기업의 AI 도입이 수익성 및 시장가치에 미치는 동태적 인과효과: KOSDAQ 패널자료 실증분석
김정수(제1저자), 백봉기(교신저자)
- INDEXED한국학술지인용색인(KCI)
- PUBLISHED미래융합연구논문지 제6권 2호 · 2026년 3월 · 135–154쪽
- AFFILIATION미드웨스트대학교 · 숭실대학교
- DATAKOSDAQ 상장사 922곳 · 기업-연도 관측치 7,376개 · 2018–2025
요약
본 연구는 2018-2025년 KOSDAQ 상장사의 AI 도입이 기업성과에 미치는 인과적 효과를 분석한다. DART 사업보고서의 텍스트 분석으로 도입 시점을 식별하고, 이원 고정효과 모형과 PSM을 통해 내생성을 통제하였다. 분석 결과, AI 도입은 단기적 프로세스 재설계 등 '전환비용' 발생으로 인해 영업이익률(OPM)에 음(-)의 영향을 미쳤으나, ICT 산업에서는 시장가치(Tobin's Q)가 유의하게 상승하는 이질적 효과가 관찰되었다. 이는 자본시장이 AI 투자를 특정 산업 맥락 내에서 미래 '성장 옵션'으로 평가하고 있음을 시사한다. 본 연구는 AI 도입의 가치 형성 과정이 산업별 보완자산 구조에 따라 상이함을 입증하여 디지털 전환 전략에 대한 중요한 시사점을 제공한다.
- 인공지능
- 재무성과
- 기업가치
- KOSDAQ
- 패널데이터
- 고정효과모형
- 보완자산
- J커브
- 범용기술
핵심 발견
-
01
AI 도입은 돈을 벌기 전에 먼저 돈이 든다.
단기적으로 영업이익률이 떨어진다. 프로세스 재설계와 재교육, 통합 작업에 드는 비용이 수익보다 먼저 오기 때문이다. -
02
그래도 시장은 값을 쳐준다. 단, 맞는 곳에서만.
ICT 기업에서는 Tobin's Q가 유의하게 오른다. 투자자는 AI 도입을 당장의 이익보다 성장 옵션으로 평가한다. -
03
기술보다 산업 맥락이 결과를 가른다.
같은 도입이라도 기업이 이미 가진 보완자산에 따라 만들어지는 가치가 다르다. AI는 모두에게 똑같이 듣는 처방이 아니다. -
04
2018–2025년, 922개 기업, 기업-연도 관측치 7,376개로 측정했다.
도입 여부는 DART 공시에서 다단계 검증을 거쳐 식별했다. 실제 도입이 외부에서 확인되지 않고 언급만 있는 경우(AI 워싱)는 뺐다.
표
표와 모형은 논문 원문(영문) 그대로 싣습니다.
Table 1 — Variable Definitions
| Category | Variable | Definition (Formula) | Expected Sign |
|---|---|---|---|
| Dependent Variables | ROA | Net Income / Total Assets | – |
| OPM | Operating Profit / Revenue | – | |
| Tobin's Q | (Market Cap + Total Debt) / Total Assets | – | |
| Independent Variable | AI_dummy | Firm-year AI adoption dummy (Adoption = 1) | + |
| Complementary Assets (Moderators) | ZRND | R&D Intensity (Standardized) | Reinforce AI effect |
| ZIntang | Intangible Asset Ratio (Standardized) | Reinforce AI effect | |
| Industrial Context (Moderator) | ICT_dummy | ICT Industry Status (1/0) | Reinforce AI effect |
| ZDigital | Standardized industry digital maturity index: three equally-weighted dimensions — AI-related exposure (ICT concentration), evidence (depth of AI deployment outcomes), and assets (infrastructure level, HHI) — robustly normalized and Z-scored | Reinforce AI effect | |
| Control Variables | lnTA | Log of Total Assets | – |
| Leverage | Total Debt / Total Assets | – | |
| Liquidity | Current Assets / Current Liabilities | – | |
| Growth | Year-over-Year Revenue Growth Rate | – | |
| CAPEX | Capital Expenditure / Total Assets | – |
Table 2 — Summary of Descriptive Statistics and Preliminary Analysis
| Variable | Mean | Std. Dev. | Min | Max |
|---|---|---|---|---|
| ROA | 0.005 | 0.112 | −0.597 | 0.338 |
| OPM | 0.026 | 0.181 | −1.565 | 0.525 |
| Tobin's Q | 1.373 | 0.887 | 0.361 | 7.297 |
| AI_w | 0.131 | 0.338 | 0 | 1 |
| Size(lnA) | 18.765 | 0.850 | 16.116 | 22.591 |
| Leverage | 0.341 | 0.192 | 0.027 | 0.997 |
| Liquidity | 0.108 | 0.107 | 0.000 | 0.831 |
Table 3 — Summary of Baseline Model (Firm/Year Fixed Effects) Results
| Dependent Var. | AI Coeff. (β) | Std. Error | p-value | Summary Interpretation |
|---|---|---|---|---|
| ROA | −0.009 | 0.004 | 0.231 | Not Significant: Offsetting transition-cost and asset-expansion effects |
| OPM | −0.017 | 0.007 | 0.008** | Significantly Negative (−): J-curve / Transition Cost dominance |
| Tobin's Q | 0.001 | 0.026 | 0.975 | Not Significant (Average): ICT heterogeneity confirmed in Sect. 4.3 |
* p < .05, ** p < .01, *** p < .001
Table 4 — Summary of Moderating Effects on ROA, OPM, and Tobin's Q
| Moderator (Interaction) | ROA (β, p) | OPM (β, p) | Tobin's Q (β, p) | Summary Interpretation |
|---|---|---|---|---|
| ZRND | 0.000, p=0.957 | 0.005, p=0.609 | −0.050, p=0.227 | Not Significant: accounting proxy limitation |
| ZIntang | −0.001, p=0.713 | 0.008, p=0.144 | −0.028, p=0.178 | Not Significant: accounting proxy limitation |
| ZDigital | 0.003, p=0.541 | 0.010, p=0.123 | −0.052, p=0.061 | Negative sign, marginal p: contrary to H3 direction; inconclusive |
| ICT_dummy | 0.004, p=0.598 | −0.003, p=0.833 | 0.192, p=0.000*** | Significant in ICT: Core Heterogeneous Finding (RBV, GPT theory) |
* p < .05, ** p < .01, *** p < .001
모형
A two-way fixed effects (TWFE) panel regression identifies the causal effect of AI adoption. Firm fixed effects control for unobserved time-invariant firm characteristics; year fixed effects control for common annual shocks. Standard errors are clustered at the firm level.
Yit = β1AIit + γ′Xit + μi + λt + εit
Yit = β1AIit + β2Mit + β3(AIit × Mit) + δ′Xit + μi + λt + εit
Yit is ROA, OPM, or Tobin's Q; AIit is the adoption dummy; Xit the control set; Mit complementary assets (ZRND, ZIntang) or industrial context (ICT_dummy); μi and λt the firm and year fixed effects.
전문
전문은 한국학술지인용색인(KCI)에서 볼 수 있습니다.