기본 콘텐츠로 건너뛰기

단순성과 복잡성의 공존 - 내재된 단순성

이 세상은 복잡하다.

우리가 인식하기 어려울 정도로 복잡하다.

이것은 진리이고 깰 수 없는 진실이다.

정말 그런것일까?

일반적으로 우리 주변의 많은 현상들은 원인과 결과의 논리적인 관계로 묶여 있다.

따라서 우리가 사물을 인식하고 현상을 규명할 때 가장 많이 사용하는 방법은 왜? 라는 질문으로 시작한다.

이 왜?라는 질문을 사용해서 현상을 깊이 파고들면 나타나는 현상은 통제해야 할 원인이 급격이 늘어나게 된다. 그러한 원인이 점점 늘어날수록 우리는 세상이 더욱 더 복잡해진다고 인지하게 된다.

그리고 그러한 원인이 통제가 불가능해지기 전에 그 원인을 찾는 과정을 멈춰버린다.

하지만 그러한 한계를 뛰어 넘어 원인을 찾는 과정을 반복해서 더욱 더 나아가면 실제로는 반대의 일이 일어난다.
모든 원인이 다시 한곳으로 수렴하는 현상이 발생한다.

즉 충분히 파고 들어갈 수 만 있다면 아주 소수의 요소들이 그 모든 원인의 근본 원인을 이루고 있다는 것을 알 수 있다.

우리가 그 근본원인을 거머쥘 수 있다면 우리가 복잡하다고 인식했던 이 세상이 실제로는 매우 단순하다는 것을 깨달을 수 있다.

즉, 왜라는 질문을 체계적으로 수행한다면 그 결과는 우리가 통제할 수 없는 거대한 복잡성이 아니라 지극히 단순한 세상을 만나게 된다는 것이다.

그렇게 어떤 현상을 단순하게 인식할 수 있다면 우리는 아주 적은 노력만으로도 큰 효과를 볼 수 있다.

이것을 그림으로 도식화 하면 아래와 같이 생각해 볼 수 있다.
이러한 논리는 과연 옳은 것일까?

이 세상 모든 사물과 현상이 원인과 결과로 묶여 있는 아주 단순한 논리에 의해 지배되고 있다는 것은 어떤 상황에서도 통용되는 것일까?

여기서 생각해볼 문제는 우리가 어떤 사물을 인식하고 규정할 때 변동성의 폭을 너무 좁게 잡는 다는 것이다.

예를 들어 많은 사람들은 위의 논리에 사람은 해당되지 않는다고 생각할 것이다.

사람들은 원인과 결과에 따라 예측불가능하다고 말한다.

하지만, 테스터를 시간당 결함 수로 인사 평가를 한다면 테스터는 과연 어떻게 행동할까?

대부분의 테스터들은 의미없고 중요하지 않고 발견하기 쉬운 결함만을 발견하기 위해 애를 쓰게 된다.

즉, 사람도 역시 원인과 결과에 따라 일정 부분 예측할 수 있다는 것이다.

회사의 평가 지침이 원인이 되고 사람의 행동이 결과가 되는 것이다.

물론, 사람의 모든 행동이 원인과 결과에 따라 예측 가능하다는 것은 아니다. 하지만 우리가 인간 행동의 변동성의 폭을 어느 정도 용인한다면 인간 행동은 충분히 예측 가능한 범주에 들어올 수 있다는 것이다.

이것은 날씨, 원자 모형과 같은 주변에서도 쉽게 찾아볼 수 있다.

그렇다면 왜 우리는 인식의 한계를 넘어서서 복잡성 안에 들어있는 단순성을 찾지 못하는 것일까?

결론적으로 말한다면 복잡성에 대한 우리의 인식이 잘못되어 있기 때문에 그렇다. 우리는 단순성과 복잡성을 반대 개념으로 생각하고 있다. 이 선입견이 우리의 인식의 한계를 뛰어넘는 것을 잡는 아킬레스 건이다.

아래 그림을 살펴보자.
위 두 경우에 대해서 어느 것이 더 복잡한 것일까?

복잡성에 대한 일반적인 정의는 '다양하게 상호작용하고 있는 수많은 것' 또는 '사물을 설명하기 위해서 제공해야할 데이터 요소가 많은 것' 정도로 정의할 수 있다.

이 복잡성의 정의에 따르면 분명 'B'가 더 복잡한 것이다. 여러분도 그렇게 생각하시나요?

A는 단 4개의 문장으로 표시할 수 있다면 B는 무수한 문장과 각 문장을 연결하는 설명으로 가득찬 문서를 작성해서 표시해야 할 것이다. 이것이 우리가 사물을 인식하는 기본적인 방법이다.

위 경우가 만약 추상적인 소프트웨어와 같은 것이라면 이 차이는 더욱 극명해진다.

그런데, 복잡성에 대한 또다른 정의가 있다.

두 경우에 대해 전체 관계를 정지시키기 위해 우리가 조정해야할 요소의 수가 몇 개인지 생각해 보도록 하자.

A의 경우 전체 관계를 정지시키기 위해서 우리가 조정해야할 요소의 수는 4이다. 하지만 B의 경우는 각각의 요소가 원인과 결과로 묶여있고 그 원인과 결과를 따라 최종으로 도착하는 지점은 1이다. 하나의 요소만 통제함으로써 전체를 정지시킬 수 있다.

즉, 자유도가 크면 클 수록 복잡하다고 할 수 있다.

자, 이제 어떤 것이 더 복잡한가?

처음에 우리는 B가 복잡하다고 했었다. 하지만 단순한 개념의 전환만으로 B는 단순한 것이 되었다.

이것이 내재된 단순성이다.

우리는 사물을 인식할 때 그 관계에 집중하는 경향이 강하다. 그것이 우리가 인식의 한계를 넘어서지 못하는 장애가 된다.

집중해야 할 것은 원인이다. 관계에서 눈을 돌려 원인에만 집중하는 것만으로도 우리는 놀라운 진전을 볼 수 있다.

댓글

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...