Beyond One-Size-Fits-All: Decoding Heterogeneous Driving Factors of Urban Innovation in China through Interpretable Machine Learning

도시는 종종 혁신의 엔진, 즉 사람, 아이디어, 자원이 충돌하여 차세대 위대한 발명을 촉발하는 장소로 묘사되곤 합니다. 수십 년 동안 경제학자들과 도시 계획가들은 무엇이 바로 이 엔진을 움직이게 하는지 이해하기 위해 노력해 왔습니다. 지배적인 통찰은 만약 도시가 연구 개발에 더 많은 돈을 쏟아붓거나, 더 숙련된 인력을 고용하거나, 더 많은 대학을 설립한다면 혁신이 자연스럽게 뒤따를 것이라고 제안했습니다. 이러한 관점은 도시가 모두 동일한 기본 설계도에 따라 작동한다고 가정하며, 성공의 비결이 보편적이라고 간주했습니다. 그러나 도시가 성장하고 새로운 아이디어를 창출하는 방식의 실체는 훨씬 더 복잡합니다. 숲이 사막에서 자라는 방식과 열대우림에서 자라는 방식이 서로 다르듯, 북적이는 대도시를 움직이는 요인들은 더 작고 덜 발달한 마을을 돕는 요인들과는 완전히 다를 수 있습니다. 이러한 차이를 이해하는 것은 매우 중요한데, 왜냐하면 한 곳에서 효과가 있는 정책이 다른 곳에서는 실패하거나 심지어 역효과를 낼 수도 있기 때문입니다.

연구팀은 14년 동안 중국 전역 284개 도시의 혁신 역량을 조사함으로써 이러한 숨겨진 규칙들을 해독하고자 했습니다. 원인과 결과 사이의 직선적 관계를 가정하는 전통적인 통계 방식 대신, 그들은 머신러닝을 활용한 더 진보된 접근 방식을 채택했습니다. 그들은 도시의 혁신 능력을 단순한 하나의 숫자가 아니라, 과학적 지식의 창출, 신기술의 개발, 그리고 최종적으로 그 기술을 시장에 출시하는 과정을 포함하는 하나의 여정으로 취급했습니다. 이 여정을 이끄는 동력이 무엇인지 이해하기 위해, 그들은 인구수와 연구비 지출액부터 비즈니스 연결의 밀도와 지역 기관의 질에 이르기까지 29가지의 다양한 요인에 대한 방대한 데이터를 수집했습니다.

연구진은 인간 분석가가 놓칠 수 있는 복잡하고 비선형적인 패턴을 포착할 수 있는 정교한 컴퓨터 모델에 이 데이터를 입력했습니다. 모델은 이 29가지 요인을 바탕으로 도시의 혁신 산출물을 예측하는 법을 학습했으며, 이후 연구진은 모델의 논리를 역설계(reverse-engineer)하는 특수한 도구를 사용했습니다. 이를 통해 어떤 요인이 가장 중요한지, 그리고 더 중요하게는 그 영향력이 도시의 구체적인 상황에 따라 어떻게 변하는지를 정확히 파악할 수 있었습니다. 그들은 혁신에 단 하나의 '만능 해결책'이란 존재하지 않는다는 사실을 발견했습니다. 대신, 혁신의 동력들은 뚜렷한 임계값(threshold)을 가지고 작동하며, 이는 도시가 특정 수준의 발전이나 밀도에 도달했을 때 비로소 효과적으로 작동하기 시작함을 의미합니다.

연구는 도시의 혁신 능력을 형성하는 세 가지 주요 힘을 밝혀냈습니다: 혁신 네트워크의 밀도, 경제 활동의 집중도, 그리고 연구 개발에 투입되는 자금입니다. 그러나 이 힘들이 작동하는 방식은 극명하게 다릅니다. 연구진은 기업, 대학, 연구소 간의 긴밀한 연결망을 구축하는 것이 혁신을 위한 가장 접근하기 쉬운 경로라는 것을 발견했습니다. 이 요인은 매우 낮은 임계값을 가지고 있어, 연결성이 조금만 증가하더라도 거의 모든 도시에서 혁신의 급격한 성장을 촉발할 수 있습니다. 이는 가장 신뢰할 수 있는 개선의 지렛대입니다. 반면, 단순히 연구 개발에 자금을 쏟아붓는 것은 훨씬 더 위험한 전략입니다. 데이터에 따르면 이 요인은 매우 높은 활성화 임계값을 가지고 있어, 도시가 상당한 규모의 자본을 투자하기 전까지는 유의미한 수익을 보기 어렵습니다. 더욱이, 이러한 투자의 혜1은 매우 불균등합니다. 강력한 기존 기반과 새로운 지식을 흡수할 수 있는 능력을 갖춘 도시들만이 결실을 보는 반면, 다른 도시들은 막대한 비용을 쓰고도 별다른 성과를 얻지 못할 수 있습니다.

또한 연구진은 '올바른' 전략이 전적으로 도시의 유형에 달려 있다는 점을 발견했습니다. 베이징이나 상하이와 같은 크고 부유한 도시들은 누적 성장(cumulative growth)의 경로를 따릅니다. 이러한 곳에서는 밀집된 인구, 강력한 네트워크, 막대한 연구 지출의 혜택이 서로를 강화하며 자가 지속적인 성공의 순환을 만들어냅니다. 이들 도시의 목표는 막대한 투자가 고품질의 결과물로 이어지도록 시스템을 미세 조정하는 것입니다. 그러나 규모가 작거나 덜 발달한 도시들은 이 모델을 단순히 모방할 수 없습니다. 이들에게 대도시의 연구 지출 수준을 맞추려는 시도는 흔히 자원의 낭비가 됩니다. 대신, 이 도시들은 보완적 전략(compensatory strategy)을 통해 성공합니다. 이들은 디지털 인프라를 구축하고 외부 파트너십을 형성하여 외부으로부터 역량을 빌려오는 데 집중하며, 이를 통해 연결성을 활용해 부족한 지역 자원을 보완합니다.

연구는 또한 정부 계층 구조의 강력한 역할을 강조했습니다. 성도(provincial capital) 역할을 하는 도시들은 자연스럽게 더 많은 대학, 연구소, 정책적 지원을 끌어들임으로써 뚜렷한 이점을 누립니다. 이러한 행정적 중심성은 혁신의 진입 장벽을 낮추어, 이 도시들이 잠재력을 활성화하는 것을 더 쉽게 만듭니다. 행정적 지위가 없는 도시들은 더 힘든 과정을 겪어야 하며, 유사한 결과를 얻기 위해 경제적 밀도와 네트워크 연결성을 구축하는 데 더 많은 노력을 기울여야 합니다. 이러한 결과는 모든 도시에 동일한 혁신 정책을 적용하는 기존의 방식이 결함이 있음을 시사합니다. 막대한 연구 지출을 장려하는 정책은 발달된 대도시를 전진시킬 수는 있지만, 작은 도시는 부채와 충족되지 못한 기대감 속에서 고통받게 만들 수 있습니다.

궁극적으로, 이 연구는 정책 입안자들에게 명확한 로드맵을 제공합니다. 혁신은 단일한 과정이 아니라 지역 조건에 반응하는 다양한 메커니즘의 집합이라는 점을 시사합니다. 크고 발달한 도시의 경우, 효율성에 초점을 맞추고 막대한 투자가 고품질의 성과를 낼 수 있도록 보장해야 합니다. 반면, 작거나 저개발된 도시의 경우, 모든 것을 처음부터 구축하려 하기보다는 디지털 및 사회적 가교를 구축하여 넓은 세상과 연결되는 것에 우선순위를 두어야 합니다. 각 도시가 서로 다른 필요와 서로 다른 출발점을 가지고 있음을 인식함으로써, 지도자들은 일반적인 해결책에서 벗어나 자신들의 구체적인 현실에 맞춤화된 전략을 설계하여 더욱 정교하고 효과적인 방식으로 도시 성장을 이끌 수 있습니다.