열려있는 정책플랫폼 |
국가미래연구원은 폭 넓은 주제를 깊은 통찰력으로 다룹니다

※ 여기에 실린 글은 필자 개인의 의견이며 국가미래연구원(IFS)의 공식입장과는 차이가 있을 수 있습니다.

기업 성과를 높이는 인공지능 본문듣기

작성시간

  • 기사입력 2022년06월08일 16시30분
  • 최종수정 2022년06월03일 10시40분

작성자

  • 김태균
  • KAIST 기술경영전문대학원 박사과정

메타정보

  • 5

본문

Ⅰ. 인공지능 기술의 도입: 선택인가, 필수인가?

 

인공지능 기술이 비약적으로 발전하면서 보급률이 더욱 높아질 것으로 예상 된다. 특히, 복잡하고 반복적인 작업을 대신 수행하고, 나아가 구조화되지 않은 데이터에서 새로운 인사이트를 도출하여 인간 노동자를 보완할 것으로 기대되면서, 전 세계 기업들이 제품 및 서비스 개발에 인공지능 기술을 응용 하려는 시도가 계속해서 증가하고 있다. IBM의 ‘글로벌 AI 도입지수 2021년’에 따르면 미국, 중국, 영국, 독일, 프랑스 등의 기업 3분의 1이 현재 실제 비즈니스에서 인공지능 기술을 활용하고 있다고 응답했으며, 절반은 인공지능 기술의 도입을 검토 중이라고 밝혔다.

 

이러한 세계적 흐름과는 대조적으로, 한국의 기업들은 인공지능 기술 개발과 도입에 다소 미온적인 태도를 보인다. 클라리베이트(Clarivate)와 카이스트가 분석한 인공지능 동향을 살펴보면, 한국 기업들은 인공지능 분야에서 개발 속도는 빠르지만 양질의 기술 혁신을 하지 못하고 있는 것으로 나타났다. 뿐만 아니라 여전히 많은 기업이 인공지능 기술에 대한 불확실함을 가지고 있으며, 이로 인해 도입에 필요한 높은 비용을 지불하기 꺼리고 있다. 심지어, IT강국 이라는 위상에 맞지 않게 도입하지 않은 대다수 기업은 앞으로도 인공지능기술을 도입할 계획이 없다고 밝혔다. 인공지능 강국으로의 길은 먼 나라 이야기로 보인다. 

 

이 글은 인공지능 기술 도입과 관련된 불확실성을 조금이나마 해소하기 위해, 어쩌면 기업들이 가장 궁금해 할 수 있는 질문인 ‘그래서 인공지능 기술 도입이 내 회사에 도움이 되나?’에 대해 지금까지 인공지능을 도입한 기업들의 성과를 소개하고자 한다. 

 

구체적으로 본 글에서는 기업의 인공지능 기술 도입이 기업 성과에 어떠한 영향을 미쳤는지 분석할 예정이다. 이를 위해, 미국과 한국에서 어떤 기업이 어떠한 인공지능 기술을 도입하였는지 파악하고, 이들 기업이 어떠한 성과를 거두고 있는지 살펴보았다. 먼저, 미국의 경우, 348개의 상장 기업을 대상으로 단기 및 장기적 성과를 분석하였으며, 한국의 경우는 300개의 중소기업을 대상으로 매출액 성장을 분석하였다. 이를 통해, 다양한 규모의 기업들에서의 인공지능 기술 도입 효과를 확인해보고자 하였다. 나아가, 어떤 기업들이 인공지능 기술을 더 잘 활용하여 좋은 경영 성과로 만들어내는지 탐색하여 인공지능 기술의 도입을 계획하고 있는 기업들에 시사점을 도출하였다.

 

Ⅱ. 미국 기업은 인공지능 도입으로부터 성과를 얻고 있다

 

먼저, 본 섹션에서는 미국의 인공지능 도입 기업과 이들 기업의 성과를 파악해보았다. 이를 위해, 인공지능 기술과 관련된 텍스트 (text)를 기반으로 미국 내 상장 기업 중 348개의 인공지능 도입 기업을 파악하였으며, 이들 기업의 단기적 성과와 장기적 성과를 분석하였다.

 

1. 인공지능 기술 분류와 기업 성과: 자동화 인공지능과  증강 인공지능

 

인공지능 기술은 크게 자동화 인공지능(Automation AI)와 증강 인공지능(Augmentation AI)으로 나누어볼 수 있다. 먼저 자동화 인공지능은 복잡하고 반복되는 작업을 자동으로 수행하여, 인간의 도움 없이 데이터를 이동하고 다루고 처리하는 모든 과정을 수행한다. 기존의 로봇에서 센서와 네트워크 인프라를 통합하여 더 고도화된 자동화 기능을 담당한다. 이를 활용하여, 인간 노동자보다 정확하고 빠르게 반복된 일을 수행하여 효율성을 높일 수 있으며, 반복된 일을 담당하던 노동자를 새로운 업무에 배치하여 전략적으로 중요한 업무에 집중할 수 있게 할 수 있다. 

 

이와 대조적으로 증강 인공지능은 인간의 의사결정을 도와주는 역할(Semi-Autonomous)을 한다. 구조화되지 않은 데이터를 분석하고 인사이트를 도출하여 인간 노동자에게 업무 수행 에서 새로운 방향을 제시해줄 수 있다. 예를 들어, 콜센터에서는 음성 인식을 활용하여 고객의 대화를 저장하고 분석하여 고객 맞춤형 응대가 가능하게 하는 것이 하나의 예이다. 기업은  이러한 인공지능 기술을 활용하여 의사결정 과정을 향상할 수 있으며, 새로운 비즈니스 모델을 도출할 수 있다.

 

2. 자동화 인공지능은 기업의 단기적 매출원가를  낮추고 있다

 

단기적인 성과로 이익과 관련된 총자산이익률(Return On Assets, ROA), 자기자본이익률 (Return on equity, ROE) 등을 살펴보았으며, 비용과 관련된 매출원가(Cost Of Goods Sold, COGS), 운영비용(operating expenditure) 등을 살펴보았다. 분석 결과, 전반적으로 인공지능 기술 도입은 단기적인 기업의 성과로 이어지지 않는 것으로 나타났다. 다시 말해, 인공지능 기술 도입을 통해 이익을 증가시키거나 제품 생산 및 개발과 관련된 비용을 줄였다는 것을 확인할 수 없었다. 다만 인공지능 기술을 세부적으로 분류하여 살펴보았을 때, 인공 지능별로서도 다른 경영 성과를 가져옴을 확인할 수 있었다.

 

구체적으로 살펴보면, 자동화 인공지능 기술을 도입한 기업에서 유의미한 매출원가 감소가 있는 것으로 나타났다. 필자의 분석에 의하면, 자동화 인공지능을 활용한 기업은 도입 후 4년 동안 약 17.9%의 매출원가를 감소시킨 것으로 나타났다. 이는 기업들이 자동화 목적의 인공 지능 기술을 활용하여 인건비를 효율적으로 절감하였으며, 생산 과정에서의 불량 감소 등을 통한 원가 절감을 달성했다는 의미이다. 이는 곧 자동화 인공지능은 도입 직후 짧은 시간 내에 경영 효과를 발생시키고 있는 셈이다. 분석에 따르면 이러한 효과는 특히 서비스업보다 제조업에서 두드러지게 나타나고 있는 것으로 나타났다. 이와 대조적으로 증강 인공지능에서는 유의미한 매출 증대나 원가 절감의 효과는 확인할 수 없었다.

 

3. 증강 인공지능은 기업의 장기적 시장가치를  높이고 있다

 

장기적인 재무 성과로는 토빈의 q(Tobin’s q)를 활용하여 분석을 진행하였다. 토빈의 q는 전통적인 투자 변수에 시장가치(e.g., 주가)를 반영한 것으로 기업의 미래 가치를 파악하는 데 도움을 준다. 분석 결과, 인공지능 기술을 도입한 기업은 도입하지 않은 기업보다 더 높은 토빈의 q를 보였으며, 도입 후 4년 동안 약 19.0% 이상 증가한 것으로 분석되었다.

 

 이를 해석 하면, 인공지능 기술의 도입이 당장 성과로 이어질 것이라는 기대보다는, 선제적으로 도입하여 관련된 경험과 노하우를 습득하고 이를 인공지능 시장이 좀 더 구체화되었을 때 적극적으로 활용하여 더 좋은 경영 성과를 창출해낼 수 있을 것이라는 기대가 반영된 것으로 볼 수 있다. 이러한 기대감은 자동화 인공지능보다 증강 인공지능을 도입한 기업에게 더 두드러지게 나타나는 것으로 분석되었다. 증강 인공지능의 경우, 구조화되지 않고 복잡한 데이터를 분석할 수 있으며, 사람은 도출된 데이터를 평가하고 반영하여 새로운 알고리즘으로 만들어 증 강 인공지능을 더욱 견고히 만들어가는 과정(Iterative process)이 필요하다. 

 

이 과정이 매우 복잡하고 큰 비용이 소모되지만, 성공적으로 정착되면 새로운 예측(Prediction) 역량을 강화하여 비즈니스에 활용할 수 있으며 새로운 비즈니스 모델(Business Model)을 창출해 낼 수 있다. 즉, 증강 인공지능을 도입한 기업에 효율성 개선을 통한 생산성 향상보다 가까운 미래에 새로운 비즈니스 창출을 통한 더 높은 수익 창출을 기대하고 있으며, 이러한 기대감이 더 높은 토빈의 q 값으로 나타나는 것으로 볼 수 있다.

 

4.요약: 미국 기업의 인공지능 기술 도입은 기업의 성과를 높이고 있다.

 

미국 기업 데이터를 활용하여 분석된 결과를 요약하자면, 자동화 인공지능을 도입한 기업은 단기적으로 매출원가를 줄이는 성과를 얻는 것으로 드러났으며, 증강 인공지능을 도입한 기업은 단기적인 비용 감소와 이익 증가는 없었지만, 장기적으로는 더 높은 기대치를 받는 것으로 나타났다.

 

Ⅲ. 한국 기업도 인공지능 도입으로부터 성과를 얻고 있다

 

본 섹션에서는 설문 조사를 통해 한국의 중소기업 중 인공지능 기술을 도입한 기업을 파악하고, 중소기업벤처부 제공의 데이터를 결합하여 이들 기업의 성과를 분석하였다. 도입 여부만을 확인했던 미국 기업 분석에서 나아가 300개의 중소기업을 대상으로 설문 조사를 진행하여, 기업이 가장 대표적인 인공지능 기술인 자연어처리(Natural language processing), 컴퓨터 비전(Computer vision), 머신러닝(Machine learning) 등의 인공지능 기술을 제품 개발, 연구 개발 과정에서 구체적으로 어느 정도로 사용하고 있는지를 확인하고 이들 기업의 성과를 확인하였다.

 

1. 대표적인 인공지능 기술: 자연어처리, 컴퓨터비전, 머신러닝

 

먼저 자연어처리는 사람처럼 언어를 이해 및 처리하도록 구현된 인공지능 기술 중 하나이다. 우리가 흔히 사용하는 번역기가 자연어처리의 대표적인 예시이며, 최근 들어 기업들이 고객 응대에서 활용을 늘리고 있는 챗봇도 대표적인 자연어처리 기반의 인공지능 기술이다.

컴퓨터 비전은 기계가 사람의 시각처럼 이미지나 동영상 기반의 물체나 상황을 식별하고 이를 해석하는 인공지능 기술이다. MRI나 CT 등의 결과물을 인식하여 의료 진단을 수행 하는 것이 대표적인 컴퓨터 비전 기술이다.

 

마지막으로 머신러닝은 데이터 기반으로 기계가 반복된 학습을 통해 그 안에 숨겨진 패턴 혹은 인사이트를 찾아내는 인공지능 기술이다. 동영상 스트리밍 사이트에서 사용자가 봤던 영상을 기반으로 새로운 영상을 추천하거나 온라인 상품 판매에서 상품 추천 등이 머신 러닝을 활용하는 사례이다.

 

2. 인공지능 기술의  활용은 매출액을 증가시키고 있다

 

먼저, 인공지능을 도입한 국내 기업과 도입하지 않은 기업을 비교했을 때, 인공지능을 도입한 기업이 그렇지 않은 기업보다 30% 더 높은 매출액 성장률을 보이는 것으로 분석 되었다. 나아가 인공지능 도입을 ‘(1) 도입하지 않음, (2) 테스트 단계, (3) 0~5% 활용 중, (4) 5~25% 활용 중, (5) 25~50%, (6) 50% 이상 활용’ 으로 세분화하여 매출액 성장을 비교해보았다.[그림 1]에 제시된 바와 같이, 인공지능 기술의 도입이 기업의 매출액 성장 에 미치는 영향은 특히 기업이 인공지능 기술을 25% 이상 도입했을 때 두드러지게 나타나는 것으로 분석되었다. 미국 기업과 마찬가지로, 국내 기업들도 인공지능 기술을 비즈니스에 응용하여 좋은 성과를 거두고 있었다.

 

088bf402aa3c88d3ee68f3c1d7f04938_1654219 

 

이러한 결과는 Erik Brynjolfsson이 주장한 생산성 역설(Productivity Paradox)을 보여준다. 생산성 역설이란, 생산성 향상을 위해 인공지능 기술을 도입했지만, 그 성과는 단기적으로 드러나는 것이 아니라 꾸준한 투자와 경험이 누적되었을 때만 나타나는 것을 의미한다. 다시 말해, 인공지능 기술의 도입이 경영 성과로 발현되기 위해서는 인공지능 을 활용하기 위한 장비 및 인프라 구축 등의 유형 자산(Tangible asset)과 인공지능 전략 마련, 조직 개편, 직원 재교육 등의 무형 자산(Intangible asset)에 대한 투자가 필수적 이다. 따라서, 도입 초기에는 기대했던 생산성 향상의 효과는 발현되기 어려우며, 인공지능 기술을 활용하기 위한 모든 준비가 끝나고 전사적으로 활용되었을 때 비로소 나타나는 것이다. 한국 기업의 인공지능 도입 및 활용에서도 이와 같은 결과가 도출되었다.

 

3. 인공지능은 기업의 비즈니스 전반에 걸쳐 도움을 주고 있다

 

본 설문 조사에서는 추가로 기업이 인공지능 기술을 사용하고 있다면, 어떠한 측면에서 도움을 받았는지 물어보았다. 분석에 의하면, 기업들은 인공지능 기술의 사용을 통해 제품과 서비스의 개발 및 향상 과정에서 큰 도움을 받았다고 응답했으며, 마케팅과 판매 와 고객 대응에서도 만족스러운 효과를 얻었다고 응답하였다. 이를 요약하면, 기업은 제품의 개발부터 판매 및 사후 서비스까지 기업 활동 전반에 걸쳐 인공지능 기술의 활용 효과를 얻고 있는 것으로 나타났다<[그림 2] 참조>. 이러한 결과는 특히 인공지능 기술을 25% 이상 사용하고 있는 기업군에서 두드러지게 나타났다. 다시 말해, 인공지능 기술을 더 전사적으로 활용할수록 경영적으로 얻을 수 있는 효과가 더 극대화되는 것으로 분석 되었다. 

088bf402aa3c88d3ee68f3c1d7f04938_1654220 

4. 인공지능 기술의 효율적 활용에는 보완 기술 투자가 필요하다

 

나아가 어떤 기업이 더 성공적으로 인공지능 기술을 활용하여 매출액 증가를 창출하는지 파악해보기 위해, 기업의 인공지능 보완 기술사용 여부를 비교하여 두 집단 간의 매출액 차이를 비교 분석해보았다. 인공지능 기술은 알고리즘 기반으로 많은 양의 데이터를 보관하고 활용하는 것이 필요하며, 분석을 위해서는 고성능의 컴퓨팅 파워가 필요하다. 따라서, 인공지능 기술 도입과 데이터베이스 센터(Database center)와 클라우드 컴퓨팅 (Cloud computing) 도입은 뗄 수 없는 중요한 관련이 있다. 

 

[그림 3]에 나타난 바와 같이, 한국 기업의 인공지능 기술 도입과 매출액 간의 관계에서 데이터베이스 센터와 클라우드 컴퓨팅을 보완 기술로 같이 도입하여 사용한 기업군에 서 더 뛰어난 매출액 성장을 보이는 것으로 나타났다. 앞서 분석된 결과와 유사하게, 인공 지능 기술을 비즈니스에 25% 이상 활용하고 보완 기술을 활용했을 때 매출액 증가가 두드러지게 나타났으며, 보완기술을 활용하지 않고 인공지능 기술을 활용하고 있는 기업과 비교해서도 매출액 성장이 약 63.7% 더 높은 것으로 분석되었다. 이러한 결과는 인공지능 기술이 데이터 저장, 관리 및 컴퓨팅 역량과 밀접한 관련이 있음을 시사하고, 효율적인 인공 지능 기술 응용을 위해서는 보완 기술의 도입이 필수적임을 강조한다.  

088bf402aa3c88d3ee68f3c1d7f04938_1654220 

5. 인공지능 기술의 효율적 활용에는 내부 연구개발 전략이 필요하다

 

인공지능 기술의 도입과 기업의 성과는 기술적 보완뿐만 아니라 기업의 연구개발 전략에 따라서도 다르게 나타날 수 있다. 가령, 인공지능 기술은 기술적 특성상 주로 조직 내부의 데이터에 기반을 두어 알고리즘을 훈련하고 활용한다. 또한, 인공지능의 핵심은 알고리즘 으로 지적 재산권으로 보호하는 것이 다른 기술보다 어렵다. 이러한 특성으로 인해, 외부 협력을 통해 인공지능 기술을 도입하려고 할 때는 기업 내부 정보를 공유하고 지적 재산 권 침해의 위협에 직면할 수 있다. 즉, 인공지능 기술은 기업 자체적인 연구개발을 더 강조 하게 되며, 과거부터 외부와의 협력을 중심으로 혁신 활동을 지속해온 기업은 인공지능 기술의 활용에서 다양한 문제에 직면할 수 있음을 시사한다.

 

[그림 4]는 이러한 결과를 잘 보여주고 있다. 인공지능 기술을 도입한 기업군 중, 과거부터 자체적인 연구개발을 해왔던 기업군에서 외부협력을 강조해왔던 기업군보다 39.9% 더 높은 매출액 성장을 보이는 것으로 나타났다. 이러한 결과는 인공지능 기술의 활용을 위한 새로운 혁신 전략의 대두로 요약될 수 있다. 혁신의 비용과 위험성을 분산하기 위해 2000년대 초반부터 오픈 이노베이션(open innovation)을 강조하면서 외부 기업 및 기관과의 협력을 중요시해왔다. 하지만, 기업 내부의 데이터를 활용하는 인공지능 기술의 도입이 활발해지면서, 기업 내부에서 자체적으로 연구개발을 진행하는 전략이 더 좋은 성과로 이어지고 있는 것을 한국 기업의 사례에서 확인할 수 있다. 

088bf402aa3c88d3ee68f3c1d7f04938_1654220 

6. 요약: 한국 기업의 인공지능 기술 도입도 기업의 성과를 높이고 있다.

 

한국 기업 데이터를 활용한 분석 결과, 인공지능 기술을 비즈니스에 활용하고 있는 기업이 도입하지 않은 기업보다 더 높은 매출액 상승을 가지는 것으로 나타났으며, 특히 더 전사적으로 활용하는 기업에서 매출액 증대가 더 두드러지는 것으로 분석되었다. 나아가, 데이터베이스와 클라우드 컴퓨팅과 같은 인공지능 기술의 보완 기술을 도입하거나 내부적인 연구개발 전략을 추진해왔던 기업에서 매출액 상승이 나타나는 것이 드러났다.

 

7. 미국과 한국 기업의 인공지능 기술 도입 성과 요약

 

앞서 분석된 미국과 한국 기업의 인공지능 기술 도입 성과를 요약하면 아래 [표 1]과 같다.

088bf402aa3c88d3ee68f3c1d7f04938_1654220 

Ⅳ. 인공지능 기술은 필수: 공포에 투자해야 할 때

 

인공지능 기술 혁신이 가속화되면서 인공지능 활용 분야도 산업과 생활 전반에 걸쳐 다양하게 확대되어 가고 있다. 이러한 변화 의 흐름과는 대조적으로 한국에서는 아직도 인공지능 기술에 대한 확신이 부족한 것으로 보인다. 한국개발연구원(KDI) 경제정보센터의 ‘인공지능에 대한 기업체 인식 및 실태조사’에 따르면, 인공지능을 도입하지 않은 기업 중 71.5%는 앞으로도 도입하지 않을 것이라고 밝혔다. 

 

또한, 정보통신정책연구원(KISDI)이 발간한 ‘주요 산업별 인공지능(AI) 도입 현황 및 시사점’에서도 오직 14.7% 기업이 인공지능을 도입하여 활용하고 있으며, 많은 기업이 높은 도입 비용과 인력 부족을 이유로 도입을 주저하고 있다고 설명했다. 

 

하지만, 제기된 우려와는 다르게 인공지능 기술은 실제로 기업의 성과에 기여하고 있다. 인공지능 기술은 미래가 아니라 현실 에 더욱더 가까워진 것이다. 미국과 한국의 인공지능 도입 기업과 이 기업들의 성과를 분석한 결과는 기업의 인공지능 기술 도입 은 선택이 아니라 필수임을 다시 한 번 강조한다. 기업들은 인공지능 기술을 활용하여 매출원가를 낮추고 매출액을 증가 시키고 있었으며, 시장에서도 이들 기업의 선제적인 행동에 높은 기대감을 표시하는 것으로 나타났다. 이는 초기 비용과 인력 문제로 도입을 주저하고 있는 사이, 인공지능 기술 활용의 경쟁력이 악화될 우려가 더욱 커지고 있는 것을 방증하기도 한다. 

 

인공지능 기술이 차세대 범용기술로써 주목받고 있지만, 알고리즘과 데이터 기반의 인공지능 기술은 경험과 노하우에 따라 그 성능이 크게 좌지우지될 수 있다. 이는 누적된 경험과 노하우로 인해 추후 효율적인 인공지능 기술 활용에 있어서 격차가 더 벌어질 수 있음을 의미하며, 적극적인 인공지능 기술 도입의 필요성을 강조한다.

 

Ⅴ. 도입의 과정은 속도가 아니라 방향이다

 

본 글은 기업의 인공지능 기술 도입 전략에 있어서 약간의 힌트를 제공하고 있다. 먼저, 인공지능 기술을 도입한다는 것은 조직 내 새로운 데이터 가치 사슬을 구축하는 과정임을 인지해야 한다. 데이터의 축적과 활용, 알고리즘 개발, 알고리즘 실행을 위한 컴퓨팅 등이 유기적으로 연결되고 구축되어야만 효율적인 인공지능 기술사용이 가능하다. 이를 위해서는 인공지능 알고리즘뿐만 아니라 데이터베이스 센터, 클라우드 컴퓨팅, 데이터 분석 등의 보완 기술에 대한 투자가 필요하다.

 

또한, 인공지능 기술을 내부 연구개발 및 인공지능 전담팀을 통해서 자체적으로 도입하려는 노력이 필요하다. 기업이 활용하기를 희망하는 인공지능 기술의 형태와 그 시스템에 사용되는 데이터에 대한 이해도는 해당 기업이 가장 높으며, 이를 활용해야 알고리즘의 학습 과정에서 편견(bias)을 줄여 더 효율적인 인공지능 시스템 구축이 가능할 수 있다. 나아가 이를 통해서, 기업 내부의 중요한 자산의 유출을 방지할 수도 있다. 이는 곧 인공지능 기술의 도입은 시간적 여유를 가지고 단계적으로 이루어져야 함을 시사한다. 

 

자원이나 역량이 부족한 중소기업은 위와 같은 기술적 및 전략적 보완재에 대한 투자를 진행하기 전에 먼저 본인의 어떤 사업에 인공지능 기술을 활용할 수 있는지 파악하는 것이 필요하다. 이를 바탕으로, 다양한 시험적 응용을 진행하여 예상되는 성과를 확인한 다음에야 비로소 전사적인 인공지능 기술의 활용을 위한 기술적 투자와 전략적 변화를 가져가는 것이 바람직할 것이다.

<끝>

 

< 참고문헌 >

정보통신정책연구원(2021). 주요 산업별 인공지능(AI) 도입 현황 및 시사점 한국개발연구원(2021). 인공지능에 대한 기업체 인식 및 실태조사 IBM(2021). 글로벌 AI 도입지수 2021년

Brynjolfsson, E., Rock, D., & Syverson, C.(2019). Artificial Intelligence and the Modern Productivity Paradox. The Economics of Artificial Intelligence: An Agenda. 23.

Cockburn, I. M., Henderson, R., & Stern, S.(2019). The Impact of Artificial Intelligence on Innovation: The Economics of Artificial Intelligence: An Agenda, 115-152.

Clarivate(2021). The Innovation Landscape of Artificial Intelligence.

Kim, T., Park, Y., & Kim. W.(2021). Artificial Intelligence and Firm performance. In Academy of Management Proceedings (VOl. 2021. No. 1. p. 14361). Briarcliff Manor, NY 10510: Academy of Management.

Lee, Y., Kim, T., Choi, S., & Kim. W.(2022). When Does AI Pay Off? AI-Adoption Intensity, Complementary Investments, and R&D Strategy. Working paper.

 

 ※ 이 글은 소프트웨어정책연구소(SPRi)가 발간하는 ‘월간 SW중심사회 2022년 5월호’(2022.5.27.)에 실린 것으로 연구소의 동의를 얻어 게재합니다. <편집자>​​

 

5
  • 기사입력 2022년06월08일 16시30분
  • 최종수정 2022년06월03일 10시40분

댓글목록

등록된 댓글이 없습니다.