※ 이 글에서 말하는 ‘A’는 익숙하지만 생각을 멈추게 하는 말, ‘B’는 관성을 깨고 새로운 관점을 열어주는 말입니다.
우리는 지금까지 ‘Not A, but B’라는 구조를 통해 익숙한 관념(A)을 넘어 새로운 통찰(B)로 나아가는 여정을 이야기해왔다. B는 종종 우리의 직관, 경험, 혹은 창의적 발상에서 비롯된다. 하지만 때로는 가장 강력한 B는 우리가 미처 보지 못했던 현실, 즉 데이터 속에 숨겨진 패턴과 의미를 발견하는 데서 탄생한다.
이번 섹션에서는 데이터를 단순히 B 주장을 뒷받침하는 ‘사후적 근거’로 활용하는 것을 넘어, 데이터 자체가 어떻게 새로운 B를 발견하는 ‘출발점’이 되고, 그 B를 향한 설득의 ‘필연성’을 구축하는지 탐구하고자 한다.
데이터는 때로는 불편한 진실(A의 문제점)을 드러내고, 때로는 예상치 못한 기회(B의 가능성)를 암시하며, 우리에게 가장 날카로운 질문을 던진다. 그 질문에 답하는 과정에서 우리는 가장 강력하고 설득력 있는 B를 만날 수 있다. 여기서 데이터는 단순한 숫자가 아니라, B라는 통찰로 이끄는 나침반이자, A의 세계를 떠나야 할 이유를 보여주는 명백한 증거다.
‘Not A, but B’ 메시지의 설득력을 극대화하기 위해, 데이터 제시 순서를 전략적으로 배치하여 청중이 스스로 B의 필요성과 타당성을 느끼도록 유도할 수 있다.
청중이 기존에 가지고 있던 생각(A)에 균열을 내거나, 미처 인지하지 못했던 중요한 사실을 충격적이거나 흥미로운 데이터로 먼저 제시한다. 이 데이터는 A의 문제점, 비효율성, 혹은 B의 잠재적 가능성을 명확하게 드러내야 한다.
(문제의 심각성을 데이터로 제시)
"최근 발표된 [기관명]의 보고서에 따르면, 우리나라 직장인의 [X%]가 번아웃을 경험하고 있으며, 이로 인한 생산성 손실은 연간 [Y조 원]에 달한다고 합니다."
먼저 제시된 데이터는 청중의 주의를 집중시키고, ‘왜 이런 숫자가 나왔을까?’, ‘이것이 나에게/우리에게 의미하는 바는 무엇일까?’라는 질문을 스스로 던지게 만든다. 이는 B를 받아들일 수 있는 인지적 공간을 마련하는 효과가 있다.
제시된 데이터가 무엇을 의미하는지, 그 이면에 어떤 중요한 통찰이 숨겨져 있는지를 명확하게 해석하고 설명한다. 이 통찰은 자연스럽게 B라는 새로운 관점이나 해결책으로 이어져야 한다.
(X% 번아웃, Y조 원 손실 데이터 제시 후)
"이 수치는 단순히 개인의 피로 문제를 넘어, 기존의 업무 방식(A)이 더 이상 지속 가능하지 않음을 명백히 보여줍니다. 우리에게 필요한 것은 단순한 휴식이 아니라, 일과 삶의 균형을 되찾고 창의성을 회복할 수 있는 근본적인 업무 환경의 재설계(B의 방향성)입니다."
데이터와 B 사이의 논리적 연결고리를 명확히 제시함으로써, B는 단순한 주장이 아니라 데이터 분석을 통해 도출된 합리적이고 필연적인 결론으로 인식된다. 청중은 ‘아, 그래서 B가 필요하구나/타당하구나’라고 스스로 납득하게 된다.
앞서 제시된 데이터와 그로부터 도출된 통찰을 바탕으로, 명확하고 간결하게 ‘Not A, but B’ 메시지를 전달한다. 이때 B는 이미 데이터와 통찰을 통해 충분히 정당화되었으므로, 강력한 설득력을 지닌다.
(업무 환경 재설계라는 B의 방향성 제시 후)
"결국, 중요한 것은 더 많은 시간을 일하는 것(Not A)이 아니라, 우리 모두가 지치지 않고 지속적으로 성과를 낼 수 있는 건강한 시스템을 만드는 것(But B)입니다. 그리고 데이터는 바로 이 B의 필요성을 명확히 보여주고 있습니다."
B는 청중의 머릿속에 ‘데이터가 증명하는, 가장 합리적이고 통찰력 있는 결론’으로 각인된다. 데이터가 먼저 제시되었기 때문에 B의 등장은 갑작스럽거나 억지스럽지 않고, 오히려 기다려왔던 해답처럼 느껴질 수 있다.
데이터를 앞세우고 그로부터 통찰을 도출하여 B 결론으로 이어지는 흐름은 다음과 같은 이유로 B를 더욱 강력하고 ‘생각하게 만드는’ 메시지로 만든다.
능동적 사고 유도 (Encouraging Active Thinking):
데이터가 먼저 제시되면, 청중은 수동적으로 결론을 받아들이기보다 ‘이 숫자가 왜 나왔을까?’, ‘이것이 무엇을 의미할까?’ 스스로 질문하고 생각하게 된다. 이 과정에서 청중은 메시지에 더 깊이 관여하게 되며, 이후 제시되는 B 통찰과 결론에 대한 수용도가 높아진다.
객관성과 신뢰성 선제적 확보 (Proactively Establishing Objectivity and Credibility):
데이터라는 객관적 사실로 시작함으로써, 메시지 전체의 신뢰도를 초반부터 높일 수 있다. B 주장이 아무리 혁신적이더라도, 탄탄한 데이터 기반 위에서 제시되면 ‘뜬구름 잡는 소리’가 아니라 ‘현실에 발 딛고 있는 주장’으로 인식된다.
B의 ‘발견 과정’ 공유 (Sharing the 'Discovery Process' of B):
데이터를 통해 어떻게 B라는 통찰에 이르게 되었는지 그 과정을 보여줌으로써, 청중은 마치 탐정이 단서를 찾아 결론에 도달하는 과정을 함께하는 듯한 느낌을 받는다. 이는 B에 대한 단순한 동의를 넘어, 깊은 이해와 공감을 이끌어낼 수 있다. B가 ‘주어진 것’이 아니라 ‘발견된 것’으로 느껴지게 한다.
반론 가능성 최소화 (Minimizing Potential Counterarguments):
B 주장에 대한 잠재적인 반론이나 의구심이 데이터 제시와 해석 단계를 통해 상당 부분 해소될 수 있다. 데이터는 B의 타당성에 대한 강력한 방어막 역할을 한다.
데이터를 앞세우는 전략이 항상 만능인 것은 아니다. 다음 사항들을 유의하여 균형을 유지해야 한다.
데이터의 압도성 경계:
너무 많은 복잡한 데이터를 초반에 제시하면 청중이 지레 겁먹거나 메시지의 핵심을 놓칠 수 있다. 가장 핵심적이고 강력한 데이터 포인트를 선별하여 명확하고 이해하기 쉽게 제시해야 한다.
인사이트의 깊이:
데이터가 아무리 훌륭해도, 그로부터 끌어내는 B 통찰이 피상적이거나 이미 알려진 사실이라면 메시지의 힘은 약해진다. 데이터 너머의 ‘왜’를 파고들어 진정으로 새로운 관점을 제시하는 B가 필요하다.
감성적 연결과의 조화:
데이터는 이성적 설득에 강하지만, 최종적인 행동 변화는 감성적 공감과 연결될 때 더욱 강력해진다. 데이터 기반 통찰(B)이 청중의 가치, 감정, 열망과 어떻게 연결되는지 보여주는 스토리텔링이 동반될 때 B의 설득력은 극대화된다.
데이터의 한계 인정 및 투명성:
모든 데이터는 특정 조건 하에서 수집되고 해석된 것이다. 데이터의 한계를 인정하고, 출처를 명확히 하며, 가능한 범위 내에서 수집 및 분석 과정의 투명성을 확보하는 것이 B 메시지의 장기적인 신뢰를 유지하는 데 중요하다.
‘Not A, but B’ 메시지 구조에서, 데이터를 전략적으로 앞세우고 그로부터 통찰을 이끌어내 B라는 결론에 이르는 방식은, B를 단순한 ‘선택 가능한 대안’이 아니라 ‘받아들일 수밖에 없는, 데이터가 증명하는 필연적인 진실’로 격상시킨다.
청중은 제시된 데이터를 통해 스스로 A의 문제점을 인식하고 B의 가능성을 탐색하며, 자연스럽게 B라는 결론에 동참하게 된다. 이러한 방식은 B를 일방적으로 주장하는 것보다 훨씬 더 깊은 수준의 이해와 자발적인 수용을 이끌어낸다.
따라서 우리가 A를 넘어 B를 이야기할 때, 단순히 B를 뒷받침하기 위해 데이터를 사용하는 것을 넘어, 데이터 자체가 B를 향한 여정의 출발점이자 강력한 엔진이 되도록 메시지를 설계해야 한다. 숫자가 길을 열고, 통찰이 그 길을 밝히며, B가 최종 목적지임을 명확히 보여줄 때, 우리의 메시지는 세상을 움직이는 가장 강력한 힘을 갖게 될 것이다.