삶의 최적점을 찾는 알고리즘: '37% 규칙'의 탐색과 선택 전략 심층 분석 및 실생활 적용 가이드

삶의 최적점을 찾는 알고리즘: '37% 규칙'의 탐색과 선택 전략 심층 분석 및 실생활 적용 가이드

보고서 개요

인생은 끊임없는 선택의 연속이며, 우리는 종종 후회 없는 최선의 결정을 내리기 위해 고뇌합니다. 심리적 조언만으로는 부족함을 느낄 때, 컴퓨터 과학의 알고리즘은 놀랍도록 명쾌한 해답을 제시할 수 있습니다. 이 보고서는 브라이언 크리스천과 톰 그리피스의 저서 '알고리즘, 인생을 계산하다'에서 소개된 핵심 개념인 '최적 멈춤' 문제와 그 해법인 '37% 규칙'을 심층적으로 탐구합니다. 특히, 이 규칙이 제시하는 탐색과 선택 전략의 효율성을 분석하고, 이를 인생의 중요한 결정들에 어떻게 적용하여 더 합리적이고 만족스러운 삶을 만들어갈 수 있는지에 대한 실질적인 아이디어를 제공할 것입니다. 궁극적으로, 알고리즘적 사고방식이 복잡한 현실 속에서 우리에게 어떤 지혜를 줄 수 있는지 조명합니다.

1. 서론: 인생의 선택, 알고리즘으로 계산하다

브라이언 크리스천과 톰 그리피스의 저서 '알고리즘, 인생을 계산하다'는 컴퓨터 과학의 핵심 원리들을 인간의 일상적인 의사결정 문제에 적용하는 혁신적인 관점을 제시합니다. 이 책은 평생의 동반자를 찾는 중대한 결정부터 주차 공간을 찾는 사소한 문제, 이메일을 효율적으로 정리하는 방법, 심지어 인간의 기억이 작동하는 방식에 이르기까지, 삶의 거의 모든 영역에서 알고리즘적 사고가 어떻게 합리적인 선택을 돕고 문제를 해결할 수 있는지를 설명합니다. 이는 복잡한 현대 사회를 살아가는 우리에게 필요한 새로운 형태의 지혜를 제공합니다.  

 

많은 사람이 선택의 기로에서 스트레스를 받고 때로는 충동적인 행동을 보이기도 합니다. 심리치료사의 조언이 종종 모호하게 느껴질 때, 알고리즘은 명확하고 단호하게 '균형점'을 제시하며 이러한 혼란을 줄일 수 있다고 저자들은 주장합니다. 알고리즘이 인간의 삶에 적용될 수 있을지에 대한 의문이 제기될 수 있지만, 이 책은 컴퓨터가 한정된 시간과 공간의 제약 속에서 수많은 문제를 해결하는 방식이 인간이 직면하는 문제와 본질적으로 유사하다는 점을 강조합니다. 알고리즘은 문제 해결에 필요한 일련의 순서화된 절차를 의미하며, 이를 통해 복잡한 문제를 빠르게 해결하고 합리적인 선택을 도출할 수 있습니다.  

 

이 책에서 소개하는 11가지 알고리즘 중 특히 주목할 만한 것은 '최적 멈춤(Optimal Stopping)'입니다. 이 알고리즘은 언제 탐색을 멈추고 결정을 내려야 하는지에 대한 해답을 제공하며, 시간의 흐름이 모든 의사 결정 문제를 최적 멈춤 문제로 바꾼다고 설명합니다. 최적 멈춤 문제의 핵심 해법으로 제시되는 것이 바로 '37% 규칙'입니다. 이 규칙은 무수히 많은 선택지 속에서 최고의 대안을 찾을 확률을 극대화하는 수학적 전략으로, 일상생활의 다양한 선택 상황에서 그 효율성을 발휘할 수 있습니다.  

 

2. '최적 멈춤' 문제와 37% 규칙의 이해

'비서 문제'를 통한 개념 설명: 탐색과 선택의 딜레마

'최적 멈춤' 문제는 흔히 '비서 문제(Secretary Problem)'라는 고전적인 시나리오를 통해 설명됩니다. 이 문제는 다음과 같은 상황을 가정합니다. 면접관이 여러 명의 지원자 중 단 한 명의 비서를 채용해야 합니다. 각 지원자를 면접한 후에는 즉시 채용 여부를 결정해야 하며, 한 번 거절한 지원자는 다시 고려할 수 없습니다. 만약 채용을 결정하면 나머지 면접은 취소됩니다.  

 

이러한 상황에서 면접관은 딜레마에 직면합니다. 너무 일찍 채용을 결정하면 뒤에 남아있는 더 좋은 지원자를 놓칠 위험이 있고, 반대로 너무 늦게까지 탐색을 계속하면 이미 지나간 최고의 지원자를 후회하게 될 수 있습니다. 결국, 언제 탐색을 멈추고 채용을 결정해야 최고의 지원자를 뽑을 수 있을지가 '최적 멈춤' 문제의 핵심 질문이 됩니다.  

 

37% 규칙의 수학적 근거 (1/e): 왜 37%인가?

이러한 '최적 멈춤' 문제에 대한 수학적으로 증명된 해법이 바로 '37% 규칙'입니다. 이 수치는 자연로그의 밑인 초월수 'e'의 역수(1/e)에 가까운 값으로, 약 36.78%에 해당합니다. 수학적 증명 과정은 복잡하여 이 보고서에서는 생략되지만 , 이 수치는 무한히 많은 선택지가 주어졌을 때 최고의 대안을 선택할 확률을 최대화하는 지점이라는 것이 중요합니다.  

 

탐색 단계: 기준점 설정의 중요성 (첫 37%)

37% 규칙의 첫 번째 단계는 전체 선택지(혹은 주어진 시간)의 약 37%를 '탐색(Explore)'하는 것입니다. 이 탐색 기간 동안에는 어떤 선택도 하지 않고, 단순히 후보들을 관찰하고 평가하며 '기준점(Baseline)'을 설정합니다. 이 기준점은 탐색 기간 동안 만났던 후보들 중 가장 뛰어났던 대안의 수준으로 정해집니다.  

 

이 탐색 단계는 단순히 외부 정보를 수집하는 것을 넘어, 의사결정 주체 내부의 기준과 선호도를 정의하고 재정립하는 중요한 역할을 수행합니다. 예를 들어, 결혼 상대를 찾는 과정에서 이 규칙을 적용한 한 사례는 흥미로운 점을 보여줍니다. 처음에는 경제적 안정을 최우선 가치로 두었지만, 첫 9명(전체 24명의 약 37%)의 이성을 만나면서 이상형의 우선순위가 '집안 환경 > 성격 > 외모 > 돈'으로 크게 변화했습니다. 이러한 변화는 탐색이 단지 외부 데이터를 수집하는 것을 넘어, 자신의 진정한 욕구와 가치를 발견하고 그에 따라 기준 자체를 업데이트하는 과정임을 보여줍니다. 컴퓨터는 입력된 기준에 따라 작동하지만, 인간은 탐색을 통해 자신의 내면을 깊이 이해하고 기준을 유연하게 조정할 수 있습니다. 이러한 내부적 변화는 이후의 선택 단계에서 후회를 줄이고 궁극적인 만족도를 높이는 데 결정적인 영향을 미칩니다. 이는 특히 배우자 선택, 직업 결정, 주택 구매와 같이 복잡하고 개인적이며 비가역적인 결정에서 매우 중요합니다. 탐색 기간을 충분히 가짐으로써, 우리는 외부 대안뿐만 아니라 우리 자신의 내면을 더 깊이 이해하게 되며, 이로 인해 내려진 결정은 단순히 '최적'일 뿐만 아니라 '만족스러운' 결정이 될 가능성이 높아집니다.  

 

선택 단계: 기준을 넘어서는 첫 번째 대안의 선택

탐색 기간(37%)이 지나면, 그동안 설정된 기준점보다 '더 나은' 첫 번째 대안이 나타났을 때 즉시 선택합니다. 이전에 본 어떤 것보다도 뛰어나다면, 주저하지 않고 그 대안을 선택하고 탐색을 종료하는 것입니다. 이 전략은 너무 오래 탐색하다가 좋은 기회를 놓치거나, 너무 일찍 결정하여 후회할 가능성을 줄여줍니다.  

 

3. 탐색과 선택 전략의 효율성

무작위 선택 대비 37% 규칙의 성공 확률 비교

무작위로 선택할 경우 최고의 대안을 선택할 확률은 선택지의 수에 반비례하여 급격히 낮아집니다. 예를 들어, 100명의 지원자 중 무작위로 한 명을 뽑는다면 최고의 지원자를 선택할 확률은 1%에 불과합니다. 그러나 37% 규칙을 따르면, 선택지의 수가 100명이든 100만 명이든 상관없이 최고의 대안을 선택할 확률이 일관되게 약 37%로 유지됩니다. 이는 이 전략이 제공하는 강력한 효율성과 일관성을 보여줍니다.  

 

하지만 여기서 중요한 점은 '최고'의 대안을 고집하는 것이 항상 최상의 결과를 가져오지는 않을 수 있다는 것입니다. 37% 규칙은 이론적으로 '최고'의 대안을 찾을 확률을 37%로 최대화하지만, 목표를 '최고'가 아닌 '충분히 좋은' 수준으로 낮추면 성공 확률은 비약적으로 증가합니다. 다음 표는 이러한 관계를 명확히 보여줍니다.

표 1: 37% 규칙의 성공 확률 변화 (목표 변경에 따른)

목표	거절 비율 (탐색 비율)	성공 확률
최고의 남편감 (상위 1%)	37%	37%
상위 5% 남편감	22%	57%
상위 10% 남편감	14%	85%
상위 25% 남편감	7%	92%

Sheets로 내보내기

 

 

이 표는 수학적으로 '최적'인 전략이 인간의 삶에서는 항상 '최고의 만족'을 의미하지 않을 수 있음을 시사합니다. '최고'를 고집하는 것은 성공 확률을 제한하는 요인이 될 수 있습니다. 현실 세계의 의사결정에서는 '완벽함'보다는 '충분한 만족'을 추구하는 '만족화(Satisficing)' 전략이 더 효율적일 수 있습니다. 이는 자원의 한계(시간, 에너지)와 후회의 최소화라는 인간적 목표에 더 부합합니다. 즉, 알고리즘은 최적해를 제시하지만, 인간은 그 최적해의 '정의'를 유연하게 조절하여 실질적인 이득을 극대화할 수 있습니다. 이러한 관점은 특히 비가역적이고 중요한 결정에서 심리적 부담을 줄여줍니다. 37% 규칙은 '최고'를 찾기 위한 도구이지만, 그 활용 방식은 인간의 목표 설정에 따라 달라질 수 있습니다. 이는 알고리즘이 '합리적 사고'를 돕는 도구이지, 인간의 '욕망과 가치'를 대체하는 것이 아님을 시사합니다. 목표를 유연하게 설정함으로써, 우리는 알고리즘의 효율성을 유지하면서도 삶의 만족도를 높일 수 있습니다.

탐색 과다/과소의 위험성 및 37% 규칙이 제공하는 균형

탐색을 너무 일찍 멈추면 뒤에 있을 더 좋은 기회를 놓치고(탐색 과소), 너무 늦게 멈추면 이미 지나간 최고의 기회를 후회하게 됩니다(탐색 과다). 37% 규칙은 이러한 탐색 과다와 과소의 위험 사이에서 최적의 균형점을 제공하여, 후회를 최소화하고 성공 확률을 최대화하는 데 기여합니다.  

 

'탐색/이용' (Explore/Exploit) 알고리즘과의 연관성: 새로운 것과 익숙한 것 사이의 균형

'탐색/이용(Explore/Exploit)'은 컴퓨터 과학에서 새로운 대안을 시도하는 '탐색'과 이미 알려진 좋은 것을 활용하는 '이용' 사이의 균형을 다루는 알고리즘입니다. 37% 규칙은 '최적 멈춤' 문제의 한 형태로서, 특정 시점까지는 탐색에 집중하고 그 이후에는 이용(선택)으로 전환하는 명확한 지점을 제시함으로써 탐색/이용 딜레마를 해결하는 한 가지 방법을 제공합니다.  

 

탐색은 종종 실망으로 이어질 수 있으며 , 반면 선호하는 것에 집중하는 것은 삶의 질을 향상시킬 수 있다고 합니다. 이러한 관점에서, 어른들의 조언은 '수십 년간의 탐색을 통해 수집된 보석 같은 정보'로 비유될 수 있습니다. 이는 탐색이 불확실성과 실망의 위험을 내포하는 반면, 이용은 안정성과 만족을 제공할 가능성이 높다는 것을 의미합니다.  

 

삶의 초기 단계에서는 새로운 경험과 지식을 얻기 위한 탐색의 비중이 높을 수밖에 없습니다. 그러나 시간이 지남에 따라 축적된 경험(탐색의 결과)을 바탕으로 이용의 비중을 늘려가는 것이 효율적입니다. 어른들의 지혜는 이러한 '축적된 탐색 경험'의 가치를 보여주는 명확한 사례입니다. 이는 개인이 나이가 들면서 탐색의 필요성이 줄어들고, 기존의 지식과 경험을 활용하는 '이용' 전략이 더욱 중요해진다는 것을 의미합니다. 이러한 관점은 인생을 하나의 거대한 '탐색/이용' 문제로 볼 수 있게 합니다. 37% 규칙은 특정 '최적 멈춤' 상황에 대한 해법이지만, 삶 전체를 놓고 보면 우리는 끊임없이 탐색과 이용의 균형을 조절해야 합니다. 나이가 들수록 삶이 더 나아져야 한다는 생각은, 축적된 탐색 경험이 더 나은 이용(결정)으로 이어질 것이라는 기대에 기반하며, 이는 알고리즘적 사고가 개인의 생애 주기 전반에 걸친 전략적 의사결정을 돕는다는 더 큰 그림을 제시합니다.

4. 우리 삶에 적용하는 '37% 규칙' 아이디어

37% 규칙은 다양한 삶의 영역에서 합리적인 의사결정을 돕는 실용적인 지침이 될 수 있습니다.

인생의 동반자 찾기

인생의 동반자를 찾는 것은 가장 중요하고 복잡한 결정 중 하나입니다. 이 규칙을 적용하려면, 먼저 결혼 가능한 기간 동안 만날 수 있는 이성의 총수를 추정하고, 그 중 37%를 탐색 기간으로 설정합니다. 이 기간 동안에는 다양한 사람을 만나며 자신에게 진정으로 중요한 가치와 우선순위가 무엇인지 파악하고 기준을 세우는 데 집중합니다. 예를 들어, 18세부터 40세까지를 연애 가능 기간으로 설정한다면, 이 기간의 37% 시점인 약 26.1세에 최적의 연인을 만날 확률이 높다고 제시되기도 합니다. 한 구체적인 적용 사례에서는 24명의 잠재적 파트너 중 첫 9명(약 37%)을 탐색하며 '이상형 우선순위'를 재정립한 후, 이 기준을 넘어서는 첫 번째 이성을 선택하는 전략을 사용했습니다.  

 

주택 구매 및 임대

주택을 구매하거나 임대할 때도 37% 규칙을 적용할 수 있습니다. 집을 찾기 위해 할당된 전체 시간의 37%를 무조건 매물을 살펴보는 데 사용합니다. 이 기간 동안에는 시장의 흐름, 지역별 특징, 매물 유형 등을 파악하고 자신만의 기준을 확립하는 데 집중합니다. 탐색 기간이 지난 후, 이전에 본 어떤 매물보다 더 나은 매물이 보이면 즉시 구매하거나 임대 결정을 내리는 것이 합리적인 전략이 될 수 있습니다.  

 

직업 및 경력 개발

초기 경력 단계에서는 다양한 직무, 산업, 기업 문화를 경험하는 '탐색'에 37%의 시간을 할애하여 자신에게 맞는 분야와 가치를 찾아 기준을 설정하는 것이 유익합니다. 이 기간 동안 얻은 경험과 지식은 이후 이직이나 커리어 전환 시 중요한 기준점이 됩니다. 탐색 기간 동안 얻은 기준을 바탕으로 더 나은 기회가 나타나면 과감히 '선택'하고 집중하는 것이 최적의 이직 시점을 결정하는 데 도움이 될 수 있습니다.  

 

투자 의사결정

새로운 투자 자산이나 시장에 진입할 때도 37% 규칙을 활용할 수 있습니다. 초기 37%의 기간 동안은 소액으로 다양한 투자처를 탐색하거나, 시장 데이터를 분석하며 자신만의 투자 기준과 위험 허용 수준을 설정하는 데 집중합니다. 이 탐색 기간에 얻은 정보와 설정된 기준에 부합하는 투자 기회가 나타나면, '선택'과 '집중'을 통해 투자를 실행하는 것이 합리적인 접근 방식입니다.  

 

일상의 작은 선택들

37% 규칙은 큰 결정뿐만 아니라 일상의 작은 선택에도 적용될 수 있습니다. 예를 들어, 새로운 레스토랑을 찾거나, 제품을 구매할 때도 유사한 방식을 적용할 수 있습니다. 10개의 새로운 레스토랑을 시도한다면, 처음 3~4곳을 방문하며 자신만의 '맛집 기준'을 세우고, 이후 그 기준을 넘어서는 첫 번째 레스토랑을 '단골'로 삼는 식입니다. 이메일 정리, 주차 공간 찾기 등 사소한 일상 문제에도 알고리즘적 사고를 적용하여 효율성을 높일 수 있습니다.  

 

5. 37% 규칙의 현실적 한계점 및 유의사항

정보의 불완전성 및 변수의 복잡성

알고리즘은 종종 완벽한 정보와 명확하게 정의된 변수를 전제로 작동하지만, 현실 세계는 불완전한 정보와 예측 불가능한 변수로 가득합니다. 특히 인간 관계와 같이 복잡한 문제는 모든 변수를 수치화하고 상수화하기 어렵습니다. 자동화 시스템의 의사결정 알고리즘 또한 대부분 단순화된 모델을 기반으로 하며, 현실의 복잡성을 완벽히 반영하지 못하기 때문에 '최적해'가 아닌 '만족할 만한 해'를 찾는 경우가 많습니다. 이는 37% 규칙을 적용할 때, 현실의 불확실성을 고려한 유연한 접근이 필요함을 시사합니다.  

 

인간 심리의 비합리성 (감정, 후회 등)

알고리즘은 "절대 후회하지 않는다"고 표현되기도 하지만 , 이는 알고리즘 자체의 논리적 완결성을 강조하는 것이지, 그 결과를 받아들이는 인간이 후회하지 않는다는 의미는 아닙니다. 인간은 확률을 계산하는 합리적인 기계가 아니며, 감정과 심리적 요인이 의사결정에 큰 영향을 미칩니다. 알고리즘은 확률적으로 계산하며 실패 확률을 내포하고 있습니다. 따라서 알고리즘의 결과를 따랐음에도 불구하고 결과가 좋지 않을 경우, 인간은 후회하거나 스트레스를 받을 수 있습니다.  

 

이러한 특성은 알고리즘이 '최적의 확률'을 제시할 뿐, '감정적 만족'이나 '후회 없음'을 보장하지는 않는다는 점을 분명히 합니다. 알고리즘은 합리적 판단을 지원하는 '도구'로서 기능하지만, 최종적인 '책임'과 '감정적 수용'은 여전히 인간의 몫입니다. 이 점은 알고리즘적 사고를 삶에 적용할 때 가장 중요한 유의사항 중 하나입니다. 우리는 알고리즘을 맹신하기보다, 그것이 제공하는 통찰을 바탕으로 '인간적인 판단'을 내리는 법을 배워야 합니다. 이는 실패의 가능성을 인정하고, 감정적 회복력을 기르며, 예측 불가능한 현실에 유연하게 대처하는 지혜를 포함합니다. 알고리즘은 '무엇을 해야 할지'에 대한 가이드를 주지만, '어떻게 느끼고 대처할지'는 여전히 인간의 영역입니다.

목표 변경에 따른 전략 유연성 (예: 최고가 아닌 상위 N% 목표 시)

37% 규칙은 이론적으로 '최고의' 대안을 찾는 데 최적화되어 있습니다. 그러나 실제 삶에서는 '최고'가 아닌 '충분히 좋은' 대안을 목표로 하는 것이 더 높은 성공 확률과 만족도를 가져올 수 있습니다. 앞서 '표 1'에서 보았듯이, 예를 들어 상위 10%의 대안을 목표로 한다면 성공 확률이 85%까지 높아집니다.  

 

이러한 결과는 알고리즘이 제시하는 '최적'이 특정 기준(예: 절대적 최고)에 대한 최적일 뿐, 인간의 다양한 목표와 가치에 따라 그 '최적'의 정의가 달라질 수 있음을 보여줍니다. 인간의 삶에서는 '절대적 최고'를 추구하는 것이 항상 가장 효율적이거나 만족스러운 결과를 가져오지 않을 수 있습니다. '충분히 좋은' 것을 목표로 삼는 것이 오히려 더 높은 성공 확률과 심리적 안정감을 제공할 수 있습니다. 이는 알고리즘의 '효율성'을 인간의 '만족도'라는 관점에서 재해석하는 중요한 지점입니다. 이 관점은 완벽주의의 함정에서 벗어나 '만족화(Satisficing)' 전략을 채택하는 데 도움을 줍니다. 알고리즘은 우리에게 '최고'를 찾을 수 있는 길을 알려주지만, 동시에 '어느 정도의 선에서 만족할 것인가'에 대한 질문을 던집니다. 이는 의사결정의 성공을 단일 지표(최고의 선택)가 아닌, 복합적인 만족도(실용성, 심리적 안정, 시간 효율성)로 평가하는 유연한 사고방식을 길러줍니다.

6. 결론: 알고리즘적 사고로 더 나은 삶을 향하여

'37% 규칙'은 '최적 멈춤' 문제에 대한 강력한 해법으로서, 인생의 중요한 결정에서 탐색과 선택의 균형을 잡아주는 실용적인 지혜를 제공합니다. 이 규칙은 무작위 선택에 비해 최고의 대안을 선택할 확률을 현저히 높여주며, 선택지의 수에 관계없이 일관된 성공 확률을 제공한다는 점에서 그 효율성이 입증됩니다. 더욱이, 이 규칙의 탐색 기간은 단순히 외부 정보를 수집하는 것을 넘어, 자신의 진정한 기준과 우선순위를 재정립하는 '자기 발견'의 기회를 제공하며, 이는 의사결정의 질과 만족도를 높이는 데 기여합니다.

그러나 알고리즘을 삶에 적용할 때는 그 한계점을 인지하고 유연한 태도를 유지하는 것이 중요합니다. 알고리즘은 인간의 비합리적 요인과 불완전한 정보라는 현실적 한계를 가지고 있음을 기억해야 합니다. 따라서 37% 규칙은 맹목적으로 따르는 것이 아니라, 삶의 복잡성을 이해하고 합리적 판단을 돕는 '도구'로 활용되어야 합니다. 때로는 '최고'만을 고집하기보다 '충분히 좋은' 대안을 목표로 삼는 유연한 태도가 더 높은 실질적 성공 확률과 만족도를 가져올 수 있습니다.  

 

궁극적으로, '알고리즘, 인생을 계산하다'가 제시하는 알고리즘적 사고는 우리가 세상을 바라보는 새로운 관점을 제공합니다. 이를 통해 우리는 복잡한 문제의 기본 구조와 해결책의 특성을 이해하여 더 나은 의사결정을 내리고 자신의 오류를 더 잘 이해할 수 있습니다. 이는 단순히 지식을 축적하는 것을 넘어, 삶의 다양한 상황에서 현명한 선택을 내리는 '지혜'를 추구하는 과정입니다. 알고리즘은 복잡한 현실 속에서 우리에게 명확한 방향을 제시하고, 더 합리적이고 만족스러운 삶을 향해 나아갈 수 있는 강력한 도구가 될 수 있습니다.