[과학적 관리법] 직감이 과학을 이기는 시대

과학적 관리법이란 무엇일까.
이 책에서 말하는 과학적 관리법은 감이나 경험에만 의존하지 않고, 관찰과 측정, 분석을 통해 가장 효율적인 작업 방식을 찾아 표준화하자는 관리 방식이다.

이 정의를 처음 접했을 때 가장 먼저 든 생각은 단순했다.
“이건 너무 당연한 이야기 아닌가?”
“요즘에도 과학적 관리법과 다르게 일하는 회사가 있을까?”

그런데 곰곰이 지난 회사들을 떠올려보니, 오히려 이 책이 지금도 유효한 이유가 분명해 보였다. 생각보다 많은 조직이 여전히 ‘효율적인 일하는 방식’을 명확히 찾지 못한 채 방황하고 있기 때문이다.

다시 말해, 과학적 관리법은 아주 특별하거나 난해한 이야기가 아니다.
업무 환경에서 효율을 높일 수 있는 방법에 대해 가설을 세우고, 그것을 검증한 뒤, 실제로 더 높은 효율이 확인되면 그에 맞는 보상을 제공하는 방식이다. 본질은 의외로 단순하다. 그래서 이 개념은 멀리서 찾기보다, 지금 우리가 일하는 환경 안에서 먼저 살펴볼 필요가 있다.

돌이켜보면, 과거 내가 경험했던 대기업에서는 효율적인 업무 방식을 조직 차원에서 진지하게 고민하는 모습을 자주 보지 못했다. 반면 작은 기업에서는 보다 기민하게 일하기 위한 방법으로 애자일 같은 방식을 고민하는 경우가 있었다. 적어도 “더 나은 방식으로 일할 수 없을까”라는 질문은 더 자주 던졌던 것 같다.

그럼에도 불구하고, 두 종류의 회사 모두를 두고 선뜻 과학적 관리법을 실천했다고 말하기는 어려울 것 같다. 이유는 간단하다. 효율을 높이기 위한 고민과 개선이 실제로 적절한 보상으로 이어졌다는 기억이 선명하지 않기 때문이다. 결국 많은 경우 우리는 더 나은 방식으로 일해서가 아니라, 그저 그렇게 해야 했기 때문에 그렇게 일했을 뿐이었다.

그렇다면 왜 과학적 관리법은 실제 현장에서 어렵게 느껴질까.

이 책에서도 보다 복잡한 공정에 과학적 관리법을 적용하는 과정은 많은 시간이 드는 것으로 묘사된다. 공정이 복잡해질수록 변수가 많아지고, 그만큼 최적의 방식을 찾는 일이 어려워지기 때문이다. 이 설명은 충분히 공감된다. 다만 한편으로는 다른 이유도 있다고 생각한다.

시간이 오래 걸리는 이유는 단지 공정이 복잡해서만은 아닐 수 있다.
효율적인 과정을 설계하는 주체가 관리자이고, 작업자는 그 설계를 수행하거나 조언하는 위치에 놓여 있기 때문일 수 있다.

오늘날의 업무 환경에 대입해보면 더 분명해진다. 예를 들어 식당이라면 관리자는 사장이고, 작업자는 직원일 것이다. 그런데 만약 사장이 실제 업무 흐름에 대해 직원보다 이해가 부족하다면 어떨까. 혹은 더 나은 방식을 설계할 역량이 부족하다면 어떨까. 이런 상황에서는 과학적 관리법이 말하는 ‘더 나은 방식의 설계’ 자체가 쉽지 않다. 설령 좋은 방법을 찾아낸다 해도, 그것을 실제로 실행할 적합한 작업자가 없을 수도 있다. 결국 과학적 관리법의 어려움은 공정의 복잡성뿐 아니라, 관리자의 역량과 실행 가능한 인력의 존재에 크게 의존한다는 점에 있는 것 같다.

그렇다면 오늘날의 과학적 관리법은 어떤 모습이어야 할까.

우리는 회사에서 급여를 받고, 맡은 일에 최선을 다하려고 한다. 그렇다면 오늘날의 과학적 관리법은 관리자가 일방적으로 최적의 방식을 설계하는 형태가 아니라, 작업자 스스로 더 나은 방법을 고민하고 제안하며, 그것이 실제 효율 향상으로 이어졌을 때 정당한 보상을 받는 방식에 더 가까운 것은 아닐까.

누군가는 이것이 테일러가 말한 본래의 과학적 관리법과는 다르다고 말할 수 있다. 하지만 적어도 지금의 현실에서는, 이쪽이 오히려 더 현대적인 의미의 과학적 관리법처럼 느껴진다. 오늘날 현장을 가장 잘 아는 사람은 관리자만이 아니라 실제로 일을 수행하는 사람들인 경우가 많기 때문이다.

여기에 AI의 등장은 이 구조를 다시 한 번 뒤집고 있다.
AI의 성능이 매우 빠르게 향상되는 시대에는, 더 나은 방식의 설계 자체를 AI에게 맡기고 관리자와 작업자는 그것을 판단하고 선택하는 역할로 이동하게 되는 것 아닐까 하는 생각이 든다.

과거의 과학적 관리법에서는 관리자가 관찰과 측정, 분석을 통해 작업 방식을 설계했다. 오늘날에는 작업자가 더 나은 방식을 직접 제안하는 경우가 많아졌다. 그렇다면 앞으로는 AI가 데이터를 바탕으로 가능한 설계안을 만들어내고, 인간은 그중 무엇을 선택하고 실행할지를 판단하는 구조가 될 수도 있다.

이 지점에서 흥미로운 질문이 생긴다.
과거에는 관찰, 측정, 분석을 통해 과학적으로 설계하려 했다면, 앞으로는 AI가 데이터 기반으로 만들어낸 결과물을 인간이 경험과 직감으로 선택하는 시대가 오는 것 아닐까.

물론 과거에도, 지금도, 그리고 앞으로도 변하지 않는 것이 하나 있다.
어떤 설계가 더 나은지에 대한 최종적인 답은 결국 실행을 통해서만 확인할 수 있다는 점이다. 이 본질은 AI 시대에도 크게 달라지지 않을 것이다.

그렇다면 어쩌면 앞으로의 시대는, 과학이 완전히 사라지는 시대가 아니라 과학이 제시한 가능성들 가운데 무엇을 선택할지에 대해 인간의 직감과 판단이 더 중요해지는 시대일지도 모른다. 그런 의미에서 나는 언젠가 ‘직감이 과학을 이기는 시대’가 올 수도 있다고 생각한다.