When Does AI Adoption Enhance SME Innovation Performance? The Roles of Absorptive Capacity, Entrepreneurial Agility, and Digital Maturity

기술 요약: AI 도입은 언제 중소기업(SME)의 혁신 성과를 향상시키는가?

문제 제로 (Problem Statement)
인공지능(AI)이 혁신의 동력으로 점점 더 주목받고 있음에도 불구하고, 특히 중소기업(SME) 사이에서는 상당한 "도입-가치 격차(adoption–value gap)"가 존재한다. 많은 기업이 AI 도구를 도입하면서도 이를 실질적인 혁신 성과로 전환하는 데는 실패하고 있다. 기존 문헌은 종종 AI 도입을 혁신이나 기업 성과의 직접적인 선행 요인으로 취급하며, 기술적 배치를 가치로 전환하는 조직적 메커즘을 충분히 설명하지 못하고 있다. 또한, 자원 제약, 덜 정형화된 혁신 프로세스, 경영진의 인지 능력에 대한 의존성을 특징으로 하는 중소기업의 특수한 맥락은 AI 연구에서 여전히 미개발 상태로 남아 있다. 본 연구는 다음과 같은 핵심 질문을 다룬다: 언제, 그리고 어떤 역량 경로를 통해 AI 도입 강도가 중소기업의 혁신 성과를 향상시키는가?

이론적 프레임워크 (Theoretical Framework)
본 연구는 동적 역량 이론(Dynamic Capabilities Theory) (Teece et al., 1997; Teece, 2007)과 흡수 역량 이론(Absorptive Capacity Theory) (Cohen & Levinthal, 1990; Zahra & George, 2002)을 통합한다. 본 연구는 다음과 같은 순차적 역량 구축 모델을 제안한다:

1. **AI 도입 강도(AI Adoption Intensity)**는 흡수 역량(지식을 식별, 습득, 동화, 변형 및 활용하는 능력)을 강화하는 기술적 투입물 역할을 한다.
2. 강화된 흡수 역량은 기업가적 민첩성(Entrepreneurial Agility)(기회를 빠르게 포착하고, 실험하며, 자원을 재구성하는 능력)을 촉진한다.
3. 기업가적 민첩성은 이러한 역량들을 중소기업 혁신 성과로 전환한다.
4. **디지털 성숙도(Digital Maturity)**는 AI 도입과 흡수 역량 사이의 관계를 강화하여 하위의 간접 경로에 영향을 미치는 경계 조건으로 상정된다.

연구 방법론 (Methodology)

• 설계: 양적, 설명적, 횡단적 설문 조사 설계.
• 맥락: 자원 및 제도적 제약이 특징인 신흥 경제국인 이란의 중소기업.
• 표본: AI 도구를 도입했거나 실험 중인 중소기업으로부터 얻은 294개의 유효 응답. 응답자에는 소유주, CEO, 혁신 관리자, IT 관리자가 포함됨.
• 데이터 수집: 응답자가 AI 사용 및 혁신 활동에 대한 직접적인 지식을 보유하도록 하기 위해 목적적 표집 전략(purposive sampling strategy)을 사용함.
• 측정: 적응된 척도(7점 리커트 척도)를 사용하여 다섯 가지 반사적 구성 개념(AI 도입 강도, 흡수 역량, 기업가적 민첩성, 중소기업 혁신 성과, 디지털 성숙도)을 측정함.
• 분석: SmartPLS를 사용하여 부분 최소 제곱 구조 방정식 모델링(PLS-SEM)을 채택함. 분석은 측정 모델(신뢰도, 타당도) 평가와 구조 모델(경로 계수, 매개, 조절) 평가의 2단계 접근 방식을 따름.
• 검증: 유의성 검정을 위해 부트스트래핑(5,000개 하위 샘플)을 사용하였으며, 표본 외 예측 타당성을 평가하기 위해 PLSpredict를 사용함. 공통 방법 편향(Common method bias)은 절차적 구제책과 다중공선성 진단을 통해 처리함.

주요 결과 (Key Results)
실증 분석 결과는 다음과 같다:

1. 간접 효과만의 매개(Indirect-Only Mediation): AI 도입 강도가 중소기업 혁신 성과에 미치는 직접 효과는 통계적으로 유의하지 않았다 ($\beta = 0.079, p = 0.142$). 그러나 총 효과와 직렬 간접 효과는 유의했다. 이는 간접 효과만의 매개 메커니즘이 존재함을 나타낸다.
2. 역량 사슬(The Capability Chain):
   • AI 도입 강도는 흡수 역량에 정(+)의 영향을 미친다 ($\beta = 0.391, p < 0.001$).
   • 흡수 역량은 기업가적 민첩성을 강력하게 향상시킨다 ($\beta = 0.555, p < 0.001$).
   • 기업가적 민첩성은 중소기업 혁신 성과를 유의미하게 개선한다 ($\beta = 0.484, p < 0.001$).
3. 직렬 매개(Serial Mediation): 직렬 경로(AI 도입 $\rightarrow$ 흡수 역량 $\rightarrow$ 기업가적 민첩성 $\rightarrow$ 혁신 성과)는 유의하였다 ($\beta = 0.105, p < 0.001$). 이는 제안된 순차적 메커니즘을 확인해 준다.
4. 디지털 성숙도의 조절 역할: 디지털 성숙도는 AI 도입 강도와 흡수 역량 사이의 관계를 정(+)적으로 조절한다 ($\beta = 0.128, p = 0.008$). 상호작 작용 도표에 따르면, AI 도입이 흡수 역량에 미치는 정(+)의 효과는 디지털 성숙도가 높은 기업에서 현저히 더 강하게 나타난다.
5. 조절된 직렬 매개(Moderated Serial Mediation): 디지털 성숙도는 전체 간접 경로를 강화하며, 이는 역량 구축 과정이 디지털 성숙도가 높은 중소기업에서 더 효과적임을 의미한다.
6. 예측 타당성(Predictive Relevance): PLSpredict 결과, 중소기업 혁신 성과에 대한 지표 수준의 예측 타당성이 만족스러운 것으로 나타났으며, PLS-SEM 모델은 평균 제곱 오차(RMSE) 측면에서 선형 벤치마크보다 우수한 성능을 보였다.

주요 기여 (Key Contributions)
본 논문은 네 가지 주요 이론적 기여를 주장한다:

1. AI-혁신 논리의 전환: AI 도입을 단순한 직접 효과 관점을 넘어, 하나의 역량 구축 과정에 대한 투입물로 기능함을 입증함으로써 직접 효과 관점을 넘어선다.
2. 흡수 역량 이론의 확장: 흡수 역량을 AI 도입과 기업가적 행동 사이의 핵심적인 "지식 처리 가교"로 위치시키며, AI가 외부 지식을 처리하는 기업의 능력을 강화함을 보여준다.
3. 메커니즘으로서의 기업가적 민첩성: 흡수된 지식이 혁신 성과로 전환되는 실행 중심의 메커니즘으로서 기업가적 민첩성을 식별하여, AI 연구와 기업가 정신 이론을 연결한다.
4. 경계 조건으로서의 디지털 성숙도: 디지털 성숙도를 단순한 배경 요인이 아니라, AI 도입이 흡수 역량으로, 나아가 혁신으로 전환될 수 있는지를 결정하는 결정적 조건으로 이론화하고 실증적으로 뒷받받한다.

의의 및 주장 (Significance and Claims)
본 연구는 중소기업의 AI 혁신 가치는 도입 행위 자체보다는, 기업이 AI로부터 학습하고 AI 기반 통찰력에 따라 행동할 수 있게 하는 조직적 역량에 달려 있다고 결론짓는다. 저자들은 AI가 중소기업을 대신하여 혁신하는 것이 아니라, 중소기업이 필요한 디지털 성숙도, 흡수 역량, 기업가적 민첩성을 갖추었을 때 비로소 AI와 함께 혁신한다고 주장한다.

본 연구의 결과는 AI가 혁신을 강화하기 위해서, 중소기업이 단순히 기술 획득을 성공의 충분 조건으로 보는 것이 아니라, AI가 생성한 데이터를 해석하고 그에 따라 행동하는 능력, 즉 보완적 역량을 구축하는 데 집중해야 함을 시사한다. 또한, 자원이 제한된 신흥 경제국에서 이러한 역량 조건들이 도입-가치 격차를 메우는 데 더욱 결정적임을 강조한다.