영국 AI 경제: 코드·자본·클러스터가 기업 성과에 미치는 영향

초록

본 연구는 2000‑2024년 영국 AI 기업 4,392개(활동 기업 3,143개, 해산 기업 398개)를 대상으로 기업 규모, AI 전문화 정도, 지역 인구·교육·고용 등 사회경제적 요인이 매출에 미치는 영향을 정량적으로 분석한다. 런던에 기업이 41 % 집중돼 있으며, 일반 금융 서비스 부문이 평균 매출 3,390만 파운드로 최고이다. 기업 규모와 AI 전문화 점수가 매출의 주요 결정 요인으로 작용하고, 레벨 3 학력 비율·인구 밀도·고용 수준 등 지역 요인도 유의미한 보조 효과를 보인다. 2030년까지 AI 기업 수는 4,651개(95 % 신뢰구간 4,323‑4,979)로 성장하되 해산 비율이 상승해 성장 둔화와 산업 통합이 진행될 것으로 예측한다. 정책 입안자는 런던 외 지역에 AI 역량을 확산하고, 자본 지원과 기술 심화 지원을 구분해 균형 잡힌 생태계 조성을 목표로 해야 한다.

상세 분석

본 논문은 영국 AI 기업 생태계를 ‘코드·자본·클러스터’라는 세 축으로 해석한다. 데이터는 Companies House, ONS 인구·교육·고용 통계, 그리고 glass.ai의 웹 크롤링 결과를 결합해 구축했으며, 2000‑2024년 25년간의 기업 등록·해산 흐름을 포괄한다. 분석 방법은 크게 두 부분으로 나뉜다. 첫째, 기업 수준 변수(직원 수, 서비스 연수, 매출, 섹터, SIC 코드, TF‑IDF 기반 AI 전문화 점수)와 지역 수준 변수(포스트코드당 인구 밀도, 레벨 3·레벨 4+ 학력 비율, 정보통신·금융·전문 직종 고용 비중)를 입력 변수로, 운영 매출과 매출/직원당 매출을 종속 변수로 하는 CatBoost 회귀 모델을 구축했다. 모델은 80 % 학습·20 % 검증으로 훈련했으며, R²와 RMSE를 통해 성능을 평가했다. SHAP 해석을 적용해 변수 중요도를 정량화했으며, 주요 결과는 다음과 같다.

1. 기업 규모(직원 수)와 AI 전문화 점수가 매출 예측에 가장 큰 기여를 한다. 직원 수가 10명 이하인 초소형 기업은 매출 변동성이 크지만, 20‑200명 규모의 중형 기업이 평균 매출을 크게 끌어올린다. AI 전문화 점수는 TF‑IDF 가중치를 기반으로 산출했으며, ‘머신러닝’, ‘자연어 처리’, ‘예측 분석’ 등 핵심 키워드가 높은 점수를 부여받은 기업이 매출 성장률이 현저히 높았다.

2. 지역 사회경제적 요인은 직접적인 매출 결정 요인은 아니지만, 보조적인 역할을 한다. 레벨 3 학력 비율이 높은 포스트코드(즉, A‑Level 수준 교육 인구 비중이 높은 지역)에서는 AI 기업의 매출이 평균 5‑7 % 상승한다. 이는 고급 인력이 지역 내 인재 풀을 형성해 기술 채용 비용을 낮추고, 혁신 네트워크를 촉진하기 때문으로 해석된다. 인구 밀도와 정보통신·금융·전문 직종 고용 비중 역시 매출에 양의 영향을 미치며, 특히 런던 중심부와 남동부 영국에서 이러한 효과가 두드러졌다.

3. 섹터별 매출 차이도 뚜렷하다. 일반 금융 서비스 부문(33개 기업 평균 매출 3,390만 파운드)이 가장 높은 평균 매출을 기록했으며, 이어 컴퓨터 소프트웨어·IT 서비스 부문이 뒤를 이었다. 반면, 바이오테크·헬스케어 부문은 평균 매출이 낮았지만, 일부 고도 전문화 기업은 높은 매출을 달성하는 ‘극단적 분포’를 보였다.

두 번째 분석은 시계열 모델(ARIMA, Theta, ETS, MFLES)과 TPE 기반 하이퍼파라미터 최적화를 이용해 2025‑2030년까지 네 가지 핵심 지표(전체 AI 기업 수, 활성 기업 수, 해산 기업 수, 해산 비율)를 예측했다. 모델 선택은 RMSE·MAE 기준으로 최적 모델을 선정했으며, 95 % 신뢰구간을 제공하기 위해 Conformal Prediction을 적용했다. 예측 결과는 전체 기업 수가 2025년 3,800개에서 2030년 4,651개(95 % CI 4,323‑4,979)로 증가하지만, 해산 비율은 현재 1.5 % 수준에서 2.2 %까지 상승할 것으로 나타났다. 이는 신규 기업 유입이 둔화되고, 기존 기업 간 경쟁·통합이 가속화될 가능성을 시사한다.

정책적 함의는 크게 세 가지로 정리된다. 첫째, 지역 균형 발전을 위해 런던 외 지역에 AI 인프라·인재 양성 프로그램을 확대해야 한다. 둘째, 자본 지원과 기술 심화 지원을 구분해, 성장 단계에 있는 중소기업에는 자본 접근성을, 이미 일정 규모를 확보한 기업에는 AI 전문화·R&D 투자 확대를 유도한다. 셋째, 산업 통합 관리를 통해 해산 비율 상승이 무조건적인 부정적 현상이 아니라, 비효율 기업의 자연스러운 정리와 고부가가치 기업의 집중을 의미하도록 정책 설계가 필요하다.