예측 불가능을 돌파하라: 블랙스완 이벤트 대응 방법

2026년 2월, 미국의 이란 핵시설 공습 직후 글로벌 공급망은 순식간에 흔들렸습니다. 유가가 급등했고, 주요 원자재 가격과 물류가 불안정해졌습니다.

이처럼 발생 가능성은 낮지만, 한번 터지면 사회와 경제 전체를 뒤흔드는 사건을 블랙스완(Black Swan)이라고 부릅니다. 중요한 점은, 블랙스완 이벤트는 데이터로 존재하지 않다 보니 기존 AI 모델로는 예측하기가 어렵다는 것입니다. 그래서 오랫동안 사실상 불가능한 영역으로 여겨져 왔습니다.

하지만 예측 모델이 발전하고, LLM과 에이전트 같은 AI 기술이 진화하면서 이 불가능이 조금씩 깨지고 있습니다. 단순히 예측 성능을 높이는 게 아니라, 아예 예측 방식 자체를 바꾸는 것입니다.

‍

블랙스완이 공급망을 흔드는 이유

기존 수요예측 모델은 과거 판매 이력, ERP 데이터 같은 정형 데이터를 기반으로 학습합니다. 블랙스완은 이 정형 데이터 안에 존재하지 않습니다. 전쟁이 발발하면 환율과 유가에 반영되긴 하지만, 언제나 한발 늦습니다. 그 결과 기존 머신러닝 모델은 평상시 패턴을 그대로 연장할 뿐, 충격이 발생하는 순간 예측값과 현실이 완전히 벌어집니다.

공급망 담당자 입장에서 이것은 곧 재고 과부족, 조달 실패, 원가 폭등이라는 직접적인 피해로 이어집니다.

‍

예측에 블랙스완을 반영하는 방법

블랙스완은 정형 데이터에는 없지만, 뉴스 기사와 SNS에는 사건 발생 이전부터 신호가 빠르게 나타납니다. 임팩티브AI는 이 지점에 집중해 블랙스완을 예측에 반영하는 방법을 연구했습니다.

여기서 핵심 역할을 하는 것이 LLM(대규모 언어 모델)입니다. LLM은 수학 계산이나 정량 모델링에는 한계가 있지만, 텍스트의 의미를 이해하고 구조화하는 데 탁월한 강점을 가집니다.

우선, 블랙스완이 발생했을 때 뉴스 기사와 소셜 미디어 데이터를 분석해 사건의 핵심을 파악하고, 전쟁·정책 변화·공급망 차질 같은 카테고리로 자동 분류합니다. 이 과정에서 사건의 빈도와 강도를 수치화하면 하나의 지표가 만들어지고, 이를 시간 흐름에 따라 축적하면 '블랙스완 임팩트 스코어'라는 새로운 형태의 시계열 데이터가 됩니다. 이 데이터를 기존 수요예측 모델이나 가격예측 모델에 함께 학습시키면, 모델은 단순한 과거 패턴이 아니라 시장 충격까지 반영하는 구조로 바뀝니다.

실제 성과도 확인할 수 있었습니다. 아래 그래프는 니켈 선물 가격(위)과 블랙스완 임팩트 스코어(아래)를 함께 나타낸 것입니다.

2022년 러시아-우크라이나 전쟁 당시 니켈 가격은 단기간에 폭등했고, 기존 머신러닝 모델은 이를 전혀 반영하지 못한 채 평상시 패턴을 그대로 연장했습니다. 반면 전쟁 이벤트 지수를 함께 학습한 AI 예측 모델은 가격 급등 구간을 정확히 포착했고, 예측 정확도는 약 95.5% 수준까지 향상됐습니다.

‍

블랙스완 발생 확률, 사전에 알 수 있을까?

블랙스완 이벤트가 발생한 후, 그 영향을 반영한다고 하더라도 이를 사전에 예측하지 못하는 한계가 있습니다. 전쟁이나 팬데믹은 현실적으로 예측하기 매우 어렵습니다.

하지만 충격을 반영하는 것에서 한 발 더 나아가, AI를 통해 블랙스완이 일어날 가능성 자체를 사전에 수치화하고 예측해볼 수 있습니다.

모든 사건이 완전히 무작위로 발생하는 건 아닙니다. 사건 직전에는 반드시 미세한 정량 신호가 먼저 나타납니다. 유명한 '피자 지수(Pizza Index)' 사례가 이를 잘 보여줍니다. 미국이 군사 작전을 준비할 때 펜타곤 인근 피자 가게 주문량이 급증한다는 관찰로, 단순해 보이지만 조직의 행동 패턴이 데이터로 먼저 드러난다는 원리를 보여주는 사례입니다.

예를 들어, 전쟁이 일어난다면 블랙스완 발생 가능성을 높이는 대표적인 신호들은 다음과 같습니다.

• 군용 항공기 이동 및 위성 기반 병력 이동 데이터 증가
• 해상 군함 활동 이상 징후
• 원유 변동성 지수(OVX) 급등
• CDS 스프레드 확대
• 방산 기업 주가 이상 상승

팬데믹에서도 동일한 원리가 작동했습니다. 캐나다 AI 기업 블루닷(BlueDot)은 뉴스 데이터, 항공권 예약 급증, 약국 특정 품목 구매 급증 패턴을 분석해 WHO보다 먼저 코로나 확산 가능성을 경고했습니다. 질병 자체를 예측한 것이 아니라, 확산 가능성을 높이는 환경적 신호를 먼저 감지한 것입니다.

"몇 월 며칠에 전쟁이 일어난다"는 예언은 할 수 없지만, "현재 충격 발생 확률이 높아지고 있다"는 신호를 선제적으로 받아, 조달 전략과 재고 기준에 반영할 수 있다는 것입니다. 블랙스완은 완전히 예측 불가능한 영역이 아닙니다. 그 발생 가능성을 높이는 환경은 데이터로 관측 가능합니다.

‍

에이전트 시뮬레이션: 미래를 미리 실험한다

시장은 숫자가 아니라 사람의 기대, 공포, 판단, 그리고 상호작용으로 움직입니다. 시장은 숫자의 집합이 아니라 인간 행동의 집합이기 때문에, 과거 데이터가 충분하지 않은 상황에서는 사람들이 어떻게 반응할지를 데이터만으로 예측하는 데 한계가 있습니다.

AI 에이전트 기반 시뮬레이션은 이 문제를 완전히 다른 방식으로 풀어냅니다. 에이전트는 단순한 모델이 아닙니다. 특정한 목표와 의사결정 기준을 가지고 행동하는 '행위 주체'로서, 단순히 데이터를 계산하는 것이 아니라 사람처럼 상황을 해석하고 선택을 내리는 작은 전문가와 같습니다. 데이터를 더 모으는 것이 아니라, 시장에 참여하는 '사람'을 직접 만들어버리는 접근입니다.

최근에는 뉴스, 정책, 경제 데이터, SNS와 같은 비정형 정보를 기반으로 다수의 AI 에이전트를 생성해 시장을 재현하는 시뮬레이션 접근도 등장하고 있습니다. 이 에이전트들은 서로 다른 의사결정 성향을 갖도록 설계되며, 동일한 정보에 각기 다른 방식으로 반응합니다.

예를 들어 다음과 같은 다양한 시장 참여자 유형을 반영할 수 있습니다.

• 보수적인 투자자
• 공격적인 트레이더
• 리스크를 회피하는 기업
• 가격에 민감한 소비자

이 과정에서 '정보 → 해석 → 행동 → 상호작용 → 집단 변화'라는 실제 시장의 메커니즘이 그대로 구현됩니다. 관세 정책 변화나 공급망 차질 같은 시나리오를 입력하면, 초기에는 일부만 반응하다가 점차 행동이 확산되고, 특정 시점에서 수요 급감·가격 급등·패닉 바잉과 같은 현상이 동시에 나타나는 흐름을 확인할 수 있습니다.

이 방식은 과거 데이터를 기반으로 미래를 추정하는 것이 아니라, 다양한 상황을 가상으로 만들어보고 결과를 확인하는 접근입니다. 이를 통해 기업은 조달 전략, 재고 기준, 리스크 대응 시나리오를 보다 현실적으로 사전에 검토할 수 있습니다.

‍

블랙스완은 두려움의 영역이 아니다

AI 시대, 예측은 지금 세 가지 방향에서 동시에 진화하고 있습니다.

• 비정형 데이터로 충격 신호를 먼저 감지하고
• 정량 신호를 통해 발생 확률을 추정하며
• 에이전트 시뮬레이션으로 미래를 미리 실험합니다

기술의 발전과 함께 블랙스완의 상황은 두려움의 영역이 아니라 준비 가능한 영역으로 바뀌고 있습니다. 수요예측, 가격예측 분야에서도 공급망 리스크를 선제적으로 관리하고 싶다면, AI가 그 출발점이 될 수 있습니다.

‍

블랙스완 리스크, 혼자 고민하지 마세요

임팩티브AI는 기존 통계 모델이 포착하기 어려운 급격한 시장 변화, 즉 관세·지정학적 이슈·전염병 같은 블랙스완 이벤트에 대응하기 위한 독자적인 방법론을 개발하고 있습니다.

예측하기 어려운 시장 변동성 때문에 조달·재고·가격 전략에 어려움을 겪고 계시다면, 임팩티브AI와 함께 예측에 대응하는 새로운 접근을 시작해 보세요.