기본 콘텐츠로 건너뛰기

Kanban 과 DBR 워크샵을 마치고..

지난 토요일 'Kanban 과 DBR 을 게임으로 경험하기' 라는 워크샵이 있었습니다.

제가 개인적으로 2달에 한번씩 진행하던 제약이론 세미나의 주제를 바꾸어서 이번에는 DBR를 게임으로 경험할 수 있는 'Job Shop Game'을 진행했습니다.

Kanban 때문인지 몰라도 온오프믹스에 개설 후 빠른 시간안에 목표로 했던 분들이 신청해주셔서 매우 흐뭇했었는데..

막상 토요일에는 절반이 넘는 분들이 신청을 하시고도 오지 않으셨더군요.

제 생각에는 아마 대기자분들도 오시지 않으셨던 것 같습니다.

이런 세미나를 진행하면서 가장 어려운 것이 신청하신 분들이 아무 연락 없이 오시지 않는 경우더군요.

이번에 참여하시지 못하신 분은 다음 세미나는 내년에 있으니 꼭 참여해보시기 바랍니다.

덕분에 시작은 조금은 우울하게 시작했습니다.

끝난 후에 만족도 그래프를 그려본 결과로도 참여자가 많지 않고 준비하는 사람들의 준비 미비로 사전 안내를 제대로 하지 못한 부분에 대해 불만을 느끼신 분들이 많았습니다.
만족도 그래프
만족도 그래프
어찌 되었든 계홍님의 Kanban 게임이 진행되었고, 많은 분들이 즐겁게 그리고 의미있게 즐기셨습니다.

Kanban 에 관련된 자료는

https://sites.google.com/site/thekanbangame/

에서 구하실 수 있습니다.

계홍님의 후기는

http://gyehongpark.blogspot.com/2010/11/kanban-dbr.html


에서 보실 수 있습니다.

그런데 Kanban 게임에 예상 밖으로 시간을 너무 많이 쓰는 바람에 DBR에 대한 설명을 충분히 전달해 드리지 못하여서 그 부분에 불만을 가지시는 분들도 계시고 실제 게임을 진행할때에도 약간의 어려움이 있었습니다.

다음에는 좀 더 충실하게 제가 준비할 수 있도록 노력해야할 것 같습니다.

DBR은 Drum - Buffer - Rope의 약자로 제약이론에서 공정 최적화를 수행하는 기법 중 하나입니다.

요점은 제약 즉, 병목에 맞춰서 공정을 진행한다는 것입니다.

Job Shop 게임 기준으로 간단하게 설명한다면 아래와 같이 우리가 생산해야할 네종류의 제품이 있고 각 제품은 A, B, C, D 의 공정을 정해진 순서에 따라 생산된다고 했을 때, 우리는 어떤 제품을 먼저 생산하고 일정을 어떻게 조정할 수 있을까요?
Job Shop Game Cards Basic(Holt)

우리가 어떤 공정, 조직의 생산성을 생각할 때 일반적으로 %로 생각하지만 모든 공정, 조직이 똑같은 생산성을 가질 수는 없습니다.

어떤 경우에는 개발이 테스트보다 더 오랜 시간이 걸릴 수 있고, 어떤 경우에는 테스트가 개발보다 훨씬 오랜 시간이 걸릴 수도 있습니다.

이렇게 복잡한 일정 문제를 해결하기 위한 알고리즘은 그동안 정말 수도 없이 나왔지만 아직까지 최적해를 구한 방법은 없습니다.

사실 구할 수 있을지도 의문입니다.

때문에 일반적으로 우리가 가장 많이 수행하는 방식처럼 각 공정은 열심히 일을 하고 주문은 계속적으로 밀려 들어가는 상황으로 게임으로 진행한 결과입니다.
위의 그래프는 각 주문당 걸린 시간을 보여줍니다.

나중에 주문한 제품은 앞서 주문된 제품때문에 점점 더 생산에 많은 시간이 소요되고 있습니다.

그리고 각각의 제품들이 생산되는데 걸린 일수별 제품의 갯수를 그린 아래의 그래프를 보시면 매우 넓은 분포를 보여주고 있습니다. 때문에 평균적으로 정확히 하나의 제품을 생산하는데 있어서 어느 정도의 시간이 걸릴 지 추정하기가 힘듭니다.

즉, 언제나처럼 제품 출시일은 언제나 뒤로 밀리고 고객과의 약속은 지켜지지 못하고 있는 상황입니다.

이번에는 DBR 방식에 따라서 B 공정을 제약으로 지정하고 5일의 버퍼를 지정했습니다. 여기서 5일의 버퍼는 B 공정에 진행 대기중인 작업을 5개까지로 하고 5개 이상이 되면 더 이상 주문을 하지 않는 상황을 만들었습니다.
놀랍게도 대부분의 주문이 생산되는 시간이 균일한 분포를 그리고 있습니다.

평균적으로 제품을 생산가능한 일정 역시 추정할 수 있을 정도로 좁혀졌습니다.

이 놀라운 결과를 이끌어 낸 것은 단지 병목에 버퍼를 두고 거기에 맞춰 주문을 했을 뿐 각 공정마다 어떤 최적화를 위한 조치를 한적도 없습니다.

우리는 일반적으로 어떤 문제를 해결하고 최적화를 하는데 있어서 모든 문제를 밝히고 모든 문제마다 각각의 해결책을 제시하는 부분 최적화를 통한 전체 최적화를 꾀합니다.

하지만 그런 노력은 실패할 확률도 높을 뿐만 아니라 실패할 경우 다시 새로운 변화를 이끌어낼 자원을 남기지도 않습니다.

제약이론은 다른 방법론처럼 거창한 해결책을 제시하지 않습니다.

수많은 문제들의 원인이 되는 가장 중요한 핵심 문제를 밝히고 그 문제에 집중함으로 모든 문제를 해결하는 전체 최적화를 지향합니다.

우리는 일정을 추정하고 일정을 제어하기 위해 모든 작업 단위를 세세하게 나누고 각 작업단위마다 작업 진척도를 추적하는 방법을 즐겨 사용합니다.

하지만 그런 방법으로 일정이 정확히 준수되고 모두가 행복한 경험을 하는 경우는 많지 않습니다.

위의 경우에서도 전체 일정은 변한 것이 없습니다. 하지만 게임에 참여했던 분들은 첫번째 게임에서는 B공정에 계신 분은 정말 정신없이 일만 하셨습니다. 하지만 두번째 게임에서는 분명 열심히 일했지만 좀 더 여유롭게 일할 수 있었습니다.

아주 작은 변화로도 충분히 제어 가능한 일정 계획을 수립할 수 있고, 모두 행복한 일정 계획을 수립할 수 있습니다.

여러분이 같은 고민을 하고 계시다면 DBR이나 CCPM의 도입을 고민해보시기 바랍니다.

만약 도움이 필요하시다면 언제든지 저에게 도움을 요청하시면 제가 도움을 드릴 수 있는 부분까지는 성심껏 도와드리겠습니다.

내년에는 또 다른 분들과 같은 주제로 세미나를 다시 진행하려고 합니다.

그때 좀 더 많은 분들을 뵐 수 있었으면 좋겠습니다.

댓글

  1. 학교에서 들었던 제약이론을 게임으로 접할수있어 좋았고 IT분야에 적용하시는 분이 있어 놀라웠습니다. 앞으로 제약이론을 적용한 사례를 글 또는 세미나에서 뵐수 있으면 좋겠습니다

    답글삭제

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...