서비스 산업의 혁신을 가속화할 것으로 예상 

■ 향후연구및과제

   ● (신호 탐지 방법의 고도화) 과거 데이터를 기반으로 미래 기술 발굴 과정을 검증하고 신뢰성을 강화 

      - 설문조사(전문가 의견)와 대규모 데이터 분석(논문·특허 등)을 결합해 더욱 정교한 개념기술 발굴 방식을 마련

      - AI는 데이터 처리와 패턴 분석을 하고, 최종 분석 결과를 전문가가 검증하고 의사결정을 내리는 고도화된 인간 참여형(Human-in-the-loop) 방식의 적용

   ● (미래 디지털 기술 예측의 자동화) 연 단위가 아닌 실시간 기술 추적 체계를 구축 - World Economic Forum 등 국제적 기관과 협력하여 기술 탐지 자동화 모델을 개발하고, 변화하는 기술 환경에 신속히 대응 

     - 실시간 데이터를 기반으로 기술 동향을 예측하고 새로운 기술의 등장 및 성숙도를 조기에 파악하여 기술 생태계의 선제적 관리 가능성을 높임 

     - 이러한 접근은 미래 기술의 가능성을 탐색하고, 국가 및 기업의 기술 전략을 체계적으로 수립하는 데 필수적인 기반을 제공

참고문헌 

* 김준연, 박강민, 윤기영, 강송희, 이명호. (2024) SPRi DaRT 2024: 디지털 미래 시그널. 소프트웨어정책연구소

* 윤기영 등. (2016) KAIST 미래관리방법론 Framework v1.1. KAIST 미래전략센터

*  Accenture. (2017). Big Bang Disruption: Be the Unstoppable Force Adam, Rudolf G. (N.D.) Prospects for a multipolar world order. GIS. 

https://www.gisreportsonline.com/r/multipolar-world-order/ 

* Ansoff, H.I. (1975). Managing strategic surprise by response to weak signals. Californian Management Review 18(2): 21–33. 

* Bell, W. (1997) Foundations of futures studies, 1 vols. Transaction Publishers, New Brunswick, NJ, USA. 

* Dimitrov, Rosen. (2023). Chat GPT and Health Wealth: A Guide to Using Prompts for Financial Success and Better Living. Independently published. 

* EC. (2023). STRATEGIC FORESIGHT REPORT 2023: Sustainability and people’s wellbeing at the 

heart of Europe’s Open Strategic Autonomy

* Feldstein, S. (2019). The global expansion of AI surveillance (Vol. 17). Washington, DC: Carnegie Endowment for International Peace. 

* Umansky, M. (2024). Top Frameworks for Effective Human-AI Collaboration: Building Smarter Systems Together, 

https://smythos.com/artificial-intelligence/human-ai-collaboration/human-aicollaboration-frameworks/. 2024.12.22. 접속

주석사항

1 본 이슈리포트는 향후 발간될 ‘디지털 미래기술 전망’ 연구보고서의 결과 일부를 발췌하고 요약 정리한 것으로 자세한 내용은 연구보고서를 참고

2 샥스핀(Shark-fin) 형태는 기술 혹은 서비스가 짧은 시간 안에 폭발적으로 확산된 뒤 특정 시점에서 수요나 관심이 가파르게 떨어지는 패턴을 일컬음. 전통적인 S-커브나 가트너 하이프 사이클과 달리, 피크 이후 빠르게 쇠퇴하는 모습을 상상한 데서 유래

3 각 기술에 대한 자세한 설명은 추후 발간되는 연구보고서 참고

4 국가별 30대 기술에 대한 자세한 분석은 연구보고서를 참고. 여기서는 주요 결과에 대해서만 논의함

* 필자 

 ▲ 박강민 SPRi 산업정책연구실 선임연구원

 ▲ 강송희 SPRi 산업정책연구실 책임연구원

<ifsPOST>