Earticle

초록

영어

As generative AI (GenAI) competition intensifies globally, nations are channeling exponentially growing investments into computing infrastructure and model development. Yet the diminishing marginal returns of such investments raise fundamental questions about the true efficiency of national AI strategies. This study applies a two-stage empirical framework to assess AI capital conversion efficiency across 20 major competing nations from 2014 to 2023. In Stage One, a DEA-Malmquist model identifies three strategic typologies Frontier Innovators, Internal Catch-up, and Scale Bottleneck and reveals a pronounced “quantity-quality reversal”: South Korea excels in aggregate output efficiency (TFP = 1.010) but deteriorates sharply in high-impact conversion (TFP = 0.981), while European nations demonstrate the opposite pattern. In Stage Two, a random-effects panel Tobit model demonstrates that computing infrastructure exerts only a threshold effect, and individual ecosystem factors independently fail to generate statistically significant efficiency gains. Critically, the synergistic interaction between digital talent (Eco_Talent) and agile governance (Gov) produces a highly significant multiplier effect (p < 0.05), constituting the highly salient factor associated with high-quality R&D conversion. These findings reframe the logic of national AI strategy: efficiency gains stem not from scaling any single input, but from the structural coupling of talent and governance. For South Korea and analogous fast-follower nations, this study recommends leveraging AI legislation as an institutional catalyst, building sovereign AI infrastructure, and restructuring research evaluation systems toward high-impact quality metrics.

한국어

생성형 AI(GenAI) 패권 경쟁의 심화 속에서 각국은 컴퓨팅 인프라와 모델 개발에 막대한 자금을 투입하고 있다. 그러나 이러한 대규모 투자는 반드시 고품질 성과로 이어지지 않는다는 점에서, 국가 AI 전략의 실질적 효율성에 대한 체계적 검토가 요구된다. 본 연구는 2단계 실증 프레임워크를 활용하여 주요 20개국의 2014~2023년 AI 자본 전환 효율성을 분석하였다. 1단계 DEA-Malmquist 분석에서는 ‘프론티어 돌파형’, ‘내부 추격형’, ‘규모 병목형’의 세 가지 전략 유형이 도출되었으며, 한국은 총량 산출 효율(TFP = 1.010)에서는 우수한 반면, 고영향력 산출 효율(TFP = 0.981)에서 급격한 하락을 보이는 ‘양 질 역전’ 현상이 확인되었다. 2단계 확률효과 패널 Tobit 분석에서는 인프라 투자가 문턱 효과에 그치고, 개별 생태계 요소 각각은 통계적으로 유의한 효율 개선을 독립적으로 유발하지 못함을 입증하였다. 반면, 디지털 인재(Eco_Talent)와 민첩한 거버넌스(Gov) 간의 협력적 상호작용은 고품질 R&D 전환을 이끄는 유의미한 시너지 승수효과(p < 0.05)를 발생시키는 것으로 나타났다. 본 연구는 이러한 실증 결과를 바탕으로, 한국을 비롯한 추격형 국가들이 AI 기본법을 제도적 레버리지로 활용하고, 주권형 AI 인프라를 구축하며, 연구 평가 체계를 고영향력 질적 지표 중심으로 전환할 것을 제언한다.

목차

Abstract
I. Introduction
II. Theoretical Background
1. The Scale Paradox of National AI Investment
2. Determinants and Multiplier Effects in the AI Strategic Ecosystem
3. The Strategic Transformation Logic of Fast-Follower Nations
4. The Necessity of Empirical Research on AI Efficiency
III. Methodology
1. Research Hypotheses
2. Data Collection
3. Stage One: DEA-Malmquist Efficiency Measurement Model
4. Stage Two: Random-Effects Panel Tobit Regression Model
5. Statistical Experimental Procedure
IV. Results Analysis
1. DEA-Malmquist Dynamic Efficiency Analysis
2. Panel Tobit Regression Analysis
V. Discussion: Breakthrough Strategy
1. South Korea's Current Strategic Position
2. Lessons from International Experiences
3. South Korea's Strategic Breakthrough Pathways
VI. Conclusion
1. Summary
2. Implications
3. Limitations and Future Directions
References
요약

키워드

국가 AI 전략 투자 효율성 DEA-맘퀴스트 패널 토빗 모형 시너지 승수효과 국가 혁신 National AI strategy Investment efficiency DEA-malmquist Panel tobit model Synergistic multiplier effect National innovation

저자

• Fei, Li [ 비립 | Special Assistant Professor, Hallyu International College, Sookmyung Women's University ]

참고문헌

발행기관

간행물