올바른 해결책 선택하기
패턴을 진단했다면, 다음 질문은 무엇을 먼저 바꿀 것인가입니다. 이것이 중요한 이유는, 많은 사람들이 개입 방식을 반사적으로 선택하기 때문입니다. 가장 목소리가 큰 것, 가장 수치스러운 것, 가장 감정적으로 불편한 것을 바꾸려 합니다. 그 결과 노력은 생기지만, 더 나은 시스템으로 이어지지는 않는 경우가 많습니다.
Adaptable Discipline은 다른 방식으로 개입을 선택하려 합니다. 기본 질문은 "무엇이 가장 중요하게 느껴지는가?"가 아닙니다. "어떤 변화가 복귀를 더 쉽게 만들 가능성이 가장 높은가?"입니다.
실제 제약이 있는 곳에 개입하기
문제가 마찰이라면, 동기 부여 방식의 개입은 거의 효과가 없을 수 있습니다. 문제가 역량이라면, 압박을 더하면 오히려 시스템이 악화될 수 있습니다. 문제가 목적이라면, 도구를 최적화하는 것은 틀린 방향으로 더 빠르게 나아가는 데만 도움이 될 수 있습니다.
그래서 개입은 진단을 따라야 합니다. 이 프레임워크는 감정적으로 가장 두드러진 표면이 아니라, 실제 병목 지점을 바꾸려 합니다.
제약을 움직이는 가장 저렴한 변화를 우선시하기
첫 번째 개입은 보통 실제 병목 지점을 이동시키는 가장 작은 변화여야 합니다. 더 작은 움직임으로 시스템을 개선할 수 있다면, 거기서 시작하세요.
이것은 보통 다음을 우선시하는 것을 의미합니다:
- 전면 개편보다는 더 명확한 다음 단계
- 영웅적인 재시작보다는 축소된 버전
- 다섯 가지 새로운 다짐보다는 한 가지 환경 변화
- 전체 추적 체계보다는 하나의 더 나은 지표
요점은 절약 그 자체가 목적이 아닙니다. 저렴한 개입이 테스트하기 쉽고, 유지하기 쉬우며, 첫 번째 문제 위에 두 번째 문제를 만들 가능성이 낮다는 것입니다.
패턴에 맞는 개입 선택하기
패턴마다 다른 첫 번째 움직임이 필요합니다.
- 초기 drift가 눈치채지 못한 채 진행되는 것이 문제라면, 탐지와 가시성에서 시작하세요.
- 재진입 비용이 높은 것이 문제라면, 마찰 감소에서 시작하세요.
- 잘못된 행동이 너무 쉬운 것이 문제라면, 그 경로에 마찰을 높이는 것에서 시작하세요.
- 스트레스 상황에서 반복적으로 무너지는 것이 문제라면, 현재 역량에 맞는 크기의 복귀에서 시작하세요.
- 실천에 대한 감정적 저항이 문제라면, 마인드셋에서 시작하세요.
- 정렬 없이 움직이는 것이 문제라면, 목적에서 시작하세요.
- 보이지 않는 것이 문제라면, 지표에서 시작하세요.
이것은 절대적인 규칙이 아니라, 좋은 기본값입니다.
잘못된 개입에 주의하기
어떤 개입은 생산적으로 느껴지지만, 실제로는 제약을 빗나갑니다.
흔한 예:
- 시스템이 이미 너무 복잡할 때 복잡성을 더하는 것
- 진짜 문제가 낮은 역량일 때 기준을 높이는 것
- 진단 대신 자기비판으로 대체하는 것
- 진짜 문제가 마찰일 때 방향을 바꾸는 것
- 잘못된 행동이 여전히 마찰 없이 쉬운 상태에서 자기통제에 의존하려 하는 것
- 진짜 문제가 목적일 때 도구를 바꾸는 것
잘못된 개입은 대개 일시적인 감정적 안도감을 줄 뿐, 시스템을 더 작동하기 쉽게 만들지 않습니다.
이 변화가 무엇을 개선해야 하는지 물어보기
변화를 만들기 전에, 그것이 무엇을 개선해야 하는지 물어보는 것이 도움이 됩니다.
복귀를 더 저렴하게 만들어야 하나요? 더 빠르게? 더 눈에 띄게? 수치심을 덜하게? 더 정렬되게? 시작하기 더 쉽게?
이 질문에 답할 수 없다면, 개입이 아직 너무 막연한 것일 수 있습니다.
구축하고, 관찰하고, 조정하기
이 프레임워크에서 개입은 반복적입니다. 변화를 만들고, 실제로 무엇이 달라지는지 관찰한 다음, 다음 움직임이 무엇이어야 하는지 결정합니다. 그래서 복귀 속도와 다른 가시성 도구들이 중요합니다. 개입이 실제 시스템을 바꿨는지, 아니면 하루 동안 그것에 대해 느끼는 방식만 바꿨는지를 볼 수 있게 해줍니다.
목표는 첫 번째 시도에서 완벽한 개입을 찾는 것이 아닙니다. 실제 조건에서 복귀가 더 신뢰할 수 있게 되는 시스템에 점점 가까워지는 것입니다.
이 반복적인 접근 방식에 대한 더 자세한 설명은 소규모 실험 실행하기를 참고하세요.
실천 진단하는 방법에서 진단을 마친 후에 사용하세요.
- 병목 지점 이름 붙이기. 한 단어 또는 구절로: 마찰, 저마찰 drift, 역량, 목적, 마인드셋, 도구, 또는 지표.
- 그것을 겨냥하는 가장 작은 변화 고르기. 가장 만족스러운 변화가 아니라, 복귀를 더 저렴하게 만들거나 drift를 덜 자동적으로 만드는 데 가장 짧은 경로를 가진 것. 축소된 버전, 더 명확한 다음 단계, 하나의 환경적 변화, 하나의 추가된 경계.
- 잘못된 개입인지 확인하기. 이 변화가 병목 지점을 겨냥하는가, 아니면 상황이 얼마나 나쁜지에 대한 느낌을 겨냥하는가? 후자라면, 다시 선택하세요.
- 무엇을 개선해야 하는지 이름 붙이기. 복귀가 더 저렴해지나요? 진입이 더 명확해지나요? 실패에 대한 수치심이 줄어드나요? 이름 붙일 수 없다면, 개입이 아직 너무 막연한 것입니다.
다음 단계: 소규모 실험 실행하기에서 이것을 테스트 가능한 변화로 만드는 방법을 보여줍니다.