2016년 ICT산업 메가트렌드 선정을 위해 국내 ICT기업 임직원 300명의 응답 결과를 토대로 작성된 ‘ICT기업이 전망하는 2016년 경제 및 ICT시장 전망’(한국정보산업연합회, 2015년 12월) 보고서의 ‘2016년 ICT분야 핵심 키워드’ 부분과 공신력 있는 국내외 주요 기관, ICT시장조사업체, 벤더･ICT기업에서 전망하는 이슈 조사 결과를 참조하였다. ‘ICT기업이 전망하는 2016년 경제 및 ICT시장 전망’에서 선정한 ‘2016년 ICT분야 핵심 키워드’는 사물인터넷(IoT), 핀테크, 웨어러블 디바이스, 빅데이터, 드론, 인공지능(머신러닝, 딥러닝), 클라우드 컴퓨팅, 무인자동차(자율주행자동차), 정보보안/물리보안/융합보안, O2O(Online to Offline) 순으로 나타났다. ICT산업 메가트렌드 선정을 위해 정보통신기술센터, 한국전자통신연구원, 한국인터넷진흥원, KT경제경영연구소, 한국IDC, 가트너, 로아컨설팅, CA, 브로케이드 등의 주요 기관 및 기업의 이슈 조사 결과와 기술 동향 자료를 참조하였으며, 2016년 ICT핵심 트렌드는 사물인터넷(IoT), 스마트카, AR/VR, 빅데이터, 핀테크, 인공지능, O2O & 옴니채널, 드론, 스마트 헬스케어, 시큐리티 등인 것으로 분석되었다. 이러한 결과를 토대로 2016년 ICT산업 트렌드에 대한 순위와 관심도를 분석하고 최종적으로 사물인터넷(IoT), 인공지능, 빅데이터, 스마트카, AR/VR, 드론, O2O & 옴니채널을 2016년 ICT 산업 메가트렌드로 선정하였다.

1. 2016년
ICT산업 메가트렌드
ICT Industry Megatrend | 2016

2. Contents
➲ 서 론 / 1
제 1 장. 산업 리모델링의 기반, 사물인터넷(IoT) ·························· 5
이원석 상무 (SK주식회사)
제 2 장. 미래세상의 도어, 인공지능 ············································ 31
김재필 팀장 (KT경제경영연구소)
제 3 장. 융합산업의 핵심자원, 빅데이터 ····································· 57
장성우 전무 (한국오라클)
제 4 장. 영역과 한계의 혁신적 파괴, 스마트카 ··························· 81
신정관 이사 (KB투자증권)

3. 2016년 ICT산업 메가트렌드
제 5 장. 차세대 기술 플랫폼, AR/VR ······································· 103
황재인 박사 (한국과학기술연구원)
제 6 장. 날아오른 생활 혁명, 드론 ··········································· 129
최재홍 교수 (강릉원주대학교)
제 7 장. 통합마케팅 커뮤니케이션의 완성, O2O & 옴니채널 ···· 147
김형택 대표 (마켓케스트)

5. 서 론
2016년 ICT산업 메가트렌드

7. 3
서 론
1. 조사 배경 및 목적
글로벌 ICT시장조사업체인 가트너는 2016년 전 세계 ICT지출 규모를 전년도 대비 0.6% 증가
한 3조 5,400억 달러로 전망했으며 국내 ICT지출 규모는 2.4% 증가한 86조 1천억 원에 달할
것으로 전망했다. 2015년은 특히 ICT지출 규모를 측정한 이래로 가장 큰 하락폭을 기록하여
2014년 대비 2,160억 달러 감소한 약 3조 5,170억 원으로 나타났다.(2016년 1월)
또 다른 시장조사업체인 한국IDC는 국내 ICT시장이 2013년 이래 4년 연속 마이너스 성장하여
2016년에는 -0.4%의 성장률로 31조 9천 5백억 원의 규모를 형성할 것으로 전망했다.(2015년
12월)
국내 ICT시장은 전통적인 ICT제품 시장의 정체와 경기침체로 인한 투자 지연의 영향으로 저
성장 기조가 계속되는 가운데 전체 시장을 성장세로 이끌만한 새로운 전기를 마련하지 못하고
있다. 전 산업분야에서 ICT기술과의 접목과 이에 따른 의존도는 높아졌고 다양한 제품과 기술을
통한 놀라운 혁신은 가시화되었으나 기대했던 만큼의 뚜렷한 성장은 보여주지 못하고 있다.
시장에 대한 전망치가 엇갈리는 불안정한 대외여건 속에서도 2016년 한해를 이끌어 갈 ICT기
술들은 끊임없이 등장하고 있으며 빠르게 혁신을 거듭하고 있다. 글로벌 시장의 주도권을 가진
기업들은 경쟁구도에서 생존을 보장받을 수 있는 열쇠로 첨단성과 진보성, 가치성을 내장한 ‘기
술과 서비스’를 앞단에 세워 다가올 미래의 강력한 기반 마련에 총력을 기울이고 있다. ICT산업
의 발전 동향에 대한 거시적 차원에서의 방향 제시와 혁신적인 ICT기술 및 서비스 동향에 대한
정확한 분석과 포착이 더욱 중요해지는 시점이다.
이러한 배경에서 본 조사보고서는 2016년 한 해를 주도할 ICT산업 메가트렌드를 제시하고 해
당 트렌드에 대한 동향과 발전 전망을 소개하여 우리나라 ICT산업과 기업이 대비하고 나아가야
할 방향을 잡는데 기여하고자 한다.

8. 2016년 ICT산업 메가트렌드
4
2. 조사 방법
가. 1차
2016년 ICT산업 메가트렌드 선정을 위해 국내 ICT기업 임직원 300명의 응답 결과를 토대로
작성된 ‘ICT기업이 전망하는 2016년 경제 및 ICT시장 전망’(한국정보산업연합회, 2015년 12
월) 보고서의 ‘2016년 ICT분야 핵심 키워드’ 부분과 공신력 있는 국내외 주요 기관, ICT시장조
사업체, 벤더･ICT기업에서 전망하는 이슈 조사 결과를 참조하였다.
‘ICT기업이 전망하는 2016년 경제 및 ICT시장 전망’에서 선정한 ‘2016년 ICT분야 핵심 키워
드’는 사물인터넷(IoT), 핀테크, 웨어러블 디바이스, 빅데이터, 드론, 인공지능(머신러닝, 딥러
닝), 클라우드 컴퓨팅, 무인자동차(자율주행자동차), 정보보안/물리보안/융합보안, O2O(Online
to Offline) 순으로 나타났다.
ICT산업 메가트렌드 선정을 위해 정보통신기술센터, 한국전자통신연구원, 한국인터넷진흥원,
KT경제경영연구소, 한국IDC, 가트너, 로아컨설팅, CA, 브로케이드 등의 주요 기관 및 기업의
이슈 조사 결과와 기술 동향 자료를 참조하였으며, 2016년 ICT핵심 트렌드는 사물인터넷(IoT),
스마트카, AR/VR, 빅데이터, 핀테크, 인공지능, O2O & 옴니채널, 드론, 스마트 헬스케어, 시큐리
티 등인 것으로 분석되었다.
이러한 결과를 토대로 2016년 ICT산업 트렌드에 대한 순위와 관심도를 분석하고 최종적으로
사물인터넷(IoT), 인공지능, 빅데이터, 스마트카, AR/VR, 드론, O2O & 옴니채널을 2016년 ICT
산업 메가트렌드로 선정하였다.
나. 2차
선정된 7개의 ICT산업 메가트렌드에 대해 각 분야 전문가들이 개요, 시장, 기술, 선진사례･비
즈니스 모델, 주요 특징 및 이슈, 시장 전망･발전 방향 등을 중심 내용으로 집필하였다. 이후 한
국정보산업연합회에서 ICT산업 메가트렌드 별 내용을 보완하여 정리하였다.

9. 제1장
산업 리모델링의 기반, 사물인터넷(IoT)
이원석 상무 (SK주식회사)
2016년 ICT산업 메가트렌드

11. 7
제1장 산업 리모델링의 기반,
사물인터넷(IoT)
이원석 상무 (SK주식회사)
1. 개요
가. 현실이 된 사물인터넷(Internet of Things, IoT)
2016년 세계 최대 가전 전시회 CES에서 사물인터넷(IoT)는 지난해에 이어 핵심 화두였다. 전
년도가 사물인터넷의 가능성을 보여주는 자리였다면, 2016년에는 깜짝 놀랄만한 혁신은 없었지
만 과거에 비해 좀 더 시장성을 높인 제품들의 가능성을 현실화하였다. 미래 자동차의 형태를 변
화시킬 자율주행차에 대한 발전된 기술을 보여 주었고 TV를 비롯한 다양한 가전기기들이 서로
연동하여 새로운 서비스를 만들어 내는 모습을 보여주기도 하였다. 사물인터넷의 연결
(Connectivity) 기능을 통해 가전기기를 인터넷에 연결한 스마트 홈(Smart Home)과 차량의 주
행을 돕는 각종 센서 및 엔터테인먼트 기기와의 연결을 적용한 스마트 카(Smart Car)는 대표적인
영역이었다. 그 밖에도 HMD(Head Mount Display)를 활용한 가상현실(Virtual Reality) 기술과
웨어러블 기기(Wearables)나 드론(Drone) 등 다양한 신제품은 사물인터넷 기술에 기반한 산업
혁신 가능성을 보여주었다. 이와 같이 사물인터넷 기술은 더욱더 현실화되고 있으며 앞으로 다양
한 산업 분야에서 사물인터넷 기술이 결합하여 무궁무진한 발전을 거듭할 것으로 기대된다.
나. 사물인터넷의 정의
사물인터넷이라는 표현은 1999년 MIT의 RFID 전문가 케빈 애쉬톤(Kevin Ashtonin)이 최초
로 제안한 개념으로 네트워크 상의 기기는 물론 인간, 차량, 교량, 각종 전자장비, 문화재, 자연
환경을 구성하는 물리적 사물 등이 모두 사물인터넷의 구성 요인에 포함된다고 설명하고 있다.
사물인터넷의 정의는 조사기관 또는 업체별로 보는 시각에 따라 다양하게 표현되고 있으나 이
를 종합하여 보면 인터넷을 통해 접속할 수 있는 모든 실물 네트워크를 의미한다. 조금 더 구체

12. 2016년 ICT산업 메가트렌드
8
적으로 표현해 보면 사람, 사물, 서비스 간에 연결된 네트워크를 통해 정보를 수집, 공유, 분석하
면서 이를 통해 사물 간 상호 작용하는 지능형 환경과 기술을 통합하는 의미라 할 수 있다. 적용
범위는 B2B와 B2C 관계없이 전 영역에서의 산업, 제품 및 서비스를 포괄한다.
2. 시장 현황
가. 해외 시장 규모 및 전망
전 세계 사물인터넷의 시장 규모는 조사기관 별로 편차가 있으나 대부분 연평균 20% 이상의
고속 성장을 기록할 것으로 전망하고 있다. ICT시장조사업체인 가트너는 전 세계 사물인터넷 시
장이 2016년 약 1.4조 달러로 2015년 대비 22% 성장할 것이며, 2020년에는 3조 달러 규모가
될 것으로 예측하고 있다.
자료 : 가트너 발표 재구성
[그림 Ⅰ-1] 전 세계 사물인터넷 시장 규모
Machina 리서치 기관은 전 세계 사물인터넷 시장이 2022년까지 연평균 21.8% 성장률을 보이
며 1조 2,000억 달러 규모까지 성장할 것이라 전망했다. 또 다른 조사기관인 비즈니스 인사이더
(Business Insider;BI)는 연평균 약 44%의 고성장을 거듭하여 2020년 기준 전 세계 사물인터넷
시장 규모가 6,000억 달러에 이를 것으로 전망했고, 연결되는 기기의 수에 따른 사물인터넷의
시장 규모를 예측했을 경우 2015년 약 50억 대로 추정되는 사물인터넷 기기의 규모가 연 41%의
고속 성장을 통해 2020년에는 240억 대에 이를 것으로 전망했다.

13. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
9
자료 : How the IoT will impact businesses in 2016 and beyond(Business Insider)
[그림 Ⅰ-2] 사물인터넷 연결기기 규모
또한 가트너에서도 2015년 49억 대로 추정되는 연결된 기기의 규모가 2016년에는 30% 가량
증가한 64억 대에 이를 것이며 2020년에는 약 208억 대 가량이 될 것으로 전망하여 비슷한 수치
를 보이고 있다. IDC는 2013년 91억 대에 이른 사물인터넷 기기 수가 이후 17.5%의 연평균 성
장률을 보이며 2020년에는 281억 대가 될 것으로 전망하고 있다. 각 시장조사업체마다 사물인
터넷 시장규모 전망치에 차이를 보이는 이유는 아직 사물인터넷의 시장 범위나 발전 전망이 불명
확하기 때문으로 짐작해 볼 수 있다.
나. 국내 시장 규모 및 전망
미래창조과학부에서 발표한 국내 사물인터넷 적용서비스 별 매출액을 살펴보면 2015년 사물
인터넷 시장 매출액은 4.8조 원 이상이며 2016년에는 5.3조 원 규모로 약 5천억 원 가량 성장할
것으로 전망하고 있다.
자료 : 미래창조과학부, 2015년 12월
[그림 Ⅰ-3] 국내 사물인터넷 적용서비스 별 매출 규모

14. 2016년 ICT산업 메가트렌드
10
사업체 중 서비스 분야 사업체가 551개로 가장 많았으며 제품기기 분야는 319개, 네트워크
분야 174개 순이었으나 2015년 기준 매출의 경우 제품기기 분야가 2.2조 원 규모로 네트워크
분야의 1.5조 원보다 웃도는 수치를 나타냈다. 이는 하드웨어나 네트워크 분야에 비해 서비스
분야의 산업이 아직 발달하지 못했음을 보여준다.
3. 기술 현황
사물인터넷은 하드웨어와 소프트웨어를 아우르는 전통적 IT산업 영역과 통신서비스 그 외에
도 비 IT영역의 산업용 솔루션 및 디바이스에 이르기까지 방대한 영역에 분포되어 있다. 사물인
터넷을 구성하는 기술 현황에 대해 제품 및 서비스 별로 각종 데이터를 센싱(Sensing)하기 위한
하드웨어(Hardware), 수집된 데이터를 안정적으로 전송하기 위한 네트워크(Network), 데이터
의 수집부터 저장, 가공 및 분석에 이르기까지의 과정을 편리하게 만드는 플랫폼(Platform)과
사물인터넷 표준 동향으로 구분하여 알아보고자 한다.
가. 하드웨어(Hardware)
주변 상황과 관련된 물리적 변수를 측정하여 데이터를 수집하는 센서(Sensor)와 다양한 무선
프로토콜을 기반으로 연결성을 제공하는 무선통신 칩(Chip), 이와 함께 마이크로컨트롤러
(Microcontroller) 등을 단일 패키지로 조합한 형태인 모듈(Module)과 모듈과 소프트웨어가 다
수 결합된 디바이스(Device)로 구성해 볼 수 있다.
(1) 스마트 센서(Smart Sensor)
센서는 이미지, 동작, 소리, 빛, 열, 가스, 온도, 습도 등 주변의 물리, 화학, 생물학적 정보를
감지하여 전기적 신호로 변환하는 모든 장치를 말한다. 최근 MEMS(Micro Electro Mechanical
Systems), 반도체 SoC, 임베디드 소프트웨어 기술의 발전으로 인해 과거보다 지능화된 스마트
센서가 널리 활용되고 있다. 각 산업 분야별로 사용되는 센서의 종류는 매우 다양하며 활용 사례
로는 빌딩, 교각 등의 구조물에 대한 상태를 모니터링하기 위한 균열 검출 센서, 가속도계의 사
용 사례, 농장의 생산성 및 품질 향상을 위한 데이터로 기후나 당도 등을 파악하기 위한 온도,
습도, 기압 센서 등의 사용 사례를 들 수 있다. 또한 의약품 보관 상태 파악을 위한 온도, 습도,
광센서가 사용되고 있으며 독거노인 돌봄 서비스 및 환자 모니터링 등에 활용하기 위해 호흡 센
서, 펄스 센서 등이 사용되고 있다.

15. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
11
[표 Ⅰ-1] 7대 분야의 핵심 센서 기술
자료 : 센서사업 고도화를 위한 첨단센서 육성사업(한국과학기술기획평가원, 2013년)
(2) 모듈(Module) 및 디바이스(Device)
모듈은 사물인터넷 적용분야가 광범위하고 다양해짐에 따라 임베디드(Embedded) 형태로 각
종 단말기, 제품 등에 탑재되고 있다. 관련 기업으로는 씬테리온(Cinterion), 텔릿(Telit), 시에
라(Sierra) 등이 시장을 주도하고 있으나 최근 중국 기업들이 저가 전략을 구사하여 시장 진입에
성공하고 있다.
디바이스 분야의 경우, 사물인터넷 확산 이전에는 중소기업에서 다양한 수요자의 요구에 따라
소규모 생산을 통해 제작되었으나 최근에는 연결(Connectivity) 기능의 확산, 보안 이슈, 기기
수요 증가 등으로 인해 점차 대기업으로 확산되고 있다. 최근 HMD(Head Mount Display), 스마
트 시계, 손목 밴드형 기기와 같은 웨어러블 기기(Wearables)에서부터 스마트 카(Smart Car),
스마트 홈(Smart Home) 등 일상생활의 다양한 분야에 이르기까지 지능형 단말 개발에 주력하고
있다.

16. 2016년 ICT산업 메가트렌드
12
나. 네트워크(Network)
전 세계적으로 사물인터넷 서비스 제공을 위해 다양한 통신 기술이 사용되고 있다. 그 가운데
최근에는 다양한 사물인터넷 기기에서 생성되는 데이터를 신뢰성 있게 전달하는 통신 기술이 부
각되면서 고성능, 대용량이 아닌 저속, 저전력 무선 통신 기술 확보를 위한 업체들의 움직임이
가속화되고 있다. 가장 많이 활용되고 있는 WiFi, ZigBee, Bluetooth, 3G, LTE 기술 외에도
로라(LoRa), 시그폭스(Sigfox), LTE-MTC, NB-IoT 등 다양한 LPWA(Low Power Wide Area)
통신 규격이 등장하고 있으며 이를 중심으로 사물 인터넷 시장 참여자들은 투자를 통한 통신협의
체와의 협력 관계 구축, 통신 장비 업체들과 공동 기술 개발 등과 같은 적극적인 행보를 보이고
있다.
[표 Ⅰ-2] 다양한 통신 기술
자료 : What the Internet of Things(IoT) Needs to Become a Reality(Freescale & ARM partner, 2014년 5월)
다. 플랫폼(Platform)
사물인터넷 플랫폼은 시장 주도권을 확보하기 위하여 다양한 사물인터넷 기기와 서비스에 대
한 수용 여부가 핵심 이슈로 플랫폼 사업자를 중심으로 생태계(EcoSystem)를 구축하기 위한 시
도가 이뤄지고 있다. 대형 플랫폼 사업자인 구글(Google), 애플(Apple), 페이스북(Facebook),
아마존(Amazon)을 비롯하여 고유의 소프트웨어 강자, 통신 사업자, 모듈 사업자, 하드웨어 및
서비스 사업자 그리고 솔루션 업체까지 다양한 영역의 업체들이 각각의 기능을 구현하며 플랫폼
시장을 형성해가고 있다. 그 가운데 다양한 기능을 보유한 플랫폼 확보를 위한 IT와 비 IT업체
간의 협력과 타 플랫폼 업체와의 공조 등이 진행된다.

17. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
13
[표 Ⅰ-3] 글로벌 플랫폼 추진 동향
업체 개요
구글
(Google)
∙ 안드로이드를 TV, 자동차, 시계 등 주요 기기에 이식하는 계획을 발표함. 이를 통해 Google은 난방,
조명, 가전제품까지 아울러 모두 연결되고 자동적으로 사용자에 반응하는 사물인터넷 시장에 초점을
두고 있음
∙ IoT사업 추진의 일환으로 자동 온도조절장치 제조업체 Nest Lab와 가정용 CCTV 전문업체
Dropcam을 연이어 인수함
애플
(Apple)
∙ iOS를 중심으로 각종 가전기기를 연결하는 스마트 홈 플랫폼 홈킷(HomeKit)을 공개. 여기에는
Philips, Osram, iDevice, Haier, Broadcom, Honeywell 등이 협력함
∙ MFi(Made For iPhone. iPad. iPod) 인증을 받은 제품은 iOS8 홈킷 기능을 통해 아이폰, 아이패
드와 연결 가능함
∙ Haier은 이미 MFi 지원 에어컨을 선보였으며, 다른 가전제품에도 확대 중임
IBM
∙ 클라우드 기반의 IoT 개발 서비스 'IoT 파운데이션(Foundation)'을 출시. 이를 통해 센서나 컨트롤러
등의 기기를 클라우드 환경으로 쉽게 확장 가능함
∙ Intel, TI, ARM, B&B Electronics, Elecsys 등 기업들과 파트너십을 통한 생태계 구축 시도. 각종
기기에 대한 연결 지침을 발표하고 공동 협력을 진행 중
제너럴
일렉트릭
(GE)
∙ GE는 모든 생산제품과 인터넷을 연결하는 산업 인터넷(Industrial IoT) 전략을 발표. 사업 강화
를 위해 Verizon, Cisco, Intel등과 파트너쉽을 체결함
∙ Predix는 GE가 개발한 기기와 원격으로 연결해 정보를 수집, 산업 전 분야에서 사용될 산업 인터넷
애플리케이션을 개발하고 관리하는 플랫폼임
마이크로소프트
(Microsoft)
∙ Microsoft는 수많은 윈도 디바이스와 다른 사물인터넷 관련 센서와 디바이스, 애플리케이션 등
을 자사의 클라우드 플랫폼인 MS 애저(Azure)로 이어주는 등 사물인터넷 시장 공략을 강화함
삼성전자
∙ 미국의 SmartThings 인수를 통해 사물인터넷 플랫폼 확보에 나서는 한편, 최근에는 타이젠을 IoT
디바이스 플랫폼 전략의 핵심에 두고 타이젠을 탑재한 TV, 차량용 인포테인멘트 시스템, IoT 프레임
워크 등을 선보임
인텔
(Intel)
∙ 초소형, 저전력으로 웨어러블 기기에 적용 가능한 수준의 IoT 전용 Edison 프로세서를 공개
∙ 한편 IoT 게이트웨이 솔루션을 비롯해 데이터센터 전용 칩 ‘제온 E5 v3’ 등을 공개하면서 IoT
솔루션 진용을 완성한 것으로 평가됨
자료 : IoT 현황 및 주요 이슈 재구성(정보통신기술진흥센터, 2014년 4월)
라. 사물인터넷 표준
수많은 기기들의 유기적인 연결을 위한 통신 규격의 표준이 중요한 이슈로 부각되고 있다. 사
물인터넷 표준 정립을 위해 IEEE를 비롯하여 oneM2M, AllSeen Alliance, Thread Group, OIC
등 다양한 표준 단체가 활동을 하고 있다. 사물인터넷 표준은 다수의 업체들이 채택한 방식이
표준이 될 가능성이 높으므로 향후 시장 주도를 위한 글로벌 업체 간의 경쟁은 당연하며 표준
활동에 대한 연합 또한 자주 이루어질 전망이다.
OIC 설립을 주도한 삼성전자의 경우, AllSeen을 제외한 Thread Group, IIC, oneM2M,
Qivicon 등 대부분의 표준 단체에 참여하고 있다. 그 외 Cisco는 AllSeen, OIC 및 IIC에, MS는

18. 2016년 ICT산업 메가트렌드
14
AllSeen과 IIC에, Intel은 OIC와 IIC에 각각 가입하여 활동하고 있다. 이와 같은 업체 간 협력
및 연합 시도는 앞으로도 계속될 것으로 예상된다.
[표 Ⅰ-4] 사물인터넷 표준 단체
자료 : IoT 현황 및 주요 이슈(정보통신기술진흥센터, 2014년 4월)
4. 산업 리모델링 추진 현황
최근 사물인터넷 기술은 수많은 비즈니스 방식에 변화를 일으키면서 점차 전 산업을 리모델링
하고 있다. 초기 사물인터넷 시장은 기술 위주의 작은 성공 사례를 바탕으로 형성되었으나 점차
산업별 대형 서비스 중심으로 변화하고 있다. 사물인터넷 서비스는 각 산업별로 시장이 명확히
구분되고 있고 필요한 기술 수준이 상이하게 나타나고 있어 산업에 특화된 구체적인 서비스 개발
이 필요한 시점이다. 해외에서는 미국 및 유럽을 중심으로 산업별 성공 사례들이 등장하고 있지만
국내에서는 아직까지 뚜렷한 성과는 나타나지 않고 있다. 이에 사물인터넷 기술이 영향을 미치는
다양한 산업 영역들을 살펴보고자 하며 산업 리모델링의 주요 추진 영역으로 스마트 팩토리, 스마
트 헬스케어, 스마트 카, 스마트 홈, 스마트 에너지, 스마트 팜, 스마트 물류에 대해 살펴본다.
가. 스마트 팩토리(Smart Factory)
글로벌화, 도시화, 인구구조의 변화 등 끊임없는 사회적 변화와 함께 노동가치가 하락하고 공
동화 현상이 진행되는 등 제조업을 둘러싼 환경이 급변하고 있다. 또한 시장에서 요구하는 제품

19. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
15
을 적기에 정량으로 생산하지 못한다면 이는 곧바로 재고 부담으로 되돌아와 회사의 존립을 어렵
게 할 수도 있다. 이를 위해 다품종 소량 생산 체계를 갖추는 등 시장의 변화에 대응하고 있으나
시장에서 요구하는 다품종 소량 제품의 유형도 시시각각 변하여 생산자 입장에서는 수요 계획에
따른 생산이 무의미해지기도 한다. 기업 운영 환경에서 이러한 시장의 변화에 대응하기 위해서
는 시장의 변화를 사전에 감지해 생산 전략을 적기에 수정할 수 있는 시스템의 필요성이 제기되
었고 이에 사물인터넷을 통한 4차 산업혁명 시대를 대표하는 ‘스마트 팩토리’라는 개념이 등장하
게 되었다.
스마트 팩토리는 생산과 관련하여 감지된 정보 분석을 통해 작업에 대한 의사 결정이 이뤄지
고 그 결과가 생산 현장에 반영되는 작업이 시스템에 의해 자동적으로 수행되어 리소스를 최적화
하는 환경의 공장이라 할 수 있다. 현장에서 시장의 변동 요인에 따른 생산 전략의 변화를 시스
템 Rule 기반으로 생산 체계에 반영할 때 그 가치를 발휘할 수 있으며 성공적으로 정착하기 위해
사물인터넷 기반 기술인 센서(Sensor), 제어(Control), 액추에이터(Actuator) 기술과 밀접한 연
관성을 가진다.
이렇듯 사물인터넷 기술을 통해 생산 공정에서 발생하는 방대한 데이터를 관리, 분석, 판단하
여 공장이 스스로 생산, 공정 관리, 작업장 안전 등을 관리하는 스마트 팩토리로 전환될 경우,
전체 생산 공정은 최적화될 것이고 산업 공정의 유연성과 성능이 개선될 것으로 기대된다.
자료 : IT & Future Strategy 제2호(한국정보화진흥원)
[그림 Ⅰ-4] 기술 변화에 따른 산업혁명 4단계

20. 2016년 ICT산업 메가트렌드
16
독일은 2011년 ‘하이테크 전략 2020’에서 다가올 4차 산업혁명을 주도하고 미래 제조업의 경
쟁력을 선점하기 위한 인더스트리(Industry) 4.0 프로젝트에 2억 유로를 투자하기로 하였다. 독
일이 강점을 가지는 자동차, 기계의 제조업에 ICT를 접목해 모든 생산 공정, 조달 및 물류, 서비
스까지 통합적으로 관리하는 스마트 팩토리 구축을 목표로 하고 있으며 이를 위해 사물인터넷
(IoT), 사이버물리시스템(CPS, Cyber Physical System), 센서 등의 기반 기술 개발 및 생태계
확산에 노력하고 있다. 지멘스(SIMENS)의 암벡(Amberg) 공장은 스마트 팩토리 구축을 위한 독
일의 인더스트리 4.0 전략을 설명하는 대표적인 사례로 들 수 있다. 암벡(Amberg) 공장은 사물
인터넷 기술과 빅데이터를 활용해 대부분의 공정을 자동화 했는데 각 설비에는 센서가 부착돼
있고 부품마다 일련번호가 있어 문제가 발생하면 불량의 원인을 확인할 수 있다. 공장에서 하루
에 분석하는 데이터만 5,000만 건으로 매년 182억 건이 넘으며 빅데이터(Big Data)의 분석을
통한 불량 관리로 0.0012%의 낮은 불량률을 자랑한다.
[그림 Ⅰ-5] 지멘스 암벡 공장 전경 [그림 Ⅰ-6] 다크리(Daqri)의 스마트 헬멧
그 밖에 작업자의 효율성 개선 사례로 다크리(Daqri) 사의 스마트 헬멧(Smart Helmet)을 들 수
있다. 사물인터넷과 증강현실 기술을 적용하여 산업 현장에 맞게 만들어 낸 것으로 공사 현장에서
쓰는 헬멧에서 작업과 관련된 각종 정보를 헬멧의 투명한 디스플레이(Display)를 통해 보여주며,
지도, 치수, 온도 등 각종 정보를 파악하여 눈으로 보이는 실사에 정보를 덧입혀 표현할 수도 있다.
나. 스마트 헬스케어(Healthcare)
선진국에서는 고령화 및 소득 수준 향상으로 인해 질병예방 및 건강관리에 대한 많은 관심을
가지고 있다. 따라서 의료에 대한 패러다임도 사후 치료에서 사전예방 및 건강관리로 전환되고
있으며 점차 개인 맞춤형 서비스로 발전할 전망이다. 이와 더불어 ICT기술 발전에 따라 의료용

21. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
17
기기 또한 꾸준히 발전하고 있으며 최근 사물인터넷 기술을 통하여 개인용 진단기기로 측정한
기록을 스마트폰을 통해 바로 확인할 수 있는 서비스가 출시되었듯이 앞으로 더 나은 차별화된
서비스를 통한 경쟁이 예상된다.
스마트 헬스케어 서비스는 웨어러블 디바이스(Wearables)를 포함한 다양한 사물인터넷 디바
이스를 활용하여 생체신호 측정, 질병의 진단 및 예방을 포함하는 건강관리, 보건 및 의료 서비
스를 총칭하고 있으며 다수의 글로벌 기업들이 독자적인 스마트 헬스케어 서비스 및 플랫폼을
개발하여 제공하고 있다. 특히 전 세계 병원들을 중심으로 사물인터넷 기술의 도입을 통한 스마
트 병원 시스템을 구축하는 사례가 증가하고 있으며 이에 대한 가시적인 효과도 드러나고 있다.
따라서 사물인터넷 기술을 활용하여 의료비 절감 및 서비스 향상을 실현하고 질병의 예방과 관리
중심의 의료 서비스 패러다임을 변화시키며 향후 건강관리 서비스 영역을 벗어나 진단, 수술 및
치료에도 확대 적용을 할 수 있다.
2014년을 시작으로 구글, 애플, 삼성, 마이크로소프트 등의 대형 글로벌 업체들이 본격적으로
헬스케어 사업에 뛰어들면서 기존 피트니스 및 의료 서비스 산업의 변화를 시도하고 있고 각 기
업들마다 핵심 역량을 바탕으로 차기 헬스케어 시장을 선점하기 위해 노력하고 있다. PwC의 시
장 보고서 따르면, 모바일 헬스케어 시장은 연평균 50.3%의 폭발적인 성장률과 더불어 2017년
에는 시장 규모가 약 230억 달러 규모에 이를 것으로 전망된다.
스마트 헬스케어 적용 사례로는 애플의 헬스케어 플랫폼 헬스킷(HealthKit)을 들 수 있는데
이를 활용해 다양한 기기에서 칼로리, 수면, 병력 등의 수집기록을 iOS 제품의 애플리케이션을
통해 관리할 수 있다. 또한 미국의 메이요 클리닉(Mayo Clinic)과 공동 연구개발을 추진하여 단
순한 건강관리가 아닌 기존 환자 정보와의 통합을 목표로 준비하고 있으며 전자의무기록(EMR)
회사 및 보험회사와도 협약을 확대하고 있다.
자료 : 제너럴 일렉트릭(GE)
[그림 Ⅰ-7] 어벤추라 병원의 위치추적 시스템
[자료: 코벤티스 홈페이지]
[그림 Ⅰ-8] 코벤티스의 픽스(PiiX)

22. 2016년 ICT산업 메가트렌드
18
미국 플로리다 주의 어벤추라 병원은 GE(General Electric)가 개발한 의료용 위치추적 시스
템인 애자일 트랙(AgileTrac)을 도입하여 입원환자 및 외래환자에게 위치추적 센서가 탑재된 팔
찌를 부착하고 의료기기 에도 부착하여, 의료진들이 환자의 위치를 실시간으로 파악할 수 있고
응급상황이 발생하면 보다 신속하게 대응할 수 있게 되었다. 이를 통해 환자가 도착할 때부터
진료 정보를 종합적으로 확인할 수 있으며 입･퇴원 수속 절차도 간소화 할 수 있다.
개인화 된 의료기기로는 코벤티스(Corventis) 사의 무선 센서가 내장된 1회용 밴드 기기인 픽
스(PiiX) 라는 제품을 들 수 있는데 심장부위에 부착해 실시간으로 심박 수, 체온, 호흡 속도 등
을 파악하고 이상이 있을 경우 환자 정보를 자동으로 의사에게 전달해 준다.
다. 스마트 카(Smart Car)
IT기술의 발달과 함께 스마트폰의 대중화는 사람들로 하여금 자동차 내부에서 엔터테인먼트,
뉴스와 같은 정보의 소비, 안전 관련 편의성 개선과 같은 욕구를 확산시켰다. 자동차와 ICT와의
융합은 수년 전부터 거론되었던 커넥티드 카(Connected Car) 또는 텔레매틱스(Telematics) 언
급 시점부터 꾸준히 진행되고 있다. 당시에는 해결하지 못한 통신 기술 및 컴퓨팅 파워의 부족,
리소스 관리 방안 등의 어려운 과제들이 많이 남아 있었지만 사물인터넷 시대에 들어서면서 많은
요소 기술의 발전과 함께 지능화된 자동차의 개발이 가능해 질 것이라고 예상된다.
스마트 카 기술은 자동차 기술에 정보통신, 전자제어, 사물인터넷 기술 등을 통해 자동차의
내･외부 상황을 인식하여 더욱 안전하고 편리하게 차량을 이용할 수 있도록 하는 통합된 자동차
관련 기술을 의미한다. 사물인터넷 기술의 발전으로 인해 다양한 센싱(Sensing) 기술과 함께 방
대한 데이터의 관리 및 분석 기술이 발전하게 되었고 자율주행과 같은 자동차 관련 신기술이 다
시 주목 받기 시작했다.
가트너는 2020년에 새로운 차량 내 서비스와 자동주행 기능을 구현하는 스마트 카 차량이 2억
5천만 대에 달할 것으로 예상하여 사물인터넷 기술을 활용한 스마트 카 산업의 높은 성장성을
전망하고 있다. 2016년 CES에서 확인할 수 있듯이 자동차 산업의 발전 방향은 크게 전기차와
자율주행으로 요약될 수 있다. 테슬라(Tesla)가 전기차 분야에서 업계의 큰 주목을 받으며 시장
을 선도하고 있으며 뒤늦게 주요 완성차 업체들이 전기차 모델 출시에 접어들면서 전기차는 현실
화되었음을 입증하고 있다. 자율주행은 사물 인터넷 기술의 발달로 인해 주목 받고 있으나 아직
은 기술과 규제 측면에서 개선해야 할 점이 많다. 미국 캘리포니아 주정부가 자율주행 차량의
규제 초안을 공개하기도 했으며 소비자들의 안전에 대한 인식 문제도 걸림돌로 작용하고 있으나
사물인터넷 기술을 활용한 자율주행차 개발 노력은 계속 진행 중에 있다.

23. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
19
사물인터넷 기술이 중요시되면서 자동차 업체와 IT업체 간의 연합이 활발히 일어나고 있다.
포드(Ford)의 경우 구글(Google)과 애플(Apple)의 스마트 카 플랫폼인 안드로이드오토
(AndroidAuto)와 카플레이(CarPlay)를 2017년 모든 차종에 적용할 계획이며 아마존(Amazon)
과의 제휴, 중국의 드론 업체인 DJI와도 협업을 강조하고 있다. 그 밖에도 볼보(Volvo)는 마이크
로소프트(Microsoft)와의 협력을 아우디(Audi)는 퀄컴(Qualcomm)과의 협력을 진행하는 등 다
양하게 연합이 형성되고 있다.
자료 : 한국경제, 2016년 1월 11일
[그림 Ⅰ-9] CES에서 공개된 자동차 업체와 IT업체 간 연합관계
자율주행차의 대표적인 사례인 구글의 자율주행차는 2010년 자율주행차 개발 계획을 공식 발표한
이래 꾸준히 발전해 왔으며 그 결과로 2014년 12월 시제품을 공개하였다. 음파 장비와 3D 카메라,
레이더 장비 등 각종 첨단 센서를 통해 수집된 데이터를 분석하여 거리를 측정하고 위험을 감지한다.
[그림 Ⅰ-10] 구글 자율주행차 기능 및 형태

24. 2016년 ICT산업 메가트렌드
20
라. 스마트 홈(Smart Home)
주거 환경을 개선하고 이를 유용하게 변화시키고자 하는 인간의 욕구에 따라 집에 대한 관심은
꾸준히 지속되고 있다. 집을 기반으로 관리해야 할 항목은 가정 내 보안, 전기 및 난방과 같은
에너지 관리 영역을 넘어서 TV나 오디오 장치 같은 엔터테인먼트 기기 및 가전에 대한 제어까지
이르고 있다. 최근 사물인터넷 기술의 발달로 인해 개별적으로 관리되던 기기들이 서로 연결되는
환경을 구축할 수 있게 되면서 좀 더 편리하고 효율적으로 주거 환경을 개선할 수 있게 되었다.
스마트 홈이란 집 안의 사물인터넷 기능이 포함된 기기에서 생성된 정보가 유무선 네트워크를
통해 다른 사물 및 사람에 전달되고 데이터 분석을 통해 환경을 개선하며 생활수준을 향상시킬
수 있는 시스템을 총칭한다. 스마트 홈을 통해 TV, 오디오, 냉장고 등의 가전제품과 전기, 수도
등의 에너지 장비, 보안 등을 하나의 통합된 네트워크에 연결하여 사용자가 연결된 기기들의 상
황 정보를 원격으로 확인 및 제어하며 나아가 상호간에 연결된 기기들의 데이터 분석을 통해 가
정 내 새로운 서비스로의 창출이 가능해진다. 사물인터넷 기술이 스마트 홈에 미치는 영향은 집
과 관련된 모든 기기들의 연결(Connectivity)을 통한 새로운 가치 창출이며 이는 작동 상태를
모니터링하거나 원격으로 조작하는 것 이상으로의 큰 의미를 지닌다.
자료 : siliconangel.com
[그림 Ⅰ-11] 스마트 홈을 구성하는 기기
스마트 홈 역시 플랫폼 주도권 경쟁이 치열하며 이는 기존 동영상 강자인 TV와 OTT업체 간
의 차별화 전략을 통해 나타나고 있다. OTT서비스 업체들은 자신들의 서비스에 최적화된 OTT
단말을 출시하면서 전통적 TV 제조업체를 압박하고 있다. 이에 대해 TV 제조업체들은 TV에서
의 완결적 서비스가 아닌 타 단말 및 서비스와 긴밀히 연동되는 스마트 홈 허브(Hub)로서의 TV
를 강조하는 전략을 내세우고 있는데 이러한 전략의 일환으로 2016년 CES에서 세계 최대 TV업

25. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
21
체인 삼성전자와 LG전자가 TV를 다른 가전제품의 제어를 위한 기기로 활용하는 것을 시연하였
다. OTT업체의 경우에도 동일한 홈 허브 전략을 추진 중에 있는데 애플은 애플TV를 통해 홈킷
(HomeKit) 지원 단말들을 원격으로 제어할 수 있는 기능을 선보였으며 아마존은 음성인식 기반
의 인공지능 스피커인 에코(Echo)를 통해 아마존 파이어(Fire) TV를 제어하는 것은 물론 위모
(WeMo)나 필립스 휴(Hue) 같은 타사의 단말도 제어하고 IFTTT(IF This, Then That)와 같은
자동화 플랫폼도 지원하고 있다. 구글은 크롬캐스트(ChromeCast)를 통한 동영상 서비스를 진행
중에 있으나 아직까지 스마트 홈 관련 기능은 제공되지 않는다. 그러나 자회사인 네스트(Nest
Labs) 등을 통해 다양한 업체와 연합된 스마트 홈 사업을 추진 중이기에 향후에는 자체 OTT
단말을 통한 서비스 및 단말 제어가 가능해질 전망이다.
[그림 Ⅰ-12] 아마존 에코(Echo), 위모(WeMo), 휴(Hue)
마. 스마트 에너지(Smart Energy)
최근 온실가스 규제, 기후 변화 대응, 천연 에너지 자원 고갈 등 전 세계적으로 에너지 관련
이슈가 부각되고 있으며 개인의 경우에는 가정 내 에너지 사용 절감에 대한 관심이 고조되고 있
는 상황이다. 이에 온실가스 배출의 최소화, 신재생 에너지 및 에너지 저장장치의 개발 확대,
합리적인 에너지 소비와 같은 방향으로의 에너지 효용성 개선이 추진되고 있고 이를 현실화 할
수 있는 사물인터넷 기술이 주목받게 되었다.
스마트 에너지란 생산부터 소비에 이르기까지 에너지 손실을 최소화하기 위해 ICT기술을 활
용하여 효율적으로 생산 및 소비가 가능하도록 하는 에너지 관련 시스템 전반을 의미한다. 에너
지 절감이 가져오는 경제적 파급 효과가 크기 때문에 관련 기술 연구가 활발히 진행되고 있으며
사물인터넷 기술과 더불어 빅데이터(Big Data) 분석 기술과의 융합을 통해 효용성 개선의 실현

26. 2016년 ICT산업 메가트렌드
22
가능성이 높다고 판단되고 있다. 스마트 에너지를 통해 조명, 온도, 습도 등의 관련된 데이터를
측정하는 센서와 데이터를 통한 행동 패턴 분석에 따라 자동으로 사용량을 제어할 수 있게 된다.
최근 공공 분야에서 에너지 자원의 효율적 배분 및 관리를 추구하고자 하는 사례가 늘어나고
있는데 카타르 도하, 브라질 상파울로에 스마트워터 시스템을 구축한 사례와 스페인 바르셀로나
의 스마트 가로등 설치 사례 등을 들 수 있다. 또한 전력사업자 간 경쟁 체제가 진행되고 노후화
된 전력망으로 인해 에너지 관리 효율화를 추구하는 미국, 유럽 등 주요국에서 스마트 미터
(Smart Meter) 도입이 확대되는 추세이다. 미국은 2003년부터 ‘Grid 2030' 정책 시행과 전력사
업자들의 의무 설치로 스마트 미터 보급률이 빠르게 증가하고 있으며 유럽은 2009년 ‘제3차 에
너지시장법’ 추진에 따라 2020년까지 전 수용가의 80%에 스마트 미터를 의무 도입하기로 규정
하고 이 결과 23개국에서 사업이 진행 중에 있다.
에너지 절감 사례로 구글이 3조원 이상의 금액으로 인수한 네스트(Nest Labs) 사의 온도조절
기를 들 수 있다. 네스트(Nest Labs) 사의 온도조절기는 일주일 간 사용자의 사용패턴을 학습해
서 온도 설정 시점을 자동 스케줄링하고 동작 인식 센서가 내장되어 있어 사람의 움직임이 없을
때는 외출로 인식해 온도를 낮추고 집집마다 다른 온도, 습도, 외부 날씨를 자동으로 분석해 온도
를 조절하는 방식으로 에너지 사용량을 최적화해 준다.
[그림 Ⅰ-13] 네스트(Nest Labs)의 가스 탐지 및 온도조절기
바. 스마트 팜(Smart Farm)
전 세계적으로 농업은 사물인터넷을 통한 산업 리모델링이 빠르게 진행되고 있는 분야이다.
농업은 전 세계 GDP의 2.9% 수준에 불과하지만 전 세계 인구의 30%가 일하고 있어 노동생산성
이 매우 낮다. 또한 2050년 인구는 90억 명으로 증가가 예상되는데 반해 농업인구 비중은 20%
로 줄어들어 생산성 향상이 매우 중요한 이슈로 대두되고 있다. 인구 증가와 농업인구 감소로
인한 농업 생산성 향상 방안으로 해외에서는 이미 사물인터넷 기술을 통해 식물공장, 정밀농업
등 혁신적인 농업 모델의 도입이 확산되고 있다.

27. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
23
스마트 팜은 사물인터넷 기술을 이용하여 농작물 재배와 관련한 환경 요소인 온도, 습도, 일조
량 같은 물리적인 정보를 센서 등을 통해 측정 및 분석하여 농작물 재배에 어떠한 영향을 미치는
지를 파악하고 이를 기반으로 농작물이 최적의 환경에서 자랄 수 있도록 원격 환경제어를 가능하
도록 한다. 나아가 스마트 팜은 노지 농업, 시설원예, 축산 등 농업 분야에서 생산, 유통, 소비의
전 과정에 ICT기술을 적용한 농업 형태까지를 포함한다.
자료 : 스마트 팜 기술동향 및 전망(ETRI, 2015년 10월)
[그림 Ⅰ-14] 스마트 팜 개념도
국내 스마트 팜 사례로 SKT는 세종시에 '지능형 비닐하우스 관리시스템'을 구축하여 스마트폰
을 통해 원격으로 재배시설의 개폐 및 제어기능, CCTV 카메라의 모니터링 기능, 온도와 습도
등 다양한 센싱 정보 모니터링 기능을 제공하는 시스템을 구축하였다.
해외의 경우, 네덜란드의 Priva는 온실에서 작물이 필요로 하는 온도, 습도, 조명, 영양 요소
를 자동으로 관리할 수 있는 온실 환경 및 양액 자동제어시스템을 사물인터넷 기술을 활용하여
사업화하였다. 또한 온실의 환경제어 기술을 기반으로 빌딩의 내부 환경과 에너지 소비량을 관리
할 수 있는 시스템을 개발하여 현재 네덜란드의 공공건물의 약 30%에 적용하고 있다. 또한 IBM
은 1~2km의 좁은 지역들을 위한 정확한 지역 일기예보를 제공하는 기상 예측 플랫폼 딥썬더
(Deep Thunder)를 기반으로 작물의 재식, 재배, 추수, 운송 등 농업 전반에서 수확량 증가 및
품질개선을 지원할 수 있는 시스템을 개발하였다. 그 밖에도 미국 블루리버 테크놀러지 사의 레
터스 봇(Lettuce Bot)은 수백만 장의 식물 이미지가 저장된 데이터베이스에서 식물과 잡초를 즉
각적으로 구분하여 잡초를 제거하고 작물만을 선별하여 비료를 살포하도록 제작되었다.

28. 2016년 ICT산업 메가트렌드
24
자료 : Priva 홈페이지
[그림 Ⅰ-15] Priva에서 적용한 스마트 팜 사례
사. 스마트 물류
전통적인 물류 및 유통 사업자들의 고유 산업 영역에 ICT를 기반으로 하는 새로운 도전자들이
뛰어들면서 산업에서의 경쟁이 치열해지고 있다. 이미 구글, 아마존, 알리바바, 우버 등 글로벌
기업들은 자신들이 가지고 있는 핵심 IT역량을 바탕으로 물류산업의 새로운 가치들을 창출하여
시장 진입과 동시에 패러다임을 변화시키고 있다. 핵심 IT역량으로는 사물인터넷 기술을 비롯하
여 빅데이터, 클라우드, 인공지능과 같은 기술들을 들 수 있으며 이를 활용해 물류산업을 변화시
키기 위한 준비를 하고 있다.
[표 Ⅰ-5] 물류 혁신을 주도하는 글로벌 IT기업
기업 경쟁요소 Value
Google Robotics, IoT Google Glass/AR, 당일 배송
Amazon Big Data, Cloud Drone 배송, 예측 배송
Alibaba 스마트 물류 네트워크 중국 내 당일 배송
Uber Platform 식료품/의약품 배송
스마트 물류란 ICT기술을 활용하여 물류의 전 과정에 걸쳐 발생하는 데이터를 수집, 분석하여
최적화된 물류 서비스를 제공하는 시스템 전체를 의미한다. 스마트 물류의 대표적인 유형으로
예측 물류, 복합 운송, 작업 환경 개선 등을 들 수 있다. 예측 물류란 사물인터넷 기술을 통해
확보된 방대한 양의 데이터와 고객의 행동에 따른 상황을 분석하여 정밀한 예측을 통해 배송을
하는 것을 말하고 복합운송은 배송 거리 또는 운송 수단의 다양화로 예상치 못한 상황이 발생하
는 것에 대해 프로세스 변화를 통해 최적화하는 운송 방식을 말한다. 이를 통해 운송 상황 데이
터를 실시간으로 분석하여 최적의 경로를 제공함으로써 운송 시간과 비용을 절감할 수 있다. 작

29. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
25
업 환경 개선은 앞장에서 언급한 스마트 헬멧과 같은 기술을 물류 작업장에 활용하여 근무자의
업무 효율성 증대에 기여하는 것을 말하며 최근 많은 글로벌 물류 기업들이 작업 환경 변경을
시도하고자 노력하고 있다.
주요 사례를 살펴보면 트랜스메트릭(Transmetrics) 사의 예측물류 시스템은 고객사의 과거
데이터와 함께 날씨, 휴일, 신제품 출시 등 외적 요인에 대한 데이터를 수집 및 분석한 후 예측
모델을 만들어 더욱 고도화시키고 있다. 미국의 배송 전문업체인 페덱스(Fedex) 사는 물품 배송
추적 서비스를 위한 기기인 센스어웨어(SenseAware)를 제작하여 물류에 활용하고 있는데 배송
중인 물품의 주변 환경 정보를 실시간으로 파악할 수 있도록 지원한다. 이를 통해 위치, 온도,
습도, 기압의 변화, 충격 발생 여부 등을 파악하고 환경 변화에 민감한 제품을 취급할 수 있게
되었다.
[그림 Ⅰ-16] 페덱스(Fedex) 사의 Senseaware
5. 연관 기술
사물인터넷 기술과 관련하여 방대한 양의 데이터 수집 및 분석, 분석된 데이터를 바탕으로 미
래를 예측하고 의사결정을 지원, 수많은 기기로부터 쏟아져 나오는 데이터에 대한 저장 및 관리
등의 내용을 자주 접할 수 있다. 사물인터넷 시대에서 함께 언급되는 기술로 빅데이터(Big
Data), 인공지능(Artificial Intelligence, AI), 클라우드(Cloud)를 들 수 있으며 향후 지능화 시대
가 도래됨에 따라 사물인터넷과 함께 비즈니스 모델의 혁신을 가져올 중요 기술로 인식된다.
가. 빅데이터(Big Data)
다양한 사물인터넷 기기로부터 생성된 방대한 양의 데이터를 분석하여 이를 기반으로 더 나은
가치를 제공하는 것이 사물인터넷 기술을 바탕으로 이루어진 산업에서는 필수 성공 조건이 된다.

30. 2016년 ICT산업 메가트렌드
26
빅데이터(Big Data)의 활용은 제조, 금융, 유통과 같은 주요 산업 영역 뿐 아니라 서비스, 의료,
농업, 교육 등 전 산업 영역에서 주요 동력으로 작용한다. 향후 사물인터넷 확산에 따라 생성되는
데이터의 양과 종류가 크게 증가할 것으로 예측되며 실시간(Real-time), 배치(Batch), 스트림
(Stream) 등과 같은 형태의 데이터를 수집 및 저장하는 방식을 다양화하고 데이터를 효율적으로
관리할 수 있는 솔루션이 필요하다. 데이터 저장 및 관리 환경과 요구사항의 급변에 맞추어 이를
체계적으로 관리하기 위한 데이터 관리 기술이 중요시되고 있다. 또한 데이터 분석(Analytics)
역량은 효과적인 사물인터넷 구현을 위해 더욱 강조되어 분석 솔루션을 가지고 있는 소프트웨어
업체뿐만 아니라 하드웨어 및 서비스 사업자들까지도 데이터 분석 역량을 강조하며 사물인터넷
시장에 적극적으로 진입하고 있다.
자료 : Apache Hadoop Documentation
[그림 Ⅰ-17] 빅데이터 분석 도구
나. 인공지능(Artificial Intelligence)
사물인터넷 시대가 도래하여 처리해야 될 데이터의 양이 방대해짐에 따라 인공지능이 빅데이
터(Big Data) 기술과 더불어 중요해지고 있다. 인공지능(Artificial Intelligence, AI) 이란 인간
의 활동인 지식에 대한 이해, 추론, 기억, 학습을 기계를 통해 실현하고자 하는 학문 또는 기술을
총칭한다. 인공지능 기술은 1956년 인지 과학자인 존 매카시(John McCarthy)에 의해 처음으로
개념이 정의되면서 인공지능에 관한 연구가 본격화되었다. 인공지능에 대한 전망에 대해서는 의
견이 분분한데 스티븐 호킹 박사는 “생각하는 로봇 개발을 위한 완전한 인공지능의 등장은 인류
의 멸망을 가져올 것” 이라는 부정적 견해를 보였으나 구글 최고경영자(CEO)인 래리 페이지는

31. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
27
"인공지능이 인간에게 혜택을 가져올 것" 이라는 긍정적인 전망을 내놓기도 하였다.
인공지능은 강한 인공지능(Strong AI)과 약한 인공지능(Weak AI)으로 구분할 수 있는데, 강
한 인공지능이 컴퓨터 스스로 자의식에 기반하여 특정 문제를 사고하고 해결할 수 있는 것이라면
약한 인공지능은 스스로 사고하거나 해결할 수는 없지만 기계학습과 같은 알고리즘을 활용해 정
보를 수집하고 처리하는 인공적인 지능을 의미한다. 최근 상용화가 활발히 진행되고 있는 분야는
약한 인공지능 기술 영역으로, 사물인터넷과 빅데이터, 클라우드(Cloud)의 등장으로 인해 기존
보다 훨씬 많은 양의 데이터를 시스템에 전달하여 빠른 속도로 처리 및 분석하는 것이 가능해졌
기 때문이다. 인공지능을 구현하기 위한 기술로는 최근 주목받고 있는 머신러닝(Machine
Learning)과 딥러닝(Deep Learning) 기술이 있으며 빅데이터 분석과 연계하여 예측 정보를 생
성하고 제공하는 데에 활용되고 있다. 상용화 사례로는 마이크로소프트의 코타나(Cortana), 애
플의 시리(Siri), 아마존의 에코(Echo)와 같은 음성인식 기반의 개인비서서비스를 들 수 있다.
이 외에도 많은 글로벌 기업들은 인공지능 기술을 통해 미래의 주도권을 확보하고자 관련 분야의
투자에 적극적으로 나서고 있다.
[그림 Ⅰ-18] 글로벌 IT업체의 인공지능 솔루션
다. 클라우드(Cloud)
사물인터넷은 사물간의 연결을 기반으로 고객에게 편의를 제공할 수 있는 다양한 서비스를 제
공해야 하는데 이를 위해서는 각 사물로부터 생산되는 데이터에 대한 취합, 저장, 분석 등과 같
은 작업이 수반되어야 한다. 또한 시장 변화에 대응하는 다양한 서비스 어플리케이션의 신속한
개발과 함께 빅데이터 혹은 애널리틱스 기술과의 연동이 필수이다. 빠르게 변화하는 시장의 흐
름을 반영하고 이에 맞는 적절한 어플리케이션을 구현하는 것이 사물인터넷 시장 성장의 동력이
될 것으로 보이는 가운데 사물인터넷 기술 구현을 위한 기반 인프라로 클라우드가 부각되고 있
다. 이미 사물인터넷 플랫폼, 산업용 솔루션, 서비스 등의 사업자들은 자사의 제품이 클라우드

32. 2016년 ICT산업 메가트렌드
28
상에서 구동이 되는 점을 강조하고 있으며 아마존 웹 서비스(Amazon Web Service, AWS), 세
일즈포스닷컴(Salesforce.com), 마이크로소프트 애저(Azure), IBM 블루믹스(Bluemix)와 같은
주요 클라우드 서비스 사업자들은 자사의 제품을 사물인터넷 기기와 연동하여 어플리케이션 개
발, 분석 등의 기능을 구현할 수 있는 사물인터넷 제품 개발을 위한 서비스를 출시하고 있다.
자료 : Crypticshell
[그림 Ⅰ-19] 글로벌 클라우드 기술 제공 업체
6. 종합 및 제언
사물인터넷 기술은 다양한 산업 영역에 깊숙이 파고들어 비즈니스 모델의 혁신을 일으키고 있
다. 공장, 자동차, 농장, 물류, 의료 등 전통산업 영역의 고유 역량만으로는 새로이 진입을 시도
하는 사물인터넷 기술 강자와의 경쟁에서 뒤쳐질 가능성이 높다. 기존 사업자들은 빠르게 변화
하는 ICT기술을 적기에 사업에 도입하여 미래 경쟁력을 강화해야 할 것이다.
사물인터넷 기술이 가져오는 긍정적인 전망에도 불구하고 아직 해결해야 할 과제는 남아 있
다. 사물인터넷으로 인해 발생하는 보안 관련 이슈는 필히 해결해야 할 과제이다. 최근 중시되고
있는 개인정보 침해는 물론 자동차, 의료 등에서의 취약한 보안 위험은 사물인터넷 시대에서 생
명을 위협할 만한 요소로 악용될 수도 있다. 특히 해킹 대상이 일상 생활과 산업 영역으로 넓어
져 제조공장, 전력망, 자동차, 의료기기, 가전제품까지의 광범위한 영역이 악의적인 해커들의 목
표물이 될 가능성이 높아지고 있기 때문에 이에 대한 대비가 절실하다.
정책 측면에서는 규제 해소를 위한 기업의 요구가 더욱 확대되고 정부에서도 다양한 규제 개
혁 움직임을 보이고 있으나 사물인터넷 산업 발전을 위해 보다 적극적인 대응이 요구된다. 선진

33. 제1장. 산업 리모델링의 기반, 사물인터넷(IoT)
29
국 대비 국내 사물인터넷 시장은 개인정보보호법, 위치정보법, 전기통신사업법 등에서 여러 이슈
로 충돌하고 있으며 의료법, 도로교통법 등의 산업별 규제로 인해 새로운 시도를 하기 어려운
상황이다. 다행히 현재 추진 중인 자율주행 자동차 및 무인항공기 실증 및 시범 특구 지정, 사물
인터넷을 비롯한 여러 융합 사업 영역을 선정하고 지원하는 방안을 제시하는 등의 규제를 해소하
기 위한 정책은 사물인터넷 시장 확산에 중요한 역할을 하게 될 것이다.
국내 사물인터넷 시장은 사물인터넷에 대한 인식 확대와 다양한 디바이스 및 서비스의 등장과
기술의 발달에도 불구하고 해외에 비해 여전히 구체적인 성공 사례가 등장하지 않고 있다. 시장
참여자들이 산업 및 서비스 별로 시장성을 가늠하고 있지만 실질적으로 기업 혹은 일반 소비자들
이 효과 혹은 편의를 체감할 수 있는 서비스가 아직까지 없다는 것이 직접적인 원인으로 작용하
고 있다. 사물인터넷 산업의 성장을 위해서는 사물인터넷 기술에 대한 편의성과 효용성을 일방
적으로 강요하는 방식이 아니라 기업의 비즈니스 요구사항을 충분히 반영하고 여기에서 나타나
는 문제점을 해결하는 방식으로의 인식 전환과 접근방식이 필요하다.
사물인터넷은 이제 더 이상 초기의 기술 단계가 아니라 산업에 밀접하게 관여하여 산업을 재
편하는데 중요하게 작용하고 있다. 사물인터넷을 통해 얻어진 수많은 데이터는 각 산업 현장에
서 사업의 방향을 결정하는 중요한 변수로 작용한다. 앞으로 사물인터넷의 발전 방향은 사물의
물리적 정보를 센싱하고 모니터링 하는 것에서 업그레이드하여 빅데이터, 인공지능, 클라우드
기술 등과 결합하여 상황을 분석, 더 나은 의사결정을 지원하고 이를 통해 다양한 산업에서 고도
의 지능화된 시스템을 구축, 생산성을 개선하며 업무 효율화, 성능 개선을 모색하는 방향에 역량
을 집중하게 될 것이다. 이는 곧 지식산업으로의 발전 단계에서 반드시 필요한 산업 경쟁력으로
작용하게 될 것이며 앞으로는 산업을 혁신할 수 있는 사물인터넷 기술 및 서비스를 확보한 기업
만이 지식기반 사회에서 살아남게 될 것임을 명심해야 한다.

34. 2016년 ICT산업 메가트렌드
30
참고문헌
[1] 다양한 IoT 환경을 고려한 IoT통합 플랫폼 기술 동향(정보통신기술진흥센터, 2015년 9월)
[2] Biz&Tech 스페셜리포트(SK주식회사, 2015년 8월)
[3] 사물인터넷 시장 및 산업 전망(기술과 경영, 2014년 4월)
[4] Kisti Market Report 2015년 4월호(KISTI, 2015년 4월)
[5] 미국의 인공지능(AI) 기술 R&D 추진 동향(정보통신기술진흥센터, 2015년)
[6] 사물인터넷의 미래(한국전자통신연구원(ETRI), 2014년 11월)
[7] IoT 현황 및 주요 이슈(정보통신기술진흥센터, 2014년 4월)
[8] 인더스트리 4.0과 제조업 창조경제 전략(한국정보화진흥원, 2014년 5월 30일)
[9] 스마트팩토리의 핵심은 빅데이터 분석이다.(인더스트리솔루션, 2015년 6월)
[10] 사물인터넷 기반 헬스케어 서비스 및 플랫폼 동향(경북대학교, 2014년 12월)
[11] 2015년 ICT 10대 주목 이슈(KT경영경제연구소, 2014년 12월)
[12] 스마트팜 기술동향 및 전망(ETRI, 2015년 10월)
[13] [CES2016결산] 가전의 재정의와 상상의 현실화(아틀라스리서치, 2016년 1월)
[14] 스마트 에너지 서비스 기술(ETRI, 2015년 10월)
[15] 글로벌자동차-IT,불붙은 ‘합종연횡’(한국경제, 2016년 1월 10일)
[16] 초연결 사회를 견인할 IoT데이터화 전략(한국정보화진흥원, 2015년 3월)
[17] Gartner Symposium/IT Expo 2015(Gartner, 2015년 11월 10일)
[18] How the IoT will impact businesses in 2016 and beyond(Business Insider, 2015년 4월)
[19] Korea Internet of Things Market Dynamics(IDC, 2016년 2월)

35. 제2장
미래세상의 도어, 인공지능
김재필 팀장 (KT경제경영연구소)
2016년 ICT산업 메가트렌드

37. 33
제2장 미래세상의 도어, 인공지능
김재필 팀장 (KT경제경영연구소)
1. 개요
가. 인공지능의 정의와 발전과정
인공지능(AI, Artificial Intelligence)의 포괄적 정의는 인간처럼 사고하고, 감지하고, 행동하
도록 설계된 일련의 알고리즘 체계라고 할 수 있다. 그러나 꼭 AI가 사람의 모양을 한 로봇만을
지칭하는 것은 아니다. 우리가 잘 알고 있는 아이폰의 ‘Siri’도 인공지능의 한 종류라고 할 수
있다. Siri처럼 사람의 개입 없이도 사람이 의도한 바를 이루어주는 에이전트(Agent)의 개념으
로 인공지능을 정의할 수 있는 것이다. 방의 형태와 청소상태에 따라 행동을 달리하며 청소를
하는 로봇 청소기나 세탁물의 양과 종류에 따라 세탁방식을 최적화 시키는 인공지능 세탁기 역시
인간을 대신하여 인간이 의도한 목표를 이루어 주는 에이전트로서 인공지능의 일종으로 볼 수
있다.
1950년 태동한 인공지능은 여러 번의 모멘텀을 통해 현재의 발전단계에 이르게 된다. 초기에
는 인간의 문제해결 논리를 컴퓨터 언어로 구현해 내려는 시도가 주를 이루었고, 이후 1970~80
년대에는 범용문제 해결원리 구현 대신 특정 분야의 전문지식을 학습시키는 ‘전문가 시스템’이
활발하게 연구되었다. 1990년 대 중반 이후 컴퓨팅 기술이 발달하고 빅데이터가 등장하면서 인
공지능 연구는 선험적 지식을 활용하는 것이 아닌 기계 스스로 데이터를 통해 스스로 지식(패턴)
을 찾아내는 방식으로 진화하였다. 이러한 ‘머신러닝(Machine Learning)’ 연구는 2000년 대 중
반 이전의 머신러닝 연구에서는 등한시되었던 인공신경망 분야에 혁신이 일어나면서 전환점을
맞이하게 되는데 바로 ‘딥러닝(Deep Learning)’이라는 새로운 방식이다. 딥러닝은 기계 스스로
가 다계층의 신경망 구조를 통해 인간이 알려주지 않은 데이터의 특징 값까지 스스로 추출해내는
놀라운 능력을 보여주는 기술로 인공지능 분야의 최신 트렌드라고 할 수 있다.

38. 2016년 ICT산업 메가트렌드
34
자료 : 닛케이BP
[그림 Ⅱ-1] 인공지능 프로세스 및 발전과정
나. 기계학습(머신러닝)과 딥러닝의 개요
기계학습이란 경험(experience)을 통해 특정 작업(task)의 성능(performance)을 향상시키는
방법을 말한다. 이는 몇 가지 특정한 사건들보다 다수의 사건에 대한 경험을 통해 그들의 추세
(패턴)를 학습, 이를 기반으로 판단을 내린다는 점에서 “패턴인식(Pattern Recognition)”이라고
도 불리는데, 전통적인 통계학을 기반으로 한 인공지능의 새로운 패러다임이라고 할 수 있다.
기계학습 이전의 고전 인공지능은 다양한 상황들에 대해 인간이 정해준 규칙에 의해 따라 판단하
는 논리 기계와 유사했다고 볼 수 있었다. 하지만 현실에서는 워낙 다양한 요인들에 의해 발생하
고 또 일반적인 규칙으로는 설명할 수 없는 예외 상황들도 종종 발생하다 보니 실제 문제의 적용
에 있어서 고전 인공지능은 무한한 케이스들에 대한 끝없는 수정과 보완을 필요로 했다. 그럼에
도 불구하고 우리는 무한한 케이스들 모두를 대응할 수 없기에 기존의 인공지능은 단순한 문제에
만 적용가능한 불완전한 인공지능일 수밖에 없었다.
기계학습은 인간의 사전 지식(prior knowledge)에 의존하기 보다는 데이터 그 자체에서 의미
있는 판단들을 뽑아내는데 중점을 둔다. 키와 몸무게의 상관관계 사례가 대표적이다. 일반적으
로 “키가 180cm인 사람의 몸무게는 얼마인가?”란 질문에 대해 우리는 키와 몸무게 데이터들을
가장 잘 표현하는 추세선(fitting curve)을 얻은 뒤, 이 추세선을 기반으로 답을 찾을 수 있다.

39. 제2장. 미래세상의 도어, 인공지능
35
물론 키가 180cm인 사람이 모두 몸무게가 80kg인 것은 아니겠지만 인공지능은 이 질문에 대해
가장 높은 확률을 가진 답이 80kg이라고 이야기하는 것이며, 이와 함께 다른 몸무게를 가질 가능
성이 있는 확률분포(probabilistic distribution)를 제공하기도 한다. 이처럼 기계학습은 기존 데
이터의 패턴을 기반으로 새로운 질문에 답을 하는 알고리즘인데, 그 성능은 데이터의 양과 질에
크게 의존하기에 무엇보다 예측에 필요한 양질의 데이터를 수집하는 것이 중요하다. 이것이 바로
구글과 같은 기업이 사용자 데이터 수집에 사활을 걸고 있는 이유이기도 하다.
보통 기계학습은 주어진 훈련데이터를 가지고 데이터의 패턴을 파악한 후 이를 바탕으로 새로운
질문에 대해 예측하는 것을 목적으로 하는데, 이는 크게 지도학습(supervised learning)과 비지도
학습(unsupervised learning)으로 구분할 수 있다. 지도학습은 훈련데이터(초기 패턴을 학습할 수
있도록 이용가능하게 주어진 데이터)에 조건 X뿐만 아니라 이에 대한 정답(또는 라벨) Y까지 주어
져 있는 경우의 기계학습을 말한다. 예를 들어 사진 자료들이 “강아지, 고양이, 새”와 같이 사진마
다 일일이 라벨링이 되어 있다면 이를 학습하고 다른 사진들에서 강아지, 고양이, 새들을 찾아내는
문제는 지도학습 문제로 볼 수 있다. 반면 여러 동물사진을 섞어놓고 이 사진에서 비슷한 동물끼리
자동으로 묶어보라고 이야기한다면 이는 비지도학습 문제라고 볼 수 있다. 인간은 이러한 지도학습
과 비지도학습의 과정을 모두 이용한다고 알려져 있으며 아직까지의 인공지능은 지도학습 연구가
더욱 활발한 모습이다. 하지만 인간이 세상을 라벨링 없이도 이해할 수 있듯이, 미래의 인공지능
역시 라벨링 없이 세상을 이해할 수 있는 비지도학습이 더욱 강조될 전망이다.
[그림 Ⅱ-2] 머신러닝과 딥러닝의 차이

40. 2016년 ICT산업 메가트렌드
36
다. 뉴럴 네트워크 기반의 딥러닝
딥러닝은 지도학습에 기반한 인공신경망(artificial neural network)의 진화된 기술이다. 인
공신경망 기술은 인간의 뉴런과 시냅스 원리를 모방한 것인데 딥러닝에서 사용되는 인공신경망
을 딥뉴럴 네트워크(Deep Neural Network)라고 한다. 수많은 노드로 연결되어 있고 다층 구조
로 이루어져 있어 심층적인 학습이 가능하기 때문이다. 이미지 인식 분야에서 많이 쓰이고 있는
네트워크인 Convolutional Neural Network(CNN)를 통해 딥러닝의 개념을 조금 더 살펴 볼 수
있다. CNN은 원본 이미지 데이터 값에 가중치 부여를 다양화하여 수많은 특성맵(feature map)
으로 맵핑(Convolution)시킨다. 이러한 특성맵을 통해 원본 이미지의 특징들을 파악한 후
Pooling 또는 샘플링(sampling)이라고 불리는 과정을 통해 차원을 줄인다. 이러한 과정을 다계층
을 통해 계속 반복해가면서 인공지능은 이미지의 정확한 특성값이나 메타변수를 갖게 된다. 이를
통해 특성이 비슷한 이미지를 보면 인공지능 스스로 분류해낼 수 있게 되어 인간이 그 분류에
대한 특징값과 변수를 정의해주지 않아도 된다.
딥러닝(Deep Learning)의 핵심이라 할 수 있는 인공신경망(Artificial Neural Network), 이른
바 뉴럴 네트워크는 사람의 뇌가 수많은 신경세포들에 의해 움직인다는 점에 착안하여 만들어졌는
데, 많은 수의 노드들을 놓고 그들을 연결하여 이들의 연결 값들을 훈련시켜 데이터를 학습한다.
즉, 관측된 데이터는 많은 요인들이 서로 다른 가중치로 기여하여 만들어졌다고 생각할 수 있는데,
인공신경망에서는 요인들을 노드로, 가중치들을 연결선으로 표시하여 거대한 네트워크를 만든 것
이다. 딥러닝은 간략히 말해 이러한 네트워크들을 층층히 쌓은 매우 깊은 네트워크를 일컫는다.
딥러닝이 가능하게 된 이유는 크게 세 가지이다. 첫 번째는 웹에 의한 대량의 디지털 데이터를
쉽게 구할 수 있게 된 것, 두 번째는 GPU처럼 고속 연산 처리를 가능하게 하는 범용적인 하드웨
어가 등장한 것, 그리고 세 번째가 뉴럴 네트워크가 불우한 시대에서도 Hinton 교수를 비롯한
소수의 연구자들이 꾸준히 연구 성과를 쌓아 온 것이다. 결코 우연히 만들어진 것이 아니라 기술
(웹, 소프트웨어, 하드웨어)의 진보가 끊임없이 연구 노력과 결합한 결과일 것이다.
딥러닝의 등장에 의해 신경 회로망은 다시 주목되게 되었지만, ‘무엇이 "deep"한 것인가?’ 라
는 물음이 남는데 이에 대한 답은 신경 회로망의 구성에 있다. 뉴럴 네트워크는 크게 세 개의
층(입력층, 은닉층, 출력층)으로 나뉜다. 입력 데이터는 입력층을 지나 은닉층, 출력층을 통과하
고 처리되어 출력 결과가 만들어진다. 이러한 일련의 입력에서 출력으로의 흐름에 의한 인식이
가능하다. 딥러닝은 특히 은닉층이 2층 이상인 네트워크를 위한 학습 방법이다. 이들 층에서 학
습할 파라미터 수가 크게 늘어나면서 학습의 난이도도 오른다. 예를 들면, 2014년 ImageNet 화
상 대회에서 우승한 구글의 네트워크는 20층 이상의 은닉층이 큰 네트워크이다.
뉴럴 네트워크는 각각의 학습 용도에 따라서 종류가 다른 모델이 존재한다. 일반적으로 화상･

41. 제2장. 미래세상의 도어, 인공지능
37
자연 언어 처리 등에서는 CNN(Convolutional Neural Network)이 주류이고, 음성 인식에는
RNN(Recurrent Neural Network)이 주로 쓰인다. CNN, 합성곱 신경망(Convolutional Neural
Network)은 최소한의 preprocess를 사용하도록 설계된 Multiplayer perceptron(다계층 퍼셉트
론)의 한 종류이다. 하나 또는 여러 개의 Convolutional 계층과 그 위에 올려진 ANN 계층들로
이루어져 있으며, 가중치와 Pooling layer(통합 계층)들을 추가로 활용한다. 이러한 구조 덕분에
다른 딥러닝 구조들과 비교하여 영상, 음성 분야 모두에서 좋은 성능을 보여준다. RNN, 순환 신
경망(Recurrent Neural Network)은 AN을 구성하는 unit 사이의 연결이 directed cycle을 구성
하는 신경망이다. 임의의 입력을 처리하기 위해 신경망 내부의 메모리를 활용할 수 있는 것이
특징이다. 이러한 특성에 의해 필기체 인식(Handwriting recognition)과 같은 분야에 활용되고
높은 인식률을 나타낸다.
자료 : googleblog(2012년)
[그림 Ⅱ-3] 뉴럴 네트워크의 개념
라. 서비스로 진화하는 인공지능
개념에만 머물렀던 인공지능이 딥러닝 기술로 진화하면서 이제는 구체적인 서비스로 구현되
고 있다. 한국의 바둑 9단 이세돌에게 도전장을 낸 구글의 알파고는 바둑을 마스터한 최초의 인
공지능 프로그램이다. 체스와 비교해 보면 바둑은 둘 수 있는 공간이 넓고 돌의 위치를 평가하는
것이 훨씬 어렵다. 체스는 경우의 수가 20개지만 바둑은 200여개의 경우의 수를 가지고 있다.
알파고는 지금까지 500회 바둑 대국을 펼쳐 499승 1패를 기록했다. 알파고는 deep neural
network 방식을 적용하고 있어 12개의 층(layer)와 100만 개 이상의 뉴런으로 된 신경망을 활용
한다. 고수들의 수들을 학습한 후 그들의 패턴을 흉내 내는데 그치지 않고 신경망 내에서 데이터
들을 학습, 조정하여 스스로 전략들을 생성해 낸다. 가장 유리한 수를 고려하는 '정책망'과 승자
를 예측하는 '가치망'이 각각의 역할을 하고 있다. 알파고는 바둑에만 특화된 인공지능은 아니다.
알파고는 범용 인공지능 프로그램이기 때문에 다른 복잡한 문제에도 적용할 수 있다. 구글은 데
이터센터 최적화에도 인공지능을 이용한다. 장비 사용시간, 에너지 사용량에 대한 빅데이터가 누

42. 2016년 ICT산업 메가트렌드
38
적되면서 에너지 최적화를 위한 시뮬레이션 작업 시, 시스템 간 상호관계의 복잡성으로 일반 모
델 에 적용할 때 많은 오류가 발생하는데, 에너지 최적화 모델 구축을 위해 ‘Neural Network’를
활용한 것이다. 모델에 반영되는 복잡한 변수 관계를 미리 정의할 필요 없이 인공지능이 모델에
서 자동 생성되는 특징들 간의 패턴을 파악하는데, PUE 예측에 99.6%의 정확성을 보여 센터
운용 효율화에 큰 도움을 준다.
페이스북이 얼굴 인식 기술을 활용해 만든 사진 공유 앱 '모먼트(Moments)'는 찍은 사진을 페
이스북에 올리지 않고도 개인적으로 친구들과 공유하게 한다. 모먼트 앱은 사진에 포함된 사람들
의 얼굴을 인식해 그룹으로 분류해주고 개별적으로 사진을 보낼 수 있게 해준다. 페이스북은 얼굴
인식 기술에 많은 투자를 해왔는데 페이스북이 개발한 '딥페이스 AI' 시스템의 얼굴 인식 정확도
는 97.25%에 달한다. 두 이미지 사이에 유사성을 설정하고 그 유사성에 가중치를 부여하는데,
CNN은 두 이미지가 맞는지 정확성 증대를 위해 유사성 간 가중치를 변경하면서 학습해 나간다.
가중치 부여 시 사람의 노력이 굉장히 많이 필요한데 한 번 세팅 후에는 지속시킬 수 있다.
이 밖에도 인공지능은 모바일, IoT기기, 스마트카 등 다양한 영역에 도입이 확대되고 있다.
발전과 쇠퇴를 거듭하면서 진화해 온 인공지능이 이제는 서비스로 구체화되면서 진정한 개화기
를 맞이하고 있는 것이다.
모비디우스(Movidius)의 칩
ㅇ Google, 칩 제조사 모비디우스(Movidius)와 파트너십 체결
- 모비디우스 칩 활용해 안드로이드에 딥러닝 구현
∙ 별도 인터넷 연결없이 모바일로 얼굴이나 사물 인식 가능
∙ 얼굴/망막 인식 통한 은행거래 활성화
∙ 얼굴인식 활용한 스마트홈 보안 서비스
- 구글은 모비디우스사와의 합작 통해 드론, 자율주행차까지
딥러닝 기술 확대 예정
Nvidia의 ʻDrive PXʼ
ㅇ Nvidia, 딥러닝 기술 적용한 차량용 GPU 개발
- 자동차에 찍힌 이미지를 딥러닝 방식으로 분석
- 전방의 차량의 종류와 보행자, 자전거 및 표지판 인식
- 향후 무인자동차 기술의 주요한 플랫폼 될 것으로 전망
[그림 Ⅱ-4] 딥러닝을 활용한 서비스 사례

43. 제2장. 미래세상의 도어, 인공지능
39
2. 시장 현황 및 전망
가. 국내외 인공지능 시장 규모
ICT시장조사업체인 IDC는 세계 인공지능 시장 규모가 영상･음성처리 등의 분야에서만 2015
년 1270억 달러(150조 원)에서 2017년 1650억 달러(195조 8000억 원)로 성장할 것으로 내다
봤다. 영상처리 세계시장 규모는 2015년 약 765억 달러, 2017년 약 1090억 달러로 예상되며,
음성인식 시장규모는 2015년 약 840억 달러, 2017년 1,130억 달러를 형성할 것으로 전망하였
다. 특히 인공지능 시장은 정보보호, 클라우드 컴퓨팅 등 소프트웨어(SW) 관련 분야의 다른 어
느 시장보다 성장률이 가파른 것으로 분석되고 있다. 맥킨지는 2025년 인공지능을 통한 지식노
동 자동화의 파급효과가 연간 5조 2,000억 달러에서 6조 7,000억 달러에 달할 것으로 내다봤다.
시장조사업체인 트래티카는 인공지능 시스템 시장이 2015년 2억 달러 수준에서 2024년 111
억 달러 규모로 연평균 56.1% 성장할 것으로 전망하였는데, 지역별로는 아시아 지역에서의 급성
장이 전체 인공시장 성장을 견인하고 있다.
자료 : Tractica
[그림 Ⅱ-5] 인공지능의 세계 시장규모 전망
AI 관련 투자 규모는 최근 2~3년간 폭발적으로 증가했다. 벤처캐피털 시장전문 조사업체 CB
인사이트에 따르면, 지난 2010년 인공지능 관련 스타트업 투자 규모는 1,490만 달러(약 180억
원)에 그쳤지만 2015년엔 3억 달러(약 3,624억 원)로 약 20배 급증했다. 최근 2년 간 AI 스타트

44. 2016년 ICT산업 메가트렌드
40
업에 투자된 액수는 총 7억 달러(약 8,464억 원)에 달한다. 특히 영국 인공지능 기업에의 투자가
활발한데 2015년 한 해 동안 발생한 영국 인공지능 벤처 투자 규모는 36억 달러(약 4조 3,000억
원)로 2014년에 비해 70% 오른 수치이다.
자료 : CBInsight
[그림 Ⅱ-6] 인공지능 관련 벤처투자 규모 추이
나. 인공지능 기술 확보를 둘러싼 글로벌 기업들의 경쟁
인공지능에 대한 관심이 커지면서 구글･IBM･마이크로소프트 등 글로벌 기업들은 인공지능을
미래 성장동력으로 삼기 위해 해당 기술을 가진 스타트업을 인수하고 조직을 신설하는 등 관련
사업을 강화하고 있다. 마이크로소프트는 영국의 AI 스타트업 스위프트키를 2억 5,000만 달러
(약 3,040억 원)에 인수했다. 스위프트키는 AI 스마트폰 키보드 앱을 제작하는 스타트업으로,
사용자의 키보드 패턴을 분석해 단어를 제시함으로써 빠른 속도의 타이핑을 돕는 서비스를 제공
한다. 구글은 인공지능 스타트업 딥마인드를 2014년 5억 8,200만 달러(약 6,970억 원)에 인수
했다. 딥마인드는 최근 자사가 개발한 인공지능 바둑 프로그램으로 프로 바둑기사를 이겨 세간의
화제를 모으기도 했다. 아마존은 케임브리지 소재 스타트업 에비 테크놀로지(Evi Technologies)
를 지난 2012년에 인수했다. 에비 테크놀로지는 아이폰의 시리(Siri)처럼 사용자와 언어소통이
가능한 인공지능 기술을 개발하는 스타트업이다. 애플도 감정 인식 인공지능 기술을 개발하는
영국 소재 스타트업 이모션트(Emotient)를 인수한 바 있다.
마크 주크버그 페이스북 CEO는 집안의 전기와 온도를 조절하고 딸 맥스에게 이상이 없도록
방을 수시로 점검하는 인공지능 도우미를 직접 개발하겠다고 선언하며 인공지능에 높은 관심을
드러냈다. 페이스북은 이를 위해 저명한 인공지능 연구자들을 잇 따라 영입했는데, 얀 레쿤(Yann
LeCunn) 미 뉴욕대학 교수를 인공지능팀 책임자로 발탁하고, 구글 출신 전문가도 채용하였다.
또한 주크버그는 이미지 인식 소프트웨어를 개발하는 실리콘밸리 신생기업 비카리우스

45. 제2장. 미래세상의 도어, 인공지능
41
(Vicarious)에 개인적으로 투자하기도 했다. 이 비카리우스는 인간의 두뇌에서 언어와 수학 같은
인식 기능을 주관하는 신피질(neocortex)을 재현하는 연구를 하는 업체로 최근 많은 기업들로부
터 투자를 받고 있다. 국내 기업 중에는 삼성전자가 비카리우스에 약 2,000만 달러를 투자한 바
있다. 삼성은 이 회사의 알고리즘을 각종 스마트기기에 적용하는 방안을 고민 중이라고 한다. 이
업체가 개발하는 알고리즘은 로봇이나 스마트기기가 인간처럼 직관적인 지각을 갖게 하는 것이
목표인데, 제프 베조스 아마존 CEO는 물론 스위스 로봇 제조기업 ABB 등도 이 회사에 투자했다.
전기차 제조회사 테슬라의 엘런 머스크는 ‘오픈 AI’라는 재단을 설립하고 10억 달러를 투자해
인공지능 연구를 지원하겠다고 밝혔고, 중국 최대 포털 사이트 바이두(百度)는 미국에 연구소를
설립하고 인공지능 전문가인 앤드루 응 스탠퍼드대 교수를 영입했다. 바이두는 이 연구소에 약
3억 달러를 투자하였다.
일본의 인공지능 연구개발 업체들도 많은 주목을 받고 있다. 화상인식과 딥러닝을 결합한 기
술로 각광을 받고 있는 ABEJA는 미쯔코시 백화점과 공동으로 점포분석 연구에 인공지능을 적용
하고 있다. 동경대, 교토대 대학원 연구원들이 설립한 인공지능 벤처기업 ‘Preferred
Infrastructure’는 NTT, 파나소닉, 토요타 등 일본 굴지의 대기업들로부터 공동연구와 투자를
받을 정도로 인기가 높다. 구글 레벨의 검색 역량과 빅데이터에 기반한 자동추천 엔진이 PFI의
핵심역량으로, 실생활 서비스에 인공지능을 접목시키려는 기업들로부터 투자가 쇄도하고 있다.
[그림 Ⅱ-7] 인공지능 기술 확보를 둘러싼 글로벌 기업들의 경쟁

46. 2016년 ICT산업 메가트렌드
42
3. 활용 분야
가. 대화형 로봇
2015년 6월부터 일반인을 대상으로 판매를 시작한 일본 소프트뱅크의 인공지능 대화형 로봇
페퍼는 온라인상에서 매월 1,000대의 주문 접수를 받는데, 지난 12월까지 7개월 연속으로 접수
1분 만에 당월 판매분이 완료되었다. 누적판매대 수 총 7,000대를 기록한 페퍼는 은행, 자동차
쇼룸, 공공기관 안내데스크 등 다양한 장소에서 홍보 도우미로 활약할 것으로 기대되는 가운데,
올해도 페퍼의 인기는 계속될 전망이다.
로봇 본체 가격은 200만 원대로 대폭 낮췄다고는 하지만 서비스 이용료까지 계산하면 실질
1000만원이 넘는 고가임에도 불구하고 페퍼를 구입하겠다고 문의하는 이용자들이 적지 않다. 특
히 대형 양판점이나 전국 체인 커피숍 등에서의 대량 구입 요청이 많다. 실제로 네슬레 재팬에서
는 페퍼 1000대를 도입하여 커피나 음료의 특징을 대화 형식으로 설명해주는 커스터마이즈 앱을
내장시켜, 매장을 방문한 손님들에게 친절히 설명을 해주어 큰 인기와 함께 매출 상승의 효과도
얻었다. 고령자 복지시설이나 병원에서의 도입도 활발하다. 기후현에 있는 마쯔나미 종합병원에
서는 대기 시간에 접수를 도와주거나 노인 환자들의 말벗 상대용으로 페퍼를 구입해 올해 1월부
터 본격적으로 활용할 예정인데, 향후에는 병원전용 앱을 탑재하여 환자의 의료정보를 기반으로
맞춤형 대화가 가능하도록 할 계획이다.
이러한 페퍼의 높은 인기는 트렌드를 넘어 사회 현상으로까지 확대되고 있다. 소프트뱅크 자회
사인 Cocoro SB가 발표한 ‘시급 1,500엔 페퍼 인재파견 서비스’는 로봇이 인간의 일자리를 뺏을
수도 있다는 우려와 함께, 미래 사회 구성원으로서 로봇을 어떻게 받아들일 것인가에 대해 사람들
로 하여금 진지한 고민을 하게 만들었다. 심지어 홍보용으로 세워진 페퍼를 구타해 파손시키는 사
건까지 발생해 로봇을 이제는 하나의 ‘인격체’로 대해야 하지 않느냐는 갑론을박이 벌어질 정도다.
[그림 Ⅱ-8] 로봇 페퍼의 사양 및 도입 예

47. 제2장. 미래세상의 도어, 인공지능
43
이처럼 과거에 등장했던 로봇과 달리 페퍼가 대중들에게 많은 관심을 받는 이유는 ‘스스로 생
각해서 마치 인간처럼 대화가 가능’하기 때문이다. 1980년대, 제조업 중심의 산업이 급성장하면
서 인간을 대신해 정밀 작업이나 위험한 작업을 해주는 ‘산업용 로봇’이 등장하였고, 이를 계기로
로봇이란 단어가 대중들에게 널리 알려지기 시작했다. 이후 장난감, 로봇펫 등을 통해 보다 친숙
한 존재로 다가왔고, 2000년 이후에는 로봇 청소기와 같이 일상생활에 도움을 주는 생활 가전의
형태로 진화하기에 이르렀다. 이때까지만 해도 로봇 기술의 핵심은 보다 인간에 가까운 움직임을
보여주는데 초점이 맞추어 졌다. 대표적인 것이 혼다에서 개발한 이족 보행형 로봇 아시모
(ASIMO)였다. 인간과 똑같이 걷고 계단을 오르내리고 뛰어다닐 수 있게 하는 것이 아시모의
핵심 기술이었다.
그러나 페퍼는 360도 회전 옴니휠로 평지에서 움직일 수 있는 것이 전부이다. 페퍼의 본질은
인간과 같은 ‘움직임’이 아니라 인간과 같이 ‘대화’ 하는 것이다. 페퍼의 핵심 기술은 하드웨어가
아닌 소프트웨어에 있다. 응답 속도를 높이기 위해 자주 사용하는 응답용 데이터는 페퍼 본체에
보관하지만, 대부분의 기억 데이터는 클라우드에 저장된다. 클라우드 내에서 다른 페퍼와 접속
해 대화와 행동 패턴 등을 공유하면서 학습한다. 이렇게 축적된 방대한 데이터들은 정교한 알고
리즘을 통해 인간의 감정 패턴과 유사하게 처리되고, 이를 기반으로 페퍼는 상황에 따라 대화
내용을 선택해 사람들과 이야기를 하게 된다. 프로그래밍 된 언어밖에 말하지 못했던 기존 로봇
과 달리 스스로 생각해 말을 하는 로봇 페퍼에 사람들은 자연스럽게 애착을 가질 수밖에 없다.
이처럼 미래에는 페퍼와 같이 커뮤니케이션 기능을 중심으로 한 이른바 ‘대화형’ 로봇 시장이
크게 성장할 것으로 예상되고 있다. 대화형 로봇은 일반적으로 ‘산업용 로봇 이외의 서비스 로봇
중에서 음성인식 기능을 탑재하고 대화를 통해 사람과 커뮤니케이션 할 수 있는 로봇’을 의미하
는데, 최근에는 인공지능까지 더해져 외부 환경을 인식하고 스스로 상황을 판단하여 자율적으로
동작하는 지능형 로봇과 클라우드 및 SNS 기능을 결합한 소셜 로봇까지 대화형 로봇 범주에 포
함시키고 있다. 로봇산업이 앞서 있는 일본의 경우, 대화형 로봇 시장규모는 2015년에 약 182억
엔으로, 2020년에는 무려 10배 이상 성장한 2406억 엔으로 커질 전망이다. 특히 가격대가 10만
엔~30만 엔 정도의 보급형 로봇이 전체 대화형 로봇 시장의 70%를 차지하며 시장 성장을 견인
할 것으로 기대되고 있다. 한국의 대화형 로봇 시장은 ‘14년 기준 약 680억 원 수준으로 아직
초기 단계이지만, 향후 빅데이터, IoT 등 ICT기술 발전과 함께 교육, 헬스케어, 엔터테인먼트 등
다양한 분야에서의 활용에 힘입어 2020년에는 4,000억 원 규모로 성장이 기대된다.

48. 2016년 ICT산업 메가트렌드
44
개요 특징
· Palmi
· 2015년 5월 출시
· 가격 : 32만 엔
· 개발 :후지소프트(일본)
· 키 40cm, 무게 1.8kg 이족보행.
· 최대 10명의 얼굴과 이름 구분.
· 온라인과 연결되어 뉴스, 날씨 등 생활정보 제공,
자발적 말 걸기
· OHaNAS(오하나스)
· 2015년 10월 출시
· 가격 : 19800엔
· 개발 : 타카라토미(일본)
· 클라우드형 커뮤니케이션 로봇
· NTT도코모의 ‘자연대화플랫폼’과 연계하여
도코모 클라우드에서 대화의 내용 분석하고 처리
[그림 Ⅱ-9] 일본과 한국의 대화형 로봇 시장 규모 추이
전 세계적으로도 대화형 로봇의 개발은 활발하다. 일본은 물론, 미국, 유럽에서도 인공지능을
활용한 대화형 로봇을 선보이며 가정 내 보급을 확산시키려고 하고 있다. 프랑스 로봇 스타트업
‘블루프로그 로보틱스(Blue Frog Robotics)’가 개발한 로봇 버디는 홈 서비스, 보안, 비디오 촬
영 및 전송, 스마트폰 연동 등을 탑재한 가정용 소셜 로봇으로 가족의 얼굴을 인식하고, 기억력
이 감퇴한 노인에게는 약 먹는 시간을 알려주기도 한다. 특히 오픈 소스 기반으로 이용자가 자신
만의 소프트웨어를 탑재시키고 싶으면 별도의 SDK를 활용해 버디의 기능을 수정할 수 있다. 냉
장고나 TV처럼 각 가정에 대화형 로봇 1대씩은 기본으로 있을 날도 그리 멀지 않았다.
[표 Ⅱ-1] 세계 각국에서 출시, 개발한 대화형 로봇

49. 제2장. 미래세상의 도어, 인공지능
45
개요 특징
· 인공지능 로봇 JIBO
(지보)
· MIT 신티아 교수와
연구진이 만든 가정용
로봇
· 예상 판매가 : 499달러
· 스크린 통해 다양한 표정 연출
· 대화, 사진 촬영, 메일･SMS 기능
· 사용자의 표정을 읽고 감정 상태를 추측해
해당하는 반응 제공
· 소셜 로봇 Buddy(버디)
· 프랑스 로봇 스타트업
‘블루프로그로보틱스’
개발
· 가정 내 인터넷에 연결된 기기들의 스마트 허브
역할
· 카메라가 있어 모니터링이 가능하고 보안 및 얼굴
인식 기능 탑재
로봇 페퍼가 스스로 생각해 인간과 대화를 할 수 있는 것도 빅데이터에 기반한 인공지능 기술
덕분인데, 인간의 감정생성 메커니즘을 기초로 하여 만든 ‘감정생성 엔진’은 상황에 따라 감정을
변화시켜 그에 맞는 대화를 선별하게 한다. 감정생성 엔진은 클라우드 컴퓨팅으로 연결된 수많
은 페퍼로부터 학습된 데이터들을 수집해 ‘정량정신분석 연구’ 이론에 근거하여 빅데이터 분석을
통해 상황에 맞는 감정을 만들어 낸다. 페퍼의 감정 상태는 ‘감정 Map’을 통해 나타나는데, 동일
인물이라도 페퍼에게 어떤 행동을 계속적으로 보이느냐에 따라 감정이 변화하고 대화의 내용도
달라진다. 더 나아가서는 얼굴 표정이나 행동 등으로 상대방의 감정 상태까지 파악해 격려, 축
하, 위로 등의 말을 건네기도 한다.
페퍼의 차별점은 ‘페퍼 스스로가 먼저 말을 건넨다는 것’이다. 기존의 음성인식 대화 시스템은
인간이 먼저 기계에 말을 해야 그에 맞는 답을 찾아주는 방식이었다. 하지만 대화형 로봇은 ‘답’
을 찾기 위해 대화하는 것이 아니라 ‘편안하게’ 대화하는 것을 주목적으로 만들어진 로봇이다.
대화의 기본은 상대를 이해하고 상대방 말에 귀 기울이려 한다는 점을 페퍼에도 그대로 적용하였
고 이 점이 페퍼의 인기요인이라 할 수 있다.

50. 2016년 ICT산업 메가트렌드
46
자료 : 소프트뱅크 홈페이지
[그림 Ⅱ-10] 감정생성엔진으로 상황에 따라 감정상태가 변화하는 페퍼의 감정 Map
나. 자율주행 자동차
보스턴컨설팅그룹에 따르면 세계 자율주행 차량 도입은 2017년부터 본격화되어 2035년에는
3,040만 대까지 증가할 전망이다. 2035년에는 신차 판매대수의 25%를 자율주행 차량이 차지할
것이라고 한다. 특히 2025년부터는 완전 자율주행차가 도입되기 시작하는데 2035년에는 전체
신차 판매 대수의 10%를 완전 자율주행차가 차지할 것으로 보고 있다. 인공지능에 기반한 자율
주행차 개발을 위해 노력해 온 글로벌 자동차 제조사들은 2015년 1월, 미국에서 개최된 ‘국제가
전박람회(CES) 2015’에서 자율주행 기술을 대거 선보였다. BMW의 아이리모트, 자율주행상태
에서 뒷좌석과 운전석이 마주보게 되는 벤츠의 F015 등 많은 글로벌 자동차 기업들은 2020년
자율주행차의 실용화를 목표로 속도를 내고 있다. 또한 세계 자동차 시장의 30%를 차지하고 있
는 일본도 자율주행차량 시장 선도를 위해 정부와 기업이 노력 중이다.
자료 : 보스턴컨설팅그룹
[그림 Ⅱ-11] 인공지능 기반 자율주행차 전망

51. 제2장. 미래세상의 도어, 인공지능
47
최근 미국 도로교통안전국(NHTSA)는 구글 컴퓨터를 무인차의 운전자로 인정하겠다고 발표
하였다. NHTSA는 "자율주행차의 경우 전통적 의미로서의 '운전자'가 필요치 않다는 구글 측에
동의한다" 며 "사람 대신 운전대를 조종하는 구글 소프트웨어도 운전자로 볼 수 있다. 무인차도
운전이 가능하다. 누군가 운전대를 잡아야만 운전하는 것이 아니다. 자율주행차의 조종도 운전에
해당한다" 고 밝혔다. 미래 사회에서 인공지능은 자동차 운전에 있어 사람을 대신할 수 있고 자
동차 산업의 패러다임까지 바꿀 수 있는 것이다.
NHTSA는 자율주행 기술을 레벨 0부터 4까지 다섯 단계로 정의하고 있는데, 레벨 0은 운전자가
주행에 관한 모든 기능을 작동하는 ‘완전 비자동화’ 단계이다. 레벨 1은 2000년대 전자장치를 도입
한 이후 ESC(전자자세제어장치), ACC(어댑티브크루즈컨트롤) 등 일부 기능에서 자율주행 기술
의 도움을 받는 단계다. 레벨 2는 두 가지 이상 자율주행 기술이 복합적으로 작동하는 상태이다.
제한적 조건에서 운전자 개입 없이 차량 스스로 작동이 가능하다. 레벨 3부터는 인공지능에 따른
본격적 자율주행에 가까운 수준으로, 특정 도로나 주행환경에서 차량의 모든 기능을 자동적으로
제어하는 상태이다. 필요에 따라 돌발 상황에서만 운전자가 주행에 관여할 수 있다. 레벨 4는 ‘인공
지능 기반 완전자율주행’ 단계로, 운전자가 목적지만 입력하면 출발부터 도착까지 자동차 스스로
주행하는 단계이다. 자율주행 기술을 개발하는 업체 대부분은 레벨 3 이상의 기술 수준을 갖췄다.
메르세데스-벤츠, 현대･기아자동차, 테슬라, 볼보 등 일부 업체는 레벨 2 기술을 시판 모델에 적용
했고, 구글은 레벨 4에 해당하는 ‘무인차’를 개발, 지금까지 300만㎞ 이상 시험 주행을 진행했다.
완전 자율주행 기술을 가장 먼저 상용화하는 곳은 볼보다. 볼보는 2017년까지 자율주행 자동차
100대를 일반도로에 달리게 하는 것을 목표로 ‘드라이브 미(Drive Me)’ 프로젝트를 진행 중이다.
볼보 자율주행 기술은 360도를 모니터링 하는 8개 레이더와 카메라, 초음파 센서 12개, 교통당국
에서 최신 지도와 교통상황 정보를 송수신하는 클라우드 시스템, 3D 디지털 지도를 이용한다.
레벨 3의 테슬라 모터스는 고속 도로 핸즈프리 크루즈와 차선 변경 자동 기능을 제공하며 자율
주행에 박차를 가하고 있다. 포드 역시 레벨 3으로 자동차 메이커로서는 처음으로 미시간 대학의
Mobility Transformation Center에서 자동주행 시험을 실시하였다. 일본 기업 중에서는 토요타
나 혼다가 아닌 직원수 50여명 정도의 ZAP라는 벤처 기업이 레벨 3 수준의 자율주행 기술을
보유하고 있다. 소프트웨어 회사인 DeNA와의 합작으로 로봇 택시 주식회사를 설립해 화제가 되
었고, 2016년에 공공 도로에서의 완전 자동 운전(레벨 4)을 목적으로 실증 실험을 할 계획이다.
닛산, 토요타는 아직 레벨 2 수준으로 닛산은 2016년 말까지 붐비는 고속도로에서 안전 운전을
하는 오토드라이브, 2018년에는 고속 도로 차선 변경을 행하는 자동 운전 기술 개발을 목표로
하고 있으며 토요타는 2020년 고속도로에서의 자동 운전 상용화를 선언하며 미국에 연구소를
설립하였다.

52. 2016년 ICT산업 메가트렌드
48
중국 최대의 검색엔진인 바이두 역시 자율주행차량 산업에 뛰어 들어 글로벌 기업과의 전면
경쟁을 선언하였다. 바이두의 최고경영자인 리옌훙은 딥러닝에 막대한 투자를 하고 2014년 5월
에는 컴퓨터 과학자이자 로봇공학과 머신러닝 분야의 전문가인 앤드루 응 스탠퍼드대 교수를 수
석과학자로 영입했다. 바이두는 인공지능과 데이터 매핑, 인터넷 연결 등의 전문성을 바탕으로
자율주행 기술을 선도할 수 있다고 기대하고 있다. 바이두와 같은 중국 인터넷 기업들은 풍부한
자금력으로 전기차, 차량공유, 자율주행차에서 정상을 차지하려고 경쟁하고 있는데, 무엇보다 중
국 현지 도로에서 자율 주행차를 테스트하기 때문에 구글이나 다른 자동차 업체보다 장점이 있
다. 다만 중국의 도로 조건이 지역마다 편차가 크기 때문에 5년 내에는 규모 있는 운영을 하기
어려울 것이라는 의견도 있다.
[표 Ⅱ-2] NHTSA가 정의한 레벨별 자율주행차 정의
구분 내용
레벨 0
No-automation:
상시 운전자가 운전 제어(운전, 제동, 가속)
운전자가 사고에 대해 온전히 법적 책임
레벨 1 (특정 기능의 자동화)
Function-specific Automation
운전자가 전후 혹은 좌우 주행 중 하나를 하지 않음
운전자가 사고에 대해 법적 책임 짐
레벨 2 (복합 기능의 자동화)
Combined Function Automation
전후 혹운 좌우 주행을 인공지능에 맡길 수 있음
전방 주시 등의 주의는 필요하나 사고 시 법적 책임 존재
레벨 3 (반자동 운전)
Limited Self-Driving Automation
전방 주시까지 인공지능에게 맡김. 단, 특정 시간에는 운전자가 주의를
해야 함. 일반적으로 얘기하는 자율주행의 시작 단계
레벨 4 (완전 자동 운전)
Full Self-Driving Automation
모든 운전 행위와 주의를 인공지능이 담당
운전자는 목적지만 입력. 책임관계가 복잡
인공지능 기반의 자율주행이 최근 각광을 받는 배경에는 등 모바일 기술에 의해서 카메라의
해상도, 다이내믹 레인지, 야간 촬영 기능 등이 현저히 향상했기 때문이다. 또한 자율주행의 인
공지능을 구현하는 플랫폼 기술 역시 월등히 발전한 것도 있다.
엔비디아는 세계 최초로 자율주행 차량의 인공지능을 구현하는 강력한 성능의 슈퍼컴퓨터 '드
라이브 PX 2'를 출시했는데, 까다로운 자율주행 기술을 구현하기 위해 인공지능 기술을 활용하
는 드라이브 PX 2 플랫폼은 차량의 정확한 위치를 파악하는 것을 물론, 안전하고 편안한 운행
궤도를 효과적으로 측정한다. 특히 차량 주변 상황을 360도에 걸쳐 전방위적으로 인식하는데 수
반되는 대량의 그래픽 데이터를 신속하게 처리하기 위해 엔비디아의 최신 GPU를 사용한다.
자율주행에는 기본적으로 센서를 이용한 인식 기술, 지도 정보, 지도 매핑 기술, 경로 생성 기