AI PORTAL · 산업 전망 연구
AI 산업 규모 추정치가 발간 기관마다 — 때로는 같은 국가·같은 연도에도 몇 배씩 — 크게 갈리는 현상의 원인을 규명하고, 측정방법론의 차이를 통제한 "보정된 AI 시장규모(Adjusted AI Market Size)"를 국가별로 산출한 뒤, 그 잔여 격차를 실물 경제지표로 설명하는 2단계 메타회귀분석 연구.
기관별 AI 시장규모 추정치는 정의(Narrow / Core / Broad), 포함범위(반도체·데이터센터·소프트웨어·GenAI·AI 활용산업 포함 여부), 측정방법(Top-down / Bottom-up, 매출·지출·투자 기반, 설문/전문가 전망)에 따라 크게 달라진다. 실제로 수집된 데이터에서 한국의 2023년 AI산업 규모는 과학기술정보통신부·정보통신산업진흥원의 공식 실태조사(Narrow, 매출 기준) 기준 2.7조 원인 반면, IDC Korea의 시장조사(Broad, AI 반도체·서버·클라우드 포함) 기준으로는 85억 달러 — 정의 범위 하나로 4배 가까이 벌어진다. 같은 해 중국은 정부 공식 발표끼리도 갈린다: 국가발전개혁위원회(NDRC)는 2023년 핵심 AI산업 규모를 5,000억 위안으로, 국가과기혁신센터(NCSTI)는 같은 해를 5,784억 위안으로 발표했다(약 16% 차이). 이는 "AI산업이 실제로 얼마나 큰가"라는 질문에 답하기 전에, 먼저 "왜 추정치들이 이렇게 다른가"부터 방법론적으로 분리해내야 함을 시사한다.
2단계 메타회귀분석(Meta-Regression)을 사용한다.
ln(AI규모) ~ 연도 + 국가 + AI정의 + 측정범위 + 측정방법 + 기관 + 전망기간 + vintage보정된 AI규모/GDP ~ AI투자 + 특허 + 인력 + R&D + 데이터센터 + 반도체 역량제안 모형: ln(value) ~ year + measure_class + scope_class + forecast_dummy + forecast_horizon + source_class + geography/source fixed effects (표본 크기에 따라 조정). Revenue·Spending·Investment·Value-added는 서로 다른 측정 개념이므로 반드시 별도 모델링하거나 measure_class로 통제해야 한다. scope_class(Narrow/Core/Broad)의 판정 기준은 아래 AI 가치사슬 분류체계의 업스트림·미드스트림·다운스트림 포함 여부로 표준화한다.
"AI산업"을 단일 산업으로 보는 대신, SASB(지속가능회계기준위원회) 방식의 가치사슬 구획을 채택해 추정치마다 다른 포함범위를 3단 구조로 표준화한다. 각 기관의 시장규모 정의(ai_scope)를 이 표에 대응시켜 scope_class를 코딩한다.
| 구획 | 세그먼트 | 예시 기업/서비스 | KSIC 대응 | 핵심 측정지표 |
|---|---|---|---|---|
| 1. Upstream | AI 반도체·메모리 (NPU/GPU/HBM) | NVIDIA·삼성전자·SK하이닉스·TSMC | 26110 | 매출·부가가치·CAPEX·특허 |
| 1. Upstream | AI 서버·컴퓨팅·냉각/전력 | Dell·Supermicro·HD현대일렉트릭 | 263, 281 | 서버 출하량·매출·부가가치 |
| 1. Upstream | 데이터센터·클라우드(IaaS/PaaS) | AWS·Azure·GCP·NAVER Cloud | 63112 | 클라우드 매출·CAPEX |
| 2. Midstream/Core | 파운데이션 모델·GenAI | OpenAI·Anthropic·NAVER HyperCLOVA X | 58221 | API 매출·훈련 컴퓨팅비용 |
| 2. Midstream/Core | 데이터·MLOps·플랫폼 | Scale AI·Databricks·Hugging Face | 63111 | 데이터셋 가치·플랫폼 매출 |
| 3. Downstream | AI 응용 SW(SaaS) | MS 365 Copilot·Adobe Firefly·RIIID | 58222 | 구독 매출(ARR)·MAU |
| 3. Downstream | 산업별 AI 융합(Vertical AI) | 금융·의료(Lunit/Vuno)·제조·자율주행 | 전 산업(64,86,29,30 등) | 생산성 향상률·AI 노출지수 |
Narrow = Midstream/Core만 포함, Core = Up+Midstream, Broad = Up+Mid+Downstream 전체 — 위 예시(한국 MSIT 실태조사 vs IDC Korea)의 4배 격차 상당 부분이 이 축(반도체·클라우드·다운스트림 포함 여부)만으로 설명된다.
2026-08-08 데이터 파이프라인을 1차 출처 기준으로 재구축하면서, 서로 다른 검증 수준의 두 트랙을 병행 운영한다.
트랙 1 — 2차자료(ai_market_meta_dataset.csv, 35건). IDC·Gartner·Statista·Grand View Research 등 민간 시장조사기관과 정부 통계를 혼합 수집. 국가·연도·규모·단위·발간기관·발간연도(vintage)·실제치/전망치·AI 정의·포함범위(HW/클라우드/SW/GenAI)·신뢰도 등급(Tier 1~3) 등 15개 필드를 갖추고 있어 1단계 measurement 회귀에 바로 투입 가능한 형태다.
트랙 2 — 1차출처 검증(AI_industry_meta_database.xlsx, 7건). 정부 공식 발표·통계기관 원문만 채택하는 더 엄격한 기준으로 이제 막 다시 쌓기 시작한 데이터베이스로, 24개 필드(측정유형·측정방법·품질등급·검증상태 등)를 갖췄다. 여기에 국가별 민간 AI투자액(Stanford AI Index 2026, 13개국)·EU 기업 AI 도입률(Eurostat, 2023–2025 3개년)로 구성된 생태계 지표 16건과, 2단계 economic 회귀의 공변량이 될 World Bank GDP·인구·R&D 데이터 275건(병합 대기)이 딸려 있다.
지역별 커버리지 현황 — 트랙 1(2차자료, 35건) 기준
| 지역 | 관측치 | 동일연도 기관 중복 | 비고 |
|---|---|---|---|
| Global | 11 | Good (6개 기관) | IDC·Statista·Grand View·MarketsandMarkets·Precedence |
| South Korea | 5 | Good | MSIT 실태조사 3개년 + IDC Broad 2건, Narrow/Broad 대조 표본 |
| China | 3 | Moderate | CCID·iResearch·IDC China |
| United States | 3 | Moderate | Grand View·Stanford/BEA·McKinsey |
| Japan | 3 | Moderate | IDC Japan·JEITA(실제치+전망) |
| EU-27 | 2 | Expand | EC/JRC·IDC Europe |
| United Kingdom | 2 | Expand | Trade.gov/DSIT·PathSoft, 정의 상이(Broad vs Narrow) |
| Canada | 1 | 단일표본 | KPMG/ISED — 2번째 기관 필요 |
| Australia | 1 | 단일표본 | CSIRO Data61 — 2번째 기관 필요 |
| Singapore | 1 | 단일표본 | IMDA — 2번째 기관 필요 |
| Israel | 1 | 단일표본 | Israel Innovation Authority — 2번째 기관 필요 |
| Taiwan | 1 | 단일표본 | MIC Taiwan — 2번째 기관 필요 |
| Brazil | 1 | 단일표본 | ABES Software — 2번째 기관 필요 |
트랙 2(1차검증)는 현재 중국(4건)·한국(1건)·World(2건) 3개 지역만 커버 — 정부 공식 발표만 채택하는 엄격 기준상 자연스러운 초기 단계이며, 확장이 최우선 과제다.
진행중 트랙 1(2차자료, 35건)은 1단계 measurement 회귀에 투입 가능한 형태로 정리되어 있으나, 실제 회귀분석(계수 추정)은 아직 수행되지 않았다. 8월 8일 1차출처 검증 기준을 새로 도입하면서 트랙 2를 처음부터 다시 쌓기 시작했고, 두 트랙의 관측치를 병합·조정하는 절차(중복 제거, 품질등급 가중)가 먼저 필요하다. 브라질·대만·싱가포르·캐나다·호주·이스라엘은 단일 기관 표본뿐이라 기관간 이질성을 분리할 수 없고, 2단계 economic 회귀에 쓸 World Bank 거시공변량 275건도 아직 관측치와 병합되지 않은 상태다. 이 섹션은 데이터 확충·병합과 1·2단계 회귀 추정이 완료되는 대로 실제 계수·유의성·해석으로 갱신된다.
AI 산업규모 추정을 고용구조 변화와 연결하기 위해, 한국고용정보원(KEIS)의 AI·기술변화-고용 관련 보고서 8건을 검토했다. 핵심 3건의 실측 결과는 다음과 같다.
참고: KEIS 웹사이트의 「2025-40 자동화 및 인공지능 기술 발전에 따른 고용 구조 변화 분석」(2026-08-03 게시) 다운로드 링크가 현재 위 2024-12 보고서와 동일 파일을 반환하는 서버측 오류를 확인함(2026-08-11 기준). 게시 직후 발생한 것으로 추정되며 추후 재확인이 필요함.
이로부터 도출한 신규 분석과제 6건 — ① 국가별 AI산업규모를 설명변수로 한 국제 직무대체율 패널회귀 ② 산업별 AI투자비중과 직무대체율 상관분석 ③ AI 시장성숙도를 조절변수로 한 생산성 양극화 메타회귀 ④ AI산업규모와 고위험일자리 비중의 교차국가 검증 ⑤ 산업 이질성(제조업·정보통신업·금융업·사업지원서비스업)의 교차국가 검증 ⑥ KIET-DIMM 파이프라인에 메타회귀 추정치(신뢰구간)를 대입한 국가별 AI산업 고용전망 산출. 상세는 연구계획서(안) 참조.