1. 문제 정의 (Problem)

기존의 거시경제 모델링은 다음과 같은 한계를 가지고 있었습니다:

• DSGE (동적 확률적 일반균형) 모델: 수학적 우아함을 가지지만, 대표적 에이전트 (representative agent) 가정과 단순화된 최적화 문제에 의존하여 에이전트의 이질성 (heterogeneity) 과 복잡한 행동 역학을 제한합니다.
• 전통적 에이전트 기반 모델 (ABM): 이질성을 수용하지만, 대부분 수작업으로 설계된 결정 규칙 (hand-crafted rules) 에 의존하여 유연성이 부족하고 해석 가능성이 낮습니다.
• 기존 LLM 기반 시뮬레이션: 사회 현상 시뮬레이션은 시도되었으나, 도시 개발 및 복잡한 거시경제 시스템 (노동, 금융, 상품 시장 등) 을 통합적으로 다루는 프레임워크는 부재했습니다.

2. 방법론 (Methodology)

SimCity 는 LLM 기반의 다중 에이전트 시스템으로, 에이전트 - 상호작용 - 환경 패러다임을 따릅니다.

2.1 핵심 에이전트 (4 가지 유형)

모든 에이전트는 LLM 모듈을 통해 환경 관찰, 특성, 구조화된 기억을 기반으로 추론 및 의사결정을 수행합니다.

1. 가계 (Households): 이질적인 프로필 (연령, 교육, 선호도, 기술) 을 가지며, 소비, 노동 시장 참여, 주거 선택, 금융 활동 (저축/대출/투자) 을 결정합니다.
2. 기업 (Firms): 44 가지 유형의 상품을 생산하며, 생산량 및 가격 설정, 고용/해고, 자본 투자, 자금 조달을 결정합니다. Cobb-Douglas 생산 함수를 기반으로 효율성을 계산합니다.
3. 중앙은행 (Central Bank): 수정된 테일러 규칙 (Taylor rule) 을 기반으로 금리를 조정하여 인플레이션과 산출량 격자에 대응합니다.
4. 정부 (Government): 소득세 및 부가가치세 (VAT) 를 징수하고, 공공 지출, 기본소득 (UBI) 지급, 인프라 투자를 통해 경제를 조절합니다.

2.2 환경 및 상호작용

• 시장: 마찰이 있는 노동 시장, 이질적인 상품 시장 (식품, 의류 등), 금융 시장 (예금/대출) 을 포함합니다.
• 투자 풀 (Investment Pool): 가계의 투자 자금을 모으고, 비전 - 언어 모델 (VLM) 이 시장 조건을 분석하여 새로운 기업의 설립 위치와 유형을 결정합니다.
• 시각화 및 공간적 맥락: 웹 기반 렌더링 모듈을 통해 도시 지도를 시각화합니다. VLM 은 지도 이미지를 분석하여 기업 입지를 결정하며, 이는 도시의 공간적 확장을 모의합니다.
• 시뮬레이션 단계:
  • 이주 단계 (Move-in Phase): 인구가 증가하며 도시가 확장되는 단계 (36 개월).
  • 개발 단계 (Development Phase): 인구가 고정된 상태에서 거시경제적 안정성을 관찰하는 단계 (144 개월).

3. 주요 기여 (Key Contributions)

1. 풍부한 상호작용을 가진 LLM 기반 거시경제 시뮬레이션: 가계, 기업, 중앙은행, 정부라는 4 가지 역할을 LLM 에이전트로 구현하여 이질성과 복잡한 경제 상호작용을 가능하게 했습니다.
2. 시각화된 도시 스타일 시뮬레이션 환경: VLM 을 활용한 지도 렌더링을 통해 공간적 맥락을 제공하며, 도시 확장 역학을 시각적으로 연구할 수 있게 했습니다.
3. 체계적인 평가 및 검증: 기존 경제학의 ' Stylized Facts (경험적 사실)' 체크리스트를 구성하여 프레임워크의 유효성을 검증했습니다.

4. 실험 결과 (Results)

SimCity 는 다양한 거시경제 현상을 성공적으로 재현했습니다:

• 거시경제 법칙의 재현:
  • 필립스 곡선 (Phillips Curve): 실업률과 인플레이션 간의 역관계.
  • 옥쿤의 법칙 (Okun's Law): 실업률 변화와 실질 GDP 성장률 간의 역관계.
  • 베버리지 곡선 (Beveridge Curve): 구인률과 실업률 간의 역관계.
  • 엔겔의 법칙 (Engel's Law): 소득 증가 시 식품 지출 비중 감소.
  • 수요의 법칙: 가격 탄력성 (Price Elasticity) 이 필수재와 사치품에 따라 다르게 나타남.
• 비즈니스 사이클: 투자 변동성이 소비 변동성보다 크다는 현실적 패턴 재현.
• 외부 충격에 대한 반응:
  • 가격 충격: 특정 상품의 가격 급변 시, 가격 경직성 (price stickiness) 으로 인해 점진적으로 균형으로 회귀하는 모습 관찰.
  • 자동화 충격: 노동 기술이 IT 기술로 대체되는 충격 시, 기술별 소득 격차가 벌어지는 분배적 결과 관찰.
• 공간적 패턴: VLM 을 사용한 에이전트는 중심 주거 지역과 주변 생산 지역으로 구성된 단심형 도시 (mono-centric city) 구조를 자연스럽게 형성했습니다. (텍스트만 사용한 경우 비현실적인 선형 구조가 형성됨)
• 강건성 (Robustness): 다양한 랜덤 시드와 LLM 모델 (gpt-4o-mini, gpt-5 등) 에서도 동일한 거시경제 패턴이 재현됨을 확인했습니다.

5. 의의 및 한계 (Significance & Limitations)

• 의의:
  • 기존 DSGE 나 전통적 ABM 이 다루기 어려웠던 이질적 에이전트와 복잡한 상호작용을 LLM 을 통해 구현했습니다.
  • 해석 가능성 (Interpretability): 에이전트의 의사결정 과정이 자연어 추론으로 제공되어 경제 현상의 인과관계를 이해하는 데 기여합니다.
  • 새로운 시나리오 분석: 기존 모델에서 분석하기 어려웠던 외생적 충격 (가격 충격, 기술 변화 등) 에 대한 경제 반응을 연구할 수 있는 플랫폼을 제공합니다.
• 한계:
  • 비정상적 행동: LLM 의 특성상 극단적이거나 비합리적인 결정 (예: 가격의 비현실적 변동) 이 발생할 수 있어 휴리스틱 검증이 필요합니다.
  • 금융 복잡성 부족: 실제 주식, 채권, 파생상품 등 복잡한 금융 시장과 수학적 최적화 전략은 포함되지 않았습니다.

결론

SimCity 는 LLM 기반의 다중 에이전트 시뮬레이션을 통해 거시경제학 연구에 새로운 패러다임을 제시합니다. 이 프레임워크는 경제 법칙을 검증하는 도구일 뿐만 아니라, 다양한 경제 정책과 충격에 대한 실험실 (testbed) 로서 활용될 수 있으며, 보다 현실적이고 해석 가능한 경제 시뮬레이션의 기반이 될 것으로 기대됩니다.