조직은 학습하는 모델이다
01 · 발단 — 회의실에서 gradient를 봤다
요즘 일주일 내내 출근과 동시에 회의1, 회의2, 회의3. 사이사이에 슬랙이 쏟아지고, 질문은 끊이지 않는다. 방향을 말해줘도 사람들은 헷갈려했고, 내 딴엔 위에서 받은 방향을 내 식으로 풀어 최선을 다해 전달해도 해석은 제각각이었다. 돌이켜보면 내가 output과 end image를 뚜렷하게 만드는 능력이 부족했던 탓이었다.
이 와중에 머릿속에서 부유하는 생각들을 AI 앞에 풀어놨다. "이것들 좀 정리해봐" 하고 맡긴 게 아니라, 계속 파고들며 되물었다 — 내 머릿속이 선명해질 때까지. 답이 내 머릿속과 어긋나면 아닌 것 같았고, 몇 번 주고받으면 정리가 됐다. 내 머릿속과 똑같아질 때까지 계속 회의 중이었다.
(나중에 찾아보니 mattpocock도 비슷한 방식의 grill-me 스킬을 만들어뒀더라. 유명한 사람이 비슷하게 일한다는 데서 묘한 안도감, 그리고 자부심이 들었다.)
문득 멈춰서 생각했다. 이거 어디서 본 패턴인데. 신호를 모으고, 잡음을 걸러내고, 방향을 추정하고, 한 발 내딛고, 결과를 보고 다시 보정하고 — 그 한 바퀴가 익숙했다. 옛날에 공부했던 딥러닝의 학습 루프. 회의실에서 내가 하고 있던 일이 사실 그것과 구조가 같았다.
사람들은 변하지 않는 북극성 같은 비전과 목표를 원하지만, 사실 끊임없이 그 목표를 향해 피보팅하고, 조직 자체가 성장하면서 역량을 키우는 것이 같이 가야 한다.
방향은 한 번 잡으면 끝나는 게 아니었다. 모델이 학습하듯 조직도 학습한다. "북극성이 자꾸 움직이는 것 같다"는 느낌은 실은 optimizer가 정상 작동하고 있다는 신호다 — 피보팅은 gradient 보정이지 실패가 아니다.
02 · 메타포 — 안쪽을 들여다보면
조직을 하나의 모델이라고 보자. 비전은 loss function이고, 리더는 optimizer이고, 팀원들의 역량은 weight다. Loss를 줄이는 방향(gradient)을 계산하고, 적절한 learning rate로 weight를 업데이트하고, 발산하면 다시 잡아주는 것 — 이게 리더가 하는 일의 전부다.
| 용어 (DL) | 일상어 |
|---|---|
| loss function | 지금 상태와 이상 사이의 거리(간극)를 재는 자. |
| gradient | 그 거리를 줄이려면 어디로 한 발 내디뎌야 하는지의 방향. |
| optimizer | 방향을 잡고 보폭을 정해서 한 발 옮기는 역할. |
| weight | 모델의 능력치 — 조직에선 팀원 한 명 한 명의 역량. |
| learning rate | 한 번에 얼마나 크게 바꿀지의 보폭. |
| epoch | 한 사이클(측정 → 방향 → 실행 → 점검)을 한 바퀴 도는 것. |
| 수렴 / 발산 | 수렴 = 흔들림이 잦아들고 목표 가까이에서 안정되는 것. 발산 = 보폭이 너무 커서 통제를 벗어나 튕겨나가는 것. |
리더 = optimizer — gradient를 계산하고 (어느 방향으로 움직일지), learning rate를 조절하고 (변화의 보폭), 발산하기 전에 잡아준다.
- 보폭이 너무 큼 (learning rate ↑) — 너무 빠르게 바꾸면 팀이 흔들림, 신뢰 깨짐 (발산)
- 보폭이 너무 작음 (learning rate ↓) — 너무 조심하면 정체, "해봤자 뭐" 분위기 (수렴 안 함)
03 · 진단 — 피드백이 말해주는 것
이 프레임워크에서 가장 중요한 진단 기준이 있다. 팀의 피드백이 어떤 형태로 돌아오느냐다. 같은 디렉션을 내려도, 피드백의 형태가 조직의 현재 상태를 말해준다.
건강한 조직 — "하고 싶은데 어떻게 해야 할지 모르겠어요" 방향은 수용했고, 실행법을 모르는 상태. 경청하고 있다는 뜻. Gradient 방향은 전달됐다. 내가 잘하면 된다. Learning rate를 이 사람의 시작점에 맞게 낮추고, 작은 step부터 함께 밟아주면 된다.
비정상적 조직 — "그래서 뭐 어쩌라고. 내가 옳고 니 말이 틀림" Gradient 자체를 거부하는 상태. Loss function에 동의하지 않거나, optimizer를 인정하지 않음. 시작선부터 노답. 학습이 아니라 심리 치료부터 필요하다. Weight가 frozen 상태.
다행히 우리 조직은 전자에 가깝다. 보폭을 조정하면서 가면 된다. 사람이 많으니 각 개개인마다의 시작점이 다 다르고, 그래서 참 어렵지만 — 그게 바로 사람마다 다른 학습 코스(per-person curriculum)를 짜야 하는 이유다.
04 · 프레임워크 — Optimizer가 조절하는 4가지 축
이 학습 과정에서 optimizer가 조절할 수 있는 축은 4가지다. 각 축을 딥러닝 개념과 매핑하면, 조직에서 벌어지는 일이 놀라울 정도로 선명하게 보인다.
닫으며
모델이 설계만으로 똑똑해지지 않듯, 조직도 전략 한 방으로 바뀌지 않는다. 수렴은 선언하는 게 아니라 반복해서 earn하는 것이다.
내가 성장하는 법을 알고 나서 나 스스로를 자랑스럽게 여기고 사랑하게 됐듯, 조직도 그렇게 되어야 한다. 비전은 loss function, 리더는 optimizer, 팀의 역량은 weight. 한 epoch만에 수렴하는 모델은 없다.
관련 에세이 — 리더의 4가지 얼굴 비전, 자기인식, 취약성, 초연함 — 60초짜리 영상 4개가 알려준 진정성 리더십의 조건.
아직 포스트잇이 없어요. 첫 자리를 남겨보세요.