재현 패키지 — 보고서2 「AI 기반 산업별 부가가치 전망」 4장 전망치
이 묶음은 4장의 모든 수치(표 1–4, 그림 1–2)와 정비 전후 비교(표 5)를 데이터 입수 → 분석 → 결과 도출 세 단계로 다시 계산한다. 마지막 단계의 검증 셀이 공표 수치와 계산 결과를 대조하며, 하나라도 다르면 실행이 멈춘다.
판 — 2026-10 정비판
보고서1의 기준 시나리오가 정비되었다. BOKDPM 장기 정상상태를 고치고(잠재성장률 1.8%, 물가안정목표 2%, 실질유가 불변), 실질금리를 1차 차분으로 투입하며,
시나리오 외생 경로의 레버를 연결한 뒤 산업 전망과 정합화를 다시 실행한 결과이다. 이 판은 그 기준 시나리오(data/inputs/base_va_62.csv·base_va_69.csv)만 교체하였다.
- 바뀐 것: 기준 시나리오 입력. 이에 따라 기준·AI 확산 시나리오의 수준과 연평균 증가율, 그리고 Λ 보정 배율 $k$가 바뀐다. Λ 보정은 2035년 기준 시나리오의 산업 구성을 가중치로 쓰므로, 산업별 프리미엄은 62개 산업 모두 같은 비율($k^{정비}/k^{이전}$)만큼 바뀐다.
- 바뀌지 않은 것: AI 확산 층 전체 — 설문 신호(E4-1·E4·E5), 21→62 크로스워크, 시점 램프, 산업 배분 A1(점수 − 1), Λ(중심 0.5%p, 민감도 0.3·0.8), 고용 중립 취업계수와 설문 탄력성 민감도.
- 이전 판 재현 점검: 이전 판 기준 시나리오는
data/published_prev/에 두었다.02_분석.ipynb8절이 같은 AI 확산 층을 이전 판 기준 시나리오에 적용하고,03_결과.ipynb검증 셀이 그 결과가 이전 판 공표 수치(config.PREVIOUS)를 재현하는지 확인한다. 따라서 정비 전후의 차이는 기준 시나리오 교체에서만 온다. - 공표 수치 기록:
config.PUBLISHED(정비판)는 정비 실행에서output/compare_prev.csv의 정비판 열을 반올림해 프로그램으로 채웠다. 손으로 옮긴 값이 없다.
폴더 구조
s4-forecast/
├─ README.md 이 문서
├─ requirements.txt 검증한 패키지 버전
├─ config.py 경로·Λ·입력 SHA-256·공표 수치(정비판·이전 판, 검증 기준) — 모든 경로는 이 폴더 기준 상대경로
├─ run_all.py 01→02→03 노트북을 순서대로 실행하고 output/run_log.txt 기록
├─ 01_입수.ipynb 기준 시나리오(정비판·이전 판)·설문 통계표를 불러오고 검증 → data/interim/
├─ 02_분석.ipynb 크로스워크·확산 지수·Λ 보정·62/69 경로·취업계수·정비 전후 비교 → output/
├─ 03_결과.ipynb 원고 표·그림, 정비 전후 비교표 생성 + 공표 수치 대조·이전 판 재현 점검(검증 셀)
├─ src/ai_forecast.py 계산 함수(노트북은 이 함수만 호출)
├─ data/
│ ├─ inputs/ base_va_62.csv · base_va_69.csv (보고서1 5장 산출물, 2026-10 정비판, 공개) · PROVENANCE.md(출처·SHA-256)
│ ├─ published_prev/ base_va_62_prev.csv · base_va_69_prev.csv (이전 판 기준 시나리오, 비교·재현 점검용)
│ ├─ crosswalk_21_62.csv 설문 21개 업종 → 62개 산업 대응표(본 연구 설계)
│ ├─ carveout_69.csv 69분류 분화 산업 8개 → 모산업(62분류)
│ ├─ private/ ★ 비공개 원자료 자리(배포 묶음에 없음)
│ └─ interim/ 01이 만드는 중간 산출물
└─ output/ 02·03이 만드는 최종 산출물
실행 방법
bash
pip install -r requirements.txt
python run_all.py
JupyterLab에서 01_입수.ipynb부터 차례로 열어 위에서 아래로 실행해도 같은 결과가 나온다.
압축은 Windows 탐색기·7-Zip·macOS 기본 도구 또는 python -m zipfile -e s4-forecast-repro.zip .로 푼다. 한글 파일명은 표준 UTF-8 표시로 저장되어 있으나, 오래된 unzip(예: Git Bash 동봉판)은 이를 읽지 못해 이름이 깨질 수 있다. 내려받은 뒤 SHA256SUMS.txt로 파일이 온전한지 확인할 수 있다.
비공개 원자료
01_입수.ipynb 2·3절은 한국고용정보원 「AI 수용도가 고용변화에 미치는 영향」 사업체 조사(2025, n=2,297) 통계표를 읽는다.
이 파일은 과제 참여기관에 공유된 자료이므로 배포 묶음에 넣지 않았다. 자료가 있으면 data/private/AI수용도조사_통계표_260417.xlsx로 두고 실행한다.
없으면 2절에서 안내 메시지와 함께 멈춘다. 포털의 노트북 화면(실행 결과 포함)은 자료를 가진 상태에서 실행한 기록이다.
입력과 산출물
| 단계 | 입력 | 산출물 |
|---|---|---|
| 01 입수 | data/inputs/base_va_*.csv, data/published_prev/base_va_*_prev.csv, 통계표(비공개) |
data/interim/survey_signal_21.csv, change_expect_21.csv |
| 02 분석 | interim, 기준 시나리오(정비판·이전 판), crosswalk_21_62.csv, carveout_69.csv |
ai_index_62.csv(비공개), lambda_sensitivity.csv, ai_va_62.csv, ai_va_69.csv, ai_premium_labor_62.csv, ai_premium_labor_69.csv, elasticity_62.csv, allocation_variants.csv, compare_prev.csv(정비 전후 핵심 수치) |
| 03 결과 | output의 위 파일 | table1_totals.csv ~ table5_vs_previous.csv, fig1_paths.png, fig2_premium_62.png, verification.csv, 제출용 AI확산_부가가치_취업계수_전망_62_69_2025-2035.xlsx |
계산 요약
- 산업 $i$의 AI 부가가치 프리미엄(연 %p): $p_{i,t} = k \cdot (s_i^{2040} - 1) \cdot r(t)$
- $s_i^{2040}$: E4-1(업종 성장에 AI가 미치는 영향의 정도, ①매우 낮음 ⑤보통 ⑨매우 높음) 2040년 점수, 1: 척도 최저점, $r(t)$: 전체 응답 평균 궤적으로 만든 시점 램프(2025=0, 2040=1)
- $k$: 2035년 실질부가가치 가중평균 프리미엄이 Λ=0.5%p(민감도 0.3·0.8)가 되도록 보정한 배율(가중치는 기준 시나리오의 2035년 산업 구성)
- 취업계수 연변화(%p) = $(\varepsilon - 1)\,p_{i,t}$. 중심은 고용 중립($\varepsilon=0$). 설문 E4·E5(2024년 대비 2040년 매출·고용 증감 구간)로 구한 업종별 탄력성 $\varepsilon_i$를 적용한 값은 하방 민감도
- 설정:
config.py의ALLOCATION("A1" 중심, "A"·"B"·"C" 비교),EMPLOYMENT("neutral" 중심, "survey")
결정 기록 — 산업 배분과 취업계수(2026-10-08)
조사표를 확인한 결과 E4-1·E5-1은 AI 영향의 정도를 묻는 문항이다(방향은 묻지 않음). 이전 계산은 중간값 5를 '영향 없음'으로 읽어
(점수 − 5)로 배분했고, 그 결과 산업 간 프리미엄 차이가 36배로 벌어졌다(정보통신 +1.05%p, 문화 +0.03%p).
정도 척도에서 '영향 최소'라는 실질적 의미를 갖는 기준점은 최저점 ①뿐이므로 (점수 − 1)을 중심으로 바꾸었다(차이 1.6배, 정보통신 +0.62%p, 문화 +0.40%p).
2025년 이후 증가분(B)과 전체 평균 대비 비율(C)도 02_분석.ipynb 7절에서 비교한다. 네 방식 모두 전산업 효과는 +0.32%p로 같다.
(이 단락의 수치는 결정 당시인 이전 판 기준 시나리오의 값이다. 정비판 값은 아래 정정 기록과 02_분석.ipynb 7절에 있다.)
이전 계산은 E5-1(고용에 대한 영향의 정도)을 '고용 증가 프리미엄'으로 써서 방향을 가정했다. 방향이 있는 문항은 E4·E5(매출·고용 증감 구간)이며, 여기서 구한 고용 탄력성은 보건·사회복지를 빼면 모두 0보다 작다. 따라서 고용 중립(ε=0)을 중심으로 두고, 설문 탄력성(AI 외 요인이 섞임)을 하방 민감도로 둔다.
정정 기록
- 2026-10-08: 이전 계산 스크립트가 설문 점수와 램프 끝값을 소수 둘째 자리로 반올림한 값으로 계산해 정보통신 프리미엄이 +1.06%p로 표기되었다(반올림 전 +1.05%p). 같은 점검에서 포털 카드의 산업별 막대 일부(교육서비스 0.58→0.89, 음식점·숙박 0.08→0.18, 부동산·사업서비스 0.10→0.20)가 계산값과 달랐음을 확인해, 카드가 계산 산출물을 직접 읽도록 바꾸었다. 이후 위 결정에 따라 산업별 수치 전체를 다시 계산하였다(전산업 2035년 2,775조 → 2,774조).
- 2026-10 정비: 기준 시나리오를 보고서1 5장 2026-10 정비판으로 교체하였다(AI 확산 층은 그대로). 아래 표는
output/compare_prev.csv에서 만든 것이며, 이전 판 열은 같은 계산을 이전 판 기준 시나리오에 적용한 값으로 이전 판 공표 수치와 반올림 범위 안에서 같다(03_결과.ipynb검증 셀).
| 항목 | 이전 판 | 정비판 | 변화 |
|---|---|---|---|
| 기준 2025년(조 원) | 2,178 | 2,178 | 0.0 |
| 기준 2035년(조 원) | 2,689 | 2,609 | −79.5 |
| 기준 연평균 2025–2035(%) | 2.13 | 1.82 | −0.306 |
| AI 확산(Λ=0.5) 2035년(조 원) | 2,774 | 2,692 | −82.0 |
| AI 확산(Λ=0.5) 연평균(%) | 2.45 | 2.14 | −0.307 |
| AI 확산(Λ=0.5) 기준 대비 연평균(%p) | +0.32 | +0.32 | −0.001 |
| AI 확산(Λ=0.5) 2035년 수준 차이(조 원) | 86 | 83 | −2.5 |
| AI 확산(Λ=0.5) 2035년 수준 차이(%) | 3.2 | 3.2 | 0.00 |
| AI 확산(Λ=0.3) 2035년(조 원) | 2,740 | 2,659 | −81.0 |
| AI 확산(Λ=0.3) 기준 대비(%p) | +0.19 | +0.19 | −0.001 |
| AI 확산(Λ=0.8) 2035년(조 원) | 2,827 | 2,743 | −83.6 |
| AI 확산(Λ=0.8) 기준 대비(%p) | +0.51 | +0.51 | −0.002 |
| AI 프리미엄 44.컴퓨터 프로그래밍ㆍ시스템통합관리업(%p) | +0.62 | +0.62 | +0.002 |
| AI 프리미엄 56.교육서비스업(%p) | +0.58 | +0.58 | +0.001 |
| AI 프리미엄 23.의료ㆍ정밀ㆍ광학기기ㆍ시계(%p) | +0.56 | +0.56 | +0.001 |
| AI 프리미엄 22.전자부품ㆍ컴퓨터ㆍ영상ㆍ음향ㆍ통신장비(%p) | +0.56 | +0.56 | +0.001 |
| AI 프리미엄 6.식료품(%p) | +0.53 | +0.53 | +0.001 |
| AI 프리미엄 49.부동산업(%p) | +0.44 | +0.44 | +0.001 |
| AI 프리미엄 39.음식점ㆍ숙박업(%p) | +0.43 | +0.43 | +0.001 |
| AI 프리미엄 33.건설업(%p) | +0.42 | +0.42 | +0.001 |
| AI 프리미엄 59.문화서비스업(%p) | +0.40 | +0.40 | +0.001 |
| 취업계수 연변화(설문 탄력성) 9.섬유ㆍ의복(%p) | −1.35 | −1.35 | −0.003 |
| 취업계수 연변화(설문 탄력성) 19.비금속광물제품(%p) | −1.14 | −1.15 | −0.003 |
| 취업계수 연변화(설문 탄력성) 26.자동차(%p) | −1.07 | −1.08 | −0.003 |
| 취업계수 연변화(설문 탄력성) 56.교육서비스업(%p) | −1.05 | −1.05 | −0.003 |
| 취업계수 연변화(설문 탄력성) 57.의료ㆍ보건업(%p) | −0.42 | −0.42 | −0.001 |
| 반도체 기준 2035년(조 원) | 256 | 228 | −28.4 |
| 반도체 AI 확산 2035년(조 원) | 265 | 236 | −29.4 |
| 반도체 AI 프리미엄(%p) | +0.56 | +0.56 | +0.001 |
변화는 반올림 전 값의 차이이며 한 자리 더 표시하였다. 산업별 AI 프리미엄은 62개 산업 모두 정비판/이전 판 비율이 1.0025로 같다(Λ 보정 배율 $k$만 바뀐다). 취업계수 연변화(고용 중립·설문 탄력성)도 같은 비율로 바뀐다. 69분류 분화 산업은 69분류 가중치로 따로 보정하며, 그 비율은 1.0025이다.
표는 2026-10-08 09:08 정비 실행(output/compare_prev.csv)에서 만들었다. 검증 셀: 38/38개 항목 통과(정비판 19개, 이전 판 재현 19개).
원고 갱신 필요
원고 reports_src/content/report-ai/s4-forecast.md는 이전 판 수치를 인용하고 있으며 이 패키지에서는 고치지 않았다. 정비판 수치로 갱신해야 할 곳은 다음과 같다.
- 제2절 본문과 [표 1]: 기준·AI 확산(Λ=0.3·0.5·0.8)의 2035년 수준, 연평균, 기준 대비 차이, 수준 차이(조 원·%)
- 제3절 본문·[표 2]·신산업 문단: 산업별 AI 프리미엄, 반도체 2035년 기준·AI 확산 수준, 분화 산업 프리미엄, 배분 방식 민감도 문단의 수치
- 제4절: 고용 중립과 설문 탄력성 기준 취업계수 연변화
- 제5절 첫 항목: "기준 시나리오는 정합화 후 잠정본으로, 외생변수(특히 실질금리) 정비 후 최종 갱신한다"는 정비가 끝났으므로 고쳐 써야 한다
- 원고 첫머리의 "모든 수치는 … 검증 셀로 원고와 대조하였다"는 갱신 전까지 성립하지 않는다. 검증 셀의 기준값은
config.PUBLISHED(정비판)이다.
정비판 값 전체는 output/compare_prev.csv(구분·항목별 이전 판·정비판·차이)와 output/table1_totals.csv~table5_vs_previous.csv에 있다.
출처
- 기준 전망: 보고서1 5장(BOKDPM 기준 경로 + 베이지언 VARX + 총량 벤치마킹·기존 전망 결합), 2026-10 정비판, 2020년 연쇄가격, 십억 원. 파일별 출처·SHA-256은
data/inputs/PROVENANCE.md - AI 수용도조사: 한국고용정보원(2026), 「AI 수용도가 고용변화에 미치는 영향」 통계표(2026-04-17 검토본)
- 포털: https://aiforalab.com/gva-scenario-2025-2035/report-ai/s4-forecast/