7장 기계 작업과 금속 절삭의 법칙 — 과학적 관리의 원칙

지금까지는 일부러 단순한 종류의 작업만 사례로 들었다. 그래서 일반화 능력이 더 뛰어나 자발적으로 과학적이고 나은 방법을 고를 가능성이 큰 영리한 기능공에게도 이런 협력이 바람직한지 강한 의문이 남을 것이다.

다음 사례는 더 높은 수준의 작업에서 개발되는 과학 법칙이 아주 복잡하다는 사실을 보여준다. 높은 임금을 받는 기능공은 법칙을 찾고, 자신이 그에 맞춰 일하도록 선발되고 성장하고 훈련받는 과정에서 저임금 노동자보다도 자신보다 교육받은 사람의 협력이 더 필요하다.

사실상 모든 기계 기술에서 각 동작의 밑바탕에 있는 과학은 방대하다. 실제 작업에 가장 적합한 노동자도 교육 또는 지적 능력이 부족해 그 과학을 이해할 수 없다는 처음의 주장을 이 사례들이 완전히 분명하게 만들 것이다.

예를 들어 같은 기계를 10년이고 20년이고 대량으로 만드는 사업장을 생각해 보자. 기능공마다 제한된 작업을 거듭 반복한다. 독자 대부분은 각자의 창의성과 때때로 감독에게 받는 도움으로 아주 뛰어난 방법과 개인 기량을 발전시켰을 테니 어떤 과학 연구를 해도 효율을 실질적으로 높이지 못하리라는 의문을 품을 것이다.

12년 같은 선반을 돌린 기능공

몇 년 전 약 300명을 고용한 회사가 과학적 관리를 도입하면 이익이 있을지 조사해 달라고 요청했다. 같은 기계를 10~15년 동안 만들던 회사였다. 훌륭한 공장장과 뛰어난 감독·노동자가 오랫동안 성과급제로 공장을 운영했다. 사업장 전체의 물리적 상태는 미국의 평균 기계공장보다 확실히 좋았다.

과업 관리를 도입하면 같은 수의 사람과 기계로 생산량을 두 배 넘게 늘릴 수 있다고 말하자 공장장은 노골적으로 불쾌해했다. 그런 말은 허풍이고 완전히 거짓이며, 믿음을 주기는커녕 뻔뻔한 주장을 하는 사람에게 혐오감이 든다고 했다. 그래도 공장 평균을 대표한다고 생각하는 기계를 직접 하나 고르고, 그 기계에서 과학적 방법으로 생산량을 두 배 넘게 높이는 것을 입증하자는 제안에는 흔쾌히 동의했다.

이 시범이 중요했던 까닭은 상태가 나쁜 공장을 골라 손쉬운 개선을 한 것이 아니기 때문이다. 같은 제품을 오래 만들었고, 유능한 관리자와 숙련공이 있었으며, 설비도 평균 이상인 곳이었다. 기존 방식이 이미 충분히 다듬어진 조건에서도 과학적 분석이 개인 경험을 넘어설 수 있는지를 시험한 셈이다.

그가 고른 기계는 공장 작업을 공정하게 대표했다. 사업장 평균보다 능력이 뛰어난 일류 기능공이 10~12년 동안 운전했다. 같은 기계를 계속 생산하는 공장에서는 일이 크게 세분되므로 한 사람이 1년 동안 다루는 부품 종류가 비교적 적다.

양쪽이 지켜보는 가운데 이 기능공이 작업한 각 부품을 완성하는 데 실제로 걸린 시간을 세심히 기록했다. 부품 하나의 전체 소요시간, 정확한 회전 속도와 이송량, 기계에 작업물을 설치하고 꺼내는 시간까지 기록했다. 공장의 공정한 평균 작업을 나타내는 자료를 얻은 뒤 이 기계 한 대에 과학적 관리 원리를 적용했다.

금속 절삭기의 종합 능력을 계산하려고 특별히 만든 네 개의 상당히 정교한 계산자로 기계의 모든 요소와 작업의 관계를 세밀히 분석했다. 속도별 견인력, 이송 능력, 알맞은 회전 속도를 계산자로 정했다. 정확한 속도로 돌도록 중간축과 구동 풀리를 바꿨다.

알맞은 모양의 고속도강 공구도 정확히 다듬고 처리하고 연마했다. 다만 이 시범에서는 공장에서 이미 널리 쓰던 고속도강을 그대로 썼다. 이어 대형 특수 계산자를 만들었다. 이 선반에서 각 작업을 가능한 한 짧은 시간에 끝낼 정확한 속도와 이송량을 알려 주는 도구였다.

노동자가 새 방법으로 일할 준비를 마치자 예비 시험에서 했던 작업과 같은 부품을 차례로 선반에서 완성했다. 과학적 원리에 따라 기계를 운전해 얻은 시간 개선은 가장 낮은 사례에서 2.5배, 가장 높은 사례에서 9배였다.

하지만 경험칙 관리에서 과학적 관리로 바꾸는 일은 알맞은 작업 속도를 연구하고 공장의 도구와 장비를 개조하는 데 그치지 않는다. 공장 사람 모두가 자기 일과 고용주를 대하는 정신적 태도를 완전히 바꿔야 한다.

큰 개선에 필요한 기계 개조, 동작 연구, 초시계를 이용해 각자의 작업시간을 세밀히 연구하는 일은 비교적 빨리 할 수 있다. 그러나 300명이 넘는 노동자의 태도와 습관은 천천히만 바꿀 수 있다. 일상의 작업에서 경영진과 진심으로 협력할 때 각자가 큰 이익을 얻는다는 실례를 오래 보여줘야 한다.

3년 안에 이 공장의 사람과 기계당 생산량은 두 배 넘게 늘었다. 사람을 세심히 선발했고, 거의 모두 낮은 수준에서 높은 수준의 일로 승진했다. 기능별 감독인 교사에게 배워 과거 어느 때보다 높은 임금을 벌 수 있었다. 개인의 하루 수입은 평균 약 35퍼센트 늘었지만 같은 작업량에 지급한 임금 총액은 전보다 낮아졌다.

작업 속도를 높이려면 낡은 개인별 경험칙을 가장 빠른 수작업 방법으로 바꾸고 각자의 수작업을 정교하게 분석해야 했다. 여기서 수작업은 기계가 하는 일과 별개로 노동자의 손기술과 속도에 달린 작업을 뜻한다. 과학적 수작업으로 아낀 시간이 기계 작업에서 아낀 시간보다 큰 경우도 많았다.

즉 개선의 대상은 회전 속도 하나가 아니었다. 부품을 집고, 고정하고, 측정하고, 풀어 내는 사람의 동작과 기계가 재료를 깎는 시간이 하나의 흐름으로 다뤄졌다. 기계만 빨라져도 준비와 교체가 그대로면 전체 작업은 기대만큼 짧아지지 않는다.

금속 절삭은 하나의 과학이다

계산자의 도움과 금속 절삭 연구를 갖춘 사람이 이 특정 작업과 기계를 처음 봤는데도, 같은 기계로 같은 작업만 10~~12년 한 훌륭한 기능공보다 2.5~~9배 빠르게 할 수 있었던 이유를 충분히 설명해야겠다.

한마디로 금속 절삭 기술이 상당한 규모의 진정한 과학이기 때문이다. 아주 복잡해서 해마다 선반을 운전하는 데 적합한 기계공도 이를 전문으로 연구한 사람의 도움 없이는 이해하거나 법칙에 맞춰 일할 수 없다.

기계공장에 익숙하지 않은 사람은 부품마다 서로 무관한 별도의 문제가 있다고 보기 쉽다. 예를 들어 엔진 부품 제작의 문제는 엔진 전문 기능공 집단이 평생 연구해야 하고, 선반이나 평삭기 부품 가공에서 마주치는 문제와 완전히 다르다고 생각한다. 하지만 엔진 부품이나 선반 부품에만 특별한 요소를 연구하는 일은 금속 절삭 기술 또는 과학에 대한 큰 연구와 비교하면 사소하다. 온갖 종류의 기계 작업을 정말 빠르게 해내는 능력은 이 과학의 지식에 달렸다.

진짜 문제는 주물이나 단조품에서 쇳밥을 빨리 떼어 내고 가장 짧은 시간에 부품을 매끄럽고 정확하게 만드는 일이다. 가공하는 것이 선박 엔진, 인쇄기, 자동차의 부품인지는 별로 중요하지 않다. 그래서 금속 절삭 과학을 알고 계산자를 든 사람은 이 작업을 처음 봤어도 여러 해 동안 이 기계 부품만 전문으로 만든 숙련공을 완전히 앞설 수 있었다.

교육받고 영리한 사람에게 기계 기술의 발전 책임이 실제 작업자 대신 주어지면 거의 언제나 전통 지식과 경험칙만 있던 곳에서 과학을 개발하는 길로 들어서는 것은 사실이다. 교육받으며 일반화하고 어디서나 법칙을 찾는 습관을 얻은 사람이 모든 직종에 존재하는 수많은 비슷한 문제를 만나면, 문제를 논리적인 집단으로 묶고 해결을 이끌 일반 법칙과 규칙을 찾게 마련이다.

그러나 ‘주도성과 유인의 관리’의 기본 원리와 철학은 이 모든 문제를 각 노동자의 손에 맡긴다. 과학적 관리의 철학은 경영진이 해결하게 한다. 노동자는 날마다 실제 손으로 일하는 데 시간을 전부 쓴다. 일반화할 교육과 사고 습관이 있더라도 법칙을 개발할 시간과 기회가 없다. 시간 연구 같은 단순한 법칙도 한 사람은 일하고 다른 사람은 초시계로 시간을 재는 협력이 필요하다.

노동자가 경험칙뿐이던 곳에서 법칙을 개발했다 해도 개인의 이해 때문에 거의 반드시 비밀로 남길 것이다. 특별한 지식으로 다른 사람보다 더 많이 일하고 높은 임금을 받을 수 있기 때문이다.

과학적 관리에서는 경험칙을 대신할 법칙을 개발하고, 가장 빠른 작업 방법을 모든 노동자에게 공평하게 가르치는 일이 경영진의 의무이자 기쁨이 된다. 법칙에서 얻는 유용한 결과가 늘 매우 크므로 어떤 회사든 개발에 필요한 시간과 실험 비용을 충분히 감당할 수 있다.

따라서 과학적 관리 아래에서는 정확한 과학 지식과 방법이 조만간 어디서나 경험칙을 대신한다. 낡은 관리에서는 과학 법칙에 맞춰 일하는 것이 불가능하다. 금속 절삭의 기술 또는 과학이 이를 잘 보여준다.

1880년 가을, 노동자의 적정 하루치 일을 알아내는 앞의 실험을 시작할 무렵 나는 미드베일 제철회사 사장 윌리엄 셀러스에게 다른 허가도 받았다. 강철을 자르는 데 가장 좋은 공구의 각도와 모양, 적절한 절삭 속도를 알아내는 일련의 실험이었다. 시작할 때는 6개월보다 오래 걸리지 않으리라고 믿었다. 그보다 오래 걸린다는 사실을 알았다면 상당한 돈을 써도 좋다는 허락을 받지 못했을 것이다.

첫 실험에는 지름 66인치의 수직 보링 머신을 썼다. 균일한 고경도강으로 만든 대형 기관차 바퀴 테두리를 날마다 쇳밥으로 깎아 냈다. 더 빨리 일하는 절삭 공구를 만들고, 성형하고, 쓰는 법을 서서히 배웠다.

6개월이 지나자 실험에 쓴 재료와 임금보다 훨씬 큰 가치를 지닌 실용 정보를 얻었다. 그런데 그다지 많지 않은 실험은 얻은 지식이 앞으로 개발해야 할 것의 작은 일부일 뿐임을 주로 보여줬다. 기계공의 과업을 날마다 지휘하고 도우려면 그 나머지 지식이 절실히 필요했다.

이 분야의 실험은 중간에 간혹 쉬면서 약 26년 동안 이어졌다. 특별히 설비한 서로 다른 실험용 기계 열 대를 사용했다. 3만5만 회의 실험을 세심하게 기록했고 기록하지 않은 실험도 훨씬 더 많았다. 법칙을 연구하며 실험용 공구로 80만 파운드가 넘는 강철과 철을 쇳밥으로 만들었다. 조사에는 15만20만 달러가 들었을 것으로 추정한다.

과학 연구를 사랑하는 사람에게 이런 일은 대단히 흥미롭다. 하지만 이 글의 목적에 비추어 한 가지를 온전히 이해해야 한다. 오랫동안 실험을 계속하게 하고 돈과 기회를 댄 동력은 과학 지식을 향한 추상적인 탐구가 아니었다. 기계공이 가장 좋은 방식과 가장 빠른 시간으로 일하도록 도울 정확한 정보가 날마다 부족하다는 지극히 실용적인 사실이었다.

모든 실험은 기계공이 선반, 평삭기, 드릴 프레스, 밀링 머신 같은 금속 절삭기로 부품을 만들 때마다 마주하는 두 물음에 정확히 답하려는 것이었다.

가장 짧은 시간에 작업하려면 기계를 어떤 절삭 속도로 돌려야 하는가?

어떤 이송량을 써야 하는가?

너무 단순해서 훌륭한 기능공의 숙련된 판단만 있으면 될 듯하다. 그러나 26년을 연구한 결과, 매번 열두 개 독립변수의 효과를 결정하는 복잡한 수학 문제를 풀어야 답할 수 있다는 사실을 알았다.

다음 열두 변수는 답에 모두 중요한 영향을 준다. 함께 적은 비율은 각 요소가 절삭 속도에 미치는 효과다.

예를 들어 첫 변수 A 뒤에는 “반경화강 또는 냉경주철이 1일 때 매우 무른 저탄소강은 100”이라고 썼다. 무른 강철은 단단한 강철이나 냉경주철보다 100배 빠르게 자를 수 있다는 뜻이다. 각 요소 뒤의 비율은 과거 사실상 모든 기계공이 최선의 회전 속도와 이송량을 정할 때 판단해야 했던 범위가 얼마나 넓은지 보여준다.

A — 절삭할 금속의 품질. 경도와 그 밖에 절삭 속도에 영향을 주는 성질. 반경화강 또는 냉경주철의 1에서 매우 무른 저탄소강의 100까지.
B — 공구강의 화학 조성과 열처리. 뜨임 탄소강 공구의 1에서 최고의 고속도강 공구의 7까지.
C — 쇳밥의 두께. 공구로 떼어 낼 나선형 금속 띠의 두께. 3/16인치 두께의 1에서 1/64인치 두께의 3.5까지.
D — 공구 절삭날의 형상. 나사 절삭 공구의 1에서 넓은 끝 절삭 공구의 6까지.
E — 물이나 다른 냉각재를 공구에 충분히 흘리는지. 건식 공구의 1에서 물을 많이 흘려 냉각한 공구의 1.41까지.
F — 절삭 깊이. 1/2인치 깊이의 1에서 1/8인치 깊이의 1.36까지.
G — 절삭 지속시간. 재연마하지 않고 공구가 쇳밥의 압력을 견뎌야 하는 시간. 1시간 30분마다 연마할 때의 1에서 20분마다 연마할 때의 1.20까지.
H — 공구의 경사각과 여유각. 경사각 68도의 1에서 61도의 1.023까지.
J — 떨림을 일으키는 가공물과 공구의 탄성. 공구가 떨릴 때의 1에서 매끄럽게 움직일 때의 1.15까지.
K — 절삭 중인 주물 또는 단조품의 지름.
L — 공구 절삭면에 가해지는 쇳밥의 압력.
M — 기계의 견인력과 속도·이송 변경 범위.

열두 변수가 절삭 속도에 미치는 영향을 연구하는 데 26년이나 걸렸다는 사실은 터무니없어 보일지 모른다. 하지만 직접 실험해 본 사람은 변수가 너무 많은 것이 문제의 큰 어려움임을 안다. 하나의 실험이 오래 걸린 까닭도 열두 번째 변수의 효과를 알아보는 동안 나머지 열한 변수를 변함없이 일정하게 유지하기가 어려웠기 때문이다. 열한 변수를 고정하는 일이 열두 번째 요소를 조사하는 것보다 훨씬 어려웠다.

변수가 절삭 속도에 미치는 효과를 하나씩 조사하면서 지식을 실무에 쓰려면 얻은 법칙을 간결하게 나타내는 수학 공식을 찾아야 했다. 개발한 열두 공식 가운데 세 가지를 예로 들면 다음과 같다.

P = 45,000 D 14/15 F 3/4
V = 90/T 1/8
V = 11.9/ (F 0.665(48/3 D) 0.2373 + (2.4 / (18 + 24D))

법칙을 조사하고 이를 수학으로 표현한 공식을 정한 뒤에도 어려운 과제가 남았다. 복잡한 수학 문제를 일상에 쓸 수 있을 만큼 빨리 푸는 방법이었다. 뛰어난 수학자가 공식을 앞에 두고 통상적인 방식으로 정확한 절삭 속도와 이송량을 계산해도 한 문제에 약 2~6시간이 걸렸다. 대개의 경우 노동자가 기계로 작업 전체를 끝내는 시간보다 수학 문제를 푸는 시간이 더 길었다.

빠른 풀이를 찾는 큰 과제가 생겼다. 해결을 진전시키면서 미국의 저명한 수학자에게 문제를 차례로 보여주고 빠르고 실용적인 방법에 합당한 보수를 무엇이든 주겠다고 했다. 어떤 사람은 한 번 훑어봤고, 예의를 지키려고 2~3주 동안 갖고 있던 사람도 있었다. 모두 사실상 같은 답을 내놨다. 변수 네 개가 든 문제는 많은 경우 풀 수 있고 다섯 개나 여섯 개도 가끔 가능하지만, 열두 변수의 문제는 느린 시행착오 외에 다른 방식으로 푸는 것이 명백히 불가능하다는 답이었다.

그러나 기계공장을 날마다 운영하려면 빠른 풀이가 절실했다. 수학자에게서 별다른 격려를 받지 못했어도 15년에 걸쳐 간헐적으로 많은 시간을 들여 단순한 해법을 찾았다. 시기별로 네댓 명이 사실상 전 시간을 이 일에 썼다.

마침내 베들레헴 제철회사에 있을 때 계산자를 개발했다. 〈금속 절삭 기술에 관하여〉의 부록 11번에 그림을 실었고, 칼 G. 바스가 미국기계학회에서 발표한 〈테일러 관리 체계의 일부인 기계공장용 계산자〉에서 자세히 설명했다.

이 계산자를 쓰면 수학을 전혀 모르는 훌륭한 기능공도 복잡한 문제 하나를 30초 안에 풀 수 있다. 수년 동안 금속 절삭을 실험해 얻은 결과가 일상의 실무에 쓰이게 됐다. 보통 실무자의 경험과 기술 훈련 범위를 넘어 보이는 복잡한 과학 자료도 늘 일상에 쓸 방법을 찾을 수 있음을 보여주는 좋은 사례다. 이 계산자는 수학 지식이 없는 기계공이 여러 해 동안 날마다 계속 사용했다.

금속 절삭 법칙을 나타낸 복잡한 공식을 한번 보면, 법칙의 도움 없이 개인 경험에 의존하는 기계공이 같은 작업을 여러 번 되풀이하더라도 두 물음의 답을 정확히 짐작할 수 없는 이유가 분명해진다.

각 변수의 가능한 범위가 넓고 변수끼리 함께 작용하므로 경험이 많다는 사실만으로 정확한 조합을 우연히 맞히기 어렵다. 같은 부품을 반복하며 익힌 국소적인 요령과 여러 기계·재료·공구에 걸쳐 성립하는 일반 법칙은 서로 다른 지식이다.

어떤 속도를 써야 하는가?

어떤 이송량을 써야 하는가?

같은 부품을 10~12년 동안 되풀이해 가공한 기계공에게 돌아가자. 그가 맡은 여러 작업에서 수백 가지 가능한 방법 가운데 각 부품에 가장 좋은 하나를 우연히 찾아낼 가능성은 희박했다.

미국 기계공장의 금속 절삭기는 제조사가 거의 모두 추측으로 속도를 정했다는 점도 기억해야 한다. 금속 절삭 기술을 연구해 얻은 지식이 없었다. 우리가 체계화한 공장을 보면 제조사가 정확한 절삭 속도에 가깝게 맞춘 기계는 백 대에 한 대도 되지 않았다.

따라서 기계공이 금속 절삭 과학과 경쟁하려면 알맞은 속도를 쓰기 전에 먼저 중간축에 새 풀리를 달고, 대부분 공구 모양과 처리 방법도 바꿔야 한다. 무엇을 해야 하는지 알아도 많은 변화는 본인의 통제 범위를 완전히 벗어난다.

반복 작업을 하는 기계공이 얻은 경험 지식이 진정한 금속 절삭 과학과 경쟁할 수 없는 이유가 분명하다면, 날마다 매우 다양한 일을 하는 고급 기능공은 더욱 경쟁하기 어렵다는 점도 분명할 것이다. 매일 다른 일을 하는 고급 기능공이 각각을 가장 짧은 시간에 해내려면 금속 절삭 기술을 철저히 알아야 할 뿐 아니라 모든 수작업을 가장 빠르게 하는 방법에 관한 막대한 지식과 경험도 필요하다.

길브레스의 벽돌쌓기 동작·시간 연구가 이룬 개선을 떠올리면, 모든 기능공이 자기 일을 과학적으로 연구하는 도움을 받을 때 온갖 수작업에서 더 빠른 방법을 찾을 가능성이 얼마나 큰지 알 수 있다.

지난 약 30년 동안 기계공장 경영진과 함께 일하는 시간 연구자들은 기계공의 일에 관련된 모든 요소를 과학적으로 동작 연구한 뒤 초시계로 정확히 시간을 재는 데 전 시간을 바쳤다. 노동자와 협력하는 경영진의 한 부문인 교사가 금속 절삭 과학과 똑같이 정교한 동작·시간 연구의 과학을 모두 갖고 있다면, 최고급 기능공조차 교사의 꾸준한 일상 지원 없이는 최고의 일을 할 수 없는 이유를 이해하기 어렵지 않다. 이 사실을 분명히 알게 됐다면 이 글의 중요한 목적 하나를 이룬 것이다.

법칙은 완성되기 전에 쓸 수 있다

앞의 사례들이 과학적 관리가 ‘주도성과 유인의 관리’보다 회사와 직원 모두에게 반드시 압도적으로 큰 결과를 내는 이유를 보여주기 바란다. 한 관리 방식의 장치가 다른 방식보다 훨씬 뛰어나서 얻은 결과가 아니다. 산업 관리의 기본 원리와 철학을 완전히 다른 것으로 바꿨기 때문이다.

사례 전반에서 유용한 결과는 주로 세 가지에 달렸다.

개인 노동자의 판단을 과학으로 대체했다.
각 사람을 연구하고 가르치고 훈련하며, 실험했다고도 할 만큼 과학적으로 선발하고 성장시켰다. 노동자가 스스로 일을 고르고 우연히 성장하게 두지 않았다.
개인에게 문제 해결을 맡기지 않고, 경영진이 노동자와 가까이 협력해 개발한 과학 법칙대로 함께 일했다.

낡은 개인 노력 대신 새 원리를 적용하면 양쪽이 날마다 과업을 실행하는 일을 거의 동등하게 나눈다. 경영진은 자신에게 잘 맞는 부분을 맡고 노동자는 나머지를 맡는다.

이 글은 이 철학을 보여주려고 썼다. 다만 일반 원리에 포함된 몇 가지 요소는 더 논의해야 한다.

과학의 개발은 만만찮은 일처럼 들린다. 금속 절삭 같은 과학을 철저히 연구하려면 실제로 여러 해가 필요하다. 하지만 금속 절삭은 기계 기술 가운데 복잡성과 개발 시간 양쪽에서 거의 극단적인 사례다. 이렇게 복잡한 과학조차 시작한 지 몇 달 안에 실험 비용보다 훨씬 큰 가치를 지닌 지식을 얻었다. 사실상 모든 기계 기술의 과학 개발도 마찬가지다.

처음 개발한 금속 절삭 법칙은 거칠고 진실의 일부만 담았다. 그러나 이 불완전한 지식도 정확한 정보가 전혀 없고 경험칙도 매우 부정확했던 과거보다 훨씬 나았다. 경영진의 도움을 받은 노동자가 훨씬 빠르고 훌륭하게 일할 수 있게 했다.

예를 들어 처음에는 시간이 아주 조금만 지나도 공구 한두 종류를 찾아낼 수 있었다. 몇 년 뒤 개발한 모양과 비교하면 불완전했지만 당시 널리 쓰인 어떤 모양과 종류보다 뛰어났다. 이를 표준으로 채택하자 모든 사용자의 작업 속도가 즉시 높아졌다. 얼마 지나지 않아 더 나은 다른 공구가 대신 표준이 됐고, 그 공구도 후속 개선에 자리를 내줄 때까지 표준으로 남았다.*

주: 기계 기술을 실험하는 사람은 이미 얻은 지식을 즉시 실무에 쓸지, 결론이 확실히 완성될 때까지 기다릴지 거듭 고민한다. 분명히 진전했지만 추가 개선이 가능하고 그럴 확률도 높다는 점을 알기 때문이다. 사례마다 따로 판단해야 하지만 우리가 얻은 일반 결론은 대부분 가능한 한 빨리 엄격한 실무 시험에 내놓는 편이 현명하다는 것이다. 단, 실험자가 철저하고 공정한 시험을 보장할 기회와 충분한 권한을 가져야 한다. 낡은 것을 선호하고 새것을 의심하는 편견이 거의 어디에나 있으므로 이 조건을 얻기는 어렵다.

대부분의 기계 기술에 있는 과학은 금속 절삭보다 훨씬 단순하다. 개발되는 법칙과 규칙이 너무 간단해 평균적인 사람이라면 과학이라는 이름조차 붙이지 않을 경우가 대부분이다. 많은 직종에서 노동자가 작은 작업을 하는 데 필요한 동작을 비교적 단순하게 분석하고 시간을 연구해 과학을 개발한다. 보통 초시계와 줄이 그어진 공책을 든 사람 한 명이면 된다. 수백 명의 ‘시간 연구자’가 경험칙만 있던 곳에서 이런 기초 과학 지식을 개발하고 있다. 길브레스의 벽돌쌓기 동작 연구조차 대부분의 사례보다 훨씬 정교하다.

이런 단순한 법칙을 개발하는 일반적인 단계는 다음과 같다.

분석할 작업에 유난히 능숙한 사람 10~15명을 찾는다. 가능하면 서로 다른 사업장과 지역에서 한 명씩 고른다.
각자가 쓰는 도구와 작업에 사용하는 기초 동작의 정확한 순서를 연구한다.
초시계로 각 기초 동작에 걸리는 시간을 조사하고 작업 요소별로 가장 빠른 방법을 고른다.
잘못됐거나 느리거나 쓸모없는 동작을 모두 없앤다.
불필요한 동작을 없앤 뒤 가장 빠르고 좋은 동작과 최고의 도구를 하나의 순서로 묶는다.

이렇게 가장 빠르고 훌륭하게 할 수 있는 동작을 모은 새 방법 하나가 과거의 열 가지나 열다섯 가지 부족한 순서를 대신한다. 최선의 방법은 표준이 된다. 먼저 교사 또는 기능별 감독에게 가르치고, 이들이 사업장의 모든 노동자에게 가르친다. 더 빠르고 좋은 동작 순서가 나타날 때까지 표준으로 남는다. 이런 단순한 방식으로 과학의 요소를 하나씩 개발한다.

직종에서 쓰는 도구도 같은 방식으로 연구한다. ‘주도성과 유인의 관리’ 철학에서는 각 노동자에게 최고의 판단으로 가장 빠르게 일하라고 한다. 그 결과 특정 용도에 쓰는 도구의 모양과 종류가 언제나 매우 다양해진다.

과학적 관리는 먼저 경험칙 아래 개발된 같은 도구의 여러 변형을 세심히 조사한다. 이어 각 도구로 낼 수 있는 속도를 연구한 뒤 여러 도구의 좋은 점을 하나의 표준 도구에 합친다. 노동자는 전보다 빠르고 편하게 일할 수 있다. 이 도구 하나가 과거의 여러 종류를 대신해 표준이 된다. 동작·시간 연구에서 더 낫다고 입증된 도구가 나타날 때까지 모든 사람이 쓴다.

이 설명에서 알 수 있듯 경험칙을 대신할 과학의 개발은 대부분 결코 무시무시한 과업이 아니다. 정교한 과학 훈련이 없는 평범한 사람도 해낼 수 있다. 반면 이렇게 가장 단순한 개선도 성공적으로 사용하려면 과거의 개인 노력만 있던 곳에 기록과 체계와 협력이 필요하다.

스타트업 적용 노트 — 2026

계산자는 오늘의 내부 도구다

테일러와 바스의 계산자는 26년치 실험을 현장 판단으로 압축했다. 사용자가 열두 변수의 수학을 이해하지 않아도 30초 안에 답을 얻었다. 오늘의 스타트업에서는 견적 계산기, 운영 콘솔, 추천 규칙, 코드 생성기, 체크리스트가 같은 역할을 한다.

좋은 내부 도구를 만들 때는 세 층을 나누자.

근거: 어떤 데이터와 실험으로 규칙을 만들었는가.
인터페이스: 현장 사용자가 어떤 입력으로 어떤 결정을 얻는가.
예외: 규칙이 맞지 않을 때 누가 판단하고 기록을 어떻게 갱신하는가.

모든 사람이 공식을 외울 필요는 없지만 결과의 이유를 전혀 볼 수 없게 해서도 안 된다. 특히 AI가 답을 내는 도구는 추천값, 근거 자료, 불확실성, 인간이 덮어쓸 방법을 함께 보여줘야 한다.

미완성 지식을 일찍 쓰되 표준에 버전과 검토일을 붙이라는 교훈도 중요하다. ‘최선의 방법’은 영구한 명령이 아니라 현재 증거에서 가장 나은 방법이다. 더 좋은 데이터가 생기면 누구나 이의를 내고 업데이트할 수 있어야 과학이 새로운 경험칙으로 굳지 않는다.