자신이 좋아하는 일 탐색 최적화 방법에 대한 고찰

우리는 평생 일을 하면서 살아야 한다. 일이 꼭 돈을 벌기 위한 것이 아니더라도 아무것도 안 하는 상태로 평생을 살 수는 없다. 박사 과정이 이제 반 정도 지났다고 생각드는 요즘 내가 하고 싶은 일이 무엇인가에 대해서 고민이 생겼다. 이런 고민은 꼬리에 꼬리를 물었고 결국 "내가 좋아하는 일을 찾는 방법이 무엇일까"에 이르렀다.

 

좋아하는 일을 찾기 위해서는 경험을 해봐야 한다

거의 대부분의 글과 영상에서 하는 공통적인 방법은 경험을 통해서만 자신이 좋아하는 일을 찾을 수 있다는 것이었다. 일반적으로 알려진 이 조언이 참이라고 가정하였을 때, 내가 가장 좋아하는 일을 찾기 위해서는 결국 세상에 모든 일을 모두 경험해보고 그 중에서 가장 내가 좋아하는 일을 선택해야 한다. 즉 완전 탐색 알고리즘 (exhaustive search algorithm)을 통해 모든 일을 한 번씩은 경험해봐야 내가 가장 좋아하는 일을 찾을 수 있다는 뜻이다.

 

이것은 "윌리를 찾아라"보다 어려운 문제이다. 왜냐하면, 윌리는 윌리만 찾으면 탐색하지 않은 다른 사람들은 더이상 탐색할 필요가 없지만 내가 가장 좋아하는 일은 내가 경험해보지 못한 일 중에서 있을 수도 있기 때문이다. 즉, 적당히 좋아하는 일을 찾고 일을 경험해보는 것을 끝마쳤는데, 바로 다음에 경험하기로 한 일이 나에게 더 좋을 수도 있다는 것이다. 따라서 어떤 일이 "내가 가장 좋아하는 일"이라고 선언하기 위해서는, 해당 일이 다른 모든 일보다 좋다는 것을 입증해야한다.

윌리 찾기보다 어려운게 인생이지

 

하지만 우리의 인생은 짧고 세상에 있는 모든 일을 경험해 보는 것은 어려움이 있다. 그리고 이제 내 나이는 어느덧 30을 바라보고 있고 생각 없이 아무 일이나 할 수는 없다. 그래서 내가 생각한 방법은 최적해를 찾기 보다는 괜찮은 해 (best solution)을 찾아봐야 한다는 것이다. 즉, 어떤 일이 내가 가장 좋아하는 일이라고 주장할 순 없어도, 내가 무척이나 좋아하는 일이라고 생각들 정도의 일이라고 주장할 수 있는, 그런 일을 찾는 방법을 생각해보았다. 편의를 위해 돈을 벌기 위한 일인 직업 하나를 선택하는 문제로 축약하였다.

문제의 정의

임의의 직업을 그래프 상의 X 축의 한 점에 나타낼 수 있다고 가정하자. 그리고 유사한 직업은 X축 상에서 가까이 존재한다. 이 때 각 일은 그것에 상응하는 직업 만족도가 존재하며, 이는 내가 경험해봐야만 측정할 수 있다. 이 때, f(직업)=직업만족도 함수 (그림에서 그래프)는 미분 가능하다고 가정하자. 지금 나의 직업이 주어졌을 때, 내가 꽤 좋아하는 직업인 B를 찾기 위한 방법은 무엇일까.

그림 1. 직업에 따른 직업 만족도의 개념적 예시

제안 방법의 설명

방법의 요체는 X(t)가 주어진 상태에서 직업의 변동을 주어 B로 최대한 빠르게 이동하는 방법을 찾는 것이다. 물론 현실적인 문제를 고려하여. 우리가 익숙한 미분 개념을 활용하면 된다. 즉 기울기가 증가하는 방향으로 직업을 바꿔가는 것이다. 위의 그림에서 예시로 따지자면 X(t)에서 직업의 변경을 우측으로 이동하여 B에 해당하는 직업으로 조금씩 직업을 바꿔간다면 B에 도달하게 된다.

 

하지만 우리는 저 그래프가 주어졌기 때문에 X(t)에서 오른쪽으로 가야 한다는 방향을 알 수 있는 것이다. 그러나 문제의 정의에서 직업 만족도는 해당 직업을 경험해봐야 알 수 있기 때문에 이 방향 (미분계수의 부호)를 찾는 것은 어려운 문제이다. 

 

나는 이를 Adaptive Extremum-seeking control 이라는 실시간 제어 방법에서 영감을 얻어 직업 변경의 방향을 결정하는 방법을 고안하였다. Adaptive-Extremum-seeking control 은 아래의 그림 2에 간단하게 그려져 있다. 제어하고자 하는 장치에 매우 미세한 진동 신호를 추가로 주고, 그 진동에 따른 변화를 감지하여 미분 계수의 부호를 추정하는 방법이다. 

 

그림 2. Adaptive extremum-seeking control

이것을 직업에 적용하면 다음과 같이 할 수 있다.

(1) 현재 가지고 있는 직업에 대해서 여러가지 방향으로 미세한 변화를 준다. 즉 이직을 하는 것이 아니라 일의 방식에 조금의 변화를 준다.

(2) 미세한 변화를 주었을 때 나의 직업 만족도가 증가하는지 감소하는지 확인한다.

(3) 직업 만족도가 증가한다면 그 상태를 유지하거나 (little shift), 화끈하게 그런 직업으로 직업을 변경한다 (big shift)

(4) (1)-(3)의 과정을 반복하여 어떤 상태로 미세한 변화를 주었을 때 직업 만족도가 항상 떨어진다면, 그 지점이 그림 1의 B 직업이라고 할 수 있다.

 

개념적 적용

현재 나의 직업 X(2021.06.15)는 산업공학을 전공하고 있는 대학원생이며, 데이터 분석 기반 품질 관리 방법론에 대한 연구를 하고 있다. 이 때 미세한 변화라고 한다면 연구 분야를 조금씩 변경해보는 것이 될 수 있겠다. 품질 관리가 아니라 제어 쪽을 연구해보는 것으로. (앗 품질관리와 제어는 너무 큰 변화인 것 같다고? 적용 예시일 뿐이니 넘어가자) 이 때 제어 쪽 연구가 더 만족도가 높다면 우선 제어를 연구하는 대학원생이 되거나 (little shift), 대학원을 때려 치고 제어를 연구하는 회사로 취직을 하는 것 (big shift)이다. 이런 과정을 반복해서 내가 썩 좋아하는 직업을 찾을 때까지 반복한다.

 

한계점과 향후 연구 제안

제안한 방법론을 실제에 적용하기 위해서는 몇 가지 한계점이 존재하고, 이를 해결하기 위한 향후 연구를 제안하고자 한다..

첫째, 직업에 따른 나의 직업 만족도를 정량적으로 측정하는 방법이 존재하지 않는다는 것이다. 즉, 내가 좋아하는 직업이라는 것은 주관적인 척도로서 정량화 하기가 어렵다. 또한 직업을 X축에 매핑하는 것 또한 매우 어려운 일이다. 방법에서의 미세한 변화와 그것을 토대로 직업 변화 방향을 결정하는 실질적인 방법을 제안하지 못했다는 한계점이 존재한다. 따라서 직업과 직업 만족도의 정량화에 대한 연구가 필요하다.

둘째, 또한, 단기적인 직업 만족도와 장기적인 직업 만족도에는 차이가 존재할 수 있는데, 본 방법은 이러한 차이에 대한 고려가 이루어지지 않았다.  따라서 직업 만족도의 정량화 방법과 단기, 중기, 장기적 직업 선택에 대한 차별된 직업 탐색 방법의 연구가 필요하다.

셋째, 이 방법을 통해서는 지역해 (local optimum)에 밖에 수렴할 수 없다. 만약 직업 만족도가 직업에 따른 볼록 함수라면 이 방법으로 "내가 가장 좋아하는 직업"을 찾을 수 있다. 그러나 그림 1과 같이 볼록 함수가 아닐 경우 이 방법을 통해서 찾을 수 있는 최고의 직업은 B가 전부이다. 따라서 A라는 직업을 평생 찾을 수 없다는 한계점이 있다. 따라서 방법론에서 직업 변경 방향에 대한 random search 요소, 혹은 간헐적으로 A와 근접한 직업을 경험하여 직업 탐색 시작 지점을 변경할 수 있는 방법에 대한 연구가 필요하다.

 

결론

본 마음끄적 글에서는 "내가 좋아하는 직업"을 찾기위한 개념적인 최적화 방법을 제안하였다. Adaptive extremum-seeking search 방법에서 영감을 받은 직업의 미세한 변화를 통한 직업 만족도 변화 추이를 분석하여 내가 꽤 좋아하는 직업으로 수렴할 수 있는 방법을 제안하였다. 몇 가지 한계점이 존재하지만 직업 변화의 방향을 고려하는 많은 청년들에게 큰 도움이 될 것으로 기대된다.