시스템은 언제나 알고, 로컬 효율과 시스템 성능은 별개의 문제
Dietrich Braess는 처음 들었을 때 Ainda 이상하게 느껴지는 결과를 설명했습니다: 교통망에 도로를 추가하면 모두가 통근이 더 어려워집니다.
도로가 실패할 필요가 없습니다. 사고나 건설 지연, 나쁜 설계가 필요하지 않습니다. 도로가 의도대로 작동하고 시스템은 여전히 나빠질 수 있습니다.
이유는 불편합니다. 각 운전자는 자신이 가장 좋은 라우트를 선택합니다. 그 선택은 개인적으로 합리적입니다. 하지만 충분한 driver들이 같은 합리적인 선택을 할 때, 네트워크는 더 나쁜 전체 패턴에 빠질 수 있습니다. 단일 드라이버가 라우트를 바꿔서 스스로 통근을 쉽게 개선할 수는 없으며, 모두가 시스템이 가질 수 있었던 것보다 poorer한 결과에 갇혀 있습니다.
게임 이론에서 이는 균형(equilibrium)과 최적(optimality) 사이의 유용한 구분을 보여줍니다. 나슈 균형(Nash equilibrium)은 안정적이지만 좋지는 않을 수 있습니다. 이는 각 행위자가 다른 이들이 하는 것을 고려해 가능한 가장 좋은 행동을 선택하고 있다는 의미일 뿐, 시스템이 최선의 결과를 달성했다고 할 수는 없습니다.
그 구분은 교통을 넘어서広泛하게 중요합니다.
회사 내부에서도 팀들이 자신들의 비즈니스 부분만 최적화하고 아래쪽 영향은 보지 않을 때 이 현상이 나타납니다. 비용 대시보드는 개선됩니다. 서비스 대시보드는 약해집니다. 한 기능은 절감 효과를 보여주고, 다른 기능은 불만을 흡수합니다. 각 팀은 자신의 지표에 따라 합리적으로 행동할 수 있고, 전체 시스템은 여전히 더 나빠질 수 있습니다.
진전이 보이는 지표
마지막 마일 배송에는 간단한 비용 구조가 있습니다. 운전자, 차량, 연료, 배정, 경로 계획, 운영 협조 모두 비용이 발생하며, 한 고객을 서비스하든 다섯 명을 서비스하든 trip 비용은 동일합니다.
이것이 배정( batching) 논리의 직관적 근거입니다. 배송 여행이 약 $60이고 한 명에게만 서비스를 제공한다면, 그 여행 비용은 하나의 주문에 귀속됩니다. 동일한 여행이 세 명을 서비스하면 비용은 세 건으로 나뉘고, 여섯 명을 서비스하면 여섯 건에 나눠집니다.
이 이유에서 운영 팀들은 Cost per Delivery (CPD) 를 신경 씁니다. 이는 추상적인 지표가 아니라, 라우트의 운영 수학을 숫자로 번역한 것이며, 리더십이 관리할 수 있는 실질적인 지표입니다.
처음에는 CPD 개선은 합리적이고, 종종 진정한 이점입니다. 한 건 배송만 포함하는 경로는 보통 활용도가 낮습니다. 두 개 또는 세 건을 포함한 경로는 운전자와 차량의 효율성을 높이며, 배송 창에 todavía 머무를 수 있습니다. 작업은 더 생산적になりながら도 고객 경험을 나쁘게 만들지 않을 수 있습니다.
이 부분은 깨끗하게 느껴지는 최적화 과정입니다. 모델은 더 높은 배정 밀도를 권장합니다. 경로에 더 많은 주문이 실려 있습니다. 비용당 배송 비용(CPD)이 하락합니다. 대시보드가 올바른 방향으로 움직입니다.
문제는 조직이 CPD가 운영 시스템의 한 부분만을 보여준다는 점을 forget 할 때 시작됩니다.
고객은 비용당 배송 비용을 경험하지 않습니다. 고객은 주문이約束된 시간에 도착하는지를 경험합니다. 이는 On-Time Delivery (OTD) 로 보통 측정됩니다.
OTD는 CPD가 개선될 때마다 항상 개선되지 않습니다.
때로는 반대 방향으로 움직이기도 합니다.
곡선이 분리되는 지점
Imagine a grocery delivery route with several stops.
At one stop, the trip is simple but expensive. At two or three stops, the system often improves. The driver is better utilized, the vehicle is better utilized, and there is still enough slack in the route to absorb normal friction.
This is the useful zone. Cost improves, service holds, and the operation becomes more efficient without becoming fragile.
But as more stops are added, the route begins to carry something besides orders. It starts carrying accumulated delay.
A slow elevator at the third stop. A missing gate code at the fourth. A parking problem at the fifth. A customer who takes longer than expected at the sixth. None of these issues looks dramatic in isolation. Each one may only add a few minutes.
But the last customer on the route inherits all of them.
That customer did not cause the slow elevator, the gate issue, the parking problem, or the longer handoff. But their delivery window absorbs the combined effect. From the dashboard, the route may still look efficient. From the customer’s side, the order is late.
This is the point where the cost curve and the service curve begin to separate. CPD may continue to improve because more deliveries are being completed per trip. OTD may begin to degrade because later stops are exposed to more accumulated delay.
The metric improves inside its boundary. The system absorbs the cost outside that boundary.
That is the optimization trap in its simplest form.
보다 현실적인 트레이드오프 관점
In practice, the shape of this tradeoff will vary by market. A dense urban zone with short travel distances behaves differently from a low- density suburban route. A two-hour delivery window behaves differently from a thirty-minute promise. Grocery behaves differently from parcel delivery. Driver experience, parking friction, apartment access, weather, and time of day all matter.
But the pattern is common enough to be worth watching carefully.
At very low batching levels, the operation is often too expensive. There is not enough density to make the route efficient. At moderate batching levels, cost improves and service can remain stable. This is usually the zone leaders are hoping to find.
The danger appears when the organization keeps pushing the same lever after the balance has changed. More stops still reduce cost per delivery, at least on the delivery dashboard. But the side effects start showing up elsewhere. Later stops miss windows more often. Customer contacts increase. Refunds or appeasements rise. Reattempts become more common. Driver stress increases. Customer trust weakens in certain zones.
The original CPD model may still show a win. The business may not actually be winning.
It may simply have moved cost from delivery into customer care, refunds, failed-delivery recovery, driver escalations, or future demand.
That is why this problem is so easy to miss. The savings are visible in one place. The damage is distributed across several others.
함정이 지속되는 이유
그림 1. 배정 밀도 트래드오프 — 비용당 배송(CPD, 상단 패널)은 정류장 수가 증가함에 따라 감소하고, 온시간 배송(OTD, 하단 패널)은 약 3정류장에서 정점을 찍은 뒤 악화됩니다. 분기점(4개 이상 정류장)에서는 효율 지표와 서비스 품질이 반대 방향으로 움직입니다.
The optimization trap is not usually caused by careless teams. It survives because organizations are often designed around local accountability.
One team owns delivery cost. Another team owns routing logic. Another team owns customer experience. Another team handles support contacts. Another team explains changes in repeat behavior. Each group may be doing exactly what it was asked to do.
The cost team pushes CPD down. The routing team increases density. The customer experience team monitors OTD. The support team absorbs the complaints. None of these teams has to be irrational for the total system to become worse.
This is the game theory problem inside the operating model. Once teams are measured locally, the organization can settle into a stable but inefficient pattern. Each team keeps making the best move available from its own dashboard. But the business inherits the combined result.
The problem is not that people are ignoring the system on purpose. The problem is that the system is not visible from any one seat.
That shows up in three recurring ways.
First, the metric boundary becomes the thinking boundary. If a team is measured