<일을 위한 디자인>으로 살펴본 AI 시대에서 리서처 (1편)

안녕하세요, 유저스푼의 리서처 지수입니다.

저는 디비디랩을 2019년에 시작하며 늘 “UX 리서치 솔루션”이라고 우리를 소개해왔습니다.

UX 리서치를 쉽고 빠르게 수행할 수 있도록 설문 설계, 응답자 모집, 불성실 응답 정제, 분석 등 리서치 운영 과정에 드는 비용과 시간을 줄이겠다는 목표였죠. 하지만 그때 투자자와 고객에게 가장 많이 들었던 질문은 예상 밖으로 단순했습니다.

“UX가 뭐죠? UT가 뭐죠?” 그리고 모든 설명을 마친 뒤 돌아오는 마지막 질문은 늘 같았습니다.

“그래서 디비디랩은 결국 뭐 하는 회사인가요?”

UX는 당시에 화면을 예쁘게 그려내는(!)일로 오해를 받았고, UX를 설계한다는 것 자체가 아직 정립되지 않은 개념이었습니다. UX와 디자인에 대한 오해를 반복해서 들으며 저는 깨달았습니다. "고객이 공부를 해야 이해하고 사용할 수 있는 상품을 팔아서는 안되겠다."고요. 고객이 어떻게 하면 직관적으로 이해할 수 있을지 고민을 거듭했습니다.

UX는 디자인과 밀접한 연관이 있습니다. 저자는 문제를 분석하고 구조를 세우는 법을 배웠지만, 사회가 디자이너에게 기대한 것은 화려한 비주얼을 그려내는 재주에 가까웠다고 말합니다. 저 역시 유사한 오해를 불식하기 위해 단순히 UX에 대해 개념을 설명하는 것이 아니라, 어떤 UX 리서치 서비스를 제공할 것인가(책에서는 어떤 디자이너로 살아갈 것인가)에 대해 고민했습니다. 그리고 그 뒤로 수많은 시행착오를 겪으며 지금의 유저스푼을 서서히 완성해가고 있습니다. 지금은 리서치 오퍼레이션 서비스라고 소개할 수 있습니다. 리서치를 반복적이고 연속적인 구조로 만들 수 있게 도와주는 도구죠. 디자이너라는 이름에 씌워진 이미지와 스스로의 존재 이유를 증명하기 위해 노력했다는 첫 번째 챕터가 제가 초기 창업 시기에 겪었던 경험와 매우 닮아 있었고, 그 공감이 이 책을 끝까지 재미있게 읽게 만든 첫 이유였습니다.

저는 《일을 위한 디자인》 책을 이렇게 소개하고 싶습니다.
저자가 정의한 디자인의 본질은 "생각하는 방식"을 다듬는 일입니다. 다양한 각도와 관점에서의 사유의 결과로, 좋은 것을 배우는 능력, 학습을 통해 자신만의 사유 체계를 쌓아가는 방법이 필요하기에 일반적으로 직무 관련 도서에서 알려주는 스킬이 아닌 "생각하고 배우는 능력"을 어떻게 기를 수 있는지를 알려주는 책입니다.

저는 가끔 엑셀과 관련된 유머글을 떠올립니다.

엑셀을 잘 다루는 부하직원에게 상사가 "엑셀 팡션"을 너무 신뢰하지 말라고 충고하는 문자입니다.
생성형 AI가 업무 수행에서 너무도 자연스럽고 당연하게 사용되는 시대이기에 마치 엑셀을 사용하는 부하 직원처럼.. 우리는 이 신문물을 "도입하느냐, 마느냐"가 아닌 어떻게 사용할 것인가에 대해 고민할 필요가 있습니다.

디자인이 사유의 결과이고, 생각의 깊이와 치열함이 결과물의 품격을 결정한다면 AI의 답과 인간의 생각은 어떻게 구분 및 활용되어야 할까요?

최근 GPT 기반 생성형 AI 도구들이 대중화되면서, "이제 리서처는 필요 없는 거 아닌가요?"라는 질문을 더 자주 받습니다.
설문도, 응답자 모집도, 결과 분석도 AI가 할 수 있다면 리서처가 할 수 있는 일은 무엇일까요?

정량조사, 자동화된 리서치 운영은 결국 ‘도구’입니다. 유머글에서 상사는 모든 도구를 사용할 수 있어야 한다며(!) 엑셀 이외의 방법을 제시합니다. 상사의 엑셀 팡숀에 대한 신뢰는 차치하고, 각 도구의 장점을 파악하여 시의적절하게 사용하는 것은 매우 바람직한 일입니다. 그렇기 때문에 도구의 사용법이 아니라, 어떤 문제를 정의하고 어떤 방식으로 해석할지를 결정하는 힘이야말로 앞으로의 리서처가 가져야 할 핵심 자산입니다.

《일을 위한 디자인》은 바로 이 부분을 가장 본질적으로 짚고 있습니다.

“디자인은 직업이 아니라 사유의 훈련이고, 디자이너만이 아니라 우리 모두가 더 성장하는 직업인이 되기 위해 필요한 힘입니다.” (p.17)

AI 시대에 UX 리서처가 갖춰야 할 태도, 문제 정의 능력, 사고의 구조화 능력을 디자인 사고라는 언어를 통해 풀어냅니다. 그리고 이 언어는 리서처, 디자이너뿐 아니라 모든 직업인에게 적용 가능한 통합적 프레임이기도 합니다. 이 글의 제목을 "AI 시대에서 리서처"라고 적었지만, 사실상 일의 본질을 생각한다면 "리서처"라고 한정할 필요가 없습니다. '생각하는 방식’을 다시 설계해야 하는 시대가 도래했습니다.

실제로 책에서 "학습"의 태도를 유지하기 위해 저자가 만든 프레임워크는 입시 이후로 공부와 손 놓는 경우가 많은(ㅎㅎ) 대한민국의 많은 전문가들이 실무에서 바로 도입할 수 있는 가볍고 실용적인 방법이었습니다.

1. 트렌드 학습
   변화 감지 > 기존 방식과의 유사/차이 구조화 > 내 일과의 접점 선별 > 적용 범위 최소화 > 실제 테스트 > 평가와 채택 여부 판단

2. 문제 해결 학습
   문제 재정의 > 구조화(원인, 제약, 관계) > 아는 것/모르는 것 구분 > 아는 것으로 병목 완화 > 자료 및 사례 탐색 > 필요한 만큼 학습 > 라이브 적용과 피드백 > 정렬 및 프로세스 수정

생성형 AI가 가져온 가장 큰 착시는, 우리 모두가 모든 걸 할 수 있는 사람처럼 보인다는 점입니다. 하지만 여기서 기억해야할 점은 AI는 도구일 뿐, 문제를 정의하고 해석하고 책임지는 일은 여전히 사람의 몫입니다. 디비디랩이 ‘AI 페르소나(패널)’라는 기능을 통해 리서치 결과를 요약하고 해석하는 AI 기능을 준비하면서도, 해석과 판단의 주체는 사람이라는 점을 놓치지 않으려 했던 이유이기도 합니다.

디자인, 리서치, 기획이라는 분야에 오래 몸담다 보면, 업무의 절반은 모호함과 싸우는 일이 됩니다. 빠르게 인사이트를 내야 하는 압박 속에서, 무엇이 본질이고 무엇이 우선순위인지 스스로 정의할 수 있는 능력이 중요해집니다. 저자는 “좋은 디자인”을 정의하기 전에, “좋은 일이 무엇인지”를 먼저 규정해야 한다고말했는데요, UX 리서치도 똑같습니다. 좋은 인사이트는 갑자기 나타나지 않습니다. 우리가 무엇을 의사결정해야 하는지, 그 의사결정이 어떤 일의 맥락에서 발생하는지, 이해관계자가 어떤 시간과 비용 제약 속에 있는지부터 정리해야 합니다. 그래야 리서치는 단순 데이터 수집이 아니라 업무 생산성을 올리는 도구가 됩니다.

리서처로서 툴을 얼마나 빨리 배울 수 있는가보다, 어떤 문제를 정의할 수 있느냐, 해석할 수 있는 관점이 얼마나 깊은가가 더 중요하다는 것을 다시금 확인했습니다. 그래서 AI의 발전은 오히려 ‘얕은 전문가’를 드러내는 거울이 됩니다. 상사, 동료에게 전달한 AI의 답변을 스스로가 설명할 수 없는 상황이 대표적입니다. 반대로, 탄탄한 사고 구조를 갖춘 사람은 AI를 통해 훨씬 더 깊고 넓은 문제 해결자가 될 수 있죠.

요즘 AI는 리서치 현장에서도 “더 빨리 요약해주는 도구”, “더 그럴듯한 인사이트를 만들어주는 기술”로 자주 소비됩니다. 하지만 AI가 진짜로 바꾸는 것은 결과물의 속도가 아니라, 업무의 구조입니다. 리서치에서 AI의 역할도 마찬가지입니다.

질문을 더 많이 만들어내는 것이 아니라, 리서치를 조직이 더 자주, 더 가볍게 실행하고 축적하게 만드는 방향이어야 합니다.

디자이너이든 리서처이든, 우리는 더 이상 ‘정답을 아는 사람’으로서가 아니라, 답을 찾아내는 사고 회로를 설계하는 사람으로 살아남아야 합니다.
저자가 반복적으로 강조하는 이 점은 AI와 함께 일하는 지금 시대의 본질적인 전환을 짚고 있습니다.

일을 위한 디자인, 디자인을 "설계"라는 관점으로 해석한다면 디자이너가 아닌 "한 명의 직업인"으로서 AI 시대에도 내가 할 수 있는 일이 무엇인가 고민하는 사람, 변화하는 기술 속에서도 배움과 책임의 태도를 놓치고 싶지 않은 사람이 구체적인 액션 아이템을 수립할 수 있는 길잡이가 되는 책이라고 여겨졌습니다.

“나는 언제든 다시 배울 수 있다. 기술은 끊임없이 진화하고, 고객은 늘 새로운 방식으로 반응한다. 그렇다면 우리가 붙잡아야 할 건 ‘이미 가진 지식’이 아니라, ‘기꺼이 배우려는 마음’이다.” (p.116)

1편에서는 여기까지 정리해보려고 합니다.

📘 2편에서는 이 책의 후반부에서 특별히 공감한 도메인 지식과 태도, 일의 본질에 대한 이야기를 다뤄보겠습니다.

계속 읽어주셔서 감사합니다 ☺️