기본 콘텐츠로 건너뛰기

서로 다른 2가지 유형의 사람 - 당신은?

사람을 유형별로 구분짓는 연구는 수도 없이 많습니다.

각종 설문지와 시험을 통해 사람의 성격을 규정하기도 하고 그 사람의 취미나 직업에 대해 조언해 주기도 합니다.

사실 이런 모델은 너무도 많아서 솔직히 어떤 모델이 좋은 것인지 어떤 상황에 어떤 유형을 적용하면 좋은 것인지에 대한 정보를 얻기도 힘든 것이 사실입니다.

저도 이런 정보를 누군가가 좀 일목요연하게 정리해 주었으면 하는 바램입니다.

사실 전 교육 심리학을 들었기 때문인지 심리학이 참 매력있는 학문이라고 생각이 듭니다.

어쨌든.. 사설은 여기까지 하고..

그러한 많은 모델들을 잘 살펴보면 사람은 크게 2가지 유형으로 나뉘는 것 같습니다.

예를 들어보면

우리 나라 같은 의료 후진국은 없는 제도이긴 하지만..

의사들은 전문의와 가정의로 나뉩니다.

여러분이 지금 너무 너무 아파서 병원에 갔다고 생각해 봅시다.

대부분 사람들은 자기가 어디가 아픈지 확실하지 않으면 커다란 병원으로 가게 되죠.

넓디 넓고 깨끗하고 깔끔하고 먼가 샤라라라한 병원 라운지에서 여러분은 여러분의 병을 진찰받기 위해 어디로 가시나요?

여러분은 병원에 있는 산부인과, 유아청소년과, 내과, 외과, 흉부외과, 비뇨기과, 방사선과 등등등 수없는 미로와 같은 분류속에서 어떤 것을 선택하실 수 있나요?

이런 경우 우리 나라는 대부분 원무과로 달려갑니다.

대부분의 병원은 진료 전에 접수부터 받고 접수를 받을 때 접수처 직원이 알아서 과를 배정해 주는 경우가 많습니다.

그런데 이게 정말 당연하다고 생각하시나요?

만약 여러분이 이비인후과를 가야하는데 원무과에서 내과를 배정했다면 여러분은 과를 바꾸신적이 있으신가요?

대부분은 그냥 내과 치료만 받고 맙니다. 정말 재미있는건 의사 역시 과를 옮겨주지 않는다는 겁니다.

이건 병원에 국한된 이야기만은 아닙니다.

여러분의 회사에서도 이러한 일은 비일비재합니다.

어떤 아주 중요한 의사결정의 과정에 얼마나 많은 전문가가 참여하나요?

그런 전문가들의 의견을 종합하고 분석하고 결정을 내려주는 사람은 있나요?

내려진 결정이 잘못된 결정인 것을 깨달았을 때 결정을 바꿀 수 있나요?

우리는 조직 안에서 조직원들에게 항상 전문가가 되라고 강요합니다.

특정 분야의 전무가가 되는 것을 무척이나 강조합니다.

하지만 전문가만 가득한 그런 조직이 과연 훌륭한 조직일까요?

분명 전문가도 필요합니다. 그리고 그런 전문가가 되기 위한 자질을 타고난 사람들도 많습니다.

하지만 조직 안에는 꼭 전문가만 필요한 것은 아닙니다.

가정의와 같은 사람도 필요합니다.

외국에서 가정의는 일종의 주치의와 같은 개념이라고 보시면 됩니다.

가정의는 여러개의 전공을 가진 의사로 1차적인 진료를 통해 환자의 병을 종합적으로 판단하고 적절한 전문 치료를 받을 수 있도록 조언을 해주는 역할을 합니다.

여러분의 조직에도 이런 가정의와 같은 사람이 있나요?

언제나 혁신을 주도하고 미래를 바라보고 폭 넓은 지식을 가지고 회사를 주도할 수 있는 역량을 가진 사람이 있나요?

이런 사람들은 확실이 전문가적인 지식에는 미치지 못합니다. 관심 분야가 여러 분야에 걸쳐 있다 보면 아는 것은 많지만 자칫 깊이가 없을 수도 있습니다.

많은 경우 우리는 조직에서 이런 사람은 매우 불필요한 존재로 인식합니다.

전문성도 없고 열의도 없고 깊이도 없는 어중이 떠중이 만물박사와 같은 사람..

여러분은 어떻게 생각하시나요?

전 이런 사람도 분명 필요하고 조직에서 이들의 역량 역시 강화시켜줘야 한다고 생각합니다.

전문가만 바글 거리는 조직은 서로 잘난 맛에 모래알처럼 바스러지기 쉽습니다.

그런 모래알을 강력하게 뭉쳐주는 것은 물입니다.

그런 물과 같은 존재가 여러분의 팀장님이라면 더욱 좋겠죠.

하지만 우리 나라에서는 전문가가 팀장이 되는 경우가 훨씬 많습니다.

이런 문화는 상하적인 수직관계를 기반으로 하는 일본식 조직 문화의 영향입니다.

직급과 월급은 승진을 통해서만 보장됩니다. 그리고 이러한 승진은 전문가가 되어야만 가능합니다.

하지만 전문가가 곧 관리직은 아닙니다. 전문가가 관리직이 될 경우 우리는 어떤 일이 생기는지 잘 알고 있습니다. 그리고 관리직으로 성공적으로 변신하지 못하는 전문가들은 곧 회사를 이탈합니다.

회사는 성장 동력을 영원히 잃어버리게 됩니다.

전문가는 전문가로서 인정을 받고 관리직은 관리직으로 인정받는 수평적 조직문화가 필요하다고 생각합니다.

직급에 따른 보상이 아닌 능력과 열정으로 보상받는 조직이 되어야 한다고 생각합니다.

여러분은 어떠신가요?

여러분은 전문의에 가깝나요? 가정의에 가깝나요?

여러분의 팀장님은 어떤가요? 여러분의 경영진은 또 어떤가요?

관련해서 좋은 의견이 있으신 분은 댓글이나 트랙백을 달아주시면 고맙겠습니다.

댓글

  1. 김주봉5/7/10 17:50

    좋은 글 감사합니다~



    전 가정의에 속하는 편이지만... 많은 미숙한 점을 느낌니다.

    답글삭제

댓글 쓰기

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 ...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...

AI가 만들고 사람이 고친 글, 과연 'AI 생성물'일까? — 무너지는 경계선과 각국의 표기 가이드라인

이미지, 음성, 텍스트를 가리지 않고 생성형 AI의 산출물이 전 세계 디지털 공간에 폭포수처럼 쏟아져 나오고 있습니다. 가짜 뉴스, 딥페이크 오정보, 저작권 침해 등 여러 사회적 문제를 일으키면서, 최근 EU를 비롯한 세계 각국의 규제 기관들이 "AI가 만든 콘텐츠에는 반드시 표시(Labelling)를 하라"는 강제 가이드라인을 잇달아 꺼내 들고 있습니다. 이와 관련해 Smashing Magazine에 비탈리 프리드만(Vitaly Friedman)이 기고한 아티클은 EU의 최신 규제가 실무 인터페이스(UI/UX)에 어떤 변화를 요구하는지 잘 보여줍니다. (출처: Smashing Magazine - New EU Guidelines For AI Labelling / Vitaly Friedman) https://www.smashingmagazine.com/2026/08/eu-guidelines-ai-labelling/ EU AI Act 제50조 투명성 규정에 따르면, 딥페이크나 AI 챗봇 대화, 인간의 검수 없이 AI가 100% 작성한 공공 텍스트 등에는 전용 AI 마크나 암호화된 메타데이터(Watermark)를 반드시 내장해야 합니다. 기존에 서비스들이 유행처럼 쓰던 모호한 '반짝이 아이콘(✨ Sparkles)' 수준으로는 법적 기준을 충족할 수 없게 된 것입니다. 하지만 현장의 개발자, 에디터, 테스터들이 마주한 진짜 혼란은 규제의 유무가 아닙니다. 바로 "도대체 어디까지를 AI가 만들었다고 볼 것이며, 어디서부터를 사람이 만든 것으로 정의할 것인가?"라는 근본적인 경계선의 모호함입니다. 프롬프트 한 줄 던져서 AI가 뽑아낸 초안을 사람이 문장 몇 개 다듬었다면, 이것은 AI 산출물일까요, 인간의 글일까요? AI가 코딩한 1,000줄의 소스 코드를 엔지니어가 한 시간 동안 디버깅하고 검수했다면 이 코드의 주인은 누구일까요? 글로벌 규제 기관들도 이 모호함을 인지하고 명확한 자격 기준을 세우기 위해 격렬한 논의를 ...