불확실한 상황의 의사 결정 원칙(feat. 안티프래질)
- 키워드 : 의사 결정 프로세스, 의사 결정 방법, 의사 결정 과정, 의사 결정 원칙
- 우리는 살면서 의사 결정을 해야하는 경우가 많습니다. 이럴 때 어떻게 해야 최선의 의사 결정을 할 수 있을까?라는 생각을 하곤 합니다. 아마 많은 분들이 한번쯤 이런 생각을 하셨을거에요.
- 나심 니콜라스 탈레브의 안티프래질 책을 2021년에 읽고, 김창준님의 함께 자라기, AC2 수업을 2022년에 수강 등 다양한 경험을 하면서 저만의 의사 결정 프로세스가 생겼습니다.
- 최근 비즈까페님께서 운영하는 독서 모임에서 안티프래질 책을 읽으며, 생각을 공유하는 시간을 가졌습니다. 여러 대화를 하며 영감도 얻었고, 저의 의사 원칙을 정리하는 글을 작성하려고 합니다
- 내용의 일부는 PM을 위한 데이터 리터러시 강의에서 확인할 수 있습니다
무엇에 대한 의사 결정을 해야하는가
Gray Zone
- 1+1은 같은 질문 또는 명확하게 하나의 선택이 좋은 경우는 명확하게 결정할 수 있는 경우가 많음
- 명확하거나 어렵지 않은 것은 쉽게 결정할 수 있음
- 대부분 우리가 어려워하는 것은 “Gray Zone”에 있는 문제
- Gray Zone은 대부분 다음과 같은 특징을 가짐
- 경험을 해보지 않음
- 불확실성이 매우 높음
- 명확히 나뉠 수 있는 것이 아닌 여러 문제가 복합적으로 연결됨
- 문제 정의를 한 문장으로 정리하기 어려움
생각할 틈도 없이 변한 세상
- 올해 AI의 화두는 ChatGPT라고 봐도 과언이 아님
- 잘 생각해보면 4년 전엔 이런 상황을 상상할 수 있었을까? 생각하면 상상할 수는 있지만 언제일지 몰랐음
- 4년 전과 요즘은 일하는 방식도 달라지고 있음
- Copilot 등을 사용해 생산성을 더 올리고, 오류 메세지가 나오면 ChatGPT에게 물어보는 세상이 되었음
- ChatGPT 전에는 Stack Overflow의 글을 많이 참고했지만, 요즘은 확실히 Stack Overflow에 접근하는 비율이 줄었음
- Transfomer가 나왔을 시기에 대단하다!라고 했었는데, 그것도 이제 과거의 일
- 요즘 마케팅 트렌드를 빠르게 파악하려면 틱톡을 봐야한다는 말을 들었음
- 4~5년 전엔 광고를 보면 트렌드를 알 수 있다고 들었는데 달라짐
- 코로나를 생각해도 과거엔 이런 현상이 생길지 몰랐지만, 코로나로 인해 정말 많은 것들이 변함
- 요즘은 많이 안정되었다고 볼 수 있지만, 코로나가 막 시작되었을 땐 언제 끝날지 상상할 수 없었음
- 스타트업, IT 업계는 투자가 잘 돌지 않으면서 이직의 난이도도 어려워짐
- 불과 몇년 전만 해도 개발자 연봉 1억! 이랬는데 최근 엄청 변함(취업이 몇년 전에 비하면 어려워짐)
- 개발자 이직이 언제 잘 풀릴지에 대한 토론을 개발자 커뮤니티에서 보면 많이 하곤 합
- 대학 입학할 때 생각하면 공대에선 전화기가 엄청 강세였는데, 요즘은 컴공에 가서 개발자를 하고 싶다는 사람들도 생김. 과거의 인식과 현재의 인식은 달라짐
위와 같은 현상 : 블랙 스완
- 블랙 스완 : 발생하기 전에는 가능성이 매우 낮아서 예측이 불가능하지만 일단 발생하면 경제에 큰 영향을 줄 수 있는 사건
- 일어날 것 같지 않은 일이 일어나는 현상
- 블랙 스완은 나심 니콜라스 탈레브의 다른 책
- 블랙 스완 현상이 발생하기 전엔 사람들이 상상도 하지 못함. 그러나 현상이 발생한 후엔 그 현상에 대한 전문가들이 나오면서 “이런 저런 이유로 이런 현상이 발생된 것이다”라는 이야기가 나옴
- 페이스북에 ChatGPT 전문가라고 하는 분들이 이런 느낌이였음
- 사실 우리는 그냥 이런 현상이라고 믿고 있었던 것일지도
- 그러길 바랬는데, 막상 그런 상황이 발생하지 않아서 너무 리스크가 컸던 것
- 또한 내가 생각한 것이 아닌, 주변이 믿는 것을 믿었던 것일수도(다른 사람의 의견이 나에게 영향을 미쳤던 것인가?)
안티프래질
- 안티프래질은 불확실한 상황에서 어떻게 해야할까에 대한 관점
- 프래질 : 충격을 가하면 부서짐
- 안티프래질 : 충격을 받으면 오히려 더 성장함
- 성장 마인드셋과 유사
- 목이 잘리면 2개의 목이 생기는 히드라, 죽음을 경험하면 더 강해지는 드래곤볼의 초사이언, 충격을 흡수했다가 강한 에너지로 분출하는 블랙 펜서의 비브라늄 슈트 등을 예시로 들 수 있음
- 불확실한 상황에 어떤 태도를 가져야 할까?
- 성공, 실패는 결국 피드백이다. 그 안에서 경험을 얻자
- 닥친 스트레스를 대응하자
- 전략
- 바벨 전략 : 중간이 아닌 양 극단을 모두 수용
- 승무원 채용할 때 낙천적인 사람
- 조종사 채용할 때 비관적인 사람(잘못될 경우 리스크가 크므로)
- 옵션
- 비대칭성 : 예측이 틀렸을 때 잃는 돈보다 옳았을 때 버는 돈이 많음
- 합리성 : 좋은 것을 유지하고 나쁜 것은 버림
- 바벨 전략 : 중간이 아닌 양 극단을 모두 수용
- 아래는 책을 읽고 정리한 내용
데이터 과학자 관점에서 생각해보기
- 데이터 과학에선 과거의 데이터로 미래를 예측, 추론하려고 함
- 데이터 과학 교육에서 “아웃라이어”라는 개념이 존재하는데, 아웃라이어는 평균에서 크게 벗어나 다른 대상과 확연히 구분되는 표본을 의미함
- 이런 아웃라이어는 모델링하거나 분석할 때 제외함
- 그리고 이런 현상이 일어나지 않을 때의 모델, 분석을 만들어서 활용함
- 처음 학습할 땐 아웃라이어는 빼야지!라는 생각을 했지만, 현업에서 일을 하면서 여러 경험을 하니 아웃라이어를 꼭 제외하지 않고, 어떻게 바라볼지에 대해 생각하는 시간도 필요할 것이라 생각했음
- 블랙 스완 현상이 발생해서, 그 부분과 관련된 데이터는 아웃라이어가 될 수도 있다
- 아웃라이어를 무조건 제외하는 것이 아니라, 아웃라이어가 발생한 맥락도 확인해봐야 하지 않을까?
- 아웃라이어를 제외하고 모델을 잘 만드는 것도 중요하지만, 아웃라이어가 발생했을 때 어떻게 대처하는게 중요하지 않을까?
- 대처에 대한 관점은 MLOps 관점에서도 연결이 된다고 느꼈음
- 만약 SNS 프러덕트에서 실시간 추천 시스템을 운영하는데, 이상한 컨텐츠(광고나 음란물 등)가 굉장히 많이 유입된다면? 또한 어뷰징을 하는 봇이 많아서 이런 컨텐츠 위주로 좋아요, 댓글을 한다면?
- 모델링 관점에선 사람들이 좋아할 컨텐츠를 추천하고 있을 수 있음
- 그러나 이런 상황이 발생하지 않길 바라는 경우가 많을 것
- 유저 관점에서 이런 컨텐츠가 많으면 프러덕트의 만족도가 하락될 가능성이 높음
- 이런 예시는 단순 예시가 아니라 인스타나 페이스북에서도 발생하고 있던 일. 해결 방법 중 하나로 컨텐츠를 올릴 때, 컨텐츠의 속성을 예측해서 이상하다고 생각하면 Block을 하고 있음
- 만약 데이터가 있다면 모델링을 할 수 있지만, 데이터가 없다면(=상상도 못한 종류의 일이 발생한다면) 모델링이 어려움. 물론 기술적으로 이런 것들을 해결하기 위한 방법을 Anomaly Detection에서 많이 시도하기도 함
- 위에 이야기의 핵심은 불확실한 상황이 생겼을 때 우리는 어떻게 해야 할까? 모든 것을 데이터 기반으로 할 수 있는가?라는 질문을 던지는 것
- 불확실함이 매우 크다면 완전 데이터 기반은 어려울 수도 있다는 관점을 제시하고 싶은 것
- 데이터 과학자로 일하면서 종종 데이터로 좋은 의사결정해주세요!라는 말을 자주 듣는데(예로 코로나), 나도 코로나는 처음이고 이런 상황에 어떻게 해야할지는 사실 몰랐다. 그냥 데이터와 여러 경험을 토대로 추론하고 이런 Action Item에 베팅할 뿐
제 의사 결정 원칙
1) 답을 내린다는 표현 대신 베팅한다고 생각하기
- 어떤 단어를 쓰느냐에 따라 나의 사고가 결정된다고 생각하기에 베팅한다라는 표현을 사용
- 비슷하게 당연하다라는 말도 잘 쓰지 않음. 당연하지 않을 수 있고, 당연하다고 우리가 믿는 것일 수 있음
2) 지표로 나타날 수 있는가?
- 현상을 파악할 수 있는 지표 2-3개가 존재한다면 그 지표를 사용
- 여러 케이스에 대해서 Mental Simulation을 진행
- 2개의 지표가 있는 경우엔
- a 상승, b 상승
- a 상승, b 하락
- a 하락, b 상승
- a 하락, b 하락
- 각각의 경우가 발생하면 어떤 Action Item을 할 것인가? So What에 대해 생각해봄
- 이런 사고를 하면 미리 Risk를 대비하려는 노력을 하고, 실제로 이와 유사한 상황이 오면 당황하지 않게 됨(물론 블랙 스완은 위 케이스보다 더 극단적이라 놀라긴 할 것이지만 심리적으론 더 건강)
3) 아 정말 모르겠다면?
- 다른 사람들이 어떤 선택을 하는지 보고, 일반적이지 않은 선택을 한다
- 군 전역 후 25세부터 생긴 마음 가짐
- 남들이 선택하지 않은 것을 하다보면, 그 희소한 선택들이 모여 나를 더 희소하게 만들 것
- 알파고가 뜨고 동아리 동기들이 모두 대학원에 갈 때 패스트캠퍼스에서 공부한 것, 데이터 분석가로 들어갔는데 데이터 엔지니어 일을 받았을 때 오히려 더 잘해보려고 한 것, 시키는 일 이상으로 더 잘하기 위한 고민을 했던 것, 코칭/교육을 시도했던 것
- 위 케이스는 모두 내가 경험한 것으로, 다양한 경험들이 쌓여서 현재의 나를 만들었음
- 여전히 고민될 땐 “다수가 A라고 하면 난 A가 아닌 방법으로 해내자”라는 생각을 자주 함(반골 기질?)
4) 에너지가 충분한지 확인
- 에너지가 충분하지 않으면, 좋은 결정을 하기 어려움
- 특히 불안할 땐 더 그럼. 다른 사람에게 의존하거나 맡기고 싶어함
- 이럴 땐 차라리 푹 쉰다. 그리고 다시 본다
5) 결정을 했으면 그 결정이 좋은 결과를 낼 수 있는 방법을 고민하기
- 어떤 결정을 하면, 모든 시도를 하면서 결국 해내는 것이 중요하다고 생각
- 결국 해내는 사람이 될 것인가? 할 수 있는 정도만 하는 사람이 될 것인가?
6) A or B라는 질문이 온다면
- A and B가 안되는지 생각해본다. 정말 불가능한가? 둘 다 가능한 방법은 무엇일까?
- 이분법을 넘어서 둘 다를 생각하는 사람
7) 시간이 지날수록 손해가 생기면 시간을 정해두고 끝낸다
- 30분 안에 의사 결정하기!
- 불확실한 일은 마감을 정하고 일차적으로 확인한 후 가는 것도 방법. 안되면 그냥 포기하는 것도 손실을 줄일 수 있음
8) 미리 하면 좋은 것이라면 차라리 먼저 하자
- 미리 하면 좋은 것이면 시간이 지날수록 얻는 이익이 커짐
- 예) 문서화. 문서화는 미리 할수록 좋음
- 예2) 사람들과 신뢰 쌓기. 신뢰는 먼저 쌓을수록 좋다
9) 일단 경험하고, 그것을 좋게 만드는 것은 나의 몫
- 어떤 마인드를 가지느냐에 따라 그 경험이 좋아질 수 있는 것은 결국 나의 마인드에 따라 결정
- 다양한 관점으로 생각해보기
- 정승제 선생님의 이 세상은 마인드의 차이야! 라는 컨텐츠를 봐도 크게 도움 됨
- 일을 주체적으로 해결하려는 마인드
10) 고민이 될 때 보는 지침서 만들기
- 저는 컨설팅, 팀 코칭을 할 때 항상 컨설팅의 비밀 이란 책을 읽고 갑니다. 이 책을 읽으며 이번엔 어떤 관점으로 시도할까를 생각하고 들어가요
- 이런 루틴이 제 일하는 태도를 만들고, 미리 상상할 수 있어 더 좋은 의사 결정을 할 수 있게 되었어요
11) 칩 히스, 댄 히스의 의사 결정 프로세스를 자주 보며 리마인드
- 후회 없음 책에서 나오는 의사 결정 프로세스 4단계
- WRAP 1단계 : 선택지 넓히기
- 현재 생각하는 대안이 전부인가? 생각하는 것을 모두 할 수 없다면 무엇을 해야하나?
- WRAP 2단계 : 가정 검증
- 지금 가정하는 것이 진짜 맞다고 확신할 수 있는가?
- WRAP 3단계 : 결정과 거리 두기
- 결정에 감정이 기여했는가? 이성적으로 생각했는가?
- WRAP 4단계 : 틀릴 때를 대비하기
- 예상과 다르면 어떻게 할 것인가?
마무리
- 불확실한 상황에서 어떻게 행동해야 할까? 불확실한 상황일수록 자신이 어떤 사람인지 메타인지가 있고, 자신만의 원칙이 있을수록 더 소신 있게 움직일 수 있는 것 같습니다
- 여러분들의 의사 결정 원칙은 무엇인가요? 자신만의 의사 결정 원칙을 만들어보시길 바랄게요
- 제가 공유한 내용은 정답이 아니고, 경험한 내용을 글로 작성한 내용입니다. 내용에 의견이 있다면 언제든 말씀해주세요!
글 작성하는데 걸린 시간 : 1시간 38분
카일스쿨 유튜브 채널을 만들었습니다. 데이터 분석, 커리어에 대한 내용을 공유드릴 예정입니다.
PM을 위한 데이터 리터러시 강의를 만들었습니다. 문제 정의, 지표, 실험 설계, 문화 만들기, 로그 설계, 회고 등을 담은 강의입니다
이 글이 도움이 되셨거나 의견이 있으시면 댓글 남겨주셔요.
