게임에서의 집합 효율성: 개인 편향의 상쇄와 정보 구조의 함정

초록

대규모 인구 게임에서 개별적 인지 편향은 분산된 정보 수집을 통해 대부분 상쇄된다. 저자는 ‘집합 효율성’ 기준을 제시하고, 전략적 네트워크 형성이나 플랫폼 알고리즘처럼 정보 구조를 조작하는 경우에만 집합 비효율이 발생한다는 점을 강조한다. 이를 독점과 노동시장에서 사례화하고, 정책 방향을 개인 행동 교정에서 정보 구조 감시·규제로 전환할 것을 제안한다.

상세 분석

이 논문은 두 가지 핵심 질문을 다룬다. 첫째, 개인이 ‘상관 무시(correlation neglect)’라는 인지 편향을 가지고 있을 때, 대규모 게임에서 그 편향이 집합 수준에서 사라지는가? 둘째, 어떤 구조적 요인이 편향을 집합적으로 유지하거나 악화시킬 수 있는가?
저자는 ‘집합 효율성(aggregate efficiency)’이라는 새로운 벤치마크를 정의한다. 이는 완전 경쟁 시장에서 나타나는 할당 효율과 유사하게, 분산된 정보 집합을 통해 제한된 인지 능력을 가진 에이전트들이 실제로는 완전 합리적 기대와 동일한 결과를 도출한다는 주장이다. 이를 정리한 핵심 정리는 정리 1(Theorem 1)이며, “정보 구조의 모든 가능한 상관 형태 중에서, 집합 편향을 야기하는 경우는 측도 0, 즉 거의 발생하지 않는다”는 수학적 결과를 제시한다. 즉, ‘일반(generic)한’ 정보 환경에서는 편향이 평균적으로 소멸한다는 것이다.

하지만 논문은 이 일반적 결과가 언제 무시될 수 있는지를 명확히 밝힌다. 전략적 네트워크 형성, 독점 기업의 가격 정책, 혹은 플랫폼이 설계한 알고리즘 등 ‘정보 구조’를 통제하거나 조작할 수 있는 주체가 존재할 때, 비일반(non‑generic) 상관 구조가 의도적으로 선택된다. 이러한 경우에는 편향이 집합적으로 유지되어 효율 손실이 발생한다. 저자는 이를 ‘정보 실패(information failure)’라 부르고, 전통적인 시장 실패와 대조한다.

핵심 방법론은 ‘상관 샘플링 균형(Correlated Sampling Equilibrium with Statistical Inference, CoSESI)’이라는 새로운 균형 개념이다. CoSESI는 (1) 에이전트가 실제 상관 구조를 모르고 주관적 모델을 가지고, (2) 샘플의 경험적 빈도를 통계적 추정량으로 사용한다는 두 가지 제한을 동시에 반영한다. 이 개념은 기존의 내시 균형(Nash), SESI, ABEE 등을 포함하는 포괄적 프레임워크이며, 상관 무시, 핫핸드 오류, 도박사의 오류 등 다양한 인지 왜곡을 모델링한다.

정리 1의 ‘측도 제로’ 결과는 수학적으로는 강력하지만, 실제 경제에서는 정보 구조가 외부 주체에 의해 선택될 가능성이 크다. 논문은 두 가지 실증적·이론적 사례를 제시한다. 첫째, 독점 기업이 ‘희소성 원칙’을 이용해 제품을 클럽형태로 제한함으로써 소비자 간 관찰이 고도로 상관되게 만든다. 이때 소비자는 상관 무시로 인해 실제 수요보다 낮은 수요를 추정하고, 독점자는 이를 이용해 가격을 인상한다. 둘째, 노동시장에서 동질적 네트워크(동질적 추천)로 인해 구직자와 기업이 서로의 행동을 과도하게 상관된 신호로 받아들여, 매칭 효율이 감소한다. 두 경우 모두 편향이 집합적으로 유지되어 사회적 손실이 발생한다.

정책적 함의는 명확하다. 개인의 인지 편향을 교정하려는 전통적 ‘교육·행동 개입’보다, 정보 구조 자체를 감시·규제하는 것이 더 효과적이다. 저자는 제안된 통계적 검정법(정리 3, 명제 3)을 통해 제한된 표본만으로도 일반적·비일반적 환경을 구분할 수 있다고 주장한다. 이는 정책 입안자가 언제 정보 구조에 개입해야 하는지를 판단하는 실용적 도구가 된다.

전반적으로 이 논문은 ‘분산된 학습이 편향을 상쇄한다’는 긍정적 메시지를 제시하면서도, 정보 구조가 전략적으로 설계될 경우 발생하는 집합 비효율을 체계적으로 분석한다. 이는 행동경제학, 네트워크 경제학, 그리고 플랫폼 규제 논의에 중요한 이론적·실증적 기여를 제공한다.