이득:
- 모호한 고객 질문을 명확하고 해결 가능한 문제 진술로 변환하고 인공지능을 활용하여 MECE 가설 트리(이슈 트리)를 구축하는 능력
- 인공지능을 활용해 가설을 생성하고 사각지대를 찾아내고, 어떤 가설을 먼저 검증할지 스스로 판단하는 능력.
- 문제 구조화에서 흔히 발생하는 함정(분기 충돌, 미리 해결책을 가정, 잘못된 질문)을 인식하고 피하는 능력.
컨설팅 프로젝트에서 가장 큰 비용이 드는 실수는 잘못된 질문을 해결하는 것입니다. 고객이 "저희 매출이 감소하고 있는데 어떻게 해야 하나요?"라고 묻습니다. 그러나 실제 질문은 "어느 부문에서, 왜 그리고 얼마나 많은 부분이 우리의 통제하에 있는가?"입니다. 그럴 수도 있습니다. 숙련된 컨설턴트는 답을 찾는 것이 아니라 문제를 올바르게 정의하는 것부터 시작합니다. 인공 지능은 이 단계에서 완벽한 사고 파트너입니다. 인공 지능은 몇 분 안에 수십 가지의 가능한 원인, 하위 질문 및 가설을 생성합니다. 그러나 어떤 질문이 올바른 질문인지 결정하려면 판단이 필요하며, 그 판단은 귀하의 몫입니다.
이 단원에서는 인공 지능과 컨설팅의 중추인 두 가지 도구, 즉 가설 트리(문제 트리, 문제를 하위 질문으로 분기하는 트리 다이어그램)와 MECE 원칙(상호 배타적, 집합적으로 포괄적 - 가지가 서로 겹치지 않고 함께 문제를 완전히 포괄함)을 결합합니다.
막연한 질문부터 해결 가능한 문제까지
좋은 문제 설명에는 누가(의사결정자), 무엇(의사결정), 기준(성공을 측정하는 방법), 경계(범위 및 기간)의 네 가지 항목이 포함됩니다. “매출이 감소하고 있다”는 불평이다. "현재 예산으로 향후 12개월 동안 B2B 부문 매출을 10% 늘릴 수 있는 가장 효과적인 3가지 수단은 무엇입니까?" 문제 진술이다. 인공 지능에 이러한 변화가 일어나도록 할 수 있지만 먼저 원시 상황을 명확하게 설명해야 합니다.
귀하의 역할: 경영 컨설턴트의 문제 구조화 코치. 의뢰인의 생생한 불만사항을 전해드리겠습니다. 귀하의 임무: 1) 이를 한 문장으로 된 측정 가능한 문제 설명으로 변환합니다(의사결정자, 결정, 성공 기준, 범위, 기간을 포함해야 함).2) 이 설명의 기반이 되는 3가지 암시적 가정을 밝힙니다.3) "잘못된 질문을 해결"하는 위험에 대응하기 위한 2가지 대체 문제 프레임워크를 제안합니다. 원시 불만사항: "[고객의 말로...]"
팁: 고객에게 문제 설명을 다시 읽어주세요. "그렇다면 당신의 성공은 12개월 만에 B2B 매출이 10% 증가한 것입니다. 맞나요?" 이 한 문장으로 프로젝트의 방향과 그에 따른 "우리는 이것을 원하지 않았다"는 논쟁이 처음부터 해결되었습니다.
인공지능으로 가설트리 구축
문제가 명확해지면 문제를 분기합니다. 나무의 뿌리가 주요 질문입니다. 분기는 가능한 응답 축입니다. 잎은 검증 가능한 가설이다. 예를 들어, "B2B 매출이 왜 증가하지 않습니까?" 질문은 크게 두 가지로 나눌 수 있습니다. (1) 신규 고객 확보가 약하고, (2) 기존 고객 수익이 감소하고 있습니다. 각 지점은 자체 하위 지점으로 나뉩니다. 좋은 나무는 MECE입니다.
귀하의 역할: MECE 가설 트리 전문가.주요 질문: "[문제 설명]"작업: 이 질문을 2개 이하의 수준으로 분기합니다.규칙:- 첫 번째 수준 분기는 MECE(겹침 없음, 간격 없음)여야 합니다.- 각 잎은 데이터 테스트 가능한 가설 문장이어야 합니다("... 때문에 ..." 형식).- 각 가설 옆에 이를 테스트하는 데 필요한 단일 데이터 소스를 작성합니다.형식: 들여쓰기된 글머리 기호 목록.탐색: 제목 아래에 중복/틈이 발생할 위험이 있습니다. "MECE 감사" 지점을 표시합니다.
AI는 3초 안에 15가지 가설이 포함된 트리를 제공합니다. 그러나 당신의 일은 거기서 끝나지 않고 시작됩니다. 어떤 가지가 진정한 MECE인지 선택하고, 어떤 가설이 가장 가능성이 높고 테스트하기 쉬운지를 선택합니다.
우선순위: 어떤 가설을 먼저 테스트할지
모든 가설을 테스트할 시간은 없습니다. 영향(사실이라면 솔루션에 얼마나 큰 기여를 하는지)과 용이성(테스트하는 것이 얼마나 빠르고/저렴한지)이라는 두 축을 사용하세요. 높은 임팩트 + 높은 편의성을 갖춘 제품이 우선입니다. 이를 "빠른 승리 스윕"이라고 합니다.
가설
효과(1-5)
테스트 용이성(1-5)
우선순위
가격이 경쟁사보다 뒤쳐져 있음
5
4
이전
영업팀은 B2B에 부적합
4
3
그럼
제품 기능 차이가 있습니다
4
2
연구
브랜드 인지도가 낮습니다
3
2
보류
인공 지능으로 이 매트릭스를 채울 수 있습니다. 하지만 자신의 업계 지식을 바탕으로 영향과 편의성 점수를 검토하세요. 모델은 테스트의 용이성을 과대평가하는 경우가 많습니다.
귀하의 역할: 우선순위 분석가. 다음 가설 목록을 충격 완화 매트릭스에 배치합니다. 각 가설에 대해: 영향(1-5), 테스트 용이성(1-5), 단일 데이터 소스 필요, 권장 사항(전/후/조사/보류). 규칙: 낙관적으로 용이성 점수를 부여하고 근거를 작성합니다. 가장 높은 "영향 × 용이성" 승수를 사용하여 2개의 가설을 강조 표시합니다. 가설: [목록]
세 개의 미니 케이스
사례 1 — 잘못된 질문이 수정되었습니다. 한 유통체인에서는 “직원 이직률이 높은데 급여를 올려야 하나?”라고 물었다. 그는 묻습니다. 컨설턴트는 인공지능으로 문제의 틀을 엽니다. 이 모델은 급여가 문제이고, 매출이 모든 매장에서 동일하며, 급여가 해결책이라는 세 가지 암시적 가정을 보여줍니다. 데이터가 그려집니다. 이직률의 70%가 3개 매장에 있고 항상 동일한 두 명의 관리자 팀에 있습니다. 진짜 질문은 관리자의 행동입니다. 1,400만 TL의 급여 인상은 잘못된 해결책이 될 것입니다.
사례 2 — 비MECE 트리. 컨설턴트가 모델에게 "이익이 감소하는 이유는 무엇입니까?"라고 묻습니다. 그는 그 나무를 원해요. 이 모델은 지점에 "소득이 낮음", "비용이 높음", "경쟁이 증가함"을 제공합니다. 처음 두 가지 지점은 MECE(이익 = 수익 – 비용)이지만 “경쟁 증가”가 원인이고 수익/비용이 영향입니다. 지점 수준이 혼합되어 있습니다. 컨설턴트는 트리를 수정합니다. 수준 1은 수익과 비용만입니다. 경쟁으로 인해 소득의 하위 부문이 발생합니다.
사례 3 - 우선순위 지정이 성공했습니다. B2B 소프트웨어 회사에서는 12가지 가설이 생성됩니다. 영향-편의성 매트릭스는 "온보딩 프로세스가 길다"라는 가설을 높은 영향-높은 편의 상자에 넣습니다. 일주일간 데이터 분석으로 확인: 30일 동안 활성화되지 않은 고객의 취소율이 3배 더 높습니다. 약간의 개입(설치 안내)을 통해 취소가 22% 감소합니다. 먼저 올바른 가설을 테스트하면 프로젝트가 단축됩니다.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
이 회사의 이익이 떨어지는 이유에 대한 목록을 작성해 주세요.
이 모델은 무작위적이고 중복되며 입증되지 않은 원인을 열거합니다. 사고의 틀을 확립하지 않습니다.
강력한 프롬프트:
귀하의 역할: MECE 문제 구조화 전문가. 주요 질문: "회사는 단지 구축된 것뿐입니다.
좋은 문제 구조의 문제를 확인하세요
트리를 완성하면 다음 질문을 하십시오. 인공 지능에게 물어볼 수도 있지만 최종 결정은 사용자가 내립니다.
- 근본 질문이 정말로 고객이 결정하고 싶은 질문인가? - 첫 번째 수준 분기가 겹치나요? (상호 배타적인가요?)- 빠진 것이 있나요? (함께 완성되는 걸까요?) - 각 잎사귀를 데이터로 테스트할 수 있나요, 아니면 의견인가요? - 미리 해결책을 가정했나요? (예를 들어 "월급이 해결책이다")
일반적인 실수
- 질문에 솔루션을 포함시키세요. "가격을 낮춰야 할까요?" 질문은 해결책을 전제하고 다른 레버를 보이지 않게 만듭니다. 먼저 "왜"라고 물어보세요.
- 겹치는 가지. "법인 고객"과 "대규모 고객"이 별도의 지점인 경우 동일한 고객이 두 곳에서 계산됩니다. MECE가 깨졌습니다.
- 믹싱 수준. 원인(경쟁)을 결과(수익 감소)와 같은 수준에 두는 것은 나무를 비합리적으로 만듭니다.
- 테스트할 수 없는 나뭇잎입니다. '경영 부실'은 가설이 아니라 판단이다. '결정 시간은 평균 40일, 업계에서는 12일'이 검증 가능한 가설이다.
- 모델의 트리를 그대로 받아들입니다. AI는 빠른 개요를 제공합니다. MECE 감사 및 우선순위 지정이 귀하의 업무입니다.
주의: AI는 매우 설득력 있는 방식으로 가설 트리를 제시합니다. 설득은 정확성이 아닙니다. 항상 트리에서 MECE를 수동으로 검사하세요. 펜과 종이를 사용하여 가지를 그리면 모델이 놓친 겹침이 나타나는 경우가 많습니다.
요약하면
컨설팅에서 가치는 정답 이전에 올바른 질문에 있습니다. AI는 막연한 불만 사항을 측정 가능한 문제 설명으로 바꾸고, 암시적인 가정을 찾아내고, 신속하게 가설 트리를 그리는 데 강력합니다. 그러나 트리가 MECE인지, 가설의 테스트 가능성, 어떤 트리를 먼저 테스트할지 결정하는 것은 사용자의 몫입니다. 모델은 초안을 생성합니다. 문제를 소유하고 통제하며 우선순위를 정하는 것이 컨설턴트의 임무입니다.
응용과제
실제 또는 상상 속의 고객 불만 사항을 선택하세요(한 문장). 첫째, 이를 측정 가능한 문제 설명과 강력한 문제 프레이밍 프롬프트가 포함된 세 가지 암시적 가정으로 변환합니다. 그런 다음 MECE 가설 트리 프롬프트를 사용하여 2단계 트리를 구축합니다. 트리를 수동으로 검사하여 하나 이상의 충돌이나 격차를 찾아 수정합니다. 마지막으로 효과 완화 행렬을 채우고 먼저 테스트할 두 가지 가설을 선택합니다.
체크리스트
- [ ] 나는 원시 불만을 누가/무엇/기준/범위/기간이 포함된 문제 설명으로 변환했습니다.
- [ ] 나는 암묵적인 가정을 발견했습니다.
- [ ] 나는 가설 트리의 첫 번째 수준을 MECE로 조사했습니다.
- [ ] 각 잎사귀가 검증 가능한 가설임을 확인했습니다.
- [ ] 나는 질문에 해결책을 묻어두지 않았는지 확인했습니다.
- [ ] 저는 충격 완화 매트릭스를 우선시했습니다.
- [ ] 모델의 트리를 맹목적으로 받아들이지 않고 수동으로 수정했습니다.