Earticle

초록

영어

This study applies a System Dynamics-based approach to move beyond static rank comparisons of national AI competitiveness and to identify the structural pathways through which capabilities accumulate and diffuse, as well as the time-lagged effects of policy interventions. The analysis covers 38 OECD countries and uses normalized (0-100) scores for 2023-2025 on the three pillars-Implementation, Innovation, and Investment-presented in Tortoise Media’s Global AI Index. The results show that score distributions within the OECD are concentrated among a small number of top countries. In particular, cross-country gaps are largest in the Investment pillar, confirming its role as a highly discriminating dimension that can determine whether a country breaks into the top tier. Regarding RQ1, Implementation, Innovation, and Investment are mutually reinforcing through a reinforcing loop-investment → innovation → adoption (implementation) → market demand/commercialization → additional investment-while simultaneously being constrained by a balancing loop in which risk events → declining trust / increased regulation and compliance burdens → slower adoption and investment. Regarding RQ2, government AI budgets strengthen Innovation (and indirectly Investment) through R&D and public infrastructure; education and training enhance Innovation and Implementation by expanding the talent supply and improving R&D productivity; and private AI investment most directly reinforces the Investment pillar via commercialization and scale-up. These effects accumulate over time and typically materialize with lags of approximately 1.5-3 years. Regarding RQ3, for Korea to reach third place in the OECD in the Investment score, increasing private-investment leverage should be the central lever, combined with a package of complementary measures that integrates government strategy and the talent base. One representative package identified in this study (G=1.2, P=1.3, E=1.1) is derived as one of the minimum conditions for achieving that target.

한국어

본 연구는 국가 AI 경쟁력을 정태적 순위 비교에 그치지 않고, 역량이 축적·확산되는 구조적 경 로와 정책 개입의 시간지연 효과를 규명하기 위해 시스템 다이내믹스(System Dynamics) 기반 분 석을 적용하였다. 분석 범위는 OECD 38개국이며, Tortoise Media의 Global AI Index가 제시하는 구 현(Implementation)·혁신(Innovation)·투자(Investment) 3대 축의 2023–2025년 점수(0–100 정규 화)를 활용하였다. 분석결과, OECD 내 점수 분포는 상위 소수 국가에 편중되어 있으며, 특히 투자 축에서 국가 간 격차가 크게 나타나 상위권 도약을 좌우하는 변별력 있는 축으로 기능하는 것으로 확인되었다. RQ1에 대해, 구현·혁신·투자는 ‘투자→혁신→채택(구현)→시장수요/상용화→추가투자’ 로 연결되는 강화루프와 ‘리스크 사건→신뢰 저하/규제·준수부담 증가→채택·투자 둔화’의 균형루프 가 동시에 작동하는 구조로 상호 영향을 주는 것으로 분석된다. RQ2에 대해, 정부 AI 예산은 R&D·공공 인프라를 통해 혁신(및 간접적으로 투자)을, 교육·훈련은 인재공급과 R&D 생산성을 통해 혁 신·구현을, 민간 AI 투자는 상용화·스케일업을 통해 투자 축을 가장 직접적으로 강화하며, 효과는 1.5–3년 내외의 시차를 두고 누적적으로 나타나는 것으로 분석되었다. RQ3에 대해, 한국이 투자 점수 OECD 3위에 도달하기 위해서는 민간 투자 레버리지의 상향을 핵심으로 하되 정부전략과 인재 기반을 결합한 패키지형 조합이 필요하며, 본 연구의 대표 조합(G=1.2, P=1.3, E=1.1)이 그 최소 조건 중 하나로 도출되었다.

목차

요약
I. 서론
1. 연구 배경
2. 연구 목적 및 연구질문
Ⅱ. 이론적 논의
1. 국가 AI 경쟁력의 개념과 측정 접근
2. 국가 AI 경쟁력의 중요성
3. Global AI Index 프레임워크
4. 선행연구 검토
Ⅲ. 자료 및 연구방법
1. 분석 자료: OECD 국가 Global AI Index 3개년 점수
2. 기초통계 및 비교 분석 방법
3. 시스템 다이내믹스 모형화: CLD에서 3축 동태 모형으로
4. 파라미터 추정: 3개년 패널 자료 기반 축 간 상호작용 계수
Ⅳ. 시스템 구조 분석 및 3개년 현황 진단
1. OECD 국가의 3대 축 점수 분포(2023-2025)
2. 2025년 기준 국가별 상위권 구조
3. 한국의 상대적 위치와 병목 진단
4. 축 간 관계: 혁신-투자 연결성과 정책적 함의
5. 한국과 상위 국가군의 추세 비교(2023-2025)
V. 정책 시뮬레이션(2026-2036) 및 시나리오 결과
1. 시스템 다이내믹스 인과지도(CLD)와 정책 레버리지
2. 시나리오비교: 정책수단별 효과비교
3. 한국 ‘투자 점수 OECD 3위’ 달성 역산 시나리오
4. 민감도 분석: 리스크 사건(신뢰·규제) 충격의 영향
Ⅵ. 결론 및 정책적 함의
참고문헌
부록
Abstract

키워드

저자

• 최영출 [ Youngchool, Chol | 서울과학종합대학원 대학교 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국자치행정학보 [Korean Journal of Local Government & Administration Studies]

• 간기

  계간

• pISSN

  1738-7779

• 수록기간

  1985~2025

• 등재여부

  KCI 등재

• 십진분류

  KDC 350 DDC 350