데이터는 냉정하고, 인간은 뜨겁다
창의회계법인이 주장하는 "전문가의 경험과 직관"이 과연 기업가치 평가의 정확성을 높이는가? 오히려 객관적 데이터에 주관적 노이즈를 섞어 넣는 것은 아닌가?
수학은 거짓말하지 않지만, 수학을 해석하는 인간은 거짓말할 수 있다.
전문가 편향의 함정들
확증편향 (Confirmation Bias): 전문가들은 자신의 과거 경험에 부합하는 데이터만 선별적으로 강조하는 경향이 있다. "우리가 봐온 케이스들을 보면..." 이라는 식의 접근은 결국 제한된 샘플에 기반한 일반화의 오류다.
앵커링 효과: 첫 번째 만난 유사 케이스가 이후 모든 판단의 기준점이 된다. 데이터가 5-15배 멀티플을 제시하면, 전문가는 "경험상 8-12배가 적절하다"며 자신의 앵커 포인트로 조정한다.
생존자 편향: 성공한 케이스들만 기억에 남고, 실패한 케이스들은 "예외적 상황"으로 치부한다. 이는 패턴 인식을 왜곡시킨다.
이해관계의 그림자
전문가들에게는 숨겨진 인센티브가 있다:
수수료 극대화: 더 높은 밸류에이션을 제시할수록 거래 규모가 커진다
관계 유지: 고객이 듣고 싶어하는 답을 제공하려는 유혹
전문성 과시: 복잡한 조정 요소들을 만들어내어 자신의 가치를 증명하려 한다
AI는 수수료를 받지 않고, 인맥을 관리할 필요도 없으며, 자존심도 없다.
과거 경험의 덫
"실무 경험 20년"이라는 말의 실체는 무엇인가?
1년 경험을 20번 반복한 것일 수도 있다. 특히 빠르게 변하는 스타트업 생태계에서는 5년 전 경험도 이미 구식이 될 수 있다. 반면 AI는 실시간으로 전 세계 데이터를 업데이트하며 패턴을 학습한다.
정성적 요소의 허상
"팀의 경험, 시장 진입 장벽" 같은 정성적 요소들이 정말 전문가만 평가할 수 있는가?
팀 경험: 창업자 이력, 이전 회사 성과, 학력 등은 모두 정량화 가능한 데이터
시장 진입 장벽: 특허 수, 규제 현황, 경쟁사 분석 등 역시 객관적 지표들
경쟁사 동향: 오히려 AI가 실시간으로 더 정확하게 추적 가능
전문가들이 "정성적"이라고 포장하는 것들 중 상당수는 실제로는 정량화 가능한 요소들을 게을리 분석한 결과일 수 있다.
시장 효율성 관점
만약 전문가들의 조정이 정말 가치가 있다면, 왜 전문가들이 운용하는 펀드들이 시장 평균을 지속적으로 넘어서지 못하는가?
워렌 버핏조차 "대부분의 투자자들은 그냥 인덱스 펀드에 투자하는 게 낫다"고 말했다. 이는 전문가의 "직관"이 시장의 집단지성보다 우월하지 않다는 반증이다.
결론: 차가운 데이터의 온기
전문가의 역할을 완전히 부정하는 것은 아니다. 하지만 객관적 데이터 위에 주관적 해석을 덧씌우는 것이 항상 개선인지는 의문이다.
때로는 차가운 데이터가 뜨거운 직관보다 더 정확할 수 있다. 특히 감정과 이해관계가 복잡하게 얽힌 기업가치 평가에서는 더욱 그렇다.
"전문가의 보완"이라는 이름으로 포장된 것이 사실은 "객관성의 훼손"일 수도 있다는 점을 간과해서는 안 된다.
라고 AI에게 반박 글을 써보라고 하였습니다. 제가 일하는 직군에서도 AI가 정말 핫한데 어떻게 쓰여질지 매일매일 상황이 바뀌네요.
데이터는 냉정하고, 인간은 뜨겁다
창의회계법인이 주장하는 "전문가의 경험과 직관"이 과연 기업가치 평가의 정확성을 높이는가? 오히려 객관적 데이터에 주관적 노이즈를 섞어 넣는 것은 아닌가?
수학은 거짓말하지 않지만, 수학을 해석하는 인간은 거짓말할 수 있다.
확증편향 (Confirmation Bias): 전문가들은 자신의 과거 경험에 부합하는 데이터만 선별적으로 강조하는 경향이 있다. "우리가 봐온 케이스들을 보면..." 이라는 식의 접근은 결국 제한된 샘플에 기반한 일반화의 오류다.
앵커링 효과: 첫 번째 만난 유사 케이스가 이후 모든 판단의 기준점이 된다. 데이터가 5-15배 멀티플을 제시하면, 전문가는 "경험상 8-12배가 적절하다"며 자신의 앵커 포인트로 조정한다.
생존자 편향: 성공한 케이스들만 기억에 남고, 실패한 케이스들은 "예외적 상황"으로 치부한다. 이는 패턴 인식을 왜곡시킨다.
전문가들에게는 숨겨진 인센티브가 있다:
수수료 극대화: 더 높은 밸류에이션을 제시할수록 거래 규모가 커진다
관계 유지: 고객이 듣고 싶어하는 답을 제공하려는 유혹
전문성 과시: 복잡한 조정 요소들을 만들어내어 자신의 가치를 증명하려 한다
AI는 수수료를 받지 않고, 인맥을 관리할 필요도 없으며, 자존심도 없다.
"실무 경험 20년"이라는 말의 실체는 무엇인가?
1년 경험을 20번 반복한 것일 수도 있다. 특히 빠르게 변하는 스타트업 생태계에서는 5년 전 경험도 이미 구식이 될 수 있다. 반면 AI는 실시간으로 전 세계 데이터를 업데이트하며 패턴을 학습한다.
"팀의 경험, 시장 진입 장벽" 같은 정성적 요소들이 정말 전문가만 평가할 수 있는가?
팀 경험: 창업자 이력, 이전 회사 성과, 학력 등은 모두 정량화 가능한 데이터
시장 진입 장벽: 특허 수, 규제 현황, 경쟁사 분석 등 역시 객관적 지표들
경쟁사 동향: 오히려 AI가 실시간으로 더 정확하게 추적 가능
전문가들이 "정성적"이라고 포장하는 것들 중 상당수는 실제로는 정량화 가능한 요소들을 게을리 분석한 결과일 수 있다.
만약 전문가들의 조정이 정말 가치가 있다면, 왜 전문가들이 운용하는 펀드들이 시장 평균을 지속적으로 넘어서지 못하는가?
워렌 버핏조차 "대부분의 투자자들은 그냥 인덱스 펀드에 투자하는 게 낫다"고 말했다. 이는 전문가의 "직관"이 시장의 집단지성보다 우월하지 않다는 반증이다.
결론: 차가운 데이터의 온기
전문가의 역할을 완전히 부정하는 것은 아니다. 하지만 객관적 데이터 위에 주관적 해석을 덧씌우는 것이 항상 개선인지는 의문이다.
때로는 차가운 데이터가 뜨거운 직관보다 더 정확할 수 있다. 특히 감정과 이해관계가 복잡하게 얽힌 기업가치 평가에서는 더욱 그렇다.
"전문가의 보완"이라는 이름으로 포장된 것이 사실은 "객관성의 훼손"일 수도 있다는 점을 간과해서는 안 된다.
라고 AI에게 반박 글을 써보라고 하였습니다. 제가 일하는 직군에서도 AI가 정말 핫한데 어떻게 쓰여질지 매일매일 상황이 바뀌네요.