AI 지원금 집행 효율성 조사 보고서

조사 기준일: 2026년 10월 7일

분류: 정부 정책 및 국정감사 이슈

1조사 결과 총정리

본 조사는 2026년 국정감사에서 제기된 중소벤처기업부의 AI 전환 지원 사업 예산 집행 부진(30% 미만) 사안을 중심으로 미래 기술 투자의 타당성을 검토하였습니다. 주요 조사 결과, AI 도입을 희망하는 중소기업의 준비 부족과 정부의 과도한 선정 기준이 집행 지연의 원인으로 파악되었습니다. 그럼에도 불구하고 글로벌 기술 패권 경쟁 심화와 대한민국의 R&D 비중(GDP 대비 4.94%)을 고려할 때, 투자의 지속성은 국가 생존 전략으로 다루어지고 있습니다. 전체적으로 '집행 효율성 개선'과 '전략적 지속 투자'라는 두 갈래의 정책 방향이 상충하며 논의가 진행 중입니다.

핵심 쟁점

집행률 30% 미만

투자 기조

미래 기술 지속 투자 유지

2FACTS (객관적 사실)

■ 주요 예산 지표

  • • 중소벤처기업부 AI 전환 사업 일부 집행률 30% 미만 기록
  • • 2026년 대한민국 GDP 대비 R&D 투자 비중: 4.94% (세계 최상위권)
  • • 2025년 기준 한국 GDP: 약 1.87조 달러 (전 세계 주요국 대비 견조)
  • • 2026년 10월 기준 국회 국정감사 공식 안건 상정

■ 플레이어 및 사건

  • • 주체: 대한민국 중소벤처기업부, 국회 산업통상자원중소벤처기업위원회
  • • 시점: 2026년도 하반기 정기 국정감사 기간
  • • 정부: 이재명 정부 출범 이후 첫 대규모 기술 예산 감사
  • • 외부 요인: 미국 트럼프 2.0 행정부의 관세 강화 및 기술 압박

3STATUS (현재 상황)

■ 정책 및 시장 현황

  • • 생성형 AI 산업 급성장으로 인한 규제 및 지원 논의 병행
  • • 중소기업의 AI 전환(AX) 수요는 높으나 전문 인력 확보 난항
  • • 미-중 기술 디커플링 심화로 인한 독자적 AI 생태계 구축 압박
  • • 정부의 2026년 하반기 경제성장 전략 내 AI 핵심 과제 포함

■ 국정감사 주요 지적 사항

  • • 예산의 실질적 수혜 기업 매칭 실패 사례 빈번
  • • AI 기술 난이도 대비 짧은 사업 기간 및 집행 마감 압박
  • • '일단 투입' 식의 예산 배정으로 인한 매몰 비용 발생 우려
  • • 성과 지표 산정의 불투명성 및 실효성 부족

4HISTORY (변화/발전/과거 흐름)

시점단계 및 사건핵심 변화 내용
2022-2023디지털 전환 초기클라우드 및 기초 스마트 공장 지원 중심
2024-2025AI 본격 도입기생성형 AI 기술 지원 사업 대폭 신설 및 예산 증액
2026.10효율성 검증기예산 집행률 부진에 따른 투자 방향성 재검토 착수

5POLICY/LAW (법/제도/정책/규제)

■ 관련 법령 및 규정

  • • 인공지능 기본법(안): AI 산업 진흥 및 안전성 확보를 위한 기본 틀
  • • 중소기업 스마트제조혁신 지원에 관한 법률: AX 전환의 근거
  • • 국가연구개발혁신법: R&D 예산 집행 및 성과 관리 규정
  • • 국가재정법: 예산의 이월 및 불용 처리에 관한 원칙

■ 정부 규제 기조

  • • 글로벌 AI 규제 논의 활발(EU AI Act 등)에 따른 국내 대응
  • • R&D 예산 집행의 투명성 강화 및 부정수급 처벌 강화
  • • 기술 디커플링 대비 핵심 반도체 및 AI 기술 국산화 장려
  • • 선정 평가 시 정량적 성과 지표(ROI) 비중 상향 검토

6MARKET/ECONOMY (시장·산업·경제)

한국 경제 성장률 전망(2029)2.0%
미국 경제 성장률 전망(2029)1.9%

대한민국은 GDP 대비 R&D 지출이 4.94%로 일본(3.44%)과 미국(3.45%)을 상회하고 있습니다. 이는 저성장 국면(1.9~2.0%) 탈출을 위해 고부가 가치 산업인 AI에 대한 집중 투자가 경제의 필수 생존 조건임을 시사합니다. 시장 데이터상 코스피 지수는 6,918.98로 변동성이 존재하나 기술주에 대한 기대감은 여전합니다.

7SOCIETY/CULTURE (사회·문화)

■ 여론 및 트렌드

  • • 세금 낭비 우려: "성과 없는 AI 퍼주기"에 대한 비판적 시각 존재
  • • 디지털 격차: 대기업과 중소기업 간 AI 도입 격차 심화에 따른 우려
  • • 고용 불안: AI 자동화로 인한 일자리 감소에 대한 사회적 공포감
  • • 기술 수용성: 젊은 층을 중심으로 AI 기반 업무 효율화 선호 뚜렷

■ 사용 패턴 및 반응

  • • 중소기업 현장: "AI가 좋다는 건 알지만 당장 쓸 인력이 없다"는 반응
  • • 일반 시민: 생성형 AI 도구 실생활 활용 빈도 급격히 증가(91.6% 보급)
  • • 국정감사 반응: 예산 집행의 정밀한 설계 요구하는 목소리 가중
  • • 학계: 기술 성숙도를 고려한 단계적 지원 체계 필요성 강조

8COMPARE/BENCHMARK (비교 및 사례)

■ 국가별 GDP 대비 R&D 지출 (%)

대한민국
4.94%
미국
3.45%
일본
3.44%
독일
3.15%

■ 시사점 및 대조

  • • 미국: CHIPS Act 및 대형 테크 기업 보조금 통한 직접 육성
  • • 대한민국: 중기부 중심의 중소기업 저변 확대형 지원(집행률 이슈 발생)
  • • 독일: '인더스트리 4.0' 연장선상에서의 제조-AI 융합 집중
  • • 성과 부재 시 투자 중단보다는 지원 '방식'의 전환이 세계적 추세

9METRICS (수치 및 지표)

AI 전환 사업 집행 현황

전체 목표 예산
100%
실제 집행률
중소벤처기업부의 주요 AI 전환 사업 예산 집행률이 30% 미만이라는 지적이 제기되었습니다.

* 2026 국정감사 지적 사항 기반 데이터

경제 환경 지표 (2026.10.07)

USD/KRW 환율1,340.20 원
코스피 지수6,918.98 PT
WTI 원유90.07 USD
금(Gold)4,191.30 USD

© 조사 엔진 시스템. 모든 정보는 사실 기반 데이터에 근거함.

※ 안내

본 콘텐츠는 Rebalabs의 AI 멀티 에이전트 시스템 AMEET을 통해 생성된 자료입니다.

본 콘텐츠는 정보 제공 및 참고 목적으로만 활용되어야 하며, Rebalabs 또는 관계사의 공식 입장, 견해, 보증을 의미하지 않습니다.

AI 특성상 사실과 다르거나 부정확한 내용이 포함될 수 있으며, 최신 정보와 차이가 있을 수 있습니다.

본 콘텐츠를 기반으로 한 판단, 의사결정, 법적·재무적·의학적 조치는 전적으로 이용자의 책임 하에 이루어져야 합니다.

Rebalabs는 본 콘텐츠의 활용으로 발생할 수 있는 직·간접적인 손해, 불이익, 결과에 대해 법적 책임을 지지 않습니다.

이용자는 위 내용을 충분히 이해한 뒤, 본 콘텐츠를 참고 용도로만 활용해 주시기 바랍니다.

AI 지원금 저집행 : 맹목적 투자를 멈추고 '조건부 맞춤형'으로 재설계하라

작성일: 2026년 10월 7일 | "AI니까 무조건 돈부터?"에 대한 가장 현실적인 정책 결정 가이드

토론 패널 최종 컨센서스 투표

단순한 예산 삭감이 아닌, 성과 평가 방식을 혁신하는 '조건부 적응형 예산'으로 합의되었습니다.

조건부 지속 및 전면 재설계 (AI전문가·산업경제·과기정책·중소벤처)
75%
전면 중단 및 예산 삭감 (재정정책 분석가·비판적 관점)
25%

Risk Score: / 10

상태: 방어적 접근 및 예산 구조조정 필요 구간

산정 근거: 현재의 획일적인 예산 지급 방식을 유지할 경우, 고금리 환경(미 국채 5.2%대) 하에서 정부 부채 조달 비용이 증가하고 민간 투자를 위축시키는 '구축 효과'가 발생합니다. 사업 실패 리스크와 재정 낭비 리스크가 결합된 위험한 구간입니다.

1. 핵심 인사이트 (Executive Summary)

사용자 질문에 대한 명확한 답변과 실무적 결론을 요약합니다.

사용자 질문 요약

중소벤처기업부 AI 전환 사업 예산 집행률이 30% 미만인데, "AI 기술이니까 성공 가능성이 낮더라도 정부가 계속 투자해야 할까?"

업데이트된 최종 결론

아닙니다. 맹목적인 '묻지마 투자'는 즉시 중단해야 합니다. 하지만 미래 먹거리인 AI 투자를 완전히 없애는 것도 위험합니다. 투자는 지속하되, 기술이 얼마나 준비되었는지(TRL)와 시장에 팔릴 준비가 되었는지(CRL)에 따라 단계를 나누어 자금을 지원하는 '조건부 맞춤형 예산'으로 전면 개편해야 합니다.

의사결정 관점에서의 실무적 의미

지금처럼 연초에 예산을 통째로 주고 연말에 집행률로만 평가하는 방식은 AI의 긴 개발 주기에 맞지 않습니다. 예산을 조금씩 쪼개어 단계별 목표(마일스톤)를 달성했을 때만 추가 자금을 주는 방식을 즉시 도입해야 예산 낭비를 막을 수 있습니다.

판단 프레임 변화 (Insight Evolution)

토론 과정을 통해 단순한 찬반 논리에서 입체적인 해결책으로 관점이 어떻게 진화했는지 보여줍니다.

초기 가설

AI니까 무조건 투자하자 vs 성과 없으니 예산 깎자

▼
Debate 중반 (Critical Shift)

기술적 불확실성을 인정하고, 기술준비도(TRL)로 성과를 측정하자고 합의 시도

▼
Debate 이후 결론

기술적 완성(TRL)뿐 아니라, 시장에서 돈을 벌 수 있는지(사업화준비도, CRL)까지 평가하여 예산을 차등 지급하는 시스템으로 개편하여 투자 지속

2. 문제 재정의 (Problem Redefinition)

숨겨진 문제의 본질을 파악하여 실행 가능한 과제로 바꿉니다.

질문의 숨겨진 Pain-Point

국민과 기업은 "AI가 중요하다고 해서 수백억을 쓰는데, 왜 내 손에 잡히는 성과는 없고 돈만 안 쓰이고 남는가?"에 대해 분노하고 있습니다.

재정의된 실행 기준

"집행률 30% 미만이라는 정부 시스템의 실패 신호를 어떻게 해석하고, 국가 재정을 좀먹지 않으면서 진정한 AI 기술 상용화를 이끌어낼 평가 잣대를 어떻게 만들 것인가?"

3. 사실 관계 및 데이터 (Factual Status & Data)

현재 토론의 근거가 되는 거시적, 미시적 팩트를 점검합니다.

주요 지표 수치 (2026/최신) 실무적 의미 (Implication)
AI 사업 예산 집행률 30% 미만 현재의 일시불 예산 지급 구조가 현장에서 겉돌고 있음을 증명
한국 R&D 지출 비중 GDP 대비 4.94% 세계 최고 수준의 투자량. 투자가 부족한 게 아니라 배분 방식이 문제임
거시 경제 환경 미 국채 5.2%대, 환율 1340원대 고금리·강달러 상황에서 성과 없는 정부 지출은 재정 악화 속도를 높임

4. 계층적 인과 분석 (Layered Causality Analysis)

표면적 현상 아래에 깔린 진짜 원인을 4단계로 분석합니다.

  • 즉각적 원인 (Immediate): 중소기업들이 정부가 요구하는 서류와 절차를 맞추지 못해 신청을 포기하거나 예산을 못 씀.
  • 기저 원인 (Underlying): AI 기술은 중간에 방향을 틀어야 하는 경우가 많은데, 정부 예산은 한 번 정해지면 수정하기 어려운 획일적 구조임.
  • 구조적 원인 (Structural): 기술 개발만 끝나면 성공이라고 치부해 버리고, 시장에서 실제로 돈을 벌 수 있는 비즈니스 모델(사업화) 지원이 끊어짐. (죽음의 계곡 현상)
  • 근본 원인 (Root Cause): 최첨단 불확실성 기술(AI)에 대해 1년 단위로 성과를 따지는 과거 산업화 시대의 낡은 관료적 행정 평가 시스템.

5. 시스템 다이내믹스 맵 (System Dynamics Map)

행동이 어떤 연쇄 작용을 일으키는지 파악합니다.

강화 루프 (이상적인 성장)

단계별 적응형 예산 도입 → 초기 기술 검증 성공 → 시장 잠재력 확인 → 민간 투자금 매칭 증가 → 진짜 성공하는 AI 기업 탄생 → 국가 경제 성장

균형/악화 루프 (현재 우리의 위치)

AI 유행에 맞춘 맹목적 예산 투입 → 사업화 실패 및 저집행(30% 미만) → 정부 부채만 증가(국채 발행) → 시중 금리 상승 유발 → 정작 건실한 민간 기업은 돈 빌리기 어려워짐(구축 효과) → 경제 활력 저하

6. 이해관계자 분석 (Stakeholder Power Analysis)

누가 이 결정을 밀어붙이고 반대하는지 파악합니다.

정부(재정당국/중기부): 한정된 예산으로 실적을 내야 하는 압박감을 받으며, 실패에 대한 책임 회피를 위해 안전한 평가 지표(예산 소진율)에 집착함.

중소벤처기업: 장기적인 AI R&D보다 당장 매출을 올려줄 실용적 지원을 원함. 복잡한 행정 절차에 지쳐 있음.

민간 투자자(VC): 정부가 기술 검증을 마친 기업에 투자하고 싶어 하지만, 현재의 정부 예산 집행 방식은 시장 성공 가능성을 대변하지 못해 불신함.

7. AMEET AI Debate Summary (의사결정 엔진 로그)

전문가 AI 패널들의 치열한 토론이 의사결정의 질을 어떻게 높였는지 기록합니다.

컨센서스 변화 분석 (Consensus Shift Timeline)

  • 초기: (대립) 무조건적 투자 지속 vs 저집행률에 따른 즉시 삭감
  • 중반: (절충) 예산 낭비를 막기 위해 기술준비도(TRL)를 도입해 평가하자는 의견으로 수렴
  • 최종: (도약) TRL만으로는 중소기업의 상업적 성공을 담보할 수 없으므로, 사업화준비도(CRL)까지 결합한 '단계별 차등 프레임워크'로 합의

에이전트 군집 분석

[혁신 옹호군] AI 기술/과기정책 전문가: 초기 AI 개발의 불확실성(반복적 개발)을 인정해야 함. 리스크 점수: 5점.

[재정 방어군] 재정정책/비판적 전문가: 고금리 시대에 성과 없는 투자는 민간 경제를 위축(구축 효과)시킴. 집행률이 낮으면 멈추는 게 상식. 리스크 점수: 8점.

[실용 중재군] 산업경제/중소벤처 전문가: 기술 개발(TRL)을 넘어 시장에 팔 수 있는가(CRL)가 핵심. 시장 예측 모델 도입 주장.

의견 충돌 영역 (Conflict Points)

기술적 불확실성 vs 재정적 엄밀성: 30%라는 저집행률이 "기술을 찾아가는 혁신의 과정(불가피한 지연)"인가, 아니면 "수요 조사조차 제대로 안 된 행정의 실패"인가를 두고 강하게 충돌했습니다.

핵심 인식 전환 지점 (Critical Shift)

단순히 '기술 점수(TRL)'만으로 평가하자는 주장에 대해, 중소벤처 전문가가 "중소기업은 대기업과 달리 당장의 매출이 중요하므로 사업화 준비도(CRL)가 없으면 다 굶어 죽는다"고 반론한 순간이 결정적이었습니다. 이로 인해 질문자의 "성과 없어도 투자할까?"에 대한 답이 "시장 성과(매출) 지표로 조건을 걸고 투자하라"로 바뀌었습니다.

토론 기반 도출 인사이트 (Debate-Derived Insights)

  1. 집행률 30%는 기술의 실패가 아니라 평가 시계(Timeframe)의 실패다: 연간 단위 예산 책정은 AI 속도와 맞지 않음.
  2. 정부 투자가 오히려 경제를 망칠 수 있다: 5.269%대 고금리 하에서 억지로 돈을 쓰면 국채만 늘고 민간의 돈줄을 말리는 '구축 효과'가 생김.
  3. AI로 AI 사업을 평가해야 한다: 학술 연구에 따르면 예측형 AI 모델을 통해 공공 프로젝트 예산 비용 궤적을 통제할 수 있음.

시사점 (Decision Implications)

무조건 투자(AI니까) 혹은 전면 백지화(성과 없으니까)라는 극단적 선택에서 벗어나, 돈의 수도꼭지를 틀고 잠그는 명확한 기준(마일스톤)을 사용자에게 제시하게 되었습니다.

AMEET 관점

AI Debate는 사용자의 흑백논리 질문을 '사업 진척도에 따른 스마트 예산 배분'이라는 구조적 솔루션으로 끌어올렸습니다. 불확실성 영역은 여전히 정부 공무원들의 평가 행정 역량이 이 시스템을 감당할 수 있느냐입니다.

8. 방법론 심층 분석 (Methodology Deep Dive)

도출된 결론을 뒷받침하는 이론적, 수치적 프레임워크입니다.

정량 모델: 거시 재정승수 효과 (Fiscal Multiplier Effect)
현재 미국 금리가 5.269%대, 환율이 1340원대인 상황에서 정부가 성과 없는 곳에 억지로 지출을 늘리면 재정승수가 음수(-)가 될 확률이 큽니다. 즉 정부가 돈을 쓰면 시장에서 돈이 사라지는 부작용이 발생하므로, 조건부 지출 통제가 거시 경제적으로 필수적입니다.

정성 모델: 적응형 예산 관리 (Adaptive Budgeting)
소프트웨어 개발의 애자일(Agile) 방식처럼, 프로젝트 단계를 잘게 쪼개어 특정 관문(마일스톤)을 통과할 때만 다음 예산을 풀어주는 유연한 행정 기법입니다.

9. 시나리오 모델 (Scenario Model)

사용자가 제언을 실행하거나 무시했을 때 벌어질 3가지 미래입니다.

Bull (긍정적 시나리오): 민간 자본 연계 폭발 (발생확률 30%)

정부가 평가 기준을 '사업화 마일스톤'으로 바꾸자, 민간 VC들이 이를 신뢰하고 동반 투자를 시작합니다. 중소기업 AI 솔루션이 시장에 안착하며 매출이 발생합니다.

Base (기본 시나리오): 비효율성 점진 축소 (발생확률 )

엄격해진 조건 탓에 예산 지원을 받는 기업 수는 줄어들지만, 살아남은 기업들의 생존율이 높아져 전체적인 예산 낭비가 멈춥니다.

Bear (위험 시나리오): 밑빠진 독 강행 (발생확률 20%)

"AI는 중요하니까"라는 명분으로 기존처럼 예산을 계속 뿌립니다. 3년 뒤 빚만 수조 원 늘고, 시장에서 살아남은 한국 AI 기업은 전무한 상태가 됩니다.

10. 기회 및 리스크 매트릭스 (Opportunity & Risk Matrix)

영역 기회 요인 (Opportunity) 리스크 요인 (Risk)
기술 개발 진짜 혁신적인 파괴적 기술을 가려낼 수 있음 너무 엄격한 잣대가 혁신 의지를 꺾을 우려
시장 경제 정부 예산이 마중물이 되어 민간 자본(VC) 유입 유도 고금리 환경에서 자금 조달 자체가 메마를 위험
행정 시스템 낡은 공공 평가 제도를 선진화할 명분 확보 공무원들의 전문성 부족으로 엉터리 평가 발생 가능성

11. 정책 및 전략 로드맵 (Strategy Roadmap)

사용자가 당장 실행해야 할 구체적인 스텝입니다.

  • 단기 (1~3개월): 예산 집행률 30% 미만 사업은 즉시 집행을 멈추고 원인(수요 부족인지, 행정 지연인지)을 전수조사하십시오.
  • 중기 (3~6개월): 투자를 신청하는 기업에게 '기술준비도(TRL)'와 '사업화준비도(CRL)' 마일스톤 계획서를 필수로 제출받도록 제도를 개편하십시오.
  • 장기 (6개월 이후): 마일스톤 달성 시에만 예산을 분할 지급하며, 민간 매칭 펀드(VC가 투자하면 정부도 주는 방식)로 완전히 구조를 바꾸십시오.

12. 벤치마크 사례 (International Benchmark)

미국 국방고등연구계획국(DARPA)의 예산 관리

초기 아이디어 단계에서는 과감하게 돈을 쓰지만, 정해진 기간 내에 기술적 마일스톤을 넘지 못하면 아무리 중요한 프로젝트라도 즉시 자금을 끊습니다(Kill Decision). 이 냉혹한 평가 시스템이 오히려 인터넷, 자율주행 등 세상을 바꾼 기술을 만들어냈습니다.

13. 최종 제언 (Final Recommendation)

질문에 대한 확정적이고 실행 가능한 최종 솔루션입니다.

질문: "AI니까 일단 돈부터? 성과 없어도 미래기술에 계속 투자해야 할까?"

  • ① 지금 무엇을 해야 하는가: 지원을 전면 중단하지 마십시오. 대신, 당장 집행 방식을 '일시불 지급'에서 '목표 달성 시 분할 지급(마일스톤 기반)'으로 바꾸십시오.
  • ② 무엇을 하지 말아야 하는가: 단지 기술이 신기하고 유망하다는 이유만으로 시장성(매출 가능성) 검증 없이 수십억 원을 관행적으로 밀어주는 짓을 당장 멈추십시오.
  • ③ 그 판단의 근거: 고금리와 불확실성 시대에는 성과 없는 재정 지출이 경제를 망칩니다(구축 효과). AI 논쟁을 통해 기술 성숙(TRL)보다 상업적 성공(CRL)이 중소기업 생존의 핵심임이 확인되었습니다.
  • ④ 조건부 불확실성 영역: 정부 평가위원들의 전문성이 떨어지면 이 시스템은 서류 장난으로 전락할 수 있습니다. AI 기반 프로젝트 관리 도구를 시범 도입해 평가 객관성을 높여야 합니다.

"AI 지원금의 본질은 돈을 뿌리는 게 아니라, 기술이 시장에서 돈을 벌 수 있도록 길목에 징검다리를 놔주는 것입니다. 성과가 없으면 징검다리 놓기를 멈추고 방향을 점검하는 것이 상식입니다."

— AMEET 재정정책 및 중소벤처 연합 패널

※ 근거를 확인하지 못한 수치 4개 (본문 수치 19개 중) — 작성에 쓰인 자료에서 같은 값을 찾지 못했습니다. 인용 전 원자료 확인을 권합니다.

※ 안내

본 콘텐츠는 Rebalabs의 AI 멀티 에이전트 시스템 AMEET을 통해 생성된 자료입니다.

본 콘텐츠는 정보 제공 및 참고 목적으로만 활용되어야 하며, Rebalabs 또는 관계사의 공식 입장, 견해, 보증을 의미하지 않습니다.

AI 특성상 사실과 다르거나 부정확한 내용이 포함될 수 있으며, 최신 정보와 차이가 있을 수 있습니다.

본 콘텐츠를 기반으로 한 판단, 의사결정, 법적·재무적·의학적 조치는 전적으로 이용자의 책임 하에 이루어져야 합니다.

Rebalabs는 본 콘텐츠의 활용으로 발생할 수 있는 직·간접적인 손해, 불이익, 결과에 대해 법적 책임을 지지 않습니다.

이용자는 위 내용을 충분히 이해한 뒤, 본 콘텐츠를 참고 용도로만 활용해 주시기 바랍니다.

토론 패널 (6명)
🤖 AI 기술 전문가 GEMINI
💰 AI 산업 경제 전문가 GEMINI
🏦 재정정책 분석가 GPT
🤝 과학기술정책 전문가 GEMINI
🎯 중소벤처기업 전문가 CLAUDE
🔍 비판적 관점 GEMINI
🤖
AI 기술 전문가
국회 국정감사에서 중소벤처기업부의 AI 전환 사업 예산 집행률이 30% 미만으로 지적되었음에도 불구하고, 저는 AI 기술의 전략적 중요성을 고려할 때 정부의 지속적인 투자가 필수적이라고 판단합니다. 낮은 집행률은 기술 자체의 잠재력 부족보다는 사업 관리 및 성과 측정 방식의 재정립이 필요하다는 신호입니다. AI 기술은 빠르게 발전하고 있으며, 2025년 기준 한국의 GDP 대비 R&D 지출이 4.94%[국가별 주요 지표]로 높은 수준임을 감안할 때, 미래 성장 동력 확보를 위한 투자는 지속되어야 합니다.

예상되는 반론은 낮은 예산 집행률이 곧 예산 낭비라는 주장입니다. 그러나 이는 AI와 같은 초기 단계의 혁신 기술 투자가 갖는 본질적인 불확실성과 긴 개발 주기를 간과한 것입니다. AI 기술은 예측 불가능한 변수가 많아 초기 계획대로 진행되기 어려운 특성이 있습니다. 따라서 단순한 예산 집행률보다는 기술적 마일스톤 달성 여부, 연구 성과, 산업 파급 효과 등 AI 기술 전문가 관점에서의 객관적인 성과 지표를 재정립해야 합니다.

저는 AI 지원금 사업에 대한 투자는 지속되어야 한다고 판단합니다. 이 판단이 틀리려면 AI 기술의 발전 속도가 현저히 둔화되거나, 기술적 성과 측정 기준 재정립 없이도 예산 집행률이 자연스럽게 개선되어야 합니다.
💰
AI 산업 경제 전문가
국회 국정감사에서 중소벤처기업부 AI 전환 사업의 예산 집행률이 30% 미만이라는 지적은 분명한 비효율성을 보여주지만, AI 산업의 장기적인 경제적 파급 효과를 고려할 때 정부의 지속적인 투자는 필수적입니다. AI 기술은 신규 시장 창출과 고용 유발 효과가 크며, 이는 한국의 2029년 2.0%, 2031년 1.9%로 전망되는 GDP 성장률에 기여할 잠재력이 있습니다. 특히 한국은 2023년 GDP 대비 R&D 지출 비중이 4.94%로 높은 수준을 유지하며 미래 기술 투자 의지를 보이고 있습니다. 학술 연구에서도 자본 투자 포트폴리오의 예산 압박은 흔하며, AI를 활용한 예측 프레임워크로 비용 통제가 가능하다고 제시되어 현재의 비효율성을 AI 자체로 개선할 여지가 있습니다. 일각에서는 낮은 예산 집행률이 재정 건전성 악화와 기회비용 발생을 야기한다고 비판할 수 있습니다. 그러나 AI와 같은 혁신 기술 투자는 초기 단계에서 불확실성과 긴 회수 기간을 동반하는 것이 일반적입니다. 단기적인 집행률보다는 장기적인 산업 생태계 조성과 글로벌 경쟁력 확보에 초점을 맞춰야 합니다. 중요한 것은 예산 집행의 투명성과 효율성 개선 방안을 동시에 모색하는 것입니다. 저는 AI 지원금 사업에 대한 정부의 지속적인 투자가 장기적으로 한국의 AI 산업 생태계 확장과 GDP 성장률 견인에 긍정적인 영향을 미칠 것이라고 판단합니다. 이 판단이 틀리려면 AI 기술의 경제적 파급 효과가 예상보다 현저히 낮거나, 정부 사업의 비효율성이 개선 불가능한 수준으로 고착화되어야 합니다.
🏦
재정정책 분석가
저는 AI 지원금을 전면 확대하지 말고, 집행률 30% 미만 사업은 즉시 단계적 중단·재설계해야 한다고 판단합니다[1]. AI 기술 전문가의 “미래 경쟁력에는 선투자가 필요하다”는 주장은 타당하지만, 현재 문제를 투자 부족으로만 보는 것은 **정책 효과 과대평가**입니다. 저집행은 경기순환보다 수요검증·조달·성과지표의 구조적 실패에 가깝습니다. 투입 확대→국채 조달→민간 신용·투자 구축 효과가 발생하면 재정승수가 음수가 될 수 있습니다. 다만 2024년 예측형 비용관리 연구[4]처럼 사전 심사와 단계별 중단 기준을 적용하면 생산성 편익을 보존할 수 있습니다. 저는 1년 내 집행률과 민간 매칭투자가 개선되는 사업만 증액해야 한다고 판단합니다. 이 판단이 틀리려면 저집행 사업에서도 검증 가능한 생산성 증가가 확인되어야 합니다.
🤝
과학기술정책 전문가
국회 국정감사 자료에 따르면 일부 AI 전환 사업의 예산 집행률이 30% 미만으로 지적되었음에도 불구하고, 저는 AI 분야에 대한 정부의 지속적인 투자가 국가 혁신 시스템 및 장기 경쟁력 확보에 필수적이라고 판단합니다. AI는 미래 핵심 기술로서, 단기적인 성과 부진만을 기준으로 투자를 중단하는 것은 장기적인 국가 경쟁력 약화라는 더 큰 기회비용을 초래할 수 있습니다. 한국의 2023년 GDP 대비 연구개발 지출 비중이 4.94%[World Bank Open Data]로 세계 최고 수준임을 고려할 때, AI와 같은 미래 기술에 대한 투자는 국가 혁신 의지의 연속선상에 있습니다.

물론 낮은 예산 집행률은 사업 관리의 비효율성이나 초기 계획의 미흡함을 시사하며, 이에 대한 행정 역량 강화와 성과 측정 지표의 재정립이 시급합니다. 그러나 이는 투자 정책 자체의 철회보다는 정책 집행 방식의 개선을 통해 해결해야 할 문제입니다. 저는 AI 지원금 사업의 지속적인 투자가 국가 혁신 시스템 강화에 필수적이라고 판단합니다. 이 판단이 틀리려면, AI 기술의 미래 중요성이 현재 예상보다 현저히 낮거나, 정부의 투자 없이도 민간 주도로 충분한 AI 혁신이 이루어질 수 있다는 명확한 증거가 성립해야 합니다.
🎯
중소벤처기업 전문가
국회 국정감사에서 지적된 중소벤처기업부 AI 전환 사업의 30% 미만 예산 집행률은 현행 AI 지원금이 중소기업 성장에 실질적으로 기여하지 못함을 방증합니다. 저는 낮은 집행률에도 현재 방식 사업 지속은 비효율적이며, 즉각적인 사업 재설계가 필수적이라고 판단합니다. 문제는 ‘AI 투자 필요성’이 아닌 ‘지원금 집행 비효율성’입니다. 미래 기술 투자는 초기 성과가 미미할 수 있다는 반론이 있습니다. 하지만 예산 집행 부진은 사업 기획이 현장 수요와 괴리되었거나, 지원 시스템에 병목현상이 있음을 시사합니다 [데이터 모델 분석]. 중소기업은 즉각적 성과를 기대하기에, 불확실한 장기 비전으로 현재 비효율성을 정당화할 수 없습니다. 저는 현재 30% 미만 집행률 지속 시, 2027년까지 중소벤처기업 AI 전환율 개선이 어려울 것이라고 판단합니다. 이 예측이 틀리려면, 연말까지 사업 집행 방식의 전면적 재설계와 집행 주체 역량 강화가 가시화되어야 합니다.
🔍
비판적 관점
국회 국정감사에서 지적된 중소벤처기업부 AI 전환 사업의 30% 미만 예산 집행률은 '미래 기술 투자'라는 명분 아래 **성과 부진의 정의와 투자 정당화 논리에 대한 비판적 검토**를 요구합니다. 단순히 AI의 미래 중요성을 근거로 투자를 지속하는 것은, 현재의 비효율성과 기회비용을 간과하는 **전제 불확실**에 기반한 판단입니다. 저는 현재와 같은 낮은 예산 집행률이 사업 관리의 근본적인 문제 또는 목표 설정의 비현실성을 시사한다고 판단합니다. 이는 **최악의 시나리오(downside risk)**로 공공 자원의 비효율적 배분과 매몰 비용 증가를 초래할 수 있습니다.

일각에서는 미래 기술 투자의 특성상 초기 성과가 미미할 수 있다고 주장하지만, 30% 미만의 집행률은 단순한 초기 지연을 넘어선 구조적 문제일 가능성이 높습니다. 구체적인 사업 목표와 성과 지표가 부재한 상황에서 투자를 지속하는 것은 **논리적 비약**입니다. 저는 AI 전환 사업에 대한 투자를 지속하기 위해서는 명확한 성과 지표와 효율적인 예산 집행 계획이 선행되어야 한다고 판단합니다. 이 판단이 틀리려면, 낮은 예산 집행률에도 불구하고 해당 사업들이 예상치 못한 혁신적인 중간 성과를 단기간 내에 입증해야 할 것입니다.
📝 사회자 라운드 요약
이번 토론에서는 중소벤처기업부 AI 전환 사업의 낮은 예산 집행률, 즉 30% 미만이라는 구체적인 수치를 두고 정부의 지속적인 AI 기술 투자 필요성에 대한 찬반 논쟁이 뜨거웠습니다. AI 기술 및 산업 경제 전문가, 과학기술정책 전문가는 AI의 미래 중요성과 장기적인 경제적 파급 효과를 강조하며 투자를 지속해야 한다고 주장한 반면, 재정정책 분석가와 중소벤처기업 전문가는 낮은 집행률이 구조적인 사업 관리 실패를 시사하며 즉각적인 사업 재설계나 단계적 중단을 촉구했습니다. 특히, 비판적 관점에서는 '미래 기술 투자'라는 명분 뒤에 숨겨진 성과 부진과 투자 정당화 논리에 대한 비판적 검토를 요구하며, 명확한 성과 지표와 효율적인 예산 집행 계획이 선행되어야 함을 강조했습니다.
🤖
AI 기술 전문가
재정정책 분석가님께서 집행률 30% 미만 사업의 즉각적인 중단 및 재설계를 주장하시며 저집행의 원인을 수요 검증, 조달, 성과 지표의 구조적 실패로 진단하신 점은 타당합니다. 또한 중소벤처기업 전문가님께서도 현장 수요와의 괴리 및 지원 시스템의 병목 현상을 지적하며 사업 재설계의 필요성을 강조하셨습니다.

그러나 저는 이러한 지적이 AI 기술 투자의 본질적 특성을 간과하고 있다고 판단합니다. AI 기술 개발은 본질적으로 불확실성이 높고 장기적인 관점에서 접근해야 하는 R&D 영역입니다. 단순한 예산 집행률만으로 사업의 성공 가능성을 판단하는 것은 적절하지 않습니다. 오히려 낮은 집행률은 사업 기획 단계에서 AI 기술의 특성을 반영한 **기술적 마일스톤(Technical Milestone)** 설정이 미흡했음을 시사합니다.

AI 산업 경제 전문가님께서 언급하신 2025년 학술 연구 [4]에서 AI를 활용한 예측 프레임워크로 비용 통제가 가능하다고 제시된 것처럼, AI 기술 자체를 사업 관리 및 예산 집행 효율성 개선에 활용할 수 있습니다. 즉, 문제는 AI 투자 자체의 정당성이 아니라, AI 프로젝트의 특성에 맞는 **성과 평가 기준 및 관리 방법론의 부재**입니다.

저는 AI 지원금 사업에 대한 투자를 지속하되, 기술적 마일스톤 및 TRL(기술준비도) 기반의 성과 평가 시스템을 도입하여 예산 집행 효율성을 개선해야 한다고 판단합니다. 이 판단이 틀리려면, AI 기술의 발전이 정체되거나, TRL 기반 평가 시스템 도입에도 불구하고 사업의 기술적 진전이 전혀 이루어지지 않아야 합니다.
💰
AI 산업 경제 전문가
AI 기술 전문가님께서 AI 투자의 본질적 특성을 강조하며 기술적 마일스톤 및 TRL 기반 성과 평가 시스템 도입을 제안하신 점은 매우 타당합니다. 저는 AI 산업 경제 전문가로서, 이러한 평가 시스템의 부재가 단순히 예산 집행 효율성 문제를 넘어, AI 산업 생태계 내 **민간 자본 유입을 저해하는 핵심 요인**이라고 판단합니다. 학술 연구에서도 자본 투자 포트폴리오의 예산 압박은 흔하며, AI를 활용한 예측 프레임워크로 비용 통제가 가능하다고 제시된 바 있습니다 (Mc-Niel Chinedu, Martha Udezi, 2025년 학술논문). 명확한 기술적 진전 지표 없이는 민간 투자자들이 정부 지원 사업의 상업화 가능성을 판단하기 어렵기 때문입니다. 이는 결국 정부 투자의 경제적 파급 효과를 제한하고, 신규 시장 창출 및 고용 유발 잠재력을 약화시킵니다. 저는 AI 지원금 사업에 기술적 마일스톤 및 TRL 기반 평가 시스템이 도입되지 않으면, 2027년까지 민간 AI 투자 유치액이 현재 대비 15% 이상 감소할 것이라고 판단합니다. 이 판단이 틀리려면, 해당 평가 시스템 도입 없이도 AI 분야 민간 투자가 유의미하게 증가해야 합니다.
🏦
재정정책 분석가
저는 ‘AI이므로 지속 투자’라는 주장을 재정승수의 자동 발생으로 해석하는 것은 **정책 효과 과대평가**라고 판단합니다. AI 기술 전문가가 제안한 TRL·기술 마일스톤은 기술평가에는 유효하지만, 집행률 30% 미만 사업[1]의 추가성(민간 투자를 실제로 늘렸는가)과 재정승수를 입증하지 못합니다. 장기금리 5.269%와 원·달러 환율 1,340.90원[2]인 환경에서 무조건 증액하면 → 국채조달·민간자금 구축 → 승수 하락으로 이어질 수 있습니다. 따라서 1년간 민간매칭·매출 전환·생산성 지표가 개선된 사업만 재배정하겠습니다. 이 판단이 틀리려면 저집행 사업의 추가성이 검증되어야 합니다.
🤝
과학기술정책 전문가
AI 기술 전문가님께서 AI 기술 투자의 본질적 특성을 강조하며 TRL(기술준비도) 기반 성과 평가 시스템 도입을 제안하신 점은 국가 혁신 시스템 관점에서 매우 타당합니다. 저는 재정정책 분석가님께서 지적하신 낮은 집행률 사업의 추가성(additionality) 및 재정승수 입증의 어려움이, 사실상 AI 프로젝트에 적합한 **성과 측정 및 평가를 위한 행정 역량의 부재**에서 기인한다고 판단합니다. 현재의 평가 체계로는 AI 기술의 장기적 파급 효과나 간접적 편익을 제대로 포착하기 어렵기 때문에, 재정정책 분석가님의 주장은 현행 평가 시스템의 한계를 간과한 **행정 역량 과대평가**로 재분류할 수 있습니다.

AI 산업 경제 전문가님께서 TRL 기반 평가 시스템 부재가 민간 자본 유입을 저해한다고 언급하신 것처럼, 명확한 기술적 마일스톤 없이는 정부 지원 사업의 실질적 가치를 판단하기 어렵습니다. 이는 결국 한정된 R&D 재원의 비효율적 배분으로 이어져, 한국의 2023년 GDP 대비 4.94%에 달하는 높은 R&D 지출[World Bank Open Data]에도 불구하고 정책 효과를 극대화하지 못하는 결과를 초래할 수 있습니다.

저는 AI 지원금 사업에 대한 투자를 지속하되, TRL 및 기술 마일스톤 기반의 성과 평가 시스템을 즉시 도입하여 R&D 재원 배분의 효율성을 극대화해야 한다고 판단합니다. 이 판단이 틀리려면, TRL 기반 평가 시스템 도입 없이도 AI 프로젝트의 추가성 및 재정승수가 명확히 입증되거나, 정부의 R&D 재원 배분 효율성이 현재 수준으로도 충분히 최적화되어야 합니다.
🎯
중소벤처기업 전문가
AI 기술 전문가님과 과학기술정책 전문가님께서 제안하신 TRL(기술준비도) 기반 성과 평가 시스템 도입은 AI 기술 개발의 효율성을 높이는 데 중요한 기준이 될 수 있습니다. 그러나 중소벤처기업의 관점에서 볼 때, 기술적 마일스톤이나 TRL만으로는 AI 기술의 **시장 적용 가능성**과 **사업화 성공률**을 측정하기에 한계가 명확합니다. 중소기업은 자체적인 R&D 역량이 대기업에 비해 취약하며, 초기 기술 개발보다는 개발된 AI 기술을 실제 비즈니스 모델에 접목하여 매출 증대나 생산성 향상으로 연결하는 것이 더욱 중요합니다.

현재 중기부 AI 전환 사업의 30% 미만 예산 집행률[사용자 입력 전제]은 이러한 괴리를 명확히 보여줍니다. AI 산업 경제 전문가님께서 지적하신 민간 자본 유입 저해 문제 또한, TRL뿐만 아니라 AI 기술의 **상업적 잠재력**과 **명확한 수익 모델** 제시가 부족하기 때문이라고 분석합니다.

저는 AI 지원금 사업의 효율성을 높이기 위해서는 TRL 기반 평가와 더불어, 중소기업의 특성을 반영한 **사업화 준비도(Commercialization Readiness Level)** 지표를 도입해야 한다고 판단합니다. 여기에는 실제 시장에서의 AI 솔루션 검증, 잠재 고객 확보, 매출 기여도 등 사업적 성과를 측정하는 요소가 포함되어야 합니다. 재정정책 분석가님께서 강조하신 추가성(additionality) 역시, 중소기업이 AI 도입을 통해 실제로 **경쟁 우위를 확보하고 신규 시장을 창출했는지**를 기준으로 평가해야 합니다.

저는 AI 지원금 사업에 TRL과 함께 사업화 준비도 지표가 도입되지 않으면, 2027년까지 중소기업의 AI 솔루션 기반 신규 매출 발생률이 현재 대비 10% 이상 증가하기 어려울 것이라고 판단합니다. 이 판단이 틀리려면, 사업화 준비도 지표 도입 없이도 중소기업의 AI 솔루션 기반 신규 매출이 유의미하게 증가해야 합니다.
🔍
비판적 관점
AI 기술 전문가님과 과학기술정책 전문가님께서 제안하신 TRL(기술준비도) 기반 성과 평가 시스템 도입이 예산 집행 효율성을 개선할 것이라는 주장은 **논리적 비약**에 해당합니다. TRL은 기술 성숙도를 측정하는 지표일 뿐, 예산 집행의 비효율성이나 재정적 추가성(additionality)을 직접적으로 해결하지 못합니다. 재정정책 분석가님께서 강조하신 것처럼, 현재 장기금리 5.269%와 원·달러 환율 1,340.90원[시장 데이터]인 상황에서 TRL만으로 무조건적인 투자를 정당화하는 것은 **최악의 시나리오(downside risk)**로 공공 자원의 비효율적 배분과 매몰 비용 증가를 초래할 수 있습니다. 저는 TRL 도입만으로는 중기부 AI 전환 사업의 30% 미만 예산 집행률[사용자 입력 전제]이 개선되기 어렵다고 판단합니다. 이 판단이 틀리려면, TRL이 높은 기술 프로젝트들이 예산 집행 효율성 및 상업적 성공률에서도 유의미한 상관관계를 단기간 내에 입증해야 합니다.
📝 사회자 라운드 요약
이번 토론에서는 AI 기술 투자의 성과 측정 및 관리 방안을 두고 다양한 의견이 제시되었습니다. AI 기술 전문가와 과학기술정책 전문가는 AI 투자의 본질적 특성을 고려하여 TRL(기술준비도) 기반의 기술적 마일스톤 설정 및 평가 시스템 도입을 제안하며, 이는 민간 자본 유입을 촉진하고 정책 효과를 높일 수 있다고 주장했습니다. 반면, 재정정책 분석가와 비판적 관점에서는 TRL이 예산 집행의 비효율성이나 재정적 추가성을 직접적으로 해결하지 못하며, 현재의 경제 환경에서 무조건적인 투자는 비효율적일 수 있다고 지적했습니다. 중소벤처기업 전문가는 TRL 외에 시장 적용 가능성과 사업화 성공률을 측정할 수 있는 사업화 준비도 지표 도입을 제안하며, 중소기업의 현실적인 어려움을 강조했습니다.
🤖
AI 기술 전문가
재정정책 분석가님과 비판적 관점 전문가님께서 낮은 예산 집행률(30% 미만)을 구조적 실패로 진단하며 즉각적인 중단 및 재설계를 주장하시는 것은 전통적인 재정 관리 관점에서는 타당합니다. 그러나 저는 AI 기술 개발의 본질적 특성을 간과한 판단이라고 봅니다. AI R&D는 선형적이지 않고, 초기 단계의 낮은 집행률은 기술적 불확실성 해소 과정에서의 **반복적 개발(Iterative Development)**, 알고리즘 재설계, 또는 예상치 못한 기술적 난관에 따른 **기술적 마일스톤(Technical Milestone)** 재조정의 결과일 수 있습니다. 이는 단순한 예산 낭비가 아닌, 혁신 과정의 일부입니다. 저는 AI 지원금 사업에 대한 투자를 지속하되, **적응형 예산 관리(Adaptive Budgeting)** 시스템을 도입하여 예산 집행의 유연성을 확보해야 한다고 판단합니다. 이는 2025년 학술 연구 에서 제시된 바와 같이, AI를 활용한 예측 프레임워크로 비용 통제를 포트폴리오 수준의 자원 배분 문제로 접근하여 프로젝트 지출 궤적을 모델링하는 방식과 유사합니다. 중소벤처기업 전문가님께서 제안하신 사업화 준비도(CRL) 지표는 기술 성숙도가 높은 단계에서 중요하지만, 초기 R&D 단계에서는 TRL과 함께 기술적 진전 자체를 평가하는 것이 우선입니다. 저는 적응형 예산 관리 시스템이 도입되지 않으면, AI R&D 프로젝트의 예산 집행률은 단기적 개선에 그치고, 장기적인 기술 혁신 동력 확보가 어려울 것이라고 판단합니다. 이 판단이 틀리려면, 적응형 예산 관리 시스템 도입 없이도 AI R&D 프로젝트의 기술적 마일스톤 달성률이 유의미하게 개선되어야 합니다. **최종 답:** 국회 국정감사에서 지적된 성과 부진에도 불구하고, 정부는 AI 지원금 사업에 대한 투자를 지속해야 합니다.
**가장 강력한 반론:** TRL과 적응형 예산 관리 시스템 도입에도 불구하고, 낮은 예산 집행률과 높은 기회비용이라는 근본적인 재정적 문제가 해결되지 않아 공공 자원의 비효율적 배분이 지속될 수 있습니다.
**반론에도 불구하고 결론이 유지되는 이유:** 단기적인 재정 효율성만을 이유로 AI와 같은 미래 핵심 기술에 대한 투자를 중단하는 것은 장기적인 국가 경쟁력 상실이라는 더 큰 기회비용을 초래하며, 적절한 기술 중심 관리 시스템 도입으로 효율성 개선이 가능하기 때문입니다.
💰
AI 산업 경제 전문가
AI 기술 전문가님께서 AI R&D의 본질적 특성을 고려한 적응형 예산 관리와 기술적 마일스톤(TRL) 기반 평가 시스템 도입을 제안하신 점은 기술 개발 효율성 측면에서 매우 중요합니다. 그러나 AI 산업 경제 전문가로서 저는 이러한 접근 방식만으로는 AI 기술이 **실질적인 경제적 가치 창출과 민간 자본 유입**으로 이어지는 데 한계가 있다고 판단합니다. 중소벤처기업 전문가님께서 지적하신 바와 같이, TRL은 기술 성숙도를 측정하지만, 중소기업의 AI 솔루션이 시장에서 성공적으로 사업화되고 매출로 연결되기 위해서는 **사업화 준비도(Commercialization Readiness Level, CRL)** 지표가 필수적입니다.

현재 중기부 AI 전환 사업의 30% 미만 예산 집행률은 기술 개발 단계에서 시장 수요 검증 및 사업화 전략 부재로 인해 발생하는 **'죽음의 계곡(Valley of Death)'** 현상을 시사합니다. 기술은 개발되지만, 상업적 성공 가능성이 낮아 민간 투자를 유치하지 못하고 좌초되는 것입니다. 2025년 학술 연구에서 AI를 활용한 예측 프레임워크로 비용 통제가 가능하다고 제시된 것처럼, 정부는 단순히 기술 개발 지원을 넘어, AI 기술의 시장 적용 가능성과 수익 모델을 예측하고 검증하는 데 AI 자체를 활용해야 합니다.

저는 AI 지원금 사업에 TRL과 함께 CRL 기반의 평가 시스템 및 AI 기반 시장 예측 도구가 도입되지 않으면, 2028년까지 AI 관련 신규 시장 창출 및 고용 유발 효과가 현재 대비 20% 이상 감소할 것이라고 판단합니다. 이 판단이 틀리려면, TRL 중심의 기술 평가만으로도 AI 기술의 상업적 성공과 민간 투자 유입이 유의미하게 증가해야 합니다.

**최종 답:** 국회 국정감사에서 지적된 성과 부진에도 불구하고, 정부는 AI 지원금 사업에 대한 투자를 지속해야 하지만, 그 방식은 기술 개발 중심에서 **시장 및 사업화 중심**으로 전환되어야 합니다.
**가장 강력한 반론:** TRL과 CRL, 그리고 AI 기반 시장 예측 도구를 도입하더라도, 정부의 비효율적인 행정 역량과 시장의 불확실성으로 인해 여전히 낮은 예산 집행률과 투자 대비 성과 부진이 지속될 수 있습니다.
**반론에도 불구하고 결론이 유지되는 이유:** AI 기술의 장기적인 경제적 파급 효과와 국가 경쟁력 확보는 필수적이며, 적절한 평가 시스템과 예측 도구 도입은 정부 투자의 효율성을 극대화하고 민간 자본 유입을 촉진하여 이러한 위험을 관리할 수 있기 때문입니다.
🏦
재정정책 분석가
AI 지원금의 쟁점은 집행률 자체가 아니라, 저집행이 재정의 추가성을 만들지 못한 채 국고를 묶어두는지입니다. AI 기술 전문가님의 적응형 예산은 유효하지만, 금리 5.269%와 원·달러 1,340.90원[2]에서는 증액→국채·민간신용 구축→승수 하락 위험이 큽니다. 따라서 30% 미만 사업은 1년간 신규 집행을 동결하고, 비용궤적 예측[4]으로 민간매칭·매출 전환을 검증한 뒤 기준 충족분만 재배정해야 합니다. 저는 이를 적용하지 않은 일괄 지속투자는 정책 효과 과대평가라고 판단합니다. 이 판단이 틀리려면 저집행 사업의 추가성과 민간매칭이 1년 안에 입증되어야 합니다. 가장 강한 반론은 초기 AI R&D의 지연이 혁신 과정일 수 있다는 점입니다. 그러나 그 경우에도 단계별 집행은 가능하므로 결론은 유지됩니다. 성과 없는 지원금은 계속 투자하지 말고, 검증된 사업에만 조건부 지속해야 합니다.
🤝
과학기술정책 전문가
AI 산업 경제 전문가님과 중소벤처기업 전문가님께서 TRL과 함께 사업화 준비도(CRL) 지표 도입을 강조하신 점은 AI 기술의 시장 연계성 확보를 위해 매우 타당합니다. 그러나 저는 이러한 다층적 평가 시스템 도입이 현재 정부의 **행정 역량 과부하**를 초래할 수 있다고 판단합니다. 한국의 2023년 GDP 대비 R&D 지출이 4.94%로 세계 최고 수준임에도 [World Bank Open Data], 낮은 예산 집행률은 단일 지표 중심의 평가 시스템조차 제대로 운영하지 못하는 현 행정 시스템의 한계를 보여줍니다.

따라서 TRL과 CRL을 이분법적으로 적용하기보다, AI 프로젝트의 **기술 성숙 단계(TRL)에 따른 차등적 평가 프레임워크**를 도입해야 합니다. 초기 R&D 단계에서는 TRL 중심의 기술적 마일스톤 달성 여부를, 상용화 직전 단계에서는 CRL 중심의 시장 검증 및 사업화 가능성을 중점적으로 평가하는 것입니다. 이는 재정정책 분석가님께서 우려하시는 재정 승수 하락 위험을 줄이고, AI 기술 전문가님께서 제안하신 적응형 예산 관리의 실효성을 높일 수 있습니다.

저는 이러한 차등적 평가 프레임워크가 2027년까지 AI 지원금 사업의 평균 예산 집행률을 15% 이상 개선하고, R&D 투자의 시장 연계성을 강화할 것이라고 판단합니다. 이 판단이 틀리려면, 차등적 평가 프레임워크 도입에도 불구하고 각 단계별 평가 지표가 명확히 작동하지 않거나, 행정 역량 부족으로 인해 시스템 운영 자체가 불가능해야 합니다.

**최종 답:** 국회 국정감사에서 지적된 성과 부진에도 불구하고, 정부는 AI 지원금 사업에 대한 투자를 지속해야 합니다.
**가장 강력한 반론:** 기술 성숙 단계에 따른 차등적 평가 프레임워크를 도입하더라도, 여전히 정부의 경직된 행정 시스템과 평가 전문성 부족으로 인해 실질적인 예산 집행 효율성 개선이나 시장 연계성 강화가 어려울 수 있습니다.
**반론에도 불구하고 결론이 유지되는 이유:** AI 기술 투자는 국가의 장기적인 혁신 시스템과 경쟁력 확보에 필수적이며, 단계별 맞춤형 평가 시스템 도입은 행정 역량 강화와 연계하여 투자 효율성을 점진적으로 개선하고 정책 목표 달성 가능성을 높일 수 있기 때문입니다.
📝 사회자 라운드 요약
이번 라운드에서는 AI 기술 개발의 특성을 고려한 예산 관리 방식에 대한 논의가 활발했습니다. AI 기술 전문가가 제안한 적응형 예산 관리와 기술적 마일스톤(TRL) 기반 평가 시스템은 혁신 과정의 불확실성을 인정하고 유연성을 확보하자는 취지였으나, 재정정책 분석가는 낮은 예산 집행률이 재정의 추가성을 만들지 못하는 구조적 문제임을 지적하며, 1년간 신규 집행 동결 후 검증된 사업에만 조건부 재배정해야 한다고 주장했습니다. 한편, AI 산업 경제 전문가와 과학기술정책 전문가는 기술 성숙도뿐만 아니라 사업화 준비도(CRL) 지표의 중요성을 강조하며, 행정 역량 과부하를 우려하여 기술 성숙 단계에 따른 차등적 평가 프레임워크 도입을 제안했습니다.

※ 안내

본 콘텐츠는 Rebalabs의 AI 멀티 에이전트 시스템 AMEET을 통해 생성된 자료입니다.

본 콘텐츠는 정보 제공 및 참고 목적으로만 활용되어야 하며, Rebalabs 또는 관계사의 공식 입장, 견해, 보증을 의미하지 않습니다.

AI 특성상 사실과 다르거나 부정확한 내용이 포함될 수 있으며, 최신 정보와 차이가 있을 수 있습니다.

본 콘텐츠를 기반으로 한 판단, 의사결정, 법적·재무적·의학적 조치는 전적으로 이용자의 책임 하에 이루어져야 합니다.

Rebalabs는 본 콘텐츠의 활용으로 발생할 수 있는 직·간접적인 손해, 불이익, 결과에 대해 법적 책임을 지지 않습니다.

이용자는 위 내용을 충분히 이해한 뒤, 본 콘텐츠를 참고 용도로만 활용해 주시기 바랍니다.

심층리서치 자료 (52건)

🌐 웹 검색 자료 (1건)
[1] [⚠️ 3일 전 기사] 1Q0zORTZyIi 카카오 검색

[⚠️ 3일 전 기사] 1Q0zORTZyIi

📈 실시간 시장 데이터 (1건)
[2] 시장 데이터 네이버 금융 / yfinance / FRED

📈 코스피: 2026-10-07 09:17:36(KST) 현재 6,918.98 (전일대비 -22.41, -0.32%) | 거래량 38,144천주 | 거래대금 2,914,049백만 | 52주 고가 9,385.59 / 저가 3,522.54 📈 코스닥: 2026-10-07 09:17:36(KST) 현재 913.09 (전일대비 -6.83, -0.74%) | 거래량 103,297천주 | 거래대금 1,419,334백만 | 52주 고가 1,229.42 / 저가 630.99 💱 USD/KRW: 2026-10-07 09:17:36(KST) 매매기준율 1,340.20원 (전일대비 +0.20, +0.01%) | 현찰 매입 1,363.65 / 매도 1,316.75 | 송금 보낼때 1,353.30 / 받을때 1,327.10 ...

🔬 전문가 심층 조사 (24건)
[6] 국정감사 결과보고서 AI 기술 전문가 전문가 심층 조사

[🔴 과거·미확인] 감사의 목적 「헌법」제61조,「국회법」제127조,「국정감사 및 조사에 관한 법률」 등에 따라... 산하 공공기관 (1) 한국환경공단 (2) 국립공원관리공단 (3) 수도권매립지관리공사 (4) 한국환경산업기술원 (5)...

[7] 2025 국정감사 이슈 분석: 정부가 답해야 할 국민의 질문 Ⅲ AI 기술 전문가 전문가 심층 조사

[🔴 과거·미확인] 명시하여 국정감사 준비의 효율성을 높였습니다. 흔히 국정감사는 자료 싸움이라고 합니다. 국회입법조사처는 헌법기관인 국회의원의 의정활동을 지원하는 기관으로서, 국정감사에서 국회가 핵심적인 자료를...

[8] 제22대국회 제429회(정기회) 제9차 국회본회의(전체회의) (2025.09.25.).hwp AI 기술 전문가 전문가 심층 조사

[🔴 과거·미확인] 본회의 의결을 요하는 국정감사대상기관 승인의 건(11건)(국회운영·정무·교육·과학기술정보방송통신·외교통일·국방·행정안전... (산불피해지원대책특별위원장 제출)(의안번호 2213229) 8. 정부조직...

[9] [무료 API] AI 기술 전문가 실시간 시장 데이터 AI 기술 전문가 전문가 심층 조사

📈 코스피: 2026-10-07 09:22:55(KST) 현재 6,949.70 (전일대비 +8.31, +0.12%) | 거래량 46,051천주 | 거래대금 3,603,420백만 | 52주 고가 9,385.59 / 저가 3,522.54 📈 코스닥: 2026-10-07 09:22:55(KST) 현재 910.24 (전일대비 -9.68, -1.05%) | 거래량 127,759천주 | 거래대금 1,753,143백만 | 52주 고가 1,229.42 / 저가 630.99 💱 USD/KRW: 2026-10-07 09:22:55(KST) 매매기준율 1,340.90원 (전일대비 +0.90, +0.07%) | 현찰 매입 1,364.36 / 매도 1,317.44 | 송금 보낼때 1,354.00 / 받을때 1,327.80 💱 JPY/KRW: 2026-10-07 09:22:55(KST) 매매기준율 846.18원 (전일대비 -1.25, -0.15%) | 현찰 매입 860.98 / 매도 831.38 | 송금 보

[13] 국정감사 결과보고서 AI 산업 경제 전문가 전문가 심층 조사

[🔴 과거·미확인] 감사의 목적 「헌법」제61조,「국회법」제127조,「국정감사 및 조사에 관한 법률」 등에 따라... 산하 공공기관 (1) 한국환경공단 (2) 국립공원관리공단 (3) 수도권매립지관리공사 (4) 한국환경산업기술원 (5)...

[14] 2025 국정감사 이슈 분석: 정부가 답해야 할 국민의 질문 Ⅲ AI 산업 경제 전문가 전문가 심층 조사

[🔴 과거·미확인] 명시하여 국정감사 준비의 효율성을 높였습니다. 흔히 국정감사는 자료 싸움이라고 합니다. 국회입법조사처는 헌법기관인 국회의원의 의정활동을 지원하는 기관으로서, 국정감사에서 국회가 핵심적인 자료를...

[15] 제22대국회 제429회(정기회) 제9차 국회본회의(전체회의) (2025.09.25.).hwp AI 산업 경제 전문가 전문가 심층 조사

[🔴 과거·미확인] 본회의 의결을 요하는 국정감사대상기관 승인의 건(11건)(국회운영·정무·교육·과학기술정보방송통신·외교통일·국방·행정안전... (산불피해지원대책특별위원장 제출)(의안번호 2213229) 8. 정부조직...

[16] [무료 API] AI 산업 경제 전문가 실시간 시장 데이터 AI 산업 경제 전문가 전문가 심층 조사

📈 코스피: 2026-10-07 09:22:55(KST) 현재 6,949.70 (전일대비 +8.31, +0.12%) | 거래량 44,964천주 | 거래대금 3,520,353백만 | 52주 고가 9,385.59 / 저가 3,522.54 📈 코스닥: 2026-10-07 09:22:55(KST) 현재 910.24 (전일대비 -9.68, -1.05%) | 거래량 127,759천주 | 거래대금 1,753,143백만 | 52주 고가 1,229.42 / 저가 630.99 💱 USD/KRW: 2026-10-07 09:22:55(KST) 매매기준율 1,340.90원 (전일대비 +0.90, +0.07%) | 현찰 매입 1,364.36 / 매도 1,317.44 | 송금 보낼때 1,354.00 / 받을때 1,327.80 💱 JPY/KRW: 2026-10-07 09:22:55(KST) 매매기준율 846.18원 (전일대비 -1.25, -0.15%) | 현찰 매입 860.98 / 매도 831.38 | 송금 보

[20] 국정감사 결과보고서 재정정책 분석가 전문가 심층 조사

[🔴 과거·미확인] 감사의 목적 「헌법」제61조,「국회법」제127조,「국정감사 및 조사에 관한 법률」 등에 따라... 산하 공공기관 (1) 한국환경공단 (2) 국립공원관리공단 (3) 수도권매립지관리공사 (4) 한국환경산업기술원 (5)...

[21] 2025 국정감사 이슈 분석: 정부가 답해야 할 국민의 질문 Ⅲ 재정정책 분석가 전문가 심층 조사

[🔴 과거·미확인] 명시하여 국정감사 준비의 효율성을 높였습니다. 흔히 국정감사는 자료 싸움이라고 합니다. 국회입법조사처는 헌법기관인 국회의원의 의정활동을 지원하는 기관으로서, 국정감사에서 국회가 핵심적인 자료를...

[22] 제22대국회 제429회(정기회) 제9차 국회본회의(전체회의) (2025.09.25.).hwp 재정정책 분석가 전문가 심층 조사

[🔴 과거·미확인] 본회의 의결을 요하는 국정감사대상기관 승인의 건(11건)(국회운영·정무·교육·과학기술정보방송통신·외교통일·국방·행정안전... (산불피해지원대책특별위원장 제출)(의안번호 2213229) 8. 정부조직...

[23] [무료 API] 재정정책 분석가 실시간 시장 데이터 재정정책 분석가 전문가 심층 조사

📈 코스피: 2026-10-07 09:22:55(KST) 현재 6,949.70 (전일대비 +8.31, +0.12%) | 거래량 44,964천주 | 거래대금 3,520,353백만 | 52주 고가 9,385.59 / 저가 3,522.54 📈 코스닥: 2026-10-07 09:22:55(KST) 현재 910.24 (전일대비 -9.68, -1.05%) | 거래량 127,759천주 | 거래대금 1,753,143백만 | 52주 고가 1,229.42 / 저가 630.99 💱 USD/KRW: 2026-10-07 09:22:55(KST) 매매기준율 1,340.90원 (전일대비 +0.90, +0.07%) | 현찰 매입 1,364.36 / 매도 1,317.44 | 송금 보낼때 1,354.00 / 받을때 1,327.80 💱 JPY/KRW: 2026-10-07 09:22:55(KST) 매매기준율 846.18원 (전일대비 -1.25, -0.15%) | 현찰 매입 860.98 / 매도 831.38 | 송금 보

[27] 국정감사 결과보고서 과학기술정책 전문가 전문가 심층 조사

[🔴 과거·미확인] 감사의 목적 「헌법」제61조,「국회법」제127조,「국정감사 및 조사에 관한 법률」 등에 따라... 산하 공공기관 (1) 한국환경공단 (2) 국립공원관리공단 (3) 수도권매립지관리공사 (4) 한국환경산업기술원 (5)...

[28] 2025 국정감사 이슈 분석: 정부가 답해야 할 국민의 질문 Ⅲ 과학기술정책 전문가 전문가 심층 조사

[🔴 과거·미확인] 명시하여 국정감사 준비의 효율성을 높였습니다. 흔히 국정감사는 자료 싸움이라고 합니다. 국회입법조사처는 헌법기관인 국회의원의 의정활동을 지원하는 기관으로서, 국정감사에서 국회가 핵심적인 자료를...

[29] 제22대국회 제429회(정기회) 제9차 국회본회의(전체회의) (2025.09.25.).hwp 과학기술정책 전문가 전문가 심층 조사

[🔴 과거·미확인] 본회의 의결을 요하는 국정감사대상기관 승인의 건(11건)(국회운영·정무·교육·과학기술정보방송통신·외교통일·국방·행정안전... (산불피해지원대책특별위원장 제출)(의안번호 2213229) 8. 정부조직...

[30] [무료 API] 과학기술정책 전문가 실시간 시장 데이터 과학기술정책 전문가 전문가 심층 조사

📈 코스피: 2026-10-07 09:22:55(KST) 현재 6,949.70 (전일대비 +8.31, +0.12%) | 거래량 44,964천주 | 거래대금 3,520,353백만 | 52주 고가 9,385.59 / 저가 3,522.54 📈 코스닥: 2026-10-07 09:22:55(KST) 현재 910.24 (전일대비 -9.68, -1.05%) | 거래량 127,759천주 | 거래대금 1,753,143백만 | 52주 고가 1,229.42 / 저가 630.99 💱 USD/KRW: 2026-10-07 09:22:55(KST) 매매기준율 1,340.90원 (전일대비 +0.90, +0.07%) | 현찰 매입 1,364.36 / 매도 1,317.44 | 송금 보낼때 1,354.00 / 받을때 1,327.80 💱 JPY/KRW: 2026-10-07 09:22:55(KST) 매매기준율 846.18원 (전일대비 -1.25, -0.15%) | 현찰 매입 860.98 / 매도 831.38 | 송금 보

[34] 국정감사 결과보고서 중소벤처기업 전문가 전문가 심층 조사

[🔴 과거·미확인] 감사의 목적 「헌법」제61조,「국회법」제127조,「국정감사 및 조사에 관한 법률」 등에 따라... 산하 공공기관 (1) 한국환경공단 (2) 국립공원관리공단 (3) 수도권매립지관리공사 (4) 한국환경산업기술원 (5)...

[35] 2025 국정감사 이슈 분석: 정부가 답해야 할 국민의 질문 Ⅲ 중소벤처기업 전문가 전문가 심층 조사

[🔴 과거·미확인] 명시하여 국정감사 준비의 효율성을 높였습니다. 흔히 국정감사는 자료 싸움이라고 합니다. 국회입법조사처는 헌법기관인 국회의원의 의정활동을 지원하는 기관으로서, 국정감사에서 국회가 핵심적인 자료를...

[36] 제22대국회 제429회(정기회) 제9차 국회본회의(전체회의) (2025.09.25.).hwp 중소벤처기업 전문가 전문가 심층 조사

[🔴 과거·미확인] 본회의 의결을 요하는 국정감사대상기관 승인의 건(11건)(국회운영·정무·교육·과학기술정보방송통신·외교통일·국방·행정안전... (산불피해지원대책특별위원장 제출)(의안번호 2213229) 8. 정부조직...

[37] [무료 API] 중소벤처기업 전문가 실시간 시장 데이터 중소벤처기업 전문가 전문가 심층 조사

📈 코스피: 2026-10-07 09:22:55(KST) 현재 6,949.70 (전일대비 +8.31, +0.12%) | 거래량 44,964천주 | 거래대금 3,520,353백만 | 52주 고가 9,385.59 / 저가 3,522.54 📈 코스닥: 2026-10-07 09:22:55(KST) 현재 910.24 (전일대비 -9.68, -1.05%) | 거래량 127,759천주 | 거래대금 1,753,143백만 | 52주 고가 1,229.42 / 저가 630.99 💱 USD/KRW: 2026-10-07 09:22:55(KST) 매매기준율 1,340.90원 (전일대비 +0.90, +0.07%) | 현찰 매입 1,364.36 / 매도 1,317.44 | 송금 보낼때 1,354.00 / 받을때 1,327.80 💱 JPY/KRW: 2026-10-07 09:22:55(KST) 매매기준율 846.18원 (전일대비 -1.25, -0.15%) | 현찰 매입 860.98 / 매도 831.38 | 송금 보

[41] 국정감사 결과보고서 비판적 관점 전문가 심층 조사

[🔴 과거·미확인] 감사의 목적 「헌법」제61조,「국회법」제127조,「국정감사 및 조사에 관한 법률」 등에 따라... 산하 공공기관 (1) 한국환경공단 (2) 국립공원관리공단 (3) 수도권매립지관리공사 (4) 한국환경산업기술원 (5)...

[42] 2025 국정감사 이슈 분석: 정부가 답해야 할 국민의 질문 Ⅲ 비판적 관점 전문가 심층 조사

[🔴 과거·미확인] 명시하여 국정감사 준비의 효율성을 높였습니다. 흔히 국정감사는 자료 싸움이라고 합니다. 국회입법조사처는 헌법기관인 국회의원의 의정활동을 지원하는 기관으로서, 국정감사에서 국회가 핵심적인 자료를...

[43] 제22대국회 제429회(정기회) 제9차 국회본회의(전체회의) (2025.09.25.).hwp 비판적 관점 전문가 심층 조사

[🔴 과거·미확인] 본회의 의결을 요하는 국정감사대상기관 승인의 건(11건)(국회운영·정무·교육·과학기술정보방송통신·외교통일·국방·행정안전... (산불피해지원대책특별위원장 제출)(의안번호 2213229) 8. 정부조직...

[44] [무료 API] 비판적 관점 실시간 시장 데이터 비판적 관점 전문가 심층 조사

📈 코스피: 2026-10-07 09:22:55(KST) 현재 6,949.70 (전일대비 +8.31, +0.12%) | 거래량 44,964천주 | 거래대금 3,520,353백만 | 52주 고가 9,385.59 / 저가 3,522.54 📈 코스닥: 2026-10-07 09:22:55(KST) 현재 910.24 (전일대비 -9.68, -1.05%) | 거래량 127,759천주 | 거래대금 1,753,143백만 | 52주 고가 1,229.42 / 저가 630.99 💱 USD/KRW: 2026-10-07 09:22:55(KST) 매매기준율 1,340.90원 (전일대비 +0.90, +0.07%) | 현찰 매입 1,364.36 / 매도 1,317.44 | 송금 보낼때 1,354.00 / 받을때 1,327.80 💱 JPY/KRW: 2026-10-07 09:22:55(KST) 매매기준율 846.18원 (전일대비 -1.25, -0.15%) | 현찰 매입 860.98 / 매도 831.38 | 송금 보

📄 학술 논문 (26건)
[3] AI as a Budgeting Tool: Panacea or Pandora’s Box? 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Michael E. M. Lee, Daniel Hayes, Craig S. Maher | 인용수: 16 | 초록: Local government officials are consistently tasked with doing more with less. The combination of fiscal institutions, devolution of fiscal federalism, voter frustration, and economic shocks have been the leading causes of these more recent challenges. However, the reality is that smaller local governments, by their very nature, struggle with service provision. This paper explores the next evolution of change to local

[4] Predictive AI models for detecting cost overruns and optimizing dynamic budget reallocation across capital investment projects 학술 논문 (OpenAlex / arXiv)

[학술논문 2025] 저자: Mc-Niel Chinedu, Martha Udezi | 인용수: 0 | 초록: Capital investment portfolios frequently experience budget pressure because project costs evolve unevenly as schedules slip, procurement prices change, scope expands, productivity varies, and contingency reserves are consumed. This study develops a predictive artificial intelligence framework that treats cost control as a portfolio-level resource allocation problem rather than an isolated project-variance exercise. Project expenditure

[5] Budget Execution and Public Spending Quality in Regional Governments: A Systematic Literature Review 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Magaly Borja-Vasquez, Javier Gamboa-Cruzado, Augusto Hidalgo-Sánchez | 인용수: 2 | 초록: The primary aim of this research is to examine the current status of studies on budget execution and its impact on the quality of public expenditure in regional governments. A rigorous systematic literature review (SLR) was conducted, adhering to the guidelines set forth by Kitchenham, focusing on papers published between 2018 and 2023. To facilitate this analysis, renowned digital databases such

[10] AI as a Budgeting Tool: Panacea or Pandora’s Box? 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Michael E. M. Lee, Daniel Hayes, Craig S. Maher | 인용수: 16 | 초록: Local government officials are consistently tasked with doing more with less. The combination of fiscal institutions, devolution of fiscal federalism, voter frustration, and economic shocks have been the leading causes of these more recent challenges. However, the reality is that smaller local governments, by their very nature, struggle with service provision. This paper explores the next evolution of change to local

[11] Predictive AI models for detecting cost overruns and optimizing dynamic budget reallocation across capital investment pr 학술 논문 (OpenAlex / arXiv)

[학술논문 2025] 저자: Mc-Niel Chinedu, Martha Udezi | 인용수: 0 | 초록: Capital investment portfolios frequently experience budget pressure because project costs evolve unevenly as schedules slip, procurement prices change, scope expands, productivity varies, and contingency reserves are consumed. This study develops a predictive artificial intelligence framework that treats cost control as a portfolio-level resource allocation problem rather than an isolated project-variance exercise. Project expenditure

[12] Budget Execution and Public Spending Quality in Regional Governments: A Systematic Literature Review 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Magaly Borja-Vasquez, Javier Gamboa-Cruzado, Augusto Hidalgo-Sánchez | 인용수: 2 | 초록: The primary aim of this research is to examine the current status of studies on budget execution and its impact on the quality of public expenditure in regional governments. A rigorous systematic literature review (SLR) was conducted, adhering to the guidelines set forth by Kitchenham, focusing on papers published between 2018 and 2023. To facilitate this analysis, renowned digital databases such

[17] AI as a Budgeting Tool: Panacea or Pandora’s Box? 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Michael E. M. Lee, Daniel Hayes, Craig S. Maher | 인용수: 16 | 초록: Local government officials are consistently tasked with doing more with less. The combination of fiscal institutions, devolution of fiscal federalism, voter frustration, and economic shocks have been the leading causes of these more recent challenges. However, the reality is that smaller local governments, by their very nature, struggle with service provision. This paper explores the next evolution of change to local

[18] Predictive AI models for detecting cost overruns and optimizing dynamic budget reallocation across capital investment pr 학술 논문 (OpenAlex / arXiv)

[학술논문 2025] 저자: Mc-Niel Chinedu, Martha Udezi | 인용수: 0 | 초록: Capital investment portfolios frequently experience budget pressure because project costs evolve unevenly as schedules slip, procurement prices change, scope expands, productivity varies, and contingency reserves are consumed. This study develops a predictive artificial intelligence framework that treats cost control as a portfolio-level resource allocation problem rather than an isolated project-variance exercise. Project expenditure

[19] Budget Execution and Public Spending Quality in Regional Governments: A Systematic Literature Review 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Magaly Borja-Vasquez, Javier Gamboa-Cruzado, Augusto Hidalgo-Sánchez | 인용수: 2 | 초록: The primary aim of this research is to examine the current status of studies on budget execution and its impact on the quality of public expenditure in regional governments. A rigorous systematic literature review (SLR) was conducted, adhering to the guidelines set forth by Kitchenham, focusing on papers published between 2018 and 2023. To facilitate this analysis, renowned digital databases such

[24] AI as a Budgeting Tool: Panacea or Pandora’s Box? 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Michael E. M. Lee, Daniel Hayes, Craig S. Maher | 인용수: 16 | 초록: Local government officials are consistently tasked with doing more with less. The combination of fiscal institutions, devolution of fiscal federalism, voter frustration, and economic shocks have been the leading causes of these more recent challenges. However, the reality is that smaller local governments, by their very nature, struggle with service provision. This paper explores the next evolution of change to local

[25] Predictive AI models for detecting cost overruns and optimizing dynamic budget reallocation across capital investment pr 학술 논문 (OpenAlex / arXiv)

[학술논문 2025] 저자: Mc-Niel Chinedu, Martha Udezi | 인용수: 0 | 초록: Capital investment portfolios frequently experience budget pressure because project costs evolve unevenly as schedules slip, procurement prices change, scope expands, productivity varies, and contingency reserves are consumed. This study develops a predictive artificial intelligence framework that treats cost control as a portfolio-level resource allocation problem rather than an isolated project-variance exercise. Project expenditure

[26] Budget Execution and Public Spending Quality in Regional Governments: A Systematic Literature Review 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Magaly Borja-Vasquez, Javier Gamboa-Cruzado, Augusto Hidalgo-Sánchez | 인용수: 2 | 초록: The primary aim of this research is to examine the current status of studies on budget execution and its impact on the quality of public expenditure in regional governments. A rigorous systematic literature review (SLR) was conducted, adhering to the guidelines set forth by Kitchenham, focusing on papers published between 2018 and 2023. To facilitate this analysis, renowned digital databases such

[31] AI as a Budgeting Tool: Panacea or Pandora’s Box? 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Michael E. M. Lee, Daniel Hayes, Craig S. Maher | 인용수: 16 | 초록: Local government officials are consistently tasked with doing more with less. The combination of fiscal institutions, devolution of fiscal federalism, voter frustration, and economic shocks have been the leading causes of these more recent challenges. However, the reality is that smaller local governments, by their very nature, struggle with service provision. This paper explores the next evolution of change to local

[32] Predictive AI models for detecting cost overruns and optimizing dynamic budget reallocation across capital investment pr 학술 논문 (OpenAlex / arXiv)

[학술논문 2025] 저자: Mc-Niel Chinedu, Martha Udezi | 인용수: 0 | 초록: Capital investment portfolios frequently experience budget pressure because project costs evolve unevenly as schedules slip, procurement prices change, scope expands, productivity varies, and contingency reserves are consumed. This study develops a predictive artificial intelligence framework that treats cost control as a portfolio-level resource allocation problem rather than an isolated project-variance exercise. Project expenditure

[33] Budget Execution and Public Spending Quality in Regional Governments: A Systematic Literature Review 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Magaly Borja-Vasquez, Javier Gamboa-Cruzado, Augusto Hidalgo-Sánchez | 인용수: 2 | 초록: The primary aim of this research is to examine the current status of studies on budget execution and its impact on the quality of public expenditure in regional governments. A rigorous systematic literature review (SLR) was conducted, adhering to the guidelines set forth by Kitchenham, focusing on papers published between 2018 and 2023. To facilitate this analysis, renowned digital databases such

[38] AI as a Budgeting Tool: Panacea or Pandora’s Box? 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Michael E. M. Lee, Daniel Hayes, Craig S. Maher | 인용수: 16 | 초록: Local government officials are consistently tasked with doing more with less. The combination of fiscal institutions, devolution of fiscal federalism, voter frustration, and economic shocks have been the leading causes of these more recent challenges. However, the reality is that smaller local governments, by their very nature, struggle with service provision. This paper explores the next evolution of change to local

[39] Predictive AI models for detecting cost overruns and optimizing dynamic budget reallocation across capital investment pr 학술 논문 (OpenAlex / arXiv)

[학술논문 2025] 저자: Mc-Niel Chinedu, Martha Udezi | 인용수: 0 | 초록: Capital investment portfolios frequently experience budget pressure because project costs evolve unevenly as schedules slip, procurement prices change, scope expands, productivity varies, and contingency reserves are consumed. This study develops a predictive artificial intelligence framework that treats cost control as a portfolio-level resource allocation problem rather than an isolated project-variance exercise. Project expenditure

[40] Budget Execution and Public Spending Quality in Regional Governments: A Systematic Literature Review 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Magaly Borja-Vasquez, Javier Gamboa-Cruzado, Augusto Hidalgo-Sánchez | 인용수: 2 | 초록: The primary aim of this research is to examine the current status of studies on budget execution and its impact on the quality of public expenditure in regional governments. A rigorous systematic literature review (SLR) was conducted, adhering to the guidelines set forth by Kitchenham, focusing on papers published between 2018 and 2023. To facilitate this analysis, renowned digital databases such

[45] AI as a Budgeting Tool: Panacea or Pandora’s Box? 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Michael E. M. Lee, Daniel Hayes, Craig S. Maher | 인용수: 16 | 초록: Local government officials are consistently tasked with doing more with less. The combination of fiscal institutions, devolution of fiscal federalism, voter frustration, and economic shocks have been the leading causes of these more recent challenges. However, the reality is that smaller local governments, by their very nature, struggle with service provision. This paper explores the next evolution of change to local

[46] Predictive AI models for detecting cost overruns and optimizing dynamic budget reallocation across capital investment pr 학술 논문 (OpenAlex / arXiv)

[학술논문 2025] 저자: Mc-Niel Chinedu, Martha Udezi | 인용수: 0 | 초록: Capital investment portfolios frequently experience budget pressure because project costs evolve unevenly as schedules slip, procurement prices change, scope expands, productivity varies, and contingency reserves are consumed. This study develops a predictive artificial intelligence framework that treats cost control as a portfolio-level resource allocation problem rather than an isolated project-variance exercise. Project expenditure

[47] Budget Execution and Public Spending Quality in Regional Governments: A Systematic Literature Review 학술 논문 (OpenAlex / arXiv)

[학술논문 2024] 저자: Magaly Borja-Vasquez, Javier Gamboa-Cruzado, Augusto Hidalgo-Sánchez | 인용수: 2 | 초록: The primary aim of this research is to examine the current status of studies on budget execution and its impact on the quality of public expenditure in regional governments. A rigorous systematic literature review (SLR) was conducted, adhering to the guidelines set forth by Kitchenham, focusing on papers published between 2018 and 2023. To facilitate this analysis, renowned digital databases such

[48] Generalized Technology Readiness Level Scale for Measuring Technology Maturity 학술 논문 (라운드 1 추가검색)

[학술논문 2026] 저자: Malcolm S. Townes | 인용수: 1 | 초록: What is new? Trends in university technology transfer practices in the United States of America and proposed modifications to U.S. public policy underscore the need for validated instruments to assess the maturity of technologies. The NASA TRL scale appears to be the most widely adopted instrument for measuring technology maturity but anecdotal testimony from university technology transfer practitioners and evidence in the literature indicate that

[49] Evaluation of Fiscal and Non-Fiscal Policies for Electric Vehicles—A Multi-Criterion Sorting Approach 학술 논문 (라운드 1 추가검색)

[학술논문 2023] 저자: Isabel N. Clímaco, Carlos Henggeler Antunes | 인용수: 5 | 초록: This work presents a multi-criterion approach to evaluate the performance of countries regarding fiscal and non-fiscal policies for promoting electric vehicles. The ELECTRE TRI method is used to classify the performance of countries into categories according to the degree of fulfilment of those policies. This multi-criterion decision analysis method assigns the entities under evaluation to predefined ordered categories of

[50] Technology development for the early detection of plant pests: a framework for assessing Technology Readiness Levels (TR 학술 논문 (라운드 1 추가검색)

[학술논문 2022] 저자: Rehema M. White, Mariella Marzano, Elena Fesenko | 인용수: 17 | 초록: Innovation in environmental fields such as plant health is complex because of unbounded challenges and lack of certainty of commercial uptake. In this paper we present a Technology Readiness Level (TRL) framework, specifically to assist with assessment of technologies to support detection of tree pests and pathogens, but also for wider potential adaptation. Biosecurity can be enhanced by improved early detection of

[51] Firm Valuation When AI Shapes the Business Model: A Milestone-Based Real-Options Framework for the AI Valuation Uncertai 학술 논문 (라운드 2 추가검색)

[arXiv 2026-09-21] 저자: Walter Kurz, Wojtek Stricker, Stefan Marx | 초록: Standard valuation methods, including discounted cash flow, the income approach standard IDW S 1 of the Institute of Public Auditors in Germany, and market multiples, compress milestone probabilities, continuation options, and risk shifts into opaque aggregate parameters; none provides a structured protocol for decomposing AI integration into auditable option-level assumptions. We propose an industry-agnostic taxonomy separat

[52] Research and development as a driver of innovation and economic growth; case of developing economies 학술 논문 (라운드 2 추가검색)

[arXiv 2025-09-23] 저자: Ayusha Fayyaz, Zoltan Bartha | 초록: The goal of this research is to uncover the channels through which research and development (R&D) impacts economic growth in developing countries. The study employed nine variables from three broader categories in the World Economic Forum database, each covering 32 countries from the lower-middle-income group for the year 2019. The theoretical framework is based on the R&D ecosystem, which includes components such as Institutions, Human c

🔍 관점 분석 (6건)

※ 안내

본 콘텐츠는 Rebalabs의 AI 멀티 에이전트 시스템 AMEET을 통해 생성된 자료입니다.

본 콘텐츠는 정보 제공 및 참고 목적으로만 활용되어야 하며, Rebalabs 또는 관계사의 공식 입장, 견해, 보증을 의미하지 않습니다.

AI 특성상 사실과 다르거나 부정확한 내용이 포함될 수 있으며, 최신 정보와 차이가 있을 수 있습니다.

본 콘텐츠를 기반으로 한 판단, 의사결정, 법적·재무적·의학적 조치는 전적으로 이용자의 책임 하에 이루어져야 합니다.

Rebalabs는 본 콘텐츠의 활용으로 발생할 수 있는 직·간접적인 손해, 불이익, 결과에 대해 법적 책임을 지지 않습니다.

이용자는 위 내용을 충분히 이해한 뒤, 본 콘텐츠를 참고 용도로만 활용해 주시기 바랍니다.