{ "cells": [ { "cell_type": "markdown", "id": "379c4563", "metadata": {}, "source": [ "# 01 데이터 입수 — AI 확산 지표, 산업모형 입력, 설문\n", "\n", "**목적.** AI 확산 지수(총량·산업별)와 VARX 대안 모형에 필요한 입력을 불러오고 검증한다.\n", "\n", "| 입력 | 내용 | 출처 | 공개 |\n", "|---|---|---|---|\n", "| `levels_62.csv`, `exog_hist_v2.csv`, `exog_scen_v2.csv`, `io_linkage_62.csv` | 62개 산업 분기 실질부가가치(100·log), 외생 6종 과거·시나리오, 산업연관 연계 가중치 | 보고서1 5장 재현 패키지 입력(2026-10 정비판) | 공개 |\n", "| `base_va_62.csv` | 정합화 후 기준 시나리오(S1) 산업별 실질부가가치 | 보고서1 5장 산출물(보고서2 4장 입력과 같은 파일) | 공개 |\n", "| `findip_g06n_by_year.csv`, `openalex_by_year.csv`, `eventregistry_ai_eng_daily.csv` | 연도별 AI 특허(G06N, 5개국)·AI 논문, 일별 영문 AI 뉴스 | 보고서2 1장 스냅샷 | 공개 |\n", "| `eventregistry_industry_ai_share_2025.csv` | 2025년 업종 키워드 뉴스 중 AI를 함께 다룬 비율 | Event Registry(이 장에서 조회) | 공개 |\n", "| `openalex_field_ai_share_2023_2025.csv` | 2023–2025년 학문 분야별 AI 논문 비중 | OpenAlex(이 장에서 조회) | 공개 |\n", "| `findip_g06n_coipc_5c_2020_2025.csv`, `findip_g06n_coipc_supplement_2020_2025.csv` | G06N 특허의 동시분류 IPC별 건수(상위 20개 + 포함–배제 보완) | FindIP CENSUS(이 장에서 조회) | 공개 |\n", "| `keis_r14_va_scenarios.csv` | 기준전망·혁신전망의 산업별 실질부가가치 연평균 증가율(인쇄값) | 한국고용정보원(2017) 「기술혁신을 반영한 중장기 인력수요 전망 2016~2030」 표 8-6·8-8~8-14, 11장 | 공개 |\n", "| `data/private/AI수용도조사_통계표_260417.xlsx`, `AI수용도조사_원자료_n2297.xlsx` | E4-1(AI의 매출 영향 정도) 업종 평균과 응답 분포 | 한국고용정보원 공유자료 | **비공개** |\n", "\n", "출처·조회 시각·SHA-256은 `data/inputs/PROVENANCE.md`, FindIP 조회 조건은 `data/inputs/FINDIP_QUERY.md`, Event Registry 조회 조건은 `data/inputs/EVENTREGISTRY_QUERY.md`에 적었다.\n", "\n", "**산출물.** `data/interim/survey_signal_21.csv`(E4-1 4시점 업종 평균), `data/interim/survey_se_21.csv`(E4-1 2040년 업종 평균의 표준오차) — 둘 다 비공개 자료에서 만든 중간 산출물이다." ] }, { "cell_type": "code", "execution_count": 1, "id": "fedaa21f", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T05:49:03.918180Z", "iopub.status.busy": "2026-10-08T05:49:03.917680Z", "iopub.status.idle": "2026-10-08T05:49:04.614957Z", "shell.execute_reply": "2026-10-08T05:49:04.614957Z" } }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Python 3.12.10 · pandas 2.2.3 · numpy 2.4.6 · matplotlib 3.11.0\n", " 판: 2026-10 정비판 기준 · Λ 0.5 · 드리프트 목표 1.8% · ONLINE=0(스냅샷) · Event Registry 키 없음\n", " 설문 통계표(비공개) 있음 data\\private\\AI수용도조사_통계표_260417.xlsx\n", " 설문 원자료(비공개) 있음 data\\private\\AI수용도조사_원자료_n2297.xlsx\n" ] } ], "source": [ "import os, hashlib\n", "import numpy as np, pandas as pd\n", "import config as C\n", "import ai_index as I, ai_varx as X, ai_forecast as F, varx_engine as V, alt_run as R\n", "pd.set_option(\"display.float_format\", lambda v: f\"{v:,.3f}\")\n", "pd.set_option(\"display.width\", 200)\n", "C.setup()" ] }, { "cell_type": "markdown", "id": "a31d4719", "metadata": {}, "source": [ "## 1. 입력 파일 검증\n", "\n", "공개 입력 13개의 SHA-256을 `config.INPUT_SHA256`의 기록과 대조한다. 보고서1 5장·보고서2 1장·4장 패키지에서 복사한 파일은 원본과 해시가 같다." ] }, { "cell_type": "code", "execution_count": 2, "id": "1d15f110", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T05:49:04.616869Z", "iopub.status.busy": "2026-10-08T05:49:04.616366Z", "iopub.status.idle": "2026-10-08T05:49:04.627379Z", "shell.execute_reply": "2026-10-08T05:49:04.627379Z" } }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
파일SHA-256(앞 16자리)기록과 일치
0inputs/levels_62.csv00469e892aac4742True
1inputs/exog_hist_v2.csvd142ff2992b5ae3eTrue
2inputs/exog_scen_v2.csvf45f8007d7b88fafTrue
3inputs/io_linkage_62.csv3f747a97c3804541True
4inputs/base_va_62.csv81c0a99e7e67aad3True
5inputs/findip_g06n_by_year.csvf6e79f9f95ebec5bTrue
6inputs/openalex_by_year.csv19811d9fa29793f3True
7inputs/eventregistry_ai_eng_daily.csvedaf04ea090e175fTrue
8inputs/eventregistry_industry_ai_share_2025.csv6e105511bea37791True
9inputs/openalex_field_ai_share_2023_2025.csvf14368ff7d0da4abTrue
10inputs/findip_g06n_coipc_5c_2020_2025.csvf327ecb7e4d97dfeTrue
11inputs/findip_g06n_coipc_supplement_2020_2025.csv59db0c342111bbb4True
12inputs/keis_r14_va_scenarios.csv6f1ce507eb886c63True
\n", "
" ], "text/plain": [ " 파일 SHA-256(앞 16자리) 기록과 일치\n", "0 inputs/levels_62.csv 00469e892aac4742 True\n", "1 inputs/exog_hist_v2.csv d142ff2992b5ae3e True\n", "2 inputs/exog_scen_v2.csv f45f8007d7b88faf True\n", "3 inputs/io_linkage_62.csv 3f747a97c3804541 True\n", "4 inputs/base_va_62.csv 81c0a99e7e67aad3 True\n", "5 inputs/findip_g06n_by_year.csv f6e79f9f95ebec5b True\n", "6 inputs/openalex_by_year.csv 19811d9fa29793f3 True\n", "7 inputs/eventregistry_ai_eng_daily.csv edaf04ea090e175f True\n", "8 inputs/eventregistry_industry_ai_share_2025.csv 6e105511bea37791 True\n", "9 inputs/openalex_field_ai_share_2023_2025.csv f14368ff7d0da4ab True\n", "10 inputs/findip_g06n_coipc_5c_2020_2025.csv f327ecb7e4d97dfe True\n", "11 inputs/findip_g06n_coipc_supplement_2020_2025.csv 59db0c342111bbb4 True\n", "12 inputs/keis_r14_va_scenarios.csv 6f1ce507eb886c63 True" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "def sha256(p):\n", " h = hashlib.sha256()\n", " with open(p, \"rb\") as f:\n", " h.update(f.read())\n", " return h.hexdigest()\n", "\n", "chk = pd.DataFrame([{\"파일\": k, \"SHA-256(앞 16자리)\": sha256(os.path.join(C.DATA, k))[:16],\n", " \"기록과 일치\": sha256(os.path.join(C.DATA, k)) == v} for k, v in C.INPUT_SHA256.items()])\n", "display(chk)\n", "assert chk[\"기록과 일치\"].all(), \"입력 파일이 기록된 SHA-256과 다르다 — data/inputs/PROVENANCE.md와 config.INPUT_SHA256을 확인한다\"" ] }, { "cell_type": "markdown", "id": "67d4d3a0", "metadata": {}, "source": [ "## 2. 총량 지수의 원천 — 특허·논문·뉴스\n", "\n", "세 자료는 보고서2 1장과 같은 스냅샷이다. 특허는 출원 후 약 18개월 뒤 공개되므로 2025년 값은 하한이며, 총량 지수에서는 2024년까지만 쓴다." ] }, { "cell_type": "code", "execution_count": 3, "id": "0ac16f18", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T05:49:04.628379Z", "iopub.status.busy": "2026-10-08T05:49:04.628379Z", "iopub.status.idle": "2026-10-08T05:49:04.641648Z", "shell.execute_reply": "2026-10-08T05:49:04.641145Z" } }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
특허_5개국_G06N논문_AI개념뉴스_영문_AI(건)
20151123658787524,403.000
20161979860093661,363.000
201737365615136108,244.000
201864670682018168,256.000
2019105498757190243,108.000
2020150623812529249,449.000
2021180708870702281,966.000
2022180372864639251,660.000
2023185064993579644,746.000
20242246001344532949,803.000
202522201713067931,145,636.000
\n", "
" ], "text/plain": [ " 특허_5개국_G06N 논문_AI개념 뉴스_영문_AI(건)\n", "2015 11236 587875 24,403.000\n", "2016 19798 600936 61,363.000\n", "2017 37365 615136 108,244.000\n", "2018 64670 682018 168,256.000\n", "2019 105498 757190 243,108.000\n", "2020 150623 812529 249,449.000\n", "2021 180708 870702 281,966.000\n", "2022 180372 864639 251,660.000\n", "2023 185064 993579 644,746.000\n", "2024 224600 1344532 949,803.000\n", "2025 222017 1306793 1,145,636.000" ] }, "metadata": {}, "output_type": "display_data" }, { "name": "stdout", "output_type": "stream", "text": [ "뉴스 일별 자료: 2015-01-01 ~ 2025-12-31 (4,018일)\n" ] } ], "source": [ "pat = pd.read_csv(C.PATENT_YEAR, index_col=0)\n", "pap = pd.read_csv(C.PAPER_YEAR, index_col=0)\n", "news = pd.read_csv(C.NEWS_DAILY, index_col=0, parse_dates=True).iloc[:, 0]\n", "src = pd.DataFrame({\"특허_5개국_G06N\": pat[\"5개국_G06N\"], \"논문_AI개념\": pap[\"AI_개념_전체\"],\n", " \"뉴스_영문_AI(건)\": news.groupby(news.index.year).sum()}).loc[2015:2025]\n", "display(src)\n", "print(f\"뉴스 일별 자료: {news.index.min().date()} ~ {news.index.max().date()} ({len(news):,}일)\")" ] }, { "cell_type": "markdown", "id": "2b4e9ee8", "metadata": {}, "source": [ "## 3. 산업별 노출의 원천\n", "\n", "- **뉴스.** 설문 21개 업종마다 대표 영문 키워드 하나로 2025년 기사 수를 세고, 같은 키워드와 'artificial intelligence'를 함께 담은 기사 수를 다시 센다. 비율이 높을수록 그 업종 뉴스에서 AI가 자주 다루어진다.\n", "- **논문.** OpenAlex의 2023–2025년 문헌을 주제 분야(26개)별로 세고, 그중 'Artificial intelligence' 개념 문헌의 비중을 구한다.\n", "- **특허.** 5개국 G06N(AI 핵심 IPC) 특허 2020–2025년 출원의 동시분류 IPC별 건수다. FindIP 집계는 상위 20개 IPC만 돌려주므로,\n", " 대응표에 있으나 상위 20개 밖인 IPC는 포함–배제 원리로 정확히 구했다: $|G06N \\cap X| = |G06N| + |X| - |G06N \\cup X|$ (세 값 모두 CENSUS 정확 건수).\n", " 상위 20개 안에 있는 G05B로 이 방식을 점검하면 두 값이 같다." ] }, { "cell_type": "code", "execution_count": 4, "id": "91e67a5b", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T05:49:04.642148Z", "iopub.status.busy": "2026-10-08T05:49:04.642148Z", "iopub.status.idle": "2026-10-08T05:49:04.654730Z", "shell.execute_reply": "2026-10-08T05:49:04.654730Z" } }, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
설문업종키워드기사수_업종기사수_업종AND_AIAI비중_%
001. 전기전자semiconductor2406496253125.984
102. 정밀기기medical device4368040709.318
203. 섬유가죽textile8994923732.638
304. 석유화학chemical industry92765586.016
405. 비금속광물cement19580764903.314
506. 금속제품steel653708200493.067
607. 기계장비machinery245137105104.287
708. 자동차automotive365309269557.379
809. 식료품food industry3671810532.868
910. 에너지utilities253515189177.462
1011. 건설construction1684546576623.423
1112. 운수logistics535050379397.091
1213. 정보통신telecommunications1605971859011.576
1314. 도소매retail1223940612395.003
1415. 음식숙박hospitality381444100062.623
1516. 금융banking667680389165.829
1617. 연구개발업scientific research84714890810.515
1718. 사업지원서비스consulting412602384379.316
1819. 교육education25517361269924.977
1920. 보건사회healthcare1237042921677.451
2021. 문화/예술entertainment1283184352172.745
\n", "
" ], "text/plain": [ " 설문업종 키워드 기사수_업종 기사수_업종AND_AI AI비중_%\n", "0 01. 전기전자 semiconductor 240649 62531 25.984\n", "1 02. 정밀기기 medical device 43680 4070 9.318\n", "2 03. 섬유가죽 textile 89949 2373 2.638\n", "3 04. 석유화학 chemical industry 9276 558 6.016\n", "4 05. 비금속광물 cement 195807 6490 3.314\n", "5 06. 금속제품 steel 653708 20049 3.067\n", "6 07. 기계장비 machinery 245137 10510 4.287\n", "7 08. 자동차 automotive 365309 26955 7.379\n", "8 09. 식료품 food industry 36718 1053 2.868\n", "9 10. 에너지 utilities 253515 18917 7.462\n", "10 11. 건설 construction 1684546 57662 3.423\n", "11 12. 운수 logistics 535050 37939 7.091\n", "12 13. 정보통신 telecommunications 160597 18590 11.576\n", "13 14. 도소매 retail 1223940 61239 5.003\n", "14 15. 음식숙박 hospitality 381444 10006 2.623\n", "15 16. 금융 banking 667680 38916 5.829\n", "16 17. 연구개발업 scientific research 84714 8908 10.515\n", "17 18. 사업지원서비스 consulting 412602 38437 9.316\n", "18 19. 교육 education 2551736 126992 4.977\n", "19 20. 보건사회 healthcare 1237042 92167 7.451\n", "20 21. 문화/예술 entertainment 1283184 35217 2.745" ] }, "metadata": {}, "output_type": "display_data" }, { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
AI논문전체논문AI비중_%
분야(OpenAlex field)
Computer Science1087535238083445.679
Neuroscience7999239392120.307
Agricultural and Biological Sciences468562241645119.391
Decision Sciences7811440762419.163
Engineering696950383222918.187
Mathematics6383751191512.470
Psychology10388911229519.251
Health Professions585197013158.344
Environmental Science11633216765146.939
Earth and Planetary Sciences331454978296.658
\n", "
" ], "text/plain": [ " AI논문 전체논문 AI비중_%\n", "분야(OpenAlex field) \n", "Computer Science 1087535 2380834 45.679\n", "Neuroscience 79992 393921 20.307\n", "Agricultural and Biological Sciences 468562 2416451 19.391\n", "Decision Sciences 78114 407624 19.163\n", "Engineering 696950 3832229 18.187\n", "Mathematics 63837 511915 12.470\n", "Psychology 103889 1122951 9.251\n", "Health Professions 58519 701315 8.344\n", "Environmental Science 116332 1676514 6.939\n", "Earth and Planetary Sciences 33145 497829 6.658" ] }, "metadata": {}, "output_type": "display_data" }, { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
IPCG06N_전체X_전체G06N_또는_XG06N_동시분류_건수_5개국_2020_2025비고
0G05B1143384252352137482020916점검용: 상위 20개 동시분류 표의 20,916건과 일치
1G01R1143384365437148988618935NaN
2G01S1143384289574141509517863NaN
3G05D114338418159413161668812NaN
4B60W1143384169937130089212429NaN
5G08G1143384146110127530814186NaN
6G08B1143384162772129333312823NaN
7H01L114338465769317954185659NaN
\n", "
" ], "text/plain": [ " IPC G06N_전체 X_전체 G06N_또는_X G06N_동시분류_건수_5개국_2020_2025 비고\n", "0 G05B 1143384 252352 1374820 20916 점검용: 상위 20개 동시분류 표의 20,916건과 일치\n", "1 G01R 1143384 365437 1489886 18935 NaN\n", "2 G01S 1143384 289574 1415095 17863 NaN\n", "3 G05D 1143384 181594 1316166 8812 NaN\n", "4 B60W 1143384 169937 1300892 12429 NaN\n", "5 G08G 1143384 146110 1275308 14186 NaN\n", "6 G08B 1143384 162772 1293333 12823 NaN\n", "7 H01L 1143384 657693 1795418 5659 NaN" ] }, "metadata": {}, "output_type": "display_data" }, { "name": "stdout", "output_type": "stream", "text": [ "포함–배제 점검: G05B 상위 20개 표 20,916건 = 포함–배제 20,916건\n" ] } ], "source": [ "er = pd.read_csv(C.NEWS_IND)\n", "display(er)\n", "fs = pd.read_csv(C.PAPER_FIELD).set_index(\"분야(OpenAlex field)\")\n", "display(fs.head(10))\n", "top20 = pd.read_csv(C.PATENT_COIPC)\n", "sup = pd.read_csv(C.PATENT_COIPC_SUP)\n", "display(sup)\n", "g05b_top = int(top20.set_index(\"IPC\").loc[\"G05B\"].iloc[0])\n", "g05b_ie = int(sup.set_index(\"IPC\").loc[\"G05B\", \"G06N_동시분류_건수_5개국_2020_2025\"])\n", "assert g05b_top == g05b_ie, \"포함–배제 점검 실패: G05B 동시분류 건수가 상위 20개 표와 다르다\"\n", "assert (sup[\"G06N_전체\"] == int(top20.set_index(\"IPC\").loc[\"G06N\"].iloc[0])).all(), \"G06N 전체 건수가 상위 20개 표와 다르다\"\n", "print(f\"포함–배제 점검: G05B 상위 20개 표 {g05b_top:,}건 = 포함–배제 {g05b_ie:,}건\")" ] }, { "cell_type": "markdown", "id": "0c3e7d37", "metadata": {}, "source": [ "## 3-2. 한국고용정보원(2017) 기술혁신 시나리오\n", "\n", "같은 기관의 이전 인력수요 전망은 '기준전망'(최근 추세 지속)과 '혁신전망'(4차 산업혁명 적극 대응: 총요소생산성·노동의 질 개선, 신성장산업 견인)의 산업별 부가가치 증가율을 함께 제시하였다.\n", "8장은 산업연구원 모형(KIET-DIMM)에 업종 전문가 조정을 더한 세부 산업 전망(세 구간), 11장은 인력수급 산업별 2016~2030년 전망이다. 입력 파일은 보고서의 인쇄값만 담는다.\n", "AI만이 아니라 기술혁신 전반의 효과이고 생성형 AI 이전의 전망이므로, 산업 배분의 독립적인 비교 자료(대안 1c)와 크기 Λ의 참고값으로만 쓴다." ] }, { "cell_type": "code", "execution_count": 5, "id": "b76a1b1f", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T05:49:04.655733Z", "iopub.status.busy": "2026-10-08T05:49:04.655733Z", "iopub.status.idle": "2026-10-08T05:49:04.664436Z", "shell.execute_reply": "2026-10-08T05:49:04.664436Z" } }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "인쇄값 400개: 8장 354개, 11장 46개\n" ] }, { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
시나리오기준혁신차이(%p)
기간
2017~212.9003.1000.200
2022~262.4002.9000.500
2027~302.1002.8000.700
\n", "
" ], "text/plain": [ "시나리오 기준 혁신 차이(%p)\n", "기간 \n", "2017~21 2.900 3.100 0.200\n", "2022~26 2.400 2.900 0.500\n", "2027~30 2.100 2.800 0.700" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "keis = pd.read_csv(C.KEIS_R14)\n", "print(f\"인쇄값 {len(keis)}개: 8장 {keis['표'].str.startswith('표 8').sum()}개, 11장 {(~keis['표'].str.startswith('표 8')).sum()}개\")\n", "tot = keis[(keis[\"표\"] == \"표 8-6\") & (keis[\"산업(원문)\"] == \"전 산업\")].pivot(index=\"기간\", columns=\"시나리오\", values=\"실질VA_연평균증가율_%\")\n", "tot[\"차이(%p)\"] = tot[\"혁신\"] - tot[\"기준\"]\n", "display(tot)" ] }, { "cell_type": "markdown", "id": "34953884", "metadata": {}, "source": [ "## 4. 재조회(ONLINE=1에서만)\n", "\n", "OpenAlex는 키 없이도 조회된다. Event Registry는 `EVENTREGISTRY_API_KEY`가 있어야 하며 조회 42회(업종 21 × 2)에 토큰이 든다.\n", "재조회 값은 `data/interim/`에 따로 저장하고 스냅샷과의 차이만 보여 준다(분석은 언제나 스냅샷으로 한다). 색인이 갱신되면 값이 조금 달라질 수 있다." ] }, { "cell_type": "code", "execution_count": 6, "id": "92e3a62d", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T05:49:04.665439Z", "iopub.status.busy": "2026-10-08T05:49:04.665439Z", "iopub.status.idle": "2026-10-08T05:49:04.669213Z", "shell.execute_reply": "2026-10-08T05:49:04.668710Z" } }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "ONLINE=0: 스냅샷만 쓴다.\n" ] } ], "source": [ "if C.ONLINE:\n", " import fetch\n", " fs_new = fetch.openalex_field_share(2023, 2025)\n", " fs_new.to_csv(os.path.join(C.INTERIM, \"openalex_field_ai_share_재조회.csv\"), encoding=\"utf-8-sig\")\n", " d = fs.join(fs_new, rsuffix=\"_재조회\")\n", " print(f\"OpenAlex 분야별 AI 비중 최대 차이: {(d['AI비중_%'] - d['AI비중_%_재조회']).abs().max():.3f}%p\")\n", " if os.environ.get(\"EVENTREGISTRY_API_KEY\"):\n", " er_new = fetch.eventregistry_industry_share(er.set_index(\"설문업종\")[\"키워드\"], 2025)\n", " er_new.to_csv(os.path.join(C.INTERIM, \"eventregistry_industry_ai_share_재조회.csv\"), index=False, encoding=\"utf-8-sig\")\n", " d = er.set_index(\"설문업종\").join(er_new.set_index(\"설문업종\"), rsuffix=\"_재조회\")\n", " print(f\"Event Registry 업종별 AI 비중 최대 차이: {(d['AI비중_%'] - d['AI비중_%_재조회']).abs().max():.3f}%p\")\n", " else:\n", " print(\"EVENTREGISTRY_API_KEY가 없어 뉴스 재조회를 건너뛴다.\")\n", "else:\n", " print(\"ONLINE=0: 스냅샷만 쓴다.\")" ] }, { "cell_type": "markdown", "id": "eab88902", "metadata": {}, "source": [ "## 5. 설문 — E4-1(AI가 매출에 미치는 영향의 정도)\n", "\n", "통계표에서 21개 업종·전체·제조업의 E4-1 4시점(2025·2029·2034·2040) 평균 점수를 읽는다(4장과 같은 함수).\n", "원자료에서는 업종별 2040년 응답의 표준편차와 응답 수로 업종 평균의 표준오차를 구한다. 이 표준오차가 대안 2 사전분포의 폭이 된다.\n", "업종 평균 점수는 비공개 집계이므로 이 절의 출력은 공개 화면에서 숨긴다." ] }, { "cell_type": "code", "execution_count": 7, "id": "5547fda2", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T05:49:04.669713Z", "iopub.status.busy": "2026-10-08T05:49:04.669713Z", "iopub.status.idle": "2026-10-08T05:49:10.536556Z", "shell.execute_reply": "2026-10-08T05:49:10.536057Z" }, "tags": [ "private-output" ] }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "(비공개 설문 집계를 보여주는 셀이다. 공개 화면에서는 출력을 생략했다. 자료를 가진 경우 직접 실행하면 표시된다.)" ] } ], "source": [ "if not (os.path.exists(C.SURVEY_XLSX) and os.path.exists(C.SURVEY_RAW)):\n", " raise SystemExit(\"비공개 설문 자료가 없다 — data/private/에 통계표와 원자료를 두고 다시 실행한다(배포 묶음에는 들어 있지 않다).\")\n", "sig = F.read_survey_signal(C.SURVEY_XLSX)\n", "sig.to_csv(os.path.join(C.INTERIM, \"survey_signal_21.csv\"), encoding=\"utf-8-sig\")\n", "se = X.survey_se_by_group(C.SURVEY_RAW)\n", "se.to_csv(os.path.join(C.INTERIM, \"survey_se_21.csv\"), encoding=\"utf-8-sig\")\n", "display(sig[[f\"AI성장_{t}\" for t in F.TIME_POINTS]])\n", "display(se)" ] }, { "cell_type": "code", "execution_count": 8, "id": "6660e704", "metadata": { "execution": { "iopub.execute_input": "2026-10-08T05:49:10.538057Z", "iopub.status.busy": "2026-10-08T05:49:10.538057Z", "iopub.status.idle": "2026-10-08T05:49:10.542058Z", "shell.execute_reply": "2026-10-08T05:49:10.541556Z" }, "tags": [ "private-output" ] }, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "(비공개 설문 집계를 보여주는 셀이다. 공개 화면에서는 출력을 생략했다. 자료를 가진 경우 직접 실행하면 표시된다.)" ] } ], "source": [ "print(f\"설문 업종 {len(se) - 2}개 + 전체·제조업, 응답 {int(se.loc['전체', 'count']):,}개(2040년 E4-1 유효 응답)\")\n", "print(f\"업종 평균 표준오차 범위: {se.drop(['전체', '제조업'])['se'].min():.3f} ~ {se.drop(['전체', '제조업'])['se'].max():.3f}(점수 단위)\")" ] } ], "metadata": { "kernelspec": { "display_name": "Python 3", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.12.10" } }, "nbformat": 4, "nbformat_minor": 5 }