기술 자립을 넘어서는 Own–Collaborate–Access 프레임워크 : 국가 AI 기술 확보 전략 = An Own–Collaborate–Access Framework Beyond Self-Sufficiency: National AI Technology Acquisition Strategies

국문 초록 (Abstract)

AI가 새로운 범용기술(General Purpose Technology, GPT)로 등장하면서 사회, 경제 및 안보에 영향을 끼치고 있으며 이에 대한 국제적 관심도 높아지고 있다. 이러한 가운데 일부 국가가 AI 가치사슬에서 주요 영역을 선점하면서 “소버린 AI(Sovereign AI)”라는 개념이 등장하고 있다. 소버린 AI는 자국의 데이터, 인프라, 모델, 인력을 기반으로 독자적으로 인공지능을 개발 및 운영하는 체계를 가리킨다. 하지만 기술의 완전한 자립을 달성하는 것은 대부분 국가에게 현실적으로 어려운 목표다. 국가마다 자원은 제한적이고, 모든 AI 기술을 자체적으로 확보하는 것은 비용과 효율 측면에서 비현실적이다(Lee et al., 2024). 본 연구는 국가별 현실에 기반한 기술 획득 전략 프레임워크(Own-collaborate-access 프레임워크, 이하 OCA 프레임워크)를 제안하고 이를 AI 산업에 적용한다.
OCA 프레임워크는 기술획득 전략의 선택 기준으로서 내재화 잠재력(Capability potential, CP)과 확보 시급성(Securing pressure, SP)을 제시하였다. 내재화 잠재력이 높은 기술분야는 자체 개발(Own) 전략을, 시급성이 높은 기술분야는 외부 조달(Access)전략을, 그리고 두 지표 모두 낮은 분야는 협력(Collaborate) 전략을 선택하는 방향으로 설계하였다. 내재화 잠재력 지표는 연관성 원리에 기반하여 산출하였으며 획득 시급성 지표는 기술 자체의 성장속도 및 기술과 관련된 제품들의 공급망 의존도를 반영하여 측정하였다.
본 연구는 AI 산업을 데이터처리, 인프라, AI 코어 기술, AI 기능 응용 기술 및 산업 응용 기술이라는 5가지 카테고리, 나아가 38개의 세부 기술단위까지 분류하여 OCA 프레임워크에 적용하였다. 분석 결과, 국가마다 각 AI 기술에 산출된 획득 전략이 상이하고 기술 획득은 모든 기술의 자체개발을 지향하는 것이 아니라 기술 분야별 현실적인 전략의 선택을 통해 달성되는 전략적 목표임을 확인할 수 있었다. 본 연구가 제안하는 OCA 프레임워크는 정량적 근거를 바탕으로 국가별 및 기술분야별 AI 전략을 차별화할 수 있는 도구를 제공하며, 산업 및 기술 정책 결정자가 제한된 자원을 효과적으로 배분하는 데 실질적 시사점을 제공한다.

다국어 초록 (Multilingual Abstract)

With the emergence of AI as a new General Purpose Technology (GPT), it is affecting society, economy, and security, and international interest in it is also increasing. Among these, as some countries dominate major areas in the AI value chain, the concept of "Sovereign AI" is emerging. Sovereign AI refers to a system that independently develops and operates artificial intelligence based on national data, infrastructure, models, and manpower. However, achieving full independence of technology is a practically difficult goal for most countries. Resources are limited for each country, and securing all AI technologies by themselves is impractical in terms of cost and efficiency (Lee et al., 2024). This study proposes and applies a technology acquisition strategy framework (Own-collaborate-access framework, hereinafter referred to as OCA framework) based on the reality of each country to the AI industry.
The OCA framework presented the capability potential (CP) and the securing pressure (SP) as the criteria for determining the technology acquisition strategy. The technology field with high CP was designed to select its own development strategy, while the technology field with high SP was designed to select the access strategy, and the field where both indicators are low is designed to select the collaboration strategy. Among the two indicators, the CP index was quantified based on the principle of relatedness, and the SP index was measured by reflecting the growth rate of the technology itself and the supply chain dependence of products related to the technology.
This study divided the AI industry into five areas: data conditioning, infrastructure, AI core technology, AI functional application technology, and industrial application technology, and classified to 38 detailed technology units and applied them to the OCA framework. As a result, it was confirmed that acquiring AI technology is not aimed at the self-development of all technologies, but a strategic goal achieved through the selection of realistic strategies for each technology field. The OCA framework proposed by this study provides a tool to differentiate AI strategies by country and by technology sector based on quantitative evidence, and provides practical implications for industry and technology policymakers to effectively allocate limited resources.

목차 (Table of Contents)

• 초 록 iii
• 목 차 v
• 표 목차 vii
• 그림 목차 viii
• 1. 서론 1
• 2. 문헌조사 4
• 2.1 기업의 기술 획득 전략 4
• 2.1.1 기업의 기술 획득 전략 분류 4
• 2.1.2 기업의 기술 획득 전략 선택기준 10
• 2.2 국가의 기술 획득 전략 13
• 2.2.1 국가의 기술 획득 전략 분류 13
• 2.2.2 국가의 기술 획득 전략 선택기준 16
• 2.2.3 국가별 AI 기술 획득 전략 비교 17
• 3. 데이터 19
• 4. 연구방법론 20
• 4.1 OCA 프레임워크 도출 20
• 4.2 OCA 프레임워크 세부 지표 23
• 4.2.1 내재화 잠재력 23
• 4.2.2 획득 시급성 28
• 4.2.3 의사결정 분계선의 설정 32
• 5. 실증분석 결과 32
• 5.1 AI 산업 기술군집 도출 32
• 5.2 한국의 AI 기술별 획득 전략 변화 34
• 5.3 컴퓨터 비전 기술 전략 37
• 5.4 주요국 전략 조합 변화 38
• 5.5 인구 대국들의 기술 획득 전략 40
• 6. 결론 42
• 6.1 요약 및 시사점 42
• 6.2 한계 및 향후 연구 43
• 참 고 문 헌 46
• 부록 1 : AI 산업 기술 분류 60
• 부록 2 : Deepseek CPC 코드 추출 프롬프트 62
• 부록 3 : Deepseek CPC 코드 추출 결과 63
• Abstract 67