산업 연계 AI 교육정책의 제도화 가능성 탐색: 광주광역시 사례를 통해 본 정책 프레임 재설계 = Exploring the Institutionalization of Industry-Linked AI Education Policy: Policy Frame Redesign through the Case of Gwangju Metropolitan City

국문 초록 (Abstract)

본 연구의 목적은 광주광역시가 추진한 'AI사관학교' 사례를 중심으로, 지방정부 주도의 인공지능(AI) 인재양성 정책이 지역 산업과 연계된 구조적 정책모형으로 제도화될 수 있는 가능성을 실증적으로 검토하는 데 있다. 이론적 분석틀은 Lucas(1988)의 인적자본 외부효과(Human Capital Spillover) 이론에 기반하였으며, 혼합연구(Mixed Methods) 접근을 통해 정량적 지표(수료율, 취업률, 정착률 등)와 정성자료(수료생 및 협력기업 인터뷰)를 통합적으로 분석하였다. 이를 통해 도출된 주요 결과는 다음과 같다. 첫째, AI사관학교는 지역 청년의 디지털 기술 역량을 제고하고, 산업 협력 기반의 프로젝트 교육을 통해 지역 내 취·창업을 유도함으로써 인적자본 외부효과를 실질적으로 창출하였다. 둘째, 교육성과는 광주 지역 청년 고용률, AI 산업 매출 및 기업 수 증가 등과 통계적으로 유의미한 상관관계를 나타냈으며, 수료생의 창업 사례와 지역대학 AI 관련 학과 신설 등 간접적 파급효과도 확인되었다. 셋째, 수료생의 지역 정착률 저조, 대기업 및 앵커기업과의 협력 부족, 산업 수요 대비 커리큘럼 불일치, 후속지원 체계 미비 등 구조적 한계가 존재함을 확인하였다. 이러한 분석을 바탕으로 본 연구는 위와 같은 정책적 공백을 해소하기 위한 제도적 대안으로서 'AI사관학교 2.0' 모델을 제안한다. 동 모델은 산업 연계 채용제도, 수준별 직무 트랙 체계, 수료생 대상 커뮤니티 및 후속지원, 통합 성과 환류체계 등을 포함하는 통합형 인재양성 정책 프레임워크로, 지방정부 주도 AI 인재정책의 지속성과 확산 가능성을 제도적으로 담보하기 위한 전략적 기반을 제공한다. 본 연구는 AI 인재양성 정책이 교육–산업–지역 간 연계 하에 구조화될 수 있는 가능성을 실증적으로 입증하였으며, 이는 향후 지역 기반 디지털 전환 전략 수립에 유의미한 정책적·학술적 시사점을 제공한다.

다국어 초록 (Multilingual Abstract)

This study aims to empirically examine the institutional potential of a local government-led AI talent development policy, using the Gwangju AI Academy as a case study. Drawing on Lucas's (1988) theory of Human Capital Spillover, the research adopts a mixed methods approach, combining quantitative indicators (e.g., completion rate, employment rate, local retention) with qualitative data (e.g., interviews with graduates and industry partners). The findings are as follows. First, the Gwangju AI Academy enhanced digital skills among local youth and fostered employment and entrepreneurship through industry-collaborative, project-based education, demonstrating measurable spillover effects. Second, the program's outcomes correlated positively with regional economic indicators, such as youth employment rates and AI sector growth, and led to indirect impacts, including startup formation and the creation of AI-related academic programs. Third, structural constraints remain in talent retention, curriculum-industry alignment, and post-graduation support systems. To address these gaps, this study proposes the 'AI Academy 2.0' as an integrated talent development framework. The model includes industry-linked recruitment systems, tiered job tiered curriculum track, alumni career support platforms, and a comprehensive performance feedback system. This research contributes theoretically and practically by demonstrating how AI education policies, led by local governments, can serve as structural platforms for regional innovation ecosystems and offer sustainable, decentralized models for digital transformation.