AI를 다룬다 : AI 기술에 대응하는 제품 디자인 전략
글ㅣ김소윤 뤼이드 프로덕트 디자이너
AI를 다룬다 : AI 기술에 대응하는 제품 디자인 전략
일자
상시
유형
아티클태그
이 아티클은 <AI를 다룬다> 시리즈의 3화입니다.
✍ 오늘의 아티클
✍ 오늘의 아티클
- AI 기술 혁신으로 인해 프로덕트 디자이너에게도 새로운 역할과 역량이 요구되고 있습니다.
- 기존 사용자 중심의 문제 해결과 더불어 AI 기술을 활용해 사용자 경험을 향상시키고 기술의 변화에 대응하는 능력이 필요합니다.
- 실제 AI 제품을 디자인하는 단계에서 발생하는 일반적인 문제들을 단계별로 살펴보고, 이에 대응할 제품 디자인 전략을 알아봅시다.
19세기 페인팅, 19세기 사진, 그리고 21세기의 생성형 AI로 제작된 초상화
생성형 AI의 발달로 우리는 누구나 손쉽게 프롬프팅을 통해 다양한 스타일과 콘텐츠의 이미지를 제작할 수 있는 시대에 살고 있습니다. 비단 이미지, 영상, 그래픽 요소 등 비주얼적인 부분뿐만 아니라 프로덕트 디자이너의 영역인 사용자 데이터와 상호작용 분석, 사용자 행동 예측 및 시나리오 설계에도 큰 영향을 미치고 있는데요. 이에 따라, 디자이너들은 AI 기술에 대한 적극적인 환영과 동시에 우려, 걱정 등 다양한 반응을 보입니다.
이 현상은 19세기의 '사진' 기술 등장 시기와 유사한 양상을 보입니다. 당시 "사진이 예술이 될 수 있을까?"라는 논쟁과 함께 '화가'가 대체될 것을 우려하는 의견이 동반되었습니다. 결국 사진은 화가의 직업을 대체하지는 못했지만, '회화'의 예술적 본질을 새롭게 정립하는 계기가 되었습니다. 사진이 표현할 수 없는 것을 표현하기 위한 무브먼트로 인상주의가 출범했고, 사실주의적 표현과 규범에서 벗어난 새로운 예술 사조가 되며 화가의 새로운 역할을 제시했습니다.
프로덕트 디자이너에게도 새로운 역할과 역량이 요구되고 있습니다. 기존의 사용자 중심 문제 해결 능력과 더불어 AI 기술을 활용해 사용자 경험을 향상하고, 빠르게 진화하는 기술에 대응하는 능력도 필요합니다. AI 기술의 급격한 발전에 대비하기 위해 본인만의 제품 디자인 전략을 마련하는 것이 중요합니다.
AI 제품 디자인의 단계적 어려움과 그에 따른 전략
지난해 AI 기술과 LLM(Large Language Model)을 활용한 '퀴지움(Quizium)'이라는 퀴즈 생성 서비스를 디자인하고 출시하는 과정에서, AI 기능의 설계, 구체화 및 구현 과정에서 새로운 문제들을 경험했습니다. 제 개인적 경험에 기반해 실제 AI 제품을 디자인하는 단계에서 발생하는 일반적인 문제들을 단계별로 분석하고, 이러한 문제들을 극복하기 위한 효과적인 제품 디자인 전략을 제안하고자 합니다.
1. 목표 설정 단계에서 마주하는 어려움
“Wow 하긴 한데 그다음은?”
Forbes의 기사에 따르면, 95%의 AI 제품이 시장 경쟁력에 실패할 것으로 예상하는 이유를 “AI 우선주의”로 지목하고 있습니다. 하버드 비즈니스 스쿨의 클레이튼 교수는 “실제로 필요하지 않은 제품이나 솔루션을 도입하기 때문”이라고 설명합니다. AI 기능을 설계하고 디자인하는 과정에서 AI 기술이 줄 수 있는 놀라움에 초점을 맞춘다면, 단기적으로 사용자의 흥미를 끌고 제품에 유입 시킬 수 있다 하더라도, 제품의 사용성과 사용자 리텐션 측면에서 어려움을 마주하게 됩니다. 또한, 기존 제품의 방향성과는 맞지 않는 사용자 경험을 제공하게 될 수도 있습니다.
[기술이 아닌 사용자 문제에 중점을 둔 목표 설정]
기존과 동일하게 실제 사용자 문제에 중점을 둔 목표 설정이 중요한 이유입니다. 퀴지움 AI 기능을 디자인하며 이 중요성을 다시 한번 느끼게 되었습니다. '퀴즈 팝업 모드'는 유튜브 영상 시청 중 AI로 생성된 퀴즈를 통해 사용자의 몰입도를 테스트하는 기능입니다. 초창기 AI 기술의 가능성과 놀라움에 주목한 기능과 경험을 설계해, 이 기능이 실제 사용자의 요구를 충족시키고 시장에서 수요가 있을지에 대한 집중이 부족했습니다. 초기 디자인 이후, 유튜브로 활발히 학습하는 사용자들을 대상으로 유저 서베이와 유저 테스트를 진행해 실제 사용자의 니즈를 재점검했고, AI 기능이 특정 요구를 충족 시키도록 디자인을 개선 시켰습니다.
기술에 대한 놀라움을 넘어, 사용자가 원하는 서비스를 제공하고 지속해서 사용할 수 있도록 목표 설정을 명확히 해야 합니다. 마켓 리서치, 경쟁사 분석, 유저 서베이 등을 통해 발견한 다양한 고객의 문제와 불편함 중 어떤 것이 수요가 크고 해결하기에 더 임팩트가 있을지 우선순위를 정하고, 이를 통해 제품 경험이 사용자의 어떤 문제를 해결하고자 하는지 정의해야 합니다. 이는 제품이 꼭 필요한 이유, 즉 시장 경쟁력과 제품의 방향성으로 직결됩니다.
2. 목표를 AI 기능으로 실체화하는 단계의 어려움
“그래서 AI로 뭘 할 수 있는데?”
목표를 명확히 설정했더라도, 목표를 실제 제품 경험으로 구현하는 것은 또 다른 어려움을 동반합니다. AI 기술과 제품에 대한 낮은 이해도와 경험으로 인해 기술을 사용자 경험에 통합하는 과정에서 어려움을 겪을 수 있을 뿐만 아니라, 사용자 경험을 제품의 가치로 연결시키는 것은 큰 과제입니다. 게다가, AI 기술이 빠르게 진화하고 변화할 때마다 디자인을 어떻게 조정하고 대응할지 미리 대비하는 일도 고려해야 합니다.
[기술-디자인 상호보완을 위한 제품 중심의 소통과 협업]
AI 기술에 대한 낮은 이해로 인한 어려움은 다른 기술 직군과의 활발한 소통과 협업을 통해 극복될 수 있습니다. 이때 핵심은 협업 소통 방식입니다. 제품 가치 중심의 디자이너와 기술 직군 간의 소통이 필요합니다. AI 연구원, 프롬프트 엔지니어, 백엔드 엔지니어들이 어떤 AI, 프롬프팅, 엔지니어링 기술을 제품에 도입하고 활용할 지를 중점적으로 소통한다면, 디자이너는 이러한 기술들이 사용자 경험에 미칠 영향을 설명하고 어떤 기술이 제품 관점에서 더 효과적으로 활용될지 고민할 수 있도록 영향을 줘야 합니다. 실제 사용자 문제를 해결할 수 있는 기술들을 검증하는 것과 함께 그 기술을 도입하기 위해 필요한 리소스 대비 임팩트를 팀 단위로 함께 고려해야 합니다. 이러한 제품 중심의 소통 방식은 AI 기술을 통해 사용자 경험의 목표를 달성하는 데 도움이 될 것입니다.
[AI 기술을 활용하여 제품의 경쟁력을 확보한 접근 방식 착안]
경쟁력 있는 사용자 경험 설계와 미래 경험 예측을 위해서는 AI 기술의 가치 이해하고 다양한 접근 방식을 고려하는 것이 중요합니다. 멀티모달 상호작용과 초개인화의 가능성은 경험 디자인 측면에서 주목할 가치가 있습니다. 아래는 AI 기술을 통해 확장된 사용자 경험의 가능성과 이를 활용해 실제 제품의 경쟁력을 확보한 사례들입니다.
1. 멀티모달 AI로 인해 확장된 상호작용의 가능성
멀티모달(multimodal) AI는 음성, 텍스트, 이미지 등 다양한 차원에서 수집된 사용자 데이터를 활용할 수 있는 기회를 제공합니다. 이 기술은 이전에는 한정적이고 구조화된 데이터에 기반해 사용자를 분석하고 예측했던 방식을 뛰어넘어, 다양한 비정형 데이터를 정형화해 특정 목적에 맞게 활용할 수 있는 기회를 넓혔습니다. 멀티모달 AI의 도입으로 음성 데이터, 시각 데이터, 비정형화된 상호작용 데이터 등 다양한 데이터를 기반으로 사용자와 더욱 다양한 상호작용과 확장된 인터페이스를 제공할 수 있는 기회가 열리고 있습니다.
생성형 AI의 발달로 우리는 누구나 손쉽게 프롬프팅을 통해 다양한 스타일과 콘텐츠의 이미지를 제작할 수 있는 시대에 살고 있습니다. 비단 이미지, 영상, 그래픽 요소 등 비주얼적인 부분뿐만 아니라 프로덕트 디자이너의 영역인 사용자 데이터와 상호작용 분석, 사용자 행동 예측 및 시나리오 설계에도 큰 영향을 미치고 있는데요. 이에 따라, 디자이너들은 AI 기술에 대한 적극적인 환영과 동시에 우려, 걱정 등 다양한 반응을 보입니다.
이 현상은 19세기의 '사진' 기술 등장 시기와 유사한 양상을 보입니다. 당시 "사진이 예술이 될 수 있을까?"라는 논쟁과 함께 '화가'가 대체될 것을 우려하는 의견이 동반되었습니다. 결국 사진은 화가의 직업을 대체하지는 못했지만, '회화'의 예술적 본질을 새롭게 정립하는 계기가 되었습니다. 사진이 표현할 수 없는 것을 표현하기 위한 무브먼트로 인상주의가 출범했고, 사실주의적 표현과 규범에서 벗어난 새로운 예술 사조가 되며 화가의 새로운 역할을 제시했습니다.
프로덕트 디자이너에게도 새로운 역할과 역량이 요구되고 있습니다. 기존의 사용자 중심 문제 해결 능력과 더불어 AI 기술을 활용해 사용자 경험을 향상하고, 빠르게 진화하는 기술에 대응하는 능력도 필요합니다. AI 기술의 급격한 발전에 대비하기 위해 본인만의 제품 디자인 전략을 마련하는 것이 중요합니다.
AI 제품 디자인의 단계적 어려움과 그에 따른 전략
지난해 AI 기술과 LLM(Large Language Model)을 활용한 '퀴지움(Quizium)'이라는 퀴즈 생성 서비스를 디자인하고 출시하는 과정에서, AI 기능의 설계, 구체화 및 구현 과정에서 새로운 문제들을 경험했습니다. 제 개인적 경험에 기반해 실제 AI 제품을 디자인하는 단계에서 발생하는 일반적인 문제들을 단계별로 분석하고, 이러한 문제들을 극복하기 위한 효과적인 제품 디자인 전략을 제안하고자 합니다.
1. 목표 설정 단계에서 마주하는 어려움
“Wow 하긴 한데 그다음은?”
Forbes의 기사에 따르면, 95%의 AI 제품이 시장 경쟁력에 실패할 것으로 예상하는 이유를 “AI 우선주의”로 지목하고 있습니다. 하버드 비즈니스 스쿨의 클레이튼 교수는 “실제로 필요하지 않은 제품이나 솔루션을 도입하기 때문”이라고 설명합니다. AI 기능을 설계하고 디자인하는 과정에서 AI 기술이 줄 수 있는 놀라움에 초점을 맞춘다면, 단기적으로 사용자의 흥미를 끌고 제품에 유입 시킬 수 있다 하더라도, 제품의 사용성과 사용자 리텐션 측면에서 어려움을 마주하게 됩니다. 또한, 기존 제품의 방향성과는 맞지 않는 사용자 경험을 제공하게 될 수도 있습니다.
[기술이 아닌 사용자 문제에 중점을 둔 목표 설정]
기존과 동일하게 실제 사용자 문제에 중점을 둔 목표 설정이 중요한 이유입니다. 퀴지움 AI 기능을 디자인하며 이 중요성을 다시 한번 느끼게 되었습니다. '퀴즈 팝업 모드'는 유튜브 영상 시청 중 AI로 생성된 퀴즈를 통해 사용자의 몰입도를 테스트하는 기능입니다. 초창기 AI 기술의 가능성과 놀라움에 주목한 기능과 경험을 설계해, 이 기능이 실제 사용자의 요구를 충족시키고 시장에서 수요가 있을지에 대한 집중이 부족했습니다. 초기 디자인 이후, 유튜브로 활발히 학습하는 사용자들을 대상으로 유저 서베이와 유저 테스트를 진행해 실제 사용자의 니즈를 재점검했고, AI 기능이 특정 요구를 충족 시키도록 디자인을 개선 시켰습니다.
기술에 대한 놀라움을 넘어, 사용자가 원하는 서비스를 제공하고 지속해서 사용할 수 있도록 목표 설정을 명확히 해야 합니다. 마켓 리서치, 경쟁사 분석, 유저 서베이 등을 통해 발견한 다양한 고객의 문제와 불편함 중 어떤 것이 수요가 크고 해결하기에 더 임팩트가 있을지 우선순위를 정하고, 이를 통해 제품 경험이 사용자의 어떤 문제를 해결하고자 하는지 정의해야 합니다. 이는 제품이 꼭 필요한 이유, 즉 시장 경쟁력과 제품의 방향성으로 직결됩니다.
2. 목표를 AI 기능으로 실체화하는 단계의 어려움
“그래서 AI로 뭘 할 수 있는데?”
목표를 명확히 설정했더라도, 목표를 실제 제품 경험으로 구현하는 것은 또 다른 어려움을 동반합니다. AI 기술과 제품에 대한 낮은 이해도와 경험으로 인해 기술을 사용자 경험에 통합하는 과정에서 어려움을 겪을 수 있을 뿐만 아니라, 사용자 경험을 제품의 가치로 연결시키는 것은 큰 과제입니다. 게다가, AI 기술이 빠르게 진화하고 변화할 때마다 디자인을 어떻게 조정하고 대응할지 미리 대비하는 일도 고려해야 합니다.
[기술-디자인 상호보완을 위한 제품 중심의 소통과 협업]
AI 기술에 대한 낮은 이해로 인한 어려움은 다른 기술 직군과의 활발한 소통과 협업을 통해 극복될 수 있습니다. 이때 핵심은 협업 소통 방식입니다. 제품 가치 중심의 디자이너와 기술 직군 간의 소통이 필요합니다. AI 연구원, 프롬프트 엔지니어, 백엔드 엔지니어들이 어떤 AI, 프롬프팅, 엔지니어링 기술을 제품에 도입하고 활용할 지를 중점적으로 소통한다면, 디자이너는 이러한 기술들이 사용자 경험에 미칠 영향을 설명하고 어떤 기술이 제품 관점에서 더 효과적으로 활용될지 고민할 수 있도록 영향을 줘야 합니다. 실제 사용자 문제를 해결할 수 있는 기술들을 검증하는 것과 함께 그 기술을 도입하기 위해 필요한 리소스 대비 임팩트를 팀 단위로 함께 고려해야 합니다. 이러한 제품 중심의 소통 방식은 AI 기술을 통해 사용자 경험의 목표를 달성하는 데 도움이 될 것입니다.
[AI 기술을 활용하여 제품의 경쟁력을 확보한 접근 방식 착안]
경쟁력 있는 사용자 경험 설계와 미래 경험 예측을 위해서는 AI 기술의 가치 이해하고 다양한 접근 방식을 고려하는 것이 중요합니다. 멀티모달 상호작용과 초개인화의 가능성은 경험 디자인 측면에서 주목할 가치가 있습니다. 아래는 AI 기술을 통해 확장된 사용자 경험의 가능성과 이를 활용해 실제 제품의 경쟁력을 확보한 사례들입니다.
1. 멀티모달 AI로 인해 확장된 상호작용의 가능성
멀티모달(multimodal) AI는 음성, 텍스트, 이미지 등 다양한 차원에서 수집된 사용자 데이터를 활용할 수 있는 기회를 제공합니다. 이 기술은 이전에는 한정적이고 구조화된 데이터에 기반해 사용자를 분석하고 예측했던 방식을 뛰어넘어, 다양한 비정형 데이터를 정형화해 특정 목적에 맞게 활용할 수 있는 기회를 넓혔습니다. 멀티모달 AI의 도입으로 음성 데이터, 시각 데이터, 비정형화된 상호작용 데이터 등 다양한 데이터를 기반으로 사용자와 더욱 다양한 상호작용과 확장된 인터페이스를 제공할 수 있는 기회가 열리고 있습니다.
애플 비전 프로(Apple Vision Pro)가 제시하는 멀티모달 인터페이스
"디지털 콘텐츠와 물리적 공간을 매끄럽게 결합합니다." 애플 비전 프로(Apple Vision Pro)는 이 슬로건을 통해 사용자들에게 공간 컴퓨팅 경험을 선보일 것으로 선언합니다. 이 제품은 전통적인 방식으로 상호작용 하는 경험을 획기적으로 변화 시킬 것으로 예상됩니다. 아마존의 Alexa나 구글의 Google Assistant와 같은 AI 스피커 제품이 시각을 넘어 청각 영역으로 확장된 상호작용과 경험을 제공한 것처럼, 애플 비전 프로도 공간 감각을 활용한 상호작용과 사용자 경험을 제공하여 사용자 범위를 확대하는 데 기여할 것으로 기대됩니다.
2. 초개인화의 가능성
AI 기반 알고리즘은 사용자의 행동 패턴, 선호도, 상호 작용과 같은 사용자 데이터를 분석해 맞춤형 추천을 가능하게 합니다. 유튜브, 넷플릭스, 스포티파이와 같은 콘텐츠 플랫폼에서는 알고리즘을 기반으로 개인 맞춤 콘텐츠 추천를 유도해 사용자 리텐션을 높이고 있으며, 아마존과 같은 리테일 기업에서는 소비자에게 원하는 제품을 추천해 재 구매율을 높이는 데 활용하고 있습니다. 이는 주로 협업 필터링(Collaborative Filtering)을 통해 이루어집니다. 협업 필터링은 다른 사용자로부터 수집한 상호 작용과 데이터를 기반으로 정보를 필터링하는 시스템으로, 특정 항목에 대한 평가에서 동의한 사람들이 향후에도 다시 동의할 가능성이 높다는 가정에 기초합니다.
"디지털 콘텐츠와 물리적 공간을 매끄럽게 결합합니다." 애플 비전 프로(Apple Vision Pro)는 이 슬로건을 통해 사용자들에게 공간 컴퓨팅 경험을 선보일 것으로 선언합니다. 이 제품은 전통적인 방식으로 상호작용 하는 경험을 획기적으로 변화 시킬 것으로 예상됩니다. 아마존의 Alexa나 구글의 Google Assistant와 같은 AI 스피커 제품이 시각을 넘어 청각 영역으로 확장된 상호작용과 경험을 제공한 것처럼, 애플 비전 프로도 공간 감각을 활용한 상호작용과 사용자 경험을 제공하여 사용자 범위를 확대하는 데 기여할 것으로 기대됩니다.
2. 초개인화의 가능성
AI 기반 알고리즘은 사용자의 행동 패턴, 선호도, 상호 작용과 같은 사용자 데이터를 분석해 맞춤형 추천을 가능하게 합니다. 유튜브, 넷플릭스, 스포티파이와 같은 콘텐츠 플랫폼에서는 알고리즘을 기반으로 개인 맞춤 콘텐츠 추천를 유도해 사용자 리텐션을 높이고 있으며, 아마존과 같은 리테일 기업에서는 소비자에게 원하는 제품을 추천해 재 구매율을 높이는 데 활용하고 있습니다. 이는 주로 협업 필터링(Collaborative Filtering)을 통해 이루어집니다. 협업 필터링은 다른 사용자로부터 수집한 상호 작용과 데이터를 기반으로 정보를 필터링하는 시스템으로, 특정 항목에 대한 평가에서 동의한 사람들이 향후에도 다시 동의할 가능성이 높다는 가정에 기초합니다.
듀오링고(Duolingo)의 GPT 모델 기반 “내 질문 설명하기"와 “롤플레잉" 기능
교육용 인공 지능 분야의 선두주자인 듀오링고(Duolingo)는 협업 필터링 방식의 추천을 넘어 개인화된 맞춤 교육 서비스 경험을 제공하기 위해 AI 기술을 활용하고 있습니다. 듀오링고의 사용자들은 일일 평균 15억 문제를 풀며, 듀오링고의 AI는 이 데이터를 수집하고 분석해 사용자의 학습 방식을 개선합니다. 더불어 사용자의 반응을 분석해 문법 실수를 감지하고 맞춤형 피드백을 제공해 개인 학습 경험을 향상시킵니다. 지난해에는 OpenAI와의 파트너십을 통해 GPT-4 기반 기능을 공식적으로 라이선스하고 출시했습니다. GPT-4 기반 "내 질문 설명하기" 기능은 사용자가 자신의 답변에 대한 피드백을 AI 챗봇과의 대화를 통해 받을 수 있도록 도와주며, "롤플레잉" 기능은 AI 기반 페르소나와 상호작용해 상황과 페르소나에 맞게 다양한 대화를 연습할 수 있게 지원하는 시도를 펼쳤습니다. 이러한 기능들을 출발점으로, 콘텐츠 추천을 넘어 학습 콘텐츠를 학생 개개인에게 맞춤화하고 직접 생성하며 피드백을 제공하기 위해서 LLM의 활용은 매우 중요할 것으로 기대됩니다.
AI 기술 동향과 이를 활용한 경쟁력 있는 제품 경험 사례를 살펴보며, 제가 속한 교육 도메인에서의 미래 경험도 그려볼 수 있었습니다. AI 기술을 통해 사용자의 개인적인 성과, 성향, 학습 스타일, 취약점 등을 고려해 학습 경로를 맞춤화하고 조절하는 초개인화 교육 경험의 기회가 확장 될 것으로 예상합니다. 멀티모달 디자인은 다양한 입력 및 출력 방식을 유연하게 활용해 사용자 경험을 향상시키고 개선하는 디자인 접근 방식입니다. LLM 기술과 멀티모달 디자인이 앞서 말한 초 개인화된 경험을 실체화하는 데 큰 기여를 할 것으로 예상됩니다. 학습 콘텐츠 생성과 학습 경험 방식이 더욱 다채로워질 것이며, 기존의 튜터 1명이 여러 학생을 일괄적으로 지도하는 방식을 벗어나, 경제적, 언어적, 문화적 배경을 넘어 다양한 사용자가 개인화 맞춤 교육을 받을 수 있는 기회가 확대될 것으로 기대됩니다.
[기술 변화 대응을 위한 Phase 1-2-3 UX 로드맵 전략]
구체화 단계에서 마지막으로 고려해야 할 지점은 빠르게 변화하는 기술에 어떻게 대응할지 전략을 세우는 것입니다. AI 기술의 급격한 발전으로 불과 3개월 전에는 불가능했던 기능이 3개월 후에는 가능할 수 있습니다. 이에 따라 AI 기능을 설계할 때, 미래를 고려한 사용자 경험의 Phase 1-2-3 로드맵을 그려보는 것을 추천합니다.
Phase 1 단계의 경험에서는 리소스 대비 임팩트를 체크하고, Phase 2에서는 Phase 1 경험의 성공 여부에 따른 확장성과 변화성을 고려하고, Phase 3에서는 제품이 제공할 수 있는 궁극적인 가치와 최종 방향성을 얼라인합니다. 이러한 UX 로드맵 전략은 미래 기술 변화에 맞서 경쟁력을 유지하고 가치 있는 사용자 경험을 제공하는 데 도움을 줄 것입니다.
3. 실체화된 AI 기능의 구현 단계에서 직면하는 어려움
“로딩에만 N분이 소요된다고? 사용자가 기다려줄까?”
목표를 명확히 설정하고 AI 기능을 디자인했더라도, 기술적인 한계로 사용자가 불편함을 느낄 수 있습니다. AI 모델 활용에서 '생성 시간'과 '결과물의 퀄리티'는 trade-off 관계에 있습니다. 정교한 프롬프팅 기법은 다양한 서비스 가치를 제공하는 데 필요하지만, 사용자에게는 다소 길게 느껴질 수 있는 '생성 시간'이라는 문제를 불러옵니다.
[기술적 제약을 극복하는 경험 디자인 설계]
사용자의 편의성을 유지하면서 '생성 시간'의 기다림을 완화하는 방법을 고안해야 합니다. 퀴지움의 경우, 영상 콘텐츠를 활용해 퀴즈를 생성하는 제품으로, 퀴즈의 품질은 서비스 품질과 직접적으로 연결됩니다. 사용자는 퀴즈의 완성도에 따라 제품의 품질을 체감하게 됩니다. 그러나 고품질 퀴즈는 긴 생성 시간을 요구합니다. 이를 그대로 노출할 경우 사용자의 편의성을 해치고, 심지어 오랜 기다림으로 인해 높은 서비스 이탈률마저 초래할 수 있습니다. '서비스 품질'과 '사용자의 편의성' 사이의 상충 관계를 극복하기 위해 창의적인 디자인 전략이 필요합니다.
로딩 시간 단축을 위해 병렬 처리와 데이터 캐싱과 같은 엔지니어링 측면에서 고민 뿐만 아니라, “로딩이 백그라운드에서 진행되는 동안 사용자가 기다리는 것이 아닌 다른 경험을 즐길 수 있을지?”, “연속된 n초의 단일 기다림 대신 n/3초 - n/3초 - n/3초로 경험을 나눠 시간을 더 짧게 느끼도록 설득할 수 있을지?”와 같이 사용자 경험 측면의 다양한 접근 방식이 필요했습니다. 아래에서 퀴지움 서비스에 적용된 3가지 전략에 대해 소개하겠습니다.
전략 1. 퀴즈 생성 중 다른 경험을 제시 : 영상 요약 기능
교육용 인공 지능 분야의 선두주자인 듀오링고(Duolingo)는 협업 필터링 방식의 추천을 넘어 개인화된 맞춤 교육 서비스 경험을 제공하기 위해 AI 기술을 활용하고 있습니다. 듀오링고의 사용자들은 일일 평균 15억 문제를 풀며, 듀오링고의 AI는 이 데이터를 수집하고 분석해 사용자의 학습 방식을 개선합니다. 더불어 사용자의 반응을 분석해 문법 실수를 감지하고 맞춤형 피드백을 제공해 개인 학습 경험을 향상시킵니다. 지난해에는 OpenAI와의 파트너십을 통해 GPT-4 기반 기능을 공식적으로 라이선스하고 출시했습니다. GPT-4 기반 "내 질문 설명하기" 기능은 사용자가 자신의 답변에 대한 피드백을 AI 챗봇과의 대화를 통해 받을 수 있도록 도와주며, "롤플레잉" 기능은 AI 기반 페르소나와 상호작용해 상황과 페르소나에 맞게 다양한 대화를 연습할 수 있게 지원하는 시도를 펼쳤습니다. 이러한 기능들을 출발점으로, 콘텐츠 추천을 넘어 학습 콘텐츠를 학생 개개인에게 맞춤화하고 직접 생성하며 피드백을 제공하기 위해서 LLM의 활용은 매우 중요할 것으로 기대됩니다.
AI 기술 동향과 이를 활용한 경쟁력 있는 제품 경험 사례를 살펴보며, 제가 속한 교육 도메인에서의 미래 경험도 그려볼 수 있었습니다. AI 기술을 통해 사용자의 개인적인 성과, 성향, 학습 스타일, 취약점 등을 고려해 학습 경로를 맞춤화하고 조절하는 초개인화 교육 경험의 기회가 확장 될 것으로 예상합니다. 멀티모달 디자인은 다양한 입력 및 출력 방식을 유연하게 활용해 사용자 경험을 향상시키고 개선하는 디자인 접근 방식입니다. LLM 기술과 멀티모달 디자인이 앞서 말한 초 개인화된 경험을 실체화하는 데 큰 기여를 할 것으로 예상됩니다. 학습 콘텐츠 생성과 학습 경험 방식이 더욱 다채로워질 것이며, 기존의 튜터 1명이 여러 학생을 일괄적으로 지도하는 방식을 벗어나, 경제적, 언어적, 문화적 배경을 넘어 다양한 사용자가 개인화 맞춤 교육을 받을 수 있는 기회가 확대될 것으로 기대됩니다.
[기술 변화 대응을 위한 Phase 1-2-3 UX 로드맵 전략]
구체화 단계에서 마지막으로 고려해야 할 지점은 빠르게 변화하는 기술에 어떻게 대응할지 전략을 세우는 것입니다. AI 기술의 급격한 발전으로 불과 3개월 전에는 불가능했던 기능이 3개월 후에는 가능할 수 있습니다. 이에 따라 AI 기능을 설계할 때, 미래를 고려한 사용자 경험의 Phase 1-2-3 로드맵을 그려보는 것을 추천합니다.
- Phase 1: 당장 제공 가능한 경험
- Phase 2: 가까운 미래에 제공 가능할 것으로 예상되는 경험 (약 4~5개월 후)
- Phase 3: 이상적으로 제공하고자 하는 경험 (약 1~2년 후)
Phase 1 단계의 경험에서는 리소스 대비 임팩트를 체크하고, Phase 2에서는 Phase 1 경험의 성공 여부에 따른 확장성과 변화성을 고려하고, Phase 3에서는 제품이 제공할 수 있는 궁극적인 가치와 최종 방향성을 얼라인합니다. 이러한 UX 로드맵 전략은 미래 기술 변화에 맞서 경쟁력을 유지하고 가치 있는 사용자 경험을 제공하는 데 도움을 줄 것입니다.
3. 실체화된 AI 기능의 구현 단계에서 직면하는 어려움
“로딩에만 N분이 소요된다고? 사용자가 기다려줄까?”
목표를 명확히 설정하고 AI 기능을 디자인했더라도, 기술적인 한계로 사용자가 불편함을 느낄 수 있습니다. AI 모델 활용에서 '생성 시간'과 '결과물의 퀄리티'는 trade-off 관계에 있습니다. 정교한 프롬프팅 기법은 다양한 서비스 가치를 제공하는 데 필요하지만, 사용자에게는 다소 길게 느껴질 수 있는 '생성 시간'이라는 문제를 불러옵니다.
[기술적 제약을 극복하는 경험 디자인 설계]
사용자의 편의성을 유지하면서 '생성 시간'의 기다림을 완화하는 방법을 고안해야 합니다. 퀴지움의 경우, 영상 콘텐츠를 활용해 퀴즈를 생성하는 제품으로, 퀴즈의 품질은 서비스 품질과 직접적으로 연결됩니다. 사용자는 퀴즈의 완성도에 따라 제품의 품질을 체감하게 됩니다. 그러나 고품질 퀴즈는 긴 생성 시간을 요구합니다. 이를 그대로 노출할 경우 사용자의 편의성을 해치고, 심지어 오랜 기다림으로 인해 높은 서비스 이탈률마저 초래할 수 있습니다. '서비스 품질'과 '사용자의 편의성' 사이의 상충 관계를 극복하기 위해 창의적인 디자인 전략이 필요합니다.
로딩 시간 단축을 위해 병렬 처리와 데이터 캐싱과 같은 엔지니어링 측면에서 고민 뿐만 아니라, “로딩이 백그라운드에서 진행되는 동안 사용자가 기다리는 것이 아닌 다른 경험을 즐길 수 있을지?”, “연속된 n초의 단일 기다림 대신 n/3초 - n/3초 - n/3초로 경험을 나눠 시간을 더 짧게 느끼도록 설득할 수 있을지?”와 같이 사용자 경험 측면의 다양한 접근 방식이 필요했습니다. 아래에서 퀴지움 서비스에 적용된 3가지 전략에 대해 소개하겠습니다.
전략 1. 퀴즈 생성 중 다른 경험을 제시 : 영상 요약 기능
퀴지움의 영상 요약 기능
유튜브 영상으로 학습하는 사용자들이 겪는 주요한 불편함 중 하나는 해당 영상을 볼지 말지 결정하는 데 소요되는 시간입니다. 이를 해결하기 위해 간략한 영상 요약 기능을 고민하게 되었고, 이 기능은 5초 이내의 짧은 출력 시간을 요구합니다. 퀴즈 생성 완료를 기다리는 동안 영상 요약 기능을 먼저 경험하게 함으로써 영상 시청 여부 결정에 도움을 줄 뿐만 아니라, 퀴즈 생성으로 인한 기다림을 단축하는 효과를 일으켰습니다.
전략 2. 퀴즈 생성 시각화: UI 애니메이션
유튜브 영상으로 학습하는 사용자들이 겪는 주요한 불편함 중 하나는 해당 영상을 볼지 말지 결정하는 데 소요되는 시간입니다. 이를 해결하기 위해 간략한 영상 요약 기능을 고민하게 되었고, 이 기능은 5초 이내의 짧은 출력 시간을 요구합니다. 퀴즈 생성 완료를 기다리는 동안 영상 요약 기능을 먼저 경험하게 함으로써 영상 시청 여부 결정에 도움을 줄 뿐만 아니라, 퀴즈 생성으로 인한 기다림을 단축하는 효과를 일으켰습니다.
전략 2. 퀴즈 생성 시각화: UI 애니메이션
UI 애니메이션 스토리보드
퀴즈가 생성 중일 때 로딩 애니메이션과 함께, 퀴즈가 생성되는 위치가 영상 플레이바 위에 애니메이션을 통해 순차적으로 표시되도록 애니메이션을 활용했습니다. 생성되고 있음을 동적으로 표현해 기다림의 지루함을 애니메이션 효과로 완화하고자 했습니다.
전략 3. 퀴즈 생성 정보를 부분적으로 미리 제공: 퀴즈 생성 상태 UI
퀴즈가 생성 중일 때 로딩 애니메이션과 함께, 퀴즈가 생성되는 위치가 영상 플레이바 위에 애니메이션을 통해 순차적으로 표시되도록 애니메이션을 활용했습니다. 생성되고 있음을 동적으로 표현해 기다림의 지루함을 애니메이션 효과로 완화하고자 했습니다.
전략 3. 퀴즈 생성 정보를 부분적으로 미리 제공: 퀴즈 생성 상태 UI
퀴즈 생성 상태 UI의 정보 전달
퀴즈의 여러 가지 상태를 나타내는 UI를 통해 퀴즈가 생성되는 동안 일부의 정보라도 미리 얻을 수 있도록 하였습니다. 이 UI는 영상 선택 직후에 1) 영상의 퀴즈 생성 여부, 2) 생성 중인 퀴즈 수, 3) 퀴즈 생성 상태 등을 보여줌으로써 사용자가 전체 퀴즈 생성 완료 전에 정보를 미리 소비할 수 있도록 도왔습니다.
[문제를 기회로 삼는 디자인의 사고의 중요성]
뛰어난 기술과 충분한 자금은 항상 우수한 사용자 경험을 보장하지 않습니다. 오히려, 기술과 자원의 한계를 사용자 경험으로 해결한 사례가 다양하게 존재합니다. 디자인의 힘은 문제를 기회로 인식하는 사고 방식에서 비롯됩니다. 따라서, 우리가 직면하는 기술적 한계와 제약 사항 역시 위기가 아닌 새로운 경험을 창출할 수 있는 기회로 바라봐야 합니다.
마지막으로
퀴즈의 여러 가지 상태를 나타내는 UI를 통해 퀴즈가 생성되는 동안 일부의 정보라도 미리 얻을 수 있도록 하였습니다. 이 UI는 영상 선택 직후에 1) 영상의 퀴즈 생성 여부, 2) 생성 중인 퀴즈 수, 3) 퀴즈 생성 상태 등을 보여줌으로써 사용자가 전체 퀴즈 생성 완료 전에 정보를 미리 소비할 수 있도록 도왔습니다.
[문제를 기회로 삼는 디자인의 사고의 중요성]
뛰어난 기술과 충분한 자금은 항상 우수한 사용자 경험을 보장하지 않습니다. 오히려, 기술과 자원의 한계를 사용자 경험으로 해결한 사례가 다양하게 존재합니다. 디자인의 힘은 문제를 기회로 인식하는 사고 방식에서 비롯됩니다. 따라서, 우리가 직면하는 기술적 한계와 제약 사항 역시 위기가 아닌 새로운 경험을 창출할 수 있는 기회로 바라봐야 합니다.
마지막으로
AI 기술이 산업별 수익에 미치는 예상 영향
AI 기술과 UX 디자인의 결합은 제품 경험을 비즈니스 가치로 연결시키는 핵심 분야로 떠오르고 있습니다. AI 기술을 잘 활용한다면 AI는 경쟁 상대가 아닌 디자이너의 목표 달성을 위한 도구가 될 것입니다. 프로덕트 디자이너의 본질적인 임무와 목표는 인간 중심의 문제를 해결하는 데 변함이 없습니다.
기술이 아무리 발달하더라도, 사람들은 여전히 새로운 문제와 불편함에 직면하게 될 것입니다. AI 기술은 많은 기회와 가치를 제공하지만, 동시에 개인 데이터 보안 문제, 알고리즘 편향성 문제, 윤리적 문제 등 다양한 이슈를 동반합니다. 이러한 문제를 인간 중심으로 공감하고 질문하는 것 또한 디자이너의 역할입니다. 디자인의 힘은 어려움과 문제를 기회로 바라보는 사고 방식에서 비롯됩니다. 이 글을 읽는 분들이 AI, 이 강력한 도구를 기회로 인식하고 활용해 다양한 문제를 해결하고 가치를 창출할 수 있도록, 끊임없는 질문과 고민을 통해 본인의 전략을 세우기를 응원하며 기대합니다.
▶ <AI를 다룬다> 시리즈 보러 가기
글 | 김소윤 Riiid 프로덕트 디자이너
AI 에듀테크 기업인 뤼이드(Riiid)에서 AI 기반 학습 서비스 제품을 디자인하는 프로덕트 디자이너입니다. 이전에는 IT 전략컨설팅 기업인 액센츄어(Accenture)에서 Google, Honda, UnitedHealthcare, State Farm 등 다양한 글로벌 클라이언트를 대상으로 디지털 경험을 디자인하며 경험을 쌓았습니다. 현재는 AI 기술을 활용하여 사용자 문제를 해결하는 데 중점을 두고 일하고 있습니다.
발행일 2024.02.02
AI 기술과 UX 디자인의 결합은 제품 경험을 비즈니스 가치로 연결시키는 핵심 분야로 떠오르고 있습니다. AI 기술을 잘 활용한다면 AI는 경쟁 상대가 아닌 디자이너의 목표 달성을 위한 도구가 될 것입니다. 프로덕트 디자이너의 본질적인 임무와 목표는 인간 중심의 문제를 해결하는 데 변함이 없습니다.
기술이 아무리 발달하더라도, 사람들은 여전히 새로운 문제와 불편함에 직면하게 될 것입니다. AI 기술은 많은 기회와 가치를 제공하지만, 동시에 개인 데이터 보안 문제, 알고리즘 편향성 문제, 윤리적 문제 등 다양한 이슈를 동반합니다. 이러한 문제를 인간 중심으로 공감하고 질문하는 것 또한 디자이너의 역할입니다. 디자인의 힘은 어려움과 문제를 기회로 바라보는 사고 방식에서 비롯됩니다. 이 글을 읽는 분들이 AI, 이 강력한 도구를 기회로 인식하고 활용해 다양한 문제를 해결하고 가치를 창출할 수 있도록, 끊임없는 질문과 고민을 통해 본인의 전략을 세우기를 응원하며 기대합니다.
▶ <AI를 다룬다> 시리즈 보러 가기
글 | 김소윤 Riiid 프로덕트 디자이너
AI 에듀테크 기업인 뤼이드(Riiid)에서 AI 기반 학습 서비스 제품을 디자인하는 프로덕트 디자이너입니다. 이전에는 IT 전략컨설팅 기업인 액센츄어(Accenture)에서 Google, Honda, UnitedHealthcare, State Farm 등 다양한 글로벌 클라이언트를 대상으로 디지털 경험을 디자인하며 경험을 쌓았습니다. 현재는 AI 기술을 활용하여 사용자 문제를 해결하는 데 중점을 두고 일하고 있습니다.
발행일 2024.02.02