The application of systems thinking in health: why use systems thinking?
🌐 복잡한 세상을 이해하는 힘, 시스템 사고(Systems Thinking)를 아시나요?
현대 보건의료, 특히 글로벌 헬스(Global Health)는 예측하기 어려운 변수들이 많은 복잡한 세계입니다. 이런 현실에서 시스템 사고(systems thinking)는 단순한 유행이 아니라, 이 복잡한 세상을 더 잘 이해하고 개입하는 데 필요한 통찰을 주는 방식으로 점점 주목받고 있어요.
“시스템 사고는 단순한 체계적 조직이 아니라 ‘적응(adaptation)’을 보는 관점이다.”
“Systems thinking is about adaptation, not just systematic organisation.”
🧠 시스템 사고는 어떤 생각법일까요?
시스템 사고는 전체를 구성하는 요소들 간의 연결성에 주목하는 사고방식이에요. 우리가 일상에서 어떤 사건(예: 질병 유행, 사회 변화)을 예측할 때 마음속으로 그리고 있는 암묵적 모델(mental model)을, 보다 명시적으로 드러내고 재현 가능한 방식으로 표현하려는 거죠.
“좋은 연구란 암묵적 모델이 아니라, 명시적 모델을 만드는 것이다.”
“Good research is also about building and using explicit models rather than implicit ones.”
이렇게 하면 가정이 뭔지, 서로 어떤 영향을 주고받는지 명확하게 말할 수 있고, 다른 사람들과 공유하며 함께 분석할 수 있어요.
🧰 시스템 사고 도구들은 뭘까요?
시스템 사고는 단순히 사고방식에 그치지 않고, 정량적/정성적 도구들을 활용해서 복잡한 현상을 시각화하거나 분석해요. 여기서 몇 가지 대표적인 도구를 소개할게요:
🔄 인과 루프 다이어그램 (Causal Loop Diagram, CLD)
- 사람들이 생각하는 문제 요소 간의 인과관계를 화살표와 피드백 루프로 표현해요.
- 예: “영양실조 → 감염 증가 → 다시 영양상태 악화”라는 악순환 루프
“CLD는 보건 시스템 내 요소 간의 관계를 설명하고, 정책 개입의 의도치 않은 결과까지 탐색하게 해준다.”
“CLDs describe relationships between different elements of a health system to explain phenomena… and unintended consequences of policy choices.”
🤖 에이전트 기반 모델링 (Agent-Based Modeling)
- 여러 행위자(agent)가 규칙에 따라 상호작용하며, 현상이 어떻게 ‘발생’하는지를 컴퓨터 시뮬레이션으로 살펴봐요.
- 예: 백신 접종률 변화, 감염병 전파, 건강보험제도 변화 등
“에이전트 기반 모델은 실제 세계의 현상이 어떻게 전체 시스템에 영향을 주는지를 시뮬레이션하는 데 활용된다.”
“Agent based modeling… to see how real world phenomena ‘grow’ and affect the system as a whole.”
🔍 왜 시스템 사고가 중요할까요?
1. 정책 효과를 미리 실험해볼 수 있어요
- CLD, 시스템 다이내믹스 모델(system dynamics model) 등을 활용하면, 위험 없이 시뮬레이션을 통해 정책 결과를 예측해볼 수 있어요.
“모든 모델은 틀렸지만, 어떤 모델은 유용하다.”
“All models are wrong, but some are useful.” — George E.P. Box
2. 단순한 복제가 어려운 이유를 설명해줘요
- 왜 어떤 개입은 소규모에서는 성공하지만, 대규모로 확장하면 실패할까요? 시스템 사고는 이러한 실패의 이유를 밝혀주는 도구가 될 수 있어요.
3. 과학적 태도를 키우는 데 도움이 돼요
- 시스템 사고는 우리가 얼마나 모르는 것이 많은지를 자각하고, “나는 모른다”는 태도에서부터 더 나은 이해를 추구하게 해줘요.
“시스템 사고는 ‘나는 모른다’는 인식에서 출발하는 과학적 태도를 강화한다.”
“Systems thinking can reinforce what Epstein calls a ‘militant ignorance’, or commitment to the principle that ‘I don’t know’.”
✅ 마무리하며…
시스템 사고는 단순한 도구 모음이 아니에요.
이건 복잡한 세상에 접근하는 방식, 그리고 우리의 사고 습관을 바꾸는 철학이기도 합니다.
글로벌 헬스뿐만 아니라, 의료 교육, 조직 운영, 정책 설계 등 복잡한 문제에 직면한 다양한 분야에서 시스템 사고는 문제의 본질을 이해하고, 더 나은 변화를 설계하는 데 도움을 줄 수 있어요.
🧩 복잡한 세상에서 단순한 답을 찾기보다,
🔎 복잡함 그 자체를 이해하려는 시도.
그게 바로 시스템 사고입니다.
배경 (Background)
급변하는 글로벌 헬스(global health)의 영역에서, 최근 대두되고 있는 시스템 사고(systems thinking)가 단지 또 하나의 유행인지, 아니면 이해와 실천을 위한 유용한 통찰을 제공하는 지속가능한 개념인지를 판단하기란 쉽지 않다. 어떤 이들은 시스템 사고를 복잡한 이슈들을 소통하고 탐구할 수 있는 강력한 언어로 간주하지만, 또 다른 이들은 이 개념에 포함된 방대한 이론, 방법론, 도구들의 모호함에 혼란을 느끼기도 한다. 물론 시간이 지나면 그 진가가 밝혀질 것이지만, 그 이전에 우리가 한 번쯤은 생각해볼 필요가 있다. 이미 건강과학, 사회과학, 공학, 수학 등 다양한 분야의 이론과 도구를 활용하고 있는 이 분야에서 굳이 시스템 사고를 사용해야 하는 이유는 무엇일까?
암묵적 모델에서 명시적 모델로 (From mental models to explicit ones)
시스템 사고의 핵심은 어떤 전체(entity) 안에서 사물들이 서로 어떻게 연결되어 있는지를 이해하려는 시도이다. 우리는 연구를 수행하거나 그 결과를 해석할 때, 또는 어떤 개입이 특정 결과를 가져올 것이라 기대하며 실천할 때, 늘 연결성을 떠올리게 된다. 전염병, 전쟁, 또는 그 외의 사회적·생물학적·물리적 현상이 어떻게 전개될지를 논할 때, 우리는 이미 사물 간의 연결성에 대한 어떤 ‘마음속 모델(mental model)’을 전제하고 있는 것이다.
하지만 이런 암묵적인 모델은 가정이 숨겨져 있고, 데이터와의 연결도 불명확하다는 문제가 있다. 이에 반해, 시스템 사고는 명시적 모델(explicit models)을 활용한다. 명시적 모델은 가정이 명확히 기술되어 있고, 데이터에 맞춰 보정(calibration)할 수 있으며, 다른 사람들도 반복적으로 사용할 수 있다.
‘시스템(system)’이라는 단어는 그리스어 sunistánai에서 유래한 것으로, 이는 “함께 서 있게 하다(to cause to stand together)”는 뜻이다. 만약 우리가 시스템을 공통된 목적을 향해 상호작용하는 부분들로 구성된 하나의 전체로 본다면, 그 시스템을 어떻게 인식하는가, 그리고 그 인식의 질이 어떠한가도 시스템을 ‘하나로 서 있게 하는’ 요소임을 이해할 수 있다. 시스템 사고는 전체와 그 구성 요소, 그리고 그들 사이의 상호작용에 대한 인식의 질을 향상시키기 위한 도구이다.
모든 연구 결과의 해석에는 어떤 형태의 모델이 포함된다. 물리적 실험에 사용되는 물리 모델(physical model), 변수 간 관계를 추정하는 통계 모델(statistical model), 그리고 요소 간 연결 관계를 설명하는 개념적 모델(conceptual model) 등이 그것이다. 모델이란 어떤 대상, 현상 또는 시스템을 간결하게 표현하고 이해하는 방식일 뿐이다. 연구는 관찰과 실험으로 구성되지만, 필자는 좋은 연구란 암묵적 모델이 아닌 명시적 모델을 만들고 사용하는 것이라고 주장하고 싶다. 그래서 진짜 중요한 질문은 “시스템 사고를 사용할 것인가?”가 아니라, “시스템 사고와 연관된 다양한 이론, 방법, 도구들 중에서 어떤 것이 특정 상황에서 가장 유용한가?”인 것이다. 예를 들어,
- 개별 사람들이 도시와 같은 명시적인 공간에서 서로 상호작용하며 질병을 전파하는 상황을 모델링할 때는 에이전트 기반 모델링(agent-based modeling)이 특히 강력한 도구가 될 수 있다[1, 2].
- 반면, 대규모 공공 보건 시스템 내 다양한 기관들 간의 상호작용을 모델링하려는 경우에는 사회 연결망 이론(social network theory)이 더 직접적으로 유관할 수 있다[3].
기원 (Origins)
시스템 사고(systems thinking)는 주로 20세기에 탐구와 실천의 분야로 발전해왔으며, 생물학, 인류학, 물리학, 심리학, 수학, 경영학, 컴퓨터 과학 등 매우 다양한 학문 분야에서 그 뿌리를 찾을 수 있다. 이 용어는 다양한 과학자들과 연관되어 있다. 예컨대, 일반 시스템 이론(General System Theory)을 발전시킨 생물학자 루트비히 폰 베르탈란피(Ludwig von Bertalanffy), 사이버네틱스(cybernetics) 분야를 개척한 정신과 의사 로스 애시비(Ross Ashby)와 인류학자 그레고리 베이트슨(Gregory Bateson), 시스템 다이내믹스(system dynamics) 분야를 창시한 컴퓨터 공학자 제이 포레스터(Jay Forrester), 그리고 복잡 적응 시스템(complex adaptive systems) 개념을 정의하는 데 기여한 노벨상 수상자 머리 겔만(Murray Gell-Mann)과 케네스 애로우(Kenneth Arrow)를 비롯한 산타페 연구소(Santa Fe Institute)의 과학자들이 있다[4]. 이외에도, 운영 연구의 선구자인 러셀 애코프(Russell Ackoff), 그리고 학습조직(learning organization) 개념을 대중화시킨 피터 센게(Peter Senge)를 포함한 다양한 경영 사상가들도 이 분야에 중요한 영향을 끼쳤다.
시스템 사고에 대한 많은 연구들은 다양한 학문 전통의 과학자들을 통합하는 방향으로 이루어졌으며, 어떤 경우에는 한 학문에서 다른 학문으로 방법론을 이전(학제간 접근, inter-disciplinarity)하거나, 학문 간 경계를 넘나들며 연구 참여자 및 영향을 받는 당사자 등 다양한 이해관계자들과 함께 학습을 창출(초학제적 접근, trans-disciplinarity)하는 형태로 발전해왔다.
이론, 방법, 도구 (Theories, methods, and tools)
과학적 탐구를 설명하는 데 사용되는 용어가 ‘정글’처럼 혼란스럽다고 한다면, 시스템 사고 분야는 그보다 더 복잡한 언어의 밀림일지도 모른다. 이는 이 분야가 매우 다양한 학문적 유산에 뿌리를 두고 있기 때문이다. 이처럼 이질적인 학문과 초학제적 전통들이 얽혀 있다 보니, 사람들은 시스템 사고를 적용할 때 자주 “접근법(approaches)”, “관점(perspectives)”, “렌즈(lenses)” 등의 보다 넓은 용어를 사용하게 된다.
시스템 사고의 모델과 프레임워크는 때로는 범용적으로 적용 가능한 거시적 이론(예: 일반 시스템 이론)으로 등장하기도 하고, 때로는 특정 현상에만 매우 특화된 형태로 사용되기도 한다. 예컨대, 물질이 액체도 아니고 기체도 아닌 임계점(critical point)에서 보이는 행동을 설명하는 물리학 이론이 그 예이다. 시스템 사고는 어떤 현상을 설명하기 위한 합리적인 아이디어 혹은 원칙의 집합인 ‘이론(theory)’을 포함하며, 또한 지식을 얻기 위해 현상을 탐구하는 데 사용되는 다양한 과학적 방법(method)에 기반을 둔다. 이와 함께 실험을 수행하거나 관찰하고 데이터를 수집·분석하는 데 사용되는 하드웨어 및 소프트웨어로서의 도구(tool)들도 다양하게 활용된다.
그러나 이들 용어는 시스템 과학뿐 아니라 다른 과학 분야 내외에서도 일관되게 사용되지 않으며, 도구(tool), 방법(method), 이론(theory), 프레임워크(framework) 사이의 경계는 매우 모호하다. 이러한 용어들 사이의 의미 차이를 정리하려 하기보다는, 시스템 사고의 효용성은 자주 사용되는 이론, 방법, 도구들을 간략히 살펴보는 것만으로도 충분히 드러날 수 있다. (표 1 참조)
시스템 사고에서의 이론과 방법은 모두 복잡한 문제를 다루기 위해 고안된 것이다. 이들이 복잡한 이유는 다음과 같다:
- 여러 상호작용하는 행위자(agent)가 존재하며,
- 이들이 작동하는 맥락(context)이 끊임없이 변화하고,
- 변화의 방식이 선형적(linear) 또는 단순(simple)하지 않으며,
- 시스템 내부의 요소들이 학습하며, 이들이 시간에 따라 새로운 패턴을 생성할 수 있기 때문이다.
현재 글로벌 헬스 분야에서 제기되는 많은 도전들은 이제 복잡한 문제(complex problems)로 인식되고 있으며, 단순한 청사진(blueprint) 접근 방식은 성공 가능성이 제한적이라는 것이 점점 명확해지고 있다[5, 6].
시스템 사고 도구의 다양한 활용 (Wide Applications of Systems Thinking Tools)
시스템 사고 도구(systems thinking tools)는 매우 다양한 상황에 적용될 수 있다. 어떤 도구들은 사람들 간의 공동 이해를 형성하여, 그 이슈에 대해 더 깊이 있는 탐구와 실천을 촉진하는 데 목적이 있다. 예를 들어,
- 시스템 원형(Systems archetypes)은 팀이 보편적인 상호작용 패턴을 이해하고, 이를 자신의 상황(“story”)에 적용할 수 있도록 돕는다[24].
- 한편, 시스템 원형의 기존 템플릿을 사용하는 대신, 인과 루프 다이어그램(Causal Loop Diagram, CLD)은 템플릿 없이 구성되며, 문제의 요소들이 서로 어떻게 연결되어 있는지를 사람들의 인식에 기반하여 시각화하는 방식이다[19]. CLD는 일반적으로 정성적 기술(qualitative description)로 시작되며, 하나의 요소가 다른 요소에 긍정적 혹은 부정적인 영향을 미치는 방식을 설명한다.
여기서 중요한 특징은 피드백 루프(feedback loop)의 식별이다.
- 강화 루프(reinforcing or positive feedback loop): A가 B를 증가시키고, B가 다시 A를 증가시키는 구조. 예를 들어, 영양실조와 감염 간의 악순환이 여기에 해당된다.
- 균형 루프(balancing or negative feedback loop): 어떤 요소의 증가가 그 반대 방향으로 억제 작용을 일으키는 구조. 예를 들어, 체온이 상승하면 땀이 나서 체온이 떨어지는 메커니즘이 이에 해당된다.
이 특별판(supplement)에서는 여러 연구들이 CLD를 사용하여 보건 시스템 내 다양한 요소 간의 관계를 설명하고 있다. 예컨대:
- 우간다(Uganda)에서 보건 인력의 이중 근무(dual practice) 현상 [25],
- 가나(Ghana)의 의료제공자 보상 시스템(provider payment systems) [26],
- 인도(India)의 어린이 예방접종률 [27] 등을 설명하는 데 CLD가 활용되었다.
CLD의 요소들은 시스템 다이내믹스 모델(system dynamics model)로 정량화(quantification)될 수 있다. 이를 위해 각 요소들을 “저장량(stock)”, “흐름(flow)”, “보조 변수(auxiliary variable)”로 분류하고, 방정식을 통해 변수들 간의 관계를 기술하게 된다. 이 과정은 다양한 시스템 다이내믹스 소프트웨어 환경에서 이루어질 수 있다. 이 특별판에서는 Rwashana와 동료들이 시스템 다이내믹스 모델을 사용하여 우간다의 신생아 사망률(neonatal mortality)을 분석하고 있으며[28], 다른 연구자들은 정책 개입(policy interventions)의 효과를 분석하는 데 이 모델을 활용하고 있다[29].
이 외에도, 사건의 흐름이나 사물 간 연결성을 시각화하기 위해 사용되는 다양한 도구들이 존재한다. 예를 들어:
- 네트워크 맵핑(network mapping),
- 사회 연결망 분석(social network analysis),
- 프로세스 맵핑(process mapping) 등은, 사람, 조직, 혹은 과정 간의 연결 관계를 정성적 또는 정량적으로 분석하는 데 활용된다.
이 특별판에서는 Malik 외 연구진이 파키스탄에서 의사가 조언을 구하는 과정에서 형성되는 행위자 네트워크를 시각화하고 있다[30].
플로우차트(flow chart)는 어떤 과정 또는 시스템을 시각화하는 데 가장 널리 사용되는 도구 중 하나이다. 또한, 혁신의 역사(innovation history) 또는 변화 관리 역사(change management history)는, 중요 사건, 결과, 문제 상황 및 대응 조치를 연대기적으로 정리하는 방식이다. 이 특별판에서는 Zhang 외 연구진이 중국 농촌 의료 시스템의 지난 35년간의 변화를 되돌아본다[31].
참여적 영향 경로 분석(Participatory Impact Pathways Analysis)은, 워크숍과 다양한 도구의 조합을 통해 개입의 논리를 명확히 하고, 네트워크를 시각화하는 방식이다[21]. 이 방법은 수혜자, 실행자, 이해관계자들이 함께 참여하며 이해를 증진시키는 것을 목표로 한다. 이 특별판에서는 이와 유사한 접근 방식이 다양한 맥락에서 사용되었다. 예를 들면:
- 남아프리카(South Africa) 보건 시스템의 리더십 역량 강화 [32],
- 네팔(Nepal)과 소말릴란드(Somaliland)의 지속가능한 재활 프로그램 구축 [33],
- 방글라데시 북부(Northern Bangladesh)의 모자 예방 건강서비스의 지속가능한 구축 [34] 등이 그것이다.
에이전트 기반 모델링과 시스템 사고의 적용 (Agent-Based Modeling and the Application of Systems Thinking)
에이전트 기반 모델링(agent-based modeling)은 다양한 이론, 방법, 도구들을 활용하여 컴퓨터 시뮬레이션 모델을 구축하는 접근 방식이다. 이 모델은 개인이나 조직과 같은 행위자(agent)들의 상호작용을 시뮬레이션함으로써, 현실 세계의 현상이 어떻게 ‘발생(grow)’하고 전체 시스템에 영향을 미치는지를 탐구한다. 이 모델에는 다음과 같은 요소들이 포함된다:
- 다수의 행위자(agent)들이 존재하며, 이들은 다양한 스케일에서 작동하고,
- 의사결정 규칙(decision-making rules)을 따르며 (예: 재생산 방식, 상호작용 방식, 목표 추구 방식 등),
- 적응(adaptation) 메커니즘이 존재하고,
- 행위자들이 활동할 수 있는 공간이 설정된다.
글로벌 헬스(global health) 분야는 이론과 실천 모두에 관심을 가지며, 우리가 활동하는 복잡한 조건에 부합하는 모델이 요구된다. 이 모든 이론, 방법, 도구에 공통적으로 흐르는 하나의 중심 개념은 바로 다음과 같다:
시스템의 행동은 공통된 원리에 의해 지배되며, 이 원리는 발견되고 표현될 수 있다.
이러한 도구들은 우리가 현재 존재하는 시스템을 개념화(conceptualize)하는 데 유용하다. 어떤 도구들은 시스템을 변화시켜 더 나은 결과를 유도하는 방법에 초점을 맞춘다. 이러한 이론과 방법, 도구들을 활용할 때, 통계학자 조지 E.P. 박스(George E.P. Box)의 유명한 말을 기억할 필요가 있다:
“모든 모델은 틀렸다. 그러나 어떤 모델은 유용하다.”
(“All models are wrong, but some are useful.”) [35]
이제 우리는 그러한 ‘유용성’에 대해 살펴보려 한다.
공중보건과 의학에서 우리는 보통 개입(intervention)의 효과에 대한 연구 근거를 바탕으로 미래 효과에 대한 기대를 가지고 의사결정을 한다. 시나리오 계획(scenario planning)과 같은 일부 시스템 사고 도구 역시 미래 사건을 예측하기 위한 수단으로 사용할 수 있다. 그러나 이러한 도구조차도 특정 결과에 집착하기보다는 다양한 가능한 결과를 식별하고 이에 대비하는 통찰을 제공하는 데 목적이 있다.
이 글에 영감을 준 조슈아 엡스타인(Joshua Epstein)의 명강연 “Why Model?”에서 그는 예측(prediction) 외에도 모델링을 해야 하는 16가지 이유를 제시하였다[36]. 이 중 대부분의 이유는 시스템 사고 전반에도 적용 가능하다. 많은 이유들은 현상이 어떻게 작동하는지를 설명하려는 노력과 관련이 있으며, 시스템 사고는 복잡한 시스템이 어떻게 작동하는지를 설명하는 데 특히 유용하다. 이러한 모델들은 정책 개입의 실현 가능성(viability)을 안전하고 저렴한 방식으로 실험(test)해보는 데 사용될 수 있다.
예컨대:
- 에이전트 기반 모델(agent-based models),
- 시스템 다이내믹스 모델(system dynamics models),
- 시나리오 계획(scenario planning) 등은 이러한 목적으로 특히 유용하다.
이 특별판에서는 Bishai 외 연구진이 간단한 시스템 다이내믹스 모델을 제시하여, 예방(preventive) 서비스와 치료(curative) 서비스에 자원을 배분하는 정책 선택이 초래할 수 있는 트레이드오프와 의도치 않은 결과를 시각적으로 보여준다[29].
시스템 사고 접근법은 또한 다음과 같은 작업에 도움을 줄 수 있다:
- 데이터를 추가로 수집해야 할 지점을 식별하고,
- 새로운 질문과 가설을 제기하며,
- 모델의 가정을 명확히 하고, 이를 테스트하며,
- 실제 데이터와 모델을 비교·보정(calibrate)할 수 있도록 돕는다.
보건 계획자 및 연구자들에게 있어 지속적인 좌절 중 하나는, 소규모나 연구 환경에서는 효과가 입증된 개입이, 대규모나 가장 취약한 인구집단을 대상으로는 단순 복제가 되지 않는다는 점이다. 시스템 사고의 방법과 도구는 전염병(epidemics)을 설명하고, 프로그램 확대를 위한 전략적 기획을 돕는 데 점점 더 자주 활용되고 있다[5, 6].
시스템 사고를 활용해야 할 더 강력한 이유 중 하나는 ‘과학적 사고 습관’을 북돋는 데 있다. 특정 이론이나 방법, 도구의 기여를 넘어서, 시스템 사고의 실천은 조슈아 엡스타인이 말하는 바, “전투적인 무지(militant ignorance)”, 즉 "모른다는 인식 자체를 과학적 탐구의 출발점으로 삼는 태도"를 강화시킨다. 시스템 사고는 우리가 글로벌 헬스에서 사용하는 기존의 이론, 방법, 도구에 새로운 이해의 지평과 지속적인 시험 및 수정의 기회를 추가한다. 이는 사물의 본질(nature of things)을 이해하고, 사람들의 건강을 향상시키기 위한 개입을 설계하는 데 있어 더 나은 기반을 제공한다. 그리고 글로벌 헬스에서 사유(thinking)와 실천(doing)을 중요시하는 이들에게 이것은 분명히 바람직한 일이다.
🧠 시스템 사고 이론, 방법, 도구 (Systems Thinking Theories, Methods, and Tools)
🔹 이론 (Theories)
- 카타스트로피 이론 (Catastrophe Theory)
작은 변화가 시스템의 급격한 전환을 유발할 수 있다는 것을 수학과 기하학을 통해 설명하는 이론입니다. 비선형 시스템에서의 갑작스러운 변화나 행동 전환을 분석합니다. (참고: Poston & Stewart) - 사이버네틱스 (Cybernetics)
생명체 및 비생명 시스템(예: 조직 등)에서의 조절 및 피드백 메커니즘을 다루는 커뮤니케이션 이론입니다. 전통적으로 시스템 이론의 동의어로 사용되기도 했습니다. (참고: Ashby) - 카오스 이론 (Chaos Theory)
작은 초기 조건의 변화가 완전히 다른 결과를 낳을 수 있음을 수학적으로 설명하는 이론입니다. 시스템은 무작위가 아닌, 규칙 속에서 변화합니다. (참고: Strogatz) - 일반 시스템 이론 (General Systems Theory)
모든 분야에서 시스템을 설명할 수 있는 ‘일반 이론’을 찾으려는 시도입니다. 단일 시스템 이론이라기보다 철학, 과학, 기술 등의 관점에서의 체계적 탐구에 가깝습니다. (참고: von Bertalanffy) - 학습 조직 이론 (Learning Organizations Theory)
조직 구성원들이 함께 배우고 스스로를 변화시키는 학습 중심 조직에 대한 이론입니다. 환경에 적응하고, 공동 비전과 팀 학습을 강조합니다. (참고: Senge) - 경로 의존성 이론 (Path Dependency Theory)
초기 조건이 유사해도 경로가 달라질 수 있는 사회과학 및 경제학 이론입니다. 현재 결과는 단지 초기 조건만이 아니라, 중간의 선택과 갈림길에도 의존합니다. (참고: Arthur) - 단속적 평형 이론 (Punctuated Equilibrium in Social Theory)
정책 변화나 사회 갈등과 관련된 급격한 변화와 장기적 정체 상태를 설명하는 진화론 기반 이론입니다. (참고: Baumgartner & Jones)
🔹 방법 (Methods)
- 에이전트 기반 모델링 (Agent-Based Modeling, ABM)
복잡한 시스템을 구성하는 개별 행위자(agent)의 상호작용을 시뮬레이션하여 전체 시스템의 행동을 분석합니다. 자생적 조직과 복잡한 패턴을 이해하는 데 적합합니다. (참고: Epstein) - 네트워크 분석 (Network Analysis / Social Network Analysis)
사람, 조직 등 다양한 객체 간의 관계를 시각화하고 분석하는 도구입니다. 사회학, 생물학, 정치학, 컴퓨터 과학 등에서 활용됩니다. (참고: Newman, Valente) - 시나리오 플래닝 (Scenario Planning)
미래 가능성들을 탐색하고, 이에 따른 전략을 수립하는 도구입니다. 실제 예측보다 다양한 가능성에 대한 사고를 촉진하는 데 목적이 있습니다. (참고: Schoemaker) - 시스템 다이내믹스 모델링 (Systems Dynamics Modeling)
피드백 루프와 흐름(Flows)을 포함한 동적 시스템의 변화를 이해하는 데 사용하는 접근입니다. 시간의 흐름에 따른 복합 변수와 지연 효과를 분석합니다. (참고: Forrester)
🔹 도구 (Tools)
- 인과 루프 다이어그램 (Causal Loop Diagrams, CLD)
정성적 인과관계와 피드백 구조를 시각적으로 표현하는 도구입니다. 긍정적 루프(강화)와 부정적 루프(균형)를 통해 시스템의 행동을 이해합니다. (참고: Williams & Hummelbrunner) - 혁신/변화 관리 이력 (Innovation or Change Management History)
시스템 변화를 야기한 요인과 결과를 체계적으로 정리하여 문제 해결에 필요한 조치를 식별하는 분석 도구입니다. 다양한 이해관계자와의 면담을 포함합니다. (참고: Douthwaite & Ashby) - 참여형 영향경로 분석 (Participatory Impact Pathways Analysis, PIPA)
PIPA는 논리모델, 네트워크 분석, 영향 경로 맵핑을 통합하는 워크숍 기반 접근 방식입니다. 참가자들은 프로젝트가 어떻게 작동할 것인지에 대한 가정과 내면의 인식 모델(mental model)을 명시적으로 드러내고, 영향을 어떻게 달성할 것인지에 대한 공감대(consensus)를 형성하기 위해 협업합니다. (참고: Alvarez) - 프로세스 매핑 (Process Mapping)
흐름도(flow chart)와 같은 도구를 통해, 행동과 반응의 순차적 구조를 시각적으로 표현합니다. 매우 유연하게 활용할 수 있으며, 현재의 프로세스를 명확히 하거나 병목 지점(bottleneck)이나 비효율적인 단계들을 식별하거나, 이상적인 프로세스 구상(ideal future map)을 그리는 데 사용할 수 있습니다. (참고: Damelio) - 재고 및 흐름 다이어그램 (Stock and Flow Diagrams)
정량적인 시스템 다이내믹스 도구로서, 모델 기반 정책 분석을 시뮬레이션 기반 동적 환경에서 수행할 수 있도록 도와줍니다. 이 다이어그램은 피드백 루프를 명시적으로 반영하여 복잡하고 비선형적인 시스템의 행동을 시각화합니다. (참고: Sterman) - 시스템 원형 (Systems Archetypes)
시스템 원형은 시스템 내에서 반복적으로 나타나는 일반적인 구조 및 행동 패턴을 설명합니다. 균형적 피드백 루프와 강화 루프의 다양한 유형을 예시로 보여주는 템플릿 역할을 하며, 이를 통해 팀이 시스템이 어떻게 작동하는지, 특히 성과가 시간이 지나며 어떻게 변화하는지를 진단할 수 있게 합니다. (참고: Kim)