Worker Utility as Hysteresis: A Preisach Model of Transaction Acceptance in Gig Labour Markets

노동의 세계에는 사람들이 단 하나의 고정된 수치, 즉 자신이 받아들일 수 없는 최저 임금을 기준으로 직업을 결정한다는 오래된 믿음이 있습니다. 제안된 금액이 그 선 위에 있으면 수락하고, 아래에 있으면 거절한다는 것입니다. 이 아이디어는 노동자가 적절한 기회를 기다리며 몇 주를 보낼 수도 있는 전통적인 직업군에서는 잘 작동합니다. 하지만 사람들은 분 단위로 단기 업무를 수락하거나 거절하는 현대의 '긱 경제(gig economy)'에서는 이 모델이 무너집니다. 이러한 빠르게 움직이는 시장에서 노동자의 결정은 결코 단 하나의 숫자에 관한 것이 아닙니다. 그것은 그들의 '이력'에 관한 것입니다. 최근에 낮은 임금의 근무를 많이 수락했던 노동자는 한 달 전이라면 수락했을 법한 약간 높은 제안조차 거절할 수 있습니다. 반대로, 최근에 높은 임금을 제안받았던 노동자는 어제라면 수락했을 표준적인 제안을 거절할 수도 있습니다. 그들의 노동 의지는 단순히 현재 어디에 있느냐가 아니라, 어디에 있었느냐에 달려 있습니다. 과거가 현재를 형성하며 단순한 변화에 저항하는 이러한 현상을 '히스테리시스(hysteresis, 이력 현상)'라고 합니다. 이를 이해하는 것은 노동자를 업무와 연결하는 플랫폼들에게 매우 중요한데, 만약 플랫폼이 노동자를 고정된 가격표를 가진 존재로 취급한다면, 더 적은 금액으로도 수락되었을 근무에 돈을 낭비하거나, 이미 더 높은 보상을 기대하도록 길들여진 노동자들에게 너무 적은 금액을 제시하여 업무를 놓치는 실수를 범하게 될 것이기 때문입니다.

연구팀은 원래 자석을 연구하기 위해 설계된 모델을 사용하여 이러한 보이지 않는 의사결정 패턴을 매핑하는 새로운 방법을 개발했습니다. 물리학에서 자석은 현재의 자기장에 반응할 뿐만 아니라, 과거에 어떻게 자화되었는지를 기억합니다. 이를 설명하기 위해 과학자들은 프라이작(Preisach) 모델이라는 프레임워크를 사용하는데, 이는 물질을 각각 고유한 '온(on)'과 '오프(off)' 임계값을 가진 작은 스위치들의 집합체로 상상합니다. 연구진은 노동력 또한 정확히 이와 같이 작동한다는 것을 깨달았습니다. 각 노동자는 두 개의 임계값을 가진 하나의 작은 스위치와 같습니다. 하나는 업무를 수락하게 만드는 충분히 높은 가격이고, 다른 하나는 마침내 포기하고 거절하게 만드는 더 낮은 가격입니다. 이 두 지점 사이에는 노동자의 선택이 전적으로 지난번 행동에 달려 있는 '결정 불능 지대(zone of indecision)'가 존재합니다. 만약 마지막에 수락했다면, 가격이 하한 임계값 아래로 떨어질 때까지 '수락 모드'를 유지합니다. 만약 마지막에 거절했다면, 가격이 상한 임계값 위로 올라갈 때까지 '거절 모드'를 유지합니다. 이는 표준적인 경제 모델이 완전히 놓치고 있는 시차, 즉 '기억'을 시장에 만들어냅니다.

이 아이디어를 테스트하기 위해 연구진은 폴란드의 한 긱 플랫폼에서 발생한 약 37,000건의 실제 거래 데이터를 분석했습니다. 그들은 보유한 데이터로 모든 개별 노동자의 구체적인 가격 제한을 추측하려 하지 않았습니다. 대신, 시장의 기억의 형태를 학습하기 위한 2단계 시스템을 구축했습니다. 먼저, 컴퓨터 프로그램을 사용하여 두 개의 별도 '효용 표면(utility surfaces)'을 추정했습니다. 한 표면은 업무를 수락한 노동자들의 평균 만족도를 예측했고, 다른 표면은 업무를 거절한 이들의 평균 만족도를 예측했습니다. 이 두 표면을 비교함으로써 시스템은 두 표면 사이의 '간격(gap)'을 계산할 수 있었습니다. 이 간격은 노동자의 이력이 현재의 제안보다 결정에 더 큰 영향을 미치는 '무관심 지대(indifference zone)'의 크기를 나타냅니다. 연구진은 이 간격과 현재 가격이 이 추정된 임계값들과 어떻게 비교되는지를 두 번째 컴퓨터 프로그램에 입력하여 새로운 업무의 수락 여부를 예측했습니다.

결과는 시장이 이전에 생각했던 것보다 훨씬 더 복잡하고 반응적이라는 것을 보여주었습니다. 모델의 결과는 가격 변화가 노동자에게 비대칭적으로 영향을 미친다는 예측과 일치했습니다. 즉, 임금의 하락은 임금의 상승이 수락률을 높이는 것보다 수락률을 떨어뜨리는 데 더 큰 영향을 미치는 것으로 나타났습니다. 이것이 바로 히스테리시스의 특징입니다. 일단 노동자들이 낮은 임금에 길들여지면, 그들을 다시 불러들이기 위해서는 처음에 놓쳤던 것보다 훨씬 더 큰 임금 인상이 필요합니다. 다만, 가격 데이터가 무작위 실험을 통해 생성된 것이 아니기 때문에, 운영자들이 이미 거절된 어려운 근무에 대해 가격을 올리는 경향이 있었다는 점을 고려하면 이 패턴은 확정적인 인과관계라기보다는 시사적인 것으로 보아야 합니다. 더욱 놀라운 점은, 모델이 경제적으로 역설적인 결과를 생성했다는 것입니다. 전체 데이터셋에 적용했을 때, 모델의 권장 사항은 노동 비용을 줄이는 동시에 수행되는 업무의 수를 늘렸습니다. 연구진은 약 74%의 거래에서 현재 임금이 이미 너무 높아서 임금을 대폭 삭감하더라도 업무가 수락될 것이라는 사실을 발견했습니다. 이러한 업무의 경우, 플랫폼은 단순히 수락 임계값보다 약간 높은 수준을 유지함으로써 노동자를 잃지 않고도 해당 직무에서 중앙값 기준 31%의 비용을 절감할 수 있었습니다.

나머지 26%의 업무 상황은 정반대였습니다. 현재 임금은 너무 낮아 노동자를 끌어들이지 못했지만, 그렇다고 업무 수행이 불가능할 정도로 낮은 것도 아니었습니다. 이들은 히스테리시스 루프의 '거절 모드'에 갇혀 있는 업무들이었습니다. 이 특정 업무들에 대해 모델은 완만한 임금 인상을 권고했는데, 중앙값 기준 7%의 인상이었습니다. 이 작은 인상은 제안을 상한 임계값 위로 밀어 올려, 거절을 수락으로 바꾸고, 원래라면 채워지지 않았을 업무들을 회복시켰습니다. 이 연구는 노동자의 의사결정이 두 개의 임계값 구조를 가지고 있음을 이해함으로써, 플랫폼이 이 두 그룹을 동시에 다르게 대우할 수 있음을 보여주었습니다. 즉, 안전 여유가 있는 곳에서는 비용을 절감하고, 장벽이 있는 곳에서는 급여를 인상함으로써, 총 임금을 21.3% 줄이는 동시에 업무 충족률을 거의 10%포인트 높일 수 있었습니다.

또한 연구진은 시장이 단일하고 균일한 군중이 아님을 발견했습니다. 데이터를 시각화했을 때, 두 개의 뚜렷한 노동자 그룹이 나타났습니다. 주로 소매 및 서비스직 근무를 하는 그룹은 낮고 밀집된 가격 임계값을 가졌습니다. 반면 전문적인 업무를 처리하는 그룹은 훨씬 높은 임계값과 넓은 범위의 기대치를 가졌습니다. 모든 노동자를 동일하게 취급하는 모델은 이 그룹들을 평균화하여 어느 쪽의 구체적인 요구도 파악하지 못할 것입니다. 새로운 접근 방식은 현재의 제안과 노동자의 과거 임계값 사이의 관계를 매핑함으로써 이러한 차이를 명확하게 볼 수 있게 해주었습니다. 이는 노동자의 행동을 예측하는 핵심이 업무의 절대적인 가격을 아는 것이 아니라, 그 가격이 노동자의 개인적 이력과 비교했을 때 어디에 위치하는지를 아는 것임을 보여주었습니다.

이 연구는 단일한 '유보 임금(reservation wage)'이라는 기존의 개념이 긱 경제에서는 불충분하다는 점을 시사합니다. 노동자들은 단순히 최소한의 가격만을 가진 것이 아니라, '기억'을 가지고 있습니다. 그들의 결정은 과거 제안의 경로에 의해 형성되며, 이는 작은 임금 변화가 아무런 효과를 내지 못하는 관성의 지대를 만듭니다. 이 연구는 이러한 기억을 인정하고 수락 및 거절 임계값 사이의 간격을 모델링함으로써, 플랫폼이 더 스마트하고 효율적인 결정을 내릴 수 있음을 입증했습니다. 플랫폼은 이미 채우기 쉬운 업무에 과다 지급하는 것을 멈추고, 손에 닿을 듯하면서도 닿지 않는 업무에 과소 지급하는 것을 멈출 수 있습니다. 이 연구 결과는 인간의 의사결정의 복잡성과 경제적 선택을 형성하는 역사의 힘을 존중하며, 노동 시장을 바라보는 새로운 방식을 제시합니다.