기본 콘텐츠로 건너뛰기

조직과 문화의 개선에 Bottom Up은 불가능하다.

조직과 회사를 개선하는 방법에는 크게는 2가지 접근법이 있습니다.

하나는  Buttom Up이고 하나는 Top Down 입니다.

근래에는 2가지를 섞은 샌드위치 형이나 다른 접근방법도 있긴 하지만 대체로 보면 위 2가지가 가장 큰 접근법입니다.

저는 2가지 접근법 중 상향식 접근방법은 불가능하다고 생각하는 입장입니다.

상향식이란 가장 말단 조직 또는 구성원들로부터 풀뿌리식으로 성과를 내고 그 성과과 전사적으로 펴저냐가는 방식이라고 볼 수 있습니다.

애자일 진영에서 가장 선호하는 방식중의 하나이고 실제로도 많이 시도되는 방식중의 하나입니다.

하지만 전 이 방법의 성공 가능성에 대해 회의적입니다.

조직과 회사가 작고 말단 직원으로부터 회사의 경영층까지의 의사소통 구조가 단순하다면 분명 가능할 수 있는 방식입니다.

하지만 조직이 조금만 더 커지고 의사결정이 복잡해 질 수록 이 방법의 성공률은 극도록 저하됩니다.

특히 회사가 작은 중소기업에서 급격한 성장세를 구가하는 단계에 접어들게 되면 성공률은 더욱더 떨어지게 됩니다.

이유인즉슨.. 회사는 이윤을 목적으로 하는 집단이기 때문입니다.

이윤을 목적으로 한다는 것은 최소한의 투자로 최대한의 이익을 얻어야 한다는 것입니다.

최소한의 투자를 한다는 것은 리스크가 최소로 관리되어야 한다는 것입니다.

리스크가 최소로 관리되어야 한다는 것은 검증된 방법 즉, 안전한 것에만 투자하게 된다는 것입니다.

문제는 이러한 순환고리가 고착화 될 경우 회사는 경직되고 처음의 그 에너지는 많은 손상을 입게 된다는 것입니다.

문제가 커지고 더 이상 방치할 수 없는 단계에 이르게 되면 그 때에서야 조직은 변화에 대한 필요를 인식하고 변화하기 위한 노력을 하게 됩니다.

하지만 우리가 흔히 신념, 가치관, 정책이라고 부르는 것은 쉽게 바뀌지 않게 됩니다.

안전한 것, 리스크가 적은 방법만을 우선시하던 조직 문화는 그렇게 쉽게 바뀌지 않습니다.

이러한 문화는 회사의 신념, 가치관, 정책에 배치되는 다른 신념, 가치관, 정책을 받아들이기 힘들게 만듭니다.

즉, 밑에서부터 시도되는 무수한 변화의 의지가 회사의 신념, 가치과, 정책과 배치된다면 그 변화의 의지는 받아들여질 수 없습니다.

우리는 흔히 안전하게 파일럿 프로젝트 또는 태스크 포스 팀을 구성해서 검증해 보고 효과와 효율이 검증된 경우 전사로 확장한다는 상향식 방법에 대해 큰 거부감이 없습니다.

하지만 이것은 너의 아이디어가 훌륭하기만 하다면 회사가 전폭적으로 지원해 주고 밀어줄께 라는 약속이 얼마나 덧없는 약속이고 지켜질 수 없는 약속인인지 알고 있다면 상향식도 마찬가지라는 것을 알 수 있을 것입니다.

조직과 회사에서 구성원은 영원한 을이면서 영원한 약자일 수밖에 없습니다.

그들이 진정 조직과 회사에서 의사 결정을 이루고 힘을 발휘하는 경우는 찾아보기 힘듭니다.

그런 의미에서 회사라는 조직에서 민주주의는 허상에 불과하다고도 할 수 있을 것입니다.

이런 의미에서 보면 우리는 회사에서 개인의 발전과 꿈을 이루는 것이 얼마나 어렵다는 것인지 쉽게 알 수 있습니다. 내가 꿈꾸고 내가 원하는 것이 회사의 신념과 정책, 가치관과 배치되는 입장에 놓여 있다면 그것이 아무리 옳은 방법일지라도 회사에서 받아들일 수 있도록 설득하는 것이 얼마나 어려운지 이해가 됩니다.

혹자는 회사에서 개인적인 성취를 꿈꾸지 말라고 합니다. 회사는 단순한 생계유지의 수단으로 생각하고 개인적인 성취는 다른 곳에서 이루라고 말합니다.

애자일 방법론과 같은 최근의 방법론이 많은 경우 도입되지 못하는 것도 이러한 측면이 있다고 생각합니다.

컨설턴트들도 상향식을 즐겨 사용합니다.

이유인즉, 안전하고 지속적인 수입을 보장하기 때문입니다. 또 고객이 원하는 경우도 그렇습니다.

결론적으로 상향식 방법은 크게 2가지 관점에서 성공하기 어렵습니다.

첫번째는 상향식 방법은 대체로 부분 최적화에 그치는 경향이 강합니다. 그러한 부분 최적화를 모아서 전체 최적화를 이룬다는 환상은 불가능합니다. 부분 최적화를 아무리 모아도 전체는 최적화 되지 않습니다.

두번째는 회사는 검증되지 않거나 리스크가 큰 즉, 회사의 신념과 가치관 정책에 위배되는 방법론을 무력화 시키거나 무효화 시키는데 상향식 접근법을 즐겨 사용한다는 것입니다.

조직이 진정으로 다시 한번 변혁을 일으키고 싶다면 상향식 보다는 하향식이 훨씬 더 큰 파급력을 지닙니다.

문제는 하향식의 경우 경영층이 잘못된 선택을 하게 된다면 돌이키기 힘들다는 점입니다.

그리고 하향식의 다른 문제점은 경영층이 바뀐다면 그 정책이 지속되지 못할 것이고 그 효과와 성과는 신기루처럼 사라져 버린다는 것입니다.

하지만 우리가 올바른 선택을 지속할 수 있다면 그 효과는 배가 될 것입니다.

그런 점에서 관리층과 경영층은 정말 열심히 공부를 해야 합니다.

관리가 무엇이고 경영이 무엇인지 잘 알고 있어야 할 필요가 있습니다.

회사는 지속 가능한 신념과 정책, 가치관에 많은 투자를 해야만 합니다.

이 세상에 프로젝트를 성공으로 이끌고 회사를 지속 가능하도록 유지하게 만드는 신비의 영약이나 은총알 같은 것은 없습니다.

때문에 우리는 충분히 좋은 선택을 해야 합니다.

여러분은 충분히 좋은 선택을 하기 위해 어떤 노력을 하고 계시나요?

댓글

  1. bottom up 개혁은 성공하기 힘들죠. 저도 컨설턴트이지만, 항상 Top-down 개혁을 주장합니다. 컨설턴트가 아무리 도와 준다고 해도 경영자의 통찰력이 가장 중요하더군요.

    답글삭제
  2. 애자일 진영에서 상향식을 선호한다는 것은 잘 모르겠네요.



    일반적으로 모든 기술의 라이프 싸이클 초기에는 얼리어댑터들(CEO, CTO가 얼리어댑터인 경우는 드물죠)이 먼저 도입을 하고 그 전파는 상향식으로 일어나는 경향이 있습니다(무어의 캐즘 이론). 애자일이 비교적 새롭기 때문에 그랬던 것 같고요.



    요즘은 애자일이 캐즘을 넘었다는 보고가 많아지고 있어서인지, 애자일을 하향식으로 적용했다는 사례도 점차 증가하고 있습니다. (대략 2005년이 분수령이었다고 봅니다)



    쓰신 글에 상당 부분 공감을 합니다. 상향식, 리스크가 큽니다. 하향식도 약간 언급하셨지만 상향식 만큼의 리스크가 존재한다고 봅니다.

    답글삭제
  3. 전 아직 경험이 없어서 그런지 상향식이 더 강력하지 않을까 싶습니다. (물론 부분최적화가 될수도 있겠지만..)

    사람 일인데 단정짓기에는 무리가 있지 않을까요?^^

    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 ...