DEA를 활용한 인공지능 기업 효율성 분석 : AI 중소기업 지원사업 정책효과를 중심으로
Efficiency Analysis of AI Companies Using DEA : Focusing on the Effects of AI SMEs Support Policy
- 주제(키워드) 인공지능 , 자료포락분석 , 맘퀴스트 , 바우처 보조금 , 정책성과
- 발행기관 아주대학교 일반대학원
- 지도교수 이주연
- 발행년도 2024
- 학위수여년월 2024. 8
- 학위명 박사
- 학과 및 전공 일반대학원 과학기술정책학과
- 실제URI http://www.dcollection.net/handler/ajou/000000033845
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
As Artificial Intelligence (AI) and Big Data technology have made rapid progress, AI has expanded its application range from recommendation services and personal health management to professional areas such as glaucoma and various cancer diagnosis. In some areas of disease diagnosis, the level has been greatly improved, AI has achieved diagnostic accuracy comparable to that of specialists. In particular, the emergence of large language models (LLMs) such as OpenAI's ChatGPT and Google's Bard has made the realization of General AI with human-level intellectual capabilities, which was expected to be implemented in the distant future. In response to the rapidly changing global technological environment, South Korean governments is investing large amounts of budget in the development and utilization of hyper-scale AI projects. It is also promoting various AI industry promotion policies such as technology development, market opening, and talent cultivation. However, compared to countries like the United States and China, which possess core technologies and engage in massive investments, the utilization of AI technology by domestic companies in South Korea is still relatively limited. Companies that want to adopt AI face various hurdles such as lack of information about AI utilization, uncertainty about investment returns, and insufficient AI capabilities within their organizations. Due to these obstacles to AI adoption, it is extremely challenging for small and medium-sized enterprises (SMEs) with AI technology to secure initial market entry and commercialization, except for government support projects. The market situation is characterized by small-scale Proof of Concept (PoC) projects, with limited opportunities for AI companies to thrive outside of government initiatives. This challenging situation worsens in regional areas, where the number of AI companies is significantly scarce, and the availability of pathways to leverage technologies developed through collaboration with local universities and research institutes is also limited. Currently, the domestic AI market in South Korea is still in its early stages, with many AI companies generating sales but operating at a loss. On the other hand, countries in Europe such as the United Kingdom, the Netherlands, and Ireland are actively utilizing the Innovation Voucher system to foster the growth of SMEs. The Innovation Voucher system operates as a subsidy project that provides support for the purchase of products or services from SMEs. Countries that adopt the Innovation Voucher system prioritize the development of technology-intensive SMEs as a key objective and, depending on the country, provide up to three additional opportunities to increase the potential for generating outcomes. To address the complex issues arising from the COVID-19 shock, rapid AI advancements, and the underdeveloped domestic AI industry ecosystem, South Korea implemented the AI Voucher program starting from 2020. Initially, it was a small-scale project with a budget of 3.92 billion KRW, but due to a high competition ratio of 24:1 and the economic impact of COVID-19, it was expanded through additional budget adjustments to a total of 56 billion KRW. As a result of the AI Voucher program, as of 2022, the number of registered AI companies has exceeded 1,500, making it a project in which the majority of domestic AI companies participate. The policy outcomes of the AI Voucher program not only analyze the significance of implementing a large-scale government project but also serve as valuable reference material for planning similar projects, considering its representative nature as a project with the participation of the majority of domestic AI companies. Additionally, with over 200 companies participating in the program each year and accumulating more than three years' worth of data, it can provide useful benchmarking data for the planning of similar projects. The AI Voucher program, unlike traditional research and development projects, aims to foster company growth through market exploration. Therefore, the evaluation criteria for the program also include measuring economic performance. To conduct more sophisticated analysis, the measurement of economic performance is divided into stages that assess external growth indicators such as sales and employee growth, as well as profit-generating stages. This division allows for a step-by-step analysis of the causes of inefficiency that may arise. In this study, a two-staged data envelopment analysis (DEA) model was used as the research model. Based on the financial information of SMEs publicly available from the Ministry of SMEs and Startups, the correlation between inputs and outputs was analyzed, and the efficiency of growth stages and profit-generating stages was measured. Benchmarking targets and inefficient factors were diagnosed. Furthermore, using six years of accumulated data, including three years before and after the implementation of the project, dynamic analysis was conducted using Malmquist productivity index to examine the impact of technological advancement and efficiency changes. Lastly, the influence of company ages, location, and the number of project selections on efficiency was analyzed by performing Shapiro-Wilk normality tests and Mann-Whitney U tests to compare differences between groups. The results of comparing the efficiency of BCC and CCR models showed that the BCC model exhibited higher efficiency values in general. Among a total of 1,200 data points, approximately 1% of the efficient DMUs had a total efficiency value of 1 according to the BCC model, indicating 15 efficient companies. Numerically, 78% of the companies showed an increasing trend in both sales and employment, and the factor that influenced inefficiency the most was sales amount, which was a significant output factor in terms of growth efficiency. Analyzing the Malmquist productivity index from 2017 to 2022, which measures growth efficiency, the overall trend showed upward development. However, there were significant variations in the indices of technological change and efficiency change on a yearly basis. To measure the disparity between competitive and non-competitive companies after the implementation of the project, the Gini coefficient was calculated using efficiency data. The results indicated an increase in inequality, with the cause of growth efficiency inequality being attributed to technological efficiency, while there was no significant change in profit efficiency. The Tobit regression analysis revealed that growth efficiency was significantly influenced by the location of companies, with companies located in regional areas experiencing relatively higher growth. Profit efficiency, on the other hand, was influenced by factors such as location, company ages, and the number of project selections. This study predicts that the AI voucher program, by providing support for business market expansion, would have had positive effects on both growth and profitability. However, the timing of the study coincided with the COVID-19, during which companies experienced a general decline in sales and profitability. Economically challenging factors were compounded during this period, making it difficult to generate significant economic outcomes. The analysis of efficiency data revealed that the negative effects of the COVID-19 pandemic outweighed the positive effects of government support through the AI voucher project. Consequently, businesses supported by the project and those that had not yet been affected by the pandemic showed higher efficiency levels compared to those supported after the outbreak. From the perspective of growth efficiency, companies located in regional areas demonstrated higher growth rates compared to companies in metropolitan areas, even with the same sales increase. On the other hand, in terms of profit efficiency, companies located in metropolitan areas, those with better market exploration opportunities, and those with more than seven years of experience, as well as companies that benefited from multiple government supports, showed higher efficiency levels. Thus far, the analysis has moved beyond simple aggregation of variables such as sales, employment, patent and paper count. Through this research, more sophisticated and quantified analysis results are provided, shedding light on the types of AI companies that have experienced growth and increased competitiveness in terms of profit efficiency through government policy support. This not only contributes to improving the AI voucher program for expanding performance outcomes but also serves as a reference for policy planning in supporting various emerging industries, such as metaverse, by providing detailed analysis results by factor. It increases the predictive potential of policy planning based on the findings of this study.
more초록/요약
인공지능(Artificial Intelligence, AI)과 빅데이터 기술이 비약적으로 발전함에 따라 AI는 생활 속 추천 서비스, 건강관리 서비스부터 녹내장, 각종 암 진단 등 전문적인 진단 영역까지 기술의 적용 범위가 점차 확대되고 있다. 일부 질병 진단 분야에서는 전문의 수준의 진단 정확도를 달성하는 등 수준이 크게 발전한 것이다. OpenAI의 ChatGPT나 Google의 Bard와 같은 초거대 언어모델(Large Language Model, LLM)의 등장에 따라 먼 미래에나 구현될 것으로 예측되었던 인간 수준의 지적 능력을 갖춘 General AI 구현 시대가 다가오고 있다. 이처럼 급변하는 글로벌 기술과 산업 환경변화에 대응하기 위해 정부는 초거대 AI 활용을 위한 지원사업 등에 대규모 재정 자원을 투자하고 있으며 기술개발, 판로개척, 인재 양성 등 다양한 AI 산업 육성 정책을 추진하고 있다. 원천 기술을 가지고 있는 미국이나 대규모 투자가 이루어지는 중국, 유럽 등 주요 선진국들과 대비하여 AI 기술 활용은 상대적으로 활발하지 않은 상황이다. AI 기술을 활용하고자 하는 기업은 AI 활용에 대한 정보의 부족, 투자 효과에 대한 불확신, 기업 내 AI 활용 역량 부족 등의 다양한 이유로 AI 기술 도입에 소극적이기 때문이다. AI 기술을 활용할 수요 기업의 이러한 소극적 태도로 인해 AI 기술을 가진 중소기업이 초기 판로를 확보하여 솔루션을 상용화에 성공하는 것은 매우 어려운 일이며 정부 지원사업을 제외하면 개념 증명(Proof of Concept, PoC) 수준의 소규모 사업들이 미미하게 진행되고 있다. 이러한 열악한 상황은 지방으로 갈수록 더욱 심각해져 AI 기업 수가 절대적으로 부족한 상황에서 지역의 대학과 연구소 협력을 통해 혁신 기술을 개발하더라도 이를 구매하고 활용해 줄 활용 기업이 마땅치 않은 것이 현실이다. 정부의 AI 산업 육성 정책 노력에도 불구하고 국내 AI 시장은 초기 상태이며, 매출이 있다 하더라도 적자 상태인 중소기업이 다수인 상황이다. 한편, 영국, 네덜란드, 아일랜드 등 유럽 국가들은 혁신 바우처 사업을 추진하여 중소기업의 제품이나 서비스 구매 비용을 지원하는 보조금 지원 제도를 활발하게 운용하고 있다. 혁신 바우처를 운영 중인 대다수 국가는 기술 집약형 중소기업 양성을 핵심 목표로 하고 있으며, 국가에 따라서는 세 차례까지 추가적인 과제 참여 기회를 부여하여 성과 창출 가능성을 높이고 있다. 우리나라도 코로나19 팬데믹과 급격한 AI 기술 발전에 따른 산업 환경변화, 열악한 국내 산업 생태계 등 복합적 문제를 해결하기 위해 2020년부터 AI 바우처 사업을 시작하였다. 첫해 39.2억 원의 소규모 사업으로 추진하였으며, 24 대 1의 높은 경쟁률을 통한 시장 수요, 코로나19 경기 침체 극복 등이 동인이 되어 추가경정예산을 통해 560억 원 규모 사업으로 확대 개편되었다. 2023년 기준으로 AI 바우처 사업에 등록된 AI 기업이 누적 2,000개가 넘어서게 되어 국내 AI 기업 대다수가 참여하는 사업으로 발전하게 되었다. AI 바우처 사업에서는 AI 기술을 보유한 기업인지 아닌지를 엄선하고 있으며, 이러한 과정을 통해 양질의 기업 정보를 획득할 수 있게 되었다. 또한, 200개 이상의 기업이 과제에 참여하고 있고 3년 이상의 데이터가 누적되어 연구에 필요한 충분한 데이터를 확보할 수 있게 되었다. 여타 연구개발 사업과 달리 AI 바우처는 판로개척을 통한 기업 성장을 핵심 성과 목표로 설정하여 사업의 성과측정 기준 역시 경제적 성과를 중심으로 분석할 필요가 있으며, 더욱 정교한 분석을 위해 성과측정 단계를 세분화하여 매출과 종업원 수가 증가하는 성장단계와 수익을 창출하는 수익 단계로 나누어 효율성을 측정하였으며, 비효율성 발생의 원인을 단계별로 분석하였다. 본 연구는 자료 포락 분석 모델과 중소벤처기업부에서 공개한 중소기업 재무 데이터를 기반으로 투입과 산출변수를 찾아냈으며, 도출된 변수 간 상관관계를 분석하였다. 2017년에서 2022년까지 총 6년간 성장단계와 수익단계의 기업 효율성을 측정하였으며, 기업별로 벤치마킹 대상을 도출하고 비효율 발생의 원인을 진단하였다. 또한 AI 바우처 사업 시행 전과 후 각 3년간의 재무 데이터를 활용하여 맘퀴스트 생산성 지수를 측정하여 기술 진보와 효율성 변화 중 어떤 요인이 생산성 변화에 영향을 주었는지 분석하였다. 업력, 소재지, 지원과제 선정 횟수가 효율성에 어떤 영향을 주었는지 알아보기 위해 비교 대상 그룹을 설정하고 샤피로-윌크 정규성 검정을 통해 정규분포 여부를 검정하였으며, 맨-휘트니 U 검정을 통해 각 그룹 간 얼마나 차이가 있었는지 분석하였다. 효율성 측정 결과, 전반적으로 CCR 모델 대비 BCC 모델의 효율성이 높은 수치를 보였으며, 6년간의 누적치인 총 1,200건의 데이터를 대상으로 분석한 결과 성장과 수익단계 모두에서 효율적인 기업은 BCC 모델 기준으로 전체 데이터의 약 1%(15개) 수준이었다. 또한 78%에 달하는 기업이 매출과 고용 수 측면에서 모두 증가 추세였으며, 비효율에 영향을 준 가장 큰 요인은 매출액인 것으로 나타났다. 맘퀴스트 생산성 지수를 분석한 결과, 전반적으로 생산성 수치는 증가 추세에 있었으나 연도별로 기술변화와 효율성 변화지수 간 큰 편차를 보였다. 추가로 사업 시행 이후 기업 간 효율성 편차를 계측하기 위해 불평등 지수인 지니계수를 측정하였으며, 사업 시행 이후 성장 효율성 측면에서는 불평등의 폭이 커져 빈익빈 부익부 현상이 있는 것으로 확인하였으며, 수익 효율성 측면에서는 별다른 변화는 없었다. 기업 효율성에 영향을 미치는 환경요인에 대한 분석을 위해 토빗 회귀분석을 수행한 결과, 성장 효율성은 기저 효과에 의해 지방 소재 기업이 수도권 기업에 비해 상대적으로 더 성장하였고, 수익 효율성은 소재지, 업력, 정부 과제 선정 횟수에 모두 영향을 받는 것으로 나타났다. 환경변수 중 시간적 요소가 효율성에 미치는 영향도를 계측하기 위해 2020년을 기점으로 전후 3년간의 효율성을 비교하였다. AI 바우처 사업으로 인해 기업 매출과 이익 개선에 긍정적인 효과가 있을 것으로 예상할 수 있으나, 코로나19는 AI 기업의 매출 창출을 어렵게 하는 부정적 요소도 함께 작용한 것이라 추정된다. 코로나19와 AI 바우처 지원 효과가 혼재되는 시점인 2020년을 기점으로 이전 3년과 이후 3년의 기업 경제적 성과 추이를 분석한 결과, 코로나19로 인한 부정적 요인이 사업 시행의 긍정적 요소에 대비하여 크게 작용한 것으로 나타났다. 성장 효율성 측면에서는 지방 기업이 수도권 기업 대비 매출액 기준 59% 규모에 불과한 상태라 동일 매출 증가라 하더라도 기저 효과 등으로 인해 수도권 대비 높은 성장률을 보였으나, 수익 효율성 측면에서는 판로개척이 유리한 수도권 기업, 7년 차 이상의 업력을 가진 기업, 여러 번 선정된 기업일수록 수익성 효율성이 높은 수치를 나타냈다. 전통적인 성과측정 방식은 매출액, 종업원 수, 특허와 논문 수 등을 단순 집계하는 방식이었다면, 본 연구는 어떤 유형의 AI 기업이 얼마나 성장하여 경쟁력을 높였는지를 보다 정교하고 정량적으로 분석했다는 점에 차별화 요소가 있다. 본 연구 결과를 활용하여 정부 지원사업의 개선에 활용할 수 있을 뿐 아니라 다양한 신산업 육성을 위한 정책 수립과 사업 기획을 위한 자료로 활용하여 정부의 정책적 예측 가능성을 높이는 데 이바지할 수 있다는 점에 연구의 의의가 있다.
more목차
제1장 서론 1
제1절 연구의 배경 및 목적 1
1. 연구 배경 1
2. 연구 목적 4
제2절 연구 범위 및 구성 5
1. 연구 범위 5
2. 논문 구성 7
제2장 기업 지원정책 현황 9
제1절 중소기업 지원정책 9
1. 중소기업 성장이론 9
2. 정부지원 필요성 10
3. 시장실패 유형 12
4. 시스템 실패 유형 13
5. 신산업주의 15
6. 정책성과측정 17
제2절 AI 중소기업 지원사업 20
제3장 선행 및 이론연구 22
제1절 선행연구 22
1. 효율성 분석연구 22
2. 정책효과 분석연구 27
3. 투입 및 산출변수 선정 33
제2절 이론연구 35
1. 효율성 이론 35
2. 자료포락분석(DEA) 42
3. 맘퀴스트 생산성 지수 57
4. 토빗(Tobit) 회귀모델 60
제4장 실증분석 62
제1절 변수 기술통계 62
제2절 효율성 측정 77
제3절 생산성 변화분석 87
제4절 효율성 결정요인 분석 98
1. 토빗 회귀분석 98
2. 샤피로-윌크 정규성 검정 99
3. 맨-휘트니 U 검정 101
제5장 결론 111
제1절 연구결과 요약 111
제2절 정책적 시사점 및 제언 119
제3절 한계점 및 향후 연구방향 124
참고문헌 126
부록. 기업 효율성 분석 데이터 137
Abstract 161
