딥테크 스타트업 보육 표준 프레임워크 개발 연구

Abstract

이 연구는 공공 액셀러레이터 위탁 사업 제안요청서（RFP）에 대한 체계적 내용 분석을 토대로 딥테크 스타트업 보육 표준 프레임워크를 개발하는 것을 목적으로 한다. 딥테크 스타트업은 장기 기술 개발 주기, 높은 자본집약성, 전문 인력 의존성, 규제·정책 민감성, 신시장 창출 지향이라는 다섯 가지 차별적 특성을 지니며, 이로 인해 일반 스타트업과는 질적으로 상이한 보육 지원이 요구된다. 그러나 국내 공공 보육 현장에서는 딥테크 특화 운영 기준이 부재한 채 획일적 프로그램이 반복 적용되고 있다는 문제가 지속적으로 제기되어 왔다. 이를 해결하기 위해 이 연구는 2025~2026년 공공기관이 발주한 액셀러레이터 위탁사업 RFP 29개를 수집하여 내용분석 코딩 체계（선발·교육·멘토링·투자 연계·사후관리 5단계, 30개 소분류 항목）를 적용하였다. 코딩 신뢰도 검증에서 7개 RFP에 대한 제1코더-제2코더 교차검증 결과, Cohen's Kappa=1.000으로 기준치（≥0.80）를 상회하여 데이터의 신뢰성을 확보하였다. 나아가 RFP 내용 분석에서 도출된 보육 요인에 대해 딥테크 분야 전문가를 대상으로 AHP 분석을 실시하여 보육 단계별·요인별 상대적 중요도를 산출하고, 전문가 심층인터뷰를 기반으로 분석 결과를 현장 관점에서 검증하는 혼합연구방법을 적용하였다. 이 연구는 공공 보육 RFP를 분석하여 다섯 항목이 사실상의 표준 보육 요소로 자리 잡았음을 확인하였다. 1:1 맞춤 멘토링（M1）, 투자자 연결 멘토링（M4）, 사후 성과 모니터링（P4）, 후속 VC 투자 연계（I3）, 데모데이·IR 발표 지원（I5）이 모두 90%를 웃도는 출현율을 보였다. 반면 딥테크 고유 항목은 취약했다. 기술 역량평가（S1）는 34.5%, 딥테크 사업화 교육（E5）은 24.1%에 그쳤고, IPO·M＆A 경로 설계（I6）는 단 한 건도 나타나지 않았다. 이는 딥테크의 장기·고위험 특성이 현행 공공 RFP 설계에 거의 반영되지 못하고 있음을 보여준다. 이 연구에서는 이 격차에 주목하여 딥테크 선발 강화, 스케일업 투자 연계, 글로벌 전문 멘토링을 세 축으로 하는 5단계 표준 보육 프레임워크를 제안한다. 특히 이 연구는 공공기관이 발주한 RFP 문서 자체를 1차 데이터로 활용한 첫 보육 프레임워크 연구라는 점, 그리고 지금까지 주로 보육 효과성 검증에 집중한 기존 연구들과 달리, 보육 운영 기준의 설계를 연구 문제로 삼았다는 점에서 이론적 의미가 있다. 또한 도출된 프레임워크는 앞으로 공공 액셀러레이터 위탁사업의 RFP 설계와 딥테크 보육 정책 개선을 위한 실증적 지침으로 활용될 것으로 기대된다.|This study aims to develop a standard incubation framework for deep-tech startups based on a systematic content analysis of Requests for Proposals（RFPs） issued for public accelerator outsourcing projects. Deep-tech startups are characterized by five distinctive features—long technology development cycles, high capital intensity, dependence on specialized personnel, sensitivity to regulatory and policy environments, and an orientation toward new market creation—which require qualitatively different incubation support compared to general startups. However, in the domestic public incubation field, the problem of applying uniform programs without deep-tech-specific operating standards has been persistently raised. To address this, the study collected 29 public accelerator outsourcing RFPs issued between 2025 and 2026 and applied a content analysis coding scheme comprising five stages （selection, education, mentoring, investment linkage, and post-management） and 30 sub-items. In the coding reliability test, cross-validation by a primary coder and a secondary coder on seven RFPs yielded a Cohen's Kappa of 1.000, exceeding the threshold（〉=0.80） and securing data reliability. Furthermore, a mixed-methods design（triangulation of content analysis, AHP, and interviews） was applied: an Analytic Hierarchy Process（AHP） analysis with deep-tech experts was designed to derive the relative importance of incubation factors by stage, and expert in-depth interviews were designed to validate the findings from a field perspective. The main findings show that one-on-one customized mentoring（M1, 96.6%）, investor-connection mentoring（M4, 96.6%）, post-performance monitoring（P4, 96.6%）, follow-on VC investment linkage（I3, 93.1%）, and demo-day/IR presentation support（I5, 93.1%） were identified as essential standard elements. In contrast, deep-tech-specific elements such as deep-tech competency assessment （S1, 34.5%）, deep-tech commercialization education（E5, 24.1%）, and IP strategy development（S2, 44.8%） showed relatively low appearance rates, while IPO/M＆A exit-path design（I6） was absent across all analyzed RFPs. The largest gap in appearance rate between deep-tech-designated RFPs and general RFPs appeared in technology-specialized education（E1, +28.3%p）. These results empirically demonstrate that the long-term and high-risk characteristics of deep-tech startups are not sufficiently reflected in the design of public RFPs. Based on this gap analysis, the study proposes a five-stage standard incubation framework centered on three core axes: strengthening deep-tech selection, linking scale-up investment, and providing global expert mentoring. This study contributes theoretically as the first incubation-framework study to use public-agency RFP documents themselves as primary data, and in that it sets the design of incubation operating standards as its research problem, unlike prior research focused on verifying incubation effectiveness. The derived framework is expected to serve as an evidence-based guideline for RFP design in public accelerator outsourcing projects and for improving deep-tech incubation policy.