기본 콘텐츠로 건너뛰기

긍정의 힘을 믿다. - 조직 변화의 긍정 혁명(Appreciative Inquiry)

조직 변화의 긍정혁명 - 6점
데이비드 쿠퍼라이더 지음/쟁이
몇몇 분들의 추천으로 읽은 책이지만 개인적으로 이 책의 조직 변화에 대한 접근법과 방법론에 대해서는 그다지 신뢰가 가지 않습니다.

어쩌면 그러한 의심은 이 책에서 얘기하는 것처럼 저의 선입견 때문에 그럴 수도 있습니다.

이 책은 기본적으로 근자에 회자되었던 긍정의 힘에 대한 이야기입니다.

Appreciative Inquiry 에서는 조직의 개선에 대해서 "조직의 약점들이 별 문제가 없게끔 강점들을 잘 정렬하는 것이다"라고 얘기하고 있습니다.

즉, 근본적으로 조직은 해결되어야 할 문제들의 집합체가 아니다라고 얘기하고 있습니다.

기존의 조직의 변화를 관리하는 접근방법들이 잘못된 것들은 찾아서 고쳐야 하고 강점들은 스스로 알아서 작동하도록 내버려 두면 된다라는 식이었다면 Appreciative Inquiry 는 강점들을 더 강하게 하고 잘 정렬하여 조직의 변화를 이끌어 낸다라는 것입니다.

저도 긍정의 힘을 믿고 Appreciative Inquiry 의 방법론 자체에 이견을 제시할 입장이 되지는 않지만 이 방법론의 효과에 대하여 약간의 의심이 가는건 어쩔 수 없는 것 같습니다.

특히 이런 접근 방법은 제약이론과는 완전히 대척점에 있다고도 볼 수 있을 것 같습니다.

그런데 제약이론의 방법론에 대해 많은 사람들이 Appreciative Inquiry 얘기하는 기존 방법론의 문제점으로 얘기했던 강점들이 스스로 알아서 작동하도록 내버려 두면 된다고 오해하고 있지만 제약이론은 절대 그런 식으로 주장했던 적이 없다고 말할 수 있습니다.

제약이론의 시작은 분명 시작은 문제해결식 접근법으로 시작하지만 그 전개는 Appreciative Inquiry 에서 말하는 접근법과 흡사하기도 합니다.

제가 제약이론을 소개했던 사람들에게서 보았던 공통된 반응 중 하나가 조직의 문제점만을 들춰내서 실제로 조직을 개선할 수 있는가라는 조직의 문제점을 들추고 그것을 투명하게 만드는 과정에 대해서 많은 사람들이 거부감을 표현하는 것이었습니다.

그런 경우 Appreciative Inquiry 의 접근법이 일견 설득력이 있어 보이지만 과연 조직의 아픈 곳을 치료하지 않고 조직의 문제점이 치유될 수 있을지는 의심이 갑니다.

Appreciative Inquiry 방법대로 조직을 개선하는 동안 조직의 아픈 곳이 덧나거나 곪아서 오히려 더 안좋은 결과가 생기지는 않을까? 의심도 듭니다.

어쩌면 제가 아직은 Appreciative Inquiry 에 대해서 정확히 이해하지 못해서 그런 것일수도 있습니다.

제약이론과 Appreciative Inquiry 간의 간극과 Appreciative Inquiry 의 접근법에 대해서 좀 더 살펴봐야 할 것 같습니다.

조직 변화에 관심이 있으신 분들은 한번쯤 읽어보셔도 도움이 될 것 같습니다. 책의 두께도 얇기 때문에 부담없이 읽을 수 있을 정도입니다.

저는 이 책에 5점 만점에 3점을 부여하는 바입니다.

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 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...