IS 연구자는 연구의 품질을 높이기 위해 연구의 엄격성(rigorous)과 실무 관련성(relevance)을 동시에 확보해야 한다. 그러나 현실은 IS 연구자가 많은 시간과 노력을 들여 복잡하고 엄격한 방법론을 적용하여 상위 학술지에 논문을 출판해도, 본인의 연구가 실무의 세계에 어떠한 영향력을 미치는지 알 수 있는 방법은 현재까지는 알려진 바가 적다. 이에 본 논문은 국내 IS 연구자에게 자신의 학술적 연구가 현실 세계에서 실무 관련성을 확보하면서 연구의 품질을 개선할 수 있는 방법을 제안하는 것에 목적이 있다. 이를 위해 본 연구는 IS 연구자가 IS 실무자와 함께 연구 이론 또는 연구 모델에 대해 실무 적용 가능성 점검(applicability check)을 수행할 것을 제안한다. 실무 적용 가능성 점검은 학술적 연구의 실무 관련성 수립 및 개선을 위한 체계적 접근 방식으로, IS 연구자가 세 가지 차원(i.e., 중요성(importance), 접근성(accessibility), 적용 가능성(applicability))에서 자신의 연구 결과에 대한 실무 관련성을 평가할 수 있다. 본 연구는 IS 연구자들에게 실무 적용 가능성 점검 방법 적용에 대한 이해를 구체적으로 돕기 위해, 다른 유형의 2가지 적용 사례를 본문에서 제시하였다. 본 연구는 실무 적용 가능성 점검의 수행 및 평가 원칙과 체계적인 접근 방법을 제시함으로써 IS 연구의 엄격성과 실무 관련성의 균형에 대한 단초를 제공하고 나아가 전체적인 IS 연구발전에 기여할 수 있다.

본 연구의 목적은 부산 지역화폐 선불카드 데이터를 분석해 신흥 상권을 도출하고, 그 속성을 파악하여 시장 참여자들에게 유용한 정보를 제공하는 데 있다. 기존의 통계 데이터나 설문조사 방식은 모집단의 대표성을 충분히 반영하지 못하는 한계가 있다. 이를 해결하기 위해 지역화폐 거래 데이터를 활용하여 지역 경제의 흐름을 심층적으로 분석하고자 한다. 데이터는 우편번호 단위로 집계하여 지역별 상권 성장률을 분석하고, 업종별 트렌드를 파악하기 위해 Dynamic Time Warping(DTW) 알고리즘을 적용하였다. 분석 결과, 기장군 일광면과 강서구 대저1동이 신흥 상권으로 성장하고 있음을 확인했다. 이들 지역은 30대와 50대의 비교적 젊은 소비층이 주를 이루며, 편의점, 음식점, 레저 업종의 이용 빈도가 높은 것으로 나타났다. 본 연구는 상권 성장에 영향을 미치는 주요 요인을 분석함으로써 향후 상권의 발전 가능성을 예측하는 데 중요한 정보를 제공한다. 이를 통해 기업은 효과적인 점포 개설과 마케팅 전략을 수립할 수 있으며, 행정기관은 맞춤형 정책을 개발하고, 소상공인은 상권의 특성을 파악해 변화하는 상업 환경에 신속히 대응할 수 있다. 우편번호를 기반으로 상권을 구분하는 방법은 기존 특정 지역 중심의 분석을 넘어 지역 특성을 세밀히 반영할 수 있다. 이 방법은 상권 성장 가능성이 높은 지역을 보다 정확히 식별하고, 상권 간 비교 및 연계 분석을 가능하게 하여 기업의 데이터 분석 실무에 새로운 접근법을 제시한다. 이는 지역 경제 발전과 정책 수립에 효과적이고 실질적인 정보를 제공할 수 있음을 시사한다.

빅데이터와 AI 기술의 발전으로 사용자 맞춤형 콘텐츠 제공이 가능해졌지만, 이는 정보 코쿤 현상을 심화시켜 선택적 자기 노출행위와 정보 편향을 초래할 수 있다. 본 연구는 사회인지이론을 바탕으로 틱톡 사용자 305명을 대상으로 에코 챔버 효과와 인지 고정이 선택적 자기 노출행위에 미치는 영향을 SPSS 27.0으로 분석하였다. 연구 결과, 에코 챔버 효과가 콘텐츠 검색의 단일화와 선택적 자기 노출행위 간의 매개 효과에 유의미한 영향을 미침을 확인하였다. 이는 디지털 정보 환경에서 편향 문제를 해소하고 다양성과 객관성을 증진하는 데 기여할 수 있는 학문적 근거를 제공한다.

모바일 애플리케이션(이하 '앱')의 초기 개발, 향후 업데이트 및 장기적인 수익 창출은 사용자 데이터에 대한 의존도가 높다는 특징을 보인다. 사용자 데이터의 활용은 앱 개발자들이 핵심 기능을 최적화하고 비즈니스 수익 모델을 정교화하며, 빅데이터 관리 능력을 강화하는 데 기여한다. 그러나 최근 데이터 프라이버시에 대한 사용자 인식의 변화와 관련 정책의 강화로 인해 데이터 수집과 활용이 점차 제한되고 있다. 본 연구는 빅데이터 관리 차원과 프라이버시 경제 차원의 핵심 원칙을 기반으로, 데이터 프라이버시 환경에서 개인 사용자 데이터의 획득(Acquisition)과 활용(Utilization)이 모바일 앱의 성과에 미치는 영향을 분석한다. 이를 위해 Apple App Store에 등록된 2,037개 앱의 프라이버시 관련 속성 데이터를 활용한 실증 분석을 수행하였다. 분석 결과, 인화된 데이터 기반 전략을 채택한 앱은 상위 차트에 장기적으로 머무르는 경향을 보였다. 반면, 제3자와의 데이터 공유는 앱의 상위 차트 유지 기간을 크게 단축시키는 것으로 나타났다. 또한, 다양한 방식의 데이터 활용을 통해 효율성을 높이는 전략은 앱 성과에 유의미한 영향을 미치지 않는 것으로 밝혀졌다. 본 연구는 개인 사용자 데이터의 전략적 활용에 대한 새로운 통찰을 제공함으로써, 프라이버시 관련 연구의 발전에 기여하고 앱 개발자와 정책 입안자들에게 중요한 경영학적 시사점을 제시한다.

최근의 의료 서비스는 정보통신기술과 융합하여 발전하고 있으며, 의료 서비스 영역의 보안 사고를 예방하기 위해서는 다양한 보안 대책을 포함하는 포괄적인 정보보호 투자가 필요하다. Sönmez et al.(2022)은 Attack Graph 기반 정보보호 투자 최적화 툴인 CysecTool을 활용하여 병원 정보 시스템의 취약점에 대한 위험 평가와 제어 방안에 대한 최적화를 진행했다. 본 논문에서는 Sönmez et al.(2022)의 취약점과 대책 관련 데이터와 국내 주요 병원의 실제 네트워크 구조도를 활용하여 어택 그래프를 제작하고, CysecTool 투자 최적화 모델의 한계점을 개선하여 정보보호 투자 최적화를 수행했다. 동일한 공격 시나리오에서 CysecTool 모델보다 더 많은 위협들을 제거하는 모델을 개발하고 이를 통해 공격 시나리오에 기반하여 정보보호 투자를 더욱 효율적으로 수행할 수 있도록 한다. 본 연구에서 제안한 모델을 기반으로 병원 정보 시스템에 대한 공격 시나리오를 활용하여 사이버공격의 위험을 더욱 효율적으로 관리할 수 있다. 또한 다양한 해결 방안을 제시함으로써 경영진들의 정보보호 투자 의사결정을 지원할 수 있다.

많은 사람들이 일상에서 다른 사람들과 소통하기 위해 소셜 미디어를 사용하면서 소셜 미디어에 대한 기업들의 관심도 점점 증가하였다. 본 연구에서는 이용과 충족이론, 사회정보처리이론을 기반으로 소셜 미디어 사용 및 직무생산성에 영향을 미치는 요인을 살펴보았고, 최종적으로 소셜 미디어가 조직구성원의 직무생산성에 영향을 미치는 메커니즘을 규명하고자 하였다. LISREL 8.7을 이용한 실증분석 결과, 소셜 미디어 사용에 유의한 영향을 미치는 요인으로 자기표현 욕구와 상호작용 욕구를 확인하였으며, 소셜 미디어 사용은 지식공유와 의사결정 참여를 통한 직무생산성에 영향을 미치는 것으로 나타났다. 결론에서는 본 연구의 이론적, 실무적 시사점을 논의하고 향후 연구 방향을 제시하였다.

최근 AI 기술과 알고리즘의 발전에 따라 자동화된 의사결정 시스템(ADMS)에 대한 기대와 관심이 높아지고 있다. 그러나 ADMS의 공정성, 편향성, 투명성과 관련된 다양한 윤리적 측면의 문제점이 드러나면서 사용자의 신뢰성과 수용성 저하를 유발하고 있다. 이에 본 연구에서는 ADMS에 대한 사용자들의 수용성을 높이기 위한 전략을 수립하기 위해, ADMS에 대한 사용자의 공정성, 편향성, 투명성, 신뢰성 인식이 수용성에 미치는 영향을 살펴보고자 하였다. 구체적으로 본 연구에서는 ATIAS 모델과 공정성 이론을 바탕으로 공정성과 편향성이 신뢰성에 영향을 미치고, 이를 통해 수용성에 영향을 미칠 것으로 가설을 설정하였다. 또한, 신뢰성이 수용성에 미치는 효과는 투명성에 의해 조절될 것이며, 이에 따라 공정성과 편향성이 신뢰성을 매개로 수용성에 미치는 효과가 투명성에 의해 조절될 것으로 가설을 설정하였다. 수립된 가설을 검증하기 위해 ADMS 사용 경험이 있는 국내 성인을 대상으로 온라인 설문조사를 실시하였으며, 500부의 연구 데이터를 수집하였다. 수집된 데이터는 SmartPLS의 PLS-SEM, PLSPredict 모듈과 SPSS의 PROCESS Macro를 사용하여 분석하였으며, 분석한 결과는 다음과 같다. 첫째, 공정성은 신뢰성에 유의한 정(+)의 영향을 미쳤다. 둘째, 편향성은 신뢰성에 유의한 영향을 미치지 않았다. 셋째, 신뢰성은 수용성에 유의한 정(+)의 영향을 미쳤다. 넷째, 신뢰성은 공정성과 수용성을 매개하였다. 다섯째, 신뢰성이 수용성에 미치는 효과는 투명성에 의해 조절되었다. 여섯째, 공정성이 신뢰성을 매개로 수용성에 미치는 효과는 투명성에 의해 조절되었다. 이상의 연구결과를 바탕으로 본 연구는 ADMS에 대한 신뢰성과 수용성을 높이기 위한 전략과 사회적으로 신뢰할 수 있는 ADMS 기술의 발전 방향을 제시하였다.

본 연구는 영화 개봉 전 활용 가능한 정적 데이터를 기반으로 AI 및 기계 학습(Machine Learning, ML) 기법을 활용한 영화 흥행 예측 모델을 제안하고, 이를 기존 베이스라인 모델과 비교하여 성능을 평가하였다. 2013년부터 2024년까지 수집된 KOBIS 데이터를 활용하여 배우, 감독, 배급사, 장르별 기술 통계와 상호작용 파생변수를 생성하였으며, RFECV(Recursive Feature Elimination with Cross-Validation)를 통해 주요 변수를 선별하였다. 또한, AutoML 기법을 적용하여 데이터셋에 최적화된 모델을 학습하고, 네이버 검색어 트렌드 데이터를 추가적으로 반영하여 예측 성능을 향상시켰다. 실험 결과, 최종 제안모델은 베이스라인 모델 및 기존 연구모델을 뛰어넘는 성능을 보였으며, F1-Macro 및 AHPR-Bingo를 활용한 평가 척도에서 높은 정확도를 기록하였다. 특히, 상호작용 파생변수는 모델 성능 개선에 기여하는 주요 변수로 나타났으며, 정적 데이터를 활용한 예측 모델이 영화 산업 내 의사결정 과정에서 유의미한 도구로 작용할 수 있음을 입증하였다. 본 연구는 정적 데이터만을 활용한 영화 흥행 예측 모델을 제안함으로써 학술적 및 실무적 기여를 제공한다. 연구 결과는 영화 제작사와 배급사가 개봉 전 전략적 의사결정을 지원하는 데 유용한 프레임워크를 제공하며, 향후 연구는 동적 데이터를 포함한 확장된 모델 개발 및 다양한 데이터셋 적용을 통해 본 연구를 보완할 수 있을 것으로 기대된다.

소셜미디어 마케팅의 중요성이 커지면서 B2B 브랜드 유형의 콘텐츠 전략에 관한 연구 필요성도 높아지고 있다. 특히, 처리 유창성(processing fluency)은 정보처리 용이성에 대한 주관적 경험으로 콘텐츠의 복잡성이 감소할수록 처리에 필요한 인지적 자원이 감소하여 긍정적 태도를 가져온다. 따라서, 소셜미디어 콘텐츠 복잡성이 감소할수록 고객 인게이지먼트도 증가할 가능성이 크다. 하지만, 일부 연구에서는 유사한 측정변수를 콘텐츠 깊이로 개념화하여 콘텐츠 성과에 긍정적인 영향을 미친다는 연구 결과를 보고하였다. 따라서, 소셜미디어 콘텐츠 복잡성과 고객 인게이지먼트 간의 관계에 대해 추가적인 경계조건을 탐색하는 것이 필요하다. 본 연구는 브랜드 유형(B2B vs. B2C)에 따른 소셜미디어 콘텐츠 복잡성과 고객 인게이지먼트 간의 관계 차이를 분석했다. 글로벌 브랜드 51개의 154,705개 트위터 데이터를 분석한 결과, 일반적으로 소셜미디어 콘텐츠의 언어적 복잡성은 고객 인게이지먼트에 음의 영향을 미치지만, B2B 브랜드 유형에서는 이러한 영향이 약화 되는 것으로 나타났다.

본 연구는 기업의 생성형 AI 도입 과정에서 발생하는 복잡한 리스크를 효과적으로 관리하기 위한 종합적인 평가 프레임워크인 STAGE-AI Metrics를 제안한다. 해당 프레임워크는 사회적 영향(Social impact), 기술적 성능(Technical performance), 조직 내 도입(Adaptation to organization), 지속가능성(Growth in sustainability), 윤리적 고려 사항(Ethical consideration)의 다섯 가지 주요 영역을 포괄하며, 영역별로 세부적인 평가 지표와 관련 벤치마크를 제시한다. 특히 기술적 성능(Technology)을 기반으로 사회적 영향(Social) 및 윤리적 측면(Ethics)을 순차적으로 고려하여 설계되었다. AI 시스템의 기본적인 성능 평가에서 출발, 해당 기술의 도입이 조직과 사회에 미치는 광범위한 파급 효과까지 포괄적으로 평가가 가능하게 하며 추가로 지속가능성(Sustainability)까지 검토할 수 있도록 지원한다. STAGE-AI Metrics는 기존의 단편적인 성능 평가 방식을 넘어, AI 시스템의 기술적 성능뿐만 아니라 사회적 영향과 윤리적 측면까지 고려하는 다면적 접근을 통해 기업이 자사의 특성과 요구사항에 최적화된 AI 모델을 선택하고 도입할 수 있도록 지원한다. 본 연구는 AI 도입의 초기 단계에서 발생할 수 있는 잠재적 문제점들을 사전에 식별하고 대비할 수 있는 실용적인 도구를 제공함으로써, 기업의 AI 도입 성공률을 높이고 장기적인 경쟁력 확보에 기여할 것으로 기대된다.

대규모 언어 모델(Large Language Model, LLM)의 활용이 확산되면서 개인정보 보호 문제가 중요한 기술적 도전 과제로 부상했다. 특히 한국어 데이터셋은 초성, 중성, 종성 결합 구조와 비정형적 표현으로 인해 개인정보 탐지와 마스킹이 더욱 어렵다. 본 연구는 한국어 데이터셋의 특성을 반영하여 KcBERT에 조건부 랜덤 필드(Conditional Random Field)를 결합한 모델과 Chain-of-Thought(CoT) 프롬프팅을 통합한 딥러닝 기반 탐지 모델을 설계하고, 여기에 정규 표현식 및 키워드 기반 탐지를 결합한 하이브리드 모델을 제안한다. 이를 통해 개인정보 탐지 정확도와 효율성을 동시에 개선했다. 하이브리드 모델은 평균 정확도 0.99, 매크로 평균 정확도 0.96, 재현율 0.91, F-1 점수 0.94를 기록하여 그 효과성을 증명하였다. 본 연구는 한국어 특화 개인정보 보호 기술의 새로운 표준을 제시하며, 글로벌 개인정보 보호 규제 준수의 기술적 토대를 마련할 것으로 기대된다.

본 연구는 탄소 중립 실현을 위한 다양한 전략 중 하나로 주목받고 있는 스마트워크에 대한 대학생들의 인식을 탐구한다. 전 세계적으로 환경 보호와 지속 가능한 발전에 대한 관심이 높아지면서, 기업들은 탄소 배출 감소를 위한 여러 방안을 찾고 있다. 스마트워크는 이러한 노력의 일환으로, 코로나 팬데믹을 기점으로 빠르게 확산되었다. 유연근무제, 워케이션과 같은 다양한 스마트워크 형태는 업무 효율성을 증대시키고, 일과 삶의 균형을 강화하며, 출퇴근에 따른 탄소 배출을 줄이는 긍정적인 효과를 가져왔다. 그러나 시간이 지나면서 업무 몰입도 저하, 비대면 소통의 어려움, 근무 경계의 모호성 등은 직원들의 피로감을 증가시키는 등 스마트워크의 단점 또한 부각되었다. 이에, 일부 기업들은 다시 재택근무를 줄이거나 중단하고 있다. 본 연구는 취업을 준비 중인 대학생들의 시각에서 스마트워크에 대한 인식을 분석하였다. 대학생들이 미래의 직장에서 스마트워크를 어떻게 바라보는지, 그들이 스마트워크의 장점과 단점에 대해 어떤 생각을 가지고 있는지를 Q방법론을 통해 조사하였다. 이를 통해 대학생들이 어떤 요인을 중시하며, 스마트워크가 그들의 취업 결정이나 직무 만족도에 어떻게 영향을 미치는지를 파악하였다. 본 연구는 조직 관리자들이 스마트워크를 보다 효과적으로 도입하고 운영할 수 있는 전략 수립에 기여할 수 있을 것이다. 대학생들의 인식을 이해함으로써, 기업은 구성원 맞춤형 스마트워크 정책을 통해 업무 효율성을 극대화하고, 더 나아가, 지속 가능한 경영을 실현할 수 있는 기반을 마련할 수 있을 것이다.

그동안 인수합병 기업 간 자원 관련성이 인수합병 성과에 미치는 영향과 관련하여 다양한 연구가 진행되어 왔다. 그러나 이러한 연구들은 자원 관련성 측정의 적절성, 신뢰성, 포괄성 측면에서 다양한 문제점을 노출해왔다. 본 연구에서는 10-K 보고서의 비구조화된 텍스트를 데이터로 활용하여 이러한 문제점을 해결하고자 하였다. 보다 구체적으로 10-K 보고서를 기반으로 토픽모델링과 전문가 집단의 평가를 통합하여 자원 관련성을 측정하고 이러한 자원 관련성이 인수합병 성과에 미치는 영향을 파악하고자 하였다. 이를 위해 269개의 미국의 상장 기업 간 인수합병 공고와 해당 인수합병에 포함된 기업의 10-K 보고서를 분석하였다. 분석결과 제품 및 시장 자원 관련성과 경영 자원 관련성 모두 기업 성과에 부정적인 영향을 미치는 것을 파악하였다. 이는 자원 유사성을 강조한 기존 연구와 달리 자원의 비유사성이 인수합병 성과를 높인다는 연구결과와 일치한다. 본 연구는 머신러닝 기법을 활용하여 비구조화된 데이터로부터 자원 관련성 측정방법을 제시함으로써 표준분류체계와 같은 전통적인 분류 기반 접근법의 한계를 극복하고 이를 기반으로 인수합병 성과에 대한 보다 정밀한 이해를 제공하였다는 점에서 학문 및 실무적 의의가 있다고 할 수 있다.

최근 강력 범죄의 발생 빈도가 증가하면서 사회적 불안감이 고조되고 있으며, 기존의 사후 대응 중심의 치안 시스템만으로는 범죄를 효과적으로 예방하는 데 한계가 드러나고 있다. 이에 따라 사전 예측을 통한 범죄 예방의 필요성이 대두되었고, 공공데이터를 활용한 범죄 예측 모델은 이를 해결할 수 있는 유망한 접근법으로 주목받고 있다. 특히, 빅데이터와 인공지능(AI) 기술의 발전은 범죄 발생 가능성을 정교하게 예측하고 실시간 대응을 가능하게 할 잠재력을 제공한다. 그러나 국내에서 여러 영역의 이종데이터를 확보하여 예측 기반 모델에 적용하기 위해서는 데이터의 지역적 한정성이나 수집 주기의 비효율성 등 실무적 한계뿐 아니라, 개인정보가 포함된 데이터의 활용상 제약, 데이터의 권리 주체와의 권리 처리 문제, 법률에 규정된 행정정보 성격의 데이터 처리에 대한 법령상의 제약 등과 같은 여러 법적 한계가 존재한다. 이는 효과적인 범죄 예측 모델을 개발하고 서비스화하여 적용하는 데 있어서 많은 어려움을 초래한다. 이에 본 연구는 법적 권한 확보가 비교적 용이한 공공데이터를 중심으로 하는 강력 범죄 예측 서비스 모델을 개발하고자 한다. 이를 위해 최신 연구 동향과 성공적인 해외 사례를 분석하고, 본 모델의 개발에 필요한 수요데이터에 대한 법적 근거와 그 활용을 제고시키기 위한 입법적 대안을 제안함으로써 한국적 상황에 최적화된 범죄 예측 서비스 모델을 제안한다. 또한, 데이터 수집과 활용의 투명성 확보, 개인정보 보호법 준수를 위한 방안을 함께 제시함으로써, 지속 가능한 범죄 예방 체계의 구축을 목표로 한다.

수익원을 둘러싼 도전에 직면한 뉴스 미디어가 비즈니스 모델을 다각화하기 위해 지속적으로 노력하고 있는데도 불구하고, 저널리즘 수익모델이 디지털 뉴스에 대한 이용자의 지불 의사에 어떠한 영향을 미치는지에 대한 연구는 제한적이다. 또한, 보조금, 기금 또는 부가 서비스와 같은 비저널리즘적 수익모델이 저널리즘적 수익모델과 이용자의 디지털 뉴스 지불 의사의 관계에 어떠한 영향을 미치는지도 명확하지 않다. 이 연구는 저널리즘적 수익모델의 세 가지 요소-저널리즘 규범, 콘텐츠 다양성, 브랜드 평판-의 중요성 인식과 뉴스 이용자의 뉴스 콘텐츠 지불 의사 간의 관계를 조사했다. 추가적으로 비저널리즘적 수익모델의 중요성 인식이 이러한 관계에 미치는 조절 효과를 분석했다. 설문조사 결과, 저널리즘 규범과 뉴스 브랜드 평판의 중요성 인식이 디지털 뉴스에 대한 이용자의 지불 의사와 강하게 연관되어 있는 것으로 나타났다. 그러나 비저널리즘적 수익모델의 중요성 인식은 저널리즘적 수익모델의 중요성 인식과 이용자의 지불 의사 간의 관계를 설명하는 데 있어 유의미하게 부정적인 상호작용 효과를 나타냈다. 이러한 결과는 빠르게 성장하는 남아시아 국가인 방글라데시의 디지털 전환 시대에서 뉴스 미디어의 재정적 지속 가능성을 확보하기 위한 통찰을 제공하는 것으로 이에 대한 함의를 논의했다.

2025년은 전 지구적인 격변의 시기로, 기후 위기, 정치적 불안, 새로운 기술의 창발로 인해 비즈니스 불확실성이 크게 증가하고 있다. 이러한 변화 속에서 위기에 대응하고자 유연성을 높이고, 혁신 역량 강화하며 최신의 기술 트렌드를 빠르게 평가하여 대응해야 할 긴급한 필요가 있다. 이에 따라 국내외 주요 컨설팅 기관을 중심으로 디지털 비즈니스 트렌드가 제시되고 있으나 검증 절차의 객관성과 투명성이 제한적이며 학계의 관점이 충분히 반영되지 않은 탓에 내용의 신뢰성과 타당성에 대한 충분한 검토가 미흡한 측면이 있다. 이러한 필요성에 대해 본 연구는 실증 절차를 통해 한국의 디지털 비즈니스 환경을 분석하고 2025년에 주목할 디지털 비즈니스 트렌드를 제시하고자 한다. 국내외 ICT 시장 전망을 종합적으로 검토하고, 다양한 전문가들의 의견을 수렴하여 객관적이고 심도 있는 분석을 제공한다는 점에서 본 연구는 기업 연구소나 개인 연구자가 수행한 트렌드 연구와 차별화된다. 문헌 연구를 통해 도출된 후보 트렌드는 산업계와 학계 전문가로 구성된 패널을 통해 논의되었으며 213명의 학계 및 기술 공급·수요 기업 관계자를 대상으로 설문조사를 진행하여 인공지능 중심 사회 전환을 위한 최우선 과제를 평가하였다.

COVID-19로 인해 전 세계적으로 비대면 경제의 급격한 확산과 더불어 디지털 전환의 중요성이 더욱 부각되고 있다. 디지털 시대의 경영 환경 변화에 따른 기업들의 대응 전략에 관한 연구는 활발히 진행되고 있으나, 국내 기업을 대상으로 한 산업별 비교 연구는 상대적으로 부족한 실정이다. 본 연구는 COVID-19 전후를 중심으로 국내 기업들의 디지털 활동 역량이 재무 성과에 미치는 영향을 분석하였으며, IT 산업과 유통 산업의 차이를 비교하였다. 본 연구의 분석 대상은 2016년부터 2023년까지 코스피와 코스닥에 상장된 IT 및 유통 산업군의 402개 기업이며, 디지털 활동 수준은 사업보고서 내 디지털 관련 키워드 언급 빈도를 기준으로 측정하였다. 분석 결과, 첫째, 기업의 디지털 활동 역량은 Tobin's Q로 측정된 재무 성과에 긍정적인 영향을 미친 것으로 나타났다. 둘째, COVID-19 이후 디지털 활동 역량의 재무 성과에 대한 효과는 COVID-19 이전보다 감소한 것으로 확인되었다. 셋째, 디지털 활동 역량이 재무 성과에 미치는 영향은 IT 산업에서 유통 산업보다 더 크게 나타났다. 본 연구는 디지털 활동 역량이 기업의 재무 성과에 중요한 영향을 미친다는 점을 강조하며, 산업별 특성을 고려한 차별화된 접근의 필요성과 지속적 경쟁 우위를 위한 전략적 대응 방안의 필요성을 시사한다.