k-knowledge

쏟아지는 데이터의 홍수, '정답'보다 중요한 것은 '올바른 질문'이다

바야흐로 데이터가 기업 경쟁력의 핵심인 시대다. 기업들은 앞다퉈 고도화된 데이터 분석 툴을 도입하고, 의사결정의 근거를 숫자에서 찾으려 노력한다. 데이터 기반 의사결정은 이제 선택이 아닌 필수가 되었지만, 이를 맹신하는 '데이터 만능주의'로 흐를 때 전략적 맹점은 오히려 커질 수 있다.

이우리 기자입력 2026년 1월 5일수정 2026년 5월 26일

쏟아지는 데이터의 홍수 속에서 우리에게 진정 필요한 것은 단순한 해답이 아니라, 본질과 방향을 제시하는 '올바른 질문(Right Question)'이라는 나침반이다. [사진 = 코리아비즈니스리뷰 자료 사진]

생성형 AI의 등장으로 질문만 던지면 단 몇 초 만에 그럴듯한 해답을 얻을 수 있는 세상이 되었지만, 역설적이게도 기업의 실패 확률은 줄어들지 않고 있다. 과연 우리는 올바른 방향으로 나아가고 있는 것일까?

물리학자 알버트 아인슈타인은 "만약 한 문제를 해결하기 위해 1시간이 주어진다면, 처음 55분은 올바른 질문과 문제 정의에 쓰고 나머지 5분만 해법을 찾는 데 쓰겠다"라고 말한 것으로 널리 인용된다. 이는 문제 해결의 핵심이 기술적 방법론(How)이 아닌, 문제의 본질을 규정하는 정의(What & Why)에 있음을 통찰한 대목이다.

오늘날 비즈니스 현장에서 가장 시급한 과제는 화려한 데이터 분석 기술 이전에, 바로 이 '문제정의(Problem Definition)' 능력의 회복이다.

현상(Symptom)과 원인(Root Cause)의 혼동을 경계하라

경영 현장에서 흔히 범하는 가장 치명적인 실수는 눈에 보이는 '현상'을 '문제'로 착각하는 것이다. 문제정의(Problem Definition)란 단순히 부정적인 상황을 서술하는 것이 아니다. 이는 비즈니스 관점에서 다음 세 가지 요소를 포함하는 지적 과정이다.

표면적인 현상(Symptom)과 구별되는 핵심 과제(Real Problem)를 규정하고,

그 배경과 이해관계자, 제약조건을 명확히 명시하며,

해결 방향을 결정할 수 있을 정도로 문제의 범위와 우선순위를 선명하게 언어화하는 것이다.

예를 들어 "매출이 하락했다"는 것은 현상일 뿐이다. 이를 "경쟁사 대비 노후화된 제품 디자인이 2030 세대의 이탈을 불렀다"라고 정의할 때 비로소 디자인 리뉴얼이라는 구체적인 해결책이 도출된다.

반면 "유통 채널의 접근성 부족"으로 정의한다면 온라인 채널 확장이 답이 된다. 이처럼 첫 단추인 문제정의가 전략의 전체 방향을 좌우한다.

데이터의 함정: 잘못된 질문은 잘못된 결과를 낳는다

데이터 분석 분야에는 'GIGO(Garbage In, Garbage Out)'라는 격언이 있다.

부정확하거나 왜곡된 입력 데이터는 아무리 정교한 알고리즘을 거치더라도 결국 부정확한 결과만 되돌려준다는 뜻이다.

그러나 문제정의의 관점에서는 이보다 더 위험한 공식이 성립한다. 바로 'Wrong Problem In, Wrong Solution Out'이다. 우리가 풀어야 할 문제가 무엇인지 잘못 설정한다면, 최신 AI 기술을 동원하더라도 엉뚱한 답을 얻을 수밖에 없다.

이는 경영학의 구루 피터 드러커가 생전 "경영에서 가장 심각한 실수는 잘못된 대답을 하는 것이 아니라, 잘못된 질문을 던지는 것"이라는 취지로 반복해서 강조한 메시지와 맥락을 같이한다.

기업들이 "어떻게(How) 데이터를 분석할까"에만 몰두하느라, 정작 "왜(Why) 이 데이터를 분석해야 하며, 이것이 고객에게 어떤 가치를 주는가"라는 본질적인 질문을 놓치고 있는 것은 아닌지 되돌아봐야 할 시점이다.

엘리베이터 거울과 넷플릭스의 혁신: 관점의 전환

올바른 문제정의가 가져온 극적인 변화를 보여주는 대표적인 사례로 엘리베이터 거울 일화가 있다. 오티스(OTIS) 등의 엘리베이터 기업 사례로 자주 회자되는 이 이야기의 핵심은 '관점의 전환'이다. 속도가 느리다는 민원이 빗발쳤을 때, 공학적 관점의 해결책은 막대한 비용이 드는 모터 교체였다.

하지만 문제의 본질을 심리적 관점에서 접근한 이들은 문제를 다르게 정의했다. "사람들은 속도 그 자체보다, 기다리는 시간의 지루함과 좁은 공간의 폐쇄감을 견디지 못하는 것이다." 그들은 로비와 내부에 거울을 설치했다. 거울은 이용자가 자신의 모습을 보며 시간을 보내게 할 뿐 아니라, 공간을 넓어 보이게 하여 심리적 불안감을 완화하는 효과를 줬다. 문제를 '기계적 성능'이 아닌 '고객의 인식'으로 재정의함으로써 효율적인 해결책을 찾은 것이다.

비즈니스 모델 혁신 사례인 넷플릭스와 블록버스터의 대결 또한 문제정의의 차이에서 비롯됐다. 과거 비디오 대여 시장을 지배했던 블록버스터는 오프라인 매장을 중심으로 성장했으며, 한때 전체 매출의 약 10~20%를 연체료 수익에 의존했다는 분석이 있을 정도로 '연체료'는 그들의 중요 수익원이었다. 그들의 암묵적 고민은 "어떻게 하면 연체료를 잘 징수하고 매장을 효율화할까"에 가까웠다.

반면 넷플릭스는 고객의 니즈를 '비디오를 빌리는 행위'가 아니라 '집에서 번거로움 없이 원하는 콘텐츠를 즐기는 경험'으로 재정의했다. 이에 따라 연체료를 없애고 우편 배송 기반의 구독 모델을 거쳐 스트리밍 서비스로 과감히 전환했다. 블록버스터가 기존 매장 모델과 연체료 수익 구조에서 벗어나지 못하는 사이, 넷플릭스는 고객 경험을 재설계했고 결과적으로 산업의 판도를 주도하게 되었다.

AI 시대, 인간의 역할은 '탁월한 질문자'가 되는 것

향후 AI 기술이 발전할수록 '답(Solution)'을 찾아내는 속도와 정확도는 인간이 기계를 따라갈 수 없을 것이다. 하지만 복잡한 맥락 속에서 "무엇이 진짜 문제인가?"를 규정하고 올바른 질문을 설계하는 능력은 당분간 인간의 고유한 강점으로 남을 가능성이 크다.

데이터는 우리에게 지도를 제공해 줄 뿐, 목적지가 어디인지 알려주지 않는다. 문제정의는 그 지도를 들고 어디로 나아가야 할지 결정하는 나침반이다. 성공적인 비즈니스 리더가 되고 싶다면, 엑셀 시트를 열기 전 팀원들과 함께 화이트보드 앞에 서야 한다.

최소한 중요한 프로젝트를 시작할 때마다, 가설 수준의 해결책을 논의하기 전에 30분 이상을 투자해 '우리가 해결하려는 진짜 문제는 무엇인가'를 한 문장으로 정의해보는 습관만 들여도 조직의 의사결정 품질은 눈에 띄게 달라질 것이다.

© 코리아비즈니스리뷰(Korea Business Review) All Rights Reserved.