When AI Designs Alike : How the Midjourney Shock Standardized Trademark across Firms = 생성형 AI 도입이 상표의 시각적 유사성에 미치는 영향: 알고리즘적 수렴과 제도적 압착의 역할

국문 초록 (Abstract)

본 연구는 생성형 인공지능(Generative AI)의 도입이 기업의 시각적 정체성 형성 과정에 어떠한 구조적 변화를 초래하는지 분석한다. 특히 텍스트-이미지 생성 모델의 확산이 상표 디자인의 시각적 다양성을 축소하고 시장 수준의 시각적 동질화를 유발하는지를 실증적으로 검증한다. 이론적으로, 본 연구는 생성형 AI의 기술적 어포던스가 디자인 생산 과정을 ‘구축(construction)’ 중심에서 ‘생성–선택(generation–selection)’ 중심으로 전환시키며, 확률적 샘플링 구조가 알고리즘적 수렴(algorithmic convergence)을 유발한다는 메커니즘을 제시한다. 또한 처리 유창성(processing fluency)에 기반한 인지적 편향과 순응적 선택 행동이 이러한 수렴 과정을 강화하는 자기증폭 피드백 루프를 형성함을 논의한다.
실증 분석을 위해 2019년부터 2024년까지 미국 특허청(USPTO)의 전수 상표 출원 데이터를 활용하고, CLIP 기반 이미지 임베딩을 사용하여 상표 이미지 간 시각적 유사성을 측정한다. Midjourney의 2022년 7월 공개를 외생적 기술 충격으로 활용한 반복 횡단면 연구 설계를 통해, 생성형 AI 도입 이후 상표 이미지의 시각적 유사성이 유의미하게 증가함을 발견한다. 또한 Intent-to-Use 출원과 고규제 산업에서 이러한 동질화 효과가 더욱 강하게 나타나는 이질적 효과를 확인한다.
본 연구는 생성형 AI가 창의적 다양성을 촉진할 수 있다는 기존 담론을 넘어, 디지털 창작 도구가 시장 수준의 디자인 분포를 어떻게 재편하는지를 실증적으로 규명한다. 나아가 알고리즘적 수렴과 제도적 압착이라는 이중 메커니즘을 제시함으로써, AI 도입이 조직의 전략적 차별화와 시각적 정체성에 미치는 장기적 함의를 확장한다.

다국어 초록 (Multilingual Abstract)

The study examines how the diffusion of generative artificial intelligence reshapes firms’ visual identity formation and induces market-level convergence in trademark design. Theoretically, the paper argues that generative image models alter the structure of creative production by shifting design processes from manual construction to generation–selection workflows, while diffusion-based sampling biases systematically pull outputs toward high-probability aesthetic regions. These algorithmic forces interact with cognitive mechanisms—such as processing fluency and conformist selection—to create a self-reinforcing feedback loop that amplifies visual homogenization.
Empirically, the study uses the universe of U.S. trademark applications filed between 2019 and 2024 and measures visual similarity using CLIP-based image embeddings. Exploiting the public release of Midjourney in July 2022 as a plausibly exogenous technological shock, the analysis employs a repeated cross-sectional design to trace changes in the distribution of trademark designs. The results show a significant increase in visual similarity among trademarks after the diffusion of generative AI. Moreover, the homogenization effect is more pronounced for intent-to-use filings and in highly regulated industries, consistent with mechanisms of algorithmic convergence and institutional constraint.
This research contributes to the strategy and innovation literature by providing large-scale evidence that generative AI reshapes creative output distributions at the market level rather than merely improving individual productivity. By integrating technological and institutional mechanisms, the paper highlights how AI adoption can unintentionally erode visual differentiation and alter the dynamics of symbolic competition among firms.

목차 (Table of Contents)

• 1. Introduction 1
• 2. Theoretical Background and Hypotheses 5
• 2.1 Visual Homogenization in Trademark Design 6
• 2.2 Technological Affordances 9
• 2.3 Algorithmic Convergence and Regression to the Mean 12
• 2.4 Illusion of Fluency and Algorithmic Conformity 14
• 2.5 Moderating Role of Intent-to-Use (ITU) Filings 17
• 2.6 Moderating Role of Trademark Regulation 19
• 3. Methodology 21
• 3.1 Data Sources and Samples 21
• 3.2 Variables 23
• 3.3 Emperical Strategy 29
• 4. Result 30
• 4.1 Descriptive Statistics and Correlations 32
• 4.2 Baseline Effect of Generative AI 38
• 5. Discussion and Contribution 38
• 6. Limitations and Future Research 41
• References 45
• 국문 초록 48