신호 누구의 준비도가 중요한가 — AI·로봇공학 준비도 인식의 업종 내·업종 간 불일치

요약

AI·Industry 4.0 준비도 평가는 흔히 조직·응용분야·업종별로 단일 점수를 산출하지만, 이런 요약은 동일 기술에 대한 의견 불일치와 같은 업종으로 묶인 응용들 간의 편차를 은폐할 수 있다. 저자들은 카드 기반 설문에서 982명의 응답자가 17개 AI·로봇공학 과제에 걸쳐 15,200건의 준비도 평가를 제공한 자료로 이러한 집계에서 얼마나 많은 정보가 유실되는지 검증했으며, 준비도는 개인적 의향이나 감사된 조직 역량이 아니라 체감된 공동체 준비도와 가용 자원으로 정의했다. 응답자들은 동일한 과제에 대해서도 잦은 이견을 보였고, 카드 단위 준비도 표준편차는 5점 척도에서 1.03~1.26에 달했다. 분산 분해 결과 변동의 32.7%는 응답자 간 안정적 차이, 7.3%는 과제 간 차이, 60.0%는 측정오차를 포함한 응답 수준 변동에서 기인했으며, 과제군 평균 간 차이는 약 2%에 불과했다. 제조업이 전체 평균 준비도는 가장 높았으나 그 안의 현장 로봇공학·공정최적화 AI·범용 의사결정지원 응용은 서로 다르게 평가됐고, 컴퓨터과학·AI/ML 응답자는 전 과제군에서 비기술직 응답자보다 높은 준비도를 보고했다. 저자들은 업종 준비도 순위를 해당 산업이 균일하게 준비됐거나 뒤처졌다는 근거가 아니라 「포트폴리오 요약」으로만 다뤄야 하며, 준비도 보고 시 응용 수준의 이견을 유지하고 평가를 구성한 응답자가 누구인지 공개해야 한다고 제언한다.