전문가칼럼

글 싣는 순서1. AI 시대, 당신의 문제해결 방식은 업데이트되었습니까?2. 왜 우리는 문제를 풀기 전에 이미 틀리는가?3. 하이브리드 씽킹: 로지컬 씽킹과 디자인 씽킹을 언제, 어떻게 결합할 것인가4. AI 시대, 승률을 높이는 하이브리드 문제해결 패턴5. 생각에도 기어가 있다: 사고를 전환하는 리더의 기술6. HRD는 어떻게 하이브리드 문제해결 역량을 키울 것인가문제해결에서 가장 위험한 순간은 답이 틀렸을 때가 아니라 애초에 잘못된 문제를 풀고 있을 때다. 매출이 떨어지면 마케팅을 강화하고, 직원이 떠나면 보상을 늘리고, 고객 불만이 증가하면 서비스를 개선하는 것은 모두 그럴듯한 대응이지만 눈앞의 현상과 정말 해결해야 할 문제는 다를 수 있다. 특히 AI가 순식간에 수많은 해결책을 제시하는 시대에는 ‘어떻게 풀 것인가’보다 ‘무엇을 풀 것인가’가 더 중요해진다. 연장선에서 탁월한 문제해결자는 답을 빨리 찾는 사람이 아닌, 당연해 보이는 문제를 의심하고 질문을 다시 설계할 수 있는 사람이다.지난 글에서 필자는 AI 시대의 문제해결 방식이 달라져야 한다고 이야기했다. AI가 더 빠르게 분석하고 더 많은 답을 만들어낼수록 인간에게 중요한 것은 무엇을 분석할 것인지, 어떤 질문을 던질 것인지 판단하는 능력이다. 그렇다면 여기서 한 단계 더 근본적인 질문이 남는다. 우리는 과연 제대로 된 문제를 풀고 있는가. 1편에서도 문제해결의 출발점은 더 빠른 답이 아니라 올바른 문제 인식이라고 강조했다.기업 현장에서 문제해결을 지켜보면 흥미로운 장면을 자주 만난다. 회의가 시작되자마자 해결책이 나온다. “매출이 떨어졌으니 프로모션을 강화합시다.” “젊은 직원들이 떠나니 보상을 올립시다.” “혁신이 부족하니 아이디어 워크숍을 합시다.” 틀린 말은 아니다. 오히려 너무 그럴듯하기 때문에 위험하다. 아직 문제가 무엇인지 충분히 이해하지 않았는데 이미 해결책을 선택했기 때문이다.『하이브리드 씽킹』에서 필자는 문제해결의 흐름을 크게 Discover-Develop-Deliver로 설명한다. 문제를 발견하고, 해법을 만들고, 현실에 구현하는 과정이다. 그런데 조직에서 가장 먼저 무너지는 곳은 종종 첫 번째인 Discover다. 조직은 답을 찾는 데는 익숙하지만, 무엇이 진짜 문제인지 다시 묻는 데는 익숙하지 않다.이때 중요한 것은 방법론을 고르는 것보다 먼저 문제의 좌표를 제대로 잡는 것이다. 데이터로 구조를 봐야 하는 문제인지, 사람의 감정과 맥락을 봐야 하는 문제인지, 혹은 두 가지를 오가야 하는 문제인지 구분하지 못하면 이후의 분석과 실행이 아무리 뛰어나도 엉뚱한 방향으로 갈 수 있다.---메타는 왜 완벽한 논리로 틀린 문제를 풀었을까메타(Meta)의 메타버스 투자는 이를 잘 보여준다.페이스북이 사명을 메타로 바꾸고 VR과 AR에 막대한 투자를 집행했을 당시 논리는 매우 선명했다. 스마트폰 이후의 다음 컴퓨팅 플랫폼은 더 몰입적인 공간이 될 것이고, 사람들이 일하고 쇼핑하고 소통하는 방식도 가상공간으로 이동할 것이라는 판단이었다.시장과 기술 트렌드만 보면 상당히 논리적이었다. 그러나 질문을 한 번만 더 바꿔보면 전혀 다른 문제가 보인다.“메타버스가 미래의 플랫폼이 될 것인가?”가 아니라 “사람들은 왜 오늘 VR 헤드셋을 쓰고 메타버스에 들어가야 하는가?” 이 질문을 던지는 순간 기술이 아니라 사람이 보인다.현실의 사람들은 이미 하루 종일 화면에 지쳐 있다. VR 헤드셋은 무겁고 착용 자체가 번거롭다. 스마트폰은 주머니에서 꺼내면 되지만 메타버스는 말 그대로 ‘입장’해야 한다. 『하이브리드 씽킹』에서도 메타가 몰입의 효용은 설계했지만 인간의 몸과 피로, 귀찮음을 충분히 고려하지 못했다고 지적한다.사회적 맥락도 있었다. 사람은 기술의 기능만 보는 것이 아니라 그 기술을 쓰는 자신의 모습이 타인에게 어떻게 보이는지도 생각한다. 어색한 아바타와 VR 기기는 기술적으로 미래적일 수 있었지만 실제 사용자에게는 민망함과 거리감을 줄 수 있었다. 메타버스는 효용은 설명했지만 ‘체면’이라는 사회적 감각과 매일 반복해서 사용할 이유를 충분히 만들지 못했다.이 사례가 보여주는 것은 명확하다. 논리는 미래 가능성을 설명할 수 있지만, 사람의 수용성과 일상의 습관까지 자동으로 설명하지는 못한다.구글 글래스가 놓친 것은 기술이 아니라 인간이었다구글 글래스도 비슷하다. 기술적으로 보면 구글 글래스는 매우 매력적이었다. AR 기반 정보 제공, 핸즈프리 입력, 실시간 정보 확인 등 미래 제품으로서 논리적 효용이 충분했다.하지만 실제 사용 상황에 들어가자 전혀 다른 문제가 드러났다. 구글 글래스를 착용한 사람이 앞에 있으면 상대방은 자신이 촬영되고 있는지 아닌지를 알기 어려웠다. 기술적으로는 작동했지만 사회적으로는 불편했다. 착용자를 조롱하는 표현까지 등장할 정도로 거부감도 컸다. 책에서도 이를 “기술은 맞아도 UX와 사회적 수용성이 없으면 실패한다”는 사례로 설명한다.여기서도 질문이 중요하다. “어떻게 하면 손을 쓰지 않고 정보를 확인할 수 있을까?”는 기술적으로 좋은 질문이다. 그러나 그 전에 “사람들은 얼굴에 카메라가 달린 기기를 일상에서 자연스럽게 받아들일 수 있을까?”라고 물었다면 접근은 달라졌을 것이다.앞의 질문에서는 기술이 중심이지만, 뒤의 질문에서는 사람과 관계, 문화, 프라이버시가 문제의 중심으로 들어온다.메타와 구글이 부족했던 것은 데이터도, 기술도, 인재도 아니었다. 문제를 바라보는 관점이었다.네스프레소는 커피가 아니라 ‘번거로움’을 해결했다반대로 문제를 잘 정의하면 전혀 새로운 시장이 열린다.네스프레소는 좋은 사례다. 사람들은 좋은 에스프레소를 좋아한다. 그렇다면 더 좋은 원두와 더 좋은 머신을 제공하면 될 것처럼 보인다. 하지만 네스프레소가 본 문제는 ‘커피의 맛’이 아니었다.사람들은 집에서 좋은 커피를 마시고 싶지만 원두를 고르고, 분쇄하고, 양을 맞추고, 추출하고, 기계를 세척하는 과정을 반복해야 한다. 조금만 달라져도 맛이 달라진다.즉 문제는 사람들이 좋은 커피를 싫어하는 것이 아니라 좋아하지만 그 경험을 반복하기가 너무 번거로운 것이었다. 책에서도 네스프레소의 출발점을 “왜 사람들은 집에서 카페 같은 커피를 지속하지 못할까?”라는 질문으로 설명한다.질문이 바뀌자 답도 바뀐다.“어떻게 더 맛있는 커피를 만들까?”가 아니라 “어떻게 누구나 집에서 카페 수준의 커피 경험을 쉽고 반복적으로 누릴 수 있을까?”가 된다.여기서 캡슐과 머신이 결합되고, 재구매 시스템과 회원 관리, 부티크 경험까지 연결된다. 네스프레소는 커피 한 잔을 파는 것이 아니라 집에서의 프리미엄 커피 루틴을 설계했다.이런 식의 문제 재정의가 바로 하이브리드 씽킹의 중요한 출발점이다. 분석을 더 정교하게 하기 전에 무엇을 분석해야 하는지부터 바꾸는 것이다.라 파제다는 ‘복지의 문제’를 ‘시장과 품질의 문제’로 바꿨다문제 재정의의 힘은 사회문제에서도 동일하게 작동한다.스페인의 사회적 기업 라 파제다(La Fageda)는 정신질환자와 지적장애인 등 사회적으로 배제된 사람들에게 일자리를 제공하기 위해 설립됐다. 처음 문제를 그대로 받아들였다면 질문은 “어떻게 더 많은 일자리를 제공할 것인가?”였을 것이다.그러나 창업자 크리스토발 콜론은 질문을 바꿨다. 사람을 고용하는 것만으로 정말 치유와 회복이 가능한가? 이들에게 필요한 것은 단순한 보호가 아니라 스스로 몰입하고 자부심을 느낄 수 있는 ‘진짜 일’이 아닐까?그리고 또 한 번 문제를 재정의했다. “장애인이 만든 제품이니 사주세요”가 아니라 “사람들이 동정심이 아니라 품질 때문에 반복해서 구매하는 제품을 만들 수 없을까?”로.이 순간 문제는 복지의 영역에서 제품과 시장, 브랜드의 영역으로 이동한다.라 파제다는 카탈루냐 지역 요거트 시장에서 글로벌 기업들과 경쟁하는 브랜드로 성장했고, 책에서 설명하듯 운영비의 상당 부분을 자체 판매 수익으로 충당하는 구조를 만들었다.이 사례는 공감만으로도, 비즈니스 논리만으로도 설명되지 않는다. 사람의 진짜 필요를 이해한 뒤 그것을 지속가능한 사업 구조로 연결했다는 점에서 하이브리드 씽킹의 좋은 사례다.AI 시대에는 ‘솔루션 점프’가 더 위험해진다우리가 자꾸 잘못된 문제를 푸는 이유는 단순하다. 사람은 자신이 가진 도구로 문제를 보는 경향이 있기 때문이다. 전략부서는 데이터를 분석하고, HR은 교육을 만들고, IT는 시스템을 도입하고, 마케팅은 캠페인을 기획한다.이렇게 문제를 충분히 탐색하기 전에 익숙한 해결책으로 뛰어드는 것을 필자는 솔루션 점프(solution jumping)라고 부른다.AI 시대에는 이 위험이 더 커진다.생성형 AI에게 “20대 고객의 구매율을 높이는 방법을 알려줘”라고 하면 몇 초 만에 수십 개의 아이디어를 얻을 수 있다. 고객 세분화, 캠페인 전략, 콘텐츠 아이디어까지 모두 만들어준다.그런데 만약 구매율이 낮은 이유가 마케팅이 아니라 제품 자체가 그들의 삶과 맞지 않기 때문이라면 어떨까.AI가 틀린 것이 아니다. 인간이 틀린 문제를 입력한 것이다. 그래서 AI 시대에는 좋은 프롬프트를 쓰는 능력보다 한 단계 앞선 역량이 필요하다. 무엇을 프롬프트로 만들어야 하는지 결정하는 능력, 즉 문제정의 능력이다.좋은 문제를 정의하는 세 가지 질문그렇다면 좋은 문제는 어떻게 정의할 수 있을까. 필자는 최소한 세 가지 질문을 권하고 싶다.첫째, “지금 보고 있는 것은 문제인가, 현상인가?” 매출 하락, 퇴사 증가, 고객 불만 증가는 대부분 현상이다. 그 숫자를 만든 행동과 맥락을 한 단계 더 들여다봐야 한다.둘째, “누구의 관점에서 문제를 보고 있는가?” 기업에게는 기능의 문제지만 고객에게는 불편함과 체면의 문제일 수 있다. HR에게는 퇴사율의 문제지만 구성원에게는 성장 가능성의 문제일 수 있다.셋째, “질문을 바꾸면 전혀 다른 해결책이 보이는가?” 네스프레소처럼 ‘더 좋은 커피’에서 ‘반복 가능한 커피 경험’으로, 라 파제다처럼 ‘일자리 제공’에서 ‘시장에서 선택받는 사업’으로 질문을 바꿔보는 것이다.이 세 가지는 결국 하나의 원칙으로 모인다.문제를 풀기 전에, 먼저 문제를 의심하라.HRD도 문제를 푸는 사람보다 문제를 정의하는 사람을 길러야 한다HRD 관점에서도 이 변화는 중요하다.지금까지 많은 문제해결 교육은 주어진 문제를 얼마나 논리적으로 해결하는지를 훈련해왔다. 케이스를 주고, 원인을 분석하게 하고, 로직트리를 만들고, 대안을 평가해 발표하게 한다.그러나 실제 업무에서는 문제가 그렇게 친절하게 주어지지 않는다. 앞으로의 문제해결 교육에서는 문제를 푸는 능력뿐 아니라 문제를 발견하고, 정의하고, 재정의하는 능력을 훈련해야 한다.이것이 하이브리드 씽킹 교육에서도 중요한 이유다. 완성된 문제를 주는 대신 불완전한 현상과 데이터를 제공하고, 직접 현장을 관찰하거나 이해관계자를 인터뷰하게 해야 한다. 같은 현상을 놓고 서로 다른 문제정의를 만들어보고, 질문이 달라졌을 때 해결책이 어떻게 달라지는지도 경험하게 해야 한다."AI가 수많은 답을 순식간에 만들어내는 시대에선 문제를 풀기 전에‘지금 보는 것은 문제인가, 현상인가?’, ‘누구 관점에서 문제를 풀고 있는가?’,‘질문을 바꾸면 전혀 다른 해결책이 보이는가?’라는 질문을 중심으로무엇을 풀어야 하는지 아는, ‘좋은 문제를 정의하는 사람’이 경쟁력을 갖는다."리더의 역할도 달라진다.구성원이 문제를 가져왔을 때 곧바로 답을 주는 리더보다 “우리가 정말 풀어야 하는 문제가 이것이 맞는가?”, “고객 입장에서 보면 무엇이 달라지는가?”, “우리가 당연하다고 가정하는 것은 무엇인가?”라고 묻는 리더가 조직의 문제해결력을 더 크게 키운다.좋은 리더는 답을 많이 가진 리더가 아니다. 좋은 리더는 문제의 성격에 따라 질문을 바꾸고, 조직의 사고방식을 전환시키는 리더다.AI가 발전할수록 답을 만드는 비용은 낮아질 것이다. 분석도, 아이디어도, 보고서도 점점 더 쉽게 만들어진다. 역설적으로 그래서 문제정의의 가치는 더 높아진다.답이 희소했던 시대에는 좋은 답을 가진 사람이 경쟁력을 가졌다. 답이 넘쳐나는 시대에는 무엇을 물어야 하는지 아는 사람이 경쟁력을 갖는다.문제해결의 승부는 해결책을 비교하는 순간보다 훨씬 일찍 결정된다. 문제를 바라보는 순간부터다.그리고 여기에서 다음 질문이 시작된다. 문제를 제대로 정의했다면 이제 어떤 방식으로 풀어야 할까. 논리적으로 분석해야 할까, 고객에게 공감해야 할까. 데이터를 먼저 봐야 할까, 현장을 먼저 봐야 할까.답은 하나가 아니다. 문제의 성격과 해결 단계에 따라 사고방식도 달라져야 한다.다음 글에서는 로지컬 씽킹과 디자인 씽킹이 각각 어떤 문제에 강한지, 그리고 두 사고방식을 언제, 어떻게 결합해야 하는지를 본격적으로 살펴보고자 한다. 바로 이 지점부터 하이브리드 씽킹의 본격적인 이야기가 시작된다.정병익 파트너앤더슨 컨설팅 코리아에서 교육·공공 부문을 이끌고 있고, IE Business School 겸임교수와 aSSIST 겸임교수로 활동하고 있다. 보스턴컨설팅그룹(BCG), LG전자, 삼정 KPMG를 거쳤으며, SolBridge 교수 및 전략기획실장, 동명대학교 국제대학 학장을 역임했다. 저서로는 『하이브리드 씽킹』이 있다.

글 싣는 순서1. AI 시대, 당신의 문제해결 방식은 업데이트되었습니까?2. 왜 우리는 문제를 풀기 전에 이미 틀리는가?3. 하이브리드 씽킹: 로지컬 씽킹과 디자인 씽킹을 언제, 어떻게 결합할 것인가4. AI 시대, 승률을 높이는 하이브리드 문제해결 패턴5. 생각에도 기어가 있다: 사고를 전환하는 리더의 기술6. HRD는 어떻게 하이브리드 문제해결 역량을 키울 것인가AI가 보고서를 쓰고, 데이터를 분석하고, 전략 대안을 제시하는 시대가 됐다. 이제 단순히 많이 아는 사람이나 빠르게 분석하는 사람의 경쟁력은 점점 약해지고 있다. 문제는 AI가 인간을 대체하느냐가 아니다. 더 중요한 질문은 바로 ‘AI 시대에 인간은 어떤 문제를 어떻게 풀어야 하는가’다. 과거의 문제해결 방식은 정답이 있는 문제를 빠르게 푸는 데 강했다. 하지만 오늘날 조직이 마주하는 문제는 정답이 없는 경우가 많다. 곳곳에서 데이터는 넘쳐나지만 판단은 더 어려워지고, 분석은 충분한데 실행은 막힌다. 이제 필요한 것은 문제해결 스킬 추가가 아니라 ‘사고방식 업데이트’다.---요즘 기업 강의와 워크숍 현장에서 가장 자주 듣는 질문은 “이제 AI가 웬만한 분석은 다 해주는데, 사람은 무엇을 더 잘해야 합니까?”이다. 이 질문은 단순한 기술 활용 문제가 아니다. 일하는 방식, 배우는 방식, 문제를 정의하는 방식 전체가 바뀌고 있다는 신호다.과거 조직에서 뛰어난 인재는 대체로 정보를 많이 알고, 논리적으로 분석하며, 빠르게 답을 내는 사람이었다. 시장 규모를 계산하고, 경쟁사를 비교하고, 비용 구조를 뜯어보고, 최적의 대안을 제시하는 능력이 중요했다. 산업화 시대의 문제는 대개 이런 방식으로 해결할 수 있었다. 공정을 개선하고, 불량률을 낮추고, 재고를 줄이고, 매출을 예측하는 문제들은 복잡해 보이지만 결국 정답에 가까운 해법이 존재했다. 충분한 데이터와 분석력이 있다면 더 나은 답을 찾을 수 있었다.하지만 지금 우리가 마주하는 문제는 성격이 다르다. 고객은 왜 이탈하는가. 젊은 구성원은 왜 조직에 몰입하지 못하는가. 신사업은 왜 보고서에선 그럴듯한데 시장에선 작동하지 않는가. 디지털 전환을 했는데 왜 현장의 일하는 방식은 바뀌지 않는가. 이런 문제들은 단순히 데이터를 더 모은다고 풀리지 않는다. 원인이 하나가 아니고, 이해관계자가 많으며, 시간이 지나면서 문제의 모습 자체가 바뀌기 때문이다.이 차이를 이해하기 위해서는 ‘퍼즐’과 ‘미스터리’의 차이를 생각해볼 필요가 있다. 퍼즐은 정답이 있는 문제다. 조각을 맞추면 그림이 완성된다. 필요한 것은 집중력과 분석력이다. 반면 미스터리는 정답이 처음부터 주어져 있지 않다. 단서를 모으고, 가설을 세우고, 사람들의 행동을 관찰하고, 상황에 맞춰 해석을 바꿔야 한다.산업화 시대의 많은 문제는 퍼즐에 가까웠다. 그러나 AI 시대, 플랫폼 경제, 세대 변화, 고객 경험, 조직문화와 관련된 문제는 점점 미스터리에 가까워지고 있다.그런데 많은 조직은 여전히 미스터리를 퍼즐처럼 풀려고 한다. 고객 경험 문제를 단순 만족도 점수로만 해석하고, 조직문화 문제를 제도 몇 개를 바꾸는 일로 축소한다. 신사업 실패의 원인을 시장 규모나 경쟁사 분석에서만 찾고, 실제 고객이 어떤 맥락에서 움직이는지는 충분히 들여다보지 않는다. 이때 조직은 열심히 일하지만 엉뚱한 곳을 판다. 분석은 많아지는데 통찰은 줄어들고, 회의는 길어지는데 결론은 약해진다.AI의 등장은 이 문제를 더 선명하게 만든다. AI는 계산과 분석에 강하다. 방대한 자료를 요약하고, 패턴을 찾고, 대안을 정리하며, 보고서의 초안을 빠르게 만들 수 있다. 앞으로 정답이 있는 문제, 규칙이 분명한 문제, 반복 가능한 문제에선 AI가 인간보다 더 빠르고 정확해질 것이다. 따라서 인간이 계속 같은 방식으로 경쟁하려 한다면 승산은 낮아진다.그렇다면 인간에게 남는 역할은 무엇인가. 필자는 그것을 ‘통합하는 능력’이라고 본다. AI는 데이터를 계산하지만, 인간은 맥락을 읽는다. AI는 패턴을 찾아내지만, 인간은 그 패턴이 왜 생겼는지 질문한다. AI는 답을 제시할 수 있지만, 인간은 그 답이 이 조직과 고객, 현장과 사회적 맥락에서 정말 작동할지 판단한다. 결국 AI 시대의 문제해결 역량은 더 많은 정보를 처리하는 능력이 아니라, ‘데이터와 사람, 논리와 공감, 분석과 실행을 연결하는 능력’으로 이동하고 있다.이 지점에서 기존 문제해결 교육의 한계가 드러난다. 많은 조직은 여전히 문제해결을 로직트리, 가설 설정, 데이터 분석, 실행계획 수립 순으로 가르친다. 이런 로지컬 씽킹은 여전히 중요하다. 문제를 구조화하고, 원인을 분해하고, 우선순위를 정하는 능력은 모든 비즈니스 문제해결의 기본이다. 그러나 이것만으론 충분하지 않다. 사용자의 숨은 욕구, 현장의 감정, 조직 내 저항, 고객의 미묘한 불편함은 표준화된 분석표 안에 쉽게 들어오지 않기 때문이다.반대로 디자인 씽킹만 강조하는 것도 위험하다. 공감하고, 관찰하고, 아이디어를 확장하는 능력은 정답 없는 문제를 다룰 때 강력하다. 하지만 공감이 전략으로 연결되지 못하고, 아이디어가 수익성과 실행 체계로 이어지지 못하면 혁신은 워크숍 안에서만 끝난다. 고객을 잘 이해했지만 사업 모델이 약하거나, 멋진 아이디어는 나왔지만 조직의 자원과 프로세스가 따라오지 못하는 경우가 여기에 해당한다.위워크(wework)는 이 위험을 잘 보여주는 사례다. 위워크는 단순한 공유 오피스가 아니라 커뮤니티와 소속감을 파는 회사로 자신을 정의했다. 사람들은 책상 하나가 아니라 새로운 일하는 방식, 자유로운 분위기, 창업가적 정체성에 끌렸다. 여기까지는 훌륭한 디자인 씽킹이었다. 고객의 감정과 욕망을 읽었고, 공간을 하나의 경험으로 재해석했다. 문제는 그 이후였다. 빠른 확장과 강한 브랜드 서사는 있었지만, 장기 임대와 단기 수익 사이의 리스크 구조, 경기 변동을 견딜 수 있는 재무 모델, 지속 가능한 운영 시스템이 충분히 따라오지 못했다. 공감과 스토리는 강했지만, 그것을 지탱할 차가운 논리와 구조가 약했던 것이다. 하이브리드 씽킹이 작동하지 않으면 혁신은 때로 매력적인 이야기로 출발해 위험한 착각으로 끝난다.반대로 애플 워치는 하이브리드 씽킹이 어떻게 작동할 수 있는지 보여준다. 애플 워치는 단순한 웨어러블 기기가 아니다. 손목 위에 센서를 붙인 제품도 아니다. 애플은 건강 데이터를 수집하는 데서 멈추지 않고, 그 데이터가 사용자에게 의미 있는 신호가 되고, 행동을 바꾸고, 실제 건강 관리 경험으로 이어지도록 설계했다. 먼저 심박, 움직임, 수면, 이상 징후 같은 데이터를 읽어내는 기술적 분석이 필요했다. 그러나 그것만으로는 충분하지 않았다. 사용자가 건강 알림을 받았을 때 불안해하지 않도록 메시지와 UX를 조정해야 했고, 어떤 알림이 실제 행동으로 이어지는지 반복적으로 검증해야 했다. 데이터로 시작했지만, 경험으로 검증하고, 다시 시스템을 조정한 것이다. 이것이 바로 분석과 공감, 기술과 경험, 제품과 서비스가 결합된 문제해결 방식이다.그래서 AI 시대의 문제해결에는 새로운 사고방식이 필요하다. 로지컬 씽킹과 디자인 씽킹 중 하나를 선택하는 것이 아니라, 문제의 성격에 따라 두 사고방식을 오가야 한다. 어떤 순간에는 차갑게 분석해야 하고, 어떤 순간에는 깊이 공감해야 한다. 어떤 단계에선 데이터를 통해 원인을 좁혀야 하고, 어떤 단계에선 현장을 관찰하며 전혀 다른 질문을 던져야 한다. 어떤 때는 아이디어를 넓혀야 하지만, 마지막에는 냉정하게 선택하고 실행 구조를 만들어야 한다.이것이 필자가 말하는 ‘하이브리드 씽킹’이다. 하이브리드 씽킹은 로지컬 씽킹과 디자인 씽킹을 반반 섞는 것이 아니다. 더 정확히 말하면 사고의 기어를 바꾸는 능력이다. 문제의 유형과 단계에 따라 분석의 기어를 넣을지, 공감의 기어를 넣을지, 전략의 기어를 넣을지, 실행의 기어를 넣을지 판단하는 것이다.예를 들어 매출이 하락했다면 먼저 로지컬 씽킹이 필요하다. 어느 제품, 어느 고객군, 어느 채널에서 문제가 발생했는지 구조적으로 쪼개야 한다. 그러나 숫자만으로는 고객이 왜 떠났는지 알 수 없다. 이때는 디자인 씽킹의 방식으로 고객을 관찰하고 인터뷰해야 한다. 이후 다시 로지컬 씽킹으로 해결 대안의 수익성, 실행 가능성, 우선순위를 검토해야 한다. 마지막으로 현장에서 실제로 작동하는지 실험하고 조정해야 한다. 이처럼 현실의 문제는 대개 한 가지 사고법만으로 풀리지 않는다.HRD 관점에서 이 변화는 매우 중요하다. 앞으로의 문제해결 교육은 단순히 프레임워크를 가르치는 데 멈춰서는 안 된다. 지금까지 많은 기업 교육은 로직트리 작성법, MECE, 가설 수립, 데이터 분석, 보고서 작성법처럼 문제를 구조화하는 기술에 집중해왔다. 물론 이런 역량은 여전히 필요하다. 그러나 AI가 기본적인 분석과 정리를 빠르게 수행하는 시대에는 이것만으로 차별화되기 어렵다.이제 기업 교육은 구성원들이 ‘어떤 도구를 쓸 것인가’보다 ‘지금 이 문제가 어떤 성격인가’를 먼저 판단하도록 설계되어야 한다. 정답이 있는 문제인지, 정답이 없는 문제인지, 분석이 먼저 필요한지, 관찰이 먼저 필요한지, 전략적 선택이 부족한지, 실행 설계가 부족한지 구분할 수 있어야 한다. 문제를 잘못 분류하면 아무리 뛰어난 도구를 써도 성과로 이어지기 어렵다.따라서 HRD는 문제해결 교육을 세 가지 방향으로 업데이트해야 한다. 첫째, 구성원에게 로지컬 씽킹과 디자인 씽킹을 따로 가르치는 데서 나아가 두 사고방식을 언제 전환해야 하는지 훈련시켜야 한다. 둘째, 교육의 결과물을 단순 발표나 보고서가 아니라 실제 현장 실험과 피드백으로 연결해야 한다. 셋째, 리더들이 구성원의 사고 전환을 허용하는 문화를 만들어야 한다. 분석하던 사람이 고객을 만나고, 기획하던 사람이 프로토타입을 만들고, 현장의 목소리가 전략 회의로 들어올 때 조직의 문제해결력은 비로소 강해진다.AI 시대에는 지식의 양보다 사고의 전환 능력이 중요해진다. AI가 더 많은 답을 제공할수록, 인간은 더 좋은 질문을 던져야 한다. AI가 더 빠르게 분석할수록, 인간은 무엇을 분석해야 하는지 정해야 한다. AI가 더 그럴듯한 보고서를 만들수록, 인간은 그 보고서가 현실에서 작동할지 판단해야 한다.결국 AI 시대의 핵심 질문은 “AI를 얼마나 잘 쓰는가?”에 그치지 않는다. 더 본질적인 질문은 이것이다. “우리는 문제를 제대로 보고 있는가?”, “우리는 지금 이 문제에 맞는 사고방식을 쓰고 있는가?”, “우리 조직의 문제해결 교육은 과거의 퍼즐 시대에 머물러 있지 않은가?”탁월한 문제해결은 더 빠른 답에서 시작되지 않는다. 올바른 문제 인식에서 시작된다. 그리고 이제 그 문제 인식의 방식은 업데이트되어야 한다. AI가 계산하는 시대, 인간은 통합해야 한다. AI가 답을 만드는 시대, 인간은 질문을 설계해야 한다. 이것이 AI 시대에 우리가 다시 배워야 할 문제해결의 출발점이다.정병익 파트너앤더슨 컨설팅 코리아에서 교육·공공 부문을 이끌고 있고, IE Business School 겸임교수와 aSSIST 겸임교수로 활동하고 있다. 보스턴컨설팅그룹(BCG), LG전자, 삼정 KPMG를 거쳤으며, SolBridge 교수 및 전략기획실장, 동명대학교 국제대학 학장을 역임했다. 저서로는 『하이브리드 씽킹』이 있다.