생성 AI 스타트업에 대한 벤처투자 분석과 예측: 미국과 한국을 중심으로 (Analysis and Forecast of Venture Capital Investment on Generative AI Startups: Focusing on the U.S. and South Korea)

서지정보

· 발행기관 : 한국벤처창업학회
· 수록지 정보 : 벤처창업연구 / 18권 / 4호 / 21 ~ 35페이지
· 저자명 : 이승아, 정태현

초록

생성 AI 기술의 막대한 파급력에 대한 기대가 산업계를 휩쓸고 있다. 생성 AI 기술의 활용과 발전에 창업생태계가 중요한 역할을 할 것으로 기대되는 만큼, 이 분야의 벤처투자 현황과 특성을 더 잘 이해하는 것도 중요하다. 본 연구는 생성 AI 기술과 창업생태계를 주도하는 미국을 비교 대상으로 삼아 한국의 벤처투자 내역을 분석하고 향후 벤처투자 금액을 예측한다.
분석을 위해서 미국의 117개 생성 AI 스타트업의 2008년부터 2023년까지 286건의 투자 내역과 한국의 42개 생성 AI 스타트업의 2011년부터 2023년까지 144건의 투자 내역을 수집하여 새로운 분석 자료를 구축했다. 분석 결과, 생성 AI 기업의 창업과 벤처 투자가 최근 들어 급증하고 있으며, 초기 투자에 절대다수의 투자 건이 집중됐다는 점이 미국과 한국에서 공통적으로 확인됐다. 양국의 차이점도 몇 가지 발견됐다. 미국의 경우 한국과는 다르게 같은 투자 단계에서 최근의 투자 규모가 그 이전보다 285%에서 488%까지 증가했다. 단계별 투자 소요 기간은 한국이 미국보다 다소 길었으나 그 차이가 통계적으로 유의하지는 않았다. 또한, 전체 벤처투자 금액 중 생성 AI 기업에 대한 투자 비중도 한국이 미국보다 높았다. 생성AI의 세부 분야별로는 미국은 텍스트와 모델 분야에 전체 투자액의 59.2%가 집중된 반면, 한국은 비디오, 이미지, 챗 기술에 전체 투자액의 61.9%가 집중돼 차이를 보였다. 2023년부터 2029년까지 한국의 생성 AI 기업에 대한 벤처 투자 예상 금액을 네 가지 다른 모델로 예측한 결과, 평균 3조 4,300억 원(최소 2조 4,085억 원, 최대 5조 919억 원)이 필요할 것으로 추정됐다.
본 연구는 미국과 한국의 생성 AI 기술 분야의 벤처투자를 다각도로 분석하고, 한국의 벤처투자 예상 금액을 제시하였다는 점에서 실무적 의의를 찾을 수 있다. 또한, 아직 학술적 연구가 충분하지 않은 생성AI 벤처투자에 대한 현황을 구체적 자료와 실증근거를 통해 분석함으로써 향후 깊이 있는 학술 연구의 토대를 제시한다는 점에서 학술적 의의가 있다. 본 연구에서는 벤처투자 금액 예측을 위한 방법 두 가지를 새롭게 개발하여 생성 AI의 향후 벤처투자 금액을 예측하는데 적용했다. 이 방법도 후속 학술 연구에서 다양한 분야로 확장·적용되고 정제된다면 벤처투자 예상 금액 예측 방법을 풍부하게 하는 데 공헌할 수 있을 것이다.

영어초록

Expectations surrounding generative AI technology and its profound ramifications are sweeping across various industrial domains. Given the anticipated pivotal role of the startup ecosystem in the utilization and advancement of generative AI technology, it is imperative to cultivate a deeper comprehension of the present state and distinctive attributes characterizing venture capital (VC) investments within this domain. The current investigation delves into South Korea's landscape of VC investment deals and prognosticates the projected VC investments by juxtaposing these against the United States, the frontrunner in the generative AI industry and its associated ecosystem.
For analytical purposes, a compilation of 286 investment deals originating from 117 U.S. generative AI startups spanning the period from 2008 to 2023, as well as 144 investment deals from 42 South Korean generative AI startups covering the years 2011 to 2023, was amassed to construct new datasets. The outcomes of this endeavor reveal an upward trajectory in the count of VC investment deals within both the U.S. and South Korea during recent years. Predominantly, these deals have been concentrated within the early-stage investment realm. Noteworthy disparities between the two nations have also come to light. Specifically, in the U.S., in contrast to South Korea, the quantum of recent VC deals has escalated, marking an augmentation ranging from 285% to 488% in the corresponding developmental stage. While the interval between disparate investment stages demonstrated a slight elongation in South Korea relative to the U.S., this discrepancy did not achieve statistical significance. Furthermore, the proportion of VC investments channeled into generative AI enterprises, relative to the aggregate number of deals, exhibited a higher quotient in South Korea compared to the U.S.
Upon a comprehensive sectoral breakdown of generative AI, it was discerned that within the U.S., 59.2% of total deals were concentrated in the text and model sectors, whereas in South Korea, 61.9% of deals centered around the video, image, and chat sectors. Through forecasting, the anticipated VC investments in South Korea from 2023 to 2029 were derived via four distinct models, culminating in an estimated average requirement of 3.4 trillion Korean won (ranging from at least 2.408 trillion won to a maximum of 5.919 trillion won).
This research bears pragmatic significance as it methodically dissects VC investments within the generative AI domain across both the U.S. and South Korea, culminating in the presentation of an estimated VC investment projection for the latter. Furthermore, its academic significance lies in laying the groundwork for prospective scholarly inquiries by dissecting the current landscape of generative AI VC investments, a sphere that has hitherto remained void of rigorous academic investigation supported by empirical data. Additionally, the study introduces two innovative methodologies for the prediction of VC investment sums. Upon broader integration, application, and refinement of these methodologies within diverse academic explorations, they stand poised to enhance the prognosticative capacity pertaining to VC investment costs.

참고자료

· 없음