7장은 “기술이 얼마나 빨리 좋아지는가”에서 한 걸음 옮겨 “사람들이 왜 그 기술을 채택하고, 왜 어떤 기술은 끝내 채택되지 않으며, 언제 기존 산업이 무너지는가”를 묻는다. Rogers의 diffusion model, 비채택과 불확실성, agent-based simulation, Utterback의 기술대체 파동, ice industry의 장기 사례, Christensen의 Innovator's Dilemma와 disk-drive disruption을 하나의 흐름으로 묶는다. 결론은 단순하다. 기술적 우월성은 필요할 수 있지만 충분조건은 아니다. 채택은 사회적 과정이고, disruption은 성능 그 자체보다 어떤 FOM을 중요하게 보는가가 바뀔 때 시작된다.
Diffusion of Innovations: 발명은 한 번 일어나지만 채택은 수백만 번의 의사결정으로 일어난다
Rogers의 핵심은 기술을 사람에게서 분리하지 않는 데 있다. 혁신은 정보, 불확실성, 시간, 사회적 네트워크를 통과해야 시장이 된다.
Everett M. Rogers의 Diffusion of Innovations는 1957년 Iowa 농촌지역의 농업혁신 채택 연구에서 출발했다. Rogers는 148명의 농부를 인터뷰하며 tractor 같은 electro-mechanical innovation은 빠르게 받아들이면서 hybrid corn seed나 2,4-D weed spray 같은 bio-chemical innovation은 늦게 받아들이는 현상을 관찰했다. 이 연구에서 오늘날 익숙한 “early adopters”라는 용어가 정착했다.
이 장에서 인용한 Rogers의 정의에 따르면 innovation은 개인이나 채택 단위가 새롭다고 인식하는 아이디어·관행·객체이다. 중요한 것은 객관적으로 세계 최초인가가 아니라 채택자에게 새롭게 인식되는가이다.
다섯 adopter categories
| CATEGORY | SHARE | ROLE IN THE MODEL |
|---|---|---|
| Innovators | 2.5% | 가장 먼저 새 아이디어를 시도한다. Rogers는 이동이 많고 폭넓게 읽으며 비교적 cosmopolitan한 성향을 언급한다. |
| Early adopters | 13.5% | 초기 성공사례를 만들고 다른 채택자에게 신뢰 가능한 신호를 제공한다. |
| Early majority | 34% | 초기 불확실성이 줄어든 뒤 본격적 대중확산을 만든다. |
| Late majority | 34% | 사회적·경제적 압력이 충분히 커진 뒤 채택한다. |
| Laggards | 16% | 가장 늦게 채택하거나 극단적으로는 끝내 채택하지 않는다. |
각 시점의 신규 채택자 분포를 Gaussian bell curve로 놓고 누적하면 adoption share는 logistic-like S-curve가 된다. 이때 S-curve는 기술성능 FOM의 포화곡선과 다른 개념이다. 7장은 이 구분을 뒤에서 다시 강조한다.
Hybrid seed corn: S-curve는 기다림과 증거의 누적을 기록한다
Iowa의 hybrid seed corn 사례에서 첫 채택은 1927년에 시작되고 연간 신규 채택은 1937년에 정점을 찍는다. 1936년 drought에서 이웃의 hybrid corn이 살아남는 모습을 본 Rogers의 아버지가 마침내 태도를 바꾼 이야기는 diffusion의 본질을 잘 보여준다. skeptics는 기술 설명보다 관찰 가능한 증거를 기다린다.
농업에서는 한 season 이상의 시간이 지나야 결과가 드러난다. 따라서 adoption delay는 단순한 보수성이 아니라 정보의 생성속도와 연결된다. 새 기술의 가치가 느리게 관찰되는 분야일수록 확산도 느릴 수 있다.
Peer network는 확산 속도를 바꾼다
Rogers가 복원한 Iowa weed-spray network에서는 1948년 farmer No.1이 agricultural scientist에게서 정보를 얻어 먼저 도입하고, 1950년 No.2가 뒤따른다. 이후 No.2가 opinion leader가 되어 1951–1956년 사이 여러 농부에게 영향을 준다. 한 기술의 채택은 익명의 시장 전체에서 동시에 일어나는 것이 아니라 구체적인 인간관계의 edge를 따라 이동한다.
Diffusion은 정보가 social network를 통과하는 과정이며, 기술확산의 거시곡선은 수많은 미시적 adopt / wait / do-not-adopt 결정의 누적결과다.
Epistemic uncertainty: 채택자는 모르는 것을 줄이려 한다
새 기술을 도입할 때 의사결정자는 기존 해법과 덜 알려진 해법 사이에서 uncertainty를 다룬다. 원서는 이미 사실이 존재하지만 의사결정자가 아직 알지 못하는 불확실성을 epistemic uncertainty라고 하고, 미래의 무작위 과정 자체 때문에 사실이 아직 정해지지 않은 경우를 aleatoric uncertainty와 대비한다.
잠재 채택자는 peer opinion, trade press, Internet 같은 정보원을 사용해 epistemic uncertainty를 줄인다. downside는 risk, upside는 opportunity다. 이 맥락에서 diffusion은 기술마케팅만의 문제가 아니라 evidence acquisition과 uncertainty reduction의 문제라고 읽을 수 있다.
QWERTY가 남기는 경고: 기술적으로 낫다고 널리 채택되는 것은 아니다
원서는 Dvorak keyboard가 typing efficiency를 목표로 설계되었지만 QWERTY를 대체하지 못한 사례를 소개한다. 다만 Dvorak의 우월성에 관한 Paul David의 고전적 설명은 Liebowitz와 Margolis(1990)에 의해 강하게 비판받았다는 반론도 각주에 명시한다. 이 장이 여기서 확정하는 것은 Dvorak의 절대적 우월성이 아니라 successful diffusion is not inevitable이라는 더 일반적인 명제다.
발명과 확산은 별개의 과정이다. Rogers가 제시한 성공적 diffusion의 네 구성요소는 (1) innovation, (2) communication channels, (3) time, (4) social system이다. 하나라도 취약하면 좋은 발명도 시장에 뿌리내리지 못할 수 있다.
Mobile phone과 Internet: 최신 communication technology는 다른 기술의 확산까지 가속한다
Finland의 mobile-phone adoption은 1981–2002년 빠르게 상승했지만 원서의 도표에서는 20년이 지난 뒤에도 20% 이상이 미채택 상태로 남아 있었다. 이유는 affordability, mistrust, perceived need의 부재, awareness 부족 등 다양할 수 있다.
Internet은 자기 자신도 빠르게 확산했지만, peer-rating과 online information을 통해 다른 기술의 adoption을 가속하는 meta-infrastructure가 되었다. ARPANET 이후 대중 Internet이 형성되기까지 약 20년이 걸렸고, WWW/HTML, browser, commercial application 같은 complementary innovations가 광범위한 diffusion의 핵심이었다.
Centralized vs. decentralized diffusion
프랑스의 nuclear adoption은 1973년 oil crisis와 국내 oil/gas 부족에 대한 국가 전략이 change agent 역할을 한 사례다. 원서는 높은 nuclear share가 전력기반을 통해 EV adoption의 잠재조건과도 연결될 수 있다고 해석한다.
S-curve를 만들어내는 최소모형: 한 명의 adopter와 반복되는 접촉
7장은 Rogers의 질적 이론을 매우 단순한 stochastic agent-based model로 옮긴다.
모델의 기본상태는 간단하다. 인구 \(N\)명의 agent가 있고 모두 기존 기술을 사용하므로 adoption flag는 처음에 0이다. 한 명만 초기 adopter로 시작하고, 각 adopter는 매 time period마다 \(C\)명의 nonadopter와 접촉한다. 개인별 adoption predisposition은 Gaussian 분포에서 생성되고, random decision variable과 비교해 채택 여부를 정한다.
기본 실행 결과
원서의 한 실행에서는 초기에 확산이 느리다가 약 10 time periods 후 take-off가 나타나고, t=21에서 50% midpoint에 도달하며, t=40 이후 거의 전 인구가 adopter가 된다. Gaussian distribution의 tail 때문에 정확히 100%에는 도달하지 않는다고 설명한다.
이 모델은 stochastic하다. 10회 실행하면 midpoint가 21–28 사이로 달라진다. contact를 1에서 5로 늘리면 midpoint가 약 t=8로 줄어 약 3배 빨라지고, population을 50,000으로 늘리면 midpoint가 약 t=30으로 늦어진다. communication frequency가 diffusion speed를 강하게 바꿀 수 있다는 직관을 수치적으로 확인하는 장치다.
모형의 한계가 곧 연구문제다
현실의 social contacts는 random하지 않고 기존 network edge를 따라 발생한다. 개인은 한 번의 노출로 결정하지 않으며 여러 차례 exposure가 필요할 수 있다. 따라서 실제 diffusion model은 network topology, repeated exposure, heterogeneous trust, local influence, economic constraints 등을 더해야 한다.
더 어려운 문제는 calibration과 validation이다. 단순한 S-curve를 그린다고 현실의 causal mechanism을 설명한 것은 아니다. 실제 adoption data에 맞춰 parameter를 보정하고 독립 데이터로 검증하는 과정이 어렵고 필수적이다.
Source integrity note: 본문 규칙과 Appendix code의 부등호가 서로 다르다
원서 본문은 random number \(n_r\)가 개인 predisposition \(n\)보다 작거나 같으면 채택한다고 설명한다. 그러나 Appendix의 MATLAB line은 반대 방향의 조건처럼 파싱된다. 이 웹페이지는 둘 중 하나를 임의로 수정하지 않는다. 아래 pseudocode는 장의 개념적 흐름만 보존한다.
즉, Appendix는 구현재현의 출발점이지만 inequality 방향은 원문 본문과 코드를 직접 대조해 확인해야 한다.
Adoption S-curve와 performance S-curve를 혼동하지 않는다
7장은 특히 이 구분을 강조한다. diffusion S-curve는 유한한 잠재 adopter population에서 adoption share가 포화되는 현상이다. 반면 4장의 performance S-curve는 물리적·기술적 constraint 때문에 FOM 향상이 포화되는 가설이다. 후자는 실증적 보편성에 논쟁이 있지만 전자의 saturation pattern은 비교적 널리 받아들여진다.
또한 adopter population 자체가 성장해 \(N(t)\)가 변하면 100% saturation은 지연되거나 아예 관찰되지 않을 수 있다.
Nonadoption: 기술확산의 그래프에는 항상 남겨진 사람과 남기로 선택한 사람이 있다
100% adoption을 당연한 종착점으로 놓으면 기술격차, 문화, 비용, 데이터오류를 보지 못한다.
최근 consumer technology는 더 빠르게 50%에 도달했다
미국의 장기 adoption chart에서 telephone은 1905년 약 10%, 50% household adoption에는 약 1945년까지 걸린다. 반면 Internet과 여러 최근 information technologies는 50%에 10년 혹은 그보다 짧은 기간에 도달한다. 원서는 이를 late-20th/early-21st century consumer technology diffusion의 가속으로 읽는다.
하지만 diffusion은 monotonic하지 않다
1930년대 초 Great Depression 동안 telephone과 automobile adoption은 약 10% 후퇴한 것으로 나타나고, air travel도 1970년대 초 oil crisis와 inflation 시기에 소폭 후퇴한다. 설치된 기술의 adoption share도 경제충격에 의해 역행할 수 있다.
100% saturation도 보장되지 않는다
color television, credit card, social media처럼 오랫동안 존재한 기술도 모든 사람이 사용하지 않는다. 글로벌 관점에서는 refrigerator, central water supply 같은 기본 인프라도 지역별로 채택률이 크게 다르다. 따라서 local 또는 national adoption curve를 global universal law로 확대해석하면 오류가 생긴다.
원서는 adoption chart의 data validity 자체를 주요 연구문제로 든다. government statistics인지 survey인지 estimate인지, 측정단위가 household인지 individual인지, 지역별 비교가능성이 있는지에 따라 동일한 S-curve도 의미가 달라진다.
책이 제시하는 네 유형의 nonadoption
원서는 현대기술을 받아들이지 않는 인구를 네 범주로 예시한다. 이 분류는 2022년 저자의 설명틀이며 오늘날의 사회과학적 표준 taxonomy로 제시된 것은 아니다.
이 네 사례가 말하는 핵심은 사람을 “laggard” 하나로 뭉뚱그릴 수 없다는 점이다. 비채택은 정보부족, 비용, 가치충돌, 자발적 거부처럼 서로 다른 메커니즘을 가진다.
오래된 기술은 완전히 사라지지 않는다
7.2의 결론은 새로운 기술이 100% 채택되는 일은 드물고, 이전 기술은 niche에서 살아남는다는 것이다. 따라서 technology roadmap이 substitution을 0→100%의 단순 전환으로 가정하면 legacy niche, hybrid coexistence, 지역별 차이를 놓칠 수 있다.
Waves of Innovation: 기술 B는 A를 밀어내고, 다시 C에게 자리를 내준다
Utterback의 관점에서 disruption은 단일 신제품이 아니라 산업구조가 여러 세대의 기술로 재편되는 동학이다.
Rogers가 하나의 innovation이 사회에 퍼지는 과정을 보았다면 Jim Utterback은 여러 기술세대가 같은 기능을 놓고 연속적으로 경쟁하는 파동을 연구했다. established product는 초기 확산과 개선으로 시장을 키우고 incumbent industrial base를 만든다. 동시에 다른 physical principle을 가진 invading technology가 같은 기능을 노린다.
Utterback이 제시한 innovation waves
| INDUSTRY / FUNCTION | WAVES OF INNOVATION |
|---|---|
| Typewriters / document writing | manual → electric → word processors → personal computers with word-processing software |
| Ice & refrigeration / food preserving | harvested ice → machine-made ice → electro-mechanical refrigeration → aseptic packaging |
| Lighting | candles and oil lamps → distilled gas → incandescent electric lamps → fluorescent lamps |
| Plate glassmaking | crown glass → cast glass → float glass |
| Photography / image capturing | daguerreotype → tin type → glass plates → dry plates → celluloid roll film → electronic imaging |
t1, t2, t3: incumbent가 무너지는 전형적 순서
- t1 — diminishing returns: incumbent의 improvement rate가 둔화한다.
- Invader enters: 새 기술은 초기에는 덜 성숙해 established FOM에서 열등할 수 있다.
- Incumbent fights back: 위협을 인식한 기존 기업이 R&D를 늘려 “burst of improvement”를 만든다.
- t2 — performance match: 새 기술이 기존 기술의 핵심 요구를 따라잡는다.
- t3 — displacement: 새 기술이 시장의 대부분을 차지하고 기존 산업·기업이 쇠퇴할 수 있다.
Utterback식 정의에서 새로운 player가 기존 player를 밀어내며 산업을 재편하면 technologically induced disruption이라 부를 수 있다. 다만 다음 절의 Christensen은 disruption을 더 좁고 구조적인 의미로 정의한다.
얼음산업의 흥망: sustaining과 disruption을 구별하는 가장 긴 사례
자연얼음 → 기계얼음 → 가정용 냉장고의 흐름은 기술대체를 FOM과 value network로 분석하는 교과서적 예다.
Frederic Tudor와 natural-ice supply chain
19세기 New England의 ice-harvesting industry는 Southern United States, West Indies, Europe, India까지 얼음을 운송했다. Frederic Tudor는 “Ice King”으로 불릴 정도의 유통망을 구축했다. 1825년 Nathaniel Jarvis Wyeth가 patent를 받은 ice plow는 말을 이용해 규격화된 얼음 블록을 자르도록 해 비용을 약 1/3 줄이고 품질과 운송효율을 높였다.
따뜻한 지역까지 얼음을 보내려면 ice house, insulation, stacking, sawdust를 결합한 거대한 logistics system이 필요했다. 이것은 현대적 cold chain의 선구 형태로 설명된다.
평균가격보다 price volatility가 문제였다
Charleston에서 ice 1 ton의 평균가격은 1817년 $166에서 1834년 $25로 크게 내려갔다. 그러나 mild winter에는 생산이 줄어 “good year”의 $6–8/ton이 “poor year”에는 $60–75/ton으로 뛰는 변동성이 남았다. 고객 입장에서는 평균가격뿐 아니라 공급안정성이 중요한 FOM이었다.
Mechanical ice: 처음에는 열등했지만 현지생산이라는 구조적 이점이 있었다
Carnot process 기반 mechanical ice making에는 compressor, refrigerant, condenser, evaporator, heat exchanger 등이 필요했다. artificial ice 자체는 1755년에도 만들어졌지만 경제적으로 viable한 plant가 가능해진 것은 1850년대 이후다. 1868년 New Orleans의 첫 local ice-making plant는 약 $35/ton으로 생산했고, 1889년에는 미국에 222개 plant가 운영되었다.
초기 machine-made ice의 생산비는 $20–$250/ton 범위였지만 개발자들은 $0.75–$1.00/ton을 목표로 잡았다. 원서는 이것을 기술개발에서 FOM target setting의 초기 사례로 연결한다.
Incumbent도 가만히 있지 않았다
natural-ice producers는 steam circular saw, insulated railcar, improved ice house, long-distance cold chain으로 반격했고, natural ice shipment는 1886년 25 million tons에 정점을 찍었다. underlying market가 빠르게 성장하면 incumbent의 absolute sales가 늘어 disruption이 진행 중이라는 사실을 가릴 수 있다는 Utterback의 관찰도 붙는다.
성장시장에서는 매출 증가만 보고 disruption을 놓칠 수 있다. market share와 상대 FOM trajectory를 함께 봐야 한다.
1909 이후 자연얼음은 무너졌고, 기계얼음도 다시 냉장고에 밀렸다
machine-made ice의 cost와 quality가 꾸준히 개선되면서 북부에서 얼음을 장거리 운송하는 모델은 경쟁력을 잃었다. Massachusetts도 1909년에 기계식 ice plant를 열었고 natural ice harvesting은 20세기 초 붕괴했다.
그러나 7.5 summary는 중요한 재분류를 한다. natural ice → machine-made ice는 같은 $/ton FOM과 railcar/ice-house value network를 유지했으므로 Christensen 의미에서는 radical sustaining에 더 가깝다. 반면 ice → household electro-mechanical refrigerator는 가정이라는 더 작은 unit에서 시작해 장거리 ice transport 자체를 불필요하게 만들었으므로 disruption으로 보는 편이 타당하다.
냉장고도 궁극적 기능인 food preservation의 한 해법일 뿐이다. 원서는 aseptic packaging을 또 다른 잠재적 기술파동으로 연결한다.
The Innovator's Dilemma: 훌륭한 경영이 오히려 회사를 실패시킬 수 있다
Christensen의 disruption은 단순한 큰 성능향상이 아니라, 새로운 FOM과 새로운 고객군으로 시작해 기존 value network를 침범하는 변화다.
Clayton Christensen의 1997년 The Innovator's Dilemma는 disruptive technology를 단순히 “매우 혁신적인 기술”과 구분한다. 기존 제품의 established FOM을 조금 또는 크게 개선하는 기술은 sustaining innovation이다. 큰 step change도 market structure와 value proposition을 그대로 유지한다면 radical sustaining innovation일 수 있다.
반면 disruptive innovation은 established FOM에서 처음에는 열등해 보일 수 있지만 다른 FOM에서 새로운 가치를 제공하고, 다른 고객·시장에 먼저 자리 잡은 뒤 기존 시장을 침범한다.
Table 7.1 — Established vs. disruptive examples
| ESTABLISHED | DISRUPTIVE TECHNOLOGY IN THE CHAPTER |
|---|---|
| Silver halide photographic film | Digital photography |
| Ice for refrigeration | Electro-mechanical refrigerator |
| Horse | Automobile |
| Offset printing | Digital printing |
| Crewed fighter aircraft | Unmanned aerial vehicles (UAVs) |
| Open surgery | Laparoscopic and endoscopic surgery |
이 표는 장이 제시한 예시이며 모든 사례에 대한 오늘날의 최종 학술적 합의를 뜻하지 않는다.
원칙 1 — Sustaining과 disruptive를 구별한다
piston engine을 turbojet으로 바꾼 civil aviation은 비행속도를 크게 올린 radical innovation이지만 원서는 항공산업의 기본시장·선도기업·가치구조를 파괴하지 않았다는 이유로 radical sustaining의 예로 든다.
disruptor는 기존 FOM에서 낮게 출발할 수 있다. 중요한 것은 기존 고객이 원하던 축을 더 잘하는지가 아니라 다른 value proposition을 측정하는 새로운 FOM을 제공하는가이다.
원칙 2 — Technology progress가 market demand를 overshoot한다
어떤 FOM의 기술향상률 \(dFOM/dt\)이 고객의 요구상승률보다 빠르면 제품은 어느 순간 “good enough”가 된다. incumbent는 더 높은 성능을 필요로 하고 더 높은 margin을 주는 high-end segment로 올라간다. 그 아래에는 기존제품보다 성능이 낮아도 충분히 값싸고 작고 단순한 entrant가 들어올 공간이 생긴다.
고객요구를 잘 듣고 high-margin market에 집중하는 합리적 행동이 low-end disruption의 문을 열 수 있다.
원칙 3 — Rational R&D investment가 disruptive option을 굶긴다
기존 기업은 큰 cash cow와 명확한 고객요구를 가진 sustaining project에 사람과 돈을 배분하는 것이 합리적으로 보인다. 초기 disruptor는 inferior, low-margin, uncertain하게 보인다. 그래서 management가 wait-and-see를 선택하기 쉽다. 그러나 새 value chain이 충분히 성장한 뒤 들어가려 하면 entrant는 이미 market share와 learning에서 크게 앞서 있다.
Disk drive industry: disruption을 FOM으로 해부한다
Christensen의 대표 case는 rigid disk drive다. 14-inch에서 8-inch로 이어지던 mainframe/minicomputer 시장은 recording density를 높이기 위해 ferrite-oxide, thin-film, magneto-resistive head 같은 sustaining technologies에 투자했다. 원서는 1975–1995년 사이 이 흐름이 세 자릿수 order의 density improvement를 달성했다고 설명한다.
1981년 8-inch와 5.25-inch drive의 tradeoff
| ATTRIBUTE | 8-INCH DRIVE · MINICOMPUTER MARKET | 5.25-INCH DRIVE · DESKTOP MARKET |
|---|---|---|
| Capacity | 60 MB | 10 MB |
| Physical volume | 566 cubic inches | 150 cubic inches |
| Weight | 21 lb | 6 lb |
| Access time | 30 ms | 160 ms |
| Cost per MB | $50 | $200 |
| Unit cost | $3,000 | $2,000 |
minicomputer customer의 dominant FOM이 $/MB였으므로 5.25-inch drive는 명백히 열등했다. 하지만 desktop computer developer에게는 다른 rank order가 중요했다. volume은 약 4분의 1, weight는 훨씬 낮고, unit cost는 약 33% 저렴했다. 같은 제품이 value network에 따라 전혀 다르게 평가된다.
Lower-end market에서 성장한 뒤 위로 올라온다
5.25-inch drive는 desktop market에서 채택된 뒤 capacity가 연 40–50%, 원서의 다른 대목에서는 약 50% 수준으로 빠르게 개선되어 1985년 무렵 minicomputer requirement를 따라잡는다. Fig. 7.21 caption은 실제 market disruption을 1987년으로 표시한다. 그때는 capacity뿐 아니라 lower weight, volume, power, vibration이라는 원래 장점도 그대로 갖고 있었다.
원서가 인용한 Christensen의 분석에서 entrant가 5.25-inch를 먼저 만들었고 established firm은 평균 약 2년 늦었다. 1985년에도 8-inch drive 기업 중 절반만 5.25-inch model을 출시했고 나머지 절반은 끝내 하지 않았다. 이후 3.5-inch와 2.5-inch에서도 비슷한 패턴이 반복됐다.
Value network: 경쟁의 규칙은 제품 바깥에서 정해진다
disk drive는 component provider, subsystem integrator, OEM, customer가 중첩된 value network에 들어 있다. Mainframe network는 capacity/$, access time을 높게 평가하는 반면 desktop network는 unit cost, physical volume, weight의 우선순위를 높였다. Christensen의 핵심은 value network의 경계가 FOM의 rank order로 정의된다는 것이다.
Basis of competition은 단계적으로 바뀐다
disk-drive market에서는 경쟁의 중심이 capacity → physical size → reliability → price로 이동했다. 하나의 FOM이 customer need를 충분히 만족시키면 그 축의 추가향상에 대한 shadow price가 낮아지고 다음 FOM이 중요해진다. disruption은 종종 바로 이 priority switch에서 열린다.
로드맵이 예측해야 할 것은 ‘다음 기술’보다 다음 가치기준이다
Chapter 7의 최종 연결점은 FOM target과 R&D portfolio다.
7.5 summary는 diffusion과 disruption을 하나의 문장으로 연결한다. adopter마다 정보와 risk tolerance가 다르기 때문에 diffusion은 S-curve형 경로를 보일 수 있고, 시장의 disruption은 기존 FOM이 충분히 만족된 뒤 고객이 다른 FOM을 더 무겁게 평가하기 시작할 때 발생할 수 있다.
Disk drive에서는 capacity가 먼저였고, size, reliability, price가 차례로 경쟁의 중심이 되었다. 원서는 aviation에서도 비슷한 shift를 예고한다. 초기에는 range와 payload, 이후 reliability/safety, fuel burn/operating cost, 그리고 점점 environmental impact가 중요해진다.
R&D portfolio의 문제로 바꾸면
기업이 여러 market과 value chain에 동시에 참여하면 동일 기술의 FOM priority가 시장마다 달라질 수 있다. 따라서 technology roadmapping은 단일 performance forecast가 아니라 시장별 realistic FOM target을 세우고, sustaining project와 disruptive option 사이에 R&D budget을 배분하는 문제로 바뀐다.
AI·Agentic Systems에 대한 해석
Inference: 이 장의 논리를 AI에 적용하면 “더 큰 model score”를 disruption과 동일시하는 습관을 경계하게 된다. incumbent AI product가 benchmark accuracy를 계속 높이는 동안 새 architecture가 lower cost, local privacy, latency, controllability, tool integration 같은 다른 FOM으로 새로운 user segment를 먼저 만들 수 있다. 이것이 실제 disruption인지 판단하려면 단순 성능향상이 아니라 value network와 FOM rank order의 변화를 추적해야 한다.
Agentic AI diffusion도 model capability만으로 설명되지 않는다. enterprise policy, trust, integration cost, peer evidence, regulation, workflow compatibility가 adoption channel을 만든다. 조직 내부에서는 early adopter team의 성공사례가 opinion leader 역할을 하고, repeated exposure와 social proof가 확산속도를 바꿀 수 있다.
이 AI 해석은 Chapter 7이 직접 실증한 결과가 아니라 Rogers·Utterback·Christensen의 기술관리 프레임을 현재 AI R&D에 적용한 분석이다.
Exercises 7.1–7.4
- 7.1 — 기술적으로 우수해 보였지만 널리 채택되지 못한 기술을 찾아 비채택 원인을 분석한다.
- 7.2 — 관심 기술의 diffusion을 primary data, background reading, SME interview 또는 simulation으로 추적해 adoption curve와 narrative를 만든다.
- 7.3 — 이론상 obsolete해야 하지만 지금도 사용되는 old technology를 찾아 newer alternatives와 coexistence 이유를 정량·정성적으로 설명한다.
- 7.4 — disruptive innovation 사례를 골라 incremental-sustaining이나 radical-sustaining이 아닌 이유를 FOM의 시간변화와 rank order로 논증한다.
Appendix의 의미
장은 MATLAB로 구현한 simple Rogers-type ABM 코드를 부록에 포함한다. population, adoption flag, Gaussian predisposition, random contacts, random decision variable, adoption update, time-step loop로 구성된다. 코드는 diffusion theory가 단지 개념적 S-curve가 아니라 가정의 변화가 adoption speed를 어떻게 바꾸는지 실험할 수 있는 계산모형으로 이어질 수 있음을 보여준다. 다만 앞서 언급했듯 본문과 appendix condition의 방향은 원문을 재확인해야 한다.