우리가 데이터를 다루고 세상을 이해하는 방식은 근본적으로 변화하였다. 머신러닝과 딥러닝 등 인공지능의 급속한 발전은 단순히 예측(Prediction) 정확도를 높이는 데 그치지 않고, 이제 인과추론(Causal Inference)의 영역에까지 깊숙이 들어와 있다.

    우리는 지금 '인과 데이터 사이언스(Causal Data Science)'의 시대로 진입하고 있다. 이는 과거와 같이 "무슨 일이 일어났는가?"를 설명하거나 "무슨 일이 일어날 것인가?"를 예측하는 것에 머물지 않는다. 인과 데이터 사이언스는 "우리가 무엇을 해야 원하는 결과를 얻을 수 있는가?"라는 질문, 즉 최적의 개입(Intervention)과 의사결정을 탐구하는 학문이다. 이러한 변화는 공공정책 분야뿐만 아니라, 기업의 마케팅 전략 최적화, 의료 분야의 맞춤형 치료 효과 분석, 플랫폼 비즈니스의 A/B 테스트 고도화 등 모든 의사결정 영역에서 동시에 일어나고 있다.

특히 주목할 만한 변화는 '증거 기반 정책(Evidence-based Policy)'이 'AI 기반 적응형 정책(AI-driven Adaptive Policy)'으로 진화하고 있다는 점이다. 전통적인 증거 기반 접근은 검증하는 데 초점을 맞추어 환경 변화에 대한 대응이 느리고 실시간 학습이 어렵다는 한계가 있었다. 반면 AI 기반 적응형 접근은 실시간 데이터 수집, 즉각적인 효과 추정, 그리고 알고리즘적 의사결정을 통해 개입 자체가 환경으로부터 학습하고 진화하는 시스템을 구현한다.

    이러한 전환은 분석가의 역할 또한 근본적으로 변화시킨다. 과거의 분석가가 데이터를 정리하고 통계 모형을 적합하여 보고서를 작성하는 '기술자'였다면, 이제의 분석가는 인과적 질문을 설계하고, 알고리즘의 편향을 감지하며, 최적의 개입을 추천하는 '의사결정 과학자(Decision Scientist)'가 되어야 한다.

  AI는 강력한 도구이지만, 그 자체로 만능은 아니다. 우리는 의사결정 과학자로서 기술에 대해 열린 자세를 가지되, 언제나 비판적 시각을 견지해야 한다. 기술이 인간의 판단을 대체하는 것이 아니라, 인간이 더 현명하고 공정한 결정을 내릴 수 있도록 돕는 도구가 되어야 하기 때문이다.

    저자는 인문사회과학과 AI·Software 기술의 경계를 넘나드는 융합적 학문을 지향한다. 이 책이 그러한 여정의 이정표이자, 새로운 항해를 시작하는 동료 연구자들을 위한 안내서가 되길 희망한다.

제1장     의사결정 과학과 AI 기반 인과 데이터 사이언스

제2장     인과추론 기초와 인과 머신러닝

제3장     성향점수매칭(PSM)에서 딥러닝 기반 성향점수매칭으로

제4장     이중차분법(DID)과 합성통제법(SCM)의 기계학습 확장

제5장     회귀불연속설계(RDD)와 기계학습 방법론

제6장     도구변수법(IV)과 DeepIV

제7장     분위 회귀(Quantile Regression)와 분포적 처치효과

제8장     A/B 테스트와 적응형 실험 설계

제9장     딥러닝 기반 시계열 예측과 전략적 활용

제10장   딥러닝 기반 텍스트 분석과 문서 지능

제11장   그래프 신경망(GNN)과 조직 네트워크 분석

제12장   복잡계 이론과 비즈니스 시뮬레이션

이 석 민

현재 한신대학교 공공인재빅데이터융합학부에서 AI 기반 정책분석과 딥러닝 응용 연구를 진행하고 있다. <AI를 활용한 시니어 정신건강 진단앱>을 개발하고 특허출원하였다.

저서로는 <R과 STATA를 활용한 정책평가방법론(2017)>, <빅데이터분석방법론>, <구조방정식: 준실험설계접근> 등이 있으며, 행정학 학술지, Transactions on Software and Data Engineering, Journal of Information Processing Systems (JIPS) 등에 논문을 게재하였다. 웹프로그래밍, 데이터베이스, MLOps, 딥러닝 자연어처리 및 영상처리, AI 에이전트, 정책분석평가, 분석기획론 등 인문사회과학과 AIㆍSoftware 기술을 융합하는 교육을 실천하고 있다.