한자로 위기 (危機)란 위험과 기회가 합쳐져 만들어진 글자다. 따라서 위기가 곧 기회 (機會)라는 말도 심심치 않게 등장한다. 하지만 많은 사람들이 오해하고 있는 사실 중 하나는 기회와 위기가 자동적으로 찾아오지는 않는다는 점이다. 의도적으로 개입한 위기만 기회로 전환된다.

위기와 기회에 등장하는 기(機)는 베틀짜는 기계를 형상한다. 기회란 여러 베틀짜는 기계들이 모여있는 형국이다. 기계들은 시스템을 상징하기도 한다. 문제를 해결해주는 정해진 시스템이 있다면 기회를 넘어서 열매를 가져다 줄 것이다.

기회를 포착해서 시스템을 만들어내면 이 시스템이 해결한 문제 때문에 해결된 문제의 수준에 수평화되기 위해 해결해야 할 다른 문제들이 등장한다. 새로운 문제는 문제가 제도적으로 해결되는 현재의 시스템 울타리 밖에서 등장한다. 세상이 변해가는 방식은 항상 변방에서 등장하는 다윗들의 실체를 파악하는 것에서 시작된다. 새로운 문제는 항상 자신의 시스템의 경계 변방에서 다윗의 모습으로 등장하지만 시스템의 문제해결에 안주해 있는 사람들은 변방의 다윗이 주는 기회를 포착하지 못하고 몰락한다.

한자 기회 (機會)를 분석해보면 시스템을 최적화하기 위해 기계들이 모여있는 형상이 기회다. 기계를 전문성이라고 유추하면 기회는 한 가지 전문성으로 포착될 수 있는 대상이 아니라는 의미를 함축하고 있다. 기회란 다른 전문성을 가진 사람들이 모여서 협업으로 문제를 해결하기 위해서 나선 상태에서 포착되는 것을 의미한다.

기회는 우리 생각처럼 눈을 부릅뜨고 있으면 그냥 찾아오는 것이 아니라 전문성들을 가진 사람들이 모여서 문제해결을 위해 머리를 맞댈 수 있는 실험실을 구성했을 때 찾아 온다. 기회는 문제를 해결하기 위해 실험실을 구성한 사람들에게만 열매를 가져다 준다. 실험실을 구성하지 않은 사람들에게 기회는 그냥 번갯불처럼 사라진다.

세상의 모든 일은 문제에서 생긴 고통을 해결하는 것에서 시작한다. 특정한 문제를 그냥 해결하지 않고 놔두면 문제는 자연히 곪아터지고 고통이 배가된다. 이런 문제가 곪아터져서 구더기가 생기면 사람들은 무서워서 여기에 거적을 덮어놓는다. 거적을 덮었다고 구더기가 사라지는 것은 아니다. 이런 거적을 덮어주는 고식적 해결은 일상에서 환부가 생기면 진통제를 주거나 반창고를 붙여주는 문제해결 수준을 의미한다. 이런 진통제와 반창고를 고객의 통증을 해결하는 제품과 서비스라고 팔아서 돈을 버는 회사들이 회사의 일반적 모습이다. 문제를 이런 거적을 덮는 방식으로 해결해서 돈 맛을 본 회사에서는 죽어도 혁신적 제품과 서비스를 만들어내지 못한다.

혁신적인 회사는 회사내에 위기를 기회로 전환시키는 실험실을 운영하고 있다.

실험실과 공장의 다른 점은 공장은 어떻게 공정을 효율적으로 돌릴 것인가의 질문에 초점을 둔다면 실험실은 Why에 대해 질문할 수 있는 사람들이 모인 곳이다. Why 질문을 던지는 사람들과 회사만 새로운 문제를 근원적으로 해결해서 사업 기회를 얻고 이 기회를 통해 최고의 체험을 제공할 수 있는 열매를 서비스와 제품으로 제공하는 행운을 얻는다. 실험실을 가진 사람들이나 회사는 문제에 대해 어떻게 해결할까를 고민하기 전에 반드시 왜(Why)에 대한 질문을 던진다.

변방을 중심으로 출현하는 새로운 문제가 왜 Why 나타났을까에 대한 질문을 하다보면 원인에 대한 통찰이 생긴다. 원인에 대한 통찰을 기반으로 원인에 대한 처치를 바꿔가며 문제가 해결되는 상태가 나타나는지에 대한 실험과 실험을 거듭한다. 문제를 해결하기 위해 실험실에서 쓰는 Why 논리는 전통적 형식논리를 구성하는 귀납법도 아니고 연역법도 아닌 찰스 샌더스 퍼스(Charles Sanders Peirce)가 제시한 귀추논리(abductive reasoning)이다.

귀추논리란 어떤 새로운 현상이 나타났을 때 기존의 이론에서 연역해서 설명하거나 대다수의 경험 데이터를 수집해서 공통으로 나타나는 패턴을 추적해서 귀납적으로 설명하는 것이 아니라 현상 그차체가 담고 있는 원인이 무엇인지 Why의 질문을 통해 기존 이론이나 경험적 다수가 주는 설명을 벗어난 문제 자체가 가진 원인에 대해서 추론하는 방식이다. 이 추론이 근거해서 귀납과 연역논리에서 오염되지 않은 나름의 타당한 설명이 나타나면 이 설명이 맞는지를 실험을 통해 검증하고 검증되면 새롭게 검증된 이론에 따라 문제에 맞는 근원적 솔루션을 찾아낸다.

실험실의 원리의 핵심은 편견과 과거지식에 대한 판단중지(Bracketing)을 가능하게 하는 무작위 추출이다. 문제를 가진 실험대상이 원인으로 설정된 실험조건 이외의 다른 조건에 노출되지 않도록 제비뽑기 방식으로 실험조건과 통제조건에 할당된다. 어떤 조건에 할당되는지에 대한 판단을 중지하는 것이 무작위할당이 의미하는 바이다. 하지만 실제 회사에서 운영하는 실험실은 이런 조건을 충족하지 못하는 유사실험실 형태일 수밖에 없다. 이 무작위 추출이 안되는 문제를 해결하기 위해 도입된 것이 문제를 가진 사람을 무작위로 할당하는 것이 아니라 실험에 참가하는 실험자를 다양한 배경과 다양한 전문성을 가진 사람들로 구성해서 이들이 어떤 편견을 판단중지하고 오염되지 않은 눈으로 문제의 원인에 집중해서 문제를 제대로 이해하도록 돕는다.

기회는 영어로 카이로스이다. 카이로스는 체험하는 시간을 뜻하는 것으로 그냥 물리적으로 흘러가는 크로노스와 대비된다. 모두에게 같은 크로노스가 주어졌어도 어떤 사람은 카이로스를 체험하기도 하고 어떤 사람은 전혀 체험하지 못한다.

희랍신화에 등장하는 카이로스는 제우스의 막내 아들로 벌거벗었고, 앞에는 머리가 있지만 뒤통수는 대머리다. 저울과 칼을 가지고 다니고 있고 어깨와 발꿈치에 날개가 달려있다. 기회를 상징하는 카이로스가 이런 모습을 하는 이유가 있다. 날개는 언제든지 날아가 버릴 수 있기 때문이고, 앞에만 머리가 있는 이유는 사람들에게 잡히기 위해서지만 뒤는 대머리기 때문에 어디를 보는지에 따라 놓치기도 쉽다는 의미다. 저울은 판단을 균형있게 하지 않으면 놓치거나 망치는 것을, 칼은 판단을 내렸을 때 단호하게 결정하는 사람이 기회를 잡는다는 뜻이다.

실험실에서만 이런 카이로스를 포착할 수 있는 이유는 다양한 전문가들이 협업해가며 편견없이 카이로스의 정체를 포착해내고 이 카이로스가 나타난 원인을 파악해서 문제를 기회로 파악하고 근원적으로 해결해서 혁신적 결과을 만들어낸다. 기회는 다양한 모습을 가지고 있기 때문에 편견이 없는 다양한 전문가들이 모여서 기회를 이상적 결과인 위에서도 보고, 원인을 파악하기 위해 아래서도 보고, 앞에서, 뒤에서, 옆에서 볼 수 있을 때 비로소 파악된다. 기회는 실체를 통체적으로 파악할 수 있는 사람에게만 모습을 드러낸다, 이렇게 통체적으로 파악한 문제의 원인을 통해 근원적 해결책을 제시하고 이 해결책이 맞는지를 실험을 통해 지속적으로 검증한다.

지금 세상의 지평을 이끌고 있는 대부분의 ICT 기업들은 모두 창고에서 시작했다. 이들이 처음부터 멋진 사무실을 임대해서 사업을 벌였다면 지금의 회사를 만들어내지 못했을 것이다. 이들에게는 창고가 실험실이었다. 또한 아마존, MS, IBM, 엔비디어, 애플 등 초뷰카시대의 지평을 열고 있는 기업들은 지금도 데이터를 이용한 각종 실험에 회사의 명운을 걸고 있다. 이런 회사에서는 실제로 어느 정도의 실험에 대한 실적이 있어야 임원으로 승진한다.

chatGPT나 로봇 기술의 발달로 전문성이 민주화되는 시대에 지속가능한 성공은 실험실에 의해서 결정된다. 묻기만 하면 대부분의 전문가 수준의 답이 알려져 있기 때문에 제대로 된 답을 알아내기 위해서는 한 가지 전문성에 대한 편파적 질문이 아니라 다양한 전문성을 협업해서 질문해야 한다. 전문가들이 협업해 문제 속의 기회를 crop해낼 수 있을 때 기회가 왜곡되지 않은 그대로의 모습으로 파악된다. 또한 기회가 담고 있는 문제의 원인에 대한 깊은 이해와 원인에 연동된 솔루션은 문제를 결과의 수준에서 위에서도 보고, 원인의 수준에서 아래에서도 보고, 앞에서도 보고, 뒤에서도 봐가며 Why에 대한 질문을 할 수 있는 사람들만 파악한다.

나에게, 우리 회사에는, 우리 사회에는 chat GPT가 제시하는 기회를 연합해서 포탁할 수 있는 전문가들의 연대와 연대를 통해서 위에서도 아래서도 모든 방향에서도 Why에 대한 질문을 할 수 있는지가 핵심이다. 공동의 목적을 염두에 두고 전문가들이 협업하는 운동장인 실험실이 없다면 chat GPT 시대에 생존개연성은 없다고 봐야 할 것이다.