경기 결과를 만들고 전개를 통제하는 방식에는 크게 두 갈래가 있다. 하나는 엔진이 수치와 규칙을 바탕으로 경기를 자동으로 돌리는 자동 시뮬, 다른 하나는 사용자가 직접 입력을 넣어 캐릭터나 전술을 조작하는 수동 조작이다. 콘솔 스포츠 게임, 모바일 RPG, 경영 시뮬레이션, 심지어 가상축구 같은 데이터 기반 콘텐츠까지 이 둘 사이에서 균형을 가상축구 잡는다. 어느 쪽이 더 낫다고 잘라 말할 수는 없다. 장면과 목적, 시스템 설계, 플레이어 층의 기대가 서로 얽혀 있어서다. 그럼에도 각 방식이 어디서 빛나고 어디서 발목을 잡히는지, 실무에서 체감한 판단 기준은 분명 존재한다.
자동 시뮬은 무엇을 약속하고 무엇을 포기하나
자동 시뮬의 본질은 재현 가능한 규칙과 충분한 표본으로 평균적인 결과를 빠르게 산출하는 능력이다. 엔진은 초당 30에서 60회 사이의 틱을 기준으로 상태를 업데이트하고, 확률과 가중치를 통해 이벤트를 처리한다. 선수가 몸싸움에서 이길 확률, 롱슛의 기대 득점, 체력에 따른 이동 속도 하락 같은 요소가 수치화되어 있다. 시뮬 엔진이 가질 수 있는 덕목은 일관성, 대량 처리, 튜닝 가능성이다.
하지만 자동 시뮬은 인간의 즉흥적인 판단이나 습득 곡선이 개입할 여지가 적다. 필드에서 손끝으로 만들어내는 변칙이 사라지기 쉽고, 벤치마킹한 데이터셋이나 설계된 메타에 결과가 붙들린다. 결과가 납득되려면 모델의 투명성이 상당해야 한다. 수치가 깜깜이라면 승부는 공정해도 유저는 공정하다고 느끼지 못한다.
가상축구를 예로 들자. 선수 카드의 능력치, 전술 슬라이더, 팀 케미스트리가 시뮬에 들어간다. 90분 경기 전체를 빠르게 스킵해 결과만 보는 모드에서는 수천 판을 돌려도 편차가 좁게 수렴한다. 선수 밸런스나 전술 메타를 평가하기엔 이상적이다. 다만 체감이 약하다. 시즌이 길어질수록 관여감이 낮아지고, 결국 강화 수치와 확률표만 보는 관리 게임처럼 변한다.
현장에서 느낀 강점과 약점을 간단히 요약하면 다음과 같다.
- 강점: 대량 경기 처리, 통계적 안정성, 밸런스 테스트 용이, 서버 사이드 검증과 공정성 강화, 진입장벽 낮음 약점: 체감 약화, 즉흥성 결여, 모델 불신 시 이탈 가속, 메타 고착, 예외 처리 비용 증가
수동 조작의 세계, 표현과 피로 사이의 줄타기
수동 조작은 입력 장치의 정확도와 레이턴시, 애니메이션 블렌딩, 판정 프레임 설계에 결과가 민감하다. 반응 시간 200에서 250ms의 인간 한계를 전제로, 네트워크 왕복 지연 40에서 80ms가 겹치면 행동과 판정의 간극이 생긴다. 숙련자는 이 간극을 예측과 학습으로 메운다. 그래서 수동 조작은 기술 표현, 손맛, 창의성에서 자동 시뮬을 압도한다.
문제는 피로도와 격차다. 한 경기 12분짜리 온라인 매치를 10연전 하면, 손목은 괜찮아도 집중력이 무너진다. 커뮤니티 리그를 운영할 때 체감한 수치로, 실력 상위 10퍼센트와 중간층의 기대 득점 차이가 평균 0.7골을 넘어서면 매칭 이탈이 뚜렷했다. 조작 난도를 낮추거나 보조 옵션을 켜도 격차는 숨을 뿐 사라지지 않는다.
가상축구에서 수동 조작은 한 명만 움직이는 마이크로 조작과 전술 지시의 매크로 조합으로 구현된다. 패스 파워를 섬세하게 조절해 빌드업을 살리고, 순간적인 커브 슛으로 xG를 거스르는 득점을 만들 수 있다. 반대로 입력 지연이 불안정하면 느낌표가 찍힌다. 같은 장면을 세 번 만들었는데 한 번만 통한다면 불신이 생긴다.
현장에서 부딪힌 실감은 이렇다. 수동 조작은 플레이어를 스타로 만든다. 동시에 적대감도 만든다. 입력을 가로막는 요소, 즉 프레임 드랍, 피어 투 피어 연결의 지역 편차, 컨트롤러 드리프트가 겹치면 탓할 대상을 찾기 쉽다. 서비스팀이 가장 예민하게 모니터링해야 하는 영역이다.
공정성의 두 얼굴, 체감 공정과 통계 공정
공정성은 두 겹이다. 통계 공정은 동일 조건에서 장기간 샘플을 쌓았을 때 기대값에 수렴하는가를 묻는다. 자동 시뮬의 홈그라운드다. 체감 공정은 각 장면에서 납득 가능한 원인이 드러나는가를 본다. 수동 조작이 유리하다. 이상적인 시스템은 두 공정을 양립시키지만, 실제로는 선택과 집중이 따른다.
자동 시뮬에서 통계 공정을 높이려면 엔진의 난수 시드를 세션 단위로 고정하고, 이벤트 간 독립성을 보장해야 한다. 하지만 체감 공정이 떨어지기 쉽다. 예컨대 두 차례 연속해 골대를 강타하는 장면이 나오면, 사람은 패턴을 의심한다. 반대로 수동 조작에서 체감 공정을 살리려면 히트박스와 애니메이션 판정 프레임을 투명하게 설계하고, 리플레이에서 입력 타이밍을 확인할 수 있어야 한다. 다만 통계 공정은 떨어질 수 있다. 숙련 격차가 큰 풀이면, 시즌 후반 승점 분포가 꼬리를 길게 늘인다.
가상축구 리그 운영에서 한 번 실험했다. 본선 토너먼트는 수동 조작, 조별 예선은 자동 시뮬로 돌렸다. 결과는 적절한 절충이었다. 조별 리그에서 우연 변수가 줄어 강팀이 안정적으로 본선에 올랐고, 본선에서는 현장감이 살아났다. 다만 예선에서 탈락한 중간층은 관여감이 낮다고 느꼈다. 자동 시뮬로 돌릴 때 팀 관리의 미세 조정이 체감되지 않는다는 피드백이 많았다.
시간과 효율, 플레이 패턴의 다변화
라이브 서비스에서는 하루에 쓸 수 있는 시간이 핵심 변수가 된다. 모바일 환경에서는 출퇴근길 15분, 점심시간 10분처럼 토막 시간이 흔하다. 자동 시뮬은 이 시간을 효율로 전환한다. 반복 파밍이나 시즌 소화, 긴 리그 일정을 부담 없이 넘길 수 있다. 수동 조작은 짧은 시간에 강한 몰입을 제안한다. 한 판 진득하게 즐기고 나서 만족감을 얻는 패턴이다.
현실적으로는 두 모드를 섞어 쓴다. 주간 퀘스트와 같은 반복 과제는 자동 시뮬, 랭크 매치는 수동 조작. 다만 이조차 미세하게 균형을 타야 한다. 자동 시뮬 보상이 지나치면 수동 조작 매칭 풀이 마른다. 반대로 수동 조작 보상이 높으면, 시간 여유가 없는 유저가 소외된다. 보상 설계에서는 평균 세션 길이, 주간 재방문율, 경기당 이탈률 같은 지표를 함께 본다. 경험상 수동 조작 비중을 주당 플레이 시간의 35에서 45퍼센트 구간으로 설계했을 때 만족도가 안정적이었다.
기술적 기반, 틱레이트부터 의사결정 주기까지
자동 시뮬의 품질은 모델링과 튜닝에 선다. 의사결정 주기가 중요하다. 예를 들어 가상축구 시뮬에서 선수 AI의 전술 판단을 500ms 주기로 돌리면, 압박 타이밍이 느슨해지고 라인 간격이 무너진다. 100에서 150ms로 당기면 자연스러워진다. 그 대신 CPU 자원이 늘고, 모바일에서는 배터리 소모가 체감된다. 이벤트 발생 빈도도 민감하다. 파울, 카드, 오프사이드의 베이스 레이트를 리그 평균에 맞추되, 리그마다 개성을 살리면 수용도가 올라간다.
수동 조작은 입력 파이프라인의 지연이 성패를 가른다. 서버 틱레이트 60Hz, 입력 샘플링 250Hz, 애니메이션 루트 모션 보정으로 체감 지연을 80에서 120ms에 묶으면 안정적이다. 네트워크 보정에서는 입력 예측과 상태 보간의 비율을 정해야 한다. 예측이 강하면 뚝뚝 끊기는 역보정이 늘고, 보간이 강하면 무거운 손맛이 된다. 이 구간은 장르별로 감이 다르다. 축구처럼 연속적 움직임이 많은 장르는 보간 비중을 약간 높여도 된다. 격투처럼 프레임 단위 판정이 중요한 장르는 예측을 공격적으로 쓴다.
데이터와 메타, 자동 시뮬이 만드는 생태계
자동 시뮬은 메타를 빠르게 만들고 빠르게 무너뜨린다. 수천 판 시뮬을 돌리면 특정 조합의 기대 승률이 금세 드러난다. 커뮤니티는 이를 공유하고 따라 한다. 가상축구에서 측면 크로스 중심 전술이 시뮬에서 효율이 높다면, 한 주 만에 사용률이 40퍼센트를 넘긴다. 이때 설계팀은 카운터 전략의 수용 비용을 낮추거나, 해당 전략의 리스크를 명확히 드러내야 한다. 시뮬 메타가 굳을수록 변주가 사라지고, 신상품이나 신규 전술의 진입이 어려워진다.
메타의 관성은 장점이 되기도 한다. 입문자에게 안정적인 빌드 가이드를 제공하고, 실험의 리스크를 줄인다. 다만 생태계가 닫히기 전에 틈을 만들어야 한다. 예를 들어 주기적으로 환경 변수를 바꾸는 방법이 있다. 경기장 크기나 날씨, 심판 성향 같은 외부 요인을 시즌제 변수로 도입하면, 메타가 미세 조정된다. 수동 조작에서는 이런 변수 변화가 체감으로 곧장 번역된다. 빗길에서는 슛 타이밍을 0.1초 앞당긴다 같은 식이다.
서사와 몰입, 누가 경기를 기억하게 만드는가
사람이 경기를 기억하는 이유는 점수판만으로 설명되지 않는다. 특정 장면, 의외의 반전, 플레이한 손맛이 기억을 만든다. 수동 조작은 이 서사를 풍성하게 한다. 컨트롤러가 떨릴 만큼 간신히 막은 세이브, 하프라인 근처에서의 태클 성공 같은 장면이 플레이어의 소유가 된다. 자동 시뮬의 서사는 팀과 시스템의 서사다. 장기 프로젝트를 완수하는 만족, 구단주 모드의 재정 곡선, 청소년 선수를 성장시켜 4년 뒤 주전으로 만드는 이야기. 직접 플레이의 즉시성과는 다른 결이다.
가상축구 커뮤니티에서 들은 사례가 있다. 한 유저는 시뮬로만 돌려 12시즌을 소화해 클럽 전력을 3부에서 1부 상위로 끌어올렸다. 수기로 작성한 시즌 회고를 보면, 특정 경기 장면은 거의 언급이 없다. 그 대신 이적의 실패와 예산 제약, 유망주의 성장 곡선 같은 중장기 서사가 촘촘하다. 반대로 수동 조작 중심의 유저는 특정 더비 매치의 89분 역전골 장면을 몇 달이 지나도 생생하게 적는다. 어느 쪽 서사가 더 가치 있는지는 목적에 달렸다. 팀을 만들고 싶다면 자동 시뮬, 경기를 살고 싶다면 수동 조작이 어울린다.
운영 관점의 현실, 비용과 리스크
개발과 운영의 관점에서 두 방식은 서로 다른 비용 구조를 가진다. 자동 시뮬은 서버 사이드 계산과 로그 적재가 많다. 대량 시뮬을 지원하려면 작업 큐, 일괄 처리, 리플레이 저장 정책까지 설계해야 한다. 좋은 점은 치트 대응이 상대적으로 단순하다는 것이다. 서버가 진실의 원천이면 클라이언트 변조가 통하지 않는다. 다만 모델 신뢰가 흔들릴 때의 리스크가 크다. 유저가 결과를 이해하지 못하면 고객센터와 커뮤니티가 동시에 뜨거워진다.
수동 조작은 네트워크 품질 보장과 안티치트가 난제다. 입력 에이밍 보정, 스크립트 매크로, 패킷 조작을 차단해야 한다. 콘솔과 PC, 모바일의 입력 생태가 다르다는 점도 부담이다. 크로스 플레이를 열면 레이턴시와 프레임 차이로 불만이 생긴다. 여기에 기기별 입력 장치, 예를 들어 키보드 대 패드의 성능 편차가 붙는다. 운영팀의 일과는 거칠게 말해 네트워크, 입력, 매칭 세 가지 지표를 붙잡고 버티는 일이다. 성수기 주간에 이 세 지표가 동시에 흔들리면, 수동 조작의 매력은 한순간에 무력화된다.
하이브리드 접근, 중간지대의 설계
두 방식을 섞는 전략은 이미 곳곳에서 쓰인다. 경기의 핵심 장면만 수동으로 개입하게 하거나, 수동 입력을 확률 가중치에 더하는 식이다. 승부차기만 직접, 빌드업은 시뮬. 세트피스는 사용자가 설계한 패턴을 호출하고, 필드 플레이는 AI가 이어간다. 이렇게 하이브리드를 쓰면, 피로는 줄이되 소유감을 살릴 수 있다.
중요한 디테일은 개입의 단위와 빈도다. 너무 잦으면 수동 모드와 다를 게 없고, 너무 드물면 관여감이 사라진다. 가상축구에서 실험적으로 세트피스와 결정적 찬스 xG 0.3 이상 장면만 개입 포인트로 잡았을 때, 평균 경기당 개입 횟수가 6에서 9회였다. 10분 경기에서 이 정도면 리듬을 해치지 않았다. 반대로 개입 임계값을 0.2로 낮추자 15회 가까이 튀었고, 몰입이 깨졌다.
또 하나는 실패의 소유다. 사용자가 개입했을 때 실패하면 누구 탓인가. 개입 장면에서는 판정과 피드백을 더 촘촘히 줘야 한다. 슛 타이밍 슬라이더, 방향 입력의 벡터, 상대 수비의 블록 확률을 시각적으로 되돌려 주면 납득이 올라간다.
훈련과 학습, 실력의 전달 경로
수동 조작이 빛나는 전제는 학습 경로가 잘 깔렸다는 것이다. 튜토리얼과 트레이닝 모드가 단지 컨트롤 설명서에 머무르면 안 된다. 반복 숙련의 사이클, 피드백의 즉시성, 난이도 곡선이 서로 맞물려야 한다. 경험상 반응 속도와 입력 정밀도를 측정해 개별화된 훈련을 제공하면 학습 곡선이 확실히 단축된다. 예를 들어 패스 어시스트를 세 단계로 나눠서, 평균 오차를 15도에서 7도로 좁히기까지 추천 드릴을 제시하는 방식이다.
자동 시뮬의 학습은 다르다. 모델의 작동 원리를 노출하고, 전술 변수의 영향력을 설명하면 된다. 사용자는 A 지시를 올리면 B 현상이 생긴다는 인과를 이해하면 만족한다. 가상축구에서 전술 슬라이더 50을 70으로 올렸을 때 라인 간격이 평균 몇 미터 벌어지는지, 압박 빈도가 몇 퍼센트 오르는지 수치와 리플레이로 보여주면 학습이 빠르다. 설명 가능한 시뮬은 그 자체가 콘텐츠다.
지역성, 문화와 인프라의 차이
지역에 따라 선호가 갈린다. 네트워크 인프라가 좋은 지역은 수동 조작의 비중이 높다. 평균 지연 30ms대의 환경이라면, 공격적인 입력 예측을 써도 부작용이 작다. 반대로 지연이 80ms를 넘는 지역에서는 수동 조작의 불만이 쉽게 폭발한다. 문화적 요인도 작동한다. PC방 문화가 강한 곳은 긴 세션에 익숙하고, 손맛을 중시한다. 이동 환경이 중심인 곳은 자동 시뮬의 효율을 반긴다. 글로벌 서비스를 할 때는 지역별 모드 비중과 보상 설계를 다르게 가져간다. 같은 리그라도 매치메이킹 풀의 크기와 시간대가 달라서, 수동 조작의 대기 시간이 길어질 수 있다. 대기 90초를 넘기면 빠른 매치 포기율이 뛴다.
경제 설계, 보상과 소비의 균형
두 모드는 경제에도 다르게 작용한다. 자동 시뮬은 장기 과제와 누적 보상에 친화적이고, 수동 조작은 단기 성취와 스킬 표현 보상에 어울린다. 가상축구에서 선수 카드를 수집하고 강화하는 루프는 자동 시뮬과 찰떡이다. 대량 경기를 돌리며 재화를 벌고, 강화 실패의 리스크를 분산한다. 반면 수동 조작은 순간의 하이라이트와 직결된 보상이 좋다. 랭크 포인트, 시즌 배지, 리플레이 공유 같은 상징적 보상이 실제 보상 이상의 동기를 만든다.
여기서 주의할 점이 있다. 자동 시뮬의 효율이 지나치면 과금 유저의 가치를 희석시킨다. 누구나 3일만 돌리면 상위 보상을 얻는 구조는 상점의 차별성을 약화시킨다. 반대로 수동 조작 중심에서 과금 보너스가 체감되면 페이 투 윈 논란이 즉시 불붙는다. 보상과 성능의 연결은 자동 시뮬에서는 느슨하게, 수동 조작에서는 더 느슨하게. 체감 밸런스에서의 미세 조정이 항상 필요하다.
실전 기준, 어떤 상황에서 무엇을 선택할까
개발 초기나 리뉴얼 단계에서 늘 받는 질문이 있다. 이번 프로젝트는 자동 시뮬 중심이 맞을까, 수동 조작 중심이 맞을까. 정답은 없다. 다만 판단을 돕는 질문은 있다.
- 핵심 재미가 어느 층위에 있나. 팀 빌드와 장기 성장이라면 자동 시뮬, 플레이 기술과 대결이라면 수동 조작. 평균 세션 길이와 네트워크 환경은 어떤가. 짧고 불안정하면 자동 시뮬 비중을 높인다. 커뮤니티가 중시하는 공정성의 얼굴은 무엇인가. 체감 공정을 중시하면 수동 조작의 투명성을 강화한다. 운영팀이 감당할 수 있는 리스크는 무엇인가. 안티치트와 네트워크를 붙잡을 수 있다면 수동 조작, 모델 신뢰를 확보할 수 있다면 자동 시뮬. e스포츠나 랭크 경쟁의 비중은 어느 정도인가. 높은 경쟁을 지향하면 수동 조작의 제약을 정면 돌파해야 한다.
이 다섯 가지 질문만으로도 방향이 잡힌다. 이후에는 섬세한 하이브리드가 따라온다. 시즌 초반 성장 구간은 자동 시뮬로 채우고, 상위 티어는 수동 조작으로 승강을 가른다. 주중에는 자동, 주말에는 수동 같은 시간 분할도 가능하다. 중요한 건 유저가 자신의 시간과 의도에 맞춰 선택할 수 있게 하는 것이다.
커뮤니티와 소통, 신뢰의 축적
자동 시뮬이든 수동 조작이든, 어느 쪽이든 신뢰를 잃으면 금세 무너진다. 신뢰는 공지 한 번으로 생기지 않는다. 패치 노트에 숫자를 적고, 의도와 맥락을 풀고, 실패했을 때 되돌리는 속도로 쌓인다. 수치가 오르내린 이유, 버그가 어떤 조건에서 재현되는지, 언제 고치는지. 가상축구의 전술 엔진을 예로 들면, 수비 라인 유지 로직을 0.2미터 좁혔다고 적을 수 있을 정도로 투명해야 한다. 수동 조작에서는 네트워크 지표의 주기적 공개가 효과적이다. 지역별 평균 지연, 패킷 손실률, 서버 증설 계획 같은 정보가 불신을 누그러뜨린다.
커뮤니티 리그 운영에서 배운 작은 요령이 있다. 자동 시뮬로 돌린 경기의 하이라이트 리플레이를 서버 측에서 큐레이션해 제공하면, 체감이 살아난다. 90분을 보기엔 지루하지만, 30초짜리 결정적 장면은 공유하고 싶어진다. 수동 조작 쪽에서는 사용자 리플레이의 수집과 검색, 하이라이트 자동 생성이 같은 역할을 한다. 두 방식 모두 이야기감을 보완할 수 있다.
가상축구에서의 현실적 선택지
가상축구는 데이터와 체감이 동시에 중요한 드문 장르다. 현실 리그의 통계가 레퍼런스로 존재하고, 선수와 전술에 대한 팬덤이 크다. 이 장르에서 자동 시뮬은 필수다. 현실 데이터와 연결해 선수 능력치를 조정하고, 리그 컨디션을 반영하는 데에 시뮬이 빠른 길이다. 장기 리그, 구단 운영, 스카우팅 시스템도 자동 시뮬의 울타리 안에서 안정적으로 돌아간다.
그와 동시에 수동 조작은 팬의 욕망을 정확히 겨냥한다. 내가 메시에 투스텝 페인트를 걸고, 직접 아웃프런트로 감아 넣는 경험은 대체 불가다. 두 갈래가 선명하기에, 하이브리드의 가치가 더 크다. 주중에는 스카우팅과 훈련, 자동 경기 돌리기로 팀을 다듬고, 주말 프라임 타임에는 수동 조작으로 랭크 포인트를 올린다. 컵대회는 수동, 리그 일정은 혼합. 세트피스는 수동 설계, 필드 플레이는 시뮬 보조. 이렇게 레이어를 쌓으면 서로의 약점을 보완한다.
기술적으로는 다음의 디테일을 특히 챙긴다. 시뮬 엔진의 결정적 찬스 판정 기준, 예를 들어 xG 0.25 이상의 장면 정의. 수동 개입 포인트의 연속성, 즉 개입 직후 엔진으로 전환될 때의 관성 보정. 전술 슬라이더가 수동 입력을 덮지 않도록 우선순위를 명확히 하는 규칙. 이렇게 작은 규칙이 체감 품질을 좌우한다.
경량 지표와 의사결정, 실무에서 쓰는 기준선
실무에서는 감과 경험만으로는 부족하다. 가볍게라도 수치 기준선을 둔다. 다음 네 가지는 현장에서 반복해서 확인하는 지표다.
- 자동 시뮬 결과의 분산 폭: 같은 매치업에서 100회 시뮬했을 때 득점 분산의 표준편차가 0.9에서 1.1 사이면 체감적으로 자연스럽다. 0.6 이하로 줄면 답답해지고, 1.4를 넘으면 로또라는 말이 나온다. 수동 조작 레이턴시 분포: 70ms 이하 비중이 85퍼센트 이상이면 불만이 적다. 60ms 이하 비중이 60퍼센트를 넘기면 상위권 만족도가 크게 오른다. 개입 포인트당 만족도: 하이브리드에서 경기당 개입 1회가 늘 때, 사용자 설문 만족도가 0.05에서 0.1포인트 오르는 구간까지는 긍정적이다. 그 이상은 피로가 앞선다. 메타 다양성 지수: 상위 티어에서 상위 5개 전술의 사용률 합이 65퍼센트를 넘으면 다양성이 떨어진다. 50에서 60퍼센트 사이면 건강한 편이다.
숫자는 게임과 커뮤니티에 따라 다르다. 중요한 건 절대값이 아니라 추세다. 시즌 중반에 다양성이 급락한다면, 밸런스 패치나 환경 변수 조정의 신호다. 레이턴시 분포의 꼬리가 두꺼워지면, 매치메이킹 거리 제한을 다시 봐야 한다.
끝에 남는 선택, 목표와 사람
자동 시뮬과 수동 조작을 대조하면, 기술과 경제, 심리와 문화가 함께 보인다. 이 모든 것을 하나로 꿰는 질문은 단순하다. 우리의 목표는 무엇이고, 누구와 함께 가는가. 팀을 키우고 서사를 쌓는 여정을 제공하려면 자동 시뮬을 두텁게 깔다. 경기를 살고, 손끝의 성취를 나누려면 수동 조작의 집을 잘 짓는다. 가상축구는 둘 다 필요하다. 현실 축구가 데이터와 감성의 양날을 모두 지닌 것처럼.
현장에서 가장 자주 맞닥뜨리는 장면은 타협이 아니라 설계의 명료함이다. 자동은 왜 자동이어야 하는가, 수동은 무엇을 수동으로 남길 것인가. 불필요한 수동과 불친절한 자동을 걷어내고, 사용자에게 목적 있는 선택을 건네면 결과는 안정된다. 숫자는 거짓말을 하지 않지만, 사람도 바보가 아니다. 납득 가능한 결과, 의미 있는 손맛, 시간을 존중하는 루프. 이 세 가지를 함께 좇을 때 두 방식은 서로의 약점이 아니라 서로의 힘이 된다.