미국 제약/바이오 기업들의 전략적 제휴가 기업가치에 미치는 영향 : event study를 통한 기업에 미치는 영향 분석

유한휘 성균관대학교 일반대학원 2020 국내석사

Bloomberg의 Database를 분석한 결과, 글로벌 주요 제약 회사의 라이선스 딜은 2000년도 154건에서 2018년 456건으로 급격히 증가하였다. 이는 기업들이 보다 효율적인 라이선스 딜을 통해 신규 파이프라인을 추가하고 하락하는 ROIC를 끌어 올리기 위한 노력의 일환으로 보인다. 글로벌 제약회사들은 라이선스 딜을 통해 R&D역량을 강화할 뿐만 아니라 매출 가능성이 큰 새로운 파이프라인을 빠르게 추가하기 위함이다. 2019년 기준 미국 NASDAQ시장 및 NYSE시장에 상장되어 있는 제약 및 바이오 기업의 제휴를 연구대상으로 분석하였다. 연구기간은 Announced Date를 기준으로 2010년부터 2018년 말까지 9년간으로 설정하였다. 미국 주식시장에 상장되어 있는 기업들의 전략적 제휴 중 라이선스 아웃 174건과 라이선스 인은 192건 총 366건의 라이선스 계약에 대한 제휴의 기업가치 변화를 분석하였다. 2010년부터 2018년까지 체결되어 공시된 라이선스 계약을 이벤트 스터디 분석방법을 통해 분석하였다. Event Windows는 [-5, 5], [-5, 20], [-5, 120], [-5, 250]로 설정하여 각각의 평균 누적초과수익률(ACAR)을 산출하였다. 연구 결과, 라이선스 인의 평균누적초과수익률은 일주일 이후 음(-)의 ACAR을 보였으며 모두 통계적 유의성을 보여주지 못하였지만 라이선스 아웃의 평균누적초과수익률은 6개월까지 양(+)의 ACAR을 보였으며 한달까지 통계적 유의성을 보였다. 이는 라이선스 아웃을 통해 기업이 현금을 창출하고 리스크를 줄일 수 있기 때문으로 여겨지며 기업의 가치를 높이는 것을 확인하였다. According to Bloomberg, license deals for major global pharmaceutical companies increased sharply from 154 in 2000 to 456 in 2018. This seems to be part of an effort to boost the declining ROIC through more efficient license deals than M & A. Global pharmaceutical companies not only enhance their R & D capabilities through licensing deals, but also quickly add new revenue-generating pipelines. As of 2019, the study focused on the alliance of pharmaceutical and bio companies listed in the US NASDAQ market and NYSE market. The study period is nine years from 2010 to the end of 2018, based on the Announced Date. The companies listed on the US stock market were 174 licensed out and 192 licensed, which analyzed 366 license agreements. The license agreement concluded from 2010 to 2019 was analyzed through event study method. Event Windows is set to [-5, 5], [-5, 20], [-5, 120], [-5, 250], and the average cumulative abnormal return (ACAR) was calculated for one week, one month, six months and one year respectively. The results showed that the average cumulative abnormal return (ACAR) of the licensee showed negative ACAR after one week and none showed statistical significance. The average cumulative abnormal return (ACAR) on license-outs showed positive by 6 months and showed statistically significant by one month.

한국 상장 제약기업의 2015-2024 년 라이선스 아웃 계약에서 대가의 현황 및 영향요인 분석

유서호 성균관대학교 일반대학원 2025 국내석사

제약산업에서의 개발은 다른 첨단 산업과의 개발과 다르게 강도 높은 규제의 적용을 받는 산업이기 때문에 성공적인 개발을 위해서는 막대한 비용과 시간이 투자된다. 그러나, 이러한 투자가 언제나 성공으로 이어지지는 않기 때문에 투자 부담을 줄이고 비용 회수의 극대화를 위해 제약산업에서는 다양한 형태의 파트너십이 활용되고 있다. 제약산업에서의 파트너십이란 기술이전(Licensing), 공동개발(Co-development), 공동 마케팅 (Co-promotion), 공동 판매 (Co-marketing), 전략적 제휴 (Strategic Alliance)등 다양한 형태의 파트너십으로 이루어지며, 두 개 이상의 기업이 협력하여 개발 리스크를 분산하고 자원을 효율적으로 활용함으로써 기술의 시장 진입 속도를 높이고 매출 확대를 도모하는 전략적인 협력관계를 나타낸다. 이 중 국내 제약산업은 개발 리스크 부담 완화와 초기 수익 확보를 위해, 자체 신약 개발보다는 초기 임상 단계에서의 라이선스 계약, 그 중에서도 라이선스 아웃(License-out) 형태의 계약을 선호하는 경향이 있다. 본 연구는 금융감독원 전자공시시스템(DART)을 활용하여 2015년부터 2024년까지 10년간 한국 상장 제약회사와 해외 제약사간에 체결된 라이선스 아웃 계약을 수집하여, 최종적으로 106건의 계약을 분석대상으로 선정하였으며 이를 토대로 STATA Ver.19프로그램을 사용하여 변수들의 기술 통계분석과 다중 선형 회귀분석을 진행하였다. 종속변수로는 라이선스 아웃 계약의 계약 총액, 계약금, 계약금의 비율로 설정하였으며, 독립변수로는 기업의 특성 변수(기업 규모, 업력, R&D 인력 비율, R&D 투자 비율 등), 물질의 특성 변수 (개발 단계, 적응증 분류, 모달리티) 그리고 계약 체결 년도(2015-2019, 2020-2024) 등 총 8 개의 범주형 변수를 설정하여 이들이 라이선스 계약의 대가에 어떠한 영향을 미치는 지 분석을 진행하였다 본 연구의 개발 단계별 계약금 및 계약금의 비중에 대한 집단간 평균비교 분석 결과 국내 제약사의 계약금 평균은 일부 임상 단계에서 정준호(2024)가 제시한 글로벌 계약금 중앙값보다 높게 나타났으나, Neuendorf et al. (2023)의 글로벌 평균과 비교할 경우 30-40% 수준에 그쳤다. 계약금 비중 또한 본 연구에서는 임상 1상 8.97%, 2상 12.24%, 3상 14.81%로 확인되었으며, Neuendorf 연구의 글로벌 평균(1상 14.0%, 2상 19.0%, 3상 25.9%)에 비해 낮은 수준이었다. 그러나 정준호(2024)의 계약금 비중 수치(1상 6.9%, 2상 10.2%, 3상 12.9%)와 비교하면 유사하거나 오히려 높은 수준으로 나타나, 한국 제약사의 라이선스 아웃 계약이 반드시 일률적으로 저평가되고 있다고 보기는 어렵다. 이러한 결과는 계약금 구조가 기술력 외에도 협상력, 시장 신뢰도, 계약시점 등 복합적 요인의 영향을 받는다는 점을 보여준다. 다중 선형 회귀분석 결과에서는, 3개의 종속변수에 대한 모형 모두 전체 설명력은 다소 제한적(R² = 0.17-0.18 수준)이었으나, 유의수준 10% 내외에서 통계적으로 유의한 변수들이 공통적으로 확인되었다. 전통 제약기업은 계약금(β = 0.669, p = 0.076) 및 계약금 비중(β = 0.573, p = 0.089)에서 바이오텍 대비 유의하게 높은 수준을 보였으며, 이는 업력이 긴 기업일수록 기술가치가 보다 높게 평가될 가능성을 시사한다. 또한, 바이오 기반 물질은 저분자 기반 물질에 비해 계약금(β = 0.538, p = 0.072) 및 계약금 비중(β = 0.493, p = 0.066)이 높게 형성되는 경향을 보여, 물질의 모달리티의 종류가 계약 구조에 일정한 영향을 미침을 확인하였다. 임상 3상 단계는 계약금 비중에 대해 유의한 양(+)의 효과(β = 0.990, p = 0.082)를 보여, 개발 완료 직전 단계의 기술일수록 도입자가 지급하는 계약금의 비중이 높아질 수 있음을 시사하였다. 한편, 계약 총액에 대해서는 ATC 코드 상위 적응증(A, L 군)이 유의미한 양(+)의 영향을 보였으나(β = 0.567, p = 0.077), 대부분의 변수는 통계적으로 유의하지 않았다. 이러한 결과는 기술의 임상 단계, 기업의 특성, 물질의 속성 등이 라이선스 아웃 계약 간의 차이를 설명하는 데 있어 상호작용하며 영향을 미칠 수 있음을 보여주며, 국내 제약기업이 향후 기술이전 협상 시 고려해야 할 요인들을 도출하는 데 기여한다. 다만, 본 연구는 지난 10년간 한국 제약기업이 체결한 모든 라이선스 아웃 계약을 포괄하지 못하였고, 정보 수집이 가능한 106건의 계약 사례에 한정하여 분석이 이루어졌다. 따라서 본 연구 결과를 국내 전체 제약산업의 계약 구조로 일반화하는 데에는 한계가 있으며, 향후에는 보다 다양한 기업군과 계약 유형을 포함한 확장된 분석이 필요할 것으로 판단된다.

생성형 인공지능의 데이터 수집 및 학습 과정에서 발생하는 지적재산권법 쟁점 검토 : 플랫폼 내 학습 데이터 이용을 중심으로

박성연 고려대학교 법무대학원 2026 국내석사

생성형 인공지능의 대중화로 인해 새로운 지적재산권법 쟁점이 발생하고 있다. 특히, 생성형 인공지능의 학습 데이터에 인간의 고유 창작물이 포함되는 경우 발생하는 법적 쟁점은 현행 지적재산권법 체계에서 다루기에 한계가 존재한다. 생성형 인공지능은 비생성형 인공지능과 달리 인간의 창작물과 직접 경쟁 관계에 놓이게 되는 결과물을 출력하는 것을 목표한다. 이러한 특수성으로 인해 생성형 인공지능의 학습 데이터를 수집하고 학습하는 과정에서부터 결과물의 출력 및 활용에 이르기까지 다양한 지적재산권법 쟁점이 발생한다. 본 논문은 생성형 인공지능 학습 데이터 이용에 대한 지적재산권법상의 권리와 해외 입법 동향을 살펴보고, 관련 지적재산권법 쟁점을 ‘플랫폼 데이터’로 한정하여 이용 객체와 주체로 유형화하여 검토하였다. 특히 생성형 인공지능-플랫폼 라이선스 계약이 활발해지고 있는 현황을 바탕으로 플랫폼 사업자, 플랫폼 이용자 그리고 생성형 인공지능 사업자 간의 이익과 권리의 균형을 도모할 수 있는 법제화 방향성을 제시하였다. 그 방향성은 (1) 적절한 보상, (2) 권리자 동의 확보 및 옵트아웃 권리 보장, (3) 투명성 확보 세 가지를 핵심으로 한다. 구체적으로 유럽연합의 (1) CDSM 제17조 OCSSP 저작권 관리 의무, (2) CDSM 제12조 확대된 집단 라이선스 제도, (3) AI Act 제53조(1)(c),(d) 투명성 의무를 바탕으로 플랫폼 한정 제도 법제화 방향을 제시하였다. The widespread use of generative artificial intelligence has raised new legal issues in the field of intellectual property law. In particular, when human creative works are included in the training data sets of generative AI models, the resulting legal disputes reveal the limitations of the current intellectual property framework. Unlike non-generative AI, generative AI aims to produce outputs that may directly compete with human creative works. This feature generates IP-related issues at both the output stage and throughout the training data pipeline, from collection and preprocessing to model training. This study examines the recent legislative developments abroad concerning the use of training data by generative AI and focuses on “platform data” as the main subject of analysis within the context of existing IP law. By classifying the issues in terms of the objects and actors involved in data use, the study investigates the legal relationships among platform operators, platform users, and generative AI developers. Based on the growing trend of licensing agreements between generative AI companies and online platforms, this paper proposes directions for legal reform that can ensure a fair balance of rights and interests among stakeholders. The proposed legislative framework rests on three key principles: (1) fair compensation, (2) rights-holder consent and opt-out guarantees, and (3) mandatory transparency. Specifically, it explores potential institutional reforms limited to platform contexts, drawing upon the European Union’s (1) Article 17 ot the CDSM Directive on OCSSP copyright management obligations, (2) Article 12 of the CDSM Directive on extended collective licensing schemes, and (3) Article 53(1) (c)–(d) of the AI Act on transparency obligations.