기본 콘텐츠로 건너뛰기

컨설턴트와 매니저

컨설턴트라는 사람들이 있습니다.

어느 날 사장님이 우리는 변하여만 한다며 어디서 이상한 사람을 데려왔습니다.

하지만 우리는 힘들긴 하지만 변하고 싶은 생각은 쥐꼽만치도 없습니다. 특히 저 갑자기 튀어나온 인간이 도데체 머하는 인간인지는 모르겠지만 부하 직원들을 불러다가 이것 저것 꼬치 꼬치 캐묻고 사무실을 왔다 갔다 하면서 이것 저것 물어보고 있습니다.

그러더니 이것 저것 바꾸어야 한다면서 두툼한 문서를 들이밀고 있습니다. 이것은 명백한 도전입니다. 이것은 당신에게 당장 극복해야만 하는 과제입니다. 보고서라고 읽어보니 우리가 하는 일은 쥐뿔도 모르는 것 같습니다..

아 정말 이사람은 뭐하는 인간이야?

이런 경험을 해보신 분 있으신가요?

우리는 주변에서 컨설팅 업체를 아주 쉽게 찾아 볼 수 있습니다. 그에 맞게 정말 많은 사람들이 컨설턴트로 일하고 있습니다.

사외에서 오는 컨설턴트 뿐만 아니라 사내에도 컨설턴트가 있습니다.

컨설턴트가 특별히 규정된 직업은 아닙니다. 당신에게 무엇인가를 조언해 주는 사람이 있다면 그 사람은 당신에게 있어서 컨설턴트입니다.

하지만 주변의 많은 경우에 컨설턴트에 대한 입장을 들어보면 무척 냉소적이고 비아냥 거리는 사람들이 많습니다.

이렇게 된 저변에는 무능한 컨설턴트들도 한 몫을 한 것도 있지만 컨설턴트에 대해 많은 것을 오해하고 있는 부분도 있습니다.

여러분은 컨설턴트를 누구라고 생각하시나요? 컨설턴트는 무슨 일을 하는 사람일까요? 우리 조직을 변화시키겠다고 옆에서 들쑤시는 이 컨설턴트에게 무슨 일을 맡기면 좋을까요?

자, 만약 지금 당신이 무기력해지고 냉소적으로 변한 조직에 변화를 주고자 열심히 노력중이지만 당신의 정치적인 능력이나 인지도를 보충할 목적으로 컨설턴트를 부른다면 어떨까요? 즉, 당신은 컨설턴트를 일종의 방패막으로 사용할 예정입니다.

아니면 컨설턴트에게 조직의 프로세스 개선을 모두 맡기고 모든 작업을 일임한다면 어떨까요?

만약 지금 당신이 위와 같은 목적으로 컨설팅을 의뢰할 예정이라면 포기하실 것을 권합니다. 당신이 원하는 것은 컨설팅이 아닙니다. 어쩌면 무능한 컨설턴트들은 당신의 제안에 당신의 돈다발을 덥석 물고 죽어라 일을 해주거나 열변을 토해줄겁니다.

하지만 변화는 없을 것이고 컨설팅은 실패할 것이며, 당신의 주변 사람들은 컨설턴트와 당신 모두를 믿지 못하게 될 것입니다.

당신이 내부든 외부든 누군가에게 컨설팅을 의리할 때 가장 먼저 생각해 볼것은 책임의 문제입니다.

유능한 컨설턴트들은 모든 작업에 대한 책임을 50:50으로 가져가기 위해 당신을 설득할 겁니다.

그리고 당신이 컨설팅을 받고자 한다면 당신 뿐만 아니라 당신의 조직 모두가 컨설턴트를 믿고 책임을 함께 질 각오가 되어 있어야 합니다.

비싼 컨설턴트를 불러다 놓고 우리는 바쁘기 때문에 모든 것을 당신이 알아서 하라고 한다던지, 모든 것은 내가 알아서 할 것이니 당신은 내 대변인만 되면 된다고 할 거라면 당신에게 모든 것을 충성하고 열심히 일할 계약직을 고용하십시오. 비싼 돈을 주고 무능한 컨설턴트를 고용할 이유가 없습니다.

몇가지 예를 들어보겠습니다.

당신은 테스팅 정책 문서가 필요합니다. 컨설턴트도 당신에게 테스팅 정책에 관한 문서가 필요하다고 얘기합니다. 하지만 당신은 우리는 바쁘니 컨설턴트에게 정책 문서 템플릿을 제공해달라고 요청합니다. 컨설턴트는 어디선가 뚝딱 당신을 위한 문서를 가져다 줍니다. 아주 자연스러우신가요?

만약 위와 같은 제안에 응하는 컨설턴트가 있다면 짤라버리십시오. 그 사람은 무능한 컨설턴트입니다.

당신은 당신의 책임을 컨설턴트에게 전가한 것이고 컨설턴트는 자신이 컨설턴트이기를 포기하고 매니저나 직원 역할을 자청한 것입니다.

아니면, 당신은 당신의 조직을 진단하기 위해 컨설턴트를 고용했습니다. 몇일을 들쑤시고 다니던 컨설턴트는 이것 저것 고쳐야 한다면서 자기를 믿고 따르면 큰 복락이 있을거라고 거품을 물고 있습니다. 컨설턴트는 당신을 밀쳐내고 조직을 진두지휘하려고 합니다. 이런 컨설턴트도 짤라 버리십시오. 당신은 컨설턴트를 고용한 것이지, 매니저를 고용한 것이 아닙니다.

제가 하고 싶은 말은 이겁니다.

여러분이 컨설팅을 받고 계시거나 받을 예정에 있으십니까?

그럼 책임에 대해 확실히 하시기 바랍니다. 누가 어떤 작업을 진행하고 누가 컨설턴트를 도울 것인지..

컨설턴트는 당신을 대신하기 위해 고용된 것이 아닙니다. 당신의 일을 덜어주기 위해 온 것도 아닙니다.

당신은 컨설턴트에게 일을 나눠줄 것이 아니라 같이 일하고 열심히 배워야 하는 입장입니다.

누구의 잘못이 먼저이기 전에 서로의 책임에 대한 체크리스트를 만들어 보시기 바랍니다.

만약 이러한 얘기를 하지 않는 컨설턴트가 있다면 짤라버리십시오.

이런 얘기를 하는 컨설턴트가 있다면 책임에 대해 밀도있게 얘기하시기 바랍니다.

그렇지 않으면 당신의 조직은 그 열정적이고 바보같은 컨설턴트가 떠난 후 다시 처음으로 돌아가 버릴 것입니다.

컨설팅을 받고자 하시면 할 수 있는 모든 일은 여러분이 하십시오. 컨설턴트는 당신이 수행한 작업을 검토하고 도와주기 위한 조언을 할 것입니다.

그것이 올바른 컨설턴트와 매니저의 관계입니다.

댓글

이 블로그의 인기 게시물

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...

'자동화 편향'과 '대중적 불신' 을 고려한 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...