Minimising Financial Risk under Enrolment Uncertainty: An Open-Source Entropy-Indexed POMDP Tool for University Governance

대학은 독특한 종류의 사업체입니다. 내년도 직원과 건물에 지불할 자금을 마련하기 위해, 그들을 지원할 학생들이 도착하기도 수년 전에 미리 돈을 써야 하기 때문입니다. 이는 앞을 내다보고 계획해야 하는 필요성과 미래를 확실하게 알 수 없다는 불가능성 사이의 끊임없는 긴장을 유발합니다. 영국에서 이러한 불확실성은 매우 심각해졌습니다. 수년간 대학들은 지출을 안내하기 위해 예측치에 의존해 왔으나, 규제 기관들은 이러한 예측이 지속적으로 지나치게 낙관적이라는 사실을 발견했으며, 이로 인해 잉글랜드 내 거의 절반의 교육 기관들이 재정 부족에 직면해 있습니다. 핵심 문제는 대학 지도자들의 노력이나 지능이 부족한 것이 아니라, 의사결정을 내리는 방식의 구조적 결함에 있습니다. 미래가 진정으로 불투명할 때, 이사회에 단 하나의 '최선의 추측' 시나리오에 동의하라고 요구하는 것은 그들이 신뢰할 수 없는 일을 하라고 요구하는 것과 같습니다. 그들은 서로 다른 미래들에 가중치를 부여하도록 요청받지만, 현재 환경의 본질상 그 가중치들은 알 수 없는 것들입니다.

이를 해결하기 위해 베드퍼드셔 대학교(University of Bedfordshire)의 연구진은 질문 자체를 바꾸는 새로운 종류의 계획 도구를 개발했습니다. 리더들에게 어떤 미래가 가장 가능성 있는지 추측하라고 묻는 대신, 이 도구는 기관이 어떤 미래에 대해 얼마나 확신할 수 있는지를 측정합니다. 이 도구는 학생 수의 흐름을 추적하여 대학의 재정 건전성에 대한 확률 지도를 업데이트하는 방식을 사용합니다. 이 지도는 단 하나의 결과로 수렴되지 않습니다. 대신 새로운 데이터가 들어올 때마다 끊임없이 변화하며, 해당 대학이 성장기인지, 안정기인지, 혹은 어려움의 시기인지를 보여줍니다. 결정적으로, 이 도구는 확률이 얼마나 넓게 퍼져 있는지에 따라 불확실성 점수를 계산합니다. 데이터가 혼란스럽고 확률이 균등하게 나뉘어 있을 때, 도구는 상황이 너무 불투명하여 중대한 영구적 변화를 만들기에는 부적절하다는 신호를 보냅니다. 데이터가 명확해지고 하나의 결과가 지배적이 되면, 도구는 행동에 나서기에 안전하다는 신호를 보냅니다. 이러한 접근 방식은 대학이 불가능한 추측에 매달리지 않고도 깊은 불확실성을 헤쳐 나갈 수 있게 해줍니다.

연구진은 이 시스템을 오픈 소스 소프트웨어 애플리케러이션으로 구축하였으며, 이는 누구나 자유롭게 사용하고 검토할 수 있음을 의미합니다. 이 시스템은 서로 다른 최근 역사를 가진 4개의 러셀 그룹(Russell Group) 기관의 10년 치 공개 HESA 데이터를 바탕으로 보정되었습니다. 이 기관들 중 일부는 비자 정책 변화로 인해 국제 학생 수가 급격히 감소한 경험이 있는 반면, 다른 곳들은 꾸준한 성장을 경험했습니다. 이후 연구팀은 500번의 시뮬레이션된 등록 미래를 대상으로 몬테카를로 평가를 실행하여 이 도구를 6개의 다른 일반적인 계획 전략과 테스트했습니다. 결과에 따르면, '엔트로피 지수 시스템(entropy-indexed system)'이라 불리는 이 새로운 도구는 전통적인 방식보다 일관되게 더 나은 재정적 성과를 만들어냈습니다. 이 시뮬레이션에서 이 도구는 다른 모든 전략보다 재정 위기 발생 가능성을 낮게 유지하면서도 가장 높은 평균 재정적 보상을 달ей 달성했습니다. 이 성공의 핵심은 불확실성 점수가 높을 때 정규직 채용이나 신규 캠퍼스 건설과 같은 되돌릴 수 없는 약속을 자제하는 능력이었습니다.

이 도구는 단순하지만 강력한 논리로 작동합니다. 대학의 재정 상황을 세 가지 모드 중 하나에 있는 '숨겨진 상태'로 취급합니다: 자금이 타이트한 저성장 모드, 상황이 정상적인 안정 모드, 그리고 투자 여력이 있는 고성장 모드입니다. 대학은 이러한 모드를 직접 볼 수 없으며, 오직 매년 등록하는 학생 수만을 볼 수 있습니다. 소프트웨어는 새로운 등록 숫자가 들어올 때마다 대학이 어떤 모드에 있는지에 대한 믿음을 업데이트하는 수학적 과정을 사용합니다. 숫자가 혼란스러우면 소프트웨어의 믿음은 세 가지 모드 전체에 걸쳐 넓게 퍼진 상태로 남습니다. 이 혼란 상태는 '엔트로피(entropy)'라고 불리는 값으로 측정됩니다. 엔트로피가 높으면, 도구는 대학이 크고 되돌리기 어려운 결정을 내리는 것을 자동으로 차단합니다. 이는 기관이 더 많은 증거를 수집하며 기다리도록 강제합니다. 등록 숫자가 일관성을 띠고 믿음이 하나의 모드로 집중되면, 엔트로피 점수가 떨어지며 도구는 투자나 확장을 위한 녹색 신호를 보냅니다.

이 접근 방식은 대학이 현재 사용하는 표준적인 계획 방식과 구별되는 장점을 제공합니다. 전통적인 시나리오 계획은 리더들에게 최선 또는 최악의 경우와 같이 몇 가지 다른 미래를 상상하고 그 사이에서 선택하도록 요구합니다. 그러나 이 방법은 리더들이 각 시나리오의 가능성에 대해 합의할 수 없을 때 실패합니다. 새로운 도구는 그러한 합의의 필요성을 제거합니다. 이 도구는 이사회에 어떤 미래가 가장 확률이 높은지 결정하라고 요구하지 않습니다. 대신 데이터가 현재의 신뢰 수준에 대해 무엇을 말하고 있는지를 단순히 보고합니다. 데이터가 모호하다면, 도구는 현재 인력 수준을 유지하거나 시장에 대해 더 배우기 위해 학생 모집에 집중하는 것과 같은 신중한 태도를 권고합니다. 데이터가 명확하다면, 결단력 있는 행동을 권고합니다. 이를 통해 대학은 직관이나 정치적 압력에 의존하지 않고, 진정으로 필요할 때는 보수적으로, 증거가 뒷받침될 때는 공격적으로 행동할 수 있습니다.

연구진은 이 도구가 실세계의 다양한 도전 과제들을 어떻게 처리하는지 확인하기 위해 네 가지 특정 유형의 대학 궤적을 대상으로 시스템을 테스트했습니다. 2022년 이후의 국제 학생 수 급감 상황을 모방한 한 시나리오에서, 도구는 상황이 불투명한 첫 2년 동안 지출을 자제하라는 권고를 정확히 내놓았습니다. 불확실성을 무시한 다른 전략들은 이 기간 동안 투자를 계속 권고했고, 이는 시뮬레이션에서 재정적 어려움으로 이어졌습니다. 데이터가 대학이 안정화되고 있음을 명확히 하자, 도구는 더 활동적인 입장으로 전환하여 대학이 다른 전략들보다 더 빠르게 회복할 수 있도록 했습니다. 꾸준하고 예측 가능한 성장이 나타난 또 다른 시나리오에서, 도구는 성장이 일시적인 급증이 아니라 지속적인 추세임을 확인하기 위해 충분한 시간이 흐른 후에야 공격적인 투자를 권고했습니다. 이는 성장이 멈췄을 때 새로운 역량을 너무 일찍 구축하게 되는 실수를 방지했습니다.

이 도구의 독특한 특징은 조사 결과를 대학 리더들에게 제시하는 방식입니다. 이 도구는 전체 분석을 평이한 언어로 요약한 '이사회 보고서(Board Pack)'라는 2페이지 분량의 문서를 생성합니다. 이 문서에는 권장 전략이 6가지 다른 접근 방식과 어떻게 비교되는지를 보여주는 차트와 함께, 특정 결정이 내려진 이유에 대한 명확한 설명이 포함됩니다. 예를 들어, 불확씨성이 너무 높아 위험을 감수하기에는 부적절하기 때문에 새로운 인력을 채용하는 것을 기다리라고 권고했다는 식의 설명이 포함될 수 있습니다. 이 문서는 엄격한 규칙을 따르는 컴퓨터 프로그램에 의해 생성되므로 완전히 재현 가능합니다. 만약 다른 리더가 동일한 수치를 도구에 넣는다면, 그는 정확히 똑같은 결과를 얻게 될 것입니다. 이는 의사결정이 주관적인 의견이 아닌 데이터에 기반한 투명한 분석에 근거했음을 보여주는 명확한 감사 추적(audit trail)을 생성합니다.

연구진은 또한 이 도구를 수학이나 컴퓨터 과학 배경이 없는 사람들도 사용할 수 있도록 설계했습니다. 대학의 재무 이사는 몇 분 만에 기본적인 권고를 얻기 위해 도구를 사용할 수 있으며, 자신의 기관 특유의 데이터로 보정하는 데는 한 시간 정도를 쓸 수 있습니다. 소프트웨어는 온라인에서 무료로 이용 가능하며, 복잡한 소프트웨어를 설치할 필요 없이 표준 웹 브라우저에서 실행할 수 있습니다. 데이터를 비공개로 유지하고자 하는 기관을 위해 로컬 컴퓨터에서 실행할 수 있는 버전도 있습니다. 이 도구는 영국 대학 등록 수치의 공식 출처인 고등교육통계청(HESA)의 데이터를 사용하지만, 연구진은 누구나 결과를 검증할 수 있도록 기초 코드와 사전 계산된 설정을 공개해 두었습니다.

이 연구는 운영 연구(operational research, 조직의 더 나은 의사결정을 돕기 위해 수학적 방법을 사용하는 분야)가 고등 교육에 적용될 때 그 가치가 가장 높은 지점이 언제인지를 강조합니다. 안정적인 시기에는 전통적인 계획 방식도 충분히 잘 작동합니다. 하지만 대학이 비자 법 변경이나 인구 통계학적 변화와 같은 갑작스러운 충격에 직면했을 때, 불확실성을 측정하는 능력은 결정적입니다. 이 도구는 미래를 예측하겠다고 약속하는 것이 아니라, 틀렸을 때의 위험을 관리하는 방법을 제공합니다. 증거가 약할 때 자동으로 결정을 제한함으로써, 대학이 비용이 많이 드는 실수를 저지르는 것을 방지합니다. 증거가 강력해질 때 이러한 제약을 해제함으로써, 대학이 다른 더 경직된 계획 방식들이 놓칠 수 있는 기회를 잡을 수 있게 합니다.

이 작업은 운영 연구가 고등 교육에 적용되는 방식의 변화를 나타냅니다. 오랫동안 이러한 방법들은 수업 일정을 짜거나 학과 내 자원을 배분하는 것과 같은 전술적 문제에 사용되어 왔습니다. 이 도구는 그 힘을 전략적 수준으로 끌어올려, 대학 거버넌스의 최고위층이 재정적 위험을 헤쳐 나가는 데 도움을 줍니다. 연구진은 이 도구가 인간의 판단을 대체하는 것이 아니라, 그 판단을 더 신뢰할 수 있게 만드는 지원 시스템이라고 강조합니다. 이는 불확실성이라는 추상적인 개념을 리더들이 보고 행동할 수 있는 구체적인 숫자로 바꿔줍니다.

이 작업의 함의는 영국을 넘어섭니다. 호주와 같은 다른 국가의 대학들도 변동성이 큰 국제 학생 시장과 정책 변화라는 유사한 과제에 직면해 있습니다. 연구진은 현지 데이터를 사용하여 시스템을 보정하기만 한다면, 이 도구가 어디서든 사용될 수 있도록 적응 가능하다는 점을 시사합니다. 불확실성을 측정하고 그에 따라 결정을 조정하는 핵심 논리는 보편적입니다. 연구진은 이 도구를 오픈 소스로 공개함으로써, 다른 기관들이 이를 테스트하고, 개선하며, 자신들의 맥락에 맞게 적응시키기를 희망하고 있습니다. 이러한 협력적 접근 방식은 도구가 단순한 이론적 연습에 머물지 않고 실제 경험을 바탕으로 진화할 수 있도록 보장합니다.

결국, 이 논문은 지속적인 문제에 대한 실질적인 해결책을 제시합니다. 이는 미래를 안다고 가장하는 대신, 미래를 계획하는 방법을 제시합니다. 데이터의 신뢰 수준이라는 '측정 가능한 것'에 집중함으로써, 불안정한 세상에서 의사결정을 위한 안정적인 토대를 제공합니다. 이 도구는 위험을 제거하지는 않지만, 리더들이 더 정밀하게 위험을 이해하고 관리할 수 있는 방법을 제공합니다. 과도하게 낙관적인 예측과 재정 적리로 고통받아 온 교육계에 있어, 이러한 명확성은 단순한 기술적 개선이 아니라 장기적 지속 가능성을 위한 필수적인 단계입니다. 연구진은 재무 이사와 기획팀이 자신의 데이터를 가지고 이 도구가 어떻게 작동하는지 직접 확인하고 발전에 기여해 줄 것을 권고합니다. 목표는 다가오는 수십 년간의 불확실성을 헤쳐 나가는 데 도움이 될 수 있는, 증거 기반 계획의 공유된 표준을 만드는 것입니다.