IT 기반 동적 역량의 적합도 지형 모델

초록

본 논문은 기업의 IT‑활용 동적 역량(ITDC)을 다섯 가지 핵심 요소(감지, 학습, 조정, 통합, 재구성)로 정의하고, 이들 간의 상호작용 정도(K)를 변수로 하는 NK 모델을 활용해 적합도(성능) 지형을 시뮬레이션한다. 설문조사 기반 경로계수를 가중치로 적용하고, K = 0‒4 범위에서 5회·10 000회씩 총 50 000번의 적응적 탐색을 수행한다. 결과는 상호의존성이 낮은 중간 수준(K≈2)에서 가장 높은 평균 적합도가 도출되며, 과도하거나 전혀 없는 연계는 성과를 저해한다는 점을 제시한다.

상세 분석

이 연구는 복잡성 과학의 관점을 IT‑enabled Dynamic Capabilities(ITDC)에 적용함으로써, 기존의 정성적·집계적 접근을 정량적 시뮬레이션으로 확장한다. 먼저 저자는 ITDC를 감지(SEN), 학습(LRN), 조정(CRD), 통합(INT), 재구성(REC)이라는 다섯 가지 요소(N = 5)로 구분하고, 각 요소가 기업 성과에 미치는 영향을 기존 실증 연구에서 도출된 경로계수(β)로 가중치(φ)화한다. 이는 NK 모델의 전통적 가정인 균등 가중치와 달리, 실제 조직에서 나타나는 능력 간 보완성을 반영한다.

NK 모델 자체는 N개의 이진 변수와 각 변수마다 K개의 다른 변수와의 상호작용을 정의한다. K가 0이면 각 요소는 독립적으로 작용해 단일 평탄한 적합도 피크를 만든다; K가 N‑1이면 완전 연결된 복잡한 지형이 형성돼 많은 로컬 옵티마와 높은 변동성을 보인다. 저자는 K 값을 0부터 4까지 변화시키며, 각 K에 대해 10 000번의 적응적 워크(adaptive walk)를 5번 반복해 총 50 000번의 시뮬레이션을 수행한다. 적합도는 각 이진 조합에 대해 무작위(0‑1)로 할당된 f_i 값을 φ 가중치와 곱해 평균을 구함으로써 계산된다.

시뮬레이션 결과는 K = 2일 때 평균 적합도가 최고임을 보여준다. 이는 K가 너무 낮아(완전 독립) 시너지 효과가 부족하고, K가 너무 높아(완전 연결) 상충되는 제약이 많아 최적점에 도달하기 어려운 상황을 반증한다. 중간 수준의 상호의존성은 충분한 협업을 가능하게 하면서도 탐색 공간을 과도하게 파편화하지 않아, 기업이 보다 효율적으로 높은 성과 지점을 찾을 수 있게 한다. 또한, K = 2에서 로컬 옵티마 간 거리가 짧아 적응적 워크가 빠르게 수렴한다는 Kauffman의 기존 이론과 일치한다.

이론적 기여는 네 가지로 요약된다. 첫째, 복잡성 과학과 NK 모델을 ITDC 연구에 적용한 새로운 분석 프레임을 제시한다. 둘째, 실증적 가중치를 도입해 전통적 NK 모델을 조직적 맥락에 맞게 확장한다. 셋째, 기업이 전략적 역량을 조정할 때 적절한 상호의존성 수준을 목표로 해야 함을 시뮬레이션을 통해 증명한다. 넷째, K = 2가 평균적으로 최적의 성과를 제공한다는 구체적 정책적·실무적 인사이트를 제공한다.

제한점으로는 이진화된 역량 표현이 실제 조직의 연속적·다차원적 특성을 단순화한다는 점, 무작위 적합도 할당이 실제 비즈니스 환경의 구조적 제약을 완전히 반영하지 못한다는 점, 그리고 시뮬레이션 파라미터(예: 변이율, 탐색 전략)가 제한적이었다는 점을 들 수 있다. 향후 연구에서는 다중 알레일(>2) 모델, 비선형 가중치, 실제 기업 데이터 기반의 적합도 함수 등을 도입해 모델의 현실성을 높일 필요가 있다.