🔗 루프 엔지니어링에서 그래프 엔지니어링으로..?!

우리가 얘기 나누고 있는 루프 = 개선의 기본 단위

모든 자기개선 프로세스는 같은 4단계 엔진으로 돌아감.

통제할 대상 선택 → 목표 설정 → 격차 측정 → 격차를 줄이는 행동 → 반복..

주간 eval, ML 학습 루프, OKR, 스프린트 회고.. 이런게 전부 같은 패턴.

배우기 쉽고 값싸고 실제로 효과가 있어서 지배적인 패턴이 된 것. 인정..

↓

자, 단일 루프가 깨지는 4가지 지점이 있다.

굿하트의 법칙?
루프는 자기 지표만 보기 때문에, 지표의 원래 취지를 배신하면서까지 지표 자체를 움직이는 방법을 찾아냄.

그리고 위쪽을 보지 못함. 루프는 목표값을 향해 최적화할 뿐, 그 목표값 자체가 맞는지는 물을 수 없음.

독립적으로 만들어진 루프들끼리 서로 방해하기도.
(속도 최적화 루프 vs 정확도 최적화 루프)

종종 측정이 망가져서 대시보드는 초록불인데 아무것도 개선되지 않음.

↓

그래프 = 루프가 루프를 감시하는 구조

성숙한 시스템은 단일 루프가 아니라 루프들의 네트워크로 작동한다.

챔피언-챌린저 루프 + 드리프트 감시 루프 + 롤백 장치 + (학습 루프가 절대 못 보는) held-out 검증셋.

기업 거버넌스도 여기에 해당 할 수 있음.
빠른 운영 루프 → 분기 계획 루프 → 연간 감사 루프 → 이사회의 "목표 자체가 맞는가" 이런 루프

각 실패에 대한 구조적 해법을 고민해봐야 함.

굿하트 → 짝지어진 대응지표 / 위쪽 시야 부재 → 계층구조(느린 루프가 빠른 루프의 목표를 소유) / 충돌 → 상위 중재 루프 / 측정 부패 → 독립적 감사 루프...

↓

여기에 그래프만으로는 부족하다.
= 앵커가 필요

사실 여기가 이 글의 또 중요한점.

그래프 안의 모든 루프가 서로만 참조하고 아무도 현실을 만지지 않으면,

정교하지만 순환적인 자기확인 시스템이 되어 단일 루프와 같은 방식으로, 다만 더 늦게 더 비싸게 실패함.

그래서 필요한 것은 이런거..

최적화 루프가 절대 건드릴 수 없는 노드
+
논쟁 불가능한 측정치.. 실제 입금된 매출, 실제 실행된 테스트, 실제 남은 고객 같은..
+
외부에서 오는 판단
"무엇을 통제할 가치가 있는가"라는 최초 판단은 그래프 내부 어떤 루프도 스스로 생성할 수 없고, 사람이 실제 실패와의 접촉을 통해 공급해야 함

💭

진짜 축은 루프 vs 그래프가 아니라

ungrounded vs grounded

루프는 시스템이 나아지는 법을 배운 방식이고, 그래프는 스스로를 속이지 않으면서 나아지는 법을 배우는 방식.