Ben과 Priya는 72만 달러의 집을 계약했다. 계약금 25% 중 Ben은 12만 6천 달러를, Priya는 전 재산인 5만 4천 달러를 냈다. 서류상 지분은 70대 30으로 공평해 보이지만, 계약 후 Ben의 통장에는 20만 달러가 남고 Priya에게는 2천 달러만 남는다. 두 사람은 서면 합의가 필요하다고 느끼지만, 먼저 제안했다가 상대방이 자신을 불신한다고 생각할까 봐 입을 떼지 못한다.

Mediator.ai의 내쉬 협상론 기반 합의 프로세스

Mediator.ai(내쉬 협상론과 LLM을 이용해 공정성을 체계화하는 도구)는 갈등 관계에 있는 두 당사자가 모두 수용할 수 있는 합의점을 찾아낸다. 이 도구는 먼저 Ben과 Priya를 각각 개별적으로 인터뷰한다. 이 과정에서 단순한 숫자뿐 아니라 계약금 계산 방식, 가처분 소득, 계약 후 잔액, 관계 파탄 시의 요구 사항 등 핵심적인 세부 사항을 집요하게 질문하여 각자의 요구 사항을 구체화한다.

데이터 수집이 끝나면 Mediator.ai는 내쉬 협상론(두 사람이 합의할 수 있는 최선의 지점을 찾는 게임 이론)을 적용해 여러 개의 합의 후보안을 생성한다. 생성된 안들을 서로 대조하고, 양측의 필요 조건을 기준으로 점수를 매기는 과정을 반복한다. 더 이상 개선된 안이 나오지 않을 때까지 이 루프를 수행하며 최적의 결과물을 도출한다.

실제 사례에서 도출된 결과는 단순한 지분 나누기가 아니었다. 지분 계산을 시작하기 전, Ben이 Priya의 저축 계좌에 1만 달러를 무상으로 입금하는 조건이 추가되었다. 이는 대출이나 계약금의 일부가 아니며, 집의 소유권 변화와 상관없이 Priya가 가지는 돈이다. 70대 30이라는 숫자 뒤에 숨겨진 경제적 불균형, 즉 한 명은 20만 달러를 가지고 다른 한 명은 2천 달러만 가진 상황을 보완하는 장치다.

단순 중재를 넘어선 효용 최적화의 가치

기존의 LLM(거대 언어 모델) 기반 중재는 주로 양측의 의견을 요약하거나 산술적인 평균값을 제안하는 수준에 그쳤다. 이는 갈등의 표면적인 수치만 다룰 뿐, 당사자가 느끼는 심리적 박탈감이나 숨겨진 제약 조건을 계산에 넣지 못한다. 반면 Mediator.ai는 내쉬 협상론이라는 수학적 프레임워크를 LLM의 언어 이해 능력과 결합했다.

LLM은 인터뷰를 통해 각 당사자의 효용 함수(특정 선택지가 주는 만족도를 수치화한 것)를 추론하는 역할을 수행한다. 이후 내쉬 협상론의 원리에 따라 양측의 효용 합계를 최대화하면서도 어느 한 쪽이 일방적으로 손해 보지 않는 균형점을 찾는다. 이 과정에서 인간 중재자가 생각하지 못한 제3의 대안, 예를 들어 지분 외의 현금 지원 같은 창의적인 해결책이 도출된다.

이러한 접근 방식은 단순한 부동산 분쟁을 넘어 다양한 영역으로 확장 가능하다. 공동 창업자 간의 지분 분배, 프리랜서와 기업 간의 계약 분쟁, 공동 거주자의 비용 분담 등 양측 모두 합의를 원하지만 서로 속았다는 느낌을 받기 싫어하는 모든 상황에 적용될 수 있다. 이는 갈등 해결의 영역을 감정적 호소나 단순 타협에서 데이터 기반의 최적화 문제로 전환했음을 의미한다.

합의의 핵심은 산술적 평등이 아니라, 서로의 결핍을 메우는 최적의 효용 지점을 찾아내는 설계 능력에 있다.