[2026-04-13 | Data Frontier] 한눈에 보는 AI x 비즈니스 분야 연구 동향

📖 Information Technology & People - 1건

Understanding GAI user addiction from an I-PACE perspective

생성형 AI 중독(GAIA)은 기술에 대한 몰입과 통제력 상실을 동반하며 사용자의 일상과 심리적 건강에 부정적인 영향을 미친다. 이 연구는 I-PACE 모델을 기반으로 생성형 AI 중독의 유발 요인과 발현 기제를 규명하였다. 563명의 사용자를 대상으로 구조방정식 모델링(SEM)과 퍼지셋 질적 비교 분석(fsQCA)을 병행하여 분석한 결과, 기술 애호(TE), 과업-기술 적합성(PT), 인지된 영감(PI)이 몰입 경험(FE)을 증진하고, 이것이 다시 AI의 통제 불가능한 사용(UUG)을 유발하여 최종적으로 중독으로 이어짐을 확인했다. 특히 UUG는 중독 개발의 핵심적인 매개 변수로서 몰입 경험보다 중독에 더 강력한 영향을 미치는 것으로 나타났다. fsQCA를 통해 도출된 다섯 가지 구성적 경로는 중독이 단일 원인이 아닌 기술적 관심, 정서적 보상, 인지적 자극 등 다양한 동기가 복합적으로 작용하여 발생함을 보여주었다. PT는 모든 경로에서 중독 발현의 필수 조건으로 작용하여 과업 효율성과 중독 위험성 사이의 이중적 성격을 드러냈다. 이러한 발견은 단순히 AI 사용을 제한하는 차원을 넘어, 사용자 유형별로 맞춤화된 중독 예방 전략이 필요함을 시사한다. 연구는 AI 관리자가 사용자 입력의 의도를 파악하여 과업 유형별로 적절한 정보를 제공하고, 비판적 사고를 촉진하는 프롬프트를 도입하며, 중독 징후를 조기에 감지하는 모니터링 시스템을 구축할 것을 제안한다. 학술적으로는 생성형 AI 중독을 기존 디지털 중독과 차별화된 독자적인 현상으로 정의하고, I-PACE 모델을 적용하여 중독의 다차원적 경로를 성공적으로 체계화했다는 점에서 의의를 가진다.

바로가기

📖 AI & Society - 1건

Beyond black boxes and the AI sublime: critically assessing the code behind commonly used machine learning models

인공지능을 블랙박스나 기술적 숭고함으로 신비화하는 담론은 알고리즘의 사회적 영향력을 비판적으로 검토하는 데 걸림돌이 된다. 이 연구는 인공지능 모델의 실제 코드를 분석하는 '알고리즘 기법'을 통해 이러한 신비주의적 담론을 해체하고 기술의 작동 방식을 명확히 밝힌다. 방법론적으로는 파이썬(Python) 기반의 선형 회귀와 의사결정 나무 모델을 구체적인 예시로 삼아, 이들이 데이터를 처리하는 논리와 기술적 한계를 파헤쳤다. 선형 회귀 분석에서는 상관관계와 인과관계의 혼동 및 변수 누락이 초래하는 예측 오류를 짚어냈으며, 의사결정 나무 모델에서는 과적합과 데이터 편향이 어떻게 자동화된 의사결정 과정에 스며드는지 실증했다. 연구 결과, 인공지능 모델은 단순히 불가해한 블랙박스가 아니라 특정 목적을 위해 설계된 논리적 구조물이며, 데이터 선택과 모델 설계 과정에서 필연적으로 인간의 가치와 편향이 개입됨을 확인하였다. 이러한 기술적 분석은 인공지능을 둘러싼 기술 결정론적 서사를 극복하고, 인문사회과학자와 공학자가 기술의 설계 및 활용 방안을 논의할 수 있는 공통의 언어를 마련한다는 점에서 학술적 의의를 지닌다. 결론적으로, 코드 내부를 들여다보는 실천적 접근은 인공지능의 불투명성을 걷어내고 기술이 사회적 맥락 속에서 어떻게 작동하는지를 실질적으로 이해하기 위한 필수적인 토대이다.

바로가기

📖 Journal of Intelligent Information Systems - 1건

Tensor decomposition based lightweight residual fusion for Multimodal sentiment understanding

다중 모달 감성 분석에서 발생하는 모달리티별 정보 손실과 교차 모달 상호작용의 비효율성, 의미적 노이즈 누적 문제를 해결하기 위해 텐서 분해 기반의 경량 잔차 융합 프레임워크를 제안하였다. 이 프레임워크는 비직교 텐서 분해를 활용한 모달리티 분리 모듈을 통해 모달리티 불변 성분과 특정 성분을 유연하게 구분하며, 엄격한 직교성 가정 없이도 판별력 있는 정보를 유지한다. 또한 다중 스케일 전파 전략과 잔차 연결을 적용하여 계층적 문맥 정보를 모델링하고, 텐서 합산을 통해 매개변수 오버헤드를 최소화하면서 구조적 정렬을 달성하였다. 추가로 상호 정보량 최대화 목적 함수를 도입하여 불변 성분의 의미적 관련성을 극대화하고 모달리티별 노이즈를 억제함으로써 특징의 순도와 교차 모달 일관성을 향상하였다. CMU-MOSI 및 CMU-MOSEI 데이터셋을 대상으로 한 실험 결과, 기존 모델 대비 훨씬 적은 매개변수와 낮은 계산 복잡도로도 경쟁력 있는 성능을 확보하였다. 이 접근법은 실시간 다중 모달 분석 환경에서 자원 효율성과 정확도를 동시에 달성할 수 있는 새로운 아키텍처적 방향성을 제시하며, 복잡한 다중 모달 데이터를 효과적으로 처리하기 위한 경량화 모델 설계의 실효성을 입증하였다.

바로가기

📖 Journal of Business & Industrial Marketing - 1건

Resilience strategies in entrepreneurial SME networks: a multi-level framework

이 연구는 기업가적 중소기업이 위기 상황에서 비즈니스 네트워크 내 상호작용을 통해 어떻게 회복탄력성 전략을 구축하는지 탐구하였다. 연구진은 4개국 6개 기업을 대상으로 질적 사례 연구를 수행하였으며, 조직, 관계(dyadic), 네트워크라는 세 가지 수준에서 회복탄력성을 구축하는 6가지 전략을 체계화하였다. 핵심 발견에 따르면, 기업은 데이터 기반의 관계 관리 및 비즈니스 모델 혁신을 통해 내부 취약성을 관리하는 조직적 전략(Frame and Reclaim, Adapt and Advance), 포트폴리오 다각화 및 정서적 자본을 활용해 관계를 안정화하는 관계적 전략(Diversify and Thrive, Reconnect and Protect), 그리고 부문 간 파트너십과 제도적 동맹을 통해 집단적 대응을 가능하게 하는 네트워크 전략(Bridge and Bond, Ally and Amplify)을 사용한다. 특히 연구 결과는 위기가 발생한 수준과 회복탄력성 전략이 시행되는 수준이 일치할 필요가 없음을 보여주며, 기업은 이러한 다층적 전략을 통해 기본적 회복을 넘어 견고함과 반취약성(antifragility)으로 나아갈 수 있음을 확인하였다. 이 연구는 산업 마케팅 및 구매(IMP) 이론을 확장하여 중소기업이 자원 제약을 극복하고 네트워크 내에서 전략적 위치를 재설정하는 방식을 구체적으로 제시했다는 점에서 학술적 의의를 지닌다. 또한 경영자들에게는 네트워크 위치와 위기 유형에 맞춘 전략적 선택지를 제공함으로써, 단순 생존을 넘어 위기를 성장의 계기로 전환할 수 있는 실무적 지침을 제공한다.

바로가기

📖 Asia Pacific Journal of Marketing and Logistics - 2건

Understanding sustainable consumption intention among Chinese gen Z: a moderated mediation framework

중국 Z세대의 지속 가능한 소비 의도는 환경 지식과 환경적 관심이 태도, 주관적 규범, 지각된 행동 통제와 결합할 때 강화되며 이 과정에서 환경 지식은 환경적 관심과 태도를 거쳐 소비 의도에 이르는 연쇄적 매개 효과를 발휘한다. 연구진은 자극-유기체-반응 모델을 기반으로 675명의 데이터를 부분 최소 제곱 구조 방정식 모델링으로 분석하여 태도, 주관적 규범, 지각된 행동 통제가 소비 의도에 긍정적인 영향을 미친다는 점을 확인했다. 특히 환경 지식은 환경적 관심과 태도를 통해 소비 의도를 간접적으로 강화할 뿐만 아니라 태도와 지각된 행동 통제가 소비 의도로 전환되는 과정에서 조절 변수로서 작용한다. 환경적 관심 또한 태도와 주관적 규범이 소비 의도로 이어지는 경로를 증폭하는 핵심적인 조절 기제로 기능한다. 이 연구는 환경적 요인과 심리적 처리 과정이 결합된 통합적 프레임워크를 제시함으로써 Z세대의 지속 가능한 소비 행동 형성에 관한 학술적 이해를 확장했다. 이러한 발견은 단순히 환경 지식이나 관심을 높이는 것만으로는 충분하지 않으며, 이를 태도 및 행동 통제와 연계하는 다각적인 전략이 필요함을 시사한다. 정책 입안자와 기업은 Z세대의 환경적 인식을 바탕으로 태도를 형성하고 사회적 규범을 강화하는 캠페인을 전개해야 하며, 실질적인 행동 변화를 유도하기 위해 정보 전달과 인센티브 제공 등 보완적 전술을 병행해야 한다. 본 연구는 지속 가능한 개발 목표 12번과 13번을 달성하기 위한 구체적인 마케팅 및 정책적 가이드라인을 제공하며 환경 지식과 관심이 행동의 경계 조건으로서 갖는 중요성을 규명했다는 점에서 학술적 가치를 지닌다.

바로가기

The effect of perceived augmentation on pleasurable experiences and consumers' adoption intention – an empirical study based on virtual makeup

가상 메이크업 환경에서 인지된 증강성이 소비자 경험과 채택 의도에 미치는 영향을 분석하였다. 연구 결과 인지된 증강성은 감각적, 정서적, 인지적 즐거움 모두를 유의미하게 향상시키며, 특히 인지적 즐거움과 정서적 즐거움이 증강성과 채택 의도 사이에서 매개 역할을 수행하는 것으로 확인되었다. 그중 인지적 즐거움이 채택 의도에 미치는 영향력이 가장 강력하게 나타났다. 또한 구매 상황과 탐색 상황에 따라 인지된 증강성이 즐거움에 미치는 영향이 달라지는데, 탐색 상황에서는 감각적 및 정서적 즐거움이, 구매 상황에서는 인지적 즐거움이 더 크게 강화되는 양상을 보였다. 이 연구는 인지 평가 이론을 기반으로 증강 현실 기술이 소비자에게 제공하는 즐거움의 다차원적 구조를 규명하고, 상황적 맥락이 기술 채택 과정에 미치는 조절 효과를 입증했다는 점에서 학술적 의미를 지닌다. 실무적으로는 가상 메이크업 플랫폼 설계 시 소비자 상황에 맞춘 기능 최적화가 중요하며, 특히 사용자가 가상 이미지 속 자신을 생생하게 경험할 수 있도록 인지적 즐거움을 자극하는 요소가 채택 의도를 높이는 핵심 동인임을 제안한다.

바로가기

📖 Artificial Intelligence and Law - 2건

From unstructured text to structured reasoning: a hybrid knowledge graph for Indonesian sentencing analysis

이 연구는 인도네시아 법원 판결문의 구조적 불일치와 방대한 텍스트 노이즈 문제를 해결하기 위해 규칙 기반 추출과 BERT 기반 파이프라인을 결합한 하이브리드 지식 그래프 프레임워크를 개발하였다. 9,109건의 마약 및 부패 범죄 판결문을 대상으로 한 실험에서, 법적 관련성이 낮은 절차적 텍스트를 제거하는 관련성 필터링 기법을 적용했을 때 개체 추출 성능이 기존 대비 17.39% 포인트 향상된 84.39%의 F1-스코어를 기록하였다. 특히 판결문 전체를 입력값으로 사용하는 기존의 텍스트 모델은 과적합으로 인해 28% 미만의 예측 정확도를 보인 반면, 개발된 지식 그래프는 법적 논리 구조를 명시적으로 모델링하여 85%의 높은 양형 예측 정확도를 달성하였다. 이는 법적 판단이 단순한 텍스트 패턴이 아닌 법규, 사실관계, 증거 간의 관계적 구조에 기반함을 입증한다. 이 연구는 자원이 제한된 민법 체계에서 법률 지식의 파편화를 극복하고, 판결의 투명성과 일관성을 확보할 수 있는 해석 가능한 데이터 구조를 구축했다는 점에서 학술적 의의가 크다. 또한 법적 사실의 객관성과 해석적 모호성을 구분하여 모델의 신뢰성을 검증했으며, 향후 법률 AI의 공정성 감사 및 사법 해석 연구를 위한 실질적인 토대를 제공한다.

바로가기

BERT-TSR: A BERT-based two-stage ranking model for legal case retrieval

BERT-TSR 모델은 중국 법률 사례 검색 성능을 개선하기 위해 BM25 기반의 후보군 선정과 BERT 기반의 정교한 재순위화 과정을 결합한 2단계 검색 프레임워크를 제안한다. 첫 번째 단계에서는 BM25 알고리즘을 활용하여 전체 데이터셋에서 상위 n개의 후보 사례를 빠르게 선별하고, 두 번째 단계에서는 미세 조정된 BERT 모델을 사용하여 법률 판결문의 심층적인 의미를 분석한 뒤 재순위화 과정을 거친다. 이때 BERT 모델은 포인트와이즈 방식에 보조 학습을 통합하여 법률 텍스트의 복잡한 의미 구조를 효과적으로 학습하며, 재순위화 신경망은 페어와이즈 방식을 적용하여 사례 간의 관련성을 정밀하게 평가한다. LeCaRD 데이터셋을 활용한 실험 결과, 이 모델은 기존의 최신 검색 방법론들보다 우수한 성능을 입증하며 관련성이 높은 법률 사례를 검색 결과 상단에 배치하는 능력을 입증하였다. 법률 분야의 특수성을 고려한 의미론적 분석 능력의 향상은 사법 절차의 공정성과 효율성을 증진하는 데 기여하며, 대규모 법률 데이터에서 정확한 정보를 신속하게 추출해야 하는 실무적 요구를 충족한다는 점에서 중요한 학술적 가치를 지닌다.

바로가기

📖 Journal of Cheminformatics - 1건

Multiscale analysis and optimal glioma therapeutic candidate discovery using the CANDO platform

CANDO 플랫폼을 활용하여 교모세포종 치료를 위한 최적의 약물 후보군을 성공적으로 발굴하였다. 연구팀은 약물과 단백질 간의 상호작용 점수를 계산하여 프로테옴 규모의 상호작용 시그니처를 생성하고 기존 승인 약물과의 유사도 및 합의도를 분석하는 방법론을 적용하였다. 이를 통해 비타민 D, 탁산 계열, 빈카 알칼로이드, 토포이소머라아제 억제제 및 엽산 등 기존 승인 약물 24종과 진세노사이드, 크리신, 레시니페라톡신, 크립토탄시논 등 연구용 화합물을 포함한 유망한 치료 후보물질을 도출하였다. 또한 비타민 D3 수용체, 갑상선 호르몬 수용체, 아세틸콜린에스테라아제, CDK2, 튜불린 알파 체인, 디히드로엽산 환원효소, 티미딜레이트 합성효소 등 주요 표적 단백질을 식별하여 약물의 작용 기전을 규명하였다. 무작위 대조군과 비교한 벤치마킹 결과는 CANDO 플랫폼이 교모세포종 관련 약물을 식별하는 데 있어 높은 정확도와 신뢰성을 제공함을 입증하였다. 이 성과는 다중 표적 및 다중 스케일 분석을 통해 난치성 뇌종양 치료를 위한 합리적인 약물 재창출 전략을 제시하며, 향후 공격적인 종양 치료를 위한 정밀 의료의 토대를 마련하였다는 점에서 중요한 학술적 가치를 지닌다.

바로가기