"지원금 10조 풀면 소비 얼마나 늘까"…GPT로 정책 효과 미리 따진다

NTU 연구팀, 오픈AI 모델로 민생회복 소비쿠폰 효과 검증…내년까지 정책 대안 비교

재난지원금과 민생회복 소비쿠폰 등 대규모 재정이 투입되는 지원 정책은 시행 때마다 소비 진작 효과를 둘러싼 논쟁이 반복된다. 지원금이 얼마나 새로운 소비를 일으킬지는 정책 시행 전에 예측하기 어렵기 때문이다. 이같은 불확실성을 줄이기 위해 인공지능(AI)으로 가계별 소비 반응을 예측하고 지원금 지급 조건에 따른 경제적 효과를 비교하는 연구가 본격화되고 있다.

권혁구 싱가포르 난양공대(NTU) 교수는 11일 서울 강남구에서 오픈AI 코리아가 개최한 '정책 연구에서의 AI 활용' 미디어 세션에서 "소모적인 정치적 찬반 논쟁을 근거 기반 정책 설계 문제로 전환하는 것이 우리 연구의 궁극적인 목적"이라고 밝혔다.

권혁구 교수 연구팀은 오픈AI 지원을 받아 지난해 시행된 민생회복 소비쿠폰의 경제적 효과를 분석하고 있다. 이번 연구는 오픈AI '산업정책 연구 지원 프로그램'을 통해 전 세계 400여 개 제안 가운데 선정된 14개 지원 과제 중 하나다. 연구팀은 응용 프로그램 인터페이스(API) 이용 크레딧 50만 달러와 별도 연구비 50만 달러 등 총 100만 달러 상당을 지원받고 있다.

"지원금 10조원 쓰면 소비도 10조원 늘까"…실제 거래로 검증

지원금 정책 핵심은 지급된 금액 가운데 현실에서 얼마나 신규 소비가 발생하는지 파악하는 데 있다. 정부가 10조 원 규모 지원금을 지급하고 국민이 이를 모두 사용하더라도 10조 원의 추가 소비가 발생했다고 볼 수는 없다. 기존에 계획했던 소비를 지원금으로 대체했을 가능성이 있어서다.

싱가포르 난양공과대학교(NTU) 권혁구 석좌교수가 11일 서울 오픈AI 사무실에서 열린 미디어 세션에서 AI의 정책 연구 활용 가능성에 대해 발언하고 있다. (이미지=오픈AI 코리아)

권 교수 연구팀은 이 차이를 구분하기 위해 금융거래 데이터를 활용하고 있다. 우선 가계부 앱에 기록된 소득 수준과 급여 주기, 지출 규모, 주요 소비처 등을 분석해 개인별 소비자 프로필을 구성한다. 여기에 민생회복 소비쿠폰 지급액과 사용 기한, 사용처 등 정책 조건을 결합해 GPT로 예상 소비 변화를 산출하는 방식이다.

연구팀은 GPT가 예측한 소비 변화와 실제 지원금 지급 이후 관찰된 지출 기록을 비교하고 있다. 지원금 사용액 자체보다 지급하지 않았을 때와 비교해 총지출이 얼마나 늘어났는지를 분석하는 것이 핵심이다. 한국은행이 발표한 소비쿠폰 효과 분석 결과도 외부 검증 자료로 활용할 계획이다.

GPT 기반 시뮬레이션은 정책 연구에서 주로 활용되던 규칙 기반 에이전트 모델링(ABM)과도 차이가 있다. ABM은 연구자가 소득과 연령, 가구 구성 등에 따른 소비 행동 규칙을 직접 설정해야 한다. 반면 GPT 기반 시뮬레이션은 대규모 학습 과정에서 습득한 행동 패턴을 토대로 소비자별 특성과 정책 조건을 해석해 예상 반응을 생성한다.

GPT로 행동 규칙 설계 부담 줄여…예측 오차 25%→10%

권 교수는 GPT 기반 시뮬레이션 방식 장점으로 복잡한 소비 행동을 분석할 때 연구자가 직접 규칙을 설계해야 하는 부담이 줄어든다는 점을 꼽았다. 다만 규칙 설정을 AI에 맡기는 만큼 연구자 편향이 모델 편향으로 옮겨갈 수 있다고 지적했다.

11일 개최된 ‘오픈AI 인사이트: 정책 연구에서의 AI 활용’ 미디어 세션에서 권혁구 싱가포르 난양공과대학교(NTU) 석좌교수가 소비쿠폰 정책 조건에 따른 가계 소비 반응 시뮬레이션 연구를 설명하고 있다. (이미지=오픈AI 코리아)

그는 "그동안 연구자가 규칙을 정교하게 설정하는 데 시간을 많이 들였다면 그 부담이 줄어든 대신 편향의 원천이 연구자에서 GPT로 넘어갔다"면서 "어떤 데이터를 선택하고 가공할지, 모델이 제공한 결과를 어떻게 검증하고 정책 설계에 활용할지가 새롭게 발생한 과제"라고 설명했다.

현재 연구는 소비 기록과 GPT 예측 결과를 대조하는 1단계 검증 과정에 있다. 권 교수에 따르면 연구 초기 약 25%였던 예측 오차는 데이터 입력 방식과 모델을 정교화하면서 약 10%까지 줄었다. 최종 검증이 완료된 수치는 아니며 연구팀은 예측 정확도를 지속적으로 개선하고 있다.

연구팀은 올해 12월 말까지 실제 정책에 대한 예측력 검증을 마치고 내년 3월 말까지 정책 대안 비교를 마칠 계획이다. 소비쿠폰 사용 기한을 연장하거나 사용처를 변경했을 때 새로운 소비가 발생하는지, 기존 구매 시점이나 장소만 달라지는지 등을 분석한다.

권 교수는 정책 설계 개선에 따른 경제적 효과도 강조했다. 약 10조 원 규모 지원금 소비 진작 효과를 1%만 높이더라도 1000억 원에 해당하는 개선 효과를 기대할 수 있다는 것이다. 동시에 AI가 제시한 예측만으로 정책 적절성을 판단할 수는 없다는 점도 분명히 했다. 

권 교수는 "AI가 의사결정까지 해줄 수는 없다고 생각한다"며 "연구를 통해 정책 판단에 필요한 근거를 정확하게 제공하고 이 수치를 바탕으로 건설적인 논의가 이뤄지도록 도울 것"이라고 말했다.