소셜 월드 모델과 합성 소비자 조사: AI가 사람을 시뮬레이션해 시장조사를 다시 씁니다
도시 하나의 의견을 몇 분 만에 물어볼 수 있다면 어떨까요. 실제 사람 1,000명을 두 시간씩 인터뷰해 만든 AI 에이전트가, 그 사람들의 설문 응답을 본인이 2주 뒤 다시 답한 정확도의 약 85% 수준으로 따라잡았다는 스탠퍼드 연구가 2024년 말 나왔습니다. 사람을 시뮬레이션한다는 오래된 꿈이, 갑자기 제품·광고·정책을 시험하는 실용 도구의 문턱에 올라선 것입니다.
이 글에서는 두 개의 키워드를 따라갑니다. 하나는 사람과 사회를 모사하는 소셜 월드 모델(social world model)이고, 다른 하나는 그 위에서 자라난 합성 소비자 조사(synthetic consumer research)입니다. 무엇인지, 어디까지 왔고 어디서 무너지는지, 어떤 스타트업과 레거시 사업자와 빅테크가 들어오는지, VC는 왜 베팅하는지, 그리고 이것이 어떤 산업을 대체하고 또 넘어서는지를 넓고 깊게 보겠습니다.
이 블로그에서 다뤄 온 흐름과도 이어집니다. 모델 지능은 범용화되고 실행은 지역화된다는 이야기, 그리고 에이전트의 병목이 모델이 아니라 환경과 데이터라는 이야기입니다. 합성 소비자 조사는 정확히 그 응용입니다. 범용 모델 위에, 실제 인간 행동 데이터로 떠받친 한 가지 버티컬을 얹는 일입니다.
소셜 월드 모델이란 무엇인가
월드 모델은 AI가 세계의 작동 방식을 내부에 학습해, 다음에 무슨 일이 벌어질지 예측하고 그 안에서 행동을 시험하는 모델입니다. 뿌리는 2018년 Ha와 Schmidhuber의 'World Models'로, 에이전트가 실제 환경 없이 모델이 만든 꿈 속에서 학습하는 그림을 보였습니다. 최근의 월드 모델은 대개 물리·공간을 다룹니다. 얀 르쿤의 JEPA 계열, 딥마인드의 Genie, OpenAI의 Sora, 페이페이 리의 World Labs(공간 지능)가 그렇습니다.
그런데 다른 갈래가 자라고 있습니다. 픽셀과 물리 대신, 사람의 믿음과 의도, 사회적 상호작용을 모사하는 방향입니다. 카네기멜런 연구진은 2025년 이를 소셜 월드 모델(Social World Models)이라는 이름으로 정리했습니다. 물리 월드 모델이 공간을 시뮬레이션한다면, 소셜 월드 모델은 사람을 시뮬레이션합니다.
기술적 뿌리는 두 줄기입니다. 하나는 스탠퍼드의 생성 에이전트(Generative Agents, 2023)입니다. 게임 속 작은 마을에 25명의 AI 주민을 두자, 한 명에게 파티를 제안하니 나머지가 스스로 초대장을 돌리고 약속을 잡아 정시에 모였습니다. 기억과 반성, 계획의 루프가 사회적 행동을 만들어 낸 것입니다. 다른 하나는 실리콘 샘플링(Argyle 외, 2022)입니다. 실제 응답자의 배경을 모델에 입력하면 그 집단의 응답 분포를 모사할 수 있다는 발상으로, 저자들은 이를 알고리즘적 충실도라 불렀습니다.
2024년의 1,000명 시뮬레이션 연구는 이 둘을 합쳤습니다. 미국 대표 표본 1,052명을 약 두 시간씩 인터뷰해 각자의 에이전트를 만들었더니, 일반사회조사(GSS) 응답을 본인의 2주 후 재검사 정확도의 약 85% 수준으로 따라잡았고, 다섯 개 사회과학 실험 중 넷을 재현했습니다. 최근에는 1,000만 명 규모의 SocioVerse나 수만 에이전트의 AgentSociety처럼, 사회 전체를 시뮬레이션하려는 대규모 시도도 이어지고 있습니다.
합성 소비자 조사: 설문을 시뮬레이션하다
이 기술이 가장 먼저 돈이 되는 곳이 시장조사입니다. 합성 소비자 조사는 실제 패널 대신, 데이터로 떠받친 합성 응답자에게 묻습니다. 신제품 컨셉, 광고, 패키지, 가격 변화를 사람 패널을 모으기 전에 시뮬레이션으로 먼저 시험하는 것입니다.
방식의 차이가 곧 가치입니다. 전통 조사는 모집과 진행에 수 주가 걸리고 규모를 키울수록 비용이 선형으로 늘지만, 합성 조사는 초기 설정 뒤에는 추가 실험 비용이 거의 들지 않습니다. 특히 같은 질문을 조건만 바꿔 수백 번 반복하는 가정 실험(counterfactual)이 가능해집니다. 패키지 색을 바꾸면 특정 집단의 구매 의향이 어떻게 변하는지를, 응답자 피로 걱정 없이 즉시 수백 번 돌려 볼 수 있는 식입니다.
어디까지 믿을 수 있고, 어디서 무너지는가
낙관만 하기엔 이릅니다. 이 기술의 성패는 정확도가 아니라 어떤 정확도냐에 달려 있습니다.
잘 맞는 영역은 분명합니다. 큰 집단의 평균, 방향성, 알려진 주제에서는 상당히 그럴듯합니다. 한 검증(PyMC Labs와 콜게이트, 2025)에서는 개인위생 제품 57개 설문에서 합성 응답자가 인간의 재검사 신뢰도의 약 90% 수준 상관을 보였습니다. 문제는 그 아래입니다.
정치학 연구(Bisbee 외, 2024)는 평균은 대체로 맞지만 회귀계수의 48%가 통계적으로 다르고 32%는 부호가 반대였으며, 같은 프롬프트의 분포가 단 3개월 만에 달라지는 재현성 문제를 보고했습니다. 다른 연구들은 LLM이 주류 집단의 목소리를 평균처럼 내뱉어 소수 의견을 체계적으로 과소대표한다고 짚었고, 닐슨노먼그룹의 검증은 저소득·비백인 집단에서 정확도가 떨어지고 세그먼트 교차분석에서 8~15% 오차가 난다고 지적했습니다. 정작 조사자가 가장 중요하게 여기는 세그먼트별 미세한 차이에서 가장 약한 셈입니다. 여기에 학습 데이터에 없는 니치 제품에 대해 없는 경험을 지어내는 환각된 소비자 문제까지 더해집니다.
이 한계를 가장 솔직하게 보여 준 사례가 있습니다. 합성 응답자를 만들던 한 스타트업(Roundtable)은 오히려 합성·봇 응답을 걸러 내는 사기 탐지 쪽으로 사업을 틀었습니다. 합성 응답자를 만드는 것보다 막는 것이 단기적으로 더 분명한 사업이라는 역설입니다. 조사 전문가 설문에서도 대다수가 AI 도구를 쓰지만 합성 응답자를 실제 의사결정에 쓰는 비율은 아직 낮고, 다수가 결과를 과신하거나 편향을 키울까 우려했습니다.
누가 들어오는가: 스타트업, 레거시, 빅테크
그럼에도 자본과 인재는 빠르게 모이고 있습니다. 지형은 세 층으로 나뉩니다.
첫 번째 층은 순수 스타트업입니다. Aaru는 수천 개의 에이전트로 집단의 반응을 예측하며, 2024년 뉴욕 예비선거를 실제 결과와 371표 차이로 맞혔다고 알려졌습니다. 시리즈 A에서 헤드라인 기준 10억 달러 밸류에이션이 거론됐지만, 투자자마다 다른 가격이 적용된 다층 구조라 실제 혼합 밸류에이션은 그보다 낮다고 보도됐습니다(리드: Redpoint, Accenture Ventures 참여). Simile는 앞서 본 스탠퍼드 생성 에이전트 연구진(조준성 박, 마이클 번스타인 등)이 세운 회사로, 디지털 트윈을 만들어 2026년 2월 1억 달러 시리즈 A를 받았습니다(리드: Index Ventures, 엔젤로 페이페이 리·안드레이 카파시 참여). 유럽에는 YC 출신 Artificial Societies(Point72 Ventures 리드)가 있고, UX 리서치의 Synthetic Users, 6만 명 디지털 트윈을 표방하는 Brox 등이 뒤를 잇습니다.
두 번째 층은 레거시 조사사입니다. 이들은 구경만 하지 않습니다. Qualtrics는 Edge Audiences라는 합성 패널을 내놨고(2억 명 이상의 실제 응답자 데이터로 학습, 비용 최대 70% 절감 표방), NielsenIQ는 BASES AI Screener로 CPG 아이디어를 스크리닝합니다. Toluna는 자사 패널 데이터로 100만 개 넘는 페르소나를 만들었습니다. 반면 Kantar와 Ipsos는 대체가 아니라 증강이라는 신중한 입장이고, YouGov는 가장 회의적이면서도 역설적으로 AI 페르소나 스타트업 Yabble을 인수했습니다.
세 번째 층은 빅테크입니다. 소비자 시뮬레이션 전용 상품을 대놓고 내놓았다는 증거는 아직 분명치 않지만, Meta는 AI 대화를 광고 타기팅에 쓰기 시작했고 OpenAI와 아마존은 쇼핑 어시스턴트로 소비자 의도 데이터에 접근합니다. 간접적이지만 같은 방향입니다.
자본의 논제도 또렷합니다. a16z는 연 1,400억 달러대 시장조사 지출의 대부분이 인건비이고 이를 소프트웨어가 흡수할 수 있다고 봤고, Greylock은 이 시장이 Qualtrics(약 125억 달러)나 Medallia(약 64억 달러) 규모를 넘어설 수 있다고 보고 창업자를 적극 찾고 있습니다.
어떤 산업을 대체하고, 또 넘어서는가
대체 대상은 분명합니다. ESOMAR 기준 글로벌 인사이트 산업은 약 1,530억 달러 규모이고, 그 안에서 설문과 패널, 포커스그룹, 여론조사, UX 리서치, 광고 사전테스트가 합성 방식의 사정권에 들어옵니다. 모집과 인센티브, 시설로 나가던 인건비가 가장 먼저 소프트웨어로 옮겨갑니다.
그런데 흥미로운 지점은 단순 대체를 넘어서는 부분입니다. 전통 조사로는 구조적으로 불가능했던 일이 새로 열립니다. 분기마다 패널을 돌리는 대신 소비자 반응을 상시로 묻는 상시 조사, 출시 전에 수백 개 시나리오를 무한히 시험하는 가정 실험, 모집이 어려운 고자산가나 특정 전문가 집단의 시뮬레이션, 그리고 개인 단위의 소비자 디지털 트윈이 그렇습니다. 실제로 한 회사는 수십만 명 규모의 고객 에이전트로 상품 배치와 재고 결정을 사전 시뮬레이션한다고 합니다. 하버드 비즈니스스쿨 연구가 제안하는 그림은 명료합니다. 깔때기의 윗부분, 곧 초기 아이디어 발굴은 AI로 수백 개까지 넓히고, 정밀 검증의 아랫부분은 실제 사람 조사로 좁히는 혼합 모델입니다.
즉 합성 조사는 시장조사를 대체하는 동시에, 시장조사가 닿지 못하던 영역으로 확장합니다. 더 싸고 빠른 설문이 아니라, 상시로 돌아가는 소비자 시뮬레이터에 가깝습니다.
미국과 한국, 그리고 투자자의 눈
한국은 어떨까요. 한국 시장조사 산업은 약 5.6억 달러 규모로 추정되고(2023, Euromonitor), 마크로밀엠브레인(코스닥 상장, 패널 약 178만 명), 오픈서베이, 한국갤럽, 칸타코리아 등이 있습니다. 모바일 조사 인프라가 앞서 있어 데이터 기반 페르소나의 토대는 나쁘지 않습니다.
다만 구조적 한계가 또렷합니다. 한국어 학습 데이터는 영어 대비 절대량이 적고 도메인 편중이 있어, 소비자 행동을 폭넓게 모사하기에 부족합니다. 체면과 사회적 바람직성, 연령·직급에 따른 응답 편향처럼 한국 특유의 응답 패턴을 모델이 충분히 재현하는지도 검증이 미흡합니다. 개인정보보호법은 학습용 행동 데이터 확보를 제약하고, 여론조사 공표 규제는 합성 여론조사의 법적 지위를 불확실하게 만듭니다. 그래서 한국에서는 미국식 독립 대형 플레이어보다, 기존 조사사의 AI 전환이나 한국어·문화에 특화한 합성 패널을 먼저 장악하는 쪽이 현실적인 길로 보입니다. 이 블로그에서 거듭 말한, 실행은 지역화된다는 명제가 여기서도 반복됩니다.
투자자의 점검 질문은 단순합니다. 그 회사가 합성 응답을 떠받칠 고품질의 실제 인간 데이터를 확보하고 있는가, 집계뿐 아니라 세그먼트에서의 타당성을 정직하게 측정하고 공개하는가, 한 버티컬의 워크플로와 고객 관계를 잡고 있는가, 그리고 결과를 과신하지 않도록 인간 검증과 결합하는 설계를 갖췄는가입니다. 반대로 정확도를 단순히 높은 한 숫자로만 내세우거나, 실제 데이터 없이 순수 생성 페르소나에 기대거나, 세그먼트 실패를 숨기는 곳은 경계할 신호입니다.
맺으며
합성 소비자 조사의 가장 큰 역설은, 정확해지려면 결국 양질의 실제 인간 데이터가 필요하다는 점입니다. 인터뷰로 떠받친 디지털 트윈이 맨바닥의 생성 페르소나보다 훨씬 정확한 것은, 사람을 잘 흉내 내는 비결이 사람의 진짜 데이터를 얼마나 잘 소화했느냐에 있기 때문입니다. 비용 절감이라는 마법은 종종 그 데이터 수집 비용을 가립니다.
그래서 이 시장의 승자는 사람을 지운 회사가 아니라, 사람의 데이터를 가장 잘 떠받친 회사일 가능성이 큽니다. 소셜 월드 모델은 시장조사를 더 싸고 빠르게 만드는 데서 그치지 않고, 늘 켜져 있는 소비자 시뮬레이터라는 새로운 도구를 만들어 가고 있습니다. 그 도구가 어디서 빛나고 어디서 거짓을 말하는지를 정직하게 아는 사람이, 결국 이 흐름에서 가장 멀리 갈 것입니다.