AI가 오키나와현 지사 선거를 오차 0.09%로 재현 | 42만 명의 디지털 유권자가 투표
機械翻訳 / Machine-translated
A
AI Friends
8時間前・6分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
이 글에서 알 수 있는 것
2026년 9월 13일에 투개표가 실시된 오키나와현 지사 선거에서 놀라운 결과가 발표되었습니다.
Ambiral 주식회사가 AI를 활용해 선거 결과를 시뮬레이션한 결과, 당선된 고자 겐타 씨의 득표율을 오차 단 0.09포인트로 재현하는 데 성공했습니다.
실제 선거에서 고자 씨는 59.42%의 득표율로 초선에 성공했습니다. 반면 AI 시뮬레이션에서는 59.51%라는 결과가 나왔습니다.
오차 0.09포인트라는 수치는 기존의 여론조사(전화 조사나 대면 조사)와 비교해도 매우 높은 정확도입니다.
이번 시뮬레이션에서는 오키나와현의 유권자 구성을 재현한 'AI 페르소나'라고 불리는 디지털 유권자를 42만 명 생성하여, 한 명 한 명에게 투표 행동을 추정하게 하는 방법이 사용되었습니다.
Ambiral사가 사용한 방법은 다음 3단계로 나뉩니다.
1단계: 인구 총조사로 유권자를 재현
먼저 2020년에 실시된 인구 총조사 데이터를 활용해 오키나와현의 유권자 구성을 재현했습니다.
각 AI 페르소나에는 '거주 시정촌', '성별', '연령대', '직업'이라는 4가지 속성이 부여되었습니다.
예를 들어 '나하시에 사는 40대 남성 회사원'이나 '미야코지마시에 사는 60대 여성 자영업자'와 같은 식입니다.
2단계: 과거 투표 이력을 추정
다음으로 과거 6회분의 선거 데이터를 활용해 각 페르소나에게 '투표 이력'을 부여했습니다.
이 과정에서 사용된 것이 '생태학적 추론'이라는 통계 기법입니다.
이는 시정촌별 개표 결과를 바탕으로 '어떤 속성의 사람이 어떤 후보에게 투표했는지'를 추정하는 방법입니다.
3단계: LLM에 투표 대상을 추정하게 함
마지막으로 각 페르소나의 속성·투표 이력·선거전 보도 정보를 대규모 언어 모델(LLM, 인간처럼 문장을 이해하고 답을 도출하는 AI)에 입력하여, '이 페르소나는 누구에게 투표하는가'를 추정하게 했습니다.
즉, AI가 '40대 나하시 거주 회사원으로, 과거 3회는 혁신계 후보에게 투표했으며, 이번에는 기지 문제 관련 보도를 보고 있다'는 정보를 바탕으로 투표 대상을 판단한 것입니다.
'생태학적 추론'이라는 말을 처음 들어보시는 분도 많을 것입니다.
이는 집단 수준의 데이터로부터 개인 수준의 행동을 추정하는 통계 기법입니다.
예를 들어 어떤 시정촌의 개표 결과에서 'A 후보 60%, B 후보 40%'라는 결과가 나왔다고 가정해봅시다.
그러나 이 데이터만으로는 '40대 남성이 A 후보에게 몇 %를 투표했는지'는 알 수 없습니다.
생태학적 추론은 여러 지역의 개표 결과와 인구 구성을 조합함으로써 '40대 남성은 A 후보에게 70%, B 후보에게 30% 투표했을 가능성이 높다'는 식의 추정을 수행합니다.
이번 시뮬레이션에서는 과거 6회분의 지사 선거 데이터를 활용해 이 추정을 실시하고, 각 페르소나에게 '과거에 어떻게 투표했는지'라는 이력을 부여했습니다.
이를 통해 AI는 현실에 더욱 가까운 투표 행동을 재현할 수 있게 되었습니다.
다만, 이 시뮬레이션이 완벽한 것은 아닙니다.
Ambiral사의 발표에 따르면 70세 이상 고령층에서 큰 오차가 발생했습니다.
실제 선거에서는 70세 이상 유권자의 35%가 고자 씨에게 투표한 반면, AI 시뮬레이션에서는 49.5%라는 결과가 나왔습니다.
오차는 무려 14.5포인트에 달합니다.
또한 지난 선거에서 다마키 데니 씨(현직)에게 투표한 사람이 이번에 얼마나 이탈했는지에 대한 추정도 부정확했다고 보고되었습니다.
이러한 과제들이 시사하는 것은, AI 시뮬레이션이 '모든 연령대와 속성에서 동일한 정확도를 낼 수 있는 것은 아니다'라는 점입니다.
특히 과거 데이터가 적거나, 급격한 정치 상황 변화가 있었을 경우에는 예측 정확도가 떨어질 가능성이 있습니다.
이번 AI 시뮬레이션의 성공은 선거 예측과 여론조사 분야에 큰 영향을 미칠 가능성이 있습니다.
기존 여론조사의 과제
기존의 전화 조사나 대면 조사에는 몇 가지 큰 과제가 있습니다.
먼저 전화 사기의 증가로 인해 '모르는 번호는 받지 않는다'는 사람이 늘어 응답률이 크게 낮아졌습니다.
또한 오퍼레이터 인건비와 통화료가 발생하기 때문에 응답 1건당 비용이 높아집니다.
게다가 조사에 시간이 걸리기 때문에 급속히 변화하는 여론을 포착하기 어렵다는 단점도 있습니다.
AI 페르소나의 장점
반면 AI 페르소나를 활용한 예측에는 다음과 같은 장점이 있습니다.
3가지 과제와 리스크
그러나 AI 예측에는 윤리적·기술적 과제도 있습니다.
첫 번째는 '데이터 편향'입니다.
과거의 선거 데이터나 인구 총조사에 편향이 있으면 예측 정확도가 떨어집니다. 이번 고령층에서의 오차도 이것이 원인 중 하나로 여겨집니다.
두 번째는 '자기충족적 예언' 리스크입니다.
AI 예측 결과가 공표되면, 유권자가 그 결과에 영향을 받아 투표 행동을 바꿀 가능성이 있습니다.
예를 들어 'AI가 ○○ 후보의 승리를 예측'이라는 뉴스가 퍼지면, '어차피 질 테니 투표하러 가지 않겠다'는 사람이 생길 수도 있습니다.
세 번째는 '악용 리스크'입니다.
AI를 사용하면 가짜 지지자 계정을 대량으로 만들어 SNS상에서 허위 민의를 조성하는 '어스트로터핑'이라는 수법을 쉽게 실행할 수 있습니다.
또한 딥페이크 영상이나 가짜 뉴스와 결합함으로써 여론을 조작할 위험성도 있습니다.
AI 기술의 진화로 선거 예측과 여론조사 방법이 크게 변화하려 하고 있습니다.
이번 오키나와현 지사 선거 시뮬레이션의 성공은 그 가능성을 보여주는 중요한 한 걸음이라고 할 수 있을 것입니다.
다만, AI에 지나치게 의존하지 않고 인간의 판단과 윤리적 배려를 잊지 않는 것이 중요합니다.
앞으로 이러한 기술이 어떻게 발전하고, 어떤 규칙 아래 운용되어야 하는지 사회 전체에서 논의해 나갈 필요가 있습니다.
이 글은 AI Friends 의 크로스포스트입니다.
