기본 콘텐츠로 건너뛰기

극적인 변화를 이끌어내는 행동설계의 힘 - 스위치

스위치 - 8점
칩 히스 & 댄 히스 지음, 안진환 옮김/웅진지식하우스(웅진닷컴)
매트릭스의 워쇼스키 형제가 있다면 최근 화두가 되고 있는 행동설계 분야에는 바로 히스 형제가 있습니다.

스위치는 히스 형제의 신간으로 국내에 번역되어 나온지는 시간이 조금 지났기 때문에 이미 많은 분들이 읽어보셨으리라고 생각됩니다.

저도 진작에 책은 읽어놓고 리뷰를 쓴다 쓴다 하면서 차일 피일 미루다 오늘에서야 리뷰 몇글자 적게 되네요..

그렇습니다.. 사실은.. 옵티머스 Q 구매 이후에 앱 리뷰와 옵티머스 Q 테스트 하느라고 정신이 없었습니다.

스위치는 극적인 변화를 이끌어내기 위하여 다른 사람에게 동기부여를 꾀하는 방법에 대하여 간결하면서도 통쾌한 해법을 제시하고 있는 책입니다.

실제로 우리가 방안의 불을 키거나 TV를 키기 위해서 스위치 하나만 누르면 되는 것처럼 무엇인가를 할때 다른 사람이 나의 뜻대로 움직일 수 있도록 스위치 하나만 누르듯이 간단하다면 얼마나 좋을까? 라는 생각을 할때가 많습니다.

스위치는 그런 바램에 있어서 은총알은 될 수 없겠지만 기존의 다른 책들에 비해 풍부한 예제로 간결하게 메시지를 전달하고 있기 때문에 흡입력 있게 책에 빠져들 수 있습니다만.. 솔직히 저는 이 책처럼 과연 사람이 그렇게 손쉽게 설득을 당할지는 조금 의문이 듭니다.

아직 제 내공이 깊지 못한듯 합니다.

출처가 어딘지 모르겠지만 우리의 인생은 BCD로 요약된다고 합니다.

태어나고 죽는 그 순간까지 우리 인생은 선택의 연속이라는 겁니다.

그런데, 이 선택이라는 것이 나 홀로 살아가는 세상이라면 분명 내 안의 갈등은 있겠지만 그다지 큰 문제를 일으키지는 않습니다.

내가 아침을 먹을것인가? 말것인가? 라는 선택은 나에게만 영향을 미칠 뿐 이 선택이 다른 사람에게 영향을 끼치지는 않습니다. (머.. 나비효과라든가 프렉탈 어쩌구 하는 측면에서는 영향을 끼칠 수 있을지도 모르지만..)

하지만 나의 선택이 다른 사람에게 영향을 미치거나 다른 사람과의 관계 속에서 도출되어야 하는 선택인 경우 얘기는 조금 달라집니다.

저는 이것을 CPR이라고 부릅니다. 심폐소생술처럼 죽어가는 프로젝트를 살리거나 죽어가는 회사를 살릴 수도 죽일 수도 있는 가장 강력한 도구라고 저는 생각합니다.

즉, 우리가 관계(R) 속에서 선택(C)을 할 경우 가장 중요한 것은 설득(P) 입니다.

하지만 우리 주변에서 정말 건전한 설득의 과정은 찾아보기 힘듭니다.

공갈, 협박, 포기, 강요 등등등..

예를 들어, 최근 들어 대기업은 등따시고 배부르게 사상 최대의 실적이라고 자랑질이지만 그 이면에는 하청업체에 대한 단가 후려치기 즉, 공갈, 협박, 포기, 강요 등이 이면에 깔려 있습니다.

이러한 성공은 건전한 설득이 없는 선택이기 때문에 분명 오래가지 못할 것입니다.

이렇게 중요한 설득에는 크게 두가지 접근방법이 있습니다.

설득에 있어서 중요한 것은 데이터, 동기 부여 등이 있을 수 있는데.. 이러한 데이터를 수집하고 분석하고 그에 따른 해법을 제시하고 동기를 부여하는데 있어 크게 두가지 접근방법이 있습니다.

하나는 문제점을 부각시키고 문제점을 분석하여 해법을 제시하고 설득을 하는 방법입니다.

제약이론, 식스시그마와 같은 기타의 많은 접근법들은 문제점을 부각시키는 방법을 취하고 있습니다.

다른 하나는 긍정혁명이라던지 스위치와 같은 책에서 말하는 긍정의 힘을 믿는 방법입니다.

할 수 있다라는 긍정, 성공 사례로부터의 배움 등 긍정적인 측명을 강조하는 방법입니다.

실제로 스위치라는 책에서도 AI에 대하여 언급하고 있습니다. AI와 스위치가 얘기하고자 하는 방법의 근본은 거의 같다고 봐도 무방할 것 같습니다.

AI라는 책보다는 스위치라는 책이 긍정의 힘을 믿게 만들고 설득하는데 있어 훨씬 좋은 건 사실인것 같습니다.

이 두가지 방법 중 어떤 방법이 설득에 있어서 더 좋은 방법인지는 저도 잘 판단하지 못하겠습니다.

두 방법 모두 장단점이 참 극명하게 갈리는 것 같습니다.

제 생각에는 설득에 있어서 어떤 은총알을 찾는 것보다는 두가지 방법을 때에 맞게 잘 적용하는 것이 더 좋지 않을까? 라는 생각입니다.

예를 들어 처음 환자의 치료법을 찾기 위해서는 부정적인 측면이 필요하다고 봅니다.

환자가 아픈 증상들을 수집하고 분석해서 정말 환자가 왜 아프게 되었는지 근본적인 원인을 찾아야 한다고 봅니다.

이런 과정에는 제약이론이 가장 강력한 도구라고 봅니다.

하지만 치료가 시작되고 나면 치료 역시 고통의 연속입니다. 치료과정이 길어지면 환자는 내가 정말 나을 수 있을까라는 회의감이 들때도 있습니다.

이럴때는 가장 강력한 도구가 긍적의 힘이라고 생각합니다.

다른 누군가는 이런 치료방법을 써서 지금도 건강하게 살고 있기 때문에 당신도 나을 수 있고 건강해 질 수 있다는 확신을 주기 위한 도구로는 긍정의 힘만한게 없다고 생각합니다.

스틱에 이어 히스 형제가 우리에게 전해주는 긍정의 메시지를 원하시는 분들은 스위치라는 책도 꼭 읽어보시기 바랍니다.

저는 개인적으로 이 책에 5점 만점에 4점을 부여하는 바입니다.

댓글

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 ...