[야노 가즈오] 데이터의 보이지 않는 손

[표지이미지출처: 교보문고]

 

 

 

 

데이터가 넘치는 시대, 넘치는 데이터 속에 금맥을 찾아 헤매는 데이터 러시의 시대의 다이아몬드는 '사람에 대한 데이터'이며 그것을 실현할 수 있는 기술로 '정량적 인간과학'의 중요성을 야노 가즈오는 말한다. 또한, 그 기반 위에서 사람을 위로하고 독려하는 기계와 서비스의 출현을 예고 편이 아닌 상영 중인 영화로 인식할 것을 주장한다.

 

이 주장에 대하여 나는 동의한다. 나 또한 그 방향으로 나아가며 이루어낼 것을 이루어 낼 것이다.

 

기계와 인간, 인간과 기계의 상호 협력 및 동반 성장이 데이터를 중심으로 이루어져 가는 이 과정이 "경제성 추구와 인간다움은 이 둘이 서로 협조해야 성공하는 체계"의 구축과정이라는 야노 가즈오의 주장 또한 적극적으로 받아 들인다.

 

인간과 기계, 기계와 인간은 이제는 별개의 세계로 볼 수 없는 시대가 되었다. 이것은 인간의 기계화 또는 기계의 우월함에 두려움을 이야기하는 것이 아니라 인간의 의무, 아니 인간만이 할 수 있는 "문제의 설정, 애매한 상황의 의사결정, 책임을 지는 것"이 더욱 명확하게 된 것이다.

 

그 속에 데이터, 현실 세계의 사람의 데이터가 있으며, 정량화의 숙제가 있는 것이다.

 

 

다음은 이 책의 밑줄 친 부분이다.

 

인간의 행동에는 법칙성이 있는가

 

'사람의 행동에는 과학적인 법칙성이 존재하는가' ~ 이 물음이 중요한 이유는, 이에 대한 대답이 빅데이터를 활용하면 사회와 경제를 과학적으로 컨트롤할 수 있는 지에 대한 답과 연결되기 때문

 

대부분의 과학적 진보는 새롭게 획득한 데이터를 계기로 이루어졌다.

 

인간에 대한 새로운 과학적 탐구와 인간의 행동 속에 숨은 과학법칙을 발견할 가능성이 더욱 커졌다.

 

시간은 생각대로 자유롭게 쓸 수 있는 것인가

 

인간은 시간을 사용함에 있어 자신의 의지에 따라 자유롭게 사용하는가, 아니면 어떤 법칙에 따라 사용하는가

 

만물을 지배하는 에너지보존법칙은 인간도 지배한다

 

인간에게는 의지, 생각, 정 같은 것이 있어서 이것들이 인간의 행동에 영향을 주기 때문

 

인생의 조감도, 라이프 태피스트리

 

장기간 지속적으로 데이터를 수집하며 마치 두루마리 그림을 보듯이 내 삶을 한눈에 들여다 볼 수 있다.

 

 시뮬레이션과 해석을 통해서

 

'반복의 힘'이 사회를 움직이고 있는 모습이 보이기 시작한 것이다.

 

'공평한 기회'가 주어져도 '불평등한 결과'가 생긴 셈이다. ~ '반복의 힘'이 이러한 빈부의 차를 초래한다.

 

사람은 원인과 결과라는 틀에 기대어 세계를 인식하려는 경향이 짙지만, 인과라는 사고방식은 여러 번 반복되어 나온 결과를 꿰뚫어보기에는 적합하지 않다는 뜻이다.

 

인간은 물질과 마찬가지로 정해진 법칙에 따라 행동하는 것일까, 우주의 모든 변화는 에너지의 교환으로 일어나는데, 인간의 행동만이 '의지'와 '취향'과 '정'에 따라 정해지는 것일까. 인간만이 유독 특별한 존재일까. 결론을 말하자면, 인간의 행동도 특별하지 않다.

 

활동온도가 높은 뜨거운 사람은 평균적으로 많이 움직이는 사람이다. 반대로 활동온도가 낮은 차가운 사람은 평균적으로  적게 움직이는 사람이다.

 

한정된 시간을 효율적으로 쓰기 위해서는 대역별 활동예산을 알고 모든 대역의 활동예산(에너지)을 골고루 사용할 줄 알아야 한다.

 

천성적으로 행복하다고 느끼기 쉬운 사람과 행복하다고 느끼기 어려운 사람이 있다는 것이다.

 

유전적 요인을 제외하면 나머지 절반은 후천적 요인이다. ~ 그렇다면 개인의 의지에 따라 변화시킬 수 있는 여지가 의외로 크다고 볼 수도 있지 않을까.

 

인간은 우리가 상상하는 것보다 훨씬 빨리, 좋은 쪽으로든 나쁜 쪽으로든, 자신을 둘러싼 환경 요인의 변화에 익숙해진다는 것이다.

 

우리가 매일매일 하는 사소한 습관이나 행동을 선택하는 방법에 의해 결정된다고 한다. 특히 적극적으로 행동했는지가 중요하다. 스스로 의도한 대로 어떤 일을 함으로써 사람은 행복감을 느낀다는 것이다.

 

행동한 결과가 성공했느냐 하는 것은 중요하지 않다. 행동하는 것 자체가 행복인 것이다.

 

테크놀로지가 행복 수준을 높일 수 있다는 발상은 이와 정반대이다. 인간이 새로운 행동을 스스로 일으키도록 지원하는 것이 테크놀로지의 역할이 되는 것이다. ~ 다만 어려운 점은 테크놀로지가 사람에게 스스로 행동하도록 지시하거나 명령할 수 없다는 것이다. '스스로 행동하기'와 '지시하기'는 서로 모순된 개념이다. 어떻게 하면 이 모순을 해결할 수 있을까.

 

행복한 사람은 그렇지 않은 사람보다 생산성이 평균 37%, 창의성이 300%나 높다.

 

중요한 점은 일을 잘하는 사람이 성공해서 행복한 것이 아니라 행복한 사람이 일을 잘한다는 것이다. 그리고 행복 수준은 성공 여부에 상관없이 오늘의 사소한 행동만으로도 끌어올릴 수 있다는 것이다.

 

같은 사람인 경우 행복 수준이 높으면 움직이는 빈도가 더욱 늘어난다는 것은 의외의 발견이다.

 

센서 ~ 변화를 지속적으로 측정할 수 있기 때문

 

행복에 관한 메시지를 해독하는 것이다.

 

'대화가 활발한 조직'에서는 생산성이 올라가는 한편, '대화가 활발하지 않은 조직'에서는 생산성이 내려간다. 이것은 보편적, 일반적인 현상이다.

 

주위 사람이 하품을 하면 자신도 모르게 하품이 나오는 경험을 누구나 해봤을 것이다. 마찬가지로 신체의 움직임도 전염되어 연쇄반응을 일으킨다. 활발하게 움직이는 것도, 반대로 정지해 있는 것도 서로서로 전염된다.

 

사원이 적극적으로 행동하는 회사와 그렇지 않은 회사 사이에는 1주(株)당 이익률이 18%나 차이가 났다.

 

그러나 현재 IT 설계 시에는 앞서 실험으로 밝힌 '조직의 활발도'가 전혀 고려되지 않고 있다. 오히려 효율성을 높인다는 명목으로 조직 내 신체 움직임의 연쇄작용을 일으키는 요소들을 배제하고 말았다. 그 때문에 활발도의 연쇄적인 상승을 촉진하는 구조가 사라져 생산성과 창의성이 떨어지는 사례가 많이 발생했다. 생산성 향상을 위해 도입한 IT라는 도구가 오히려 생산성 저하의 원인이 되고 있는 것이다.

 

이제 인간에 대한 과학적인 지식에 입각해 새로운 IT와 경영전략을 구축해야 하는 시대가 오고 있다. 새로운 IT는 조직원의 적극성을 뒷받침해주는 쪽으로 진보하지 않으면 안 될 것이다.

 

'행동은 계속할수록 멈추지 못하게 된다'이다. 그 사람과 만나지 않는 상태, 이메일에 답신하지 않는 상태 조용히 쉬는 상태, 움직임이 있는 행동은 무엇이든지 계속할수록 멈출 수 없는 성질이 있다는 것이다.

 

신체를 컨트롤함으로써 마음을 컨트롤하는 새로운 길이 열린 것이다.

 

여기서는 운을 '인생이나 사회에서 확률적으로 일어날 바람직한 사건'이라고 정의한다. 즉 인생과 비즈니스에서 일어날 '바람직한 확률 현상'으로 간주하는 것이다.

 

주사위를 1회 던져 우연히 짝수의 눈이 나올 확률은 1/2인데, 이를 확장하면 주사위를 1,000회 던졌을 때에는 짝수가 약 500회 나올 거라는 예측이 가능하다. 주사위를 던지는 횟수가 늘어날수록 그 오차는 점점 줄어든다. 그렇다면 시행 횟수 N이 늘어나면 운도 과학적으로 예측 가능한 현상으로 파악할 수 있지 않을까.

 

인생이나 사회에서 일어나는 사건은 모두 우연과 필연이 섞여서 일어난 결과로, 우연의 요소를 배제할 수 있는 것은 거의 없다. 따라서 많은 사건은 확률적인 현상이다. 운이 중요한 것이다.

 

운은 타인과의 만남을 통해서 일어난다.

 

이처럼 사람과 사람이 만나서 대화를 나누는 것은 운과 만나는 통로를 여는 일이다. 그러나 누가 어느 시점에서 자신에게 운을 가져다줄지는 미리 설계할 수 없다. 미리 설계할 수 없기 때문에 운인 것이다.

 

관계성 맵(Social Graph)

 

사람의 수가 많을수록 운과 만날 확률도 높아지는 경향이 있다고 할 수 있다.

 

도달도는 정말 '운 좋음'의 지표인가

 

당신의 지인과 지인이 서로 아는 사이라면 당신 주위에 삼각형이 만들어진다.

 

삼각형이 많다는 것은 조직에서 구성원 간에 연결고리가 있다는 것과 대응한다. 즉 '조직의 결속이 강한 정도'를 삼각형의 수라는 수치로 표시할 수 있다. (결속도: 구성원간 삼각형 수의 평균)

 

리더의 힘을 보여주는 '리더의 도달도'와 조직력을 보여주는 '결속도'는 서로 트레이드오프(trade off, 하나를 얻으려면 반드시 다른 하나를 희생시켜야 하는 관계)가 될 거라고 예상하는 사람들이 많다. 그런데 여기서 대량의 데이터로 얻은 결론은 리더의 힘이 강한 조직은 조직력도 역시 높다는 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).

 

현상을 수치로 나타내면 언어의 구속에서 자유로워진다.

 

리더십과 조직력처럼 서로 대조적인 두 단어를 쓰면, 우리는 반사적으로 리더냐 조직이냐 혹은 하향식이냐 상향식이냐 하는 것처럼, 양자 택일의 문제로 바라보는 사고에 길들어 있기 때문이다.

 

정량화된 데이터는 인간의 인지적 한계를 뛰어넘어 현실의 진정한 모습을 분명하게 보여준다.

 

구성원의 '운'을 높인다는 것은 어떤 문제가 생길 때 그 문제를 빨리 파악해서 단시간에 해결할 확률이 높아진다는 뜻이다.

 

의문이 있을 때 바로 타인에게 물어보거나 상담하는 것은 '운'이 좋은 사람들의 공통된 특징이다.

 

도달도라는 지표를 통해 과학적으로 '운'을 만날 기회를 높임으로써 기업 경영에 혁명을 일으킬 수 있다.

 

운을 붙잡으려면 대화의 질도 중요하다.

 

커뮤니케이션에서 언어적인 요소가 영향을 미치는 비중은 10% 이하이며, 나머지 90% 이상은 신체 움직임 같은 비언어적 요소가 영향을 미친다고 알려져 있다.

 

상대에게 메시지를 전하려고 할 때 사람은 기준치를 넘는 빠른 움직임의 주파수를 무의식중에 사용하기 때문이다.

 

대화의 쌍방향률

 

커뮤니케이션은 청자가 이해해야만 비로소 의미가 있다.

 

대립이나 문제를 대하는 3가지 태도(프랭키 카토아 교수)

- 건설적(critical)인 논의를 거쳐 대립을 뛰어넘는 해결책을 찾는 것

- 리더의 의견을 따른 것, 즉 추종(follow)하는 것

- 회의적 태도(skeptical). 입장이나 의견 차이를 좁히는 데 소극적인 자세를 보이며 대립을 해소하려면 상대가 태도를 바꾸어야 한다(자신에게는 그 책임이 없다)는 태도를 취하는 것

 

건설적, 추종적, 회의적 태도 중 '건설'이 늘 바람직한 태도이며 이를 100%로 보고 그렇게 되도록 지향해야 한다는 것이 카토아 교수의 커뮤니케이션 이론이다.

 

대화의 쌍방향률을 높이는 데 중요한 것은 두 사람 사이에 진지한 교류가 필요한 도전 목표가 설정되어 있느냐 하는 점이다. 그것이 없으면 마음을 터놓고 쌍방향으로 논의할 필연성이 생기지 않는다.

 

군자는 미미함을 아는 고로 드러남을 안다. [주역] (리더는 눈에 잘 보이지 않는 것을 알아보고 겉으로 보이는 것에 대한 의미를 안다.)

 

'운이야말로 실력' 그 자체이다.

 

우리가 집중해야 할 일은 거의 모두 운을 얼마나 제어하느냐에 그 성패가 달려있다.

 

학문에는 두 종류가 있으니, 하나는 사람의 학문이요 다른 하나는 사물의 학문이다. (중략) 사람의 마음과 사물의 작용이 전체로서 사회의 모든 현상을 이루고 있다. (바바 구메오 박사)

 

DST(dynamic systems theory: 다이나믹 시스템 이론). 인간행동과 더불어 '그 콘텍스트를 측정할 수 있는'~이 기술을 사용해서 구매행위와 같은 경제활동 전체를 통째로 측정하고 과학적으로 해석하는 일이 가능해졌다.

 

연역과 귀납 능력을 모두 갖추고 대량의 데이터로부터 늘 학습해나가는 새로운 컴퓨터는 복잡한 문제의 해결과 상황 판단, 그리고 경영 판단에 막강한 위력을 발휘한다.

 

이만큼 많은 일손을 들이고도 미리 세운 가설에 따라 분석 작업을 하면 '당연'한 결과밖에 나오지 않는 경우가 많다. 비용 대비 효율성이 너무 낮다.

 

빅데이터를 손에 넣었다고 해도 기존 수공업적인 방법을 사용하는 한 상황은 크게 달라지지 않는다. 스스로 학습하는 기계인 인공지능 H는 이런 비효율적인 애널리틱스를 더 이상 필요 없게 만든다.

 

얼핏 컴퓨터와 인간의 싸움처럼 보이지만, 실상 과거 인류의 뛰어난 모든 지혜로부터 체계적으로 학습하는 방식과 스스로 쌓은 경험으로부터 학습하는 방식의 싸움이다. 이 경기(사람과 인공지능 기계의 장기 두기)에서는 전자가 승리했다고 할 수 있다.

 

"나는 절대로 선입관에 얽매이지 않고 사실이 가리키는 대로 순순히 따라갈 뿐입니다.", "가장 중요한 것은 수많은 사실 속에서 어는 것이 부수적인 일이고, 어느 것이 주된 일인지를 분간하는 능력입니다. 이것이 안되면 정력과 주의력만 낭비될 뿐 집중할 수 없습니다." ~ 인공지능 H가 지향하는 바도 이것이다.

 

거시(매장 일 매출 정보 등)와 미시(시간별, 고객별, 점원별, 장소별 등과 같은 정보)의 간극을 메우는 독자 기술을 도약학습(leap learning)이라고 부른다.

 

인공지능은 운전판단형, 질문응답형, 패턴식별형

 

운전판단형의 원리는 현실 세계를 미시적인 요소의 모임(집단)으로 이해한다는 특징이 있다.

 

인공지능 하면 흔히 떠올리는 것이 '질문응답형'. 사람이 질문하고 기계가 응답하는 것. 질문과 관련한 정보나 지식을 제공한다. 그것을 사용해서 구체적으로 판단하는 것은 인간의 몫이다.

 

패턴식별형은 화상이나 음성 같은 데이터를 컴퓨터로 식별

 

빅데이터가 주목받는 상황에서 앞으로 운전판단형 연구가 급속도로 발전할 것이다.

 

빅데이터로 이익을 내기 위한 세 가지 원칙

- 향상시켜야 할 실적(결과)을 명확히 한다.

- 향상시켜야 할 실적과 관련된 사람, 사물, 돈에 관한 데이터를 널리 수집한다.

- 가설에 의존하지 말고, 컴퓨터가 실적 향상 대책을 데이터로부터 역추정하도록 만든다.

 

빅데이터가 존재하는 문제일 경우 가설을 세우는 일은 사람이 아니라 컴퓨터가 해야 한다. 사람이 가설을 세워야 한다는 고정관념을 버릴 필요가 있다.

 

향상시켜야 할 실적을 가정할 수 없다면 그 일은 실패한다. 업무 목표가 분명하지 않기 때문이다.

 

실적에는 사람, 사물, 돈이 모두 얽혀 있는데, 대부분 정보 시스템에 쌓인 데이터는 사물, 돈 관련 데이터는 많이 있어도 사람 데이터는 별로 없다.

 

사람에 관한 데이터가 중요한 것은 고객과 직원의 행동이 실적에 큰 영향을 미치기 때문이다.

 

인간만이 할 수 있는 일이 세 가지가 남는다.

- 학습하는 기계는 문제를 설정할 수 없다. ~ 풀어야 할 문제를 명확히 하고 학습하는 기계를 통해서 도출된 판단을 실행하는 것은 인간이 해야 할 일이다.

- 지향점이 애매하거나 정성적이거나 혹은 과거의 데이터가 없는 상황 ~ 이런 상황에 의사결정을 하는 것은 인간의 몫이다.

- 책임을 지는 것이야말로 인간의 고유한 능력이다.

 

학습하는 컴퓨터의 등장으로 인해서 인간이 해야 할 일과 하지 말아야 할 일이 크게 변했다. 이것은 인간과 기계의 새로운 협력 관계가 탄생하는 과정이라고 보아야 한다.

 

경제성 추구와 인간다움은 이 둘이 서로 협조해야 성공하는 체계

 

앞으로 더 중요한 것은 리얼한 세계, 즉 현실 세계의 데이터이다. 현실 세계의 데이터는 컴퓨터 데이터베이스에 그냥 쌓여 있는 것이 아니라 나날이 성장한다.

 

데이터의 규모가 확대되는 이유는 데이터로 수집하는 대상의 규모가 확대되기 때문인데, 이는 동시에 이 새로운 서비스(서비스와 과학의 융합, 그리고 공동진화)의 가치를 증폭시킨다.

 

앞으로는 사람들의 열의나 공감 같은 인간행동을 이끌어내는 요인을 컴퓨터가 이해하고 이를 장려하는 기술이 필요하게 될 것(어펙티브 affective)

 

정량적 인간과학, 어펙티브 테크놀로지. 이것은 공감, 열의, 행복을 컴퓨터가 이해해서 수치화하고 측정, 기록, 분석, 통신, 공유하는 기술이다.

 

협력, 존경, 상부상조라는 가치도 포함될 것이다 그러나 이들은 앞으로 대량 데이터를 활용함으로써 새로운 형태로 복원되지 않을까. 21세기 신기술은 이런 잊혀져 가는 것들을 오히려 강화시켜줄 것이다.

 

끌어들이고, 연결하며, 서로 돕기

 

대량의 데이터를 통해서 도출된 과학적인 원칙과 피드백으로 대립을 극복하고 다양한 사람들의 협업을 지향한다.

 

궁극적으로 건강하고 능력과 의욕 있는 사람이 평생 일할 수 있는 구조를 지향해야 할 것이다. 즉 새로운 형태의 종신고용이 도래할 가능성을 탐색하고자 한다.

 

21세기의 지식노동, 서비스 혁신에 적합한 고용과 취업 구조를 구축하는 데 데이터를 활용하는 길을 개척하고자 한다.

 

대량의 데이터와 이에 의한 과학은 이런 위험에 과학적으로 대항하는 인프라로 발전할 가능성이 있다.

 

테크놀로지를 활용해서 과거의 경험으로부터 배우는 힘을 증폭시키는 데 있다.