[서평] 데이터의 보이지 않는 손 ★★★☆☆

[ 읽게 된 동기 ]

 
데이터과학자로 일하는 한 페이스북 친구가 추천한 책. 데이터에 관심이 있어 냉큼 구입.
 

[ 한줄평 ]

 
과학적 사고를 논리적으로 푸는 과정을 볼 수 있는 책.
 

[ 서평 ]

 
3월에 구입하여 읽기 시작해 9월에 다 읽었으니… 무려 6개월이 걸린 책.
진도를 빼다가도 도무지 연결이 되지 않았다. 번역상 불편한 문장들도 많거니와 생소한 분야의 지식이기에 읽는게 어려웠다.
특히 통계니 뭐니… 수학공식을 나열할 때는 막막~ 했다.
 
이번 STEW 독서소모임 발제를 맡으며, 이 책을 골랐는데…
컴퓨터학과를 전공하고 개발자로 6년째 일하는 나도 어려운데, 문과생 친구들은 오죽할까 싶었다.
하지만, 앞으로의 비즈니스 시장에서 살아남으려면 분명히 이해해야 한다.
이들의 그리고 이것들의 사고를 말이다.
 
 

행복의 공식이 있지 않을까?

 
저자 야노 가즈오는 참 대단한 인물이다.
무려 10년여년 전 부터 데이터를 모아 행복의 공식을 만들어내고, 수많은 인용을 기록한 논문도 발표했다.
그 내용을 엮은 이 책은 그래, 흥미로웠다.
 
내가 이 책을 읽으며 가장 놀란 부분은 바로 ‘과학적 사고의 논리적 접근’ 이었다.
개발자로써 나 또한 ‘행복의 잣대’ 중 하나를 기술적으로 검증하려는 시도를 한 적이 있다.
내가 관심있는 ‘행복의 잣대’ 는 ‘웃음’ 이다.
 
좌우명이 ‘항상 웃자’ 일 정도로 나는 웃음에 집착한다.
스마트폰으로 웃음을 체크하고, 이를 통해 인간의 행복도를 측정할 수 있지 않을까? 하는 막연한 상상을 한 적이 있다.
인간의 웃음 소리의 데시벨을 측정해, 이와 비슷한 소리를 내면 ‘웃었다’ 라고 판단하는 원리.
웃음 소리를 어떻게 측정하는지, 스마트폰으로 할 수 있는지 등을 검색해보다가 흐지부지 되었던 기억이 난다.
 
저자는 내 아이디어보다 더 간단한 것으로 행복의 공식 가설을 세운다.
저자의 선택은 웨어러블 디바이스로 측정 가능한 ‘손의 움직임’ 이었다.
 
도대체 중력센서따위로 어떻게 행복의 공식을 만들어낸단 말인가?
요즘엔 10만원 정도면 저렴한 웨어러블 디바이스를 구입할 수 있는데… 이걸로 정말 행복 공식이 발견된다는 것인가?
 

좀 더 구체적으로 말하면, 1분간 60회 이하의 움직임을 보이는 활동에는 저체 활동시간 중 반 정도의 시간을 써야 한다는 것이 실험 밝혀졌다. 그리고 1분당 60~120회 정도의 활동에는 하루의 1/4 시간을, 120~180회 정도의 활동에는 하루의 1/8시간을, 180~240회 정도의 활동에는 1/16 시간을 쓰지 않으면 안된다.

 
그랬다.
저자는 자신을 비롯한 연구소 사람들에게 하루종일 데이터를 체크했다.
말이 데이터지 그냥 움직였다. 움직이지 않았다 정도일거다.
이를 분당 N 회로 잘라 계산해보고, 이리저리 그래프도 그려보고
이런저런 법칙과 자신의 여러 가설 등을 넣어보며 머리를 굴렸을 것이다. 그리고 저자는 흥미로운 사실을 발견한다.
 

하물며 하는 일도 다르고 성별과 연령도 다른 사람들이 마법에 걸린 양 모두 똑같은 U분포로 24시간 움직이고 있다는 것은 놀라움을 넘어 기이한 생각까지 들게 한다.

 
비슷하다?
사람들의 움직임이 비슷하다? 아니, 하루에 움직일 수 있는 양이 정해져있다?
사실 인간은 생각대로 움직일 수 없다?
사실 인간은 계획을 세워도 지킬 수 없다?
사실 인간은 저절로 움직이게 되어있다?
사실 인간은… 인간의 운명은… 정해져있다?
 

이런 성실한 연구 결과 행복의 절반 정도는 유전적으로 결정된다는 것이 입증되었다. 천성적으로 행복하다고 느끼기 쉬운 사람과 행복하다고 느끼기 어려운 사람이 있다는 것이다.

 
뭐래? 하고 스쳐갈…
마치 ‘도’ 를 아십니까와 비슷한 터무니없는 소리를 저자 또한 믿기 어려웠을 것이다.
하지만, 데이터가 그렇게 말했다. 몇몇 공식들이 만들어지고, 현실서 나타난다는 U 분포에 들어맞으며, 저자는 흥분을 감추지 못한다. 정말 그럴까? 정말 인간은 프로그래밍 되어있을까?
정말 그럴까?
 
저자는 계속된 연구를 통해, 움직임과 행복의 상관관계를 더욱 파고든다.
 
 

연구자 가즈오. 자신의 논리를 증명하다.

 
연구를 하고, 무언가를 알아내 정리한 뒤 발표하는 것. 이게 연구자들이 하는 일이다.
하지만 아마 이정도에 그쳤더라면 이 책은 쓰여지기 어려웠을터.
 
저자는 이를 비즈니스에 접목시키는 실험을 진행한다.
콜센터. 이들의 움직임을 기록하고, 누구를 만났는지 얼마나 머물렀는지 대화를 했는지 등을 기록한다.
이를위해 저자는 손목을 벗어나 ‘명찰형 웨어러블 기기’ 를 만든다.
 

여기서 흥미로운 점은 이 실험에서 전화를 받는 업무는 오로지 개인적인 업무이지 팀플레이 일은 아니라는 것이다. 이처럼 개인적인 성격이 강한 업무조차 대화 활발도라는 집단적인 요소가 생산성과 비용에 큰 영향을 미치고 있었다. 이는 지금까지 사람들이 전혀 인식하지 못했던 사실이다. 지금까지의 상식으로는 이 둘은 서로 무관하다.

 
결과는 놀라웠다.
정적인 업무의 콜센터 직원들을 또래의 직원끼리 식사를 하게 하고, 많은 대화를 유도하자 이들의 업무 실적이 올라갔다.
게다가 콜센터 업무는 무려 개인적인 일.
협업이 필요하지 않은 상태에서도 직원들은 많이 움직인 만큼 성과가 났다.
물론 성과는 곧 행복과 연결되었다.
 
사실 인간의 움직임은 정해져있다?
하루에 움직여야 할 양이 정해져있다?
때문에 그 움직임을 채워야만 한다?
그 움직임을 다 채운다면… 곧 적극적으로 움직인다면… 인간은 행복해진다?
움직임이 행복이다?
 

그리고 이 실험에서는 행복해질수록 움직임이 증가한다는 사실을 발견했다. 사람은 적극적인 행동을 할수록 움직임이 많아지고 동시에 행복 수준도 높아진다.

불규칙에서 규칙을 찾아라.

 
데이터가 중요하단다.
데이터는 4차산업혁명의 석유란다.
데이터를 모르면 앞으로 일할 수 없고, 데이터를 지배하는 자가 인류를 지배한단다.
 
개발자로써 사실 저 말들은 현재 너무도 포장되어있다.
빅데이터 개발자랍시고 빅데이터를 제대로 만드는 사람은 없다.
마치 모든 스마트폰 앱 개발자가 스마트폰 OS 를 만드는 것은 아닌 것처럼.
 

이 결과 인공지능 H는 고객단가에 영향을 주는 뜻밖의 실적 향상 요인을 내놓았다. 그것은 매장 내 특정한 장소에 점원을 배치하는 것이었다. 이 장소를 고감도 장소라고 하자. 이 고감도 장소에 점원이 단 10초씩만 더 머물러도 그때마다 고객이 평균 145엔이나 돈을 더 쓴다는 사실을 H는 정량적으로 보여주었다. 따라서 우리는 실험을 진행할 때 점원들에게 가급적 고감도 장소에 있어 달라고 요청했다.

 
데이터가 중요하다고 하지만, 과연 이 데이터를 이해하는 사람은 얼마나 될까?
과연 이 데이터를 활용하는 사람은 얼마나 될까?
과연 이 데이터를 비즈니스와 연결시키는 사람은 얼마나 될까?
과연 이 데이터를 행복과 연결시킬 수 있는 사람은… 있을까?
 

오늘날 빅데이터 활용에 필요한 것은 오히려 귀납적 능력이며 이는 기존 컴퓨터가 잘 못하는 것이다. 귀납이란, 개별적,특수한 사실로부터 일반적,보편적 규칙,법칙을 이끌어내는 추론 방법(위키피디아) 이다.

 
사실 우리에게 가장 가치있는 것은 빅데이터를 다루는 능력도 아니고, 인공지능을 만드는 능력도 아니다.
저자 가즈오. 저자의 ‘과학적 사고를 논리적으로 풀어내는 능력’ 이 능력이 최고다.
 
문제를 발견하고, 이에 대한 다양한 해결책을 찾아내 적용한다.
너무도 단순히 적을 수 있지만, 정답을 아는 상태에서 보는 문제와 그렇지 않은 경우는 너무도 다르다.
이 한 권의 책에 자신의 수십년을 담기까지, 저자는 얼마나 많은 고민을 해왔을까?
 
과연 지금 더할나위 없이 행복하다 말할 수 있는 사람은 얼마나 있을까?
뭐, 충분히 만족한다 말할 수 있는 사람은 얼마나 있을까?
 

공감하는 것과 적극적으로 행동하는 것 자체가 행복이다. 따라서 빅데이터를 활용해서 이익을 실현하면 이와 동시에 공감, 적극성, 행복도 같이 얻는 셈이다.

 
적극적으로 어? 긍정적으로 인마! 나는 할 수 있다!! 외치면서 인마!
그게 인생이야!!!
 
긴 연구 끝에 나온 행복의 공식이 사실은 너무도 단순하다.
적극적으로 행동하라니… 그게 행복이라니…
 
어쩌면, 저자의 행복공식은 스스로에게 최적화된 공식이 아닐까 싶다.
이 행복공식을 열정적으로 만들며 스스로가 느꼈던 그 행복 말이다.
 
 

[ 인상 깊은 문구 ]

• 자연의 섭리를 규명하기 위해 사용해온 물리학의 개념과 도구가 기업의 이익과 인간의 심리를 이해하는 데 위력을 발휘한다는 의외성은 기존의 책에서는 볼 수 없는 이 책만의 특징이다.
• 하물며 하는 일도 다르고 성별과 연령도 다른 사람들이 마법에 걸린 양 모두 똑같은 U분포로 24시간 움직이고 있다는 것은 놀라움을 넘어 기이한 생각까지 들게 한다.
• 그런데 현실 사회의 빅데이터에 등장하는 통계분포는 우하향하는 U분포가 압도적으로 많다.
• 흥미로운 점은 어떤 칸이든지 동등한 ‘기회’가 있었는데도 결과적으로는 특정 소수 칸에 구슬이 몰렸다는 사실이다. ‘공평한 기회’가 주어져도 ‘불평등한 결과’가 생긴 셈이다. 공평한 ‘반복적인 교환’은 필연적으로 이러한 불공평을 초래하는 것이다.
• 이것은 구슬의 교환을 10만 번 반복한 결과이다. 교환을 반복할수록 구슬의 분포가 얼룩무늬로 변해갔다. 사실은 이러한 교환에 따라 생겨난 얼룩무늬야말로 현실 사회의 빅데이터에서 보편적으로 나타나는, 우하향하는 U분포이다.
• 동일한 원리에 따라 매일 7만 회가 넘는 움직임을 반복하는 인간행동에 대해서도, 시시각각 변하는 의식,생각,감정,여건 등 세부 사항을 고려하하지 않더라도 과학적인 예측과 컨트롤이 가능하다. 그 사람이 어떤 의식,생각,감정,여건 등에 처해 있든 행동을 측정해서 통계를 내보면, 반드시 U분포로 나타나는 것도 다수 교환의 원리를 따르기 때문이다. 이는 공기 분자 하나하나를 컨트롤할 수는 없지만 무수한 부자 충
• 돌을 반복하는 기체의 압력이나 온도를 예측하고 컨트롤하는 것은 가능한 것과 같은 이치다.
• U분포는 우하향하는 그래프로 그려지기 때문에 활발한 움직임을 정적인 움직임보다 더 오래한다는 것은 있을 수 없는 일이다.
• 또 우리가 하루 일정과 그 하나하나에 자신이 뜻대로 시간을 할당한다고 믿는 것은 전적으로 환상에 불과하다는 사실을 알 수 있다.
• 예를 들어 활동온도가 높은 사람이 원고 집필같이 활동량이 비교적 낮은(움직임이 적은) 대역에 속한 활동을 해야 한다고 하자. 사실 활동온도가 높은 사람은 활동량이 높은(움직임이 활발한)대역에좋든 싫든 시간을 많이 쓸 수밖에 없다. 따라서 원고 집필처럼 활동량이 낮은 대역에 할당된 시간이 별로 없다. 즉, 이런 사람은 책상에 오래 앉아서 일하기 어렵다.
• 그러나 실상은 그렇지 않다. 계획을 실행하는 데 필요한 대역의 활동예산을 모두 써버려서 활동대역이 더 이상 남아 있지 않을 뿐이다.
• 좀 더 구체적으로 말하면, 1분간 60회 이하의 움직임을 보이는 활동에는 저체 활동시간 중 반 정도의 시간을 써야 한다는 것이 실험 밝혀졌다. 그리고 1분당 60~120회 정도의 활동에는 하루의 1/4 시간을, 120~180회 정도의 활동에는 하루의 1/8시간을, 180~240회 정도의 활동에는 1/16 시간을 쓰지 않으면 안된다.
• 그래도 억지로 그 일을 하려고 하면 결궁에는 잠이 오거나 집중하지 못하는 (집중력이 떨어지면 집중하고 있을 때와 달리 필연적으로 활동 내용이 달라져 다른 대역에 해당하는 활동으로 넘어가게 되므로 U분포를 충족시킨다) 현상이 발생한다.
• 이 차이를 더 깊게 들여다보면 그 사람이 가정이나 회사에서 얼마나 자유롭지 않은지, 속박되어 있는지를 정량화할 수 있다. 앞으로 이 연구를 진행하면 스트레스나 정신건강과의 관계 등도 밝혀질 가능성이 있다.
• 먼저 행복을 느끼는 정도는 유전적으로 타고난다는 것을 알게 되었다. 이는 쌍둥이를 대상으로 꾸준히 연구한 결과 밝혀진 것이다.
• 나를 포함한 많은 사람들이 여기서 말하는 환경 요인을 좋게 만들려고 날마다 노력하며 산다. 그 결과 더 행복해 진다고 믿기 때문이다. 그러나 데이터 분석이 따르면, 전적으로 그런 건 아니지만, 환경이 행복감에 미치는 영향은 크지 않다. 우리가 많이 착각한 것이다.
• 행동한 결과가 성공했느냐 하는 것은 중요하지 않다. 행동하는 것 자체가 행복인 것이다.
• 그런데 행동하는 것 자체가 행복이라고 한다면 행복에 대한 통념은 완전히 뒤집어진다. 극단적으로 말하면 오늘 지금 이 순간에도 우리는 행복해질 수 있다. 자신의 행동을 바꾸기만 한다면 말이다.
• 이런 성실한 연구 결과 행복의 절반 정도는 유전적으로 결정된다는 것이 입증되었다. 천성적으로 행복하다고 느끼기 쉬운 사람과 행복하다고 느끼기 어려운 사람이 있다는 것이다.
• 반대로 우리는 인간관계가 어긋나고 일에서 실패하면 불행해진다고 생각한다. 그러나 연구 결과는 그렇지 않았다. 인간은 우리가 상상하는 것보다 훨씬 빨리, 좋은 쪽으로든 나쁜 쪽으로든, 자신을 둘러싼 환경 요인의 변화에 익숙해진다는 것이다.
• 그런데 놀랍게도 이런 환경 요인을 모두 만족시켜도 행복을 느끼는 데 환경이 차지하는 비율은 10%에 불과하다.
• 그러면 나머지 40%는 무엇일까. 그것은 우리가 매일매일 하는 사소한 습관이나 행동을 선택하는 방법에 의해 결정된다고 한다. 특히 적극적ㄱ으로 행동했는지가 중요하다. 스스로 의도한 대로 어떤 일을 함으로써 사람은 행복감을 느낀다는 것이다.
• 사람이 편안해지는 환경을 제공함으로써 행복 수준을 높이는 효과는 행복 이론에서 환경 요인의 개선에 해당하며, 최대한으로 잡아도 전체에서 10%밖에 기여하지 못한다. 그런데 사람이 적극적으로 행동을 일으킬 수 있도록 뒷받침해주면 행복 수준을 높이는 데 40%나 기여할 수 있다. 영향력이 훨씬 크다.
• 다시 한 번 강조하면, 행복은 가속도 센서로 측정할 수 있다.
• 이것은 행복이 적극적인 행동과 밀접하게 연결되어 있다는 내용과도 부합한다.
• 이미 다양한 조사를 통해 밝혀지고 있듯이 일정 수준을 넘으면 GDP가 더 이상 행복을 가늠하는 판단기준이 되지 않는다.
• 행복이란 사람마다 고유하고 다른 것이라고 생각하는 사람들이 많다. 하지만 위의 실험에서 드러난 것은 ‘행복한 사람은 신체를 잘 움직인다.’는 단순하고 공통된 사실이다.
• 그리고 이 실험에서는 행복해질수록 움직임이 증가한다는 사실을 발견했다. 사람은 적극적인 행동을 할수록 움직임이 많아지고 동시에 행복 수준도 높아진다.
• 업무에 문제가 생기면 적극적으로 해결합니까?
• 수주율은 뜻밖에 다른 요소와 관계가 있었는데, 그것은 휴게실에서 나누는 대화의 ‘활발도’였다. 휴식시간에 잡담을 나눌 때 움직임이 활발한 날에는 수주율이 올라갔고, 그렇지 않는 날에는 수주율이 내려갔다.
• 여기서 흥미로운 점은 이 실험에서 전화를 받는 업무는 오로지 개인적인 업무이지 팀플레이 일은 아니라는 것이다. 이처럼 개인적인 성격이 강한 업무조차 대화 활발도라는 집단적인 요소가 생산성과 비용에 큰 영향을 미치고 있었다. 이는 지금까지 사람들이 전혀 인식하지 못했던 사실이다. 지금까지의 상식으로는 이 둘은 서로 무관하다.
• 우리는 주위 다른 사람들에게서 상당한 영향을 받고 있는 동시에 영향을 주고 있는 것이다.
• 스트레스 수준이 높은 직장은 집단의 활발도 평균이 낮았고, 반대로 스트레스 수준이 낮은 직장은 집단의 활발도 평균이 높았다.
• 대개 대화 중에 몸을 잘 움직이는 사람은 문제를 적극적으로 해결하고 창의적으로 궁리하려는 경향이 뚜렷하다. 반대로 대화 중에 몸을 별로 움직이지 않는 사람은 그렇지 않은 경향이 있다(여기서는 동일한 사람을 시간 순서대로 비교하지 않고 서로 다른 사람의 신체 움직임을 비교했다. 또 여기서 측정한 것은 ‘대화 중의 활발도’이지 개개인의 하루 활발도는 아니다).
• 활기찬 조직을 만드는 것이 경영 정책의 핵심이다.
• 집중을 과학적으로 측정한 값은 감각과 완전히 일치하지 않는다. 뜨거움을 느끼는 감각과 온도계의 눈금이 맞지 않듯이.
• 나는 나의 센서 측정 결과를 관찰하면서 2Hz가 넘는 빠른 움직임이 많아지도록 특히 신경 쓰고 있다. 이것이 매일매일 삶에 대한 주관적인 만족도와 관계가 있다는 것을 확인하고 있는데, 몰입하는 빈도가 확실히 늘어나고 있다.
• 그렇다면 시행 횟수 N이 늘어나면 운도 과학적으로 예측 가능한 현상으로 파악할 수 있지 않을까.
• 그 결과 필연을 통제하는 데 힘을 쏟고 우연은 통제할 수 없다고 생각해서 포기한다. 이렇게 하는 것을 합리적인 판단이라고 생각한다.
• 수많은 주문건의 통계를 보면 운이 좋을수록 예상외의 복잡한 주문을 잘 처리한 건수가 많았다. 반대로 잘 처리하지 못한 사람은 도달도가 낮았다. 즉 이들은 운이 나쁘기(도달도가 낮기) 때문에 매뉴얼만 갖고는 대응이 힘든 예상외의 사태에 대처하지 못한 것이다.
• 다카하시 부장이 너무 바빠서 직접 대화할 상대를 급격히 늘리기가 어렵다고 하자. 그러나 다카하시 부장은 기타와 대화를 나누는 것만으로도 도달도, 즉 운이 비약적으로 좋아진다. 이 한 사람과 대화를 늘리기만 해도 현재의 도달도 5를 13까지 끌어올릴 수 있다.
• 만약 A와 B가 평소 직접 대화를 나누는 사이라면 어떨까. 즉 당신-A-B가 삼각형으로 연결되어 있다면 어떨까. 상사인 당신이 없더라도 A는 B에게 직접 물어보고 문제를 해결할 것이다.
• 이처럼 구성원들 사이에 삼각형이 많이 형성될수록 지름길이 많아진다. 이러한 조직에서 리더는 지름길을 활용해서 2단계 이내에서 여러 사람과 연결될 수 있다. 따라서 리더의 도달도가 높아지고, 리더는 각 구성원이 지닌 능력이나 정보를 효과적으로 쉽게 활용할 수 있다(즉 운이 좋아진다)
• 물론 어떠한 문제가 생기든지 다 해결할 수 있다는 뜻은 아니다. 그러나 확률이 높아짐으로써 얻을 수 있는 효과를 가볍게 흘려 넘기면 안 된다. 야구에서 아무리 뛰어난 타자라 해도 타율은 3할 5푼 정도이다. 전체 평균 타율은 2할 7푼 정도일 것이다. 그 8푼이라는 차이가 승패를 가르는 결정적인 차이가 되는 것이다. 비즈니스도 마찬가지다.
• 한 기업에서 추종적인 태도나 회의적인 태도를 취하는 사원이 많으면 그 조직의 움직임은 ‘무거워진다’. ‘무거운조직’이란 내부적인 조정이 많고, 조직이 이완되어 있으며(긴장감이 약하고), 새로운 일에 대한 도전이 거의 없는 조직을 가리킨다.
• 여기서 염두에 두어야 할 점은 이상적으로는 건설적인 논의가 중요하지만 현실적으로는 꼭 그렇다고 할 수 없다는 점이다. 상사가 강압적이어서 다른 의견을 내놓았다가는 설 자리를 잃어버리거나 좌천되는 상황에 놓인다면 어쩔 수 없이 상사의 의견을 추종할 수밖에 없기 때문이다.
• 운이라는 요소 없이 기계적으로 할 수 있는 일은 대개 부가가치가 낮은 일이다. 이제는 그런 일을 컴퓨터가 처리하거나 저비용 신흥국으로 이전하는 것이 효율적이 되었다. 우리가 집중해야 할 일은 거의 모두 운을 얼마나 제어하느냐에 그 성패가 달려 있다.
• 이 결과 인공지능 H는 고객단가에 영향을 주는 뜻밖의 실적 향상 요인을 내놓았다. 그것은 매장 내 특정한 장소에 점원을 배치하는 것이었다. 이 장소를 고감도 장소라고 하자. 이 고감도 장소에 점원이 단 10초씩만 더 머물러도 그때마다 고객이 평균 145엔이나 돈을 더 쓴다는 사실을 H는 정량적으로 보여주었다. 따라서 우리는 실험을 진행할 때 점원들에게 가급적 고감도 장소에 있어 달라고 요청했다.
• 한편 인공지능 H는 어떤 성과를 냈을까. H가 지정한 대로 점원들에게 고감도 장소에 되도록 오래 머물러 있도록 요청하자 그곳에 점원이 머무는 시간이 1.7배로 늘어났다. 그리고 그 결과 매장 전체의 고객단가가 15%나 올라갔다.
• 오늘날 빅데이터 활용에 필요한 것은 오히려 귀납적 능력이며 이는 기존 컴퓨터가 잘 못하는 것이다. 귀납이란, 개별적,특수한 사실로부터 일반적,보편적 규칙,법칙을 이끌어내는 추론 방법(위키피디아) 이다.
• 이쯤 되면 장인의 수공업에 가깝다. 그동안 빅데이터 분석 현장을 보노라면 가내수공업에 종사하는 장인의 공방시절로 돌아간 듯한 착각마저 든다. 언뜻 최첨단 기술직으로 보이는 애널리틱스와 데이터 과학자라는 직업은 실상 스승과 제자의 직감과 경험ㅁ에 의존하는 전적으로 수공업의 세계인 것이다. 정작 가장 중요한 부분, 시간과 노력이 요구되는 부분에는 공업화도 컴퓨터화도 되어 있지 않은 것이다.
• 이만큼 많은 일손을 들이고도 미리 세운 가설에 따라 분석 작업을 하면 ‘당연’한 결과밖에 나오지 않는 경우가 많다. 비용 대비 효율성이 너무 낮다.
• 새처럼 하늘을 날고 싶다는 인류의 꿈은 비행기라는, 새와 전혀 닮지 않은 물체에 의해 실현되었다는 사실을 떠올려보자. 인공지능에 대한 논의 중에는 인간의 지능을 그대로 인공적으로 재현해야 한다는 강경한 태도를 취하는 입장이 있다. 한편 처음에는 새를 꿈구며 시작해서 결과적으로는 비행기를 만들었듯이 문제를 해결해내는 물건만 만들면 그것으로 충분하다는 유연한 태도를 취하는 입장도 있다.
• 기계가 학습한다는 의미로 보자면, 세상에서 연구 개발되고 있는 인공지능은 모두 어떤 형태로든 학습한다고 할 수 있다. 다만 인공지능은 각자 지향하는 방향에 따라 세 종류로 나뉘는데, 운전판단형, 질문응답형, 패턴식별형이다.
• 테일러의 과학적 관리법은 나중에 산업공학이란 이름으로 불리면서 20세기 다양한 경영 분야로 뻗어나갔다.
• 앞서 언급했듯이 테일러의 업적을 높이 평가한 사람이 드러커였다면 그 한계를 정확하게 지적한 사람도 드러커였다. 유감스럽게도 많은 서비스 분야에서 업무 공정을 표준화하고 매뉴얼을 정비해도 생산성은 일정 한도를 넘지 못했던 것이다.
• 특히 지식 노동자 자신이 결과에 대한 책임을 갖고 평생 학습의 중요성을 깨달아야 한다고 반복해서 논하고 있다.
• 첫째, 학습하는 기계는 문제를 설정할 수 없다. 둘째, 학습하는 기계는 목적이 정량화 되어야 하고 이에 관련된 데이터가 이미 대량으로 있는 문제에만 적용할 수 있다. 셋째, 학습하는 기계는 결과에 책임을 지지 않는다.
• 공감하는 것과 적극적으로 행동하는 것 자체가 행복이다. 따라서 빅데이터를 활용해서 이익을 실현하면 이와 동시에 공감, 적극성, 행복도 같이 얻는 셈이다.