기획 업무의 복잡도 올리는 요소

앞의 글에서 기획을 효과, 효율적으로 하기 위한 방법으로 단순함에서 복잡함으로 진행시키는 것에 대해 이야기했습니다. 그럼 기획의 복잡도를 높이는 요소가 무엇인지 이번 글에서는 다루어 보도록 하겠습니다.

 

 

기획과 복잡도의 관계

 

기획은 어떤 일을 계획하는 작업으로 Planning, Design 등으로 해석할 수 있습니다. 즉, 어떤 일에 대해 특정 목적/목표를 달성하기 위하여 상황을 분석하여 계획을 세우는 작업이라 정리할 수 있는 것입니다.

 

이런 개념에 따르면 기획은 미래의 성과를 위한 활동입니다. 미래의 목적/목표를 달성한다는 점에서 기획은 관리와 밀접한 관계가 있습니다. 기획을 통해 세워진 계획이 달성되도록 하는 만들어 가는 것이 관리라 할 수 있습니다.

 

기획은 특성상 미래에 대한 작업입니다. 그러나 기획자는 과거나 현재의 상황만 알 수 있을 뿐입니다. 여기서 기획의 정확도가 낮아지게 됩니다.

 

이 상황에서 기획자는 결정을 해야 합니다. 미래에 영향을 주는 수많은 변수를 파악하고 분석하여 기획을 할지, 아니면 중요 변수를 중심으로 기획을 할지를 말입니다.

 

변수의 추출 및 분석은 비용을 수반합니다. 그러나 제대로 이루어진다면 기획의 정확도를 높일 수 있습니다. 분제는 변수 추출은 많이 했는데 분석이 제대로 이루어지지 않는 경우입니다. 이 경우 기획의 복잡도는 굉장히 높아지게 됩니다.

 

 

복잡도 변수 1 - 기획 변수의 수

 

기획 변수에는 두 가지가 있습니다. 인지된 변수와 존재하나 인지되지 못한 변수입니다. 기획의 복잡도는 인지된 변수의 수에 영향을 받습니다. 존재하나 인지되니 못한 변수는 기획의 복잡도에는 영향을 주지 않지만 기획의 정확도에는 영향을 주게 됩니다.

 

그러므로 여기서 기획 복잡도 변수로 다루어질 것은 인지된 변수에 국한합니다.

 

인지된 변수의 수가 복잡도에 영향을 주는 이유는 발생 확률을 높이기 때문입니다. 변수의 수가 많을수록 변수에 따라 발생하는 경우의 수는 급속히 증가합니다.

 

물론 이는 단순히 각 변수가 같은 영향력을 가질 대 발생하는 경우의 수인 2!, 3!, 4! 등과는 다릅니다. 변수마다 그 영향력이 다를 뿐 아니라 상호 작용하는 여러 변수 중 특정 변수에 더 영향을 줄 수 있고, 존재하는 변수 중 어떤 변수에는 영향을 주지 않기도 하기 때문입니다.

 

그러므로 변수가 많다는 것은 기획의 복잡도가 매우 높다는 것을 의미합니다. 

 

기획자는 효과적인 기획을 위한 방법으로 가설 환경을 구축한 후 여기에서 기획을 하는 방식을 통해 기획 복잡도를 낮추기도 합니다. 기획의 공간이 되는 시장을 일종의 메타버스화 하여 작업을 하는 것입니다.

 

또 다른 방법으로 미분을 통해 변수를 줄여가면서 기획 시나리오를 작성한 후 시뮬레이션할 수도 있습니다. 각 변수가 줄어들었을 때 변화를 통해 미래를 계획하는 방법이기도 하고, 각 변수의 영향성을 분리하여 검토하는 방법이라고도 할 수 있습니다.

 

이러한 방법들은 개인적으로 AI나 기계 학습 시스템의 도움을 받으면 좋을 것 같기도 한데, 환경과 비용 문제로 아직 작업을 해보지는 못했습니다. 

 

이상 내용에서 보면 기획 복잡도와 관련한 변수 수의 문제는 공학적 문제와 연결되어 있다는 것을 알 수 있습니다. 실제 인지된 변수의 문제는 공학적 케이스로 분류됩니다. 공학적 케이스는 변수가 파악은 되나 그 수가 많고 난해한 경우입니다. 난해해다는 것은 이해가 어렵지만 학습을 통해 누구나 똑같은 이해를 할 수 있다는 점에서 아래의 모호성과는 다릅니다.  

 

 

복잡도 변수 2 - 기획 변수의 모호성

 

기획의 복잡도를 높이는 요인으로 변수의 모호성은 변수를 인지하기는 했지만 그 변수의 특성을 파악할 수 없다는 점에서 변수의 수가 가져오는 복잡성과는 다릅니다.

 

앞의 경우가 공학적 케이스라면, 이번 경우는 장인 기술/예술의 케이스라 할 수 있습니다. 이 변수는 스승과 1대 1의 장기간 경험 학습을 통해 인식되기에 이를 문서화하거나 수식화 하는데 한계가 있습니다.

 

그러므로 모호성을 내포한 변수는 일정 수준 기획 능력을 가진 누구나 파악할 수 있는 것이 아닌 특정 기획자가 개인적 경험과 역량으로 인식할 수 있는 것입니다.

 

이런 변수는 공학적 시스템을 통해 파악되는 게 어렵습니다. 그렇기에 AI나 기계학습 시스템을 통해 모델링 하기 난해합니다.

 

여기서 어렵다거나 난해하다는 용어를 쓴 것은 이러한 모호성을 내포한 변수가 있다고 미래 목표 기획이 불가능하지는 않기 때문입니다.

 

미래는 수많은 변수 작용에 의해 발생되는 현상일 뿐입니다. 모호하든 아니든 미래 사건은 일어남을 의미하고 이는 변수 자체가 아니라 변수의 집합과 사건의 연속성으로 어느 정도 예측 가능하기 때문입니다.

 

이런 점에서 기존 AI가 아닌 초거대 AI를 활용할 경우 모호성 변수의 가능성 연산을 통해 기획이 가능하게 됩니다. 여기서 모호성은 모른다는 아니기 때문입니다. 

 

그렇다고 기획자가 AI나 초거대 AI를 활용해 기획을 하는 것은 아니므로 여전히 모호한 변수는 수나 양이 많기 때문인 아니라 그 자체가 상당한 복잡성을 내포하고 있기는 합니다. 

 

모호성 변수가 내포되어 있는 상황의 기획은 확실히 기획자의 역량과 경험이 매우 중요합니다. 여기서 경험은 해당 분야의 경험만을 의미하지는 않습니다. 때로는 모호성은 해당 분야가 진행해온 과거에서 발생되기도 하기 때문입니다. 특히 그 분야 종사자가 발생시키는 모호성이 존재한다는 것을 기억해야 합니다. 업무 환경의 변화에 따른 변수의 변화를 이해하지 못하고 과거에 기반한다거나 하는 것이라 할 수 있습니다.