일자 | 2024.06.21(금) |
이름 | 이시한, 『 똑똑한 사람은 어떻게 생각하고 질문하는가 』 |
필사 O | <프리 라이더가 아니라 멘티로 인식되는 방법> 시간을 너무 빼앗지 않는 한 윗사람은 아랫사람과 이야기하는 것을 좋아합니다. 다른 사람이 자신의 이야기를 들어주기를 바라는 거죠. 윗사람을 움직이기 위해서는 그들에게 가르침을 유발하는 질문을 하는 것이 좋은 방법이 됩니다. ‘제가 세운 커리어 패스가 적절한 것일까요?’, ‘역량을 개발하기 위해 사이버대학에 진학해서 일과 학업을 병행하는 것이 맞는 것일까요?’ 같은 질문은 윗사람의 조언을 유발합니다. 그리고 이런 질문은 가르침뿐 아니라 합리적인 선에서의 도움을 동반하기도 합니다. ‘학업을 병행한다고 하면 이런 부분은 내가 배려해주지.’ 같은 이야기가 윗사람의 입에서 뒤따라 나올 수 있다는 것이죠. 중요한 것은 도움이라는 부분이 이야기의 앞머리에 오면 안 된다는 것입니다. 도움을 먼저 청하면 프리 라이더처럼 보이지만, 가르침이 유발될 만한 질문을 하고 도움을 받으면 멘티처럼 인식되거든요. 멘토가 멘티를 도와주는 것은 당연한 일입니다. 그러니 멘토와 멘티인 거잖아요. |
필사 X | 이러한 질문의 방식은 팀장에게 질문하는 팀원의 입장에서도 명심해야 합니다. 질문을 잘못 하면 무능함을 넘어 책임을 전가하는 느낌을 줄 수도 있거든요. 예를 들어 ‘클레임이 들어왔는데 어떡해야 하나요?’라는 질문보다는 ‘클레임이 들어와서 이렇게 처리하려고 하는데, 예상되는 또 다른 문제점이 있을까요?’ 같은 질문이 훨씬 바람직하다는 것입니다. |
일자 | 2024.06.24(월) |
이름 | 이시한, 『똑똑한 사람은 어떻게 생각하고 질문하는가』 |
필사 X | 넷플릭스에는 독특한 문화가 하나 있습니다. 키퍼테스트라는 것인데요, 관리자가 부하직원에 관해 자문자답을 해보는 것입니다. ‘이 사람이 나가겠다고 하면 당장 연봉을 올려서 잡을 것인가?’라고요. 그런데 막상 자기가 굳이 잡을 것 같지 않잖아요. 그러면 이 사람을 퇴직금을 주고 내보낸다는 거예요. 이 사람은 나가겠다는 말은커녕 나갈 기미조차 안 보였는데, 그냥 관리자가 자문자답해서 이런 결론을 얻었다는 이유 때문에 말이죠. 넷플릭스의 문화를 소개하는 《규칙 없음》이라는 책에 나오는 일화입니다. 공석인 프로그래머 자리에 들어올 사람을 뽑는데 마침 딱 맞는 사람이 나타나 연봉협상을 했더니 그 팀의 다른 프로그래머에 비해 2배 가까운 연봉을 요구하더라는 겁니다. CEO인 리드 헤이스팅스는 그 팀의 매니저에게 질문을 해봅니다. “그 팀에 새로 채용하려는 그 사람보다 잘하는 사람이 있나요?” 대답은 No입니다. 그리고 다음 질문을 합니다. “그러면 지금 있는 팀의 팀원 3명이 힘을 합하면 새로 채용하려는 사람만큼 기여할 수 있을까요?” 이 대답도 No입니다. “소원을 들어주는 요정이 나타나 조용히 눈치 못 채게 현재 프로그래머 몇 명을 그 사람과 바꿔놓는다면 그게 회사에 더 도움이 될까요?” 매니저의 대답은 Yes입니다. 그래서 리드 헤이스팅스는 자신이 그 요정이 되기로 하죠. 그렇다고 다른 프로그래머를 내보내지는 않고, 그 사람을 채용하기로 한 겁니다. 직급에 따른 연봉의 상한선이라는 채용전략이 있었는데, 이 결정 때문에 넷플릭스는 채용전략을 바꿔야 했어요. 이후에도 다른 회사에서 그 사람을 빼가지 못하도록 그에게 업계 최고 대우를 해주었거든요. 이 사람은 이후 넷플릭스에 근무하면서 지금 넷플릭스 서비스를 구성하는 대부분의 특징을 만들어냈다고 합니다. 리드 헤이스팅스는 질문과 답을 통해, 지금 지키고 있는 채용과 연봉 전략을 바꿔서라도 필요한 사람을 잡아야겠다고 유연한 결론에 도달했습니다. 한번 정한 규칙이니 무조건 지켜야겠다고 생각하지 않고, 이 규칙이 과연 유용한지, 더 좋은 선택을 방해하지는 않는지 의심해보고 유연하게 선택한 것입니다. |
필사 O | <스스로에게 질문을 던져라> 데카르트의 방법론은 쉽게 말하면 모든 것을 의심해 보기입니다. ‘과연 진짜인가?’, ‘정말 그런가?’라는 잣대를 기존의 학문이나 진리에 적용해보는 것이죠. 그런데 적용해보니 그동안 진리라고 믿던 것이 꼭 그렇지는 않다는 것을 알게 되었어요. 여기서 그 유명한 표현인 “나는 생각한다. 고로 존재한다.(Cogito, ergo sum)”라는 표현이 나옵니다. 이것저것 의심하다 보니 밤하늘에 보이는 달도 내 눈이 속이는 거짓일 수 있고, 물리 법칙도 거짓일 수 있어요. 그런데 그럴 때도 절대 의심할 수 없는 것은 그렇게 의심하는 자기 자신입니다. 원래 원문은 ‘나는 회의한다’ 혹은 ‘나는 의심한다’에 더 가깝다고 합니다. 세상에 확실한 것은 자기 자신밖에 없으니까, 모든 행동 기준이나 생각의 원칙을 자기 자신에 맞추게 되는 거죠. 무엇보다 스스로에게 하는 질문의 중요함은 이런 질문 과정을 통해서 살아남은 답, 도출된 답에 대해서는 나름의 확신을 가질 수 있다는 겁니다. 자신의 선택과 생각, 의견은 사실 얼마든지 의심받을 수 있거든요. 그런데 이런 생각들이 스스로 두 번 세 번 의심하고 비판적으로 체크해서 얻은 결론이라면, 적어도 이 부분에서는 자신 있게 이야기할 수 있는 거죠. 스스로에게 가하는 비판의 수준이 높을수록 살아남은 결론은 탄탄하고 자신감 있는 결론이 됩니다. |
일자 | 2024.06.26(수) |
이름 | 이시한, 『똑똑한 사람은 어떻게 생각하고 질문하는가』 |
파란색 글씨만 필사 | <질문을 잘 만들어내는 효과적인 방법들> 결국 분명한 목표와 구체적인 니즈가 있다면 어느 정도는 AI를 효과적으로 활용할 수 있는 가능성을 가진 셈이라는 것입니다. AI는 사람의 니즈를 알아듣고 그에 맞는 답을 내줍니다. 그래서 중요한 것은 자신의 니즈를 정확하게 표현하는 것, 그리고 그 이전에 자신의 니즈를 정확하게 형상화하고 인지하는 것, 그것을 잘 표현하는 것이죠. 그것이 바로 질문입니다. 1. 질문의 범위 정하기 너무 광범위한 질문보다는 한 주제에 초점을 맞춘 질문이 좋습니다. 예를 들어, ‘세계 평화를 이룩하는 방법은?’ 같은 질문은 너무 범위가 넓고 초점을 맞추기 어려운 질문이다 보니 대답 역시 어디서든 볼 법한 평범한 것이 나옵니다. ‘우크라이나에서 평화를 이룩하기 위해 할 수 있는 일은 어떤 것들이 있을까? 우크라이나 입장에서, 러시아 입장에서, 그리고 한국 입장에서 원인과 결과를 제시하면서 자세하고 논리적으로 서술해줄 수 있어?’ 그러자 우크라이나, 러시아, 한국의 입장까지 비교적 자세하게 답을 해주었습니다. 2. 오픈엔디드 질문 사용 오픈엔디드 질문은 단순한 ‘예’나 ‘아니오’ 대답으로는 충분히 답변하기 어려운 질문 유형을 말합니다. 단순하게 대답할 수 있으면 간단하게 대답하고 마는데, 오픈엔디드로 물어보면 그에 맞춰 대답의 길이나 깊이도 달라지죠. 예를 들어 ‘인공지능 때문에 미래에 없어질 직업 5개 뽑아줘.’라는 질문보다, ‘인공지능이 미래의 직업 시장에 어떤 변화를 가져올 것으로 예상하나요?’ 같은 질문이 더 다양한 이야기로 확산될 여지가 있다는 것이죠. 3. 배경 정보 제공 배경 정보는 대화 상대방이나 AI가 질문의 취지를 더 잘 이해하고, 더 정확하고 관련성 높은 답변을 제공하는 데 도움이 됩니다. 예를 들어 ‘기후변화에 대해 어떻게 생각하나요?’라고 질문하는 것보다는 ‘최근 IPCC 보고서에서 언급된 대로, 기후변화가 앞으로 10년 내에 심각한 영향을 미칠 것으로 예상되는데, 이에 대한 대응방안에 대해 어떻게 생각하나요?’ 같은 배경 정보가 드러나는 질문이 더 유용하고 구체적인 답변을 얻기 좋다는 것이죠. 4. 질문의 목적 명시 AI는 제공된 목적에 따라 더 정확하고 관련성 있는 정보를 제공할 수 있으며, 사용자의 요구에 더 잘 부응하는 답변을 제공할 수 있거든요. 예를 들어 ‘최근 기술 발전에 대해 어떻게 생각해?’라고 묻는 것이 아니라 ‘나는 교육 기술에 대한 연구 논문을 쓰고 있어. 그래서 최근 기술 발전이 교육 분야에 어떤 영향을 미칠 수 있는지 너의 견해를 듣고 싶어.’라고 요청하면 그에 맞춰서 자세하게 설명해준다는 거죠. 5. 항목별로 답변을 요구 그냥 결과를 요구하는 것이 아니라, 항목별로 나눠 출력 목차를 짜서 요구하면 ChatGPT는 어떻게 해서든 그것들을 채워서 주거든요. 예를 들어 ‘기후변화에 대한 대책은 무엇인가요?’가 아니라, ‘지난 5년 동안 겪은 이상 기후 현상과 그로 인한 경제적 손실을 진단하고, 정부가 취해야 할 기후변화 대책에 대해 구체적 정책과 그 정책으로 예측되는 경제효과까지 나눠서 알려줘.’라고 질문하면 답변창이 터질 정도의 대답이 한 번에 밀려오거든요. 그러니 자신이 결과물을 설계하고 항목들을 디테일하게 요청하면, 그에 맞춰서 디테일한 정보들을 받을 수 있는 것입니다. 보통 많이 쓰이는 항목으로는 원인, 결과, 배경, 영향, 경제적 효과, 진단, 대책 등이 있습니다. 6. 구체적 사례나 시나리오를 요구 질문을 하면서 적절한 사례를 들어달라고 하거나, 아니면 특정한 상황에 적용하는 시나리오를 알려달라고 하면, 상당히 구체적인 정보를 얻을 수 있습니다. ‘완전히 현금이 없는 사회가 되면 어떤 일들이 벌어질지 자세하게 예를 들어서 설명해줄 수 있어?’라든가, ‘끊임없는 도전정신으로 인류사에 남은 크나큰 성취를 한 사람들의 사례를 들어줘.’라고 하면 비교적 구체적이고 자세한 예를 마주할 수 있습니다. |