AI 디지털 트윈으로 공동체 예산 배분 — 시모크라시 실험과 공공재 펀딩

핵심 메시지

• 던바의 수(약 150명)를 넘어서면 공동체의 신뢰와 자치 규칙이 무너지는데, AI 디지털 트윈이 그 인지 부담을 대신 져 규모를 확장하려는 시도다.
• 실험은 두 단계로, 1단계는 1만 달러를 각 층에 전통적 방식으로 나눠주고 관찰하고, 2단계는 5천 달러를 AI 네이티브 방식으로 배분한다.
• 각 층 구성원은 15~20분 인터뷰로 자신의 가치·신념을 AI에게 학습시켜 '심(Sim)'이라는 디지털 분신을 만들고, 이 분신들이 서로 협상한다.
• 임팩트 평가에는 전문가·지역 주민뿐 아니라 위성영상·생체음향·오픈소스 사용량 같은 기술적 증거도 활용된다.
• 핵심 원칙은 투명성과 '사람이 최종 결정권을 갖는 것' — AI의 논의는 재생·검토되고 사람이 실행 여부를 정한다.

쉽게 이해하기

프로토콜 랩스의 연구개발을 이끄는 데이비드 달은 자금을 한 곳에서 다른 곳으로 옮기는 일이 결코 사소하지 않다고 말합니다. 중간에서 몫을 떼는 중개자가 많고, A와 B 사이의 신뢰를 쌓기도 어렵기 때문입니다. 그는 이런 문제들이 본질적으로 인간적인 문제이며 많은 인지적 부하를 요구한다고 봅니다. AI와 블록체인 같은 프런티어 기술은 이 인지 부하의 일부를 덜어내 사람이 정작 인간적인 부분에 집중하게 해준다는 것이 그의 관점입니다.

그가 이끄는 하이퍼스페이스 재단은 지역 토지 프로젝트, 오픈소스 소프트웨어, 저널리즘, 공동체 행사처럼 혼자서는 자금을 대기 어려운 공공재를 함께 펀딩하는 새로운 방식을 만듭니다. 아이디어는 단순합니다. '내가 언제 어디서 무엇을 했고 그것이 임팩트가 있었다'는 기록을 남기고, 다른 사람이 근거와 함께 '이것은 정말 임팩트가 있었다'고 확인해 겹겹이 쌓아 살아있는 기록을 만드는 것입니다.

실험 무대는 샌프란시스코의 프론티어 타워입니다. 여러 층마다 저마다의 선호와 가치, 세계관을 가진 사람들이 모여 있고, 'Funding the Commons' 행사를 어떻게 펀딩하고 거버넌스를 어떻게 투명하게 짤지가 과제였습니다. 실험은 두 단계입니다. 먼저 1만 달러를 각 층에 그냥 나눠주고, 임팩트 보고를 하는지·구성원을 참여시키는지·자기 이익에만 쓰는지를 관찰합니다. 이것이 기존 웹2식 기준선입니다. 흥미로운 2단계에서는 5천 달러를 AI 네이티브 방식으로 배분합니다.

2단계에서 각 층은 자신의 디지털 트윈을 만듭니다. 15~20분간 무엇을 중요하게 여기고 어떤 프로젝트가 임팩트 있다고 보는지 인터뷰하면, AI가 그 사람의 선호·가치·신념을 학습해 '심(Sim)'이라는 분신으로 복제합니다. 이 분신들은 '시모크라시'라 불리는 장에서 서로 몇 시간이고 대화하고, 같은 논의를 50번씩 시뮬레이션할 수도 있습니다. 14층 '인간 번영 층'의 스튜어드인 주디의 심은 그가 아끼는 공동체 텃밭과 지역 먹거리를 제안했고, 주디는 그 제안을 반겼습니다. 한 층 리더는 오전 내내 다른 층 리더의 디지털 분신을 자기 생각으로 설득하는 데 시간을 쓰기도 했습니다.

세 번째 축은 '평가자'입니다. 어떤 프로젝트가 좋은지 잘 아는 전문가나 지역 주민이 될 수도 있고, 토지 프로젝트라면 위성영상·생체음향, 오픈소스라면 사용자 수 분석 같은 기술적 증거가 될 수도 있습니다. 발표자들은 불투명한 의사결정으로 시스템 통제를 잃는 위험을 경계합니다. 그래서 하이퍼서트(HyperCert)라는 AI 네이티브 데이터 계층으로 각 AI 에이전트가 어떻게 논증하고 결정하는지 관찰하고, 결과를 사람이 되돌려 보며 실행 여부를 정하도록 합니다. 이 실험은 엘리너 오스트롬의 공유자원 자치 이론을 던바의 수 너머로 확장하려는 시도이자, 사람이 최종 결정권을 쥔 채 인지 부하만 AI에 넘기는 설계를 지향합니다.

주요 인사이트

• 던바의 수를 넘어 공동체가 커지면 신뢰와 자치 규칙이 깨진다. 이 실험은 AI 디지털 트윈이 협상의 인지 부하를 대신 지게 해 오스트롬식 공유자원 거버넌스를 더 큰 규모로 확장하려는 시도다.
• '그냥 나눠주고 관찰하는' 웹2 기준선(1만 달러)과 AI 네이티브 배분(5천 달러)을 나란히 둔 2단계 설계는, 새 방식의 효과를 기존 방식과 비교해 검증하려는 실험적 태도를 보여준다.
• 디지털 트윈이 같은 토론을 50번씩 반복 시뮬레이션할 수 있다는 점은, 사람이 '이렇게 말했어야 했는데' 하고 후회하던 기회를 분신이 반복해 시도하게 해준다.
• 임팩트 평가를 사람의 판단에만 맡기지 않고 위성영상·생체음향·오픈소스 사용량 같은 객관적 증거로 보강해, 여러 펀더가 공유하는 네트워크 데이터로 전체 효율을 높이려 한다.
• 가장 큰 위험은 불투명한 의사결정으로 통제를 잃는 것이다. 그래서 AI의 논증 과정을 관찰·재생 가능하게 만들고 사람이 최종 결정권을 유지하는 '사람 개입(human-in-the-loop)'을 핵심 원칙으로 둔다.

자주 묻는 질문

관련 AI 소식