TL;DR
결정 지능은 '데이터가 무엇을 말하는가?'를 넘어서 '우리가 결정해야 하는가?'를 다루는 것입니다. 시스템적인 접근방식으로 조직이 결정을 내리는 방법을 개선하는 것입니다. 구조화된 프레임워크, 거래를 평가하는 도구, 결과 추적을 통해 가정의 유효성을 검증하고, 시간이 지남에 따라 기관 학습을 통해 조직이 더 빠르게, 더 자신감 있게, 더 정당화할 수 있는 결정을 내립니다.
Decision Intelligence가 채우는 간격
대부분의 조직은 데이터 인프라에 많은 투자를 했지만, 결정을 위한 인프라에 투자를 하지 않았습니다. 결과:
- ✗의사결정은 문서화 없이 회의에서 이루어집니다
- ✗가장 큰 목소리가 이기는 것이 아니라, 가장 좋은 논증이 이기는 것이 아닙니다
- ✗유사한 의사결정은 이전의 결정이 기억나지 않기 때문에 다시 논의됩니다
- ✗결과는 원래의 이유와 비교하여 추적되지 않습니다
- ✗기관의 지식은 사람들이 떠날 때 문밖으로 나갑니다
결정 지능은 결정 프로세스를 첫 번째 우선 순위로 다루는 것을 해결합니다. - 데이터가 그것을 설명하는 것과 마찬가지로.
용어의 기원
"결정 지능"은 마케팅 용어가 아닌, 실제로 존재하는 학문입니다. 실제로 창립자도 있습니다:
로리엔 프랫 — 분야의 창시자, ~2008
컴퓨터 과학자 로리엔 프랫은 2008년 Quantellia 백서에서 처음으로 "의사 결정 공학"이라는 개념을 도입했으며, 2019년에 분야를 정의하는 책 링크: 어떻게 의사 결정 지능이 데이터, 행동, 결과를 연결하는가를 저술했습니다. 그녀의 대표적인 기여 — 인과적 의사 결정 다이어그램 — 선택에서 결과까지의 인과적 연쇄를 매핑하여 실제로보는 방법을 제공합니다.
캐시 코지르코프 — 구글의 첫 번째 의사 결정 과학자, 2018
코지르코프는 2018년 구글의 첫 번째 의사 결정 과학자가 되어서 이 용어를 대중화했으며, 이를 "정보를 더好的 행동으로 전환하는 학문" 또는 더 직접적으로 "데이터 과학++, 사회 과학 및 경영 과학을 포함한"으로 정의했습니다. 그녀의 핵심 규칙: 데이터를触하기 전에 의사 결정을 프레임합니다. 그녀는 2023년에 떠나기 전에 약 20,000명의 구글 직원을 데이터 기반 의사 결정에 훈련시켰습니다.
가트너 — 카테고리가 주류가 되는 것
가트너는 의사 결정 지능 플랫폼을 "데이터, 분석, 지식 및 AI의 구성"을 통해 의사 결정을 지원, 자동화 및 강화하는 소프트웨어로 정의하며, DI를 전체 매직 쿼드런트 카테고리로 승격시켜 — 데이터 주도에서 의사 결정 중심 조직으로의 전환을 주류로 만든 신호를 보냈습니다.
의사 결정 인텔리전스 vs BI vs 데이터 과학
비즈니스 인텔리전스
과거를 이해합니다. 대시보드, 보고서, KPI — 무엇이 발생했는지 및 현재 무엇이 발생하고 있는지. 과거를 돌아보는 것입니다.
데이터 과학
미래를 예측합니다. 모델 및 예측 — 무엇이 발생할지 및 무엇을 할 수 있는지. 미래를 예측하는 것입니다.
의사결정 지능
행동을 취하고 학습합니다. 실제로 의사결정을 내리고 결과에서 학습하는 메커니즘. 행동 지향적입니다.
결정 지능 생명 주기
전통적인 협력적 결정을 위한 협의는 회의에 집중하였지만, 결정 지능은 결정 생명 주기를 전반적으로 다루는 것 — 결정을 설계, 문서화, 측정, 개선할 수 있는 자산으로 만든다:
프레임
의사결정을 명확하게 정의하여 옵션을 논의하기 전에
모델
의사결정 구조를 가시적으로 만듭니다 — 이해 관계자, 기준, 위험
생성
브레인스토밍, AI 아이디어, 시나리오를 통해 대안을 생성합니다
평가
기준을 적용하고 증거를 가중하고 트레이드오프를 고려합니다
할당
의사결정 권한을 명확하게 합니다 —誰가 결정하고誰가 실행하는지
실행
의사결정을 명확한 책임감으로 구현합니다
모니터
결과를 예상 결과와 비교하여 추적합니다
학습
洞察을 미래의 의사결정으로 피드백합니다
이것이 가장 큰 변화이다 — 결정을 조직의 자산으로 만든다 — 설계, 문서화, 측정, 개선할 수 있는 것.
1단계: 결정을 프레임하라
지능적인 결정을 시작하는 것은 명확한 프레임이다. 의견을 나누기 전에 팀은 다음과 같은 질문을 해야 한다:
- 우리가 실제로 어떤 의사결정을 내리고 있는가?
- 왜 이것이 중요합니까? 무엇이 달려 있는가?
- 이 의사결정에 의해誰가 영향을 받는가?
- 우리는 어떤 결과를 생성하려고 하는가?
- 우리는 어떤 제약을 직면하고 있습니까 (예산, 시간, 자원)?
- 이 의사결정은 취소할 수 있습니까, 아니면 일방적인가요?
- 우리가 지연하면 무엇이 발생합니까?
- 데이터 또는 AI는 어떤 역할을 해야 합니까?
"어떤 AI 도구를 구매해야 하나?"
"어떤 결정을 AI를 증강할 수 있는지, 어떤 규제 모델을 사용할 수 있는지, 어떤 인간 책임을 할 수 있는지?"
나쁜 프레임은 나쁜 대안을 만든다. 좋은 프레임은 대안의 공간을 확장한다.
2단계: 결정을 모델링하라
결정 지능은 결정의 불투명한 구조를 명확하게 만든다. 결정 모델은 다음과 같은 것을 보여야 한다:
의사결정 소유자
최종 결정에 책임이 누구인가?
이해 관계자
誰를 상담해야 합니까?誰가 영향을 받습니까?
옵션
어떤 대안을 고려하고 있습니까?
기준
성공을 어떻게 평가합니까?
증거
어떤 데이터가 각 옵션을 지원합니까?
가정
이것이 작동하기 위해 무엇이 참이어야 합니까?
위험
무엇이 잘못될 수 있습니까? 하방은 무엇입니까?
예상 결과
우리는 어떤 결과를 예측합니까?
피드백 신호
우리는 이것이 작동했는지 어떻게 알 수 있습니까?
회의가 생산적이 느껴질 수 있지만, 결정 논리가 명확하지 않으면 조직은 왜 선택을 했는지 이해하지 못할 수 있다.
결정 권한:誰가 결정하는가?
모든 협력적 결정을 합의로 결정하는 것은 아니다. 합의는 의견을 나누는 데 도움이 되지만, 지연과 책임의 불명확성을 초래할 수 있다. 결정 지능은 명확성을 필요로 한다:
| Role | Responsibility |
|---|---|
| 추천 | 의사결정에 대한 옵션과 분석을 준비합니다 |
| 기여 | 입력, 전문 지식 또는 관점을 제공합니다 |
| 승인 | 실행 전에 승인해야 합니다 (예: 예산, 규정 준수) |
| 의사결정 | 최종 결정 — 결과를 소유합니다 |
| 실행 | 의사결정을 구현합니다 |
| 알림 | 의사결정이 내렸다는 것을 알아야 합니다 |
| 도전 | 의사결정을 질문하거나 항의할 수 있는 자격이 있습니다 |
좋은 협력은 모든 사람이 결정하는 것이 아니다. 오히려, 올바른 사람의 기여, 결정 주인의 명확성, 그리고 결정의 논리를 투명하게 만드는 것이다.
AI를 지원하는 결정을 다루는 규율
AI가 결정을 지원하는 경우, 조직은 더 강한 규율이 필요하다. AI를 지원하는 모든 결정을 위한 팀은 다음과 같은 질문을 해야 한다:
AI Decision Checklist
- 어떤 데이터를 사용하여 AI를 훈련하거나 정보를 제공합니까?
- 데이터가 신뢰할 수 있고 최신이며 대표적인가요?
- 모델이 편향될 수 있습니까? 우리는 어떻게 알 수 있습니까?
- AI의 추천을 이해 관계자에게 설명할 수 있습니까?
- AI가 잘못된 경우誰가 책임을 집습니까?
- 행동을 취하기 전에 인간의 감시가 필요한가요?
- 법적, 윤리적 또는 규제 위험이 있습니까?
- 이 의사결정을 나중에 감사할 수 있습니까?
AI는 속도와 규모를 증가시킬 수 있지만, 규율이 없으면 위험을 증가시킬 수 있다. 결정 지능은 AI를 지원하는 결정을 투명하게, 책임 있게, 검토할 수 있게 만든다.
결정 기억: 결정을 잊지 않는다
조직의 가장 큰 약점 중 하나는 결정 잊기이다. 팀은 결정을 내리고, 다음에 잊어버리며, 이전에 결정한 이유, 거부된 대안, 가정, 다시 결정할 조건을 기억하지 못한다.
현대적인 결정 기록은 다음과 같은 것을 캡처해야 한다:
- •의사결정 진술 — 무엇이 결정되었는지
- •컨텍스트 — 왜 이 의사결정이 지금 필요했는지
- •소유자 —誰가 최종 결정했는지
- •기여자 —誰가 입력을 제공했는지
- •고려된 옵션 — 거부된 대안을 포함하여
- •사용된 기준 — 옵션이 어떻게 평가되었는지
- •증거 — 의사결정을 정보한 데이터 및 분석
- •사용된 AI 도구 — 어떤 것이 사용되었으며 어떻게 기여했는지
- •수락된 위험 — 알려진 하방 및 완화
- •반대 의견 — 반대 의견 및 어떻게 처리되었는지
- •예상 결과 — 성공이 무엇인지
- •검토 날짜 — 언제 다시 평가할지
- •재개 트리거 — 어떤 조건이 의사결정을 변경할지
이것은 결정을 조직의 지식으로 만든다 — 검색할 수 있는, 참조할 수 있는, 개선할 수 있는.
리더로서의 결정 설계자
과거에는 리더가 결정을 내리거나, 합의를 도와주는 것이 기대되었지만, 결정 지능의 시대에는 리더는 결정 설계자가 되어야 한다.
결정 설계자는 좋은 선택을 위한 조건을 설계한다:
Decision Architect Capabilities
- 명확한 프레임워크 — 해결책으로 뛰어들기 전에 결정의 정의
- 더 나은 증거 — 데이터가 대시보드뿐만 아니라 결정에 도달하는 것을 보장
- 포괄적인 입력 — 관련 전문 지식을 가진 사람들의 의견을 듣기
- 건설적인 반대 — 불일치를 위한 안전성을 만들기
- 유용한 경우 AI 지원 — 언제 증강하고 언제 인간에게 양보할지 알기
- 투명한 의사결정 권한 — 모든 사람이誰가 결정하는지 알고 있음
- 문서화된 이성 — "왜"가 보존되어 "무엇"뿐만 아니라
- 측정 가능한 결과 — 성공 기준을 미리 정의
- 지속적인 학습 — 결과를 미래의 결정으로 되돌려 넣기
최고의 리더는 "어떤 결정을 내릴까?"라고 묻지 않는다. 오히려 "이 결정은 어떻게 만들어질까?"라고 묻는다.
Decision Intelligence의 네 개柱
의사결정 프레임워크
의사결정에 대한 구조화된 접근 방식: 논증 매핑, 프로/컨 분석, 가중 기준, 시나리오 계획. 이러한 접근 방식은 모든 관점이 고려되고推論이 명시적임을 보장합니다.
증거 통합
데이터와 분석을 직접 의사결정推論에 연결하는 것. "여기 차트가 있습니다"가 아니라 "이 데이터 포인트가 이 특정 논증을 지원하거나 도전하는 방법"입니다.
결과 추적
세 가지 시간 지평에서 결과를 측정하는 것: 즉각적인 결과 (우리가 올바르게 실행했는지?), 단기 결과 (우리가 목표를 달성했는지?), 장기적인 영향 (우리의 가정들이 검증되었는지?).
기관 학습
과거의 의사결정, 그 이유, 결과를 포함하는 검색 가능한 라이브러리를 구축하는 것. 새로운 의사결정은 이전의 사례를 참조할 수 있습니다. 조직은 시간이 지남에 따라 더 지능적으로 됩니다.
결정 품질을 측정하는 방법
좋은 결정을 내리는 것은 단순히 성공한 결정을 내리는 것이 아닙니다. 결정 품질은 프로세스에 대한 것입니다:
프로세스 품질
- • 대안이 생성되고 평가되었나요?
- • 증거가 고려되고 문서화되었나요?
- • 반대 의견이 들려졌고 처리되었나요?
- • 이유가 다른 사람에게 설명할 수 있을 만큼 명확합니까?
결과 품질
- • 즉각적인 결과: 의사결정이 의도대로 실행되었나요?
- • 단기 결과: 우리가 목표를 달성했나요?
- • 장기적인 영향: 우리의 주요 가정들이 검증되었나요?
학습 품질
- • 우리가 필요할 때 유사한 과거의 의사결정을 찾을 수 있습니까?
- • 우리는 반복되는 실수를 피하고 있습니까?
- • 의사결정 속도가 시간이 지남에 따라 개선되고 있습니까?
Argumentree: 결정을 위한 지능 플랫폼
대부분의 결정 지능 플랫폼은 heavyweight, 분석 중심의 엔터프라이즈 소프트웨어입니다. Argumentree는 구조화된 논리적 매핑을 사용하여, 결정의 논리적 이유를 캡처하고, 데이터만을 다루는 것이 아닌, 결정 지능 플랫폼을 제공합니다.
팀 및 조직 의사결정을 위한 구조화된 논증 매핑 — 프로/컨 트리, 증거, 전체 의사결정 추적 가능성.
AI 다중 관점 논의 — 의사결정을 내리기 전에 구별된 AI 인물로 스트레스 테스트합니다.
AI 에이전트를 위한 의사결정 추적 및 감사 — 자율 에이전트가 내리는 의사결정을 캡처, 검증 및 설명합니다.
다중 LLM 연구 및 AI 지원 논의 — 주요 모델을 통해 구조화된 분석.
Argumentree는 인간의 결정을, AI-augmented 논리적 매핑, AI 에이전트의 결정을 모두 커버하는 결정을 위한 지능 플랫폼입니다.
더 탐색하기
기업 의사결정 우수성
조직의 우산: 권위, 속도, 증거 및 문화가 어떻게 하나의 의사 결정 시스템으로 결합되는가.
증거 기반 관리
선례, 연공서열 또는 습관이 아닌 가장 좋은 가용 증거를 바탕으로 결정하기.
데이터 기반 의사 결정
더 좁은 전임자 — 데이터만으로 해결할 수 있는 것과 없는 것.
결정 구조
결정을 가역성과 노출에 따라 분류한 다음, 프로세스 가중치를 해당 클래스에 맞춥니다.
결정 감사 추적
주장된 내용과 그 이유에 대한 기록 — 메모리 레이어 결정 지능이 의존하는 것입니다.
주장 채굴
기계가 비구조적 논의에서 주장, 이유 및 반대를 어떻게 읽는가.
자주 묻는 질문
의사결정 지능이란 무엇입니까?
의사결정 지능은 더 나은 프로세스, 도구 및 피드백 루프를 통해 조직의 의사결정을 개선하는 규율입니다. 구조화된 의사결정 프레임워크, 데이터 분석 및 결과 추적을 결합하여 시간이 지남에 따라 체계적으로 의사결정 품질을 개선합니다. 목표는 단순히 좋은 의사결정을 내리는 것이 아니라 일관된 더 나은 의사결정을 위한 조직 능력을 구축하는 것입니다.
의사결정 지능은 비즈니스 인텔리전스와 어떻게 다른가요?
비즈니스 인텔리전스는 데이터 시각화 및 보고에 중점을 둡니다 — 무엇이 발생했는지 보여줍니다. 의사결정 지능은 더 나아가서 의사결정을 내리는 규칙에 대한 프레임워크, 구조화된 논의를 위한 도구 및 결과에서 학습하는 피드백 메커니즘을 제공합니다. BI는 "데이터는 무엇인가?"라는 질문에 답하지만 의사결정 지능은 "우리는 무엇을 결정해야 합니까?"라는 질문에 답합니다.
의사결정 지능의 핵심 구성 요소는 무엇입니까?
의사결정 지능에는 네 가지 핵심 구성 요소가 있습니다: 1) 의사결정 프레임워크 — 구조화된 접근 방식, 2) 증거 통합 — 데이터를 의사결정에 연결하는 것, 3) 결과 추적 — 의사결정이 의도된 결과를 달성했는지 측정하는 것, 4) 기관 학습 — 과거의 의사결정을 사용하여 미래의 의사결정을 정보하는 것.
의사결정 품질을 어떻게 측정합니까?
의사결정 품질은 여러 시간 지평에서 결과를 추적하여 측정합니다: 즉각적인 결과 (우리가 올바르게 실행했는지?), 단기 결과 (우리가 목표를 달성했는지?), 장기적인 영향 (우리의 가정들이 검증되었는지?). 품질에는 프로세스 메트릭도 포함됩니다: 이유가 문서화되었는지, 대안이 고려되었는지, 증거가 평가되었는지.
誰가 의사결정 지능 도구가 필요합니까?
의사결정이重大한 결과를 가지는 모든 조직: 治理 기구, 집행 팀, 프로젝트 관리, 법률 및 규정 준수 팀, 의료위원회, 투자위원회. 의사결정 지능은 특히 의사결정이 방어 가능, 반복 가능 또는 감사가 필요한 경우에 유용합니다.
의사결정 지능은 어떻게 시간이 지남에 따라 개선됩니까?
의사결정의 결과를 문서화된 이유와 비교하여 추적함으로써 조직은 의사결정 사례의 데이터베이스를 구축합니다. 이것은 패턴 인식을 가능하게 합니다: 어떤 유형의 推論이 좋은 결과를 가져옵니까? 어떤 신호를 더 강조해야 합니까? 시간이 지남에 따라 조직의 의사결정은 실제 결과에서 학습하기 때문에 개선됩니다. 직관에서가 아니라.
깊이 있는 탐구: 결정 지능의 실제 적용
협력적 결정을 위한 협의에서 AI를 증강한 결정 지능으로의 진화에 대해 탐구하라. 구글, 넷플릭스, 아마존이 결정 지능을 대규모로 운영하는 방법을 배워라, 그리고 결정 지능이 데이터를 행동으로 바꾸는 프레임워크를 발견하라.
읽기: 결정 지능 — 데이터에서 행동으로참조 및 추가 자료
Pratt, L. (2019). 연결: 의사 결정 인텔리전스가 데이터, 행동, 결과를 연결하는 방식. 에메랄드 출판사.
분야를 정의하는 책; 인과 의사 결정 다이어그램을 소개합니다.
View source →Pratt, L., & Malcolm, N. (2008). 의사 결정 엔지니어링 (Quantellia 화이트 페이퍼).
원래 이름으로 의사 결정 엔지니어링이라는 이름으로 처음으로 제시된 학문의 첫 번째 서술입니다.
Kozyrkov, C. (2019). 의사 결정 인텔리전스 소개.
구글의 첫 번째 의사 결정 과학자로서 DI를 정보를 더 나은 행동으로 전환하는 것으로 정의합니다.
View source →Simon, H. A. (1960). 관리 의사 결정의 새로운 과학. 하퍼 & 로우.
의사 결정을 체계적이고 개선 가능한 조직적 과정으로 다루는 초기 기초입니다.
결정 지능을 위한 능력을 구축하세요
Argumentree는 결정 지능을 위한 인프라를 제공합니다. 구조화된 논리적 매핑, 문서화된 논리, 결과 추적, searchable decision precedents.