현대 직장에서 왜 깊이 집중하기가 이렇게 어려운지, 방해 요인을 수학적 모델로 분석해 λ(방해 빈도), Δ(회복 시간), θ(집중에 필요한 최소 시간) 세 가지 변수로 설명하고, 생산성을 높이기 위한 구체적인 전략을 제시한다.
2025년 11월 24일
읽는 데 약 22분
마지막으로 “일이 잘 됐다”고 느낀 날이 언제였나요? 문제 하나에 깊게 몰입해서, 흐름(flow)에 들어가 오래 머물렀던 그날 말입니다.
Paul Graham은 2009년에 이런 글을 썼습니다: Maker’s Schedule, Manager’s Schedule. 뭔가를 만드는 사람이 작업을 제대로 하기 위해서는 긴 연속 시간이 필요하고, 회의 하나가 반나절 전체를 박살 낼 수 있다는 이야기죠. 16년이 지난 지금 우리는 Slack, Teams, 상시 대기 화상 회의, “즉시 응답” 문화까지 더했습니다. 문제는 훨씬 심각해졌고, 팬데믹은 이걸 11단으로 끌어올렸습니다. 하지만 이에 대한 대화는 여전히 답답할 정도로 모호합니다. 모두가 집중력이 망가졌다는 건 알지만, 얼마나 나쁜지, 어떻게 고칠 수 있는지는 아무도 수량화하지 못합니다.
이 글에서는, 수학 모델로 방해 중심(Interruption-driven) 업무가 어떤 모습인지 보여주겠습니다. 단 세 개의 간단한 매개변수가, 오늘이 생산적인 날이 될지 완전히 망한 날이 될지를 결정합니다. 이걸 바탕으로 수백 일치를 시뮬레이션하고, 매개변수 전체 공간을 지도처럼 그려 볼 겁니다. 그러면 지금 당신이 어디쯤 있는지, 그리고 매개변수를 조금만 바꿔도 무슨 일이 벌어지는지 정확히 보게 됩니다.
먼저, 그런 “망한 하루”가 실제로 어떻게 생겼는지부터 그림으로 그려 봅시다.
당신은 총 3시간 58분의 집중 시간을 확보했고, 60분 이상 지속된 깊은 작업 블록은 1개였습니다. 하지만 19번의 방해로 인해 잠재적인 생산성 242분을 잃었고, 가장 긴 연속 집중 구간은 81분에 그쳤습니다.
위 시각화는 8시간 근무 시간을 타임라인으로 나타낸 것입니다.
목표는 가능한 한 초록(혹은 파란) 영역 안에 오래 머무는 것입니다.
빨간 방해선이 얼마나 자주 찍히는지, 8시간 중 얼마나 많은 부분이 초록이 아니라 회복 시간인 회색인지를 보세요. 진짜로 60분 이상 이어지는 블록이 몇 개인지 세어 보세요. 단 하나뿐입니다. 하루 종일 “일은 한 것 같은데”, 실제로는 방해받지 않은 작업은 거의 하지 못한 셈입니다.
비교를 위해, 좋은 하루도 한 번 보겠습니다.
당신은 총 6시간 14분의 집중 시간을 확보했고, 60분 이상 지속된 깊은 작업 블록은 3개였습니다. 10번의 방해로 인해 잠재적인 생산성 106분을 잃었고, 가장 긴 연속 집중 구간은 137분이었습니다.
그렇다면, 망한 날에서 좋은 날로 가려면 어떻게 해야 할까요?
결국 세 개 숫자에 달려 있습니다:
이제 하나씩 살펴보겠습니다.
| 기호 | 의미 | 단위 |
|---|---|---|
| λ (람다) | 방해를 얼마나 자주 받는지 | 시간당(횟수) |
| Δ (델타) | 방해 후 다시 집중을 되찾는 데 걸리는 시간 | 분 |
| θ (세타) | 의미 있는 작업 1단위를 위해 필요한 최소 연속 시간 | 분 |
람다 λ는 방해 빈도입니다. 시간당 몇 번의 방해가 발생하는지를 나타내며, 통계적으로는 포아송 과정(Poisson process)으로 모델링할 수 있습니다. 만약 λ = 2라면, 평균적으로 한 시간에 두 번 방해를 받는다는 뜻입니다. 위 타임라인에서 λ는 빨간 스파이크가 몇 개 찍히는지와 직접 관련 있습니다.
람다는 환경의 함수입니다:
관리자나 임원처럼 본업이 방해를 받는 것에 가까운 사람들의 λ는 매우 높습니다. 반대로 평소에는 방해가 적은 역할이라도, 온콜(on-call)이나 트리아지(대응) 주간에는 λ가 갑자기 치솟습니다. 이런 변동성을 우리는 난수(randomness)로 근사해 모델에 넣습니다.
대부분의 사람들은 자신의 실제 λ를 엄청나게 과소평가합니다. 뒤에서 다시 보겠습니다.
참고 (포아송 분포에 대하여)
이 글의 시뮬레이션은 방해 발생을 포아송 과정으로 모델링합니다. 즉, 방해가 하루 동안 무작위이면서 균일하게 분포한다고 가정합니다. 실제로는 방해가 군집(clustering) 되는 경향이 큽니다.
- 회의가 연달아 몰려 있다거나
- 큰 공지 이후 Slack이 폭발한다거나
- 점심 이후 이메일이 몰려온다거나
이런 군집은 양면성이 있습니다.
- 오전 내내 회의가 몰리고, 오후에 완전히 뻥 뚫린 블록이 생기기도 하고
- 반대로 회복 시간이 겹쳐 쌓이면서, 사이사이에 집중을 회복할 기회 자체를 없애기도 합니다.
델타 Δ는 회복 시간입니다(분 단위). 누군가가 당신을 방해하면, 그 사람이 자리를 떠나는 순간 바로 100% 생산성으로 복귀하는 게 아닙니다.
뇌는:
이게 바로 Δ입니다. 타임라인에서 빨간 방해선 뒤에 오는 회색 해칭 구간의 폭이 곧 Δ입니다.
델타는 사람과 작업의 종류에 따라 달라집니다.
하지만 0이 되는 일은 없습니다. 더욱 안타까운 점은, “2분만 시간 괜찮아요?” 하는 짧은 방해도 회복에 15–20분이 걸릴 수 있다는 연구가 있다는 점입니다.
세타 θ는 의미 있는 작업 1단위를 하기 위해 필요한 최소 연속 시간입니다.
대부분은 최소 30–60분은 계속 집중해야 눈에 보이는 진전이 납니다. 그게 바로 당신의 θ입니다.
이 때문에 10분짜리 블록 5개가 50분짜리 블록 1개와 같지 않습니다.
θ보다 짧은 블록은 서로 더해져도 합이 되지 않습니다.
다른 말로 하면, 이는 단편화(fragmentation) 의 문제입니다. 방해는 전체 시간이 같더라도, 그 시간을 쓸모 없을 만큼 잘게 쪼개 버립니다.
당신은 총 3시간 44분의 집중 시간을 확보했고, 60분 이상 지속된 깊은 작업 블록은 1개였습니다. 하지만 19번의 방해로 잠재적인 생산성 256분을 잃었고, 가장 긴 연속 집중 구간은 82분이었습니다.
위와 같은 타임라인에서, θ는 초록/파란 블록을 평가하는 기준입니다. 예를 들어 θ = 60인데, 당신이 가진 블록이 전부 45분 이하다? 그럼 당신 기준의 ‘진짜 일’은 아무것도 못 한 것입니다.
처음에 숫자는 셋이라고 했지만, 용량(capacity) 은 이 세 숫자의 결과이므로 보너스 개념으로 살짝 끼워 넣겠습니다.
하루가 λ, Δ, θ에 의해 어떻게 생겼는지를 알게 되면, 그날 얼마나 많은 ‘실제 작업 단위’를 완료했는지를 세는 간단한 공식을 만들 수 있습니다.
[ C(\theta) = \sum_{i=1}^{n} \left\lfloor \frac{d_i}{\theta} \right\rfloor ]
여기서:
하루 동안의 모든 집중 블록(초록·파란 구간)에 대해, 그 안에 θ 분짜리 덩어리가 몇 개 들어가는지 세어 합산합니다. 이 값이 곧 그날의 생산 용량(capacity) 입니다. 값이 클수록 더 생산적인 하루입니다.
예를 들어, 다음은 용량이 높은 하루입니다.
당신은 총 6시간 30분의 집중 시간을 확보했고, 60분 이상 지속된 깊은 작업 블록은 3개였습니다. 9번의 방해로 잠재적인 생산성 90분을 잃었고, 가장 긴 연속 집중 구간은 119분이었습니다.
긴 초록 구간이 많이 보입니다. 60분짜리 블록도 여러 개입니다.
이런 날은 용량이 높습니다. 수학이 당신 편에 서 있는 날입니다.
하지만 상황은 언제든 어긋날 수 있습니다. 예를 들어, 당신이 하루에 다음 세 개의 집중 블록을 가졌다고 해 봅시다.
총 집중 시간은 155분입니다.
그렇다면, 용량은 얼마일까요?
답은 전적으로 θ에 달려 있습니다.
| θ | 계산 | 최종 용량 |
|---|---|---|
| 30 | ⌊90/30⌋ + ⌊45/30⌋ + ⌊20/30⌋ | 3 + 1 + 0 = 4 |
| 45 | ⌊90/45⌋ + ⌊45/45⌋ + ⌊20/45⌋ | 2 + 1 + 0 = 3 |
| 60 | ⌊90/60⌋ + ⌊45/60⌋ + ⌊20/60⌋ | 1 + 0 + 0 = 1 |
똑같은 155분인데, θ와 블록 길이에 따라 용량이 4 → 1까지 미끄러져 내려갑니다.
이게 바로 θ나 블록 길이가 조금만 바뀌어도 생산성이 와르르 무너지는 이유입니다. 바닥 함수 ⌊x⌋는 매우 가혹합니다. 이럴 땐 수학이 당신 편이 아닙니다.
λ(환경의 소음), Δ(방해의 끈질김), θ(일의 요구 수준)이라는 세 매개변수로 당신의 하루를 함수 형태로 표현하게 되면, 나쁜 날을 기분(vibe) 이 아니라 모델로 다룰 수 있게 됩니다. 즉, 논리적으로 따져 볼 수 있습니다.
지금까지는 하루만 살펴봤습니다. 하지만 하루는 우연일 수 있습니다. 어떤 날은 운이 좋고, 어떤 날은 유난히 안 좋을 수 있죠.
그렇다면 같은 λ, Δ, θ로 100일을 시뮬레이션하면 어떻게 될까요?
다행히도, 컴퓨터는 이런 시뮬레이션을 매우 쉽게 해 줍니다. 모델을 확장해 연속된 100일을 만들어보고, 각각을 한 번에 시각화해 봅시다.
(시각화 설명) 색상 범례:
- 짙은색: 가장 긴 연속 집중 구간이 45분 이상
- 중간색: 30–45분
- 옅은색: 15–30분
- 회색: 15분 미만
예: λ = 2/시간, Δ = 20분
위 격자에서 각 칸은 하나의 가상 8시간 근무일입니다. 색은 그날 확보한 가장 긴 연속 집중 블록의 길이를 나타냅니다.
위 예시는 비교적 상황이 좋을 때입니다. 그렇다면, 조건이 나빠졌을 때는 어떨까요?
예: λ = 3/시간, Δ = 20분, θ = 60분
위는 꽤 가혹한 조건(λ = 3.0, Δ = 20, θ = 60)에서의 100일입니다.
이제 모델이 준비되었으니, 현실과 연결해 봅시다. 실제 데이터가 말해 주는 λ와 Δ의 값을 모델에 넣어 보겠습니다.
여기까지 이야기한 건 새롭지 않습니다. 학계와 업계에서는 이런 수치를 이미 오랫동안 연구해 왔습니다. 연구 결과에 따르면, 방해 빈도와 회복 시간은 업계/직무에 따라 크게 다릅니다.
| 결과 | 출처 | 방법 |
|---|---|---|
| 핵심 시간대에는 평균 2분마다 한 번 방해 | Microsoft 2025 Work Trend Index | M365 텔레메트리; 상위 20% 헤비 사용자 |
| 평균 3분 5초마다 활동 전환 | González & Mark, CHI 2004 | 기술 직군 근로자 현장 관찰 연구 |
| 이메일 + 메신저 알림 7.5회/시간 | Iqbal & Horvitz, CHI 2007 | 정보 노동자 27명, 2,267시간 로그 |
| 결과 | 출처 | 방법 |
|---|---|---|
| 이메일/IM 방해 후 재개(resumption)에 10–16분 소요 | Iqbal & Horvitz, CHI 2007 | 실제 이메일·IM 방해 후 측정 |
이 연구들을 종합하면, 그다지 기분 좋지는 않은데 매우 일관된 그림이 나옵니다.
게다가 이 연구들은 꽤 오래된 결과입니다. 최근 Microsoft Work Trend Index에서는 헤비 협업자(heavy collaborators) 의 경우 2분마다 한 번 방해(λ = 30) 라고 보고합니다.
이 숫자들이 말도 안 되게 크게 느껴진다면, 아주 정상입니다. 앞에서 본 시각화들을 떠올려 보세요. 우리는 λ를 04/시간, Δ를 530분 정도로 두고 예시를 만들었습니다.
이건 현실의 매우 “정제된” 버전입니다.
이걸 감안하면, λ = 2–3 예시들은 실제 많은 환경 입장에선 최선의 시나리오입니다.
예를 들어, λ = 15(대략 González & Mark의 활동 전환에 대응), Δ = 25(중간 정도 회복 시간)으로 100일을 시뮬레이션해 보겠습니다.
(격자 설명) 45+ / 30–45 / 15–30 / <15 분, λ = 15/시간, Δ = 25분
이 격자를 보고 “시각화가 깨진 거 아닌가?”라는 생각이 든다면, 저도 처음에 그랬습니다. 격자 전체가 회색입니다. 일할 시간이 아예 없어 보입니다.
하지만, 고장 난 게 아닙니다. 이 매개변수로 시뮬레이션한 하루를 하나만 확대해서 보면 알 수 있습니다.
당신은 총 0시간 5분의 집중 시간을 확보했고, 60분 이상 지속된 깊은 작업 블록은 0개였습니다. 138번의 방해로 잠재적인 생산성 475분을 잃었고, 가장 긴 연속 집중 구간은 5분에 불과했습니다.
이제 왜 격자가 통째로 회색인지 보일 겁니다. 정말로 집중 시간이 없습니다. 사실 대부분의 날에 15분짜리 블록조차도 거의 없습니다.
이걸 100일로 축소해서 보면, 모든 날이 똑같은 회색 칸으로 보입니다.
이게 바로 현대 직장의 현실입니다.
이 연구들은 수백만 명의 실제 업무 환경을 묘사합니다. 그리고 이 매개변수 값에서는, 수학이 아주 분명하게 말합니다.
깊은 작업은 통계적으로 거의 불가능합니다.
우리는 집중이 구조적으로 제거된 환경을 당연하게 받아들이고 있습니다. 모두가 스트레스를 받는 게 이상할 게 없죠.
논의를 계속하기 위해, 일단 “정신이 나가지 않은” 비교적 정상적인 하루로 돌아가 봅시다.
(격자 설명) 45+ / 30–45 / 15–30 / <15 분, λ = 1/시간, Δ = 10분
차이를 잘 보세요.
분포 자체가 이동한 것입니다.
수학이 말해 주는 핵심 메시지는 이겁니다:
당신이 날마다 느끼는 “좋은 날/나쁜 날”의 변동성은, 대부분 구조적 힘의 결과다.
게다가, 난수(운) 덕분에 하루가 어떻게 흘러갈지에 대한 당신의 통제력은 실제보다 훨씬 작습니다.
예를 들어, λ = 1, Δ = 15인 “순한” 환경에서도 아주 좋은 날이 나올 수 있습니다.
당신은 총 5시간 25분의 집중 시간을 확보했고, 60분 이상 지속된 깊은 작업 블록은 3개였습니다. 12번의 방해로 잠재적인 생산성 155분을 잃었고, 가장 긴 연속 집중 구간은 76분이었습니다.
하지만 동일한 매개변수로도 나쁜 날이 나올 수 있습니다.
당신은 총 5시간 19분의 집중 시간을 확보했으나, 60분 이상 지속된 깊은 작업 블록은 0개였습니다. 13번의 방해로 잠재적인 생산성 161분을 잃었고, 가장 긴 연속 집중 구간은 58분이었습니다.
집중 시간 총합은 거의 같은데, 60분 블록 유무만으로 체감은 완전히 달라집니다.
좋은 레짐(조건)에서는, 높은 용량의 날이 기본값이 되고, 나쁜 날은 흡수 가능한 예외가 됩니다.
이 글에서 두 가지를 가져가신다면:
라는 점입니다. 지렛대 이야기는 뒤에서 다시 합니다.
지금까지는 λ, Δ, θ를 고정해 놓고, 그 조건 아래에서 발생하는 랜덤한 결과(하루, 100일 격자)를 살펴봤습니다.
그렇다면, 가능한 모든 λ·Δ 조합을 한눈에 본다면 어떨까요? λ와 Δ의 조합마다 기대 용량이 어떻게 달라지는지 전체 풍경을 보고 싶습니다.
이때 다시 컴퓨터의 힘을 빌립니다.
우리가 만든 히트맵(heatmap) 은 각 (λ, Δ, θ) 조합에 대해 기대 용량(하루에 완료할 수 있는 θ-블록 수) 을 색으로 표현합니다.
그리고 앞에서 본 연구 데이터를 참고해 몇 개의 셀을 강조했습니다.
이제 θ를 30, 45, 60분으로 번갈아가며 바꿔 보세요. 그때 세 하이라이트 셀이 어떻게 변하는지 관찰해 볼 수 있습니다.
포인트는 이겁니다.
용량은 θ에 매우 민감하다.
이 사실은 뒤에서 이야기할 대응 전략을 설계할 때 중요한 기준이 됩니다.
설명 (몬테카를로 추정)
히트맵을 만들기 위해, 각 (λ, Δ, θ) 조합에 대해 기대 용량(하루 평균 θ-블록 수) 을 추정합니다.
[ \lim_{N \to \infty} \frac{1}{N} \sum_{i=1}^{N} C_i = \mathbb{E}[C] ]
여기서
- (\mathbb{E}[C]): 우리가 추정하려는 기대 용량
- (N): 시뮬레이션 횟수 (보통 60회)
- (C_i): i번째 시뮬레이션에서 얻은 용량
대수의 법칙(Law of Large Numbers) 에 따르면, (N \to \infty)일 때 표본 평균이 진짜 기대값으로 수렴합니다.
실용적으로는 N = 60 정도만 되어도, 계산 시간 대비 꽤 괜찮은 근사치를 얻습니다.
이제 맵에서 실제로 이동하는 것이 무슨 의미인지 살펴봅시다.
먼저 “보통 세상”(주황 셀, λ = 2.0, Δ = 20)에서 시작합니다.
이 셀에서의 하루 예시는 다음과 같습니다.
당신은 총 3시간 37분의 집중 시간을 확보했고, 60분 이상 지속된 깊은 작업 블록은 1개였습니다. 21번의 방해로 잠재적인 생산성 263분을 잃었고, 가장 긴 연속 집중 구간은 61분이었습니다.
여전히 빨간 방해선이 많고, 회색 회복 구간도 넓습니다. 45분 이상의 진짜 집중 블록(초록)이 몇 개 안 보입니다.
이게 구조적으로 어려운 날입니다. 그리고 기억하세요: λ = 2.0은 연구 데이터에 비하면 아주 관대한 값입니다.
이제 초록 셀(λ = 1.0, Δ = 10)로 이동해 봅시다.
이 셀에서의 하루 예시는 이렇습니다.
당신은 총 7시간 30분의 집중 시간을 확보했고, 60분 이상 지속된 깊은 작업 블록은 5개였습니다. 3번의 방해로 잠재적인 생산성 30분을 잃었고, 가장 긴 연속 집중 구간은 227분이었습니다.
차이가 극적입니다.
매개변수 변화는 겨우 이 정도입니다.
그런데도 하루의 체감은 전혀 다른 세계가 됩니다.
이게 바로 “맵 위에서 이동하는 것” 이 실제로 의미하는 바입니다. 다음 섹션에서는 실제로 어떻게 이동할 수 있는지를 다룹니다.
다시 히트맵을 떠올려 봅시다.
지금까지의 이야기를 통해, 다음 두 가지는 이미 설득력이 있을 거라 생각합니다.
즉, 한 맵 안에서 위쪽·왼쪽(방해 적고, 회복 빠른) 으로 올라간 뒤, 가능하다면 아예 더 좋은 맵(낮은 λ, 낮은 Δ 환경) 으로 갈아타는 것이 이상적입니다.
이제 각각의 레버를 살펴보겠습니다.
람다 λ는 접근 가능성(access) 의 문제입니다.
좋은 소식부터 말하면: 수학적으로 보면, λ는 가장 임팩트가 큰 레버입니다.
하루에 60분짜리 블록 3개를 확보하고 싶다고 합시다. 그럴 확률이 얼마나 될까요?
먼저 λ = 1일 때, 100일을 시뮬레이션해 봅니다.
(격자 설명) λ = 1/시간, Δ = 19분
이때, 60분 이상 블록이 3개 이상 있는 날은 70개입니다.
즉, 아무 날이나 골랐을 때 70% 확률로 60분 블록 3개 이상을 가질 수 있다는 뜻입니다.
이제 λ를 2로 늘려 봅시다. 시간당 방해를 하나 더 추가했을 뿐이고, 난수 시드는 똑같이 유지했습니다.
(격자 설명) λ = 2/시간, Δ = 19분
이제 조건을 만족하는 날은 단 14개입니다.
성공 확률은 70% → 14%, 약 5배 감소입니다. 방해가 2배인데 결과는 5배 나빠졌습니다.
λ는 이론적으로는 당신이 가장 많이 통제할 수 있는 지점입니다.
하지만 현실은 만만치 않습니다.
그래도 희망은 있습니다.
따라서 λ를 줄이는 현실적인 방법은:
제 경험상, 진짜로 긴급한 일은 거의 없습니다. 사람들에게는 “당신에게 접근하려면 약간의 노력이 필요하다”는 점을 학습시키는 편이, “당신은 항상 즉시 응답한다”고 학습시키는 것보다 훨씬 낫습니다.
어떤 방식이든, λ를 줄이려는 모든 노력은 투자 대비 수익률이 매우 높은 곳입니다.
세타 θ는 λ, Δ와는 좀 다릅니다. 왜냐하면, 일의 본질을 마음대로 바꾸기는 어렵기 때문입니다.
이럴 땐, 단순히 “θ를 줄이자”라고 말해도 소용이 없습니다.
하지만 우리는 하루를 여러 θ를 가진 작업들의 포트폴리오로 설계할 수 있습니다.
그리고 이 포트폴리오를, 현실적인 λ와 Δ에 맞춰 조정할 수 있습니다.
앞서 말했듯, 이는 히트맵에서 맵 위에서 이동하는 것이 아니라, 아예 다른 θ를 가진 맵으로 바꾸는 것과 같습니다.
목표: 더 작은 θ를 가진 작업을 많이 만드는 것
λ = 3인 환경에서 θ = 90짜리 일을 하려 하면, 히트맵이 말해 주듯 거의 실패할 수밖에 없습니다.
하지만 이 작업을 θ = 30짜리 여러 개로 쪼갤 수 있다면, 상황은 갑자기 현실적인 목표가 됩니다.
예를 들어, “새 인증 플로우를 설계하고 구현한다”는 일은 θ = 90짜리일 수 있습니다. 하지만 이렇게 쪼갤 수 있습니다.
각 작업은 독립적으로 완료 가능하고, 전체 시스템을 머릿속에 한꺼번에 품고 있지 않아도 됩니다.
제품/기획 작업도 마찬가지입니다.
수학적인 장점뿐만 아니라, 심리적 장점도 있습니다.
만약 아침에 2시간 정도 λ ≈ 0에 가까운 창(예: 회의 없는 이른 오전)을 방어할 수 있다면, 이 시간에는 θ = 60–90짜리 일만 넣는 게 좋습니다.
다시 말하지만, 이건 λ 자체를 줄이는 게 아니라 λ의 일별 패턴을 활용하는 것입니다.
그런 일을 하려면:
996(주 6일, 하루 9시간) 같은 논쟁은 차치하더라도, 많은 매니저/리더들이 아침 일찍이나 일요일 밤에”만“ 깊은 일을 하는 이유가 여기 있습니다.
θ를 조정(작업 쪼개기)하는 것은 맵 위에서 좌표를 옮기는 것이 아니라, 질문 자체를 바꾸는 것입니다.
이때 보통(주황) 과 끔찍한(빨강) 셀들도 훨씬 살아볼 만한 곳으로 보이기 시작합니다.
델타 Δ는 끈적임(stickiness) 의 문제입니다.
Δ를 0으로 만들 수는 없지만, 각 방해 후 회복 시간을 몇 분씩만 줄여도 그 효과는 순식간에 누적됩니다.
Iqbal & Horvitz는 이메일·메신저 방해 이후 작업 재개까지 10–16분이 걸린다고 보고했습니다. 이 범위는 꽤 넓고, 대부분은 준비 정도와 작업 유사성에 따라 갈립니다.
Δ를 줄이는 실질적인 방법들:
이런 루틴은 말 그대로 Δ를 깎아 내리는 도구입니다.
이 모델은 틀렸습니다. 모든 모델이 그렇듯이요.
그렇다고 해서 쓸모 없는 건 아닙니다.
우리가 하고 싶은 말은 이겁니다:
현재 당신의 λ와 Δ 값을 감안하면, 깊은 작업은 의도적으로 설계하지 않는 한 수학적으로 희귀한 사건이다.
세상은 본질적으로 당신의 집중을 빼앗기 위해 설계되어 있습니다.
하지만 좋은 소식도 있습니다.
예를 들어:
당신은 모든 전투에서 이길 필요는 없습니다.
그리고 그 블록에서 이룬 성과와 그 외 시간에 이룬 성과를 비교해 보세요.
아마 λ, Δ, θ가 몸으로 느껴질 겁니다.
그리고 한 번 보이기 시작하면, 다시는 이전처럼 보이지 않을 겁니다.
직접 매개변수를 바꿔 보며 실험해 보고 싶다면, 글에 나온 Interruptions Simulator를 사용해 보세요. 이 도구를 어떻게, 왜 만들었는지는 나중에 따로 더 써 보겠습니다.
태그: programming · tech-industry · engineering-management
이전 글: Take-Home Exercises
다음 글: 지금 보고 계신 글이 최신 글입니다.
