← 목록으로
프로젝트·조직관리
#델파이#전문가합의#기술예측#리스크식별#공수산정
최종 업데이트 · 2026-11-19

델파이 기법(Delphi Technique) — 전문가 합의 기반 예측·의사결정

1. 개요

가. 정의

델파이 기법(Delphi Technique) 은 한 문제에 대해 지리적으로 분산된 다수 전문가(패널) 에게 익명의 설문을 여러 라운드 반복하면서, 매 라운드마다 집단의 응답을 통계적으로 요약해 되돌려 주고 다시 응답을 수정하게 함으로써 점진적으로 합의(consensus)와 예측치의 수렴을 이끌어 내는 구조화된 집단 의사소통·예측 방법이다.

델파이의 본질은 "전문가들을 한자리에 모으지 않고도 집단지성을 모은다"는 데 있다. 대면 회의는 빠르지만 다수 의견에의 동조(bandwagon), 발언력 큰 사람의 지배, 체면 때문에 입장을 바꾸지 못하는 경직성 같은 집단사고(groupthink)의 병리에 취약하다. 델파이는 응답을 익명화하고 서면 반복으로 바꿈으로써, 의견의 '근거'는 공유하되 '발언자의 권위'는 차단한다. 그 결과 참가자는 사회적 압력이 아니라 동료가 제시한 논거 때문에만 자신의 판단을 수정하게 되고, 이 과정이 반복되며 극단값이 걸러지고 분포가 좁혀진다.

중요한 점은 델파이의 목표가 반드시 '만장일치'가 아니라는 것이다. 수렴이 일어나지 않고 두 개 이상의 안정적 군집(stable disagreement) 으로 갈라지는 것도 유의미한 결과이며, 이는 해당 쟁점에 근본적 불확실성이나 가치 대립이 존재함을 드러낸다. 따라서 델파이는 '정답 산출기'가 아니라 불확실한 영역에서 전문가 판단의 분포와 그 근거를 구조화해 드러내는 장치로 이해해야 한다.

나. 등장 배경 및 필요성

델파이는 1950~60년대 미국 RAND 연구소에서 Olaf Helmer와 Norman Dalkey가 군사 기술 예측(Project Delphi) 을 위해 개발했다. 당시 과제는 "소련이 미국 산업을 마비시키려면 몇 발의 원자폭탄이 필요한가"처럼, 과거 데이터가 없고 실험도 불가능해 오직 전문가 추정에만 의존해야 하는 문제였다. 통계 모형이 쓸 수 없는 영역에서, 개별 전문가의 직관을 어떻게 편향 없이 종합할 것인가가 핵심 동기였고, 기법의 이름은 미래를 예언하던 그리스 델포이(Delphi) 신탁에서 따왔다.

델파이의 등장은 '예측이란 무엇인가'에 대한 관점 전환도 담고 있다. 그 이전까지 미래 예측은 추세 외삽 같은 정량 모형의 전유물로 여겨졌지만, 불연속적 혁신이나 사회적 변화처럼 과거가 미래를 설명하지 못하는 영역이 늘면서 전문가의 판단을 체계적 자료로 승격시킬 방법이 필요해졌다. 델파이는 이 판단을 '개인의 직관'에서 '구조화된 집단적 추정'으로 끌어올려, 주관적 예측에도 절차적 엄밀성과 재현성을 부여하려 한 시도였다.

정보관리기술사 관점에서 델파이가 중요한 이유는, IT 사업의 핵심 의사결정 상당수가 정량 데이터가 희박한 판단 영역에 놓이기 때문이다. 신기술 도입 시점 예측, 아직 유사 사례가 없는 신규 서비스의 공수(工數) 산정, 보안 위협의 발생 가능성·영향도 평가, 정보화 정책의 우선순위 결정 등은 과거 실적만으로 답할 수 없다. 이때 소수의 권위자 한 명에게 의존하면 개인 편향에 전면 노출되지만, 델파이로 다수 전문가의 판단을 구조화하면 편향을 상쇄하고 추정의 신뢰구간을 가시화할 수 있다. 특히 리스크 식별, 광대역 공수 산정, 기술 로드맵 수립에서 실무 적용도가 높다.

다. 특징

델파이는 다른 집단 기법과 세 가지 점에서 구별된다. 첫째, 익명성(anonymity) 으로 발언자와 의견을 분리해 권위·동조의 압력을 제거한다. 둘째, 반복(iteration)과 통제된 피드백을 통해 한 번의 집계가 아니라 여러 라운드에 걸쳐 의견이 숙성·수렴되도록 설계한다. 셋째, 결과를 통계적 집단응답(중앙값·사분위수) 으로 제시해, 합의의 정도와 이견의 분포를 정량적으로 관리한다. 이 세 특징 덕분에 델파이는 즉흥적 브레인스토밍과 달리 재현 가능하고 문서화되는 구조화된 예측 절차가 된다.

또 하나의 중요한 특징은 비동기·원격 수행이 가능하다는 점이다. 참가자가 같은 시간·장소에 모일 필요가 없으므로, 세계 각지의 희소 전문가를 패널로 구성할 수 있고 일정 조율 부담이 작다. 이는 대면 기법이 사실상 불가능한 글로벌·분산 조직 환경에서 델파이의 실용적 강점으로 작용하며, 뒤에서 볼 실시간 e-델파이에서 더욱 극대화된다.

2. 델파이의 4대 핵심 원리와 구조

flowchart TB
  FAC["진행자(Facilitator)<br/>설문 설계·익명 집계·피드백 작성"]
  subgraph PANEL["전문가 패널(Panel) — 익명·분산"]
    E1["전문가 A"]
    E2["전문가 B"]
    E3["전문가 C"]
    EN["전문가 N"]
  end
  FAC -- "라운드 설문 배포" --> PANEL
  PANEL -- "익명 응답·근거" --> AGG["통계 집계<br/>중앙값·사분위수 범위(IQR)"]
  AGG -- "요약·소수의견 근거 피드백" --> FAC
  AGG -- "수렴 판정(IQR·합의율)" --> DEC{"수렴했는가?"}
  DEC -- "아니오: 다음 라운드" --> FAC
  DEC -- "예: 종료" --> OUT["최종 합의·예측 분포"]
  style FAC fill:#e8f0fe,stroke:#2f6fed,stroke-width:2px
  style DEC fill:#fff4e5,stroke:#d97706,stroke-width:2px

델파이의 작동은 네 가지 원리로 요약된다. 각 원리는 대면 회의의 특정 병리를 겨냥한 설계적 처방이라는 점에서, 단순한 절차 규칙이 아니라 기법의 철학을 담고 있다. 위 구조도에서 보듯 진행자(Facilitator)는 패널과 직접 토론하지 않고 설문 배포 → 익명 응답 수집 → 통계 집계 → 피드백 작성의 순환을 매개하는 '신경 중추' 역할을 하며, 이 순환이 수렴 판정을 통과할 때까지 반복된다.

가. 익명성(Anonymity). 모든 응답은 진행자를 거쳐 익명으로 수집·공유된다. 참가자는 상대가 누구인지 모른 채 '주장과 근거'만 접하므로, 지위·성격·목소리 크기가 결론에 미치는 영향이 차단된다. 이는 특히 상하 관계가 뚜렷한 조직에서 효과적이다. 가령 CISO가 참석한 위협평가 회의에서 실무자가 반대 의견을 내기 어렵지만, 익명 델파이에서는 직급과 무관하게 논거만으로 경쟁한다.

나. 반복과 통제된 피드백(Iteration & Controlled Feedback). 델파이는 보통 2~4개 라운드로 진행되며, 각 라운드 뒤 진행자가 집단 응답의 요약과 소수의견의 근거를 정리해 되돌려 준다. 참가자는 이를 읽고 다음 라운드에서 입장을 유지하거나 수정한다. 핵심은 '통제된'이라는 수식어다. 진행자는 모든 발언을 그대로 중계하지 않고 쟁점·근거 중심으로 편집해 노이즈를 걸러낸다. 이 되먹임 루프가 집단 학습을 만든다.

다. 통계적 집단응답(Statistical Group Response). 최종 결과는 '다수결'이 아니라 중앙값(median)과 사분위수 범위(IQR) 등 분포 통계로 제시된다. 평균이 아닌 중앙값을 쓰는 이유는 극단적 이상치의 영향을 줄이기 위함이고, IQR을 함께 보는 이유는 합의의 정도(산포) 자체를 관리 대상으로 삼기 위함이다.

라. 전문가 패널(Expert Panel). 결과 품질은 패널 구성에 좌우된다. 동질적 전문가만 모으면 빠르게 수렴하지만 집단 편향이 그대로 남고, 지나치게 이질적이면 수렴하지 않는다. 통상 10~18명 내외를 권장하되, 관점의 다양성과 해당 분야 전문성을 동시에 확보하는 것이 관건이다. 패널 규모를 무작정 늘린다고 정확도가 비례해 오르지는 않으며, 오히려 운영 부담과 이탈만 커지므로 '충분히 다양하되 관리 가능한' 지점을 찾는 것이 현실적 설계다.

이 네 원리는 서로 맞물려 작동한다. 익명성만으로는 일회성 설문과 다를 바 없고, 반복만 하면 노이즈가 누적된다. 익명성이 압력을 제거하고, 통계적 피드백이 학습의 재료를 제공하며, 반복이 그 학습을 숙성시키고, 패널 다양성이 편향을 상쇄하는 선순환이 성립할 때 비로소 델파이는 개별 전문가 추정의 단순 합보다 나은 '집단지성'을 산출한다. 어느 한 원리가 무너지면(예: 진행자가 소수의견 근거를 누락) 전체 품질이 급격히 떨어지는, 상호 의존적 구조라는 점을 유념해야 한다.

핵심 원리 겨냥하는 대면회의의 병리 설계적 처방
익명성 권위·동조·체면 진행자 경유 익명 응답
반복·피드백 일회성 판단, 근거 미공유 다라운드 + 소수의견 근거 환류
통계적 응답 목소리 큰 쪽의 지배 중앙값·IQR로 분포 제시
전문가 패널 표본 편향 다양성·전문성 균형 구성

이 네 원리가 지향하는 공통 목표는 "근거의 민주주의"다. 즉, 결론을 바꾸는 힘을 사람의 지위가 아니라 제시된 논거의 설득력에 두려는 것이다. 그래서 델파이에서 가장 중요한 산출물은 최종 수치가 아니라, 왜 그 수치로 수렴했는지를 설명하는 근거의 축적이다. 이 근거 기록이 부실하면 설령 숫자가 깔끔하게 수렴해도 재현성과 설명책임(accountability)을 갖추지 못한다.

3. 수행 절차와 수렴 판정

flowchart LR
  P0["0. 문제 정의<br/>목표·패널 선정 기준"] --> R1["1라운드(개방형)<br/>자유 의견·항목 도출"]
  R1 --> R2["2라운드(구조화)<br/>항목별 평가·순위화"]
  R2 --> FB["통계 피드백<br/>중앙값·IQR·이탈 근거 요청"]
  FB --> R3["3라운드(수정)<br/>피드백 보고 재평가"]
  R3 --> CHK{"수렴 기준 충족?<br/>IQR 축소·합의율"}
  CHK -- "아니오" --> FB
  CHK -- "예" --> FIN["결과 정리·보고서"]
  style P0 fill:#e8f0fe,stroke:#2f6fed,stroke-width:2px
  style FIN fill:#e7f6ec,stroke:#16a34a,stroke-width:2px

0단계(준비·문제 정의). 해결할 질문을 명확히 정의하고, 패널 선정 기준(전문성·경력·이해관계 중립성)과 종료 조건을 사전에 확정한다. 종료 조건을 미리 정하지 않으면 라운드가 무한정 늘어나거나 진행자 자의로 끝나 결과의 객관성이 훼손된다. 이 단계에서 질문의 범위가 지나치게 넓거나 모호하면 이후 라운드에서 응답이 발산해 영영 수렴하지 않으므로, 답할 수 있는 단위로 질문을 분해하고 용어 정의를 합의해 두는 사전 설계가 성패를 좌우한다.

1라운드(개방형 탐색). 통상 자유서술형으로 시작해 고려해야 할 항목·시나리오·리스크를 폭넓게 수집한다. 예컨대 "향후 3년 내 우리 서비스에 가장 큰 위협이 될 보안 이슈를 열거하라"처럼 묻는다. 진행자는 중복을 제거하고 유사 항목을 묶어 다음 라운드용 구조화 설문을 만든다.

2라운드(구조화 평가). 정리된 항목에 대해 발생가능성·영향도·중요도 등을 리커트 척도나 수치로 평가·순위화한다. 수집 후 진행자는 중앙값과 IQR을 계산한다.

3라운드 이후(피드백 기반 수정). 참가자에게 집단 통계와 함께, 특히 IQR 바깥(상·하위 사분위)에 응답한 사람에게는 그 근거를 서술하도록 요청한다. 다른 참가자는 이 소수의견 근거를 읽고 재평가한다. 이 과정에서 설득력 있는 소수의견이 다수를 이동시키기도 하며, 바로 이것이 단순 평균화와 구별되는 델파이의 가치다. 극단값을 '제거'하지 않고 '설명을 요구'한다는 설계가 핵심으로, 때로는 소수의 선견지명이 다수의 평균적 오판을 바로잡기 때문이다.

라운드 수와 참여 유지(Attrition 관리). 라운드는 많을수록 좋은 것이 아니다. 경험적으로 2~3라운드에서 대부분의 수렴 이득이 실현되고 이후에는 한계효용이 급감하므로, 사전에 최대 라운드 수를 못 박아 두는 편이 좋다. 라운드가 길어질수록 응답 피로로 참가자가 이탈하는데, 중도 이탈은 표본을 생존 편향(끈기 있는 소수) 쪽으로 왜곡한다. 따라서 라운드별 응답률을 추적하고, 리마인더·적정 보상·설문 간소화로 유지율을 관리하며, 응답률이 급락하면 결과 해석에 그 한계를 명시해야 한다.

수렴 판정. 언제 멈출지는 정량 기준으로 관리한다. 대표적으로 ① 라운드 간 IQR 감소폭이 임계치 이하일 때, ② 합의율(예: 전체의 70~80%가 특정 구간에 응답)이 기준을 넘을 때, ③ 순위형에서는 켄달의 일치계수(Kendall's W) 가 0.7 이상이면 강한 합의로 본다. 또한 라운드 간 응답 변화가 미미해지는 안정성(stability) 을 수렴의 신호로 삼는다. 유의할 점은 '합의=정답'이 아니라는 것으로, 수렴이 집단 편향의 수렴일 수 있으므로 근거의 질을 함께 검토해야 한다.

실무에서는 수렴 기준을 사업 착수 전에 문서로 못 박아 두는 것이 중요하다. 기준을 사후에 정하면 진행자가 원하는 결론이 나온 라운드에서 임의로 종료했다는 의심을 피하기 어렵다. 또한 합의가 끝내 형성되지 않을 경우를 대비해, 억지 종료 대신 "이견 존치" 결론을 명시적 산출물로 인정하는 절차를 마련해 두면 방법의 객관성이 높아진다.

4. 유형·변형과 타 기법 비교

델파이는 목적에 따라 여러 변형으로 발전했다. 전통적(Conventional) 델파이는 수치 예측·합의에 초점을 두고, 정책 델파이(Policy Delphi) 는 합의가 아니라 대립하는 정책 대안과 논거를 체계적으로 드러내는 것을 목표로 해 의도적으로 이견을 보존한다. 실시간 델파이(Real-time/e-Delphi) 는 웹 플랫폼으로 라운드 경계를 없애 참가자가 집단 통계를 즉시 보며 응답을 갱신하게 함으로써 수개월 걸리던 과정을 수일로 단축한다. 소프트웨어 공학에서 유명한 광대역 델파이(Wideband Delphi) 는 Barry Boehm이 공수 산정에 적용한 변형으로, 익명 추정과 진행자 주재 토론을 결합해 추정의 근거를 공유한다. 애자일의 플래닝 포커(Planning Poker) 도 광대역 델파이의 경량화된 후손이다.

실제 적용 사례로, 보건의료 분야에서는 임상 가이드라인 합의에 델파이가 표준처럼 쓰이며, 기술예측에서는 일본 문부과학성이 1971년부터 약 5년 주기로 과학기술 예측조사(수천 명 전문가 패널) 를 델파이로 수행해 국가 R&D 전략에 반영한다. IT 사업에서는 신규 모듈의 공수를 광대역 델파이로 산정해 3명 이상의 독립 추정 중앙값과 IQR로 버퍼(일정 여유) 를 결정하는 방식이 흔하다. 가령 전례 없는 AI 연동 모듈을 3명이 각각 20, 35, 60 인일로 추정했다면, 단순 평균(약 38)을 쓰기보다 추정 격차가 큰 이유를 2라운드에서 서술하게 하여, '외부 API 불확실성'이라는 숨은 리스크를 드러내고 그에 맞춘 버퍼와 기술 검증(PoC) 과업을 추가하는 식으로 활용한다.

구분 델파이 브레인스토밍 명목집단법(NGT) AHP
상호작용 익명·서면·원격 대면·공개 대면(개별 기술 후 토론) 대면/개별
반복성 다라운드 반복 1회성 통상 1회 1회(쌍대비교)
합의 도출 통계적 수렴 아이디어 발산 투표·순위합산 가중치 계산(일관성비율)
강점 편향 차단·원격 가능 빠른 발산 균등 참여 정량적 우선순위
한계 시간·진행자 의존 동조·지배 참가자 근접 필요 비교쌍 폭증

표가 보여주듯 기법 선택은 목적에 종속된다. 아이디어를 빠르게 쏟아내야 하면 브레인스토밍이, 지리적으로 흩어진 전문가의 신중한 예측을 편향 없이 모아야 하면 델파이가, 정량적 우선순위가 필요하면 AHP가 적합하다. 실무에서는 델파이로 후보를 수렴시킨 뒤 AHP로 가중치를 매기는 혼합 설계가 자주 쓰인다.

반대로 델파이가 부적합한 경우도 분명히 알아야 한다. 즉각적 결정이 필요한 긴급 상황(장애 대응·위기관리)에서는 수 주가 걸리는 델파이가 맞지 않고, 검증 가능한 정답이 존재해 실험·측정으로 답할 수 있는 문제에 델파이를 쓰면 전문가 의견이라는 약한 근거로 강한 사실을 대체하는 오류를 범한다. 또한 쟁점이 가치·이해관계의 대립이어서 사실 수렴이 애초에 불가능한 경우에는, 억지로 합의를 짜내기보다 정책 델파이처럼 대립 구도를 명료화하는 설계로 전환해야 한다.

5. 심화 — 디지털 전환과 AI 결합 동향

전통 델파이의 최대 약점은 긴 소요 기간(수 주~수 개월)과 높은 운영 부담, 그리고 라운드가 길어질수록 참가자 이탈(panel attrition) 이 커진다는 점이다. 이를 해소하기 위해 등장한 것이 웹 기반 실시간 델파이로, 설문·집계·피드백을 자동화해 라운드 경계를 허물고 참여를 지속시킨다. 응답이 실시간 통계로 반영되므로 참가자는 언제든 집단 분포를 보며 입장을 갱신하고, 진행자의 수작업 집계 부담이 크게 준다.

실시간 델파이는 다만 장점만 있는 것은 아니다. 라운드 경계가 사라지면서 참가자가 집단 통계에 지나치게 빨리 동조하는 조기 수렴(premature convergence) 위험이 생기고, 먼저 응답한 사람의 분포가 나중 응답자에게 앵커(anchor) 로 작용할 수 있다. 따라서 실시간 방식에서도 소수의견 근거를 충분히 노출하고, 응답 순서 효과를 완화하는 설계가 필요하다는 점에서 전통 델파이의 원리는 그대로 유효하다.

최근에는 생성형 AI와의 결합이 주목받는다. 대규모 언어모델(LLM)을 활용해 1라운드 자유응답을 자동으로 주제·항목으로 군집·요약하거나, 소수의견 근거를 구조화해 피드백 작성을 보조하는 시도가 늘고 있다. 나아가 LLM 패널을 가상 전문가로 삼아 사전 탐색을 수행하는 실리콘 샘플링(silicon sampling) 연구도 진행 중이다. AI가 델파이 운영을 보조할 수 있는 지점을 정리하면 다음과 같다.

  • 1라운드 응답 정제: 자유서술 응답의 중복 제거·유사 항목 군집·구조화 설문 초안 생성.
  • 피드백 작성 보조: 사분위 이탈자의 근거를 요약·분류해 진행자의 환류 자료 작성을 지원.
  • 사전 탐색(pre-study): LLM 가상 패널로 쟁점·시나리오를 미리 발굴해 설문 설계 품질을 높임.
  • 수렴 모니터링: 라운드별 IQR·Kendall's W·응답률 변화를 자동 집계·시각화.

다만 AI는 학습데이터 편향을 그대로 수렴시킬 위험이 있어, 실제 전문가 패널을 대체하기보다 전처리·운영을 보조하는 범위로 한정하는 것이 현재의 신중한 합의다. 정보관리기술사 관점에서는 이러한 자동화가 감사 추적(응답 이력·근거 보존) 과 방법론적 투명성을 훼손하지 않도록 설계하는 것이 과제다.

6. 고려사항 및 시사점

  • 적용 전략 — 데이터 부재 영역에 선별 투입: 델파이는 과거 실적·실험이 불가능한 판단 집약적 과제(신기술 예측, 신규 서비스 공수, 위협 가능성 평가)에 집중 적용하고, 정량 데이터가 충분한 영역은 회귀·시뮬레이션 등 통계 기법을 우선한다. 만능 도구로 남용하면 비용 대비 효과가 떨어진다.

  • 트레이드오프 — 품질 대 신속성, 합의 대 진실: 라운드를 늘리면 수렴 품질은 오르지만 기간과 이탈이 늘고, 줄이면 조급한 합의에 그친다. 또한 수렴이 곧 정답은 아니며 집단 편향의 수렴일 수 있으므로, 합의율과 더불어 근거의 질을 반드시 병행 평가해야 한다. 정책 델파이처럼 이견 보존이 목적인 경우에는 억지 수렴을 피한다.

  • 진행자 리스크 관리 — 중립성과 편집권: 델파이 결과는 진행자의 설문 설계·피드백 편집에 크게 좌우된다. 진행자가 특정 결론으로 유도하면 방법 전체가 무력화되므로, 설문 사전 검토·피드백 편집 기준 공개·응답 원자료 보존으로 중립성을 제도적으로 보장하고 재현성을 확보해야 한다.

  • 패널 설계 — 다양성·전문성·이해중립성의 균형: 동질 패널은 빠르지만 편향되고, 과도한 이질 패널은 발산한다. 선정 기준을 사전 문서화하고 이해관계 충돌(벤더·수혜부서) 을 통제하며, 적정 규모(통상 10~18명)와 이탈 대비 여유 인원을 확보한다.

  • 운영 절차의 제도화 — 일회성 이벤트화 경계: 델파이를 특정 사업의 일회성 워크숍으로 소비하면 노하우가 축적되지 않는다. 설문 템플릿·수렴 기준·패널 풀(pool)·응답 원자료 보관을 조직 표준 프로세스로 내재화하고, 과거 델파이 결과와 실제 결과를 사후 비교(calibration)해 전문가별 추정 정확도를 관리하면 라운드를 거듭할수록 패널의 보정 능력이 향상된다.

  • 윤리·거버넌스 — 참여와 책임의 균형: 익명성은 솔직한 의견을 끌어내는 장치이지만, 동시에 무책임한 응답을 숨겨줄 수도 있다. 따라서 익명성은 '외부 공개'에 대한 것이고 진행자는 응답 이력을 보관해 내부적으로는 추적 가능해야 하며, 패널 참여 동의·데이터 보호·결과 활용 범위를 사전에 합의해 방법의 정당성과 참여자의 신뢰를 함께 확보해야 한다.

  • 전망·연계 기술: 실시간 e-델파이와 생성형 AI 보조로 운영 비용이 낮아지며 적용 범위가 넓어질 것이다. 실무에서는 리스크 식별([[it-project-risk-response]])의 입력, 공수 산정([[sw-cost-estimation]])의 교차검증, 그리고 AHP([[ahp]])·몬테카를로 시뮬레이션([[monte-carlo-simulation]])과 결합해 정성 수렴 → 정량 우선순위·확률 분석으로 이어지는 하이브리드 의사결정 파이프라인의 앞단으로 자리매김한다.

참고자료


한 줄 요약: 델파이 기법은 분산된 전문가 패널에게 익명 설문을 여러 라운드 반복하고 매 라운드 통계적 피드백을 되돌려 줌으로써, 권위·동조의 편향을 차단한 채 데이터가 부족한 영역의 예측과 합의를 구조적으로 수렴시키는 집단 의사결정 방법이다.