🔬 applied physics

From transient shocks to unexpected outcomes: disruptive drivers in scenario pathways

이 논문은 시나리오 경로 분석의 한계를 극복하기 위해 교차 영향 균형 (CIB) 방법을 확장하여 다양한 충격과 불확실성 하에서 발생하는 비평형 상태와 예상치 못한 결과를 체계적으로 탐구할 수 있는 네 가지 시나리오 실행 유형을 제안하고, 이를 사회기술적 탈탄소화 경로에 적용하여 제시합니다.

원저자: Andrew G. Ross

게시일 2026-04-24

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Andrew G. Ross

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

🌍 비유: "미래를 여행하는 네 가지 지도"

우리가 내일을 예측할 때, 보통은 **"가장 평범한 날씨"**를 기준으로 한 지도 하나만 보여줍니다. 예를 들어, "내일 비가 올 확률이 30% 이니 우산 하나 챙겨가세요"라고 말하죠. 하지만 실제 삶은 그보다 훨씬 복잡합니다. 갑자기 태풍이 불거나, 예상치 못한 폭염이 오거나, 아예 지도 자체가 잘못 그려져 있을 수도 있죠.

이 논문은 **"단 하나의 지도만 믿지 말고, 네 가지 다른 시나리오를 동시에 그려보라"**고 말합니다. 이를 위해 기존의 '크로스 임팩트 밸런스 (CIB)'라는 분석 도구를 업그레이드했습니다.

1. 기존 방식의 문제점: "한 줄기 길만 보는 함정"

기존의 예측은 보통 **중앙값 (평균)**이나 **최소/최대 범위 (밴드)**만 보여줍니다.

비유: "내일 기온은 20 도에서 25 도 사이일 거야."
문제: 이게 왜 25 도가 되었는지, 갑자기 35 도가 될 수 있는지, 아니면 내일 갑자기 태풍이 와서 기온이 뚝 떨어질지 알 수 없습니다. "왜" 결과가 달라지는지, "어떤 스트레스"가 작용하는지 구별하지 못합니다.

2. 이 논문이 제안한 4 가지 새로운 시나리오 (네 가지 여행 방식)

저자는 미래를 시뮬레이션할 때 다음 네 가지 경우를 따로따로, 혹은 섞어서 실행해 보라고 제안합니다.

① "갑작스러운 충격" 테스트 (Disequilibrium / Disequilibrium)

상황: 평온한 여행 중 갑자기 한 번만 큰 지진이 나거나, 교통 체증이 극심해지는 상황을 가정합니다.
목적: 시스템이 얼마나 **튼튼한지 (회복탄력성)**를 봅니다.
비유: "우리가 평소에 잘 걷던 길인데, 갑자기 한 번만 큰 돌이 굴러와서 넘어지면 얼마나 오래 걸려서 다시 일어날까?"를 확인하는 것입니다. 이때 시스템이 균형을 잃고 흔들리는 정도를 수치로 측정합니다.

② "다른 세계"의 극단적 시나리오 (Extremes / Regimes)

상황: 세상의 규칙 자체가 완전히 달라진 경우를 가정합니다. 예를 들어, "정부가 매우 강력하게 규제를 하는 세계" vs "완전히 자유방임인 세계"처럼 **서로 다른 시나리오 (Regime)**를 고정하고 봅니다.
목적: 어떤 결과가 어떤 이야기 (시나리오) 에 의존하는지를 봅니다.
비유: "우리가 '평화로운 나라'로 간다면 A 가 되지만, '전쟁 중인 나라'로 간다면 B 가 될 것이다"라고 비교하는 것입니다. 단순히 숫자가 변하는 게 아니라, 세상의 규칙이 바뀌었을 때 결과가 어떻게 달라지는지 확인합니다.

③ "예상치 못한 결과" 찾기 (Unexpected Outcomes / Structural Uncertainty)

상황: 우리가 세상의 인과관계를 (A 가 B 를 만든다) 정확히 모른다고 가정합니다. 전문가들의 의견이 조금씩 다를 수 있다는 불확실성을 고려해, 수많은 다른 '규칙 책'을 무작위로 뽑아봅니다.
목적: **희귀하지만 일어날 수 있는 '회색 백조 (Grey Swan)'나 '검은 백조 (Black Swan)'**를 찾아냅니다.
비유: "우리가 A 가 B 를 만든다고 믿지만, 사실은 C 가 B 를 만들 수도 있고, D 가 E 를 바꿀 수도 있어. 이 모든 '잘못된' 가능성까지 포함하면, 우리가 전혀 생각지 못했던 끔찍한 (혹은 놀라운) 결과가 나올 수 있을까?"를 찾아내는 것입니다.

④ "단순한 잡음" 비교군 (Exogenous Shocks)

상황: 위의 복잡한 것들은 다 빼고, 오직 무작위적인 작은 돌발 상황만 반복해서 넣어봅니다.
목적: 위 세 가지가 실제로 얼마나 큰 영향을 미치는지 비교할 **기준선 (Baseline)**이 됩니다.
비유: "아무런 큰 사건도 없이, 그냥 매일 조금씩 비가 오고 바람이 부는 정도만 있다면 우리 여행은 어떨까?"를 먼저 확인해 둔 뒤, 다른 시나리오들과 비교합니다.

💡 이 연구가 왜 중요한가요?

이 논문은 정책 입안자나 기업에게 **"단 하나의 정답을 찾으려 하지 마라"**고 조언합니다.

기존 방식: "내일 비가 올 확률 30%." (우산 챙겨가세요.)
이 논문의 방식:
1. 충격 테스트: "태풍이 한 번 오면 우산이 날아가고 다리가 부러질까?" (시스템의 약점 찾기)
2. 극단 시나리오: "정부가 우산을 금지하면 어떻게 될까?" (규칙 변화에 따른 결과)
3. 불확실성 탐구: "우리가 우산이 비를 막는다고 믿지만, 사실은 우산이 비를 부를 수도 있을까?" (예상치 못한 결과 찾기)
4. 비교: "그냥 비만 온다면?" (기준선)

이렇게 네 가지 렌즈를 통해 미래를 보면, "어떤 결과가 나왔는지"뿐만 아니라 **"왜 그 결과가 나왔는지 (충격 때문인지, 규칙 때문인지, 아니면 우리가 모르는 불확실성 때문인지)"**를 명확히 구분할 수 있습니다.

🏁 결론

이 논문은 **"미래는 한 줄기의 길이 아니라, 다양한 가능성들이 얽힌 그물망"**이라고 말합니다. 우리는 단순히 '가장 가능성 높은 길'만 보지 말고, 갑작스러운 충격, 완전히 다른 세상의 규칙, 그리고 우리가 아직 모르는 불확실성까지 모두 고려하여 미래를 '스트레스 테스트'해야 합니다.

이를 통해 우리는 더 튼튼한 정책을 만들고, 예상치 못한 재앙에 대비할 수 있게 됩니다. 마치 항해할 때 단순히 '가장 평온한 바다'만 보지 않고, '폭풍우', '다른 해류', '미지의 암초'까지 모두 고려하여 항로를 설계하는 것과 같습니다.

1. 연구 배경 및 문제 제기 (Problem)

기후 변화 및 에너지 전환과 같은 복잡한 시스템의 미래를 예측하기 위해 시나리오 분석 (Scenario Analysis) 이 널리 사용되지만, 기존 방법론에는 몇 가지 중요한 한계가 존재합니다.

단일 궤적 또는 밴드의 한계: 기존 연구들은 종종 단일 중앙 경로 (central trajectory) 나 결과의 범위 (min-max band) 만을 제시합니다. 이는 결과의 변동 폭을 보여줄 수는 있지만, 왜 결과가 달라지는지, 어떤 스트레스나 불확실성 하에서 발생하는지를 구분하지 못합니다.
불균형 (Disequilibrium) 의 정량화 부재: 경로상의 단기적인 불균형 상태 (안정된 자기 일관성 상태에서 벗어난 상태) 를 정량적으로 측정하는 방법론이 부족합니다.
구조적 불확실성 (Structural Uncertainty) 의 간과: 시스템 내 요인들이 어떻게 상호작용하는지에 대한 불확실성 (영향 행렬의 불확실성) 이 발생할 때 나타나는 희귀하거나 예상치 못한 결과 (Grey/Black Swans) 를 충분히 탐구하지 못합니다.
원인 구분의 어려움: 결과의 변동이 '일회성 충격', '서로 다른 시나리오 (스토리라인)', 혹은 '시스템 작동 방식에 대한 불확실성' 중 어디에서 기인하는지 명확히 분리하여 해석할 수 있는 프레임워크가 부재합니다.

2. 방법론 (Methodology)

이 논문은 크로스 임팩트 밸런스 (Cross-Impact Balance, CIB) 방법론을 확장하여 위 문제들을 해결하는 새로운 프레임워크를 제안합니다. CIB 는 기술자 (Descriptor) 들의 상태 간 상호작용을 행렬 (CIM) 로 표현하고, 이를 통해 시나리오 경로를 생성하는 기법입니다.

저자는 CIB 를 세 가지 차원에서 확장하고, 이를 바탕으로 **4 가지 시나리오 유형 (Run Types)**을 정의했습니다.

2.1. CIB 의 3 가지 확장 (Extensions)

경로상의 불균형 정량화 (Disequilibrium):
- 각 기간 (Period) 에서 실현된 시나리오가 안정된 균형 상태 (Consistent State) 에 도달했는지 여부를 측정합니다.
- 일관성 마진 (Consistency Margin, $\mu$ ): 선택된 상태의 영향 점수와 차선 상태의 점수 차이.
- 불균형 부담 (Disequilibrium Burden): 경로 전체에 걸쳐 일관성이 없는 기간들의 누적 스트레스를 측정.
- 균형 도달 시간 및 해밍 거리: 현재 상태에서 균형 상태 (또는 끌개, Attractor) 에 도달하기까지 필요한 단계 수와 거리.
극단적 regimes(Regime) 하의 경로 (Extremes):
- 서로 다른 구조적 가정 (예: '기저', '중간', '스트레스' 월드) 을 가진 별도의 영향 행렬 (CIM) 을 정의합니다.
- 각 시나리오 경로는 특정 regime 의 행렬을 기반으로 실행되어, 서로 다른 세계관 하에서의 결과를 비교합니다.
예상치 못한 결과 (Unexpected Outcomes):
- 영향 행렬을 고정된 값이 아닌 불확실한 분포로 간주합니다.
- 각 실행 (Run) 마다 행렬의 셀 값을 확률 분포 (예: 정규분포) 에서 샘플링하여 재구성합니다. 시간이 지남에 따라 이 불확실성 ( $\lambda(t)$ ) 이 커지도록 설정하여, 중앙 행렬에서는 드물지만 구조적 불확실성 하에서는 가능한 '희귀한 결과'를 노출시킵니다.

2.2. 4 가지 시나리오 유형 (Scenario Types)

이론적 확장을 바탕으로 4 가지 실행 유형을 정의하여 각각 다른 변인 (Shock, Regime, Uncertainty) 을 분리합니다.

불균형 (Disequilibrium) 유형:
- 목적: 스트레스 테스트 및 회복탄력성 분석.
- 설정: 단일 기간 (예: 2030 년) 에 강력한 일회성 충격 (Structural Shock) 을 가하고, 경로가 얼마나 빠르게 균형을 회복하는지, 혹은 일시적 불균형이 얼마나 지속되는지 분석.
극단 (Extremes) 유형:
- 목적: 서로 다른 시나리오 (스토리라인) 간 비교.
- 설정: '저', '중', '고'의 세 가지 서로 다른 regime (각기 다른 CIM 과 충격 강도 $\alpha$ ) 을 고정하고 경로를 실행. 결과의 차이가 시나리오 선택에 민감한지 (Robustness) 확인.
예상치 못한 (Unexpected) 유형:
- 목적: 구조적 불확실성 하의 희귀/예상치 못한 미래 탐구.
- 설정: 각 기간마다 영향 행렬을 재샘플링 (Uncertain CIM) 하고, 동적/구조적 충격을 가함. 중앙 행렬에서는 드물지만 샘플링 하에서 나타나는 'Tail Risk'를 식별.
외생적 (Exogenous) 유형:
- 목적: 비교를 위한 기준선 (Baseline).
- 설정: 단일 명목 행렬 (Nominal Backbone CIM) 을 사용하되, 구조적/동적 무작위 충격만 가함. 불확실성 샘플링이나 regime 변경 없이 순수한 노이즈의 영향을 분리.

3. 주요 기여 (Key Contributions)

CIB 프레임워크의 통합적 확장: 기존 CIB 연구에서는 다루지 않았던 '경로상의 불균형', 'Regime 기반 극단 시나리오', '불확실한 행렬 샘플링'을 단일 프레임워크 내에서 통합首次 제안했습니다.
변인 분리 및 해석 가능성: 결과의 변동을 '충격', '스토리라인', '구조적 불확실성'으로 명확히 구분하여, 정책 입안자가 어떤 요인이 결과에 영향을 미쳤는지 식별할 수 있게 했습니다.
새로운 진단 지표 개발: 경로상의 불균형 정도를 측정하는 '일관성 마진', '불균형 부담', '균형 도달 시간' 등을 정량화하여, 시스템의 취약점과 회복탄력성을 평가할 수 있는 도구를 제공했습니다.
희귀 사건 (Tail Events) 의 체계적 탐구: Grey Swan(가능하지만 간과된 사건) 및 Black Swan(예상치 못한 사건) 을 구조적 불확실성 샘플링을 통해 체계적으로 식별하는 방법을 제시했습니다.

4. 시뮬레이션 결과 (Results)

논문은 사회기술적 탈탄소화 (Socio-technical Decarbonisation) 경로에 위 방법론을 적용하여 시뮬레이션을 수행했습니다.

데이터: 15 개의 기술자 (정책, 기술, 인프라 등) 와 3 개의 상태 (Ordinal states) 로 구성된 CIB 행렬 사용. 기간은 2025 년부터 2050 년까지 5 년 간격.
주요 발견:
- 불균형 (Disequilibrium): 충격이 가해진 기간 (2030 년) 에 일시적인 불균형이 발생하며, 경로 전체의 약 43% 기간이 불일치 상태 (Inconsistent) 에 머무르는 것으로 나타났습니다. 이는 시스템이 충격에 얼마나 취약한지 보여줍니다.
- 극단 (Extremes): 세 가지 regime(기저, 중간, 스트레스) 간의 결과 분포가 크게 달라지는 경우, 정책 결과가 특정 시나리오 가정에 민감하게 의존함을 의미합니다. 반면 결과가 유사하다면 해당 정책은 다양한 미래에 대해 강건 (Robust) 합니다.
- 예상치 못한 결과 (Unexpected): 불확실한 행렬 샘플링을 적용한 경우, 중앙 행렬에서는 거의 발생하지 않던 '고배출 (High emissions)' 상태가 약 2.8% 의 경로에서 최종 상태로 나타났습니다. 이는 구조적 불확실성을 고려하지 않으면 놓칠 수 있는 치명적인 Tail Risk 를 보여줍니다.
- 비교: 외생적 충격만 있는 경우와 불확실성 샘플링이 포함된 경우를 비교함으로써, 시스템의 변동성이 단순한 무작위 노이즈가 아니라 구조적 불확실성에서 기인함을 확인했습니다.

5. 의의 및 결론 (Significance)

이 연구는 시나리오 분석의 투명성과 해석력을 획기적으로 높였습니다.

정책적 시사점: 의사결정자들은 단일한 '최선의 추정치'나 넓은 범위 대신, 어떤 가정 (Regime) 하에서, 어떤 불확실성이 결과를 좌우하는지 구체적으로 파악할 수 있습니다.
스트레스 테스트의 정교화: 단순한 민감도 분석을 넘어, 시스템이 일시적 충격을 견디는 능력 (회복탄력성) 과 구조적 불확실성 하에서 발생할 수 있는 최악의 시나리오를 체계적으로 평가할 수 있습니다.
방법론적 진전: CIB 를 동적 경로 분석에 적용할 때 발생할 수 있는 인식론적 위험 (Expert judgement 을 과도하게 일반화하는 것) 을 완화하고, 불완전한 지식 하에서의 의사결정을 지원하는 새로운 기준을 제시했습니다.

결론적으로, 이 논문은 복잡한 시스템의 미래를 예측할 때 불균형, 극단적 시나리오, 구조적 불확실성을 통합적으로 고려함으로써, 더 강건하고 예측 가능한 정책 수립을 가능하게 하는 강력한 분석 도구를 제공합니다.