• 자원환경지질
• /
• 제53권5호
• /
• pp.609-617
• /
• 2020

4차 산업혁명(industry 4.0)으로 제시되는 지능정보사회 전환 정책 이후, 정부는 2020년 한국형 뉴딜 정책으로 디지털 뉴딜과 그린 뉴딜 정책을 발표하였다. 본 연구는 해당 정책을 분석하고 지질자원 분야 공공연구기관의 정부출연 R&D사업을 분석하였다. 해당 사업 중에서 유망기술 분야로 디지털 트윈, 환경 모니터링에 주목하여 유망기술·시장 분석을 실시하였다. 한국판 뉴딜 종합계획의 '데이터댐'과 관련하여 지질자원 기술 분야에서는 실감기술(AR/VR)을 적용한 디지털 지질자원 콘텐츠 개발, 공공데이터 구축·공유 시스템 개발이 가능하다. '1, 2, 3차 전산업으로 5G, AI 융합 확산'에 대응하여 스마트 마이닝, 디지털 오일 필드 등 ICT와 융합한 지질자원기술의 산업적용이 필요하다. '디지털 트윈'과 관련하여 정부는 도심지 등 주요지역 3D 지도 구축을 제시하고 있다. 지질자원 기술 분야에서는 안전한 국토/시설 관리를 위한 3차원 지도 및 사물인터넷(IoT) 시스템 개발이 가능하다. 그린 뉴딜 정책으로 정부는 자원순환을 포함한 녹색산업 기술개발, CCUS 통합실증, 전기차·수소차 보급 확대를 제시하였으며 한국지질자원연구원은 관련 연구사업 수행 및 국내 에너지 저장광물 개발 연구를 착수했다. 디지털 트윈 관련하여 논문 및 국제 시장분석기관에서 석유가스분야를 제시하고 있으며 광산자동화, 디지털 지도 측면에서도 많은 진전이 일어나고 있다. 디지털 트윈어스(Digital Twin Earth) 구축 또한 지질자원 분야의 유망 기술 분야이다. 디지털 트윈, 환경 모니터링 관련 지질자원 연구 분야는 데이터 분석, 시뮬레이션, 인공지능·기계학습, 사물인터넷(IoT)과 깊은 관련이 있으며, 관련 센서 및 컴퓨팅 소프트웨어/시스템 등 민간 회사와의 협업이 중요하다.

• 경영정보학연구
• /
• 제18권2호
• /
• pp.79-106
• /
• 2016

지난 30년간 서비스 혁신을 어떻게 바라볼 것인가에 대한 관점의 논의가 지속적으로 이루어져왔지만, 아직까지 학계에서 전반적으로 통용되는 서비스 혁신에 대한 관점 및 측정방법은 부재한 실정이다. 많은 서비스 혁신 연구들은 기존의 전통적인 기술 개발 및 제품 혁신 이론에 기반을 두고 서비스 혁신을 이해하려 했다. 기존의 제품 중심의 분석방법론은 서비스 혁신의 비기술적 특성을 간과하는 오류를 범할 수 있어 이를 대체할 수 있는 새로운 접근법이 요구되고 있으며, 대표적인 접근법으로 서비스 지배적 논리가 있다. 서비스 지배적 논리는 새로운 관점에서 혁신과 혁신의 선행요인들을 분석할 수 있는 개념적인 프레임워크이다. 또한 서비스 혁신이 기업 경쟁력과 기업성과를 향상 시킨다는 인식은 서비스 기업들을 중심으로 점차 증가하고 있음에도 불구하고, 서비스 혁신에 대한 이론 및 활용에 대한 연구와 이해 부족으로 인해 소수의 기업만이 서비스 혁신을 수행하고 있는 실정이다. 따라서 기업에서 성공적으로 서비스 혁신을 수행하기 위해서는 무엇보다도 서비스 혁신에 영향을 미치는 선행요인에 대한 연구가 먼저 선행되어야 한다. 이러한 필요에 따라 본 연구에서는 서비스 지배적 논리관점에서 서비스 혁신의 선행요인을 이론적이고 실증적으로 분석하고자 한다. 따라서, 본 연구의 목적은 다음 질문에 대한 답을 구하는 것이다: 1) 서비스 혁신 선행요인은 서비스 혁신에 어떠한 영향을 미치는가? ; 2) 서비스 혁신은 기업의 비재무적 그리고 재무적 성과에 어떠한 영향을 미치는가? 이를 위해 본 연구에서는 서비스 혁신의 선행요인(인적자원 관리 역량, 내부 협업 역량, 마케팅 역량, 정보기술 역량), 서비스 혁신 차원(서비스 창출 혁신, 서비스 전달 혁신, 고객 상호작용 혁신)과 기업성과(비재무적, 재무적)를 가지고 이들 간의 인과 관계를 분석하였다. 본 연구는 국내 189개의 서비스 기업을 대상으로 수집된 데이터를 기반으로 수행되었다. 연구결과 인적자원 관리 역량, 마케팅 역량은 모든 서비스 혁신 차원에 긍정적인 영향을 미치는 것으로 나타난 반면, 내부 협업 역량과 정보기술 역량은 서비스 창출 혁신과 서비스 전달 혁신에만 제한적으로 긍정적인 영향을 미치는 것으로 나타났다. 고객 상호작용 혁신에는 인력자원 관리 역량이 가장 큰 영향을 미치는 것으로 나타났다. 모든 서비스 혁신 활동은 비재무적 성과에 긍정적인 영향을 미친 반면, 재무적 성과에는 서비스 전달 혁신과 고객 상호작용 혁신만 유의한 영향을 미치는 것으로 나타났다.

• 벤처창업연구
• /
• 제19권2호
• /
• pp.215-235
• /
• 2024

인공지능(AI) 기술이 미래 국가 경쟁력을 좌우할 핵심 기술로 인식되면서 주요국의 AI 기술 및 산업 육성 정책 경쟁이 치열해지고 있다. 본 연구는 AI 산업 생태계의 근간인 AI 기업 창업에 대한 주요국의 정책을 분석하여 국내 정책 입안에 시사점을 제시하고자 한다. 조사 분석 대상국은 미국 스탠퍼드대학 HAI연구소에서 발표한 『2023 AI Index』의 신규 투자유치 기업 수 최상위 4개 국가와 EU로 선정하였고, 이들 국가와 국내 정책과 비교하여 전략적 함의를 제시하고자 한다. 미국은 2021년 '국가 AI 이니셔티브법(NAIIA)'을 제정했다. 동 법을 통해 AI 연구개발 분야에서 미국의 지속적인 리더십 보장, 공공 및 민간부문에서 신뢰할 수 있는 AI 시스템 개발, 사회 전반에 걸친 AI 시스템 생태계 구축 및 모든 연방기관에서 진행하는 AI 정책에 대한 DB 관리 및 접근성 강화를 추진하고 있다. 중국은 2021년 개최된 제14차 5개년(2021~2025년) 규획 및 2035년 장기 목표에서 7대 전략적 첨단기술 중 첫 번째로 AI를 명시하고 있으며, 2030년까지 글로벌 AI 1위 강국 도약을 목표로 다양한 정책을 전개하고 있다. 영국은 2021년 자금 지원 프로그램'Future Fund Breakthrough'을 통해 획기적인 연구개발 기업에 투자하고 있으며, 2022년 국가 AI 전략의 실행계획 등 AI 선도국 도약을 위한 국가 전략 마련으로 관련 투자를 확대하고 있다. 이스라엘은 혁신청을 중심으로 스타트업 기업에 대한 기술 투자를 지원하고 있는데, 혁신청은 향후 2년~15년 내 성과를 낼 투자와 신기술에 대한 규제 개혁을 주도하고 있다. EU는 중소기업의 AI 활용 지원을 위해 디지털 혁신 허브 네트워크를 강화하고 InvestEU(유럽전략투자기금)와 AI 투자기금을 조성하고 있다. 국내 도입을 검토할 주요국 정책은 국내 ICT 창업기업들로부터 정책 지원 수요가 높은 것으로 나타난 R&D 지원, 사업화 및 판로·마케팅·해외진출 지원 정책자금 지원 측면을 중심으로 도출하였다. 먼저 R&D 지원과 관련하여 미국의 '국가 AI R&D 전략 계획 2023'과 EU의 'AI 혁신 패키지' 검토를 제안한다. 특히 이들 정책은 국가가 관리하는 고성능슈퍼컴퓨터를 R&D에 활용할 수 있도록 하고 있어 AI 창업기업들이 R&D에 들이는 시간과 비용을 절감하는데 크게 도움을 준다. 다음으로 사업화 및 판로·마케팅·해외진출 지원에서는 미국 중소기업청(SBA)의 'SBIR과 STTR 지침' 중 '연방 및 주 기술(Federal And State Technology, FAST) 파트너십 프로그램'과 국방부와 공조하는 '상용화 준비(Commercialization Readiness Pilot. CRP) 프로그램'에 대한 벤치마킹을 제안한다. 이들 프로그램은 정부가 창업기업의 제품과 서비스 상용화를 지원하고 시장 출시 초기에 공공 부문이 적극적으로 구매하는 것을 골자로 한다. 이는 AI 창업기업의 혁신 제품과 서비스가 초기 시장에 안착하는 것은 물론 국내외 시장으로 진출하는 데 중요한 레퍼런스를 제공한다. 세 번째로 정책자금 지원에서는 영국기업은행(BBB)의 공동 투자 프로그램을 제안한다. 영국기업은행은 고성장 혁신기업 투자에 있어 외국계 국부 펀드의 참여도 적극적으로 유도하고 있고, 혁신 창업기업의 자금 조달 라운드에 개인들도 참여할 수 있는 Future Fund: Breakthrough 프로그램을 운영함으로써 AI 창업기업의 자금 마련을 지원하고 있다. 본 연구의 한계로는 제한된 수의 국가 분석, 비교 대상 국가들의 정책환경을 동일 조건 하에서 분석하지 못한 점 등을 들 수 있다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.137-154
• /
• 2018

조류인플루엔자와 구제역 같은 동물감염병은 거의 매년 발생하며 국가에 막대한 경제적 사회적 손실을 일으키고 있다. 이를 예방하기 위해서 그간 방역당국은 다양한 인적, 물적 노력을 기울였지만 감염병은 지속적으로 발생해 왔다. 최근 빅데이터와 딥러닝 기술을 활용하여 감염병의 예측모델을 개발하고자 하는 시도가 시작되고 있지만, 실제로 활용가능한 모델구축 연구와 사례보고는 활발히 진행되고 있지 않은 실정이다. KT와 과학기술정보통신부는 2014년부터 국가 R&D사업의 일환으로 축산관련 차량의 이동경로를 분석하여 예측하는 빅데이터 사업을 수행하고 있다. 동물감염병 예방을 위하여 연구진은 최초에는 차량이동 데이터를 활용한 회귀분석모델을 기반으로 한 예측모델을 개발하였다. 이후에는 기계학습을 활용하여 좀 더 정확한 예측 모델을 구성하였다. 특히, 2017년 예측모델에서는 시설물에 대한 확산 위험도를 추가하였고 모델링의 하이퍼 파라미터를 다양하게 고려하여 모델의 성능을 높였다. 정오분류표와 ROC 커브를 확인한 결과, 기계 학습 모델보다 2017년 구성된 모형이 우수함을 확인 할 수 있었다. 또한 2017에는 결과에 대한 설명을 추가하여 방역당국의 의사결정을 돕고 이해관계자를 설득할 수 있는 근거를 확보하였다. 본 연구는 빅데이터를 활용하여 동물감염병예방시스템을 구축한 사례연구로 모델주요변수값, 이에따른 실제예측성능결과, 그리고 상세하게 기술된 시스템구축 프로세스는 향후 감염병예방 영역의 지속적인 빅데이터활용 및 분석 모델 개발에 기여할 수 있을 것이다. 또한 본 연구에서 구축한 시스템을 통해 보다 사전적이고 효과적인 방역을 할 수 있을 것으로 기대한다.