기본 콘텐츠로 건너뛰기

변화에 대한 저항 6계층

언젠가 글로 썼다고 생각했는데.. 검색해보면 언제나 없었던 주제 중 하나를 이제서야 제 블로그에 남겨봅니다.

바로 변화에 대한 저항의 얘기입니다.

여러분은 변화에 대하여 어떤 경험이 있으신가요?

이직, 결혼 부터 시작해서 우리 회사의 프로세스 변화까지 공과 사로 우리는 일생을 살면서 무수한 변화를 거치게 됩니다.

변화가 없는 삶이란 사실 존재하지 않는다고 할 수 있습니다.

우리는 이러한 변화에 대하여 죽음을 받아들이는 5단계(부정 -> 분노 -> 교섭 -> 우울 -> 인정)처럼 6계층의 저항을 펼칩니다.

첫번째는 문제에 동의하지 않습니다.

변화의 원인에 동의하지 않는 단계입니다. 변화의 원인을 부정합니다.

두번째는 해결방안의 방향에 동의하지 않습니다.

자신의 이익을 포기하려 하지 않습니다.

세번째는 문제 해결능력에 동의하지 않습니다.

슬슬 자아비판을 시작합니다. 경우에 따라서는 이 단계에서 컨설턴트를 부르기도 합니다.

네번째는 부작용이 있어 곤란하다고 말합니다.

구더기가 무서워서 장을 담그면 안된다고 주장하는 단계입니다. 포괄적인 저항을 시작합니다.

다섯번째는 다 좋지만 현실적인 장애물이 있다고 합니다.

다시 한번 현실을 끌어들여 부정을 합니다.

여섯번째는 나 혼자 하는 것은 부담스럽다고 말합니다.

동귀어진의 자세로 책임을 회피하고 모두 같이 죽자는 자세입니다.

저항은 위의 6가지가 순차적으로 발생하는 것이 아니라 변화를 수용하는 과정에서 동시 다발적으로 발생됩니다.

이러한 저항을 이겨내고 사람들의 적극적인 협력을 이끌어 내려면 각각에 대한 해결책을 제시할 수 있어야 합니다.

각 단계에 대하여 아래와 같은 질문을 해보면 좋습니다.

첫번째 단계에는 문제를 올바로 짚었는가?를 물어봅니다.

우리가 원인이라고 생각하는 것이 원인이 아닌 경우가 많습니다. 모두가 공감하는 근본원인을 찾아볼 필요가 있습니다.

두번째 단계에는 해결책에 대한 방향을 올바로 잡고 있는가?를 물어봅니다.

세번째는 해결책이 정말 문제를 해결할 수 있고, 어떤 의미가 있는지? 물어봅니다.

네번째는 해결책으로 잘못될 일은 없는지? 어떤 부작용은 없는지? 물어봅니다.

다섯번째는 해결책을 어떻게 실현할 수 있는지? 물어봅니다.

여섯번째는 과연 우리들이 모두 해결책을 해낼 수 있을지? 물어봅니다.

위의 질문에 대한 해답을 정리하면 아래와 같이 적을 수 있습니다.

첫번째는 핵심문제에 대한 총의(總意) 또는 컨센서스(consensus)를 확보합니다.

두번째는 해결책의 방향에 대한 총의(總意) 또는 컨센서스(consensus)를 확보합니다.

세번째는 해결책이 문제를 해결하여 좋은 결과를 달설할 것이라는데 대한 총의(總意) 또는 컨센서스(consensus)를 확보합니다.

네번째는 어떠한 부작용도 모두 파악되어서 제거되었다는 것을 확인합니다.

다섯번째는 실현을 방해하는 모든 장애물들이 파악되고 그 대책이 마련되었다는 것을 확인합니다.

여섯번째는 성공적 실현을 위하여 모든 리더쉽이 발휘될 것이라는 경영층의 확고한 의지를 확인시켜줍니다.

이러한 총의(總意) 또는 컨센서스(consensus)를 확보하고 해결책을 찾는 것이 바로 제약이론 사고 프로세스의 핵심입니다.

제약이론의 사고 프로세스는 핵심 제약을 찾아내어 첫번째와 두번째 저항을 무력화 시키며 해결방안을 찾아내어 세번째와 네번째 저항을 무력화시킵니다. 마지막으로 실행계획을 만들어 다섯번째와 여섯번째 저항을 무력화시킵니다.

그리고 이 모든 과정을 반복함으로써 더 나은 상태로 도약을 합니다.

개인적인 경험으로는 조직이나 저 개인적인 변화에는 나름 도움이 되지만 아내나 자식만큼은 마음대로 안되는 것 같습니다.

하지만 저항 각각에 대한 대응보다는 저항을 전체적으로 바라보고 그에 대한 대응을 고민할 수 있다는 프레임웍을 가진다는 것은 여러모로 유용한것 같습니다.

오랜만에 적어보는 글인데.. 역시나 끝은 결론이 없는 망글이군요.. 죄송합니다.

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 고려한 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...