The Impact of Generative Artificial Intelligence on Ideation and the performance of Innovation Teams
AI, 기업 혁신 프로세스의 패러다임을 바꾸다
레겐스부르크 대학의 연구진이 발표한 최신 연구에서 생성형 AI(Generative AI)가 기업의 혁신 과정, 특히 아이디어 발상 단계에서 획기적인 성과 향상을 가져올 수 있다는 사실이 입증됐다. 연구진은 대규모 언어 모델(Large Language Model, LLM)을 활용한 아이디어 발상 도구가 혁신팀의 성과에 미치는 영향을 실험을 통해 분석했다.
연구 결과에 따르면, AI를 활용한 팀들은 전통적인 방식으로 작업한 팀들에 비해 평균 29.24% 더 높은 품질의 아이디어를 27.5% 더 짧은 시간 안에 도출했다. 이는 생성형 AI가 기업의 혁신 역량을 근본적으로 향상시킬 수 있음을 시사하는 결과다.
실험 설계 및 방법론
연구팀은 70명의 대학생들을 24개 팀으로 나누어 실험을 진행했다. 이들은 각각 3명으로 구성된 팀을 이루어 동일한 과제를 수행했는데, 실험군은 GPT-4 터보 기반의 AI 도구를 사용할 수 있었고, 대조군은 전통적인 방식으로 작업을 진행했다.
참가자들은 고령자를 위한 헬스케어 분야의 제품/서비스 혁신 개발과 자율주행 기술 발전을 고려한 자동차 산업의 비즈니스 모델 혁신을 제안하는 두 가지 과제를 수행했다. 각 팀의 아이디어는 산업 혁신가, 기업가, 혁신 연구자로 구성된 전문가 패널이 딘(Dean) 등이 2006년 제시한 평가 기준에 따라 평가했다. 또한 모든 아이디어는 아버나시-클라크(Abernathy and Clark) 혁신 매트릭스를 기준으로 분류됐다.
AI 활용 그룹의 우수한 성과
실험 결과는 AI를 활용한 그룹이 거의 모든 평가 영역에서 우수한 성과를 보였음을 입증했다. 아이디어 품질 측면에서 AI 활용 그룹은 종합 평가 점수 4.583점을 기록해 대조군의 3.546점을 크게 앞섰다. 세부적으로는 독창성(4.819 대 3.889), 패러다임 관련성(4.75 대 3.75), 수용성(5.931 대 4.903), 실현가능성(4.028 대 2.944) 등 모든 평가 항목에서 더 높은 점수를 받았다.
시간 효율성 측면에서도 AI 활용 그룹은 첫 번째 과제에서 39분, 두 번째 과제에서 27분이 소요되어 각각 대조군(42분, 38분)보다 6%와 30% 단축된 시간을 기록했다. 특히 두 번째 과제에서 시간 단축 효과가 더욱 두드러졌다.
혁신 유형 분포에서는 AI 활용 그룹이 혁명적 혁신(Revolutionary Innovation)을 더 많이 도출한 반면, 대조군은 틈새 혁신(Niche Innovation)의 비중이 더 높았다. 팀 만족도 조사에서도 AI 활용 그룹이 9.22점으로, 대조군의 7.48점보다 23.3% 높은 만족도를 보였다.
AI가 지식 확산과 혁신에 미치는 영향
연구진은 생성형 AI가 지식 파급 이론(Knowledge Spillover Theory of Entrepreneurship, KSTE)의 핵심 요소들에 긍정적인 영향을 미친다는 사실을 발견했다. AI는 복잡한 지식을 더 접근하기 쉽게 만들고 암묵지를 명시지로 변환하는 과정을 촉진함으로써 지식 필터(Knowledge Filter)를 낮추는 효과를 보였다.
또한 방대한 데이터 처리와 패턴 인식을 통한 통찰력 제공, 맥락에 맞는 정보 제공으로 지식 활용도를 높여 지식 흡수 능력(Absorptive Capacity)을 향상시켰다. 이는 결과적으로 아이디어 생성 속도 향상과 높은 품질의 아이디어 도출 확률 증가로 이어져 전반적인 혁신 프로세스를 가속화했다.
기업 혁신에 대한 시사점
연구진은 AI 도구의 효과적인 활용을 위한 포괄적인 제언을 제시했다. 우선 아이디어 발상 단계부터 AI를 도입하고 점진적으로 전체 혁신 프로세스로 확대하는 단계적 접근을 권장했다. 증가된 아이디어의 양을 효과적으로 평가할 수 있는 프레임워크를 구축하고, 조직의 비전과 전략적 목표에 부합하는 평가 기준을 수립할 필요성도 강조했다.
더불어 조직의 특성과 요구사항에 맞는 AI 모델을 선택하고 기존 지식 관리 시스템과의 통합을 고려해야 하며, AI 도구 활용을 위한 체계적인 교육 프로그램 실시와 정기적인 성과 평가 및 피드백 제공의 중요성도 언급했다.
연구의 한계 및 향후 과제
연구진은 이번 연구가 동질적인 참가자 구성으로 인한 일반화의 한계와 특정 산업 분야로 제한된 과제 설정이라는 방법론적 한계를 지니고 있음을 인정했다. 또한 AI 도구 사용으로 인한 인지 부하 영향과 장기적 영향 및 학습 곡선 효과를 측정하지 못한 점도 한계로 지적했다.
향후 연구 방향으로는 다양한 산업과 조직에서의 검증 필요성, AI의 창의성과 혁신에 대한 장기적 영향 연구, 그리고 소규모이면서도 효율적인 오픈소스 LLM의 활용 가능성 탐구 등이 제시됐다.
기사에 인용된 리포트의 원문은 링크에서 확인할 수 있다.
기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.
관련 콘텐츠 더보기
