Spillovers, Innovation Difficulty, and the Dynamics of Productivity
1984년부터 2019년까지의 미국 데이터를 바탕으로 추정된 중규모 DSGE 모델을 사용하여, 본 논문은 혁신의 어려움이 성공적인 혁신 확률에 영향을 미치는 지속적인 요인인 반면, 총생산성 변동은 혁신의 어려움의 변화보다는 파급 효과 충격에 의해 주로 발생한다는 것을 밝혀냈다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
수십 년 동안 미국은 발명의 강국이었습니다. 디지털 플랫폼에서 인공지능에 이르기까지 새로운 기술들이 숨 가쁜 속도로 등장하며 우리가 살고 일하는 방식을 재편할 것을 약속해 왔습니다. 그러나 경제에는 한 가지 수수께집한 모순이 자리 잡았습니다. 새로운 아이디어와 투자의 속도는 급증했음에도 불구하고, 경제가 재화와 서비스를 생산하는 전반적인 속도는 오히려 둔화되었다는 점입니다. 이러한 괴리는 경제학자들이 그 이유를 찾기 위해 고군분투하게 만들었습니다. 성장의 엔진이 단순히 연료를 다 써버린 것일까요, 아니면 연료가 적절한 곳에 도달하지 못하고 있는 것일까요? 이를 이해하기 위해서는 연구 개발(R&D)이 실제 세상의 진보로 번역되는 두 가지 뚜렷한 방식을 살펴보아야 합니다. 첫 번째는 집단적 노력의 순수한 힘입니다. 즉, 연구에 투입되는 총 자금과 시간이 가능성의 최전선을 얼마나 잘 밀어 올리느냐 하는 것입니다. 두 두 번째는 개별적인 시도의 과제입니다. 즉, 특정 기업의 연구가 실제로 유용하고 새로운 제품을 만들어내는 데 성공할 확률이 얼마나 되느냐 하는 것입니다. 이 두 가지 힘을 구분하는 것은 매우 중요한데, 한쪽의 둔화가 반드시 다른 쪽의 둔화를 의미하는 것은 아니며, 경제적 수수께집의 해결책은 전적으로 무엇이 문제인지에 달려 있기 때문입니다.
밀라노-비코카 대학교의 연구진은 미국의 경제를 상세히 모델링하여 이 두 가지 힘을 풀어내고자 했습니다. 그들은 연구에 돈이 어떻게 흘러 들어가는지, 그 연구가 어떻게 새로운 기술을 창출하는지, 그리고 그 기술들이 시장을 통해 어떻게 확산되는지를 추적하는 시뮬레이션을 구축했습니다. 이 모델은 과정을 두 가지 채널로 분리합니다. 한 채널은 '스필오버(spillover, 파급)' 효과를 측정합니다. 이는 많은 기업이 함께 연구할 때, 그들이 집단적으로 기술적 최전선을 밀어 올려 다음의 거대한 돌파구를 모두에게 더 쉽게 만드는 현상을 의미합니다. 다른 채널은 '혁신 난이도'를 측정하며, 이는 단일 기업의 연구 노력이 실제로 새로운 제품을 창출하는 데 성공할 확률을 나타냅니다. 연구진은 GDP와 투자 같은 표준적인 경제 지표뿐만 아니라, 특허 텍스트에서 추출한 독특하고 새롭게 개발된 기술적 창의성 척도를 포함하여 1984년부터 2019년까지의 실제 데이터를 모델에 입력했습니다. 이 특허 데이터는 단순히 얼마나 많은 시도가 이루어지고 있는가가 아니라, 실제로 얼마나 자주 새로운 아이디어가 성공적으로 생성되고 있는지를 보여주는 직접적인 창 역할을 합니다.
시뮬레이션 결과는 생산성 저하의 미스터리에 명확한 답을 제시합니다. 연구에 따르면, 경제 성장 속도의 하락은 주로 개별 발명의 성공률 저하 때문이 아닙니다. 대신, 둔화의 주요 동인은 스필오버 채널의 약화입니다. 더 간단히 말해, 국가에서 일어나는 모든 연구의 집단적 노력이 기술의 절대적인 최전선을 밀어 올리는 데 있어 효율성이 떨어졌다는 것입니다. 모델은 이러한 집단적 효율성에 가해진 충격이 총요소생산성(TFP) 성장 변동의 대부분을 설명하며, 확장된 모델에서 변동성의 약 88~97%를 차지한다는 것을 보여줍니다. 반면, 단일 발명을 성공시키는 데 드는 어려움은 전체 경제 속도에 미치는 영향이 훨씬 작았습니다. 성공 확률은 변동하지만, 이러한 변화는 생산성의 주요 추세를 주도하지 않습니다.
그러나 연구진이 난이도의 본질을 들여다보면 이야기는 약간 달라집니다. 특허 기반의 창의성 데이터를 포함했을 때, 모델은 혁신의 '난이도'가 몇 달마다 빠르게 변하는 요동치는 힘이 아님을 드러냈습니다. 대신, 그것은 느리게 움직이는 조류처럼 행동했습니다. 모델이 특허에서 발견된 실제 성공률을 반영하자, 난이도 충격은 단기적인 경기 순환의 교란이 아니라 수년에 걸쳐 혁신의 지형을 형성하는 지속적이고 장기적인 힘으로 나타났습니다. 이는 새로운 발명을 하는 것이 더 어려워졌을 수는 있지만, 이 증가한 난이도는 갑작스러운 충격이라기보다는 꾸준하고 느린 압력이라는 점을 시사합니다. 이 연구는 생산성 둔화가 주로 성공적인 혁신의 감소에 의해 주도되는 것이 아님을 나타냅니다. 데이터는 기업들이 여전히 혁신할 방법을 찾고 있지만, 그러한 혁신을 광범위한 경제 성장으로 전환하는 집단적 엔진이 추진력을 잃었다는 것을 보여줍니다.
이러한 발견의 함의는 우리가 경제를 바라보고 이를 해결하려는 방식에 있어 매우 중요합니다. 이 연구는 단순히 더 많은 기업이 새로운 것을 발명하도록 장려하거나, 연구가 더 넓은 경제와 어떻게 연결되는지를 다루지 않은 채 연구에 더 많은 돈을 쏟아붓는 것만으로는 충분하지 않을 수 있음을 시사합니다. 만약 문제가 지식의 집단적 스필오버가 약해진 데 있다면, 정책은 단순히 얼마나 많은 개별적인 시도가 이루어지는가가 아니라, 아이디어가 어떻게 퍼져나가고 기술적 최전선이 모두를 위해 어떻게 전진하는지에 초점을 맞춰야 합니다. 연구는 생산성 둔화가 혁신가들의 실패가 아니라, 그들의 집단적 작업을 더 빠른 경제 성장으로 번역하는 메커니즘의 실패라고 결론짓습니다. 두 채널을 분리함으로써, 연구진은 경제가 아이디어를 고갈시키고 있는 것이 아니라, 그 아이디어로부터 광범위한 번영으로 가는 경로를 탐색하는 것이 더 어려워졌음을 보여주었습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.