표제지
목차
요약문 9
SUMMARY 18
제1장 서론 23
제1절 연구 배경과 목적 23
제2절 연구 내용 및 방법 25
제2장 생성형 AI 기술 진화 및 국내ㆍ외 정책 방향 28
제1절 디지털 인재 역량 28
1. 디지털 인재 28
2. 디지털 인재 역량 요구사항 31
제2절 생성형 AI 개념과 시장 전망 37
1. 생성형 AI 개념과 역사 37
2. 생성형 AI 시장 현황 및 전망 42
제3절 생성형 AI 시대의 국내ㆍ외 디지털 인재 양성 및 정책적 대응 현황 48
1. 주요국의 AI 및 생성형 AI 대응 정책 동향 48
2. 국내 생성형 AI 대응 정책 동향 77
3. 국내ㆍ외 기업의 생성형 AI 대응 및 인재 확보 경쟁 84
제3장 SW 개발 환경 변화에 따른 개발 업무 변화 88
제1절 SW 개발 프로세스 및 소프트웨어 개발자 작업(TASK) 89
1. SW 개발 프로세스 89
2. SW전문가 직무별 작업(task) 및 세부 업무(DWA, O*NET 기반) 96
제2절 SW 개발에 LLM 활용 현황 102
1. 문헌 연구 (개발에 AI 및 생성형 AI 기술을 활용하고 있는 사례) 102
2. 전문가 심층 인터뷰 (개발자 및 개발 환경 분석) 120
제3절 생성형 AI가 개발업무에 미치는 영향 분석 132
1. SW 개발 프로세스별 생성형 AI가 개발에 미치는 영향 분석 133
2. 생성형 AI가 SW 직무별 작업(Task)에 미치는 영향 분석 139
3. 생성형 AI가 개발 업무에 미치는 영향에 대한 최종 결과 분석 145
제4장 생성형 AI시대에 대응한 디지털 인재양성 151
제1절 디지털 시장 변화와 인재 양성 151
제2절 생성형 AI시대의 디지털 인재 양성 정책 제언 154
1. 디지털 인력 확보 기본 방향 154
2. 디지털 인재 양성을 위한 교육 환경 구축 160
3. 지속적인 디지털 인재 확보 추진 162
제5장 결론 164
제1절 연구의 요약 및 의의 164
제2절 연구의 한계점 및 향후 연구 169
참고문헌 170
〈표 2-1〉 생성형 AI의 분야별 사용 사례 37
〈표 2-2〉 미국의 최근 AI 관련 주요 정책 및 대응 활동 동향 49
〈표 2-3〉 미국 AI 이니셔티브 연간보고서 주요 내용 50
〈표 2-4〉 미국 '국가 AI R&D 전략계획' 비교 분석(2016, 2019, 2023) 52
〈표 2-5〉 중국의 최근 AI 관련 주요 정책 및 대응 활동 동향 56
〈표 2-6〉 중국대학의 인공지능 인재양성 방향, 특징 및 교육과정 58
〈표 2-7〉 영국의 최근 AI 관련 주요 정책 및 대응 활동 동향 60
〈표 2-8〉 영국 국가 AI전략의 주요 조치 내용 65
〈표 2-9〉 일본의 최근 AI 관련 주요 정책 및 대응 활동 동향 66
〈표 2-10〉 일본 '과학기술혁신의 전략적 국제 확장' 관련 국제 공동연구 프로그램 73
〈표 3-1〉 소프트웨어 공학 KA(Knowledge Area) 90
〈표 3-2〉 소프트웨어 개발 지원 도구 93
〈표 3-3〉 O*NET SW전문가 직무체계 96
〈표 3-4〉 소프트웨어 개발과 관련된 직업 97
〈표 3-5〉 컴퓨터 프로그래머가 수행하는 작업(Task, 11개) 97
〈표 3-6〉 소프트웨어 개발자가 수행하는 작업(Task, 12개) 98
〈표 3-7〉 웹 개발자가 수행하는 작업(Task, 12개) 99
〈표 3-8〉 개발 업무를 수행하는 직업에서 수행하는 DWA 100
〈표 3-9〉 심층 인터뷰 전문가 소속 및 전문 분야 120
〈표 3-10〉 전문가 소속 및 전문 분야 132
〈표 3-11〉 구조 설계 단계에서 LLM 활용 135
〈표 3-12〉 SW 관련 직무의 작업 중 개발과 관련된 DWA 141
〈표 3-13〉 SW 관련 직무의 작업 중 생성형 AI에 영향을 가장 많이 받는 DWA 142
〈표 3-14〉 SW 관련 직무의 작업 중 생성형 AI에 영향을 받는 DWA 143
〈표 3-15〉 컴퓨터 프로그래머 작업의 생성형 AI 영향(Task, 11개) 148
〈표 3-16〉 소프트웨어 개발자가 수행하는 작업(Task, 12개) 149
〈표 3-17〉 웹 개발자가 수행하는 작업(Task, 12개) 150
[그림 1-1] 미국 업무에 생성형 AI 활용률 23
[그림 1-2] 업무에 AI 기술 적용률 24
[그림 1-3] 생성형 AI가 개발 업무에 미치는 영향 연구 방법 27
[그림 2-1] 디지털 신기술과 신산업 29
[그림 2-2] 채용공고에서 요구하는 기술 32
[그림 2-3] 컴퓨터 관련 직업 채용공고에서 요구하는 프로그래밍 언어 32
[그림 2-4] 채용을 원하는 개발자에게 필요한 기술 33
[그림 2-5] AI 기술을 활용하는 직업 중 채용 희망 직업 33
[그림 2-6] 생성형 AI가 업무기능 분야의 잠재적 생산성에 미치는 영향 35
[그림 2-7] 생성형 AI의 사용 여부에 따른 작업 시간 절감 효과 36
[그림 2-8] 생성형 AI가 등장하기까지 AI 발전 과정 41
[그림 2-9] ChatGPT 이용자 확보 기간 42
[그림 2-10] 생성형 AI 지역별 시장규모 전망 43
[그림 2-11] 중국 정부의 인공지능 인재양성 방향 58
[그림 2-12] 중국의 산ㆍ학ㆍ관ㆍ연 통합 인공지능 인재양성 모델 59
[그림 2-13] 일본의 국제 두뇌 순환 및 국제 공동연구 관련 지원 정책 현황('22년 기준) 71
[그림 2-14] 일본의 Joint Degree 제도 구조 72
[그림 2-15] 초거대 AI 경쟁력 강화 방안 비전 및 중점 추진과제 78
[그림 2-16] 전국민 인공지능 일상화 실행계획 비전 및 추진과제 80
[그림 2-17] AI 사업 운영에 대한 기업의 인력 부족 문제 85
[그림 3-1] 디지털 기술 변화 및 소프트웨어 범위 확장 90
[그림 3-2] 소프트웨어 개발 프로세스 91
[그림 3-3] 프로그래밍 언어의 시대별 변천 92
[그림 3-4] 소프트웨어 개발 도구 시장 94
[그림 3-5] 노우코드 개발 기술 분류 103
[그림 3-6] IT 분야별 Deep Learning 기술 수요 105
[그림 3-7] 2023년에 세계적으로 개발자들이 AI를 가장 많이 사용하는 개발 단계 106
[그림 3-8] 생성 AI가 가장 큰 영향을 미칠 것으로 예상되는 비즈니스 영역 107
[그림 3-9] 소프트웨어 공학 2023 하이프 싸이클 107
[그림 3-10] SW 개발 프로세스 중 생성형 AI의 활용이 많을 것으로 예측되는 작업 108
[그림 3-11] 개발 시간 단축을 위한 생성형 AI 도구의 기능 109
[그림 3-12] 테스팅 진화 115
[그림 3-13] 인공 지능/기계 학습(AI/ML)을 활용하는 시험(테스트) 분야 116
[그림 3-14] SW인력의 수준별 정의 127
[그림 3-15] 개발자 수준 정의 127
[그림 3-16] 개발자 업무에서 어려운 점 129
[그림 3-17] 프로그래밍 학습 방법 130
[그림 3-18] 개발자 생산성 향상 목표 133
[그림 4-1] 시간의 흐름에 다른 관심도 변화 151
[그림 4-2] 기술 훈련 방법에 대한 응답자 비율 161
[그림 4-3] 디지털 인력의 해외 취업 시 선호하는 국가 162
[그림 5-1] 인터넷, 스마트폰, AI 기술 적응 주기별 소프트웨어 164