지식재산 동향 및 미래전망 - 지식재산인력 수급전망 연구

이를 위해 대학은 전공별에 따른 맞춤형 지식재산 수업과 더불어, 기업 등의 참여 및 지원을 유도하는 수상대회나 실전형·산학협동형 교육 프로그램을 활성화해야 할 것이다. 우선 정부(특허청)가 대학 및 기업과 연계하여 개최하는 대학창의발명대회, D2B디자인페어, 대한민국 청소년발명 아이디어 경진대회 등을 더욱 확대할 필요가 있겠다. 이 외에도 수요자·공급자 협동형 지식재산 인력양성 및 공급체계로서의 추진체(가칭 ‘지역 지식재산 교육 허브, RIPA(Regional Intellectual Property Academy))’를 구축하여 운영해야 할 것이며, 실전형·산학협동형 교육을 확대하여 지식재산경영, 발명, 디자인 등에서 중심역할을 수행할 차세대 지식재산 리더를 발굴·양성하여 기업의 수요와 연관된 실전프로그램을 통하여 현장에서 활용가능한 수준의 지식재산 역량을 갖춘 인력 양성하여 대학 수업에서 실전경험을 쌓을 수 있는 교육 기회가 제공되어야 할 것이다. 지식재산 정보 활용의 자율적 시스템을 구축하기 위해서는 지식재산 전담교수를 확보하여 관련 도움을 교내에서 얻을 수 있도록 해야 할 것이다. 설문조사에 따르면 공학 전공자(50.2%)와 자연과학·의약학 전공자(41.4%)는 외부 강사/교수에게서 가장 많이 배운 것으로 나타나 지식재산의 교육이 학과 내에서 이루어지지 않음을 보여준다. 따라서 대학의 자율적 지식재산 교육 시스템을 구축하기 위해서는 교수의 질을 확보해야 하며 지식재산의 도움을 교수로부터 얻을 수 있도록 체계적이고 실질적 도움을 줄 수 있는 지속가능한 교육과정을 운영해야 할 것이다. 현재 자율적 지식재산 교육 시스템을 구축한 대학은 2013년도의 6개 대학에서 2017년도에는 26개 대학으로 확대하려는 계획이 있다. 지식재산 전담교수의 확보와 정보활용을 가능하게 하는 시스템을 구축하고 확대하는 것이 지속적인 정책으로 계속되어야 할 것이다. 제4장 제1절에서 살펴본 바와 같이 최근에 이용되는 인력수급 예측의 방법은 상당히 정교한 계량경제학 모형을 사용하여 장래의 숙련수요를 예측하는 데 초점을 맞추고 있는 추세이다. 이를 통하여 정책 입안자 또는 기업의 의사결정자들에게 향후 직면하게 될 교육 및 노동시장의 환경에 대한 정보를 제공하는 것을 주된 목적으로 하고 있다. 인력수급 예측의 주된 방법은 시계열이나 다중회귀 분석과 같이 계량경제학 모형을 이용하는 방법이지만, 실제로는 다양한 방법들을 통해 인력수급을 예측하고 있다. 기업체들을 대상으로 하는 설문조사(survey) 방법, 숙련에 대한 회계감사 방법, 전문가들을 대상으로 하는 델파이 (delphi) 방법, 사례연구 방법, 시스템 다이나믹스 방법, 특정 그룹에 초점을 맞추는 방법 등이 적지 않게 활용되고 있다(Tessaring, 1998; Wilson, 2001; 이상돈 외, 2008). 기존 국내연구에서 사용된 인력수급 전망모형은 연구자에 따라 다소 변형을 있었지만, 기본적으로 미국의 BLS 방식의 거시경제 모형을 토대로 삼고 있다(이상돈, 2008). 이들 국가들이 채택한 인력 예측모형들은 모두 다부문 거시계량경제모형을 기반으로 하고 있으며, 외견상 유사한 구조를 갖고 있지만 세부적인 내용에서는 큰 차이가 있다. 특히, 인력 예측이 갖는 의의와 인력 예측모형에 대한 인식차이에 따라 인력 예측모형의 구조와 인력 예측방법이 서로 다르게 나타난다(이상돈, 2011). 우선, 미국의 BLS 인력예측모형은 미국 노동부 연구소(Bureau of Labor Statistics)에서 개발한 인력예측모형으로 2년 주기로 정보를 갱신하며 예측기간은 10년인 중기 예측 모형이다. BLS 모형은 전통적인 인력예측모형에서 이용되던 인력요건법을 사용하여 생산량과 고용수준 사이의 관계를 단순화시킴으로써 예측작업을 비교적 쉽게 할 수 있다는 장점이 있는 반면, 비현실적인 요소들을 많이 내포하여 유용성이 떨어지며, 노동공급측면을 크게 무시하고 노동수요 측면 위주로 예측이 이루어지는 단점을 내포하고 있다(이상일, 2002). 그러나 이러한 단점에도 불구하고 BLS 모형은 전 세계적으로 가장 널리 활용되고 있는 인력수급예측방법으로, 경제성장과 고용 효과에 대한 정보를 필요로 하는 다양한 영역에 제공된다. 대표적으로 인력수급의 연구결과는 교육자, 직업안내기관, 교육훈련 프로그램 수행기관 및 장기고용관련 연구자 등에게 제공 및 활용되고 있다(주무현, 2008). BLS 모형은 과거 정책기능을 위주로 연구가 진행되었으나, 최근에는 이러한 정보기능을 함께 중시하는 방향으로 변화하고 있는 추세이다(이상돈, 2011). 다음으로 영국의 IER 인력예측모형은 영국의 고용연구원(Institute for Employment Research, IER)이 개발한 모형으로 미국의 BLS 모형과 마찬가지로 예측기간이 10년인 대표적인 중·장기 예측 모형이다. IER은 인력수급 예측의 정교성을 강화하기 위해서 매년 고용별 성별 등 노동력(workforce)에 대한 조사를 통해 자료를 업데이트하고 있는데, IER 모형은 자료 수집의 문제, 외삽법 사용을 통해 통계적 오류 발생 가능성이 있는 것이 단점으로 지적되고 있다(이상일, 2002). 네덜란드의 ROA 인력예측모형은 네덜란드의 독립 연구기관인 ‘교육과 노동시장연구소’(Researchcentrum voor Onderwijs en Arbeidsmark; ROA)가 개발한 모형이며 2년마다 갱신하고 있다. 초창기 인력요건법의 단점으로 지적되었던 고정계수모형 대신에 설명변수모형을 이용함으로써 직업구조와 교육훈련구조에 대한 설명력을 높이려는 장점을 가지고 있는 모형이다(이상일, 2002). 네덜란드의 ROA 인력 예측모형은 교육체계와 노동시장 사이의 향후 상호작용에 대한 충실한 정보를 제공함으로써 두 부문이 상호 긴밀히 연계될 수 있도록 하고 있어, 교육노동시장의 전망에 대한 정보제공을 주목적으로 개발되어 있다는 점에서 앞서 살펴본 국가들의 인력예측모형들과는 큰 차이가 있다(이상일, 2002). 수요 예측은 단순히 전년도 또는 전 분기 실적을 대입하여 사용하는 방법에서부터 복잡한 데이터를 분석하는 통계적 기법까지 매우 다양하다. 예측 기법마다 특성이 다르므로 상황에 맞는 적합한 방법을 찾는 것이 중요하다. 예측방법은 크게 정성적 방법, 정량적 방법, 시스템적 방법으로 분류된다. 정성적 방법(qualitative analysis)은 과거 데이터 수집이 불가능/불충분하거나 예측대상이 아직 도입되지 않아 수리적인 모델링이 불가능한 경우 사용하는 방법으로 일반 소비자나 전문가의 의견을 바탕으로 수요를 예측하는 방법이다. 정량적 방법(quantitative analysis)은 과거의 시장 데이터를 바탕으로 미래의 수요를 예측하는 방법으로, 과거 패턴이 미래에도 지속된다고 판단될 때 적합하다. 시스템적 방법은 수요와 영향 요인들 간의 관계가 매우 복잡한 경우 적용할 수 있는 기법이다.