AI가 도입된 서비스를 쓰다 보면, 과도한 안내나 불필요한 기능 때문에 오히려 피로감을 느낄 때가 있습니다.
기술팀은 최신 모델을 붙이는 데 집중하고, 디자인팀은 정교한 인터랙션을 추가하려 합니다. 하지만 두 팀 모두 놓치기 쉬운 관점이 있습니다. AI를 단순한 기능으로 보는 것이 아니라, 사용자의 의사결정 과정을 구조적으로 지원하는 시스템 레이어로 바라보는 것입니다.
AI를 '지능형 가이드'로 만드는 법
우리가 흔히 'UX'라고 생각하는 것은 화면 배치나 버튼 모양을 다듬는 작업이었습니다. 하지만 AI 시대의 UX는 한 단계 더 나아갑니다. 사용자가 어떤 정보를, 어떤 순서로 접하고, 어떤 결정을 내릴지, 정보의 흐름 자체를 설계하는 영역으로 확장된 것입니다.
이를 위해 AI를 '답변을 주는 엔진'이 아니라, '사용자가 모르거나 놓치는 정보를 채워주는 장치'로 바라볼 필요가 있습니다.
1. AI 지능의 기반 다지기
AI가 아무리 뛰어나도, 그 지능의 근원은 데이터입니다. 문제는 기업 내부 데이터나 고객과의 대화 기록(CS 로그, 회의록, 문의 내역 등)이 서로 연결되지 않은 채 각자 쌓여 있다는 점입니다.
기존 검색 시스템은 키워드에 의존하기 때문에, "지난번 A 프로젝트에서 B 기능을 구현할 때 어떤 논의를 했었지?" 같은 복잡한 질문에는 제대로 답하지 못합니다.
이런 비정형 데이터를 지식 그래프 형태로 구조화하고, 벡터 임베딩 기술로 의미 단위로 연결하면, 단어가 아닌 맥락과 관계를 검색하는 시스템을 만들 수 있습니다.
2. '빈 캔버스' 대신 '초안'을 제공하는 인터페이스 설계
과거의 서비스는 사용자에게 빈 화면을 주고 모든 정보를 직접 채우게 했습니다. AI가 개입하는 방식은 다릅니다. 사용자가 작업을 시작하는 시점에 이미 가능성이 높은 초안을 제시하는 것입니다.
예를 들어 사용자가 "지난 분기 마케팅 비용을 줄이는 방법을 찾아줘"라고 입력하면, AI가 관련 예산 데이터와 과거 캠페인 성과, 최신 트렌드를 종합해 초안 형태로 보여주는 식입니다. 단순한 폼 개선이 아니라, 자연어로 표현된 사용자의 의도를 파악해 정보를 미리 채워주는 방식입니다.
3. 최소한의 터치로 필요한 도움을 주는 설계
가장 중요한 것은 '언제, 어떻게 개입할 것인가'입니다. AI가 모든 순간에 끼어든다면 오히려 사용자 경험을 방해합니다.
잘 설계된 AI는 사용자 흐름을 꼼꼼히 살펴, 사용자가 가장 막히거나 중요한 결정을 내려야 하는 지점을 찾아냅니다. 이 지점을 'AI 개입 필요성 점수'로 수치화하고, 점수가 높은 곳에만 AI를 배치하는 것이 핵심입니다.
복잡한 B2B 워크플로우를 예로 들면, 사용자가 데이터를 찾지 못해 막히는 순간이나 다음 단계로 넘어가기 위해 중요한 결정을 해야 하는 순간에만 AI가 "혹시 이 관점도 고려해 보셨나요?" 정도의 힌트를 제시하는 방식입니다.
이런 접근은 '더 편하다'는 막연한 효과가 아니라, 반복 업무 시간을 얼마나 줄이는가라는 구체적인 관점으로 측정할 수 있어야 설득력이 생깁니다.
"우리 회사는 이미 UX가 잘 되어 있는데요?"
"사용자 여정도 완성했고, 디자인도 직관적입니다. AI가 뭘 더 해줄 수 있나요?"
이 질문은 'UX가 부족해서 AI가 필요하다'는 전제에서 나옵니다. 하지만 실제 문제는 UX 품질이 아니라, 정보를 다루는 방식에 있습니다.
기존 UX는 '버튼을 누르면 다음 화면으로 이동한다'는 선형적 흐름에 맞게 설계되었습니다. 하지만 AI가 개입하면 흐름은 달라집니다. 사용자는 A 데이터를 보다가 B 기록을 떠올리고, C 트렌드를 찾아본 뒤 다시 A로 돌아와 결정을 바꾸는 순환적인 흐름을 만들어냅니다.
필요한 것은 이런 복잡한 흐름을 담아낼 수 있는 정보 구조 자체를 설계하는 것입니다. AI는 그 구조를 채우는 역할입니다.
실전에 적용하는 워크플로우
1. 핵심 Pain Point 데이터 추적
고객이 가장 자주 막히는 지점을 찾습니다. '이 버튼을 누르지 않는다'를 넘어, '이 정보를 찾지 못해서 막히는 건가?' 를 질문해야 합니다.
2. 데이터 통합 및 구조화
막히는 이유가 '정보 부재'인지 '정보 과부하'인지 파악합니다. 정보가 여러 곳에 흩어져 있다면, CS 툴·GA 데이터·내부 리서치 자료를 모아 하나의 지식 베이스를 만드는 것이 첫 번째 과제입니다.
3. 개입 로직 정의
통합된 지식 베이스를 바탕으로, 사용자 여정의 각 단계에 'AI 개입 필요성 점수'를 매깁니다. AI가 정보를 제공할지, 선택지를 줄여줄지, 아니면 초안을 완성해 줄지 명확하게 역할을 나눠야 합니다.
이 과정은 'AI 기능 추가 프로젝트'가 아닙니다. 조직이 보유한 지식 자산을 어떻게 사용자 경험에 연결할 것인지를 결정하는 구조 설계 작업에 가깝습니다.
핵심 요약
AI 시대의 UX는 UI/UX 디자인의 영역에 머물지 않습니다. 핵심은 분산된 데이터를 지식 그래프로 통합하고, 사용자의 의사결정 과정에 적절한 시점에만 개입하는 정보 흐름 구조를 만드는 것입니다. AI는 기능을 추가하는 것이 아니라, 사용자가 놓치고 있던 맥락과 정보를 찾아 알맞은 순간에 건네주는 시스템 레이어입니다.
SHAREABLE INSIGHT
AI 시대의 UX 설계는 인터페이스 개선을 넘어, 기업이 보유한 데이터를 지식 그래프로 구조화하고, 이를 사용자의 의사결정 과정에 최소한으로 개입하는 방식으로 연결하는 작업입니다. 기술과 디자인의 경계에서 정보의 흐름 자체를 다시 설계할 때, 사용자에게 실질적인 가치를 전달할 수 있습니다.