AI 기반 자원 배분의 한계: 불확실성 하에서의 최적 선별

The Limits of AI-Driven Allocation: Optimal Screening under Aleatoric Uncertainty

머신러닝의 발전으로 인해 정책 및 인도적 지원 분야에서 자원 배분 방식이 예측된 위험 점수를 기반으로 하는 알고리즘을 통해 이루어지는 방식으로 전환되고 있습니다. 이러한 방식은 일반적으로 전통적인 선별 절차보다 저렴하고 빠르지만, 실제 취약성 상태를 직접 확인하는 방식입니다. 그러나 실제 조건부 취약성 확률에 접근하더라도 오배분을 완전히 없앨 수는 없습니다. 개별 취약성 상태에 대한 불확실성은 근본적으로 제거될 수 없으며, 확률 기반의 표적 설정은 필연적으로 일부 자원을 잘못 배분하게 됩니다. 본 연구에서는 두 단계의 자원 배분 프레임워크에서, 첫 번째 단계에서 일부 대상에 대해 실제 결과를 관찰하고, 두 번째 단계에서 고정된 범위 내에서 자원을 배분하는 방식으로 선별과 알고리즘 기반 표적 설정을 어떻게 최적으로 결합해야 하는지 연구합니다. 연구 결과, 최적의 전략은 알고리즘 기반 배분의 경계에 있는 대상을 선별하고, 동시에 가장 높은 위험을 가진 대상을 직접적으로 표적 설정하는 것을 보여줍니다. 또한, 선별과 알고리즘 기반 표적 설정이 서로 보완적인 관계인지 아니면 대체적인 관계인지 경험적으로 분석했습니다. 연구 결과, 모집단 내의 불확실성이 증가함에 따라 선별을 통해 얻을 수 있는 효율성 향상이 증가한다는 것을 알 수 있었습니다. 본 연구의 프레임워크는 소득 기반 사회 보호 프로그램 및 콜롬비아의 인도적 기폭 지뢰 제거 활동에 적용하여, 선별 비용과 자원 배분 효율성 간의 긴장이 실제 운영에 미치는 영향을 보여줍니다.

The rise of machine learning has shifted targeted resource allocation in policy and humanitarian settings toward algorithmic targeting based on predicted risk scores. This approach is typically cheaper and faster than traditional screening procedures that directly observe the latent vulnerability status through physical verification. Yet, even access to the true conditional vulnerability probability cannot eliminate misallocation: aleatoric uncertainty over individual vulnerability status is irreducible, and probabilistic targeting inevitably misallocates some resources. In this work we study how screening and algorithmic targeting should be optimally combined in a two-stage allocation framework where a screening stage observes true outcomes for a subset of units before a final allocation stage assigns the resource under a fixed coverage budget. We show that the optimal strategy screens units at the margin of algorithmic allocation, while directly targeting the highest-risk units. Furthermore, we empirically characterize when screening and algorithmic targeting act as complements or substitutes: efficiency gains from screening grow as the aleatoric uncertainty in the population increases. We illustrate our framework with applications in income-based social protection programs and humanitarian demining in Colombia, where the tension between screening costs and allocation efficiency is operationally consequential.