무엇을 믿어야 하나? - 잘못된 자신감과 정직한 자신감

첫날 완벽하지 않아도 되는 시스템을 만드는 법 — '틀려도 수렴하는 구조'

"이 시스템, 처음부터 정확할까?" 데이터로 뭔가를 예측하거나 판정하는 것을 만들어본 사람이라면 이 불안을 안다. 오늘 그 불안에 대한 답을 정리했다. 핵심은 '정확한 예측'이 아니라 '오차의 자기수정'이다.

잘못된 자신감과 정직한 자신감

나는 당구 실력을 측정해 핸디를 매기는 시스템을 만들고 있다. 어느 날 스스로에게 물었다 — "이거, 자신 있나?"

"무조건 자신 있다"고 답하면 그건 거짓말이다. 계수도 잠정이고, 데이터도 아직 없으니까. 그렇다고 "자신 없다"고 하면 만들 이유가 없다.

 

정직한 답은 이 사이 어딘가에 있었고, 그걸 찾는 과정에서 중요한 걸 배웠다. 자신감을 두 종류로 나눠야 한다.

• "첫날부터 모든 게 정확한가?" → 아니다. 그렇게 답하는 사람을 믿지 마라.
• "틀려도 반드시 옳은 방향으로 수렴하는가?" → 그렇다. 이건 자신 있다.

이 두 번째가 진짜 물어야 할 질문이고, 훨씬 방어 가능한 자신감이다.

온도계는 실제 기온을 '모른다'

내 시스템의 핵심에는 '자기교정'이라는 장치가 있다. 원리는 온도계와 같다.

온도계는 실제 기온을 미리 알지 못한다. 그저 자기가 가리킨 값과 실제 사이의 어긋남을 계속 되먹여 보정할 뿐이다. 내 시스템도 똑같다. 진짜 실력을 모른 채, 자기 예측과 실제 결과의 어긋남을 누적으로 교정한다.

 

핸디를 조금 세게 줬다고 하자. 그러면 한쪽이 자꾸 이긴다. 그 결과가 다시 지수에 반영되어, 다음 핸디를 옳은 방향으로 민다. 핸디를 약하게 줬으면 반대로 작동한다. 판을 거듭할수록 핸디가 실력에 맞아간다.

여기서 결정적인 통찰이 나온다:

이 시스템의 공정성은 '정확한 첫 추정'이 아니라 '오차의 자기수정'에 걸려 있다.

첫 핸디가 틀려도 괜찮다. 시간이 그걸 고치기 때문이다.

왜 이게 그렇게 중요한가

대부분의 예측·판정 시스템은 "얼마나 정확하게 맞추느냐"로 승부를 본다. 그런데 이 접근은 근본적인 문제가 있다 — 첫 추정은 반드시 틀린다. 데이터가 없으니까. 그래서 "정확한 예측"에 성패를 걸면, 데이터가 쌓이기 전까지의 초기 구간을 견딜 방법이 없다.

 

자기교정 구조는 이 문제를 우회한다. "처음부터 맞추기"를 포기하는 대신, "틀린 것을 빠르게 고치기"에 집중한다. 그러면:

• 계수가 틀려도 → 결과가 되먹여져 고쳐진다.
• 데이터가 없어도 → 데이터가 쌓이며 저절로 정확해진다.
• 코드가 조금 어긋나도 → 시스템이 스스로 수렴한다.

이건 AI·머신러닝·추천 시스템·레이팅 등 데이터로 굴러가는 거의 모든 것에 적용되는 원리다. 넷플릭스 추천이 첫날 완벽하지 않아도 되는 이유, 검색이 쓸수록 좋아지는 이유가 다 이것이다.

'틀림'을 설계에 미리 녹인다

자기교정을 믿으면, 설계 방식 자체가 바뀐다.

잠정값으로 시작한다. 모든 계수를 "일단 이 값으로 두고, 데이터가 교체한다"로 설계한다. 완벽한 초기값을 찾느라 시간을 버리지 않는다.

 

곁가지를 본체와 분리한다. 위험하거나 불확실한 계산(내 경우엔 상성·종목 상관 같은 것)은 핵심 지수에 직접 넣지 않고, '신뢰도'라는 별도 층에만 반영한다. 그러면 곁가지가 틀려도 핵심 숫자는 안 망가진다.

 

단계적으로 켠다. 데이터가 필요한 기능은 데이터가 없으면 자동으로 꺼진 채 시작한다. 데이터가 쌓이는 만큼만 켜진다. 출시 첫날은 단순하게, 시간이 지나며 정교하게.

 

이 세 가지는 전부 "처음부터 완벽하지 않다"를 전제로 한 설계다. 틀림을 부정하는 게 아니라, 틀림을 견디도록 미리 만드는 것이다.

남는 리스크는 '데이터가 답할 문제'다

자기교정 구조로 만들면, 남는 불확실성의 성격이 바뀐다. "이 시스템이 작동할까?"라는 막연한 불안이 아니라, **"이 계수를 데이터가 얼마나 빨리 수렴시킬까?"**라는 구체적인 측정 대상이 된다.

이건 책상에서 자신하거나 불안해할 문제가 아니다. 베타에서 실측으로 확인할 목록이다. 그리고 그 목록이 명확하다는 것 자체가 — 막연히 "잘 될 것"이 아니라 뭘 확인해야 하는지 안다는 것 — 설계가 탄탄하다는 신호다.

마지막으로

데이터로 뭔가를 예측하거나 판정하는 것을 만들 때, "첫날부터 정확하게"를 목표하지 마라. 그건 불가능하고, 불가능한 걸 좇으면 시작조차 못 한다.

대신 물어라 — "틀렸을 때, 이 시스템은 스스로 고쳐지는가?"

 

그 답이 '그렇다'라면, 첫 추정이 틀려도 괜찮다. 세상에 내놓고, 데이터가 다듬게 하면 된다. 완벽한 시작이 아니라 수렴하는 구조가 진짜 자신감의 근거다.