tlooto
サインアップ

AI가 기업가정신에 미치는 영향을 연구할 계획입니다. 연구 범위를 정의하기 전에, 이 분야의 최근 연구를 분석하고 싶습니다. 연구 동향을 표나 시각적 구조로 요약해 주세요.

AI가 기업가정신에 미치는 영향을 연구할 계획입니다. 연구 범위를 정의하기 전에, 이 분야의 최근 연구를 분석하고 싶습니다. 연구 동향을 표나 시각적 구조로 요약해 주세요.

2025年10月27日 9:13

좋습니다. “AI가 기업가정신(entrepreneurship)에 미치는 영향”이라는 주제는 최근 3~5년을 넘어 2025년 최신 연구까지 빠르게 확장·심화되고 있습니다. 아래는 최신 문헌을 반영하여 보강한 동향 요약표와 개념 맵, 그리고 해석과 향후 과제를 제시한 것입니다.

1) 최근 연구 동향 요약 표 (2020~2025년 중심, 최신 포함)

구분주요 연구 주제대표적 관점/이론연구 방법핵심 발견주요 저널/사례
① 기회 탐색·아이디어 창출GenAI의 기회 인식·아이디어 발상·스크리닝 영향Ideation pipeline, Creativity research체계적 리뷰AI가 아이디어 평균 창의성·속도·비용 효율을 향상하나, ‘최고(top) 아이디어’ 선별은 여전히 한계가 존재함 [1]Journal of Product Innovation Management [1]
② 창업자·팀 의사결정AI 조언 수용, 알고리즘 기피 감소, 팀–AI 의사결정 비대칭 완화Algorithm aversion, Info asymmetry, Signaling실험, 관찰 연구최대화 성향 프라이밍이 AI 조언 수용을 높이며 알고리즘 기피를 낮춤 [2]; 중앙집중형 AI 지식이 팀의 의사결정 정확도를 개선 [3]; 제3자 인간팀원의 신뢰 신호가 AI 신뢰 형성에 결정적 [4]; 자발적 AI 조언 선택이 수용성 제고 [5]Int. J. Bank Marketing [2]; J. Organizational Behavior [3][4][5]
③ 서비스·마케팅 현장 적용하이브리드 서비스(인간–AI) 설계와 직원 성과Hybrid service encounter, ABC·TOE혼합방법, 설계 프레임2×2 하이브리드 프레임으로 서비스 역할·프로세스 재설계 제안 [6]; 상호작용 유창성(competence·empathy 인지)이 서비스 성과를 매개 [7]; AI 도입 강도는 서비스 성과에 역U자형 효과(활력·불안) [8]; 호텔 마케팅에서 GenAI가 창의성·성과를 증진, 조직·정부 지원이 촉진 [9]Journal of Service Research [6]; Journal of Service Management [7]; Journal of Organizational Behavior [8]; IJCHM [9]
④ 조직 역량·동태적 역량AI–지식 결합과 동태적 역량, SME 지속가능 성과Dynamic capability, Human–AI collaboration패널·PLS-SEMAI가 동태적 역량을 유의하게 강화하며 지식 결합이 매개 [10]; 스타트업의 동태적 역량이 AI 채택과 삼중성과 개선으로 연결 [11]Journal of Knowledge Management [10]; CSR & Environmental Management [11]
⑤ 지식경영·GenAI 통합지식 프로세스로 GenAI–혁신 성과 연결Knowledge creation–transfer–application개념모형GenAI의 편향·과의존을 지식관리 프레임(창출–축적–공유–적용)으로 완화, 인간 판단 보완의 중요성 강조 [12]Journal of Knowledge Management [12]
⑥ 공급망·운영 혁신AI 기반 물류 피킹, 공급망 회복력(SCR)APIM, ERP–AI 통합혼합방법, 시뮬레이션AI 피킹이 이동거리·시간 축소로 효율 증가하나 활용 저해 요인이 존재, 임계 성공요인 도출 [13]; 의존성 비대칭에 따라 공급자/구매자 AICO가 SCR에 상이한 효과 [14]Review of Managerial Science [13]; IJOPM [14]
⑦ 재무·창업금융AI의 창업금융 지식구조와 알고리즘 패러다임Bibliometrics, ML methods문헌계량ANNs·DNNs·SVM은 널리 활용되나 토픽모델·GH-SOM 등은 저활용, 향후 기회 제시 [15]Financial Innovation [15]
⑧ 지속가능성·ESGAI 채택과 ESG 성과·지속가능 전략TOE framework, Financing constraints계량·귀납적 개념발전기업의 AI 활용이 재무제약 완화·투명성 제고·혁신 촉진을 통해 ESG를 개선 [16]; 지속가능 전략 정렬, 데이터 거버넌스·통합·모니터링 역량이 채택의 핵심 동인 [17]Business Strategy and the Environment [16]; Review of Managerial Science [17]
⑨ 윤리·투명성·신뢰투명성 신호, 3E(공감·윤리·효율) 프레임Virtue ethics, Signaling서지분석·개념투명성 지식기반은 신뢰·설명·편향·수용/기피·휴리스틱 6클러스터로 구조화 [18]; 공감이 윤리–효율 간 가교로서 책임 있는 AI 실무 지침 제공 [19]Internet Research [18]; Psychology & Marketing [19]
⑩ 거버넌스·정책·생태계AI 거버넌스 프레임과 정치·시장·관료제Multi-stakeholder governance서지·정책 메타리뷰, 개념글로벌 거버넌스 연구는 민첩·분류·선제 거버넌스를 통합한 포괄 프레임을 제안 [20]; AI를 ‘거버넌스의 기술’이자 ‘신규 거버넌스 형태’로 위치지움 [21]Journal of Knowledge Management [20]; Annual Review of Political Science [21]
⑪ 기술 융합 지형AI–블록체인–IoT 수렴Convergence, Security, Data markets종합 서베이상호보완적 통합이 신뢰·투명성·보안·결정 자동화를 동시 강화, 도전과제·기회 제시 [22]IEEE Internet of Things Journal [22]

2) 연구 동향의 구조적 개념 맵 (요약 도식)

[AI 발전·확산]
   │
   ├─ (1) 기회탐색·아이데이션
   │     ├─ 텍스트/이미지 분석 기반 기회발견 <span class='cite cite-1'>[1]</span>
   │     └─ 아이디어 생성/스크리닝 보조 <span class='cite cite-1'>[1]</span>
   │
   ├─ (2) 창업자·팀 의사결정
   │     ├─ 알고리즘 기피 완화·조언 수용 설계 <span class='cite cite-2'>[2]</span><span class='cite cite-5'>[5]</span>
   │     └─ 팀–AI 지식구조와 비대칭 완화 <span class='cite cite-3'>[3]</span><span class='cite cite-4'>[4]</span>
   │
   ├─ (3) 실행·서비스 설계
   │     ├─ 하이브리드 서비스 조면(2×2) <span class='cite cite-6'>[6]</span>
   │     └─ 상호작용 유창성→성과(역U자 포함) <span class='cite cite-7'>[7]</span><span class='cite cite-8'>[8]</span><span class='cite cite-9'>[9]</span>
   │
   ├─ (4) 조직역량·지식관리
   │     ├─ 동태적 역량·지식결합 매개 <span class='cite cite-10'>[10]</span><span class='cite cite-11'>[11]</span>
   │     └─ GenAI×지식관리 프로세스 <span class='cite cite-12'>[12]</span><span class='cite cite-23'>[23]</span>
   │
   ├─ (5) 운영·공급망
   │     ├─ 창고 피킹·ERP–AI 통합 <span class='cite cite-13'>[13]</span>
   │     └─ AICO×의존성→회복력 <span class='cite cite-14'>[14]</span><span class='cite cite-24'>[24]</span>
   │
   ├─ (6) 재무·창업금융
   │     └─ 알고리즘 패러다임·미개척 기법 <span class='cite cite-2'>[2]</span><span class='cite cite-15'>[15]</span>
   │
   ├─ (7) 지속가능성·ESG
   │     ├─ AI→ESG 경로(재무·투명성·혁신) <span class='cite cite-16'>[16]</span>
   │     └─ TOE 기반 지속가능 채택 설계 <span class='cite cite-11'>[11]</span><span class='cite cite-17'>[17]</span>
   │
   ├─ (8) 윤리·투명성·신뢰
   │     ├─ 투명성 신호 프레임 <span class='cite cite-18'>[18]</span>
   │     └─ 3E(공감·윤리·효율) 실무모형 <span class='cite cite-19'>[19]</span>
   │
   └─ (9) 거버넌스·생태계·기술수렴
         ├─ 다중이해관계자·민첩·선제 거버넌스 <span class='cite cite-20'>[20]</span><span class='cite cite-21'>[21]</span>
         └─ AI×블록체인×IoT 융합 <span class='cite cite-22'>[22]</span>

3) 최근 연구 경향 해석 (보강)

  • 중심 키워드 확장
    • AI-enabled entrepreneurship, Hybrid human–AI encounters, AI capability orientation, Sustainability-oriented AI adoption, Algorithm aversion/trust signaling [2][5][6][14][17].
  • 방법론 변화
    • 혼합방법·패널·fsQCA·APIM 등으로 고도화되며 현장 맥락(물류, 서비스, 호텔, 공급망)에서 실험·시뮬레이션을 결합하는 경향 강화 [3][7][9][13][14].
  • 분석 단위 다층화
    • 개인(의사결정·학습·동기) → 팀(신뢰·수렴·비대칭) → 조직(동태적 역량·지식결합·전략) → 생태계/정책(거버넌스·ESG)로 확장 [4][10][11][16][17][20][21].
  • 성과·영향의 이중성
    • 서비스 성과는 역U자형 등 비선형, 정서(활력·불안)와 맥락(조직 지원, 개인 성향)에 의해 조건화됨 [8][9].
  • 제도·정책적 정렬
    • ESG·지속가능성 목표와의 정렬이 AI 채택의 ‘전략적 동인’으로 부상하며 데이터 거버넌스·시스템 통합 역량이 핵심 선결요소로 부각 [16][17].
  • 신뢰·투명성의 구현 전략
    • 투명성 신호의 구성요소(설명, 편향, 수용/기피, 휴리스틱)와 공감 중심의 3E 프레임을 결합한 책임 설계 필요 [18][19].

4) 향후 과제 및 연구 공백(agenda)

  1. 인간–AI 공창업(co-entrepreneurship) 메커니즘
  • 팀–AI 지식구조(중앙 vs 비대칭)에 따른 의사결정 품질·정체성 변화를 종단적으로 검증 필요 [3][4].
  1. 알고리즘 기피·신뢰 설계의 실험적 검증
  • 선택권 부여, 신호 적합도·일치성의 효과를 다양한 창업 의사결정 맥락(채용, 투자, 제품선정)에서 반복 검증 [2][5].
  1. 비선형 성과곡선의 경영 설계
  • 도입 강도–성과 역U자형을 야기하는 심리·과업 요인 분해와 조직 지원·개인 성향의 상호작용 모형화 [8][9].
  1. 지식관리×GenAI 운영모형의 계량적 테스트
  • 창출–축적–공유–적용 프로세스 지표화와 혁신성과 간의 인과식 확인(차분-GMM/패널 IV 등) [12][23].
  1. 동태적 역량의 미시적 기반
  • 지식 결합(knowledge coupling)의 구성요소와 CEO IT 경험·과신의 경계조건을 다양한 산업·국가에서 재현 [10][11].
  1. 공급망·운영의 현장 최적화
  • AI 피킹 및 AI-SCAC가 인적/구조/관계 자본을 통해 합리·제한·암묵 의사결정에 미치는 차등 경로 규명 [13][24]; 의존성 비대칭 하 파트너별 AICO 최적 조합 탐색 [14].
  1. ESG·거버넌스 정합성
  • AI→ESG 경로의 매개(재무제약·투명성·혁신)와 지역·산업 이질성의 정책 함의 정량 분석 [16]; 다중 이해관계자 민첩·선제 거버넌스의 창업 생태계 효과 평가 [20][21].
  1. 투명성·윤리의 실무 도구화
  • 투명성 신호 프레임과 3E 의사결정 모델을 스타트업 전주기에 내재화하는 체크리스트·메트릭 개발 [18][19].
  1. 기술 수렴과 새로운 비즈니스 모델
  • AI×블록체인×IoT 기반 데이터·신뢰 인프라가 창업 기회·수익화 메커니즘에 미치는 영향 탐색 [22].

5) 요약 결론(업데이트)

  • AI는 기업가정신의 전 주기(아이디어–의사결정–실행–확장–지배구조/정책)를 재구성하고 있으며, 인간의 직관·창의성을 보완하는 ‘하이브리드 기업가정신’을 촉진하는 경향이 강화되고 있습니다 [1][3][6].
  • 다만 성과효과는 맥락적·비선형적이며(예: 역U자형), 신뢰·투명성·지식관리·동태적 역량이 지속적 가치 창출의 관건으로 드러납니다 [8][10][11][12][18].
  • ESG·지속가능성 정렬과 거버넌스 설계는 채택과 성과의 핵심 외생조건으로 부상하고 있습니다 [16][17][20][21].

6) 연구 범위 정의 제안(체계적 세분)

  • 분석 단위

    • 개인: 알고리즘 기피/수용, 학습·동기, 창업자 의사결정 품질 [2][23]
    • 팀: 인간–AI 신뢰, 지식 비대칭·수렴, 신호 설계 [3][4][5]
    • 조직: 동태적 역량·지식결합, 서비스·운영 혁신, ESG 성과 [9][10][11][13][16][17]
    • 생태계/정책: 거버넌스 프레임, 기술수렴 인프라 [20][21][22]

  • 영향 유형

    • 인지·기회: 아이데이션 효율/상질의 trade-off [1]
    • 성과: 서비스/운영/공급망/창업금융의 정량 성과 [13][14][15]
    • 윤리·신뢰·투명성: 수용성·책임성 설계 [18][19]

  • 방법론

    • 혼합방법(실험+현장데이터), 패널계량(APIM·2WFE·PLS-SEM·fsQCA), 설계과학(서비스 프레임·투명성 신호 모델) [3][6][9][10][11][13][18]

이 구조를 바탕으로 귀하의 연구는, 예컨대 “인간–AI 팀 의사결정에서 투명성 신호 설계가 알고리즘 기피를 완화하고 팀 성과를 높이는 메커니즘”과 같이 특정 단계·단위·효과·방법을 조합하여 정밀하게 설계할 수 있습니다 [2][3][5][18].

参考文献
  1. [1]

    PESCHER, C.; TELLIS, G. The role of artificial intelligence in the ideation process. Journal of Product Innovation Management, 2025. https://doi.org/10.1111/jpim.12791.

  2. [2]

    SILBER, Dietrich; HOFFMANN, Arvid O. I.; BELLI, Alex. Embracing AI advisors for making (complex) financial decisions: An experimental investigation of the role of a maximizing decision-making style. International Journal of Bank Marketing, 2025. https://doi.org/10.1108/ijbm-10-2024-0647.

  3. [3]

    ZERCHER, Désirée, et al. How can teams benefit from AI team members? Exploring the effect of generative AI on decision‐making processes and decision quality in team–ai collaboration. Journal of Organizational Behavior, 2025. https://doi.org/10.1002/job.2898.

  4. [4]

    ERENGIN, Türkü; BRIKER, Roman; JONG, S. D. De. You, me, and the AI: The role of third‐party human teammates for trust formation toward AI teammates. Journal of Organizational Behavior, 2025. https://doi.org/10.1002/job.2857.

  5. [5]

    SMITH, Andria, et al. Navigating AI convergence in human–artificial intelligence teams: A signaling theory approach. Journal of Organizational Behavior, 2025. https://doi.org/10.1002/job.2856.

  6. [6]

    MORTATI, M.; FREITAS, Giovanna Viana Mundstock. AI in service design: A new framework for hybrid human–ai service encounters. Journal of Service Research, 2025. https://doi.org/10.1177/10946705251344387.

  7. [7]

    YANG, Shuiqing, et al. Understanding service performance of frontline employees from employee–ai interaction perspective. Journal of Service Management, 2025. https://doi.org/10.1108/josm-10-2023-0425.

  8. [8]

    QUAN, Jing, et al. Gain or pain: The double‐edged sword effect of artificial intelligence adoption on employee service performance. Journal of Organizational Behavior, 2025. https://doi.org/10.1002/job.70023.

  9. [9]

    WANG, Shaofeng; ZHANG, Hao. Generative AI in international hotel marketing: Impacts on employee creativity and performance. International Journal of Contemporary Hospitality Management, 2025. https://doi.org/10.1108/ijchm-10-2024-1595.

  10. [10]

    SHAN, Biaoan, et al. Artificial intelligence, knowledge coupling, and dynamic capabilities in China’s GEM listed enterprises: The role of human–ai collaboration. Journal of Knowledge Management, 2025. https://doi.org/10.1108/jkm-04-2025-0588.

  11. [11]

    CIMINO, Antonio, et al. Artificial intelligence adoption for sustainable growth in SMEs: An extended dynamic capability framework. Corporate Social Responsibility and Environmental Management, 2025. https://doi.org/10.1002/csr.70019.

  12. [12]

    ZHANG, Qichao; ZUO, Jiaxiang; YANG, Songling. Research on the impact of generative artificial intelligence (genai) on enterprise innovation performance: A knowledge management perspective. Journal of Knowledge Management, 2025. https://doi.org/10.1108/jkm-10-2024-1198.

  13. [13]

    RAD, Fakhreddin F., et al. Adoption of AI-based order picking in warehouse: Benefits, challenges, and critical success factors. Review of Managerial Science, 2025. https://doi.org/10.1007/s11846-025-00858-1.

  14. [14]

    LU, Xingwei, et al. Whose AI matters? Examining the bilateral effects of AI capability orientation on supply chain resilience. International Journal of Operations & Production Management, 2025. https://doi.org/10.1108/ijopm-09-2024-0790.

  15. [15]

    KUDELIĆ, R.; SMAGUC, T.; ROBINSON, S. Artificial intelligence in the service of entrepreneurial finance: Knowledge structure and the foundational algorithmic paradigm. Financial Innovation, 2025.

  16. [16]

    TIAN, Haowen; WANG, Junkai; CAI, Yue. Artificial intelligence adoption and corporate ESG performance. Business Strategy and the Environment, 2025. https://doi.org/10.1002/bse.70032.

  17. [17]

    SCHWAEKE, Julia, et al. Artificial intelligence (AI) for good? Enabling organizational change towards sustainability. Review of Managerial Science, 2025. https://doi.org/10.1007/s11846-025-00840-x.

  18. [18]

    WANG, Fatima; LOPEZ, Carmen; OKAZAKI, Shintaro. Signaling transparency in the era of artificial intelligence. Internet Research, 2025. https://doi.org/10.1108/intr-11-2023-1041.

  19. [19]

    FUKUKAWA, Kyoko; TRIVEDI, Rohit H. Empathy, ethics and efficacy: The 3es of implementing artificial intelligence for consumer encounters. Psychology & Marketing, 2025. https://doi.org/10.1002/mar.22235.

  20. [20]

    WANG, Xu; XIE, Fang. Global artificial intelligence governance research in the digital and intelligent era: Advances, trends and countermeasures. Journal of Knowledge Management, 2025. https://doi.org/10.1108/jkm-01-2025-0006.

  21. [21]

    FARRELL, Henry. AI as governance. Annual Review of Political Science, 2025. https://doi.org/10.1146/annurev-polisci-040723-013245.

  22. [22]

    ZUO, Yanjun. Exploring the synergy: AI enhancing blockchain, blockchain empowering AI, and their convergence across iot applications and beyond. IEEE Internet of Things Journal, 2025. https://doi.org/10.1109/jiot.2024.3507746.

  23. [23]

    JIANG, Xuping, et al. The nexus between learning engagement, knowledge acquisition and valence of use: Role of generative AI adoption in business context. Journal of Knowledge Management, 2025. https://doi.org/10.1108/jkm-03-2025-0375.

  24. [24]

    ALKALHA, Ziad, et al. A multi-faceted approach for leveraging AI and intellectual capital for enhanced supply chain decision-making. Journal of Intellectual Capital, 2025. https://doi.org/10.1108/jic-07-2024-0201.

2025年10月27日 9:13

tlootoは間違えることがあります。重要な情報は元のソースで確認してください。