Earticle

본 연구는 충북 창업생태계를 규모·질·연결성의 관점에서 진단하고 활성화 방향을 제시하였다. 분석은 문헌·정책자료 검토와 주요 정부 통계에 대한 기술통계 분석을 바탕으로 하였다. 분석 결과, 2024년 충북의 창업기업은 34,280개, 기술기반업종 창업기업은 5,165개였으며, 신생기업의 1년 생존율은 66.3%였으나 7년 생존율은 26.9%로 낮아 장기 성장의 취약성이 확인되었다. 벤처투자는 1,194억원으로 확대되었지만 사업화 중심 지원, R&D·융자·인력 지원의 부족, 청주권 중심 인프라 집중은 구조적 한계로 나타났다. 이에 본 연구는 딥테크 특화 거점과 스케일업 인프라, 지역 투자생태계, 인재양성, 통합 정보망 및 거버넌스, 충청권 연계와 도내 균형발전 전략을 제안한다. 다만 본 연구는 2차 자료 기반의 기술통계 분석에 한정되므로, 후속 연구에서는 기업 수준 패널자료와 수요조사를 결합한 성과평가가 필요하다.

This study examines the Chungbuk startup ecosystem in terms of scale, quality, and connectivity and proposes directions for revitalization. The analysis is based on a review of the literature and policy documents and descriptive statistics from major government datasets. In 2024, Chungbuk had 34,280 startups and 5,165 technology-based startups. While the one-year survival rate of new firms was 66.3%, the seven-year rate fell to 26.9%, indicating weak long-term growth. Venture investment reached KRW 119.4 billion, but commercialization-heavy support, limited regional R&D, loan, and talent programs, and the concentration of infrastructure in Cheongju remained structural constraints. The study therefore suggests deep-tech hubs and scale-up infrastructure, a stronger regional investment ecosystem, talent development, an integrated information and governance platform, and broader Chungcheong cooperation with more balanced development within Chungbuk. The study is limited by its reliance on secondary data and descriptive statistics; future research should combine firm-level panel data and survey-based evaluation.

딥테크 기술은 복잡성이 높고 성공에 대한 불확실성이 크지만, 그 경제적 파급력이 크기 때문에 기술사업화 정책에서 많은 관심을 받고 있다. 이 연구는 공공기술을 기반으로 한 딥테크 기술의 사업화가 고용에 미치는 영향을 파악하고자 기술창업과 기술이전으로 구분하여 분석하였다. 성향점수 매칭기법을 적용한 결과, 딥테크 스타트업은 일반 창업기업에 비해 매출과 영업이익이 높았으나, 신규 고용 규모는 상대적으로 낮았다. 또한, 다항시차분석을 통해 기술의 난이도에 따른 고용효과를 분석한 결과, 중위기술 산업군에서는 기술 도입 이후 일정 시점에 고용 효과가 나타났지만, 고위기술 산업군에서는 10년 내에도 유의미한 고용 효과가 없었다. 이는 공공기술 도입이 기존 인력을 대체하거나 구축현상을 보이는 것으로 해석되었다. 딥테크 기술사업화 정책은 기업이 기술 흡수와 내재화에 일정시간이 필요하기 때문에 기존의 기술이전 정책과 차별적으로 딥테크 기술의 흡수 역량강화를 위한 프로그램에 대한 고려가 필요하다는 점을 시사한다.

Deep-tech technologies are highly complex and uncertain in their success, yet their significant economic impact has garnered growing attention in commercialization policies. This study examines the employment effects of deep-tech commercialization based on public technology, distinguishing between technology startups and technology transfers. Propensity score matching(PSM) indicates that deep-tech startups outperform general startups in revenue and operating profit, but create fewer new jobs. The Polynomial distributed lag(PDL) regression further reveals that while medium-level technology industries experience employment effects after a certain period, high-technology industries show no significant employment gains even within ten years. This suggests that public technology adoption may replace existing labor or lead to crowding-out effects. The findings highlight the need for deep-tech commercialization policies to differentiate from conventional technology transfer approaches by emphasizing programs that strengthen firms' absorptive capacity and aligning with broader government initiatives, given the time required for firms to internalize new technologies

팬데믹과 기후변화 등 세계의 근본적이고 심각한 문제를 해결하기 위해, 새로운 기초기술인 딥테크 창업이 엄청난 잠재력의 시장을 예상하며 급속도로 증가하고 있다. 딥테크 창업은 고도의 새로운 기술력을 위한 초기 단계의 막대한 투자, 다양한 분야의 기술 융합, 장기간이 소요되는 특성으로 기존 창업과 큰 차이가 있다. 이러한 특성 때문에 딥테크 창업 정책은 기존 창업 정책과 차별화가 이루어져야 하나, 한국 딥테크 분야의 유니콘 기업은전무한 상황이며 관련 정책 역시 기존과 유사하게 추진되고 있다. 딥테크 창업 모델 선행연구와 국내외 딥테크창업 현황 및 정책 분석을 통해 딥테크 분야의 유니콘 기업을 위한 필수조건인 기술고도화를 위해 예비창업 단계부터 R&D를 지원하는 것이 중요함을 밝혔다. 또한, 딥테크 창업의 성공은 장시간이 소요되기 때문에 예비창업 단계부터 성장 지원까지 지원하는 전주기적 창업 정책이 매우 중요하다. 따라서, 본 연구는 이러한 특성을 고려한 전주기 융합형 창업 정책 모형을 제안한다. 먼저, 전주기 창업 정책은기술고도화를 위한 출연연 등의 공공 분야 우수기술 발굴, 예비창업팀 구성, 창업모델 구체화, 인큐베이팅, 창업및 성장 단계 등의 모든 단계를 지원한다. 다음으로, 융합형 창업 정책은 창업팀의 융합적 구성/지원/체계 등이 핵심이다. 즉, 탄탄한 팀빌딩을 위해 예비창업단계부터 우수 연구팀과 예비창업가의 융합적 구성과 더불어, 미래 딥테크 분야의 큰 시장을 위한 R&D 지원, 판로 개척, 후속 투자 유치 등의 융합형 지원이 이루어져야 하며, 지원체계 역시 창업지원의 전주기를 걸쳐 연구팀, 예비창업자, 민간 투자사, 창업기획팀 등이 융합적으로 구축되어야한다.

Global deep-tech startups that use new basic technologies to solve fundamental and serious problems in the world are rapidly increasing in anticipation of a market with tremendous potential. Deep tech start-ups differ greatly from existing start-ups in terms of characteristics such as enormous investment in the early stage for advanced new technology, technology convergence in various fields, and long-term requirements. Due to the nature of deep tech startups, deep tech startup policies need to be differentiated from existing startup policies. However, there is no unicorn company in the deep tech field in Korea, and the deep tech start-up policy is being promoted similarly to the existing start-up policy. In order to advance technology, which is a prerequisite for unicorn companies in the field of deep tech, it is key to support R&D from the preliminary start-up stage. Since the success of a deep tech startup takes a long time, a full-cycle startup policy that supports from the preliminary startup stage to growth support is very important. This study proposes a full-cycle convergence-type start-up policy model considering the characteristics of deep-tech start-ups, such as technological advancement, convergence, and long time required. The full-cycle start-up policy supports all stages, such as discovering excellent technologies in the public sector such as government-funded research institutes for technological advancement, forming a preliminary start-up team, materializing a start-up model, incubating, and starting and growing. The core of convergence start-up policy is the convergence of the start-up team, convergence support contents, and convergence support system. For solid team building, the convergence of excellent research teams and prospective entrepreneurs is important from the pre-entrepreneurship stage. For a large market in the future deep-tech field, convergence-type support such as R&D support, market exploration, and follow-up investment attraction is needed. . The support system should also be convergently supported by research teams, prospective entrepreneurs, private investors, and start-up planning teams throughout the entire life cycle of start-up support.

본 연구는 디지털 치료제 분야의 ‘딥테크 기업들의 보다 효율적인 외부 R&D 협력 파트너 탐색 과정은 무엇인가?’라는 연구 질문하에 수행된 타당성 연구(Feasibility Study)이다. 대부분의 기존 연구들이 외부 R&D 협력에 이써 협력 ‘성과’에 치중한 나머지 ‘탐색’ 단계에 있어서의 체계적인 방법론에 대한 검토는 미흡하다는 점을 고려, NTIS, 특허 및 Tech Mining 기반 정보를 활용한 분석 프레임을제안함은 물론 이를 검증함으로써 본 연구에서 제안한 방법론의 타당성을 타진해보고자 하였다. 본 연구의 프로세스는 총 5단계(디지털 치료제 분야의 ①R&D 동향 분석 → ②R&D 협력 파트너 잠재 후보군 도출 → ③R&D 협력 파트너최종 후보군 선정 → ④정보 원천 유형별 사례분석(Case 1~3) → ⑤결과 비교·종합)로 진행되었으며, 분석 결과에 대한 추가적인 전문가표적집단 인터뷰(FGI; Focus Group Interview)를 통해 분석 결과의 신뢰성과 타당성을 제고하였다. 분석 결과, 각 정보 수단은 혁신활동성(활동성 및 수월성)과 경영 활동 등에서 서로 다른 평가 기준을 제공하고 있음을 확인할 수 있었으며, 이로인해 어떠한 정보원을선택하느냐에 따라 도출되는 R&D 협력 파트너가 달라질 수 있음을 확인하였다. 이는 R&D 협력 파트너 탐색이 단일 정보에 의존해서는 안되며, 해당 기업의 외부 R&D 협력 목적과 기업의 경영환경에 따라 정보를 조합·선별하는 통합적·전략적 접근이 필요함을 시사하는 의미있는 결과라고 판단된다.

This feasibility study was conducted to explore the research question, "What are the processes by which deep tech companies in the digital therapeutics field seek more efficient external R&D collaboration partners?". This study is based on the theoretical premise that companies pursue collaborative innovation to complement internal resources (resource-based theory, RBV) and minimize transaction costs (transaction cost theory, TCT). Furthermore, this study addressed the limitations of previous studies, which focused on the "outcomes" of external R&D collaborations and lacked a systematic methodology for the "exploration" phase. Therefore, this study proposed an analytical framework utilizing NTIS analysis, Patent analysis, and Tech. Mining Analysis, and validated this framework to verify the validity of the proposed methodology. The analysis revealed that each source presented different evaluation criteria for innovation of activities, innovation of excellence and firm's business environments. This suggests that the final R&D collaboration partner may vary depending on the selected source. These results have important implications and suggest that identifying R&D collaboration partners should not rely solely on a single source. An integrated and strategic approach is needed, integrating and selecting information based on a company's external R&D collaboration goals and management environment.

디지털 전환 가속과 기술 혁신을 통한 기술 사업화가 글로벌 경제의 핵심 동력으로 부상함에 따라 딥테크 분야가 주목받고 있다. 인공지능(AI), 로보틱스, 양자 컴퓨팅, 바이오테크놀로지 등 첨단 과학기술을 기반으로 하는 혁신적 기술들이 다양한 산업 분야에서 파괴적 혁신을 일으키고 있으며, 이에 정부와 민간의 밀착적 협업을 통한 딥테크 스타트업 육성이 본격화되고 있다. 본 연구는 딥테크 스타트업의 개념을 명확히 정의하고, AHP 분석을 통해 투자 결정요인을 체계적으로 분석하여 투자 의사결정 기준을 제시한다. 특히, 기존 연구와 달리 딥테크 스타트업의 기술 혁신성, 시장 경쟁 환경, 정부 정책 지원 등 고유한 특성을 반영하여 투자결정요인을 도출하고, 투자 의사 결정에 미치는 영향을 분석하고자 한다. 본 연구에서는 첫째, 기존 문헌 연구를 통해 딥테크 산업의 특성과 기존 스타트업 투자 결정요인에 관한 선행 연구를 검토하여 딥테크 스타트업의 고유한 특성을 반영한 투자결정요인 '제품/서비스 특성','창업자 특성','시장 특성','재무적 특성','투자자 특성' 상위항목 5가지를 도출하였다. 둘째, 딥테크 분야 투자심사역들을 대상으로 한 AHP 분석을 통해 딥테크 스타트업 투자결정요인이 일반 스타트업과는 달리, 창업팀보다는 창업자 자체의 산업 전문성과 기술적 역량을 중시한다는 점, 제품 등의 개발에 있어 고객 중심의 접근보다는 기술적 혁신성과 차별성을 중시한다는 점, 시장특성에 있어 빠른 시장 진입보다는 신시장 창출 가능성과 장기적 시장 파급력을 중시하였으며, iv) 네트워크와 협업관점에서는 시장 참여자 간 협업보다는 정부정책과의 부합성과 활용 정도를 중시하는 출자 사업목적 부합성을 중요한 투자결정 요인으로 두고 있음을 확인하였다. 본 연구는 선행 연구들이 주로 투자자 관점의 투자결정요인을 도출한 반면, 딥테크 산업이라는 특정 산업으로 범위를 좁히고 정부 정책지원 관점을 포함해 딥테크 스타트업 투자결정요인에 관한 선도적 연구라는 점에서 이론적 기여가 있다. 또한, 본 연구 결과는 현재 벤처투자 시장에서 혁신산업 분야에 가장 활발하게 투자를 집행하고 있는 액셀러레이터, 벤처캐피탈, 정책금융기관 등에 투자 전략과 딥테크 스타트업 육성 등 정책 및 전략 수립을 위한 기초자료로 활용 가능성을 제고하는 정책적 시사점을 도출하였다.

As digital transformation accelerates and technology commercialization through technological innovation emerges as a key driving force of the global economy, the deep tech sector is gaining attention. Innovative technologies based on cutting-edge science and technology such as artificial intelligence (AI), robotics, quantum computing, and biotechnology are causing disruptive innovation in various industries, and deep tech startups are being fostered in earnest through close collaboration between the government and the private sector. This study clearly defines the concept of deep tech startups and systematically analyzes investment decision-making factors through AHP analysis to present investment decision-making criteria. In particular, unlike previous studies, it aims to derive investment decision-making factors by reflecting the unique characteristics of deep tech startups such as technological innovation, market competition environment, and government policy support, and analyze the impact on investment decisions. In this study, first, through a review of existing literature, the characteristics of the deep tech industry and previous studies on existing startup investment decision-making factors were reviewed to derive the top five investment decision-making factors that reflect the unique characteristics of deep tech startups: 'product/service characteristics', 'founder characteristics', 'market characteristics', 'financial characteristics', and 'investor characteristics'. Second, through AHP analysis targeting investment reviewers in the deep tech field, it was confirmed that the investment decision factors of deep tech startups, unlike general startups, value the industrial expertise and technical capabilities of the founders themselves rather than the founding team, value technological innovation and differentiation rather than a customer-centered approach in the development of products, etc., value the possibility of creating new markets and long-term market impact rather than rapid market entry in terms of market characteristics, and iv) from the perspective of network and collaboration, value the compatibility with government policies and the degree of utilization rather than collaboration among market participants, and place importance on the compatibility with the purpose of the investment business as an important investment decision factor. While previous studies mainly derived investment decision factors from the investor perspective, this study has theoretical contributions in that it narrows the scope to a specific industry called the deep tech industry and is a leading study on investment decision factors of deep tech startups by including the perspective of government policy support. In addition, the results of this study have derived policy implications that can be utilized as basic data for establishing policies and strategies, such as investment strategies and fostering deep-tech startups, for accelerators, venture capitalists, and policy finance institutions that are most actively investing in innovative industries in the current venture investment market.

딥테크 스타트업은 장기·고위험·정보 비대칭성으로 기존 벤처투자 모형으로는 투자 판단기준을 충분히 설명하기 어렵다. 특히 전략적 목적의 딥테크 투자자로 주목받는 기업형벤처캐피탈(Corporate Venture Capital, CVC)과 재무성과를 우선시하는 독립 VC와 정책적 목적을 우선시하는 공공 VC(비 CVC)와는 투자 특성에 차이를 보인다. 이에 본 연구는 개방형 혁신의 관점에서 CVC와 비(非) CVC 딥테크 투자자 간의 투자 결정요인을 비교 분석하여, VC별 이질적 투자 판단기준과 정부지원에 관한 함의를 규명하고자 하였다. 제품 및 기술력, 시장성, 인력, 투자자, 재무, 정부지원, 지역성, 글로벌 협력경험 조건을 중심으로 필요조건(NCA)과 퍼지셋 질적비교분석 (fsQCA)을 수행하였고, 중요도-성능 분석(IPA)과 인터뷰를 혼합해 통찰을 도출하였다. 분석 결과, 두 그룹 모두 제품기술력을 공통으로 중요하게 평가하였으나, 조건에 대한 판단기준은 상이했다. CVC는 정부지원을 중요하게 여기면서도 이의 부재, 수도권 입지, 재무 안정성 등 요인을 중시했다. 개방형 혁신 관점에서 CVC의 이러한 의사결정은 개방의 역설로 해석할 수 있다. 외부 지식·기술의 유입으로 모기업의 전략적 가치를 창출해야 하지만, 공공 주도의 지원은 시장 흐름과의 불일치, 행정 부담 등으로 기대 효용을 약화할 수 있다. 따라서 CVC의 선투자-후 매칭, 공동 R&D·실증, 기업 연계형 프로그램 등 민간 주도의 정부 지원책 설계가 장기적으로는 효과를 거둘 수 있음을 시사한다. 반면 비 CVC는 정부 지원의 수준, 조직 내부 역량, 지역 기반 혁신성 등을 판단기준으로 삼았으며, 비수도권 기업에 대한 투자도 적극 수행하고 있었다. IPA에서도 중요도-성과 인식의 분화가 관측되었고, 인터뷰 결과, 전략적 정합성, 보완자산 활용 여건, 정부지원의 신호 효과 차이가 그 맥락을 설명했다. 특히 fsQCA와 IPA, 인터뷰를 혼합한 방법론적 접근과 개방형 혁신 관점으로 딥테크 투자의 복잡한 의사결정 메커니즘을 조명했으며, CVC의 딥테크 투자 촉진을 위해 민간 주도의 정부 지원 필요성을 확인했다. 이에 본 연구는 딥테크 생태계 활성화에 필요한 이론적·실무적 통찰을 확장하는 데 기여할 것으로 기대된다.

Deep-tech startups are characterized by long development horizons, high risks, and substantial information asymmetry, which make conventional venture investment models insufficient to explain decisions. Corporate venture capital (CVC), pursuing strategic objectives and synergies with parent firms, differs from non-CVC investors. The latter include independent venture capital (IVC), which primarily seeks financial returns, and public venture capital, which emphasizes policy goals complementing private capital. This study compares the investment factors of CVC and non-CVC investors from an open innovation perspective in order to uncover heterogeneous logics and draw implications for government support. Methodologically, we employed necessary condition analysis (NCA), fuzzy-set qualitative comparative analysis (fsQCA), importance-performance analysis (IPA), and expert interviews. Eight conditions were examined: technological capability, market potential, human resources, investor characteristics, financial stability, government support, regionality, and global collaboration. The findings show that while both groups consistently value technological capability, their criteria diverge in other respects. CVCs emphasize government support, metropolitan location, and financial stability. From the perspective of open innovation, this behavior reflects a paradox of openness, where government-led programs may reduce expected benefits due to misalignment with market signals and administrative burdens. Conversely, non-CVCs prioritize government support, organizational capabilities, and regional innovativeness, and they actively invest in firms outside the capital region. By integrating configurational methods with IPA and qualitative insights, this study illuminates complex mechanisms of deep-tech investment decision-making. It contributes theoretically and practically by confirming heterogeneous logics of CVC and non-CVC investors and by highlighting the importance of private-led, market-aligned government support in fostering deep-tech investment.

문화기술 시대의 벤처캐피탈 및 액셀러레이터 투자 의사결정 연구는 주로 제품·기술, 창업자·팀, 시장성, 재무·사업성 등 스타트업 수준의 평가 요인에 초점을맞추어 왔다. 그러나 이러한 접근만으로는 투자 성과가 개별 심사역의 역량에서 비롯되는지, 아니면 투자 기관의 조직 설계 역량에서 비롯되는지를 충분히 설명하기 어렵다. 본 연구는 국내 딥테크 전문 액셀러레이터 겸 초기 투자 전문 벤처캐피탈인 블루포인트파트너스를 단일 사례로 선정하고, 이용관 대표의 심층 인터뷰와 공개 자료 분석에 더하여, 내부 투자 심사역 16명을 대상으로 한 AHP(Analytic Hierarchy Process) 쌍대비교 설문을 결합한 혼합 연구 방법을 적용하였다. 분석결과, 블루포인트의 투자 의사결정은 딜 소싱, 기능 평가·투자심의위원회, 포트폴리오 사후관리로 구성된 3단계 프로세스를 중심으로, 개별 심사역의 직관보다 조직 차원의 체계적 역량이 핵심적으로 작동하는 것으로 나타났다. 특히 조직 설계 역량은 스타트업 평가 요인에 비해 더 높은 중요도로 평가되었으며, 지원 인프라와 지식 관리가 투자 의사결정에서 핵심적인 역할을 수행하는 것으로 확인되었다. 이 연구는 투자 의사결정 연구의 분석 단위를 스타트업 수준에서 투자 기관 수준으로 확장하고, 피투자자가 아닌 투자자 관점에서 조직 역량의 작동 방식을 질적·정량적으로 통합 분석하였다는 점에서 이론적 의의를 지니며, 액셀러레이터및 초기 VC의 조직 설계 방향에 실무적 시사점을 제공한다.

Existing research on investment decision-making in venture capital and accelerators has primarily focused on startup-level evaluation criteria such as product and technology, founding team, market potential, and financial viability. This perspective, however, does not clearly explain whether investment performance stems from the capabilities of individual investment managers or from the organizational design capabilities of the investing institution. This study examines Bluepoint Partners, a Korean deep-tech accelerator and early-stage venture capital firm, as a single case and employs a mixed-methods design that combines in-depth interviews with CEO Lee Yong-kwan and analysis of publicly available materials with an Analytic Hierarchy Process (AHP) pairwise comparison survey administered to all 16 internal investment professionals. The analysis shows that Bluepoint’s investment decision-making process is structured around three stages?deal sourcing, functional evaluation and investment committee, and post-investment portfolio management?in which systematic, organization-level capabilities play a more central role than individual intuition. The AHP results indicate that organizational design capabilities are evaluated as more important than startup-level factors in the overall decision hierarchy, with support infrastructure and knowledgemanagement emerging as key dimensions. The study contributes theoretically by extending the unit of analysis in investment decision-making research from startups to investing organizations and by elucidating how organizational capabilities operate from the investor’s perspective, while also offering practical implications for the organizational design of accelerators and early-stage venture capital firms.

최근 스타트업 생태계를 중심으로 ‘딥테크’ 개념이 부상하고 있다. 딥테크는 최첨단의 혁신적·원천적 성격이 강하고, 모방이 불가능하며, 일상 속에서 큰 영향력을 발휘할 기술을 지칭하는 개념으로, 최근 주요국들은 딥테크 스타트업의 중요성에 주목하며 이들을 유니콘으로 육성하기 위하여 많은 정책적 노력을 기울이고 있다. 본 연구는 딥테크 유니콘이 창출될 수 있는 유망기술분야를 도출하기 위하여 정부가 2022년 10월에 발표한 국가전략기술을 후보로 삼아 기술혁신 및 VC 생태계 전문가들에게 설문조사를 실시하였다. 조사결과, 13개 기술분야 중에서 반도체, 차세대통신, 디스플레이, 인공지능, 에너지, 첨단이동수단 등이 기술성, 시장성, 원천기술 축적량 측면에서 유망기술로 평가되었다. 또한, 응답자 특성 측면에서는 성별, 연령, 학력수준 등에 따라 기술적 유망도에 대한 평가 수준이 다른 것으로 나타났다. 이러한 결과를 통하여 다음과 같은 시사점을 도출하였다. 첫째, 딥테크 유니콘의 창출을 위하여 유망기술분야에 전략적 집중 투자가 필요하다. 둘째, 유망기술별 전략적 R&D 및 사업화 정책에 있어서 분야별 최적화된 로드맵을 구축하고 관리하여야 한다. 셋째, 국민적 인식의 수준이 낮은 유망기술분야에 대하여 적극적인 성공사례발굴 및 홍보를 통해 인지도를 제고해야 한다.

The concept of "deep-tech" is increasingly being talked about in the startup ecosystem. Deep-tech refers to cutting-edge, innovative, difficult-to-duplicate, and original technology that is expected to have a significant impact on society and personal life. Many countries are recognizing the importance of deep-tech startups and implementing policies to support them. This study analyzes survey data to identify promising technology fields in which deep-tech unicorns could be created. Using the national strategic technologies announced by the Korean government in October 2022 as a starting point, a survey was conducted with experts in technology innovation and venture capital. The results showed that semiconductors, next-generation telecommunications, displays, artificial intelligence, energy, and advanced mobility were considered promising technologies in terms of innovativeness, marketability, and technological potential. The survey also revealed that the level of evaluation varied based on factors such as gender, age, and level of education. Based on these findings, the following policy recommendations were made: 1) strategic investment in promising technology fields is necessary to create deep-tech unicorns, 2) specific R&D and commercialization policies should be developed and implemented for each promising technology field, and 3) awareness should be raised by highlighting successful cases in technology fields that currently have low awareness.