예측 세탁: 폴리마켓의 중립성·투명성·거버넌스 허상

초록

본 논문은 블록체인 기반 예측 시장 폴리마켓을 대상으로 27명의 사용자 인터뷰와 디지털 민족지학을 결합한 정성적 감사를 수행한다. 저자들은 ‘예측 세탁(Prediction Laundering)’이라는 개념을 도입해, 고불확실성 베팅과 대규모 자본(whale) 활동이 알고리즘 집계 과정을 통해 원래의 잡음과 이해관계를 씻겨 내고, 객관적인 확률 신호처럼 제시되는 과정을 4단계(구조적 위생, 확률 평탄화, 구조적 가면, 인식 경화)로 설명한다. 이를 통해 플랫폼이 투명하고 중립적인 지식 인프라로 포장하면서도, 실제로는 자본 집중과 거버넌스 갈등을 은폐하고, 외부 사용자에게 ‘에피스테믹 버티고’를 유발한다는 결론에 도달한다.

상세 분석

이 연구는 예측 시장을 단순한 가격 메커니즘이 아니라 ‘지식 전송 장치’로 재구성한다. 먼저, 저자들은 맥팔레인(MacFarlane)의 ‘지식 세탁(Knowledge Laundering)’ 이론을 차용해, 고위험 베팅이 낮은 위험 상황으로 이동하면서 불확실성이 사라지는 과정을 설명한다. 폴리마켓에서는 자동화된 시장 메이커(AMM)와 블록체인 기반 결제·정산 시스템이 이러한 세탁을 기술적으로 구현한다.

‘구조적 위생(Structural Sanitization)’ 단계에서는 플랫폼이 사전 정의된 이벤트 템플릿과 온체인 오라클을 통해 어떤 미래가 ‘베팅 가능’한지 제한한다. 이는 사용자에게 선택지를 강제하고, 비주류 의견을 배제한다는 의미다.

‘확률 평탄화(Probabilistic Flattening)’에서는 다양한 전략적 헤징, 정보 비대칭, 감정적 베팅이 가격 공식에 의해 하나의 0~1 사이 확률값으로 압축된다. 이때 가격은 ‘집합적 진실’이 아니라, 자본 규모와 거래량에 의해 가중된 신호일 뿐이다.

‘구조적 가면(Architectural Masking)’은 플랫폼 UI와 API가 자본 집중을 가시화하지 않음으로써, ‘군중의 합의’라는 착각을 만든다. 실제로는 소수의 ‘whale’가 시장 가격을 움직이며, 이들의 거래 내역은 온체인에 기록되지만, 일반 사용자는 UI에서 이를 파악하기 어렵다.

‘인식 경화(Epistemic Hardening)’는 거버넌스 분쟁과 사실 확인 작업을 Discord·Telegram 등 외부 커뮤니티에 전가함으로써, 플랫폼 자체는 ‘깨끗한’ 확률값만을 제공한다는 인상을 준다. 결과적으로 사용자는 불확실성을 인지하지 못하고, 외부 정책 입안자나 언론까지도 이 값을 ‘객관적 사실’로 인용하게 된다.

연구는 또한 ‘에피스테믹 계층화(Epistemic Stratification)’를 지적한다. 기술 엘리트와 데이터 과학자는 내부 메커니즘을 감시하고 검증하지만, 일반 대중은 자본 가중 신호만을 소비한다. 이는 책임 공백을 확대하고, 잘못된 의사결정 위험을 증대한다.

마지막으로 저자들은 ‘마찰 긍정 설계(Friction‑Positive Design)’를 제안한다. 예를 들어, 베팅 규모와 유동성 제공자를 시각화하고, 오라클 신뢰도와 거버넌스 논쟁을 메타데이터로 노출함으로써 사용자가 불확실성을 인식하도록 돕는 UI/UX 개선 방안을 제시한다. 이러한 설계는 ‘투명성’이 아니라 ‘책임성’과 ‘인식 가능한 마찰’을 강조한다.