검색 상세

증거기반 정책 관점에서 철강산업 AX 의제 정합성 분석 : 텍스트 마이닝을 통한 R＆D 정책 방안 연구

Agenda Congruence Analysis of Steel Industry AI Transformation （AX） from an Evidence-Based Policy Perspective: A Study on R＆D Policy Directions Using Text Mining

  • 전호열 (JEON HO-YEOL, 아주대학교 일반대학원)

초록/요약

한국 철강산업은 자동차·조선·건설·기계·가전 등 국내 대부분의 제조업에 기초 소재를 공급하는 국가 기간산업으로서, 세계 6위권의 조강 생산 능력을 바탕으로 수십 년간 국가 경제 성장의 핵심 축을 담당해 왔다. 그러나 2024년 국내 조강 생산량은 전년 대비 4.9% 감소한 6,650만 톤, 내수는 8.9% 감소한 4,780만 톤을 기록하며 복합적 위기에 봉착해 있다. 2024년 1월부터 10월까지 중국산 후판 수입량이 전년 연간 수입량을 이미 초과하여 2022년 대비 80.5%나 급증하는 등 저가 중국산 철강재의 국내시장 잠식이 가속화되고 있으며, 미국 트럼프 2기 행정부 출범에 따른 보호무역주의 강화는 주요 수출 시장에서의 불확실성을 더욱 높이고 있다. 여기에 EU 탄소국경조정제도（CBAM）의 단계적 시행과 국내 탄소중립 목표 이행 압박, 현장 숙련 인력의 고령화까지 더해져 한국 철강산업은 경쟁력 유지를 위한 근본적 전환이 불가피한 상황에 처해 있다. 이러한 복합 위기에 대응하는 핵심 전략으로 AI Transformation（AX）, 즉 인공지능（AI） 기술을 중심으로 한 공정 자율화·지능화가 급부상하고 있다. AX는 단순한 공정 디지털화를 넘어 고로 온도 예측·최적화, 딥러닝 기반 표면결함 자동 검출, 예지보전（Predictive Maintenance）, 철스크랩 선별 AI 등을 통해 원가 절감·품질 향상·안전 강화를 동시에 구현하는 산업 패러다임의 전환을 의미한다. 포스코는 PosFrame 기반 스마트팩토리 플랫폼을 전 공장 78개소에 적용하여 Small Lot 주문 설계 시간을 12시간에서 1시간으로 단축하고, AI 기반 도금량 편차를 93% 축소하는 성과를 거두었다. 현대제철은 알파고 알고리즘을 활용하여 수개월씩 소요되던 최적 합금 비율 도출 실험을 10일로 단축하였으며, AI 기반 제강 공정 스케줄링 시스템을 통한 공정 시간 최적화를 본격화하고 있다. 그러나 이와 같은 대기업 선도 기업의 AX 성과와 달리, 국내 중소·중견 철강 가공·유통기업들의 디지털 역량 격차는 여전히 심각하며, 국가 차원에서 어떤 기술 영역에 우선 투자해야 하는가에 대한 실증적·체계적 분석은 부재한 상태였다. 본 연구는 이러한 배경에서 출발하여, 증거기반 정책（Evidence-Based Policy）의 관점에서 국내 철강산업 AX 의제를 사회（언론）·연구（학술）·기술（R＆D） 세 가지 데이터 트랙에서 통합적으로 분석하고 향후 전개방향에 대한 동향 분석으로 R＆D 정책 수립을 도출하는 것을 목적으로 한다. 이를 위해 한국언론진흥재단 BigKinds 뉴스 기사 25,445건（사회 트랙）, Scopus 국제 학술논문 7,441건（연구 트랙）, 국가과학기술지식정보서비스（NTIS） R＆D 과제 626건（기술 트랙）을 대상으로 2018년부터 2025년까지 8개년의 비정형 텍스트 빅데이터를 분석하였다. 분석 방법으로는 TF-IDF 분석을 통한 핵심 키워드 도출, 동시출현 네트워크 분석, Coherence Score 기반 LDA 토픽 모델링, Jaccard 유사도 기반 3트랙 정합성 비교 분석을 순차적으로 적용하였으며, 도출된 토픽의 타당성은 산·학·연 전문가 12명을 대상으로 내용타당도비율（CVR）과 켄달의 일치도 계수（Kendall's W）를 활용한 델파이 전문가 평가를 통해 검증하였다. 분석 결과, 세 가지 핵심 발견이 도출되었다. 첫째, 인공지능×철강이라는 동일한 거시 의제가 트랙별로 본질적으로 상이한 어휘적 정체성을 형성하고 있음이 나타났다. 사회 트랙은 산업 거버넌스·안전·지역 생태계 중심 어휘 군집을, 연구 트랙은 머신러닝·딥러닝 기반 알고리즘-응용 결합 군집을, 기술 트랙은 데이터-AI-공정-플랫폼 시스템 통합 군집을 각각 형성하고 있어, 동일 현상을 각 영역의 행위자가 서로 다른 인식틀로 구성하고 있음이 드러났다. 둘째, LDA 토픽 모델링을 통해 총 12개 핵심 의제가 도출되었으며, 기술 트랙에서는 순환경제（철스크랩） 의제가 2022년 반등을 시작으로 비중을 확대하여 2025년 39.1%로 공정 최적화 의제（37.6%）를 역전하는 체제 전이가 관찰되었다. 이는 CBAM 및 탄소중립 정책 변화와 동행하는 패턴이 관찰되었다. 셋째, Jaccard 유사도 기반 3트랙 통합 비교에서 강한 정합（≥0.5） 쌍은 단 한 쌍도 발견되지 않았으며, 특히 사회（언론）×연구（학술） 트랙 간 부분 정합 쌍이 0개로 나타나 두 트랙이 사실상 어휘적으로 분리된 별개의 의미장을 형성하고 있음이 관찰되었다. 이는 지식 번역 격차（Knowledge Translation Gap）와 사일로 효과가 한국 철강 AX 생태계에 구조적으로 존재 가능성을 시사하는 정량적 패턴이 관찰되었다. 이러한 분석 결과를 바탕으로 네 가지 R＆D 정책 제안의 근거를 제시한다. CBAM 대응을 위한 저탄소-순환-AI 삼각 통합 의제의 전략적 선점, 전문가 평가 최고 합의점（CVR=1.000）을 기록한 딥러닝 기반 품질 검사 자동화 기술의 산업 현장 이전 가속화, 중대재해처벌법 시행과 연계된 AI 기반 제철소 안전관리 기술의 지속적 정책 의제화, 그리고 공급망 전반으로의 AX 확산을 위한 중소·중견 기업 전용 지원 프레임워크와 데이터 표준화 인프라 구축이 그것이다. 본 연구는 증거기반 정책의 관점에서 빅데이터 텍스트 마이닝을 활용하여 철강산업 AX를 사회·연구·기술의 3트랙에서 통합 분석한 연구로서, 현황 분석을 통해 R＆D 정책 제안을 도출하는 실질적 근거를 제시한다. 제조업 AX는 선택이 아닌 생존 전략이며, 철강산업의 미래 경쟁력은 이제 정밀한 데이터에 달려 있다는 시대적 명제를 실증하는데 활용되기를 기대한다.

more

초록/요약

The Korean steel industry, a strategic national sector supplying foundational materials to most domestic manufacturing including automotive, shipbuilding, construction, machinery, and home appliances faces a compound crisis. In 2024, crude steel production declined 4.9% year-on-year to 66.5 million tons, while domestic demand fell 8.9% to 47.8 million tons. From January to October 2024, imports of low-priced Chinese heavy plate already exceeded the entire previous year's volume, surging 80.5% relative to 2022, and the inauguration of the second Trump administration has heightened uncertainty in major export markets through reinforced protectionism. Combined with the phased implementation of the EU Carbon Border Adjustment Mechanism （CBAM）, pressure to meet domestic carbon-neutrality targets, and the aging of skilled field workers, the industry confronts an imperative for fundamental transformation. AI Transformation （AX） the autonomization and intelligentization of industrial processes centered on artificial intelligence has emerged as a core response strategy. Extending beyond mere digitalization, AX simultaneously pursues cost reduction, quality improvement, and safety enhancement through blast-furnace temperature prediction and optimization, deep-learning-based automatic surface-defect detection, predictive maintenance, and AI-driven scrap sorting. Yet despite the leading achievements of major firms such as POSCO and Hyundai Steel, digital-capability gaps among small and medium-sized steel processing and distribution enterprises remain severe, and systematic empirical analysis to inform national R＆D investment direction has been lacking. Adopting an evidence-based policy perspective, this study integratively analyzes the trajectory of AX in the Korean steel industry across three data tracks social （media）, research （academic）, and technology （R＆D） and, through trend analysis of its future development, derives a foundation for R＆D policy formulation. Unstructured-text big data spanning 2018–2025 were analyzed, comprising 25,445 news articles from the Korea Press Foundation's BigKinds （social track）, 7,441 international academic papers from Scopus （research track）, and 626 R＆D projects from the National Science and Technology Information Service （NTIS） （technology track）. The methodology sequentially applied TF-IDF keyword extraction, cosine-similarity-based keyword co-occurrence network analysis, Coherence-Score-based LDA topic modeling, and Jaccard-similarity-based three-track concordance analysis. Topic validity was verified through a two-stage expert evaluation with 12 industry–academia–research experts, using the Content Validity Ratio （CVR） and Kendall's coefficient of concordance （W）. Three principal findings emerged. First, although ＂AI × steel＂ constitutes a shared macro-agenda, each track was observed to form an essentially distinct lexical identity: the social track clustered around industrial governance, safety, and regional ecosystems; the research track around algorithm–application coupling in machine learning and deep learning; and the technology track around data–AI–process–platform system integration indicating that actors in each domain construct the same phenomenon through divergent cognitive frames. Second, twelve core agendas were identified via LDA topic modeling, and within the technology track a regime shift from ＂AI platform construction＂ to ＂AI-based circular economy （steel-scrap process standardization）＂ was observed beginning in 2022 a pattern moving in parallel with changes in CBAM and carbon-neutrality policy. Third, no strongly concordant pair （Jaccard ≥ 0.5） was identified in the integrated three-track comparison; in particular, zero partially concordant pairs were observed between the social and research tracks, indicating that the two tracks effectively form separated semantic fields. This quantitative pattern suggests the potential structural presence of a Knowledge Translation Gap and silo effect within Korea's steel AX ecosystem. Building on these findings, the study presents the empirical basis for four R＆D policy proposals: （1） strategic preemption of an integrated ＂low-carbon–circular–AI＂ triangular agenda in response to CBAM; （2） accelerated industrial deployment of deep-learning-based automated quality inspection, which received the highest expert consensus （CVR = 1.000）; （3） sustained policy agenda-setting for AI-based steelworks safety management linked to the Serious Accidents Punishment Act; and （4） construction of a dedicated support framework and data-standardization infrastructure for small and medium-sized enterprises to diffuse AX across the supply chain. As a pioneering attempt to integratively analyze the Korean steel industry's AX across the social, research, and technology tracks from an evidence-based policy perspective using big-data text mining, this research provides a substantive basis that extends beyond status diagnosis toward trend analysis of future trajectories and the derivation of R＆D policy proposals. Manufacturing AX is no longer a choice but a survival strategy, and the future competitiveness of the steel industry now rests on precise data.

more

목차

제1장 서론 1
제1절 연구의 배경과 목적 1
제2절 연구의 범위 3
제2장 이론적 배경 6
제1절 증거기반 정책의 개념과 역사적 발전 6
1. 증거기반 정책의 개념 6
2. 증거기반 정책의 역사적 발전 7
3. 증거기반 정책의 유형과 증거의 위계 8
제2절 증거기반 정책과 빅데이터 9
1. 빅데이터의 개념과 특성 9
2. 빅데이터와 증거기반 정책의 연계 11
3. 증거기반 정책에서 비정형 빅데이터의 활용 의의 11
제3절 증거기반 정책 분석 도구 12
1. 증거기반 정책 관점에서의 텍스트 마이닝의 개념과 역할 12
2. 동시출현단어 분석（Co-word Analysis） 13
3. LDA 토픽 모델링（Latent Dirichlet Allocation） 13
4. 텍스트 마이닝의 분석 절차 15
제4절 증거기반 정책과 R＆D 정책 16
1. R＆D 정책에서 증거기반 접근의 필요성 16
2. 데이터 기반 R＆D 정책 관리의 발전 17
3. 증거기반 R＆D 정책에서 다중 트랙 분석의 필요성 17
제5절 의제 분절과 지식번역 격차 18
제6절 빅데이터 정책분석 관련 선행연구 19
제3장 국내·외 철강산업 AX（AI Transformation） 현황 22
제1절 AX（AI Transformation）의 개념과 이론적 프레임워크 22
1. AX의 정의와 DX와의 차이 22
2. 제조업 AX 적용 프레임워크: R-TOE-AX 모델 23
3. 설명 가능한 AI（XAI）와 신뢰성 확보 24
4. 철강산업 AX의 성숙도 단계 25
제2절 글로벌 철강시장의 거시적 환경 변화 27
1. 글로벌 철강 시장의 수급 구조와 경제적 불확실성 27
2. 탄소국경조정제도（CBAM）와 비관세 장벽 강화 27
3. AX 도입 필요성과 산업 경쟁력의 재정의 28
제3절 글로벌 철강기업의 AX 추진 현황 29
1. （룩셈부르크） 아르셀로미탈（ArcelorMittal）의 AX 전략 29
2. （일본） 일본제철（Nippon Steel）의 AX 전략 30
3. （중국） 바오우（Baowu）의 AX 전략 30
4. （인도） 타타스틸（Tata Steel）의 AX 전략 31
5. （독일） 티센크루프（ThyssenKrupp）의 AX 전략 32
6. （오스트리아） 보에스탈피네（voestalpine）의 AX 전략 32
7. （스웨덴） SSAB의 AX 전략 32
8. 글로벌 철강기업 AX 비교 및 시사점 33
제4절 국내 철강기업의 AX 추진 현황 34
1. 국내 철강산업의 현황 34
2. 포스코（POSCO）의 AX 추진 현황 35
3. 현대제철의 AX 추진 현황 37
4. 국내 철강기업 AX 비교 및 시사점 39
제5절 국내외 철강산업 AX 비교 분석 41
1. 글로벌·국내 AX 추진 현황 비교 41
2. 국내 철강산업 AX의 한계와 과제 41
3. 국내외 철강 AX 관련 선행연구 42
제4장 연구 방법 45
제1절 분석대상 46
제2절 데이터 수집·전처리 47
제3절 TF-IDF 분석 49
제4절 키워드 동시출현 네트워크 분석 50
제5절 LDA 토픽 모델링 분석 51
제6절 델파이 전문가 평가 53
제7절 Jaccard 유사도 및 3트랙 통합 비교 분석 56
제8절 분석 도구 및 환경 56
제5장 연구 결과 및 고찰 58
제1절 데이터 수집 결과 58
1. 코퍼스 규모 58
2. 연도별 데이터 분포 59
제2절 TF-IDF 키워드 분석 결과 60
1. 사회 트랙 키워드 분석 결과 60
2. 연구 트랙 키워드 분석 결과 64
3. 기술 트랙 키워드 분석 결과 67
4. 트랙 간 TF-IDF 비교 71
제3절 키워드 동시출현 네트워크 분석 결과 71
1. 사회 트랙 네트워크 분석 결과 71
2. 연구 트랙 네트워크 분석 결과 75
3. 기술 트랙 네트워크 분석 결과 78
4. 소결 82
제4절 LDA 토픽 모델링 분석 결과 82
1. 사회 트랙 LDA 토픽 모델링 분석 결과 84
2. 연구 트랙 LDA 토픽 모델링 분석 결과 87
3. 기술 트랙 LDA 토픽 모델링 분석 결과 91
제5절 델파이 전문가 평가 결과 94
1. 내용 타당도（CVR） 분석 결과 94
2. 평가자 간 일치도 96
3. 토픽 최종 확정 97
제6절 3트랙 통합 비교분석 결과 101
1. 전체 토픽 정합성 매트릭스 101
2. 사회 × 연구 토픽 정합성 비교 102
3. 사회 × 기술 토픽 정합성 비교 103
4. 연구 × 기술 토픽 정합성 비교 104
5. 트랙 내부 vs 트랙 간 정합성 비교 104
6. 소결 105
제6장 결론 108
제1절 연구 결과 요약 108
제2절 결론 및 정책적 시사점 109
제3절 연구의 한계점 112
제4절 향후 연구 방향 113
References 115
부록 127
Abstract 135

more
반출 Meta View 목록