같은 0원 도시의 60개월째 값. 돈보다 시민을 어떻게 움직였는지가 결과를 크게 흔들었습니다
기본소득 가능할까? AI 900명에게 매달 200만 원씩 줘봤습니다
AI 시민 900명을 세 도시에 똑같이 복제했습니다. 한 도시는 0원, 한 도시는 매달 100만 원, 한 도시는 매달 200만 원을 5년 동안 받았습니다. 기본소득은 사람을 쉬게 하지 않았고 경기침체와 자동화의 충격을 크게 줄였습니다. 하지만 월 200만 원의 61%는 국채였고 물가가 오르며 마지막 달의 구매력은 129만 원까지 내려갔습니다. 이 실험이 남긴 질문은 기본소득의 찬반이 아니라, AI 시대의 충격과 비용을 누가 흡수할 것인가였습니다.
2026-09-09 공개영상 보기
Behind the episode
영상에 담기지 못한 것들
- 같은 AI 시민 900명을 세 도시에 복제해 매달 0원·100만 원·200만 원을 지급했습니다. 사람, 회사, 집값, 난수까지 같고 달라지는 것은 기본소득뿐입니다.
- 5년 뒤 200만 원 도시의 빈곤율은 1.4%로 내려갔고 침체기 실업률 정점은 23.1%에서 6.5%로 낮아졌습니다. 퇴사율은 거의 그대로였고, 사람들은 일을 그만두기보다 옮기고 덜 했습니다.
- 하지만 소득세·부가세·보유세·탄소세를 함께 올려도 200만 원 지급액의 39.1%만 충당했습니다. 나머지 61%는 국채였고 물가가 55% 올라 마지막 달 200만 원의 실질가치는 129만 원이 됐습니다.
규칙 시민과 gpt-5.6-luna 판단 시민의 차이. 이 비교는 본편에서 통째로 뺐습니다
seed 하나의 실행 비용. 개인의 선택은 다른 seed에서 달라질 수 있습니다
사장에게 월급이 이중 지급되는 버그가 만든 숫자였습니다
논리적 LLM 판단 56,257건 가운데 캐시 적중 195건이 포함됩니다
첫 달 급등은 발견이 아니었습니다
초기 실행에서는 실업률 급등을 시민이 자기 상황을 읽고 움직인 결과라고 해석했습니다. 판단 방식을 바꾼 비교 실행이 그 해석을 뒤집었습니다.
편집에서 잘린 이유결론이 아니라 버려야 할 값이라 본편에서는 30초만 쓰고 비교 숫자를 뺐습니다. 웹에는 무엇을 근거로 해석을 철회했는지 남깁니다.
| 0원 도시 첫 달 | M0 참가율 | M1 참가율 | 변화 |
|---|---|---|---|
| 규칙 시민 | 63.7% | 63.9% | +0.2%p |
| 페르소나 시민 | 63.7% | 64.2% | +0.5%p |
| 판단 시민(luna) | 63.7% | 70.4% | +6.8%p |
0원 도시에는 첫 달 아무 정책 충격도 없었습니다. 판단 시민만 6.8%p 움직인 것은 경제 현상이 아니라 모델이 처음 질문을 받고 깨어난 콜드스타트 반응입니다. 도시 사이에서 구직과 교육의 방향이 갈린 사실은 남지만, 급등의 높이는 결과로 인용하지 않습니다.
돈보다 판단 주체가 결과를 더 흔들기도 했습니다
재원과 도시를 그대로 두고 시민을 움직이는 방식만 규칙·페르소나·언어 모델로 바꿨습니다. 같은 0원 도시도 전혀 다른 결말이 나왔습니다.
편집에서 잘린 이유본편의 집중도를 흐린다고 판단해 이 절은 통째로 덜어냈습니다. 하지만 시뮬레이션 결과를 얼마나 믿을지 결정하는 가장 중요한 방법론적 단서입니다.
| 0원 도시 · M60 | 규칙 | 페르소나 | 판단(luna) |
|---|---|---|---|
| 빈곤율 | 12.9% | 12.0% | 6.8% |
| 쉬었음 | 4.8% | 4.3% | 2.6% |
| 행복도 | 67.6 | 67.6 | 73.0 |
| 경제활동참가율 | 68.3% | 68.4% | 79.5% |
| 실업률 정점 | 20.3% | — | 23.1% |
판단 시민이 가난을 더 잘 벗어난 핵심은 통찰이 아니라 비현실적으로 높은 참가율이었습니다. 현실 사람은 매달 자기 이력서와 잔고를 읽고 최선의 행동을 고르지 않습니다. 진짜 사람의 결과는 규칙 시민과 판단 시민 사이 어딘가에 있을 가능성이 큽니다.
한 판의 이야기를 여덟 판으로 걸렀습니다
판단 시민 본 실행은 seed 하나라 오가림의 선택 같은 개인 서사를 재현한다고 말할 수 없습니다. 별도의 8-seed 규칙 앙상블은 개인 사건이 아니라 방향이 반복되는 지표만 확인하는 데 썼습니다.
편집에서 잘린 이유본편에는 여덟 판을 돌렸다는 한 문장과 표가 잠깐 나옵니다. 어떤 주장은 반복 검증됐고 어떤 주장은 여전히 이 한 판의 이야기인지까지는 설명할 시간이 없었습니다.
| 8-seed에서 반복된 방향 | 0원 → 200만 원 | 공개 범위 |
|---|---|---|
| 중위 근로시간 | 감소 | 방향·크기 확인 |
| 상대 빈곤율 · 노인 빈곤율 | 감소 | 방향·크기 확인 |
| 지니계수 | 감소 | 방향·크기 확인 |
| 물가 · 행복도 | 상승 | 방향·크기 확인 |
| 자영업 · 자동화율 | 상승 | 방향·크기 확인 |
| 쉬었음 | 상승 | 규칙 시민 기준 |
오가림의 창업 시점, 김수영의 집, 이용선의 연체 같은 개인 사건과 정확한 사건 건수는 검증 목록에 없습니다. 그것들은 최종 판단 실행 한 판에서 관찰된 사례로만 읽어야 합니다.
편집에서 빠진 시민, 이현석
44세 가죽·모피 가공원 이현석은 자동화에 노출된 직군이면서 자기 브랜드를 만들고 싶다는 프로필을 가졌습니다. 세 도시에서 교육, 창업, 주거가 가장 선명하게 갈린 사람 중 하나입니다.
편집에서 잘린 이유오가림의 교육·창업 경로와 역할이 겹쳐 본편에서 뺐습니다. 같은 결론을 한 사람 더 보여주는 대신, 여기서 전체 60개월 경로를 남깁니다.
| 시점 | 0원 도시 | 100만 원 도시 | 200만 원 도시 |
|---|---|---|---|
| M1 | 디지털 기초 등록 | 돌봄 자격 등록 | 즉시 창업 + 돌봄 자격 등록 |
| M4~5 | M4 수료 실패 → M5 재등록 | M5 수료 | M5 수료 + 직군 전환 |
| 창업 | M13 시작 → M22 자금난 폐업 | M7 시작 → 60개월 생존 | M1 시작 → 60개월 생존 |
| 그 뒤 | M24 외식 취업 · 주택 없음 | M32 주택 1.97억 매입 | M23 이사 · M32 주택 3.17억 매입 |
가죽 소품 브랜드는 원본 페르소나의 꿈입니다. 엔진은 세부 업종을 모델링하지 않으므로 시뮬레이션이 확인한 사실은 사업 시작·폐업·직군 전환·주택 매입까지입니다.
영상에서 뺀 네 개의 재원 세계
기축통화·유전·화폐 발행은 최종 판단 실행이 아니라 별도의 규칙 시민 실행입니다. 본편의 한국형 혼합 재원과 같은 실험처럼 섞이지 않도록 의도적으로 제외했습니다.
편집에서 잘린 이유이번 영상이 보여준 것과 별도 시나리오가 보여준 것을 시청자가 혼동하지 않게 전부 덜어냈습니다. 소득세·국채·로봇세는 질문을 세우는 데 필요한 한 줄만 남겼습니다.
| 200만 원 재원 · 마지막 12개월 | 중위소득 | 물가 | 실질환율 | 국가부채 | 수출 |
|---|---|---|---|---|---|
| 소득세 | 280만 | 1.569 | 1.218 | 54억 | 26억 |
| 국채 | 457만 | 1.570 | 1.222 | 1,080억 | 25억 |
| 화폐 발행 | 454만 | 1.631 | 1.300 | 0 | 25억 |
| 로봇세 | 455만 | 1.565 | 1.214 | 1,038억 | 25억 |
| 한국형 혼합 | 408만 | 1.543 | 1.242 | 515억 | 26억 |
| 기축통화 | 467만 | 1.580 | 1.000 | 0 | 20억 |
| 유전 | 459만 | 1.532 | 0.950 | 0 | 18억 |
규칙 시민·seed 하나의 비교입니다. 기축통화의 환율 1.000은 엔진이 발견한 결과가 아니라 시나리오에 넣은 고정 가정입니다. 빚이 없는 대신 강한 통화로 수출이 줄었고, 유전 세계는 그 감소가 더 컸습니다.
56,257번 판단했지만 API는 56,067번 불렀습니다
논리적 판단 수와 실제 네트워크 호출 수, 캐시 적중과 실패는 서로 다른 숫자입니다. 한 숫자로 합치면 비용과 신뢰도를 동시에 잘못 읽게 됩니다.
편집에서 잘린 이유영상에서는 900명과 899건의 차이만 설명했습니다. 전체 실행의 호출 회계와 약 50달러의 비용은 분량을 줄이면서 삭제했습니다.
| 호출 회계 | 건수 | 뜻 |
|---|---|---|
| 논리적 LLM 판단 | 56,257 | 캐시 적중과 실패까지 포함한 판단 요청 |
| 실제 API 호출 | 56,067 | 네트워크를 통해 모델에 보낸 요청 |
| 캐시 적중 | 195 | 다시 호출하지 않고 저장된 답을 사용 |
| 실패 | 5 | 규칙 정책이 대신 결정 |
| 첫 지급 달 | 900명 지급 / 899건 기록 | citizen_087 한 건이 실패해 모델 답이 없음 |
| 실행 비용 | 약 $50 | 판단 시민·seed 하나·60개월 |
56,067 + 195 - 5 = 56,257입니다. 첫 지급 달은 900명 모두에게 결정이 강제로 걸려 한 건의 빈자리가 눈에 띄었고, 다른 달은 사건이 생긴 시민만 판단하므로 같은 방식으로 기대 건수를 고정할 수 없습니다.
실업률 69%짜리 결과를 버린 이유
첫 본 실행은 숫자가 극적이었지만 실험의 발견이 아니었습니다. 사장이 다른 회사에 취직한 뒤 자기 회사를 폐업하면 월급이 두 번 지급되는 버그가 경제 전체를 망가뜨렸습니다.
편집에서 잘린 이유약 40초 분량으로 대본에 있었지만 최종 편집에서 실행 비용과 함께 삭제했습니다. 실패한 결과를 숨기기보다 왜 폐기했는지 검증 기록으로 남깁니다.
| 검증 | 무효 실행 | 최종 실행 |
|---|---|---|
| 실업률 | 69% | 3.1~3.5% |
| 이중 급여 | 발생 | 수정 |
| 불변조건 위반 | 원인 조사 | 0건 |
| 화폐 보존 오차 | 공개 결과에서 제외 | 세계별 575원 · 621원 · 734원 |
| 판정 | 폐기 | run_a8e3a3676076ce62 채택 |
극적인 숫자일수록 원인부터 의심해야 했습니다. 최종 실행에서 불변조건 위반이 0이라는 것은 확인한 규칙 안에서 이상이 없었다는 뜻이지, 아직 발견하지 못한 구현 오류가 없다는 보증은 아닙니다.
대시보드만 보고도 틀릴 수 있었습니다
리플레이 화면에는 계산 오류가 아니라 저장·표시 방식 때문에 잘못 읽기 쉬운 지점이 세 곳 있었습니다. 영상용 화면을 고르며 실제로 걸러낸 함정입니다.
편집에서 잘린 이유시청 흐름과 무관한 제작·검수 기록이라 본편에는 넣지 않았습니다. 같은 번들을 다시 분석하거나 화면을 재사용할 때 필요한 내용입니다.
| 함정 | 화면에서 보이는 것 | 올바른 확인법 |
|---|---|---|
| M0 합성 프레임 | 지급 전인데 중위소득이 216 · 316 · 416만 | 도시 비교 화면은 M1부터 사용 |
| 도시 상태 라벨 | M25 실업률 17.3%인데 ‘안정 58’ | 복합 라벨 대신 실업률 원지표 확인 |
| index.events | M25 부근 이후 사건이 없는 것처럼 보임 | 앱이 프레임에서 합친 월별 사건 확인 |
| 거절 기록 | 시도와 최종 상태가 함께 표시 | accepted · rejected · partially_filled를 구분 |
index.events는 저장할 때 시간순 배열 앞쪽 4,000개만 남아 후반부가 잘렸습니다. 앱 화면은 각 월 프레임의 상위 사건을 합쳐 60개월을 보여주므로, 이용선의 M30 상환 불능처럼 후반 사건은 앱이나 프레임 원본에서 확인해야 합니다.
실험을 돌리고 남은 것
틀린 해석을 철회할 비교군이 필요했습니다
첫 달의 급등은 처음에는 흥미로운 시민 반응처럼 보였습니다. 돈을 받지 않은 0원 도시를 다른 판단 방식으로 돌리고 나서야 언어 모델의 콜드스타트라는 것을 알았습니다.
M0 → M1 참가율 변화: 규칙 +0.2%p · 페르소나 +0.5%p · 판단 시민 +6.8%p.
행위자 모델은 정책 변수만큼 중요했습니다
같은 정책도 시민을 규칙으로 움직이느냐 언어 모델로 움직이느냐에 따라 빈곤율이 절반 가까이 갈렸습니다. 에이전트 시뮬레이션을 읽을 때는 정책보다 누가 판단했는지 먼저 봐야 합니다.
0원 도시 M60 빈곤율 규칙 12.9% 대 판단 6.8%, 참가율 68.3% 대 79.5%.
개인의 이야기는 재현된 결론이 아니었습니다
여덟 seed에서 반복된 것은 근로시간·빈곤·물가 같은 집단 방향입니다. 오가림과 이현석이 어느 달에 무엇을 골랐는지는 이 한 판의 사례입니다.
판단 시민 본 실행은 seed 하나·약 $50. 8-seed 교차 확인은 별도의 규칙 실행입니다.
호출 실패 한 건도 화면에서는 사람 한 명이 됐습니다
900명 모두 돈을 받았는데 판단 기록은 899건이었습니다. 숫자를 둥글게 맞추지 않고 실패한 시민과 대체 경로를 찾아야 분포의 분모가 맞았습니다.
citizen_087의 첫 달 API 호출 실패. 전체 실제 호출 56,067회 중 실패 5회.
극적인 결과는 먼저 버그를 의심했습니다
실업률 69%는 좋은 훅이 될 수 있었지만 사장 월급 이중 지급이 만든 값이었습니다. 결과가 강할수록 서사를 붙이기 전에 회계와 개별 경로를 확인해야 했습니다.
첫 본 실행 폐기. 수정 후 run_a8e3a3676076ce62에서 불변조건 위반 0건.
리플레이 화면도 원본이 아니라 해석 층이었습니다
도시 상태 라벨과 사건 목록은 여러 지표를 합치거나 일부를 잘라 보여줍니다. 화면이 그럴듯해도 주장에 쓰는 숫자는 월별 프레임과 원본 사건에서 다시 확인했습니다.
M25 0원 도시 실업률 17.3%인데 상태 라벨은 ‘안정 58’. index.events는 M25 이후가 일부 잘림.
이 실험이 말할 수 없는 것
- 이 결과는 실제 한국 경제의 예측이 아닙니다. 시민은 합성 페르소나이고 판단은 gpt-5.6-luna가 내렸습니다. 자기 이력서를 매달 읽고 최선을 고르는 시민은 현실보다 부지런합니다.
- 판단 시민의 최종 실행은 seed 하나입니다. 근로시간·빈곤·지니·물가·행복·자영업·자동화 같은 방향은 8-seed 규칙 앙상블에서도 반복됐지만, 개인의 선택과 사건 수는 이 한 실행의 결과입니다.
- 기업은 언어 모델이 아니라 수요를 보는 규칙으로 움직입니다. 200만 원 도시에서 해고와 침체가 크게 줄어든 정도는 현실 기업의 행동을 그대로 재현한 값이 아닙니다.
- 첫 달 참가율 급등은 모델의 초기 반응입니다. 0원 도시에서도 참가율이 6.8%p 뛰었으므로 급등의 크기를 기본소득 효과로 인용하면 안 됩니다.
- 사망·출산·이민 채널은 약하고 인구가 거의 움직이지 않습니다. 60개월을 넘는 장기 인구 변화는 이 실험으로 말할 수 없습니다.
- 기본소득은 물가에 연동되지 않습니다. 100만 원 재정이 5년차에 균형에 가까워진 것은 정책이 스스로 지속 가능해진 것이 아니라 물가가 실질 지급액을 깎았기 때문입니다.
- 재원 비교는 규칙 시민, seed 하나의 별도 실행입니다. 판단 시민으로 일곱 재원을 모두 돌린 결과가 아닙니다.
- 첫 본 실행은 이중 급여 버그로 무효 처리했습니다. 최종 실행은 불변조건 위반이 0이지만 아직 발견하지 못한 모델 오류나 구현 오류가 없다는 뜻은 아닙니다.
먼저 나올 질문들
첫 달 실업률 급등은 왜 결과에서 뺐나요?
기본소득을 받지 않은 0원 도시에서도 판단 시민의 참가율이 한 달에 6.8%p 뛰었습니다. 규칙 시민은 0.2%p, 페르소나 시민은 0.5%p만 움직였습니다. 정책 반응이 아니라 언어 모델이 처음 자기 상황을 읽고 깨어난 콜드스타트로 판단해 급등의 높이는 결과에서 제외했습니다.
규칙 시민과 판단 시민 중 어느 쪽이 현실적인가요?
둘 다 현실 그 자체는 아닙니다. 규칙 시민은 정해진 조건에만 반응하고, 판단 시민은 매달 자기 이력서와 잔고를 읽고 지나치게 부지런하게 최선을 고릅니다. 진짜 사람의 반응은 두 결과 사이 어딘가에 있을 가능성이 크며, 이 간극 자체가 시뮬레이션의 중요한 불확실성입니다.
왜 영상에서는 기축통화와 유전 결과를 뺐나요?
한국형 혼합 재원의 판단 시민 본 실행과 달리 기축통화·유전·화폐 발행은 규칙 시민·seed 하나의 별도 실행입니다. 같은 실험의 결과처럼 섞이면 근거의 수준이 달라지므로 본편에서는 의도적으로 제외했습니다. 특히 기축통화의 환율 1.000은 결과가 아니라 시나리오에 넣은 가정입니다.
900명이 받았는데 왜 판단은 899건인가요?
citizen_087의 첫 달 API 호출 한 건이 실패해 규칙 정책이 대신 결정했습니다. 기본소득은 900명 모두에게 지급됐지만 모델이 답한 내용만 판단 기록에 들어가므로 899건이 남았습니다. 전체 실행에서는 실제 API 호출 56,067회 중 5회가 실패했습니다.
폐기한 69% 실업률 실행도 볼 수 있나요?
공개 결과에서는 제외했습니다. 사장이 다른 회사에 취직한 뒤 자기 회사를 폐업할 때 월급이 이중 지급되는 버그가 원인이었고, 경제 현상으로 해석할 수 없는 실행입니다. 오류를 수정한 뒤 별도 실행한 run_a8e3a3676076ce62만 이번 편의 근거로 사용했습니다.
왜 기업은 언어 모델이 아니라 규칙으로 움직였나요?
이번 실행은 시민의 선택에 계산 예산을 집중하고 기업은 매출·임금·자동화 비용에 반응하는 동일한 규칙으로 고정했습니다. 덕분에 도시 차이를 비교하기 쉬워졌지만, 현실 기업의 해고와 투자 판단을 재현한 것은 아닙니다. 200만 원 도시의 침체 완화 정도를 그대로 현실에 옮길 수 없는 이유입니다.
다른 seed에서도 같은 시민 이야기가 나오나요?
그렇다고 말할 수 없습니다. 8-seed 앙상블에서 확인한 것은 근로시간·빈곤·물가·행복·자동화율 같은 집단 지표의 방향입니다. 오가림과 이현석의 구체적인 선택 시점은 판단 시민 seed 하나에서 나온 사례입니다.
다음 편은 무엇인가요?
지금 규모의 로봇세는 월 200만 원 지급액의 3.3%밖에 대지 못했습니다. 다음 편은 인간보다 로봇이 더 많은 도시를 만들고, 자동화가 충분히 커졌을 때 기업과 로봇의 생산으로 기본소득을 감당할 수 있는지 다시 묻습니다.