“논점을 잡아라.” “가설을 세워라.” “시야를 넓히고 시점을 높여라.”
말은 맞다.
하지만 완전 초보가 가장 먼저 부딪히는 문제는 훨씬 단순하다.
그 논점과 가설이 애초에 떠오르지 않는다.
그래서 선배가 말한다.
“인풋이 부족해. 30분 정도 조사하고, 5분 멈춰서 지금까지 알게 된 것과 의문을 정리해.”
해 본다.
30분 조사. 5분 정리. “어? 원인이 A 아닐까?”
성장했다.
그리고 바로 다음 장면.
“A를 검증할 데이터가 없네.” “그럼 계측을 추가하자.” “계측하려면 구현해야 하네.” “구현했으면 테스트.” “테스트했으면 관측.” “관측해 보니 A보다 B가 더 수상하네.” “B를 보려면 로그를 하나 더 넣어야 하네.” “아, C와 D도 발견했네.”
위이이이잉……
일이 늘었다.
이것이 논점·가설 사고를 익힌 다음에 시작되는, 자주 설명되지 않는 2부다.
이 글은 진짜 제로에서 출발하는 1년 차를 대상으로 다음 전체 루프를 연결한다.
조사 → 정리 → 논점 설정 → 가설 → 측정 가능하게 만들기 → 작은 개입 → 관측 → 가설 업데이트 → 하지 않을 가설 선택.
1. 첫 번째 오해: 가설 사고는 ‘천재의 번뜩임 대회’가 아니다
초보에게 “매출이 떨어졌다. 원인 가설 10개를 내라”고 하면 어렵다.
지능 문제가 아니라, 그 업계에서 무엇을 봐야 하는지에 대한 부품이 아직 머릿속에 없기 때문이다.
웹이라면 노출, CTR, 순위, 유입 채널, 신규·재방문, 국가, 언어, 페이지, 내부 이동.
영업이라면 상담 수, 전환율, 단가, 실주 이유, 리드 소스, 담당자, 영업 기간.
공장이라면 불량률, 정지 시간, 셋업, 설비, 자재, 작업자, 로트, 온도, 시간대.
경험자는 이상을 보면 이런 변수가 자동으로 떠오른다.
초보에게는 아직 안 떠오른다.
그래서 “더 생각해”만 반복하면 빈 선반에서 물건을 꺼내라는 말이 된다.
시뮬레이션 기반 탐구학습 연구에서는 기본적인 도메인 정보를 먼저 제공한 조건이 관련 변수를 이해하고 이후 지식을 습득하는 데 도움을 주었다.[1] 직장 컨설턴트 교육을 직접 검증한 것은 아니지만, 가설에는 재료가 필요하다는 훈련 설계 원리는 분명하다.
2. 제로→1에서는 처음부터 독창적인 가설을 요구하지 않는다
먼저 완성된 사고 사례를 본다.
예:
- 현상: 매출 20% 감소
- 첫 분해: 고객 수인가, 객단가인가?
- 확인: 고객 수는 그대로, 객단가 하락
- 다음 분해: 상품 믹스인가, 할인인가?
- 확인: 할인율은 그대로, 고가 상품 비중 하락
- 가설: 고가 상품 선택률이 낮아졌다
- 다음 확인: 상품별 조회, 재고, 노출 순위, 설명 변경
이 사고 사슬을 통째로 보여 준다.
Worked example 연구는 특히 초기에, 풀이가 포함된 완성 예시가 무지원 문제 해결보다 인지 부하를 낮추고 기억과 전이에 도움이 될 수 있음을 보여 왔다.[2]
초보에게 “스스로 생각해”는 자유가 아니라 지도 없이 산에 보내는 일이 될 수 있다.
지도부터 봐도 된다.
3. 1년 차 성장곡선은 ‘보조바퀴를 떼는 순서’다
아래 12개월은 정확한 월수가 과학적으로 최적이라는 뜻이 아니다. 학습과학의 원칙을 직장 문제 해결에 옮긴 실무용 로드맵이다.
1~2개월: 이 세계에 어떤 변수가 있는지 익힌다
첫 목표는 정답이 아니다.
무엇을 봐야 하는지 아는 것.
자주 쓰는 수치, 프로세스, 역할, 제약, 정상 범위, 이상 범위, 전후 관계를 익힌다.
매일:
- 실제 사례 1건 보기
- 선배가 처음 본 항목 기록
- “왜 그걸 먼저 봤나요?” 한 번 묻기
완성 사례를 많이 본다.
암기해야 할 것은 “A면 무조건 B”가 아니라, 경험자가 어떤 후보를 먼저 떠올리는가다.
3~4개월: 비교를 습관화한다
논점은 공중에서 잘 태어나지 않는다.
차이에서 태어난다.
이상이 보이면 다섯 질문:
- 언제부터 바뀌었나?
- 어디에서만 바뀌었나?
- 무엇은 바뀌지 않았나?
- 정상 사례와 무엇이 다른가?
- 직전에 무엇이 바뀌었나?
“왜 매출이 떨어졌지?”보다 “신규만? 특정 지역만? 지난달부터? 가격 변경 후?”가 훨씬 강하다.
이 단계에서는 원인을 맞혔는지보다 비교축을 만들 수 있는지 평가한다.
5~6개월: 의심을 검증 가능한 문장으로 바꾼다
형식은 하나면 충분하다.
X가 주원인이라면 Y가 관측되어야 한다.
그리고 한 줄 더:
Y가 관측되지 않으면 X 가설은 약해진다.
이제 느낌이 데이터와 싸울 수 있다.
부분 가설을 제공한 탐구학습 연구에서는 단순 용어 목록만 준 경우보다 더 복잡한 가설과 데이터 수집을 지원했다.[3] 초반에는 빈칸 채우기 가설도 훌륭한 보조바퀴다.
7~8개월: 답이 없으면 ‘측정 가능하게 만들기’를 배운다
검색해도 답이 없다.
대시보드에도 필요한 데이터가 없다.
여기서 필요한 것이 instrumentation, 즉 계측 가능하게 만드는 일이다.
- 로그 항목 추가
- 설문 문항 추가
- 오류 분류 세분화
- 지역×상품처럼 나눌 수 있게 설계
- 변경 전 기준값 저장
- 실험군과 비교군 설정
여기서 “조사”가 검색으로 끝나지 않는다는 사실을 배운다.
증거가 없다면, 증거가 생성되는 구조부터 만드는 것도 조사다.
9~10개월: 구현→테스트→관측→업데이트를 돌린다
가설 A → 계측 → 작은 구현 → 테스트 → 관측 → 유지·수정·기각 → 다음 가설.
틀렸을 때는 “왜 틀렸나”뿐 아니라,
왜 나는 이것을 유력하다고 생각했나
를 적는다.
2024년 연구에서는 오류에 대해 구조화된 자기설명을 하게 했을 때 오류 수정과 가까운 과제로의 전이가 개선됐다.[4]
또 35개 연구 메타분석에서는 문제 해결 중 자기평가 정확도를 높이기 위한 개입의 평균 효과는 작았지만, 전체 과제 관점, 메타인지 지식, 외부 기준을 쓰는 개입 등이 도움이 됐다.[5]
예상과 실제를 나란히 놓는다.
11~12개월: 가설을 더 만드는 것보다 버리는 것이 중요해진다
이제 문제가 반대가 된다.
가설이 없다가 아니라,
가설이 너무 많다.
그래서 각 가설을 본다.
- 의사결정에 미치는 영향
- 가능성
- 검증 비용
- 한 번의 테스트로 몇 개 가설을 줄일 수 있는지
- 결과가 나오면 다음 행동이 바뀌는지
의사결정 분석에는 Value of Information, 즉 추가 정보가 불확실성을 줄여 의사결정을 얼마나 개선할 수 있는지를 보는 개념이 있다.[6]
사무실에서 매번 수식이 필요한 건 아니다.
이걸 알면 어떤 결정이 바뀌지?
안 바뀌면 뒤로 미룬다.
4. ‘30분 조사 + 5분 정리’는 마법의 숫자가 아니라 검색 늪의 비상 브레이크다
정확히 30분과 5분이 최적이라는 근거는 없다.
핵심은 강제로 멈추는 것.
정기적으로 멈춰서 쓴다.
- 지금 아는 것
- 모르는 것
- 가장 유력한 가설
- 사실이라면 보일 현상
- 다음에 볼 데이터
좋은 규칙:
다음 질문을 한 문장으로 못 쓰면 검색을 다시 열지 않는다.
읽은 양보다 탐구 방향이 업데이트됐는지가 중요하다.
5. 그리고 일이 늘어난다: 논점 발견 능력은 업무 생성 능력이기도 하다
초보: “특별한 문제 없어 보입니다.”
중급: “전환율이 떨어졌습니다.”
숙련: “전체 전환은 하락했지만 기존 고객은 그대로입니다. 신규 고객 중 특정 채널에서만 하락했고 유입량은 유지됩니다. 지난달부터 첫 상담→제안 단계 전환이 하락했습니다.”
축하합니다.
새 일이 생성됐다.
채널 분석, 담당자 비교, 상담 내용 검토, 변경 이력, 측정 오류 확인, 작은 실험.
위이이이잉……
가설 사고는 당장 업무량을 줄이는 마법이 아니다.
처음에는 보이지 않던 일을 보이게 한다.
그다음에야 발견한 일 중 하지 않을 일을 고르는 능력이 필요하다.
6. 최종형은 연구자 + 엔지니어 + 분석가에 가까워진다
Research — 이미 알려진 것을 조사한다.
Hypothesis — 임시 설명을 둔다.
Instrumentation — 측정 가능하게 만든다.
Intervention — 작게 바꾼다.
Observation — 결과를 본다.
Update — 믿음을 업데이트한다.
Prioritization — 다음에 줄일 불확실성을 고른다.
직무명은 달라도 많은 개선 업무가 이 구조를 가진다.
7. 아무것도 안 떠오르면 여섯 개 원인 상자를 준다
| 상자 | 질문 |
|---|---|
| 입력 | 들어오는 양·질이 변했나? |
| 처리 | 프로세스·규칙·동선이 변했나? |
| 출력 | 상품·결과·표현이 변했나? |
| 사람 | 고객·담당자·사용자가 변했나? |
| 환경 | 경쟁·계절·시장·제도가 변했나? |
| 측정 | 숫자를 재는 방식이 변했나? |
초보가 못 떠올리는 이유는 검색 공간이 너무 넓어서인 경우가 많다.
상자가 있으면 찾을 장소가 생긴다.
8. 지도자는 ‘더 생각해’가 아니라 보조바퀴를 단계적으로 뺀다
레벨0: 완성 사례. 레벨1: 논점 분해를 준다. 레벨2: 후보를 준다. 레벨3: 원인 상자만 준다. 레벨4: “무엇이 문제고 다음에 무엇을 볼래?”만 묻는다.
2026년 연구에서는 실제 문제 해결을 포함한 학습 순서가 완성 예시만 보는 조건보다 높은 테스트 성과를 보였다.[7]
예시를 준다고 영원히 답을 주는 것은 아니다.
핵심은 보조바퀴를 떼는 순서다.
9. 1년 차 주간 운영 템플릿
매案件:
- 현상을 한 문장으로
- 비교축 3개 이상
- 가설 1~3개
- “X면 Y가 보일 것”
- 결과 기록
조사 중단 시:
- 알게 된 것
- 모르는 것
- 현재 가설
- 다음 데이터
- 그 데이터가 어떤 결정을 바꾸는지
주 1회: 틀린 가설과 놓친 변수를 한 건만 복기.
월 1회: 내가 보는 변수 목록 업데이트.
비교축이 늘었다면 성장하고 있다.
10. 흔한 실패
- 인풋만 늘리고 가설을 안 쓴다.
- 너무 빨리 자유연구로 보낸다.
- 첫 가설을 사랑한다.
- 조사 자체를 납품물로 착각한다.
- 전부 검증하려 한다.
숙련될수록 다섯 번째가 치명적이다.
11. 연구가 말해 주는 것과 말해 주지 않는 것
연구는 다음 방향을 지지한다.
- 초보에게 도메인 정보가 필요하다
- 완성 예시는 초기 학습에 유용하다
- 부분 가설은 발판이 될 수 있다
- 구조화된 자기설명은 오류 학습을 돕는다
- 외부 기준은 자기평가 정확도를 높이는 데 도움이 될 수 있다
- 일정 시점 이후 실제 문제 해결을 넣어야 한다[1][2][3][4][5][7]
하지만 30+5가 우주 최적값이라거나, 이 12개월 배치가 과학적으로 유일한 정답이라거나, 학생 연구가 직장 컨설턴트에게 그대로 적용된다고 말할 수는 없다.
연구는 레시피가 아니라 지도다.
12. 마지막: 실력이 늘어도 일이 줄어든다는 보장은 없다
연초: “논점이 안 떠오릅니다.”
몇 달 뒤: “가설이 세 개 있습니다.”
더 지나서: “검증하려고 로그를 추가하겠습니다.”
연말: “가설은 12개지만 다음 결정을 안 바꾸는 7개는 버리겠습니다.”
이 정도면 완전히 달라졌다.
다만 보상은 한가함이 아니다.
축하합니다. 예전에는 안 보이던 문제가 보이기 시작했습니다.
계측. 구현. 테스트. 관측. 분석. 재가설.
위이이이잉…….
그리고 마지막에 얻는 능력은 모든 것을 조사하는 능력이 아니다.
지금은 무엇을 조사하지 않을지 결정하는 능력이다.
- Kuang, L., et al. Journal of Research in Science Teaching doi.org
- Chen, O., et al. Educational Psychology, 2023 doi.org
- Kuang, L., et al. Journal of Computer Assisted Learning, 2020 doi.org
- Contemporary Educational Psychology, 2024 doi.org
- Janssen, N., & Lazonder, A. W. Educational Psychology Review, 2024 doi.org
- Value in Health, 2020 doi.org
- Zeitlhofer, I., & Zumbach, J. International Journal of Educational Research, 2026 doi.org
