표제지
목차
요약 10
제1장 서론 20
제1절 기업 R&D 선정평가 데이터 기반 접근 필요성 20
1. 정부의 기업 지원R&D의 확대에 따른 과학적 관리 필요성 증가 20
2. 데이터 기반 관리 및 평가를 통한 정부지원 효과 제고 필요 21
제2절 인공지능 기술의 선정평가 적용 검토 필요성 24
1. 인공지능 기술의 공공서비스 적용 의의 24
2. 적극적 행정 영역에 있어서의 인공지능 활용 가능성 27
제3절 선행 연구의 검토 및 본 연구의 의의 28
제4절 연구의 구조 및 의의 31
제2장 정부의 기업 지원 R&D 선정 현황 33
제1절 국내 중소기업 지원 R&D 사업의 평가 지표 및 프로세스 33
1. 국내 중소기업 R&D 지원사업 33
2. 평가 프로세스 및 체계 35
3. 평가지표 38
제2절 해외 중소기업 지원 R&D 사업의 평가 지표 및 프로세스 43
1. 미국(SBIR & STTR 프로그램) 43
2. 독일 46
제3절 국내 선정평가 현황 이슈 및 데이터 기반 접근 시사점 51
1. 정성적 평가에 데이터 기반 평가의 도입 필요 51
2. 승자선정(winner picking)이 아닌 정책효과 극대화 지향 필요 52
3. 데이터 기반 접근을 위한 체계적 추진 필요 53
제3장 금융 부문 데이터 기반 기업 평가 현황 55
제1절 기술 보증 부문 데이터 기반 평가 현황 55
1. 평가 체계/구조 관련 56
2. 평가 지표 관련 58
3. 빅데이터/인공지능 활용 현황 관련 59
제2절 신용 평가 부문 데이터 기반 평가 현황 60
1. 평가 체계/구조 관련 60
2. 주요 평가 모형 및 평가 지표 61
3. 빅데이터/인공지능 활용 현황 관련 65
제3절 시사점 70
1. 목적에 따른 평가 모형의 세분화 필요 70
2. 정량적 접근과 정성적 접근의 결합 71
3. 빅데이터와 인공지능 기술 활용 경향 강화 72
4. 정책효과 예측을 위한 지속적인 연구 및 DB 구축의 필요 73
제4장 인공지능 기반 R&D 선정 프로세스 도입 인식조사 75
제1절 인식조사의 필요성 75
제2절 인식조사 개요 76
1. 설문조사 개요 76
2. 인식조사 설문 구성 77
제3절 인식조사 결과 분석 85
1. 설문조사 응답자 특성 85
2. 인식조사 결과 분석 87
3. 인공지능 활용에 대한 우려 및 활용 방식 95
제4절 결론 및 시사점 98
제5장 중소기업 R&D 지원의 효과 분석 100
제1절 개요 100
제2절 분석방법론 및 데이터 103
1. 방법론 103
2. 데이터 구축 105
3. 기초통계량 분석 107
제3절 정부 R&D 지원의 기업지원효과 분석 결과 109
1. 매출 증대 효과 109
2. 연구개발비 증대 효과 111
3. 분석결과 정리 113
제4절 국가연구개발사업의 기업수준 성과 결정요인 114
1. 주요 변수의 기술통계량 114
2. 기업특성별 성과 비교 117
3. 과제특성별 성과 비교 131
4. 성과 변수 분위별 기업특성/과제특성 비교 142
5. 수혜기업의 처치효과 결정요인 분석 149
제6장 머신러닝 기반 정부 R&D 기업지원효과 예측 모형 연구 153
제1절 의사결정트리를 활용한 정책효과 영향요인 탐색 153
1. 의사결정트리 분석 개요 153
2. 의사결정트리 모형 및 분석 결과 155
제2절 딥러닝 모형 성능 개선 기법 탐색 161
1. 기 수행 연구 요약 161
2. 딥러닝 기반 정부 R&D 효과 예측 모형 개선 연구 164
제7장 결론 및 정책과제 170
제1절 연구 개요 170
제2절 데이터/인공지능 기반 선정 모형 도입 전략 방향성 172
1. 정성적 평가 중심의 선정평가에 데이터 기반 평가의 도입 필요 172
2. 승자선정(winner picking)이 아닌 정책효과 극대화 지향 필요 173
3. 데이터 기반 평가 적용 대상의 단계적 확대 174
제3절 데이터/인공지능 기반 선정 모형 개발 방향 176
1. 정책효과 예측을 위한 지속적인 연구 및 DB 구축의 필요 176
2. 빅데이터와 인공지능 기술 적용 필요 177
3. 예측력과 설명가능성이 높고, 악용이 어려운 복합적 모형 접근 필요 178
4. 평가 목적과 예측 가능성 여부에 따른 모형 세분화 접근 필요 180
제4절 데이터/인공지능 기반 선정 모형 활용의 유의점 182
1. 공공서비스에 적용되는 인공지능의 가치 182
2. 공공서비스에 인공지능의 도입시의 유의점 182
3. 인공지능 모형 도입에 대한 수용성 제고 노력 필요 183
4. 인공지능 선정 모형의 평가 지표 및 활용 용도에 대한 협의 필요 184
참고문헌 185
[부록 1] 인공지능 프로세스의 R&D 선정평가 도입에 대한 인식조사 설문지 188
Summary 191
판권기 2
〈표 1-1〉 활용 방식에 따른 인공지능 공공분야 적용 예시 27
〈표 2-1〉 2019년 중소기업 기술개발 지원사업(중소벤처기업부) 34
〈표 2-2〉 중소기업 기술개발 지원사업 사업계획서 구성 37
〈표 2-3〉 중소벤처기업부 중소기업 R&D 지원사업 평가지표(Ⅰ) 38
〈표 2-4〉 중소벤처기업부 중소기업 R&D 지원사업 평가지표(Ⅱ) 39
〈표 2-5〉 중소기업 고용영향평가표 40
〈표 2-6〉 산업통상자원부 R&D 지원사업 평가지표(Ⅰ) 41
〈표 2-7〉 산업통상자원부 R&D 지원사업 평가지표(Ⅱ) 42
〈표 2-8〉 미국 NIH의 SBIR/STTR 프로그램 지원 기준 46
〈표 2-9〉 독일 KMU-Innovative 프로그램 지원 연구분야 47
〈표 2-10〉 독일 ZIM 프로그램 주요 평가기준 48
〈표 2-11〉 독일 KMU-Innovative 제안서 개요의 구성 49
〈표 2-12〉 독일 KMU-Innovative 제안서 개요 주요 평가 기준 49
〈표 2-13〉 독일 KMU-Innovative 정식 사업계획서 주요 평가 기준 50
〈표 3-1〉 비계량 비재무평가 영역별 가중치 63
〈표 3-2〉 기업 규모 및 업종별 비계량 비재무 평가 항목 64
〈표 3-3〉 국제유럽경제위원회(UNECE)의 빅데이터 분류 66
〈표 3-4〉 비계량 비재무평가 영역별 가중치 71
〈표 4-1〉 설문조사 대상 76
〈표 4-2〉 인식조사 응답자 특성별 표본현황 86
〈표 5-1〉 성향점수매칭법 수행 절차 104
〈표 5-2〉 수혜기업과 비수혜기업(전체) 기초통계량 비교 107
〈표 5-3〉 수혜기업과 매칭기업 기초통계량 비교 108
〈표 5-4〉 기업 R&D 지원 효과: 매출액 증가율 109
〈표 5-5〉 기업 R&D 지원 효과: 기업 자체 R&D 증가율 111
〈표 5-6〉 성과변수의 기술통계량 115
〈표 5-7〉 기업수준 변수의 기술통계량 - 연속형 변수 115
〈표 5-8〉 기업수준 변수의 기술통계량 - 범주형 변수 115
〈표 5-9〉 과제수준 변수의 기술통계량 - 연속형 변수 116
〈표 5-10〉 과제수준 변수의 기술통계량 - 범주형 변수 116
〈표 5-11〉 산업분류별 종료시점의 연구개발비 증가율 및 증가액의 처치효과 118
〈표 5-12〉 산업분류별 종료시점의 매출액 증가율 및 증가액의 처치효과 120
〈표 5-13〉 매출액 규모별 종료시점의 연구개발비 증가율 및 증가액의 처치효과 122
〈표 5-14〉 매출액 규모별 종료시점의 매출액 증가율 및 증가액의 처치효과 123
〈표 5-15〉 연구개발비 집약도별 연구개발비 증가율 및 증가액의 처치효과 124
〈표 5-16〉 연구개발비 집약도별 매출액 증가율 및 증가액의 처치효과 124
〈표 5-17〉 총자산회전율에 따른 연구개발비 증가율 및 증가액의 처치효과 125
〈표 5-18〉 총자산회전율에 따른 매출액 증가율 및 증가액의 처치효과 126
〈표 5-19〉 자본잠식에 따른 종료 시점의 연구개발비 증가율 및 증가액의 처치효과 127
〈표 5-20〉 자본잠식에 따른 종료 시점의 매출액 증가율 및 증가액의 처치효과 127
〈표 5-21〉 수익성 여부에 따른 종료 시점의 연구개발비 증가율 및 증가액의 처치효과 128
〈표 5-22〉 수익성 여부에 따른 종료 시점의 매출액 증가율 및 증가액의 처치효과 129
〈표 5-23〉 업력 구분에 따른 종료 시점의 연구개발비 증가율 및 증가액의 처치효과 130
〈표 5-24〉 업력 구분에 따른 종료 시점의 매출액 증가율 및 증가액의 처치효과 130
〈표 5-25〉 과제 수행기간에 따른 종료 시점의 연구개발비 증가율 및 증가액의 처치효과 131
〈표 5-26〉 과제 수행기간에 따른 종료 시점의 매출액 증가율 및 증가액의 처치효과 132
〈표 5-27〉 정부지원금 규모에 따른 종료 시점의 연구개발비 증가율 및 증가액의 처치효과 133
〈표 5-28〉 정부지원금 규모에 따른 종료 시점의 매출액 증가율 및 증가액의 처치효과 133
〈표 5-29〉 과제 민간비 비중에 따른 연구개발비 증가율 및 증가액의 처치효과 134
〈표 5-30〉 과제 민간비 비중에 따른 매출액 증가율 및 증가액의 처치효과 134
〈표 5-31〉 신기술 분류별 종료시점의 연구개발비 증가율 및 증가액의 처치효과 136
〈표 5-32〉 신기술 분류별 종료시점의 매출액 증가율 및 증가액의 처치효과 136
〈표 5-33〉 기술수명주기별 종료시점의 연구개발비 증가율 및 증가액의 처치효과 138
〈표 5-34〉 기술수명주기별 종료시점의 매출액 증가율 및 증가액의 처치효과 138
〈표 5-35〉 연구개발단계별 종료시점의 연구개발비 증가율 및 증가액의 처치효과 140
〈표 5-36〉 연구개발단계별 종료시점의 매출액 증가율 및 증가액의 처치효과 140
〈표 5-37〉 적용분야별 종료 시점의 연구개발비 증가율 및 증가액의 처치효과 141
〈표 5-38〉 적용분야별 종료 시점의 매출액 증가율 및 증가액의 처치효과 142
〈표 5-39〉 연구개발비 증가율 기준 처치효과 분포 별 평균적인 기업 및 과제 특성 143
〈표 5-40〉 연구개발비 증가액 기준 처치효과 분포 별 평균적인 기업 및 과제 특성 144
〈표 5-41〉 매출액 증가율 기준 처치효과 분포 별 평균적인 기업 및 과제 특성 146
〈표 5-42〉 매출액 증가액 기준 처치효과 분포 별 평균적인 기업 및 과제 특성 147
〈표 5-43〉 ANOVA(분산분석)의 요인 변수들 150
〈표 5-44〉 성과변수에 대한 각 요인별 분산분석(ANOVA) 결과 152
〈표 6-1〉 의사결정트리 방법 개요 154
〈표 6-2〉 종속변수 2개 그룹에 대한 딥러닝 모델 예측 정확도 163
〈표 6-3〉 매출액 증가율 효과 기준 로짓 모형과 딥러닝 성능 비교 164
〈표 6-4〉 하이퍼 파라미터 조정에 따른 정확도 향상(매출증가액 예측 성능 기준) 166
〈표 6-5〉 자동화된 하이퍼 파라미터 최적화 코드 예시 167
〈표 7-1〉 데이터 기반 평가 적용 대상/방식의 단계적 확대 175
〈표 7-2〉 R&D 선정평가 모형에 인공지능 도입시 고려 사항 183
[그림 1-1] 연구수행주체별 국가연구개발 투자 추이(2015-2017) 20
[그림 1-2] 중소기업 R&D 지원 사업의 기업 지원 효과 선행 연구 21
[그림 1-3] 중소 매칭 기업의 부가가치 증가분에 대한 십분위별 수혜효과 비교 22
[그림 1-4] 성과 변수별 정(+)/부(-)의 순정책효과를 가지는 기업 비율 22
[그림 1-5] AI로 인한 공공영역 비용절감 및 World GDP 영향 26
[그림 1-6] R&D 투입 부가성의 사전적 예측을 위한 논리모형 29
[그림 1-7] 연구 프레임 워크 32
[그림 2-1] R&D 지원사업 선정평가 프로세스 35
[그림 2-2] SBIR/STTR 프로그램의 3단계 지원방식 44
[그림 3-1] 기술평가등급모형 체계 56
[그림 3-2] 기술평가시스템 등급산출 체계 57
[그림 3-3] 기술가치평가체계 58
[그림 3-4] 기업신용평가등급 산출 프로세스 61
[그림 3-5] 빅데이터의 5V-Volatility, Variety, Velocity, Veracity, and Volume 65
[그림 3-6] 빅데이터의 잠재력 66
[그림 3-7] IP DB 반영 시, 부도예측확률 분포 변화 68
[그림 3-8] 서울신용평가의 AI 모형 신용등급 예측 정확도 69
[그림 3-9] 기술평가등급모형 체계 70
[그림 4-1] 인공지능 기술의 유용성 87
[그림 4-2] 데이터 기반 선정평가 절차 도입의 필요성 88
[그림 4-3] 수혜기업 선정 과정에서 인공지능 기술의 도입 필요성 89
[그림 4-4] 인공지능 기반 수혜기업 선정 시 효과에 대한 인식 90
[그림 4-5] 인공지능 기반 수혜기업 선정 도입시 필요 조건 중요도 인식 91
[그림 4-6] 예측 정확성과 요인 설명력의 상대적 중요도 92
[그림 4-7] 기업 선정 프로세스에 인공지능의 적절한 활용 방법 93
[그림 4-8] 적절한 수혜기업 선정을 위해 예측되어야 하는 요인 94
[그림 5-1] 연구수행주체별 국가연구개발 투자 추이(2015-2017) 101
[그림 5-2] 과학기술혁신정책 영향평가의 논리모형 102
[그림 5-3] 분석 데이터 구축 도식도 106
[그림 5-4] 매출액 증가율/증감값(ATT) 기업별 분포도 110
[그림 5-5] R&D 증가율/증감값(ATT) 기업별 분포도 112
[그림 6-1] 의사결정트리 분석 결과 (매출액 증가율 효과 긍정/부정 예측) 158
[그림 6-2] 의사결정트리 분석 결과 (R&D 증가율 효과 상위 20% 기업 예측) 159
[그림 6-3] 의사결정트리 분석 결과 (매출액 증가율 효과 상위 20% 기업 예측) 160
[그림 6-4] 의사결정트리 분석 결과 (매출액 증가율 효과 하위 20% 기업 예측) 160
[그림 6-5] 의사결정트리 분석 결과 (R&D 증가율 효과 상위 20% 기업 예측) 160
[그림 6-6] 머신러닝 기반 기업지원 정책효과 분석 모형 161
[그림 6-7] 성과 변수별 정(+)/부(-)의 순정책효과를 가지는 기업 비율 162
[그림 6-8] 하이퍼 파라미터 최적화를 통한 딥러닝 모형 개선 165
[그림 7-1] 연구 프레임 워크 171