174. 페어와이즈 (Pairwise) 우선순위 결정 기법

핵심 인사이트 (3줄 요약)

본질: 페어와이즈 (Pairwise) 우선순위 결정은 여러 요구사항을 한꺼번에 줄 세우지 않고, 두 항목씩 1:1로 비교해 더 중요한 쪽을 반복적으로 선택하는 방식이다.

가치: "다 중요하다"는 막연한 주장 대신 비교 근거가 남는 매트릭스를 만들 수 있어, 이해관계자 간 우선순위 논쟁을 추적 가능한 순서로 바꿔 준다.

판단 포인트: 비교 횟수는 N(N-1)/2로 늘어나므로 후보를 먼저 압축한 뒤 써야 하며, 중요도의 강도와 일관성까지 따져야 하면 AHP (Analytic Hierarchy Process)로 확장하는 것이 적절하다.

Ⅰ. 개요 및 필요성

페어와이즈 우선순위 결정은 여러 대안을 동시에 평가하기 어려운 인간의 한계를 이용해, 문제를 가장 작은 판단 단위인 "A와 B 중 어느 쪽이 더 중요한가"로 쪼개는 기법이다. 요구사항 목록이 길어지면 사람들은 절대 순위를 직관적으로 정하기보다 "전부 중요하다"거나 "나중에 다시 보자"로 도망치기 쉽다. 페어와이즈는 이 모호함을 허용하지 않고, 매 비교마다 승자를 기록해 결국 전체 순서로 환산한다.

이 방식이 필요한 이유는 요구사항 우선순위가 기술 문제가 아니라 의사결정 문제이기 때문이다. 같은 기능이라도 매출, 리스크, 법규 준수, 사용자 가치 중 무엇을 기준으로 보느냐에 따라 순위가 달라진다. 페어와이즈는 적어도 같은 기준 아래에서는 어떤 항목이 왜 앞섰는지 설명 가능한 흔적을 남겨, 회의실의 분위기나 목소리 크기에 좌우되는 결정을 줄여 준다.

아래 그림은 왜 pairwise가 집단 우선순위 토론에 잘 맞는지 보여 준다.

┌────────────────────────────────────────────────────────────────────┐
│ Why pairwise works                                                │
├────────────────────────────────────────────────────────────────────┤
│ hard  : rank A, B, C, D, E all at once                            │
│ easier: decide A vs B, then A vs C, then B vs C ...               │
│ output: traceable wins / losses -> final priority order           │
└────────────────────────────────────────────────────────────────────┘

핵심은 절대 순위를 한 번에 맞히는 것이 아니라, 국소 비교의 결과를 누적해 전체 순서를 만드는 데 있다. 그래서 pairwise는 복잡한 백로그를 작은 판단 조각으로 쪼개는 도구이며, 논쟁을 없애기보다 논쟁의 근거를 구조화하는 도구라고 보는 편이 정확하다.

📢 섹션 요약 비유: 페어와이즈는 반 친구 10명을 한 번에 줄 세우는 대신, 두 명씩만 세워 보고 누가 더 앞에 설지 차례차례 정하는 방법과 같다.

Ⅱ. 아키텍처 및 핵심 원리

페어와이즈의 기본 구조는 단순하다. 먼저 비교할 후보 집합과 단일 판단 기준을 정한다. 다음으로 모든 쌍을 한 번씩 비교해 승자를 기록한다. 마지막으로 각 항목의 승수나 가중치를 합산해 최종 순위를 만든다. 핵심은 비교 전에 기준을 고정하는 것이다. 비용, 매출 효과, 리스크 감소를 한 테이블에서 뒤섞어 비교하면 점수는 나와도 의미가 흐려진다.

단계	해야 할 일	주의점
후보 확정	비교 대상 목록을 동결	중간에 항목을 추가하면 매트릭스를 다시 짜야 한다
기준 정의	예: MVP 3개월 내 business impact	한 세션에는 하나의 기준만 유지한다
쌍대 비교	모든 조합을 1회씩 비교	동일 참가자와 동일 정보 조건이 중요하다
점수 집계	승수, 가중치, tie 점수 반영	tie가 많으면 기준이 모호하다는 신호다
순위 검토	dependency, cost, risk와 함께 해석	score가 곧 실행 순서는 아니다

비교 횟수는 N(N-1)/2다. 4개면 6번, 10개면 45번, 20개면 190번이다. 이 수식 때문에 pairwise는 소규모·중규모 후보 집합에서 특히 강력하고, 후보가 많아질수록 먼저 coarse filtering이 필요하다.

아래 예시는 4개 요구사항을 pairwise matrix로 우선순위화한 모습이다.

┌────────────────────────────────────────────────────────────────────┐
│ Example pairwise priority matrix                                  │
├────────────────────────────────────────────────────────────────────┤
│ criterion: MVP 3개월 내 business impact                           │
│ A=결제 안정성  B=검색 속도  C=쿠폰 발급  D=통계 대시보드           │
│                                                                    │
│        A   B   C   D   score                                      │
│ A      -   1   1   1     3                                        │
│ B      0   -   1   1     2                                        │
│ C      0   0   -   1     1                                        │
│ D      0   0   0   -     0                                        │
│ comparisons = 4×3/2 = 6                                           │
└────────────────────────────────────────────────────────────────────┘

이 표는 결제 안정성이 세 번 모두 이겨 1순위가 되고, 검색 속도는 두 번 이겨 2순위가 된다는 뜻이다. 단순 승패형 pairwise에서는 1점과 0점만 써도 되지만, tie를 허용해야 하면 0.5점씩 나눌 수 있다. 더 나아가 중요도 차이의 강도까지 반영하려면 이후 AHP 같은 가중 pairwise 기법으로 확장할 수 있다.

📢 섹션 요약 비유: 페어와이즈 매트릭스는 토너먼트 대진표처럼 모든 맞대결 결과를 남겨, 마지막에 누가 왜 앞섰는지 설명할 수 있게 해 준다.

Ⅲ. 비교 및 연결

페어와이즈는 우선순위를 정밀하게 줄 세우는 데 강하지만, 모든 요구사항 관리 도구를 대체하지는 않는다. MoSCoW (Must, Should, Could, Won't) 분류는 큰 바구니로 빠르게 나누는 데 강하고, 100-Dollar Test는 이해관계자에게 예산을 배분하게 해 전략적 선호를 드러내는 데 유리하다. AHP는 pairwise의 확장형으로, 중요도의 강도와 일관성까지 수학적으로 다룬다.

기법	출력 형태	장점	한계	적합한 상황
Pairwise	전체 순위 또는 점수표	근거가 남는 정밀 순위	`O(n^2)` 비교 비용	5~12개 수준의 핵심 후보
MoSCoW	Must/Should/Could/Won't 버킷	빠른 1차 분류	같은 버킷 안 순위 약함	대량 후보 압축
100-Dollar Test	예산 배분 점수	이해관계자 선호 반영 쉬움	쌍대 논리보다 정치적 타협이 많음	제품 전략 토론
AHP	가중치, 일관성 비율	강도 차이와 일관성까지 계산	학습비용과 계산 부담 증가	고위험 의사결정, 평가 기준 다층 구조

이 비교에서 보듯 pairwise는 "정밀한 순위"에 초점이 있다. 그래서 로드맵 후보를 이미 1차로 걸러 놓은 상태라면 매우 유용하다. 반대로 50개 기능을 처음부터 pairwise로 돌리면 비교 횟수만 늘고 피로도가 높아지므로, MoSCoW나 Kano 모델로 압축한 뒤 pairwise로 final ordering을 만드는 조합이 더 실무적이다.

또한 pairwise 결과는 backlog priority이지, 곧바로 개발 순서를 의미하지는 않는다. 의존성, 구현 난이도, 법적 마감 시한, 팀 역량을 함께 겹쳐 봐야 실제 release plan이 나온다. 즉 pairwise는 "무엇이 더 중요한가"를 밝히는 도구이지, 혼자서 전체 프로젝트 계획을 완성하는 도구는 아니다.

📢 섹션 요약 비유: 페어와이즈는 세밀한 순위를 매기는 저울이고, MoSCoW는 큰 상자 분류함이며, AHP는 저울에 눈금과 오차검사까지 붙인 정밀 계측기와 같다.

Ⅳ. 실무 적용 및 기술사 판단

실무에서 pairwise를 잘 쓰는 핵심은 후보를 줄이고 기준을 고정하는 것이다. 예를 들어 신규 서비스 MVP 기능이 30개라면, 먼저 MoSCoW나 business case로 8~10개의 핵심 기능만 남긴 뒤 pairwise를 적용하는 편이 좋다. 그다음 결과를 cost, dependency, release constraint와 겹쳐 보면, 우선순위와 실행 가능성 사이의 균형점이 보인다.

아래 판단 흐름은 pairwise를 언제 바로 쓰고, 언제 먼저 후보를 압축해야 하는지 보여 준다.

┌────────────────────────────────────────────────────────────────────┐
│ When to use pairwise priority matrix                              │
├────────────────────────────────────────────────────────────────────┤
│ candidate items > 12 ?                                            │
│   ├─ yes ─▶ coarse filter first (MoSCoW / Kano / business case)   │
│   └─ no                                                           │
│        │                                                          │
│        ▼                                                          │
│ single comparison criterion fixed?                                │
│   ├─ no  ─▶ define criterion before matrix                        │
│   └─ yes ─▶ run pairwise session                                  │
│                    │                                               │
│                    ▼                                               │
│        overlay effort / dependency / capacity before roadmap      │
└────────────────────────────────────────────────────────────────────┘

실무 판단 기준

후보 수 관리: 보통 5~12개 수준의 핵심 항목에 적용할 때 효율이 좋다.
기준 단일화: business value, risk reduction, regulatory urgency 중 무엇을 볼지 한 번에 하나만 정한다.
참여자 고정: 같은 정보와 같은 권한 구조를 가진 평가자가 끝까지 비교해야 결과 일관성이 높다.
근거 기록: 승패만 적지 말고 왜 이겼는지 한 줄 근거를 남겨 나중에 설명 가능성을 확보한다.
사후 검증: pairwise 결과를 비용, 의존성, 일정 제약과 다시 겹쳐 실제 실행 순서로 번역한다.

자주 나오는 안티패턴

비교 기준을 매 행마다 바꿔 가며 점수만 남기는 것
20개가 넘는 항목을 한 번에 pairwise로 돌려 피로도와 품질을 동시에 떨어뜨리는 것
matrix 결과를 무시하고 HiPPO (Highest Paid Person's Opinion) 한마디로 순위를 뒤집는 것
backlog가 바뀌었는데 과거 matrix를 그대로 믿는 것

기술사 답안에서는 페어와이즈를 단순히 "두 개씩 비교하는 기법"이라고 끝내지 말고, 기준 정의 -> 모든 쌍 비교 -> 점수 집계 -> 후속 검증 흐름과 N(N-1)/2의 현실적 비용, AHP로의 확장 가능성까지 함께 써야 실무성이 살아난다.

📢 섹션 요약 비유: 페어와이즈를 잘 쓰는 일은 결승전을 치르기 전에 예선으로 선수 수를 줄이고, 같은 심판 기준으로 끝까지 평가하는 경기 운영과 같다.

Ⅴ. 기대효과 및 결론

페어와이즈를 제대로 적용하면 "왜 이 기능이 먼저인가"를 설명할 수 있는 우선순위가 생긴다. 이해관계자 간 감정적 충돌을 완전히 없애지는 못해도, 적어도 비교 과정과 근거를 기록해 의사결정을 재현 가능하게 만든다. 그 결과 backlog grooming, release scope 결정, MVP 정의, change request 우선순위화가 훨씬 투명해진다.

하지만 pairwise는 만능이 아니다. 후보 수가 많아지면 비교 비용이 급격히 증가하고, 기준이 모호하면 정교한 표를 만들어도 결과 신뢰성이 낮다. 또한 높은 순위가 곧 낮은 비용을 의미하는 것도 아니므로, ROI (Return on Investment), dependency, 기술 리스크를 함께 봐야 한다.

정리하면 pairwise priority matrix의 본질은 사람들의 막연한 선호를 설명 가능한 비교 기록으로 바꾸는 데 있다. 기억할 핵심은 분명하다. 작은 후보 집합, 하나의 명확한 기준, 그리고 후속 검증이 있을 때 pairwise는 가장 강력한 우선순위 정렬 도구가 된다.

📢 섹션 요약 비유: 페어와이즈는 의견의 소음을 숫자로 정리해 주는 정리판과 같아서, 누가 더 크게 말했는지가 아니라 누가 더 자주 이겼는지가 보이게 한다.

📌 관련 개념 맵

개념	연결 포인트
요구사항 우선순위화 (Requirements Prioritization)	pairwise가 직접 해결하려는 핵심 문제다.
이해관계자 정렬 (Stakeholder Alignment)	비교 근거를 공유해 합의를 돕는다.
MoSCoW	pairwise 전에 후보를 압축하는 1차 필터로 자주 쓰인다.
AHP (Analytic Hierarchy Process)	pairwise를 가중치·일관성 분석까지 확장한 기법이다.
backlog grooming	product backlog의 정렬과 release scope 결정에 연결된다.
Business Case	pairwise 비교 기준을 정의할 때 가치와 위험 근거를 제공한다.

📈 관련 키워드 및 발전 흐름도

candidate requirements
    │
    ▼
coarse filtering
    │
    ▼
pairwise comparisons
    │
    ├──────────────▶ win / loss matrix
    ├──────────────▶ explicit priority order
    ▼
weighted extension with AHP
    │
    ▼
roadmap / backlog / release planning

이 흐름도는 pairwise가 대량 후보를 바로 정렬하는 만능 해법이 아니라, 후보 압축 뒤에 적용해 정밀한 순위를 만들고 필요하면 AHP로 확장하는 단계적 의사결정 구조임을 보여 준다.

👶 어린이를 위한 3줄 비유 설명

여러 장난감 중에서 뭐부터 살지 정하기 어려우면 두 개씩만 놓고 어느 게 더 좋은지 고르면 쉬워요.
이렇게 계속 비교하면 가장 많이 이긴 장난감이 맨 앞에 오게 돼요.
하지만 장난감이 너무 많으면 먼저 몇 개만 골라 놓고 비교해야 덜 힘들어요.