While macroeconomics struggles, microeconomics shows promise, particularly in behavioral economics and market design. Nobel-winning work, like improving auction theory or using randomized controlled trials to alleviate poverty, demonstrates genuine scientific rigor and measurable, replicable results. The field’s path forward lies in admitting its limitations and embracing a more interdisciplinary “real world economics” approach, acknowledging that much about markets and human behavior remains unknown.

Economics, the study of how people interact with things of value, often finds itself in a peculiar position. Unlike the seemingly immutable laws governing physics or chemistry, the “laws” of economics appear to shift, crumble, or simply fail to materialize when tested against the messy canvas of human reality. While economists are frequently called upon to predict the future, prevent crises, or offer definitive solutions, their track record, as famously quipped, involves predicting “15 out of the last two recessions.” This jocular critique, however, points to a deeper, more serious question: What exactly can economics reliably do, and why does it often fall short of the scientific rigor we expect?

The field’s struggles aren’t simply a matter of bad luck or complex variables; they stem from a confluence of inherent challenges, human biases, and the very nature of its subject matter.

At its core, economics aims to understand and explain human behavior in relation to value. Yet, unlike the predictable behavior of atoms or planets, humans and their values are notoriously subjective, unreliable, and prone to infuriating free will. This fundamental unpredictability is compounded by the sheer scale of its subjects: it’s impossible to conduct controlled, repeatable experiments on an entire national economy.

Consequently, economics often struggles to form a consensus on even fundamental concepts. Ask ten economists whether inequality has improved or worsened, and you might receive eleven different answers. This isn’t just a healthy debate at the “frontiers” of a discipline; it’s often a disagreement about the very foundations upon which the field is built. Such vagueness, unpredictability, and an overconfident veneer of rigor leave ample room for ideology and politics to seep in. Almost any bad idea, the argument goes, can find academic support from someone willing to construct a convincing-looking model to forward their worldview or career.

The implications of this extend far beyond academic squabbles. While Stephen Hawking’s black hole theory is unlikely to impact your daily life or the next election, economic theories and policies directly affect quality of life, jobs, and national prosperity. This direct impact creates immense pressure to politicize research, making economics particularly vulnerable to external influences.

Much of the economics the public encounters is filtered through media “communicators” who announce that “economists predict,” “economists warn,” or “economists find.” But who are these economists? Many work for politically aligned think tanks, raising potential conflicts of interest when, for instance, research on minimum wage hikes is funded by companies that would bear the cost. This environment also incentivizes a “race to the most outlandish, attention-grabbing predictions,” because media coverage translates into funding and influence.

A seminal two-decade study by Philip Tetlock, a researcher at the University of Pennsylvania, tracked over 82,000 predictions from 284 experts across various fields, including economics. His findings were sobering: experts’ predictions were, on average, only marginally better than random chance, sometimes even worse than simple extrapolation algorithms. Perhaps most tellingly, experts with the highest media profiles and public recognition performed worse than their less famous counterparts. The qualities that make someone good on television—confidence, strong opinions, memorable sound bites—are often the inverse of what makes a good forecaster. In economics, where forecasts are widely reported and commercially valuable, this dynamic is particularly pronounced. The best researchers are often those quietly doing meticulous work, not those screaming about capital gains taxes on social media.

In an attempt to purify the field and imbue it with scientific rigor, economics has increasingly embraced mathematical modeling. Econometrics, the application of statistical methods to economic data, aims to reduce personal biases. However, this obsession with numbers can also lead economists to overestimate their abilities. As Nobel laureate Paul Romer argued in his 2015 “mathiness” critique, mathematical formalism is sometimes used “not to clarify reasoning but to launder ideological prior behind a veneer of rigor.” In Romer’s blunt assessment, “Mathiness lets academic politics masquerade as science.”

This had real-world consequences. Before 2008, Dynamic Stochastic General Equilibrium (DSGE) models were the dominant framework in central banking and academic macroeconomics. They were elegant, mathematically beautiful models of the entire economic system. Yet, they famously lacked a real financial sector and any mechanism for systemic collapse. This was, as Paul Krugman noted in his widely read 2009 New York Times piece “How Did Economists Get It So Wrong?”, a case of the profession “mistaken[ing] beauty for truth,” confusing an internally coherent mathematical line of reasoning for a correct one. Joseph Stiglitz put it even more bluntly, comparing it to a doctor who, when faced with a serious disease, responds by saying, “I’m sorry, but I only deal with colds.” The biggest financial crisis in 80 years, triggered by the financial sector, was an oversight too glaring to ignore.

Macroeconomics, in particular, is incredibly hard to study. People are strange and unpredictable, and what they value constantly changes. Unlike astronomy, which relies heavily on observation but has countless data points and fundamental universal constants that don’t change quickly, macroeconomics deals with unique, evolving systems. A trade policy’s impact in post-war America might bear no resemblance to its impact in current-day China.

Milton Friedman, as far back as 1953, acknowledged these difficulties, arguing that even if economic reasoning wasn’t perfect, it didn’t matter as long as economists could make accurate predictions. His analogy was a billiards player who doesn’t understand the geometry and physics of the game but can still make accurate shots through intuition. The irony, as the video points out, is that the billiards player’s shots work, while economists’ predictions, by and large, often don’t.

The challenges faced by economics might lead some to dismiss it as a “junk science.” However, a more charitable and accurate assessment might be to view it as an underdeveloped science. If economics is medical science, we are still arguably in the “bloodletting stage of discovery,” trying things based on situations we don’t truly understand. Academic iteration is harder at this scale; there are only so many economies to observe and so many relevant economic events.

Yet, there is hope, particularly in microeconomics. Over the past couple of decades, microeconomics has seen a strong turnaround, embracing genuinely rigorous experiments, developing behavioral economics, and creating practical systems to answer fundamental questions. Recent Nobel Memorial Prize winners exemplify this shift:

• Paul Milgrom and Robert Wilson (2020) for their improvements to auction theory and invention of new auction formats, directly applied in real-world spectrum auctions worth billions.
• Abhijit Banerjee, Esther Duflo, and Michael Kremer (2019) for their experimental approach to alleviating global poverty, using randomized controlled trials to test what actually works in education and healthcare.
• Alvin Roth and Lloyd Shapley (2012) for their work on market design and matching theory, leading to practical systems for efficiently matching kidney donors with patients.

These are economists designing systems that literally allocate resources based on value, with measurable and replicable results—science working the way it should.

While macroeconomics remains more problematic and attracts more public attention, a significant movement for reform emerged in the wake of the 2008 crisis. “Post-autistic economics,” a name rooted in a 2000 open letter by French economics students (where the French word “autisma” has a broader meaning related to intense focus at the expense of other considerations), gained traction. This movement, now rebranded as the “Real-World Economics Review,” advocates for a more holistic approach, acknowledging that different economic schools of thought—even those from figures like Marx or Friedman—have something valuable to add. Engaging with the useful elements of competing theories while acknowledging their limitations is a far more productive path to understanding.

Perhaps the biggest step towards economics being taken more seriously as a science is also the hardest: admitting “we don’t know.” There is so much that remains unknown about markets, human behavior, optimal tax policies, or the timing of the next recession. The more the field can acknowledge its knowledge gaps, the more seriously it will be taken in the areas where it does have genuine insights. By shedding its overconfidence and embracing humility, economics can move beyond its “junk science” critiques and truly evolve into a more reliable and impactful discipline.

이러한 문제에도 불구하고 경제학은 발전 가능성이 있다. 특히 미시경제학 분야에서는 경매 이론 개선, 글로벌 빈곤 완화를 위한 무작위 대조군 실험(Randomized Controlled Trials), 시장 설계 및 매칭 이론 등 실제 문제 해결에 기여하는 엄격하고 실용적인 연구들이 노벨 경제학상을 수상하며 성과를 내고 있다. 시청자는 경제학적 주장을 접할 때, 그 주장이 어떤 이해관계나 이념에 기반하고 있는지 비판적으로 사고해야 한다. 또한, 경제학자들이 “우리는 모른다”는 사실을 인정하고 지식의 공백을 솔직하게 드러낼 때, 비로소 과학으로서의 신뢰를 얻고 삶의 질에 실질적인 영향을 미칠 수 있는 분야로 나아갈 수 있음을 이해해야 한다.

미래를 예측하는 것은 누구에게도 어려운 일이지만, 특히 경제학자들에게는 더욱 그렇습니다. 그렇다면 경제학자들은 대체 무엇을 할 수 있을까요? 새로운 기술을 개발하는 것도 아니고, 위기를 확실하게 예방하지도 못하며, 심지어 경제를 운영하는 최선의 방법에 대해서도 합의를 이루지 못하고 있습니다. 경제학자들은 유명하게도 지난 두 번의 경기 침체 중 15번을 예측했다는 우스갯소리가 있을 정도입니다. 이처럼 비관적인 예측이 넘쳐났음에도 불구하고, 그들은 지난 대규모 위기를 대부분 놓쳤고, 심지어 금융 부문과 같은 사소한 현실을 간과한 채 수학적으로만 완벽해 보이는 모델에 의존하여 위기를 조장했을 가능성도 있습니다.

이런 상황에서 과연 경제학을 진정한 과학이라고 부를 수 있을까요? 아니면 ‘쓰레기 과학’이라는 비판처럼 그 한계가 명확한 분야일까요? 이 글에서는 경제학이 직면한 근본적인 문제점들을 짚어보고, 그럼에도 불구하고 ‘미성숙한 과학’으로서 발전 가능성을 모색하는 다양한 노력들을 살펴봅니다.

경제학은 본질적으로 사람들이 가치 있는 것들과 어떻게 상호작용하는지를 설명하려는 사회 과학입니다. 그러나 공정하게 말하자면, 인간과 그들이 가치를 두는 것들은 극도로 주관적이고 예측 불가능합니다. 성가신 인간과 그들의 자유 의지에서 비롯되는 문제들을 차치하고라도, 국가 경제 전체와 같은 거대한 규모에서는 통제되고 반복 가능한 실험을 수행하기가 사실상 불가능합니다. 이런 점에서 경제학자들의 일은 엄청나게 어렵다는 것을 인정해야 합니다. 하지만 바로 그 지점이 문제의 핵심이기도 합니다.

물리학이나 화학과 같은 전통적이고 엄격한 과학 분야와 비교했을 때, 경제학은 정책을 처방하거나 경고를 내리거나, 최악의 경우 예측을 할 때 종종 스스로의 한계를 인식하지 못하는 경향이 있습니다. “불평등이 나아졌는가, 아니면 악화되었는가?”와 같은 간단하고 측정 가능한 질문조차 10명의 경제학자에게 물으면 11가지의 다른 답변을 듣게 될 것입니다. 물론 모든 과학 분야의 최전선에는 의견 불일치와 다양한 학파가 존재합니다. 하지만 경제학자들은 마치 학문의 가장 기본적인 개념들에 대해 여전히 지하에서 싸우고 있는 것처럼 보일 때가 많습니다.

이러한 모호함, 예측 불가능성, 그리고 과도한 자신감은 당연히 이념과 정치가 스며들 여지를 많이 남깁니다. 그 결과, 거의 모든 나쁜 아이디어조차 자신의 세계관을 발전시키거나 단순히 경력을 쌓기 위해 그럴듯해 보이는 모델을 제시할 수 있는 누군가로부터 학문적 지지를 얻을 수 있는 분야가 되었습니다. 물리학자들은 훨씬 더 엄격할지 모르지만, 스티븐 호킹의 블랙홀 이론이 우리의 삶의 질이나 다음 선거 결과에 실질적인 영향을 미치지는 않을 것입니다. 그러나 경제학은 우리의 삶에 직접적인 영향을 미칩니다.

우리가 접하는 경제학 정보의 상당수는 ‘경제학 커뮤니케이터’들을 통해 확산됩니다. “경제학자들이 예측한다”, “경제학자들이 경고한다”, “경제학자들이 발견했다”는 현대 미디어에서 가장 흔하게 사용되는 문구 중 일부입니다. 이는 몇 가지 문제를 야기합니다.

우선, 그 ‘경제학자들’이 정확히 누구인지 알기 어렵습니다. 많은 경제학자들이 정치적 성향을 띠는 싱크탱크에서 일합니다. 따라서 “최저 임금 인상이 실업률 급증으로 이어질 것”이라고 예측하는 경제학자가 있다면, 그 연구에 자금을 지원하는 쪽이 더 높은 최저 임금을 지불해야 할 기업들이라는 점에서 잠재적인 이해 상충(conflict of interest)이 발생할 수 있습니다.

또한, 이는 가장 터무니없고 관심을 끄는 예측이나 경고를 내놓기 위한 경쟁을 자연스럽게 유발합니다. 그런 예측이 미디어의 주목을 받고, 미디어 보도가 연구 자금으로 이어지기 때문입니다. 펜실베이니아 대학교의 연구원 필립 테틀록(Philip Tetlock)은 약 20년간 정치학, 경제학 등 관련 분야 전문가 284명의 82,000개 이상의 예측 정확도를 추적했습니다. 그의 연구 결과는 전문가들에게 그리 좋지 않았습니다. 평균적으로 그들의 예측은 무작위보다 겨우 나은 수준이었으며, 어떤 경우에는 단순히 ‘내일은 오늘과 비슷할 것’이라고 가정하는 단순 외삽(extrapolation) 알고리즘보다도 못했습니다. 가장 의미심장한 점은, 미디어 노출이 많고 대중적 인지도가 높은 전문가들이 오히려 덜 유명한 동료들보다 예측 능력이 더 떨어졌다는 것입니다. TV에서 잘 보이는 특성(자신감, 강한 의견, 기억하기 쉬운 문구)이 좋은 예측가의 특성과는 거의 정반대라는 점을 생각하면 일리가 있습니다.

경제학은 좋든 싫든, 아니 솔직히 말해 대부분 싫든 정치와 얽혀 있으며, 특정 경제 시스템은 특정 정치적 입장에 자연스럽게 부합합니다. 존경하는 한 경제학자와의 대화에서, 그는 자본주의에 대해 너무 노골적으로 비판적인 내용을 발표하면 연구 자금을 잃을 위험이 있다고 말했습니다. 대기업이 많은 경제 연구에 자금을 지원하는 현실에서 이러한 현상은 한쪽에 더 많이 발생합니다. 반대 사례도 있습니다. 예를 들어, 좌파 성향의 콘텐츠 제작자가 사회주의의 단점에 대한 영상을 만들면, 궁극적으로 그들에게 자금을 지원하는 시청자들을 소외시킬 수 있습니다.

미디어의 장벽 외에도 경제학 연구와 대중 사이에는 다른 문제들이 존재합니다. ‘자아(ego)‘가 큰 문제입니다. 많은 최고의 학술 연구자들은 엄청난 자아를 가지고 있으며, 과학적 방법에도 불구하고 자신의 이론이 틀렸다는 것을 받아들이려 하지 않습니다. ‘이념(ideology)‘도 또 다른 문제입니다. 학파(schools of thought)는 경제학 연구의 주요 구성 요소이며, 어떤 학파는 다른 학파의 좋은 점조차 인정하지 않으려 합니다. 물론 모든 과학 분야에서 이런 일이 발생하지만, 경제학에서는 특히 두드러집니다.

나아가 연구자들은 자신이 보고 싶은 결과를 형성하는 개인적인 삶의 경험을 가지고 있습니다. 누구도 끈 이론(string theory)의 깃발을 흔들던 독재자가 통치하는 나라에서 도망쳐 나오지는 않았습니다. 하지만 경제학에서는 이러한 경험들이 실제로 존재하며 중요합니다.

경제학은 분야를 정화하려는 노력의 일환으로 수학적 모델링에 크게 의존하기 시작했습니다. 오늘날 박사 과정 이하의 경제학을 공부하는 대부분의 사람들은 통계학과 이를 경제 이론의 느슨한 틀 안에서 적용하는 방법을 배우게 될 것입니다. 이것이 바로 계량경제학(Econometrics)의 기본이며, 개인적인 편견에 영향을 받기 쉬운 분야에 엄밀성을 더하는 좋은 역할을 합니다.

하지만 이는 정반대의 결과를 초래할 수도 있습니다. “거짓말, 지독한 거짓말, 그리고 통계”라는 말이 있듯이, 통계를 오랫동안 다룬 사람이라면 기본적으로 자신이 원하는 모든 것을 뒷받침하는 모델을 설계할 수 있습니다. 특히 의도된 청중이 이미 그러한 결론을 듣고 싶어 한다면 더욱 그렇습니다. 이러한 숫자에 대한 집착은 경제학자들이 자신의 능력을 과대평가하게 만들기도 했습니다. 아름다운 수학 공식 안에서 작동한다고 해서 그것이 현실 세계에서도 작동한다는 의미는 아니기 때문입니다.

노벨 경제학상 수상자인 폴 로머(Paul Romer)는 2015년 ‘매스니스(Mathiness)’ 비판을 통해 이 아이디어를 되살렸습니다. 그는 성장 이론에서 수학적 형식주의가 추론을 명확히 하는 것이 아니라, 엄밀함이라는 외피 뒤에 이념적 선입견을 ‘세탁(launder)‘하는 데 점점 더 많이 사용되고 있다고 주장했습니다. 로머의 말에 따르면, “매스니스는 학문적 정치를 과학으로 가장하게 한다.”

이는 실제 결과를 초래했습니다. 동태 확률 일반 균형(DSGE: Dynamic Stochastic General Equilibrium) 모델은 2008년 이전 중앙은행과 학계 거시경제학의 지배적인 틀이었습니다. 이 모델들은 서류상으로는 훌륭해 보였고 전체 경제 시스템의 우아한 모델로 작동했습니다. 그러나 이 모델들에는 금융 부문이 사실상 없었고, 실제로 발생한 것과 같은 시스템적 붕괴 메커니즘도 없었습니다. 80년 만의 가장 큰 금융 위기가 금융 부문에 의해 촉발되었다는 점을 고려하면 이는 분명 큰 간과였습니다.

폴 크루그먼(Paul Krugman)은 2009년 뉴욕 타임즈 기고문 “경제학자들은 어떻게 그렇게 잘못되었는가?(How Did Economists Get It So Wrong?)”에서 경제학계가 ‘아름다움을 진실로 착각’하여, 내부적으로 일관된 수학적 추론을 올바른 추론으로 혼동했다고 비판했습니다. 조지프 스티글리츠(Joseph Stiglitz)는 이를 더욱 직설적으로 비유했습니다. 심각한 질병을 가진 환자가 왔을 때 “죄송합니다만, 저는 감기만 다룹니다”라고 말하는 의사에 비유한 것입니다.

이 모든 문제는 경제학, 특히 거시경제학이 연구하기 정말, 정말 어렵다는 단순한 사실 때문에 더욱 악화됩니다. 사람들은 이상하고 예측 불가능하며, 그들이 가치를 두는 것 또한 이상하고 예측 불가능하며 끊임없이 변화합니다. 특히 거시경제학에서는 국가들에게 변수를 통제해 달라고 요청할 수 없습니다. 따라서 궁극적으로 대부분의 이론은 순수한 관찰을 통해 검증되어야 합니다.

물론 천문학처럼 거의 전적으로 관찰에 의존하여 이해를 구축하는 다른 과학 분야도 있습니다. 하지만 우주에는 훨씬 더 많은 데이터 포인트가 존재하며, 별과 은하를 정의하는 근본적인 우주 상수는 경제를 정의하는 문화적, 기술적, 인구통계학적 요인처럼 빠르게 변하지 않습니다. 특정 무역 정책이 전후 미국에서 어떤 영향을 미 미쳤다고 해서, 그것이 오늘날 중국에서도 똑같은 영향을 미친다는 보장은 없습니다.

이러한 어려움은 여러 면에서 문제 있는 관행들을 변명하는 데 사용되기도 했습니다. 밀턴 프리드먼(Milton Friedman)은 1953년에 이미 이 점을 인식하고, 경제학적 추론이 완벽하지 않더라도 경제학자들이 정확한 예측과 권고를 할 수 있다면 별문제가 되지 않는다고 주장했습니다. 그는 이를 뒷받침하기 위해 당구 선수가 기하학과 물리학을 진정으로 이해하지 못하더라도 직관을 사용하여 해당 원리에 따라 정확한 샷을 날릴 수 있다는 일화를 사용했습니다. 그러나 아이러니하게도 이 비유는 문제의 본질을 잘 요약하고 있습니다. 당구 선수의 직관적인 샷은 실제로 작동하지만, 경제학자들의 예측은 대체로 그렇지 않기 때문입니다.

다시 말하지만, 이는 전통적인 과학 분야에 이러한 문제들이 없다는 뜻은 아닙니다. 천문학자들이 비교적 쉬운 일을 한다고 말하면 매우 화를 낼 것이라고 확신합니다. 차이점은 대부분의 해당 분야 사람들은 자신들의 지식에 공백이 있다는 것을 인정하는 데 편안함을 느낀다는 것입니다. 경제학에서는 어떤 공백이든 일화, 편견, 그리고 특정 학파, 정치적 의제 또는 세계관에 부합한다면 가장 그럴듯한 이야기를 만들어낼 수 있는 사람으로 빠르게 채워지는 경향이 있습니다.

경제학은 거시적인 관점에서 볼 때 매우 젊은 과학입니다. 프리드먼의 불완전한 지식으로 추론하는 아이디어는 많은 과학 분야가 시작된 방식과 유사합니다. 당구 선수가 게임을 정의하는 물리학과 기하학의 세부 사항을 알지 못하더라도, 애초에 올바른 질문을 하기 위해서는 시행착오의 요소가 필요합니다. 세균 이론 이전에는 의학과 공중 보건이 ‘나쁜 냄새’에 의해 질병이 퍼진다는 생각에 따랐습니다. 오늘날 우리는 이것이 기술적으로는 사실이 아니라는 것을 알고 있습니다. 그러나 기본적인 수준에서는 크게 중요하지 않았습니다. 하수 시스템을 설치하고 거리의 쓰레기를 치워 악취를 피하는 것이 실제로 질병 확산을 억제했기 때문입니다.

오늘날 우리는 경제에 대한 우리의 미숙한 이해를 바탕으로 산업 시스템, 소비자 행동, 금융 시장을 대체로 올바른 방향으로 이끌 수 있는 기본적인 아이디어를 가지고 있습니다. 하지만 이러한 시스템이 어떻게 작동하는지에 대한 진정한 이해까지는 아직 갈 길이 멀다고 할 수 있습니다. 경제학이 의학이라면, 우리는 아마도 ‘방혈(bloodletting)’ 단계에 머물러 있을 것입니다. 우리는 아직 진정으로 이해하지 못하는 상황을 바탕으로 여러 가지를 시도하고 있으며, 그 과정에서 경제를 망치지 않으면 그것을 성공이라고 부릅니다.

경제학이 유사 과학(pseudocience)이 아니라 ‘미성숙한 과학’이라고 말하는 것은 약간의 변명처럼 들릴 수 있습니다. 경제학은 그렇게 새로운 분야가 아니기 때문입니다. 경제학은 다른 많은 과학 분야와 같은 계몽주의 시대에 진지하게 받아들여지기 시작했습니다. 차이점은 이 규모에서는 학문적 반복(academic iteration)이 훨씬 어렵다는 것입니다. 관찰할 수 있는 경제는 제한적이며, 현재 상황과 관련성이 있는 경제적 사건의 사례도 많지 않습니다.

하지만 절망적인 상황은 아닙니다. 특히 미시경제학(Microeconomics)은 지난 수십 년 동안 매우 강력한 전환점을 맞이했습니다. 엄격한 실험, 행동경제학(Behavioral Economics)의 발전, 그리고 이 분야가 해결하고자 했던 근본적인 질문에 답하기 위한 실제적인 시스템들이 개발되었습니다.

최근 노벨 경제학상 수상자들은 바로 이러한 실용적이고 엄격한 연구로 인정받았습니다.

• 2020년 폴 밀그롬(Paul Milgrom)과 로버트 윌슨(Robert Wilson)은 경매 이론 개선과 새로운 경매 형식 발명으로 수상했습니다. 이 연구는 수십억 달러 규모의 실제 주파수 경매에 직접 적용되었습니다.
• 2019년 아비지트 바네르지(Abhijit Banerjee), 에스테르 뒤플로(Esther Duflo), 마이클 크레머(Michael Kremer)는 이론에만 의존하지 않고 무작위 대조 실험(randomized controlled trials)을 사용하여 교육과 건강 관리에서 실제로 작동하는 것을 테스트함으로써 세계 빈곤 완화에 대한 실험적 접근 방식을 인정받았습니다.
• 앨빈 로스(Alvin Roth)와 로이드 섀플리(Lloyd Shapley)는 시장 설계(market design) 및 매칭 이론(matching theory)에 대한 연구로 수상했습니다. 이는 신장 기증자와 필요한 환자를 효율적으로 매칭하는 것과 같은 실용적인 시스템으로 이어졌습니다.

이들은 사람들이 가치를 부여하는 방식에 따라 자원을 가장 효율적인 방식으로 사람들에게 할당하는 시스템을 설계하는 경제학자들입니다. 그 결과는 측정 가능하고 재현 가능합니다. 이것이야말로 과학이 작동해야 하는 방식입니다.

거시경제학(Macroeconomics)은 솔직히 말해서 훨씬 더 문제가 많지만, 동시에 더 많은 대중의 관심을 받는 분야입니다. 기증 신장을 효율적으로 할당하는 방법에 대한 놀라운 연구는 경제학자들, 시장 설계에 특별한 관심이 있는 사람들, 그리고 당연히 신장 기증자를 기다리는 사람들에게는 진정으로 매력적입니다. 그러나 더 광범위한 문제들은 자연스럽게 더 넓은 관심을 끌기 마련입니다. 따라서 다음 경기 침체를 예측하는 사람들은 맞든 틀리든 더 많은 보도를 받습니다.

그럼에도 불구하고 경제학자들은 개선되고 있습니다. 2008년 금융 위기 이후 ‘탈(脫)자폐적 경제학(Post-Autistic Economics)‘이라는 이름으로 시작된 운동이 상당한 추진력을 얻었습니다. 이 이름은 다소 개인적인 공격처럼 들리지만, 사실 2000년 프랑스 경제학도들이 르몽드에 발표한 공개 서한에 뿌리를 두고 있습니다. 프랑스어 ‘autisma’는 영어에서 우리가 일반적으로 연상하는 단어보다 더 넓은 의미를 가지고 있으며, 핵심 주장은 신고전주의 경제학(neoclassical economics)이 특정 아이디어에만 과도하게 집중하여 다른 측면들을 간과하는 경향이 있다는 의미에서 다소 ‘자폐적’이 되었다는 것이었습니다.

이 운동은 결국 ‘실제 세계 경제 리뷰(Real World Economics Review)‘로 이름을 바꾸었으며, 다양한 경제 학파들이 논의에 기여할 부분이 있으며, 모두 경제 행동의 다른 측면들을 조명한다는 아이디어를 기반으로 합니다. 이는 큰 진전입니다. 과거에는 마르크스나 프리드먼과 같은 사람들의 연구가 그들이 속한 학파와 불가피하게 따라오는 정치적 성향 때문에 통째로 무시되는 경우가 많았기 때문입니다. 경쟁 이론들의 유용한 요소들을 인정하면서 그 한계를 인지하고 실제로 참여하는 것은, 다른 모든 조건이 동일하다면, 진정한 이해를 구축하는 훨씬 더 생산적인 접근 방식입니다.

하지만 이 분야는 아직 갈 길이 멉니다. 그리고 과학으로서 조금 더 진지하게 받아들여지기 위한 가장 큰 단계는 가장 어려운 단계가 될 것입니다. 바로 “우리는 모른다”고 인정하는 것입니다. 시장의 본질과 그것을 구성하는 인간에 대해 우리가 모르는 것이 너무나 많습니다. 우리는 과거의 성과로부터 배우고 있지만, 그것은 미래의 결과를 나타내는 지표가 아닙니다. 그리고 너무 많이 측정되는 모든 지표는 결국 목표가 되어 유용성을 상실하게 됩니다.

우리는 다음 경기 침체가 언제 올지 모릅니다. AI 거품이 어떻게 될지도 모릅니다. 가계 스트레스를 최소화하면서 경제 생산량을 극대화하는 최적의 세금 정책이 무엇인지도 모릅니다. 이 분야가 자신이 모르는 것을 더 많이 인정할수록, 자신이 아는 분야에서 더욱 진지하게 받아들여질 것입니다. 경제학은 여전히 발전 중인 미성숙한 과학이지만, 겸손하고 개방적인 자세로 끊임없이 질문하고 실험한다면 진정한 통찰력을 제공하는 강력한 도구가 될 수 있을 것입니다.