본 논문은 생성형 AI 비즈니스의 무형자산 기여도 측정에 관한 선행연구를 검토한 뒤, 생성형 AI 서비스의 성과를 데이터, 모델, 평가/안전, 조직/채널 등 복수의 무형자산으로 분해 하여 직접 효과와 시너지로 설명하는 실무형 모형을 제시한다. 도입 전후 성과에서 기본 성장률을 제외해 순수 개선분을 구하고, 소규모 실험전후 비교, 로그 분석으로 자산지표의 민감도(탄력도)를 추정해 자산별 직접기여를 산출한다. 잔차는 시너지로 정의하고, 초기에는 균등 배분, 이후에는 직접효과 비중에 따라 배분하며, 핵심 자산에는 간이 Shapley를 보조 적용한다. 이 결과는 로열티 설계, 공동개발 분담, PPA 등 현금흐름 의사결정에 바로 활용될 수 있다. 데이터 사전, 버전 고정, 사건 로그, 품질 점검으로 재현성을 확보하고, 신뢰도 가중, 민감도 검증, 상 하한(collar/floor), 정기 재산정으로 운영 안정성을 높인다. 본 모형은 간결하고 검증 가능하나, 강한 비선형성, 지연 효과, 네트워크 효과 등을 포착하기에는 한계가 있어 구간별 재추정과 보완적(추가) 식별이 필요 하다.

This paper reviews prior work on contribution measurement of generative AI-related intangible assets and presents a practical framework that attributes generative AI performance to multiple intangible assets - data, models, evaluation/safety, and organization/channels - by separating direct effects from synergy. This study computes baseline-adjusted gains from pre/post outcomes and then estimates asset elasticities using lightweight experiments, before after comparisons, and log analysis to obtain direct contributions. The remaining part is defined as synergy, split equally at first and later in proportion to direct effects, with a lightweight Shapley adjustment for small core sets. The resulting asset shares inform cash-flow decisions such as royalty design, co-development splits, and PPA. Data dictionaries, version pinning, event logs, and quality checks ensure reproducibility; reliability weighting, sensitivity checks, floors/collars, and periodic re-estimation enhance operational robustness. The approach is simple and verifiable but limited in capturing strong nonlinearity, lags, and network effects, motivating interval re-estimation and complementary identification.

<목 차>
국문초록
Abstract
Ⅰ. 서론 및 연구배경
Ⅱ. 선행연구 검토 및 연구의 차별성
    1. 무형자산 가치평가 논의와 생성형 AI 무형자산의 범주화
    2. 생성형 AI 성과의 기여도 추정과 배분
    3. 본 연구의 차별성: 실무형 기여도 모형과 평가-의사결정 연계
Ⅲ. 생성형 AI 비즈니스의 무형자산 특성
    1. 기능 및 권리 기반의 무형자산 분류와 측정지표
    2. 거래 유형과 가격/보상 메커니즘
    3. 보완성, 거버넌스, 계약 설계의 제약조건
Ⅳ. 무형자산 가치 기여도 측정모형
    1. 성과 개선분의 정규화
    2. 탄력도(εj) 추정과 직접기여(Dj) 계산
    3. 상호작용(시너지, )의 정의와 배분 규칙
    4. 최종 기여비율( )과 현금흐름, 가치, 로열티 연결
    5. 기여도 산출결과의 검증
Ⅴ. 관련 변수 측정 체계와 데이터 설계
    1. 측정 설계: 성과변수, 베이스라인, 시간 구조의 확정
    2. 자산지표의 정의와 데이터 설계
    3. 추정 체계
Ⅵ. 결론 및 시사점
참고문헌

• 박현우(더랩아이.The LAB-i 대표) | Hyun-Woo Park