이미 투입된 자원(시간, 비용, 감정)에 얽매여 데이터가 제시하는 객관적인 전환 또는 중단 신호를 무시하고 비합리적인 지속을 선택하는 의사결정의 오류 [1-3].
🧠 핵심 개념 (Core concepts)
매몰 비용(Sunk Costs): 이미 지출되어 어떤 선택을 하더라도 회수할 수 없는 시간, 노력, 자본 [1, 2].
감정적 애착(Emotional Attachment): 자신의 아이디어나 제품에 투여된 개인적 열망으로 인해 객관적 지표를 왜곡하거나 부정적 데이터를 부정하는 심리적 상태 [2, 3].
지속의 함정(The Perseverance Trap): 시장 수요가 없다는 명확한 증거(Evidence)가 있음에도 불구하고 '언젠가는 될 것'이라는 희망으로 유의미한 변화 없이 개발을 계속하는 현상 [3, 4].
비합리적 자본 배분: 데이터보다는 자신의 에고(Ego)나 투입량을 우선시하여 수익성 없는 모델에 자원을 계속 쏟아붓는 행위 [3, 5].
🧩 추출된 패턴 (Extracted patterns)
Andy Grove의 기법 (The New Management Test): "오늘 우리가 외부에서 고용된 새 경영진이고 이 프로젝트에 감정적 애착이 없다면, 현재 데이터를 보고 어떤 결정을 내릴 것인가?"라고 자문하여 매몰 비용의 영향력을 배제함 [2].
사전 킬 크라이테리어(Pre-defined Kill Criteria) 설정: 실험이나 개발을 시작하기 전, 어떤 결과가 나왔을 때 프로젝트를 중단하거나 전환할지 수치화된 기준을 미리 합의하여 사후 합리화를 차단함 [6-8].
제3자 분석 활용: 편향된 해석을 방지하기 위해 프로젝트와 직접적인 이해관계가 없는 외부 전문가나 분석가를 활용하여 검증 데이터를 객관적으로 평가함 [9, 10].
📖 세부 내용 (Details)
발생 원인: 제품 팀이 시장 수요를 확인하기 전에 정교한 로드맵을 구축하거나 과도한 기능을 구현할 때 주로 발생한다 [11, 12]. 특히 초기 검증을 건너뛰고 6개월 이상의 개발 기간을 거친 경우, 투입된 자본과 시간이 많아질수록 "피벗은 너무 비싸다"는 심리적 장벽이 생겨 데이터 기반의 의사결정이 불가능해진다 [11, 13].
MVP 설계와의 충돌: MVP를 '학습을 위한 최소 단위'가 아닌 '완성될 제품의 축소판'으로 오해할 때 이 함정에 빠지기 쉽다 [14, 15]. 팀이 '최소(Minimum)'의 범위를 넓게 잡아 오버엔지니어링을 수행하면, 시장의 무관심에 직면했을 때 "이미 이만큼 만들었는데 버릴 수 없다"는 논리로 실패한 가설을 유지하게 된다 [15, 16].
방어 메커니즘으로서의 가설 검증 루프: 'Assumption Validation Loop'는 이러한 함정을 방지하기 위한 체계적인 체크포인트 역할을 한다 [17]. 수백만 달러의 손실이 발생하기 전, 초기 단계에서 $500~$2,000 수준의 소액 실험(Landing Page, Fake Door 등)으로 가설을 검증함으로써 매몰 비용 발생 자체를 최소화한다 [18, 19].
학습과 트랙션의 혼동: 단순한 사용자 찬사나 긍정적인 설문 결과(Vanity Metrics)를 실제 수요로 착각하는 것도 매몰 비용을 정당화하는 수단이 된다 [20]. 이를 극복하기 위해 사용자에게 선결제나 시간 투자와 같은 '실질적인 약속(Commitment)'을 요구하여 검증의 밀도를 높여야 한다 [20, 21].
⚖️ 모순 및 업데이트 (Contradictions & updates)
인내(Persevere)와 오류의 경계: 소스 내에서는 점진적인 개선(Incremental improvement)이 관찰되는 경우 느리더라도 지속하는 것이 '인내'라고 정의하지만 [22], 명확한 성공/실패 임계값(Threshold)이 없는 상태에서의 지속은 '매몰 비용 오류'로 변질될 위험이 크다고 경고한다 [23, 24].
데이터 vs 직관: 팀원들 사이의 강력한 제품 본능(Product Instinct)이 존재하더라도, RAT(Riskiest Assumption Testing)를 통해 이를 데이터로 증명하지 못하면 매몰 비용 오류에 빠진 것으로 간주해야 한다 [25].
🛠️ 적용 사례 (Applied in summary)
Kauffman 재단의 연구 사례: MVP로부터 부정적인 검증 데이터를 받았음에도 불구하고, 창업자의 68%가 제품의 중대한 변경 없이 기존 방향대로 개발을 지속하는 전형적인 매몰 비용 오류 패턴이 발견됨 [3, 4].
Series A 스타트업 실패 비용 분석: 검증되지 않은 가설에 기반해 6개월간 엔지니어링 급여와 마케팅 비용을 지출한 후 실패를 인정하고 피벗할 때 발생하는 비용이 약 150만 달러에 달하며, 이는 초기 $50,000의 검증 비용으로 예방 가능했음이 입증됨 [26, 27].
✅ 검증 상태 및 신뢰도
상태: draft
검증 단계: conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
출처 신뢰도: B (Official Documentation / Primary Source via NotebookLM)
중복 검사 결과: 신규 생성 (New discovery)
📝 변경 이력 (Change history)
2026-06-12: Initial draft generated via Datacollector_MAC P-Reinforce engine.
Antigravity Agent