SMJ 2026 Q1) 자원보다 의사결정 구조가 성과를 가르다

가장 넓은 영역은 이미 축적된 연구 흐름의 최신 진전입니다(Q3). 이번 호에서 가장 두드러진 패턴은 평가자, 이사, 애널리스트 등 의사결정 주체의 구성이 혁신 인식, 투자 결정, 시장 평가를 좌우한다는 발견입니다. Lane et al.¹은 NASA 현장 실험을 통해 도메인 초월형 평가자가 도메인 특화형 대비 신규성 점수를 0.56점 높게 부여하면서도 실현가능성 기준은 동일하게 유지함을 보여줍니다. 이는 혁신 평가가 '최적의 단일 평가자 찾기'가 아닌 '상보적 전문성의 전략적 시퀀싱'으로 전환되어야 함을 시사합니다. Pavicevic et al.²은 이사회 인적 자본 이론의 핵심 가정인 역량 독립성에 도전하여, 기업가적 이사의 CE 촉진 효과가 재무 이사 수에 의해 체계적으로 약화됨을 455개 미국 기술집약 기업 패널로 실증합니다. 기업개발위원회(CDC) 내에서는 재무 이사 3명이면 기업가적 이사의 효과가 부(-)로 역전됩니다. Eklund & Mannor³는 S&P 500 기업 440개의 18,823개 분기 관측치에서 경영진의 성장 전략 커뮤니케이션이 애널리스트의 호기심과 분석적 집중을 실시간으로 변화시키며, 이 인지적 변화가 평가 결과를 부분적으로 매개함을 보입니다. 세 연구를 관통하는 메시지는 명확합니다. 전략적 결과는 자원의 양이 아니라 그 자원을 평가하고 배분하는 주체들의 구성과 상호작용에 의해 결정됩니다.

플랫폼 생태계 연구에서도 보완자^g6의 이질성이 전략 선택을 좌우하는 패턴이 확인됩니다. Loh & Elsas-Nicolle⁶은 Epic Games Store의 Steam 진입 사례를 분석하여, 자원이 취약한 인디 개발사는 멀티호밍^g7 확률이 2.98%p 높고 플랫폼 세일 참여율은 감소한 반면, 네트워크 효과에 의존하는 멀티플레이어 개발사는 정반대의 반응을 보임을 실증합니다. 보완자를 동질적 집단으로 취급하는 기존 플랫폼 이론의 한계를 정면으로 지적하는 결과입니다.

이러한 확장의 이면에는 기존 패러다임에 대한 도전도 공존합니다(Q4). Aoki⁵는 도요타와 닛산의 20년 비교 역사 분석을 통해, 역사적 가치가 Leonard-Barton(1992)이 경고한 핵심경직성^g8의 원천이 아니라 동적역량의 마이크로파운데이션^g9을 강화하는 전략적 자원임을 보여줍니다. 카이젠^g10과 도요타생산시스템(TPS)이라는 역사적 가치를 필터링, 통합, 수정의 세 가지 수사적 행동으로 활용함으로써, 도요타는 경쟁자의 모듈화 전략을 선별적으로 수용하면서도 공급망 핵심역량의 독자성을 유지했습니다. Shen⁴은 Teece(1986)의 독점적 가치 전유 논리에 반하는 발견을 제시합니다. 2009년 GPU 충격을 활용한 이중차분^g11 분석에서, 기업들은 딥러닝의 응용 잠재력이 높아지자 특허가 아닌 오픈사이언스 출판을 통해 누적 투자를 증가시켰으며, 외부 혁신가로부터의 역학습^g12을 통해 개발 궤적을 확장했습니다. 전개되는 혁신 상호의존성 하에서는 공개가 독점보다 효과적인 전략이 될 수 있다는 주장은 보완 자산 이론의 경계 조건을 재설정합니다.

여러 논문을 함께 읽으면 개별 논문에서 보이지 않는 패턴도 나타납니다(Q2). 첫 번째 수렴은 "누가 결정하는가"의 재발견입니다. Lane et al.¹의 평가자 전문성 구성, Pavicevic et al.²의 이사 역량 상호의존성, Eklund & Mannor³의 애널리스트 평가 프레임^g13, Minervini et al.⁷의 탐색 방식이 동기 부여에 미치는 효과까지, 4편의 논문이 의사결정 주체의 구성과 상호작용이라는 공통 변수를 통해 상이한 전략적 결과를 설명합니다. 두 번째 수렴은 상호의존성의 양면성입니다. Glauber & Kretschmer⁸의 과업 공동사용은 초기 신뢰성 패널티(16.7%)를 유발하지만 장기적으로 교차 개선의 경로가 되고, Loh & Elsas-Nicolle⁶의 플랫폼 지배력은 보완자에게 경쟁 심화의 위협이자 네트워크 효과의 편익이며, Pavicevic et al.²의 이사회 역량 다양성은 인지적 자원이자 CE 지원의 분산 요인입니다. 세 연구가 공통적으로 가리키는 방향은, 상호의존성을 단순한 비용이나 편익이 아닌 시간과 맥락에 따라 부호가 전환되는 설계 파라미터로 이해해야 한다는 것입니다.

이번 호에서 가장 주목할 발견은 아직 이름이 붙지 않은 새로운 전선입니다(Q1). Minervini et al.⁷은 공동 탐색이 탐색 다양성을 27% 줄이는 동시에 탐색 시도를 43% 증가시킨다는 발견으로, 집단 과정 연구에서 간과되어 온 동기 부여 차원을 부각시킵니다. 상호 가시성에서 비롯된 쾨흘러 효과^g14가 사회적 태만을 압도하는 이 메커니즘은, Lane et al.¹이 발견한 도메인 초월형 평가자의 통합적 평가 능력과 함께, 집단 의사결정 과정에서 인지적 요소뿐 아니라 동기적 요소가 전략적 결과를 결정짓는 독립적 경로임을 시사합니다. 또한 Shen⁴의 공개-학습 전략과 Glauber & Kretschmer⁸의 교차 개선 메커니즘은, 조직 경계를 넘어 외부 혁신가 및 포트폴리오 내 다른 제품과의 공진화적 학습이 새로운 전략적 역량의 원천이 될 수 있음을 보여줍니다.

주) 상세 설명은 Appendix B 참조. 구조적 부재 분석은 Appendix E 참조.

가장 넓은 영역은 검증된 방법론의 최신 진화입니다(Q3). 이중차분법(DID)과 준실험 설계가 전략 연구에서 인과 추론의 표준 도구로 자리잡는 추세가 이번 호에서 뚜렷합니다. Shen⁴은 2009년 GPU 가용성이라는 외생적 충격을 활용한 DID 설계로, 기업의 딥러닝 누적 투자 변화를 통제군 대비 추정하면서 일반화된 합성 통제법^g15으로 평행 추세 가정을 엄격히 검증합니다. Loh & Elsas-Nicolle⁶은 Epic Games Store 진입이라는 단일 사건을 활용한 DID 프레임워크에 정밀 매칭(CEM)^g16을 결합하여, 보완자 유형별 이질적 반응의 인과적 추정을 시도합니다. 대규모 패널 데이터와 다층 고정효과 모형도 정교화되고 있습니다. Pavicevic et al.²은 3,897 기업-연도 관측치에 확률효과 GLS와 제어 함수 접근법^g17을 결합하고, Eklund & Mannor³는 18,823개 기업-분기-연도 관측치에 기업·연도·분기 3중 고정효과를 적용하며, Glauber & Kretschmer⁸는 1,676 차종-연도 데이터에 기업 고정효과와 제품 고정효과를 순차적으로 적용하여 내생성을 통제합니다.

이러한 정교화의 이면에서 방법론적 통념에 대한 도전도 진행되고 있습니다(Q4). Aoki⁵는 해석학, 맥락화, 자료 비판의 세 축으로 구성된 역사적 방법론을 통해, 통계적 모형으로는 포착하기 어려운 경영자의 수사적 행동과 전략적 의미 구성 과정을 20년 종단 분석으로 추적합니다. 188건의 인터뷰와 100여 개 이상의 문서 자료를 교차 검증하는 이 접근은, 역사적 방법론이 지배 이론에 대한 '창조적 파괴'의 수단이 될 수 있음을 보여줍니다. AI와 텍스트 분석 도구가 전략 연구의 측정 도구로 부상하는 흐름도 주목할 만합니다. Lane et al.¹은 3,007개 평가자 코멘트에 Claude 3.5 Sonnet을 활용한 인간-LLM 혼합 코딩으로 77~96%의 일치율을 달성했고, Eklund & Mannor³는 LIWC-22의 호기심 사전(76개 단어)과 분석적 사고 지수로 애널리스트의 실시간 인지 상태를 직접 측정합니다. 텍스트 데이터가 전략적 구성체의 새로운 측정 원천이 되고 있습니다.

개별 논문의 방법론적 선택이 교차분석에서는 수렴으로 드러납니다(Q2). 첫 번째 수렴은 자연실험·현장실험 설계의 전략 연구 주류화입니다. Lane et al.¹의 NASA 현장 실험, Shen⁴의 GPU 충격 준실험, Loh & Elsas-Nicolle⁶의 EGS 진입 준실험까지, 8편 중 3편이 외생적 변동을 활용한 인과 추론 설계를 채택합니다. 이는 전략경영 연구에서 상관관계를 넘어 인과 메커니즘을 추적하려는 방법론적 전환이 가속화되고 있음을 보여줍니다. 두 번째 수렴은 텍스트·언어 데이터의 전략 변수 측정 활용입니다. LLM 기반 코딩¹, LIWC 기반 인지 측정³, SEC 위임장 텍스트 기반 역량 분류², 역사 문서 기반 수사적 행동 추적⁵까지, 텍스트가 전략적 구성체를 측정하는 핵심 데이터 원천으로 자리잡고 있습니다.

가장 주목할 만한 방법론적 혁신은 아직 널리 채택되지 않은 새로운 연구 설계입니다(Q1). Minervini et al.⁷은 명목 집단 기법^g18과 최근접 이웃 매칭을 결합하여 합성 반사실적 그룹을 구성하는 방법론을 제시합니다. 실제 공동 탐색 그룹 10,234개에 대응하는 합성 독립 탐색 그룹을 구성하고, SoftMax 행동 선택 모델로 집단 성과를 대체 추정하는 이 접근은, 무작위 배정이 불가능한 자연 발생 데이터에서 집단 과정의 인과적 효과를 추정하는 새로운 경로를 열어줍니다. Kaggle⁷과 Steam/EGS⁶ 같은 플랫폼 빅데이터가 조직 과정 연구의 실험실로 활용되는 추세도 주목할 만하며, 이는 전통적 설문·아카이벌 데이터의 한계를 보완하는 새로운 데이터 원천으로서의 가능성을 시사합니다.

주) 상세 설명은 Appendix C 참조.

RTM이 "무엇을 연구하는가", RMM이 "어떻게 연구하는가"의 지형도라면, RDM은 "무엇으로 연구하는가"의 지형도입니다. 8편의 실증 논문이 활용한 데이터를 질적/양적(Qualitative/Quantitative)과 기존 활용/신규 탐색(Exploitation/Exploration)이라는 두 축으로 배치하면, 이번 호의 데이터 전략이 공개 플랫폼 데이터의 창의적 활용이라는 새로운 경향을 보여줍니다. 양적 7편, 질적 1편이며, Q3(기존 DB 활용) 4편과 Q4(맞춤형 DB 개발) 3편의 비율이 4:3으로 자체 데이터 구축의 비중이 높습니다.

BoardEx·Compustat·WRDS — 대학 구독 DB의 조합이 의사결정자 연구의 물적 기반을 제공합니다

Q3(기존 DB 활용) 4편은 대학 구독 DB와 공개 데이터의 조합으로 구성됩니다. Pavicevic et al.²은 BoardEx, Compustat, ExecuComp, SEC EDGAR(공개)를, Eklund & Mannor³은 Capital IQ, IBES, Compustat을, Shen⁴은 OpenAlex(공개)+Google Patents(공개)+Compustat(대학구독)을 활용합니다. Glauber & Kretschmer⁸은 NHTSA(공개)+Ward's(상업)에 2,837건 리콜 보고서 수작업 코딩을 결합했습니다. 4편 모두 기존 DB에서 출발하되 변수 구성의 창의성으로 차별화합니다.

NASA 현장실험·Steam 크롤링·Kaggle 합성 반사실 — 기존에 존재하지 않던 데이터를 직접 만들고 있습니다

Q4(맞춤형 DB 개발) 3편이 보여주는 공통 패턴은 공개 플랫폼 데이터의 독자적 재구성입니다. Lane et al.¹은 NASA와 Freelancer.com을 결합한 현장실험으로 354명 평가자×101개 솔루션 데이터를 직접 생성했고, Loh & Elsas-Nicolle⁶은 Steam API, SteamDB, Metacritic 등 공개 소스 6종을 크롤링하여 8,101개 게임 데이터셋을 구축했으며, Minervini et al.⁷은 Kaggle 경진대회 공개 데이터에서 합성 반사실적 그룹을 구성하여 공동 탐색의 인과 효과를 분리했습니다.

도요타 9년 역사적 현장연구 — 188건 인터뷰가 양적 연구로 포착 불가능한 메커니즘을 드러냅니다

Q1(신규 질적 연구)의 Aoki⁵는 도요타·닛산의 사사(社史), 내부 교재, 사내 잡지 79편, 188건 인터뷰에 기반한 역사적 방법론으로, 경영 가치의 동태적 전환 과정을 재구성합니다. 양적 변수로 환원하기 어려운 "역사적 가치의 동적역량화"라는 미시 메커니즘을 포착한 이 연구는, 데이터의 양이 아닌 시간적 깊이가 이론 구축의 핵심임을 보여줍니다.

주) 실증 논문 8편 전원 대상.

이사회·평가 패널의 구성이 성과를 바꾸는가 — 규제 변화를 활용한 검증

RTM Q2-1에서 확인된 "누가 결정하는가"의 재발견과 RMM Q2-1의 자연실험 설계 확산을 교차하면, 의사결정자 구성 변화의 인과적 효과를 엄밀하게 검증하는 연구가 가능해집니다. 이사회 역량 상호의존성²이 CE뿐 아니라 M&A, 국제화, 디지털 전환 등 다양한 전략적 맥락에서 어떻게 다르게 작동하는지를 규제 변화(예: 이사회 다양성 의무화)를 자연실험으로 활용하여 검증하는 연구가 이어질 수 있을 것입니다. 마찬가지로 혁신 평가 패널의 전문성 구성¹이 프로젝트 생존율에 미치는 장기 효과를 종단 설계로 추적하는 연구도 고려해볼 만합니다. (Research Item #1)

기업이 공개한 연구에서 되배우는 과정 — LLM으로 대규모 추적이 가능해졌습니다

RTM Q1-2의 조직 경계를 넘는 공진화적 학습과 RMM Q4-2의 AI·텍스트 분석 도구를 결합하면, 기업의 공개-학습 전략을 대규모로 추적하는 연구가 열립니다. Shen⁴이 보여준 오픈사이언스 출판-외부학습 메커니즘을 딥러닝 외 다른 인에이블링 기술^g19(유전자 편집, 양자컴퓨팅)에서 비교 검증하되, LLM 기반 텍스트 분석으로 기업 출판물의 공개 수준과 외부 인용 패턴을 자동 코딩하는 방법론이 연구 규모를 확장시킬 수 있을 것입니다. 또한 Glauber & Kretschmer⁸의 교차 개선 메커니즘을 디지털 산업의 코드 재사용 맥락으로 확장하여, 과업 공동사용의 지식 전파 경로를 Git 커밋 데이터로 직접 추적하는 연구도 매력적인 선택지입니다. (Research Item #2)

부품 공유의 품질 득실 — 자동차 외 산업에서 공개 데이터로 바로 검증 가능합니다

RTM Q2-2의 상호의존성 양면성과 RMM Q3-2의 대규모 패널 데이터 분석을 교차하면, 기존 데이터셋을 활용하여 비교적 신속하게 착수할 수 있는 연구가 도출됩니다. Glauber & Kretschmer⁸의 과업 공동사용 신뢰성 패널티(16.7%)와 교차 개선 효과를 자동차 산업 외 반도체(칩 설계 IP 재사용), 제약(약물 플랫폼 공유), 소프트웨어(마이크로서비스 아키텍처)에서 복제하는 비교 산업 연구가 가능합니다. NHTSA 리콜 데이터에 대응하는 FDA 리콜 데이터, 소프트웨어 버그 리포트 등 공개 데이터가 활용 가능하며, Thompson(1967)의 상호의존성 유형(순차적·상호적·풀링)에 따른 조건부 효과를 검증하면 이론적 기여를 높일 수 있을 것입니다. (Research Item #3)