"아깝다, 거의 다 왔는데!" 뇌를 속이는 '근접 오류 효과'

Share
"아깝다, 거의 다 왔는데!" 뇌를 속이는 '근접 오류 효과'
Photo by SLNC / Unsplash

로또 번호 6개 중 5개가 맞고 마지막 하나가 어긋났을 때, 혹은 주식 매수 타이밍을 간발의 차로 놓쳤을 때 우리는 깊은 아쉬움을 느낍니다. 이성적으로는 단 하나의 번호만 틀려도 당첨금은 천지 차이인 명백한 '실패'지만, 우리의 뇌는 이를 다르게 받아들입니다. 심리학에서는 이를 '근접 오류(Near Miss) 효과'라고 부릅니다.


실패를 '성공의 전조'로 착각하는 뇌

우리의 뇌는 목표에 아주 근접하게 도달했다가 실패했을 때, 이를 완전한 실패가 아닌 '거의 성공한 상태'로 착각합니다. 이때 뇌에서는 실제 성공했을 때와 비슷한 수준의 도파민이 분비됩니다. "조금만 더 하면, 한 번만 더 시도하면 진짜 될 것 같다"는 강렬한 동기를 부여하는 것이죠.

사실 이 심리적 기제는 진화의 산물입니다. 수렵채집 시절, 사냥감을 아깝게 놓쳤을 때 좌절하고 포기해 버리면 굶어 죽을 수밖에 없었습니다. '거의 잡을 뻔했다'는 감각은 우리의 조상들이 사냥 기술을 다듬고 다시 창을 던지게 만드는 강력한 생존 동력이었습니다. 즉, 근접 오류는 생존을 위해 뇌가 우리에게 거는 일종의 긍정적인 최면이었던 셈입니다.


자본주의가 우리의 생존 본능을 해킹할 때

하지만 현대 자본주의 사회에서 이 진화적 본능은 교묘하게 이용당하고 있습니다. 카지노의 슬롯머신이 가장 대표적입니다. 슬롯머신은 '7-7-7'이 나오는 대박보다 '7-7-6'이나 '7-7-체리'처럼 아깝게 빗나가는 화면이 훨씬 더 자주 나오도록 설계되어 있습니다. 긁는 복권 역시 당첨 그림 두 개 옆에 꽝 그림 하나를 배치해 두죠.

순전한 '운'에 의해 결정되는 게임에서, 아깝게 빗나간 것은 다음번 성공과 아무런 인과관계가 없습니다. 하지만 우리의 뇌는 "내 실력이 늘고 있다", "타이밍을 잡아가고 있다"는 '통제력의 착각(Illusion of Control)'에 빠집니다. 동네 골목의 인형뽑기 기계가 출구 직전에 인형을 툭 떨어뜨리는 것 역시 우연이 아닙니다. 우리의 뇌가 가진 이 오랜 약점을 찌르기 위해 정교하게 프로그래밍된 덫입니다. 당신의 그 "아쉽다"는 감정은, 정말 당신의 것일까요?

Read more

직장인 10명 중 8명은 올해 월급이 깎였다: 2026년 8월 사업체노동력조사

직장인 10명 중 8명은 올해 월급이 깎였다: 2026년 8월 사업체노동력조사

* 2026년 7월 직장인 평균 월급은 431만 6천 원으로 1년 전보다 2.5% 올랐습니다. * 물가는 2.8% 올라, 물가를 감안한 실질임금은 넉 달 연속 줄었습니다. * 직장인 열에 여덟이 일하는 300인 미만 사업장은 1.7% 오르는 데 그쳐, 올해 들어 한 분기도 물가를 따라잡지 못했습니다. 평균이 올랐다는 말은, 물가를 빼고 보면 열에

경력 같은 신입을 찾습니다: AI와 지역 노동시장

경력 같은 신입을 찾습니다: AI와 지역 노동시장

신입 채용 공고에 '경력 우대'가 붙는 일은 이제 낯설지 않습니다. 신입을 뽑는다면서 경험부터 묻는 공고 앞에서, 사회초년생이 들어 온 조언은 대개 하나였습니다. 일단 기회가 많은 서울로 가라는 것. 이 조언에는 근거가 있었습니다. 수도권은 전국 일자리의 절반(51.1%)을 품은 곳이고, 새로운 산업도 대개 이곳에서 먼저 자랐습니다.

AI 노출도, 학력과 소득이 높을수록 높다

AI 노출도, 학력과 소득이 높을수록 높다

AI의 영향은 저숙련 일자리에 먼저 닥친다고 생각하기 쉽습니다. 그런데 한국은행 조사국 연구진이 AI 종류별로 노출도를 계산해 보니, 글을 쓰고 일을 처리하는 AI는 오히려 학력과 소득이 높은 쪽에 더 가까웠습니다. 소득부터 보면, 생성형 AI와 에이전틱 AI 모두 임금이 높을수록 노출도가 올라갔습니다. 에이전틱 AI는 특히 임금 상위 20% 구간에서 두드러지게 높았습니다. 학력도

전방배치기술자(FDE)란? AI 시대에 주목받는 새 직업

전방배치기술자(FDE)란? AI 시대에 주목받는 새 직업

전방배치기술자(FDE, Forward Deployed Engineer)는 고객사 현장에 직접 들어가 일하는 소프트웨어 개발자입니다. 본사에서 제품을 만들어 넘기는 대신 고객의 공장에 상주하면서, 현장의 노하우를 AI 제품에 녹여 넣고 AI 기술이 실제 업무에 자리 잡도록 양쪽을 잇는 역할을 맡습니다. 이름에 '전방'이 붙은 건 개발자가 본사가 아니라 현장이라는 최전선에 배치되기