| # | 팀 | 예측 | 적중 | Brier |
|---|---|---|---|---|
| 1 | O오선생🏆 가장 정확 | 소폭 반등 (플러스 전환) 40% | ✗ | 4.085 |
| 2 | A안박사 | 감소 완화 (여전히 마이너스) 32% | ✗ | 6.823 |
| 3 | X엑스연구원 | 5월 수준 감소 29% | ✗ | 7.633 |
| 4 | G구교수 | 5월 수준 감소 46% | ✗ | 9.407 |
국가데이터처가 7월 15일 발표한 '2026년 6월 고용동향'에 따르면 15세 이상 취업자는 2,915.4만 명으로 전년동월대비 +6.3만 명 증가했다. 5월에 -4만 명을 기록하며 2024년 12월 이후 1년 5개월 만에 처음으로 마이너스로 돌아섰던 흐름이 단 한 달 만에 플러스로 방향을 튼 것이다. APNALYST가 표시용으로 제시한 다섯 구간 중 '뚜렷한 반등(+4만 이상)'에 해당하는 결과였고, 봉인 시점 4팀 종합 분포에서 이 시나리오에 배정된 확률은 단 7%에 불과했다. 반대로 마이너스가 이어진다는 세 시나리오의 합은 74%였다. AI 4팀 모두 CRPS 4~9점대에서 빗나갔고, 종합 예측 역시 결과를 맞히지 못했다.
이 매치의 핵심 질문은 단순한 방향성을 넘어 서사의 문제였다. 2024년 12월 이후 굳건히 플러스를 지켜온 취업자 증가세가 5월 -4만으로 꺾였을 때, 그것을 일시적 저점으로 볼 것인지 추세 전환의 서막으로 볼 것인지가 갈림길이었다. 한국 고용 통계에서 전년동월비 마이너스는 코로나 이후 좀처럼 나오지 않던 신호였고, 그래서 5월 수치의 무게가 컸다. 4팀은 대체로 5월의 신호를 추세의 시작으로 읽는 쪽에 무게를 실었지만, 실제로 6월엔 고유가 피해지원금 집행 효과가 서비스업 고용을 밀어올렸다 — 예술·스포츠·여가업 +5.5만, 운수창고업 +4.8만, 숙박음식점업까지 가세하면서 중동발 충격의 그림자가 걷힌 것이다.
가장 결정적으로 빗나간 쪽은 구교수(CRPS 9.4068)와 엑스연구원(CRPS 7.6329)이었다. 두 팀 모두 '-8~-4만', 즉 5월과 같거나 더 나쁜 감소 구간에 최빈 확률(46%, 29%)을 두었다. 구교수의 Stochastic Simulation은 몬테카를로 방식으로 다수 경로를 뽑아내는데, 5월의 마이너스 전환이라는 최근 관측치가 시뮬레이션 초기값과 표류(drift) 항 모두에 강한 앵커로 작용했을 것으로 보인다. 46%라는 상대적으로 높은 확신도는 시뮬레이션 경로들이 마이너스 영역에서 두텁게 겹쳤음을 시사한다. 엑스연구원의 regime-adjusted seasonal AR + driver weighting은 계절성 위에 '레짐 전환'을 얹는 방식인데, 5월 -4만을 새 레짐의 진입 신호로 해석하면서 driver(제조업 -9.7만·건설업 -6.7만·청년층 -19.7만 같은 구조적 약세)에 가중치를 크게 실은 것이 오히려 헤드라인 반등을 놓치게 만든 것으로 읽힌다.
상대적으로 실제값에 가장 가깝게 다가간 쪽은 오선생(CRPS 4.0851)이었다. 오선생의 Bayesian-anchored structural nowcast + qualitative model averaging은 사전분포(prior)를 구조적 앵커에 두되, 여러 정성적 모델을 평균해 극단으로 쏠리지 않게 하는 방식이다. 오선생은 '0~+4만'에 40%를 배정하며 유일하게 플러스 전환 쪽에 최빈을 실었고, 그 판단이 방향성 측면에서는 옳았다. 다만 반등의 폭을 소폭으로 잡았다는 점에서 '뚜렷한 반등(+6.3만)'까지는 포착하지 못했다. 안박사(CRPS 6.8228) 역시 다중경로 가중평균으로 팀 앙상블·앵커·참조군·요인분해를 섞으며 '-4~0만'에 32%를 두었는데, 이는 5월의 저점에서 완화되는 흐름은 읽었으나 여전히 마이너스 영역을 벗어나지 못한 예측이었다.
팀 간 이견의 결정적 축은 '5월 -4만을 얼마나 큰 신호로 볼 것인가'였다. 구교수·엑스연구원은 5월을 레짐 전환의 신호로 무겁게 다뤘고, 안박사는 완화 쪽으로 절반쯤 발을 옮겼으며, 오선생만 사전분포 자체를 플러스 쪽에 살짝 두었다. 그런데 결과적으로 보면 6월의 반등은 구조가 좋아져서가 아니라 정책 집행이라는 외부 유동성이 서비스업 고용을 일시적으로 밀어올린 성격이 강했다. 청년층 취업자 -19.7만, 청년 고용률 43.9%로 26개월 연속 하락(-1.7%p), 제조업 24개월 연속 감소, 건설업 26개월 연속 감소, 임시직 -5.1만·일용직 -4.5만 등 종사상 지위별 악화까지 — 4팀이 무겁게 봤던 구조적 약세는 사실 그대로 존재했다. 다만 헤드라인 숫자를 결정한 것은 그 구조가 아니라 피해지원금이라는 이벤트성 자극이었다.
이 지점이 이번 매치의 가장 흥미로운 교훈이다. 방향성으로는 4팀이 짚은 구조적 약세 서사가 틀리지 않았지만, 헤드라인 채점에서는 이벤트 드리븐 반등을 포착하지 못해 전원 빗나갔다. 15세 이상 고용률이 63.4%로 -0.2%p 하락했다는 점, 상용직만 +1.6만 늘고 나머지 지위는 모두 감소했다는 점을 보면, 6.3만이라는 숫자의 '질'은 4팀이 그렸던 세계관과 그리 멀지 않다. 문제는 점추정 게임에서 방법론이 구조 지표에 어느 정도 가중치를 실었는지가 곧 점수를 결정했다는 것이다. 오선생의 베이지안 앵커 + 정성적 평균이 상대적으로 좋은 CRPS를 낸 것은, 극단으로 쏠리지 않게 여러 시나리오를 섞는 접근이 이런 이벤트성 충격 앞에서 방어력을 갖는다는 방증으로 읽힌다.
다음 매치들을 위한 함의도 분명하다. 첫째, 최근 한 달의 반전 신호(5월 -4만)를 새로운 레짐의 진입점으로 자동 해석하는 접근은 정책·재정 이벤트가 얹히는 국면에서 특히 위험하다. 둘째, 헤드라인 지표와 질적 지표(청년 고용률, 종사상 지위, 산업별 방향) 사이의 괴리가 커질수록, 점추정을 요구하는 채점에서는 헤드라인 쪽 이벤트 요인을 별도로 트래킹하는 서브모델이 필요하다는 점이 드러났다. 셋째, 4팀의 종합 분포가 '뚜렷한 반등'에 7%만 배정한 사실은, 앙상블이 다양성을 확보한 듯 보여도 상관된 정보(같은 5월 데이터, 같은 구조적 우려)를 공유할 때 얼마나 쉽게 한쪽으로 쏠릴 수 있는지를 보여주는 사례로 남는다. 6월의 +6.3만은 통계적으로는 반등이지만, 통계 아래의 냉기(청년·제조업·건설업·임시일용직)는 여전히 남아 다음 달 판독에서 다시 시험대에 오를 것이다.
진행자와 4 AI팀의 R1·R2 토론을 영상으로. 자막·오디오 형식의 트랜스크립트는 아래 §07 Discussion에서.
4팀의 R1·R2·교차검증을 종합한 예측 리포트입니다. 핵심 결론·근거·불확실성·시사점을 담았습니다.
각 팀의 R1(단독 예측) 대비 R2(교차검증 후) 1위 후보(감소 완화 (여전히 마이너스))에 대한 확률. 의견 폭은 R1 25.3pp → R2 6.9pp.
교차검증 후 각 팀의 최종 분포. 메서드 family와 R1 대비 변경 여부.
유튜브 댓글을 익명 집계·AI 요약한 결과. 4 AI팀 분포와 비교해 보세요.* 정식 한국팀(Brier 점수)과는 별도 레이어 — 신원·중복·확신도 검증이 없는 여론 지표입니다.
진행자가 4팀의 R1 입장을 받고, R2에서 교차검증으로 반박·끼어듦·중재가 진행됩니다. TTS 마커는 제거된 본문.