안전해진 4륜구동?그렇다고 눈길 마구달리면…

편집자주

이 글은 <하버드비즈니스리뷰(HBR)> 2013년 4월 호에 실린 로버트 C. 머튼의 글 ‘Innovation Risk: How to make smarter decisions’를 전문 번역한 것입니다.

ⓒ 2013 Harvard Business School Publishing Corp

 

새로운 제품과 서비스는 사람들이 일을 더 잘할 수 있도록 하거나 이전에는 하지 못했던 일을 할 수 있도록 하기 위해 만들어진다. 하지만 혁신에는 위험이 따른다. 어떤 혁신이 얼마나 위험한지는 상당 부분 사람들이 그것을 이용해 내리는 결정에 달려 있다.

스스로에게 물어보라. 만일 눈보라치는 날씨에 보스턴에서 뉴욕까지 운전해야 한다면 4륜 구동 자동차와 2륜 구동 자동차 중 어떤 것이 더 안전할 것으로 느껴지는가? 아마 당신은 4륜 구동 자동차를 택할 것이다. 그러나 사고 통계를 들여다보면 4륜 구동 자동차가 눈 오는 날 거리당 사고 비율을 낮추는 데 크게 기여하지 않았다는 사실을 발견할 것이다. 이는 혁신이 눈길 운전을 더 안전하게 만든 것은 아니라는 결론을 내리게 할지도 모른다.

물론 혁신이 더 안전하게 만드는 데 실패한 것이 아니라 더 안전해졌다고 느낀 사람들이 운전 습관을 바꿨다는 것이 정확한 사실이다. 눈 오는 날 위험을 무릅쓰고 밖으로 나가는 사람이 전보다 늘었고 아마 그들은 더 부주의하게 운전했을 것이다. 만약 당신을 비롯한 모든 사람들이 전과 같은 속도로 같은 도로를 이용해 뉴욕까지 운전한다면 실제로 4륜 구동 자동차는 훨씬 안전할 수 있다. 하지만 당신과 다른 사람들이 모두 훨씬 더 빠른 속도로 달린다면 눈보라 치는 날씨에서 마주치는 위험의 정도는 줄어들지 않을 것이다. 본질적으로는 (의식적으로든 무의식적으로든) 위험 축소와 성과 향상 사이의 선택인 셈이다.

만약 사람들이 어떤 선택을 내리느냐에 따라 혁신의 위험이 달라진다면 정보를 더 많이 갖고 정신을 똑바로 차릴수록 위험이 낮아질 것이다. 하지만 기업과 정책결정자들이 혁신의 결과들 - 사람들이 선택하는 상충관계(trade-offs)와 행동을 혁신이 어떻게 바꾸는가 - 을 고려할 때는 사람들이 혁신을 어떻게 활용할 것인지 결정하는 데 기반이 되는 모델들의 한계를 염두에 둬야 한다. 앞으로 살펴보겠지만 모델 중 일부는 개선할 수 있지만 일부는 근본적으로 흠이 있어 폐기해야 한다. 일부 모델은 특정한 경우에만 적용할 수 있고 일부는 사용자가 정교해야만 좋은 결과를 낼 수 있다. 심지어는 혁신을 어떻게 사용할지 적합한 모델을 통해 선택하더라도 - 위험과 성과 사이에서 알맞은 균형을 유지하면서 - 바뀐 행동이 자신이나 다른 사람들이 내린 다른 선택과 행동의 위험성에 어떤 영향을 미칠 것인지 예측하기란 불가능에 가깝다. 전혀 무관해 보이는 영역에서도 종종 그렇다. 이것은 물론 의도하지 않은 결과다. 혁신이 발생하는 시스템이 복잡할수록 그 결과는 더 가혹해질 가능성이 높다. 실제로 혁신과 관련된 많은 위험들은 혁신 그 자체보다는 그것이 적용될 환경에서 비롯된다.

핵심은 모든 혁신이 위험과 이익 사이의 상충관계를 변화시킨다는 것이다. 위험과 의도하지 않은 결과를 최소화하기 위해 사용자와 기업, 정책결정자들 모두 어떻게 하면 충분한 정보를 토대로 새로운 제품과 서비스에 대한 결정을 내릴지 알아야 한다. 특히 경험을 바탕으로 만들어진 다음의 다섯 가지 규칙을 지켜야 한다.

 

모델이 필요하다는 점을 인정하라

새로운 제품이나 기술을 받아들일 때 위험과 이익에 대한 당신의 결정은 인지과학자들이 멘탈 모델(mental model)이라고 부르는 것에서 정보를 얻는다. 눈이 오는 날 뉴욕까지 운전해야 할 때 당신은 아마도 가는 동안 발생할 수 있는 위험 전부를 통제할 수는 없더라도 운전할 자동차의 유형과 속도는 선택할 수 있다고 생각할 것이다. 따라서 위험과 이익의 상충관계를 평가하는 간단한 멘탈 모델은 자동차 유형과 속도 대비 안전을 도식화한 그래프로 나타낼 수 있을 것이다.

물론 이 모델은 지극히 단순화한 결과다. 안전과 속도 사이의 관계는 날씨, 도로 상황, 교통량, 도로 위 다른 차량들의 속도 등 다른 변수에 따라 달라질 수 있다. 대부분 당신이 통제할 수 있는 범위를 벗어난다. 올바른 선택을 내리기 위해서는 이런 변수들과 당신이 선택한 속도 사이의 관계를 정확히 이해해야 한다. 많은 요소를 고려할수록 특정 속도에 대한 위험성을 평가하는 일은 점점 더 복잡해진다. 정확한 평가를 위해 데이터를 편집하고, 각 요소의 매개변수(parameter)를 추정하고, 그 요소들이 서로 어떻게 영향을 주고받는지 결정한다.

역사적으로 사람들이 실제 현실 상황에 적용했던 모델 중 대부분은 사람들의 마음속에 반의식적으로(semiconsciously) 존재해왔다. 심지어 오늘날 우리는 운전을 할 때도 부정확하지만 강력한 멘탈 모델에 반사적으로 의존한다. 여기서 각 요소들의 관계는 경험을 토대로 추정된 것이다. 하지만 컴퓨터 기술이 등장하면서 이제까지 인간의 인지를 요했던 많은 활동들이 점점 더 정규화된 수학적 모델링으로 가능하다는 점이 입증되고 있다. 예를 들어 당신이 비행기를 타고 대서양을 건너가고 있다고 하자. 비행기의 대부분은 컴퓨터로 작동할 것이다. 속도와 고도, 비행경로 등에 대한 컴퓨터의 ‘결정들’은 위치와 기압, 비행기의 무게와 항공 교통의 위치, 바람의 속도와 다수 기타 요인들의 연속적 입력을 처리하는 수학적 모델에 의존한다. 컴퓨터 비행사는 너무나 정교해서 심지어 착륙도 스스로 할 수 있을 정도다.

금융도 비행기와 마찬가지다. 스톡옵션의 가치를 평가하기 위한 블랙-숄즈 공식(Black-Sholes Formula) - 1970년대 내가 개발에 참여했다 - 은 측정할 수 있거나 관찰할 수 있는 외부 요소들과의 관계를 수립하려는 시도다. 구체적으로는 기초자산(underlying asset)과 가격 변동성, 이자율, 만기 등과 특정 자산을 구입할 수 있는 옵션(call option) 가격과의 관계다. 금융회사들은 컴퓨터가 거래를 수행할 수 있도록 블랙-숄즈와 같은 모델을 활용한다. 예를 들면 실제 주가와 옵션 가격이 블랙-숄즈 또는 다른 정밀한 가치 측정 모델에서 추정한 밸류에이션에서 벗어나면 주식이나 옵션을 사고파는 주문을 내도록 컴퓨터를 프로그래밍해 둘 수 있다.

모델에 더 많은 요소를 포함할수록 어떤 혁신을 받아들일지 여부와 그 방식을 결정할 때 마주칠 수 있는 위험을 더 잘 판단할 수 있다는 점은 타당해 보인다. 이는 수학적 모델링의 인기를 충분히 설명한다. 기술적이거나 금융적인 혁신과 관련해 더욱 그렇다. 그리고 이런 모델의 다수가 꽤 잘 작동하고 있다. 예를 들면 블랙-숄즈의 핵심인 일반 복제 방법론은 경험적 사례로 잘 증명된다. 실제 옵션과 다른 파생상품들의 가치는 심지어 이 모델의 간단한 버전으로 예상한 가치와도 일치하는 것처럼 보인다. 하지만 현재 평가에 안도하기 시작하는 바로 그때가 진짜 주의를 기울여야 하는 때다.

 

모델이 가진 한계를 인정하라

모델을 구축하고 사용할 때 - 그것이 재무적 가격 결정 모델이든, 비행기의 자동 조종 기능이든 - 부정확한 모델과 불완전한 모델 사이의 차이를 이해하는 것은 매우 중요하다.

부정확한 모델은 내부 논리나 근본적인 가정 자체가 명백히 틀린 경우다. 원둘레를 계산하는 수학적 모델이 파이(pi) 값으로 4.14를 사용하는 경우를 예로 들 수 있다. 부정확한 부분을 짚어내는 것이 항상 쉽다는 얘기는 아니다. 예를 들어 한 비행기의 내비게이션 모델이 뉴욕의 라구아디아(La Guardia) 공항을 보스턴에 있는 것으로 나타냈다고 해도 그 방향으로 인도된 비행기들이 직접 날아가기 전까지는 결함을 발견하지 못할 수도 있다. 일단 한 모델이 근본적으로 잘못된 가정 아래 만들어졌다는 것이 발견되면 그 모델을 사용하지 않는 것이 유일한 해결책이다.

불완전함은 완전히 다른 문제다. 모든 모델이 갖고 있는 특성이기도 하다. 오스트리아계 미국인 수학자인 쿠르트 괴델(Kurt Gödel)은 실제를 완벽히 묘사하는 것일 뿐 어떤 모델도 ‘참’이지는 않다는 것을 증명했다. 파이 모델에서 3.14는 틀린 것이 아니라 불완전한 것이다. 3.14159를 사용하는 모델은 조금 덜 불완전하다. 덜 불완전한 모델이 기존 모델을 완전히 대체하기보다는 기본 버전을 개선해가고 있는 것이라는 점에 주의하라. 기본 모델은 잊혀져야 하는 것이 아니라 계속 덧붙여져야 한다.

부정확함과 불완전함을 구별하는 것은 과학자들에게 중요한 문제다. 그들은 세상을 묘사하고 예측할 수 있도록 하는 모델들을 개발하면서 부정확하다고 밝혀진 모델의 사용을 거부한다. 이는 작업에 대한 형식 분석(formal analysis)이나 근본적인 가설에 대한 테스트를 통해 진행된다. 여기서 살아남은 모델은 부정확하다기보다는 불완전하다고 여겨지며 따라서 개선할 수 있다. 블랙-숄즈를 다시 생각해보자. 옵션 모델은 특화된 적용을 위해 더 많은 변수와 더 강한 가설들을 받아들였다. 이를 통해 기본 공식을 넘어 근본적인 방법론을 확장하면서 더 많은 무기를 갖게 됐다.

일반적으로 어떤 모델의 수학적 계산에서 근본적인 위반이 발견되거나 포함하고 있는 가설에서 오류가 밝혀지기 전까지는 그 모델을 폐기하기보다는 개선해가는 것이 논리적이다. 하지만 실제 행하기는 말처럼 쉽지 않다. 다음의 도전을 가져다주는 요인이기도 하다.