기본 콘텐츠로 건너뛰기

지식의 저주

전 사범대학교 출신입니다. 2급 정교사 자격증도 있고, 학원 강사나 기간제 교사 경험도 있습니다. 그리고 지금도 남을 가르치는 업종에 종사하고 있습니다.

개인적으로 저는 사립 사범대와 사범대가 아닌 다른 방법으로 선생님을 임용하는 것에 대해 반대하는 입장입니다.

교육은 국가의 백년지대계이고, 그 교육을 짊어질 교사는 국가가 직접 교육하고 관리해야 한다고 생각하는 사람입니다.

무슨 얘기를 하고 싶은걸까요?

여러분 중에는 누군가를 가르쳐본 사람이 있으실 것이라고 생각합니다.
어느 강연장과 같은 곳에서 여러 사람을 가르치는 것이 아니더라도 한창 자라고 있는 귀여운 자식에게 말을 가르친다던지 아니면 팀안의 신입사원에게 회사 생활에 필요한 여러 가지를 가르치는 경우 등 주변에서 우리는 흔하게 내가 알고 있는 지식을 다른 사람에게 전달하고 또한 배우면서 지내고 있습니다.

그런데, 다른 사람에게 내가 알고 있는 지식을 전달할 때 먼가 설명하기 어려운 답답함을 겪어보신적이 있으신지요?
내가 알고 있는 것, 당연하다고 생각하는 것을 상대방이 왜 모르는지에 대하여 이해하기 어려웠던 감정을 느껴보신적이 있으신지요?

한번이라도 그러한 감정을 겪어보신 분이라면 바로 그 감정이 '지식의 저주'입니다.

저도 그러한 감정을 자주 느끼는 편이고, 많은 경우 인내를 잘 하지 못하는 편입니다.

이 '지식의 저주'를 다른 사람에게 설명할 때 좋은 예로 텔레비젼의 오락 프로그램에서 항상 빠지지 않는 게임 중 하나가 특정 단어에 대해 설명을 하거나 몸짓 등을 통하여 상대방이 그 단어를 맞추도록 하는 게임이 있습니다.

'지식의 저주'라는 것을 가장 빠르게 느껴보고 싶으시다면 위와 같은 유사한 게임을 주변 사람들과 해보시기 바랍니다.

한 사람은 설명하는 사람이 되고, 한 사람은 듣는 사람이 됩니다.

설명하는 사람은 자신이 설명하고자 하는 단어, 즉 정답을 보는 그 순간 그 정보는 아주 당연한 정보가 됩니다.

이 때, 설명하는 사람에게 상대방이 정답을 맞출 확률을 짐작해 보라고 요청하십시오. 그리고 실제 게임을 진행한 후 상대방이 정답을 맞춘 확률과 비교해 보시기 바랍니다.

대부분의 경우 두 확률의 차이는 매우 크게 나옵니다.

그 이유는 도데체 무엇일까요?

설명하는 사람 즉, 정보를 이미 알고 있는 사람에게는 자신의 몸짓이나 설명이 아주 당연한 것입니다.

하지만 설명을 듣는 사람에게는 사전 지식 없이 상대방의 몸짓이나 설명만으로 해당 정보를 추측해야 하기 때문에 상대방의 몸짓이나 설명이 충분하지 않을 경우 그 몸짓이나 설명은 아무런 의미가 없는 몸짓이나 설명에 불과하기 때문입니다.

즉, 우리가 무언가를 알게 되면 그것은 당연한 것이 되는 것이고, 상대방이 그것을 모를 수 있다는 것은 두번 다시 느낄 수 없고 이해할 수 없는 범주에 속하게 되는 것입니다.

이러한 '지식의 저주'는 우리가 피땀을 흘려 개발한 소프트웨어를 다른 사람에게 소개하거나(예를 들면, 테크니컬 라이터가 제작한 사용자 설명서나 제품설명서) 테스트를 수행하여 결함보고서를 적을 때 등 많은 경우 정보를 상대방에게 적절하게 전달하는 것을 어렵게 만드는 원흉입니다.

흔히들 상대방의 입장에서 생각하라고 쉽게들 말하지만 그것이 얼마나 어려운지 우리는 익히 알고 있습니다. '지식의 저주'도 역시 우리가 기본적으로 상대방의 입장에서 생각하는 것을 잘 하지 못하기 때문에 생기는 것이라고 볼 수 있습니다.

그렇다면 이러한 '지식의 저주'를 벗어날 수 있는 마법은 있는 것일까요?

가장 좋은 방법은 우리가 알고 있다라는 것을 잊어버리는 것이지만 그런 것이 가능할 리가 없습니다.

그렇다면 가능한 것은 우리가 상대방에 전달하는 메시지를 상대방이 충분히 이해할 수 있는 메시지로 변형시키는 것입니다.

흔히들 '스승도 제 자식은 못가르친다'라는 말이 있습니다. 이것은 사실일까요?

사실일 수도 있고 사실이 아닐 수도 있습니다. 제 주변에는 부모이자 훌륭한 스승인 분들이 꽤 많습니다.

그렇다면 제 자식도 가르치지 못하는 사람과 가르치는 사람의 차이는 어디서 오는 것일까요?

우리는 잘 아는 사람, 가까운 사람을 가르칠 때 그 사람에 대한 기대와 가정을 더 크게 잡는 경향이 있습니다. 그러한 경향이 전달하는 메시지를 더욱 불친절하게 만듭니다.

결론적으로 '지식의 저주'를 벗어날 수 있는 가장 확실한 방법은 상대방에게 메시지를 전달할 때, 메시지를 명확하고 분명하게 하는 것입니다.

이것은 많은 연습이 필요합니다. 테스터라는 직업이 어려운 것도 이러한 '지식의 저주'를 매번 인식하고 그것을 깨기 위해 노력을 해야 하기 때문이라고 생각합니다.

이러한 '지식의 저주'를 깰 강력한 메시지를 만드는 방법을 알고 싶으신 분이라면 '스틱!'이라는 책을 구매해서 보시기 바랍니다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

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...

QA 부서는 필요한 것인가?

많은 프로젝트 관리 방법론과 조직론에서 항상 얘기하는 것이 QA 부서를 독립적으로 두는것에 대해 강조하는 편이다. 테스트 역시 테스트 조직을 별도로 두는 것에 대해 강조하는 편이다. 이러한 QA 부서 또는 테스트만을 전담하는 조직이 꼭 별도로 존재해야 하는 것일까? 테스트의 경우에는 개발자와 다른 시각을 가진 사람들의 테스트의 필요성을 강조하기 위해서 테스트 조직을 별도로 두는 것을 강조하는 편이다. 만약 테스터가 개발이나 영업, 운영과 같은 조직의 하부 조직이 되다 보면 정치적인 독립성에 따라 자신만의 독립적인 시각이나 의견을 피력하기 힘든 점이 있기 때문이다. QA 부서는 어떨까? 여기서 먼저 생각해 볼 것이 있다. 그것은 QA 부서가 과연 무슨 일을 하는 부서인가? 하는 문제이다. 여러분의 회사에서 QA 부서는 과연 어떤 일을 하는가? 여러분은 QA 부서에 대해 얼마나 호감을 가지고 있는가? 펼쳐두기.. 회사마다 회사의 정책이나 전략에 따라 QA 부서의 역할은 매우 판이하다. 그리고 그 역할에 따라 회사 내에 QA 부서의 호감도도 매우 달라지는 편이다. 만약 여러분이 QA 부서에 대한 호감도가 낮다면 아래와 같은 문제가 있는 것은 아닌지 한번 고민해 보시고 댓글이나 트랙백등으로 의견을 주셨으면 하는 바람이다. 먼저 일반적으로 QA 부서가 하는 일은 제품의 품질을 측정하고 제품의 품질을 향상시킬 수 있는 모든 활동을 계획하고 제어하는 일을 한다. 그런데 문제는 소프트웨어의 품질이 문제가 된다. 먼저 공장과 같은 하드웨어를 제조하는 회사의 경우에는 품질 부서가 독립적으로 존재한다. 이 품질 부서에서 제품의 품질을 측정하고 제품의 품질을 개선하기 위해 집중하는 곳은 하드웨어 그 자체이다. 하드웨어는 각각의 부붐의 품질이 100인 제품이 모여서 하나의 제품을 구성하게 되었을 때 그 제품의 품질은 역시 100이다. 이것은 매우 명확한 사실이다. 소프트웨어를 만드는 회사의 조직과 관리 방법 역시 이러한 하드웨어를 만드는 회사의 조직과 관리 방법을 ...

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 ...