이 메모는 2019년에 Scale AI 팀에 보낸 것이었습니다. 그때 저는 우리 팀이 마치 워프 속도로 질주하고 있다는 마법 같은 느낌을 생생히 기억하고 있었고, 그 속도가 사라지길 원치 않았습니다. 이 메모는 바로 그 워프 속도를 유지하기 위한 제 선언문이었습니다. 세상에 큰 변화를 만들고자 하는 누구에게든 도움이 되길 바랍니다.
지원자들이 “무엇이 밤잠을 설치게 하느냐?”고 물으면, 저는 스타트업 특유의 ‘하이-알파’ 실행력이 사라지고 대기업 속도로 느려질까 봐 두렵다고 답합니다. 이상적인 모습은 N번째 직원도 10번째 직원만큼이나 효과적이고 파급력 있게 일하는 것입니다. 대부분의 회사에서 그게 잘 이루어지지 않는 이유는 여러 가지가 있는데, 그중 하나를 아래에서 설명하고자 합니다.
‘스코프(scope)’와 낙관주의가 일이 얼마나 빨리 진행되는지에 지대한 영향을 미칩니다. 이는 인간이 일하는 방식과 흔히 쓰이는 인센티브 구조의 결함이 결합된 결과입니다. 엔지니어링 맥락에서 스코프란 업무 완료에 걸릴 시간을 추정한 값입니다. 앞으로 얼마나 시간이 소요될지 계획하고, 그에 따라 얼마나 많은 일을 해낼지 계산하기 위해 만들어지죠.
겉보기엔 ‘어떤 일이 본질적으로 걸리는 시간’이 스코프를 결정하는 것 같지만, 실제 인과관계는 대부분 반대입니다.
스코프가 일이 걸리는 시간을 좌우합니다. 오래 걸릴 것이라고 말하면 오래 걸리고, 짧게 걸릴 것이라고 말하면 실제로 더 짧아집니다.
주장을 뒷받침하기 위해, 약 900만 건의 마라톤 완주 기록을 히스토그램으로 나타낸 예를 보겠습니다. 전체적으로 보면 대략 가우시안 분포처럼 보이는데, 이는 예상 가능한 모습입니다. 하지만 자세히 들여다보면 3:00, 3:30, 4:00, 4:30 같은 ‘둥근 숫자’ 구간에 현저한 스파이크가 있음을 알 수 있습니다. 이런 스파이크는 우연이 아닙니다. 인간은 목표 달성에 본능적으로 집착하며, 0–1 손실 함수(목표를 달성했는지 아닌지)에 맞추어 스스로 적응하는 데 매우 능숙하기 때문입니다.
우리가 모두 한 번쯤 본 예로, 학생들이 과제를 마감 직전에 끝내는 모습을 들 수 있습니다. 제가 아는 거의 모든 사람은 과제를 즐긴다고 해도 마감 직전에 제출합니다. 마감일의 존재가 분포를 왜곡해, 대부분의 과제가 ‘대부분’ 마감 직전(혹은 직후)에 끝나도록 만드는 것이죠.
이를 비유적으로 ‘림보 효과(Limbo Effect)’라고 부를 수 있습니다. 림보처럼, 우리가 기준선을 어디에 두든 그 바로 아래에서 머무르는 데 능숙하다는 겁니다.
이제 이 현상이 스타트업에 어떤 영향을 미치는지 살펴보겠습니다. 먼저 ‘높은 긴급성(high urgency)’ 환경에서 어떤 일이 완료되는 데 걸리는 시간을 생각해보죠—예를 들어, 사이트가 다운된 상황입니다. 사이트가 다운된 한 순간도 치명적이기 때문에 가능한 한 빨리 복구해야 합니다. 또 다른 높은 긴급성 환경이 바로 초기 단계 스타트업입니다. 대부분의 경우 회사는 사라지고 실패하기에, 매 순간 새로운 업무가 처리되지 않는 것은 치명적입니다. 이 두 환경에는 사실상 ‘마감일’이 없습니다—마감은 바로 ‘지금’이기 때문입니다.
이제 업무 완료 시간을 가우시안 분포로 모델링해보겠습니다. 대부분의 현상은 대체로 가우시안 형태를 띠며, 우리가 해야 할 일도 마찬가지입니다.
‘현실적인’ 스코프를 설정하면 어떻게 될까요? 이 분포를 정확히 안다고 가정하고, 분포의 중앙값을 스코프로 정해보겠습니다. 스코프가 있다는 것은 해당 시간만큼 걸릴 것으로 계획했다는 의미이므로, 인센티브 구조가 실제로 바뀝니다. ‘높은 긴급성’ 환경과 달리, 스코프보다 일찍 끝냈다고 해서 체감되는 이득은 없습니다. 스코프가 곧 목표가 되고, 우리는 외견상 그만큼의 시간을 계획에 포함했기 때문이죠.
스코프보다 훨씬 일찍 완료해도 얻는 이점은 거의 없지만, 스코프를 넘겨 완료하면 여전히 불이익이 있습니다(우리가 계획을 잘못 세운 것처럼 보이니까요!). 그래서 우리는 분포를 왜곡해 스코프를 두고 ‘림보 놀이’를 하게 됩니다.
이미 문제는 분명합니다. 그림 2의 중앙값은 그림 1보다 약간 낮을지 몰라도, 평균값은 훨씬 높습니다. 회사에서는 끊임없이 새로운 것을 출시해야 하므로 주로 평균에 신경 쓰게 됩니다. 따라서 단순히 스코프를 도입한 것만으로도 업무 속도가 느려진 셈입니다.
이제 낙관적인 스코프를 도입하면 어떻게 될까요? 예컨대 결과 분포의 10번째 백분위수에 해당한다고 생각되는 스코프를 설정한다고 가정해봅시다:
