Silicon Valley Story

바둑 격언에 ‘큰 곳 보다 급한 곳’이라는 말이 있다. 일단 급한 곳을 마무리 하지 않으면 나중에 큰 곳을 둘 기회마저 없다는 일차적인 의미이겠지만, 보다 근본적인 의미는 ‘큰 곳’이라는 것이 경험에 근거한 통계학적 의미에서 크다는 것이지, 궁극적으로 크게 될지는 불확실하다는 의미일 것이다. 즉 평균은 높지만 분산 또한 높아서, risk-return 최적화 곡면에서 보면 ‘급한 곳’ 보다 못하기 때문일 것이다. 바둑의 다른 표현인 ‘맛’도 그런 것이다. 맛을 남긴다는 것 역시 불확실성에 근거한 option value이기 때문에, option value가 높다면 굳이 ‘맛’을 없앨 필요가 없다.

하지만 분산을 낮출 수 있다면? 불확싱성이 50%가 아니라 0.1%라면? 이러면 최적화는 달라질 것이고, 그 가능성은 이미 ‘알파고’에서 보여줬다. 알파고에게는 급한 곳은 없다. 단지 더 큰 곳만 있을 뿐이지. 더 큰 곳에 둘 수 있다면 그냥 급한 곳을 죽여 버린다. 굳이 맛을 남길 필요도 없다.

분산을 없애기 위해서는 1) 데이터가 많아야 할 것이다, 2) 데이터에 대한 인과 관계가 보다 명확해야 할 것이다. 예를 들어 최근에 등장하는 usage-based insurance도 분산을 최소화하기 위해 데이터를 보다 심층적으로 획득하고, 이를 통해 시스템 전체적으로 가장 저렴한 보험 프리미엄을 책정할 것이다. 향후 의료보험 역시 비슷하게 움직일 가능성이 있다. 개인의 유전자 정보와 환경 정보, 활동 정보를 종합하여 개인별로 risk를 보다 정확하게 평가한다면, 시스템 전체의 보험 프리미엄은 낮출 수 있을 것이다. 이런 벤처 회사들이 등장하고 있고, 앞으로 데이터에 기반한 보험은 산업의 모습을 현재와는 매우 다른 모습으로 변화시킬 것이다.