성과지형과 탐색 방식 간의 부조화

Misfits between Performance Landscapes and Search

기업과 조직의 선택과 성과 간의 관계를 개념화하기 위한 여러 시도 중 하나가 성과지형(performance landscape) 모델이다. 다양한 성과지형이 소개되어 왔고, 각각의 성과지형에 대해 적절한 탐색 방식도 함께 연구되었는데, 대부분의 연구에서 행위자는 성과지형에 따른 적절한 탐색 방식을 미리 알고 있는 것으로 가정된다. 이러한 가정은 성과지형과 탐색의 연구를 비롯한 대부분의 매니지먼트 연구에서 주로 채택하고 있는 합리성의 수준을 벗어나는 것이다. 본 연구에서는 매니지먼트 분야에서 연구되는 다양한 종류의 성과지형(매끄러운 성과지형, 단일피크 성과지형, 다중피크 성과지형)과 각 성과지형에서 주로 채택되는 탐색의 방식(지엽적 탐색, 원거리 탐색, Q-학습 알고리즘 기반 탐색)을 소개한다. 그리고, 행위자에게 제한적 합리성의 가정을 확대 적용하여 성과지형과 탐색 방식 간에 매칭이 되지 않는 부조화의 상황에 대해 고찰한다. 연구 방법으로는 사고 실험(thought experiment)을 통한 명제 도출을 진행한다. 성과지형과 탐색 방식 간에 부조화가 존재하는 많은 경우에 성과의 하락이 예상되었다. 특히, 기업이 실제로 처한 성과지형을 잘 표현하는 것으로 자주 언급되는 다중피크 성과지형에서는 탐색 방식과의 부조화가 성과 상승에의 방해 요인으로 작용할 것이다. 그러나, 오히려 매끄러운 단일피크 성과지형에서는 부조화로 인해 성과가 높아지는 경우도 있음을 보인다. 이러한 예상을 바탕으로 향후 일관성 있는 수준의 제한적 합리성에 기반한 연구를 제안한다.

Organizational scholars proposed performance landscape models to conceptualize the relationship between organizational choices and performance. Since its inception, scholars have introduced various performance landscapes and have examined performance implications by adopting the appropriate search methods for each performance landscape. However, the assumption that the searching agent is aware of and able to select the most appropriate search method is beyond the level of rationality usually adopted in the management field. In this study, we introduce and review various types of performance landscapes studied in the field of management (smooth performance landscape, single-peak performance landscape, and multi-peak performance landscape) and the search methods mainly adopted (local search, long-distance search, and Q-learning algorithm-based search) for each landscape. Taking the assumption that the searching agent does not know the appropriate search method for a given landscape, we conduct a thought experiment on misfits between performance landscapes and search methods. In many cases, when there is a misfit between the performance landscape and the search method, a decrease in performance is expected. However, performance increases are also possible. Based on these expected patterns, possible future research directions are proposed.