후견지명이라는 말이 있다. 뒤를 돌아보면 사건의 모든 것을 설명할 수 있을 것 같고, 그 인과관계를 쉽게 이해한다는 것이다. 후견지명이라는 말은 곧 심리학에서 말하는 사후확신편향(Hindsight Bias)이다. 이는 인지편향의 한 종류로, 노벨 경제학상을 받은 아모스 트버츠키와 다이엘 커너먼은 가용성 휴리스틱(Availability Heuristic) 과 대표성 휴리스틱(Representativeness Heuristic)의 개념을 기반으로 사후확신편향을 설명한다.
가용성 휴리스틱은 ‘구할 수 있는, 이용할 수 있는’ 인지적 증거를 기반으로 과거를 복기해서 현재의 상황을 설명하는 것이라면 대표성 휴리스틱은 대표적인 증거나 대상에 높은 확률을 부여함으로써, 현재의 상황에 대한 판단을 하는 것을 의미한다. 휴리스틱의 좋은 점은 불확실한 상황에서의 의사결정에 효율성을 추구한다고 할 수 있지만 반대의 경우에 인지적 판단 오류(Cognitive Bias)를 발생시킨다.
이러한 개념은 기술예측에 있어서도 동일하게 적용된다. 많은 기업들이 신제품을 위한 개발을 할때, 기억의 가용성과 대표성에 근거해 새로운 기회의 요소를 포착하고 기술의 방향을 설정한다. 특히 성공을 경험했던 CTO나 최고경영자는 사후확신편향에 기반한 직관적 기술전략 수립을 맹신하는 경향이 있다. 기술 전문가의 일방적이고 독단적인 기술예측, 전략은 몇번의 성공과 함께 기업에게는 치명적인 실패의 경험을 제공한다. 마치 러시안 룰렛처럼 언젠가는 발사되는 총구의 앞에 서서 방아쇠를 당기는 것과 유사한 것이다. 가용성과 대표성에 의한 편향을 보완하기 위해서, 보다 객관적이고 데이터 기반의 증거에 기반한 기회의 포착과 감지를 하려는 시도는 모든 기업의 숙제이기도 하다. 또한 데이터만으로는 한계가 있기 때문에 기술 예측을 혁신생태계라는 이론적 틀에서 바라보는 것 또한 중요한 일이다.
기회감지(Opportunity Sensing)
기회는 학술적으로 새롭게 인식된 요구사항이며, 새로 발견된 기술 또는 요구사항과 가능한 솔루션 간의 일치를 의미한다(Terwiesch & Ulrich, 2009). 기회는 끊임없이 움직이는 것이며 대부분의 새로운 혁신 방향은 구분하거나 식별하기 어렵다. 그렇기 때문에 기회를 감지하는 것은 기업의 혁신 이니셔티브를 설정하는 중요한 활동으로 간주된다. Teece(2007)은 변화하는 환경에 대응하기 위해서는 동적 역량이 필요하다고 강조했으며 특히 기회의 감지에 대한 중요성을 역설했다. 감지(Sensing)의 활동은 기술 지향성, 고객 수요, 그리고 산업구조 등을 포함하여 다양한 정보를 기반으로 새로운 생태계로의 변화를 찾아 내는 것을 포함한다.
혁신의 기회를 포착하기 위한 기술예측 방법으로는 역사기반의 예측 및 통계적 방법, 전문가의 의견과 민주적 예측, 시나리오 기반 등 다양한 방법이 있다. 데이터 기반의 미래 기술 분석에는 기술동향, 예측, 로드맵을 포함하여 혁신의 기회를 포착하는데 유용한 다양한 기법들이 있다. 문헌 연구, 소셜 네트워킹 분석, 분석계측 프로세스 및 교차 영향 분석과 같은 정량적 분석이 많이 활용된다.
특히 최근들어서는 빅데이터에 대한 분석과 인공지능의 활용으로 비정형화 된 데이터의 분석이 용이해지고, 다양한 분석기법들이 발전함에 따라 새로운 접근법을 도입하는 시도들이 증가하고 있다. 혁신 생태계 관점의 과학-기술-비즈니스 사이의 상호작용에 대한 분석방법도 그 중의 한 예이다.
혁신생태계 관점에서의 기회감지: S-T-B 생태계적 접근
혁신생태계라는 개념은 다양하게 논의 되고 있지만 일반적으로는 혁신과 관계되어 있는 수많은 개별 요소 간의 상호작용의 결과이며, 혁신을 위한 가치를 창출하는 복잡한 관계를 포함하는 환경으로 정의될 수 있다. Granstrand and Holgersson(2020)은 ‘혁신 수행에 중요한 보완 및 대체관계를 포함하는 행위자, 활동 및 인공물, 제도 및 관계의 진화하는 집합’으로 정의하였다. 특히 연구주도의 지식경제와 시장지향의 비즈니스 경제 두가지의 상호작용과 긴장 관계가 혁신 생태계의 원동력으로 작용한다. 과학과 기술은 유사한듯 보이지만 과학적 지식연구는 기술개발 및 혁신의 단초가 될 수 있으며, 과학적 진보는 때로는 기술적 발전에 의존한다. 둘 사이의 상호작용에서 잠재적 기회와 경향성을 발견할 수 있다. 과학과 기술이 상호작용하고 동시에 활발한 진화가 일어나는 영역이 있으며, 기술발전은 있으나 과학적 연구가 없는 분야, 과학적 연구는 있으나 기술적 진보가 없는 분야 등 과학과 기술과의 관계를 3가지 유형으로 나누어서 생각해 볼 수 있다. 이를 통해 기술과 과학의 상호작용 사이에 비어 있는 잠재적 기회를 파악하면 새로운 형태의 전략적 방향이 도출된다.
이러한 개념을 과학, 기술 뿐만 아니라 비즈니스 영역의 상호작용으로 확대해서 바라보면 산업적 관점에서의 기회감지가 가능하다. 과학분야의 연구에서는 과학논문을 중심으로 하는 빅데이터에 기반한 연구를 중심으로 과학분야의 연구 흐름을 파악하며, 기술의 개발에서는 특허를 중심으로 기술의 진보를 파악한다. 비즈니스 필드에서는 산업가치사슬의 지적 경향을 파악하고 투자, 거래, 전략 등에 해당하는 비즈니스 리포트를 중심으로 어떤 비즈니스 모델들이 주축을 이루고 있는지를 분석한다. 각 분야간의격차분석(Gap Analysis)는 각 영역 사이의 유사도를 측정하여 상호작용을 파악한다. 또한 과학-기술-비즈니스는 때로는 순차적으로 일어나는 이벤트로 정의할 수 있으며, 과학과 기술의 성숙도은 비즈니스의 타이밍 설정에도 도움이 된다. 반대로 시장 중심의 접근에 있어서는 과학과 기술의 개발 필요성을 도출하는 데에도 활용할 수 있다. 과학적 분야와 기술적 분야의 상호작용이 활발하게 일어나고 있으나, 아직 비즈니스 필드의 연결고리가 약한 분야의 경우에는 사업적 가치로의 전환을 유도할 새로운 전략 수립이 필요하다. 기술적 분야와 비즈니스 분야의 상호작용이 활발히 일어나고 있으나 과학분야의 상호작용이작은 분야는 기술의 수명 주기상 새로운 전환 포인트를 고민해야 하는 시기일 수도 있다.
기술 예측은 미래에 대한 예측이기 때문에 항상 불확실성을 가지고 있으며, 다양한 변수와 동향을 예측해야 한다. 성공적인 기술 예측은 정확한 데이터 분석 뿐만 아니라 이론적 프레임워크에 기반하여 체계적인 사고의 틀을 갖추어서 진행 했을 때 가능하며 이를 통해 비판적 사고를 할 수 있다. 비판적 사고는 앞에서 말한 사후확신편향을 줄일 수 있는 가장 중요한 시작점이라 할 수 있다. 앞에서 언급한 기회 감지의 방법 외에도 다양한 기술 예측 방법론들이 존재하며, 이러한 방법론을 조합하거나 수정하여 특정한 상황이나 분야에 맞게 예측 접근을 개발할 수 있어야 한다. 기술 예측은 미래를 예측하는 것이므로 불확실성을 완전히 제거할 수는 없지만, 다양한 방법을 활용하여 사후확신편향을 줄이고 정확한 예측을 시도하는 것이 중요하다. 이는 조직의 경쟁력을 향상시키고 미래에 대비하여 성공을 이끄는 데 큰 역할을 할 것이다. 이를 통해 조직은 변화의 기회를 포착하고, 더욱 민첩하게 행동하여 지속적인 성장과 혁신을 추구할 수 있을 것이다.
∎ Terwiesch, C., & Ulrich, K. T. (2009). Innovation tournaments: Creating and selecting exceptional opportunities. Harvard Business Press.
∎ Teece, D. J. (2007). Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance. Strategic management journal, 28(13), 1319-1350.
∎ Granstrand, O., & Holgersson, M. (2020). Innovation ecosystems: A conceptual review and a new definition. Technovation, 90, 102098.
∎ Choi, K. H., & Kwon, G. H. (2023). Strategies for sensing innovation opportunities in smart grids: In the perspective of interactive relationships between science, technology, and business. Technological Forecasting and Social Change, 187, 122210.
