Earticle

본 연구는 ESG 경영이 창업기업의 지속가능성과 투자유치에 중요한 요소로 부상하고 있음에도, 창업 초기 기업이 자원 제약으로 인해 이를 전략적으로 도입하기 어려운 현실에 주목하였다. 디지털기술 기반 스타트업을 대상으로 창업자와 투자자가 인식하는 ESG(환경․사회․지배구조) 경영요소의 도입 우선순위를 비교․분석하고, 양자 간 인식 차이를 규명하고자 하였다. 연구 방법으로 혼합방법론을 적용하여, 질적 연구를 통해 창업자와 초기 투자자의 ESG 인식을 분석하고, 양적 연구에서는 AHP분석을 활용해 ESG 요소의 상대적 중요도를 도출하였다. 분석 결과, 창업자는 사회-지배구조-환경순으로, 투자자는 지배구조-사회-환경 순으로 ESG 우선순위를 인식하는 것으로 나타났다. 본 연구는 초기 디지털 창업기업과 투자자 간 ESG 인식 차이를 실증적으로 규명하였다는 학술적 의의를 가지며, 창업자와 투자자 모두에게 현실을 반영한 ESG 전략 및 평가 기준 수립에 실무적 시사점을 제공한다.

Despite the growing recognition of ESG management as a critical factor for the sustainability and investment attractiveness of startups, early-stage ventures often face substantial resource constraints that hinder the strategic adoption of ESG practices. This study focuses on digital technology-based startups and aims to compare and analyze the priorities assigned to ESG (Environmental, Social, and Governance) management factors by founders and investors, thereby identifying perceptual gaps between the two groups. A mixed-methods approach was employed. Qualitative research was conducted to examine ESG perceptions among startup founders and early-stage investors, while quantitative analysis utilized the Analytic Hierarchy Process (AHP) to derive the relative importance of ESG factors. The findings reveal that founders prioritize ESG dimensions in the order of Social-Governance-Environmental, whereas investors rank them as Governance-Social-Environmental. This study contributes to the literature by empirically identifying ESG perception gaps between early-stage digital startups and investors and provides practical implications for both parties in establishing ESG strategies and evaluation criteria that reflect real-world constraints and expectations.

본 연구는 다기기 환경에서 한국 가구의 디지털 기기 보유 포트폴리오 격차가 장기적으로 어떻게 변화하는지를 실증적으로 분석한다. 한국미디어패널조사(KMP)의 2011-2025년 64,319 가구-연도 관측치를 활용하여, 섀넌 엔트로피 기반의 디지털 포트폴리오 지수(DPI)를 구성하고, 차원별 Theil T 분해, 전이행렬 분석, 패널 고정효과 회귀, 이벤트 스터디를 결합하였다. 디지털 포트폴리오 지수는 가구가 보유한 디지털 기기의 종류와 분포를 바탕으로 기기 보유 포트폴리오의 폭과 균등성을 측정한 보유 기반 지표이며, 본 연구는 이를 통해 가구 단위 디지털 접근 환경의 물질적 차이를 분석한다. 분석 결과, 첫째, 소득, 연령, 가구규모, 지역별 집단 간 비중은 2011-2025년 동안 모두 상승하였고, 차원 간 순위는 소득, 연령, 가구규모, 지역의 순서로 안정적으로 유지되었다. 둘째, 디지털 포트폴리오 지수 사분위 기준 가구의 관측 이동성은 초기보다 후기에 낮아졌다. 셋째, 스마트 TV 보유 상태 변화와 함께 관찰되는 디지털 포트폴리오 지수 변화는 소득 및 연령 집단에 따라 다르게 나타났으며, 저소득 가구에서는 관련 변화가 최초 보유 시점에 집중되었고, 고령 가구에서는 관련 변화가 상대적으로 작게 나타났다. 본 연구는 이러한 결과를 통해 접근 보편화 이후에도 가구의 기기 보유 기반 디지털 접근 환경이 기존 사회경제적 축을 따라 다르게 구성될 수 있음을 보여주는 장기 패널 증거를 제시한다.

This study empirically examines how inequalities in Korean households’ digital device ownership portfolios have changed over time in a multi-device environment. Using 64,319 household-year observations from the Korea Media Panel Survey (KMP), 2011-2025, it constructs a Shannon entropy-based Digital Portfolio Index (DPI) and combines dimension-specific Theil T decomposition, transition matrix analysis, panel fixed-effects regression, and event-study analysis. DPI is an ownership-based measure of the breadth and evenness of household device portfolios, capturing material differences in household-level digital access environments. The results show that between-group shares by income, age, household size, and region all increased over 2011-2025, while their ranking remained stable in the order of income, age, household size, and region. Observed mobility across DPI quartiles declined in the later period. Changes in DPI observed alongside changes in smart TV ownership differed by income and age: among low-income households, changes were concentrated around the initial ownership period, whereas the associated change was smaller among older households. These findings provide long-term panel evidence that household device portfolio gaps may remain or widen along existing socioeconomic axes after access becomes widespread.

본 연구는 적격심사제가 적용되는 공공조달 공사 입찰에서 낙찰 가능성을 결정짓는 핵심 지표인 1순위 투찰금액을 사전 예측하기 위해 인공지능 기반의 분석체계를 구축하고 그 실용성을 검증하였다. 기존 연구들이 주로 최종 낙찰금액이나 예정가격 분석에 편중되었던 한계를 보완하고자, 본 연구는 2020년 1월부터 2025년 7월까지 수집된 조달데이터허브의 전기․토목․건축 공사입찰 데이터를 활용하여 투찰 단계에서 발생하는 실제 경쟁 메커니즘을 규명하였다. 공고 시점의 기초금액, 공사 규모 등 정량적 정보를 독립변수로 구성하여 랜덤 포레스트(Random Forest), LightGBM, XGBoost, CatBoost 등 4가지 트리 기반 앙상블 회귀모형을 적용 및 비교 분석하였다. 그 결과, 모든 공종에서 랜덤 포레스트 모형이 평균 절대비율오차(MAPE) 약 0.7%로 가장 우수한 예측 성능을 도출하여 실무적 활용 가치가 높음을 확인하였다. 아울러 SHAP 기법을 활용하여 변수 기여도를 평가한 결과, 금액 관련 변수가 1순위 투찰금액 예측에 가장 주요한 영향을 미치는 것으로 나타났다. 종합적으로 본 연구는 1순위 투찰금액에 대한 정량적 예측 모형을 통해 공종별 가격결정 구조의 차이를 실증하고, 나아가 입찰 참여 업체의 투찰 단계 내 전략적 의사결정을 지원하기 위한 학문적 및 실무적 시사점을 제공한다.

This study develops an artificial intelligence (AI)-based analytical framework to predict, in advance, the top-ranked bid price—a key indicator determining the likelihood of contract award—in public construction procurement tenders governed by qualification evaluation systems, and verifies its practical applicability. To address the limitation of prior studies that have predominantly focused on final contract award prices or engineer’s estimates, this study utilizes bidding data for electrical, civil engineering, and architectural projects collected from the Public Procurement Data Hub between January 2020 and July 2025, with the aim of identifying the actual competitive mechanisms arising at the bidding stage. Quantitative variables available at the time of bid announcement, such as the base price and project size, were constructed as independent variables, and four tree-based ensemble regression models—Random Forest, LightGBM, XGBoost, and CatBoost—were applied and comparatively analyzed. The results indicate that the Random Forest model achieved the best predictive performance across all work types, with a mean absolute percentage error (MAPE) of approximately 0.7%, demonstrating strong practical utility. Furthermore, the application of the SHAP method for evaluating variable contributions reveals that price-related variables exert the most significant influence on predicting the top-ranked bid price. Overall, this study empirically identifies differences in price determination structures across work types through a quantitative prediction model of the top-ranked bid price and provides both academic and practical implications for supporting strategic decision-making by bidding participants at the bidding stage.

OTT 플랫폼에서 AI 기반 콘텐츠 추천 시스템의 활용이 확대되면서 추천 알고리즘의 불투명성과 정보 비대칭 문제가 중요한 이슈로 부각되고 있다. 본 연구는 신호이론을 기반으로 AI 기반 OTT 추천 시스템의 다층적 신호(추천품질, 세렌디피티, 다양성, 대응성, 지각된 통제감, 투명성, 프라이버시 보장)가 사용자의 지각된 진정성과 지속적 이용 의도 형성에 미치는 영향을 실증적으로 분석하였다. 또한, 조절 참여이론을 보완적 관점으로 활용하여, 지각된 진정성이 지속적 이용 의도로 전환되는 심리적 과정을 설명하고자 하였다. 이를 위해 OTT 플랫폼 이용 경험이 있는 사용자 354명을 대상으로 설문 조사를 실시하였으며, 수집된 데이터를 Smart PLS 4.0을 사용하여 PLS-SEM 방식으로 분석하였다. 분석결과, 추천품질, 다양성, 지각된 통제감, 투명성 및 프라이버시 보장은 지각된 진정성에 유의한 영향을 미쳤으며, 세렌디피티와 대응성의 영향은 유의하지 않은 것으로 나타났다. 또한, 지각된 진정성은 지속적 이용 의도에 유의한 영향을 미치는 것으로 나타났다. 본 연구는 AI 내부의 작동 논리를 사용자가 이해하거나 해석할 수 없는 문제 상황에서, 사용자가 관찰 가능한 다층적 신호를 통해 AI 추천 시스템의 진정성을 판단한다는 결과를 제시하였다. 또한, AI 기반 OTT 추천 시스템에서 사용자의 진정성 판단과 지속적 이용을 높이기 위한 실질적 시사점을 제공한다.

As AI-based content recommendation systems become increasingly prevalent on OTT platforms, algorithmic opacity and information asymmetry have emerged as important issues in understanding users’ evaluations and continued platform use. Drawing on signaling theory, this study empirically examines how multilayered signals in AI-based OTT recommendation systems-perceived recommendation quality, serendipity, diversity, responsiveness, perceived control, transparency, and privacy assurance-influence users’ perceived authenticity and continuance usage intention. In addition, regulatory engagement theory is adopted as a complementary perspective to explain the psychological process through which perceived authenticity is translated into continuance usage intention. Survey data were collected from 354 users with experience using OTT platforms and analyzed using PLS-SEM with SmartPLS 4.0. The results show that perceived recommendation quality, diversity, perceived control, transparency, and privacy assurance have significant positive effects on perceived authenticity, whereas serendipity and responsiveness do not show significant effects. Perceived authenticity, in turn, has a significant positive effect on continuance usage intention. This study shows that, in situations where users cannot understand or interpret the internal operating logic of AI systems, they judge the authenticity of AI recommendation systems through observable multilayered signals. The findings also provide practical implications for enhancing users’ authenticity perceptions and continuance usage of AI-based OTT recommendation systems.

본 연구는 생성형 AI(GenAI)와 애자일 방법론이 결합된 소프트웨어 개발 환경에서 개발자의 생성형 AI 개발 도구 수용 의도가 어떠한 요인에 의해 형성되는지를 분석하였다. 특히 생성형 AI가 단기적으로 개발 생산성을 높일 수 있음에도, AI 산출물의 무비판적 수용은 장기적으로 기술적 채무를 누적시킬 수 있다는 문제의식에 주목하였다. 이에 본 연구는 통합기술수용이론(UTAUT)을 기반으로 성과 기대, 노력 기대, 사회적 영향, 촉진 조건이 수용 의도에 미치는 영향을 검토하고, 생성형 AI 환경의 확률적․탐색적 특성을 반영하여 개인혁신성향과 기술 자기효능감의 조절 효과를 분석하였다. 국내 IT 개발자 171명을 대상으로 한 설문자료를 구조방정식 모형으로 분석한 결과, 성과 기대, 노력 기대, 사회적 영향, 촉진 조건은 모두 수용 의도에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 또한 개인혁신성향은 성과 기대와 수용 의도 간 관계를 유의하게 조절하였으며, 기술 자기효능감은 노력기대와 수용 의도 간 관계에서 한계적으로 유의한 조절 효과를 보였다. 추가적으로 잠재 프로파일 분석을 수행한 결과, 개발자 집단은 소극적 수용형, 능동적 실천형, 잠재적 수용형의 세 집단으로 구분되었다. 다중그룹 분석에서는 능동적 실천형에서 조절 효과가 상대적으로 뚜렷하게 나타났으며, 이는 생성형 AI 개발 도구의 수용 메커니즘이 개발자의 심리적 특성과 조직적 인식에 따라 상이하게 작동할 수 있음을 시사한다. 본 연구는 생성형 AI-애자일 환경에서 기술 수용 연구를 확장하고, 기술적 채무의 잠재적 위험을 수용 과정의 맥락에서 논의했다는 점에서 학술적 의의를 지닌다. 또한 실무적으로는 개발자 집단의 이질성을 고려한 맞춤형 도입 전략과 AI 산출물 검토 체계의 필요성을 제시한다.

This study examines the factors shaping developers’ intention to adopt generative AI-integrated development tools in software development environments where Generative AI (GenAI) and Agile methodologies are increasingly combined. While GenAI may enhance short-term development productivity, the uncritical acceptance of AI-generated outputs can potentially contribute to the accumulation of technical debt over time. Drawing on the Unified Theory of Acceptance and Use of Technology (UTAUT), this study investigates the effects of performance expectancy, effort expectancy, social influence, and facilitating conditions on behavioral intention. It further examines the moderating roles of personal innovativeness and technology self-efficacy, reflecting the probabilistic and exploratory nature of GenAI-enabled development work. Survey data collected from 171 IT developers in South Korea were analyzed using structural equation modeling. The results show that performance expectancy, effort expectancy, social influence, and facilitating conditions all have significant positive effects on behavioral intention. Personal innovativeness significantly moderates the relationship between performance expectancy and behavioral intention, whereas technology self-efficacy shows a marginally significant moderating effect on the relationship between effort expectancy and behavioral intention. In addition, latent profile analysis identifies three distinct developer groups: passive adopters, active practitioners, and potential adopters. The multi-group analysis further indicates that the moderating effects are more pronounced among active practitioners, suggesting that the acceptance mechanisms of GenAI development tools may vary depending on developers’ psychological characteristics and organizational perceptions. This study contributes to technology acceptance research by extending UTAUT to the GenAI-Agile context and by discussing technical debt as a potential risk embedded in the adoption process. Practically, the findings suggest the need for differentiated adoption strategies and systematic review mechanisms for AI-generated outputs based on the heterogeneous characteristics of developer groups.

국내 기업형 슈퍼마켓(SSM)의 점포 입지 선정은 저빈도․고부담의 전략적 의사결정임에도, 여전히 담당자의 경험과 직관에 의존하는 구조적 비효율을 안고 있다. 본 연구는 점포 입지 선정을 지원하는 의사결정지원시스템(Decision Support System, DSS)의 구축을 목표로, 처방적 분석(Prescriptive Analytics)을 포함한 예측 모델(Predictive Model)을 개발한 사례를 제시한다. 이를 위해 설계과학연구(Design Science Research, DSR)를 방법론으로 채택하고, 두 가지 설계 원리를 도출하였다. 이 설계 원리는 점포 입지 선정 맥락에서 예측 분석 기반 DSS의 적용 범위를 전략적 의사결정의 층위와 포트폴리오 수준의 처방적 분석으로 확대한다. 구체적으로 대기업군 유통사의 구매정보와 다차원 공간정보를 결합하여 단일 업태 기업 데이터로는 산출하기 어려운 통합 변수와 지표를 확보하였으며, 자원 제약 아래에서 오픈소스 기반의 분석 파이프라인과 인터랙티브 지도 시각화를 통합 구현하였다. 5개 머신러닝 모델을 비교한 결과, 최소 MAPE를 보인 CatBoost를 매출 추정 모델로 선정하였다. 모델은 직영점 73.8%와 가맹점 53.6%의 예측력을 보여, 운영 형태에 따른 성능 차이가 확인되었다. 또한 상권 탐색 업무 시간은 기존 수기 방식의 2일에서 20여 분으로 단축되었다. 사례는 예측 분석 기반 DSS의 설계 원리를 조직 단위의 저빈도․고부담 전략적 의사결정에 적용하고, 자원 제약 환경에서의 설계 선택을 디지털 브리콜라주 관점에서 해석하였다는 점에서 이론적 의의를 갖는다. 나아가 디지털 브리콜라주의 경계조건이 조직 규모가 아니라 프로젝트 단위 자원의 한정성에 있을 수 있음을 시사한다.

Site selection for corporate super-supermarket (SSM) stores in Korea is an infrequent, high-stakes strategic decision. Nevertheless, many operators still rely on the experience and intuition of individual managers, resulting in structural inefficiencies. This study presents a case of developing a predictive model incorporating prescriptive analytics as part of an effort to build a decision support system (DSS) for store site selection. Adopting Design Science Research (DSR) as its methodological approach, the study derives two design principles. These principles broaden the application scope of predictive-analytics- based DSS, in the context of store site selection, to the strategic decision-making layer and to portfolio-level prescriptive analytics. Specifically, by combining purchase data from retailers affiliated with a large business group and multidimensional spatial data, the study constructed integrated variables and evaluation indicators that would be difficult to derive for any single-format firm, and implemented an open-source analytics pipeline and interactive map visualization under resource constraints. Among five candidate models, the CatBoost-based sales prediction model was selected based on the lowest MAPE. On a test set of 62 stores, the model achieved predictive performance of 73.8% for company-operated stores and 53.6% for franchised stores, revealing a performance gap by operation type. It also reduced the time required for site search from two days under the manual process to about twenty minutes. This study contributes by applying the design principles of predictive-analytics-based DSS to organization- level, infrequent, high-stakes strategic decisions. In addition, by interpreting design choices made under resource constraints through the lens of digital bricolage, the study suggests that the boundary conditions of digital bricolage could lie not in organizational size itself, but in the scarcity of execution resources at the project level.

디지털 전환이 가속화되면서 정보 탐색 행동은 이질적 디지털 채널들의 복합적 생태계로 재편되고 있다. 그러나 정보시스템(IS) 연구는 이러한 채널들의 만족도 효과가 채널 유형에 따라 어떻게 차별화되는지, 그리고 외생적 위기 충격이 이 효과를 어떻게 동태적으로 재편하는지에 대한 체계적 증거를 축적하지 못하였다. 본 연구는 미디어 의존 이론(Media Dependency Theory, MDT)을 IS 사회기술 관점에서 재이론화하여, 디지털 정보 채널을 콘텐츠 권위 원천(분산적/제도적)과 지배적 정보 가치(정서적/거래적/규범적)의 두 차원에 따라 유형화하고, 포털 채널을 메타 채널(meta-channel)이자 준거 인프라로 위치시키는 사회기술적 채널 유형론을 제안한다. 한국관광조사(KNTS) 2018~2024년 7개년 반복 횡단면 자료를 성별․연령․교육수준 기준 18개 합성 코호트로 집계한 의사패널을 구성하고, Hausman 검정을 통해 코호트 고정효과 모형의 적합성을 확인한 뒤, 코호트 수준 군집 강건 표준오차를 적용하여 추정하였다. 분석 결과, 안정기 조건에서 소셜 기반 채널은 포털 대비 만족도에 유의미한 정(+)의 효과를 보였다. 위기기간 지시변수(CPI)는 만족도에 유의미한 직접 정(+)의 효과를 미쳐, 선택적 참여 및 억눌린 수요 해소라는 행동적 메커니즘의 가능성을 시사하였다. 거래 기반 채널의 위기 조절 효과는 전체 표본 주분석에서는 유의성에 이르지 못하였으나, 위기기간을 가장 엄격했던 2020년으로 한정하면 강하게 유의하였다. 다만 연도 제외(leave-one-year-out) 검정에서 이 효과는 특정 연도에 민감하여, 본 연구는 이를 확정적 결과가 아닌 탐색적 증거로 제시한다. 본 연구는 모든 코호트가 동일 위기를 경험하여 통제집단이 부재하므로, 위기 효과를 준실험적 식별이 아닌 위기 조건에서의 조절효과 변화 분석으로 해석한다. 본 연구는 MDT를 디지털 IS 영역으로 확장하여 사회기술적 채널 유형론을 정립하고, 반복 횡단면 자료에 의사패널 고정효과 설계를 적용하는 재현 가능한 분석 프레임워크를 제시하고자 한다.

As digital transformation accelerates, information-seeking behavior has been reorganized around a complex ecosystem of heterogeneous digital channels. Yet information systems (IS) research has accumulated only limited evidence on how different channel types differentially shape satisfaction and how these effects are reconfigured under exogenous crisis shocks. Drawing on Media Dependency Theory (MDT) and re-theorizing it through a sociotechnical IS lens, this study proposes a channel typology organized along two dimensions- content authority source (distributed vs. institutional) and dominant information value (affective, transactional, normative)-and positions portal-based channels as a meta-channel and ubiquitous reference infrastructure. Using seven waves (2018–2024) of repeated cross-sectional microdata from the Korea National Tourism Survey, we construct a pseudo-panel of 18 synthetic cohorts defined by gender, age group, and education level. A Hausman test validates cohort fixed-effects estimation, and cohort-level cluster-robust standard errors are used. With portal-based channels as the reference, social-based channel dependency has a significantly positive effect on satisfaction under stable conditions. The crisis period indicator itself exerts a positive direct effect on satisfaction, consistent with selective-participation and pent-up-demand mechanisms. The amplifying role of transaction-based channels during crisis does not reach significance in the full-sample analysis, but becomes strongly significant when the crisis window is restricted to the most severe year, 2020; leave-one-year-out tests show this effect is sensitive to specific years, so it is presented as crisis-intensity-dependent, exploratory evidence. Because all cohorts share the same crisis period and no untreated control group exists, crisis effects are interpreted as moderation under crisis conditions rather than quasi-experimental causal identification. The study extends MDT into the digital IS domain through a sociotechnical channel typology and a notion of context-conditional affordance actualization, contributes a replicable pseudo-panel fixed-effects framework for repeated cross-sectional IS data, and offers context-conditional implications for adaptive platform design and crisis communication strategy.

본 논문은 페이스북과 인스타그램을 사용하는 우즈베키스탄 사용자를 대상으로 추천된 콘텐츠에 대한 만족도와 추천 시스템에 대한 저항 의도가 추천 시스템에 대한 충성도에 미치는 영향을 분석하는 것을 목적으로 한다. 추천 시스템에 대한 충성도의 연구는 주로 디지털 기술이 잘 발달되어 있는 나라들을 중심으로 이루어졌기 때문에 그 연구 결과를 디지털 기반 시설이 아직 잘 구축되어 있지 않은 나라들에 적용하기에는 무리가 따른다. 따라서 이들 국가에 적용시킬 수 있는 별도의 연구가 필요한데, 이는 아직 미비한 실정이다. 이들 국가 중 특히 중앙아시아에 위치한 우즈베키스탄의 경우는 디지털 기반 시설이 아직 잘 구축이 되어 있지 않으면서, 또 이슬람 종교가 사회 여러 분야의 중요한 바탕이라는 문화적 특징을 더 가지고 있다. 이런 특징들 때문에 우즈베키스탄에서는 소셜 네트워킹을 사용하는 양상이 디지털 선진국이나 비이슬람 국가들과 다르게 나타날 수 있다. 보수적인 이슬람 국가에서는 개인의 성별이나 나이에 따라 요구되는 사회적 규범이 다를 수 있는데, 이 규범은 소셜네트워킹을 사용하는 데에도 적용될 수 있기 때문이다. 본 논문에서는 추천 시스템에 대한 충성도에 영향을 미치는 요인으로 예상되는 추천된 콘텐츠에 대한 만족도와 추천 시스템에 대한 저항 의도를 보다 정교하게 분석하기 위해 이 두 요인에 영향을 미치는 하위 요인들을 설정하여 분석하였다. 설정된 하위 요인들은 다음과 같다. 추천된 콘텐츠의 품질, 정확성, 다양성 등은 추천 콘텐츠에 대한 만족도에 영향을 미치는 요인으로, 추천 서비스에 대한 불안성, 추천 시스템의 목표 방해성, 개인 정보 노출위험에 대한 인식 등은 추천 시스템에 대한 저항 의도에 영향을 미치는 요인으로 설정하였다. 2026년 2월 기준, 전세계에서 많이 사용하는 온라인 플랫폼은 구글을 비롯하여 유튜브, 페이스북, 인스타그램등인데(Semrush & Similarweb 기준), 본 논문에서는 열거한 플랫폼들 중 페이스북과 인스타그램 두가지의 소셜 네트워킹 플랫폼을 연구의 대상으로 삼았다. 구체적으로 이 두 플랫폼을 사용하는 집단을 비교하여 추천하는 콘텐츠에 대한 사용자의 만족도에 영향을 미치는 요인들과 추천 시스템에 대한 사용자의 저항 의도에 영향을 미치는 요인들을 살펴보고, 이 만족도와 저항 의도가 추천 시스템에 대한 사용자의 충성도에 어떻게 영향을 미치는지를 분석하고자 한다. 이를 위해 우즈베키스탄에 거주하는 페이스북과 인스타그램 사용자를 대상으로 온라인 설문 조사를 실시하였고, 총 523부 중 491부를 분석에 사용하였다.

This study investigates how content satisfaction and resistance intention influence the loyalty of a recommendation system among Facebook and Instagram users in Uzbekistan. While extant literature predominantly focuses on digitally advanced nations, empirical research in developing digital infrastructures remains scarce. Uzbekistan presents a unique context where digital infrastructure is still emerging, and traditional Islamic social norms regarding gender and age distinctly shape social network utilization. In order to fill this gap, this study operationalizes specific sub-determinants for each primary construct. Content quality, accuracy, and diversity are conceptualized as antecedents of recommendation satisfaction. Conversely, service anxiety, perceived goal interference, and perceived privacy risk are established as factors driving resistance intention. This empirical investigation conducts a comparative analysis between Facebook and Instagram user cohorts. It examines the discrete factors driving satisfaction and resistance intention, and how they ultimately impact the loyalty of a recommendation system. For empirical validation, an online survey was administered to Uzbek residents, and 491 valid responses out of 523 collected questionnaires were utilized for final statistical analysis.

최근 인공지능 기술이 기업 전반으로 확산되면서 침해사고 위협도 함께 커졌다. 이에 보안 투자는 위협에 대응하기 위한 기업의 중요한 의사결정 과제가 되었다. 그러나 그간의 연구는 침해사고와 보안 투자를 주로 단일한 반응적 관계로만 보아 단계적 학습 구조를 충분히 조명하지 못하고 있다. 본 연구는 조직학습이론의 단일 루프-이중 루프 학습 측면에서 침해사고 발생연도의 보안 예산 증가를 반응적 단계, 차년도의 보안 예산 증가를 전략적 단계로 구분하고, 각 보안 투자 결정 요인들이 어떻게 작동하는지 살펴보았다. 연구 분석은 2022년부터 2024년까지 정보보호실태조사에서 침해사고를 경험한 347개 기업의 데이터를 활용하여 위계적 이분형 로지스틱 회귀분석을 하였다. 분석 결과, 반응적 단계에서는 침해사고 대응 소요시간이 지배적 예측 변수였으며, 침해사고 심각도는 역U자형 관계가 확인되었다. 전략적 단계에서는 심각도의 비선형 효과는 소멸되고, 경영진의 보안 중요도 인식이 지배적 예측 변수로 작용하였다. 조절효과는 제3자의 침해사고 식별이 반응적 단계 효과를, 조직의 공식 보안 정책이 전략적 단계 효과를 강화하였다. 이처럼 단계별로 다른 결과는 보안 투자가 학습 단계에 따라 결정 요인의 비중이 재편됨을 보여준다. 본 연구는 침해사고에서 비롯된 학습을 질적으로 구별되는 단계적 학습으로 확장하고, 기업에는 단계별 보안 강화를, 정부에는 정책적 지원 방향을 제시한다.

Security investment has become a decision-making task as the threat of cyber incidents increases due to artificial intelligence technology. However, existing studies have not explained the staged learning structure by dealing with incidents and security investment in a single reactive relationship. This study analyzed how security investment determinants worked by classifying the security budget rise for the incident year and the next year from the single-loop-double-loop learning perspective of organizational learning theory. Hierarchical binary logistic regression was performed on 347 incident-experienced companies in the Korean Information Security Survey from 2022 to 2024. Incident response duration was the dominant predictor in the reactive stage, and an inverted U-shaped relationship was confirmed for severity. At the strategic stage, the nonlinear effect of severity disappeared, and management's perception of security importance acted as the dominant predictor. In moderation, third-party identification of incidents reinforced the reactive stage effect, and a formal security policy strengthened the strategic stage effect. This asymmetry shows that the weight of the determinants is reconfigured according to the learning stage. This study expands learning from incidents into qualitatively distinct staged learning, and offers companies and governments implications for staged security enhancement and policy support.

본 연구는 생성형 인공지능의 비약적 발전이 예술 창작 패러다임을 변화시키는 과정에서 발생하는 리스크 쟁점을 도출하고, 올바른 활용을 위한 대응 전략을 모색하는 데 목적이 있다. 생성형 AI는 창작의 민주화를 촉진하고 경제적 가치를 창출하는 도구로 주목받고 있으나, 동시에 예술가의 고유정체성 약화, 알고리즘 편향, 원본 저작권 침해, 스타일 모방, 창작 노동 가치 하락 등의 문제를 심화시키고 있다. 그러나 현재의 정책적 대응은 안전성과 책임성 중심의 관리적 접근에 머물러 있어 창작 현장의 실질적 요구를 충분히 반영하지 못하는 한계가 있다. 이에 본 연구는 텍스트 마이닝 기반 토픽 모델링을 통해 대규모 소셜 데이터에 나타난 예술 분야에서의 생성형 AI 활용 관련 토픽을 식별하고, 예술현장 전문가 대상 설문조사와 심층 인터뷰를 통해 토픽의 타당성을 검증하고 예술 분야에서 생성형 AI의 올바른 활용을 촉진하기 위한 대응 전략을 도출한다. 이를 통해 생성형 AI와 인간 창의성이 공존할 수 있는 지속 가능한 예술 생태계 조성에 기여하고자 한다.

This study aims to identify key risks arising from the rapid development of generative AI in artistic creation and to propose strategies for its responsible use. Although generative AI promotes creative accessibility and economic value, it also raises concerns such as the loss of artists’ identity, algorithmic bias, copyright infringement, style imitation, and the devaluation of creative labor. Current policies mainly focus on safety and accountability, but often fail to reflect the practical needs of artists. To address this gap, this study uses text-mining-based topic modeling to identify major issues related to generative AI in the arts from large-scale social data. The identified topics are then validated through surveys and in-depth interviews with art professionals, and practical response strategies are developed. Ultimately, this study seeks to contribute to a sustainable art ecosystem in which generative AI and human creativity can coexist.

2026년 1월 시행된 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법(이하 AI 기본법)은 고영향 인공지능(high-impact AI)에 안전성ㆍ투명성ㆍ설명가능성 의무를 부과하여 금융기관의 AI 도입 환경을 근본적으로 변화시켰다. 생명보험 언더라이팅 AI는 진단코드ㆍ병력ㆍ장해 등 민감정보를 대규모로 처리하므로, 클라우드 거대언어모델(large language model, LLM) 호출 시 AI 기본법ㆍ개인정보보호법ㆍ보험업법ㆍ망분리 규제를 동시에 위반할 복합 리스크에 직면한다. 본 연구는 법령 분석과 규제위반 시뮬레이션을 결합한 혼합 방법론으로 이를 실증한다. 생명보험 언더라이팅 데이터베이스(26개 테이블, 253개 컬럼) 분석 결과, 전체 컬럼의 11.9%(30개)가 규제 대상 민감 컬럼이었으며 의미계층(Semantic Layer) 미적용 시 LLM 프롬프트에 그대로 노출되었다. 의미 계층 적용으로 노출을 0개로 줄일 수 있었으나 클라우드 LLM은 망분리 규제와 보험업법 제177조를 완전히 충족하지 못하였다. 이에 본 연구는 의미 계층ㆍ온프레미스 LLMㆍ프롬프트 로깅을 결합한 3중 아키텍처와 이를 구현하는 3단계 거버넌스 프레임워크를 제안한다.

The Framework Act on AI, effective January 2026, imposes safety, transparency, and explainability obligations on high-impact AI, fundamentally reshaping AI adoption for Korean financial institutions. Life insurance underwriting AI processes large volumes of sensitive data—diagnostic codes, medical histories, and disability records—and thus faces compound regulatory risk under the Framework Act on AI, the Personal Information Protection Act, the Insurance Business Act, and network-separation regulation when calling cloud large language models (LLMs). Using a mixed methodology combining legal analysis and a regulatory-violation simulation on a life-insurance underwriting database (26 tables, 253 columns), this study finds that 11.9% (30) of columns are regulation-relevant sensitive columns exposed to the LLM prompt without a Semantic Layer. While the Semantic Layer reduces exposure to zero, cloud LLMs still fail to satisfy network-separation and Insurance Business Act requirements. We therefore propose a triple architecture—Semantic Layer, on-premise LLM, and prompt logging—and a three-stage governance framework for compliant adoption.

본 연구는 공연예술 및 영상예술 분야로의 진입을 준비하는 예비 창의 노동자를 대상으로, 프라이버시 계산 이론의 편익-위험 계산 관점에서 기술수용모델을 창의 노동자 맥락에 확장 적용하여 생성형 인공지능의 지속 사용 의도에 영향을 미치는 요인을 분석하였다. 생성형 AI 사용 경험이 있는 157명을 대상으로 텍스트 기반(ChatGPT)과 영상 기반(Sora) 생성형 AI를 독립된 연구 맥락으로 설정하여 공분산 기반 구조방정식 모형을 통해 분석하였다. 분석 결과, 지각된 유용성은 두 기술 유형 모두에서 지속 사용 의도를 유의하게 증가시켰으나 사용 용이성의 직접 효과는 ChatGPT에서만 유의하였으며, 프라이버시 우려는 직업 불안정성 인식으로 이어졌음에도 두 위험 요인 모두 지속 사용 의도를 직접 억제하지 못해 수용 역설적 양상이 확인되었다. 프라이버시 성향에 따른 다집단 분석에서는 고민감 집단일수록 유용성의 영향과 프라이버시 우려-직업 불안정성 전이 경로가 함께 강화되었으나, 이 조절 패턴이 ChatGPT와 Sora 간에 상반된 방향으로 나타나 수용 역설의 경계조건이 개인의 프라이버시 성향과 기술 유형에 따라 이중으로 조건화됨을 보여주었다. 본 연구는 창의 노동자의 생성형 AI 수용 행동과 수용 역설의 경계 조건을 실증적으로 제시하였다는 점에서 의의를 갖는다.

This study examines factors influencing continuance intention toward generative artificial intelligence among prospective creative workers in performing arts and visual media. Extending the Technology Acceptance Model within the benefit-risk calculus perspective of Privacy Calculus Theory (PCT), separate covariance-based structural equation models were estimated for text-based (ChatGPT) and video-based (Sora) generative AI using survey data from 157 participants with prior generative AI experience.The results show that perceived ease of use positively affects perceived usefulness, and perceived usefulness significantly increases continuance intention across both AI types. However, the direct effect of perceived ease of use on continuance intention was significant only for ChatGPT. Perceived privacy concern significantly increased perceived career insecurity, whereas neither variable directly reduced continuance intention. Multi-group analysis further revealed that users with higher privacy sensitivity showed stronger effects of perceived usefulness and weaker effects of perceived ease of use. This study extends technology acceptance research by providing empirical evidence consistent with a generative AI acceptance paradox among creative workers and identifying its boundary conditions.