IT에 몸담은 이들을 위한 지적생산기술 리뷰 (동기부여 방법)

신입부터 이러면 안되는데..😭 요즘 학습에 대한 동기부여는 떨어지고 무언가는 해야한다는 강박관념에 학습 방법, 생산성에 관심을 갖기 시작했다. '어떻게 하면 일을 잘 할 수 있을까?' 고민을 하다가 제목과 목차가 마음에 들어 IT에 몸담은 이들을 위한 지적생산기술를 읽게 되었다.

저자는 코딩을 지탱한 기술를 쓴 니시오 히로카즈다.

효율적인 학습법, 정리법, 활용법에 대한 방법을 소개하는데 정답을 알려주기 보다는 다양한 방법을 제시하면서 선택은 독자에게 맡긴다. 예를 들면, 동기부여를 얻으려면 일의 우선순위를 정해야한다. 우선순위를 정하는 방법으로 A, B, C가 있다. 하지만 우선순위가 정하기 힘들다면 정하지 않아도 된다. 이런식으로 다양한 방법을 소개한다.

학습 방법에 대한 이야기도 좋았지만, 슬럼프 극복에 도움이 되었던 학습의 원동력인 동기부여에 집중하는 방법을 요악하고 내가 어떻게 적용했는지 정리했다.

동기부여

의욕이 없는 사람의 65%는 태스크를 하나로 추리지 못한다.

여러 개의 태스크를 한 번에 실행하는 것은 어렵다. 몇 번이고 경험해서 익숙해진 작업이 아닌 이상은 불가능하다고 보는 것이 맞다. 여러 태스크를 병행해서 진행하는 것처럼 보이지만, 실제로는 한 번에 하나의 태스크를 바꿔 가며 하는 것이다. 여러 태스크를 병행해서 실행하는 것은 '태스크 변경을 위한 의사결정'이라는 추가 태스크를 포함하는 것이다. 여러 태스크를 하려고 해서 의욕이 생기지 않거나 복잡해진다면 일단 하고자 하는 것을 하나로 추려서 차례로 정리해 가면 된다.

추려내기 위해서 먼저 전체 모습을 파악하자

태스크를 하나로 추리지 못하는 사람의 76%는 태스크를 목록화하지 않고 고민만 하는 상태였다. 그리고 이 때문에 태스크의 전체 모습을 파악하지 못했다.

먼저 전부 다 작성해 보고 전체가 어느 정도인지, 어떤 태스크가 있는지를 파악하자.

Getting Things Done : 먼저 모두 정리한다

• 신경 쓰이는 것을 전부 한 곳에 정리한다.
  • TODO 리스트와는 다르다. TODO 리스트는 '해야할 것인가'라는 판단이 필요하다.
  • GTD에서는 이 판단을 나중으로 미루고, 신경 쓰이는 것을 모두 하나로 정리한다.
• 전부 모아서 나중에 처리하기
  • 처리 단계에서는 수집한 것에 관해 '이것은 무엇인가?', '이것에 관해 자신이 어떤 행동을 취할 필요가 있는가?'를 묻는다.
  • '어떤 결과를 얻기 원하는가?' - 목표를 명확하게 한다.
  • '다음에 취해야 할 구체적인 행동은?'
  • 여기까지 오면 간신히 TODO 리스트의 형태가 된다.
• '행동을 취하지 않아도 되는 것'을 버릴 것, 재료, 유보의 세 가지로 분류한다.
• '다음에 취해야 할 구체적인 행동'이 여러 개라면 '프로젝트'로 만든다.
• '다음에 취해야 할 구체적인 행동'이 2분 이내에 할 수 있는 것이라면 지금 한다.
• '다음에 취해야 할 구체적인 행동'을 하는 것이 자신이 아니라면 다른 사람에게 맡기고 연락 대기 목록에 넣는다.
• '다음에 취해야 할 구체적인 행동'을 하는 것이 특정 일시라면 달력에 적는다.
• 위의 어느 항목에도 해당하지 않는 것은 '다음에 취해야 할 행동' 목록에 넣는다.

출처 - David Allen, Getting Things Done, 2001

어떻게 하나의 태스크를 선택할 것인가?

태스크 목록이 아무리 길어도 오늘 할 수 있는 것은 한정돼 있다. 먼저 '정말 오늘 중에 끝내야 할 것'만 선별하자. 그리고 그것을 끝내면 '오늘 해야 할 것은 전부 끝냈다'라는 성취감을 느낄 수 있다. 남은 시간에 다른 태스크를 정리하거나 '내일 해야 할 것 목록'을 만들 수 있다.

만약 오늘 해야만 하는 것이 하루 만에 끝낼 수 없는 양이라면 해당 태스크를 열심히 해서 끝내려고 노력하는 것이 아니라 마감일을 변경하든가 사양을 변경하든가 아니면 포기하는 수밖에 없다.

하나의 태스크를 위한 동기부여

앞에서는 여러 태스크 중에서 하나를 선택하는 것이 심리적으로 큰 부담이 돼서 동기를 잃게 만드는 것을 보았다. 하지만 태스크를 하나만 선택한다고 해도 동기부여되지 않는 경우가 있다. 왜 그런 것일까?

태스크가 너무 크다

태스크가 커서 목표가 보이지 않거나 태스크의 크기를 가늠할 수 없어서 막연하게 크다고 생각하는 것이 부담을 준다. 태스크를 분할 하자.

e.g 책 집필은 큰 태스크다. 대부분의 사람이 1장 단위로 마감일 설정을 하는데, 여전히 큰 작업이다. '아이디어를 작은 종이에 메모한다.', '메모의 순서를 변경해서 구성을 생각한다', '구성을 바탕으로 원고를 쓴다'라는 세 가지 단계로 분할한다.

타임박싱

아주 큰 태스크를 작은 단위로 나누는 쉬운 방법은 '시간으로 나누는 것'이다. 태스크에 맞추어 시간을 정하는 것이 아니라, '정해진 크기(시간)의 상자에 태스크를 넣는다'고 생각하는 것으로 타임방식이라고 한다.

책에서는 뽀모도로 기법을 타임박싱에 이용한다. (1 뽀모도로는 25분이다) 예를 들어, 태스크를 1시간, 2시간 단위가 아닌 2 뽀모도로, 4 뽀모도로 단위로 나누고 하루에 10 뽀모도로의 시간이 있다면 10 뽀모도로에 맞춰서 일정 관리를 한다. 처음에는 계측하기 어렵지만 조금씩 오차범위를 줄여갈 수 있다.

동기부여 정리

동기부여가 되지 않는 큰 이유는 태스크를 하나로 추릴 수 없기 때문이다. 또한, 하나의 태스크를 선별한 후에도 의욕이 없는 이유는 태스크가 너무 크기 때문이다. 이를 위해서는 실제로 큰 경우와 시간을 가늠할 수 없어서 크게 느껴지는 경우가 있다. 계측에 의해 시간 예측 정확도를 높이면 의욕이 없는 상태를 줄일 수 있다.

적용하기

최근 동기부여가 많이 떨여졌는데 이유는 다음과 같다.

• 코로나..
• 잘해야 한다는 부담감
• 미흡한 태스크 관리
• 늘어만 가는 태스크
• 구체적이지 않은 목표

기존 방식

기존에는 태스크 관리를 노션으로 했다. 내용을 보면 목표가 불분명하고 단위가 너무 크다. e,g. Redis 공부, 글또 글쓰기
또한, 하루만에 끝내기 어려운 분량인 경우도 많았다. 일이 많다보니 다음으로 미루고 포기하면서 태스크가 쌓이는 악순환의 반복으로 의욕이 사라졌다.

추가로 노션은 전용 TODO 앱이 아닌 만큼 손이 많이 가고 불편했다.

변경 후

태스크 부터 나열하기

태스크 관리를 잘하기 위해 GTD 앱으로 유명한 things 3을 구매(65,000😭)했다.
thgins 3은 UI, UX가 띄어나고 GTD에 최적화된 앱이어서 확실히 관리하기 편하다. 

먼저 신경 쓰이는 모든 일을 한 곳(Inbox)에 정리한다. 넣어도 될까? 고민하지말고 일단 다 넣자. 판단은 뒤로 미룬다.

분류하기

• 카프카, 도커, 클러스터 개념 이해하기는 당장 해야 할 일이 아닌 언젠가 공부하고 싶은 주제들이다. -> someday로 옮긴다.
• 글또 글쓰기는 큰 태스크다. -> project로 만들고 태스크를 분할한다.
• Redis 공부는 태스크도 크지만, 목표가 불명확하다. -> '어떤 결과를 얻기 원하는가?', '다음에 취해야 할 구체적인 행동은?' 목표를 명확하게 한다.
• 양치하기 같은 2분 안에 할 수 있는 일은 당장한다.
• x-forwarded-for 는 당장 업무에 필요하므로 내일 공부한다. -> 내일 일정에 입력

분류 후

분류 후의 모습이다.

• 큰 태스크는 작게 분할하니 요일별로 나눠서 처리하기 좋고 진척도가 가시화가 되어 의욕도 조금씩 생겼다.
• 공부해야 한다는 압박감이 있는 키워드는 someday로 두니 마음이 조금은 편해졌다. 언젠가는 꼭 해야지..

이번에 GTD를 적용하면서 떨어져만 가던 동기부여를 회복할 수 있었는데, 내 경우에는 목표가 뚜렷하지 않고, 큰 태스크가 원인이었다. 목표가 뚜렷하지 않으니 이것저것 하면서 갈팡질팡하다가 포기하고, 태스크가 크니까 생각 없이 하다가 의욕 상실해서 다음날로 미루고 악순환의 반복을 GTD를 통해서 어느정도 극복했다.

마무리

옛날에는 일정 관리를 기억으로 했는데 매번 무엇을 해야 하는지 생각하는 작업이 반복적이고 상당한 스트레스를 받았다. 그래서 TODO 리스트 작성을 시작했는데 고민하는 시간과 스트레스는 줄었지만 제대로 관리하지 못해 매번 아쉬웠는데, 이번에 GTD라는 방법을 알게 되면서 적용했더니 확실히 관리하기도 수월하고 동기부여 얻는 데도 많은 도움이 되었다.
IT에 몸담은 이들을 위한 지적생산기술을 읽으면서 내용도 좋았지만, 즉시 적용해볼 만한 방법이 많았고 나름 좋은 효과를 얻어서 만족스럽다. 여기서는 동기부여에 대해서만 정리했지만, 학습 사이클 소개와 추상화 소개도 좋았다. 학습 방법을 개선하고자 한다면 추천한다.