(기술로드맵) 2018년 중소기업 전략기술로드맵 (2019-2021) 01 - 인공지능

인공지능
전략 분야
인공지능
1. 개요 ······································································································································ 01
2. 정책 분석 ····························································································································· 04
3. 생태계 분석 ························································································································· 10
4.기술 분석 ······························································································································· 26
5. 중소기업 시장대응전략 도출 ····························································································· 33
6. 전략품목 ······························································································································· 34
전략 품목
인간-인공지능 협업 시스템
1. 개요 ······································································································································ 40
2. 외부환경분석 ······················································································································· 43
3. 기술 분석 ····························································································································· 48
4. 연구개발 네트워크 ·············································································································· 63
5. 기술로드맵 ··························································································································· 68
영상 데이터 기반 AI 서비스
1. 개요 ······································································································································ 78
2. 외부환경 분석 ····················································································································· 81
3. 기술 분석 ····························································································································· 88
4. 연구개발 네트워크 ············································································································ 104
5. 기술 개발 로드맵 ············································································································· 108
화자 확인 시스템
1. 개요 ···································································································································· 118
2. 외부환경분석 ····················································································································· 122
3. 기술 분석 ··························································································································· 128
4. 연구개발네트워크 ············································································································ 144
5. 기술개발로드맵 ················································································································· 148
Robotic Process Automation(RPA)
1. 개요 ···································································································································· 158
2. 외부환경 분석 ··················································································································· 162
3. 기술 분석 ··························································································································· 169
4. 연구개발 네트워크 ············································································································ 186
5. 기술로드맵 기획 ··············································································································· 187
공공서비스 특화 챗봇 시스템
1. 개요 ···································································································································· 197
2. 외부환경 분석 ··················································································································· 202
3. 기술 분석 ··························································································································· 209
4 연구개발 네트워크 ············································································································· 231
5. 기술개발로드맵 ················································································································· 233
텍스트 기반 시각 데이터 이해 및 검색 서비스
1. 개요 ···································································································································· 242
2. 외부환경분석 ····················································································································· 245
3. 기술 분석 ··························································································································· 251
4. 연구개발네트워크 ·············································································································· 263
5. 기술개발로드맵 ················································································································· 268
전략분야 현황분석
인공지능
인공지능
인공지능
1. 개요
가. 정의
 인공지능(이하 AI)은 인간의 학습능력과 추론능력, 지각능력, 자연언어의 이해능력 등을 컴퓨터

프로그램으로 실현한 기술로서 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을
방향으로 발전
 지능정보 기술 구현의 핵심으로서, 인공지능의 ‘지능’과 IoT 기술 수집 정보, 빅데이터 등

‘정보’가 결합되어 4차 산업혁명에서 새로운 지능형 서비스를 제시할 것으로 기대
 기존 시장에 인공지능의 음성, 이미지 인식기술 등을 적용하여 새로운 시장으로서의 확대

가능성 또한 충분한 기반 기술
▪ 자율주행차, 지능형 로봇, 스마트 공장, 스마트 헬스케어, 금융/핀테크, 지능형 서비스/교육 등
다양한 분야에서 적용 가능
▪ 최근 사물인터넷 (IoT)의 등장으로 대량의 데이터 분석 및 처리 기술의 발전, HW 성능 고도화에

따라 시장 성장 가속화 추세
나. 범위 및 분류
(1) 범위
 문제 해결능력에 따라 강한 인공지능(Strong AI)과 약한 인공지능(Weak AI)으로 나눌 수

있음
▪ 강한 인공지능(Strong AI)은 자아를 지닌 인공지능으로 스스로 사고하여 문제를 해결할 수 있는
컴퓨터 기반의 AI
- 인간의 사고와 같이 컴퓨터 프로그램이 행동하고 사고하는 인간형 인공지능

- 인간과 다른 형태의 지각과 사고 추론을 발전시키는 컴퓨터 프로그램인 비인간형 인공지능
▪ 약한 인공지능(Weak AI)은 스스로 사고하여 문제를 해결할 수 있는 능력은 없으나 주어진 조건

아래서 정해진 특정 문제 해결 가능
- 인간의 인지적 능력 중 단위 기능만을 지능적으로 수행 가능

- 특정 문제 해결을 위한 도구로 인식
- 약한 인공지능인 IBM의 왓슨이 현재로서는 강한 인공지능에 가장 근접한 AI 시스템
1
 인공지능은 주요 기술에 따라 학습 및 추론기술, 상황이해 기술, 언어이해 기술, 시각이해

기술, 인지컴퓨팅 기술 등을 포괄
▪ 학습 및 추론기술은 인간의 사고능력의 모방과 관련된 기술로 기계학습, 추론, 딥러닝 등

세부지식을 활용하여 지능화된 기능을 제공하는 가장 일반적으로 알려진 인공지능의 기술을 의미
- 빅데이터를 활용한 인공지능 기술 전반에 걸쳐 활용
▪ 상황 이해기술은 IoT 센서 등을 이용하여 수집된 데이터를 기반으로 주변의 상황을 인지하고

예측하여 상황에 적절한 대응을 제공할 수 있도록 하는 기술
- 자율주행자동차, 드론 분야에 필수적
▪ 인공지능의 언어 이해는 사람의 음성 언어를 학습하여 이해하고, 이를 이용하여 인간과의

상호작용을 가능하게 하는 기술
- 챗봇 및 지능형 교육 프로그램 운영에 필요
▪ 시각 이해는 카메라 등을 통해 입력된 데이터에서 객체와 배경을 분리하여 필요로 하는 정보만을

파악하는 기술을 의미
- 영상 검색, 시각 데이터 마이닝 등의 지능화 기능 제공 가능
▪ 인지컴퓨팅 기술은 정보 습득, 이해, 의사결정으로 이어지는 정보처리 프로세스를 학습하는

인공지능의 능력을 의미
 국내에서는 인공지능 SW 범위를 응용기술을 포함한 포괄적인 범위로 파악하는 반면, 해외의
경우 중요도, 파급력 등을 중심으로 분류 체기를 적용하여 상이한 접근법 채택
과학기술정보통신부 한국과학기술기획평가원
유형 그 외 국내 기관* 해외 기관**
(2018.05) (KISTEP)
학습 머신러닝 기계학습 Machine learning
학습 및 추론
추론 추론·지식표현 지식추론 Machine reasoning
시각 지능 시각지능 시각이해 Computer vision
인지 언어 지능
언어지능 언어이해 Natural language
청각 지능
상황 이해 복합지능
응용 지능형 에이전트 - -
기타 인공지능
행동·협업지능
* ETRI(2017), NIA(2018), IITP(2018) 등

** 맥킨지(2018), TRATICA(2018), Gartner(2018) 등
2
2
인공지능
(2) 분류
[ 인공지능(AI)의 분류 ]
기술 내용
• 컴퓨터가 인간과 같이 정보를 습득하고 그 정보를 이용해 의사 결정을 할 수

인지컴퓨팅 있는 모델의 과정을 시뮬레이션 하는 기술
(Cognitive computing)
• 인지시스템은 데이터들로부터 그 자신만의 추론을 통해 결론을 도출
• 프로그램화된 논리(로직)나 정형화된 규칙 등을 바탕으로 발생되는 데이터를

기계학습 통해 학습하는 수리/수학적 알고리즘을 의미함
(Machine learning) • 기계학습 알고리즘은 확률적 모델을 세우고 비슷한 데이터셋과 관련된
내용을 토대로 가정하고 예측하게 되는 과정을 거침
• 기계학습과 유사하지만 인간 신경망을 모델화하여 새로운 데이터 셋을
딥러닝 예측하는 기술임

(Deep learning)
• 예를 들어 특정 이미지나 음향 및 동영상 데이터를 패턴 분석을 수 없이
많은 학습을 통해 스스로 무엇인지를 인지하는 기술
• 컴퓨터가 인간의 언어를 알아들을 수 있게 하여 인간처럼 말하고 쓸 수

자연어 처리 있도록 하는 기술
(Natural language
processing) • 다양한 인간의 언어를 가지더라도 의사소통이 가능하게 하는 것 역시 자연어
처리로 볼 수 있음
데이터마이닝 • 많은 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견하여, 미래에 실행

(Data mining) 가능한 정보를 추출해 내고 의사 결정에 이용하는 과정
음성 인식 • 인간의 발성하는 음성을 이해하여 컴퓨터가 다룰 수 있는 문자(코드) 정보로

(Speech recognition) 변환하는 기술
• 기계에 의하여 도형·문자·음성 등을 식별시키는 것

패턴인식
• 현재로서는 제한된 분야에서 실용화되고 있고, 본격적인 패턴 인식은 아직
(Pattern recognition)
연구단계
컴퓨터비전 • 컴퓨터 비전은 로봇의 눈을 만드는 연구 분야로 컴퓨터가 실세계 정보를

(Computer vision) 취득 하는 모든 과정을 다룸
• 사람들이 보고 있는 특정 피사체의 사진의 정체를 확인하고자 시도하는 기술

이미지 인식
• 사람이 볼 수 없거나 지진계와 같은 파형 등도 이미지 패턴인식에 포함될 수
(Image recognition)
있음
• 인공지능적 기능을 가진 소프트웨어 엔진

지능엔진
• 사용자를 보조하고 반복된 컴퓨터 관련 업무를 인간을 대신하여 실시하는
(Intelligent Agent)
엔진
3
3
2. 정책 분석
가. 해외 정책동향
◎ 미국
 오바마 정부는 미국의 인공지능 전략 수립을 위한 3개의 리포트[NSTC, ‘16.10]를 작성하여

인공지능 확산에 따른 일자리 변화, 기존 산업에 미치는 영향 등 인공지능이 도래할 미래에
대한 준비, 인공지능 국가 R&D 전략계획, 인공지능 자동화와 경제 등의 내용을 담고 있음
▪ ‘인공지능의 미래준비(Preparing for the Future of Artificial Intelligence)’ 는 인공지능 관련

규정, 공공 연구 개발, 자동화 윤리 및 공정성 및 보안과 관련된 구체적인 권고 사항 제시
▪ ‘국가 인공지능 연구 개발 전략 계획(National Artifial Intelligence Reserach and Development

Strategic Plan)’은 인공지능에 대한 공적 연구 개발을 위한 전략적 계획 설명
▪ ‘인공지능, 자동화 그리고 경제(Artificial Intelligence, Automation, and the Economy)’는

자동화의 영향과 인공지능의 효용 증대 및 비용 절감에 필요한 정책에 대한 고민을 다룸
 트럼프 정부는 자유 시장 경제 원리에 따른 인공지능 산업의 접근법을 택하고 있으며, 정부는

규제의 장벽을 없앰으로써 기술이 기술 혁신을 이룰 수 있도록 제도적 지원[NSTC, ‘18.5]
▪ 인공지능 산업계, 학계 및 정부 대표를 인공지능 정상회의(The 2018 White House Summit on

Artificial Intelligence)에 초청하여 인공지능 산업에 대한 대통령의 접근방식에 대해 소개
▪ 인공지능 산업에 대한 미국의 리더십 유지, 미국 노동자에 대한 지원, 인공지능 공공 연구 개발

촉진, 혁신에 대한 장벽 제거 등이 주요 골자
 국가 인공지능 R&D 전략계획 [NSTC, ‘16.10]
▪ 연방정보의 7가지 AI R&D전략 방향과 개발 우선순위를 명확하게 제시하였음
- 인공지능 연구에 대한 장기적·우선적 투자

- 인간-인공지능 간의 협업을 위한 효과적인 방법 개발
- 인공지능의 윤리적‧법적‧사회적 함의에 대한 이해 및 접근
- 인공지능 시스템의 안전 및 보안 시스템 마련
- 인공지능 교육 및 공공 데이터 공유 환경 필요
- 인공지능의 표준 및 벤치카밍을 통한 기술 측정 및 평가 필요
- 인력양성 제시
▪ 이 전략은 앞으로도 미국이 인공지능 분야에서 리더십을 유지하기 위해 중장기 투자와 효과적 투자 조정,
협업, 우선순위 설정뿐만 아니라 사회적 이슈나 윤리, 법률적 문제에도 큰 관심을 두고 있음을 확인
▪ 또한, 인력 개발과 교육, 수요 예측 등에 대해서는 따로 다루어야 할 정도의 의미가 있음 파악 가능
4
4
인공지능
◎ 중국
 ‘차세대 인공지능 산업 발전을 위한 3개년 계획(Three-Year Action Plan to Promote the

Development of New-Generation Artificial Intelligence Industry)’을 발표 [중국 국무원,
‘17.12]
▪ 차량, 서비스 로봇, 인증 시스템 과 같은 지능화되고 네트워크화 된 제품 개발 계획
▪ 지능형 센서 및 신경망 칩을 포함한 인공 지능 지원 시스템 개발의 강조
▪ 지능형 제조 시스템 개발 장려
▪ AI 개발 환경 향상-산업 훈련 자원 투자, 표준 테스트 및 사이버 보안 등
 ‘차세대 인공지능 개발계획(A Next Generation Artificial Intelligence Plan)’을 발표 [중국

국무원, ‘17.7]
▪ AI 분야의 원천 기술 및 상업화 경쟁력을 세계 최고 수준으로 끌어올려 중국의 새로운 경제 성장

동력으로 활용한다는 것이 동 규획의 주요 골자
▪ ‘20년 중국의 인공지능 관련 산업 규모를 1조 위안 이상으로 확대하여 중국의 인공지능 산업을

세계시장의 경쟁자와 동일한 수준으로 끌어올리고, ‘30년까지 10조 위안 규모로 인공지능 혁신을
위한 ’중심센터‘를 육성한다는 계획
▪ 세계　최고 수준의 인공지능 인재를 영입하고 중국의 인공지능 노동력을 강화하며, 인공지능 개발을
촉진하는 법률, 규정 및 윤리 규범을 수정하여 인공지능 개발을 촉진, 인공지능의 글로벌
거버넌스에 적극적으로 참여하고 주도할 수 있는 환경 조성이 목적
▪ 이는 사실상 미국을 겨냥한 구상으로, 경제뿐 아니라 사회, 국방 등 국력 신장을 위한 거의 모든

영역에 AI 기술을 적용하는 정책 지원이 이어질 전망
 중국은 딥러닝 연구와 이를 활용한 음성 및 이미지 인식, 의료 분야에서 두각
▪ 백악관 산하 국가과학기술위원회(NSTC)는 ‘16.10월 발표한 보고서 ‘Preparing for the Future of

Artificial Intelligence’에서 AI의 핵심기술인 딥러닝 관련 중국의 논문 수가 미국을 추월한 부분에 주목
▪ 음성인식 분야를 견인하는 중국 기업은 Baidu와 iFlytek, 의료분야는 iCarbonX 등 중국어는 타

언어 대비 입력이 번거롭고 방언이 다양하여 음성인식에 대한 수요가 높으며 중국의 AI 투자가
집중되는 분야
▪ 인구에 비해 의사 수가 부족한 의료 상황 역시 AI 기반 의료서비스 개발 및 투자를 촉진. 중국은

풍부한 자금력과 함께 인구 최대 보유국으로 빅데이터, 패턴인식, 자연어 처리 등 딥러닝 기반 AI의
핵심 요소인 ‘축적된 데이터’라는 측면에서 경쟁 우위
5
5
◎ 일본
 인공 지능 기술 전략 [‘17.3]
▪ 일본의 Society 5.0 이니셔티브의 생산성, 건강, 이동성의 3개 영역에 우선 적용
▪ 산업화 로드맵 실현이 일조 목적으로 연구개발, 인재, 공공데이터 및 창업에 대한 새로운 투자 포함
▪ 인공 지능 서비스 개발을 3단계로 구성한 산업화 로드맵으로 유명
- 다양한 도메인 내에서 데이터 기반의 AI의 개발과 활용

- 도메인을 넘어서 개발된 AI와 데이터의 대중적 활용
- 다중 도메인을 연결하는 에코시스템 구축
 인공지능 산업화 로드맵 [‘17.2]
▪ 미래사회 대비, AI 등 4차 산업혁명 핵심기술을 통해 4개 전략 분야(생산성, 의료, 공간이동,

정보보안)의 해결과제와 로드맵 제시
▪ AI 산업화 로드맵에서는 일본과 세계가 직면한 문제를 일본이 가진 강점과 AI 기술의 결합을 통해
대응할 때 경쟁력 확보가 가능함을 제시
▪ 인공지능 기술 수준에 따라 산업의 발전 단계를 3단계로 구분하여 로드맵 제시
▪ 경제·사회의 모든 영역이 복합적으로 연결되는 인공지능 에코시스템 구축을 통한 초 스마트 사회를 최종목표로 설정
 일본 재흥 전략 [‘16.6]
▪ 일본정부는 일본경제의 부진 탈피와 4차 산업혁명이라는 외부 도전에 대응하기 위해 미래 투자를

통한 생산성 혁명을 주요 전략으로 하는 ‘일본재흥전략’ 발표
▪ 일본의 강점인 로봇, 제조업 등과 융합을 고려한 차세대 인공지능 R&D를 추진하며, 자율주행차,
스마트 공장, 소형 범용 로봇 등의 신기술 도입을 통한 고부가가치 창출을 위해 2020년까지 30조
엔 달성을 목표로 제시
▪ 인공지능 개발 역량 집중을 위한 컨트롤 타워로 총무성, 문무과학성, 경제산업성을 3성 합동으로

선정, ‘인공지능기술전략회의’를 설치하여 거버넌스 체계의 효율화와 인공지능 정책의 난립 방지
 초스마트(Society5.0) 사회 전략 [‘16.1]
▪ 초스마트사회(Society5.0)의 목표는 과학기술을 통한 생산성 향상과 사회문제 해결로 경제사회
전반에 대해 다루고 있다는 점이 특징
▪ 일본은 현재 에너지, 고령화, 지역경제 침체, 자연재해, 안보환경 변화, 지구적 문제 등 다양한
경제·사회적 과제에 직면
▪ 사회적 문제를 ‘문제’가 아닌 ‘과제’로 인식하여 새로운 성장동력으로 삼아 사회문제를 해결하는

서비스 창출을 통한 미래 산업 육성
6
6
인공지능
나. 국내 정책동향
 ‘I-Korea 4.0 실현을 위한 인공지능 R&D 전략’ 수립(’18. 5)
▪ 세계적 수준의 인공지능 기술력 및 R&D 생태계 확보를 위해 2018년부터 5년간 2.2조원 투자 추진
▪ 2022년까지 6개의 대학원을 설립하여 5,000명의 인공지능 전문가를 육성하고, 단기적 인공지능
인력의 필요에 대비하여 600명의 예비 인력 훈련 추진
- 인공지능대학원 신설, 대학연구센터의 AI 분야 지원 확대, 글로벌 기업과의 공동연구 지원 등을

통해 핵심·차세대 원천 기술 개발을 위한 고급 인재 양성 목적
- 인공지능을 활용하여 신제품·서비스를 창출하기 위한 데이터 활용 중심의 융·복합 인재 확보
▪ 국방, 의학 및 공공 안전분야의 대규모 프로젝트에 자금을 지원, DARPA와 유사한 인공지능 R&D
챌린지 착수
- 민간 투자가 어려운 공공영역과 고위험, 차세대 기술 분야 집중

- 차세대 AI 핵심 기술 확보를 위한 ‘AI R&D 챌린지 대회, AI 국가전략프로젝트 및 AI HW 분야
지원을 확대하고, 신약, 미래 소재 등 ‘AI+X’ 즉, 인공지능과 타분야의 융합을 강화하여 대규모
혁신 촉발
▪ 2029년까지 인공지능 반도체를 만들기 위한 자금 지원과 차세대 인공지능 사업 지원을 위한

인공지능 창업 보육센터 창립
- 인공지능 창업 및 중소기업 등 초기시장 창출 및 발전을 위해 기반 인프라에 집중 투자
 4차 산업혁명에 대한 지능정보사회 중장기 종합대책(’16. 12)
▪ 글로벌 시장에 대응하기 위해 ‘지능정보사회추진단’을 조직하여 인공지능에 관한 중장기 전략 마련
▪ 지능정보사회 도래 후 경제와 교육, 고용 등 사회 전반의 변화를 조망하고 기술, 산업, 사회로

연결되는 중장기 정책 방향과 2030년까지 추진할 12개의 전략 과제 정립
▪ AI 개발에 관한 중장기적인 대책과 구체적인 실행계획 마련을 위해 전문가 및 국민 의견을

수렴하여 「제4차 산업혁명에 대응한 지능정보사회 중장기 종합대책」을 발표
7
7
[ 지능정보사회 중장기 종합대책 정책과제 ]
*출처: IITP, 해외 CIT R&D 정책동향
 9대 국가프로젝트 추진 계획(’16. 8)
▪ 과학기술 혁신을 통한 국가발전 도모를 위해 발표한 계획
▪ 9대 국가 프로젝트에는 AI, 가상증강현실, 자율주행자동차, 경량소재, 스마트시티, 정밀의료,

탄소자원화, 미세먼지, 바이오신약이 포함
 한국 정부는 최근 인공지능 산업 육성정책을 수립하고 있으나 착수시점 및 투자 규모

측면에서 주요국 대비 뒤처져있으며 이에 정부는 최근 인공지능의 중요성을 인식하고 AI
산업 육성 정책을 수립
▪ 한국 정부는 2013년부터 10년간 지식공유 및 지능진화가 가능한 인공지능 SW개발을 목표로

‘엑소브레인(Exobrain)’ 프로젝트를 추진
▪ 한국 정부가 주도적으로 추진하고 있는 인공지능 관련 프로젝트의 투자 규모는 주요 선진국 대비

미흡한 수준
▪ 한국 정부는 향후 10년간 1,070억 원이 투자되는 ‘엑소브레인(Exobrain)’ 프로젝트를 비롯하여

인공지능 관련분야에 연간 총 380억 원을 투자 계획
[ 국내 주요 인공지능 R&D 과제 현황 ]
과제 내용
엑소브레인 지식 공유·지능진화가 가능한 인공지능 SW 개발이 목표

(Exobrain) ‘13~‘21년간 1,070억 원 투자
딥뷰
대규모 실시간 영상 이해 기반의 시각 지능 플랫폼 개발을 목표
(Deep View)
*출처: 정보통신기술진흥센터
8
8
인공지능
 ‘15년에서 ’17년까지 3년간 인공지능 분야 정부 R&D 총 투자액은 2,428억 원으로 연평균

26.7% 규모로 투자가 확대되고 있으며, 과학기술정보통신부 중심(78.6%)으로 연구 개발이
활발히 진행
▪ 과학기술정보통신부의 인공지능 분야 정부 R&D 투자는 ‘15년 기준 513억원에서 ’17년

856억원으로 가장 크게 증가하였으며, 총 투자 비중또한 78.6%로 가장 큰 규모를 차지
[ 인공지능 SW 분야 부처별 정부 R&D 투자 현황 ]

(단위: 백 만원, %)
‘15년 ‘16년 ‘17년 총 투자액 CARG
부처명
예산 비중 예산 비중 예산 비중 예산 비중 (%)
과학기술
51,302 78.8 54,003 73.9 85,570 81.8 190,875 78.6 29.1
정보통신부
중소벤처기업부 7,755 11.9 8,620 11.8 7,802 7.5 24,177 10.0 0.3
산업통상자원부 2,814 4.3 6,976 9.5 7,279 7.0 17,069 7.0 60.8
교육부 3,249 5.0 3,518 4.8 3,919 3.7 10,686 4.4 9.8
합계 65,120 100 73,117 100 104,569 100 242,806 100 26.7

* 출처: KISTEP 2018-16
 기술개발 및 기업지원을 위한 ‘SW 컴퓨팅산업원천기술개발’의 투자 규모가 가장 크며, ‘17년

기준 인공지능 신규 사업에도 많은 투자가 이루어지고 있는 것으로 분석
 ‘17년 이후 인공지능 분야 정부 R&D 중점 사업으로는 프로젝트형/챌린지형 기술개발,

인력양성, 인프라 중심의 신규 사업 추진 예정
[ 인공지능 SW 분야 정부 R&D 중점사업 ]

기술분야 정부 R&D 주요 사업 주요 추진 과제 총 사업비
국가전략프로젝트(인공지능 ‘딥뷰’, ‘엑소브레인’ 등 인공지능 차세대 기술개발 ‘17년 신규
) (‘17년~’23년) 장기 프로젝트 중점 추진 사업 (90억원)
기술개발 한국형 DARPA 챌린지 사업으로 AI R&D챌린지,
인공지능산업원천기술개발 ‘18년 신규
대화를 통한 AI 원천 기술 개발 및 AI 제품
(‘18년~’22년) (30억원)
서비스 개발에 필요한 유망 신기술 확보
데이터 활용가치가 높은 공공, 민간 데이터를 인공지능

지능정보산업인프라 조성 ‘17년 신규
구축 및 학습용(Machine Learning) 데이터로 가공하여
(‘17년~’21년) (50억원)
지원 지식베이스 구축 및 제공
인공지능핵심고급인재양성 ‘19년 신규 예정
인력양성 인공지능 분야 인력양성(대학원신설 등)
사업 (30억원)
인공지능 기술을 활용한 산업융합 지원을 위한 ‘19년 신규 예정

산업융합 인공지능융합선도프로젝트
인공지능 거점 센터 구축 및 기업 지원 (50억원)
출처: 기획재정부(2018), 2019년 예산안 및 2018~2022년 국가재정운용계획, KISTEP 2018-16 재인용
9
9
3. 생태계 분석
가. 시장 동향 및 전망
(1) 세계시장
 인공지능 기술은 수많은 분야에 적용될 수 있어 전체적인 시장규모의 특정에 어려움이 있으나,
2017년 14억 달러에서 2022년 160억 6000달러 규모로 연평균 62.9%의 고도성장 예상
▪ 인공지능이 중간 재화 형태로 존재하는 일종의 SW 또는 디바이스에서는 어디 부분까지 인공지능

시장에 포함시킬 것인가를 정이하는 과정에서 상이한 결과 도출
[ 인공지능 세계시장 규모 및 전망 ]
(단위 : 백만 달러, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
합계 1,400 2,282 3,717 6,055 9,865 16,060 62.9
* 출처 : Markets and markets, Artificial Intelligence (Chipsets) Market, 2017 재가공
 인공지능 소프트웨어 플랫폼 시장은 2017년 23억불 규모에서 2021년 84억불 규모로 연평균
약 40%의 고속 성장이 예상 (IDC, 2017)
 인공지능 개인비서(IVA: Intelligent Virtual Assistant) 시장은 인공지능 분야 중 급속히

확산되고 있는 분야로서, 2017년 25억불 규모에서 2023년 252억불 규모로 연평균 약
46%의 성장 예상 (Research and Market, 2018)
 기술별로 분류했을 때 인공지능 관련 시장은 전문가시스템, 자율로봇, 지능형 개인비서가

시장을 이끌 전망
10
10
인공지능
[ 세계 인공지능 시장 전망 기술별 ]
구분 ‘16 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
Expert systems 3,775 4,190 4,651 5,163 5,731 6,360 6,869 8.9
Autonomous
1,551 1,737 1,946 2,179 2,441 2,736 3,688 13.2
Robots
Intelligent virtual
975 1,268 1,648 2,142 2,785 3,620 4,706 25.2
Assistants
Smart embedded
729 798 872 955 1,044 1,142 1,308 8.7
systems
Neural computing 415 506 618 754 919 1,120 1,303 17.8
Total 6,564 8,499 9,735 11,192 12,920 14,977 17,945 15.5
* 출처 : BCC Research(2016)
 세계 머신러닝 시장은 2014년 25억 달러에서 2019년 123억 달러로 연평균 38%의 성장 전망
▪ 미국 내 기업 설문에 따르면 자산관리, 데이터 처리, 의사결정, 리스크 관리, 사이버 보안 등 다양한
산업 분야에서 머신러닝을 접목 시켰거나 계획에 있는 것으로 조사
▪ 머신러닝 개발자들은 산업에서 집중하고 있는 상위 5개 응용분야로, IoT, 전문 서비스, 제조,

텔레커뮤니케이션, 유틸리티를 선정 (Ironpaper 2016, TTA표준화전략맵 2018 재인용)
 전 세계 인지컴퓨팅 및 인공지능 시스템 시장은 2016년부터 2020년까지 5년간 연평균

55.1%의 급성장을 통해 시장규모는 2016년 80억 달러(약 9조 3000만원)에서 2020년
470억달러(한화 약 55조)로 확대될 전망
[ 세계 인지컴퓨팅 및 인공지능 시스템 시장 규모 및 전망 ]
*출처 :IDC, 2016
 ‘모바일 우선(Mobile First)’에서 ‘인공지능 우선(AI First)’로 사업전략을 전환한 글로벌 IT

기업들은 인공지능 스타트업 인수합병 및 제휴를 통한 플랫폼 선점
11
11
▪ 인공지능 관련 스타트업 투자 규모는 인공지능 인프라가 가장 먼저 갖추어진 미국 기준으로

2012년과 비교하여 스타트업 투자는 약 4.6배, 규모는 60% 이상 증가(CBINSIGHT, 2017)
▪ 2016년 기준 인공지능 스타트업의 투자는 미국에서 62%로 압도적이었으며, 영국(6.5%),

이스라엘(4.3%), 인도(3.5%) 등으로 투자 다변화 추세
[ 세계 인공지능 스타트업 투자 추이 ]
*출처 :CB Insights, 2017
 해외 ICT 기업들이 관심을 갖고 주력하는 AI 분야는 기업별로 상이하나 인공지능 기술을

다양한 분야에 접목되어 산업 확장을 도모할 전망
▪ 구글, 애플, 아마존, 페이스북 등 기업들은 다양한 AI 제품 · 서비스 개발이 가능한 범용 AI

플랫폼을 중심으로 시장을 선점하기 위해 노력하고 있으며 IBM 등은 의료, 금융, 법률과 같은 특정
산업 영역에 특화된 전문 AI 플랫폼 고도화와 생태계 구축에 주력
▪ 가장 큰 비중을 차지하고 있는 생태계 구축 방식은 과거 스마트폰 생태계를 구축했던 방식과

비슷하게 개방형 혁신 방식을 추진
▪ 전문 AI 플랫폼 기업들은 일반 개발자와 더불어 특정영역의 전문기업들과의 협력을 통해 생태계를

확장하는 전략에 중점
 세계 인공지능 시장은 빠르게 성장하고 있으며, 다양한 산업에 적용 중

▪ 완전한 형태의 인공지능 제품의 출시보다는, 지속적인 기술개발을 통해 특정 분야의 재화나 서비스
응용 플랫폼으로서 개발
▪ 세계 인공지능 시장은 빠르게 성장할 것으로 보이며, 인공지능 산업에 대한 투자도 급증
12
12
인공지능
(2) 국내시장
 국내 인공지능 시장은 현재 초기단계로써, 2017년 9500만 달러에서 2022년 9억 5900만

달러 규모로, 세계시장 연평균 성장률에는 못 미치지만, 연평균 58.7%의 고성장 예측
[ 인공지능 국내시장 규모 및 전망 ]
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
합계 95 151 240 381 604 959 58.7
 2020년 기준 음성인식 및 통번역 시장 4.2조원, 영상처리 및 영상인식 시장 3.5조원, 기타

SW 및 알고리즘 관련 시장은 3.4조원 규모가 될 것으로 예상
▪ 국민안전처, 과학기술정보통신부, 산업통상자원부 등 정부부처들은 지능형 기술의 성장에 주목하고

있으며, 과학기술정보통신부는 2017년 범부처 지능형 CCTV 사업계획을 발표
▪ 현재 보안·교통관제·비지니스 인텔리전스 등 영상인식 및 처리가 필요한 분야에 지능형 시스템이

상용화 되어 있으며, IP 카메라, 클라우드 기술의 접목으로 빅데이터를 활용한 데이터 마이닝
기술도 구현
13
13
[ 인공지능 기반 SW 국내 시장 규모 ]
* 출처: 과학기술정보통신부, 2017
 기술별로 분류했을 때 인공지능 관련 국내 시장은 세계 시장과 비슷한 속도로 성장할 것으로

보이며, 전문가시스템, 자율로봇, 지능형 개인비서가 시장을 이끌 것으로 전망
[ 국내 인공지능 시장 전망 기술별 ]
(단위 : 억 원, %)
구분 ‘16 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
Expert systems 695 772 857 951 1,055 1,171 1,265 8.9
Autonomous
286 320 358 401 449 504 679 13.1
Robots
Intelligent virtual
180 233 303 394 513 667 867 25.2
Assistants
Smart embedded
134 147 161 176 192 210 254 9.6
systems
Neural computing 76 93 114 139 169 206 240 17.9
Total 1,371 1,565 1,793 2,061 2,379 2,758 3,305 13.4
* 출처 : BCC Research(2016)
 인간친화적 인공지능 체계가 2030년에는 27~30조원의 시장규모로 성장할 것으로 예측,

인공지능 시장의 급성장과 더불어 인공지능의 오남용과 부작용을 방지하기 위한 보안 기술
관련 시장도 동반 성장할 것으로 보임
 2016년 K-ICT 전략에 지능정보기술(인공지능)을 추가하며 산업계 전반에 인공지능 확산을

통한 신산업·신시장 창출 계획을 수립하였고, 이에 따라 인공지능 기술 대응 체계가
본격적으로 가동될 예정 (과학기술정보통신부)
14
14
인공지능
 삼성전자, 네이버, LG 등 국내기업의 인공지능 도입 및 적용이 본격화 되며 인공지능

시장규모는 크게 확대될 것으로 기대
▪ 삼성전자가 2014년 이후 인공지능 부문에 480억원 상당을 투자한 것으로 추정
 오랜 기간 각종 데이터를 분석/처리하고 인공지능 기술력을 축적해온 글로벌 기업들에 의해

국내 인공지능 시장이 잠식당할 위험성 존재
▪ 구글(검색, 안드로이드OS), 아마존(전자상거래), 페이스북(SNS) 등 글로벌 IT 기업들은 각자 강점을
가진 플랫폼을 기반으로 빅데이터를 축적해왔고 개인화된 서비스 제공에 인공지능을 활용하며
시장에서 독점적 지위 구축
▪ 국내 기업들이 선점하고 있던 국내 SNS(싸이월드 등), 동영상 플랫폼(판도라TV) 시장의 경우에도

해외 기업들이 뒤늦게 진입해 전세가 역전되는 추세
▪ 한국어에 대한 자연어 처리 역량, 하드웨어 플랫폼 장악력 등 국내 기업들의 강점을 적극 활용하면

내수 시장 방어가 가능할 것으로 예측
▪ 스마트폰, 가전 기기 등 국내 기업들이 주도하는 제품들을 국내 지능형 개인비서의 하드웨어

플랫폼으로 활용하며 해외 기업과의 주도권 경쟁을 지속할 필요 있음
15
15
나. 가치사슬 분석
 인공지능분야는 데이터 분석, 데이터 응용, 인식의 3개 세부분야로 구성되어 있으며 데이터
분석에 집중(57.7%)하고 있는 것으로 분석
▪ 데이터 분석의 중소기업 수는 93개로 전체의 55.4%를 차지하고 있으며, 가장 많은 대·중견기업이

참여하고 있는 세부분야로 다른 세부분야에 비해 평균 수출액이 높음
▪ 인식 분야는 유일하게 중소기업만 참여하고 있는 세부분야로 56개의 기업이 있고, 전체의 33.3%를
차지하나 종업원 수, 매출액에서 다른 분야에 비해 저조
[ 인공지능분야 생태계 현황 ]
(단위: 개, 명, 억원)
기업 수 종업원 수 매출액 수출액

구분
(비중) 합계 평균 합계 평균 합계 평균
합계 168 (100.0) 6,451 45 9,174.6 98.7 62.9 21.0

인공지능
분야 중소기업 161 (98.3) 2,792 20 2,077.1 23.6 3.0 1.5
전체
대･중견기업 7 (1.7) 3,659 523 7,097.5 1419.5 59.9 59.9
소계 97 (57.7) 2,786 35 3,933.1 69.0 62.9 21.0
데이터
중소기업 93 (55.4) 1,741 23 1,374.3 25.4 3.0 1.5
분석
대･중견기업 4 (2.4) 1,045 261 2,558.8 852.9 59.9 59.9
소계 15 (8.9) 2,745 211 4,619.4 419.9 0.0 0.0
데이터
중소기업 12 (7.1) 12 131 13.1 80.8 9.0 0.0
응용
대･중견기업 3 (1.8) 3 2,614 8,71.3 4,538.6 2,269.3 0.0
소계 56 (33.3) 920 18 622.1 24.9 0.0 0.0

인식
중소기업 56 (33.3) 920 18 622.1 24.9 0.0 0.0
※ 기업의 주요 제품상품에서 아래와 같은 키워드로 검색하고, 한국인공지능 협회 등의 회원사 정보 등을 토대로 대상기업을

선정하여 분석
- 검색키워드 : 인공지능, 딥러닝, 기계학습, 지능 등
16
16
인공지능
다. 주요 이슈
 우리나라의 4차 산업혁명 대응역량 비교
▪ 2016년 무역협회는 4차 산업혁명 대응 관련 주요지표인 UBS(Union Bank of Switzerland)에서

4차 산업혁명 준비도 순위를 발표했으며, 우리나라는 주요 45개국 중 25위를 차지
▪ 2017년 세계경제포럼(WEF; World Economy Forum)의 네트워크 준비지수(Network Readiness

Index)순위(’16), IMD(International Institute for Management Development)의 세계 디지털
경쟁력 지수(World Digital Competitiveness Index) 순위(’17)를 종합하여 ‘4차 산업혁명 관련
국가별 경쟁력 순위’를 발표
- 발표에 따르면 우리나라는 비교 가능한 주요 24개국 중 19위로 나타남
▪ 우리나라의 경우, 4차 산업혁명 준비 면에서 주요국들에 비해 뒤쳐져 있거나 신흥국들의 추격을

받고 있는 상황이라고 할 수 있음
▪ 아래 [표]와 같이 중국이 빠른 속도로 추격하면서 이미 주요 첨단기술 분야에서 격차를 상당히 좁힌

상황이며, 우리나라의 경제 사회 시스템의 유연성이 4차 산업혁명의 변화에 대응하는데 미흡하다고
볼 수 있는 지표들이 나타나고 있음
[ 4차 산업혁명 관련 주요 기술 수준 비교 ]
기술수준
분류
한국 미국 일본 EU 중국
IoT 80.9 100 82.9 85.6 70.6
빅데이터 77.3 100 87.7 88.9 66.4
인공지능 70.5 100 81.9 86.8 66.1
*출처: 국회예산정책처, 4차 산업혁명과 정책대응
17
17
[ 4차 산업혁명 경쟁력 순위 현황 ]
순위 국가명 UBS WEF IMD 평균
1 싱가포르 2 1 1 1.3
2 핀란드 4 2 4 3.3
3 미국 5 5 3 4.3
4 네덜란드 3 6 6 5.0
스위스 1 7 8 5.3
5
스웨덴 11 3 2 6.3
7 노르웨이 8 4 10 7.3
영국 6 8 11 8.3
8
덴마크 9 11 5 8.3
10 홍콩 7 12 7 8.7
11 캐나다 15 14 9 12.7
12 뉴질랜드 10 17 14 13.7
13 독일 13 15 17 15.0
14 대만 16 19 12 15.7
15 일본 12 10 27 16.3
16 호주 17 18 15 16.7
17 오스트리아 18 20 16 18.0
18 이스라엘 21 21 13 18.3
19 한국 25 13 19 19
20 아일랜드 14 25 21 20.0
21 벨기에 19 23 22 21.3
22 프랑스 20 24 25 23.0
23 말레이시아 22 31 24 25.7
24 포르투갈 23 30 33 28.7
[ 주요국 4차 산업혁명 대응정도 순위 ]
18
18
인공지능
기술수준
분류
한국 미국 일본 EU 중국
전체 25 5 12 13 28
노동시장 83 4 21 28 37
교육시스템
23 6 21 17 68
(교육수준)
법률시스템 62 23 18 19 64

 4차 산업혁명 대응관련 2018년도 정부 R&D 예산
▪ 4차 산업혁명 대응 관련 정부의 2018년 예산안은 기본계획이 아직 수립되지 않아 예산규모 확인 곤란
▪ 다만, R&D 분야의 경우 2017년 정부 예산안 편성 시부터 4차 산업혁명 대응예산을 제시하고

있으며, 2018년 예산안 기준 1.5조원으로 발표
▪ 한편, 4차 산업혁명 관련 새 정부 국정과제에 대응하는 부처별 예산을 비공식 집계한 결과, 2018년
예산안 기준 10조 5,416억 원 수준으로 추정
▪ 구체적으로는 4차 산업혁명 대응 R&D의 전략적 투자범위를 5개 영역으로 분류하고 분야별 예산 편성
[ 4차 산업혁명 5대영역 R&D 투자 계획 ]

(단위: 억 원)
영역 내용 예시 2017 예산 2018 예산
4차 산업혁명 기술혁신의 이론적 뇌과학, 산업

기초과학 758 936
기초를 제공하는 과학 수학 등
4차 산업혁명의 기술적 동인이 되는 AI, 빅데이터,

핵심기술 2,099 1,823
요소기술 IoT 등
'핵심기술’과 결합하여 파급력을 이동통신,

기반기술 3,541 3,695
증대시키는 부가기술 반도체 등
공공·산업융합분야의 실질적 부가 자율주행,

융합기술 5,035 6,838
가치를 창출하는기술융합 무인기 등
4차 산업혁명의 기술산업혁신을 AI 윤리헌장,

법·제도 689 927
뒷받침하는 제도·법령 등 데이터IP 등
합 계 12,122 15,219
*출처: 과학기술정보통신부
◎ 인공지능 산업 발전에 따른 일자리의 변화
 세계경제포럼은 ‘일자리의 미래(The Future of Jobs, 2016.1)’ 보고서에서 4차 산업 혁명에

의한 일자리 감소와 직업의 변화를 전망
▪ 13개 국가와 2개의 지역협의기구를 대상으로 한 분석을 통해 기술 진보의 영향으로 2020년까지
19
19
710만개의 일자리가 사라지고 200만개의 일자리가 생성되어 결과적으로 510만개의 일자리가

감소할 것으로 예측
▪ 기계의 역할이 확대되고 일자리 환경이 변화하는 사례가 증가
▪ 기계와 차별화되는 인간 고유의 능력과 노동의 의미에 대한 재정비가 필요
- IBM의 인공지능 왓슨(Watson)은 국내외 병원에 도입되어 환자의 진단과 치료방법에 관해 의사와
경쟁적 협력을 하고 있음. 인간의 장기간의 학습과 경험을 통해 얻을 수 있는 ‘전문성’을
인공지능이 획득할 수 있음을 보여주는 사례
 국내 전문가 그룹은 기술 진보로 인한 업무 대체율을 5~10년 내에 31.1%~40.3%으로

전망하였으나 대학 전문가, 정책 전문가, 기업 전문가 집단별 차이가 존재
▪ 대학 전문가 그룹이 40.3%로 가장 높은 업무 대체율을 전망한데 반하여, 기업 전문가 그룹은

31.1%로 다른 그룹에 비하여 보수적으로 전망
 산업 분야 및 기업 규모별 기술 진보로 인해 기계에 의한 업무 대체 예측 비율이 상이
▪ 제조업 분야의 업무 대체비율은 37.3%로 다른 산업 분야에 비하여 가장 높게 나타남
▪ 건설업 분야의 업무 대체 비율은 20.6%로 가장 낮게 나타남
▪ 기업 규모별 기계의 업무 대체 비율은 대기업의 대체비율이 중·소기업에 비하여 3.1%~3.3% 가량

높게 나타남
[ 산업 분야별 업무 대체 예측 비율 ]
* 4차 산업혁명과 일자리 변화에 대한 국내 산업계의 인식과 전망, 한국과학기술평가원(2017) 재인용
[ 기업 규모별 업무 대체 예측 비율 ]
20
20
인공지능
 보스턴 컨설팅 그룹은 첨단 산업용 로봇 도입에 의해 한국의 총 노동 비용이 33% 감소할

것으로 전망
 OECD는 자동화로 인해 사람이 역할이 바뀌는 국내 직업 비율을 18.56%, 소멸되는 국내

직업 비율을 5.9%로 예측
21
21
◎ 인공지능 산업의 고유 특성을 결정하는 소프트웨어 산업
 인공지능 기술 자체만으로 만들어낼 수 있는 실물재화에 대해서는 아직 구현되지 않은

상태이며, 인공지능 기술개발이 충분히 이루어진 이후에도 특정재화로써 존재하기는 어려울
전망
▪ 인간의 지능이 눈에 보이고 만질 수 있는 것이 아니듯 인공지능 역시 주로 특정 재화가 만들어내는

기능에 효율성을 높일 수 있는 SW 산업과 유사성을 보일 것으로 전망
▪ 다만 일반적인 SW 산업과는 달리 인공지능 기술이 적용되기 위해서는 제반 기술 및 산업이 생태계

측면에서 잘 구성될 필요 있음
▪ 결론적으로 인공지능을 산업적 측면에서 볼 때, 협의로는 제한된 SW 제품 내 적용 분야에서, 광의로는

당장에 인공지능 기술을 필요로 하는 일부 산업(로봇, 자동차 등)을 포괄하는 형태가 될 전망
 SW 산업 자체의 특징인 네트워크 구조, 외부성, 규모의 경제, 전환비용, 무임승차 등이

그대로 반영될 수 있음
▪ 네트워크 구조: SW 단독으로 사용되어서 경제적인 가치가 존재하지 않고 HW, 응용 애플리케이션,

사용자의 능력 등과 보완 작용하여 하나의 시스템을 구성하여 소비되는 구조
▪ 외부성: 같은 SW를 사용하는 사용자들이 늘어날수록 더 높은 효용성을 가질 수 있으며, 주로 전화,

인터넷, 컴퓨터 OS 등을 예로 들 수 있음
▪ 규모의 경제 재화 생산에 있어 고정비용 이외에 한계 및 가변비용이 거의 0과 같기

때문에(SW측면에서 볼 때 복제비용), 생산규모가 증가할수록 더 높은 부가가치를 가질 수 있는
산업적 특징
22
22
인공지능
▪ 전환비용: 한번 특정 SW를 사용하고 난 뒤에는 이용자 습관으로 인해 고착효과가 높아지므로

동일한 기능을 지니는 다른 재화로 전환하기 위해 높은 전환비용 필요
▪ 무임승차: 규모의 경제와 같이 복제비용이 거의 0에 도달해있는 상황이므로 무료라는 생각으로

무단복제가 빈번하게 발생
 인공지능(AI)은 새로운 산업혁명을 이끌어갈 성장엔진으로 부상

▪ 한동안 정체기에 빠져있던 인공지능은 최근 급속한 성능 향상을 보이며 새로운 성장동력으로 주목
- 최근, 기존의 데이터 처리량과는 질적으로 다른 빅데이터(BigData)를 처리할 수 있는 환경이

조성되면서 인공지능의 성능은 비약적으로 발전
▪ 인공지능 기술은 금융, 의료, 제조업 등 경제 산업은 물론 사회 문화적 측면에서 광범위한

파급효과를 가져올 전망
- 경제 산업 측면에서 인공지능 기술은 이미 제조업(자율주행차, 지능형 로봇, 스마트팩토리 등) 및

서비스업(의료, 교육, 금융 등)과 융합되며 상용화가 시작, 사회 문화 측면에서는 인공지능의 확산은
대대적인 고용구조의 변화, 새로운 사회 규범 및 질서체계 확립 등 초래
◎ 세계 인공지능 산업 내 활발한 주도권 경쟁
*출처 : 현대경제연구원
[ 인공지능(AI) 산업의 발전기반 및 파급효과 ]
 글로벌 인공지능 시장의 주도권 확보를 위한 경쟁 가속화

▪ 선진국 정부 및 글로벌 ICT 선도기업은 인공지능 시장의 초기 주도권 확보를 위해 후발 주자와의
기술격차를 확대하는 데 주력
▪ 인공지능의 성능 향상을 위해서는 빅데이터 확보가 필수적이므로 데이터 확보량 차이에 따른

기술격차가 벌어지면 추격에 어려움이 존재
- 특히, 구글은 동영상 자료 확보를 위한 유튜브 인수, 클라우드 공간에 무제한 이미지 저장 서비스
23
23
제공 등으로 빅데이터 확보 부문에서 선두로 부상
▪ IT 강국으로 성장한 우리나라가 새로운 도약을 이루기 위해서는 인공지능(AI) 분야에서 뒤떨어지지
않고 선도적 지위를 확보하는 것이 필수적
- 인공지능은 미래 ICT 기술융합 트렌드를 주도하는 핵심 기술로 기존의 정보통신 산업 지도를

획기적으로 변화시킬 것으로 예상
- 이미 글로벌 선도기업은 인공지능 기술을 바탕으로 다양한 영역에서 상용화를 시도하고 있는 데
비해 국내 기업의 인공지능 수준은 아직 미약한 수준
[ 미래를 선도할 ICT 기술 ]
*출처 : IBM C-Suite Study
[ 인공지능이 도움이 될 만한 분야 ]
24
24
인공지능
*출처 : Ericsson
◎ 인공지능 분야 전후방 산업의 생성 및 확장
 인공지능 분야는 후방 산업의 기술이 기술 발전에 가장 많은 영향을 미치는 것을 알 수

있으며 후방산업의 기술력으로 만들어진 인공지능 기반 SW를 통해서 전방산업이 완성될 수
있으므로 후방산업의 기술 의존도가 매우 높음
▪ 후방산업은 인공지능 기반을 통한 상황인지, 자기학습, 상황인지, 패턴, 추천검색, 예측서비스 등의

계속 발전할 것으로 판단
▪ 전방산업은 후방산업의 기술력이 더해져 더욱 다양한 서비스와 산업의 형태로 진화할 것으로
보이며, 특히 IoT 분야에서 엄청난 영향을 미칠 것으로 판단
[ 인공지능 분야 산업구조 ]
후방산업 인공지능 기반 SW 분야 전방산업
개인 비서 서비스, 대화형
상황인지, 자기학습 기술, 머신러닝, 언어/음성 처리
네비게이션, 실시간 번역 서비스,
음성/언어처리, 영상처리, 소프트웨어, 이미지/영상 처리,
스마트카, 대화형 음성검색,
추천검색, 예측 서비스 등 검색 솔루션, 번역 솔루션 등
스마트 가전, IoT 등
25
25
4. 기술 분석
 인공지능의 거대화를 이끄는 ‘사물 인터넷(IoT)’의 확장
▪ 사물인터넷의 확산으로 인해 무선으로 연결되지 않은 기기를 찾아보기 어려운 정도가 될 것이며

이를 통해 확보한 막대한 데이터를 어떻게 활용할 것인가에 대한 문제가 인공지능분야에서
중요하게 대두
▪ IoT 기능을 갖춘 웨어러블 단말을 신체에 장착하면 맥박이나 심박수의 변화로 사람의 감정을 인지
할 수 있게 되는 것과 같이 방대한 비정형 데이터가 IoT 를 통해 수집되면서 인공지능은 사람의
지능을 뛰어넘는 초지능 (super intelligence)단계로의 진화를 나타낼 전망
 빅데이터 분석 기반의 인공지능의 한계 도달

▪ 글로벌 기업의 플랫폼과 상용서비스를 활용한 대용량 학습데이터 확보 전략에 대응하기 위해 소규모
학습데이터로 성능향상이 가능하며, 다양한 분야로 도메인 확장이 가능한 준지도/비지도학습,
전이학습, 강화 학습, 사용자/도메인 맞춤형 적응 기술 등의 원천기술이 필요
▪ 자율로봇, 자율주행 자동차 등의 연구를 위해서는 기계가 사람 및 환경과 상호 작용하며

학습데이터를 스스로 만들어 낼 수 있는 능력이 반드시 필요
▪ 컴퓨터가 사람처럼 생각하고 배울 수 있도록 하는 인공지능 기술 ‘딥러닝’의 성능이 비약적으로

발전하고 있는 가운데 슈퍼컴퓨터와의 결합까지 이루어지면서 딥러닝 분야는 인공지능분야에서
최고의 연구 영역 중 하나가 될 전망
▪ 범용 인공지능 플랫폼, 산업별 특화 인공지능 플랫폼 등장으로 인한 데이터 확보 및 선점 경쟁으로

인한 사용자 중심 연구에 치중될 것으로 예상
 인공지능 적용 분야 확대에 따른 설명성, 투명성 확보가 가능한 ‘설명가능한 인공지능’ 요구
▪ 의사결정 과정이 설명이 가능하면서, 인간 수준의 인식 정확도를 갖는 인공지능 기술 개발 육성 및

제도화 요구 증가
▪ 의사 결정의 이유에 대한 설명을 요구하는 EU의 ‘일반 개인정보보호법’이 2018년 5월 28일

발효되어, 설명이 불가능한 인공지능 기술은 향후 중요 작업으로 여겨지는 의료, 군사 등 중요
작업에는 적용이 불가할 전망
 언어/시각/청각지능 등 인공지능의 핵심기술 경쟁의 가속화
▪ 인공지능 핵심기술은 일부 상용 서비스에 제공되고 있으나, 아직은 기술적 한계에 의해 분야 및

기능이 제한적, 본격 시장 확장을 위해서는 핵심기술 경쟁의 가속화가 필요
▪ 가트너는 2018년 10대 전략기술 트렌드 중 하나로 Conversational AI를 선정하여, 세계 기업들이
전문 분야에 대한 복잡한 대화를 인간 상담사 수준으로 이해하고 응대하기 위한 기술 개발에 초점
▪ 언어적, 시각적 특징을 이용한 인간의 의도, 감정 등의 이해를 넘어서는 비언어적 특징의 이해,
인간-인공지능간의 상호작용의 고도화, 라포(Rappot) 형성 등에 대한 고차원적 이해가 가능한
교감형 인공지능 연구 지원 필요
▪ 뇌과학의 입장에서 청각/시각의 입력에 대한 반응을 분석하고 수학적 패턴 형성을 시도하는 연구 진행
26
26
인공지능
 인공지능 활용 서비스(플랫폼)의 본격적인 시장 경쟁

▪ 쇼핑과 고객 서비스 분야에서 기업들이 인공지능을 활용해 고객 만족도를 높이고 있음
▪ 기존의 소셜 미디어를 뛰어 넘어 게시물에 감정을 표현할 수 있는 종류를 기존 “좋아요”에서 “기쁨”,

“슬픔” 등 6 종류로 세분화함으로서 보다 세분화하여 데이터를 축적할 수 있게 마련
▪ 산업 내 관련 기업을 M&A 하거나 제휴해 분야별 전문성을 높여가며 독보적인 위치를 선점 노력
▪ Carnegie Mellon의 Andrew Moore 학장은 인공지능의 발전으로 비즈니스 방식에도 큰 변화가
이뤄질 것이라며, 1990년대 말에 데이터베이스 경쟁이 치열했다면 지금은 정교한 의사결정
프로세스를 지원하는 AI 플랫폼 경쟁이 이뤄지고 있다고 지적
가. 해외기술 동향
 (머신러닝) Google의 머신러닝 플랫폼은 클라우드 서비스 형태로 이미 상용화된 서비스이며,

Pre-Trained model, 인공신경망 기반의 기계학습 플랫폼, 이미지 검색, 음성검색, 번역 등을
제공
▪ 인공지능(AI) 검색 알고리즘 Rank Brain, 바둑인공지능 프로그램 AlphaGo, 기계학습오픈소스
소프트웨어 Tensor Flow 개발 등 인공지능(AI) 분야의 선두주자로, 세계 최대 규모의 데이터
센터를 운영
▪ 머신러닝 플랫폼은 음성 인식, 이미지 분석, 번역 기능을 수행하는 플랫폼으로, 오랜 시간과 높은

개발 역량이 요구되는 부분을 구글의 인공지능 플랫폼이 대신 처리
▪ 구글은 이러한 인공지능(AI)을 제공하는 영역을 점차 다양한 영역으로 확대하는 등 전 산업 영역을

포괄하는 범용 인공지능 플랫폼을 확산시킬 것으로 전망
 (알고리즘 활용 음성인식) 아마존은 2014년 11월 사용자의 음성 명령을 인식해 동작하는

알렉사 기반의 ‘아마존 에코’를 공개하며 지능형 스피커 시장을 개척
▪ 출시 이후 주력시장인 미국에서 아마존 에코의 판매량은 약 810만대로 집계됨(출처:Consumer
Intelligence Research Partners, 2017.1.)
▪ 기기 판매 뿐 아니라 쇼핑 구매 증가, 스킬(에코 사용자가 원하는 대상 (기기, 앱)에게 음성명령을

내릴 수 있는 단위기능) 유료화, 클라우드 서비스 등을 통해 2020년까지 관련 매출이 100억
달러로 전망(출처:RBC Capital Markets,2017.1.)
▪ 하드웨어를 통한 쇼핑 접점 확대, 스마트홈 시장 선점, 알렉사 중심의 인공지능 생태계 조성이라는

전략적 의도
▪ 아마존이 보유한 기계학습 알고리즘을 클라우드 사용자가 활용하여 부정거래탐지, 요구예측, 콘텐츠
개인화, 사용자행동 예측, 소셜미디어 확인, 텍스트 분석 등 인공지능을 요구하는 애플리케이션 구축
가능
27
27
 (인공지능 플랫폼을 활용한 생태계 구성) IBM은 의료 전문 인공지능(AI) 플랫폼인 ‘Watson

Health’를 운영하며 다수의 헬스케어 서비스 기업들을 참여시켜 의료 분야 산업 생태계를
구성
▪ 방대한 정보를 조합하여 지식을 만들어 내는 Watson의 핵심 기술을 활용하여 의료, 금융 분야에
특화된 인공지능(AI) 의사결정 지원 기술을 발전시키고 있음
▪ 자사의 기술 및 제품을 플랫폼화 하고 데이터를 과독점하는 등 생태계의 과독점 현상이 가속화
 (챗봇) Facebook은 챗봇(Chatbot) 기능을 도입한 기업용 메신저를 통해 별도의 앱을

실행하지 않고 채팅창에서 정보를 확인하고 처리할 수 있는 O2O 등 다양한 기능을
연결하는 플랫폼으로 활용
▪ 대화형 인공지능 플랫폼인 챗봇(Chatbot)은 사용자의 상황과 선호도를 정교하게 분석하여 정보
검색, 쇼핑, 예약 등의 서비스에서 최적의 맞춤형 서비스를 제공
▪ 현재, 기업용 메신저에 도입된 챗봇(Chatbot)은 입력된 알고리즘에 따라 정해진 답변을 제공하는
수준이지만, 머신러닝을 통해 자연어 분석 및 처리 능력이 빠르게 향상되고 있어 AI가 다양한
변수를 고려한 최적의 대안을 제시하는 수준으로 발전할 것이라고 예측됨
▪ 구글 대비 공공 데이터(Public Data)영역에서의 페이스북의 상대적인 경쟁력은 낮지만, 개별

사용자의 특성 및 성향을 분석할 수 있는 인공지능 플랫폼으로 가치가 높음
▪ 페이스북의 10년 로드맵을 통해 인공지능을 연결성(Connectivity), VR/AR과함께 10년 동안 개발할

핵심 기술로 언급함
 (오피스 및 운영체제 제품 강화 및 시장 선점 노력) Microsoft는 자사의 클라우드 ‘애저’에

인공지능 코타나를 결합하여, 기존 오피스 및 운영체제 제품군을 강화 중이며, ‘애저’
플랫폼을 닛산, 도요타 등 여러 회사에 제공해 커넥티드카, 자율주행 생태계를 선점 시도
 (감성인식) 일본 소프트 뱅크는 클라우드에 열결되어 지속적으로 학습 및 성장이 가능한 로봇

개발을 목표로 감성인식 로봇 ‘페퍼’를 개발하여 상용화
▪ 지능형 로봇 분야에서는 중소기업 중심 제품 개발이 수년간 지속되었으나, 최근 글로벌 IT 기업이
자체 보유한 인공지능 기술을 바탕으로 자율성 높은 AI 로봇 개발이 가속화
▪ 다수 로봇 기업들이 초기에는 필요한 기술자체 개발을 시도하였으나, 최근에는 글로벌 IT 기업들이

기존에 개발한 인공지능 기비서의 음성, 언어 기술을 채택·협력하는 방법을 선호
 (생체인식) DARPA는 원거리 사람 추적 및 식별을 위한 HID(Human Identification at a

Distance)과제를 수행, 걸음걸이 인식, 얼굴인식, 홍채인식 등의 기술 개발
▪ 시각지능 분야에서는 미국을 중심으로 영상의 내용을 이해하는 기술에 대한 연구가 진행 중, 상황을
이해하고 행동을 분석하며 미래에 발생할 상황을 예측하는 기술이 집중 개발
▪ 구글, MS. 페이스북, UC버클리, INRIA 등은 CNN(Convolutional Neural Networl)을 이용하여

동영상 내에서의 객체 및 행동 인식 연구 추진 중인 것으로 알려짐
28
28
인공지능
 (산업 인공지능 플랫폼) GE는 산업용 클라우드 플랫폼 ‘Predix Platform’의 개발을 통해 산업
현장에 인공지능 플랫폼 적용을 확산시키며 4차 산업 혁명 시대를 주도하고자 함
▪ ‘Predix’는 센서, 기계 간 통신, 데이터 분석과 같은 IoT 기술을 지원하는 클라우드 플랫폼이지만,
‘Predix’를 인공지능 기반의 Intelligence Platform화하기위해 머신러닝, 딥러닝 분야 역량을
확보하고 있음
 (GPU 딥러닝 성능 고도화 및 산업 내 적용) 엔비디아는 자사의 GPU의 탁월한 딥러닝

성능을 기반으로 인공지능, 드론, 자율주행차 반도체 분야로 발 빠르게 사업 확대
 바이두, 알리바바, 탄센트 등 중국 3대 IT기업들은 인공지능, 로봇, 자율주행 등과 같은

기술에 대규모 투자해 미래 혁신 분야에서도 미국 기업들을 추격
 GM, 포드(Ford)는 각각 1조원이 넘는 금액으로 딥러닝 기반의 자율주행 스타트업을 인수,

투자하여 뒤쳐졌던 기술 경쟁에 대응
29
29
나. 국내기술 동향
 (지능형 비서) 삼성전자 지능형 개인비서를 갤럭시 스마트폰의 사용성 제고를 위한 수단으로
우선 활용하고 자사 가전기기 뿐 아니라 타사 앱과의 연계로 외연 확대를 추진
▪ 빅스비를 전반적인 업무를 지원하는 목적이 아닌 삼성전자의 새로운 ‘지능형 인터페이스로’ 음성,
터치, 텍스트, 이미지 등 다양한 입력 방식으로 정보를 받아 들이고, 스마트폰을 직관적이고
원활하게 사용할 수 있도록 지원함
▪ 보이스(Voice), 비전(Vision), 리마인더(Reminder), 홈(Home)의 4가지 기능으로 구성되어 있으며,

개인화 기능을 강화하고 지식검색, 금융 서비스, 음악추천 재생 등 지원 서비스를 확대함
▪ 네이버 등 포털과의 연계로 생활정보와 일반지식 검색 기능을 강화하고 은행들과 연계된

‘삼성페이’를 송금, 환전, 잔액 조회 등 금융 서비스 플랫폼으로 활용됨
 (음성인식) 삼성전자의 음성인식 기술을 적용한 ‘S보이스’ 스마트폰 앱을 선보였고, 특히

자연어 처리 기술을 특화를 통해 안정적인 음성인식 기술을 개발하는데 초점을 맞추어
인공지능 플랫폼 ‘빅스비’ 개발
 (지능형 비서) 네이버는 수년 간 포털 운영을 통해 축적한 빅데이터를 기반으로 범용적으로

활용될 수 있는 지능형 개인비서를 개발하고 글로벌 기업들과 맞대결
▪ 인공지능 플랫폼 ‘클로바’는 뇌역할을 하는 클로바 브레인과 인간의 오감 정보를 받아들이는 클로바
인터페이스로 구성되어 있음(2017년 5월 공개)
▪ 네이버 앱의 음성검색과 안면인식 카메라 앱인 ‘스노우’를 통해 시각 및 청각 정보 수집·분석

기술력을 확보하였으며, 자연어 처리 및 대화는 ‘네이버i’, 기계학습 기반 번역은 파파고,
검색·추천은 AiRS 등 개별 서비스로도 제공
▪ 음성인식, 이미지 인식, 대화형 엔진 등이 통합되어 있으며 스마트폰 앱 뿐 아니라 다양한 기기와 연계 가능
 (인공지능 콜센터) 브리지텍은 인공지능 콜센터 제품인 ‘아테나’ 출시를 통해 인공지능 상담사,
인공지능 상담 도우미, 개인비서 등의 서비스를 제공, 평창동계올림픽 AI 콜센터 실증사업에
참여
▪ 브리지텍이 보유한 음성인식, 언어이해, 대화처리, 지식 DB 구축기술을 기반으로 한 AI 콜센터 제품
▪ 실시간 음성인식 기술, 언어분석, 자연어 심층 이해 기술, 질의·응답 대화처리 기술 ,지식 DB 구축

등 음성지능과 언어지능을 구현할 수 있는 핵심기술들의 결합 서비스
 (챗봇) 국내 인공지능 대표기업인 엑셈의 자회사 아임클라우드는 AI 채팅봇 ‘에디’를 출시하여,

콜센터로 들어오는 고객들의 채팅 질의에 자동으로 답변
▪ 아임클라우드 사내 고도화된 그래픽처리장치 (GPU)를 기반으로 딥러닝과 대화 플로우, 빅데이터 및

클라우드 병렬처리 기술 등의 집약체로 기존 콜센터 고객들의 질문 패턴 중 100여개의 토픽을 파악해
응답이 가능하며, 학습과 응대 경험을 통해 패턴 분석이 정밀화
 (인공지능 개인 맞춤 서비스) 솔트룩스는 사용자들이 스스로 개개인의 취향과 성격을 반영해
30
30
인공지능
특화시키고 진화시켜 나갈 수 있는 인공지능(AI)기반의 가상 아바타 서비스 기술인

‘에바(EVA)’ 개발
▪ 사용자 개인의 성격과 평소 요청하는 대화내용에 기반한 학습을 통해 본인의 취향과 기호를
중심으로 장점을 살려 나가며 진화하며 기존의 AI 비서처럼 활용할 수 있는 것은 물론 다른
사용자의 AI아바타와 소셜네트워크(SNS)방식으로 커뮤니케이션함으로써 지식을 습득하고 축적가능
▪ 2021년까지 모든 단말기 상에서 개인은 물론 기업을 대상으로 서비스를 상용화하여 확대해 나갈

계획
 (시각데이터 분석) 수아랩은 인공지능(AI) 딥 러닝 기술을 항공보안 분야에 접목한 'X-Ray

보안검색 자동판독 솔루션'을 국내 최초로 개발, 향후 김포공항 현장 시험운영 거쳐 국내
상용화 및 해외공항 사업 진출을 추진할 계획
 (영상분석) 루닛은 딥러닝 기술과 20만여 장에 이르는 양질의 엑스선 영상 데이터가 만나

개발된 인공지능 솔루션인 영상분석 시스템 '루닛 인사이트(Lunit INSIGHT for Chest
Radiography Nodule Detection)'를 개발하여 2019년 1월부터 건강검진 시 흉부
엑스선(X-ray) 영상 판독에 활용
 (영상데이터 판독, 협력 기술) 뷰노가 개발한 ‘뷰노메드 본에이지’는 국내 대형병원에서 다년간

수집된 X-ray 영상 수만 건을 학습한 인공지능 프로그램으로 의사를 보조할 수 있는 수준의
판독 능력을 갖추고 있으며, 임상시험에서 전문의 3명이 판독한 결과와 동등성을 입증,
2018년 11월 국제품질규격(ISO13485) 인증을 받은 데 이어 이번 유럽의 인허가인 CE 획득
 (인공지능 의료녹취 솔루션) 셀바스 AI는 인공지능 의료녹취 솔루션 ‘셀비 메디보이스’를 2018년
9월 대구 파티마병원에 공급 계약을 체결하며 국내 업체 최초로 의료녹취 솔루션 상용화
▪ 2014년부터 자사 음성인식 기술을 활용한 의료녹취 솔루션 개발을 시작하여, 국내 영상의학과 및
병리학과 의사들의 음성을 딥러닝 방식으로 학습하여 음성 인식 결과를 제공하는 방법으로 발전
▪ 초기에는 영상의학과 및 병리학과 위주의 서비스 제공으로 의료녹취 솔루션을 활용할 예정이었으나,
셀바스 AI의 클라우드 기술과 의료정보시스템을 접목하여 이용하는 방향으로 적용범위 확대
 (머신러닝) NHN엔터의 AI 연구팀은 기계학습(머신러닝)·강화 학습 기법이 적용된 바둑 AI

'한돌 2.0'을 개발, 한돌은 2018년 12월부터 이루어진 국내 최정상급 바둑 기사 5명과의
다섯 차례 대결에서 승리
 (음성인식) SK텔레콤은 독자적인 음성인식 및 자연어 처리 연구개발 성과를 바탕으로 국내

최초로 음성인식 기반 인공지능 플랫폼 ‘누구’ 출시
31
31
다. 기술개발 시나리오
 개발된 플랫폼을 기반으로 정부의 중소기업 지원 자원을 적절히 이용하여 Robotic Process
Automation(RPA)와 공공서비스 특화 챗봇 서비스 상용화를 추진함과 동시에, 산·학·연
연계를 통해 단기간 상용화가 가능한 화자확인 시스템, 영상데이터 기반 AI 서비스, 텍스트
기반 데이터 이해 검색 서비스를 개발 및 고도화를 추진
 세계적 ‘디지털 지능’의 도입 트렌드와 국내 산업의 특수성을 고려하여 국내 시장에 최적화된

맞춤 인간-인공지능 협업 시스템 개발을 통해 시장 공략산업의 상황에 최적화된 맞춤
시스템을 구성하여 시장력을 갖출 수 있을 것으로 기대
32
32
인공지능
5. 중소기업 시장대응전략 도출
Factor 기회요인 위협요인

•선진국의 전략적 대규모 투자 및 육성정책 추진
•정부의 인공지능 분야의 적극적 투자 의지
•개발자 등 전문인력 육성 정책이 미흡
정책 •정부의 인공지능 기술 지원 정책 제고
•인공지능의 일자리 대체, 개인정보공개 등에 따른
•정부의 인공지능 산업 내 중소기업 육성 의지
국민 반감과 활용 등 관련 법, 제도 미비
•글로벌 기업의 세계시장 기술 선점으로 인한 수출

•인공지능 활용 산업 분야의 확산(제조, 금융, 의료 등) 시장의 초기 진입 애로
산업 •선진국 대비 빠른 속도로 증가하는 인공지능 산업 •인공지능 기술 적용 데이터의 합법적 수집, 이용,
내 진입 기업 처리의 어려움
•인공지능 기술에 활용할 수 있는 데이터가 한정적
•애플, MS, 구글 등의 글로벌 대기업의 국내시장

•음성인식 서비스, 자율주행차 등 인공지능 기반 장악 위협
시장의 급속 성장 •미국, 중국, 일본 등 주요 국가와 기업이 AI에 상당한
시장
•시장 활성화를 위한 정부 주도 방안 마련 및 투자 진행
다양한 시범사업을 통한 경험 확보 •국내 데이터 수급 문제로 인한 높은 해외 데이터
의존도
•AI 기술 발판 삼아 4차 산업으로 체질개선 가능 •부족한 우수 인력 및 대형 연구 코어그룹 구축 미흡

•세계적 수준의 ICT 인프라를 기반으로 선진 기술 •대형 글로벌 회사들의 원천기술 및 특허 선점
기술 추격하여 기술경쟁력 확보 가능 •전문 인력 및 개발 비용으로 중소기업은 접근성에 다소
•산업 내 AI의 초기 단계 및 연구 관심 확대를 통한 어려움이 발생
기술 고도화 가능성 •원천기술 분야에서 선도국가와의 기술격차
개발자,
실산업에서
정부의 인공지능 경쟁력 사용자,
4차 융·복합 활용가능한
산업 적극적 있는 분야를 수요자의
산업에 대응 데이터 규모의
지원 및 생태계 기반 시장 선점 협동연구 체계
확대
조성 수립
중소기업의 시장대응전략
➜ 인공지능 분야 전문가 육성 프로그램 강화

➜ 산·학·연 연계를 통한 단기간 내 상용화 기술 개발
➜ 핵심요소기술 집약화 및 집중지원 강화
➜ 개발된 플랫폼 기반의 새로운 서비스 제공
➜ 연구개발성과 확산 및 홍보전략 강화
33
33
6. 전략품목
가. 전략품목 도출절차
전문가 위원회 전략품목 전략품목

분야 설정 전략품목 선정
구성 pool 구성 후보리스트 구성
è - 30개 분야별 è - 전문가 추천 품목 è - 전략품목 도출 è - 분야별 검토위원회

- 메가트렌드 - 기술수요조사
산･학･연 전문가 가이드라인 작성 - 전문가 워크샵
- R&D과제 수요 - 타부처 정책
- 산업계 중심 구성 - 적합성 검토/평가 - 품목 검토 및 조정
- 문헌 조사
 분야 설정
메가트렌드 분석, 핵심투자주제 발굴, 타부처 정책 분석, R&D 신청·지원과제 분석 등을 통해
중소기업 기술개발 전략분야 설정
 전문가위원회 구성
현장밀착형 기술로드맵 수립 및 전략 강화를 위해 30개 분야별 산･학･연 전문가 풀을 구성하여
분야별 전략품목 추천 및 검토 진행
 전략품목 Pool 구성
주요 제품·상품의 키워드 검색과 특허정보의 기술분류 매핑, R&D과제 지원기업 매핑을 통해
분야별 분석대상 기업 Pool을 구성하여 기술수요조사 및 품목이슈 발굴
- (분야별 기술수요조사) 유망 제품·기술과 분야별 이슈사항에 대한 설문조사 통해 전략품목

후보 및 정책사항 도출
- (전문가 품목 추천) 분야별 전문가 대상 후보 추천 의뢰 의견수렴
- (타부처 정책 및 문헌조사) 타 부처 정책사항 및 문헌조사를 통한 품목 발굴
 전략품목 후보리스트 구성
전략품목 후보 발굴 체크리스트를 통해 후보 적합성 평가를 실시해 상대적으로 적합성이 부족한
품목을 1차 제외하고, 분야별 전략품목 검토위원회의 검토 기초자료로 활용
 전략품목 선정
분석대상 기업 Pool을 활용한 생태계 분석과 1차 분야별 전략품목 검토위원회, 2차 전문가 워크샵을
통해 산･학･연 전문가 반복 검토로 전략품목 선정
- (검토위원회) 전략품목 선정을 위해 산･학･연 각 분야 전문가들의 의견수렴을 위한 분야별

전략품목 검토위원회 운영
- (전문가 워크샵) 전략품목 검토위원회를 통해 선정된 전략품목들에 대한 타당성 검증, 분야

간 전략품목 조정 및 통합
34
34
인공지능
나. 전략품목 도출결과
전략품목 개요 및 선정사유
· (개 요) 협업지능을 기반으로, 인공지능이 스스로 사용자를 인식, 사용자에게
맞는 서비스를 제공하는 기술로 인간의 목표를 이해하고 그에 적절한
대처를 할 수 있도록 인간과 인공지능 간의 커뮤니케이션을 매개하는
시스템
· (선정사유) 2030년까지 프로세스의 효율성 제고를 이유로 현존하는 직업 86%의
업무 20% 이상이 자동화될 전망, 인공지능과 인간이 협업할 수 있는
새로운 업무 방식의 도입이 필요, 개발 시 중소기업의 시장 선점 가능
(맥킨지, 2016년 국내 일자리 영향 전망)
· (개 요) 주어진 영상데이터를 분석하여 객체를 인지, 데이터와의 대조를 통해
특이점을 찾아내는 영상 분석 기술 기반의 인공지능 관련 서비스
영상데이터 기반 AI 서비스 · (선정사유) 현재 스마트 헬스 관련 중소기업들이 두각을 나타내고 있는 분야이며
서비스 운영에 많은 데이터를 요구하지 않아 앞으로도 시장 점유 유지
가능 전망, 엔터테이먼트로의 적용시 시장 확대 가능
· (개 요) 여러 음성이 섞인 상황에서 데이터에 입력된 음성을 기반으로 화자에
대한 정보를 찾고, 대조하여 화자의 신분을 확인하는 인공지능 시스템
· (선정사유) 성문인증, 화자확인, AI비서 등의 여러 인공지능 응용분야에서 활용
가능, 일정량의 데이터 내에 저장된 음성을 인식하기 때문에 많은
데이터가 요구되지 않아 중소기업에서도 어렵지 않게 접근이 가능.
최근 가장 큰 이슈인 데이터 보안과 관련하여 활발히 개발 중
· (개 요) 인간의 단순·반복 업무 프로세스를 학습하여 인공지능이 그대로 업무를
대신 처리하는 프로그램으로 전사적관리 (ERP)와 더불어 대표적인 업무
자동화 프로그램
Robotic Process Automation · (선정사유) 비용 절감, 시간 단축 외에도 Human error, 보안 문제 해결을 위해
(RPA) 시중은행들이 여신 업무에 도입 중이며 앞으로 다른 산업으로 그
수요가 증가할 것으로 예측, 적은 자원으로도 프로그램을 제작
가능하며 특정 업종에 특화된 제품을 개발한다면 중소기업의 시장
선점 가능
· (개 요) 질문에 최적의 답을 찾는 딥러닝과 사람과의 대화에 최적화한 DM(다이얼로그
매니지먼트) 등의 기술을 기반으로 인간이 인위적으로 만들어낸 규칙이나,
인공지능에 의해 구동되는 유저와 소통할 수 있는 챗봇 기술을 공공서비스에
접목시켜 원활한 민원처리를 돕는 시스템
· (선정사유) 현재 대부분의 공공서비스 챗봇은 중소기업에서 공급하고 있어 시장성
유지에 적절하며 공공기관에서의 수요가 증가할 전망
· (개 요) 카메라로 축적된 시각 데이터(자동차, 인상착의 등)의 텍스트화를 통해
정보를 이해하고 이용자가 검색한 텍스트에 적절한 시각 자료를
제시하는 서비스
텍스트 기반 시각 데이터 이해 · (선정사유) 데이터 분석 기술과 방범 시스템 분야에 다수의 중소기업이 참여해
및 검색 서비스 시장을 확대해 나가는 추세로 텍스트 기반 서비스를 통해
통합영상관제 및 분석솔루션 시장 부문 경쟁력을 확보할 수 있을 뿐만
아니라, 향후 협력을 통해 시장 확대 및 다양한 고객 수요에 적극
대응할 수 있을 것으로 기대
35
35
36
전략품목 현황분석
인간-인공지능 협업
시스템
37
38
정의 및 범위
▪ 협업지능을 기반으로, 인공지능이 스스로 사용자를 인식, 사용자에게 맞는 서비스를 제공하는 기술로 인간의
목표를 이해하고 그에 적절한 대처를 할 수 있도록 인간과 인공지능 간의 커뮤니케이션을 매개하는 시스템
▪ 인간-인공지능 협업 시스템은 사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술, 인공지능 플랫폼,
인공지능 에이전트 시스템, 인공지능형 사용자 인터페이스, 인공지능형 패턴분석 알고리즘, 빅데이터 SW 등에
대한 API 등의 핵심요소기술을 활용하여 자율주행 자동차, AR-VR 시스템, 교육 및 정보 등의 다양한 분야에서
사용
▪ 인공지능은 인간의 학습능력, 추론능력, 지각능력 및 자연언어의 이해능력 등을 고성능, 고기능 컴퓨터를
활용하여 구현한 기술로서 최근 인간 행동과 유사한 지능적 요소에 대하여 인간과 인공지능의 협업을 통한
새로운 기술로 발전
정부지원 정책
▪ 과학기술정보통신부는 ‘지능정보산업 발전전략’을 발표하며, 연구개발, 전문인력 확충, 데이터 인프라, 산업

생태계, 융합산업 육성 등에 2020년까지 총 1조원을 투자 계획이며 2조 5000억 원 이상의 민간 투자도
유도할 계획
▪ 산업통상자원부는 AICBM을 접목한 ‘5대 신산업 선도 프로젝트’ 핵심기술, 인재, 금용 등 혁신성장 역량 확충

주력하며, 기업투자 활성화를 통한 산업 활력 강화 및 업종별 간담회(’17.8∼9월)를 통해 114.5조원 규모 투자
프로젝트 발굴 계획
▪ 산업통상자원부는 중견기업에 특화된 맞춤형 패키지 지원 강화에 나서 기업 역량별 맞춤형 수출-R&D 지원,
지역거점 기업 육성 및 성장 친화적 인프라 조성을 통해 글로벌 전문기업으로 성장 촉진 계획
중소기업 시장대응전략
강점(Strength) 약점(Weakness)
•(환경) 도입 초기로 견고하지 못한 산업구조
•(환경) 탄력성 높은 신속하고 유연한 산업구조
•(기술) 주요 핵심 원천기술 부족과 높은 외국 기술
•(기술) 다양한 영역의 우수한 인공지능 분야 활용
의존도
가능IT 인프라
•(정책) 산ㆍ학ㆍ연ㆍ정부 연계 미흡에 기인한 유기적이지
•(정책) 지속적인 인공지능 관련 산업지원 정책
못한 산업 지원정책 효과
기회(Opportunity) 위협(Threat)
•(환경) 인공지능 활용에 적합한 빅데이터의 부족과
•(환경) 진입 초기 단계의 시장 구조
선두 주자의 독점화 및 흡수통합의 우려
•(기술) 다양한 기반기술 연구·개발에 참여하는 기업
•(기술) 인공지능 분야 글로벌 선두 업체 국내진출과
수의 증가
기술격차 심화
•(정책) 정부와 업계의 높은 니즈와 지원 정책
•(정책) 단기, 미시적 R&D 정책
➜ 사용자 맞춤형 자율성과 효율성 기반의 딥러닝, 머신러닝 등의 기술로 인간-인공지능 매개 시장 대응

➜ 인간-인공지능 협업 시스템의 요소기술의 상용화 및 제품화 모델 개발
전략품목 현황 분석
1. 개요
가. 정의 및 필요성
 협업지능을 기반으로, 인공지능이 스스로 사용자를 인식, 사용자에게 맞는 서비스를 제공하는

기술로 인간의 목표를 이해하고 그에 적절한 대처를 할 수 있도록 인간과 인공지능 간의
커뮤니케이션을 매개하는 시스템
 인간-인공지능 협업 시스템은 사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술,

인공지능 플랫폼, 패턴분석 알고리즘, 빅데이터 SW 등의 기술을 활용하여 자율주행 자동차,
AR-VR 시스템, 교육 및 정보 등의 다양한 분야에서 활용
▪인공지능은 인간의 학습능력, 추론능력, 지각능력 및 자연언어의 이해능력 등을 고성능, 고기능

컴퓨터를 활용하여 구현한 기술로서, 최근 인간 행동과 유사한 지능적 요소에 대하여 인간과
인공지능의 협업을 통한 새로운 핵심 기술로 발전하
 4차산업혁명 사회에서 인간이 지속적/반복적 수행하는 일에 있어 인간과 인공지능의 협업을

통해 기술을 고도화하고 생산 효율을 향상시킬 수 있는 기술의 필요성은 나날이 증대되고
있는 추세이므로 이에 대한 연구개발이 활발히 진행
▪ 산업 현장과 일상생활에서 인간 공간에 쉽게 접근할 수 있는 플랫폼 및 에이전트 시스템
▪ 생산 현장과 일상적 활동에서 사용자 인터페이스를 쉽고 편리하게 해주는 인공지능 기술, 행동과
음성 등의 패턴 인식과 데이터 저장 및 분석을 통한 사용자 맞춤형 서비스, 최근에는 수립
테라바이트의 대용량의 정형/비정형 데이터를 처리할 수 있는 소프트웨어 기술 등
 최근 인간-인공지능 협업 시스템에 대한 연구와 기술적 발전이 매우 급속히 이루어지고

있으며 맞춤형 지능 시스템, 인공지능 플랫폼, 에이젼트 시스템, 사용자 인터페이스,
패턴분석 알고리즘 및 빅데이터 소프트웨어 분야에서 연구단계를 넘어서 실용화, 상업화의
가능성 모색
 현재의 인공지능 분야의 급격한 발전은 인간과의 협업을 통한 새로운 시스템 형태로 변화 추세
40
40
나. 범위
(1) 제품분류 관점
 인간-인공지능 협업 시스템은 광의적 범용성과 협의적 산업 맞춤형 시스템 등 목적에 따라

다르게 분류되며, 수요 대상과 목적, 제공되는 서비스에 따라서 혼용하여 사용할 수 있으며,
인공지능 분야의 급격한 성장과 더불어 인간과의 협업 시스템 기술 발전과 적용 범위가 점점
확대되고 있는 분야
[ 제품분류 관점 기술범위 ]
전략품목 제품분류 관점 세부기술
사용자의 취향 또는 •사용자의 취향 또는 선호도에 대한 저장 데이터를 통해 스스로

선호도 맞춤형 지능적 학습하면서 개인마다 다른 관심사와 선호도를 반영할 수 있는 ‘맞춤형
시스템 조종 기술 지능적 시스템’ 구현 기술
•인공지능을 기반으로 하는 데이터 관리 시스템에 해당되는 기술이며,
인공지능 플랫폼 데이터 계층 처리부, 비즈니스 계층 처리부, 서비스 계층 처리부 및
프레젠테이션 계층 처리부 등을 포함하는 기반이 되는 기술
•인공지능 기반의 시스템을 통해, 메시지의 목적을 판단하는 발화분석
모듈과 발화분석 모듈에 의해 분석된 메시지의 목적에 대응하는
인공지능 에이젼트 서비스를 검색하는 서비스, 응답 생성모듈 및 메시지에 인접한
시스템 메시지를 추적하고, 발화분석 모듈에 의해 분석된 결과와 추적 과정을
인간-
관리하는 대화추적 관리 모듈 등을 포함하며 관리 및 맞춤형
인공지능
서비스를 제공하는 기술
협업
시스템
인공지능형 사용자 •인공지능을 기반으로 사용자가 직접 데이터를 입력화고 제어하며
인터페이스 정보를 주고 받는 부분에 해당되는 기술
인공지능형 패턴분석 •실시간 수집된 빅데이터(Big Data)를 기반으로 패턴을 분석 및

알고리즘 처리하는 알고리즘에 관한 기술
•기존 데이터베이스 관리도구의 능력을 넘어서는 대량(수십

빅데이터 SW 테라바이트) 의 정형 및 비정형의 데이터를 처리하는
SW(소프트웨어)에 관한 기술
41
41
(2) 공급망 관점
 인간-인공지능 협업 시스템은 ICT융합 및 4차산업혁명의 주요 핵심 기술로 주목

▪ 인공지능의 발전은 그 영향력이 제조, 금융, 의로, 자동차 등 거의 모든 산업에 미칠 수 있다는
점에서 엄청난 잠재력 보유
▪ 방대한 영역에서 그 동안 확보한 빅데이터와 최고 수준으로 개발 중인 인공지능 핵심 기술을 접목해

다양한 분야에 활용할 수 있는 인공지능 플랫폼을 구현
[ 공급망 관점 기술범위 ]
전략품목 공급망 관점 세부기술
•인터넷 환경 하에서 생성되는 웹 기반의 정보 및 모바일 환경의 실시간 정보

인터넷 수집을 통해 절대적으로 많은 양의 데이터를 보유하는 것이 아니라 고신뢰성과
초연결 활용성을 가진 데이터를 인간-인공지능 협업이 가능하도록 강화학습 및 기계학습을
통해 다양한 분야에 적용할 수 있으며 고도화된 수준의 인공지능을 개발
•사용자 또는 운전자를 위해 매우 쉬운 조작 기능을 제공하며 대화형 플랫폼으로

자동차
운전 중에 필요한 다양한 정보를 제공할 수 있고, 인간과 기계의 정보전달을 통해
드론
서로 소통 가능한 시스템을 구현
•사용자 디바이스들로부터 수집된 생체 정보를 의학적으로 분석(질병 관련 수치를

인간-
인공지능 모니터링 하는 경우 사용자의 수치를 주기적으로 측정 및 전달 그리고 분석하여
헬스케어
협업 이상 징후가 예견되면 사용자에게 미리 경고 또는 예방 조치 등을 권고하여 사전
시스템 사고를 방지하는 기술)
•미래 직업을 위한 교육과 훈련에서 시장이 요구하는 기술 습득을 통한 고용시장

교육 일자리 창출을 위한 교육·훈련 시스템(초중고/대학교육 강화, 직업교육/재교육의
기회 확대)
•사용자의 일상생활에 필요한 정보 검색 및 쇼핑몰을 통한 상품 주문, 간편 결제에

이르기 까지 다양한 기능을 수행, 사물인터넷과 연계하여 가정 내 가전, 전등,
스마트홈
보안 등과 같은 다양한 스마트 디바이스들과 연동하여 사용자의 주변 환경에
맞춤형으로 제어하는 기능
42
42
2. 외부환경분석
가. 산업환경 분석
(1) 산업의 특징
 인간-인공지능 협업 시스템 관련 산업은 인공지능의 정의 기술, 시장 범위 및 공급 대상 등에

따른 조사기관마다 매우 다양하게 구분되고 있음
▪ 산업적 관점에서의 인간-인공지능 협업 시스템은 인지, 학습, 추론, 협업 등 인간의 지능적 모방과
인간-인공지능 협업 솔루션 기술을 융합한 제품 및 서비스 경쟁력을 제고시키는 산업을 포괄함
[ 인간-인공지능 협업 시스템의 특성 및 기업 ]
기업 현재의 플랫폼 운영 현황 미래 예상되는 발전 방향
•대부분의 분야에 활용 가능한 지능형 서비스

플랫폼 개발
•Machine Learning Platform 발표(2016.3)
구글 •방대한 데이터 및 고도화된 인공지능 기술
음성/이미지 인식, 번역 서비스 제공
기반으로 특히 인간과 AI 번역 협업,
(DeepMind 활용)
•개인 성향을 정교하게 분석한 맞춤형 플랫폼
•대화형 인공지능 플랫폼, ‘Messenger Platform •Partnership on AI 비영리단체 설립 (AI가
with catbot’ 발표(16.4) 모든 인류와 사회에 공헌하는 기술임을 증명,
페이스북
•사용자와 대화를 통한 연동 서비스 지원(쇼핑, 기술의 윤리, 공정성, 투명성, 프라이버시,
여행, 예약 등 서비스 등) 상호 운용성, 인간과 AI의 협업, 신뢰성,
내구성에 대해서도 연구)
•대화형 플랫폼, ‘Alexa Voice Service’ 제공
•AI 비서 알렉사의 기업용 버전인 ‘Aleca for
Business’ 발표
•생활 맞춤형 서비스 플랫폼(쇼핑, 홈, 미디어
•마이크로소프트 코타나와 아마존 알렉사를 상호 콘텐츠 중심)
아마존
연동할 수 있는 시스템 구축 파트너십 체결
•Partnership on AI 비영리단체 설립
•정보분석 서비스 제공(예: 상점의 제품 판매
데이터 분석을 통한 수요 예측, 사용자별 선호도
분석 등)
•IBM Watson Health Platform 운영 •기존 플랫폼 고도화 및 영역 확장(금융, 날씨

IBM •영상, 생체 정보, 실시간 환자 정보 등 분석을 플랫폼), Watson AI
통한 질병 진단 및 이상 징후 사전 예측 •Partnership on AI 비영리단체 설립
•GE Predix Platform •기존 플랫폼 고도화(축적된 산업 현장 데이터

GE •산업 현장의 정보 분석을 통한 성능 항상, 비용 + 기존 사업 경험/노하우)
효율 달성 등 •AI를 통한 항공기 예방정비 기술
* 출처: LG Business Insight, gigglehd.com, hbrkorea.com
43
43
(2) 산업의 구조
 인공지능, 빅데이터 기반의 지능화를 통한 인간-인공지능 협업 시스템 기술은 4차 산업혁명을

촉발하고 이를 기준으로 일자리 및 산업 전반의 구조 변화가 초래할 것으로 전망(NIA
한국정보화진흥원 제1호).
▪ 인간의 지능과 기계의 인공지능의 협업으로 서비스 산업과 생산 현장 및 인간의 일상 생활 전반에

걸쳐 다양한 산업 구조가 발생할 전망됨
▪ 기존 산업과는 달리 인공지능 기술이 적용분야에서는 제반 ICT 기술 및 빅데이터 SW 생태계와의

적절한 융합 체계가 잘 구성될 필요성 대두
▪ 결론적으로 인간-인공지능 협업 시스템의 산업적 측면에서 볼 때 특화된 SW 서비스 제품들과

범용적인 인간-인공지능 협업 시스템 기술을 필요로 하는 산업(로봇, 자율 자동차, 플랫폼,
에이젼트) 등을 포괄하는 형태로 발전하게 될 것으로 전망
 인공지능 기술 발전 전망을 기반으로 인간과 인공지능 협업 분야 도출
▪ 빅데이터 및 인지컴퓨팅: 공공분야 행정 및 의사결정, 금융서비스
- 데이터 기반 정책 수립을 위한 분석 및 정책 제공, 로보어드바이저, 퀸트 투자 확대 등
▪ 자율자동차, 드론: 대중교통 및 지상, 공중 화물 운송
- 운전자 및 무인 자율 주행
▪ 딥러닝 기반 이미지 분석: 의료서비스
- 이미지 및 영상 판독, 판독결과 설명, AI기반 학습을 통한 알고리즘 개선
▪ 딥러닝 기반 텍스트 분석: 법률 서비스
- 판례분석, 낮은 단계의 소장 작성, 판례 자동 검색 및 분류
 인간-인공지능 협업 시스템은 4차산업혁명을 이끌어갈 성장엔진

▪ 인공지능 기술의 발전과 더불어 인간과의 협업 시스템 분야는 새로운 성장 동력으로 주목
- 대용량 빅데이터 SW 기술의 발전으로 인공지능의 성능과 응용이 비약적으로 확대
▪ 인간-인공지능 협업 기술은 공공분야, 행정, 금융, 의료, 제조업 등 경제 산업은 물론 사회 문화적

측면에서 광범위한 파급효과를 가져올 전망
- 경제 산업 측면에서 인간-인공지능 협업 기술은 이미 제조업 (자율주행차, 드론, 지능형 로봇,

스마트팩토리 등) 및 서비스업 (의료, 교육, 금융, 법률 등)과 융합되며 상용화가 시작 사회 문화
측면에서는 인간-인공지능 협업의 확산은 대대적인 고용구조의 변화, 새로운 일자리 창출, 새로운
사회 문화적 규범 및 질서체계 확립 등을 초래
44
44
나. 시장환경 분석
 인공지능의 알고리즘, 빅데이터 분석 기술 등에 기반하여 개인의 투자 성향을 반영, 자동으로

최적의 ‘포트폴리오’를 구성하고, ‘리밸런싱(재구성)’하여 인간 자산관리사의 자산 운용에
도움을 주는 온라인 상의 자산 관리 서비스인 로보어드바이저(RoboAdvisor)를 기반으로
인간-인공지능 협력 시스템의 시장 규모를 예측
▪ 로보어드바이저(RoboAdvisor)는 로봇(Robot)과 어드바이저(Advisor)의 합성어로 2002년 처음

사용된 용어로, 법제도, 학계, 산업계 등에서 정의가 규정되지 않은 상태이나 현재 서비스의 역할,
기술의 수준, 산업 동향 등을 근거로 의미를 유추하여 정의
▪ 현재는 주로 금융권에서 자산 운용 및 접근 방식에 따라 Automated Investment Advisor, Digital

Investment Advisor, Online Financial Adviro, Automated Investment Tool 등으로 불리며,
실제로 산업 내에서 활용되기 시작한 서비스
(1) 세계시장
 세계 로보 어드바이저 시장 규모는 ‘17년 18억 7,400만 달러에서 ’22년 178억 5,900만

달러로 연 평균 57.0%의 성장률을 보일 것으로 전망
▪ 머신러닝에서 딥러닝으로 진화한 인공지능 기술이 산업 전반에 활용 가능한 수준으로 급격히 발달한 점과, 4차
산업 혁명에서 금융권 인공지능에 대한 관심 고조, 핀테크(FinTech)등의 발전 등에 따라 시장 활성화 추세
▪ 딥러닝을 통한 대규모 데이터 기반의 정보 수집은 인간 자산 관리사에게 최적의 자료를 제공할 수 있을 것으로 예상
[ 세계 로보 어드바이저 시장규모 및 전망 ]
(단위 : 백 만 달러, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
세계시장 1,874 3,321 5,384 8,002 10,990 17,859 57.0
* 출처 : Statista, 2016
45
45
 로보 어드바이저의 선진 시장이라고 할 수 있는 미국에서는 향후 3~5년 사이에 폭발적인

성장이 일어날 것으로 예견
▪ 전 세계 로보 어드바이저 자산 관리 규모가 ‘15년 200억 달러에서 ’20년 4,500억 달러로 약 23배

성장할 것으로 전망하고 있으며, 특히 미국에서는 전체 투자 자산 중에서 로보 어드바이저 서비스에
의해 운용되는 자산 비중은 ‘15년 0.5%에서 ’20년 5.6%까지 상승할 것으로 전망
[ 미국 투자 자산 중 로보 어드바이저 자산 비중 및 전망 ]
(단위 : %)
7
6 5.6
5 4.1
4
2.7
3
1.7
2
0.9
1 0.5
0
'15 '16 '17 '18 '19 '20
* 출처 : A.T Kerney, Insight from the A,T.Kearney 2015 Robo-Advisory Services Study, 2015.6., 금융보안원 2016 재인용
46
46
(2) 국내시장
 국내 로보 어드바이저 시장은 이제 시작 단계 혹은 시작 준비 단계이나 향후에는 해외

시장과 마찬가지로 큰 성장률을 보일 것으로 전망
▪ 로보 어드바이저 도입기(2016~2018년)인 2016년부터 증권사를 중심으로 자문형상품 형태였다가,
2017년 주요 은행권에서 알고리즘 기반 자산관리 서비스를 출시하면서 2018년부터
로보어드바이저가 본격적으로 확산될 것으로 전망
▪ 로보어드바이저 확산기(2018~2023년)에는 비대면 일임형 로보어드바이저 허용 등 제도적으로

정비되고, 하이브리드형 등 다양한 형태의 로보어드바이저가 출현
▪ 로보어드바이저 성숙기(2023~2025년)에는 온라인 자산관리 서비스로 정착되면서 휴먼

어드바이저와 경쟁이 본격화 될 것으로 전망
 ‘18년부터 ’25년까지의 연평균 성장률은 62.6%로 국내 로보 어드바이저 시장의 급격한

성장이 예상
 수익률에 대한 신뢰와 IT발달 등 오프라인보다는 온라인 중심으로 로보어드바이저 시장이

확산될 전망
[ 국내 로보 어드바이저 시장규모 및 전망 ]
(단위 : 원, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 ‘23 CAGR
국내시장 0.6조 1조 2조 5조 10조 18조 25조 62.6
* 출처: KEB 하나은행, 2018
47
47
3. 기술 분석
가. 기술개발 이슈
 연구개발 동향
▪ 머신러닝, 딥러닝, IoT, 빅테이터 SW 등의 확산에 힘입어 큰 주목을 받아왔던 인간-인공지능 협업

분야가 미래 발전적일 것으로 예상되고 있는 가운데, 특히 생산성 증대와 매출 확대 및 일자리
창출을 위한 기업들의 도입이 본격화 될 것으로 예상
▪ 범용 인공지능 플랫폼, 산업별 특화 인공지능 플랫폼 등장으로 인한 데이터 확보 및 선점 경쟁으로

인한 사용자 중심 연구 및 일상생활의 필수 동반품으로 자리매김할 것으로 예상
 인공지능 발전에 따른 인간-인공지능 기술간 협업의 심화
▪ 인공지능 기술은 지속적으로 발전하고 있으며 이에 따라 세계적 석학, 글로벌 기업들 사이의 미래전망에 차이 존재
[약한 인공지능] 기계 스스로 사고하거나 해결할 수

[강한 인공지능] 기계 스스로 사고하고 문제 해결 가능
없으며 학습을 통한 특정 문제 해결 가능
▪ 마크주커버그(페이스북) : 인류는 지식을 학습하여

▪ 스티븐호킹 : 생물적인 두뇌와 컴퓨터가 달성할 수
문제 해결에 적용할 능력을 갖추고 있지만 컴퓨터는
있는 것 사이에 큰 차이는 없다고 생각, 따라서
능력이 없음
이론적으로는 컴퓨터는 인간 지능을 모방하고 이를
▪ 마윈(알리바바) : 지혜와 정신, 마음은 인류가 소유한
초월 가능
것으로 기계가 성취감과 우정, 사랑을 결코 느낄 수
▪ 엘런머스크(테슬라) : 인공지능 연구는 악마를
없음
소환하는 것이나 다를 것이 없음. 인공지능은
▪ 에릭슈미츠(알파벳) : 새로운 기술이 미래에 미칠
현존하는 가장 큰 위협 요소
영향이 과거 기술 혁명과 다르기 때문에 일자리가
▪ 빌게이츠(마이크로소프트) : 슈퍼인텔리전스가 우려됨.
사라질 것이라는 염려는 인간의 적응력과 창의력을
수십년 후에는 지능이 강화되어 우려 수준에 도달
부정하는 모습
▪ 머신러닝분야의 전문가 대상 설문조사로 살펴본 일자리 대체 전망
- 2016년 이후 45년 내에 HLMI(고숙련 머신 인텔리전트)가 도래할 가능성 50%, 9년 내에

도래할 가능성 10%로 전망 1)
1) (When Will AI Exceed Human Performance? (Journal of Artificial Intelligence Research 62 (2018) 729-754)
48
48
 인간-인공지능 협업의 지속적 강화
▪ 인간-인공지능 협업의 새로운 융합과정에서 기존에는 불가능했던 새로운 일자리 창출이 가능해지며
인간 고유의 업무 능력이 더 요구되는 분야가 등장할 것으로 예상
▪ 2025년까지 인공지능 기술이 적용될 산업 시장에 대한 예측(Ovum : Machine Learning in

Business Use Cases, 2015)
시장 시장
2015-2017 2018-2021 2022-2025
분야 측면
·AI 기반 의사 결정 지원
·인공지능의 발달이 로봇의 ·딥러닝 알고리즘의 마이닝
시스템(예 : IBM Watson)을
비즈니스 두뇌에 영향 기술의 지속적 개선,창의적
상용 서비스로 사용
측면 ·지능로봇은 사무실과 인공지능은 예술분야에서
·업종에는 의학 / 의료, 과학
신흥 생산현장에 투입 출현될 것으로 예상
연구, 교육 및 기타 분야 포함
산업
시장
·AI 기반 소비자 제품 및 앱(예 ·스마트 홈 : AI가 TV
·소음 환경에서 99 %의
소비자 : 음악 인식 분야) 프로그램을 녹화하고, 요리하고,
정확도를 가지는 음성 인식
측면 ·AI 사용예 : Apple Siri 게임 등의 작업을 지원 및
기술 향상
/Google 보이스 등 자동화
·고급 AI 보조기능 사용으로

·금융 알고리즘 거래로 높은 ·진보된 인공지능을 가진 로봇
비즈니스 데이터 마이닝 등의 다양한
고객층 확보 및 경잴력 확보에 두뇌가 사무실과 가정에서
측면 제품 및 소프트웨어 응용
AI 시스템의 지속적 활용 보편화
개발 프로그램에서 표준화
산업
시장 ·스마트 홈의 인공지능
·게임 산업은 지속적인 ·스마트 디바이스에 사용
소비자 디바이스, 응용 프로그램,
인공지능의 산실로서 인공지능 가능한 지능형 개인용 앱에
측면 유지보수 요구사항 등에 대한
게임의 독보적 성장 중 대한 소비시장이 급성장
시장창출
 인간-인공지능 협업 시스템은 4차산업혁명 시대의 일자리 변화의 핵심

▪ 인공지능과 인간의 노동력 중 상대적으로 고효율, 고생산성을 유지하는 방향으로 일자리가 이동할
것으로 예상
▪ 생산성 유지를 위해 인공지능을 보조수단으로 적극 활용하는 공존과 협업 기술
▪ 인공지능만으로 대체될 수 없는 일자리에서 생산성을 더욱 높이기 위해 노동환경이 변화할 것으로

예상됨
 미래 일하는 방식은 인간-인공지능 협업을 촉진하고 인간의 창의적 생산 활동을 극대화

▪ 인간-인공지능 협업은 인공지능의 급속한 발당과 더불어 협업 가능한 분야와 수준이 확대되면서
협업 환경이 급속도로 변화될 가능성이 높음
▪ 인간-인공지능의 협업을 제한하고 인간의 창의적, 자율적 활동을 저해하여 생산성을 떨어뜨리는
물리적, 제도적, 정책적, 문화적, 기술적인 다양한 요인들에 대한 해결이 우선적으로 필요
49
49
 인간을 보조하는 기계 개발에 집중
▪ 인간의 인지능력 증폭, 인간이 고수준 작업에 몰입할 수 있도록 고객과 직원들과 교류, 인간의
물리적 능력 확대 등(Human + Machine: Reimagining Work in the Age of AI, Paul R.
Daugherty, H. James Wilson)
▪ 인공지능으로 인간의 분석능력과 의사결정력 향상(예, 오토데스크의 드림캐처)
▪ 인간과 기계의 협업으로 더 새롭고 효과적인 방식으로 직원과 고객이 교류가능(예, 일레로 코르타나,
스웨덴 은행 SEB의 아이다)
▪ 인간의 노동을 보완하는 협업 로봇(예, 협동로봇-코봇, 외골격 웨어러블 로봇)의 상용화
 국내 산업 내 미흡한 인간-인공지능 협업 시스템 관련 기술 인프라
▪ 국내에는 인간-인공지능 협업 시스템의 인프라에 해당하는 머신러닝, 딥러닝 연구를 위해

필요한 데이터셋이 부족함. 해외에서는 다양한 데이터셋이 구축/공개되어 연구에 사용되고
있으나, 우리나라에 적용하기 위해 필요한 데이터와는 성질이 다른 경우가 많음
▪ 얼굴인식 및 문서인식 기술 분야에서 국내 실용화를 위해서는 한국인의 얼굴 영상데이터, 필기 한글

데이터 등 우리나라에서 수집된 데이터가 필요한데, 이러한 데이터들에 대한 준비 미흡
 국내 전문 인력 부족 현상
▪ 국내의 인간-인공지능 협업 시스템 기술의 활성화에 가장 큰 원인으로 전문 인력의 부족 지적
▪ 2000년대까지는 인공지능 딥러닝, 머신러닝 기술의 실용화 수준이 낮은 편. 기업, 정부,

연구소, 학계 등의 낮은 관심과 줄어든 연구 지원으로 머신러닝, 딥러닝의 인공지능 분야의
많은 연구자들이 다른 분야로 이동
▪ 2013년 이후 딥러닝의 출현으로 기계학습 분야가 서서히 활기를 띠면서 급속도로 기계학습
전문가들의 수요가 급증하였으나 그 동안 기계학습 분야에서 꾸준히 연구하던 전문가들은 소수에
불과했기 때문에 현재는 산업적 수요에 비해 딥러닝 전문가의 수가 부족한 상황
50
50
나. 주요기업 동향
(1) 해외 업체 동향
 구글의 듀플렉스(Duplex)는 인간 언어를 구사하며 인간을 대신해 예약을 진행
▪ 미국 내 소상공인들의 약 60% 이상이 온라인 예약시스템을 구축하지 못해 매달 약 10억통에

이르는 전화를 일일이 사람이 처리하고 있는 상황, 만약 구글이 발표한 듀플렉스가 사람을 대신해
이를 모두 처리할 수 있다면 엄청난 비용과 시간 절감 가능
▪ 듀플렉스는 이러한 예약 서비스 뿐만 아닌 콜센터, 리테일, 교육 등 우리 생활 속 폭 넓은 분야에

활용 가능하다는 점에서 향후 기술 파급력이 매울 클 것으로 예상
 IBM의 의료용 인공지능인 왓슨 포 온콜로지(Watson for Oncology)의 경우 기존의 암 진단

정확도 56~80%를 96%까지 향상
▪ 인간의 분석내용에 덧붙여 환자가 보유한 영상·DNA 데이터·유사한 치료 사례 등 방대한 데이터를

분석하여 진단의 정확도를 높이는 역할
 GE는 프리딕스(Predix) 애플리케이션을 통하여 개별 장비에 들어가는 특정 부품의 고장

시점을 예측 가능
▪ 장비 관리자가 장비의 고장 가능성에 대한 경고를 받고 올바른 결정을 내리는데 필요한 정보 또한
쉽게 얻을 수 있어 부품의 고장으로 인한 기계 전체의 고장과 그에 따르는 값비싼 수리를 피할 수
있도록 도움
▪ 장비의 현재 상태, 운영환경, 다른 장비에 발생한 유사 손상 및 수리 관련 머신 러닝 데이터를

바탕으로 적절한 조치 제안
 Wealthfront 및 로보어드바이저는 방대한 금융 데이터를 분석하고, 고객의 투자선호 성향을

파악하여, 맞춤형 자산 관리, 신용 대출 서비스를 제공하고 신종 금융 사기에 대응하는 등
인공지능으로 자동화된 종합 금융자문 서비스를 제공
 항공기제작 회사 에어버스는 제너레이티브 디자인 기술을 사용해 A320 항공기의 내부

격벽을 다시 구상하고, 복잡한 설계를 만들어냄으로써 격벽의 중량을 45%(30kg) 저감하는
데 성공하여 제트 연료 소비량을 획기적으로 감소
▪ 제너레이티브 디자인은 중량, 비용, 소재 등에 대한 정보를 컴퓨터에 입력하여 컴퓨터가 주어진

기준에 정확하게 부합하고, 인간이 혼자서는 생각할 수 없고, 많은 시간이 소요되는 실용성을 갖춘
수백, 수천 개의 제작 가능한 설계 옵션들을 제시하는 기술
▪ 현존하는 A320 전량에 적용될 경우에는 연간 수십만 톤의 이산화탄소 배출 감소 효과도 거둘 수

있는데 이는 승용차 9만6천 대의 연간 배출량에 버금가는 수준
51
51
 오토데스크(Autodesk)의 드림캐쳐(Dreamcatcher)는 디자이너가 바라는 제품 조건들을

입력하면 재료, 비용, 기능 측면에서 원하는 변수를 분석하여 그에 부합하는 신상품 디자인
개념을 제안
▪ 디자이너는 드림캐쳐가 제안한 디자인을 평가하여 소프트웨어에 전달하여 디자이너의 가이드에 더

부합하는 디자인을 제공 가능
▪ 인간인 디자이너가 여러 변수들을 고려하지 않을 수 있는 환경을 제공함과 동시에, 새로운 디자인을

제시하여 창의력을 자극하는 역할
 메르세데스의 직원들은 태블릿 PC를 통해 실시간으로 고객의 니즈 충족
▪ 인간의 지능적 지시를 통해 기존 제조라인의 융통성 없는 자동화에서 탈피하여 융통성 있는

방식으로 제조 프로세스 변경,
▪ 작업 흐름상 생기는 변화에 민첩하게 반응 하여 기존에는 불가능했던 개인 맞춤화된 차량 생산 가능
▪ 로봇에 단순 수작업을 일임하여 근로자들은 짧은 시간 안에 더 많은 제품 제조가 가능, 결과적으로

효율성이 급격하게 증대하는 효과
 유니레버는 인공지능 시스템을 통해 채용 후보들의 자질을 충분히 선별 가능한 프로세스 개발
▪ 지원단계에서 채용에 걸리는 평균 시간을 4개월에서 2개월로 단축시킨 반면 개별 지원자들의

이력서 검토 시간은 75% 증가하여 세밀한 후보 검증 가능
▪ 인공지능 프로그램은 인사 담당자가 충분한 수의 지원자들을 고려할 수 있는 환경 조성
52
52
(2) 국내 업체 동향
 ㈜뷰노는 세종병원의 의무기록과 생체신호 등 각종 임상데이터와 자문을 기반으로 뷰노가

심전도 기반의 심혈관질환 예측 및 진단 인공지능 소프트웨어를 개발할 예정
▪ 영상진단뿐만 아니라 생체신호에 따른 예후 분석 등 다양한 솔루션을 개발하는 등 2018년 국내
최초로 인공지능 진단 기기를 식약처로 인·허가 받은 기업
▪ 인간인 의사 뿐 아니라 인공지능 소프트웨어를 통한 분석을 통합하여 심혈관 진단의 정확도가

높아질 것으로 기대
 국내 온라인 법률상담 플랫폼 기업인 ‘헬프미’(HELP ME)는 2016년 인공지능을 활용해

지급명령 신청서를 자동 작성하고 법원에 제출하는 ‘지급명령 헬프미’ 서비스 공개하여
변호사뿐 아니라 법률 소비자 입장에서도 시간과 비용을 절감할 수 있는 가능성 제시
▪ 인공지능을 이용해 지급명령, 법인등기, 제소 전 화해 절차 수수료를 기존 대비 20~30%가량 절감,
소모적인 단순 업무를 인공지능으로 처리하고 단순한 업무인 경우 실제 변호사 사무실에 방문하지
않아도 되어 시간과 비용 부담 절감 가능
 코노랩스는 기존 기업의 일정 및 고객관리 시스템과 연동하는 서비스인 ‘코노’를 제공,

‘17년에는 글로벌 이메일봇 서비스를 ’18년 3월에는 슬랙봇 서비스를 제공하여 개인을 넘어
기업 내 스케쥴을 지능적으로 관리하는 인공지능 서비스 시장 점유를 높이는 추세
▪ 인간을 대신하여 일정을 관리함으로서 효과적인 시간 관리가 가능하게 함과 동시에, 일정관리에

드는 시간을 단축시켜 업무 효율성 증대
53
53
다. 특허 동향
◎ 인간-인공지능 협업 시스템 분야 특허상 주요 기술
 주요 기술
▪ 협업지능을 기반으로, 인공지능이 스스로 사용자를 인식, 사용자에게 맞는 서비스를 제공하는
기술로 인간의 목표를 이해하고 그에 적절한 대처를 할 수 있도록 인간과 인공지능 간의
커뮤니케이션을 매개하는 시스템이 포함
요소기술 코드 설명
사용자의 취향 또는 선호도 사용자의 취향 또는 선호도에 대한 저장 데이터를 통해 스스로

맞춤형 지능적 시스템 조종 A 학습하면서 개인마다 다른 관심사와 선호도를 반영할 수 있는 ‘맞춤형
기술 지능적 시스템’ 구현 기술
인공지능을 기반으로 하는 데이터 관리 시스템에 해당되는 기술이며,

인공지능 플랫폼 B 데이터 계층 처리부, 비즈니스 계층 처리부, 서비스 계층 처리부 및
프리젠테이션 계층 처리부 등을 포함하는 기반이 되는 기술
인공지능 기반의 시스템을 통해, 메시지의 목적을 판단하는 발화분석

모듈과 발화분석 모듈에 의해 분석된 메시지의 목적에 대응하는
서비스를 검색하는 서비스 응답 생성모듈 및 메시지에 인접한
인공지능 에이젼트 시스템 C
메시지를 추적하고, 발화분석 모듈에 의해 분석된 결과와 추적
과정을 관리하는 대화추적 관리 모듈 등을 포함하며 관리 및 맞춤형
서비스를 제공하는 기술
인공지능형 사용자 인공지능을 기반으로 사용자가 직접 데이터를 입력화고 제어하며

D
인터페이스 정보를 주고 받는 부분에 해당되는 기술
인공지능형 패턴분석 실시간 수집된 빅데이터(Big Data)를 기반으로 패턴을 분석 및

E
알고리즘 처리하는 알고리즘에 관한 기술
빅데이터(Big Data)란 기존 데이터베이스 관리도구의 능력을

빅데이터 SW F 넘어서는 대량(수십 테라바이트) 의 정형 및 비정형의 데이터를
처리하는 SW(소프트웨어)에 관한 기술
54
54
◎ 세부 분야별 특허동향
 주요 기술별 출원인 국적별 특허동향
▪ 인간-인공지능 협업 시스템 기술의 요소기술별 주요 출원인 국적별 특허정보 데이터 입수하였으며,

최근 10년간의 특허데이터를 비교 분석
요소기술 한국 미국 일본 유럽 ETC 계
사용자의 취향 또는 선호도 맞춤형 지능적 32 80 13 12 36 173
시스템 조종 기술
인공지능 플랫폼 44 224 6 26 56 356
인공지능 에이젼트 시스템 26 276 6 41 64 413
인공지능형 사용자 인터페이스 34 589 22 58 144 847
인공지능형 패턴분석 알고리즘 23 2 3 0 1 29
빅데이터 SW 62 31 4 1 14 112
합계 221 1,202 54 138 315 1,930
▪ 요소기술별 출원인 국적별 특허동향에서 미국국적의 출원인이 가장 활발한 연구개발을 하고 있으며,

그 다음으로는 한국, 유럽, 일본 국적 출원인 순
▪ 사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술 분야에서는 미국국적의 출원인이 가장

많은 비중을 차지하고 있으며, 유럽국적의 출원인이 상대적으로 적은 출원량을 보유
▪ 인공지능 플랫폼은 미국국적의 출원인이 가장 많은 비중을 차지하고 있으며, 그 다음으로는 유럽,

한국, 일본국적 출원인 순으로 특허를 많이 출원
▪ 인공지능 에이젼트 시스템 분야에서는 미국국적의 출원인이 가장 많은 출원을 하고 있으며,

일본국적의 출원인이 상대적으로 적은 출원량을 보임
▪ 인공지능형 사용자 인터페이스 기술은 미국국적의 출원인이 가장 많은 출원을 하고 있으며,

▪ 인공지능형 패턴분석 알고리즘 분야에서는 전체적으로 관련 특허 출원 실적이 미미
▪ 빅데이터 SW 분야에서는 한국국적의 출원인이 가장 많은 출원을 하고 있으며, 유럽 및 일본국적의

출원인이 상대적으로 적은 출원량을 보임
55
55
▪ 관점을 국내·외 출원인으로 바꾸어 보면 한국국적의 출원인은 외국국적의 출원인에 비해 인공지능형

패턴분석 알고리즘(E)와 빅데이터 SW(F) 분야의 출원 비중이 상대적으로 높게 나타남
▪ 반면, 한국국적의 출원인은 외국국적의 출원인에 비해 인공지능 에이젼트 시스템(D) 분야에

상대적으로 특허 출원 비중이 상대적으로 낮은 것으로 나타남
▪ 한국국적 출원인의 특허 출원량은 2015년까지는 출원량이 많지 않으나, 2016년을 기점으로

출원량이 높아지는 경향
* 2017~2018년은 미공개 출원이 존재하여 출원 수가 적게 보이는 구간으로, 시계열 동향을 파악할

때 이 점을 유의해야 함.
▪ 외국국적 출원인의 특허 출원량은 2000년 중반 이후 꾸준히 출원량이 높아지는 경향을 나타나고

있으며, 2017년을 기점으로 더 많은 출원량을 보이고 있음
56
56
 주요 기술별 출원인 동향
기술
요소기술 주요출원인 국내 특허동향
집중도
•Daniel W. Onischuk
•산학연 연구단체 중심
사용자의 취향 또는 선호도 •Baidu Online Network
◕ •대학교 산학협력단, 개인출원
맞춤형 지능적 시스템 조종 기술 Technology (Beijing)
등
•LG전자
•Newvaluexchange
Global •게임회사 및 개인출원 중심
인공지능 플랫폼 ●
•Google •네이버, 엔씨소프트 등
•네이버
•AT&T Intellectual •인터넷 회사 중심
인공지능 에이젼트 시스템 ●
Property •네이버, 삼성전자, 구글 등
•삼성전자
•AT&T Intellectual
인공지능형 사용자 Property •대기업 중심
●
인터페이스 •Daniel W. Onischuk •삼성전자, LG전자, 케이티 등
•전자통신연구원
•대학교산학협력단 및
•한국전자통신연구원
인공지능형 패턴분석 자동차회사 중심
◯ •현대자동차
알고리즘 •한국전자통신연구원, 현대자동차,
•동아대학교 산학협력단
대학교산학협력단 등
•한국전자통신연구원 •대학교산학협력단 및
•대학교산학협력단 인터넷회사 중심
빅데이터 SW ◕
•Surround. IO •한국전자통신연구원,
Corporation 현대자동차 등
※ ●: 200건 이상, ◕: 100~199건, ◓: 50~99건, ◔: 30~49건, ◯: 30건 미만
57
57
 사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술 분야 주요 출원인 동향
▪ 사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술 분야는 Daniel W. Onischuk이 가장

많은 특허를 보유하고 있으며 그 다음으로는 Baidu Online Network Technology (Beijing)과
한국의 대기업인 LG전자 순으로 다수의 특허를 보유
 인공지능 플랫폼 분야 주요 출원인 동향
▪ 인공지능 플랫폼 분야는 Newvaluexchange Global가 가장 많은 특허를 보유하고 있으며 그

다음으로는 Google과 한국의 대기업인 네이버 등이 많은 특허를 출원
 인공지능 에이젼트 시스템 분야 주요 출원인 동향
▪ 인공지능 에이젼트 시스템 분야는 Daniel W. Onischuk가 가장 많은 특허를 보유하고 있으며, 그

다음으로는 AT&T Intellectual Property, 삼성전자 등이 많은 특허를 보유하
 인공지능형 사용자 인터페이스 분야 주요 출원인 동향
▪ 인공지능형 사용자 인터페이스 분야는 AT&T Intellectual Property이 가장 많은 특허를 보유하고 있으며. 그
다음으로는 Daniel W. Onischuk과 한국의 공공기관인 전자통신연구원이 다수의 특허 보유
 인공지능형 패턴분석 알고리즘 분야 주요 출원인 동향
▪ 인공지능형 패턴분석 알고리즘 분야는 한국전자통신연구원이 가장 많은 특허를 보유하고 있으며 그

다음으로는 현대자동차, 현대자동차 등이 많은 특허를 출원
 빅데이터 SW 분야 주요 출원인 동향
▪ 빅데이터 SW 분야는 한국전자통신연구원가 가장 많은 특허를 보유하고 있으며 그 다음으로는

한국의 대학교산학협력단 등이 많은 특허를 출원
58
58
◎ 국가별 특허활동지수(AI) 비교
 특허활동지수(Activity Index)는 상대적 집중도를 살펴보기 위한 지표로서, 그 값이 1보다 큰

경우에는 상대적 특허활동이 활발함을 나타냄
 한국은 인공지능형 사용자 인터페이스 분야분야에서는 특허활동이 부진하나, 인공지능형

패턴분석 알고리즘 기술분야와 빅데이터 SW 분야에서 특허출원은 활발한 것으로 나타남
 미국은 인공지능형 패턴분석 알고리즘 분야에서는 특허활동이 부진하나, 인공지능형 사용자

인터페이스 분야의 특허출원은 활발한 것으로 나타남
 일본은 인공지능 에이젼트 시스템 분야에서는 특허활동이 부진하나, 인공지능형 패턴분석

알고리즘 분야의 특허출원은 활발한 것으로 나타남
 유럽은 인공지능형 패턴분석 알고리즘 분야에서는 특허활동이 부진하나, 인공지능 에이젼트

시스템 분야의 특허출원은 활발한 것으로 나타남
59
59
◎ 질적 수준을 고려한 각국의 시장력 분석
▢ 시장력이 전체 평균 1.61을 상회하는 국가로는 유럽이며, 그 중에서도 이탈리아, 아일랜드,

핀란드가 있으며, 유럽이외는 중국이 있고, 질적인 수준이 높은 특허 보유국은 미국임
▪ 질적인 측면을 같이 고려한 시장력에 있어서 미국은 질적 수준은 높지만 시장성은 낮은 국가 쪽으로 조사
▪ 한국과 일본은 시장력 면에서 낮고, 질적 수준면에서도 낮은 것으로 나타남
PFS CPP
국가 특허수
(Σ패밀리수/Σ특허수) (Σ피인용수/Σ특허수)
ETC 315 1.885714 1.873016
EU 138 2.15942 0.688889
JP 54 1.37037 0
KR 221 1.208145 0
US 1202 1.561564 1.774752
전체평균 55 1.61 1.67
◎ 인간-인공지능 협업 시스템 분야의 주요 경쟁기술 및 공백기술
 인간-인공지능 협업 시스템 분야의 주요 경쟁기술은 사용자의 취향 또는 선호도 맞춤형

지능적 시스템 조종 기술, 인공지능 플랫폼, 인공지능 에이젼트 시스템, 인공지능형 사용자
인터페이스, 빅데이터 SW 분야이고, 공백기술은 인공지능형 패턴분석 알고리즘 기술로
나타남
▪ 인간-인공지능 협업 시스템 분야에서 인공지능형 사용자 인터페이스 기술이 가장 경쟁이 치열한
분야이고, 인공지능형 패턴분석 알고리즘 분야는 아직까지 출원이 활발하지 않은 공백기술 분야로
나타남
요소기술 기술 집중도
사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술 ◕
인공지능 플랫폼 ●
인공지능 에이젼트 시스템 ●
인공지능형 사용자 인터페이스 ●
인공지능형 패턴분석 알고리즘 ◯
빅데이터 SW ◕
※ ●: 200건 이상, ◕: 100~199건, ◓: 50~99건, ◔: 30~49건, ◯: 30건 미만
60
60
◎ 최신 국내 특허기술 동향
요소기술 최근 핵심기술 동향
사용자의 취향 또는 선호도 맞춤형 •인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 기술 및
지능적 시스템 조종 기술 사용자에 따른 지능형 콘텐츠 추천기술
•인공지능 기반의 사용자 인터페이스 통합 플랫폼 기술 및
인공지능 플랫폼 컨텐츠 서비스 서버에 전송하는 통신부를 포함하는 인공지능
플랫폼 제공 기술
•인공지능형 에이전트를 작성 및 구현하는 기술, 터치스크린에

인공지능 에이젼트 시스템
상기 인공지능 에이전트의 실행하는 기술
•통합 메세지 관리 사용자 인터페이스를 생성해 표시부에

인공지능형 사용자 인터페이스 표시하는 사용자 인터페이스 관리 기술 및 인공지능 모바일
인터페이스 기술
인공지능형 패턴분석 알고리즘 •인공 지능 원인분석 패턴 생성 기술
•빅데이터 마이닝을 이용한 기술 및 사물 인터넷을 통한

빅데이터 SW
빅데이터 센싱 기술
 국내 특허동향을 살펴보면 대기업은 인공지능형 사용자 인터페이스를, 공공연구기관은

사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술과 인공지능형 패턴분석
알고리즘을 집중적으로 연구개발하고 있는 것으로 나타남
▪ 사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술에서는 인공지능에 기반한 개인별

맞춤형 컨텐츠 제공 기술, 사용자에 따른 지능형 콘텐츠 추천기술 등이 공공연구기관을 중심으로
집중 연구개발
▪ 인공지능 플랫폼 분야는 인공지능 기반의 사용자 인터페이스 통합 플랫폼 기술, 컨텐츠 서비스
서버에 전송하는 통신부를 포함하는 인공지능 플랫폼 제공 기술 등이 대기업을 중심으로 연구개발
▪ 인공지능 에이젼트 시스템 기술에서는 인공지능형 에이전트를 작성 및 구현하는 기술, 터치스크린에

상기 인공지능 에이전트의 실행하는 기술 등이 대기업을 중심으로 연구개발
▪ 인공지능형 사용자 인터페이스 분야는 통합 메세지 관리 사용자 인터페이스를 생성해 표시부에

표시하는 사용자 인터페이스 관리 기술 및 인공지능 모바일 인터페이스 기술이 중소업체를
중심으로 연구개발
▪ 인공지능형 패턴분석 알고리즘 기술에서 관련특허가 많지 않으며, 인공 지능 원인분석 패턴 생성

기술 등이 중소업체를 중심으로 연구개발
▪ 빅데이터 SW 기술에서 빅데이터 마이닝을 이용한 기술 및 사물 인터넷을 통한 빅데이터 센싱 기술

등이 중소업체를 중심으로 연구개발
61
61
◎ 중소기업 특허전략 수립 방향 및 시사점
 인간-인공지능 협업 시스템 분야의 공백기술 분야는 인공지능형 패턴분석 알고리즘 기술이고

중소기업의 시장진입 상대적으로 수월한 분야는 사용자의 취향 또는 선호도 맞춤형 지능적
시스템 조종 기술과 인공지능 플랫폼 기술로 나타남
▪ 사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술과 인공지능 플랫폼 기술은 비즈니스
모델(BM) 성격이 강해서 개인출원 및 중소업체에서 접근하기 쉬운 기술로서 앞으로도 출원량이
증가할 것으로 예측
▪ 인공지능 산업은 여러 개의 소자를 사용하여 조립한 모듈 및 시스템 형 산업을 포함하는 융복합

산업 영역으로서 칩, 패키지, 모듈, 시스템의 단계를 거쳐 대부분의 산업에 활용되고 있으며, IoT
시대의 도래에 따라 산업적 활용도는 대폭 증가할 전망임
▪ 향후, 공백기술 분야인 인공지능형 패턴분석 알고리즘에 대하여 기술 선점 및 시장점령을 위해서

대기업 및 공공연구기관에서 연구개발이 집중적으로 이루어져야 할 것으로 사료됨
62
62
4. 연구개발 네트워크
가. 연구개발 기관/자원
(1) 연구개발 기관
 인간-인공지능 협업 시스템 분야 주요 연구개발 기관

▪ 네이버
- 클로버(AI 플랫폼)의 선행기술을 연구하는 CLAIR(Clova AI Research) 팀에서 6개월간 AI

연구개발에 몰두할 수 있는 기회 제공
▪ 삼성리서치
- 세트 부문의 통합연구소라고 할 수 있으며, 전 세계 24개 연구거점과 2만여 명의 연구개발

인력들을 이끌어 가는 명실상부한 선행 연구개발의 허브 역할
▪ LG전자
- ‘인공지능연구소’와 ‘로봇 선행연구소’를 신설, 음성인식, 영상인식, 센서 인식 등을 연구해 온

'인텔리전스연구소'를 각각 인공지능을 전담하는 인공지능연구소와 로봇을 전담하는 로봇
선행연구소로 분리해 확대 개편
▪ 카카오i
- 카카오가 보유한 핵심 기술이자 미래 기술의 집약체이며 음성을 알아듣고, 대화를 이해하며,

이미지를 인식하고, 수많은 데이터를 확인하여 이용자가 원하는 바를 정확히 검색 가능
▪ 마인즈랩
- ETRI의 음성인식 기술이전 및 자체 개발. 최고 95%의 음성인식률로 높은 원천기술력 수준 보유
▪ 플런티
- 데이터베이스 및 고객이 많은 영어권 텍스트 시장 조기 진출로 경쟁력 확보

- 문자, 카카오톡, 페이스북 등 다양한 메신저에서 수신된 메시지에 적합한 답변을 추천해주는 대화
앱과 챗봇 형성 플랫폼 비즈니스를 운용
▪ 한양대학교 ERICA 캠퍼스
- 인공지능협동로봇사업단을 구성하여 협동로봇 시범 보급 사업 등을 통해 제조업 혁신 노력

- 주변 상황을 스스로 인식, 분석 하여 그 결과를 바탕으로 공정들을 유연하게 변경시켜 생산라인
전체를 스마트화 하지 않고도 생산성 향상에 크게 기여할 것으로 기대
63
63
(2) 연구개발 자원
 정부 지원 프로그램
▪인공지능 SW·HW 기초기술 투자(과학기술정보통신부)
- 과학기술정보통신부는 2017년 4차 산업혁명의 핵심 기반 기술인 인공지능(AI) 및 빅데이터(Big

Data) 연구 분야에 전략과제를 지원, 지능정보기술 핵심 분야인 AI SW에 대한 연구를 본격화하고,
그 외에도 AI HW, 기초기술을 포함한 3개 분야에 총 1,630억원 규모를 투입할 계획
 프로그래밍 언어별 딥러닝 라이브러리

▪ 파이썬
- Theano: 수식 및 행렬 연산을 쉽게 만들어주는 파이썬 라이브러리. 딥러닝 알고리즘을 파이썬으로

쉽게 구현할 수 있도록 해주는데, Theano 기반 위에 얹어서 더 사용하기 쉽게 구현된 여러
라이브러리 존재
- Tensorflow: Theano와 같이 수식 및 행렬 연산을 쉽게 만들어주는 파이썬 라이브러리. 구글에서
개발했으며 현재 제일 많이 사용되고 있는 라이브러리
- Keras: Theano 및 Tensorflow 기반으로, 모듈화가 잘 되어 있어서 사용하기 쉽고 최근에도 계속
업데이트되며 빠른 속도로 발전하고 있는 라이브러리
- Pylearn2: Theano를 유지, 보수하고 있는 Montreal 대학의 Yoshua Bengio 그룹에서 개발한
Machine Learning 연구용 라이브러리
- Chainer: 거의 모든 딥러닝 알고리즘을 직관적인 Python 코드로 구현할 수 있고, 자유도가 매우
높음. 대다수의 다른 라이브러리들과는 다르게 "Define-by-Run" 형태로 구현되어 있어서, Forward
함수만 정의해주면 네트워크 구조가 자동으로 정해짐
- Nolearn: Scikit-learn과 연동되며 기계학습에 유용한 여러 함수를 포함
- Gensim: 큰 스케일의 텍스트 데이터를 효율적으로 다루는 것을 목표로 한 Python 기반 딥러닝
툴킷
- CXXNET: MShadow 라이브러리 기반으로 멀티 GPU까지 지원하며, Python 및 Matlab
인터페이스 제공
- DeepPy: NumPy 기반의 라이브러리
- Neon: Nervana에서 사용하는 딥러닝 프레임워크
▪MATLAB
- MatConvNet: 컴퓨터비젼 분야에서 유명한 매트랩 라이브러리인 Vlfeat 개발자인 Oxford의

Andrea Vedaldi 교수와 학생들이 관리하는 라이브러리
- ConvNet: CNN 라이브러리
- DeepLearnToolbox: DBN, Stacked Autoencoder, CNN 등의 딥러닝을 위한 Matlab/Octave
툴박스
▪C++
- Caffe: Berkeley 대학에서 관리하고 있고, 현재 가장 많은 사람들이(추정) 사용하고 있는

라이브러리. C++로 직접 사용할 수도 있지만 Python과 Matlab 인터페이스도 잘 구현
- DIGITS: NVIDIA에서 브라우저 기반 인터페이스로 쉽게 신경망 구조를 구현, 학습, 시각화할 수
있도록 개발한 시스템
64
64
- Cuda_convnet: 딥러닝 슈퍼스타인 Alex Krizhevsky와 Geoff Hinton이 ImageNet 2012

챌린지를 우승할 때 사용한 라이브러리
- Eblearn: 딥러닝 계의 또하나의 큰 축인 NYU의 Yann LeCun 그룹에서 ImageNet 2013
- SINGA: 기존의 시스템에서 동작하는 분산처리 학습 알고리즘을 일반적으로 구현하기 위해
만들어진 플랫폼
▪Java
- ND4J: N-Dimensional Arrays for Java. JVM을 위한 과학 연산 라이브러리로 상용 제품에 사용될

수 있게 연산들이 최소한의 메모리 사용으로 빠르게 작동 가능
- Deeplearning4j: Java와 Scala로 작성된 첫 상용 수준의 오픈소스 분산처리 딥러닝 라이브러리.
개발 툴보다는 Business 환경에 적합하도록 작성
- Encog: 머신러닝 프레임워크로 SVM, ANN, Genetic Programming, Genetic Algorithm,
Bayesian Network, Hidden Markov Model 등을 지원
▪JavaScript
- ConvnetJS: 딥러닝 모델의 학습을 완전히 브라우저에서 할 수 있게 하는 자바스크립트 라이브러리.

별도의 소프트웨어, 컴파일러, 설치, GPU 없이 쉽게 사용
- RecurrentJS: RNN/LSTM을 구현한 Javascript 라이브러리
▪Lua
- Torch: 페이스북과 구글 딥마인드에서 사용하는 라이브러리. 양대 대기업에서 사용하고 있는 만큼

필요한 거의 모든 기능이 잘 구현되어 있고, 스크립트 언어인 Lua를 사용하기 때문에 사용 용이
▪Julia
- Mocha.jl: C++ 프레임워크인 Caffe에 영감을 받아 만들어진 Julia 기반의 딥러닝 프레임워크.
Mocha의 General stochastic solver와 공통 레이어를 사용해 deep / shallow(convolutional)
neural network를 학습하고 (stacked) Auto-encoder를 통해 Unsupervised pre-training을 할
수 있음. 모듈화된 구조, 하이 레벨 인터페이스, 이식성, 빠른 속도, 호환성등이 특징
- Strada.jl: Caffe 프레임워크를 기반으로 해 만들어진 오픈소스 딥러닝 라이브러리. CNN과 RNN을
CPU/GPU로 학습 가능
- KUnet.jl: 최대한 적은 양의 코드로 작성하고자 하는 시도에서 만들어진 딥러닝 패키지. 현재 1000
라인 미만의 코드로 여러 네트워크, Activation, Optimization을 구현하고 있고, CPU/GPU를
사용해 Caffe와 비슷한 성능으로 학습할 수 있음
▪R
- Darch: 레이어가 많은 Neural Network(deep architecture)를 만들 수 있음. Contrastive

divergence로 pre-training 하거나 Backpropagation, Conjugate gradient와 같은 알고리즘을
사용한 fine tuning으로 학습 가능
- Deepnet: BP, RBM, DBN, Deep Autoencoder 등의 딥러닝 아키텍쳐, Neural Network
알고리즘을 구현한 패키지
65
65
나. 연구개발 인력
 정부는 2023년까지 국내 데이터시장을 30조원규모로 키우고, 인공지능 분야 유니콘기업

10개 육성과 인공지능 융합 클러스터 조성 및 데이터·인공지능(AI) 분야 전문 인력을 1만명
양성한다는 목표를 제시
▪ 과학기술정보통신부는 제1차 혁신성장전략회의에서 관계부처와 합동으로 수립한 ‘데이터·AI경제

활성화 계획’ 발표
 정부는 2022년까지 인공지능 대학원을 6곳 신설하여 인공지능 고급인력 1370명을 확보 및

선도연구자 350명 양성 목표 제시
▪ 정보통신기술진흥센터에 따르면 2020년 무렵 국내 인공지능 석ㆍ박사급 부족 인력이 4500명에

이를 전망
다. 기술이전가능 기술
 글로벌 기술 이전 동향
▪ 인간-인공지능 협업 시스템의 경쟁에서는 선점 효과가 크게 작용할 가능성이 높아 시장에 먼저

진출해 생태계를 먼저 만들어 나가는 기업이 절대적 유리
▪ 딥러닝과 같은 기계 학습 방법 기반 인공지능과 인간의 협업 시스템은 방대한 공공 데이터에 대한

학습을 통해 성능이 발전되고 정교화되기 때문에 초기에 많은 참여자를 생태계로 끌어 모으는
인간-인공지능 협업 시스템과 후발 주자로 시장에 진입 하여 생태계를 만드는 기업 간의 성능의
차이는 크게 벌어질 전망
▪ 글로벌 기업들은 2013년 이후, 인공지능 특히 딥러닝의 핵심 기술을 보유한 기업 및 응용 기술을

확보한 기업을 경쟁적으로 인수 중이며, 뿐만 아니라 기업들의 Venture Capital 등을 활용해 신생
벤처들에 대한 투자 또한 빠르게 확대하며 발전 유망 기술들을 선점하려 함
66
66
기업 피인수 기업 기술/사업 요약
Deepmind 딥러닝 및 자가/강화 학습 기술

DNNresearch 딥러닝 및 Neural Network 기반 이미지 검색 기술
Google Jetpac SNS내 사진 분석을 통한 지능형 여행 가이드 서비스
Dark Blue Labs 딥러닝 기반의 자연어 처리 기술
Vision Factory 딥러닝 기반의 텍스트 인식 기술
Indisys 자연어 처리 및 대화형 인공지능 서비스 기술

Intel
Saffron 인지 컴퓨팅 기술
IQ Engines 이미지 객체 인식 기술
Yahoo LookFlow 이미지 인식 및 사물의 종류 분류 기술
Skyphrase 자연어 인식 및 처리 기술
인공지능 기반의 가상형 비서 서비스

Cogenea
IBM 클라우드 기반의 자연어 처리 기술
AlchemyAPI
(핵심 키워드 추출 및 주제 분류)
Madbits 딥러닝 기반의 인공지능 플랫폼 구현

Twitter
Whetlab 머신러닝 최적화 기술(속도, 성능)
Facebook Wit.ai 자연어를 통한 스마트홈 및 로봇 분야의 서비스 제어 기술
Vocal IQ 음성인식 처리 기술(인간과 대화형 서비스)

Apple
Emotient 인간의 감정 변화 분석 기술
Amazon Orbeus 영상 처리를 통한 사물 인식 기술
NICE Systems Nexidia 비정형화 된 오디오, 비디오, 텍스트 데이터 검색 기술
PredictionIO 오픈소스 기반의 머신러닝 서비스 구축

Salesforce
MetaMind 인공지능 기반의 개인 맞춤화된 고객 관리 서비스
67
67
5. 기술로드맵
가. SWOT 분석
•(환경) 신속하고 유연한 산업구조 •(환경) 소규모, 영세한 산업구조
•(기술) 다양한 영역의 우수한 IT 인프라 •(기술) 주요 핵심 원천기술 부족
•(정책) 지속적인 산업지원 정책 수립 •(정책) 산ㆍ학ㆍ연ㆍ정부 연계 미흡
•(환경) 진입 초기 단계의 시장 구조 •(환경) 선두 주자의 독점화 및 흡수통합의 우려
•(기술) 다양한 기반기술 연구·개발 •(기술) 글로벌 선두 업체 국내진출과 기술격차
•(정책) 정부와 업계의 높은 니즈 •(정책) 단기, 미시적 R&D 정책
➜ 사용자 맞춤형 자율성과 효율성 기반의 딥러닝, 머신러닝 등의 기술로 인간-인공지능 매개 시장 대응

➜ 인간-인공지능 협업 시스템의 요소기술의 상용화 및 제품화 모델 개발
나. 중소기업 핵심요소기술
(1) 핵심요소기술 도출절차
 특허/논문 분석을 통한 요소기술과 기술수요와 각종 문헌을 기반으로 한 요소기술, 전문가

추천 요소기술을 종합하여 품목별 전문가를 통해 분류조정한 후, 전문가 평가과정을 거쳐
핵심요소기술을 선정
▪ 기술개발시급성(10), 기술개발파급성(10), 단기개발가능성(10), 중소기업 적합성(10)을 고려하여 평가
요소기술 요소기술 핵심요소기술 핵심요소기술

Pool 구성 분류 조정 선정평가 선정
- 특허/논문 분석 è - 품목별 전문가 è - 산학연 전문가 검토 è - 평가결과 반영

- 기술수요 및
요소기술 분류 - 평가항목별 요소기술 로드맵 기획 대상
문헌분석
조정·재정의 선정평가 핵심요소기술 도출
- 전문가 추천
68
68
(2) 요소기술
 산업·시장 분석, 기술(특허)분석, 전문가 의견, 타부처로드맵, 중소기업 기술수요를

바탕으로 로드맵 기획을 위하여 요소기술 도출
 요소기술을 대상으로 전문가를 통해 기술의 범위, 요소기술 간 중복성 등을 조정·검토하여

최종 요소기술 확정
[ 인간-인공지능 협업 시스템 분야 요소기술 도출 ]
요소기술 출처
사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술 특허/논문 분석, 전문가추천
데이터 흐름 패턴화 기술 : 구조화되지 않는 데이터 분석을 통한

특허/논문 분석, 전문가추천
인간형 식별
이미지 및 음성인식 기능의 순시 활용 가능한 자체 훈련된 AI 도구 특허/논문 분석, 전문가추천
공통지능 알고리즘에 대한 API 특허/논문 분석, 전문가추천
인공지능 플랫폼 특허/논문 분석, 전문가추천
인공지능 에이젼트 시스템 특허/논문 분석, 전문가추천
인공지능형 사용자 인터페이스 특허/논문 분석, 전문가추천
인공지능형 패턴분석 알고리즘 특허/논문 분석, 전문가추천
빅데이터 SW 특허/논문 분석, 전문가추천
언어인지 프로그램 특허/논문 분석, 전문가추천
69
69
(3) 핵심요소기술 도출
 확정된 요소기술을 대상으로 산․학․연 전문가로 구성된 핵심요소기술 선정평가를 통하여

중소기업에 적합한 핵심요소기술 선정
 평가결과, 중소기업 기술 개발 적합성과 기술 개발 필요성을 이유로 다음과 같은 요소기술이

핵심 요소기술로 선정
[ 인간-인공지능 협업 시스템 분야 핵심요소기술 ]
분류 핵심요소기술 개요
사용자의 취향 또는 사용자의 취향 또는 선호도에 대한 저장 데이터를 통해 스스로

지능형
선호도 맞춤형 지능적 학습하여 개인마다 다른 관심사와 선호도를 반영하여 효과적인 협업을
시스템
시스템 조종 기술 지원할 수 있는 ‘맞춤형 지능적 시스템’ 구현 기술
인공지능을 활용한 데이터 관리 시스템에 해당되는 기반 기술로

데이터 계층 처리부, 비즈니스 계층 처리부, 서비스 계층 처리부 및
인공지능 플랫폼
프레젠테이션 계층 처리부 등을 포함하여 원활한 협업을 지원하는
시스템
인공지능
기반 협업
플랫폼 인공지능 기반의 시스템을 통한 관리 및 이용자 맞춤형 서비스 제공
기술로 메시지의 목적을 판단하는 발화분석 모듈, 발화분석 모듈에
인공지능 에이젼트 시스템 의해 분석된 메시지의 목적에 대응하는 서비스를 검색하는 서비스
응답 생성모듈, 메시지를 추적하고, 발화분석 모듈에 의해 분석된
결과와 추적 과정을 관리하는 대화추적 관리 모듈 등으로 구성
인공지능형 사용자 인공지능을 기반으로 사용자가 직접 데이터를 입력하고 제어하며

사용자분석
인터페이스 협업에 필요한 정보를 주고받는 부분에 해당되는 기술
인공지능형 패턴분석 실시간 수집된 빅데이터(Big Data)를 기반으로 효과적인 협업을

알고리즘 위하여 이용자의 행동 패턴을 분석 및 처리하는 알고리즘에 관한 기술
협력 최적화
빅데이터
SW 대용량의 정형 및 비정형의 데이터를 처리하는 SW(소프트웨어)에 관한
빅데이터 SW 기술 중 인간과 인공지능이 효과적으로 협업할 수 있도록 가공된
빅데이터 SW
70
70
다. 기술개발전략
(1) 우리의 현황
 국내 인간-인공지능 협업 시스템 분야에서의 시장 규모는 1조 원이며 세계 시장은 33억

2,100 달러 규모인 것으로 파악
 국내 시장 성장률은 62.5%로 세계 시장 성장률인 57.0%보다 높은 수치를 보임
 국내 중소기업의 인간-인공지능 협업 시스템 분야 기술 수준은 세계 최고수준을 보유한

선진국 대비 47.5%, 6.29년의 기술격차를 보이며 유럽, 중국, 일본에 비해 낮은 수준인
것으로 조사됨
▪ 미국(99.8%) > EU(73.8%) > 일본(71.3%) > 중국(65.8%)인 것으로 파악
 특허 출원량은 221건으로 전체 평균인 55건에 비해 4배 높은 수치
 특허 피인용지수는 미국이 1.8로 가장 높은 수치이며 국내는 0으로 분석됨
71
71
(2) 기술개발로드맵
 인간-인공지능 협업 시스템을 위한 요소기술 중 상대적으로 시장 진입이 용이한 서비스를

개발하는 것이 적합한 것으로 분석
 사용자의 취향 또는 선호도 맞춤형 지능적 시스템 조종 기술과 협업 시스템에 활용할 수

있는 인공지능 특화 플랫폼 기술은 개인출원 및 중소기업에서도 쉽게 참여하고 있는 분야
 근무환경 등의 변화로 인간을 대신할 수 있는 디지털 지능의 중요성이 부각되고 있으므로,

인간-인공지능의 협업을 매개하는 시스템의 개발은 앞으로 그 수요가 증가할 것으로 보임
72
72
※ 참고 : 핵심요소기술 평가결과
지표별 평가결과
요소기술 기술개발 기술개발 단기개발 중소기업 비고
합계
시급성 파급성 가능성 적합성
사용자의 취향 또는 선호도
맞춤형 지능적 시스템 조종 7.6 7.4 6.8 7.0 28.8 선정
기술
데이터 흐름 패턴화 기술:

구조화되지 않는 데이터 6.8 7.8 5.8 5.6 26.0
분석을 통한 인간형 식별
이미지 및 음성인식 기능의

순시 활용 가능한 자체 7.2 7.4 7.0 7.0 28.6
훈련된 AI 도구
공통 지능: 인식, 상황인지,

협업, 감성, 예측, 학습 등의
8.0 8.6 5.8 6.0 28.4
기능 및 알고리즘에 대한
API
인공지능 플랫폼 8.2 9.4 5.8 5.4 28.8 선정
인공지능 에이젼트 시스템 7.6 8.8 6.8 7.0 30.2 선정
인공지능형 사용자
7.6 7.8 6.8 7.0 29.2 선정
인터페이스
인공지능형 패턴분석
9.0 8.4 7.8 7.8 33.0 선정
알고리즘
빅데이터 SW 8.2 7.6 7.2 6.2 29.2 선정
언어인지 프로그램 7.4 8.0 5.8 5.2 26.4
73
73
74
영상 데이터 기반
AI 서비스
75
76
영상 데이터 기반 AI 서비스
정의 및 범위
▪ 영상 기반 인공지능 서비스는 4차 산업혁명의 핵심기술인 인공지능 기술를 활용하여 영상 분석 기반

다양한 서비스를 창출하는 분야로 중소기업 주도 선도 분야로 판단. 서비스 도메인의 지식 적용시
지금까지 난제였던 문제 해결을 통해서 효율성을 크게 향상시키는 서비스 영역으로 평가됨
▪ 영상 분석 인공지능 기술은 이미지 학습을 통한 문자 인식부터 시작하여, 동영상을 분석하여 범죄

상황인지, 교통상황 인식, 유해 영상 분별, 보행자 신원 인식, 불량품 분별, 의료영상 분석, 무인점포
운영 등 다양한 새로운 서비스에 적용이 가능함
정부지원 정책
▪ 과학기술정보통신부는 ‘데이터·AI경제 활성화 계획’을 발표하며, 2019년부터 2023년까지

데이터와 인공지능(AI)의 육성전략 및 융합을 촉진하는 5개년 실행계획을 추진. 2023년까지 국내
데이터시장을 30조원 규모로 키우고, 인공지능 분야 유니콘 기업 10개 육성 계획 (‘19.1)
▪ 과학기술정보통신부는 인공지능 산업원천기술개발, 혁신성장동력 프로젝트, 지능정보산업 인프라조성

사업, 인공지능 식별 추적 시스템, 지능정보 서비스 확산 등의 사업을 2019년에 신규로 지원
▪ 산업통상자원부와 과학기술정보통신부는 로봇과 인공지능 기술의 융합을 통한 신산업 창출과

기술경쟁력 확보를 위해 ‘로봇-인공지능 융합 원천 기술개발’ 사업을 추진하여 중소,중견기업이
무인이송, 자가학습, 감정인식등 고도화된 로봇 서비스 제공을 위한 로봇과 인공지능 융합 기술
개발을 사업을 추진하여 글로벌 전문기업으로 성장 촉진 계획
•(환경) 유연한 인공지능 분야산업구조와 영상데이터 수집
•(환경) 글로벌 대기업에 의존하는 영세한 국내 산업구조
도구의 다각화
•(기술) 핵심 원천기술 미흡 및 인력 부족에 따른 기술
•(기술) 빠른 데이터 전송에 활용할 수 있는 우수한 IT
수준 미달
인프라
•(정책) 산업계 연계 미흡
•(정책) 인공지능 관련 지속적 산업지원 정책
•(환경) 시작 단계인 시장 구조로 시장을 선점한다면 •(환경) 국내 시장 성장에 비해 빠른 기술 발전
추후로도 영상 데이터 관련 AI 시장 주도 가능성 •(기술) 빠른 기술 발전 및 세계 기업들의 거대 자본투자
•(기술) 국내 기업들의 기반기술 연구·개발 활발 •(정책) 글로벌 선두 시장에 비해 늦은 인공지능 분야 R&D
•(정책) 정부의 인공지능 세부적 분야의 정책적인 지원 지원
➜ 현실적인 문제를 정확히 파악하고 빠르게 발전하는 인공지능 기술인 딥러닝, 강화학습 등을 영상
데이터 분석에 활용하여 기술로 시장을 선두하려는 노력 필요
➜ 인공지능 기술 분야에서 영상 분석은 상대적으로 느리게 발전하고 있으나 기술의 수요는 증가하는
추세로 기술의 유효성을 선보이고 시장을 선점해야 함
1. 개요
 영상 데이터 기반 인공지능 서비스이란 영상과 이미지에서 사물의 종류와 특징들을 인식하고

분류하는 인공지능 기술들을 활용하여 의료, 보안, 불량 검출, 범죄 인지, 상황인지 등의
서비스의 인식률과 정확도를 높이는 인공지능 서비스
▪ 영상에서 물체의 종류, 크기, 방향, 위치, 등 3차원적 공간정보를 실시간으로 알아내는 미리 학습한
지식 정보를 기반으로한 딥러닝 기술을 활용하는 인공지능 영상처리 기술을 의미. 이러한 인공지능
영상처리 기술은 비디오 분석과 그 외 센서를 통해 수집된 정보를 포함하여 상황 정보를 인식,
해석, 추론과 같은 처리 과정을 거친 후, 서비스 분야별로 필요한 도메인 지식을 포함하는 상황
인식 모델을 구성하고 관리해 상황 정보를 추론하여 객체, 모션, 상황 등을 인식하는 서비스를 구성
[ 영상 데이터 기반 인공지능 서비스 기본 구조 ]
▪ 인공지능 기술의 발전으로 인해 다양한 응용 서비스 시장이 성장할 것으로 예상되며, 그 중에서
중소기업에서 개발, 보급하기 적합한 응용 서비스 영역으로 인식
 다양한 응용 서비스 분야에서 사람이 수행하거나 자동화에 어려움을 겪는 분야에서 영상

분석을 통한 인공지능 서비스를 실현하여 생산 효율성, 정확도 개선, 지루한 반복 작업 탈피
등의 인간의 노동을 대체 할 수 있는 기술의 필요성이 증대되고 있어서 실시간 시스템에
대한 연구개발이 활발히 진행
▪ 안면 인식 기술과 행동 인식 기술을 통해서 보안 경비를 강화하고 24시간 운영이 가능한 범죄 인식

기술 등이 가능
▪ 영상 분석을 통해 제품의 오류와 테스팅을 자동화하는 기술이 가능하여 기존 훈련된 사람이

수작업으로 검증하던 작업을 효율적으로 운영 가능
▪ 의료 영상의 실시간 검증을 통해서 의사의 실수를 줄이고 진료 정확도를 향상시킬 것으로 기대
78
영상데이터 기반 AI 서비스
나. 범위
 영상 데이터 기반 인공지능 서비스는 영상 분석기술을 산업별 특화 서비스의 목적에 따라

구현해야 하여, 서비스의 특징에 따라 사용하는 인공지능 기술과 서비스 고유의 도메인
지식을 혼용하여 구현해야 하며, 센서 및 사물인터넷 기술 발전과 함께 정확도가 급격하게
향상되고 있으며 서비스의 적용 범위가 점점 확대되고 있는 분야
▪ 영상 및 이미지 분석을 기반으로 한 객체 인식기술과 이들을 조합하여 추론하는 상황 인식기술을

기반으로 서비스 도메인 특화된 지식과 전문가의 경험과의 연동이 중요한 분야
 영상 데이터 기반 인공지능 서비스에서 사용되는 주요 핵심기술은 객체인식 기술, 상황인식

기술, 모션인식 기술, 빅데이터 학습 기술 등이 있음
▪ 핵심 기술을 활용하되 산업 특성에 맞게 각각 최적화와 구현을 해야하는 특징이 있음
•비디오 영상에서 특정 패턴의 객체를 인식하는 기술

객체인식
(얼굴인식, 글자/숫자 인식, 사물 인식 등)
•비디오 영상에서 객체의 관계를 추론하여 상황을 인식하는 기술

상황인식
(범죄, 쓰레기 투기, 교통사고, 교통혼잡 등)
기반
기술
•사람의 행동을 인식하는 기술
모션인식
(안면 인식, 행동 인식, 표정 인식 등)
영상
데이터
기반 AI 빅데이터
•대규모 영상 데이터를 병렬 학습하는 기술
서비스 학습
•대규모 데이터를 학습하여 인공지능 모델을 구축하고 이를 활용하여

심층학습 기반 인공지능 인식이나 결정의 정확도를 고도화하는 범용 인공지능 플랫폼
학습기술 •개별 요소 기술들이 특정 산업에 목적성을 두고 개발이 아닌 다양한
적용 가능성
산업별 특화 영상 분석 •특정 산업의 성격과 특징을 파악하고 인공지능 기술을 접목하여 산업

기술 목적에 맞는 특화된 영상 분석을 제공하는 기술
79
 영상데이터 기반 인공지능 서비스는 급격하게 발전하고 있는 인공지능 기술을 실생활의 불편과

각 산업의 한계 분야에 접목하여 해결점을 도출하는 분야로서 스타트업과 중소기업에서 주도할
수 있는 핵심 산업분야로 주목
▪ 인공지능의 발전은 그 영향력이 제조, 금융, 의료, 물류, 자동차, 스마트시티 등 거의 모든 산업에
미칠 수 있다는 점에서 엄청난 잠재력 기대
▪ 인공지능 기술에서 활용할 수 있는 다양한 데이터 중에서 영상 데이터는 손쉽게 확보할 수 있으며,
새로운 센서 기술의 개발을 요구하지 않는다는 측면에서 중소기업에서 연구개발하기 적합하며,
시각적인 결과물이 직시성을 제공하여 인간만이 수행할 수 있었던 다양한 영역에 적용이 가능하며,
풀어야 하는 문제 정의에 따라 적은 투자로 큰 성과를 도출할 수 있는 특징이 있음
스마트팩토리 • 제품이나 건축물의 상태를 파괴하거나 직접적인 실험을 하지 않고

(비파괴검사) 영상을 분석하여 그 상태를 파악하고 불량정도를 인식하는 서비스
쇼핑 • 점포 내에서 소비자의 행동 패턴을 인식하여 구매률을 높이게

(무인점포) 정보를 제공하거나 노체크아웃을 제공하는 서비스
영상 데이터 기반
AI 서비스
의료 • CT/MRI 등의 의료영상을 분석하여 질병의 유무나 병증의 정도를
(질병검출) 인식하여 의사의 오진을 낮추고 업무 효율을 높이는 의료 서비스
• CCTV 영상을 실시간 분석하여 범죄자 인식, 쓰레기 투기 인식,

스마트시티
범죄 상황 인식, 교통 정체 인식, 교통 사고 인식 등의 실생활에
(CCTV 분석)
필요한 보안 및 편의 서비스
80
2. 외부환경 분석
 인공지능은 인지, 학습 등의 인간의 지적능력의 일부 또는 전체를 ‘컴퓨터를 이용해 구현하는

지능’을 의미 (출처 : 과학기술정보통신부)
▪ 산업적 관점에서 봤을 때 인공지능은 단순한 신기술이 아니라 전체 산업의 한계기술을 돌파하는

기반 기술로 인지되어, 과거 증기기관과 전기, 전파 등의 발전으로 인해 산업구조와 사회구조가
완전히 바뀌게 된 것이 비유되어, 4차 산업혁명의 기반이 될 것으로 예상
 영상데이터 기반 AI 서비스는 전통적인 영상처리 시스템 산업에 인공지능 기술을 접목하여

발전하는 분야로서 실제적인 사회나 산업의 문제를 해결하여 시장을 창출하는 형태로 새롭게
발전하고 있는 산업
▪ 전 세계적으로 딥러닝 기술을 접목하여 영상처리 기술이 급격하게 성능과 효율이 높아지고
있으므로, 레퍼런스가 될 기업이나 솔루션이 없는 상황이며, 문제 정의에 따라 경우에 따라서는
손쉽게 솔루션을 확보할 수도 있는 상황임=
 전통적인 영상처리 기술은 기술의 노하우에 대한 폐쇄성이 강하여 모방으로 솔루션을

확보하기 어려운 영역이나, 이를 인공지능 기술의 관점에서 다시 해석하면 데이터 확보가
어렵다고 판단되어 문제와 관련된 직접적인 데이터 확보가 필수적
▪ 얼굴 인식이나 상황인식 기술은 인공지능 플랫폼의 기본 기능을 활용하면 어느정도 인식률이 확보될
수 있으나, 문화적이나 인종적인 차이로 인해 인식률 향상에는 한계를 보일 여지가 있음
▪ 기반 기술을 인공지능 플랫폼으로부터 사용할 경우, 기능의 발전 변화가 빠르게 진행되고 있어

솔루션 개발팀의 역량 확보가 어려운 점이 대표적 주의사항으로 지적
81
 영상 데이터 기반 인공지능 서비스는 후방산업으로 빅데이터 처리 기술이 필수적

▪ 엄청난 량의 학습데이터가 필요하고, 서비스 도메인의 환경 변화가 있을 경우, 전체 학습데이터를
다시 학습해야하는 한계점이 있으므로, 빅데이터 처리 기술이 필수적 기반 기술
▪ 특히 이미지와 달리 영상 데이터는 크기가 매우 크고 학습 시간이 오래 요구되기 때문에, 단순히

빅데이터 시스템 활용만으로는 영상 데이터 학습을 진행할 수 없음
- 영상 데이터를 학습에 맞게 압축 또는 선처리(Preprocessing)하는 기술이 필수적

- 병렬 학습 기술을 활용할 경우 시스템 구축에 매우 유리하기 때문에 영상처리 전문가와 인공지능
전문가만으로는 개발팀을 운영할 수 없는 것이 특징임. 대규모 병렬 영상 학습 기술 관련 전문가가
필요
▪ 여러 노드를 사용하여 데이터를 분산 저장하고 또한 스케일 아웃 분산 병렬 학습 시스템을 구축

운영할 수 있는 기술적인 확보가 요구
 전방산업으로서 영상 데이터 기반 AI 서비스 분야의 주요 시장은 SW(50%),

보안솔루션(30%), 불량검출(10%), 의료서비스 (10%) 등 으로 구성
▪ 인공지능 기술의 발전에 따라 영상 데이터 기반 인공지능 서비스 시장은 급격하게 확대 될 전망
[ 영상 데이터 기반 인공지능 서비스 산업구조 ]
후방산업 영상 데이터 기반 AI 서비스 전방산업
대규모 데이터 저장, 병렬 분산 글자/숫자 인식, 얼굴인식,

의료, 정밀기계, 보안, 치안, 교통,
컴퓨팅, 영상 스트리밍, 카메라 모션인식, 사물 인식, 상황 인식,
물류, 스마트시티
제어 동작 인식, 행동 인식
82
(1) 세계시장
 인공지능 기술이 발전함에 따라 인공지능 기술을 활용한 응용 서비스 시장도 급성장하여

‘16년부터 ’20년까지 5년간 연평균 55.1%의 급성장을 보일 것으로 예상
▪ 성장속도는 더 빨라져, ‘17년부터 ’22년까지는 연평균 55.4%의 성장이 예상
▪ 인공지능 관련 전세계 인지컴퓨팅 및 인공지능 시스템 시장은 매출액 전망을 살펴보면 ‘16년에
80억 달러(약 9조 3천억)에서 2020년 470억 달러( 약 55조원)으로 증가될 것으로 예상
▪ 인공지능 응용서비스 분야가 큰 규모로 급속하게 성장할 것으로 예측되어 ‘20년 182억 달러(약
21조 3천억) 규모가 될 것이며, 서버와 스토리지를 포함하는 하드웨어 부문도 ’16년에서 ‘20년까지
5년동안 연평균 60% 이상 성장 전망
[ 인공지능 서비스 시장 규모 및 전망 ]
(단위 : 억 달러, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
세계시장 125 195 310 470 730 1132 55.4
* 출처 : IDC 2016
* 출처: IDC 2016

[ 세계 인공지능 서비스 시장 전망,]
83
* 출처 : Tratica, 2017
[ 인공지능 소프트웨어 시장 매출액 전망 ]
 세계 인공지능 시장은 2018-2020년에 연평균 50% 이상 빠르게 성장할 것으로 예상
▪ IDC는 2020년 463억 달러 규모로 성장할 것으로 예상. Tractica는 106억 달러 규모로 예상.
Markets and Markets는 56억 달러 규모로 예상. 이러한 차이는 각 기관마다 인공지능 시장의
정의와 범위가 다르기 때문이나, 연평균 50~60% 의 성장을 예측하는 측면에서는 동일
▪ 영상처리 시장은 2015년 765억 달러에서 2017년 1,090억 달러, 음성인식 시장은 같은 기간
840억 달러에서 1,130억 달러 수준 전망
 해외 ICT 기업들이 관심을 갖고 주력하는 AI 플랫폼 분야는 기업별로 상이, 구글, 애플,
아마존, 페이스북 등 기업들은 다양한 AI 제품·서비스 개발이 가능한 범용 AI 플랫폼을
중심으로 시장을 선점하기 위해 노력하고 있으며 IBM 등은 의료, 금융, 법률과 같은 특정
산업 영역에 특화된 전문 AI 플랫폼 고도화와 생태계 구축에 주력
▪ 가장 큰 비중을 차지하고 있는 생태계 구축 방식은 과거 스마트폰 생태계를 구축했던 방식과 비슷한

개방형 혁신 방식 추진
▪ 전문 AI 플랫폼 기업들은 일반 개발자와 더불어 특정영역의 전문기업들과의 협력을 통해 생태계를

확장하는 전략에 좀 더 중점
 AI 기술에 투자하고 있는 대표적인 해외 ICT 기업들은 세계적으로 부족한 AI 고급인재

확보와 선점에 총력으로 대학, 연구소와 글로벌 협력을 적국 추진하고 오픈 커뮤니티 기반
R&D를 적극 활용
84
▪ 미국 기업 AI 인력확보 투자액 : 아마존(2,565), 구글(1,464), MS(846) (Paysa, 억원, 2017년)
▪ 인공지능 4대 천왕과의 협력 추진: 구글은 제프리 힌튼, 페이스북은 얀 르쿤, 바이두는 앤드류 응,
몬트리올대학은 죠수아 벤지오와 협력하여 기술 개발 추진
▪ 대학과의 협업을 위한 연구소 설립: 페이스북은 프랑스 파리에 인공지능 연구실 운영, 구글은
몬트리올 대학에 머신러닝 연구실 운영, NVIDIA 대만대학교에 인공지능 연구시 설치, 삼성은
몬트리올대에 AI 랩, 프랑스에 AI 센터 설립, 네이버는 프랑스 제록스리서치센터 유럽 인수와
홍콩과기대 공동 AI 연구소 설립
▪ 구글은 오픈 데이터 과학 경진대회 플랫폼인 Kaggle을 인수하고 MS에서는 마인크래프트와

깃-허브를 인수하여 오픈소스 개발 지원
(2) 국내시장
 국내 인공지능 시장은 현재 초기단계로써, 2017년 6.4조에서 2023년 19.2조 규모로,

세계시장 연평균 성장률에는 못 미치지만, 연평균 20.1%의 고성장이 예측
(단위 : 십 억원, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
국내시장 6,400 7,500 9,100 11,100 13,320 15,984 20.1%
* 출처 : 2017년 국가정보화에 관한 연차보고서 (과학기술정보통신부, 2017), IITP 기술로드맵 (2018) 재인용
 국내 S/W 및 알고리즘, 영상처리 및 영상인식, 음성인식 및 통번역을 포함한 인공지능 SW

시장은 2016년 5조 4천억 원에서 연평균 19.8% 성장으로 2021년 13조 2930억 원의
규모가 형성될 것으로 전망
 2020년 기준 음성인식 및 통번역 시장 4.3조원, 영상처리 및 영상인식 시장 3.5조원, 기타

SW 및 알고리즘 관련 시장은 3.4조원 규모가 될 것으로 예상
▪ 국민안전처, 과학기술정보통신부, 산업통상자원부 등 정부부처들은 지능형 기술의 성장에 주목하고
있으며, 과학기술정보통신부는 2017년 범부처 지능형 CCTV 사업계획을 발표
▪ 현재 보안·교통관제·비지니스 인텔리전스 등 영상인식 및 처리가 필요한 분야에 지능형 시스템이

상용화 되어 있으며, IP 카메라, 클라우드 기술의 접목으로 빅데이터를 활용한 데이터 마이닝
기술도 구현
85
[ 인공지능 기반 SW 국내 시장 규모, 과학기술정보통신부 ]
 네이버 등 IT기업을 필두로 삼성전자와 현대자동차 등 일부 대기업이 인공지능 산업 투자 및

연구를 추진하고 있으나 아직까지 세계적인 성과를 도출하기에는 미비한 상황이나, 2017년
AI Index 100대 기업에 의료 스타트업 루닛이 선정되어 발전 가능성 피력
[ CB Insights : AI 100 Startups ]
 한국 정부는 최근 인공지능 산업 육성정책을 수립하고 있으나 착수시점 및 투자 규모

측면에서 주요국 대비 뒤처져있으며 이에 정부는 최근 인공지능의 중요성을 인식하고 AI
산업 육성 정책을 수립하여 2017년 2344억원 AI 기술개발 R&D 투자
▪ 한국 정부는 2013년부터 10년간 지식공유 및 지능진화가 가능한 인공지능SW개발을 목표로

‘엑소브레인(Exobrain)’ 프로젝트 진행 중
▪ 한국 정부는 향후 10년간 1,070억원이 투자되는 ‘엑소브레인(Exobrain)’ 프로젝트를 비롯하여

시각지능 플랫폼 개발 사업인 딥뷰 프로젝트에 연간 총 380억원을 투자중
86
▪ 과학기술정보통신부는 2019년에 인공지능 기술개발을 지원하기 위해서 이미지, 영상, 음성, 텍스트
등 AI 개발에 공통적으로 활용가능한 범용성 높은 학습용 데이터를 구축하기 위한 ‘AI Hub’ 사업
추진
▪ 과학기술정보통신부는 2019년부터 향후 4년간 AI를 의료, 금융, 제조 등 다양한 산업에 적용하여

해당 산업 생산성 향상 및 경쟁력을 제고 추진하는 ‘AI 융합선도프로젝트’ 추진
[ 국내 주요 인공지능 R&D 과제 현황 ]
과제 내용
지식공유- 지능진화가 가능한 인공지능 SW 개발 목표

엑소브레인
‘13년~’23년간 1,070억 원 투자
딥뷰 대규모 실시간 영상 이해 기반의 시각 지능 플랫폼 개발에 380억원 투자
AI 학습용 데이터 구축, 고성능 컴퓨팅 자원 지원, 개방형 경진대회 플랫폼

AI Hub 사업
구축 개발 추진
도전 경쟁적 AI R&D 챌린지 대회를 통해 AI 원천 기술 개발 및 서비스

AI R&D 그랜드 챌린지 사업
개발에 필요한 유망 신기술 확보
AI 융합연구센터와 AI 전문기업 육성 추진 목표
AI 융합선도 프로젝트 사업
‘19~22년간
*출처: 정보통신기획평가원
87
3. 기술 분석
◎ 국내외의 인공지능 기술의 빠른 발전 예상
 2030년까지 인공지능 기술의 발전 속도는 가팔라 질것으로 예상되며, 특히 2020년 기점으로

전 산업의 인공지능 기술 적용율은 95%가 넘어갈 것으로 예상하고 있어, 영상 데이터 기반
인공지능 서비스의 개발이 빨리 추진되어야 할 필요성 증대
[ 인공지능 기술 발전 전망 (IITP) ]
◎ 국내의 인공지능 관련 기술인프라 현황
 딥러닝으로 대표되는 인공지능 기술을 연구개발하기 위해서 필요한 환경으로는 고성능

컴퓨팅을 할 수 있는 GPU 클러스터와 대규모 학습 데이터셋이 필수적으로 요구
▪ 2019년 과학기술정보통신부에서는 상기 요구사항에 대응하기 위해 국책과제를 추진중이나

시기적으로나 규모면에서 매우 부족한 상황이며, 다양한 데이터셋의 상호 교환 또는 공유가 필요한
상황으로 분석
 의료 영상이나 얼굴 인식을 위한 영상/이미지를 확보시에 개인정보 보호법과의 상충이 발생하고

있어 인공지능 기술 발전을 위해서 연구개발에 대한 특례가 필요한 시점. 또한, 스마트시티와 물류
자동화 등의 분야에서 영상 실시간 분석 응용의 경우에도 관련 데이터 확보 및 학습 관련 문제
발생 가능성 높음
▪ 스마트팩토리와 쇼핑 분야에서도 인공지능 기술 고도화를 위한 데이터셋은 매우 부족한 상황이며,

부족한 데이터를 생성하여 학습하는 GAN 기술 등이 있으나 제한적으로 활용할 수 있어 데이터셋
확보에 대한 이슈는 점차 증폭될 것으로 예상
▪ 고성능 컴퓨팅 환경에 대한 인프라 요구사항은 네이버의 GPU 클러스터와 KISTI의 슈퍼컴퓨터
정도를 제외하고는 개인이나 기업이 직접 환경을 구축해야 함으로 비용과 운영의 부담이 매우
크다고 볼 수 있음
- 상대적으로 구글이나 NVIDIA 같은 해외 선두 기업의 인공지능 성과물은 엄청난 규모의 컴퓨팅

자원을 활용하는 것으로 확인
88
◎ 국내 인공지능 분야 전문가 부족 현상
 국내의 인공지능 활성화에 가장 큰 장애요인은 머신러닝에 정통한 전문가의 부족, 인공지능

분야의 지속적 투자가 부재한 상황, 대학 내 인공지능 기술이 별로의 학과나 학부로 구성되어
있지 않고, 컴퓨터 공학, 전자계산학, 기계공학, 제어계측 등의 학과로 분리된 교육과정,
인공지능을 전공한 교수진이 매우 부족한 상황으로 파악할 수 있으며, 단기간내에 인공지능
전문가를 대학에서 양성하기는 현실적인 한계가 있음
▪ 인공지능 기술 이론을 전공자와 실제 문제에 대한 전문가가 협업하는 공간과 기회가 필요한

시점으로 인공지능 생태계 강화를 위한 환경 조성이 필요한 시점
▪ 딥러닝으로 대표되는 현재의 인공지능 기술 발전에서 근본적인 알고리즘이나 플랫폼에 대한 연구는

국내에서 거의 없고, 텐서플로, 파이토치와 같이 인공지능 플랫폼 상에서 응용 연구가 주로 진행이
되어 인공지능 기술의 종속이 우려되고 있는 상황
◎ 연구 개발 동향
 이미지 인식의 대표적인 기술은 CNN (Convolutional Neural Networks) 으로 여러 비선형

변환기법의 조합을 통해 높은 수준의 추상화(Abstractions)을 최적화하여 이미지를 구분하는
기술
▪ CNN을 활용하여 이미지 속의 객체 종류를 확인하거나 숫자/글자를 추출하는 등의 기술로 충분한

학습데이터를 확보하면 높은 수준의 인식 정확도를 보임
▪ CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로

이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용. 이러한 구조 덕분에 CNN은
2차원 구조의 입력 데이터를 충분히 활용 가능
[CNN (Convolutional Neural Networks) 개념]
 동영상 인식을 위한 대표적인 기술은 RNN (Recurrent Neural Networks)과 LSTM(Long-Short

Term Memory) 로서 영상은 시간축을 가진 이미지의 연속이므로 CNN 출력값은 LSTM에
연결하여 영상을 설명하는 문장을 생성하여 영상을 분석 가능
89
[RNN 과 LSTM 적용 개념도]
 실시간 객체 인식을 위한 YOLO (You Only Look Once) 모델 개발

▪ YOLO는 각 이미지를 SxS 개의 그리드로 분할하고, 각 그리드의 신뢰도를 계산해서 그리드 내 객체
인식시 정확도를 반영하여 이미지 전체를 한 번에 보는 방식으로 클래스를 구분하여 YOLO는
단순한 처리로 다른 모델에 비해 2배 정도 높은 성능을 갖추고 있음
▪ YOLO와 유사하면서 더 나은 성능을 보이는 SSD(Single Shot Detector) 모델은 객체 검출 속도

및 정확도 사이의 균형감이 고유한 장점, SSD는 입력 이미지에 대한 CNN을 단 한번만 실행하고도
형상맵(feature map) 계산이 가능하여 다양한 스케일의 물체 검출 가능
[YOLO 개념도]
90
[ 제품분류별 주요기업 ]
구분 응용분야 해외업체 국내업체

얼굴인식 보안서비스
네이버
사물인식 교통관제 페이스북 루닛
객체인지기술
구글 뷰노
의료서비스
패턴인식 삼성
비파괴검사
스마트시티 UVify
교통관제 토페스
상황감지 기술 상황인지 IBM
교통사고인지 인펙비전
화재인지 이노시그널
무인상점
모션인식
범죄인지 마이크로소프트
LG
모션인지 기술 PrimeSense
제스처인식 범죄인지 SKT
LeapMotion
동작인식 범죄인지
(1) 해외업체동향
 구글(Google)은 알파고를 만들었던 딥마인드를 인수하고 딥러닝 기술 개발 플랫폼인

텐서플로를 공개하는 듯 지속적인 연구개발 투자를 진행 중
▪ 안드로이드 8.1에 탑재된 사물 인식 서비스인 구글 렌즈(Google Lens)를 선보임 (2018.06)
- 딥러닝을 통한 객체 인식기술과 구글 지식그래프 (Knowledge Graph)를 연계하여 인식 정확도를

개선시킨 비전 인식 서비스
- 지식그래프는 시맨틱 검색 정보를 사용하여 구글 검색 성능을 높인 기술로서 수천장의 이미지를
서로 다른 각도에 따라서도 같은 사물로 인지해야 하므로 객체 인식기술과 지식그래프를 연계하여
정확도를 높임
▪ 구글은 사물인터넷 기기의 텐서플로 라이트 머신러닝 모델 처리를 가속할 수 있는 ‘엣지 TPU(Edge
TPU)’ 하드웨어를 공개 (2018.07)
- 엣지 TPU는 임베디드 기기에서 성능 손실없이 인공지능 기술을 구동할 수 있게 고안된

가속칩임으로, 구글은 TPU를 활용하여 클라우드에서 주로 실행되던 이미지 분석 및 영상 분석을
IoT 엣지 디바이스에서 실행할 수 있도록 지원 (TPU : Tensor Processing Unit)
▪ 구글은 구글 I/O 컨퍼런스에서 음성 인식 비서 (Assistant) 서비스인 듀플렉스(Duplex)를 선보이고

전화 예약을 대신해주는 시연을 보이며, 인공지능 기술을 활용한 음성처리 기술의 가능성을 선보임
- 청각장애자나 자율자동차에서의 사람을 대신하는 대화가 가능할 것으로 기대
▪ 구글은 동영상내에서 검색을 가능하게 하는 ‘Cloud Video Intelligence API’를 발표 (2017.03)
- 동영상의 메타데이터를 추출하여 동영상의 키워드에 해당 이미지를 검색 결과로 제공하여 텍스트

문서 뿐만 아니라 비디오가 무엇인지 파악하고 그 내부의 객체를 감지하여 동영상내 검색을
가능하게 함
- 이 기술은 의료 영상 분석과 영상 감시(Video Surveillance), 감시카메라(CCTV) 등에 활용 가능
91
 Microsoft는 인공지능 전분야에 기술개발 투자를 하고 있어 코타나 에이전트, 코타나

인텔리전스, 에저 플랫폼 등 전분야의 인공지능 구성요소를 제공 중
▪ 코타나(Cortana)는 음성인식 비서서비스(Voice Assistant)로서 챗봇을 구축할 경우 활용성이

매우 높으며, 국내에서 50개 이상 기업에서 활용하여 사용 중
▪ 영상에서 자막을 만들어주는 ‘비디오 인덱서(Video Indexer)’는 영상속 인물의 발언을 자막으로
알려주며, 자막내 언어 번역도 가능함. 발언 내용중에 주요 키워드를 뽑아주고 해당 발언이 나온
구간을 골라서 시청할 수 있음
- 스포츠 경기라면 볼점유율 등으로 나타낼 수 있고, 폭력성과 선정성 등 영상의 성격도 분석
▪ ‘하우올드닷넷(Howold.Net)’은 영상 속의 인물 정보를 검색하거나 나이를 알아맞히는 등 영상 내의

객체를 인식하고 그 특징을 찾아주는 기능을 제공
▪ 에저(Azure) 클라우드 서비스를 통해서 인공지능 기술을 활용한 응용 서비스를 개발 시에 개발과

운영을 용이하도록 제공하는 플랫폼 비즈니스를 진행 중
 Facebook은 인공지능연구소(FAIR)를 설립하고 두 명의 유명한 전문가 러쿤 (Yann LeCun)

교수 및 퍼거스(Rob Fergus) 교수를 영입하고 2018년 딥러닝 개발플랫폼임 토치(Torch)를
공개하고 ‘머신 비전(Machine Vision)’ 관련 오픈소스를 공개
▪ 사람의 얼굴을 97.25% 정확도로 알아내는 딥페이스(DeepFace) 개발 및 인공지능 분석 서버 빅서 공개
▪ 사람의 얼굴을 인식하는 프레임워크인 ‘딥마스크(DeepMask)’와 물체를 탐지하는 ‘샤프마스크(SharpMask)’

그리고, 이미지의 각 물체를 분류하고 명칭을 붙여주는 ‘멀티패스넷(MultiPathNet)’을 공개
▪ 페이스북은 미국 뉴욕과 캘리포니아에 이어 파리에 인공지능 연구소를 설립하고 이미지 및

음성인식, 자연어 처리, 인공지능 운영 관련 대규모 장기 연구 프로젝트를 수행하여 새로운 형태의
데이터를 기반으로 인공신경망을 개발하고 관련 딥러닝 기술을 연구할 계획
▪ 페이스북이 개인의 SNS 와 미디어를 운영하는 사업을 주로 진행하므로, 생활속에 인공지능 기술을
접목시키는 목표를 삼고 있고, 그 결과로 ‘일반인공지능(AGI)’를 구현하기 위해 비지도학습 기술을
중심으로한 맥락을 이해하기 위한 기술 중심으로 자연어처리, 비전인식 등의 기술을 연구
 아마존(Amazon): 영상 분석을 기반으로는 무인점포 아마존 고(Amazon Go) 구축

▪ 아마존은 온라인 쇼핑몰을 운영하는데 있어 기계학습을 이용해 고객의 구매 패턴을 분석해 관심
있을 만한 상품을 추천하여 아마존 매출의 1/3 이상이 구매 추천 서비스에 의해 발생하며 인공지능
기술을 쇼핑몰 운영에 적극 반영
▪ 아마존 고 무인매장은 영상분석을 기반으로 하는 컴퓨터 비전과 딥러닝 기술을 활용하여 소비자의
행동을 정밀하고 모니터링하여 물건 구매 행위를 인지하고 이를 기반으로 자동 결제를 제공하는
체크아웃 프리 기술을 완성
▪ 아마존 고의 현실화 이후 중국과 일본 등에서 무인 편의점이나 자동결제 시스템을 구현하여

시도하고 있으며, 일본의 경우 2025년까지 5대 편의점 체인에서 전국 5만 개 점포에 무인시스템을
설치할 계획
92
 엔비디아(NVIDIA): ‘지능형 영상분석 플랫폼’ 제공을 통해 인공지능 GPU를 카메라나

영상저장장치 등에 탑재하여 효율적인 영상 데이터 기반 인공지능 서비스를 지원
▪ 엔비디아 임베디드 모듈 시스템 ‘젯슨(Jetson) TX2’는 다중 객체 분류, 얼굴 인식 및 행동 분석

등을 여러 채널에서 실시간 작동하도록 제공
▪ 주차장 진입 차량 번호 인식이나 스마트시티 대규모 군중에서 얼굴 인식 등의 스마트시티 인공지능

응용 서비스 등에 활용
 지멘스: 풍력발전용 터빈의 품질검사에 인공지능 기술을 활용하여 초음화 화상 확인 시간을

1/4로 단축
▪ 풍력발전용 터빈 날개 품질 검사에 있어 초음파에 의한 비파괴 시험에서 수집한 이미지를 AI에

학습하여 날개에 문제를 일으킬 수 있는 제조상의 결함을 자동으로 식별하여 기존 숙련된 기술자가
6시간 걸리던 날개의 품질 검사에서 1시간30분으로 단축
▪ 검사의 정확성과 제품의 안정성 저하없이 이미지 확인을 통해서 미세한 결함을 확인할 수 있어
기술자는 외관검사에 집중 가능
 세계 인공지능 시장에서 스타트업에 투자되는 펀딩의 규모는 총 27억 3천만 달러에 달하며,
영역별로는 딥러닝 기술을 이용한 응용 인공지능 기술개발 관련 업체가 평균 1,380만
달러로 가장 높게 나타나고 있고, 해가 거듭될수록 인공지능 스타트업에 대한 투자는
증가하고 있음
▪ 영역별 총 펀딩 규모 역시 딥러닝 응용 인공지능 기술개발 분야가 가장 많이 형성되어 있음
▪ 업체별 생존기간은 음성 및 비디오 콘텐츠 인식 기술개발 업체가 8년이라는 중간 값을 가지며 가장

높게 나타남
▪ 2016년까지 전체 스타트업에 대한 투자는 정체에 이르고 있으나 인공지능 분야의 스타트업에 대한

투자에서 피투자사 수와 투자 규모 또한 증가 추세
* 출처: KPMG Venture Pulse, Q4 2016

[ 연도별 스타트업 투자 현황. 전체(좌)vs.인공지능(우) ]
93
(2) 국내업체동향
 루닛(Lunit)은 유방암 병리진단을 위한 종양확산정도를 예측하는 TUPAC2016에서 3개분야

1위를 기록하였고, 뷰노(Vuno)는 자체 딥러닝 엔진을 활용해 의료영상, 생체산호 분석을
포함한 다양한 의료 데이터를 분석해 유방암에서 폐암 영상 분석까지 제공,
딥바이오(DeepBio)는 조직샘플을 분석해 암 진행여부를 확인하는 의료 영상 분석 기술
스타트업
▪ X레이 사진을 보고 뼈 나이를 판단하여 실제 나이보다 성장이 느리거나, 빠른 경우 생기는 여러

가지 문제를 진단하는 등의 응용분야에 활용될 전망
 SK C&C는 아마존에서 선보인 무인점포 ‘아마존 고’ 기술과 유사한 안면과 객체를 인식하는
인공지능 ‘비전AI’를 개발하고 고객이 인식하고 원하는 물건을 추천하는 방법 구현
▪ SK C&C는 CU(씨유) 편의점과 협약을 맺고 미래형 편의점 구축 중
 SKT는 보안업계 2위 ADT캡스를 인수하고 인공지능, 사물인터넷, 빅데이터 기술을

통신인프라에 접목하여 지능형 보안 서비스 사업을 추진
▪ 사고발생 가능성이 높은 지역을 사전에 예측하여 경비 인력과 차량 동선을 최적화하고, 빅데이터 기반

지능형 영상분석을 통해 범죄자의 특이 행동, 이상 징후까지 판단해 대응할 수 있으며, 8K UHD
해상도의 CCTV 영상을 실시간 분석하여 범죄 혐의자의 행동을 탐지하여 즉각 대처하도록 제공
▪ 건물보안기술, 스마트 주차장, 미래형 점포 관리, 생체 인식을 통한 고객 확인, 매장 환경 관리, 매장

이상 징후 예측, 위험 예측 서비스 등을 확보하고 스마트시티 전반의 보안 솔루션을 확보 예정
 넷온(Neton)은 딥러닝 학습알고리즘을 활용하여 성범죄자나 실종자의 얼굴을 인구 밀집

지역이나 다중시설에서 빠르게 찾을 수 있는 차세대 방범용 안면인식 CCTV 솔루션을 개발
▪ 넷온의 안면인식 솔루션은 사람이 직접 CCTV 동영상 화면을 관찰하지 않아도 특정 이미지 DB만
입력하면 200만 화소의 낮은 해상도에서도 98% 정확도로 구분하며, 마스크를 착용해도 50%
인식률을 기록
 에스아이에이(SI Analytics)는 위성영상에서 나타나는 지구, 인류, 물체들의 다양한 활동을

분석하는 Human-Machine Geospatial Intelligence Platform을 인공지능, 딥러닝 기술을
활용하여 개발 중
▪ 에스에이아이는 민간 인공위성 기업인 쎄트렉아이로부터 1년 10개월의 인큐베이팅 과정을 거쳤고,
2018년 7월 자회사로 신설되었으며 NVIDIA Inception Partnership을 통해서 GPU 기술에 대해
협력 중임
94
 국내 중소기업 사례
▪ (주)토페스는 교통단속시스템, 교통정보시스템, 방범시스템, CCTV시스템 연구개발 전문업체로 영상시스템을

비롯해 구간 교통정보수집 시스템, 교통관제용 시스템, 도로방범 시스템, 교통사고 유의지역 통합관리
시스템 등 모든 분야를 합하면 토페스의 국내시장 점유율은 40% 차지하고 있음. 또한, 국내 최초로
무인교통 단속시스템 개발과 교통정보 수집 장치인 영상차량검지기 개발에 성공
▪ (주)인펙비전은 차량번호판 인식시스템 관련 전문업체로 주차관제/출입통제 시스템, 주차유도/

위치확인 시스템, 도로방범용 차량번호인식시스템 등을 공급. 또한, 인펙비전이 딥러닝 기술을 활용한
임베디드 영상처리 장치 디지털신호처리(DSP)를 개발번호판 인식 출입통제시스템에 적용 및 공급 중
▪ (주)이노시그널은 다차원 정보를 실시간으로 분석해 학습하는 인공지능 알고리즘 스캡을 개발하였고,
스캡을 기반으로 스마트팩토리와 제 4차 산업혁명을 선도한다는 포부
▪ (주)루닛은 딥러닝 AI 헬스케어 스타트업으로 AI기반 실시간 의료영상 진단 소프트웨어 ‘루닛

인사이트’를 선보임. 올해 CB인사이트가 선정한 ‘AI 100대 스타트업’에 한국 기업으로 유일하게
선정. 2018년 상반기 유방암 조기진단을 위한 유방촬영술용 솔루션도 공계예정
▪ (주)뷰노는 AI 진단 솔루션을 통해 의사들이 보다 손쉽게 진료할 수 있는 환경을 제공하는데

연구개발력을 집중. 또한, 안구 촬영 데이터를 AI로 분석해 정상과 비정상을 빠르게 구분해주는
스크리닝 세트, 고위험 흡연자를 대상으로 국가가 무료로 폐암 검진을 지원해줌에 따라 향후 늘어날
폐암 검사를 대비해 폐 질환 AI 진단 솔루션 등도 개발 중
[ 주요 중소기업 비교 ]
(단위: 백만 원,%)
국내업체 자산총계 매출액 매출액 증가율 영업이익율 당기순이익율 R&D집중도
(주)인펙비전 11,535 8,771 4.98 4.61 3.82 14.1
(주)토페스 15,679 20,058 7.31 5.22 9.94 9.85
(주)루닛 4,841 59 558.0 -2,020.5 -1,751.4 1,023.3
(주)뷰노 3,312 125 43.8 -432.2 -29.9 250.5
95
다. 특허 동향
◎ 영상 데이터 기반 AI 서비스 분야 특허상 주요 기술
 주요 기술
▪ 주어진 영상데이터를 분석하여 객체를 인지, 데이터와의 대조를 통해 특이점을 찾아내는 영상 분석 기술

기반의 인공지능 관련 서비스가 포함됨
영상 기반 제품 불량 검출
A 비전 기반 제품 미세불량 검출 기술
기술
의료 영상 분석 기술 B 초음파 영상 및 CT/MRI 분석 기술
영상 분석 마케팅 활용
C 사람의 관심과 이동 패턴을 활용하여 쇼핑몰 등에 활용하는 기술
기술
범죄 및 보안 CCTV 영상 CCTV 영상을 실시간 분석하여 범죄, 쓰레기 투기, 교통법규위반

D
분석 등을 인식하는 기술
인공지능형 영상 데이터를 분석하는 기술에서 환경신호의 센싱을

영상분석 상황인식 시스템 E
통한 상황인식에 관련된 기술
생체신호의 센싱을 통한 감성 신호인지 및 환경 신호의 센싱을 통한

인공지능형 센싱 시스템 F
상황인지 등을 센싱하는 센싱시스템에 관한 기술
96
▪ 영상 데이터 기반 AI 서비스 기술의 요소기술별 주요 출원인 국적별 특허정보 데이터 입수하였으며,

최근 10년간의 특허데이터를 비교 분석함
영상 기반 제품 불량 검출 기술 44 39 12 9 21 125
의료 영상 분석 기술 38 77 16 11 14 156
영상 분석 마케팅 활용 기술 21 43 2 8 17 91
범죄 및 보안 CCTV 영상 분석 23 66 10 2 25 126
영상분석 상황인식 시스템 87 109 38 10 45 289
인공지능형 센싱 시스템 13 84 4 4 24 129
합계 226 418 82 44 146 916

그 다음으로는 한국, 일본, 유럽 국적 출원인 순으로 나타남
▪ 영상 기반 제품 불량 검출 기술 분야에서는 한국국적의 출원인이 가장 많은 비중을 차지하고

있으며, 그 다음으로는 미국국적의 출원인이 많은 것으로 나타남
▪ 의료 영상 분석 기술은 미국국적의 출원인이 가장 많은 비중을 차지하고 있으며, 그 다음으로는

한국, 일본, 유럽국적 출원인 순으로 특허를 많이 출원
▪ 영상 분석 마케팅 활용 기술 분야에서는 미국국적의 출원인이 가장 많은 출원을 하고 있으며,

▪ 범죄 및 보안 CCTV 영상 분석 기술은 미국국적의 출원인이 가장 많은 출원을 하고 있으며, 그

다음으로는 한국, 일본, 유럽국적 출원인 순으로 특허를 많이 출원
▪ 영상분석 상황인식 시스템 기술 분야에서는 미국국적의 출원인이 가장 많은 출원을 하고 있으며, 그

다음으로는 한국, 일본, 유럽국적 출원인 순으로 특허를 많이 출원
▪ 인공지능형 센싱 시스템 기술 분야에서는 미국국적의 출원인이 가장 많은 출원을 하고 있으며,

일본국적과 유럽국적의 출원인이 상대적으로 적은 출원량을 보임
97
▪ 관점을 국내·외 출원인으로 바꾸어 보면 한국국적의 출원인은 외국국적의 출원인에 비해 영상 기반

제품 불량 검출 기술(A) 분야와 영상분석 상황인식 시스템 기술(E) 분야의 출원 비중이 상대적으로
높게 나타남
▪ 반면, 한국국적의 출원인은 외국국적의 출원인에 비해 인공지능형 센싱 시스템 기술(F) 분야에

상대적으로 특허 출원 비중이 상대적으로 낮은 것으로 나타남
▪ 한국국적 출원인의 특허 출원량은 등락을 거듭하긴 하지만 비교적 꾸준히 출원량이 높아지는 경향을 보임

때 이 점을 유의

있으며, 2015년을 기점으로 더 많은 출원량 을 보임
98
기술
집중도
영상 기반 제품 불량 검출 •대기업 및 중소업체 중심
◕ •삼성전자
기술 •삼성전자, 한국전자통신연구원 등
•Transoft Shanghai Inc
•삼성전자
•산학연 및 중소업체 중심
•Z ADVANCED COMPUTING,
의료 영상 분석 기술 ◕ •삼성전자, 대학교산학협력단,
INC
한국전자통신연구원 등
•Iris Biotechnologies Inc
•NewValueExchange Global
•중소업체 중심
영상 분석 마케팅 활용 기술 ◓ AI LLP
•소프트맥스, 현대아이시티 등
•Prasad Muthukumar
•BlackBerry Limited
범죄 및 보안 CCTV 영상 분석 ◕ •Daniel W. Onischuk
•엘지전자, 한국전자통신연구원 등
•The Live Network Inc
•대학교산학협력단 및 중소업체
•Shadecraft, Inc
중심
영상분석 상황인식 시스템 ● •Edge 3 Technologies
•동서대학교산학협력단, 엘지전자,
•Irvine Sensors Corp.
네이버 등
•Daniel W. Onischuk •대기업 중심
인공지능형 센싱 시스템 ◕ •한국전자통신연구원 •한국전자통신연구원, 삼성전자,
•Irvine Sensors Corp 엘지전자 등
※ ●: 200건 이상, ◕: 100~199건, ◓: 50~99건, ◔: 30~49건, ◯: 30건 미만
99
 영상 기반 제품 불량 검출 기술 분야 주요 출원인 동향
▪ 영상 기반 제품 불량 기술 분야는 Daniel W. Onischuk이 가장 많은 특허를 보유하고 있으며 그

다음으로는 한국의 대기업인 삼성전자와 Transoft Shanghai Inc 순으로 다수의 특허 보유
 의료 영상 분석 기술 분야 주요 출원인 동향
▪ 의료 영상 분석 기술 분야는 삼성전자가 가장 많은 특허를 보유하고 있으며 그 다음으로는 Z

ADVANCED COMPUTING, INC, Iris Biotechnologies Inc 등이 많은 특허 출원
 영상 분석 마케팅 활용 기술 분야 주요 출원인 동향
▪ 영상 분석 마케팅 활용 기술 분야는 NewValueExchange Global AI LLP가 가장 많은 특허를

보유하고 있으며, 그 다음으로는 Prasad Muthukumar 등이 많은 특허 보유
 범죄 및 보안 CCTV 영상 분석 기술 분야 주요 출원인 동향
▪ 범죄 및 보안 CCTV 영상 분석 기술 분야는 BlackBerry Limited이 가장 많은 특허를 보유하고

있으며. 그 다음으로는 Daniel W. Onischuk가 다수의 특허 보유
 영상분석 상황인식 시스템 기술 분야 주요 출원인 동향
▪ 영상분석 상황인식 시스템 기술 분야는 Shadecraft, Inc가 가장 많은 특허를 보유하고 있으며 그

다음으로는 Edge 3 Technologies, Irvine Sensors Corp 등이 많은 특허 출원
 인공지능형 센싱 시스템 기술 분야 주요 출원인 동향

▪ 인공지능형 센싱 시스템 기술 분야는 Daniel W. Onischuk가 가장 많은 특허를 보유하고 있으며
그 다음으로는 한국의 공공기관인 한국전자통신연구원, Irvine Sensors Corp 등이 많은 특허 출원
100

 한국은 인공지능형 센싱 시스템 기술(F) 분야에 서는 특허활동이 부진하나, 영상 기반 제품

불량 검출 기술(A) 분야와 영상분석 상황인식 시스템 기술(E) 분야의 특허출원은 활발한
것으로 나타남
 미국은 특허활동이 부진하나, 영상 기반 제품 불량 검출 기술(A) 분야와 영상분석 상황인식

시스템 기술(E) 분야에 서는 특허활동이 부진하나, 인공지능형 센싱 시스템 기술(F) 분야의
특허출원은 활발한 것으로 나타남
 일본은 영상 분석 마케팅 활용 기술(C)와 인공지능형 센싱 시스템 기술(F) 분야에 서는

특허활동이 부진하나, 영상분석 상황인식 시스템 기술(E) 분야의 특허출원은 활발한 것으로
나타남
 유럽은 범죄 및 보안 CCTV 영상 분석(D)와 인공지능형 센싱 시스템 기술(F) 분야에서는

특허활동이 부진하나, 영상 분석 마케팅 활용 기술(C) 분야의 특허출원은 활발한 것으로
나타남
101
 시장력이 전체 평균 1.63을 상회하는 국가로는 유럽 외에 일본이 있으며, 질적인 수준이

높은 특허 보유국은 유럽임
▪ 질적인 측면을 같이 고려한 시장력에 있어서 미국은 질적 수준은 높지만 시장성은 평균으로 조사됨
▪ 미국은 시장력 면에선 유럽국가에 비해 뒤지지만 질적 수준은 가장 높은 것으로 나타남
▪ 한국은 질적 수준은 시장력 면에서 낮고, 질적 수준면에서도 낮은 것으로 나타남
▪ 일본은 질적 수준은 시장력 높지만, 질적 수준면에서도 낮은 것으로 나타남
PFS CPP
국가 특허수
ETC 146 1.910959 1.756098
EU 44 2.386364 1.222222
JP 82 1.829268 0
KR 226 1.221239 0
US 418 1.631579 1.941606
전체평균 33.2 1.63 1.84
◎ 영상 데이터 기반 AI 서비스 분야의 주요 경쟁기술 및 공백기술
 영상 데이터 기반 AI 서비스 기술 분야의 주요 경쟁기술은 영상 기반 제품 불량 검출 기술,

의료 영상 분석 기술, 범죄 및 보안 CCTV 영상 분석, 영상분석 상황인식 시스템, 인공지능형
센싱 시스템이며, 공백기술은 영상 분석 마케팅 활용 기술로 나타남(타분야에 비해서
출원량이 많지 않음)
영상 기반 제품 불량 검출 기술 ◕
의료 영상 분석 기술 ◕
영상 분석 마케팅 활용 기술 ◓
범죄 및 보안 CCTV 영상 분석 ◕
영상분석 상황인식 시스템 ●
인공지능형 센싱 시스템 ◕
※ ●: 200건 이상, ◕: 100~199건, ◓: 50~99건, ◔: 30~49건, ◯: 30건 미만
102
•영상 정보를 이용한 회로의 불량 검출 제어 기술 및 패킷 기반 영상 서비스

영상 기반 제품 불량 검출 기술
품질 불량 구간 검출 기술
•다중 의료영상 분석 시스템 기술과 디지털 단층영상합성(Digital

의료 영상 분석 기술 Tomosynthesis) 시스템 상에서 사용자의 편의성을 향상시키는 인터페이스
시스템 기술
•재생되는 동영상의 일부에 대한 데이터 축적에 따른 확률 높은 타겟 마케팅이

영상 분석 마케팅 활용 기술
가능하도록 하는 기술 및 빅데이터 마케팅 분석 서비스 관련 기술
•압축영상에 대한 신택스 기반의 객체 침입 감지 방법 및 해당 지역의

범죄 및 보안 CCTV 영상 분석 범죄요인에 따른 공간통계분석과 공간종속분석을 통해 범죄 위험지역을
예측하여 최적의 위치를 찾아주는 빅 데이터를 활용한 단계별 방범 기술
•객체 이미지 인식 DCNN 기반 CCTV 영상분석장치 및 영상 분석 기반 상황

영상분석 상황인식 시스템
판단형 가이드 기술
인공지능형 센싱 시스템 `•인공지능형 복합센서 기술 및 스마트폰을 이용한 디지털기기 제어시스템 기술
 국내 특허동향을 살펴보면 대기업은 영상 기반 제품 불량 검출 기술과 인공지능형 센싱

시스템을, 공공연구기관은 영상 분석 마케팅 활용 기술과 영상분석 상황인식 시스템 기술을
집중적으로 연구개발하고 있는 것으로 나타남
▪ 영상 기반 제품 불량 검출 기술에서는 영상 정보를 이용한 회로의 불량 검출 제어 기술 및 패킷

기반 영상 서비스 품질 불량 구간 검출 기술 등이 공공연구기관을 중심으로 집중 연구개발
▪ 의료 영상 분석 기술 분야는 다중 의료영상 분석 시스템 기술과 디지털 단층영상합성(Digital

Tomosynthesis) 시스템 상에서 사용자의 편의성을 향상시키는 인터페이스 시스템 기술 등이
산학협력단을 중심으로 연구개발
▪ 영상 분석 마케팅 활용 기술 기술에서는 재생되는 동영상의 일부에 대한 데이터 축적에 따른 확률

높은 타겟 마케팅이 가능하도록 하는 기술 및 빅데이터 마케팅 분석 서비스 관련 기술 등이
연구개발
▪ 범죄 및 보안 CCTV 영상 분석 기술 분야는 압축영상에 대한 신택스 기반의 객체 침입 감지 방법

및 해당 지역의 범죄요인에 따른 공간통계분석과 공간종속분석을 통해 범죄 위험지역을 예측하여
최적의 위치를 찾아주는 빅 데이터를 활용한 단계별 방범 기술 등이 연구개발
▪ 영상분석 상황인식 시스템 기술에서 객체 이미지 인식 DCNN 기반 CCTV 영상분석장치 및 영상

분석 기반 상황 판단형 가이드 기술 등을 중심으로 공공연구기관에서 연구개발
▪ 인공지능형 센싱 시스템 기술에서 인공지능형 복합센서 기술 및 스마트폰을 이용한 디지털기기

제어시스템 기술 등을 중심으로 연구개발
103
 영상 데이터 기반 AI 서비스 분야의 공백기술 분야는 영상 분석 마케팅 활용 기술이고

중소기업의 시장진입 상대적으로 수월한 분야는 영상 분석 마케팅 활용 기술 분야로 나타남
▪ 현재, 공백기술로 보이는 영상 분석 마케팅 활용 기술은 중소기업에서 접근하기 쉬운 기술로서

앞으로는 출원량이 증가할 것으로 나타남
▪ 인간과 기기 간 상호작용 심화에 따라 모든 기기가 지능화되고 있으며, 이에 따라 센서의 기능도

소형화-복합화 되고 있음

시대의 도래에 따라 산업적 활용도는 대폭 증가할 전망
▪ 향후, 중소기업의 시장진입이 다소 용이한 영상 분석 마케팅 활용 기술분야에 집중적인 연구개발이

이루어져야 할 것으로 사료됨
 영상 데이터 기반 AI 서비스 분야 주요 연구개발 기관

▪ 네이버 (NAVER)
- Clova AI 플랫폼 개발을 담당하는 연구소이며, Clova Vision 기술연구를 담당하며 세부적으로는
Speech Recognition, Speech Synthesis, Smart Lens, Video Highlight, Watermarking, OCR,
NSML, Face, Photo2Art, Chatbot 등을 연구
▪ 삼성전자
- DMC연구소에서 AI응용연구를 수행하고 있고, AI 기술을 활용한 영상데이터 압축을 통해서

고화질영상 전송 효율을 높이면서 또한, 미국 영상인식 스타트업 비드로블을 인수함. 음성인식
Bixby 서비스를 스마트폰에 탑재하여 영상/음성처리 기술을 제고함. 또한, 스타크래프트2 플레이
경진대회를 나가는 등 인공지능 기술 개발 추진
▪ LG전자
- ‘인공지능연구소’와 ‘로봇 선행연구소’를 신설, 음성인식, 영상인식, 센서 인식 등을 연구해 온

'인텔리전스연구소'를 각각 인공지능을 전담하는 인공지능연구소와 로봇을 전담하는 로봇
선행연구소로 분리해 확대하여 LG 씽큐를 개발하여 가전제품과 스마트폰에 탑재
▪ 카카오 (KAKAO)
- 카카오는 다음과 합병, 로엔 인수 등을 통해서 모든 것을 연결하는 기업으로 발전하고 있고, 그

중심에 인공지능 기술이 있어 데이터 커넥션 부서와 인공지능 기술 개발 부서를 묶어 인공지능
부문으로 통합. 카카오는 현대기아차와 협업하여 자동차에 카카오!를 활용한 서버형 음성인식
기술을 탑재함
104
▪ 한국전자통신연구원 (ETRI)
- ETRI 는 전자통신 분야의 국책연구를 수행하는 연구기관으로 시각지능연구그룹에서 ‘딥뷰(DeepView)’

과제를 수행중. 시각지능을 위한 대규모 기계학습, 시각데이터 내용이해 및 의미 추출/표현 기술,
시각 빅데이터 기반 상황 분석/이해/추론 기술 등을 연구 중
- ETRI의 초연결통신연구소에서는 드론 검출 기술 개발 과제 등 영상 분석을 통해 객체를 구분하고
화재/병충해/제품 불량 등의 상황인지를 제공하는 재난, 국방, 스마트팜, 스마트팩토리 등의 연구를
수행 중
 영상 데이터 기반 인공지능 서비스 분야는 한국전자통신연구원에서 시각지능 정부출연과제로

연구개발을 진행하고 있음
[ 영상 데이터 기반 인공지능 서비스 분야 주요 연구인력 현황 ]
기관 대표전화번호
한국전자통신연구원 042-860-6114
▪ 영상 데이터 기반 인공지능 서비스의 경쟁에서는 인공지능 기술의 발전을 활용하여 서비스 영역의
한계 문제점을 파악하고 개선 방법을 선점할 경우 시장을 선도할 가능성이 높아 시장에 먼저
진출하여 서비스 생태계를 구축하는 기업이 절대적 유리
▪ 급격하게 발전하는 딥러닝 기술 확보에 초점을 맞추기 보다는 서비스 도메인의 실질적인 문제점
파악과 그 해결 방안에 대한 데이터를 확보하는 것이 중요하며, 이에 대한 빠른 프로토타이핑과
오차 보정을 통한 개선을 추진 하는 것이 필요한 시점
- 회사의 규모 보다는 문제 해결 방법론과 가능성 확인이 중요하며 학습 데이터와 검증 데이터를

확보하는 것이 매우 중요
▪ 인공지능 서비스 기업들은 문제 해결 솔루션을 확보할 경우, 시장에서 매출을 통한 선점이 아니라
기업인수합병(M&A)나 개방형 플랫폼 비즈니스 형태로 점유율을 높이는 형식으로 스타트업과
중소기업에 매우 유리한 사업 조건
105
Deepmind 딥러닝 및 자가/강화 학습 기술

DNNresearch 딥러닝 및 Neural Network 기반 이미지 검색 기술
Google Jetpac SNS내 사진 분석을 통한 지능형 여행 가이드 서비스
Dark Blue Labs 딥러닝 기반의 자연어 처리 기술
Vision Factory 딥러닝 기반의 텍스트 인식 기술
Indisys 자연어 처리 및 대화형 인공지능 서비스 기술

Intel
Saffron 인지 컴퓨팅 기술
인공지능 기반의 가상형 비서 서비스

Cogenea
IBM 클라우드 기반의 자연어 처리 기술
AlchemyAPI
(핵심 키워드 추출 및 주제 분류)
Madbits 딥러닝 기반의 인공지능 플랫폼 구현

Twitter
Whetlab 머신러닝 최적화 기술(속도, 성능)
Facebook Wit.ai 자연어를 통한 스마트홈 및 로봇 분야의 서비스 제어 기술

Apple
PredictionIO 오픈소스 기반의 머신러닝 서비스 구축

Salesforce
MetaMind 인공지능 기반의 개인 맞춤화된 고객 관리 서비스
106
◎ 기술 이전 가능 기술
 딥러닝 기반 사물 인식 및 검출 기술
▪ 이미지/동영상에서 사물을 분류 및 검출하는 기술은 다양한 사물을 동시에 인식할 수 있어야 하기

때문에 기저에 다양한 사물을 구분할 수 있는 능력을 필요로 함
▪ 본 기술은 입력된 영상에서 주요한 객체가 학습된 분류에 따라 어디에 해당되는 지를 알려주는 것을
골자로 하는데, 이를 위해 다양한 계층을 적층하여 100레이어 이상의 심층 구조를 제공
▪ 본 기술은 Under-fitting 문제와 Over-fitting 문제를 고려하여 설계 및 개발된 기술로 다양한 사물 분류 및

인식을 지원, 특히 신경망 시스템을 포함하여 관심 영역 추천 기술을 포함
 딥러닝 기반 열악 자동차 번호 복원 및 인식 기술
▪ 본 기술은 CCTC 또는 블랙박스로부터 수집된 열악 자둥차 번호 이미지를 딥러닝 기법으로

학습하르모 자동으로 열악 이미지의 패턴에 따른 복원과 인식을 제공
 딥러닝 기반 항공영상 내 사람검출 기술
▪ 딥러닝 기반 항공영상 내 사람 검출 기술은 CNN(Convolutional Neural Netwokr)을 활용하여

영상을 분석하고 관심영역 내 사람 유무를 판단하는 기술
▪ “무인기 기반의 지능형 서비스”를 실현하기 위해서는 무인기에서 촬영된 항공영상을 자동적으로
분석하여 관심객체를 검출할 수 있는 영상 인식 기술이 필수적
 딥러닝기반 실시간 표정인식 기술
▪ 본 기술은 CCTCV 카메라나 일반 USB 카메라를 대상으로 얼굴 영상을 입력받아 얼굴을 자동으로
검출하고, 검출된 얼굴 이미지로부터 딥러닝(Deep Learning) 기술 및 랜드마크 검출에 기반하여
조명, 표정, 포즈, 액세서리 등의 변화에 기인하여 표정을 인식하는 기술
 딥러닝 기반 산불용 영상 인식 기술
▪ 딥러닝 기반 산불용 영상 인식 기술은 CNN(Convolutional Neural Netowkr)을 활용하여 영상을
분석하고 관심영역 내 산불의 유무를 판단하는 기술
▪ 각종 재난으로부터 안전한 삶 실현을 위해 무인기를 활용한 화재 감시와 화재 감지를 자동화 할 수

있는 해당 영상 인식 기술이 필요
107
5. 기술 개발 로드맵
가. SWOT 분석
•(환경) 유연한 인공지능 분야산업구조와 영상데이터 수집
•(환경) 글로벌 대기업에 의존하는 영세한 국내 산업구조
도구의 다각화
•(기술) 핵심 원천기술 미흡 및 인력 부족에 따른 기술
•(기술) 빠른 데이터 전송에 활용할 수 있는 우수한 IT
수준 미달
인프라
•(정책) 산업계 연계 미흡
•(정책) 인공지능 관련 지속적 산업지원 정책
•(환경) 시작 단계인 시장 구조로 시장을 선점한다면 •(환경) 국내 시장 성장에 비해 빠른 기술 발전
추후로도 영상 데이터 관련 AI 시장 주도 가능성 •(기술) 빠른 기술 발전 및 세계 기업들의 거대 자본투자
•(기술) 국내 기업들의 기반기술 연구·개발 활발 •(정책) 글로벌 선두 시장에 비해 늦은 인공지능 분야 R&D
•(정책) 정부의 인공지능 세부적 분야의 정책적인 지원 지원
➜ 현실적인 문제를 정확히 파악하고 빠르게 발전하는 인공지능 기술인 딥러닝, 강화학습 등을 영상
데이터 분석에 활용하여 기술로 시장을 선두하려는 노력 필요
➜ 인공지능 기술 분야에서 영상 분석은 상대적으로 느리게 발전하고 있으나 기술의 수요는 증가하는
추세로 기술의 유효성을 선보이고 시장을 선점해야 함



- 기술수요 및
문헌분석
- 전문가 추천
108
(2) 요소기술


[ 영상데이터 기반 AI 서비스 분야 요소기술 도출 ]
분류 요소기술 출처
영상 기반 구조물 건전성 예측 관리 (PHM) 기술 특허/논문 분석, 전문가추천
영상 기반 제품 불량 검출 기술 특허/논문 분석, 전문가추천
의료 영상 데이터 분석 기술 특허/논문 분석, 전문가추천
AI 영상 데이터
영상 기반 행동 인식 기술 특허/논문 분석, 전문가추천
활용 기술
영상 분석 마케팅 활용 기술 특허/논문 분석, 전문가추천
범죄 및 보안 CCTV 영상 분석 특허/논문 분석, 전문가추천
위성 영상 분석 기술 특허/논문 분석, 전문가추천
영상분석 객체인식 시스템 특허/논문 분석, 전문가추천

영상데이터 기반
AI 인지 기술
영상분석 상황인식 시스템 특허/논문 분석, 전문가추천
영상데이터 패턴수집 시스템 특허/논문 분석, 전문가추천

AI 기반 영상데이터
수집 기술
인공지능형 센싱 시스템 특허/논문 분석, 전문가추천
인공지능형 영상처리 에이전트 특허/논문 분석, 전문가추천

AI 기반 영상데이터
처리 기술
영상 빅데이터 기반 SW 특허/논문 분석, 전문가추천
109


[ 영상데이터 기반 AI 서비스 분야 핵심요소기술 ]
영상 기반 제품 분량 검출 영상 비전 기술을 기반으로 기존 데이터와 비교 후 제품의 미세 불량 검출을

기술 가능하게 하는 기술
의료 영상 데이터 분석
인공지능을 이용한 초음파 영상 데이터 및 CT/MRI 등 의료 영상 분석 기술
기술
AI 영상
데이터 활용
기술
영상 분석 마케팅 활용 영상 데이터 분석을 통해 도출한 사람의 관심과 이동 패턴 데이터를 활용하여
기술 쇼핑몰 등 마케팅에 활용하는 기술
범죄 및 보안 CCTV 영상 CCTV 영상을 실시간 분석하여 범죄, 쓰레기 투기, 교통법규위반 등을

분석 인식하는 기술
영상데이터
인공지능형 상황인식 인공지능을 이용한 영상 데이터 분석 기술 중 환경신호의 센싱을 통한
기반 AI
시스템 상황인식에 관련된 기술
인지 기술
AI 기반 영상 데이터에서 분석한 생체신호의 센싱을 통한 감성 신호인지, 환경 신호의

영상데이터 인공지능형 센싱 시스템 센싱을 통한 상황인지 등 인공지능의 영상데이터 분석에 기반한 센싱 전반의
수집 기술 기술
110
 국내 영상데이터 기반 AI 서비스 분야에서의 시장 규모는 7조 5,000억 원이며 세계 시장은

195억 달러 규모인 것으로 파악
 국내 시장 성장률은 20.1%로 세계 시장 성장률인 55.4%보다 낮은 수치를 보임
 국내 중소기업의 영상데이터 기반 AI 서비스 분야 기술 수준은 세계 최고수준을 보유한

것으로 조사됨
▪ 미국(99.9%) > EU(71.1%) > 일본(71.7%) > 중국(70.6%)인 것으로 파악
 특허 출원량은 226건으로 전체 평균인 33.2건에 비해 6.8배 높은 수치
* 기술수준은 응답자 평균치
111
 중소기업은 영상 분석 마케팅 활용 기술과 같은 영상 데이터 기반 AI를 활용한 파생 산업에

맞춘 기술을 개발하는 것이 시장성을 갖추기에 바람직한 것으로 분석
 영상데이터는 증가하는 사물인터넷 기기들과 더불어 앞으로 그 양이 증가할 것으로 보이며,

정부의 지원 정책에 힘입어 중소기업이 인공지능에 활용할 수 있는 데이터 획득도 용이해 질
전망
112
합계
영상 기반 구조물 건전성
7.8 7.8 6.8 7.4 29.8
예측 관리 (PHM) 기술
영상 기반 제품 불량 검출
9 8.4 7.8 8.2 33.4 선정
기술
의료 영상 데이터 분석 기술 8 8.4 6.8 7.8 31 선정
영상 기반 행동 인식 기술 8 8.2 6.4 6.6 29.2
영상 분석 마케팅 활용
7.6 7.8 7 7.8 30.2 선정
기술
범죄 및 보안 CCTV 영상
8.8 8 8 8 32.8 선정
분석
위성 영상 분석 기술 7 7 6.2 7 27.2
영상분석 객체인식 시스템 8.2 8.2 6.2 6.6 29.2
영상분석 상황인식 시스템 8.4 8.6 6.8 6.6 30.4 선정
영상데이터 패턴수집
7.2 7 6.2 6 26.4
시스템
인공지능형 센싱 시스템 8.4 7.8 7.6 8 31.8 선정
인공지능형 영상처리
6.8 7.2 7 6.6 27.6
에이전트
영상 빅데이터 기반 SW 8.2 8 6.6 7 29.8
113
정의 및 범위
▪ 여러 음성이 섞인 상황에서 데이터에 입력된 음성을 기반으로 화자에 대한 정보를 찾고, 대조하여 화자의
신분을 확인하는 인공지능 시스템
▪ 화자확인(speaker verification)과 화자판별(speaker identification)의 두 가지를 포함하는 화자인식(speaker

recognition) 기술은 생체계측(biometric) 기술의 한 분야로 이는 개인의 신체 특징을 사용하여 신원을 구별 또는
확인하는 기술
▪ 화자확인은 입력 신호로서 음성신호와 동시에 화자에 대한 식별부호가 함께 주어지며 시스템은 해당하는 그

화자에 대한 참조 패턴과 입력된 음성신호의 패턴이 일치하는지를 검사하여 일치 혹은 불일치라는 판정 결정
▪ 화자 확인 시스템은 사용하는 문맥의 종류에 따라 문맥종속(text-dependent), 문맥독립(text-independent),

문맥지시(text-prompted) 시스템으로 구분
정부지원 정책
▪ 정부는 인공지능 분야 개발을 위해 대통령 직속 4차 산업혁명위원회는 「4차 산업혁명대응계획(‘17.11)」에

이어 「AI R&D 세부전략(‘18.05)」를 발표하여 인공지능 기술로 인한 새로운 변화를 창출하기 위해 인공지능
역량 중 특히 시각·언어 등의 기술 개발 중심의 국가 전략 프로젝트를 추진, AI 핵심 기술을 확보하고
경제·사회적 대응을 위한 정책 추진
▪ 과학기술정보통신부에서 ‘I-Korea 4.0 실현을 위한 인공지능 R&D 전략(’18.05)’을 통해 세계적 수준의

인공지능 기술력 및 R&D 생태계 확보를 위해 5년간 2.2조원을 투자하여 세계 4대 AI 강국 도약, 우수 인재
5천여 명 확보, AI 데이터 1.6억여건 구축 등의 전략 목표 수립
▪ 제2차 과학기술전략회의(2016.8)에서 발표한 인공지능을 비롯한 9대 국가전략 프로젝트 추진계획에서, AI

개발추진 로드맵은 AI 요소기술 개발(2017)→ 복합지능 AI 개발·공개(2019) → 민간·공공 AI제품·서비스
확산(2022) → AI 산업의 글로벌 경쟁력 확보(2026)를 목표로 책정
•(환경) 세계시장 대비 한글 음성인식 수요 미미
•(환경) 응용서비스 기술 및 산업 환경 등 잘 구축된 인프라
•(기술) 다국어 음성데이터 확보 및 원천기술력 부족에 따른
•(기술) 다양한 영역의 우수한 IT 인프라
기술 장벽 극복
•(정책) 언어 및 음성인식 SW분야의 기업차원 대규모 투자
•(정책) 산ㆍ학ㆍ연ㆍ정부 연계 미흡
•(환경) 클라우드 컴퓨팅 및 스마트 모바일 기기 확산에 따른 •(환경) 원천기술 보유 외국 기업이 국내 기업과 기술제휴를
정보통신 패러다임의 변화 통한 국내 시장 잠식
•(기술) 복잡한 기능의 디지털화된 기기의 제어를 위한 •(기술) 글로벌 선두 업체 국내진출과 기술격차
음성인식 인터페이스 •(정책) 자체적인 기술 개발력을 가진 대기업의 첨단투자 집중
•(정책) 정부와 업계의 높은 니즈 및 시장 지배력 증가
➜ 화자확인 시스템 주변 기술에 대한 인프라 구축 등 비용절감 전략 수립
➜ 기관에서 무료나 유료로 제공되는 대규모 데이터와 오픈 API를 적극적으로 활용한 기술개발
➜ 화자확인 시스템 응용환경을 고려한 독자적인 핵심 기술과 고급 개발 인력 확보
전략품목 분석
1. 개요
 여러 음성이 섞인 상황에서 데이터에 입력된 음성을 기반으로 화자에 대한 정보를 찾고,

대조하여 화자의 신분을 확인하는 인공지능 시스템
 화자인식(speaker recognition) 기술은 생체계측(biometric) 기술의 한 분야로 이는 개인의

신체 특징을 사용하여 신원을 구별 또는 확인하는 기술이며, 화자인식은 크게
화자확인(speaker verification)과 화자판별(speaker identification)의 두 분야로 분류 가능
▪ 화자확인 시스템은 입력 신호로서 음성신호와 동시에 화자에 대한 식별부호가 함께 주어지며
시스템은 해당하는 그 화자에 대한 참조 패턴과 입력된 음성신호의 패턴이 일치하는지를 검사하여
일치 혹은 불일치 판정
▪ 화자확인 시스템은 사용하는 문맥의 종류에 따라 문맥종속(text-dependent), 문맥독립 (text-independent),

문맥지시(text-prompted) 시스템으로 구분
▪ 문맥독립 시스템은 화자가 어떤 문맥을 발성했는가에 관계없이 화자의 특징(피치, 톤, 그리고 음색

등)만을 추출하여 화자의 성문 모델을 생성
▪ 문맥종속 시스템은 암호, 카드 번호, PIN(Personal Identity Number)와 같은 특별한 문맥을

발성하게 하여 화자의 신분을 확인
▪ 문맥지시 시스템은 녹음에 의한 사칭을 막기 위해 개발되었으며 화자확인 기술뿐만 아니라 시스템이

문맥을 지시해야 하는 음성 합성 기술, 화자의 발성이 지시된 문맥과 일치하는지 여부에 대한
음성인식 기술이 병행
 화자확인 기술은 음성인식의 한 분야로서 사람의 입으로부터 나온 음성신호를 자동으로

인식하여 문자열로 변환해주는 기술을 함의하고 있으며, 대부분의 음성인식은 확률통계방식
기반
 인간과 컴퓨터 간의 이상적인 의사소통 인터페이스인 ‘음성’을 활용한 서비스는 4차

산업혁명의 주요 키워드로 최근 기술 개발의 중요성 부상
▪ CES(The International Consumer Electornics Show) 2017에서 발표된 ‘Tech Trends to
Wath’에서 음성인식·음성제어를 선정
▪ IT 뉴스 제공업체인 ZDNet은 음성을 차세대 컴퓨터 인터페이스로 선정, 분석기사 공개
 음성인식 기술은 관점에 따라 다양하게 분류 가능
▪ 발화자에 따라 화자종속방식(Speaker Dependent System), 화자독립방식(Speaker Independent

System), 화자적응방식(Speaker Adaptive System)으로 구분
▪ 발음에 따라 고립단어인식, 핵심어인식, 연결단어인식, 연속음성인식, 대화음성인식으로 분류
118
화자확인 시스템
▪ 인식대상어휘 수에 따라 소용량, 중용량, 대용량 인식기술로 구분
▪ 단어단위로 인식 하는 단어인식기술, 음소단위로 인식하는 가변어 인식기술로도 구분 가능
 음성인식 기술의 응용 범위가 넓지만 제품의 응용환경, 사용자, 언어 등을 고려해 상이한

장비와 알고리즘의 사용이 요구되고 사용자에 따른 인식률 차이, 주변 잡음에 따른 인식률
저하, 인식대상 어휘의 제한으로 인한 인식 오류와 같은 문제 해결을 위한 지속적인
기술투자가 필요
▪ 음성인식 기술에는 음성으로 정보를 출력하는 음성합성 기술과 등록된 화자들 중에서 가장 유사한
화자를 찾아내는 화자식별 기술을 포함, 현재 음성합성엔진 기술과 관련해서 원천기술을 가진
업체는 희소
 언어 및 음성 인터페이스 기술은 음성을 통해 기기 및 서비스의 이용을 제어할 수 있는

기술이며 언어 및 음성인식 소프트웨어는 음성합성이 포함된 음성인식 기술과 언어처리기술
노이즈처리, 언어 DB, 음성DB 등 많은 분야의 기술들이 융·복합된 분야를 의미
▪ 현재 언어 및 음성 인터페이스 기술은 스마트 폰에서의 음성비서, 집에서의 음성비서를 탑재한
스피커 형태의 홈 어시스턴스 등을 통하여 주로 구현
▪ 사용자 친화형 음성언어 인터페이스 기술은 스마트 디바이스, 가전 전자 및 로봇산업 등 제조업과

인터넷 서비스 등 다양한 산업에 응용서비스로 적용이 가능한 분야 (예, 개인비서 서비스 시스템,
로봇제어 시스템, 대화처리 시스템, 음성검색 시스템 등)
▪ 언어 및 음성 인터페이스 기술의 개발은 클라이언트 측인 임베디드기반 소어휘 내장형 음성인식

엔진 기능 개발 및 서버 측의 클라우드 기반 대어휘 내장형 음성인식 엔진 기능 개발이 구분되어
이루어지고 있고, 제품의 인식할 어휘량, 인식환경, 실행속도, 구축비용 등을 고려해 임베디드 형태
또는 클라우드 형태를 기반으로 제품 개발
 현재의 화자확인 시스템은 신분확인, 출입통제 상용화 기술, 문맥 종속형 화자인식 시스템,
음성데이터 검출모듈, 음성데이터 매칭분석 모듈, 음성데이터 노이즈 제거기술, 인공지능형
화자인식 플랫폼, 인공지능형 음성인식센서 등의 요소기술로 구성되어 다양한 응용분야에
적용 가능하여 개발 필요성이 강조
119
전략품목 분석
나. 범위
 화자확인 시스템은 사용하는 문맥의 종류에 따라 문맥종속(text-dependent), 문맥독립

(text-independent), 문맥지시(text-prompted) 시스템으로 구분
▪ 문맥독립 화자확인 시스템은 화자의 문맥을 발성에 관계없이 화자의 특징만을 추출하여 화자의
성문모델을 생성, 여기서 사용되는 화자의 특징으로는 피치, 톤 및 음색 등이며, 장점으로는 동일한
문맥을 여러 번 발성할 필요 없이 한 번의 등록과정으로 매우 간단하나녹음에 의한 사칭을 막을 수
없는 치명적인 결점 존재
▪ 문맥종속 화자확인 시스템은 암호, 카드 번호, PIN(Personal Identity Number)와 같은 특별한

문맥을 발성함으로써 화자의 신분을 확인. 기술적인 면에서 문맥독립 화자확인 시스템보다 강력한
화자 확인 성능을 가지지만, 문맥독립 시스템과 마찬가지로 녹음에 의한 사칭을 막을 수 없는
결점이 존재
▪ 문맥지시 화자확인 시스템은 문맥독립과 문맥종속의 단점인 녹음에 의한 사칭자를 막기 위해

개발되었으며, 화자확인 시스템이 미리 정해진 여러 단어들 중에서 임의로 선택한 문맥(일련의
숫자의 조합)를 화자에게 발성하도록 요구함. 문맥지시 화자확인 시스템은 화자확인 기술뿐만
아니라 시스템이 문맥을 지시해야 하는 음성합성 기술, 화자의 발성이 지시된 문맥과 일치하는지
여부에 대한 음성인식 기술이 함께 요구됨
 화자확인 시스템은 신분확인, 출입통제 상용화 기술, 문맥 종속형 화자인식 시스템,

음성데이터 검출모듈, 음성데이터 매칭분석 모듈, 음성데이터 노이즈 제거기술, 인공지능형
화자인식 플랫폼, 인공지능형 음성인식센서 등의 요소기술을 기반으로 개발

신분확인, 출입통제 • 화자인식을 통해 신분 확인을 하여 출입을 통제할 수 있도록 하는
상용화 기술 응용 기술
문맥 종속형 화자인식 • 화자가 지정된 문맥을 발성하는 것을 인식하여 화자를 인증하는
시스템 기술이 적용된 시스템
• 센서를 이용한 음성데이터를 실시간으로 수집 및 검출하고 실제
음성데이터 검출모듈
상태와 매칭/확인하는 기술
음성데이터 매칭분석 • 인공지능형 음성인식 센서를 통해 수집된 음성데이터를 분석 후
화자확인 모듈 매칭하는 기술을 포함하는 매칭분석모듈
시스템 • 인공지능형 센서를 통해 수집된 음성데이터를 분석 및 매칭하여
음성데이터 노이즈
노이즈 여부를 정확히 판별하여 필요 없는 음성데이터를 제거하는
제거기술
기술
• 인공지능을 기반으로 하는 데이터 관리 시스템에 해당되는
인공지능형 화자인식
기술이며, 데이터 계층 처리부, 비즈니스 계층 처리부, 서비스 계층
플랫폼
처리부 및 프레젠테이션 계층 처리부 등을 포함하는 기술
인공지능형
• 인공지능형 음성을 인식하는 센서 및 장비에 관한 기술
음성인식센서
120
 화자확인 시스템은 음성인식 기술의 급격한 발전과 ICT융합 및 4차산업혁명의 주요 핵심

기술로 주목을 받고 있음
▪ 화자확인 기술은 핵심어 인식처럼 승인(Acceptance)과 거절(Rejection)과정을 거치게 되며, 미리
정해 놓은 발생 확률 값을 넘으면 승인하고, 그렇지 않으면 거절하는 방식으로 음성 자물쇠로 이용
▪ 광의적 의미에서 음성인식 기술에는 음성 전처리 기술, 특징추출 및 음성 인식기술, 화자식별기술,

화자확인 기술, 음성인식기반 상황인지기술 등이 포함되며 음향모델, 잡음처리, 음성합성 등의
자원저장기술이 포함
▪ 언어 및 음성 인터페이스 기술에는 임베디드 기반 음성인식 기술, 클라우드 기반 음성인식 기술,

대화형 질의응답 음성인식 기술, 음성기반 제어 및 검색 기술 등의 음성인식 응용기술과 기반기술
등이 포함
• 언어모델을 위한 사전, 문법, 말뭉치 등 대규모 텍스트데이터

자원 저장 기술 • 음향모델을 위한 다양한 환경에서 발성한 대규모 음성데이터
• 잡음처리, 음성합성을 위한 빅데이터
• 센서를 이용한 음성데이터를 실시간으로 수집 및 검출하고 실제

음성데이터 상태와 매칭/확인하는 기술, 인공지능형 음성인식 센서를 통해 수집된
검출 및 음성데이터를 분석 후 매칭하는 기술을 포함하는 매칭분석모듈,
노이즈 제거 인공지능형 센서를 통해 수집된 음성데이터를 분석 및 매칭하여
기술 노이즈 여부를 정확히 판별하여 필요 없는 음성데이터를 제거하는
기술
신분확인, • 화자인식(화자식별 및 화자확인)을 통해 신분 확인을 하여 출입을

화자 확인 출입통제 통제할 수 있도록 하는 응용 기술, 화자가 지정된 문맥을 발성하는
시스템 기술 것을 인식하여 화자를 인증하는 기술이 적용된 시스템
개발
인공지능형 • 인공지능을 기반으로 하는 데이터 관리 시스템에 해당되는 기술이며,

화자인식 데이터 계층 처리부, 비즈니스 계층 처리부, 서비스 계층 처리부 및
플랫폼 프레젠테이션 계층 처리부 등을 포함하는 기술
• 주요 입출력 인터페이스가 음성인 지능형 장치(구글의 홈, 소니의

LF-S50G, 애플의 홈팟, 삼성의 빅스비 등의 음성인식 기기)
음성인식
• AI 음성센서 모듈은 사용자의 음성을 인식하고 잡음을 제거하는
센서
'음성인식 처리부'와 소리의 파동을 PCM 신호로 변환해 서버에
전송하는 '무선 통신부'로 구성
응용기술 • 스마트카, 사물인터넷제품(IoT), 인터넷서비스, 개인비서시스템, 스마트홈
121
전략품목 분석
 화자확인 시스템 관련 산업은 음성인식의 정의 기술, 시장 범위 및 공급 대상 등에 따른

조사기관마다 매우 다양하게 구분
▪ 산업적 관점에서의 화자확인 시스템은 소프트웨어를 통해 부가가치를 창출하는 네이버, 다음과 같은

인터넷에서의 응용 서비스 산업뿐만 아니라 금융전산, 제조전산, 스마트 홈과 같은 비즈니스의 기반
산업까지 포함
▪ 음성인식 기술과 연관된 화자확인 시스템 산업은 전문적이고 원천적 기술 산업이며 전방산업의 SW
제품의 핵심역량기술과 기반산업에서의 센서소재 부품 등에서 많은 수요가 예상되므로 앞으로 인터
넷 서비스의 콘텐츠와 연계성을 고려한 전문통계지표를 수립하고 전략이 필요
 화자확인을 포함하는 인공지능 음성인식은 기술적 노하우에 대한 폐쇄성이 강하기 때문에

신기술 발굴은 단기간 기술모방이 어려우므로 개방형 혁신보다는 대부분 독자적 연구개발을
통한 기술혁신이 주도하는 분야
▪ 완성품의 품질 향상에 필요한 음성인식 SW 기술과 더불어 전방산업에 적용 시 최고 수준의 품질을

얻음과 동시에 그 파급효과는 부가가치로 창출되므로 원천 기술 확보가 중요
▪ 기술의 임계성능향상, 첨단화, 융복합화를 통해 신성장동력산업이 탄생하는 특징이 있으므로

전방산업의 고도화, 첨단화 및 다양화를 가능하게 하는 산업
▪ 복잡한 생산과정을 패키징하여 제품 생산의 인프라로 사용 될 때 사용자들의 쉽게 접근 가능하고,

IT를 이용해 생산되는 부가가치 고도화
▪ 음성인식 SW는 전문기술영역에 속하기 때문에 다른 IT 분야와 달리 기업 간의 원가경쟁으로부터

자유롭지만 고급기술 인력의 유출을 방지하고 자생력과 혁신능력을 상실하지 않도록 주의가 필요
 화자음성인식 SW는 적용되는 형태에 따라 별도의 산업으로 정의할 수 있으나 규모가 작은

기업의 경우 주로 기술납품 형태의 사업으로 수익모델을 구현
▪ 기술을 응용하는 사업 형태에 따라 부가가치가 다르기 때문에 적용되는 형태에 따라 상이한

관점에서 기술의 조달과 관리, 발전, 융합이 요구
▪ 기술 개발 기간이 필요하므로 초기 비용이 많이 들며 전문기술인력의 확보가 요구되어 초기 팀

구성의 어려움이 있어 사업 수익성 악화에 민감
▪ 비-콘텐츠형 성과물은 거래되지 못하고 콘텐츠 가치를 인정받지 못하며, 기술납품 위주의
수익모델의 경우 결과물의 소유권을 인정받지 못하는 경향
▪ 중소업체의 독자생존을 위해서는 기술 패키징을 통한 제품 판매나 서비스 판매형태의 수익모델을

구현하는 방향으로 전환하는 것과 가능한 능동적인 제품 개발 전략을 취하는 것을 고려
122
 음성인식 SW의 주요 시장은 서버 자원, 데이터베이스 자원, 인력외주 등의 핵심역량 외의

기술시장으로 구성
▪ 전문적이고 원천적인 기술 산업으로서 장기적인 연구를 할 수 있는 고급기술 인력의 확보가
필요하지만 전방산업에 대한 수요보다 전방선업의 공급이 적을 가능성 존재
▪ 음성인식 SW의 성능을 향상시키기 위해 자체적으로 대용량 데이터베이스를 구축하는 것은 어렵기

때문에 음성인식 관련 데이터를 제공해줄 기관을 잘 물색해야함. 응용환경에 적합한 대용량
데이터베이스를 확보하지 못하면 기술개발에 어려움이 예상
 전문기술업체의 위치에 있고 기술납품의 수익모델을 가지고 있는 산업 내 기업 입장에서,

전방산업으로 SW제품, 비즈니스 인프라, 인터넷 서비스 등 제품개발 산업, 후방산업으로는
완성된 제품을 판매하는 유통산업으로 구성
▪ 음성인식 SW기술은 집약산업으로 후방산업의 영향력도 매우 높은 산업으로 기술개발을 뒷받침해줄

수 있는 예산과 소재 등의 확보가 필요
▪ 전방산업은 기술의 개발과 성능개선에 영향을 많이 받고 기술개발의 한계에 의해 수요에 비해

공급이 부족한 상황
▪ 임베디드기반 음성인식 SW제품의 경우 제품개발은 시스템 개발, 모듈 개발, 공급과 같이

인프라화된 과정을 거쳐 이루어져 대부분의 비용지출은 SW개발 의뢰 및 구매에서 발생
 화자확인 시스템을 포함하는 음성인식 시스템 산업의 글로벌화 트렌드
▪ 최초로 스피커 형태 기기에 음성인식 AI 비서를 탑재한 제품은 아마존(Amazon)의 에코(Echo)이지만,

구글(Google)이 나우(Now)를 발전시킨 어시스턴트를 내놓았으며 에코의 경쟁상대로 홈(Home)을
출시, 마이크로소프트 역시 인보크(Invoke)를 내놓으며 경쟁
▪ 음성인식 기술은 편리성과 확장성이 높아 산업 구조의 확대가 진행 중, 과거 3G폰에서 스마트

폰으로 바뀐 것이 10년이 채 되지 않았다는 것을 고려했을 때 앞으로 5년 후에 우리의 삶 속에
음성인식 기술은 매우 급속히 발전할 것으로 예상
123
전략품목 분석
나. 시장환경
(1) 세계시장
 트렌스포스에 따르면 화자확인에 가장 요구되는 인공지능 음성 인식 솔루션 시장은 ‘17년

30억 달러에서 ’22년 230억 달러로 연평균 43.8%의 성장률을 나타낼 것으로 전망
[ 세계 음성인식 솔루션 시장 ]
(단위 : 억 달러, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
세계시장 30 55 90 130 160 230 43.8
* 출처 : 트렌스포스, I-Pac, ‘18 재인용
[ 세계 음성인식 솔루션 시장]
 글로벌 시장 조사기관인 Tractica의 보고서에 따르면 ‘24년의 세계 음성인식 시장 규모가

51억 달러에 이를 전망
▪ 글로벌 온라인 시장 조사기관인 ‘Markets and Markets’는 ‘22년 음성인식 기술 시장 규모를
119억 6000만 달러(약 14조1427억 원)로 예측
 전 세계 음성 인식 시장을 대화 인식 시장과 과 음성 인식 시장으로 구분하여 상이한 성장

추세
▪ 대화 인식 부분은 ‘17년 54억 7,030만 달러에서 연평균 성장률 19.10%로 증가, ’23년에는 156억
909만 달러에 이를 전망
▪ 음성 인식 부분에서는 ‘17년 7억 2,050만 달러에서 연평균 24.57%로 증가하여 ’23년 9,220만

달러 규모로 성장
124
[ 세계 생체인식 시장 ]
(단위 : 억 달러, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
세계시장 112.0 128.2 146.8 168.1 192.5 220.4 14.5
* 출처 : 국내외 생체 인식 규모 현황 KISTI ‘15, 과학기술일자리진흥원 ’18 재인용
 화자확인 시스템이 가장 활발하게 이용되는 생체 인식 분야의 세계 시장은 ‘16년 97.8억

달러에서 매년 14.5% 성장하여 ’20년에는 168.1억 달러의 시장을 형성할 것으로 전망
▪ 스마트폰 보급률의 상승에 따라 생체인식 시장의 폭발적 확장 예상, 스마트 홈, 자율주행차 등 신

기술의 도입으로 적용 산업 증가 전망
▪ 금융, 헬스케어, 정부 부문이 생체인식을 주로 활용할 것으로 보이며, 지문, 홍채, 음성 인식이
생체인식 방식 중 가장 큰 매출을 올릴 것으로 예측
▪ 생체인식은 특히 출입관리용으로 활용하고 있으며, 보안을 필요로 하는 모든 분야에 적용 가능
▪ 음성 인식 부분은 화자의 인식 및 인증에 주로 사용 되며, 정부에서 화자의 신원 인증 부문 및 금융

부분 특히 모바일 뱅킹 등에서도 활발하게 이용
125
전략품목 분석
(2) 국내시장
 화자 확인의 요소기술 중 하나인 음성인식 SW 의 국내 시장은 아직 발전 중으로,‘16년

6,967억원에서 ’21년 9,925억원으로 연평균 9.8%의 성장률을 나타낼 전망
[ 국내 음성인식 SW 시장 ]
(단위 : 억 원, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
국내시장 7,737 8,593 8,813 9,039 9,925 10,886 9.8

* 출처 : Global visualization Security Management Solutions(2010-2014, Technavio), SW산엽 연간보고서(2014),
음성인식 시장 보고서 등을 참고하여 전망치 추정
 향후 스피커, 스마트폰, 사물인터넷(IoT), 자율주행차 등 음성인식 기능 활용 플랫폼의 확대로

수요 증가 가능성
▪ 음성으로 명령을 내릴 때, 복합적 소음 속에서 특정인의 음성을 구분하는 기능이 요구
▪ 음성 인식 인공지능이 금융거래 방식에 적용 될 시 그 파급력과 변화는 거대할 것으로 예측
▪ 금융 거래를 위해 시장 내 음성 인식의 보안 기능 개발 요구 증가
126
[ 국내 생체인식 시장 ]
(단위 : 억 원, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
국내시장 3,300 3,740 4,290 4,916 5,634 6,456 14.6
* 출처 :국내외 생체 인식 규모 현황 KISTI ‘15, 과학기술일자리진흥원 ’18 재인용
 국내 생체인식 시장 규모는 ‘16년 2,970억원에서 매년 14.6% 성장하여 ’20년 4,916억원의

규모로 시장을 형성할 것으로 추정
 인공지능 스피커 등 사물인터넷의 보급과 더불어 국내 업체인 네이버 등은 화자인증 기능

추가를 통해 보안문제를 해결할 전망
▪ 네이버는 과거 주문 이력을 바탕으로 간편하게 상품을 재 구매할 수 있는 기능과 등록한 목소리와
다른 목소리로 주문하는 경우 클로바가 결제를 승인하지 않는 '화자 인식' 기능도 추가하여 서비스
고도화에 나설 계획
127
전략품목 분석
3. 기술 분석
 인공지능 음성인식 기술로 개인비서(Intelligent Personal Assistant, IPA) 시장이 글로벌 IT

기업들의 격전지로 부상하며 관련 기술 개발 활발
▪ 아마존에서 거치형 스피커 형태인 아마존 Echo가 출시된 후에 구글의 ‘Google Home(2016)’과
애플의 홈팟(Homepod, 2017)이 공개되며 경쟁이 본격화 시작
▪ 전 세계적으로 약 200개 이상의 기업이 지능형 개인비서 시장에 진입 또한, 개인용(B2C) 뿐만

아니라 기업용(B2B)으로도 시장이 확대될 전망
▪ 4차산업혁명의 핵심인 인공지능과 결합한 음성인식 기술은 스마트폰 기반 대화형 개인비서에서

스피커형 홈 허브, 가전, 로봇, 의료, 헬스케어 등 산업전반으로 확대 적용되면서 최고의 사용자
인터페이스로 자리매김하고 있으며 향후 방대한 사물인터넷과 스마트 홈과의 용합을 통해 폭발적
확대 전망
▪ 화자확인 시스템을 포함하는 핵심기술인 음성인식 분야의 특허 출원이 지속적으로 증가하고 있으며,
특허층 조사에 따르면 2013년에 64건에 불과했으나 2014년부터 증가세를 나타내면서 2017년
114건으로 늘었음. 지능형 스피커를 넘어 스마트카, 금용, 쇼핑 등 다양한 분야에서 관련 기술이
적용
 글로벌 기업들은 각자 자신들의 서비스와 플랫폼 기반을 확대하기 위해 지능형 개인비서를

활용하며 타 기업과의 제휴, 개발지원도구(SDK) 공개 등으로 독자 생태계 구축에 박차
▪ 아마존은 지능형 개인비서 기기를 다각화하며 홈 시장 주도권 확보에 주력
▪ 2017년 4월에는 내장된 LED 카메라로 사용자의 패션 스타일을 인지하고 조언을 해주는 ‘에코 룩’,
5월에는 스크린이 탑재되어 터치 인터페이스를 지원하고 화상통화도 가능한 ‘에코 쇼’를 잇달아
공개하며 공격적으로 제품 라인업을 확대 중(과학기술정책연구원, 2017.8.7.제35호)
▪ 구글은 스피커형 기기인 ‘구글홈’, 음성인식앱 ‘구글 어시스턴트’, 챗봇 등 다양한 형태의 서비스 제공
▪ 페이스북 메신저는 지능형 개인비서 엠(M)을 탑재하여 다른 앱에 접속하지 않고 예약, 구매 등을

할 수 있도록 서비스 플랫폼화
128
▪ 자동음성인식(ASR, 음성을 텍스트로 변환), 자연어처리(NLU, 사용자 의도 이해), 문자 음성전환

(TTS, 텍스트를 음성으로 합성)을 이용
 음성 데이터 노이즈 제거 기술의 발달로 전화 및 자동차 음성통화에서의 노이즈 캔슬링 기술

고도화
▪ 고품질 노이즈 캔슬링 통화를 위한 도구로써 클라우드를 활요한 딥러능 기술 발달
▪ 엔비디아는 딥러닝을 이용한 노이즈 캔슬링 일괄 처리로 GPU 적용
▪ 두 개의 딥러닝, 즉 잡음을 제거하는 딥러닝과 판단하는 딥러닝을 사용
- 원음과 잡음이 섞인 오염된 신호가 잡음을 ‘제거하는 딥러닝’이 1차적으로 정화를 하여 깨끗한 원음
추정치 도출
- ‘판단하는 딥러닝’은 추정치를 바탕으로 어떤 것이 진짜 깨끗한 원음인지 판단
- 두 딥러닝이 판단을 반복할수록 잡음을 제거하는 딥러닝은 판단하는 딥러닝을 헷갈리게 하기 위해
더 깨끗하고 원음에 가까운 음질을 추출(비교사학습)
129
전략품목 분석
 화자확인 시스템을 포함하는 음성언어 처리기술은 인간의 자연어 발화를 컴퓨터가 자동으로
이해하고 처리하는 알고리즘을 연구하는 분야로 대화형 개인비서 에이전트, 인고지능 스피커,
자동 통번역, 음성대화 질의응답 시스템 등 다양한 응용기술로 발전
▪ 챗봇을 활용한 콜센터 안내, 쇼핑 도우미 및 고객 상담 등의 다양한 서비스로 대화형 상거래가 가속화
▪ 딥러닝 및 잡음처리 기술의 발전을 기반으로 사람 간의 자연스러운 대화 음성을 대상으로 기술

고도화가 진행 중(국립국어원, 2017.4 특집: 4차산업혁명시대의 국어생활)
 국내의 딥러닝 기반의 음성인식 기술(한국데이터산업진흥원 데이터기술자료, 2016.3)
▪ 음성인식기는 언어모델과 음향모델의 2가지 중요 지식원(Knowledge source)을 사용하여 음성

신호로부터 문자 정보를 추출
▪ 음성 신호와 입술의 움직임을 동시 사용으로 고성능 음성인식이 가능
130
▪ 단순 데이터나 패턴 분류에서 확장하여 대상이 내포하는 의미까지 인지하게 되는 방향으로 발전 중.

예를 들어 음성 신호에서 특정 어휘를 인식한 다음 단어가 문맥적으로 어떤 의미를 내포하고
있는지, 어떠한 감정이 포함되어 있는지 까지 파악하여 대화를 진행함으로써 사용자의 취향 또는
선호도에 대한 저장 데이터를 통해 스스로 학습하면서 개인마다 다른 관심사와 선호도를 반영할 수
있는 ‘맞춤형 지능적 시스템’ 구현 기술이 필요
▪ 신분확인, 출입통제 상용화 기술 - 인공지능을 기반으로 화자인식(화자식별 및 화자확인)을 통해

신분 확인을 하여 출입을 통제할 수 있도록 하는 응용 기술 개발이 필요
▪ 문맥 종속형 화자인식 시스템 - 화자가 지정된 문맥을 발성하는 것을 인식하여 화자를 인증하는
기술이 적용된 시스템 기술이 필요
131
전략품목 분석
▪ 음성데이터 검출 모듈 - 센서를 이용한 음성데이터를 실시간으로 수집 및 검출하고 실제 상태와

매칭/확인하는 기술이 필요
▪ 음성데이터 매칭분석모듈 - 인공지능형 음성인식 센서를 통해 수집된 음성데이터를 분석 후

매칭하는 기술을 포함하는 매칭분석모듈이 필요
▪ 음성데이터 노이즈 제거기술 - 인공지능형 센서를 통해 수집된 음성데이터를 분석 및 매칭하여

노이즈 여부를 정확히 판별하여 필요 없는 음성데이터를 제거하는 기술이 필요
▪ 인공지능형 화자인식 플랫폼 - 인공지능을 기반으로 하는 데이터 관리 시스템에 해당되는 기술이며,

데이터 계층 처리부, 비즈니스 계층 처리부, 서비스 계층 처리부 및 프레젠테이션 계층 처리부 등을
포함하는 기술이 필요
▪ 인공지능형 음성인식 센서 - 주요 입출력 인터페이스가 음성인 지능형 장치(구글의 홈, 소니의

LF-S50G, 애플의 홈팟, 삼성의 빅스비 등의 음성인식 기기) 개발 기술이 필요
 국내 전문 인력 부족 현상
▪ 국내의 화자확인 시스템을 포함하는 음성인식 기술의 활성화에 가장 큰 원인은 전문 인력의

부족
▪ 2000년대까지는 인공지능 딥러닝, 머신러닝 기술의 실용화 수준이 낮은 편이었음. 기업, 정부,
연구소, 학계 등의 낮은 관심과 줄어든 연구 지원으로 머신러닝, 딥러닝의 인공지능 분야의
많은 연구자들이 다른 분야로 이동함
▪ 2013년 이후 딥러닝의 출현으로 기계학습 분야가 서서히 활기를 띠면서 급속도로 기계학습
전문가들의 수요가 급증하였으나 그 동안 기계학습 분야에서 꾸준히 연구하던 전문가들은
소수에 불과했기 때문에 현재는 산업적 수요에 비해 딥러닝 전문가의 수가 부족한 상황
132
(1) 해외업체동향
 (음성제어용 스피커) 애플은 ‘17년 6월 ‘세계개발자회의(WWDC) 2017’에서 음성제어용 스피커

‘홈팟(HomePod)’을 공개
▪ 기존에 아이폰으로 했던 것과 같이 날씨·뉴스·교통상황·쇼핑정보·스케줄·알람정보 등을 전달하고

음성으로 메시지 전송, 기타 홈킷과 연동된 기기조작
 (음성인식 서비스) 아마존은 음성인식 기술과 스피커를 결합한 에코를 통해 음성명령으로

음악을 실행하고 뉴스나 교통상황 등을 검색하여 사용자에게 알려주는 서비스를 제공
 (음성명령을 통한 메시지) 페이스북은 `14년 5월 음성인식 소프트웨어 개발업체인

‘윗에이아이(Wit.ai)’를 인수하여 페이스북 모바일 어플리케이션에 음성명령 기능 탑재 및
페이스북 메신저에 음성으로 메시지 보내기 기능 등을 꾸준히 연구 중
 (음성인식 서비스) 구글은 `12년 음성인식 서비스 구글 나우(Google Now)를 선보이고

계속해 음성 인식률을 향상시키는 연구를 진행 중이며 구글, 구글 글래스, 구글카 등 여러 IT
기기에 음성인식 서비스를 적용
 (음성인식 번역, 머신러닝) 유튜브는 구글의 AI 기반 번역 기술을 활용하여 영상의 목소리를

인식하고 다른 나라 언어로 번역하여 자막으로 제공 AI 개발 자회사 딥마인드(DeepMind)를
통해 머신러닝 알고리즘을 구글 번역기에 적용하여 데이터가 쌓일수록 머신러닝(학습)을 통해
고도화된 결과물을 제공
(2) 국내업체동향
 (화자인식 가전) 삼성전자는 2018년형 QLED TV 출시 후 업데이트를 통해 화자인식(Voice ID) 기능을

추가하여 가족 구성원들의 목소리를 구분하고 개인 맞춤형 콘텐츠를 제공하는 역할을 할 전망
▪ 시청자의 목소리와 명령어를 함께 기억해둔 뒤 개인의 기호와 상황에 맞는 콘텐츠 재생을 지원
▪ 삼성전자의 화자인식 기능이 탑재된 2018년형 패밀리허브 냉장고에서는 어떤 가족 구성원이

명령을 내리는지에 따라 일정과 메모, 뉴스 등 콘텐츠가 다르게 출력
 (화자식별 보안) KT는 사용자 식별을 통한 은행계좌 조회, 송금 서비스를 인공지능 스피커인
기가지니에 추가, 보안에 화자인식 시스템을 적용
▪ KT가 음성 솔루션 기업 '파워보이스'와 협력, 애플리케이션 화자인증 서비스 ‘목소리 인증’을 출시,
‘내 목소리로 인증’이라고 7번 말하여 인증 수단으로 목소리가 등록 후 본인인증이 필요할 때 KT
인증 앱에서 ‘내 목소리로 인증’이라는 세 단어를 말하여 복잡한 공인인증서 비밀번호를 입력하는
등의 번거로움이 없이 금융 서비스 이용 가능
133
전략품목 분석
 (화자인식 메시지 전송) 카카오는 사전 등록한 특정인의 목소리만을 구별하는 화자인식

기능을 도입하여 자사 AI스피커 '카카오미니'와 카카오톡의 결합 강화에 활용
▪ 타인의 카카오톡 메세지까지 읽어줄 수 있는 위험성이 있어 지금까지 적용하지 못했던 수신 메시지

읽어 주기 기능을 화자인식 기술을 통해 특정 이용자를 구별 후 수행하여 메세지 수신 알림 후
읽어주기와 보내기 기능까지 카카오톡을 음성만으로 완전히 이용가능하게 개발할 전망
 (보안을 바탕으로 한 개인화 서비스) 네이버는 자사 AI스피커인 '프렌즈와 '웨이브'에 동시에

탑재된 AI 플랫폼 '클로바'에 화자 확인 기술을 적용하여 검색 포털, 쇼핑, 음악 서비스 등
다양한 분야에서 이용자 목소리를 구별하고 명령 수행 및 결제까지 가능한 개인화 서비스를
구현할 계획
▪ 화자확인을 통한 보안 플랫폼 선점이 AI 스피커 시장점유와 직결될 전망
 (음성인식을 활용한 서비스) SK Telecom은 실생활 인공지능 플랫폼 기반 음성인식 서비스

‘누구(NUGU)’를 개발하여 사용자 언어의 문장 형태를 알아듣는 음성인식 및 자연어 처리,
스스로 학습을 통해 진화하는 딥러닝 등 인공지능 기술을 바탕으로 다양한 서비스 제공
134
다. 특허 동향
◎ 화자 확인 시스템 분야 특허상 주요 기술
 주요 기술
▪ 여러 음성이 섞인 상황에서 데이터에 입력된 음성을 기반으로 화자에 대한 정보를 찾고, 대조하여
화자의 신분을 확인하는 인공지능 시스템이 포함됨
신분확인, 출입통제 상용화

A 화자인식을 통해 신분 확인을 하여 출입을 통제할 수 있도록 하는 응용 기술
기술
문맥 종속형 화자인식 화자가 지정된 문맥을 발성하는 것을 인식하여 화자를 인증하는 기술이
B
시스템 적용된 시스템
센서를 이용한 음성데이터를 실시간으로 수집 및 검출하고 실제 상태와

음성데이터 검출모듈 C
매칭/확인하는 기술
인공지능형 음성인식 센서를 통해 수집된 음성데이터를 분석 후 매칭하는

음성데이터 매칭분석모듈 D
기술을 포함하는 매칭분석모듈
음성데이터 노이즈 인공지능형 센서를 통해 수집된 음성데이터를 분석 및 매칭하여 노이즈

E
제거기술 여부를 정확히 판별하여 필요없는 음성데이터를 제거하는 기술
인공지능을 기반으로 하는 데이터 관리 시스템에 해당되는 기술이며,

F 데이터 계층 처리부, 비즈니스 계층 처리부, 서비스 계층 처리부 및
플랫폼
프리젠테이션 계층 처리부 등을 포함하는 기술
인공지능형 음성인식센서 G 인공지능형 음성을 인식하는 센서 및 장비에 관한 기술
135
전략품목 분석
▪ 화자 확인 시스템 분야 기술의 요소기술별 주요 출원인 국적별 특허정보 데이터 입수하였으며, 최근

10년간의 특허데이터를 비교 분석함
신분확인, 출입통제 상용화 기술 16 66 7 1 43 133
문맥 종속형 화자인식 시스템 30 57 11 11 12 121
음성데이터 검출모듈 11 61 4 9 33 118
음성데이터 매칭분석모듈 5 48 4 9 26 92
음성데이터 노이즈 제거기술 5 10 1 0 7 23
인공지능형 화자인식 플랫폼 18 34 1 11 28 92
인공지능형 음성인식센서 64 121 14 11 74 284
합계 149 397 42 52 223 863

그 다음으로는 한국, 유럽, 일본국적 출원인 순으로 나타남
▪ 신분확인, 출입통제 상용화 기술 분야에서는 미국국적의 출원인이 가장 많은 비중을 차지하고

있으며, 유럽국적의 출원인이 상대적으로 적은 출원량을 보유하고 있음
▪ 문맥 종속형 화자인식 시스템 기술은 미국국적의 출원인이 가장 많은 비중을 차지하고 있으며, 그

다음으로는 한국이며, 일본과 유럽국적 출원인 이 같은 것으로 나타남
▪ 음성데이터 검출모듈 기술 분야에서는 미국국적의 출원인이 가장 많은 출원을 하고 있으며,

일본국적의 출원인이 상대적으로 적은 출원량을 보이고 있음
▪ 음성데이터 매칭분석모듈 기술은 미국국적의 출원인이 가장 많은 출원을 하고 있으며, 한국과

▪ 음성데이터 노이즈 제거기술 기술 분야에서는 전체적으로 특허 출원 실적이 미미함
▪ 인공지능형 화자인식 플랫폼 기술은 미국국적의 출원인이 가장 많은 출원을 하고 있으며,

▪ 인공지능형 음성인식센서 기술 분야에서는 미국국적의 출원인이 가장 활발한 연구개발을 하고

있으며, 그 다음으로는 한국, 일본, 유럽국적 출원인 순으로 나타남
136
▪ 관점을 국내·외 출원인으로 바꾸어 보면 한국국적의 출원인은 외국국적의 출원인에 비해 문맥

종속형 화자인식 시스템(B)와 인공지능형 음성인식센서 기술(G) 분야의 출원 비중이 상대적으로
높게 나타나고 있음
▪ 반면, 한국국적의 출원인은 외국국적의 출원인에 비해 음성데이터 검출모듈(C) 분야와 음성데이터

매칭분석모듈(D) 분야가 상대적으로 특허 출원 비중이 상대적으로 낮은 것으로 나타남
▪ 한국국적 출원인의 특허 출원량은 등락을 거듭하긴 하지만 비교적 꾸준히 출원량이 높아지는 경향을
보이고 있음

때 이 점을 유의해야 함

있으며, 2017년을 기점으로 더 많은 출원량을 보이고 있음
137
전략품목 분석
기술
집중도
•Baidu Online Network
신분확인, 출입통제 Technology • 중소업체 중심
상용화 기술
● •Daniel W. Onischuk • 엘지전자, 한국전자통신연구원 등
•Eolas Technologies Inc
•NewValueExchange Global AI LLP
문맥 종속형 화자인식 •대기업 중심
시스템
● •LG 전자
•삼성전자, 네이버, 엘지전자 등
•Microsoft Corporation
음성데이터 검출모듈 ● •NewValueExchange Global AI LLP •삼성전자, 엘지전자,
•Eolas Technologies Inc. 한국전자통신연구원 등
음성데이터
매칭분석모듈
● •Eolas Technologies Inc •삼성전자,
•NewValueExchange Global AI LLP 재단법인대구경부과학기술원 등
•Interactive Voice, Inc
음성데이터 노이즈 •개인출원 중심
제거기술
◓ •현대자동차
•현대자동차 등
•FACEBOOK, INC.
•Baidu Online Network
인공지능형 화자인식 Technology (Beijing) Co
플랫폼
● •NewValueExchange Global AI LLP
•한국전자통신연구원, 네이버,,
에스케이텔레콤 등
•Prasad Muthukumarn
•Daniel W. Onischuk •산학협력단 및 중소업체 중심
인공지능형
음성인식센서
● •Prasad Muthukumar •한국전자통신연구원, 네이버,
•삼성전자 현대자동차 등
※ ●: 50건 이상, ◕: 30~49건, ◓: 20~29건, ◔: 10~19건, ◯: 10건 미만
138
 신분확인, 출입통제 상용화 기술 분야 주요 출원인 동향
▪ 신분확인, 출입통제 상용화 기술 분야는 Baidu Online Network Technology이 가장 많은 특허를

보유하고 있으며 그 다음으로는Daniel W. Onischuk과 Eolas Technologies Inc 순으로 다수의
특허를 보유함
 문맥 종속형 화자인식 시스템 기술 분야 주요 출원인 동향
▪ 문맥 종속형 화자인식 시스템 기술 분야는 NewValueExchange Global AI LLP가 가장 많은

특허를 보유하고 있으며 그 다음으로는 한국의 대기업인 LG 전자, Microsoft Corporation 등이
많은 특허를 출원하고 있음
 음성데이터 검출모듈 기술 분야 주요 출원인 동향

▪ 음성데이터 검출모듈 기술 분야는 Daniel W. Onischuk가 가장 많은 특허를 보유하고 있으며, 그
다음으로는 NewValueExchange Global AI LLP, Eolas Technologies Inc 등이 많은 특허를
보유하고 있음
 음성데이터 매칭분석모듈 기술 분야 주요 출원인 동향
▪ 음성데이터 매칭분석모듈 기술 분야는 Daniel W. Onischuk이 가장 많은 특허를 보유하고 있으며.

그 다음으로는Eolas Technologies Inc가 다수의 특허를 보유함
 음성데이터 노이즈 제거 기술 분야 주요 출원인 동향
▪ 음성데이터 노이즈 제거기술 분야는 Interactive Voice, Inc가 가장 많은 특허를 보유하고 있으며 그
다음으로는 현대자동차, FACEBOOK, INC 등이 많은 특허를 출원하고 있음
 인공지능형 화자인식 플랫폼 기술 분야 주요 출원인 동향
▪ 인공지능형 화자인식 플랫폼 기술 분야는 Baidu Online Network Technology (Beijing) Co이
가장 많은 특허를 보유하고 있으며. 그 다음으로는 NewValueExchange Global AI LLP, Prasad
Muthukumarn가 다수의 특허를 보유함
 인공지능형 음성인식센서 기술 분야 주요 출원인 동향

▪ 인공지능형 음성인식센서 기술 분야는 Daniel W. Onischuk가 가장 많은 특허를 보유하고 있으며
그 다음으로는 Prasad Muthukumar, 삼성전자 등이 많은 특허를 출원하고 있음
139
전략품목 분석

 한국은 음성데이터 검출모듈(C) 기술분야와 음성데이터 매칭분석모듈(D) 기술분야에서는

특허활동이 부진하나, 문맥 종속형 화자인식 시스템(B) 기술분야의 특허출원은 활발한
것으로 나타남
 미국은 인공지능형 화자인식 플랫폼(F) 기술분야에서는 특허활동이 부진하나, 음성데이터

검출모듈(C) 기술분야와 음성데이터 매칭분석모듈(D) 기술분야의 특허출원은 활발한 것으로
나타남
 일본은 인공지능형 화자인식 플랫폼(F) 기술분야에서는 특허활동이 부진하나, 문맥 종속형

화자인식 시스템(B) 기술분야의 특허출원은 활발한 것으로 나타남
 유럽은 신분확인, 출입통제 상용화 기술(A)와 음성데이터 노이즈 제거 기술(E) 분야에서는

특허활동이 부진하나, 인공지능형 화자인식 플랫폼(F) 기술분야의 특허출원은 활발한 것으로
나타남
140
 시장력이 전체 평균 1.56을 상회하는 국가로는 유럽 외에 중국, 아일랜드가 있으며, 질적인

수준이 높은 특허 보유국은 미국임
▪ 질적인 측면을 같이 고려한 시장력에 있어서 미국은 질적 수준은 높지만 시장성은 낮은 국가 쪽으로
조사됨
▪ 미국은 시장력 면에선 유럽국가와 유사 혹은 다소 뒤지지만 질적 수준은 가장 높은 것으로 나타남
▪ 한국과 일본은 시장력 면에서 낮고, 질적 수준면에서도 낮은 것으로 나타남
PFS CPP
국가 특허수
ETC 223 2.058296 2.333333
EU 52 2.038462 0.121212
JP 42 1.119048 0
KR 149 1.100671
US 397 1.438287 2.317073
전체평균 38.5 1.56 2.01
◎ 화자 확인 시스템 분야의 주요 경쟁기술 및 공백기술
 화자 확인 시스템 분야 기술 분야의 주요 경쟁기술은 인공지능형 음성인식센서 기술,

신분확인, 출입통제 상용화 기술, 문맥 종속형 화자인식 시스템 기술이, 공백기술은
음성데이터 노이즈 제거 기술로 나타남
▪ 화자 확인 시스템 분야 기술 분야에서 인공지능형 음성인식센서 기술이 가장 경쟁이 치열한
분야이고, 음성데이터 노이즈 제거기술 분야는 아직까지 출원이 활발하지 않은 공백기술 분야로
나타남
신분확인, 출입통제 상용화 기술 ●
문맥 종속형 화자인식 시스템 ●
음성데이터 검출모듈 ●
음성데이터 매칭분석모듈 ●
음성데이터 노이즈 제거기술 ◓
인공지능형 화자인식 플랫폼 ●
인공지능형 음성인식센서 ●
※ ●: 50건 이상, ◕: 30~49건, ◓: 20~29건, ◔: 10~19건, ◯: 10건 미만
141
전략품목 분석
•안면인식과 태그인식을 이용하여 접근자의 신분확인 및 동선추적이 가능한
신분확인, 출입통제 상용화 기술
제한구역 출입 경고시스템 기술
•문맥 독립형 화자확인 장치 및 이를 이용한 화자확인 기술 및 문맥 요구형

문맥 종속형 화자인식 시스템
화자 독립 인증 시스템 기술
•영상 및 음성 데이터를 영상 및 음성으로 표시하고 생체신호 검출모듈을

제어하는 기술
•동영상 데이터와 음성 데이터의 자동 편집 기술 및 각 어근을 중심으로

음성데이터 매칭분석모듈
클러스터하여 엔 그램(N-gram) 형태로 매칭하는 기술
•복수의 음성데이터의 평균 노이즈값을 기초로 일정 주기마다 실시간

음성데이터 노이즈 제거기술
노이즈값을 반영한 보정된 노이즈값을 이용하여 노이즈를 제거하는 기술
•인공지능 플랫폼 제공 기술 및 인공지능 플랫폼을 통해 사용자가 요청한
인공지능형 화자인식 플랫폼 쿼리에 대한 최적의 답변을 제공할 수 있도록 하는 인공지능(Artificial
Intelligence) 통합 플랫폼 기술
•AI칩이 형성된 현장용 인공지능형 AI칩구동용 다채널 원샷카메라모듈 및
인공지능형 음성인식센서
사람과 교감할 수 있는 인공지능 오디오 장치 기술
 국내 특허동향을 살펴보면 대기업은 센싱 정보 링크 기술을, 공공연구기관은 이벤트 처리

분석 기술과 인지형 스마트 디바이스 기술을 집중적으로 연구개발하고 있는 것으로 나타남
▪ 신분확인, 출입통제 상용화 기술에서는 안면인식과 태그인식을 이용하여 접근자의 신분확인 및

동선추적이 가능한 제한구역 출입 경고시스템 기술 등이 집중 연구개발
▪ 문맥 종속형 화자인식 시스템 기술 분야는 문맥 독립형 화자확인 장치 및 이를 이용한 화자확인

기술 및 문맥 요구형 화자 독립 인증 시스템 기술 등이 중소업체를 중심으로 연구개발 되고 있음
▪ 음성데이터 검출모듈 기술에서는 영상 및 음성 데이터를 영상 및 음성으로 표시하고 생체신호

검출모듈을 제어하는 기술 등이 연구개발
▪ 음성데이터 매칭분석모듈 기술 분야는 동영상 데이터와 음성 데이터의 자동 편집 기술 및 각 어근을

중심으로 클러스터하여 엔 그램(N-gram) 형태로 매칭하는 기술 등이 연구개발
▪ 음성데이터 노이즈 제거기술에서 복수의 음성데이터의 평균 노이즈값을 기초로 일정 주기마다

실시간 노이즈값을 반영한 보정된 노이즈값을 이용하여 노이즈를 제거하는 기술 등이 연구개발
▪ 인공지능형 화자인식 플랫폼 기술 분야는 인공지능 플랫폼 제공 기술 및 인공지능 플랫폼을 통해

사용자가 요청한 쿼리에 대한 최적의 답변을 제공할 수 있도록 하는 인공지능(Artificial
Intelligence) 통합 플랫폼 기술 등이 연구개발
▪ 인공지능형 음성인식센서 기술에서 AI칩이 형성된 현장용 인공지능형 AI칩구동용 다채널

원샷카메라모듈 및 사람과 교감할 수 있는 인공지능 오디오 장치 기술 등이 대기업을 중심으로
연구개발
142
 화자 확인 시스템 분야 기술의 공백기술 분야는 음성데이터 노이즈 제거 기술이고 중소기업의

시장진입 상대적으로 수월한 분야는 인공지능형 화자인식 플랫폼 기술과 음성데이터 노이즈
제거 기술로 나타남
▪ 인간과 기기 간 상호작용 심화에 따라 모든 기기가 지능화되고 있으며, 이에 따라 센서의 기능도

소형화-복합화 추세

시대의 도래에 따라 산업적 활용도는 대폭 증가할 전망
▪ 중소업체에서 다소 접근이 용이한 기술로서, 인공지능형 화자인식 플랫폼 기술과 음성데이터 노이즈
제거 기술이며, 즉 공백기술 분야인 음성데이터 노이즈 제거 기술에 집중 연구개발이 이루어져서
기술 선점이 필요할 것으로 사료됨
143
전략품목 분석
4. 연구개발네트워크
 국내의 음성대화처리 기술 연구는 ETRI, 포항공대, 서강대, KT 등을 중심으로 활발히 연구가

진행 중이고 ETRI는 자연어 음성인식 기술, 기계학습 및 패턴기반의 하이브리드 대화이해
기술, 다양한 테스크 처리에 적합한 계층적 태스크 기반 대화관리 모델을 개발
 화자확인 시스템을 포함하는 음성인식 기술 분야 주요 연구개발 기관2)
▪ 삼성
- 2017년 3월 말 자사의 갤럭시 s8에 AI 비서 UI인 빅스비를 출시, 빅스비는 외국어 번역, 상품
정보 제공, GPS 설정시 장소 정보 제공, 정보 탐색, 메신저 문자 발신 등이 가능
- 패밀리허브 2.0 냉장고에 빅스비를 적용하였으며 향후 TV를 포함한 가전제품에 빅스비를 모두
적용할 예정
▪ SKT
- 국내에 인공지능 AI 스피커를 최초로 출시, SKT의 ‘누구’는 음성인식을 통해 작동하며 스피커를
통해 연결된 기기들을 제어하고 날씨 등의 정보를 제공하며 KEB 하나은행과 함께 음성 금융
서비스를 제공
▪ KT
- ‘Al 음성인식 스피커 ‘기가지니’를 출시, 관련 가전제품을 제어하고, 알람, 스케쥴, 관리, 날씨 등
정보 제공 등의 서비스를 이용할 수 있도록 하며, 특히 카메라를 이용하여 홈 캠으로도 사용,
▪ 네이버
- AI 알고리즘을 적용한 음성인식 비서 클로바를 탑재한 AI 스피커 ‘프렌즈’를 2017년 10월 출시,
클로바는 사용자가 이용할 경우 데이터를 누적하여 사용자의 선호를 파악하고 스스로 판단할 수
있도록 설계
- LG 유플러스와 함께 인터넷 TV와 IoT 서비스를 제공하는 스마트홈서비스 ‘유플러스 우리집AI’와
프렌즈 플러스를 선보이며 집안의 모든 가전 제품을 제어하는 기술 개발
▪ 카카오
- 음성인식 시스템인 ‘뉴톤’을 개발하여 외부 개발자에게 개발툴을 공개, 현재 카카오앱, 카카오 내비

등에 뉴톤이 탑재됨
▪ 아마존
- 데이터베이스 및 고객이 많은 영어권 텍스트 시장 조기 진출로 경쟁력 확보

- 문자, 카카오톡, 페이스북 등 다양한 메신저에서 수신된 메시지에 적합한 답변을 추천해주는 대화
앱과 챗봇 형성 플랫폼 비즈니스를 운용
2) (4차산업혁명 브리프 http://4ir.yonsei.ac.kr, 2018.5. No.7)
144
▪ 구글
- 2014년 11월 아마존은 음성인식 비서 AI인 에코를 출시, 에코 이전 이북 리더인 킨들, 태블릿
PC인 Fire 등을 출시한 바 있음. 음성인식 비서 서비스인 알렉사(Alexa)는 사용자의 음성을
알아듣고 연결된 네트워크를 통해 날씨를 알려주거나, 질문에 대한 답 검색, 음악 재생, 물건 주문,
스케줄 관리 등이 가능
- 2016년 3월 아마존 탭과 에코 닷을 출시하여 각각 충전식 스피커와 스피커가 없는 음성인식
기기를 선보였으며 2017년에는 카메라를 탑재한 에코 룩과 터치 스크린을 결합한 에코 쇼를 출시
▪ 구글
- 검색 기능을 확대하여 안드로이드 기반 지능형 개인 비서인 나우를 출시

- 2016년 12월 “Actions on Google”로 명명된 구글 어시스턴트 개발자용 플랫폼을 개발, 외부
개발자들은 이 플랫폼을 활용하여 서드파티 서비스를 연동시킬 수 있음
▪ 마이크로소프트
- 2014년 개인 디지털 비서인 코타나를 출시

- 음향기기업체인 Harman/Kardon과 협력하여 AI 스피커인 인보크(Invoke)를 출시했으며 HP의
기기에도 코타나를 적용
▪ 애플
- 2011년 음성인식 기능인 시리(Siri)를 출시

- 딥러닝과 AI 기능을 이용한 내부 처리 시스템을 차용하고 있기 때문에 인터넷에 연결되어있지 않을
때도 사용이 가능함
- 2014년부터 자사의 기기에 설치된 홈 앱을 통해 스마트기기나 액세서리를 조작할 수 있도록 IoT
플랫폼을 제공해왔는데, 이를 바탕으로 최근 홈팟(Homepod)을 출시
145
전략품목 분석
▪ 2016년 3월 17일 청와대에서 열린 지능보건사회 간담회에서 인공지능 기술을 연구하는
지능정보기술연구소(AIRI, AI Research Institute)를 설립하고 관계 기술 및 전문인력 양성, 인프라
구축 등에 향후 5년간 1조 원을 투자하겠다고 밝힘
▪ 제2차 과학기술전략회의(2016.8)에서 발표한 인공지능을 비롯한 9대 국가전략 프로젝트

추진계획에서, AI 개발추진 로드맵은 AI 요소기술 개발(2017)→ 복합지능 AI 개발·공개(2019) →
민간·공공 AI제품·서비스 확산(2022) → AI 산업의 글로벌 경쟁력 확보(2026)를 목표로 책정
▪ 2016년 12월 15일 제4차 산업혁명에 대응한 지능정보사회 중장기 종합대책이 마련되었고 여기서
지능정보기술은 기계가 인공지능과 ICBM(IoT, Cloud, Big Data, Mobile) 등 ICT 인프라를 통해
데이터를 스스로 학습하고 인간의 고차원적인 인지·학습·추론 능력을 구현하는 기술을 의미
▪ 2017년 정부가 설립한 AIRI는 주식회사 형태로 운영되며, 초기 자본금 210억원으로 시작, 정부가
매년 150억원의 국책 과제로 5년간 지원 약속
▪ 외국과 비교했을 때 한국은 음성인식분야 후발에 해당하고 정부의 지원은 미비하며 정부가 지원하는
인공지능 소프트웨어(SW) 개발 사업도 아직 초기 단계이며, 정부차원의 주도적인 개발추진 계획의
구체화와 관련 지원 예산을 늘리는 등의 체계적인 지원대책의 마련 필요
 과학기술정보통신부(장관 유영민, 이하 ‘과기정통부’)는 1월 16일 오전에 열린 경제부총리

주재 제1차 혁신성장전략회의에서 관계부처와 합동으로 수립한 ‘데이터·AI경제 활성화
계획’을 발표(2019.1.16.)
 2023년까지 국내 데이터시장을 30조원규모로 키우고, 인공지능 분야 유니콘기업 10개

육성과 인공지능 융합 클러스터 조성 및 데이터·인공지능(AI) 분야 전문 인력을 1만명
양성한다는 목표를 제시
 음성인식 SW 분야는 한국전자통신연구원, KAIST에서 주로 연구개발을 진행하고 있음
146
 한국과학기술원, 사이버기술시장, 한국전자통신연구원이 화자확인 시스템의 기술이전 가능 기관
 음성인식 SW 요소기술은 크게 음성인식 기술, 언어처리 기술, 음성 및 언어 인터페이스

기술로 크게 3가지로 분류됨
[ 음성인식 SW 요소기술 연구기관 ]
분류 요소기술 기관
윈도우 기반 누적분포함수 추정에 의한 히스토그램 등화

한국과학기술원
기법을 이용한 음성인식 시스템
음성인식 음성인식 기술 사이버기술시장

기술
차량용 대화인터페이스를 위한 대화체음성인식 기술 한국전자통신연구원
모바일환경 고객지원용 서버기반 음성인식 기술 한국전자통신연구원
언어처리
대화형 차량정보서비스를 위한 대화처리 기술 한국전자통신연구원
기술
147
전략품목 분석
5. 기술개발로드맵
가. SWOT 분석
•(환경) 응용서비스 기술 및 산업 환경 등 잘 구축된
•(환경) 세계시장 대비 한글 음성인식 수요 미미
인프라
•(기술) 다국어 음성데이터 확보 및 원천기술력 부족에
•(기술) 다양한 영역의 우수한 IT 인프라
따른 기술 장벽 극복
•(정책) 언어 및 음성인식 SW분야의 기업차원 대규모
•(정책) 산ㆍ학ㆍ연ㆍ정부 연계 미흡
투자
•(환경) 클라우드 컴퓨팅 및 스마트 모바일 기기 확산에 •(환경) 원천기술 보유 외국 기업이 국내 기업과
따른 정보통신 패러다임의 변화 기술제휴를 통한 국내 시장 잠식
•(기술) 복잡한 기능의 디지털화된 기기의 제어를 위한 •(기술) 글로벌 선두 업체 국내진출과 기술격차
음성인식 인터페이스 •(정책) 자체적인 기술 개발력을 가진 대기업의 첨단투자
•(정책) 정부와 업계의 높은 니즈 집중 및 시장 지배력 증가
➜ 화자확인 시스템 주변 기술에 대한 인프라 구축 등 비용절감 전략 수립
➜ 기관에서 무료나 유료로 제공되는 대규모 데이터와 오픈 API를 적극적으로 활용한 기술개발
➜ 화자확인 시스템 응용환경을 고려한 독자적인 핵심 기술과 고급 개발 인력 확보

- 기술개발시급성(10), 기술개발파급성(10), 단기개발가능성(10), 중소기업 적합성(10)을 고려하여 평가


- 기술수요 및
문헌분석
- 전문가 추천
148
(2) 요소기술
 산업·시장 분석, 기술(특허)분석, 전문가 의견, 타부처로드맵, 중소기업 기술수요를 바탕으로

로드맵 기획을 위하여 요소기술 도출

[ 화자확인 시스템 분야 요소기술 ]
요소기술 출처
화자간 식별력, 변별력 향상에 대한 가변 길이 코드북 생성 알고리즘 특허/논문 분석, 전문가추천
world model과 cohort model 기반의 혼합 구조 화자 모델링 기술 특허/논문 분석, 전문가추천
화자 움직임을 고려한 채널 불일치 보상 알고리즘 특허/논문 분석, 전문가추천
화자 특성 변화 요소 정규화 기술 특허/논문 분석, 전문가추천
장기간 음성 변화 특징 예측 모델링 기술 특허/논문 분석, 전문가추천
신분확인, 출입통제 상용화 기술 특허/논문 분석, 전문가추천
문맥 종속형 화자인식 시스템 특허/논문 분석, 전문가추천
불특정 문맥 화자인식 시스템 특허/논문 분석, 전문가추천
음성데이터 검출모듈 특허/논문 분석, 전문가추천
인공지능형 음성인식 분석모듈 특허/논문 분석, 전문가추천
음성데이터 매칭분석모듈 특허/논문 분석, 전문가추천
음성데이터 노이즈 제거기술 특허/논문 분석, 전문가추천
인공지능형 화자인식 플랫폼 특허/논문 분석, 전문가추천
인공지능형 음성인식센서 특허/논문 분석, 전문가추천
149
전략품목 분석

[ 화자확인 시스템 분야 핵심요소기술 ]
신분확인, 출입통제 화자인식을 통해 신분 확인을 하여 출입을 통제할 수 있도록 하는

상용화 기술 응용 기술
화자인식
상용화기술
문맥 종속형 화자인식 화자가 지정된 문맥을 발성하는 것을 인식하여
시스템 화자를 인증하는 기술이 적용된 시스템
센서를 이용한 음성데이터를 실시간으로 수집 및 검출하고

화자의 기존 데이터와 매칭/확인하는 기술
음성데이터
검출 및 인공지능형 음성인식 센서를 통해 수집된 음성데이터를 분석 후
음성데이터 매칭분석모듈
매칭 분석 매칭하는 기술을 포함하는 매칭분석모듈
모듈
음성데이터 노이즈 인공지능형 센서를 통해 수집된 음성데이터를 분석 및 매칭하여

제거기술 노이즈 여부를 정확히 판별하여 필요없는 음성데이터를 제거하는 기술
인공지능
인공지능형 화자인식 인공지능을 기반으로 하는 데이터 관리 시스템에 해당되는 기술 중
화자인식
플랫폼 화자인식에 활용할 수 있는 기술이 집합된 플랫폼
플랫폼
인공지능
화자인식 인공지능형 음성인식센서 화자확인을 위해 인공지능형 음성을 인식하는 센서 및 장비에 관한 기술
센서
150
 국내 화자확인 시스템 분야에서의 시장 규모는 8,593억 원이며 세계 시장은 55억 달러

규모인 것으로 파악
 국내 중소기업의 화자확인 시스템 분야 기술 수준은 세계 최고수준을 보유한 선진국 대비

58.8%, 4.83년의 기술격차를 보이며 유럽, 중국, 일본에 비해 낮은 수준인 것으로 조사됨
▪ 미국(98.8%) > 일본(74.4%) > EU(77.1%) > 중국(67.8%)인 것으로 파악
 특허 출원량은 149건으로 전체 평균인 38.5건에 비해 3.9배 높은 수치
151
전략품목 분석
 화자 확인 시스템은 특히 보안과 관련하여 꾸준한 수요가 있을 것으로 예상, 중소기업의

입장에서는 화자 확인 시스템 개발에 투입되는 막대한 자본이 장애물로 작용할 전망, 따라서
화자 확인에 반드시 필요한 음성 데이터 노이지 기술을 개발함으로써, 시장을 선점할 수
있고 상대적으로 수월하게 시장에 진입 가능
 부족한 기술력을 해결하기 위해 연구소, 대학 등과 연계하여 함께 개발을 진행하거나, 혹은

이미 개발이 진행 중인 해외 기업 또는 국내 기업의 플랫폼을 차용하는 방안도 고려
152
합계
화자간 식별력, 변별력
향상에 대한 가변 길이 6.0 6.0 6.2 6.4 24.6
코드북 생성 알고리즘
world model과 cohort
model 기반의 혼합 구조 6.0 6.0 6.6 6.2 24.8
화자 모델링 기술
화자 움직임을 고려한 채널
6.0 6.0 6.0 5.6 23.6
불일치 보상 알고리즘
화자 특성 변화 요소
6.6 6.6 6.6 5.6 25.4
정규화 기술
장기간 음성 변화 특징
6.4 6.2 7.0 6.2 25.8
예측 모델링 기술
신분확인, 출입통제 상용화
8.8 8.6 7.4 7.4 32.2 선정
기술
문맥 종속형 화자인식
7.0 7.6 7.4 7.8 29.8 선정
시스템
불특정 문맥 화자인식
6.8 7.8 6.8 6.8 28.2
시스템
음성데이터 검출모듈 7.6 7.6 7.6 7.4 30.2 선정
인공지능형 음성인식
7.0 7.2 6.8 7.0 26.6
분석모듈
음성데이터 매칭분석모듈 7.6 7.6 7.4 7.2 29.8 선정
음성데이터 노이즈
7.8 7.4 7.2 7.6 30.0 선정
제거기술
7.4 8.0 7.4 7.4 30.2 선정
플랫폼
인공지능형 음성인식센서 8.8 8.6 6.8 7.0 31.2 선정
153
Robotic Process
Automation (RPA)
정의 및 범위
▪ Robotic Process Automation(RPA)는 기본적으로 사람이 하는 표준화되어 있고 규칙에 기반한 업무를 컴퓨터가
자동적으로 할 수 있도록 전환하는 프로세스를 의미
▪ 인간의 단순·반복 업무 프로세스를 학습하여 인공지능이 그대로 업무를 대신 처리하는 프로그램으로 전사적관리 (ERP)와
더불어 대표적인 업무 자동화 프로그램
- 자동화된 전자메일 응답에서부터 비즈니스 전반의 다른 프로세스에 적용가능
▪ 프로세스나 작업의 유형에 따라 데이터를 처리하는 프로봇(Probots), 데이터를 수집하고 저장하는 노우봇(Knowbots) ,
실시간으로 고객 질의에 답하는 가상 비서인 챗봇(Chatbots)로 분류 가능
- RPA에서 Robotic은 물리적인 로봇을 의미하는 것이 아닌 사람이 하는 인지적인 일을 대신한다는 의미에서 컴퓨터 프로세스를 의미
정부지원 정책
▪‘ 17년에는 국가 전략프로젝트(인공지능) 및 지능정보산업인프라 조성 등 인공지능 신규 사업의 투자규모가 확대
- ‘15~17년 인공지능 ’SW 컴퓨팅 산업원천기술개발‘의 ’딥뷰(시각지능)‘와 ’엑소브레인‘에 이어 ’17년에는 ‘설명

가능한 딥 기계학습 추론 프레임워크 개발’추진
▪ ‘17년 이후 인공지능 분야 정부 R&D 사업이 프로젝트형, 챌린지형 기술개발, 인력양성, 인프라 중심으로 나뉘어
신규 사업들이 추진될 예정
▪ SW정책연구소운영사업(소프트웨어정책연구소)은 SW산업의 변화에 선제적 대응을 위한 전략적 정책연구를

지속적으로 수행
- 주요 산업의 SW중심 혁신역량의 현황을 파악하고 RPA 등 신기술을 활용한 디지털 전환 수준을 진단하여
이를 촉진하기 위한 정책적 제언 도출 목표, SW산업 경쟁력 강화 기반을 마련하고 SW 지삭과 통계의
개방형 커뮤니티 허브를 구축하고자 함
•(환경) 인공지능에 대한 산업 내 인식 증가
•(환경) 사회 전반의 자동화/지능화에 따른 사회적
•(기술) 상대적으로 우수한 인공지능 관련 산업 기술
논의의 부재
•(정책) 정부의 꾸준한 인공지능 진흥 정책 수립
•(기술) 핵심 원천기술 기술개발 미흡
주52시간 근무제의 도입으로 디지털 지능의
•(정책) 기업의 수요에 부적합한 활용 데이터
필요성 극대화
•(환경) 스마트 공장의 도입으로 RPA 적용 범위 확대 •(환경) RPA 글로벌 선두 업체들의 국내 시장 선점

•(기술) 기반기술 연구를 통해 응용 가능 •(기술) 시장 개척에 미흡한 국내 인공지능 기술
•(정책) 정부와 업계의 높은 니즈 •(정책) 미시적, 단기적 시각의 R&D 정책
➜ 계좌개설 신청, 매출 송장 처리, 기준 정보 등록 자동화, 고객/매장별 판매실적 집계, 출하검사 성적서

제출, 비대면 대출 필요 정보 Scraping 및 자동 업데이트 소프트웨어 개발 등 특화된 서비스로 시장 대응
1. 개요
 Robotic Process Automation은 줄여서 RPA라고 하며 사용자 PC 및 모바일 상에서

수행하는 정형화되고 반복 업무를 사람의 작업을 모방하는 소프트웨어가 대신 자동으로
수행하게 해 주는 소프트웨어를 말함
▪ 기존 시스템 구축은 분석, 설계, 구축, 이행에 따른 개발 방법에 따라 수행되지만, RPA는 사람의
행동을 모방하도록 설정되어 빠르게 실무에 적용 가능
▪ 업무량 변화에 따라 유연한 배치와 대응이 가능하고, 기존 업무 프로세스와 시스템을 그대로 사용해
기존 시스템 구축보다 용이
▪ 소프트웨어 로봇은 사람보다 빠르고, 정확하며, 24시간 365일 쉬지 않고 일할 수 있으며, 적은

비용으로 업무 가능
 머신러닝과 음성 인식, 자연어 처리와 같은 인지 기술과 결합시켜, 과거에는 사람의 지각 및

판단 능력이 요구됐던 우선순위가 높은 업무 자동화
▪ 대상의 시스템과 보안에 간섭하거나 변화를 주지 않고 통합되며 현재 사용 중인 소프트웨어를

기반으로 작동
▪ 4차 산업혁명의 기반이 되는 인공지능, 머신러닝 기술과 접목되면서 정형화하기 어려운 업무 혹은

Front-office 업무 등으로 영역 확장
▪ 챗봇은 투자 및 운영 비용이 낮고 구현하기 쉬우며, 맞춤형 소프트웨어나 정교한 시스템 통합이 불필요
 RPA의 특징
▪ 실제 로봇이 사람을 대신해서 업무를 처리하는 것이 아닌 사람이 하는 반복적이고 한정적인

지능만을 요구하는 일을 대신해 주는 개념의 자동화 소프트웨어
▪ 어플리케이션을 사용하여 동작을 녹화하고 자동화하며 사용자의 처리 방식과 동일하게 어플리케이션의

인터페이스를 작동
▪ 특정 기술에 종속되지 않으며 어떠한 어플리케이션과도 함께 사용 가능하며 자동화 스크립트와

프로세스 관리를 위해 Central Repository를 사용
▪ 동적인 Decision Point/분기점과 순환반복 고리를 가진 워크플로(Workflow)를 구성하며 자동화

script의 재사용이 가능
▪ RPA는 사람이 하는 저부가가치 업무를 자동화 처리함으로써, 고부가가치 업무 및 차별적 비즈니스

가치 발굴 등의 창의적 업무에 인력을 집중할 수 있는 환경 제공
158
 RPA는 다른 디지털 기술에 비해 검증되고 산업 내 일정 수준 상용화된 기술
▪새로운 기술은 도입시 창출 가치가 모호하거나 심지어 신기술 도입으로 인해 기존 비즈니스를 위험에
빠뜨릴 가능성도 존재
▪그에 반해, RPA는 최근 2~3년간의 본격적인 도입 이후 많은 기업들이 투자 대비 성과를

입증하였으며 이로 인해 새롭게 도입을 시도하는 기업들이 증가
 RPA 적용을 위해 대상 업무를 찾고 이에 대한 우선순위를 평가하기 위해서는 구체적이고

세부적인 선정기준 필요
▪ RPA 선정 기준
- 업무 적합도: 반복적, 대량 업무, 디지털 데이터, 규칙 기반 행동, 업무처리 Risk, Impact

- 수행 인원 수: 업무 처리 인원수, 지원부서 인원수, 적정 인원수에 대한 기준은 없지만, 많은
인원이 단순 반목 업무를 수행하고 있을수록 RPA도입으로 의한 인건비 절감이 큼
- ROI : 비용 대비 절감
 RPA의 도입은 기업 내 여러 가지 효과 창출
[ RPA 도입 효과 ]
구분 세부기술
• 기존 시스템을 활용하여 구축하기에 신속히 구축 가능

신속성
• 시스템 설계에 많은 노력이 소요되지 않음(약 1주내)
• 기존 IT 시스템의 변경이나 신규 인터페이스 개발 불필요(기존 시스템 기반 위에서

확장성과 용이성 작동 가능)
• 다른 지점에 수요가 있을 때 쉽게 적용 가능함
범용성 • 여러 종류의 시스템, 어플리케이션, 커뮤니케이션 수단 간 인터페이스 구축 가능
• 12~18개월내 시스템 투자비용 회수 가능

효율성
• 고부가치 활동에 집중할 수 있는 인적자원의 재배치 가능
• 시스템 구축으로 외주사 등에 민감한 데이터에 대한 접근 방지

안정성
• 추가적인 인력 없이 자력으로 정보보호 수행 가능
• 입력 자동화를 통한 오기 예방
정확성
• 데이터 무성으로 인해 재확인 절차 감소
159
나. 범위
 RPA는 인공지능, 빅데이터 등 4차 산업혁명의 다양한 기반 기술들이 기업의 내부 업무에

활용되는 과정으로 대표적인 인공지능 기술로 볼 수 있음
어플리케이션
• GUI 어플리케이션의 객체 인식 및 추적 기술
객체인식 및 추적
• 반복적인 프로세스의 사람의 실행을 에뮬레이트하고 대량의

로봇 프로세스
데이터를 한 시스템에서 다른 시스템으로 입력, 복사 및
자동화
붙여넣기와 같은 작업을 시뮬레이션하는 로봇 기술
• 이미지 인식 기술은 이미지 또는 비디오 상의 객체를 식별하는

이미지
컴퓨터 비전 기술로 딥러닝과 머신러닝 알고리즘을 통해 산출되는
인식기술
핵심 기술
Robotic
Process
• 텍스트나 음성으로 인간과 대화하는 소프트웨어 로봇으로 패턴인식,
Automatic 챗봇
자연어처리, 시멘티 웹, 텍스트 마이닝, 상황인식 컴퓨팅 기술
(RPA)
• OCR(Optical character Recognition) 기술은 이미지에서 광학적인

OCR
음영을 통해 테스트를 추출하는 기술
• 인공 지능 시스템에 관한 기술로서, 학습엔진을 통해서 인간 두뇌의

딥러닝
인지, 판단 등의 기능을 모사하는 인공지능 기계학습 알고리즘에
알고리즘
관한 기술
로봇 디버깅 •컴퓨터 프로그램의 오류를 찾아내고 고치는 작업 등을 하는 로봇

시스템 디버깅 시스템에 관한 기술
160
 단순하고 반복적인 작업의 자동화를 통해 업무 효율성을 높이고, 비용 절감을 위한 방안으로

주목받고 있음
▪ 단순 업무 프로세스뿐만 아니라 인공지능을 활용한 의사결정에 이르기까지 넓은 분야에 활용
• 은행의 경우 은행 간 자금 경제를 관리하거나 현금/외환/투자 현황

보고서를 작성하거나 이상탐지거래를 분석하고 자금세탁 거래
금융
모니터링 기술
• 비재면 고객 대응 분야, 보험사의 고객 및 계약 관리에 적용
• 거래처에 대한 정보를 등록하거나 견적대사 작업을 자동화 시키는 기술

• 제조한 물품의 출하 검사 성적서 자동 생성 및 입력 업무를 자동화 하는 기술
Robotic 제조업
Process • 연구개발, 구매, 영업 등에 적용하여 기업의 생산성을 높이거나, 서비스
Automation 영역의 주문 대행 및 시장가 분석 등에 도입가능한 경쟁력 강화 기술
(RPA)
• 상품/고객별 수익성을 분석하고 재무 데이터를 관리하는 기술

경영
• 회계와 같은 경영 지원 쪽으로 활용가능한 기술
• 데이터 입력 업무 자동화 예를 들어 직원의 입사 절차나 대외보고,

인사
복리후생 등의 업무를 자동으로 처리 가능한 기술
161
 RPA시장은 RPA 소프트웨어와 RPA 서비스로 구분
 RPA 소프트웨어 시장은 RPA 솔루션 플랫폼을 라이선스 형태로 판매하는 시장을 의미
▪ 대부분의 RPA 업체들은 RPA 개발 플랫폼을 만들어 교육을 이수한 개발자들이 자시의 플랫폼을
활용하여 RPA를 개발, 구축하도록 지원
▪ RPA 업체 일부는 RPA 관련 서비스도 제공하지만 대부분은 소프트웨어 플랫폼 공급자 역할만 수행
 RPA 서비스 시장은 RPA 솔루션을 도입한 후 기존 인력에 대한 변화 관리, 프로세스 개선 및

유지 보수 서비스를 제공하는 시장
▪ RPA 업체들과 파트너십을 체결하고, Process Innovation Tool로 RPA 솔루션을 적극적으로 활용
 RPA는 금융 분야의 비중이 가장 크지만, 제조, 서비스 등 다양한 분야로 확산 중이며, 재무,
회계, HR, 고객 관리 등 전 산업 공통인 경영지원 분야로 활용 범위 확대 추세
▪ 최근 인공지능, 빅데이터, 사물인터넷 등 4차 산업혁명의 다양한 기반 기술들이 기업의 내부 업무에
활용되는 과정에서, 인공지능 기술 중 하나인 RPA도 인간의 노동의 디지털 노동으로의
대체수단으로 많은 관심을 받는 중
▪ 제조 영역에서는 공장자동화와 스마트 팩토리에 보급하면서 기업의 생산성을 증대시키는 한편,

서비스 영역에서는 RPA가 도입되면서 기업의 경쟁력 강화
▪ 글로벌 기업들은 단순 업무 프로세스뿐만 아니라 인공지능을 활용한 의사결정에 이르기까지 디지털

노동을 적극적으로 폭넓은 범위에 도입
162
 RPA가속하는 SW 산업은 SW를 개발, 제작, 생산, 유통하는 일련의 과정과 관련된 모든
산업을 지칭
▪ SW 산업은 부문별로 패키기 SW, 컴퓨터 관련 서비스 (IT서비스), 디지털콘텐츠 개발서비스 등으로 분류
▪ 패키지 SW에는 시스템SW, 개발용SW, 응용SW 등이 있으며, IT서비스에는 시스템 통합, 시스템
관리 등이 있음
 SW는 전문 개발인력에 의해 좌우되는 개발프로세스 및 개발자간 정보교환이 중요

▪ 전문 인력에 대한 의존도가 높은 편이며, 기계장치 및 설비보다 고급 연구개발 인력이 생산의 핵심요소
 후방산업으로는 딥러닝 알고리즘, 로봇 디버깅 시스템, 어플리케이션 객체인식 및 추적, 이미지

인식 기술과 OCR, 챗봇 등이 있음
▪ 딥러닝 알고리즘은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습
알고리즘의 집합으로 정의되며, 사람의 사고방식을 컴퓨터에게 가르치는 기술
▪ 딥러닝 알고리즘과 결합하여 고차원적인 Intelligent RPA로 진화
▪ 챗봇 기술은 자연어 처리 등과 결합해 소비자 상담에 활용 가능
 전방산업은 금융, 제조업, 경영, 인사 등으로 구성
▪ 딥러닝 알고리즘, 미이지 인식 기술과 OCR, 어플리케이션 객체인식 및 추적 기술을 하나의

프로그램으로 만들어 RPA서비스를 제공
▪ 금융 산업의 경우 다수의 시스템을 사용하는 작업과 단순한 정보 입력 등의 쉽고 반복적인 작업이

많은 부분을 차지하고 있어 RPA의 대표적 적용 산업
▪제조 산업은 이제 RPA 적용을 검토 중이며 많은 기업이 도입을 위한 개념 검증(PoC)을 걸쳐 일부

업무에 RPA를 적용하는 프로젝트를 진행하고 있음
[ RPA 기술 분야 산업구조 ]
후방산업 RPA 전방산업
어플리케이션 객체인식 및 추적,

데이터 수집 및 저장 기술, 처리 로봇 프로세스 자동화, 이미지
금융, 제조업, 경영, 제조업
기술, 소프트웨어 제작 기술 인식기술과 OCR, 챗봇, 딥러닝
알고리즘, 로봇 디버깅 시스템
163
(1) 세계시장
 글로벌 RPA시장은 ‘16년 약 2억 1,700억 달러 규모로 전망되며, 연평균 35.2% 성장하여

‘21년까지 12억 2,400억달러 규모에 이를 것으로 예상
[ 세계 RPA 분야 시장 ]
(단위 : 만 달러, %)
구분 ‘16 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
세계시장 27,100 44,300 62,900 82,200 102,200 122,400 165,485 35.2
* 출처 : HfS 리서치
 RPA 산업을 소프트웨어와 서비스로 분류하였을 때, RPA 소프트웨어 산업은 ‘16년 7300만
달러에서 ’21년 2억 7200만 달러로 연평균 30.1% 성장할 것으로 예측, 같은 기간 RPA
서비스는 1억9800만 달럴에서 9억 5200만 달러로 연평균 36.9% 성장할 전망
▪ RPA 소프트웨어의 비중은 ‘16년 26.9%에서 연평균 3.8% 감소하여 ’21년에는 22.2%로 감소될
것으로 예측
▪ 반면, RPA 서비스는 연평균 1.3% 성장하여 ‘16년 73.1%에서 ’21년 77.8%로 시장 점유율을
높여갈 전망
164
[ 세계 RPA 분류별 시장 규모 ]
구분 ‘16 ‘17 ‘18 ‘19 ‘20 ‘21 CAGR
RPA 시장규모 73 113 153 192 232 272 30.1
소프트
웨어 RPA 내 비율 26.9 25.5 24.3 23.4 22.7 22.2 -3.8
RPA 시장규모 198 330 476 630 790 952 36.9

서비스 RPA 내 비율 73.1 74. 75.7 76.6 77.3 77.8 1.3
* 출처 : HfS 리서치
 2017년 Harvey Narsh와 KPMG International이 세계 86개국 4,498명의 CIO대상 설문 조사

결과 34%의 응답자는 이미 RPA등의 디지털 노동에 투자 중이거나 투자할 계획이라 응답
 글로벌 리서치사인 포레스터 리서치는 더 낙관적으로 예측하여 세계 RPA 시장이 ‘21년 29억
달러(약 3조 2000억 원) 규모로 성장할 것으로 전망
 RPA는 4차 산업혁명과 맞물려 금융권 등을 중심으로 다양한 분야에서 선별적으로 도입중

▪ 미국 앤더슨 암센터에서는 암진단에 RPA를 활용하여 일반 암진단 오진율 20%를 대폭 낮추었으며
암 종류별로 대장암 98%, 방광암 91%, 췌장암 94%로 진단 정확도 제고
▪ 미국 베이커앤드포스테틀러 로펌에서는 변호사 업무의 30~40%를 차지하는 판례 분석을 RPA를

도입하여 자동화함
▪ 일본 금융업계에서는 고객의 투자 결정 및 자산운영 보조의 개념으로 빅데이터, 인공지능, 로봇의

개념을 융합한 로봇어드바이저 및 각 금융사에 맞는 RPA 도입 중
 RPA와 유사하게 인간의 업무를 일정 부분 대체해 주는 ‘’디지털 노동‘인 로보

어드바이저(RoboAdvisor)는 로봇(Robot)과 어드바이저(Advisor)의 합성어로 2002년 처음
사용된 용어로, 법제도, 학계, 산업계 등에서 정의가 규정되지 않은 상태이나 현재 서비스의
역할, 기술의 수준, 산업 동향 등을 근거로 의미를 유추하여 정의
▪ 현재는 주로 금융권에서 자산 운용 및 접근 방식에 따라 Automated Investment Advisor, Digital
Investment Advisor, Online Financial Adviro, Automated Investment Tool 등으로 불리며,
실제로 산업 내에서 활용되기 시작한 서비스
165
 세계 로보 어드바이저 시장 규모는 ‘16년 9억 7100만 달러에서 ’21년 109억 9000만 달러로

연 평균 62.5%의 성장률을 보일 전망
▪ 머신러닝에서 딥러닝으로 진화한 인공지능 기술이 산업 전반에 활용 가능한 수준으로 급격히 발달한
점과, 4차 산업 혁명에서 금융권 인공지능에 대한 관심 고조, 핀테크(FinTech)등의 발전 등에 따라
시장 활성화 추세
▪ 딥러닝을 통한 대규모 데이터 기반의 정보 수집은 인간 자산 관리사에게 최적의 자료를 제공할 수

있을 것으로 예상
[ 세계 로보 어드바이저 시장규모 및 전망 ]
(단위 : 백 만 달러, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
세계시장 1,874 3,321 5,384 8,002 10,990 17,859 62.5
* 출처 : Statista, 2016
 로보 어드바이저의 선진 시장이라고 할 수 있는 미국에서는 향후 3~5년 사이에 폭발적인

성장이 일어날 것으로 예견
▪ 전 세계 로보 어드바이저 자산 관리 규모가 ‘15년 200억 달러에서 ’20년 4,500억 달러로 약 23배

성장할 것으로 전망하고 있으며, 특히 미국에서는 전체 투자 자산 중에서 로보 어드바이저 서비스에
의해 운용되는 자산 비중은 ‘15년 0.5%에서 ’20년 5.6%까지 상승할 것으로 전망
166
[ 미국 투자 자산 중 로보 어드바이저 자산 비중 및 전망 ]
(단위 : %)
7
6 5.6
5 4.1
4
2.7
3
1.7
2
0.9
1 0.5
0
'15 '16 '17 '18 '19 '20
* 출처 : A.T Kerney, Insight from the A,T.Kearney 2015 Robo-Advisory Services Study, 2015.6., 금융보안원 2016 재인용
(2) 국내시장
 국내 시장에서 RPA는 도입단계로 구체적인 시장 규모 파악에 어려움이 있으나, 최근 52시간

근무제 시행에 따라 기업 내에서 업무 자동화에 대한 관심 고조
▪ 정산 검증 등의 단순한 작업을 RPA로 대표되는 ‘디지털 노동’으로 전환하여 직원들이 보다 더

창의적이고 가치있는 일에 집중할 수 있는 환경을 제공함으로써 성과 극대화 가능
▪ ‘17년 말부터 RPA에 대한 기술사전검증(PoC)이 시작되여 ’18년부터 대기업 위주로 RPA 도입이
본격화
 국내 RPA 서비스 시장은 컨설팅 펌 주도의 사업 발굴 및 PI, 개발 사업 위주
▪ SK C&C, Posco ICT 등 국내 기업들은 RPA 서비스 사업 개발을 위해 국내외 RPA 솔루션을 직접
구매, 교육하고 향후 외부 사업을 위한 전담 조직 밑 투자를 진행
 ‘디지털 지능’을 활용한 국내 로보 어드바이저 시장은 이제 시작 단계 혹은 시작 준비

단계이나 향후에는 해외 시장과 마찬가지로 큰 성장률을 보일 전망
▪ 로보 어드바이저 도입기(2016~2018년)인 2016년부터 증권사를 중심으로 자문형상품 형태였다가,
2017년 주요 은행권에서 알고리즘 기반 자산관리 서비스를 출시하면서 2018년부터
로보어드바이저가 본격적으로 확산될 전망
▪ 로보어드바이저 확산기(2018~2023년)에는 비대면 일임형 로보어드바이저 허용 등 제도적으로

정비되고, 하이브리드형 등 다양한 형태의 로보어드바이저가 출현
▪ 로보어드바이저 성숙기(2023~2025년)에는 온라인 자산관리 서비스로 정착되면서 휴먼

어드바이저와 경쟁이 본격화 될 것으로 전망
167
 ‘18년부터 ’25년까지의 연평균 성장률은 62.6%로 국내 로보 어드바이저 시장의 급격한 성장 예상
 수익률에 대한 신뢰와 IT발달 등 오프라인보다는 온라인 중심으로 로보어드바이저 시장이

확산될 전망
[ 국내 로보 어드바이저 시장규모 및 전망 ]
(단위 : 원, %)
구분 ‘18 ‘19 ‘20 ‘21 ‘22 ‘23 CAGR
국내시장 1조 2조 5조 10조 18조 25조 62.6
* 출처: KEB 하나은행, 2018
 국내 RPA 시장이 도입단계 라는 점과, 유사한 ‘디지털 지능’을 활용한 로보어드바이저 시장

규모가 세계 시장성장률을 웃돌고 있다는 점에서 국내 RPA 시장도 앞으로 빠른 성장을 할
것으로 예측
168
3. 기술 분석
 인공지능(AI) 붐도 RPA의 도입 배경으로 꼽히며, RPA가 ‘AI를 활용한 사무 고도화의 첫

걸음’으로 자리매김하며 주목도 고조
 조만간 RPA와 인공지능을 조합한 시스템이 등장할 것이라는 전망이 나오는 것도 RPA 도입
결정에 긍정적인 요인으로 작용
▪ 루틴(routine)한 작업뿐만 아니라 중장기적으로 고비용의 전문직 인력이 해오던 고급 의사 결정까지
대행을 맡길 수 있음
▪ RPA를 도입하려는 기업은 PRA 도구들을 정확히 비교, 평가하고 자신들에게 적합한 도구를
선택하는 것이 매우 중요
▪ 단순 업무 처리에 그치지 않고 고도의 전문성을 요하는 업무까지 RPA로 처리하게 될 경우 이는

기업의 경쟁력과 직결
 RPA의 기능이 고도화되고 도입이 확산된다면 생산성 향상의 순기능뿐 아니라 인간 노동력의
재배치 이슈도 발생할 것이므로 섬세한 도입 로드맵 마련 요구
▪ IBM에 따르면 기업 업무 중 약 33%를 차지하는 데이터 수집과 처리 영역에 RPA를 우선 도입할
수 있으며, 약 30%를 차지하는 전문 지식이 필요하고 인력 간 상호작용이 필요한 업무에도
고도화된 RPA의 도입이 가능하한 것으로 분석
▪ AI 기반의 RPA가 제시하는 고급 의사결정 지원까지 이루어질 경우, 사무 업무의 생산성 향상이라는
당초 RPA 도입 목적 달성을 넘어 기업 인력구조 전반의 거대한 변화로 이어질 가능성 높음
◎ 연구 개발 동향
 RPA 봇은 단순히 봇으로써만 활용되기보다 AI, 컴플라이언스 등을 연계해 업무 처리 효율을

높이는 방향으로 진화
▪ AI 챗봇, 머신러닝, 광화문자판독기(OCR) 등과 연계된 차기 RPA 개념이 등장
▪ 실제로 구현될 경우 더욱 강력한 성능과 효과를 낼 수 있을 것으로 기대
 기업이 제대로 된 RPA 도구를 선택하려면 사람으로 치면 “눈-뇌-손”에 해당하는 기술

요소들을 잘 이해해야 하는데, 우선 눈에 해당하는 기술 중에는 구조 분석 기술이 가장 중요
▪ 구조 분석 기술은 RPA 도구가 조작 대상으로 삼는 응용 프로그램의 화면들이 어떤 요소로
구성되어 있는지를 해석하는 것으로, 구성 요소에는 메뉴, 입력 영역, 버튼, 선택 항목 등이 포함
▪ 구조 분석 기술을 사용할 수 있어야 보다 확실하게 조작 대상을 특정할 수 있게 되며, 구조를

분석할 수 없는 응용 프로그램의 업무를 자동화하려면 작업 대상을 ‘이미지’로 인식해야 함
169
 구조 분석 기술에서는 웹 사이트에서 정보를 추출하기 위해 ‘웹 스크레이프’ 기술을 많이 사용
▪ 이 기술은 가령 웹페이지로 퍼블리싱되는 주가 및 부동산 정보 등의 정보를 추출하고 이를 가공

분석하여 보고서를 작성하는 업무를 자동화하는 경우 아주 유용
▪ 추출 대상으로 하는 웹 사이트의 정보 중 일부는 표 형식의 데이터로 존재하는 경우가 많은데,

이러한 표 형식의 데이터를 그대로 가져오는 구조를 가진 도구들도 활용 가능
▪ 스크립트의 작성은 ‘시나리오’ 기반으로 이루어지며, 소프트웨어 로봇의 작업 흐름을 정의한 시나리오대로
실제 구현이 되게 하려면 정보의 용이한 취득을 지원하는 구조 분석 기술 요소가 매우 중요
 구조 분석 기술을 보완하는 것으로 이미지 인식 기술과 OCR 등을 사용
▪ PC의 해상도를 비롯해 RPA의 실행 환경에 따라 작동이 다를 수 있고, 구조 분석 기술에 비해 조작

대상을 특정하는 정확도는 떨어지지만 많은 RPA 도구들이 이미지 인식을 채택
▪ OCR 엔진을 포함하고 있는 RPA 도구도 있는데, 원격 데스크톱으로 접속한 화면에서 정보를
검색할 때 이미지 정보를 텍스트화로 변환할 필요가 있는 경우 등에 이용
▪ 정보를 추출해야 할 대상이 종이 장표 밖에 없는 경우 당연히 OCR 도움이 필요하며, 정보를

디지털로 변환하여 RPA 도구로 처리할 수 있도록 할 필요성이 클수록 OCR 엔진을 활용도가
높아짐
 사람의 뇌에 해당하는 기술은 업무 절차와 규칙에 따라 작업이 진행될 수 있도록 하는

역할을 하며, 워크플로우와 규칙 엔진이 대표적
▪ 기업의 직원은 일상적인 업무를 일반적으로 정해진 절차와 규칙에 입각해 진행되는 경우가 많기 때문에
RPA 도구는 작업자의 일련 처리 흐름을 설계하고 실행하는 워크플로우(workflow) 기능이 필요
▪ RPA가 제공하는 규칙 엔진은 처리 대상 상품의 할인율을 바꾼다거나, 신청 유형에 따라 심사

대상을 바꾸는 등 미리 정한 규칙에 따라 작업을 실행할 수 있게 해주는 기술 요소
▪ 업무 규칙은 다양한 상황 변화에 따라 수시로 변경되는 것이 일반적이며, 규칙 엔진을 사용하면

시스템에 미치는 영향을 최소화하면서 규칙을 추가, 변경 가능
 손에 해당하는 기술은 주로 응용 프로그램에서의 정보의 입출력을 담당하며, 마우스나

키보드의 모방과 응용 프로그램 작업 라이브러리 등이 대표적
▪ 대부분 사무 업무는 데이터의 입력과 작성으로 마무리 되므로, RPA는 사람이 마우스나 키보드를
사용하여 작업하는 것을 모방하여 그대로 수행할 수 있게 해주는 기술이 필요
▪ RPA를 윈도 환경에서 실행하는 경우 윈도 API가 제공하는 인터페이스를 활용한 프로그램을

이용하여 마우스와 키보드의 조작을 모방하는 것이 일반적
▪ 기업들이 내놓은 RPA 대부분은 자주 사용되는 응용 프로그램으로 수행되는 작업에 특화된

라이브러리를 제공
- 가령 윈도 환경이라면 “엑셀에서 셀 편집”, “엑셀의 행과 열 추가 및 삭제”, “아웃룩에서 메일

송수신” 등의 작업이 라이브러리 형태로 제공
170
 RPA에 대한 관심이 높아질수록 기업들은 AI 등을 이용하여 기능을 더 고도화 할 것이기

때문에, 도입을 고려 중 이라면 기능 최적화 및 확장성 등을 면밀히 비교할 필요가 있음
▪ RPA는 기술적 측면에서 새롭거나 혁신적인 요소가 있는 것은 아니라, 부분적으로 기술 요소를

도입하는 기업도 존재
▪ RPA 판매를 위해서라면 차별화 된 가치 제공을 위해 최신 기술 트렌드 접목을 시도할 수밖에 없는

측면 존재
 AI 기반의 RPA 도구들은 가령 다양한 장표의 포맷을 기계학습 시킨 알고리즘을 담고 있기

때문에, 장표를 입력하면 레이아웃을 자동으로 인식하여 이름, 주소, 회원번호 등의 항목을
자동으로 추출하는 등의 기능을 구현
▪ OCR과 AI를 조합하여 인식률을 향상시킨 ‘AI-OCR’ 기술의 활용도 시작되고 있기 때문에 RPA
도구와의 연계도 진행될 것으로 예상됨
◎ 기술개발 환경
 RPA를 가장 많이 도입하는 곳은 은행, 보험사, 공익기업, 그리고 통신사가 대표적
▪ 회계 및 인사관리 시스템의 서로 다른 요소들을 통합하는데 어려움을 겪으며, 기존의 수동 작업이나

프로세스를 자동화하거나 레거시 시스템의 기능의 자동화가 필요한 기업들이 주로 RPA 솔루션을 선택
 기업 공통 업무 대부분이 반복적으로 수행하는 업무들이 많은 만큼 RPA의 적용이 가능
▪ 인사 업무를 예를 들어보면 입사한 직원들의 개인정보를 사내 ERP에 입력하고, 급여 지급 관련

항목도 기록해야 하며, 휴가 일정 관리 등 매번 반복적인 업무를 수행하기에 충분히 적용 가능
 다양한 업무에 RPA가 활용될 수 있음이 확인되면서 RPA 성장세에 속도가 붙음
▪ RPA가 유럽 등지에서 빠르게 성장할 수 있었던 원동력으로, 현재 RPA 기술은 기업 공통 업무들에

한해 일정 부분 표준화 단계까지 와 있다고 업계 내에서 평가
 국내에서는 기업들이 RPA에 대해 많은 관심을 갖고 있으면서도, 소규모 도입 이외 전사

확장하는 단계로 이어지지 않고 있음
▪ 국내 기업들이 신기술 도입에 있어서는 상당히 보수적인 자세를 취하고 있기 때문인 것으로 분석
▪ 국내 기업들은 새로운 기술과 제품이 등장했을 경우 테스트 삼아 도입하지 않고 타 기관과 기업에서

얼마나 안정적으로 사용하고 있는지 살핀 후, 도입하는 경우가 대부분
▪ 국내에는 현재 은행, 대기업, 제조사 등 일부에서 도입이 확산되고 있지만, 향후에는 점차 대기업 외
중소기업애서도 봇을 활용하는 경우가 늘어날 것으로 전망
171
 2018년 기금사업인 SW정책연구소운영사업(소프트웨어정책연구소)은 SW산업의 변화에

선제적 대응을 위한 전략적 정책연구를 지속적으로 수행
▪ SW산업의 경쟁력 제고와 사회혁신을 도모하는 SW정책 수립 및 지원을 목적으로 추진
▪ 세부 산업내용은 크게 SW산업 생태계 연구, SW산업 통계 및 동향 분석, 제 4차 산업혁명 대응

SW정책 연구 등 세 부분으로 구성
- 제4차 산업혁명시대 다양한 디지털 신사업의 경제적 편익을 추정하고 소득격차로 인한 양극화,
실업 등 사회적 역기능의 원인과 파급효과를 규명하여 효과적 대응방안 마련
- 국내 SW산업·시장·정책에 대한 백서형태의 연간보고서 발간, SW산업의 통계 생산 체계를 확장하고
생태계, 교육, 글로벌 경쟁력 등을 포괄하는 고도화된 통계체계 구축
- SW정책 전문기관의 필요성에 의해“정보통신진흥 및 융합 활성화 등에 관한 특별법”으로 설립된
SW정책연구소의 안정적 연구기반 수립, 연구역량 강화를 위한 연구지원 환경 확충과 연구소 운영
지원
▪ SW정책연구소운영사업은 RPA를 포함한 신기술의 국내외 기술동향 및 산업발전 절략 연구를

중점적으로 추진하여 SW산업 경쟁력 강화 기반을 마련하고 SW 지삭과 통계의 개방형 커뮤니티
허브를 구축하고자 함
▪ SW정책연구소에서는 주요 산업의 SW중심 혁신역량의 현황을 파악하고 RPA 등 신기술을 활용한

디지털 전환 수준을 진단하여 이를 촉진하기 위한 정책적 제언을 도출하고자 사업을 추진하고 있음
172
(1) 해외기업 동향
 블루 프리즘(Blue Prism), 영국
▪ 2001년 가장 먼저 RPA 솔루션을 개발한 글로벌 매출 2위의 영국 업체로 주로 유럽 금융권의 RPA

Reference를 확보
▪ 매우 정교한 아키텍처를 가지고 있고, 강력한 중앙 통제형 모니터링을 제공
▪ 디지털 노동력을 개발해 업무를 좀더 민첩하고 비용 효율적으로 만드는 데 기여하는 소프트웨어

플랫폼 제공하며 업계에서는 상당히 독자적이라 할 수 있는 유인 및 무인 자동화가 혼합된 솔루션을
제공하여, 백 오피스 프로세스를 자동화하는 동시에 직원의 반복 작업을 지원
▪ 대형 은행은 고객 불만 처리 프로세스를 재설계, 85개의 소프트웨어 로봇을 투입시켜 13가지

프로세스를 운영하고 연간 150만건의 불만접수를 처리해 정규직 230명에 준하는 처리 능력을
추가로 확보하고 더 많은 직원을 고용하는 경우와 비교해 약 30%의 비용절감 성공
 오토메이션 애니웨어(Automation Anywhere), 미국
▪ 미국 캘리포니아에 본사가 위치한 글로벌 매출 1위의 RPA 솔루션으로 SAP 자동화 영역에
전문성을 보유하고 있으며, 단순한 아키텍처로 구현이 용이
▪ 자체적으로 컴퓨터 시각과 머신러닝 등 인공지능 기능을 개발하여 솔루션에 적용
▪ 대출 업무에 자연어 처리 기법을 사용해 대출 신청자의 신용도를 평가하고, 대출 관련 증빙

서류에서 신청자의 정서, 감정 등을 추출해 평가에 사용
▪ 소프트웨어 봇이 종업원과 함께 반복 작업을 처리하는 엔터프라이즈 플랫폼을 공급하고 아울러 인지

머신러닝과 분석 기술도 결합하여 조직이 자신의 업무 프로세스를 가속하는데 기여
 유아이패스 (UiPath), 미국
▪ 미국 뉴욕에 본사가 위치한 유아이패스는 플로우차트 기반의 직관적 개발 환경으로 개발 생산성이

높은 것이 장점
▪ 2018년 2분기 가장 널리 보급된 RPA 플랫폼으로 오픈 엔터프라이즈 및 IT RPA 플랫폼을

제공하여 프론트 오피스와 백 오피스 업무에 걸쳐 비즈니스 프로세스 자동화
▪ 2018년 2월에 국내 지사가 설립되었으며, Object 방식으로 엑셀 처리가 빠르고 오픈 플랫폼

방식으로 API 연계를 통한 외부 인공지능 솔루션과의 다양한 협업 지원
 데이쓰리 비즈니스 서비스(Daythree Business Services), 말레이시아
▪ 데이쓰리의 RPA 솔루션은 반복적인 사무 처리와 고객의 운영 가격을 최소한 25~50% 줄일 수 있도록 설계
▪ 데이쓰리는 사람 행동 자동화 프레임워크를 기반으로 기존 레거시 애플리케이션에 비 침투성 연결을

가능하게 하여 다양한 작업을 위해 구성되고 정의된 동작을 실행
173
 인텔리코그 테크놀로지(IntelliCog Tecnologies), 인도
▪ 인텔리코그 테크놀로지의 솔루션은 기술을 활용하여 이전에 변경되지 않은 프로세스를 자동화하기

때문에 수평적으로도 확장이 가능
▪ 인텔리코그는 고객이 민첩성과 자동화의 혜택을 누리려면 RPA에 관리 서비스를 제공
▪ 타당성 분석 방법론인 TASOSM을 사용하여 5개의 다른 산업 분야에 걸쳐 자동화 프로젝트를

제공하고 1년된 회사임에도 불구하고 500건이 넘는 프로세스 평가에 참여
 크라이언 시스템(Kryon Systems)
▪ 크라이언은 지능형 RPA 솔수션은 참석자 및 무인 RPA를 모두 확장하여 사람과 가상 작업 환경

간의 상호 작용을 가능하게 하여 비즈니스 프로세스의 양측에서 생산성을 향상
 소프토모티브(Softomotive)
▪ 소프토모티브 RPA는 조직이 자체 디지털 인력을 개발, 관리 및 추적할 수 있는 강력한 자동화

플랫폼
▪ 연성로봇은 복잡한 실제 생활 자동화 시나리오를 지원할 수 있는 고유한 기능을 통해 사용자와 공동

작업하거나 자율적인 에이전트로 감독 없이 자율적으로 작업
 IBM은 업계 1위인 오토메이션애니웨어의 RPA 솔루션을 IBM 디지털 프로세스 자동화

플랫폼의 한 구성요서로서 제공하고 있음
▪ 단순히 오토메이션애니웨어의 제품을 리셀링하는 것이 아니라, 파트너십을 통해 기존에 IBM이 가진

소프트웨어 유지보수 체계와 동일한 서비스를 제공함
 페턴인식이나 음성인식, 자연어 처리, 자율학습 등의 기술을 바탕으로 비정형데이터 기반의

의사결정까지 개발 중
▪ 영국의 버진트레인은 RPA를 토입해 연착된 기사 승객에 대한 환불 절차를 자동화
- 고객이 보낸 이메일로부터 불만 사항을 자연어 처리 기술로 스스로 인식하고 환불 절차를 진행하는

것까지 전 과정이 자동화 완료
▪ 한 은행은 종이문서 혹은 PDF 파일로 작성된 송장 및 계약서를 처리할 수 있도록 자연어 처리

기술이 적용된 RPA를 도입, 수수료율 기준을 고객 송장에 잘못 적용해 발생하는 매출 손실을 줄임
174
(2) 국내업체 동향
 RPA에 대한 효과가 점차 증명되고, 기업들의 관심도 높아지면서 국내 RPA 시장도 점차 성장하고

있음 아직은 초기 단계에 불과하지만, 점차 중소기업 등에도 확산될 것으로 예상되면서, RPA
소프트웨어뿐만 아니라 관련 컨설팅 시장도 함께 성장할 것으로 관측
▪ 글로벌 RPA 소프트웨어 업체 빅3 중 이미 두 곳이 지난해 한국지사를 설립하고 영업력 강화에 나섬.
▪ 유럽, 미국 등에서는 이미 4~5년 전부터, 일본은 3년 전부터 기업들이 RPA를 도입해 활용하고
있으며, 우리나라 역시 1~2년 전부터 RPA에 대한 기업들의 관심이 높아지고 있는 추세
 국내 IT 솔루션 주력 업체인 이든티앤에스는 업무 자동화 RPA 솔루션인 ‘웍트로닉스’를

개발하여 ‘18년 10월 출시
▪ 이든티앤에스가 기존의 다수 글로벌 및 국내 디기업을 위해 제공했던 RPA 솔루션 컨설팅 및 구축

경험을 토대로 자체 개발한 소프트웨어 솔루션으로, 국산 RPA 의 국내시장 선도 가능성 피력
 국내 RPA 서비스 시장은 주로 해외 솔루션을 기반으로 유명 회계 컨설팅 업체들이 주도하고

있으나 최근에는 국내 대형 SI기업들도 속속 RPA 솔루션을 선정하고 사업을 시작하는 추세
▪ LG CNS는 RPA 표준 솔루션을 선정해 이를 LG Cloud에 탑재하여 각 고각사들의 빠른 PoC
수행을 지원
▪ LG CNS DAP 플랫폼의 인공지능 기능과 연계하여 챗봇 서비스, 자연어 텍스트 자동 분류 및 생성

서비스 등의 추가 서비스를 제공할 예정
▪ 클라우드를 통한 통합 운영 서비스 제공으로 사용량 기반의 과금 체계 및 효과성이 입증된 RPA

스크립트를 재사용할 수 있도록 지원
 전 세계적으로도 일하는 방식에 대한 개혁이 일어나고 있으며, 점차 봇과 일하는 산업 분야도

증가하고 있음, 이에 대해 ‘빨리 습득하지 않으면 경쟁사에 비해 뒤쳐진다.’는 의미로
해석하는 기업들도 늘어나는 추세
▪ 국내 업계에서는 미래 모습을 전망하며 현재 대부분의 업무용 PC에 메신저가 설치돼 있듯이,

향후에는 RPA 봇도 기본으로 설치될 것으로 보고 있음
175
[ 국내외 중요 기업 동향 ]
회사명 국가 설립연도 관련 동향
•비지니스 운영을 좀더 민첩하고 경제적으로 혁신하면서 조직이 디지털

인력을 개발할 수 있도록 돕는 소프트웨어 플랫폼 제공
블루프리즘 영국 2001
• 로봇 프로세스 자동화(Robotic Process Automation)라는 용어를 처음
만들었음
•글로벌 RPA 시장 1위
•현재 전 세계 1,000여개의 기업을 고객사 보유
오토메이션
미국 2003 •골드만 삭스, NEA가 공동 주관한 시리즈A 투자에서 2억 5천만 달러 확보
애니웨어
•엔터프라이즈 소프트웨어 기업으로는 최대 규모인 18억 달러의 기업가치가
있는 것으로 평가
•한국에서 사업 확대를 위해, 라이선스와 컨설팅, 구축 파트너로

이노에버솔루션과 제휴
유아이패스 미국 2003
•정기적인 세미나 개최로 고객·파트너를 대상으로 금웅, 공공, 제조,
유통산업별 구제척인 RPA 적용 사례 공유
• 2018년 APAC RPA 회사 Top 10에 이름을 올림

데이쓰리
말레이시 • 비즈니스 프로세스의 영역에서, 회사는 프로세스 합리화, 프로세스 효율
비즈니스 2005
아 향상 및 필수 기술 및 기술에 투자하지 않고 운영비용 절감을 통해
서비스
고객의 비즈니스 성과를 향상시키는 데 중점을 두고 있음
• 젊은 회사인 IntelliCog는 흥미로운 기술과 솔루션을 고안하고 있음

인텔리코그 • 그 중 하나는 프로세스를 자동화하기 위해 여러 ERP 솔루션에 통합
인도 2001
테크놀로지 인터페이스를 제공하는 BOT 기반 응집력 있는 재무 및 회계 플랫폼 인
FinBot임
• 크라이언 시스템은 혁신적인 기업을 위한 디지털 변환을 가능하게 하는

크라이언
미국 2008 지능형 로봇 프로세스 자동화 솔루션을 제공함
시스템
• 운영 효율성을 제공하고 위험에 노출되는 것을 줄이고 위험으로부터

소프토모티
영국 2005 안정성과 확장성이 검증된 RPA 기술 솔루션을 제공함
브
176
다. 특허 동향
◎ Robotic Process Automation (RPA) 분야 특허상 주요 기술
 주요 기술
▪ 인간의 단순·반복 업무 프로세스를 학습하여 인공지능이 그대로 업무를 대신 처리하는 프로그램으로
전사적관리 (ERP)와 더불어 대표적인 업무 자동화 프로그램이 포함
어플리케이션 객체인식 및 GUI(graphical user interface) 어플리케이션의 객체 인식(Object

A
추적 Recognition) 및 추적(Tracking) 기술
반복적인 프로세스의 사람의 실행을 에뮬레이트(emulates )하고

로봇 프로세스 자동화 B 대량의 데이터를 한 시스템에서 다른 시스템으로 입력, 복사 및
붙여 넣기와 같은 작업을 시뮬레이션(simulate)하는 로봇 기술
이미지 인식(Image recognition) 기술은 이미지 또는 비디오

상의 객체를 식별하는 컴퓨터 비전 기술로 딥러닝과 머신러닝
이미지 인식기술과 OCR C 알고리즘을 통해 산출되는 핵심 기술, OCR(Optical Character
Recognition) 기술은 이미지에서 광학적인 음영을 통해 테스트를
추출하는 기술
텍스트나 음성으로 인간과 대화하는 소프트웨어 로봇으로

패턴인식(Pattern Recognition), 자연어처리(Natural Language
챗봇 D
Processing), 시멘티 웹(Symantic Web), 텍스트 마이닝(Text
Mining), 상황인식컴퓨팅(Context Aware Computing) 기술
인공 지능(Artificial Intelligence, AI) 시스템에 관한 기술로서,

딥러닝(deep learning)
E 학습엔진을 통해서 인간 두뇌의 인지, 판단 등의 기능을 모사하는
알고리즘
인공지능 기계학습 알고리즘에 관한 기술
로봇 디버깅(debugging) 오류 수정. 컴퓨터 프로그램의 잘못을 찾아내고 고치는 작업등을

F
시스템 하는 로봇 디버깅(debugging) 시스템에 관한 기술
177
▪ Robotic Process Automation (RPA) 기술의 요소기술별 주요 출원인 국적별 특허정보 데이터
입수하였으며, 최근 10년간의 특허데이터를 비교 분석
어플리케이션 객체인식 및 추적 45 61 12 9 17 144
로봇 프로세스 자동화 3 8 1 0 2 14
이미지 인식기술과 OCR 8 14 0 2 0 24
챗봇 11 16 0 3 2 32
딥러닝(deep learning) 알고리즘 136 355 64 49 109 713
로봇 디버깅(debugging) 시스템 24 8 11 4 6 53
합계 227 462 88 67 136 980

그 다음으로는 한국, 일본, 유럽 국적 출원인 순
▪ 어플리케이션 객체인식 및 추적 기술 분야에서는 미국국적의 출원인이 가장 많은 비중을 차지하고

있으며, 그 다음으로는 한국, 일본, 유럽 국적 출원인 순
▪ 로봇 프로세스 자동화 기술은 전체적으로 관련 특허 출원 실적이 미미
▪ 이미지 인식기술과 OCR 기술 분야에서는 미국과 한국국적의 출원인이 가장 많은 출원을 하고

있으며, 일본과 유럽국적은 특허 출원 실적이 미미
▪ 챗봇 기술은 미국과 한국국적의 출원인이 가장 많은 출원을 하고 있으며, 일본과 유럽국적은 특허

출원 실적이 미미
▪ 딥러닝(deep learning) 알고리즘 기술 분야에서는 미국국적의 출원인이 가장 많은 출원을 하고

있으며, 그 다음으로는 한국, 일본, 유럽 국적 출원인 순
▪ 로봇 디버깅(debugging) 시스템 기술 분야에서는 한국국적의 출원인이 가장 많은 출원을 하고

있으며, 미국과 유럽국적의 출원인이 상대적으로 적은 출원량을 보임
178
▪ 관점을 국내·외 출원인으로 바꾸어 보면 한국국적의 출원인은 외국국적의 출원인에 비해

어플리케이션 객체인식 및 추적 기술(A)와 로봇 디버깅(debugging) 시스템 기술(F) 분야의 출원
비중이 상대적으로 높게 나타남
▪ 반면, 한국국적의 출원인은 외국국적의 출원인에 비해 딥러닝(deep learning) 알고리즘 기술(E)

분야에 상대적으로 특허 출원 비중이 상대적으로 낮은 것으로 분석
▪ 한국국적 출원인의 특허 출원량은 등락을 거듭하긴 하지만 비교적 꾸준히 출원량이 높아지는 경향

때 이 점을 유의

있으며, 2017년을 기점으로 더 많은 출원량을 보임
179
기술
집중도
•한국전자통신연구원 •산학협력단 및 중소업체 중심

어플리케이션 객체인식 및
추적
● •Cocoro SB Corp •대학교 산학협력단,
•Z Advanced Computing, Inc 한국전자통신연구원 등
•Dionicio MELCHOR BATISTA

로봇 프로세스 자동화 ◔ JEREZ •주식회사 싸이트로닉 등
•Stephan Heath
•산학협력단 중심
•퀄컴 인코포레이티드
이미지 인식기술과 OCR ◔ •Z Advanced Computing, Inc
•연세대학교산학협력단,
한양대학교에리카산학협력단 등
•Cleverspeck, LLC
챗봇 ◓ •NCR Corporation
•네이버, 마인드셋, 스마트소셜 등
•salesforce.com, inc.
•삼성전자 •대학교산학협력단 및 중소업체

알고리즘
● •Google Inc 중심
•AT&T Intellectual Property •삼성전자, 대학교산학협력단 등
•대학교산학협력단 및 인터넷회사
•Microsoft Technology Licensing,
로봇 디버깅(debugging) 중심
시스템
◕ LLC
•한국전자통신연구원, 국방과학연구소,
•Stephan Heath
한국과학기술원 등
※ ●: 50건 이상, ◕: 30~49건, ◓: 20~29건, ◔: 10~19건, ◯: 10건 미만
180
 어플리케이션 객체인식 및 추적 기술 분야 주요 출원인 동향
▪ 어플리케이션 객체인식 및 추적 기술 분야는 Intel, 한국전자통신연구원에서 많은 특허를 보유하고

있으며 그 다음으로는 Cocoro SB Corp과 Z Advanced Computing, Inc 순으로 다수의 특허를 보유
 로봇 프로세스 자동화 기술 분야 주요 출원인 동향
▪ 로봇 프로세스 자동화 기술 분야는 Dionicio MELCHOR BATISTA JEREZ가 가장 많은 특허를

보유하고 있으며 그 다음으로는 Stephan Heath 등이 많은 특허 출원
 이미지 인식기술과 OCR 기술 분야 주요 출원인 동향
▪ 이미지 인식기술과 OCR 기술 분야는 퀄컴 인코포레이티드가 가장 많은 특허를 보유하고 있으며, 그

다음으로는 Z Advanced Computing, Inc 등이 많은 특허 보유
 챗봇 기술 분야 주요 출원인 동향
▪ 챗봇 기술 분야는 Cleverspeck, LLC이 가장 많은 특허를 보유하고 있으며. 그 다음으로는 NCR

Corporation, salesforce.com, inc가 다수의 특허 보유
 딥러닝(deep learning) 알고리즘 기술 분야 주요 출원인 동향
▪ 딥러닝(deep learning) 알고리즘 기술 분야는 삼성전자가 가장 많은 특허를 보유하고 있으며 그

다음으로는 Google, AT&T Intellectual Property 등이 많은 특허 출원
 로봇 디버깅(debugging) 시스템 기술 분야 주요 출원인 동향
▪ 로봇 디버깅(debugging) 시스템 기술 분야는 Microsoft Technology Licensing, LLC가 가장 많은

특허를 보유하고 있으며 그 다음으로는 Stephan Heath 등이 많은 특허 출원
181

 한국은 로봇 프로세스 자동화 기술(B)과 딥러닝(deep learning) 알고리즘 기술(E) 분야에서는

특허활동이 부진하나, 로봇 디버깅(debugging) 시스템 기술(F) 분야의 특허출원은 활발
 미국은 로봇 디버깅(debugging) 시스템 기술(F) 분야에서는 특허활동이 부진하나, 로봇

프로세스 자동화 기술(B)과 이미지 인식기술과 OCR 기술(C) 분야의 특허출원은 활발
 일본은 이미지 인식기술과 OCR 기술(C)과 챗봇 기술(D) 분야에서는 특허활동이 부진하나,

로봇 디버깅(debugging) 시스템 기술(F) 분야의 특허출원은 활발
 유럽은 로봇 프로세스 자동화 기술(B) 분야에서는 특허활동이 부진하나, 이미지 인식기술과

OCR 기술(C)과 챗봇 기술(D) 기술분야의 특허출원은 활발
182
 시장력이 전체 평균 1.57을 상회하는 국가로는 유럽 외에 일본, 미국, 영국, 아일랜드, 일본,

독일이 있으며, 질적인 수준이 높은 특허 보유국은 미국
▪ 질적인 측면을 같이 고려한 시장력에 있어서 미국은 질적 수준은 높지고 시장성도 다소 높은 국가

쪽으로 조사
▪ 한국은 시장력 면에서 낮고, 질적 수준면에서도 낮은 것으로 나타남
▪ 일본은 시장력 면에서는 높고, 질적 수준면에서는 낮은 것으로 나타남
PFS CPP
국가 특허수
KR 227 1.105727 0
US 462 1.636364 2.206107
JP 88 2.022727 0
EU 67 2.19403 0.5
ETC 136 1.514706 0.235294
전체평균 33.8 1.57 1.80
◎ Robotic Process Automation (RPA) 분야의 주요 경쟁기술 및 공백기술
 Robotic Process Automation (RPA) 분야의 주요 경쟁기술은 어플리케이션 객체인식 및

추적, 딥러닝(deep learning) 알고리즘 기술이, 공백기술은 로봇 프로세스 자동화 기술과
이미지 인식기술과 OCR 기술로 나타남
▪ Robotic Process Automation (RPA) 분야에서 딥러닝(deep learning) 알고리즘 기술이 가장

경쟁이 치열한 분야이고, 로봇 프로세스 자동화 기술과 이미지 인식기술과 OCR 기술 분야는
아직까지 출원이 활발하지 않은 공백기술 분야로 나타남
어플리케이션 객체인식 및 추적 ●
로봇 프로세스 자동화 ◔
이미지 인식기술과 OCR ◔
챗봇 ◓
딥러닝(deep learning) 알고리즘 ●
로봇 디버깅(debugging) 시스템 ◕
※ ●: 50건 이상, ◕: 30~49건, ◓: 20~29건, ◔: 10~19건, ◯: 10건 미만
183
•적응적인 사용자 인터페이스를 제공하기 위한 어플리케이션 제공

어플리케이션 객체인식 및 추적
기술과 어플리케이션을 전환하기 위한 방법 기술
로봇 프로세스 자동화 •로봇 제어 모듈의 프로세스 연결 방법 기술
이미지 인식기술과 OCR •광학식 문자 판독기를 이용한 데이터 처리 방법 기술
•대화형 콘텐츠를 제공하는 챗봇을 제공하는 기술 및 설비 관리용

챗봇
챗봇 시스템 기술
•딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단

딥러닝(deep learning) 알고리즘
등의 기능을 모사하는 기술
로봇 디버깅(debugging) 시스템 •로봇 제어회로 시험장치 및 로봇 제어 모듈의 프로세스 연결 기술
 국내 특허동향을 살펴보면 대기업은 딥러닝(deep learning) 알고리즘을, 공공연구기관은

어플리케이션 객체인식 및 추적 기술과 로봇 디버깅(debugging) 시스템 기술을 집중적으로
연구개발하고 있는 것으로 나타남
▪ 어플리케이션 객체인식 및 추적 기술에서는 적응적인 사용자 인터페이스를 제공하기 위한

어플리케이션 제공 기술과 어플리케이션을 전환하기 위한 방법 기술 등이 대기업을 중심으로 집중
연구개발
▪ 로봇 프로세스 자동화 기술 분야는 로봇 제어 모듈의 프로세스 연결 방법 기술 등이 대기업을

중심으로 연구개발광학식 문자 판독기를 이용한 데이터 처리 방법 기술 등이 연구개발
▪ 챗봇 기술 분야는 대화형 콘텐츠를 제공하는 챗봇을 제공하는 기술 및 설비 관리용 챗봇 시스템

기술 등이 연구개발
▪ 딥러닝(deep learning) 알고리즘 기술에서 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의

인지, 판단 등의 기능을 모사하는 기술 등이 대기업을 중심으로 연구개발
▪ 로봇 디버깅(debugging) 시스템 기술에서 로봇 제어회로 시험장치 및 로봇 제어 모듈의 프로세스

연결 기술 등이 대기업을 중심으로 연구개발
184
 Robotic Process Automation (RPA) 분야의 공백기술 분야는 로봇 프로세스 자동화 기술과
이미지 인식기술과 OCR 기술이고 중소기업의 시장진입 상대적으로 수월한 분야는 로봇
프로세스 자동화 기술과 이미지 인식기술과 OCR 기술
▪ 대부분의 기술분야는 고도의 기술을 요하므로 대기업에서 많은 기술을 선점 및 현재 연구개발되고

있는 실정
▪ 중소기업에서 시장진입이 용이한 기술로서는 로봇 프로세스 자동화 기술과 이미지 인식기술과 OCR
기술이며, 현재 공백기술 분야이므로 빠른 연구개발을 통해 기술선점이 필요할 전망
▪ 향후, AI 시대에 맞추어 챗봇관련 기술 또한 전망있는 기술로서 중소업체에서 집중적인 연구개발을

통해 시장진입이 필요할 전망
185
 IT인프라 솔루션 전문 기업인 이든티앤에스는 업무 자동화 RPA 솔루션인 ‘워트로닉스’의

개발에 성공
▪국내 고객들의 요구사항을 충실히 반영하여 가장 효율적이고 효과적인 제품으로 국산화에 성공
▪ 다수의 글로벌 및 국내 대기업을 위해 PRA 솔루션 컨설팅 및 구축 경험을 토대로 이든티앤에스가

자체 개발한 RPA 소프트웨어 솔루션
▪ 해외 RPA 솔루션이 대체를 이루고 있는 국내 RPA 시장에서 국산 RPA 솔루션이 시장을 선도하는
흐름을 만들 수 있을 것이라 예상
 RPA 분야는 이든티앤에스에서 연구개발을 선두적으로 진행
[ RPA 기술 분야 주요 연구조직 현황 ]
기관 소속 연구분야
이든티앤에스 기업 • 업무 자동화를 위한 RPA 연구 및 개발
 RPA 요소 기술은 크게 의사결정, 자동화, 인지 기술, 예측 기술 총 네 개의 분류로 구분됨
 기술 이전이 가능한 기관은 한국전자통신연구원이 있음

[ RPA 기술 관련 이전 기술 ]
기관 이전 기술 내용
•다양한 이미지 파일에서 여러 사물을 동시 학습 및 인식하는

한국전자통신 기계학습 기반의 이미지/동영상에서 기술을 포함하고 있으며 세부적인 기술로 객체검출을 위한
연구원 사물 분류 및 검출 기술 객체 분류 기능, 앙상블 학습 기능, 객체 검출을 위한 영역
추천 기능, 신경망 분석을 위한 시각화 기능 포함
• 소프트웨어콘텐츠연구소 지능정보연구본부 음성지능 연구

한국전자통시
한국어 음성인식기술(ver. 1.2) 그룹에서 개발한 딥러닝 기술 및 대용량 데이터에 기반하여
연구원
실현되는 고난이도 융·복합 기술인 한국어 음성인식 기술 개발
186
5. 기술로드맵 기획
가. SWOT 분석
•(환경) 인공지능에 대한 산업 내 인식 증가
•(환경) 사회 전반의 자동화/지능화에 따른 사회적
•(기술) 상대적으로 우수한 인공지능 관련 산업 기술
논의의 부재
•(정책) 정부의 꾸준한 인공지능 진흥 정책 수립
•(기술) 핵심 원천기술 기술개발 미흡
주52시간 근무제의 도입으로 디지털 지능의
•(정책) 기업의 수요에 부적합한 활용 데이터
필요성 극대화
•(환경) 스마트 공장의 도입으로 RPA 적용 범위 확대 •(환경) RPA 글로벌 선두 업체들의 국내 시장 선점

•(기술) 기반기술 연구를 통해 응용 가능 •(기술) 시장 개척에 미흡한 국내 인공지능 기술
•(정책) 정부와 업계의 높은 니즈 •(정책) 미시적, 단기적 시각의 R&D 정책
➜ 계좌개설 신청, 매출 송장 처리, 기준 정보 등록 자동화, 고객/매장별 판매실적 집계, 출하검사 성적서

제출, 비대면 대출 필요 정보 Scraping 및 자동 업데이트 소프트웨어 개발 등 특화된 서비스로 시장 대응



- 기술수요 및
문헌분석
- 전문가 추천
187
(2) 요소기술
 산업·시장 분석, 기술(특허)분석, 전문가 의견, 타부처 로드맵, 중소기업 기술수요를 바탕으로

[ Robotic Process Automation(RPA) 분야 요소기술 ]
요소기술 출처
트랜젝션 처리 특허/논문 분석, 전문가추천
데이터 조작 특허/논문 분석, 전문가추천
어플리케이션 객체인식 및 추적 특허/논문 분석, 전문가추천
로봇 프로세스 자동화 특허/논문 분석, 전문가추천
워크플로우와 규칙엔진 특허/논문 분석, 전문가추천
이미지 인식기술과 OCR 특허/논문 분석, 전문가추천
자연어처리 특허/논문 분석, 전문가추천
RPA 맞춤 챗봇 특허/논문 분석, 전문가추천
데이터 처리 특허/논문 분석, 전문가추천
빅데이터 수집 모듈 특허/논문 분석, 전문가추천
딥러닝(deep learning) 알고리즘 특허/논문 분석, 전문가추천
로봇 인공지능 플랫폼 특허/논문 분석, 전문가추천
인공지능기반 역공학기술 특허/논문 분석, 전문가추천
학습데이터 반복분석모듈 특허/논문 분석, 전문가추천
로봇 디버깅(debugging) 시스템 특허/논문 분석, 전문가추천
인공지능형 자동화 프로그램 (인공지능 알고리즘) 특허/논문 분석, 전문가추천
188


[ Robotic Process Automation(RPA) 분야 핵심요소기술 ]
분류 핵심요소기술 설명
이미지 인식(Image recognition) 기술은 이미지 또는 비디오

상의 객체를 식별하는 컴퓨터 비전 기술로 딥러닝과 머신러닝
알고리즘을 통해 산출되는 핵심 기술로 구성되어 있으며,
이미지 인식기술과 OCR OCR(Optical Character Recognition) 기술은 이미지에서
광학적인 음영을 통해 테스트를 추출하는 기술로서 인공지능의
인지기술 이미지 인식을 통하여 원하는 프로세스를 원활하게 수행할 수
있도록 돕는 기술의 총체
어플리케이션 객체인식 및 GUI(graphical user interface) 어플리케이션의 객체 인식(Object

추적 Recognition) 및 추적(Tracking) 기술
반복적인 프로세스의 사람의 실행을 에뮬레이트(emulates

)하고 대량의 데이터를 한 시스템에서 다른 시스템으로 입력,
로봇 프로세스 자동화
복사 및 붙여 넣기와 같은 작업을 시뮬레이션(simulate)하는
로봇 기술
자동화
소프트웨어 로봇 업무 처리시에 텍스트나 음성을 변환를 통해

RPA 맞춤 챗봇
프로그램과 이용자 간의 대화가 가능하도록 하는 기술
딥러닝(deep learning) 학습엔진을 통해서 인간 두뇌의 인지, 판단 등의 기능을

알고리즘 모사하는 인공지능 기계학습 알고리즘에 관련 기술
기반 기술
로봇 디버깅(debugging) 컴퓨터 프로그램의 잘못을 찾아내고 고치는 작업 등을 하는

시스템 로봇 디버깅(debugging) 시스템에 관한 기술
189
 국내 Robotic Process Automation(RPA) 분야 관련 시장 규모는 1조 원이며 세계 시장은

33억 2,100만 달러 규모인 것으로 파악
 국내 시장 성장률은 62.6%로 세계 시장 성장률인 62.5%와 유사한 수치를 보임
 국내 중소기업의 Robotic Process Automation(RPA) 분야 기술 수준은 세계 최고수준을

보유한 선진국 대비 65.8%, 3.71년의 기술격차를 보이며 유럽, 중국, 일본에 비해 낮은
수준인 것으로 조사됨
▪ 미국(98.1%) > 일본(77.5%) > EU(76.7%) > 중국(66.7%)인 것으로 파악
 특허 출원량은 227건으로 미국의 462건에 비해 낮은 수치
190
 디지털 지능에 대한 산업계의 관심도 고조와 함께 기존 해외에서 RPA 플랫폼을 구매하여

기업에 솔루션만 제공했던 데에서 발전하여 직접 RPA 개발에 도전하는 중소기업의 수가
증가
 대부분의 기술 분야는 고도의 기술을 요하고, 프로그램에 대한 신뢰성 문제로 대기업에서

많은 기술을 선점하여 연구되고 있으나, 로봇 프로세스 자동화 기술과 업무에 필요한 이미지
인식 기술은 상대적으로 중소기업의 시장 진입이 가능할 것으로 보임
 챗봇 기술과 더불어 인공지능 시대에 시장성이 있음과 동시에 중소기업에서 집중적인

연구개발을 통해 시장 진입이 가능할 것으로 기대
191
합계
트랜젝션 처리 6.8 6.8 6 6.6 26.2
데이터 조작 6.8 6.8 6.4 6.6 26.6
어플리케이션 객체인식 및
7.6 8 7.6 7.8 31 선정
추적
로봇 프로세스 자동화 8.2 8 6.4 7.2 29.8 선정
워크플로우와 규칙엔진 7.2 7.4 6.2 6.6 27.4
이미지 인식기술과 OCR 7.4 7.4 7.4 7.6 29.8 선정
자연어처리 6.6 6.8 6 6.2 25.6
RPA 맞춤 챗봇 7.4 7.6 7.4 7 29.4 선정
데이터 처리 6.2 6.8 5.8 6 24.8
빅데이터 수집 모듈 6.8 6.8 6 6.6 26.2
7.4 7.8 7 6.4 28.6 선정
알고리즘
로봇 인공지능 플랫폼 7.8 8.6 5.4 5 26.8
인공지능기반 역공학기술 6.8 6.8 5.8 5.6 25
학습데이터 반복분석모듈 7.2 7.4 6 7.2 27.8
로봇 디버깅(debugging)
7.2 7.2 7.2 7.2 28.8 선정
시스템
인공지능형 자동화
프로그램 7 7.2 5.4 5.6 25.2
(인공지능 알고리즘)
192
공공서비스 특화
챗봇 시스템
정의 및 범위
▪ 챗봇은 채팅(chatting)과 로봇(robot)을 결합 한 표현이며 문자 또는 음성 기반 대화 방식으로 정보처리를 하는

시스템을 의미
▪ 공공서비스 특화 챗봇 시스템은 질문에 최적의 답을 찾는 딥러닝과 사람과의 대화에 최적화한 DM(다이얼로그

매니지먼트) 등의 기술을 기반으로 인간이 인위적으로 만들어낸 규칙이나, 인공지능에 의해 구동되는 유저와 소통할 수
있는 챗봇 기술을 공공서비스에 접목시켜 원활한 민원처리를 돕는 시스템
▪ 대화를 통해 질문에 적절하게 반응하거나 키워드에 연관된 각종 정보를 제공하는 기능이 요구되고 주요
핵심기술로서 패턴매칭, 신경망, 분산컴퓨팅, 자연어처리, 빅데이터 처리 등이 사용
▪ 날씨, 교통, 일정 등에 대한 질의응답을 하는 가상도우미부터 사용자의 패턴 분석을 통한 서비스 제공까지 그

활용범위가 점점 확대 중
정부지원 정책
▪ ‘`19년 기획재정부는 제 1차 혁신성장전략회의에서 5개년에 걸친 데이터와 AI 경제 활성화 계획 발표, 구축할 분야 중

’번역 말뭉치‘, ’동작영상‘은 공공서비스에 특화된 챗봇 시스템 구성 및 운영에 도움이 될 전망
▪ 행정안전부는 ‘18년 11월, 지능형 정부 로드맵 추진 계획 공유 및 실행 과제를 논의하는 범정부 협의체를 발족,
행정업무 및 법규 안내, 민원상담 등에 인공지능 빅데이터 기술을 적용한 대국민 민원 챗봇 등이 과제 수요가 가장
높은 분야로 나타나 집중적으로 지원할 가능성 높음
▪ 대통령 직속 4차 산업혁명위원회가 ‘4차 산업혁명대응계획(’17.11)‘을 발표하여, 국내 인공지능 R&D 경쟁력 화보를

위한 ’AI R&D 세부전략(‘18.05)’을 발표하여 인공지능 기술로 인한 새로운 변화를 창출하기 위한 청사진 제시
▪ 과학기술정보통신부는 ‘지능정보산업 발전전략’을 발표하며, 연구개발, 전문인력 확충, 데이터 인프라, 산업 생태계,
융합산업 육성 등에 향후 5년(2016~2020년)간 총 1조원을 투자 계획이며 2조 5000억 원 이상의 민간 투자도
유도할 계획
•(환경) 높은 모바일 보급으로 챗봇 적용 범위 확장 •(환경) 챗봇의 구축, 유통, 활용 등 가치사슬 전반에
•(기술) 챗봇을 뒷받침 할 수 있는 ICT 기반의 인공지능 기술 수준 사용할 수 있는 빅데이터 양의 한계
•(정책) 정부 공공기관 내 챗봇 공급자를 중소기업으로 •(기술) 외국 선두 기업에 의존하고 있는 원천기술

제한하여 공공서비스 공급 기회를 지원하는 정책 •(정책) 정보 수집을 제한하고 있는 개인정보보호법과 관련 정책
•(환경) 근무환경의 변화로 시장성이 높아진 24시간
•(환경) 부족한 인공지능 분야 인적 자원
응대가 가능한 챗봇 기술
•(기술) 글로벌 업체와의 기술 격차 심화
•(기술) IoT 기술의 발달로 정보 수집 용이해지는 추세
•(정책) 미시적인 정부 지원 정책
•(정책) 공공기관내 챗봇 수요 증가
➜ 챗봇 서비스와 가장 밀접한 관련이 있는 인공지능의 지능형 에이전트 기술의 경우 R&D 투자와
시범사업을 통한 기술적 역량 제고가 요구되며, 자원의 한계에 대비하여 알고리즘 기술의 고도화 필요
➜ 인공지능 기술의 원활한 학습과 분석을 위해 데이터의 정형화 및 공공 민간데이터의 연계·융합 필요
1. 개요
 공공서비스 특화 챗봇 시스템은 질문에 최적의 답을 찾는 딥러닝과 사람과의 대화에 최적화한

DM(다이얼로그 매니지먼트) 등의 기술을 기반으로 인간이 인위적으로 만들어낸 규칙이나,
인공지능에 의해 구동되는 유저와 소통할 수 있는 챗봇 기술을 공공서비스에 접목시켜 원활한
민원처리를 돕는 시스템
▪ 공공서비스의 경우 이용자가 요구하는 정보가 한정적이며 정형적인 프로세스로 이루어져 적은
정보로도 시스템 운영이 가능
 챗봇은 사용자와의 대화를 통해 질문에 적절하게 반응하거나 키워드에 연관된 각종 정보를

제공하는 인공지능 기반의 커뮤니케이션 소프트웨어 전반을 지칭
▪ 챗봇은 대부분 상담서비스에 활용되며 일반적으로 인공지능 기술이 적용되지 않은 질의 응답형

챗봇과 인공지능 기반의 상담 챗봇으로 구분
▪ 질의 응답형 챗봇은 사용자 질문에 대한 답변만 가능하며 추가적 보완은 어려운 단방향 정보전달 방식
▪ 인공지능 상담 챗봇은 쌍방향 정보 교류로 대화 에이전트가 주도적으로 사용자와의 질문-답변

과정을 반복하여 부족한 정보를 보완
챗봇 음성인식봇 개인비서
텍스트 메시지 + 음성 +
명령방식 텍스트 메시지 음성
검색패턴, 위치, 사용 패턴 등
Facebook Messenger, Kik

핵심 서비스 Amazon Echo, Apple Siri Google Now, MS Cotatna
BotShop
[ 챗봇의 활용분야 ]
 챗봇 서비스는 패턴인식, 자연어처리, 시멘티궵, 텍스트마이닝, 상황인식, 컴퓨팅 기술이 주로

사용되며, 최근 컴퓨팅 파워의 향상 및 인공지능, 빅데이터 처리기술의 발전으로 기술 활용이
더욱 용이
▪ 특히 챗봇의 핵심기술 중에 하나인 자연어처리기술(Natural Language Processing)이란 인간이
언어를 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 만드는 제반기술
▪ 자연어처리의 처리절차는 기본 언어처리, 심화 언어처리, 키워드 및 연관어 추출로 단계화하여 진행
▪ 자연어처리기술은 자연어를 이해하는 NLU(Natural Language Understanding)과 응답을 생성하는

NLG(Natrual Language Generation)을 포함
197
[ 자연어 처리 기술 ]
 확장된 인공지능 생태계를 바탕으로 전 분야에 챗봇 서비스 활용이 증가하고, 챗봇 서비스의

활용 분야 및 전달 수단도 점차 다양화되는 추세
▪ 스마트 기기와 대화형 인터페이스의 대중화에 따라 급속히 성장
▪ 추진주체의 성격에 따라 민간부문은 ‘대화형 커머스’, 공공부분은 ‘민원, 행정’ 분야에 챗봇의 활용이
집중되어 있고 업무보조, 전문지식 서비스 등으로 분야 확대
▪ 서비스의 전달 수단도 메신저 앱을 넘어 온라인 웹, 모바일 애플리케이션, 앱인앱의 형태까지 다양화

되는 추세이며, 국가별 서비스별 특성에 따라 유연하게 서비스 전달 수단을 선택하여 운영 중
 챗봇 서비스는 향후 단계별 발전을 거쳐 지능형 비서(Intelligent Assistant)와

감성비서(Conscious Assistant) 서비스로 발전할 전망
▪ 현재 국내외 챗봇 사례는 대부분 1~2단계에 머물러 있지만, 향후 기술의 발달과 함께 감성비서

서비스로 발전한다면 더욱 개인화되고 전문성 있는 서비스가 가능할 것
▪ 지능형 비서는 신경망 및 자연어처리 기술을 통한 사용자의 패턴과 상황을 고려한 개인 맞춤형
서비스 기능이 요구
▪ 감성 비서는 감성인지기술과 기타 신기술 융합을 통해 감정교류 기능을 갖추고 각종 서비스에 대한

선제적 대응이 목표
 공공기관은 디지털 서비스 혁신수단으로 인공지능 기반의 챗봇 서비스를 기관 내에 적극적으로 도입 중
▪ 국민과 24시간, 실시간으로 소통하며 개인 맞춤형 서비스가 가능한 챗봇은 특히, 공공부문의
민원·행정 분야에서 각광 받으면서 빠르게 도입·구축 중
198
▪ 사용자는 챗봇을 통해 시간절약, 사용자 경험 개선, 접근성 제고가 가능
- 온라인으로 연결되어있다면 시간과 장소에 제약없이 서비스 이용이 가능하기 때문에 대기 시간이나
방문시간을 절약 가능
▪ 정보역량에 관계없이 원하는 결과를 획득 할 수 있고 일상적인 대화 방식으로 쉽게 접근하여 정보를

수집 가능
나. 범위
 챗봇은 대화 입력 방식, 동작방식, 사용기술에 따라 다양하게 분류되며, 처리하고자하는 대화

유형과 목적, 제공하고자 하는 정보의 종류에 따라 혼용하여 사용
▪ 사용자와 챗봇과의 대화가 이루어지는 매체에는 문자 또는 음성 등이 포함
▪ 대화 입력 방식 중 폐쇄형 방식은 이용자들이 자주 묻는 질문과 답변을 데이터베이스화하여 제공하기

때문에 정확도는 높지만 포괄 범위가 제한적이라는 한계.
▪ 개방형 방식은 자연어가 입력되면 인공지능이 적극적으로 그 의미를 이해하고 대응하는 것을 목표로 함
[ 텍스트 기반 챗봇의 핵심기술 ]
 발전 단계별로 챗봇, 지능형비서, 감성비서로 분류되기도 하며, 각각의 발전단계 따라 상이한

기술이 요구
▪ 감성 비서는 문자와 음성 뿐만 아니라 영상과 행동인지를 복합적으로 이해할 수 있는 능력을 요구
▪ 복합 인터페이스에서 수집된 데이터를 처리하기 위한 상황인지 및 감성인지기술과 데이터 정형화기술이

요구
199
 챗봇에 사용되는 주요 핵심기술은 패턴매칭, 신경망, 분산컴퓨팅, 자연어처리, 빅데이터 처리, 등이

있음
▪ 패턴 매칭은 사전에 구축된 데이터베이스와 대조하여 대화 패턴에 가장 적합한 대답을 제공하는

방식
▪ 최근에는 딥러닝과 같은 인공지능 기술을 적용하여 실시간으로 맞춤형 답변을 제공하는 방식이 등장
▪ 대규모의 대화 트래픽을 처리하기 위한 분산 컴퓨팅, 빅데이터 처리, 자연어처리 등의 다양한

기술과 SW가 활용
패턴인식
•기계에 의하여 도형, 문자, 음성 등을 식별시키는 것
기술
기반
기술
자연어처리
•정보검색, 질의응답, 시스템 자동변역, 통역 등이 포함
기술
음성인식 및 발화 기술 •특징추출기술, 발음변환 기술, 운율제어기술 등이 포함됨
공공서비스
특화 챗봇
시스템 •컴퓨터가 정보자원의 뜻을 이해하고, 논리적 추론까지 할 수 있는
시멘틱 웹 기술
차세대 지능형 컴퓨팅 기술
빅데이터 처리 기술 •대규모의 대화 트래픽을 처리하기 위한 분산 컴퓨팅
텍스트 마이닝 기술 •비정형 텍스트 데이터에서 새롭고 유용한 정보를 찾아내는 과정 또는 기술
복합상황 인지컴퓨팅 •가상공간에서 현실의 상황을 정보화하여 사용자 중심의 지능화된

기술 서비스 제공
200
 챗봇의 개발은 제품 분류 관점에서의 분류 외에 성능향상을 위한 사전, 문법, 자연어

빅데이터, 빅데이터 처리를 위한 데이터베이스-서버 자원 등이 포함되며 응용환경에 따른
적용기술도 포함
▪ 언어처리 기술에는 형태소분석 기술, 구문분석 기술, 의미해석 기술, 문장생성 기술 등이 포함되며
성능향상을 위한 다양한 언어모델, 사전, 문법 등을 위한 자원저장 기술이 포함
 챗봇은 서버, 미들웨어, 클라이언트로 구성
▪ 서버에서는 사용자의 질의에 적절한 답변을 제공하기 위해 자연어처리, 상황인식, 빅데이터 분석

기술을 사용
▪ 미들웨어에서는 막대한 메시지 트래픽을 처리하기 위해 하둡과 같은 분산 컴퓨팅 환경에 적합한

기능을 가진 소프트웨어를 사용
▪ 클라이언트에서는 사용자가 직접 보게 되는 화면으로 주로 모바일 메신저 앱을 사용하게 되며

하이브리드 앱, 웹 기술을 주로 사용
대화형 커머스
•쇼핑, 비행기예약, 숙소예약, 레스토랑 예약 및 주문, 택시 호출 등
및 O2O
개인비서
•헬스케어, 뉴스피드, 날씨정보, 금융상담, 일정관리, 길찾기 등
서비스
챗봇 기술
공공 서비스 •법률상담, 세금납부, 부동산정보, 구인구직
엔터테인먼트
•광고, 미디어, 방송안내, 데이팅, 공연 등
서비스
기업용 메신저 •정보검색, 파일공유, 데이터보관, 팀원정보 공유, 자동 사무화(OA). CRM
201
 기술적 한계로 편의성, 효율성에서 일정 제약이 따르는 챗봇 서비스는 사업자의 이용자 규모,
가격 경쟁력 측면에서 웹, 앱과 경쟁
▪ 챗봇 서비스 업체가 취할 수 있는 효과적인 시장 형성과 진입 전략은 거대한 이용자 규모를

활용하여 상거래 시 가격적 혜택을 제공하는 것으로 분석
▪ Facebook 등이 자체 모바일 결제 서비스를 성공적으로 안착시킨다면 이용자들이 지불하는 거래액

규모를 활용해 챗봇 관련 상거래 서비스 업체에게 일정 부분의 할인을 유도 가능
 제한적 언어 구사 능력에도 챗봇은 주요한 서비스 플랫폼로 작용
▪ 완전 자동화된 대화형 온라인 서비스와 인간 수준의 인공지능이 출현하지 않은 시점에서도 챗봇

서비스는 새로운 비즈니스, 정보 플랫폼으로서 유용한 존재
▪ 챗봇의 사용자 이해 능력이 다소 부족하더라도 이용자가 챗봇 사용에 익숙해지고 결제 서비스 등이

유기적으로 결합된다면 챗봇은 효과적인 서비스로 작동 가능
 모바일 메신저는 새로운 비즈니스 플랫폼이자 사용자 일상 및 사회적 관계망에 결합된 새로운
정보의 보고로서 IT업체에게는 놓칠 수 없는 수익 창출의 기회
▪ 웹 기반 서비스가 과거의 정보를 담고 있다면 모바일 메신저에서 이루어지는 대화는 사용자의 일상,
사회적 관계망의 현재를 담고 있는 정보의 보고
▪ IT 서비스 업체로서는 이용자의 실시간 상황, 직접적인 의도를 담고 있는 메신저 내 대화 정보가

가진 수익 창출 잠재력을 포기하기 어려움
▪ 모바일 메신저 업체는 이용자의 일상 대화를 축적, 분석함으로써 이용자 의도와 상황을 실시간으로
파악하여 챗봇 서비스의 유용성을 제고 가능
202
[Amazon Alexa 비즈니스 모델]
 제품개발에 있어서 업체가 전문기술업체의 위치에 있고 기술납품의 수익모델을 가지고 있다면

후방산업은 SW제품, 인터넷 서비스 등 제품 개발 산업과 완성된 제품을 판매하는
유통산업으로 구성
▪ 챗봇 기술은 집약산업으로 후방산업의 영향력도 매우 높은 산업으로 기술개발을 뒷받침 해줄 수

있는 예산과 소재 등의 확보가 필요
 전방산업으로서 챗봇의 주요 시장은 서버자원, 데이터베이스 자원, 인력외주 등의 핵심역량

외의 기술 시장으로 구성
▪ 전문적이고 원천적인 기술 산업으로서 장기적인 연구를 할 수 있는 고급 기술인력의 확보가

필요하지만 전방산업에 대한 과잉 수요가 나타날 가능성 높음
▪ 자연스러운 의사소통과 목적 달성을 위해 자체적으로 대용량 데이터베이스를 구축하는 것은

어렵기에 관련 데이터를 제공해줄 기관 물색이 필수적
[ 챗봇 기술 분야 산업구조 ]
후방산업 챗봇 기술 분야 전방산업
메신저 및 웹 서비스
빅데이터 처리 인프라 음성인식 기술, 자연어 처리기술, 금융, 통신, 유통, 공공, 제조
음성인식 자원(DB) 음성합성기술, 상황인식기술 인터넷 및 모바일 서비스
비즈니스 인프라
203
(1) 세계시장
 딥러닝, 자연어처리 기술 등 인공지능 기반 기술이 발전하고 있는 가운데 사용자가 직접 이용할 수

있는 인공지능 서비스, ‘챗봇’이 전 산업 분야로 확산 · 성장 중
▢ ‘16년 글로벌 챗봇 시장 규모는 7억300만 달러(약 7,733억 원)으로 연평균 35.2%의 빠른

성장으로 ’21년에는 31억 7,000만 달러(3조4,870억 원) 규로모 성장할 전망 (테크나비오 ‘16)
▪ 주요 기대분야로 금융부문(BFSI: Banking, Financial services and Insurance), 정부부문, 리테일

및 이커머스 부문을 선정
[세계 챗봇 시장 규모]
 그랜드 뷰 리서치는 세계 챗봇 시장의 연평균 성장률의 24.3%로 전망하여, ’25년에는 12억

3,000만 달러 규모로 성장할 것으로 예측
▪ 페이스북은 메신저 플랫폼 런칭 1년 만에(′17년 4월 기준) 10만개의 챗봇을 생성
 챗봇 서비스는 스마트 기기 및 모바일(온라인) 커뮤니케이션의 보편화, 메신저 앱의 영향력

확대 등에 따라 더욱 활성화되는 추세
▪ 페이스북 메신저, 왓츠앱, 라인 등 메신저 앱이 모바일 기기에서의 최선호 커뮤니 케이션 수단이
되며 SNS(Social Networking Service)의 사용자수를 앞서기 시작
204
 인공지능 기반 챗봇의 핵심 기술이라고 할 수 있는 머신러닝은 ‘15년부터 ’20년까지 연평균

58.9% 성장할 전망이며, 같은 기간 자연어처리는 51.1% 성장하여, 인공지능 챗봇 기술
발전을 견인할 것으로 예측
[ 인공지능 챗봇 핵심 영역별 성장 추이 및 전망 ]
▢ 대화형 시스템은 은행, 금융, 보험, 유통/전자상거래에 주로 활용되고 있으며, 향후에는 기존

대화형 기술에 STT(Speech to Text)와 TTS(Text to Speech) 같은 음성 변환 기술이 융합,
대화형 플랫폼으로 발전하여 활용 가능성과 산업 영향력이 확대 될 전망
▢ ‘18년 가트너의 ’2018 CIO’ 조사에 따르면 응답한 조직의 4%가 이미 대화형 플랫폼에
투자하고 대화형 인터페이스를 활용, 17%는 이 기술을 단기 계획으로 추진하거나
적극적으로 테스트 하는 단계인 것으로 조사
[ 대화형 플랫폼 생태계 ]
205
▢ 현재 대화형 플랫폼 시장은 가상개인비서(VPA), 가상고객비서(VCA), 가상직원비서(VEA),

챗봇으로 이뤄있으나, 역할 기반 비서들은 2021년~2023년에 이르면 하나의 시장으로
통합될 것으로 예측
▪ 미래에는 대화형 플랫폼이 생체인증, 동작인식, 감정인식, 말하는 스타일과 문화적/역사적 요소 등을

활용해 상황을 보다 잘 파악하고 문자나 음성에 기반한 맞춤형 상호작용을 제공 전망
 광고 및 미디어에 활용되는 문자 기반 AI 채팅의 세계 시장을 통해 간접적으로 세계 챗봇

시장 동향을 파악
[ AI 채팅앱 세계시장 규모 및 전망 ]
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
세계시장 372 525 749 1,151 1,641 2,347 42.6
* 출처 : KISTI 마켓 리포트 ‘16.8
 공공부분도 디지털 서비스 혁신수단으로 인공지능 기반의 챗봇을 적극적으로 도입

▪ 영국, 캐나다, 두바이 등 해외 정부에서는 인공지능 기술을 적용한 챗봇 서비스를 구축하고 파일럿
테스트를 진행하는 등 적극적으로 서비스 도입을 계획
206
출처: BI INTELLIGENCE estimates(2017)
[매신저 앱과 SNS 사용량 변화 추이
 시장 조사 기관인 가트너는 앞으로의 인공지능 비서 시장에 대해 긍정적으로 평가함
▪ 2018년 인공지능으로 파생될 글로벌 비즈니스 가치가 지난해에 비해 70% 증가한 1조 2000억
달러에 달할 것이며, 2022년에는 3조 9000억 달러에 이를 것으로 전망
▪ 2018년 가상비서가 글로벌 AI 비즈니스 가치에서 차지하는 비중은 46%에 이를 전망
출처: TECH M, 챗봇, 새로운 인터페이스의 부상(2017)
[ 라이브 채팅 앱을 선호하는 이유 (%)]
207
(2) 국내시장
 국내 챗봇 관련 본격적인 시장 형성은 아직 미진
▪ 현재로서는 챗봇 기반 서비스 시장은 개화 중인 단계로서 챗봇 기반 전자상거래 시장의 규모에 대한
신뢰성 있는 전망이 이루어지지 않은 상태
▪ 모바일 메신저의 이용자 규모 증가에 힘입어 챗봇 기반 서비스 시장 규모 또한 가파르게 성장할

것이라는 업계의 평가
 광고 및 미디어에 활용되는 문자 기반 AI 채팅의 세계 시장을 통해 간접적으로 국내 챗봇

시장 동향을 파악
[ AI 채팅앱 국내시장 규모 및 전망 ]
(단위 : 억 원, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
국내시장 93 138 208 336 505 758 50.2
* 출처 : KISTI 마켓 리포트 ‘16.8
 국내 AI 채팅앱 시장은 세계 시장 성장률인 42.6%을 크게 웃도는 50.2%의 연평균

성장률로 빠르게 성장할 것으로 예측
▪ 주 52시간 근무제 등의 노동환경 변화로 인력 대체 관점에서 기업 내 관심이 고조되고 있어, 앞으로도
꾸준히 성장할 전망
208
 24시간, 실시간 소통이 가능하며, 개인 맞춤형 서비스 제공이 가능한 챗봇은 특히, 공공부문의
민원·행정 분야에서 각광 받으면서 빠르게 도입·구축 중
▪ 법제처, 대구시, 경기도 등 정부·지자체뿐만 아니라 공공기관에서까지 챗봇 사업을 추진 중이며,

챗봇 서비스의 신뢰성 확보를 위한 법안 개정 검토 중
▪ 아직까지 공공부문의 챗봇은 서비스 범위, 응답 수준 등이 제한적이며 대국민 활용도, 만족도도

높지 않은 실정
 챗봇 서비스의 중심은 전자상거래
▪ 국내외 주요 IT업체들은 챗봇 기반 서비스의 영역을 쇼핑, 여행, 티켓 예약, 택시 호출 등으로

확장해나가려는 시도 중
▪ 과거 챗봇은 간단한 정보제공 기능에 초점을 두었고 지금도 정보제공에 특화된 챗봇이 있으나 현재
업체들이 주목하는 서비스는 쇼핑 등 전자상거래로 조사
▪ 쇼핑, 예약 등을 위한 특정한 웹 혹은 앱에 의존하지 않고 메신저 내에서 대화를 통해 쇼핑, 티켓

예약, 택시 호출 등의 서비스를 이용하여 이용자 편의 측면에서 강점
3. 기술 분석
 챗봇 서비스의 확대는 상거래와 광고가 일상 대화를 침범하는 사태를 불러오면서 모바일

메신저 이외의 새로운 IT 서비스에 대한 요구를 불러일으킬 수 있음
▪ 프라이버시 보호를 내세운 Telegram, Snapchat 등이 인기를 모았던 것처럼 챗봇 대중화 이후에는
프라이버시가 보장된 새로운 서비스에 대한 요구가 있을 것으로 예상
 챗봇은 새로운 대화의 상대이며 이용자의 내밀한 일상을 파악한다는 점에서 새로 운 사회적 존재이자
사회적 윤리 적용의 대상
▪ 챗봇 기능이 고도화될수록 챗봇에 적용되는 법, 윤리, 예절은 복잡해지고 인간의 경우와 유사해질
것으로 예측
 현재 챗봇은 인간과 유사한 수준으로 글과 말을 구사하기에는 요원하고 웹과 앱 의 기존

서비스 절차를 순차적 대화형식으로 변환한 수준에 그치고 있음
▪ 현재 FB Messenger, Kik 등의 챗봇은 웹과 앱의 기존 서비스 절차를 순차적인 대화형식으로 바꾼

수준으로 자연스러운 대화를 나누는 수준에 도달하지 못한 상황
▪ 자연스럽지 않은 대화와 순차적인 서비스 과정 등은 사용자에게 충분한 효율과 편의성을 제공하지

못하고 있음
209
 챗봇은 아직 사용자의 의도와 맥락을 이해하는데 기술적 한계가 존재함
▪ 영국 기술 전문 매체 더레지스터는 22일 IT 전문매체 디인포메이션의 테스트를 인용하며, 페이스북

인공지능(AI) 챗봇의 명령 이행 실패율이 70%에 달한다고 보도하며 한계를 지적
▪ API를 이용한 개발자들은 인간의 요청을 이해하는 기술이 충분히 발전하지 않았다는 평
출처 :마이크로소프트웨어 388호
[ 맥락 인지의 어려움 ]
◎ 기술개발트렌드
 2010년대에 들어서면서 보다 자연스러운 텍스트 대화가 가능한 챗봇 개발을 시 도하는

스타트업들이 등장하기 시작했으며 2014년부터 본격적인 투자가 진행
▪ 챗봇 관련 스타트업의 등장은 2010년대부터 본격화되어 2011년부터 2016년까지 매해 2개, 5개,
13개, 18개, 53개, 29개 사가 창립
▪ 챗봇 가능성이 확인되면서 2014년부터 Assist, X.ai, Kasisto, Viv 등의 챗봇 스타 트업에 주요

벤처캐피탈들이 본격적으로 투자하기 시작
210
 해외의 주요 IT 업체들인 Facebook, Google, Microsoft 등이 챗봇 도입을 선포하 고 관련 업체를

인수하는 등 활발한 기술 도입을 추진 중
▪ Facebook은 개발자회의 F8 2016에서 인공지능 적용 챗봇 베타버전을 공개했으 며 40개 내외

업체가 참여(예정 포함)하여 다양한 응용 서비스 출시
▪ Google은 기존의 메신저 Hangout이 아닌 새로운 메신저에 인공지능 챗봇 기술 을 탑재하고

자연어기반 검색 서비스인 Google Assistant에 적용된 자연어 처리 기술을 활용할 것으로 알려짐
▪ 중국 Tencent의 챗앱 WeChat은 사용자가 문자대화를 통해 호텔, 병원, 영화표 예약 등이 가능한

서비스를 제공 중
 인간과 유사한 자연어 구사 기술은 미지수
▪ 인간처럼 대화할 수 있는 챗봇은 자연어 처리와 상황인지가 가능한 인공지능의 개발이 필요한데
이는 아직까지 딥러닝 등이 해결하지 못한 기술적 과제
▪ Google, Facebook, 각 대학에 속한 인공지능, 기계학습 연구자들이 개발경쟁을 벌이고 있는

과제는 인간 수준의 자연어 처리로 알려짐
 언어의 의미, 맥락, 물리적 세상과의 관계를 인지하는 고도의 자연어 처리가 구 현되지
못하더라도 적정 수준의 서비스를 제공할 수 있는 챗봇은 출현 가능
▪ 사용자 대화 및 온라인 행태 정보 등이 통합, 분석, 학습된다면 인간과는 다른 방 식으로 언어를

인지하되 서비스를 효과적으로 제공할 수 있는 챗봇 출현은 가능
▪ 친구처럼 공감하고 다양한 주제에 대해 자연스럽고 흥미로운 대화를 나눌 수 있는 인공지능은

노약자 돌보기 등에서 대단히 효과적이겠지만 쇼핑, 정보검색, 예약 등과 같은 온라인 서비스에서는
불필요
 챗봇은 사람과 프로그램이 혼재하는 상황이나 자연어 처리 기술 진보와 더불어 대 화형

온라인 서비스 자동화를 거쳐 인간과 유사한 대화 서비스로 진화할 것
▪ 현재 제공 중인 챗봇 서비스는 자동화된 대화 프로그램과 이를 모니터링하고 필요시에는 대화와

서비스 진행을 담당하는 사람으로 구성된 서비스
▪ 현재로서는 챗봇에서 추출된 서비스 이용 관련 정보의 정확성 등을 검증하는 별도의 프로세스가

있기에 사람의 개입이 필요
211
[딥러닝 방식의 챗봇 서비스 개발]
◎ 기술환경분석
 세계적인 이용자 기반을 가진 Facebook과 Google이 모바일 메신저라는 새로운 비 즈니스

플랫폼을 두고 벌이는 기술 경쟁이 챗봇 서비스 전개의 본질
▪ 챗봇 서비스 시장의 선도자는 이용자 기반과 기술 역량을 확보한 Facebook, Google 등 거대 IT

업체일 것이며 새로운 스타트업 신화 탄생은 어려울 전망
 현재는 사람이 챗봇 서비스 운영에 관여하고 있으나 자연어 처리 기술이 진보함에 따라 대화형
온라인 서비스 자동화를 거쳐 인간과 유사한 대화 서비스로 진화할 것
▪ 인간처럼 대화할 수 있는 챗봇은 자연어 처리와 상황인지가 가능한 인공지능의 개발이 필요한데
이는 아직까지 딥러닝 등이 해결하지 못한 기술적 과제
▪ 현재 챗봇은 인간과 유사한 수준으로 글과 말을 구사하기에는 요원하고 웹과 앱의 기존 서비스

절차를 순차적 대화형식으로 변환한 수준에 그치고 있음
▪ 언어의 의미, 맥락, 물리적 세상과의 관계를 인지하는 고도의 자연어 처리가 구 현되지 못하더라도
적정 수준의 서비스를 제공할 수 있는 챗봇은 출현 가능
▪ 챗봇은 모바일 메신저에 기반한 서비스 대리인(agent)에서 온라인, 오프라인에 걸 친 서비스

통합자(aggregator)로 변화해 갈 것으로 예상
 챗봇은 모바일 메신저에 기반한 서비스 대리인(agent)에서 온라인, 오프라인에 걸친 서비스

통합자(aggregator)로 변화해 갈 것으로 예상
▪ 현재 챗봇은 이용자와 전자상거래 서비스를 대화형 인터페이스를 통해 연결해 주는 대리인이지만

향후 다양한 서비스를 통합하는 형태로 진화할 것으로 전망
212
▪ FB Messenger, Kik 등의 챗봇은 특정 쇼핑몰에 대응하는 개별 챗봇이 존재하는 데 이는 사용자

의도를 파악하는 자연어 처리 능력이 부족한 기술 수준 때문
▪ 자연어 처리 기술 발전에 따라 메신저 플랫폼 업체는 사용자 편의 향상, 시장 내 영향력 강화 등을

위해 다양한 서비스를 통합해 제공하는 챗봇에 주목할 전망
▪ 현재 챗봇은 모바일 메신저 내에서 작동되는 형태지만 향후에는 자동차, 가정, PC 등 다양한
환경에서 편재하는 챗봇으로 진화할 것으로 예상
[챗봇 서비스 시스템의 설계]
213
 미국 농림부(USDA) : 음식안전 및 검사를 위한 챗봇 Ask Karen(′04)
▪ Ask Karen 앱/웹을 통해 24시간 식품 저장 및 관리 정보, 안전한 육류 준비 방법, 가금류, 계란 등의

이력정보, 식품 유통기한 정보 등 제공
▪ 음식 안전에 대해 문의 시 언제든지 답변을 얻을 수 있으며, 주중 오전 10시부터 오후 6시까지 농림부의

음식안전 전문가와 직접 실시간 채팅 가능
▪ 챗봇을 통해 기존 음식 안전 정보 및 검사 서비스의 절차 감소 및 이에 따른 비용 절감 가능
[Ask Karen 앱 화면]
 미국 : 미국항공우주국(NASA)의 업무지원을 위한 ‘봇(Bot) 인턴’34)(′17)
▪ 조지 워싱턴은 자체 컴퓨터 및 전자메일 계정, 응용 프로그램 내에 서의 사용 권한 등 조직 내에서

자체 역할을 보유35)하고 있으며, 서류 정리, 장부 작성 등 반복적이고 정형화된 업무를 담당
▪ 직원들은 창의적이고 전략적인 업무에 집중하고 단순 업무는 챗봇이 담당하여 분업화함으로써 업무

효율성 제고
214
 싱가포르 : 공공기관 웹사이트 안내를 위한 가상비서 Ask Jamie(′14)
▪ 교육부, 토지국 등 30개 이상의 정부기관 웹사이트에, 자연어처리 엔진이 적용된 챗봇을 구축하여
간단한 질의응답 서비스 제공
▪ Jamie는 기관의 백엔드(backend) 데이터베이스, Gov iFAQ 시스템, Wolfram Alpha 일반지식DB 등을
활용하기 때문에 정부기관 간의 쿼리가 가능
▪ 웹사이트뿐만 아니라 현재는 페이스북 메신저, 스카이프, 텔레그램 등 대중 적인 메신저 플랫폼을

통해서도 서비스 중
[GeBIZ 웹사이트 내 Ask Jamie 실행화면]
 탈라(Talla) : 업무지원을 위한 지능형 비서 Talla(′16)
▪ 이미지 인식, 자동거래, 자연어처리 및 이해, 감속학습 등 인공지능 기술이 적용된 Talla와 대화를
통해 직원들의 다양한 업무 지원
▪ 일정관리, 고객관리, 문서 검색 및 관리 등49)의 단순 업무 지원은 물론 예측, 자동화, 분류 등

고도화된 업무까지 수행
▪ 또한 기업의 인트라넷, 웹, 슬랙 등 소비자(기업)가 원하는 서비스 전달채널을 선택하여 활용 가능
215
 워봇(Woebot) : 우울증 환자에게 친구가 되어주는 워봇(′18)
▪ 인공지능 챗봇인 워봇과의 대화를 통해 24시간 시간과 장소에 구애 받지 않고 사람들의 정신 건강을

개선하는 것이 목표
▪ 자연어처리 기능을 갖춘 워봇은 환자와 채팅을 통해 환자의 심리추적, 심리패턴 분석, 심리상태
개선, 인지행동 테라피 등의 서비스 제공
▪ 트위터, 페이스북 등 SNS뿐 아니라 애플스토어, 안드로이드 등 단독 앱까지 구축하여 다양한 채널

및 디바이스를 통해 이용 가능
[ Woebot 앱 화면 ]
 Do not pay : 영국 최초의 로봇 변호사 챗봇(′15)
▪ 경제적인 이유로 변호사를 고용하기 힘든 사람들을 위해 간단한 신청 서류 작성, 소송제기 등을

도와주는 챗봇 서비스 구축
▪ 주차 위반 분쟁에 대한 법률적 자문에서 시작하여, 현재는 보증금 회수 신청, 출산 휴가 신청 등

미국 50개 주와 영국 런던에서 1,000가지가 넘는 법률서비스 양식 작성을 위한 서비스 준비 중
▪ 자연어 처리기반으로 서비스가 지원되며, 사용자가 해결하고자 하는 문제에 대해 입력하면 Do not

pay는 관련 보조자에게 전달하여 해당 사건을 지원
▪ 향후 결혼, 이혼 및 파산과 같은 복잡한 법률 소송까지 서비스를 확대할 계획
[ Do not pay 사용화면 ]
216
 텐센트 - 위챗
▪ 인공지능 기반의 챗봇 전환을 통해 메시지를 통해 대화하며 호텔, 병원, 영화표 예약 기능 제공
 텔레그램 - 텔레그램
▪ 킥(Kik)Bot API 공개로 개발자들에게 챗봇 개발 지원. 대화창에서 바로 이용이 가능한 Inline

Bots를 추가
▪ Bot API 2.0 출시. 개발자에게 100만달러를 지원한다고 발표
 킥 봇샵
▪ 화장품/의류업체 등이 참여한 ‘봇샵(Bot Shop)’ 오픈을 통해 챗봇 서비스 제공
▪ Bot API 공개. 킥의 젊은 사용자들을 고객으로 끌어들일 수 있다고 홍보
 구글 알로
▪ 인공지능 챗봇 기술 적용된 메신저 플랫폼 준비 중
 마이크로소프트
▪ 스카이프나 코타나와 연계된 챗봇 개발 도구인 ‘봇 프레임워크’ 공개
 페이스북
▪ ‘Messenger Send/Receive API’ 및 인공지능 기술 적용 ‘봇 엔진’ 공개
217
출처: Inforgraphic : The bot platform ecosystem O’Reilly
[ 챗봇 생태계 ]
(2) 국내기업 동향
 우리은행 : 인공지능 은행원 ‘위비봇’(′17)

▪ ‘말로만 되는 금융거래 서비스’를 통해 노약자, 장애인 등 디지털 취약계층을 지원하고, 인공지능
기술을 이용해 고객과 실시간 상담 제공
▪ 위비뱅크, 위비톡 등 위비 플랫폼에서 서비스가 제공되며, 환전 관련 정보 등 금융정보 뿐 아니라

날씨, 인물정보 등 일반 상식도 제공
▪ 기존 시나리오 방식에 인공지능 기술을 접목하여, 질문자의 의도를 파악한 답변을 제시함으로써
실제 상담사와 대화하는 것처럼 상담 진행
▪ 서비스 제공 플랫폼은 스마트뱅킹, 인터넷뱅킹 등으로 확장할 계획이며, 상담 업무 영역도 대출,

예･적금 등 주요 은행서비스로 확대할 계획
218
 법무부 : 인공지능 기반 법률비서 ‘버비’(′16~)
▪ 국민들이 언제 어디서든 스마트폰, PC를 이용하여 생활법률 관련 궁금증을 해소할 수 있도록

서비스 개발
▪ 법무부는 생활법률, 판례 등 국민에게 유익한 다양한 법률 자료를 가지고 있으나, 대부분이 텍스트
중심의 콘텐츠로써 대국민 활용도 제고 필요
▪ 18년 3월 출시된 2세대 버비는 서비스분야, 문답지식 콘텐츠 등을 추가하였고 국민 누구나 활용이
가능하도록 공공데이터포털에 관련 내용 제공
▪ 2세대 버비는 챗봇 고도화를 통해 머신러닝, 딥러닝 기술을 적용하여 자체 학습기능을 탑재
[카카오톡을 활용한 버비 상담내용 화면]
 대구시 : 인공지능 민원 상담사 ‘뚜봇’(′17~)

▪ 민원상담 서비스의 효율화, 서비스 품질 향상 및 대국민 서비스 만족도 향상을 위해 인공지능 기반
지능형 챗봇 서비스 도입
▪ 120 달구벌콜센터 등 내부시스템 연계뿐 아니라 외교부 여권 홈페이지와 같은 외부시스템과도

연계하여 통합적 서비스 제공을 목표
▪ 정확한 상담을 위해 딥러닝을 통한 분류, 시나리오 기반의 심화 대화, 온톨로지12)를 통한 정확한

의도 파악 등 기술적 요소 고도화
▪ 57,000여건의 학습데이터 구축을 통해 단순 키워드 검색 수준의 상담에서 나아가 시민의

질문에 추론하여 답변하는 쌍방향 대화가 가능하고, 지도, 링크, 이미지 등 다양한 형태로
서비스 제공
219
[ 카카오톡을 활용한 뚜봇 상담내용 화면 ]
 롯데쇼핑 : 나만의 퍼스널 쇼퍼 ‘로사(LOTTE SHOPPING Advisor)’(′17)
▪ 온-오프라인, 온라인 구매고객의 증가에 따라 온라인에서 고객과의 소통 증가 및 차별화된 쇼핑

경험 제공을 위해 챗봇 서비스 개발
▪ 챗봇 사용량이 증가할수록 분석데이터가 증가하여 더욱 정교한 서비스가 가능 해지고, 고객의

온·오프라인 구매패턴까지 분석
▪ 이미지 인식(VR) 기능을 추가하여 실제 상품을 촬영하고 업로드 하면 해당 상품에 대한 정보뿐

아니라 비슷한 스타일의 제품까지 추천
[ 로사 상담내용 화면 ]
220
 CJ대한통운 : 24시간 인공지능 택배 상담 챗봇(′17)
▪ 대한통운 웹/앱을 통해 24시간 택배 서비스 전반에 대한 질문을 챗봇이 처리하고 업무처리까지

가능하도록 서비스 제공
▪ 택배조회, 택배예약, 반품예약, 배송일정확인, 택배포장방법, 국제택배 접수방법 등 다양한 업무에

대한 질의응답 및 각종 택배 관련 업무 수행
[ CJ대한통훈 챗봇 서비스 상담화면 ]
 멜론 : 음악추천 인공지능 뮤직봇 ‘로니’(′18)
▪ 카카오톡 플러스 친구(카카오멜론)를 통해 서비스를 제공하며 개인별 큐레이션 기능으로 맞춤형

선곡서비스, 음악 또는 가수 관련 질문에 응답
▪ 주요 서비스로는 선곡, 음악 찾기, 음악공유, 오픈채팅, 카카오톡을 통한 음악 재생 서비스 등이며,

이러한 서비스는 뮤직봇 로니와의 채팅을 통해 제공
[맬론 뮤직봇 ‘로니’의 주요 서비스 내용]
221
 네이버 라인 메신저
▪ ‘라인 컨퍼런스 도쿄 2016’에서 챗봇 도입 발표 및 하반기에 챗봇 기반의 ‘스마트폰 콜센터’ 구축
▪ 봇 계정 개발할 수 있는 API 공개. 봇 서비스를 라인 계정과 연동 가능
 카카오톡 카카오톡 메신저

▪ 2016년 하반기 ‘금융봇’ 서비스로 24시간 금융 상담을 지원하는 인공지능 서비스 공개
 엘지전자 카카오톡, 라인메신저
▪ IoT서비스로 스마트폰에서 집에 있는 LG 가전제품을 메신저로제어 하는 서비스 제공
222
다. 특허 동향
◎ 공공서비스 특화 챗봇 시스템 분야 특허상 주요 기술
 주요 기술
▪ 질문에 최적의 답을 찾는 딥러닝과 사람과의 대화에 최적화한 DM(다이얼로그 매니지먼트)등의 기술을
기반으로 인간이 인위적으로 만들어낸 규칙이나, 인공지능에 의해 구동되는 유저와 소통할 수 있는 챗봇
기술을 공공서비스에 접목시켜 원활한 민원처리를 돕는 시스템에 관한 기술로서 감성인지기술, 상황 정보
인식 기술, 텍스트 마이닝 기술, 텍스트 제공 기술, 음성 제공 기술, 시각자료 제공 기술 등이 포함
감성 인지 기술 A 인간의 감성을 데이터화하여 인지하는 기술
사용자가 입력한 음성이나 단어 이외에 현재

상황 정보 인식 기술 B 사용자가 처한 상황을 인식하여 사용자에게 적합한
정보를 제공할 수 있는 기술
비정형 텍스트 데이터에서 새롭고 유용한 정보를

텍스트 마이닝 기술 C
찾아내도록 하는 기술
학습된 내용에 대한 응답과 검색을 통한 결과를

텍스트 제공 기술 D
텍스트 형태로 제공하는 기술
학습된 내용에 대한 응답과 검색을 통한 결과를 음성

음성 제공 기술 E
형태로 제공하는 기술
학습된 내용에 대한 응답과 검색을 통한 결과를

시각자료 제공 기술 F
시각자료 형태로 제공하는 기술
223
▪ 공공서비스 특화 챗봇 시스템 기술의 요소기술별 주요 출원인 국적별 특허정보 데이터를

입수하였으며, 최근 10년간의 특허데이터를 비교 분석
요소기술 한국 미국 일본 유럽 계
감성 인지 기술 27 31 12 10 87
상황 정보 인식 기술 27 84 29 17 182
텍스트 마이닝 기술 6 69 3 6 102
텍스트 제공 기술 14 40 6 0 69
음성 제공 기술 40 34 28 4 121
시각자료 제공 기술 12 174 8 17 240
합계 126 432 86 54 801

▪ 감성 인지 기술 분야에서는 미국국적 출원인의 출원이 가장 많은 비중을 차지하고 있으며, 한국국적

출원인과의 출원량 차이는 크지 않음
▪ 상황 정보 인식 기술도 미국국적 출원인의 출원이 가장 많은 비중을 차지하고 있으며, 그

다음으로는 일본, 한국, 유럽국적 출원인 순으로 특허를 많이 출원
▪ 텍스트 마이닝 기술 분야, 텍스트 제공 기술 분야 및 시각자료 제공 기술 분야 또한 미국국적

출원인의 출원이 가장 많았으며, 다른 국적 출원인과의 출원량 차이가 매우 큰 것으로 나타남
▪ 음성 제공 기술 분야은 다른 기술 분야와 달리 한국국적 출원인의 출원이 가장 많은 비중을

차지하고 있는 것으로 나타남
▪ 시각자료 제공 기술 분야에서는 다른 기술 분야와 달리 유럽국적 출원인의 출원량이 한국국적

출원인의 출원량보다 많은 것으로 나타남
224
▪ 관점을 국내·외 출원인으로 바꾸어 보면 한국국적의 출원인은 외국국적의 출원인에 비해 감성 인지

기술(A) 분야와 음성 제공 기술(E) 분야의 출원 비중이 상대적으로 높게 나타남
▪ 반면, 한국국적의 출원인은 외국국적의 출원인에 비해 텍스트 마이닝 기술(C) 분야와 시각자료 제공
기술(F) 분야에 상대적으로 특허 출원 비중이 상대적으로 낮은 것으로 나타남
▪ 한국국적 출원인의 특허 출원량은 큰 등락이 없는 경향을 보이다가 최근 연도 구간에서만 비교적

가파른 증가가 있는 것으로 나타남
▪ 특히 감성 인지 기술 분야(A), 상황 정보 인식 기술 분야(B) 및 음성 제공 기술 분야(E)에서 큰

증가가 있었던 것으로 나타남
▪ 외국국적 출원인의 특허 출원량은 한국국적 출원량과 다르게 연도별로 등락이 다소 있는 것으로

나타났으나 비교적 꾸준히 증가하는 형태를 보임
225
▪ 외국국적 출원인의 연도별 출원량에서 음성 제공 기술(E) 분야의 경우 다른 기술 분야보다 최근

연도 구간에서 출원이 많이 증가한 것으로 나타남

기술
집중도
• 주식회사 로버러스
• 대기업 중심
• Z ADVANCED
감성 인지 기술 ◓ COMPUTING
• 주식회사 로버러스, 네이버
, 삼성에스디에스
• IBM
• Henrob Limited • 대기업 중심
상황 정보 인식 기술 ◕ • 삼성전자 • 삼성전자, 엘지전자,
• 엘지전자 주식회사 싸이트로닉 등
• Z ADVANCED
COMPUTING
텍스트 마이닝 기술 ◓ • IBM
• 삼성전자, 주식회사
로버러스, 케이티 등
•Microsoft
• IBM • 대기업 중심
텍스트 제공 기술 ◔ • Google • 엘지전자, 삼성전자,
• Toshiba 주식회사 로버러스
• 중소기업 중심
• 주식회사 로버러스
• 주식회사 로버러스, ㈜
음성 제공 기술 ◓ • Apple
티젠스, 주식회사
• Google
머니브레인 등
• IBM • 대기업 중심
시각자료 제공 기술 ◕ • Microsoft • 네이버, 삼성전자,
• General Electric 한국전자통신 연구원 등
※ ●: 50건 이상, ◕: 30~49건, ◓: 20~29건, ◔: 10~19건, ◯: 10건 미만
226
 감성 인지 기술 분야 주요 출원인 동향
▪ 감성 인지 기술 분야 주식회사 로보러스가 가장 많은 특허를 보유하고 있으며, 그 다음으로는 Z

ADVANCED COMPUTING과 IBM 순으로 다수의 특허를 보유
 상황 정보 인식 기술 분야 주요 출원인 동향
▪ 상황 정보 인식 기술 분야는 Hernrob Limited가 가장 많은 특허를 보유하고 있으며, 그 다음으로는

삼성전자, 엘지전자 등이 많은 특허 출원
 텍스트 마이닝 기술 분야 주요 출원인 동향
▪ 상황 정보 인식 기술 분야는 Z ADVANCED COMPUTING이 가장 많은 특허를 보유하고 있으며,

그 다음으로는 IBM, Microsoft 등이 많은 특허 보유
 텍스트 제공 기술 분야 주요 출원인 동향
▪ 텍스트 제공 기술 분야는 IBM이 가장 많은 특허를 보유하고 있으며, 그 다음으로는 Google,

Toshiba가 다수의 특허 보유
 음성 제공 기술 분야 주요 출원인 동향
▪ 음성 제공 기술 분야는 주식회사 로보러스가 가장 많은 특허를 보유하고 있으며, 그 다음으로는

Apple, Google 등이 많은 특허 출원
 시각자료 제공 기술 분야 주요 출원인 동향
▪ 시각자료 제공 기술 분야는 IBM이 가장 많은 특허를 보유하고 있으며 그 다음으로는 Microsoft,

General Electric 등이 많은 특허 출원
227

 한국은 시각자료 제공 기술 분야에서는 특허활동이 부진하나, 음성 제공 기술 분야의

 미국은 음성 제공 기술 분야에서는 특허활동이 부진하나, 시각자료 제공 기술 분야의

 일본은 텍스트 마이닝 기술 분야에서는 특허활동이 부진하나, 음성 제공 기술 분야의

 유럽은 텍스트 제공 기술 분야에서는 특허활동이 부진하나, 감성인지 기술 분야의 특허출원은

활발한 것으로 나타남
228
 시장력이 전체 평균 1.50을 상회하는 국가로는 중국 외에 영국, 이스라엘이 있으며, 질적인

수준이 높은 특허 보유국은 미국
▪ 질적인 측면을 같이 고려한 시장력에 있어서 미국은 질적 수준은 높지만 시장성은 낮은 국가 쪽으로 조사
▪ 미국은 시장력 면에선 중국이나 영국 등에 비해서는 뒤지지만 질적 수준은 가장 높은 것으로 나타남
▪ 중국, 영국 및 이스라엘은 질적 수준은 매우 낮지만 시장성이 큰 국가에 속하는 것으로 조사됨
PFS CPP
국가 특허수
US 432 1.45 3.66
KR 126 1.16 2
JP 86 1.35 2.47
CN 24 1.83 0.25
GB 20 2.40 0.3
IL 17 2.29 0.4
전체평균 801 1.50 3.04
◎ 공공서비스 특화 챗봇 시스템 분야의 주요 경쟁기술 및 공백기술
 공공서비스 특화 챗봇 시스템 분야의 주요 경쟁기술은 상황 정보 인식 기술과 시각자료 제공

기술인 것으로 나타났으며, 공백기술은 텍스트 제공 기술로 나타남
▪ 시각자료 제공 기술이 가장 경쟁이 치열한 분야이고, 텍스트 제공 기술 분야는 아직까지 출원이

활발하지 않은 공백기술 분야로 나타남
감성 인지 기술 ◓
상황 정보 인식 기술 ◕
텍스트 마이닝 기술 ◓
텍스트 제공 기술 ◔
음성 제공 기술 ◓
시각자료 제공 기술 ◕
※ ●: 50건 이상, ◕: 30~49건, ◓: 20~29건, ◔: 10~19건, ◯: 10건 미만
229
감성 인지 기술 • 컨시어지 로봇 시스템, 컨시어지 방법 및 컨시어지 로봇 기술
상황 정보 인식 기술 • 로봇을 위한 경험적 상황인식 방법을 실행하는 프로그램 기술
텍스트 마이닝 기술 • 자연어 질의 응답 시스템 및 방법 기술
• 주제별 챗봇 제공 방법 및 이를 이용한 주제별 챗봇 제공

텍스트 제공 기술
시스템 기술
음성 제공 기술 • 사람-기계 간 감정 대화를 위한 방법 및 시스템 기술
시각자료 제공 기술 • 대화형 AI 에이전트 시스템을 위한 지식베이스의 시각화 기술
 국내 특허동향을 살펴보면 대기업은 음성 제공 기술 분야를 제외한 거의 모든 분야의 기술에

대해 집중적으로 연구 개발을 수행하고 있는 것으로 나타남
▪ 감성 인지 기술 분야에서는 신경망을 이용하여 학습 데이터들을 토대로 외부 영상으로부터 식별한

사용자의 감정을 인식하는 기술, 사용자의 음성 입력 및 얼굴 영상 중 적어도 하나를 이용하여 상기
사용자의 감정 정보를 추출하는 기술 등이 대기업을 중심으로 집중 연구개발
▪ 상황 정보 인식 기술 분야에서는 로봇의 인간 또는 로봇과 같은 주체와의 상호작용을 발생시키고

변화시키는 요인으로 인한 상황 및 그 상황에서 나타나는 상호작용의 경험적 사실을 고려하여
그것의 경험적 관계와 확률관계를 통해 상황에 대한 상호작용이라는 경험적 모델을 대상으로 하여
상황을 인지하는 기술, 타겟의 상황 정보를 획득하고 획득된 상황 정보에 맞는 피드백 정보를
생성하는 기술 등이 연구개발
▪ 텍스트 마이닝 기술 분야에서는 입력된 텍스트의 의미를 문장이나 단락 단위로 분류하는 의미 분류

기술, 비정형 문서의 텍스트를 분석하는 기술 등이 연구개발
▪ 텍스트 제공 기술 분야에서는 기설정된 규칙 또는 인공지능에 의해 음성정보 또는 텍스트정보를

제공하는 기술, 추천 텍스트를 제공하는 기술 등이 연구개발
▪ 음성 제공 기술 분야에서는 답변 문장에 해당되는 음성 파일을 출력하 기술, 답변 문장을 상기 음성

파일로 변환하여 출력하는 기술 등이 연구개발 되고 있으며, 주로 중소기업 위주로 특허 출원
▪ 시각자료 제공 기술 분야에서는 복수의 노드 각각을 시각화하여 디스플레이상에 표시하는 기술,

분석된 결과를 웹페이지를 통해 사용자에게 시각화하여 전달하는 기술 등이 연구개발
230
 공공서비스 특화 챗봇 시스템 분야의 공백기술 분야는 텍스트 제공 기술 분야이고 대기업의

특허 출원이 집중되어 있지 않은 분야는 음성 제공 기술 분야로 나타남
▪ 공공서비스 특화 챗봇 시스템 분야의 특허를 다수 출원한 국내 기업은 주식회사 로보러스,

삼성전자, 엘지전자 등으로 나타났으므로, 연구개발시 해당 기업이 보유한 특허에 대해 우선적으로
검토를 고려할 필요가 있는 것으로 판단
▪ 세부 기술 분야별 특허 출원 비중과 특허 출원량의 연도별 변화 추이를 살펴 볼 때 텍스트 제공

기술 분야에 대한 특허 출원이 아직 활발하지 않은 것으로 보이므로, 텍스트 제공 기술 분야에
대해서 연구 개발을 집중할 경우 지재권 획득이 다른 기술 분야보다는 용이할 것으로 판단
▪ 아울러 음성 제공 기술 분야의 경우 대기업들의 경쟁이 치열한 다른 기술 분야보다는 시장진입이

상대적으로 용이한 것으로 사료됨
▪ 공공서비스 특화 챗봇 시스템의 경우 딥러닝을 포함하는 인공지능 기술을 데이터 처리 방법으로

사용하고 있으며, 주요 외국 국적 출원인으로 인공지능 분야의 주요 기업인 IBM, Google 등이
포함되어 있으므로 인공지능 알고리즘 자체보다는 응용 방법에 대한 연구 개발을 수행하는 것이
바람직할 것으로 사료됨
4 연구개발 네트워크
 챗봇 기술 분야 주요 연구개발 기관
[ 챗봇 기술 분야 주요 연구 개발 기관/자원 ]
기관명 서비스명 설명
• 뛰어난 AI기술과 축적된 대량의 데이터를

네이버 클로바
기반으로 챗봇 연구 및 개발
네이버
네이버 클라우드 • 네이버에서 운영하는 인공지능 플랫폼으로
플랫폼 챗봇 API를 제공하고 있음
• AI핵심 기술이 결합된 카카오의 통합 인공지능

카카오 Kakao i
플랫폼으로 누구에게나 제공되는 개발 플랫폼
• 상담사와 챗봇의 조화를 통해 고객 만족도를

MINDs Lab AI Contact Center
높이는 올인원 하이브리드 고객 센터 제공
231
 챗봇 분야는 여러 IT 대기업과 중소기업에서 주로 연구개발을 진행하고 있음
[ 챗봇 기술 분야 주요 연구조직 현황 ]
소속 기관명 연구분야
네이버 Clova AI
네이버 • 챗봇을 비롯한 전반적인 AI 활용 분야 연구
Research
카카오 카카오 브레인 • 자연어 처리, 음성 인식 등을 연구
MINDs Lab MINDs Lab • 음성인식 및 텍스트분석 연구
 기술이전이 가능한 기관은 언어지능연구그룹, HMI 연구그룹 등이 있음
[ 센서 및 화상처리 기술 관련 이전 기술 ]
기관 이전 기술 내용
• 한국어 문어체 텍스트에 대해서 형태소분석, 개체명

언어지능연구 인식, 구문분석, 동음이의어/다의어 분석, 의미역
엑소브레인 한국어 언어분석 툴킷 v3.0
그룹 인식의 언어 분석을 수행하여 언어 분석 결과를
구조체 정보로 출력해 주는 기술
• 로봇이 사람과 대화를 통해 교류하는데 필요한 시스템

HMI 상황인지기반 대화중심 인간로봇 통합 기술로서 각종 인식, 판단, 표현 모듈들을
연구그룹 교류엔진 연동하고 대화관리를 통해 교류 흐름을 제어하는
기능을 포함한 기술
232
가. SWOT 분석
•(환경) 높은 모바일 보급으로 챗봇 적용 범위 확장 •(환경) 챗봇의 구축, 유통, 활용 등 가치사슬 전반에

•(기술) 챗봇을 뒷받침 할 수 있는 ICT 기반의 인공지능 기술 수준 사용할 수 있는 빅데이터 양의 한계
•(정책) 정부 공공기관 내 챗봇 공급자를 중소기업으로 •(기술) 외국 선두 기업에 의존하고 있는 원천기술

제한하여 공공서비스 공급 기회를 지원하는 정책 •(정책) 정보 수집을 제한하고 있는 개인정보보호법과 관련 정책
•(환경) 근무환경의 변화로 시장성이 높아진 24시간

•(환경) 부족한 인공지능 분야 인적 자원
응대가 가능한 챗봇 기술
•(기술) 글로벌 업체와의 기술 격차 심화
•(기술) IoT 기술의 발달로 정보 수집 용이해지는 추세
•(정책) 미시적인 정부 지원 정책
•(정책) 공공기관내 챗봇 수요 증가
➜ 챗봇 서비스와 가장 밀접한 관련이 있는 인공지능의 지능형 에이전트 기술의 경우 R&D 투자와

시범사업을 통한 기술적 역량 제고가 요구되며, 자원의 한계에 대비하여 알고리즘 기술의 고도화 필요
➜ 인공지능 기술의 원활한 학습과 분석을 위해 데이터의 정형화 및 공공 민간데이터의 연계·융합 필요



- 기술수요 및
문헌분석
- 전문가 추천
233
(2) 요소기술


[ 공공서비스 특화 챗봇 시스템 분야 요소기술 도출 ]
요소기술 출처
패턴인식 특허/논문 분석, 전문가추천
딥러닝 특허/논문 분석, 전문가추천
온톨로지 기반 지식베이스 검색 기술 특허/논문 분석, 전문가추천
감성인지기술 특허/논문 분석, 전문가추천
자연어 처리 기술 특허/논문 분석, 전문가추천
상황 정보 인식 기술 특허/논문 분석, 전문가추천
텍스트 마이닝 기술 특허/논문 분석, 전문가추천
쌍방향 정보 교류 기술 특허/논문 분석, 전문가추천
검색 기술 특허/논문 분석, 전문가추천
텍스트 제공 기술 특허/논문 분석, 전문가추천
음성 제공 기술 특허/논문 분석, 전문가추천
시각자료 제공 기술 특허/논문 분석, 전문가추천
234

[ 공공서비스 특화 챗봇 시스템 분야 핵심요소기술 ]
사용자가 입력한 음성이나 단어 이외에 현재 사용자가 처한 상황 또한

상황 정보 인식 기술
복합적으로 인식하여 사용자에게 적합한 정보를 제공할 수 있는 기술
인지기술
감정 인지 기술 인간의 감성을 데이터화하여 인지하는 기술
빅데이터
텍스트 마이닝 비정형 텍스트 데이터에서 새롭고 유용한 정보를 찾아내도록 하는 기술
활용 기술
학습된 내용에 대한 응답과 검색을 통한 결과를 텍스트 형태로

텍스트 제공 기술
제공하는 기술
정보제공
음성 제공기술 학습된 내용에 대한 응답과 검색을 통한 결과를 음성 형태로 제공하는 기술
기술
학습된 내용에 대한 응답과 검색을 통한 결과를 시각자료 형태로

시각자료 제공 기술
제공하는 기술
235
 국내 공공서비스 특화 챗봇 시스템 분야에서의 시장 규모는 138억 원이며 세계 시장은 5억

2,500만 달러 규모인 것으로 파악
 국내 시장 성장률은 50.2%로 세계 시장 성장률인 42.6%보다 높은 수치를 보임
 국내 중소기업의 공공서비스 특화 챗봇 시스템 분야 기술 수준은 세계 최고수준을 보유한

것으로 조사됨
▪ 미국(98.3%) > 일본(72.5%) > EU(69.6%) > 중국(55.8%)인 것으로 파악
 특허 출원량은 126건으로 미국의 432건에 비해 낮은 수치
 특허 피인용지수는 미국이 3.66으로 가장 높은 수치이며 국내는 2.00으로 분석됨
[ 공공서비스 특화 챗봇 시스템 전략 캔버스(Strategy Canvas) ]
236
 현재 공공기관의 서비스용 챗봇은 대부분 중소기업에서 공급, 따라서 중소기업이 진입할 수

있는 챗봇 시장은 확보된 것으로 볼 수 있음
 챗봇 서비스는 현재 정해진 질문에 답하는 수동적인 형태에서 벗어나 더 자연스러운 대화가

가능한 수준에 도달, 향후 자연어 처리 기술과 데이터 처리 기술 고도화를 통해 지능형 비서,
이용자의 감성을 파악하여 그에 맞는 서비스를 제공할 수 있는 감성 비서 등의 형태로
발전할 전망
 음성을 통한 정보제공, 텍스트를 통한 정보제공, 시각자료를 통한 정보 제공 기술은

상대적으로 대기업들의 시장 점유도가 낮으며 중소기업이 진입하기 용이한 기술로 분석‘
237
합계
패턴인식 7.5 7.7 6.4 6.6 28.2
딥러닝 7.2 8.2 6 6 27.4
온톨로지 기반 지식베이스
6.6 7.4 6.8 6.8 27.6
검색 기술
감성인지기술 8.2 8.2 6.2 6.4 29 선정
자연어 처리 기술 7.4 8 4.8 5.6 25.8
상황 정보 인식 기술 9 8.6 5.6 6 29.2 선정
텍스트 마이닝 기술 8.2 7.8 6.8 7 29.8 선정
쌍방향 정보 교류 기술 5.8 5.8 6.6 6.2 24.4
검색 기술 6.8 7 5.8 5.8 25.4
텍스트 제공 기술 7.4 7.8 6.8 7.8 29.8 선정
음성 제공 기술 7 8 7.4 7 29.4 선정
시각자료 제공 기술 7.8 7.8 6.6 6.6 28.8 선정
238
텍스트 기반
시각 데이터 이해 및
검색 서비스
정의 및 범위
▪ 카메라로 축적된 시각 데이터(자동차, 인상착의 등)의 텍스트화를 통해 정보를 이해하고 이용자가

검색한 텍스트에 적절한 시각 자료를 제시하는 서비스
▪ 보안 카메라 및 동영상 콘텐츠의 소비가 급증하면서 매일 축적되는 시각데이터의 효율적인 관리 및

이용을 위해서는 다양한 동영상 콘텐츠의 내용을 이해하고 관리하는 기술이 필요, 이러한 목표를
위해 인간의 자연어 질의 및 요청을 기반으로 축척된 시각 데이터의 내용 이해기반 검색 및 정보화
기술을 의미함
정부지원 정책
▪ 대통령 직속 4차 산업혁명위원회가 ‘4차 산업혁명대응계획(’17.11)‘을 발표하여, 국내 인공지능 R&D

경쟁력 화보를 위한 ’AI R&D 세부전략(‘18.05)’을 발표하여 인공지능 기술로 인한 새로운 변화를
창출하기 위한 청사진 제시
▪ 인공지능 분야 중 언어지능에서 정부의 투자는 ‘17년 기준 391억 원으로 다른 분야에 비하여 가장

큰 규모를 차지
- 언어지능을 뒤이어 시각지능 277억원, 지식추론 196억원, 기계학습 187억원 순으로 나타남
▪ 과학기술정보통신부는 ‘지능정보산업 발전전략’을 발표하며, 연구개발, 전문인력 확충, 데이터 인프라,

산업 생태계, 융합산업 육성 등에 향후 5년(2016~2020년)간 총 1조원을 투자 계획이며 2조
5000억 원 이상의 민간 투자도 유도할 계획
•(환경) 기존에 구축된 인공지능 개발 환경 및 유연한 •(환경) 영세한 산업구조 및 글로벌 업체에 정체된
산업구조 수익구조
•(기술) 인공지능에 활용에 충분한 수준의 ICT 기술 •(기술) 인공지능 원천기술과 응용기술 개발 어려움
•(정책) 관련 산업 지원 정책과 R&D 계획 수립 활발 •(정책) 산업이 필요한 기술 도입을 위한 정책 미흡
•(환경) 특정화된 시장 공략을 통해 중소기업에 특화된 •(환경) 해외 선두 기업의 독점 우려
시장 확보 가능 •(기술) 사업에 맞는 기술 적용 시점이 세계 시장 대비
•(기술) 인공지능 응용 연구·개발 필요성 인식 늦은 편
•(정책) 기술특성을 고려한 산업 경쟁력 강화 정책 수립 •(정책) 미시적 R&D 정책
➜ 산업에서 해결/성능 개선하고자 하는 미션에 맞는 인공지능 기술 접목을 통한 경쟁력 강화
➜ 산업에 필요한 인공지능 기술을 적기에 도입하기 위해 기업의 적극적 데이터 확보 및 전문기관과 협업
1. 개요
 카메라로 축적된 시각 데이터(자동차, 인상착의 등)의 텍스트화를 통해 정보를 이해하고

이용자가 검색한 텍스트에 적절한 시각 자료를 제시하는 서비스
▪ 엔터테인먼트, AR/VR 등 다양한 산업에서 광범위한 활용이 가능할 것으로 기대
 인공지능 SW의 여러 기술 중 시각 지능을 구현하는 사례로, 텍스트 기반 데이터 이해 및

검색 서비스에 활용되는 시각이해기술은 ‘내용기반영상 검색’, ‘행동인식’ ‘시각지식’으로 분류
가능
▪ 내용기반영상검색 기술은 영상데이터 자체의 특징 정보인 색광과 모양, 질감 등 영상 데이터의
내용을 대표할 수 있는 특징들을 추출하고 이를 기반으로 색인과 검색으로 수행하는 기술을 의미
▪ 행동인식 기술은 영상에서 움직이는 사물의 행동을 인식하는 기술을 의미
▪ 시각지식 기술은 행동인식, 영상이해, 배경인식 등을 이용하여 영상데이터로부터 지식정보를 추출,

생성하는 기술을 의미
 보안 카메라 및 동영상 콘텐츠의 소비가 급증하면서 매일 축적되는 시각데이터의 효율적인

관리 및 이용을 위해서는 다양한 동영상 콘텐츠의 내용을 이해하고 관리하는 기술이 요구
 영상 데이터 처리를 위해서는 사람의 자연어 질의 및 요청을 기반으로 축척된 시각 데이터의

내용 이해기반 검색 및 정보화 기술이 필수
▪ 국내의 많은 중소기업들이 보안카메라 등을 통해 시각데이터 취득하여 저장하는 분야의 사업을
진행하고 있지만 취득된 데이터를 이용한 의미도출 및 지능화 관련 기술 개발의 한계를 갖고 있기
때문에 성장 동력을 얻는데 한계가 있음
▪ 매일 축적되는 시각데이터의 효율적인 관리 및 이용을 위해서는 사람의 언어기반 대규모 시각데이터

내용 검색 및 이해 기술이 필수적이며 이러한 부분은 인공지능 기술이 접목되어 높은 발전 가능성
 영상에서 행동을 이해하기 위한 딥러닝 기술은 다양한 사업에서 높은 비즈니스 가치를 가진

다양한 활용사례를 형성할 수 있으며, 글로벌 기업들은 시각 지능을 기반으로 한 인공지능을
실제생활에 적용하며, 인공지능 기반의 시각 기능을 빠르게 적용하는 추세
▪ BCC리서치에 따르면 영상처리 시장은 2015년 765억 달러에서 2017년 1,090억 달러의 규모로 급증
▪ AI 기반 시각이해기술 관련 특허가 출원하기 시작한 1986년부터 2018년까지의 특허는 총 2,706건으로,

2010년대 초반까지 지속적인 출원 증가가 나타났으며, 특히 2013년부터 2016년까지 급격한 증가 추세
242
나. 범위
 인공지능 기술 기반의 텍스트 기반 시각 데이터 이해 및 검색 기술은 시각 데이터를 텍스트

정보 등으로 이해하는 기술과 텍스트로 입력되는 요구사항에 맞추어 시각 정보를 검색하는
부분으로 구성
 보안 및 콘텐츠의 급속히 증가하는 추세에 따라서 원하는 콘텐츠를 찾고 콘텐츠 내에서 해당

내용의 부분을 찾아내는 것을 불가능에 가까워지고 있기 때문에 본 기술의 활용 분야 및
시장성은 매우 우수한 것으로 평가
 시각 데이터의 내용을 이해하고 사람에게 설명 가능하기 위해서는 시각 데이터를 사람의

자연어로 표현하거나, 시각 데이터에서 중요한 역할은 하는 물건, 사물, 주변 상황을
이해하는 기술이 기반이 되며, 자연어 기반 요청 내용에 맞추어 검색하는 기술이 필요
▪ 핵심 기술은 플랫폼의 정체성을 의미하며 기반이 되는 기술
시각 학습 데이터 병렬 작업자 데이터 Annotation SW 기술, 데이터 포맷팅 기술, 반자동

Annotation Annotation을 위한 시각 정보 인지 기술
객체 인지 기술 객체 인지 기술, 공간 인식 기술, 문자 인식 및 랜드마크 인식 기술

텍스트 기반
시각 데이터
이해
얼굴인식 기술 얼굴 영역 추출 기술, 얼굴 인식 기술, 얼굴 이미지 생성 기술
및
검색
서비스
이미지 캡셔닝 기술 한국어 이미지 캡셔닝 기술, 이미지 특성 추출 기술, 한국어 임베딩 기술
자연어 기반 시각 시각·언어 멀티모달 학습 기술, 시각 특징 기반의 검색 기술, 한국어

데이터 검색 임베딩 기술
243
 인공지능 기술이 접목되어 시각 데이터를 텍스트로 이해하고 검색하여 이용자에게 제공하는

서비스는 활용성 높은 것으로 판단
▪ 매일 증가하는 동영상 데이터에 대한 내용 검토 및 분석양은 사람이 처리할 수 있는 한계치를
넘었기 때문에 보안 카메라 분야, 대용량 미디어 콘텐츠, 유해 콘텐츠 관리 분야에 적용되어
사용가능
▪ 단순한 유해성 판단이 아닌, 유해 콘텐츠 내용 분석을 통해 찾고자 하는 내용 기반으로 콘텐츠를

검색하고 해당 콘텐츠에서 찾고자 하는 내용이 있는 부분을 도출하는 기술에 적용 가능
내용 이해 기반 - 대규모 콘텐츠 저장 공간에 있는 유해 콘텐츠 내용을 분석하고,

유해 콘텐츠 내용 이해기반으로 해당 콘텐츠를 검색하거나 해당 콘텐츠에서 해당
검색 및 관리 부분을 도출하는 기술
- 매일 많은 보안 카메라로부터 취득되는 대용량 데이터의 내용을

텍스트 기반 시각 분석하는 것은 물리적으로 불가능하며, 이러한 보안 카메라에서
보안 카메라
데이터 이해 생성된 대용량 비디오 콘텐츠의 내용을 분석하고, 테스트 정보로
관제 시스템
및 검색 서비스 로그정보를 생성하여 사용자의 요청에 맞추어 해당 콘텐츠를 검색
및 분석에 사용 가능한 기술
- 매일 생산되는 많은 미디어 콘텐츠를 자동으로 관리하고 해당

대용량
내용에 맞는 내용으로 콘텐츠를 재생산하기 위해서는 미디어
콘텐츠 관리
콘텐츠의 내용을 사람에게 설명 가능한 수준으로 정보화 하는 기술
244
 인공지능 텍스트 기반 데이터 이해 및 검색 서비스 관련 산업은 소프트웨어뿐만 아니라 기술

발전을 통한 하드웨어 산업에도 영향을 미치며 개발 산업을 넘어 영상처리 시스템을 이용한
비즈니스 기반 산업까지 포함
▪ 빠른 속도로 발전 하는 기술 개발로 인한 급격하게 변하는 IT 환경으로 시장 독점이 어려우며 품질

경쟁구도로 이어지기 때문에 선진 IT 국가의 사례를 찾아보기 어렵기 때문에 안전보다 적극적인
신기술 개발에 집중이 필요
 전·후방산업과의 연계성이 높은 산업으로 보안경비 산업 과 기계부품, SW 산업의 중간지점에

위치하며, 발전 가능성이 높은 기술로서 현재 많은 스포트라이트를 받으며 성장
▪ 보안경비 산업은 다양한 보안 시스템이 있으며 각 보안을 강화하기 위하여 현재 주목받고 있는

얼굴인식 기술을 더욱 개발 하고 있으며, 전방산업의 정책적 선택에 의해 성장해 나감
▪ 전 세계적으로 현재 딥러닝에 주목하는 만큼 영상처리 기술 또한 딥러닝을 접목한 기술이기에 주요

기술 기업들이 경쟁하여 시장 형성 및 성장
 기술의 노하우에 대한 폐쇄성이 강하기 때문에 신기술에 대해 단기간에 기술모방이 어려워

독자적 연구개발을 통한 기술혁신이 주로 일어나는 산업
▪ 현재 필요한 기술을 개발하는 단계에서 창의적이고 독단적인 형태의 방식을 개발 시 그 파급효과는

부가가치로 창출되므로 자체적인 아이디어 및 원천 기술 확보 중요
▪ 얼굴인식 기술은 2000년대 중반까지 연구 개발 및 시험 적용 단계에 머물러 있었으나 최근 기술적

환경이 뒷받침되면서 소프트웨어 개발 중심으로 실용화 추세
▪ 국내 인공지능 시장은 아직 활성화 되지 않았으며 전문 양성이 부족한 형편이며 국내 고급기술

인력의 유출 방지해야 하며 기술 혁신 및 자생을 잃지 않도록 주의할 필요
245
 후방산업은 대규모 데이터 수집, 저장 기술 및 처리기술 등으로 구성되어 있음

▪ 데이터 저장 스토리지 기술의 비약적인 발전으로 테라바이트당 가격이 마그네틱 테이프와 디스크
사이의 격차가 줄어들면서 분석에 대한 수요가 증가
▪ 인터넷 크롤링 기술의 발전으로 대량 데이터 수집이 용이해지고 데이터를 활용, 공유하는 기조가 널
리 퍼지면서 수집 가능한 정보 역시 증대
▪ 여러 노드를 사용하여 데이터를 저장 관리하는 스케일 아웃 분산 병렬 시스템의 발전으로 대용량의

정보 저장 및 처리가 가능
 전방산업으로서 텍스트 기반 데이터 이해 및 검색 서비스 분야의 주요 시장은 SW(50%),

보안제품(30%), 소셜네트워크(10%), IT(5%), 전자부품(5%) 등으로 구성
▪ 시각지능 기술은 하드웨어의 발전에 의해 실현 가능해진 기술들이 시장에 적응하면서 수요 증가
[ 텍스트 기반 데이터 이해 및 검색 서비스 분야 산업구조 ]
텍스트 기반 데이터 이해 및
후방산업 전방산업
검색 서비스
얼굴인식, 색상인식, 글자, 숫자,

방위, 의료, 실버, 바이오,
대규모 데이터 수집, 저장 기술, 사물인식, 상황정보 감지, 상황인식
정밀기계, 보안경비, 홈네트워크,
처리기술 모델링, 거리센서, 전신동작 인식,
엔터테이먼트
손동작 인식
246
(1) 해외 시장
 영상 데이터 이해 및 검색과 관련 있는 세계 영상처리 시스템의 시장 규모는 2016년

10,400백만 달러에서 2021년 19,100백만 달러로 성장하여 연평균 8.8%의 약진 기대
[ 영상처리 시스템 세계 시장규모 및 전망 ]

구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
세계시장 11,800 13,700 15,600 17,600 19,100 20,781 8.8
* 출처 : 한국전자통신연구원 기술경제연구본부, 2016
 영상인식/분석 분야는 ‘17년 113억 달러 규모에서 연평균 14.5% 성장하여, 234억 규모로
확대될 전망
[ 유형별 영상처리 시스템 세계 시장 전망 ]
(단위: 억 달러, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
영상인식/분석 113 137 156 179 205 234 14.5
* 출처 : 한국전자통신연구원 기술경제연구본부, 2016
247
 인공지능 기술은 수많은 분야에 적용될 수 있어 전체적인 시장규모의 특정에 어려움이 있으나,
‘17년 14억 달러에서 2022년 160억 6000달러 규모로 연평균 62.9%의 고도성장 예상
▪ 인공지능이 중간 재화 형태로 존재하는 일종의 SW 또는 디바이스에서는 어디 부분까지 인공지능

시장에 포함시킬 것인가를 정이하는 과정에서 상이한 결과 도출
[ 인공지능 세계시장 규모 및 전망 ]
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
합계 1,400 2,282 3,717 6,055 9,865 16,060 62.9
 인공지능 소프트웨어 플랫폼 시장은 2017년 23억불 규모에서 2021년 84억불 규모로 연평균
약 40%의 고속 성장이 예상 (IDC, 2017)
248
(2) 국내 시장
 국내 시장 영상처리 시장은 2017년 1,297억 원에서 2022년 1,980억 원으로 연평균 4%

성장이 기대되며 장기적인 관점에서도 높은 성장세가 유지될 것으로 전망
▪ 국내 시장규모는 모바일 디바이스에서 이미지/동영상 사용량이 증가하고 있으며, 실제 2017년을

기점으로 증가속도가 급증하여 2018년에는 18.12%의 고속 성장이 예상됨
▪ 주요 기업으로는 IT기업을 필두로 일부 대기업이 인공지능 산업 투자 및 연구를 추진하고 있으나

아직까지 인터넷과 게임 등 특정 사업에 한정
[ 영상처리 시스템 국내 시장규모 및 전망 ]

(단위 : 억 원, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
국내시장 1,297 1,509 1,720 1,904 1,980 2,059 4.0
* 출처 : 한국전자통신연구원 기술경제연구본부 추정, 2016
 국내 인공지능 시장을 SW/ 및 알고리즘, 영상처리 및 영상인식, 음성인식 및 통번역으로

나누어 분석해보면, 영상처리 및 영상 인식 시장 규모는 ‘17년 1조 6000억원 규모에서
’22년 4.3%로 연평균 21.6% 성장이 전망
▪ 인공지능 전체 연평균 성장률 19.7%를 웃도는 수치이며, 음성인식 및 통번역(21.9%)과 크게 차이

나지 않아, 빠르게 성장하는 분야인 것으로 분석
[ 인공지능 분야별 국내 시장규모 ]

(단위 : 조 원, %)
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR

S/W 및
1.9 2.1 2.5 2.9 3.4 3.9 15.7
알고리즘
영상처리 및
1.6 2.1 2.4 2.9 3.5 4.3 21.6
영상인식
음성인식 및
1.9 2.2 2.6 3.3 4.2 5.1 21.9
통번역
합계 5.4 6.4 7.5 9.1 11.1 13.3 19.7
* 출처 : 과학기술정보통신부, 17
249
 국내 인공지능 시장은 현재 초기단계로써, 2017년 9500만 달러에서 2022년 9억 5900만

달러 규모로, 세계시장 연평균 성장률에는 못 미치지만, 연평균 58.7%의 고성장이 예측
구분 ‘17 ‘18 ‘19 ‘20 ‘21 ‘22 CAGR
합계 95 151 240 381 604 959 58.7
250
3. 기술 분석
 국내 환경을 고려한 인공지능 데이터 및 기술 부족 현황
▪ 해외에서는 인공지능 연구를 위해 자국의 환경, 문화, 언어를 반영한 많은 데이터를 구축하는데,
알고리즘을 연구하는 목적으로 사용은 가능하나, 학습 데이터의 제한적 특성에 의해서 국내에서
사용될 기술 및 서비스 개발에 장애로 작용
▪ 국가에 따라 문화, 언어, 인종 구성, 역사 등 다양한 부분에서 차이가 있으며, 이러한 요인에 의해
시각적으로 보이는 장면(이미지), 얼굴 표정 및 이목구비, 제스쳐 등 많은 부분에서 나라별 차이를
보이기 때문에 국가적 환경이 고려된 인공지능 데이터 구축 필요
▪ 해외에서는 인공지능 기술을 정확히 이해하고 전문 툴을 사용하여 사용자 요구에 맞추어 대규모
학습데이터를 구축하는 기업들이 활동하고 있으며, 국내에서도 최근 머신러닝 기술을 이용한 데이터
구축작업 효율성을 높여서 사용자 요구에 맞추어 구축하는 기업들이 등장
▪ 산업에 적용하고 새로운 서비스를 창출하기 위해서는 먼저 해결할 문제를 명확히 정의하고 해결
방안에 맞추어 설계된 충분한 인공지능 학습데이터가 필요 최근 정부주도의 대규모 AI 학습데이터
구축 사업이 진행되고 있으나 폭넓은 형태의 정의를 기반으로 구축되고 있기 때문에 개별 기업의
사업 및 해결한 문제와는 조금 거리가 있음
▪ 다양한 분야에 적용 가능한 얼굴인식, 문서인식, 상황 이해 기술을 국내 중소기업들이 서비스에

적용하기 위해서는 기술 도입을 원하는 기업이 적극적으로 참여된 상태에서 인공지능 연구자와
논의하여 정의된 데이터를 기업이 제공하고 학습을 위해서 인공지능 전문가가 보정하는 과정이
필요하며 이를 통해 양질의 데이터가 구축되지만 비용과 데이터 구축에 요구되는 노력을 감당하지
못하기 때문에 핵심 데이터가 부족
▪ 중소기업들이 국내에서 진행하는 서비스에 기술을 도입하기 위해서는 한국어와 국내 상황이 함께

고려된 시각데이터 및 기술이 필요하지만, 국내 연구자들이 알고리즘 개발을 위해서 해외에서
공개된 영어 기반의 데이터를 사용하고 있으며 서비스 환경을 고려한 시각과 한국어 데이터로
구성된 학습데이터가 매우 희소
 시각 지능 관련 국내 전문가 부족 현상
▪ 인공지능관련 기술의 발전 속도는 우리가 경험한 어떤 분야보다 매우 빠르게 발전하고 있기 때문에
관련 전문가들이 연구 및 기술개발에 집중할 수 있는 환경이 매우 중요
▪ 국내 기업 및 정부의 방향은 전통적인 행태를 유지하면서 국내에서 배출된 인공지능 관련

전문가들이 집중적이고 도전적으로 연구가 가능한 해외 기업 및 국가로 이동
▪ 한국어 요청에 맞추어 시각 데이터를 검색하고 분석하는 기술은 멀티모달 데이터에 대한 이해도가
필요하며, 단일 모달 기술에 비해서 난이도 및 목표 달성 여부를 예측하기 어렵기 때문에 관련
연구자 및 개발자가 더욱 부족
▪ 2013년 이후 딥러닝의 출현에 의해 기계학습 분야가 부흥하면서 갑자기 기계학습 전문가들의

수요가 급증하였으나 그 동안 기계학습 분야에서 꾸준히 연구하던 전문가들은 매우 소수에
불과했기 때문에 현재는 산업적 수요에 비해 딥러닝 전문가의 수가 크게 부족한 상황
251
 구글은 ‘구글 클라우드 넥스트(Google Cloud Next)’ Conference에서 ‘클라우드 비디오

지능(Cloud Video Intelligence)’ API 베타 버전을 공개, 해당 기술은 특정 검색어를 입력하면
하나 이상의 동영상을 검색한 후 해당 검색어에 맞는 물체를 찾아주는 기술
▪ 더불어 CNN(Conveolutional Neural Networks: 컨벌루션 신경망) 기술과, RNN(Recrurrent
Neural Networks: 순환 신경망) 기술을 이용하여 영상 속 장면인식과 자동번역을 융합하여
완전한 문장으로 장면을 묘사해주는 알고리즘 개발, 발표
 IBM은 리서치 기술을 이용하여 왓슨이 생성한 데이터를 분석하고 영상 콘텐츠의 의미를
파악하여 비디오를 논리적 장면으로 분석, 현재 시장에서 제공되는 제품들의 기술 수준을
뛰어넘어, 콘텐츠와 맥락의 심층적 이해가 가능하며 장면 식별이 가능한 것으로 알려짐
 페이스북은 ‘16년 8월부터 인공지능 딥 러닝 기반 이미지 인식 소프트웨어를 유저들에게 오픈

소스로 공개
▪ 영상 내의 사물을 인식하고 사물의 영역을 픽셀 단위로 분할하여 사물의 이름을 붙여주는 기능을 포함
▪ 영상 속의 사람과 동물 등 주변 객체를 인간만큼 충분히 이해하고 학습할 수 있는 기술 개발에

연구의 초점 사진 속의 사물과 인물을 구별하고 내용을 인식, 뉴스피드 내용 필터링,
자동텍스트번역, 음성인식 등을 수행하는 인공지능 기술 보유
 마이크로소프트는 딥러닝 기술을 시각적 정보로 활용하여 사물을 인식하는 아담 프로젝트를 진행
▪ 이종의 애완견을 현장에서 촬영한 후 ‘코타나’를 통해 어떤 견종인지 음성으로 물어보면 실시간으로

견종을 알아내 스마트폰 문자로 공지하는 서비스 제공
▪ 앞으로 카메라로 촬영한 식품의 영양 성분을 분석하거나 숲에서 처음 본 식물의 유해성 여부를
판단하는 서비스, 부상 및 피부 질환 이미지를 바탕으로 진료를 돕고, 맹인에게 주변 풍경을 설명해
주는 자동 안내 서비스로 활용 될 전망
 IBM은 IMARS 분산, 병렬화 프로젝트를 진행 중
▪ IBM은 2012년 이후 자사의 IMARS를 확장하여 빅데이터 기술과 접목하고 있으며 이를 이용한
플랫폼화 전략을 구사
▪ Hadoop의 분산 파일 시스템과 MapReduce 프로그래밍을 통해 여러 가지 특징 추출 및 분류

기술을 동시에 수행하고 그 결과를 병렬적으로 통합하도록 시스템을 설계
▪ 학습에서는 대규모의 이미지들에 대한 다양한 형태의 특징 추출 방법을 분산 병렬로 수행하여

특징점학습을 통계적 방법으로 수행하는 시스템을 구축
252
[ 처리 프로세스 ]
 NVIDIA 는 딥러닝 기반의 Tegra X1 칩이 내장된 컴퓨터 Driver-PX를 개발
▪ 자동차에 장착된 12개의 HD 카메라(60Hz, 초당 1.3 기가 픽셀 처리)영상을 인식하여 주변 상황을

파악하여 자율주행이 가능하도록 지원
▪ 이 시스템의 영상처리 성능을 보자면, 근거리에서 머리와 다리 일부분이 촬영된 신체 일부에 대해서
자동차에 가려진 사람을 보행자로 인식, 야간 운전에도 속도 위반 감지 카메라나 속도 제한표시등
인식 가능, 전방 차량 상황 알림판 인지 및 정체 상황을 인지 가능함으로 다중 클래스 인식이 가능
253
(2) 국내기업 동향
 네이버는 비주얼 서치기술인 ‘스코픽’이 적용된 이미지 검색 서비스인 ‘스마트 렌즈’를 개발하여
네이버 모바일에 검색어를 입력하는 대신 이미지로 검색 가능
▪ 스코픽은 딥러닝 기반의 이미지 분석 기술로 텍스트 정보를 함께 활용하여 검색 결과를 도출
▪ 상품을 촬영시 상품에 관련된 정보를 제공하고 바로 쇼핑페이지로 연결해주는 ‘쇼핑 카메라’ 서비스도
출시할 예정
 카카오는 카카오톡 내에서 바로 이용할 수 있는 롱탭이미지 검색 기능을 공개, 카카오톡으로

전송받은 이미지를 길게 누르면 유사한 이미지를 추천하는 시스템으로, 향후 쇼핑 사이트와
연계하여 유사 상품 검색 기능으로 개발할 예정
 SK 텔레콤은 ‘18년 IP TV와 온라인 동영상서비스 (OTT) 옥수수에 키워드 기반 콘텐츠 추천 서비스를
적용하고 시놉시스, 리뷰, 댓글 등 텍스트에서 추출한 키워드를 기반으로 사용자 맞춤 동영상을
추천하는 기술 개발로 ‘19년 2월 스페인 바르셀로나에서 개막한 MWC에서 진행된
GSMA(세계이동통신사업자협의회) 글로벌 모바일 어워드의 ’최고 모바일 영상 서비스‘ 부문 수상
▪ 인공지능 미디어 추천 기술은 영화나 드라마에서 원하는 장면을 골라 볼 수 있도록 찾아주는 영상분석
기반 장면 검색 기술과 개인 취향에 따라 콘텐츠를 추천해주는 콘텐츠 개인화 기술로 구성
 리얼허브는 동영상 속 정보를 쉽고 빠르게 찾을 수 있는 ‘영상 분석을 이용한 영상 텍스트화

장치’를 개발, 미국에서 특허 등록
▪ 동영상을 프레임(장면)별로 분류하고 해당 프레임에 포함된 사람과, 사물, 장소 등의 정보를 분석하여

텍스트화 하는 기술로 동영상 속 정보 텍스트화하면, 키워드를 이용한 텍스트 검색과 같이 쉽고 빠르게
원하는 정보 획득 가능
▪ ‘15년, 방범, 보안용 ’폐쇄회로(CC)TV 영상 검색 솔루션‘을 발표, 몇 개의 검색 키워드를 활용하여

CCTV에 저장된 영상에서 특정 프레임을 찾아주는 솔루션
 스타핑은 인공지능으로 사진, 이미지 자동분석, 유사 이미지 상품 검색, 추출 등의 서비스를

제공하는 플랫폼 “Lookey” 개발
▪ 인공지능으로 고객의 취향을 분석하고 고객 맞춤 스타일 추천 쇼핑 서비스를 제공
▪ 내용 기반(CBIR) 이미지 검색 엔진을 탑재하여, 모양, 컬러, 패턴 등 활용하여 검색 서비스로 연결
 과학기술정보통신부는 ‘17년 범부처 지능형 CCTV 사업 계획을 발표, 상용화되고 있는 지능형

시스템은 보안, 교통관제, 비즈니스 인텔리전스 등에 활용 중, IP 카메라와 클라우드가 접목되어
빅데이터를 활용한 데이터 마이닝 기술 구현 가능
▪ 교통 관제 시스템에서는 도로 및 선로에서 발생한 사고와 교통위반 등을 감지해 신속한 초기 대응과

교통 흐름을 관리하는데 사용 가능
254
다. 특허 동향
◎ 텍스트 기반 시각 데이터 이해 및 검색 서비스 기술 분야 특허상 주요 기술
 주요 기술
▪ 카메라로 축적된 시각 데이터(자동차, 인상착의 등)의 텍스트화를 통해 정보를 이해하고 이용자가
검색한 텍스트에 적절한 시각 자료를 제시하는 서비스에 관한 기술로서 시각 학습 데이터
Annotation 기술, 이미지 캡션 생성 기술, 객체 인식 기술, 얼굴 인식 기술, 자연어 기반 검색
기술, 시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 등이 포함
시각 학습 데이터 시각 데이터를 텍스트와 함께 학습시키기 위해서 필요한 학습
A
Annotation 기술 데이터 구축 Tool 기술
이미지 캡션 생성 기술 B 이미지를 설명하기 위한 자연어 문장을 생성하는 기술
객체 인식 기술 C 이미지에 있는 물체의 위치와 종류를 도출하는 기술
얼굴 인식 기술 D 이미지에 있는 사람의 얼굴을 인식하고 사람의 ID를 도출하는 기술
자연어 기반 검색 기술 E 자연어 질의를 분석하여 해당 내용의 부분을 검색하는 기술

시각데이터에서 텍스트
시각데이터의 텍스트화를 통해 정보를 이해하는 능력을
추출을 위한 인공지능 F
개선하는 기술
알고리즘
▪ 텍스트 기반 시각 데이터 이해 및 검색 서비스 기술의 요소기술별 주요 출원인 국적별 특허정보

데이터 입수하였으며, 최근 10년간의 특허데이터를 비교 분석
요소기술 한국 미국 일본 유럽 계
시각 학습 데이터 Annotation 기술 32 120 28 16 216
이미지 캡션 생성 기술 20 118 16 15 190
객체 인식 기술 75 270 72 41 510
얼굴 인식 기술 97 277 26 22 512
자연어 기반 검색 기술 22 207 23 15 290

시각데이터에서 텍스트 추출을 위한 인공
16 64 14 1 113
지능 알고리즘
합계 262 1056 179 110 1831

255
▪ 시각 학습 데이터 Annotation 기술 분야에서는 미국국적 출원인의 출원이 가장 많은 비중을

차지하고 있으며, 한국국적과 일본국적 출원인인의 출원이 상대적으로 적은 것으로 나타남
▪ 이미지 캡션 생성 기술 분야에서도 미국국적 출원인의 출원이 가장 많은 비중을 차지하고 있으며,

그 다음으로는 한국, 일본, 유럽 국적 출원인 순으로 특허를 많이 출원하고 있음
▪ 객체 인식 기술 분야에서도 또한 미국국적 출원인이 가장 많은 출원을 하고 있으며, 한국국적

출원인과 일본국적의 출원인이 비슷한 출원량을 보이고 있음
▪ 얼굴 인식 기술 분야에서는 일본국적 출원인의 출원량이 한국국적 출원인의 출원인의 출원량에 비해

매우 적은 것으로 나타남
▪ 자연어 기반 검색 기술 분야에서는 미국국적 출원인과 다른국적 출원인의 출원 비중 차이가 가장 큰

것으로 나타남
▪ 시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 기술 분야에서도 다른 기술 분야와

마찬가지로 미국국적 출원인의 출원 비중이 가장 큰 것으로 나타남
▪ 관점을 국내·외 출원인으로 바꾸어 보면 한국국적의 출원인은 외국국적의 출원인에 비해 얼굴 인식

기술(D)에 대한 출원 비중이 상대적으로 높게 나타남
▪ 반면, 한국국적의 출원인은 외국국적의 출원인에 비해 이미지 캡션 생성 기술(B) 분야와 자연어

기반 검색 시술(E) 분야에 상대적으로 특허 출원 비중이 상대적으로 낮은 것으로 나타남
256
한국국적 출원인의 특허 출원량은 큰 등락이 없는 경향을 보이다가 일부 기술 분야에서만 최근

연도구간에서 비교적 가파른 증가가 있는 것으로 나타남
▪ 특히 객체 인식 기술 분야와 얼굴 인식 기술 분야에서 크게 증가하는 경향
▪ 외국국적 출원인의 연도별 특허 출원량 변화를 살펴보면, 한국국적 출원인의 연도별 특허 출원량과
비교할 때 분석구간 초반부터 지속적으로 증가하는 경향을 보이고 있어 텍스트 기반 시각 데이터
이해 및 검색 서비스에 대한 연구가 지속적으로 수행되어 온 것으로 판단됨
▪ 외국국적 출원인의 연도별 특허 출원량 변화에서 시각데이터에서 텍스트 추출을 위한 인공지능

알고리즘 분야의 경우 구간별 등락이 다른 분야에 비해 미약한 형태를 보임

257
기술
집중도
• 삼성전자 • 대기업 중심
시각 학습 데이터
Annotation 기술
◓ • Facebook • 고려대학교 산학협력단,
• IBM 삼성전자, ㈜네이버
• IBM • 중소기업 중심
• Z ADVANCED •(주)광개토연구소,
이미지 캡션 생성 기술 ◓ COMPUTING 네모커머스(주), 주식회사
•Adobe Systems 머니브레인
• Google • 공공연구기관 중심
객체 인식 기술 ◕ • IBM • 삼성전자, 인하대학교
• 삼성전자 산학협력단, 한국과학기술원
• 삼성전자
•삼성전자, 수원대학교
얼굴 인식 기술 ◕ • IBM
산학협력단,
• Microsoft
한국전자통신연구원
• IBM
• Microsoft
자연어 기반 검색 기술 ◓ • Z ADVANCED
•한국전자통신연구원,(주)페르
소나시스템,(주)휴먼웍스
COMPUTING
시각데이터에서 텍스트 • IBM
• 주식회사 마인드그룹,
추출을 위한 인공지능 ◔ • SONY
주식회사 플랫팜, 오드컨셉
알고리즘 • Adobe Systems
주식회사
※ ●: 50건 이상, ◕: 30~49건, ◓: 20~29건, ◔: 10~19건, ◯: 10건 미만
 시각 학습 데이터 Annotation 기술 분야 주요 출원인 동향
▪ 시각 학습 데이터 Annotation 기술 분야는 삼성전자가 가장 많은 특허를 보유하고 있으며, 그

다음으로는 Facebook과 IBM 순으로 다수의 특허 보유
 이미지 캡션 생성 기술 분야 주요 출원인 동향
▪ 이미지 캡션 생성 기술 분야는 IBM이 가장 많은 특허를 보유하고 있으며, 그 다음으로는 Z

ADVANCED COMPUTING, Adobe Systems 등이 많은 특허 출원
 객체 인식 기술 분야 주요 출원인 동향
▪ 객체 인식 기술 분야는 Google이 가장 많은 특허를 보유하고 있으며, 그 다음으로는 IBM,

삼성전자 등이 많은 특허 보유
 얼굴 인식 기술 분야 주요 출원인 동향
▪ 얼굴 인식 기술 분야는 삼성전자가 가장 많은 특허를 보유하고 있으며, 그 다음으로는 IBM,

Microsoft가 다수의 특허 보유
258
 자연어 기반 검색 기술 분야 주요 출원인 동향
▪ 자연어 기반 검색 기술 분야는 IBM이 가장 많은 특허를 보유하고 있으며, 그 다음으로는

Microsoft, Z ADVANCED COMPUTING 등이 많은 특허 출원
 시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 분야 주요 출원인 동향
▪ 시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 분야는 IBM이 가장 많은 특허를 보유하고

있으며, 그 다음으로는 SONY, Adobe Systems 등이 많은 특허 출원

 한국은 자연어 기반 검색 기술 분야에서는 특허활동이 부진하나, 얼굴 인식 기술 분야의

 미국은 객체 인식 기술 분야에서는 특허활동이 부진하나, 자연어 기반 검색 기술 분야의

 일본은 얼굴 인식 기술 분야에서는 특허활동이 부진하나, 객체 인식 기술 분야의 특허출원은

활발한 것으로 나타남
 유럽은 시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 기술 분야에서는 특허활동이

부진하나, 객체 인식 기술 분야의 특허출원은 활발한 것으로 나타남
259
 시장력이 전체 평균 1.56을 상회하는 국가로는 미국 외에 중국, 캐나다가 있으며, 질적인

수준이 높은 특허 보유국은 미국, 일본 및 독일
▪ 질적인 측면을 같이 고려한 시장력에 있어서 일본은 질적 수준은 높지만 시장성은 평균보다 낮은
국가로 조사
▪ 미국은 시장력과 질적수준 보두 평균보다 높은 것으로 나타남
▪ 독일은 질적 수준은 시장력은 다소 낮지만 질적 수준이 가장 높은 국가에 속하는 것으로 조사
PFS CPP
국가 특허수
US 1056 1.60 2.57
KR 262 1.21 0.27
JP 179 1.47 2.45
CN 66 1.88 0.67
DE 39 1.51 8.80
CA 31 1.87 1.45
전체평균 1831 1.56 2.49
◎ 텍스트 기반 시각 데이터 이해 및 검색 서비스 기술 분야의 주요 경쟁기술 및 공백기술
 텍스트 기반 시각 데이터 이해 및 검색 서비스 기술 분야의 주요 경쟁기술은 객체 인식 기술, 얼굴

인식 기술, 공백기술은 시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 기술로 나타남
▪ 텍스트 기반 시각 데이터 이해 및 검색 서비스 기술 분야에서 얼굴 인식 기술과 객체 인식 기술이

가장 경쟁이 치열한 분야이고, 시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 분야는
아직까지 출원이 활발하지 않은 공백기술 분야로 나타남
시각 학습 데이터 Annotation 기술 ◓
이미지 캡션 생성 기술 ◓
객체 인식 기술 ◕
얼굴 인식 기술 ◕
자연어 기반 검색 기술 ◓
시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 ◔
※ ●: 50건 이상, ◕: 30~49건, ◓: 20~29건, ◔: 10~19건, ◯: 10건 미만
260
시각 학습 데이터 Annotation
• 텍스트와 연관된 이미지 제공 방법 및 이를 위한 전자 장치 기술
기술
• 인공 지능 기술 기반의 머신 러닝을 사용하는 특허 도면

이미지 캡션 생성 기술
이미지에 도면 부호의 설명이 표시되도록 맵핑 처리하는 기술
객체 인식 기술 • 피라미드 구조 기반 기계 학습을 이용한 객체 인식 기술
얼굴 인식 기술 • 싱글 포워드 패스를 이용한 얼굴 인식 방법 및 이를 위한 장치 기술
자연어 기반 검색 기술 • 하이브리드 추론 기반의 자연어 질의응답 시스템 기술
추출을 위한 인공지능 • 이미지로부터 텍스트 추출을 위한 딥러닝 기반 인식 기술
알고리즘
 국내 특허동향을 살펴보면 대기업은 시각학습 데이터 Annotation 기술을, 공공연구기관은

객체인식기술을 집중적으로 연구개발하고 있는 것으로 나타남
▪ 시각 학습 데이터 Annotation 기술 분야에서는 인공지능 데이터 인식 모델을 적용한 결과의
관련도에 기초하여, 획득된 텍스트와 연관된 이미지를 결정하는 기술, 객체 표상을 해석 및
시각화하는 기술 등이 대기업을 중심으로 집중 연구개발
▪ 이미지 캡션 생성 기술 분야에서는 특허 도면이 사용자에게 제시될 때 도면 부호의 주위에 도면

부호의 설명이 표시되도록 하는 기술, 객체 표상에 포함된 특성 해석 기술 등이 중소기업을
▪ 객체 인식 기술 분야에서는 피라미드 구조 기반 기계 학습을 통한 객체 인식 기술, 객체 이미지

인식 DCNN 기반 영상 분석 기술 등이 연구개발
▪ 얼굴 인식 기술 분야에서는 인물이 포함된 이미지를 피쳐 맵으로 변환 시키고, 나아가 이를

공간변환 네트워크로 하여금 기하학적으로 공간변환하게 하여 최종적으로 기하학적 변환이 완료된
상태의 피쳐 맵을 출력시키는 기술, 3단계의 합성곱 신경망을 이용하는 학습 기술 등이 연구개발
▪ 자연어 기반 검색 기술 분야에서는 연역적, 귀납적, 귀추적 추론 방식을 모두 적용하는 하이브리드

추론 기반의 자연어 질의 응답 기술, 콜센터 질의응답 서비스 제공 기술 등이 연구개발
▪ 시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 기술 분야에서는 이미지로부터 텍스트

추출을 위한 딥러닝 기반 인식 기술, 적응적 인공 신경 네트워크 선택 기술 등이 중소기업을
261
 텍스트 기반 시각 데이터 이해 및 검색 서비스 분야의 공백기술 분야는 시각데이터에서

텍스트 추출을 위한 인공지능 알고리즘 분야이고 중소기업의 시장진입이 상대적으로 수월한
분야는 이미지 캡션 생성 기술, 객체 인식 기술 및 자연어 기반 검색 기술로 나타남
▪ 텍스트 기반 시각 데이터 이해 및 검색 서비스 분야의 국내외 다출원 기업은 IBM, Google,

삼성전자 등으로 나타났으며, 연구개발 시 해당 기업이 보유한 특허에 대해 우선적으로 검토를
고려할 필요가 있는 것으로 판단
▪ 세부 기술 분야별 특허 출원 비중과 특허 출원량의 연도별 변화 추이를 살펴 볼 때 시각데이터에서

텍스트 추출을 위한 인공지능 알고리즘 분야에 대한 특허 출원이 아직 활발하지 않은 것으로
보이므로, 시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 분야에 대해서 연구 개발을
집중할 경우 지재권 획득이 다른 기술 분야보다는 용이할 것으로 판단
▪ 향후 중소기업은 대기업들의 경쟁이 치열한 시각 학습 데이터 Annotation 기술 분야 및 얼굴

인식 기술 보다는 시장진입이 상대적으로 용이한 이미지 캡션 생성 기술, 객체 인식 기술 및 자연어
기반 검색 기술 분야에 집중하여 연구개발하고 특히 공공연구기관의 연구개발이 활발한 객체 인식
기술 분야에서는 기술 매입이나 라이센싱 등을 통해 부족한 연구개발능력을 보완하는 것이 바람직할
것으로 사료됨
262
4. 연구개발네트워크
 인공지능 기술을 이용한 빅데이터 기반 데이터 이해 및 검색 서비스 기술
▪ Google
- 검색 관련 최대&최고의 서비스를 제공하는 있는 Google은 문서/동영상/이미지/지도 검색 관련

서비스를 제공하고 있으며 최근에는 검색의 영역을 확장하고 있음
▪ MS
- MS사는 MS-COCO라는 대규모 이미지 이해를 위한 데이터 셋을 구축하여 관련 분야 연구에

주도권을 확보하고 있으며, 이미지를 자연어로 설명하는 기술과 딥러닝 기반 기술들을 개발하여
시각 장애인을 위한 서비스 기술을 사업화 추진하고 있음
▪ KETI
- ‘KETI’에서는 한국어 기반의 이미지 캡셔닝 데이터를 구축하고, 이미지 특성을 정보를 생성하여
상세한 이미지 설명을 한국어로 출력하는 인공지능 기술을 개발함
- ‘KETI’에서는 시각 상황 설명 서비스관련 기술을 개발하여 위하여 한국어 기반 시각 데이터
이해기술을 연구·개발 하고 있음
▪ 네이버
- ‘네이버’의 클로바 팀에서는 시각데이터를 다양하게 이해하는 기술에 대한 연구를 수행하고 있으며,
특히 한국어 문자인식, 객체 인식, 객체 매칭관련 연구를 바탕으로 서비스를 출시
▪ LG 전자
- LG 전자에서는 사물의 객체를 인식하고 화질을 보정하는 등 다양한 시각 정보 이해/변환 기술을

개발하여 출시하는 제품에 탑재
▪인공지능 SW·HW 기초기술 투자(과학기술정보통신부)
- 과학기술정보통신부(장관 최양희, 이하 과기정통부)는 그간 발표한 ‘지능정보산업 발전전략(’16.3월)’과

‘지능정보사회 중장기 종합대책(’16.12월)’에 따라2017년 인공지능 기술 관련 R&D를 본격 추진
- 과기정통부는 ‘17년 지능정보기술 핵심 분야인 AI SW에 대한 연구를 본격화하고, 그 외에도 AI
HW, 기초기술을 포함한 3개 분야에 총 1,630억원 규모를 투입할 계획
263
 프로그래밍 언어별 딥러닝 라이브러리

▪ 파이썬
- Theano: 수식 및 행렬 연산을 쉽게 만들어주는 파이썬 라이브러리. 딥러닝 알고리즘을 파이썬으로

쉽게 구현할 수 있도록 해주는데, Theano 기반 위에 얹어서 더 사용하기 쉽게 구현된 여러
라이브러리가 있음
- Pytorch : Torch 기반으로 Facebook에서 개발하여 딥러닝 알고리즘을 개발하기 위해서 많이
사용되는 Tools로서 프로그램 내부를 검토하고 Debugging하기 매우 편리하기 때문에 최근에
원천기술 개발에 매우 많이 사용되고 있음
- Tensorflow: Theano와 같이 수식 및 행렬 연산을 쉽게 만들어주는 파이썬 라이브러리. 구글에서
개발했으며 현재 제일 많이 사용되고 있는 라이브러리
- Keras: Theano 및 Tensorflow 기반으로, 모듈화가 잘 되어 있어서 사용하기 쉽고 최근에도 계속
업데이트되며 빠른 속도로 발전하고 있는 라이브러리
- Pylearn2: Theano를 유지, 보수하고 있는 Montreal 대학의 Yoshua Bengio 그룹에서 개발한
Machine Learning 연구용 라이브러리
- Chainer: 거의 모든 딥러닝 알고리즘을 직관적인 Python 코드로 구현할 수 있고, 자유도가 매우
높음. 대다수의 다른 라이브러리들과는 다르게 "Define-by-Run" 형태로 구현되어 있어서, Forward
함수만 정의해주면 네트워크 구조가 자동으로 정해짐
- Nolearn: Scikit-learn과 연동되며 기계학습에 유용한 여러 함수를 담고 있음
- Gensim: 큰 스케일의 텍스트 데이터를 효율적으로 다루는 것을 목표로 한 Python 기반 딥러닝 툴킷
- CXXNET: MShadow 라이브러리 기반으로 멀티 GPU까지 지원하며, Python 및 Matlab
인터페이스 제공
- DeepPy: NumPy 기반의 라이브러리
- Neon: Nervana에서 사용하는 딥러닝 프레임워크
▪MATLAB
- MatConvNet: 컴퓨터비젼 분야에서 유명한 매트랩 라이브러리인 Vlfeat 개발자인 Oxford의

Andrea Vedaldi 교수와 학생들이 관리하는 라이브러리
- ConvNet: CNN 라이브러리
- DeepLearnToolbox: DBN, Stacked Autoencoder, CNN 등의 딥러닝을 위한 Matlab/Octave
툴박스
▪C++
- Caffe: Berkeley 대학에서 관리하고 있고, 현재 가장 많은 사람들이(추정) 사용하고 있는

라이브러리. C++로 직접 사용할 수도 있지만 Python과 Matlab 인터페이스도 잘 구현되어 있음
- DIGITS: NVIDIA에서 브라우저 기반 인터페이스로 쉽게 신경망 구조를 구현, 학습, 시각화할 수
있도록 개발한 시스템
- Cuda_convnet: 딥러닝 슈퍼스타인 Alex Krizhevsky와 Geoff Hinton이 ImageNet 2012
- Eblearn: 딥러닝 계의 또하나의 큰 축인 NYU의 Yann LeCun 그룹에서 ImageNet 2013
- SINGA: 기존의 시스템에서 동작하는 분산처리 학습 알고리즘을 일반적으로 구현하기 위해
만들어진 플랫폼
264
▪Java
- ND4J: N-Dimensional Arrays for Java. JVM을 위한 과학 연산 라이브러리로 상용 제품에 사용될

수 있게 연산들이 최소한의 메모리 사용으로 빠르게 작동 가능
- Deeplearning4j: Java와 Scala로 작성된 첫 상용 수준의 오픈소스 분산처리 딥러닝 라이브러리.
개발 툴보다는 Business 환경에 적합하도록 작성
- Encog: 머신러닝 프레임워크로 SVM, ANN, Genetic Programming, Genetic Algorithm,
Bayesian Network, Hidden Markov Model 등을 지원
▪JavaScript
- ConvnetJS: 딥러닝 모델의 학습을 완전히 브라우저에서 할 수 있게 하는 자바스크립트 라이브러리.

별도의 소프트웨어, 컴파일러, 설치, GPU 없이 쉽게 사용
- RecurrentJS: RNN/LSTM을 구현한 Javascript 라이브러리
▪Lua
- Torch: 페이스북과 구글 딥마인드에서 사용하는 라이브러리. 양대 대기업에서 사용하고 있는 만큼

필요한 거의 모든 기능이 잘 구현되어 있고, 스크립트 언어인 Lua를 사용하기 때문에 사용 용이
▪Julia
- Mocha.jl: C++ 프레임워크인 Caffe에 영감을 받아 만들어진 Julia 기반의 딥러닝 프레임워크.
Mocha의 General stochastic solver와 공통 레이어를 사용해 deep / shallow(convolutional)
neural network를 학습하고 (stacked) Auto-encoder를 통해 Unsupervised pre-training을 할
수 있음. 모듈화된 구조, 하이 레벨 인터페이스, 이식성, 빠른 속도, 호환성등이 특징
- Strada.jl: Caffe 프레임워크를 기반으로 해 만들어진 오픈소스 딥러닝 라이브러리. CNN과 RNN을
CPU/GPU로 학습 가능
- KUnet.jl: 최대한 적은 양의 코드로 작성하고자 하는 시도에서 만들어진 딥러닝 패키지. 현재 1000
라인 미만의 코드로 여러 네트워크, Activation, Optimization을 구현하고 있고, CPU/GPU를
사용해 Caffe와 비슷한 성능으로 학습할 수 있음
▪R
- Darch: 레이어가 많은 Neural Network(deep architecture)를 만들 수 있음. Contrastive

divergence로 pre-training 하거나 Backpropagation, Conjugate gradient와 같은 알고리즘을
사용한 fine tuning으로 학습 가능
- Deepnet: BP, RBM, DBN, Deep Autoencoder 등의 딥러닝 아키텍쳐, Neural Network
알고리즘을 구현한 패키지
265
 한국어 기반 시각 상황 이해 및 내용 이해 기술은 전자부품연구원에서 연구·개발을 진행하고

있음
▪ 이미지(시각 데이터)를 한국어로 상황을 설명하고, 물체/사람을 인식하는 기술과 음성 인식/합성

기술이 함께 접목되어 사람의 요청에 따라 상황을 설명하는 기술이 개발되고 있음
▪ 사람의 시각적 제스쳐 정보를 이해하는 기술이 연구되고 있음(한국 수어 to 한국어 번역 기술)
 보안 카메라 데이터를 통합 관제하는 지능형 시스템에 대한 연구를 한국전자통신연구원에서

진행하고 있음
▪ 보안 카메라를 통해서 획득되는 시각데이터에서 사람을 인식, 행동 인식, 사람 추적하여 해당

상황에 대한 내용을 인식된 정보를 조합하여 문장으로 생성함.
[ 텍스트 기반 시각 데이터 이해 및 검색 서비스 연구인력 현황 ]
기관 대표전화번호
KETI(전자부품연구원) 042-739-7457
ETRI 042-860-6114
▪ 인공지능 기술이 접목된 기술은 사용자에게 새로운 경험을 제공하고 사용자가 새로운 경험에
익숙해지는 단계에 들어가면 관련 기술 영역을 선점하는 효과가 크게 작용할 가능성이 높아 시장에
먼저 진출해 생태계를 먼저 만들어 나가는 기업이 절대적 유리
▪ 콘텐츠를 제공하는 서비스는 Google의 YouTube, Netflix와 같은 회사들이 주도하여 진행되고

있으며, 검색 관련 기술은 Google에서 다양한 서비스로 제공
딥러닝 기반 이미지 검색 기술
Deepmind
이미지에 있는 단순한 물체간 관계 추론 기술
DNNresearch
SNS내 사진 분석을 통한 지능형 여행 가이드 서비스
Google Jetpac
딥러닝 기반의 자연어 처리 기술
Dark Blue Labs
딥러닝 기반의 텍스트 인식 기술
Vision Factory
딥러닝 기반의 음성 생성 기술
IQ Engines 이미지 객체 인식 기술
Yahoo LookFlow 이미지 인식 및 사물의 종류 분류 기술
Skyphrase 자연어 인식 및 처리 기술
266
시선 추적을 통한 PC 조작 기술
음성을 일러스트로 변환하는 기술
MS Bonsai
시각 장애인에게 주변 모습을 음성으로 설명하는 기술
여러 사람 목소리를 분리하여 음성 인식하는 기술
자연어를 통한 스마트홈 및 로봇 분야의 서비스 제어 기술

Facebook Wit.ai 자연어로 구성된 데이터 셋에서 질의 기반 검색 기술
사람 얼굴 인식 및 매칭 기술

Apple
 기술 이전 가능 기술
▪ 한국어 기반이 이미지 캡셔닝 기술
- MS-COCO의 약 12만장 이미지에 대한 약 60만 문장에 대해서 한국어 이미지 캡션 데이터를

생성하여 한국어 이미지 캡셔닝 개발을 위한 학습 데이터를 확보
- 서비스에 맞추어 적용하기 위해서는 기업에 맞는 학습데이터를 추가로 적용하여 학습시키는 과정이
필요하며, 한국어 이미지 캡셔닝 데이터를 구축하기 위한 Annotation Tools을 보유하기 있기
때문에 사람이 작업환경의 효율성이 증가
- 본 기술(한국어 이미지 캡셔닝 생성 기술)은 KETI에서 이미지의 Attribute를 추출하여 사용하는
학습모듈을 개발하여 적용한 기술로써, 입력된 이미지를 한국어 문장으로 설명하는 캡션을
생성하는 기술을 보유
267
가. SWOT 분석
•(환경) 기존에 구축된 인공지능 개발 환경 및 유연한 •(환경) 영세한 산업구조 및 글로벌 업체에 정체된
산업구조 수익구조
•(기술) 인공지능에 활용에 충분한 수준의 ICT 기술 •(기술) 인공지능 원천기술과 응용기술 개발 어려움
•(정책) 관련 산업 지원 정책과 R&D 계획 수립 활발 •(정책) 산업이 필요한 기술 도입을 위한 정책 미흡
•(환경) 특정화된 시장 공략을 통해 중소기업에 특화된 •(환경) 해외 선두 기업의 독점 우려
시장 확보 가능 •(기술) 사업에 맞는 기술 적용 시점이 세계 시장 대비
•(기술) 인공지능 응용 연구·개발 필요성 인식 늦은 편
•(정책) 기술특성을 고려한 산업 경쟁력 강화 정책 수립 •(정책) 미시적 R&D 정책
➜ 산업에서 해결/성능 개선하고자 하는 미션에 맞는 인공지능 기술 접목을 통한 경쟁력 강화
➜ 산업에 필요한 인공지능 기술을 적기에 도입하기 위해 기업의 적극적 데이터 확보 및 전문기관과 협업
진행
나. 중소기업핵심요소기술



- 기술수요 및
문헌분석
- 전문가 추천
268
(2) 요소기술
 산업·시장 분석, 기술(특허)분석, 전문가 의견, 타부처로드맵, 중소기업 기술수요를 바탕으로


[ 텍스트 기반 데이터 이해 및 검색 서비스 분야 요소기술 도출 ]
요소기술 출처
시각 학습 데이터 Annotation 기술 특허/논문 분석, 전문가추천
이미지 캡션 생성 기술 특허/논문 분석, 전문가추천
객체 인식 기술 특허/논문 분석, 전문가추천
얼굴 인식 기술 특허/논문 분석, 전문가추천
행동 인식 기술 특허/논문 분석, 전문가추천
형태소 분석 기술 특허/논문 분석, 전문가추천
개체명 추출 기술 특허/논문 분석, 전문가추천
자연어 기반 검색 기술 특허/논문 분석, 전문가추천
주요 영역 검출 기술 특허/논문 분석, 전문가추천
멀티모달 학습기반 이미지 검색 특허/논문 분석, 전문가추천
시각데이터에서 텍스트 추출을 위한 인공지능 알고리즘 특허/논문 분석, 전문가추천
텍스트 검색 기술 특허/논문 분석, 전문가추천
269
(3) 핵심요소기술

[ 텍스트 기반 데이터 이해 및 검색 서비스 분야 핵심요소기술 ]
분류 핵심요소기술 설명
객체 인식 기술 이미지에 있는 물체의 위치와 종류를 텍스트로 도출하는 기술
시각데이터 내
인식 기술
이미지에 있는 사람의 얼굴을 인식하고 저장된 사람의 ID를
얼굴 인식 기술
도출하는 기술
시각 학습 데이터 시각 데이터를 텍스트와 함께 학습시키기 위해서 필요한 학습

Annotation 기술 데이터 구축 Tool 기술
시각데이터 이미지 캡션 생성 기술 이미지를 설명하기 위한 자연어 문장을 생성하는 기술

가공 기술
시각데이터의 텍스트화를 통해 정보를 이해하는 인공지능의
추출을 위한 인공지능
능력을 개선하는 알고리즘 기술
알고리즘
검색 기술 자연어 기반 검색 기술 자연어 질의를 분석하여 해당 내용의 부분을 검색하는 기술
270
 국내 텍스트 기반 시각 데이터 이해 및 검색 서비스 분야에서의 시장 규모는 1,509억 원이며

세계 시장은 137억 달러 규모인 것으로 파악
 국내 텍스트 기반 시각 데이터 이해 및 검색 서비스 분야 기술 수준은 세계 최고수준을

보유한 선진국 대비 65.0%, 3.73년의 기술격차를 보이며 유럽, 중국, 일본에 비해 낮은
수준인 것으로 조사됨
▪ 미국(95.4%) > EU(81.2%) > 일본(74.6%) > 중국(72.7%)인 것으로 파악
 특허 출원량은 262건으로 미국의 1,056건에 비해 낮은 수치
 특허 피인용지수는 독일이 8.8로 가장 높은 수치이며 국내는 0.3으로 분석됨
271
 텍스트 기반 시각 데이터 이해 및 검색 서비스는 그 시장성과 발전 가능성이 인정되어, 이미

글로벌 기업, 국내 대기업들에서 활발하게 개발하고 있는 것으로 알려져 있어 중소기업
단독으로 시장에 진입하게는 다소 어려움이 있을 것으로 보임
 따라서 해외 선두 그룹 또는 관련 플랫폼을 구축한 기업, 대학, 연구소와의 협력을 통해

시장성 있는 세부 분야을 집중적으로 개발하는 것이 바람직한 시장 진입 방법으로 사료됨
272
합계
시각 학습 데이터
8.6 8.8 6.8 6.6 30.8 선정
Annotation 기술
이미지 캡션 생성 기술 7.6 7.2 7.8 8 30.6 선정
객체 인식 기술 7.2 8 6.8 7.2 29.2 선정
얼굴 인식 기술 8.2 8.4 7.8 8.4 32.8 선정
행동 인식 기술 8.2 7.8 6 6.4 28.4
형태소 분석 기술 6.8 7.2 6.2 5.8 26
개체명 추출 기술 7.8 7.6 5.6 6.4 27.4
자연어 기반 검색 기술 7.8 8.2 6.8 6.6 29.4 선정
주요 영역 검출 기술 6.4 6.2 5.4 6.4 24.4
멀티모달 학습기반 이미지

7.6 7.8 6.2 7 28.6
검색
추출을 위한 인공지능 7.8 8.6 6 6.6 29 선정
알고리즘
텍스트 검색 기술 6.2 7.8 6.2 7.8 28
273
※ 붙임
1. 참여위원 명단
소속 직위 성명
㈜태웅메디칼 CTO 사공성대
한국전자통신연구원 책임연구원 손영성
전북대학교 교수 이말례
전자부품연구원 선임연구원 조충상
㈜여의시스템 부사장 오수철
㈜세븐지엔씨 대표 임영환
숭실대학교 교수 정선태
전자부품연구원 센터장 이대성
전자부품연구원 센터장 정혜동
전자부품연구원 연구원 임호정
274
2. 전략품목 선정평가 결과
전략품목 후보 지표별 평가결과

4차
중소 일자리
산업 비고
No 명칭 기술성 시장성 기업 창출 합계
혁명
적합성 효과성
대응성
빅데이터, 클라우드 기반
광역 비디오 실시간
1 6.8 6.4 4.4 6.8 7.2 31.6
모니터링 및 검색 지원
시스템
스마트 공장
2 비파괴 헬스 모니터링 9 8.6 9 9.2 8.8 44.6
품목 중복 삭제
3 대규모 이미지 분석 플랫폼 6.2 6 4.6 6 6.2 29
4 비지도 학습 AI 프로그램 6.4 6.6 6.4 6 6.6 32
5 인간-AI 협업 플랫폼 8.2 8.4 8 8.4 8 41 선정
자기이해 기반 상황인지
6 시스템 6.6 5.6 5.4 6 6.8 30.4
자율지능인지에이전트SW
웨어러블센서 기반 실생활
7 6.6 6 6.2 6.6 6.8 32.2
학습
딥러닝 기술을 이용한

8 6.8 6.2 5.2 6.2 6.2 30.6
sound source separation
9 비전 센서 (Vision Sensor) 6 6 6.6 6.6 6 31.2
A/V 객체 추출 및 인식
10 6 5.6 4.6 6.4 4.8 27.4
시스템
AI기술을 접목한 실시간

11 신호정보(SIGINT: Signal 6.6 5.4 4.6 5.8 5.8 28.2
Intelligence) 분석 시스템
12 화자확인 시스템 7 7.6 6.2 7 6.4 34.2 선정
Robotic Process
Robotic Model Automation
13 8.6 9 8.4 9.2 8.4 43.6
Automation (RMA) (RPA)
품목명 변경
카메라를 이용한 영상
14 7.6 7.4 7.4 7.6 7.4 37.4 영상 데이터
데이터 기반 AI서비스
기반 AI 서비스
품목명 변경
15 영상처리 플랫폼 6 5.8 4.4 6.4 6.4 29
275
전략품목 후보 지표별 평가결과
4차
중소 일자리
산업 비고
No 명칭 기술성 시장성 기업 창출 합계
혁명
적합성 효과성
대응성
빅데이터 AI 분석 기반
16 고객의 구매 패턴 분석 및 6.4 6.2 6.4 5.6 6 30.6
상품 추천 시스템
웹사이트/SNS 에서의 고객
17 지원 인공지능 멀티봇 6.4 6.2 5.6 6.2 6.2 30.6
플랫폼
18 지능형 전문가시스템 6.2 6.2 7 7 7 33.4
공공서비스 특화
챗봇 시스템
품목명 변경
19 음성인식 비서 및 챗봇 7.25 6 4 6.25 6.75 30.25
텍스트 기반
시각 데이터
언어기반 대규모 시각데이터
20 8 6 5.5 5.75 6.75 32 이해 및 검색
이해 및 검색 시스템
서비스
품목명 변경
276

(기술로드맵) 2018년 중소기업 전략기술로드맵 (2019-2021) 01 - 인공지능

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

(기술로드맵) 2018년 중소기업 전략기술로드맵 (2019-2021) 01 - 인공지능

Uploaded by

Copyright:

Available Formats

인공지능

Robotic Process Automation(RPA)

텍스트 기반 시각 데이터 이해 및 검색 서비스

 인공지능(이하 AI)은 인간의 학습능력과 추론능력, 지각능력, 자연언어의 이해능력 등을 컴퓨터

 지능정보 기술 구현의 핵심으로서, 인공지능의 ‘지능’과 IoT 기술 수집 정보, 빅데이터 등

 기존 시장에 인공지능의 음성, 이미지 인식기술 등을 적용하여 새로운 시장으로서의 확대

▪ 최근 사물인터넷 (IoT)의 등장으로 대량의 데이터 분석 및 처리 기술의 발전, HW 성능 고도화에

 문제 해결능력에 따라 강한 인공지능(Strong AI)과 약한 인공지능(Weak AI)으로 나눌 수

- 인간의 사고와 같이 컴퓨터 프로그램이 행동하고 사고하는 인간형 인공지능

▪ 약한 인공지능(Weak AI)은 스스로 사고하여 문제를 해결할 수 있는 능력은 없으나 주어진 조건

- 인간의 인지적 능력 중 단위 기능만을 지능적으로 수행 가능

 인공지능은 주요 기술에 따라 학습 및 추론기술, 상황이해 기술, 언어이해 기술, 시각이해

▪ 학습 및 추론기술은 인간의 사고능력의 모방과 관련된 기술로 기계학습, 추론, 딥러닝 등

- 빅데이터를 활용한 인공지능 기술 전반에 걸쳐 활용

▪ 상황 이해기술은 IoT 센서 등을 이용하여 수집된 데이터를 기반으로 주변의 상황을 인지하고

- 자율주행자동차, 드론 분야에 필수적

▪ 인공지능의 언어 이해는 사람의 음성 언어를 학습하여 이해하고, 이를 이용하여 인간과의

- 챗봇 및 지능형 교육 프로그램 운영에 필요

▪ 시각 이해는 카메라 등을 통해 입력된 데이터에서 객체와 배경을 분리하여 필요로 하는 정보만을

- 영상 검색, 시각 데이터 마이닝 등의 지능화 기능 제공 가능

▪ 인지컴퓨팅 기술은 정보 습득, 이해, 의사결정으로 이어지는 정보처리 프로세스를 학습하는

* ETRI(2017), NIA(2018), IITP(2018) 등

• 컴퓨터가 인간과 같이 정보를 습득하고 그 정보를 이용해 의사 결정을 할 수

• 프로그램화된 논리(로직)나 정형화된 규칙 등을 바탕으로 발생되는 데이터를

• 기계학습과 유사하지만 인간 신경망을 모델화하여 새로운 데이터 셋을

딥러닝 예측하는 기술임

• 컴퓨터가 인간의 언어를 알아들을 수 있게 하여 인간처럼 말하고 쓸 수

데이터마이닝 • 많은 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견하여, 미래에 실행

음성 인식 • 인간의 발성하는 음성을 이해하여 컴퓨터가 다룰 수 있는 문자(코드) 정보로

• 기계에 의하여 도형·문자·음성 등을 식별시키는 것

컴퓨터비전 • 컴퓨터 비전은 로봇의 눈을 만드는 연구 분야로 컴퓨터가 실세계 정보를

• 사람들이 보고 있는 특정 피사체의 사진의 정체를 확인하고자 시도하는 기술

• 인공지능적 기능을 가진 소프트웨어 엔진

 오바마 정부는 미국의 인공지능 전략 수립을 위한 3개의 리포트[NSTC, ‘16.10]를 작성하여

▪ ‘인공지능의 미래준비(Preparing for the Future of Artificial Intelligence)’ 는 인공지능 관련

▪ ‘국가 인공지능 연구 개발 전략 계획(National Artifial Intelligence Reserach and Development

▪ ‘인공지능, 자동화 그리고 경제(Artificial Intelligence, Automation, and the Economy)’는

 트럼프 정부는 자유 시장 경제 원리에 따른 인공지능 산업의 접근법을 택하고 있으며, 정부는

▪ 인공지능 산업계, 학계 및 정부 대표를 인공지능 정상회의(The 2018 White House Summit on

▪ 인공지능 산업에 대한 미국의 리더십 유지, 미국 노동자에 대한 지원, 인공지능 공공 연구 개발

 국가 인공지능 R&D 전략계획 [NSTC, ‘16.10]

▪ 연방정보의 7가지 AI R&D전략 방향과 개발 우선순위를 명확하게 제시하였음

- 인공지능 연구에 대한 장기적·우선적 투자

▪ 또한, 인력 개발과 교육, 수요 예측 등에 대해서는 따로 다루어야 할 정도의 의미가 있음 파악 가능

 ‘차세대 인공지능 산업 발전을 위한 3개년 계획(Three-Year Action Plan to Promote the

▪ 차량, 서비스 로봇, 인증 시스템 과 같은 지능화되고 네트워크화 된 제품 개발 계획

▪ 지능형 센서 및 신경망 칩을 포함한 인공 지능 지원 시스템 개발의 강조

▪ AI 개발 환경 향상-산업 훈련 자원 투자, 표준 테스트 및 사이버 보안 등

 ‘차세대 인공지능 개발계획(A Next Generation Artificial Intelligence Plan)’을 발표 [중국

▪ AI 분야의 원천 기술 및 상업화 경쟁력을 세계 최고 수준으로 끌어올려 중국의 새로운 경제 성장

▪ ‘20년 중국의 인공지능 관련 산업 규모를 1조 위안 이상으로 확대하여 중국의 인공지능 산업을

▪ 이는 사실상 미국을 겨냥한 구상으로, 경제뿐 아니라 사회, 국방 등 국력 신장을 위한 거의 모든

 중국은 딥러닝 연구와 이를 활용한 음성 및 이미지 인식, 의료 분야에서 두각

▪ 백악관 산하 국가과학기술위원회(NSTC)는 ‘16.10월 발표한 보고서 ‘Preparing for the Future of

▪ 음성인식 분야를 견인하는 중국 기업은 Baidu와 iFlytek, 의료분야는 iCarbonX 등 중국어는 타

▪ 인구에 비해 의사 수가 부족한 의료 상황 역시 AI 기반 의료서비스 개발 및 투자를 촉진. 중국은

▪ 일본의 Society 5.0 이니셔티브의 생산성, 건강, 이동성의 3개 영역에 우선 적용

▪ 산업화 로드맵 실현이 일조 목적으로 연구개발, 인재, 공공데이터 및 창업에 대한 새로운 투자 포함

▪ 인공 지능 서비스 개발을 3단계로 구성한 산업화 로드맵으로 유명

- 다양한 도메인 내에서 데이터 기반의 AI의 개발과 활용

 인공지능 산업화 로드맵 [‘17.2]

▪ 미래사회 대비, AI 등 4차 산업혁명 핵심기술을 통해 4개 전략 분야(생산성, 의료, 공간이동,