한 보험회사가 특수 암보험 상품을 만들었다. 무서운 암이어서 많은 사람들이 가입했다.

그런데 사람들이 웬만해서는 걸리지 않는다는 기존 데이터를 가지고 있다. 사람들의 가입을 최대한 끌어올리기 위해 엄청난 보장을 걸어놓은 신상품을 기획한다. 특수암-α에 걸리기만 하면 노후가 보장되는 수준이다.

보험회사 입장에서 특수암-α 발생 가능성이 매우 낮은 비율을 근거로 시뮬레이션을 했기에 사업성과 경제성이 보장된 상품이었고, 수많은 사람들이 줄을 서서 가입했다.

1년이 지날 즈음 이상한 전염병이 돌았다. 그 전염병은 지금까지 보지 못했던 신종 바이러스였고 마침 특수암-α를 유발하는 주요인이 됐다. 특수암-α 환자들이 우후죽순으로 늘어나기 시작했고 넉넉히 보상을 받았다.

반면 보험회사는 암에 대한 보상을 하다가 자금난으로 파산하고 말았다. 이 사례에서 문제점은 무엇일까? 보험회사는 기존의 데이터만 맹신 했고 데이터에 대한 더 깊은 분석과 예측에 너무 안이했다. 아니 아무리 인공지능에 딥러닝 분석과 예측을 했어도 기존의 데이터로는 이 이상의 결과를 얻을 수 없을 수도 있다. 운이 매우 없는 것이다.

기존의 전력거래소의 수요자원시장 운영패턴의 데이터가 원래 계속 그런 패턴이라면 수요관리사업자와 수용가들은 합리적일 뿐만 아니라 최적의 의사결정을 한 것이다.

그러나 그간 전력거래소의 운영이 초기의 특수한 경우라거나 그래서 시간이 지나면 운영규칙안에서 얼마든지 다르게 운영할 수 있다는 변수를 생각했다면 어땠을까?

또한 갑작스런 이상기후가 한반도에 들이닥쳐서 기존의 운영패턴에서 감축요청 발령빈도가 자연적으로 많아 질 수 있다는 지극히 기초적인 예측을 한다면 어땠을까?