지식재산 동향 및 미래전망 - 지식재산인력 수급전망 연구

정성적 방법으로는 전문가 의견 활용, 컨조인트 분석(Conjoint), 인덱스(Index) 분석 등이 있다. 전문가 의견 활용은 데이터 수집이 불가능하거나 관련 자료가 충분치 않을 경우 전문가 의견을 통해 전망치나 민감도를 도출하는 방식으로, 전문가 의견을 반복 설문하여 합의된 전망치를 도출하는 델파이(Delphi)방법이 대표적이다. 전문가 의견 활용 방법에는 해당 제품 또는 유사 제품 시장에 대한 경험과 지식을 보유한 적합한 전문가 확보가 필요한 것이 특징이다. 컨조인트 분석은 서베이를 이용한 실험을 통해 소비자가 선택한 제품의 우선순위를 바탕으로 수요 예측에 활용하는 기법으로 분석된 소비자 선호도를 기반으로 다양한 분석에 유용하게 활용하는 방법이다. 제품의 기능이나 속성별 니즈를 파악하고 신제품·기능의 시장 반응을 예측할 수 있다는 점이 특징이며, 정확도가 높아 기업에서 널리 사용하는 기법이다. 인덱스 분석은 소수의 선택 가능한 대안을 다양한 관점에서 비교·평가하여 어떤 대안이 선택(또는 소비)될 것인지 예측하는 기법으로, 최종 선택에 영향을 미칠 것으로 예상되는 변수들을 나열하여 후보들을 평가하거나 상호 비교하는 기법이다. 시스템적 접근 방법으로는 정보 예측시장(Prediction Market), 시스템 다이내믹스, 인공신경망이 있다. 정보 예측 시장은 선물시장(Future Market)과 같은 베팅 게임 시스템을 구축하여 참여자들의 행동을 토대로 정보를 수집하고 전망을 예측하는 방법이다. 제품 또는 주변 상황에 대해 장기적으로 실시간 변화를 파악하고자 할 때 적합하며 큰 비용이 들지 않는 장점이 있으나, 시장 참여자가 많아야 의미 있는 정보 추출이 가능하다는 특징을 갖고 있다. 시스템 다이내믹스는 변수들 간의 연쇄적인 인과관계를 현실적으로 모형화하고 시뮬레이션을 통해 동태적인 변화과정을 분석하는 방법이다. 수요가 산업 내적인 요인에 의해 주로 영향을 받는 경우에 사용되며, 산업의 동태적 변화를 산업의 구조에 기반하여 이해한다는 특징이 있다. 미국의 BLS 모형이 널리 사용되는 이유는 다른 전망모형에 비해서 모형개발의 역사가 가장 오래되었으며, 문제점들을 지속적으로 개선하여 여러 측면에서 가장 우수한 모형이라는 점에 기인한다. 그러나 미국 BLS 모형의 이론적 우수성에도 불구하고 우리나라 인력수급을 전망하는데 바로 적용하는 데는 다소의 문제점을 지니고 있다. 가장 큰 이유는 BLS 모형을 이용한 전망과정상에 요구되는 기초 통계자료의 미비를 들 수 있다. 전망을 실시하기 위해서는 장기 시계열 자료가 구축되어 있어야 하는데, 확보된 자료는 최대 5년 이내의 자료들이기 때문에 해당 모형을 토대로 전망을 하기란 사실상 불가능 하다. 이러한 문제점으로 인해 국내 연구에 사용되는 미국의 BLS 모형은 실질적으로 본래 모형과는 크게 변형된 모형이 사용되고 있다. 따라서 국내실정에 적합한 전망모형을 개발하여 지속적으로 개선해 나가는 것이 필요하다. 즉 전망단계별로 필요한 기초통계자료의 구축여부와 노동시장의 구조 등 우리나라 고용구조를 감안한 한국형 인력수급 전망모형을 개발하고 발전시켜 나가야 한다. 대부분 수요예측 방법은 실제 시장의 과거 데이터를 사용한다. 과거 데이터가 없는 경우 유사한 과거 데이터를 이용한다. 현재 지식재산 인력의 고용규모와 시계열 추이를 파악할 수 있는 유일한 자료는 ’11년도에 수행된 ｢지식재산 인력수급 전망 연구｣와 ’13년도에 수행되는 본 연구이다. 따라서 본 연구에서는 ’11년도에 수행된 설문조사 결과와 올 해 수행된 설문조사 결과를 바탕으로 지식재산 인력의 취업자 수를 전망하였다. 그러나 시계열 분석을 하기에는 과거 데이터가 불충분하기 때문에 ARIMA나 VECM 등과 같이 예측결과의 신뢰성이 보다 높은 방법론을 활용하지 못하였다. 따라서 본 연구에서는 이를 보완하기 위해 전문가를 대상으로 델파이 설문조사를 수행하였다. 전체 취업자 증가율을 전망하는데 있어서는 해당 설문조사를 통해 전문가의 판단 데이터를 이용하였다. 다음으로 세부 직종별로 지식재산 인력을 전망하기 위해 본 연구에서는 고용보험(지역고용조사) 자료를 이용하였다. 우선 지식재산 관련 직업분류체계를 표준직업분류체계를 기초로 하여 도출하였으며, 이를 토대로 고용정보원의 자료를 활용하여 추세 전망치를 구하였다. VAR 혹은 VECM 모형은 모든 변수들을 내생변수로 간주하고 변수들의 정태적, 동태적인 상호관계를 분석할 수 있지만, 예측하려고 하는 변수들이 작을 경우에는 시계열이 짧아 공적분의 관계를 확인할 수 없기 때문에 해당 모형의 적용이 불가능하다. 일반적으로 공적분을 뽑으려면 최소한 7개년 이상의 시계열 자료를 구축하고 있어야 한다. 따라서 본 연구의 추정 전망은 실태조사 데이터의 시계열이 짧다는 한계가 있어 대체할 수 있는 데이터를 이용하여 기본적인 추세선을 만들고, 실태조사의 향후 채용 예정 인원을 추세선에 반영하는 방식으로 추정하였다. 본 연구의 목적은 지식재산(IP) 관련 직종의 향후 추이를 전망하는 것이다. 직종별 전망이므로 산업이 아닌 직업별로 추정이 되어야 한다. 하지만 대부분의 공개 데이터들은 직종을 세분류까지 조사는 하고 있지만 대분류 또는 중분류 수준으로 데이터를 제공하고 있다. 왜냐하면 세분류 단계까지 가면 조사되는 층(cell)의 빈도가 너무 적어 추정 시 과대 또는 과소 추정될 가능성이 있기 때문이다. 따라서 인력수급을 예측하는 모형의 경우도 지식재산 인력의 수급예측 모형이라기 보다는, 수요예측 모형을 개발하여 전망하였다. 우리나라에서의 장기인력 수요전망에 대한 연구는 1960년대 말부터 이루어지기 시작하였으며, 주로 과학기술인력을 중심으로 이루어져왔다. 반면 지식재산분야의 인력수급전망연구는 2007년부터 이루어지기 시작하였으나, 정성적 연구를 중심으로 수행된 연구라 통계적 분석을 요구하는 인력수급예측과는 다소 거리가 있었다. 따라서 본 연구는 기존 연구방법론들에 대해 소개 및 비교분석함으로써, 이를 기초로 하여 지식재산 인력에 적합한 수요예측 방법론을 제안하고, 해당 연구방법의 적용을 통해 향후 5년간(’13~’17)의 인력수요를 전망하였다. 본 연구의 추정 전망은 실태조사 데이터의 시계열이 짧다는 한계가 있어 대체할 수 있는 데이터를 이용하여 기본적인 추세선을 만들고, 실태조사의 향후 채용 예정 인원을 추세선에 반영하는 방식으로 추정하였다. 직종별 전체 추계인원 가운데 기업에 고용되어 있는 지식재산(IP) 관련 직종의 비중은 약 3% 규모로 추산되며, 이를 2013년 기준으로 보면 지식재산 고용인력은 약 33,655명으로 추정된다. 본 연구에서는 다음과 같은 이유로 대학(즉 공급) 설문조사 시 공급인력의 규모, 즉 양적 추계를 위한 조사항목은 따로 넣지 않았다. 첫째, 수요인력과 같이 일정 시점에서 특정 수요를 측정하는 저량(stock)변수와 유량(flow)변수간의 수급차를 측정하는데 있어서 오차의 범위가 크게 발생한다. 둘째, 우리나라 기업에 고용되어 있는 지식재산 인력의 규모는 2013년 기준으로 약 3만 4천여 명으로 추정되는데 이와 같은 소규모의 인력을 근거로 하여 인력수급을 예측한다는 것은 어려움이 있으며, 또한 공급인력들이 모두 기업으로 가는 것도 아니다. 셋째, 현재 노동시장에서의 균형은 수요에 의해 결정된다고 봐도 무방하다. 물론 인력에 대한 수요 대비 공급이 부족할 경우 과부족으로 인해 문제가 발생할 수 있겠지만, 공급과잉으로 발생하는 고실업 사태는 2000년대 이후 우리 사회가 해결해야할 핵심사안 중 하나이다. 더욱이 기존 연구들을 살펴보면, 지식재산 인력 또한 인력수급에 있어서 양적으로는 문제가 없으나 질적인 문제, 즉 해당 분야의 전문성이 산업계가 필요로하는 수준에 도달하지 못하는 질적 미스매치(mismatch) 또는 숙련 불일치가 주요 문제점으로 지적되고 있다.