정보관리기술사/컴퓨터응용기술사/빅데이터분석/ADsP

정부의 양자과학기술 플래그십 프로젝트에서 초전도 큐비트 결맞음 시간 100μs 이상과 2큐비트 얽힘연산 정확도 99% 수준을 확보했다.

■ 기사 핵심 요약

– 초전도 큐비트 결맞음 시간 100μs 이상을 달성해 2027년 목표 50μs의 약 2배 수준 확보

– 2큐비트 얽힘연산 정확도 99% 수준을 확인해 2029년 오류정정 100큐비트급 프로세서 개발 기반 마련

– 양자통신은 양자중계기, 양자센싱은 상온 동작 가능한 다이아몬드 NV센터 자기장 센서 개발 성과 확보

■ 기사 주요 내용 정리

◎ 양자컴퓨팅 핵심 성능 향상

– 초전도 큐비트가 양자정보를 유지하는 결맞음 시간(Coherence Time)을 100μs(마이크로 세컨) 이상 확보

– 두 큐비트 간 얽힘연산 정확도도 99% 수준 달성

→ 연산 오류를 줄이고 논리적 큐비트·오류정정 양자컴퓨터로 발전하기 위한 기반 기술 확보

※ 전문가들은 99%가 오류정정 임계값 수준이며 실용화를 위해 향후 99.99~99.9999% 이상 정확도와 오류정정 오버헤드 개선이 필요하다고 설명

◎ 양자통신·네트워크

– 원하는 시점에 얽힘을 생성하는 고체 기반 양자중계기와 광자만으로 얽힘을 연결하는 전광자 양자중계기 개발

– 장거리 암호통신/분산형 컴퓨팅/ 네트워크의 기반기술로 활용 기대

◎ 양자센싱 의료 활용 확대

– 다이아몬드의 질소-빈자리 결함을 활용하는 NV센터 기반 소형 자기장 센서 개발

– 상온 동작과 소형화가 가능하며 전극 없이 심장의 미세 자기장을 측정해 심근허혈·부정맥 예방 등에 활용 가능

[양자과학기술 플래그십 프로젝트 개요]

- 정부가 국내 양자기술 경쟁력을 확보하기 위해 양자컴퓨팅·양자통신·양자센싱 3대 분야의 핵심 원천기술을 집중 개발하는 국가 연구개발 사업

한국, 전자문서 국제표준 주도…ISO 20271 시리즈 완결 눈앞

한국이 제안한 전자문서 장기보존 국제표준 ISO 20271 시리즈가 1·2부 국제표준(IS) 제정에 이어 3부까지 위원회안(CD) 단계에 진입했다. 단순 파일 보관을 넘어 시간이 지나도 문서의 시각적 형태·내용·메타데이터·의미를 해석 가능하게 유지하는 것이 핵심이다.

■ 기사 핵심 요약

– ISO 20271-1·2가 국제표준으로 제정됐고, 3부는 CD 단계에 진입해 전체 시리즈 완결을 앞둠

– 2부는 문서를 Visualization·Content·Metadata·Semantics·Package 5개 계층으로 구분하는 참조모델 제시

– 한국의 OWPML·HWPX가 글로벌 문서 포맷과 함께 표준 검증·매핑 사례로 활용돼 해외 진출 기반 확대

■ 기사 주요 내용 정리

◎ 전자문서 장기보존 기준 정립

– ISO 20271은 장기간이 지나도 문서가 처음 의도한 모습과 의미를 유지하도록 보존 방법과 지침을 정의

– 1부 Overview는 목적·범위·대상과 각 부문의 관계를 정의하고, 3부를 Taxonomy 중심 표준으로 규정

◎ 5계층 참조모델 제시

– 2부 Fundamentals는 문서를 시각화·콘텐츠·메타데이터·의미·패키지의 5계층으로 구분

– 각 계층에서 장기적으로 무엇을 해석 가능한 상태로 유지해야 하는지 권고

◎ 3부, 포맷 간 변환·손실까지 관리

– 3부는 문서 속성이 각 포맷 어디에 저장되는지, 변환 과정에서 무엇이 보존·손실되는지를 동일한 어휘로 기록

– ODT·DOCX·PDF·OWPML 등을 중립적으로 비교해 장기보존 평가와 자동 위험분석 기반을 마련

◎ 한국 문서기술의 국제표준 반영

– OWPML은 ODF·OOXML과 함께 참고문헌에 등재되고, HWPX는 대표 문서 포맷 사례로 활용

– 3부 Annex D에서는 OWPML이 OOXML과 함께 Crosswalk 검증 대상으로 적용

→ 한국 전자문서 기술이 단순 참고 수준을 넘어 국제표준의 검증 사례로 활용되는 단계로 확대

“관련학과를 졸업하고 실무경력 5년을 채웠는데,

2027년 기술사 시험에 응시할 수 있을까요?”

현업에서 밤낮으로 개발과 운영을 이어가며

최고 권위의 자격증을 꿈꾸는 분들이 가장 많이 묻는 질문입니다.

그런데 정보관리와 컴퓨터시스템응용 기술사를 준비한다면

내 학력·자격·경력에 해당하는 응시 경로를 먼저 파악해야 합니다.

또한 개정 기준이 적용되는 시점을 함께 확인해야 합니다.

그래서 고용노동부가 2026년 9월 재입법예고한

「국가기술자격법 시행령」 개정안을 기준으로 명확히 정리했습니다.

(출처: 고용노동부 9월 수정안)

📌 1. 개편을 추진하는 이유

왜 지금 시점에 응시자격 개편이 추진되는 것일까요?

IT 현장의 기술 변화 속도가 그만큼 빨라졌기 때문입니다.

고용노동부는 긴 실무경력 요건이 청년 기술인재의

상위 자격 도전에 부담이 된다고 보고 개편을 추진했습니다.

그래서 4월 최초안에서는 경력 요건을

2~4년 줄이는 파격적인 방안을 제시했었습니다.

하지만 현장의 다양한 의견을 수렴한 9월 수정안에서는

일부 응시 경로의 실무경력 요건을

현행보다 1년씩 줄이는 것으로 신중하게 조정했습니다.

(근거 자료: 4월 최초안 · 9월 재입법예고)

📊 2. 기술사 응시자격 비교 (현행 vs 4월안 vs 9월안)

그렇다면 내 상황에서는 어떻게 달라질까요?

학력, 자격, 훈련, 순수 경력 경로별로 정확히 비교해 보겠습니다.

📊 기술사 응시자격 상세 비교표

위 표의 기간은 응시 종목의 동일·유사 직무분야에서 인정되는

최소 실무경력을 의미합니다.

🧭 3. 비전공자·무경력자도 응시할 수 있을까?

IT 업계에는 비전공자나 직무 전환하신 분들도 정말 많습니다.

이런 분들은 어떤 경로로 IT기술사에 도전할 수 있을까요?

비전공자와 경력 전환 시, 동일·유사 직무분야에서 쌓은 경력을 인정받아

당당히 응시할 수 있습니다.

현행 기준은 9년이며,

9월 수정안은 이를 8년으로 1년 줄이는 내용입니다.

🔍 4월 포럼에서 논의됐던 신규 경로는 어떻게 됐을까?

지난 4월 포럼에서는

다음 두 가지 새로운경로도 함께 논의됐습니다.

📚 4월 국가자격 제도발전 포럼 논의 경로 비교표

🚀 5. 개정 기준은 언제부터 적용될까?

수험생 입장에서 가장 중요한 것은 바로 적용 시점입니다.

국가기술자격법시행령 개정 절차와 일정을 단계별로 살펴보겠습니다.

⏱️ 시행령 개정 단계별 내용 

그런데 일부 민간 글에서 언급한 2026년 11~12월 공포와

2027년 1월 1일 시행은 11월 11일 기준 공식 일정으로 확인되지 않았습니다.

9월 수정안의 부칙이 최종 공포문에 그대로 반영되면

별도의 유예기간 없이 공포일이 곧 시행일입니다.

🏆 6. 2027년 IT 기술사 준비생이 확인할 것

이제 2027년 시험을 목표로 달리는 준비생분들이

지금 당장 실행해야 할 핵심 체크리스트를 정리해 드립니다.

내 경력으로 가능한지 궁금하다면,

고민만 하지 말고 큐넷응시자격 확인해 보세요.

행정안전부가 ‘인공지능 및 데이터 기반 행정 활성화에 관한 법률(인공지능데이터행정법)’, 이른바 공공 AI법 시행에 맞춰 후속 제도 정비에 속도를 내고 있다. 기존 데이터기반행정법을 개정한 이 법은 공공 인공지능의 활용 촉진과 함께 투명성·윤리·영향평가·책임체계를 제도화한 것이 핵심이다.

■ 기사 핵심 요약

– 공공 AI 법은 기존 데이터기반행정법을 개정해 2026년 8월 28일 시행됐으며 인공지능 공통기반·교육·학습데이터·윤리·영향평가 등을 규정

– 중앙부처·지자체·교육청·공공기관 등 1091개 기관의 인공지능 서비스와 사용 모델·운영방식을 매년 공개

– 공공 인공지능 도입·운영 가이드와 윤리기준을 마련하고 2027년 2월 28일 AI 영향평가 시행을 목표로 후속 제도 정비

■ 기사 주요 내용 정리

◎ 법 시행

– 법률명은 「인공지능 및 데이터 기반 행정 활성화에 관한 법률」

– 기존 데이터기반행정법을 개정해 2026년 8월 28일부터 시행

– 인공지능 공통기반 구축, 교육, 학습용 데이터 관리, 윤리기준, 영향평가 등 공공 AI 활용과 신뢰 확보를 함께 규정

◎ AI 서비스 공표 의무

– ‘인공지능 활용 서비스 목록 관리 및 공표에 관한 규정’을 제정·시행

– 1091개 기관이 직접 개발하거나 구독한 인공지능 서비스의 모델명·도입 방식·운영 형태 등을 매년 말 공개

→ 공공기관 인공지능 활용의 투명성과 관리 책임 강화

◎ 도입·운영 실무체계 정비

◎ 공공 AI 영향평가 도입

– 일부 예외를 제외하고 AI 도입 전 국민 기본권에 미치는 영향을 평가하고 결과를 공표

– 2027년 1월까지 관련 고시·안내서를 마련하고 2027년 2월 28일 시행 목표

→ 핵심은 단순히 확대하는 것이 아니라 법적 기반 아래 활용 촉진·투명성·윤리·기본권 보호를 함께 관리하는 것

[인공지능 및 데이터 기반 행정 활성화에 관한 법률 개요]

2026년 2월 27일 개정·공포되어 2026년 8월 28일부터 시행됐으며,

공공분야 AI 영향평가 관련 규정은 2027년 2월 28일부터 시행된다.

법 제27조는 행안부·과기정통부가 공공기관 공동 이용을 위한 AI 공통기반을 구축하도록 하고, 제28조는 AI 교육, 제29조는 학습용 데이터 품질관리를 규정한다.

인공지능기본법 vs 인공지능데이터행정법

[ICT 시사용어] 뉴럴 렌더링

뉴럴 렌더링(Neural Rendering은 기존 컴퓨터 그래픽스의 물리 기반 렌더링 과정에 신경망 기반 학습·추론을 결합해 고품질 이미지를 생성하거나 렌더링 연산을 대체·보완하는 기술이다. Google Research는 이를 전통 그래픽 지식과 학습 기반 요소를 결합하는 접근으로 설명하며, 최근에는 실시간 게임부터 3D 장면 재구성까지 적용 범위가 확대되고 있다.

■ 기사 핵심 요약

– 신경망이 해상도 복원·프레임 생성·노이즈 제거·재질·조명 계산 등을 보완해 그래픽 품질과 처리 효율 향상

– DLSS·Neural Shader·Neural Texture Compression·NeRF 등이 대표 기술로 게임·VR·디지털트윈·3D 콘텐츠에 활용

– 연산량과 그래픽 메모리를 줄일 수 있지만 잔상·왜곡·시간적 일관성·학습 품질·GPU 의존성이 주요 과제

■ 기사 주요 내용 정리

◎ 뉴럴 렌더링의 기본 구조

– 기존 렌더링은 Geometry·Material·Lighting을 Rasterization이나 Ray/Path Tracing으로 계산

– 뉴럴 렌더링은 일부 계산 결과나 저해상도 영상, 3D 정보 등을 신경망 입력으로 사용해 누락된 픽셀·조명·재질·프레임을 추론

→ Traditional Rendering + Neural Network Inference를 결합 후 적은 연산으로 높은 품질을 확보하는 구조

◎ 핵심 기술요소

◎ NeRF 기반 3D 장면 생성

56.85점.

신승미 기술사의 첫 필기 점수를 본 순간,

합격의 가능성을 분명하게 봤습니다.

데이터와 인공지능 분야의 오랜 실무 경험이

초반부터 확실한 무기가 되었기 때문입니다.

제안 업무를 오래 해오신 덕분인지,

표현이 풍부하고 글의 흐름이 매끄러웠습니다.

그림 하나 없이 키워드 위주로만 썼는데도

높은 점수를 받을 수 있었던 비결이죠.

하지만 멘토로서는 아쉬운 순간도 있었습니다.

가진 역량에 비해 절대적인 학습 시간이 부족했고,

공부가 어렵다는 징징거림을 종종 들었거든요.

그래서 늘 안타까운 마음이 있었습니다.

잠시 주변의 짐을 덜어내고 집중했다면,

이 기쁨을 훨씬 일찍 누리셨을 테니까요.

신승미 기술사는 Big&Up 기본반에서 출발해

다섯 번의 도전 끝에 139회 필기를 통과했습니다.

61.00점이라는 값진 결과를 만든 그 여정을

멘토의 시선에서 자세히 짚어보겠습니다.

📌 첫 시험, 명함 한 장이 만든 시작점

2024년 10월, 직장 동료의 기술사 명함 한 장이

모든 도전의 출발점이 되었습니다.

단순한 호기심으로 그해 11월 기본반에 등록했고,

출퇴근 시간을 쪼개어 강의를 들으셨습니다.

배운 내용을 마인드맵으로 직접 구조화하며

전체 흐름을 잡는 데 집중하셨죠.

핵심은 자신만의 언어로 연결하는 것 이었습니다.

너무 세세한 암기보다는 큰 숲을 보는 방식이

본인의 학습 스타일과 정확히 맞아떨어졌습니다.

🔥 무식반 합류와 전자신문 스크랩

2025년 11월, 빅앤업 무식반 1조로 돌아오셨습니다.

조원들의 엄청난 실력에 압도당하기도 했고,

체력 저하와 개인 사정까지 겹쳐 힘든 시기였죠.

하지만 기본의 끈은 놓지 않았습니다.

본인의 마인드맵과 기본반 자료를 끝까지 파고들었고,

전자신문을 꾸준히 보며 신기술을 챙기셨습니다.

여기서 모아둔 트렌드 표현들이

결국 마지막 시험에서 엄청난 차이를 만듭니다.

🚀 139회 합격, 실무를 무기로 만들다

마지막 시험을 앞두고 7년 차 선배와의 대화가

합격의 방향을 완벽하게 잡아주었습니다.

"모든 문제에 내 실무 경험을 담아내겠다."

특히 인공지능 문항에서는 강점을 보여주겠다는

확실한 각오로 시험장에 들어가셨습니다.

실제로 답안에 녹여낸 통찰은 놀라웠습니다.

처음 56점대 답안에서 희미하게 보이던 강점이

마침내 61.00점짜리 답안에서 폭발한 순간이었습니다.

📌 손에 익은 도구와 합격 루틴

시험 준비는 지식만큼이나 환경 통제도 중요합니다.

신승미 기술사는 본인만의 명확한 도구 세팅이 있었죠.

용지를 사선으로 놓고 쓰는 습관에 맞춰

불필요한 물건을 치우고 흐름을 유지한 선택,

이런 디테일이 실전에서 5분을 아껴줍니다.

🙏 회고: 포기를 넘어서게 한 힘

사실 멘토의 조언을 칼같이 지키는 분은 아니었습니다.

힘들다 하실 땐 저도 잔소리를 꽤 많이 했거든요.

하지만 스스로를 포기하고 싶었던 수많은 순간마다,

곁에서 다시 일으켜 세워준 멘토들이 있었습니다.

Big&Up Study 무식반, 황서연 기술사님의 다정한 아침 응원과

윤슬 기술사님의 체계적이고 따뜻한 격려가

끝까지 완주할 수 있었던 가장 큰 원동력이었습니다.

자신의 진짜 무기를 답안에 꺼내놓을 수 있을 때,

비로소 합격 문이 열립니다.

먼 길을 포기하지 않고 끝내 증명해 내신

신승미 기술사님의 139회 합격을 진심으로 축하합니다.

이제 기술사로서 더 멋진 활약을 기대하겠습니다.

개인정보위 “스마트 글래스 촬영 알려야”…연내 보호지침 마련

개인정보보호위원회가 스마트 글래스의 촬영·녹음으로 인한 사생활 침해 위험에 대응해 이용자·제조사·서비스 제공자별 준수사항 마련에 나선다. 특히 주변 사람이 촬영 사실을 인지하기 어려운 특성을 고려해 사전 고지와 거부 시 중단을 핵심 원칙으로 제시했다.

■ 기사 핵심 요약

– 근거리 촬영·녹음 시 주변 사람에게 알리고 상대방이 거부하면 즉시 중단하도록 권고

– 영상·음성이 스마트폰·AI·클라우드 등 여러 사업자를 거쳐 처리돼 개인정보 흐름과 책임구조가 복잡

– 개인정보위는 이용자·사업자·제조사의 준수사항을 담은 스마트 글래스 개인정보 보호 가이드라인을 연내 마련

■ 기사 주요 내용 정리

◎ 스마트 글래스의 개인정보 위험

– 일반 안경과 외형이 비슷하고 별도 촬영 동작이 없어 주변인이 촬영·녹음 여부를 알아차리기 어려움

– 수집한 영상·음성이 AI 학습이나 SNS에 활용될 경우 착용자보다 주변인의 개인정보 침해 위험이 커질 수 있음

◎ 이용자 준수사항

– 기기·앱별 수집 항목과 처리방식을 확인하고 불필요한 기능은 비활성화

– 화장실·탈의실·법원·시험장 등 촬영 금지·제한 장소에서는 사용 자제

→ 촬영·녹음 사실을 명확히 알리고 거부 밝히면 중단

◎ 사업자·제조사 책임

– 사업자는 수집 목적과 처리 흐름을 투명하게 공개하고 AI 학습 활용 시 적법한 처리 요건 확보

– 제조사는 주변 사람이 촬영 여부를 쉽게 알 수 있도록 Privacy by Design 관점의 설계 강화 필요

→ 개인정보위는 피지컬 AI·웨어러블 확산에 맞춰 관련 제도를 지속 보완할 계획

바이낸스 해커는 왜 코인 쪼갰을까…’필 체인’ 수법이란

가상자산 해킹 이후 탈취 자금을 여러 지갑으로 순차 이동시키는 필 체인(Peel Chain) 수법이 주목받고 있다. 블록체인 거래기록 자체를 없애는 방식은 아니지만, 거래 단계와 지갑 수를 늘려 자금 추적에 필요한 시간과 분석 난도를 높이는 것이 특징이다.

■ 기사 핵심 요약

– 필 체인은 탈취 가상자산 일부를 다른 지갑으로 보내고 잔여 자산을 새 지갑으로 이동하는 과정을 반복하는 방식

– 바이낸스 해킹에서는 탈취 비트코인 약 1만8270개를 19개 지갑으로 분산해 자금 흐름을 복잡하게 구성

– 거래기록은 블록체인에 남아 있어 추적은 가능하지만 DEX·다른 가상자산 교환과 결합하면 분석 난도와 추적 시간 증가

■ 기사 주요 내용 정리

◎ 필 체인의 기본 구조

– 원본 지갑에서 일부 자산을 다른 주소로 분리하고 남은 자산은 새로운 지갑으로 이동

– 이후 새로운 지갑에서 같은 과정을 반복하면서 연속적인 거래 체인을 생성

→ 양파 껍질을 한 겹씩 벗기는 모습과 유사해 Peel Chain으로 불림

◎ 자금 추적을 어렵게 만드는 방식

– 거래 단계와 신규 지갑이 계속 증가하면서 분석해야 할 Transaction 관계가 복잡해짐

– 예를 들어 100 BTC 중 10 BTC를 분리하고 90 BTC를 새 지갑으로 이동한 뒤 동일한 과정을 반복

– 다음, 다른 가상자산 교환이나 DEX 이동까지 결합되면 최초 탈취 자산과 최종 목적지 간 연결 분석이 더욱 어려워짐

◎ 블록체인 기록은 유지

– 필 체인을 사용해도 송·수신 주소와 거래금액 등 온체인 기록 자체는 삭제되지 않음

– Address Clustering·Transaction Graph·자금 흐름 패턴 분석 등을 통해 지갑 간 연계 추적 가능

→ 핵심은 자금 흐름을 숨기는 것이 아니라 추적을 지연하고 복잡하게 만드는 것

– 지갑 지속 모니터링과 거래소의 AML·KYT 적용 필요

– 지갑 간 연계 분석과 블록체인 분석업체·거래소·수사기관 간 정보 공유를 통해 추적 강화

정부, 에이전틱 AI 보안 위한 제로트러스트 안내서 발간

과기정통부와 KISA가 AI 에이전트의 높은 자율성과 권한에서 발생하는 보안위협에 대응하기 위해 ‘에이전틱 AI 제로트러스트 안내서’를 발간했다. 핵심은 AI Agent의 모든 행동을 기본적으로 신뢰하지 않고 입력·도구 호출·작업 위임·외부 통신을 지속적으로 검증하고 통제하는 것이다.

■ 기사 핵심 요약

– 프롬프트 오염·과도한 권한·위임 범위 이탈 등 Agentic AI 고유 위협에 Zero Trust 원칙 적용

– 입력 처리·Tool 호출·작업 위임·외부 통신 단계마다 검증·정책 집행·위험도 기반 Human Approval 적용

– 기존 제로트러스트 가이드라인 2.0을 확장해 총 53개 보안 기능과 성숙도 기반 도입·운영 기준 제시

■ 기사 주요 내용 정리

◎ AI Agent에 Zero Trust 적용

– 에이전틱 AI는 스스로 판단하고 외부 시스템·데이터·도구에 접근하기 때문에 기존 사용자 중심 접근통제만으로는 한계

– 모든 Agent 행동에 대해 Never Trust, Always Verify 원칙을 적용하고 권한과 행위를 지속 검증

◎ 자율행동별 보안정책 집행

– Prompt 입력, Tool 호출, Agent 간 작업 위임, 외부 통신 등 주요 실행 지점마다 정책 적용

– 위험도가 높은 작업은 사람의 승인(Human-in-the-Loop)을 거치고 저위험 작업은 사전 승인 정책에 따라 자동 실행

◎ 성숙도 모델과 53개 보안 기능

– 안내서는 2024년 ‘제로트러스트 가이드라인 2.0’을 기반으로 Agentic AI 환경에 맞게 성숙도 모델을 확장

– 이미지 기준 총 53개 보안 기능으로 구성되며 신규 12개·확장 41개 기능을 포함

– 기업이 현재 수준을 확인하고 도입 고려사항 → 단계별 구축·운영 → 활용 시나리오 순으로 적용할 수 있도록 구성

◎ 안내서 구성

– 제1장: 안내서 개요 및 발간 배경

– 제2장: 위협 환경·보안 요구사항·제로트러스트 개념 및 프레임워크

– 제3장: 성숙도 모델·핵심 요소·보안 기능·수준 정의

– 제4장: 도입 고려사항·운영 절차·활용 시나리오

– 부록: 용어·약어, 최신 인공지능 보안 가이드 동향, 참고문헌

→ 핵심은 인공지능 Agent의 신원·권한뿐 아니라 실제 행동과 위임 과정을 지속적으로 검증하는 실행 중심 Zero Trust 체계를 구축하는 것

"로봇 오작동인 줄 알았는데 해킹?"…피지컬 AI, 보안 위협 커진다

로봇·드론·자율주행차처럼 현실 공간에서 움직이는 피지컬 AI(Physical AI)가 확산되면서 보안 위협도 네트워크 침해에서 물리적 사고로 확대되고 있다. 가트너는 기존 네트워크 중심 통제만으로는 한계가 있다며 센서·AI 모델·하드웨어·구동장치까지 포함한 통합 보안체계를 요구했다.

■ 기사 핵심 요약

– 카메라·LiDAR·레이더에 미세한 잡음을 주입하면 인공지능 판단이 왜곡돼 경로 편차·가짜 장애물 인식 등 물리적 사고 가능

– 인공지능 환각·오작동이 로봇 관절이나 모터 출력 이상으로 이어질 수 있어 인공지능과 독립된 안전장치 필요

– 실시간 제어 환경에서는 보안 검사 지연도 위험해 제어 경로 분리·독립 모니터링·하드웨어 안전장치가 핵심

■ 기사 주요 내용 정리

◎ 센서 교란이 물리적 사고로 연결

– 공격자가 센서 입력을 조금씩 왜곡하면 피지컬 AI가 이를 정상 환경 변화로 받아들일 수 있음

– 인용된 IEEE 연구에서는 최대 8m 경로 편차나 존재하지 않는 장애물 인식 가능성이 제시됨

◎ 인공지능 오작동과 공격 구분의 어려움

– 생성형 AI 환각이 잘못된 답변에 그쳤다면 피지컬 AI에서는 잘못된 동작·출력으로 직접 연결

– 인공지능이 사용하는 센서와 별도의 장치로 실제 움직임을 감시하고 이상 발생 시 Safe Mode로 전환할 필요

◎ 네트워크 중심 보안의 한계

– 휴머노이드 균형제어·드론 경로 탐색은 실시간성이 중요해 보안검사 지연이 동작에 영향

– 가트너는 약 15ms 지연도 실시간 제어 문제와 시스템 중단으로 이어질 수 있다고 경고

→ 보안 검사와 실시간 제어 경로를 분리하고 반도체→AI 모델→구동장치까지 보호범위를 확대

◎ 하드웨어 기반 안전체계 필요

– AI 명령과 독립적으로 동작하는 기계식 제한장치·비상정지·전원 차단 기능 적용

→ 피지컬 AI 보안의 핵심은 Cyber Security + Functional Safety + Independent Monitoring을 결합하는 것

🎯 2027년, 내 이름 뒤에 ‘기술사’를 붙이자!

🏆 제140회, 역대 최다 필기 합격자 발표! 이제 나의 도전을 준비할 때

많은 도전자가 필기 합격이라는 결실을 얻었습니다.

깊이 있는 전문성을 바탕으로, 다양한 기술을 연결하고 융합하는 IT 제너럴리스트.

IT 업계에서 경험을 쌓다 보면 이런 고민을 하게 됩니다.

"앞으로도 지금의 경험만으로 경쟁력을 유지할 수 있을까?"

"새로운 기술을 내 업무와 어떻게 연결해야 할까?"

"지금까지 쌓은 실무 경험을 어떻게 전문성으로 설명할까?"

"앞으로 5년, 10년을 위해 무엇을 준비해야 할까?"

업무에서는 익숙하게 해결하던 문제도 원리와 구조를 설명하려면 막힐 때가 있습니다.

자신의 분야는 잘 알지만 다른 기술과의 관계를 설명하기 어려울 수도 있습니다.

이 과정에서 실무 경험을 기술적 개념으로 정리하고,

📚 이번 설명회에서 확인할 수 있는 내용

아직 공부를 결정하지 않았어도 괜찮습니다.

✍️ 답안을 잘 쓰지 못해도 괜찮습니다

"실무는 오래 했지만 이론은 많이 잊었습니다."

"공부할 범위가 너무 넓어 막막합니다."

"알고 있는 것도 답안으로 쓰려면 어렵습니다."

"직장과 공부를 병행할 수 있을지 걱정됩니다."

그래서 처음에는 기본 개념과 방법부터 차근차근 잡아야 합니다.

Big&Up은 다음 네 단계를 반복하는 학습을 지향합니다.

시작부터 완벽한 답안을 쓰려고 하기보다,

🤝 혼자서는 막막했던 공부, 함께 방향을 잡습니다

혼자 공부하면 어디가 부족한지 판단하기 어려울 때가 있습니다.

멘토의 피드백으로 보완할 부분을 찾고,

동료와 답안을 비교하며 표현 방법을 넓혀갑니다.

과정에서 겪는 고민과 시행착오도 함께 나눕니다.

막히는 순간에도 다음에 무엇을 해야 할지 함께 방향을 잡습니다.

🎯 이런 분이라면 이번 설명회에 참여해 보세요

📅 12월 Big&Up 기술사 학습 설명회 안내

🚀 2027년, 내 이름 뒤에 ‘기술사’를 붙이는 도전

지금까지 쌓아온 경험에,

체계적인 지식과 논리적인 설명력을 더해보세요.

자신의 분야를 깊이 이해하고, 다양한 기술을 융합하며,

문제에 맞는 방향을 제시하는 IT 전문가를 목표로.

새해가 되기를 기다리기보다,

이번 12월에 나의 도전을 구체적인 계획으로 바꿔보세요.

12월에 방향을 잡고, 2027년의 도전을 준비하세요.

그 시작을 Big&Up과 함께하세요.

📞 문의 사항

기술사에 대한 궁금증, 망설이지 말고 문의해 주세요.

친절하고 상세하게 안내해 드리겠습니다.

막연하게 높게만 보이던 벽이,

사실은 누구나 넘을 수 있는 계단이라는 것을 알려드리고 싶습니다.

오늘은 2025년 컴퓨터시스템응용기술사 통계를 통해 진짜 비밀을 풀어보겠습니다.

데이터를 천천히 따라오시다 보면, "어? 생각보다 해볼 만한데?"라는 자신감이 생기실 겁니다.

실무에서 매일 부딪히며 치열하게 고민해 온 여러분이라면 이미 절반은 결과를 받은거나 다름없습니다.

📊 1. 2025년 필기시험, 11.4% 합격률의 진짜 의미

2025년 한 해 동안 총 99명이 접수하고 79명이 실제 시험장에 들어섰습니다.

그중 당당히 결과의 기쁨을 누린 분은 9명으로, 합격률은 11.4%였습니다.

10명 중 1명 이상이 결과를 받는 시험이라면, 철저한 훈련만으로 능히 도달할 수 있는 목표입니다.

성별을 보면 남성이 접수자의 87.9%(87명)로 다수였습니다.

남성 70명 응시에 8명 합격(11.4%),

여성 9명 응시에 1명 합격(11.1%) 이었으며,

여성 응시자 수가 적어 세부 비교는 어렵지만, 성별과 무관하게 열정만 있다면 결과는 공평하다는 뜻입니다.

👥 2. 100% 직장인! 바쁠수록 유리한 시험

"저는 직장인이라 공부할 시간이 너무 없어요"라고 걱정하시나요?

통계를 보면 안심하셔도 좋습니다.

합격자 9명 전원이 현재 취업자(직장인)였습니다.

전체 응시자의 88.6%(70명)가 취업자였고,

이들의 합격률은 12.9%에 달했습니다.

연령대 역시 실무 중심의 40대가 접수자의 40.4%로 가장 많았습니다.

30대(28.3%), 40대(40.4%), 50대(24.2%)가 접수자의 92.9%를 차지했고,

모두 이 구간에서 나왔습니다.

30대 13.0%(3명), 40대 12.5%(4명), 50대 9.5%(2명)의 고른 결과를 받았습니다.

(20대 응시 1명, 60대 응시 2명은 모수가 적어 통계상 제외되었습니다.)

🎯 3. 왜 도전하고, 어떻게 공부했을까?

수험생들의 가장 큰 목표는 '업무수행능력 향상'(36명 접수)과 '자기개발'(30명 접수)이었습니다.

두 목적을 합하면 전체 접수자의 66.7%이며, 무려 7명이 이 그룹에서 탄생했습니다.

자격증 스펙 자체보다는 본인의 진짜 실력을 높이려는 순수한 열정이 결과를 이끌어냅니다.

준비 경로를 살펴보면 접수자의 42.4%(42명)가 학원을 선택했습니다.

출판물(25명 접수), 온라인(22명 접수, 1명 합격) 등 다양한 길이 있지만, 합격자 9명 중 8명이 학원 경로였습니다.

수험자 수가 적어 섣부른 단정은 어렵지만, 체계적인 피드백을 받는 것이 실력 향상의 지름길임을 보여줍니다.

(승진 목적 4명 중 1명 합격, 이직 목적 7명 중 1명 합격 등의 기록도 있었습니다.)

⏱️ 4. 준비 기간의 비밀: 버티면 열리는 합격의 문

멘티님들이 가장 걱정하시는 준비 기간에 대한 부담을 덜어드리겠습니다.

데이터를 보면 3년 이상 장기 준비자(25명 접수)와 1~2년 준비자(23명 접수)가 주축이었습니다.

비율상 1~2년 준비 집단의 합격률이 19.0%(21명 응시, 4명 합격)로 가장 높게 나타났습니다.

단순히 1~2년을 채워야 한다는 것이 아니라, 6개월 이상의 기초 공사만 튼튼히 마치면 누구에게나 길이 활짝 열린다는 뜻입니다.

처음 6개월의 적응기만 포기하지 않고 잘 버텨내시면, 여러분도 금방 답안 작성의 감을 잡고 합격권에 진입하실 수 있습니다.

🚀 5. 2026년, 138회 2명 → 140회 12명! 폭발하는 기회

마지막으로 가장 가슴 뛰는 소식을 전해드리겠습니다.

2026년에 놀라운 변화가 2026년에 시작되었습니다.

제138회(26년 3월 발표)에서 2명이었던 필기 합격자가,

제140회(26년 10월 발표)에서는 12명으로 6배나 크게 증가했습니다!

멘티 여러분, 막연한 두려움은 이제 내려놓으셔도 됩니다.

여러분이 현업에서 겪은 그 소중한 경험들을 답안지에 쏟아낼 수 있도록, 조금만 다듬는 훈련을 시작해 보세요.

여러분의 자랑스러운 선배가 되어, 끝까지 곁에서 응원하겠습니다! 화이팅! 🚀

IT 기술사 학습 전략 설명회(매월 진행)

•  IT 기술사 학습 설명회(매월 1회) AI시대, 생존 전략! (무료, 온/오프라인 진행)

합격 후기

• 139회 정보관리 최종 패스, 포기를 넘어선 위대한 피날레, 윤성남 기술사 후기
• 정보관리기술사 합격후기, 육아와 학습을 이어간 김성식 PE의 도전

오늘은 많은 예비 기술사님들이 궁금해하시는 2025년 시험의 상세한 통계와 수험자 동향을 분석해 보려고 합니다.
(이 글은 큐넷의 수험자 동향분석을 참고해서 작성 되었습니다.)

단순한 숫자의 나열을 넘어, 데이터 속에 숨겨진 합격자들의 진짜 패턴을 읽어내는 것이 중요합니다.

2025년 한 해 동안 어떤 분들이 도전했고, 어떤 학습 경로를 통해 목표를 달성했는지 꼼꼼하게 정리했습니다.

여기에 2026년 폭발적으로 증가한 합격자 트렌드와 AI 시대 기술사의 역할까지 모두 담았습니다.

지금부터 저와 함께 실증적인 데이터를 바탕으로 확실한 방향을 설정해 보겠습니다.

📊 1. 2025년 필기시험 응시 및 합격 현황

데이터를 보면 남성이 전체 접수자의 78.7%를 차지하며 수험층의 주류를 이루고 있음을 알 수 있습니다.

합격률 면에서는 여성 응시자가 3.3%로 조금 더 높게 나타났으나, 이는 단편적인 수치입니다.

성별 자체보다는 개개인의 실무 경력과 학습 몰입도가 결과를 결정한다고 보는 것이 타당합니다.

👥 2. 30·40대 직장인 주도, 자기개발 열풍

정보관리기술사는 확실한 실무 경험이 뒷받침되어야 하는 만큼, 수험생 연령대도 명확한 특징을 보입니다.

통계에 따르면 30대와 40대가 전체 응시자의 79.0%를 차지하고 있습니다.

합격자 역시 30대 16명(2.1%), 40대 18명(2.7%)으로 전체 합격자의 82.9%에 달합니다.

기타 연령대에서는 20대 응시 39명(1명 합격), 50대 응시 335명(6명 합격), 60대 응시 9명(0명 합격)으로 나타났습니다.

특히 합격률 면에서 40대가 2.7%로 가장 높은 성과를 보여, 풍부한 현장 경험이 긍정적으로 작용함을 알 수 있습니다.

자영업자(43명 응시/1명 합격), 구직자(85명 응시/1명 합격), 주부(4명 응시/1명 합격), 학생(8명), 군인(13명) 등의 참여도 있었습니다.

결과적으로 기술사 시험은 일과 학습을 병행하는 직장인들의 끊임없는 성장 무대임이 입증되었습니다.

바쁜 업무 속에서도 꾸준하게 학습 시간을 확보하는 것이 핵심 경쟁력입니다.

⏱️ 3. 학습 경로와 최적의 준비 기간

많은 분들이 가장 궁금해하시는 준비 방법은 어땠을까요?

학원 수강을 선택한 비율이 접수자의 60.6%로 가장 많았고, 실제 합격자 41명 중 31명(합격률 2.7%)이 이 경로를 거쳤습니다.

그 외에 출판물/서적(396명 응시, 5명 합격)과 온라인 커뮤니티(203명 응시, 4명 합격)를 활용한 사례도 눈에 띕니다.

하지만 학원을 다닌다고 자동 합격하는 것은 아니며, 개인의 절대적인 학습량과 체화 과정이 반드시 필요합니다.

데이터가 말해주는 정답은 수험 기간이 길어질수록 무조건 유리한 것은 아니라는 점입니다.

가장 최적의 효율을 낸 집단은 1년~2년 사이의 집중 학습자들이었습니다.

재응시 경험을 바탕으로 학습 강도를 최대로 끌어올린 시점에 성과가 나온 것으로 분석됩니다.

🚀 4. 2026년 변화와 AI 시대 기술사의 새 임무

2025년의 동향을 바탕으로 2026년(제138~140회)의 결과를 보면 놀라운 도약이 있었습니다.

응시자 1,876명 중 무려 150명이 필기에 합격하여 합산 8.00%를 기록했습니다.

(제138회 21명, 제139회 42명, 제140회 87명 합격)

이러한 변화가 단순히 AI 시대 도래 때문만은 아니겠지만, IT 패러다임이 급변하며 전문가의 수요가 확장되고 있음은 분명합니다.

기술을 도입하는 단계를 넘어, 결과를 검증하고 안전성을 책임질 최고급 인력의 필요성이 커지고 있는 것이죠.

현장 경험과 더불어 기술적 판단력을 두루 갖춘 전문가의 가치는 앞으로 더욱 빛날 것입니다.

자신의 현장 경험을 논리적이고 체계적인 글로 풀어내는 연습을 꾸준히 하시기 바랍니다.

통계는 그저 데이터일 뿐, 올바른 방향으로 나아간다면 다음 합격자 명단의 주인공은 바로 여러분입니다.

예비 기술사님들의 빛나는 도전과 값진 성취를 항상 곁에서 응원하겠습니다!

망분리 규제 해제 '시동'…기술적 난제·프레임워크 부재는 과제

금융당국이 반복되는 해킹과 유출에 대응해 AI 기반 신 보안체계 구축에 나선다. 핵심은 기존 규제를 완화하고, 데이터 중요도에 따른 보호와 제로트러스트·AI 탐지체계를 결합하는 방향으로 보안 구조를 전환하는 것이다.

■ 기사 핵심 요약

– 9월30일~11월3일 금융권에서 37개사·40건 침해사고, 데이터 유출 약 47만건·자금탈취 약 10억원 발생

– 금융당국은 기존 내부망·외부망 separtion 중심에서 AI 탐지·데이터 등급·제로트러스트 기반 보안체계로 전환 추진

– 규제 완화와 별개로 물리·논리적 separation은 일부 필요하며, 이를 연결할 특화 보안 프레임워크 마련이 과제

■ 기사 주요 내용 정리

◎ 망분리 규제 전면 재검토

– 금융위는 망분리 규제 전면 해제를 위한 TF를 가동하고 AI 기반 공격 탐지·차단 역량 강화 추진

– 데이터 중요도에 따른 보호체계와 모든 접근을 지속 검증하는 Zero Trust 도입이 핵심

◎ 기술적 분리는 여전히 필요

– 업계는 규제 완화가 곧 망분리 기술 자체의 제거를 의미하지는 않는다고 지적

– 장애·침해 확산을 막기 위해 일부 영역에서는 물리적·논리적 분리와 연계 통제가 계속 필요

◎ 금융 특화 프레임워크 필요

– 미국은 NIST CSF·RMF, 금융권은 CRI Profile 등을 활용해 위험관리 기준을 체계화

– 국내도 금융보안 수준 검증 체계는 존재하지만 데이터 분류·제로트러스트를 통합한 기준은 부족

→ 향후 핵심은 망분리 중심 컴플라이언스 → 위험 기반·지속 검증형 보안 프레임워크로의 전환

[망분리(Network Separation) 제도 개요]

[한계점]

개보위, 연내 개인정보 제도 혁신 방안 마련

AI가 대화 이력과 외부 서비스 데이터를 결합해 활용하는 환경이 확대되면서 기존 사전 동의 중심 개인정보 보호체계의 한계가 제기되고 있다.

■ 기사 핵심 요약

– 토론회 참가자의 89.7%가 AI 시대에 맞춰 개인정보 제도 변화가 필요하다고 응답

– 반복적인 사전 동의보다 알기 쉬운 사전 고지와 언제든 거부·삭제할 수 있는 권리를 강화해야 한다는 의견 우세

– 개인정보 위험도에 따라 보호수준을 차등화하고 기업의 위험관리 책임·정부의 감독 책임을 강화하는 방향 제시

■ 기사 주요 내용 정리

◎ 형식적 동의제도의 한계

– 온라인 사전토론 참가자 1333명 중 88%가 반복되는 동의를 형식적으로 처리한 경험이 있다고 응답

– 94%는 사전 동의 자체보다 쉽게 이해할 수 있는 고지와 언제든 거부할 수 있는 권리가 더 중요하다고 답변

→ AI Agent 환경에서는 일회성 동의보다 지속적 통제권 확보가 중요하다는 의견 확대

◎ 위험 기반 개인정보 보호

– 유출 시 피해가 큰 정보는 엄격하게, 위험이 낮은 정보는 유연하게 관리해야 한다는 의견에 90%가 찬성

– 25개 분임 중 20개(80%)가 개인정보가 필요한 서비스에서 ‘미리 알리고 언제든 멈추기’ 방식을 선호

– 반면 4개 분임(16%)은 유출·남용 우려와 기업·AI에 대한 신뢰 부족을 이유로 매번 사전 동의 방식을 선택

◎ 기업·정부 책임 강화

– 안전한 개인정보 활용을 위한 핵심 역할로 기업의 위험 점검·보호 책임 75.4%, 정부의 기준 마련·감독 74.9%가 선택

→ 향후 제도는 형식적 동의 → 투명한 고지·실질적 거부권·위험 기반 보호·책임 강화 방향으로 논의될 전망

– 토론회 결과를 반영해 2026년 내 개인정보 제도 혁신 방안을 마련할 계획

기업의 LLM 접근 권한을 탈취해 인공지능 모델을 무단 사용하거나 재판매하는 LLM Jacking 공격이 확산되고 있다. API Key·Service Account·Login Session 등이 탈취되면 짧은 시간에도 대규모 사용료가 발생할 수 있어 인공지능 자원 접근통제와 사용량 모니터링이 중요해지고 있다.

■ 기사 핵심 요약

– 공격자는 계정·세션·공개 GitHub의 API Key·Credential을 탈취해 기업 LLM 자원에 무단 접근

– 탈취 권한을 LLM Mixer에 연결해 다시 제공하거나 대량 API 호출로 하루 10만달러 이상, 누적 100만달러 피해 사례 발생

– MFA·최소권한·Secret Scanning·사용량 감시와 함께 Shadow AI·단기 Service Account 관리 필요

■ 기사 주요 내용 정리

◎ LLM 자원 탈취

– LLM 재킹은 피해 기업의 인공지능 인프라와 비용을 이용해 공격자가 직접 인프라를 구축하지 않고 수익을 얻는 방식

– 탈취한 API Key를 불법 중계 서버에 연결해 저가 서비스로 다시 제공하며 비용은 피해 기업에 전가

◎ 대규모 호출과 추적 회피

– 한 사례에서는 약 7시간 동안 50만건 이상 API 호출 발생

– 수명이 짧은 Service Account를 반복 생성·삭제하는 Burn-and-Rotate 방식으로 호출 한도와 추적을 회피

◎ 인공지능 보안 관리 범위 확대

– Agentic AI와 Shadow AI 확산, 과도한 API 권한, 장기간 유지되는 Credential이 위험을 확대

– MFA·API 최소권한·Secret Scanning·비용 모니터링·Threat Hunting을 병행

→ 핵심은 LLM 자체 보안뿐 아니라 Identity·Credential·사용량·비용을 하나의 통제체계로 관리하는 것

[LLM Jacking(거대언어모델 재킹) 개요]

[新테크용어] 로봇에 범용 AI 두뇌 심는다…RFM이란

로봇 파운데이션 모델(RFM, Robot Foundation Model)은 다양한 로봇의 행동·환경·센서 데이터를 대규모로 사전 학습해 새로운 작업과 환경에도 적응하도록 설계된 범용 AI 모델이다. 개별 로봇마다 별도의 인공지능을 개발하던 방식에서 벗어나 하나의 기반 모델을 여러 로봇과 작업에 적용하는 것이 핵심이다.

■ 기사 핵심 요약

– RFM은 영상·센서·로봇 행동·사람의 시연 데이터를 학습해 환경 인식→명령 이해→행동 계획→제어 수행

– 대표 구현인 VLA(Vision-Language-Action)는 시각 정보와 언어 명령을 실제 로봇 행동으로 연결

– 제조·물류·휴머노이드 등 적용 확대가 기대되지만 학습 데이터·정교한 동작제어·안전성 검증이 주요 과제

■ 기사 주요 내용 정리

◎ 기존 로봇 인공지능과의 차이

– 기존 산업용 로봇은 특정 작업과 환경에 맞춰 개별 프로그래밍·추가 학습 필요

– RFM은 대규모 사전학습 후 특정 로봇·작업에 Fine-tuning해 새로운 환경에 대한 적응성 강화

→ 로봇별 AI 개발 부담과 신규 작업 학습시간 감소

◎ Physical AI 핵심 모델

– LLM이 텍스트 이해·생성에 초점을 둔다면 RFM은 현실 공간에서 물체와 상호작용하며 행동하는 능력을 학습

– 핵심 구조는 시각·센서 입력 → 환경 이해 → 행동 계획 → Robot Action

◎ 대표 기술과 활용

– NVIDIA는 휴머노이드용 Isaac GR00T, Google DeepMind는 Gemini Robotics를 개발

– 제조·물류·가정용 서비스·휴머노이드 로봇 등 다양한 분야 적용 기대

→ RFM은 로봇이 현실을 스스로 인식·판단·행동하는 Physical AI의 기반 기술로 확장

[Robot Foundation Model(RFM, 로봇 파운데이션 모델) 개요]

AI 에이전트가 업무 수행을 넘어 금융거래·시스템 접근까지 맡으면서 AI Agent Identity가 새로운 보안·거버넌스 핵심 기술로 부상하고 있다. 사람과 AI의 신원을 분리하고 에이전트별 권한·자격증명·행동이력을 통제하는 것이 핵심이다.

■ 기사 핵심 요약

– AI Agent Identity는 에이전트별 고유 신원을 부여하고 Owner·Role·Permission·Credential을 관리하는 체계

– IBM·Microsoft는 단기 Credential, 최소권한, 활동 추적, 실시간 권한 회수 등 관련 기능을 제품화

– AI 에이전트가 독립적 업무 주체로 확대되면서 기존 IAM 관리 범위가 Human에서 에이전트 까지 확장

■ 기사 주요 내용 정리

◎ AI Agent를 독립된 신원으로 관리

– 어떤 Agent가 누구를 대신해 어떤 목적과 권한으로 행동하는지를 식별

– Agent ID와 Owner를 연결하고 Authentication·Authorization·Least Privilege 기반으로 System·Data·Tool 접근을 통제

→ 에이전트 생성부터 권한 부여·활동·변경·폐기까지 Identity Lifecycle 관리가 핵심

◎ 단기 자격증명과 실시간 통제

– 장기간 Credential을 사용하는 기존 계정보다 Short-lived Credential을 작업별로 발급

– 활동 종료 또는 이상행동 발생 시 권한을 만료·회수하고 Agent별 Activity Log를 기록

→ 공유 계정·과도한 권한·Agent 탈취에 따른 피해 범위를 축소

◎ IBM·Microsoft 적용 확대

– IBM Agent Identity는 Agent 등록·소유자·권한 관리와 HashiCorp Vault 연계를 통한 Credential 회수 지원

– Microsoft Entra Agent ID는 사람과 Agent Identity를 분리하고 데이터 유출 예방·네트워크 정책 적용을 검증

◎ AI 거버넌스의 필수 계층

– 가트너는 Agent Identity를 2027년 주요 전략 기술로 제시

– 기사에 따르면 2028년 포천 500대 기업의 평균 AI Agent 운용 규모가 15만개 이상으로 확대될 전망

→ 핵심 원칙은 Identity + Least Privilege + Short-lived Credential + Audit + Revocation

[에이전트 아이덴티티 개요]

기존 IAM과 비교

Agent Identity 주요 내용

민간투자형 SW사업 문턱 낮춘다…3.0 가이드 개정

과기정통부가 AI 등 빠른 기술 변화에 대응해 민간 자본과 기술을 공공 SW사업에 활용하는 민간투자형 SW사업 추진가이드 3.0 개정 방향을 공개했다. 핵심은 소규모 사업의 진입 문턱을 낮추고 임대형 사업의 협약·성과평가·재정 절차를 구체화하는 것이다.

■ 기사 핵심 요약

– 구축사업비 20억원 미만 사업의 적격성 조사 간소화와 정식 신청 전 사업계획 사전검토 지원

– 임대형 사업의 재정 요구, 성과평가, 정부지급금 차등, 표준실시협약 등 실무 절차 구체화

– 민간 선투자 후 수익형·임대형으로 회수하며 개발부터 운영·고도화까지 민간 기술·자본 활용 범위 확대

■ 기사 주요 내용 정리

◎ 민간투자형 SW사업 구조

– 「소프트웨어 진흥법」 제40조를 근거로 민간이 자금·기술을 선투자해 공공 정보시스템을 구축

– 수익형은 이용료·광고 등 사업수입으로, 임대형은 공공기관의 임대료·운영대가로 투자비를 회수

◎ 가이드 3.0 주요 변화

– 20억원 미만 소규모 사업의 적격성 조사 절차를 간소화하고 신청 전 사전검토 지원

– 임대형 사업의 한도액 요구, 성과평가위원회 운영, 평가항목, 정부지급금 차등 기준 등을 보강

– 표준실시협약과 비용 조정, 사업계획 변경 절차도 구체화

→ 2.0 사업 전주기 체계에서 절차 효율화와 실무 실행성 강화로 발전

◎ 공공서비스 적용 확대

– 공공시설 예약에 광고·리워드·지역상품의 거래를 결합하는 수익형 모델 검토

– 학습이력·디지털배지를 연계하고 민간이 선투자한 뒤 공공이 분할 지급하는 임대형 모델 검토

→ 가이드 3.0은 현장 의견을 반영해 2026년 12월 최종 배포 예정

[민간투자형 SW사업 추진가이드 3.0 현황]

[가이드 2.0 → 3.0 주요 변화]

스마트 글래스는 도수 렌즈를 장착해 일반 시력 교정용 안경처럼 사용할 수 있는 단계까지 발전했다.

다만 무게·배터리·개인정보 보호·사회적 수용성 문제로 인해 아직 기존 안경을 완전히 대체하기에는 한계가 있다는 평가다.

■ 기사 핵심 요약

– 레이밴 메타 등 일부 스마트클래스는 도수 렌즈 장착을 지원해 일상용 안경과 병행 가능

– 일반 안경보다 무겁고 배터리가 평균 3~5시간 수준이라 하루 종일 인공지능 기능을 사용하기에는 제약 존재

– 카메라·마이크·클라우드 전송에 따른 사생활 침해와 기밀정보 유출 위험이 가장 큰 확산 장애요인

■ 기사 주요 내용 정리

◎ 도수 렌즈 장착 가능

– 스마트클래스는 일반 안경과 유사한 구조로 제작돼 시력 교정용 렌즈 적용 가능

– 레이밴 메타는 처방전을 제출하면 도수 렌즈가 장착된 제품을 주문할 수 있도록 지원

◎ 무게·배터리 한계

– 일반 안경은 약 20~30g 수준인 반면 스마트 안경은 최대 80g에 달할 수 있어 장시간 착용 부담 증가

– 인공지능 기능 사용시간은 평균 3~5시간으로, 하루 종일 활용하려면 중간 충전 필요

→ 배터리가 소진돼도 안경 기능은 유지되지만 인공지능 기능은 사용할 수 없음

◎ 개인정보 보호가 핵심 문제

– 카메라뿐 아니라 오디오·실시간 번역 기능도 대화 내용을 외부 서버로 전송할 가능성이 있어 정보유출 우려 존재

– 법원·학교·기업 등에서 스마트클래스 착용을 제한하는 사례가 증가

– 메타는 일부 촬영 콘텐츠를 사람이 검토할 수 있다고 밝혀 데이터 처리와 프라이버시 논란도 지속

◎ 일상 안경 대체는 아직 제한적

– 기술적 기능은 빠르게 개선되고 있지만 착용 편의성과 개인정보 보호, 사회적 인식 문제가 남아 있음

→ 현재 스마트클래스는 기존 시력 교정용 안경의 완전한 대체보다는 보조적 스마트 디바이스에 가까운 단계

[스마트글래스 개요]