멀리 뛰기를 한다고 하자. 열 걸음을 뛸 수 있는데, 한 걸음 뛰는 너비는 랜덤하게 결정된다. 다음의 두 가지 전략을 비교해보자.¹

• 한 번에 한 걸음씩 마지막에 도착한 위치에서 뛴다. 이를 열 걸음 뛴다.
• 한 걸음을 뛰 후 처음 위치로 돌아온다. 이를 열 번 반복한 뒤 가장 멀리 갔던 결과를 나의 결과로 삼는다.

당연히 첫 번째 전략이 좋은데, 첫 번째 전략은 모든 걸음을 더한 셈이고 두 번째 전략은 내 걸음의 최대값을 선택하는 전략이기 때문이다.² 그렇지만 걸음의 분포가 두꺼운 꼬리를 갖고 있다면 둘이 큰 차이가 나지 않을 수 있다. 가장 큰 성취가 전체 성취의 대부분을 차지하게 되기 때문이다. 이를 “the principle of the single big jump”라 부른다.

세상에 많은 부분이 정규분포로 모델링 될 수 있다고 하지만 한쪽으로 기울어진 분포를 띄는 현상도 많이 보게 된다. 가령 대단한 업적을 달성하는 사람들은 정말 놀라우리만치 평범에서 벗어나있다.³ 생산성이 무척 뛰어난 사람도 그렇지 않은 사람에 비해 수십배 생산적이라는 가정을 해볼 수 있을 것 같다. 이는 앞서 생산성 도구에서 말했다시피 정말 좋은 도구의 활용으로 생산성이 가산적additive이 아니라 승법적multiplicative으로 동작한다면 납득할 수 있는 결론이다.

많은 가정이지만 모두 만족한다면 조금 평균이 낮더라도 분산을 키우고 반복을 늘리는 편이 득이라는 주장에도⁴ 어느 정도 일리가 있는 셈이 된다.⁵