From Economic Agents to Agentic Economies: A Systems Blueprint for Economic World Models

Economic World Models (EWMs) are generative economic models that simulate how economies evolve from within by modeling heterogeneous agents, their beliefs and actions, and the market and institutional mechanisms through which their interactions produce aggregate outcomes. This paper develops an implementation roadmap for building economic world models as generative engines in which heterogeneous agents act, interact, adapt, and co-evolve with markets and institutions, thereby producing economic dynamics from the inside. We organize EWM systems into a six-level capability ladder, from fixed rule-based agent worlds to adaptive and LLM-based agent worlds, self-evolving agents, evolving institutional worlds, and sim-to-real economic twins aligned with real observations. A systematic literature survey across these levels reveals that existing work remains concentrated in lower-level agent and simulation environments, while systems with self-evolving agents, endogenous institutions, persistent empirical alignment, and validated economic mechanisms remain rare. By translating the EWM agenda into an implementation blueprint, this paper aims to accelerate the development of the next generation of economic simulation environments that can serve as high-fidelity sandboxes for human decision-makers and as training, planning, evaluation, and safety substrates for AI agents. We release a curated paper list and related resources to support future research.

한 줄 요약

경제 세계 모델(EWM) 구현을 위한 시스템 설계와 6단계 능력 구조를 제시하며, AI 및 인간 의사결정자용 고정밀 시뮬레이션 환경 개발을 촉진한다.

핵심 기여도

EWM을 **6단계 능력 구조**로 분류하여 구현 가이드를 제시 (고정 규칙 기반 에이전트 세계부터 LLM 기반, 자가 진화 에이전트 세계까지).
**자기 진화 에이전트**, **내생적 제도**, **지속적 경험적 정렬**, **검증된 경제 메커니즘**을 갖춘 시스템이 희소하다는 점을 실증적 리뷰를 통해 밝힘.
**`world.evaluate(...)`** API를 통해 시뮬레이션 경로를 다층적으로 평가하는 런타임 평가 프로토콜 제안.
**Awesome-Economic-World-Models** 리포지토리를 공개하여 향후 연구를 지원.

핵심 아이디어

경제 세계 모델(EWM)은 **이질적 에이전트**, 그들의 **믿음과 행동**, 그리고 **시장과 제도 메커니즘**을 통해 집단적 결과를 생성하는 **생성적 경제 시뮬레이션**이다. 이는 물리적 세계 모델과 달리, 상태 전이가 외부 법칙이 아닌 **에이전트의 내생적 행동**에 의해 결정된다는 점에서 차별화된다.

기존 경제 모델은 "관찰 → 설명" 방식을 따르지만, EWM은 **"생성 → 시뮬레이션"**을 기반으로 한다. 즉, 경제 현상을 외부에서 예측하는 것이 아니라, 내부에서 **에이전트의 관찰, 추론, 행동, 상호작용, 적응**을 모델링하여 경제 역학을 생성한다. 이는 **Data-Driven Generative Equilibrium (DDGE)**과 결합하여, **내생적 환경에서의 학습과 예측**을 가능하게 한다.

기술적 접근법

**6단계 능력 구조**: 고정 규칙 기반 에이전트 세계 → 적응 및 LLM 기반 에이전트 세계 → 자가 진화 에이전트 → 진화하는 제도 세계 → 시뮬레이션-현실 경제 이중체 (sim-to-real economic twins).
**`world.evaluate(...)`**: 시뮬레이션 경로를 기반으로 에이전트 행동, 환경 실행, 공진화, 경험적 정렬, 효율성을 다층적으로 평가.
**평가 대상**: 에이전트 수준 (역할, 목표, 제약), 환경 수준 (가능성 규칙, 시장 청산), 공진화 수준 (안정성, 드리프트), 현실 정렬 수준 (경험적 기반), 효율성 수준 (확장성).
**DDGE**: 내생적 환경에서의 학습과 예측을 위한 **균형 이론 기반 폐루프 시스템**.

주요 결과

**6단계 구조**를 통해 EWM의 구현 성숙도를 분류하고, **자기 진화 에이전트**, **내생적 제도**, **지속적 경험적 정렬**을 갖춘 시스템이 희소함을 밝힘.
**`world.evaluate(...)`** API를 통해 시뮬레이션 경로를 **다층적 평가**로 분석, **에이전트 행동**, **환경 실행**, **공진화**, **현실 정렬**, **효율성**을 평가.
**Awesome-Economic-World-Models** 리포지토리 공개로 향후 연구 지원.

의의 및 한계

EWM은 **AI 에이전트 훈련**, **정책 시뮬레이션**, **경제 예측**, **안전성 검증**을 위한 **고정밀 경제 시뮬레이션 환경**으로 활용 가능하다. 특히, **LLM 기반 에이전트**와 **자가 진화 메커니즘**을 통해 인간과 유사한 경제적 판단을 시뮬레이션할 수 있다.

하지만, **행동 현실성**, **경제 폐루프**, **공진화**, **계산 확장성**, **세계 수준 평가** 등 여러 기술적 도전 과제가 남아 있다. 특히, **내생적 환경에서의 학습과 예측**은 **DDGE**와 같은 이론적 기반 없이 구현하기 어렵다. 또한, **대규모 에이전트 상호작용**과 **복잡한 제도 메커니즘**은 계산 비용을 높인다.

실용적 활용

EWM은 **정책 입안자**가 다양한 경제 시나리오를 시뮬레이션하여 **정책 효과를 예측**하는 데 활용될 수 있으며, **AI 에이전트**가 경제적 환경에서 **훈련, 계획, 평가**를 수행하는 데 사용될 수 있다. 특히, **LLM 기반 에이전트**와 **자가 진화 메커니즘**을 통해 **현실에 가까운 경제적 판단**을 시뮬레이션할 수 있어, **금융, 정책, 기업 전략** 분야에서 실용적 가치가 크다.