산업 AI 확산 가속 페달… 활용 정책, 데이터 인프라 구축 지원   산업통상자원부 산업인공지능혁신과 고상미 과장      산업 대전환을 주도하는 인공지능(AI) 활용을 본격적으로 지원하기 위해 산업통상자원부(이하 산업부)는 최근 산업 AI 정책을 주도적으로 추진하는 부서인 ‘산업인공지능혁신과’를 신설했다. 기존에 여러 부서로 분산되어 있던 산업AI 관련 정책과 업무를 통합해 전담 조직을 마련한 것으로, 조직 신설의 배경과 향후 산업AI 정책 추진 방향에 대해 해당 부서를 이끄는 산업인공지능혁신과 고상미 과장을 만나 이야기를 들어 보았다.   산업부 산업인공지능혁신과 신설의 배경은 무엇인가?   AI는 데이터 및 컴퓨팅 기술의 발전과 산업 자동화 수요 확대 등에 힘입어 다양한 산업에 빠르게 적용되고 있다. 산업 현장에서 AI의 중요성이 높아지면서, 산업부 내에서도 AI 정책을 체계적으로 수립하고 지원할 전담 조직의 필요성이 대두됐다. 이에 2024년 상반기부터 조직 신설을 준비해 2024년 12월 30일에 ‘산업인공지능혁신과’ 를 공식 출범시켰다. 산업 AI 확산과 기업지원 효과를 극대화하기 위해 산업정책과와 산업기술시장혁신과의 일부 업무인 ‘AI 산업정책 민관협의체 운영, 산업디지털전환 관련 법령, R&D 사업, 데이터 구축·관리’ 등을 산업인공지능혁신과로 이관했다. 산업인공지능혁신과의 주요 업무는 무엇인가? 산업인공지능혁신과는 제조업과 서비스업 전반에 걸쳐 인공지능(AI)과 산업데이터 활용을 촉진하기 위한 정책을 수립하고 제도를 정비하는 업무를 총괄하고 있다. 현재는 「산업디지털전환촉진법」을 개정해 「산업디지털 전환 및 인공지능활용촉진법(가칭)」으로 개편하는 방안 을 추진 중이며, 이를 통해 기존의 디지털 전환 중심 정책에 산업 AI 활용을 명시적으로 포함하고, 산업현장의 AI 확산을 위한 법·제도적 기반을 강화하고자 한다. 아울러, ‘AI 산업정책 위원회’와 ‘산업디지털전환 위원회’는 그 기능과 역할을 확대·통합해 ‘산업인공지능 위원회’로 개편하는 등 관련 위원회 체계도 정비 중이다. 산업 AI 기술의 확산과 현장 적용을 위해 산업별 맞춤 형 AI 기술개발과 기반구축, 산업현장에 필요한 AI 전문 인력 양성 등을 추진하고 있다. 또한, 산업데이터의 수집, 표준화, 연계, 품질관리 체계 마련은 물론, 데이터 플랫폼 구축 등 민간 활용 활성화를 위한 정책도 총괄한다. 민관 협력도 활발히 운영 중이다. 산업계와 학계, 전문가 그룹과 연계한 협의체와 자문단을 구성해 현장 중심의 정책 수립에 반영하고 있으며, 수요‧공급 기업 간 매칭 지 원, 산업 AI 컨설팅, 현장 실증 등의 사업도 확대할 예정이다. 이와 함께 한국산업지능화협회 등 유관기관과 협력해 산업 AI 세미나, 전시회, 컨퍼런스 등 교류 행사도 개최하고 있다. 산업부 내 타 부서와의 차별점은 무엇인가?  산업부 내 여러 부서가 산업 디지털전환 및 AI 활용 관 련 업무를 수행하고 있으나, 산업인공지능혁신과는 ‘산업 데이터’ 업무를 전담한다는 점에서 차별화된다. 「 산업디지털전환촉진법」에서도 산업데이터 지원 근거가 별도 장(章)으로 명시될 만큼 그 중요성이 커지고 있다. 그러나 현장에서는 산업데이터의 확보가 어렵고, 활용 수준 또한 낮은 것이 현실이다. 이를 개선하기 위해 산업 부는 2024년 R&D 사업으로 ‘데이터 전처리(산업AI용 데이터 전처리 자동화 기술개발)’, ‘탄소데이터 플랫폼 구축(제조데이터 표준 인공지능 활용 제품 전주기 탄소중립 지원 기술개발)’ 사업을 새롭게 추진하였으며, 산업데이터의 생성·가공·활용 전 주기를 촉진하기 위한 ‘데이터 스페이스(한국형 Manufacturing-X 플랫폼 표준모델 개발 및 실증)’ 사업도 기획 중이다. AI 확산이 기업에 실질적으로 영향을 미치기 위해 필요한 노력은 무엇이라고 보는가?  AI 확산이 기업에 실질적인 영향을 미치기 위해서는 산업 현장의 수요에 기반한 전략적 접근이 필요하다. 현장을 살펴보면, 많은 기업들이 AI 도입에 관심은 있으나 산업데이터 부족, 기술 검증 부담, 초기 투자 리스크 등 현실적 한계에 부딪히고 있다. 특히 제조업의 AI 적용을 위해서는 양질의 산업데이터 확보와 이를 기반으로 한 문제 정의 과정이 선행되어야 하며, 이를 위해 산업부는 기업 현장 문제 해결을 위한 산업데이터 기반 AI 기술개발을 추진하고 있다. 또한 산업 전반의 AI 확산이 실제 기업의 생산성과 경쟁력 향상으로 이어지기 위해서는 수요기업 중심의 실질적 확산 기반 마련이 중요하다. 이에 산업부는 권역별 거점으로 ‘산업AI 혁신센터’를 지정하고, 산업AI 수요기업(제조기업)과 공급기업(솔루션기업) 간 파트너십을 통해 AI 솔루션 공동 실증을 지원하여, 산업 전반에 걸친 전국적 산업 AI 확산을 추진하고자 한다.  ‘산업 AI 10대 과제’의 선정 배경과 중요성에 대해 소개한다면?  ‘산업 AI 10대 과제’는 2024년 5월부터 민관 합동으로 ‘AI산업정책위원회’를 출범한 이래, 한국공학한림원 회원 들을 비롯한 200여명의 민간 전문가들이 심도 있게 논의해 도출한 결과다. 민간 전문가 그룹이 산업 현장의 수요와 기술 변화를 반영해 과제를 선정했다는 점에서 의미가 크다. 10대 과제에는 ▲산업AI 선도 프로젝트 ▲AI 에이전트 와 피지컬 AI ▲산업 AI 컴퓨팅 인프라 ▲산업 데이터 ▲ AI 반도체 ▲AI 인재 ▲전력 인프라 ▲산업 AI 자본 ▲AI 생태계 ▲산업 AI 제도 등이 포함된다. 일부 선도 과제는 기존 사업과 연계해 조기 성과 도출을 지원하고, 산업데이터 스페이스 구축, AI 인재 양성 등 신규 과제도 추진 중이다.   최근 진행했던 ‘산업 AI 전략(M.A.P)’ 세미나의 성과와 향후 계획은 무엇인가? 최근 진행한 ‘산업 AI 전략(M.A.P, Manufacturing AI Policy)’ 세미나는 제조기업의 AI 도입을 실질적으로 지원하기 위한 소통의 장으로 의미 있는 성과를 거두었다. 많은 제조기업들이 AI 도입의 필요성에는 공감하지만, 실 제 도입 과정에서 많은 어려움을 겪고 있다. 이에 산업인공지능혁신과는 기업들이 AI 전문가와 직접 소통하고 실질적인 해법을 모색할 수 있도록 ‘M.A.P 세미나’를 기획하였다. 해당 세미나는 서울, 광주, 창원 등에서 개최되었으며, 매 행사마다 높은 관심을 받았다. 세미나 이후 질의응답에서는 고난이도 기술 질문이 이어져 산업 현장의 실질적 수요를 확인할 수 있었다. 앞으로도 M.A.P와 현장 밀착형 프로그램을 지속 확대해 기업들의 AI 도입을 실질적으로 지원하고, 산업계의 요구를 정책에 적극 반영해 나갈 계획이다. 국내 산업 AI·DX 도입 수준은 어떠하고, 확산을 위해 필요한 선결 과제는 무엇인가?  국내 산업계의 AI·DX 도입 수준은 여전히 초기 단계에 머물러 있으며, 실질적 확산을 위해 해결해야 할 과제가 적지 않다. 2024년도 한국생산성본부(KPC) 조사에 따르면, 국내 제조업체의 약 90%가 아직 AI를 실제로 도입하지 않았으며, 그 주요 원인으로 산업데이터 확보의 어려 움과 인프라 부족이 지목되었다. 또한, ‘AI 기술을 어떻게 활용해야 할지 모른다’는 점도 도입 저해 요인으로 나타났다. 산업 현장에 특화된 AI 솔루션에 대한 정보와 접근성이 낮기 때문이다. 산업 AI 확산을 위해서는 국가 차원의 전략도 중요하지만, 현장에서 필요한 AI 기술을 신속히 개발하고, 기업들이 쉽게 접근할 수 있도록 기술과 현장을 연결하는 실질적인 ‘연결고리’의 구축이 무엇보다 중요하다.   산업인공지능혁신과의 올해 및 중장기 계획에 대해 소개한다면? 산업인공지능혁신과는 AI 기술의 빠른 발전과 산업 전 반에 미치는 영향력을 고려해, 중장기 로드맵보다는 현장 수요와 단기 실현 가능성이 높은 과제 중심으로 지원 방향을 유연하게 설정하려 한다. ‘산업 AI 10대 과제’ 발표 이후, 실행력 있는 세부 실행 계획을 단계적으로 추진하고 있으며, 산업 현장에서 실질적인 효과를 낼 수 있도록 정책의 실행력을 높이는 데 중점을 두고 있다. 앞으로는 산업부 전체 차원의 중장기 전략을 재정립하고, 기업들이 실제로 필요로 하는 기술·데이터·인프라 요건을 면밀히 검토해 정책 대응을 강화할 계획이다. 산업 AI 활용 수혜기업과 한국산업지능화협회에 전하고 싶은 말이 있다면?  산업 AI 확산을 위해 여러 기관이 적극적으로 사업을 기획·발굴하고 있다. 현장의 수요를 신속하게 전달하는 것이 무엇보다 중요하며, 이를 통해 실질적으로 도움이 되는 정책과 사업이 만들어질 수 있다. 특히 한국산업지능화협회는 ‘산업AI 얼라이언스’ 운영, ‘산업AI 엑스포’ 개최 등 현장 중심 활동을 통해 정보 교류와 성공사례 확산에 앞장서고 있다. 앞으로도 수요기업과 공급기업의 현장 목소리가 정확히 전달되고, 산업계의 적극적인 참여와 소통이 실효성 높은 정책으로 연결될 수 있도록 협회의 적극적인 협력을 당부한다. ■    캐드앤그래픽스 최경화 국장 mail@cadgraphics.co.kr  

씽크포비엘은 6월 25일 국립군산대에서 ‘AI 신뢰성’ 검증 기술 다루는비교과 교육과정을 운영했다.   'AI 신뢰성' 검증 기술 관련 민간 공인 자격을 취득한 전문가가 배출되어 미래 일자리 창출에 기여할 것으로 기대된다. AI 신뢰성 전문기업 씽크포비엘은 6월 25일(수)부터 27일(금)까지 국립군산대학교 IT융합통신공학과 재학생을 대상으로 ‘AI 신뢰성’ 검증 기술 교육을 실시했다고 밝혔다. 이번 교육은 전북특별자치도와 전북테크노파크의 지원을 받아 국립군산대 ICT특성화취업연계형사업단이 마련한 비교과 프로그램으로, 실무 교육은 씽크포비엘에서 맡아 진행했다. 교육 과정은 농생명 분야의 AI 데이터 활용에 필요한 다양성‧편향성 진단 시나리오 설계, 신뢰할 수 있는 AI 개발 개론, 검증 프로세스 적용 방법 등 이론 강의와 실습, 토론으로 구성됐다. 마지막 날에는 수강생을 대상으로 한 자격 시험도 진행됐다. 교육을 수료하고 자격 기준을 충족한 수강생에게는 한국산업지능화협회(KOIIA)가 발급하는 ‘산업인공지능데이터검증전문가’ 2급 자격증이 주어진다. 이 자격은 씽크포비엘이 준비 중인 ‘AI 신뢰성 검증전문가’ 자격과는 별개로, AI 신뢰성 검증 기술 중 ‘데이터 밸런스’ 기법에 초점을 맞춘 것이다. 해당 자격은 2024년 2월, 한국직업능력연구원에 정식 등록됐다. 씽크포비엘과 국립군산대는 산업부 산하 인가 단체의 공인 자격을 취득할 수 있는 교육 과정이 처음 마련됐다는 점에 의미를 두고 있다. 씽크포비엘에서는 2020년부터 국립군산대와 함께 동일한 교육과정을 6년째 운영 중이며, 지난해에는 자격증을 시범 발급한 바 있다. 그러나 공인 자격이 부재했던 과거에는 교육 이수자들의 취업에 실질적인 도움이 되지 못했다는 평가도 있었다. 국립군산대 관계자는 “AI 신뢰성 관련 기술을 배우고 자격까지 취득함으로써 학생들의 실무 역량과 현장 이해도가 높아질 것으로 기대된다”고 밝혔다. 한편, 한국산업지능화협회는 향후 ‘산업디지털전환촉진법’에 따른 디지털전환(DX) 전문기업 인증 기준에 ‘산업인공지능데이터검증전문가’ 보유 인력 여부를 포함하는 방안을 검토 중이다. 기업 수요 확대와 전문 인력 양성을 동시에 꾀한다는 전략이다. 이 자격과 교육은 특히 지방대 출신 구직자에게 새로운 기회가 될 전망이다. 씽크포비엘은 “AI 신뢰성 분야는 아직 초기 단계로, 수도권 대학 출신과의 경쟁에서 대등한 조건을 만들 수 있는 영역”이라고 강조했다. 또한 AI 신뢰성 교육은 해외에서도 주목받고 있다. 씽크포비엘에 따르면 태국 정부에서는 지난해부터 관련 아카데미 설립을 준비 중이며, 우즈베키스탄도 정부 주도의 교육 기관 설립을 검토하고 있다. 이 같은 글로벌 관심 속에서 국내 전문 인력 양성이 본격화되면 AI 신뢰성 분야의 세계적 성장 가능성도 높아질 것으로 보고 있다. 박지환 씽크포비엘 대표는 “AI 기반 바이브 코딩이 부상하면서 기존 SW 개발자 직무에 변화가 생기고 있는 상황에서, AI 신뢰성 분야는 새로운 일자리로 주목받고 있다”며, “국립군산대에 데이터 취급 전문가 역량을 파악할 자격 과정을 최초 개설된 것은 의미가 크다. 하반기에는 AI 신뢰성 전문가 자격도 공인 민간자격으로 등록해 전문 인력 양성에 속도를 낼 계획”이라고 밝혔다.  

이 내용은 한국생산성본부(KPC)가 수행한 제조업 디지털전환(DX,  Digital Transformation) 및 AI 활용도 관련 공식 조사 결과이다.   주요 조사 결과 요약 AI 실제 도입률 제조업 응답 기업의 약 90%가 실제로 AI를 도입하지 않은 것으로 나타났습니다. 이는 제조업 내 AI 도입률이 3.9%에 그치는 등, 타 산업(정보통신 25.7%)에 비해 현저히 낮은 수치입니다. AI 도입 저해 요인 AI 도입이 저조한 주요 원인으로는 다음이 꼽혔습니다. 인프라 부족: 고성능 컴퓨팅 환경, 네트워크 등 AI 활용에 필요한 인프라가 미흡함. 산업 데이터 확보의 어려움: 제조 현장에서 발생하는 데이터의 품질 및 통합 문제, 데이터 자체의 부족이 큰 장벽으로 작용함. 전문 인력 부족, 초기 투자비용 부담, 기존 시스템과의 연계성 문제 등도 복합적으로 영향을 미침. 추가 참고 AI 활용률이 낮은 배경에는 산업 데이터의 관리 및 공유가 어렵고, AI 도입에 따른 실질적 변화(생산성, 비용 등)가 아직 제한적이라는 현장 평가도 반영되어 있습니다. 기업들은 AI 도입 필요성은 인식하고 있으나, 실제 활용률은 30% 미만, 제조업은 20% 내외로 조사되었습니다. 결론 한국생산성본부(KPC)가 발표한 제조업 디지털전환 및 AI 활용 실태조사 결과는 KPC 공식 홈페이지 공지사항에서 확인할 수 있습니다. 제조업의 AI 도입률은 매우 낮으며, 인프라와 데이터 확보의 어려움이 핵심 저해 요인임이 명확히 드러났습니다 ----------------------------------- 1.    조사 배경    인공지능, 빅데이터 등 디지털 기술의 등장은 과거 전통적 산업 간의 경계를 희미하게 만드는 동시에, 경제 성장의 새로운 원동력으로 각광받고 있음     이들 기술을 활용한 디지털 전환(DX; Digital Transformation)은 공정의 최적화는 물론, 제품 지능화, 서비스 고도화를 통해 산업에 당면한 과제를 해결하고 새로운 가치를 창출한다는 점에서 의미가 매우 크나, 현실적으로 중견, 중소기업에서는 인력, 자금 등의 문제로 산업 디지털 전환이 필요함에도 추진하기에 어려운 부분이 존재함     이처럼 기업의 애로사항과 불확실성이 존재하는 상황에서 정부에서 의결한 ‘산업 디지털 전환 촉진법’은 디지털 전환과 관련된 법적 사각지대를 해소하고 법률적 기반을 마련하는 계기가 될 것임     향후 산업 디지털 전환과 관련된 종합계획이 수립되고 각종 세부 정책들이 본격적으로 추진되기 위해서는 디지털 전환 역량이나 준비도 등의 산업계 실태를 면밀하게 파악하는 것이 선행되어야 함. 특히,  산업 디지털 데이터의 공유와 협업을  통한 수익 창출과 관련된 규범이 새롭게 마련된 만큼 이를 위한 정책적 근거자료 마련이 필수적임   조사 근거 : 산업디지털전환촉진법 2.    조사 목적     규모별 디지털 전환(DX) 인식 수준, 산업의 데이터 활용률, 디지털 전환 역량 및 애로사항, 요구사항 등을 종합적으로 조사함으로써 DX 역량진단 및 기업 수준을 분석, 평가할 수 있는 기초자료를 수립하고자 함     또한, 각종 데이터 수집 현황,  분석 및 활용 역량,  데이터 협력·거래  등 산업 데이터 역량과 니즈를 확인함으로써  실제  사업 수행 시 기업 간 매칭 및 맞춤형 지원사업을 가능토록 하고자 함   산업데이터 생성ㆍ활용의 활성화와 지능정보기술의 산업 적용을 통하여 산업의 디지털 전환을 촉진함으로써, 산업 경쟁력을 확보하고 국민의 삶의 질 향상과 국가 경제발전에 이바지하기 위해 필요한 ‘산업 디지털전환 종합 계획’ 수립 및 시행을 위한 관련 현황, 통계 및 실태 파악   목차 제 1장. 서론    1 01.    조사  배경 및 목적    3 1.    조사 배경    3 2.    조사 목적    3 01.    표본설계    4 1.    조사 대상    4 2.    모집단  분포 및 표본틀    5 3.    표본설계    6 4.    가중치와 추정    8 02.    조사 개요    11 1.    조사 개요    11 2.    조사 항목    11 03.    응답자 특성    13 제 2장. 조사결과    14 01.    디지털 전환 인식    16 (1)    DX에    대한 임직원의 인지도    16 (2)    디지털    비전과 리더십 단계    17 (3)    디지털    전략 단계    18 (4)    디지털    기술과 솔루션 이해도    19 02.    산업 데이터 역량    20 1.    데이터 수집    20 (1)    시장 및 고객 데이터 수집 방법, 비중    20 (2)    공정  데이터  수집 방법, 비중    21 (3)    제품 및 서비스 데이터 수집 방법, 비중    22   (4)    데이터 인프라    23 (5)    데이터  품질관리 성숙도 단계    24 (6)    데이터 수집시 애로사항    25 2.    데이터 분석·활용    26 (1)    ‘데이터    사용/관리’ 변화 정도    26 (2)    데이터    분석·활용 역량 수준    27 (3)    데이터    관련 전문인력 현황, 필요 규모    28 (4)    데이터    분석·활용 시 장애요인    29 3.    데이터 협력·거래    30     (1) 데이터 협력, 거래 활동 여부    30 (1-1) 데이터 협력, 거래 활동 목적    31 (1-2) 데이터 협력, 거래 활동이 없는 이유    32 (2)    데이터    협력,    거래를 위한 정보 획득 경로    33 (3)    데이터    협력,    거래의 애로사항    34 (4)    데이터    협력,    거래 과정에서 경험한 부당한 대우, 침해행위    35 4.    인공지능(AI) 활용    36 (1)    인공지능(AI) 기술의 업무 활용 여부    36 (2)    인공지능 기술을 업무에 활용하는 목적    37 (3)    인공지능 기술을 업무에 활용 시, 가장 어려웠던 점    38 (4)    인공지능 기술을 업무에 활용하지 않는 이유    39 03.    디지털 기반 프로세스 혁신    40 1.    디지털  프로세스 혁신 활동    40 (1)    업무 프로세스에 적용하고 있는  디지털 기술    40 (1-1) 디지털 기술별 적용  업무 프로세스_빅데이터    41 (1-2) 디지털 기술별 적용  업무 프로세스_인공지능    42 (1-3) 디지털 기술별 적용  업무 프로세스_IoT    43 (1-4) 디지털 기술별 적용  업무 프로세스_클라우드    44 (1-5) 디지털 기술별 적용  업무 프로세스_AR/VR    45 (1-6) 디지털  기술별 적용 업무  프로세스_지능형 협동 로봇    46 (1-7) 디지털  기술별 적용  업무 프로세스_RPA    47   (1-8) 디지털 기술별 적용 업무 프로세스_디지털마케팅솔루션    48 (1-9) 디지털 기술별 적용 업무 프로세스_3D 프린팅    49 (1-10) 디지털 기술별 적용 업무 프로세스_모바일 기술    50 (1-11) 디지털 기술별 적용 업무 프로세스_5G 기술    51 (1-12) 디지털 기술별 적용 업무 프로세스_보안    52 (2)    각 디지털 기술별로 과거부터 현재까지 예상되는 투자 비중    53 (3)    지난 1년간 디지털 기술 관련 투자액    54 (4)    빅데이터 부문 투자 금액(최근 1년)    55 (5)    인공지능 부문 투자 금액(최근 1년)    56 (6)    도입한 디지털 기술/도입하지는 않았으나 도입 효과가 좋을 것으로 예상되는 기술 · 57 (7) 디지털 기술 도입에 있어 자체 도입 & 아웃소싱 비중    59 (8) 디지털 기술 도입 후,  사후 관리    60 2.    (8-1) 사후 활동이 잘 되지 않는 이유    61 (9)    ‘정보화  준비도’ 변화 정도    62 (10)    ‘정보화  기술  수준’ 변화 정도    63 디지털  기반  프로세스 혁신 성과    64 (1)    ‘업무 프로세스 개선’ 변화 정도    64 (2)    자동화를    통한 업무시간 단축 여부 및 단축된 시간    65 (3)    프로세스    자동화율    66 (4)    프로세스    지능화율    67 (5)    프로세스    통합 연계율    68 04. 디지털 신기회    창출    69 1.    비즈니스 모델 혁신 활동    69   (1)    ‘비즈니스 모델’ 변화 정도    69 (2)    최근 3년간 디지털 기반 비즈니스 모델 혁신 및 변경 시도 여부    70 (2-1) 비즈니스 모델 혁신을 위한  시도의 목적    71 (2-2) 디지털 기반 비즈니스 모델  혁신의 유형    72 (3)    ‘고객 관련 업무’ 변화 정도    73 2.    디지털 제품 및 서비스 창출    74 (1)    최근 3년 디지털 연구 성과  창출 경험    74 (2)    ‘신제품/서비스 개발’ 변화 정도    75 (3)    최근 3년간 디지털 기술 적용을 통한 획기적 개선, 새롭게 출시된 제품 및 서비스 · 76 (3-1) 제품 및 서비스 개선, 출시를 위해 적용한 디지털 기술    77 (3-2) 제품 및 서비스 혁신을 위해 적용된 디지털 기술 획득 경로    78 (3-3) 전체 매출액에서 디지털 혁신 제품 및 서비스 매출이 차지하는 비중    79 (3-4) 디지털 혁신 제품 및 서비스가 개선, 출시되지 않은 이유    80 05.    디지털 전환 역량    81 (1)    ‘정보화 비전과 전략’ 변화 정도    81 (2)    ‘디지털 전환 인식’ 변화 정도    82 (3)    ‘혁신 문화 수준’ 변화 정도    83 (4)    디지털 전환 추진 여부    84 (4-1) 디지털  전환 추진 주도 부서    85 (5)    디지털 부문 연구개발 투자 금액(최근 1년)    86 (6)    디지털 부문 연구개발 인력 수    87 (7)    ‘정보화 인력 수준’ 변화 정도    88 (8)    디지털 전환 추진계획 보유 여부    89 (8-1) 디지털 전환 추진 시기    90 (8-2) 디지털 전환 추진을 위한  자금 조달 방식    91 (9)    디지털 전환 관심 분야    92 (10)    디지털 전환 관련 인력 양성을 위한 직원 교육 프로그램 실시 여부    93 (11)    디지털 전환 추진을 위한 인력 양성 및 외부 충원 계획 여부    94 (11-1) 디지털 전환 추진을 위해 필요한  인력 유형    95 (12)    디지털 전환 관련 협업 여부    96 (12-1) 디지털 전환 관련 외부 협업  유형별 수요    97 (13)    ‘지식 공유 수준’ 변화 정도    98 (14)    디지털 전환 관련 수출 애로사항    99 06.    디지털 전환 애로사항 및 정책 수요    100 (1)    디지털 전환 추진 애로사항    100 (2)    정부 및 지자체의 디지털 전환 정책지원 수요    101 (2-1) 정책지원을 받지 않은 이유    102 (3)    필요로 하는 디지털 전환 관련 정부  정책 분야    103   (4)    ‘정부    DX 지원 및 규제 환경’ 변화 정도    104 (5)    ‘시장    환경’ 변화 정도    105 (6)    ‘기술    환경’ 변화 정도    106 (7)    ‘경쟁    환경’ 변화 정도    107 부록. 설문지    108 상세내용 보러가기

‘산업디지털전환촉진법’이 시행됨에 따라 산적한 과제 해결 방안을 모색하고 기업의 성공적인 디지털 전환 방향을 마련하기 위해 7월 14일 13시 30분부터 국회의원회관 제3세미나실에서 ‘ON미래-산업 디지털 전환’포럼이 개최됐다. 코로나19 팬데믹은 갑작스럽게 찾아오는 변화가 준비되지 않은 이들에겐 혹독한 고통이 됨을 여실히 보여줬다. AI와 loT, 빅데이터 등 디지털 기술을 기반으로 하는 비즈니스 모델이 창출되며 산업 간의 경계가 모호해졌고 이에 따라 산업 현장은 끊임없는 혁신을 요구받고 있다. IT분야 전용으로만 여겨지던 디지털 기술이 전통 산업분야까지 범위를 넓히며 산업 분야의 디지털 전환은 시대적 과제로 다가오고 있다. 차세대 산업 주도권을 선점하기 위해 세계 각국은 산업 디지털 전환에 총력을 기울이고 있으며 우리나라도 지난해 12월 ‘산업 디지털 전환 촉진법’을 제정해 산업 디지털 전환을 확산하기 위한 제도적 기반을 마련했다. 이에 기업 간 데이터들이 연결되고 활용할 수 있는 환경을 조성해 성공적인 산업 디지털 전환을 뒷받침하기 위해 국회와 산업계, 학계가 힘을 모았다. 이번 토론회는 산업 디지털 전환 추진 방향 및 추진사례 발표와 국회·부처·산업계 등 각계 대표자의 패널 토론으로 나서 현장의 생생한 목소리를 전달하고 효율적인 제도 마련에 대한 의견을 개진했다.  고려대 이영환 특임교수가 ‘산업 혁신을 위한 디지털 전환 추진 방향’이라는 주제로 발제를 시작했고 이어서 세아홀딩스 채민석 상무가‘산업 디지털 전환 추진사례 및 제언’을 발표했다. 발제에 이어 연세대 임춘성 교수를 좌장으로 민·관 대표들이 패널로 참여해 토론이 시작됐다. 국회미래연구원은 ‘산업 디지털 전환 촉진을 위한 제도적 정비 필요성 제안’, 산업통상자원부, 중소벤처기업부, 과학기술정보통신부는 정부의 디지털 전환 정책 추진현황 및 향후 계획, SK텔레콤에서는 자사의 산업 디지털 전환 추진현황 및 정책제언을 주제로 토론이 진행됐다. 행사를 주최한 양금희 국회의원은 “우리 산업을 둘러싼 대내외 여건이 엄중한 상황에 오늘 이 자리는 더 나은 미래를 향한 출발점이 될 것”이라며“성공적인 산업 디지털 전환을 위해 민간의 역량을 결집하고, 정부와 국회가 제도적으로 강력히 뒷받침하도록 역할을 다하겠다.”고 밝혔다.