기본 콘텐츠로 건너뛰기

프로젝트의 3요소 - Project Management

프로젝트는 예산, 일정, 품질 3가지 요소로 이루어진다고 볼 수 있다.

물론 위 3가지 요소 외에도 개발 범위, 팀워크, 자원 조달 등 여러가지 요소들도 고려해 볼 수 있지만, 가장 중요한 요소를 꼽는다면 예산, 일정, 품질일 것이다.

위에서 말한 여러가지 요소들은 프로젝트를 계획하여 완료하는 순간까지 복합적으로 작용해서 프로젝트의 성과를 제한하게 된다.

위의 요소들을 잘 통제한다면 성공적인 프로젝트가 되는 것이고 그렇지 못한다면 실패하거나 사라지게 될 것이다.

프로젝트 관리란 그런 면에서 제한된 자원을 가지고 목적한 바를 제한된 기간내에 최소의 비용으로 완수할 수 있도록 하는 것으로 정의할 수 있을 것이다.

이것을 도식화 한다면 아래와 같은 그림으로 표현할 수 있을 것이다.



위의 그림에 보는 것처럼 일정과 품질, 예산은 우리의 프로젝트가 목적하는 바를 달성하도록 하기 위해 상호 연관되어 작용하게 된다.

우리가 접하게 되는 많은 방법론들의 가정에는 위의 요소들을 어떻게 관리할 것인가에 대한 기본적인 가정들이 설정되어 있다.

조직에서 어떤 특정한 방법론을 도입한다는 것은 그런 가정에 동의하는 것이고 그러한 철학을 받아들인다는 것이기 때문에, 방법론을 채택하기 전에 조직의 근본 문제와 문화에 대해 점검해 볼 필요가 있다.

그리고 위의 요소들 외에 고려해 볼 사항은 위의 요소들은 변동성과 불확실성을 내포하고 있다는 것이다.

특히 비용과 예산, 목적은 프로젝트를 진행하면서 가변할 가능성이 매우 큰 요소들이다.

대부분의 방법론은 이러한 변동성에 대한 안전장치들을 가정해서 세워져 있다.

변동성의 측면에서 위의 요소들을 다시 살펴본다면 아래와 같이 가정할 수 있다.



위의 그림을 일부 해석해 본다면 일정이 늘어난다면 비용은 늘어나게 된다.

범위가 변경되어도 비용은 늘어나게 된다.

범위와 일정은 상호 의존적이 된다.

만약 위 3가지 요소의 변동성을 통제하지 못하게 된다면 프로젝트는 혼돈에 빠지게 된다. 그리고 모든 요소가 변동이 된다면 프로젝트 관리자가 통제해야 할 요소들은 급격하게 늘어나고 종국에는 통제 불가능에 빠지게 될지도 모른다.

따라서 각 방법론들은 각 요소들의 변동성을 통제하기 위한 기본 가정들이 설정되어 있다.

그렇다면 어떤 요소가 가장 통제하기 쉬운 것일까? 대부분의 방법론에서 예산을 통제하는 경우는 거의 없다. 예산은 통제하기 가장 어려운 요소 중 하나이다.

개발 범위 역시 통제하기 어려운 요소 중 하나이다. 개발 범위 즉, 요구 사항이 내부에서 발생한다면 통제가 용이하겠지만 수천 또는 수만명의 사람들을 대상으로 하는 프로젝트라면 이 역시 통제가 매우 어려워진다.

결론적으로 일반적으로 최근의 방법론들은 일정을 통제하여 다른 요소들을 통제하는 매커니즘을 사용한다.

그런 의미에서 폭포수 모델은 아직까지는 실제적인 세력을 가지고 있지만 계속해서 그 입지가 작아질 것이라고 생각된다.

왜냐하면 폭포수 모델은 개발 범위에 초점을 맞춘다. 맨 먼저 요구사항 단계에서 모든 요구사항을 정의하고 그 이후에 요구사항의 변경은 없다는 가정하에 세워진 방법론이 폭포수 모델이다. 하지만 급변하는 소비자의 요구와 최근의 추세를 본다면 이러한 노력은 점점 설득력이 없어지고 있다. 물론, 아주 특수한 프로젝트에서는 여전히 개발 범위 즉, 요구사항을 통제하는 것이 유효한 경우도 있다.

반면 애자일 방법론은 시간을 고정시킨다. 가장 대표적인 프로젝트 관리 방법론인 스크럼(Scrum)의 스프린트는 정해진 바는 없지만 대략 2주 정도의 개발 주기를 정해서 진행하게 되어 있다.

즉, 일정을 고정하고 그에 맞춰서 개발 범위를 조정하도록 설계되어 있다.

테스트 프로젝트는 위의 요소와는 조금 다르다.

테스트 프로젝트는 첫번째 그림을 가지고 접근하는 것이 더 타당하다.

테스트 프로젝트는 품질을 결정하고 그에 따라 일정과 비용을 조정하도록 되어 있다.

그렇다면 TOC에서는 무엇에 집중할까?

TOC 역시 애자일 방법론 처럼 시간에 집중하도록 설계되어 있다.

하지만 TOC와 애자일 방법론의 가장 큰 차이점이라 한다면 애자일 방법론은 일정의 기간 자체의 변동성을 제거해 버리지만 TOC는 일정의 변동성 자체를 인정하고 일정의 변동성을 흡수할 수 있는 버퍼라는 개념을 사용한다.

이때, 일정에 대한 버퍼로 인해 일정 자체가 진동하게 된다. 일정이 진동하게 된다면 예산과 개발 범위 자체도 진동할 수 있다.

때문에 TOC 에서는 필요하다면 예산과 개발 범위 자체에도 일정 부분 버퍼라는 개념을 사용한다.

기존의 방법론과 TOC의 가장 큰 차이점이라면 탄력성에 있다고 할 수 있다.

기존의 폭포수 모델은 탄력성이 거의 없는 소성체나 마찬가지다. 만약 이 소성체에 충격이 가해지게 된다면 그냥 부서져 버린다.

애자일 방법론은 가연성 플라스틱과 같다. 일정한 형태를 갖고 있지만 필요하다면 녹여서 다른 모양으로 만들 수도 있다. 다만 너무 자주하면 이 역시 부서져 버린다.

반면 TOC 는 물과 같은 성격을 지닌다. 어떤 그릇에도 어떤 상황에서도 충격을 완변히 흡수하고 그 성질 자체는 변하지 않는다.

어떠한 방법론에도 담을 수 있고 필요하다면 얼려서 그릇을 만들어 담을 수도 있다.

반면 쉽게 변형되는 장점에 비해 끊임없이 유지하고 보수해야 한다는 점에서는 단점이 될 수도 있다.

물론 어떤 방법론이 가장 좋다는 논쟁은 우스운 싸움이다.

앞에서도 말한바와 같이 가장 중요한 것은 지금 현재의 조직의 상황과 문화에 따라 가장 좋은 것을 선택하면 된다.

그러기 위해서는 먼저 나 자신을 알아야 하고 그 다음은 남을 알기 위한 노력을 해야할 것이다.

댓글

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 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...