AI 업무혁신 전문가인 배상희 교수가 국방기술품질원 임직원을 대상으로 「생성형 AI 활용 특강」을 진행하며, 생성형 AI를 활용한 공공기관의 업무 혁신과 실무 적용 전략을 제시했다.
이번 특강은 급변하는 AI 기술 환경 속에서 공공기관의 AI 활용 역량을 높이고, 생성형 AI를 실제 업무에 효과적으로 적용하기 위한 실무 중심 교육으로 마련됐다.
사진출처:국방기술품질원 -국방기술품질원 임직원을 대상으로 「생성형 AI 활용 특강」을 진행하고있는 배상희 교수
배 교수는 강연에서 다양한 생성형 AI 플랫폼의 발전 방향과 활용 전략을 소개하며, AI를 단순한 문서 작성 도구가 아닌 업무를 함께 수행하는 AI 에이전트(AI Agent)로 활용하는 새로운 업무 패러다임을 설명했다.
특히 보고서 작성과 자료 조사, 정보 분석, 회의자료 작성, 반복 행정업무 자동화는 물론, 기관 내부 데이터를 활용한 검색증강생성(RAG) 기반 AI 시스템 구축과 AI 에이전트를 활용한 업무 프로세스 혁신 사례를 소개하며 참석자들의 큰 관심을 받았다.
또한 공공기관이 AI를 도입할 때 고려해야 할 보안 환경, 데이터 관리, 조직 문화 변화, AI 리터러시 향상 방안 등을 함께 제시하며, AI 기술 자체보다 조직에 적합한 활용 전략과 구성원의 활용 역량이 더욱 중요하다고 강조했다.
이어진 질의응답에서는 시험평가와 품질관리 업무에서의 AI 활용 가능성, AI 기반 보고서 작성, 공공기관 맞춤형 AI 시스템 구축 방향 등 다양한 주제를 중심으로 활발한 토론이 이어졌다.
배 교수는 "생성형 AI는 단순히 업무를 빠르게 처리하는 도구가 아니라 사람의 사고를 확장하고 조직의 의사결정을 지원하는 새로운 협업 파트너"라며 "앞으로는 AI를 얼마나 잘 활용하느냐가 개인과 조직의 경쟁력을 결정하는 핵심 요소가 될 것"이라고 말했다.
사진출처:국방기술품질원
배상희 교수는 생성형 AI를 활용한 업무 혁신, 조직 생산성 향상, 실무 자동화, AI 에이전트 활용 전략을 연구하고 교육하는 AI 업무혁신 전문가로 활동하고 있다. 대학에서 교육과 연구를 수행하는 동시에 공공기관, 연구기관, 대학 및 기업을 대상으로 생성형 AI 활용, 업무 자동화, 조직 혁신, AI 리터러시 향상을 주제로 강연과 컨설팅을 진행하고 있으며, 기관별 업무 특성에 맞는 AI 활용 전략을 제시하고 있다.
최근에는 생성형 AI를 단순한 활용 교육을 넘어 AI 에이전트를 활용한 업무 자동화와 조직 혁신, 연구 및 행정 지원, 교육 콘텐츠 개발 등 실질적인 업무 혁신 분야로 활동 영역을 확대하고 있으며, 다양한 기관과 협력하여 AI의 현장 적용 사례를 공유하고 있다.
이번 특강은 공공기관에서도 생성형 AI가 단순한 기술을 넘어 조직의 업무 방식과 의사결정 체계를 변화시키는 핵심 도구로 자리매김하고 있음을 보여주는 사례로 평가받았다. 앞으로도 AI를 조직의 업무에 효과적으로 접목하기 위한 실무 중심 교육과 전문 컨설팅의 중요성은 더욱 커질 것으로 전망된다.
배상희 교수 프로필
유트브 채널: https://www.youtube.com/@sangheebae
인물소개
서울대 대학원에서 경제학 석사, 충남대 대학원에서 정책학 박사 학위를 취득하였다. 종합군수학교 교관, 화력무기 및 방공무기 ILS 사업관리장교, 2작전사령부 군수처 유류계획장교로 근무했으며, 현재 국제대학교 군사학과 교수로 재직 중이다. 군 재직 시 다양한 국제 행사(세계군인선수권 대회, 6.25전쟁 낙동강 전승 행사, PACC/PAMS 행사 등)에서 영어 사회 진행과 통역을 맡아 활약했으며, 각종 신문의 칼럼 개제와 논문 발표는 물론 다수의 TV 프로그램에도 출연하였다. 위의 활동 등으로 교육사령관, 군수사령관, 육군참모총장, 국방부 장관, 농림축산식품부 장관 등의 표창을 수상하였고, 간부 선발 전문 면접위원, 국외정책 연수자 선발 영어 면접평가 위원, 보건복지인력개발원 외부 초청 강사로도 활동하였다.
프로필
출생지대한민국
학력
충남대 대학원 정책학 박사
서울대 대학원 경제학 석사
수상
교육사령관 표창
군수사령관 표창
육군참모총장 표창
국방부 장관 표창
농림축산식품부 장관 표창
경력
종합군수학교 교관
화력무기 및 방공무기 ILS 사업관리장교
2작전사령부 군수처 유류계획장교 근무
국제 행사(세계군인선수권 대회, 6.25전쟁 낙동강 전승 행사, PACC/PAMS 행사 등) 영어 사회 진행 및 통역
간부 선발 전문 면접위원
국외정책 연수자 선발 영어 면접평가 위원
보건복지인력개발원 외부 초청 강사
국제대학교 군사학과 교수
[GEN - 주한외국기업뉴스] 생성형 AI 도입이 확산되면서 기업들의 관심은 어떤 AI 모델을 선택할 것인지에 집중되고 있다. 그러나 업계에서는 실제 AI 프로젝트의 성패를 결정하는 요소는 모델 자체보다 이를 운영 가능한 서비스로 구현하는 AI Engineering 역량이라고 지적한다.
데모 환경에서는 정제된 데이터와 제한된 시나리오를 바탕으로 AI가 높은 성능을 보이는 경우가 많다. 하지만 실제 업무 환경에서는 데이터가 계속 변하고, 사용자는 예상하지 못한 질문을 던지며, API 응답 속도와 추론 비용도 지속적으로 달라진다. 이 때문에 우수한 모델을 도입하더라도 운영 단계에서 기대만큼의 성과를 내지 못하는 사례가 적지 않다.
AI Engineering은 이러한 간극을 줄이는 역할을 한다. 모델뿐 아니라 데이터와 애플리케이션, 평가 체계, 운영 환경을 하나의 시스템으로 연결해 AI를 안정적으로 서비스할 수 있도록 만드는 것이 핵심이다.
최근에는 AI 운영 방식도 빠르게 변화하고 있다. 기존 머신러닝 운영 체계인 MLOps를 넘어 생성형 AI 환경에 맞춘 LLMOps, 여러 AI Agent를 관리하는 AgentOps 개념까지 등장하면서 모델뿐 아니라 프롬프트, 검색 시스템(RAG), Tool Calling, 운영 비용, 권한 관리 등을 함께 관리해야 하는 요구도 커지고 있다.
전문가들은 AI 시스템을 구축할 때 ▲데이터와 지식 ▲모델과 오케스트레이션 ▲애플리케이션 ▲평가 ▲운영 ▲거버넌스 등 여러 계층을 함께 설계해야 한다고 설명한다. 특히 많은 프로젝트가 모델 성능 향상에는 집중하지만 실제 업무 프로세스와 운영 체계 구축에는 충분한 투자를 하지 않아 활용도가 떨어지는 경우가 많다고 분석한다.
AI 성과를 평가하는 기준도 달라지고 있다. 모델의 정확도나 벤치마크 순위만으로는 실제 가치를 판단하기 어렵기 때문이다. 업계에서는 기술 성능뿐 아니라 실제 사용률과 업무 처리 시간, 비용 절감, 고객 만족도 등 비즈니스 성과를 함께 측정해야 AI 투자 효과를 객관적으로 평가할 수 있다고 보고 있다.
SotaTek Korea(소타텍코리아)는 기업의 AI Engineering 구축 과정에서 요구사항 분석부터 솔루션 아키텍처 설계, 데이터 파이프라인, RAG 및 AI Agent 개발, 자동 평가 체계, CI/CD, 운영 모니터링까지 전 과정을 지원하고 있다고 밝혔다. 한국과 베트남 개발 조직이 협업하는 전달 체계를 통해 프로젝트 규모에 맞춰 개발과 운영을 지원하는 것이 특징이다.
업계에서는 AI 파트너를 선택할 때도 데모 구현 속도보다 실제 운영 환경까지 연결할 수 있는 역량을 확인해야 한다고 조언한다. 데이터 관리와 접근 권한, 테스트 기준, 장애 대응 체계, 운영 비용, 모델 교체 전략까지 고려해야 장기적으로 안정적인 AI 서비스를 구축할 수 있다는 설명이다.
결국 AI 프로젝트의 목표는 성능이 높은 모델을 확보하는 데 있지 않다. 모델의 가능성을 실제 비즈니스에서 지속적으로 활용할 수 있는 서비스로 구현하는 것이 AI Engineering의 역할이며, 기업의 AI 경쟁력 역시 이러한 운영 역량에서 결정된다는 것이 전문가들의 공통된 견해다.
[GEN - 주한외국기업뉴스] 생성형 AI가 실험 단계를 넘어 실제 업무 환경으로 빠르게 확산되고 있다. 그러나 반복되는 업무라고 해서 모두 AI 도입 대상이 되는 것은 아니다. 전문가들은 AI 프로젝트의 성공 여부는 어떤 모델을 선택했는지가 아니라, 해결해야 할 문제와 데이터, 운영 환경을 얼마나 정확하게 진단했는지에 달려 있다고 분석한다.
기업의 AI 도입 논의는 이제 "어떤 AI 모델을 사용할 것인가"를 넘어 "어떤 업무를 AI로 해결해야 하는가"라는 질문으로 이동하고 있다. 업무 자동화에 대한 관심이 높아지면서 반복적인 업무라면 무엇이든 AI로 대체할 수 있을 것이라는 기대도 커지고 있다.
하지만 반복되는 업무라는 이유만으로 AI가 최선의 해법이 되는 것은 아니다. 어떤 업무는 단순한 업무 표준화나 시스템 연동만으로도 충분히 개선될 수 있고, 어떤 업무는 RPA(Robotic Process Automation)가 더 적합하다. 또 내부 지식을 활용해야 하는 경우에는 RAG(Retrieval-Augmented Generation)가 효과적일 수 있으며, 제조 현장의 품질 검사처럼 예측 모델이나 컴퓨터 비전 기술이 필요한 사례도 있다. 문제를 제대로 정의하기 전에 기술부터 선택하면 기존의 비효율적인 프로세스를 그대로 자동화하는 결과를 낳을 가능성이 크다.
실제 AI 프로젝트에서도 인상적인 데모와 지속적으로 가치를 창출하는 운영 시스템 사이에는 적지 않은 간극이 존재한다. 그 차이는 모델 성능보다 데이터의 일관성, 접근 권한 체계, 예외 상황 처리 방식, KPI 기준선(Baseline), 그리고 프로젝트 운영 주체가 명확하게 정의돼 있는지 여부에서 발생하는 경우가 많다.
이 때문에 최근에는 AI 도입 이전 단계에서 기업의 업무와 데이터 환경을 종합적으로 점검하는 AX(AI Transformation) Health Check가 중요한 절차로 주목받고 있다.
AX는 단순히 AI 솔루션 하나를 추가하는 개념이 아니다. AI를 활용해 예측하고, 생성하고, 정보를 검색하며, 의사결정을 지원하는 환경에 맞춰 기업의 업무 방식을 다시 설계하는 과정이다. AX Health Check는 이러한 전환을 시작하기 전에 현재의 운영 체계를 진단하는 일종의 '종합 건강검진'에 가깝다.
진단은 현재 업무 환경을 객관적으로 파악하는 것에서 시작된다. 직원들은 각 업무 단계에 얼마나 많은 시간을 사용하고 있는지, 정보는 이메일과 엑셀, ERP, CRM, 종이 문서 가운데 어디를 중심으로 이동하는지, 승인 과정에서 병목이 발생하는 구간은 어디인지, 반복 작업이 발생하는 원인은 무엇인지, 어떤 데이터가 개인정보나 기업 기밀을 포함하는지, 잘못된 의사결정이 발생할 경우 어느 수준의 위험으로 이어질 수 있는지 등을 함께 분석한다.
이러한 분석을 바탕으로 AI 적용 가능성을 비즈니스 가치(Value), 기술적 실현 가능성(Feasibility), 운영 리스크(Risk)라는 세 가지 축에서 평가하고 우선순위를 결정하게 된다.
미국 국립표준기술연구소(NIST)가 발표한 AI Risk Management Framework 역시 비슷한 접근 방식을 제시한다. 해당 프레임워크는 Govern, Map, Measure, Manage라는 네 가지 핵심 영역을 중심으로 AI를 관리하도록 권고한다. 특히 거버넌스는 프로젝트가 끝난 뒤 수행하는 사후 점검이 아니라 AI 활용 목적과 영향을 받는 대상, 허용 가능한 위험 수준, 평가 방법 등을 AI 활용 사례(Use Case)를 선정하는 초기 단계부터 함께 정의해야 한다고 강조한다.
업계에서는 AI 프로젝트를 시작하기 전 최소 다섯 가지 질문에 답할 수 있어야 한다고 말한다.
첫 번째는 비즈니스 가치다. AI를 적용했을 때 업무 시간이 얼마나 단축되는지, 오류가 얼마나 감소하는지, 이러한 변화가 비용 절감과 매출, 고객 경험 개선으로 어떻게 연결되는지를 측정할 수 있어야 한다. 이를 위해서는 파일럿 프로젝트 이전부터 KPI 기준선(Baseline)을 확보하는 작업이 필요하다.
두 번째는 데이터 준비 상태다. 필요한 데이터가 실제 존재하는지, 사용할 권한은 확보됐는지, 데이터 품질과 대표성은 충분한지 확인해야 한다. 예를 들어 고객센터 챗봇이 성공 사례만 포함된 상담 이력만 학습했다면 실제 현장에서 발생하는 복잡한 문의에는 제대로 대응하지 못할 가능성이 높다.
세 번째는 시스템 통합이다. AI는 어떤 시스템에서 데이터를 읽고 어떤 시스템으로 결과를 전달해야 하는가도 중요한 문제다. AI가 높은 정확도를 제공하더라도 직원이 여러 화면을 오가며 결과를 직접 복사·입력해야 한다면 업무 생산성은 크게 개선되지 않을 수 있다.
네 번째는 리스크 관리다. AI의 잘못된 판단이 단순한 불편을 초래하는 수준인지, 아니면 금전적 손실이나 법적 책임, 사람의 안전 문제까지 이어질 수 있는지를 구분해야 한다. 위험 수준이 높은 업무일수록 Human-in-the-loop, 승인 절차, 그리고 Audit Trail과 같은 통제 장치가 함께 설계돼야 한다.
다섯 번째는 운영 체계다. 예외 상황이 발생하면 누가 대응하는지, 데이터는 누가 업데이트하는지, 경고(Alert)는 누가 확인하는지, 언제 기존 시스템으로 롤백(Rollback)할 것인지까지 운영 방안이 마련돼 있어야 한다. 이러한 질문에 답하지 못한다면 PoC(개념검증)는 실제 운영으로 이어지지 못한 채 일회성 시연으로 끝날 가능성이 높다.
전문가들은 AX Health Check의 결과물이 단순한 발표 자료가 아니라 실행 가능한 처방전이 돼야 한다고 말한다. 보고서에는 현재 업무 프로세스 맵과 KPI 기준선, AI 적용 우선순위, 데이터 준비 과제, 목표 아키텍처, 그리고 30·60·90일 실행 로드맵 등이 포함돼야 한다. 무엇보다 지금 추진해서는 안 되는 과제를 과감하게 제외하는 판단도 함께 담겨야 한다.
실제 사례를 보면 사내 AI 검색 시스템을 구축하려는 기업은 RAG를 도입하기 전에 문서 권한 체계를 정비하고 중복 문서를 제거하는 작업이 선행돼야 할 수 있다. 고객 상담 자동화를 추진하는 기업은 문의 유형(Intent Taxonomy)을 먼저 표준화하고 민감한 상담을 상담원에게 이관하는 프로세스를 설계해야 한다. 제조업에서 컴퓨터 비전을 적용하려는 경우에도 이미지 수집보다 불량 기준을 품질 전문가와 함께 명확히 정의하는 작업이 우선되는 사례가 적지 않다.
좋은 AI 로드맵은 가장 많은 AI 아이디어를 담은 계획이 아니다. 단기간에 실질적인 성과를 만들 수 있는 두세 개의 핵심 과제를 선정하면서도 향후 더 큰 규모의 AI 전환으로 확장할 수 있는 기반을 함께 마련하는 계획이 좋은 로드맵이라는 평가가 나온다.
SotaTek Korea는 이러한 AX Health Check를 AI 구축 이전 단계의 컨설팅 서비스로 제공하고 있다. 회사에 따르면 업무 프로세스 현장 조사부터 데이터 및 시스템 분석, AI 활용 사례 선정, 목표 아키텍처 설계, KPI 정의, 파일럿 프로젝트 로드맵 수립까지 지원하며, 한국에서 고객과 긴밀하게 협업하면서 베트남 개발 조직의 기술 역량을 연계하는 협업 체계를 운영하고 있다.
SotaTek은 현재 1,500명 이상의 전문 인력을 기반으로 글로벌 시장에서 500건 이상의 프로젝트를 수행해 왔다고 밝혔다. AI·머신러닝뿐 아니라 소프트웨어 개발, 클라우드, 시스템 통합, 테스트, 운영까지 프로젝트 전 과정을 수행할 수 있는 체계를 갖추고 있다는 설명이다. 이를 통해 초기 진단 결과를 PoC에서 실제 운영 환경(Production), 유지보수 단계까지 연결할 수 있다는 것이 회사 측의 설명이다.
AI 도입을 고민하는 기업이라면 처음부터 모든 업무를 대상으로 삼기보다 반복 업무 한두 개를 선정해 현업 담당자와 함께 워크숍을 진행하고, 문제 정의와 데이터 준비 상태, 위험 요소, 추진 로드맵을 먼저 점검하는 것이 현실적인 출발점이 될 수 있다.
AI 프로젝트에서 가장 큰 비용은 잘못된 모델을 선택하는 것이 아닐 수 있다. 오히려 제대로 정의되지 않은 문제를 해결하려고 수개월의 시간과 자원을 투입하는 일이 더 큰 비용으로 이어질 가능성이 높다. AI 도입의 출발점은 기술이 아니라 문제를 정확히 진단하는 과정이라는 점은 지금도 변하지 않는 원칙으로 꼽힌다.
[GEN - 주한외국기업뉴스] 8월 3일 발표된 2026년 세제개편안에 국내생산세액공제가 최초로 신설되며 국내생산기반 확충을 위한 세제 지원책이 포함됐다.
국내생산세액공제는 녹색전환·경제안보에 전략적으로 중요한 유망산업이나, 국내생산기반이 취약한 6대 분야에 적용된다. 내국인이 국내 직접 생산·판매하는 요건을 충족하면 생산량과 기준공제액을 통해 세액공제 혜택규모가 결정된다. 적용기한은 2036년 12월 31일까지이다.
5극 3특 지방주도 성장을 촉진하기 위해 생산지역별계수를 도입, 지방기업에 더 큰 혜택을 부여한다. 한편, 재정의 지속가능성 측면을 종합 고려하여 공제기간 마지막 3년간에는 공제액을 점감(75→50→25%)하고, 미국·일본 등 주요국과 동일하게 통합투자세액공제와의 중복 적용을 배제한다.
중동전쟁을 계기로 국가경제와 국민생활에 대한 산업 공급망의 중요성이 재조명된 가운데, 반도체 등 첨단산업을 둘러싼 전세계적 경쟁이 과열되고 있다. 이번에 신규 도입한 국내생산세액공제는 국내 산업 공급망 확보와 국가경쟁력 제고에 필수적이나, 높은 운영비로 인해 국내생산이 이뤄지지 못하던 기업들에 세제혜택 선택지를 제공한 것으로 기대된다.
산업부와 재경부는 향후 세제개편안 관련 국회 논의과정 및 후속 법령 준비 과정에서 업종별 협·단체와의 긴밀한 협의를 거쳐, 국내생산세액공제 지원 세부내용을 구체화해나갈 계획이다. 국내생산 기업들이 실질적 혜택을 향유할 수 있도록 산업계의 목소리를 최대한 많이 듣고, 이를 바탕으로 대상품목·적용요건·기준공제액 등 마련에 만전을 기할 예정이다.
[GEN - 주한외국기업뉴스] 산업통상부와 기후에너지환경부는 8월 7일 오전 한국생산성본부(서울시 종로구)에서 ‘사용후 배터리 정책분야 상호 협력 강화를 위한 업무협약서’를 체결한다고 밝혔다.
이날 협약 체결식에는 문신학 산업통상부 차관과 금한승 기후에너지환경부 제1차관이 참여한다.
사용후 배터리는 단순한 폐기물이 아닌 리튬·니켈·코발트 등 핵심광물을 포함하고 있는 전략자원으로서, 핵심광물의 공급망을 강화하고 국가 자원 안보를 실현하는데 필수적이다.
특히, 사용후 배터리의 전주기적인 활용에 있어 관련 부처인 산업통상부와 기후에너지환경부 간 유기적인 정책 공조가 필요하다. 이에 양 부처는 사용후 배터리 산업 육성을 위한 정책 협력을 추진하는 것이다.
우선, 양 부처는 사용후 배터리의 안전하고 효율적인 이력관리와 공급망 안정화를 위해, 개별 시스템을 연계한 ‘배터리 거래·이력 관리 플랫폼’을 구축한다. 현재 산업통상부는 사용후 배터리 산업 중 유통 및 재사용 분야를, 기후에너지환경부는 온실가스 전과정 평가(Life Cycle Assessment) 및 재활용 분야를 소관업무로하여 개별적인 정보 시스템 구축을 추진하고 있다. 이를 통해 양 부처 간 정보를 일원화한 단일 시스템을 구축함으로써 통합된 대국민 서비스를 제공할 수 있을 것으로 기대된다.
둘째, 기후에너지환경부 소관의 재생원료 생산인증제도와 산업통상부 소관의 재생원료 사용 및 함유율 인증제도를 직접적으로 연계하여 인증 대상을 일치시키고, 생산인증 서류를 사용인증에 직접 활용하는 등 제도간 연계성 및 정합성을 확보해 나갈 예정이다.
셋째, 사용후 배터리 관련 법령을 정비한다. 긴밀한 협의를 통해 유통사업자의 안전한 사용후 배터리 운반·보관 규정을 제정하고, 사용후 배터리 재활용사업자의 관리 기준 규정 등을 개선한다. 이를 통해 사용후 배터리 및 재생원료 등의 품질을 일정 수준 이상으로 유지함으로써 산업의 질적 고도화와 안전한 관리를 도모할 수 있을 것으로 기대된다.
또한, 공공부문의 사용후 배터리 회수‧유통기관인 미래폐자원 거점수거센터의 업무 연속성을 확보하여 사용후 배터리 순환이용의 공백을 방지한다. 거점수거센터는 ‘전기·전자제품 및 자동차의 자원순환에 관한 법률’에 따라 반납 대상 배터리(2020년 12월 31일까지 등록한 전기차에 탑재된 배터리)의 회수 및 매각 등 업무를 수행하고 있는데, ‘사용후 배터리의 관리 및 산업육성에 관한 법률’ 시행 이후에도 제한된 범위에서 기존의 사용후 배터리 회수‧매각 업무를 지속할 수 있도록 하위법령에 관련 규정을 마련할 예정이다.
넷째, 양 부처 간 사용후 배터리 관련 ‘공동 연구개발 사업’을 기획 및 추진해 나갈 예정이다. 사용후 배터리 재사용, 재활용 및 이를 활용한 신품 배터리 제조 등에 있어 에너지저장시스템(ESS), 재생원료 추출 및 품질관리 등 다양한 기술개발과 이에 따르는 제도 개선 등이 가속화될 것으로 기대된다.
이러한 사용후 배터리 정책협력을 효과적으로 추진하기 위해, 양 부처 간 실무협의회를 구성하여 운영한다.
실무협의회는 산업통상부 첨단산업정책관과 기후에너지환경부 자원순환국장이 공동 주관하여, 이번 업무협약뿐만 아니라 사용후 배터리와 관련한 다양한 영역에서의 협력 과제를 추가적으로 발굴하여 협의해 나갈 계획이다.
문신학 산업통상부 차관은 “배터리 산업을 지속 가능한 미래 산업으로 키워내기 위해서는 사용후 배터리의 강건한 생태계를 조성하는 것이 급선무”라며, “이번 업무협약은 양 부처 간의 칸막이를 허물고, 대한민국 배터리 산업의 지속 가능한 미래를 다지는 중요한 이정표가 될 것”이라고 강조했다.
금한승 기후에너지환경부 제1차관은 “전기차 보급이 빠르게 확대되는 상황에서 사용후 배터리의 순환이용체계를 구축하는것은 지속가능한 순환경제 실현의 핵심과제”라며, “양 부처 간 긴밀한 협력을 통해 관련 제도를 유기적으로 연계하여 환경성과 산업경쟁력을 모두 갖춘 순환이용체계를 차질없이 구축해 나가겠다”라고 밝혔다.
[GEN - 주한외국기업뉴스] 서울의 일상을 경험하는 체류형 관광이 새로운 여행 트렌드로 자리 잡으면서, 서울만의 개성을 담은 숙박시설에 대한 관심도 높아지고 있다. 이에 서울시와 서울관광재단은 서울스테이 중 서울의 매력과 이야기를 담은 ‘2026 우수 서울스테이’ 18곳을 선정했다.
‘서울스테이’는 외국인관광 도시민박업 및 한옥체험업의 등록 활성화와 운영 역량 강화를 위해 서울시가 추진하는 지원사업으로, 현재 약 803개 업체가 등록‧운영되고 있다.
서울스테이에 대한 자세한 숙박시설 정보는 공식 누리집에서 확인할 수 있다.
이번 공모에는 총 48곳이 지원했으며, 1차 서류평가와 2차 전문가 현장평가를 거쳐 외국인관광 도시민박업 10곳, 한옥체험업 8곳 등 총 18곳이 최종 선정됐다.
1차 평가는 숙소 현황과 우수 서울스테이 기술서 등 제출서류를 중심으로 진행됐으며, 2차 평가는 서류를 통과한 30곳을 대상으로 숙박‧관광‧안전 분야 전문가로 구성된 4명의 심사위원단이 현장을 직접 방문해 시설 및 위생, 안전관리, 고객서비스, 숙소 인근 주민 불편 예방 노력 등을 종합적으로 평가했다.
특히 올해는 안전과 주민 상생을 고려한 ‘지속 가능한 숙소’를 선정하기 위해 안전‧소방 관련 평가 비중을 확대하고 안전 전문가를 현장평가에 참여시켰다. 또한 시설 안전관리 미흡 여부를 감점 항목으로 신설하는 등 심사의 실효성을 한층 높였다.
이번에 선정된 우수 서울스테이에는 도심 속에서 한국적인 정취를 느낄 수 있는 ‘사적인’, 호스트와 함께 따뜻한 일상을 나눌 수 있는 ‘흑석함께집 비엔비’ 등 서울만의 고유한 매력을 담은 다양한 숙박시설이 포함됐다.
선정 업체에는 인테리어 개선과 안전시설 보강 등에 활용할 수 있는 최대 500만 원의 사업비 및 서울시 및 재단 관광마케팅사업 연계 참여기회 제공, SNS 홍보‧마케팅 등을 지원할 예정이다.
조성호 서울시 관광체육국장은 “최근 서울살이 등 지역주민처럼 하루를 보내는 생활밀착형 관광 수요가 증가하면서 외국인관광 도시민박업과 한옥체험업이 서울의 다양한 매력을 경험할 수 있는 숙박 형태로 주목받고 있다”며, “서울만의 개성과 안전성을 갖춘 우수 숙박시설을 지속적으로 발굴하고 지원해 세계인이 머물고 싶은 서울을 만들어 나가겠다”고 말했다.
날짜선택