기본 콘텐츠로 건너뛰기

신종플루와 판단의 기준 - 당신의 판단을 믿을 수 있습니까?

최근 뉴스에서 가장 큰 화두는 신종 플루이다.

항간에는 음모론까지 나돌 정도이다.

여기저기서 쏟아지는 정보에 정신이 없다. 무엇이 진실인지 거짓인지도 명확하지 않다. 인간의 공포는 무지에서 온다. 진실을 판단할 기준이 명확하지 않다 보니 혼란만 가중되는 것 같다.

강도의 차이는 있지만 영락없는 광우병 사태와 다름이 없다.

솔직히 나로서도 무엇이 진실인지 명확하게 판단하기가 쉽지 않다.

그런데 왜 이러한 혼란이 야기되는지에 대해서는 일부 추측해 볼 수 있다.

한가지 예로 현재까지의 신종플루의 사망율은 과연 얼마나 되는 것일까?

정확한 자료가 없기 때문에 딱 잘라 말할 순 없지만 공식적인 발표에서는 0.03%였다. 0.03%라 하면 1만명이 감염되어 3명이 숨졌다는 얘기이다.

반면에 대한결핵협회에 따르면 2008년 결핵에 의한 사망율은 인구 10만명당 4.7% 즉, 인구 1만명당 470명이라고 발표했다.

단순히 사망율만 놓고 비교해 본다면 신종플루는 결핵에 비하면 병도 아니다. 신종플루에 쏟아지는 관심과 비용등은 당연히 결핵과 같은 병에 쏟아지는 것이 더 옳다.

머 신종플루는 전염성이 강하다고 말씀하시는 분도 있으실텐데.. 결핵도 전염성이라면 만만치 않다.

그렇다면 왜 이런일이 생기는 것일까?

심리학자들은 이것을 '틀 짜기(framing)'라고 부른다.

잘 생각해보자. 사망율 몇%라는 방송과 금일까지 몇명이 죽었다는 방송 사이에서 여러분은 어떤 방송이 더 위험한 내용으로 인식되는가?

즉, 우리는 동일한 내용이라도 판단의 기준을 바꾸면 전혀 다른 내용으로 인식하게 된다는 것이다. 특히 이것이 어떤 것과 비교를 하게 되는 닻 내림 효과와 마주지면 그 효과는 더욱 상승하게 된다.

인구 1만명당 3명이 죽는 신종플루라고 표현한다면 인구 1만명이 일종의 기준점이 되고 사람은 그에 맞추어 판단하게 된다. 이러한 기준이라면 사람들은 신종플루가 그다지 위험한 질병이라고 판단하지 않게 될 것이다.

반면에 금일도 신종플루로 인하여 사망자가 발생하였으며 해당 환자는 신체 건강한 저위험군 환자였다는 뉴스를 접하게 된다면 판단의 기준은 신체가 건강하다는 것이 되고 그런 사람도 죽을 수 있는 그리고 날마다 사망자가 발생하는 아주 위험한 전염병이 되는 것이다.

이러한 것을 우리는 주변에서 아주 쉽게 접할 수 있지만 대부분 그것을 인식하고 사는 사람은 거의 없다.

비슷한 경우로 품질을 들 수 있다.

여러분은 품질을 측정가능한 지표라고 생각하는가? 나는 품질을 측정가능한 지표라기보다는 결정되는 지표라고 말하는 부류이다.

품질을 이루는 신뢰성, 유지보수성, 이식성, 사용성과 같은 비기능적 특성들에 대한 기준이 무엇인가? 그 기준은 정확한 것인가?

다른 예를 들어본다면 결함율 같은 것도 생각해 볼 수 있다. 일반적으로 품질을 측정하는 지표로 가장 많이 쓰이는 것 중 하나가 결함율이다.

결함 잔존율이 20%라고 적혀 있는 제품과 결함 수정 완료율 80%라고 적혀 있는 두 제품을 생각해 보자. 어떤 제품이 더 좋은 제품인가?

두 제품은 같은 제품이다.
하지만 우리가 판단할 때 결함 잔존율은 결함이 수정되지 않고 결함이 제품에 남아 있는 것이라고 생각한다. 하지만 결함 수정 완료율이라고 한다면 이것은 결함이 제거되어 안전하다고 판단한다.

이러한 두 지표 사이의 간극이 사람이 판단하기 어려울 정도로 작아진다면 틀 짜기의 효과는 극대화 된다.

위의 예를 각각 10%와 90%로 바꾸어서 생각해 보라. 이렇게 된다면 판단은 더욱 견고해진다.

이러한 틀짜기는 마케팅에서 가장 흔히 사용되는 기법 중 하나이다.

틀짜기는 판단의 기준을 흔들어 판단을 특정 방향으로 이끄는 효과를 지닌다.

테스터라면 이러한 것을 잘 알고 있어야 한다. 회사가 의도한 대로 제품을 판단하고 테스트 한다면 그 결과는 회사를 위한 제품일 뿐 절대 사용자를 위한 제품은 될 수 없다.

테스트 설계 기법과 같은 기법들이 계속 만들어지는 것은 이러한 인간의 판단이 제품의 테스트에 미치는 영향을 적게 하고자 하는 노력의 일환이라고 할 수 있다.

여러분의 여러분의 판단 자체를 믿을 수 있는가?

판단의 근거는 무엇인가? 우리는 정보의 홍수 속에서 살고 있다. 우리에게 지금 필요한 것은 정보를 찾는 능력이 아니라 정보를 해석하고 판단하는 능력이다.

여러분은 여러분이 접하고 있는 정보의 출처를 고민해 본적이 있는가? 그 정보를 정말로 믿을 수 있는 것인가?
가장 최근에 사람들이 가장 믿을 수 있는 정보의 1차 출처로 블로그를 꼽고 있다. 여러분은 블로거를 얼마나 신뢰할 수 있는가? 여러분이 어떤 블로거의 글을 신뢰하고 있다면 그 이유는 무엇인가?

한번 곰곰히 생각해 보기 바란다.

마지막으로 여러분이 만약 테스터라면 테스터가 되고 싶은 사람이라면 정보를 해석하고 판단하는 능력을 키울 것을 권장하고 싶다.

먼저 의심하고 다르게 생각하는 노력을 하기를 바라는 바이다.

댓글

  1. 솔직히 뉴스에서 단순히 몇 명 죽었다고 보도할 때부터 이미 '또 언론 플레이하고 있구만'이란 생각이 엄청 들더군요. 무슨 수치를 기준도 없이 발표하는지....

    답글삭제
  2. 김주봉19/8/10 18:50

    좋은 글 감사합니다~

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

20년 차 테스터가 고른 최근 IT 소식: 기술의 속도, 그리고 사람의 자리

20년 넘게 IT 업계에서 테스팅하고 강의하고 공부하고 여러 일을 해왔지만... 정말이지 단 하루도 편하게 쉴 틈을 주지 않는 세상입니다. 특히 최근 4~5년 동안 가속화된 AI의 물결은 기술의 스펙트럼뿐만 아니라 우리가 일하고, 협업하고, 조직을 이끄는 방식 전체를 뒤흔들고 있습니다. 이번 주에도 수많은 뉴스레터와 아티클을 훑어보았습니다. 그중에서도 기술의 화려함 뒤에 숨겨진 ‘사람, 조직, 그리고 커리어의 본질’을 찌르는 글 몇 개가 눈에 띄어 메모해 둡니다. 제 평소 생각과 맞닿아 있는 6가지 이야기입니다. --- 1. 인지부채(Cognitive Debt): 바이브 코딩 시대에 우리가 지게 되는 진짜 빚 (출처: ROBOCO - 인지부채: 바이브 코딩 시대의 새로운 부채 관리법 / 정도현 수석 컨설턴트 ) 요즘 커서(Cursor)나 클로드 코드(Claude Code) 같은 에이전트를 붙여 "이거 만들어줘" 하고 승인(Approve) 버튼만 누르면 눈 깜짝할 사이에 코드베이스가 완성되는 '바이브 코딩(Vibe Coding)'이 유행입니다. 그런데 속도는 엄청나게 빠른데, 정작 서비스에 장애가 나면 "AI가 짜서 잘 모르겠는데요?"라는 답이 나오는 이상한 현상이 벌어집니다. 정도현 컨설턴트는 이를 '인지부채(Cognitive Debt)'라고 정의합니다. 코드는 쌓이는데, 정작 인간의 시스템 이해도는 쌓이지 않는 격차죠. * Human-in-the-loop의 환상: AI가 초당 수백 줄을 뽑아내는데 사람이 일일이 검토한다? 결국 검토자는 병목이 되고, 시간 압박에 쫓겨 영혼 없이 승인 버튼만 누르게 됩니다. 40년 전 자동화 연구(Bainbridge, 1983)가 지적했듯, 자동화될수록 사람은 감시만 하다가 정작 개입해야 할 결정적 순간에 숙련도를 잃어버립니다. * 부채는 0으로 만드는 게 아니라 '관리'하는 것: AI가 만든 모든 코드를 사람이 외울 수는 없습니다. 핵심은 ...

우리는 AI로 '더 빠른 말'을 키우고 있는걸까요? 아니면 '자동차'를 만들고 있는걸까요?

20년 넘게 IT 현장에서 뒹굴거렸는데... 요즘처럼 "우리가 지금까지 당연하게 여겨온 일하는 방식의 본질"에 대해 근본적인 질문을 던지게 만드는 때가 없었던 것 같습니다. 최근 읽은 UX 관련 글 하나가 가슴을 쿵 치고 지나갔습니다. UX 및 디지털 트렌드를 다루는 블로그 ux4dotcom에 올라온 "Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions"라는 글입니다. (출처: ux4dotcom - Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions ) 혁신을 말할 때 늘 인용되는 헨리 포드의 유명한 말이 있습니다. "사람들에게 무엇을 원하느냐고 물었다면, 그들은 '더 빠른 말'이라고 답했을 것이다." 사람들은 자신이 경험해 본 범위 안에서만 미래를 상상합니다. 말만 탈 줄 아는 사람에게 자동차는 상상 밖의 범주(Mental Model)니까요. 저자는 그동안 UX(사용자 경험)라는 학문과 필드 자체가 '더 빠른 말을 만드는 일(기존 과업의 효율화)'에 집중해 왔다고 지적합니다. 사용자의 행동을 관찰하고, 마찰(Friction)을 줄이고, 화면을 간소화하고, 기존 워크플로우를 최적화해 주는 작업 말입니다. 실제로 주변을 봐도 우리가 AI를 쓰는 방식도 대부분 이 범주를 벗어나지 못하고 있습니다. 더 빠르게 이메일을 작성하고, 문서 요약을 3초 만에 끝내고, 프레젠테이션 장표나 일정표를 순식간에 만들어내는 일. 분명 유용하고 저 역시 매일 요기하게 쓰고 있지만, 이건 어디까지나 '기존에 인간이 하던 일의 프로세스를 흉내 내어 속도만 올린 것(Faster Horse)'에 불과합니다. 정작 "이 워크플로우 자체가 과연 계속 존재해야 하는가?"라는 근본적인 질문은 던지지 못하고 있는 것이죠....

'자동화 편향'과 '대중적 불신' 을 고려 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...