현장의 직감과 경험을 데이터 구조로 변환하는 연습을 한다(perception)
우리는 왜 감각을 의심하려 하는가?
“느낌은 믿을 수 없습니다.”
“데이터로 말해야 합니다.”
“숫자가 아니면 근거가 부족합니다.”
이 말은 틀리지 않다.
조직에서 의사결정은 객관성을 요구한다.
그러나 나는 종종 되묻는다.
그 감각은 어디서 왔는가?
현장에서 10년, 20년 일한 사람이 느끼는 이상 신호는
단순한 기분일까?
나는 감각을 데이터로 대체하려 하지 않는다.
감각을 구조로 번역하려 한다.
왜 감각을 번역해야 하는가?
감각은 경험의 압축이다.
수많은 사례와 반복을 거치며
몸에 남은 패턴 인식이다.
문제는 그것이
말로 설명되지 않는다는 점이다.
“요즘 매출이 이상합니다.”
“고객 분위기가 달라졌습니다.”
“이 공정은 뭔가 불안합니다.”
이 말은 구체적이지 않다.
그래서 조직은 감각을 배제한다.
그러나 감각을 배제하면
조기 경보를 잃는다.
중요한 것은 감각을 믿느냐, 아니냐가 아니라
그 감각을 어떻게 구조화하느냐이다.
현장에서 있었던 사례
한 중견 부품 제조업체의 이야기다.
현장 반장이 이렇게 말했다.
“이번 달 불량률은 낮게 나오는데
뭔가 불안합니다.”
보고서상 불량률은 1.8%였다.
최근 6개월 평균 2.1%보다 낮았다.
관리팀은 문제 없다고 판단했다.
그러나 반장은
특정 설비에서 미세한 진동이 늘었다고 했다.
작업자 교체 빈도도 높아졌다고 했다.
우리는 그 감각을 무시하지 않았다.
대신 번역을 시도했다.
- 설비 진동 데이터 월별 비교
- 작업자 교체 횟수 기록
- 특정 시간대 불량 발생 비율 분석
그 결과
전체 불량률은 낮았지만
특정 공정에서 국소적 편차가 증가하고 있었다.
감각은 틀리지 않았다.
다만 구조로 정리되지 않았을 뿐이다.
문제는 감각이 아니라 기록 부재다
많은 조직이
“데이터로 증명하세요”라고 말한다.
그러나 데이터가 없기 때문에
감각이 발생하는 경우도 많다.
현장은 숫자가 되기 전의 신호를 먼저 느낀다.
소리, 속도, 고객 표정,
작업 흐름의 미묘한 변화.
이것은 아직 KPI로 정의되지 않았을 뿐이다.
[조사 필요]
- 전문가 직관(Expert intuition)과 데이터 기반 의사결정의 상관관계 연구
- 현장 경험 기반 판단이 조기 리스크 감지에 미치는 영향
관련 심리학·조직행동 연구 확인이 필요하다.
사람들이 흔히 하는 착각
첫 번째 착각
“감각은 비과학적이다.”
감각은 구조화되지 않았을 뿐이다.
기록되면 데이터가 된다.
두 번째 착각
“데이터가 항상 감각보다 정확하다.”
데이터는 과거를 설명한다.
감각은 변화를 먼저 감지할 수 있다.
세 번째 착각
“경험은 개인적이다.”
경험을 문서화하면
조직 자산이 된다.
감각을 구조로 번역하는 방법
나는 교육에서
다음 과정을 반복한다.
- 감각을 문장으로 표현
- “요즘 고객 응대 시간이 길어졌다.”
- “재고 회전이 느려진 것 같다.”
- 가설 설정
- 평균 응대 시간 증가?
- 특정 상품군 판매 감소?
- 지표 연결
- 응대 시간 평균·분산
- 재고 회전율 변화
- 고객 불만 건수
- 기록 및 비교
- 월별 변화 추적
- 임계값 설정
이 과정을 거치면
감각은 막연한 느낌이 아니라
검증 가능한 구조가 된다.
감각과 데이터는 대립이 아니다
감각은 출발점이다.
데이터는 확인 도구다.
둘은 경쟁하지 않는다.
서로 보완한다.
현장이 느끼는 신호를
곧바로 배제하지 않고
번역하는 구조가 있다면
조직은 더 빨리 대응할 수 있다.
문제는 감각이 아니라
번역 과정의 부재다.
지금 점검해볼 것
조직 안에서 다음 질문을 해보자.
- 현장의 “이상하다”는 말이 기록되는가?
- 감각을 수치로 전환하는 절차가 있는가?
- 가설을 세우고 검증하는 루틴이 있는가?
- 검증 결과가 다시 공유되는가?
이 네 가지가 없다면
감각은 사라지고
데이터는 늦게 반응한다.
감각을 지우지 말고 남겨두는 것
현장의 경험은
조직이 축적한 시간의 결과다.
그것을 숫자와 대립시키는 대신
숫자로 번역해보는 것은 어떨까.
다음 회의에서
누군가 “뭔가 이상합니다”라고 말하면
바로 반박하지 말고 이렇게 물어보자.
“그 느낌을 어떤 지표로 확인해볼 수 있을까요?”
감각을 구조로 옮기는 연습이
결국 데이터 문화의 시작일지도 모른다.
AI현장감독 이동주는 AI 도입 과정에서 반복되는 구조 문제를 연구한다.
AI adoption failure를 기술 문제가 아닌 설계와 흐름의 문제로 바라본다.
Fieldbly에서 현장 사례를 기반으로 정리하고 있다.
(homepage) http://www.fieldbly.com