오래된 SW 엔지니어의 평생 공부

들어가며

복잡계에 대해서 알게 되면서, 다른 분들께 소개 하기 시작하면서 어떻게 시작하지 고민하게 되었는데요. 돌아가시긴 했지만 당대의 유명한 물리학자라고 할 수 있는 스티븐 호킹 이야기를 안 할 수 없는 것 같습니다. 

" I think the next century will be the century of complexity "
" 나는 다음 세기는 복잡성의 세기가 될 것이라고 생각합니다."

이 분이 20세기 분이기 때문에, 지금 21세기가 복잡계의 세상이 될 것이라는 말씀을 하신거죠. 
이게 상당히 의미 있다고 생각되는게, 물리학자로서 바라보는 흐름을 이야기 하신 것이라 이해합니다. 물리학은 뉴튼 물리학에서 시작해서, 상대성 이론 그리고 양자 물리학을 거쳐서 복잡성 과학에 기초해서 더 발전할 것이라는 기대와 특히, 학제간 연구 (Interdicipline Research)에 복잡성 과학의 적용이 많은 상황으로 이 부분을 언급하는 것이라고 생각합니다.

그런 의미에서도 우리가 복잡계를 알아두고, 혹은 조금이나마 아는척 할 수 있는 정도는 파악하는게 큰 의미 있다 생각이 됩니다.

관련 책소개

우선, 여기서 이야기드릴 내용[1]들은 이런 책들에서 나온 얘기들이에요. 사실 복잡계관련한 책은 더 많지만, 어떤 말씀들을 드릴까 고민을 하면서 항목들을 정리하다가 그 내용이 언급된 책들을 정리하다 보니 총 6권 정도가 되었습니다.

특히 매니지먼트 3.0[2]은 저에게 복잡계라는 주제를 처음 소개한 책입니다. 이 책은 애자일 그 마인드 셋에 기반해서 매니지먼트를 어떻게 할 것인가를 소개하는 책입니다. 즉, 기존의 관리를 이제 1.0 혹은 2.0이라고 하면 이제 애자일 매니지먼트를 3.0이라고 해서 설명하는 책이고, 이 책에서는 다른 애자일 책과는 다르게 이론과 실천법(Practice)들을 번갈아가며 소개하는데요. 여기서 복잡계에 대해서도 다룹니다. 

그리고 전체를 보는 방법[3]도 이제 저희가 제가 이제 처음 거의 처음 복잡계 관련돼서 읽은 책중에 하나인데요. 뒤에 이야기 하겠지만, 집단 지성 혹은 전체주의(Holism)라는 부분에 대해서 소개를 하고 있습니다. 

이제 복잡하지만 단순하게[4] 원제 Simply Complexity 이 책은 정말 잘 쓰여지고 여러 가지 정보를 다루고 있는 책이라고 생각합니다. 여러 분들이 한권만 읽겠다고 하면 이 책을 추천 드릴 것 같습니다. 그렇게 두껍지 않아서 읽는데 부담이 적고, 사례들도 많이 있고 흥미롭게 읽을 수 있을 것 같아서 권해드립니다.

반대로, 스케일[5] 은 굉장히 두꺼운 책이에요. 내가 복잡계 관련해서 좀 책을 봤어 하고 싶은 분은 도전해 보시는 것이 좋겠습니다. 특히, 이 책은 제가 좋아하는 TV 프로그램인 "알쓸신잡"에서도 정승제 교수가 "제프리 웨스트에 의하면..."이라고 이야기 하면서 인용하는 내용이 이책입니다. 간단히 설명하면 복잡계 특징을 가지는 사례들이 규모 변화에 대해서 설명하는 여러 내용이 포함되어 있습니다. 몇 가지 사례를 설명 드릴 겁니다.

링크[6]는 복잡계 네트워크 특히 이제 사람들 관계나 이런 것들에 대해서 기존 다른 네트워크와 복잡계 네트워크에 대해서 설명하고 있는 책입니다. 이를 기반으로 성공에 대해서 분석한 성공의 공식 포뮬라[7] 잠시 소개합니다.

문제를 바라보는 관점으로서의 복잡성

처음 말씀드린 것처럼 매니지먼트 3.0[2]에서 여러 원칙들과 이를 떠받드는 기반 원리에 대해서 설명하는데요. 아래 그림과 같은 마티(Martie)[8]의 오른쪽 다리가 Complexity Thinking입니다. 즉, 복잡성 기반으로 생각하는 것이 중요하다는 것입니다.

매니지먼트 3.0의 저자인 위르헌 아펄로는 구조, 행동 모델[8]을 통해서 문제를 어떻게 바라 보는지 자신만의 설명을 합니다. 행동 쪽에서는 질서(Order), 복잡(Complex), 혼돈(Chaos) 이렇게 나누고 있고,구조는 단순과 난해(Complicated)로 나누어서 설명합니다. 복잡에서 보면, 단순한 구조이면서 복잡한 것은 사람들과의 관계이고, 이것이 난해해지면, 도시 수준이 되는 것이라 볼 수 있습니다.

물론, 다른 유명한 의사 결정 프레임워크로서 커니빈 프레임워크(Cynefin Framework)도 소개합니다. 커네빈은 스코틀랜드 말을 기반으로 해서 스펠링으로 보면 발음에 대해서 알기 어렵습니다. 아는 척 하기 위해서 기억해 두셔야 합니다.

커네빈 프레임워크는 데이브 스노든이 이제 제안하는 의사결정 프레임워크인데 적어놓은 것처럼 관리자들이 상황을 인식하고 이 상황이 어떤 곳에 속하느냐를 인식을 하고 자신 및 사람들의 행동을 이해를 해서 의사결정을 돕기 위한 개념적인 프레임워크라고 할 수 있습니다. 문제를 어디에 포함된 것인지에 따라 다르게 접근하는 것으로 설명합니다. 

여기서 얘기하는 4가지, 분명, 난해, 복잡, 혼돈만 있는 것은 아니고 디스오더라고 해서 여기 어느 곳에도 속하지 않은 상태도 있습니다. 하지만, 여기서 어느 한쪽으로 흘러가게 되어 있습니다. 

분명인 경우에는 베스트 프랙티스를 사용하게 되는데요. 이 때는 문제에 대해서 인식(Sense)하게 되면 어느 Best Practice로 가야할지 분류(Categorize)를 하고 반응(Respond)하면 됩니다. 난해인 경우는 Good Practice로 인식(Sense)를 하게 되면 분석(Analyze)를 해서 실행(Practice)를 하면 됩니다.

복잡(Complex)인 경우는 노블 프렉티스(Novel Practice)라고 완전히 새로운 방법이 필요한 거죠. 그래서 접근하는 방법들이 좀 틀려요. 실험(Probe)하고 인식(Sense)해서 응답(Resond)해야 한다는 접근법을 제안합니다. 

혼돈의 경우는 사고 상황과 같은 것을 고려할 수 있는데요. 이 때는 우선 행동(Action)해야 합니다. 우리가 죽을 수도 있는 상황이니까요. 그리고 나서, 인식(Sense)하고 응답(Respond)합니다. 이런 것들을 나눠서 하자는 게 이제 어떻게 보면 커네빈 프레임워크 그리고 복잡계를 고려한 접근법의 제한 사항이라 볼 수 있습니다.

정의 및 개념

제가 복잡계에 대해서 알게된 상황이나 애자일에 대해 연결된 부분을 이야기 드렸습니다. 그렇다면 도데체 복잡성이란 무엇일까요?

"복잡하지만 단순하게" 나온 얘기인데요, 이런 격언이 있다고 합니다.

"둘이면 좋아도 셋이면 너무 많다."

이 많다는 것이 복잡하다 이런 뜻이기도 한데요. 복잡성 혹은 복잡성 과학의 정의는 "상호작용"을 하는 "개체"들의 집합에서 발생하는 "창발(Emegence)"하는 특징 혹은 그 특징에 대해 연구하는 학문이라고 할 수 있습니다. 여기서, 여기서 상호작용은 이제 피드백 혹은 기억이라고 하고, 창발은 개체들에서 볼 수 없지만 그룹이나 전체로 보면 발견되는 것, 그러한 특징이라 할 수 있습니다. 

크게 어떻게 보면은 또 복잡계는 두 개로 나눠서 설명을 합니다. 하나는 복잡 적응계(Complex Adaptive System, Adaptive Complex Syste) 혹은 복잡 비적응계(Non-adaptive Complex System)이다. 복잡 적응계는 피드백에 다르게 반응하고, 비적응의 경우는 다르게 반응하지 않는 것입니다. 개미와 같은 생명체는 전자이고 싱크대에서 물이 내려가면서 만드는 소용돌이를 후자로 분류합니다.

연구 사례에는 지구 온난화, 교통 체증, 시장 폭락, 바이러스, 암, 전쟁, 테러, 군중, 홍수, 폭염, 태풍, 가뭄, 인터넷 과부하, 대정전 사태가 소개됩니다. 대부분의 상황은 여러 존재들이 식량, 공간, 에너지, 권력, 부 등 "한정된 자원을 놓고 경쟁하는 상황"이 핵심이라고 볼 수 있습니다.

보통 책들에서는 두 가지 다 다루고 있는데 저희가 관심 있는 건 사실은 복잡적응계입니다. 생명체가 있다거나 이런 좀 관련돼 있는 개미 무리 같은 게 그런 게 될 수 있죠.

환원론 vs 전체론

복잡계를 얘기할 때 또 설명하지 않을 수 없는 것 중에 하나가 환원론(Reductionism)과 전체론(Holism)입니다. 

자료[1]에 있는 것 처럼 오리에 대해서 살펴 봅시다. 이 오리를 분해해 보는 거죠. 입이 있고, 식도가 있고 이런 식으로 말입니다. 사실 그렇다면 왼쪽에 있는 것과 살아 있는 오른쪽 오리와 다르지 않을 수 있습니다. 이렇게 보는 것이 환원론입니다.

하지만, 전체론은 오리를 나눠봐도 살아 있는 것이 아니고 이러한 부분이 모여서 살아 있는 오리가 다르다는 것입니다. 이렇 듯, 복잡계에서는 여기서 말씀드린 것처럼 전체론으로 살펴보고 있습니다. 

복잡계로서의 무리(Swarm)

전체를 보는 방법에서 재미있는 것 중에 하나는 복잡계로서의 무리 이 집단 지성에 대해서 다루는 챕터가 있습니다. 사실 흥미로운 비디오[10]를 찾아서 첨부했습니다. 개미와 같은 무리가 지능을 가진 것처럼 움직인다는 예입니다.

개미와같은 경우 여왕개미가 있어가지고 지시하는 대로 움직인다 이렇게 생각할 수 있겠지만 전혀 그렇지 않거든요. 벌 같은 경우도 분봉을 할 때 결국 이제 벌의 무리가 하나로 이렇게 성장을 하다가 다른 쪽으로 나가서 자리를 잡으려고 할 때 장소를 선별하거나 이런 것도 우리가 이제 그것들을 이제 선정을 하고 조사가 되면 중앙의 지시 없이 적절한 장소로 이동해서 나눠집니다.

그리고 벌집의 온도를 조정하는 것도 어떻게 보면 뭐 여왕벌이 더워, 그러니 조절해 이렇게 하는 게 아니고 벌들의 이제 다양한 센서들이 달라서 자기들이 특정한 온도로 이렇게 맞춰져 가게 되는 다양성에 의해서 안정화가 된다는 겁니다. 이런 것들이 단순한 규칙과 피드백들로 이루어 진다는 것입니다.

또 특징적인 것 중에 하나가 이제 자기 조직화 특징이 있습니다. 앞에서도 이야기 한 것 처럼 중앙 통제가 없어요. 자기가 이제 알아서 이렇게 되게 되는 거죠. 그래서 이 비디오를 보시면 어떤 물건을 이제 이상하게 생긴 물건을 이제 옮기는 건데 사람들이 몇 명의 사람들이 같이 움직이는 거 결국 사람들이 생각하는 거 하고 개미들이 이렇게 움직이는 거하고 보여주는 지성이 다르지 않다는 거죠.

최근에 드라마 중에 이제 삼채, 3 body problem도 삼채인이 인간들과 좀 다른 부분이 있는 것 같아요. 삼채인들이 인류를 버그 벌레라고 불렀긴 하지만 결국 그 삼체인들이 좀 굉장히 작은 크기 쌀알 크기라고 알려져 있고 마치 이런 자기들이 실제로 이런 곤충들처럼 굉장히 어려운 각박한 환경에서도 생존하고 인류보다 더 높은 지성을 키워왔던 그런 생명체로서 가능하지 않겠나 이런 생각이 듭니다. 그래서 어떻게 보면 이것이 물론 SF이지만 현실성 있는 가능성 있는 실현성이 있는 상상력이 아닌가 이런 생각이 듭니다. 그래서 이 비디오를 한번 살펴보시면 이 물건들을 옮기는 집단지성 개미들이 보여주는 집단지성에 놀라실 수도 있을 것 같습니다.

복잡계에서의 체계적 크기 변화(Scale) 

이제 스케일[5]에 나온 얘기인데요. 복잡계의 체계적인 규모 변화에 대해서도 설명을 합니다.

그래서 복잡계의 특징으로서는 기본적으로 규모 변화에 대해서는 익스포넨셜(exponential)이다라는 것입니다.  r^k로 이제 설명을 하는데 동물 크기 심장 박동 수 수명 이런 것들을 설명을 합니다. 그래서 실제로 이제 설명할 때 고질라가 실제 같은 크기가 가능하냐 라는 부분에 대해서 증명을 하는데 불가능하다라는 게 이제 그런 부분이에요. 이렇게 보면 이제 포유류로서의 그 크기 심장을 가지고 이렇게 그렇게 그 기관들을 가지면서 할 수 있는 뼈나 이런 것들 지금 가장 큰 크기를 가질 수 있는 포유류는 고래라는 거죠. 대략 34m 이 정도 되는 그런 고래 정도 크기가 최대이고 이거보다 클 수 있는 거는 불가능하다라는 부분에 대해서 또 설명을 하고 있어요.

그리고 도시의 크기와 창의성의 관계 같은 경우도 지수가 아까 여기 보여준 것처럼 약 k가 1.15 정도 보여주는 특징들을 살펴보실 수가 있습니다. 이런 것들이 이제 예로써 스케일이 굉장히 많이 나오는데 재미있는 것 중에 하나가 이 책도 제가 또 흥미롭게 봤던 알쓸신잡의 정재승 박사가 이제 설명할 때 보면 "제프리 웨스트에 의하면.." 이라고 얘기했던 그 부분이 이 스케일에 대해서 언급을 한 부분으로 아실 수가 있습니다.

이것도 굉장히 두꺼운 책이나 사실은 복잡하게 이런 정도 얘기만을 알고 계셔도 아는 척하기에는 딱 적절할 수 있다 이런 생각이 드네요.

복잡계 네트워크

복잡계 얘기를 할 때 복잡계 네트워크를 얘기를 안 할 수가 없을 것 같습니다. 이유 중에 하나는 이제 사람들이 얽혀 있는 네트워크이 그런 거기 때문에 저희가 또 애자이나 이런 쪽에 관심을 가지고 본다고 하면 그 얘기를 하지 않을 수 없고 이 이제 스케일 프리 네트웍크이라는 얘기가 이 스케일이나 링크 이제 성공의 공식 포뮬러[7]에 나옵니다.

[1]에서 보시는 것처럼 랜덤 네트워크(Randome network)나 이제 스케일 프리 네트워크(Scale-free network)을 비교할 수 있습니다. 스케일 프리 네트워크의 정의를 잘 살펴보면 연결 선의 수의 분포가 멱 법칙을 가집니다.그러니까 결국은 이 연결을 많이 가진 녀석들이 존재해요. 그래서 그걸 허브라고 하는데 이 허브들이 있고 해서, 연결이 끊어 지거나 네트워크가 망가지더라도 회복력이 좋습니다.

그리고, 실제 인간 네트워크이고 보면 좁은 세상 이제 법칙이라고 케빈 베이컨 법칙이라는 게 있습니다. 그래서 여섯 단계에 분리돼 있다. 결국 무슨 얘기냐면 여러분과 이제 몇 단계만 넘어가면 이제 다 안다는 거죠. 쉽게 얘기해서 내가 어떻게 보면은 미국 대통령을 어떻게 알 거냐 라고 하면 내가 아는 분 중에 어떻게 보면 고위 공직자분하고 연결이 돼 있고 그 고위 공직자가 이제 대통령하고 연결돼 있고 대통령이 미국 대통령하고 연결돼 있기 때문에 그런 단계들을 몇 개 넘어가 보면 알기 어려운 분도 연결될 수 있다는 것이죠.

이게 좁은 세상 어떻게 보면 인간 네트워크들이 이렇게 굉장히 좀 작다는 부분이기도 하고 이런 것 때문에 어떻게 보면은 이런 허브들이 많이 가져가게 되기 때문에 승자 독식이라는 부분, 그 다음에 빈익빈 부익부 이런 현상들이 생기는 부분들 그런 것들을 보실 수가 있습니다.

성공의 공식 포뮬라에서도 이제 그런 얘기들을 하는데 여러 법칙들 중에 여기 관련된 것들을 볼 수 있는 것은 1 법칙: 성과는 성공의 원동력이지만 성과를 측정할 수 없을 때는 연결망이 성공의 원동력이 된다 라는 것이죠. 그러니까 결국에 어떻게 연결돼 있는가 누구랑 연결돼 있는가 그런 부분들을 이제 성공의 공식 포뮬러에서 얘기를 하고 있거든요. 그리고, 제 4 법칙 같은 경우는 이제 팀이 성공하려면 다양성과 균형 결국 이제 네트워크들이 튼튼하게 하게 하려는 것이 필요하지만, 팀이 성과를 올리면 오직 단 한 사람만의 공을 독차지한다 이런 얘기가 또 나오게 되어 있습니다.

또 복잡계 네트워크인 스케일 프리 네트워크를 보실 때도 미국 비행기 망이 그런 특징을 가지고 있습니다. 그러니, 허브 공항들이 있습니다. 여기 보면은 아마 LA하고 시카고하고 뉴욕도 보일 겁니다. 

다시, 조직의 네트워크를 살펴 보기 위해, 매니지먼 3.0으로 돌아보면 실제로 이제 권한(Hierarchy)이 존재하지만 네트워크 또 어떻게 보면 좀 다른 걸 수도 있습니다. 이런 상황에서 결국 허브가 되는 사람들이 있다는 것입니다.

마무리

이렇게 복잡계에 대해서 살펴 볼 때에도 사실은 제가 관심 있는 부분인 애자에서 시작해서 보게 됐습니다. 여기 있는 애자일 개발 선언문에서도 여러 가지 부분들을 이제 앞에 설명드렸던 것들을 이해를 할 수 있을 것 같습니다.

결국에는 이제 여기서 강조하는 것도 공정과 도구보다는 개인과 상호작용이 더 중요하다는 부분으 이제 복잡기 안에 있을 때 개인일 수밖에 없고 그거에 대해서 어떻게 보면 더 좋은 저희가 그 복잡한 상황들을 잘 이해하려면 상호작용에 집중해야 한다는 것으로 이해할 수 있습니다.

그리고, 저희가 문서보다는 저희가 작동하는 소프트웨어를 더 강조하는 부분과, 고객이라는 것도 저희 팀으로 본다거나 아니면 환경으로 본다고 하더라도 그 상호작용을 통해서 복잡계로 이해하면 협력을 더 할 수밖에 없는 것이라 생각됩니다.

커네빈 쪽으로 살펴보더라도 아니면 저희가 이제 복잡해서 커니벤 프로임 워크로 문제 해결할 때 대응하는 방식을 하더라도 복잡하다는 상황이라면 결국에는 뭔가 실험하고 거기에 대해서 어댑트 하는 부분들이 필요하다. 결국에는 이제 이런 것들이 저희가 복잡계 과학에서 보듯이 대응하는 방법으로 이제 대응하는 것들을 거기에 활용하는 것들을 복잡기를 가지고 조금 더 이런 것들이 왜 더 중요한지에 대해서 이해할 수 있는 그런 부분이 있기 때문에 어떻게 보면은 애자일과 애자일을 이해하는데 복잡계에 대한 것들이 기본적으로 이해되는 것들이 필요하다고 생각이 되고요.

다시 돌아가서 그런 의미에서 매니지먼트 3.0에서도 어떻게 보면 복잡계를 소개하고 또 매니지먼트 3.0을 바치는 중요한 축으로 설명하는 거라고 생각이 듭니다. 그래서 이 정도만이라도 알고 계셔도  여러 책들을 읽어서 알게 되시는 기본적인 지식들을 아시는 것이라 할 수 있습니다. 그래서, 좀 아는 척하시기 딱 좋지 않을까 이렇게 생각돼서 소개드려봅니다.

참고 도서

[1] 아는척 하기 딱 좋은 복잡계 이야기, https://docs.google.com/presentation/d/1F6EffbTvYQxBiP2gN5dPaSflu3FlC8nOS0JFIRpeGjo/edit#slide=id.g2264d6f5244_0_56
[2] 위르헌 아펄로, "매니지먼트 3.0 - 새로운 시대, 애자일 조직을 위한 새로운 리더십", 에이콘 출판, 조승빈 옮김.
[3] 존 밀러, "전체를 보는 방법 - 박테리아의 행동부터 경제현상까지 복잡계를 지배하는 핵심 원리 10가지", 에이도스, 정형채,최화정 옮김
[4] 닐 존슨, "복잡하지만 단순하게 - 복잡한 세상에도 패턴은 있다", 바다출판사, 한국복잡계학회 옮김
[5] 제프리 웨스트, "스케일 : 생물.도시.기업의 성장과 죽음에 관한 보편 법칙", 김영사, 이한음 옮김

[6] 알버트 라슬로 바라바시, "링크: 21세기를 지배하는 네트워크 과학" 동아시아 

[7] 앨버트 라슬로 바라바시, "성공의 공식 포뮬러", 한국경제신문,  홍지수 옮김
[8] Mamagement 3.0 Foundation Workshop, https://management30.com/workshops/foundation-workshop/
[9] How Complexity Leads to Solutions (Cynefin Framework and the Structure-Behavior Model),  https://management30.com/blog/complexity-solutions-cynefin/
[10] Human vs Ants, https://youtu.be/ZHpu7ngQxwE?si=l7-PLmhJKSi9neR2

"복잡하지만 단순하게(Simply Complexity)"[1], 이 책은 복잡계 삼인방이 읽은 책 중 단 한 권만 골라 추천할 것이라는데 동의한 책이다. 어려운 내용을 꿰뚫는 정리와 다양한 사례가 포함되어 다양한 분야의 사람들이 흥미를 가지고 살펴볼 수 있는 책이다. 많은 복잡계 책이 다루고 있는 바이러스, 도시, 전쟁, 물리학 그리고 금융에서의 다양한 사례가 설명되어 있다.

이 책에서는 여러 책에서도 채용하고 있는 복잡성 과학 정의를 채용하는데, "상호작용"하는 "개체"들의 집합에서 "창발"하는 현상에 대한 연구가 그 것이다. 사실 복잡계가 무엇이라 정의하는 것 보다는 우리가 보는 "현상"을 가지고 정의하는 것이 흥미롭다. 또한, 흥미로운 것은 현실 세계에서의 복잡성 사례 대부분은, 여러 존재들이 식량, 공간, 에너지, 권력, 부 등 "한정된 자원을 놓고 경쟁하는 상황"이 핵심이라고 지적하고 있는 것이다. 나는 이 부분이 가장 다른 책들과 다른 부분이라 생각한다.

좀 더 상세한 복잡계의 특징은 다음과 같다.
1. 복잡계는 다수의 상호작용 하는 개체, 또는 행위자(agent)의 집합체를 포함한다.
2. 개체들의 행태는 '기억' 또는 '되먹임'에 의해 영향을 받는다. 과거가 현재의 의사결정에 되먹임(feedback)되었다.
3. 객체들은 과거 이력에 따라 그들의 전략을 조정할 수 있다.
4. 복잡계는 일반적으로 '열려' 있다. 흥미로운 것은 대조적으로 우주는 닫혀 있다.

앞에서 언급한 복잡계가 "한정된 자원을 놓고 경쟁하는 상황"이라는 부분은 대부분의 복잡계 책에서 다루는 상황이다. 이 책이 특이한 부분은 이렇지 않은 경우에 대해서 연결, 즉 복잡계 네트워크 특징에 대해서 언급하는 부분이다. 즉, 자원이 많지 않은 집단에서의 네트워크는 집단 구성원 사이에 약간의 상호연결만 더해 줘도 성공적인 사람과 그렇지 못한 사람들 사이의 격차는 커지고 평균적인 성공률도 떨어진다고 한다. 예로 보면 후진국(60년대 한국, 멕시코 등)에서는 빈부 격차 확대, 독점 현상 발생하는 것을 살펴 볼 수 있다. 반대로는 자원이 풍부한 집단을 생각할 수 있다. 상호연결성이 낮으면 평균 성공율 높아지고, 대부분의 구성원이 성공하지만 상호연결성이 높으면 전체적인 공정성이 높아지고 성공율 격차가 작아진다.
선진국이라고 할 수 있는 유럽에서 이런 부분을 살펴 볼 수 있다.

7장 "교통 네트워크와 기업의 사다리"에서는 팀과 더글라스의 수레 바퀴에 비유하는 바퀴통-바퀴살 네트워크가 흥미로웠다. 이는 바퀴통에 해당하는 바깥 고리 위에서 바퀴살을 이용하여 두 점 사이 이동에 최단 이동 시간 계산하는 수학 이론이라고 할 수 있다. 여기서는 바퀴살, 즉 도로의 수 최적화 가능한 것에 대해 이야기한다.  흥미로운 것은 이 모델로 구한 답은 하나가 아닐 경우도 많다. 그렇다면, 어느것이 '정답'일까? 이 모델을 제안/적용하여 연구를 진행한 연구자들은 모두가 답이라는 의견이다.

9장에서는 앞에서 언급한 바퀴통-바퀴살 모델을 전쟁의 전략으로도 응용하고 있다. 비유로 늑대로 부터 양 때를 보호하는 개의 입장에서의 전략을 설명하고 있다. 이는 외부의 바퀴통에서 안의 바퀴통으로 가는 바퀴살의 숫자에 따라 다른 전략을 쓰는 것이 핵심이다. 우선 크게 공세적 방어와 수세적 방어로 나누어 이야기 한다. 공세적 방어는 개가 공격자를 공격함으로써 목표 대상을 방어하는 것이다. 이 것은 개, 양, 늑대의 수가 적을 수록 공격이 최선의 방어라는 측면이다. 늑대가 소수라면 추적하여 공격하는 것이 최선의 전략이라는 것이다. 수세적 방어라는 것은 보호 대상에 바싹 붙어서 방어하는 것이다. 보디가드가 VIP를 보호하는 방식과 유사하다 볼 수 있다. 이와 같이 적응적 전략이 유요할 수 있겠다.

앞에서 언급한 것처럼 복잡계의 정의, 사례 그리고 복잡계 네트워크까지 그리고, 자원의 다양성과 같은 상황에 따른 설명까지 폭넓은 시야를 제공하는 것이 이 책의 장점이다.

참고문헌

[1] 닐 존슨, "복잡하지만 단순하게 - 복잡한 세상에도 패턴은 있다", 한국복잡계학회 (옮긴이), 바다출판사 2020-02-24

"신호와 소음"은 "슈퍼 예측"에서도 언급되었고 또한 미국 선거 예측으로 유명한 네이트 실버의 책이다. 책이 크게 4개의 섹션으로 나뉘어 있다. 첫 번째 섹션인 '예측에 대한 근본적인 의문들'에서는 여러 사례들을 통해서 예측에 관해 이야기를 한다.

1장 '경제: 경제 붕괴, 왜 전문가들은 예상하지 못하는가'에서는 리먼 브라더스를 시작으로 한 경제 붕괴에 대한 이야기이다. 많은 이들이 이 사건을 블랙 스완이라고 한다. 하지만, 이 사건을 배경으로 하는 영화 '빅 쇼트'에서도 나오지만, 여러 조짐이 시장에서 보였다. 책에서도 주택가격 폭락은 블랙 스완이 아니고, 모두 알고 있지만, 이야기 하지 않고 큰 문제를 가리키는 '방 안에 들어와 있는 거대한 코끼리'였다고 이야기 한다.

특히 이 장에서는 위험과 불확실성에 대해서 구분하여 설명한다. 위험은 가격을 설정할 수 있다. 측정할 수 있는 위험의 예에는 포커에서 하나가 틀린 스트레이트가 완성될 확률은 정확히 1/11이라고 한다. 반면에 불확실성은 측정하기 어려운 위험이다. 불확실성에 대한 예측은 100배 빗나갈 수도 있고, 1000배 빗나갈 수도 있다. 저자는 위험은 자유시장 경제의 바퀴에 윤활유를 칠하지만, 불확실성은 바퀴를 갉아 멈춰 서게 한다고 이야기 한다.

특히, 시장 경제에서 탐욕과 공포는 변덕스럽다고 이야기 한다. 이 둘은 시장의 균형을 만들지만, 또 둘 사이의 균형은 언제든 흔들릴 수 있다고 이야기 한다. 탐욕 과잉은 거품 그리고, 공포 과잉은 공황을 만들어낸다고 설명한다.

빅 쇼트 영화에도 나왔지만, 역사적으로 일어나지 않았다고 그것이 일어나지 않을 것이라 믿는 것은 문제가 있다. 부동산은 안전하다고 믿는 것은 문제가 있다는 것이다. 또한, 여유 마진이 없는 경우 조금만 잘못되어도 겉잡을 수 없다는 것이다. 또한 빅 쇼트 영화에서 계속 나오는 것이 자산의 평가가 구조적인 문제로 계속해서 잘못되고 있었다는 것이다. 즉, 표본 외 상황이 발생하고 그에 대한 대비가 되어 있지 않은 상태에서 위기가 왔던 것이라 볼 수 있다.

2장에서는 네이트 실버가 유명해진 선거 결과를 예측 하는 것에 대한 이야기를 한다. 여기서는 "슈퍼 예측"의 테틀록의 그 이전 연구인 '전문가의 정치적 판단(Expert Political Judgement EPJ)'를 언급한다. 특별히 여기서 인용한 부분은 전문가들의 경우 하나같이 동전을 던져 판단을 내릴 때보다 낫지 못했다라는 매우 공격적인 비판이다. 그러면서, 예측을 하는 사람들을 고슴도치와 여우 두 부류로 나눠서 설명한다. 그러면서, 여우는 경험에서 예측을 업데이트 하면서 정확도가 높아진다. 반면, 고슴도치는 자기 편견의 강화 가능성이 더 높아져서 정확도가 더 나빠진다고 설명한다. 즉, 우리는 분석 작업에서 어느 한쪽을 응원하는 마음은 접어두고, 여우의 접근 방법으로 우리가 다루는 사실 그 자체에 접근할 필요가 있다고 주장한다.

예측하는데 도움이 될 수 있는 여우의 원칙은 다음과 같다고 설명한다.

1. '확률적으로 생각하라'라는 것이다. 즉, 결과가 일어날 가능성을 범위로 제시하는 것이다. 이 것은 실제 현실에서의 불확실성을 가장 정직하게 표현하는 것이라 볼 수 있다.

2. 날마다 새로운 예측을 하라는 것이다. 상황은 계속해서 달라질 수 있다. 그리고, 옛날의 예측이 잘못된 것이 분명하다면 어제의 예측이 매달릴 이유는 없기 때문이기도 하다.

3. 집단지성을 활용하라는 것이다. 책에서는 집단 예측이 개인 예측보다 10~25% 정확하다고 언급한다.

저자는 예측 작업을 할때 양적인 접근을 좀더 선호한다. 그러면서, 객관적이라는 것이 계량적(Quantitive)와 동의어로 사용한다고 이야기 한다. 또한, 객관적이라는 것을 개인적 편향과 편견 너머에 있는 진리를 바라본다는 뜻이라고 이야기 하고 있다. 이렇게 하기 위해서 계량적으로 측정하는 것도 편견을 배재하는데 도움이 될 수 있다고 생각한다.

'예측에 대한 근본적인 의문들' 섹션의 마지막 3장에서는 "야구: 야구경기는 왜 모든 '예측'의 모델이 되는가'이다. 제목에서도 알 수 있듯이, 야구에서의 예측에 관한 것이고 이것은 영화 '머니볼'로도 알려진 머니볼에 대해서 이야기 하고, 최근에 한국에서도 유명했던 드라마 '스토브 리그'도 생각하게 하는 챕터였다.

저자는 좋은 야구 예측 시스템은 다음 세가지 기본 사항을 갖추어야 한다고 이야기 하면서, 아래와 같이 설명한다.

1. 각 선수의 통계 자료가 갖는 맥락의 의미 설명하기

2. 실력과 운을 분리하기

3. 노화곡선(선수가 나이와 성적의 관계) 이해하기

우선 야구 선수에 대한 예측을 이야기 한다. 즉, 한 선수가 언제까지 좋은 성적을 내며 뛸 수 있을까가 중요한 질문일 수 있다. 사실 야구 선수의 실력은 고정된 게 아니라 끊임없이 변한다. 바로 여기 예측가의 도전과제가 있다고 저자는 이야기 한다. 이론적인 노화곡선은 '평균적으로 볼때만'매끄러운 곡선 모양이다. 선수는 신인에서 시작하여 스물 일곱살에 절정기를 맞고 떨어지기 시작한다. 그러나 실재로 선수 개개인의 측면에서 보면 노화는 선수마다 다른 속도로 진행된다. 또한, 지독할 정도로 소음이 많다.

머니볼적이 측면에서 이 예측을 활용해야 하는 사람들이 스카우터일 것이다. 하지만, 머니볼이 처음에는 성공했을지 모르지만 통계학자들이 계속적으로 성공을 한 것이 아니다. 스카우터들도 혼합 방식의 접근법을 사용하는 것이다. 즉, 보이지 않는 요소들도 고려하는 것이다.

책에서는 정신적 도구 상자(mental toolbox)라고 소개하는 어떤 선수가 메이저리그에서 성공할 것으로 예측하는데 도움이 된다고 그가 믿는 지적/심리적 능력 다섯 가지를 소개한다.

(1) 준비성과 노동 윤리 : 날마다 프로답게 프로 수준의 기량을 펼쳐야 한다. 일정한 량의 훈련을 반드시 해야한다.

(2) 집중과 초점 : 선수가 경기중에 취하는 태도와 관련이 있다.

(3) 경쟁심과 자신감 : 실패의 두려움을 극복할 정도로 더 높은 성공을 거두고야 말겠다는 바람과 각오가 있는가

(4) 스트레스 관리와 겸손 :

(5) 적응력과 학습 능력 : 새로운 정보를 얼마나 성공적으로 처리하는가? 조언에 귀를 기울이는가? 변화에 어떻게 대응하는가?

책에서는 머니볼이 죽었다고 이야기 한다. 죽었다고 이야기 하기에는 과장된 느낌이 있다. 이미 모든 사람들이 그것을 채용하고 있기 때문이다. 만일 그것을 채용하지 않았다면 다 뒷쳐졌을 것이다. 어찌 보면 머니볼만 보던 사람들은 다른 사람들이 하고 있는 유용한 것을 놓치기 때문에 도리어 뒷쳐질 수도 있다. 그렇다면 진정한 머니볼은 죽었을지 모른다. 좋은 발상을 했다더라도 금방 다른 사람들이 달려 들어 그걸 베끼고 그들 자신을 제쳐 버리기 때문이다.

최근에 보고 있는 미드 Foundation의 대사가 생각이 난다. “You can't save yourselves, but you can save your legacy.”

참고 문헌

[1] 네이트 실버 저/이경식 역, '신호와 소음 미래는 어떻게 당신 손에 잡히는가,' 2014년 07월 11일

애니 듀크의 "결정: 흔들리지 않고 마음먹은 대로", 이 책은 포커에서 돈을 거는 베팅(betting)이라는 표현을 빌어 결정(decision)에 대해 설명한다. 저자는 우리의 삶을 좌우하는 요인이 두가지라고 이야기 한다. 그것은 의사 결정의 질과 운이다. 둘의 차이점을 알고 결정에 돈을 거는 것 즉, 베팅하듯 사고하는 것이라고 이야기 한다. 처음에는 와닿지 않을 수 있지만 책을 읽다 보면 이것이 다구나 라고 이해할 수 있을 것이다.

이 책은 예측에서 많이 이야기 하는 야구 경기를 예로 시작한다. 결과적으로는 패한 경기의 감독의 이야기를 하면서 그가 결정한 투수 교체에 대해서 그 결과로 판단하는 이야기를 가장 처음 한다. 그녀는 자신의 포커 커리어에서 경험 많은 선수들에게 배운 결과로 판단하는 것이 얼마나 위험한지 이야기 한다. 그녀는 포커 경기를 하면서 단기적으로 몇번의 패가 좋지 않았다는 이유만으로 전략을 바꾸고 싶은 충동이 들더라도 포커 선배들은 꿋꿋이 그것을 이겨내야 한다고 조언했다.

그녀는 포커에는 불확실성이 존재하기 때문에 결정에 대해 가장 빠르게 배울 수 있는 의외의 장소라고 말한다. 저자는 포커에서 성공하려면 타고난 재능보다, 본인의 의도대로실행하는 방법을 찾는 것이 더 중요하다고 이야기 한다. 흔한 의사결정 함정을 피하고 이성적으로 결과로 부터 교훈을 얻고, 의사결정 과정에서 최대한 감정을 배제하며 전략을 실행해야 한다고 이야기 한다. 이것은 우리가 다른 의사 결정을 할 때에도 마찬가지이다.

의사 결정을 할 때 함정은 여러 곳에 도사리고 있다. 저자는 자신이 다 알고 있다는 위험한 착각을 버려야 한다고 한다. 쉬운 예로 동전을 던져서 나오는 확률은 어떠한가? 50:50이라고 이야기 할 것인가? 이것은 이론적이지만, 우리가 던지려고 하는 동전은 실재로 그 확률을 가지고 있을까? 그러므로, 누군가 아무 동전을 던지고 확률을 묻는다면, 우리는 '확실하지 않다.'라고 이야기해야 맞을 것이다.

우리가 이러한 불확실성을 기꺼이 받아들일 때 더 나은 의사결정자가 될 수 있는 까닭은 여러가지가 있는데 그 중 두가지 있다고 저자는 말한다. 첫 번째는 '확실하지 않다'는 그저 이 세상을 좀 더 정확히 묘사한 말일 뿐이기 때문이다. 두 번째는 확실하지 않다는 걸 받아들이면 흑백논리의 함정에 빠질 가능성이 줄어들기 때문이다.

그리고, 이와 같은 불확실성은 생각보다 자주 발생한는 이변도 포함하고 있다. 예를 들어 선거에서 어떤 후보가 60대 40이나 70대 30의 승률이 전망된다고 해보자. 저자는 이 후보가 질 가능성이 얼마나 높은지(물론 그 반대의 경우도) 뼛속 깊이 알고 있다. 즉, 60%로 이긴다고 예상된다는 이야기는 40%의 확률로 진다는 뜻이라는 것이다. 저자는 이러한 불확실성의에 대해 알고, 틀림에 대해서 다시 정의하고, 자산의 추측이 자원 배분마저 좌우한다는 걸 인정해야 한다고 주장한다.

우리는 생존에 필요한 기술의 경우 1형 오류(긍정 오류)를 저질러 치러야 하는 대가는 2형 오류(부정 오류)의 대가보다 덜했다. 달리 말해, 나중에 후회하는 것보다는 미리 조심하는게 낫다는 것이다. 우리는 직접적으로 경험하는 것들, 특히 우리 목숨이 달린 경우에는 믿음에 관한 대단한 의심을 발동시키지 않았다. 우리는 스스로를 편협하지 않고 새로운 정보에 따라 믿음을 얼마든지 바꿀 수 있는 사람이라고 생각하지만 실재로는 그 반대라는 것이다. 우리는 '새로운 정보에 걸맞게 믿음을 바꾸기'는 커녕 그 정보를 '우리의 믿음에 맞추어 해석'하는 것이다.

그렇다면, 우리가 의사결정을 내릴 때 어떻게 하는 것이 좋을까? 우리의 믿음에 있어서 단순히 자신이 있는지 없는지가 아니라 얼마나 자신이 있는지 생각하는것이 바람직 할 것이다. 이를 색으로 표현한다면 흰색 혹은 검은색 이라기 보다는 중간의 어디인가 있는 회색이 될 것이다.

결정을 하는데 학습은 어떤 역할을 할까? 의사 결정에 대한 실천을 해야 하는 시간에 가까운 피드백이 많이 발생할 때 학습이 일어난다고 한다. 그렇다면, 포커 게임은 아주 이상적인 학습 환경이 될 것이라고 저자는 이야기 한다. 베팅을 하고, 상대로 부터 즉각적인 반응을 얻고, 그 판에서 이기거나 진다. 이야기한 것과 같이 결정에 대한 피드백이 즉각적으로 일어난다.

하지만, 결과를 통해 얻을 수 있는 피드백은 성공과 실패 뿐일 경우가 많다. 그러므로, 그 뒤에 숨어 있는 내용을 다 알 수 없다. 이유는 결과물에서 무엇이 우리의 잘못이고 무엇이 아닌지 알기 쉽지 않다. 앞에서도 이야기했 듯이 결과물의 질에서부터 되짚어가 믿음이나 의사결정의 질을 판가름할 수 없기 때문이다. 달리 말하면, 불확실성이 개입되어 있어 결과가 실력 때문인지 운 때문인지 모르기 때문에 학습속도를 늦추기 때문이라고도 할 수 있다. 그렇다면, 결과보다는 과정에 대해 피드백을 받아야 한다고 볼 수 있다.

그렇다면, 결정을 하기 위해서 우리가 선택지를 만들어 놓고 결정을 내릴 때, 중간값 없이 옳고 그름으로 나눠어야 하는가? 저자는 아니라고 한다. 왜냐하면, 흑백논리가 의도적 합리화와 자기위주편향 모두를 촉진시키기 때문이라고 한다.
이와 다르게 포커에서 베팅하듯 생각해면 대안적인 가설들, 자기위추편향이라는 경로와 반대되는 결론을 뒷받침하는 이유들을 열린 마음으로 탐색할 수 있다고 이야기 한다. 반대되는 생각을 더 자주, 진지하게 탐색하면 진실에 더 가까이 갈 수 있다고 이야기 한다.

또한 같은 목표로 모인 다양한 사람들의 시너지를 얻는 것에 대해서도 이야기 한다. 이는 특정 시각을 일방적/의도적으로 합리화 시도, 편향을 증폭하고, 자신의 믿음을 지키게 만들고, 의사 결정 과정을 왜곡, 집단 순응 사고하게 하는 확증적 사고에서 벗어나게 한다고 한다. 대신에 대안적 시각/가설을 공평하게 개방적으로 고려하고 객관성을 장려한고 편향에 맞서는 논쟁을 받아들이는 탐색적 사고를 돕는다고 주장한다.

그렇다고, 팀을 만든다고 그냥 얻어 지는 것이 아니고, "진실추구 규율의 청사진"을 가져야 한다고 이야기 한다. 이는 다음과 같은 규율을 가져야 한다고 이야기 한다.
1. 그룹 내 진실 추구와 객관성, 열린 마음을 보상하며 정확성에 집중
2. 자신의 의견이 나 주장에 대해 설명할 책임(사전에 고지되어야함)
3. 다양한 생각에 대한 개방성
다시 말해 진실을 추구 하려는 공동의 목표를 가진 그룹의 규율은 개인의 편향에 도전하는 다양한 시각을 독려하고 권장해야 한다고 말한다.

팀이 토론을 할 때, 진 게임에 대해서 보다는 승리한 게임에 대해 이야기하는 것(이기기까지의 과정에서 한 실수를 찾아내야 할지언정)이 덜 고통스럽다. 그렇기 때문에 이러한 새로운 습관을 훈련할 때에 도움이 된다. 애자일에서 회고할 때, 잘하고 있는 부분에 대해서 이야기 하는 것도 이런 맥락이지 않을까?

결정을 할 때, 책임 연습이란 책임 연습이란 우리의 행동이나 믿음에 대해 다른 사람에게 해명할 용의나 의무라고 한다. 투자를 할 때, 손실 한계를 정해 놓고 자기 위주 편향을 피하기 위한 방법도 이와 유사하다고 할 수 있다.를 말한다. 내기는 일종의 책임 연습이다. 계속 이기고 있을 때도 마찬가지이지만, 지고 있는 순간에는 내가 운이 나빠서인지, 실력때문인지 알기 힘들기 때문에 정신을 차리고 우선 멈춰야 한다.

책의 5장에 새로운 결정 기준을 제시하는 사람들들의 이야기를 한다.

첫 번째가 머튼의 공유 주의(공산주의와 혼동하지 말기를)라는 규범을 이야기 하는데, 이는 그룹 내에서 데이터를 공동으로 소유한다는 뜻이다. 공유를 원칙으로 삼아야만 완전하고 열린 의사소통이 가능하다고 주장한다.
데이터와 정보를 공유하는 것은 진실 추구 규범의 다른 요소들처럼 먼저 합의를 필요로 한다.
그리고, 조금이라도 관련될 수 있는 정보는 뭐든 추가하는 식으로 만전을 기해야 한다. 평가할 때에도 필요에 따라 세부적인 내용까지 뽑아내기 위해 서로에게 질문을 던져야 한다.

두 번째의 경우는, 여러분이 싫어하는 그 사람이 때때로 옳은 말도 한다는 것을 인정하라 것이다. 우리는 좋은 아이디어 또는 나쁜 아이디어만 가진 사람은 없다는 사실을 자주 잊곤 한다. 예를 들어 정치판이 양극화되어 있는 상황에서도 진보주의자들은 보수주의 언론을 더 읽고, 보수주의자들 역시 반대 접근도 해야 한다고 이야기 한다.

세 번째는 이해관계가 시야를 흐리지 않도록 주의하라고 이야기 하면서, 무사무욕주의(Disinterestedness 사심이 없음)가 중요하다고 설명한다.

네 번째는 여러 곳에서 이야기 하고 있는 '악마의 변호인'이다. 악마의 변호인은 확실해 보이는 내용에도 반대하는 사람이라고 간단히 말할 수 있따. 이 방법으로 불확실성을 받아들이고 이것을 소통하는 방식에 녹여넣으면 '대립만 일삼는 반대'는 눈 녹듯 사라진다고 이야기 한다. 애초에 '확실하지 않다'는 것 부터 시작하기 때문이라고 말한다.

마지막 6장에서 지금까지 이야기한 결정과 관련된 몇가지 도구에 대해서 이야기 하고 정리한다.

모든 후회하기에 가장 좋은 때는 결정을 내리기 전이다. 이렇게 할 수 있는 도구는 '미래의 자신이 이 결정에 대해 어떻게 생각할 것인가', 아니면 '과거의 자신이 이런 결정을 내렸다면 오늘 우리가 그것에 대해 어떻게 생각할 것인가'를 상상해 보는 것으로 가능하다.

10-10-10 법칙이 좀 더 상세한 방법이다. 여러분의 선택은 10분 후에 어떤 결과를 가져올 것인가? 10개월 후에는? 10년 후에는? 이 일련의 질문으니 책임 연습 대화(진실 추구 그룹에서도 장려한다)가 포함된 정신적 시간여행을 유발한다고 한다.

앞에서도 이야기 했지만, 일단 멈추어야 악순환을 피할 수 있다고 이야기 한다. 저자는 틸트(Tilt)에 대해서 이야기 하는데 나쁜 결과는 감정에 영향을 미칠 수 있고, 이것이 감정적이고 비합리적인 의사결정을 내리게 하며, 이는 더 많은 나쁜 결과를 가져와 향후 계속해서 의사결정 능력에 부정적인 영향을 미칠 수 있다고 이야기 한다.

또하나의 도구로 백캐스팅(backcasting)과 사전부검(pre-morterm)을 이야기 한다. 백캐스팅은 어떤 일에 성공했다고 가정하고 '나는 왜 성공하였는가?'라고 질문해보는 것이다. 즉, 미래의 지도를 그리기 위해 목표에서부터 거꾸로 돌아오는 것을 말한다. 사전부검은 백캐스팅과 상호보완적이다. 사전부검은 부정적인 미래를 상상한다. 긍정적인 공간과 부정적인 공간 모두 갖지 못하면 완성된 그림이라고 하기 어렵다.

필립 테틀록과 댄가드너의 슈퍼 예측은 다른 사람들 보다 예측을 잘 하는 사람들에 대한 이야기이다. 실재로 이런 사람들이 있는가? 있다면 그들은 어떻게 다른가에 대해 이야기 한다.

나도 마찬가지였지만, 이책을 스터디 그룹과 읽기 시작할 때에는 예측에 대해서는 회의적이었다. 즉, 예측이란 틀릴 수 밖에 없다고 생각하였다. 이 책은 이에 대해서 내가 어떤 부분을 제대로 알고 있고, 어떤 부분을 잘 못 생각하고 있었는지 알려 주었다.

저자는 자신을 '낙관적 회의주의자'라고 불러도 좋다고 한다. 이는 예측은 허구라고 하는 사람들과 예측이 가능하다고 하는 사람들 가운데 어디 즈음이라는 이야기일 수 있다.

저자가 연구를 책의 서두에 먼저 이야기 하는 중요한 결론 2가지는 첫째, 예지력은 실제로 있다는 것과 둘 째는 슈퍼예측가들의 성적을 그렇게 좋게 만든 요인이 있다는 사실이다.

이에 대해서 믿고 믿지 않고는 읽는 사람들의 몫일 수도 있지만, 내가 알고 있던 것과의 차이는 생각이나 예측이라는 것에 대한 틀과 그 내용을 받아 들이는 방법도 차이가 많이 난다. 또한 책에서는 이와 관련된 여러가지 내용을 먼저 이야기 한다.

'생각에 관한 생각' 그리고 노벨상 수상자로 유명한 대니얼 카너먼은 사람이 생각하는 방식을 시스템 1과 시스템 2을 나누어 설명한다. 시스템 1은 증거가 많지 않은 상황에서 빨리 결론을 내리도록 만들어진 장치이고, 시스템 2는 우리가 잘 아는 의식적인 사고 영역이라고 한다. 시스템 1에서 일어나는 과정으로 몇십 분의 1초 사이에 자동적으로 빠르고 완벽하게 이루어진다. 그림자를 본다. 털컥! 걸음아 날 살려라 하며 뛴다. 이것이 시스템 1이다. 시스템 2는 우리가 집중하기로 선택한 모든 것으로 구성된다. 

일반적으로 시스템 1이 먼저 튀어 나온다. 시스템 1은 배경에서 빠른 속도로 꾸준히 달리고 있다. 하지만, 시스템 2는 그 답을 심문하는 일을 맡는다.  내 답에 대해 누군가 꼬치꼬치 따지고 들어와도 내가 견뎌낼 수 있을까? 증거를 댈 수 있을까?를 생각하는 것이 시스템 2라고 한다. 이 시스템 2가 중요할 수 있다. 하지만 시스템 1은 이 보다 먼저 동작한다. 무언가에 대해서 의심을 하고 시스템 2를 지속적으로 동작 시켜 시스템 1에 이러한 보정이 포함되도록 훈련해야 한다.

저자는 예측과 관련해서 2가지 부류로 나누어 설명한다. 하나는 고슴도치형 하나는 여우형이다. 고슴도치형은 빅 아이디어 전문가로 예측을 할 때 대담하게 90~100%로 예측한다. 이와는 다르게 여우형은 절충적 전문가로 어떤 질문에 대해 60~70%로 예측한다. 각각의 예측에 대해 이 후 평가를 해보면 대부분의 측면에서 이기는 쪽은 늘 여우형이다. 하지만, 여우형은 언론에서 그닥 좋은 대우를 받지 못한다. 우선 여우는 자신감도 없어 보인다. 무엇이 '확실하다'거나 '불가능하다'라고 말하지 않는다. 그리고 '아마'라는 표현을 즐겨 사용한다. 그들의 말은 복잡할 뿐만 아니라 거기엔 '그러나'와 '한편' 같은 어정쩡한 단어가 많이 섞인다. 그러다 보니, 이런 유형의 사람들이 TV에 나온다면 변덕스럽고 줏대가 없으며 불명확하다고 할 것이다.

저자는 예측을 하는 테크닉으로 페르마이징, 외부 관점, 내부관점, 그리고 관점 통합하기를 이야기 한다.

페르마이징은 쉽게 말하면 문제를 좀 더 작은 문제로 나누어 어림짐작하기를 통해 답을 구하는 과정이다. 예를 들어 '시카고에 피아노 조율사가 몇명인가?'라는 질문에 답하기 위해서는 시카고의 대략적인 인구수, 그리고 평균 가족 구성 인원, 가구당 피아노 보유율, 그리고 대략적인 피아노 조율 빈도를 추정하여 총 필요한 조율량을 추측할 수 있다. 그런 후, 피아노 조율사의 한대 조율 시간과 처리 가능한 업뮤량의 추정을 통해서 필요로 하는 대략적인 피아노 조율사의 수를 예측하는 것이다. 이러한 방식으로 주어진 문제에 대해서 예측을 할 수 있다.

책에서는 누구나 따라 할 수 있는 수퍼 예측가들이 예측에 접근하는 방식에 대해 설명한다. 간단히 말하면 외부 관점에 내부관점으로 조정하여 종합적으로 예측을 하는 것이라고 한다. 이를 위해서 문제를 성분에 따라 풀어헤친다. 아는 것과 모르는 것을 철저히 구분하고, 가정을 조사하는 것이다. 우선 외부 관점의 측면, 즉 비교론적인 관점에서 보면서, 문제의 고유성보다는 그것을 더 넓은 범위의 특수 사례로 취급하여 예측을 수행한다. 그리고, 내부 관점, 즉 문제의 고유성을 부각시킨다. 나의 견해와 다른 사람의 견해의 유사성과 차이점을 확인한다. 이 것은 대중의 지혜를 뽑아내는 여러가지 방법에 주목해야 한다. 책에서는 잠자리의 눈에 비유를 하며, 이 모든 다양한 견해를 예리한 단일 시야로 통합하는 과정이 필요하다고 이야기한다. 

마지막으로, 아주 세분화된 확률을 사용하여 판단을 가능한 정확하게 표현한다. 책에서는 예측은 정반합의 과정이라고 말하면서 활용 가능한 정보의 변화에 맞춰 계속 업데이트 해야하는 한시적인 판단이라고 말한다. 저자는 외부 관점과 내부 관점을 종합하는 것이 끝이 아니라, 좋은 출발일 뿐이라 한다. 마치, 우리가 애자일 프로세스를 통해서 업무를 수행하듯 반복적(Iterative)하게 수퍼 예측가는 자신만의 견해를 도출하기 위해 종합할 수 있는 다른 견해들을 끊임없이 찾아 필요에 따라 예측을 수정한다. 그렇기 때문에, 수퍼 에측가들은 신념을 사수해야 할 보물이라기 보다는 검증해야 하는 가설로 다룬다.

영화 '빅 쇼트'는 리먼 브라더스 파산으로 시작했던 경제 위기를 배경으로 한 영화이다. 여기서도 헷지펀드의 퀀트(Quant 정량적 분석 Quantative Analysis을 수행하는 사람)가 나온다. 책에서는 이렇듯 수학을 잘하는 사람들이 더 예측을 잘하는가에 대한 질문도 던진다. 저자는 일부러 예측에는 수학이 그리 필요하지 않다고 이야기 한다. 그래도 예측에 대해서 간단히 수학적인 의미는 파악해 보자. 예측에 대한 확률은 크게 나누면 3가지 설정이 있다고 할 수 있다. 바로, 멘탈 디이얼을 '얼아난다' '일어나지 않는다' 그리고 '아마도'로 설정하는 것`이다. 이러한 언어로 표현되는 어떤 예측에 대해서 틀렸다고 단정해서는 안된다. 예를 들어 '어떤 일이 일어날 확률이 74%'라는 말은 '그렇지 않을 확률이 26%'라는 의미도 되기 때문이다. 이렇게 예측하는 사람들은 확률을 말하라고 할 때 50%를 훨씬 더 많이 사용한다. 그 때 50%는 '아마도'를 의미한다. 50%를 너무 자주 사용하는 사람의 예측은 정확하지 않다고 봐도 큰 무리가 없다. 

저자는 슈퍼 예측에 필요한 개인적인 역량으로서 성장 마인드 세트(Growth Mindset)을 이야기 한다. 심리학자인 캐롤 드웩은 '성장 마인드세트를 가진 사람은 자신의 능력을 노력의 산물'이라고 하고 그 노력 만큼 '성장'시킬 수 있다고 한다.
대부분의 사람들은 소위 '고정적 마인드세트(Fixed Mindset)'를 가지고 있다. 고정적 마인드세트를 가진 사람은 생긴대로 사는 것이라고 믿는다. 그들은 능력은 만들어지거나 개발되는 것이 아니라 드러나는 것일 뿐이라고 주장한다.
이것을 예측과 연결해서 생각해 보면, 성장 마인드 세트를 가진 예측가들은 새로운 아이디어를 끊임없이 수집했고 필요하면 서슴지 않고 생각을 바꾼다. 그들은 이렇게 하는데 망설치지 않고, 실수를 당당히 인정하고 새로운 생각을 받아들이는 것을 자랑스러게 생각한다. 즉, 실패는 실수를 확인하고 새로운 대안을 찾아내 다시 시도하는 학습의 기회였다.  이렇게하면, 시행 횟수가 많아지면 착오가 줄고 기술은 세련되어진다. 어떤 일에 능숙해 지는 비결은 비행기나 아주 어려운 기술을 배우는데 필요한 것과 마찬가지로 실제로 그일을 하면서 보내는 시간의 양이 결정한다.  그러나 무작정 하는 연습으로 항상 실력이 향상되는 것은 아니다. 연습을 해도 조심할 부분을 알고 정보를 바탕으로 어떤 연습이 가장 좋은 것인지 알고 연습해야 한다. 이 밖에도 효율적인 연습은 분명하고도 시의적절한 피드백과 함께 해야 한다. 실패를 통해 배우려면 언제 실패하는지 알아야 한다. 실패했다는 것을 알면 무엇이 잘못되었는지 생각하고 수정하여 다시 시도해야 하는 것이다.

팀으로서의 슈퍼 예측 집단은 현명할 수도 있고, 무모할수도 있으며, 둘다일수도 있다. 즉, 집단은 어떤 구성원들 이더라도 하기 나름이다라는 것이다. 저자들이 발견한 잘 동작하는 슈퍼팀은 극단적인 집단사고와 온라인 논쟁의 폐해를 피했다. 무엇보다 다음과 같은 규칙을 잘 지켰다고 한다. 

• 서로에 대한 예의를 잃지 않으면서도
• 상대방에 대해 비판을 제기하고 무지를 인정하고 
• 도움을 요청하는 분위기를 조성하는 그들만의 문화가 큰 위력을 발휘했다. 

나도 다음과 같이 "팀은 단순히 부분의 합이 아니다. 집단이 집합적으로 생각하는 방법은 집단 그 자체의 발현적(emergent) 속성으로, 각 멤버 내부의 사고 과정일뿐 아니라, 멤버들간의 의사소통 패턴의 속성이다."에 동의한다.


그렇다면, 슈퍼 예측가들의 리더는 어떠해야 할까? 책에서는 히틀러가 지배하던 시대의 유명한 장군인 헬무트 폰 몰트케 이야기를 한다. 암울했던 시기의 인물이기 때문에 그 사람에게서 무엇을 배울 것이 있는가 의심할 수 있다. 책의 저자도 그 부분에 대해서 조심 스러운이 있다. 몰트케의 유산이라 이르면서 그가 한말을 인용한다. "전쟁에서는 모든 것이 불확실하다.", "무엇보다 중요한 것은 자신의 계획을 무조건 신뢰해서는 안 된다는 점이었다.", "적의 주력 부대와 처음 마주치는 순간 효력이 계속 확실하게 유지되는 작전은 없다."와 같은 말이다. 여기서 반전은 나도 계속 좋아하는 인용인 "계획대로 승리한 전투는 없지만,계획없이 승리한 전투도 없다"를 이야기한 아이젠하워가 독일의 군 통수권자보다 몰트케의 철학을 더 확실하게 이해하고 있었다고 저자는 이야기 한다. 이러한 철학도 슈퍼 예측팀을 이끄는 리더들 즉, 여러 슈퍼 예측가들의 종합한다는 입장에서는 이와 같이 불확실한 부분을 이야기하는 것일 수 있다는 것이다.

저자는 "결정, 흔들리지 않고 마음먹은 대로"의 애니 듀크가 말하는 특이한 형태의 겸손에 대해서도 이야기 한다. 프로 포커 플레이어 였던 그녀는 자신감 뒤에는 늘 위험이 도사리고 있다는 것을 잘 알고 있었다. 그녀는 게임에 임했을 때 겸손은 적을 앞에 두었을 때의 겸손과는 전혀 다르다고 이야기 한다. 포커 테이블에 앉으면 누구와도 해볼 만하다는 자신감을 갖지만, 그렇다고 해서 내가 게임의 원리를 완전히 터득하고 있다는 말은 아니라고 이야기 한다.

저자는 슈퍼 예측가가 되기 위해 추가적으로 몇가지 알아 두어야 할 사항에 대해서도 이야기한다.
첫 번째는 대니얼 카너먼의 시스템 2의 교정을 시스템 1으로 가져오는 것이다. 사람들은 원래 빠르고 무의식적인 시스템 1이 만드는 실수를 찾아 내기 위해 의식적인 시스템 2를 반성적으로 사용할 수 있다. 예측을 아주 잘하는 사람들도 어쩔 수 없이 편하고 직관적인 사고 모드에 빠지고마는 것이다. 시스템 2를 소홀히 한 탓이다. 일부 슈퍼 예측가들은 시스템 2의 교정에 아주 능숙하며, 가령 물러서서 외부 관점을 받아들이는 행동이 아예 습관화되어 있는 것으로 보인다고 한다. 사실 이런 과정은 아예 시스템1의 일부로 편입되어 있는 경우도 있다고 한다. 

그리고, 잘못된 이분법을 버리는 것이다. 나심 탈레브가 이야기 했던 블랙스완이라고 불린 사건이 있다. 실재로 검은색 백조들은 완전히 검은 색이 아니고, 회색이라고 한다. 흰색이라고 믿었기 때문에 회색을 검은색이라고 이야기 하는 것이다. 즉, 블랙 스완이라고 불리는 사건들은 그 조짐이 있었다는 것이다. 앞에서 이야기 했던 리먼 브라더스 파산의 경우도 빅 쇼트에서 이를 예측하고 확인하는 과정에서 보이듯이 갑작스럽게 발생한 것이 아니고 그 조짐이 시장에서 보이고 있었다는 것이다. 그렇기 때문에 빗나갈 예측에 대한 계획을 세울 필요가 있다. 앞에서 이야기한 아이젠하워의 명언과 같이 "계획은 아무 소용이 없다. 그래도 계획은 반드시 필요하다"를 다시 한번 생각해 보고 이에 대해 대비가 필요할 수 있다.

앞에서 이야기 했듯이 나도 예측에 대해서는 매우 부정적이었다. 복권에 대해서도 그렇게 생각하여 필요없는 것이라 생각했다. 하지만, 이 책은 이를 바라 보는 나의 자세를 바꾸는 계기가 되었다. 책에서 이야기 했듯이 예측이 가능한 좋은 질문을 선별하고 (10년후 예측 같은건 불가능하다.), 알수있는 부분과 알수 없는 부분으로 분해하여 가정을 검토 후 추측해 보자. 습관적으로 외부 관점에서 질문을 제기하자. 그리고 나서 내부 관점을 고려하자. 업데이트는 귀찮지만 장기적으로 유익하다. 잡음속에서 미묘한 신호를 골라내고, 자신의 은근한 희망이 스며들지 않도록 경계하자. 정반합, 잠자리의 눈을 가지고 모든 견해를 하나의 이미지로 만들자. 불확실성의 정도를 더욱 자세히 구분하자. 실패/성공 후에 반드시 회고를 하자. 성공에 대해 관신하면 안되고 실패로부터 교훈 찾자. 질문을 하고, 건설적인 대립하자. 직접 예측하고, 피드백을 통해 앞으로 잘 가는지 확인하자. 

기존의 연구자들은 센스메이킹을 조금씩 다르게 정의하고 있다. 센스메이킹이라는 용어를 처음 만들어낸 칼 웨익은 조직내에 진행되는 '여러 현상'을 '메이크 센스하게 하는 것(Making of sense)'이라고 하고, 워터맨(Waterman)에 의하면 '모르는 것을 구조화'하는 과정으로, 링과 랜즈(Ring and Rands) '개인들이 그들이 처한 환경에 대한 인지적 지도를 개발화는 과정'이라 정의한다. 경영측면에서의 센스메이킹은 '조직의 내/외부에서 진행되는 불확실하고 복잡한 상황을 명백하게 이해하게 하고 그 이해에 바탕을 둔 행동을 취하게 하는 인지 과정'으로 정의한다.
책[1]에서는 영화 본 아이덴티티에서 주인공의 상황자각력을 예로 들면서, 센스메이킹은 상황자각력이 모여서 이루어지는 것이라 하고 있다.

책에서는 센스메이킹 원칙을 5가지로 설명하고 있다. 

원칙 1 현재진행형(ongoing)은 상황에 의미를 부여하고 진행되는 상황을 보아야 한다는 것을 의미한다. 상황을 정지된 사진, 스냅샷으로 보는 것을 의미 하지 않고, 현재진행형(ongoing)인 현실(reality), 과거-현재-미래로 이어지는 맥락을 본다는 것을 의미한다.
원칙 2는 센스메이킹은 회고(retrospective)의 과정이라는 것이다. 회고를 통해 일어난 상황을 돌아 보며 질서(order)를 부여하고자 노력하는 것이다.
원칙 3은 주어진 상황을 이해하기 위해 정당화(justification)가 필요하다는 것이다. 사람들은 주어진 상황이 '합리적'으로 보이게끔(make situations rationally accountable)노력한다. 즉 '내가 경험하고 있는 사건'이 '말이 되는 사건'이라고 스스로를 설득시키고 그 사건의 발생 자체를 이해하려고 노력한다. 그 과정에서 필요한 것은 '정당화'이다.
원칙 4 추정(presumption)은 미루어 생각하여 결정하는 것을 의미한다. 현실을 해석(interpretation)하는 과정 우리가 가지고 있는 잘못된 추정들이 올바른 해석을 방해/제약하여 잘못된 결과를 가져올 수도 있다고 이야기 한다.
원칙 5은 100%의 정확성(accuracy)이 아니라 그럴듯함(plausibility)에 대한 것이다. 넓은 현실(wider reality: 실제 사건이 일어나는 현실세계를 말한다)'에 대한 이미지를 만들어 낸다. 이것은 '비교적 정확하다고 생각하는 현실'이다. 여기서는 '정확성 보다는 그럴듯함'을 추구한다는 것으로 '그럴듯한 추론(plausible reasoning)' 귀추법(Abductive reasoning)이라고 한다.
이 원칙들을 정리해 보면, 센스 메이킹이란 상황을 돌아 보면서 단편적으로 보지 않지만 가장 근접한 답을 찾는 것이고, 실패의 가능성은 당연히 존재하는 것을 인정한다. 실패의 경우, 재빠르게 궤도를 수정하여 파국을 모면하는 것으로 반복적(Iterative)으로 돌아보며(retrospective) 그럴듯한 결론(plausible conclusion)을 내고 행동(action)한다.

책에서는 센스메이킹을 다양한 사례를 들면서 설명한다. 맨 협곡의 참극, 임진왜란이 그 예이다. 특히, 임진왜란은 나심 탈레브의 '블랙 스완'에 해당한다고 설명한다. 챌린저 호 폭발 사건, 항공 모함, 탑건 프로그램에서의 사후 강평에 대해서도 이야기 한다. 특히, 항공 모함이나 사후 강평은 구성원 간의 상호작용 측면에서 매우 흥미로왔다.

기업에서 센스메이킹을 키우는 방법에 대해서도 제언을 하는데, 7가지 포인트를 이야기 한다.

1. '한군데에서의 정보에만 의존하지 마라'라고 이야기 한다. 
'신호와 소음' 작가인 네이트 실버의 표현에 따르면 혼합방식(hybrid approach)으로 정보를 모아 작성된다. 야구의 경우, 즉 통계자료만이 아닌 스카우트들이 선수를 직접만나고 작성한 리포트 등이 포함된 1차 자료와, 순전히 통계자료로만 구성된 2차 자료를 혼합해 사용하는 것이다. 이 부분은 TV 드라마 '스토브 리그'가 생각나는 부분이다.

2. 현장의 목소리를 들어라
디자인 싱킹으로 유명한 아이디오는 병원의 응급실 디자인을 진행할 때 공간의 동선 관련 질문을 위한 인터뷰에서 다양한 이해 관자자들과 했다. 하지만, 간과한 이해 관계자가 있었으니 바로 환자였다. 만일 '응급실에서의 환자의 경험'이라는 생생한 1차 자료가 없는 상태의 응급실 디자인은 중요한 사용자를 간과한 수준 이하의 디자인이 되었을 것이다.

3. 효율적인 센스메이킹을 위해서 조직 내에서만 통용되는 암호가 필요할 수도 있다.
웨익과 로버츠의 항공모함 연구에서 나오는 컬렉티브 마인드(Collective Mind)를 가진 조직에서는 구성원이 자신의 일을 하면서 자신의 일이 그 사회 시스템 내에서 어떤 역할을 하는 지 확실히 인지(representation)하고, 자신의 행동을 그 시스템의 일부로 연결할 수 있어야 한다고 지적한다.

4. 공감능력을 통한 팀워크를 키워라
여러 다른 책에서도 언급된 픽사의 브레인트러스트 회의는 영화 '토이 스토리' 제작 과정에서 자연스럽게 생겨난 후 사용되고 있다고 한다. 간단히 이야기 하면 여러 직원들을 한 방에 모아놓고 서로 솔직하게 의견을 애기하도록 장려하는 것이다. 모든 참가자는 공평한 기회를 갖되 경영진이 감독을 뜻을 뒤엎을 수는 없다. 이 때 발언자들은 계급을 내려 놓고 이야기 하며 스토리에 대한 이해를 전제로 어떤 모진 발언도 가능하지만, 감정적인 비난은 금지 한다. 이러한 부분은 사후강평(AAR)과 일맥 상통한다.

5. 회의나 사후강평 장소의 크기와 레이아웃도 중요하다.
상명하복의 조직에서 누가 리더의 심기를 거슬리는 보고를 하려하겠는가? 이런 경우 리더가 센스메이킹을 잘못하게 되면 해당 조직은 잘못된 방향으로 나아갈 확률이 크다. 그렇기 때문에, 수평적이고 자유로운 의사소통은 센스메이킹의 첫걸음이라고 이야기 한다. 이 부분은 구글의 아리스토텔레스 프로젝트에서 언급된 우수한 팀의 조건 중 가장 중요하다고 이야기된 심리적 안전과 연결된다. 즉, 내가 무슨 말을 해도 괜찮은 분위기가 형성이 되어야 한다. 

6. 반드시 '악마의 변호인'을 두라: 이스라엘의 대실수(Mehdal)
월드워 Z에서 좀비를 대비할 수 있었던 모사드의 10번째 사람이 있다. 9명이 같은 의견을 내더라도 1명은 반대 의견을 내는 시스템이라 할 수 있다. 이와 같은 악마의 변호인(Devil's Advocate)이 있다고 해서 그것이 모든 예상치 못한 참사를 미연에 방지하는 것은 절대 아니다. 조직이 갖고 있는 자원과 시간의 제약 때문에, 모든 위험 요소를 고려해 업무를 처리하거나 전략을 짜는 것은 현실적으로 불가능하다. 그러나 악마의 변호인이 제기한, '만에 하나 일어날 수 있는 사건'이 발생할 때, 그런 제도가 있는 조직과 없는 조직의 대처는 하늘과 땅 차이일 것이다.

7. 흩어져 있는 점들을 연결하라
결국 기업의 능력은 흩어진 점들을 연결하여 지식의 활용을 잘 하는 데 있다는 것인데 여기서의 지식은 꼭 조직 내의 지식 만을 의미하지는 않는다. 조직 외부에 존재하는 지식이나 자원의 활용도 기업에게는 매우 중요하다. MS의 QDOS 사례, 애플의 도시바 HDD건을 사례로 이야기 한다.

개인의 센스메이킹 높이기에 대해서는 다음과 같이 제언한다.

1. 꾸준히 신문 읽기
저자는 뉴스가 '현재의 세상이 어떻게 돌아가는지'를 아는데 가장 효율적인 수단이라고 주장한다. 하지만, 팩트와 주장과 의견을 구분해야 하고 꾸준히 많은 내용을 읽는 것이 중요하다고 한다.

2. 뱅뱅이론에서 벗어나기
저자는 뱅뱅이론을 자신이 위치하고 있는 진영의 논리에 파묻혀 놓치는 부분을 지적하는데 사용한다. 이를 극복하기 위해 사실 파악을 위해서는 여러 진영의 글을 읽는 것이 필요하다는 의견이다.

3. 100% 정확성(accuracy)보다 그럴듯함(plausibility 또는 probabilistically)을 쫓기
여기서는 '슈퍼 예측'에 나온 인간의 2가지 부류를 이야기 한다. 고슴도치형 인간은 모든 것을 하나의 렌즈로 보는 사람들, 즉 일원적인 사람들이라고, 반면 여우형 인간은 다원주의자이자 여러 개의 렌즈로 사물을 보는 사람들이라고 한다. 
예측에 관련해서는 이 신중파들은 성실하고, 셍사한 정보를 모았으며, 자기와 다른 시각에 대해 개방적이었고, 지속적으로 정보를 업데이트하는 노력을 보였고, 자신의 접근이 틀렸다고 생각하였을 때 방향을 바꾸는 것에 망설임이 없었다. 
즉, 그럴 가능성이 높은(probabilistically) 것에 배팅하는 사람들이었고 이야기 한다.

4. 페르마이징(fermizing)하기: 시카고 피아노 조율사 수
때로는 확률과 어림짐작 계산을 통한 분석능력도 필요하다고 이야기 한다. 시카고에 피아노 조율사를 예측하는 문제에 접근 하는 방법으로 문제를 좀 더 작은 문제로 나누어 어림짐작하기를 통해 답을 구하는 과정을 페르마이징이라고 한다.

5. 집단 지성을 적극적으로 활용하기
팀으로 일하는 것의 장점은 많은 이들이 알고 있다. 하지만 이를 위해 대인 관계 능력이나 감성 지능도 중요하다.

저자는 책을 마무리 하면서, 마크 트웨인의 이야기를 언급한다. '역사는 똑같이 되풀이 되지는 않지만, 그 라임은 맞는다(History Does Not Repeat Itself, But It does Rhyme).' 그러면서, 다른 기업의 사례연구를 통한 학습이나 벤치마킹이 의미있다고 주장한다.
또한 이러한 밴치마킹의 사례의 선정의 경우, 회사의 상황에 따라 선택하는 것을 제안한다. 즉, 중년 이상의 오래된 기업은 꾸준한 개선을 통해서 여전히 잘하고 있는 타 기업 사례가 훨씬 유용할 것이라고 주장하기도 한다

[1] 김양민, '불확실을 이기는 전략 : 센스메이킹' 

크리스티안 마두스베르그의 '센스 메이킹'은 자신의 책에서 매우 인문학적인 전문가 입장에서 센스 메이킹을 다루고 있다. 책에서는 '인문학적 기초에서 실용적 지혜를 얻는 방식'이라는 정의를 사용한다. 수치나 데이터에서 얻는 알고리즘식 사고와 정반대라고 주장한다. 저자는 센스 메이킹을 통해서 얻은 데이터를 인류학자인 킬리퍼트 기어츠(Clifford Geertz)의 '민족지학(ethonography)'적 현장 조사의 '심층적 기술(thick description)'을 참고하여 '심층적 데이터'라고 불렀다. 40그램의 사과와 1그램의 꿀은 피상적 데이터이지만, 꿀에 절인 사과를 곁들인 로쉬 하샤나Rosh Hashanah(유대인의 명절 중 하나)' 음식은 심층적 데이터라는 것이다.

마두스베르그는 통찰을 얻고 싶을 때에는 맥락을 파고 들어 세계에 완전히 몰입해야 한다고 한다. 이를 통해 피상적 데이터와 심층적 데이터와 관계를 살필 것을 이야기 한다. 이 심층적인 데이터를 알아 내기 위해 마두스베르그는 다음과 같이 지식의 종류를 나누어 설명한다. 이것은 객관적 지식, 주관적 지식, 공유적 지식 그리고 감각적 지식이다. 감각적 지식은 몸에서 기인한다고 했은데 이것은 저차원적으로 이해하고 살아가는 양상을 말해 준다고 한다. 이라크에 파견된 경험 많은 군인들이 근처에 설치된 부비트랩을 모으로 '느끼는' 것이 그것의 예라고 한다.

저자는 센스 메이킹에 귀추법이 필요하다고 이야기 하고 있지만, 디자인 싱킹에 대해서는 비판적인 입장을 가지고 있다. 무엇보다도 사회적 맥락 없이 프로세스 상으로 접근하는 디자인 싱킹은 사실을 오도한고 다양한 관점에서 아이디어를 찾아 내지만 사회적 맥락에 대한 지식없이 공감을 얻을 수 없다고 한다. 또한, 디자인 싱킹이 사람들과 그들이 속한 환경을 관찰하지만 이것을 주마간산식(drive-by) 인류학이라고 비판한다.

마두스베르그의 센스메이킹은 전문가가 되는 것을 방향으로 삼는 것으로 보인다. 여러 사례가 있지만 30년 동안 와인을 만드는 전문가의 이야기가 대표적이다. 유행에 뒤처지면서도 끈기를 가지고 알고리즘이나 화학으로는 알아 낼 수 없는 그의 방식을 이야기 한다.

여기서 주장하는 센스 메이킹이 심층적 데이터를 뽑아 내기 위해서 전문가가 되어야 한다고 주장하는 것으로 보인다. 하지만, 이 내용은 대니얼 카너먼과 게리 클라인이 이야기 한 것과 같이 전문가도 틀릴 수 있다는 부분을 생각해 보자. 이처럼 책에서 이야기 하는 많은 센스 메이킹의 사례도 조금 다른 상황에서는 틀릴 수 있는 것이다. 

그렇다면, 우리는 어떻게 센스 메이킹을 해야 하는 것일까? 책의 내용만큼이나 어려운 질문이다.

배경

제약 이론을 처음 알게 된 것은 데이비드 J. 앤더슨의 칸반 책[1]을 보고 나서였다. 사실 칸반은 도요타 생산 시스템(TPS)의 칸반에서 따온 것이지만 실재로 이론적 배경이 되는 것은 제약 이론이라는 것을 책에서 이야기 한다. 이렇게 발전된 칸반이 TPS의 칸반과 비슷하다는 것을 알게 된 후에 이름을 칸반이라고 붙였다는 일화가 있다. 여기서도 알 수 있 듯이, Lean Thinking과 제약 이론은 일맥 상통하는 부분이 있다고 볼 수 있다. 

제약 이론은 1984년에 처음 책으로 소개되고 2014년의 30주년 기념판[2]이 2019년에 다시 번역되어 나온 엘리 골드렛의 오래된 이론이다. 한마디로 이야기 하면, 시스템의 효율성을 저해하는 제약조건(Constraint)을 찾아내서 극복하기 위한 시스템 개선 방법이라고 할 수 있다.

복잡계를 살펴 보고 있는 지금 조직 혹은 인간 사회, 집단이라는 측면에서 개발팀 혹은 회사라는 것을 복잡계로 볼 때 경영 이론들도 복잡성 과학이라는 측면으로 볼 수 있다. 그렇다면, 제약 이론의 경우는 어떨까? 이 생각으로 이를 정리해 본 것이다.

하이킹 이야기

책[2]의 4막에는 주인공인 알랙스 로저가 토요일 아침 7시에 아들 데이브의 보이스카웃 하이킹에 따라갔다고 우연히 분대장역할을 맏게되고 10마일 떨어진 야영장까지 15명의 아이들을 이끌고 가는 일화를 이야기 하고 있다. 처음 목표는 2마일을 한시간에 가는 정도이면 될 것이라고 목표를 잡았고, 8:30에 출발하여 점심을 한시간 반정도 하고 계속해서 간다면 15:00이면 가능하리라고 보았다.

처음에는 가장 빠른 론이라는 아이를 선두에 두고 일정한 속도로 가게 하였다. 그리고, 아이들에게는 거리가 멀어지지 않게 행진하도록 당부하였다. 하지만, 실재로는 일이 그렇게 쉽게 풀리지 않았다. 중간에 있는 느린 아이의 속도에 뒤에 있던 더 빠른 아이들은 제약을 받았다. 즉, 아무리 빨라도 앞에 있는 아이의 속도에 제약을 받는 것이다. 그렇다고 해서, 아이들의 순서를 바꾼다고 해도 별 소용이 없었다.

이렇게 4시간 정도 걸었어도 실재로 점심시간까지는 겨우 2마일 정도 밖에 가지 못한 것이다. 목표에 대비 한참 부족한 상황이었다. 점심을 먹으며 고민한 알렉스는 균형 잡힌 공장에 대한 시뮬레이션으로 성냥과 주사위로 4명의 아이들과 게임을 하고 하이킹을 하는 15명의 아이들과 자신이 '종속적 사건' 집단이라는 깨닳음을 얻는다.

13:30 다시 출발을 시작하였고, 알랙스는 앞의 사람을 따라 잡기 위해서 열심인 아이들을 보고 자신의 공장도 무언가를 따라잡기 위해 달라고 있었지만 왜 페쇄 직전에 위기에 있는지 고민하기 시작했다. 이런 어려움 속에 5마일 지점에 도착한 일행은 14:30이라는 시간이 된 것을 깨닳는다. 목표로 한 시간과는 30분 밖에 남지 않았다.

이제 반전은 여기서 부터였다. 이때 부터, 일행은 손을 잡고 가면서 앞사람과의 간격을 없앴다. 여기서 가장 속도가 느린 허비라는 친구가 어떻게 하면 빨리 갈 수 있는 방법을 아이들과 찾아 내게 된다. 너무나 많은 짐을 가지고 왔던 허비의 짐을 나눠 가지고 전체의 속도를 높일 수 있었다. 결국은 남아 있던 4마일을 2시간만에 주파하고 17:00에는 캠프장에 도착할 수 있었다.

'종속적 사건'과 전체를 보는 방법.

복잡성 과학에서 꼭 비교 하는 것이 환원 주의(Reductionism)와 전일 주의(Holism)이다. 환원 주의는 부분으로 나누어서 전체를 설명한다는 예전 부터 과학에서 사용되던 통념인데, 복잡성 과학에서는 전체가 부분의 합이 아니라는 전체로 보아야 한다는 관점이다.

하이킹 이야기에서도 하이킹을 하는 아이들을 한명 한명으로 보아서 답이 나오지 않다가, 마지막에는 서로 상호 작용이 타이트하게 일어나도록 손을 잡게 하고 전체적으로 최적화 될 수 있도록 허비의 짐을 나눠 가지게 하면서 최적화가 일어나기 시작한 것을 볼 수 있다.

간단한 사례일지는 모르나, 시스템의 부분 부분을 최적화한다고 해서 전체가 최적화 되지 않는 것은 자주 발견되는 사례이다. 그렇게 때문에 시스템을 전체적(Holistic)하게 보아야 한다. 이 부분이 제약 이론의 복잡성 과학과 연결 되는 부분이라고 생각된다.

균형잡힌 공장(Balanced Plant)와 성장

제약 이론에서는 균현 잡힌 공장에 대해서 이야기 한다. 이는 공장이 시장의 요구 사항에 잘 적응하여 제고가 없이 시장의 요구에 맞게 생산해 내는 공장이다. 하지만, 이것을 목표로 하는 공장은 결국 더 망해 간다고 이야기 한다. 왜 그럴까? 이는 복잡계에서 이야기 하는 성장의 관점으로 볼 수 있다

즉, 성장이 지속 되어야 계속 효율화 되는 것이지 유지 한다면 결국은 성장을 멈추고 죽음의 나락으로 떨어 지는 것을 볼 수 있다. 하이킹 중간에 했던 주사위 게임의 결과도 이를 보여주는 일종의 시뮬레이션이라고 할 수 있다. 그렇다면, 어떻게 하는 것을 책에서는 제안하는 것일까?

하이킹의 예에서는 아이들을 손을 잡게 한다. 이는 종속 사건들을 묶는 것이다. 그리고, 제약 요인을 찾고 이을 전체적으로 효율화 하는 방법을 찾게 하는 것이 접근 방법이었다. 전체적인 시스템에서 종속 사건들이 상호 작용을 하게 거기서 시스템이 효율화 되면서 성장하는 것이다.

성장이라는 측면에서 눈에 보이지 않더라도 이를 계속해야 하는 또 다른 이유가 있다. 이는 붉은 여왕의 달리기 비유에서 살펴 볼 수 있다. 붉은 여왕의 달리기는 루이스 캐럴의 거울 나라의 앨리스에서 붉은 여왕이 앨리스에게 했던 말에서 따온 것인데, "같은 자리를 지키고 있으려면 계속 달리 수 밖에 없다"라는 표현이다. 이는 복잡성 과학을 많이 활용하는 생물학에서는 공진화라는 표현을 쓰는데, 상호 작용하는 여러 종이 환경이 아닌 서로 같이 생존하기 위해서 함께 진화하는 것을 의미한다. 즉, 변화가 없어 보이지만 유지하기 위해서 변화하는 것이다.

최적화 하는 방법.

더 골[2] 책에서는 제약 이론을 정리해서 5단계 시스템을 설명하고 있다.

1단계: 제약 요인을 찾아 낸다.

2단계: 제약 요인을 최대한 이용할 수 있는 방법을 선택한다.

3단계: 다른 모든 공정을 위의 결정에 따라 진행한다.

4단계: 제약 요인을 향상 시킨다.

5단계: 만일 4단계에서 제약 요인이 더 이상 성과를 제약하지 않게 되면 다시 1단계로 돌아간다.

. 경고!: 그러나 관성이 제약 요인이 되지 않도록 주의 한다.

즉, 종속된 사건으로 이루어진 시스템을 최적화 하는 방법을 말하는 것이다. 

복잡계를 설명하는 주요 저서로 볼 수 있는 스케일[3]에서는 여러 이론들을 물리학 및 생물학의 사례를 들어 설명하는 부분이 많다. 최적화 관련해서는 지속적인 다수의 되먹임 및 미세 조정 메커니즘이 자연선택의 진행 과정에 내재해 있고, 그것들이 엄청난 기간에 걸쳐 이루어 지는 것이라고 설명힌다. 더 구체적인 사례가 포유 동물의 심장 출력 최소화가 그것이라고 한다.

여기에 숨어 있는 것이 엄청난 기간이고 이 기간을 구간으로 나누는 것이 생물으 한 세대라고 볼 수 있다. 제약 이론도 반복적인 절차(Iteration)이 일어난다. 생물에서도 한 세대는 부모 세대로 부터 받은 유전자를 통해서 공통된 것도 있고 돌연 변이 유전자도 받게 될 것이다. 환경 혹은 함께 공존하는 종들과 상호 작용을 거치면서 자연 선택의 과정을 거치고 다음 세대로 넘어가는 것이 마치 5단계 시스템에서 일어나는 일과 유사해 보이지 않은가? 

참고 문헌

[1] 데이비드 J. 앤더슨, "칸반: 지속적 개선을 추구하는 소프트웨어 개발," 2014년 11월 30일 출간, 조승빈 옮김, 인사이트

[2] 엘리 골드렛 저, "더 골 The Goal 당신의 목표는 무엇인가?", 동양북스(동양books) 2015년 08월 15일

[3] 제프리 웨스트 저, "스케일 생물, 도시, 기업의 성장과 죽음에 관한 보편 법칙", 김영사, 2018년 07월 30일, 이한음 역

2장 만물의 척도: 스케일링이란 무엇인가?

고질라는 영화로도 예전의 일본 만화로도 많이 언급이 되었고, 서구에도 사실 많이 알려진 캐랙터이다.  하지만, 실재로 이 크기의 생명체가 가능한가라는 과학적 질문으로 이장은 시작한다. 책에서는 불가능하다고 과학자들은 이야기 한다고 한다. 이유를 스케일의 법칙으로 이야기 하는데, 간단히 이야기 하면 길이를 2배로 늘리면, 바닥 면적은 모든 길이를 2배로 늘린다면, 바닥 면적은 단지 2^2=4배로 증가하는 반면,, 부피는 2^3=8배로 증가한다. 건물이나 나무가 모양은 그대로 유지한채로 10배 커진다고 하면, 지탱해야 할 무게는 1000배 늘어난다는 것이다. 하지만, 그무게를 떠받치는기둥이나 다리의 힘은 겨우 100배 늘어나므로 기중이 버티려면 사실은 다른 조치가 필요하다는 간단한 원칙이다. 간단히 이야기하면, 크기와 성장에는 한계가 있다는 이야기 이다.

눈을 반대로 돌려 보자, 작게 만드는 것이다. 즉, 몸이 더 작을수록 상대적인 힘은 더 크다는 것이다. 따라서 작은 개는 자기 무게 만큼 나가는 개를 두세 마리 등에 태울 수 있지만, 말은 그렇지 못하다. 이를 슈퍼맨의 예에서 설명한다. 슈퍼맨의 힘에 대해서 원작 만화에서는 개미의 이야기로 설명한다고 한다.즉, 하등한 개미가자기몸무게의 수백 배를들어 올릴 수있으니, 그러한 인간도 있을 수 있다는 선형적인 사고의 산물이라는 것이다. 사실, 상대적인 힘은 크기가 줄어듬에 따라 체계적으로 증가한다. 따라서 개에서 개미로 크기가 줄어들 때, 크기에 따라 힘이 어떻게 달라지는지를 말해 주는 단순한 규칙을 거꾸로 생각하면 수퍼맨이 가능하지 않을 것이라는 것을 쉽게 생각할 수 있다.

책에서는 로그 스케일에 대해서도 설명한다. 즉, 리히터 규모처럼 10^1, 10^2, 10^3, 10%4, 10^5으로 10배씩 증가하는 이런 유형을 말한다. 지수(위첨자)가 말해주는 크기 자릿수 선형으로 증가하는 것을 주의 깊게 봐야 한다. 이 기법은 별의 밝기, 화학 용액의 산성도(pH), 동물의 생리적 특성, 국가의 GDP 등 다양한 분야에서 사용 된다.

여기서 많이사용되는 규칙 중의 하나가 힘과 무게의 상관 관계이다. 즉, 힘의 크기 자릿수가 1 증가할 때, 그 힘으로 지탱할수 있는 무게의크기 자릿수는 1.5 증가한다는 것이다. 이를 역으로 보면, 무게의 크기 자릿수가 1증가한다면, 힘의 크기 자릿수는 2/3만큼 증가하게 된다. 이를 2/3 스케일링 규칙이다. 화학 물질의 효과에 대해서도 이 부분이 적용되는데, 책에서는 코끼리에 LSD 사용하는 실험과 해열제로 쓰이는 타이레놀의 용량 관련한 내용에 대한 이야기 가 있다. 선형적으로 생각하면 코끼리에게는 수백 밀리 그램의 LSD를 사용해야 하지만, 2/3 스케일링 법칙을 알고 있다면 수 밀리 그램이 되어야 한다. 아이의 몸무게에 따른 해열제 사용양도 마찬가지이다.

이 장에서 가장 인상적인 것은 스케일링 법칙의 혁신과 성장에 대한 내용이다. 여기서는 "스케일링 법칙에 따라 정해진 한계를 초월한 더 큰 구조를 만들거나 더 큰 생물을 진화시키려면, 계의 물질적 조성이나 구조 설계 중 어느 한 쪽, 또는 양쪽을 모두 변화시키는혁신이 일어나야한다." 라고 이야기 한다. 책에서 드는 사례는 단순한 사례를들자면, 첫째의 예는 다리 혹은 건물을 나무 대신 강철을 사용하는 것이고, 두 번째 예는 다리를 수직 기둥을 쓰는 것 대신 아치 등을 쓰는것이다.

이 내용은 기술의 변화에 따른 혁신 과정의 그래프를 떠올리게 했다. 아래 그림과 같이 기술 A에서 B로 넘어가는 모습에서 기술이 달라지는 것이다. 이 때에는 위의 예에서 라면 구조 혹은 기술 또는 2가지 모두 바뀌는 것일 것이다. 기억나는 경우는 TV 혹은 스마트 폰의 경우이다. 특히, TV는 드라마틱 했다. 브라운관 TV에서는 플랫 브라운관 TV가 득세 할 때, LG 혹은 일본 TV가 전세게 1위를 하고 있었지만 LCD TV로 기술이 넘어가면서 삼성이 1위가 되기 시작했었다.

또 다른 중요한 언급 중 하나는 "무차원 규모 불변 수" 원주율 파이와 같은 단위가 없는 수를 나타나는데, 이 책에서는 배 속도의 제곱 ((m/s)^2)을 배의 길이(m)에 중력 가속도(m/s^2)를 곱한 값으로 나눈 값을 설명한다. 이 것이 프루드 수(Froude number). 이로 인해서 배를 수미터의 모형으로 테스트를 하고 쉽게 스케일링 업했다고 한다. 

참고 문헌

[1] 제프리 웨스트 저/이한음 역 "스케일: 생물, 도시, 기업의 성장과 죽음에 관한 보편 법칙", 김영사, 2018년 07월 30일, 원서 : Scale: The Universal Laws of Life, Growth, and Death in Organisms, Cities, and Companies 
[2] 매경 TEST > TEST 특강, http://board.mk.co.kr/view_mobile_mktest.php?id=mktest_chance2&p=&c=&f=&fk=&s=&o=&v=1&brand_code=&no=272

1장 큰그림

이 책은 바로 체계적인 규모 변화(Scaling) 법칙의 특성과 기원을 설명한다. 생물학에서 살펴 볼 수 있는 예로는 몸무게와 대사량의 관계가 있다. 대사율은 지수(Exponent)가 3/4에 아주 가까운 거듭 제곱 법칙(Power law 멱법칙)에 따라 몸무게가 증가함에 다라 같이 증가한다. 이와 같이 지수가 1보다 작은 값으로 증가하면 저선형(Sublinear, 전체를 보는 방법에서는 아선형이라고 했다)이라고 한다. 이렇듯, 증가함에 따라 적은 에너지를 필요로 하다는 것을 알 수 있고 이를 규모의 경제(Economy of Scale)이라고 한다. 실례로는 코끼리의 세포가 쥐의 세포보다 에너지를 약 1/10만큼만 쓰면서 활동한다는 것이 있을 수 있다.

도시의 인구수와 특허와의 관계는 지수의 숫자가 1보다 큰 1.15이다. 즉, 두 배 증가에 대해서는 15%정도가 더 크다는 것입니다. 이러한 경우는 초선형(Superlinear)이라고 표현한다. 이러한 증가의 경우도 실재로는 유한 시간 특이점(Finite time singularity)이라는 용어로 한계를 설명하고 있다. 즉, 이 부분도 한계가 있기 때문에 점점 둔화 되고 수렴하게 된다.

책에서는 지난 25년 동안, 복잡 적응계, 복잡성 과학, 창발적 행동,자기조직화, 탄력성(복원성, 회복성), 적응적 비선형 동역학 같은 용어들이 다양한 과학 분에 적용되고 있다고 살명하고 있다. 뿐만 아니라, 20세기 물리학의 아이콘이라고 할 수 있는 스티븐 호킹(Stephen Hawking)을 인용하여 "내 생각에는 다음 세기는 복잡성(Complexity)의 세기가 될 겁니다." 이라고 하면서 복잡계 과학이 중요함을 강조하고 있다.

특히, 책에서는 창발(Emergent Behavior)와 자기 조직화(Self-Organizing)을 설명한다. 일반적으로 복잡계는 전체가 부분들의 단순한 선형의 합보다 더 크며, 때로 상당히 다르기까지 하다는 보편적 특징을 지닌다. 즉, 집단적 결과가 개별 구성 요소들의 기여분을 단순히 모두 더한 것과 상당히 다른 특징을 지니게 되는 현상을 창발적 행동(Emergent Behavior)이라고 한다. 그리고, 개미가 스스로 모여서 다리와 뎃목이 되어 물을 건너거나 장애물을 넘어가는 것을 자기 조직화라고부르는 것의 사례로 설명한다.

최근에 이와 관련된 기사로 DNA가 말하는 인간의 수명 38년[2]가 있다. 스케일의 법칙이 증명되고 있는 또하나의 연구 사례로 볼 수 있다.

참고도서

[1] 제프리 웨스트, "스케일: 생물, 도시, 기업의 성장과 죽음에 관한 보편 법칙", 김영사, 2018년 07월 30일 (Scale: The Universal Laws of Life, Growth, and Death in Organisms, Cities, and Companies)

[2] "인간의 자연수명은 38년"..DNA가 말했다., https://news.v.daum.net/v/20200109080604965?fbclid=IwAR10ejyJsG6NOuGEEMf_oruWAspNdDqos6w2DSxoPLBimHXc4IxmBWTfZqU