Complexity Suppression: An Institutional Theory of Governmental Cognition in Complex Policy Systems
이 논문은 정부가 복잡한 현실을 권위 있는 표상으로 단순화해야 하는 필연적 과정이 어떻게 결정적인 인과적 역동성을 배제하고, 모순적인 피드백을 여과하며, 인지적 부채를 축적함으로써 정책 실패로 이어질 수 있는지를 설명하는 기제 기반의 제도 이론으로서 '복잡성 억제'를 제안하며, 궁극적으로 효과적인 통치는 실행을 위한 단순화와 학습 및 교정을 위한 충분한 체계적 다양성의 보존 사이의 절제된 균형을 필요로 한다고 주장한다.
원본 논문은 CC BY 4.0 (https://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
정부들은 단 한 사람도 해결할 수 없는 문제에 직면해 있다. 그것은 바로 너무나 방대하고, 너무나 빠르며, 너무나 복잡하게 얽혀 있어 한꺼번에 이해하기 어려운 세상을 어떻게 관리할 것인가 하는 문제다. 의사결정을 내리기 위해 공공 기관들은 무질서한 현실을 손에 쥘 수 있는 형태로 바꾸어야 한다. 그들은 인구를 범주로 바꾸고, 불확실한 미래를 예측치로 바꾸며, 복잡한 사회 문제를 단순한 목표와 체크리스트로 바꾼다. 이 과정은 실수가 아니라 필연이다. 세상을 관리 가능한 조각들로 단순화하지 않는다면, 정부는 수백만 명의 사람들을 조율하거나 단 1달러라도 지출할 수 없을 것이다. 그러나 이러한 단순화 행위에는 숨겨진 위험이 따른다. 관료들이 문제를 명확하게 보이게 하려고 무질서한 세부 사항들을 제거할 때, 그들은 정책의 성패를 결정짓는 바로 그 핵심적인 요소들을 실수로 제거해 버릴 수 있다. 그 결과, 서류상으로는 완벽해 보이지만 사무실 밖의 실제 세상과는 일치하지 않는 버전의 현실이 만들어진다.
유엔 대학교(United Nations University)의 연구원인 모하메드 알오타이비(Mohammed Alotaibi)의 새로운 연구는 정확히 이런 일이 어떻게 발생하는지를 탐구한다. 그는 이 과정을 '복잡성 억제(complexity suppression)'라고 부른다. 이것은 단순히 사물을 단순하게 만드는 것이 아니라, 정부가 자신의 실수를 보지 못하도록 만들 정도로 '너무' 단순하게 만드는 것을 의미한다. 이 연구는 정부가 교육 계획이나 팬데믹 전략과 같은 문제에 대해 단순화된 모델을 만들 때, 그 모델이 하나의 방패가 될 수 있다고 시사한다. 만약 계획이 실패한다면, 정부는 계획 자체보다는 그것을 실행하는 사람들을 탓하는 경우가 많다. 시간이 흐르면서, 이는 정부가 생각하는 현상과 실제로 일어나고 있는 현상 사이의 간극을 만든다. 이 연구는 정부가 어리석다거나 배울 능력이 없다고 주장하는 것이 아니다. 대신, 계층 구조, 성과 목표, 외부 전문가와 같이 결정을 돕기 위해 설계된 바로 그 구조들이 어떻게 계획이 잘못되었다는 경고 신호를 실수로 걸러내는지 보여준다.
논문은 이러한 여과가 일어나는 네 가지 구체적인 방식을 식별한다. 첫째, '인식적 압축(epistemic compression)'이 있는데, 이는 복잡하고 불확실한 현실이 깔끔하고 확실한 범주 속으로 짜여 들어가는 것을 뜻하는 세련된 표현이다. 정부가 어떤 문제를 측정하기로 결정할 때, 그들은 측정하기 어렵거나 빠르게 변하는 부분들을 무시해야 하는 경우가 많다. 둘째, 정보가 지휘 체계를 따라 올라갈 때 '계층적 압축(hierarchical compression)'이 발생한다. 보고서가 지역 사무소에서 최고 지도자에게 전달됨에 따라, 메시지를 명확하고 단호하게 만들기 위해 무질서한 세부 사항과 지역적 이견들이 제거된다. 지도자들은 깔끔한 요약본을 얻지만, 계획이 왜 실패하고 있는지를 설명해 줄 맥락을 놓치게 된다. 셋데, '지표 치환(metric substitution)'은 측정이 그 자체로 목표가 될 때 발생한다. 오직 시험 점수로만 평가받는 학교 시스템을 상상해 보라. 교사들은 숫자를 좋게 만들기 위해, 학습의 다른 중요한 부분들을 무시한 채 오직 시험에 맞춰 가르치기 시작할 것이다. 측정은 더 이상 현실의 거울이 아니라, 현실 그 자체가 되어버린다. 마지막으로, '인지적 외재화(cognitive externalization)'는 정부가 외부 전문가에게 지나치게 의존하여 스스로 생각하는 법을 잊어버릴 때 발생한다. 그들은 의사결정 권한은 유지하지만, 받은 조언을 이해하거나 이의를 제기할 수 있는 능력은 상실한다.
이 네 가지 과정은 정부를 잘못된 결정의 굴레에 가둘 수 있는 순환 구조 속에서 함께 작동한다. 연구는 두 가지 실질적인 사례로 이를 설명한다. 첫 번째는 미국의 '아동 낙오 방지법(No Child Left Behind)'이다. 이 정책은 학교에 엄격한 시험 점수 목표를 설정함으로써 교육을 개선하려 했다. 정부는 '학습'이라는 복잡한 목표를 '시험을 통과하는 학생의 비율'이라는 단일한 숫자로 단순화했다. 학교들은 목표를 달성하지 못할 경우 실질적인 불이래를 직면했기 때문에 행동을 변화시켰다. 그들은 이미 통과한 학생이나 훨씬 뒤처진 학생들은 무시한 채, 간신키 낙제 위기에 처한 학생들에게 집중했다. 시험 점수는 올라갔지만, 교육의 실제 질이 반드시 같은 방식으로 개선된 것은 아니었다. 정부는 숫자가 상승하는 것을 보고 계획이 작동하고 있다고 생각했지만, 심층적인 시스템은 계획이 예측하지 못한 방식으로 적응하고 있었다.
두 번째 사례는 영국의 팬데믹 대비 상황에서 나온다. 코로나바이러스가 도착하기 전, 영국은 특정 시나리오, 즉 독감 유사 바이러스를 바탕으로 한 상세한 계획을 가지고 있었다. 이 계획은 명확하고 조직적이며 관리하기 쉬웠다. 그러나 새로운 바이러스가 다른 특성을 가지고 등장했을 때, 정부의 대비책은 새로운 현실에 부합하지 않았다. 계획이 한 가지 유형의 위협에 너무 집중되어 있었기에, 다른 유형의 위협을 다룰 수 있는 유연성을 잃었던 것이다. 심지어 초기 훈련에서 시스템이 취약하다는 점이 드러났음에도 불구하고, 그러한 경고들은 계획 자체가 결함이 있다는 신호가 아니라 '실행상의 문제'로 흡수되었다. 정부는 근본적으로 위협과 맞지 않는 계획의 실행력을 고치는 데 계속 매달렸다.
논문의 핵심 결론은 이 순환이 저자가 말하는 '인지적 부채(cognitive debt)'를 생성한다는 것이다. 재정적 부채가 버는 것보다 더 많이 쓸 때 쌓이는 것과 마찬가지로, 정부가 자신의 신념에 반하는 증거를 무시할 때 인지적 부채가 쌓인다. 계획이 실패할 때마다 정부가 계획 대신 작업자를 탓할 때마다, 정부의 모델과 실제 세상 사이의 간극은 더 넓어진다. 결국, 정부는 모든 권한과 모든 자원을 가질 수 있지만, 왜 일이 잘못되고 있는지 이해하는 능력은 상실하게 된다. 정부는 더 이상 작동하지 않는 단순화된 버전의 현실 속에 갇히게 된다.
논문은 해결책이 단순화를 멈추는 것이 아니라고 주장한다. 정부는 단순화 없이는 세상을 관리할 수 없다. 대신, 그들은 저자가 말하는 '절제된 복잡성(disciplined complexity)'이 필요하다. 이는 행동하기 위해 충분히 단순화하되, 단순화가 잘못되었음을 알 수 있을 만큼의 무질서한 세부 사항들을 유지하는 것을 의미한다. 이는 대안적인 아이디어들을 살려두고, 모순되는 증거에 귀를 기울이며, 숫자가 현실과 일치하지 않을 때 기꺼이 계획을 변경할 수 있는 태도를 요구한다. 연구는 정부가 할 수 있는 가장 위험한 행동은 자신의 단순화된 모델을 절대적인 진리로 취급하는 것이라고 제언한다. 목표는 지도가 영토의 대체물이 아니라, 영토를 항해하기 위한 도구로 남을 수 있도록 똑똑한 시스템을 구축하는 것이다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.