본문으로 건너뛰기
인터페이스 언어: 한국어
지식과 운영 / Signal

이름을 가리고 아이디어를 평가하면 무엇이 달라질까

아이디어의 첫 평가에 필요한 정보와 나중에 살펴볼 정보를 나눕니다. 맥락을 보존하고 구상과 실행을 구분하며 평가에 전달되는 자료를 확인합니다.

본문 언어: 한국어

어두운 반사가 보이는 유리 구 곁에 앉은 여성.
목차

두 가지 구상이 평가를 위해 올라왔습니다. 하나에는 신뢰받는 협력자의 이름이 적혀 있고, 다른 하나는 회사에 막 합류한 사람의 제안입니다. 팀은 해결책의 차이를 설명하기도 전에 누구를 신뢰하는지부터 이야기합니다. 저자에 관한 정보가 나중에 필요할 수는 있습니다. 다만 아이디어를 처음 평가할 때 그 정보로 정확히 무엇을 판단하려는지 먼저 정해 볼 만합니다.

상점을 대상으로 제품 교육을 하는 회사가 참가자의 사전 준비 방식을 바꾸려 한다고 합시다. 잘 알려진 컨설턴트는 교육 전에 짧은 자료 묶음을 제공하자고 제안합니다. 고객 응대팀의 새 직원은 각 상점에서 사례 하나씩을 미리 모으자고 합니다. 회사는 먼저 두 방향이 문제에 어떻게 답하는지 평가하려 합니다. 실행을 맡을 사람의 경험과 후속 작업의 비용은 다음 단계에서 논의합니다.

이름을 가리는 것은 첫 검토를 조직하는 한 방법이 될 수 있습니다. 그 자체로 더 나은 결정을 보장하지는 않습니다. 어떤 정보를 남기고, 무엇을 평가하며, 언제 다시 제안자를 확인할지 정해야 합니다. 표지에서 이름만 지운다고 서로 다르게 설명된 두 아이디어가 저절로 비교 가능해지지는 않습니다.

먼저 어떤 평가를 할지 정하세요

구상의 가능성을 살피는 것과 이를 실행할 사람을 고르는 것은 서로 다른 결정입니다. 전자는 해결책이 문제와 어떻게 연결되는지, 무엇을 확인해야 하는지를 묻습니다. 후자에는 역량과 가용성, 구체적인 협력 조건도 중요합니다. 정보를 숨길지 결정하기 전에 팀은 지금 어느 일을 하고 있는지 알아야 합니다.

이 예시에서 회사는 교육 중 기초를 설명하는 시간을 줄이고 싶습니다. 문제가 자료 부족 때문인지, 상점의 질문을 충분히 반영하지 못해서인지는 아직 모릅니다. 두 구상 모두 유용한 방향일 수 있습니다. 컨설턴트의 이름만으로는 어느 불확실성이 교육 진행에 더 중요한지 판단할 수 없습니다.

각 제안에 같은 범위의 설명을 준비하세요. 참가자는 교육 전에 무엇을 해야 하나요? 진행자는 무엇을 받나요? 이 방향을 시험하려면 어떤 조건이 충족돼야 하나요? 똑같은 해결책이나 같은 수의 슬라이드를 요구할 필요는 없습니다. 필요한 것은 양식을 잘 채우는 경쟁이 아니라 과제를 비교할 수 있는 자료입니다.

평가 기준도 구체화합니다. 상점의 질문을 파악할 수 있는지를 평가한다면 읽기 전에 알려야 합니다. 참가자가 교육의 특정 부분에 대비하도록 돕는 것이 가장 중요하다면 다른 평가가 됩니다. 막연한 ‘아이디어의 질’이라는 이름에는 서로 다른 질문 여럿이 숨어 있다가 평가가 엇갈린 뒤에야 드러날 수 있습니다.

이 대화는 브레인스토밍과 대안 발전 (폴란드어) 이후에 할 수 있습니다. 이때는 새로운 아이디어의 수가 아니라 만들어진 자료를 어떻게 읽는지가 문제입니다. 제안을 개별적으로 만드는 것과 평가할 때 이름을 가리는 것은 별개의 선택입니다. 어느 하나만, 둘 다 또는 어느 것도 필요하지 않을 수 있습니다.

문제 해결을 위한 공개 공모 (폴란드어)에서는 이 구분이 특히 분명해집니다. 첫 검토는 제안 자체를 다룰 수 있고, 다음 단계에는 팀이 실제로 수행할 능력이 있는지 알아야 할 수 있습니다. 평가의 이름은 그대로 두면서 기준을 해결책의 타당성에서 수행자의 평판으로 슬그머니 바꿔서는 안 됩니다.

연구가 익명성에 대해 하나의 결과를 약속하지는 않습니다

Dahlander와 공동 연구자의 2023년 실험에서 기술 기업의 관리자들은 제안자 정보가 있거나 없는 상태로 초기 아이디어를 평가했습니다. 성별, 조직 단위, 근무지와 관련해 조사한 차이에서는 정보를 가려 기대했던 개선이 발견되지 않았습니다. 추가 온라인 실험도 주요 결과를 뒷받침했습니다. 따라서 이름을 지우는 것만으로 특정 효과를 약속해서는 안 됩니다.

다른 맥락은 Huber와 공동 연구자의 2022년 연구에서 볼 수 있습니다. 같은 학술 논문을 심사하는 실험에서 표시되는 저자 정보가 저명한 사람, 덜 알려진 사람 또는 익명인 경우로 달라졌습니다. 평가는 이 조건에 따라 차이를 보였습니다. 이는 특정 논문과 학술 심사에 관한 결과이지, 폴란드 기업이 구상을 선택하는 방식을 측정한 결과는 아닙니다.

이 두 연구를 함께 보면 회사가 자기 문제를 명확히 해야 하는 이유가 드러납니다. 팀이 근거보다 이름을 너무 빨리 찾는 것일 수 있습니다. 반대로 아이디어와 저자를 잘 구분하지만 설명 자료가 부족한 것이 진짜 어려움일 수도 있습니다. 서명을 바꾼다고 과제에 관한 빠진 정보가 채워지지는 않습니다. 첫 평가에서 제출 자료의 질도 살펴야 합니다.

Dahlander와 공동 연구자는 결과에 대한 논의에서 초기 아이디어의 평가와 제한된 자원 안에서의 최종 선택을 구분합니다. 기업 실험은 초기 단계에 관한 것이었습니다. 이를 자신의 업무에 적용할 때 중요한 경계가 있습니다. 좋은 첫 평가가 실행 결정까지 확정해 주지는 않습니다.

교육 회사에서는 한 제안이 문제와의 관련성에서 높은 평가를 받아도 현재 팀에 없는 역량이 더 필요할 수 있습니다. 다른 제안은 준비하기 쉽지만 중요한 질문에 답하지 못할 수 있습니다. 두 정보를 따로 기록하세요. 나중의 선택을 정당화하려고 첫 평가를 거슬러 고칠 필요는 없습니다.

이름은 지우되 필요한 맥락은 남기세요

첫 검토용 자료를 준비할 때는 사용 목적과 가정을 남깁니다. 새 직원이 일상적인 고객 응대에서 상점들의 반복 질문을 알고 있다면 그 질문 목록 자체가 유용할 수 있습니다. 소속 부서 이름과 함께 이를 지울 필요는 없습니다. 평가자는 저자를 몰라도 구상이 어떤 관찰에 근거하는지는 알아야 합니다.

Aeneia 콘셉트 사진

준비 수준도 맞춥니다. 컨설턴트는 완성도 높은 발표 자료를 내고 직원은 메시지로 몇 문장만 보낼 수 있습니다. 검토 자료를 준비하는 사람은 두 아이디어의 의미를 모두 보존해야 합니다. 설명을 정리할 수는 있지만 하나는 몰래 발전시키고 다른 하나는 구호 한 줄로 줄여서는 안 됩니다. 첫 평가 전에 자료가 여전히 각자의 제안을 나타내는지 저자에게 확인하는 것이 좋습니다.

예를 들어 컨설턴트의 발표 자료는 열네 장이고 직원의 메시지는 180단어입니다. 비교 담당자는 각각에서 참가자가 할 일과 진행자가 기대하는 이점의 설명을 고릅니다. 첫 제안에는 두 질문의 답이 모두 있습니다. 두 번째에는 상점의 답변을 누가 모을지 빠져 있습니다. 담당자는 직원에게 일을 덧붙이는 대신 바로 그 질문을 다시 보냅니다.

저자가 컨설턴트는 모르는 기존 양식을 사용할 생각이었을 수도 있습니다. 두 구상 모두 활용할 수 있다면 그 정보는 회사가 가진 자원으로 비교 자료에 들어가야 합니다. 조직 내부에 있는 사람만 아는 비밀 이점으로 남겨 둘 필요는 없습니다. 동시에 컨설턴트가 제안하지 않은 양식 사용 의도를 그 사람의 제안에 써 넣어서도 안 됩니다. 과제의 조건과 선택된 해결책의 설명을 구분하세요.

원래 자료와 검토용 버전은 따로 보관합니다. 그래야 나중의 질문을 올바른 내용과 연결할 수 있습니다. 공동 비교 자료를 편집하는 동안 누군가 조건을 추가했다면 그 출처를 알 수 있어야 합니다. 비교표를 만드는 과정에서 비로소 나온 해결책을 저자의 아이디어로 평가하지 마세요.

정보를 가리는 범위는 도구에서도 따로 정해져 있습니다. Miro의 비공개 모드 문서는 내용을 일시적으로 숨기는 것과 메모가 공개된 뒤에도 작성자 이름을 계속 숨기는 선택지를 구분합니다. 이 모드가 데이터 보호 기능은 아니라는 주의도 담고 있습니다. 따라서 ‘비공개’라는 이름만 믿지 말고 어떤 동작을 선택했는지 확인해야 합니다.

선택한 기능을 확인하기 전에는 참가자에게 나중에 이름이 다시 나타난다고 약속하지 마세요. 일반 파일에서도 출처 정보가 제목, 덧붙인 메모 또는 본문에 남을 수 있습니다. 작은 팀에서는 문체나 프로젝트에 대한 지식이 저자를 짐작하게 할 수도 있습니다. 이름을 빼고 처음 읽는 것은 자료를 전달하는 특정한 방식이지 그 사람을 알아보지 못한다는 보장은 아닙니다.

AI를 사용할 때는 전달한 지시문의 내용도 확인해야 합니다. 거기에 ‘가장 신뢰하는 협력자의 제안’이라는 문장이 남아 있다면 첨부 설명에서 이름을 지워도 전체 입력에서 그 정보가 사라지지 않습니다. 도구가 어떤 자료를 평가하고 누가 그 근거 설명을 볼지 정하세요. 과제 위에 ‘익명’이라고 적었다고 실제 평가에 전달된 데이터가 설명되는 것은 아닙니다.

Aeneia Audit에서는 자료의 출처, 사람이 보는 내용, AI 도구에 전달되는 내용을 따라가 볼 수 있습니다. 구체적인 평가 과정과 결과 확인이 작업의 대상입니다. 입력을 정리하는 일이 회사의 기준 설정과 선택 결정을 대신하지는 않습니다.

다음 결정에 필요할 때 저자를 다시 확인합니다

첫 검토 후에는 저자를 공개하고 실행에 관한 별도의 질문을 할 수 있습니다. 컨설턴트에게는 준비된 자료와 시험을 만들 시간이 있을 수 있습니다. 직원에게는 진행자의 참여와 상점의 데이터가 필요할 수 있습니다. 이는 업무를 조직하는 데 중요한 정보입니다. 앞선 구상 자체의 평가를 공정하게 하려면 이런 정보를 무시해야 하는 것은 아닙니다.

회사는 컨설턴트 자료의 준비도가 더 높다고 평가했지만 상점의 질문을 모으는 아이디어부터 시험하기로 합니다. 반복되는 질문의 원인을 밝힐 수 있기 때문이지 새 직원이 혼자 교육을 진행할 것이라고 믿어서가 아닙니다. 진행자가 시험 준비에 참여합니다. 결정 기록에는 두 사실을 모두 남깁니다. 제안은 빠진 지식을 제공할 수 있고, 실행에는 지원이 필요합니다.

이름이 공개된 뒤 누군가 구상과 문제의 관련성 평가를 바꾼다면 어떤 새로운 정보 때문인지 물어보세요. 저자가 데이터에 접근할 수 있다는 사실은 실행 가능성 평가를 바꿀 근거가 될 수 있습니다. 익숙한 이름을 알아봤다는 사실만으로는 참가자가 왜 교육을 더 잘 준비하게 되는지 설명할 수 없습니다. 이유를 적으면 실제로 새 지식이 추가된 것과 첫 반응으로 돌아간 것을 구분하는 데 도움이 됩니다. 그렇다고 경험과 신뢰가 중요하지 않은 척할 필요는 없습니다.

팀 구성과 역량의 결합 (폴란드어)을 살필 때는 저자가 가져오는 능력과 제안에 필요한 능력을 정하세요. 아이디어만으로 모든 단계를 수행할 준비가 됐다는 증거는 되지 않습니다. 반대로 교육 진행 경험이 없다는 이유만으로 고객 응대자의 유용한 관찰을 버릴 필요도 없습니다. 회사는 적절한 사람들과 그 관찰을 발전시킬 수 있습니다.

범위 평가와 서비스 제공자 선택 (폴란드어)으로 넘어갈 때는 해당 주체에 관한 적절한 정보를 갖추고 평가를 준비하세요. 이름을 가린 구상의 첫 검토는 역량, 가용성, 협력 조건 확인을 대신하지 않습니다. 언제 이 결정으로 넘어가는지, 무엇이 그 근거가 되는지 분명해야 합니다.

자료에 대한 의견은 전문가의 작업에 비판적 의견을 전할 때 (폴란드어)처럼 구체적인 부분과 질문으로 남기세요. 저자를 공개한 뒤 의도를 더 확인할 수는 있지만 대화를 평판 방어로 바꿀 필요는 없습니다. ‘참가자는 무엇을 준비해야 하나요?’는 누가 제안했든 여전히 해결책에 관한 질문입니다.

마지막에는 두 가지 답을 남깁니다. 제시된 자료를 바탕으로 그 방향을 어떻게 평가했는지, 그리고 실행 조건을 알게 된 뒤 왜 특정 후속 작업을 선택했는지입니다. 두 답이 다르다고 반드시 잘못된 것은 아닙니다. 회사는 그 차이를 설명할 수 있어야 합니다. 그러면 저자의 이름이 먼저 승자를 고르고 나중에 근거를 기다리는 대신 적절한 역할로 돌아갑니다.

Aeneia / Aeneia 편집부

편집부의 글입니다. 본문에 출처 링크가 있습니다.

Aeneia 소개

함께한 브랜드

  • L’Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • 주폴란드 중국대사관
  • Mixa
Aeneia / Initium

지식에서 결정으로

정리하고 싶은 과제를 알려 주세요. 어디서 시작할지 함께 정합니다.

Aeneia에 문의하기

파트너의 솔루션을 활용합니다

  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear