kadensungbincho

Coupang 소프트웨어 엔지니어

개발자 커리어, 원래 다 고만고만한 프로덕트를 만들다가 끝나는 것인가?

가끔 그런 불안감이 들곤 했습니다. '이렇게 어버버하다가 내 개발자 커리어 별다른 의미도 없이 끝나는 것은 아닐까?'

물론 원인은 Uber, Airbnb, Google, Facebook, Paypal, Youtube, LinkedIn 등의 이상만 보고 현실은 못봐서 그런 것 같습니다.

현실은 1000개의 앱 중 5개만 성공하거나 [1], 30일 리텐션은 5%이라는 통계치에 해당되는데요.

통계는 대부분이 실패한다고 말합니다. 그러다가 '왜 대부분 실패하는지, 어떻게 더 적은 비용으로 더 빨리 실패하고 피드백을 받을 수 있는지'를 논하는 책을 발견했습니다.

바로 구글의 엔지니어로 Innovation Agitator 역할을 맡았던 Alberto Savoia [3]의 책 'The Right It'입니다.

The Right It이 말하는 올바른 일을 찾는 법

책이 전하는 논지는 축약하면 아래와 같습니다:

1. 대부분의 실패는 Market Failure(즉, PMF를 찾지 못해서)임

2. 그 이유는 올바른 일을하기 보다는 뇌피셜로 가정한 올바르지 않은 일을 하기 떄문 (올바른 일인데 뇌피셜로만 생각했기에 실제로 좋은 아이디어를 무시하는 경향도 있음)

3. 그래서 뇌피셜을 데이터로 벗어나는게 중요함. 이때 데이터는 제대로 된(최신, 연관성, 신빙성, 유의성, 그렇기에 직접 얻은 데이터) 데이터이어야 함

4. 이 제대로 된 데이터를 얻기 위해 유저참여가설(Member Engagement Hypothesis), 가설을 실험 가능한 수치화로 치환하여 적은 비용으로 실험(Pre-totyping)이 가능하도록 하여야 함

5. 이 실험을 통해 올바른 일을 적은 비용으로 발견할 수 있음

위의 5가지 절차 중의 핵심은 바로 적은 비용으로 판단에 필요한 데이터를 확보할 수 있는 실험입니다. 책에서는 prototype 이전에 해당되는 pretotype으로 부르고 있는데요.

아래의 IBM의 예시를 살펴보신다면, pretotype이 정확히 무엇을 말하는지 이해할 수 있으실겁니다.

Pretotype

몇 십년전 IBM은 좋은 아이디어가 떠올랐습니다 - '대부분의 유저가 타자에 익숙해지는 것은 어려우니 Speech-to-text 기능을 개발해 출시하면 어떨가?'.

PC에 대한 인식도 현재와 같은 시점에 긴가민가했던 IBM은 진지하게 개발을 고려하기 시작했습니다. 당시 Speech-to-text 기술은 하이테크였고, 수많은 비용을 들여서 개발이 가능했습니다.

실제 해당 기능의 사용성에 대한 확신이 없었던 IBM은 다음과 같은 질문을 던지게 되었습니다:

'대규모 투자 이전에, 적은 비용으로 어떻게 이게 올바른 일인지 판단할 수 있는 데이터를 얻을 수 있을까?'.

즉, pretotyping 방법을 고민했습니다.

그러던 IBM은 좋은 아이디어를 떠올렸습니다. 가짜 Speech-to-text를 실험군에게 진짜인 것처럼 보이도록 만들고 실험군이 마이크에 대고 말하면 숨어있는 속기사가 그것을 빠르게 받아적어 '진짜 작동하는' Speech-to-text처럼 느껴지도록 실험을 진행했습니다.

그리고 그런 실험은 진행한지 몇 시간에 IBM의 뇌피셜은 무너지게 되었습니다. 먼저 실험군들은 사용 후 목이 쉬기 시작했습니다. 또한, 모두가 컴퓨터에게 입력을 하기 위해 떠들어대서 시끄러워지거나 서로 간섭이 일어나기도 했습니다. 그리고 '이번 진급 대상자에는 Bob을 제외합시다'와 같은 비밀스런 이메일을 작성하는 것은 불가능해졌습니다.

이러한 저비용의 pretotyping을 통해 IBM은 수년간의 시간과 수십, 수백명의 개발 리소스를 소비하고 나서야 성공여부를 가늠할 수 있었던 프로덕트에 대한 데이터를 수집했고 잘 못된 방향으로의 전개를 막을 수 있었습니다.

(원본: https://kadensungbincho.com/blog/data%20&%20growth/doing-the-right-thing)