Evidence-based stakeholder identification: Managing conflict and its impact on requirements prioritisation

소프트웨어 구축이라는 복잡한 세계에서 가장 중요한 사람들은 종종 찾기가 가장 어렵습니다. '이해관계자'라고 불리는 이들은 최종 제품의 형태를 결정짓는 고객, 관리자, 그리고 사용자들입니다. 만약 팀이 핵심 인물을 놓친다면, 소프트웨어는 올바른 문제를 해결하지 못하거나 결정적인 위험을 간과하게 될 수 있습니다. 수십 년 동안 이들을 찾는 일은 프로젝트 매니저의 경험에 의존하여 누가 가장 큰 영향력을 가졌는지 추측하는 인간의 직관에 달려 있었습니다. 그러나 프로젝트가 점점 더 커지고 글로벌화됨에 따라, 단순히 추측하는 것만으로는 더 이상 충분하지 않습니다. 문제는 단순히 이들을 찾는 것이 아니라, 그들의 상충하는 의견을 어떻게 가중할 것인가 하는 것입니다. 어떤 사람은 특정 사용자가 필수적이라고 말하는 반면, 다른 사람은 그가 무관하다고 주장할 수 있습니다. 이러한 주관적인 견해가 충돌할 때, 전통적인 방식은 명확한 길을 찾는 데 어려움을 겪으며 팀을 누구를 진정으로 중요하게 여겨야 할지 모르는 불확실한 상태에 남겨둡니다.

알메리아 대학교(University of Almería)의 연구진은 직관에서 벗어나, 의견 불일치를 처리하도록 설계된 수학적 접근 방식을 통해 이 퍼즐을 풀 수 있는 새로운 방법을 제안했습니다. 그들의 연구는 '현저성(salience)'이라는 개념에 초점을 맞추고 있는데, 이는 단순히 한 집단 내에서 어떤 사람이 얼마나 중요하거나 영향력 있게 인식되는지를 나타내는 척도입니다. 연구에서 그들은 서로 다른 사람들의 의견을 마치 배심원이 증언의 무게를 다는 것처럼 하나의 증거로 취급했습니다. 그들은 불확실성을 다루기 위해 원래 개발된 방법인 '증거 이론(evidence theory)' 프레임워크를 사용하여, 이러한 주관적인 평가를 하나의 명확한 그림으로 결합했습니다. 연구진은 단순히 합의를 찾는 것에 그치지 않고, 갈등을 관리하기 위해 특별히 설계된 시스템을 구축했습니다. 추천인들이 서로 얼마나 다르게 의견을 냈는지 분석함으로써, 그들의 방법론은 어떤 이해관계자가 프로젝트에 진정으로 중심적인 인물인지, 그리고 어떤 이가 주변부의 소음인지를 판별할 수 있었습니다.

아이디어를 테스트하기 위해 연구진은 유니버시티 칼리지 런던(UCL)의 RALIC 프로젝트에서 얻은 실제 데이터셋에 이 방법을 적용했습니다. 이 프로젝트는 도서관과 피트니스 센터의 출입 시스템을 통합하는 작업을 포함했으며, 기존 팀은 이미 18명의 핵심 인물과 28개의 역할을 식별해 둔 상태였습니다. 연구진은 수백 명의 사람들이 타인의 영향력을 0에서 10 사이의 척도로 평가한 추천 네트워크를 가져왔습니다. 그들은 이 등급을 시스템에 입력하여, 이를 누가 가장 중요한지에 대한 공유된 믿음으로 변환했습니다. 결과는 놀라웠습니다. 한 버전의 네트워크에서는 이 방법이 초기 잠재적 이해관계자 풀을 거의 85% 줄여, 사용된 특정 수학적 규칙에 따라 15명 또는 19명의 핵심 인물로 범위를 좁혔습니다. 또 다른 버전에서의 감소율은 약 70%였습니다. 시스템은 성공적으로 소음을 걸러내어, 기존 팀이 놓쳤던 인물을 포함하면서도 이미 의심했던 인물들의 중요성을 확인하며 핵심 그룹을 식별해 냈습니다.

이 연구는 갈등과 명확성 사이의 매혹적인 관계를 밝혀냈습니다. 연구진은 추천을 하는 사람들이 덜 의견이 갈릴수록, 시스템이 더 작고 정밀한 핵심 이해관계자 그룹에 합의할 수 있다는 것을 발견했습니다. 반대로, 네트워크에 높은 수준의 갈등이 존재할 때 시스템은 중요한 것을 놓치지 않기 위해 약간 더 큰 규모의 그룹을 식별하며 더 신중해졌습니다. 이러한 동작은 팀 내의 의견 불일치 수준 자체가 유용한 신호가 될 수 있음을 시사합니다. 또한 연구진은 사람들이 선호도를 표현하는 방식이 매우 중요하다는 것을 발견했습니다. 그들은 세 가지 다른 입력 방식—항목 순위 매기기, 점수 부여하기, 고정된 점수 배분하기—을 테스트했습니다. 그 결과, 이러한 방식들이 현저히 다른 결과를 만들어낸다는 것을 발견했습니다. 예를 들어, 갈등이 높은 네트워크에서 순위 매기기 방식에서 점수 부여 방식으로 변경하면 어떤 요구사항이 가장 중요한지에 대한 결과가 완전히 바뀌었습니다.

아마도 가장 중요한 발견은 입력을 제공하기로 선택된 구체적인 집단이 프로젝트의 우선순위를 변화시킨다는 점이었습니다. 연구진이 전체 이해관계자 집단이 설정한 우선순위와 자신들의 방법으로 식별된 '핵심' 이해관계자들이 설정한 우선순위를 비교했을 때, 그 결과는 종종 통계적으로 달랐습니다. 이는 이는 모든 사람의 의견에 의존하는 것이 가장 영향력 있는 사람들의 의견에 의존하는 것과는 다른 목표를 설정할 수 있음을 의미합니다. 어떤 경우에는 '대중'이 핵심 이해관계자들이 신경 쓰지 않는 기능을 우선시하기도 했고, 그 반대의 경우도 있었습니다. 이 연구는 만약 팀이 누구의 목소리에 귀를 기울일지를 신중하게 필터링하지 않는다면, 다수를 만족시킬 수는 있어도 프로젝트의 성공을 실제로 이끄는 소수에게는 실패하는 소프트웨어를 만들 위험이 있다고 제언합니다.

연구진은 자신들의 접근 방식이 혼란스럽고 주관적인 과정을 구조화되고 정량적인 과정으로 전환하여, 누구의 말을 들어야 할지를 식별하는 실용적이고 자동화된 방법을 제공한다고 결론지었습니다. 그들은 소프트웨어 개발의 모든 문제를 해결했다고 주장하는 것이 아니라, 갈등을 관리하는 것이 단순히 문제를 완화하는 것이 아니라 그 갈등을 사용하여 누가 중요한지를 정교하게 다듬는 과정임을 입증했습니다. 이해관계자의 의견을 결합하고 분석할 수 있는 데이터로 취급함으로써, 팀은 직관을 넘어 명확한 합의에 기반한 결정을 내릴 수 있습니다. 이 연구는 현대의 복잡한 소프트웨어 프로젝트에서 누구의 말을 들어야 하는지를 아는 것이 무엇을 만들 것인지를 아는 것만큼이나 중요하다는 점을 강조합니다. 이 연구는 성공적인 프로젝트로 가는 길이 기능 목록이 아니라, 그 뒤에 있는 인간 네트워크에 대한 정밀한 이해에서 시작된다는 사실을 상기시켜 줍니다.