속만 태우는 걱정을 하지 않고 즐겁게 살려면? 결정(意思決定)하고 행동하면 된다.

의사결정은 “어떤 문제를 해결하기 위해 여러 대안 중 가장 적합한 대안을 선택하는 과정”이다. 우리는 살아가면서 수 많은 결정을 내리고 행동해야 한다. 삶 자체가 결정과 행동의 연속이다. 
과거의 결정과 행동이 현재로 나타나고 현재의 결정과 행동이 미래를 좌우한다. 

현재의 현상을 두고 결정 당시의 상황과 맥락을 이해하고 교훈으로 삼기보다는 잘잘못을 따지느라 많은 시간과 에너지를 낭비하거나 새로운 결정을 해야할 때 역지사지, 상부상조 보다는 각자의 이익을 관철하기 위해 대립하고 분열되는 경우를 많이 본다. 

여러 사람의 이해관계가 얽혀 있는 사회 문제와 불확실한 환경에서 치열한 생존경쟁을 해야 하는 산업 분야에서의 의사결정은 매우 중요하고 복잡하다. 시간이 없거나 불충분한 정보와 지식만으로 결정을 해야 하는 경우도 많다. 결정하는 일이 싫거나 두렵고 괴로워 회피하고 싶은 경우도 많다. 

의사결정은 미래를 설계하는 것이다. 그렇다면 어떻게 결정의 과정을 즐기면서 올바른 결정을 할 수 있을까?

올바른 결정은 성공을 전제로 한다. 성공은 “목적하는 바를 이룸”이다. 목적은 사람마다 조직마다 다르겠지만 목적을 이루어 가는 과정에서 희로애락(喜怒哀樂)을 느끼고 흥망성쇠(興亡盛衰)하기 때문에 성공하면 즐겁고 행복하다. 즐겁고 행복하지 않다면 목적이 잘못되지 않았는지 성찰이 필요하다.

성공의 과정에서 인간의 특성과 한계로 인해 실수와 실패할 가능성이 있다. 학습과 경험을 통해 실수와 실패를 줄일 수는 있겠지만 실수와 실패없이 성공하기란 어렵다고 봐야 한다.

이러한 인간의 한계를 극복하기 위한 인간의 필요에 의해 초지능화 기술이 개발되고 4차 산업혁명을 일으키고 있다.

2016년 1월, 스위스 다보스에서 열린 제46차 세계경제포럼에서 인류의 네 번째 산업혁명이 최초로 언급되었고, 알파고의 등장이 변화를 촉발시켰다. IoT, 빅데이터, 인공지능, 디지털트윈과 같은 초연결, 초지능화 기술의  발달로 인간의 지능을 보완·증강·대체해 나가기 시작했고, COVID-19가 메타버스(Metaverse)를 핫하게 떠오르게 했다. 이미 우리는 4차 산업혁명 시대에 살고 있다.

이러한 초연결, 초지능화 기술과 도구를 잘 활용하면 올바른 결정을 할 수 있다. 그렇다면 어떻게 기술과 도구를 잘 활용할 것인가?

먼저 목적을 명확히 하고 목적에 맞는 기술과 도구를 활용하면 된다. 목적(출력)을 달성하기 위해 가장 효율적인 방법(입력)을 찾으면 된다. 최적화(Optimization) 문제이다.

“측정할 수 없으면 관리할 수 없다.”

최적화는 주어진 조건하에서 목적함수의 최대값 또는 최솟값을 찾는 것이다. 이미 다 배운 것이다. 최적화를 하려면 목적 달성여부를 측정할 수 있도록 시간, 공간, 비용, 생산량 등으로 지수화해야 한다.

목적지수가 결정되면 목적지수와 관련된 객체들과 객체들의 변수를 식별하고 객체의 기능과 동작특성을 모델링하여 디지털트윈을 만들어 발생가능한 시나리오를 입력한다. 이후 시뮬레이션하면서 목적지수의 최대값 또는 최소값이 되는 입력 변수의 조합을 찾으면 된다. 목적 지수가 최대 또는 최소값이 되는 입력조건을 찾도록 역방향 시뮬레이션하면 간단히 해결된다. 실체계에서 시간, 공간, 비용, 안전 문제로 하기 어렵거나 해볼 수 없는 실험을 연산능력이 뛰어난 컴퓨터를 활용하여 가상실험을 하면 쉽게 답을 찾을 수 있다.

그러나 이러한 디지털트윈의 기능과 동작특성이 실체계와 다르면 시뮬레이션은 아무 의미없는 일이 된다. 헛짓거리이다. 그래서 디지털트윈 모델링이 우리가 집중해야  할 핵심이라 할 수 있다. 실체계와 연동하여 생애주기 동안 일관성과 동질성을 유지할 수 있도록 학습/진화 시킬 수 있어야 한다.

모델링을 잘 하기 위해서는 문제를 잘 정의할 수 있어야 하고, 문제를 잘 정의하려면 세상의 이치를 잘 알아야 하는 것이다. 학습과 경험이 필요한 이유이다.

빅데이터를 기계한테 학습시키는 방식의 인공지능(AI)은 현상을 인식하는 인간의 지능을 보완, 증강, 대체할 수는 있지만 미래 변화를 분석, 예측, 최적화하는 결정기능을 대체하기에는 구조적 문제가 있다.

인간이 학습하고 경험한 지식을 기반으로 모델링하여 시뮬레이션하는 방식은 지식이 완벽하지도 않기 때문에 검증(Validation)이 필요하다. 데이터 기반의 기계학습과 지식 기반의 인간학습을 상호보완적으로 융합하면 구조적 한계를 극복하여 문제를 잘해결할 수 있다. 기술과 도구의 능력과 한계를 정확히 알고 목적에 맞게 쓰여져야 한다. 기술과 도구를 잘못쓰면 실패는 명약관화(明若觀火)다.

그렇지만 ‘확고한 소신이 없다면 앞을 내다보는 선견지명도 아무 소용없다.’ 라고 아마데오 피에트로 지아니니는 말했다. 

 ‘격물치지(格物致知)’ 세상의 이치를 제대로 알고, ‘성의정심(誠意正心)’ 확고한 소신을 가지고, 목적에 맞게 최적화 되도록 적정한 기술과 도구를 잘 활용하면 올바른 의사결정(意思決定)을 즐기면서 할 수 있지 않을까?

원문 보러가기 →