제조와 모빌리티 혁신을 이끄는 2025년 AI 기술 동향과 적용 사례
목차
- 글로벌 AI 기술 동향과 시장 전망
- 제조업의 자율화와 Physical AI
- 자동차 분야 AI 적용: 현대모비스 사례
- 데이터 주권 확보와 인프라 전략
- 조직과 인재: AI 교육 및 HR 혁신
- 향후 전망 및 과제
- 결론
1. 요약
2025년 상반기 AI 기술은 제조업과 모빌리티 분야에서 자율화, 생성형 AI, 데이터 주권 확보, 인재 양성 등 다각적인 혁신을 주도하고 있습니다. 현재 진행 중인 AI 기술의 발전은 특히 자율주행차와 스마트 교통 시스템에서 뚜렷하게 나타나고 있으며, 이는 글로벌 반도체 산업과의 밀접한 연관성을 보여줍니다. 인공지능의 산업적 파급력은 다양한 투자 동향을 통해 확인되고 있으며, Physical AI 개념이 제조 DX의 핵심으로 부상하고 있습니다. 자동차 부품기업 현대모비스는 생성형 AI 기반 모델을 학회에서 인정받고 전사 혁신을 본격화하고 있으며, 이 과정에서 AI 기술이 실제 산업 현장에 적용되는 사례로 주목받고 있습니다. 또한, 국내 데이터 주권 확보를 위한 소버린 클라우드 구축이 진행 중이며, 이는 국가의 데이터 안전성을 확보하는 데 중요한 역할을 합니다. 기업들은 AI 역량 강화를 위해 인재 양성에 집중하고 있으며, HR 부문에서도 AI 기술이 혁신을 이끄는 상황입니다. 이러한 흐름은 산업 전반에 걸쳐 AI 기술 도입이 가속화되고 있다는 점에서 매우 긍정적입니다.
더불어 2025년 현재, 글로벌 스마트 교통 시장은 약 34억 달러의 규모를 지니고 있으며, 10.5%의 성장률을 유지할 것으로 예상되고 있습니다. 이는 자율주행차와 AI 기반 교통 시스템의 통합 증가에 기인하고 있으며, 또한 제조업에서는 AI를 통한 자동화를 넘어 자율화 단계로의 전환을 추진 중입니다. 이와 함께, AI가 작동하는 다양한 산업 분야에서의 기술적 성공 사례들은 향후 AI 도입의 확산을 더욱 촉진할 것으로 보입니다.
2. 글로벌 AI 기술 동향과 시장 전망
2-1. 반도체·배터리 산업의 경쟁 구도
2025년 현재, 글로벌 반도체와 배터리 산업은 치열한 경쟁 구도가 형성되고 있다. 특히, 중국은 자체 반도체 산업의 발전을 위해 막대한 자금을 투입하고 있으며, 반도체 기술 자립의 목표를 가지고 있다. 이는 2015년부터 시작된 '중국 제조 2025' 정책에서 기인하여, 고성능 반도체의 개발과 생산을 위한 지속적인 노력이 포함된다.
중국의 화웨이와 샤오미는 자국에서 7나노 및 3나노 제품을 개발하는 데 성공하였고, 이러한 기술들이 자동차 산업에서 점차 확대될 것으로 예상된다. 예를 들어, 2026년에는 중국의 자동차 제조업체들이 자국산 반도체를 100% 탑재한 모델을 양산할 계획이므로, 이는 미국 등 서방 국가들과의 경쟁에서 중요한 이점이 될 수 있다.
하지만 공급망의 불안정성과 해외 의존성 문제는 여전히 남아있다. 중국은 미국 등 서방 국가들로부터 첨단 반도체 장비의 수출 통제를 받고 있으며, 이에 따라 더 많은 자원을 레거시 공정 반도체 시장에 집중하고 있다. 이러한 전략은 가까운 미래에 상당한 성장을 달성할 것으로 보인다.
2-2. 스마트 교통 시장 성장 예측
스마트 교통 시장은 2025년 현재 약 34억 달러의 시장 규모를 가지고 있으며, 2034년까지 95억 달러로 성장할 것으로 예상된다. 이는 연평균 성장률(CAGR) 10.5%에 달할 것으로 보인다. 이러한 성장은 자율주행차와 지능형 교통 시스템, 물류 최적화 등 다양한 분야에서 인공지능(AI) 기술의 통합 증가에 기인한다.
AI는 현대 교통 시스템에서 핵심 기술로 자리 잡고 있으며, 이는 실시간 의사결정, 승객 경험 개선, 환경적 영향 감소 및 도로 안전 증진을 지원한다. 특히, AI 기반 자율주행차와 예측 분석은 새로운 산업 표준을 정의하고 있다.
2-3. 생성형 AI 핀테크 시장 현황
2024년을 기준으로 제너레이티브 AI가 핀테크 산업에서 눈에 띄는 성장을 보이고 있다. 특히, 이 시장은 2024년에 20억 달러로 추정되었으며, 2030년까지 121억 달러로 성장할 것으로 예상되며, 연평균 성장률(CAGR)은 35.5%에 이를 것으로 보인다.
제너레이티브 AI는 금융 기관들이 더 빠르고, 스마트하며 개인화된 서비스를 제공하는 데 중요한 역할을 하고 있다. 이러한 AI 모델은 대량의 거래 및 행동 데이터를 분석하여 잠재적인 사기를 더욱 정확하게 식별할 수 있으며, 고객과의 상호작용을 개선하기 위해 지능형 챗봇 및 가상 비서를 활용하고 있다. 이러한 변화는 핀테크 산업에서 서비스의 접근성과 보안을 더욱 강화하고 있다.
2-4. AI 모드 및 운영 프레임워크
AI 모드는 다양한 산업 분야에서 점차적인 기술 적용의 중심에 있다. 현재 AI 알고리즘은 의료 데이터 해석, 금융 위험 평가 및 물류 최적화 등 여러 분야에서 효율적인 작업을 수행하는 데 사용되고 있다.
자율주행차 부문에서는 테슬라와 웨이모가 안전한 도로 주행을 위한 데이터 해석을 수행하는 복합적인 AI 모델을 사용하고 있다. 이러한 AI 기술의 미래 시장 규모는 2035년까지 560억 달러에 달할 것으로 예상되며, 이는 각 산업이 AI 기술에 대해 점점 더 많은 의존을 하게 될 것이라는 신호를 보여준다.
2-5. 자동차 AI 하드웨어 시장
2024년 자동차 AI 하드웨어 시장은 약 150억 달러로 평가되었으며, 2034년까지 400억 달러에 이를 것으로 보인다. 성장률(CAGR)은 10.5%에 이를 것으로 예상된다. 이러한 성장은 자율주행차 및 고급 운전 보조 시스템(ADAS)의 채택 증가에 따라 가속화되고 있다.
AI 기술은 전기차, 예측 유지보수, 실시간 내비게이션 및 사용자 인터페이스 등 자동차 혁신의 중심에 있으며, OEMs와 기술 혁신자 간의 협력 강화가 필수적이다.
2-6. 디지털 전환 압박 속 AI 도입 동인
현재 많은 기업들이 디지털 전환에 압박을 받으면서 AI 도입을 가속화하고 있다. 특히 고객 맞춤형 솔루션에 대한 수요가 증가하고 있으며, 이는 기업이 AI를 통해 개인화된 서비스를 제공할 수 있는 기회를 창출하고 있다.
AI 기술은 고객 경험을 개선하고 운영 효율성을 향상시키는 데 중요한 역할을 하고 있으며, 이러한 변화는 기업들이 시장에서 경쟁력 있는 모습을 유지하기 위한 필수 요소로 자리 잡고 있다.
3. 제조업의 자율화와 Physical AI
3-1. 2025년 제5차 실용인공지능 컨퍼런스 요약
2025년 7월 3일, AI프렌즈학회는 한국기계연구원에서 '제5차 실용인공지능 컨퍼런스'를 개최하였다. 이 행사에서는 제조업의 자율화와 Physical AI의 중요성이 강조되었으며, 장영재 KAIST 교수는 실용인공지능의 미래를 논의했다. 그는 제조업에서 단순한 자동화를 넘어서 스스로 판단하고 적응하는 자율화의 필요성을 언급하며, 그 중심에 피지컬 AI가 자리 잡고 있다고 강조했다.
장 교수는 제조 분야에서 AI가 실제로 적용되는 성공률이 약 10%에 불과하다고 언급하며, 기술적 성공을 위해서는 운영의 통합적 접근이 필수적이라고 진단했다. 그는 특정 기술에만 집중할 경우 실제 비용 절감이나 운영 효율성을 가져오지 못한다고 지적했다. 특히 테슬라의 사례를 들어, 이 기업이 초기 자동화 시도를 실패한 후 각 부서의 시스템을 통합하여 큰 성과를 이뤄낸 경험을 공유하였다.
3-2. Physical AI 개념과 산업 적용 사례
Physical AI는 AI가 단순히 데이터를 처리하는 것을 넘어, 실제 물리적 환경과 상호작용하여 판단하고 행동하는 기술로, 다양한 센서와 액추에이터를 이용하여 실시간으로 환경을 인지하고 자체적으로 작업을 수행할 수 있는 기능을 갖추고 있다.
CES 2025에서 엔비디아의 젠슨 황 CEO가 발표한 바에 따르면, AI 기술은 인식형 AI에서 출발해 물리적 AI로 진화하고 있으며, 현실 세계에서의 실제 상호작용이 중요한 특징이라고 강조했다. 장 교수는 피지컬 AI를 기반으로 한 자동화가 국내 제조업에 몇 가지 중요한 이점을 제공할 수 있다고 평가했다.
예를 들어, 현대자동차의 HMGICS(현대 모빌리티 글로벌 이노베이션 센터)에서는 기존의 컨베이어 방식에서 벗어나 유연한 생산 시스템을 도입하여 부품과 제품의 이동이 더욱 자유롭게 이루어지고 있다. 이러한 시스템은 다양한 요구사항에 적응할 수 있는 능력을 갖추고 있어, 물리적 AI의 중요한 사례로 평가받고 있다.
3-3. 제조 DX의 발전 방향
제조 DX(디지털 전환)는 AI 기술이 제조업체의 운영 방식을 근본적으로 변화시키는 과정으로, Physical AI의 도입이 이 과정에서 중요한 역할을 한다. 따라서 제조 DX의 발전은 AI 기술 내에서의 혁신, 데이터 분석 및 인프라의 통합이 필수적이다.
Physical AI를 기반으로 한 자동화가 도입되면서 한국 제조업체들은 제조 공정의 효율성을 높이는 동시에 운영 비용을 절감하고 있다. 장 교수는 자동화에서 자율화로의 전환을 강조하며, 이는 AI가 변화하는 환경에서 스스로 적응하는 능력을 포함한다고 말했다.
앞으로도 제조 DX는 고객의 수요 변화에 대한 실시간 대응, 제품 품질 향상, 그리고 운영 비용 절감 등을 위해 지속적으로 이어질 것이다. 기업들은 이러한 트렌드를 반영하여 고도화된 기술을 적극적으로 활용해야 한다고 평가했다.
4. 자동차 분야 AI 적용: 현대모비스 사례
4-1. 생성형 AI 기술 학회 논문 채택 경과
현대모비스는 2025년 6월, 미국 테네시주에서 열린 '컴퓨터 비전 및 패턴 인식 학회(CVPR)'에서 자사의 생성형 AI 모델이 우수 논문으로 채택되었다고 발표했다. CVPR는 이미지 처리, 객체 인식, 딥러닝 분야에서 세계 최고 권위를 자랑하는 학회로 알려져 있으며, 엄격한 논문 채택 기준으로 문서 채택률이 낮아 경쟁력이 인정받았다는 점에서 의미가 크다. 현대모비스가 선보인 생성형 AI는 텍스트와 이미지 정보를 통합 분석하여 특정 이미지 요소를 정밀하게 변환할 수 있는 기술로, 예를 들어 낮 시간대에 촬영된 도로 영상을 밤이나 비오는 날씨로 전환할 수 있는 기능을 가지고 있다. 이러한 기술은 대규모 데이터 처리와 가상 주행 환경 구현을 가능하게 하며, 실질적인 업무 혁신을 도모할 수 있다.
4-2. 전사 업무 혁신 적용 범위
현대모비스는 생성형 AI 기술을 활용하여 전사 수준의 업무 혁신을 추진하고 있다. 오는 2025년 8월부터는 연구개발(R&D), 생산기술, IT 시스템 등 다양한 분야에 AI를 적용하여 문서 검색, 이미지 분석, 자동화 업무 등을 도입할 예정이다. 현재 현대모비스는 텍스트 및 이미지 정보를 통합 분석할 수 있는 전사 정보 검색 플랫폼을 구축 중이며, 이를 통해 정보 제공 서비스의 향상이 기대된다. 이 전략은 전사적인 생산성과 품질 향상에 기여할 것으로 전망된다.
4-3. 연구개발·제조·안전관리 활용 사례
현대모비스는 연구개발, 제조, 안전 관리 등 다양한 부문에서 AI를 적극적으로 활용하고 있다. 특히 제조 부문에서는 포항공대와 협력하여 설비 제어에 특화된 자연어 처리 기반 AI 기술을 개발하였다. 이 기술을 통해 작업자는 복잡한 명령어를 입력할 필요 없이 기본적인 지시만으로도 AI가 자동으로 제어 코드를 생성하여 설비를 작업할 수 있도록 설계되었다. 뿐만 아니라, 현대모비스는 국내 사업장에 안전감지 AI를 도입하여 작업자의 위험 상황을 감지함으로써 안전성을 높이고, 어쿠스틱 AI 시스템을 통해 제품의 품질을 실시간으로 모니터링하고 있다. 이러한 AI 기술들은 현대모비스의 전사적 생산성과 품질 효율성을 획기적으로 향상시키는 데 기여하고 있다.
5. 데이터 주권 확보와 인프라 전략
5-1. 국내 AI 데이터센터 현황
최근 국내 AI 데이터센터는 국내외 빅테크 기업들의 집중적인 투자가 이루어지고 있는 상황입니다. 아마존웹서비스(AWS)와 SK그룹은 울산에 한국 최대 규모의 AI 전용 데이터센터를 구축하기 위해 약 7조원을 공동 투자하여 동북아시아 최대 AI 데이터센터 허브로 만드는 계획을 세웠습니다. 이처럼 주요 기업들이 AI 데이터센터를 구축하는 이유는 AI 연구개발 및 서비스 운영의 핵심 인프라로 AI 데이터센터가 필수적이라는 인식 때문입니다. 하지만 이와 함께 AI 데이터센터가 해외로부터의 데이터 유출 위험을 내포하고 있다는 점도 우려되고 있습니다.
5-2. 소버린 클라우드의 필요성
AI 시대의 핵심 인프라로 자리 잡은 데이터센터에 대해 국내에서는 데이터 주권 확보를 위해 소버린 클라우드가 필요하다는 목소리가 높아지고 있습니다. 이는 국가가 관리하는 데이터 환경을 통해 해외 데이터센터에서의 데이터 유출을 방지해야 한다는 입장에서 비롯된 것입니다. 예를 들어, 미국의 클라우드 액트와 중국의 국가정보법은 해외 기업들이 보유한 데이터에 대한 접근을 용이하게 하여 한국의 민감한 데이터가 해외로 유출될 수 있는 우려를 야기합니다. 따라서 한국 정부는 금융, 의료, 통신, 공공부문 등 민감 정보의 엄격한 해외 반출 금지 정책을 강화할 필요가 있습니다.
5-3. 데이터 주권 강화 방안
데이터 주권을 강화하기 위해서는 '소버린 AI'와 같은 개념의 발전이 필수적입니다. 소버린 AI란 자국 내 데이터 및 인프라를 기반으로 독립적으로 인공지능 시스템을 구축해 운영하는 것을 의미합니다. 한국의 제조 데이터와 산업 노하우는 매우 뛰어나지만, 이를 효과적으로 활용하기 위한 시스템이 부족하다는 지적이 있습니다. 따라서 기업의 능동적인 대응과 정부의 지원 아래 소버린 AI를 통한 데이터 생태계의 구축이 필요합니다. 이는 특히 중소기업들이 산업 AI를 내재화할 수 있는 중요한 기회를 제공할 것입니다.
6. 조직과 인재: AI 교육 및 HR 혁신
6-1. 글로벌 기업의 AI 교육 확대
2025년 현재, 많은 글로벌 기업들이 AI 역량 강화를 위해 체계적인 교육 프로그램을 운영하고 있습니다. 특히 삼성전자, LG전자, 네이버와 같은 대기업들은 AI 교육을 전사적으로 강화하고 있습니다. 삼성전자는 지난달 'AI 생산성 혁신 그룹'을 신설하고, 임직원들에게 AI 교육을 강화하겠다고 밝혔습니다. 이 교육 프로그램은 생성형 AI 활용법을 포함하여, 직원들이 직접 서비스 개발에 참여할 수 있는 다양한 과정으로 구성되어 있습니다. LG전자 또한 직원의 수준을 고려한 실무 중심의 온·오프라인 교육을 제공하며, 생성형 AI 입문과정과 활용법 교육을 강화하고 있습니다. 네이버는 공공부문 AI 리터러시 강화와 AI 전문 인재 양성을 위한 교육 과정을 정부와 공동으로 운영하고 있으며, 이 과정에서는 자사의 생성형 AI 도구를 활용하여 실습 중심의 교육이 이루어집니다. 이러한 교육들은 직장인들이 산업 현장에서 AI의 최신 트렌드를 파악하고, 실무에 적용할 수 있는 능력을 배양하는 데 큰 기여를 하고 있습니다.
6-2. 생성형 AI 실무 활용 교육 일정
2025년 7월 23일에 예정된 '제 11기 생성형 AI 실무 활용 교육'은 직장인과 창업자를 대상으로 한 실무 중심의 교육 프로그램입니다. 이 교육에서는 챗GPT부터 젠스파크와 같은 최신 AI 툴을 활용하여, 업무에 바로 적용할 수 있는 실무 비법을 전수합니다. 교육의 핵심 내용은 다양한 생성형 AI 도구의 기능과 활용법을 익히고, 이를 실제 업무에 적용하는 것이며, 마케팅, 디자인, 회의록 작성 등 여러 분야에서 유용한 기술을 배울 수 있습니다. 무료로 제공되는 이 교육은 직장인들이 AI를 통해 업무 효율성을 크게 향상시킬 수 있는 기회를 제공합니다.
6-3. HR 업무에서 AI 역할 강화
AI 기술은 인사(HR) 분야에서의 업무 효율화를 크게 증가시키고 있습니다. 기업들은 HR 프로세스의 자동화를 통해 채용, 온보딩, 성과 평가 등의 업무를 효과적으로 수행하고 있습니다. 구글, IBM, 인텔과 같은 글로벌 기업들은 데이터 기반 HR 운영과 AI 기반 인재 관리 시스템을 도입하여, 맞춤형 교육을 제공하고 있습니다. 이러한 변화는 HR 담당자들이 AI를 통해 직원의 역량과 경력 개발을 체계적으로 관리할 수 있도록 도와줍니다. 한국에서도 AI를 활용한 채용 자동화와 인재 관리, 성과 평가 등의 HR 혁신 사례들이 확산되고 있으며, 이는 인사 담당자들에게 더욱 전문적인 기술 습득을 요구하고 있습니다. AI는 단순한 도구가 아닌, HR 담당자들이 보다 전략적이고 가치 있는 업무에 집중할 수 있도록 도와주는 강력한 조력자로 자리 잡고 있습니다.
6-4. 디지털 팩토리 전환을 위한 내부 플랫폼
기업들은 디지털 팩토리로의 전환을 위해 내부 플랫폼을 구축하고 있으며, 이는 AI 기술 활용의 일환으로 진행되고 있습니다. 예를 들어, 엘앤에프는 자체 개발한 생성형 AI '루시드'를 도입하여 디지털 혁신을 가속화하고 있습니다. 이 AI 플랫폼은 임직원에게 맞춤형 답변을 제공하고, 부서 간 협업을 강화하며, 신규 직원의 온보딩 과정을 단축시킵니다. 이러한 시스템을 통해 기업들은 반복적인 업무를 자동화하고, 직원들이 핵심 업무에 더욱 집중할 수 있는 환경을 조성하고 있습니다. 내부 플랫폼의 성공적인 구축은 AI 전문인력을 양성하고, 스마트팩토리 분야로 AI 기술의 적용 범위를 확대하는 데 긍정적인 영향을 미치고 있습니다.
7. 향후 전망 및 과제
7-1. 산업별 AI 도입 가속화 요인
AI 기술의 발전은 최근 여러 산업에서 도입 속도를 가속화하고 있으며, 이는 주로 생산성 향상, 비용 절감, 데이터 분석 능력 강화 등 다양한 이유에서 기인하고 있습니다. 특히, 제조업에서는 스마트 팩토리 구축을 통한 효율성 제고가 요구되고 있으며, 이를 위해 AI 기반의 자동화 및 데이터 분석 기술이 각광받고 있습니다. 이러한 AI 도입은 품질 개선은 물론, 공정 혁신의 기반이 되고 있어, 기업들이 경쟁력을 갖추기 위한 필수 요소로 자리 잡고 있습니다.
7-2. 규제·윤리 이슈 대응 방향
AI 기술의 급속한 발전에 따라 다양한 규제와 윤리 문제도 대두되고 있습니다. 이러한 이슈는 소비자 신뢰를 구축하고 지속 가능한 AI 생태계를 조성하기 위해 필수적으로 해결해야 할 과제로 남아 있습니다. 실제로 유럽연합은 AI에 대한 법률 제정을 위해 다양한 논의가 진행 중이며, AI 시스템의 투명성과 공정성을 보장하기 위한 다양한 규제 시도가 이루어지고 있습니다. 기업들은 이를 사전에 반영하고 준수하는 방향으로 AI 솔루션을 구축해야 하며, 이를 통해 신뢰할 수 있는 제품을 제공하는 것이 중요합니다.
7-3. 인프라 확충과 데이터 주권의 균형
데이터 주권은 현대 사회에서 매우 중요한 이슈로, 각국에서 자국의 데이터를 보호하기 위한 다양한 노력이 이루어지고 있습니다. 이러한 맥락에서 데이터센터 및 클라우드 인프라의 확충은 필수적이며, 기업들은 자국 내 데이터 저장과 처리를 통해 고객의 신뢰를 구축할 필요가 있습니다. 그러나 데이터 주권 확보와 효율적인 데이터 활용 간의 균형을 맞추는 것은 쉽지 않은 임무입니다. 따라서 기업들은 이를 위한 전략적 계획이 필요하며, 클라우드 서비스 제공 업체와의 협력을 통해 이 문제를 효과적으로 해결할 수 있어야 합니다.
7-4. 인재 양성 전략과 조직 문화 변화
AI 기술을 효과적으로 활용하기 위해서는 전문 인재의 양성이 필수적입니다. 조직 내 AI 전문 인력을 양성하는 동시에, AI 기술을 활용하는 새로운 조직 문화를 수립해야 합니다. 이를 위해 기업에서는 지속적인 교육 프로그램과 실무 중심의 트레이닝을 실시해야 하며, 직원들의 AI 기술에 대한 이해도를 높이는 것이 중요합니다. 또한, 조직의 유연성을 더하여 변화하는 환경에 신속하게 대응할 수 있는 구조를 설계해야 합니다. 이러한 노력이 성공적으로 이루어질 경우, AI 기반 혁신이 기업의 핵심 경쟁력으로 자리잡을 수 있을 것입니다.
결론
2025년 AI 기술은 제조업의 자율화, 자동차 산업의 생성형 AI, 데이터 주권 확보, 인재 양성이라는 네 가지 축을 중심으로 전방위적 혁신을 견인하고 있습니다. Physical AI는 제조 DX의 핵심 동력으로 자리매김했으며, 이는 AI가 단순 반복작업을 넘어 실제 환경과 상호작용하며 판단하고 행동할 수 있도록 하는 기술로 발전했습니다. 현대모비스의 사례는 생성형 AI가 실제 산업 현장에 적용되어 경쟁력을 입증하는 중요한 이정표로 작용하고 있으며, 이에 따라 대부분의 기업들이 AI 혁신을 통해 지속 가능한 성장을 위해 노력해야 할 의무가 있음을 강조합니다. 또한, 국내 데이터 주권 확보를 위한 소버린 클라우드 구축과 기업 내 AI 활용 역량 강화, 그리고 HR 프로세스의 디지털 전환이 병행될 때, AI 도입의 효과가 극대화될 것입니다. 향후 국가 차원의 규제·윤리 이슈를 체계적으로 관리하고, 오픈소스와의 상생을 도모하며 산업별 맞춤형 AI 인프라와 전문 인재 확보 전략을 통해 글로벌 시장에서의 경쟁력을 더욱 강화할 필요가 있습니다. 이러한 통합적 접근은 AI 기술이 우리 사회의 모든 분야에 걸쳐 긍정적인 영향을 미치는 기반이 될 것입니다.