Chapter 17은 기술경영의 언어를 engineering에서 finance로 번역한다. 기술이 20% 좋아졌다는 말만으로는 투자 우선순위를 정할 수 없다. Improvement가 active system constraint를 움직이는지, customer에게 어떤 operating benefit을 주는지, firm의 price·cost·schedule과 미래 cash flow를 어떻게 바꾸는지를 봐야 한다. 따라서 중심 논리는 technical FOM → system performance → stakeholder cash flow → financial FOM의 연쇄이다. 장은 Solow의 total factor productivity에서 출발해 corporate R&D economics, NPV·ΔNPV·IRR·ROI, commuter-airline 사례, technology portfolio, Monte Carlo와 real options, TeVa 조직으로 확장한다.
Total Factor Productivity — 기술진보를 노동과 자본 증가에서 분리해 생산함수 자체의 이동으로 본다
Solow의 핵심은 더 많은 input을 넣은 성장과 같은 input에서 더 많은 output을 만든 technical change를 분리한 데 있다.
Production function and technical change
전통적 aggregate production function은 output \(Q\)를 capital \(K\), labor \(L\), time \(t\)의 함수로 둔다.
Industrial revolution 이후 output per worker의 증가를 capital deployment만으로 설명하기 어려웠다. Solow는 cumulative technical-change factor \(A(t)\)를 도입한다.
Technical change는 좁은 장치기술만이 아니라 production function 자체를 이동시키는 변화이며 training도 포함될 수 있다. Growth accounting은 다음처럼 쓸 수 있다.
생산성 증가는 노동·자본 투입 증가분과 같은 input을 더 잘 쓰게 된 technical-change contribution으로 분해된다.
Solow 1909–1949
Source에서 ΔA/A는 대부분 positive이며 대략 −0.08~+0.08 사이를 움직이고, 1919·1929·1946의 sharp negative dips는 전쟁 직후와 recession에 겹친다. Footnote는 1918–19 Spanish Flu 가능성도 언급한다.
Solow의 source interpretation은 real non-farm GNP per person-hour가 $0.623에서 $1.275로 증가한 가운데 약 one-eighth을 capital intensity, remaining seven-eighths를 technical change에 귀속한다. Chapter summary는 technical changes가 1909–1949 U.S. output improvement의 80%+에 기여했다고 요약한다.
Source는 mechanical technologies의 single-digit annual progress와 information revolution 이후 computing의 약 37%/yr를 대비한다. Solow model은 \(A(t)\)를 exogenous로 두었지만 later endogenous models는 investment와 연결한다. 기술진보가 공짜가 아니라면 다음 질문은 R&D investment가 productivity를 얼마나 움직이는가이다.
R&D and Corporate Finance — 오늘의 비용을 미래의 cash-flow engine으로 바꾸는 양방향 피드백
Balance sheet, P/L, and projects
Technology firm은 revenue 또는 debt의 일부를 R&D portfolio에 할당하고, R&D는 technologies, products, services, processes를 만들어 future revenues·cost savings·profits로 돌아와 다시 R&D를 fund한다. Balance sheet는 assets, liabilities, equity를, P/L은 COGS, R&D expenditures, revenues, EBIT, net income을 보여준다.
Project는 실행 때 expense를 만들고 future product/service revenue와 process productivity를 만들며 potentially IP를 만든다. Source footnote는 U.S.에서 internally generated patents는 일반적으로 임의 valuation으로 balance sheet에 capitalize하지 않으며 acquired IP는 transaction valuation이 있어 다르게 취급될 수 있다고 설명한다.
N, N+1, N+2 portfolio logic
- \(N\): operational fixes, service-life extension, recurring-cost reduction.
- \(N+1\): future-product NRC/PDP reduction과 next-generation offers.
- \(N+2\): advanced concepts와 building blocks.
- \(N+3?\): blue-sky exploration.
Source는 typical R&D portfolio의 약 50–80%가 existing products/services/systems의 sustaining innovation에, 20–50%가 future generations에 간다고 설명한다.
Government funding은 immature TRL1–6에서 중요할 수 있고 defense/intelligence에서는 TRL9까지 갈 수 있다. R&D tax credit도 가능하다. 그러므로 firm 간 R&D/revenue ratio는 funding boundary를 확인해야 한다.
R&D intensity is not contemporaneous profitability
2016 aerospace snapshot은 R&D spending share와 EBIT% 사이의 단순 positive relation을 보여주지 않는다. Customer-funded defense R&D의 accounting, product price, cost structure, productivity, market competition이 다르며 R&D effect에는 lag가 있다. 같은 해 R&D ratio와 profit margin을 직접 인과로 읽는 것은 위험하다.
Morbey & Reithner의 134-firm analysis에서 initial R&D intensity와 10-year sales growth의 Spearman correlation은 all firms 0.300***, 68 smaller firms 0.324**였다. 604 profitable firms/19 sectors의 follow-up에서는 R&D/sales가 future profit margin의 좋은 predictor가 아니었지만 R&D/employee가 future profit margin과 sales/employee에 strong relation을 보였다.
따라서 future profitability를 위한 portfolio는 product-centric innovation뿐 아니라 process-centric R&D로 sales per employee와 설계·생산 productivity를 높여야 한다.
Corporate R&D Signals — expenditure 하나보다 employee·sales·margin과 전략방향을 함께 읽는다
Airbus 2016 source snapshot
| METRIC | SOURCE VALUE |
|---|---|
| R&D spending | €2,970M |
| R&D / employee | €22,200 |
| R&D / sales | 4.5% |
| Profit margin | 1.5%, source says based on net income |
| Return on assets | N/A |
| Sales / employee | €497,683 |
Chapter는 commercial aircraft, helicopters, space/defense라는 different markets와 함께 digital design/manufacturing, MBSE, collaborative/reconfigurable robotics 같은 process innovation 필요성을 연결한다.
Apple FY2017 source snapshot
| METRIC | SOURCE VALUE |
|---|---|
| Revenue / Cost of revenue / Gross profit | $229.2B / $141.0B / $88.2B |
| R&D expenses | $11.6B |
| Employees | 123,000 |
| R&D / employee | $94,309 |
| R&D / sales | 5.1% |
| “Profit margin” in source | 38.5%, explicitly based on gross profit |
| Sales / employee | $1,863,415 |
Source는 iPhone growth slowdown과 continued R&D growth를 diversification pressure와 연결하며 existing products 강화, services/cloud/AR/Apple TV/content, chip insourcing을 goals로 든다. “2.2 billion iPhones by Nov. 2018”과 charts는 historical source snapshot이다.
Chapter의 broader takeaway는 R&D와 revenue/profit 사이에 industry-dependent lag가 있으며 consumer electronics는 1–2 years, civil aviation 같은 capital-intensive sector는 10+ years가 될 수 있다는 것이다. Failed projects도 knowledge를 남기지만 competitive market에서 no-R&D는 future revenue/profit decay로 이어진다고 source는 주장한다.
Technology Valuation — technical FOM이 system constraint와 cash flow를 움직일 때 monetary value가 생긴다
From FOM to finance
Solar-cell efficiency가 20% 개선되어도 해당 FOM이 active system constraint가 아니면 value가 없을 수 있다. Technology가 Pareto front를 higher ideality 쪽으로 이동시키고 system-level benefit을 만들어야 한다. Source가 제시하는 financial FOM은 NPV, payback period, discounted payback, IRR, ROI다. 기술가치평가는 technical FOM을 financial FOM으로 번역하는 과정이다.
NPV and Delta-NPV
Future cash flows를 forecast하고 investment/cost를 negative, revenue를 positive로 두며 opportunity cost of capital을 반영한 discount rate로 DCF를 계산한다. Source sample은 period 0 −$150,000, period 1 −$100,000, period 2 +$300,000, r=7%에서 NPV=$18,400을 준다.
Uncertainty는 (1) risk-adjusted discount rate 또는 (2) risk-free rate와 cash-flow-driver Monte Carlo로 다룰 수 있다. Source는 technology valuation에 두 번째를 선호하며 \(E[NPV]\)와 σ[NPV]를 얻어 sensitivity를 본다. Commercial-aircraft/other project discount rate의 source range는 5–20%이고 30-year U.S. Treasury 2.6%는 Aug. 2019 footnote value다.
ΔNPV는 기술의 incremental contribution을 baseline에서 분리해 특정 scenario와 system boundary에서 monetary value로 표현한다.
Payback, IRR, ROI
Multi-stakeholder value
Technology에는 하나의 universal value가 없다. Coal-fired power plant는 operator와 local consumer에 positive value를 주면서 emissions 때문에 society에 negative externality를 줄 수 있다. Source는 최소한 customer와 firm/shareholders 관점에서 ΔNPV analysis를 각각 수행하라고 요구한다. 한 stakeholder의 positive NPV를 technology 자체의 보편적 가치로 선언해서는 안 된다.
Hypothetical Commuter Airline — 같은 aircraft technology가 airline과 manufacturer의 NPV를 다르게 움직인다
Aircraft A and airline baseline
Aircraft A는 nominal range 3000 km, L/D=14, cruise 200 m/s(Mach 0.58), 100 pax, SFC 1.75×10⁻⁵ kg/s/N, empty mass 30,000 kg, gross 50,000 kg, 2 pilots+3 cabin crew, availability 90%, first economic life 15 years, price $45M이다. 2000 km shuttle에서 calculated Bréguet range는 3639 km, one-way time 2.78 h, fuel burn 5774 kg, remaining fuel 4226 kg이다.
Four flights/day, 16-hour operation window, 4-hour block time, 90% availability는 328 operating days와 1312 flights/year/aircraft를 만든다. Load factor는 80%다.
| CATEGORY | ASSUMPTION | 15-YEAR PV |
|---|---|---|
| Fuel | Jet A $1/kg | −$78.7M · 52.5% cost |
| Crew | Pilot $100/h, cabin $50/h | −$14.3M · 9.5% |
| Maintenance | $1000/flight | −$13.6M · 9.1% |
| Depreciation | 15 y | −$36.4M · 24.3% |
| Interest | r=5% | −$6.3M · 4.2% |
| Insurance | 0.5% p.a. | −$0.6M · 0.4% |
| Revenue | $150/pax one way | +$163.7M |
Baseline airline NPV는 r=5%, 15 years에서 +$13.6M, estimated margin은 8.3%다. CAROC는 71.1%, capital cost는 28.9%. Main uncertainties는 fuel/ticket price, load factor, labor, interest rate, availability다. Southwest 10.73% comparison은 source가 명시한 summer-2019/pre-COVID snapshot이다.
Manufacturer baseline
Manufacturer model은 10-year R&D/certification/EIS, total development cost $4.97B, 22-year manufacturing, 3-year ramp-up, 90% learning curve, first unit manufacturing cost $50M, total 630 aircraft, steady 30/year, sales price $45M, r=5%를 가정한다. Result는 program NPV +$1.38B, average +$2.19M NPV/aircraft이다. R&D completion/EIS, ramp-up, product prices, learning-curve achievement가 key uncertainties다.
Engineering Merit ≠ Economic Ranking — mission과 stakeholder가 바뀌면 같은 기술의 순위도 바뀐다
Table 17.5 condensed
| TECH | CHANGE | AIRLINE ΔNPV | MFG ΔNPV / AIRCRAFT | R&D |
|---|---|---|---|---|
| 1WNG | L/D 14→15.4, CFRP wing, price +10% | +$2.42M · +17.7% | +$671.5K · +30.7% | $1B |
| 2PAX | 100→110 pax, structural mass +8%, price +5% | +$7.89M · +57.9% | +$334.8K · +15.3% | $0.5B |
| 3SFC | SFC −10%, price +15% | +$0.704M · +5.16% | −$399.2K · −18.2% | $3B |
| 4STR | Empty mass −10%, price +5% | +$5.7M · +41.8% | −$338.9K · −15.47% | $1B |
| 5AUT | Single-pilot/cabin automation, price +25% | −$2.7M · −19.8% | +$2.14M · +110.3% | $1.5B |
| 6RMO / 6MRO | Availability 90→99%, maintenance −50% | +$4.49M · +32.9% | +$930.7K · +42.6% | $2B |
| 7DDM | PDP 10→8 y, aircraft unchanged | $0 | +$900K · +41.2% | $1B |
| 8MFG | Learning curve .9→.8, aircraft price −10% | +$4.36M · +31.96% | +$1.61M · +73.6% | $1.5B |
2PAX는 airline에 가장 큰 value를 주고 range는 2618 km로 줄지만 2000 km route에는 better match가 된다. 3SFC는 range를 4031 km로 늘려 long route에서 더 큰 potential value를 갖지만 commuter mission에서는 manufacturer R&D cost를 회수하지 못한다. 5AUT는 airline crew cost share가 9.5%라 negative customer value지만 manufacturer에는 high positive value다. 7DDM은 airline에 direct value가 없지만 PDP를 2 years 줄여 manufacturer에 value를 준다.
기술순위는 성능표가 아니라 mission, route, cost structure, price, development timing을 포함한 business architecture에서 결정된다.
원문 Table 17.5는 sixth technology를 description에서 “6RMO”, value cells에서 “6MRO”로 표기한다. 8MFG의 manufacturer value cell에는 “7DDM” label이 인쇄되어 있다. 문맥상 typo 가능성이 있지만 이 글은 조용히 수정하지 않고 source inconsistency로 보존한다.
Bubble chart and forced ranking
Fig.17.15의 x-axis는 manufacturer ΔNPV, y-axis는 airline ΔNPV, bubble size/color는 R&D investment다. Upper-right의 small bubble이 양쪽 value와 낮은 cost를 동시에 뜻한다. Table17.6은 airline rank와 manufacturer ΔNPV/R&D rank를 합쳐 overall rank를 만든다: 8MFG=1, 2PAX=2, 1WNG=3, 5AUT=4, 7DDM=5, 4STR=6, 6RMO=7, 3SFC=8.
Next-five-year $3.0B A+ portfolio는 1WNG+2PAX+8MFG를 선택한다. Later aircraft B에는 4STR+5AUT+7DDM을 넣고 A+의 1WNG, 2PAX, 8MFG를 reuse하며 incremental R&D는 $3.5B로 제시한다. 3SFC와 6MRO/RMO는 expensive technologies로 defer된다. Reuse와 carryover는 이미 지불한 R&D를 다음 product generation에서 다시 활용해 portfolio value를 높인다.
Source footnote는 A320neo의 PW-1100G GTF가 fuel efficiency −15%, noise −50% benefit을 가졌지만 estimated $10B development cost의 대부분을 Pratt & Whitney가 부담했다고 언급한다. Value는 supply-chain cost allocation에도 의존한다.
Valuation under Uncertainty — 미래를 맞히기보다 미래에 대응할 권리의 가치를 계산한다
Four approaches
Real option as technology investment
R&D opportunity는 call option처럼 생각할 수 있다. Uncertainty가 reveal되면 continue/abandon을 선택할 수 있고 downside를 제한한다. Simplified start-or-not option은 source에서 다음처럼 표현된다.
Expanded strategic NPV는 conventional NPV에 Option Value를 더한다. 불확실한 R&D에서 기다리고 배우고 다음 단계에 투자할 수 있는 flexibility 자체가 경제적 자산이다.
Shishko et al. light-weight propellant tank example의 Table17.7은 option-value sensitivity를 보여준다: volatility 0%/drift0에서 $66M, 10%/+1%에서 $86M, 10%/0에서 $74M, 10%/−1%에서 $64M.
TeVa as an organizational capability
Large firm은 dedicated Technology Valuation organization을 engineering/R&D, finance, marketing, manufacturing, strategy, procurement의 intersection에 둘 수 있다. Functions는 RC/NRC cost-model development/validation, technology/R&D-project value estimation, database/analogy/manufacturing/procurement validation, project rank-ordering과 portfolio building이다.
Multi-business-unit organization에서는 common value-steered portfolio, cross-level cost/market/integration data, harmonized methods가 필요하다. Source가 강조하는 결론은 NPV와 IRR 가운데 무엇을 쓰느냐보다 input-data robustness, traceability, consistency, accurate cost estimation이 trustworthy valuation에 더 중요할 수 있다는 점이다.
AI·Agentic R&D에 대한 해석
Inference: Chapter 17의 framework는 AI R&D에서도 benchmark score와 value를 동일시하지 말라는 설계원칙으로 읽을 수 있다. Accuracy, reasoning success, latency, energy, inference cost, human-review load의 ΔFOM이 실제 product constraint와 unit economics를 움직이는지를 먼저 봐야 한다.
Agent tool-call success가 5% 개선되어도 saturated component라면 customer value가 작을 수 있지만 inference cost나 error-recovery labor를 줄이는 작은 gain은 large-volume service에서 큰 financial effect를 만들 수 있다. 따라서 AI roadmap의 FOM을 adoption, operational risk, infrastructure cost와 연결한 ΔNPV-style valuation을 생각할 수 있다.
Frontier models, autonomous agents, scientific foundation models처럼 uncertainty가 큰 연구는 deterministic business case보다 prototype→pilot→deployment gate와 real-options logic에 잘 맞을 수 있다. 다만 AI R&D의 future cash-flow distribution과 causal contribution을 trustworthy하게 추정하는 일 자체가 별도 연구문제다. 이 단락은 Chapter 17의 framework를 AI R&D에 적용한 해석이며 원서의 실증결과가 아니다.