Issue 014 / 2026.05.08
결정이 느려지는 이유가 바뀌었다
예전엔 정보가 없어서 결정을 미뤘다. 지금은 모두가 다른 근거를 들고 회의실에 들어온다. 합의가 느려진 자리를 들여다보면, 거기엔 데이터가 너무 많다.
오 년 전쯤, 신작 게임의 튜토리얼 길이를 결정하는 회의를 상상해보자. 팀장은 "다른 게임은 어떻게 했냐"고 묻고, 아무도 바로 답하지 못한다. 누군가 다음 주까지 조사해 오겠다고 한다. 회의는 그걸로 끝난다. 결정이 늦어진 이유는 단순하다. 비교할 자료가 없었다.
그 시절의 결정 회의는 이런 패턴이었다. 아는 사람이 말하고, 모르는 사람은 받아 적는다. 정보의 양이 곧 발언권이었다. 그래서 회의 전에 자료를 많이 찾아 오는 사람이 강했고, 자료가 모이면 결정도 따라왔다. 병목은 언제나 정보 자체에 있었다.
그때 "정보만 충분히 모이면 결정이 빨라질 것"이라는 믿음은 꽤 합리적으로 들렸다. 지금 그 믿음의 자리를 다시 보면, 뭔가 달라졌다는 걸 느끼게 된다.
같은 회의, 지금 버전. 튜토리얼 길이를 논의한다. 디자이너는 전날 밤 GPT에 물어봐서 가져온 해외 게임 다섯 개의 클리어율 패턴을 갖고 있다. 기획자는 내부 지표 툴에서 뽑은 "7분 이후 이탈률 급증" 그래프를 준비했다. 팀장은 슬랙 스레드에서 본 다른 스튜디오 사례를 복사해 왔다.
세 사람 모두 데이터를 가지고 있다. 세 사람이 내린 결론은 각각 다르다. 기획자는 "7분이 상한선"이라고 말하고, 디자이너는 "장르 특성상 12분은 괜찮다"고 말하고, 팀장은 "그 사례 게임은 우리랑 구조가 다르다"고 말한다. 논거가 없어서 싸우는 게 아니다. 논거가 서로 다른 곳에서 왔기 때문에 싸운다.
정보가 부족해서 결정을 못 하는 게 아니다. 어느 정보를 따라야 하는지를 정하는 기준이 없어서 결정을 못 한다.
AI 툴이 이 상황을 더 빠르게 만든다. 회의 전날 밤 한 시간이면 웬만한 벤치마크를 뽑을 수 있다. GPT에 물어보면 "이런 관점에서는 이렇고, 저런 관점에서는 저렇다"는 답이 금방 나온다. 그 답은 틀리지 않았다. 문제는 그 답이 다음 사람의 반론을 만들기도 똑같이 쉽다는 것이다.
논거가 많아진 회의실에서 보통 세 종류의 자리가 생긴다. 어느 자리에 앉느냐에 따라 같은 문제를 보는 눈이 달라진다. 어느 한 쪽이 틀린 게 아니다. 다만 세 자리는 서로 다른 언어로 말한다.
내부 데이터는 직접 만든 게임의 실제 유저 반응이다. 다른 게임 사례나 AI가 요약한 트렌드보다 우리 숫자가 더 신뢰할 만하다고 본다.
이 자리는 측정된 것에 무게를 둔다. 측정 안 된 것은 추측이고, 추측으로 결정하면 나중에 책임지기 어렵다는 생각이 강하다.
지표는 이미 일어난 일을 보여준다. 유저가 왜 그렇게 행동했는지는 데이터 뒤에 숨어 있다. 현장에서 쌓은 감각이 그 빈 곳을 채운다고 본다.
이 자리는 수치의 맥락을 더 중요하게 여긴다. AI가 요약한 외부 사례는 그 맥락이 빠진 요약이라 위험할 수 있다고 경계한다.
우리 내부 데이터는 우리 게임의 현재 유저만 본다. 시장이 어느 방향으로 흐르는지는 외부 사례를 봐야 알 수 있다고 말한다.
이 자리는 벤치마크와 타 게임 비교를 자주 꺼낸다. GPT 답변이나 업계 아티클이 이 자리에 연료를 공급한다.
세 자리가 평행하게 말할 때, 회의는 길어진다. 정보가 부족해서가 아니다. 각자의 논거가 모두 그럴듯하기 때문이다. 거기서 결정이 막히는 건 "어느 정보가 맞냐"의 문제가 아니라 "우리 팀에서 이 결정을 내릴 때 어떤 기준을 따르기로 했냐"라는 문제다.
예전엔 이 질문이 잘 드러나지 않았다. 자료를 가져온 사람이 하나였고, 그 자료가 곧 기준이 됐다. 지금은 자료를 가져온 사람이 세 명이고, 세 자료의 무게를 어떻게 배분할지를 먼저 합의해야 결정이 움직인다.
새 병목은 정보가 아니다. "우리 팀에서 이 종류의 결정은 어느 논거를 우선한다"는 메타 기준이 없다는 것이다.
이 메타 기준은 문서로 만들 수 있는 게 아니다. "우리는 항상 내부 지표를 우선한다"고 못 박으면 현장 감각이 죽고, "현장 감각을 중시한다"고 선언하면 지표가 무시된다. 실제로는 상황마다 다르다. 신규 유저 유입 문제라면 외부 사례가 무겁고, 리텐션 최적화라면 내부 지표가 무겁다.
그 판단을 누가, 어느 순간에 내리는지가 지금 팀의 진짜 결정 구조다. 그 구조가 명확한 팀은 논거가 세 개 쌓여도 빠르게 끝낸다. 그 구조가 흐릿한 팀은 논거가 하나여도 회의가 돈다.
논거가 많아진다고 합의가 빨라지지 않는다. 합의를 빠르게 하는 건 논거의 수가 아니라, 어느 논거를 따를지를 정하는 사람이 있느냐다. AI 툴이 더 많은 논거를 더 빠르게 만들어낼수록, 그 판단을 맡은 자리가 더 중요해진다. 그 자리가 팀 안에 있는지, 아니면 아무도 맡지 않은 채 비어 있는지.
지난 회의에서 합의가 멈춘 자리를 떠올려보자. 거기서 막힌 건 정보가 부족해서였나, 아니면 어느 정보를 따를지를 정하는 기준이 없어서였나.
정보가 많아질수록 결정이 빨라질 거라는 믿음은 틀리지 않았다. 다만 그 믿음이 맞는 조건이 하나 빠져 있었다. 모두가 같은 종류의 정보를 보고 있어야 한다는 조건이.
— Desk γ빠르게 만드는 것과 잘 만드는 것 사이. 게임 개발자가 자기 속도를 갖는다는 게 무슨 의미인지를 물었던 호.