성공은 노력일까, 운일까?
사람의 노력은 평균 근처에 모여 있는데, 부와 성공은 소수에게 극단적으로 쏠립니다. 1,000명이 40년 동안 운 좋은 일과 나쁜 일을 만나는 모델로 확인해 봅니다.
모델은 이렇게 움직입니다
- 1,000명에게 노력 점수를 나눠 줍니다. 대부분 평균(0.6) 근처에 모이고 극단은 드문 종 모양입니다(퍼짐 0.1). 모두 같은 자본(10)으로 시작합니다.
- 화면 위를 행운과 불운 점 500개가 6개월마다 무작위로 움직입니다.
- 행운 점이 지나가면 노력만큼의 확률로 자본이 2배가 됩니다. 불운 점이 지나가면 노력과 상관없이 자본이 절반이 됩니다.
- 40년(80단계) 뒤 누가 가장 부자인지 봅니다.
직접 돌려보기
① 시뮬레이션 지켜보기
작은 사람 모양은 한 명 한 명이고, 자본이 늘수록 크고 진한 파랑이 됩니다. 번지는 초록 빛은 행운, 붉은 빛은 불운이 지나가는 자리예요. 이름표는 40년 뒤 자본이 가장 많은 사람(성공왕)과 가장 적은 사람(불행왕)을 따라다녀요. 아래 범례를 참고하세요.
- 초록 빛: 행운
- 붉은 빛: 불운
- 파랑 사람: 자본이 클수록 크고 진해요
- 회색 사람: 자본이 줄었거나 그대로
② 자본 분포
가로는 최종 자본, 세로는 사람 수입니다. 자본은 2배·절반으로만 변해서 10 × 2k 값만 나와요.
③ 노력 vs 최종 자본
한 점이 한 사람입니다. 노력이 높다고 위쪽에 있지 않아요. 세로축은 로그 눈금입니다.
④ 최고 부자는 어떻게 부자가 됐나
금색 선이 최고 부자의 자본 변화, 보라색 선은 불행왕(40년 뒤 자본이 가장 적은 사람)입니다. ▲는 행운을 잡은 순간, ▼는 불운을 맞은 순간, 속이 빈 회색 동그라미는 행운이 왔지만 놓친 순간이에요(최고 부자가 겪은 것만 표시).
이 결과가 말하는 것, 말하지 않는 것
말하는 것:
- 평범한 성공은 노력 쪽, 극단적인 성공은 운 쪽이 클 수 있어요. 이 시뮬레이션은 특히 극단적인 성공에서 운의 몫이 커지는 모습을 보여 줘요.
- 운이 많이 끼면 격차가 커져요. 운은 곱하기로 쌓여서, 한 번 2배가 되면 다음 기회에도 더 크게 불어나기 때문이에요. 가장 크게 성공한 사람이 노력 1등인 경우는 300번 중 0.3%뿐이었어요.
- 노력(타고난 재능과 쏟은 노력을 합친, 내가 가진 몫)은 운을 만들진 못해도, 찾아온 행운을 붙잡을 확률을 높여 줘요. 운은 내가 정할 수 없지만 노력은 내가 바꿀 수 있어요.
- 그렇다면 노력은 언제 결과에 드러날까요? 이 모델에서는 사람들 사이 노력 차이가 클수록 더 드러났어요. 상위 부자 10명 중 노력 상위 10%가 차이 작을 때(0.02) 1.2명, 클 때(0.2) 2.9명이었어요.
상세 설명
말하는 것: 노력이 비슷한 사람들 사이에서도, 운이 몇 번 겹치는 것만으로 부와 성공의 격차가 극단적으로 벌어질 수 있습니다. 가장 성공한 사람이 가장 뛰어난 사람인 경우는 매우 드뭅니다(기본 설정 300번 중 0.3%). 노력은 행운이 왔을 때 붙잡을 확률에 들어가므로, 운과 노력은 더하기가 아니라 곱하기처럼 함께 작용합니다. 모델 밖에서 생각해 볼 점(이 시뮬레이션이 보여 준 것은 아닙니다): 평범한 수준의 성공은 꾸준한 노력이 바닥을 높여 주는 쪽의 영향이 크고, 극단적인 성공일수록 운의 몫이 커진다고 생각해 볼 수 있습니다. 운은 내가 정할 수 없고 노력은 내가 바꿀 수 있으니, 결과가 좋든 나쁘든 운이 섞였음을 알고 받아들이는 태도가 도움이 될 수 있습니다.
말하지 않는 것:
- '평범한 성공은 노력 쪽'이라는 건 이 시뮬레이션이 직접 보여 준 게 아니라 생각해 볼 점이에요. 모델이 보여 준 건 극단적인 성공에 운이 크게 작용할 수 있다는 쪽이에요.
- 재능이나 노력이 소용없다는 뜻이 아니에요. 이 모델에는 교육, 상속, 제도, 연습해서 실력이 느는 과정이 없고, 운과 노력이 정확히 몇 대 몇인지도 알려 주지 않아요.
- 누군가의 성공이나 실패를 '운 탓' 또는 '노력 탓'으로 단정할 근거도 아니에요. 현실에서는 그 사람의 경로에서 운이 어디에 있었는지를 따로 살펴봐야 해요.
상세 설명
말하지 않는 것: 재능이 소용없다거나 노력이 무의미하다는 뜻은 아닙니다. 현실의 부는 교육, 상속, 제도 등 많은 요인으로 정해지는데, 이 모델은 그중 운과 노력만 남긴 단순한 모델입니다. 모델의 노력 점수는 처음부터 정해진 값이라 연습으로 실력이 늘어나는 과정이 없고, 운과 노력이 각각 몇 %인지 답하지도 않습니다. 이 결과만으로 누군가의 성공이나 실패를 운 탓 또는 노력 탓으로 단정할 수는 없습니다.
이론적 근거와 구현 메모
- 모델의 뿌리: Pluchino, Biondo, Rapisarda (2018)의 논문 "Talent vs Luck: the role of randomness in success and failure"(Advances in Complex Systems)를 재현한 모델입니다. 원 논문의 '재능(talent)'을 이 프로젝트에서는 타고난 재능과 쏟은 노력을 합친 '노력'이라고 부르며, 모델 안에서는 행운을 붙잡을 확률일 뿐이라는 점은 같습니다. 노력이 정규분포라도 자본은 파레토형으로 쏠리고, 최고 부자가 최고 노력자인 경우는 드물다는 것이 요지입니다.
- 핵심 가정과 수식: 노력 T는 정규분포(평균 0.6, 표준편차 0.1), 초기 자본은 10입니다. 행운 이벤트를 만나면 확률 T로 자본이 2배, 불운 이벤트를 만나면 자본이 절반이 됩니다(불운에는 노력이 작용하지 않음). 노력은 "기회를 살리는 확률"에만 들어가므로, 이벤트 수와 비율을 바꾸는 슬라이더가 운의 크기를 조절합니다.
- 이 프로젝트의 단순화: 세계는 201×201 칸 토러스, 이벤트는 한 스텝에 2칸씩 임의 방향으로 이동하고 반경 1칸 안이면 만난 것으로 칩니다. 이 값들과, 한 스텝에 이벤트를 여러 개 만났을 때 만난 순서대로 모두 적용하는 처리는 이 프로젝트가 정한 것입니다(논문에 처리 방식이 없음).
- 이론값과 시뮬레이션: 논문 보고값은 상위 20%가 자본의 약 80%를 가지고, 한 번의 실행에서 최고 부자의 노력이 0.61 정도(평균 근처)라는 것입니다. 기본 설정 300회 실행에서 상위 20% 몫은 평균 78.8%로 비슷하지만, 최고 부자 노력은 중앙값 0.665로 논문 값보다 다소 높습니다(노력 평균 0.6보다는 조금 높은 정도). 최고 부자가 최고 노력자였던 비율은 0.3%였습니다(
node tools/validate.js). - 더 읽을거리: Pluchino, Biondo, Rapisarda (2018), 위 논문(arXiv:1802.07068). Robert H. Frank (2016), 『Success and Luck』, Princeton University Press. Robert K. Merton (1968), "The Matthew Effect in Science", Science 159.