비즈니스·정치·인생에서 최적의 야망: 평균을 넘는 적절한 목표 설정

초록

본 논문은 제한된 시간 안에서 불확실한 보상을 탐색할 때, 목표 만족 임계값(T)이 평균 보상보다 높지만 유한해야 최적임을 수학적으로 증명한다. 탐색 기간, 보상 분포의 거칠기와 좌측 왜도, 그리고 사회적 비교가 임계값에 미치는 영향을 분석하고, 과도한 야망보다 과소 야망이 기대 비용이 더 크다는 결론을 제시한다.

상세 분석

논문은 ‘에이전트’가 한정된 시간 t_max 동안 전략을 탐색하고, 현재 보상이 사전 설정된 만족 임계값 T에 도달하면 그 전략을 고정하는 모델을 제시한다. 보상 흐름은 AR(1) 과정 X_t = φ X_{t‑1} + (1‑φ) ε_t 로 정의되며, ε_t는 평균 μ, 표준편차 σ를 갖는 알려진 분포(주로 정규분포)에서 추출된다. φ=0이면 완전히 무상관, 즉 ‘거친’ 풍경이며 φ→1이면 보상이 고도로 연속적인 ‘부드러운’ 풍경이 된다.

핵심 결과는 기대 누적 보상이 T에 대한 단봉형( unimodal ) 함수를 이루며, 최적 임계값 T가 μ보다 엄격히 크고, t_max이 증가할수록 T도 증가한다는 점이다. 이는 탐색 시간이 길수록 더 높은 목표를 설정해도 성공 확률이 충분히 보완된다는 직관과 일치한다. 또한 T*는 유한값을 유지하는데, 이는 탐색 비용이 무한히 높지 않은 한 ‘무한히 높은’ 야망은 기대 보상을 감소시킨다.

특히, 좌측 왜도( left‑skew )가 강한 보상 분포에서는 최적 T가 더 크게 나타난다. 이는 낮은 보상이 많이 존재해 평균 μ가 낮아지지만, 높은 보상의 ‘가능성’이 남아 있어 야망을 높게 잡아도 기대 보상이 증가하기 때문이다. 반대로 우측 왜도에서는 T가 감소한다.

사회적 비교를 도입하면, 에이전트가 동료들의 보상을 관찰해 자신의 만족 임계값을 조정하게 되는데, 이는 실제 보상 분포를 과소평가하거나 과대평가하게 만들며, 결과적으로 기대 보상이 감소한다는 역설적 결과를 낳는다. 탐색 비용(c)이 존재할 경우, 비용이 일정 수준을 초과하면 탐색 자체가 비경제적이 되어 ‘항상 만족’ 전략이 최적이 된다. 그러나 비용이 중간 수준일 때는 과도한 야망이 비용을 크게 늘려 기대 보상을 감소시키므로, T*는 비용이 증가함에 따라 완만히 감소한다.

마지막으로, 과도하게 높은 T를 설정했을 때와 과소하게 낮은 T를 설정했을 때의 기대 손실을 비교하면, 전자는 탐색 단계가 과도하게 길어져 시간과 비용을 낭비하게 만들고, 후자는 평균 이하의 보상에 머무르는 손실이지만, 전자의 손실이 더 크게 나타난다. 따라서 ‘과도한 야망보다 과소 야망이 더 큰 비용을 초래한다’는 결론이 수학적으로 증명된다.