Alternative (decision-making) — 대안 (의사결정)
대안(Alternative)은 의사결정 이론의 맥락에서, 목표 달성 또는 문제 해결을 위해 의사결정자가 선택할 수 있는 가능한 행동 방안 중 하나를 가리킨다. 다시 말해, 대안이란 일정한 집합 중에서 선택될 수 있는 개별적인 결정을 의미한다. 의미 있는 선택이 이루어지기 위해서는 최소한 두 가지 이상의 대안이 존재하는 것이 필요 조건이다.
고전적 의사결정 이론에서의 대안
고전적 의사결정 이론은 완전히 합리적인 선택을 전제로 한다. 이러한 관점에서 의사결정 문제는 대안들의 집합을 통해 형식화되며, 합리적 행위자는 그 중에서 최선의 대안을 선택해야 한다. 각각의 대안은 의사결정자가 실행할 수 있는 구체적인 결정을 나타낸다. 고전적 이론은 일반적으로 대안들의 집합이 사전에 주어지고 의사결정자에게 알려져 있으며, 의사결정자가 모든 대안을 식별하고 각 방안의 결과를 평가할 수 있다고 가정한다.
확실성 조건 하에서는 각 대안이 유일하고 알려진 결과로 이어지며, 불확실성 조건 하에서는 결과가 외부 요인(자연 상태)에 따라 달라진다. 합리적 전략은 최적성 기준에 기반한다. 기대값 최대화 기준에 따르면 기대 가치가 가장 높은 대안을 선택하며, 보다 복잡한 접근법으로는 기대 효용(expected utility) 최대화가 있다.
다기준 의사결정 분석에서의 대안
다기준 의사결정 분석(MCDA, Multi-Criteria Decision Analysis)은 일련의 기준에 따라 대안들을 평가한다. 다수의 대안과 기준이 존재할 때, 과제는 대안들을 순위화하거나 최선의 대안을 선택하는 것이다.
MCDA의 기초는 대안 평가 행렬로, 행은 대안, 열은 기준을 나타내며 각 셀에는 Kj(ai)의 값이 기입된다.
핵심 개념은 파레토 지배(Pareto dominance)로, 대안 X가 모든 기준에서 Y보다 열등하지 않고 적어도 하나의 기준에서 우월할 때 X가 Y를 지배한다고 한다. 지배받는 대안은 제외된다. 기준 간 충돌(어떤 방안이 일부 지표에서는 더 우수하지만 다른 지표에서는 열등한 경우)이 발생하면 파레토 최적 해집합이 형성된다.
다기준 대안 비교 방법에는 다음이 포함된다:
- 단일 효용 함수 구성(예: 평가의 가중 합)
- 쌍대 비교(Saaty의 AHP 기법)
- 아웃랭킹(Outranking) 접근법(ELECTRE, PROMETHEE)
MCDA는 기준이 확률적 성격을 지니거나 평가가 퍼지(fuzzy) 형태로 표현될 때 불확실성 처리와 자주 결합되며, 위험 하의 의사결정 이론 요소와 융합된다.
대안의 분류
- 이산 대안과 연속 대안. 대안들의 집합은 유한하고 이산적이거나 무한(연속적)일 수 있다. 연속 매개변수의 경우 문제는 수리 최적화로 전환된다.
- 상호 배타적 대안과 결합 가능한 대안. 일반적으로 대안은 상호 배타적(하나만 선택)이다. 경우에 따라 여러 방안 또는 그 조합의 선택이 허용되며, 이로써 단순 대안들의 집합이 상위 수준의 대안을 형성한다.
- 지배적 대안과 피지배 대안. 지배 원리에 따르면, 모든 기준에서 대안 A의 결과가 B보다 열등하지 않고 일부 기준에서는 우월할 경우 A가 B를 지배한다. 피지배 대안은 고려 대상에서 제외된다. 비지배 대안은 효율적인 것으로 간주되며 파레토 최적 해집합을 형성한다.
- 정적 대안과 동적 대안. 단순한 모델에서는 일회적 선택이 이루어지지만, 복잡한 다단계 과제에서는 각 단계마다 의사결정 트리(decision tree) 모델을 활용하여 대안을 검토한다.
대안의 표현 및 비교 방법
의사결정 분석에는 다음과 같은 도구들이 활용된다:
의사결정 행렬(Decision Matrix) – 행은 대안, 열은 평가 요인으로 구성된 표. 주요 유형:
- 불확실성 문제를 위한 '대안 × 결과' 행렬(payoff matrix)
- 다기준 문제를 위한 '대안 × 기준' 행렬
의사결정 트리(Decision Tree) – 의사결정과 사건의 순서를 나타내는 그래픽 도식. 구성 요소: 결정 노드(사각형) – 대안 선택, 확률 노드(원) – 무작위 결과; 가지(branch)와 결과값이 있는 최종 노드. 트리를 통해 '역방향 귀납(롤백)' 방식으로 각 전략의 가치를 계산할 수 있으며, 단계적 의사결정에 특히 유용하다.
선호 함수 및 효용 함수(Utility Function)는 각 방안에 선호도를 반영하는 수치를 부여한다. 적용 목적:
- 이질적 기준들을 단일 척도로 변환
- 선택의 수리적 최적화
- 대안 순위화 및 민감도 분석('what-if' 분석)
그 밖의 수단으로는 의사결정 다이어그램, 효율성 경계(efficiency frontier), 대화형 의사결정 지원 시스템 등이 있다.
제한적 합리성과 대안 선택의 행동적 측면
제한적 합리성(Bounded Rationality)(Herbert Simon의 개념)은 최적 해를 탐색하기 위한 자원이 부족한 상황을 설명한다. 최대화 대신 satisficing 전략이 적용되는데, 이는 모든 가능한 방안을 분석하지 않고 처음으로 만족스러운 대안을 선택하는 '충분히 좋은' 해를 찾는 방식이다.
발견법적(heuristic) 선택 전략은 사람들이 단순화된 규칙을 사용함을 보여준다:
- 측면별 제거(Elimination by Aspects): 중요한 기준에 따라 대안을 순차적으로 걸러내는 방식
- 사전식(Lexicographic) 선택: 주요 기준에서 가장 우수한 대안을 선호하는 방식
대안의 맥락 및 제시 방식의 영향은 다음과 같은 효과로 나타난다:
- 미끼 효과(Decoy Effect): 피지배 대안의 추가가 주요 선택지들 간의 선호도를 변화시키는 현상
- 선택의 역설(Paradox of Choice): 과도한 선택지가 의사결정을 어렵게 만드는 현상
- 프레이밍 효과(Framing Effect): 동일한 대안을 다르게 제시하는 방식이 선택에 영향을 미치는 현상