KDI 보고서… 중기 지원정책에 머신러닝 분석
머신러닝, 기업 매출액 증가율 예측도 높아
“AI 예측을 대상 분별하는 정보로 활용해야”

중소기업 지원 대상을 선정하는 과정에서 인공지능(AI) 기술을 도입하면 성장 잠재력이 큰 기업을 선별할 수 있어 지원 정책의 효율성을 높일 수 있다는 분석이 나왔다.

한국개발연구원(KDI)의 김민호 연구위원과 한재필 가천대 교수는 14일 발표한 ‘AI 기술, 지원정책의 효과를 높일 수 있을까?’ 보고서에서 정부 정책에 AI 기술을 적용할 경우 정책 효과성을 제고할 수 있다며 중소기업 지원정책에 대한 머신러닝 분석 결과를 제시했다.

보고서에서는 중소기업 지원사업 중 주요 사업인 창업 지원사업의 대상이 되는 업력 0~6년의 중소기업을 분석 대상으로 삼았다. 대상 기업 중 중소벤처기업부의 지원을 받은 기업의 매출액 증가율은 연평균 13.6%인 반면, 지원을 받지 않은 기업은 26.3%로 정책 효율성이 떨어지는 것으로 나타났다.

반면 머신러닝 모델로 매출액 증가율을 예측해 분석 대상 기업을 상위 30%(고성장 예측)와 하위 70%(저성장 예측) 그룹으로 구분한 결과, 상위 30%의 실제 매출액 증가율은 하위 70%에 비해 10배 이상 컸다. 머신러닝 모델의 예측 정확성이 높았다는 의미다.

아울러 중기부의 지원을 받은 기업으로 한정해 머신러닝 모델로 분석할 경우, 성장률 예측 상위 30% 기업의 실제 성과가 하위 70% 기업보다 높게 나타났다. 김 위원 등은 “자금이 지원된 기업의 성과(매출액 및 영업이익 증가율)뿐만 아니라 투자지표(총자산 증가율) 또한 비지원 기업에 비해 낮게 나타나 현행 정책 대상 선별 방식이 기업의 성장을 위해 자금이 필요한 기업을 제대로 분별하지 못하고 있을 가능성이 제기된다”고 밝혔다.

김 위원 등은 “지원 대상 선별 시 AI에 전적으로 의존하기보다는 예측 결과를 지원 효과가 높은 대상을 분별하는 데 유용한 정보로 활용하고, 효과가 낮게 예측된 대상 중에서도 심사를 통해 선별하는 방안을 고려할 필요가 있다”고 제언했다.

이에 따라 교육, 의료, 치안, 국방, 기업 지원 등 예산 규모가 크고 정책의 효과성 제고가 절실한 부문을 중심으로 데이터 기반 정책 체계로 전환하기 위한 국가적 전략이 수립될 필요가 있다고 김 위원 등은 제시했다.

특히 부처 간 효율적이고 실효성 있는 정책 정보의 교류를 위해 정책 조정 권한과 법적 근거를 갖춘 조직 체계가 구축될 필요가 있다고 봤다. 김 위원 등은 “각 부처에서 생산·수집된 정부 사업 데이터에 기반해 정책 분석을 전담하는 ‘정책효과성예측센터(가칭)’를 별도로 설치·운용해 전문 인력들이 지속적으로 정책 효과를 추적할 수 있는 체계 마련해야 한다”고 말했다.