이득:
- 경제분석에서 인공지능의 주요한계(조작, 데이터 마감일, 인과맹명, 구조적 파괴)를 체계적으로 나열하는 능력
- 기밀 데이터, 시장에 민감한 정보 및 개인 데이터를 보호하는 안전한 사용 및 KVKK 호환 워크플로우를 구축하는 능력
- 기업 수준의 AI 거버넌스 프레임워크(등록, 검증, 책임, 승인 체인)를 설계하고 구현하는 능력
모듈 시험
1. 중앙 은행가는 AI가 생성한 인플레이션 예측을 아무런 검증 없이 공식 정책 노트에 직접 입력합니다. 이 접근 방식의 근본적인 실수는 무엇입니까?
- A) 인공지능 출력을 소스에 연결, 재계산, 경제성 검증을 거치지 않고 의사결정으로 변환하는 것, 책임이 사람에게 있음을 무시함 ✔
- 나) 경제예측에 인공지능을 활용하는 것은 엄격히 금지되어 있다.
- 다) 인공지능은 항상 실제보다 낮은 인플레이션을 보여준다.
- D) 예측은 그래프로 표시되지 않습니다.
설명: 인공 지능은 통계 개요를 생성합니다. 그러나 공식적인 정책 개요의 예측과 내용에 대한 책임은 유능한 경제학자와 기관에 있습니다. 확인되지 않은 출력은 서명되지 않은 보고서만큼 위험합니다. 숫자는 원본 소스에 연결되고 다시 계산되어 경제적 필터를 통과해야 합니다.
2. 인공지능에게 '2024년 터키 경상수지 적자 수치를 알려주세요'라고 물을 때 가장 안전한 접근 방식은 무엇인가요?
- 가) 인공지능이 부여한 번호를 믿고 직접 사용
- 나) CBRT 공식 국제수지 공시자료를 통해 수치 확인 및 날짜/단위 확인 ✔
- C) 인터넷의 임의의 뉴스 사이트에서 번호 얻기
- D) 숫자는 어차피 바뀔 것이기 때문에 무시한다
설명: 인공지능이 부여한 숫자는 훈련 데이터의 기준일보다 오래되었거나 조작(환각)되었을 수 있습니다. 경제 데이터의 유일한 정확한 출처는 공식 출판물입니다. 이 예에서는 CBRT 국제수지 통계입니다. 번호는 원본 소스에서 확인되어야 합니다.
3. 분석가는 원시 CPI 시리즈를 인공 지능에 제공하고 '실질적인 성장을 계산하십시오'라고 말합니다. 다음 중 올바른 유효성 검사 동작은 무엇입니까?
- 가) 결과를 읽지 않고 보고서에 추가하는 행위
- 나) 단지 결과가 '합리적으로 보이는지'만 살펴보는 것
- C) 생성된 수식/코드를 읽고 최소 하나의 기간을 수동으로 계산하여 결과를 확인합니다. ✔
- D) 인공지능에게 '정말인가요?'라고 물어보세요. 그리고 '그렇다'라는 대답에 만족한다.
설명: 실수 명목 변환과 같은 표준 경제 계산에서 AI는 올바른 공식을 사용하지 않거나 기준 연도를 혼동할 수 있습니다. 분석가는 생성된 코드와 공식을 읽고 최소한 하나의 관찰값을 수동으로 계산하고 결과를 비교해야 합니다. 투명하고 설명 가능한 회계가 선호됩니다.
4. 시계열 예측에서 '백테스팅'을 하는 이유는 무엇인가요?
- A) 모델이 과거 데이터에 얼마나 '좋은'지 보여주기 위해
- B) 자동으로 견적을 확정하기 위해
- 다) 데이터를 아름답게 하기 위해
- D) 훈련 중이 아닌 이전 기간에 모델을 테스트하여 실제 예측 성공 여부를 측정합니다. ✔
설명: 백테스트는 모델이 알지 못하는 과거 기간에 대해 얼마나 잘 예측하는지 측정합니다. 맞는 데이터만 살펴봄으로써 모델을 과적합의 함정으로부터 보호합니다. 이는 실제 세계에서 모델을 유용하게 사용하기 위한 전제 조건입니다.
5. 인플레이션 댓글의 '기저효과'란 무엇이며, 왜 주의가 필요한가요?
- 가) 연간변화는 전년도 비교기간의 최저/최고에 영향을 받음 ✔
- B) 인플레이션은 항상 상승한다
- C) 핵심 인플레이션이 헤드라인보다 높습니다.
- D) 계절에 따른 가격 조정
설명: 기저효과는 올해의 발전뿐만 아니라 작년의 (기저) 최저 또는 최고치에 의해 연간 변화율이 영향을 받는다는 것입니다. 주요 연간 인플레이션의 감소는 작년의 높은 기준 때문일 수 있으며 실제 경기 둔화는 아닐 수 있습니다. 이 함정은 AI 요약에서 종종 간과됩니다.
6. 시나리오 연구에서 인공지능의 역할을 가장 정확하게 정의할 수 있는 방법은 무엇입니까?
- A) 미래를 확실하게 아는 선견자
- 나) 스스로 가정을 결정하는 최종 의사결정자
- C) 명백한 가정을 투명한 계산으로 바꾸고 옵션을 가시화하는 보조자; 판단은 사람에게 있느니라 ✔
- D) 스크립트를 불필요하게 만드는 정밀한 도구
설명: 이 시나리오는 예측이 아니라 명시적인 가정을 기반으로 한 조건부 'if-then' 연습입니다. AI는 가정을 스프레드시트로 변환하고 옵션을 가시화하는 가속기입니다. 그러나 가정, 그 합리성 및 최종 판단의 소유권은 경제학자에게 있습니다.
7. AI는 회귀 출력을 해석할 때 'X가 Y를 증가시킵니다'와 같은 강력한 인과 언어를 사용합니다. 경제학자의 올바른 답변은 무엇입니까?
- A) 원인 언어를 있는 그대로 받아들이는 것
- 나) 생략변수/내생성의 위험성을 확인하고, 관계가 인과관계를 의미하지 않는다는 점을 수정하여 표현을 수정한다.
- C) 회귀를 완전히 버리기
- D) R-제곱이 높으면 인과성이 입증된 것으로 가정
설명: 회귀는 주로 관계(상관관계)를 측정합니다. 인과관계는 적절한 설계(실험, 도구변수, 자연실험 등)와 가정 하에서만 주장될 수 있습니다. 생략변수, 내생성, 역인과성의 위험이 있습니다. 경제학자는 이러한 과도한 인과관계 표현을 억제하고 조건에 의문을 제기해야 합니다.
8. 인공지능에게 경제학 주제에 대한 문헌 요약을 준비하게 했고, 텍스트에는 '(Yılmaz, 2019)'와 같은 참고 자료가 제공됩니다. 먼저 무엇을 해야 할까요?
- 가) 보고서에 인용된 내용을 그대로 기재
- 나) 인용이 많다고 해서 품질이 좋다고 가정하는 것
- 다) 출판 연도의 일관성만 살펴보면
- D) 각 참조가 실제로 존재하고 결과가 포함되어 있는지 원본 소스에서 확인합니다. ✔
설명: 인공지능은 실제로 존재하지 않는 소스와 참조를 생성할 수 있습니다(환각). 각 참조는 해당 참조가 실제로 존재하는지, 해당 출처가 올바른지, 주장된 결과가 실제로 포함되어 있는지 원본 소스에서 확인해야 합니다. 검증되지 않은 귀속은 학문적, 직업적 위험입니다.
9. 공공 경제 보고서에서 불확실성을 전달하는 가장 정직한 방법은 무엇입니까?
- A) 하나의 정확한 수치만 제시하고 불확실성은 전혀 언급하지 않음
- 나) 최악의 시나리오를 숨기고 낙관적인 수치만 제시
- C) 예측 범위, 시나리오 및 기본 가정을 명확하게 기술합니다. ✔
- D) '복잡하다'고 말함으로써 불확실성을 일축한다
설명: 경제 예측과 분석에서는 불확실성이 불가피합니다. 하나의 정확한 수치보다는 범위, 시나리오, 가정을 명확하게 기술하는 것이 정직한 의사소통입니다. 모호함을 숨기는 것은 독자를 오도하고 조직의 신뢰성을 약화시킵니다.
10. 차트에 GDP 성장이 표시되면 세로축은 0%가 아닌 2%에서 시작됩니다. 이것이 오해의 소지가 있는 이유는 무엇입니까?
- A) 점선 축은 작은 차이를 과장하여 실제보다 큰 변화를 가져올 수 있습니다. ✔
- B) 축이 시작되는 위치는 그래프에 전혀 영향을 미치지 않습니다.
- C) 그래프가 자동으로 더 정확해집니다.
- D) 색상 선택만 중요, 축은 중요하지 않음
설명: 점선 축(0부터 시작하지 않음)은 작은 차이를 시각적으로 확대하여 변화를 극적으로 보이게 할 수 있습니다. 정직한 시각화에서는 축 선택이 메시지를 왜곡해서는 안 됩니다. 점선 축을 사용하는 경우 명확하게 표시해야 합니다.
11. 싱크탱크 분석가는 아직 공개되지 않은 시장에 민감한 데이터를 공공(비기업) AI 도구에 연결합니다. 주요 위험은 무엇입니까?
- A) 위험이 없습니다. 데이터는 이미 숫자입니다.
- B) 유일한 위험은 그래프가 잘못된 것으로 판명되는 것입니다.
- 다) 인공지능은 데이터를 매우 느리게 처리한다
- D) 데이터 유출, 제3자 처리 및 개인 정보 보호/시장 규칙 위반 위험 ✔
공개: 공개 도구에 기밀 데이터 또는 시장에 민감한 데이터를 입력하면 데이터가 제3자에 의해 처리되거나 유출되거나 모델 교육에 사용될 위험이 있습니다. 이는 개인 정보 보호/KVKK 위반과 시장 조작 및 내부 정보의 위험을 초래합니다. 민감한 데이터는 기관이 승인한 보안 도구를 사용하여 처리하고 필요한 경우 익명화해야 합니다.
12. 서로 다른 두 출처(TURKSTAT 및 국제기구)에서 가져온 동일한 지표의 수치가 일치하지 않습니다. 가장 무해한 설명은 무엇입니까?
- A) 출처 중 하나는 확실히 거짓말을 하고 있습니다.
- B) 정의, 기준연도, 범위, 계절적 조정 또는 개정에 차이가 있을 수 있습니다. 메타데이터를 정렬해야 합니다 ✔
- C) 숫자의 차이는 중요하지 않습니다. 평균을 취하는 것으로 충분합니다.
- D) 인공지능에게 물어보고 어느 것이 옳은지 선택하게 하는 것으로 충분합니다.
설명: 서로 다른 소스에서 동일한 지표의 차이는 대부분 정의, 기준 연도, 범위, 계절 조정 또는 개정(버전)의 차이로 인해 발생합니다. 수치를 비교하기 전에 메타데이터(정의, 단위, 기간, 수정)를 정렬해야 합니다.
13. 다음 중 AI가 경제 분석에 강력하고 인간 검증을 통해 가속화되는 작업은 무엇입니까?
- A) 공식 인플레이션 수치만을 최종 승인하기 위해
- B) 기관 대신 통화정책 결정을 내린다.
- C) 데이터 정리 코드 초안 작성, 긴 보고서 요약 등 작업 속도 향상 ✔
- D) 검증되지 않은 추측을 공개 보고서에 넣는 것
설명: 인공지능; 코드 초안 작성, 긴 보고서 요약, 데이터 정리 단계 제안, 형식 및 언어 수정과 같은 기계 및 초안 작성 작업에 강합니다. 그러나 예측과 정책 결정, 공식 수치 제작의 최종 책임은 인간에게 있다. 올바른 사용은 강한 곳에서 가속하고 사람의 비판적 판단을 유지하는 것입니다.
14. 기관에서 인공지능 결과물을 모니터링하고 감사할 수 있도록 하는 가장 적절한 거버넌스 관행은 무엇입니까?
- A) 요청, 도구, 데이터 및 검증 단계를 기록하는 추적성 및 승인 체인 구축 ✔
- 나) 작업 부하가 증가하지 않도록 출력을 전혀 기록하지 않는다.
- C) 누구나 원하는 데이터를 가지고 원하는 차량을 자유롭게 이용할 수 있습니다.
- 라) 최고상급자만 인공지능을 사용하며, 기록은 남지 않는다.
설명: 건전한 거버넌스; 어떤 요청, 어떤 도구, 어떤 데이터를 사용하여 어떤 출력이 생성되었는지, 검증 단계 및 책임 있는 승인 체인을 기록해야 합니다. 이러한 기록 및 승인 규율을 통해 오류를 추적하고 책임을 명확히 할 수 있습니다.