기본 콘텐츠로 건너뛰기

올바른 선택은 올바른 환경에 의해서만 가능하다.

우리는 선택의 세계에 살고 있습니다.

우리가 인식하든 인식하지 못하든 우리는 매순간 선택을 하면서 살고 있습니다.

영화나 예능 프로그램에서는 두 개의 선택을 놓고 우리가 버린 선택지로 인해 펼쳐지는 세상이 존재한다는 가정을 모티브로 한 것들도 많이 있습니다.

그런데, 여러분은 중요한 것이든 중요하지 않은 것이든 선택의 순간에 있어서 얼마나 합리적이고 올바른 선택을 하고 있다고 확신하실 수 있습니까?

술이 몸에 좋지 않음에도 불구하고 금주를 하지 못하는 경우나 담배가 몸에 좋지 않은에도 불구하고 금연을 하지 못하는 사람들의 선택은 어떻게 생각해야하는 걸까요?

이런 예제에 많은 사람들은 그 사람들은 의지력이 부족한 것이고, 자신은 다르다고 말합니다.

정말 그럴까요?

라면이나 설탕, 사탕, 씨리얼, 인스턴트 식품 등 우리 주변에 몸에 좋지 않은 각종 발암물질과 화학약품으로 범벅이 된 음식을 왜 통제하지 못하는 것일까요?

그런 경우 많은 사람들은 선택의 여지가 없지 않는가? 그런거 안먹으면 요즘 세상에 어떻게 살아가는가? 라고 말합니다.

산모가 커피나 술을 먹으면 안된다고 하지만 과연 그런것을 절제하는 산모가 몇이나 될까요? 모유수유가 좋은 것을 알고 모자동실의 효과에 대해 알면서도 그런 것을 선택하는 산모는 몇이나 될까요?

요즘 같은 맞벌이 시대에 좋은 것은 알지만 선택의 여지가 없다고 말합니다. 엄마도 여성이며 사람이고 아가을 위해 모든 것을 희생할 수는 없다고 합니다.

여러분은 아직도 여러분이 정말 최선의 합리적인 선택을 하고 있다고 생각하십니까?

이러한 어리석은 선택 중에는 우리가 인식하는 선택이 있는가 하면 인식하지 못하는 선택도 있습니다.

진화심리학에서는 이러한 사고를 자동 시스템과 숙고 시스템으로 분류합니다. (자세한 내용은 '스틱'이나 '넛지'와 같은 책을 참고하시기 바랍니다.)

우리가 인식하지 못하면서 올바르지 않은 선택을 하는 많은 경우 우리의 사고는 자동 시스템으로 작동하는 것으로 볼 수 있습니다.

일단 이 자동 시스템이 동작하게 되면 우리는 선택해야 할 시스템에 대해 숙고하는 시스템을 작동시키지 않게 됩니다.

매일 아침 사무실로 출근하다가 어느 날 다른 곳으로 출장을 가야 하는 상황에서 사무실로 출근하는 경우가 이런 경우에 해당한다고 볼 수 있습니다.

그런데 이러한 선택은 주변의 환경에 더 큰 영향을 받기도 합니다.

예를 들어 마트에 갔을 때 여러분은 카트를 끄시나요? 바구니를 드시나요?

여러분은 마트에 들어설 때 이번만큼은 계획한 것만 사야할 것만 사야지 라고 결심을 합니다.

그리고 카드를 끌고 들어갔을 때와 바구니를 들고 들어갔을 때 과연 누가 더 약속을 잘 지키게 될까요? 내가 담아야할 그릇이 커지는 만큼 충동구매는 더 쉽게 발생합니다. 즉 카트를 끌고 들어가는 사람은 계획에 따라 물건을 살 확률이 그만큼 낮아집니다.

먹는 것도 마찬가지입니다. 다이어트를 결심하셨다면 더 작은 그릇을 준비하는 것이 좋습니다. 똑같은 그릇에 더 적은양의 음식을 넣을 경우 우리는 무의식적으로 부족함을 느끼고 더 많은 양을 먹게 됩니다.

이와 비슷한 것으로는 패스트푸드점에서 더 큰 사이즈의 음료수와 감자 튀김을 더 싼 가격에 판매하는 것을 예로 들 수 있습니다.

즉, 우리의 의지가 아무리 강한다고 한들 주변의 작은 충격에도 우리의 선택은 아주 쉽게 흔들릴 수 있다는 것입니다.

이러한 자기 통제 문제와 무의식적인 선택이 합쳐졌을 때 대부분의 경우는 더 나쁜 결과가 발생합니다.

이것이 우리가 담배를 끊지 못하는 이유이고 술을 끊지 못하는 이유이고 저축을 하지 못하는 이유입니다.

여러분이 정말 현실적이고 올바른 선택을 하고 싶다면 선택을 하기 위해 노력하는 것도 중요하지만 그러한 선택에 따라 행동할 수 있도록 주변의 환경을 강제로 바꿔주어야 할 필요도 있습니다.

애자일 방법론에서 기민한 개발 프로세스를 유지하기 위해 팀을 작은 단위로 나누고 모든 팀원을 같은 공간에서 일하도록 하는 것도 같은 맥락으로 볼 수 있습니다.

다른 경우를 본다면 우리가 프로세스를 개선하고 그 개선을 유지하고 싶다면 정책지표와 측정지표등도 같이 바꾸어서 그러한 개선이 지속될 수 있는 환경을 만들어야 하는 것입니다.

올바른 선택을 하고 싶으십니까? 그 선택을 꼭 수행하고 싶으십니까? 그렇다면 환경을 그렇게 만드시기 바랍니다.

댓글

  1. trackback from: 결정, 알고리즘
    댄 애리얼리의 TED 강연에서 매우 인상 깊은 차트를 보게 되었다. (댄 애리얼리가 묻습니다. "우리는 결정을 내릴 때 우리 마음대로 하고 있는걸까요?")위 차트는 존슨/골드스턴 논문에서 인용한 것인데 면허시험장에서 조사한 '국가별 장기기증 의사가 있는 사람들의 비율'을 나열하고 있다. 왼쪽에 있는 나라들은 비율이 낮고 오른 쪽은 비율이 높게 나오고 있다. 숫자의 높낮이를 결정하는 것이 무엇이라고 생각하는가? 문화? 종교? 마음의 여유? 아니다..답..

    답글삭제
  2. 김주봉9/9/10 11:45

    좋은 글 감사합니다~

    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 ...