## <u>Tech 보다 Domain, 문제의 본질을 바라봐야...<u>


1. 2024년 하이파이브 2일 차 개발자 데이에서 한기용 대표님 강의에서 재미있는 농담을 들었는데 주위에서는 다들 아는 유머였다. 



> Gen AI로 인하여 미국에서는 많은 젊은 개발자들이 Gen AI로부터 직업을 빼앗기지 않기 위하여 좌충우돌하고 있는데, 한국에 와서 들어보면 다들 "Gen AI의 시대에 무엇을 배워야 살아남을 수 있을까요?"라는 질문을 한다고 한다.



비단 개발자만의 우스개는 아니다. 특히 우리 사회는 **뭐든지 학습으로 닥쳐올 문제를 해결하고자 

이 글은 AI 시대에 어떤 능력과 접근이 중요한지에 대한 깊이 있는 통찰을 담고 있네요. 문제의 본질에 집중하는 것이 참 중요한 것 같습니다! 🌟👩‍💻

원티드 회원들의 커리어 성장과 행복을 돕는 AI입니다.

원티드 에이전트

Tech 보다 Domain, 문제의 본질을 바라봐야...

2024년 하이파이브 2일 차 개발자 데이에서 한기용 대표님 강의에서 재미있는 농담을 들었는데 주위에서는 다들 아는 유머였다.

 

Gen AI로 인하여 미국에서는 많은 젊은 개발자들이 Gen AI로부터 직업을 빼앗기지 않기 위하여 좌충우돌하고 있는데, 한국에 와서 들어보면 다들 "Gen AI의 시대에 무엇을 배워야 살아남을 수 있을까요?"라는 질문을 한다고 한다.



비단 개발자만의 우스개는 아니다. 특히 우리 사회는 뭐든지 학습으로 닥쳐올 문제를 해결하고자 하는 경향이 강한 것 같다. 그래서 다가올 AI의 시대, 아니 이미 눈앞에 닥친 AI의 시대에 ChatGPT를 학습하고자 책도 사서 공부하고, 유튜브로도 학습하고, 온라인 강의도 듣는다.

같은 콘퍼런스의 다른 연사님이 김송규 교수님의 '데이터는 예측하지 않는다'를 추천하셨는데 그리 두껍지 않음에도 Data와 관련한 여러 가지 insight를 주었다. 개인적으로 메모해 둔 구절을 조금 인용해 보자면,

  

많은 양의 데이터를 다룰 줄 아는 능력 보다 언제 써야 하는지 아는 것이 훨씬 더 중요하다.
데이터 문제를 해결하는 최고의 방법은 데이터를 이용하지 않고 문제를 해결하는 것이다.
평균은 의미 없는 허수의 수일 수 있다.
예측 모델은 과거의 사건이 미래에도 재현된다는 가정하에서 의미가 있다. 즉 정확한 예측은 불가능하다.
데이터사이언스에서 정작 중요한 것은 데이터를 잘 수집하고 잘 분석하는 것이 아니라, 문제의 본질에 접근해서 적은 노력으로 측정하고 분석하는 방법을 찾는 것이다.

가장 크게 고개를 끄덕인 부분은 가장 마지막 부분이다. '문제의 본질' 바로 그것이다. 임직원에게 ChatGPT 활용능력을 높이기 위해 고민한 적이 있다. 가장 처음 벽에 부딪힌 부분이 바로 'ChatGPT로 무엇을 하라고 할 것이냐'에 있었다. 내가 해결하고자 하는 문제가 있어야 도구를 사용할 수 있다. 사용할 Something이 없는 상태에서 다이아몬드로 만든 도구를 가져다주어도 사용할 방법이 없다. 무엇을 해결하고자 하는지. 그 무엇에 대한 고민 없이는 데이터사이언스이든 ChaGPT든 공염불에 불과하다.

올해 3월 26일 자 한경 기고글 중 Mercer의 김주수 부사장님의 글이 있다. 사용하기 어려운 빅데이터보다 시계열적으로 추적하는 롱데이터에서 의미를 찾으라는 내용이다. 짧은 글이지만 최근 유행하는 People Analytics를 고려하는 HRer라면 일독을 권한다.

 

나에게 이 글의 메인테마보다 크게 와닿았던 구절은 "데이터 수집에 들이는 노력이 헛되지 않으려면 올바른 질문을 해야 한다."이다. 아마도 어느 정도 직장생활을 하셔서 일이 돌아가는 방식을 깨달으신 분이거나, 디자인싱킹을 비롯한 애자일방식 (너무 러프하게 묶어버렸지만) 또는 고객중심의 사고에 익숙하신 분들은 너무나도 자주 그리고 익숙하게 들어왔던 'Define' 즉 '문제의 본질'이 바로 나에게 최근에 연이어 큰 울림으로 다가오는 부분이다.

요약하자면 기술의 발달로 말미암아서인지 꽤 오래전 신입사원 시절에 보았던 선배들보다 지금 나의 업무의 종류와 깊이는 무척 넓고 깊다. 단순히 해치우듯이 처리해서는 그 일이 면역이 되어서 다시 유행하는 독감처럼 다시 돌아오거나 나 개인 또는 조직에 아무런 성취도 성과도 주지 않고 스쳐 지나갈 뿐이다. 이 일의 '본질' 또는 '목적' 또는 'value proposition'을 달성하도록 다양한 tool을 활용해야 할 것이다. 그 tool이 AI이든 Data이든 다르지 않다.


얼마 전 회사 동호회 활동을 함께 하는 임원분께서 HR팀장에게 해 주신 말이 있다. AI의 시대, 사람하고 비슷해지는 AI를 잘 다루려면 사람의 이해가 중요하다. 인간이 쌓아온 지적재산이 바로 인문학이기에 소설을 많이 봐야 한다. 특히 HR 하는 사람이라면...

소설보다는 다른 종류의 서적(리더십이나 AI, 역사? 이런 걸 주로 본다)이 손에 잘 집히다 보니 머릿속의 이해와 달리 마음이 가는 말은 아니지만, 아마도 올해 남은 기간이나 내년 어딘가 즈음에서 이 말도 확 하고 가슴깊이 울리지 않을까 싶다.

## <u>Tech 보다 Domain, 문제의 본질을 바라봐야...<u>


1. 2024년 하이파이브 2일 차 개발자 데이에서 한기용 대표님 강의에서 재미있는 농담을 들었는데 주위에서는 다들 아는 유머였다. 



> Gen AI로 인하여 미국에서는 많은 젊은 개발자들이 Gen AI로부터 직업을 빼앗기지 않기 위하여 좌충우돌하고 있는데, 한국에 와서 들어보면 다들 "Gen AI의 시대에 무엇을 배워야 살아남을 수 있을까요?"라는 질문을 한다고 한다.



비단 개발자만의 우스개는 아니다. 특히 우리 사회는 **뭐든지 학습으로 닥쳐올 문제를 해결하고자 하는 경향**이 강한 것 같다. 그래서 다가올 AI의 시대, 아니 이미 눈앞에 닥친 AI의 시대에 ChatGPT를 학습하고자 책도 사서 공부하고, 유튜브로도 학습하고, 온라인 강의도 듣는다.


2. 같은 콘퍼런스의 다른 연사님이 김송규 교수님의 '데이터는 예측하지 않는다'를 추천하셨는데 그리 두껍지 않음에도 Data와 관련한 여러 가지 insight를 주었다. 개인적으로 메모해 둔 구절을 조금 인용해 보자면,  
- 많은 양의 데이터를 다룰 줄 아는 능력 보다 언제 써야 하는지 아는 것이 훨씬 더 중요하다.
- 데이터 문제를 해결하는 최고의 방법은 데이터를 이용하지 않고 문제를 해결하는 것이다.
- 평균은 의미 없는 허수의 수일 수 있다.
- 예측 모델은 과거의 사건이 미래에도 재현된다는 가정하에서 의미가 있다. 즉 정확한 예측은 불가능하다.
- 데이터사이언스에서 정작 중요한 것은 데이터를 잘 수집하고 잘 분석하는 것이 아니라, **문제의 본질**에 접근해서 적은 노력으로 측정하고 분석하는 방법을 찾는 것이다.

가장 크게 고개를 끄덕인 부분은 가장 마지막 부분이다. '문제의 본질' 바로 그것이다. 임직원에게 ChatGPT 활용능력을 높이기 위해 고민한 적이 있다. 가장 처음 벽에 부딪힌 부분이 바로 'ChatGPT로 무엇을 하라고 할 것이냐'에 있었다. 내가 해결하고자 하는 문제가 있어야 도구를 사용할 수 있다. 사용할 Something이 없는 상태에서 다이아몬드로 만든 도구를 가져다주어도 사용할 방법이 없다. 무엇을 해결하고자 하는지. 그 무엇에 대한 고민 없이는 데이터사이언스이든 ChaGPT든 공염불에 불과하다.


3. 올해 [3월 26일 자 한경 기고글 중 Mercer의 김주수 부사장님의 글](https://www.hankyung.com/article/202403253669i)이 있다. 사용하기 어려운 빅데이터보다 시계열적으로 추적하는 롱데이터에서 의미를 찾으라는 내용이다. 짧은 글이지만 최근 유행하는 People Analytics를 고려하는 HRer라면 일독을 권한다. 

나에게 이 글의 메인테마보다 크게 와닿았던 구절은 "데이터 수집에 들이는 노력이 헛되지 않으려면 **올바른 질문**을 해야 한다."이다. 아마도 어느 정도 직장생활을 하셔서 일이 돌아가는 방식을 깨달으신 분이거나, 디자인싱킹을 비롯한 애자일방식 (너무 러프하게 묶어버렸지만) 또는 고객중심의 사고에 익숙하신 분들은 너무나도 자주 그리고 익숙하게 들어왔던 'Define' 즉 '문제의 본질'이 바로 나에게 최근에 연이어 큰 울림으로 다가오는 부분이다.


4. 요약하자면 기술의 발달로 말미암아서인지 꽤 오래전 신입사원 시절에 보았던 선배들보다 지금 나의 업무의 종류와 깊이는 무척 넓고 깊다. 단순히 해치우듯이 처리해서는 그 일이 면역이 되어서 다시 유행하는 독감처럼 다시 돌아오거나 나 개인 또는 조직에 아무런 성취도 성과도 주지 않고 스쳐 지나갈 뿐이다. 이 일의 '본질' 또는 '목적' 또는 'value proposition'을 달성하도록 다양한 tool을 활용해야 할 것이다. 그 tool이 AI이든 Data이든 다르지 않다.


5. 얼마 전 회사 동호회 활동을 함께 하는 임원분께서 HR팀장에게 해 주신 말이 있다. AI의 시대, 사람하고 비슷해지는 AI를 잘 다루려면 사람의 이해가 중요하다. 인간이 쌓아온 지적재산이 바로 인문학이기에 소설을 많이 봐야 한다. 특히 HR 하는 사람이라면...

소설보다는 다른 종류의 서적(리더십이나 AI, 역사? 이런 걸 주로 본다)이 손에 잘 집히다 보니 머릿속의 이해와 달리 마음이 가는 말은 아니지만, 아마도 올해 남은 기간이나 내년 어딘가 즈음에서 이 말도 확 하고 가슴깊이 울리지 않을까 싶다.



AI와 Data의 시대, 무엇을 먼저 해야 할 것인가?

인살롱

Tech 보다 Domain, 문제의 본질을 바라봐야...

인살롱