Analyzing the Patterns of Technology Diffusion, Convergence, and Strategies in the Artificial Intelligence Sector

Abstract

본 학위 논문은 인공지능(Artificial Intelligence, AI) 기술의 범용기술로서 발전 가능성에 대하여 다각도적 관점에서 실증 분석한 연구이다. 특히, 기술 발전 초기 단계에 있는 신흥기술의 특성을 고려하여 해당 기술로 인한 경제적 파급 효과보다는 기술적침투성(Technological Pervasiveness)을 기반으로 이해하고자 한다. 본 학위 논문에서는 기술적침투성을 지식 흐름, 산업 섹터, 기술 포트폴리오의 세 가지 차원의 분석 레벨로 확장하여 다각도로 분석한다. 또한, 각 분석 레벨별로는 범용기술로 인한 혁신 발생 측면에 주목하여, 기술 확산, 융합, 전략의 개념적 배경을 중심으로 새로운 관점에서 범용기술을 해석한다. 본 학위 논문은 다음의 세 가지 연구로 구성된다. 첫번째 연구에서는 인공지능 기술 발전 및 확산에 있어, 범용기술적 특성의 변화와 차이에 대한 패턴을 살펴본다. 여기서 범용기술적 특성으로는 기술 지식의 조합과 확산 과정에 주목하여, 일반성, 독창성, 상보성을 고려한다. 분석 방법으로는 개별기술의 확산 과정을 시계열데이터로 구축하고, 시계열데이터의 패턴 분석을 위해 동적시간왜곡 및 시계열 클러스터링 방법론을 사용한다. 또한, 시간 및 확산 패턴에 따라 구분된 클러스터는 분산 분석을 통해 유의미한 차이를 검증한다. 연구 결과, 기술 발전에 따라 인공지능 기술의 범용기술적 특성이 증가하는 것으로 나타났고, 확산 수준이 높은 인공지능 기술에서 해당 특성이 더욱 높은 것으로 나타났다. 특히, 인공지능 기술 중에서는 적용기술에서 범용기술적 특성이 높게 나타났다. 본 연구를 통하여, 인공지능 기술의 범용기술로서 발전 패턴을 기술의 지식 흐름 및 확산 차원에서 이해할 수 있다. 두번째 연구에서는 인공지능 기술의 다양한 산업으로의 적용가능성을 구체적으로 분석할 수 있는 새로운 프레임워크를 제안한다. 본 연구에서 제안하는 프레임워크는 기술 융합을 개념적 배경으로 하여, 산업 섹터, 기술 범주, 기술 활용의 세가지 측면에 주목한다. 해당 프레임워크는 특허 데이터의 기술 분류 기반 정형데이터 및 텍스트 기반 비정형데이터 분석을 통합한 양방향적 접근 방법론으로, 네트워크 분석 및 클러스터링 분석 방법론을 활용한다. 연구 결과, 인공지능 기술이 적용된 다양한 산업 섹터 및 공통 기술 범주를 확인하였고, 수평적 적용가능성이 있음을 확인하였다. 또한, 각 산업 내에서 도출된 산업별 인공지능 적용 기술 범주와 기술 활용에 대한 다양한 적용 패턴을 도출하고, 수직적 적용가능성이 있음을 확인하였다. 본 연구에서 제시하는 프레임워크를 통하여, 인공지능 기술의 범용기술로서 적용가능성을 산업 섹터 차원에서 이해할 수 있다. 세번째 연구에서는 기술 공급자 측면에서의 기술 포트폴리오에 주목한다. 특히, 스타트업은 파괴적 혁신을 이끄는 주체가 될 수 있으며, 기술 다각화는 다양한 지식의 조합을 기반으로 한 공급 측면의 혁신을 통해 범용기술로의 발전에 기여할 수 있다. 본 연구에서는 인공지능 스타트업의 기술다각화 전략을 탐구하고, 스타트업 성장을 가능하게 하는 스타트업 투자와의 관계를 분석한다. 본 연구에서 기술다각화는 관련기술다각화와 비관련기술다각화로 구분하여 측정하고, 기업유형은 산업특정기업 및 산업공통기업으로 구분한다. 분석 방법으로는 스타트업의 특허 및 투자 정보 기반의 패널 데이터를 고정 효과 모형을 중심으로 분석한다. 연구 결과, 인공지능 스타트업의 기술다각화가 스타트업 투자와 긍정적인 관계가 있음을 확인하였다. 또한, 해당 관계는 비관련기술다각화일수록, 산업공통기업일수록 더욱 크게 영향을 미치는 것으로 나타났다. 본 연구를 통하여, 인공지능 섹터의 거시적인 성장 매커니즘 관점에서 인공지능 스타트업 기술다각화가 범용기술로서 발전에 혁신 동력으로 작용할 수 있음을 시사한다. 본 학위 논문에서 다루는 세 가지의 연구는 서로 다른 개념적 배경과 범용기술적 특성과의 연계를 통하여 범용기술 및 인공지능 섹터 연구에 이론적, 실증적 기여를 갖는다. 또한, 연구에서 제안하는 신흥기술의 성장을 이해하는 동적 패턴 분석 방법 및 프레임워크는 기술 혁신 연구에 방법론적으로 기여한다. 본 연구 결과는 인공지능 섹터의 기술, 산업 및 기업에 대한 이해와 발전에 기여할 수 있는 정책적, 전략적 시사점을 제시한다.

This dissertation empirically explores the potential of AI as a general-purpose technology (GPT) from a multi-dimensional perspective. In particular, considering that AI is in its early stages in the economy as an emerging technology, this dissertation analyzes the impact of this technology based on technological pervasiveness, rather than its impact on the economic factors. This dissertation analyzes technological pervasiveness in terms of three dimensions of analysis level: the knowledge flow, industrial sector, and technology portfolio. Additionally, for each analysis level, this dissertation focuses on three different conceptual backgrounds of technology diffusion, convergence, and strategies in relation to innovation sides of GPTs. The first study examines how the patterns of GPT-related features of AI appear depending on AI technology progress and diffusion. The GPT-related features here are focused on the process of the recombination and diffusion of technological knowledge via the concepts of generality, originality, and complementarity. For this analysis, the diffusion process of each technology is constructed as time series data, after which dynamic time warping and time series clustering are used for a pattern analysis of the time series data. Also, the differences are identified in clusters classified according to time and diffusion patterns through an analysis of variance. As a result, it is found that the GPT-related features of AI show a further increase according to the progress of technologies, with the features found to be higher in technologies with high diffusion levels. In particular, among AI technologies, GPT-related features exist at high levels in AI-application types. This study identifies the development patterns of AI as a GPT from the perspectives of the knowledge flows and diffusion. The second study proposes a new framework to investigate the horizontal and vertical applicability of industrial sectors to AI technology. The framework is a two-way approach which integrates an analytic method on technological classification-based structure data and text-based unstructured data to understand technology convergence into the three aspects: the industrial sector, the technology category, and technology utilization. Network analysis and clustering analysis methodologies are used. As a result, based on the framework, various industrial sectors and common technologies to which AI can be applied are identified, with the results showing that AI technology has horizontal applicability. Also, various technology categories and patterns of utilization in each industry are derived; these results show that AI technology has vertical applicability. Through the proposed framework, this study confirms the applicability of AI as a GPT in the industrial sector. The third study focuses on the technology portfolio strategies considering the technology supply side of a GPT. In particular, startups can drive the disruptive innovation of a GPT, and technology diversity can contribute to the development of a GPT through innovation on the supply side based on a combination of various types of knowledge. Thus, this study investigates the technology diversity of AI startups in relation to startup investment. Technology diversity is measured by dividing it into two levels, related diversity and unrelated diversity, and firm types are divided into industry-specific and cross-industry AI startups. For the empirical analysis, panel data are constructed based on firm investment and patent information and are analyzed with a fixed effect model. The result shows that technology diversity has a positive relationship with investments in AI startups. Also, the relationship is more positive in the unrelated diversity case and with cross-industry AI firms. This finding suggests that the technology diversity of AI startups can act as a driving force for innovation during the development of AI technology as a GPT with respect to the growth mechanism in the AI sector. The three studies covered in this dissertation provide useful theoretical and empirical contributions to AI and GPT research given their consideration of different conceptual backgrounds and the different characteristics of GPTs. In addition, the studies make methodological contributions to technological innovation research given its dynamic pattern analysis method and via the new framework proposed in it. Comprehensively, this dissertation presents policies and strategic implications for the AI technology, AI companies, and AI industry overall.