기본 콘텐츠로 건너뛰기

씽크 & 블링크 그리고 제약이론

블링크 - 8점
말콤 글래드웰 지음, 이무열 옮김, 황상민 감수/21세기북스(북이십일)

Think 싱크! - 6점
마이클 르고 지음, 임옥희 옮김/리더스북

우리의 사고 과정은 크게 2가지로 나눠 생각해 볼 수 있습니다.

하나는 자동 사고이고 다른 하나는 숙고 체계입니다.

이것을 통찰 또는 직관과 비판적 사고 또는 논리라고 이해해도 상관 없습니다.

이 두가지 과정은 발견법과 편향(Heuristics and Bias) 학파와 자연주의 의사결정론(Naturalistic Decision Making) 학파로 나뉘어 있습니다.

그런데 우리의 사고 과정을 이렇게 2가지로 나누어 생각하는 것은 별 의미가 없습니다.

이 2가지를 나눠서 생각하는 것은 우리의 뇌를 직관과 통찰에 따라 생각하는 부분과 비판하고 논리적으로 생각하는 부분을 따로 나누어 놓는 것과 같습니다. 만약 우리의 뇌를 그렇게 나누어 버린다면 우리는 살아갈 수 있을까요?

2가지 사고 과정 중 어느것이 더 믿을만하고 좋은것인가라는 싸움은 닭이 먼저냐? 달걀이 먼저냐? 라는 논리와 똑같다고 생각합니다.

우리가 어떤 상황에서 판단을 내릴 때 직관이나 통찰을 사용하는가 아니면 비판적인 논리 과정 위에서 판단하는가는 그때 그때의 상황에 따라 좌우된다고 봅니다.

그리고 직관과 통찰이 신뢰성을 얻기 위해서는 분명 올바른 방법에 의해 비판적인 논리 과정에 대해 충분한 연습과 경험이 있어야 한다고 생각합니다.

전 개인적으로 굳이 선행되어야 할 것을 본다면 비판적이고 논리적인 사고를 하기 위해 끊임없이 노력해야하는 것이라고 봅니다.

예를 들면 우리가 테니스를 배울 때 분명 손목과 팔꿈치, 무릎, 발, 허리 등 각각의 자세와 라켓을 휘두르는 방법을 상세하게 배웁니다. 하지만 그렇게 배운다고 해도 우리가 정말로 노력하지 않으면 실제로 테니스를 칠 수는 없습니다. 정말로 상대방이 친 공을 치기 위해 테니스를 치기 위해서는 끊임없는 노력이 필요합니다.

처음에는 상대방이 친 공이 어디로 날아오는지 내가 어떤 자세를 취해야하는지 의식적으로 생각하게 되지만 그 과정이 반복되면 우리는 그러한 사고 과정을 거치지 않아도 테니스를 칠 수 있게 됩니다.

직관이나 통찰이 믿을 수 없다는 쪽의 의견은 이러한 사고 과정의 훈련 없이 우리가 즉흥적으로 내리는 결정들 그리고 우리가 환경과 같은 외부 요인에 의해 영향을 받아 내리는 즉흥적인 견해를 말한다고 생각합니다.

이것이 '싱크!' 에서 말하고자 하는 내용입니다. 하지만 '블링크'역시 그러한 직관이나 통찰을 경계하고 논리적인 사고 과정의 훈련에 의한 직관이나 통찰만이 가치가 있다고 말하고 있습니다.

즉, 정보가 부족하거나 시간이 부족해서 즉흥적인 판단을 내리거나 논리적인 사고 과정의 훈련 없이 단순히 경험에 기반한 즉흥적인 판단을 극복하기 위해서는 논리적인 사고를 하기 위해 많은 노력을 기울여만 합니다.

결론적으로 이 두가지 사고 과정은 서로 보완재로 작용해야 하고 그것은 끊임없는 훈련에 의해서만 가능하다고 생각합니다.

제약이론은 그러한 훈련과정을 도와주는 도구로 가치있다고 생각합니다.

개인적으로 '블링크'에는 5점 만점에 4점, '싱크!'에는 5점 만점에 3점을 부여하는 바입니다. 전 직관이나 통찰의 힘보다는 논리적이고 비판적인 사고의 힘을 더 중요하다고 생각하는 입장이지만 책의 내용은 '블링크'의 내용이 더 좋다고 봅니다.

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...