다기준 의사결정

다기준 의사결정 이론의 발전은 20세기 중후반 운용과학과 경영과학의 발전과 함께 본격화되었다. 초기에는 단일 목표를 최적화하는 전통적 최적화 기법이 주류를 이루었으나, 현실의 복잡한 의사결정 문제들은 종종 상충되는 다수의 목표를 동시에 고려해야 했다. 이러한 필요성에 따라 1960년대부터 여러 기준을 체계적으로 통합하여 평가하는 방법론에 대한 연구가 활발히 진행되기 시작했다.

이론의 초기 발전에는 벤저민 프랭클린의 '도덕적 대수학'과 같은 사상적 기원도 있지만, 체계적인 학문적 틀은 1970년대에 마련되었다. 1976년 토마스 사티가 제안한 계층화 분석법(AHP)은 정성적, 정량적 요소를 모두 포함한 복잡한 의사결정 문제를 계층 구조로 분해하고 쌍대 비교를 통해 상대적 중요도를 도출하는 방법으로, 이 분야의 이정표가 되었다. AHP는 이후 ANP(Analytic Network Process)로 확장되어 기준 간 상호의존성을 고려할 수 있게 되었다.

1980년대와 1990년대에는 다양한 평가 및 선호 모델링 기법이 등장하며 이론의 다각화가 이루어졌다. 프랑스 학파에서 개발된 ELECTRE 계열의 방법들은 불확실성 하에서의 선호 관계를 모델링하는 데 중점을 두었고, 벨기에에서 개발된 PROMETHEE 방법은 선호 흐름의 개념을 도입했다. 한편, TOPSIS는 이상적 해와 부적 이상적 해로부터의 거리를 동시에 고려하는 기하학적 접근법을 제시하며 널리 활용되기 시작했다.

21세기에 들어서는 빅데이터와 인공지능 기술의 발전과 결합하여 새로운 진화를 모색하고 있다. 기존의 정형화된 기준과 가중치 부여 방식을 넘어, 머신러닝을 활용한 데이터 기반의 기준 중요도 학습, 퍼지 논리를 적용한 불확실성 처리 강화, 그리고 군집 의사결정을 지원하는 그룹 다기준 의사결정 기법 등의 연구가 활발히 진행되고 있다. 이로 인해 정책 평가, 지속 가능 발전 지표 평가, 스마트 시티 계획 등 더욱 복잡하고 다차원적인 현실 문제에의 적용 가능성이 확대되고 있다.

다기준 의사결정 분야의 이론적 기틀을 마련하고 발전시키는 데 기여한 주요 저서와 논문들이 다수 존재한다. 이 분야의 초기 고전으로는 랄프 킨니와 하워드 라이파가 1976년에 공동 저술한 '의사결정에 있어서 다중 목표'가 꼽힌다. 이 책은 다목적 최적화와 다기준 의사결정의 기초를 체계적으로 정리한 중요한 문헌으로 평가받는다.

1970년대 후반부터 1980년대에 걸쳐 벨기에의 학자 베르나르 로이는 ELECTRE 계열 방법론을 제안하며 이 분야에 지대한 영향을 미쳤다. 그의 연구는 불확실성 하에서의 의사결정 문제를 다루었으며, 프랑스 학파의 핵심적인 접근법을 형성했다. 비슷한 시기 미국에서는 토마스 사티가 계층화 분석법(AHP)을 개발하여 복잡한 의사결정 문제를 계층 구조로 분해하고 쌍대 비교를 통해 정량적 판단을 도출하는 방법론을 정립했다.

이후 다기준 의사결정 방법론은 지속적으로 다양화되고 정교화되었다. 1980년대에는 PROMETHEE와 TOPSIS와 같은 새로운 집계 기법들이 등장하여 대안의 순위를 결정하는 방식에 대한 연구를 확장시켰다. 이러한 방법론들은 투자 분석, 공급업체 선정, 인사 평가, 정책 평가 등 다양한 실무 분야에 적용되면서 그 유용성을 입증해 왔다. 오늘날에도 새로운 변형 기법과 인공지능 기법과의 융합 연구가 활발히 진행되고 있으며, 관련 학술지와 국제 학회를 통해 최신 연구 성과가 꾸준히 발표되고 있다.

의사결정 기준의 설정은 다기준 의사결정 과정의 첫 번째이자 가장 중요한 단계이다. 이 단계에서는 의사결정 문제와 관련된 모든 목표와 요구사항을 포괄하는 평가 기준 체계를 구축한다. 기준은 일반적으로 의사결정자가 달성하고자 하는 목표를 반영하는 효과성 지표나 속성으로 정의되며, 정량적 기준과 정성적 기준으로 구분될 수 있다. 정량적 기준은 수치로 직접 측정 가능한 반면, 정성적 기준은 전문가의 판단이나 설문 조사 등을 통해 측정값으로 변환된다.

설정된 기준들은 상호 독립적이고 포괄적이며, 중복되지 않아야 한다. 이를 위해 의사결정자와 이해관계자 간의 협의를 통해 브레인스토밍, 델파이 기법 등의 방법이 활용된다. 또한, 기준 간의 위계구조를 명확히 하기 위해 계층화 분석법(AHP)에서와 같이 목표, 기준, 하위 기준으로 구성된 계층 구조를 만드는 것이 일반적이다. 이 구조화 과정은 복잡한 의사결정 문제를 체계적으로 분해하고, 각 기준의 상대적 중요도를 평가하는 가중치 부여의 기초가 된다.

다기준 의사결정에서 각 평가 기준의 상대적 중요도를 반영하기 위해 사용되는 절차이다. 모든 기준이 의사결정에 동일한 영향을 미치는 경우는 드물기 때문에, 의사결정자의 선호도나 목표에 따라 각 기준에 가중치를 부여하는 과정이 필수적이다. 적절한 가중치 부여는 최종 대안의 순위나 선택 결과에 직접적인 영향을 미치므로, 이론 및 실무에서 중요한 연구 주제가 된다.

가중치 부여 방법은 크게 주관적 방법과 객관적 방법으로 구분된다. 주관적 방법은 의사결정자나 전문가의 판단에 기반하여 가중치를 결정하는 방식이다. 대표적인 기법으로는 계층화 분석법(AHP)이 있으며, 이는 쌍대 비교를 통해 기준 간 상대적 중요도를 일관성 있게 도출한다. 또한 전문가 설문이나 델파이 기법을 통한 직접 할당법도 널리 사용된다. 객관적 방법은 평가 데이터 자체에 내재된 정보를 통계적으로 분석하여 가중치를 계산한다. 예를 들어, 엔트로피 기법은 각 기준 값의 변동성이 클수록, 즉 정보량이 많을수록 더 높은 가중치를 부여한다.

방법론의 선택은 의사결정 문제의 특성과 가용한 정보에 따라 달라진다. 주관적 방법은 의사결정자의 가치관과 경험을 반영할 수 있지만, 판단의 주관성이 결과에 영향을 줄 수 있다. 객관적 방법은 데이터에 근거하여 편향을 줄일 수 있으나, 의사결정자의 의도나 전략적 목표를 반영하지 못할 수 있다. 따라서 두 방법을 결합하거나, 민감도 분석을 통해 가중치 변화가 최종 결과에 미치는 영향을 검토하는 것이 일반적인 실무 절차에 포함된다.

다기준 의사결정에서 대안 평가 기법은 설정된 평가 기준과 부여된 가중치를 바탕으로 여러 대안들을 체계적으로 비교하고 순위를 매기는 방법을 말한다. 이는 단일 기준으로는 평가하기 어려운 복잡한 문제를 해결하는 핵심 단계로, 다양한 수학적 모델과 집계 함수를 활용한다.

대표적인 기법으로는 계층화 분석법(AHP)이 있다. AHP는 의사결정 문제를 목표, 기준, 하위 기준, 대안으로 구성된 계층 구조로 분해하고, 쌍대 비교를 통해 기준 간 상대적 중요도와 대안들의 상대적 선호도를 측정하여 최종적으로 종합 점수를 계산한다. 또 다른 널리 쓰이는 기법인 TOPSIS는 이상적인 해와 부이상적인 해라는 두 기준점을 설정하고, 각 대안이 이 두 점에 얼마나 가까운지를 기하학적 거리로 측정하여 순위를 결정한다. 이 외에도 ELECTRE나 PROMETHEE와 같은 기법은 대안들 간의 우월 관계를 분석하는 아웃랭킹 방식을 사용한다.

이러한 기법들은 각각 장단점을 지니며, 문제의 특성, 데이터 형태, 의사결정자의 요구에 따라 선택된다. 예를 들어, AHP는 주관적 판단을 정량화하는 데 강점이 있지만, 기준 수가 많아지면 비교가 복잡해질 수 있다. TOPSIS는 직관적이고 계산이 비교적 간단하지만, 기준 간 상관관계를 고려하지 못할 수 있다. 따라서 실제 투자 분석, 공급업체 선정, 정책 평가 등 다양한 분야에서 적용할 때는 문제 상황에 가장 적합한 평가 기법을 신중히 선택하는 것이 중요하다.