A model for simulating dynamic system behavior requires formal policy descriptions to specify how individual decisions are to be made. Flows of information are continuously converted into decisions and actions. No plea about the inadequacy of our understanding of the decision-making processes can excuse us from estimating decision-making criteria. To omit a decision point is to deny its presence- —a mistake of far greater magnitude than any errors in our best estimate of the process.  

Jay W. Forrester (1992, pp. 51-52) 

동적 시스템 변화를 시뮬레이션하기 위해 모델을 만들 때는 의사결정 방식을 설명해야 합니다. 눈여겨 봐야 할 점은 정보의 흐름이 결국 의사결정과 그 의사결정에 따른 행동으로 바뀐다는 점입니다. 의사결정 방식을 모른다고 해서 의사결정 기준을 추정하는 식으로 처리하는 것은 변명에 지나지 않습니다. 어떤 방식으로 의사결정을 하는지 설명하지 않은 것은 의사결정을 부정하는 것이고 의사결정 방식을 대충 추정해서 발생할 수 오류에 비해서 더 큰 실수입니다. 

이 내용은 동적 시스템 모델링에서 정책 규칙 또는 의사결정 규칙을 명확하게 정의해야 한다는 점을 강조하고 있습니다. 이러한 정의 없이는 시스템 내에서 정보가 어떻게 처리되고 결과적으로 어떤 결정이 이루어질지 알 수 없습니다. 따라서, 동적 시스템 모델에서는 의사결정 기준과 방식/절차를 밝히는 것이 중요합니다. 그래야 오류를 수정할 수 있습니다. 

※ 5가지 기준 

모든 것은 모든 것과 연결되어 있다는 말에는 함정이 있습니다. 연결 강도가 빠져있습니다. 정보통신과 인공지능이 아무리 발달하더라도 두 가지 이유 때문에 모든 시스템은 같은 강도로 연결될 수 없을 뿐더러 때로는 상대적으로 더 느슨하게 연결됩니다. 느슨한 연결은 약한 인과관계를 의미하기 때문에 제한된 자원으로 의사결정을 해야 하는 상황에서는 고려 대상에서 제외해야 합니다.  따라서, 느슨하게 연결되는 이유를 명확하게 이해해야 합니다. 

• 첫 번째 이유는 제한된 합리성 때문입니다. 인간이 의사결정할 때 모든 것을 합리적으로 고려하지 않습니다. 모든 정보에 접근할 수 없고, 접근한다 하더라도 합리적 판단이라고 볼 수 없는 다른 요인이 의사결정에 영향을 미칩니다. 감정, 정무적 판단, 이익 충돌, 가치 판단 등이 의사결정에 영향을 주기 때문입니다. 인간의 의사결정이 시스템이 연결되는 것을 막는 셈입니다. 

• 두 번째 이유는 소비자의 주문과 같은 정보의 변화 속도와 이 정보에 영향을 받은 창고의 재고량 변화와 같은 물리적인 변화 속도가 다르기 때문입니다. 정보 변화를 재빨리 감지해서 의사결정을 통해 물리량이 변하도록 하더라도 물리량은 쉽게 안 변합니다. 이 물리량을 수용 능력(capacity)으로 확대해서 생각해 보면 좋습니다.

위 두 가지 이유 때문에 모든 것은 모든 것과 연결되어 있기 때문에 의사결정할 때 모든 것을 고려해야 한다고 주장하면 안 됩니다.  따라서 의사결정을 통해 피드백이 작동하는 시스템을 모델링할 때는 느슨한 연결이 아닌 실제 시스템을 작동하게 하는(operational) 연결 구조를 고려해야 합니다.

1.Baker 기준(Baker Criterion)

미국 닉슨 대통령이 워터 게이트 스캔들로 물러날 때 상원의원 Baker가 끈질기게 파헤친 것이 "과연 대통령은 보좌관들의 부정을 알고 있었느냐"입니다. 모르고 한 행동에 책임을 물을 수 없었기 때문입니다.  따라서 대통령이 얼마나 많이 알고 있는지(그리고 얼마나 많이 알아야 하는지), 언제 알았는지 파악하는 것이 가장 중요했습니다. 마찬가지로 조직의 모든 의사 결정 시점에 유용하게 적용될 수 있습니다. 의사 결정자들이 언제 무엇을 알았는지 물어야 합니다. 시스템의 행동을 제대로 모방하기 위해 모델은 실제 시스템의 의사 결정자가 사용 가능하고 사용하는 정보만 의사 결정의 입력값으로 사용할 수 있습니다. 석유 회사의 경영진이 발견되지 않은 자원의 규모를 모른다면 자원 규모라는 정보를 시추를 위한 결정을 모델링하는데 사용할 수 없습니다. 선박 소유자들이 전 세계적으로 얼마나 많은 선박이 건조 중인지 알지 못하면, 글로벌 선박 공급 정보라는 것을 미래 요금 예측이나 선박 확장 결정에 입력값으로 사용할 수 없습니다. 생산 계획자들이 현재 주문율을 모른다면, 주문율이라는 정보를 생산 일정에 설정할 수 없습니다. 

세 가지 중요한 함의가 있습니다.

첫째, 미래에 대한 확실한 지식은 없습니다. 미래에 대한 모든 신념과 기대는 경험을 기반으로 합니다. 모델러들은 사람들이 시스템의 현재와 과거 상태에 대한 정보로 신념을 형성하고 업데이트하는 방식을 표현해야 합니다. 의사 결정자들이 미래의 결과를 완벽하게 알거나 예측이 평균적으로 정확하다고 가정할 수 없습니다.

둘째, 인식되는 상황과 실제 상황은 종종 다릅니다. 시스템의 현재 상태에 대한 정보는 일반적으로 알려져 있지 않으며, 대신 지연되거나 샘플링된 또는 평균화된 정보를 기반으로 결정이 이루어집니다. 공장 관리자들은 주문률에 대한 일부 데이터를 가지고 있지만, 그들의 정보는 실제 주문률과 다를 수 있습니다. 모델은 정보 측정과 보고에서의 지연과 기타 불완전함을 고려해야 합니다. 측정과 보고는 지연을 초래할 뿐만 아니라 편향, 노이즈, 오류 및 기타 왜곡을 만들어냅니다. 모델은 정보가 생성되는 과정을 나타내야 하며, 결정은 보고된 정보에 의존하도록 표현되어야 합니다.

셋째, 모델러는 의사 결정자들이 경험해본 적 없는 상황의 결과를 확실히 알지 못한다고 가정할 수 없습니다. 결정은 여러 가지 대안 중에서 선택하는 것을 포함합니다. 선택들은 결과를 초래합니다. 사람들은 보통(항상은 아님) 최상의 결과를 얻을 것이라고 믿는 대안을 선택합니다(그들이 어떻게 정의하든). 과거에 선택된 대안 중 일부는 의사 결정자가 그 결과를 잘 알고 있을 수 있지만, 다른 대부분은 의사 결정자나 그들이 배울 수 있는 다른 사람들에게 시도해 본 적이 없습니다.

경제 이론은 기업들이 가장 높은 수익을 얻는 활동에 자원을 할당하도록 요구하며, 예를 들어, 이익을 극대화하는 생산 과정 과정에서 자본, 노동 및 기타 요소의 조합을 선택하도록 합니다. 그러나 기업의 관리자들은 대부분의 가능한 활동과 요소 입력 조합의 생산성에 대해 직접적인 지식이 없습니다. 회계부서에서의 새로운 팩스 기계가 구매부서에서의 것보다 생산성을 더 향상시킬까요? 기업은 노동력을 줄이기 위해 새로운 자동화 기계를 구매해야 할까요? 이러한 상황에 대한 경험이 없기 때문에 아무도 확실히 알지 못합니다. 대신 투자와 입력 조합 중 어떤 것이 가장 생산적일 것인지에 대한 인상은 희미하고 불완전하며 추측적입니다. 이러한 인상은 시간이 지남에 따라 일화, 다른 조직의 관찰, 기업이 수행할 수 있는 실험 등으로 얻어집니다. 경험이 없는 상황과 선택의 결과에 대한 실제 정보는 모델에서 사용할 수 없습니다. 대신 모델은 사람들이 새로운 것을 시도할 때 예상되는 결과에 대해 기대를 형성하는 방식을 표현해야 합니다. 이러한 신념은 종종 잘못되었고 새로운 정보에 느리게 조정됩니다.

요약하면, 모델에서의 결정은 실제로 사용 가능한 정보에 기반해야 한다는 원칙에는 세 가지 중요한 함의가 있습니다. 첫째, 미래에 대한 확실한 지식은 없으며, 경험에 기반한 기대와 인식을 모델에 반영해야 합니다. 둘째, 인식된 상태와 실제 상태는 종종 다르며, 정보의 지연과 왜곡이 발생할 수 있으므로 모델은 이를 고려해야 합니다. 셋째, 결정권자들은 경험이 없는 상황의 결과를 확실하게 알 수 없으며, 모델은 새로운 것을 시도할 때 예상 결과에 대한 기대를 형성하는 방식을 나타내야 합니다. 이러한 기대는 종종 부정확하고 새로운 정보에 느리게 조정됩니다.

2.현장에서 실제 활용되고 있는 방식

베이커 기준의 당연한 귀결인 두 번째 지침은 모델의 의사 결정 규칙 또는 정책이 관리 관행에 부합해야 한다는 것입니다. 정책에 대한 모든 영향은 현실 세계의 영향에 기반해야 하며 모든 변수 이름은 시스템에서 일하는 사람들에게 친숙해야 하고 실제 시스템의 참여자에게 의미 있어야 합니다. 

수식은 불필요한 수정 인자(fudge factor)나 임의의 매개변수 없어야 하고 Unit이 일치해야 합니다. "기술 조정 요인(technical adjustment factor)"과 같은 변수나 불분명한 측정 단위를 가진 매개변수가 사용되면 의심해봐야 합니다. 이러한 요소들은 모델 작동을 위해 사용되는 수정 인자(fudge factor)로 볼 수 있으며, 실증적 또는 이론적 근거가 없는 경우가 허다합니다. 많은 모델, 특히 생산관리 연구와 경제학에서는 '최적의 의사결정'을 가정하지만, 시뮬레이션 모델은 실제로 사람들이 결정을 내리는 방식을 모방해야 합니다. 

따라서, 시스템이 어떻게 운영되어야 하는지에 대한 이상적인 모델이 아니라 현재 운영되고 있는 시스템을 설명해야 합니다. 또한 이러한 모델은 해당 분야에서 사용하는 용어와 어휘를 사용하기 때문에 관리자와 정책 입안자의 참여를 유도할 가능성이 훨씬 높습니다.

3. 이상적인 수준(목표)과 실제 상황을 구분

세 번째 지침은 모델러가 조직 내의 실제 상태(state)과 이상적인 수준(목표/희망)을 구별하고 원하는 결과의 실현을 제한하는 물리적 제약 조건을 나타내야 한다는 것입니다. 이 구별을 명확히 하여 현실적인 문제를 표현함으로써, 수정 조치(corrective action)를 취하고 변화를 꾀할 수 있습니다.  우리는 불균형의 세계에서 살고 있습니다. 따라서, 변화는 원하는 상태와 실제 상태의 차이로부터 발생합니다. 

예를 들어, 어떤 제조 회사의 경우 실제 상황은 현재 생산 라인의 생산 능력, 사용 가능한 인력, 공급 원가 등과 같은 관찰 가능하고 측정 가능한 요소입니다. 그러나 이상적인 수준(목표/희망)은 회사 경영진이 달성하고자 하는 목표, 향후 더 효율적인 생산 라인 구축, 목표 시장 점유율 등의 의도와 목표를 반영한 것입니다. 

또한, 모델러들은 시스템 상태의 원하는 변화율과 실제 변화율을 구분해야 합니다. 의사결정자들은 시스템 상태의 원하는 변화율을 결정하지만, 실제 변화율은 시간 지연, 자원 부족 등의 물리적 제약으로 인해 종종 다릅니다. 공장 관리자는 재고 및 주문 backlog와 같은 단서에서 생산 원하는 비율을 결정할 수 있지만, 실제 생산은 원하는 비율의 변화에 즉시 대응할 수 없습니다. 실제 생산은 노동력, 자본 장비 및 자재 재고와 같은 시스템을 포함합니다. 의사결정자들은 이러한 상태를 즉시 변경할 수 없고, 고용 결정, 새로운 장비 획득, 근로자 교육 비율 등 변화율에만 영향을 줄 수 있습니다. 

명심해야 할 점은 목표 자체도 시스템 내의 피드백 구조에서 변할 수 있다는 점입니다. 따라서, 목표를 계속 업데이트되는 것으로 수식으로 표현하는 경우가 많습니다.  

실제 상황과 원하는 상황을 명확하게 구별함으로써, 모델러는 두 가지 사이의 차이(해결해야 할 문제)를 이해하고 분석할 수 있습니다. 예를 들면, 생산 능력이 원하는 목표에 도달하지 못했다면 이는 조직 내에서 추가 인력이나 자원을 투입하거나 생산 과정의 개선이 필요함을 나타낼 수 있습니다.

이렇게 실제 상황과 원하는 상황의 차이를 인식하고 분석하면, 조직이 수정 조치를 취하여 목표를 달성하는데 도움을 줄 수 있으며, 전체 시스템의 역학에 대한 이해를 향상시킬 수 있습니다.  

4. 사전에 정의된 균형(equilibrium)과 최적성(optimality)은 금물

네 번째 지침은 세 번째 지침의 파생 지침으로, 균형과 최적성을 가정해서는 안 된다는 것입니다. 균형과 최적성은 편리한 이상일 뿐 정상적인 조직 운영 방식의 특성은 아닙니다. 균형과 안정성은 시스템의 요소 간 상호 작용에서 나타날 수도 있고 아닐 수도 있습니다. 대신, 모델러들은 의사결정자들이 시스템 상태가 목표와 다른 상황에 어떻게 반응하는지 나타내야 합니다. 모델 분석을 통해 의사결정 규칙들이 서로와 물리적 구조와 상호작용하여 안정적인지 불안정한지를 알 수 있습니다. 

성장, 변동, 정체, 쇠퇴, 오버슈팅(overshooting)은 모두 불균형 현상이며 이러한 역동성을 만들어내는 조직의 다양한 기능과 부문이 최적으로 조율된다는 보장은 없습니다. 전략적 자원의 최적 사용이나 수요와 공급 간의 효율적인 균형이 존재한다고 가정하는 모델러는 세바스찬 베텔이나 루이스 해밀턴과 같은 전설적인 F1 경주 운전자를 전형적인 자동차 운전자의 대표라고 가정하는 것과 같습니다. 최적화와 균형이라는 이상을 달성하기 위해 필요한 완벽한 타이밍, 행동, 반응은 실제로 일반적인 조직이나 운전자에게 요구되지 않는 기준이며 현실적이지 않습니다. 이상적인 최적화와 균형을 추구하는 것이 현실에서 조직이나 개인의 능력(조정에 필요한 더 많은 정보와 좀더 빠른 반응 시간)을 과도하게 요구하게 됩니다.

5. 극단적인 조건에서도 견고(robust)해야 한다.

다섯 번째 지침은 의사결정 규칙이 극단적인 조건 하에서도 견고해야(robust) 한다는 것을 말합니다. 이 지침은 방정식 공식화에서 결함을 찾아낼 수 있으며 피드백 루프에서 비선형성이 언제, 어디서 발생할지에 대한 유용한 힌트를 제공할 수 있습니다. 

예를 들어, 먼저 생산은 절대 음수가 될 수 없습니다. 상품 재고가 0일 때, 주문이 얼마나 많든 창고에서의 발송은 0으로 떨어져야 합니다. 강건성은 필연적으로 많은 비선형 관계를 포함하는 모델을 의미합니다. 정상적인 상황에서 기업의 유동성은 고용에 영향을 주지 않습니다. 그러나 현금 보유액이 거의 0에 가까워지면, 작업 대기가 많고 회사가 수익성이 있음에도 불구하고 직원을 해고해야 할 수도 있습니다. 유동성이 순 고용에 미치는 영향은 매우 비선형적입니다.

또 다른 예입니다. 선형 가격 공식화에서 가격 인하는 목표 수요와 현재 수요 간의 차이에 비례한다고 가정해보겠습니다. 현재 수요가 갑자기 절반으로 줄어드는 경우, 극단적인 조건으로 간주할 수 있습니다. 이러한 사고실험(thought experiment)을 통해 가격이 음수가 되는 결과가 나온다면 (실제로는 발생하지 않을 것이나), 가격 공식화를 수정할 필요가 있음을 시사합니다. 예를 들어, 가격 변동에 대한 마진에서의 새로운 비선형 압력을 추가할 수 있습니다. 예를 들어, 가격 인하가 일정 수준 이하로 떨어지면 가격 인하 속도가 점점 줄어들도록 하는 비선형 압력을 도입할 수 있습니다. 이는 가격 인하가 일정한 비율로 계속 이루어지지 않고, 점점 낮아지는 속도로 진행되도록 하는 것입니다. 이러한 비선형 압력은 소비자에게 부정적인 영향을 미치지 않으면서도, 가격이 음수로 떨어지지 않게 하는 역할을 합니다. 이 비선형 압력을 추가하는 한 가지 방법은, 가격 변동 공식에 일종의 경계 값을 설정하는 것입니다. 예를 들어, 가격이 특정 수준 이하로 떨어지지 않도록 하거나 가격 인하 비율을 점진적으로 감소시키는 방식으로 구현할 수 있습니다. 이를 통해 가격 공식화가 극단적인 조건에서도 안정적이고 현실적인 결과를 보여줄 수 있게 됩니다.

간단히 말해서, 다섯 번째 지침은 모델이나 의사결정 규칙이 극단적인 상황에서도 잘 작동하도록 설계되어야 함을 의미합니다. 이는 방정식이나 모델의 특정 측면에서 문제가 있는지 확인하고 필요한 경우 수정하여 보다 안정적이고 예측 가능한 결과를 얻기 위한 방법을 제공합니다.

※ 의사결정과 의사결정 규칙

모델의 물리적 및 제도적 구조는 시스템을 특징짓는 사람, 물품, 돈, 정보 등의 모델 경계와 Stock과 Flow의 구조를 포함합니다. 반면, 에이전트의 의사결정 과정은 시스템 내 행위자들의 행동을 결정하는 규칙(방식)을 의미합니다. 행동을 결정하는 규칙(방식)이라는 것은 사람들이 다양한 상황에 반응하는 규칙(방식)을 의미합니다. 시스템의 물리적 및 제도적 구조를 묘사하는 것은 비교적 간단합니다. 그러나, 행위자들의 결정 규칙을 발견하고 나타내는 것은 미묘하고 도전적입니다. 시뮬레이션 모델이 유용하려면 실제 의사 결정자의 행동을 흉내 내야 하며, 이는 과거에 관찰된 조건뿐만 아니라 아직 마주치지 않은 상황에 대해서도 적절하게 반응해야 합니다. 

예를 들어, 공장 생산의 시뮬레이션 모델에서 물리적 구조로는 기계, 재고, 인력 등이 포함되고, 제도적 구조로는 생산 공정, 업무 프로세스, 관리 정책 등이 포함될 수 있습니다. 그러나 이러한 구조뿐만 아니라 의사 결정 규칙도 중요합니다. 예를 들어, 생산량이 목표치에 미치지 못하는 경우 얼마나 빨리 추가 인력을 고용하거나 기계를 업그레이드할지에 대한 결정 규칙이 필요합니다. 이러한 결정 규칙은 현실적이고, 과거 경험뿐만 아니라 미래의 다양한 시나리오에도 적용할 수 있어야 합니다. 즉, 상황에 따라 달라지지 않게 견고(robust)해야 합니다.

의사 결정 규칙은 다양한 정보나 신호를 입력으로 사용하여 결정을 도출하는 정보 처리 절차입니다. 하지만 모든 정보가 사용되거나 최적으로 처리되지는 않으며, 이러한 선택과 처리 과정은 여러 요인들에 의해 영향을 받습니다. 예를 들어, Cyert와 March의 연구 결과 백화점의 가격 결정은 이자율이나 수요 탄력성, 수요 탄력성 추정 또는 정교한 전략적 추론과 같은 다른 정보는 고려하지 않는 것으로 나타났습니다. 대신 도매 가격에 일정한 비율로 마크업하는 것이었습니다. 재고가 늘어나면 세일을 하고 마크업을 점차 줄여 상품이 팔릴 때까지 조정했습니다. 목표 판매액이 초과되면 가격이 올랐고, 경쟁자의 가격에 맞춰 조정한다는 것입니다. 이 연구의 시사점은 의사결정을 할 때 모든 정보를 활용하지 않는다는 것입니다. 

물론, 모델 내의 의사결정 에이전트는 꼭 인간일 필요는 없습니다. 다른 종류의 생물(예: 포식자-피식자 모델의 늑대와 무스)이나 물리적 대상(예: 태양계 모델의 태양과 행성)일 수 있습니다. 이런 경우, 에이전트들의 의사 결정 규칙은 무스, 늑대 및 행성이 그들이 활동하는 시스템의 상태에 어떻게 반응하는지를 나타냅니다. 태양계 시뮬레이션에서는 모델러가 뉴턴 역학이나 일반 상대성 이론에 따라 각 물체에 작용하는 힘을 명시하며, 포식자-피식자 사례에서는 무스와 늑대의 행동(생식, 사망, 포식 및 사냥 행동, 이동 등)을 지정하는 의사 결정 규칙이 현장 및 실험실 연구에 기반을 두게 됩니다. 예를 들어, 포식자-피식자 모델에서는 무스의 생존과 번식에 영향을 주는 다양한 요소와 늑대의 사냥 패턴, 포식 행동 등을 모델링해야 합니다. 이러한 의사 결정 규칙은 무스와 늑대 간의 상호 작용을 설명하고 시스템 내에서의 변화에 대응하는 방법을 나타냅니다. 이렇게 모델링을 통해 생태계의 변화와 종 간의 상호 작용을 이해하는 데 도움이 됩니다.