성장 시장을 어떻게 찾을 것인가? 최신 연구에 따른 성장 시장 예측 접근법

서론

역사적으로 급성장을 이룬 기업이나 국가는 많은 사람들이 인식하기 훨씬 전부터 성장 영역에 큰 투자와 도전을 해왔습니다. 하지만 이러한 성장 시장을 어떻게 찾아낼 수 있을까요? 여기서는 성장 시장을 식별하는 방법에 대해 정리하고 있습니다.

이 기사의 새로움은 다음 3가지에 있습니다.

• 성장하는 영역을 만드는 원천을 외부 환경의 4가지 변화로 정리하고, 이것이 시장뿐만 아니라 연구 주제와 발명의 방향까지도 움직인다는 것을 실증 연구로 보여줌.
• 예측 기법을 5가지 계통으로 분류하고 원천과의 대응 관계를 제시함.
• 2020년 이후의 연구 동향을 정리함.

성장 시장의 요인

성장 영역을 만드는 원천은 환경 스캐닝 연구(외부 환경(정치, 경제, 사회, 기술 등)을 분석하여 경영에 활용하는 연구 분야)의 고전 이래로 정치·경제·사회·기술의 4가지 변화(PEST)로 정리되어 왔습니다 (Aguilar, 1967). 이하 4가지 변화별로 정리합니다.

정치의 변화

시장에 어떻게 영향을 미치는가

• 수요의 창출과 금지: 규제는 특정 제품·기술을 의무화 또는 금지함으로써 수요를 직접 만들고 소멸시킵니다. 적절히 설계된 규제는 기업의 혁신을 촉진하고 기존 기업들이 간과한 신시장을 만든다고 논의되고 있습니다 (Porter & van der Linde, 1995). 규제 대응 발명은 규제가 강화된 국가·시기에 집중적으로 나타나는 것이 특허 데이터로 확인되고 있습니다 (Lee, Veloso & Hounshell, 2011)
• 자금 배분을 통한 연구 유도: 사용 목적이 정해진 공적 연구자금은 연구자들의 관심을 그 주제로 옮기게 합니다. 미국 NIH 데이터에 따르면 특정 영역의 자금이 증가하면 연구자들이 주제를 변경하여 신청하는 것으로 입증되고 있으며, 연구의 방향은 정책에 의해 움직입니다 (Myers, 2020)

구체적인 사례

• 독일의 재생 가능 에너지법과 태양광 시장: 2000년 시행된 재생 가능 에너지법(EEG)은 20년간의 고정 가격 매입을 보장하여 독일을 세계 최대 태양광 시장으로 끌어올렸고, 패널 제조의 량산 투자를 전 세계적으로 유발했습니다. 이 법안은 1990년대부터 논의되고 있었으며, 성립 전부터 전조를 관찰할 수 있었습니다 (Jacobsson & Lauber, 2006)
• 캘리포니아주의 제로 에미션 차량 규제와 EV 시장: 1990년에 도입된 ZEV 규제는 제조사에 일정 비율의 무배출 차량 판매를 의무화하고, 이후의 강화를 통해 전동화 연구개발을 유도했습니다. EV 시장의 출발점 중 하나는 수요가 아니라 규제였습니다 (Collantes & Sperling, 2008)
• 배기가스 규제와 촉매 컨버터: 미국의 대기정화법에 따른 배기가스 규제 강화는 자동차 제조사와 공급업체의 배기가스 정화 기술 특허 출원을 규제 시기에 맞춰 증가시켰습니다. 규제가 발명의 시기와 방향을 결정한 사례입니다 (Lee, Veloso & Hounshell, 2011)

경제의 변화

시장에 어떻게 영향을 미치는가

• 구매력의 임계점: 소득 수준이 올라가고 특정 제품의 가격이 가계의 지불 가능한 수준 아래로 내려가면, 시장은 비연속적으로 시작됩니다. 신흥국의 중산층 확대는 이 임계점을 넘는 인구를 매년 수천만 명 단위로 늘려왔습니다 (Kharas, 2017)
• 비용 붕괴에 따른 용도의 해방: 기술의 비용이 내려가면, "기술적으로는 가능하지만 너무 비쌌던" 용도들이 순차적으로 경제적으로 성립하게 되어 시장으로 변환됩니다. 누적 생산량이 2배 증가할 때마다 비용이 일정 비율로 내려가는 경험칙은 많은 기술에서 확인되고 있으며, 비용 하락선과 용도의 채산 임계점의 교점이 시장 시작 시기의 추정이 됩니다 (Nagy et al., 2013; Farmer & Lafond, 2016)
• 상대 가격에 의한 발명의 유도: 투입 자원의 가격이 올라가면, 그 자원을 절약하는 기술으로의 발명이 증가합니다. "유발적 혁신"으로 알려진 이 메커니즘은 경제 신호가 발명의 방향을 움직인다는 것을 보여줍니다 (Schmookler, 1966; Popp, 2002)

구체적인 사례

• 신흥국의 중산층과 모바일 결제: 세계의 중산층 인구는 2010년대에 급속도로 확대되었으며, 그 대부분을 아시아가 차지했습니다 (Kharas, 2017). 은행 계좌를 갖지 않은 층이 스마트폰을 소유하게 되면서, 중국의 모바일 결제와 동남아시아의 배차·결제 플랫폼처럼 선진국에 존재하지 않던 시장이 형성되었습니다
• 게놈 해독 비용의 붕괴와 개인용 유전자 검사: 인간 게놈 1인분의 해독 비용은 2001년의 약 1억 달러에서 2010년대 중반에는 1,000달러대까지 하락했습니다 (Wetterstrand, 2023). 이러한 붕괴를 통해 개인용 유전자 검사, 암의 게놈 의료, 농업·축산의 육종 등 연구 기관 이외에서는 성립하지 않던 용도들이 시장이 되었습니다
• 에너지 가격과 에너지 절약 기술 특허: 1970년대 오일쇼크 이후 에너지 가격 상승은 에너지 절약 기술 특허 출원을 통계적으로 유의미하게 증가시켰습니다. 가격 상승의 효과는 수년 이내에 나타나고, 가격이 내려가면 발명도 둔화됩니다 (Popp, 2002). 상대 가격 변화가 발명의 방향을 움직이는 가장 명확한 실증 사례입니다

사회의 변화

시장에 어떻게 영향을 미치는가

• 인구 구성의 확정성: 인구 동태는 "이미 일어난 미래"입니다. 올해 태어난 인구 수는 20년 후의 20세 인구를 거의 확정하고, 각 연령층의 소비·의료·주택 수요를 10~20년 앞까지 전망할 수 있습니다. 4가지 원천 중 가장 높은 확실성을 가진 예측 자료입니다 (Drucker, 1997)
• 미래 수요의 예상에 의한 발명의 유도: 인구 동태로부터 예상되는 미래 시장 규모는 기업의 연구개발 방향을 움직입니다. 예상되는 시장이 클수록 신제품 개발이 증가하는 것이 인과적으로 확인되고 있습니다 (Acemoglu & Linn, 2004)
• 가치관과 생활 양식의 변화: 가치관(환경·건강·시간 사용)과 가구 구조의 변화는 기존 제품 카테고리의 수요를 다른 카테고리로 이동시킵니다. 인구통계와 달리 수치에 나타나는 것이 늦기 때문에, 선도 사용자의 관찰로만 조기에 포착할 수 있습니다 (von Hippel, 1986)

구체적인 사례

• 일본의 고령화와 간호·헬스케어 시장: 일본의 65세 이상 인구 비율은 1990년의 12%에서 2020년 29%로 상승했으며, 향후에도 계속 상승할 것으로 예측되고 있습니다 (국립 사회보장·인구문제 연구소, 2023). 이러한 확정적인 변화를 배경으로 2000년 간호보험 제도 도입과 함께 간호 서비스 시장이 형성되었으며, 현재는 보안, 복약 관리, 간호 로봇 등의 기술 응용 시장으로 확대되고 있습니다
• 인구 동태와 신약 개발: 미국의 각 연령층 인구 추이로부터 향후 환자 수를 예상할 수 있는 질병일수록 신약의 개발과 승인이 증가한다는 것이 보여져 있습니다. 예상되는 시장 규모가 1% 클수록 신약 진입이 약 4~6% 증가한다는 추정으로, 미래 수요 예상이 발명의 방향을 결정한다는 것을 실증한 사례입니다 (Acemoglu & Linn, 2004)
• 여성의 취업 확대와 시간 단축·보육 서비스 시장: 20세기 후반 여성의 취업과 커리어 형성 확대는 "조용한 혁명"이라 불리는 구조 변화로 (Goldin, 2006), 맞벌이 가구의 증가를 통해 보육, 편의식·식사 배달, 가사 대행 등 시간을 사는 서비스 시장을 각국에서 확대시켰습니다. 인구통계와 가치관 변화가 겹친 사례입니다

기술의 변화

4가지 중 가장 비연속적인 변화를 만드는 원천이며, 가장 상세하게 다룹니다.

시장에 어떻게 영향을 미치는가

• 범용 기술에 의한 응용 영역의 연쇄: 증기 기관·전력·IT와 같은 범용 기술(General Purpose Technology)은 그 자체로 가치를 만드는 것이 아니라 보완적인 혁신의 연쇄를 통해 무수한 응용 영역을 만듭니다 (Bresnahan & Trajtenberg, 1995). 이러한 연쇄는 인프라→플랫폼→애플리케이션의 계층에서 반복적으로 관찰되며, 범용 기술의 등장을 확인할 수 있다면 "다음에 성장하는 것은 그 응용층이고, 다음에 열리는 것은 응용층의 연구 주제이다"라는 구조적 예측이 가능합니다 (Andreessen, 2011)
• 긴 시간 구조: 범용 기술이 생산성에 반영되려면 업무 프로세스나 조직의 재설계라는 보완적 재발명이 필요하며, 수십 년을 요합니다. 발명부터 보급까지의 시차는 역사적으로 평균 45년에 이르며, 그 시차의 차이가 각국의 소득 격차의 약 1/4을 설명합니다 (Comin & Hobijn, 2010). 기술 혁명은 "도입기→열광과 버블→전환점→전개기"라는 공통 패턴을 따르는 것이 산업혁명 이래 5가지 파동으로 보여집니다 (Perez, 2002)
• 비용 곡선에 의한 시장의 순차 해방: "누적 생산량이 2배가 될 때마다 비용이 일정 비율로 내려간다"는 경험칙(라이트의 법칙)은 62가지 기술의 검증에서 높은 예측력을 가진다는 것이 확인되었습니다 (Wright, 1936; Nagy et al., 2013). 비용이 내려갈 때마다 새로운 용도가 채산에 맞아 시장이 계단식으로 개방됩니다

구체적인 사례

• 전력과 공장의 생산성(약 40년의 시차): 전력은 1880년대에 실용화되었지만, 공장의 생산성 향상에 반영된 것은 1920년대였습니다. 증기 기관을 전제로 한 공장의 레이아웃과 작업 설계를 전동 모터를 전제로 다시 만드는 보완적 재발명에 약 40년이 소요되었기 때문입니다 (David, 1990). 범용 기술의 시장은 기술의 등장이 아니라 보완 자산의 정비와 함께 형성된다는 것을 보여주는 원점적 사례입니다
• 인터넷·클라우드와 응용 시장의 계층: 인터넷이라는 인프라 위에 EC·검색·SaaS가, 스마트폰이라는 플랫폼 위에 앱 경제가, 클라우드 위에 API 경제가 각각 약 10년의 시차를 두고 형성되었습니다. "소프트웨어가 세상을 먹는다"는 2011년의 관찰은 이러한 계층 구조를 투자 테제로 번역한 것입니다 (Andreessen, 2011)
• GPU와 심층학습에서 범용 AI, 특화형 AI 에이전트로: 2009년 GPU가 심층학습 훈련을 수십 배 고속화할 수 있음이 보여졌고 (Raina, Madhavan & Ng, 2009), 2012년 GPU로 훈련된 신경망이 이미지 인식에서 압도적으로 승리하면서 심층학습 붐이 시작되었습니다 (Krizhevsky, Sutskever & Hinton, 2012). 병렬 컴퓨팅의 비용 붕괴가 기반 모델(범용 AI)을 성립하게 하고, 그 응용층으로서 특화형 AI 에이전트의 시장이 열리고 있습니다. NVIDIA가 2006년 CUDA에 투자한 것은 이 연쇄의 최상류에 건 판단이었습니다 (Witt, 2025)
• 태양광과 배터리의 비용곡선: 태양광 발전의 비용은 약 40년간 누적 생산량이 배가될 때마다 약 20% 계속 하락했으며, 2010년대에는 많은 지역에서 기존 전원보다 낮아졌습니다 (Farmer & Lafond, 2016). 리튬이온 배터리도 같은 법칙을 따라 하락했으며, EV의 경제성이 성립하는 임계값을 넘었습니다 (Ziegler & Trancik, 2021). 비용곡선을 외삽했다면, 두 시장 모두 10년 이상 전에 입장 시기를 예측할 수 있었을 것입니다

이 4가지 외부 환경 변화는 독립적이지 않으며 연동합니다. EV 시장은 배터리의 비용 저하(기술) × 배출가스 규제(정치) × 탄소중립 가치관(사회) × 신흥국의 수요(경제)의 곱셈으로 입장했습니다. 태양광 시장도 비용곡선(기술·경제)과 구매 제도(정치)와 환경 규범(사회)이 같은 방향을 향한 결과입니다. 복수의 원천이 같은 방향을 향했을 때, 영역의 성장은 가장 높은 정확도를 나타냅니다.

성장 시장을 예측하는 접근 방식

성장 시장의 요인이 되는 변화를 감지·정량화하는 방법으로는 5개 계통·12가지 방법으로 정리할 수 있습니다. 다음은 각 방법을 개요, 발생 배경, 구체적 사례의 같은 관점에서 설명합니다.

외삽·모델 계통

과거 데이터에 법칙을 적용하여 미래로 확대하는 계통입니다. 데이터가 존재하는 단계에서는 가장 정량적이며, 존재하지 않는 단계에서는 유사 사례를 빌립니다.

S자 곡선/보급 이론

• 개요: 신기술의 보급은 이노베이터(2.5%) → 얼리어댑터(13.5%) → 얼리 매저리티(34%) → 레이트 매저리티(34%) → 라거드(16%)의 순서로 진행되며, 누적하면 S자를 그립니다. 보급률이 10~20%에 달한 시점에서 S자의 기울기를 추정할 수 있고, 포화 수준과 도달 시기를 외삽할 수 있습니다 (Rogers, 1962)
• 발생 배경: 1930년대 아이오와주에서 잡종 옥수수의 채택이 농가 사이에 확산되는 과정을 추적한 사회학 연구가 원점입니다. 채택 시기의 분포가 정규분포에 가까우며, 누적이 S자가 되는 것이 발견되었습니다 (Ryan & Gross, 1943). 경제학자들은 이를 각 주의 데이터로 재현하고, 보급 속도가 수익성에 비례함을 보였습니다 (Griliches, 1957). Rogers는 500건 이상의 보급 연구를 통합하여 일반 이론으로 체계화했습니다
• 구체적 사례: 칼라 텔레비전, 휴대폰, 스마트폰, 인터넷의 보급률은 모두 미국 가구 보급률에서 S자를 그리고 있습니다. 1980년대 미국의 휴대폰 예측이 실적을 100배 이상 밑돌게 된 오류는 초기의 완만한 입장 부분을 직선으로 외삽한 것에서 비롯되었습니다 (The Economist, 1999). 반대로, 보급률이 10%를 초과한 시점에서 S자를 적용했다면, 포화 수준은 상당한 정확도로 읽을 수 있었을 것입니다 (Rogers, 1962; The Economist, 1999)

Bass 모델

• 개요: S자를 「혁신 계수 p(광고나 외부 정보로 자발적으로 채택하는 력)」와 「모방 계수 q(기존 채택자의 입소문으로 확산되는 력)」의 2가지 계수로 정식화한 수리 모델입니다. 누적 채택자 수에서 다음 기의 채택자 수를 계산할 수 있으며, 피크 시기와 시장 규모를 해석적으로 구할 수 있습니다. 213건의 응용 연구 메타분석에서 p의 평균은 약 0.03, q의 평균은 약 0.38이었습니다 (Bass, 1969; Sultan, Farley & Lehmann, 1990)
• 발생 배경: 1960년대 가전 제조업체들이 칼라 텔레비전 등 내구소비재의 생산 계획을 수립하기 위해 판매 후 수년 데이터에서 판매 피크를 예측할 필요가 있었습니다. Bass는 냉장고, 냉동고, 텔레비전 등 11개 품목에서 적합성을 검증하고, 칼라 텔레비전의 판매 피크 시기를 미리 예측했습니다 (Bass, 1969)
• 구체적 사례: 위성방송 DirecTV는 1994년의 서비스 개시 전에 케이블 텔레비전 등 유사 서비스의 계수를 빌려 Bass 모델로 5년간의 가입자 수를 예측했으며, 실적과 거의 일치했습니다. 출시 전에도 모델이 기능함을 보여준 대표적 사례입니다 (Bass et al., 2001)

라이트의 법칙(경험곡선)

• 개요: 「누적 생산량이 2배가 될 때마다, 단위 비용이 일정률(기술에 따라 10~30%)로 하락한다」는 경험 법칙입니다. 수요가 아닌 비용 측면에서 시장의 입장을 예측합니다. 비용 하락선이 용도가 경제적으로 성립하는 임계값과 만나는 시점이 시장이 열리는 시기의 예측이 됩니다 (Wright, 1936)
• 발생 배경: 1936년 항공기 기술자 Wright는 기체 조립 공시간이 누적 생산 기수의 증가에 따라 일정률로 감소함을 발견했습니다. 제2차 세계대전 중 군용기 생산 계획에 사용되었으며, 1960년대에 보스턴 컨설팅 그룹이 「경험곡선」으로서 경영 전략에 도입했습니다 (Wright, 1936; Boston Consulting Group, 1968). 2010년대에 들어 62가지 기술의 데이터로 이 법칙이 다른 예측 법칙보다 높은 예측력을 가짐이 통계적으로 검증되었습니다 (Nagy et al., 2013)
• 구체적 사례: 태양광 발전 모듈은 1976년 이후 누적 생산량의 배가마다 약 20%의 비용 하락을 계속했으며, 2010년대에는 많은 지역에서 화력 발전의 발전 비용을 하회했습니다. 리튬이온 배터리도 유사한 법칙을 따라 하락했으며, EV의 경제성이 성립하는 임계값을 넘었습니다 (Farmer & Lafond, 2016; Ziegler & Trancik, 2021). 1980년 시점에서 이 법칙을 외삽했다면, 태양광 시장이 2010년대에 열릴 것을 예측할 수 있었을 것입니다

참조 계급 예측

• 개요: 예측 대상을 「내부에서」 쌓아올리는 것이 아니라, 유사한 선행 사례(참조 계급)의 실적 분포를 조사하고, 그 분포 속에 대상을 위치시키는 방법입니다. 신규 시장 예측에서는 유사 기술의 보급 계수나 피크 도달 연수를 빌립니다 (Kahneman & Tversky, 1979; Flyvbjerg, 2006)
• 발생 배경: 심리학자 Kahneman과 Tversky는 인간이 자신의 계획을 내부에서 보면 체계적으로 낙관적이 된다(계획 오류)는 것을 보였으며, 외부 관점을 통한 수정 절차를 제안했습니다 (Kahneman & Tversky, 1979). Flyvbjerg는 258건의 교통 인프라 사업 데이터에서 90%가 비용 초과했음을 보였고 (Flyvbjerg, Holm & Buhl, 2002), 참조 계급의 분포에서 보정률을 도출하는 기법을 실무화했습니다. 영국 재무부는 2004년에 이를 공공 사업 평가의 공식 지침에 채택했습니다 (Flyvbjerg, 2006)
• 구체적 사례: 신규 가전제품의 판매 예측에서 유사 제품의 보급 곡선을 참조하면, 경영진의 판단만으로 한 예측보다 정확도가 높음이 나타났습니다 (Goodwin, Dyussekeneva & Meeran, 2013). DirecTV의 출시 전 예측도 유사 서비스의 계수를 빌린 참조 계급 예측의 일종입니다 (Bass et al., 2001). 특화형 AI 에이전트의 보급을 예측한다면, SaaS와 클라우드의 기업 도입률 추이가 참조 계급의 후보가 됩니다

신호 감지 계통

데이터가 숫자가 되기 전의 단편적인 징조를 수집하는 계통입니다.

약한 신호(weak signals)

• 개요: 큰 변화에 선행하는 단편적이고 모호한 징조(약한 신호)를 조직적으로 수집·해석하는 생각입니다. 신호의 확도에 따라 대응을 단계적으로 강화하는 「단계적 대응」을 조합합니다 (Ansoff, 1975)
• 발생 배경: 1973년의 오일쇼크로 당시 주류였던 장기 경영 계획이 불연속적인 변화에 전혀 대응하지 못했던 것이 계기입니다. 전략 경영론의 창시자 Ansoff는 정보가 충분히 갖춰지기를 기다리면 너무 늦으므로, 약한 신호 단계에서 행동을 시작할 필요가 있다고 주장했습니다 (Ansoff, 1975). 2000년대에 「주변 시야」 연구로 체계화되었으며, 조직이 신호를 놓치는 이유와 대처법이 정리되었습니다 (Day & Schoemaker, 2006; Schoemaker & Day, 2009)
• 구체적 사례: 장난감 제조업체 Mattel은 주력의 바비 인형 판매가 경쟁사 Bratz에 의해 잠식되는 징조(소녀들의 취향 변화, 소매점의 진열 변화)를 수년간 간과하여 시장 점유율을 크게 잃었습니다. 신호는 존재했지만 조직이 수집하는 체계를 갖지 못한 사례로 분석되고 있습니다 (Day & Schoemaker, 2006). 반대로 규제 분야에서는 법안의 제출·심의·공개 의견 수렴이 약한 신호의 전형이며, 성립 수년 전부터 관찰할 수 있습니다

특허·논문의 계량분석

• 개요: 특허 출원 수의 가속, 논문 수의 증가율, 인용 네트워크의 구조 변화, 이분야의 융합 등의 지표에서 신흥 기술을 상용화 수년 전에 감지하는 방법입니다. 최근에는 복수의 지표를 기계학습에 넣어 자동 분류합니다 (Lee et al., 2018)
• 발생 배경: 1955년에 논문의 인용 색인이 제안되었고 (Garfield, 1955), 1960년대에 Science Citation Index로 실용화되면서 과학의 동향을 계량적으로 추적할 수 있게 되었습니다. 특허에 대해서는 피인용 수가 많은 특허일수록 경제적 가치가 높다는 것이 실증되었으며 (Hall, Jaffe & Trajtenberg, 2005), 특허 데이터가 기술의 가치와 방향을 측정하는 도구가 되었습니다
• 구체적 사례: 게놈 편집 기술 CRISPR-Cas9는 2012년의 논문 발표 후 관련 논문 수와 특허 출원 수가 수년 내에 급증했으며, 2020년의 노벨 화학상과 다수의 기업 설립에 선행했습니다. 논문 계량을 추적했다면 응용 시장의 입장을 수년 전에 감지할 수 있었던 사례입니다. 같은 기법은 연구자에게도 유효하며, 아직 혼잡하지 않은 신규 영역을 찾는 도구가 됩니다 (Foster, Rzhetsky & Evans, 2015)

집단 지혜·판단 계통

데이터가 존재하지 않아 인간의 판단에 의존할 수밖에 없을 때, 판단의 수집 방법과 훈련으로 정확도를 높이는 계통입니다.

델파이 기법

• 개요: 전문가에게 익명으로 예측하게 하고, 집계 결과와 이유를 피드백하여 재회답하도록 수회 반복하여, 의견을 수렴시키는 기법입니다. 익명성으로 목소리 큰 사람에 대한 동조를 방지하고, 반복으로 정보를 공유합니다 (Dalkey & Helmer, 1963). 고대 그리스의 아폴론 신전이 있는 신탁의 땅 「델포이(델파이)」에서 비롯된 이름으로, 국가의 중대한 결정에 앞서 사람들이 델파이의 신탁(신의 계시)을 구했듯이, 많은 전문가의 지식과 예측을 집약하여 미래를 예측·결정하는 기법입니다.
• 생겨난 배경: 1950년대 냉전기 RAND 연구소가 미 공군을 위해 데이터가 존재하지 않는 군사적 질문(예: 소련의 공격으로 미국의 군수 생산을 일정량 줄이는 데 필요한 원자폭탄의 수)에 대해 전문가 판단을 집약할 필요에서 개발했습니다. 회의 형식에서는 권위 있거나 말이 많은 참가자의 의견에 좌우되는 문제를 익명의 반복으로 해결했습니다 (Dalkey & Helmer, 1963). 그 후의 실증 연구 검토에서는 델파이 방법이 통계적으로 집계한 집단을 16개 연구 중 12개 연구에서, 통상적인 대면 집단을 5개 연구 중 5개 연구에서 상회했습니다 (Rowe & Wright, 1999).
• 구체적 사례: 일본의 과학기술 예측 조사는 1971년 이래 약 5년마다 델파이 방법으로 수천 명의 전문가에게 미래의 과학기술 실현 시기를 계속 물어왔으며, 제11회 조사에서는 약 700개의 과학기술 주제를 다뤘습니다. 반세기 지속된 세계 최장의 델파이 조사입니다 (과학기술·학술정책연구소, 2019).

예측시장

• 개요: 「◯년까지에 X가 일어난다」는 예측을 증권으로 매매하게 하고, 그 가격을 확률의 추정값으로 읽는 방법입니다. 분산된 정보가 가격에 집약된다는 시장의 기능을 예측에 전용합니다 (Wolfers & Zitzewitz, 2004).
• 생겨난 배경: 가격이 분산된 지식을 집약한다는 통찰은 경제학 고전에 있습니다 (Hayek, 1945). 1988년 아이오와 대학이 대통령 선거의 예측시장을 개설하여 여론조사보다 정확하게 득표율을 예측한 것으로 주목받았습니다 (Forsythe et al., 1992). 2000년대에 기업 내 응용이 시작되었고, 경제학자들이 정책 활용을 제안했습니다 (Arrow et al., 2008).
• 구체적 사례: Hewlett-Packard는 사내에서 직원들에게 프린터 판매량을 예측하게 하는 시장을 운영하여 8개 사례 중 6개 사례에서 공식 판매 예측보다 정확한 결과를 얻었습니다 (Chen & Plott, 2002). Google과 Ford의 사내 예측시장 분석에서도 가격은 개략적으로 보정된 확률로서 기능하며, 기업의 공식 예측에 포함된 낙관 편향을 보정하는 효과가 확인되었습니다 (Cowgill & Zitzewitz, 2015).

초예측(Superforecasting)

• 개요: 예측을 훈련 가능한 기술로 다루고, (1)큰 질문을 답할 수 있는 작은 질문으로 분해하고, (2)기준율(유사한 사례의 과거 발생율)에서 시작하여 개별 상황으로 보정하고, (3)확률을 세밀한 간격으로 표현하여 새로운 정보로 조금씩 업데이트하고, (4)팀으로 논의하며, (5)성적을 기록하고 되돌아보는 절차로 정확도를 높이는 방법입니다 (Tetlock & Gardner, 2015).
• 생겨난 배경: 전문가의 예측이 침팬지 수준이라는 20년 연구 결과를 받아 (Tetlock, 2005), 미국의 정보 기관 IARPA가 2011년부터 4년간 여러 연구 팀을 경쟁하게 하는 지정학적 예측 토너먼트를 개최했습니다. Tetlock 팀은 일반 지원자들을 훈련하고 상위 2%의 「초예측자」를 선발하여 팀화함으로써 다른 팀을 큰 격차로 앞질렀습니다 (Mellers et al., 2014).
• 구체적 사례: 「5년 후에 특화형 AI 에이전트가 중견 기업의 ◯%에 도입될 것인가」라는 질문은 그대로로는 답할 수 없습니다. 초예측의 절차에서는 (a)유사 기술(SaaS, RPA)의 기업 도입율이 5년에 몇 %에 도달했는지(기준율), (b)도입의 전제 조건(API 정비, 규제, 가격)이 몇 년 후 갖춰지는지, (c)선행 지표(파일럿 도입 발표 수, 구인 수)가 어떻게 움직이고 있는지로 분해하여 각각에 확률을 두고 합성합니다. 기준율에서 출발하는 것만으로도 전문가의 직감보다 정확도가 높아진다는 것이 보여졌습니다 (Tetlock & Gardner, 2015).

수요측 탐색계

아직 시장조사에 나타나지 않은 수요를 사람 관찰에서 발견하는 체계입니다.

리드 사용자 방법

• 개요: 평균적인 사용자보다 수년 먼저 과제에 직면하고, 기존 제품으로는 해결할 수 없어서 스스로 해결책을 자작하고 있는 선도 사용자(리드 사용자)를 찾아, 그 해결책에서 미래의 시장을 읽는 방법입니다. 자사 시장의 외부, 유사한 과제를 더욱 극단적인 형태로 안고 있는 인접 분야에서 리드 사용자를 찾는 것이 핵심입니다 (von Hippel, 1986).
• 생겨난 배경: 과학 기기 분야에서 중요한 혁신의 77%가 제조업체가 아닌 사용자(연구자)에 의해 생겨났다는 발견이 원점입니다 (von Hippel, 1976). 제조업체가 시장조사에서 평균적인 사용자에게 물어도 새로운 수요가 보이지 않는 것은, 그들이 아직 과제에 직면하지 않았기 때문이라고 생각하여, 선도 사용자에게 직접 배우는 방법을 1986년에 정식화했습니다 (von Hippel, 1986).
• 구체적 사례: 3M의 의료 사업부는 수술 중 감염 방지라는 과제에 대해, 자사의 고객인 외과의사가 아닌, 더 극단적인 조건에서 동일한 과제를 안고 있는 리드 사용자, 즉 수의사(털이 있는 환자), 할리우드의 메이크업 아티스트(피막의 장시간 밀착), 개발도상국의 외과의사(설비가 없는 환경에서의 감염 대책)를 찾아, 새로운 감염 방지 제품의 컨셉을 얻었습니다 (von Hippel, Thomke & Sonnack, 1999). 리드 사용자 방법에서 생겨난 아이디어는 통상적 방법의 약 8배의 판매 잠재력을 보였습니다 (Lilien et al., 2002).

직무 이론

• 개요: 고객은 제품을 사고 있는 것이 아니라 「편성해야 할 일(직무)」을 편성하기 위해 제품을 「고용하고」 있다고 포착하고, 기존의 제품 카테고리나 고객 속성이 아닌 직무의 단위로 시장을 새로 정의하는 방법입니다. 직무의 단위로 보면 시장 규모도 경합도 바뀝니다 (Christensen et al., 2016).
• 생겨난 배경: 「고객은 드릴을 원하는 것이 아니라 구멍을 원한다」는 마케팅의 오래된 통찰 (Levitt, 1983)을 Christensen이 파괴적 혁신 연구 속에서 이론화했습니다. 기존 기업이 고객 속성(나이·소득)으로 시장을 나누기 때문에 새로운 수요를 놓치는, 이러한 실패의 분석에서 생겨났습니다 (Christensen, 1997; Christensen et al., 2016).
• 구체적 사례: 어느 패스트푸드 체인에서 밀크셰이크의 판매량을 늘리려고 맛이나 가격을 개선해도 효과가 없었던 곳, 관찰을 통해 아침의 구매자 대다수가 「긴 출퇴근 중의 권태로움을 견디고, 정오까지 공복을 억제한다」는 직무를 위해 구매하고 있음을 알았습니다. 이 직무의 경합은 바나나나 도넛이며, 밀크셰이크의 시장 규모는 「디저트 시장」이 아니라 「통근 시간 시장」으로 측정해야 한다는 것을 알게 된 사례입니다 (Christensen et al., 2016).

구조·시나리오계

한 줄의 예측이 의미를 가질 수 없을 정도로 불확실성이 높을 때, 여러 미래를 그려서 대비하는 체계입니다.

시나리오 플래닝

• 개요: 예측을 한 줄로 좁히지 않고, 확실한 요인(인구 통계 등)과 중요한 불확실성(규제, 기술 혁신 등)을 나누어, 불확실성의 조합으로 2~4본의 일관된 미래상을 그리고, 각 시나리오의 선행 지표를 감시하는 방법입니다. 목적은 맞추는 것이 아니라, 어느 시나리오가 와도 대응할 수 있는 의사결정을 준비하는 것입니다 (Schoemaker, 1995).
• 생겨난 배경: 1950~60년대 RAND 연구소의 Herman Kahn이 핵전쟁의 추이를 여러 시나리오로 기술하는 기법을 개발했습니다 (Kahn & Wiener, 1967). 이것을 기업 경영에 도입한 것이 Shell사로, 1970년대 초 「석유 가격이 급등하고 산유국이 주도권을 잡는」 시나리오를 경영진에 제시하여, 1973년 오일쇼크에 경합사보다 빨리 대응했습니다. 담당자인 Wack이 그 경험을 1985년에 논문화했습니다 (Wack, 1985).
• 구체적 사례: Shell은 1980년대에도 소련의 체제 변화와 석유 가격 급락이라는 시나리오를 그려 1986년의 원유 가격 폭락에 대비했다고 알려져 있습니다 (Schwartz, 1991). 성장 시장의 예측에 응용하는 경우, 예를 들어 특화형 AI 에이전트에서는 「AI 규제의 강도(강함/약함)」와 「기초 모델의 비용 저감(빠름/느림)」의 2축으로 4개 시나리오를 그리고, 각각에서 입상하는 응용 영역과 시기가 다름을 명시한 상태에서, 규제안의 심의 상황과 추론 비용의 추이를 선행 지표로 감시합니다 (Schoemaker, 1995).

원천과 수법의 대응

5개의 체계는 전장의 4개 원천과 대응시키면 사용처가 명확해집니다.

• 정치의 변화: 구조·시나리오계(규제·예산의 분기마다 시나리오를 세우고 선행 지표를 감시)
• 경제의 변화: 외삽·모델계(비용 곡선·상대 가격·거시 지표)
• 사회의 변화: 외삽·모델계(인구통계)+수요측 탐색계(가치관의 변화)
• 기술의 변화: 신호 검출계+외삽·모델계(특허·논문→S자 곡선·비용 곡선)

실무가의 구체적 사례

학술 외에도, 우수한 연구자·투자가·기업·국가는 위의 접근과 동형의 방법을 실천하고 있습니다. 여기서는 각 카테고리에서 어떤 수법과 행동으로 성장 시장을 예측하는지 정리합니다.

투자가

투자가는 성장 시장의 예상을 가장 직접적으로 수익으로 변환하는 주체입니다. 다만 VC·성장주 투자가·헤지펀드·기관 투자가에서는 시간 축과 수법이 크게 다릅니다.

• 벤처캐피털(Sequoia Capital): Apple, Cisco, Google에 초기 투자한 Don Valentine는 투자 판단의 첫 번째 기준을 「시장의 크기」에 둡니다. 「나는 사람이 아니라 큰 시장에 투자한다」고 말하며, 뛰어난 경영자도 작은 시장에서는 큰 기업이 될 수 없다고 거듭 언급했습니다 (Valentine, 2010).
• 벤처캐피털(Y Combinator, Andreessen Horowitz, Founders Fund): Y Combinator의 Paul Graham은 「미래에 살고, 부족한 것을 만들어라」고 말하며, 최선단의 환경에 몸을 담고 있는 사람이 느끼는 불편함이야말로 미래의 시장이라고 생각합니다. 리드 사용자 방법의 실무판입니다 (Graham, 2012). Andreessen Horowitz의 「소프트웨어가 세계를 삼킨다」는 테제는 범용 기술론을 투자 테제로 번역한 것이며, 동사는 특정 테제(클라우드, 모바일, AI)를 먼저 세우고 공개하여 그에 따라 투자하는 구조·시나리오계의 실무판을 수행하고 있습니다 (Andreessen, 2011). Founders Fund의 Peter Thiel의 「대다수가 찬성하지 않는, 중대한 진실은 무엇인가」라는 물음은, 합의에서 벗어난 예측에서만 초과 수익이 생긴다는 것을 보여줍니다 (Thiel & Masters, 2014).
• 성장주의 장기 투자자(Baillie Gifford)：스코틀랜드 자산운용사인 Baillie Gifford는 Amazon과 Tesla에 상장 직후부터 투자해 10년 이상 보유했습니다. 그 근거는 주식 수익이 극도로 편중되어 있다는 실증 연구입니다. 1926년 이후 미국 주식을 분석하면 전체 부의 창출은 상위 4%의 종목에서 나오고, 나머지 96%는 단기 국채 수준 이하의 수익률을 기록했습니다 (Bessembinder, 2018). 시장 전체를 예측하기보다는 성장 시장에서 압도적 승자가 될 수 있는 소수 기업을 파악해 집중하고 오래 보유하는 전략이 이 분포에서 도출되었습니다.
• 테마형 액티브 운용(ARK Invest)：ARK Invest는 라이트의 법칙(누적 생산량 배증당 비용 저하)을 명시적으로 사용해 배터리, 게놈 해독, AI 등 기술의 비용 곡선을 외삽하고 응용 시장의 입성 시기를 예측해 투자하는 기법을 공개하고 있습니다 (ARK Invest, 2024). 본 글의 외삽·모델 계열을 그대로 운용에 적용한 사례이지만, 2021년을 정점으로 운용 자산이 크게 하락한 것은 기술 방향 예측이 맞아도 진입 가격과 시기를 잘못하면 손실이 발생한다는 한계를 보여줍니다 (Perez, 2002; Siegel, 2005).
• 매크로 헤지펀드(Bridgewater Associates)：Ray Dalio가 이끄는 Bridgewater는 지난 수백 년간의 채무 위기·통화 위기·패권 교체 사례를 체계적으로 정리해 현재 상황이 과거 어느 국면과 유사한지로 판단하는 기법을 취하고 있습니다 (Dalio, 2018). 이는 참조 클래스 예측을 금융 시장에 적용한 실무 버전입니다. 한편 George Soros는 시장 참여자의 예측이 가격을 움직이고, 가격이 실체를 움직인다는 '재귀성'을 이론화하고, 예측이 대상을 변화시킨다는 자기 지시의 한계를 투자 전략의 중심에 놓았습니다 (Soros, 1987). 예측의 한계 자체를 수익원으로 삼은 사례입니다.
• 퀀트 헤지펀드(Renaissance Technologies)：수학자 James Simons가 창업한 Renaissance Technologies는 시장의 성장이나 기업의 미래를 전혀 예측하지 않습니다. 가격 데이터의 통계적 패턴을 단기(며칠 이내)에만 포착하는 거래로 한정하고 장기 예측을 포기함으로써 우수한 실적을 유지했습니다 (Zuckerman, 2019). 이는 '예측 가능한 것(단기의 통계적 규칙성)과 예측 불가능한 것(장기의 시장 방향)을 구분해 전자에만 베팅한다'는, 본 글과 반대 방향에서의 한계 인식이라 할 수 있습니다.
• 가치 투자자(Berkshire Hathaway)：Warren Buffett은 성장 시장을 예측해 투자하는 것을 명확히 피해왔습니다. 2007년 주주 편지에서 "최악의 사업은 급성장하면서도 성장을 위해 막대한 자본을 필요로 하고도 거의 이익을 내지 못하는 사업이다. 항공 산업을 생각해 보라"고 말했습니다 (Buffett, 2008). 시장의 성장성과 투자 수익을 분리하고, 자신이 이해할 수 있는 범위(능력의 원)에서 경쟁 우위가 지속되는 기업만 선택하는 방침입니다. 성장 시장을 맞추기의 어려움과 성장이 이익으로 이어지지 않는다는 한계를 투자 철학의 전제로 삼은 사례입니다.
• 기관 투자자(Temasek, Yale 대학 기금)：싱가포르 정부계 투자회사인 Temasek은 '디지털화' '지속 가능한 생활' '소비의 미래' '수명 연장'이라는 4가지 구조적 트렌드를 내세우고 포트폴리오를 이 테마에 맞춰 개편하고 있습니다 (Temasek, 2023). 본 글의 4가지 원천(기술·사회·경제·인구동태)을 기관 투자자의 자산 배분으로 번역한 사례입니다. Yale 대학 기금을 이끌었던 David Swensen은 1980년대부터 벤처캐피탈이나 미공개 주식 같이 정보의 비대칭성이 크고 예측의 기술이 보상받는 자산 클래스로 배분을 옮겨 대학 기금의 운용 모델을 근본적으로 변화시켰습니다 (Swensen, 2009). '어느 시장이 성장할 것인가'뿐만 아니라 '어느 시장에서라면 안목의 기술이 초과 수익이 될 것인가'를 선택한 사례입니다.
• 실증 연구가 보여주는 투자자의 판단：885명의 VC를 조사한 결과 투자처 선정에서 가장 중시하는 요소는 경영 팀이며, 시장·사업 모델이 그 다음을 차지했습니다 (Gompers et al., 2020). 한편 200개 이상 기업의 사후 분석에서는 타이밍이 성공을 가장 잘 설명하는 요소였습니다 (Gross, 2015). VC의 수익은 소수의 대성공이 전체를 뒷받침하는 극도로 편중된 분포를 갖고 있으며 (Kerr, Nanda & Rhodes-Kropf, 2014), 상장주도 동일한 편향을 가지므로 (Bessembinder, 2018), 시장의 안목은 '어느 안건에 투자할 것인가'뿐만 아니라 '어느 영역에 많은 소규모 베팅을 분산하고 승자에게 어떻게 집중할 것인가'라는 포트폴리오 설계의 문제로 기능하고 있습니다. 상장주의 액티브 운용에서는 수수료 공제 후 시장 평균을 상회하는 운용자가 극소수이며 (Fama & French, 2010), 각 국가의 경제 성장률과 주식 수익의 상관관계는 거의 0에 가깝거나 음수입니다 (Ritter, 2005). 성장 시장을 예측할 수 있다는 것과 그 예측이 투자 수익으로 이어진다는 것은 실증적으로도 별개의 문제입니다.

기업

• Amazon(Working Backwards, AWS)：미래의 보도자료를 먼저 작성하고 고객 가치에서 역산해 개발하는 'Working Backwards'는 수요 측 탐색의 제도화입니다. 동사는 이 기법으로 2000년대 초 자사의 인프라 운영 과제에서 '다른 기업도 동일한 과제를 가지고 있다'는 수요를 읽어내 2006년 클라우드 서비스 AWS를 출범시켰습니다. 사내 리드 유저(자사 개발팀)의 과제에서 외부 시장을 발견한 사례입니다 (Bryar & Carr, 2021).
• NVIDIA(CUDA)：2006년, 딥러닝 붐의 수 년 전에 GPU의 범용 컴퓨팅 기반 CUDA에 투자를 시작했습니다. 처음엔 시장이 존재하지 않아 투자자로부터 비판을 받았지만, 병렬 컴퓨팅의 비용 붕괴라는 기술 변화에 베팅하고 연구자들이 GPU를 사용하기 시작한다는 신호 (Raina, Madhavan & Ng, 2009; Krizhevsky, Sutskever & Hinton, 2012)를 확인하면서 투자를 계속하고 응용 영역의 출현을 기다렸습니다 (Witt, 2025). 기술 기반 예측과 단계적 업데이트의 대표 사례입니다.
• Intel(전략적 전환점)：1985년 CEO인 Andy Grove는 일본 제조업체의 진입으로 주력 메모리 사업의 이익이 사라지고 있다는 신호를 읽고 창업 사업을 포기하고 마이크로프로세서에 집중했습니다. Grove는 이 경험에서 산업 구조 변화의 전조를 '전략적 전환점'이라 부르고 이를 감지하는 방법을 체계화했습니다 (Grove, 1996). 철수의 판단도 시장 예측의 산출물임을 보여주는 사례입니다.
• Netflix(스트리밍)：1997년 창업 당시 DVD 우편 렌탈로 시작하면서도 사명에 'Net'을 포함하고, 브로드밴드 보급과 통신 비용 저하(비용 곡선)로 인해 미래는 배신(스트리밍)으로 이동할 것으로 예상했습니다. 2007년 스트리밍을 시작해 자사의 주력 사업을 스스로 대체했습니다 (Keating, 2012). 비용 곡선의 외삽과 파괴적 혁신에 자사가 먼저 탑승한다는 판단의 사례입니다.
• Shell(시나리오 계획)：앞서 언급한 대로 1970년대 초 석유 위기 시나리오를 준비해 1973년 오일쇼크에 경쟁사보다 먼저 대응했습니다 (Wack, 1985). 반 세기에 걸쳐 시나리오 부서를 유지하고 있는 기업 포어사이트의 원형입니다.
• 실증 연구가 보여주는 기업 포어사이트의 효과：유럽 기업 83개사를 7년간 추적한 연구에서는 미래에 대한 대비(포어사이트 기능)가 정비되어 있던 기업이 그렇지 않은 기업보다 이익률이 33% 높았고, 시가총액 성장률은 약 2배였습니다 (Rohrbeck & Kum, 2018). 일회성 예측이 아니라 상설 탐색 기능을 보유하는 것이 실적으로 이어진다는 증거입니다.

연구자

• Richard Hamming(벨 연구소)：대성과를 이루는 연구자의 공통점으로 '중요한 문제를 선택하기'와 '문을 열고 일하기(주변 정보에 개방되어 있기)'를 언급했습니다. Hamming은 매주 금요일 오후를 '중요한 문제는 무엇인가, 왜 자신은 그것에 취り組하지 않는가'를 생각하는 시간으로 충당하고, 열리고 있는 영역에 일찍 진입할 것을 권고했습니다 (Hamming, 1986). 이는 신호 감지의 상시 운영과 조기 진입의 실무 버전입니다.
• Katalin Karikó(mRNA 연구)：1990년대부터 당시 거의 자금이 나오지 않던 mRNA의 치료 응용에 계속 취组했습니다. 소속 대학에서의 강등과 연구비 불채택을 겪으면서도 2005년 mRNA의 면역원성을 억제하는 수정 뉴클레오시드 방법을 발표했으며, 이것이 2020년의 mRNA 백신의 기반이 되어 2023년 노벨 생리학·의학상으로 이어졌습니다 (Karikó et al., 2005). 연구 영역의 '너무 이른 진입'이 사업의 '너무 이른 진입'과 다른 시간축을 갖는다는 것, 그리고 발명에서 보급까지의 시차가 수십 년에 이를 수 있다는 것 (Comin & Hobijn, 2010)을 체현한 사례입니다.
• GPU와 딥러닝 연구자들：2009년 스탠포드 대학 그룹은 GPU를 사용하면 딥러닝 훈련을 수십 배 고속화할 수 있음을 보였습니다 (Raina, Madhavan & Ng, 2009). 2012년 토론토 대학 그룹은 2장의 GPU로 훈련한 신경망으로 이미지 인식 경쟁에서 압승하며 딥러닝 붐의 기점이 되었습니다 (Krizhevsky, Sutskever & Hinton, 2012). 병렬 컴퓨팅의 비용 붕괴라는 기술 신호를 많은 연구자가 아직 주목하지 않은 단계에서 연구 주제로 전환한 사례입니다.
• 실증 연구가 보여주는 선택 방법：1,790만 편의 논문을 분석한 연구에서는 가장 임팩트가 큰 논문이 '대부분은 정석적인 지식의 조합이고 한 군데만 이례적인 조합을 포함한다'는 구성을 갖고 있었습니다 (Uzzi et al., 2013). 신규 영역에 대한 베팅은 높은 임팩트를 낳지만 실패율도 높다 (Foster, Rzhetsky & Evans, 2015)는 지견과 함께하면, 우수한 연구자는 '자신의 축적을 토대로 성장하고 있는 인접 영역에 한 발 나아가는' 형태로 조기 진입하고 있다고 정리할 수 있습니다.

국가

• 싱가포르(RAHS)：2004년부터 RAHS(리스크 평가·호라이즌 스캐닝)를 정부 상설 기능으로 삼아 약한 신호의 감지를 제도화했습니다. 나아가 2009년에는 총리실에 전략적 미래 센터를 설치해 각 부처의 시나리오 계획을 통괄하고 있습니다 (Habegger, 2010). 국가 규모에서 신호 탐색을 상시 운영하는 사례입니다.
• 일본(과학기술예측조사)：1971년부터 약 5년마다 계속되는 델파이 조사의 축적이 있으며, 제11회 조사에서는 약 700개의 과학기술 주제에 대해 수천 명의 전문가가 실현 시기를 예측했습니다. 반세기에 걸쳐 계속된 세계 최장의 델파이 조사입니다 (과학기술·학술정책연구소, 2019)
• 영국(Foresight 프로그램)：1994년 정부 과학국 산하에서 시작되었으며, 분야 횡단적 전문가 패널이 10～20년 후의 기술과 사회 변화를 검토하여 정책에 반영하고 있습니다 (Habegger, 2010)
• 미국(DARPA)：1958년 소련의 인공위성 스푸트니크에 대응하기 위해 설립된 국방고등연구계획국은 인터넷의 원형(ARPANET), GPS, 자율주행차(2004년 그랜드 챌린지) 등 시장이 존재하지 않는 단계에서 기술 분야에 자금을 투자하여 이후 거대 시장의 기반을 마련했습니다 (Fuchs, 2010). iPhone을 구성하는 주요 기술 대다수가 공적 연구 자금에서 비롯된 것으로도 지적되고 있습니다 (Mazzucato, 2013). 국가가 "너무 이른 참입"의 시간축을 감당한 사례입니다
• 대만(ITRI과 TSMC)：1970년대 정부 계열 산업기술연구원(ITRI)이 미국에서 반도체 기술을 도입했으며, 1987년 ITRI에서 분리되는 형태로 TSMC를 설립했습니다. 반도체 시장의 장기 성장과 설계와 제조의 분업이라는 산업 구조의 변화를 읽고, 제조 전문(파운드리)이라는 당시 존재하지 않던 영역에 국가로서 베팅한 사례입니다 (Mathews, 1997)

위의 4가지 카테고리를 횡단하는 공통점으로는 다음과 같은 것들이 있습니다.

• 일회성 예측을 하지 않음：Hamming의 금요 오후, Sequoia의 시장 기준, Shell의 시나리오 부문, 싱가포르의 RAHS는 모두 신호를 계속 포착하는 메커니즘을 상설하고 있습니다
• 기술과 규제 신호에 빠르게 반응：NVIDIA, Netflix, DARPA, 대만은 모두 비용 곡선이나 산업 구조의 변화가 수치로 나타나기 전에 움직이고 있습니다
• 베팅 후에도 모니터링과 업데이트를 계속함：NVIDIA가 연구자의 GPU 이용을 확인하면서 투자를 계속한 것, Intel이 철수를 결정한 것은 모두 예측을 제시한 이후의 검증과 업데이트 실천입니다
• 역할에 따라 시간축을 다르게 사용：연구자와 국가는 수십 년, VC는 10년, 기업은 5～10년의 시간축으로 같은 신호에 반응하고 있으며, 먼저 들어가는 자일수록 더 긴 시차를 감수하고 있습니다 (Comin & Hobijn, 2010)

성장 시장 예측에 관한 최신 연구의 동향

주로 2010년대 후반부터 2026년까지 발표된 연구를 정리합니다. 성장 시장 예측을 둘러싼 연구의 관점은 지난 10년간 다음과 같이 변했습니다.

관점을 바꾼 3가지 배경

• 데이터와 계산 기법의 진보：논문·특허·채용정보·결산설명회 의사록 등의 텍스트가 기계 읽기 가능하게 되고, 심층 학습으로 대규모로 처리할 수 있게 되었습니다. 과거에는 전문가의 판단이나 소수의 사례 연구에 의존했던 "새로운 영역이 어디에 열릴 것인가"라는 질문이 수백만 건의 데이터로 검증되는 실증 과학으로 전환되었습니다 (Bloom et al., 2021; Ebadi, Auger & Gauthier, 2022)
• 예측 토너먼트라는 실험 기반：미국의 정보 기관 IARPA가 2011년부터 실시한 지정학 예측 토너먼트는 수천 명의 예측자의 정확도를 같은 질문으로 측정·비교하는 최초의 대규모 데이터를 생성했으며, "누가, 어떤 방법으로, 얼마나 정확하게 예측할 수 있는가"를 통계적으로 검증하는 토대가 되었습니다 (Mellers et al., 2014; Tetlock, Mellers & Scoblic, 2017)
• 에너지 전환과 범용 AI라는 2가지 기술 전환：태양광·배터리의 비용이 주요 기관의 예측을 일관되게 상회하는 속도로 하락했다는 것이 예측 기법의 사후 검증의 소재를 대량으로 제공했습니다 (Meng et al., 2021). 동시에 대규모 언어 모델의 등장으로 "이 범용 기술은 어느 산업에 언제 확산될 것인가"라는 보급 예측의 수요가 급증했으며, 그 자체가 연구 대상이 되었습니다 (Eloundou et al., 2024)

이하에서 각 주제별로 연구의 동향을 개괄합니다.

기술 예측

• 경험곡선에 의한 확률 예측의 확립：기술의 비용과 성능 개선 속도는 예측할 수 없다는 것이 오랫동안 지배적인 견해였습니다. 2010년대 중반부터 50개 이상 기술의 비용 이력을 이용하여 경험곡선(라이트의 법칙)에 기반한 확률 예측을 사후에 검증하는 연구가 축적되었으며, 예측 오차의 분포를 포함하여 신뢰 구간을 산출할 수 있는 수준에 있음이 입증되었습니다 (Farmer & Lafond, 2016; Lafond et al., 2018). 결정적이었던 것은 에너지 기술에 대해 전문가의 추정치와 통계 모델의 예측을 사후에 비교한 연구로, 통계 모델이 전문가보다 더 정확했으며, 전문가는 체계적으로 비용 저하를 과소평가했습니다 (Meng et al., 2021). 이 지식을 사용하여 태양광·풍력·배터리의 비용 저하를 확률적으로 예측하면 에너지 전환을 빠르게 진행할수록 총 비용이 저렴해진다는 결론에 도달합니다 (Way et al., 2022)
• 시장이 없는 기술로의 확장：예측의 대상은 비용 이력이 있는 기술에서 아직 시장이 없는 기술로 확장되고 있습니다. 특허 데이터에서 기술 분야별 개선율을 추정하는 기법이 개발되었으며, 1,757개 기술 영역에 대해 연율 개선율이 예측되었습니다 (Singh, Triulzi & Magee, 2021). 신흥 기술 그 자체에 대해서도 급진적 신규성, 상대적으로 빠른 성장, 일관성, 현저한 영향, 불확실성이라는 5가지 속성으로 정의하는 틀이 제안되었으며 (Rotolo, Hicks & Martin, 2015), 이 틀에 기반하여 특허의 복수 지표를 기계 학습에 적용하고, 이후에 성장한 기술을 초기 단계에서 분류할 수 있음이 입증되었습니다 (Lee et al., 2018). 심층 학습으로 논문·특허·뉴스의 텍스트에서 약한 신호를 검출하는 기법도 발전했으며 (Zhou et al., 2020; Ebadi, Auger & Gauthier, 2022), EU의 공동연구센터는 매년의 실제 운영에 이를 반영하고 있습니다 (European Commission Joint Research Centre, 2024)
• 도달점："그 기술은 언제 경제적으로 성립할 것인가" "어느 기술이 다음에 입지할 것인가"라는 질문에는 전문가의 직관이 아닌 통계적 근거로 답할 수 있게 되었습니다. 뒤에서 설명하는 시장 예측의 한계 중 직선 외삽의 함정과 전문가의 과소평가는 모두 이 기법으로 보정할 수 있는 것입니다. 데이터와 기법은 공개되어 있으며, 개인 연구자나 중소기업도 같은 수준의 탐색이 가능해졌습니다

확산과 수요

• 텍스트 데이터에 의한 확산의 추적：신기술의 보급은 매출이나 보급률이 통계에 나타난 후부터 측정하는 것이었습니다. 2020년대 들어 기업의 결산설명회 의사록, 특허, 채용정보의 텍스트를 조합하여 클라우드나 스마트폰 등 29개의 파괴적 기술이 어느 기업·어느 도시에 언제 확산되었는지를 추적하는 기법이 개발되었습니다. 신기술의 고용은 초기에는 소수의 첨단 도시에 집중되고 시간이 지남에 따라 확산됨이 입증되었습니다 (Bloom et al., 2021). 채용정보를 사용하여 기계 학습이 "범용 기술"의 조건(급속한 개선, 광범위한 산업으로의 침투, 보완적 혁신 유도)을 만족하는지를 검증한 연구에서는 다른 신흥 기술과 비교하여 범용 기술로서의 성질이 강함이 확인되었습니다 (Goldfarb, Taska & Teodoridis, 2023). 대규모 언어 모델에 대해서도 직업별 업무 구성에서 영향을 받는 노동시장의 범위가 추정되었으며, 약 80%의 노동자가 업무의 일부에 영향을 받을 것으로 추정되고 있습니다 (Eloundou et al., 2024). 채용정보와 결산설명이라는 공개 데이터가 시장 통계보다 수 년 앞선 선행 지표로 기능함이 실증되었던 것입니다
• 수요가 발명을 동인하는 인과성의 증명：수요 측면에서는 "미래 시장 규모의 예상이 발명의 방향을 실제로 움직이고 있는가"라는 질문이 인과적으로 검증되었습니다. 제약 산업에서는 인구 통계에서 예상되는 미래 시장 규모가 클수록 신약 개발이 많아지고 (Acemoglu & Linn, 2004), 시장 규모가 1% 확대하면 신약의 수가 약 0.2% 증가한다는 탄력성이 추정되었습니다 (Dubois et al., 2015). 자동차 산업에서는 연료 가격이 상승한 국가의 제조사일수록 내연 기관이 아닌 전동화 등의 청정 기술 특허를 증가시켰으며 (Aghion et al., 2016), 질병의 부담이 큰 국가일수록 그 치료약의 생산과 수출이 증가한다는 수요가 생산 입지까지 움직인다는 증거도 얻어졌습니다 (Costinot et al., 2019). 시장 예상은 "맞는가"일 뿐만 아니라 "다른 사람도 같은 예상을 하고 진입하는가"라는 경쟁의 문제를 포함한다는 것입니다
• 과학에서 시장까지의 경로와 시간：과학에서 시장까지의 경로와 시간도 계측되기 시작했습니다. 480만 건의 특허와 3,200만 건의 논문 인용 네트워크를 분석한 연구는 시장 가치가 높은 특허일수록 기초 과학에 가깝고, 영향력이 큰 논문일수록 기술 응용에 가깝다는 것을 보여주었으며 (Ahmadpoor & Jones, 2017), 특허가 인용하는 논문의 데이터베이스가 정비되어 어느 분야의 과학이 산업에 사용되고 있는지를 대규모로 추적할 수 있게 되었습니다 (Marx & Fuegi, 2020). 한편 범용 기술로의 투자가 생산성에 반영되기까지는 업무 프로세스·인재·데이터 등 보완적 무형 자산으로의 투자가 필요하며, 그 기간에는 통계상 생산성이 일시적으로 저하되어 보이는 "J 곡선"을 그린다는 것이 입증되었습니다 (Brynjolfsson, Rock & Syverson, 2021). 범용 AI에 대해서도 기반 모델의 성능 향상보다 업무 프로세스와 데이터의 정비가 보급의 율속 단계가 될 것으로 이 연구 계통에서 예상됩니다

연구 프런티어

• 파괴적 성과의 감소와 성숙 분야의 경직화：새로운 연구 영역은 어디에 열릴 것인가, 연구자는 어디에 베팅해야 할 것인가라는 질문에도 대규모 데이터의 답이 나기 시작했습니다. 4,500만 건의 논문과 390만 건의 특허를 분석한 연구는 기존 지식을 쇄신하는 "파괴적" 성과의 비율이 전 분야에서 계속 저하되고 있음을 보여주었으며 (Park, Leahey & Funk, 2023), 크게 성숙한 분야일수록 새로운 아이디어가 정착하기 어려워지는 것도 확인되었습니다 (Chu & Evans, 2021). 연구자 측에서는 이미 확립된 유행 영역에 집중하는 보수적 전략이 지배적인 반면, 새 영역으로의 베팅이 높은 임팩트를 만들어낸다는 것이 수백만 건의 논문으로 입증되고 있습니다 (Foster, Rzhetsky & Evans, 2015)
• 신규성 평가의 시간차: 신규성 평가에는 시간차가 있습니다. 예외적인 조합을 포함한 신규성이 높은 논문은 단기적으로는 인용되기 어렵지만 장기적으로는 높은 영향력을 갖는 "늦게 인정되는" 패턴을 보이며 (Wang, Veugelers & Stephan, 2017), 가장 임팩트가 큰 논문은 정설적 지식의 조합에 한 점의 예외적 조합만을 포함하는 구성을 갖고 있었습니다 (Uzzi et al., 2013). 다만 연구자가 전문 분야에서 벗어난 주제로 전환하면 성과의 임팩트가 하락하는 "피벗 페널티"도 대규모로 확인되고 있으며 (Hill et al., 2025), 신규 분야로의 진입은 자신의 축적에 인접한 형태로 행하는 것이 합리적입니다.
• 도달점: 종합하면, 신규 분야는 성숙한 대분야의 중심이 아니라 분야의 경계나 작은 분야에 열리기 쉽다는 규칙성이 있습니다. 연구자나 발명가에게 있어서의 "성장 시장"은 자신의 전문에 인접하면서도 아직 혼잡하지 않은 경계 영역이라는 것이 현재의 도달점입니다.

인간과 AI의 판단

• 집약 방법의 비교: 인간의 판단을 모아 예측할 때, 어떤 수집 방법과 집약 방법이 가장 정확한지가 예측 토너먼트의 데이터로 검증되었습니다. 참가자에게 확률을 직접 답하게 하여 통계적으로 집약하는 "예측 조사"는 예측 시장과 동등 이상의 정확도를 보이며 (Atanasov et al., 2017), 집약 시에 평균한 확률을 0 또는 1 방향으로 밀어내는 "극단화"를 더하면 정확도가 상승함도 보여지고 있습니다 (Satopää et al., 2014). 델파이 방법에 대해서도 정확도를 높이는 조건(참가자의 다양성, 피드백의 질, 반복 회수)이 리뷰에서 정리되었습니다 (Rowe & Wright, 1999). 회의에서의 합의 형성보다 익명으로 확률을 모아 통계적으로 집약하는 것이 더 정확하며, 예측 시장의 운영 비용을 들이지 않아도 동등한 정확도를 얻을 수 있다는 것이 실무상의 함의입니다.
• LLM의 등장과 한계: 2023년 이후, 대규모 언어 모델(LLM)이 예측자로 등장했습니다. 12종류 LLM의 앙상블에 의한 예측은 925명의 인간 집단지성과 통계적으로 구별할 수 없는 정확도를 보이며 (Schoenegger et al., 2024a), 검색으로 최신 정보를 보강하고 추론 절차를 최적화한 LLM은 개별 질문에서 인간의 예측 집단에 접근하고 있습니다 (Halawi et al., 2024). 인간 예측자에게 LLM 어시스턴트를 제공하는 실험에서는 어시스턴트의 유무로 정확도가 유의미하게 개선되었습니다 (Schoenegger et al., 2024b). 한편, 지속적으로 업데이트되는 벤치마크에서의 비교에서는 최첨단 LLM도 아직 훈련된 슈퍼 예측자에 미치지 못함이 확인되고 있으며 (Karger et al., 2024), 완전 자동화에는 거리가 있습니다.
• 도달점: 도달점으로서, AI는 탐색, 기준율 제시, 시나리오 초안 작성 등 예측의 전공정 비용을 획기적으로 낮추는 한편, 최종적인 확률 판단과 업데이트 판단은 당분간 훈련된 인간이 담당하는 것이 더 정확합니다. "AI가 탐색하고, 인간이 판단하고, AI가 감시하고, 인간이 업데이트한다"는 분업이 현시점의 연구가 보여주는 가장 정확한 구성입니다. 과거에 국가나 VC에만 가능했던 수준의 스캐닝이, 이러한 분업을 통해 개인 연구자나 일반 사업 회사에도 손이 닿는 수준이 되고 있습니다.

성장 시장 예측의 한계

여기까지 성장 시장을 간파하는 원천·수법·실천·최신 연구를 정리했습니다. 마지막으로 시장 예측 고유의 한계를 정리합니다. 한계는 인간의 인식, 시장의 구조, 예측의 자기 언급성, 데이터와 수법의 4가지로 나뉩니다.

인식의 한계

• 전문가의 예측 정확도: 전문가의 예측은 장기에 걸친 대규모 검증에서 임의 추측과 거의 같은 수준임이 밝혀졌습니다. 284명의 전문가에 의한 약 2만 8천 건의 예측을 20년간 추적한 연구에서는 전문가의 적중률이 "다트를 던지는 침팬지"와 거의 같았으며, 하나의 큰 이론으로 모든 것을 설명하는 유형(고슴도치형)일수록 성적이 나빴고, 잡다한 정보를 유연하게 받아들이는 유형(여우형)이 상대적으로 우수했습니다 (Tetlock, 2005). 시장 예측에서도 1980년대 초 AT&T의 의뢰로 수행된 조사는 2000년 시점의 미국 휴대전화 계약 수를 약 90만 건으로 예측했으나, 실적인 약 1억 900만 건을 100배 이상 밑돌았습니다 (The Economist, 1999). 태양광 발전에 대해서도 주요 기관의 도입량 예측은 매년 실적을 하회했으며, 실적이 예측을 상회해도 다음해 예측을 충분히 상향조정하지 않았습니다 (Creutzig et al., 2017).
• 왜곡의 규칙성: 왜곡의 방향에는 규칙성이 있습니다. 첫째, 기술의 보급은 S자곡선이나 지수함수로 진행되는데, 인간은 최근 추세를 직선으로 연장하므로 "2년 후의 변화를 과대평가하고 10년 후의 변화를 과소평가하는" 오류가 발생합니다 (Gates, 1996; Rogers, 1962). 전문가가 에너지 기술의 비용 저하를 계통적으로 과소평가했음은 통계 모델과의 사후 비교로 확인되었습니다 (Meng et al., 2021). 둘째, 파괴적 이노베이션은 등장 시점에는 성능이 낮고 시장도 작기 때문에, 기존 고객의 목소리와 기존 시장의 데이터에 기반한 분석에서는 "무시할 수 있는" 것으로 판정됩니다 (Christensen, 1997). 셋째, 자신의 안건을 "안쪽에서" 쌓아올려 예측하면 계획 오류(planning fallacy)에 의해 계통적으로 낙관적으로 왜곡됩니다. 258건의 공공사업 분석에서는 9할이 비용을 과소 추정했습니다 (Kahneman & Tversky, 1979; Flyvbjerg, Holm & Buhl, 2002).
• 연구자의 보수성: 연구자에게도 동형의 왜곡이 있습니다. 연구자는 이미 확립된 유행 영역에 집중하는 보수적 전략을 취하기 쉽지만, 신규 분야로의 도박은 실패율이 높은 한편 성공 시의 임팩트는 크며, 집단으로서는 보수적 선택이 과도함이 수백만 건의 논문에서 보여지고 있습니다 (Foster, Rzhetsky & Evans, 2015). 이미 성장이 누구 눈에도 명백한 영역에서는 경쟁이 치열하고 조기 진입의 이득이 사라지며, 컨센서스에서 벗어난 예측에만 초과 수익이 있습니다 (Thiel & Masters, 2014).

구조의 한계

• 위험과 불확실성의 구별: 예측할 수 있는 "위험"과 예측할 수 없는 "불확실성"은 구별되어 왔습니다. 과거 빈도로부터 확률을 계산할 수 있는 위험에 대해, 참고할 수 있는 과거가 존재하지 않는 불확실성(Knight의 불확실성)에는 확률 자체가 정의될 수 없으며, 새로운 시장의 입장은 종종 후자에 속합니다 (Knight, 1921). 나아가 결과의 분포가 정규분포에서 크게 벗어나는 영역에서는 드문 사건이 결과의 대부분을 결정하므로, 평균적 예측은 체계적으로 벗어납니다. 벤처 투자나 발명의 가치가 정확히 이 분포를 갖는다는 것은 실증적으로 확인되었습니다 (Taleb, 2007; Scherer & Harhoff, 2000; Kerr, Nanda & Rhodes-Kropf, 2014).
• 수확 체증과 경로 의존성: 수확 체증과 경로 의존성이 작동하는 시장에서는 초기의 작은 우연이 승자를 결정하며, 사전에는 예측할 수 없습니다. 네트워크 효과나 학습 효과에 의해 먼저 보급된 기술이 우위를 강화하므로, 기술적으로 열등한 규격이 시장을 지배하기도 합니다. 이 과정은 이론적으로 모델화되었으며 (Arthur, 1989), 키보드 배열의 QWERTY가 기술적으로 최적이 아니면서 정착된 역사로 예시되고 있습니다 (David, 1985). "어떤 시장이 성장할 것인가"는 예측할 수 있어도, "그 시장에서 누가 승리할 것인가"는 구조적으로 예측이 어렵다는 것입니다.
• 버블의 구조적 내재: 범용 기술의 전개에는 열광과 버블의 국면이 구조적으로 내재되어 있습니다. 산업혁명 이래의 5가지 기술 혁명은 모두 도입기에 금융 자본이 과도하게 유입되어 버블을 형성했고, 붕괴를 거쳐 전개기에 진입했습니다 (Perez, 2002). 시장의 성장을 올바르게 예측하더라도 버블의 국면에 진입·투자하면 손실을 입게 됩니다. 예측의 정확성과 진입 시기·가격의 정확성은 별도로 검증할 필요가 있습니다.

자기 언급의 한계

• 자기 충족 예언: 사회 현상의 예측은 예측되는 것 자체가 대상의 행동을 변화시킵니다. 이 "자기 충족 예언"의 구조는 사회학의 고전적 지적이며 (Merton, 1948), 시장 예측에도 직접 적용됩니다. "이 시장은 성장한다"는 예상이 널리 공유되면 진입이 쇄도하고 성장은 실현되는 한편, 진입자 한 명당 이득은 사라집니다. 미래 시장 규모의 예상이 발명과 진입을 실제로 움직임은 제약이나 자동차 산업에서 인과적으로 확인되었습니다 (Acemoglu & Linn, 2004; Dubois et al., 2015; Aghion et al., 2016).
• 이미 반영된 문제: 투자의 맥락에서 이 한계는 "이미 반영된" 문제로 나타납니다. 공개 정보에 기반한 예상은 이미 가격에 반영되어 있으므로, 누구나 아는 성장은 초과 수익을 낳지 않습니다 (Fama, 1970). 성장 산업·성장 기업으로의 투자가 기대에 반해 저수익으로 끝나는 "성장의 함정"은 성장에 대한 기대가 주가에 반영되고 고가의 가격을 지불하게 되는 데서 비롯됩니다 (Siegel, 2005). 성장을 간파하는 것과 그 성장으로부터 이득을 얻는 것은 별개의 문제입니다.
• 굿하트의 법칙: 지표를 목표로 하면 지표는 지표로서의 가치를 잃습니다. "어떤 통계량이 정책 목표가 되면 통계량으로서의 신뢰성을 잃는다"는 이 법칙은 (Goodhart, 1984) 선행 지표에도 적용됩니다. 특허 출원 수나 구인 수가 "성장 시장의 신호"로 널리 알려지면, 이를 의식한 출원이나 구인이 증가하고 신호는 노이즈로 변합니다. 선행 지표는 그것이 지표로서 인식되기 전의 기간에만 가장 높은 예측력을 갖습니다.

데이터와 수법의 한계

• 신규 시장에는 데이터가 없다: 정량적 수법은 과거 데이터를 필요로 하지만, 새로운 시장에는 정의상 과거가 없습니다. 보급 모델의 계수는 보급률이 10~20%에 도달할 때까지 안정적으로 추정될 수 없으며 (Bass, 1969; Sultan, Farley & Lehmann, 1990), 그 이전에는 유사 사례의 계수를 빌리는 참조 클래스 예측에 의존하게 됩니다 (Kahneman & Tversky, 1979). 그러나 무엇을 "유사"하다고 간주할지의 선택이 결과에 영향을 미치며, 그 선택 자체가 예측자의 판단에 의존합니다. 통계 모델이 전문가를 능가한다는 지식(Meng et al., 2021)은 비용 이력이 수십 년분 있는 기술에 대한 결론이며, 이력이 없는 기술에는 직접 적용할 수 없습니다.
• 기계학습의 체제 전환에 대한 약점: 기계학습은 과거의 패턴에서만 학습할 수 있으며, 구조가 변하는 국면(체제 전환)에 약하다는 한계가 있습니다. 10만 개 시계열을 사용한 대규모 예측 경쟁에서는 순수 기계학습 방식이 단순한 통계 방식을 하회했으며, 여러 방식의 조합이 가장 정확했습니다 (Makridakis, Spiliotis & Assimakopoulos, 2018; Makridakis et al., 2020). 대규모 언어 모델의 경우에도 인간의 집단 지능에 필적한다는 보고와 동시에, 지속적으로 업데이트되는 벤치마크에서는 훈련된 슈퍼포어캐스터에 미치지 못한다는 점이 확인되고 있습니다 (Schoenegger et al., 2024a; Karger et al., 2024).
• 신호 탐지의 위양성: 신호 탐지에는 위양성 문제가 따릅니다. 신흥 기술의 정의 자체가 불확실성을 포함하며 (Rotolo, Hicks & Martin, 2015), 주목을 받은 기술이 그 후 약세를 보이는 "하이프"는 드물지 않습니다. 기술의 기대 추이를 나타내는 "하이프 사이클"은 실무에서 널리 사용되지만, 그 형태가 실증적으로 일반화할 수 있는지에 대해서는 연구 근거가 약하다는 지적이 있습니다 (Dedehayir & Steinert, 2016). 약한 신호의 대부분은 사후적으로 보면 아무것도 낳지 못한 노이즈입니다.

한계를 고려한 도달점

• 확률·업데이트·조합: 위의 한계는 예측을 포기하는 이유가 아니라 예측의 사용 방식을 바꾸는 이유입니다. 첫째, 예측의 산출물은 점이 아니라 확률분포이며, 폭을 가진 채로 다루어야 합니다. 둘째, 확률은 새로운 정보가 들어올 때마다 업데이트되는 것이며, 한번 내놓은 예측에 고집하는 것이 최대의 실패 요인입니다. 훈련된 예측자가 정보 분석관을 약 30% 상회한 차이는 주로 이 업데이트의 습관에서 비롯됩니다 (Mellers et al., 2014; Tetlock & Gardner, 2015). 셋째, 단일 방법에 의존하지 않고 여러 방법을 조합하는 것이 반세기의 예측 연구와 최신 경쟁의 양쪽에서 일관되게 지지되는 결론입니다 (Armstrong, 2001; Makridakis et al., 2020).
• 포어사이트에 의한 보완: 예측(forecasting)으로 다룰 수 없는 불확실성은 포어사이트(foresight)로 대비합니다. 맞힐 수 없는 미래에 대해서는 여러 시나리오를 그려 선행 지표를 감시하고, 어떤 시나리오가 와도 대응할 수 있는 의사결정을 준비하는 것이 하나의 예측에 베푸는 것보다 합리적입니다 (Schoemaker, 1995; Wack, 1985). 예측이 빗나가는 것은 방법이 좋지 않기 때문이며, 방법은 개선할 수 있습니다. 다만 개선된 방법에도 한계가 있으며, 그 한계를 전제로 한 의사결정 설계가 예측의 다음 단계가 됩니다.

맺음말

이와 같이 성장 시장을 찾기 위한 접근 방식을 정리했습니다. 여기서 정리한 방법은 확실하게 성장 시장을 예측할 수는 없지만, 과학적인 접근을 통해 가능한 한 높은 확률로 예측할 수 있음을 보여줍니다. 향후 AI 시대에 어떤 시장이 되어갈 것인지 예측하기 위한 접근 방식으로 활용할 수 있을 것으로 생각됩니다.

참고문헌

• Acemoglu, D., & Linn, J. (2004). Market size in innovation: Theory and evidence from the pharmaceutical industry. Quarterly Journal of Economics, 119(3), 1049–1090.（인구 동태로부터 예상되는 시장 규모가 신약 개발의 방향을 결정한다는 것을 실증한 논문）
• Aghion, P., Dechezleprêtre, A., Hémous, D., Martin, R., & Van Reenen, J. (2016). Carbon taxes, path dependency, and directed technical change: Evidence from the auto industry. Journal of Political Economy, 124(1), 1–51.（연료 가격 상승이 자동차 제조업체의 클린 기술 특허를 증가시킨다는 것을 실증한 논문）
• Aguilar, F. J. (1967). Scanning the business environment. Macmillan.（기업의 외부 환경 스캐닝을 체계화하고 PEST 분석의 원형이 된 저작）
• Ahmadpoor, M., & Jones, B. F. (2017). The dual frontier: Patented inventions and prior scientific advance. Science, 357(6351), 583–587.（특허와 논문의 인용 네트워크로부터 과학과 기술의 거리를 측정하고, 시장 가치가 높은 특허가 기초 과학에 가깝다는 것을 보인 논문）
• Andreessen, M. (2011, August 20). Why software is eating the world. The Wall Street Journal.（소프트웨어가 모든 산업을 재편한다는 투자 테제를 제시한 논설）
• Ansoff, H. I. (1975). Managing strategic surprise by response to weak signals. California Management Review, 18(2), 21–33.（큰 변화에 선행하는 "약한 신호"에 대한 대응을 제안한 논문）
• Armstrong, J. S. (Ed.). (2001). Principles of forecasting: A handbook for researchers and practitioners. Kluwer Academic Publishers.（예측 연구의 원칙을 집대성하고 방법의 조합이 정확도를 높인다는 것을 보인 핸드북）
• Arrow, K. J., Forsythe, R., Gorham, M., Hahn, R., Hanson, R., Ledyard, J. O., Levmore, S., Litan, R., Milgrom, P., Nelson, F. D., Neumann, G. R., Ottaviani, M., Schelling, T. C., Shiller, R. J., Smith, V. L., Snowberg, E., Sunstein, C. R., Tetlock, P. C., Tetlock, P. E., … Zitzewitz, E. (2008). The promise of prediction markets. Science, 320(5878), 877–878.（예측 시장의 유효성과 정책적 가능성을 논한 논문）
• Arthur, W. B. (1989). Competing technologies, increasing returns, and lock-in by historical events. Economic Journal, 99(394), 116–131.（수확 체증 하에서 초기의 우연이 승자를 결정하고 사전 예측이 어려워진다는 것을 이론화한 논문）
• Atanasov, P., Rescober, P., Stone, E., Swift, S. A., Servan-Schreiber, E., Tetlock, P., Ungar, L., & Mellers, B. (2017). Distilling the wisdom of crowds: Prediction markets vs. prediction polls. Management Science, 63(3), 691–706.（통계적으로 집약한 예측 조사가 예측 시장과 동등 이상의 정확도를 보인다는 것을 실증한 논문）
• Bass, F. M. (1969). A new product growth for model consumer durables. Management Science, 15(5), 215–227.（신제품의 보급을 혁신 계수와 모방 계수로 정식화한 Bass 모델의 원론문）
• Bass, F. M., Gordon, K., Ferguson, T. L., & Githens, M. L. (2001). DIRECTV: Forecasting diffusion of a new technology prior to product launch. Interfaces, 31(3), S82–S93.（발매 전에 Bass 모델로 위성 방송의 가입자 수를 예측하여 실적과 거의 일치했다고 보고한 논문）
• Bloom, N., Hassan, T. A., Kalyani, A., Lerner, J., & Tahoun, A. (2021). The diffusion of disruptive technologies (NBER Working Paper No. 28999). National Bureau of Economic Research.（결산 설명·특허·구인의 텍스트로부터 29개의 파괴적 기술의 기업 간·지역 간 확산을 추적한 논문）
• Boston Consulting Group. (1968). Perspectives on experience. Boston Consulting Group.（라이트의 법칙을 "경험 곡선"으로서 경영 전략에 도입한 보고서）
• Bresnahan, T. F., & Trajtenberg, M. (1995). General purpose technologies: 'Engines of growth'? Journal of Econometrics, 65(1), 83–108.（범용 기술이 보완적 혁신의 연쇄를 통해 성장을 낳는다는 것을 보인 논문）
• Bryar, C., & Carr, B. (2021). Working backwards: Insights, stories, and secrets from inside Amazon. St. Martin's Press.（Amazon의 고객 기점의 역산 프로세스를 내부자가 해설한 저작）
• Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372.（범용 기술에 대한 투자가 보완적인 무형 자산의 정비를 거쳐 생산성에 반영되기까지의 J커브를 보인 논문）
• Chen, K.-Y., & Plott, C. R. (2002). Information aggregation mechanisms: Concept, design and implementation for a sales forecasting problem (Social Science Working Paper No. 1131). California Institute of Technology.（HP 사내 예측시장이 공식 매출 예측을 상회했음을 보고한 논문）
• Christensen, C. M. (1997). The innovator's dilemma: When new technologies cause great firms to fail. Harvard Business School Press.（파괴적 혁신이 기존 기업의 시장 분석에서 보이지 않는 이유를 보여준 저작）
• Christensen, C. M., Hall, T., Dillon, K., & Duncan, D. S. (2016). Know your customers' "jobs to be done". Harvard Business Review, 94(9), 54–62.（고객의 「해결해야 할 과제」로부터 시장을 재정의하는 잡 이론을 설명한 논문）
• Chu, J. S. G., & Evans, J. A. (2021). Slowed canonical progress in large fields of science. Proceedings of the National Academy of Sciences, 118(41), e2021636118.（큰 규모로 성숙한 분야일수록 새로운 아이디어가 정착하기 어려워지는 것을 보여준 논문）
• Collantes, G., & Sperling, D. (2008). The origin of California's zero emission vehicle mandate. Transportation Research Part A: Policy and Practice, 42(10), 1302–1313.（1990년 캘리포니아주 ZEV 규제의 성립 과정을 분석하고, 규제가 EV 시장을 유도한 기점을 보여준 논문）
• Comin, D., & Hobijn, B. (2010). An exploration of technology diffusion. American Economic Review, 100(5), 2031–2059.（발명에서 보급까지의 시간차가 평균 45년에 달하며, 이러한 차이가 국가의 소득 격차를 설명함을 보여준 논문）
• Costinot, A., Donaldson, D., Kyle, M., & Williams, H. (2019). The more we die, the more we sell? A simple test of the home-market effect. Quarterly Journal of Economics, 134(2), 843–894.（질병 부담이 큰 국가일수록 해당 치료약의 생산과 수출이 증가함을 보여주어, 수요가 생산 입지를 움직인다는 것을 실증한 논문）
• Cowgill, B., & Zitzewitz, E. (2015). Corporate prediction markets: Evidence from Google, Ford, and Firm X. Review of Economic Studies, 82(4), 1309–1341.（Google과 Ford의 사내 예측시장이 보정된 확률로 기능하여 공식 예측의 낙관 편향을 보정했음을 보여준 논문）
• Creutzig, F., Agoston, P., Goldschmidt, J. C., Luderer, G., Nemet, G., & Pietzcker, R. C. (2017). The underestimated potential of solar energy to mitigate climate change. Nature Energy, 2, 17140.（주요 기관의 태양광 도입량 예측이 체계적으로 과소평가를 계속한 원인을 분석한 논문）
• Dalkey, N., & Helmer, O. (1963). An experimental application of the Delphi method to the use of experts. Management Science, 9(3), 458–467.（델파이 방법의 최초 실험적 적용을 보고한 논문）
• David, P. A. (1985). Clio and the economics of QWERTY. American Economic Review, 75(2), 332–337.（QWERTY 배열의 정착을 예로 들어, 경로 의존성에 의해 기술적으로 최적이 아닌 규격이 시장을 지배함을 보여준 논문）
• David, P. A. (1990). The dynamo and the computer: An historical perspective on the modern productivity paradox. American Economic Review, 80(2), 355–361.（전력의 생산성 효과가 약 40년 지연된 역사로부터 범용 기술의 시간 구조를 보여준 논문）
• Day, G. S., & Schoemaker, P. J. H. (2006). Peripheral vision: Detecting the weak signals that will make or break your company. Harvard Business School Press.（조직이 약한 신호를 놓치는 이유와 주변 시야를 높이는 방법을 보여준 저작）
• Dedehayir, O., & Steinert, M. (2016). The hype cycle model: A review and future directions. Technological Forecasting and Social Change, 108, 28–41.（하이프 사이클의 형태가 실증적으로 일반화될 수 있는지에 대해 연구상의 뒷받침이 약함을 정리한 리뷰）
• Drucker, P. F. (1997). The future that has already happened. Harvard Business Review, 75(5), 20–24.（인구 동태를 「이미 일어난 미래」로서 예측에 활용하는 사고방식을 보여준 논문）
• Dubois, P., de Mouzon, O., Scott-Morton, F., & Seabright, P. (2015). Market size and pharmaceutical innovation. RAND Journal of Economics, 46(4), 844–871.（시장 규모 1% 확대가 신약 수를 약 0.2% 증가시킨다는 탄력성을 추정한 논문）
• Ebadi, A., Auger, A., & Gauthier, Y. (2022). Detecting emerging technologies and their evolution using deep learning and weak signal analysis. Journal of Informetrics, 16(4), 101344.（심층 학습과 약한 신호 분석으로 신흥 기술을 검출하는 기법을 보여준 논문）
• The Economist. (1999, October 7). Cutting the cord.（1980년대의 휴대전화 시장 예측이 실적을 100배 이상 하회한 사례를 보도한 기사）
• Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science, 384(6702), 1306–1308.（대규모 언어 모델이 미칠 노동시장의 범위를 직업의 과제 구성으로부터 추정한 논문）
• European Commission Joint Research Centre. (2024). Weak signals in science and technologies 2024. Publications Office of the European Union.（EU가 매해 실운영 중인 약한 신호 검출의 보고서）
• Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. Journal of Finance, 25(2), 383–417.（공개 정보가 이미 가격에 반영되어 있다는 효율적 시장 가설을 정리한 논문）
• Farmer, J. D., & Lafond, F. (2016). How predictable is technological progress? Research Policy, 45(3), 647–665.（경험 곡선에 기초한 기술 비용의 확률 예측이 실용 정도의 정확도를 지님을 보여준 논문）
• Felin, T., & Zenger, T. R. (2017). The theory-based view: Economic actors as theorists. Strategy Science, 2(4), 258–271.（시장의 유망성은 기업 고유의 이론에 의해 비로소 보인다는 이론 기반 전략관을 제시한 논문）
• Flyvbjerg, B. (2006). From Nobel Prize to project management: Getting risks right. Project Management Journal, 37(3), 5–15.（참조 클래스 예측을 실무에 적용하여 계획 오류에 대한 대처 방법을 보여준 논문）
• Flyvbjerg, B., Holm, M. S., & Buhl, S. (2002). Underestimating costs in public works projects: Error or lie? Journal of the American Planning Association, 68(3), 279–295.（258건의 인프라 사업에서 9할이 비용 초과했음을 보여주어 참조 클래스 예측의 필요성을 뒷받침한 논문）
• Forsythe, R., Nelson, F., Neumann, G. R., & Wright, J. (1992). Anatomy of an experimental political stock market. American Economic Review, 82(5), 1142–1161.（아이오와 전자시장이 여론조사보다 정확하게 선거 결과를 예측했음을 보고한 논문）
• Foster, J. G., Rzhetsky, A., & Evans, J. A. (2015). Tradition and innovation in scientists' research strategies. American Sociological Review, 80(5), 875–908.（수백만 건의 논문을 통해 연구자의 보수적 주제 선택이 지배적이면서도 신규 영역으로의 투자가 높은 임팩트를 생성함을 보여준 논문）
• Fuchs, E. R. H. (2010). Rethinking the role of the state in technology development: DARPA and the case for embedded network governance. Research Policy, 39(9), 1133–1147.（DARPA가 시장이 존재하지 않는 단계에서 기술 영역에 투자하는 메커니즘을 분석한 논문）
• Garfield, E. (1955). Citation indexes for science: A new dimension in documentation through association of ideas. Science, 122(3159), 108–111.（논문의 인용 색인을 제안하고 과학 계량학의 기초를 마련한 논문）
• Gates, B. (1996). The road ahead (Rev. ed.). Penguin Books.（단기 변화를 과대평가하고 장기 변화를 과소평가하는 인간의 경향을 지적한 저작）
• Goldfarb, A., Taska, B., & Teodoridis, F. (2023). Could machine learning be a general purpose technology? A comparison of emerging technologies using data from online job postings. Research Policy, 52(1), 104653.（온라인 채용공고 데이터를 활용하여 머신러닝이 범용 기술의 조건을 충족하는지 검증한 논문）
• Goldin, C. (2006). The quiet revolution that transformed women's employment, education, and family. American Economic Review, 96(2), 1–21.（여성의 고용과 커리어 형성 확대를 "조용한 혁명"으로 분석한 논문）
• Gompers, P. A., Gornall, W., Kaplan, S. N., & Strebulaev, I. A. (2020). How do venture capitalists make decisions? Journal of Financial Economics, 135(1), 169–190.（885명의 벤처캐피탈리스트 조사를 통해 투자 판단의 요인과 가중치를 규명한 논문）
• Goodhart, C. A. E. (1984). Monetary theory and practice: The UK experience. Macmillan.（통계량이 정책 목표가 되면 지표로서의 신뢰성을 잃는다는 "굿하트의 법칙"을 제시한 저작）
• Goodwin, P., Dyussekeneva, K., & Meeran, S. (2013). The use of analogies in forecasting the annual sales of new electronics products. IMA Journal of Management Mathematics, 24(4), 407–423.（유사 제품의 유추를 활용한 신제품 매출 예측이 판단만을 기반으로 한 예측보다 정확함을 보여준 논문）
• Graham, P. (2012). How to get startup ideas. Y Combinator.（"미래에 살면서 부족한 것을 만들어라"는 창업 아이디어 발견법을 제시한 에세이）
• Griliches, Z. (1957). Hybrid corn: An exploration in the economics of technological change. Econometrica, 25(4), 501–522.（하이브리드 옥수수의 보급 S자 곡선을 계량적으로 분석하여 보급 속도가 수익성에 비례함을 보여준 논문）
• Gross, B. (2015). The single biggest reason why start-ups succeed [Video]. TED Conferences.（200개 이상 기업의 분석을 통해 타이밍이 성공의 최대 요인임을 보여준 강연）
• Grove, A. S. (1996). Only the paranoid survive: How to exploit the crisis points that challenge every company. Currency Doubleday.（PC 산업이 수직 통합에서 수평 분업으로 전환될 때 이익의 이동을 당사자가 분석한 저작）
• Habegger, B. (2010). Strategic foresight in public policy: Reviewing the experiences of the UK, Singapore, and the Netherlands. Futures, 42(1), 49–58.（싱가포르 RAHS를 포함한 각국 정부의 포사이트 제도를 비교한 논문）
• Halawi, D., Zhang, F., Yueh-Han, C., & Steinhardt, J. (2024). Approaching human-level forecasting with language models. arXiv preprint arXiv:2402.18563.（검색으로 정보를 보강한 LLM이 인간 예측 집단에 가까운 정확도를 보여준 논문）
• Hall, B. H., Jaffe, A., & Trajtenberg, M. (2005). Market value and patent citations. RAND Journal of Economics, 36(1), 16–38.（인용 빈도가 많은 특허일수록 기업 가치에 대한 기여가 크다는 것을 실증한 논문）
• Hamming, R. W. (1986). You and your research [Lecture]. Bell Communications Research Colloquium Seminar.（큰 성과를 내는 연구자는 중요한 문제를 선택하고 열리는 영역에 일찍 진입한다고 논한 강연）
• Hayek, F. A. (1945). The use of knowledge in society. American Economic Review, 35(4), 519–530.（가격이 분산된 지식을 집약하는 기능을 가진다는 것을 논한, 예측 시장의 이론적 기초가 되는 논문）
• Hill, R., Yin, Y., Stein, C., Wang, X., Wang, D., & Jones, B. F. (2025). The pivot penalty in research. Nature, 642, 999–1006.（연구자가 전문 분야에서 벗어나 주제를 전환하면 임팩트가 하락함을 대규모 데이터로 보여준 논문）
• Jacobsson, S., & Lauber, V. (2006). The politics and policy of energy system transformation—explaining the German diffusion of renewable energy technology. Energy Policy, 34(3), 256–276.（독일 재생 에너지법의 성립 과정과 태양광 시장을 입지시킨 경위를 분석한 논문）
• Kahn, H., & Wiener, A. J. (1967). The year 2000: A framework for speculation on the next thirty-three years. Macmillan.（RAND 연구소 발원의 시나리오 기법을 체계화한 시나리오 플래닝의 고전）
• Kahneman, D., & Tversky, A. (1979). Intuitive prediction: Biases and corrective procedures. TIMS Studies in Management Science, 12, 313–327.（계획 오류와 외부 관점(참조 클래스)에 의한 수정 절차를 제시한 논문）
• Karger, E., Bastani, H., Yueh-Han, C., Jacobs, Z., Halawi, D., Zhang, F., & Tetlock, P. E. (2024). ForecastBench: A dynamic benchmark of AI forecasting capabilities. arXiv preprint arXiv:2409.19839.（지속적으로 업데이트되는 벤치마크에서 최첨단 LLM이 여전히 슈퍼포캐스터에 미치지 못함을 보여준 논문）
• Karikó, K., Buckstein, M., Ni, H., & Weissman, D. (2005). Suppression of RNA recognition by Toll-like receptors: The impact of nucleoside modification and the evolutionary origin of RNA. Immunity, 23(2), 165–175.（mRNA 백신의 기반이 된 수정 뉴클레오사이드 방법을 제시하여 2023년 노벨상의 대상이 된 논문）
• Keating, G. (2012). Netflixed: The epic battle for America's eyeballs. Portfolio/Penguin.（Netflix가 창업 초기부터 스트리밍으로의 전환을 예상하고 자사의 주력 사업을 대체한 경위를 그린 저작）
• Kerr, W. R., Nanda, R., & Rhodes-Kropf, M. (2014). Entrepreneurship as experimentation. Journal of Economic Perspectives, 28(3), 25–48.（VC의 수익이 소수의 대성공에 의존하는 편향된 분포를 가지며, 투자가 실험으로 기능함을 보여준 논문）
• Kharas, H. (2017). The unprecedented expansion of the global middle class: An update (Global Economy & Development Working Paper No. 100). Brookings Institution.（세계 중간층 인구의 급속한 확대와 아시아로의 집중을 추계한 논문）
• Knight, F. H. (1921). Risk, uncertainty and profit. Houghton Mifflin.（확률을 계산할 수 있는 리스크와 계산할 수 없는 불확실성을 구별한 경제학의 고전）
• Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25, 1097–1105.（GPU로 훈련한 깊은 신경망이 이미지 인식에서 압도적으로 우수하며, 딥러닝 붐의 시작점이 된 논문）
• Lafond, F., Bailey, A. G., Bakker, J. D., Rebois, D., Zadourian, R., McSharry, P., & Farmer, J. D. (2018). How well do experience curves predict technological progress? A method for making distributional forecasts. Technological Forecasting and Social Change, 128, 104–117.（경험곡선에 기반한 확률분포 예측 방법을 제안하고 50개 이상의 기술로 검증한 논문）
• Lee, C., Kwon, O., Kim, M., & Kwon, D. (2018). Early identification of emerging technologies: A machine learning approach using multiple patent indicators. Technological Forecasting and Social Change, 127, 291–303.（복수의 특허 지표와 머신러닝으로 신흥 기술을 조기에 특정하는 방법을 제시한 논문）
• Lee, J., Veloso, F. M., & Hounshell, D. A. (2011). Linking induced technological change, and environmental regulation: Evidence from patenting in the U.S. auto industry. Research Policy, 40(9), 1240–1252.（미국의 배기가스 규제가 자동차산업의 배기가스 정화 기술 특허출원을 유발했음을 실증한 논문）
• Levitt, T. (1983). The marketing imagination. Free Press.（"고객은 드릴이 아니라 구멍을 원한다"는 통찰을 널리 알린 저작）
• Lilien, G. L., Morrison, P. D., Searls, K., Sonnack, M., & von Hippel, E. (2002). Performance assessment of the lead user idea-generation process for new product development. Management Science, 48(8), 1042–1059.（3M사에서 리드유저 방법이 일반적 방법의 약 8배의 매출 잠재력을 창출했음을 보인 논문）
• Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2018). Statistical and machine learning forecasting methods: Concerns and ways forward. PLoS ONE, 13(3), e0194889.（순수 머신러닝 방법이 단순한 통계 방법에 미치지 못함을 보이고, 예측에서의 머신러닝의 한계를 정리한 논문）
• Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2020). The M4 Competition: 100,000 time series and 61 forecasting methods. International Journal of Forecasting, 36(1), 54–74.（10만 시계열의 예측 경쟁에서 복수 방법의 조합이 가장 정확했음을 보고한 논문）
• Marx, M., & Fuegi, A. (2020). Reliance on science: Worldwide front-page patent citations to scientific articles. Strategic Management Journal, 41(9), 1572–1594.（특허가 인용하는 논문의 데이터베이스를 구축하여 과학과 산업의 연결을 대규모로 추적 가능하게 한 논문）
• Mathews, J. A. (1997). A Silicon Valley of the East: Creating Taiwan's semiconductor industry. California Management Review, 39(4), 26–54.（대만 정부가 ITRI과 TSMC를 통해 반도체산업을 창출한 과정을 분석한 논문）
• Mazzucato, M. (2013). The entrepreneurial state: Debunking public vs. private sector myths. Anthem Press.（iPhone을 구성하는 주요 기술 대다수가 공적 연구자금에서 비롯되었음을 보이고, 국가의 선행 투자 역할을 논한 저작）
• Mellers, B., Ungar, L., Baron, J., Ramos, J., Gurcay, B., Fincher, K., Scott, S. E., Moore, D., Atanasov, P., Swift, S. A., Murray, T., Stone, E., & Tetlock, P. E. (2014). Psychological strategies for winning a geopolitical forecasting tournament. Psychological Science, 25(5), 1106–1115.（훈련·팀화·확률 업데이트가 예측 정확도를 대폭 높임을 예측 토너먼트로 실증한 논문）
• Meng, J., Way, R., Verdolini, E., & Diaz Anadon, L. (2021). Comparing expert elicitation and model-based probabilistic technology cost forecasts for the energy transition. Proceedings of the National Academy of Sciences, 118(27), e1917165118.（에너지 기술의 비용 예측에서 통계 모델이 전문가의 추정을 상회하며, 전문가가 비용 저하를 과소 평가함을 보인 논문）
• Merton, R. K. (1948). The self-fulfilling prophecy. Antioch Review, 8(2), 193–210.（예측이 대상의 행동을 변경하여 스스로를 실현시키는 "자기충족적 예언"을 정식화한 논문）
• Myers, K. (2020). The elasticity of science. American Economic Journal: Applied Economics, 12(4), 103–134.（사용처 지정 연구자금에 따라 연구자들이 주제를 이동함을 NIH 데이터로 실증한 논문）
• Nagy, B., Farmer, J. D., Bui, Q. M., & Trancik, J. E. (2013). Statistical basis for predicting technological progress. PLoS ONE, 8(2), e52669.（62개 기술 데이터로 라이트의 법칙의 예측력을 검증한 논문）
• Park, M., Leahey, E., & Funk, R. J. (2023). Papers and patents are becoming less disruptive over time. Nature, 613, 138–144.（4,500만 편의 논문과 390만 건의 특허에서 파괴적인 성과의 비율이 지속적으로 감소하고 있음을 보인 논문）
• Perez, C. (2002). Technological revolutions and financial capital: The dynamics of bubbles and golden ages. Edward Elgar.（기술혁명이 도입기·버블·전환점·전개기를 거치는 과정을 5개의 파동으로 보인 저작）
• Popp, D. (2002). Induced innovation and energy prices. American Economic Review, 92(1), 160–180.（에너지 가격 상승이 에너지절약 기술의 특허출원을 유발함을 실증한 논문）
• Porter, M. E., & van der Linde, C. (1995). Toward a new conception of the environment-competitiveness relationship. Journal of Economic Perspectives, 9(4), 97–118.（적절하게 설계된 규제가 혁신과 신시장을 촉진함을 논한 논문）
• Raina, R., Madhavan, A., & Ng, A. Y. (2009). Large-scale deep unsupervised learning using graphics processors. Proceedings of the 26th Annual International Conference on Machine Learning, 873–880.（GPU가 딥러닝 훈련을 대폭 고속화함을 보이고, GPU 계산 수요의 선행 신호가 된 논문）
• Rogers, E. M. (1962). Diffusion of innovations. Free Press.（혁신의 확산이 S자 곡선을 그림을 보인 확산 이론의 원전）
• Rohrbeck, R., & Kum, M. E. (2018). Corporate foresight and its impact on firm performance: A longitudinal analysis. Technological Forecasting and Social Change, 129, 105–116.（포어사이트 기능을 갖춘 기업이 7년 후 높은 수익률과 성장률을 보임을 실증한 논문）
• Rohrbeck, R., Battistella, C., & Huizingh, E. (2015). Corporate foresight: An emerging field with a rich tradition. Technological Forecasting and Social Change, 101, 1–9.（기업 포어사이트의 연구 영역을 정리하고, 예측과의 관계를 위치지은 논문）
• Rotolo, D., Hicks, D., & Martin, B. R. (2015). What is an emerging technology? Research Policy, 44(10), 1827–1843.（신흥 기술을 5가지 속성으로 정의하고 후속 연구의 공통 프레임워크를 제시한 논문）
• Rowe, G., & Wright, G. (1999). The Delphi technique as a forecasting tool: Issues and analysis. International Journal of Forecasting, 15(4), 353–375.（델파이 방법의 예측 정확도를 실증 연구 검토로 검증한 논문）
• Ryan, B., & Gross, N. C. (1943). The diffusion of hybrid seed corn in two Iowa communities. Rural Sociology, 8(1), 15–24.（혁신의 채택이 S자 곡선을 그린다는 사실을 최초로 발견한 확산 연구의 원점）
• Satopää, V. A., Baron, J., Foster, D. P., Mellers, B. A., Tetlock, P. E., & Ungar, L. H. (2014). Combining multiple probability predictions using a simple logit model. International Journal of Forecasting, 30(2), 344–356.（집단의 확률 예측을 극단화하여 집계하면 정확도가 올라감을 보인 논문）
• Scherer, F. M., & Harhoff, D. (2000). Technology policy for a world of skew-distributed outcomes. Research Policy, 29(4–5), 559–566.（발명의 경제적 가치가 극단적으로 편향된 분포를 가지며 소수가 가치의 대부분을 차지함을 보인 논문）
• Schmookler, J. (1966). Invention and economic growth. Harvard University Press.（발명의 방향이 수요의 크기에 반응함을 보인 수요견인설의 고전）
• Schoemaker, P. J. H. (1995). Scenario planning: A tool for strategic thinking. Sloan Management Review, 36(2), 25–40.（시나리오 플래닝의 절차와 전략적 의의를 정리한 논문）
• Schoemaker, P. J. H., & Day, G. S. (2009). How to make sense of weak signals. MIT Sloan Management Review, 50(3), 81–89.（약한 신호를 조직적으로 감지하고 해석하는 방법을 보인 논문）
• Schoenegger, P., Park, P. S., Karger, E., Trott, S., & Tetlock, P. E. (2024b). AI-augmented predictions: LLM assistants improve human forecasting accuracy. arXiv preprint arXiv:2402.07862.（LLM 어시스턴트를 지원받은 인간의 예측 정확도가 유의하게 개선됨을 보인 논문）
• Schoenegger, P., Tuminauskaite, I., Park, P. S., & Tetlock, P. E. (2024a). Wisdom of the silicon crowd: LLM ensemble prediction capabilities rival human crowd accuracy. Science Advances, 10(45), eadp1528.（LLM 앙상블이 인간의 집단지혜에 필적하는 예측 정확도를 보인 논문）
• Schwartz, P. (1991). The art of the long view: Planning for the future in an uncertain world. Doubleday.（Shell사의 시나리오 플래닝 실전을 체계화하고 1986년 원유 가격 폭락에 대한 대비를 그린 저작）
• Siegel, J. J. (2005). The future for investors: Why the tried and the true triumph over the bold and the new. Crown Business.（성장 산업 투자가 저수익으로 끝나는 '성장의 함정'을 장기 데이터로 보인 저작）
• Singh, A., Triulzi, G., & Magee, C. L. (2021). Technological improvement rate predictions for all technologies: Use of patent data and an extended domain description. Research Policy, 50(9), 104294.（특허 데이터로 1,757개 기술 영역의 연간 개선율을 예측한 논문）
• Sultan, F., Farley, J. U., & Lehmann, D. R. (1990). A meta-analysis of applications of diffusion models. Journal of Marketing Research, 27(1), 70–77.（213건의 Bass 모델 적용 연구를 메타 분석하여 혁신 계수와 모방 계수의 전형값을 보인 논문）
• Taleb, N. N. (2007). The black swan: The impact of the highly improbable. Random House.（결과의 분포가 정규분포에서 벗어나는 영역에서는 드문 사건이 결과를 지배하고 평균적 예측이 틀림을 논한 저작）
• Tetlock, P. E. (2005). Expert political judgment: How good is it? How can we know? Princeton University Press.（전문가의 예측 정확도를 20년간 추적하여 그 한계와 개선 가능성을 보인 저작）
• Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The art and science of prediction. Crown.（예측을 훈련 가능한 기술로 체계화한 저작）
• Tetlock, P. E., Mellers, B. A., & Scoblic, J. P. (2017). Bringing probability judgments into policy debates via forecasting tournaments. Science, 355(6324), 481–483.（예측 토너먼트를 정책 논쟁에 확률적 사고를 도입하는 수단으로 제안한 논문）
• Thiel, P., & Masters, B. (2014). Zero to one: Notes on startups, or how to build the future. Crown Business.（합의에서 벗어난 '숨겨진 진실'에 대한 투자를 논한 저작）
• Uzzi, B., Mukherjee, S., Stringer, M., & Jones, B. (2013). Atypical combinations and scientific impact. Science, 342(6157), 468–472.（높은 임팩트 논문이 정통 지식에 한 점의 이례적 조합을 더한 구성을 가짐을 보인 논문）
• Valentine, D. (2010). View from the top [Lecture]. Stanford Graduate School of Business.（Sequoia Capital 창립자가 시장 규모를 투자 판단의 첫 번째 기준으로 삼는 생각을 말한 강연）
• von Hippel, E. (1976). The dominant role of users in the scientific instrument innovation process. Research Policy, 5(3), 212–239.（과학 기기의 혁신 77%가 사용자에 의한 것임을 보이고 리드 유저 방법의 원점이 된 논문）
• von Hippel, E. (1986). Lead users: A source of novel product concepts. Management Science, 32(7), 791–805.（선단 사용자가 미래 수요를 선제하는 것을 보인 리드 유저 방법의 원론문）
• von Hippel, E., Thomke, S., & Sonnack, M. (1999). Creating breakthroughs at 3M. Harvard Business Review, 77(5), 47–57.（3M의 의료사업부가 리드 유저 방법으로 신제품 개념을 얻은 과정을 보고한 논문）
• Wack, P. (1985). Scenarios: Uncharted waters ahead. Harvard Business Review, 63(5), 72–89.（Shell사의 시나리오 플래닝 실전을 당사자가 보고한 논문）
• Wang, J., Veugelers, R., & Stephan, P. (2017). Bias against novelty in science: A cautionary tale for users of bibliometric indicators. Research Policy, 46(8), 1416–1436.（신규성이 높은 논문이 단기적으로 과소평가되고 장기적으로 높은 영향력을 갖는 것을 보인 논문）
• Way, R., Ives, M. C., Mealy, P., & Farmer, J. D. (2022). Empirically grounded technology forecasts and the energy transition. Joule, 6(9), 2057–2082.（경험 곡선에 기반한 확률 예측으로부터 에너지 전환을 빠르게 진행할수록 총 비용이 낮아짐을 보인 논문）
• Wetterstrand, K. A. (2023). DNA sequencing costs: Data. National Human Genome Research Institute.（인간 게놈 해독 비용의 추이를 보이는 공식 데이터）
• Witt, S. (2025). The thinking machine: Jensen Huang, Nvidia, and the world's most coveted microchip. Viking.（NVIDIA가 CUDA에 대한 선행 투자로 응용 시장의 출현을 기다린 경위를 그린 저작）
• Wolfers, J., & Zitzewitz, E. (2004). Prediction markets. Journal of Economic Perspectives, 18(2), 107–126.（예측 시장의 이론과 실증을 검토한 논문）
• Wright, T. P. (1936). Factors affecting the cost of airplanes. Journal of the Aeronautical Sciences, 3(4), 122–128.（누적 생산량과 비용 감소의 관계를 발견한 라이트의 법칙의 원론문）
• Zhou, Y., Dong, F., Liu, Y., Li, Z., Du, J., & Zhang, L. (2020). Forecasting emerging technologies using data augmentation and deep learning. Scientometrics, 123, 1–29.（데이터 확장과 심층 학습으로 신흥 기술을 예측하는 기법을 제시한 논문）
• Ziegler, M. S., & Trancik, J. E. (2021). Re-examining rates of lithium-ion battery technology improvement and cost decline. Energy & Environmental Science, 14(4), 1635–1651.（리튬이온 배터리의 비용이 경험 곡선을 따라 하락해온 것을 보여준 논문）
• 국립사회보장·인구문제연구소. (2023). 日本の将来推計人口(令和5年推計). 人口問題研究資料第347号.（일본의 고령화율 변화와 장래 추계를 나타내는 공적 자료）
• 科学技術·学術政策研究所. (2019). 第11回科学技術予測調査. NISTEP REPORT No. 183.（1971년부터 약 5년마다 계속되는 일본의 델파이 조사의 최신 보고）