본 연구의 주요 목적은 경영 및 비즈니스 부문의 혁신 관련 논문에서 ‘혁신 이니셔티브(Innovation Initiatives)’개념이 어떻게 변화했는지 살피는 것이다. 이때 ‘혁신경영(Innovation Management)’은 조직 내에서 혁신을 체계적으로 관리하고 촉진하기 위한 전략적 접근 방식을 의미하며, 조직이 지속 가능한 경쟁 우위를 확보하고, 변화하는 시장 환경에 적응하며, 새로운 기회를 창출할 수 있다(Tidd and Bessant 2020). 또한, 혁신경영은 단순히 새로운 아이디어를 개발하는 것을 넘어, 이러한 아이디어를 성공적으로 실행하고 상업화하는 것을 포함한다(Crossan and Apaydin, 2010). 이는 혁신이 단순한 기술적 진보에 국한되지 않고, 제품, 서비스, 프로세스, 비즈니스 모델 등 다양한 영역에서 이루어질 수 있음을 의미한다(OECD, 2018).

혁신경영의 중요성은 여러 학자의 연구를 통해 다양한 각도에서 조명되어 왔다. Pisano (2015)는 혁신경영이 기업의 지속 가능한 경쟁력 유지에 핵심적이라고 주장했다. 그의 견해에 따르면, 급변하는 시장 환경에서 기업이 살아남기 위해서는 끊임없는 혁신을 통해 새로운 가치를 창출해야 한다는 것이다. Damanpour and Aravind (2012)는 혁신경영의 실질적 효과에 주목했다. 그들은 혁신경영이 기업 성장을 촉진하고 운영 효율성을 높인다고 밝혔다. 특히 새로운 제품이나 서비스 개발을 통한 시장 점유율 확대, 그리고 프로세스 혁신을 통한 비용 절감 효과를 강조했다. Amabile and Pratt (2016)는 혁신경영의 문화적 측면을 강조했다. 그들은 혁신경영이 단순한 프로세스 관리를 넘어, 조직 내 혁신 문화를 조성하고 직원들의 창의성을 촉진하는 환경 구축까지 포함해야 한다고 주장했다. 이처럼 혁신경영은 기업의 경쟁력 강화, 성장 촉진, 효율성 개선, 그리고 창의적 문화 조성 등 다양한 측면에서 그 중요성이 인정되고 있다(Goffin and Mitchell, 2016).

혁신경영은 조직 전체의 혁신 활동을 체계적으로 관리하고 촉진하기 위한 포괄적인 접근을 의미하며(Tidd and Bessant, 2020), 혁신 이니셔티브는 이러한 혁신경영의 구체적 실행 방안으로서 중요한 역할을 한다(Birkinshaw et al. 2008). 혁신 이니셔티브는 혁신경영 전략을 구체적으로 실현하기 위한 첫 단계로, 조직이 혁신 목표를 달성하기 위해 취하는 특정 활동들을 의미한다(Van de Ven et al., 1999; Birkinshaw et al., 2008). 혁신경영이 조직의 혁신 활동을 총체적으로 관리하는 틀이라면, 혁신 이니셔티브는 그 틀 안에서 이루어지는 개별적인 활동과 프로그램이라 할 수 있으며, 이는 혁신경영과 혁신 이니셔티브가 상호 보완적이며 긴밀하게 연계되어 있음을 보여준다(Birkinshaw et al., 2008). 이러한 관련성은 혁신경영과 혁신 이니셔티브를 함께 다루어야 할 필요성을 강조한다.

혁신 이니셔티브는 조직이 혁신을 촉진하고 실행하기 위해 의도적으로 계획하는 구체적인 프로그램이나 활동을 의미하며, 혁신 관리 연구에서 중요한 주제이다(O’Connor, 2008). 그러나 이 개념에 대한 명확하고 합의된 정의는 아직 부족하다. 여러 연구자들이 혁신 이니셔티브의 개념을 다양한 관점에서 정의하고 발전시켜 왔으며, 그 과정에서 개념의 범위와 초점이 점진적으로 발전해 왔다.

Howell and Higgins (1990)은 혁신 이니셔티브를 “조직 내에서 혁신적인 아이디어를 제안하고 추진하는 개인이나 그룹의 노력”으로 정의했다. 이들은 혁신 이니셔티브를 주도하는 ’혁신 챔피언(innovation champions)’의 역할에 초점을 맞추어, 조직 내에서 혁신을 실현하기 위한 개인 또는 소집단의 주체적인 행동을 강조했다. 그러나 이 정의는 개인의 역할에 중점을 두고 있어, 조직 차원의 전략이나 구조적 측면을 충분히 반영하지 못하는 한계가 있다(Shane 1994). Dougherty and Hardy (1996)는 혁신 이니셔티브를 “조직이 기존의 경계를 넘어 새로운 제품이나 서비스를 개발하기 위해 수행하는 협력적이고 통합적인 노력”으로 정의했다. 이들은 부서 간 협력과 조직 내 자원의 통합이 혁신 이니셔티브의 핵심 요소임을 강조하며, 혁신을 촉진하기 위한 조직 구조와 프로세스의 중요성을 부각시켰다. 하지만 이 정의는 실행 과정의 구체적인 메커니즘에 대한 세부적인 지침을 제공하지 못한다는 한계가 있다(Gopalakrishnan and Damanpour 1997). Leifer (2000)는 혁신 이니셔티브를 “급진적 혁신(radical innovation)을 추구하기 위해 조직이 별도로 설계한 프로세스와 구조”로 정의했다. 그는 기존의 조직 프로세스와는 다른 접근이 필요하며, 혁신 이니셔티브를 통해 새로운 사업 기회를 탐색하고 상업화할 수 있다고 주장했다. 이 정의는 혁신 이니셔티브의 구조적 측면과 전략적 중요성을 상세히 다루지만, 급진적 혁신에 국한된다는 한계가 있다(McDermott and O’Connor 2002). Bessant and Caffyn (1997)은 혁신 이니셔티브를 “지속적인 프로세스 개선과 혁신을 촉진하기 위해 조직이 도입하는 체계적인 접근 방식”으로 정의했다. 이들은 조직 전반에 혁신 문화를 정착시키기 위한 교육, 훈련, 커뮤니케이션 등의 활동을 강조했다. 그러나 이 정의는 프로세스 혁신에 초점을 맞추고 있어 제품 혁신이나 비즈니스 모델 혁신 등을 포괄하지 못할 수 있다((Prajogo and Sohal 2006). O’Connor and DeMartino (2006)는 혁신 이니셔티브를 “조직이 새로운 성장 기회를 탐색하고 포착하기 위해 수행하는 일련의 구조화된 활동과 프로세스”로 정의했다. 이들은 혁신 이니셔티브를 통해 조직이 새로운 시장이나 기술 영역에서 경쟁 우위를 확보할 수 있다고 주장하며, 실행 활동의 범위를 넓게 포괄하고 있다. 최근 독일의 500대 기업을 대상으로 한 실증 연구를 통해 혁신 이니셔티브의 분류 체계를 제시한 사례가 있다(Blume 2020). 이 연구는 ‘개방형 혁신’ 모델을 이론적 배경으로 오픈 이노베이션 이니셔티브를 다섯 가지 유형으로 분류하였다.

이처럼 혁신 이니셔티브의 개념은 개인의 노력에서부터 조직의 전략적 활동까지 다양하게 정의되어 왔다. 공통적으로 혁신 이니셔티브는 조직이 혁신을 실현하기 위해 의도적으로 계획하고 실행하는 활동이라는 점에서 일치하지만, 구체적인 정의와 실행 방법에 대해서는 여전히 합의된 견해가 부족하다(Keupp and Gassmann, 2009). 이는 혁신 이니셔티브의 다양성과 조직 별 특성에 기인하며, 향후 연구에서는 이러한 다양성을 고려한 포괄적이고 적용 가능한 프레임워크의 개발이 필요하다는 것을 시사한다(Damanpour et al., 2018).

본 연구는 경영 및 비즈니스 부문의 혁신 관련 논문에서 ‘혁신 이니셔티브’ 개념의 유형을 살펴보고, 이를 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA) 기법을 통해 탐색적으로 분류하기 위해 다음과 같은 연구 모형을 적용하였다. 연구 수행 절차는 Figure 1과 같이 구성된다.

본 연구의 연구 모형은 체계적인 문헌 검색과 LDA 기법을 결합하여 혁신 이니셔티브의 개념을 문헌 데이터 기반으로 탐색적으로 분류하는 데 중점을 두었다. 이를 통해 혁신 이니셔티브의 다양한 유형을 도출하고, 이들의 특성을 이해함으로써 향후 연구 및 실무 적용에 유용한 통찰을 제공하고자 하였다.

연구 목적과 선행 연구들을 기반으로, 혁신 이니셔티브와 관련된 핵심 키워드를 도출하였다. 도출된 키워드는 “innovation management”, “innovation management system”, “innovation initiative”, “innovation activity”, “innovation process”로 설정되었다. 이러한 키워드는 혁신 경영의 전반적인 개념과 혁신 이니셔티브의 구체적인 활동 및 프로세스를 포괄적으로 반영하기 위해 선정되었다(Moher, 2009).

도출된 검색 키워드를 활용하여 Web of Science 데이터베이스의 SSCI 등재 논문을 대상으로 2000년부터 2023년까지의 기간 동안 논문을 검색하였다. 이 과정에서 총 693건의 논문이 선정되었으며, 초록(Abstract)이 없는 3건을 제외하여 최종적으로 690건의 논문이 분석 대상으로 선정되었다. 선정된 690건의 논문 초록을 대상으로 텍스트 전처리 과정을 수행하였다. 불용어 제거, 표제어 추출, 토큰화 등의 전처리 과정을 통해 텍스트 데이터를 분석에 적합한 형태로 정제하였다(Manning, 2008).

토픽 모델링에서 중요한 것은 코퍼스(Corpus)를 해석할 토픽의 수를 결정하는 것이다(Blei, 2009). 본 연구에서는 Figure 2와 같이 토픽 수 결정을 위해 휴리스틱과 통계적 기법을 혼합한 방법을 활용하였다(Park and Chun, 2024). 먼저 토픽 수를 3개에서 15개까지 변경하면서 산출한 혼란도(perplexity) 값을 바탕으로 혼란도 값이 최소가 되는 토픽 수를 최대 토픽 수로 정하였다. 이후 3부터 최대 토픽 수까지 LDAvis 그래프를 그린 후, 토픽의 겹침이 없는 그래프의 토픽 수를 적정 토픽 수로 결정하였다. LDA 토픽모델링 분석은 적정 토픽 수 중 가장 토픽 수가 많은 경우를 대상으로 수행하였다.

본 연구에서는 혁신 이니셔티브의 토픽 모델링을 위해 텍스트마이닝 기법 중 하나인 잠재 디리클레 할당(LDA)을 활용하였다. LDA는 Blei et al. (2003)가 고안한 알고리즘을 기반으로 한 연속 확률분포모델로, 토픽모델링의 주요 방법론으로 사용되고 있다. Figure 3은 LDA 모델을 도식화한 것으로(Blei, 2012), D, N, K는 각각 문서 수, 특정 문서 내 단어 수, 토픽 수를 나타낸다. α는 문서별 토픽 분포 θ의 파라미터, β는 토픽별 단어 분포 φ의 파라미터이다. θ와 φ는 Dirichlet 분포를 따르며 이들 값에 따라 Z와 W가 결정된다. Zi,j는 문서 i에 대한 j 번째 단어의 토픽이며, Wi,j는 문서 i에 대한 j 번째 단어를 의미하는데 W를 색깔로 표시한 이유는 관측치라는 것을 나타내기 위함이다.

Blei et al. (2003)의 LDA 토픽모델링 알고리즘을 제안이후, LDA는 다양한 분야에서 활용되었다. 이에 따라 토픽 모델링의 결과를 시각화하는 방법에 관한 관심도 증가하면서 Word Clouds, Termite (Chuang et al., 2012) 등 다양한 방법이 개발되었다. 한편, Sievert and Shirley (2014)가 제안한 LDAvis는 학습된 토픽모델링을 상대적 거리와 토픽별로 동시에 시각화하여 토픽과 용어에 대한 관계성을 쉽게 파악할 수 있다. 본 연구에서는 토픽모델링 시각화 방법으로 LDAvis를 선택하였으며, Python 3.11.10 버전과 Anaconda Navigator 2.5.0 기반으로 분석을 수행하였다

LDA모델의 최적 토픽 수를 식별하기 위해, 토픽 수 1부터 15까지의 혼란도(perplexity) 점수를 계산하였다(Equation (1) 참조). 그 결과, 15개의 토픽에서 혼란도 값이 -7.99538로 가장 낮게 나타났다(Table 2 참조). 그러나 혼란도 값만으로 토픽 수를 결정하는 것은 한계가 있으므로, LDAvis를 활용한 시각화를 통해 토픽 간의 겹침 여부를 평가하였다. 시각화 결과, 5~13개 토픽의 경우 모두 겹침이 발생하였고, 3, 4개의 토픽 모델이 토픽 간 겹침 없이 명확하게 분리되었으므로, 최종적으로 겹침이 없는 토픽 수 중 가장 많은 토픽 수인 4개를 적정 토픽 수로 선정하였다(Figure 4 참조).

본 연구의 토픽 모델링 분석 결과를 아래의 Table 3과 같이 정리하였다. 도출된 4개의 주요 토픽은 기업 혁신 활동의 다양한 측면을 반영하고 있다. 각 토픽의 특성과 혁신 이니셔티브와의 관련성을 다음과 같이 해석할 수 있다.

• T1 (20.0%): ‘혁신 제품 개발과 성능 최적화(Innovative Product Development and Performance Optimization)’로 분류할 수 있다. ’product’, ‘model’, ‘use’, ‘innovation’, ‘result’, ‘performance’, ‘base’, ‘knowledge’, ‘new’, ‘literature’ 등의 키워드는 기업들이 혁신 이니셔티브의 일환으로 새로운 제품 개발과 성능 최적화를 추진하고 있음을 보여준다. 이는 최신 지식과 모델을 도입하여 제품 혁신 가속화와 시장 경쟁력을 확보하려는 전략적 노력을 반영한다.

• T2 (26.4%): ‘지식 공유와 혁신 프로세스 개선(Knowledge Sharing and Innovation Process Improvement)’으로 해석할 수 있다. ’knowledge’, ‘idea’, ‘effect’, ‘performance’, ‘relationship’, ‘product’, ‘role’, ‘result’, ‘use’, ‘design’ 등의 키워드는 혁신 이니셔티브의 일환으로 조직 내 지식 공유와 협업을 통해 혁신 프로세스를 개선하려는 움직임을 보여준다. 이는 조직 문화와 구조를 혁신하여 성과를 향상시키고 혁신 역량을 강화하려는 노력을 나타낸다.

• T3 (27.3%): ‘디지털 기술 역량과 데이터 전략(Digital Technological Capabilities and Data Strategy)’으로 해석할 수 있다. ’technology’, ‘digital’, ‘capability’, ‘data’, ‘model’, ‘use’, ‘knowledge’, ‘analysis’, ‘base’, ‘approach’ 등의 키워드는 디지털 혁신 이니셔티브를 통해 기술 역량을 강화하고 데이터 중심의 전략을 수립하려는 기업의 의지를 보여준다. 이는 디지털 전환을 추진하여 비즈니스 모델을 혁신하고 미래 성장을 도모하려는 전략적 접근을 반영한다.

• T4 (26.3%): ‘설계 협업과 개발 도전 극복(Design Collaboration and Overcoming Development Challenges)’으로 해석할 수 있다. ’design’, ‘project’, ‘knowledge’, ‘open’, ‘development’, ‘approach’, ‘challenge’, ‘case’, ‘different’, ‘change’ 등의 키워드는 설계 단계에서의 협업을 강화하고 개발 과정에서의 도전을 극복하려는 노력 또한 혁신 이니셔티브 중 하나임을 보여준다. 이는 오픈 이노베이션과 다양한 접근법을 활용하여 프로젝트의 성공 가능성을 높이고 변화하는 시장 환경에 대응하려는 전략을 나타낸다.

연구자의 토픽 해석의 타당성을 확인하기 위해 생성형 AI 모델들에게 각 토픽의 주제를 5단어 이내로 제안하도록 요청하였다. 생성형 AI 모델들의 해석과 연구자의 해석을 비교한 결과, 높은 일관성을 보였다(Table 4 참조). 이를 통해 연구 결과의 타당성을 높일 수 있었다.

연구자의 해석과 생성형 AI 모델들의 제안을 종합하여, 혁신 이니셔티브 관점에서 가장 적합한 토픽 주제를 다음과 같이 제안하며, Figure 4에 토픽 주제를 표시하였다.

• T1: Product Innovation and Performance Optimization (제품 혁신과 성능 최적화)

• T2: Knowledge Sharing and Innovation Process Improvement (지식 공유 및 혁신 프로세스 개선)

• T3: Digital Technological Capabilities and Data Strategy (디지털 기술 역량과 데이터 전략)

• T4: Design Collaboration and Overcoming Development Challenges (설계 협업과 개발 도전 극복)