2021~2026년 컴퓨팅 분야 밖에서 AI·머신러닝을 쓴 프로젝트는 36~44%가 본상을 받았고 같은 분야에서 쓰지 않은 프로젝트는 22~26%였습니다. Behavioral and Social Sciences 43.7% 대 21.9%, Earth and Environment 40.9% 대 24.6%, Biology and Medicine 36.3% 대 24.5%입니다. 컴퓨팅·로봇 분야 안에서는 29.9% 대 24.4%로 차이가 작습니다(p=0.043). 세부 유형별로는 강화학습 46.7%, 생성 모델 44.1%, 시계열 예측 42.6%가 높고 아두이노·마이크로컨트롤러만 쓴 프로젝트는 23.1%로 평균보다 낮습니다.
AI 비중은 어떻게 늘었나
제목이나 초록에 머신러닝, 딥러닝, 신경망, CNN, 트랜스포머 같은 용어가 있는 프로젝트의 비중입니다. 2017년 6.8%, 2021년 17.9%, 2024년 22.5%, 2026년 27.1%로 늘었습니다. 컴퓨팅 분야 밖에서도 2014년 0.8%에서 2026년 21.0%가 됐습니다. LLM·생성형 AI 언급은 2023년 1.4%, 2026년 4.3%로 아직 드물어서 제대로 검증한 LLM 프로젝트는 눈에 띕니다.
| 연도 | 프로젝트 | AI·ML 언급 (전체) | AI·ML 언급 (컴퓨팅 분야 밖) | LLM·생성형 AI | 하드웨어·IoT | 앱·소프트웨어 |
|---|---|---|---|---|---|---|
| 2014 | 1394 | 2.8% | 0.8% | 0.2% | 14.2% | 26.6% |
| 2015 | 1347 | 3.8% | 1.9% | 0.3% | 17.3% | 30.5% |
| 2016 | 1371 | 4.1% | 2.4% | 0.2% | 19.3% | 29.7% |
| 2017 | 1403 | 6.8% | 4.0% | 0.3% | 19.5% | 31.4% |
| 2018 | 1390 | 9.5% | 5.3% | 0.1% | 19.5% | 32.5% |
| 2019 | 1426 | 11.6% | 6.6% | 0.1% | 22.3% | 35.6% |
| 2020 | 1027 | 14.4% | 9.6% | 0.4% | 22.2% | 34.9% |
| 2021 | 1452 | 17.9% | 12.5% | 0.3% | 21.2% | 37.1% |
| 2022 | 1400 | 18.1% | 13.4% | 0.6% | 21.7% | 35.2% |
| 2023 | 1316 | 17.8% | 13.0% | 1.4% | 22.3% | 34.7% |
| 2024 | 1345 | 22.5% | 15.8% | 3.0% | 23.3% | 42.5% |
| 2025 | 1328 | 27.2% | 20.8% | 3.1% | 25.4% | 39.2% |
| 2026 | 1366 | 27.1% | 21.0% | 4.3% | 28.3% | 38.1% |
세부 유형별 비중과 수상률
같은 'AI 프로젝트'라도 유형에 따라 결과가 다릅니다. 강화학습(60건 중 46.7%), 생성 모델(118건 중 44.1%), 시계열 예측(242건 중 42.6%), 엣지·임베디드 AI(54건 중 40.7%), 로봇·드론(427건 중 40.0%)이 높습니다. 컴퓨터 비전(607건 중 34.9%)과 NLP·LLM·챗봇(249건 중 34.5%)은 평균보다 높지만 가장 흔한 유형이어서 차별점이 되기 어렵습니다. 마이크로컨트롤러만 쓴 프로젝트는 23.1%로 전체 평균 27%보다 낮습니다. 기기에 학습된 모델을 올린 엣지 AI는 40.7%입니다.
막대 옆의 가는 선은 95% 신뢰구간입니다. 표본이 작을수록 선이 깁니다.
표 전체 보기 (16행)
| 유형 | 2014~16 | 2017~19 | 2021~23 | 2024~26 | 2021~26 건수 | 본상 비율 (95% CI) | 특별상 비율 | 한국 출전 | 한국 본상 |
|---|---|---|---|---|---|---|---|---|---|
| reinforcement learning | 0.2% | 0.3% | 0.5% | 1.0% | 60 | 46.7% (35~59) | 28.3% | 3 | 33.3% |
| generative / diffusion / GAN | 0.0% | 0.4% | 1.1% | 1.8% | 118 | 44.1% (35~53) | 29.7% | 2 | 50.0% |
| time-series / forecasting | 0.6% | 1.5% | 2.3% | 3.6% | 242 | 42.6% (36~49) | 30.6% | 6 | 16.7% |
| edge / embedded AI | 0.1% | 0.2% | 0.4% | 0.9% | 54 | 40.7% (29~54) | 38.9% | 2 | 0.0% |
| robot / drone | 3.1% | 3.8% | 4.5% | 6.0% | 427 | 40.0% (36~45) | 28.3% | 9 | 22.2% |
| deep learning (generic) | 1.2% | 5.1% | 9.4% | 10.3% | 805 | 35.8% (33~39) | 26.1% | 12 | 8.3% |
| classical ML (RF/SVM/XGB) | 0.8% | 1.6% | 3.0% | 4.2% | 294 | 35.4% (30~41) | 24.5% | 2 | 50.0% |
| bioinformatics / omics ML | 0.9% | 1.4% | 3.0% | 5.1% | 333 | 35.1% (30~40) | 17.4% | 2 | 0.0% |
| computer vision / image | 0.9% | 2.7% | 6.6% | 8.2% | 607 | 34.9% (31~39) | 27.2% | 17 | 5.9% |
| NLP / LLM / chatbot | 0.7% | 0.9% | 1.6% | 4.6% | 249 | 34.5% (29~41) | 31.7% | 11 | 0.0% |
| wearable / sensor device | 1.4% | 2.4% | 2.4% | 3.3% | 235 | 34.5% (29~41) | 26.4% | 3 | 33.3% |
| app / web product | 4.5% | 6.2% | 7.7% | 9.8% | 718 | 33.8% (30~37) | 25.9% | 21 | 14.3% |
| explainable / interpretable | 0.0% | 0.0% | 0.7% | 2.5% | 130 | 32.3% (25~41) | 20.0% | 2 | 0.0% |
| simulation / numerical | 8.7% | 9.0% | 10.1% | 15.1% | 1029 | 31.4% (29~34) | 23.0% | 15 | 20.0% |
| blockchain / crypto | 0.8% | 0.9% | 0.5% | 0.7% | 52 | 30.8% (20~44) | 42.3% | 3 | 0.0% |
| Arduino / microcontroller | 3.1% | 3.8% | 3.8% | 4.1% | 324 | 23.1% (19~28) | 21.6% | 5 | 0.0% |
분야 안의 도구인가, 분야 그 자체인가
2021~2026년 대분류별로 AI를 쓴 프로젝트와 쓰지 않은 프로젝트의 본상 비율입니다. 생명·의학 36.3% 대 24.5%(n=706/2,759), 지구·환경 40.9% 대 24.6%, 행동·사회과학 43.7% 대 21.9%, 물리·수학 39.6% 대 26.1%, 공학·에너지 40.4% 대 25.9%, 컴퓨팅·로봇 29.9% 대 24.4%입니다. 분야별로 보면 Animal Sciences(+34%p), Earth and Environmental Sciences(+27%p), Behavioral and Social Sciences(+22%p)에서 차이가 가장 크고 Robotics(+2%p), Embedded Systems(+1%p), Environmental Engineering(+1%p)에서는 거의 없습니다.
이 차이는 줄어들고 있습니다. 컴퓨팅 분야 밖에서 AI 프로젝트는 2021년 43% 대 24%였지만 2026년에는 30% 대 26%였고 그 사이 AI 비중은 12.5%에서 21%로 늘었습니다. 컴퓨팅 분야 안에서는 2022~2024년에 차이가 사라졌다가 2025~2026년에 다시 벌어졌는데(32% 대 21%), AI가 65%를 차지하면서 이번에는 AI를 쓰지 않은 프로젝트가 어려워진 쪽입니다. 오래 남는 차별점은 모델의 존재가 아니라 방법입니다. 그 내용은 수상 초록 페이지에 있습니다.
AI는 초록의 머신러닝·신경망 언급, 장치는 센서·마이크로컨트롤러·하드웨어 언급 기준입니다.
한국 AI 프로젝트의 역설
한국 출전작의 AI 언급 비중은 2021~2026년 23%로 세계 평균 22.7%와 같습니다. 그런데 한국 AI 프로젝트는 10.9%(46건), 한국 비AI 프로젝트는 16.8%(226건)가 본상을 받았습니다. 세계 전체와 반대 방향입니다. 한국 컴퓨터 비전 프로젝트 17건 중 본상 1건, NLP·LLM 프로젝트 11건 중 0건, 앱·웹 서비스 21건 중 3건입니다. 세계의 같은 유형은 34~35%가 받았습니다. 주제가 아니라 설계와 검증, 그리고 서술 방식의 차이로 읽힙니다.
2024~2026년 1등상을 받은 AI 프로젝트들은 공통점이 있습니다. 시스템에 이름이 있고(SmartBlink, MalariaX, HandTalk, HARMONI), 첫 문장이 문제의 크기를 사람 수나 비용으로 말하고(미국 청각장애 1,100만 명, 3만 5,000달러짜리 현미경), 구성 요소를 구체적으로 적고(YOLOv11, MediaPipe, INT8 양자화, Geant4), 결과 문장에 수치가 있으며(휠체어 사용자 검출 정확도 95%, 양력 대 항력 비 3배), 대개 하드웨어나 현장 적용이 따라붙습니다.
세계의 같은 유형은 34~35%가 본상을 받았습니다.
자주 묻는 질문
데이터와 방법
출처는 두 곳입니다. Society for Science의 공개 초록 데이터베이스(abstracts.societyforscience.org)에서 2014~2026년 ISEF 파이널리스트 프로젝트 17,565건의 제목, 분야, 출전 국가, 수상 내역, 초록을 모았고, isef.net 프로젝트 라이브러리에서 2021~2026년 8,134건의 수상 등급 표시를 받아 연도와 부스 번호로 연결했습니다. 집계일은 2026년 10월 11일입니다.
본상(Grand Award)은 1~4등상과 Best of Category를 합한 것으로, 각 분야 상위 약 27%에 해당합니다. 특별상은 후원 단체가 따로 심사해 주는 상입니다. 2020년 ISEF는 심사 없이 열려 모든 비율 계산에서 뺐습니다. 초록 데이터베이스에는 2025년 수상 내역이 없고 2018년 이후 Materials Science 본상 대부분이 빠져 있어, 2021~2026년 수상 여부는 두 출처를 합쳐 판정했습니다. 'AI 언급'은 제목이나 초록에 머신러닝 관련 용어가 있다는 뜻이고 프로젝트의 핵심이 AI라는 뜻은 아닙니다. 모든 수치는 상관관계이며 한국 분야별 수치는 표본이 2~24건이라 방향만 읽어야 합니다.
출처
- https://abstracts.societyforscience.org/
- https://isef.net/search-results/projects
- https://www.societyforscience.org/isef/awards/
이 페이지의 수치는 공개된 ISEF 결과를 집계한 분야별 기준 비율입니다. 특정 학생의 수상, 선발, 입학을 예측하거나 약속하지 않습니다. CIT는 수상·선발·합격을 보장하지 않습니다.
ISEF 데이터 시리즈
학생 주제부터 같이 잡아 볼까요?
학년, 관심 분야, 참가를 생각하는 대회를 알려 주시면 이 데이터에 비춰 현실적인 준비 순서를 함께 정리합니다.