경제 인문사회연구회 미래사회 협동연구총서 데이터 기반 디지털 경제 미래예측 방법론 연구 1. 협동연구총서 시리즈 협동연구총서 일련번호 16-01-02 연구보고서명 데이터 기반 디지털 경제 미래예측 방법론 연구 연구기관 정보통신정책연구원 2. 참여연구진 연구기관 연구책임자 참여연구진 주관 연구기관 정보통신정책연구원 주재욱 연구위원 (총괄책임자) 정용찬 연 구 위 원 이원태 연 구 위 원 신지형 부연구위원 정부연 부연구위원 김욱준 전문연구원 협력 연구기관 과학기술정책연구원 성균관대학교 한국사회과학협의회 아르스 프락시아 날리지 리서치그룹 이성호 연구위원 이대호 교수 김문조 교수 김도훈 대표 조문래 이왕원 연구원 정지연 연구원 김학준 연구원 김남혁 연구원 나영민 연구원 권영민 연구원 리서치 패널에이지아 조수진 김근진 연구원

제 출 문 경제 인문사회연구회 이사장 귀하 본 보고서를 데이터 기반 디지털 경제 미래예측 방법론 연구 최종보고서로 제 출합니다. 2016년 2월 정보통신정책연구원 원 장 김 도 환

요약문 1 요 약 문 본 연구의 목적은 기술수용모형, 마이크로시뮬레이션, 델파이 분석, 텍스트 마이 닝 분석 네 가지 방법론을 활용하여 디지털 경제의 산업, 기술 및 사회의 현황과 미 래를 전망하는 것이다. 디지털경제의 핵심 기술요소를 선정하고, 소비자의 수용의도 를 분석하며, 한국사회 미디어 이용 행태의 장기 전망을 수행하고, 디지털경제 핵심 기술들이 산업, 기술 및 사회에 미치는 효과를 분석하며, 핵심기술 및 관련 기술을 중심으로 인터넷에서의 발생빈도와 관련어를 추적, 우리 사회에서의 논의 양상을 분석하고 추론하였다. 기술수용모형 연구결과, 호환성은 인지된 사용용이성에 매우 긍정적인 영향을 미 치는 것으로 나타났고, 상대적 이점과 접근성의 경우 인지된 유용성에 긍정적인 영 향을 주는 것으로 나타났다. 마이크로시뮬레이션 연구결과, 고령화 중심의 인구구조 변화는 SNS 등 ICT 신기술의 확산에 걸림돌로 작용할 것으로 예측하였다. 델파이 분석 결과, 디지털 경제 확산에 미치는 파급효과가 큰 산업은 스마트카, 인공지능로 봇이 가장 높았고, 그 다음은 핀테크로 나타났다. 미래사회와 관련된 이슈로는 2025 년까지는 사이버 범죄/안전 이 가장 큰 이슈로 꼽혔고, 2030년에는 인간과 기계(기 술) 간 경계 모호 가 가장 큰 이슈로 선정되었다. 텍스트의미망 분석 결과, 로봇, 드론, 가상현실 이 많이 언급되며, 관심도 증가하는 키워드로 나타났다. IoT 는 정보, 모바일, 빅데이터 등의 단어들과 주로 연결되어 있고, 빅데이터 는 축 적, IoT, 전문인력 등의 단어들과 관련이 높았으며, 로봇에 대해서는 논의가 미 진한 것으로 나타났다. 연구 결과는 디지털 기기 이용 패턴에 대한 변화, 고령화의 추세, 사이버 범죄와 안전 및 기계에 의한 일자리의 위협 등이 주요 의제로 부각될 것임을 예측하면서 향 후 이를 반영한 정책 수립이 필요함을 시사하였다.

Abstract 3 Abstract The goal of this research is to review the current status and forecast the future of the industry, technology and society concerning digital economy using diverse methods. Core technology factors of digital economy are selected, the effect of the technology factors on industry, technology and society is analyzed, and social discussion on the Internet is tracked focusing on the core and related technologies. Through TAM(technology acceptance model) research, compatibility is found to strongly positive effect on recognized usability and relative merit and acceptability are found to have effect on recognized utility. Through microsimulation research, it is found that the change in demographic structure represented by ageing will be the significant obstacle against the diffusion of new ICT technology such as SNS. Through Delphi analysis, it is found that smart car, AI robot and fin-tech are most powerful in the diffusion of digital economy. As the most important issues concerning future society, cyber crime and security for 2025 and ambiguity between human and machine for 2030 are selected through the survey. Through semantic network analysis, robot, drone and virtual reality are found to be the most frequently mentioned keywords and the interest is increasing. IoT is found to be connected with information, mobile, big data etc, and big data is found to be connected with accumulation, IoT, and experts. There found to be relatively fewer discussion about robot in Korea. The result of this research forecast that the agenda concerning the change in using pattern of devices, the trend of ageing, increasing interest in cyber security and the threat by machines may arise and this research implies that making the social policy is necessary based on this result.

5 목 차 요약문 1 Abstract 3 제 1 장 서 론 19 제 1 절 개 요 19 1. 배경 및 연구의 필요성 19 2. 연구의 목적 20 3. 연구의 방법 21 제 2 절 디지털 경제의 정의 22 제 3 절 디지털 경제의 발전과정, 현황 및 전망 24 1. 소프트웨어: 디지털 세계의 영혼 24 2. 컴퓨터, 대중 속으로 24 3. 컴퓨터, 정보의 바다로: 빅데이터와 클라우드 26 4. 소결: 디지털 경제의 전망 27 제 2 장 미래예측 방법론의 유형 및 주요 내용 28 제 1 절 디지털 경제시대 미래예측의 필요성 28 제 2 절 미래예측 방법론의 역사적 발전과정 29 1. 실증적, 결정론적 미래예측에서 가치지향적, 관계론적 미래예측으로 발전 29 2. 기술발전과 성장위주 국가의 미래계획에서 다차원적 영역과 참여적 미래전략으로 발전 30 제 3 절 미래예측 방법론의 유형 분류 30 1. 시간 축 방향에 따른 분류 31

6 2. 용도에 따른 영역별 분류: 사회, 기술, 경제, 환경, 정책영역 31 3. 자료 및 결과의 특성에 따른 분류 32 4. 지식의 원천에 따른 분류 33 5. 미래예측 단계(process)에 따른 분류 34 제 4 절 미래예측 방법론의 주요 내용 고찰 36 1. 창의성(creativity) 기반 방법: 상상력과 통찰력을 기반으로 한 미래예측 36 2. 상호작용(interaction) 기반 방법: 토론과 지식교환을 기반으로 한 미래예측 38 3. 전문성(expertise) 기반 방법: 전문지식과 경험을 기반으로 한 미래예측 41 4. 근거(evidence) 기반 방법: 사실과 자료를 기반으로 한 미래예측 44 제 5 절 시스템 분석 기법을 활용한 미래예측 방법론 53 1. 행위자 기반 모형(ABM: Agent-Based Model) 54 2. 시스템 다이내믹스(System Dynamics) 56 3. 과학소설 기반의 미래예측(SFP: Science Fiction Prototyping) 58 제 6 절 계량적 미래예측 방법론(Quantitative Forecasting method) 66 1. 계량적 미래예측의 개념과 조건 66 2. 설명모형 67 3. 시계열모형 68 4. 계량적 예측모형 수립의 절차 76 5. 소결: 빅데이터 환경과 계량적 미래예측의 한계점 78 제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 80 제 1 절 서 론 80 제 2 절 기술현황 83 1. 스마트카(카 인포테이먼트) 83 2. 핀테크 89

7 3. 웨어러블(키즈 웨어러블) 98 4. O2O(자동차 관련 O2O) 103 5. 공유경제(사물인터넷 기반 공유경제 기술) 113 6. 스마트 헬스케어(앱 기반 스마트 헬스케어) 115 7. 스마트 홈(스마트 홈 시스템) 124 제 3 절 연구 모형 128 제 4 절 연구 결과 133 제 5 절 소 결 140 제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 142 제 1 절 연구의 배경 및 목적 142 1. 연구의 배경 142 2. 연구 목적 및 방법론 개요 146 제 2 절 한국 사회의 미디어 이용 행태 동향 조사 148 1. 2010 2015년 기간의 미디어 활용 행태 추세 148 2. 매체별 보유/구독/이용에 영향을 미치는 사회ㆍ경제적 요인 분석 153 제 3 절 마이크로시뮬레이션 방법론 소개 및 기초모형 구축 163 1. 마이크로시뮬레이션 방법론 소개 163 2. 마이크로시뮬레이션 모형 구축을 위한 개발도구 선정 166 3. 한국사회의 인구통계 기초모형 구축 및 한계점 168 4. 인구통계 기초모형 시뮬레이션 결과 174 제 4 절 미래 한국 사회의 미디어 이용 행태 전망 176 1. 회귀분석을 활용한 개인의 미디어 이용 행태 도출 176 2. 마이크로시뮬레이션 실행 결과 183 3. 2028년의 미디어 이용 행태에 영향을 미치는 경제사회 요인 예측 185

8 제 5 절 소결: 정책적 시사점 및 향후 연구방향 191 1. 정책적 시사점 191 2. 향후 방법론 측면의 발전방안 192 제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 194 제 1 절 산업 및 기술 분야 조사 194 1. 조사개요 194 2. 디지털경제의 확산 195 3. 디지털경제의 경쟁력 199 4. 정책 수요 202 5. 신산업 확산의 저해요인 204 6. 소 결 209 제 2 절 사회분야 조사 211 1. 디지털 경제 확산과 미래사회 이슈 211 2. 미래사회 변화에 대한 파급효과 217 3. 디지털 경제의 사회적 순기능과 역기능 이슈 227 4. 미래사회 이슈에 대한 정책 대응 234 5. 미래사회 변화에 영향을 미치는 요소의 영향력과 불확실성 239 6. 소 결 242 제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 246 제 1 절 개 요 246 제 2 절 연구방법론 248 1. 빅데이터 분석의 의의 248 2. 분석방법 및 절차 250 제 3 절 분석결과 256 1. 발생빈도 256

9 2. 의미연결망 지도 260 제 4 절 소 결 269 제 7 장 결 론 271 제 1 절 연구결과 요약 271 제 2 절 정책적 시사점 278 참고문헌 283 [부록 1] 기술수용모형 추정 결과 305 [부록 2] 마이크로시뮬레이션 프로그램 코드(LIAM2) 325 [부록 3] 델파이-산업 및 기술 조사 결과 340 [부록 4] 델파이-사회 분야 조사 결과 343

10 표 목 차 <표 2-1> 미래예측 방법론의 영역분류 31 <표 2-2> 정성적, 정량적, 정량-정성적 방법의 분류 32 <표 2-3> 미래예측 단계 및 지식 원천에 따른 분류 35 <표 2-4> 질적 추세분석법의 프로세스 37 <표 2-5> 형태분석법의 프로세스 42 <표 2-6> 환경 스캐닝 프로세스 44 <표 2-7> 이머징 이슈 분석 프로세스 46 <표 2-8> 미래예측 방법론의 특징 및 장단점 비교 49 <표 2-9> 계량경제학과 시스템 다이내믹스 비교 57 <표 2-10> 계량적 예측방법의 충족 요건 67 <표 3-1> 사물인터넷 관련 기술 81 <표 3-2> 스마트카 주요 부품 84 <표 3-3> 해외 업계의 스마트카 관련 서비스 현황 85 <표 3-4> 국내 주요 기업의 스마트카 사업추진 현황 86 <표 3-5> 스마트카를 위한 자동차-IT 업체의 제휴 현황 87 <표 3-6> 애플과 구글의 스마트카 시스템 88 <표 3-7> 모바일 국제 서비스 국내외 제공 기업별 분류표 94 <표 3-8> 전 세계 웨어러블 판매량 101 <표 3-9> 국내 키즈 웨어러블 출시 동향 102 <표 3-10> 온디맨드형 O2O 서비스 현황(한국, 미국 기준) 106 <표 3-11> 헬스케어 패러다임의 변화 116 <표 3-12> 유헬스케어 구분 117

11 <표 3-13> 헬스케어 디바이스 제품 123 <표 3-14> 대상 기술별 분류 129 <표 3-15> 잠재변수와 관측변수 133 <표 4-1> 미디어 기기 보유율 149 <표 4-2> 휴대폰 보유율 149 <표 4-3> 전화/유료방송서비스/결합상품 가입현황 150 <표 4-4> 설명변수: 성별, 지역, 최종학력, 직업 유무, 가구주와 관계, 가구원 수, 주택형태 154 <표 4-5> 설명변수: 개인 월평균 소득(income) 155 <표 4-6> LIAM2, Modgen, JAMSIM 비교 166 <표 4-7> 2014년 연령별ㆍ성별 혼인율 170 <표 4-8> 취학률 및 진학률 현황 171 <표 4-9> 성별, 연령별 경제활동인구 참가율 전망 172 <표 4-10> 미디어패널 데이터 상의 취업률과 한국고용정보원의 취업률 추정의 비교 173 <표 4-11> 인구 및 가구 구성 전망 175 <표 4-12> 경제ㆍ사회 요인의 변화 전망 176 <표 4-13> 회귀분석 상관계수: 스마트폰, 유선전화기, 데스크톱PC, 노트북PC 178 <표 4-14> 회귀분석 상관계수: 신문 구독, 유료방송 가입 179 <표 4-15> 회귀분석 상관계수: 이메일 이용, SNS 이용 180 <표 4-16> 회귀분석 상관계수: 매체별 평균 이용시간 180 <표 4-17> 스마트폰, 유선전화기 보유 및 SNS 이용의 전환확률 182 <표 5-1> 디지털 경제 확산에 미칠 영향력이 큰 8대 신산업의 정의 196 <표 5-2> 디지털 경제를 선도할 글로벌 기업 201 <표 5-3> 산업별 정부 정책의 중요도 및 시급성 202

12 <표 5-4> 8대 신산업 저해 요인 204 <표 5-5> 기타 저해요인 209 <표 5-6> 미래사회 10대 이슈 212 <표 5-7> 주요 이슈에 대한 해결방안 214 <표 5-8> 추가 검토 이슈에 대한 해결방안 215 <표 5-9> 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 224 <표 5-10> 디지털 경제의 사회적 순기능과 역기능 227 <표 5-11> 순기능에 영향을 미칠 것으로 예상되는 핵심 기술 231 <표 5-12> 역기능에 영향을 미칠 것으로 예상되는 핵심 기술 233 <표 5-13> 미래사회 변화에 영향을 미치는 요소의 영향력과 불확실성 240 <표 6-1> 검색된 미래기술 관련 텍스트 자료 건수 251 <표 6-2> 주요 키워드의 발생빈도 변화-블로그 256 <표 6-3> 주요 키워드의 발생빈도 변화-뉴스 257

13 그 림 목 차 [그림 2-1] 미래예측 다이아몬드 모형: 지식 원천에 따른 분류 33 [그림 2-2] 퓨처스 휠 모형 38 [그림 2-3] 인과계층분석의 프레임워크 39 [그림 2-4] 텍스트 마이닝 프로세스 45 [그림 2-5] 시나리오 작성 프로세스 47 [그림 2-6] 의사결정나무 프레임워크 48 [그림 2-7] 시스템 다이내믹스의 연구 절차 58 [그림 2-8] SFP의 선형모형 61 [그림 2-9] SFP의 진화적 모형 62 [그림 2-10] epod 제품설명서 63 [그림 2-11] 버즈보드 모듈 예시 64 [그림 2-12] Box-Jenkins의 ARIMA 모형수립방법 71 [그림 3-1] 전 세계 자동차 판매량 대비 커넥티드 카 연간 판매량 전망 83 [그림 3-2] 스마트카 시장 내 주요 업계 간 합종연횡 현황 88 [그림 3-3] 세계 모바일 결제 시장 규모 90 [그림 3-4] 세계 전자상거래 시장규모 전망 90 [그림 3-5] 국내 B2C 전자상거래 추이(통계청, 2013) 91 [그림 3-6] 세계 비현금 지급 수단 이용현황 91 [그림 3-7] 국내 인터넷뱅킹 이용규모 92 [그림 3-8] 세계 스마트폰 보급대수 전망 93 [그림 3-9] 알리바바와 이베이의 거래규모 97 [그림 3-10] 베이비 모니터와 차일드 트래커의 글로벌 판매량 추이 100

14 [그림 3-11] 전 세계 스마트폰 가입자 수 추이(2010~2019(E)) 104 [그림 3-12] 국내 인터넷 쇼핑 시장 규모(2012~2015) 104 [그림 3-13] O2O 개념도 105 [그림 3-14] 2015년 8월 기준 전 세계 벤처기업의 기업가치 순위 107 [그림 3-15] 옴니채널 O2O 서비스 모형 108 [그림 3-16] 옴니채널 O2O 서비스 사례 109 [그림 3-17] SK 플래닛의 Syrup 서비스 110 [그림 3-18] O2O 플랫폼 유망 시장 111 [그림 3-19] O2O 비즈니스 진화 방향 112 [그림 3-20] 각종 웨어러블 헬스케어 디바이스 및 벤더 121 [그림 3-21] 웨어러블 디바이스를 활용한 헬스케어 플랫폼 모형 122 [그림 3-22] TAM 연구 모형 133 [그림 3-23] 기술수용모형 분석 결과 136 [그림 4-1] 연령계층별 인구 구성비, 1960~2060 143 [그림 4-2] Bass 모형에서 시간에 따른 수용자(혁신자와 모방자 포함)의 분포 145 [그림 4-3] 전체 응답자의 매체별 평균 사용시간 151 [그림 4-4] 소셜네트워크서비스(SNS) 이용자 비율 151 [그림 4-5] 연령별 일상생활에서의 필수 매체 152 [그림 4-6] 스마트폰 및 유선전화기 보유 여부 156 [그림 4-7] 데스크톱 PC 및 노트북 PC 보유 여부 157 [그림 4-8] 신문 구독(좌) 및 유료방송 가입(우) 여부 158 [그림 4-9] 이메일 및 SNS 이용 여부 159 [그림 4-10] 가장 선호하는 기기 161 [그림 4-11] 휴대폰, TV, PC, 인쇄물 등 매체별 이용 시간 162 [그림 4-12] 마이크로시뮬레이션 내 N세 여성의 혼인 상태 변화 164

15 [그림 4-13] 출생자 수 및 사망자 수, 2010~2060 169 [그림 4-14] 마이크로시뮬레이션 가상 인구의 개인 개체 구성 변화 174 [그림 4-15] 미디어 기기의 보급률 전망 183 [그림 4-16] 미디어 서비스의 보급률 전망 184 [그림 4-17] 미디어 매체별 일평균 이용시간 전망 185 [그림 4-18] 스마트폰 및 유선전화기 보유 여부 186 [그림 4-19] 데스크톱 PC 및 노트북 PC 보유 여부 187 [그림 4-20] 신문 구독 및 유료방송 가입 여부 188 [그림 4-21] SNS 이용 여부 189 [그림 4-22] 휴대폰, TV, PC, 인쇄물 등 매체별 이용시간 190 [그림 5-1] 응답자 구성 195 [그림 5-2] 7대 신산업 외에 디지털 산업 경제 확산에 미칠 영향력이 큰 산업 196 [그림 5-3] 향후 디지털 경제 확산에 미치는 파급효과가 큰 산업 197 [그림 5-4] 시기별 디지털 경제 확산에 미치는 파급효과가 큰 산업 198 [그림 5-5] 산업별 확산 속도 199 [그림 5-6] 시기별 국내 경쟁력 추이(선진국 100 기준) 200 [그림 5-7] 디지털 경제를 선도할 글로벌 5개 기업의 파급효과 201 [그림 5-8] 산업별 정부 정책의 중요도 및 시급성의 포지셔닝 맵 202 [그림 5-9] 정책 시행이 중요한 산업과 시급한 산업 204 [그림 5-10] 스마트카, 인공지능 로봇의 저해요인 206 [그림 5-11] 핀테크, 스마트헬스의 저해요인 206 [그림 5-12] O2O, 공유경제의 저해요인 207 [그림 5-13] 스마트홈, 웨어러블의 저해요인 208 [그림 5-14] 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과 217

16 [그림 5-15] 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과: 시기별 변화 218 [그림 5-16] 디지털 경제 확산이 미치는 파급효과가 가장 큰 미래사회 이슈: 시기별 변화 219 [그림 5-17] 디지털 경제 확산이 미치는 파급효과가 가장 작은 미래사회 이슈: 시기별 변화 220 [그림 5-18] 디지털 경제 확산과 관련된 미래사회 이슈의 중요성 221 [그림 5-19] 가장 중요한 디지털 경제 확산 관련 이슈 222 [그림 5-20] 가장 덜 중요한 디지털 경제 확산 관련 이슈 222 [그림 5-21] 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술: 이슈별 226 [그림 5-22] 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술: 시기별 226 [그림 5-23] 디지털 경제의 사회적 순기능 229 [그림 5-24] 디지털 경제의 사회적 역기능 229 [그림 5-25] 순기능에 영향을 미칠 것으로 예상되는 핵심 기술: 시기별 232 [그림 5-26] 역기능에 영향을 미칠 것으로 예상되는 핵심 기술: 시기별 234 [그림 5-27] 이슈별 정책 대응 중요도 및 시급성 235 [그림 5-28] 정책 대응 중요도와 시급성이 가장 높은 이슈 235 [그림 5-29] 정책 대응 중요도와 시급성이 가장 낮은 이슈 236 [그림 5-30] 이슈별 정책 대응 중요도와 시급성 비교 236 [그림 5-31] 이슈별 정책 대응 수준 237 [그림 5-32] 정책 대응 수준이 부족(미흡)한 이슈 238 [그림 5-33] 정책 대응 수준이 덜 부족(미흡)한 이슈 239 [그림 5-34] 미래사회 변화에 영향을 미치는 요소의 영향력과 불확실성 240 [그림 6-1] PBS의 개념도 예시 254

17 [그림 6-2] 연구 프로세스 255 [그림 6-3] 기사 빈도수 평균-가속도 비교 259 [그림 6-4] 기사 빈도수 평균-변동성 비교 260 [그림 6-5] 의미연결망 지도-IoT 261 [그림 6-6] 의미연결망 지도-빅데이터 262 [그림 6-7] 의미연결망 지도-전기 자동차 263 [그림 6-8] 의미연결망 지도-배터리 264 [그림 6-9] 의미연결망 지도-핀테크 265 [그림 6-10] 의미연결망 지도-로봇 266 [그림 6-11] 의미연결망 지도-기술-산업-사회 267 [그림 6-12] 의미연결망 지도-기술-산업-사회 268 [그림 6-13] 워드클라우드-기술-산업-사회 268

제 1 장 서 론 19 제 1 장 서 론 제 1 절 개 요 1. 배경 및 연구의 필요성 오늘날 디지털 경제의 영향력은 막강하다. ICT의 발전은 기존 산업을 죄다 뒤바 꿔 놓은 것으로도 모자라, 무수히 많은 산업을 새롭게 탄생시켰다. 글로벌 플랫폼 기업들은 ICT를 기반으로 한 디지털 경제의 토양을 마련했고, 금융, 자동차, 조선, 의료 산업은 업무 현장에 ICT 신기술을 도입하면서 혁신을 이뤘다. 그리고 초고속 인터넷과 모바일 인터넷을 기반으로 한 콘텐츠 및 서비스 분야에서는 넷플릭스나 우버, 에어비엔비 같은 과거엔 상상도 할 수 없었던 비즈니스 모형을 제시하면서 신 산업의 영역을 개척했다. 새로운 산업에서 탄생한 신생기업은 짧은 시간 안에 어마 어마한 규모의 글로벌 기업으로 성장했다. 오늘날과 같은 글로벌 비즈니스 세계에 서 ICT 기업이 아니면 어떤 기업도 마이크로소프트, 구글, 페이스북, 애플, 아마존과 같은 속도로 성장하는 것은 불가능하다. 중국의 알리바바, 샤오미, 바이두, 텐센트, 화웨이 같은 기업은 두말할 필요도 없다. 특히 중국 기업의 약진은 세계 ICT 시장의 지형을 근본적으로 바꾸고 있다. 범용기술(general purpose technology)이라는 말이 있다. 이는 모든 산업에서 쓰이 는 핵심 기술이란 뜻으로, 산업혁명 시대의 증기기관과 전력 등이 이러한 범용기술 에 해당한다. ICT 기술은 21세기의 범용기술로 불린다. 즉, 모든 산업에서 공히 사 용되고 있으며, 각 산업의 생산성 향상과 새로운 비즈니스 기회의 창출에 핵심적으 로 기여하고 있다. 증기기관의 발명이 인간의 노동력을 대신하면서 기계에 의한 대 량생산의 전기를 마련하였고, 전기의 보급이 공장에서 증기 터빈을 대체하면서 공 장 생산방식을 획기적으로 바꾼 것처럼, 컴퓨터와 인터넷의 보급은 제조업은 물론

20 이고 행정 사무와 각종 서비스업 분야에서도 작업방식의 근본적인 변화를 몰고 왔다. 컴퓨터가 보급되고, 인터넷이 세상에 널리 퍼진 20세기 말 이후 발생한 경제 성장의 대부분에 ICT가 크게 기여했다고 할 수 있다. 그러면 디지털 경제는 급성장 이후 한 풀 꺾일 것인가? 그렇지 않다. 현재 전 세계 약 70억 명 인구 중에 인터넷을 사용하 는 인구는 약 20억 명이다. 전 세계적으로 볼 때 인터넷의 보급은 아직 절반도 이루 어지지 않았다. 인터넷은 앞으로 더욱 크게 성장할 것이다. 이 시점에서 우리는 현 재 지구상에서 일어나고 있는 인류의 경제활동에서 ICT가 차지하고 있는 위상이 어 느 정도인지 진단하고, 앞으로 어떻게 발전해 나갈 것인지를 우리가 가진 지혜를 총 동원하여 살펴볼 필요가 있다. 만약 우리가 변화의 흐름을 정확히 알고 미리 대응할 수 있다면, 앞으로 생겨날 수 있는 문제를 선제적으로 해결할 수 있는 역량을 갖출 수 있을 것이고, 자원 배분의 효율성을 이뤄내 보다 풍요롭고 선진적인 나라를 만들 수 있을 것이기 때문이다. 2. 연구의 목적 본 연구는 디지털 경제의 미래예측 방법론에 관한 연구이다. 미래를 예측하는 기 존의 다양한 방법론을 활용하여 디지털 경제의 기술과 사회를 중심으로 한 미래예 측을 수행하고, 그 방법의 유효성을 알아보며, 이를 바탕으로 정책 시사점을 도출하 는 것이 본 연구의 목적이다. 이를 위해 먼저 국가 정책적 차원에서 디지털 경제의 정의를 확정한다. 그리고 디 지털 경제의 발전과정과 현황을 살펴보고, 경제적, 사회문화적 특징과 정책적으로 해결해야 할 디지털 경제의 문제점을 지적한다. 또한 다양한 예측방법론을 동원하 여 디지털 경제를 예측하고자 한다. 전통적 예측방법인 통계적 예측과 천재적 예측, 추세외삽법, 역사적 유추, 델파이, 시나리오 분석 등 비통계적 예측방법론을 소개하 고, 디지털 경제 미래예측의 적용가능성을 고찰하며, 최근 기술 및 사회분야에서 주 목 받고 있는 예측방법론인 기술수용모형과 행위자 기반 모형을 이용하여 디지털 경제의 미래 기술 및 미래 사회에 관한 예측을 수행하고자 한다. 가장 널리 쓰이고

제 1 장 서 론 21 있는 미래예측 방법 중 하나인 델파이 분석방법을 이용하여 전문가 의견 중심으로 디지털 경제의 미래기술과 사회를 예측한다. 또한 새롭게 각광받고 있는 분석 방법 으로, 빅데이터 분석이라 불리는 텍스트 마이닝 분석 기법을 도입하여 디지털 경제 의 미래예측을 위한 새로운 접근법을 제안하고자 한다. 이러한 예측 방법론의 개발 과 병행하여 디지털 기술에 기초한 우리사회의 미래 모습을 사회적 관점과 기술적 관점에서 각각 조망하고자 한다. 본 연구는 기관마다 다양한 의미로 혼동되어 사용되고 있는 디지털 경제라는 개 념을 확정하여 정책적 접근이 가능한 대상으로 정립시키는 데 첫 번째 의의가 있다. 또한 본 연구는 정책 개발 시 필수적으로 사용되는 미래에 대한 전망 또는 예측에 최근 발전된 기술을 반영한 새로운 접근 방법을 제안함으로써, 정책연구의 혁신에 기여할 수 있다는 데 두 번째 의의가 있다. 3. 연구의 방법 본 연구의 대상은 우리나라 디지털 경제의 미래로 그 시점을 특정하진 않았지만, 기본적으로 5년 뒤의 미래를 설정하고 있다. 디지털 경제의 미래를 기술 부문과 사 회 부문으로 나누어 이에 적합한 복수의 예측 방법을 이용하여 미래 예측을 수행하 였다. 본 연구에서 사용되는 주된 연구 방법은 네 가지로 기술수용모형(Technology Acceptance Model), 마이크로 시뮬레이션, 델파이 방법, 텍스트 마이닝 기법이다. 먼 저 기술수용모형은 확산 과정의 초기 단계에 있는 신기술을 대상으로 그 기술에 대 한 소비자의 수용의도를 분석함으로써 기술의 변화 방향을 예측하거나, 성공적으로 확산시키기 위한 전략을 수립하는 예측방법이다. 마이크로 시뮬레이션은 자발적 행 위자 간의 상호적용을 컴퓨터로 모의실험함으로써 그 결과와 효과를 분석하기 위한 예측방법이다. 델파이 방법은 전문가의 경험에 의존하여 미래를 예측하는 방법으로, 1차로 조사 대상 전문가를 대상으로 질문을 하고, 이에 대한 의견을 수집한 뒤 그 결과를 전문가에게 다시 보여주고, 다시 같은 질문을 하는 과정을 반복함으로써 전

22 문가 간의 타협을 통한 의견 수렴 과정을 유도하여 결론을 이끄는 조사 방법이다. 마지막으로 텍스트 마이닝 기법은 최근 소셜 미디어의 확산 및 대용량 데이터 분석 기술의 발달로 인해 각광 받게 된 사회 분석 및 예측방법으로, 인터넷 또는 소셜 미 디어에 등장하고 있는 텍스트들을 수집하고 각 문장에 등장하는 단어의 출현 빈도, 연관성 등을 통계적으로 분석함으로써 현재 인터넷 상에서 논의되고 있는 담론들의 숨은 의미를 추출해 내기 위한 분석 방법이다. 먼저 본 연구에서는 기술수용모형을 이용하여 기술 예측을 수행하고, 행위자 기 반 모형을 이용하여 사회 예측을 수행하며, 델파이 방법을 통해 디지털 경제의 미래 기술과 사회를 각각 예측한다. 마지막으로 텍스트 마이닝 기법을 이용하여 기술과 사회를 동시에 예측한다. 제 2 절 디지털 경제의 정의 디지털 경제란 말은 여러 가지 의미로 혼동되어 사용되고 있으나, 가장 포괄적으 로 컴퓨팅 기술을 기반으로 한 경제를 말하며, 좀 더 구체적으로는 인터넷을 기반으 로 발생하는 경제 활동의 집합을 의미한다. 이를 과거에는 인터넷 경제, 신경제, 또 는 웹 경제라는 이름으로 부르기도 했다. 어휘 선택에 따라 세부적인 의미는 다를 수 있으나, 기본적으로 유사한 경제 형태를 대상으로 한다. 인터넷 경제의 첫 번째 구성요소로 하드웨어 인프라를 들 수 있다. 통신 네트워크 와 컴퓨팅 장비가 여기에 해당한다. 이러한 기술 인프라는 디지털 경제 발전의 근원 적 기반이 된다. 메모리 반도체와 마이크로프로세서 기술의 성능향상은 비즈니스 사이클처럼 부침이 존재하지 않는다. 이는 전통적인 경제의 영역이 호황과 불황을 반복하는 동안에도 디지털 경제는 꾸준히 성장해 왔으며, 특히 경제위기의 시기에 상대적으로 그 성장세가 두드러져 보인 이유이기도 하다. 통신 네트워크는 온라인 거래와 글로벌 영역에서 정보의 집적을 가능하게 하는 하드웨어의 큰 축이라 할 수 있다. 네트워크의 안정성과 속도의 향상은 반도체의 성능 향상과 마찬가지로 디지

제 1 장 서 론 23 털 경제의 발전을 뒷받침하고 있으며, 최근에는 그 중심이 유선 네트워크에서 무선 네트워크로 이동하며 디지털 경제가 폭발적인 파급력을 가지는 데 기여하고 있다. 인터넷 경제의 두 번째 구성요소는 소프트웨어이다. 최근에는 소프트웨어라는 말 을 디지털 콘텐츠 전부를 포괄하는 의미로 사용하기도 하지만, 전통적으로는 프로 그래밍 언어로 작성된 컴퓨터에 내리는 명령의 구조적 집합으로 정의하므로 본 연 구는 이 정의를 따른다. 소프트웨어는 그 자체로 디지털 경제에서 거래되는 핵심 상 품 중 하나이면서도 전반적인 디지털 경제활동을 가능하게 하는 인프라로서의 기능 을 한다. 소프트웨어는 매우 광범위한 상품으로 기본적으로 시스템 소프트웨어와 미들웨어, 애플리케이션 소프트웨어로 분류할 수 있다. 소프트웨어는 컴퓨터를 작동 시키기 위한 시스템을 구성하고, 전자상거래 등 다양한 온라인 경제활동을 지원하 는 역할을 하면서 소비자가 직접 이용함으로써 효용을 발생시키는 최종소비재도 포 함하고 있다. 최근에는 모바일 환경에서의 앱스토어가 폭발적으로 성장함에 따라 최종소비재로서의 소프트웨어의 비중이 크게 증가하고 있다. 이 두 가지 요소, 즉 하드웨어와 소프트웨어는 ICT 산업 고유의 영역에 해당하는 것으로, 디지털 경제를 기술적으로 가능하게 만드는 하부 구조의 의미를 가진다. 인터넷 경제의 세 번째 구성요소는 전자상거래이다. 전자상거래 시스템은 디지털 기술을 경제의 영역으로 진입하게 만든 결정적 요소이며, 또한 디지털 경제와 전통 적 경제의 경계선에 있는 요소이다. 디지털 기술만이 가진 특징이 전자상거래에 도 입되면서 과거에 볼 수 없었던 새로운 형태의 경제활동이 가능하게 되었다. 소비자 는 상점에 방문하는 비용을 절약할 수 있으며, 집 안에서 무한히 많은 상품을 비 교 구매할 수 있게 되었다. 이를 통해 물류비용과 재고비용이 획기적으로 절감되 었고, 백화점이나 할인점 등이 생산자와 소비자를 매개하는 시장에 대한 주도권을 갖고 있던 전통적 경제는 인터넷 서비스 기업이 온라인 시장을 통해 플랫폼 경쟁에 뛰어듦으로써 새로운 양상으로 발전하게 되었다.

24 제 3 절 디지털 경제의 발전과정, 현황 및 전망 1. 소프트웨어: 디지털 세계의 영혼 디지털 세상의 태초에 비트가 있었다. 디지털 경제의 서막을 연 컴퓨터의 탄생은 전쟁이 인류에게 의도치 않게 선사한 선물이었다. 컴퓨터의 아버지인 앨런 튜링이 개발한 세계 최초의 디지털 컴퓨터 콜로서스(Colossus)는 2차 세계대전 중 독일군의 암호 에니그마(Enigma)를 해독하기 위해 1943년 영국정부에 의해 만들어졌다. 그리 고 1946년 미국 펜실베니아 대학교에서 만들어진 에니악(ENIAC)은 대포의 탄도 계 산을 위해 만들어졌으며, 이후 수소폭탄 제조를 위한 연구에도 참여했다. 컴퓨터라 는 기계가 처음 세상에 나왔을 때 그것은 엄청나게 비싸고, 크고, 무거워서 정부나 군과 같은 큰 조직이 아니면 도저히 쓸모가 있을 것 같지 않았지만, 미래를 내다본 엔지니어들은 빛의 속도로 계산을 해내는 이 기계의 무한한 발전 가능성에 주목하 기 시작했다. 처음 나왔을 당시만 해도 단순한 명령만을 수행하던 컴퓨터는 엔지니 어들이 연구에 연구를 거듭하여 개량한 결과, 시간이 지날수록 눈부시게 발전해갔 고, 점점 더 복잡한 일을 할 수 있게 되었다. 컴퓨터가 복잡한 일을 할 수 있으려면 논리적인 명령체계가 필요했는데, 0과 1만으로 이루어진 명령의 체계화된 집합을 프로그램이라고 불렀으며, 더 포괄적인 의미로 소프트웨어라고 불렀다. 소프트웨어 기술의 발전에 힘입어, 컴퓨터의 각성이 시작되었다. 컴퓨터는 다양한 과학계산에 사용되었고, 방대한 양의 데이터베이스를 관리했으며, 처리할 수 있는 정보의 한계 를 무한히 확장하고, 인간의 합리성을 극대화할 수 있는 발판을 마련하였다. 컴퓨터 초창기에 특정 기기에 종속되어 있던 소프트웨어는 기종에 상관없이 이식이 가능한 범용 형태로 개발되기 시작하면서 급속도로 발전하기 시작했다. 2. 컴퓨터, 대중 속으로 에니악 등 초기의 컴퓨터는 프로그램을 저장할 수 있는 능력이 없었다. 컴퓨터에

제 1 장 서 론 25 전달하고 싶은 명령이 있으면 수천 개의 배선을 플러그에 연결하는 방식으로 전달 하였는데, 매우 번거로운 작업이 아닐 수 없었다. 프로그램의 구조는 점점 커졌고, 복잡한 프로그램을 배선방식으로 표현하는 데 한계를 느낀 엔지니어들은 새로운 입 력방식을 모색하였다. 천공테이프와 천공카드에 이어, 지금과 같은 키보드 형태의 입력방식을 최초로 채택한 건 마에스트로 I이 등장한 1975년이다. 이로써 컴퓨터는 모니터와 키보드를 기본 입출력 인터페이스로 갖게 됐고, 오늘날에 사용하는 거의 모든 컴퓨터의 원형이 만들어졌다. 우선 초창기 컴퓨터인 에니악의 견적을 살펴보자. 17,468개의 진공관 튜브와 7,200개의 크리스탈 다이오드, 70,000개의 저항과 10,000개의 축전기로 구성되었으 며, 27톤의 무게에 167평방미터의 면적을 차지하였다. 그리고 150킬로와트의 전력 을 썼는데, 이 전력이 어느 정도인가 하면 에니악이 가동될 시간에는 필라델피아 가 로등 불빛이 흐려질 정도였다고 한다. 그 이후 개량이 이루어지긴 했지만, 당시에 일반인이 컴퓨터에 문제를 의뢰한다는 것은 평민이 귀족의 신전에서 신탁을 하는 것만큼이나 어려웠을 것이다. 인텔의 공동설립자인 고든 무어는 1965년 일렉트로닉 스 잡지에서 반도체 집적회로의 성능이 매년 두 배씩 증가한다 고 밝힌 적이 있 는데, 이 말은 후에 18개월마다 두 배 라는 무어의 법칙으로 불리며 현실이 되었다. 컴퓨터는 예상보다 빠른 속도로 성능이 좋아졌고, 작아졌으며, 저렴해졌다. 마침내 1974년, 누구나 컴퓨터를 가지는 꿈을 실현하기 위한 도전이 시작되었다. 에드 로버 츠가 설립한 MITS는 최초의 마이크로컴퓨터의 조립 키트를 세상에 내놨다. 알테어 (Altair) 8800 이라고 이름 붙은 이 키트는 전면의 토글 스위치로 명령을 입력하고, 다이오드의 불빛으로 결과를 확인하는 컴퓨터였다. 메모리가 256바이트에 불과한 소박한 기기였지만, 알테어는 전 세계적으로 마이크로컴퓨터의 붐을 일으킨 역사적 인 기기이다. 이후 1976년에 애플 I이, 1981년에 최초의 16비트 컴퓨터인 IBM PC가, 1984년에는 매킨토시가 세상에 나왔다. 그리고 우리가 지금 당연하다고 생각하고 있는 것처럼 마침내 컴퓨터는 대중의 기기가 되었다.

26 3. 컴퓨터, 정보의 바다로: 빅데이터와 클라우드 인터넷이 보급되기 전까지 컴퓨터는 혼자서 움직이는 기기였다. 자신이 저장한 정보를 자신이 가진 소프트웨어로 처리했다. 컴퓨터는 서로 연결되면서 또 한 번의 진화를 겪게 된다. 인터넷 또한 컴퓨터와 마찬가지로 최초에는 군사적인 목적으로 만들어졌다. 미 국방부 산하의 고등연구계획국(Defense Advanced Research Projects Agency)은 핵전쟁 등 유사시에 시스템의 일부가 파괴되어도 여전히 작동할 수 있는 네트워크를 개발하고자 하였고, 그 결과 만들어진 것이 알파넷(ARPANET)이다. 알 파넷에 대한 민간 수요가 늘어나자 미 국방부는 알파넷을 군사용 밀넷(MILNET)과 민간용 알파넷으로 분리하고, 1983년 알파넷에 TCP/IP 프로토콜을 도입하여 이를 민간에 공개했는데 이것이 인터넷의 기원이 되었다. 이후 1989년에 팀 버너스 리가 하이퍼텍스트 기반의 월드와이드웹을 발표하였고, 1993년에 최초의 웹브라우저 모 자이크(MOSAIC)가 탄생했으며, 1994년에는 야후와 넷스케이프가 만들어지면서 현 재의 웹 기반 인터넷 환경이 조성되었다. 오늘날의 컴퓨터는 데스크톱이든, 스마트 기기든 인터넷이 없는 환경은 생각하기 어려운 기기가 되었다. 인터넷에 접속하여 소프트웨어를 업데이트하고, 이메일을 확인하며, 필요한 각종 정보를 수집하고, 나 자신의 기기뿐만 아니라 연결된 외부 리소스의 힘을 빌려 정보를 처리하고 문제를 해결한다. 이제 데스크톱이든, 개인 휴대용 스마트폰이든 모든 컴퓨팅 기기는 인터 넷에 연결되어 일을 처리하는 것이 당연해졌다. 연결된 환경은 최근 들어 컴퓨팅 기 술의 또 다른 진화를 가져 왔다. 바로 클라우드와 빅데이터가 그것이다. 클라우드는 필요한 컴퓨팅 기능을 네트워크를 통해 제공하는 서비스로, 내가 필요로 하는 소프 트웨어와 데이터가 내 기기에 없어도 가능한 것은 물론, 실제로 어디에 있는지 알 필요조차 없게 만들었다. 그리고 빅데이터 기술의 근간이 되는 분산처리 개념은 막 대한 양의 데이터를 처리하기 위해 기기의 성능을 끌어올리는 대신 병렬로 연결된 기기들이 데이터를 나누어 처리함으로써 속도의 향상을 꾀하는 기술이다. 클라우드 와 빅데이터를 기반으로 한 새로운 개념의 컴퓨팅 환경은 ICT뿐만 아니라 산업 전 반에 큰 영향을 미치고 있다.

제 1 장 서 론 27 4. 소결: 디지털 경제의 전망 지금까지 살펴본 컴퓨터의 네 가지 발전단계는 디지털 경제가 형성되기 위한 필 수 조건을 순서대로 서술한 것이다. 컴퓨터라는 하드웨어는 그 자체로 경제적 가치 를 지닌 하나의 상품이지만, 컴퓨터로 인해 소프트웨어라는 무형의 지식재산은 과 거에는 없던 새로운 재화로 등장하게 되었다. 컴퓨터가 사람의 눈과 귀를 대신하고, 사람의 언어를 이해하는 등 인간의 모습을 한 인터페이스를 갖추게 되면서 컴퓨터 가 대중에 보급되는 계기가 마련되었고, 선구적인 기술자와 경영자에 의해 개인용 컴퓨터의 시대가 막을 올렸다. 그리고 이들은 모두 인터넷에 연결되었다. 인터넷에 연결된 개인용 컴퓨팅 기기는 인간의 경제활동에 깊숙이 파고들기 시작했다. 컴퓨 팅 기술은 인간의 생산과 소비 활동의 모습을 불과 20년 만에 근본적으로 바꿔 놓았 으며, 과거에 없던 상품과 시장이 등장하는 계기를 마련하였고, 엄청난 경제적 가치 를 지닌 새로운 세상을 제공했다. 디지털 경제의 전망은 매우 낙관적이다. 그 첫 번째 이유는, 현재 전 세계적으로 인터넷을 이용하는 인구는 전체 인구의 1/3이 채 되지 않으며, 인터넷을 사용하는 인구는 빠른 속도로 확산되고 있기 때문이다. 세계 어느 나라든 인터넷의 보급이 일 정 수준을 넘어서면 인터넷은 단순한 정보 교환의 도구에 머무는 것이 아니라, 다양 한 경제, 사회, 정치, 문화 활동이 발생하는 플랫폼이 된다. 이제 인터넷은 한 나라의 국민을 하나로 연결하는 것을 뛰어넘어 전 세계를 하나로 연결하고 있다. 전 세계의 재화와 서비스는 인터넷의 힘을 빌려 더욱 빠르고 광범위하게 이동하게 될 것이다. 디지털 경제의 전망이 낙관적인 두 번째 이유는 그 어느 때보다 ICT 기술의 발전 이 빠르고 혁신적으로 일어나고 있기 때문이다. ICT가 단지 ICT 산업에 머물러 있 을 때에는 속도가 빠른 프로세서, 용량이 큰 메모리, 효율적이고 안정적인 소프트웨 어를 개발하는 것만이 목적이었지만, ICT가 다양한 산업의 구성요소로 쓰이게 되면 서 진화도 빨라졌다. 자동차, 조선 등 제조업은 물론이고, 금융, 의료 등 서비스업과 사물인터넷에 이르기까지 ICT를 기반으로 한 디지털 경제는 무궁무진한 형태로 발 전하고 있다.

28 제 2 장 미래예측 방법론의 유형 및 주요 내용 제 1 절 디지털 경제시대 미래예측의 필요성 미래예측(foresight)이란 기술, 시장, 조직, 정책 등 광범위한 분야에서 미래의 상황을 과학적으로 예측하고 일련의 전략을 제시하는 가치창조적 행위를 뜻한다(Georghiou et al., 2008). 따라서 미래예측은 단순히 미래모습을 전망하는 것을 넘어, 바람직한 미래를 만들기 위한 현실 가능한 전략과 대안을 도출하는 것을 포함하는 개념이라 고 할 수 있다. 이는 미래를 형성하고 창조하는 적극적인 개념으로서 행동을 제안하 는 전략적인 개념이며, 현재와 미래 사이의 상호작용을 포함하는 동태적 개념이라 할 수 있다(한국과학기술평가원, 2005). 지금까지 미래연구는 기술예측이나 시장예측 중심으로 단기적인 조사에 치중하 였고, 미래전략 수립을 위한 연구의 틀과 방법론이 미흡한 실정이다(이세준 이윤 준 홍정임, 2008: 27). 이러한 점에서 경제, 사회, 기술, 정책적 변화 요인 간의 상 호연관성 속에서 미래예측과 대안적 전략 모색을 가능하게 할 미래예측 연구방법론 에 대한 체계적인 검토가 요구된다. 현대사회는 복잡성이 증가하고, 변화 속도가 빠르며, 불확실성이 더욱 커지는 환 경에 놓여 있다. 이에 따라 세계 각국의 정부와 기업은 새로운 유형의 위기에 직면 하면서 미래의 변화에 적절하게 대응하는 데 어려움을 겪고 있다. 미래는 단선적 변 화가 아니라 다양하고 복잡한 방향으로 변화될 가능성이 크기 때문에 불확실한 미 래에 대한 유연한 전략을 갖추기 위해서 미래예측이 필요하다(최항섭 음수연 전 미경, 2006: 15). 특히 지식과 창의성 기반의 디지털경제 시대에 들어서면서 변화는 가속화되고 있으며, 네트워크로 서로 긴밀하게 연결되면서 파급효과가 커지고, 사회 불안정성이 한층 증대되고 있다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 29 더 나아가 디지털경제 시대의 중요한 화두로 혁신과 융합이 대두되면서 미래의 복잡하고 가속화된 변화를 예측하고, 그에 대응하는 전략을 수립하는 작업이 요구 된다. 미래의 사회, 산업, 기술, 환경의 변화에 대한 타당성 있는 예측을 통해 과학기 술과 정보통신기술(ICT)의 발전을 위한 국가와 기업의 미래 전략을 수립하는 방안 이 필요하다. 제 2 절 미래예측 방법론의 역사적 발전과정 1. 실증적, 결정론적 미래예측에서 가치지향적, 관계론적 미래예측으로 발전 과학혁명과 계몽사상이 미래예측 방법에 영향을 주면서 이성과 논리, 합리적 사 고와 과학적 분석이 중요한 위치를 차지하였다. 이후 대공황과 1, 2차 세계대전을 경험하면서 낙관적 미래에 대한 믿음이 쇠퇴하고, 결정론적, 과학적 미래예측이 가 능하다는 생각에 대한 도전이 싹트기 시작했다. 특히 최근 포스트모던 시각에 영향을 받은 미래연구자들이 등장하면서, 미래연구는 객관적 외부 환경에만 초점을 맞추는 실증주의적, 과학적 방법에 국한해서는 안 된 다는 점을 강조하고 있다(최항섭 음수연 전미경, 2006). 예컨대 슬로터(Slaughter, 1996)는 단순히 외부 환경에 대한 수집만으로는 미래연구 자료로 부족하고, 미래를 구성하고 이해하는 개인의 경험과 인식, 문화 등의 내부 경험도 고려해야 한다고 주 장한다(김현곤 외 10명, 2009:27). 또한 Inayathulla(2007)도 미래연구가 5가지 차원에 서 다음과 같은 방향으로 진화하고 있다고 강조한다(김현곤 외 10명, 2009:29). - 단순 예측에서 전략적 사고와 행동 으로 - 불확실성의 제거에서 복잡성의 인정 으로 - 횡적 미래연구로부터 종적 연구로 - 단기적 경험주의 사고에서 장기 거시적인 관계론적 사고 로 - 윤리적 규범적 관점의 미래연구 증가

30 2. 기술발전과 성장위주 국가의 미래계획에서 다차원적 영역과 참여적 미래전략으로 발전 미래연구는 20세기에 들어와 성장과 발전에 대한 인식을 기반으로 발전해 왔다. 특히 1920년대와 30년대 국가주도의 경제, 사회 발전 계획에 따라 미래 가능성을 평가하고 트렌드 분석에 기초한 정부 정책이 시행되면서 전략적인 미래연구가 본격화 되었다. 2차 대전 이후에는 군사적 전략 차원에서 국가 단위의 과학기술 예측 연구가 진 행되었다. 이러한 흐름은 1960년대 미국 랜드연구소 허먼 칸(Herman Khan) 등의 연 구방법론 정립으로 본격화되었다. 그러면서 미래연구가 사회과학의 한 범주로서 학 문적 차원에서 본격적으로 논의되기 시작하였다. 1970년대 이후에는 정부만이 아니라 기업에서도 기술, 경제, 사회 전반의 미래예 측에 관심을 가지기 시작했고, 최근에는 국제기구와 NGO 등에서 미래연구가 활발 하게 진행되고 있다. 초기에는 과학기술을 대상으로 한 미래연구가 주를 이루었으 나, 최근에는 사회, 경제, 환경 이슈가 연계된 새로운 영역의 미래연구가 이루어지고 있다. 1990년대 후반부터 인구변화, 환경, 에너지, 보건 등의 미래사회에 대한 도전에 직면하여 미래연구가 새롭게 강화되는 추세이다(이세준 이윤준 홍정임, 2008). 최근 한국에서도 기술발전과 소비자, NGO의 영향력 확대로 환경, 보건, 고령화, 고용, 삶의 질 향상 등 사회 경제 영역 전반에 걸친 미래연구가 이루어지고 있다 (이세준 이윤준 홍정임, 2008). 처음에는 주로 전문적인 공공연구기관 등에서 부 처 중심의 프로젝트로 진행되고, 미래연구 방법도 전문가 및 자문위원 운영 위주로 활용되어 왔으나(최항섭 음수연 전미경, 2006), 최근에는 기업 및 전문가 네트워 크 참여가 확대되고 참여적, 합의적 프로세스로 운영되는 추세로 발전하고 있다. 제 3 절 미래예측 방법론의 유형 분류 미래예측 방법론은 관점에 따라 여러 가지 유형으로 구분 가능하다. 그러나 일반 적으로 미래예측 방법이 단독으로 사용되는 경우는 드물며, 보통 3~4개의 방법을

제 2 장 미래예측 방법론의 유형 및 주요 내용 31 조합하여 사용하는 바, 본 연구에서는 미래예측 방법론의 유형 분류를 크게 5가지 차원으로 구분하고자 한다. 1. 시간 축 방향에 따른 분류 1) 탐색적(Exploratory) 방법은 현재 알고 있는 지식을 기반으로 발생 가능한 미래를 탐구 및 예측하는 방법으로, 현재의 시점에서 가능한 노력을 기울여 발생할 미래 상 황을 예측하는 것이다. 주요 방법으로 델파이 기법, 교차영향분석, 추세외삽법 등을 들 수 있다. 규범적(Normative) 방법은 바람직한 미래상을 기반으로 이를 어떻게 실 현할 것인가를 기획하는 방법으로, 바람직한 미래 방향을 설정한 후 미래 시점에서 거꾸로 진행한다. 주요 방법으로는 시나리오 워크숍, 연관성 나무, 형태분석법, 로드 맵 등이 있다. 2. 용도에 따른 영역별 분류: 사회, 기술, 경제, 환경, 정책영역 영역별 용도에 따른 분류로서 사회, 기술, 경제(산업), 환경, 정책 등 5가지 영역으 로 구분되는데, 각 영역별 방법론적 특징은 다음과 같다. <표 2-1> 미래예측 방법론의 영역분류 정량적 방법론 정성적 방법론 사회 의사결정 나무, 에이전트모형링 천재적 예측기법, 퓨처스 휠, 시나리오 기법 기술 경제 텍스트 마이닝, 계층화분석법, 계량정 보분석법 빅데이터 분석, 미래지수기법, 통계학 적 모형링방법, 교차영향분석 로드맵, 기술발전단계 예측, STEEP 분석법 델파이기법, 리얼타임 델파이법, 질적 추세 분석법, 세차주기미래예측법 1) 이 분류는 Georghiou et al. (2008)에 따른 것이다.

32 환경 정책 정량적 방법론 게임이론, 표준예측기법 정성적 방법론 이머징 이슈분석, 환경 스캐닝, 비저닝 워크 숍, 트렌드생태계예측법, 다층적 시스템 시 나리오기법, 생태학적 사회구조분석 패널분석, 형태학적 분석, 팬시나리오 분석, 시나리오 기획의 툴박스 기법 자료: 국제미래학회 (2014)의 표에 대해 정성적 방법과 정량적 방법의 축을 도입하여 수정 3. 자료 및 결과의 특성에 따른 분류 2) 정성적(Qualitative) 방법은 전문가의 직관과 통찰력, 전문지식과 판단력을 활용하 는 기법인데, 대표적 방법으로 브레인스토밍, 시나리오 기법, 천재적 예측, SWOT 기법, 퓨처스 휠, 전문가 패널, 문헌리뷰 등이 있다. 정량적(Quantitative) 방법은 수치와 통계적 분석을 적용하여 변수를 측정하고 계 량적 자료를 활용한 추세나 경향을 예측하고 분석하는 방법인데, 주요 방법으로 추 세외삽법, 모형링 시뮬레이션, 문헌서지학(Bibliometrics) 등이 있다. <표 2-2> 정성적, 정량적, 정량-정성적 방법의 분류 종류 정성적 방법 정성-정량적 방법 정량적 방법 천재적 예측, 역사적 유추, 브레인스토밍, 퓨처스 휠, 질적 추세분석, 인과계층분 석, 연관성 나무, 비저닝 워 크숍, 시나리오 기법, SWOT 분석, 초점집단면접법, 형태 학적 분석, 이머징 이슈분석, 환경 스캐닝 의사결정 나무, 계층분석법, 델파이 기법, 리얼타임 델 파이, 로드맵, 텍스트 마이닝 자료: Popper(2008) 표를 기반으로 기술인문융합창작소(2009) 내용 수정 교차영향분석, 트렌드 영향 분석, 추세외삽법 2) 이 분류법은 Georghiou(2008), Popper(2008)의 논의에 따른 것이다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 33 정량-정성적(Semi-Quantitative) 방법은 주관적 지식과 전문가의 관점 등을 계량 화하기 위해 수학적 원리 및 통계적 방법을 적용하는 방법인데, 주요 방법으로 델파 이, 교차영향분석, 구조분석, 기술 로드맵 등을 들 수 있다. 4. 지식의 원천에 따른 분류 3) 창의성 기반 방법은 전문가에 의해 창의적인 생각의 조합이 도출되는 방식인데, 주요 방법으로는 천재적 예측, 백캐스팅(Backcasting), 에세이 등이 있다. 상호작용(Interaction) 기반 방법은 토론 및 지식교환, 상호학습을 기반으로 하는 방법인데, 주요 방법으로 워크숍, 시민 패널 등을 들 수 있다. [그림 2-1] 미래예측 다이아몬드 모형: 지식 원천에 따른 분류 자료: Popper(2008)의 미래예측 다이아몬드 모형을 바탕으로 수정된 기술 인문융합창작소(2013:40)의 그림 인용 3) 이 분류법은 Popper(2008)에 따른 것이다.

34 전문성(Expertise) 기반 방법은 특정 영역 전문가의 전문지식과 경험, 이들 간의 지 식 공유를 기반으로 하는 방법인데, 대표적 방법으로 전문가 패널, 로드맵, 핵심기술 등이 있다. 근거(Evidence) 기반 방법은 사실과 자료를 기반으로 하는 방법으로 주로 신뢰성 있는 문서자료, 통계치나 지표 등을 사용하는 것인데, 주요 방법으로 문헌리뷰, 추세 외삽법 등이 있다. 5. 미래예측 단계(process)에 따른 분류 한국정보화진흥원(2009)은 정보 수집 및 추출 단계, 정보 연관화 및 확장 단계, 미 래정보 재구조화 단계, 미래이슈 추출 단계, 전략 수립 단계, 모니터링 단계의 6단계 로 구분하고, 각 단계에 적합한 미래예측 방법을 분류하고 있다. 정보 수집 및 추출 단계의 주요 방법으로는 환경 스캐닝, 텍스트 마이닝, 생태학 적 사회구조 분석, 확실성 및 불확실성 변수 필터링 등을 들 수 있다. 정보 연관화 및 확장 단계의 주요 방법으로는 퓨처스 휠, 시스템 사고, 트렌드영향분석, 교차영향 분석, 인과계층분석, 델파이기법, 계층화분석법 등이 있다. 미래정보 재구조화 단계 의 대표적 방법은 시나리오 기법 그리고, 미래이슈 추출 단계의 대표적 방법은 미래 이슈 추출(STEEP), 비저닝 워크숍 등을 들 수 있다. 기술인문융합창작소(2013)는 미래예측 단계에 따라 징후 포착 단계, 관계 분석 단 계, 미래 구체화 단계, 미래상 정의 단계, 컨셉 발굴 단계, 컨셉 개발 단계로 구분하 였다. 징후 포착 단계의 주요 방법으로 텍스트 마이닝, 환경 스캐닝, 델파이기법, 이 머징 이슈 분석, 추세외삽법, SWOT 분석 등을, 관계 분석 단계의 주요 방법으로 트 렌드 영향분석, 교차영향분석, 계층분석법, 연관성 나무 등을 들었다. 그리고 미래 구체화 단계의 대표적 방법으로 델파이 기법, 초점집단면접법, 브레인스토밍, 인과 계층분석, 퓨처스 휠, 의사결정나무 등을, 미래상 정의 단계의 주요 방법으로는 시나 리오 기법, 로드맵, 비저닝 워크숍 등을 꼽았다. 또한 콘셉트 발굴 단계의 주요 방법

제 2 장 미래예측 방법론의 유형 및 주요 내용 35 으로는 3C 분석, SWOT 분석, STP 분석 등을, 콘셉트 개발 단계의 대표적 방법으로 초점집단면접법, 컨조인트(conjoint) 분석 등을 들었다. 이상의 미래예측 방법론 유 형들을 종합적으로 분류하여 정리하면 다음과 같다. <표 2-3> 미래예측 단계 및 지식 원천에 따른 분류 징후 포착 단계 정보 수집 및 분석 미래이슈 요인 선정 관계 분석 단계 미래이슈 요인 관계 영향력 평가 미래 구체화 단계 미래이슈 요인 분석 미래이슈 구체화 창의성 기반 방법 질적 추세 분석 상호작용 기반 방법 연관성 나무 초점집단면접법, 브레인스토밍, 인과계층분석, 퓨처스 휠 미래상 정의 단계 천재적 예측 비저닝 워크숍 전문성 기반 방법 델파이 기법, 리얼타임 델파이 계층화분석법 형태분석법 델파이 기법 자료: 기술인문융합창작소(2013)와 포퍼(Popper, 2008)의 프레임워크를 종합 구성 근거 기반 방법 텍스트 마이닝, 환경 스캐닝, 추세외삽법, SWOT 분석, 이머징 이슈 분석 트렌드 영향 분석, 교차영향분석 의사결정 나무 시나리오 기법, 로드맵

36 제 4 절 미래예측 방법론의 주요 내용 고찰 4) 1. 창의성(creativity) 기반 방법: 상상력과 통찰력을 기반으로 한 미래예측 가. 천재적 예측(Genius Forecasting) 천재적 예측은 전문가와 천재의 개인적 역량, 즉 통찰력과 탁월한 식견에 의한 미 래예측 방법으로, 한 가지 방법이나 틀에 얽매이지 않고 여러 가지 방법을 동원하면 서 직관과 비전에 의해 미래를 예측하는 직관적 미래예측(intuitive foresight) 방법이 다. 이 방법의 장점은 창의적 사고, 혁신적 대응, 위기상황 돌파 등에 유용하고, 현재 가지고 있는 사고의 틀에서 벗어난 생각과 상상을 통해 예측한다는 점에 있다. 반면 천재적인 선험성과 통찰력에 대한 의존도가 과도하여 재생산이 어렵고, 주관적 요 소가 강해서 객관적 설득력이 미흡하다는 단점이 있다. 나. 역사적 유추(Historical Analogy) 역사적 유추는 미래학을 역사학의 한 분야로 다루며, 유추(analogy)의 원리에 미래 예측의 근거를 둔 것으로 과거에 나타났던 현상 및 법칙이 미래에도 지속되어 미래 예측의 기반이 될 수 있다는 가정을 기반으로 한다. 이 방법의 장점은 과거 자료가 없을 때 이와 비슷한 기존 사건이나 현상이 과거에 어떻게 진행되었는지를 파악함 으로써 현재 사건의 향후 진행 경과를 유추할 수 있다는 데 있다. 그러나 단기 예측 에는 적합하나, 모든 상황이 급변할 가능성이 있는 장기 예측의 기반으로는 부적합 하다는 점, 역사라는 학문의 특성상 과거지향성이 미래지향성보다 크다는 점이 예 견을 제한한다는 단점을 지니고 있다. 이 방법의 대표적인 적용 사례로는 신욱희 (2013)의 21세기 미중일 관계 전망 을 들 수 있다. 4) 아래 내용은 비계량적 정성적 방법론에 초점을 두고 국제미래학회(2014), 기술인문 융합창작소(2013), 한국정보화진흥원(2009) 등을 참조하여 정리한 것이다. 그러나 계량적-정성적(비계량적) 방법론이 혼재된 혼합형 또는 하이브리드형 미래예 측 방법론이 최근의 추세이므로 구분이 명료한 것은 아님을 밝혀두고자 한다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 37 다. 질적 추세분석(Qualitative Trend Analysis) 질적 추세분석은 불확실성이 높은 주요 변수의 추세에 관한 정성적( 定 性 的 ) 자료 를 수집해 이를 바탕으로 다양한 의견을 분석하고 통찰력을 얻는 데 유용하다. 이는 전문가 인터뷰를 통해 자료를 수집해 미래를 예측하거나 추세의 흐름을 파악하는 방법이다. 어떤 분야의 미래 예측을 할 때 활용 가능한 이전의 자료가 부족하거나, 변화의 양태가 불규칙하고 비정형일 때 주로 적용되며, 관련 분야 전문가의 지식과 경험 및 통찰력에 의한 주관적 판단으로 예측하는 방법이라 할 수 있다. <표 2-4> 질적 추세분석법의 프로세스 1단계 예측할 주요 쟁점과 추세의 도출 2단계 정보 제공자의 선정과 인터뷰 진행 3단계 인터뷰 결과의 분석과 해석 4단계 추세의 평가와 시나리오 도출 5단계 추세의 통합과 우선순위의 결정 6단계 분석결과의 신뢰도와 타당도의 검증 자료: 국제미래학회(2014: 216) 이 방법의 장점은 미래의 불확실성과 불연속성을 파악할 때 유용하고, 미래에 대 한 전체적 구도와 영감을 제시하고, 조기 경보의 수단으로도 유용하다는 점, 기회와 위협 요인을 동시에 제시하며, 시나리오 대안 모색의 시발점이 된다는 데 있다. 그 러나 주관성에 의존해 직관적 예측(intuitive foresight)으로 과도한 일반화의 우려가 있는 점, 연구자의 통찰력이나 직관력이 분석 결과에 절대적 영향을 미치기 때문에 연구자의 신념과 선입견이 무의식적으로 반영되는 경우도 많다는 단점이 있다. 또 한 현재 추세의 영향력, 방향성, 패턴 등이 변화할 수 있음을 간과하거나, 질적 추세 분석에서 미래예측을 빗나가게 하는 심리적 함정, 즉 고정관념, 자기 과신, 기억력의 함정, 신중함의 함정, 증거 확인의 함정 등으로 인해 편향성이 나타날 수도 있다. 대 표적인 적용 사례에는 신영진(2007)의 차세대 전자정부에 대한 질적 추세분석, 기

38 획재정부(2012)의 2020년 한국사회의 질적 수준 제고를 위한 미래연구 (2007) (최항 섭, 2012) 등이 있다. 2. 상호작용(interaction) 기반 방법: 토론과 지식교환을 기반으로 한 미래예측 가. 퓨처스 휠(Futures Wheel) 퓨처스 휠은 미래 변화를 파악하고자 하는 이슈나 사건을 중앙에 배치하고 바퀴 모양으로 영향 및 결과를 확장하는 방법으로, 관련 전문가의 토론과 브레인스토밍 을 거쳐 다양한 의견을 제시하고 합의점을 도출하는 방식을 취한다. [그림 2-2] 퓨처스 휠 모형 자료: 기술인문융합창작소(2013) 이 방법은 누구나 쉽게 사용할 수 있고, 결과를 수레바퀴 모형으로 표현하여 미래 변화와 요인을 한눈에 파악할 수 있어 쉽게 이해할 수 있다는 장점이 있다. 그러나 미래 변화의 파생 요인이 몇 단어로 요약 및 압축됨에 따라 한 요인이 엄청난 결과 를 가져온다고 착각할 수 있다는 점에서 지나친 단순화가 우려되고, 파생 영향과 요 인이 제대로 검증되지 않을 경우 상반되거나 모순된 결과를 보여 미래예측의 신뢰

제 2 장 미래예측 방법론의 유형 및 주요 내용 39 도가 떨어진다는 단점을 지닌다. 적용 사례로 1971년 제롬 글렌(Glenn, 2009)에 의해 개발된 컴퓨터 통신기기 증가 퓨처스 휠 v3, 그리고 국제미래학회(2014)의 소셜미 디어의 미래 가 대표적이다. 나. 인과계층분석(Casual Layered Analysis) 인과계층분석은 현상, 사회적 인과관계, 세계관, 신화 및 은유의 4단계 층위(level) 를 구분, 다양한 층위의 관점에서 접근하여 미래이슈에 대한 심층적 이해를 증진하 는 방법으로, 미래이슈에 대한 전체적인 틀을 이해하는 데 도움을 준다. 단기, 중기, 장기적인 이슈가 연계되고, 문제의 근본에 접근하는 정책을 개발할 때 매우 유용한 미래예측방법이다. 이 방법의 장점은 다양한 사람들의 의견과 심층적 생각을 인지, 깊이 있는 토론과 논쟁이 가능하다는 데 있다. 그러나 기법의 난이도가 높아서 참가 자의 높은 전문성과 숙련도를 요구하고 참가자 섭외가 어려운 점은 큰 약점이라고 할 수 있다. 적용 사례에는 한국정보화진흥원(2009)의 저개발국 인구과다에 대한 인과계층분석 이 대표적이다. [그림 2-3] 인과계층분석의 프레임워크 자료: 기술인문융합창작소(2013: 166)

40 다. 연관성 나무(Relevance Trees) 연관성 나무는 목표달성을 위한 필요 요소, 기능, 대안의 관계를 나무 형태의 구 조도로 시각화하여 요소 간의 상호관계에 대한 이해를 도와주는 방법이다. 뿌리에 해당하는 주제에서 시작하여 주제와 부합되며 관련된 세부요소로 가지를 확장하여 최종 대안까지 나무 형태의 구조도를 완성한다. 그룹 회의나 브레인스토밍을 진행 하여 다양한 방안을 도출할 때 매우 유용하다. 이 방법은 비교적 쉽게 활용할 수 있 는 방법으로 전문가 집단이 아닌 개인 및 일반시민도 진행할 수 있고, 복잡한 관계 와 문제를 시각적으로 구조화하여 큰 방향과 전체 틀을 설명하는 데 유용하다. 그러 나 이 방법은 조사자의 역량에 따라 결과가 달라지며, 구체적 분석과 영향력 평가가 어렵기 때문에 별도의 조사와 분석이 필요하다는 단점이 있다. 라. 비저닝 워크숍(Visioning Workshop) 비저닝 워크숍은 참가자가 자유로운 분위기에서 미래에 대한 각자의 의견을 제시 하고, 토론을 통해 종합된 의견을 기반으로 목적에 부합하는 미래상을 설계하여 공 유하는 방법이다. 단순한 아이디어의 제시나 위시 리스트의 작성이 아니라, 현실 가 능성을 토대로 조직의 구성원과 미래상을 공유하고 미래를 준비하는 데 필요한 대 응책을 제시하는 데 유용하여 조직 내부에서 효과적인 의사결정 도구로 사용된다. 이 방법은 자유로운 의견제시를 통해 사회에 종합적 영향을 끼치는 방대한 변화의 예측에 매우 효과적이고, 토론을 통해 참가자의 과거, 현재, 미래에 대한 생각을 공 유할 수 있는 기회를 제공한다는 점에서 유용하다. 그러나 참가자 수 및 소요 시간 과 자원이 많이 필요하고, 원하는 미래상에 대한 의견만 제시되고 대안과 전략은 빈 약할 우려가 있다는 점에서 한계가 있다. 적용 사례에는 IBM의 2001년 이노베이션 잼(Innovation Jam), 2008년 미래의 기업 주제의 워크숍 등이 대표적이다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 41 3. 전문성(expertise) 기반 방법: 전문지식과 경험을 기반으로 한 미래예측 가. 델파이 기법(Delphi Method) 델파이 기법은 전문가 대상으로 반복적인 설문을 실시하여 합의된 내용을 도출하 고, 미래를 예측하는 방법이다. 이 방법의 장점은 한 장소에 모이기 힘든 전문가들 을 동시에 참여시키고 익명성의 보장으로 자유로운 의견 제시를 가능케 한다는 점 과 소수의 영향력 있는 참가자 의견에 크게 영향 받지 않으며, 연구자에 의해 통제 되기 때문에 초점에서 크게 빗나가지 않는다는 점이다. 그러나 이 방법은 반복적인 설문조사 진행에 많은 시간이 소요되고, 조사가 반복될수록 설문지 회수율이 낮아 진다는 점, 설문지 구성과 결과 분석에 전문적 지식이 필요하다는 점, 전문가가 동 질적 집단일 경우 편향된 결론 도출의 위험이 있다는 점 등의 단점이 있다. 이 방법 의 적용 사례는 광범위한데, 특히 1960년대 중반부터 사회과학 분야에 적용되어 사 기업, 싱크탱크, 정부, 교육, 학계로 널리 퍼져 현재는 주요 미래 연구방법으로 보편 화되고 있다(최항섭 음수연 전미경, 2006). 미래 미디어의 발전모형과 기술 예측 에 델파이 기법을 적용한 사례로는 정보통신연구진흥원(2006) IT 기술예측 2020 등이 대표적이다. 나. 리얼타임 델파이 기법(Realtime Delphi Method) 리얼타임 델파이 기법은 기존 델파이 기법의 단점을 보강하여 온라인상에서 별도 의 회차구분 없이 실시간으로 조사를 진행하는 것으로, 응답자는 정해진 기간 내에 리얼타임 델파이에 접속하여 설문에 답하고 답변을 수정할 수 있는 방법이다. 이 방 법의 장점은 반복적인 설문지 제작과 배포, 결과 분석에 드는 시간을 크게 절약할 수 있고, 설문 참여가 쉽기 때문에 높은 응답률을 유지할 수 있다는 점이다. 그러나 인터넷 활용이 원활하지 않은 국가나 특정 지역 전문가의 참여가 어렵다는 점, 전문 가 선정 문제가 조사결과의 신뢰성에 영향을 미친다는 점, 참여 횟수 및 답변 수준 의 불균등성이 발생할 가능성이 높아 조사결과의 신뢰도와 타당성 문제가 발생할 수 있다는 점 등은 단점으로 지적된다. 이는 2004년에 유엔미래포럼과 테드 고든(T.

42 Gordon)이 공동 개발하여 미국 국방성 DARPA(Defense Advanced Research Projects Agency)에 적용한 바 있으며, 그 외에 Glenn et al.(2009)의 2009 State of the Future: Millennium Project, 교육혁신위원회(2007)의 2030년 교육의 변화 예측과 정책의 대응전략 모색 등이 대표적인 적용사례들이다. 다. 형태분석법(Morphological Analysis) 형태분석법은 정량화하기 힘든 사회기술적 문제를 엄밀하게 구조화하고 내부요 소 간의 상호관계를 정의하는 것으로, 문제의 구성요소를 세분화하여 독립적 변수 를 도출하여 다차원 매트릭스를 구성하는 방법이다. 이 방법은 모든 변수를 빠짐없 이 1:1로 조합하여 모든 해결방안을 도출할 수 있다는 점에서 문제에 대한 심층적 이해는 물론, 독립변수의 조합을 통해 다양한 대안과 가능성을 획득하고 구조화된 기법으로서 명료한 문제 정의도 가능하다는 장점이 있다. <표 2-5> 형태분석법의 프로세스 1단계 문제 정의 2단계 독립변수 나열 3단계 매트릭스 작성 4단계 해결방안 도출 5단계 결과 적용 자료: 기술인문융합창작소 (2013) 문제를 정의하고, 문제에 영향을 주거나 문제와 연관된 모든 구성요소들을 수집하고 분류함 문제의 특성, 상태, 기능, 조건 등 독립변수 요인과 항목을 최 대한 많이 도출 독립변수를 축으로 가능한 모든 요인과 항목이 포함되는 다차 원 매트릭스를 구성함 작성된 매트릭스의 항목을 교차적으로 조합하고 평가하여 교 차점에 해결방안이나 문제의 해결 조건을 도출 매트릭스에서 도출된 해결방안에 대한 자원과 환경을 고려, 평 가하고 실제 문제를 해결하는 데 적용 그러나 형태분석법은 참가자의 전문성과 통찰력이 떨어지는 경우 설득력 없는 결 과를 얻을 수 있고, 현실성이 없거나 기존 아이디어와 크게 다르지 않은 대안이 나 올 가능성이 있으며, 문제 구조를 설명할 매개변수의 도출이 쉽지 않고, 시간이 많

제 2 장 미래예측 방법론의 유형 및 주요 내용 43 이 소요되는 점 등은 단점이라고 할 수 있다. 대표적인 적용 사례가 프리츠 즈위키 (Fritz Zwicky) 박사가 제트엔진 연구 에서 고안한 것으로 유명하고, 그 외에 박영택 (2000) 새로운 철도상품 개발 위한 형태분석, Krogerus et al.(2012) 자동차 개발 위 한 형태학적 분석 등이 있다. 라. 계층화분석법(Analytic Hierachy Process, AHP) 계층화분석법은 다양하고 복잡하게 얽힌 요인을 1:1로 이원 비교하여 상대적으로 우선순위를 결정하고, 중요도가 높은 요인을 선정하는 방법이다. 이 방법은 계층구 조를 통해 문제나 사건을 구조화하고, 각 사건의 요인이나 대안의 중요도를 정량화 하여 이를 목표의 기준과 대안의 우선순위를 평가하는 데 주로 이용된다. 그리고 정 량적, 정성적 요소와 주관적, 객관적 요소를 통합하여 우선순위를 도출할 때 매우 유용하다. 이 방법의 장점은 문제를 구조화하고 항목의 중요도를 수치로 제공해 의 사결정자가 결정을 내리는 데 도움을 줄 수 있고, 조사 참가자가 직접 작성한 기준 을 사용하기 때문에 결과에 대한 의견 통일이 어렵지 않고 요인의 중요도와 우선순 위를 합리적으로 비교할 수 있으며, 분석과정을 통해 조사 참가자 간 의견을 합리적 으로 조정할 수 있어 조사결과에 대한 참가자 만족도가 높다는 점이다. 그러나 이 방법은 설문조사로 진행될 경우 조사과정과 설문 결과의 투명성과 책임성 확보가 어렵고, 설문배포, 작성, 회수, 분석, 오류점검, 재배포, 회수, 재분석 등에 많은 시간 과 자원이 소요된다는 점, 의사결정자가 현재 상황 분석에 맞는 대안의 결정보다는 우선순위 높은 대안을 선택할 우려가 있다는 단점이 있다. 가장 대표적인 적용 사례 에는 정보통신정책연구원의 미래연구방법론(KITAIP) (2007)인데, 이는 델파이 기 법과 시나리오 기법을 기반으로 계층화분석법(AHP)을 통해 미래예측의 변수 우선 순위를 도출하여 가능한 미래 모습을 측정한 것으로 유명하다. 이외에 한국전자통 신연구원(2008)의 U-City 사업타당성 평가 (정우수 외, 2008)도 대표적인 적용 사례 중 하나이다.

44 4. 근거(evidence) 기반 방법: 사실과 자료를 기반으로 한 미래예측 가. 환경 스캐닝(Environmental Scanning) 환경 스캐닝은 사회, 기술, 환경, 경제, 정책의 5개 영역(STEEP)에서 분야별로 정 보를 수집 분석, DB 구축을 통해 변화 동인과 미래이슈 요인을 탐색하는 방법이다. <표 2-6> 환경 스캐닝 프로세스 1단계 조사에 관한 핵심 이슈를 정의하고 스캐너에게 조사 업무 분담 2단계 다양한 분야별로 스캐닝을 진행 3단계 스캐닝된 자료를 STEEP으로 분석, 정리함 4단계 데이터베이스(DB)를 구축 5단계 DB 자료의 상호관계를 검토하고 미래이슈 요인을 포착 자료: 국제미래학회(2014) 이 방법의 장점은 다양한 분야의 스캐닝을 통해 분야별 변화의 징후를 포착하고, 숨겨진 패턴을 찾아내 심층적 자료와 이슈의 흐름을 파악할 수 있어 조기경보 시스 템으로 기능할 수 있다는 점, 정확성과 신뢰성 높은 DB를 구축할 수 있다는 점, 웹 과 IT 발달로 정보 수집 효용성이 높아 미래연구 사전 단계에 적합한 방법이라는 점 등이다. 그러나 이 방법은 조사 범위 설정의 문제로 인해 조사 결과가 무의미해질 우려가 있고, 스캐너 개인의 주관에 따라 결과가 달라지기 때문에 이를 조율하는 책 임자의 역할이 중요하다는 점, 체계적 조사와 데이터베이스 구축, 미래이슈 분석 등 에 소요되는 시간과 비용이 매우 크다는 것이 중요한 단점으로 지적된다. 대표적인 적용 사례에는 국제미래학회(2014)의 인터넷 트래픽 환경 서베이, 델타스캔 (Delta Scan) 및 시그마스캔 (Sigma Scan)을 이용하여 일반적 추세 및 전문 정보를 수집하 는 영국의 미래이슈분석센터(Horizon scanning center, HSC) 등이 있다. 특히 유럽연 합의 i-know(interconnect Knowledge) 프로젝트 는 유럽과 전 세계 과학 기술 혁 신 분야의 미래 변화와 미래 설계를 위한 이슈와 지식 공유 프로젝트로서 데이터 분 석 기반의 미래이슈분석(horizon scanning) 기법을 활용해 핵심 이슈와 정책 이슈를

제 2 장 미래예측 방법론의 유형 및 주요 내용 45 제시하는 것으로 유명하다. 나. 텍스트 마이닝(Text Mining) 텍스트 마이닝은 검색을 통해 방대한 양의 텍스트 기반 데이터 및 비정형 데이터를 수집하여 그 속에서 유용한 정보를 추출한 뒤 정보를 정형화하고, 분석하는 기법으 로 정보의 홍수 속에서 의미 있는 정보와 패턴을 분류하고 범주화하는 데 유용하다. [그림 2-4] 텍스트 마이닝 프로세스 자료: K. Manhart, Text-Mining-Process, BI-Methoden; 기술인문융합창작소 (2013) 재인용 이 방법의 장점은 기존 텍스트 마이닝 방법이 분석할 수 없었던 비구조화된 데이 터를 분석할 수 있다는 점이다. 특히 지능형 검색 엔진은 사용자의 의도와 의미를 분석한 검색 결과를 제공한다. 그러나 사생활 침해와 보안 문제의 발생 우려가 있다 는 점, 일반 텍스트 마이닝에 비해 정보추출 능력이나 정확성이 떨어진다는 점, 소 셜미디어 데이터의 경우 오피니언 리더의 영향력이 크게 작용해 데이터의 편향성이 크다는 점 등이 단점으로 지적된다. 한국보건사회연구원 SK Telecom(2011)의 텍 스트 마이닝을 이용한 자살률 예측, 국제미래학회(2014)의 모바일 이러닝의 트렌

46 드 분석 등이 대표적인 적용 사례이다. 다. 이머징 이슈 분석(Emerging Issue Analysis) 이머징 이슈 분석은 다양한 분야 스캐닝을 통해서 미미한 변화를 앞서 읽고, 초기 발생 단계의 잠재력을 가진 이슈를 찾아내 분석하는 것이다. 이머징 이슈가 발생 단 계에서 성숙 단계인 트렌드로 발전할 때까지 지속적인 모니터링을 통해 발전하는 과정을 분석하고, 트렌드를 예측하는 것을 목표로 한다. <표 2-7> 이머징 이슈 분석 프로세스 1단계 자료수집 2단계 요인 분석 3단계 4단계 전문가 의견교환 모니터링 자료: 기술인문융합창작소(2013) 비상식적 정보나 새로운 정보에 대한 성급한 평가 없이 지속적인 스캐닝을 통해 정보를 수집함 도출된 요인을 역발상으로 접근하거나 연쇄적인 파급효과를 분 석하여 요인의 기회와 위협, 영향력을 평가함 조사자가 전문가와 의견을 교환하고 수렴하여 요인을 평가하고 이머징 이슈를 도출 이머징 이슈가 일시적인 유행 또는 지속적인 트렌드로 발전할지 꾸준한 모니터링을 실시하고 평가함 이 방법은 경쟁사에 비해 빠른 전략의 수립과 국가적 문제에 대한 초기 대응에 유 용하다는 장점이 있다. 반면 트렌드 발전 과정에서 많은 변수가 개입할 수 있고, 주 요 트렌드로 자리매김할 때까지 지속적 추적이 필요하다는 단점이 있다. 대표적인 적용 사례로 지구신경망 시스템을 활용하여 사회, 경제, 환경 및 기술 분야의 정적, 동적 데이터를 확보하여 미래 이머징 이슈를 분석한 유럽연합의 FuturlCT 프로젝 트, KOTRA의 고령화에 따른 3D 프린터 활용 맞춤 디자인 분석 (KOTRA Global Market Report, 변화하는 인구구조 속 주목받는 유망시장, 2012) 등이 있다. 라. 시나리오 기법(Scenarios) 시나리오 기법은 미래에 일어날 개연성이 높고 영향력이 큰 요인을 추려내고, 종 합하여 다양한 대안적 미래상을 이야기가 있는 글이나 그림으로 제시하는 방법이

제 2 장 미래예측 방법론의 유형 및 주요 내용 47 다. 이 방법은 복잡하고 급변하는 불확실성 시대의 비선형적이고, 불연속적인 변화 에 대해 창의적인 발상을 유도함으로써 발생 가능한 다수의 미래를 가정하고, 선택 의 폭을 확장시키는 데 유용하다. [그림 2-5] 시나리오 작성 프로세스 자료: 임현(2014:133) 이 방법의 장점에는 시나리오 작성 과정에서 미래이슈, 요인, 불확실성 및 요인 간 관계에 대한 심층적인 이해가 가능한 점, 다수의 미래상을 제시하기 때문에 미래 에 대한 다양한 전략과 대안을 도출할 수 있다는 점, 시나리오를 통해 바람직한 미 래를 위한 기술, 행동을 이끌어내고 미래에 대한 준비를 유도할 수 있다는 점, 외부 환경의 갑작스런 변화나 영향력이 큰 사건이 발생해도 미리 준비한 전략과 대안을 토대로 빠른 대응 전략과 대안 수립이 가능하다는 점 등이 있다. 그러나 시나리오 기법은 참가자에게 방대한 조사와 심층 이해과정을 요구하는 점, 시나리오 개발 과 정에 많은 시간이 소요되는 점, 오랜 기간 참여 가능한 전문가의 섭외가 어려운 점, 참가자의 전문성과 능력에 따라 시나리오 결과의 차이가 크다는 점, 시나리오는 미 래상의 큰 틀을 제시하는 것으로서 시나리오의 구체성이 떨어질 수 있다는 점, 시나 리오를 3, 4개로 줄이는 과정에서 임의성이 개입될 여지가 크다는 점, 시나리오 작 업팀의 능력과 의사소통 기법에 의존해 일반화할 수 있는 과학적 예측이 어렵다는 점, 명확한 방향을 선호하는 정책결정권자의 경우 이를 선호하지 않을 수도 있다는 점 등의 단점이 있다. 1950년대 랜드연구소 허만 칸(H. Kahn)이 무기 개발과 군사전

48 략 관계 분석을 목적으로 개발한 이래, 시나리오 기법을 적용한 미래예측 사례는 무 수히 많다. 그중에서 로열더치셀(Royal Dutch Shell)의 에너지 시나리오 2050, 유럽 연합집행위원회(2006)의 시나리오 2020: 농업과 농촌에 대한 시나리오 연구, 영국 정부의 미래예측 2020 (Foresight Future 2020), 독일 지멘스(Siemens)의 호라이즌 2020 (Horizon 2020), 일본의 탈온난화 2050 국가 프로젝트, 남아공의 몽플레 시나 리오 (Mont Fleur Scenarios), 그리고 정보통신정책연구원의 미래한국 시나리오 2030 등이 있다. 마. 의사결정나무(Decision Trees) 의사결정나무는 의사결정 과정을 단계별로 분류하고, 예측하여 최종 의사결정에 핵심 영향과 자료를 제공하는 방법으로서 의사결정 규칙을 나무 구조로 도표화하는 것을 특징으로 한다. 자료 구성과 분석 목적에 따라 분리 기준과 정지 규칙을 토대 로 의사결정 나무를 작성하는데, 의사결정나무에서 분류의 오류가 있어 예측 오차 가 클 가능성이 있거나 부적절한 변수가 있는 가지를 제거하여 의사결정나무의 정 확성을 확보할 수 있다. [그림 2-6] 의사결정나무 프레임워크 자료: 기술인문융합창작소(2013:179) 의사결정나무 기법은 분석 결과가 나무 구조로 표현되어 쉽게 이해할 수 있고, 두

제 2 장 미래예측 방법론의 유형 및 주요 내용 49 개 이상이 의사결정 요소가 결합하여 의사결정의 과정과 목표에 어떻게 영향을 주 는지를 쉽게 파악할 수 있으며, 분류에 영향을 미치지 않는 불필요한 마디는 가지치 기를 통해 제거되기 때문에 예측의 정확도가 높다는 장점이 있다. 그러나 이 방법은 분석 자료에 의존하여 나무 구조를 작성하기 때문에 자료의 질이 낮으면 분류에 어 려움이 생기고, 나무구조가 복잡해지거나 예측이 불가능해진다는 점, 다수의 변수가 아닌 각 마디별로 분류된 변수와의 관계만을 보기 때문에 예측의 결과가 복잡한 현 실을 반영하지 못한다는 점, 예측의 정확성이 낮고, 장기 대안적 미래설계 시 의사 결정나무가 복잡해지는 단점이 있다. 이 방법은 마케팅조사, 광고조사, 의학연구, 품 질관리, 고객 세분화, 반응분석 등 여러 분야에서 폭넓게 사용되며, 미래 상황 예측 에 널리 활용되고 있다. 대표적인 적용 사례로 미국의 Marker Studies 사가 고객 1,000명의 치약 선호도 양식을 조사하고, 각 사례를 의사결정 나무로 구분하여 미래 고객 관리 전략에 활용한 것이 매우 유명하다. 이외에 국제미래학회(2014)의 미래 생존 기업 예측 도 대표적인 적용 사례이다. 이상의 유형별로 논의한 미래예측 방법론의 특징 및 장단점을 종합하면 아래 <표 2-8>과 같이 정리할 수 있다. <표 2-8> 미래예측 방법론의 특징 및 장단점 비교 특징 장점 1. 창의성 기반 방법: 상상력과 통찰력을 기반으로 한 미래예측 천재적 예측 역사적 유추 질적 추세분석 전문가나 천재의 개인 역량 기반 직관적 미래예측 방법 창의적 사고, 혁신적 대응, 위기상황 돌파에 유용 현재 사고의 틀 탈피 유추의 원리 적용 과거 현상과 법칙이 미 래에도 지속되어 예측 기반이 됨 과거 자료가 없을 때 다른 유사 사례를 통해 현재 사건의 향후 진 행을 유추 가능 불확실성이 큰 변수의 추세에 관한 정성적 자료 분석 전문가 지식과 경험, 통찰력에 의한 주관적 판단 미래 불확실성 파악 미래의 전체적 구도 제시, 기회와 위협 요인 제시

50 단점 1. 창의성 기반 방법: 상상력과 통찰력을 기반으로 한 미래예측 천재적 예측 역사적 유추 질적 추세분석 예측의 재생산 어려움 주관적 요소가 강함 적용사례 토플러, 스티브 잡스 특징 장점 단점 특징 장점 불확실성이 큰 장기 예 측에 부적합 과거지향적 특성으로 예견이 제한적 신욱희(2013), 21세기 미중일 관계 전망 직관적 예측에 따른 과도한 일반화 연구자 신념과 선입견 반영 기획재정부(2012) 2020 년 한국사회 질적 수준 제고를 위한 미래연구 2. 상호작용 기반 방법: 토론과 지식교환을 기반으로 한 미래예측 연관성 나무 초점집단면접법 브레인스토밍 목표달성에 필요한 요 소, 기능, 대안을 나무 구조도로 구성 복잡한 관계와 문제를 시각적으로 구조화 누구나 쉽게 활용 조사자 역량에 결과 좌우 구체적 조사와 분석에 어려움 특정 집단을 모아 한 자리에서 다양한 의견 을 취합 심층 정보를 짧은 시 간에 많이 수집 가능 참가자 간 토의 과정 에서 예상치 못한 응 답 획득 진행자와 응답자 반응 에 따라 논의결과가 달 라짐 기존 이슈나 상식적 내용에 그침 집단 통제가 어려움 자유로운 의견제시를 통한 많은 양의 아이 디어 도출이 중요 다양한 아이디어 도출 아이디어 연계를 통해 효과적인 해결책 도출 특정 전문가의 과도한 영향력 진행자가 없을 경우 토론 주제와 목적에 혼동, 진행 느려짐 2. 상호작용 기반 방법: 토론과 지식교환을 기반으로 한 미래예측 퓨처스 휠 인과계층분석 비저닝 워크숍 핵심 이슈 중심으로 바 퀴모양을 통해 영향과 결과 확장 전문가의 토론과 브레 인스토밍을 거쳐 합의 점 도출 누구나 쉽게 사용 가능 미래 변화와 요인을 한눈에 파악 현상, 사회적 요인, 세 계관, 신화 및 은유의 4단계 층위의 다양한 관점 탐색 하나의 주제에 대해 다양한 층위의 심층적 이해 깊이 있는 토론과 논쟁 참가자 토론을 통해 미래이슈를 종합한 미 래상을 정립하고, 이해 관계자와 공유 자유로운 의견제시와 미래의 공유 가능 조직 내부에서 효과적인 의사결정 도구로 사용

제 2 장 미래예측 방법론의 유형 및 주요 내용 51 단점 적용사례 특징 장점 단점 적용사례 특징 2. 상호작용 기반 방법: 토론과 지식교환을 기반으로 한 미래예측 퓨처스 휠 인과계층분석 비저닝 워크숍 지나친 단순화 우려 파생 영향과 요인들이 모순된 결과를 보일 수 있음 Glenn(2011) 컴퓨터 통신기기 증가 퓨처스 휠 v3.0 국제미래학회(2014) 소셜미디어의 미래 참가자의 높은 전문성 과 숙련도 요구, 섭외 어려움 한국 정 보화 진 흥원 (2009) 저개발국 인구 과다 인과계층분석 참가자 수, 시간, 자원이 많이 필요 대안과 전략 의견 빈약 우려 IBM 이노베이션 잼, 미 래의 기업 주제 비저닝 워크숍 3. 전문성 기반 방법: 전문지식과 경험을 기반으로 한 미래예측 델파이 기법 리얼타임 델파이 형태분석법 전문가 대상의 반복적 설문 통해 합의 도출 전문가 동시 참여 익명성 보장으로 자유 롭고, 솔직한 의견 제시 연구자 통제 용이 반복적 설문조사에 시 간 소요 조사가 반복될수록 설 문지 회수율 낮음 설문지 구성과 결과 분 석에 전문적 지식 필요 정보통신연구진흥원(2006) IT 기술예측 2020 온라인상에서 회차 구분 없이 실시간 델파이 조사 설문조사 시간 절약 높은 응답률 유지 인터넷 활용 어려운 지역 참가 어려움 전문가 선정 문제가 조사결과에 영향 참여 횟수와 답변 수준 의 불균형 문제 발생 미 국방성 DARPA 교육혁신위원회(2007) 2030 년 교육의 변화 예측과 정책 대응전략 모색 문제 구성요소를 독립 변수로 도출, 다차원 매트릭스를 구성 구조화된 기법으로서 명료한 문제 정의 독립변수의 조합을 통해 다양한 대안과 가능성 도출 매개변수 도출이 쉽지 않고, 시간이 많이 소요 참가자 전문성과 통찰 력 요구 박영택(2000) 철도상품 개발 위한 형태분석 Krogerus(2012) 자동차 개발 위한 형태분석 4. 근거 기반 방법: 사실과 자료를 기반으로 한 미래예측 텍스트 마이닝 환경 스캐닝 이머징 이슈 분석 검색을 통해 방대한 비정형 데이터 수집 데이터 의미 추출과 패턴 범주화에 유용 STEEP(사회 기술 환경 경제 정책) 분 야별 정보수집과 분석 DB구축을 통해 변화 동 인과 미래이슈 요인 탐색 초기 발생단계의 이슈 를 수집 분석 초기 이슈가 트렌드로 성장할 수 있는지 모 니터링 필요

52 장점 단점 적용사례 특징 장점 단점 4. 근거 기반 방법: 사실과 자료를 기반으로 한 미래예측 텍스트 마이닝 환경 스캐닝 이머징 이슈 분석 비구조화된 데이터 분 석 가능 사용자 의도와 의미를 분석한 검색 가능 사생활 침해와 보안문 제 우려 정보추출 정확성이떨어짐 SNS 데이터의 편향성 문제 한국보건사회연구원(2011) 텍스트 마이닝 이용한 자살률 예측 국제미래학회(2014) 모 바일 이러닝의 트렌드 분석 분야별 변화 징후 포 착과 패턴 탐색, 조기 경보 예측 정확성과 신뢰성 높은 DB 구축 가능 조사범위 설정 문제 스캐너 개인 주관에 따라 결과 달라짐 소요 시간과 비용이 큼 국제미래학회(2014) 인 터넷 트래픽 환경 서베이 영국 미래이슈분석센터 (HSC) 시그마스캔 유럽연합 i-know 프 로젝트 경쟁사에 비해 빠른 전략 수립과 국가적 문제 초기 대응 가능 트렌드 발전과정에서 많은 변수 개입, 성급 한 결론 도출 위험 KOTRA(2012) 고령화 에 따른 3D 프린터 활 용한 맞춤 디자인 분석 유럽연합 FuturICT 프 로젝트 4. 근거 기반 방법: 사실과 자료를 기반으로 한 미래예측 의사결정나무 시나리오 기법 로드맵 의사결정 과정을 단계 불확실하고 비선형적 별로 분류 예측하여 변화에 대해 대안적 의사결정 규칙을 나무 미래상을 제시 구조로 도표화 분석결과 이해가 쉬움 변수 간 상호작용 해석 용이함 불필요한 마디는 가지 치기 통해 제거, 예측 정확성 높음 분석된 자료에 의존, 자료의 질 문제 우려 예측결과가 복잡한 현 실을 반영하지 못함 상당한 컴퓨팅 시간 필요 다수 미래상 통해 다양 한 전략과 대안 도출 시나리오 도출 통해 준비된 전략과 대안 모색 방대한 조사와 심층 이해 과정을 참가자에게 요구 시나리오 개발 과정에 많은 시간 소요 시나리오의 구체성 미비 우려 명확한 방향 선호 정 책결정권자의 비선호 미래 목표 달성에 필 요한 요소를 분석 기술의 인과관계를 직 관적 표현, 중요 요인과 기술 관계 포착 용이함 연구개발 방향성 제시 및 조직 비전, 전략 일 관성 부여 연구자 능력에 따라 결과가 달라짐 다방면 전문가 찾기 어려움 예상치 못한 사건이나 신기술 개발로 인한 로드맵 현실성 떨어짐

제 2 장 미래예측 방법론의 유형 및 주요 내용 53 적용 사례 4. 근거 기반 방법: 사실과 자료를 기반으로 한 미래예측 의사결정나무 시나리오 기법 로드맵 국제미래학회(2014) 미 래 생존 기업 예측 셀 에너지시나리오 2050 남아공 몽플레 시나리오 일본 탈온난화 2050 프로젝트 정보통신정책연구원(2006) 미래한국 시나리오 2030 미국 국제기술로드맵 (ITRS) 일본 기술전략로드맵 (TSR) 제 5 절 시스템 분석 기법을 활용한 미래예측 방법론 최근 컴퓨터, 인터넷, 빅데이터 및 온라인 연구 플랫폼을 활용한 새로운 형식의 미래연구 기법이 고안되면서, 모형링이나 시뮬레이션, 전략적 시나리오 등을 활용한 시스템 분석이 미래예측 방법론의 중요한 자원으로 부각되고 있다. 이와 같은 새로 운 형식의 미래연구 기법을 통해 사회를 대상으로 한 직접 실험의 어려움을 가볍게 극복하고, 소수의 자료군을 넘어서 다양한 크기의 자료를 대상으로 한 시스템 분석 이 가능해졌다(윤정현, 2015). 앞에서는 주로 정성적, 비계량적 미래예측 방법론을 유형별로 검토했는데, 최근에 는 새로운 분석 환경에 힘입어 계량적, 정성적 연구의 강점을 혼용하여 수식이나 모 형을 통해 미래를 예측하는 모형이 크게 주목받고 있다. 예컨대 모형링과 시뮬레이 션(모의실험)은 대상 시스템의 실제 상황과 비슷한 행동하는 모형을 만들어 실험하 는 것으로, 실험 대상의 중요한 특성을 추출하여 현실과 비슷하게 모형을 만들어 시 스템의 동적 변화(system dynamics)를 예측하는 것이다. 소프트웨어 Vensim PLE를 이용하여 출산율과 사망률을 입력하여 50년 후 또는 100년 후의 인구분포를 예측한 것을 그 대표적인 예라고 할 수 있다(이광형, 2015). 모형링과 시뮬레이션을 이용한 대표적인 미래예측 방법론으로 행위자 기반 모형 (Agent-Based Model), 시스템 다이내믹스 모형(System Dynamics Model)을 들 수 있 으며, 최근에는 창의적 상상력을 기반으로 한 시나리오 기법을 접목한 모형링으로

54 서 이른바 사이언스 픽션 프로토타이핑(SFP: Science Fiction Prototyping) 도 주목받 고 있다. 이러한 방법은 모형을 만들고, 모의실험을 하며, 시나리오를 구성하는 과정 에서 대상 문제나 시스템에 대한 이해를 더 명확히 하고, 미래를 예측하는 데 중요 한 통찰을 얻을 수 있다는 점에서 매우 유용하다. 1. 행위자 기반 모형(ABM: Agent-Based Model) 행위자 기반 모형(ABM: Agent-Based Modeling)은 응용 프로그램을 이용하여 소비 자, 주식시장, 공급체계의 형태를 모형링하기 위해 개발한 모형이다. 여기서 행위자 (agent)는 자율적인 결정권을 가지고 각자의 접근되는 상황에 맞추어 규칙을 기준으 로 하여 역할을 수행하기 때문에 ABM은 행위자 간에 반복되면서 서로 경쟁적으로 일어나는 상호관계의 모습을 보여주는 미래예측 방법론이라 할 수 있다(국제미래학 회, 2014). 행위자 기반 모형은 연구하고자 하는 시스템뿐 아니라, 그 시스템을 구성하고 있 는 구성원까지를 모두 고려하여 연구할 수 있다는 장점이 있다. 기존의 분석적 모형 이나, 통계적인 기법은 시스템과 시스템을 구성하는 구성원을 독립적으로 연구하는 경향이 있다. 하지만 행위자 기반 모형은 시스템과 그 시스템을 구성하고 있는 구성 원을 모두 고려하여 구성원의 행동이 시스템에 미치는 영향, 그리고 시스템의 특성 이 구성원의 행동에 미치는 영향을 모두 분석할 수 있다(이상협 이기현, 2015). 특 히 ABM 기반의 미래예측은 주로 자연적인 형태의 예측, 주거문화의 흐름이나 군중 의 이동, 차량의 흐름, 인터넷 IP의 이동 및 연결, 암의 전이 등 군집적인 행태의 변 화를 예측하는 데 활용된다. 최근 컴퓨터 기술의 발전으로 컴퓨터 시뮬레이션을 통 해 형태의 추이를 모아 더욱 정확한 미래예측이 가능해졌다(국제미래학회, 2014). 행위자 기반 모형은 행위자 간의 상호작용이 중요하고 창발적 특성을 지니는 다 양한 경제사회현상을 분석하기 위해 사용된다. 예컨대 새로운 기술이나 제품이 시 장에서 소비자에 의해 채택되어 확산(시장 점유율의 증가)되는 현상은 여러 복합적 인 요인(제품의 특성, 소비자의 특성, 소비자 간의 상호작용, 경쟁 제품의 존재 여부

제 2 장 미래예측 방법론의 유형 및 주요 내용 55 등)에 의해 영향을 받는 복잡성을 띠고 있다. 따라서 이러한 복잡성과 소비자 간의 상호작용, 경쟁기업 및 제품 간의 상호작용의 중요성으로 인해 신제품의 확산은 행 위자 기반 모형의 중요한 주제라고 할 수 있다(이상협 이기현, 2015). 그러나 행위자 기반 모형은 다음과 같은 한계점을 지닌다. 첫째, 구성원 특히 인 간의 행동에 영향을 미치는 다양한 요소, 즉 비이성적 행동, 주관적 선택, 복잡한 심 리상태 등은 모형에 고려하기 어렵다(Rand & Rust, 2011). 이러한 한계점은 기존의 분석적 모형(analytical models)에도 존재하는 것이다. 하지만 인간의 비이성적인 면 이나 심리적 요소를 제대로 반영하지 않는다면, 사람들로 이루어진 시스템의 특정 현상을 연구하였을 때, 그 결과의 신뢰성이 떨어진다(이상협 이기현, 2015). 둘째, 행위자 기반 모형의 한계는 시뮬레이션의 결과가 모형 인자의 초기값에 큰 영향을 받는다는 것이다(Axelrod & Tesfatsion, 2006). 따라서 보다 실증적인 결과를 도출하기 위해서는 실제 데이터를 기반으로 모형 인자의 초기값을 설정하는 것이 필요하다. 행위자 기반 모형에서는 행위자의 행동뿐 아니라, 행위자 간의 상호작용 도 시뮬레이션 결과에 큰 영향을 미치는 요소이다. 하지만 현실에서 발생하는 사람 간의 상호작용을 모형에 반영하는 것이 어렵고, 시뮬레이션의 결과가 상호작용 방 식의 조그만 변화에도 민감하게 반응한다는 단점이 있다. 이를 극복하기 위해서는 연구 대상 행위자 간의 상호작용을 기존 이론과 실제 현상을 분석하여 다양하게 고 려해 시뮬레이션을 실행할 필요가 있다. 셋째, 많은 경우에 시뮬레이션 결과의 검증이 어려운 이슈가 존재한다. 많은 경우 에 시뮬레이션을 통해 연구하고자 하는 현상이 존재하지만, 결과 검증을 위한 실증 적 데이터가 없다. 예를 들어, 신기술이 특정 시스템 혹은 사회에서 확산되어 가는 과정을 행위자 기반 모형으로 연구하는 경우, 해당 신기술이 확산되는 현상은 현실 에서 관찰이 가능하지만, 실제로 그 기술이 어떻게 확산되었는지에 대한 데이터를 구하기는 쉽지 않다. 뿐만 아니라, 어떠한 경우에는 행위자 기반 모형을 가지고 연 구하려는 현상이 실제하지 않는 경우도 있다. 재난 예측 연구가 그러하다. 예를 들 어, 특정 지역에 지진이 발생한다면 어떠한 일이 일어날 수 있는지에 대해 시뮬레이

56 션 연구를 하고자 하는 경우, 해당 지역에 실제로 지진이 발생하지 않았기 때문에 시뮬레이션의 결과를 검증하기 어렵다. 끝으로, 행위자 기반 모형에서 실험하고자 하는 시스템이 많은 행위자로 구성되 어 있는 경우, 그리고 행위자의 행동이나 상호작용이 복잡한 경우 시뮬레이션을 하 는 데 많은 양의 컴퓨테이셔널 파워가 필요하다. 물론 최근에는 컴퓨터의 CPU와 메 모리 기술의 발달로 이러한 문제가 많이 해결되었다(이상협 이기현, 2015). 2. 시스템 다이내믹스(System Dynamics) 시스템 다이내믹스는 MIT의 제이 포레스터(Jay Forrester)에 의해 1961년에 창안된 이래 다양한 사회적, 문화적, 행정적 문제의 해결을 위해 사용되고 있는 오랜 역사 를 가진 시뮬레이션 도구이다. 시스템 다이내믹스는 시스템 사고와 시뮬레이션으로 구성된다. 시스템 사고는 인과지도 분석을 통해 시스템에 내장되어 있는 피드백 순 환(feedback loop) 을 발견하는 데 초점을 두며, 시뮬레이션은 이러한 피드백 순환을 보다 정교하게 모형화하여 그들의 동태적 행태 유형을 발견하는 데 초점을 둔다(김 도훈 외, 1999). 시스템 다이내믹스는 동태적이고 순환적 인과관계의 시각으로 현상을 이해하고 설명하거나, 이러한 이해에 기초한 컴퓨터 모형을 구축하여 복잡한 인과관계로 구 성된 현상이 어떻게 동태적으로 변하는지 실험하는 방법론이다. 즉, 어떤 현상이나 문제를 분석하기 위해 직접적 또는 간접적으로 관련된 변수의 관계를 정량화시켜 이를 시스템적 사고와 시뮬레이션을 통해 분석하는 것이다. 따라서 기존의 계량경 제학이 데이터를 활용한 정태적 형태의 예측 및 정책적 방안의 제시가 핵심이었다 면, 시스템 다이내믹스는 변화(dynamics)와 시간(tiem series)의 개념을 도입하여 문 제를 정의하고, 현상을 요인 상호간의 인과지도를 통해 어떤 인과관계에 있는지 확 인하며, 시간에 따른 동태적인 관계로 설명한다고 볼 수 있다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 57 <표 2-9> 계량경제학과 시스템 다이내믹스 비교 특성 계량경제학 시스템 다이내믹스 분석의 대상 정태적 행태(점 추정) 동태적 행태 유형 추론의 방식 기존의 경험적 자료 변수들 간의 인과적 관계 시스템과 환경 개방적/상호분리 통합적/긴밀한 상호작용 시점의 차이 단기적 정책/예측 장기적 정책/예측 연구/분석의 초점 시스템의 균형상태 두 변수 간의 상관 관계 시스템의 진화/전개 과정 분석의 목표 수치적 정확성의 추구 구조적 정확성의 추구 지식의 대상 관찰가능한 객관적 현상 보이지 않는 피드백 구조 구조화 파라미터 구조 << 파라미터 구조 << 파라미터 정책설명 어려움 쉬움(정책수단의 변화) 자료: 김도훈 외(2001) 시스템 다이내믹스 방법론을 통한 미래예측 모형의 구축은 일반적으로 여섯 단계 로 이루어진다. 첫째, 분석하고자 하는 모형의 작성을 위해 문제를 정확히 인식하고, 정의한다. 둘째, 보고자 하는 현상 및 문제와 관련된 다양한 행위요인을 도출하고, 이들이 상호간의 피드백 관계에 따른 인과관계를 어떻게 형성하는지를 도식화한다. 이렇게 도식화된 그림을 인과순환지도(causal loop diagram)라 부른다. 셋째, 인과순 환지도를 바탕으로 실제 현상분석에 이용하게 될 시뮬레이션 모형을 만든다. 넷째, 설계한 모형에서 나온 결과치가 실제 현상과 어느 정도 일치하는지 모형의 타당성 및 민감도 등을 평가하여 모형의 구조적 오류를 검사한다. 마지막으로 모형의 타당 성이 입증되면 이를 적용하여 현상을 진단하고, 결과를 예측한다. 이 과정은 연구자 가 가정한 시나리오에 따라 모형을 시뮬레이션한 결과를 바탕으로 그 결과값을 해 석하는 과정이라 할 수 있다(박령주, 2015).

58 [그림 2-7] 시스템 다이내믹스의 연구 절차 자료: 김도훈 외(2001) 3. 과학소설 기반의 미래예측(SFP: Science Fiction Prototyping) 사이언스 픽션 프로토타이핑, 즉 과학소설 기반의 미래예측(Science Fiction Prototyping: SFP)은 2008년 인텔의 미래학자 브라이언 데이빗 존슨(Brian David Johnson) 5) 이 개발한 미래예측 방법이다. 미래 기술과 이로 인한 사회변동을 설명하 거나, 탐구하고, 서술하기 위해 사이언스 픽션(SF) 6) 을 활용해서 미래를 예측하는 기 법이다. 이 방법은 인텔의 21세기 로봇 프로젝트 전략의 기초가 되었다고 한다. 이 는 어떠한 신기술이 실제 현실에 도입되었을 때 초래될 결과에 대해 여러 가지 가상 시나리오를 통해 미리 예측하고, 그 결과를 기술 개발 과정에 적용해 나가는 방법을 말한다. 스타트렉, 아바타 등 SF 장르가 일반화됨에 따라 아직 현실화되지 않았지만 5) 브라이언 데이비드 존슨은 이른바 미래 캐스팅 이라 불리는 미래예측 방법론을 개발한 인텔사의 미래학자인데, 그는 민속지적인 현지 연구, 기술연구, 트렌드 데이 터, 심지어 소비자와 컴퓨팅의 실용주의적인 비전을 창안하기 위해 공상과학을 이 용하는 것으로 유명하다. 존슨은 인공지능, 로봇, TV 재창조의 발전이라는 분야를 개척해왔는데, 그는 공상과학 기반의 짧은 얘기나 소설뿐만 아니라 논문이나 과학 보고서를 통해서도 미래 기술 예측을 수행했다(Johnson, 2010; Johnson, 2001b). 6) 일반적으로 사이언스 픽션이란 과학소설을 지칭하는 단어이나, SFP에서는 소설뿐 아니라 과학에 기반을 둔 창작물 전체를 아우르는 의미가 강함

제 2 장 미래예측 방법론의 유형 및 주요 내용 59 현실이 될법한 가능성, 실제로 존재하지 않는 것들이지만 내러티브 맥락 안에서 실 재하는 것처럼 인식되는 SF의 다양한 미래상을 통합적으로 구성하여 미래를 예측하 는 것이기 때문에, 연구자에 따라서는 시나리오 기법의 일종으로 보거나, 외삽법 (extrapolation) 특히 추세외삽법의 일종으로 보는 시각이 존재한다(Johnson, 2011b). SFP는 2008년 7월 미국 시애틀의 지적 환경(Intelligent Environments) 컨퍼런스 에 서 사이먼 이거튼(Simon Egerton) 등이 제출한 새로운 환경 매핑시 서비스 로봇의 탐색 전략 향상을 위한 복합적 인격의 사용(Using Multiple Personas in Service Robots To Improve Exploration Strategies When Mapping New Environments) 이라는 논문이 중요한 발단이 되었다. 이 논문은 휴머노이드 로봇의 복합적 인격과 비이성 적 사고를 다루어 브라이언 데이비드 존슨의 SF 소설 모호한 메커니즘(Nebulous Mechanism) 집필에 영감을 주었고, 이후 존슨은 이를 시리즈화하여 인텔의 21세 기 로봇 프로젝트 로 발전시켰다. 최초의 SFP 공개 행사는 2010년 7월 19일 말레이시아 쿠알라룸푸르에서 개최된 창조적 과학 2010(Creative Science 2010) 이며, 이 행사에 제출된 빅터 캘러핸 (Victor Callaghan)의 포드 이야기(Tales from a Pod) 가 Immersive Displays사에 의 해 ImmersaVU로 제품화됨으로써 최초로 상업화된 SFP가 된 바 있다. 2011년에는 영국 노팅험에서 두 번째 SFP 워크숍인 창조적 과학 2011 이 개최되었는데, 여기서 인텔은 SFP 방법론에 관한 첫 번째 다큐멘터리를 제작하기도 했다. 그 후 SFP 활동 을 관리하기 위한 통솔기구로서 창조적 과학 재단(Creative Science Foundation: http://www.creative-science.org/) 이 만들어졌고, 여기서 SFP와 관련된 각종 행사와 출간을 장려하고 있다. 존슨이 말하는 창조적 과학 이란 창조적 기술을 과학, 공학, 산업, 사회정치적 시 스템의 혁신을 위한 방법으로 사용하는 것이다. 이는 미래를 예언하는 것보다는 연 구나 통찰을 통한 예측을 기반으로 새로운 개념, 계획, 용역, 제품 등의 개발 및 혁 신에 초점을 맞추는 것이다. 기존의 연구 개발 방법은 기술이 무엇인지를 규정하는

60 것으로부터 시작하지만, SFP는 기술 개발 프로세스에 그 기술이 어떻게 이용될 것 인가 라는 질문을 더하는 것이라고 할 수 있다. SFP의 시초가 된 브라이언 데이비드 존슨의 모호한 메커니즘 은 이거튼이 제안한 복합적 인격을 가진 로봇이 현실에 서 처하게 될 상황에 대한 여러 가지 시나리오를 제시하고, 그 시나리오 안에서 어 떤 결과가 초래될 것인지 예측한 것이다. SFP의 방법론은 연구자가 현존하는 기술에 근거하여 생각해낸 다양한 종류의 미 래에 대한 프로토타입을 기술하기 위해 SF나 판타지 소설 등을 이용하는 것으로 SFP는 비단 소설의 형태뿐 아니라, 영화, 연극 또는 만화 등 여러 가지 형식으로 상 정 가능하다. 이러한 SFP는 과학자나 공학자, 사업가, 사회정치학 전문가가 작성할 수 있으며, 이를 통해 그들의 연구를 작가나 영화 및 연극 감독, 학생, 대중 등으로 하여금 받아들이기 쉽게 하여 그 연구 결과의 영향력을 증대시킬 수 있다. 또한 이 러한 방식을 통해 광범한 사람들로 하여금 연구 의제를 설정하는 데 참여하게 만들 수도 있다. 한 편의 SFP는 대략 6~12페이지 정도의 분량으로, 서론(introduction), 배경 연구 (background work), 가상 이야기(fictional story, SFP의 주된 부분), 소결(short summary), 결론(summary) 의 구조를 가진다. 물론 SFP는 현존하는 과학 기술의 미래를 예측하 는 것이므로, 마지막에 각종 참고자료를 포함하는 것이 일반적이다. 그리고 더 빠른 아이디어의 생산을 위해 마이크로 SFP 라는 개념이 활용되는데, 일반적으로 마이 크로 SFP 는 트위터나 핸드폰의 문자메시지 분량인 영문 기준 140내지 160자, 25-30 단어로 구성된다. 가. 선형 모형 브라이언 데이비드 존슨은 그의 저서인 사이언스 픽션 프로토타이핑: SF를 통한 미래 디자인(Science Fiction Prototyping: Designing the Future with Science Fiction) 에서 SFP 저술에 있어 다음의 다섯 단계를 따를 것을 제안한다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 61 [그림 2-8] SFP의 선형모형 1. 자신만의 과학을 선택하고, 가상의 세계를 건설하라. 2. 과학적 변곡점을 찾아라. 3. 과학이 사람들에게 미칠 영향을 고려하라. 4. 인간적 변곡점을 찾아라. 5. 무엇을 배웠는지 반영하라. 출처: Johnson(2011b) 이는 SFP를 통해 혁신적 아이디어를 인간과 사회를 포함한 현실적 조건 속에서 사고할 수 있도록 디자인하는 것이다. 그리고 이러한 과정을 통해 긍정적인 결과와 부정적인 결과를 모두 드러냄으로써 제안된 혁신이 사회에 이득이 될 수 있도록 담 보하는 것이다. SFP는 상대적으로 새로운 방법론이며, 따라서 모든 규칙이 진화하 는 중이다. 존슨에 의해 이 방법론이 처음 소개되었을 때는 기술적 혁신에 대한 적 용이 주로 고려되었으나, 최근에는 비즈니스 영역에의 적용에 대한 관심이 점차 증 대되고 있다. 나. 진화적 모형 대만국립대의 Hsuan-Yi WU 교수는 다음과 같은 SFP 저술 과정의 진화적 모형을 제안한다. 진화적 모형은 선형모형과 달리 피드백 루프를 포함한 일련의 프로세스 로 구성되어 있으며, 이는 순환적 SFP(cyclic SFP) 로 표현된다. 순환적 SFP는 진화 적 과정을 형성하여 시나리오를 전달하고, 제품 설명서 및 비즈니스 모형과 연관시 킨다. 이 프로세스는 상상력 워크숍(Imagination Workshop) 이라고 이름 붙여진 프 레임워크에 의해 관리되며, 이는 기존 SFP에서 착안하여 새로운 SFP를 만드는 촉매

62 로서 작용한다. [그림 2-9] SFP의 진화적 모형 출처: Johnson(2011b) 초기 SFP에 비해 진화적 모형이 가지는 주된 차이는 바로 6단계에 있다. 이는 단 순히 시나리오를 전달하는 데 그치는 것이 아니라, 제품 설명서나 비즈니스 모형까 지 포함한 결과로서 SFP 자체를 전달하는 것이다. 즉, 기존의 선형모형과 달리 현존 하는 기술뿐 아니라, SFP를 통해 예측된 기술 역시 새로운 SFP 작성에 이용될 수 있 는 것이다. 상상력 워크숍 의 원칙은 참가자 그룹을 모으고, 목표를 구체화하고(어떤 형태의 비즈니스 또는 테크놀로지의 혁신), 컨텍스트를 제공하고(비즈니스인지 가정용인지 등), 타임라인을 정하고(대개 10년 이상의 미래), 가능한 미래에 관한 브레인스토밍 을 지원하는 것이다. Hsuan-Yi WU 교수는 2050년의 세계 라는 주제로 자신의 지도 학생들과 함께 프로젝트를 진행하여 이를 상상력 워크숍: 기술 기반 비즈니스 혁신 을 위한 SFP에 관한 경험적 연구(Imagination Workshops: An Empirical Exploration of SFP for Technology-based Business Innovation) 라는 논문으로 발표하였다. 이처럼 SFP 기반의 미래예측은 창의적 사고 및 혁신적 대응에 유용하며, 소설, 영화, 만화 등 일반대중에게 익숙한 문화적 장르로서 다양하고 풍부한 콘텐츠(소재 등)를 활용할 수 있다는 장점이 있다. 그러나 준비부터 결과를 산출하기까지의 방법

제 2 장 미래예측 방법론의 유형 및 주요 내용 63 론을 적용하는 절차가 매우 복잡하고, 미래의 스토리에 주관적인 선입견이 개입될 여지가 많다. 그리고 다양한 기술, 제품 등 물리적 요소를 기반으로 한 기술예측에 는 유용하나, 사람들의 사회적 관계에서 파생되는 사회예측에 적용하기에는 무리가 따른다는 단점이 있다. 7) [그림 2-10] epod 제품설명서 SFP는 인텔의 21세기 로봇 프로젝트(가정용 로봇을 개발하기 위한 공개 혁신 프 로젝트) 와 에섹스 대학의 edesk(혼합 현실 실감 교육용 책상) 등과 같이 제품 혁신 에 적용되는 경우가 많다. 특히 edesk는 2011년 Immersive Display 사가 출시한 가상 현실을 내장한 책상인데, 이 제품은 가상현실을 온라인화하여 지리적으로 분산된 학생들이 실제 교실에 참여하는 것과 같이 느낄 수 있도록 고안된 것이다. 이 제품 7) 사회적 관계성을 고려한 소셜픽션(Social Fiction)과 관련된 데이터, 즉 SNS 상의 수 많은 소셜빅데이터를 통해 미래를 예측하는 방법으로 보완할 필요가 있다.

64 에 영감을 준 것은 최초의 창조적 과학 컨퍼런스에서 제출된 포드 이야기 라는 SFP이다. 포드 이야기 는 2050년에 인공지능과 가상환경이 결합하여 교육의 성격 을 어떻게 바꿀 것인가에 대한 추측을 바탕으로 한 내용인데, 이 이야기의 핵심은 교육용 포드(ePod)에 관한 것이며, epod에 관한 다음과 같은 제품설명서가 제공된다 (Kohno & Johnson, 2011). Immersive Displays 사는 이 SFP를 상업화하여 ImmersaVU라는 제품을 출시하였 다. 현재의 기술 수준에서는 해당 SFP에서 묘사된 기능들을 모두 현실화할 수는 없 지만, epod의 핵심적인 개념인 가상환경과 현실 간의 연결 을 실현시킬 수 있는 시 제품을 출시하였다는 것에 큰 의미가 있다. 에섹스 대학과 상해교통대학의 이러닝 랩은 온라인 스마트 강의실과 실감 학습 분야에서 축적된 경험을 바탕으로 협업을 통해 edesk를 개발하였다. 이들이 개발한 실감 미디어 책상은 합성현실 강의 소프트 웨어(MiRTLE: Mixed Reality Teaching and Learning Environment)에 의해 구현된다. SFP의 대표적인 적용 사례로 2012년 FortiTo라는 스타트업 기업이 출시한 버즈보 드(BuzzBoards) 라는 제품을 들 수 있다. 이 제품은 사람들로 하여금 각자의 아이디 어를 지금 당장 현실화할 수 있도록 한다는 SFP의 일반적 개념에서 영감을 얻은 플러그 앤 빌드 개념을 기반으로 한다. 이는 기술적인 지식이 부족한 사람이라도 미리 제공되는 여러 가지 모듈을 조합하여 손쉽게 복잡한 IoT 기술을 활용한 시제 품을 만들 수 있도록 하는 제품이다. [그림 2-11] 버즈보드 모듈 예시

제 2 장 미래예측 방법론의 유형 및 주요 내용 65 제품 혁신 외에도 SFP는 교육 분야에서 중요한 효용을 가지고 활용되고 있다. 예 컨대, 캔터베리 대 경영대는 창업 교육 과정에서 창조적 사고를 소개하는 도구로서 SFP를 활용하고 있다. 그리고 샌디에고 주립대의 학습 디자인 및 기술 부서에서는 대입을 앞둔 학생들에게 STEM 학과와 커리어에 관해 알려주고, 유인하기 위한 수 단으로 SFP를 활용하고 있다. 워싱턴 대에서는 컴퓨터 및 컴퓨터 보안 등에 관련된 광범한 사회적 맥락에 관한 논의와 학습을 용이하게 해주는 수단으로 SFP를 활용 중인데, 타다요시 코노와 브라이언 데이비드 존슨에 의하면 특정한 기술의 미래에 대한 SFP를 준비하는 과정에서 학생들은 기술과 사회의 상호작용에 대해 더욱 숙고 할 수 있게 되며, SFP는 학생들로 하여금 미래 기술의 잠재적인 위협에 대한 직관을 키울 수 있게 만든다고 한다. 이 강의를 수강하는 학생들은 각자 새로이 등장하는 기술에 관한 주제를 고른 후, 해당 기술이 다른 기술, 사람, 사회와 중대한 방식으로 상호작용한다는 전제조건 하에서 그것이 컴퓨터 보안과 어떤 관계를 맺는지에 대하 여 SFP를 작성한다. 이는 해당 기술이 대중적으로 도입되면 어떤 결과를 초래할 것 인가?, 가장 나쁜 결과는 무엇이며, 그것은 이야기 속의 인물이나 장소에 어떤 영 향을 미칠 것인가?, 가장 좋은 결과는 무엇이며, 그것은 이야기 속의 인물이나 장 소에 어떤 영향을 미칠 것인가?, 만약 이 기술이 평범한 가정에 도입된다면 그것은 실제로 기능할 수 있는가? 등의 질문에 대해 답하는 형식으로 진행된다. 대만국립대에서는 경영대 학생들의 과학 기술에 대한 관심을 고취시켜 경영 혁신 을 도모하기 위한 수단으로 SFP를 활용 중에 있다. Hsuan-Yi WU 교수는 2050년의 세계 라는 주제로 자신의 지도학생들과 함께 상상력 워크숍을 진행한 바 있다. 앞서 기술한 바와 같이, 상상력 워크숍에서는 영감을 불어넣기 위해 현존하는 기술이 아 니더라도, 다른 SFP에서 예측한 기술을 기반으로 새로운 예측을 내놓는 것도 허용 한다. 여기서는 생활 환경은 어떻게 될 것인가?, 사람들은 어떨 것 같은가?, 도시 와 교외의 라이프스타일은 어떤 종류가 될 것인가?, 어떤 기술이 우리 삶을 지배할 것인가? 비즈니스는 어떻게 될 것인가?, 사회는 어떻게 진화할 것인가? 등의 질 문이 사용된다. 워크샵 과정은 1 브레인스토밍과 토론, 2 발표와 공유, 3 아이디

66 어 스크래치(플립차트 작성)로 진행된다(Wu, 2013). 제 6 절 계량적 미래예측 방법론(Quantitative Forecasting method) 1. 계량적 미래예측의 개념과 조건 예측 가능한 사건을 전제로 시행하는 미래예측 방법은 크게 두 가지 범주로 나뉜 다. 첫 번째 범주로는, 특정 사안에 관하여 과거와 현재의 측정값과 같은 충분한 계 량적 정보가 주어진 경우로, 이때 적용될 수 있는 방법이 계량적 예측방법 (quantitative forecasting methods)이다. 즉, 계량적 예측방법은 수집된 자료의 존재가 전제조건이 되어야 시행될 수 있는 예측방법이다. 두 번째 범주로, 계량적 정보는 없으나, 예측하는 분야에 대한 충분한 지식이 존재할 경우를 들 수 있다. 앞에서 서 술한 바와 같이 이러한 경우에는 다양한 유형의 정성적(비계량적) 예측방법 (qualitative forecasting methods)을 사용하여 예측을 시행할 수 있다. 계량적 예측방법은 예측의 목적 및 대상과 각 학문 분야의 특성에 따라 다양한 기 법이 개발되어 왔다. 따라서 개발된 모형에 따라 정확도와 수행비용과 같은 특성을 각기 다르게 지니고 있다. 계량적 방법을 이용한 미래예측에도 직관을 이용한 간단 한 방법도 존재하지만, 대체적으로 연구자들은 연구 분야와 분석 자료의 특성에 따 라 어떠한 모형을 선택하여 계량예측을 수행할지에 대해 고민하게 된다. 여기서는 통계학적 원칙을 바탕으로 계량적 예측방법의 구조와 모형을 중심으로 설명하고, 디지털 경제의 미래를 예측하는 측면에서의 활용도와 적합성에 대해 살펴보도록 한다. 계량적 예측방법을 이용한 미래예측은 특정한 시간을 기준으로 삼아 과거와 현재 에 대하여 수치적으로 규명된 관계를 바탕으로 미래의 관측을 추정하는 것을 말한 다. 계량적 예측방법은 다음 <표 2-10>에 나타난 조건을 반드시 만족시킬 때 적용 이 가능하다(Makridakis 외, 1998).

제 2 장 미래예측 방법론의 유형 및 주요 내용 67 <표 2-10> 계량적 예측방법의 충족 요건 1. 과거에 대한 정보(자료)가 주어졌을 경우 2. 과거에 대해 주어진 정보가 수치 형태의 계량적 자료로 변형이 가능한 경우 3. 과거의 변형 패턴이 미래에도 계속 지속적으로 진행될 것이라고 가정되는 경우(연속성 의 가정, Assumption of continuity) 위에 세 가지 조건 중 마지막 조건을 연속성의 가정이라고 부르는데, 이는 현재와 과거의 관측치를 바탕으로 나타나는 현상이 미래에도 연속적으로 비슷한 양상을 보 일 것이라는 전제조건을 의미한다. 과거에서부터 현재까지 지속된 추세가 미래에도 지속될 것을 전제로 추정하는 것으로, 추세외삽( 趨 勢 外 揷, extrapolation)이라고도 불리며 대부분의 계량예측 모형은 이러한 전제조건을 충족한다는 가정에서 비롯된 다. 계량적 예측은 상대적으로 다소 기계적인 방법을 통한 자료 분석으로 볼 수도 있다. 또한 예측값의 정확성 확보를 위하여 통계학적 이론을 바탕으로 한 구조적 접 근을 통한 정형화된 방법을 통하여 수행된다. 계량적 예측방법의 적용에 있어 만족시켜야 할 전제조건 중 하나로, 수치적 형태 의 계량적 자료의 존재 여부 를 들 수 있다. 존재하는 수치적 형태의 계량적 자료의 성격에 따라 적용되는 모형이 크게 이분화될 수 있다. 수치적 자료는 자료의 특성에 따라 크게 시간 이 측정값에 포함이 된 경우(time series data, 시계열 자료)와 그렇 지 않은 경우로 나뉠 수 있다. 이러한 특성에 따라 사용되는 개괄적이고, 대표적인 모형으로 시계열 모형과 설명 모형(explanatory models)을 들 수 있다. 2. 설명모형 설명모형은 특정한 요인이 독립적으로 변화할 때 어떠한 상황의 결과를 측정하는 데 선택된 변수에 미치는 영향을 설명하고, 그 관계를 규명하는 데 초점을 맞추는 모형이다. 앞서 소개한 자료의 종류를 기준으로 모형의 적용 가능성을 구분하는 경 우, 시간변수가 측정 자료에 포함되지 않은 경우에 주로 활용하는 예측방법이라 할

68 수 있다. 이 방법은 한 개 이상의 설명변수(explanatory variable)가 독립적으로 변화 할 때 8), 이에 종속( 從 屬 )되어 변화하는 변수가 어떠한 관계로 설명될 수 있는지를 구조화된 모형을 통해 추정한다. Y를 앞서 설명한 종속변수(dependent variable), 를 설명변수, 를 종속변수와 설명변수의 관계를 나타내는 함수라고 할 때, 설명모형은 다음과 같은 형태의 등식으로 나타낼 수 있다. 오차 이때 설명변수는 한 개 이상의 변수로 구성될 수 있으며, 변수의 개수에 따라 단 순, 다중모형 등으로 나뉜다. 마찬가지로 종속변수 또한 변수의 개수에 따라 일변량, 다변량 분석으로 구분될 수 있다. 그리고 종속변수와 독립변수의 관계를 나타내는 함수 는 자료의 특성과 통계학적 이론을 바탕으로 다양한 형태로 추정된다. 3. 시계열모형 계량예측에 이용되는 자료가 시간변수를 포함하고 있을 경우에는 설명모형 외에 시계열모형을 이용할 수 있다. 시계열모형과 설명모형의 주된 차이점으로 모형을 통해 규명하고자 하는 관계를 들 수 있다. 시계열모형의 경우 설명모형에서 중요한 요소로 꼽히는 종속변수와 독립변수와의 관계규명에 초점을 두지 않고, 측정 자료 를 통해 얻어낼 수 있는 과거, 현재, 미래 등 서로 다른 시점의 측정치에 대한 관계 규명에 중점을 둔다. 시계열모형을 이용한 예측에 있어서의 매우 고전적인 예시로 는 태양의 흑점 개수의 자료 분석을 들 수 있는데, 여기서는 과거에 관측된 태양의 측점 개수만을 토대로 향후 생성될 태양 흑점의 개수를 시간의 변화에 따라 추정한 다. 태양 흑점의 개수를 예측하는 것은 흑점의 생성원리와 이유를 탐색하고자 하는 것과는 별개로 이루어지며, 이는 시계열모형의 추정에 있어서 큰 관심사가 아니다. 8) 이러한 연유로 설명변수(explanatory variable)는 독립변수(independent variable)라고 불리기도 한다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 69 다시 말하자면, 시계열모형은 미래 시점에 있어서의 예측값의 추정이 주목적이지, 왜 이러한 추정값이 예측되었는지 그 원인을 밝히는 것은 아니라는 것이다. 시계열 자료는 일반적으로 추세(trend), 순환(cycle), 계정변동(seasonal variation), 불규칙 변 동(irregular fluctuation)의 네 가지 중 한 개의 요소로 구성되어 있는데, 시계열 자료 분석을 통해 그 구성요소와 변동 요인을 알아낼 수 있다. X를 측정변수라고 하고 변수의 측정시간이 로 표현될 때, 가 장 단순한 형태의 시계열 모형은 다음과 같은 등식으로 표현될 수 있다. 오차 위에 제시된 등식을 통해 알 수 있듯이, 단순 시계열모형에서는 미래시점에서의 측정변수의 예측값은 단순히 과거 시점의 측정치와의 관계로부터 추정되고, 이러한 시계열 자료를 이용한 여러 가지 모형은 많은 연구와 발전을 거듭해 왔다. Box et al.(1975)은 시계열 동적 모형의 활용을 크게 다섯 가지 분야로 나누어 기술하였다. 여기서는 그중 공정관리(process control)를 제외한, 시계열예측모형(time series forecasting models), 전이함수모형(transfer function models), 개입분석모형(intervention analysis models)에 대하여 대략적인 구조와 각 모형의 적용에 대하여 간단히 설명하 도록 한다. 가. 시계열예측모형(time series forecasting models) 예측값의 추정을 위해 주어진 자료가 1) 이산형 자료(discrete data)이고, 2) 일정한 시간적 간격(equispaced interval of time)을 기준으로 측정되었다고 가정하자. 현재 시점인 t를 기준으로 하여, 측정값 이 존재한다고 할 때, 함수 는 t시점에서 자료를 이용하여 현재시점 t와 과거시점에 서의 측정값의 관계를 바탕으로 추정된 예측함수로 볼 수 있다. 여기서 l을 리드타 임(lead time)이라고 부른다. 이러한 모형 추정에서 l이 0보다 크다는 가정 하에, 여 느 회귀모형과 마찬가지로, 실제 미래시점에서의 측정값과 예측값, 즉,

70 의 제곱 평균(mean square)을 최소화하여 추정치의 오차를 최소화하는 것을 모형 수 립의 기초로 삼고 있다. 시계열모형은 과거와 현재의 관계를 규명 짓는 함수를 바탕 으로 미래를 추정하는데, 추정하는 시점이 현재에서 멀어질수록 정확도가 떨어지고, 추정값의 신뢰구간이 점차 넓어지는 것이 일반적이다. 다양한 시계열 예측모형이 고안되어 왔지만, 그중 대표적인 시계열 모형을 들면 자기회귀모형(autoregressive, AR, model), 이동평균모형(moving-average, MA, model), 자기회귀이동평균모형(autoregressive moving-average, ARMA, model) 등을 들 수 있다. 한 시점의 측정값 이 차수 p인 이전 시점의 측정값 에 의해 설명되는 경우, 이러한 시계열 자료를 자기회귀과정(autoregressive process, AR)을 따른다고 하고, AR 모형(, 는 평균이 0, 분산이 이며, 서로 독립적이고 동일분포(independent and identically distributed; iid)인 백색 잡음이라고 불리는 시계열 자료로 나타나 예측값을 추정할 수 있다. 혹은 특정 시점 의 시계열 자료,가 과거의 차수 q의 오차, 에 의해 설명될 경우, 이를 이동평균과정(moving-average process, MA)이라 부르고, 모형 ( )을 추정할 수 있다. 시계열 자료가 과거의 관측 값과 오차 모두에 의해 설명되는 경우 자기회귀이동평균과정(autoregressive moving- average process; ARMA)으로 표현할 수 있으며, 이를 다음과 같은 모형으로 나타낼 수 있다. 여기서 차수 p 혹은 q의 값이 0일 경우 ARMA(p,q)는 각각 MA(q), AR(p) 모형으로 표현될 수 있으므로 AR(p), MA(q) 모형은 ARMA(p,q)의 특수형태로 볼 수도 있다. 자기회귀이동평균모형을 이용한 분석은 자기회귀이동평균과정이 정상성 조건 (stationary condition)을 만족시킨다는 전제를 바탕으로 실시하게 된다. 여기서 정상 성이란 일정기간 동안의 측정변수가 동일한 결합밀도함수 분포를 가지는 경우를 의

제 2 장 미래예측 방법론의 유형 및 주요 내용 71 미한다. 즉, 모든 상수 k와 에 의 조 건이 부합되는 경우를 말한다. 다시 말하면, 밀도함수 는 변수 X의 관측 시점 에 관계가 없다는 것을 의미한다. 만약 이 시계열과정이 해당 조건을 만족시키지 못 하는 경우에는 차분(differencing)을 통해 정상성 조건을 갖춘 시계열 과정에 적용시켜 분석하게 되는데, 이를 ARIMA(autoregressive integrated moving-average) 모형이라고 [그림 2-12] Box-Jenkins의 ARIMA 모형수립방법 분석자료 준비 분산안정을 위한 자료 변환 자료의 차분을 통한 정상성 확보 1단계 모형의 식별 모형 선택 자료 특성, 자기상관함수, 부분자기상관함수의 통한 잠재적 모형 식별 추정 잠재적 모형의 모수 추정 적합한 기준(criterion)에 따른 모형 선택 검증을 2단계 모형의 추정 및 검정 3단계 모형적용 모형진단 자기상관함수, 부분자기상관함수의 잔차 검정 모형의 잔차 분석을 통한 적합성 검증 예 예측 수립된 모형을 사용하여 예측 아니오

72 한다. 이러한 ARIMA 모형은 시계열 자료의 동태를 살펴 이에 따른 예측모형을 수립 하는 것이 가능한 것을 장점으로 들 수 있다. 이러한 점에서 경제, 경영, 환경, 자원 관리 등 다양한 분야에서 많이 쓰이고, 보편화된 모형 중 하나가 ARIMA 모형이다. 한 가지 종류의 시계열 자료를 통한 분석인 단변량 ARIMA 분석의 특징으로는 다른 설명변수의 수집 없이 예측하고자 하는 시계열 자료 한 가지만으로도 변동형태와 추이를 파악하여 예측모형을 수립할 수 있다는 점을 들 수 있다. 이 모형은 대부분 의 시계열 자료의 분석에 적용이 가능하고, 특히 민감한 시계열적 변동이 모형에 쉽 게 반영될 수 있다는 장점도 가지고 있다. 시계열 자료의 분석에는 특정한 설명변수의 정의 없이, 서로 다른 k가지의 시계열 자료가 결합적으로(jointly) 변화하는 경우가 존재할 수 있다. 이런 여러 시계열 자료 들의 동태적(dynamic) 양상을 파악하는 데는 다변량 시계열 모형(multivatiate time series models)이 사용된다. 이 모형은 앞서 소개한 단변량 시계열예측모형을 서로 독립적이지 않을 수도 있는 다수의 시계열 자료에 적용하여 동시다발적으로 분석하 는 개념으로 접근할 수 있다. 주로 관찰 및 수집된 시계열 자료가 서로 독립적으로 움직이지 않고 영향을 주고받는 경우에 많이 쓰이며, 특정한 시계열 자료의 예측 정 확도를 높이기 위해 사용되기도 한다. 나. 전이함수모형(transfer function models) 전이함수모형은 입력 시계열 자료(input time series), 출력 시계열 자료(output time series) 두 개의 변수의 관계를 함수로 나타내는 모형을 말한다. 입력 시계열 자료와 출력 시계열 자료의 인과관계를 가정하고, 입력이 어떠한 전이과정을 거쳐 출력값을 가지는지를 나타낸다. 입력 시계열 자료(input time series) 의 변화가 출 력 시계열 자료(output time series) 의 변화를 예상한다고 가정할 때, 입력 시계열 자료(input time series) 를 leading indicator라고 지칭하기도 한다. 일반적으로 입력시계열, 출력시계열, 전이함수 는 다음과 같은 형태로 표현된다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 73 여기에서 는 전이함수로 설명되지 않은 부분을 설명할 수 있는 잡음 시계열 (noise time series)이며, 입력 시계열인 와는 독립적인 것을 가정하고, 일반적으로 ARIMA 모형을 통해 기술된다. 전이함수모형은 입력 시계열 자료와 출력 시계열 자 료와의 동적 관계를 규명할 수 있어 단순히 단일 시계열 자료만을 이용하는 다변량 시계열 모형보다 좋은 분석 결과를 얻을 수 있는 장점이 있다. 유현상 등(2010)은 출 생자 수에 영향을 미치는 잠재 변수를 이용한 전이함수모형을 통해 출생자 수 예측 모형을 수립하는 것이 단순 ARIMA 모형보다 모형 적함도와 예측력에 있어서 우위 를 보여주는 것을 확인한 바 있다. 이와 같이 전이함수모형은 회귀분석과 같이 어떠 한 관계를 시계열적으로 설명하는 데 자주 쓰이는 모형이다. 이때 입력 시계열 자료 인 설명변수는 회귀분석과 마찬가지로 서로 독립이라는 가정 하에 선형 결합(linear combination)이 가능하기도 하다. 예를 들어, 광고비 지출, 경기지표 등 대비 매출액 등과 같이 시간의 흐름에 따른 관계를 규명하는 데 사용될 수 있고, 여기서 광고비 지출과 경기지표의 경우 입력 시계열 자료, 향후 매출액의 경우 출력 시계열 자료로 간주하여 모형을 수립할 수 있다. 다. 개입분석모형 (intervention analysis models) 사회과학에서 시계열 자료가 측정시기에 따라, 특정 규제 혹은 정책의 변화, 파업 과 같은 특별한 사건의 발생을 포함하는 경우가 있다. 이때 분석 자료에 이러한 사 건이 반영되는데, 특정한 사건의 발생을 전이함수모형의 전이함수로 가정하여 시계 열 자료를 분석하여 예측모형을 수립할 수 있다. 이 경우 사건의 발생이 함수로 표 현되어야 하므로, 표시함수(indicator function)를 이용한다. 개입분석(intervention analysis)의 주목적은 특정한 사건이 시계열 자료의 변화에 미치는 영향을 수치화하 여 계량적으로 분석하는 데 있다. 마치 사건이 발생한 것처럼 측정 자료가 특정한 시간에 큰 변화를 포함한 자료를 분석하여 예측값을 추정하는 경우에, 정확히 알려

74 지지 않은 불특정 사건이 발생하였다는 가정 하에 모형을 수립하여 예측치의 추정 값에 대한 오류를 줄일 수 있는 장점이 있다. 개입분석모형은 다음과 같은 수식으 로 표현되는데, 일종의 전이함수인, 특정한 사건(intervention)을 나타내는, 잡음 시계열 로 표현될 수 있다. 여기서 특정한 사건(intervention)을 나타내는 는 성격에 따라 크게 두 가지 종류 의 표시함수(indicator function)로 표현된다. 개입(intervention)이 발생한 후 그 여파 가 계속 남는다는 가정을 따르면, 다음과 같은 계단함수(step function)를 통해 나타 낼 수 있다. 반면에, 사건의 여파가 순간적, 일시적인 경우에는 간헐함수(pulse function)로 나 타낼 수 있다. Box and Tiao(1975) 9) 는 위와 같은 개입분석모형을 두 가지 분야에 적용하여 활용 도를 보여주었는데, 그 내용은 다음과 같다. 첫 번째 예시로는 1955년부터 1972년 사이에 측정된 LA 지역의 오존농도 자료의 분석이다. 오존농도 시계열 자료의 자기 상관함수(autocorrelation functions)의 분석 결과 계절성을 지닌 비정상성 과정 (nonstationary process)이며, lag 1과 12에서 유의미한 상관관계를 보이는 것으로 나 타났다. 따라서 개입(intervention) 효과 분석에 앞서 잡음 시계열 에는 다음과 같 9) Box, G. E., & Tiao, G. C. (1975). Intervention analysis with applications to economic and environmental problems. Journal of the American Statistical association, 70(349), 70-79.

제 2 장 미래예측 방법론의 유형 및 주요 내용 75 은 차분(differencing)을 이용한 모형이 제안되었다. 오존농도 자료 분석에는 두 가지 종류의 개입을 염두에 두었는데, 그중 한 가지는 1960년에 개통된 the Golden State Freeway이고, 다른 한 가지는 1966년에 오존 배출 량을 줄이기 위해 신규 판매되는 자동차의 엔진 디자인을 교체하도록 규제를 실시 한 것이다. 이런 개입을 나타내는 표시함수에는 계단함수(Step function)와 간헐함수 (Pulse function) 두 가지가 모두 사용되었는데, 첫 번째 개입(intervention)의 경우 도 로의 개통 이후 점차적으로 오존 배출에 의한 영향이 증가할 것을 감안하여 1960년 1월을 기준으로 계단함수를 사용하였다. 이와 함께 자동차 엔진규제 실시 이후 배출 되는 오존의 양이 여름과 겨울의 계절에 따른 기온 차에도 영향을 받을 것을 고려하 여 간헐함수를 이용하여 개입을 표현하였는데, 자료 분석에 이용된 함수식을 재인 용하면 다음과 같다. where 년 월 년 월, 년부터의 월 여름,, 년부터의 월 겨울. Box and Tiao(1975)가 보여준 두 번째 사례로는 미국 소비자물가지수(Consumer Price index)의 변화를 바탕으로 한 인플레이션 자료에 대한 적용이다. 개입모형 (Intervention Model)을 활용하여 1964년 1월부터 1972년 12월까지 월별 인플레이션 수치를 분석하였다. 총 234개월간의 자료는 1971년 8월 이전 218개의 측정수치와 1971년 9월부터 3개월 동안의 제1단계(Phase 1), 1972년부터 12월까지를 제2단계

76 (Phase II)로 구분하여 각 단계별 효과를 분석하였다. 먼저, 첫 218개 자료와 차분 (differences)에 대한 자기상관함수의 분석을 토대로 다음과 같은 잡음시계열의 형태 를 추정하였다. 위 식에서 와 의 값은 각각 0.84, 0.0019로 각각 추정되었으며, 다음으로 살펴 본 구체적인 연구문제는 다음과 같다. 1) 각 단계별 기간 동안 인플레이션 수치의 변화가 예상할 만한 것인가? 2) 추정된 잡음시계열의 형태가 변화하지 않은 상태로 지속되었는가? 추정된 잡음시계열 구조의 오차를 무시한 대략적 모형은 다음과 같이 정의되었으며,, where 년 월 월 월 년 월 월 월 년 월 년 월 추정된 모형에 따르면 소비자물가지수(Consumer Price index) 기준의 인플레이션 변화가 작아진 것은 제1단계(Phase Ⅰ) 기간과 관련이 있지만, 2단계(Phase Ⅱ) 기간 과의 관련성은 확인하기가 다소 힘든 것으로 나타났다. 4. 계량적 예측모형 수립의 절차 지금까지 자료의 특성에 따른 계량예측모형에 대한 개략적인 소개와 설명을 기술 하였다. 이러한 모형을 추정하는 데 있어서 기본적인 절차는 다음과 같은데, 이는 통계학적 모형 수립에 있어서의 기본적 원칙과 동일하다고 볼 수 있다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 77 모형을 수립하기에 앞서 가장 중요한 전제조건은 문제인식이다. 연구자가 풀어나 가야 할 문제를 인식하면, 그 문제는 연구주제와 상황에 맞도록 논리정연하게 정의 되어야 한다. 이는 비단 모형수립의 단계뿐만 아니라, 연구자의 연구주제 및 문제 설정에 있어서도 공통적으로 해당되는 사항이다. 계량예측모형의 수립은 수치적 자 료가 바탕이 되어야 하므로, 이러한 자료를 수집하는 것을 그 다음 단계로 볼 수 있 다. 상황에 따라서 기존에 수집된 자료를 이용하거나, 새로운 조사를 통하여 자료를 수집하는 방법을 사용할 수도 있다. 하지만 앞서 언급한 바와 같이 계량예측모형을 사용하는 경우에는 이러한 자료들이 반드시 수치적으로 표현되어 있어야 활용이 가 능하다. 사용된 자료의 수집이 완료되면, 다음 단계로 탐색적 분석을 먼저 실시하여, 자료 의 특성과 현황을 파악하는 데 주력하여야 한다. 탐색적 분석을 통한 자료에 대한 개략적 이해와 파악을 바탕으로 어떠한 모형을 수립하는 것이 자료의 특성과 연구 자의 의도를 가장 잘 파악할 수 있는지에 대해 검토한다. 자료의 특성에 따라 연구 자는 적용할 수 있는 모형군(class of models)을 선택하여 자료의 설명에 적합하도록 특정한 모형을 설계하여 수립한다. 일반적으로 모형수립의 원칙으로는 인색한 (parsimonious) 모형 의 구현을 들 수 있다. 수학적 원리를 따져 보면, 모형의 구조가 복잡해지고 추정하는 계수의 수가 많아질수록 자료에 대한 모형 자체의 설명력은 커지기 마련이다. 하지만 이러한 모형으로 사회 현상을 설명하는 경우에는 종속변 인과 독립변인과의 관계를 일반적인 언어로 풀어 설명하기에는 무리가 있는 경우가 많다. 따라서 추정하는 계수의 개수를 최소화하여 최대한 간단한 모형을 구현함과 동시에, 자료의 설명력을 충분히 갖춘 모형을 수립하는 것을 모형 수립에 있어서의 가장 큰 원칙으로 볼 수 있다. 일단 모형이 수립되면, 연구자는 수립된 모형의 적합성 등을 검증하여야 한다. 이 때 수립된 모형의 진단에서 모형의 부적절성이나 부적합성이 드러나면, 연구자는 선택한 모형군을 재검토하거나, 자료의 변형을 통해서 자료와 모형의 상호적 적합 성이 극대화될 수 있는 방법을 강구하게 된다. 그리고 실제 자료에 적용되어 산출된

78 추정 값을 바탕으로 연구문제에 대입하여 현상을 설명, 해석하는 것을 마지막 단계 로 볼 수 있다. 5. 소결: 빅데이터 환경과 계량적 미래예측의 한계점 정보통신기술의 발달로 대용량 자료를 저장할 수 있는 장치와 처리기술이 발달되 면서 비정형( 非 定 型 ) 자료의 활용이 가능해진 것을 기반으로 자료의 분석에 새로운 지평이 열리고 있다. 소위 말하는 빅데이터(big data) 분석이 그것이다. 이는 기존 에 수집된 자료의 활용 패러다임에도 큰 영향을 미치며, 다양한 분야에서 변화를 일 으키고 있다. 자료를 분석한다는 점에 있어서 계량예측모형의 추정과 활용에도 많 은 시도가 이루어지고 있다. 실시간 교통 변화와 과거의 교통변화 기록을 분석하여 앞으로의 교통상황을 예측 하거나, 축적된 정보를 기반으로 현재 위치에서 목적지까지의 최단소요시간 경로를 제공하는 것도 단기적 시안에서의 미래예측이라고 볼 수 있다. 또한 날씨의 변화를 예측하거나, 대기오염 정도를 예측하는 것도 일상생활에서 흔히 접할 수 있는 미래 예측분야이다. 이렇게 빅데이터를 이용한 미래예측은 생활밀접형인 분야도 있지만 사회복지 분야에서도 많이 나타나는데, 식품안정(food security) 분야에의 적용이 바 로 그것이다. 특히 농업 분야에서는 아프리카 대륙을 중심으로 빅데이터 분석을 통 한 수확량 등의 예측을 통해 농산물 생산량 및 가격을 예측하려는 시도가 일어나고 있다. 공공분야에서뿐만 아니라 민간기업 분야에서도 빅데이터를 활용한 예측이 활발 하게 이루어지고 있다. 예를 들어, 금융시장에서의 다양한 변수 및 지표의 변화를 예측하여 기업의 전략 수립 등에 활용하고 있다. 그러나 빅데이터 환경의 등장으로 계량적 미래예측이 한층 더 수월해진 것으로 보이지만, 계량적 예측방법을 이용한 미래예측에는 분명한 한계점이 존재하고 있다. 이는 계량예측모형을 적용할 때 수반되는 전제조건에서 시작된다고 볼 수 있다.

제 2 장 미래예측 방법론의 유형 및 주요 내용 79 첫째, 계량적 예측방법의 적용은 수치적 자료가 존재한다는 가정을 충족시키는 범위에서만 적용이 가능하다는 점이다. 그러므로 미래 변화예측에 영향을 미칠 수 있는 요소의 상당 부분이 측정 및 기록되어 활용 가능한 자료로 구비되어 있을 때 비로소 상대적으로 정확한 계량예측모형의 적용이 가능하다. 하지만 미래 변화에 중요한 요인으로 작용할 수 있는 변인의 수치적 측정 자료가 존재하지 않는 경우에 는 이러한 요인이 미래예측모형의 적용에서 배제될 수밖에 없다. 따라서 계량예측 모형의 적용과 결과의 해석은 이러한 미도입변수(omitted variables)의 부재에 대한 한계를 수반할 수밖에 없다. 둘째, 앞에서 언급한 중요한 전제조건의 하나인 연속성의 가정이다. 계량예측모형 을 통한 추정은 추세외삽의 원리를 바탕으로 이루어지는데, 과거로부터의 추세가 미래의 어느 시점까지 지속될 것인지에 대한 불확실성이 항상 존재하고 있다. 따라 서 계량예측모형을 통한 추정과 추론은 근접미래에 가까워질수록 그 정확성이 증가 하지만, 반대로 장기적인 예측 결과를 도출하기에는 부적합할 수 있다는 단점이 있다. 물론 이러한 계량적 예측방법의 단점을 보완해줄 수 있는 미래예측 방법으로 델 파이, 시나리오 분석과 같은 정성적(비계량적) 예측방법(Qualitative Forecasting Methods) 을 활용할 수 있다. 그리고 최근에는 상이한 두 방법론을 혼용하는 미래예측이 주목 을 받고 있기 때문에 하이브리드적 혹은 혼합적 미래예측 기법을 보다 적극적으로 개발, 활용하기 위한 방법론을 고민할 필요가 있다.

80 제3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 제 1 절 서 론 본 장에서는 기술수용모형(Technology Acceptance Model)을 활용하여 디지털 경제 의 신기술의 미래 모습을 예측해보고자 한다. 기존에 미래예측 방법론으로 많이 활 용되는 퓨처스 휠(Future s Wheel) 기법, 시나리오(Scenario) 기법, 로드맵(Roadmap) 작성법, 계층화 분석법(Analytic Hierachy Process) 등 다양한 방법론은 결국 미래를 예측하는 데 있어서 연구자의 주관이 많이 들어갈 수밖에 없는 방법론이기 때문에 객관성을 담보하기 힘들다는 치명적인 단점이 존재한다. 예를 들어, 로드맵 작성법 의 경우 시간대별로 기술적 대안이 도출될 수 있으나, 요소기술의 성과 목표, 실현 시점의 시간대별 설정, 기술적 대안의 목표와 성능 등이 모두 연구자의 주관에 의해 설정된다. 최근 떠오르고 있는 텍스트 마이닝(Text mining)과 같은 빅데이터 분석 기 법도 미래예측의 한 방법론으로 활용되고 있으나, 이 역시 실제로는 연구자의 주관 적 해석에서 자유롭지 못하다. 따라서 본 연구에서는 제품의 초반 단계에 머물고 있거나, 아직 출시되지 않은 디 지털 경제의 신기술을 선별하고, 해당 제품에 대한 소비자의 수용의도에 영향을 미 치는 요인을 분석함으로써 향후 이러한 기술이 어떠한 방향으로 발전하게 될 것인 가를 예측해보고자 한다. 본 연구의 분석 대상인 디지털 경제의 기술은 모두 사물인 터넷을 기반으로 한 기술인데, Shin(2014)이 주장하듯이 사물인터넷 기술은 Bijker (1995)에서 말하는 사회-기술적 앙상블(socio-technical ensemble)이다. 따라서 사물 인터넷의 디자인과 기술은 인간의 수요(needs)에 기반하여야 하며, 그것의 궁극적인 형태는 인간 중심의 시스템이어야 한다(Shin, 2014). 따라서 소비자의 수용의도 분석 은 사물인터넷을 포함하는 디지털 경제 기술의 미래 모습을 유추하는 데 가장 적합

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 81 한 방법 가운데 하나라 할 수 있다. 이봉규 외(2013)는 아래의 <표 3-1>과 같이 사물인터넷을 개체를 명확하게 식별 및 검색할 수 있도록 개체에 고유 식별 또는 ID를 맵핑하는 식별 기술 등 13개의 세부 기술로 구분하였다. 그러나 이러한 기술은 이봉규 외(2013)가 언급하였듯이 사 물인터넷과 관련 된 기술일 뿐, 사물인터넷 기술 자체라고 보기는 어렵다. 또한 여 기에 추가하여 사물인터넷이 적용되는 응용 산업의 기술도 사물인터넷 기술에 포함 되어야 한다. 예를 들어, 스마트카와 관련된 사물인터넷 기술을 뽑을 경우 <표 3-1>에 언급된 다양한 ICT 관련 기술에 자동차와 관련된 각종 기술이 추가적으로 포 함되어야 한다. 이처럼 사물인터넷 기술을 정의하기 힘든 이유는 첫째, 사물인터넷 은 ICT가 모든 산업과 융합되는 것이기 때문에 포괄해야 하는 기술의 범위가 지나 치게 넓다. 둘째, 사물인터넷과 관련된 ICT 기술은 사물인터넷뿐만 아니라, 기존의 컴퓨터, 핸드폰 등 각종 전자장비의 제작에도 활용되는 기술이고, 자동차 기술, 농업 기술 등 각 산업과 연관된 기술 역시 사물인터넷에만 활용되는 기술이 아니라 기존 의 전통적인 제품 개발에서도 활용되는 기술이기 때문에 정확하게 사물인터넷 기술 이라고 정의 내리기 힘든 부분이 있다. 따라서 사물인터넷 기술 을 정의하기 위해 서는 기존에 통상적으로 사용되고 있는 기술 정의의 계위보다 한 단계 높은 계위에 서 기술을 정의할 필요가 있다. <표 3-1> 사물인터넷 관련 기술 1 개체를 명확하게 식별 및 검색할 수 있도록 개체에 고유 식별 또는 ID를 맵핑하는 식별 기술 2 개체 및 사물 간 정보 공유 시 분산, 통합 및 동기화 등 데이터 통제를 지원하는 아키텍처 기술 3 네트워크 연결, 규모, 수명, 인프라, 토폴로지 등 전반적인 통신기술 4 사물인터넷 배치를 위해 실제 객체를 아우르고, 그것을 인터넷으로 유입시키는 비전을 실행하는 데 필수적인 네트워크 기술 5 사물의 새로운 유입과 네트워크의 역동적 변화와 진화 등 자동으로 네트워크의 변화를 감지하고 관리 능력을 지원하는 네트워크 디스커버리 기술

82 6 마이크로 운영 체제 등 사물 간 상호작용을 뒷받침할 소프트웨어 및 알고리즘 기술 7 소형화, 저비용 및 기능 보강에 역점을 둔 하드웨어 기술 8 기기에서 발생하는 인지/식별 데이터 효율적/실시간으로 처리할 수 있는 데이터 및 신 호 처리 기술 9 사물을 해당 정보 및 서비스와 안전하게 연계시킬 수 있는 룩업/참조 매커니즘을 지원 하는 디스커버리 및 검색 엔진 기술 10 수십억 개의 이질적 사물과 다양한 소프트웨어, 미들웨어 및 하드웨어가 존재하는 네트 워크를 관리하기 위한 관계망 관리 기술 11 사물의 수명주기 내 안정적으로 동력을 제공하기 위한 전력 및 에너지 저장 기술 12 개인의 프라이버시와 업무프로세스의 기밀성을 보장하기 위한 암호화 알고리즘 등 보안 및 프라이버시 기술 13 광범위한 애플리케이션을 지원하고 다양한 업종의 공통 요건뿐 아니라 환경, 사회 및 개별 시민의 필요까지 해결할 수 있는 표준화 등 세부 기술로 전반적인 정보산업(또는 정보통신기술산업)과 밀접하게 연관되어 있음 따라서 본 연구에서는 기존의 ICT 기술과 각 산업별 기술이 융합되어 그 결과물 로 나타난 응용 기술 혹은 융합된 기술의 집합을 사물인터넷 기술이라고 정의한다. 본고에서 살펴본 사물인터넷 기술의 범위는 스마트카(Smart Car), 핀테크(FinTech), O2O(Offline to Online), 웨어러블(Wearable), 스마트헬스(Smart Health), 스마트 홈 (Smart Home), 공유경제의 7가지이다. 그러나 하나의 O2O 기술이라고 하더라도 대 리운전, 배달, 세탁, 의료, 부동산, 숙박 등 다양한 세부 분야로 나뉘어 활용되고 있 기 때문에 전체 O2O에 대한 소비자의 수용의도를 조사할 경우 정확한 설문 결과를 도출하기 어렵다. 따라서 본 연구에서는 선정된 7가지 디지털 경제 기술을 다시 세 부 분야로 분류하고, 세부 분야 가운데 각각 한 가지 기술을 선별하여 연구의 대상 으로 삼았다. 선별된 세부 기술은 카 인포테이먼트, 플랫폼 기반 핀테크, 자동차 O2O, 키즈 웨어러블, 앱 기반 스마트헬스, 스마트 홈 시스템, 사물인터넷 기반 공유 경제 기술이다. 본 장의 구성은 다음과 같다. 다음의 2절은 각 기술에 대한 자세한 설명과 산업 현황을 다루고 있다. 소비자의 수용의도에 영향을 미치는 요인을 분석하기 위하여 사용된 방법론은 기술수용모형로서, 모형에 대한 자세한 설명은 3절을 참고하기 바 란다. 4절에서는 기술수용모형의 분석 결과를 설명하였으며, 5절에서는 4절의 분석

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 83 결과를 토대로 결론을 맺는다. 제 2 절 기술현황 1. 스마트카(카 인포테이먼트) 최근 몇 년간 자동차 업계는 핵심 키워드로 스마트카(Smart Car) 에 주목하고 있 다. 스마트카는 광의의 개념으로는 전기, 전자, 통신 기술이 융합되어 고도의 안전성 과 편의성을 제공하는 자동차를 말하고, 협의로는 통신망을 활용하는 자동차를 의 미하며, 매년 미국에서 개최되는 가전박람회인 CES에서 뜨거운 화두가 되어 왔다. 그만큼 스마트카는 우리 생활과 밀접하게 관련되어 있고, 현재 상용화를 목전에 두고 있다. 스마트카 시장은 점차 성장하고 있으며, 규모 측면에서의 향후 전망은 매우 밝은 편이다(원동호, 2013). 특히 스마트카의 선두 국가인 미국은 2020년경에 스마트카의 판매량이 6,900만 대까지 도달할 것으로 예상하고 있다([그림 3-1]). [그림 3-1] 전 세계 자동차 판매량 대비 커넥티드 카 연간 판매량 전망 (단위: 백만 대) 자료: KOTRA http://tradedoctor.kotra.or.kr/bp/cn/gw/bpcngw021m.html?bbs_id=10 &ARTICLE_ID=5028580&MENU_CD=M00001&UPPER_MENU_CD= M00002&MENU_CD2=M00006

84 그 외에 아시아 지역에서는 알리바바와 바이두 등과 같은 중국의 대형 인터넷 기업 을 중심으로, 서유럽은 자동차 인프라를 갖춘 독일 중심으로 크게 발전할 것으로 예 측된다(원동호, 2013). 본고에서는 국내외의 스마트카 산업 중, 편의성을 지원하는 카 인포테이먼트의 현황과 전망을 짚어보고자 한다. 카 인포테이먼트(Carinfotainment)는 자동차(Car)와 정보(Information), 오락(Entertainment)을 결합한 단어이다(한경 경제용어사전). 즉, 자동차와 스마트폰의 연결을 통해 기기 내에 있는 디지털 콘텐츠(음악, 게임, 동영 상 등)를 즐길 수 있으며, 운전에 필요한 정보(과속방지, 길 안내)를 제공받는 통합 화(Integration)된 시스템을 뜻한다(손승원, 2013). 미국의 자동차 산업조사기관인 WardsAuto가 조사한 바로는 아래의 <표 3-2>와 같이 카 인포테이먼트와 관련된 기술과 기능의 장착률이 미국 승용차를 기준으로 매우 높은 것을 볼 수 있다. <표 3-2> 스마트카 주요 부품 부품명 14년 장착률 10) 특이사항 원격시동장치 (Remote Starter) 후방 카메라 (Rearview Camera) 멀티 정보 스크린 (Multi-info screen) 블루투스 시스템 (Bluetooth Hands Free) 음성 인식 시스템 (Voice Recognition System) USB 오디오 인터페이스 (USB Audio Interface) 19.7 55.0 OEM보다는 애프터마켓 부문이 관련 시장을 견인 중 2018년부터 미국 내 판매되는 모든 신차에 장착 의무화 66.3 2025년까지 모든 차종에 장착될 것으로 전망 84.3 79.2 85.8 매우 대중화된 시스템으로 픽업, 밴, 대형차를 제외한 모든 차종이 80% 이상 도입 전 차종에서 성장세 보임. 픽업, 밴, 대형차를 제외한 모든 차종이 80% 이상 도입 보급률이 매우 높으며 90% 이상의 중형차, 고 급차, CUV, SUV에 도입됨. 자료: WardsAuto(http://www.wardsauto.com) 및 글로벌윈도우(http://www.globalwindow.org) 10) 미국 승용차 기준

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 85 그중 스마트폰으로 CD, 카세트 및 라디오 기능을 대처할 수 있는 USB 오디오 인 터페이스의 보급률이 가장 높은데, 이는 IT 기업과 공동으로 개발되고 있는 분야이 다. 예를 들어, 자동차 기업인 포드와 IT 기업인 MS가 합작하여 개발한 SYNC 의 경우 차량과 스마트폰을 연결하여 음성 명령으로 다양한 기능(핸즈프리 통화, 음악 감상과 차량 내부온도 조절 등)을 제어할 수 있다. 또한 터치스크린으로 기기를 더 욱 쉽게 다룰 수 있도록 하는 마이포드 터치(MyFord Touch) 등 다양한 서비스가 등 장하고 있다. 그러나 이러한 기능은 운전을 방해할 가능성이 있으므로, 일부 기능은 주행 중 제한될 필요성이 제기되고 있다. 이와 관련한 스마트카 및 인포테이먼트 시장 에서 자동차 제조업체의 서비스 현황은 <표 3-3>과 <표 3-4>에서 확인할 수 있다. <표 3-3> 해외 업계의 스마트카 관련 서비스 현황 업체 11) 기술명 내용 GM Ford 크라이 슬러 벤츠 4G 텔레매틱스 온스타(OnStar) 통신오락 시스템 싱크 (Sync) 인포테이먼트 시스템(MyGiG) 커맨드 시스템 (Comand System) 2011년 2월, 모토롤라와 4G 적용 텔레매틱스 온스타 제공 - 차량도난이 신고되면 GPS를 활용해 온스타 센서가 스 스로 엔진 출력을 줄이고, 시동이 걸리는 것을 막아줌 - 스마트폰 활용해 24시간, 365일 차량 원격조종, 길안내 서비스 2007년 싱크는 차량 내에서 와이파이 연결을 통해 다양 한 앱 이용, 긴급상황 발생 시 911을 자동으로 연결하는 기능 구비 - 음성기반 운전 중 자유롭게 통화 이메일 확인, 웹 콘텐 츠 이용 - 당뇨나 알레르기 등 건강관리 Ford 기능 앱을 탑재해 건강상태 점검 세브링에 마이긱(MyGiG) 장착 - 30GB 하드디스크에 1,200곡 MP3 파일 저장, DVD로 영 화감상 - 내외부 온도감지와 적외선 센서 이용해 탑승객 신체온 도 감지 라디오, 전화, DVD, CD, MP3 CD, 내비게이션 등 멀티미 디어 - 운전자가 운전에 집중할 수 있어 기기조작 스트레스 경감

86 업체 11) 기술명 내용 BMW 아우디 자료: 전황수 (2012) 인포테이먼트 시스템 아이드라이브(iDrive) 인포테이먼트 시스템 MMI 미래 연결성 멀티미디어시스템 엔튠(EnTune) 내비게이션 및 오디오의 통합 시스템 기능 - 2011년 신형 아이드라이브 실시간 교통정보 및 내비 게이션 정보 제공 2011년 통합 인포테이먼트로 구글 어스와 연동된 인포테 이먼트 시스템 - MMI 센터 콘솔은 다이얼을 돌리거나 눌러서 조작하며, 4개 컨트롤 스위치 중심으로 기능버튼(오디오, TV, CD 등)이 배치 휴대전화와 차량 시스템을 블루투스로 연결해 차량 모니 터로 휴대전화와 차량정보, 내비게이션과 각종 미디어, 오디오 제어 2011년 2월 MS와 협력해 개발, 운전자는 음성을 통해 영 화 티켓을 사고, 식당예약을 하며, 음악을 들을 수 있는 서비스 <표 3-4> 국내 주요 기업의 스마트카 사업추진 현황 업체 현대, 기아차 모비스 만도 자료: 조윤정(2014) 내용 - 자체 스마트카 인포테이먼트 시스템인 블루링크를 출시( 11) - 자동차용 반도체 독자개발을 목표로 현대오트론 설립( 12. 4.) - 블루링크 유료화 전환으로 수익 창출 시도( 14. 5.) 전장품 기능 향상 및 국산화 연구, 자동차용 통신 시스템 개발 - 스마트크루즈, 자동주차 등 섀시 영역 전장품 기술 개발 주력 - 독일 주행보조시스템 업체 DSP 보이펜 인수로 관련 기술 확보( 13. 11.) 자동차 제조업체뿐만 아니라 IT 서비스 업체도 스마트카 서비스 개발에 참여 중 이다. 이에 따라 여러 기업체 간에 제휴형태의 각기 상이한 목표를 가진 스마트카 관련 연합체가 설립되고 있다(<표 3-5>, [그림 3-2] 참조). 이는 IT 생태계를 구 축하기 위한 Content, Platform, Network, Device(CPND)의 생태계 구성 요소를 하나 11) 미국 승용차 기준

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 87 의 단일 기업 내에서 모두 조달하기 어렵기 때문이다. 또한 자동차 제조업체에서는 차량의 무인화를 위해 차량 내부 및 외부의 정보를 통합적으로 관리하는 시스템의 구축을 위해, IT 서비스 업체는 사용자에게 새로운 경험을 누리게 해줄 시장의 창출 을 위해서 연합을 필요로 한다. 즉, 스마트카는 다른 업체군 사이에서의 이해관계가 맞물린 제품으로 볼 수 있다. <표 3-5> 스마트카를 위한 자동차-IT 업체의 제휴 현황 자동차업체 IT업체 자동차-IT 융합 협력부분 GM 구글 포드 MS 소니 - 2011년 5월, 안드로이드 OS 사용 스마트폰 활용 OnStar 서비스 제공에 합의 - Sync 및 음성인식, 와이파이를 결합한 카 인포테이먼트 마이포드 터치 개발 중 - 차량용 엔터테인먼트, 소니 오디오 장착, 차량용 정보단말기 공 동개발 BMW RIM - 블랙베리 등 스마트폰과 차를 연계시키는 기능 개발 아우디 엔비디아 폭스바겐 피아트 재규어 구글 애플 MS 애플 소니 - 그래픽 프로세서 테그라가 들어간 내비게이션으로 다양한 멀티 미디어 즐김 - 3D 맵 내비게이션 - 차량 내 엔터테인먼트 시스템 icar(상품과 디자인, 자동차와 모 바일 통합) 개발 - 블루&미(블루투스를 활용해 차량과 휴대폰 간 연동) - 에코드라이브(운전자의 운전성향을 분석하여 경제운전 유도) - 재규어 Driver Selector(애플이 디자인한 다이얼형 변속기) - 카오디오, 내비게이션, 모바일 LCD TV를 핸들에 장착 혼다 구글 - 구글 어스의 위성지도 기술을 혼다 내비게이션에 제공 현대차 MS KT 삼성전자 - 차세대 오디오 시스템, 차량용 정보시스템, 내비게이션, 텔레매 틱스 개발 - 와이브로와 3G 이통망 등을 활용한 와이브로차를 2012년에 생 산 추진 - 2009년 현대차에 삼성전자가 개발한 차량용 반도체 적용 시작 기아차 SKT - 음성인식, 원격제어 등이 가능한 스마트카 개발 모색 자료: 전황수(2012)

88 [그림 3-2] 스마트카 시장 내 주요 업계 간 합종연횡 현황 자료: 조윤정(2014) 현재 카 인포테이먼트 시장에서 활발히 보급되고 있는 서비스는 구글의 안드로이 드 오토(Android Auto)와 애플의 카플레이(Car Play)다. 이는 소비자가 자신의 스마 트폰을 통해 어느 곳에서나 사용할 수 있기를 원하는 수요를 반영한 서비스이다. 즉, 구글과 애플은 자신이 보급하는 자동차용 플랫폼(OS)을 활용하여, 자동차 내에 서 휴대폰 관리 및 조작이 편리하고, 유용하게 이루어질 수 있도록 하는 데 초점을 두고 있다(<표 3-6>). 이를 통해 자동차 제조업체에서 지원하는 서비스보다는 휴대 폰과 연동되는 서비스의 사용이 증가하고 있다고 볼 수 있다. <표 3-6> 애플과 구글의 스마트카 시스템 회사 시스템 기능 지원가능 자동차 애플 구글 애플 카플레이 (Apple Car Play) 안드로이드 오토 (Android Auto) 자료: 애플, 구글 공식사이트 플러그인 시스템, 음성제어, 터치스크린 플러그인, 음성제어, 앱 포드, 벤츠, BMW, 아우디, 재규어, 토요타, 닛산 등 (33개) 포드, 혼다, 기아, 아우디, GM, 혼다, 현대, 엔비디아 등 (28개)

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 89 국내의 경우 스마트카 선도국 대비 업체 간 협력이 원활하지 않아 서비스가 정착 되는 데 난항을 겪고 있다. 게다가 법적 문제 및 보험 적용 기준 등의 제도적인 차원 에서의 대비가 미비한 까닭으로 아직은 스마트카 산업이 제대로 정착되지 못하고 있다. 그러나 국내의 IT 기술력은 세계 상위권으로 평가받고 있으며, 세계 스마트카 시장을 선도하기 위한 제반 조건은 상당 부분 마련되고 있다. 한편, 스마트카 시장 은 자동차를 기반으로 삼는 생태계이므로 기술 개발 및 제품 교체 주기가 다른 IT 제품에 비해 훨씬 긴 기간이 소요된다는 점을 인지해야 한다. 더 나아가 카 인포테 이먼트 서비스가 더욱 발전하기 위해서는 운전자의 환경을 고려한 사용자 인터페이 스가 개선되어야 한다(류재홍, 2013). 위의 언급된 많은 서비스들은 운전을 방해하 지 않는 범위 안에서 음성과 동작으로 디지털 콘텐츠를 편리하게 즐길 수 있도록 제 작되었다. 그럼에도 불구하고, 운전자가 이를 실제 사용할 때 느낄 수 있는 위험성 이 제기되고 있다. 이를 줄이기 위해서 서비스 이용 운전자의 주의가 분산되지 않도 록 안정성과 편의성에 유념하며 지속적으로 발전할 필요가 있다. 2. 핀테크 가. 핀테크의 배경 및 개념 핀테크(Fintech)란 금융(Financial)과 기술(Technology)의 합성어로 IT 기술을 활용한 혁신적인 금융 서비스를 의미한다. 현재 핀테크 진출 분야에는 지급결제(Payments), 송금(remittance), 대출(Lending), 개인 자산관리(Personal wealth management), 자금조 달(Financing), 은행인프라 제공(Bank Infrastructure) 등이 있으며, 핀테크 산업 투자 규모는 2017년에 800조 원에 달할 예정이다(Gartner, 2013).

90 [그림 3-3] 세계 모바일 결제 시장 규모 (단위 :원) 자료: Gartner(2013) 이와 같이 핀테크 산업이 폭발적으로 성장하게 된 배경에는 3가지 요인이 있다. 첫째, 전자상거래 시장의 급성장을 들 수 있다. 세계 전자상거래 시장이 2014년 기준 으로 1.5조 달러에 이르며, 2017년에는 2.3조 달러에 달할 것으로 보인다(eMarketer, 2015). 또한 국내에서도 전자상거래 시장에 2013년 39조 원까지 성장하였다(통계 청, 2013). 모바일을 통한 시간 및 공간적 제약의 해소로 인해 24시간 동안 언제, 어 디서든 물건 구매가 가능해짐으로써 모바일 소비시장이 폭발적으로 성장할 수 있 었다. [그림 3-4] 세계 전자상거래 시장규모 전망 자료: emarketer(2015)

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 91 [그림 3-5] 국내 B2C 전자상거래 추이(통계청, 2013) 자료: 통계청(2013) 둘째, 비현금 지급수단 이용의 증가이다. 세계 비현금 지급수단 이용은 2009 2012년 중 연평균 7.5%, 2013년 중 9.4% 성장하여 연간 지급 건수가 3,656억 건에 달하며, 국내에서도 2013년 기준 약 35조 원 규모에 달하고 있다(Capgemini, 2014). [그림 3-6] 세계 비현금 지급 수단 이용현황 자료: Capgemini(2014)

92 [그림 3-7] 국내 인터넷뱅킹 이용규모 자료: 한국은행(2013) 셋째, 인터넷 및 모바일의 보급 및 이용의 급증을 들 수 있다. 세계 스마트폰 보급 이 2009년에 1.7억 대에서 2018년에는 17억 대로 전망되고 있는데(Statista, 2014), 이 는 스마트폰 시장이 불과 10년 사이에 10배 가까이 성장한 수치이다. 또한 각종 IoT 기술(비콘(Beacon), NFC(Near Field Communication)과 O2O(Online to Offline)의 등장 은 핀테크 산업의 바탕이 되어 관련 산업의 성장에 밑거름이 되고 있다. 나. 전 세계 핀테크 산업 동향 액센추어(Accenture)가 2014년에 발표한 보고서에 따르면, 핀테크(fintech) 스타트 업에 대한 전 세계 투자규모가 2008년 9억 2,000만 달러에서 2013년에는 29억 7,000 만 달러로 약 3배 이상 증가한 것으로 나타났다. 또한 벤처스캐너가 조사한 바에 따 르면, 2014년 11월 기준으로 핀테크 산업 17개 분야에 1,027개 업체가 존재하며, 이 들 업체에 총 129억 달러의 투자가 이뤄진 것으로 조사됐다. 이렇듯 전 세계에서 앞 다퉈 핀테크 기업과 스타트업이 치열한 경쟁 구도에 진입하고 있다.

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 93 [그림 3-8] 세계 스마트폰 보급대수 전망 주: 2014년 이후는 전망치 자료: Statista(2014) 전 세계 핀테크 산업에서 가장 두각을 나타내고 있는 나라 중 하나는 미국이다. 미국은 세계 최대의 핀테크 시장으로, Accenture에 따르면 전 세계 글로벌 핀테크 투자의 83% 차지하고 있고, 그중 32%는 실리콘 밸리로 투입되고 있다. 핀테크 산업 에서 주목해야 할 또 다른 국가는 영국이다. 런던은 원래부터 유럽 및 세계 금융의 중심지 중 하나였던 자신의 인프라를 활용하여 2008년 글로벌 금융위기 이후 다양 한 핀테크 스타트업이 사업을 적극적으로 개시하고 있다. 그리고 거대 은행 및 금융 자본이 투자에 나서면서 2014년 기준 런던에만 1,800여 개의 핀테크 기업이 존재하 는 것으로 알려졌다(디지에코 보고서, 2015). 한편, 미국, 영국과 함께 핀테크에 가장 많은 투자를 하고 있는 나라는 중국이며, 중국은 방대한 내수 시장과 모바일 인터넷 사용자, 중국 정부의 핀테크 지원 정책을 바탕으로 핀테크 산업을 빠르게 성장시키 고 있다. 특히 전 세계적인 주목을 받는 알리바바에서 제공하는 알리페이는 2013년 기준 총 결제액 3조 8,729억 위안(약 650조 원)을 기록했다(Business Insider, 2014). 다. 모바일 결제 서비스의 유형 및 사례 핀테크는 기술과 형태에 따라 다양한 방법으로 분류될 수 있다. 본보에서는 핀테

94 크를 대표적인 기능에 따라 모바일 결제 서비스, 전자화폐, 대출 서비스, 금융 소프트 웨어의 4가지로 구분하며, 그 가운데 모바일 결제 서비스만을 연구 대상으로 한다. 모바일 결제 서비스는 현재 국내 핀테크 산업에서 압도적인 비율을 가지고 있는 서비스이며, 세계 시장에서도 핀테크를 언급할 때 가장 많이 예로 드는 서비스이다. 모바일 결제 서비스는 소비자에게 보다 간편하게 결제할 수 있는 기능을 제공하며, 일반적으로 신용카드, 은행계좌 등과 연동해 송금 서비스를 제공하거나 온라인과 오프라인에서의 결제 서비스를 제공한다. 페이팔(PayPal), 알리페이(AliPay), 텐페이 (TenPay), 애플페이(ApplePay), 카카오페이 등이 이에 해당된다. 국내외에 다양한 모 바일 결제 서비스가 산재해 있으며, 특히 국내에서는 모바일 결제 서비스를 제외한 핀테크 서비스를 거의 찾아보기 힘든 실정이다. 현재 다양한 플랫폼에서 모바일 결 제 서비스를 제공하고 있으며, 기존 은행, 카드 회사에서 제공하는 결제를 비롯하여 하드웨어 제조사와 통신사 및 인터넷 회사 등의 IT 업계의 진입도 활발한 상황이다. <표 3-7> 모바일 국제 서비스 국내외 제공 기업별 분류표 모바일 OS 하드 웨어 전자상 거래 기업명 서비스명 출시시기 서비스 개요 특장점 Apple Apple Pay 2014. 10. Google 삼성전자 삼성전자 ebay Google wallet NFC 결제 서비스 2011. 5. Paypal 1998. 12. Paypal Here 아이폰6와 아이폰6+를 NFC 단 말기에 접촉해 손가락을 터치ID 에 대고 본인 인증 후 결제(3일 만에 이용건수 100만 건 돌파) NFC 결제, 이메일 송금 서비스 (13년) 중국 유니언페이와 제휴, 유니 언페이 카드 정보를 IC칩에 저 장 후 NFC 결제 멤버십 카드와 쿠폰 이용, 항공 권도 관리 페이팔 계좌끼리 또는 신용카드 로 송금, 입금, 청구 가능, 카드 를 페이팔 계정에 등록하면 로 그인만으로 결제 가능 작은 신용카드 리더기를 스마트 폰이나 태블릿에 장착해서 판매 시스템(POS)을 구축 아메리칸 익스프레스, 비자마스 터, 디즈니랜드, 맥도날드, 스타 벅스 등 우수 가맹점 확보 유니언페이 NFC 결제 지원하는 가맹점 단말기 360만 대, 중국에 서 유니언페이 점유율 80% 1억 5천만 명 회원 확보, 이베이 에서 분사되면 다른 제휴처 및 가맹점 확보에 유리 스퀘어와 같은 기능과 페이팔의 점유율 결합

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 95 전자상 거래 통신사 인터넷 기업 기업명 서비스명 출시시기 서비스 개요 특장점 ebay Smile Pay 2014. 4. Amazon Amazon Payments 2014. 6. Alibaba Alipay 2013. 5. AT&T verison, T-mobile SKT 소프트 카드 스마트 월렛 2010. 6. KT 모카월렛 2012. 12. LG U+ 다음 카카오 페이나우 플러스 카카오 페이 뱅크 월렛 카카오 2014. 11. 2014. 11. 네이버 라인페이 2014. 12. 텐센트 텐페이 2013. 9. Square Square Reader 2009 Stripe 2009 Baidu 바이두 월렛 2014. 4. 지마켓과 옥션에서 최초 결제 시 카드번호를 입력하면 이후 구매할 때 휴대폰 단문메시지 (SMS)만으로 인증 아마존과 제휴한 온라인 상점 아 마존으로 결제하기 (Pay with Amazon)로 결제 에스크로 플랫폼(Escrow Platform) 제공, 제휴 은행 계좌로 선불 충 전 후 온/오프라인 상점에서 사 용 가능 NFC를 기반으로 심카드의 시큐 어 엘리먼트에 결제정보를 저장 여러 멤버십 카드 하나의 앱에 서 통합 관리 간편결제, 카드, 은행계좌, 상품 권 등록 액티브X나 공인인증서 없이 앱 설치, 최초 1회 결제정보 등록하 면 추가 절차 없이 결제 액티브X나 공인인증서 없이 앱 을 설치, 최초 1회 결제정보 등 록하면 추가 절차 없이 결제 하루 최대 10만 원까지 송금 가 능, 1인당 최대 50만 원까지 충 전 가능 한국과 중국에서는 이용제한, 일본 내 모바일 송금과 결제를 모두 지원 에스크로 플랫폼(Escrow Platform) 제공, 제휴 은행계좌로 선불 충 전 후 온/오프라인 상점에서 사 용 가능 작은 신용카드 리더기를 스마 트폰이나 태블릿에 장착해서 판 매시스템(POS)을 구축 모바일 앱에서 간편 카드결제 솔루션과 API 제공 모바일 간편 결제 시스템 아마존의 원클릭 서비스를 제휴 업체까지 확대 적용 알리바바 중국 내 B2B(알리바바) 점유율 45%, B2C(T몰) 점유율 50%, C2C(타오바오) 점유율 80%, 중국 모바일 결제 시장 50% 장악, 알리페이 가입자 수는 9억 명 80여 개 스마트폰에서 사용 가 능, 30여 개에는 기본 설치, 아멕 스, 체이스, 웰스파고 은행 신용 카드 등과 제휴, 서브웨이 가맹 60여 개의 가맹점 보유 국내 3,500만 MAU 확보, KB, BC, 현대, 롯데, 삼성카드 등 9 개 주요 카드사와 제휴 우리, 국민, 신한은행을 비롯한 전국 17개 은행과 제휴, 국내 3,500만 MAU 확보 비자, 마스터, JCB, AMEX, DINERS 카드제휴 미쓰이스미 토모, 미즈호 은행 제휴 위챗회원 수6억명, QQ 회원수10 억 명 확보, 중국 모바일 결제시장 20% 점유, 텐페이 가입자 수 2억 명, 국내에서는 다날, 신세계와 제휴 누구나 손쉽게 스마트폰이나 태블릿을 이용해서 신용카드 결 제시스템 구축 가능 139개 통화 지원, 은행계좌 이 체와 비트코인, 알리페이까지 지원, 애플페이와 제휴 중국 검색 점유율 60%, 1위로서 의 영향력

96 결제 기업 카드 회사 은행 기업명 서비스명 출시시기 서비스 개요 특장점 NHN 셀프 페이 2014. 9. KG 이니시스 신한카드 롯데카드 Kpay 지분인수한 KCP(한국사이버결 제)를 통해 NFC 기반 간편결제 서비스 출시 간편결제 서비스 올댓 쇼핑 & 월렛 2014. 7. 전자지갑에 큐레이션 쇼핑 기능 과 쿠폰 포함 롯데카드 클러치 2014. 5. 삼성카드 M포켓 2012. 5. 국민카드 와이즈 월렛 2013. 10. 하나은행 하나N월렛 2012. 2. 신한은행 주머니 2012. 2. 자료: 박세열(2015) 전자지갑 기능에 쿠폰과 프 등을 제공 스탬 전자지갑에 위치정보 이용한 쿠 폰 제공 카드, 멤버십, 쿠폰을 등록하여 결제 은행계좌 대신 휴대전화번호로 소액 송금 가능, 선불카드에 현 금 충천 후 오프라인 가맹점에 서 바코드로 대금 결제 은행계좌 대신 휴대전화번호로 소액 송금 가능, 선불카드에 현 금 충천 후 오프라인 가맹점에 서 바코드로 대금 결제 업계 1위 카드사로 2,200만 회원 보유 20만 다운로드 이상 기록 전화번호로 간편하게 송금 가능 전화번호로 간편하게 송금 가능 라. 플랫폼 기반 모바일 결제 서비스 최근 다양한 기업이 모바일 결제 서비스 시장에 뛰어들면서 사업자 특성에 따라 다양한 형태의 모바일 결제 서비스가 나타나고 있다. 모바일 결제 서비스는 제공하 는 기업의 특징을 기준으로 두 가지로 분류할 수가 있다. 먼저, 기존에 결제 서비스 를 제공하는 은행이나, 카드회사에서 제공하는 결제 서비스와 핀테크 산업에 새로 이 뛰어드는 기업 중 기존에 제공되던 서비스에 모바일 결제 서비스를 추가하는 방 식으로 진행되는 서비스를 들 수 있다. 특히 SNS, 포탈 웹사이트를 비롯한 다양한 플랫폼에 기반하여 제공되는 모바일 결제 서비스를 플랫폼 기반 모바일 결제 서비 스라 칭한다. 국내의 대표적인 플랫폼 기반 모바일 결제 서비스로는 SNS 메신저 기 반의 카카오 페이와 포탈 서비스 네이버에서 제공하는 네이버 페이가 있으며, 국외 에는 온라인 쇼핑몰인 알리바바에서 제공하는 알리페이, SNS 메신저 기반의 텐센트

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 97 에서 제공하는 텐페이 등이 대표적이다. 대개 금융기관 또는 카드사 등의 기본 비즈 니스 모형의 일부를 API(Application Program Interface)로 융합 연계하여 파생산업에 서 선불 결제 플랫폼을 제공하고 있으며, 이러한 방식은 금융기관의 송금, 이체 서 비스가 모태가 되는 단순 송금 서비스 방식을 인터페이스에 프로그래밍시킨 구조이 다. 플랫폼의 기존 사용자가 모바일 결제 서비스의 초기 사용자로 진입하는 경우가 많은 것이 특징이며, 일반적으로 다른 모바일 결제 서비스와 같이 비밀번호 입력 등 간단한 방식으로 결제가 이루어진다(안유백, 2015). 특히 알리바바에서 제공하는 알리페이는 기존의 전자상거래 서비스와 모바일 결제 서비스를 결합시킴으로써 현재 중국 내 1위 거래량을 가지고 있으며, 이용자 수와 거래규모 면에서 이베이를 넘어서며 세계 최대 전자상거래 기업으로 성장 중이다. [그림 3-9] 알리바바와 이베이의 거래규모 (단위: 십억 달러) 자료: Business Insider(2013) 마. 핀테크 산업의 향후 전망 앞으로의 핀테크 시장은 다양한 기술의 도입과 시장 확대로 계속 성장해 나갈 것 으로 전망된다. 우선, 국내 은행은 글로벌 및 내부 IT 업체의 국내 금융업 진출 확대 로 기존 방식에서 벗어나 고객의 일상생활을 하나로 통합하고, 새로운 연계 서비스 를 제공하기 위한 변화 모색에 나설 전망이다(KB 금융지주 경영연구소, 2013). 그리

98 고 기존의 지급결제를 담당하는 금융회사 외에 다양한 ICT 기업이 속속 모바일 금 융시장에 진입하고 있는 실정이다. 그러나 현재까지는 선도적 위치를 차지한 기업 이 없는 상황이므로 이에 따라 모바일 금융시장 선점을 위한 경쟁이 치열해질 것으 로 예상된다. 핀테크가 혁신적인 기술과 아이디어로 소비자를 전통적인 금융서비스 에서 끌어오기 위해서는 안전성의 확보가 가장 중요할 것으로 보인다. 핀테크는 기 본적으로 IT 기술을 기반으로 하기 때문에 안정성에 문제가 발생할 경우에는 산업 자체에 큰 위협 요인으로 작용할 가능성이 크다. 따라서 핀테크가 간편하고 편리한 서비스를 안정적으로 제공하기 위해서는 고도의 보안 유지가 필수적이며, 전통적인 금융서비스가 정적, 사전적 보안을 중시한 것에 비해 핀테크는 개별 플랫폼을 통한 거래이기 때문에 동적, 사후적 보안의 비중이 높아져야 할 것이다. 3. 웨어러블(키즈 웨어러블) 키즈 웨어러블(Kids Wearable)이란 어린이를 대상으로 제공되는 웨어러블을 뜻한 다. 키즈 웨어러블 시장은 어린이의 안전에 직접적으로 연계되는 경향이 강하며, 아 이의 안전을 위해 스마트폰을 사주고는 싶지만 스마트폰의 부작용 때문에 꺼려하는 부모들에게 키즈 웨어러블은 그 대안이 되고 있다(박정훈, 2015). 키즈 웨어러블은 반복적으로 이용하는 경향이 강해 소비자의 충성도가 높고, 서 비스 이탈률이 상대적으로 낮다(박상훈, 2015). 이러한 특성은 이동통신사 및 제조 사에 이점으로 작용하지만, 주사용자가 어린이인 만큼 제품 안정성 등의 이슈가 성 인을 대상으로 하는 제품보다 중요하다는 점을 명심해야 한다. 실제로 최근 국정감 사에서 키즈폰의 전자파 흡수율이 큰 이슈가 되었고, 근래에 출시되는 제품들은 전 자파 인증이나, 소재의 친환경 인증 등을 적극적으로 홍보하고 있다. <참고> 키즈 마켓의 특성 골드키즈(Gold Kids), 식스 포켓 원 마우스(6 Pocket 1 Mouth) 골드키즈는 왕자나 공주처럼 대접을 받는 외동자녀를 의미하며, 식스 포켓 원 마우스는 한

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 99 아이에게 부모, 조부모, 외조부모 등이 지출을 하는 소비행태를 나타내는 단어이다(김선영, 2014). 이 단어가 보여주는 것처럼, 이러한 키즈 마켓의 특성은 경기가 좋지 않아도 나홀로 성장을 거듭하는 원동력이 되고 있다. 저출산 시대를 맞아 초혼 연령이 높아지면서 외동자 녀가 늘어나면서 그만큼 부모가 자녀에게 투자하는 경향이 반영된 것으로 보인다. 엔젤산업(Angel Industry, Angel Business) 엔젤 산업이라는 단어는 가계 총지출 대비 자녀를 위한 교육비가 차지하는 비율을 표시한 엔젤 계수(angel coefficient) 에서 유래되었다(김연선, 2015). 국내 엔젤 계수는 국민총생산 대비 8% 수준으로 선진국이 5~6%인 것에 비해 높은 편인데, 이는 우리나라 부모가 그만 큼 자녀의 교육에 투자하고 있다는 것을 보여준다(김연선, 2015). 과거 의류, 완구 등에 한 정되어 있던 엔젤 산업은 이제 영유아의 교육과 문화 관련 사업을 넘어 애니메이션, IT, 금 융 등 다양한 분야로 확장되는 추세다. 스마트 페어런팅(Digital Parenting) 스마트 페어런팅은 육아 과정에서 양육자가 디지털 기기와 관련 서비스를 적극 활용하여 보다 효율적인 육아를 하는 것을 뜻한다(홍지수, 2015). 여성의 경제 활동 참여가 늘어나면 서 워킹맘과 남성의 육아를 도와주는 다양한 서비스가 등장하게 된 것이다(홍지수, 2015). 이는 크게 육아 과정을 기록하는 라이프로그(Lifelog), 실시간 케어, 육아 정보 제공, 에듀케 이션 영역으로 나누어진다. 가. 글로벌 키즈 웨어러블 시장 글로벌 키즈 웨어러블 시장은 크게 베이비 모니터(Baby Monitor)와 차일드 트래커 (Child Tracker) 두 종류로 나눌 수 있다(Hunn, 2015). 활동량이 적은 영유아기에는 주로 모니터의 기능을 하고, 본격적으로 활동량이 늘어나기 시작하면 키즈 웨어러 블의 역할은 아이들의 움직임을 쫓는 트래커로 옮겨가게 된다(Hunn, 2015). 베이비 모니터는 기본적으로 아이의 몸에 센서를 부착하여 아이의 호흡, 체온, 움 직임 등을 부모의 스마트폰에 전달하는 기능을 제공한다(Hunn, 2015). 이러한 기능 은 아기가 착용하는 여러 일상 용품으로 확장되는데, 대표적으로 스마트 양말, 스마 트 기저귀 등을 예로 들 수 있다. 1) 아울렛(Owlet)의 스마트 양말 아이가 자고 있을 때에는 산소, 체온 등에 관한 정보를 제공해주고 아기가 몸을 뒤집을 때나 수치가 급격히 변할 때에 부모의 스마트폰으로 긴급 알림을 전송한다 (J son & Partners Consulting, 2015).

100 2) 픽시 사이언티픽(Pixie Scientific)의 스마트 기저귀 배설물의 성분 분석, 산소 레벨, 염증 질환의 여부, 비타민 결핍증 여부 등의 건강 상태에 관한 정보를 제공한다(Sharia, 2015). 3) 스프라우틀링(Sproutling)의 스마트 팔찌 아이의 체온, 심장 박동 수, 움직임, 주변의 온도 습도 등의 정보를 제공한다(J son & Partners Consulting, 2015). 영유아기를 넘어 아이의 활동량이 점점 늘어나기 시작하면 아이의 움직임을 추적 하는 기능을 제공하는 웨어러블이 사용된다(Hunn, 2015). 집 안에서뿐만 아니라, 집 밖에서도 사용되어야 하기 때문에 차일드 트래킹 웨어러블은 하드웨어 제조사와 함 께 이동통신사도 서비스를 제공한다(Hunn, 2015). 4) hereo GPS, 시계 기능을 한다. 부모가 앱으로 아이의 위치를 확인할 수 있다(J son & Partners Consulting, 2015). 5) 마이 버디 태그(My Buddy Tag) 물속에 있는 아이를 모니터할 수 있게 해주는 기기로 아이가 물속에 5초 이상 머 무르면 알려주는 기능을 한다(J son & Partners Consulting, 2015). [그림 3-10] 베이비 모니터와 차일드 트래커의 글로벌 판매량 추이 자료: Hunn(2015)

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 101 <표 3-8> 전 세계 웨어러블 판매량 제조사 3Q15 출하량 3Q15 시장점유율 3Q14 출하량 3Q14 시장점유율 전년 동기 대비 핏빗(Fitbit) 4.7 22.2% 2.3 32.8% 101.7% 애플(Apple) 3.9 18.6% 0.0 0.0% NA 샤오미(Xiaomi) 3.7 17.4% 0.4 5.7% 815.4% 가민(Garmin) 0.9 4.1% 0.5 7.0% 72.5% BBK 0.7 3.1% 0.0 0.0% NA 기타 7.3 34.6% 3.9 54.6% 88.8% 총 21.0 100.0% 7.1 100.0% 197.6% 자료: IDC Worldwide Quarterly Wearable Device Tracker(2015) 차일드 트래커 부문은 중국 웨어러블 시장에서 큰 비중을 차지하고 있다(GSMA, 2015). China Mobile에 의하면 현재 40~50개의 브랜드가 트래커 제품을 시장에 선 보이고 있으며(GSMA, 2015), 스마트폰보다 스마트 워치를 선호하고 있다(Jing, 2015).이러한 상황을 단적으로 보여주는 예가 중국의 전자회사 BBK의 2015년 3분 기 판매량으로, BBK의 자회사 XTC는 2015년 3분기에 Y01이라는 어린이용 웨어러 블 한 가지 제품으로 삼성의 전 세계 웨어러블 판매량을 넘어섰다(IDC, 2015). BBK 는 중국 내에서 출시한 키즈폰 하나로 전 세계에서 웨어러블을 5번째로 많이 판매 한 회사가 되었다(IDC, 2015). 나. 한국 키즈 웨어러블 시장 국내의 키즈 스마트 시장은 크게 교육용 디바이스와 아이 안전을 위한 디바이스 로 나뉜다. 초기에는 교육용 키즈 태블릿 PC에 치중되어 있었지만, 점점 다양한 종 류의 디바이스가 출시되고 있다(김선영, 2015). 특히 안전을 위한 디바이스 분야에 서는 상대적으로 웨어러블이 두드러지는 경향을 보인다. 또한 국내의 육아와 관련 한 높은 소비성향은 이러한 성장을 이끄는 원동력이 되고 있다. 서울 중산층의 경우 육아 관련 지출이 가계지출총액의 40.9%, 월 가구소득의 32.4%를 차지하고 있다. 이 와 같이 다른 국가에 비해 높은 엔젤계수 등은 한국 부모의 높은 교육열과 자녀에

102 대한 투자를 증명해준다(김선영, 2014). 이를 기반으로 국내 엔젤산업은 27조 원 규 모로 성장했으며, 이는 10년 전과 비교했을 때 대략 10배가량 늘어난 수치이다(KB 증권, 2013). 키즈 웨어러블 시장은 시장이 포화되어 스마트폰 시장의 성장이 저하된 상황에서 제조사와 이동통신사에게 새로운 기회가 되고 있다. 국내 웨어러블 시장에서는 이 동통신사가 단말기 제조사와 제휴하여 위치추적 및 SOS 기능 등을 포함한 디바이 스와 서비스를 소비자에게 제공하고 있다. <표 3-9> 국내 키즈 웨어러블 출시 동향 제품명 회사 제품분류 주요 기능 주 타깃층 키즈폰 SKT 트래커 키즈온 SKT 트래커 자녀의 위치를 실시간으로 알려줌 위급 시 긴급알람 T Map 기타 통화, 문자 서비스 다이렉트 콜, 보호자 전화 자동 수신 실시간 위치 확인, 특정 시각 위치 알림 친환경 휴대전화 기기 인증 초등학교 저학년 초등학교 저학년 KizOn LG U+ 트래커 자녀위치 조회 미취학 아동 키즈-태그 LG U+ 트래커 30M 이상 떨어지면 알람 유아 올레똑똑 KT 트래커 U안심 알리미 KT, SKT 교육부 트래커 사전 지정번호에 한해 문자, 통화 가능, 이 모티콘 전송 가능, SOS, 위치추적, 활동량 체크 긴급호출 SOS, 현위치 조회, 이동경로 조 회, 안심존(Zone) 관리 보호자가 웹사이트나 스마트폰 앱으로 아 이의 위치정보 확인 가능 초등학교 저학년 키즈알리미 LG U+ 트래커 어린이집 차 추적, 도착알림 미취학 아동 키즈 웨어러블은 성인 소비자를 대상으로 하는 웨어러블 제품에 비해 위치추적, 전화 수발신 기능 등 간단한 핵심 기능만으로 소비자의 수요를 충족시킬 수 있다(김 선영, 2015). 이동통신사가 제공하는 키즈 웨어러블 서비스의 경우 부모의 스마트폰

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 103 서비스와 연계하여 신규 고객의 확보뿐만 아니라 장기고객으로 유도하는 데 유리하 며, 통신사에 대한 우호적 이미지 형성에 도움을 줄 수 있다(김선영, 2015). 국내 키즈 스마트 시장은 앞으로도 그 범위가 확대될 것으로 예상된다(김선영, 2015). 앞서 말한 것처럼 키즈 마켓 자체가 부모와 아이의 더블 타깃으로 이루어져 있지만, 아이가 부모의 디바이스를 빌려 쓰는 것이 아니라 본인이 소유하기를 희망 하기 때문에 이를 고려하여 키즈 전용기기를 출시하는 것이 중요하다. 하지만 서비 스 구매자가 부모이기 때문에 교육, 안전 등 학부모의 수요를 겨냥한 상품을 중심으 로 성장할 것으로 예상된다. 또한 아이의 안전을 위한 키즈 웨어러블은 디바이스의 사용자는 아이이며, 위치추적 등의 핵심 서비스를 제공받는 것은 부모인 특수한 형 태를 띠고 있기 때문에 상품기획 단계에서부터 각 타깃층을 고려할 필요가 있다. 4. O2O(자동차 관련 O2O) 가. O2O 배경 및 개념 초기 커머스 분야에서 강세를 보였던 O2O 서비스는 최근에는 소비자를 위한 생 활밀착형 서비스인 플랫폼 비즈니스 On-Demand 형태로 진화를 하고 있다. 서비스 산업 분야를 넘어서 On-demand Economy 12) 라는 신조어가 생긴 만큼 앞으로 사회 전반의 경제구조에 큰 변화를 불러올 것으로 예상된다. Ericsson(2014)에 따르면 2014년을 기준으로 전 세계 스마트폰 가입자 수는 27억 명이며 2020년에는 약 61억 명으로 늘어날 것으로 예상된다. 이는 전 세계 인구의 90% 정도가 스마트폰을 소지하게 된다는 뜻이다. 이처럼 전 세계적으로 스마트폰 가입자 수가 꾸준히 증가할 수 있게 된 주요 요인으로 인터넷 서핑, 온라인 쇼핑, SNS(Social Network Service) 등의 활동을 PC가 아닌 모바일을 통해서 이동 중에 쉽 게 이용할 수 있게 된 점을 들 수 있다(김대건, 2014). 12) On-demand economy: 사용자의 개인화된 수요에 맞추어 즉각적으로 대응하는 수요 중심의 경제

104 [그림 3-11] 전 세계 스마트폰 가입자 수 추이(2010~2019(E)) 자료: Ericsson (2014), p.7 스마트폰 가입자 수의 증가와 함께 스마트폰을 통한 모바일 쇼핑의 비중이 꾸준 히 증가하고 있다(Nielson, 2013). 특히 국내의 경우, 모바일 쇼핑 규모가 20조 원을 돌파하는 등 인터넷 쇼핑 시장이 모바일을 기반으로 급속하게 재편되고 있다. 2014 년을 기준으로 전체 인터넷 쇼핑에서 모바일 쇼핑이 차지하는 비율은 43%에 달하 는데(비즈니스와치, 2014. 12. 16), 모바일 쇼핑의 증가 추세는 2015년에도 이어져 [그림 3-12] 국내 인터넷 쇼핑 시장 규모(2012~2015) 자료: 한국온라인쇼핑협회, 비즈니스와치(2014) 재인용

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 105 국민 10명 중 4명은 스마트폰을 통해 온라인 쇼핑을 하는 것으로 분석된다(김미희, 2015. 07. 20). 소비자가 모바일을 통해 이동 중에도 언제, 어디서나 간편히 온라인 쇼핑을 즐길 수 있게 됨에 따라 온라인 상거래와 오프라인 상거래의 경계가 자연스럽게 허물어 지면서 O2O(Online to Offline)라는 개념이 생기게 되었다. O2O란 ICT 기술을 기반 으로 시공간의 제약 없이 온라인과 오프라인 쇼핑을 연계하여 고객을 유치하는 각 종 서비스 및 그와 관련된 비즈니스 모형을 뜻한다. 모바일 쇼핑의 발전과 더불어, 각종 IoT 기술(비콘(Beacon), NFC(Near Field Communication))의 출현과 핀테크(Fintech)의 등장은 O2O 서비스 산업의 부상에 날 개를 달아주며 관련 산업을 급격히 성장시키고 있다. 이에 스타트업뿐만 아니라 구 글, 아마존, 다음카카오, 네이버 등 국내외 주요 ICT 기업과 유통업계 기업이 자사의 서비스를 오프라인에서 온라인으로 확장(또는 온라인에서 오프라인으로 확장)하거 나, 특정 산업의 플랫폼을 구축하는 형태 등으로 새롭고 혁신적인 사업모형을 내놓 으며 O2O 시장에 적극적으로 뛰어들고 있다. [그림 3-13] O2O 개념도 자료: 정보통신기술진흥센터(2014), 황지현 (2015) 재인용 O2O 서비스 열풍의 트리거 역할을 한 Uber 서비스의 등장 이후로, O2O는 전 세

106 계 ICT 업계 및 유통업계 등에서 확실한 차세대 유력 서비스로 자리매김하고 있으 며, 대기업부터 스타트업까지 다양한 형태의 기업이 O2O 시장을 선점하기 위한 치 열한 경쟁을 벌이고 있다. 13) 나. O2O 서비스의 유형 시장과 기술 환경의 변화에 따라 빠르게 진화하고 있는 O2O는 서비스 유형과 관 련해 여러 형태의 정의와 접근법이 존재하지만, 비즈니스 모형에 따라 크게 On-demand형 O2O, Omni-channel형 O2O, Support형 O2O 의 세 가지 서비스 유 형으로 구분할 수 있다. 이 유형은 서비스 주체에 따라 그 영역이 서로 겹칠 수 있다 (이코노믹리뷰, 2015. 6. 2). 1) 온디맨드(On-demand)형 O2O 서비스 온디맨드 O2O란 실시간 중개형 서비스로서 ICT 기술을 통해 상품이나 용역을 실 시간으로 주문하고, 결제까지 가능한 시스템을 의미한다. 최근 O2O 서비스에서 가 장 활발한 성장세를 보이는 산업군으로 대표적인 서비스인 우버와 에어비엔비를 시 작으로 현재는 배달, 대리운전, 부동산, 가사, 세차, 의료 등 다양한 분야에서 여러 오프라인 사업자를 연결하는 플랫폼 비즈니스 중심으로 특색 있는 서비스가 쏟아지 고 있다. <표 3-10> 온디맨드형 O2O 서비스 현황(한국, 미국 기준) 영역 주차장 예약 카 쉐어링 택시 주요 기업 서비스 파크히어, 아이파킹, 모두의 주차장 쏘카, 유카, 그린카, 시티카 카카오택시, T맵택시, 리모택시, 우버X(UberX), 리프트(Lyft) 13) 국내에서는 O2O 배달 서비스 배달의 민족, 배달통, 요기요 의 삼파전이 진행되 고 있으며, 국내의 주요 벤처투자사 10곳을 대상으로 실시한 2015년 상반기 스타 트업 유망 투자 분야 조사에서 O2O가 1위를 차지하였다(전자신문, 2014. 8. 18).

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 107 영역 대리 주차 대리 운전 자동차 중고 정비 세차 음식주문 배달 세탁 의료 부동산 숙박 가사 주요 기업 서비스 솔버, 파킹온, 럭스(Luxe), 발레애니웨어(ValetAnywhere), 지르크(Xirx) 버튼대리, 키트, 컴백홈 헤이딜러, 피알엔디, 바이카 카닥, 카수리, 카페인 인스타워시 배달의 민족, 요기요, 배달통, 그럽허브(GrubHub) 부탁해, 푸드플라이, 덤앤더머스, 띵동, 쉽(Shyp), 포스트메이츠(Postmates), 크린바스켓, 세탁특공대, 와시오(Washio) 굿닥, 힐(Heal) 직방, 다방 에어비앤비(Airbnb), 야놀자, 여기야, 여기어때, 코자자 홈스토리, 대리주부, 홈마스터 특히 [그림 3-14]와 같이 Top 10 스타트업 기업 중 우버가 1위로 500억 달러(약 50조 원)로 평가되고, 3개의 기업(우버(Uber), 에어비엔비(Airbnb), 디디 콰이디(Didi [그림 3-14] 2015년 8월 기준 전 세계 벤처기업의 기업가치 순위 자료: statista.com

108 Kuaidi)) 14) 이 On-demand형 O2O 서비스 기반의 기업이라는 점을 비추어 본다면, 온디 맨드 O2O 서비스가 전 세계적으로 많은 기대를 받고 있는 분야임을 짐작할 수 있다. 2) 옴니채널(Omni-Channel)형 O2O 서비스 옴니채널형 O2O 서비스는 소비자의 모바일을 통한 온라인 쇼핑이 활발해지면서 생겨난 쇼루밍(Showrooming) 15) 과 역쇼루밍(Reverse Shpwrooming) 16) 의 구매패턴에 대한 오프라인 매출 감식을 극복하기 위해 탄생한 개념이다. 주로 오프라인 기업에 서 온라인으로 서비스를 확장하는 방식의 사례가 많아 옴니채널형 O2O 서비스를 제공하는 대부분의 기업은 유통기업으로, 국내의 경우 신세계 그룹과 롯데 그룹 등 이 발 빠르게 온라인 기업의 역습을 대처하는 중이다. [그림 3-15] 옴니채널 O2O 서비스 모형 자료: KT경제경영연구소(2015) 14) 디디 콰이디(Didi Kuaidi): 중국판 우버 인 택시 O2O 서비스. 중국 내 우버 서비스를 몰아내기 위해 알리바바의 택시어플 디디 다체(Didi Dache) 와 텐센트의 콰이디 다체(Kuaidi Dache) 가 합병함으로써 만들어졌다. 15) 쇼루밍(Showrooming): 소비자들이 오프라인 매장에서 제품을 살펴본 뒤, 실제로 구매는 비교적 저렴한 온라인을 이용하면서 오프라인 쇼핑몰이 전시장(Showroom)으로 전락하는 현상을 이르는 개념 16) 역쇼루밍(Reverse Showrooming): 쇼루밍(showrooming) 과는 반대의 개념으로 제품 에 대한 정보를 미리 온라인에서 검색한 후 구매는 직접 오프라인 매장에서 하는 현상을 이르는 개념

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 109 업체에 따라 서비스 방식에 약간의 차이는 있지만, 주로 오프라인 기반의 유통업 체가 자사의 오프라인, 온라인, 모바일 등 모든 쇼핑 채널을 유기적으로 연결시켜 고객에게 최적의 구매 동선을 제공하는 서비스 방식을 채택하고 있다. 예를 들어, 롯데 그룹은 소비자가 자사의 오프라인 매장인 대형마트, 백화점, 편의점 등에서 물 건을 결정하고 온라인 쇼핑몰을 통해 할인된 가격에 구매하면, 오프라인 매장에서 바로 수령 가능한 스마트픽 서비스를 출시하며 온 오프라인의 장점을 한번에 체 험할 수 있는 옴니채널 O2O 서비스 환경을 구축 및 제공하고 있다(KT경제경영연구 소, 2015). 옴니채널형 O2O 서비스는 오프라인 기업의 온라인 서비스로의 진출만으로 국한 되지 않는다. 중국의 알리바바와 텐센트의 경우 자사의 온라인 채널을 기반으로 오 프라인 서비스로의 진출을 공격적으로 시도하고 있다. 텐센트는 자사의 모바일 메 신저인 위챗과 간편결제 텐페이를 내새워 왕푸징 백화점과 제휴를 맺어 상품 바코 드를 스캔하여 바로 제품을 주문할 수 있는 서비스를 선보이기도 하였다. [그림 3-16] 옴니채널 O2O 서비스 사례 자료: KT경제경영연구소(2015)

110 3) 서포트(Support)형 O2O 서비스 서포트형 O2O 서비스는 비콘 센서를 통한 위치기반 기술을 이용해 고객의 빅데 이터를 기반으로 서비스를 제공하는 방식이 크게 확산되고 있는 추세이다. 소비자 가 비콘이 설치된 매장을 지나가면 각종 할인쿠폰이나, 프로모션 정보를 푸쉬 메시 지로 보내는 형식으로 작동된다. 특히 요식업에서는 모바일을 통해 미리 주문을 하 면 기다릴 필요 없이 바로 이용이 가능한 서비스도 활발히 진행되고 있다. 이와 같 이 매출을 지원해 주는 방식의 서비스는 마케팅적 측면에서도 크게 활용되고 있는 데, 대표적인 서비스로 시럽 오더, 시럽, 얍, 플레이스팁스 등이 있다. 서포트형 O2O 서비스는 비콘의 기술력을 전적으로 의존하는 서비스인데, 비콘 기 술의 다소 부족한 정교함과 스팸성 푸쉬로 인한 소비자의 반감, 개인정보 수집 등에 따른 제반 사항은 해당 서비스가 보다 활발히 이루어지기 위해서 꼭 해결되어야 할 문제로 남아 있다. [그림 3-17] SK 플래닛의 Syrup 서비스 자료: SK 플래닛 다. O2O 서비스 향후 전망 On-demand O2O는 플랫폼의 양면시장의 속성을 갖고 있어 수요자와 공급자를 많

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 111 이 연결할수록 그 영향력이 높아지게 된다. 그렇기 때문에 O2O 플랫폼을 제공할 때 극적인 효과를 누릴 수 있는 영역은 B2C 서비스 중에서 개별적으로는 그 규모가 작 더라도 동종 사업자의 수가 많은 곳이 전체 시장으로 볼 때는 큰 규모이기 때문에 유망하다고 볼 수 있다. 숙박, 택시, 음식점 등의 영역에서 이러한 소규모 사업자를 한데 묶어 O2O 플랫폼을 제공하는 On-demand O2O 서비스가 현재 활발히 진행 중 이다. 한 사업자의 평균 매출액과 전체 시장규모를 분석한 결과, 앞으로는 식료품 위주 소매업(주로 슈퍼마켓), 학원, 인테리어, 의류 소매업 등의 영역으로 확산될 것 으로 예측되며, 그렇게 된다면 미래의 O2O 플랫폼 시장은 약 21.5조 원까지 성장할 것으로 추정된다(김종대 김나경, 2015). [그림 3-18] O2O 플랫폼 유망 시장 자료: 김종대 김나경(2015) 한편, On-demand O2O는 플랫폼을 기반으로 소비자에게 편리함을 주지만, 다른 시각으로 본다면 굳이 온라인과 오프라인을 합칠 필요가 없는 서비스를 연결시켜 일부만을 개선한 정도로 볼 수 있다. 이러한 이유로 O2O 서비스 사용자는 서비스를

112 이용함에 따라 삶의 질은 향상되었지만, 추가적으로 지출하는 비용은 거의 없다. 이 와 같은 O2O의 치명적인 약점을 극복하기 위해 단순한 플랫폼 서비스가 아닌, 더욱 세분화된 소비자의 니즈에 맞춘 니치(niche) 서비스로 초점을 맞춰야 할 것이다. 대 표적인 사례로 배달 서비스인 푸드플라이, 띵동, 배민라이더스 등이 있다. 이러 한 서비스는 기존 배달 O2O 서비스에서 제공하지 못하던 유명 음식점, 카페, 베이 커리 등의 음식을 주문 받아 배달해 주는 서비스인데, 소비자는 추가비용을 지불하 며 서비스를 이용하고 있다. 이렇듯 소비자의 채워지지 못한 니즈를 파고들어 고객 의 가치를 차별화한 O2O만의 새로운 모형을 발굴한다면, 한 단계 진화한 미래 O2O 서비스로서 입지를 다질 수 있을 것이다. [그림 3-19] O2O 비즈니스 진화 방향 자료: 김종대 김나경(2015)

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 113 5. 공유경제(사물인터넷 기반 공유경제 기술) 가. 사물인터넷 기반 공유경제 현황 공유경제는 한번 생산된 제품을 여러 사람들끼리 공유함으로써 자원의 활용 및 효용을 극대화하는 경제 활동으로, 협업적 소비라고도 명명된다. 예전부터 많은 사 람들이 경제적 이윤, 자원 절약 등의 목적으로 다양한 공유경제 활동에 참여해왔으 며, 공유대상은 물건, 주거 공간, 정보, 지식 등 매우 광범위하다. 앞서 언급되었듯이 대표적인 서비스로는 주거 공유 서비스인 Airbnb가 있다. 이는 타인의 남는 주거공 간을 저렴한 가격에 이용할 수 있다는 점에서 Win-win 관계를 형성하며, 전 세계적 으로 많은 이용자를 얻고 있다. 대다수의 공유경제 활동은 온라인 웹사이트를 통해 사용자와 대여자 간의 관계를 형성하는 구조이다. 하지만 IT 기술의 발전에 따라 일 부 공유경제 서비스는 새로운 방식을 통해 이용자에게 서비스를 제공하고 있다. 이 서비스의 대다수는 B2C 방식으로 기업이 무인대여시스템을 통해 소비자에게 공유 경제 관련 서비스를 제공하는 방식을 취하고 있다. 대표적으로 그린카와 소카 등의 카쉐어링 서비스를 예로 들 수 있는데, 이 서비스는 기존의 렌터카 서비스와 차별화 된 시스템의 구축으로 스마트한 환경에서의 새로운 교통수단으로 떠오르고 있다. 일반적으로 기존의 렌터카 서비스는 이용자가 렌터카 업체에 가서 계약서를 작성하 고 신분확인 등 일련의 과정을 거쳐야 하는 반면, 카쉐어링 서비스는 웹사이트 또는 스마트폰을 통해 자신이 원하는 차량을 선택 및 예약한 후 인근의 대여소로 가서 스 마트폰을 이용해 차량 시동을 걸고 바로 선택한 차량을 이용할 수 있게 설계되어 있 다. 스마트폰은 차량을 예약, 이용, 반납할 때 이용될 뿐만 아니라, 스마트폰을 통한 이용요금 자동결제 시스템으로 기존의 렌터카 서비스와는 확연히 다른 사용자 경험 을 제공하고 있다. 스마트폰과 차량 간의 네트워크는 사물 간의 통신, 즉 사물인터 넷을 활용한 공유경제 서비스의 대표적인 사례라고 볼 수 있다. 또한 카쉐어링 업체 쏘카는 스마트폰뿐만 아니라, 웨어러블 디바이스로 동일한 서비스를 이용할 수 있 도록 하고, 음성 인식을 통해 차량을 작동하게 함으로써 다른 업체보다 한발 더 앞 선 스마트한 공유 환경을 제공한다고 볼 수 있다.

114 나. 사물인터넷(IoT) 기술을 활용하고 있는 B2C, C2C 기반 협력적 소비 제품 및 서비스 비교분석 1) B2C(Business to Customer) B2C(Business to Customer) 측면에서의 공유 서비스는 사람들에게 제공되는 재화 의 소유권은 특정 기업에 있는 것으로 사업자인 기업이 주체가 되어 대여되는 재화 를 대여 및 관리하는 것을 의미한다. 차량을 하루 단위로 대여해주는 렌터카, 카쉐 어링 사업도 일종의 B2C 기반의 쉐어링 서비스로 볼 수 있다. 앞으로는 기존의 B2C 기반 쉐어링 서비스에 사물인터넷 기술이 적용되어 무인시스템을 통해 사용자가 필 요한 재화를 언제, 어디서든지 바로 사용할 수 있는 환경이 확대될 전망이다. 아래 의 설문에서 대상으로 삼은 사물인터넷 기술이 활용되고 있는 쉐어링 서비스로는 카쉐어링 서비스가 있다. 현재 대다수의 해당 서비스가 스마트폰 애플리케이션으로 필요한 차량을 즉시 예약 및 작동(차량 도어 제어, 시동)을 하도록 설계되어 필요할 때마다 따로 계약서를 작성할 필요 없이 바로 차량을 이용할 수 있다는 특징이 있다. 예시) B2C 기반 카쉐어링 서비스 - 차가 필요할 때 30분, 10분 단위로 차량을 대여하여 이용 가능 - 연중무휴 24시간 무인시스템으로 렌트카처럼 직원을 만나 계약서 작성할 필요 없이 스 마트폰으로 예약하고, 해당 차가 있는 존(시내 다수 거점)을 방문 후 스마트폰 앱 또는 회원카드를 이용해 내차처럼 즉시 차량문을 열고 이용할 수 있음 - 홈페이지/모바일웹/앱으로 간편하게 예약하고 앱 스마트키를 통해 즉시 차량 이용 가능 - 차량을 대여한 위치에 반납하면 되고, 예약한 시간/거리만큼 요금이 자동 결제됨 - 다양한 차종을 보유하여 차량의 사용용도에 맞춰 사용 가능 - 차량의 소유/유지비용을 절감할 수 있는 경제적인 교통수단 - 차량을 공유함으로써 교통혼잡을 줄이고, 환경보호에 기여 자료: GreenCar http://www.greencar.co.kr/about/ 2) C2C (Customer to Customer) C2C(Customer to Customer) 측면에서의 공유 서비스는 특정 개인의 소유물이자 자주 사용하지 않는 재화를 단기간 동안 이를 필요로 하는 사람에게 합당한 금액을 받고 대여해주는 것을 의미한다. 대표적으로 일반 가정집에서 외국인과의 홈스테이

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 115 를 할 수 있도록 중개해주는 홈스테이 코리아, 이와 유사한 주택공유서비스 Airbnb, 차량공유서비스 Uber가 있다. 앞으로는 개인 소유의 재화에도 사물인터넷 기술을 반영함으로써 무인시스템을 통해 다른 사람에게 개인 소유의 재화를 바로 빌려줄 수 있는 환경이 확대될 전망이다. 아래의 설문에서는 사물인터넷 기반의 일대일 쉐 어링 서비스의 사용을 가정하고 있다. 구체적인 예로 개인의 일반 차량에 단말기(사 물인터넷 기술)를 설치함으로써 어플리케이션을 통해 빌리는 사람의 요청과 대여자 의 승인이 이루어지면, 자동차 키를 직접 주고받는 번거로움 없이 스마트폰으로 차 량 문을 제어하고 시동을 걸어 빌린 재화를 사용할 수 있다. 예시) C2C 기반 카쉐어링 서비스 - 자주 사용하지 않는 개인 소유의 차량을 특정 시간 동안 차를 필요로 하는 사람에게 합당한 금액을 제공받고, 빌려줄 수 있음 - 사물인터넷 기술이 반영된 단말기를 차량에 설치함으로써 빌려주는 사람과 빌리는 사 람 간의 직접적 교류(자동차 키 제공) 없이 앱을 통한 대여자의 승인 하에 스마트폰 앱 을 이용해 즉시 차의 이용이 가능 - 차량을 대여한 위치에 반납하면 되고, 예약한 시간/거리만큼 요금이 자동결제됨 - 빌리는 사람 입장에서는 차량을 구매함으로써 생기는 차량의 소유/유지비용을 절감할 수 있고, 대여자 입장에서는 이윤과 함께 재화를 효율적으로 사용할 수 있도록 돕는 경 제적인 교통수단으로 볼 수 있음 - 사람 간의 커뮤니케이션 기회가 확대되어 사회적 관계의 형성 가능성이 있음 - 차량을 공유함으로써 교통혼잡을 줄이고, 환경보호에 기여 6. 스마트 헬스케어(앱 기반 스마트 헬스케어) 가. 스마트 헬스 현황 최근 원격의료와 생체 데이터 모니터링을 포함한 스마트 건강관리 분야가 다시 주목받기 시작하면서 이와 관련한 정부의 연구프로젝트 지원과 연구개발이 활발히 이루어지고 있다. 특히, 모바일을 기반으로 한 웨어러블 헬스케어는 새로운 건강관 리 서비스 분야의 핵심 키워드로 자리 잡고 있다. 웨어러블 디지털 기기를 활용한 건강관리기술은 시간과 장소의 제약 없이 개인의 건강상태를 long-term으로 모니터 링하는 것이 가능하고, 이상 증후를 발견할 경우 초기에 대응할 수 있다는 장점이

116 있다(민세동, 2015). 나. 배경 및 개념 최근 건강의 개념이 Cure에서 Care로 바뀌었다. 즉, 병이 발병하였을 때 치료를 잘 하는 것보다 오랫동안 건강을 유지하며 사는 것에 관심이 더욱 많아졌다고 할 수 있 다(민세동, 2015). 따라서 스마트 헬스 큐어 가 아니라, 스마트 헬스 케어 인 것이 다. 스마트 헬스케어 산업은 넓은 의미에서 기존의 치료 부분 의료 서비스에 질병 예방 및 관리의 개념이 더해진 것을 말한다. 즉, 전반적인 건강관리 사업을 지칭하 는 말이다. <표 3-11> 헬스케어 패러다임의 변화 구분 1.0(공중보건의 시대) 2.0(질병치료의 시대) 3.0(건강수명의 시대) 시대 18~20세기 초 20세기 초~말 21세기 이후 대표적 기술혁신 목적 주요 지표 인두접종 개발 페니실린 개발 인간게놈 프로젝트 전염병 예방과 확산 방지 질병의 치유, 치료 전염병 사망률 기대수명, 중대질병 사 망률 공급자 국가 제약/의료기기 회사, 회사 질병 예방 및 관리를 통한 건강한 삶 영위 건강수명, 의료비 절감, 만족도(+경험) 기존 공급자, IT, 전자, 건설, 자동차 회사 등 수요자 전 국민(시민) 환자 환자. 비환자 헬스케어 산업의 주요 변화 자료: 고유상 외(2012) 1) 예방접종, 상하수도 보급 2) 청진기, X-RAY 발명 3) 의사 양성체계 확립 1) 제약/의료기기/병원의 산업화 2) 신약 및 치료법 개발 1) 유전자 조기진다 2) 맞춤 치료제 등장 3) 스마트 헬스케어 보급 일반적으로 의료 서비스는 병원에서 제공되지만, 기술의 발전으로 인하여 전통적인 의료 서비스의 형태는 바뀌고 있다. 1990년대에 이미 국내에서 통신망을 이용하여 의료진 간에 의료영상과 같은 의료정보를 주고받으며, 협진하는 원격진료(Telemedicine)가 등장하였고, 인터넷을 통해 다양한 의료정보를 검색할 수 있는 시대가

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 117 되었다. 또한 각종 초소형 센서의 개발로 건강과 질병에 관련된 정보를 손쉽게 측정 가능한 도구를 시간과 장소의 제약 없이 사용할 수 있게 되었다. 이렇게 정보통신 기술과 센서 기술의 발전은 질병의 진단과 치료에서 예방과 관리로 의료 서비스의 패러다임을 바꾸었다(<표 3-11>). 이러한 패러다임의 변화는 유헬스케어(Ubiquitous Healthcare)를 탄생시켰다. 유헬스케어는 IT와 건강, 바이오 산업이 융합하여 새로운 개념의 건강관리와 복지 서비스로 확장되었다. 또한 <표 3-12>에서 볼 수 있듯이 한국보건산업진흥원(KHIDI)에서는 유헬스케어를 이용자의 유형 및 구조적 특성(보 험제도 등)에 따라 U-메디컬(만성질환자를 대상으로 하며, 원격진료 및 원격의료 를 포함), U-실버(65세 이상의 노령자를 대상으로 하는 요양 중심), U-웰니스(일 반인 대상)로 구분하고 있다. 여기에 건강관리, 운동 및 영양 처방, 환자교육 등을 포함하여 스마트 헬스 라는 용어가 등장하였다(스마트 디바이스 트렌드, 2015). <표 3-12> 유헬스케어 구분 분야(이용자) U-메디컬(환자) U-실버(고령자) U-웰니스(일반인) 자료: 한국보건산업진흥원(2014) 내용 1) 국민 대상 질병 예방, 치료/관리 서비스 제공 2) 병원 및 환자 관련 서비스(건강보험 관련) 1) 고령자 대상 질병 및 생활관리 서비스 제공 2) 홈케어, 안전관리, 생활지원 서비스(노인 장기요양 보험 관련) 1) 국민 대상 건강 증진, 생활환경 등의 삶의 질 개선 서비스 제공 (보험과 무관) 2) 식생활, 운동, 건강관리 등 서비스 다시 말하면, 보건의료서비스에 IT 기술을 접목하여 병원 중심의 원격의료(telehealth) 단계에서 점차 환자 중심의 e-헬스 및 U헬스로 진화하였다. 그리고 스마트 폰이 보급되면서 과거 유헬스케어 서비스에서는 구현하기 어려웠던 서비스가 하나 둘씩 모바일 헬스케어 서비스로 나타나기 시작하면서 의료와 복지, 안전 등이 복합 화되고 지능화된 스마트 헬스케어로 진화되었다(김승환, 2013).

118 다. 기술개발 현황 스마트헬스는 IT 기술을 통해 쉽게 사용할 수 있는 다양한 건강관리 및 의료 서비스 이다. 관련 제품은 Nike 사의 Fuel Band, Google 사의 Google Fit, Apple 및 Samsung 의 Smart Watch 등이 있다. 이와 같은 웨어러블 IoT 디바이스를 통해 헬스케어 서비 스 제공을 위한 운동량 정보(칼로리 소모량, 거리, 걸음 수 등), 족적 정보(움직임, 족 압 등), 심전도, 칼로리 등의 정보를 측정할 수 있으며, IoT 플랫폼과 연계하여 다양 한 서비스를 제공받을 수 있다. 또한 이는 다양한 형태의 건강정보 측정 센서 부품 에서부터 지능형 플랫폼, 사례 기반 추론, PHR(Personal Health Record), 스마트 미디 어, 스마트 보안 기술 등 다양한 기술로 구성된다. 생체정보의 전송은 기존의 통신 망을 활용하여 가능하며, 생체정보 측정 기술은 최근 10여 년 동안 많은 연구개발이 진행되었다. 생체정보를 분석하고, 추론하는 기술은 아직 연구 및 개발이 활발하지 는 않지만, Big Data 생체정보 분석 기술은 앞으로 많은 연구개발이 진행될 분야이 다. 다음에서는 이와 관련한 다양한 유형의 스마트 헬스에 대하여 살펴보고자 한다. 1) 홈케어 홈케어는 급속하게 발전하고 있으며, 현재 실생활에서 사용되고 있다. 혈압계, 혈 당계, 심전계, 체중계 등 가정용 생체정보 측정기기를 이용하여 가정 내에서 건강과 관련된 생체정보를 간편하게 측정하고, 이를 서비스 센터로 전송하여 건강상태를 지속적으로 모니터링한다. 이에 더하여 고혈압, 당뇨병 등 만성질환을 관리하는 형 태의 서비스이다. 필립스 사에서는 가정에 비치된 기기를 이용하여 체중, 혈압, 심전도, 혈당 등을 간편하게 측정하고, 이를 무선으로 집 안의 원격 스테이션에 전송하여 인터넷을 이 용하여 서비스 센터에 있는 데이터 서버에 저장한다. 이후 건강관리사가 해당 데이 터를 모니터링하여 건강을 관리해주는 원격 모니터링 플랫폼을 개발하였다. 17) 미국 의 WelchyAllyn에서는 생체정보를 모니터링할 수 있는 휴대단말을 개발하여 환자 17) Philips Telehealth Solutions, www.healthcare.philips.com

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 119 감시 장치로 활용하고 있으며 18), Honeywell HomMed 19), Viterion 20), Health Hero etwork 21) 등에서 다양한 홈케어 서비스를 제공하고 있다. 국내에서는 비트컴퓨터에 서 IPTV를 이용한 홈케어 시스템을 개발하는 등 다양한 형태의 홈케어 시스템이 개 발되어 재택진료 시범 서비스에 활용되었다. 22) 한국전자통신연구원(ETRI)에서는 약 을 복용하는 고령자의 약복용 스케줄을 관리하고, 적절한 방법으로 복약할 수 있도 록 약복용 관리시스템을 개발하였다. 이에 더하여 최근에는 와이파이 기능이 내장된 체중계 등이 개발되어 가정에서 손쉽게 체중과 체지방을 측정하고, IoT 기술을 통하여 생체 데이터를 관리할 수 있 는 기기가 출시되고 있으며, 마지막으로 스마트폰과 연계되어 간편하게 체온, 혈당, 혈압 등을 측정하여 관리할 수 있는 제품이 출시되고 있다. 23) 2) 모바일 헬스케어 모바일 헬스케어는 이동 중에 생체정보를 측정하여 시간과 장소의 제약 없이 건 강관리 서비스를 제공하는 기술이다. 이를 위해 이동 중에도 생체정보를 안정적으 로 측정할 수 있는 센서 시스템이 요구되며, 이러한 시스템은 착용형 또는 휴대형으 로 구현된다. 여기에 측정된 생체정보는 모바일폰을 통해 서비스 센터로 전송할 수 있다. 현재 모바일 헬스케어 시장은 애플과 구글, 삼성의 삼파전이다. 애플의 대표적인 디지털 기기인 애플워치는 현재 활동량(심박 수, 칼로리 계산, 거리 계산, 걸음 수 계산 등)의 측정이 가능하다. 애플의 건강 어플리케이션을 살펴보면, 건강 데이터 결과, 생식 건강, 수면, 신체 측정, 영양, 운동, 활력징후 등 다양한 카테고리가 존재 18) WelchAllyn Patient Monitors, www.welchallyn.com 19) HomMed Home Healthcare, www.hommed.com 20) Viterion 100 TeleHealth Monitor, www.viterion.com 21) Health Hero Network Health Buddy, www.healthbuddy.com 22) 비트컴퓨터 산모케어 IPTV 서비스, www.bit.co.kr 23) Medisana VitaDock, www.vitadock.com

120 한다. 이는 애플이 추후 이러한 부분의 생체정보를 수집할 계획이라는 것을 나타낸 다. 더하여 애플에서 개발 중인 리서치 키트(플래폼)은 전 세계의 iphone 사용자를 끌어당기는 의학 어플인데, 사용자가 자신의 데이터를 전송하고 애플은 이를 활용 해서 치료 및 예방에 활용할 계획이다. IBM에서는 혈압, 체중, 심박 수, 심전도 등의 생체 데이터를 평소에 손쉽게 수집한 후 모바일폰으로 전송하여 Mobile Wireless Health Solution을 통해 모바일 헬스케어 서비스를 받을 수 있도록 하였다. 또한 EU 에서는 각종 모바일 헬스케어 서비스를 연구개발하기 위해서 IST(Information Society Technology) Framework Programme을 시행하고 있다. 뿐만 아니라 휴대형 심전도 측 정기와 카드형 혈압계가 개발되었으며, 모바일 혈당관리 서비스를 받을 수 있는 당 뇨폰도 개발되었다. 한편, 3D 해부학 앱인 Visible Body, 질병을 찾아내 진단해주는 Isabel 앱, 사용자 의 연령에 맞는 백신을 추천해 주는 VaxNation 앱, 천식을 관리해 주는 AsthmaSense 앱, 의료 서비스를 비교해주는 Castlight 앱 등 다양한 모바일 앱이 개발되었다. 이러 한 앱은 의사의 진료를 도와주고, 의사와 환자 간의 생체정보를 공유하고, 효율적으 로 관리할 수 있도록 다양한 서비스의 제공을 가능하게 한다. 3) 웨어러블 헬스케어 최근 국내외에 출시된 웨어러블 헬스케어 기기는 관련 규제와 정책 등으로 진단 및 치료보다는 개인의 건강관리를 도울 수 있는 부분으로 그 영역을 확장하고 있다. 그중 가장 쉽게 접근할 수 있는 부분이 개인의 운동량 및 활동량을 측정 및 모니터 링할 수 있는 Activity tracker이다. 또한 이들 기기의 유형은 시계, 밴드, 의류, 안경, 렌즈 등 다양한 형태로 출시 및 연구개발되고 있으며, 이 중 가장 많은 유형은 시계 및 밴드형이다(한국보건산업진흥원, 2014). 2013년 기준으로 건강(fitness) 관련 미국 내 스타트업 기업이 연평균 136%씩 증가 하고 있으며, 총 1억 4,500만 달러 규모의 투자가 이루어지기도 하였다(한국정보화 진흥원, 2014). 이러한 웨어러블 건강관리 디바이스의 개발뿐만 아니라, 이를 활용한

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 121 헬스케어 플랫폼 및 서비스 모형도 제안되고, 상용화되고 있다. 건강관리 및 운동 관리의 기능 외에 SNS 기능, Feed-back 기능, Entertainment 요소를 가미한 서비스들 이 등장하고 있다. 또한 최근에는 빅데이터 기술과 IoT(Internet of Things) 기술이 융 합하여 건강관리 서비스의 영역을 한층 넓히고 있다. 일상생활에서 지속적으로 축 척된 개인의 건강정보는 빅데이터의 정형 및 비정형 데이터 분석을 통하여 새롭고, 정확한 Feed-back을 제공하는 분야로 발전해 나갈 것으로 전망된다(한국정보화진흥 원, 2014). 이와 함께 IoT 기술과 맞물려 각 웨어러블 건강측정 센서로 측정된 데이 터는 연동이 가능하여 새로운 정보를 제공해 줄 수 있을 것이다. 이러한 웨어러블 헬스케어 시장은 2012년 기준 20억 달러 규모였으나, 2019년 58 억 달러 규모가 될 것으로 전망되어, 연평균 16.4%의 성장률을 기록할 전망이다. 24) 웨어러블 디바이스 중 건강관리와 의료부분이 2018년까지 가장 가파르게 성장할 것 으로 예측된다. [그림 3-20] 각종 웨어러블 헬스케어 디바이스 및 벤더 24) Wearable Technology Market-Global Scenario, Trends, Industry Analysis, Size, Share And Forecast 2012-2018

122 [그림 3-21] 웨어러블 디바이스를 활용한 헬스케어 플랫폼 모형 자료: 한국정보화진흥원, 2014 4) 헬스케어 디바이스 의복 외에 신발, 벨트, 반지, 귀걸이, 목걸이, 지팡이, 축구공, 컵, 줄넘기 등 생체정 보 측정을 위한 다양한 물건이 개발되고 있으며, 이를 통해 건강을 관리하려는 시도 가 이루어지고 있다. 나이키와 애플이 함께 만든 Nike+iPod Sport Kit는 신발에 센서를 장착하여 사용 자의 주행속도 등을 측정하고, 주행속도에 맞는 음악 콘텐츠를 추천하여 제공하는 운동 보조 기기이다. 25) 아디다스에서도 이와 비슷한 운동정보 측정용 신발을 출시하 였다. 26) 필립스에서는 생체신호 측정 디바이스를 반지형태로 개발하였으며, 폴라에 서는 가슴띠 형태로 개발하였다. 27) 바디미디어에서는 Arm Band 형태로 운동량을 측 정하고, 수면상태를 모니터링하는 SenseWear을 개발하여 판매 중이다. 28) 그리고 HAP ILabs에서 개발한 스마트 포크는 사용자의 먹는 속도를 측정해 사용자가 빨리 25) Nike+iPod, www.apple.com/ipod/nike 26) Adidas Micoach, micoach.adidas.com 27) Polar, www.polar.fi 28) BodyMedia, www.bodymedia.com

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 123 먹으면 포크가 진동해 천천히 먹을 수 있도록 유도한다. 29) FitBit의 Flex은 팔찌형태 로 출시되었는데, 이를 통해 열량 소모량, 걸은 거리, 운동시간 등 활동량을 체크하 고 숙면 정도를 모니터링하는 것이 가능하다. 30) Misfit Wearables에서는 걸음 수, 자 전거 타는 거리 등을 측정하는 Misfit Shine을 개발하였다. 31) 또한 나이키의 FuelBand 도 팔찌형으로 운동량을 측정하기 위한 웨어러블 디바이스이다. 국내에는 ETRI에서 낙상폰, 건강벨트, 스마트 신발 등을 개발하였다. 낙상폰은 고 령자의 낙상에 의한 사고를 보고하기 위해 낙상을 감지하여 알려주는 기기이고, 건 강벨트는 복부비만을 관리해주며, 스마트 신발은 일상생활 중 칼로리 소모량을 측 정하고 보행 패턴을 분석하여 바른 보행습관을 가질 수 있게 유도 및 유지해주는 신 발이다. 여기에 더하여 일상생활을 모니터링하여 패턴과 변화를 알려주는 라이프 코칭 시스템을 개발하였다. 마지막으로 의자와 침대 등 일상 생활용품에 생체정보 를 측정하기 위한 센서를 내장하여 사용자가 인식하지 못하는 상태에서 자연스럽게 생체정보를 수집하고, 이를 통해 건강을 관리하는 시스템에 대한 연구개발이 진행 중이다. <표 3-13> 헬스케어 디바이스 제품 스마트 컵 마크원 베실 스마트 축구공 아디다스 마이코치 스마트 볼 스마트 줄넘기 탱그램 Smart Rope 구글 구글 글라스, 스마트 콘텍트 렌즈 기 타 애플 애플 리서치 키트 IBM 인공지능 컴퓨터 왓슨(Watson) 29) HAPIlabs hapifork, www.hapilabs.com/products-hapifork.asp 30) fitbit flex, www.fitbit.com/flex 31) misfitwearables shine, misfitwearables.com

124 7. 스마트 홈(스마트 홈 시스템) 스마트 홈이란 가정에 있는 사물, 환경 등에 대해 모니터링하여 원격에서 제어하 거나, 자동으로 제어되는 시스템을 적용한 주택 및 가정을 말한다. 스마트폰을 이용 하여 가정 내 원격 에너지 관리, 전자제품 및 조명의 원격제어 등의 편리한 생활이 가능하며, 방범, 방재 등을 통해 안전한 생활을 보장받을 수 있다. 스마트 홈의 3대 분야로는 스마트 가전(스마트 TV, 스마트 냉장고, 스마트 에어컨 등), 에너지 관리 (조명/전기 및 수도/난방 등), 홈 시큐리티(도어락, 창문 개폐, CCTV, 움직임 감지 등)가 있다(이경현, 2014). 가. 국내외 기업 현황 1) 국외 애플은 WWDC 2014를 통해 홈킷을 공개하였다. 애플은 조만간 홈킷을 통해 집안 의 조명, 보안 시스템, 온도, 동작인식 센서, 창문의 그늘까지 제어할 수 있게 될 것 이라고 소개했다. 홈킷은 애플이 만든 스마트 홈 플랫폼, 다시 말해 ios로 스마트 기기를 제어할 수 있는 허브 역할을 한다. 애플의 음성인식 서비스 시리나 써드파티 앱을 활용하면 아이폰으로 컨트롤할 수 있도록 설계된 기기는 모두 제어할 수 있게 된다. 애플은 홈킷을 통해 집 밖에서도 집 안에 있는 스마트 기기를 제어할 수 있도 록 하는 계획을 추진 중이다(한진주, 2015). Google은 온도자동조절 IoT 제품을 개발한 네스트랩스 사를 인수하면서 스마트 홈 시장에 진입하였다. 네스트랩스의 대표 제품인 써모스탯 은 단순 온도조절기가 아니다. 사회적 가치와 수익을 창출하는 IoT 비즈니스 플랫폼이다. 이 동그랗고 작 은 물건은 자가학습(Self-learning) 이라는 똑똑한 방법으로 에너지를 아끼고, 사용 자에게 이득을 준다. 이외에도 Amazon은 Amazon Dash를 통해 가정에서 쉽게 쇼핑을 할 수 있도록 하 는 Smart Home Commerce 제품을 출시하였다. 대쉬 버튼 내에는 와이파이가 탑재돼 있어 소비자가 주로 다량으로 구입하는 물건을 버튼 한번 누르는 것으로 주문할 수

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 125 있도록 했다(이정훈, 2015). 뿐만 아니라 중국의 샤오미도 스마트 홈 시장에 진출해 있다. 샤오미에 따르면 샤오미 게이트웨이는 샤오미 스마트 모듈을 사용해 샤오미 클라우드 및 다른 스마트 설비와 연결시킬 수 있다. 샤오미의 모션 센서는 인체 혹 은 동물의 움직임을 인식하고, 도어 센서는 실시간으로 창문의 개폐 상태를 감지해 도난을 예방하고, 개폐 상태에 따라 자동으로 공기정화기나 에어컨 등과 같은 다른 스마트 가전 설비의 제어도 가능하다. 이 밖에 무선 스위치로 다른 스마트 가전기기 의 작동도 제어할 수 있도록 설계됐다(배인선, 2015). 2) 국내 국내의 경우 삼성전자, LG전자가 자사 가전제품에 Connectivity를 부여하고, 스마 트폰을 허브로 스마트 홈 시장에 진입해 있다. 삼성전자는 삼성 스마트씽스 허브를 통해 자체 프로세서를 강화해 기기 간의 연결과 제어를 더욱 빠르게 처리하며, 카메 라와 연결해 영상으로 집안을 확인할 수 있는 보안 기능을 추가했다(최갑천, 2015). 반면, LG전자의 스마트 홈 방향은 허브 역할을 하는 냉장고, 세탁기, 에어컨이 게이트 웨이와 통신을 하고, 게이트웨이는 다른 소형 생활가전을 통제하는 식이다. 즉, 핵심 허브인 냉장고, 세탁기, 에어컨과 게이트웨이의 통신(Wi-Fi), 게이트웨이와 각 소형 생활가전의 통신(NFC)이 유기적으로 연결될 수 있도록 만든 것이다(이민형, 2015). 현재의 스마트 홈은 단순히 연결된 제품들을 스마트폰을 통해 컨트롤하거나 미리 입력한 값을 명령어를 통해 조건부 반응을 하는 반자동 스마트 홈이다. 그러나 향후 스마트 홈에서의 차별화 포인트는 다양한 센서에서 수집되는 엄청난 양의 데이터를 효율적으로 수집하고, 클라우드와 빅데이터 분석을 통해 효과적으로 저장, 처리, 분 석할 수 있는 플랫폼의 제공 여부가 될 것이다. 나. 시장 전망 미국 맥킨지(Mckinsey) 글로벌 연구소는 가정의 IoT 애플리케이션 도입에 따른 경 제 가치가 2025년 기준 최대 3,500억 달러에 달할 것으로 추정했다(Harald Bauer, 2014). Strategy Analytics(SA)에서 발표한 스마트 홈의 시장전망에 따르면, 2014년 스마트 홈 시장은 480억 달러로 예상하고 있으며, 2019년에는 1,150억 달러의 규모

126 까지 확대될 것으로 예상하였다. 특히, 2019년에는 2억 2,400만 가구에서 최소 한 개 이상의 가구에서 Smart Home System을 사용할 것으로 전망하였다(Strategy Analytics, 2014). 또한 미국 시장조사 업체 가트너(Gartner Inc.)는 사물인터넷으로 연결되는 스마트 홈 기기 숫자가 2014년에는 전년 대비 126% 늘어난 4억 7,000만 대에 이르고, 2020 년에는 69억 6,000만 대까지 늘어날 것으로 내다봤다(Rivera, 2014). 그리고 미국 시 장조사업체 얼라이드 마켓 리서치는 세계 스마트 홈 기기 산업이 향후 5년간 연평 균 16.6% 성장률을 기록, 2020년에 383억 5,000만 달러(약 45조 612억 원) 시장을 형 성할 것이라고 예상했다. 스마트 가전의 성장은 에너지 절감 효과에 대한 소비자의 관심이 증가하는 것이 주 영향으로 분석됐다. 다른 요인으로 새로운 통신, 편의 기 능을 탑재한 혁신 가전에 대한 수요가 늘고 있다는 점을 들 수 있다. 스마트 가전 중 가장 큰 시장점유율을 차지하는 제품군은 식기세척기다. 범용성 이 넓고 가격이 비싸기 때문이다. 국내에서는 식기세척기가 아직 필수 가전이 아니 지만, 유럽이나 북미 지역에서는 대중적인 제품에 속한다. 한편 스마트 가전 중 가 장 빠른 성장속도를 보이는 제품군은 에어컨이다. 삼성전자, LG전자 등 세계 주요 가전 업체에서 앞다투어 혁신적인 신제품을 내놓으며 시장을 키우고 있다(Shreyas Naidu, 2014). 다. 스마트 홈 시스템 1) 스마트 홈 시스템 구성 스마트홈(Home automation) 시스템은 센서(Sensors), 컨트롤러(Controllers), 인터페 이스(Interfaces), 액츄에이터(Actuators), 버스(Buses)로 구성되어 있다. 센서(Sensors) 는 온도, 습도, 일광, 동작 등을 측정하거나 탐지하고, 컨트롤러(Controllers)는 PC 혹 은 특정한 목적을 위한 스마트 홈 컨트롤러를 의미한다. 인터페이스(Interfaces)는 인 간과 기계, 기계와 기계의 상호작용을 지원하며, 액츄에이터(Actuators)는 모터가 장 착된 볼브, 점등 스위치, 모터를 의미한다. 마지막으로 버스(Buses)는 유선화 혹은 무선화될 수 있는 커뮤니케이션을 위한 장비이다.

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 127 2) 시스템 적용 사례 스마트 홈 시스템은 센서를 이용하여 다양한 홈 기기들을 개별 또는 종합적으로 제어할 수 있다. 그 예로 게이트웨이와 휴먼센서가 결합되면, 도어 센서와 같은 기 능을 통해 집안 구석구석을 관리할 수 있고, 문이 열리면 스마트폰으로 문 열림을 통보 받을 수 있다. 그리고 무선 스위치, 게이트웨이가 결합되면, 침대 옆에 스위치 로 집 전체의 전등을 켜고 끌 수 있으며, 도어 센서와 공기청정기가 결합되면 문이 열리면 공기청정기가 자동으로 꺼지도록 할 수 있다. 스마트 홈 시스템은 온도나 에너지 사용량을 자동으로 조절할 수 있다. 예를 들어, 스마트 전기레인지의 경우, 스마트폰 애플리케이션을 사용해 요리에 적합한 온도를 확인할 수 있으며, 각 화구에 설정된 세기 및 타이머의 설정, 자동 전원차단 기능을 사용할 수 있다. 또한 인터페이스를 통해 에너지 사용량을 확인하거나, 알맞게 조절 할 수 있다. 3) 스마트 홈의 기술적 이슈(강점 및 약점) 스마트 홈 시스템의 가장 큰 강점은 별도의 연결선(Bridge)이 필요 없이 블루투스 로 연결하면 어디에서든 자유롭게 사용할 수 있다는 것이다. 또한 스마트폰 연결 없 이도 실시간으로 데이터를 수집할 수 있다. 두 번째 강점은 가정 외부에서도 가정 내 상태의 실시간 변화를 알기 쉽다는 것이다. 스마트 홈 어플리케이션을 통해 시간 흐름에 따른 상태 변화 그래프를 모니터링할 수 있다(에너지 사용량 변화 그래프 등). 또한 스마트 홈 시스템의 센서가 정확하고, 대부분의 제공된 데이터가 유용한 편이기 때문에 온도 관리나 재해 감지에 용이하다. 세 번째로 삼성의 스마트씽스, 샤오미의 스마스 홈 키트 와 같은 스마트 홈 허브의 경우, 전체적인 구성 가격이 적 당한 편이다. 반면, 스마트 홈의 첫 번째 약점은 블루투스 통신 거리의 제약이다. 거리가 멀어 질수록 블루투스 통신 연결에 실패할 가능성이 커진다. 또한 블루투스 원격 접속 시 버그가 많이 발생하기도 한다. 두 번째 약점은 음성인식 기술의 한계이다. 스마트 홈 시스템은 음성인식 기술을 이용하기도 하는데, 기기에게 명령을 전달하는 데 한

128 계가 있다. 또한 음성으로 기기에게 명령을 전달했을 때 인식을 하지 못해서 작동하 지 않을 때가 있다. 그렇기 때문에 원하는 정보에 바로 접근하기 힘들며, 3~4번 시 도해야 할 때도 있다. 세 번째로는 사용자의 사생활 침해에 대한 문제이다. 스마트 홈 시스템의 서버로 데이터를 전송할 때, 정보의 제공이나 수신에 대한 우려가 있 다. 마지막으로 스마트 기능이 탑재된 가전제품의 경우 가격이 고가라는 단점이 있 다. 스마트 냉장고 또는 스마트 세탁기와 같은 스마트 가전은 기존 제품보다 가격이 1.5~2배가량 더 높기 때문에 소비자가 선뜻 구매하는 데 무리가 있다. 제 3 절 연구 모형 Davis(1989)에 의해 처음 고안된 기술수용모형(Technology Acceptance Model, 이하 TAM 모형)은 인지된 유용성(Perceived Usefulness)과 인지된 사용 용이성(Perceived Ease-of-Use)을 통해 소비자의 기술 수용의도를 분석한다. Davis (1989)에 따르면 인 지된 유용성은 사용자가 시스템을 활용하여 자신의 작업 성능을 향상할 정도로 정 의되며, 인지된 사용 용이성은 사용자가 시스템을 노력 없이도 이용할 수 있는 정도 를 뜻한다. 이후 TAM 모형은 다양한 연구를 통해 수용자의 IT 기술 수용과 사용 행 동을 설명하는 데 있어 설명력이 높은 모형으로 증명되었으며, 실제로 다음의 <표 3-14>에서와 같이 많은 기술의 소비자 수용의도를 분석하기 위한 연구 방법론으로 활용되어 왔다. Legris et al.(2003)에 따르면 IT 기술의 경우 기술별로 소비자의 수용 목적이 다르기 때문에 각 기술에 맞는 TAM 모형의 확장이 필수적이다. 본 연구에서는 기본적인 TAM 모형이 고려하는 인지된 사용성과 인지된 사용용이성 외에 호환성(compatibility), 상대적 이점(relative advantage), 접근성(accessibility), 신뢰성(trustworthiness), 인지된 성능적 위험성(perceived performance risk), 타인 이용도(utilization rate), 개인 혁신성 (personal innovativeness with technology), 브랜드 가치(brand name), 나이(age), 스마 트폰 보유 여부 등의 변수를 고려한 TAM 모형을 만들고, 이 모형에 기반하여 사용

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 129 자의 이용 의도를 분석한다. <표 3-14> 대상 기술별 분류 32) 연구 대상 연구자 PC Davis, 1989; Igbaria et al., 1995; Benbasat et al., 2008. 스프레드시트 Mathieson, 1991; Hendrickson et al., 1993. MP3 Wang et al., 2005; Hong et al., 2008. 스마트폰 Kim, 2008; Park and Chen, 2007. 웹서비스 Lin and Lu, 2000; Singh et al., 2006; Agrawal and Karahanna, 2000; Lederer et al., 2000; Moon and Kim, 2001; Darsono, 2005. 이메일 Straub et al., 1997; Szajna, 1996; Lallmahamood, 2007. 인터넷 쇼핑 Gefen et al., 2003; Koufaris, 2002. 이러닝 Chiu and Wang, 2008; Hong et al., 2005; Saade and Bahli, 2005. 인터넷 뱅킹 Luarn and Lin, 2005; Singer et al., 2008; Wang et al. 2003. 인터넷 커뮤니티 Hsu and Lin, 2008; Fetscherin and Lattemann, 2008. 모바일 쇼핑 Bhatti, 2007; Khalifa and Shen, 2008. 모바일 뱅킹 Luarn and Lin, 2005; Laforet and Li, 2008. 본 연구에서 분석하고자 하는 기술은 스마트 자동차(smart car), 스마트 홈(smart home), 웨어러블(wearable), 핀테크(Fintech), O2O(Online to Offline), 사물인터넷 기반 공유경제기술(sharing economy), 스마트 헬스(smart health)의 7가지이다. 공유경제기 술 역시 사물인터넷을 기반으로 한 기술이기 때문에 분석 대상인 7가지 기술 모두 사물인터넷 관련 기술이라 할 수 있다. 사물인터넷은 ICT와 기존 산업이 융합하면서 생겨난 신규 산업 분야로 ICT가 융 32) 유재현 박철 (2010)을 재구성. 기술수용모형 연구에 대한 종합적 고찰, Entrue Journal of Information Technology, 9(2), 31-50.

130 합되고, 인터넷에 연결된다는 점에서 새로운 서비스 혹은 제품이라고 할 수 있을 것 이다. 그러나 그 성능의 측면에서 자동차, 홈(가전), 금융, 쇼핑, 의료 등 기존에 존재 하던 산업 및 제품에 한두 가지 새로운 성능이 추가되었을 뿐, 완전히 새로운 서비 스 혹은 제품이라고 하기에는 어려움이 있다. 따라서 사물인터넷 기술의 경우 소비 자가 해당 기술을 선택하는 데 있어 인터넷에 연결되기 전의 기존 사물 의 품질, 기 능, 편리성 등과의 비교가 필수불가결할 것이다. 또한 인터넷에 연결된 스마트 카, 스마트 TV, 핸드폰으로 결제하는 모바일 결제(mobile payment)는 기존의 자동차, TV, 신용카드와 보완재의 형태로 함께 사용되기보다는 기존의 제품을 없애고, 그 자리를 대체하는 대체재가 될 것이다. 따라서 기존의 제품을 대체하기 위해서는 소 비자의 입장에서 인터넷에 연결되고, ICT 기술과 융합된 새로운 사물인터넷 기술이 기존 기술에 비해 가지는 상대적 이점(relative advantage)이 새로운 기술의 수용의도 에 영향을 끼칠 것이다. 상대적 이점은 Moore and Benbasat(1991), Sultan and Chan(2000), Hong et al.(2002), Venkatesh et al.(2003) 등의 기존 연구에서 소비자의 수용의도 결정의 중요 요인으로 논의된 바 있다. 사물인터넷이 기존의 제품을 대체한다고 하더라도 모든 제품이 동시에 대체되는 것은 아니다. 애플 TV의 출시를 시작으로 본격적으로 시장에 등장하기 시작한 스마 트 TV의 경우에도 기존 방송 콘텐츠 시청과의 호환성을 유지하면서 인터넷 연결이 가져오는 새로운 기능이 추가된 형태로 시장에 출시되고 있으며, 핀테크 역시 기존 제품과의 호환성 유지를 위해 삼성 페이의 경우 마그네틱 결제 방식을, 애플 페이와 구글 페이는 NFC 결제 방식을 선택한 바 있다. 호환성은 해당 기술이 기존의 소프 트웨어 시스템이나 하드웨어 시스템과 얼마나 잘 상호 운영될 수 있는가 (compatible)를 의미한다. 그리고 Moore and Benbasat(1991)에 따르면 호환성은 새로 운 혁신 혹은 기술이 잠재적 사용자의 지난 경험과 얼마나 유사한지의 정도를 의미 한다. 또한 Chen et al.(2009), Corrocher(2011), Wu and Wang(2005)에서 ICT 제품의 소비자 수용의도에 영향을 주는 요인으로 분석된 바 있으며, Ahn et al.(forthcoming), Liébana-Cabanillas(2015), Hwang(2014), Yang(2016)의 연구에서는 각각 스마트 홈,

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 131 핀테크, 웨어러블과 같은 사물인터넷 제품에서 호환성이 수용의도에 미치는 영향을 분석한 바 있다. 따라서 본 연구에서는 소비자의 입장에서 새로운 사물인터넷 기술 의 호환성이 높을 경우 새로운 기술로의 전환비용(switching cost)을 낮춰주고, 이용 편이성을 높이는 요소가 될 수 있다고 가정한다. 사물인터넷 기술이 소비자에게 수용되고, 또 성공적으로 확산되기 위해서는 넘어 야 할 장애요소가 존재한다. 특히 사물인터넷의 경우 앞서 언급하였듯이 완전히 새 로운 제품이라기보다는 기존의 제품을 서서히 대체하는 형태로 시장에 진입할 것이 기 때문에 기존 제품과의 호환성 유지를 통해 전환비용을 낮춰야 할 것이며, 전환 비용을 뛰어넘는 상대적인 이점이 있어야 소비자의 선택을 받을 수 있을 것이다. 또 한 인지된 성능적 위험(perceived performance risk) 역시 소비자의 신규 기술로의 전 환을 방해하는 요인이 될 수 있다. Sarin et al.(2003)에 따르면 소비자는 새로운 high-tech 제품을 구입할 때 해당 제품 혹은 산업이 가지고 있는 불확실성 때문에 구 입에 위험(risk)을 느낀다고 한다. 특히 소비자는 해당 제품이 기대한 대로 작동하지 않을 가능성에 대해 위험성을 인지할 수 있다. Chen and Dubinsky(2003)는 이러한 risk를 인지된 성능적 위험이라고 정의하였으며, Yang et al.(2016)은 연구를 통해 웨 어러블 디바이스에서 인지된 성능적 위험이 소비자의 제품 수용의도에 부정적인 영 향을 끼침을 밝혔다. 따라서 본 연구에서는 인지된 성능적 위험이 사물인터넷 기술 의 수용의도에 부정적인 영향을 줄 것으로 가정한다. 이와 함께 인지된 안전성(Perceived Safety)이 자동차 O2O 서비스의 소비자 수용 에 영향을 줄 것으로 예상된다. 인지된 안전성은 자동차 O2O 서비스를 이용할 때 소비자가 운전기사, 택시기사 등을 처음 만났을 때, 혹은 만나기 전에 느끼는 안전 감으로 정의될 수 있다. 기존의 기술수용과 관련된 연구들 가운데 안전을 고려한 연 구는 거의 존재하지 않는다. 다만 소비자가 안전함을 인지한다는 것은 서비스 제공 자를 신뢰한다는 것과 같은 의미일 수 있으며, 신뢰의 경우 마케팅 분야에서 기업과 소비자가 지속적인 관계를 유지하는 데 있어 핵심적인 영향을 주는 요소로 간주된 다(Andaleeb, 1996; Geyskens et al., 1998; Sirdeshmukh et al., 2002). 또한 Lee et al.

132 (2000), Gefen et al. (2003)에 따르면 신뢰는 소비자의 기술 수용을 촉진시키고, 소비 자의 충성도에 긍정적인 영향을 끼친다. Koufaris(2002)와 Wu and Chang(2006)은 온 라인에서 신뢰가 소비자에게 미치는 영향을 분석하였으며, Tsai(2014)와 Liébana- Cabanillas et al.(2014)은 각각 원격의료(telehealth system)와 모바일 결제(mobile payment)와 같은 사물인터넷 기술의 수용에 있어 신뢰가 유의미한 영향을 준다는 것을 증명하였다. 따라서 본 연구에서는 신뢰가 소비자의 사물인터넷 기술 수용에 긍정적인 영향을 줄 것이라고 가정한다. 본 연구에서는 접근성(Accessability)이 소비자의 사물인터넷 기술 수용의도에 영 향을 줄 것으로 예측하였다. 사물인터넷 기술은 기존에 존재하던 제품 혹은 서비스 에 소프트웨어와 인터넷이 추가되는 형태이며, 특히 무선인터넷의 결합은 소비자가 언제, 어디서나 해당 기술에 접근할 수 있는 통로를 열어주었다. Moore and Benbasat (1991)에 따르면 접근성은 사용자가 내외부 통신망을 통해 특정 정보시스템에 접근 하거나, 사용자가 원하고 가용한 정보를 제공받을 수 있음을 의미한다. 접근성이 소 비자의 기술 수용의도에 영향을 끼친다는 것은 여러 기존 문헌을 통해 분석되었다. Lin and Lu(2000)와 Lederer et al.(2000)은 소비자의 Web site에 대한 사용의도에 접 근성이 긍정적인 영향을 준다는 것을 분석하였으며, Moore and Benbasat(1991) 역시 접근성이 IT의 혁신에 중요한 요소임을 강조하였다. 새로이 등장한 사물인터넷 서 비스는 무선인터넷과의 결합을 통해 해당 기술의 접근에 대해 시간적, 공간적 제약 을 없애주었다는 점에서 본 연구에서는 접근성이 소비자의 사물인터넷 기술에 대한 수용의도에 긍정적인 영향을 줄 것으로 가정한다. 위의 요인들을 반영하여 본 연구에서 디지털 경제의 7개 기술을 분석하기 위한 확장된 TAM 모형은 다음의 [그림 3-22]와 같다. 이 모형을 기본으로 하여 각 기 술별로 그 특성에 맞추어 일부 변수를 삭제하거나, 추가하여 연구를 진행하였다. 확 장된 TAM 모형은 구조방정식 모형을 통해 분석되며, 본 연구에서는 분석을 위해 AMOS23 통계 프로그램을 활용하였다.

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 133 [그림 3-22] TAM 연구 모형 제 4 절 연구 결과 본 연구에서는 서로 다른 7가지 디지털 경제 기술들에 대한 소비자의 수용의도를 조사하기 위하여 각각 다른 소비자를 대상으로 설문을 시행하였다. 설문 응답자에 대한 인구통계분포에 대해서는 각 기술별 [부록]의 1)에서 설명하였다. 기술수용모 형에서는 소비자의 특정 기술에 대한 수용의도를 분석하기 위하여 수용의도에 영향 을 주는 여러 단계의 잠재변수를 가정한다. 앞서 언급하였듯이 8개의 잠재변수가 모 형에 사용되었으며, 각 잠재변수는 3~5개의 관측변수를 통해 측정된다. 본 연구에 서 사용된 잠재변수별 관측변수는 아래 <표 3-15>에서 확인할 수 있다. <표 3-15> 잠재변수와 관측변수 잠재변수 관측변수 관측변수 설명 호환성 호환성1 호환성2 호환성3 호환성4 호환성5 해당 서비스는 기존의 유사 제품(하드웨어)과 잘 호환된다. (혹은 호환될 것이다.) 해당 서비스는 기존의 OS 및 소프트웨어와 잘 호환된다. (혹 은 호환될 것이다.) 해당 서비스는 내가 현재 쓰고 있는 스마트폰과 잘 호환된다. (혹은 호환될 것이다.) 해당 서비스의 사용은 나의 라이프스타일과 잘 맞는다. (혹은 잘 맞을 것이다.) 해당 서비스의 사용은 나의 기존 해당 서비스 사용 성향과 잘 맞는다. (혹은 잘 맞을 것이다.)

134 잠재변수 관측변수 관측변수 설명 상대적 이점 접근성 인지된 사용 용이성 인지된 유용성 인지된 성능적 위험성 상대적 이점1 상대적 이점2 상대적 이점3 상대적 이점4 상대적 이점5 접근성1 접근성2 접근성3 접근성4 접근성5 해당 서비스를 사용하는 것은 기존의 유사 제품에 비해 더 쉽 고 편리하다. (혹은 쉽고 편리할 것이다.) 해당 서비스의 장점들은 기존의 유사 제품이 가지고 있는 단 점들을 충분히 커버한다. (혹은 커버할 것이다.) 해당 서비스는 기존의 유사 제품에 비해 충분한 이점을 가지 고 있다. (혹은 가지고 있을 것이다.) 해당 서비스를 사용하는 것은 기존의 유사 제품에 비해 내가 필요로 하는 일의 처리를 더 효율적으로 할 수 있다. (혹은 할 수 있을 것이다.) 해당 서비스는 기존의 유사 제품에 비해 더 많은 기능을 가지 고 있다. (혹은 가지고 있을 것이다.) 나는 해당 서비스 서비스를 시간과 상관없이 이용할 수 있다. 나는 해당 서비스 서비스를 장소와 상관없이 이용할 수 있다. 나는 해당 서비스를 이동 중에 언제나 이용할 수 있다. 내가 원할 때 해당 서비스 서비스에 접속하는 것이 언제, 어디 서든지 가능하다. 해당 서비스는 내 스마트폰을 이용하여 쉽게 접근 가능하다. 사용 용이성1 나는 해당 서비스의 사용이 편리하다고 생각한다. 사용 용이성2 나는 해당 서비스의 사용 방법이 이해하기 쉽다고 생각한다. 사용 용이성3 해당 서비스의 사용을 배우는 것은 나에게 쉬운 일이다. 사용 용이성4 유용성1 유용성2 유용성3 유용성4 위험성1 위험성2 위험성3 해당 서비스의 사용이 나에게 많은 정신적 노력을 요구하지 않는다. 해당 서비스를 사용하면 내가 필요로 하는 일을 좀 더 효율적 으로 해낼 수 있다. 해당 서비스를 사용하면 내가 필요로 하는 일을 좀 더 신속하 게 해낼 수 있다. 해당 서비스를 사용하면 내가 필요로 하는 일을 좀 더 쉽게 해낼 수 있다. 전반적으로 나는 해당 서비스의 사용이 가치 있다고 생각한다. 나는 해당 서비스가 내가 기대하는 수준의 유익함을 제공해주 지 못할까 염려스럽다. (혹은 제공해주지 못한다.) 해당 서비스가 만족스럽게 작동할지 확신이 없다. (혹은 작동 하지 않는다.) 해당 서비스가 광고에서 본 것처럼 작동할지 확신이 없다. (혹 은 작동하지 않는다.)

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 135 잠재변수 관측변수 관측변수 설명 인지된 성능적 위험성 사용태도 사용의도 위험성4 위험성5 사용태도1 사용태도2 사용태도3 사용태도4 사용의도1 사용의도2 사용의도3 사용의도4 나는 해당 서비스의 사용이 기존의 유사 제품에 비해 더 불편 하다고 생각한다. 해당 서비스의 전체적인 시스템이 내가 서비스를 이용할 때 불완전하게 작동한다고 느낀다. 나는 해당 서비스 사용에 긍정적이다. 해당 서비스를 사용하는 것은 좋은 생각이다. 나는 해당 서비스를 사용하는 것이 즐겁다. 전반적으로 나는 해당 서비스 사용에 대해 긍정적인 성향을 가지고 있다. 나는 해당 서비스의 사용을 고려해볼 생각이다. 나는 해당 서비스를 사용할 계획이 있다. (혹은 사용하고 있다.) 나는 지속적으로 해당 서비스를 사용할 것이다. 나는 해당 서비스의 좋은 점을 타인에게 알릴 것이다. 3~5개의 관측변수를 통해 하나의 잠재변수를 추정하기 전에 신뢰도 측정이 이루 어져야 한다. 신뢰도란 하나의 잠재변수를 측정하는 여러 문항들이 일관성 있게 하 나의 개념을 측정하고 있는지를 나타내는 정도를 의미한다. 신뢰도 평가는 일반적 으로 크론바 알파(Cronbach s Alpha) 지수를 통해 이루어지며, 크론바 알파 지수가 0.7 이상일 경우 신뢰할 수 있는 것으로 평가된다. 본 연구에서 각 디지털 기술별 크 론바 알파 지수 결과는 각 기술별 [부록]의 3)에서 확인할 수 있으며, 분석 결과 모 든 잠재변수에 대해서 신뢰할 수 있는 것을 확인할 수 있다. 기술수용모형의 두 번 째 단계에서는 구조모형(Structural Model)을 통해 잠재변수 간의 인과관계를 검증한 다. 구조모형의 결과는 각 기술별 [부록]의 4)에서 확인할 수 있으며, 각 기술별 모 형의 적합도는 [부록]의 2)에서 기술한다. 다음의 [그림 3-23]은 본 연구에서 분 석한 7가지 디지털 경제 기술들에 대한 기술수용모형의 분석 결과를 보여준다.

136 [그림 3-23] 기술수용모형 분석 결과 (1) 스마트카(카 인포테이먼트) (2) 핀테크(플랫폼 기반 핀테크) (3) O2O(자동차 관련 O2O) (4) 웨어러블(키즈 웨어러블)

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 137 (5) 스마트헬스 (앱 기반 스마트헬스) (6) 스마트 홈 (스마트 홈 시스템) (7) 공유경제 (사물인터넷 기반 공유경제) 모형의 분석 결과 모든 모형에서 호환성은 인지된 사용용이성에 매우 긍정적인 영향을 미치는 것으로 나타난다. 이는 Chen et al.(2009), Corrocher(2011), Wu and Wang(2005), Yang(2016) 등의 새로운 기술의 이용 편이성에 호환성이 긍정적인 영 향을 미친다는 연구결과가 본 연구의 디지털 경제 기술들에서도 동일하게 적용될 수 있음을 보여주는 결과라고 할 수 있다. 본 연구의 분석 대상인 7가지 기술의 경 우 기존에 이미 존재하던 기술에 인터넷이 융합된 것이라고 할 수 있다. 예를 들어, 스마트 홈의 경우 TV, 냉장고, 세탁기 등 다양한 가전제품으로 이루어져 있으며, 소 비자의 입장에서는 모든 가전제품을 한꺼번에 교체하기보다는 하나씩 교체해 나가

138 는 것이 일반적이다. 따라서 이러한 신규 기술은 기존의 기술 혹은 제품과의 호환성 을 유지하면서 새로운 서비스를 추가하는 것이 소비자의 수요에 맞추는 전략일 것 이다. 상대적 이점과 접근성의 경우 인지된 유용성에 긍정적인 영향을 주는 것으로 나 타났다. 상대적 이점은 본 연구의 조사 대상인 7가지 기술이 완전히 새롭게 만들어 진 서비스가 아니며, 현재도 대체 및 비교가 가능한 기존 서비스가 있다는 점이 사 용자의 서비스 사용 선택에 영향을 미쳤기 때문일 것으로 판단된다. 접근성의 경우 사용자가 시스템의 접근성을 통해 사용의 용이성을 느끼고, 결국 정보시스템에 대한 사용성을 지각하게 된다는 기존의 연구(Culnan, 1983; Kraemer et al., 1993; Leonard- Barton and Deschamps, 1998; Mathieson, 1991)와 마찬가지로 디지털 경제 신기술에 서도 접근성이 사용자가 고려하는 중요한 요소일 것이라는 가설을 지지하는 결과로 볼 수 있다. 인지된 기능적 위험성의 경우 기술에 따라 그 결과가 나뉘는 것을 확인할 수 있었 다. 먼저 스마트카, 핀테크, 스마트헬스, 공유경제에서는 인지된 기능적 위험성이 사 용자의 태도에 유의하게 부정적인 영향을 미치는 것으로 나타났으나, O2O, 스마트 홈에서는 그 관계가 유의하지 않은 것으로 나타났다. 또한 유의한 서비스 역시 요인 부하량이 스마트카 -0.048, 핀테크 -0.048, 스마트헬스 -0.078, 공유경제 -0.117 로 매우 작은 것을 알 수 있다. 즉, 3절에서 언급한 것처럼 소비자는 새로운 제품을 구입할 때 그 제품이나 산업이 가지고 있는 불확실성으로 인하여 불안감 혹은 위험 성을 인지할 수 있으나, 본 연구의 대상인 7가지 기술은 완전히 새로운 기술이 아니 라 기존에 존재하던 제품 혹은 서비스에 인터넷 접속으로 새로운 기능을 부여한 것 이기 때문에 그 기술의 기본이 되는 필수적 요소의 경우 그대로 유지되는 경우가 많 다. 따라서 O2O나 스마트 홈은 그 영향이 유의하지 않았으며, 유의했던 나머지 기 술들 역시 요인 부하량이 매우 작은 것으로 분석된다. 마지막으로 인지된 사용용이성과 인지된 유용성이 태도에 미치는 영향과 태도가 수용의도에 긍정적인 영향을 미친다는 결과는 Davis(1989)의 연구와 기술수용모형

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 139 을 확장한 Venkatesh and Davis(2000)의 연구와 동일한 결과를 보인다. 각 모형 안에서 잠재변수의 요인 부하량을 비교하였을 때, 몇 가지 흥미로운 사실 을 발견할 수 있다. 첫째, 접근성보다 상대적 이점이 인지된 유용성에 더 큰 영향을 끼치는 것으로 나타났다. 이는 본 연구에서 분석한 기술이 아직 초기 시장에 머물고 있거나, 출시되지 않은 기술인 까닭에 소비자의 입장에서는 기존 기술에 인터넷이 접목됨으로써 어떤 추가적인 서비스가 제공되고, 어떤 추가적인 가치가 창출될 것 인지에 대한 인식이 부족했기 때문일 것이다. 또한 본 연구에서 조사한 디지털 경제 신기술 가운데 카 인포테이먼트, 스마트 홈 시스템, 사물인터넷 기반 공유경제 등의 기술을 기반으로 한 서비스는 VoIP(Voice over Internet Protocol), IPTV(Internet Protocol Television)처럼 인터넷 네트워크의 QoS(Quality of Service) 보장이 중요한 서비스가 아니다. 따라서 접근성의 요인 부하량이 상대적으로 낮게 나타날 수 있다. 실제로 자동차 O2O 서비스는 대리운전, 대리주차 등 서비스 처리의 지연이 소비자 의 기다림으로 이어질 수 있는 경우 요인 부하량이 상대적으로 크게 나타난 것을 확 인할 수 있다. 둘째, 핀테크를 제외한 모든 기술에서 사용자의 태도에 인지된 사용용이성보다는 인지된 유용성이 더 중요한 것으로 나타났다. 사용용이성의 경우 특히 스마트폰의 등장과 더불어 IT 업계에서 매우 강조되고 있는 부분이다. 애플의 아이폰(iPhone)이 성공한 데에는 처음 접한 사람도 손쉽게 사용할 수 있도록 설계된 UI(User Interface) 와 UX(User experience)의 역할이 매우 큰 것으로 알려져 있다. 그 이후 많은 IT 기 업이 사용자가 보다 손쉽게 직관적으로 제품을 사용할 수 있도록 사용용이성에 많 은 신경을 쓰고 있다. 그런데 본 연구에서 조사한 디지털 경제 신기술의 경우 사용 용이성의 요인 부하량이 상대적으로 낮게 측정되었는데, 그 이유는 다음과 같다. 첫 째, 연구의 대상인 7가지 기술은 스마트폰과 같이 항상 조작하기보다는 적게는 일주 일에 수차례에서 많게는 하루에 수차례 정도의 조작이 가해지는 수준이다. 따라서 소비자의 입장에서는 인지된 사용용이성보다는 인지된 유용성이 더 중요하게 인식 되었을 가능성이 있다. 둘째, 현재까지 등장한 7가지 기술을 기반으로 한 서비스의

140 대부분이 스마트폰과의 연동을 통해 해당 서비스를 제공하고 있다. 따라서 사용자 가 마주하는 UI나 UX는 새로운 UI나 UX가 아니라, 자신이 익숙하게 사용해온 스마 트폰의 UI나 UX인 경우가 대부분이다. 그러나 이 부분은 향후 스마트폰과의 연동 없이 독자적으로 운영되는 기술이 등장할 경우, 본 연구의 결과와 다른 결과가 나올 것으로 예측된다. 제 5 절 소 결 스마트TV가 처음 출시되었을 때, 기존 TV 서비스에 다양한 콘텐츠와 게임을 통 합해 제어하는 주요 기기가 될 것이며, 스마트폰과 스마트패드(e.g. ipad, Galaxy Tab)로 이루어진 스마트 생태계를 완성시킬 것으로 많은 전문가가 예상하였다. 더 나아가 스마트 홈 서비스를 하나로 모으는 허브의 역할을 할 것으로 기대되었다. 이 러한 기대 속에 Watkins(2012)는 2017년 스마트TV 세계시장 판매량이 180,000만 대 로 증가할 것으로 예상하였으며, Amadeus(2012) 역시 2017년 스마트TV 세계시장 출하량이 24,400만 대까지 늘어날 것으로 전망한 바 있다. 그리고 이러한 기대와 함 께 스마트 생태계를 주도하던 애플과 구글이 각각 2006년과 2010년에 애플TV와 구 글TV로 스마트TV 시장에 진출하였다. 그러나 기대와는 달리 1세대 애플TV의 경우 불편한 이용 방법과 높은 가격대, 콘 텐츠 확보 문제 등으로 시장에서 성공을 거두지 못하였고, 구글 역시 로지텍과 소니 등을 파트너로 삼고 스마트TV 플랫폼과 전용광고 플랫폼을 같이 공개했으나 사용 자의 관심을 얻어내는 데 실패하였다. 스마트폰과 스마트패드에서 엄청난 성공을 거둔 애플과 구글이었기에 그들의 이러한 실패는 시장의 예측과 어긋난 것이었다. 물론 그 이후 애플은 지속적인 성능 개선을 통해 2010년에 2세대 애플TV, 2012년에 3세대 애플TV를 출시하였고 구글 역시 2012년에 제휴파트너를 확대하여 구글TV 2 세대 사업을 진행하였다. 구글의 경우 2013년에 발표한 스틱형 OTT 동글인 크롬캐 스트 가 좋은 반응을 얻었고, 2014년에는 안드로이드 5.0 롤리팝과 함께 안드로이드

제 3 장 기술수용모형을 통한 디지털 경제의 신기술 예측 141 TV를 출시하였지만, 이 역시 전체 시장을 변화시키기에는 역부족이라는 것이 시장 의 전반적인 평가이다. 물론 현재 시장의 판매 현황만을 본다면 스마트TV가 실패했 다고 말할 수 없다. 하지만 시장의 엄청난 관심을 받았던 것에 비하여 현재의 스마 트TV가 전체 TV 시장을 변화시키기에는 역부족이며, 스마트TV가 제대로 스마트 TV 로 사용되지 않고 단순히 최신 TV로서 판매되고 있다는 점이 여러 자료에서 증 명되고 있다. 큰 성공을 거둔 스마트폰 기술과 같은 비즈니스 모형로 시장에 진입하였던 스마 트TV의 실패 사례가 시사하는 바는 지금의 디지털 경제 환경에서 신기술이 더 이상 기술 자체에 대한 분석만으로 성공의 가능성이나 미래를 가늠하기 쉽지 않으며, 시 장과 소비자에 대한 분석이 기술의 발전 방향 및 미래에 대한 단서를 제공할 가능성 이 높다는 것이다. 그러한 점에서 본 연구의 결과는 디지털 경제의 신기술이 어떠한 방향으로 발전할 것이고, 또 발전해야 하는가에 대해 중요한 의미를 제공한다고 할 수 있다. 이를 통해 향후 우리나라의 디지털 경제 신기술이 글로벌 경쟁력을 갖춤으 로써 우리나라가 지속적으로 글로벌 리딩 ICT 국가로서의 위상을 지키는 데 도움이 되었으면 하는 바람이다.

142 제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 제 1 절 연구의 배경 및 목적 1. 연구의 배경 한국 사회는 2000년 이후 합계출산율 1.3명 미만의 초저출산 현상이 지속되면서 세계적으로 유례없이 초고속으로 고령화 사회에 진입하고 있다. 합계출산율은 1971 년 4.54명으로 정점을 기록한 후, 강력한 가족계획사업 실시의 영향으로 1987년 1.53명으로 급감하고, 다시 초혼연령의 상승 및 미혼율의 증가로 2005년에 1.08명까 지 감소하여 최저치를 기록했다. 2000년대 후반 다소 반등했으나, 1.2명 전후에서 등락을 거듭하고 있다(이삼식, 2014). 유년인구의 감소에 따라 2000년에 고령인구 비중이 7%를 넘는 고령사회의 초입에 진입했으며, 2026년에는 고령인구 비중이 20%를 넘어서는 초고령사회에 진입하게 될 전망이다(이찬영 외, 2011). 즉, 고령사 회 진입 후 초고령사회 진입까지 미국이 94년, 독일이 77년, 일본이 36년이 소요된 반면, 한국은 26년 만에 초고령사회에 진입하게 되는 것이다. 저출산이 지속되고 기대수명이 꾸준히 증가하면서 통계청은 연령별 인구구성이 2010년 생산가능인구 72.8%, 고령인구 11.0%, 유소년인구 16.1%에서 2030년에는 생 산가능인구 63.1%, 고령인구 24.3%, 유소년인구 12.6%로 변화할 것으로 전망하였 다. 이에 따라 15~64세의 생산가능인구는 3,704만 명(73%)을 정점을 기록하는 2016년 이후 감소하기 시작하고, 이민 등 해외 순유입이 없는 한 총인구는 2028년부 터 마이너스 성장에 돌입할 전망이다. 고령인구는 2010년 545만 명에서 2030년 1,269만 명으로 2.3배 증가하며 전체 인구의 24%를 차지할 것으로 예상된다.

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 143 [그림 4-1] 연령계층별 인구 구성비, 1960~2060 자료: 통계청 (2011. 12. 7.), p.8. 인구 및 사회 구조의 변화는 미디어 이용행태에도 영향을 미치는데, 이에 대해 통 계분석을 기반으로 한 다수의 실증연구가 이루어졌다. 예를 들어, 김영진(2014)은 스마트폰의 수용과 이용 양태에 미치는 인구사회학적 요인을 분석하였다. 가구 소 득은 스마트폰 수용에 미치는 영향이 유의하지 않고, 연령과 학력이 수용을 앞당기 며, 성별의 효과는 남성이 여성보다 초기 수용 비율은 높지만 이용량에서는 여성이 남성보다 더 많음을 실증분석을 통해 발견했다. 홍성철(2015)은 1990년 전체 가구의 9%에 불과했던 1인 가구(one-person households) 의 비율이 2010년 23.9%로 증가함 에 따라 1인 가구와 2인 이상 가구의 미디어 소비행태를 비교ㆍ분석하였다. 1인 가 구는 행복감 및 사회적 관계의 만족감이 낮았고, 이러한 사회적 소외를 미디어 소비 를 통해 달래고 있음을 실증적으로 분석하였다. 60~70대 연령의 1인 가구는 소극 적인 TV 시청에 의존하는 반면, 30대 싱글가구는 SNS를 활용한 답변, 글쓰기, 정보 공유 등이 2인 이상 가구보다 월등이 많음을 미디어패널 데이터를 통해 발견하였다. 그리고 오주현(2015)은 고령층의 스마트폰 이용과 스마트폰 메신저 이용에 영향을 미치는 요인으로 가족구성의 영향력을 확인했는데, 자녀와 함께 사는 2세대 가구의 응답자는 혼자 살거나 노부부만 사는 가구보다 스마트폰과 스마트폰 메신저를 이용

144 할 가능성이 높음을 실증적으로 입증했다. 한편, 컴퓨팅 기술의 눈부신 발전으로 사회현상을 이해하기 위해 행해지던 기존 의 통계분석에서 한걸음 더 나아가 미시적(Micro) 개체 단위에서의 환경 변화와 동 적인 변화 양상에 대한 분석을 모색하는 사회물리학(Social Physics) 이 등장하였다. 사회물리학이란 사회 속에 존재하는 개별 개체인 개인의 상호작용을 분석함으로써 인간사회를 이해하려는 새로운 접근방법으로서, 정보와 아이디어 사이의 수학적 연 결과 사람들의 행동에 관한 신뢰할 만한 설명을 제시하고자 한다(Pentland, 2014). 신 제품 및 새로운 미디어의 확산은 창발적(emergent) 특성을 가지고 있기 때문에 복잡 계 관점에서 행위자 간의 상호작용과 사회 확산에 따른 파급효과를 통해 이해할 필 요가 있다. 기술 및 지식의 수용과 관련하여 과거 다양한 선행연구가 진행되어 왔는데, 그중 대표적인 것이 1969년에 발표된 Bass의 모형이다. 이는 어떠한 새로운 제품에 대해 현시점에서 구매한 소비자와 향후 구매할 수 있는 잠재적 구매자 간의 상호작용을 분석하는 것이 핵심이다(Bass, 1969). Bass 모형은 소비자의 개별 구매 시기는 당사 자의 혁신적 성향(innovativeness)과 다른 구매자를 모방하는 성향(imitativeness)에 따 라 달라진다고 정의하며, 신제품의 구매자를 혁신자(innovator)와 모방자(imitator)로 구분한다. Bass 모형의 수식은 아래와 같다. 주: dx/dt: 판매율, N(t): 시장규모, x(t): 판매량, p: 혁신 계수, q: 모방 계수 p는 혁신 계수로 외부 영향 혹은 광고 효과 등을 나타내며, q는 모방 계수로 내부 영향 혹은 입소문 효과(word-of-mouth effect)를 나타낸다. t가 연단위로 측정될 때 통 상적으로 p는 0.03 내외이며, q는 0.3 0.5 사이의 값으로 측정된다. 시간에 따른 신 규 혁신자와 모방자의 분포는 [그림 4-2(좌)]와 같다(Bass et al, 1994). Bass 모형에 서 가격책정, 광고 등 다양한 경영의사 결정변수에 따라 기울기가 변하는 시점은 달

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 145 라질 수 있지만, 대부분의 제품 확산이 [그림 4-2(우)]와 같은 S커브를 따른다 (Bass, Krishnan & Jain, 1994). [그림 4-2] Bass 모형에서 시간에 따른 수용자(혁신자와 모방자 포함)의 분포 자료: Bass (1969); Bass et al.(1994). 그런데 Bass 모형 등의 확산모형은 개인의 특성을 고려하지 않고, 집단 전체의 관 점에서 보급률 예측에만 한정되는 한계를 지니고 있다. 신기술 수용에 대한 또 다른 대표적인 선행연구로 Davis가 1989년에 제시한 기술수용모형(TAM: Technology Acceptance Model) 은 개인의 기술 수용에 영향을 미치는 요인의 설명을 추구한다 (Davis, 1989). 이 모형의 핵심적 특성은 기술 수용자가 인지하는(perceived) 해당 기 술의 유용성(usefulness)과 사용용이성(ease of use) 등 두 가지 요소이며, 이는 특정 기술에 대한 개인의 태도와 행위 의지, 사용 결정에 영향을 미치게 된다. 기술수용 모형은 개인과 기업 단위의 기술수용 과정을 설명하는 일반화된 이론으로 널리 인 정받고 있다. 기술수용모형은 기술의 특성 관점에서 주로 설명하고, 사용자의 생애 주기에 따른 사회경제적 요인에 대해서는 설명이 부족한 한계가 있다. 이러한 점에 서 사회물리학의 연구방법론을 채택함으로써 기존의 미디어 수용 예측 방법론을 보 완할 수 있을 것으로 기대된다.

146 2. 연구 목적 및 방법론 개요 사회물리학의 대표적 방법론 중 하나인 소셜 시뮬레이션(Social Simulation)은 동 적으로 변화하는 복잡한 문제에 접근해 발생 가능한 결과에 대한 보다 체계적인 이 해를 제공한다. 소셜 시뮬레이션은 크게 시스템 수준 시뮬레이션(System level Simulation)과 행위자 기반 시뮬레이션(Agent-based Simulation)으로 구분할 수 있다. 이는 사회시스템 구조를 Top-down(하향식)으로 접근하는지 또는 Bottom-up(상향식) 으로 접근하는지에 따라 구분되는 것이다(Wikipedia의 Social Simulation 정의). 이 중 행위자 기반 모형은 전체 구조를 집합적으로 이해하는 것이 아니라, 개별적이고 독립적인 개체(agent)의 자율적인 행태 및 상호작용으로부터 집합적 행동이 발생한 다고 보며, 행위자의 행태와 상호작용을 확률 모형에 의해 결정한다. 특히 최근 마이크로시뮬레이션(Microsimulation) 방법론이 부상하고 있는데, 이 역 시 사람 혹은 차량 등의 개별 행위자 단위를 기반으로 전체 시스템을 구성한 후 개 체의 행태를 관찰하는 방법이다. 모형의 기본 단위가 개별 행위자라는 점에서 행위 자 기반 모형(Agent-Based Modeling) 에 포함된다고 볼 수 있다. 그러나 일반적인 행 위자 기반 모형이 행태에 대한 가정을 토대로 연역적으로 전개하는 것과는 달리 마 이크로시뮬레이션은 행위자의 행태 및 상호작용에 대해 실제 마이크로 통계 데이터 를 기반으로 귀납적인 행태 모형을 구축한다. 한편, 대용량 컴퓨터 기술이 발전함에 따라 소위 빅데이터 예측 모형이라 불리 는 기계학습 방법론이 주목받기 시작했다. 기계학습 방법론은 다수의 개인으로부터 수집한 정보에서 미시변수인 개별 행위자의 속성을 예측한다. 다만 미래 상태에 대 한 예측이 아니라, 현재 상태에 대한 정보를 토대로 주어진 이미지가 고양이인지를 판독하거나, 메일이 스팸 메일인지를 분류하고, 금융 거래 중 사기행위를 판별하는 등 대상의 분류를 수행하는 데에 주로 활용되고 있다. 기존의 미래예측(forecasting)이 시계열 모형, CGE 모형, 시스템 다이내믹스 등의 방법론을 이용하며, 주로 사회 전체의 거시 변수를 예측했던 경향과 달리 대규모 데 이터를 분석하는 기계학습 방법을 활용하면 각 개체 단위의 행태를 예측할 수 있게

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 147 된다. 여기에 마이크로시뮬레이션을 적용해 각 행위자의 미래 상태 정보를 제공하 면 미시적 관점, 즉 행위자 단위에서의 미래예측이 가능해진다. 거시모형 대신에 마 이크로시뮬레이션 모형을 활용하면, 각 개인의 행태를 시뮬레이션할 수 있으므로 이를 토대로 개인 맞춤형 정책을 도출할 수 있다는 장점이 있다. 개인 및 가구의 미 래 의사결정을 시뮬레이션함으로써 이에 대한 대응 정책도 개인 특성 및 생애주기 맞춤형 접근이 가능하다. 본 연구는 마이크로시뮬레이션과 기계학습 방법론을 결합함으로써 각 개인의 생 애주기(life-cycle) 변화에 따른 미래의 행태를 모의 생성하고, 이를 집계함으로써 사 회 변화를 예측하려고 한다. 구체적으로 디지털 경제ㆍ사회의 미래 현상 중 디지털 미디어 소비 및 활용 행태를 전망하고자 한다. 이를 위해 먼저 인구, 가구, 소득 등 의 중장기적 변화를 시뮬레이션하고, 이를 토대로 개인의 디지털 미디어 이용 행태 를 시뮬레이션하도록 하겠다. 각 개인의 디지털 미디어 기기 수용 및 이용시간 행태 에 대한 회귀모형을 도출하기 위해 정보통신정책연구원(KISDI)이 2011~2014년 기 간에 조사한 미디어 패널 데이터를 활용한다. 문헌 조사를 통해 미디어 이용 행태 트렌드를 파악하고, 입수 가능한 가장 최신 데이터인 2014년 데이터를 활용해 미디 어 이용 행태에 영향을 미치는 사회ㆍ경제적 요인을 진단한다. 이를 위해 회귀모형 등 통계학 기반 모형뿐 아니라, 의사결정트리 등 기계학습 기반 예측모형도 함께 활 용하도록 하겠다. 이를 통해 구성한 예측모형을 마이크로시뮬레이션과 결합하여 장 기전망을 도출한다. 과거 조사가 4번 수행됐기 때문에 거시변수인 전체 보급률은 4개 수치가 전부이 며, 이를 가지고 시계열 모형을 활용해 10년 이상의 장기 예측을 수행하는 것은 과 도한 무리가 따를 수밖에 없다. 그러나 1만여 명의 개인 개체를 단위로 시뮬레이션 모형을 구축한다면, 4개 연도의 데이터만으로도 장기 예측모형의 구축이 가능하다. 구체적으로 통계청의 장기(2010 2060년) 인구 및 가구 추계를 토대로 사망, 혼인, 출산 등의 전이확률을 적용하여 약 1만 명의 실제 데이터를 토대로 2028년까지의 가상의 인구 및 가구 집단을 모의 생성한다. 이렇게 생성된 가상인구에 미디어 이용

148 행태 예측모형을 적용한다면, 한국 사회의 디지털 미디어 이용 행태의 장기 전망이 가능하게 된다. 문헌조사를 통해 한국에서 인구 예측에 마이크로시뮬레이션이 시도된 연구는 찾 을 수 있었지만(박유성 외, 2009), 사회ㆍ경제 현상에 적용한 연구는 찾아볼 수 없었 다. 본 연구는 한국에서 마이크로시뮬레이션 방법론을 사회과학 연구에 처음 적용 했다는 점에서 방법론 개발 측면에서 의미가 있다. 본 연구에서 마이크로시뮬레이 션 모형 개발을 위해서 LIAM2(Life-Cycle Income Analysis Model 2)라는 시뮬레이션 도구를 사용하였으며, 소스코드와 주석은 부록에 수록하였다. 제 2 절 한국 사회의 미디어 이용 행태 동향 조사 1. 2010 2015년 기간의 미디어 활용 행태 추세 정보통신정책연구원은 미디어 환경의 변화가 가구 및 개인의 미디어 이용 행태 에 미치는 영향을 추적하고, 계층 지역별 미디어 이용 행태의 차이 분석을 위한 정 보 를 제공하기 위한 목적으로 2011년부터 패널 데이터를 구축해 매년 추적조사를 수행하고 있다(KISDISTAT 홈페이지). 패널 표본은 2005년 인구주택 총조사를 표본 추출틀로 하여 층화 확률비례계통추출법으로 추출해 2011년에 전국 16개 광역시도 5,109 가구의 만 6세 이상 가구원을 조사대상으로 선정했다. 이후 연도부터는 매년 6 8월에 약 10주간 이들을 추적 조사(2012년 4,432가구 10,319명, 2013년 4,381가 구 10,464명, 2014년 4,313가구 10,172명)하였다(정보통신정책연구원, 2015). 2011년부터 최근 5년간 미디어 기기의 보유율을 살펴보면 스마트TV, 노트북 컴퓨 터 및 태블릿 PC의 보유율 증가세에서 보듯이 가구 및 개인용 기기 모두 다기능과 휴대성이 선호되는 경향성을 발견할 수 있다. 특히 스마트폰은 전 연령에 걸쳐 일반 휴대폰을 대체해 매년 꾸준히 그 점유율을 늘려가고 있어, 일상생활에 필수적인 매 체로 자리매김 하고 있음을 보여준다. 스마트폰의 보편적 확산이 MP3 플레이어,

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 149 PMP, 휴대용 게임기 등의 시장 점유율을 급속하게 축소시키는 현상은 개인 매체를 중심으로 한 시장 환경에서 스마트폰이 상당한 우월적 지위를 누리고 있다고 해석 할 수 있다(정용찬, 2015). <표 4-1> 미디어 기기 보유율 조사 연도 2011년 (n=5,109) 2012년 (n=4,432) 2013년 (n=4,381) 2014년 (n=4,313) (단위: 백분율, %) 2015년 (n=4,305) 디지털 TV 49.7 58.2 68.4 76.3 83.3 - 스마트 TV 기능 포함 2.6 5.8 9.0 9.6 9.1-3D영상 기능 포함 5.2 8.8 11.6 11.9 13.6 데스크톱 컴퓨터 69.2 66.7 64.8 63.5 63.0 노트북 컴퓨터 23.8 24.4 23.8 23.5 26.5 태블릿 PC 3.5 4.1 4.3 6.0 가정용 전화기 77.9 72.8 67.1 66.2 64.8 자료: 한국미디어패널조사 연구팀 (2015), p.2. <표 4-2> 휴대폰 보유율 조사 연도 2011년 (n=12,000) 2012년 (n=10,319) 2013년 (n=10,464) 2014년 (n=10,172) (단위: 백분율, %) 2015년 (n=9,873) 전체 휴대폰 89.2 91.2 91.8 92.4 93.2 - 스마트폰 (3G, LTE, LTE-A 포함) - 일반 휴대폰 (PDA폰, 키즈폰 포함) 자료: 한국미디어패널조사 연구팀 (2015), p.2. 24.2 54.0 71.9 79.5 83.2 75.8 46.0 28.1 20.5 16.8 최근 5년간 방송통신 서비스 가입 추이를 보면 일반 집전화 가입 가구와 위성방 송과 케이블 방송 가입 가구의 비율은 감소추세이다. 그러나 같은 유료방송 서비스 중에서도 IPTV 서비스와 기존 방송통신 서비스를 복합적으로 활용하는 결합상품 가입 가구의 비율이 큰 폭으로 증가하여 전체적인 유료방송 가입 가구의 비율이 증

150 가세를 보이고 있음을 알 수 있다. <표 4-3> 전화/유료방송서비스/결합상품 가입현황 조사 연도 2011년 (n=5,109) 2012년 (n=4,432) 2013년 (n=4,381) 2014년 (n=4,313) (단위: 백분율, %) 2015년 (n=4,305) 일반 집전화 59.4 57.1 51.8 49.7 47.9 유선 인터넷 전화 24.9 19.3 17.4 18.4 18.4 유료방송 서비스 85.9 85.9 89.3 91.7 94.6 - 위성방송 5.1 4.6 4.3 4.1 3.8 - IPTV 11.1 12.6 16.7 23.6 26.2 - 케이블방송 72.1 70.1 70.2 72.0 66.3 - 결합상품 가입 34.7 34.3 37.5 40.1 44.2 자료: 한국미디어패널조사 연구팀 (2015), p.4. 방송/통신 매체의 보유율 변화는 주요 매체별 평균 사용시간에도 영향을 미치는 것으로 나타났다. 2015년 평균 매체 사용시간은 최근 5년간 약 11분 증가한 일평균 6시간 42분으로 나타났다. 이 중에서도 종이매체와 컴퓨터의 이용시간은 감소한 반 면, TV, 전화기와 같은 매체의 이용시간은 소폭 증가하는 추세를 보였다. 이는 스마 트폰을 중심으로 한 개인형 매체의 확산을 기반으로 한 경향으로 볼 수 있는데, 스 마트폰을 통해 다시보기 혹은 OTT(over the top) 서비스 등의 방송 서비스를 이용 하는 경향이 전반적인 매체 활용에 영향을 미치는 것으로 파악할 수 있다. 스마트폰 은 단순 통화와 문자메시지 중심의 이용 행태를 넘어 실시간 채팅이나 메신저, 정보 콘텐츠, 게임 등을 포괄하는 다기능 매체(Multi-functional media device)로서의 위치 를 굳히고 있다(한국미디어패널조사 연구팀, 2015). 소셜네트워크서비스(SNS)의 이용자 비율은 최근 5년간 꾸준히 증가하는 추세를 보였는데, 카카오스토리나 페이스북, 트위터와 같이 PC보다는 스마트폰을 활용한 SNS 서비스 이용의 비율이 급증한 것으로 나타났다.

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 151 [그림 4-3] 전체 응답자의 매체별 평균 사용시간 자료: 한국미디어패널조사 연구팀 (2015), p.5. [그림 4-4] 소셜네트워크서비스(SNS) 이용자 비율 자료: 한국미디어패널조사 연구팀 (2015), p.7. 일상생활에서 가장 필수적인 매체를 연령별로 조사한 결과에 따르면 전체 응답자 의 69%가 스마트폰이라고 응답한 10대와 20대뿐만 아니라, 40대에서도 각 매체 중 스마트폰을 선택한 비율이 48.6%로 가장 높았다. 20대는 비교적 스마트폰 보급 초 기라고 볼 수 있는 2011년 보유율(57.9%)에서 타 연령대를 압도하였다. 최근에는 스

152 마트폰을 이용한 신문/잡지 기사 검색 이용률이 전 연령대 중 가장 높고, 스마트폰을 통한 TV 콘텐츠, 음악, 게임, 동영상 이용도 10대에 이어 두 번째로 높게 나타났다. [그림 4-5] 연령별 일상생활에서의 필수 매체 (N=6,042명, 단위: %) 자료: 정용찬 (2015), p.7. 10~20대 연령층과 40대 연령층의 스마트폰 이용 행태에는 현저한 차이점이 존재 한다. 동영상 몰아 보기, 이동 중 시청, 정규 방영시간 외 시간 시청 등 시간과 공간 의 제약을 탈피한 능동형 시청행태는 20대 이하에서 나타났으며, 40대 이상의 고연 령층의 경우 상대적으로 낮은 수준이다. 또한 방송 프로그램 시청 중 SNS나 문자로 실시간 의견을 공유하고, 관련 정보 검색을 하는 동시 이용률에서도 20대 이하 이용 자와 40대 이상 이용자가 차이를 보인다(정용찬, 2015). 스마트폰의 확산은 매체의 개인화, 이동화, 네트워크화를 촉발시키고 있으며, 그 변화의 중심은 20대이다. 40대 이상의 경우, 스마트폰 활용 패턴에 있어 현재까지는

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 153 다른 연령대와 현저한 차이를 보이지만, 앞서 제시한 필수 매체 선호도에서 스마트 폰의 상대적 우위가 점차 고연령층으로 확산되고 있는 현상을 고려한다면 향후 능 동형 시청의 세대 간 격차 역시 점차 좁혀질 것으로 전망된다. 2. 매체별 보유/구독/이용에 영향을 미치는 사회ㆍ경제적 요인 분석 한국미디어패널 조사는 가구용 설문과 개인용 설문을 통해 수행되었다. 스마트폰 보유, 이메일 이용, SNS 이용, 가장 선호하는 매체(TV, PC, 스마트폰 등 중) 등은 개 인 설문지를 통해 조사되며, 인쇄물, TV, PC, 휴대폰 등 매체별 이용시간은 3일 간 에 걸쳐 개인용 미디어 다이어리 설문에 기입한 내용을 각 매체별로 합산하였다. 유 선전화기 보유, 데스크톱 PC 보유, 노트북 PC 보유, 신문 구독, 유료방송 구독 등의 여부는 가구용 설문지를 통해 조사되었다. 먼저 2014년 패널 데이터를 활용해 매체별 보유/구독/이용에 영향을 미치는 사회 적 및 경제적 요인을 분석해 보았다. 성별(gender), 연령(age), 지역(region), 최종학력 (school), 개인 또는 가구의 월평균 소득(income/h_income), 직업 유무(job), 가구주와 의 관계(relation), 가구원 수(hhldsiz), 주택형태(houstyp) 등의 인구통계 요인을 설명 변수로 사용하였다. 이들 설명변수의 내용과 항목별 빈도수 및 비율은 <표 4-4> 및 <표 4-5>와 같다. 예측 대상인 종속변수로는 스마트폰 보유, 유선전화기 보유, 데스크톱 PC 보유, 노트북 PC 보유, 신문 구독, 유료방송 구독, 이메일 이용, SNS 이 용 등의 여부와 TV, PC, 스마트폰 등 중 가장 선호하는 매체, 그리고 인쇄물, TV, PC, 휴대폰 이용시간 등을 선정하였다. 분석은 특별한 확률분포의 가정을 요구하지 않는 장점이 있는 의사결정나무 (Decision tree) 방법을 이용했는데, 이는 판별분석과 회귀분석을 조합한 결정규칙에 따라 나무모형의 구조로 도표화하여 분류와 예측을 수행하는 방법이다. 이 방법은 집단의 세분화(segmentation), 결과변인의 등급 분류(classification), 결과의 예측 (prediction), 결과변인에 영향력이 높은 변인을 선별하는 차원축소 및 변수 선정 등 의 목적으로 사용된다(임희진ㆍ유제민, 2007: 619-620). 나무 구조의 최상위에 있는

154 뿌리마디(Root)는 독립변수가 투입되기 이전의 종속변수의 빈도를 나타내며, 상위 에 위치하는 설명변수일수록 종속변수에 영향력이 큰 변수로 이해할 수 있다(송태 민 송주영, 2013: 88). 의사결정나무 분석을 사용함으로써 전체 인구집단을 비슷한 <표 4-4> 설명변수: 성별, 지역, 최종학력, 직업 유무, 가구주와 관계, 가구원 수, 주택형태 구분 코드 내용 빈도수 비율 성별 (gender) 지역 (region) 최종학력 (school) 직업 유무 (job) 가구주와의 관계 (relation) 가구원 수 (hhldsiz) 주택형태 (houstyp) 1 남 4,647 45.68 2 여 5,525 54.32 1 서울특별시 1,567 15.41 2 광역시/특별자치시 3,073 30.21 3 경기도 시부 1,491 14.66 4 기타 지자체 시부 2,640 25.95 5 군부 1,401 13.77 1 미취학 39 0.38 2 초등학교 졸업 이하 2,344 23.04 3 중학교 졸업 이하 1,225 12.04 4 고등학교 졸업 이하 3,420 33.62 5 대학교 졸업 이하 3,004 29.53 6 대학원 재학 이상 140 1.38 0 직업 무 5,163 50.76 1 직업 유 5,009 49.24 1 가구주 3,907 38.41 2 가구주 배우자 3,068 30.16 3 가구주 자녀 2,673 26.28 4 기타 524 5.15 1 1인 가구 681 6.69 2 2인 가구 2,109 20.73 3 3인 이상 가구 7,382 72.57 1 단독주택 3,519 34.59 2 다세대주택 등 1,501 14.76 3 아파트 5,152 50.65

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 155 특성을 가진 세그먼트(segment)로 세분화해 이해할 수 있다. 의사결정나무의 알고리 즘에는 CHAID(Chi-squared Automatic Interaction Detection), CART(Classification and Regression Trees), CTREE(Conditional Tree) 등이 있는데, 본 연구는 CART 알고리즘 을 주로 활용하고, CTREE를 보완적으로 활용하도록 하겠다. <표 4-5> 설명변수: 개인 월평균 소득(income) 코드 내용 코드 내용 코드 내용 1 소득 없음 7 250~300만 원 미만 13 550~600만 원 미만 2 50만 원 미만 8 300~350만 원 미만 14 600~650만 원 미만 3 50~100만 원 미만 9 350~400만 원 미만 15 650~700만 원 미만 4 100~150만 원 미만 10 400~450만 원 미만 16 700~750만 원 미만 5 150~200만 원 미만 11 450~500만 원 미만 17 6 200~250만 원 미만 12 500~550만 원 미만 18 800만 원 이상 가. 스마트폰 및 유선전화기 보유 여부 2014년 기준으로 전체 조사자의 66%가 스마트폰을 보유하고 있다. 의사결정나무 분석 결과, 스마트폰 보유에 가장 큰 영향을 미치는 요인은 나이와 학력으로 나타났 다. 특히 58세 이상의 연령대(전체의 28%)에서는 80%가 스마트폰을 보유하지 않았 다. 그리고 58세 미만의 고교 재학 이상의 학력을 보유한 세그먼트(전체의 58%)에 서는 92%가 스마트폰을 보유하였다. 중학 재학 이하의 그룹에서는 9세 이하는 80% 가, 48 57세는 57%가 스마트폰을 보유하지 않은 반면, 10 48세 세그먼트는 70% 가 스마트폰을 보유한 것으로 나타났다. 유선전화기는 전체 가구의 78%가 보유하고 있는데, 스마트폰 보유와 달리 보유 여부에 대한 의사결정이 가구 단위로 결정되며 지역, 가구원 수, 세대주의 학력 등 다양한 결정 요인이 영향을 미쳤다. 가구의 소재 지역이 군부인 경우(전체의 15%), 94%가 유선전화기를 보유한 것으로 나타났다. 시부 수준 이상의 지역에서는 2명 이 상의 구성원으로 구성된 가구(전체 응답자의 70%)의 경우 79%가 유선전화기를 보

156 유한 것으로 나타났다. 시부 수준 이상 지역의 1인 가구는 중학교 졸업 이하의 학력 의 경우 76%가 유선전화기를 보유하나, 고등학교 재학 이상의 학력의 경우는 29% 만이 유선전화기를 보유하는 것으로 나타났다. [그림 4-6] 스마트폰 및 유선전화기 보유 여부 나. 데스크톱 PC 및 노트북 PC 보유 여부 데스크톱 PC의 경우 가장 결정적인 영향력을 갖는 요인은 가구의 수입인 것으로 나타났는데, 가구 월수입이 200만 원 이상(전체의 62%)인 세그먼트는 83%가 데스 크톱 PC를 보유하였다. 200만 원 미만에서는 3인 이상의 가구 세그먼트(전체의 5%) 에서는 68%가 데스크톱 PC를 보유한 반면, 2인 이하 가구는(전체의 33%)는 84%가

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 157 보유하지 않았다. 노트북 PC의 경우, 전체의 20%의 가구만이 보유하고 있다고 응답하였는데, 학력, 가구 수입 및 데스크톱 PC의 보유 여부가 가장 결정적인 요인으로 나타났다. 학력 수준이 고등학교 졸업 이하인 세그먼트(전체 중 34%)에서는 97%가 노트북 PC를 보 유하지 않았으며, 대학 재학 이상인 경우에는 가구 월수입이 350만 원 미만인 그룹 (전체 중 44%)은 78%가 노트북 PC를 보유하지 않았다. 월 350만 원 이상 고수입 대 상자 중 데스크톱 PC를 보유한 그룹(전체의 19%)은 다수인 61%가 노트북 PC를 보 유하지 않았지만, 데스크톱 PC는 보유하지 않은 그룹(전체의 2%)은 78%의 다수가 [그림 4-7] 데스크톱 PC 및 노트북 PC 보유 여부

158 노트북 PC를 보유한 것으로 나타났다. 즉, 데스크탑 PC와 노트북 PC는 상호 간에 보완재라기보다는 대체재의 성격이 강한 것으로 나타났다. 다. 신문 및 유료방송 구독 여부 신문 및 유료방송의 구독 여부의 경우, 응답이 한쪽으로 치우치는 경향이 강하기 때문에 조건부 의사결정나무 구조(최대 깊이: 3)를 활용하여 분석하였다. 신문 구독 여부를 가르는 가장 중요한 요인은 가구 수입인데, 가구 월수입이 450만 원 미만의 경우에는 성별과 소재 지역에 따라 세그먼트가 더욱 세분화되기는 하지만 공통적으로 [그림 4-8] 신문 구독(좌) 및 유료방송 가입(우) 여부

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 159 신문을 거의 구독하지 않았다. 가구 월수입이 450만 원 이상의 경우는 서울 소재 가 구 세그먼트와 서울 외의 지역에 살더라도 가구주가 대학 재학 이상의 학력을 보유 한 세그먼트에서는 신문 구독자가 상당수 존재하는 것으로 나타났다. 케이블 방송, 위성방송, IPTV 서비스를 모두 포함하는 유료방송은 서비스 가입 여 부를 구분하는 요인이 가구주의 성별과 학력인 것으로 나타났다. 하지만 하위 세그 먼트들이 모두 대부분 유료방송에 가입하는 것으로 나타나 유의미한 차이는 없었다. 라. 이메일 및 SNS 이용 여부 이메일은 사용자의 연령과 학력 수준이 이용 여부에 영향을 미치는 요인으로 나 타났는데, 연령이 56세 이상인 세그먼트(전체 중 31%)에서는 89%가 이메일을 이용 하지 않았다. 56세 미만에서는 대학교 재학 이상인 세그먼트(전체 중 29%)에서는 89%가 이메일을 사용하는 것으로 나타났다. 그리고 중학교 재학 이상 대학교 졸업 미만인 세그먼트(전체 중 32%)에서는 70%가 이메일을 사용하며, 초등학교 졸업 이 하인 세그먼트(전체 중 8%)에서는 40%가 이메일을 사용하고 있었다. SNS 역시 연령과 학력 수준이 이용 여부에 결정적 역할을 하는 요인으로 나타났 다. 54세 이상의 세그먼트(전체 중 33%)에서는 96%가 SNS를 이용하지 않았으며, [그림 4-9] 이메일 및 SNS 이용 여부

160 46 54세의 세그먼트(전체 중 15%)에서는 71%의 응답자가 SNS를 이용하지 않았다. 46세 미만이면서 초등학교 졸업 이하인 그룹과 34 46세이며 중학교 재학 이상 고 등학교 졸업 이하인 세그먼트에서는 각각 79%와 55%가 SNS를 이용하지 않았다. 반면, 34 46세이며 대졸 이상인 세그먼트(전체 중 12%)와 34세 미만 세그먼트(전 체 중 23%)에서는 각각 59%와 70%가 SNS를 이용한다고 답하였다. 마. TV, PC, 스마트폰 등 중 가장 선호하는 매체 가장 선호하는 매체를 조사한 결과, TV(1)가 63%, PC(2)가 7%, 스마트폰(3)이 30%, 기타(0)가 1%로 나타났다. 의사결정나무의 분석 결과, 연령이 선호하는 매체 에 가장 큰 영향을 미치는 요인으로 나타났다. 52세 이상의 응답자 세그먼트(전체 응답자의 36%)에서는 TV의 선호도가 93%로 압도적으로 나타났고, 10세 미만 인구 그룹에서도 TV의 선호도가 81%로 높게 나타났다. 42 51세 그룹에서는 TV 선호가 64%로 스마트폰 선호(28%)의 2배 이상 앞섰다. 한편, 30 41세 그룹에서는 월소득 150만 원을 경계로 TV와 스마트폰의 선호가 갈렸는데, 월소득 150만 원 이상인 세 그먼트는 스마트폰 선호자(52%)가 TV 선호자(33%)를 앞질렀다. 11 29세의 학생층 그룹(전체 응답자의 21% 점유)은 67%가 스마트폰을 가장 선호한다고 응답해 TV 선 호자를 3배 이상 앞서는 것으로 나타났다.

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 161 [그림 4-10] 가장 선호하는 기기 바. 인쇄물, TV, PC, 휴대폰 등의 이용시간 하루 중 휴대폰, TV, PC, 인쇄물 등의 미디어를 활용하는 시간에 대해서도 사회경 제 요인 분석을 수행하였다. 먼저 휴대폰 이용은 학력과 연령이 가장 중요한 결정요 인으로 나타났는데, 초등학교 졸업 이하인 세그먼트(전체 응답자 중 24%)에서는 평 균 이용시간이 41분이며, 중학교 재학 및 졸업 세그먼트(전체 중 12%)에서는 평균 70분을 이용하였다. 고등학교 재학 이상 학력에서는 46세 이상 세그먼트(전체 중 23%)에서는 평균 82분, 46세 미만 세그먼트(전체의 41%)에서는 평균 112분 이용하 였다. TV 시청 구분의 가장 결정적 요인은 연령과 직업이다. 30세 미만은 일평균 1시간 57분을 TV 시청에 할애하는 반면, 30세 56세는 직업 미보유 세그먼트는 4시간 33 분, 직업 보유 세그먼트는 2시간 44분 TV를 시청한다. 56세 이상의 경우 직업 미보 유 세그먼트(전체의 16%)에서는 5시간 35분간 TV를 시청하며, 직업 보유 세그먼트 (전체 중 13%)에서는 평균 3시간 35분간 TV를 시청하는 것으로 나타났다. PC 활용은 고교 졸업 이하 학력의 경우 56세 이상인 세그먼트(전체 중 28%)에서

162 는 평균 5.2분을 할애하는 반면, 56세 미만인 세그먼트(전체 중 41%)에서는 평균 40 분을 할애하였다. 대학 재학 이상 학력의 경우는 직업 유무가 결정적인 요인으로 작용 하였는데, 직업이 없는 세그먼트(전체의 11%)에서는 평균 55분을 PC 활용에 할애한 반면, 직업이 있는 세그먼트(전체 중 19%)에서는 평균 2시간 8분간 PC를 활용했다. [그림 4-11] 휴대폰, TV, PC, 인쇄물 등 매체별 이용 시간 인쇄물 독서에는 28세 이상 그룹(전체의 76%)은 평균 12분 할애했고, 20~28세의 경우 직업 보유 세그먼트는 21분, 일하지 않는 학생 세그먼트는 평균 2시간 5분을 할애하였다. 20세 미만의 경우에는 거주지가 서울인 세그먼트(전체의 2%)에서는 평 균 1시간 48분, 광역시 세그먼트(전체의 5%)에서는 4시간 47분, 경기도 시부 세그먼 트(전체의 3%)에서는 1시간 8분을 독서에 할애하였다. 그 외의 지역에서는 초등학

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 163 교 졸업 이하는 3시간 56분, 중학교 재학 이상은 평균 6시간 3분을 독서에 할애하였 다. 즉, 서울과 경기 지역의 초ㆍ중ㆍ고등학생이 독서에 더 적은 시간을 할애하는 것으로 조사되었다. 제 3 절 마이크로시뮬레이션 방법론 소개 및 기초모형 구축 1. 마이크로시뮬레이션 방법론 소개 마이크로시뮬레이션이란 사람 또는 차량과 같은 개체 단위를 기반으로 가상 사회 를 구성하고, 개체 단위의 상호 작용을 관찰하여 전체 사회를 이해하는 방법론이다 (Spielauer, 2011). Orcutt의 1957년 논문에서 그 개념이 처음 등장했는데(Orcutt, 1957), 단위 개체의 확률적 예측모형을 구축하기 위해서는 상당한 컴퓨팅 자원과 속 성 데이터가 요구되기 때문에 당시에는 거의 활용되지 못하였다. 이후 컴퓨팅 기술 의 놀라운 발전과 충분한 데이터의 축적 및 공유로 인해 2000년대부터 마이크로시 뮬레이션의 활용이 다시 주목받기 시작하였고, 2005년에 국제 마이크로시뮬레이션 협회(International Microsimulation Association)가 설립되었다. 현재에는 기술과 이론 의 발달로 모형의 크기와 복잡성은 국가 수준으로 확대되었으며, 2013년까지 일본, 미국, 영국 등 18개 국가에서 국가 차원의 정책 결정을 목적으로 60개가 넘는 대규 모 마이크로시뮬레이션 모형이 개발되었는데, 아직 한국의 사례는 부재한 것으로 나타난다(Li, J. and O Donoghue, 2013). 마이크로시뮬레이션은 일반적으로 개인의 특성에 대한 통계자료에서 모수를 추 출하고, 추출된 모수를 활용하여 단위 행위자의 행동 규칙을 규정하는 과정이 선행 된다. 이를 토대로 각 개체는 개별적이고 자율적으로 행동한다고 가정할 수 있고, 개체 간의 상호작용 역시 확률 모형에 의해 그 행태가 결정되며, 개인, 가구, 지역, 국가 등 다양한 수준에서 결과를 도출할 수 있다는 장점이 있다. 마이크로시뮬레이션에서는 다양한 인간 사회에 대한 데이터를 수집 및 통합한 후 모형링의 기준이 되는 초기 인구 데이터 세트를 생성한다. 개별 단위 개체의 행동과

164 사건을 규정하는 사회 경제학 이론을 기반으로 미시모형을 개발하고, 더 많은 행 위 개체와 변수를 가진 모형의 수행을 위한 연산 방법의 개발을 위해 해당 모형을 확장하는 과정을 거친다. 이때 단위 행위자는 일련의 속성(개인의 경우, 성별, 연령, 결혼 여부, 임금 등)을 가진 독립적인 개체로서 속성에 따른 확률 모형에서 정의되 는 전이 확률 을 부여받게 되는데, 해당 전이확률에 따라 개체의 행위 여부가 결정 된다. 예를 들어, 행위자는 시간이 지남에 따라 사망에 대한 전이확률에 따라 사망 하거나, 혼인에 대한 전이확률에 따라 혼인 상태로 변화하는 것이다. 이러한 마이크 로시뮬레이션의 특성 때문에 확률적 미시모형 이라고 일컬어지며, 결정적 거시모 형 으로 간주되는 시스템 다이내믹스와 종종 대조된다. [그림 4-12] 마이크로시뮬레이션 내 N세 여성의 혼인 상태 변화 자료: Bacon and Pennec(2007) 이처럼 각 개체의 확률적 모형에 기반하는 마이크로시뮬레이션을 구축하기 위해 서는 모든 속성 값의 조합에 대한 대규모의 표본 확보가 요구된다. 그런데 사회현상 의 시뮬레이션을 위해 종합적인 자료가 수집되어 있는 경우는 매우 드물기 때문에 시뮬레이션에 필요한 자료들을 여러 가지 출처를 통해 수집하여 취합하는 것이 일 반적이다. 샘플과 확률 데이터 등을 취합할 때에는 대상의 규모(인구수), 자료 수집

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 165 시기, 같은 대상 집단의 같은 특성 등에 대한 여러 가지 불일치를 일관성이 유지되 도록 조정하고, 실제 인구와 유사한 특성을 가진 가상 인구 집단을 만드는 것이 관 건이라고 할 수 있다. 이렇게 구축된 인구집단과 그들의 행태에 대한 데이터 세트는 이후 시뮬레이션 결과 전반을 좌우하기 때문에 매우 중요하다. 대규모 데이터의 처 리에 필요한 컴퓨터 저장공간과 연산능력의 확보 역시 시뮬레이션 수행의 선결조건 이다. 마이크로시뮬레이션의 종류는 산술적 모형과 행태적 모형, 또는 정태적 모형과 동태적 모형 등으로 구분할 수 있다(Zucchelli, 2010). 산술적 마이크로시뮬레이션은 세금, 수익, 임금의 변화에 대응한 분배와 예산의 변화를 추정하기 위해 주로 활용 되는데, 정책 변화에 따른 개인의 행태적 반응이 무시된다. 반면, 행태적 마이크로시 뮬레이션에서는 정책 변수의 수정에 따른 개인의 행태 변화를 고려한다. 한편, 정태 적 모형은 특정 시점 혹은 몇 개의 시점에 대한 분석을 수행하며, 시간에 따른 변화 에 대해서는 모형링하지 않는다. 반면, 동태적 모형은 매 시점마다 각 개체에 정의 되어 있는 특성값을 갱신하며, 확률적 또는 결정적 알고리즘을 기반으로 모형을 구 축한다. 일반적으로 하나의 마이크로시뮬레이션 모형은 인간 사회의 다양한 분야 중 특정 부분을 설명하는 모듈로 이뤄지는데, 예를 들어 인구, 가구, 교육, 노동, 경제 등을 설명하는 모듈로 구성될 수 있다(Bacon, 2007). 각 모듈은 다시 출산 및 사망(인구 모듈), 고용 및 은퇴(노동 모듈) 등과 같은 세부 행위로 구성된다. 이때 모형에 존재 하는 각 단위 개체(행위자)는 나이, 성별 등의 인구학적 개별 특성에 따라 모듈에서 정의되는 전이확률을 얻고, 전이확률에 따라 행위 여부를 결정하게 된다(Bacon, 2007). 마이크로시뮬레이션을 통해 한 사회의 다양한 분야를 개인, 가구, 지역, 인종, 소 득, 국가 등의 다양한 수준에서 관측할 수 있기 때문에 특정 정책(예: 세금의 대상별 차등부과 등)에 따른 사회적 변화를 분석하는 과정에서 기존 거시적인 모형링 방법의 한계를 극복할 수 있다. 이러한 장점 때문에 질병 확산, 개인 재무 설계 등 다양한

166 분야에서 활용이 가능하며, 향후 적용 분야가 지속적으로 확대될 것으로 기대된다. 2. 마이크로시뮬레이션 모형 구축을 위한 개발도구 선정 본 연구는 마이크로시뮬레이션 모형 개발을 위해 가장 널리 활용되는 Modgen, JAMSIM, MICSIM, LIAM2 등의 개발도구를 검토하였다. 이 중 Modgen은 캐나다 통계청(Statistics Canada)이 개발한 소프트웨어로서 소스코드를 공개하지는 않지만, 누구나 자유롭게 사용하도록 무료로 제공된다. Modgen은 C++ 라이브러리를 기반으 로 다양한 마이크로시뮬레이션 방법론을 구현할 수 있으며, 이산시간과 연속시간 모형 모두를 지원한다. Modgen은 기능 면에서 가장 강력하고, 그래픽유저인터페이 스(GUI)도 제공하고 있지만, C++ 언어를 능숙하게 활용할 수 있어야 한다는 요구조 건이 따른다. JAMSIM은 개념적으로 Modgen과 유사한데, 자바(Java) 언어를 기반으로 개발된 Ascape라는 행위자 기반 모형 도구를 이용하며, 그 소스코드 또한 공개되어 있다. Ascape가 제공하는 GUI를 활용할 수는 있지만, 이 역시 자바 언어에 능숙해야 온전 한 모형의 개발이 가능하다. JAMSIM은 행위자 기반 모형인 Ascape와 통계 기반 프 로그래밍 언어인 R을 접목해 마이크로시뮬레이션을 구현하는데, 마이크로시뮬레이 션 본연의 기능은 상대적으로 취약하다. 즉, C++ 언어를 기반으로 하는 Modgen보다 <표 4-6> LIAM2, Modgen, JAMSIM 비교 LIAM2 Modgen JAMSIM 모형링 언어 YAML (Python) C++ Ascape, 자바, R 개발 주체 벨기에 연방기획국 캐나다 통계청 Centre of Methods and Policy Application in the Social Sciences, 뉴질랜드 소스코드 공개

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 167 사용은 용이하지만, 모형링 기능이 현저히 취약한 것이다. 그 밖에 R 언어를 기반으로 한 MICSIM이라는 도구를 검토했으나, 연속시간 모형만 지원하고 이산시간 모형을 지원하지 않아 후보에서 탈락시켰다. 본 연구는 모형 구축을 위해 LIAM2 개발도구를 선정하였다. LIAM2는 이산시간 (Discrete-Time) 마이크로시뮬레이션 모형을 구현하기 위한 오픈소스 개발도구로서 정적모형과 동적모형이 모두 가능하다. 벨기에 연방기획국(FPB, Federal Planning Bureau)이 개발하여 웹(http://liam2.plan.be/)에서 무료로 제공하고 있으며, 파이썬으 로 작성한 소스코드도 공개하고 있다. 벨기에 연방기획국은 O'Donoghue가 개발한 LIAM(Lifecycle Income Analysis Model) 개발도구를 활용한 시뮬레이션 경험을 기반 으로 LIAM의 후속작이자, 상호호환이 가능한 LIAM2를 개발하였다. LIAM2는 기존 LIAM보다 개발이 편리하고, 연산속도가 빠르며, 더 큰 데이터를 처리할 수 있다. LIAM2는 파이썬 언어로 개발되기는 했으나, 이용자는 파이썬 언어가 아닌 YAML이라는 데이터 지향적인 마크업 언어(data-oriented markup language)를 이용해 시뮬레이션 모형을 개발할 수 있다. 이는 일반적인 프로그래밍 언어보다 한결 이용 이 쉬우며 데이터의 구조를 더욱 체계적이고 간결하게 표현할 수 있다. LIAM2는 수 학 함수, 조건부 함수, 집합 함수(산술평균, 중간값, 백분율, 지니계수 등), 시간함수, 몬테카를로 시뮬레이션, 생애주기 함수, 매칭 함수 등 다양한 내재적 함수를 제공한 다. LIAM2는 GUI를 제공하지는 않지만, C++, 자바 등 난이도가 높은 프로그래밍 언어의 구사실력을 요구하지 않아 사용자 입장에서는 가장 편리한 도구이다. 또한 마이크로시뮬레이션을 위한 기능도 MODGEN 다음으로 폭넓게 제공하기 때문에 본 연구에서는 LIAM2를 채택하였다. LIAM2는 모형 개발을 위해 entity, link, field, process, global, macro 등의 개념을 제공한다(De Menten et al., 2014). 먼저 entity(개체)라는 개념은 개인, 가구 처럼 각 개별 객체의 클래스(원형)를 지칭한다. link는 각 entity 간의 관계를 나타낸다. 각 entity는 field라 불리는 속성을 갖게 되는데, fields에는 bool(불리안), int(정수), float

168 (실수) 등의 형식이 있다. process는 field의 내용을 바꿀 수 있는 과정으로 바로 모형 의 핵심 부분인데, 각 개체의 속성이 시간의 흐름에 따라 어떻게 진화하는지에 대한 수식이 된다. global은 매개변수로서 특정 entity에만 관련된 것이 아니라, 이벤트의 발생확률 분포와 같은 수치적 정보에도 사용된다. macro는 주로 사용하는 변수나, 상태 등 임의의 표현을 별도로 지정해 둠으로써 모형 개발을 용이하게 한다. 3. 한국사회의 인구통계 기초모형 구축 및 한계점 본 연구는 한국미디어패널조사의 2011 2014년 4개 연도 시계열 데이터를 토대 로 마이크로시뮬레이션 모형을 구축하고자 한다. 본 마이크로시뮬레이션 모형에서 다루는 개체(entities)는 크게 개인(person) 개체와 가구(household) 개체로 나눌 수 있 다. 개인 단위에서 속성변수는 성별(gender), 연령(age), 최종학력(school), 월평균 소 득(income), 직업 유무(job), 가구주와의 관계(relation) 등이고, 가구 단위에서 속성변 수는 가구원 수(hhld), 가구 월평균 소득(h_income), 지역(region), 주택형태(houstyp) 등이다. 먼저, 인구구조의 변화를 야기하는 출생률과 사망률은 통계청이 2011년에 발표한 장래인구추계: 2010 2060년 의 예측을 활용하였다. 통계청은 출생자 수에 대해 2010년 47만 명에서 2030년 41만 명으로 꾸준히 감소하고, 사망자 수에 대해서는 2010년 26만 명에서 2030년 45만 명으로 꾸준히 증가할 것으로 예측했으며, 2028년 에는 사망자 수가 출생자 수를 초과하는 인구의 자연감소가 시작될 것으로 전망했 다. 본 모형은 통계청이 제공하는 2011년부터 2060년까지 매 연도별 가임여성의 연 령별(15 50세) 출생률과 성별, 연령별(0 100세) 사망률 전망치를 활용하였다. 각 개인이 출산 및 사망을 하게 되면 이를 가구 개체의 가구원 정보에 반영하였다. 가 구원이 모두 사망하는 경우, 해당 가구 개체는 삭제된다.

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 169 [그림 4-13] 출생자 수 및 사망자 수, 2010~2060 자료: 통계청 (2011. 12. 7.), p.4. 그런데 한국미디어패널 데이터의 특성 때문에 마이크로시뮬레이션 모형을 온전 히 구축하는 데 많은 제약이 따른다. 일반적인 마이크로시뮬레이션은 개인이 가구 를 구성하며, 출산 및 사망을 통해 개인 개체를 새로 생성 및 소멸시키고, 혼인 및 이혼 등을 통해 가구 개체를 형성 및 해체한다. 그런데 미디어패널조사는 각 가구에 대해 전체 구성원을 조사한 것이 아니라 33), 일부 구성원만을 조사했으며 세대주 및 가장이 누락되는 등 부부 정보가 불완전한 가구도 다수 존재한다. 또한 6세 이상 구 성원만을 조사 대상으로 했기 때문에 0~5세의 개인 개체가 존재하지 않는다. 0~5 세의 개체가 부재한 상황에서 새로운 개체를 생성시키면 2010~2014년에 출생한 개인이 부재하는 왜곡된 가상 인구가 생성된다. 이러한 제약 때문에 본 연구에서는 가구 개체와 개인 개체를 긴밀히 통합시키지 않고, 이원적으로 구성한 모형을 개발하도록 한다. 즉, 가구의 모든 구성원을 모형링 하지 않고, 미디어패널조사의 개인설문에 응답한 구성원만을 개인 개체로 모형링하 33) 각 가구의 전체 구성원에 대해서 가구주와의 관계, 성별, 연령, 거주 유형, 휴대폰 보유 여부를 조사하기는 하지만, 이 정보만으로 각 개인 개체를 구성하기에는 곤 란한 부분이 있다.

170 고, 전체 구성원 수는 가구 개체의 정보로만 활용한다. 따라서 출산을 시뮬레이션에 포함시키지만, 새로운 개인 개체를 생성하지 않고 가구 개체의 구성원 수의 정보만 을 변화시킨다. 새로운 개인 개체를 생성시키지 않기 때문에 전체 가상 인구의 평균 연령이 계속 증가할 수밖에 없다. 이 때문에 본 연구에서는 20세 이상의 성인만을 대상으로 전체 보급률을 평가하도록 한다. 6세의 개인이 20세에 도달하는 데에는 14년이 소요되기 때문에 본 연구는 2015년부터 2028년까지 14년 기간을 시뮬레이션 하였다. 결혼은 가구 개체의 형성에 영향을 미치는 중요한 요인이다. 본 시뮬레이션은 통 계청(2015)의 2014년 혼인ㆍ이혼 통계 의 성별, 연령별 혼인율을 활용하였다. 결 혼은 통계청이 장기 추계를 따로 추정하지 않아, 2014년의 연령별 혼인율이 계속 유 지되는 것으로 가정하였다. 그리고 결혼을 하지 않더라도 20세 35세 연령에 도달 하면 매년 10%의 확률로 독립해서 1인 가구를 형성하는 것으로 가정하였다. 가구를 형성하는 혼인과 더불어 가구를 해체하는 이혼도 중요한 프로세스로서 많은 마이크로 <표 4-7> 2014년 연령별ㆍ성별 혼인율 (단위: 해당연령 인구 1천 명당 건) 연령별 구분 남성 여성 전체 14.2 14.0 15 19 0.6 2.4 20 24 5.3 16.0 25 29 42.7 73.6 30 34 61.0 50.3 35 39 24.1 14.9 40 44 9.7 6.3 45 49 5.4 4.7 50 54 4.0 3.5 55 59 3.2 2.2 60 1.3 0.5 자료: 통계청 보도자료(2015. 4. 23.), pp.6~7.

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 171 시뮬레이션 모형에 포함되지만, 미디어패널 데이터에는 부부 양쪽 개체가 모두 존 재하지 않는 가구 데이터가 많아 본 모형에 이혼 프로세스는 포함시키지 않았다. 교육 관련 취학률 및 진학률은 국가지표체계 사이트(또는 교육부 교육 통계 사이 트)의 자료를 참고하였다. 대체로 거의 모든 학생이 고등학교까지 진학하므로 시뮬 레이션에서는 18세 이하 모든 청년은 고등학교까지 재학하는 것으로 가정하였다. 그리고 31%는 고등학교 졸업 이하의 학력을, 60%는 대학교 졸업 이하의 학력을, 9%는 대학원 재학 이상의 학력을 갖게 되는 것으로 가정하였다. <표 4-8> 취학률 및 진학률 현황 (단위: %) 구분 2010 2011 2012 2013 2014 초등학교 취학률 99.2 99.1 98.6 97.2 96.4 상급학교진학률 99.9 99.9 99.9 99.9 99.9 중학교 취학률 97.0 96.7 96.1 96.2 97.7 상급학교진학률 99.7 99.7 99.7 99.7 99.7 고등학교 취학률 91.5 91.9 92.6 93.6 93.7 상급학교진학률 79.0 72.5 71.3 70.7 70.9 고등교육기관 취학률 70.1 68.4 68.4 68.7 68.2 자료: 국가지표체계 사이트, http://www.index.go.kr/potal/main/eachdtlpagedetail.do?idx_cd=1520 학교를 졸업한 후에는 경제활동에 참여하게 된다. 각 개인의 취업 여부를 결정하 기 위해서 거시통계와 미시통계를 각각 활용하였다. 먼저 전체적인 성별, 연령별 취 업률은 한국고용정보원의 이시균(2014) 중장기 인력수급 전망 2013 2023 의 경 제활동인구 참가율 전망을 활용하였다. 실업률은 일정하게 유지되는 것으로 가정하 여 2015년의 성별, 연령별 실업률(국가통계포털)을 연도별 경제활동인구 참가율 전 망치에 곱하고, 이를 차감함으로써 연도별 취업률 전망을 산출하였다. 2023년 이후 의 성별, 연령별 취업률은 2023년의 확률분포가 동일하게 유지되는 것으로 가정하 였다.

172 <표 4-9> 성별, 연령별 경제활동인구 참가율 전망 (단위: %, %p) 2013 2018 2023 증가분 전체 61.5 64.3 66.7 5.2 남성 73.2 75.5 78.3 5.1 청년 42.0 48.2 53.9 11.9 중년 93.1 92.2 94.6 1.5 장년 62.7 70.2 71.2 8.5 여성 50.2 53.5 55.7 5.5 청년 44.4 49.4 54.3 9.9 중년 62.1 67.2 70.9 8.8 장년 36.1 39.8 41.8 5.7 자료: 이시균(2014), 제2권, p.250. 한편, 성별, 연령별로 전체 취업률을 산출한 후에는 실제 어떤 개인이 취업 또는 미취업 상태에 처하게 될지를 결정해야 한다. 이를 위해 KISDI의 2011 2014년 패 널 데이터를 사용해 전년도 직업 유무 여부, 성별, 가구주와의 관계, 결혼상태, 연령 (연령의 제곱값 포함)을 설명변수로 하여 로짓 회귀분석을 수행하였다. 여기서 도출 된 계수를 활용하여 각 개인의 취업 확률점수를 구하고, 점수별로 순위를 결정한 후, 각 연령별로 취업률 내의 순위에 드는 개인이 해당 연도에 취업하는 것으로 시 뮬레이션 모형을 구축하였다. 즉, 한국고용정보원이 산출한 전체(성별, 연령별) 취업 률 전망치와 미디어패널 데이터에서 산출한 각 개인의 취업 가능성 점수를 조합하 여 각 개인의 취업 여부를 시뮬레이션한 것이다. 마지막으로 각 개인의 소득 수준(18개 소득구간)을 추정하였다. 이를 위해 2011 2014년 미디어패널 데이터를 사용해 전년도 소득 수준, 성별, 가구주와의 관계, 결 혼상태, 연령 등과 앞서 도출한 직업 여부를 설명변수로 하여 선형 회귀모형을 도출 하고, 여기서 얻은 계수값을 마이크로시뮬레이션 모형에 적용해 각 개인의 연도별 소득수준을 전망하였다. 취업 여부와 소득에 대한 회귀식은 부록의 시뮬레이션 프 로그램 코드에서 확인할 수 있다. 이상과 같은 마이크로시뮬레이션 모형 구축에는 또 다른 제약요인이 존재한다.

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 173 미디어패널조사는 설문 조사를 수락한 응답자의 정보만이 수집되기 때문에 전체 인 구 모집단의 속성과 차이가 있을 수 있다. 예를 들어, 미디어패널의 연령 분포를 살 펴보면 20대의 응답률이 현저히 낮게 나타난다. 이를 보정하기 위해 각 개인별로 가 중치를 산출하고, 이를 각 개인의 수치에 곱한 가중평균을 구함으로써 전체 보급률 등을 산출한다. 그러나 가중치는 응답자의 성별, 연령별, 지역별 분포만을 고려하여 산출된다(정보통신정책연구원, 2015). 그런데 성, 연령, 지역 외에도 학력, 취업 여부 및 소득 등도 중요한 사회경제적 요인이기 때문에 한계가 존재한다. 특히 취업 여부에 있어서 미디어패널조사의 응답자는 청년층의 경우 실제 전체 구성원의 취업률과 비교해 미취업자가 더 많이 설문에 응답했으며, 중년 및 장년층 의 경우는 실제 취업률과 비교해 취업자가 더 많이 설문에 응답하였다(<표 4-10> 참조). 각 개인의 장기 취업 여부를 시뮬레이션하기 위해 장기 고용 전망을 담당하 는 한국고용정보원의 중장기 인력수급 전망을 활용해야 하는데, 시뮬레이션의 시작 점에서 이와 같은 큰 차이가 나타나는 것이다. 중장기 인력수급 전망의 경우 2030년 까지 취업률이 점진적으로 증가하는 것으로 예측하고 있는데, 한국미디어패널조사 에서는 2014년 시점에서의 취업률이 2030년 취업률 전망치보다 높게 나타났기 때문 에 고용률이 점진적으로 감소하는 것으로 시뮬레이션되는 모순이 발생한다. 취업률 이 감소하면 이에 영향을 받는 개인의 소득수준도 감소하는 부수효과가 발생한다. 다만 그 오차가 크지 않으므로 이를 감수하고 시뮬레이션을 수행하였음을 밝혀 둔다. <표 4-10> 미디어패널 데이터 상의 취업률과 한국고용정보원의 취업률 추정의 비교 조사 주체/시기 한국고용정보원(2013년) 한국미디어패널 조사(2014년) 성별 구분 남성 여성 남성 여성 청년(15~30세) 37.8 40.6 21.6 26.4 중년(30~50세) 90.8 60.5 97.8 46.1 장년(50~65세) 61.0 35.4 92.4 51.1 주: 한국고용정보원의 경제활동인구 추정치에서 연령별 평균 실업률을 차감하여 추정 자료: 한국고용정보원의 추계는 이시균 (2014)과 이시균 외 (2015)에서 참조

174 4. 인구통계 기초모형 시뮬레이션 결과 이상 살펴본 인구통계 기초모형의 개발 절차에 따라 LIAM2 개발도구를 사용하여 시뮬레이션을 수행하였다. YAML로 작성된 프로그램 소스코드는 부록에서 확인할 수 있다. 2014년 기준 6세 이상 개체를 대상으로 적용된 시뮬레이션을 통해 2028년 에는 모든 개체가 20세 이상 성인으로 성장한다. 그리고 2015년 40대 후반 및 50대 초반이던 베이비부머 세대가 2028년 60대에 진입하게 된다. [그림 4-14] 마이크로시뮬레이션 가상 인구의 개인 개체 구성 변화 <2015년 인구 구성> <2028년 인구 구성> 시뮬레이션이 도출한 한국의 인구 및 가구 구성 전망 결과는 <표 4-11>과 같다. 20세 이상 성인의 수와 평균 연령은 각 개체에 2014년의 횡단면 가중치를 곱하여 얻은 가중평균값이다. 통계청은 2028년부터 총인구가 감소할 것으로 전망하였는데, 본 모형에서는 성인을 기준으로 2027년부터 인구가 감소하는 것으로 나타났다. 그 리고 사회 전반의 고령화 현상으로 20세 이상 성인의 평균연령이 2014년 46.7세에 서 2028년 52.5세로 14년 사이에 5.8세 증가할 것으로 전망되었다. 한편, 전체 가구 의 평균 가구원 수는 꾸준히 감소하고, 1인 가구의 비중은 꾸준히 증가할 것으로 나 타났다.

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 175 <표 4-11> 인구 및 가구 구성 전망 연도 성인 인구수 성인 평균연령 평균 가구원 수 1인 가구 비율 2014 8,661.0 46.7 2.94 15.8% 2015 8,725.9 47.1 2.87 18.5% 2016 8,772.9 47.6 2.82 20.4% 2017 8,831.8 47.9 2.75 23.0% 2018 8,859.2 48.4 2.69 25.3% 2019 8,903.9 48.8 2.64 27.0% 2020 8,947.1 49.2 2.59 28.9% 2021 8,985.2 49.6 2.54 30.5% 2022 9,041.9 50.0 2.50 32.0% 2023 9,078.6 50.3 2.46 33.4% 2024 9,140.3 50.5 2.42 34.7% 2025 9,160.6 50.9 2.38 36.2% 2026 9,161.7 51.4 2.35 37.0% 2027 9,141.7 51.9 2.32 37.9% 2028 9,091.5 52.5 2.31 38.4% 주: 성인 인구수와 평균연령은 개인별 가중치를 곱해 구한 가중평균이며, 평균 가구원 수와 1인 가구 비율은 전체 가구 수로 나누어 구한 산술평균 이상의 인구 및 가구 변화를 토대로 경제, 사회 요인의 변화를 시뮬레이션하였다. 0~5점으로 평가한 학력수준을 전체 성인에 대해 가중평균한 지표는 평균 2.9(고졸) 수준에서 3.4(대학 재학 이상) 수준으로 증가했다. 취업률은 50% 초반대에서 소폭 등락하며 유지되는 것으로 나타났다. 소득수준은 2015년부터 감소하는 것으로 도출 되었는데, 2000년대 이후 국민의 실질 임금소득이 정체되고, 생산가능인구(14~64 세)가 2016년부터 감소함을 감안하더라도 비관적인 전망이라 판단된다. 수치가 낮 을수록 서울 등 대도시에 집중도가 높아짐을 의미하는 지역지표는 완만히 감소하는 것으로 나타났으며, 수치가 높을수록 다세대 주택 및 아파트 거주비율이 높아짐을 의미하는 주거지표는 점진적으로 증가하는 것으로 나타났다.

176 <표 4-12> 경제ㆍ사회 요인의 변화 전망 학력수준 지표(0~5) 취업률 소득수준 지표(1~18) 지역지표 (1~5) 주거지표 (1~3) 2014 2.9 52.0% 4.19 2.82 1.77 2015 3.0 50.3% 4.13 2.81 1.80 2016 3.0 51.4% 4.10 2.80 1.83 2017 3.1 51.9% 4.08 2.79 1.85 2018 3.1 53.0% 4.08 2.78 1.87 2019 3.1 53.3% 4.08 2.77 1.89 2020 3.2 53.6% 4.08 2.76 1.91 2021 3.2 54.2% 4.06 2.76 1.93 2022 3.3 53.9% 4.03 2.76 1.94 2023 3.3 53.5% 4.00 2.76 1.96 2024 3.3 53.2% 3.95 2.76 1.98 2025 3.3 52.5% 3.91 2.76 1.99 2026 3.3 52.1% 3.87 2.75 2.00 2027 3.4 51.8% 3.84 2.76 2.02 2028 3.4 51.3% 3.81 2.75 2.02 주: 이상의 모든 지표는 개인별 가중치를 곱해 구한 가중평균 이상과 같은 한국의 인구 및 경제, 사회 변화 전망의 기초모형을 토대로 본격적으 로 한국인의 미디어 기기 보유 및 미디어 이용 행태에 대한 예측을 수행하였다. 전 망의 절차와 결과는 다음 4절에서 상세히 설명하도록 하겠다. 제 4 절 미래 한국 사회의 미디어 이용 행태 전망 1. 회귀분석을 활용한 개인의 미디어 이용 행태 도출 2011년부터 2014년까지 4개 연도의 패널 데이터를 활용해 스마트폰, 유선전화기, 데스크톱 PC, 노트북 PC의 보유 여부 및 종이신문과 유료방송 구독 여부를 예측하 는 회귀모형을 도출하였다(<표 4-13>, <표 4-14> 참조). 이 중 스마트폰 보유 여

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 177 부만 전체 응답자에 대해 분석을 수행하고, 나머지 종속변수는 가구 단위의 조사이 므로 가구주의 속성을 토대로 회귀분석을 수행하였다. 설명변수는 앞서 <표 4-4> 와 <표 4-5>에서 살펴본 연령, 지역, 성별, 최종학력, 취업 여부, 월평균 소득수준, 가구주와의 관계, 가구원 수, 주거형태 등의 인구, 사회, 경제 요인을 조사하여 각 해 당 종속변수에 대해 95%의 신뢰수준에서 통계적으로 유의한 설명변수들만을 선별 하였다. 종속변수는 예와 아니오 중 하나인 이항(dichotomous) 변수이므로 로짓 (logit) 모형을 이용해 회귀분석을 실시했고, 종속변수의 과거변수(lagged dependent variable)를 설명변수로 활용하는 동적 모형을 구축했다. 또한 각 개인의 SNS 및 이 메일 이용 여부에 대한 로짓 회귀분석도 수행하였는데, 사회경제 요인뿐 아니라 스 마트폰 보유 여부도 설명변수에 포함시켰다(<표 4-15> 참조). TV, PC, 휴대폰, 종이인쇄물의 일평균 이용시간에 대해 예측분석을 수행하였다. 사회, 경제 요인뿐 아니라 앞서 분석한 스마트폰, 유선전화기, 데스크톱 PC, 노트북 PC 보유 여부 및 종이신문, 유료방송 구독 여부를 설명변수에 포함시켜 선형회귀모 형을 도출하였다(<표 4-16> 참조). 역시 각 해당 종속변수에 대해 95%의 신뢰수준 에서 통계적으로 유의한 설명변수들만을 선별하였다. 이처럼 2011~2014년 데이터를 토대로 도출한 미디어 이용 행태 회귀모형 수식을 마이크로시뮬레이션에 대입해 2028년까지의 미래 전망을 수행하였다. 그런데 예측 대상이 이항변수인 경우 0과 1 사이에 4개의 전이확률이 존재한다. 2011~2014년 조사에 모두 응답한 개인의 상태 전이확률을 도출한 결과, <표 4-17>과 같이 나타 났다. 예를 들면, 스마트폰이 없던 사람 중 28%는 차년도에 스마트폰을 새로 보유하 게 되는 반면, 스마트폰 보유자가 미보유자로 전환될 확률은 2.2%에 불과하다. 휴대 폰의 경우 피처폰의 공급이 감소하고, 생산량의 감소로 가격에서도 불리해 스마트 폰 이용에서 큰 효용을 느끼지 못하는 사용자라 하더라도 다시 피처폰으로 돌아가 기는 어려운 상황이다. SNS의 경우 미이용자 중 17%가 차년도에 신규 이용자로 전 환되는 반면, 이용자 중 33%가 흥미를 잃으면서 차년도에 이용을 중단하는 것으로 나타났다.

178 <표 4-13> 회귀분석 상관계수: 스마트폰, 유선전화기, 데스크톱PC, 노트북PC smartphone cordphone deskpc notepc Lag.dependent 3.887*** (0.0782) 3.438*** (0.0753) 4.383*** (0.0879) 4.104*** (0.0845) 2.region -0.482*** (0.0681) 0.332*** (0.109) -0.0711 (0.147) 3.region -0.186** (0.0818) 0.551*** (0.136) -0.512*** (0.172) 4.region -0.379*** (0.0698) 0.631*** (0.113) -0.268* (0.147) 5.region -0.675*** (0.0815) 1.135*** (0.146) -0.396** (0.167) 2.houstyp 0.204*** (0.0675) -0.335*** (0.111) 0.189 (0.131) 0.301** (0.132) 3.houstyp 0.120** (0.0489) -0.254*** (0.0884) 0.353*** (0.102) 0.275*** (0.105) age 0.0208*** (0.00708) 0.0448*** (0.00400) -0.0244*** (0.00398) -0.00506 (0.00448) age2-0.000807* ** (8.50e-05) 1.school -1.695*** (0.222) 2.school -0.788*** (0.216) -0.203 (0.142) 0.435*** (0.149) 0.328 (0.238) 3.school -0.190 (0.208) -0.151 (0.140) 0.732*** (0.141) 0.969*** (0.206) 4.school 0.280 (0.209) -0.120 (0.165) 0.849*** (0.170) 1.233*** (0.223) 5.school - -0.0807 (0.298) 0.459 (0.308) 1.718*** (0.316) income 0.0308*** (0.0106) 0.0535*** (0.0176) 0.0594*** (0.0171) job 0.126* (0.0663) 0.103 (0.119) -0.299* (0.156)

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 179 hhld hhldsiz Constant smartphone cordphone deskpc notepc 0.811*** (0.256) 0.394*** (0.0347) -5.060*** (0.343) 0.862*** (0.0605) -3.207*** (0.355) 0.290*** (0.0362) -4.838*** (0.396) Observations 23,942 9,805 9,805 9,805 Pseudo R 2 0.5537 0.4378 0.6851 0.5411 주: 괄호 안은 표준오차를 나타냄 (*** p<0.01, ** p<0.05, * p<0.1) <표 4-14> 회귀분석 상관계수: 신문 구독, 유료방송 가입 VARS n.p.subs payedtv VARS n.p.subs payedtv Lag.dependent 2.region 3.region 4.region 5.region 2.hhldsiz 3.hhldsiz 2.houstyp 3.houstyp 2.751*** (0.0880) -0.195 (0.121) -0.365** (0.152) -0.714*** (0.138) -0.286* (0.158) 0.728*** (0.200) 0.887*** (0.199) 0.228* (0.137) 0.0611 (0.107) 2.983*** (0.0936) 0.270* (0.141) -0.318** (0.149) 0.634*** (0.155) -0.0233 (0.168) 0.616*** (0.140) 0.579*** (0.133) -0.0811 (0.154) -0.308** (0.122) age1 age2 2.school 3.school 4.school 5.school income1 Constant 0.152*** (0.0304) -0.00101*** (0.000265) 0.683*** (0.197) 0.894*** (0.188) 1.261*** (0.203) 1.587*** (0.291) 0.0887*** (0.0156) -10.17*** (0.868) 0.00963** (0.00469) 0.198 (0.201) 0.0855 (0.187) -0.411* (0.214) -0.764** (0.312) 0.0521*** (0.0189) -0.792** (0.386) Observations 9,805 9,805 Pseudo R 2 0.3162 0.2699 주: 괄호 안은 표준오차를 나타냄 (*** p<0.01, ** p<0.05, * p<0.1)

180 <표 4-15> 회귀분석 상관계수: 이메일 이용, SNS 이용 VARIABLES emailuse snsuse VARIABLES emailuse snsuse Lag.dependent smartphone deskpc notepc 2.region 3.region 4.region 5.region 2.relation 3.relation 1.363*** (0.0422) 0.779*** (0.0433) 0.622*** (0.0570) 0.385*** (0.0475) -0.0224 (0.0623) -0.186** (0.0729) 0.158** (0.0649) 0.216*** (0.0786) -0.115** (0.0583) -0.278*** (0.0914) 1.001*** (0.0424) 2.160*** (0.0652) 0.158*** (0.0601) 0.246*** (0.0425) 0.0511 (0.0573) -0.0578 (0.0667) 0.297*** (0.0595) 0.411*** (0.0771) 0.261*** (0.0592) 0.248*** (0.0762) 4.relation age1 1.school 2.school 3.school 4.school -0.400*** (0.128) -0.0583*** (0.00205) -3.401*** (0.251) -2.243*** (0.247) -1.515*** (0.240) -0.803*** (0.241) 0.162 (0.124) -0.0526*** (0.00232) -2.334*** (0.164) -1.288*** (0.154) -0.821*** (0.137) -0.431*** (0.135) 5.school - - income1 job1 Constant 0.0792*** (0.0115) -0.176*** (0.0626) 2.514*** (0.290) 0.0400*** (0.00813) -0.666*** (0.204) Observations 23,942 23,942 Pseudo R 2 0.4991 0.3716 주: 괄호 안은 표준오차를 나타냄 (*** p<0.01, ** p<0.05, * p<0.1) <표 4-16> 회귀분석 상관계수: 매체별 평균 이용시간 VARIABLES t_paper t_tv t_pc t_phone Lag.dependent smartphone deskpc 0.409*** (0.00521) -5.507*** (1.451) 0.331*** (0.00544) -5.695*** (1.669) -10.37*** (1.716) 0.375*** (0.00537) 2.390* (1.282) 3.711*** (1.423) 0.350*** (0.00592) 24.70*** (0.919) -2.435*** (0.942)

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 181 VARIABLES t_paper t_tv t_pc t_phone notepc newspapersubs payedtv 2.gender 2.region 3.region 4.region 5.region 2.hhldsiz 3.hhldsiz 2.relation 3.relation 4.relation age age2 age3 (초중고생 더미) age4 (대학생 더미) school 8.646*** (1.759) 23.43*** (1.789) -9.683*** (2.077) 26.74*** (1.849) 24.40*** (2.141) -3.821** (1.509) 4.015 (2.528) 8.036*** (2.792) 1.403*** (0.269) -0.0113*** (0.00250) 171.2*** (4.451) 33.96*** (3.573) 12.94*** (0.802) -7.722*** (2.019) 36.21*** (2.419) 9.806*** (1.700) -5.280*** (2.046) -12.85*** (2.395) 3.025 (2.120) -9.143*** (2.461) 2.564 (2.106) -21.82*** (2.834) 2.245 (3.278) 3.804*** (0.241) -0.0233*** (0.00247) -3.911*** (0.853) 11.91*** (1.235) 4.092*** (1.560) -10.81*** (1.850) -3.703*** (1.405) -4.355*** (1.568) -4.473** (1.839) -0.349 (1.628) -3.775** (1.896) -6.159*** (2.371) -8.921*** (2.470) 1.745 (1.849) 10.66*** (2.305) 7.521*** (2.651) -1.491*** (0.184) 0.0122*** (0.00189) 11.41*** (0.677) 4.893*** (0.867) 6.485*** (1.106) 6.707*** (0.928) -6.029*** (1.116) 2.393* (1.306) -8.383*** (1.156) -6.920*** (1.346) -5.680*** (1.150) 7.516*** (1.544) 1.107 (1.789) 0.747*** (0.131) -0.00937*** (0.00135) 5.263*** (0.473)

182 VARIABLES t_paper t_tv t_pc t_phone income job Constant -12.89*** (1.454) -73.43*** (7.728) -60.97*** (1.691) 42.47*** (5.992) 4.607*** (0.276) 7.042*** (1.509) 29.85*** (4.842) 2.126** (0.903) 13.50*** (3.113) Observations 28,248 28,248 28,248 28,248 Adjusted R 2 0.5277 0.4104 0.3271 0.2952 주: 괄호 안은 표준오차를 나타냄(*** p<0.01, ** p<0.05, * p<0.1) <표 4-17> 스마트폰, 유선전화기 보유 및 SNS 이용의 전환확률 <스마트폰> <유선전화기> <SNS> 후 후 후 무 유 무 유 전 전 전 무 유 무 0.7206 0.2794 무 0.7397 0.2603 무 0.8317 0.1683 유 0.0219 0.9781 유 0.7397 0.9344 유 0.3334 0.6666 시간에 따른 상태 변화를 추적하는 Markov Chain 모형을 이용해 개인별 가중치를 무시한 산술평균 차원의 보급률을 계산하면, 스마트폰은 모든 조건이 동일하다면 92.7%에 수렴하고, 유선전화기는 79.9%, SNS는 33.5%에 수렴한다. 스마트폰의 산술 평균 보급률은 2011년 14.8%에서 2014년 65.1%까지 증가 추세에 있고, 유선전화기 의 산술평균 보급률은 2011년 87.5%에서 2014년 82.2%까지 감소 추세에 있다. SNS 의 산술평균 보급률은 2011년 11.6%에서 2014년 34.2%까지 증가해 이미 Markov Chain 분석에 따른 균형 보급률에 도달한 것으로 진단된다. 그리고 KISDI가 2015년 의 미공개 데이터를 토대로 발표한 보급률에 따르면 SNS 이용자 비율은 2015년에 도 증가세는 둔화되었지만 3.2%p 증가하였다([그림 4-4] 참조). SNS와 같이 신규 서비스들이 계속 등장하는 서비스 범주의 경우 과거의 이용 행태만으로 미래의 행 태를 예측하는 데 한계가 있다. 하지만 한편으로 매년 약 8%p씩 급격히 증가하던

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 183 이용자 보급률이 아직 과반도 넘지 못한 상황에서 2015년에 급격히 둔화된 점은 마 이크로시뮬레이션 예측의 효용을 보여주는 것으로 해석할 수도 있다. 스마트폰, 노 트북PC, SNS처럼 계속해서 기술 및 서비스 품질이 발전하고, 피처폰, 데스크톱 PC 등의 경쟁재와 가격 차이가 감소하는 경우에는 시뮬레이션 모형에서 이용에서 비이 용으로의 전이확률이 일정 비율 감소하도록 조정하였다. 2. 마이크로시뮬레이션 실행 결과 모든 시뮬레이션의 도출 결과는 각 개인의 2014년 가중치를 곱한 가중평균으로 구하였고, 해당 연도의 20세 이상 성인을 대상으로만 집계하였다. [그림 4-15]에 서 보는 바와 같이 20세 이상 성인 대상 스마트폰 보급률은 2014년 74.4%에서 2028 년 92.2%까지 점진적으로 증가할 것으로 전망되었다. 노트북 PC도 2014년 24.7%에 서 2028년 31.5%로의 증가가 예상되었다. 유선전화기와 데스크톱 PC는 2014년 각 각 71.1%와 67.4%에서 2028년 62.5%와 58.8%로 완만한 감소가 예상되었다. [그림 4-15] 미디어 기기의 보급률 전망

184 [그림 4-16] 미디어 서비스의 보급률 전망 [그림 4-16]에서 보는 바와 같이 종이신문 구독률은 2014년 8.2%에서 2028년 9.0%로 그동안의 감소세가 멈추고 일정하게 유지될 것으로 전망되었다. 반대로 유 료방송 가입률은 2014년 92.8%에서 2028년 93.9%로 그동안의 증가세가 멈추고 현 상태가 유지될 것으로 예상되었다. 그리고 가구의 구성원 수가 많을수록 유료방송 가입확률이 증가하는데, 가구당 평균 가구원 수의 감소는 유료방송 가입률을 정체 시키는 원인으로 작용한다. 다만 성장이 정체되는 인구수와 달리 총 가구 수는 평균 구성원 수의 감소로 계속 증가 추세에 있기 때문에 보급률이 일정하더라도 실제 가 입가구는 완만히 증가하게 된다. [그림 4-17]에서와 같이 성인의 미디어 매체별 하루 평균 이용시간은 2014년 6 시간 17분에서 2028년 6시간 44분으로 약 27분 증가할 것으로 전망되었다. 앞서 [그 림 4-3]에서 보는 것처럼 2011~2015년 기간에도 이용시간이 등락을 거듭하며 소 폭 상승했는데, 향후에는 특히 은퇴하는 고령자의 증가가 TV 및 휴대폰 등 미디어 이용시간 증가를 견인할 것으로 예상된다.

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 185 [그림 4-17] 미디어 매체별 일평균 이용시간 전망 (단위: 분) 3. 2028년의 미디어 이용 행태에 영향을 미치는 경제사회 요인 예측 마이크로시뮬레이션 모형의 장점은 서론에서 언급했던 바와 같이 단순히 사회 전 체의 뉴미디어 보급률 및 평균 이용시간의 예측을 넘어서 세분화된 인구 세그먼트 별 보급률 및 이용시간을 예측할 수 있게 하고, 사회경제적 요인에 따른 디지털 디 바이드 심화 여부를 가늠할 수 있게 해준다는 데에 있다. 이와 관련하여 본고에서는 2절에서 살펴본 의사결정나무 모형을 활용한 2014년의 미디어 이용 행태에 영향을 미치는 경제사회 요인 분석을 시뮬레이션에서 생성된 2028년 전망 데이터에 다시 한번 적용함으로써 경제사회 요인의 영향이 어떻게 변화할지를 살펴보도록 하겠다. 분석에 앞서 2014년의 경우는 전체 인구에 대한 분석이고, 2028년의 경우는 성인 인 구만을 대상으로 한 분석이라는 점을 상기시키고자 한다. 가. 스마트폰 및 유선전화기 보유 여부 의사결정나무 분석 결과 2028년에도 스마트폰 보유에 가장 큰 영향을 미치는 요 인은 나이와 학력으로 나타났는데, 2014년에 비해 연령 구분선이 58세에서 72세로 상승한다. 72세 이상 연령 중 초졸 이하 학력자는 19%만이 스마트폰을 보유하는 반 면, 중학교 재학 이상 학력의 세그먼트는 73%가 스마트폰을 보유할 전망이다. 72세

186 미만 인구집단 세그먼트(전체의 85%)는 99%가 스마트폰을 보유하게 된다. 유선전화기는 2014년에서 가장 중요한 결정요인이던 지역, 가구원 수, 학력 대신 에 연령과 소득이 중요 분화요인으로 부상한다. 가구주가 46세 미만이고, 월소득 250만 원 이하인 세그먼트(전체의 29%)에서는 74%가 유선전화기를 보유하지 않는 반면, 가구주가 46세 이상인 세그먼트(전체의 61%)에서는 79%가 유선전화기를 보 유한다. [그림 4-18] 스마트폰 및 유선전화기 보유 여부 나. 데스크톱 PC 및 노트북 PC 보유 여부 데스크톱 PC의 경우는 2028년에도 가구원 수와 소득이 중요 분화요인으로 작용 할 전망이다. 가구원 수가 3인 이상이고, 월소득이 250만 원 이상인 세그먼트에서

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 187 84%의 보유율에 달한 반면, 가구원 수 2인 이하이고, 가구주 연령이 56세 이상인 세 그먼트에서는 82%가 보유하지 않을 전망이다. 노트북 PC 보유 여부 역시 2014년과 비슷한 요인의 영향을 받을 전망이다. 고교 재학 이상 학력, 가구원 수 3인 이상, 월소득 250만 원 이상인 세그먼트가 52%로 가 장 높은 보유율을 보이고, 가구주가 중학교 졸업 이하 학력인 가구는 94%가 보유하 지 않을 전망이다. [그림 4-19] 데스크톱 PC 및 노트북 PC 보유 여부 다. 신문 및 유료방송 구독 및 SNS 이용 여부 신문 구독은 소득을 대신하여 연령이 가장 중요한 분화요인으로 부상한다. 가구 주가 48세 이상의 대학 재학 이상 학력인 세그먼트에 한해서 구독자가 20~30%가

188 량 존재하며, 서울 등 대도시가 도 단위 지자체보다 구독률이 높게 나타난다. 48세 미만 세그먼트에서는 신문구독을 거의 하지 않을 전망이다. 한편, 유료방송은 가구 주 연령 46세 이상과 단독 및 다세대 주택에서 가입률이 좀 더 높게 나타나긴 하지 만, 세그먼트 간 차이가 크지 않을 전망이다. [그림 4-20] 신문 구독 및 유료방송 가입 여부 SNS는 학력이 더 이상 결정요인으로 작용하지 않고, 연령만이 단독으로 결정요인 으로 작용하게 된다. 44세 이하 세그먼트(전체의 34%)에서는 75%가 SNS를 사용할 전망이며, 44~50세 세그먼트도 57%가 SNS를 사용하는 반면, 58세 이상은 84%가 SNS를 사용하지 않을 전망이다. 즉, 사용 연령층이 장년층으로 확장되지 못하고, 청 년층에서만 이용자 비중이 확대될 것으로 예상된다.

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 189 [그림 4-21] SNS 이용 여부 라. 인쇄물, TV, PC, 휴대폰 등의 이용시간 휴대폰 이용시간은 여전히 학력과 연령이 가장 중요한 요인으로 작용하는데, 연 령의 분기점이 46세에서 62세로 크게 증가했다. 초등학교 졸업 이하의 학력을 보유 한 78세 이상 인구집단(전체 중 7%)은 평균 23분 이용에 불과한 반면, 62세 미만의 대학 재학 이상의 학력을 보유한 인구집단은 평균 116분을 이용한다. TV 시청시간 구분의 결정적 요인은 연령과 직업으로 2014년과 동일하지만, 직업 이 더욱 결정적인 영향을 미칠 것으로 나타났다. 44세 미만의 취업자 그룹의 TV 시 청시간이 가장 짧으며, 46세 이상 취업자 그룹은 평균 3시간 7분이다. 그리고 42세 이상의 미취업자 그룹의 TV 시청시간이 가장 길며, 특히 전체 인구의 23%에 달하 는 66세 이상의 은퇴자 세그먼트는 평균 5시간 이상 TV를 시청할 전망이다. PC 이용시간은 2014년과 달리 월평균 수입이 가장 중요한 분화요인으로 작용할 것으로 나타났다. 월소득 150만 원 이상이고 대학 재학 이상 학력의 인구집단(전체 의 27%)이 평균 1시간 41분으로 가장 길며, 월소득 100만 원 이하 및 고교 졸업 이 하 학력인 세그먼트가 30분 이하로 가장 짧게 나타났다. 인쇄물 독서는 가장 많은 시간을 할애하는 초중고생이 제외되었기 때문에 대학생

190 그룹이 가장 많은 독서를 한다는 점 외에는 광역시 및 수도권 외 지방의 인구집단이 더 많은 시간을 독서에 할애한다는 점이 유사하게 나타났다. [그림 4-22] 휴대폰, TV, PC, 인쇄물 등 매체별 이용시간

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 191 제 5 절 소결: 정책적 시사점 및 향후 연구방향 1. 정책적 시사점 한국사회는 지속적인 저출산의 영향으로 2016년부터 생산가능인구가 감소하기 시작하여 2030년경에는 총 인구마저 감소하는 본격적인 인구구조의 변화에 직면해 있다. 한국은 그동안 베이비부머 세대가 중장년층에 진입하며 구매력이 확대되었고, 젊고 역동적인 인구구조를 바탕으로 한 최신 정보통신 기기의 적극적인 소비를 통 해 IT 산업이 눈부시게 발전했다. 그러나 중위연령이 2015년에 40세를 돌파하면서 향후 우리가 직면한 인구구조의 변화는 첨단기기의 수용 및 확산 측면에서는 더 이 상 호의적인 환경이라고 보기 힘들어졌다. 휴대폰 및 노트북 PC 보급률은 성장세가 둔화되고, 데스크톱 PC, 유선전화기 등은 감소세가 지속될 것으로 나타났다. 반면 종이신문 등 아날로그 미디어는 그동안의 감소 추세가 일단락되고, 향후 고령 소비 자의 증가와 함께 현상 유지는 가능할 것으로 전망되었다. 무엇보다 SNS와 같은 신서비스는 바쁜 일상을 보내는 중년층 이상 인구집단이 지 속적으로 이용하지 않아 사용자 저변이 확대되는 데 한계를 보이고 있다. 중장년층 시기에 SNS를 계속 이용하지 않던 개인은 노령기에 진입하더라도 이를 활용하게 될 가능성이 낮게 나타났고, 청년층 인구집단 세그먼트에서만 집중적으로 이용자

192 비율이 확대될 것으로 나타났다. 한편, 산업 전선에서 은퇴한 고령 베이비부머 계층의 증가는 사회 전체의 여가시 간의 확대로 이어진다. 소득은 감소하고 여가시간은 증가한 베이비부머 세대가 비 교적 저렴한 여가 활동인 미디어 이용시간을 늘려나감으로써 사회 전반으로도 일평 균 미디어 이용시간이 꾸준히 증가하게 될 것으로 본 모형은 예측하였다. TV, 인터 넷 등 미디어의 이용시간은 증가하겠지만, 구매력이 약한 고령 소비자가 이를 주도 하기 때문에 미디어 업체의 광고 수익 확대에 대한 기여는 제한적일 것으로 사료된다. 그동안 한국의 미디어 내수시장은 첨단 정보기기를 앞장서 구매하면서 IT 산업의 국제경쟁력 확보에 중요한 역할을 담당했다. 그런데 인구의 고령화와 함께 첨단 제 품의 소비 및 소유에서 미디어 서비스의 이용 및 향유로 방점이 옮겨지며 고령자에 대한 저렴한 여가서비스의 제공이 주 역할로 변모될 것이다. 즉, 소비시장 및 산업 육성 중심에서 고령자 복지의 역할이 강화될 것이다. 따라서 단순히 신기술을 탑재 한 신제품의 수용 및 확산 중심의 연구와 정책에서 미디어를 활용하는 국민의 생활 패턴, 라이프스타일 및 삶의 질 등을 고려하고, 추구하는 연구와 정책의 개발이 확 대되어야 할 것이다. 2. 향후 방법론 측면의 발전방안 본 연구는 미디어패널조사 데이터를 토대로 한국의 경제사회 문제에 마이크로시 뮬레이션 방법론을 적용한 최초의 시도이다. 이를 통해 4개 연도의 짧은 시계열 데 이터만을 가지고도 비교적 안정적으로 10년 이상의 장기 예측을 수행할 수 있었다. 또한 기술 발전 중심으로만 디지털 경제의 미래를 예측하던 기존의 경향에 대비하 여 인구 및 사회 변화의 관점에서 디지털 경제의 미래 전망을 시도했고, 사회경제적 요인이 미디어 이용 행태에 미치는 영향이 어떻게 진화할지를 살펴보았다는 점에서 의미가 있다. 하지만 미디어 이용 행태에 초점을 맞춰 조사된 패널 데이터만으로 한국 사회의 변화를 모형링하는 것에 대한 한계도 뚜렷이 확인되었다. 미디어패널 데이터가 한

제 4 장 마이크로시뮬레이션을 활용한 한국사회의 미디어 이용 행태 장기 전망 193 국 사회 모집단의 다양한 속성 간의 상관관계를 편향(bias) 없이 반영하지는 못했다. 또한 보다 쉽고 보편적인 시뮬레이션 모형링 도구(toolkit)가 개발될 필요가 있다. 현 재 주요 마이크로시뮬레이션 도구들이 C++, Java와 같이 난이도가 높거나, YAML과 같이 널리 활용되지 않는 프로그래밍 언어에 기반하고 있다는 한계를 가지고 있다. 34) 향후 마이크로시뮬레이션을 활용한 연구가 활성화되기 위해서는 첫째, 충실한 기 반 데이터의 구축, 둘째, 쉽고 보편적인 개발도구의 마련이 요구된다. 먼저 데이터 측면에서는 인구총 조사(센서스)의 1% 표본을 기반 데이터로 삼고 노동, 복지, 소득, 교육, 소비지출 등 각 부문별로 특화된 마이크로 데이터를 기반 데이터와 연계시킨 한국 사회의 가상 인구집단 데이터 생성을 시도해 볼 수 있을 것이다. 이러한 가상 인구집단 데이터의 구축은 상당한 노력과 시간을 요구하지만, 한번 구축된다면 다 양한 사회문제 분석 및 예측을 위한 기반 플랫폼이 될 수 있을 것이다. 개발도구 측 면에서는 쉽고 기능이 다양해 최근 데이터 사이언스 분야에서 가장 널리 활용되는 파이썬 또는 R 언어로 작성할 수 있는 시뮬레이션 도구가 제시된다면 마이크로시뮬 레이션 사용자 저변이 확대될 수 있을 것이다. 특히 파이썬과 R 언어가 제공하는 다 양한 통계분석 및 기계학습 패키지와 연계할 수 있어 마이크로시뮬레이션 모형의 활용도가 더욱 확대될 수 있을 것이다. 34) R 언어 기반인 MICSIM과 같은 도구가 있긴 하지만, 기능이 너무 미흡하다.

194 제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 제 1 절 산업 및 기술 분야 조사 1. 조사개요 가. 조사 목적 및 개요 디지털 경제의 확대가 경제성장 동력의 역할을 수행하면서, 오늘날 사회 전반의 변혁을 주도하고 있다. 그리고 비용 대비 효율적인 연결성(cost-effective connectivity) 과 보다 발전된 컴퓨팅 능력을 기반으로 한 고도화된 분석 기술, 인공지능 등의 기 술 진보에 따라 2차 디지털 혁명이 도래하고 있다. 이와 같이 새로운 디지털 경제의 진화에 대비하기 위해 디지털 경제의 미래상을 예측하는 것은 매우 중요하다. 본 연구에서는 디지털 경제의 미래예측을 위한 방법론 중 델파이 조사 방법을 통 해 디지털 경제에 미칠 영향력이 큰 산업 부문과 디지털 경제의 확산에 따른 한국 사회 부문으로 나누어 조사를 실시했다. 조사대상은 학계, 산업계, 연구기관, 정부와 공공 부문의 전문가이며, 조사 대상 3배수의 모집단을 구축해 최종적으로 산업 부문 30명과 사회 부문 20명을 조사 대상 패널로 선정했다. 델파이 조사는 총 2회 실시하 였으며, 조사 기간은 1차 조사 2015년 11월 6일~2015년 11월 15일, 2차 조사 2015 년 11월 17일~2015년 11월 30일까지이다. 나. 응답자 현황 1~2차 조사 대상자는 패널로 유지되었으며 산업 분야 전문가는 30명, 사회 분야 전문가는 20명 등 총 50명의 전문가가 조사에 참여했다. 산업 분야의 전문가 구성은 공공 및 민간 연구소 전문가가 56%로 가장 많았고, 그 다음으로는 교수가 27%, 민 간기업 전문가는 17%이다. 사회 분야의 전문가 구성은 공공 및 민간 연구소와 교수

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 195 가 각각 45%로 다수를 차지하고 있으며, 민간기업 전문가는 10%이다. [그림 5-1] 응답자 구성 (산업 분야) (사회 분야) 2. 디지털경제의 확산 가. 디지털 경제 확산에 미치는 영향력이 큰 산업 디지털 경제의 미래산업 예측을 위해서 신산업을 우선적으로 선정하는 절차를 거 쳤다. 국내외 ICT 산업 또는 기술예측 자료와 내외부 전문가의 의견을 모아 우선적 으로 스마트카, 핀테크, O2O(Online to Offline), 웨어러블, 스마트홈, 스마트헬스, 공 유경제를 선정했고 7대 신산업을 중심으로 1차 델파이 조사를 실시했다. 더불어 1 차 델파이 조사에서 전문가에게 향후 2030년까지 디지털 경제 확산에 영향을 미칠 산업으로 7대 산업 외에 추가적인 산업 작성을 요청했다. 1차 델파이 조사 결과 인 공지능, 로봇틱스, 인공지능 로봇, 스마트팩토리, 드론, 3D프린팅, IoT 등이 디지털 경제 확산에 미칠 영향력이 큰 산업으로 추가 조사되었다. 특히 인공지능, 로봇틱스, 인공지능 로봇 등 인공지능 로봇 유사 산업을 전체 전문가 30명 중 11명이 응답해 (중복응답) 디지털 경제 확산에 미칠 영향력이 큰 산업으로 추가되었다. 따라서 2차 델파이에는 인공지능 로봇이 포함된 8대 신산업을 중심으로 진행되었다.

196 [그림 5-2] 7대 신산업 외에 디지털 산업 경제 확산에 미칠 영향력이 큰 산업 (단위: 명) 주: 1차 델파이 조사 결과임 본 연구에서 디지털 경제 확산에 미칠 영향력이 큰 8대 신산업으로 선정된 스마 트카, 핀테크, O2O, 웨어러블, 스마트홈, 스마트헬스, 공유경제, 인공지능 로봇에 대 한 산업 정의는 아래 <표 5-1>과 같다. <표 5-1> 디지털 경제 확산에 미칠 영향력이 큰 8대 신산업의 정의 산업명 스마트카 핀테크 O2O(Online to Offline) 웨어러블 디바이스 스마트홈 정의 자동차 기술에 차세대 전기전자, 정보통신, 기능 제어 기술을 접목하여 자 동차의 내외부 상황을 실시간으로 인식하여 고안전, 고편의 기능을 제공할 수 있는 인간 친화적 자동차를 뜻한다. 금융(financial)과 기술(technique)의 합성어로, 모바일 결제 및 송금, 개인자 산관리, 크라우드 펀딩 등 금융 IT 융합형 산업을 의미한다. 온라인과 오프라인을 유기적으로 연결, 새로운 가치를 창출해 고객에게 제 공하는 것으로, 오프라인 매장 안이나 근처에 있는 소비자의 스마트폰에 할인 쿠폰 등을 전송해 구매를 유도하는 것이 대표적이다. 단어 그대로 착용하는 전자기기 를 뜻한다. 하지만 단순히 액세서리처럼 전자기기를 몸에 착용하는 것이 아니라, 사용자 신체의 가장 가까운 위치 에서 사용자와 소통할 수 있는 전자기기이다. 가전제품을 비롯한 집 안의 장치들을 원격으로 제어할 수 있는 서비스로 TV, 에어컨, 냉장고 등 가전제품을 비롯하여 수도, 전기, 냉난방 등 다양한 장치를 통신망으로 연결해 모니터링하고 제어할 수 있음을 뜻한다.

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 197 산업명 스마트헬스 공유경제 인공지능로봇 정의 의료와 ICT의 융합을 통해 건강상태에 대한 정보를 수집하고, 이를 효율적 으로 관리함으로써 개인 맞춤형 건강관리 및 의료서비스의 제공이 가능한 서비스를 뜻한다. 자신이 소유한 물품이나 무형 자원을 다른 사람에게 빌려주거나, 필요한 만큼 차용하여 사용하는 인터넷, 스마트폰 기반의 사회적 경제모형이다. 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있 도록 하는 인공지능을 로봇에 인식시켜 로봇이 인간의 지능적인 행동을 모 방해 산업, 생활, 국방 등 다양한 산업에 활용되는 것을 말한다. 나. 산업별 디지털 경제 확산에 미치는 파급효과 향후 디지털 경제 확산에 미치는 파급효과가 큰 산업은 스마트카, 인공지능 로봇 이 평균 4.4점으로 가장 높았고, 그 다음으로는 핀테크가 4.0으로 높게 나타났다. 이 외 디지털 경제 확산에 미치는 파급효과가 큰 산업은 O2O, 웨어러블, 스마트홈, 스 마트헬스, 공유경제 순으로 조사되었다. [그림 5-3] 향후 디지털 경제 확산에 미치는 파급효과가 큰 산업 주: 파급효과가 거의 없다 1 파급효과가 매우 크다 5 시기별로 디지털 경제 확산에 미치는 파급효과를 조사한 결과를 살펴보면 다음과 같다. 지금부터 5년 후 비교적 단기 미래인 2020년에는 현재 도입기이지만 산업이

198 실행되고 있는 핀테크와 O2O 산업에 대한 파급효과가 클 것으로 예측되었다. 그리 고 10년 후 중기 미래인 2025년에는 인공지능 로봇, 스마트카에 대한 파급효과가 매 우 크게 확대되었고, 핀테크 산업은 자체 산업 내 파급효과가 가장 큰 4.1로 예측되 었다. 향후 15년 후 장기적 미래인 2030년에는 인공지능 로봇, 스마트카의 파급효과 가 각각 4.7, 4.6점을 기록해 디지털 경제의 미래 산업에 가장 큰 영향력을 미칠 것 으로 예측되었다. [그림 5-4] 시기별 디지털 경제 확산에 미치는 파급효과가 큰 산업 주: 파급효과가 거의 없다 1 파급효과가 매우 크다 5 다. 산업별 확산속도 산업별 확산 속도를 산업 성장 주기별로 살펴보면 다음과 같다. 도입기에 도달하 는 시점은 웨어러블, O2O, 핀테크가 약 2년, 스마트홈, 공유경제는 약 3년, 스마트 헬스는 약 4년, 인공지능 로봇과 스마트카는 약 5년으로 예측되었다. 성장기에 도달 하는 시기는 핀테크, O2O, 웨어러블은 약 5년, 스마트홈과 공유경제는 약 6년, 스마

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 199 트헬스는 약 7년, 인공지능 로봇과 스마트카는 약 10년으로 예측되었다. 성숙기에 도달하는 시기는 O2O, 핀테크, 웨어러블, 공유경제는 10년 이내로 전망되었고, 스마 트홈, 스마트헬스는 10년 초반, 스마트카와 인공지능 로봇은 15년 후에나 산업이 성 숙될 것으로 전망되었다. 쇠퇴기에 도달하는 시점은 핀테크, O2O, 공유경제가 약 1 6~17년으로 예측되었고, 웨어러블와 스마트홈 약 19년, 스마트헬스는 약 23년, 인 공지능 로봇과 스마트카는 약 27~28년 후로 예측되었다. [그림 5-5] 산업별 확산 속도 (단위: 년) 3. 디지털경제의 경쟁력 가. 시기별 국내 경쟁력 다음 산업 분야의 국내 경쟁력과 관련해 선진국을 100으로 했을 때 우리나라의 경쟁력 수준을 시기별로 살펴보면 다음과 같다. 핀테크는 단기적으로는 경쟁력이 낮을 수 있으나, 2030년에는 선진국과 비슷한(94.1) 수준의 경쟁력을 가질 것으로 예 측되었다. 웨어러블, 스마트홈, 스마트헬스는 점진적으로 경쟁력이 상승하면서 2030

200 년에는 선진국 대비 경쟁력이 90 수준에 이를 것으로 예상되었다. 스마트카는 초기 에는 경쟁력이 낮은 산업이나, 점진적으로 경쟁력이 향상되면서 2030년에는 선진국 대비 83.3 수준으로 확대될 것으로 예상되었다. 공유경제, 스마트헬스, 인공지능 로 봇 등은 상대적으로 선진국 대비 경쟁력이 낮은 산업으로 예측되었다. [그림 5-6] 시기별 국내 경쟁력 추이(선진국 100 기준) 주: 선진국 100 기준 나. 디지털 경제 선도 글로벌 기업 1차 델파이 조사에서 향후 디지털 경제를 선도해 나갈 글로벌 기업에 대해 3개 기 업만 우선순위로 선정한 결과, 30명의 전문가 중 23명이 구글을 1위로 선정해 향후 디지털 경제를 선도할 기업으로 선정되었다. 그 다음으로는 애플, 아마존, 삼성전자, 알리바바 순으로 나타났다. 2차 델파이 조사에서는 1차 결과 중 상위 5개 글로벌 기업에 대한 디지털 경제 확 산에 대한 파급효과를 예측했는데, 이 역시 구글이 파급효과가 가장 큰 기업으로 나 타났다. 그 다음으로는 애플, 아마존 순이며, 삼성전자는 파급효과 측면에서 상위 5 개 글로벌 기업 중 가장 낮았다.

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 201 <표 5-2> 디지털 경제를 선도할 글로벌 기업 (단위: 명) 기업명 1순위 2순위 3순위 구글 23 5 1 삼성전자 1 1 5 아마존 1 4 3 애플 5 10 1 마이크로소프트 0 1 0 샤오미 0 1 3 알리바바 0 3 5 테슬라 0 1 1 페이스북 0 2 5 현대기아자동차 0 1 1 BAT 0 0 1 카카오 0 0 2 우버 0 0 1 텐센트 0 1 1 계 30 30 30 [그림 5-7] 디지털 경제를 선도할 글로벌 5개 기업의 파급효과 주: 파급효과가 거의 없다 1 파급효과가 매우 크다 5

202 4. 정책 수요 산업별 정부 정책의 중요도를 살펴보면 스마트카, 스마트헬스, 인공지능 로봇, 핀 테크 등이 정부 정책이 매우 중요한 산업으로 나타났다. 산업별 정부 정책의 시급성 을 살펴보면 스마트헬스가 가장 시급한 것으로 나타났으며, 그 다음으로 스마트카, 핀테크, 인공지능 로봇 순이었다. <표 5-3> 산업별 정부 정책의 중요도 및 시급성 구분 중요도 시급성 스마트카 4.4 4.1 핀테크 4.3 4.1 O2O 3.4 3.6 웨어러블 3.8 3.8 스마트홈 3.5 3.5 스마트헬스 4.4 4.2 공유경제 3.4 3.4 인공지능 로봇 4.4 4.1 주: 1) (중요도) 전혀 중요하지 않다 1 매우 중요하다 5 (시급성) 전혀 시급하지 않다 1 매우 시급하다 5 [그림 5-8] 산업별 정부 정책의 중요도 및 시급성의 포지셔닝 맵

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 203 산업별 정부 정책의 중요도와 시급성 응답 점수를 기준으로 포지셔닝 맵을 도출 한 결과 스마트헬스, 스마트카, 인공지능 로봇이 산업별 정책이 가장 중요하면서 가 장 먼저 정책을 수립해야 하는 산업으로 나타났다. 반면, 공유경제, O2O, 스마트홈 은 상대적으로 중요도가 낮으며, 정책 수립도 시급하지 않는 것으로 나타났다. 2차 델파이 조사에서는 전문가에게 정부가 산업 지원 정책을 시행할 때 가장 중 요하고, 먼저 지원해야 할 산업은 무엇인지 하나만 선정하고 그 이유를 조사했다. 그 결과를 살펴보면 다음과 같다. 정책 시행이 가장 중요한 산업으로는 10명이 응답 하여 인공지능 로봇이 선정되었다. 선정 이유로 인공지능 로봇은 사회 구조적 변화 의 핵심 동인이며, 여러 기술이 융합되어 광범위한 산업에 파급효과가 크다는 점을 들었다. 그 다음으로는 스마트카로 8명이 응답했으며, 선정 이유는 스마트카의 산업 규모가 매우 커 산업과 고용 창출 효과가 크기 때문인 것으로 나타났다. 스마트헬스 도 5명이 선정했는데, 선정 이유는 고령화 사회를 극복할 수 있는 대안으로 생각되 며, 이해관계자의 의견 차이가 커 정책 수립 시 정부의 중재 역할이 크기 때문인 것 으로 나타났다. 정책 시행이 시급한 산업은 스마트카가 8명이 응답해 가장 시급한 산업으로 선정 되었다. 선정 이유는 국내 주력 수출 품목인 자동차 산업의 도태 가능성 때문에 투 자를 서둘러야 하나, 국내 주요 제조사의 보수적인 투자와 연구개발의 부족 등으로 스마트카 개발이 경쟁사에 비해 늦었고, 정부 정책의 법제도와 각종 인프라가 매우 부족하기 때문인 것으로 나타났다. 그 다음으로는 인공지능 로봇과 핀테크가 7명이 응답해 정책 시급성이 높은 산업으로 선정되었다. 인공지능 로봇을 선정한 이유는 구글, IBM 등 글로벌 기업 대비 국내 연구 및 기술 수준이 취약하고, 관련 정책이 부족하며, 더불어 높은 진입장벽으로 격차를 추격하기에 매우 어려운 분야로서 빠 른 정책의 개발이 요구되기 때문이다. 핀테크를 선정한 이유로 금융산업의 근본적 인 변화에 대한 대응이 필요하고, 규제 해소를 통한 금융서비스 산업의 발전이 필요 하다는 점을 들었다.

204 [그림 5-9] 정책 시행이 중요한 산업과 시급한 산업 (단위: 명) 5. 신산업 확산의 저해요인 1차 델파이 조사에서는 신산업 확산을 저해하는 요인으로 법과 제도 및 정책 미 흡, 관련 기술 부족, 관련 인력 부족, 소비자의 인식 및 수요 부족, 기타로 구분해 질 문했다. 2차 델파이에서는 1차 설문 결과 기타 항목 중 가장 많은 응답이 나온 개인 정보보호, 표준화 등의 인프라 부족이 선정되어 최종적으로 5개 항목으로 구분해 신 산업 확산의 저해요인을 분석했다. <표 5-4> 8대 신산업 저해 요인 구분 법/제도/ 정책 미흡 관련 기술 부족 관련 인력 부족 소비자 인식/ 수요 부족 개인정보보호, 표준화 등 인프라 부족 스마트카 4.1 4.2 4.1 3.4 4.2 핀테크 4.3 2.8 3.0 2.8 3.5 O2O 3.4 2.9 3.0 3.0 3.2 웨어러블 3.3 3.2 3.1 2.7 3.5 스마트홈 3.1 2.9 3.2 3.0 3.3 스마트헬스 4.6 3.6 3.6 3.3 3.7 공유경제 4.0 2.9 3.0 3.3 3.5 인공지능 로봇 4.1 4.0 3.9 3.2 4.0 주: 전혀 부족(미흡)하지 않다 1 매우 부족(미흡)하다 5

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 205 1~2차 델파이 조사를 종합한 결과 신산업 중 스마트카, 인공지능로봇은 산업 초 기 단계로 법제도, 관련 기술, 인력, 인프라 등 거의 모든 측면이 미흡해 다수의 저 해 요인이 존재하는 것으로 분석되었다. 특히, 법제도 측면에서는 산업 간 이해관계 가 복잡해 제도의 개선이 어려운 스마트헬스, 핀테크 등의 산업이 매우 미흡한 것으 로 나타났다. 전문가가 제시한 세부 산업별 저해요인을 살펴보면 다음과 같다. 첫째, 스마트카의 경우 기술, 인프라, 법제도, 인력에 대한 부족 정도가 모두 4.0점 이 넘어 수요 부문을 제외한 각 항목별 저해요인이 매우 큰 것으로 나타났다. 특히, 법제도 부문에서 도로교통법 및 보험 관련 법안, 분쟁 해결 문제 등을 해결해야 하 고, 기술적으로는 고도의 신뢰성, 안정성, 완성도를 갖춘 자율주행 기술과 보안 기술 을 확보하는 것이 무엇보다 중요하다는 의견을 제시했다. 기타 저해 요인으로 국내 자동차 산업의 구조적인 문제를 꼽았는데, 국내 완성차 업체의 폐쇄성과 독점적인 산업 구조를 해결해야 한다는 의견을 제시했다. 둘째, 인공지능 로봇의 경우 스마트카와 마찬가지로 산업 확산을 위한 저해요인 과 관련해 법제도, 기술, 인프라에 대한 부족 요인이 4.0점 이상, 인력 부족이 3.9점 으로 매우 높게 나타났다. 인공지능 관련 기술력과 전문 인력이 매우 부족하다는 점 과 인공지능 로봇에 대한 표준화, 개인정보보호 등의 인프라 부문을 해결되어야 할 문제로 제시했다. 특히, 인공지능 로봇 확산에 따라 인간성 상실에 대한 소비자의 부정적 인식과 로봇에 의한 노동력 대체로 인한 문제도 저해요인으로 제시했다. 셋째, 핀테크의 저해요인은 법제도 부족 부문이 4.3점을 기록해 가장 큰 부문으로 나타났고, 개인정보보호 등 인프라 부문도 해결되어야 할 문제로 제시되었다. 전문 가들은 핀테크와 관련해서 정부에서 금융 규제를 완화하고 온라인 금융 전문업체를 선정하는 등 제도를 개선하고 있으나, 여전히 금융업과 신규 융합사업 관련 법제도 가 취약해 지속적인 제도 개선이 요구된다는 의견을 많이 내놓았다. 또한 해킹 위험 성이 항상 존재하는 상황에서 개인정보보호와 금융거래 관련 정보보안 문제도 지속 적으로 해결해야 할 요인으로 제시했다.

206 [그림 5-10] 스마트카, 인공지능 로봇의 저해요인 주: 전혀 부족(미흡)하지 않다 1 매우 부족(미흡)하다 5 넷째, 스마트헬스는 핀테크보다 법제도 부족에 대한 의견이 더욱 높아 8대 산업 중 가장 높은 4.6점을 기록했다. 전문가들은 스마트헬스의 활성화 저해요인으로 보 수적 성향의 의료 관행과 의료법 개혁 문제뿐만 아니라, 이해관계자 간 조정 문제 등을 제시했다. 또한 개인정보보호, 의료기록에 대한 데이터 보안 등도 해결되어야 할 문제로 제시했다. [그림 5-11] 핀테크, 스마트헬스의 저해요인 주: 전혀 부족(미흡)하지 않다 1 매우 부족(미흡)하다 5

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 207 다섯째, O2O의 저해요인에 대한 점수는 평균적으로 낮은 편이지만, 상대적으로 법제도와 인프라 등이 높은 점수를 기록해 해결되어야 할 저해요인으로 분석되었 다. 전문가들은 O2O 산업 내 다수의 업체가 난립하면서 경쟁이 치열해 시장성의 문 제가 있고, 기존 오프라인 영역과의 충돌 문제와 소비자 분쟁 해소 문제도 해결해야 할 요인으로 제시했다. 여섯째, 공유경제의 저해요인은 법제도 부족 문제가 4.0으로 가장 높게 나타났다. 외국과 달리 국내는 이해관계자 간의 조정과 법제도 문제가 해결되지 않아 산업이 활성화되지 못하고 있다. 그리고 사기, 불법 거래 및 세금 문제, 서비스 책임 문제, 이용자 간 사고와 분쟁 가능성 등의 문제도 산업 활성화를 저해하는 요인으로 제시 했다. 일곱째, 웨어러블의 각 항목별 저해요인 점수는 평균 수준이나, 기기의 특성 및 콘텐츠 문제가 산업 확산에 더 큰 장애요인인 것으로 나타났다. 전문가들은 기기의 무게나 크기, 저전력 배터리 문제 등이 우선적으로 해결되어야 하며, 킬러콘텐츠와 비즈니스 모형의 부족으로 산업이 활성화되지 못하고 있기 때문에 기존 기기와의 차별화된 가치와 서비스를 제공해야 한다는 의견을 제시했다. [그림 5-12] O2O, 공유경제의 저해요인 주: 전혀 부족(미흡)하지 않다 1 매우 부족(미흡)하다 5

208 여덟째, 스마트홈의 저해요인은 타 산업에 비해 매우 낮은 것으로 평가되었다. 일 부 표준화 문제가 남아 있기는 하지만, 국내 기술력과 인력이 매우 우수해 산업이 빠르게 확산되고 있다. [그림 5-13] 스마트홈, 웨어러블의 저해요인 주: 전혀 부족(미흡)하지 않다 1 매우 부족(미흡)하다 5 전문가들이 기타 저해요인 중 가장 많은 응답을 보인 것은 정치, 경제, 사회적 요 인이었다. 정치 불안정, 경제 불확실성, 인구구조 변화 및 고용 문제, 자연재해, 통일 등이 산업 확산의 저해요인으로 나타났다. 다음으로는 정부의 과도한 개입을 들 수 있다. 정부 주도의 개발로 인한 창의력 및 혁신성 부족과 시장 변화에 대한 대처 미 흡 등이 산업 확산의 저해요인으로 나타났다. 또한 내수 시장의 한계 및 구조적 문 제도 포함된다. 내수 시장의 성장 한계로 시장 확대가 어렵고, 대기업 중심의 구조 적 문제가 신규 산업 확산을 저해하는 요인으로 나타났다. 그 외에도 글로벌 선진 기업 대비 원천 기술력 부족, 기술 개발에 대한 투자 등의 기술 및 인프라 부족과 보 안, 프라이버시 문제 등이 저해요인으로 나타났다.

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 209 <표 5-5> 기타 저해요인 구분 응답 수 비중 정치/경제/사회요인 6 18.2% 정부의 과도한 개입 5 15.2% 기술/인프라 부족 5 15.2% 내수 시장 한계 및 구조적 문제 4 12.1% 보안/프라이버시 3 9.1% 인식 부족 3 9.1% 경쟁/진입장벽 2 6.1% 기타 5 15.2% 6. 소 결 디지털 경제에 미칠 영향력이 큰 산업의 미래 예측은 학계, 산업계, 연구기관, 정 부와 공공 부문의 전문가 30명을 조사 대상으로 선정하여 디지털 경제확산에 미치 는 영향력과 파급효과, 확산 속도와 국내 산업 경쟁력, 정책중요도와 시급성에 대해 총 2회 델파이 조사를 실시하였다. 조사 결과를 통해 다음과 같은 사실을 확인할 수 있었다. 첫째, 향후 디지털 경제 확산에 미치는 파급효과가 큰 산업은 스마트카, 인공지능 로봇이 가장 높았고, 그 다음은 핀테크로 나타났다. 산업별 확산 속도를 산업 성장 주기별로 살펴보면 웨어러블, O2O, 핀테크는 도입기에 도달하는 시점이 약 2년, 성 장기에 도달하는 시기는 약 5년, 성숙기에 도달하는 시기는 10년 이내로 나타났다. 나머지 산업은 이보다 늦어 스마트홈, 스마트헬스는 10년 후, 스마트카와 인공지능 로봇은 15년 이후에나 산업이 성숙될 것으로 전망하였다. 둘째, 미래 신산업의 국내 경쟁력은 선진국을 100으로 했을 때 핀테크의 경우 단 기적으로 경쟁력이 낮을 수 있으나 2030년에는 선진국과 비슷한(94.1) 수준의 경쟁 력을 가질 것으로 예측되었다. 웨어러블, 스마트홈, 스마트헬스는 점진적으로 경쟁 력이 상승하면서 2030년에는 선진국 대비 경쟁력이 90 수준에 이를 것으로 예상하

210 였다. 스마트카는 2030년에 선진국 대비 83.3 수준으로 확대될 것으로 예상한 반면 공유경제, 스마트헬스, 인공지능로봇 산업은 이보다 경쟁력이 낮을 것으로 예측하였 다. 향후 디지털 경제를 선도해 나아갈 글로벌 기업을 조사한 결과 구글이 파급효과 가 가장 큰 기업으로 나타났다. 그 다음으로는 애플, 아마존, 알리바바, 삼성전자의 순으로 나타났다. 셋째, 산업별 정부 정책의 중요도는 스마트카, 스마트헬스, 인공지능로봇, 핀테크 등으로 나타났으며, 정부 정책 시급성은 스마트헬스가 가장 높고 스마트카, 핀테크, 인공지능로봇 순으로 나타났다. 산업별 정부 정책의 중요도와 시급성 응답 점수를 기준으로 포지셔닝 맵을 도출한 결과 스마트헬스, 스마트카, 인공지능로봇이 산업별 정책이 중요하면서 가장 먼저 정책을 수립해야 하는 산업으로 나타났다. 신산업 중 스마트카, 인공지능로봇은 산업 초기 단계로 법제도, 관련 기술, 인력, 인프라 등 거 의 모든 측면이 미흡해 다수의 저해 요인이 존재하는 것으로 분석되었다. 특히, 법 제도 측면에서는 산업간 이해관계가 복잡해 제도 개선이 어려운 스마트헬스, 핀테 크 등의 산업이 매우 미흡한 것으로 나타났다. 전문가 델파이 조사를 종합하면 스마트카와 인공지능로봇 분야의 경우 비록 현재 국내 경쟁력은 다른 분야에 비해 낮을 것으로 예상되지만 정부 정책의 중요도와 시 급성에서는 가장 중요하게 인식하고 있음을 알 수 있다. 인공지능 로봇 산업은 사회 구조적 변화의 핵심 동인이며, 여러 기술들이 융합되어 광범위한 산업에 파급효과 가 크기 때문에 전략적으로 주력해야 할 산업으로 보인다. 산업과 고용 창출 효과가 큰 스마트카 산업과 고령화 사회의 극복할 수 있는 대안인 스마트헬스도 주력해야 할 산업으로 판단된다. 인공지능 산업 활성화를 위해서는 전문가들이 지적한 것처럼 관련 기술력과 전문 인력 양성, 인공지능로봇에 대한 표준화, 개인정보보호 등의 인프라 부문도 해결되 어야 할 것으로 보인다. 특히, 인공지능로봇 확산에 따라 인간성 상실에 대한 소비 자의 부정적 인식과 로봇에 의한 노동력 대체로 인한 문제도 해결해야할 과제로 판 단된다. 스마트카의 경우 도로교통법 및 보험 관련 법안, 분쟁 해결 문제 등 법제도

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 211 측면의 제도 보완이 필요하며, 기술적으로는 신뢰성과 안정성을 확보한 자율주행 기술과 보안 기술 확보하는 것이 무엇보다 중요하다는 의견이 나타났다. 전문가 조 사 결과를 종합하면 미래 산업발전을 위해서는 선택과 집중 전략이 필요할 것으로 보인다. 또한 기존 산업과의 마찰을 최소화하기 위한 법제도적인 보완은 물론 신산 업에 대한 사회적인 합의 마련을 위한 대비책을 마련하는 등 기술 외적인 측면을 종 합적으로 고려한 체계적인 준비가 필요할 것으로 판단된다. 제 2 절 사회분야 조사 1. 디지털 경제 확산과 미래사회 이슈 가. 디지털 경제 확산에 따른 미래사회 10대 이슈 본 조사에서는 2015년 미래준비위원회가 도출한 이슈와 전문가 의견조사를 통해 추가적으로 보완한 이슈를 묶어 디지털 경제 확산과 미래사회 변화에 대한 10대 이 슈 를 선정하였다. 1 저출산 및 고령화 사회, 2 고용불안, 양극화 및 불평등 문제, 3 미래세대 삶의 불안정성, 4 영토갈등, 경제안보 등 국제사회 분쟁 증가, 5 권 력분산 및 민주주의 성숙, 6 사이버 범죄 및 안전, 7 에너지와 자원 고갈, 우주자 원 경쟁 본격화, 8 북한과 안보 및 통일 문제, 9 기후변화, 자연재해 및 환경영향 증대, 10 인간과 기계(기술) 간의 경계 모호가 그것이다. 이들 각 이슈의 세부 내용 을 살펴보면 다음 <표 5-6>과 같다. 이상의 10개 이슈에 대해 20명의 학계, 산업계, 연구기관, 정부 및 공공 부문 전문 가를 대상으로 총 2회에 걸친 델파이 조사를 실시했다. 1차 조사는 2015년 11월 6일 부터 15일까지 10일 간, 2차 조사는 2015년 11월 17일부터 30일까지 14일 간 이루어 졌다. 질문은 크게 네 파트로 구성됐다. 첫째, 미래사회 변화에 대한 이슈별 파급효 과에 대해 질문했다. 세부적으로는 이슈의 파급효과, 시기별 이슈의 파급효과, 이슈 의 중요성, 시기별 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 등이 이에 포

212 <표 5-6> 미래사회 10대 이슈 이슈 1 저출산 고령화 사회 2 고용불안, 양극화 및 불평등 문제 3 미래세대 삶의 불안정성 4 영토갈등, 경제안보 등 국제사회 분쟁 증가 5 권력분산 및 민주주의 성숙 6 사이버 범죄/안전 7 에너지/자원 고갈, 우주자원 경쟁 본격화 8 북한과 안보/통일 문제 9 기후변화/자연재해 및 환경영향 증대 10 인간과 기계(기술) 간의 경계 모호 세부 내용 세계적으로 낮은 출산율과 다른 국가들에 비해 빠른 고령화 속도로 인한 문제 인구구조 변화에 따른 일자리, 건강, 복지, 산업, 경제성장 등 사회의 지속가능성에 대한 기회와 위협 고용불안: 양질의 정규직 일자리 부족, 영세 자영업 과잉, 낮은 고용안정성, 청년실업 악화 등 양극화 및 불평등: 소득 양극화 심화, 정치적 불평등 고착, 계층 간 이동성 저하, 사회적 불공정성 및 갈등구조 확대 등 미래세대의 경제적 불안정(일자리, 주거 등) 및 사회정치적 대표성, 존재감 감소 미래세대와 기성세대 간 갈등, 청년들의 좌절 등 일본과 독도문제, 중국의 동북공정, 중국의 급부상(수출경쟁, 생산기지의 중국 이전, 대중 경제의존 심화), 경제안보 등 분열, 대립, 낮은 정치참여 등으로 인한 민주주의 성숙의 미흡 지능화된 피싱/스미싱, 디지털 저작권 침해, 개인정보 유출, 사이버 명예훼손, 전자상거래 사기, 불법사이트 개설 등 에너지/자원 고갈: 중국, 인도 등 개발도상국가의 급속한 산업화에 따른 에너지/자원 수요 증대와 그로 인한 가격 상승 등 우주자원 경쟁 본격화: 인류가 지구 밖으로 생활권을 넓혀 우주자원을 이용하기 위해 필요한 기술과 이를 통해 만들 미래 생활이 현실로 다가옴에 따라 경쟁 본격화 예상 국지전, 테러 가능성, 북한의 체제 불안정성 등 남북 분단 상황에서 통합에 이르기까지 남북한 사이에 발생하게 될 다양한 이슈들 기후변화 및 자연재해: 이상기후 현상의 지속, 자연재해 증 가, 온실가스 감축을 위한 국제 협력 및 압력 강화 등 환경영향 증대: 주변국 산업화 지속에 따라 미세먼지/황사 등 대기오염 물질 유입 증가, 서해의 오염도 심화, 해양 유 류유출 사고가 주변국에 미치는 파장 등 기술 발전으로 인해 인간과 기계의 경계가 점점 희미해짐에 따라 인간 고유의 특성과 커뮤니케이션 가능성 확장 등에 대한 고민과 성찰이 중요해짐

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 213 함됐다. 둘째, 디지털 경제의 사회적 순기능 및 역기능 이슈로, 이슈의 긍정적 부 정적 파급효과, 시기별 이슈에 순기능을 미칠 것으로 예상되는 핵심 기술, 시기별 이슈에 역기능을 미칠 것으로 예상되는 핵심 기술 등에 대한 세부 질문으로 구성됐 다. 셋째, 미래사회 이슈에 대한 정책 대응 수준으로, 세부 질문은 이슈별 정부 정책 대응의 중요도 및 시급성, 이슈별 정부 정책 대응 수준 등이다. 넷째, 미래사회 변화 에 영향을 미치는 요소의 영향력과 불확실성에 대한 질문이다. 나. 미래사회 주요 이슈 해결 방안 주요 이슈인 1 저출산 및 고령화 사회 해결, 2 고용불안, 양극화 및 불평등 문 제 해결, 3 사이버 범죄 및 안전 문제 해결에 대해 다음과 같은 해결 방안이 제시 됐다. 첫째, 저출산 및 고령화 사회 해결 방안을 위해 선행돼야 할 것은 ICT 융합 복지 서비스의 강화이다. 구체적으로는 ICT와 융합된 헬스케어 서비스 확대, 원격 근무 및 재택 근무 등을 통한 새로운 노동력 확보가 이뤄져야 한다. 또한 ICT 융합 기술 및 기기를 활용해 저출산 문제를 해결할 필요가 있다. 즉, 로봇 기술을 활용한 노동 인구 부족 문제의 해결, ICT를 활용한 교육 서비스 제공, 교육비 문제 해소, 원 격근무 및 재택근무를 통한 여성 노동력 단절의 해소가 요구된다. 둘째, 고용불안, 양극화 및 불평등 문제가 해결되기 위해서는 사회 전반의 고용 시스템을 정비하고, 채용 장려를 위한 유인책을 마련해야 한다. ICT 벤처 및 스타트 업 활성화를 통한 고용 창출 및 확대, 스마트팩토리 등 ICT 활용을 통한 성장동력 확보 및 새로운 고용 창출, 다양한 계층의 ICT를 활용한 가치 창출, 성장의 과실을 공유할 수 있는 체계의 마련, 로봇이나 드론 등의 기술을 활용하는 등 새로운 노동 력과 기존 인간 노동력이 충돌하는 문제에 대한 해결 등이 세부적으로 요구된다. 이 에 덧붙여 ICT를 활용한 복지 및 재난안전 사각지대 해소, 정보격차 해소, 정보 복지 인프라 강화를 통한 양극화 해소 등이 이뤄질 필요가 있다. 셋째, 사이버 범죄 및 안전 문제 해결을 위해서는 먼저 정보보안 기술 투자 및 책 임성 강화가 요구된다. 구체적으로는 정보보안 및 프라이버시 향상을 위한 기술 및 시스템 투자, 전문 인력 양성 확대, 정보보안 및 개인정보 보호에 대한 범국민적 공

214 <표 5-7> 주요 이슈에 대한 해결방안 이슈 1 저출산 고령화 사회에 대한 해결 방안 마련 2 고용불안, 양극화 및 불평등 문제 해결 3 사이버 범죄 및 안전문제 해결 해결 방안 ICT 융합 복지 서비스 강화를 통한 고령화 사회 문제 해결 - ICT와 융합된 헬스케어 서비스 확대, 원격근무 및 재택 근무 등을 통한 새로운 노동력 확보 ICT 융합 기술 및 기기를 활용한 저출산 문제 해결 -로봇 기술을 활용한 노동 인구 부족 문제 해결 - ICT를 활용한 교육 서비스 제공, 교육비 문제 해소, 원격 근무 재택근무를 통한 여성의 노동력 단절 해소 사회 전반적 고용 시스템 정비, 채용 장려를 위한 유인책 마련 - ICT 벤처 및 스타트업 활성화를 통한 고용 창출 및 확대 - 스마트팩토리와 같은 ICT 활용을 통해 성장동력을 확보 하고, 새로운 고용을 창출 - 여러 계층이 ICT를 활용해 가치를 창출하고, 성장의 과실 을 공유할 수 있는 체계를 마련 - 로봇, 드론 등 ICT를 활용한 새로운 노동력과 기존 인간 노동력이 충돌할 수 있는 문제에 대한 해결이 필요(제조 업의 서비스화 같은 새로운 노동 및 고용시장 창출 필요) ICT를 활용한 복지 및 재난안전 사각지대 해소, 정보격차 해소 및 정보 복지 인프라 강화를 통한 양극화 해소 정보보안 기술 투자 및 책임성 강화 - 정보보안 및 프라이버시 향상을 위한 기술 및 시스템 투 자, 전문 인력양성 확대 등이 필요 - 정보보안 및 개인정보 보호에 대한 범국민적 공감대 형 성, 교육 강화 법제도 정비 및 규제 강화 - 과도한 정보 수집 및 활용에 대한 제도적 장치 및 사회적 합의 마련, 잊혀질 권리에 대한 대책 마련 - 사이버 범죄 및 안전에 대한 강력하면서도 명확한 법제 도와 규제 마련 필요 감대 형성, 교육 강화 등이 뒤따라야 한다. 다음으로 법제도 정비 및 규제 강화가 필요 하다. 이를 위해 과도한 정보 수집 및 활용에 대한 제도적 장치와 사회적 합의, 잊혀 질 권리에 대한 대책, 사이버 범죄 및 안전에 대한 강력하면서도 명확한 법제도와

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 215 규제방안을 마련해야 한다고 전문가들이 입을 모았다. 다. 추가 이슈와 해결 방안 이 밖에 추가적으로 검토가 필요한 이슈로 11 디지털 경제 확산에 따른 철학, 윤 리, 규범 이슈, 12 정보의 독과점 및 통제, 정보 권력의 집중 이슈, 13 사회적 관계 및 제도 변화(가족, 직업, 교육 등) 이슈를 꼽았다. 세 이슈를 해결하기 위한 방안으 로 언급된 것은 첫째, 교육방식 및 제도의 변화와 평생교육의 강화이다. ICT 환경에 맞는 새로운 교육 패러다임을 정립하고, 융합 기술 및 인간 가치 중심의 교육을 강 화해야 한다는 것이다. 둘째, 가족제도(구성원)의 변화 및 가정-직장의 경계 소멸 에 따른 대안 마련이다. 반려동물(반려동물 로봇), 개인 비서 등과 같이 혈연 중심이 아닌 새로운 개념의 가족 관계가 형성됨에 따라 복지 사각지대 해소, 디지털 사회에 서의 고독 문제 해결이 요구된다. 뿐만 아니라 장소, 지역 중심이 아닌 소통 공간으 로서의 근무환경 조성이 필요하다. 셋째, 인공지능과 알고리즘 기반의 의사결정 일 상화 및 그에 따른 윤리, 규범 문제의 해결이다. 이를 위해서는 먼저 인공지능과 알 고리즘 기반의 의사결정에 있어 윤리적, 사회적 규범을 충족하기 위한 거버넌스를 수립해야 한다. 더불어 인공지능과 알고리즘 기반 의사결정에 대한 도덕적, 윤리적 측면의 연구를 추진해야 함은 물론이다. 이러한 내용을 보다 자세하게 풀면 아래 <표 5-8>과 같다. <표 5-8> 추가 검토 이슈에 대한 해결방안 이슈 1 교육방식/제도의 변화와 평생교육 강화 해결 방안 ICT 환경에 맞는 새로운 교육 패러다임 정립 - 초연결사회, 개인 사회에 맞는 원격 교육 활성화 - 급변하는 사회변화 속도에 대응하기 위한 평생교육 활성화 - 실시간 교육 및 정보망을 통한 정보 및 교육 수요 충족 ICT 및 인간 가치 중심의 교육 강화 - IoT, 빅데이터, 로봇, 머신러닝 등 미래 사회의 핵심 기술 환경에 적응할 수 있는 SW 및 정보 교육 제공

216 이슈 1 교육방식/제도의 변화와 평생교육 강화 해결 방안 - 지식 정보사회에서 기계 로봇 등이 다룰 수 없는 창 의성, 혁신성, 개인화(개성)이 강조되는 교육의 제공이 필요 2 가족제도(구성원)의 변화 및 가정-직장 경계 소멸 에 따른 대안 마련 혈연 중심이 아닌 새로운 가족관계 개념의 형성 - 반려동물(반려동물 로봇), 개인 비서와 같은 새로운 개념 의 가족 관계 형성 - 1인 가족의 보편화로 SNS 및 네트워크 기반의 가치 공유 공동체에 대한 대비 필요 - 복지 사각지대 해소, 디지털 사회에서의 고독 문제 해결 에 대한 방안 마련 장소 및 지역 중심이 아닌 소통 공간으로서의 근무환경 필요 - 원격근무, 재택근무, 3D 프린팅 등 생산수단의 개인화로 시공간 상에서의 협업 개념이 중요 - 근무시간 탄력 적용, 다양한 근무형태에 따른 고용지원 및 고용보장 대책, 유연하면서도 새로운 환경에 적용할 수 있는 근로와 연봉체계 도입이 필요 3 인공지능과 알고리즘 기 반 의사결정 일상화 및 그에 따른 윤리 및 규범 문제 해결 의사결정 거버넌스 수립 - 인공지능 과 알고리즘 기반 의사결정에 있어 윤리적, 사 회적 규범을 충족하기 위한 거버넌스 체계 마련이 필요 - 윤리적, 도덕적, 사회적, 철학적 숙고와 성찰력을 키울 수 있는 공론장과 인식의 공감대 마련이 중요 - 정형화된 의사결정 외에 인간의 사고와 생각이 필요한 비정형화된 의사 결정에 대한 논의 필요 인공지능과 알고리즘 기반 의사결정에 대한 도덕적, 윤리 적 측면의 연구 추진 - 의사결정 범위, 의사결정 주체에 대한 정의, 의사결정 프 로세스 상의 문제점에 대한 연구 - 인공지능과 알고리즘 기반 의사결정에 대한 법제도 마련 및 규제방안 연구 추진 - 인간의 생명과 안전, 재산, 국가 안보 등에 대한 피해를 예방하기 위한 연구 필요

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 217 2. 미래사회 변화에 대한 파급효과 가. 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과 10가지 미래사회 이슈 가운데 디지털 경제 확산이 미치는 파급효과가 가장 크다 고 평가되는 이슈는 사이버 범죄 및 안전 (4.7)이었다. 그리고 인간과 기계(기술) 간의 경계 모호 (4.6)가 근소한 차이로 뒤를 이었다. 다음은 고용불안, 양극화 및 불 평등 문제 (4.4), 권력분산 및 민주주의 성숙 (3.9), 미래세대 삶의 불안정성 (3.8) 순 이었다. 가장 낮은 이슈는 북한과 안보 및 통일 문제 로 2.7점에 그쳤다. 대체로 디 지털 이나 기술 과 관련된 이슈(사이버 범죄 및 안전, 인간과 기계 간의 경계 모호) 가 디지털 경제 확산에 의해 상대적으로 큰 영향을 미치는 것으로 조사되었다. 반 면, 디지털 경제 확산이 남북 분단에 따른 북한과의 안보 및 통일 문제, 국가 간 이 슈(영토갈등이나 경제안보 등 국제사회 분쟁 증가, 에너지와 자원 고갈 및 우주자원 경쟁 본격화) 등 한국의 특수한 상황이 반영된 이슈에 미치는 파급효과는 상대적으 로 작게 나타났다. [그림 5-14] 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과 (단위: 점, 5점 만점)

218 나. 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과: 시기별 변화 전문가 응답자는 디지털 경제 확산이 각각의 미래 사회 이슈에 미치는 파급효과 를 예측하였다. 디지털 경제 확산이 대부분의 이슈에 미치는 영향은 시간의 흐름에 따라 점증하는 경향을 보였다. 가장 큰 증가세를 보인 이슈는 인간과 기계(기술) 간 의 경계 모호 로, 2020년 3.6점에서 2025년 4.6점, 2030년 5점으로 증가했다. 이는 기 술 발전으로 인해 인간과 기계 간의 경계가 점점 희미해짐에 따라 인간 고유의 특성 과 커뮤니케이션 가능성의 확장 등에 대한 고민과 성찰이 갈수록 중요해짐을 의미 하는 대목이라 할 수 있다. 한편, 영토갈등, 경제안보 등 국제사회 분쟁 증가 이슈 만이 2020년 2.8점에서 2025년 3.2점으로 올랐다가, 2030년 3점으로 감소를 보였다. [그림 5-15] 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과: 시기별 변화 (단위: 점, 5점 만점)

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 219 시기별 차이를 살펴보면 다음과 같다. 먼저, 5년 후 미래(2020년)에는 디지털 경제 확산이 사이버 범죄 및 안전 (4.5)에 미치는 효과가 가장 클 것으로 파악하였다. 반 면, 북한과 안보 및 통일 문제 (2.4)에 미치는 파급효과 크기는 가장 작게 산정한 특 징을 보였다. 10년 후 미래(2025년)에도 마찬가지로 사이버 범죄 및 안전 (3.1)에 미 치는 파급효과가 가장 큰 것으로 예측했으며, 북한과 안보 및 통일 문제 (3.1)에 대 해서는 가장 작은 파급효과가 발생할 것이라고 보았다. 15년 후 미래(2030년) 시점 의 경우 다른 양상을 나타냈다. 인간과 기계(기술) 간의 경계 모호 (5)가 사이버 범 죄 및 안전 (4.9)을 근소한 차이로 앞서면서 가장 큰 파급효과를 미칠 것으로 전망됐 다. 그리고 영토갈등, 경제안보 등 국제사회 분쟁 증가 (3)가 가장 작은 파급효과를 미칠 이슈로 언급됐다. 요컨대, 근 미래에 중요한 미래사회 이슈는 사이버 범죄 및 안전, 상대적으로 덜 중요한 이슈는 북한과 안보 및 통일 문제 이다. 한편, 시간이 갈수록 더욱 중요해지는 미래사회 이슈는 인간과 기계(기술) 간 경계 모호, 상대적 으로 덜 중요해지는 이슈는 영토갈등, 경제안보 등 국제사회 분쟁 증가 라 할 수 있다. [그림 5-16] 디지털 경제 확산이 미치는 파급효과가 가장 큰 미래사회 이슈: 시기별 변화 (단위: 점, 5점 만점)

220 [그림 5-17] 디지털 경제 확산이 미치는 파급효과가 가장 작은 미래사회 이슈: 시기별 변화 (단위: 점, 5점 만점) 다. 디지털 경제 확산과 관련된 미래사회 이슈의 중요성 전문가들에게 향후 디지털 경제 확산과 관련하여 미래사회 이슈별로 현재 중요성, 미래 중요성 정도를 100점 만점 기준으로 제시하도록 하였다. 현재 중요성 점수가 가장 높게 나타난 이슈는 사이버 범죄 및 안전 (87.0)이다. 다음으로 고용불안, 양 극화 및 불평등 문제 (83.3), 미래세대 삶의 불안정성 (82.8), 저출산 및 고령화 사 회 (77.4) 이슈를 중요하게 인식하였다. 미래에 가장 중요한 것으로 평가받는 이슈 역시 사이버 범죄 및 안전 (95.4)인 것으로 나타났다. 인간과 기계(기술) 간의 경계 모호 (92.5), 고용불안, 양극화 및 불평등 문제 (88.0), 권력분산 및 민주주의 성 숙 (83.9) 역시 중요 이슈로 인식하였다. 동일한 이슈에 대하여 현재 중요성과 미래 중요성 인식 차이가 얼마나 큰지 산출한 결과, 인간과 기계(기술) 간의 경계 모호 가 가장 큰 차이(31.7)를 보였다. 반면, 서로 다른 시점이라도 중요성 점수가 유사한 이슈가 존재하였다. 미래세대 삶의 불안정성 은 현재와 미래의 중요성 점수 차이가 가장 작은(0.5) 이슈였다.

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 221 [그림 5-18] 디지털 경제 확산과 관련된 미래사회 이슈의 중요성 (단위: 점, 100점 만점) 가장 중요한 디지털 경제 확산 관련 이슈는 현재와 미래 모두 사이버 범죄 및 안 전 이었다. 게다가 현재 87점에서 미래 95.4점으로 시간이 갈수록 더욱 중요한 이슈 인 것으로 인식됐다. 반면, 상대적으로 덜 중요한 것으로 인식된 이슈는 현재와 미 래에 따라 차이를 보였다. 현재를 기준으로 했을 때 에너지와 자원 고갈, 우주자원 경쟁 본격화 가 54.2점으로 가장 낮았다면, 미래에는 북한과 안보 및 통일 문제 가 68.3점으로 가장 낮았다.

222 [그림 5-19] 가장 중요한 디지털 경제 확산 관련 이슈 (단위: 점, 100점 만점) [그림 5-20] 가장 덜 중요한 디지털 경제 확산 관련 이슈 (단위: 점, 100점 만점) 라. 시기별 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심기술 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술은 무엇일까? 저출산 및 고령화 사회 부터 인간과 기계(기술) 간의 경계 모호 까지 총 10가지 이슈에 대 해 어떤 기술이 영향을 미칠 것인가에 대해 전문가에게 물었다. 시기별 차이를 파악 하기 위하여 5년 뒤(2020년), 10년 뒤(2025년), 15년 뒤(2030년) 미래 시점별로 구분

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 223 하여 응답하게 하였다. 핵심기술에는 스마트카, 핀테크, O2O, 웨어러블, 스마트홈, 스마트헬스, 공유경제, 인공지능 로봇의 8가지가 포함됐다. 이슈별 응답 결과를 살펴보면 다음과 같다. 먼저, 저출산 및 고령화 사회 이슈의 파급효과에는 O2O 가 시기와 무관하게 가장 큰 영향을 미칠 핵심 기술로 꼽혔다. 이는 세 시점에서 모두 동일한 양상을 보였다(2020년 26.3%, 2025년 31.6%, 2030년 20%). 스마트카 가 가장 큰 영향을 미칠 기술이라고 응답한 사람의 비중 역시 26.3%로 높은 편이었으나, 5년 뒤 미래 시점(2020년)에만 높은 비중을 보였다. 고용불안, 양극화 및 불평등 문제 에는 인공지능 로봇 이 가장 큰 영향을 미칠 것으로 예측되었다. 세 시점에서 모두 인공지능 로봇 을 핵심 기술로 꼽은 응답자 비중이 가장 높게 나타났다(2020년 40.0%, 2025년 27.8%, 2030년 22.2%). 미래세대 삶의 불안정성 의 파급효과 역시 인공지능 로봇 기술의 영향을 받는 것으로 다수의 응답자가 예측하였다(2020년 20.0%, 2025년 15.8%, 2030년 10.5%). 그리고 웨어러블 을 핵심 기술로 인식한 사람의 비중 역시 높았는데, 이러한 양상 은 2020년 시점에만 한정되는 특징을 보였다(2020년 20.0%, 2025년 0.0%, 2030년 5.3%). 영토갈등, 경제안보 등 국제사회 분쟁 증가 의 파급효과에 영향을 미치는 핵심 기술은 웨어러블 이라는 의견이 지배적이었다(2020년 36.8%, 2025년 15.8%, 2030년 20.0%). 한편, 스마트카 역시 해당 이슈와 관련하여 중요한 영향을 미칠 요인으로 인식되었다(2020년 21.1%, 2025년 21.1%). 권력분산 및 민주주의 성숙 이슈는 웨어러블 과 더불어 인공지능 로봇 의 영향 을 받아 파급효과가 만들어질 것으로 논의되었다. 2020년에는 과반수의 사람(55.0%) 이, 2025년에는 36.8%, 2030년에는 26.3%가 웨어러블 기술의 영향력을 크게 예측하 였다. 인공지능 로봇 역시 해당 이슈 파급효과에 영향을 미치는 핵심 기술로 인식 하는 사람의 비중이 높은 편이었다(2020년 35.0%, 2025년 31.6%, 2030년 15.8%). 사이버 범죄 및 안전 이슈의 경우, 스마트카 (2020년 35.0%, 2025년 47.4%, 2030 년 10.5%), 웨어러블 (2020년 30.0%, 2025년 15.8%, 2030년 15.8%), 공유경제 (2020

224 년 15.0%, 2025년 15.8%, 2030년 10.5%) 등을 해당 이슈 파급효과에 영향을 미치는 핵심 기술로 인식하는 사람의 비중이 높게 나타났다. 에너지와 자원 고갈, 우주자원 경쟁 본격화 이슈에 대해서는 스마트헬스 가 파 급효과를 결정하는 데 주효할 것이라고 예측하는 사람의 비중이 높았다(2020년 30.0%, 2025년 26.3%, 2030년 21.1%). 더불어 스마트카 의 영향력을 가장 크게 파악 한 사람들도 다수인 것으로 나타났다(2020년 30.0%, 2025년 15.8%, 2030년 10.5%). 북한과 안보 및 통일 문제 의 경우 웨어러블 이 2020년 29.4%, 2025년 11.8%, 2030년 18.8%로 가장 높게 나타났다. 원래는 스마트카 가 2020년 29.4%, 2025년 23.5%로 가장 높은 듯 보였으나, 2030년 6.3%를 기록하는 데 그치면서 웨어러블 이 근소한 차이로 북한과 안보 및 통일 문제 이슈의 파급효과에 가장 큰 영향을 미칠 기술로 꼽혔다. 기후변화, 자연재해 및 환경영향 증대 에서는 스마트카 가 다른 모든 기술을 제 치고 가장 주된 영향을 미칠 기술로 언급됐다(2020년 21.1%, 2025년 22.2%, 2030년 16.7%). 인간과 기계(기술) 간의 경계가 모호 해지는 이슈 파급효과의 경우, 2020년에는 스마트카 (47.4%), 2025년에는 O2O (40.0%)가 핵심 기술로 기능할 것이라고 다수 의 전문가가 예측하였다. <표 5-9> 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 (단위: %) 저출산 고령화 고용불안 양극화 불평등 구분 스마트 카 핀테크 O2O 웨어 러블 스마트 홈 스마트 헬스 공유 경제 인공 지능 로봇 2020년 26.3 5.3 26.3 15.8 0.0 0.0 0.0 10.5 2025년 10.5 0.0 31.6 10.5 0.0 10.5 0.0 10.5 2030년 5.0 5.0 20.0 5.0 0.0 0.0 0.0 0.0 2020년 10.0 15.0 5.0 0.0 0.0 5.0 5.0 40.0 2025년 11.1 5.6 0.0 5.6 0.0 11.1 5.6 27.8 2030년 5.6 0.0 0.0 5.6 0.0 5.6 5.6 22.2

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 225 구분 미래세대 삶의 불안정성 국제사회 분쟁 증가 권력분산, 민주주의 성숙 사이버 범죄/ 안전 에너지/ 자원고갈 우주자원 전쟁 북한과 안보/통일 문제 기후변화/ 자연재해, 환경영향 증대 인간과 기계간의 경계모호 스마트 카 핀테크 O2O 웨어 러블 스마트 홈 스마트 헬스 공유 경제 인공 지능 로봇 2020년 10.0 15.0 10.0 20.0 5.0 10.0 5.0 20.0 2025년 10.5 5.3 0.0 0.0 21.1 10.5 5.3 15.8 2030년 10.5 0.0 0.0 5.3 0.0 0.0 10.5 10.5 2020년 21.1 0.0 0.0 36.8 0.0 0.0 5.3 10.5 2025년 21.1 0.0 0.0 15.8 15.8 0.0 5.3 15.8 2030년 10.0 5.0 0.0 20.0 10.0 0.0 0.0 0.0 2020년 5.0 0.0 0.0 55.0 5.0 0.0 0.0 35.0 2025년 0.0 10.5 0.0 36.8 10.5 5.3 0.0 31.6 2030년 26.3 5.3 0.0 26.3 10.5 0.0 0.0 15.8 2020년 35.0 10.0 5.0 30.0 5.0 0.0 15.0 0.0 2025년 47.4 0.0 10.5 15.8 5.3 0.0 15.8 0.0 2030년 10.5 0.0 15.8 15.8 5.3 0.0 10.5 5.3 2020년 30.0 5.0 0.0 0.0 10.0 30.0 0.0 10.0 2025년 15.8 5.3 0.0 0.0 0.0 26.3 0.0 10.5 2030년 10.5 5.3 0.0 0.0 10.5 21.1 0.0 0.0 2020년 29.4 0.0 0.0 29.4 17.6 0.0 0.0 5.9 2025년 23.5 11.8 0.0 11.8 11.8 11.8 0.0 5.9 2030년 6.3 0.0 6.3 18.8 0.0 18.8 6.3 6.3 2020년 21.1 0.0 10.5 21.1 0.0 10.5 0.0 15.8 2025년 22.2 0.0 5.6 16.7 11.1 5.6 0.0 22.2 2030년 16.7 5.6 5.6 11.1 5.6 16.7 0.0 11.1 2020년 47.4 0.0 0.0 0.0 21.1 0.0 0.0 0.0 2025년 0.0 0.0 40.0 0.0 10.0 0.0 0.0 0.0 2030년 0.0 0.0 5.3 0.0 15.8 0.0 0.0 0.0 시기별로 특정 미래이슈의 파급효과에 가장 큰 영향을 미치게 될 핵심 기술을 살 펴보면 다음과 같다. 2020년엔 권력분산, 민주주의 성숙 이슈에 웨어러블 기술이 55.0%로 가장 큰 영향을 미칠 것으로 조사되었다. 2025년에는 사이버 범죄 및 안 전 이슈에 스마트카 가 47.4%, 2030년의 경우 권력분산, 민주주의 성숙 이슈에

226 스마트카 와 웨어러블 기술이 모두 26.3%를 기록하면서 핵심 기술로 꼽혔다. [그림 5-21] 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술: 이슈별 (단위: %) [그림 5-22] 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술: 시기별 (단위: %)

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 227 3. 디지털 경제의 사회적 순기능과 역기능 이슈 가. 디지털 경제의 사회적 순기능과 역기능 디지털 경제가 사회에 미칠 순기능과 역기능에 대해 각각 6개 이슈를 중심으로 살펴보았다. 순기능으로는 1 안전 사회 구현(데이터 기반의 체계적 위기 및 재난 대응으로 안전한 사회를 구현할 수 있다), 2 삶의 질 향상(효율적 건강관리, 여가와 웰빙의 중요성 증대 등으로 삶의 질이 향상될 것이다), 3 다양한 창작 문화 활성화 (1인 창작 콘텐츠 등 디지털 기반의 다양한 창작(생산) 문화를 활성화시킬 것이다), 4 개인의 권한 강화(표현의 자유, 정보인권, 정치참여 등 개인(시민/소비자)의 권한 이 강화될 것이다), 5 인지 및 소통능력 강화(인간의 인지능력과 소통능력을 더욱 강화시킬 것이다), 6 고령층의 역할 증대(인간향상기술로 수명연장 등 고령층의 역 할이 증대될 것이다)가 꼽혔다. 역기능에는 1 정보격차 심화(의료, 교육 등 다양한 분야에서의 정보격차를 심화 시킬 것이다), 2 일자리 감소(인간의 일자리를 기계가 대체함으로써 일자리를 감소 시킬 것이다), 3 감시사회 전면화(사생활 침해 등 감시사회가 전면화될 것이다), 4 사회갈등 심화(소득양극화 등 사회갈등을 더욱 심화시킬 것이다), 5 국가 간 갈등 심화(사이버테러, 기술패권주의 등 새로운 안보위협으로 국가 간 갈등이 심화될 것 이다), 6 기술의 인간 지배(로봇과 인공지능이 인간을 지배하게 될 것이다)가 포함 됐다. <표 5-10> 디지털 경제의 사회적 순기능과 역기능 순기능 1 2 3 (단위: 점, 5점 만점) 구분 2020년 2025년 2030년 데이터 기반의 체계적 위기 및 재난대응으로 안전 한 사회를 구현할 수 있다 효율적 건강관리, 여가와 웰빙의 중요성 증대 등으 로 삶의 질이 향상될 것이다 1인 창작 콘텐츠 등 디지털 기반의 다양한 창작(생 산)문화를 활성화시킬 것이다 2.9 3.5 3.9 3.2 3.9 4.2 3.8 3.9 4.1

228 순기능 역기능 4 5 6 1 2 구분 2020년 2025년 2030년 표현의 자유, 정보인권, 정치참여 등 개인(시민/소 비자)의 권한이 강화될 것이다 인간의 인지능력과 소통능력을 더욱 강화시킬 것 이다 인간향상기술로 수명연장 등 고령층의 역할이 증 대될 것이다 의료, 교육 등 다양한 분야에서의 정보격차를 심화 시킬 것이다 인간의 일자리를 기계가 대체함으로써 일자리를 감소시킬 것이다 3.6 3.8 3.9 3.0 3.4 3.7 3.0 3.8 4.4 3.1 3.7 4.1 2.9 3.7 4.4 3 사생활 침해 등 감시사회가 전면화될 것이다 3.6 4.2 4.1 4 소득양극화 등 사회갈등을 더욱 심화시킬 것이다 3.5 4.0 3.9 5 사이버테러, 기술패권주의 등 새로운 안보위협으로 국가 간 갈등이 심화될 것이다 3.4 4.1 4.1 6 로봇과 인공지능이 인간을 지배하게 될 것이다 2.3 2.7 3.5 디지털 경제의 사회적 순기능의 경우, 6개 이슈 모두가 2020년에서 2025년, 2030 년으로 갈수록 수치가 커져, 시간이 흐를수록 점차 그 수준이 높아질 것으로 이해할 수 있다. 요컨대 미래 사회가 도래할수록 디지털 경제가 사회에 미치는 순기능, 즉 안전 사회 구현, 삶의 질 향상, 다양한 창작 문화 활성화, 개인의 권한 강화, 인지 및 소통능력 강화, 고령층의 역할 증대 가 강화된다는 것이다. 반면, 역기능 은 이슈에 따라 시기별로 다른 양상을 보였다. 정보격차 심화, 일자리 감소, 기 술의 인간 지배 는 시간이 갈수록 그 정도가 더해질 전망이다. 감시사회 전면화 와 사회갈등 심화 는 2020년에서 2025년까지 커지다가, 2030년에 다시 작아질 것으로 보인다. 국가 간 갈등 심화 는 2025년까지 커진 이후, 2030년까지 별다른 차이를 보 이지 않을 것으로 예상되었다. 이를 통해 미래 사회가 도래할수록 디지털 경제가 사 회에 미칠 역기능은 그 세부 내용에 따라 더 커지거나, 감소하거나, 유사한 수준을 유지할 것으로 짐작할 수 있다.

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 229 [그림 5-23] 디지털 경제의 사회적 순기능 [그림 5-24] 디지털 경제의 사회적 역기능 나. 순기능에 큰 영향을 미칠 것으로 예상되는 핵심 기술 사회적 순기능에 큰 영향을 미칠 것으로 예상되는 핵심 기술을 이슈별로 살펴보 았다. 핵심 기술에는 사물인터넷, O2O, 웨어러블 및 생체인터넷, 빅데이터 및 클라

230 우드, 증강 및 가상현실, 3D프린팅 및 DIY, 핀테크, 공유경제, 자율주행 자동차 및 드론, 인공지능 및 로봇의 10가지가 선정되었다. 먼저, 데이터 기반의 체계적 위기 및 재난 대응으로 안전한 사회를 구현 하는 데 빅데이터 및 클라우드 서비스가 핵심 기술로 기능할 것이라는 의견이 지배적이었 다. 이런 양상은 특히 2020년에 두드러진다(85.0%). 2025년에도 해당 기술이 42.1% 로 가장 높았다. 그러나 2030년에는 인공지능 및 로봇 이 63.2%로 가장 주된 기술 로 기능할 것으로 전망됐다. 효율적 건강관리, 여가와 웰빙의 중요성 증대로 삶의 질이 향상 되는 데 가장 주 된 영향을 미칠 기술은 웨어러블/생체인터넷 (2020년 45.0%, 2025년 42.1%)이었다. 그러나 안전 사회 구현 이슈에서처럼, 2030년에는 인공지능 및 로봇 이 52.6%로 해당 이슈에 가장 큰 영향을 미칠 기술로 인식되었다. 1인 창작 콘텐츠 등 디지털 기반의 다양한 창작(생산) 문화를 활성화 하는 데 가 장 많이 기여할 기술은 2020년 빅데이터 및 클라우드 (30%), 2025년 증강 및 가상 현실 (36.8%), 2030년 인공지능 및 로봇 (26.3%)으로, 시기에 따라 다르게 나타났다. 표현의 자유, 정보인권, 정치참여 등 개인(시민/소비자)의 권한 강화 이슈의 경 우, 근 미래인 2020년에는 빅데이터 및 클라우드 (50%)가, 시간이 지날수록 공유경 제 (2025년 36.8%, 2030년 31.6%)가 큰 영향을 미칠 것으로 보인다. 인간의 인지능력과 소통능력을 더욱 강화 시키는 데에는 2020년 빅데이터 및 클 라우드 (30%)가, 이후에는 인공지능 및 로봇 (2025년 36.8%, 2030년 63.2%)이 핵심 기술로 작용할 전망이다. 마지막으로, 인간향상 기술로 수명연장 등 고령층의 역할 증대 이슈에는 웨어 러블 및 생체인터넷 이 핵심 기술로 기능하다가 점차 그 중요성이 감소하고(2020년 45%, 2025년 36.8%), 대신 인공지능 및 로봇 (2030년 63.2%)의 중요성이 새롭게 부 상할 것으로 조사되었다.

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 231 <표 5-11> 순기능에 영향을 미칠 것으로 예상되는 핵심 기술 구분 사물 인터넷 O2O 웨어러블 빅데이터 /생체 / 인터넷 클라우드 증강/ 가상 현실 3D 프린팅 & DIY 핀테크 공유 경제 자율주행 자동차/ 드론 (단위: %) 인공 지능 /로봇 안전 사회 구현 삶의 질 향상 다양한 창작문화 활성화 개인의 권한 강화 인지/ 소통능력 강화 2020년 15.0 0.0 0.0 85.0 0.0 0.0 0.0 0.0 0.0 0.0 2025년 36.8 5.3 0.0 42.1 0.0 0.0 0.0 0.0 10.5 5.3 2030년 31.6 0.0 0.0 0.0 5.3 0.0 0.0 0.0 0.0 63.2 2020년 25.0 5.0 45.0 15.0 0.0 0.0 0.0 0.0 10.0 0.0 2025년 21.1 0.0 42.1 31.6 0.0 5.3 0.0 0.0 0.0 0.0 2030년 15.8 0.0 10.5 10.5 0.0 0.0 0.0 0.0 10.5 52.6 2020년 15.0 15.0 0.0 30.0 5.0 25.0 0.0 10.0 0.0 0.0 2025년 0.0 10.5 5.3 10.5 36.8 26.3 0.0 10.5 0.0 0.0 2030년 5.3 10.5 0.0 10.5 21.1 10.5 0.0 15.8 0.0 26.3 2020년 5.0 10.0 5.0 50.0 5.0 0.0 0.0 25.0 0.0 0.0 2025년 10.5 5.3 0.0 26.3 10.5 10.5 0.0 36.8 0.0 0.0 2030년 0.0 5.3 5.3 26.3 10.5 5.3 0.0 31.6 0.0 15.8 2020년 25.0 0.0 20.0 30.0 10.0 0.0 0.0 10.0 5.0 0.0 2025년 10.5 5.3 21.1 15.8 5.3 0.0 0.0 5.3 0.0 36.8 2030년 5.3 0.0 10.5 0.0 10.5 0.0 0.0 10.5 0.0 63.2 고령층의 역할 증대 2020년 15.0 10.0 45.0 15.0 5.0 0.0 5.0 5.0 0.0 0.0 2025년 5.3 0.0 36.8 0.0 0.0 15.8 5.3 0.0 5.3 31.6 2030년 5.3 0.0 15.8 5.3 5.3 0.0 0.0 0.0 5.3 63.2 시기별로 사회적 순기능에 영향을 미칠 핵심 기술을 살펴보면 다음과 같다. 2020 년엔 안전사회 구현 이슈에 빅데이터 및 클라우드 기술(85%)이 가장 큰 영향을 미칠 것으로 조사되었다. 2025년의 경우 안전사회 구현 과 삶의 질 향상 이슈에 각각 빅데이터 및 클라우드 와 웨어러블 및 생체인터넷 이 42.1%를 기록하며 핵심 기술로 꼽혔다. 2030년에는 안전사회 구현, 인지 및 소통능력 강화, 고령층의 역 할 증대 이슈 모두에 인공지능 및 로봇 기술이 63.2%를 기록했다.

232 [그림 5-25] 순기능에 영향을 미칠 것으로 예상되는 핵심 기술: 시기별 (단위: %) 다. 역기능에 큰 영향을 미칠 것으로 예상되는 핵심 기술 사회적 역기능에 큰 영향을 미칠 것으로 예상되는 핵심 기술을 살펴본 결과, 대체 로 근 미래에는 각기 다른 여러 기술들이 꼽히다가, 2030년에 이르러서는 인공지능 및 로봇 이 핵심 기술로 꼽힘을 알 수 있었다. 이는 사회적 순기능에서와 비슷한 패 턴으로 인공지능 및 로봇 기술이 시간이 지날수록 사회적 순기능과 역기능을 동시 에 발생시키는 양날의 검과 같음을 시사한다. 세부 이슈별 핵심 기술을 살펴보면 다음과 같다. 먼저, 의료, 교육 등 다양한 분야 에서의 정보격차 심화 의 경우 2020년 빅데이터 및 클라우드 (35%)에서 2025년 이 후에는 인공지능 및 로봇 (2025년 21.1%, 2030년 52.6%)으로 핵심 기술이 이동했다. 인간의 일자리를 기계가 대체함으로써 일자리가 감소 하는 데 있어서는 2020년 하나로 합치되지 않는 다양한 기술이 영향(사물인터넷, 빅데이터 및 클라우드, 자율 주행 자동차 및 드론, 인공지능 및 로봇이 각 15%)을 미쳤다. 하지만 2025년에는 자율주행 자동차 및 드론 (47.4%)이, 2030년에는 인공지능 및 로봇 (89.5%)이 핵심 기술로 작용할 전망이다. 사생활 침해 등 감시사회의 전면화 이슈에 큰 영향을 미칠 기술은 빅데이터 및 클라우드 (2020년 55%, 2025년 26.3%)였다가, 2030년에 이르러서는 역시 앞선 이슈 들과 유사하게 인공지능 및 로봇 (52.6%)으로 귀결된다.

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 233 소득양극화 등 사회갈등 심화 는 2020년 빅데이터 및 클라우드 (35.0%), 2025년 증강 및 가상현실, 3D프린팅 및 DIY, 핀테크 (각 15.8%), 2030년 인공지능 및 로봇 (52.6%)이 핵심 기술로 작용하는 이슈로 꼽혔다. 사이버테러, 기술패권주의 등 새로운 안보위협으로 국가 간 갈등 심화 의 경우, 2020년 사물인터넷 (30%)에 영향을 받다가, 2025년에는 자율주행 자동차 및 드 론 (26.3%), 2030년에는 인공지능 및 로봇 (68.4%)에 의해 영향을 받을 것으로 예상 된다. 마지막으로 로봇과 인공지능에 의한 인간 지배 이슈는 인공지능 및 로봇 에 의 해 영향을 크게 받으며, 그 영향이 갈수록 증대될 것으로 전망됐다. <표 5-12> 역기능에 영향을 미칠 것으로 예상되는 핵심 기술 구분 정보격차 심화 일자리 감소 감시사회 전면화 사회갈등 심화 국가 간 갈등 심화 기술의 인간 지배 사물 인터넷 O2O 웨어러블 /생체 인터넷 빅데이터 / 클라우드 증강/ 가상 현실 3D 프린팅 & DIY 핀테크 공유 경제 자율주행 자동차/ 드론 (단위: %) 인공 지능 /로봇 2020년 15.0 0.0 20.0 35.0 10.0 0.0 15.0 0.0 0.0 5.0 2025년 10.5 5.3 15.8 21.1 5.3 15.8 0.0 5.3 0.0 21.1 2030년 10.5 0.0 15.8 10.5 5.3 0.0 0.0 0.0 5.3 52.6 2020년 15.0 0.0 10.0 15.0 5.0 10.0 5.0 10.0 15.0 15.0 2025년 5.3 0.0 5.3 0.0 5.3 10.5 0.0 0.0 47.4 26.3 2030년 0.0 0.0 0.0 0.0 0.0 5.3 0.0 0.0 5.3 89.5 2020년 30.0 0.0 10.0 55.0 0.0 0.0 0.0 0.0 5.0 0.0 2025년 26.3 0.0 10.5 26.3 0.0 0.0 0.0 0.0 26.3 10.5 2030년 26.3 0.0 15.8 5.3 0.0 0.0 0.0 0.0 0.0 52.6 2020년 5.0 10.0 0.0 35.0 0.0 5.0 30.0 15.0 0.0 0.0 2025년 10.5 5.3 0.0 10.5 15.8 15.8 15.8 5.3 10.5 10.5 2030년 5.3 0.0 5.3 0.0 0.0 10.5 21.1 0.0 5.3 52.6 2020년 30.0 0.0 5.0 25.0 15.0 0.0 0.0 5.0 15.0 5.0 2025년 21.1 0.0 0.0 10.5 5.3 5.3 5.3 10.5 26.3 15.8 2030년 10.5 0.0 0.0 0.0 5.3 0.0 0.0 5.3 10.5 68.4 2020년 15.0 0.0 10.0 25.0 10.0 0.0 0.0 0.0 5.0 35.0 2025년 5.3 0.0 0.0 0.0 5.3 0.0 0.0 0.0 42.1 47.4 2030년 0.0 0.0 5.3 0.0 0.0 0.0 0.0 0.0 0.0 94.7

234 사회적 역기능에 영향을 미칠 핵심 기술을 시기별로 살펴본 결과, 2020년에는 감 시사회 전면화 이슈에 빅데이터 및 클라우드 기술(55%)이 가장 큰 영향을 미칠 것으로 나타났다. 2025년에는 일자리 감소 이슈에 자율주행 자동차 및 드론 이, 기술의 인간 지배 이슈에 인공지능 및 로봇 이 모두 47.4%를 기록하면서 핵심 기 술로 꼽혔다. 2030년에는 기술의 인간 지배 이슈에 인공지능 및 로봇 기술이 94.7%를 기록했다. [그림 5-26] 역기능에 영향을 미칠 것으로 예상되는 핵심 기술: 시기별 (단위: %) 4. 미래사회 이슈에 대한 정책 대응 가. 이슈별 정책 대응 중요도 및 시급성 전문가 응답자에게 미래사회 10대 이슈에 대한 정책 대응 중요도와 시급성을 물 었다. 고용불안, 양극화 및 불평등 문제 에 대한 대응이 가장 중요함(4.8)과 동시에 시급(4.7)한 것으로 인식되었다. 반면, 영토갈등, 경제안보 등 국제사회 분쟁 증가 이 가장 덜 중요(3.2)하면서, 인간과 기계(기술) 간의 경계 모호 와 함께 가장 덜 시 급(2.8)한 이슈로 간주되었다. 이처럼 대체로 중요한 이슈는 시급하기도 한 이슈로 여겨졌다. 그리고 전체적으로 중요도가 시급성보다 높은 점수로 나타났다. 물론 예외도 있었다. 인간과 기계(기술) 간의 경계 모호 (3.8) 문제의 경우, 에너

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 235 지와 자원 고갈, 우주자원 경쟁 본격화 (3.5), 영토갈등, 경제안보 등 국제사회 분쟁 증가 (3.2) 문제보다 중요한 것으로 인식되었다. 하지만 시급성은 2.8점으로, 에너지 와 자원 고갈, 우주자원 경쟁 본격화 (2.9)보다 낮고, 영토갈등, 경제안보 등 국제사 회 분쟁 증가 (2.8)와 같았다. [그림 5-27] 이슈별 정책 대응 중요도 및 시급성 (단위: 점, 5점 만점) [그림 5-28] 정책 대응 중요도와 시급성이 가장 높은 이슈 (단위: 점, 5점 만점)

236 [그림 5-29] 정책 대응 중요도와 시급성이 가장 낮은 이슈 (단위: 점, 5점 만점) [그림 5-30] 이슈별 정책 대응 중요도와 시급성 비교 [중요도] (단위: 점, 5점 만점) [시급성]

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 237 나. 이슈별 정책 대응 수준 미래사회 10대 이슈와 관련해 정책 대응 수준이 어떠한지 물었다. 구체적으로는 1 법, 제도, 정책 미흡, 2 관련 기술 부족, 3 관련 인력 부족, 4 소비자 인식 및 수요 부족의 4개 항목으로 정책 대응 수준을 측정하였다. 그 결과, 저출산 및 고령 화 사회, 고용불안, 양극화 및 불평등 문제, 미래세대 삶의 불안정성, 영토갈등, 경제안보 등 국제사회 분쟁 증가, 권력분산 및 민주주의 성숙, 북한과 안보 및 통 일 문제 의 6개 이슈에서는 법, 제도, 정책 미흡 이 가장 큰 문제점으로 노출됐다. 하지만 에너지와 자원 고갈, 우주자원 경쟁 본격화 와 기후변화, 자연재해 및 환경 영향 증대 이슈의 경우, 관련 기술 부족 이 가장 큰 문제로 꼽혔다. 사이버 범죄 및 안전 과 인간과 기계(기술) 간의 경계 모호 에서는 관련 인력 부족 이 문제인 것 으로 언급됐다. 하지만 응답자에게 소비자 인식 및 수요 부족 이 가장 큰 문제라고 여겨진 이슈는 없었다. [그림 5-31] 이슈별 정책 대응 수준 (단위: 점, 5점 만점) 대응 수준을 측정하는 항목별로 점수가 가장 높게 나타난 이슈와 가장 낮게 나타 난 이슈를 살펴보았다. 점수가 높을수록 정책 대응 수준이 부족하거나 미흡한 것으

238 로, 낮을수록 정책 대응 수준이 부족하거나 미흡하지 않은 것으로 해석할 수 있다. 법, 제도, 정책 부문에 있어 가장 미흡한 이슈는 고용불안, 양극화 및 불평등 문 제 (4.3)였다. 관련 기술 이 부족한 이슈는 에너지와 자원 고갈, 우주자원 경쟁 본 격화 (4), 관련 인력 이 부족한 이슈는 인간과 기계(기술) 간의 경계 모호 (4.3)였다. 소비자 인식 및 수요 가 부족한 이슈로는 에너지와 자원 고갈, 우주자원 경쟁 본격 화 (3.9)가 조사됐다. 이처럼 에너지와 자원 고갈, 우주자원 경쟁 본격화 는 관련 기술 과 소비자 인식 및 수요 2개 부문에서 미흡한 것으로 꼽혀, 향후 정책적 차원 의 대응이 시급한 것으로 판단된다. [그림 5-32] 정책 대응 수준이 부족(미흡)한 이슈 (단위: 점, 5점 만점) 가장 낮은 수치를 기록한 이슈가 2.5점으로 5점 척도 중 중간(보통)을 차지했으므 로, 정책 대응이 잘 되고 있다고는 보기 어렵고, 상대적으로 정책 대응이 덜 부족(미 흡)한 것으로 이해하는 편이 타당할 것이다. 법, 제도, 정책, 관련 기술, 관련 인 력 세 분야에서 모두 북한과 안보 및 통일 문제 (각각 3.2, 2.5, 2.8)가 정책 대응이 덜 미흡한 이슈로 꼽혔다. 한편, 법, 제도, 정책 에서 가장 대응이 부족한 이슈였던 고용불안, 양극화 및 불평등 문제 가 소비자 인식 및 수요 부족 에서는 대응이 덜 미흡한 이슈로 조사됐다. 이는 전문가 응답자가 고용불안, 양극화 및 불평등 문제

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 239 가 소비자 인식 및 수요 보다 법, 제도, 정책 차원에서 보다 대응이 필요한 이슈라 고 판단함을 시사한다. [그림 5-33] 정책 대응 수준이 덜 부족(미흡)한 이슈 (단위: 점, 5점 만점) 5. 미래사회 변화에 영향을 미치는 요소의 영향력과 불확실성 전문가 응답자에게 2차 조사로, 미래사회 변화에 영향을 미치는 요소의 영향력과 불확실성에 대해 질문했다. 답변은 영향력과 불확실성 각 항목에 대해 1부터 9까지 의 숫자 중 하나를 고르게 했다. 1이 매우 작은 영향력과 불확실성을 의미한다면, 9 는 매우 큰 영향력과 불확실성을 의미한다. 영향력과 불확실정을 서로 다른 두 축으 로 하여 각 요소를 포지셔닝한 결과, 전체 분포도가 다음 [그림 5-34]에서와 같이 모양이 나타났다. 이는 영향력과 불확실성이 정비례하지 않고, 대체로 반비례함을 의미한다. 즉, 영향력이 클수록 확실성이 높고, 영향력이 작을수록 불확실성이 높다 는 것이다.

240 [그림 5-34] 미래사회 변화에 영향을 미치는 요소의 영향력과 불확실성 (단위: 점, 9점 만점) <표 5-13> 미래사회 변화에 영향을 미치는 요소의 영향력과 불확실성 변인 영향력 불확실성 1 데이터 기반 의사결정의 보편화 및 데이터 리터러시(data literacy) 고양 7.2 3.5 2 인간향상(human enhancement) 기술의 개발 및 적용범위 확충 6.9 6.4 3 새로운 기술문명시대를 주도할 인간 고유의 능력(역량) 개발 5.9 6.1 4 소프트웨어교육, 평생교육 등 교육체계 전반의 변화 7.3 3.1 5 ICT 기반의 의료 복지체계 전반의 혁신 7.2 3.8 6 1인 미디어 등 디지털 창작문화 활성화 6.7 3.9 7 신문, 방송 등 전통 매체의 디지털 혁신 강화 5.8 4.8 8 가상 증강현실 등 실감미디어 확산 6.5 3.7 9 정보처리능력의 독점 및 권력집중 7.0 4.1 10 다국적 기업의 디지털경제 지배 및 국가단위의 거버넌스 위기 심화 7.4 3.4 11 사이버범죄 등 사이버 안보위협 증가 7.8 3.1 12 자연재해, 전염병 등 재난 재해 다각화 및 대형화 6.5 4.6 13 에너지 위기 심화 6.0 5.1 14 지구온난화, 기후변화 6.2 4.7

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 241 변인 영향력 불확실성 15 식량부족 문제 심화 5.7 5.2 16 우주자원 개발 경쟁 치열 5.6 5.9 17 정치 및 정책과정에 대한 일반 시민참여의 증가 6.4 4.7 18 정당, 언론 등 전통적 정치매개체 약화 6.0 3.9 19 개인화된 매체환경과 모바일 유목민 증가 5.9 3.9 20 인간관계의 개인화 원자화 5.5 4.5 21 프라이버시 침해 및 사생활 감시 7.2 3.2 22 기술적 실업(technological unemployment) 등 일자리 감소 심화 6.8 3.9 23 1인 가정 등 가족개념 및 가족제도의 변화 6.3 3.3 24 고령화와 고령층의 역할 증대 6.5 3.1 25 성평등 강화 및 여성의 역할 증대 6.0 3.6 26 건강/여가, 웰빙(웰니스) 등 친환경 소비 증대 5.8 3.3 27 남북협력 및 통일기반 조성을 통한 디지털경제 영역의 확장 5.4 4.9 28 크라우드소싱, 오픈소스 등 공유경제의 중요성 증대 6.7 4.0 29 인더스트리4.0 등 ICT 기반의 제조업 활성화 5.7 4.1 30 ICT 국제협력 및 ICT 외교의 중요성 증대 5.6 4.0 31 자율주행차, 스마트시티, 스마트그리드 등 지능형 생활공간 확대 6.8 3.6 32 사이보그, 포스트휴먼 등 인간정체성 변화 6.0 5.6 33 인공지능의 사회적 책무성 강화를 위한 법 규범체계 정립 6.5 4.9 34 로봇 및 인공지능 전담기구 설치 5.6 5.3 먼저 영향력의 경우, 대부분의 요소가 6~7점대에 포진한 가운데, 사이버범죄 등 사이버 안보위협 증가 (7.8)가 가장 높은 점수를 기록했다. 그러나 이 요소에 대한 불확실성은 낮았다(3.1). 반면 남북협력 및 통일기반 조성을 통한 디지털경제 영역 의 확장 이 5.4점으로 가장 영향력이 낮은 요소로 조사되었다. 다음으로 불확실성은 대부분의 요소가 3~5점 사이에 집중돼 있었다. 가장 불확 실한 요소로 꼽힌 것은 인간향상(human enhancement) 기술의 개발 및 적용범위 확 충 (6.4)이었다. 하지만 이 요소는 영향력에 있어 6.9점으로 비교적 높게 나타났다. 이와 같이 불확실하면서도 영향력이 크다는 것은, 향후 해당 요소의 확실성을 높이 기 위한 고민과 노력이 크게 요구됨을 뜻한다. 가장 덜 불확실한, 다시 말해 상대적

242 으로 확실한 요소는 사이버범죄 등 사이버 안보위협 증가 와 고령화와 고령층의 역할 증대 로 둘 다 3.1점을 기록했다. 이 중 사이버범죄 등 사이버 안보위협 증가 가 가장 영향력이 큰 요소임을 감안할 때, 해당 이슈가 영향력과 확실성 모두 가장 높은 요소임을 알 수 있다. 6. 소 결 지금까지 디지털경제의 사회분야 예측 관련 델파이 조사 결과를 살펴보았다. 디 지털 경제 확산에 따른 10대 미래이슈를 선정하고, 학계, 산업계, 연구기관, 정부 및 공공 부문의 전문가 20명을 패널로 선정해 해당 이슈에 대한 델파이 조사를 실시했 으며, 조사는 두 차례에 걸쳐 이뤄졌다. 사회분야 조사 결과는 크게 다음 5개 항목으 로 정리할 수 있다. 첫째, 미래사회 10대 이슈와 추가 3대 이슈에 대한 해결 방안을 질적으로 풀어냈 다. 10대 이슈 중 주요 이슈라 할 수 있는 저출산 및 고령화 사회 해결, 고용불안, 양극화 및 불평등 문제 해결, 사이버범죄 및 안전 문제 해결 을 위해 ICT 융합 복 지 서비스 강화를 통한 고령화 사회 문제 해결, 사회 전반의 고용시스템 정비 및 채 용 장려를 위한 유인책 마련, 정보보안 기술 투자 및 책임성 강화, 그리고 법제도 정 비 및 규제 강화가 이뤄져야 한다고 입을 모았다. 추가 이슈인 디지털 경제 확산에 따른 철학, 윤리, 규범, 정보의 독과점 및 통제, 정보 권력의 집중, 사회적 관계 및 제도 변화(가족, 직업, 교육 등) 에 대해서는 교육방식 및 제도의 변화와 평생교 육 강화, 가족제도(구성원)의 변화 및 가정-직장 경계 소멸에 따른 대안 마련, 인공 지능과 알고리즘 기반 의사결정 일상화 및 그에 따른 윤리, 규범 문제 해결이 해결 책으로 언급됐다. 둘째, 미래사회 변화에 대한 파급효과를 살펴보았다. 여기에는 이슈별 디지털 경 제 확산이 미치는 파급효과, 파급효과의 시기별 변화, 디지털 경제 확산과 관련된 미래사회 이슈의 중요성, 시기별 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심기술의 4가지 세부항목이 포함됐다. 디지털 경제 확산이 미치는 파급효과가 가

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 243 장 큰 이슈 로는 사이버 범죄 및 안전 이 꼽혔다. 그리고 파급효과를 시기별(2020 년, 2025년, 2030년) 로 살펴봤을 때, 이슈별 효과는 대체로 시간이 갈수록 커지는 경향을 띠었다. 2025년까지 파급효과가 가장 큰 미래사회 이슈는 사이버 범죄 및 안전 이지만, 2030년에는 인간과 기계(기술) 간 경계 모호 에 그 자리를 내줬다. 이 와 함께 디지털 경제 확산과 관련된 미래사회 이슈의 중요성 을 현재와 미래의 두 축으로 조사한 결과, 가장 중요한 이슈는 현재와 미래 모두 사이버 범죄 및 안전 이 었다. 그리고 시기별 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심기술 을 살펴보면, 2020년 권력분산, 민주주의 성숙 이슈에는 웨어러블 기술이, 2025 년 사이버 범죄 및 안전 이슈에는 스마트카 기술이, 2030년에는 다시 권력분산, 민주주의 성숙 이슈에 스마트카 와 웨어러블 기술이 가장 큰 영향을 미칠 핵심 기술로 조사되었다. 셋째, 디지털 경제의 사회적 순기능과 역기능 이슈를 분석했다. 이는 디지털 경제 의 사회적 순기능과 역기능, 그리고 순기능과 역기능에 큰 영향을 미칠 것으로 예상 되는 핵심 기술로 세분화됐다. 사회적 순기능의 경우, 6개 세부이슈(안전 사회 구현, 삶의 질 향상, 다양한 창작 문화 활성화, 개인 권한 강화, 인지 및 소통능력 강화, 고 령층의 역할 증대)가 모두 시간이 흐를수록 그 정도가 높아질 것으로 예측됐다. 반 면, 역기능은 이슈(정보격차 심화, 일자리 감소, 기술의 인간 지배, 감시사회 전면화, 사회갈등 심화, 국가 간 갈등 심화)에 따라 시기별로 다른 양상을 보였다. 한편, 순 기능에 영향을 미칠 것으로 예상되는 핵심 기술로 2020년에는 안전사회 구현 이슈 에 빅데이터 및 클라우드 가, 2025년에는 안전사회 구현, 삶의 질 향상 이슈에 각각 빅데이터 및 클라우드, 웨어러블 및 생체인터넷 이, 2030년에는 안전사회 구현, 인지 및 소통능력 강화, 고령층의 역할 증대 이슈에 인공지능 및 로봇 이 꼽혔다. 그리고 역기능에 영향을 미칠 것으로 예상되는 핵심기술로는 2020년 감시 사회 전면화 에 대한 빅데이터 및 클라우드 가, 2025년 일자리 감소 와 기술의 인 간 지배 에 대한 자율주행 자동차 및 드론 과 인공지능 및 로봇 이, 2030년 기술의 인간 지배 에 대한 인공지능 및 로봇 이 가장 많이 언급됐다.

244 넷째, 미래사회 이슈에 대한 정책 대응을 고찰했다. 이슈별 정책 대응 중요도와 시급성, 이슈별 정책 대응 수준이 그 세부항목이다. 대체로 중요한 이슈일수록 시급 성도 높았다. 정책 대응 중요도와 시급성이 가장 높은 이슈는 고용불안, 양극화 및 불평등 문제 가, 가장 낮은 이슈는 영토갈등, 경제안보 등 국제사회 분쟁 인 것으로 나타났다. 그리고 정책 대응 수준은 대체로 부족(미흡)한 것으로 나타났다. 하지만 법, 제도, 정책 부문에서는 고용불안, 양극화 및 불평등 문제 가, 관련 기술 부문 에서는 에너지와 자원고갈, 우주자원 경쟁 본격화 가, 관련 인력 부문에서는 인 간과 기계(기술) 간의 경계 모호 가, 소비자 인식 및 수요 부문에서는 에너지와 자 원고갈, 우주자원 경쟁 본격화 문제가 특히 두드러졌다. 다섯째, 2차 조사로, 미래사회 변화에 영향을 미치는 34개 요소의 영향력과 불확 실성을 알아보았다. 대체로 영향력과 불확실성은 반비례하는 것으로 나타났다. 가장 영향력이 높은 요소는 사이버 범죄 등 사이버 안보위협 증가 였다. 하지만 해당 요 소는 불확실성이 가장 낮은 요소로도 꼽혀, 영향력과 확실성 모두 가장 확실한 요소 로 등극했다. 반면, 가장 불확실한 요소로 꼽힌 것은 인간향상 기술의 개발 및 적용 범위 확충 이었다. 해당 요소는 영향력도 비교적 큰 것으로 나타나, 향후 해당 요소 의 확실성을 높이기 위한 고민과 노력이 요구된다. 디지털 경제는 미래사회 이슈와 불가분의 관계를 형성하면서 미래 정보사회의 복 잡성, 다양성, 불확실성을 증대시킬 것으로 전망된다. 때문에 미래사회를 정확하게 예측하고, 대비하는 일은 거의 불가능에 가깝다고 볼 수 있다. 한 사회의 미래를 만 들고 결정하는 요소는 무한대라고 볼 수 있기 때문이다. 하지만 그럼에도 그들 중에 는 특히 더 중요한 역할을 하는, 이른바 핵심 요소가 존재한다. 따라서 핵심 요소를 관찰하고, 변화 패턴을 분석함으로써 다가올 미래에 대한 어느 정도의 대처가 가능 하다. 미래를 살핌에 있어 가장 중요한 것은 미래를 한 가지 모습으로 상정하지 않 는 일이다. 다양한 가능 미래를 상상하고, 그에 대한 다양한 고민과 해결책을 마련 할 필요가 있다. 본 보고서에서 전문가 응답자를 중심으로 미래사회의 핵심이 될 이슈를 선정하고,

제 5 장 델파이 분석을 이용한 디지털 경제 미래예측 245 해당 이슈의 다양한 측면을 살핀 결과, 기술과 사회는 공존하면서도 기존 가치체계 및 규범과 갈등하는 양상이 한층 증폭될 것으로 전망된다. 따라서 디지털 경제시대 의 사회규범 정립이 다른 무엇보다 중요한 과제로 대두할 것으로 보인다. 디지털 경 제시대의 사회규범 정립에 있어 선행돼야 할 것은 신뢰, 안전, 책임의 원리의 작동 이다. 신뢰, 안전, 책임의 원리 위에 환경과 기술, 권력, 사회관계, 제도변화, 삶의 변 화 차원의 종합적이면서도 체계적인 대비가 이뤄질 때, 보다 밝은 미래사회를 향해 도약할 수 있을 것이다.

246 제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 제 1 절 개 요 본 장에서는 인터넷 기사와 블로그에 나타난 텍스트의 통계분석 및 의미망 분석 을 통해 디지털 경제의 새로운 생태계에서 나타날 미래 유망기술의 발전양상 및 사 회적 영향에 대해 정량적, 정성적으로 평가하고, 예측한 결과를 소개한다. 이를 위해 빅데이터 분석 컨설팅 기업인 아르스프락시아(대표: 김도훈)에 의뢰하여 디지털 경 제의 핵심 키워드를 중심으로 인터넷으로 접근 가능한 언론 및 블로그에 나타난 텍 스트를 분석했다. 먼저, 텍스트 의미망 분석 방법을 도입하게 된 의의와 이를 둘러싼 배경에 대해 설명하고자 한다. 디지털 경제 패러다임은 모바일 ICT 기술을 기반으로 한 제조업 및 서비스 산업의 혁신과 개인 대 기업, 또는 개인 대 개인의 확장된 커뮤니케이션 환경이라는 특징으로 설명될 수 있다. 모바일 기반의 ICT 기술은 기존의 전자상거 래 시스템에서 더욱 심화 발전된 형태인 앱스토어와 공유경제의 확산을 견인하며 글로벌 경제의 지형을 바꾸고 있다. 그리고 소셜미디어를 통한 대중의 사회참여는 미국에서 일어난 월스트리트를 점령하라(Occupy Wall Street) 운동이나 중동 지역 에서 광범위하게 나타난 자스민 혁명에서 나타났듯이 엄청난 정치적 영향력을 가지 고 있음을 보여주었다. 이러한 경제 사회적 패러다임은 기술 및 산업뿐만 아니라, 새로운 정치, 사회 현상을 발생시키며 사회과학의 주요 연구 대상으로 부상하고 있 다. 신기술의 확산에 따라 발생하는 경제 및 사회의 변화는 지금처럼 급변하는 기술 발전 속도를 가진 시기에는 변화의 양상 또한 복잡하고 빨라서 기존의 사회과학 분 석 방법으로 설명하거나, 예측하는 데 한계가 있다. 앞서 제2장에서 소개한 바와 같이, 사회과학 분야에는 정성적, 정량적 방법을 포

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 247 함하여 미래예측을 위한 다양한 연구방법론들이 존재한다. 일반적으로 정성적 연구 방법은 전문가의 통찰에 주로 의존하여 심층적이고 유연한 분석이 가능한 반면, 연 구자의 주관이 개입될 여지가 많다는 단점이 있다. 그리고 정량적 연구방법은 연구 자의 주관을 가능한 한 배제하면서 통계 데이터를 기반으로 한 객관적인 분석을 수 행할 수 있다는 장점이 있으나, 통계 데이터 구축에 막대한 예산과 시간이 소요되어 유연성이 떨어지고, 데이터의 한계로 인해 연구 범위가 제한된다는 단점이 있다. 이 에 대한 대안적 방법으로 인터넷을 통해 실시간으로 생성되는 대용량의 텍스트 정 보를 지능화된 알고리즘을 통해 분석함으로써 신기술에 대한 우리 사회 전반의 인 식과 대응을 추론하는 방법이 주목 받기 시작했다. 이러한 분석방법은 ICT 기술 중 에서도 특히 빅데이터 분석이라 불리는 비정형의 대용량 데이터에 관한 처리 기술 이 발달함에 따라, 이론적으로만 존재했던 분석방법이 실제로 가능하게 되면서 사 회 분석에 본격적으로 활용되기 시작했다. 현재 전 세계 인터넷에서는 각종 언론 사이트와 블로그, 소셜 미디어를 통해 거의 모든 주제에 관한 엄청난 양의 글이 실시간으로 생산되고 있다. 텍스트 의미망 분석 은 빅데이터 분석 도구를 이용해 인터넷에 등장하는 문장을 계량적으로 분석하고, 특정 주제와 관련하여 자주 등장하는 단어 및 해당 단어와 함께 등장하는 단어의 빈 도 등을 수치화하여 언론, 전문가 집단 또는 일반인 그룹에서 인지하는 수준과 논의 되는 양상을 파악하는 것을 목적으로 하고 있다. 텍스트 의미망 분석은 인터넷에서 생성되는 대용량 데이터가 특정 집단 또는 사회 전체를 있는 그대로 반영하는 거울 이며, 머신러닝의 개념에 따라 해당 데이터를 분석하고, 추론하는 과정을 무한히 반 복하면 사회과학 예측의 정확도를 얼마든지 향상시킬 수 있다는 전제를 기본으로 한 경험적 분석방법이다. 그리고 이는 앞으로 더욱 증가할 데이터 양과 기술발전 추 세를 감안할 때 발전가능성이 매우 큰 연구 방법이다. 텍스트 의미망 분석방법은 데 이터에 대한 계량적 분석을 기본적 방법으로 채택함으로써 연구자의 주관을 가능한 배제한 객관성을 확보하는 한편, 통계 데이터의 한계를 벗어나 실시간으로 생성되 는 자연어를 연구 대상으로 삼는다는 점에서 정량적, 정성적 연구 방법의 장점을 모

248 두 갖고 있다고 볼 수 있다. 현재 시점에서 텍스트 의미망 분석방법은 사회과학 연 구방법으로서의 발전 과정 상 초기 단계로, 처리할 수 있는 데이터의 양적 한계를 극복했다는 데 가장 큰 의의를 지니고 있다. 하지만 앞으로는 보다 심층적인 분석도 구로 발전하기 위해서 자연어에 대한 분석기술을 향상시키고, 사회학, 심리학, 경제 학 등 기타 사회과학 이론들을 활발히 접목시키는 작업이 필요하다. 본 연구에서는 디지털 경제의 미래를 이해하기 위해 기존 미래예측 방법의 한계 를 극복하는 방법으로 텍스트 의미망 분석방법을 활용했다. 그리고 디지털 경제를 구성하고 있는 핵심 기술에 대해 인터넷 뉴스 및 블로그에서 생성된 텍스트를 중심 으로 의미망 분석을 수행함으로써 향후 미래에 도출될 잠재적 가치를 추론하였다. 본 장에서 수행한 연구의 목적은 다음과 같다. 먼저 디지털 경제의 미래에 관해 기 술한 국내 신문기사 및 블로그의 프레임을 분석하고, 의미망 분석을 통해 각 기술 별로 미래에 중요하게 부각될 잠재적 가치를 도출하며, 각 기술의 미래 영향력 및 유용성에 대해 정량적 또는 정성적인 평가를 수행하고, 기술별 평가를 통해 디지털 경제의 변화에 대응하기 위한 전략적 방향을 제시한다. 덧붙여 본 연구에서 분석의 대상으로 삼은 미래 기술에 대한 한국인의 사회적 숙고 양태를 파악하여 정책수립 에 반영하고자 한다. 제 2 절 연구방법론 1. 빅데이터 분석의 의의 빅데이터는 그 양과 다양한 형태, 처리의 복잡성으로 인해 기존의 정량적 분석 방 법으로는 수집, 저장, 분석, 시각화가 어려운 특성을 가지고 있다(Mckinsey, 2011). 하지만 빅데이터 처리를 위한 컴퓨팅 기술이 비약적으로 발전하면서, 민간부문에서 는 대용량 정형데이터 분석뿐 아니라, 뉴스 등 소셜미디어에 대한 비정형데이터 분 석을 통해 마케팅, 평판관리 등의 경영 의사결정에 적극적으로 활용하고 있다(Song

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 249 Eun-Jee, 2013; 김영민 정석재 이석준, 2014; 김유신 김남규 정승렬, 2012). 특히 블로그, 트위터, 페이스북 등 온라인 매체에서 드러나는 이슈 분석에는 네트 워크에 참여하는 개별 메시지에 나타난 단어 간의 관계성을 분석하는 의미연결망 분석(semantic network analysis) 기법이 활발히 활용되고 있다(최윤정 권상희, 2014). 이러한 의미연결망 분석은 사회의 시스템 구조를 파악할 때 행위자 사이의 관계를 중시하는 사회연결망 분석(social network analysis)을 커뮤니케이션 메시지에 적용시킨 방법이다(Wang & Rada, 1998; Carley, 1993). 이때 사회연결망 분석이 사 회현상을 만들어내는 원동력을 각각의 개체가 아니라, 개별 행위자가 연결되어 있 는 관계성에 주목한다면(Wasserman & Faust, 1994), 이를 원용한 의미연결망 분석은 행위자 대신 메시지의 구성요소인 단어의 구조적 관계를 통해 의미를 분석한다 (Kim and Kim, 2015; Sudhahar, Veltri and Christianini, 2015; Wang & Rada, 1998; Carley, 1993). 사회 구성원 간의 담론을 파악하는 전통적 방법이 노동집약적이고 연구자의 주관 적 해석을 배제할 수 없다는 한계가 있다면, 의미연결망 분석은 대용량의 비정형데 이터를 컴퓨터 프로그래밍 기반으로 분석하기 때문에 이러한 단점을 보완할 수 있 다(박한우 & Leydesdorff, 2004; 장하용, 2001). 나아가 개별 단어의 고정된 속성이나 개념이 아니라, 상호 작용하는 관계의 맥락 속에서 역동적인 의미를 포착할 수 있다 는 장점이 있다(김상배, 2011). 한편, 공공정책에 빅데이터를 적용한 국내연구는 아직 빅데이터 분석 시스템 구 축방안이나 거버넌스에 관한 연구가 대부분으로, 공공분야의 정책의사결정에 빅데 이터 분석을 적용한 사례연구는 최근에야 비로소 이루어지고 있다(이영주 김도훈, 2016; 김다솜 외 7명, 2015; 조은주 박종식 진보래, 2015; 조성은 외, 2014). 미래 기술예측에 관해서는 한국산업기술진흥원에서의 김도훈(2011) 서지분석을 활용한 미래유망기술 예측연구 가 제한적으로나마 특허 및 서지정보의 통계 및 네트워크 분석을 활용하여 과학기술로드맵의 작성을 위한 미래기술 예측 관련 정보를 제공하 였다.

250 본 연구에서는 온라인 미디어의 빅데이터를 대상으로 의미연결망 분석을 적용하 여 미래 유망기술에 대한 미디어 기사의 패턴 및 사회적 인식을 파악하고, 최근 이 슈가 되고 있는 각 기술의 특성 파악 및 발전 가능성에 대한 예측을 돕고자 한다. 2. 분석방법 및 절차 가. 분석대상 자료수집 본 연구의 분석대상이 되는 비정형 데이터는 뉴스미디어와 블로그에 나타난 미래 유망기술에 대한 온라인 버즈(Buzz)이다. 수집 범위로는 경제신문(한국경제, 매일경 제, 조선비즈)의 온라인 기사, 개방형 블로그에 포스팅된 글들을 선정하였다. 각각의 매체는 상이한 분석 목적에 의거해 수집되었다. 경제지의 경우 미래 유망기술의 향 후 사회적 관심도와 발전 가능성을 주로 기사 빈도수 패턴을 통해 파악하고자 했고, 블로그의 경우는 해당 기술에 대한 일반인과 준전문가의 주요 관심 사항 및 프레임 의 특징을 해석적 방법을 통해 보다 심층적으로 분석하기 위해 수집했다. 분석 기간은 2015년 1월~10월로 설정하였고, 웹크롤링 방식으로 각 미디어에서 13개 주요 미래기술 관련 원문을 추출하기 위한 검색어를 설정하여 수집하였다. 수 집을 위한 주제 검색어는 아래의 <표 6-1>의 검색 기술 명칭과 같고, 각종 국문 및 영문 유의어를 검색어에 포함하였다. 데이터 수집 및 정제에는 약 1개월(2015. 11. 1 ~11. 28)이 소요되었으며, 사전 필터를 통해 상업적 광고와 단순 제품홍보 관련 멘 션을 제거하였고, 사후 노이즈 제거를 위해 1차 추출 후 샘플링 기반 원문검토를 통 해 분석 목적과 무관한 기사와 게시글을 제거하였다. 수집 및 정제 결과 최근 2015 년 기간 미래 유망기술 관련 기사 총 19,032건, 블로그 게시글 총 237,917건을 확정 하였다(<표 6-1> 참고).

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 251 <표 6-1> 검색된 미래기술 관련 텍스트 자료 건수 구분 검색 기술 신문기사(건 수) 블로그(건 수) 1 3D프린팅 300 11,250 2 IoT(사물인터넷) 2,699 15,959 3 VR(가상현실) 739 15,086 4 드론 860 26,525 5 로봇 2,349 71,032 6 배터리 716 369 7 빅데이터 2,378 18,099 8 웨어러블 1,208 12,470 9 인공지능 560 15,998 10 자율주행차 452 2,133 11 전기차 1,477 13,619 12 핀테크 2,304 11,311 13 헬스케어 2,990 1,754 나. 분석방법 및 절차 분석에 사용된 주요 방법으로 신문기사의 버즈량 기초 통계(빈도, 분산, 평균 가속 도, 이산분포 등) 분석과 의미연결망 분석(Semantic Network Analysis)을 활용했다. 경제신문의 기사 빈도수 및 분포 패턴이 해당 산업의 공적 관심도 및 추이를 반영하 는 데 가장 적합할 것이라는 가정 하에, 일별 기사에 대한 평균 기사 빈도수, 평균 가속도, 상대변동성(volatility), 비대칭성(skewness)을 구했다. 35) 평균 가속도는 현재 의 기사 빈도수와 독립적으로 미래에 성장할 가능성이 높은 기술을 예측하기 위해 활용했다. 상대변동성은 해당 기술의 표준편차를 빈도수 평균으로 나눈 것으로, 단 순 빈도수에 비해 얼마나 꾸준하게 해당 기술이 기사에 노출되는지를 알아보기 위 35) 가속도는 2차 함수로 Regression을 한 뒤 order 2인 Coefficient를 구한 것이다. 상대 변동성(volatility)은 표준편차/평균*100의 수식을 갖는다. 비대칭성(Skewnews)은 편차의 세제곱의 평균 (E[((X-average)/(Stdev))^3]) 값을 표현한다.

252 해 사용했다. 비대칭성은 빈도수의 편향을 확인하기 위한 것으로, 만약 비대칭성이 양(+)의 방향으로 크다면, 이는 대부분의 뉴스의 양이 적으나 특정 시점에 갑자기 많은 양의 뉴스가 쏟아지는 날이 있었기 때문이다. 따라서 실제로는 기술 자체의 전 망에 전혀 영향을 주지 않음에도 평균 및 가속도를 왜곡시키는지 여부를 비대칭성 이 양(Positive)의 값을 갖는가(사실 꾸준하게 기사가 나온 것이 아닌데 빈도수를 높 게 만드는 한두 사건이 있었는가), 아니면 음(Negative)의 값을 갖는가(사실은 꾸준 하게 기사가 나왔는데 빈도수를 낮게 만드는 한두 사건이 있었는가)를 통해 검증할 수 있다. 기술 추이 예측과 더불어 소셜미디어에서 표상(represent)되는 미래 개술에 대한 사회적 프레임의 특징을 분석하기 위해 블로그 매체에 대해 의미망 분석을 적용하 였다. 사회적 프레임은 특정 사회적 범주에 속한 행위자의 논리적 사고에 선행하는 전형적으로 구조화된 믿음체계(Lakoff and Johnson, 1980), 또는 해석의 스키마 (Goffman, 1974)로서 당사자가 가장 핵심적인 이슈, 상황, 관계, 상호작용 등을 정의 하고, 해석하며, 표상하는 방식이다(Dewulf et al., 2009). 프레임 구조의 구체적인 특 징을 살펴보기 위해서는 의미망분석 방법이 매우 효과적이다. 의미망 분석법은 텍 스트에 대한 기존의 질적 분석과 양적 분석인 텍스트 마이닝 기법을 혼합한 것으로 자동화 텍스트 분석과 의미망 분석 기술을 순차적으로 적용한 것이다. 의미망분석 은 이슈의 핵심이 무엇이며, 각 변인이 어떤 연결 관계를 갖는가? 에 관한 각 발화 자의 인식의 프레임을 포착하며, 이를 통하여 쟁점이 되는 대상에 대한 인식의 원인 과 현상, 전망을 드러낼 수 있도록 하는 데 유용한 분석방법이다(조은주 박종식 진보래, 2015). 의미망 분석의 전 단계에서 진행한 자동화 텍스트 분석은 원자료를 분석 가능한 자료로 변환하기 위한 작업이라 할 수 있다. 이는 빅데이터 분석에 활용되는 자연어 처리(Natural Language Processing: NLP) 기술을 활용한 것으로서 한국어의 품사, 문 법구조, 언어습관을 인지하는 데이터베이스 및 인공지능 알고리즘 설계에 의한 자 연어 처리 기술을 통해 대용량의 텍스트 데이터에서 주요 형태소 혹은 단어를 추출

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 253 하고 그 빈도수를 분석한다. 이후에 진행된 의미망 분석은 텍스트 내에서 동시에, 그리고 선후에 출현하는 단어 중 통계적으로 유의미한 관계를 가지는 단어를 추출 해 낸다. 본 연구에서는 의미망분석이 블로그에서 드러나는 미래기술과 관련된 주요 키워 드 간의 의미적 연관구조를 파악함으로써 사회적으로 반영되고 있는 해당 기술에 대한 평가 및 전망을 심층 분석하는 데 활용하였다. 과학사회학자 자사노프(Sheilla Jasanoff)에 따르면, 과학과 사회는 상호 영향을 주고받으며 동시형성(co-produce)이 되는데, 기술이 사회에 주는 영향 못지않게 해당 사회의 고유한 프레임이 기술의 활 용 여부, 방식, 규제, 발전방향 등에 독자적인 영향을 미친다(Jasanoff, 2006). 이러한 점에서 블로그는 일반인과 준전문가, 전문가가 공히 활용하는 1인 미디어로, 조직적 이해관계에 영향을 받을 수 있는 신문기사와는 달리 개개인이 각자의 생각과 전문 성을 자유롭게 표현하기 때문에 의미망으로 구조화된 프레임을 통해 보다 심층적인 해석을 돕는 데 적합하다고 판단했다. 의미망 분석에서 자료의 객관적인 구조화와 콘셉트의 중요도를 판별하기 위하여 potential boundary spanner(pbs)라는 지표를 활용하였다. 기존 문헌에서 Diesner et al.(2012)은 신문기사 등 텍스트 데이터의 키워드 분석을 통해 향후 중요하게 부상할 콘셉트(인물, 이슈 등)를 예측하기 위해 cognitive demand라는 지표를 활용하였다. 이는 아이겐벡터(Igenvector) 혹은 보나시치(Bonacich) 지수에서 가중치를 조정한 변 형지표로, 의미망에서 해당 키워드에 직접 연결된 다른 키워드의 중요도가 클수록 가중치를 부여하는 특징을 갖는다. 그러나 Kim(2011)의 연구에서는 아이겐벡터의 가설을 기반으로 한 해당 지표들은 미디어 상에서 이미 중요해진 콘셉트를 회고적 으로 찾아내는 데는 유용하지만, 아직 충분히 이슈화되지 않은 콘셉트 중 미래에 중 요한 영향력을 가질 수 있는 잠재적인 키워드를 예측 하는 데는 한계를 보인다고 밝혔다. 따라서 미래기술에 대한 사회적 예측 이 중요한 본 연구에서는 보다 잠재 적인 영향력을 보여줄 수 있는 PBS를 활용한다. PBS는 해당 키워드의 사이중앙성 (betweenness centrality) 값을 연결중앙성(degree centrality) 값으로 나눈 것이다. 단어

254 가 다른 단어와 링크되어 있는 수가 연결중앙성이고, 여러 단어 클러스터가 서로 통 과하는 결절점에 위치할 확률이 높은 노드의 위치값이 인접중앙성이라 해석할 수 있다. PBS는 이러한 사이중앙성 수치가 단순히 언어상의 문법, 반복적으로 언급되 는 이슈, 언어의 활용 습관 때문에 다른 단어와 많이 연결되어 수치가 높아지는 한 계를 보정하고, 중요한 기술 및 콘셉트 간 연결의 효율성을 기반으로 한 잠재적 중 요성을 도출하는 데 적합하다. [그림 6-1] PBS의 개념도 예시 자료수집 및 빅데이터 분석에 필요한 알고리즘 및 분석 인프라에는 빅데이터 기 반 컨설팅 기업인 아르스프락시아(구 트리움)의 검색엔진 및 의미망 분석도구 옵티 마인드(Optimind v2.0)가 사용되었다. 옵티마인드는 대용량의 텍스트 데이터에 대한 의미연결망 분석과 감성 분석을 자동화한 아르스프락시아의 상업용 빅데이터 분석 시스템이다(www.arspraxia.com). 카네기멜론 대학에서 개발된 의미망 분석 툴인 오

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 255 토맵(CASOS, 2007) 등 학술용 분석 도구가 비교적 적은 양의 데이터에 대해 반자동 화(semi-automated)된 코딩 기법을 활용하여 의미망을 추출한다면, 옵티마인드는 테 라바이트 단위의 대용량 텍스트에 대해 사람의 개입 없이 완전히 자동화된 방식으 로 코딩과 분석을 가능하게 한다. [그림 6-2] 연구 프로세스 본 연구에서 사용한 텍스트 데이터의 의미망 및 감성 분석의 절차는 다음과 같다. 첫째, 블로그 및 신문기사에서 각 해당 기술의 주제어로 검색한 데이터를 크롤링하 여 텍스트를 수집하고, 포스팅 수를 산출한다. 둘째, 신문기사의 빈도수 분포 등 통 계적 분석을 통해 기술에 대한 사회적 관심을 매개로 한 기술 발전의 추이를 추론한 다. 셋째, 텍스트 데이터로부터 자연어처리를 통해 추출된 동시출현하는 명사어 중 통계적으로 유의미한 관계를 연결하여 복잡계 형태의 인지지도를 만들고, 핵심적인 의미망을 그래픽으로 표현하여 내용 분석을 수행하고, 해당 기술의 산업 및 사회적 의미를 해석한다. 통계 분석 결과를 통해 지속 발전이 예상되는 기술과 언론 이슈 로 휘발 가능성이 높은 기술을 대별하고, 의미망에서 PBS 값이 높은 키워드의 의 미를 해석하여 이를 바탕으로 기술 발전 및 사회 거버넌스를 위한 미래 전략을 도 출한다.

256 제 3 절 분석결과 1. 발생빈도 앞서 본고에서는 스마트카, 핀테크, O2O, 웨어러블 디바이스, 스마트홈, 스마트헬 스, 공유경제, 인공지능 로봇을 디지털 경제 확산에 미칠 영향력이 큰 8대 신산업으 로 선정한 바 있다. 여기에 사물인터넷(IoT), 전기차, 드론, 배터리, 3D프린터, 가상 현실(VR), 빅데이터 등 관련된 기술을 포함하여 디지털 경제의 특징을 반영하는 13 개의 주요 키워드를 선정하고, 이 단어들의 발생빈도 변화 추이를 2015년 1/4분기부 터 2015년 3/4분기까지의 기간 동안 분기별로 비교하였다. 먼저, 블로그의 텍스트를 대상으로 분석한 결과는 <표 6-2>와 같다. <표 6-2> 주요 키워드의 발생빈도 변화-블로그 1/4분기 2/4분기 3/4분기 IoT 5,026 5,143 3,914 전기차 3,044 3,880 4,017 자율주행차 514 695 617 핀테크 3,819 3,297 3,147 드론 3,482 8,235 10,571 인공지능 4,800 5,329 4,366 로봇 24,882 25,792 31,779 배터리 110 78 100 헬스케어 571 488 467 웨어러블 3,861 3,728 3,511 3D프린터 3,142 3,233 3,605 VR 3,802 4,465 4,958 빅데이터 4,817 5,568 5,540 블로그 텍스트 분석 결과 로봇 이 압도적으로 많이 언급되었으며, 빈도의 상승폭

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 257 도 증가하고 있음을 알 수 있다. 로봇 을 제외하면 드론 의 증가 추세가 눈에 띄었 고 가상현실 또한 꾸준히 증가한 반면, IoT, 핀테크, 인공지능, 웨어러블 은 빈도가 감소하는 것이 관찰되었다. 그리고 배터리, 헬스케어, 자율주행차 의 빈 도는 1천 회 이하의 가장 낮은 수준이었다. 한편, 뉴스 텍스트 분석 결과는 블로그와 는 다소 다른 양상을 보여주었다. 결과는 <표 6-3>와 같다. <표 6-3> 주요 키워드의 발생빈도 변화-뉴스 1/4분기 2/4분기 3/4분기 IoT 905 700 748 전기차 418 472 326 자율주행차 134 125 121 핀테크 869 630 557 드론 204 280 292 인공지능 140 171 174 로봇 670 662 743 배터리 229 220 147 헬스케어 1,109 974 640 웨어러블 431 392 269 3D프린터 93 88 89 VR 241 224 199 빅데이터 648 693 707 뉴스의 키워드 발생빈도를 보면 2015년 1/4분기에서 3/4분기 사이의 기간 동안 전 체적으로 주요 키워드의 발생 빈도는 감소하는 추세를 보였다. 2/4분기까지 가장 높 았던 헬스케어 가 3/4분기 들어 큰 폭으로 떨어지고, 핀테크 도 감소한 반면, 2/4분 기까지 떨어지던 IoT 와 로봇 이 3/4분기 들어 상승하였다. 그리고 빅데이터 는 꾸 준히 상승하고 있다. 블로그와 뉴스에 공통적으로 나타난 로봇 의 증가가 주목할

258 만하다. 로봇은 디지털 경제의 차세대 핵심 산업으로 간주되지만, 선진국과 우리나 라 사이에는 그 인식의 차이가 큰 것으로 알려져 있다. 선진국의 경우 언론과 전문 가 그룹에서의 관심이 상당히 높은 편이며, 특히 일본을 중심으로 매우 활발한 연구 가 진행되고 있다. 구글이 인수한 보스턴 다이내믹스의 4족 보행 로봇 스팟의 시연 영상은 유튜브에 소개되며 많은 인기를 끌었고, 살아 있는 동물을 빼닮은 스팟의 모 습으로 인해 로봇학대 논쟁이 벌어지기도 했으며, 2016년 CES에서는 일본 소프트 뱅크의 감정인식 로봇 페퍼가 선을 보이기도 했다. 반면, 우리나라에서의 로봇에 대 한 관심은 아직까지 영화 소재로서의 관심을 불러일으키는 수준에 머무르고 있는 실정이다. 드론과 가상현실 또한 이미 상용화되었거나 상용화를 목전에 두고 있는 차세대 ICT 분야이나, 이 또한 뉴스가 아닌 블로그에서만 관심이 증가하고 있는 것 은 한국과 선진국의 산업계에 온도차가 있음을 시사하고 있다. 현재 드론은 상용화 가 많이 진전된 상황으로 DJI 등 중국 기업이 세계시장을 석권하고 있다. 민간에서 는 레저나 방송촬영 용도로 활발히 활용되고 있으며, 운송 서비스에서의 활용가능 성도 타진 중에 있으나, 선진국들은 특히 군사적 목적의 활용을 위해 활발한 연구를 진행하고 있는 것으로 알려져 있다. 가상현실 분야는 페이스북에 인수된 스타트업 오큘러스VR의 오큘러스 리프트가 2016년 1월에 예약판매를 시작하면서 상용화 단 계로 진입했으며, 특히 디지털 엔터테인먼트 시장에서 큰 반향을 불러일으킬 것으 로 예상되고 있다. 선진국에서 많은 관심을 모으고 있는 로봇, 드론 및 가상현실이 우리나라에서는 상대적으로 주목을 받지 못하고 있는 이유에 대해서는 분명하진 않 지만 엔터테인먼트 산업에 대한 우리 사회 전반의 인식이 호의적이지 않은 것과 연 관이 있을 것으로 추측된다. [그림 6-3]은 뉴스의 일별 기사를 대상으로, 주요 키워드 별로 기사 빈도수와 빈 도에 대한 가속도를 교차 비교한 결과이다. 가로축에는 빈도를, 세로축에는 가속도 를 표시하여 현재 주목받고 있는 정도와 동시에 향후에도 지속적으로 주목받을 수 있는 가능성을 나타내고 있다.

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 259 [그림 6-3] 기사 빈도수 평균-가속도 비교 분석 결과, 사물인터넷(IoT)과 빅데이터의 경우 현재 가장 많이 주목받고 있는 키 워드이면서 앞으로도 지속적으로 주목받을 가능성이 높은 것으로 나타났다. 반면 전기차와 배터리의 경우 현재는 빈도수가 적지만 앞으로 주목받을 가능성이 클 것 으로 예상되고, 로봇과 핀테크의 경우 현재에는 기사량이 많지만 앞으로는 주목도 가 낮아질 것으로 예측된다. 배터리는 전기차의 핵심 부품으로 기술의 발전이 전기 차의 보급을 앞당기는 데 주요한 역할을 할 것으로 예상되며, 현재의 발전 추세로 볼 때 가까운 미래에 상용화될 수 있을 전망이다. 반면, 로봇과 핀테크 부분에서 가 속도가 낮게 나타난 것은 이들이 얼마나 가까운 미래에 실용화가 될 것인지, 또는 미래의 디지털 경제에 얼마나 주요한 영향을 미치게 될 것인지에 대해 우리나라 언 론의 전망이 아직은 유보적이라는 것을 암시하고 있으나, 이를 전망이 부정적이라 고만 판단할 수는 없다. [그림 6-4]는 기사 빈도수의 평균과 변동성을 비교한 것이다. 이는 특정 키워드 가 비슷한 빈도로 꾸준히 언급되고 있는지, 아니면 특정 시기에만 집중적으로 언급

260 되다가 그 시기가 지나면 급격히 감소하는 경향이 있는지를 파악하기 위한 것이다. 평균 빈도수가 높으면서 변동성이 낮은 키워드는 IoT, 빅데이터, 핀테크이다. 로봇 과 헬스케어는 빈도수는 비슷하게 높지만, 변동성 또한 높은 것으로 나타났다. [그림 6-4] 기사 빈도수 평균-변동성 비교 2. 의미연결망 지도 의미연결망(Symantec Network)은 본 연구의 핵심으로서 분석 대상으로 삼은 블로 그 및 뉴스 텍스트의 각 문장 속에서 목표로 하고 있는 키워드와 함께 등장한 단어 의 빈도를 측정하고, 이들 단어와 같은 문장에 등장한 다른 단어의 빈도를 다시 측 정하는 방식으로 단어와 단어를 서로 연결해 나가며 그 결과를 도식화한 것이다. 화살표는 문장 내에서의 단어의 선후관계를 의미하며, 점의 크기는 단어의 발생 빈 도를 의미한다. 먼저, IoT를 키워드로 의미연결망을 구축한 결과는 [그림 6-5]와 같다.

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 261 [그림 6-5] 의미연결망 지도-IoT 이를 통해 정보, 수집, 연결, 모바일, 빅데이터, 클라우드 등의 단어가 IoT 와 밀접한 관련이 있는 것을 알 수 있다. 즉, IoT는 모바일로 연결된 환경에서 수집 한 정보의 집합인 빅데이터를 클라우드를 통해 처리하고 분석함으로써 새로운 서비 스를 창출해 내는 것이다. [그림 6-6]은 빅데이터를 키워드로 구축한 의미연결망 지도이다. 축적, 수치, 경영, 사물인터넷, 보유, 융합, 패턴, 전문 인력 등의 단어가 함께 연결되어 나타나고 있다. IoT와 밀집한 연관이 있는 빅데이터는 축적된 데이터를 수치화하고,

262 융합하여 이로부터 유의미한 패턴을 추출해 경영에 활용하는 것이 중요한데, 전문 인력에 대한 중요성이 특히 강조되고 있다. [그림 6-6] 의미연결망 지도-빅데이터 전기 자동차의 경우 [그림 6-7]과 같이 친환경, 하이브리드차, (폭스바겐) 사 태, 보조금, 충전 등의 단어가 함께 연관된 것으로 나타났다. 전기 자동차는 최 근에 독일 폭스바겐 사의 배출가스 소프트웨어 조작 스캔들로 인해 관심이 증가했

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 263 으며, 특히 환경규제와 관련하여 관심을 모으고 있다. 전기 자동차에 관한 의미연결 망 분석 결과는 전기 자동차가 글로벌 환경 규제를 고려하여 전략적으로 접근할 필 요가 있으며, 충전 기술 문제의 해결과 보조금 지원이 확산의 열쇠임을 보여 준다. [그림 6-7] 의미연결망 지도-전기 자동차 배터리의 의미연결망 지도인 [그림 6-8]을 보면 전기 자동차, 충전, 성능, 브랜드, 핵심부품, 화학, 테슬라, 보조금 등이 관련어로 등장하고 있다. 의미 연결망 지도는 배터리의 경우 이미 산업화되어 구체적인 담론이 형성되고 있는 상

264 황임을 보여주고 있다. 배터리는 성능 못지않게 브랜드 가치가 중요하게 거론되고 있으며, 보조금 등 정부의 지원정책도 중요하게 작용할 수 있음을 시사한다. [그림 6-8] 의미연결망 지도-배터리 핀테크의 의미연결망을 구축한 [그림 6-9]를 보면 핵심 키워드로 정보기술, 보험, 크라우드 펀딩, 증권, 카드, 송금, 모바일 결제, 시장, 확대, 중국, 은행, 경쟁 등이 등장하고 있다. 핀테크 기술은 글로벌 시장 확대와 중국과의 경

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 265 쟁이 주요 화두이며, 향후 축적될 금융정보 기술이 가질 수 있는 함의에 대해 생각 할 필요가 있다. [그림 6-9] 의미연결망 지도-핀테크 마지막으로 로봇의 의미연결망은 지금까지 본 다른 의미연결망과 비교해 볼 때 매우 약한 구조를 갖고 있는 것으로 나타났으며, 제어, 일본, 기술, 지능, 인공 지능, 건강, 치료 등의 단어가 관련되어 있다. 현재 우리나라에서 로봇에 대한

266 논의는 특히 로봇 기술에 가장 앞서고 있는 일본과 비교했을 때 피상적인 수준에 그 치고 있다. 이와 관련하여 제어 및 인공지능 기술이 중요하며, 의료 부문에서 많이 활용될 것으로 전망된다. [그림 6-10] 의미연결망 지도-로봇 [그림 6-11]은 디지털 경제 핵심 기술의 사회적 영향을 파악하기 위해 기술, 산 업, 및 사회를 키워드로 핵심 주제에 관한 의미연결망을 구축한 결과이다. 전문가, 시스템, 서비스 가 가장 중요한 핵심어로 나타났다. 이와 관련하여 특히 사회 차

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 267 원에서의 핵심 주제를 파악해 보면, 인공지능으로 인한 일자리의 위협 과 빅데이 터를 통한 취업 기회의 확대 등 생계와 연관된 주제가 주로 등장하는 것을 볼 수 있다. 한편, 우리 사회에서 디지털 경제의 핵심 기술에 대한 사회적 담론이 아직까 지는 깊이 있는 수준으로 진전되지 못하고 있다. [그림 6-11] 의미연결망 지도 - 기술-산업-사회 [그림 6-12]는 의미연결망 중 핵심 키워드에 관한 의미연결망 지도이다. 기술의 차원에서는 시스템 이, 산업의 차원에서는 서비스 가, 사회의 차원에서는 전문가 가 가장 핵심적인 키워드인 것으로 나타났다. 앞으로 디지털 경제의 발전은 핵심 기 술을 시스템화하고, 산업에서 새로운 서비스를 창출하여 혁신을 이룰 수 있는 전문 가를 확보하는 것이 관건이라 할 수 있다.

268 [그림 6-12] 의미연결망 지도 - 기술-산업-사회 [그림 6-13] 워드클라우드 - 기술-산업-사회

제 6 장 텍스트 의미망 분석을 이용한 기술 및 사회 예측 269 제 4 절 소 결 지금까지 텍스트 의미망 분석을 통해 디지털 경제 핵심 기술에 대한 전망과 사회 적 의미를 파악하였다. 전기차, 배터리, 자율주행차는 현재 산업기술이 주도하고 있 으며, 이에 대한 관심이 더욱 증가하는 추세에 있다. 이와 관련하여 스마트카의 브 랜드화를 어떻게 성공시키느냐가 관건이며, 테슬라 등 신규 기업의 활약에 따라 기 존 자동차 시장구조를 근본적으로 뒤흔들 수 있는 잠재력을 가지고 있에 우리나라 자동차 업계는 시장의 변화를 예의주시하고 대응할 필요가 있다. 금융자본이 주도 하고 있는 헬스케어와 핀테크에 대한 관심도 증가하고 있다. 현재의 상태는 기술의 발전단계인 하이프 사이클(hype cycle) 중 제1 단계로 보이며, 그 다음 단계를 고민 해야 하는 시점이라 할 수 있다. 빅데이터와 사물인터넷은 현재 정부 주도로 그 관 심이 증가하고 있는 분야로, 민간 분야로 확산시키는 것이 당면 과제이다. 반면, 로 봇과 인공지능 가상현실은 디지털 경제의 매우 중요한 핵심 분야임에도 불구하고 기반 기술이 미약하고, 국내에서의 관심은 감소하고 있는 추세라는 점이 우려된다. 웨어러블 디바이스와 3D 프린팅, 드론은 현재 그 가능성이 미지수로 남아 있는 상 황이다. 웨어러블 디바이스는 헬스케어 및 사물인터넷과 관련하여 향후 시장이 열 릴 것으로 예상되지만, 현재까지는 구체적인 비전이 보이지 않고 있다. 3D 프린팅과 드론은 현재 제공되고 있는 기술 수준으로는 실용적으로 활용될 수 있을지 그 전망 이 불투명한 상황이다. 텍스트 의미망 분석 결과의 특징을 살펴보면 산업과 기술에 대해서는 일정 수준 의 예측력을 보인 반면, 기술에 대한 사회적 관심에 대해서는 의미 있게 추출되는 결과가 부족한 것으로 나타났다. 이는 그 자체로 특징적인 현상이라 할 수 있는데, 우리 사회가 미래에 큰 영향을 미칠 수 있는 기술의 변화에 대한 사회적 논의나 철 학적 고찰이 매우 미진하다는 것을 의미한다. 영국의 경우 줄기세포 연구와 관련한 사회적 논의를 살펴보면, 연구윤리 또는 여성인권 이 크게 부각되고 있음이 관찰 된다. 반면, 우리나라의 경우 국부창출 에 관한 논의에 그치는 수준에 머물러 있어

270 선진국과의 격차를 보여준다. 텍스트 의미망 분석은 인터넷을 통해 접근 가능한 대용량의 텍스트 자료를 자동 화된 알고리즘을 통해 분석하여 의미를 추출해 내는 작업으로 사회과학 연구의 새 로운 대안을 제시했다는 점에서 의의가 있다. 한편, 본 연구에서는 예산상의 문제로 한국어로 생산된 블로그와 뉴스 기사를 분석대상으로 한정하였는데, 한국어 콘텐츠 의 경우 영어나 다른 외국어에 비해 양적, 질적으로 부족한 상황이며, 특정 사건이 나 시점에 의한 쏠림 현상이 관찰되어 정확한 의미망 도출에 어려움이 있다. 한국어 를 대상으로 한 텍스트 분석이 더 유의미한 결과를 도출하기 위해서는 콘텐츠가 더 풍부해지고, 더 많은 데이터를 이용한 분석 기술을 축적함으로써 왜곡된 자료로부 터 본래의 의미를 추출해 내는 기술을 더욱 발전시킬 필요가 있다.

제 7 장 결 론 271 제 7 장 결 론 제 1 절 연구결과 요약 본 연구는 다양한 방법론을 이용하여 디지털 경제의 미래를 예측하는 것을 목적 으로 하였다. 제1장에서는 연구의 배경과 필요성에 대해 서술하고, 연구의 목적과 방법에 대해 기술하였다. 디지털 경제는 컴퓨팅 기술을 기반으로 한 경제활동의 집 합으로 정의되며, 핵심 구성요소로 하드웨어 인프라, 소프트웨어, 전자상거래가 있 다. 컴퓨팅 기술은 1946년에 디지털 컴퓨터가 발명된 이래 꾸준히 발전해 왔으며, 대중화, 인터넷 확산, 스마트 혁명을 거치면서 디지털 경제의 토양이 되었다. 제2장에서는 기존의 다양한 미래예측 방법과 최근에 조명 받고 있는 예측방법론 에 대해 서술하였다. 미래예측방법론은 과거의 실증적, 결정론적 예측에서 가치지향 적, 관계론적 미래예측으로 발전해 왔으며, 기술발전과 성장위주의 국가적 차원의 미래계획에서 다차원적 영역을 포괄하는 참여적 미래 전략의 도구로 발전해 왔다. 미래예측방법론의 유형은 다섯 가지 차원에 따라 분류할 수 있는데, 먼저 시간축 방 향을 기준으로 탐색적 방법과 규범적 방법으로 나뉘고, 용도를 기준으로 사회, 기술, 경제(산업), 환경, 정책의 다섯 가지 영역으로 구분된다. 그리고 자료 및 결과를 기 준으로 정성적 방법, 정량적 방법, 정량-정성적 방법으로 구분하고, 지식의 원천에 따라 창의성 기반 방법, 상호작용 기반 방법, 근거 기반 방법으로 구분한다. 미래예 측 단계에 따른 분류 방법으로는 미래예측 단계를 1) 징후 포착, 2) 관계 분석, 3) 미 래 구체화, 4) 미래상 정의, 5) 콘셉트 발굴, 6) 콘셉트 개발로 각각 구분한 뒤, 각 단 계에 따라 적절한 방법론을 제시한다. 1) 징후 포착 단계에서는 텍스트 마이닝, 환경 스캐닝, 델파이, 이머징 이슈 분석, 추세외삽법, SWOT 분석이, 2) 관계 분석 단계에 서는 트렌드 영향 분석, 교차 영향 분석, 계층 분석, 연관성 나무가, 3) 미래 구체화

272 단계에서는 델파이, 초점집단면접법, 브레인스토밍, 인과계층분석, 퓨처스 휠, 의사 결정나무가, 4) 미래상 정의 단계에서는 시나리오 기법, 로드맵, 비저닝 워크숍이, 5) 콘셉트 발굴 단계에서는 3C분석, SWOT 분석, STP 분석이, 6) 콘셉트 개발 단계에 서는 초점집단면접법, 컨조인트 분석 방법이 적절하다. 천재적 예측, 역사적 유추, 질적 추세 분석은 상상력과 통찰력을 기반으로 한 미 래예측으로 창의성을 기반으로 한 예측방법이다. 이는 기존의 사고의 틀을 벗어날 수 있는 장점이 있는 반면, 주관적 요소가 강하고 장기 예측이 어렵다는 단점이 있 다. 퓨처스 휠, 인과계층분석, 연관성나무, 비저닝 워크숍은 토론과 지식 교환을 기 반으로 한 미래예측방법으로 상호작용 기반 방법으로 불린다. 이해하기 쉽게 도식 화하고 깊이 있는 토론이 가능한 장점이 있는 반면, 지나친 단순화나, 높은 난이도, 구체성 결여 등이 단점으로 지적되고 있다. 델파이 기법, 리얼타임 델파이 기법, 형 태 분석법, 계층화 분석법은 전문지식과 경험을 기반으로 한 미래예측 방법으로 전 문성 기반 방법에 해당한다. 전문가의 의견을 연구자의 연구 방향에 따라 통제가 용 이한 방법이지만, 방법론의 한계로 인한 편향성이 단점으로 지적된다. 환경 스캐닝, 텍스트 마이닝, 이머징 이슈 분석, 시나리오 기법은 사실과 자료를 기반으로 한 미 래예측방법으로 근거 기반 방법에 해당한다. 이를 통해 비구조화된 데이터의 분석 이 가능하고, 정확성과 신뢰성 높은 DB 구축이 가능하며, 신속한 전략 수립에 기여 할 수 있다는 점 등이 장점이나, 사생활 침해, 소요시간과 비용 문제 등의 단점을 가 지고 있다. 최근에는 인터넷이나 빅데이터 등 온라인 플랫폼을 활용하고, 계량적, 정성적 연 구의 장점을 결합한 새로운 방법들이 각광받고 있는데, 이러한 시스템 분석기법으 로는 행위자 기반 모형과 시스템 다이내믹스 모형, 사이언스 픽션 프로토타이핑이 있다. 행위자 기반 모형은 독자적으로 결정하는 행위자를 가정하고, 주어진 상황에 따른 행동 규칙을 정한 뒤, 행위자 간의 상호작용에 따른 새로운 상황 및 행위자의 행동을 반복적으로 발생시킴으로써 상호관계의 동역학을 살펴보기 위한 모의실험 방법이다. 행위자 기반 모형은 복합한 형태의 다양한 경제 활동과 복합적인 사회현

제 7 장 결 론 273 상을 설명할 수 있다는 장점이 있는 반면, 초기값에 민감하게 영향을 받고, 컴퓨팅 자원과 기술이 많이 소요된다는 단점이 있다. 시스템 다이내믹스는 시스템 사고와 시뮬레이션으로 구성되어 인과지도 분석을 통해 시스템에 내장된 피드백 순환을 발 견하기 위한 모형으로, 이를 통해 복잡한 인과관계로 구성된 현상의 동태적 변화를 관찰할 수 있다. 사이언스 픽션 프로토타이핑은 신기술 진화나 이로 인한 사회 변화 를 예측하기 위해 과학소설을 활용하는 기법으로, 기술이 초래할 결과에 대한 가상 의 시나리오를 설정하고, 그 결과를 기술개발 과정에 적용해 나가기 위한 방법이다. 계량적 미래예측방법론은 과거와 현재에 대한 충분한 측정값을 근거로 미래를 예 측하는 방법으로서 일반적으로 통계학 또는 계량경제학적 기법을 활용하는 예측방 법을 일컫는다. 대표적인 모형으로 시계열 모형과 설명 모형이 있다. 설명 모형은 독립적으로 변화하는 설명요인과 그 요인으로 설명될 수 있는 종속 요인 간의 관계 를 통계적으로 추정하는 모형이다. 시계열 모형은 관측치의 시간에 따른 변화를 관 측치 자신의 과거 값의 함수 형태로 표현한 방정식을 통해 미래를 전망하는 방법으 로, 시계열 예측 모형, 전이함수 모형, 개입분석 모형 등 다양한 방법들이 존재한다. 계량적 방법은 연구자의 주관을 가능한 배제하고, 객관적인 분석을 할 수 있다는 장 점이 있는 반면, 존재하는 자료를 기반으로 한 분석이므로 제약이 심하고, 데이터 구축에 시간과 비용이 많이 드는 단점이 있다. 본 연구에서는 디지털 경제의 미래를 예측하기 위한 방법으로 기술수용모형, 행 위자기반모형, 델파이 분석, 텍스트 마이닝 분석 방법을 사용하였으며, 그 결과는 다 음과 같다. 제3장에서는 기술수용모형을 이용하여 디지털 경제의 신기술을 예측하 였다. 먼저 스마트카, 핀테크, O2O, 웨어러블, 스마트헬스, 스마트홈, 공유경제 7가 지 사물인터넷 관련 기술을 대상으로 소비자의 수용의도를 조사하였다. 수용의도에 영향을 주는 호환성, 상대적 이점, 접근성, 인지된 사용 용이성, 인지된 유용성, 인지 된 성능적 위험성, 사용태도, 사용의도 8개의 잠재변수를 설정하고, 3~5개의 관측 변수를 통해 각각의 잠재변수를 측정하고, 구조 모형을 통해 잠재변수 간의 인과관 계를 검증하였다. 분석 결과 모든 모형에서 호환성은 인지된 사용용이성에 매우 긍

274 정적인 영향을 미치는 것으로 나타났고, 상대적 이점과 접근성의 경우 인지된 유용 성에 긍정적인 영향을 주는 것으로 나타났다. 인지된 기능적 위험성의 경우 스마트 카, 핀테크, 스마트헬스, 공유경제에서는 약하게 부정적인 영향을 미치는 반면, O2O, 스마트홈에서는 유의한 영향이 나타나지 않았다. 인지된 사용용이성과 인지된 유용성은 수용의도에 긍정적인 영향을 미치는 것으로 나타났다. 이러한 분석결과로 발견한 중요한 사실은 첫째, 접근성보다 상대적 이점이 인지된 유용성에 더 큰 영향 을 끼치고, 핀테크를 제외한 모든 기술에서 사용자의 태도에 인지된 사용용이성보 다 인지된 유용성이 더 중요한 것으로 나타났다. 이는 연구 대상으로 설정한 7개의 사물인터넷 기술은 사용용이성이 강조된 스마트폰과 비교했을 때 사용빈도가 상대 적으로 적은 기술들이기 때문에 용이성보다 유용성이 더 강조될 수 있다는 함의를 도출할 수 있어, 향후 사물인터넷의 확산과정을 살펴볼 때 유의 깊게 고려해야 할 사항으로 여겨진다. 기술수용모형의 연구 결과는 향후 디지털 경제 비즈니스 예측 에 있어 기술 그 자체와 이를 기반으로 한 성능보다는 시장과 소비자에 대한 이해가 더 중요할 수 있음을 시사한다. 제4장에서는 행위자 기반 모형의 한 형태인 마이크로시뮬레이션을 통해 한국사회 의 미디어 이용 행태 장기 전망을 수행하였다. KISDI의 미디어패널 자료를 활용, 마 이크로시뮬레이션과 기계학습 방법론을 결합하여 인구, 가구, 소득의 중장기 변화를 모의실험하고, 이를 바탕으로 개인의 생애 주기 변화에 따른 미래 행태를 모의 생성 하고, 집계함으로써 사회 변화를 예측하였다. 시뮬레이션의 결과 고령화 현상으로 인해 2027년부터 우리나라 인구가 감소하여 20세 이상 성인의 평균연령이 2014년 46.7세에서 2028년 52.5세로 14년 사이에 5.8세 증가할 것으로 전망되었다. 평균 학 력수준은 고졸(2.9)에서 대학 재학 이상(3.4)으로 상승하고, 소득수준은 2015년부터 감소하는 것으로 나타났다. 그 밖에 대도시 집중이 증가하고, 다세대, 아파트 주거 비율 또한 점진적으로 증가하는 것으로 예상되었다. 성인 대상 스마트폰 보급률은 2028년 92.2%까지 증가하고, 노트북은 31.5%로 증가하는 한편, 유선전화와 데스크 톱은 각각 62.5%, 58.8%까지 완만하게 감소하는 것으로 나타났다. 종이신문 구독률

제 7 장 결 론 275 은 감소세가 멈추고 일정 수준이 유지될 것이며, 유료방송 가입률 또한 증가세가 멈 추고 일정 수준이 유지되는 것으로 나타났다. 성인의 매체별 평균 이용시간은 2014 년 6시간 17분에서 2028년 6시간 44분으로 소폭 증가한다. 그리고 이러한 고령화 중 심의 인구구조 변화는 ICT 신기술의 확산에 걸림돌로 작용할 것이다. 청년층이 집 중적으로 이용하는 SNS는 중장년층이 지속적으로 이용하지 않아 확산에 한계를 보 이고 있다. 이러한 연구 결과는 신기술의 테스트 베드 역할을 했던 한국 시장이 장 기적으로는 더 이상 같은 역할을 수행하기 어려워질 것이기 때문에 국민의 라이프 스타일과 삶의 질을 고려한 정책의 개발이 필요함을 시사하고 있다. 제5장에서는 델파이 분석을 이용하여 디지털 경제의 미래를 산업 및 기술과 사회 로 나누어 예측하였다. 산업 예측은 학계, 산업계, 연구기관, 정부와 공공 부문의 전 문가 30명을 조사 대상 패널로 선정하여 디지털 경제 확산에 미치는 기술의 영향력 과 파급효과, 확산 속도와 국내 산업 경쟁력, 정책중요도와 시급성에 대해 델파이 조사를 총 2회 실시하였다. 미래 산업 예측을 위한 신산업에는 3장에서 다룬 스마트 카, 핀테크, O2O(Online to Offline), 웨어러블, 공유경제, 스마트헬스, 스마트홈과 1 차 델파이 조사에서 전문가 다수가 추천한 인공지능 로봇을 포함하였다. 조사 결과 향후 디지털 경제 확산에 미치는 파급효과가 큰 산업으로 스마트카, 인공지능 로봇 이 가장 높았고, 그 다음은 핀테크로 나타났다. 산업별 확산 속도를 산업 성장 주기 별로 살펴보면 웨어러블, O2O, 핀테크는 도입기에 도달하는 시점이 약 2년, 성장기 에 도달하는 시기는 약 5년, 성숙기에 도달하는 시기는 10년 내로 나타났으며, 나머 지 산업은 이보다 늦을 것으로 전망되었다. 선진국을 100으로 했을 때 국내 산업의 경쟁력은 핀테크의 경우 단기적으로는 낮을 수 있으나, 2030년에는 선진국과 비슷 한(94.1) 수준의 경쟁력을 가질 것으로 예측되었다. 웨어러블, 스마트홈, 스마트헬스 는 점진적으로 경쟁력이 상승하면서 2030년에는 선진국 대비 경쟁력이 90 수준에 이를 것으로 예상하였다. 스마트카는 2030년에 선진국 대비 83.3 수준으로 확대될 것으로 예상한 반면, 나머지 산업은 이보다 경쟁력이 낮을 것으로 예측하였다. 산업 별 정부 정책의 중요도는 스마트카, 스마트헬스, 인공지능 로봇, 핀테크 등이 높게

276 나타났고, 정부 정책 시급성은 스마트헬스가 가장 높고 스마트카, 핀테크, 인공지능 로봇 순으로 나타났다. 이와 함께 사회예측에서는 10대 미래 사회 이슈를 선정하고, 학계, 산업계, 연구기 관, 정부 및 공공 부문의 전문가 20명을 패널로 선정해 디지털 경제 확산이 10대 미 래이슈에 미치는 파급효과, 파급효과의 시기별 예측 및 시기별 미래사회 이슈의 파 급효과에 영향을 미치는 핵심기술, 디지털 경제의 사회적 순기능 및 역기능 이슈, 미래이슈에 대한 정책대응, 미래사회 변화에 영향을 미치는 34개 요소의 영향력과 불확실성 등에 대해 델파이 조사를 총 2회 실시하였다. 첫째, 미래사회 이슈의 파급효과와 관련해서는 디지털 경제 확산이 미치는 파급 효과가 가장 큰 이슈 로는 사이버 범죄 및 안전 이 꼽혔다. 그리고 파급효과를 시 기별(2020년, 2025년, 2030년) 로 살폈을 때, 2025년까지는 사이버 범죄 및 안전 이 가장 파급효과가 큰 이슈이지만, 2030년에는 인간과 기계(기술) 간 경계 모호 가 그 파급효과가 가장 큰 것으로 나타났다. 또한 미래사회 이슈의 중요성과 관련해서는 현재와 미래 모두 사이버 범죄 및 안전 이 가장 중요한 이슈로 나타났다. 둘째, 디 지털 경제의 사회적 순기능과 역기능 이슈를 분석한 결과, 사회적 순기능은 6개 세 부이슈(안전 사회 구현, 삶의 질 향상, 다양한 창작 문화 활성화, 개인 권한 강화, 인 지 및 소통능력 강화, 고령층의 역할 증대)가 모두 시간이 흐를수록 그 정도가 높아 질 것으로 예측됐다. 반면, 역기능은 이슈(정보격차 심화, 일자리 감소, 기술의 인간 지배, 감시사회 전면화, 사회갈등 심화, 국가 간 갈등 심화)에 따라 시기별로 다른 양상을 보였다. 이와 함께 순기능에 영향을 미칠 것으로 예상되는 핵심 기술 로 2020년, 2025년에는 빅데이터 및 클라우드 가, 2030년에는 인공지능 및 로봇 이 꼽 혔다. 그리고 역기능에 영향을 미칠 것으로 예상되는 핵심 기술 로는 2020년에는 빅데이터 및 클라우드 가, 2025년, 2030년에는 인공지능 및 로봇 이 가장 많이 언 급되었다. 셋째, 미래사회 이슈에 대한 정책 대응과 관련해서는 정책 대응의 중요도 와 시급성이 가장 높은 이슈는 고용불안, 양극화 및 불평등 문제 로, 가장 낮은 이 슈는 영토갈등, 경제안보 등 국제사회 분쟁 으로 나타났다. 넷째, 미래사회 변화에

제 7 장 결 론 277 영향을 미치는 34개 요소들의 영향력과 불확실성을 알아본 결과, 가장 영향력이 높 은 요소는 사이버범죄 등 사이버 안보위협 증가 였던 반면, 가장 불확실한 요소는 인간향상 기술의 개발 및 적용범위 확충 이었다. 디지털 경제는 미래사회 이슈와 불가분의 관계를 형성하면서 미래 정보사회의 복 잡성, 다양성, 불확실성을 증대시킬 것으로 전망된다. 때문에 미래사회를 정확하게 예측하고, 대비하는 일은 거의 불가능에 가깝다고 볼 수 있다. 한 사회의 미래를 만 들고, 결정하는 요소들은 무한대에 가깝기 때문이다. 그럼에도 불구하고 이상의 사 회예측 결과는 여러 이슈들 중에서 중요한 역할을 하는 핵심 요소를 관찰하고, 그 변화 패턴을 분석함으로써 다가올 미래에 어느 정도 대응할 수 있는 방향성을 제공 할 것으로 기대된다. 제6장에서는 텍스트 마이닝 분석을 이용하여 디지털 경제의 유망 기술의 발전양 상과 사회적 영향에 대해 정량적, 정성적 분석을 시도하였다. 본 과제에서 디지털 경제 확산에 미칠 영향력이 큰 8대 신산업으로 선정한 스마트카, 핀테크, O2O, 웨 어러블 디바이스, 스마트홈, 스마트헬스, 공유경제, 인공지능 로봇에 사물인터넷 (IoT), 전기차, 드론, 배터리, 3D프린터, 가상현실(VR), 빅데이터 등 관련된 기술을 포함하여 13개의 주요 키워드를 선정하였다. 그리고 이 단어들을 중심으로 시간에 따른 인터넷 상 발생빈도 변화를 파악하고, 의미연결망을 구축하였다. 발생빈도를 살펴보면 블로그에서는 로봇 이 가장 많이 언급되었고, 드론, 가상현실 도 이와 함께 그 상승폭이 큰 것으로 나타났다. 반면, 배터리, 헬스케어, 자율주행차 는 낮은 발생빈도를 보였다. 뉴스에서는 전반적으로 분석 대상 키워드의 발생빈도가 감소하는 가운데, 사물인터넷, 로봇, 빅데이터 가 증가하는 것으로 나타났다. 특 히 사물인터넷 과 빅데이터 는 주목받는 키워드이면서 가속도 분석 결과 앞으로도 지속적으로 주목받을 가능성이 높은 것으로 나타났다. 주요 키워드를 중심으로 의 미연결망 지도를 구축한 결과는 다음과 같다. IoT 는 정보, 수집, 연결, 모바 일, 빅데이터, 클라우드 등의 단어와 주로 연결되고, 빅데이터 는 축적, 수치, 경영, 사물인터넷, 보유, 융합, 패턴, 전문인력 등의 단어와 연결되어 있다.

278 전기 자동차 는 폭스바겐 사태와 함께 언급된 경우가 많았으며, 배터리 는 전기자 동차, 충전, 성능, 브랜드, 핵심부품, 화학, 테슬라, 보조금 등의 단어와 함께 등장해 산업화가 구체적으로 진행되고 있음을 보여준다. 한편, 로봇 은 제어, 일본, 기술, 지능, 인공지능, 건강, 치료 등의 단어와 연관성이 있는 것으로 나타나고 있으나, 연결망 구조가 취약한 것으로 미루어 우리나라에서는 그 논의가 아직 미진한 것으로 판단할 수 있다. 본 연구는 네 가지의 다양한 예측방법을 활용함으로써 디지털 경제의 복잡한 구 조를 다차원적으로 살펴봤다. 기술수용모형은 디지털 경제의 신기술을 수용하고자 하는 시장과 소비자에 대한 이해를 제고하는 데 기여하고, 행위자 기반 모형의 일종 인 마이크로시뮬레이션을 통해 중장기 한국사회의 외생적 변화에 따른 국민의 미디 어 이용 행태를 고찰할 수 있었다. 이와 함께 델파이 분석은 신기술의 확산 전망과 선진국과의 격차가 시간이 지남에 따라 얼마만큼 좁혀질 수 있는지에 대한 함의를 전문가의 시각에서 담아냈다. 또한 텍스트 마이닝 분석은 현재 관심의 대상이 되고 있는 기술들에 대해 그 단어의 발생빈도를 살펴봄과 동시에, 연결되어 언급되는 연 관어를 찾아내 기술을 둘러싼 우리사회의 담론과 향후 전망을 추측할 수 있는 함의 를 제공하였다. 제 2 절 정책적 시사점 지금까지 연구진은 본 연구 과제를 수행하면서 다양한 전공분야와 철학을 가진 연구자들의 의견들에서 디지털 경제 연구에 대한 접점을 찾기 위해 연구기간 동안 지속적으로 협의하고, 소통했다. 데이터를 기반으로 기술수용모형, 마이크로시뮬레 이션, 델파이분석, 텍스트 마이닝 네 가지의 서로 다른 예측방법을 활용하여 디지털 경제의 미래를 파악한 본 연구 결과로부터 다음과 같은 정책적 시사점을 도출할 수 있다. 첫째, 본 연구에서 다양한 연구방법을 통해 디지털 경제의 다양한 특징을 도출한

제 7 장 결 론 279 바와 같이, 향후 디지털 경제는 다양한 성질을 가지고 복잡한 형태로 발전할 것으로 예상된다. 현재 전 세계 인터넷 인구는 약 20억 명으로, 아직 약 50억 명의 인구가 인터넷을 사용하지 못하고 있는 현실을 감안하면, 당분간 디지털 경제는 지속적으 로 그 범위가 확대될 것이다. 모바일 환경의 확산 속도와 빅데이터, 클라우드, 사물 인터넷 등 ICT 신기술의 발전 속도가 빠르기 때문에 디지털 경제를 뒷받침하기 위 한 기술적인 환경 또한 빠르게 변할 것으로 전망된다. 이러한 환경에 힘입어 디지털 경제는 경제와 기술의 영역에 국한되지 않고, 우리 사회의 모든 측면에 영향을 끼칠 것이다. 즉, 디지털 경제가 앞으로 변화하는 양상을 이해하기 위해서는 어느 한 가 지 관점이 아니라, 여러 가지 다양한 관점에서 복합적으로 접근할 필요가 있다. 지 금까지 개발된 예측방법론은 저마다 다른 철학을 가지고 있고, 각기 다른 관심사를 반영하고 있으며, 나름의 의미와 학술적 가치도 여전히 유효하다. 복수의 연구방법 론을 접목시킬 때 가장 우려되는 부분은 각각의 연구 방법이 상충하는 분석 결과를 내놓게 되는 경우이다. 이 또한 복잡한 구조를 가진 디지털 경제의 본질적 특성으로 이해하는 것이 필요하지만, 설계 단계에서 방법론과 논리적 기준의 일관성을 유지 하는 것이 중요하다. 둘째, 기술수용도 조사 결과 향후 디지털 경제를 뒷받침할 ICT 신기술에 있어 용 이성보다 유용성이 더 강조되고 있다는 사실을 얻을 수 있었고, 이를 통해 미래의 디지털 경제 활동이 개인화된 기기를 중심으로만 일어나지는 않을 것이라는 점을 예상할 수 있다. 스마트폰이 보급되고, 웨어러블 기기의 관심이 증가하고 있는 것은 분명한 사실이지만, 개인 휴대기기 이상으로 다른 영역에서의 기술 발전과 이를 기 반으로 한 다양한 서비스들이 생겨날 것이다. 버스 정류장에는 도착할 버스와 대기 시간에 관한 정보가 담긴 메시지 사인을 볼 수 있고, 일부 건물에서는 입구에 설치 된 터치스크린 태블릿을 통해 방문자 등록을 하거나, 음식점에서는 테이블이나 카 운터에서 태블릿을 통해 음식 주문을 하는 것처럼 갖고 다니지 않는 스마트 기기의 활용 또한 점차 늘어나고 있다. 클라우드의 발전은 특정 장소에서 특정 기기에 의존 하지 않고도 개인이 원하는 서비스와 콘텐츠를 제공받을 수 있도록 만들고 있다. 이

280 러한 기술의 연장선에서 ICT 기기는 항상 몸에 지니고 다니는 기기 인 스마트폰과 웨어러블 기기에서 미래에는 내가 아무것도 가지고 다니지 않아도 그 자리에서 제 공받을 수 있는 서비스와 콘텐츠라는 개념으로 발전할 것이다. 스마트폰의 보급이 범용의 개인화된 정보기기를 일반 대중에게 확산시키는 데 기여했다면, 다음에 등 장할 기기들은 더욱 고도화되고 전문화된 기능과 서비스를 제공할 수 있게 될 것이 다. 이용자의 다양성과 전문성을 반영하고, 지금보다 더 다양하고 어려운 작업을 수 행할 수 있는 기기들은 용이성보다 유용성이 더 강조될 수밖에 없는데, 이러한 추세 가 기술수용모형을 이용해 조사한 본 연구 결과를 통해 규명되었다고 할 수 있다. 셋째, 마이크로시뮬레이션을 이용한 미디어 이용 행태의 장기 추세 분석은 고령 화로 인한 한국 사회의 인구구조 변화에 따라 ICT 신기술 테스트 베드로서의 위상 이 약화될 것이라는 점을 시사한다. 기존의 인구구조가 제조업에서 전통적으로 강 세를 보였던 우리나라 ICT 부문의 발전에 기여하는 바가 있었다면, 앞으로의 인구 구조 변화는 그러한 강점을 유지할 수 없을 것이다. 향후의 정책 기초는 테스트 기 지의 강점을 활용한 ICT 생산보다는 고령화된 인구 특성을 고려한 ICT 활용에 초점 을 맞추는 방향으로 전환되어야 한다. 헬스케어, 무인자동차, 인공지능 로봇 등 미래 의 ICT 핵심 기술은 모두 실버 산업과 관련이 있으며, ICT의 활용을 통한 생산성 제 고에 기여할 수 있는 특성을 갖고 있다. 향후 디지털 경제를 염두에 둔 경제 및 산업 정책은 이러한 특성을 반영해야 하며, 이는 ICT가 고도화된 모든 나라에서 공통적 으로 적용될 수 있는 사안이기도 하다. 넷째, 델파이 조사 결과 전문가들은 스마트카, 스마트 헬스케어, 핀테크, 인공지능 로봇 등 현재 언급되고 있는 디지털 경제 핵심 기술이 도입과 성장을 거쳐 성숙기에 진입하기까지 약 10년의 시간이 소요될 것으로 예상하고 있다. 그리고 가까운 미래 에는 사이버 보안 문제가, 상대적으로 먼 미래에는 인간과 기술의 경계 모호가 사회 적 파급효과가 큰 이슈로 인식되고 있다. 또한 정책적 주요 이슈로 고용불안과 양극 화, 불평등을 꼽고 있다. 즉, 디지털 경제 기술은 산업의 경쟁력을 제고하고, 생활을 윤택하게 함과 동시에 다른 한편으로는 보안을 위협하고, 일자리와 경제적 안정성

제 7 장 결 론 281 을 위협하는 존재로 인식된다는 점에서 양날의 검으로 작용할 수 있음을 시사한다. 기술이 인간의 생존을 위협할 가능성에 대해서는 오래 전부터 논의되어 왔고, 최근 들어 과거에는 상상할 수 없었던 영역에서 인간을 대신하는 기계가 등장하는 사례 가 늘어나면서 이러한 우려가 증가하고 있다. 이 문제는 쉽게 결론을 내릴 수 없는 문제로서 혁신이 가져다 줄 과실과 부작용 사이에서 앞으로 우리사회는 지속적으로 고민하게 될 것이다. 다만, 인간을 위한 기술 이 사회에 정착하기 위해서는 사회적 합의에 따른 기술의 발전 방향의 설정이 제대로 작동할 수 있도록 심도 있는 논의를 충분히 가지는 것이 중요하다. 다섯째, 텍스트 마이닝 분석의 결과를 보면 ICT의 신기술과 관련하여 우리나라가 직면한 문제를 알 수 있다. 디지털 경제의 미래에 큰 파급효과를 가질 핵심 기술이 면서 선진국과 우리나라 사이에 인식의 격차가 크게 존재하는 기술들이 있는데, 스 마트카와 인공지능 로봇이 그것이다. 이를 중심으로 한 의미연결망 분석은 미래 ICT 산업의 글로벌 경쟁력 측면에서 기술이 미칠 사회적 영향에 대한 논의의 측면 에서 우리나라가 위기에 직면하고 있다는 사실을 경고하고 있다. 일자리와 부의 축 적이 가장 시급한 관심사임에는 분명하지만, 기술의 사회적 파급력을 감안한다면 스마트카와 인공지능 로봇을 중심으로 더욱 심도 있는 논의가 우리 사회에서 이루 어질 수 있어야 하고, 정책 당국은 이러한 논의를 충분히 고려하여 정책 수립에 반 영해야 한다. 지금까지 도출한 정책적 시사점을 바탕으로 정책 방향을 제시하면 다음과 같다. 첫째, 디지털 경제와 기술의 중요성을 감안할 때, 디지털 경제의 발전방향과 관련 기술에 관해 중장기적으로 정책 수립에 반영할 수 있는 사회적 논의기구를 발전시 키는 것이 필요하다. 둘째, 개인용 기기와 병행하여 공공장소에서 활용할 수 있는 공용 스마트 기기에 대한 활용 증대 방안을 마련하는 것이 필요하다. 셋째, 고령화 추세를 감안한 ICT 활용 방안을 수립하는 것이 필요하다. 넷째, 사이버 보안 정책 및 고용 안정 등의 복지 정책을 기술 변화의 관점에서 접근하여 향후 발생할 수 있 는 각종 사회문제에 대응할 수 있는 정책의 수립이 필요하다. 다섯째, 선진국과의

282 기술 격차를 좁히기 위해 미래의 핵심 기술인 인공지능 로봇과 스마트카를 전략산 업으로 선정하여 집중적으로 육성할 필요가 있다. 이러한 주요 방향을 종합해 보면 향후 디지털 경제에 대응한 정책 방향의 핵심은 데이터를 기반으로 기술 및 사회, 경제의 중장기적 변화 추세를 정확히 파악하여 국민의 안전과 일자리 보호와 관련 된 이슈를 국민 복지의 차원에서 해결하는 것으로 정리할 수 있다.

참고문헌 283 참 고 문 헌 [국내 문헌] 고유상 최진영 이승철 강찬구(2012), 헬스케어 3.0-건강수명 시대의 도래, SERI 연구보고서, 삼성경제연구소. 교육혁신위원회(2007), Real-time delphi를 이용한 2030년의 교육의 변화 예측과 정 책의 대응전략 모색, 서울: 대통령자문 교육혁신위원회. 국제미래학회(2014), 전략적 미래예측 방법론, 두남. 기술인문융합창작소(2013), 미래예측 프레임워크와 방법론, 산업통상부. 김규수(2015), 금융과 IT의 융합: 핀테크의 사례 또는 원류, 한국은행 금융결제국. 김규수 이동규 이슬기(2014), 국내외 비금융기업의 지급서비스 제공현황 및 정 책과제, 한국은행 금융결제국. 김균탁 이계산 이규진(2015), 웨어러블 디바이스 기반의 IoT 플랫폼 기술 동 향, 한국콘텐츠학회지, 13(1), pp.25~30. 김다솜 임명수 류신 김남규 박준형 길우영 윤한술(2015), 텍스트 분석을 활용한 과학기술이슈 여론 분석 방법론, 한국IT서비스학회지, 제14권 제 3호, pp.33~48. 김대건(2014. 12), O2O(Onlie-To-Offline) 동향과 시사점, 정보통신정책연구원. 김도훈 문태훈 김동환(1999, 2001), 시스템 다이내믹스, 서울: 대영문화사. 김미희(2015. 7), 택시 쇼핑 등 O2O서비스 인기몰이 투자금 몰려온다, 파이 낸셜 뉴스. 김상배(2011), 네트워크로 보는 중견국 외교전략: 구조적 공백과 위치권력 이론의 원용, 국제정치논총, 51권 3호, pp.51~77. 김선영(2014. 9. 26.), Kids, 새로운 니치마켓으로 부상, KT경제경영연구소.

284 김승환(2013), 의료 IT 융합 기술 및 표준화 동향-U 헬스, 스마트 헬스케어로 발전 가속, 신뢰성과 편의성 극대화된 기술, 한국전자통신연구원. 김연선(2015. 10. 16.), 저출산 시대에 아동 대상 산업이 발전한다? 엔젤 산업. 김영민 정석재 이석준(2014), 소셜 미디어 감성분석을 통한 주가 등락 예측에 관한 연구, Entrue Journal of Information Technology, 제13권 제3호, pp.59~70. 김영진(2014. 10. 24.), 정보 격차의 두 가지 차원 : 스마트폰 수용과 이용 불평등 양 상에 대한 분석, 제2회 한국미디어패널 학술대회, pp.338~358. 김유신 김남규 정승렬(2012), 뉴스와 주가: 빅데이터 감성분석을 통한지능형 투 자의사결정모형, 지능정보연구, 제18권 제2호, pp.143~156. 김종대 김나경(2015. 4), 온오프라인 연결하는 O2O 혁신의 가능성 열려있다, LG Business Insight, LG경제연구원. 김현곤 외 10명(2009), 성공적 공공정책 수립을 위한 미래전략 연구 방법론(FROM): 2015 사회위험 변화 전망, 한국정보화진흥원. 류채홍(2013), 차량용 인포테인먼트 시스템 및 HMI 기술. 한국전자통신연구원. 류한석(2014. 11), O2O 커머스 트렌드 및 시사점, 류한석기술문화연구소 디지에코 보고서. 류한석(2015), 핀테크 산업 트렌드 및 시사점, 류한석기술문화연구소 디지에코 보고서. 민세동(2015), 건강의 개념 변화에 따른 웨어러블 헬스케어 디바이스 발전방향, 전 기의 세계, 64(5), pp.20~24. 박령주(2015), 복잡계 집합행동의 발생과 확산에 대한 시스템 다이내믹스 모형 연구, 서강대 신문방송학과 박사학위논문. 박상훈(2015, 11. 5.), 키즈IT 시장이 뜬다 고객 충성도 높아, 미디어잇. 박세열(2015), 핀테크 해외사례를 통해 본 금융사의 대응 과제, 증권사 CIO 커뮤 니티 세미나. 박영택(2000), 공공행정부문 Single PPM 품질혁신, Single PPM 품질혁신추진본부.

참고문헌 285 박유성ㆍ김효성ㆍ최보승ㆍ김기환(2009), 우리나라 인구구조 변화에 대한 마이크로 시뮬레이션 적용에 관한 연구, Journal of the Korean Data Analysis Society, 11(2)(B), pp.881~893. 박정훈(2015. 10. 20), 자녀 안전 지키는 키즈폰, 핫 아이템으로 떠오르다, Economic Review. 박한우 Leydesdorff(2004), 한국어의 내용분석을 위한 KrKwic 프로그램의 이해와 적용, Journal of The Korean Data Analysis Society, 6권 5호, pp.1377~1388. 손승원(2013), 창조경제 시대의 ICT 전략과 정책방향, 경영정보학회. 송태민ㆍ송주영(2013), 빅데이터분석방법론: 구조방정식모형과 다층모형을 중심으로, 한나래아카데미. 송태민ㆍ송주영(2014), 소셜 빅데이터를 활용한 인터넷 중독 위험예측 모형, 보건 사회연구, 제34권 제3호, pp.106~134. 신영진(2007), 전자정부구현에 있어서 사회적 자본 확충방안에 관한 연구, 한국 행정학회 추계학술발표논문집, pp.1~17. 신욱희(2013), 21세기 미중일 관계의 전망: 역사적 유추의 두 관점, 국가전략 19 권 4호. 스마트 디바이스 트렌드(2015), U-Healthcare에서 Smart Healthcare로 진화, SDTM, vol.17. 안유백(2015), 핀테크(FINTECH) 산업기술에 관한 동향, 주간기술동향, 정보통 신기술진흥센터. 오주현(2015. 9. 4.), 고령층의 스마트폰 커뮤니케이션 격차 영향 요인: 소외 계층에서 적극적 이용자로의 가능성, 제3회 한국미디어패널 학술대회, pp.385~406. 원동호(2013), 美, 자동차와 IT의 융합인 인포테인먼트산업의 유망성, KOTRA 글로벌윈도우. 원동호(2015), 미국 커넥티드 카 개발 동향 및 전망, KOTRA글로벌윈도우. 원동호(2015), 美 자동차 신소재 및 인테리어 산업 경향, KOTRA글로벌윈도우.

286 유재현 박철(2010), 기술수용모형 연구에 대한 종합적 고찰, Entrue Journal of Information Technology, 9(2), pp.31~50. 유현상 이호성 장래현(2010), ARIMA와 전이함수 모형을 이용한 출생자 수 예측, 성균관대학교 응용통계연구소, 17권, pp.111~123. 윤정현(2015), 2015 STEPI International Foresight Symposium 소개-Systemic Approach in Foresight: Advances in New Methods, Future Horizon, 2015년 가을호(통 권 26호), pp.32~35, 과학기술정책연구원. 이광형(2015), 3차원 미래예측으로 보는 미래경영, 생능. 이봉규 오준석 박건철 박수경 김예진 김윤주 한경진 박상진 이윤재 최민정(2013), 사물인터넷 산업 실태조사 및 시장분석 연구, 방통융합미래 전략체계연구. 이삼식(2014. 9. 03.), 인구변동과 파급효과, STEPI 세미나 발표자료. 이상협 이기현(2015), 행위자기반모형(Agent-Based Modeling)을 이용한 신기술과 지식확산 연구, 과학기술정책연구원. 이세준 이윤준 홍정임(2008), 통합적 미래연구 방법론의 탐색 및 적용, 과학기 술정책연구원. 이시균(2014), 중장기 인력수급 전망 2013 2023, 한국고용정보원. 이시균ㆍ공정승ㆍ김혜민(2015), 2013-2023 중장기 인력수급 전망 Overview, 한국 고용정보원. 이영주 김도훈(2016), 빅데이터를 활용한 정책분석의 방법론적 함의-기회형 창업 관련 소셜미디어 분석 사례를 중심으로, 한국IT서비스학회지. 이찬영 태원유 김정근 손민중(2011), 인구고령화의 경제적 파장, 삼성경제연 구소. 이학선(2014. 12), 내년 모바일쇼핑 20 兆 돌파, 비즈니스와치. 임선태(2015), [핀테크골든타임] 중국 IT 괴물들, 한국 전자지갑 턴다, 아시아 경제.

참고문헌 287 임 현(2014), 기술 예측 시나리오 플래닝 기법 및 사례, 산업통상자원부 한국산 업기술평가관리원. 임희진ㆍ유제민(2007), 청소년 진로상황의 불확실성에 대한 보호요인 및 위험요인의 탐색. 한국청소년개발원 연구보고서. 장하용(2001), 언론보도와 비평의 구조: 신문보도의 비평에 대한 네트워크 분석, 한 국언론정보학보, 16권, pp.108 133. 전황수(2012), 스마트카 기술 및 서비스 동향, 한국전자통신연구원. 전자신문(2014. 8. 18), 내년 상반기 가장 많은 투자가 몰리는 분야는 O2O. 정보통신기술진흥센터(2014), O2O 최근 동향, ICT Report. 정보통신정책연구원(2006), 디지털사회의 미래예측방법론. 정보통신정책연구원(2007a), 미래예측방법론. 정보통신정책연구원(2007b), 2030년 미래 한국 시나리오: Vision 2030 Scenarios. 정보통신정책연구원(2015), 한국미디어패널조사 유저가이드. 정용찬(2015), 스마트폰 보급 확산과 세대 간 미디어 이용 특징 변화, KISDI STAT Report, 15-01, 정보통신정책연구원. 정우수 박웅희 조병선(2008), AHP 기법을 이용한 u-city 사업타당성 평가기준에 관한 연구, 국토연구, vol.56, pp.123~144. 조성은 한은영 석지미 김도훈(2014), 소셜 미디어의 이용 유형과 사회적 순기 능 역기능, 정보통신정책연구원. 조윤정(2014), 스마트카 시장확대와 국내 ICT업계 대응과제, KDB산업은행 보고서. 조은주 박종식 진보래(2015), 한국 노사정의 사회적 대화 프레임 분석을 통한 소통 활성화 방안 연구: 통상임금, 근로시간 단축, 정년연장의 쟁점을 중심으 로, 경제사회발전노사정위원회. 조혜진 서지훈 최진탁(2015), 주식 뉴스 콘텐츠를 활용한 오피니언마이닝 기반의 OAR 감성사전 알고리즘 기법, 한국정보기술학회논문지, 제13권, 제3호, pp.111~119.

288 최진홍(2014. 6.), O2O, 황금알을 낳는 거위냐 한때 지나가는 유행이냐, 이코노 믹리뷰. 최윤정 권상희(2014. 3.), 빅데이터 관련 신문기사의 의미연결망 분석, 사이버 커뮤니케이션학보, 통권 제31권 1호. 최항섭 음수연 전미경(2006), 디지털사회의 미래예측 방법론 연구, 정보통신 정책연구원. 최항섭(2012), 2020년 한국사회의 질적수준 제고를 위한 미래연구, 국민대학교 산 학협력단. 통계청 보도자료(2011. 12. 7.), 장래인구추계: 2010년 2060년. 통계청 보도자료(2013. 2. 25.), 2013년 연간 및 4분기 전자상거래 및 사이버쇼핑동향. 통계청 보도자료(2015. 4. 23.), 2014년 혼인ㆍ이혼 통계. 한국과학기술기획평가원(2005), 주요선진국의 과학기술 지표 체계 비교 분석(보고 서), 한국과학기술기획평가원. 한국미디어패널조사 연구팀(2015), 2015년 미디어보유와 이용행태 변화, KISDI STAT Report, 15-17, 정보통신정책연구원. 한국보건사회연구원 SK Telecom(2011), 텍스트 마이닝을 이용한 자살률 예측, 한국보건사회연구원. 한국보건산업진흥원(2014. 3. 3.), 헬스케어 웨어러블 디바이스의 동향과 전망. 한국은행(2014. 8. 19.), 2012년 2/4분기 국내 인터넷뱅킹서비스 이용현황, 보도자료. 한국전자통신연구원(2013), 창조경제 구현을 위한 ICT 전략. 한국정보화진흥원(2009). 성공적 공공정책 수립을 위한 미래전략연구방법론(FROM), 한국정보화진흥원. 한국정보화진흥원(2014. 10. 15). 웨어러블 디바이스 기반의 창조경제 활성화 전략, 제6호. 홍성철(2015. 9. 4.), 1인가구의 급증과 사회적 자본, 미디어 이용 행태 분석, 제3회 한국미디어패널 학술대회, pp.309~321.

참고문헌 289 홍재원(2011), 행위자기반모형을 활용한 확산 시뮬레이션 연구, 기업경영연구, 제18권 제4호, pp.185~202, 한국기업경영학회. 홍지수(2015. 10. 23), 핫트렌드2016 (2)스마트 페어런팅(Smart Parenting), 전자 신문 Next. 황지현(2015. 10), O2O, 커머스를 넘어 On-Demand Economy로, 디지에코 보고서, KT경제경영연구소. KB 증권(2013. 9. 12), KB daily 지식 비타민: 엔젤 산업의 발전 현황, KB 금융지주 경영연구소. KOTRA(2012), 고령화에 따른 3D 프린터 활용 맞춤 디자인 분석 (KOTRA Global Market Report, 변화하는 인구구조 속 주목받는 유망시장. KT경제경영연구소(2015), 2015년 ICT 10대 주목 이슈, Issue Crunch, Special Issue. [해외 문헌] Accenture(2014). The Boom in Global Fintech Investment. Agarwal, R. and Karahanna, E.(2000). Time Flies When You're Having Fun: Cognitive Absorption and Beliefs about Information Technology MIS Quarterly, Vol.24, No.4, pp.665~694. Ahn, M., Kang, J., and Hustvedt, G. (Forthcoming). A model of sustainable household technology acceptance International Journal of Consumer Studies. Anandarajan, M., Igbaria, M. and Anakwe, U.P.(2002). IT acceptance in a lessdeveloped country: a motivational factor perspective International Journal of Information Management, Vol.22, No.1, pp.47~65. Andaleeb, S.(1996). An experimental investigation of satisfaction and commitment in marketing channels: the role of trust and dependence Journal of Retailing, 72(1), pp.77~93. Axelrod, R., and L. Tesfatsion(2006), A guide for newcomers to agent-based modeling

290 inthe social sciences Tesfatsion, Leigh & Judd, Kenneth L.(Eds), Handbook of Computational Economics: Agent-Based Computational Economics, vol.2, North Holland. Bacon, B. and S. Pennec(2007), APPSIM-Modelling Family Formation and Dissolution. Working Paper No. 4, National Centre for Social and Economic Modelling, University of Canberra. Baden, C.(2010). Communication, contextualization and cognition: Patterns and processes of frames influence on people s interpretation of the EU constitution, Ph.D. thesis. Amsterdam School of Communication Research. Bass, F. M.(1969). A new product growth model for consumer durables Management Science, 36(9), pp.1057~1079. Bass, F. M., Krishnan, T. V., & Jain, D. C.(1994). Why the Bass model fits without decision variables Marketing Science, 13(3), pp.203~223. Bauer, H., Mark Patel, and Jan Veira(2014. 12). The Internet of Things: Sizing up the opportunity Mckinsey Global Institute. Benbasat, I., Gefen, D. and Pavlou, P.A.(2008). Special Issue on Novel Perspectives of Trust in Information Systems MIS Quarterly, Vol.32, No.2, pp.465~466. Bhatti, T.(2007). Exploring Factors Influencing the Adoption of Mobile Commerce Journal of Internet Banking and Commerce, Vol.12. No.3, p.13. Bijker, W. E.(1995). Of bicycles, bakelites and bulbs: Toward a theory of sociotechnical change MIT Press. Cambridge, MA. Box, G. E., & Tiao, G. C.(1975). Intervention analysis with applications to economic and environmental problems Journal of the American Statistical Association, 70 (349): pp.70~79. Business Insider(2014). The Future of Payments: 2014. Capgemini(2014). 2014 World Retail Banking Report.

참고문헌 291 Carley, K.(1993). Coding Choices for Textual Analysis: A Comparison of Content Analysis and Map Analysis Sociological Methodology, 23: pp.75~126. CASOS(2007). Automap User s Guide. Carnegie Mellon University Press, Pittsburgh. Chen, J.C.V., Yen, D.C., and Chen, K.C.(2009). The acceptance and diffusion of the innovative smart phone use: a case study of a delivery service company in logistics Information Management Amsterdam, Vol.46, pp.241~248. Corrocher, N.(2011). The adoption of Web 2.0 services: an empirical investigation Technological Forecasting and Social Change, Vol.78, pp.547~558. Culnan, M.J.(1983). Chauffeured Versus End User Access to Commercial Databases: The Effects of Task and Individual Differences MIS Quarterly, Vol.7, pp.55~67. Chen, Z., Dubinsky, A.J.(2003). A conceptual model of perceived customer value in e-commerce: a preliminary investigation Psychology and Marketing, 20: pp.323~ 347. Chen, J.C.V., Yen, D.C., Chen, K.C.(2009). The acceptance and diffusion of the innovative smart phone use: a case study of a delivery service company in logistics Information Management Amsterdam, 46, pp.241~248. Chiu, C. and Wang, E.(2008). Understanding Webbased learning continuance intention: The role of subjective task value Information & Management, Vol.45, pp.194~ 201. Cho, Y., Hwang, J., and Lee, D.(2012). Identification of effective opinion leaders in the diffusion of technological innovation: A social network approach Technological Forecasting and Social Change, 79(1), pp.97~10. Corrocher, N.(2011). The adoption of Web 2.0 services: an empirical investigation Technological Forecasting and Social Change, 78, pp.547~558. Culnan, M.J.(1983). Chauffeured Versus End User Access to Commercial Databases: The Effects of Task and Individual Differences MIS Quarterly, Vol.7, pp.55~67.

292 Darsono, L.I.(2005). Examining information technology acceptance by individual professionals Gadjah Mada International Journal of Business, Vol.7, No.2, pp.155~178. Davis, F. D.(1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology MIS Quarterly, pp.319~340. Dewulf, A et al.(2009). Disentangling approaches to framing in conflict and negotiation research: a meta-paradigmatic perspective Human Relations, 62(2), pp.155~193. De Menten, G., Dekkers, G., Bryon, G., Liegeois, P., & O Donoghue, C.(2014). LIAM2: a new open source development tool for discrete-time dynamic microsimulation models Journal of Artificial Societies and Social Simulation, 17(3):9. Diesner, J., Carley, K., and Tambayong, L.(2012). Extracting socio-cultural networks of the Sudan from open-source, large-scale text data Computational and Mathematical Organization Theory, 18(3): pp.328~339. Egerton, S. et al.(2008), Using Multiple Personas in Service Robots to Improve Exploration Strategies When Mapping New Environments, 4th International Conference on Intelligent Environments, 2008 IET, pp.1~5, 21~22 July 2008. emarketer(2015), Worldwide Retail Ecommerce Sales: emarketer s Updated Estimates and Forecast Through 2019 Retail & Ecommerce. Ericsson(2014). Ericsson Mobility Report. Fetscherin, M. and Lattemann, C.(2008). User acceptance of virtual worlds Journal of Electronic Commerce Research. Vol.9. No.3, pp.231~242. Gartner(2013). Forecast: Mobile Payment, Worldwide, 2013. Gefen, D., Karahanna, E., and Straub, D.(2003). Inexperience and experience with online stores: the importance of TAM and trust IEEE Transactions on Engineering Management. 50(3), pp.1~15. Georghiou, L.(2001). Evolving Frameworks for European Collaboration in Research

참고문헌 293 and Technology Research Policy, 30(6), pp.891~903. Georghiou, L. et al.(2008). The Handbook of Technology Foresight. Edward Edgar Publishing Limited. USA. Geyskens, I., Steenkemp, J., and Kumar, N.(1998). Generalizations about trust in marketing channel relationships using meta-analysis International Journal of Research in Marketing. 15, pp.223~248. Glenn, Jerome, Gordon, Theodore J. & Florescu, Elizabeth(2009). 2009 State of the Future: Millennium Project. The Millennium Project. http://www.millennium-project.org/millennium/sof2009.html Goffman, E.(1974). Frame analysis: An essay on the organization of experience. New York: Harper & Row. Gordon T. J. & Glenn, J. C.(2009). Futures Research Methodologies v3.0. The Millennium Project. Graham, G. & Mehmood, R.(2014). The Strategic Prototype Crime Sourcing and the Science/Science Fiction Behind it Technological Forecasting and Social Change. Vol 84 May, pp.86~92. Graham, G. et al.(2015). The Science Fiction Prototyping Framework: Building Behavioural, Social and Economic Impact and Community Resilience. FCCR.NET Executive Impact Paper No.1. GSMA.(2015, July). How China is Scaling the Internet of Things. Harford, Tim (2014). Big data: A big mistake? Significance. Volume 11. Issue 5, pp. 14~19. Held, Karsten(2014. 1). Internet Of Things(IOT) Smart Building & Smart Home Research. Hendrickson, A.R., Massey, P.D. and Cronan, T.P. (1993). On the test-retest reliability of perceived usefulness and perceived ease of use scales MIS Quarterly. Vol.17,

294 pp.227~230. Hong, W., Thong, J.Y.L, Wong, W., Tam, K.Y.(2002). Determinants of User Acceptance of Digital Libraries: An Empirical Examination of Individual Differences and System Characteristics Journal of Management Information System, Vol.18. No.3, pp.97~124. Hong, S.J., Thong, J.Y.L. and Tam, K.Y.(2005). Understanding continued IT usage: An extension to the expectation-confirmation model in IT domain. In C.P. Wei & B. Yen (Eds.). Proceedings of the 9th Pacific-Asia conference on information system. Hong, S.J., Thong, J.Y.L., Moon, J.Y., and Tam, K.Y.(2008). Understanding the Behavior of Mobile Data Services Consumers Information Systems Frontiers. Vol.10, pp.431~445. Hsu, C. and Lin, J.(2008). Acceptance of blog usage: The roles of technology acceptance, social influence and knowledge sharing motivation Information & Management, Vol.45, pp.65~74. Hunn, N.(2015. 2). The Market for Smart Wearable Technology: A Consumer Centric Approach. Hwang, C.(2014). Consumers acceptance of wearable technology: Examining solarpowered clothing. Graduate Theses, Iowa State University. International Data Corporation(2015, Dec. 3). Worldwide Wearables Market Soars in the Third Quarter as Chinese Vendors Challenge the Market Leaders. Igbaria, M., Iivari, J. and Maragahh, H.(1995). Why do individuals use computer technology? A Finish case study Information & Management. Vol.29, pp.227~ 238. Jasanoff, S. ed.(2006). States of Knowledge: The co-production of science and social order. Routledge.

참고문헌 295 Jing, S.(2015, Dec. 3). Smart wearables for children grow in popularity in China China Daily. http://www.chinadaily.com.cn/business/tech/2015-12/03/content_22612221.htm Johnson, Brian David(2009). Science Fiction Prototypes Or: How I Learned to Stop Worrying about the Future and Love Science Fiction. Intelligent Environments. Johnson, Brian David(2010). Science Fiction for Scientists!! An Introduction to SF Prototypes and Brain Machines. Creative-Science. Johnson, Brian David(2011a). Nebulous Mechanisms. Omedia. Johnson, Brian David(2011b). Science Fiction Prototyping : Designing the Future with Science Fiction. Morgan & Claypool. Jovanov, E.(2015. 8). Preliminary analysis of the use of smartwatches for longitudinal health monitoring. In Engineering in Medicine and Biology Society(EMBC). 2015 37th Annual International Conference of the IEEE, pp.865~868. IEEE. J son & Partners Consulting(2015, Aug. 20). The market of high-tech children s wearable gadgets and mobile security solutions for children. J son TV http://json.tv/en/ict_telecom_analytics_view/the-market-of-high-tech-childrens-wear able-gadgets-and-mobile-security-solutions-for-children Khalifa, M. and Shen, N.K.(2008). Explaining the adoption of transactional B2C mobile commerce Journal of Enterprise Information Management, Vol.21. No.2, pp.110~24. Kim, L.(2011). Media framing of stem cell research: a cross-national analysis of politicalrepresentation of science between the UK and South Korea Journal of Science Communication, 10(3): 1-16. Kim, L and Kim, N.(2015). Connecting opinion, belief and value: semantic network analysis of a UK public survey on embryonic stem cell research Journal of Science Communication, 14(1): 1-24.

296 Kim, S.(2008). Moderating effects of job relevance and experience on mobile wireless technology acceptance: Adoption of a smartphone by individuals Information & Management, Vol.45, pp.387~393. Kohno, Tadayoshi and Johnson, B. D.(2011). Science Fiction Prototyping and Security Education: Cultivating Contextual and Societal Thinking in Computer Security Education and Beyond. SIGCSE 11 Proceedings of the 42nd ACM technical symposium on Computer science education, pp.9~14. Koufaris, M.,(2002). Applying the Technology Acceptance Model and Flow Theory to Online Consumer Behavior Information Systems Research, Vol.13, No.2, pp.205~ 223. Kraemer, K. L., Danziger, J. N., Dunkle, D. E., and King, J. L.(1993). The Usefulness of Computer-Based information to Public Managers MIS Quarterly, Vol.17, pp.129~148. Krogerus, M., Tschaeppeler, R., Earnhart, P., and Jenny Piening(2012). The Decision Book: 50 Models for Strategic Thinking. W. W. Norton & Company. Laforet, S. and Li, X.(2008). Consumers attitudes towards online and mobile banking in China. International Journal of Bank Marketing. Vol.23. No.5, pp.362~380. Lakoff, G and Johnson M.(1980). Metaphors we live by. Chicago: University of Chicago Press. Lallmahamood, M.(2007). An examination of individual s perceived security and privacy of the internet in Malaysia and the influence of this on their intention to use ecommerce: Using an extension of the Technology Acceptance Model Journal of Internet Banking and Commerce, Vol.12. No.3, pp.1~26. Lederer, A.L. et al.(2000). The technology acceptance model and the World Wide Web Decision Support Systems. Vol.29. No.3, pp.269~282. Lee, J., Kim, J., and Moon, J.(2000). What make internet users visit cyber stores

참고문헌 297 again? Key design factors for customer loyalty. Proceedings of Conference on Human Factors in Computer Systems. CHI 2000. ACM. New York, pp.305~312. Legris, P., Ingham, J., & Collerette, P.(2003). Why do people use information technology? A critical review of the technology acceptance model Information & Management. 40(3), pp.191~204. Leonard-Barton, D. and Deschamps, I.(1988). Managerial Influence in the Implementation of New Technology Management Science, Vol.40, pp.1252~1265. Lewis, W., Agarwal, R. and Sambamurthy, V.(2003). Source of influence on beliefs about information technology use: an empirical study of knowledge workers MIS Quarterly, Vol.27. No.4, pp.657~678. Liébana-Cabanillas, F., de Luna, I. R. & Montoro-Ríos, F. J.(2015). User behaviour in QR mobile payment system: the QR Payment Acceptance Model Technology Analysis & Strategic Management, 27(9), pp.1031~1049. Liébana-Cabanillas, F. J., Sánchez-Fernández, J., Muñoz-Leiva, F.(2014). Role of gender on acceptance of mobile payment Industrial Management & Data Systems, Vol. 114(2), pp.220~240. Li, J. and O Donoghue.(2013). A survey of dynamic microsimulation models: uses, model structure and methodology International Journal of Microsimulation. 6.2, pp.3-55. Lin, J.C.C. and Lu, H.(2000). Toward an understanding of the behavioral intention to use a Web site International Journal of Information Management, Vol.20, No.30, pp.197~208. Luarn and Lin.(2005). Toward an understanding of the behavioural intention to use mobile banking Computers in Human Behavior, Vol.21, pp.873~891. Makridakis, S., Wheelwright, S. C. & Hyndman, R. J.(1998). Forecasting methods and applications (3rd ed.). New York: Wiley.

298 Mathieson, K.(1991). Predicting user intention: Comparing the Technology Acceptance Model with the Theory of Planned Behavior Information Systems Research, Vol.12. No.3, pp.173~191. Mathieson, K.(1991). Predicting User Intentions: Comparing the Texhnology Acceptance Model with the Theory of Planned Behavior Information Systems Research, pp.173~191. McFarland and Hamiltion.(2006). Factors affecting student performance and satisfaction: Online versus traditional course delivery Journal of Computer Information Systems, Vol.46. No.2, pp.25~32. McKinsey(2011). Big Data: The next Frontier for Innovation, Competition, and Productivity. McKinsey Global Institute Report. Michael P. Clements, David F. Hendry(2002. 1.). A Companion to Economic Forecasting. Wiley-Blackwell. Moon, J. and Kim, Y.(2001). Extending the TAM for a World-Wide-Web context. Information & Management. Vol.38, No.4, pp.217~230. Moore, G.C. and Benbasat, I.(1991). Development of an instrument to measure the perceptions of adopting and information technology innovation Information System Research, Vol.2, No.3, pp.192~222. Nielson(2013), The mobile consumer Nielson Consumer Report 2013. Orcutt, G. H.(1957). A new type of socio-economic system The Review of Economics and Statistics, pp.116~123. Park, Y. and Chen, J.V.(2007). Acceptance and adoption of the innovative use of smartphone Industrial Management & Data Systems, Vol.107. No.9, pp.1349~ 1365. Pentland, A.(2014). Social Physics. Penguin Press. Popper R.(2008). Foresight Methodology An overview and more. Bonn: Germany.

참고문헌 299 http://www.forschungsinfo.de/archiv/ifq_jahrestagung_08/beitraege/popper.pdf Rand, William M. & Rust, Roland T.(2011), Agent-Based Modeling in Marketing: Guidelines for Rigor International Journal of Research in Marketing, Robert H. Smith School Research Paper No. RHS 06-132 Researchmoz(2013). Wearable Technology Market-Global Scenario, Trends, Industry Analysis, Size, Share and Forecast 2012-2018. Royal Dutch Shell(2008). Energy scenarios to 2050 Internation B.V. Rivera, J., and Rob van der Meulen(2014. 10). Gartner s 2014 Hype Cycle for Emerging Technologies Maps the Journey to Digital Business. Gartner. Inc. Rudnick, M., & Solutions, L. D.(2015. 5.). Hey Boss, What s That Glow on Your Wrist?, Workforce Solutions Review(www.ihrim.org). Rand, William M. & Rust, Roland T.(2011), Agent-Based Modeling in Marketing: Guidelines for Rigor, International Journal of Research in Marketing, Robert H. Smith School Research Paper No. RHS 06-132 Rudnick, M., & Solutions, L. D.(2015. 5.). Hey Boss, What s That Glow on Your Wrist? Workforce Solutions Review(www.ihrim.org). Saade, R. and Bahli, B.(2005). The Impact of Cognitive Absorption on Perceived Usefulness and Perceived Ease of Use in Online Learning: An Extension of the Technology Acceptance Model Information & Management, Vol.42. No.2, pp.317~327. Sarin, S., Sego, T., Chanvarasuth, N.(2003). Strategic use of bundling for reducing consumers perceived risk associated with the purchase of new high-tech products Journal of Marketing Theory Practice, 11, pp.71~83. Sharia, M.(2015, June 9). 5 futuristic baby monitors, from wearable onesies to connected booties. Wearables.com. http://www.wearables.com/5-baby-monitors-wearable-infant-tech/

300 Shreyas Naidu,(2014. 1.). World Smart Homes, Buildings (Energy Efficient, Automated) Market - Opportunities and Forecasts, 2013-2020 Allied Market Research. Shin, D.(2014). A socio-technical framework for Internet-of-Things design: A humancentered design for the Internet of Things Telematics and Informatics, 31, pp.519~531. SIMENS AG(2004). Vision 2020: We make real what matters. Singer, T. et al.(2008). Effects of oxytocin and prosocial behavior on brain responses to direct and vicariously experienced pain Emotion, Vol.8, pp.781~791. Singh, N. et al.(2006). Understanding International Web site Usage; A cross-national study of German, Brazilian, and Taiwanese online consumers International Marketing Review, Vol.23. No.1, pp.83~97. Sirdeshmukh, D., Singh, J., and Sabol, B.(2002). Consumer trust and loyalty in relational exchanges Journal of Marketing, 66(1), pp.15~37. Slaughter, Richard A.(1996) Future study: The Knowledge base of futures studies as an evolving process Future Studies, 28(9), pp.799~812. Song, Eun-Jee(2013). A Study on the Case Analysis of Customer Reputation based on Big Data Journal of the Korea Institute of Information and Communication Engineering, 17(10): pp.2439~2446. Spielauer, M.(2011). What is social science microsimulation? Social Science Computer Review, 29(1), pp.9~20. Statista(2014). Number of smartphone users worldwide from 2014 to 2019(in millions), http://www.statista.com/statistics/330695/number-of-smartphone-users-worldwide/ Strategy Analytics,(2014. 6). https://www.strategyanalytics.com/access-services/devices/connected-home/smart-h ome/about-smart-home#.vpncjbwlrqa Straub, D., Keil, M. and Brenner, W.(1997). Testing the Technology Acceptance

참고문헌 301 Model across cultures: A three country study Information & Management, Vol.33, pp.1~11. Sudhahar, S, Veltri, G and Christianini, N.(2015). Automated analysis of the US presidential elections using Big Data and network analysis Big Data & Society, 2 (1). Sultan, F. and Chan, L.(2000). The Adoption of New Technology: The Case of Object- Oriented Computing in Software Companies IEEE Transactions on Engineering Management, Vol.47, No.1, pp.106~126. Szajna, B.(1996). Empirical Evaluation of the Revised Technology Acceptance Model Management Science, Vol.42. No.1, pp.85~92. Tsai, C. H.(2014). Integrating social capital theory, social cognitive theory, and the technology acceptance model to explore a behavioral model of telehealth systems International Journal of Environmental Research and Public Health, 11, pp.4905 ~4925. Turturean, C.(2011). Classification of Foresight Methods Anuarul Institutului de Cercetari Economice. Gheorghe Zane-Iasi, 20(2), 111 https://ideas.repec.org/a/zan/ygzier/v20y2011i2p113-123.html Varian, Hal R.(2014). Big Data: New Tricks for Econometrics The Journal of Economic Perspectives, Vol. 28, No. 2, pp.3~27. Venkatesh, V., and Davis, F. D.(2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies Management Science. Vol.46. No.2, pp.186~204. Wang, W. & Rada, R.(1998). Structured hypertext with domain semantics. ACM Trans Inform. System, 16(1): pp.372 412. Wang, Y.S. Wang, Y.M., Lin, H.H., Tang, T.I.(2003). Determinants of user acceptance of Internet banking: An empirical study International Journal of Service

302 Industry Management, Vol.14. No.5, pp.501~519. Wang, Y.S., Wang, H.Y. and Shee D.Y.(2005). Measuring elearning systems success in an organizational context: Scale development and validation Computer in Human Behavior, In Press, Corrected Proof, Available online 5. Wasserman, S. & Faust, K.(1994). Social network analysis: methods and applications. Cambridge: Cambridge University Press. Weber, R.(2010). Internet of Things - New security and privacy challenges Computer Law & Security, 23(1), pp.23~30. Winklhofer, H., Adamantios Diamantopoulos, Stephen F. Witt(1996. 6). Forecasting practice: A review of the empirical literature and an agenda for future research International Journal of Forecasting, Volume 12, Issue 2, pp.193~221. Wu, Hsuan-Yi(2013), Imagination workshops: An empirical exploration of SFP for technology-based business innovation Futures, 50, pp.44~55. Wu, J. and Chang, Y.(2006). Effect of transaction trust on ecommerce relationships between travel agencies Tourism Management, Vol.27. No.6, pp.1253~1261. Wu, J. H., and Wang, S. C.(2005). What drives mobile commerce? An empirical evaluation of the revised technology acceptance model Information & Management, 42, pp.719~729. Wu, Hsuan-Yi(2013). Imagination Workshops: An Empirical Exploration of SFP for Technology-based Business Innovation. Creative Science Foundation: http://www.creative-science.org/ Yang, H., Yu, J., Zo, H., and Choi, M.(2016). User acceptance of wearable devices: An extended perspective of perceived value Telematics and Informatics. 33, pp.256~269. Zucchelli, E., Jones, A. M., & Rice, N.(2010). The evaluation of health policies through microsimulation methods, Health, Econometrics and Data Group.

참고문헌 303 HEDG Working Papers, 10(3). [URL] 국가지표체계 사이트, 취학률 및 진학률 현황 자료, http://www.index.go.kr/potal/main/eachdtlpagedetail.do?idx_cd=1520 국가통계포털 사이트, http://kosis.kr/ 배인선(2015. 1. 15), 아주경제. http://www.ajunews.com/view/20150119092705864 이경현(2014. 6.), Vertical platform. http://verticalplatform.kr/archives/3191 이민형(2015. 10. 28), 디데일리. http://www.ddaily.co.kr/news/article.html?no=136276 이정훈(2015. 4. 4.), 이데일리. http://news.naver.com/main/read.nhn?mode=lsd&mid=sec&sid1=101&oid=018& aid=0003222604 임혜지(2015. 7. 20), 머니투데이. http://www.mt.co.kr/view/mtview.php?type=1&no=2015062314470950750&outlink=1 최갑천(2015. 9. 3), 파이낸셜 뉴스. http://news.naver.com/main/read.nhn?mode=lsd&mid=sec&sid1=101&oid=014& aid=0003497104 한진주(2015. 6. 9), 아시아 경제. http://view.asiae.co.kr/news/view.htm?idxno=2015060906543565471 KISDISTAT 사이트(2014. 10. 28. 접속), 한국미디어패널 조사통계-개요. http://stat.kisdi.re.kr/mediapanel/mediapanel_outline.aspx BMW automobiles: BMW AG website. Touch. http://www.bmw.com Carplay-Apple(KR). Carplay. http://www.apple.com/kr/ios/carplay GreenCar, http://www.greencar.co.kr/about/ Intel s 21st Century Robots Project: http://www.21stcenturyrobot.com/ Medisana VitaDock, www.vitadock.com

304 Prof. Victor Callaghan s Webpage: http://victor.callaghan.info/publications/ Wikipedia: https://en.wikipedia.org/wiki/science_fiction_prototyping

부 록 305 [부록 1] 기술수용모형 추정 결과 가. 스마트카(카인포테이먼트) 1) 인구통계분포 성별 나이 최종 학력 결혼 여부 총 가구 월평균 소득 빈도수 비중 남성 157 50.0% 여성 157 50.0% 10대 71 22.6% 20대 58 18.5% 30대 62 19.7% 40대 66 21.0% 50세 이상 57 18.1% 중졸 이하 9 2.8% 고등학교 재학 52 16.6% 고졸 39 12.4% 대학교 재학 36 11.5% 대졸 153 48.7% 대학원 재학 1 0.3% 대학원졸 이상 24 7.6% 미혼 187 59.6% 기혼 127 40.4% 200만 원 미만 37 11.8% 200만 원 대 51 16.2% 300만 원 대 54 17.2% 400만 원 대 53 16.9% 500만 원 대 51 16.2% 600만 원 대 22 7.0% 700~999만 원 23 7.3% 1,000만 원 이상 23 7.3%

306 2) 모형 적합도 지수 값 RMR 0.046 GFI 0.788 NFI 0.755 TLI 0.877 Chi-square (df)a 1673.575(692) Chi-square / df 2.418 3) 요인적 재량 및 유의성 항목 Cronbach s α 비표준하요인적 재량a 호환성1 표준화요인적 재량b 1.000.677 S.E.a C.R.a Pa 호환성2 1.017.668.094 10.802 *** 호환성3.848 1.111.679.101 10.967 *** 호환성4 1.228.745.103 11.919 *** 호환성5 1.161.740.098 11.839 *** 상대적 이점1 1.000.791 상대적 이점2.868.733.062 13.865 *** 상대적 이점3.870.930.706.070 13.245 *** 상대적 이점4 1.034.769.070 14.739 *** 상대적 이점5 1.018.780.068 14.987 위험성1 1.000.660 위험성2 1.271.821.108 11.822 *** 위험성3.846 1.275.729.113 11.280 *** 위험성4.982.767.098 10.067 *** 위험성5 1.030.663.098 10.538 *** 접근성1 1.000.803 14.911 *** 접근성2.977.765.067 14.633 *** 접근성3.880.995.743.071 14.084 *** 접근성4.924.777.062 14.907 *** 접근성5.953.777.064 14.911 ***

부 록 307 항목 Cronbach s α 비표준하요인적 재량a 인지된 용이성1 인지된 용이성2 인지된 용이성3 인지된 용이성4 인지된 유용성1 인지된 유용성2 인지된 유용성3 인지된 유용성4 사용태도1.819.894 표준화요인적 재량b 1.000.801 S.E.a C.R.a Pa 1.035.792.066 15.605 *** 1.117.826.068 16.484 *** 1.159.856.067 17.308 *** 1.000.753.937.701.080 11.785 *** 1.117.739.068 16.484 *** 1.159.710..067 17.308 *** 1.000.797 사용태도2 1.009.825.063 16.809 *** 사용태도3.960.761.064 15.073 *** 사용태도4.924 1.091.827.065 16.882 *** 사용태도5.996.745.068 14.668 *** 사용태도6.979.744.066 14.643 *** 사용태도7 1.165.857.094 17.746 *** 사용의도1 1.000.803 사용의도2 1.110.803.069 15.996 ***.874 사용의도3 1.049.824.063 16.571 *** 사용의도4.973.759.066 14.838 ***

308 4) 가설의 검증 가설 표준화 경로계수 S.E. C.R. P 가설 검증 H1: Compatibility à PEOU.887.094 10.782 *** 채택 H2: RelativeAdvantage à PU.597.082 6.923 *** 채택 H3: Accessibility -> PU.260.073 3.226.001 채택 H8: PEOU à AT.336.058 6.229 *** 채택 H9: PU à AT.666.064 10.775 *** 채택 H10: PerceivedPerformanceRisk à AT -.048.036-1.535 *** 채택 H11: AT à IU.949.065 15.219 *** 채택 나. 핀테크 (플랫폼 기반 핀테크) 1) 인구통계분포 성별 나이 최종학력 결혼 여부 총 가구 월평균 소득 빈도수 비중 남성 153 48.9 여성 160 51.1 10대 68 21.7 20대 59 18.9 30대 63 20.1 40대 61 19.5 50세 이상 62 19.8 중졸 이하 13 4.2 고등학교 재학 51 16.3 고졸 37 11.8 대학교 재학 36 11.5 대졸 142 45.4 대학원 재학 4 1.3 대학원졸 이상 30 9.6 미혼 166 53 기혼 147 47 200만 원 미만 37 12.1 200만 원 대 50 16

부 록 309 총 가구 월평균 소득 빈도수 비중 300만 원 대 52 16.9 400만 원 대 63 19.5 5백만 원 대 40 12.8 6백만 원 대 25 8 700~999만 원 30 9.6 1,000만 원 이상 16 5.1 2) 모형 적합도 지수 값 RMR.247 GFI.536 NFI.596 TLI.668 Chi-square (df)a 5954.219 Chi-square /df 3.2607 3) 요인적 재량 및 유의성 항목 Cronbach s α 비표준하요인적 재량a 표준화요인적 재량b S.E.a C.R.a Pa 호환성1 1.000.482 호환성2 1.107.557.154. 7.176 *** 호환성3.830 1.825.737.220 8.279 *** 호환성4 1.797.724.219 8.215 *** 호환성5 1.100.475.169 6.504 *** 상대적 이점1.878.633.093 9.389 *** 상대적 이점2 1.000.691 상대적 이점3.815 1.215.613.117 10.357 *** 상대적 이점4 1.282.769.114 11.242 *** 상대적 이점5.981.610.105 9.355 *** 접근성1 1.000.843 접근성2 1.079.837.061 17.573 ***.898 접근성3.989.759.065 15.276 *** 접근성4.918.752.061 16.192 ***

310 항목 Cronbach s α 비표준하요인적 재량a 표준화요인적 재량b S.E.a C.R.a Pa 접근성5.986.790.061 16.192 *** 인지된 용이성1 1.000.676 인지된 용이성2.949.637.091 10.442 ***.855 인지된 용이성3.891.587.092 9.691 *** 인지된 용이성4.816.552.089 9.140 *** 인지된 위험성1 1.000.707 인지된 위험성2 1.165.781.094 12.351 *** 인지된 위험성3.862 1.195.791.096 12.493 *** 인지된 위험성4 1.047.684.095 10.971 *** 인지된 위험성5 1.073.764.089 12.129 *** 인지된 유용성1 1.000.742 인지된 유용성2 1.107.775.082 13.578 ***.849 인지된 유용성3 1.110.726 0.88 12.660 *** 인지된 유용성4 1.099.778.081 13.629 *** 태도1 1.000.723 태도2.955.669.082 11.600 ***.898 태도3 1.041.639.094 11.070 *** 태도4 1.058.725.084 12.614 *** 사용 의도1 1.000.739 사용 의도2.958.703.077 12.484 *** 사용 의도3.901 1.009.720.079 12.804 *** 사용 의도4 1.006.683.083 12.090 *** 사용 의도5.876.602.083 10.575 *** 4) 가설의 검증 가설 표준화 경로계수a S.E.a C.R.a Pa 가설 검증b H1: AT à IU 1.152.090 12.862 *** 채택 H2: PU à AT.104.028 3.645 *** 채택 H3: PEoUà AT.883.075 11.716 *** 채택 H4:Compatibility à PEoU 1.385.174 7.950 *** 채택 H5:Accessbility à PEoU.302.034 8.918 *** 채택 H6:RA à PU 1.076.174 7.950 *** 채택 H7:PPR à AT -.048.025-1.937.053 기각

부 록 311 다. 웨어러블(키즈 웨어러블) 1) 인구통계분포 성별 나이 최종학력 결혼 여부 총 가구 월평균 소득 빈도수 비중 남성 126 0.387 여성 200 0.613 10대 1 0.003 20대 47 0.144 30대 220 0.675 40대 58 0.178 50세 이상 0 0 중졸 이하 1 0.003 고등학교 재학 0 0 고졸 36 0.110 대학교 재학 8 0.025 대졸 247 0.758 대학원 재학 1 0.003 대학원졸 이상 33 0.101 미혼 0 0 기혼 326 1.00 200만 원 미만 9 0.028 200만 원 대 61 0.187 300만 원 대 93 0.285 400만 원 대 59 0.181 5백만 원 대 47 0.144 6백만 원 대 19 0.058 700~999만 원 22 0.067 1,000만 원 이상 16 0.049 2) 모형 적합도 지수 값 RMR.107 GFI.809 NFI.833 TLI.896 Chi-square (df)a 1484.973(691) Chi-square /df 2.149

312 3) 요인적 재량 및 유의성 항목 Relative Advantage1 Cronbach s α 비표준하 요인적 재량a 표준화 요인적 재량b 1.000.671 S.E.a C.R.a Pa Relative Advantage2.921.613.092 10.048 *** Relative Advantage3 0.821 1.106.725.095 11.670 *** Relative Advantage4 1.316.755.109 12.077 *** Relative Advantage5.988.612.098 10.034 *** Information Quality 1 1.000.676 Information Quality 2 1.129.755.095 11.913 *** Information Quality 3 0.853 1.090.714.096 11.359 *** Information Quality 4 1.156.789.094 12.355 *** Information Quality 5 1.073.740.092 11.714 *** Subcultural Appeal 1 1.000.823 Subcultural Appeal 2 1.076.853.058 18.486 *** Subcultural Appeal 3 0.923 1.102.854.059 18.515 *** Subcultural Appeal 4 1.207.899.060 20.003 *** Subcultural Appeal 5.988.777.061 16.111 *** Perceived Physical Risk 1 1.000.565 Perceived Physical Risk 2 1.360.814.134 10.149 *** 0.826 Perceived Physical Risk 3 1.487.856.144 10.354 *** Perceived Physical Risk 4 1.291.741.134 9.652 *** Perceived Performance Risk1 1.000.706 Perceived Performance Risk2 1.212.840.088 13.848 *** 0.875 Perceived Performance Risk3 1.201.860.085 14.104 *** Perceived Performance Risk4 1.103.794.084 13.184 *** Perceived ease of use1 1.000.763 Perceived ease of use2.958.767.072 13.289 *** 0.790 Perceived ease of use3.904.659.079 11.381 *** Perceived ease of use4.800.592.079 10.160 *** Perceived usefulness1 1.000.814 Perceived usefulness2.984.780.063 15.711 *** 0.873 Perceived usefulness3.994.756.066 15.064 *** Perceived usefulness4 1.009.831.059 17.113 *** Attitude1 1.000.811 Attitude2 1.026.817.061 16.957 *** 0.892 Attitude3 1.096.837.062 17.546 *** Attitude4.939.757.061 15.274 ***

부 록 313 항목 Intention to use1 Cronbach s α 비표준하 요인적 재량a 표준화 요인적 재량b 1.000.803 S.E.a C.R.a Pa Intention to use2 1.057.793.068 15.583 *** 0.872 Intention to use3.932.750.064 14.526 *** Intention to use4.951.758.065 14.722 *** 4) 가설의 검증 가설 표준화 경로계수a S.E.a C.R.a Pa 가설 검증b H1: IQ à PU -.178.148-1.484.138 기각 H2: RA à PU.993.182 7.094 *** 채택 H3: RAàPEoU.859.090 10.844 *** 채택 H4: PU à AT.746.073 9.949 *** 채택 H5: PEoUà AT.152.072 2.333.020 채택 H6: SA à AT.156.029 4.345 *** 채택 H7: Physical R à AT -.210.063-4.087 *** 채택 H8: Performance R à AT.051.046 1.078.281 기각 H9: AT à IU.917.067 14.896 *** 채택 라. O2O(자동차 관련 O2O) 1) 인구통계분포 항목 Cronbach s α 비표준하요인적 재량a 표준화요인적 재량b S.E.a C.R.a Pa 호환성1 1.000.663 호환성2 1.140.684.106 10.762 *** 호환성3.815 1.033.588.110 9.431 *** 호환성4 1.189.668.113 10.554 *** 호환성5 1.136.673.107 10.612 *** 상대적 이점1 1.000.730 상대적 이점2.751.521.085 8.878 *** 상대적 이점3.748.751.548.080 9.353 *** 상대적 이점4.939.684.080 11.732 *** 상대적 이점5.894.609.086 10.414 ***

314 항목 Cronbach s α 비표준하요인적 표준화요인적 재량a 재량b S.E.a C.R.a Pa 위험성1 1.000.599 위험성2 1.229.713.137 8.981 *** 위험성3.775 1.147.654.134 8.550 *** 위험성4.881.516.122 7.232 *** 위험성5 1.212.728.134 9.070 *** 접근성1 1.000.760 접근성2.907.654.083 10.927 *** 접근성3.809 1.010.706.086 11.804 *** 접근성4.875.656.080 10.965 *** 접근성5.788.625.075 10.439 *** 용이성1 1.000.734 용이성2.956.685.086 11.099 ***.785 용이성3 1.018.670.094 10.878 *** 용이성4.993.674.091 10.929 *** 유용성1 1.000.816 유용성2.911.756.063 14.548 ***.808 유용성3.797.635.068 11.729 *** 유용성4.845.679.066 12.720 *** 사용태도1 1.000.803 사용태도2.805.667.064 12.552 ***.813 사용태도3.852.625.073 11.601 *** 사용태도4.968.765.065 14.883 *** 사용의도1 1.000.777 *** 사용의도2.879.674.074 11.911 ***.795 사용의도3.863.638.077 11.208 *** 사용의도4.913.680.076 12.030 *** 2) 모형 적합도 (One step) 지수 값 RMR.077 GFI.793 NFI.820 TLI.886 Chi-square (df)a 1580.084 (728) Chi-square / df 2.170

부 록 315 3) 요인적 재량 및 유의성 항목 호환성1 Cronbach s α 비표준하요인적 재량a 표준화요인적 재량b 1.000.756 S.E.a C.R.a Pa 호환성2.999.738.082 12.156 *** 호환성3.844 1.047.692.088 11.909 *** 호환성4 1.013.667.090 11.241 *** 호환성5.958.797.088 10.878 *** 상대적 이점1 1.000.776 상대적 이점2.958.803.063 15.088 ***.874 상대적 이점3.986.786.063 15.763 *** 상대적 이점4.961.648.063 15.336 *** 상대적 이점5.771.784.064 12.094 *** 접근성1 1.000.798 접근성2 1.017.695.068 14.954 *** 접근성3.866.893.785.070 12.734 *** 접근성4.997.696.068 14.679 *** 접근성5.856.733.067 12.746 *** 사용의 용이성1 1.000.769 사용의 용이성2 1.078.779.083 13.003 ***.822 사용의 용이성3 1.148.632.087 13.154 *** 사용의 용이성4.907.778.085 10.686 *** 유용성1 1.000.797 유용성2.980.793.065 15.096 ***.869 유용성3.996.783.066 14.995 *** 유용성4.980.683.066 14.788 *** 인지된 성능적 위험1 인지된 성능적 위험2 인지된 성능적 위험3 인지된 성능적 위험4.826 1.000.824 1.226.765.099 12.354 *** 1.144.584.097 11.734 ***.886.756.095 9.293 ***

316 항목 인지된 성능적 위험5 인지된 위험성1 Cronbach s α 비표준하요인적 재량a 표준화요인적 재량b S.E.a C.R.a Pa.877.622.089 9.838 *** 1.000.724 인지된 위험성2 1.095.779.088 12.497 ***.832 인지된 위험성3 1.098.757.090 12.204 *** 인지된 위험성4 1.046.721.089 11.699 *** 사용태도1 1.000.900 사용태도2.896.856.041 21.923 ***.891 사용태도3.711.716.045 15.784 *** 사용태도4.884.837.042 20.942 *** 사용의도1 1.000.797 사용의도2.988.808.062 15.995 ***.863 사용의도3 1.041.843.062 16.911 *** 사용의도4.872.720.063 13.818 *** 4) 가설의 검증 가설 표준화 경로계수a S.E.a C.R.a Pa 가설 검증b H1: C à PEOU.821.077 10.606 *** 채택 H2: RA à PU.503.062 8.093 *** 채택 H3: ACC à PU.409.059 6.893 *** 채택 H4: PPR à ATU.116.079 1.472.141 기각 H5: PS à ATU -.293.073-3.999 *** 채택 H6: PU à ATU.764.081 9.460 *** 채택 H7: PEOU à ATU.426.083 5.129 *** 채택 H8: ATU à ITU.830.049 16.896 *** 채택

부 록 317 마. 공유경제 (사물인터넷 기반 공유경제) 1) 인구통계분포 성별 나이 최종학력 결혼 여부 총 가구 월평균 소득 빈도수 비중 남성 161 50.5 여성 158 49.5 10대 69 21.6 20대 65 20.4 30대 65 20.4 40대 61 19.1 50세 이상 59 18.5 중졸 이하 6 1.9 고등학교 재학 52 16.3 고졸 45 14.1 대학교 재학 37 11.6 대졸 154 48.3 대학원 재학 6 1.9 대학원졸 이상 19 6.0 미혼 166 52.0 기혼 153 48.0 200만 원 미만 26 8.2 200만 원 대 50 15.6 300만 원 대 72 22.6 400만 원 대 47 14.7 5백만 원 대 53 16.6 6백만 원 대 22 6.9 700~999만 원 31 9.8 1,000만 원 이상 18 5.6 2) 모형 적합도 지수 값 RMR.044 GFI.824 NFI.797 TLI.876 Chi-square (df)a 1172.715 Chi-square / df 나눈 결과값 2.00807363

318 3) 요인적 재량 및 유의성 항목 Cronbach s α 비표준하요인적 표준화요인적 재량a 재량b S.E.a C.R.a Pa 호환성1 1.000.663 호환성2 1.140.684.106 10.762 *** 호환성3.815 1.033.588.110 9.431 *** 호환성4 1.189.668.113 10.554 *** 호환성5 1.136.673.107 10.612 *** 상대적 이점1 1.000.730 상대적 이점2.751.521.085 8.878 *** 상대적 이점3.748.751.548.080 9.353 *** 상대적 이점4.939.684.080 11.732 *** 상대적 이점5.894.609.086 10.414 *** 위험성1 1.000.599 위험성2 1.229.713.137 8.981 *** 위험성3.775 1.147.654.134 8.550 *** 위험성4.881.516.122 7.232 *** 위험성5 1.212.728.134 9.070 *** 접근성1 1.000.760 접근성2.907.654.083 10.927 *** 접근성3.809 1.010.706.086 11.804 *** 접근성4.875.656.080 10.965 *** 접근성5.788.625.075 10.439 *** 용이성1 1.000.734 용이성2.956.685.086 11.099 ***.785 용이성3 1.018.670.094 10.878 *** 용이성4.993.674.091 10.929 *** 유용성1 1.000.816 유용성2.911.756.063 14.548 ***.808 유용성3.797.635.068 11.729 *** 유용성4.845.679.066 12.720 *** 사용태도1 1.000.803 사용태도2.805.667.064 12.552 ***.813 사용태도3.852.625.073 11.601 *** 사용태도4.968.765.065 14.883 *** 사용의도1 1.000.777 *** 사용의도2.879.674.074 11.911 ***.795 사용의도3.863.638.077 11.208 *** 사용의도4.913.680.076 12.030 ***

부 록 319 4) 가설의 검증 가설 표준화 경로계수a S.E.a C.R.a Pa 가설 검증b H1: Compatibility à PEoU.992.101 9.804 *** 채택 H2: RA à PU.695.097 7.162 *** 채택 H3: Access à PU.281.087 3.234.001(***) 채택 H4: PEoUà AT.322.065 4.980 *** 채택 H5: PU à AT.682.066 10.352 *** 채택 H6: PR à AT -.117.049-2.400.016(**) 채택 H7: AT àiu.915.066 13.787 *** 채택 바. 스마트헬스 (앱 기반 스마트헬스) 1) 인구통계분포 성별 나이 최종학력 결혼 여부 총 가구 월평균 소득 빈도수 비중 남성 153 49.4% 여성 157 50.6% 10대 64 21% 20대 67 21% 30대 55 18% 40대 63 20% 50세 이상 61 20% 중졸 이하 10 3% 고등학교 재학 43 14% 고졸 54 17% 대학교 재학 36 12% 대졸 147 48% 대학원 재학 1 0% 대학원졸 이상 19 6% 미혼 175 56% 기혼 135 44% 200만 원 미만 30 10% 200만 원 대 43 14%

320 총 가구 월평균 소득 빈도수 비중 300만 원 대 47 15% 400만 원 대 59 19% 5백만 원 대 46 15% 6백만 원 대 25 8% 700~999만 원 36 11% 1,000만 원 이상 24 8% 2) 모형 적합도 지수 값 RMR 0.172 GFI 0.757 NFI 0.741 TLI 0.791 Chi-square (df)a 1869.399 (587) Chi-square / df 나눈 결과값 / 3.185 3) 요인적 재량 및 유의성 항목 호환성1 Cronbach s α 비표준하요인적 재량a 표준화요인적 재량b S.E.a C.R.a Pa.787.080 9.834 *** 호환성2.878.085 10.271 *** 호환성3 0.806.888.089 9.984 *** 호환성4.987.095 10.381 *** 호환성5 1.000 상대적 이점1 1.015.096 10.527 *** 상대적 이점2.966.100 9.656 *** 상대적 이점3 0.830 1.099.097 11.358 *** 상대적 이점4 1.218.108 11.274 *** 상대적 이점5 1.000 위험성1 1.000 위험성2 0.847 1.115.096 11.581 *** 위험성3 1.164.100 11.658 ***

부 록 321 항목 Cronbach s α 비표준하요인적 재량a 표준화요인적 재량b S.E.a C.R.a Pa 위험성4.950.093 10.192 *** 위험성5 1.011.091 11.125 *** 접근성1 1.321.134 9.881 *** 접근성2 1.411.138 10.195 *** 접근성3 0.844 1.379.137 10.032 *** 접근성4 1.224.128 9.580 *** 접근성5 1.000 사용용이성1 1.000 사용용이성2 1.172.103 11.343 *** 0.824 사용용이성3 1.195.107 11.220 *** 사용용이성4 1.011.104 9.753 *** 유용성1.980.097 10.145 *** 유용성2.874.100 8.781 *** 0.846 유용성3.847.097 8.744 *** 유용성4 1.000 사용태도1 1.000 사용태도2.973.089 10.961 *** 0.875 사용태도3.955.096 9.971 *** 사용태도4.980.089 10.969 *** 사용의도1 1.000 사용의도2 1.065.105 10.116 *** 0.855 사용의도3 1.080.108 9.973 *** 사용의도4.931.103 9.030 *** 4) 가설의 검증 가설 표준화 경로계수 S.E. C.R. P 가설 검증 H1: RA à PU.836.081 10.290 *** 채택 H2: AC à PU.423.065 6.459 *** 채택 H3: C à PEOU.718.075 9.520 *** 채택 H4: PEOU à AT.309.046 6.735 *** 채택 H5: PU à AT.775.066 11.749 *** 채택 H6: RS à AT -.078.037-2.105.035 채택 H7: AT à IU.920.084 10.915 *** 채택

322 사. 스마트홈(스마트홈 시스템) 1) 인구통계분포 성별 나이 최종학력 결혼 여부 총 가구 월평균 소득 빈도수 비중 남성 152 49 여성 158 51 10대 69 23 20대 57 19 30대 67 22 40대 60 19 50세 이상 57 18 중졸 이하 9 3 고등학교 재학 39 13 고졸 47 15 대학교 재학 42 14 대졸 151 49 대학원 재학 6 2 대학원졸 이상 16 5 미혼 168 54 기혼 142 46 200만 원 미만 27 9 200만 원 대 47 15 300만 원 대 57 18 400만 원 대 48 16 5백만 원 대 58 19 6백만 원 대 25 8 700~999만 원 25 8 1,000만 원 이상 9 3 2) 모형 적합도 지수 값 RMR.227 GFI.733 NFI.765 TLI.806 Chi-square (df)a 2051.696 Chi-square / df 3.495

부 록 323 3) 요인적 재량 및 유의성 항목 Cronbach s α 비표준하요 인적 재량a 호환성1 표준화요인적 재량b S.E.a C.R.a Pa 1.000.695 - - - 호환성2 1.061.711.093 11.374 *** 호환성3.85 1.014.680.093 10.906 *** 호환성4 1.228.772.100 12.256 *** 호환성5 1.279.820.099 12.895 *** 상대적 이점1 1.000.806 - - - 상대적 이점2.845.687.066 12.828 *** 상대적 이점3.86.922.755.064 14.444 *** 상대적 이점4.952.790.062 15.321 *** 상대적 이점5.855.697.066 13.042 *** 접근성1 1.000.812 - - - 접근성2 1.105.867.063 17.590 *** 접근성3.90 1.007.822.062 16.369 *** 접근성4.986.802.062 15.834 *** 접근성5.881.761.060 14.765 *** 사용 용이성1 1.000.720 - - - 사용 용이성2.921.701.081 11.423 ***.80 사용 용이성3 1.072.762.087 12.356 *** 사용 용이성4.916.626.090 10.228 *** 유용성1 1.000.780 - - - 유용성2 1.000.793.067 14.856 ***.88 유용성3.865.730.064 13.440 *** 유용성4.937.737.069 13.615 *** 위험성1 1.000.694 - - - 위험성2 1.261.849.099 12.795 *** 위험성3.85 1.248.791.102 12.199 *** 위험성4.950.610.098 9.678 *** 위험성5.996.690.092 10.844 *** 사용태도1 1.000.802 - - - 사용태도2.90.971.773.067 14.514 *** 사용태도3.938.700.073 12.853 ***

324 항목 Cronbach s α 비표준하요 인적 재량a 표준화요인적 재량b S.E.a C.R.a Pa 사용태도4.963.740.070 13.752 *** 사용의도1 1.000.802 - - - 사용의도2.984.773.904 10.415 ***.88 사용의도3 1.013.700.085 11.922 *** 사용의도4.904.740.091 9.942 *** 4) 가설의 검증 가설 표준화 경로계수a S.E.a C.R.a Pa 가설 검증b H1: Com à PeoU.914.88 10.327 *** 채택 H2: RA à PU.836.060 14.002 *** 채택 H3: Acc à PU.241.034 7.200 *** 채택 H4: PEoU à Att.533.055 9.728 *** 채택 H5: PU à Att.602.055 11.002 *** 채택 H6: Risk2 à Att -.03.034 -.879.379 기각 H7: Att à IU.984.081 12.137 *** 채택

부 록 325 [부록 2] 마이크로시뮬레이션 프로그램 코드(LIAM2) entities: household: fields: - hhld: int - h_income: int - region: int - houstyp: int - hhldp: {type: int, initialdata: False} - hhldsiz: {type: int, initialdata: False} - h_phone: {type: bool, initialdata: False} - h_deskpc: {type: bool, initialdata: False} - h_notepc: {type: bool, initialdata: False} - h_newssub: {type: bool, initialdata: False} - h_payedtv: {type: bool, initialdata: False} links: persons: {type: one2many, target: person, field: hh_id} macros: UNSET: -1 processes: clean_empty: - empty: persons.count() == 0 - show('number of empty households:', count(empty)) - remove(empty) family_change: - hhldp : persons.count() - hhld : if(hhld == UNSET, hhldp, hhld + hhldp - lag(hhldp) + persons.count(to_give_birth == 1)) - hhldsiz: if(hhld > 2, 3, hhld) - show('avg number of family members', avg(hhld)) - show('number of Single Family', count(hhld==1))

326 - houstyp: if(houstyp == UNSET, choice([1,2,3],[0.18, 0.11, 0.71]), houstyp) - region: if(region == UNSET, persons.min(region), region) media_infra: - h_phone: persons.max(cordphone, ISHEAD) - h_deskpc: persons.max(deskpc, ISHEAD) - h_notepc: persons.max(notepc, ISHEAD) - h_newssub: persons.max(newspapersubs, ISHEAD) - h_payedtv: persons.max(payedtv, ISHEAD) csv_output: - csv(period, avg(hhld), count(hhld==1)/count(), avg(h_income), avg(region), avg(houstyp), fname='hh_size.csv', mode='a') init_count: - hhldp : persons.count() - hhldsiz: if(hhld > 2, 3, hhld) init_reports: - csv('period', 'N persons', 'Single family ratio', 'H income', 'Area', 'House Type', fname='hh_size.csv') person: fields: # period and id are implicit - relation: int - gender: int - age: int - school: int - civilstate: int - income: int - job: bool - p14wt: float - hh_id: int - hhld: int - h_income : int - region : int - houstyp : int - mofavorite : int - emailuse : bool

부 록 327 - snsuse : bool - smartpho : bool - t_paper : float - t_tv : float - t_pc : float - t_phone : float - cordphone : bool - deskpc : bool - notepc : bool - newspapersubs : bool - payedtv: bool # fields not present in input - partner_id: {type: int, initialdata: False} - to_give_birth: {type: bool, initialdata: False} - agegroup_work: {type: int, initialdata: False} - agegroup_civilstate: {type: int, initialdata: False} - inschool: {type: bool, initialdata: False} links: partner: {type: many2one, target: person, field: partner_id} household: {type: many2one, target: household, field: hh_id} dependents: {type: one2many, target: person, field: hh_id} macros: UNSET: -1 MALE: 1 FEMALE: 2 ISMALE: gender == 1 ISFEMALE: gender == 2 ISHEAD: relation == 1 ISPARTNER: relation == 2 ISCHILDREN: relation == 3 ISOTHERS: relation == 4 ISDEPENDENTS: relation >= 3 ACTIVEAGE: (age >= 15) and (age < RETIREMENTAGE)

328 SINGLE: 1 MARRIED: 2 WIDOW: 3 DIVORCED: 4 ISSINGLE: civilstate == 1 ISMARRIED: civilstate == 2 ISWIDOW: civilstate == 3 ISDIVORCED: civilstate == 4 ISREGION1: region == 1 ISREGION2: region == 2 ISREGION3: region == 3 ISREGION4: region == 4 ISREGION5: region == 5 ISONEMEM: household.hhldsiz == 1 ISTWOMEM: household.hhldsiz == 2 ISMOREMEM: household.hhldsiz == 3 ISHOUSETYP1: houstyp == 1 ISHOUSETYP2: houstyp == 2 ISHOUSETYP3: houstyp == 3 EMPLOYED: True UNEMPLOYED: False ISEMPLOYED: job ISUNEMPLOYED: not job ISSTUDENT: inschool == 1 PRIMARY_EDU: 1 MIDDLE_EDU: 2 HIGH_EDU: 3 COLLEGE_EDU: 4 GRADUATE_EDU: 5 IS_PRIMARY_EDU: school == 1 IS_MIDDLE_EDU: school == 2 IS_HIGH_EDU: school == 3 IS_COLLEGE_EDU: school == 4 IS_GRADUATE_EDU: school == 5 ISK12: age > 6 and age <19 ISCOLLEGE: age > 18 and age < 25

부 록 329 HAVEAPHONE: smartpho == 1 HAVEADPC: deskpc == 1 HAVEANPC: notepc == 1 SUBNEWSPAPER: newspapersubs == 1 SUBPAYEDTV: payedtv == 1 USESNS: snsuse == 1 # possible transitions and regressions processes: ageing: - age: age + 1 - agegroup_civilstate: if(age < 60, 5 * trunc(age / 5), 10 * trunc(age / 10)) - agegroup_work: if(age >= 15 and age < 30, 1, 0) - agegroup_work: if(age >= 30 and age < 50, 2, agegroup_work) - agegroup_work: if(age >= 50 and age < 65, 3, agegroup_work) - agegroup_work: if(age >= 65, 4, agegroup_work) - show('total Adult Population', count(age>=20)) 50) and ISMARRIED, birth: - to_give_birth: logit_regr(0.0, filter=isfemale and (age >= 15) and (age <= align='al_p_birth.csv') death: - dead: if(ismale, logit_regr(0.0, align='al_p_dead_m.csv'), logit_regr(0.0, align='al_p_dead_f.csv')) - show('avg age of dead men', avg(age, filter=dead and ISMALE)) - show('avg age of dead women', avg(age, filter=dead and ISFEMALE)) - remove(dead) marriage: - partner_id: UNSET - to_couple: if((age >= 18) and (age <= 90) and ISSINGLE, if(ismale, logit_regr(0.0, align='al_p_mmkt_m.csv'),

330 logit_regr(0.0, align='al_p_mmkt_f.csv')), False) - good_match_m: if(to_couple and ISMALE, 100 - abs(age - median(age, filter=to_couple and ISMALE)) + 5 * ISEMPLOYED, nan) - good_match_f: if(to_couple and ISFEMALE, 100 - abs(age - median(age, filter=to_couple and ISFEMALE)) + 5 * ISEMPLOYED, nan) - partner_id: if(to_couple, rank_matching(set1filter=ismale, set2filter=isfemale, o r d e r b y 1 = g o o d _ m a t c h _ M, orderby2=good_match_f), partner_id) - justcoupled: to_couple and (partner_id!= UNSET) - relation: if(justcoupled and ISMALE, 1, relation) - relation: if(justcoupled and ISFEMALE, 2, relation) # create new households for newly wed women - needhousehold: ISMALE and justcoupled and ISDEPENDENTS - hh_id: if(needhousehold, new('household'), hh_id) # bring along their wife - hh_id: if(isfemale and justcoupled, partner.hh_id, hh_id) - civilstate: if(justcoupled, MARRIED, civilstate) get_a_life: # create new households for persons aged 24+ who are still living with their mother - should_move: if(isdependents and age >= 20 and age < 35, choice([true, False], [0.1, 0.9]), False) - hh_id: if(should_move, new('household'), hh_id) - relation: if(should_move, 1, relation) - show('new household', count(should_move)) education: - school: if(age == 7, PRIMARY_EDU, school) - school: if(age == 13, MIDDLE_EDU, school) - school: if(age == 16, HIGH_EDU, school) - school: if(age == 19 and not IS_COLLEGE_EDU, choice([high_edu, COLLEGE_EDU, GRADUATE_EDU], [0.31, 0.60, 0.09]), school) - inschool: if(age < 19, True, False) - inschool: if(ismale and ISUNEMPLOYED and

부 록 331 ((age < 21 and IS_HIGH_EDU) or (age < uniform(24,26) and IS_COLLEGE_EDU) or (age < uniform(25,30) and IS_GRADUATE_EDU)), True, inschool) - inschool: if(isfemale and ISUNEMPLOYED and ((age < 19 and IS_HIGH_EDU) or (age < uniform(23,24) and IS_COLLEGE_EDU) or (age < uniform(25,28) and IS_GRADUATE_EDU)), True, inschool) - show('num students', sum(isstudent)) inwork: - work_score: logit_score( 4.162682 * lag(job) - 0.4238109 * ISFEMALE - 1.11622 * ISPARTNER - 0.2082945 * ISCHILDREN - 0.6535003 * ISOTHERS - 0.5358681 * ISMARRIED - 1.065764 * ISWIDOW - 0.8742117 * ISDIVORCED + 0.2572813 * age - 0.0025339 * age **2-6.289326) - work: if(activeage, align(work_score, 'al_p_inwork.csv', leave=isstudent), False) - job: if(work, EMPLOYED, UNEMPLOYED) #- show(groupby(job, lag(job))) - show('have job', count(work), '(kept:', count(work and lag(isemployed)), '/ new:', count(work and not lag(isemployed)), ')') # - csv(dump(id, agegroup_work, school, work_score, job, lag(job))) income: - income: trunc(0.6394642 * lag(income) - 0.1918197 * ISFEMALE - 0.6671735 * ISPARTNER - 0.3492448 * ISCHILDREN - 0.2311159 * ISOTHERS + 0.4306774 * ISMARRIED + 0.329415 * ISWIDOW + 0.0750416 * ISDIVORCED + 0.0128969 * age - 0.0002619 * age **2 + 1.401483 * job + 0.7682434 + 0.5)

332 - income: clip(income, 1, 18) smartphone: - smartpho: logit_regr(3.8871791 * lag(smartpho) - 0.48158509 * ISREGION2-0.18619531 * ISREGION3-0.37870449 * ISREGION4-0.67482433 * ISREGION5 + 0.20389083 * ISHOUSETYP2 + 0.12013466 * ISHOUSETYP3 + 0.02083967 * age - 0.00080667 * age ** 2-1.6949024 * IS_PRIMARY_EDU - 0.78762433 * IS_MIDDLE_EDU - 0.19009436 * IS_HIGH_EDU + 0.28040476 * IS_COLLEGE_EDU + 0.03079007 * income + 0.12624216 * job + 0.810646) #- smartpho: if(smartpho == 0 and lag(smartpho == 1), True, smartpho) - smartpho: if(smartpho == 0 and lag(smartpho == 1) and uniform() > (1/(period-2005)), True, smartpho) - show('have a smartphone', count(smartpho), count(smartpho and age >= 20), sum(smartpho * p14wt, age >= 20), count(smartpho and age >= 20)/count(age >= 20), sum(smartpho * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(smartpho * p14wt)/sum(p14wt)) - show(groupby(smartpho, lag(smartpho), filter=age >= 20)) cordphone: - cordphone: if(ishead, logit_regr(3.4384819 * lag(cordphone) + 0.33150199 * ISREGION2 + 0.55101843 * ISREGION3 + 0.63147215 * ISREGION4 + 1.1348979 * ISREGION5-0.33513033 * ISHOUSETYP2-0.25379456 * ISHOUSETYP3 + 0.04480404 * age + 0.39422739 * household.hhld - 0.20347105 * IS_PRIMARY_EDU - 0.15091038 * IS_MIDDLE_EDU - 0.12025585 * IS_HIGH_EDU - 0.0807319 * IS_COLLEGE_EDU + 0.05346001 * income + 0.10325192 * job - 5.0601211), False) - show('have a cordphone', count(cordphone), count(cordphone and ISHEAD), sum(cordphone * p14wt, ISHEAD), count(cordphone and ISHEAD)/count(ISHEAD), sum(cordphone * p14wt, ISHEAD)/sum(p14wt, ISHEAD)) - show(groupby(cordphone, lag(cordphone), filter=ishead)) deskpc: - deskpc: if(ishead, logit_regr(4.3831002 * lag(deskpc) + 0.188909 * ISHOUSETYP2 + 0.35271572 * ISHOUSETYP3-0.02435864 * age + 0.86236253 * household.hhldsiz + 0.4353918 * IS_MIDDLE_EDU + 0.73219967 * IS_HIGH_EDU

부 록 333 + 0.84918353 * IS_COLLEGE_EDU + 0.45902742 * IS_GRADUATE_EDU - 3.2068186-0.0711435 * ISREGION2-0.51175812 * ISREGION3-0.2682453 * ISREGION4-0.39584872 * ISREGION5), False) - show('have a deskpc', count(deskpc), count(deskpc and ISHEAD), sum(deskpc * p14wt, ISHEAD), count(deskpc and ISHEAD)/count(ISHEAD), sum(deskpc * p14wt, ISHEAD)/sum(p14wt, ISHEAD)) - show(groupby(deskpc, lag(deskpc), filter=ishead)) notepc: - notepc: if(ishead, logit_regr(4.1042259 * lag(notepc) + 0.30127595 * ISHOUSETYP2 + 0.27480373 * ISHOUSETYP3-0.00506082 * age + 0.29035139 * household.hhld + 0.32762305 * IS_MIDDLE_EDU + 0.96927267 * IS_HIGH_EDU + 1.2331813 * IS_COLLEGE_EDU + 1.7179645 * IS_GRADUATE_EDU + 0.05940379 * income - 0.29895774 * job - 4.8384256), False) #- notepc: if(notepc == 0 and lag(notepc == 1) and uniform() > (lag(duration(deskpc == 1))/5), True, notepc) - notepc: if(ishead and notepc == 0 and lag(notepc == 1) and uniform() > 0.5, True, notepc) - show('have a notepc', count(notepc), count(notepc and ISHEAD), sum(notepc * p14wt, ISHEAD), count(notepc and ISHEAD)/count(ISHEAD), sum(notepc * p14wt, ISHEAD)/sum(p14wt, ISHEAD)) - show(groupby(notepc, lag(notepc), filter=ishead)) newspapersubs: - newspapersubs: if(ishead, logit_regr(2.7507396 * lag(newspapersubs) + 0.22750019 * ISHOUSETYP2 + 0.06111469 * ISHOUSETYP3 + 0.72821576 * ISTWOMEM + 0.88716608 * ISMOREMEM + 0.15248588 * age - 0.0010057 * age ** 2-0.19494505 * ISREGION2-0.36519376 * ISREGION3-0.71380275 * ISREGION4-0.28611967 * ISREGION5 + 0.68347502 * IS_MIDDLE_EDU + 0.89423934 * IS_HIGH_EDU + 1.2608542 * IS_COLLEGE_EDU + 1.5865597 * IS_GRADUATE_EDU + 0.08870968 * income - 10.166263), False) - show('have a newspapersubs', count(newspapersubs), count(newspapersubs and ISHEAD), sum(newspapersubs * p14wt, ISHEAD), count(newspapersubs and ISHEAD)/count(ISHEAD),

334 sum(newspapersubs * p14wt, ISHEAD)/sum(p14wt, ISHEAD)) - show(groupby(newspapersubs, lag(newspapersubs), filter=ishead)) payedtv: - payedtv: if(ishead, logit_regr(2.9829598 * lag(payedtv) - 0.08112571 * ISHOUSETYP2-0.30841402 * ISHOUSETYP3 + 0.61643126 * ISTWOMEM + 0.57922198 * ISMOREMEM + 0.00962616 * age + 0.27017555 * ISREGION2-0.3177374 * ISREGION3 + 0.6338482 * ISREGION4-0.02329868 * ISREGION5 + 0.19810483 * IS_MIDDLE_EDU + 0.08545125 * IS_HIGH_EDU - 0.41054104 * IS_COLLEGE_EDU - 0.76441153 * IS_GRADUATE_EDU + 0.05207402 * income - 0.79211645), False) - payedtv: if(ishead and payedtv == 0 and lag(payedtv == 1) and uniform() > 0.5, True, payedtv) - show('have a payedtv', count(payedtv), count(payedtv and ISHEAD), sum(payedtv * p14wt, ISHEAD), count(payedtv and ISHEAD)/count(ISHEAD), sum(payedtv * p14wt, ISHEAD)/sum(p14wt, ISHEAD)) - show(groupby(payedtv, lag(payedtv), filter=ishead)) snsuse: - snsuse: logit_regr(1.0009498 * lag(snsuse) + 2.1599744 * HAVEAPHONE + 0.15844713 * HAVEADPC + 0.24643359 * HAVEANPC + 0.05110222 * ISREGION2-0.05778625 * ISREGION3 + 0.2971779 * ISREGION4 + 0.41070745 * ISREGION5 + 0.2605726 * ISPARTNER + 0.24764018 * ISCHILDREN + 0.16246529 * ISOTHERS - 0.05255582 * age - 2.334451 * IS_PRIMARY_EDU - 1.2880277 * IS_MIDDLE_EDU - 0.82052027 * IS_HIGH_EDU - 0.43071056 * IS_COLLEGE_EDU + 0.04004174 * income - 0.66570642) - snsuse: if(snsuse == 0 and lag(snsuse == 1) and uniform() > 0.5, True, snsuse) - show('use a sns', count(snsuse), count(snsuse and age >= 20), sum(snsuse * p14wt, age >= 20), count(snsuse and age >= 20)/count(age >= 20), sum(snsuse * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(snsuse * p14wt)/sum(p14wt)) - show(groupby(snsuse, lag(snsuse), filter=age >= 20)) Infra_change:

부 록 335 - cordphone: if(not ISHEAD, household.h_phone, cordphone) - deskpc: if(not ISHEAD, household.h_deskpc, deskpc) - notepc: if(not ISHEAD, household.h_notepc, notepc) - newspapersubs: if(not ISHEAD, household.h_newssub, newspapersubs) - payedtv: if(not ISHEAD, household.h_payedtv, payedtv) time_for_paper: - t_paper: clip(0.40903581 * lag(t_paper) - 5.5074515 * HAVEAPHONE + 8.6461848 * SUBNEWSPAPER + 23.434176 * ISREGION2-9.682585 * ISREGION3 + 26.739452 * ISREGION4 + 24.399898 * ISREGION5 + 1.4032094 * age - 0.01133607 * age **2 + 171.16805 * ISK12 + 33.963975 * ISCOLLEGE - 3.8209396 * ISPARTNER + 4.015375 * ISCHILDREN + 8.0357719 * ISOTHERS + 12.939621 * school - 12.887719 * ISEMPLOYED - 73.4294, 0, 1000) - show('time for paper', sum(t_paper * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_paper * p14wt)/sum(p14wt)) time_for_tv: - t_tv: clip(0.33053974 * lag(t_tv) - 5.6952058 * HAVEAPHONE - 10.374091 * HAVEADPC - 7.7217578 * SUBNEWSPAPER + 36.205865 * SUBPAYEDTV + 9.8058627 * ISFEMALE - 5.279675 * ISREGION2-12.851039 * ISREGION3 + 3.0251918 * ISREGION4-9.1432505 * ISREGION5 + 2.5638963 * ISPARTNER - 21.824392 * ISCHILDREN + 2.245258 * ISOTHERS + 3.8039863 * age - 0.02331699 * age **2-3.9113068 * school - 60.967478 * ISEMPLOYED + 42.472299, 0, 1200) - show('time for tv', sum(t_tv * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_tv * p14wt)/sum(p14wt)) time_for_pc: - t_pc: clip(0.37487722 * lag(t_pc) + 2.3897492 * HAVEAPHONE + 3.7105709 * HAVEADPC + 11.910499 * HAVEANPC + 4.0916146 * SUBNEWSPAPER - 10.805042 * SUBPAYEDTV - 3.7029476 * ISFEMALE - 4.3553006 * ISREGION2-4.4728663 * ISREGION3 -

336 0.34928859 * ISREGION4-3.7750475 * ISREGION5-6.1588664 * ISTWOMEM - 8.9206229 * ISMOREMEM - 1.4909391 * age + 0.0121961 * age **2 + 1.7449477 * ISPARTNER + 10.664133 * ISCHILDREN + 7.5207015 * ISOTHERS + 11.414702 * school + 4.6066259 * income + 7.0420263 * ISEMPLOYED + 29.853795, 0, 1200) - show('time for pc', sum(t_pc * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_pc * p14wt)/sum(p14wt)) time_for_phone: - t_phone: clip(0.34993795 * lag(t_phone) + 24.702881 * HAVEAPHONE - 2.4352972 * HAVEADPC + 4.8934611 * HAVEANPC + 6.4853426 * SUBNEWSPAPER + 6.7065055 * ISFEMALE - 6.0294147 * ISREGION2 + 2.3934743 * ISREGION3-8.3828939 * ISREGION4-6.9203901 * ISREGION5-5.6803286 * ISPARTNER + 7.5158458 * ISCHILDREN + 1.1073211 * ISOTHERS + 0.74734712 * age - 0.00936805 * age **2 + 5.2633825 * school + 2.1263843 * ISEMPLOYED + 13.50279, 0, 1000) - show('time for phone', sum(t_phone * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_phone * p14wt)/sum(p14wt)) civilstate_changes: - region: if(region!= household.region, household.region, region) - houstyp: if(houstyp!= household.houstyp, household.houstyp, houstyp) # - show(groupby(region, houstyp)) chart_demography: - bar(groupby(agegroup_civilstate, gender), fname='demography_{period}.png') csv_output: - csv(period, sum(p14wt, age >= 20), sum(smartpho * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(cordphone * p14wt, ISHEAD)/sum(p14wt, ISHEAD), sum(deskpc * p14wt, ISHEAD)/sum(p14wt, ISHEAD), sum(notepc * p14wt, ISHEAD)/sum(p14wt, ISHEAD), sum(newspapersubs * p14wt, ISHEAD)/sum(p14wt, ISHEAD),

부 록 337 sum(payedtv * p14wt, ISHEAD)/sum(p14wt, ISHEAD), sum(snsuse * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_paper * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_tv * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_pc * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_phone * p14wt, age >= 20)/sum(p14wt, age >= 20), fname='media_use_output.csv', mode='a') - csv(period, sum(p14wt), sum(p14wt, age >= 20), sum(p14wt, ISHEAD), sum(age * p14wt)/sum(p14wt), sum(age * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(p14wt, ISMARRIED), sum(relation * p14wt)/sum(p14wt), sum(p14wt, ISSTUDENT), sum(school * p14wt)/sum(p14wt), sum(p14wt, ISEMPLOYED)/sum(p14wt), sum(income * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(region * p14wt, ISHEAD)/sum(p14wt, ISHEAD), sum(houstyp * p14wt, ISHEAD)/sum(p14wt, ISHEAD), fname='demography_change.csv', mode='a') # sum(needhousehold * p14wt + should_move * p14wt), 'new hh', init_reports: - show('total Adult Pop:', count(age>=20), 'Weighted Adult Pop:', sum(p14wt, age >= 20)) - show('\nsmartphone', sum(smartpho * p14wt, age >= 20), sum(smartpho * p14wt, age >= 20)/sum(p14wt, age >= 20)) # count(smartpho and age >= 20), count(smartpho and age >= 20)/count(age >= 20), sum(smartpho * p14wt)/sum(p14wt) - show('\ncordphone', count(cordphone and ISHEAD), sum(cordphone * p14wt, ISHEAD), count(cordphone and ISHEAD)/count(ISHEAD), sum(cordphone * p14wt, ISHEAD)/sum(p14wt, ISHEAD)) - show('\nhave a deskpc', count(deskpc), count(deskpc and ISHEAD), sum(deskpc * p14wt, ISHEAD), count(deskpc and ISHEAD)/count(ISHEAD), sum(deskpc * p14wt, ISHEAD)/sum(p14wt, ISHEAD)) - show('\nhave a notepc', count(notepc), count(notepc and ISHEAD), sum(notepc * p14wt, ISHEAD), count(notepc and ISHEAD)/count(ISHEAD), sum(notepc * p14wt, ISHEAD)/sum(p14wt, ISHEAD)) - show('\nhave a newspapersubs', count(newspapersubs), count(newspapersubs and ISHEAD), sum(newspapersubs * p14wt, ISHEAD), count(newspapersubs and ISHEAD)/count(ISHEAD), sum(newspapersubs * p14wt, ISHEAD)/sum(p14wt, ISHEAD))

338 - show('\nhave a payedtv', count(payedtv), count(payedtv and ISHEAD), sum(payedtv * p14wt, ISHEAD), count(payedtv and ISHEAD)/count(ISHEAD), sum(payedtv * p14wt, ISHEAD)/sum(p14wt, ISHEAD)) - show('\nsns', count(snsuse), count(snsuse and age >= 20), sum(snsuse * p14wt, age >= 20), count(snsuse and age >= 20)/count(age >= 20), sum(snsuse * p14wt, age >= 20)/sum(p14wt, age >= 20)) - show('\ntime for paper', sum(t_paper * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_paper * p14wt)/sum(p14wt)) - show('\ntime for tv', sum(t_tv * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_tv * p14wt)/sum(p14wt)) - show('\ntime for pc', sum(t_pc * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_pc * p14wt)/sum(p14wt)) - show('\ntime for phone', sum(t_phone * p14wt, age >= 20)/sum(p14wt, age >= 20), sum(t_phone * p14wt)/sum(p14wt)) - csv('period', 'W.Adult Pop', 'smartphone', 'cordphone', 'deskpc', 'notepc', 'newssub', 'payedtv', 'snsuse', 'paper time', 'tv time', 'pc time', 'phone time', fname='media_use_output.csv') - csv('period', 'Total Pop', 'W.Adult Pop', '# heads', 'age', 'adult age', 'married', 'Avg. relation', '# student', 'Avg. school', 'Employment Rate', 'Avg. income', 'Avg. region', 'Avg. houstyp', fname='demography_change.csv') simulation: init: - household: [init_reports, csv_output] - person: [init_reports, csv_output] - household: [init_count] processes: - person: [ ageing, birth, death, marriage, get_a_life, education, inwork, income ]

부 록 339 - household: [family_change, clean_empty] - person: [ civilstate_changes, smartphone, cordphone, deskpc, notepc, newspapersubs, payedtv, snsuse,] - household: [media_infra] - person: [ Infra_change, time_for_paper, time_for_tv, time_for_pc, time_for_phone, chart_demography, csv_output ] - household: [csv_output] input: file: mediapanel.h5 output: path: output file: simulationoutput.h5 start_period: 2015 periods: 14 default_entity: person

340 [부록 3] 델파이-산업 및 기술 조사 결과 <표 1> 산업별 확산 속도 구분 1차 2차 평균 (단위: 년) 도입 성장 성숙 쇠퇴 도입 성장 성숙 쇠퇴 도입 성장 성숙 쇠퇴 스마트카 5.3 10.0 15.9 27.9 5.6 10.1 16.1 27.8 5.5 10.1 16.0 27.9 핀테크 2.3 5.2 9.4 16.6 2.4 5.2 9.1 16.3 2.4 5.2 9.3 16.5 O2O 2.4 5.3 8.4 16.8 2.4 5.1 8.6 17.0 2.4 5.2 8.5 16.9 웨어러블 2.1 5.4 9.3 20.0 2.3 5.5 9.5 18.5 2.2 5.5 9.4 19.3 스마트홈 3.0 6.1 10.5 20.4 2.9 5.8 9.9 18.8 3.0 6.0 10.2 19.6 스마트헬스 4.0 7.3 12.1 22.5 4.0 7.3 12.3 23.7 4.0 7.3 12.2 23.1 공유경제 3.3 6.1 9.2 16.5 3.4 6.2 10.0 17.2 3.4 6.2 9.6 16.9 인공지능 로봇 5.0 9.8 15.9 27.3 5.0 9.8 15.9 27.3 <표 2> 시기별 국내 경쟁력(최고 경쟁력 100) 구분 1차 2차 평균 2020 2025 2030 2020 2025 2030 2020 2025 2030 스마트카 61.2 72.4 83.3 60.7 72.4 83.3 61.0 72.4 83.3 핀테크 60.8 71.0 104.2 63.3 75.0 84.0 62.1 73.0 94.1 O2O 72.2 85.3 91.9 73.0 85.4 91.7 72.6 85.4 91.8 웨어러블 69.5 81.6 90.2 71.0 83.0 90.2 70.3 82.3 90.2 스마트홈 72.8 83.1 89.9 73.6 84.7 91.8 73.2 83.9 90.9 스마트헬스 57.2 70.8 79.0 57.9 70.1 77.9 57.6 70.5 78.5 공유경제 55.8 68.0 75.9 57.1 69.2 78.0 56.5 68.6 77.0 인공지능 로봇 57.5 67.7 77.2 57.5 67.7 77.2

부 록 341 <표 3> 산업별 정부 정책 중요도 (단위: 점, 5점 만점) 구분 1차 2차 평균 스마트카 4.3 4.4 4.4 핀테크 4.3 4.2 4.3 O2O 3.4 3.4 3.4 웨어러블 3.8 3.7 3.8 스마트홈 3.4 3.5 3.5 스마트헬스 4.5 4.3 4.4 공유경제 3.3 3.5 3.4 인공지능 로봇 4.4 4.4 <표 4> 산업별 정부 정책 시급성 (단위: 점, 5점 만점) 구분 1차 2차 평균 스마트카 4.0 4.1 4.1 핀테크 4.2 4.0 4.1 O2O 3.5 3.6 3.6 웨어러블 3.8 3.7 3.8 스마트홈 3.5 3.5 3.5 스마트헬스 4.3 4.1 4.2 공유경제 3.3 3.5 3.4 인공지능 로봇 4.1 4.1 <표 5> 정책 시행이 중요한 산업과 시급한 산업 구분 중요한 산업 시급한 산업 응답 비중 응답 비중 스마트카 8 26.7% 8 26.7% 핀테크 2 6.7% 7 23.3% O2O 2 6.7% 0 0.0%

342 구분 중요한 산업 시급한 산업 응답 비중 응답 비중 웨어러블 0 0.0% 0 0.0% 스마트홈 0 0.0% 2 6.7% 스마트헬스 5 16.7% 6 20.0% 공유경제 3 10.0% 0 0.0% 인공지능 로봇 10 33.3% 7 23.3% 계 30 100.0% 30 100.0% <표 6> 8대 신산업 저해 요인 1차 2차 평균 (단위: 점, 5점 만점) 구분 법/ 제도/ 정책 미흡 관련 기술 부족 관련 인력 부족 소비자 인식/ 수요 부족 법/ 제도/ 정책 미흡 관련 기술 부족 관련 인력 부족 소비자 인식/ 인프라 수요 부족 부족 법/ 제도/ 정책 미흡 관련 기술 부족 관련 인력 부족 소비자 인식/ 인프라 수요 부족 부족 스마트카 4.0 4.2 4.1 3.3 4.1 4.2 4.0 3.4 4.2 4.1 4.2 4.1 3.4 4.2 핀테크 4.3 2.7 3.0 2.8 4.2 2.8 2.9 2.7 3.5 4.3 2.8 3.0 2.8 3.5 O2O 3.3 2.8 2.9 3.0 3.4 2.9 3.0 3.0 3.2 3.4 2.9 3.0 3.0 3.2 웨어러블 3.3 3.1 3.0 2.6 3.3 3.3 3.2 2.7 3.5 3.3 3.2 3.1 2.7 3.5 스마트홈 3.0 2.8 3.1 3.0 3.1 3.0 3.2 3.0 3.3 3.1 2.9 3.2 3.0 3.3 스마트 헬스 4.7 3.6 3.6 3.3 4.5 3.6 3.5 3.2 3.7 4.6 3.6 3.6 3.3 3.7 공유경제 4.1 2.8 2.9 3.3 3.9 3.0 3.0 3.3 3.5 4.0 2.9 3.0 3.3 3.5 인공지능 로봇 4.1 4.0 3.9 3.2 4.0 4.1 4.0 3.9 3.2 4.0

부 록 343 [부록 4] 델파이-사회 분야 조사 결과 1. 미래사회 변화에 대한 파급효과 가. 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과 파급 효과가 거의 없다 <-----------------------------------------> 파급 효과가 매우 크다 1 2 3 4 5 <표 1> 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과 (단위: 점, 5점 만점) 구분 파급효과 저출산 고령화 사회 3.6 고용불안, 양극화 및 불평등 문제 4.4 미래세대 삶의 불안정성 3.8 영토갈등, 경제안보 등 국제사회 분쟁 증가 2.9 권력분산 및 민주주의 성숙 3.9 사이버 범죄/안전 4.7 에너지/자원고갈, 우주자원 경쟁 본격화 3.1 북한과 안보/통일 문제 2.7 기후변화/자연재해 및 환경영향 증대 3.1 인간과 기계(기술) 간의 경계 모호 4.6

344 나. 시기별 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과 파급 효과가 거의 없다 <-----------------------------------------> 파급 효과가 매우 크다 1 2 3 4 5 <표 2> 시기별 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과 (단위: 점, 5점 만점) 구분 2020년 2025년 2030년 저출산 고령화 사회 3.1 3.4 3.8 고용불안, 양극화 및 불평등 문제 4.2 4.3 4.3 미래세대 삶의 불안정성 3.8 4.1 4.1 영토갈등, 경제안보 등 국제사회 분쟁 증가 2.8 3.2 3.0 권력분산 및 민주주의 성숙 3.6 4.1 4.2 사이버 범죄/안전 4.5 4.8 4.9 에너지/자원고갈, 우주자원 경쟁 본격화 2.9 3.6 3.9 북한과 안보/통일 문제 2.4 3.1 3.2 기후변화/자연재해 및 환경영향 증대 2.9 3.2 3.4 인간과 기계(기술) 간의 경계 모호 3.6 4.6 5.0

부 록 345 다. 디지털 경제 확산과 관련된 미래사회 이슈의 중요성 파급 효과가 거의 없다 <-----------------------------------------> 파급 효과가 매우 크다 1 2 3 4 5 <표 3> 디지털 경제 확산과 관련된 미래사회 이슈의 중요성(최고 100 기준) 구분 현재 중요성 미래 중요성 저출산 고령화 사회 77.4 79.5 고용불안, 양극화 및 불평등 문제 83.3 88.0 미래세대 삶의 불안정성 82.8 83.3 영토갈등, 경제안보 등 국제사회 분쟁 증가 55.0 69.0 권력분산 및 민주주의 성숙 74.8 83.9 사이버 범죄/안전 87.0 95.4 에너지/자원고갈, 우주자원 경쟁 본격화 54.2 74.8 북한과 안보/통일 문제 54.7 68.3 기후변화/자연재해 및 환경영향 증대 64.2 74.8 인간과 기계(기술) 간의 경계 모호 60.8 92.5

346 라. 시기별 미래사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심기술 (1) 저출산 고령화 사회 <표 4> 시기별 저출산 고령화 사회 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 26.3% 10.5% 5.0% 핀테크 5.3% 0.0% 5.0% O2O 26.3% 31.6% 20.0% 웨어러블 15.8% 10.5% 5.0% 스마트홈 0.0% 0.0% 0.0% 스마트헬스 0.0% 10.5% 0.0% 공유경제 0.0% 0.0% 0.0% 인공지능 로봇 10.5% 10.5% 0.0% (2) 고용불안, 양극화 및 불평등 문제 <표 5> 고용불안, 양극화 및 불평등 문제 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 10.0% 11.1% 5.6% 핀테크 15.0% 5.6% 0.0% O2O 5.0% 0.0% 0.0% 웨어러블 0.0% 5.6% 5.6% 스마트홈 0.0% 0.0% 0.0% 스마트헬스 5.0% 11.1% 5.6% 공유경제 5.0% 5.6% 5.6% 인공지능 로봇 40.0% 27.8% 22.2%

부 록 347 (3) 미래세대 삶의 불안정성 <표 6> 시기별 미래세대 삶의 불안정성 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 10.0% 10.5% 10.5% 핀테크 15.0% 5.3% 0.0% O2O 10.0% 0.0% 0.0% 웨어러블 20.0% 0.0% 5.3% 스마트홈 5.0% 21.1% 0.0% 스마트헬스 10.0% 10.5% 0.0% 공유경제 5.0% 5.3% 10.5% 인공지능 로봇 20.0% 15.8% 10.5% (4) 영토갈등, 경제안보 등 국제사회 분쟁 증가 <표 7> 시기별 영토갈등, 경제안보 등 국제사회 분쟁 증가 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 21.1% 21.1% 10.0% 핀테크 0.0% 0.0% 5.0% O2O 0.0% 0.0% 0.0% 웨어러블 36.8% 15.8% 20.0% 스마트홈 0.0% 15.8% 10.0% 스마트헬스 0.0% 0.0% 0.0% 공유경제 5.3% 5.3% 0.0% 인공지능 로봇 10.5% 15.8% 0.0%

348 (5) 권력분산 및 민주주의 성숙 <표 8> 시기별 영토갈등, 경제안보 등 국제사회 분쟁 증가 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 5.0% 0.0% 26.3% 핀테크 0.0% 10.5% 5.3% O2O 0.0% 0.0% 0.0% 웨어러블 55.0% 36.8% 26.3% 스마트홈 5.0% 10.5% 10.5% 스마트헬스 0.0% 5.3% 0.0% 공유경제 0.0% 0.0% 0.0% 인공지능 로봇 35.0% 31.6% 15.8% (6) 사이버 범죄/ 안전 <표 9> 시기별 사이버 범죄/ 안전 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 35.0% 47.4% 10.5% 핀테크 10.0% 0.0% 0.0% O2O 5.0% 10.5% 15.8% 웨어러블 30.0% 15.8% 15.8% 스마트홈 5.0% 5.3% 5.3% 스마트헬스 0.0% 0.0% 0.0% 공유경제 15.0% 15.8% 10.5% 인공지능 로봇 0.0% 0.0% 5.3%

부 록 349 (7) 에너지/자원 고갈, 우주자원 경쟁 본격화 <표 10> 시기별 에너지/자원 고갈, 우주자원 경쟁 본격화 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 30.0% 15.8% 10.5% 핀테크 5.0% 5.3% 5.3% O2O 0.0% 0.0% 0.0% 웨어러블 0.0% 0.0% 0.0% 스마트홈 10.0% 0.0% 10.5% 스마트헬스 30.0% 26.3% 21.1% 공유경제 0.0% 0.0% 0.0% 인공지능 로봇 10.0% 10.5% 0.0% (8) 북한과 안보/ 통일 문제 <표 11> 시기별 북한과 안보/통일 문제 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 29.4% 23.5% 6.3% 핀테크 0.0% 11.8% 0.0% O2O 0.0% 0.0% 6.3% 웨어러블 29.4% 11.8% 18.8% 스마트홈 17.6% 11.8% 0.0% 스마트헬스 0.0% 11.8% 18.8% 공유경제 0.0% 0.0% 6.3% 인공지능 로봇 5.9% 5.9% 6.3%

350 (9) 기후변화/자연재해 및 환경영향 증대 <표 12> 시기별 기후변화/자연재해 및 환경영향 증대 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 21.1% 22.2% 16.7% 핀테크 0.0% 0.0% 5.6% O2O 10.5% 5.6% 5.6% 웨어러블 21.1% 16.7% 11.1% 스마트홈 0.0% 11.1% 5.6% 스마트헬스 10.5% 5.6% 16.7% 공유경제 0.0% 0.0% 0.0% 인공지능 로봇 15.8% 22.2% 11.1% (10) 인간과 기계(기술) 간의 경계 모호 <표 13> 시기별 인간과 기계(기술) 간의 경계 모호 이슈의 파급효과에 가장 큰 영향을 미칠 핵심 기술 구분 2020년 2025년 2030년 스마트카 47.4% 0.0% 0.0% 핀테크 0.0% 0.0% 0.0% O2O 0.0% 40.0% 5.3% 웨어러블 0.0% 0.0% 0.0% 스마트홈 21.1% 10.0% 15.8% 스마트헬스 0.0% 0.0% 0.0% 공유경제 0.0% 0.0% 0.0% 인공지능 로봇 0.0% 0.0% 0.0%

부 록 351 2. 디지털 경제의 사회적 순기능 역기능 이슈 가. 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과 파급 효과가 거의 없다 <-----------------------------------------> 파급 효과가 매우 크다 1 2 3 4 5 <표 14> 미래사회 이슈별 디지털 경제 확산이 미치는 파급효과 순기능 역기능 1 2 3 4 5 6 1 2 구분 2020년 2025년 2030년 데이터 기반의 체계적 위기 및 재난대응으 로 안전한 사회를 구현할 수 있다 효율적 건강관리, 여가/웰빙의 중요성 증대 등으로 삶의 질 향상될 것이다 1인 창작 콘텐츠 등 디지털 기반의 다양한 창작(생산)문화를 활성화시킬 것이다 표현의 자유, 정보인권, 정치참여 등 개인 (시민/소비자)의 권한이 강화될 것이다 인간의 인지능력 및 소통능력을 더욱 강화 시킬 것이다 인간향상기술로 수명연장 등 고령층의 역 할이 증대될 것이다 의료, 교육 등 다양한 분야에서의 정보격차 를 심화시킬 것이다 인간의 일자리를 기계가 대체함으로써 일 자리를 감소시킬 것이다 2.9 3.5 3.9 3.2 3.9 4.2 3.8 3.9 4.1 3.6 3.8 3.9 3.0 3.4 3.7 3.0 3.8 4.4 3.1 3.7 4.1 2.9 3.7 4.4 3 사생활 침해 등 감시사회가 전면화될 것이다 3.6 4.2 4.1 4 5 6 소득양극화 등 사회갈등을 더욱 심화시킬 것이다 사이버테러, 기술패권주의 등 새로운 안보 위협으로 국가 간 갈등이 심화될 것이다 로봇과 인공지능이 인간을 지배하게 될 것 이다 3.5 4.0 3.9 3.4 4.1 4.1 2.3 2.7 3.5

352 나. 이슈별 큰 영향을 미칠 것으로 예상되는 핵심 기술 (1) 순기능 - 데이터 기반의 체계적 위기 및 재난 대응으로 안전한 사회를 구현 할 수 있다. <표 15> 시기별 (1) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 15.0% 36.8% 31.6% O2O 0.0% 5.3% 0.0% 웨어러블/생체인터넷 0.0% 0.0% 0.0% 빅데이터/클라우드 85.0% 42.1% 0.0% 증강/가상현실 0.0% 0.0% 5.3% 3D프린팅&DIY 0.0% 0.0% 0.0% 핀테크 0.0% 0.0% 0.0% 공유경제 0.0% 0.0% 0.0% 자율주행자동차/드론 0.0% 10.5% 0.0% 인공지능/로봇 0.0% 5.3% 63.2% (2) 순기능 - 효율적 건강관리, 여가/웰빙의 중요성 증대 등으로 삶의 질 향상될 것이다 <표 16> 시기별 (2) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 25.0% 21.1% 15.8% O2O 5.0% 0.0% 0.0% 웨어러블/생체인터넷 45.0% 42.1% 10.5% 빅데이터/클라우드 15.0% 31.6% 10.5% 증강/가상현실 0.0% 0.0% 0.0% 3D프린팅&DIY 0.0% 5.3% 0.0% 핀테크 0.0% 0.0% 0.0% 공유경제 0.0% 0.0% 0.0% 자율주행자동차/드론 10.0% 0.0% 10.5% 인공지능/로봇 0.0% 0.0% 52.6%

부 록 353 (3) 순기능 - 1인 창작 콘텐츠 등 디지털 기반의 다양한 창작(생산)문화를 활성 화시킬 것이다 <표 17> 시기별 (3) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 15.0% 0.0% 5.3% O2O 15.0% 10.5% 10.5% 웨어러블/생체인터넷 0.0% 5.3% 0.0% 빅데이터/클라우드 30.0% 10.5% 10.5% 증강/가상현실 5.0% 36.8% 21.1% 3D프린팅&DIY 25.0% 26.3% 10.5% 핀테크 0.0% 0.0% 0.0% 공유경제 10.0% 10.5% 15.8% 자율주행자동차/드론 0.0% 0.0% 0.0% 인공지능/로봇 0.0% 0.0% 26.3% (4) 순기능 - 표현의 자유, 정보인권, 정치참여 등 개인(시민/소비자)의 권한이 강화될 것이다 <표 18> 시기별 (4) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 5.0% 10.5% 0.0% O2O 10.0% 5.3% 5.3% 웨어러블/생체인터넷 5.0% 0.0% 5.3% 빅데이터/클라우드 50.0% 26.3% 26.3% 증강/가상현실 5.0% 10.5% 10.5% 3D프린팅&DIY 0.0% 10.5% 5.3% 핀테크 0.0% 0.0% 0.0% 공유경제 25.0% 36.8% 31.6% 자율주행자동차/드론 0.0% 0.0% 0.0% 인공지능/로봇 0.0% 0.0% 15.8%

354 (5) 순기능 - 인간의 인지능력 및 소통능력을 더욱 강화시킬 것이다 <표 19> 시기별 (5) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 25.0% 10.5% 5.3% O2O 0.0% 5.3% 0.0% 웨어러블/생체인터넷 20.0% 21.1% 10.5% 빅데이터/클라우드 30.0% 15.8% 0.0% 증강/가상현실 10.0% 5.3% 10.5% 3D프린팅&DIY 0.0% 0.0% 0.0% 핀테크 0.0% 0.0% 0.0% 공유경제 10.0% 5.3% 10.5% 자율주행자동차/드론 5.0% 0.0% 0.0% 인공지능/로봇 0.0% 36.8% 63.2% (6) 순기능 - 인간향상기술로 수명연장 등 고령층의 역할이 증대될 것이다 <표 20> 시기별 (6) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 15.0% 5.3% 5.3% O2O 10.0% 0.0% 0.0% 웨어러블/생체인터넷 45.0% 36.8% 15.8% 빅데이터/클라우드 15.0% 0.0% 5.3% 증강/가상현실 5.0% 0.0% 5.3% 3D프린팅&DIY 0.0% 15.8% 0.0% 핀테크 5.0% 5.3% 0.0% 공유경제 5.0% 0.0% 0.0% 자율주행자동차/드론 0.0% 5.3% 5.3% 인공지능/로봇 0.0% 31.6% 63.2%

부 록 355 (7) 역기능 - 의료, 교육 등 다양한 분야에서의 정보격차를 심화시킬 것이다 <표 21> 시기별 (7) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 15.0% 10.5% 10.5% O2O 0.0% 5.3% 0.0% 웨어러블/생체인터넷 20.0% 15.8% 15.8% 빅데이터/클라우드 35.0% 21.1% 10.5% 증강/가상현실 10.0% 5.3% 5.3% 3D프린팅&DIY 0.0% 15.8% 0.0% 핀테크 15.0% 0.0% 0.0% 공유경제 0.0% 5.3% 0.0% 자율주행자동차/드론 0.0% 0.0% 5.3% 인공지능/로봇 5.0% 21.1% 52.6% (8) 역기능 - 인간의 일자리를 기계가 대체함으로써 일자리를 감소시킬 것이다 <표 22> 시기별 (8) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 15.0% 5.3% 0.0% O2O 0.0% 0.0% 0.0% 웨어러블/생체인터넷 10.0% 5.3% 0.0% 빅데이터/클라우드 15.0% 0.0% 0.0% 증강/가상현실 5.0% 5.3% 0.0% 3D프린팅&DIY 10.0% 10.5% 5.3% 핀테크 5.0% 0.0% 0.0% 공유경제 10.0% 0.0% 0.0% 자율주행자동차/드론 15.0% 47.4% 5.3% 인공지능/로봇 15.0% 26.3% 89.5%

356 (9) 역기능 - 사생활 침해 등 감시사회가 전면화될 것이다 <표 23> 시기별 (9) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 30.0% 26.3% 26.3% O2O 0.0% 0.0% 0.0% 웨어러블/생체인터넷 10.0% 10.5% 15.8% 빅데이터/클라우드 55.0% 26.3% 5.3% 증강/가상현실 0.0% 0.0% 0.0% 3D프린팅&DIY 0.0% 0.0% 0.0% 핀테크 0.0% 0.0% 0.0% 공유경제 0.0% 0.0% 0.0% 자율주행자동차/드론 5.0% 26.3% 0.0% 인공지능/로봇 0.0% 10.5% 52.6% (10) 역기능 - 소득양극화 등 사회갈등을 더욱 심화시킬 것이다 <표 24> 시기별 (10) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 5.0% 10.5% 5.3% O2O 10.0% 5.3% 0.0% 웨어러블/생체인터넷 0.0% 0.0% 5.3% 빅데이터/클라우드 35.0% 10.5% 0.0% 증강/가상현실 0.0% 15.8% 0.0% 3D프린팅&DIY 5.0% 15.8% 10.5% 핀테크 30.0% 15.8% 21.1% 공유경제 15.0% 5.3% 0.0% 자율주행자동차/드론 0.0% 10.5% 5.3% 인공지능/로봇 0.0% 10.5% 52.6%

부 록 357 (11) 역기능 - 사이버테러, 기술패권주의 등 새로운 안보위협으로 국가 간 갈등이 심화될 것이다 <표 25> 시기별 (11) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 30.0% 21.1% 10.5% O2O 0.0% 0.0% 0.0% 웨어러블/생체인터넷 5.0% 0.0% 0.0% 빅데이터/클라우드 25.0% 10.5% 0.0% 증강/가상현실 15.0% 5.3% 5.3% 3D프린팅&DIY 0.0% 5.3% 0.0% 핀테크 0.0% 5.3% 0.0% 공유경제 5.0% 10.5% 5.3% 자율주행자동차/드론 15.0% 26.3% 10.5% 인공지능/로봇 5.0% 15.8% 68.4% (12) 역기능 - 로봇과 인공지능이 인간을 지배하게 될 것이다 <표 26> 시기별 (12) 이슈에 큰 영향을 미칠 것으로 예상되는 핵심 기술 구분 2020년 2025년 2030년 사물인터넷 15.0% 5.3% 0.0% O2O 0.0% 0.0% 0.0% 웨어러블/생체인터넷 10.0% 0.0% 5.3% 빅데이터/클라우드 25.0% 0.0% 0.0% 증강/가상현실 10.0% 5.3% 0.0% 3D프린팅&DIY 0.0% 0.0% 0.0% 핀테크 0.0% 0.0% 0.0% 공유경제 0.0% 0.0% 0.0% 자율주행자동차/드론 5.0% 42.1% 0.0% 인공지능/로봇 35.0% 47.4% 94.7%

358 3. 미래사회 이슈에 대한 정책 대응 수준 가. 이슈별 정부 정책 대응 중요도 및 시급성 중요도 시급성 전혀 중요하지 않다 <----------------------------------------------> 매우 중요하다 1 2 3 4 5 전혀 시급하지 않다 <----------------------------------------------> 매우 시급하다 1 2 3 4 5 <표 27> 미래사회 이슈별 정부 정책 대응 중요도 및 시급성 (단위: 점, 5점 만점) 이슈명 중요도 시급성 저출산 고령화 사회 4.7 4.6 고용불안, 양극화 및 불평등 문제 4.8 4.7 미래세대 삶의 불안정성 4.1 3.9 영토갈등, 경제안보 등 국제사회 분쟁 증가 3.2 2.8 권력분산 및 민주주의 성숙 3.9 3.3 사이버 범죄/안전 4.3 4.3 에너지/자원고갈, 우주자원 경쟁 본격화 3.5 2.9 북한과 안보/통일 문제 3.8 3.0 기후변화/자연재해 및 환경영향 증대 4.0 3.4 인간과 기계(기술) 간의 경계 모호 3.8 2.8

부 록 359 나. 이슈별 정부 정책 대응 중요도 및 시급성 전혀 부족(미흡)하지 않다 <-----------------------------------------> 매우 부족(미흡)하다 1 2 3 4 5 <표 28> 미래사회 이슈별 정부 정책 대응 수준 구분 법/제도/ 정책 미흡 관련 기술 부족 관련 인력 부족 (단위: 점, 5점 만점) 소비자 인식/ 수요 부족 저출산 고령화 사회 3.8 3.1 3.3 3.1 고용불안, 양극화 및 불평등 문제 4.3 3.3 3.3 2.6 미래세대 삶의 불안정성 4.1 2.9 3.5 2.9 영토갈등, 경제안보 등 국제사회 분 쟁 증가 3.5 2.8 3.1 3.1 권력분산 및 민주주의 성숙 3.9 2.9 3.3 3.4 사이버 범죄/안전 3.6 3.4 4.0 3.3 에너지/자원 고갈, 우주자원 경쟁 본격화 3.6 4.0 3.9 3.9 북한과 안보/통일 문제 3.2 2.5 2.8 3.1 기후변화/자연재해 및 환경영향 증대 3.4 3.5 3.4 3.2 인간과 기계(기술) 간의 경계 모호 4.2 3.8 4.3 3.7

360 4. 미래사회 변화에 영향을 미치는 요소들의 영향력 및 불확실성(2차 조사) 영향력: 1=매우 작은 영향, 9=매우 큰 영향 불확실성: 1=매우 확실하다, 9=매우 불확실하다 <표 29> 미래사회 변화에 영향을 미치는 요소들의 영향력 및 불확실성 1 변인 영향력 불확실성 데이터 기반 의사결정의 보편화 및 데이터 리터러시(data literacy) 고양 7.2 3.5 2 인간향상(human enhancement) 기술의 개발 및 적용범위 확충 6.9 6.4 3 새로운 기술문명시대를 주도할 인간 고유의 능력(역량) 개발 5.9 6.1 4 소프트웨어교육, 평생교육 등 교육체계 전반의 변화 7.3 3.1 5 ICT 기반의 의료 복지체계 전반의 혁신 7.2 3.8 6 1인 미디어 등 디지털 창작문화 활성화 6.7 3.9 7 신문, 방송 등 전통 매체의 디지털 혁신 강화 5.8 4.8 8 가상 증강현실 등 실감미디어 확산 6.5 3.7 9 정보처리능력의 독점 및 권력집중 7.0 4.1 10 다국적 기업의 디지털경제 지배 및 국가단위의 거버넌스 위기 심화 7.4 3.4 11 사이버범죄 등 사이버 안보위협 증가 7.8 3.1 12 자연재해, 전염병 등 재난 재해 다각화 및 대형화 6.5 4.6 13 에너지 위기 심화 6.0 5.1 14 지구온난화, 기후변화 6.2 4.7 15 식량부족 문제 심화 5.7 5.2 16 우주자원 개발 경쟁 치열 5.6 5.9 17 정치 및 정책과정에 대한 일반 시민참여의 증가 6.4 4.7 18 정당, 언론 등 전통적 정치매개체 약화 6.0 3.9

부 록 361 변인 영향력 불확실성 19 개인화된 매체환경과 모바일 유목민 증가 5.9 3.9 20 인간관계의 개인화 원자화 5.5 4.5 21 프라이버시 침해 및 사생활 감시 7.2 3.2 22 기술적 실업(technological unemployment) 등 일자리 감소 심화 6.8 3.9 23 1인 가정 등 가족개념 및 가족제도의 변화 6.3 3.3 24 고령화와 고령층의 역할 증대 6.5 3.1 25 성평등 강화 및 여성의 역할 증대 6.0 3.6 26 건강/여가, 웰빙(웰니스) 등 친환경 소비 증대 5.8 3.3 27 남북협력 및 통일기반 조성을 통한 디지털경제 영역의 확장 5.4 4.9 28 크라우드소싱, 오픈소스 등 공유경제의 중요성 증대 6.7 4.0 29 인더스트리4.0 등 ICT 기반의 제조업 활성화 5.7 4.1 30 ICT 국제협력 및 ICT 외교의 중요성 증대 5.6 4.0 31 자율주행차, 스마트시티, 스마트그리드 등 지능형 생활공간 확대 6.8 3.6 32 사이보그, 포스트휴먼 등 인간정체성 변화 6.0 5.6 33 인공지능의 사회적 책무성 강화를 위한 법 규범체계 정립 6.5 4.9 34 로봇 및 인공지능 전담기구 설치 5.6 5.3

저 자 소 개 주 재 욱 연세대학교 도시공학과 학사 연세대학교 도시공학과 석사 코넬대학교 응용경제및경영학과 박사 현 정보통신정책연구원 연구위원 정 용 찬 고려대 통계학과 학사 고려대 응용통계학 박사 방송위원회 연구센터 연구위원 현 정보통신정책연구원 연구위원 이 원 태 서강대 정치외교학과 졸업 서강대 정치학 석사 서강대 정치학 박사 현 정보통신정책연구원 연구위원 신 지 형 Florida State University 통계학 박사 현 정보통신정책연구원 부연구위원 정 부 연 동덕여자대학교 경영학 학사 현 정보통신정책연구원 부연구위원 김 욱 준 외국어대학교 독일어 학사 Syracuse University 국제관계학 석사 Syracuse University 통신정책 박사수료 현 정보통신정책연구원 전문연구원 이 성 호 서울대학교 지리학 학사 University of Toronto 지리학 석사 RAND Graduate School 정책학 박사 현 과학기술정책연구원 연구위원 이 대 호 서울대학교 전기공학 학사 서울대학교 경제학 박사 현 성균관대학교 인터랙션 사이언스 부교수

경제 인문사회연구회 미래사회 협동연구총서 16-01-02 정보통신정책연구원 정책연구 16-09 데이터 기반 디지털 경제 미래예측 방법론 연구 2016년 2월 일 인쇄 2016년 2월 일 발행 발행인 안 세 영 발행처 경제 인문사회연구회 세종시 시청대로 370 세종국책연구단지 연구지원동(A) 4, 8~9층 TEL: 044-211-1000 인 쇄 인 성 문 화