기술 요약: 인공 제도(Artificial Institutions): 제도적 설계가 LLM 시뮬레이션에 미치는 영향

문제 제기

인공 사회 내 에이전트로서 대규모 언어 모델(LLM)의 급격한 도입은 프롬프트, 페르소나, 메모리, 추론 능력, 그리고 인간 대상에 대한 충실도와 같은 '에이전트 속성'에 초점을 맞추는 방향으로 논의를 전환시켰습니다. 그러나 본 논문은 시뮬레이션의 **제도적 아키텍처(institutional architecture)**가 종종 간과되는 결정적인 변수라고 주장합니다.

인공 사회에서 에이전트는 누가 행동할 수 있는지, 누가 관찰할 수 있는지, 행동의 순서, 통신 프로토콜, 그리고 개별 행동이 집단적 결과로 집계되는 방식 등을 규정하는 규칙 속에 내재되어 있습니다. 이러한 규칙들은 흔히 과학적 연구 대상이라기보다 배경적인 구현 세부 사항으로 취급되곤 합니다. 본 연구가 다루는 핵심 문제는 LLM 에이전트가 '제도 중립적'(교환 규칙에 관계없이 유사한 결과를 생성함)인지, 아니면 '제도 민감적'(상호작용 규칙에 따라 질적으로 다른 사회적 결과를 생성함)인지 여부입니다. 만약 후자라면, 시뮬레이션 결과를 단순히 모델 제품군이나 프롬프트 덕분으로 돌리는 것은 방법론적으로 결함이 있는 것입니다.

연구 방법론

본 연구는 에이전트 효과로부터 제도적 효과를 분리하기 위해 **유도 가치 시장 이론(induced-value market theory)**에 기반한 통제된 실험 설계를 채택했습니다.

• 실험 환경: 4명의 인공 구매자와 4명의 인공 판매자가 참여하는 소규모 반복 시장.
  • 구매자: 사적 가치(private values) 100, 90, 70, 50.
  • 판매자: 사적 비용(private costs) 30, 45, 65, 85.
  • 제약 조건: 각 에이전트는 기간당 최대 1회 거래할 수 있음. 에이전트는 가치보다 높게 입찰하거나 비용보다 낮게 요구하지 않도록 지시받음. 프롬프트는 효율적 배분이나 경쟁 균형 가격대(65–70)를 공개하지 않음.
• 변수:
  • 고정 변수: 에이전트 모델 제품군, 사적 가치/비용, 보상 지침, 기간 수(5), 공개 이력 구조.
  • 처치 변수(가변 변수): 교환 제도(institution of exchange). 다섯 가지 표준 시장 제도를 테스트함:
    1. 콜 마켓(Call Market): 밀봉 입찰/호가, 중앙 집중식 청산, 반올림된 중간값으로 가격 결정.
    2. 지정가 매도 시장(Posted-Offer Market): 판매자가 '받아들이거나 거절하거나(take-it-or-leave-it)' 식의 매도 호가를 게시하면, 구매자들이 동시에 하나를 선택하거나 통과함.
    3. 지정가 매수 시장(Posted-Bid Market): 구매자가 '받아들이거나 거절하거나' 식의 매수 입찰을 게시하면, 판매자들이 동시에 하나를 선택하거나 통과함.
    4. 연속 더블 경매(Continuous Double Auction, CDA): 순차적 도착; 에이전트는 대기 중인 제안을 수락하거나, 새로운 제안을 게시하거나, 통과할 수 있음.
    5. 양자 협상(Bilateral Bargaining): 무작위 쌍 구성; 단판 제안; 입찰가가 요구가보다 크거나 같을 때 거래 발생.
• 모델: 네 가지 모델 제품군을 테스트함: GPT-5 mini, GPT-5, Claude Sonnet (구체적으로 claude-sonnet-4-5-20250929), Gemini (구체적으로 gemini-2.5-flash).
• 규모: 모델-시장-기간당 10개의 독립적인 시장을 실시하여 총 1,000개의 모델-시장-기간 관측치를 확보함.
• 지표: 실현된 잉여(효율적 잉여 대비 %), 거래량, 경쟁 균형(CE) 가격대와의 거리, 구매자와 판매자 간의 잉여 배분.

주요 결과

1. 제도적 규칙이 집단적 결과를 결정한다

에이전트와 보상을 동일하게 유지하더라도, 제도적 아키텍처 자체만으로 사회적 결과에서 유의미한 차이를 생성했습니다.

• 효율성: 콜 마켓은 효율적 잉여의 **88.6%**를 달성하여 가장 높은 효율성을 보였습니다. 연속 더블 경매(CDA)는 **71.5%**에 도달했습니다. 지정가 매도 및 매수 시장은 약 **66%**를 기록했습니다. 양자 협상은 **56.4%**로 가장 낮은 효율성을 보였습니다.
• 거래량: 콜 마켓은 평균 2.55회의 거래를 기록하여 효율적 거래량(3회)에 가장 근접했습니다. 지정가 매도 및 매수 시장은 평균 약 1.5회의 거래만을 기록했습니다. 양자 협상은 평균 1.91회의 거래를 기록했습니다.
• 가격 편차: 양자 협상과 콜 마켓은 CE 대역(65–70)에 가장 가까운 가격을 생성했습니다. 지정가 매도 시장은 대역보다 현저히 낮은 가격을 생성했고, 지정가 매수 시장은 대역보다 현저히 높은 가격을 생성했습니다.
• 잉여 배분: 제도의 규칙이 이득의 배분을 결정했습니다. 지정가 매도 시장은 잉여의 **83.7%**를 구매자에게 할당한 반면, 지정가 매수 시장은 구매자에게 단 **14.3%**만을 할당했습니다. 콜 마켓과 CDA는 판매자에게 유리했으며, 양자 협상은 비교적 균형 잡힌 분할을 보였습니다.

2. 모델-제도 상호작작용 (이질성)

특정 모델 제품군의 성능은 제도에 따라 크게 의존적이었습니다.

• 강건성(Robustness): 콜 마켓은 모델 전반에 걸쳐 상대적으로 강건했습니다. GPT-5, GPT-5 mini, Gemini 모두 90% 이상의 효율성을 달ach했습니다.
• 민감성(Sensitivity): 탈중앙화된 제도는 모델별 약점을 드러냈습니다. 예를 들어, Gemini는 콜 마켓에서 100% 효율성을 달성했으나 CDA에서는 35.2%에 그쳤습니다. 반대로, Claude Sonnet은 CDA에서는 우수한 성능(81.4%)을 보였으나 양자 협상에서는 저조한 성능(33.2%)을 보였습니다.
• 시사점: 모델은 특정 제도적 환경에서는 유능해 보일 수 있으나, 다른 환경에서는 취약할 수 있습니다. 유효한 분석 단위는 모델 단독이 아니라 **모델-제도 쌍(model-institution pair)**입니다.

3. 실패 메커니즘

제도마다 실패하는 원인이 달랐습니다.

• 지정가 시장: 효율성 손실은 거래가 아예 발생하지 않는 붕괴보다는 거래 기회의 누락(호환 가능한 구매자와 판매자를 매칭하지 못함)에 의해 발생했습니다.
• 양자 협상: 가격은 종종 CE 대역에 근접했으나, 탈중앙화된 무작위 쌍 구성 설정에서 겹치는 제안을 찾는 데 어려움이 있어 **거래가 발생하지 않는 기간(no-trade periods)**이 빈번하게 발생했습니다.
• 연속 더블 경매: 에이전트들은 타이밍과 대기 제안을 관리하는 전략적 복잡성에 따라 **입찰가 낮추기(bid shading)**와 요구가 높이기(ask markup) 현상을 보였습니다.

의의 및 기여

본 논문은 AI 및 사회과학 분야에 세 가지 주요 기여를 합니다.

1. 실무적 시사점: 실제 시스템(시장, 플랫폼, 조직)에 LLM 에이전트를 배치할 때는 에이전트 설계와 함께 제도적 설계가 필요합니다. 의사소통, 순서, 집계를 규정하는 규칙은 중립적인 컨테이너가 아니라, 집단적 결과를 능동적으로 형성하는 요소입니다.
2. 방법론적 시사점: 시뮬레이션은 에이전트 아키텍처(프롬프트, 페르소나, 메모리)와 동일한 엄격함으로 제도적 아키텍처를 보고하고 스트레스 테스트해야 합니다. 상호작용 규칙을 구현 세부 사항으로 취급하는 것은, 결과가 제도적 설계의 결과임에도 불구하고 이를 모델의 특성으로 오인하게 만드는 위험을 초래합니다.
3. 과학적 및 교육적 시사점: 인공 에이전트는 압축적이고 감사 가능한 환경에서 제도적 반사실적(institutional counterfactuals) 연구를 가능하게 합니다. 연구자들은 선호도, 정보, 정체성을 고정한 채 상호작용 규칙만을 변화시킴으로써, 왜 제도가 중요한지를 보여주는 저비용의 방법을 제공받을 수 있습니다.

한계 및 범위

저자는 본 결과가 인간 행동이나 일반적인 LLM 행동의 안정적인 파라미터가 아님을 명시적으로 밝힙니다. 본 실험은 좁은 설계(단일 수요/공급 스케줄, 금전적 인센티브 없음, 시간 경과에 따른 학습 없음)를 사용했습니다. 모델들은 시장 참여를 위해 훈련된 것이 아니라 결정을 내리도록 프롬프트되었습니다. 본 연구의 주장은 LLM이 인간을 완벽하게 모사한다는 것이 아니라, 이 인공 경제 내에서 제도에 민감하게 반응한다는 것입니다. 만약 이토록 단순한 환경에서도 큰 제도적 차이가 발생한다면, 더 큰 규모의 인공 사회는 제도 중립적이지 않을 가능성이 매우 높습니다.