SWSTAT - 소프트웨어통계포털

AI 브리프

산업계 AI 인력수요 기반의 대학 AI 교육 표준형 교과과정 연구

김두현
이원주
김상일
김한성 역대연구원

2022.08.24

12184

연구책임자 : 김두현(건국대학교)

참여연구원 : 이원주(인하공업전문대학), 김상일(건국대학교)

연구보조원: 박윤수(중앙대학교), 최지현(중앙대학교)

과제담당자 : 김한성(SW정책연구소)
- 1. 제 목 : 산업계 AI 인력수요 기반의 대학 AI 교육 표준형 교과과정 연구
- 2. 연구의 필요성 및 목표
- (1) 연구의 필요성
- 2016년 3월 알파고 쇼크 이후 전 세계적으로 인공지능(AI)의 활용을 통한 산업혁신이 폭넓게 전개되고 있으며, 이에 따른 노동생산성의 증대와 경제적 성장이 예측됨
- - 2030년까지 전 세계 기업 70%가 AI를 활용하고 글로벌 GDP에 연 13조 달러의 추가 성장이 예상됨(McKinsey, 2018)
- - 2035년 연간 글로벌 GDP 성장률 2배, 노동생산성 최대 40%까지 성장이 예상됨(AI 최강의 수업, 2020.11)
- 우리나라의 경우 AI를 통한 산업혁신의 기본 조건인 개발 전문인력 확보에 있어서 부족 현상이 심각한 상황
- - 2020년 기존 AI 부문 인력은 총 14,736명이며 부족 인력은 1,610명으로 조사된 바 있음
- - 이에 대한 해결책의 하나로 인공지능대학원 설립, 인공지능혁신허브 출범 등 대학의 연구교육 기능을 활용하는 방안이 다각적으로 모색되고 있음
- - 그러나, 부족인력 1,610명 중 약 64%가 AI 개발자로 조사되어 대학의 배출 인력과 산업체 수요 간에는 인재상 측면에서부터 질적인 미스매치가 있는 것으로 조사된 바 있음(2020 인공지능산업실태조사, SPRi, 2021.5)
- 산업현장의 요구와 대학에서 양성하는 AI 전공자 간의 미스매치 해결을 위해 산업체 수요에 기반을 둔 AI 개발자 교과과정 도출 및 확산 방안에 대한 연구가 필요
- - (필요성 1) 공급자 측면이 아닌 수요자 측면에서의 교과과정 설계를 위하여 산업계 대상의 인력 수요를 시발점으로 하는 트랙 설계가 필요
- - (필요성 2) 현 컴퓨터공학 분야 대학 교과과정과의 하모나이징을 위하여 아래의 개념도와 같이 주요 전공과목(예: 컴퓨팅사고력, 자료구조, 알고리즘, DB 등)을 바탕으로 운영되는 AI 개발자 트랙 설계가 필요
- 연구의 목표
- (연구 1) 산업체 종사자 대상의 AI 개발자 수요조사를 통해 현장감 있는 요구 도출
- - 국가직무능력표준(NCS)을 기반으로 하는 설문지 마련과 현재 산업체에 종사하는 개발자를 대상으로 설문조사 및 설문결과 분석 연구
- (연구 2) 수요조사에서 도출된 주요 직무를 대상으로 K·S·T(Knowledge, Skill, Tool)와의 매트릭스 분석을 통해 핵심 교과목과 이수 로드맵 도출
- - 산업체 전문가로부터의 K·S·T 도출 등을 통해 이론 중심의 과목보다는 개발자로서의 실무적 능력 배양에 중점을 둔 교과목 트랙 도출
- (연구 3) 도출된 AI 개발자 교과과정 트랙과 국내외 주요 대학의 교과과정과 비교분석을 통한 현황 파악 및 시사점 도출
- - 해외 Top 10 대학, CS2020, 국내 SW중심대학, 거점국립대학, 전문대학 등의 현 교과과정과의 부합 정도를 분석하여 향후 확산을 위한 시사점 도출
- 3. 연구의 내용 및 범위
- 연구의 내용
- 본 연구의 내용은 총 5장으로 구성됨
- - 제1장은 서론으로 연구의 배경, 필요성, 목적 등을 기술함
- - 제2장은 [연구 1] 산업체 AI 개발자 요구분석을 위한 설문 및 설문 결과 분석을 도출함
- - 제3장은 [연구 2] AI 개발자 직무분석을 통해 핵심 교과목과 이수체계를 도출하고 이들로 구성된 AI 개발자 트랙을 제시함
- - 제4장은 [연구 3] AI 개발자 교과과정(트랙)과 각 대학의 컴퓨터공학 관련학과의 현 교과과정과의 비교를 통해 현황을 파악함
- - 제5장은 결론으로 상기의 내용을 정리함과 아울러 향후 확산을 위한 시사점을 제시함
- (2) 연구의 범위
- 산업체 요구사항 도출을 위해 NCS 기반의 설문지를 작성하고, AI 분야 협단체(예: 지능정보산업협회, 한국소프트웨어산업협회 등) 관계자와의 면담을 통해 설문 내용 및 설문 실무 관련 자문
- 설문결과 분석을 통해 주요 직무(능력단위요소) 식별하고 및 이에 대한 전문가 심층 면접을 통해 K·S·T 도출
- 상기 주요 능력단위요소 별 K·S·T에 대한 매트릭스 분석을 통해 AI 개발자 트랙 도출(핵심 교과목과 이수 로드맵)
- 도출된 AI 개발자 트랙에 대한 전문가 자문 회의를 개최하여 보완 의견을 수렴하여 버전 1.0 마련
- 도출된 AI 개발자 트랙의 국내 확산 방안 모색을 위해 국내외 주요 대학의 교과과정과 비교분석을 통한 현황 파악 및 시사점 도출
- 4. 연구 결과
- [연구 1] 산업체 AI 개발자 요구분석
- (1) 설문 방법 및 대상 선정
- NCS 분석 및 설문지 작성, 설문지 구글폼 업로드 및 검토, 구글폼 업로드 설문 보완 등을 통해 온라인으로 설문을 실시함
- * 설문조사는 NCS 인공지능 직무분야의 능력단위요소에 대하여 직무의 중요도(리커트 7점 척도)를 조사하는 방식으로 진행
- 산업계 현 종사자 중심의 설문조사를 위하여 협단체* 관계자와의 면담 및 설문조사 협의를 통해 설문지 구글 링크 배포, 설문조사를 실시함
- * 지능정보산업협회, 한국소프트웨어산업협회(인공지능산업협회, 빅데이터 C&C협회 포함)
- (2) 설문조사 결과분석
- (설문 참여자) 총 166명의 산업계 재직자가 참여하였으며, 이중 AI 개발자(업무경력 5년 이하)는 설문에 참여한 전체 166명중 132명을 차지
- - 전체 166명중 인공지능플랫폼구축 41명(25.1%), 인공지능서비스기획 43명(25.7%), 인공지능모델링 31명(18.6%), 인공지능서비스구현 31명(18.6%)
- (능력단위요소 도출) 4개의 직무(인공지능플랫폼구축, 인공지능서비스기획, 인공지능모델링, 인공지능서비스구현)에 중요 능력단위요소를 식별
- - 직무의 중요도 6.0이상, 교육의 필요도 5.0이상의 능력단위요소를 선별하여 총 60개의 주요 능력단위요소를 식별
- * 예: AI 데이터 정제, AI 학습 알고리즘 선정, AI 학습, AI 서비스 모델 테스트 등
- [연구 2] AI 개발자 직무분석 및 교과과정 도출
- (1) 직무 분석 방법
- 설문결과를 통해 식별된 산업체 수요가 많은 4개의 주요직무*에 대하여 직급, 나이 등을 고려하여 총 7명을 위촉하여 교육의 필요성에 대한 설문 및 FGI를 실시
- * 인공지능 플랫폼 구축(78.2%) > 인공지능 서비스 구현(73.8%) > 인공지능 모델링(57.9%) > 인공지능 서비스 기획(57.3%) > 인공지능 서비스 운영관리(28.0%)
- (2) 직무 분석 결과
- 각 주요직무 별로 능력단위요소와 K·S·T로 구성되는 매트릭스를 도출하였음. 아래는 인공지능플랫폼구축 직무의 지식(K)에 대한 매트릭스 예시이며 전체 사항은 본문을 수록되어 있음
- (3) 교과목 도출
- 각 주요직무의 능력단위요소에 대한 K·S·T를 대상으로 관련성 높은 항목을 그룹핑하여 교과목을 도출함. 아래는 인공지능플랫폼구축 직무를 위한 교과목 도출 예시이며 전체 사항은 본문을 수록되어 있음
- (4) 교과과정 도출
- 상기의 직무 분석 내용과 교과목 도출 내용을 바탕으로 학기 단위(16주, 3시수) 기준의 교과목과 AI 개발자 트랙 이수체계도를 도출하였음. 상세한 설명은 본문에 수록하였음
- (5) 교과목명세서(예시)
- 상기의 15개 교과목에 대하여 교과목명세서를 작성하였음. 상세한 설명은 본문에 수록하였음. 단, 명세서의 상세한 부분은 향후 산업체 및 교육기관 간의 논의를 통해서 세부적인 조정이 이루어져야 함을 전제로 하고 있음
- [연구 3] AI 개발자 교과과정 비교
- (1) 교과과정 비교 방법
- 본 연구에서 도출된 AI 개발자 트랙과 국내외 대학*의 컴퓨터공학 유관 학과 교과과정 간의 부합 정도를 매트릭스로 표현
- * 해외 Top 10 대학(QS World), CS2020 교과과정, SW중심대학(41개교), 거점국립대학(3개교), 전문대학(7개교)
- 단, 본 연구에서의 비교분석은 해당 학과에서 공개한 홈페이지 상의 정보를 대상으로 하고 있어, 실제 교과목에서 학습하는 내용과 상이할 수 있음
- (2) 교과과정 비교 내용
- 전반적으로 볼 때, SW중심대학(41개교)과 거점국립대학(3개교)의 경우 대부분의 대학에서 인공지능수학, 인공지능개론, ML프레임워크(with파이썬), 빅데이터(with파이썬), 영상처리프로그래밍 과목이 개설되고 있는 것으로 나타났음
- - 또한, 딥러닝 모델과 자연어처리프로그래밍 과목도 비교적 다수의 대학에서 별도의 교과목으로 개설되고 있는 것으로 나타났음
- - 반면, DevOps, 컨테이너인프라, 클라우드서비스 관련 과목들의 개설은 매우 저조한 것으로 나타나 개발자로서의 기본역량에 해당되는 교육이 취약한 것으로 나타났음
- - 이상의 현상은 해외 Top10 대학의 경우에도 유사한 것으로 나타나 우리나라 대학이 개발자 양성에 보다 힘을 쏟을 경우 글로벌 차원에서의 차별성 있는 교육이 이루어질 수 있다는 가능성을 기대할 수 있을 것으로 보임
- 한편, 전문대학(7개교)의 경우 인공지능개론, 파이썬 프로그래밍, 빅데이터with파이썬 과목을 제외하면 대체적으로 개설이 저조한 것으로 나타나 AI 개발자 양성을 위한 보다 집중적인 지원이 필요한 것으로 보임
- 5. 기대 효과
- 본 연구에서는 현업에 종사하는 AI 개발자를 대상으로 NCS 기반의 설문조사를 실시하여 60개의 중요 능력단위요소를 식별하였으며, 이를 바탕으로 전문가 심층면접을 통해 K·S·T를 도출하고 이를 분석하여 16주(3시수) 단위의 15개 교과목을 도출하였음
- 따라서, 도출된 15개 핵심과목과 교과목 이수 로드맵, 즉, AI 개발자 트랙은 인력 공급자가 아닌 수요자 측면의 요구사항에 바탕을 둔 것인바, 이를 대학 교과과정에 도입할 경우 보다 산업체 지향적인 AI 개발자를 배출하는 데에 기여하게 될 것으로 기대됨
- AI 개발자 트랙의 각 교과목에 대하여 교과목명세서를 제시하였음
- 이는 향후 이를 도입하는 교과과정 간의 균일성을 유지하는 역할을 함과 아울러 배출 인력의 역량을 예측하는 기준점 역할을 할 것으로 기대됨
- AI 개발자 트랙의 각 교과목에 대하여 현시점에서 국내외 대학의 교과과정에 반영된 현황을 매트릭스 형태로 분석하여 제시하였음
- 이는 향후 각 교과과정을 통한 배출인력의 산업체 경쟁력을 강화하기 위한 개선방향을 제시하는 효과를 가져올 것으로 기대됨
Summary
- This study proposes a standard curriculum for AI developer tracks that can reduce mismatches between industrial sites and AI developers nurtured by universities. The core areas of this research are as follows: first, an analysis of industrial AI developer needs, second, an analysis of AI developer job duties and derivation of curriculum for AI developer track, third, a comparative analysis of AI developer curriculum, and fourth, a proposal of effective AI developer education at universities.
- In the first area, the needs of industrial AI developers are analyzed and a survey for industrial AI developers is conducted to select jobs with high demand based on NCS's 5 jobs related to AI developers. As the result of this survey, jobs with a high demand for developer in industries shows that AI platform construction is (78.2%), AI service implementation (73.8%), AI modeling (57.9%), AI service planning (57.3%), and AI service operation management (28.0%).
- In the second area, AI developer job analysis and AI developer track curriculum are derived. Job analysis is conducted by selecting four jobs (building an artificial intelligence platform, implementing artificial intelligence services, modeling artificial intelligence services, and planning artificial intelligence services), excluding artificial intelligence service operation management (28.0%). For four jobs, job analysis is conducted in stages ❶ to ❻.
- ❶ Derivation of competency unit elements: The competency unit elements for each job competency unit are derived.
- ❷ Competency Unit Element Verification: The elements of competency unit derived in step ❶ are classified into four areas according to the importance of duties and the need for education. In addition, the competency unit element with job importance >= 6.0/7.0, and education necessity >=5.0/7.0 is derived as the core competency unit element.
- ❸ K·S·T Derivation: Knowledge-skill-tool is derived for each core competency unit element derived in step ❶.
- ❹ Competency Unit Element/K·S·T Matrix Preparation: Using the K, S, and T derived in step ❸, the competency unit elements/K, S, and T Matrix of each job are prepared.
- ❺ Course derivation: In step ❹, K, S, and T with high relevance are classified, and the course is derived accordingly.
- ❻ Competency Unit Element/Course Matrix Preparation: The Course derived in step ❺ is used to derive the core competency unit element/ Course Matrix of each job.
- In order to derive the curriculum of the AI developer track, the AI developer job/course matrix is created, and core courses and Road-Map are derived. In the AI developer job/course matrix derivation stage, AI developer job/course matrix is formed using the course obtained from four jobs (artificial intelligence platform construction, artificial intelligence service planning, artificial intelligence modeling, and artificial intelligence service implementation). At this time, 15 key subjects will be derived by considering the establishment of an artificial intelligence platform (78.2%) > implementation of artificial intelligence services (73.8%) > artificial intelligence modeling (57.9%) > artificial intelligence service operation management (28.0%). In addition, Road-Map is derived in consideration of the prior and backward relationship of 15 core subjects.
- In the third area, the AI developer curriculum is compared and analyzed. In this area, the curriculum of the AI developer track derived from this study and the SW and AI-related departments of the Top 10 overseas universities (10 schools), SW-centered universities (41 schools), base national universities (3 schools), and junior colleges (7 schools) are compared and analyzed.
- In the fourth area, we propose effective AI developer education plans for universities. In this area, an effective AI developer education plan is proposed to reduce mismatches between industrial sites and AI developers nurtured by universities.

- 요약문
- Summary
- 제1장 연구개요
- 제1절 연구의 필요성 및 목표
- 제2절 연구의 내용 및 범위
- 제2장 산업체 AI 개발자 요구분석
- 제1절 NCS란?
- 제2절 AI 개발자 NCS 직무능력 표준
- 제3절 산업체 AI 개발자 대상 설문조사
- 제4절 설문조사 결과분석
- 제3장 AI 개발자 직무분석 및 교과과정 도출
- 제1절 AI 개발자 직무분석
- 제2절 AI 개발자 Track 핵심과목 도출
- 제3절 AI 개발자 Track 교과과정 도출
- 제4절 AI 개발자 Track 핵심 교과목명세서
- 제4장 AI 개발자 교육과정 비교분석
- 제1절 해외 Top 10 교과과정 Matrix
- 제2절 SW중심대학(41개교) 교과과정 Matrix
- 제3절 거점국립대학(3개교) 교과과정 Matrix
- 제4절 CS2020 교과과정
- 제5절 전문대학(7개교) 교과과정 Matrix
- 제5장 결 론
- 제1절 향후 활용 방안
- 제2절 AI 개발자 교육 확대 제언

활용 목적 선택

통계에 대한 일반적인 관심 학술연구 정책입안·행정업무 연구·사업기초자료 민원 또는 정부부처 요청 언론보도 기타

제출하기