국내 기업의 AI 거버넌스 제도 도입과 실행에 대한 탐색적 연구

Abstract

AI 기술의 급속한 확산에 따른 알고리즘의 불투명성, 편향성, 그리고 책임 소재의 모호성 등 다차원적 리스크가 증대되면서, 이를 체계적으로 관리하기 위한 AI 거버넌스의 중요성이 부각되고 있다. 본 연구는 국내 기업들이 AI 거버넌스를 도입하고 운영하는 실태를 실증적으로 분석하고, 기업 간 실행 수준의 차이를 야기하는 결정적 요인을 규명하고자 하였다. 연구 방법 국내 6개 기업(대기업 4개사, 중소기업 2개사)을 대상으로 심층 다중 사례 연구를 수행하였다. 분석의 이론적 틀로 제도 이론(Institutional Theory)과 번역 이론(Translation Theory)을 결합하여, 조직 내에서 AI 거버넌스 제도가 수용되는 과정에서의 동형화(Isomorphism)와 디커플링(Decoupling) 현상을 다층적으로 고찰하였다. 연구 분석 결과, 대부분의 기업은 외부의 규범적·모방적 압력에 의해 외형적으로 유사한 공식 구조를 도입하는 동형화 경향을 보였으나, 실제 실행 단계에서는 이질적인 양상을 나타냈다. AI 전략의 필요성 강도와 기술 개발 방식(자체 개발 vs 외부 의존)에 따라 고결합(High Coupling)부터 완전한 디커플링까지 다양한 실행 격차가 확인되었다. 특히 외부 기술 의존도가 높을수록 위험 관리 책임을 공급자에게 전가하려는 경향이 강해지며 내부 거버넌스 실행력이 약화되는 기전이 발견되었다. 연구의 기여도 학술적으로 본 연구는 기존 조직 이론에서 주로 다루어 온 정적인 제도 논의를 신기술 영역인 AI 거버넌스 분야로 확장하여 적용했다는 데 의의가 있다. AI 기술이 조직 내에서 재해석되는 과정을 제도 이론적 관점에서 분석함으로써 기술 거버넌스 이론의 학문적 범위를 넓혔다. 실무적으로는 AI 거버넌스가 형식적 선언에 그치지 않도록 전담 조직의 위계적 권한 강화와 비즈니스 전략과의 긴밀한 연계가 필수적임을 입증하였으며, 이를 통해 기업들이 자사의 맥락에 부응하는 체계를 구축할 수 있는 실질적인 로드맵을 제시하였다. ;As the rapid diffusion of AI technologies has intensified multidimensional risks—such as algorithmic opacity, bias, and ambiguity in accountability—the importance of AI governance as a systematic mechanism for managing these risks has gained increasing attention. This study empirically examines how domestic firms adopt and operate AI governance and seeks to identify the key determinants that explain cross-firm variation in levels of implementation. This study employs an in-depth multiple case study of six domestic firms (four large enterprises and two small and medium-sized enterprises). Drawing on an integrated theoretical framework that combines Institutional Theory and Translation Theory, the analysis explores processes of isomorphism and decoupling that emerge as AI governance is adopted and enacted within organizations. This approach enables a multi-level examination of how formally similar governance structures are interpreted and translated into practice. The findings indicate that most firms exhibit isomorphic tendencies by adopting externally legitimized and structurally similar formal AI governance arrangements, largely driven by normative and mimetic pressures. However, substantial heterogeneity emerges at the level of actual implementation. Depending on the perceived strategic importance of AI and the mode of technological development (in-house development versus reliance on external providers), firms display varying degrees of coupling, ranging from high coupling to complete decoupling between formal structures and operational practices. Notably, higher dependence on external AI technologies is associated with a stronger tendency to shift risk management responsibilities to technology providers, thereby weakening internal governance capacity. From a theoretical perspective, this study extends institutional analysis—traditionally applied to relatively stable organizational practices—into the emerging and dynamic domain of AI governance. By examining how AI technologies and governance arrangements are reinterpreted and translated within organizations, the study broadens the scope of technology governance research through an institutional lens. From a practical perspective, the findings demonstrate that effective AI governance requires more than symbolic adoption; it depends critically on strengthening the hierarchical authority of dedicated governance bodies and aligning AI governance closely with core business strategy. In doing so, this study provides a practical roadmap for firms seeking to design AI governance systems that are responsive to their specific organizational contexts.