디자인DB_트렌드_디자인트렌드

사용자를 읽는 방법이 바뀌고 있다 ③ AI는 사용자를 대신할 수 있을까 - 최승환 마크로밀엠브레인 상무이사

Wed, 30 Sep 2026 01:12:26 GMT

사용자를 읽는 방법이 바뀌고 있다 — 데이터와 AI로 확장되는 UX 리서치

최승환 마크로밀엠브레인 상무이사

2026년 9월 16일 한국디자인진흥원 AX사업실 초청으로 마크로밀엠브레인 최승환 상무가 발표하고 토론을 나누었던 내용을 바탕으로, 실제 기업에서 새롭게 시도되고 있는 새로운 사용자조사 방법이 어떻게 변화를 맞이하고 있는지 살펴본다. 전체 내용은 주제별로 총 3편으로 구성하였다. 1편에서는 사용자에게 묻는 조사에서 행동을 읽는 조사로의 변화, 2편에서는 AI가 사람의 행동 속에서 우리가 미처 발견하지 못했던 니즈를 찾아내는 방법, 3편에서는 다시 첫 질문으로 돌아가 합성사용자가 실제 사용자를 대신할 수 있는가를 다룬다. 1편은 ‘변화’, 2편은 ‘발견’, 3편은 ‘대체 가능성에 대한 판단’이다.

③ AI는 사용자를 대신할 수 있을까

합성사용자의 가능성과 한계, 그리고 AI로 발견하고 사람으로 검증하는 리서치

-> 발표자료 보기

1편에서는 합성된 인간 데이터가 늘어나는 시대일수록 실제 인간의 행동과 그 의미, 맥락을 담은 Real Human Data가 중요해질 수 있다고 보았다.
합성 소비자는 실제 인간을 어디까지 대신할 수 있을까? 수백만 명의 가상 한국인이 있다면, 우리는 실제 사용자를 만나지 않고도 사용자조사를 할 수 있을까?

2026년 엔비디아가 공개한 한국형 Nemotron Personas 데이터셋에는 한국의 실제 인구 분포를 반영해 합성한 대규모 페르소나가 담겨 있다. 나이, 성별, 직업, 교육 수준, 거주지역뿐 아니라 관심사와 성격 등의 특성을 조합해 만들어진 가상의 사람들이다.[1]

예를 들어 새로운 공기청정기를 개발한다고 해보자. 실제 영유아 자녀를 둔 부모 수백 명을 모집하지 않아도 데이터셋에서 조건에 맞는 합성사용자를 골라 새로운 콘셉트를 보여주고 평가를 요청할 수 있다. 무엇이 마음에 들고 무엇이 불편한지, 구매할 의향이 있는지, 어떤 점을 개선해야 하는지도 물어볼 수 있다. 시간도 빠르다. 참가자를 모집하고 일정을 잡고 조사하는 대신 짧은 시간 안에 수백 명에게 질문을 던질 수 있다.

최승환 마크로밀엠브레인 상무는 최근 합성 소비자를 대상으로 설문뿐 아니라 인터뷰와 사용성 평가까지 시도되고 있다고 설명한다.[2] 여기까지만 보면 사용자조사의 오랜 숙제가 한꺼번에 해결된 것처럼 보인다. 그런데 문제가 하나 있다. 그들의 대답을 믿어도 되는 것일까?

가상의 소비자와 실제 소비자에게 같은 질문을 해봤다

마크로밀엠브레인은 합성 소비자와 실제 소비자에게 같은 질문을 던져 결과를 비교하는 실험을 진행했다. 차이는 생각보다 분명했다.

예를 들어 평소 먹는 비스킷을 물었을 때 합성 소비자는 오래된 유명 브랜드를 상대적으로 많이 선택했지만, 실제 패널의 응답에서는 다른 결과가 나타났다. 최 상무는 그 원인 가운데 하나로 AI가 학습한 정보와 현재 소비시장 사이의 시간차를 지적한다.[3]

AI가 참고하는 정보에는 오랫동안 시장에 존재했던 브랜드와 제품에 관한 내용이 많이 축적돼 있다. 반면 최근 등장한 브랜드와 빠르게 변화하는 소비행동은 상대적으로 적게 반영될 수 있다.

저당 제품에서도 비슷한 현상이 나타났다. 실제 소비자에게 저당 제품을 살 때 무엇을 고려하는지 묻자 맛과 당 함량뿐 아니라 브랜드도 구매 판단에 영향을 주었다. 하지만 합성 소비자의 응답에서는 브랜드의 영향이 잘 나타나지 않았다. 저당 제품 시장 자체가 비교적 최근 빠르게 형성됐기 때문에 AI가 참고할 만한 브랜드 관련 정보가 충분히 축적되지 않았을 가능성이 있다는 것이 최 상무의 해석이다.[4] 합성사용자는 현재를 살고 있는 것처럼 말하지만, 그 판단의 재료는 상당 부분 과거에 축적된 세계에서 온다.

통계적으로 그럴듯한 사람과 실제 사람은 다르다

이 문제는 합성사용자의 구조적 특성과도 관련된다. 엔비디아의 한국형 Nemotron Personas는 실제 통계를 활용해 한국의 인구학적·지리적 분포에 가깝도록 합성한 것이기에[1] ‘서울에 거주하는 30대 직장인’, ‘농촌지역에 사는 고령자’처럼 특정 집단을 통계적으로 그럴듯하게 재현하는 것에는 강점이 있다. 그러나 실제 인간은 인구통계 변수의 합보다 훨씬 복잡하다. 30대, 여성, 직장인, 서울 거주라는 조건이 같더라도 최근에 겪은 경험, 가족관계, 좋아하는 브랜드, 어제 본 광고, 친구의 권유, 그날의 기분에 따라 판단은 달라진다.

엔비디아 역시 데이터셋 설명에서 공개 통계의 시의성과 데이터 가용성에 한계가 있으며, 일부 변수의 관계를 구성할 때 독립성 가정을 사용했다고 밝히고 있다.[1]

인구 분포를 정교하게 재현했다고 해서 개인의 실제 삶까지 재현되는 것은 아니다. 이 차이는 UX 리서치에서 특히 중요하다. 사용자경험은 평균적인 사람이 무엇을 선호하는지만 다루는 것이 아니라 특정 상황에서 사람이 왜 멈추고, 망설이고, 우회하고, 때로는 자신도 설명하지 못하는 선택을 하는지를 이해하는 일이기 때문이다.

그렇다면 합성사용자는 쓸모가 없는 것일까? 그렇지는 않다. 최 상무는 이를 ‘발견’과 ‘검증’의 차이로 설명했다. 마크로밀엠브레인의 비교 실험에서는 질문의 성격에 따라 합성 소비자가 실제 소비자와 비슷한 방향을 보이는 경우도 있었다. 특히 새로운 콘셉트를 보여주고 구매 의향처럼 여러 조건을 종합해 판단하도록 했을 때 실제 소비자와 합성 소비자의 응답 경향이 비교적 비슷하게 나타나는 경우가 있었다고 한다.[5]

반면 현재의 실제 행동이나 구체적인 인식, 최신 시장상황을 정확하게 재현하는 데에는 한계가 나타났다. 이 차이를 보면 합성사용자를 어디에 활용해야 할지가 조금 더 명확해진다.

“어떤 문제가 있을 수 있는가?”, “무엇을 더 조사해야 하는가?”, “우리가 놓치고 있는 질문은 무엇인가?” 를 빠르게 찾는 데는 유용하다. 하지만 그중 무엇이 실제 사용자에게 가장 중요한지, 얼마나 많은 사람이 같은 문제를 겪고 있는지, 실제 행동으로도 나타나는지를 판단하려면 결국 실제 사람에게 돌아가야 한다.[6]

정답을 묻기보다 질문을 찾는 데 사용한다

이 관점에서 보면 합성사용자의 가장 흥미로운 용도는 조사를 대신하는 것보다 조사를 준비하는 것에 있다.

가령 새로운 서비스 콘셉트가 있다고 해보자. 기존 방식이라면 연구자가 먼저 가설을 세우고 조사문항을 만든 뒤 사용자를 모집한다. 그런데 연구자가 미처 생각하지 못한 문제가 있다면 질문 자체가 만들어지지 않는다. 합성사용자 수백 명에게 먼저 콘셉트를 보여주면 상황이 달라진다. 여러 합성사용자가 지적하는 불편과 우려를 모은다. 비슷한 문제를 묶는다. 새로운 가설을 만든다. 그리고 그중 검증해야 할 질문을 골라낸다. 그다음 실제 사용자를 만난다. 이렇게 하면 조사 과정은 다음과 같이 바뀐다.

합성사용자 탐색 → 문제 후보 발견 → 가설과 조사문항 정교화 → 실제 사용자 조사 → 중요도와 맥락 검증

최 상무는 이를 하이브리드 리서치의 한 방향으로 보고 있다. 합성 소비자를 먼저 활용해 조사 디자인과 가설을 정교화하고, 실제 소비자를 대상으로 다시 검증하는 순차적 방식이다.[6] 사용자를 AI로 바꾸는 것이 아니라 AI와 실제 사용자를 서로 다른 단계에 배치하는 것이다.

정책과 공공서비스에서도 같은 원리가 적용될 수 있다

이 접근은 제품개발뿐 아니라 정책이나 공공서비스에서도 생각해볼 수 있다. 새로운 정책 초안이나 서비스를 실제 시민에게 보여주기 전에 다양한 조건의 합성사용자에게 먼저 검토하게 할 수 있다.

고령자라면 어떤 부분이 어려울까. 육아 중인 맞벌이 가구라면 무엇이 문제일까. 지역에 따라 이용조건이 달라지지는 않을까. 정보를 이해하지 못할 가능성은 어디에 있을까…

짧은 시간 안에 많은 문제 후보를 찾는 데에는 도움이 될 수 있다. 그러나 합성사용자가 “이 문제가 가장 중요하다”고 답했다고 해서 정책 우선순위를 그대로 결정해서는 곤란하다.

최 상무도 큰 문제의 흐름을 발견하는 데에는 합성 소비자가 유용할 수 있지만, 무엇이 실제로 더 중요한지 판단하려면 실제 사람에게 검증해야 한다고 강조했다.[6]

공공서비스디자인에서는 이 구분이 더욱 중요하다. 정책의 대상인 시민은 조사 데이터의 원천이기 전에 그 결정의 영향을 실제로 받는 사람이기 때문이다. AI가 시민의 목소리를 대신하는 것이 아니라, 시민에게 무엇을 물어봐야 할지 더 잘 준비하는 데 사용하는 편이 합리적이다.

실제 사람을 닮은 ‘디지털 트윈 소비자’도 등장하고 있다

한편 합성사용자를 실제 인간에 더 가깝게 만들려는 시도도 시작되고 있다. 엔비디아의 페르소나가 주로 공개 통계를 기반으로 한국인의 분포를 합성한다면, 마크로밀엠브레인은 자사가 보유한 약 180만 명의 소비자 패널 데이터를 활용하는 다른 가능성을 연구하고 있다. 실제 패널의 프로파일과 행동·인식 데이터를 학습시켜 특정 실제 소비자의 특성을 보다 정교하게 반영한 ‘디지털 트윈 소비자’를 만들 수 있지 않을까 하는 것이다.

최 상무는 이를 현재 R&D 단계의 시도로 소개했으며, 아직 결과가 검증된 방법론은 아니다.[7] 하지만 방향은 흥미롭다. 오늘의 합성사용자가 ‘통계적으로 그럴듯한 사람’이라면 앞으로는 지속적으로 축적되는 실제 행동데이터를 바탕으로 특정 인간에 가까운 디지털 모델이 만들어질 가능성이 있기 때문이다. 그렇게 되면 사용자조사에서 AI와 인간의 경계는 지금보다 훨씬 더 복잡해질 것이다.

사용자를 없애는 기술이 아니라, 사용자를 만나는 순서를 바꾸는 기술

연재를 시작하며 던졌던 질문에 답해보자.

AI는 사용자를 대신할 수 있을까?

현재까지의 사례를 보면 일부 조사 과정은 대신할 수 있지만, 실제 사용자 자체를 대신한다고 보기는 어렵다. 합성사용자는 빠르다. 많은 가설을 만들고, 문제 후보를 찾고, 다양한 관점에서 콘셉트를 검토하는 데 유용하다. 하지만 실제 사람의 현재 행동, 새로운 문화와 유행, 상황에 따른 감정, 자신도 제대로 설명하지 못하는 망설임과 적응까지 재현하는 데에는 아직 큰 간극이 있다. 그래서 더 현실적인 방향은 대체가 아니라 역할 분담이다. AI로 넓게 탐색하고, 실제 사람에게 깊게 묻는다. AI로 문제를 발견하고, 사람으로 검증하는 것이다.

1편에서 살펴본 Real Human Data의 의미도 여기서 다시 드러난다. 합성 소비자가 더 정교해질수록 그것이 실제 인간을 얼마나 잘 재현하고 있는지를 판단할 기준이 필요하다. 실제 사람의 행동, 그 행동의 의미와 맥락을 담은 데이터가 없다면 합성된 인간이 얼마나 현실과 가까운지 검증하기 어렵다. 따라서 Real Human Data는 합성 소비자의 반대편에 있는 데이터가 아니다. 오히려 합성 소비자를 만들고, 학습시키고, 검증하기 위해 계속 참조해야 할 Ground Truth에 가깝다. 이렇게 보면 AI는 사용자조사를 없애는 기술이라기보다 사용자를 언제, 왜 만나야 하는지를 바꾸는 기술에 가깝다.

사용자를 읽는 방법이 바뀌고 있다

이번 연재에서 살펴본 변화는 세 단계로 정리할 수 있다.

1편에서는 사용자에게 묻는 조사에서 행동을 읽는 조사로 이동하는 변화를 살펴봤다. 설문과 인터뷰에 구매기록, 화면, 영상 같은 행동데이터가 더해지고 있었다.

2편에서는 AI가 많은 행동을 분석하면서 말과 행동 사이의 차이, 사용자가 스스로 명확히 인식하지 못한 문제까지 찾을 가능성을 살펴봤다.

3편에서는 한 걸음 더 나아가 실제 사용자를 만나기 전에 합성사용자와 먼저 대화하는 조사가 등장하고 있음을 확인했다.

변하지 않는 것도 있다. 사용자를 이해한다는 것은 데이터를 많이 모으는 것만을 의미하지 않는다. 무엇을 했는지 보고, 왜 그렇게 했는지 묻고, 그 행동이 일어난 맥락을 이해하는 일이다. AI는 그 과정을 훨씬 빠르고 넓게 확장하고 있다. 그러나 마지막에 남는 질문은 여전히 인간에게 있다. 이것이 실제 사람에게도 정말 중요한 문제인가? 사용자를 읽는 방법은 바뀌고 있지만, 사용자조사의 기준점은 아직 사람이다.

최승환

㈜마크로밀엠브레인 상무이사. 약 25년간 신제품 개발(NCD), UX·UI, 디자인 리서치, 정성조사와 에스노그래피 분야에서 활동해온 UX 리서치 전문가다.
삼성전자 Account Manager로 다양한 신제품 및 UX 리서치 프로젝트를 수행해왔다.
홍익대학교 산업디자인학 석사.

2026년 4월 산업단지정책해커톤에 서비스디자이너·퍼실리테이터로 참여했으며, 그가 참여한 ‘붕어빵’ 팀의 ‘온통(On-通)이음 정류장’이 최고상인 산업통상부장관상을 수상했다.

주석

[1] NVIDIA, Nemotron Personas (ko_KR), NVIDIA NGC, 2026. 한국형 데이터셋은 KOSIS, 대법원, 국민건강보험공단, 한국농촌경제연구원 등의 통계를 활용해 실제 한국의 인구학적·지리적 분포를 반영하도록 합성되었다. 공식 페이지의 ‘Dataset Quantification’은 100만 레코드에 총 700만 개의 persona descriptions라고 설명하지만, 같은 페이지의 ‘Dataset Details’에는 1,000만 personas라고 표기되어 수량 표현에 차이가 있다. 또한 공개 데이터의 시의성·가용성과 변수 간 독립성 가정을 데이터셋의 한계로 밝히고 있다.

[2] 최승환, 한국디자인진흥원 발표, 2026.9.16. 합성 소비자를 대상으로 설문, 인터뷰, 사용성 평가 등의 시도가 확대되고 있으며, 새로운 콘셉트의 문제점 탐색과 사전 가설 설정에 활용할 수 있다고 설명했다.

[3] 같은 발표. 실제 패널과 합성 소비자의 비스킷 관련 응답을 비교했을 때 상당한 차이가 나타났으며, 발표자는 AI가 학습한 정보와 현재 시장 사이의 시간차 및 오래된 브랜드 정보의 누적을 원인 가운데 하나로 해석했다. 자동 녹취에서 일부 제품명이 불명확해 본문에서는 구체적인 브랜드명을 생략했다.

[4] 같은 발표. 저당 제품 구매 시 실제 소비자는 브랜드를 주요 고려요소 가운데 하나로 응답했지만 합성 소비자에서는 브랜드가 잘 나타나지 않았으며, 발표자는 비교적 최근 형성된 제품군에 대한 학습정보 부족 가능성을 제시했다.

[5] 같은 발표. 마크로밀엠브레인의 내부 비교에서는 콘셉트 구매 의향과 같은 일부 항목에서 실제 소비자와 합성 소비자의 응답이 비슷한 방향성을 보였다고 소개했다. 다만 발표 당시 비교 표본 수를 발표자가 정확하게 확인하지 못했으므로, 이를 합성 소비자 전반의 정확도를 입증하는 결과로 일반화해서는 안 된다.

[6] 같은 발표 및 질의응답. 합성 소비자를 먼저 활용해 문제와 가설을 탐색하고 실제 소비자에게 중요도와 우선순위를 검증하는 하이브리드 조사 방식을 설명하면서 “발견과 검증은 좀 차이가 있다”고 강조했다.

[7] 같은 발표. 마크로밀엠브레인은 약 180만 명의 소비자 패널 프로파일을 활용해 합성 소비자의 정확도를 높이는 ‘디지털 트윈 소비자’ 접근을 R&D 차원에서 연구하고 있다고 설명했다. 아직 연구 중인 접근으로, 성과가 검증된 방법론으로 소개된 것은 아니다.

-----

사용자를 읽는 방법이 바뀌고 있다 — 데이터와 AI로 확장되는 UX 리서치

최승환 마크로밀엠브레인 상무이사

1편 사용자에게 묻는 시대에서, 행동을 읽는 시대로 - 설문과 인터뷰를 넘어 구매기록, 화면, 영상에서 실제 사용자를 이해하는 방법

2편 AI는 우리가 보지 못했던 사용자를 발견할 수 있을까 - 행동과 인식의 차이에서 잠재 니즈를 찾아내는 새로운 사용자조사

3편 AI는 사용자를 대신할 수 있을까 - 합성 소비자의 가능성과 한계, 그리고 AI로 발견하고 사람으로 검증하는 리서치

발표자료

사용자를 읽는 방법이 바뀌고 있다 ② AI는 우리가 보지 못했던 사용자를 발견할 수 있을까 - 최승환 마크로밀엠브레인 상무이사

Wed, 30 Sep 2026 01:12:06 GMT

사용자를 읽는 방법이 바뀌고 있다 — 데이터와 AI로 확장되는 UX 리서치

최승환 마크로밀엠브레인 상무이사

② AI는 우리가 보지 못했던 사용자를 발견할 수 있을까

행동과 인식의 차이에서 잠재된 문제를 찾아내는 새로운 사용자조사

-> 발표자료 보기

사용자에게 물었다.

“이 기능은 어떻습니까?”

“좋습니다. 편리할 것 같아요.”

그런데 실제로 사용하게 해보니 손을 뻗다가 멈춘다. 다시 시도하려다 또 멈춘다. 말로는 좋다고 했지만 행동은 주저하고 있다. 무엇이 진짜 사용자의 경험일까?

1편에서는 사용자조사가 설문과 인터뷰를 통한 Response Data에서 실제 구매·사용행동을 보는 Behavior Data, 그리고 행동에 상황과 이유를 결합하는 Real Human Data로 확장되고 있음을 살펴봤다. 그런데 행동을 볼 수 있게 되면서 또 다른 질문이 생긴다.

사용자 자신도 모르는 문제를 행동에서 발견할 수 있을까?

이번 글에서는 AI가 대량의 행동을 분석하면서 기존 사용자조사에서 놓치기 쉬웠던 ‘말과 행동 사이의 틈’을 어떻게 찾아내고 있는지 살펴본다.

“좋아요”라고 말하면서 왜 손을 멈췄을까

최승환 마크로밀엠브레인 상무가 소개한 사례 중 하나는 AI 글래스의 사용행동이다. AI 글래스를 쓰고 상대방과 대화하면 눈앞에서 상대방에 관한 정보를 확인하거나 실시간 번역 같은 기능을 사용할 수 있다. 참가자들의 평가도 긍정적이었다. 상대방의 정보를 보면서 이야기할 수 있고 외국인과 대화할 때도 도움이 될 것이라고 답했다. 그런데 실제 대화 장면을 영상으로 살펴보자 다른 모습이 나타났다. 기능을 사용하려고 손가락을 올리다가 멈칫했다. 다시 시도하려다가 또 멈췄다.
이유를 물어보니 기능 자체가 어려워서가 아니었다. 상대방이 자신의 손동작을 보고 “나를 촬영하거나 정보를 검색하고 있는 것 아닐까?”라고 생각할까 걱정됐던 것이다. 기능은 편리하지만 그것을 사용하는 행위가 상대방에게 불쾌감을 줄 가능성을 의식하고 있었다.[1] 여기서 문제는 기기의 기능이나 사용성만으로 설명되지 않는다.

이것은 사회적 수용성(Social Acceptability)의 문제다. 버튼의 위치를 바꾸는 것만으로 해결되지 않을 수도 있다. 상대방에게 조작 사실이 지나치게 드러나지 않는 제스처나 시선 인터랙션처럼, 새로운 방식의 상호작용을 고민해야 할 수도 있다. 인터뷰에서 “이 기능이 좋은가?”라고 물었을 때는 보이지 않았던 문제가 실제 행동을 관찰하자 드러난 것이다.

사람은 자신이 불편하다는 사실을 항상 알고 있을까

최승환 상무가 소개한 B×P Gap(Behavior × Perception Gap Analysis)은 실제 행동에서 나타나는 문제와 사용자가 스스로 인식하는 불편을 교차해 살펴보는 방법이다.

한쪽에는 실제 행동에서 문제 징후가 나타나는가, 다른 한쪽에는 사용자가 그 상황을 불편하다고 인식하는가를 놓는다. 여기서 행동의 문제란 단순한 실수만을 의미하지 않는다. 같은 행동의 반복, 비정상적으로 긴 멈춤, 불필요한 우회, 과업 중단처럼 목적을 달성하는 과정에서 나타나는 마찰도 포함한다. 두 축을 교차하면 네 가지 상황이 나타난다.

Explicit Need: 행동에도 문제가 있고 사용자도 불편을 인식한다. 사용자가 문제를 설명하고 개선을 요구할 수 있는 영역이다.

Perceived Need: 행동상 뚜렷한 문제는 없지만 사용자가 심리적·인지적 불편을 느낀다.

Latent Need: 행동에서는 문제가 나타나지만 사용자는 이를 문제로 인식하지 못한다. B×P Gap에서 특히 주목하는 영역이다.

Stable Experience: 행동에도 특별한 문제가 없고 사용자도 불편을 느끼지 않는 안정된 경험이다.

그림) B×P Gap(Behavior × Perception Gap Analysis)

행동에서 나타나는 문제와 사용자가 인식하는 불편을 교차해 명시적·인지된·잠재적 요구와 안정된 경험을 구분한다.

이 구분에서 서비스디자인 관점으로 특히 흥미로운 것은 잠재 니즈 Latent Need이다.

사람들은 반복되는 불편에 적응하기도 한다. “원래 이런 것이다”라고 생각하면 실제 행동에는 계속 마찰이 발생해도 설문에서 ‘불편하다’고 답하지 않을 수 있다. 그래서 사용자의 진술만 보면 문제가 없지만 행동을 함께 보면 문제가 보이는 영역이 생긴다.

AI 글래스 사례가 이를 잘 보여준다. 참가자들은 대화 중 AI 글래스 사용의 편리성을 5점 만점에 4.2점으로 높게 평가했다. 말만 들으면 긍정적인 경험이다. 그런데 실제 행동을 촬영하자 기능을 실행하기 직전에 평균 2.8초간 멈추는 행동이 나타났다. 글래스를 터치하려고 손을 올렸다가 멈추고 다시 내리기도 했다. 왜 그랬을까?

기능이 어려워서가 아니었다

상대방이 자신의 행동을 보고 “나를 촬영하거나 정보를 확인하고 있는 것 아닐까?”라고 생각할 것을 우려했기 때문이다.

즉, Perception: “편리하다.” - Behavior: “사용하려다 멈춘다.” 이것은 말과 행동 사이에 간극이 나타난 것이다. 여기서 발견되는 문제는 버튼 위치나 조작 단계 같은 전통적인 사용성만으로 설명되지 않는다. 사회적 수용성(Social Acceptability)의 문제다. 기능은 편리하지만 그것을 사용하는 모습이 상대방에게 불편함이나 의심을 줄 수 있다.

따라서 개선 방향도 “더 쉽게 누르게 한다”에서 끝나지 않는다. 손으로 기기를 직접 조작하지 않아도 되는 눈에 덜 띄는 핸즈프리 인터랙션(Socially Discreet Hands-free Interaction)과 같은 새로운 방향을 검토할 수 있다. 이 사례가 보여주는 것은 AI가 곧바로 잠재 니즈를 ‘알아낸다’는 것이 아니다. 영상에서 멈춤이나 반복 같은 행동 신호를 찾아내고, 그 이유를 다시 사용자에게 물음으로써 말과 행동 사이의 간극을 발견할 수 있다는 것이다.

B×P Gap에서 특히 주목할 부분은 Latent Need다. 실제 행동에는 문제가 나타나지만 사용자는 이를 불편으로 인식하지 않는 경우다.

예를 들어 프라이팬을 닦으면서 같은 동작을 여러 번 반복하는 사람이 있다고 하자. “기름이 잘 안 닦여서 손목이 아프다”고 말한다면 문제를 이미 인식하고 있으므로 Explicit Need에 가깝다. 반면 같은 행동을 반복하면서도 “원래 프라이팬은 이렇게 닦는 것 아닌가요?”라고 생각한다면 다르다. 불편에 적응해 그것을 문제라고 인식하지 못하는 것이다. 이런 문제는 “불편한 점이 있습니까?”라고 묻는 것만으로는 발견하기 어렵다. 행동과 인식을 함께 봐야 하는 이유다.[3] 다만 명시적 요구와 잠재적 요구 등의 구분은 연구 분야와 방법론에 따라 경계가 다르게 사용된다. 여기서는 최승환 상무가 소개한 B×P Gap 분석 틀에 따른 구분으로 이해할 필요가 있다.[4]

행동이 이상하면, 다시 사람에게 묻는다

행동에서 이상한 패턴을 발견했다고 해서 그 의미까지 자동으로 알 수 있는 것은 아니다. 손을 멈췄다는 사실은 영상에서 발견할 수 있다. 하지만 왜 멈췄는지는 다시 사람에게 물어야 한다. 여기서 1편에서 살펴본 Behavior Data가 다시 Real Human Data로 연결된다.

마크로밀엠브레인은 AI가 인터뷰 질문을 만들고 직접 인터뷰까지 진행하는 방식도 시험하고 있다. 미리 정해놓은 질문을 읽어주는 수준이 아니다. 응답자의 답변을 바탕으로 다음 질문을 생성하는 방식이다.[5]

예를 들어 스마트폰 홈화면을 독특하게 구성한 사용자를 발견했다고 해보자.

“왜 이렇게 앱을 배치했습니까?”

사용자가 “자주 쓰는 것을 바로 누를 수 있게 배치했다”고 답하면 AI는 다시 자주 사용하는 앱과 위젯을 묻는다. 배경화면과 색상을 바꾸는 이유를 답하면 그것이 취향과 어떤 관련이 있는지도 이어서 질문한다. 실제 시연에서 한 사용자는 자신의 스마트폰 화면을 두고 “제 취향을 보여주는 것이라고 생각한다”고 설명했고, 앞으로는 시간과 상황에 따라 홈화면이 자동으로 달라지기를 바란다고 답했다.[6] 처음에 수집한 것은 화면 한 장이었다. AI는 화면에서 특징을 찾고, 특정 사용자를 골라내고, 다시 그 사람에게 이유를 묻는다.

데이터 → 행동 패턴 발견 → 사용자 인터뷰 → 맥락 이해

사용자조사의 여러 단계가 이어지기 시작한다.

AI가 잘하는 일과 사람이 해야 하는 일

여기서 AI의 역할이 조금 더 분명해진다. AI가 특히 강한 영역은 양의 문제다. 사진 수백 장을 분류하고, 영상 수천 개를 나누고, 반복되는 행동을 찾고, 비슷한 패턴을 묶는 일은 사람이 하기에는 많은 시간이 든다. 반면 “왜 이런 행동을 했는가”, “이 행동이 어떤 의미를 갖는가”, “무엇을 문제로 규정해야 하는가”에는 여전히 사람의 판단이 필요하다. 따라서 AI가 사용자조사에 들어오면서 연구자의 일이 사라진다기보다 역할이 달라질 가능성이 크다.

연구자가 모든 데이터를 직접 읽는 사람에서, 무엇을 관찰해야 하는지 정하고, AI가 찾아낸 이상징후를 해석하며, 다시 어떤 질문을 던질지 결정하는 사람으로 이동하는 것이다.

이것은 서비스디자인에도 의미가 크다. 서비스디자인이 사용자에게 직접 다가가 맥락 속에서 행동을 관찰해온 이유는 사람들이 자신이 필요한 것을 언제나 명확하게 말할 수 없기 때문이다. AI는 그 원칙을 뒤집지 않는다. 오히려 관찰할 수 있는 인간 행동의 범위를 크게 넓혀준다.

사용자를 더 많이 보게 된 다음의 질문

1편에서는 사람에게 묻는 조사에서 행동을 읽는 조사로의 변화를 살펴봤다. 2편에서는 한 걸음 더 나아갔다. 말과 행동을 함께 보면 그 사이의 차이가 보인다.

사용자가 불편하다고 말하지 않아도 반복하고, 멈추고, 우회하는 행동에는 문제가 숨어 있을 수 있다. AI는 그동안 너무 많아서 사람이 읽기 어려웠던 행동 속에서 이런 신호를 찾을 가능성을 열고 있다. 하지만 여기까지 오면 더 큰 질문이 생긴다. AI가 행동을 분석하고, 질문을 만들고, 인터뷰까지 할 수 있다면 실제 사용자는 언제까지 필요할까? 더구나 1편에서 살펴본 것처럼 이미 실제 사람이 아닌 수백만 개의 합성사용자를 대상으로 제품과 서비스를 평가하는 시도까지 등장했다. 그렇다면 이제 사용자조사는 AI만으로 할 수 있는 것일까? 3편에서는 1편의 첫 질문으로 돌아가 「AI는 사용자를 대신할 수 있을까」를 살펴본다.

주석

[1] 최승환, 한국디자인진흥원 발표, 2026.9.16. AI 글래스 사용 시 기능에 대해서는 긍정적으로 평가하면서도 실제 대화 상황에서는 조작하려다 멈추는 행동이 나타났으며, 인터뷰를 통해 상대방에게 촬영·기록으로 인식될 가능성을 우려한 행동임을 확인한 사례를 소개했다.

[2] 최승환, UXCX Data Needs Discovery 발표자료. 발표자료에서는 이를 ‘Behavior Perception Gap Analysis’로 제시했다.

[3] 최승환, 한국디자인진흥원 발표, 2026.9.16. 실제 행동에서 문제 징후가 나타나는지와 사용자가 스스로 불편을 인식하는지를 교차해 살펴보는 방법과 프라이팬 사용 사례를 설명했다.

[4] ‘잠재적 요구(latent needs)’는 일반적으로 사용자가 사전에 명확히 인식하거나 표현하기 어려운 요구를 가리키지만, 명시적·암묵적·잠재적 요구의 명칭과 경계는 문헌과 방법론에 따라 다르게 사용된다. 따라서 본문의 4가지 구분은 발표에서 소개된 분석 틀을 설명하기 위한 것이다.

[5] 최승환, 한국디자인진흥원 발표, 2026.9.16. AI 인터뷰 시스템은 조사 목적에 따라 질문을 생성하고 응답자의 답변에 따라 심화 질문을 이어서 생성하는 방식으로 소개됐다.

[6] 같은 발표의 AI 인터뷰 시연. 사용자는 자주 사용하는 앱에 빠르게 접근하도록 홈화면을 구성하며, 화면을 자신의 취향을 드러내는 공간으로 생각한다고 답했다.

-----

사용자를 읽는 방법이 바뀌고 있다 — 데이터와 AI로 확장되는 UX 리서치

최승환 마크로밀엠브레인 상무이사

1편 사용자에게 묻는 시대에서, 행동을 읽는 시대로 - 설문과 인터뷰를 넘어 구매기록, 화면, 영상에서 실제 사용자를 이해하는 방법

2편 AI는 우리가 보지 못했던 사용자를 발견할 수 있을까 - 행동과 인식의 차이에서 잠재 니즈를 찾아내는 새로운 사용자조사

3편 AI는 사용자를 대신할 수 있을까 - 합성 소비자의 가능성과 한계, 그리고 AI로 발견하고 사람으로 검증하는 리서치

발표자료

(인터뷰) 안전수칙을 아는 것과 안전하게 일하는 것 사이 - 이승헌 한국디자인진흥원 팀장

Tue, 29 Sep 2026 07:19:46 GMT

산업현장의 근로자는 매 순간 안전에 온 신경을 집중할 수 있을까. 기계 소리가 이어지고, 정해진 시간 안에 작업을 마쳐야 하며, 사람과 장비가 좁은 공간을 함께 오가는 현장에서 주의력과 기억에는 한계가 있다. 안전수칙을 알고 있다는 사실이 언제나 안전한 행동으로 이어지는 것도 아니다. 산업안전을 이렇게 바라보면, 그것은 설비와 규정, 교육의 문제인 동시에 사람이 실제로 어떻게 일하고, 위험을 알아차리며, 행동하는지를 고려해 작업환경을 어떻게 디자인할 것인가의 문제가 된다. 바로 이 지점에서 산업안전은 사용자 경험과 서비스디자인을 만난다. 이 논문에 담겨있는 제조 현장의 목소리는 그 관계를 구체적으로 보여준다. 한 근로자는 안전모가 설비 입구에 걸려 잠깐 벗어두고 점검한다고 말했다. 다른 근로자는 늦으면 쉴 자리가 부족해 위험한 줄 알면서도 휴게공간으로 뛰어간다고 했다. 비상구 표지가 붙어 있지만 정작 문은 열리지 않는다는 이야기도 있었다. 관리자의 입장에서는 보호구를 지급하고, 휴게공간을 마련하고, 대피 안내를 제공한 현장이라도 근로자가 실제로 이용하는 과정에는 다른 문제가 남아 있을 수 있다. 마련된 안전조치와 일하는 사람이 경험하는 안전 사이의 간극, 이승헌 연구자는 그 간극을 근로자의 경험과 인지 특성에서 살펴본다.

서비스디자인은 작업 현장을 관찰하고 근로자의 이야기를 들으며, 위험한 행동이 발생하는 맥락을 드러낸다. 작업의 흐름을 따라가면 어느 구간에서 사람과 장비의 동선이 겹치는지, 어떤 절차가 현장의 작업 방식과 맞지 않는지, 누구에게 정보가 제대로 전달되지 않는지를 발견할 수 있다. 여기에 사용자 경험과 인지심리 관점을 적용하면 개선의 방향도 구체화된다. 복잡한 안전정보를 이해하기 쉽게 정리하고, 필요한 순간에 필요한 신호를 알아차리게 하며, 반복훈련을 통해 익힌 대응이 실제 상황에서도 이어지도록 돕는 것이다. 근로자가 더 많은 정보를 기억하도록 요구하기에 앞서, 정보를 받아들이고 행동하는 과정의 부담을 줄이는 접근이다.

이승헌 연구자는 고려대학교 대학원 디자인조형학과 석사학위논문 「제조업 안전사고 예방을 위한 사용자 경험 중심의 산업안전디자인 프레임워크 연구」에서 이러한 접근을 현장에 적용할 수 있는 실무 지침으로 정리했다. 제조기업 두 곳의 현장조사와 관리자·근로자 인터뷰를 바탕으로, ‘이해하기–발견하기–정의하기–개발하기–전달하기’의 5단계 프레임워크를 제안했다.

이번 인터뷰에서는 이승헌 연구자가 왜 산업안전디자인에 주목했는지, 제조 현장에서 무엇을 발견했는지, 그리고 근로자의 경험과 인지 과정을 디자인에 반영한다는 것이 실제로 어떤 의미인지 들어본다. 현장 관리자와 디자인기업이 이 프레임워크를 어떻게 활용할 수 있을지도 함께 살펴본다. 사람이 늘 완벽하게 주의를 기울일 수 없다는 사실을 출발점으로 삼을 때, 디자인은 안전하게 일하기 위해 사람이 감당해야 하는 부담을 줄이고 현장의 예방 체계를 보완하는 역할을 할 수 있다.

이승헌. 고려대학교 대학원 디자인조형학과 석사학위논문. 2026년 2월

이승헌

한국디자인진흥원 AX사업실 AX디자인 팀장. 2012년 입사해 기업지원, 기획, 홍보소통, 자산안전 업무를 담당했다.
고려대학교 산업디자인학 석사이며, 2022년 산업통상자원부 장관표창을 수상했다.

연구를 시작하게 된 계기

Q. 산업안전디자인이라는 주제로 논문을 쓰게 된 계기는 무엇인가요?

“기존의 산업디자인이 제품이나 그래픽, 공간 등 사용자 경험(UX)을 개선하는 데 많이 활용돼 왔다면, 이러한 디자인적 접근이 산업안전 분야에서도 충분히 중요한 역할을 할 수 있다고 생각했습니다. 특히 산업안전디자인이라는 영역이 비교적 생소하지만, 근로자가 더 안전하게 일할 수 있는 환경을 만드는 새로운 디자인 분야로서 확장 가능성이 크다고 봤고, 이러한 가능성과 중요성을 이야기해보고 싶어서 연구를 시작하게 됐습니다.”

Q. 실제 제조 현장을 조사하면서 가장 인상 깊었던 장면이나 에피소드는 무엇이었나요?

“실제 제조 현장을 조사하면서 인상이 남았던 점은, 근로환경이 훨씬 더 열악하고 위험요인이 일상에 너무 가까이 있다는 점이었습니다. 또 현장 근로자분들 이야기를 들어보면 사고는 오히려 위험하다고 느끼고 주의를 집중할 때보다, 반복 작업에 익숙해지고 ‘이 정도는 괜찮겠지’ 하고 방심하는 순간에 많이 발생한다라는 의견이 있었습니다. 이러한 점을 착안해서 논문 방향도 산업안전디자인이 단순히 위험을 알리는 데서 끝나는 게 아니라 익숙함 속에서도 계속 위험을 인지하게 만드는 방향으로 가야겠다고 생각했습니다.”

Q. "디자인이 산업재해를 줄일 수 있다"는 말이 낯설게 느껴지는 독자도 있을 것입니다. 이 관계를 쉽게 설명한다면 어떻게 표현할 수 있을까요?

“디자인의 가장 큰 특징 중 하나는 사람의 경험과 맥락을 이해해 문제를 다시 정의하고, 더 나은 경험이 가능하도록 그 조건을 개발·개선하는 데 있다고 생각합니다.

산업안전에서도 근로자가 실제로 일하는 과정과 행동을 살펴보면 기존의 기술적·관리적 접근만으로는 놓치기 쉬운 위험요인을 발견할 수 있습니다. 이를 바탕으로 색상이나 형태, 공간, 동선뿐 아니라 작업방식이나 정보 전달체계까지 개선해 근로자가 위험을 더 쉽게 인지하고 자연스럽게 안전한 행동을 할 수 있는 환경을 만드는 것입니다. 이런 방식으로 디자인은 산업재해를 줄이는 데 기여할 수 있습니다.”

기존 안전관리와 무엇이 다른가

Q. 기존의 산업안전 관리 방식(매뉴얼, 물리적 환경 개선 중심)에는 어떤 한계가 있다고 보십니까?

“기존의 산업안전 관리 방식이 잘못됐다고 생각하는 건 아닙니다. 다만 제조 현장은 소음이 크고, 작업이 복잡하고, 여러 상황이 동시에 발생하다 보니까 근로자가 매뉴얼을 계속 의식하거나 위험요인에 집중하기가 쉽지 않습니다. 이러한 환경에서는 단순히 정보를 전달하거나 물리적으로 개선하는 것만으로는 한계가 있고, 근로자가 직관적으로 위험을 인지할 수 있도록 하는 방식이 함께 필요하다고 생각했습니다.”

Q. 이번 연구에서는 "인지심리"라는 개념이 핵심 축으로 등장합니다. 근로자의 기억, 주의, 판단, 행동이라는 흐름이 왜 중요한가요.

“근로자의 기억, 주의, 판단, 행동이라는 흐름이 중요한 이유는 제조 현장의 작업이 대부분 반복적이고 익숙한 방식으로 이루어지기 때문입니다. 익숙함이 쌓이면 위험요인도 자연스럽게 지나치기 쉬운데, 그렇다고 또 다른 안전정보를 계속 추가해서 근로자에게 인지적 부담을 주는 것도 좋은 방법은 아니라고 봤습니다. 오히려 일상적인 작업환경 속에서 자연스럽게 접하고 스며들면서 위험을 기억하고 주의를 환기할 수 있는 인지적 요소가 중요하다고 생각했고, 그런 과정이 실제 안전행동으로 이어질 수 있다고 봤습니다.”

Q. 아무리 경고 표지판을 붙이고 안전 수칙을 반복해도 사고가 줄지 않는 이유는 무엇때문일까요?

“사고가 완전히 줄지 않는 이유 중 하나는 결국 ‘반복 작업에서의 주의 저하와 안전한 행동을 어렵게 만드는 작업환경’ 때문이라고 생각합니다. 같은 환경에서 같은 작업을 반복하다 보면 위험요인도 점점 익숙하게 느껴지고, ‘설마 나한테 사고가 나겠어’라는 생각이 생기기 쉽거든요. 그러다 보면 경고를 봐도 대수롭지 않게 지나치거나 순간적으로 방심하게 되고, 그런 부주의가 실제 사고로 이어질 수 있다고 봤습니다.”

프레임워크 소개

Q. 이번에 개발한 산업안전디자인 프레임워크를 한마디로 소개한다면?

“근로자의 경험과 인지 과정을 중심으로 산업현장의 위험을 발견하고, 이를 실제 디자인 해결책으로 연결할 수 있는 가이드라고 말씀드릴 수 있을 것 같습니다. 단순히 위험요인을 찾아서 경고하는 데 그치는 게 아니라, 근로자가 현장에서 어떻게 보고, 기억하고, 판단하고 행동하는지까지 고려해서 문제를 정의하고 디자인 솔루션으로 발전시키는 과정입니다. 결국 현장에서 실제로 작동하는 산업안전디자인을 만들기 위한 하나의 실무적인 지침서라고 볼 수 있습니다.”

Q. 5단계·9개 활동·32개 과제로 구성되어 있다고 들었습니다. 복잡해 보이는데, 현장에서는 실제로 어떤 순서로 적용되나요?

“단계와 과제가 많아 보이지만, 실제 흐름은 현장을 이해하고 문제를 찾아 개선한 뒤, 지속적으로 관리하는 과정이라고 보시면 됩니다. 5단계에 대해서만 간단히 설명드리자면, 먼저 ‘이해하기’에서는 기업이 스스로 안전 수준을 점검하고 개선할 범위를 정합니다. ‘발견하기’에서는 작업 현장을 관찰하고 근로자와 관리자 인터뷰를 통해 위험요인을 찾고, ‘정의하기’에서는 그중 어떤 문제를 먼저 해결할지 우선순위를 정합니다. 이후 ‘개발하기’에서는 근로자의 경험과 인지 특성을 고려한 개선안을 만들고 테스트를 거쳐 현장에 적용합니다. 마지막 ‘전달하기’에서는 관리 방법을 안내하고 교육과 사후 점검으로 이어지도록 합니다.

5단계와 9개 활동은 이러한 기본 흐름을 잡아주는 틀이고, 32개 세부 과제는 기업이나 작업환경의 특성에 맞춰 필요한 것을 선택해 활용할 수 있도록 구성한 것입니다. 비슷한 위험요인을 가진 다른 현장의 사례도 함께 참고하면서, 우리 현장에 적합한 개선방안을 찾을 수 있다는 점이 이 프레임워크의 특징이라고 생각합니다.”

Q. 이 프레임워크가 기존 서비스디자인 방법론과 다른 점은 무엇인가요?

“연구에서의 프레임워크는 서비스디자인 방법론을 기본 틀로 활용했다는 점에서는 기존 방법론과 연결되어 있습니다. 다만 산업안전 현장에 바로 적용할 수 있도록 내용을 훨씬 더 구체화했다는 점이 차이점 이라고 생각합니다. 예를 들어 본 프레임워크에서는 산업재해의 핵심요인을 도출하고, 산업안전디자인 사례를 유형별로 분류하고, UX 디자인 특성이나 산업재해 예방을 위한 인지심리 이론까지 함께 제시했습니다. 그래서 단순히 ‘문제를 발견하고 해결한다’는 수준을 넘어서, 실제 현장에서 어떤 요소를 보고 어떤 방식으로 디자인에 적용해야 하는지 구체적인 정보를 제공해준다는 점에서 차별성이 있습니다.”

Q. 근로자를 "사용자"로 바라보는 관점이 왜 중요한가요? 이런 시각의 전환이 실제 안전 개선에 어떤 차이를 만든다고 보십니까?

“기존의 산업안전 문제 해결 방식은 기업이나 관리자가 기준을 정하고 근로자에게 전달하는 일방향적이고 탑다운 방식이 많았다고 생각합니다. 이러한 방식은 실제 현장의 문제를 충분히 반영하는 데는 한계가 있을 수 밖에 없습니다. 산업안전디자인에서는 근로자를 단순한 관리 대상이 아니라 안전과 관련된 핵심 사용자이자 수요자로 바라보는 게 중요합니다. 그래야 근로자가 실제로 어떤 불편을 느끼고, 어떤 상황에서 위험을 놓치는지 문제의 본질을 찾을 수 있고, 그에 맞는 현실적인 예방책도 만들 수 있다고 생각합니다.”

현장 검증 이야기

Q. 실제 제조기업 현장조사와 심층 인터뷰에서 발견한 가장 의외의 안전 이슈는 무엇인가요?

“현장조사에서 가장 의외였던 부분은, 안전사고가 단순히 위험요인을 몰라서 발생하는 게 아니라는 점이었습니다. 근로자분들도 대부분 위험한 상황을 알고 있었지만, 반복되는 작업 속에서 익숙해지고 주의가 분산되면서 순간적으로 판단이 느려지거나 행동이 늦어짐을 알 수 있었습니다. 특히 화재나 비상상황처럼 긴장도가 높아지면 평소 알고 있던 대피에 대한 정보도 바로 떠올리기 어렵다는 의견이 다수 있었습니다. 그래서 안전정보를 많이 주는 것보다, 반복적으로 자연스럽게 노출해서 기억을 강화하고 위기 상황에서도 직관적으로 행동할 수 있도록 만드는 인지심리적 설계가 중요하다고 생각했습니다.”

Q. 전문가 검증 과정에서 나온 피드백 중 가장 기억에 남는 것이 있었다면?

“가장 기억에 남았던 피드백으로, 산업안전디자인은 사람만 보는 게 아니라 사람과 기계, 공간이 어떻게 함께 움직이는지를 같이 봐야 한다는 점이었습니다. 특히 제조현장은 근로자의 이동 동선과 장비의 작동 범위가 겹치는 경우가 많아서, 단순히 경고표지를 붙이는 것보다 위험구역과 이동경로를 시각적으로 명확하게 구분하는 게 중요하다는 의견이 인상 깊었습니다. 결국 안전디자인은 보기 좋게 만드는 게 아니라, 현장에서 사람과 장비가 충돌하지 않도록 행동을 유도하는 설계여야 한다는 점을 다시 확인할 수 있었습니다.”

Q. 현장 관리자들이 이 프레임워크를 어떻게 활용할 수 있다고 보십니까?

“현장 관리자 입장에서는 이 프레임워크를 일종의 안전 문제를 체계적으로 점검하고 해결방향을 찾는 가이드로 활용할 수 있다고 생각합니다. 기업별 사고 데이터나 현장 특성을 바탕으로 핵심 위험요인을 먼저 찾고, 비슷한 근로환경의 사례나 안전디자인 유형을 비교하면서 우리 현장에 맞는 개선방안을 빠르게 선택할 수 있습니다. 특히 근로자의 경험이나 인지 특성까지 함께 고려할 수 있기 때문에 현장에 맞는 예방조치를 설계하는 데 크게 도움이 될 수 있다고 봅니다.”

확장과 전망

Q. 이 연구 결과가 제조업 외에 건설업 등 타 산업에도 적용될 수 있다고 보시나요?

“네, 적용 가능하다고 생각합니다. 이번 연구는 제조업 현장을 중심으로 검증했지만, 핵심은 특정 설비나 공정 자체보다 근로자가 위험을 어떻게 인지하고 판단하고 행동하는지를 디자인 관점에서 보는 데 있습니다. 건설업처럼 반복적인 사고가 발생하고 작업환경 변화가 큰 산업에서도 이런 접근은 충분히 의미가 있다고 봅니다. 다만 산업마다 공정이나 작업 특성이 다르기 때문에, 같은 프레임워크를 그대로 적용하기보다는 각 산업에 맞게 세부 요소를 조정해서 활용하는 방식이 필요하다고 생각합니다.”

Q. 산업안전디자인이 앞으로 기업이나 정책 차원에서 어떻게 자리 잡아야 한다고 생각하십니까?

“앞으로 산업안전디자인은 누군가에게 강요받거나 평가를 잘 받기 위해 하는 활동이 아니라, 기업의 일상적인 문화로 자연스럽게 자리 잡았으면 좋겠습니다. 근로자를 단순한 인력이 아니라 우리 가족이자 중요한 고객이고, 회사를 함께 이끌어가는 구성원이라고 생각한다면 이들이 안전하게 일할 수 있는 환경을 만드는 건 당연한 일이고 또 그 환경을 가장 쉽고 효과적으로 만들어주는 방법 중 하나가 산업안전디자인이라고 생각합니다. 결국 어렵고 거창한 제도가 아니라, 근로자의 건강과 안전을 지키기 위해 현장에 자연스럽게 스며드는 실용적인 방법론으로 활용되면 좋겠습니다.”

Q. 안전디자인 사업을 추진 중인 한국디자인진흥원에서 이 연구 결과를 사업에 반영한다면, 어떻게 활용하면 좋을까요?

“ 산업안전디자인을 관리하는 주체기관으로서, 연구 결과를 기업들이 실제 현장에서 활용할 수 있도록 정보를 제공하는 가이드 역할과 함께 프로세스가 얼마나 이행되었는지를 점검할 수 있는 자료로도 활용할 수 있다고 생각합니다. 산업안전디자인의 전체 프로세스와 적용 기준을 기본 지침으로 제공하고, 기업 유형이나 적용 기간, 현장 여건에 따라 달라질 수 있는 결과물의 형태까지 상황에 맞게 선택할 수 있도록 정보를 제공할 수 있다고 생각합니다. 이렇게 하면 모든 과정을 일률적으로 적용하기보다는 제한된 시간과 환경 안에서도 필요한 부분을 효율적으로 활용할 수 있고, 산업안전디자인을 확산하기 위한 정책적 방법론이자 가이드로써 활용할 수 있을 것 같습니다.”

Q. 마지막으로, 제조 현장 관계자나 디자인기업 관계자에게 전하고 싶은 메시지가 있다면?

“제조 현장 관계자분들께는 산업안전디자인을 너무 어렵게 생각하지 않으셨으면 좋겠습니다. 디자인이라는 게 꼭 새로운 제품을 만드는 것만이 아닌, 현장의 문제를 더 쉽게 발견하고 이해하고 개선하는 하나의 수단이 될 수 있다고 생각합니다. 반대로 디자인기업 관계자분들께는 산업안전디자인 분야가 쉽지는 않지만, 내가 만든 디자인이 물리적으로 좋은 결과물을 넘어서서 실제로 사람의 행동을 바꾸고, 나아가 생명을 지킬 수도 있다라는 새로운 자부심을 가져도 좋다고 말씀드리고 싶습니다.”

사용자를 읽는 방법이 바뀌고 있다 ① 사용자에게 묻는 시대에서, 행동을 읽는 시대로 - 최승환 마크로밀엠브레인 상무이사

Tue, 29 Sep 2026 06:08:54 GMT

사용자를 읽는 방법이 바뀌고 있다 — 데이터와 AI로 확장되는 UX 리서치

최승환 마크로밀엠브레인 상무이사

1편 사용자에게 묻는 시대에서, 행동을 읽는 시대로

설문과 인터뷰를 넘어 구매기록, 화면, 영상에서 실제 사용자를 이해하는 방법

1편은 시리즈 전체의 변화부터 보여준다. Response Data → Behavior Data → Real Human Data의 흐름과 함께 영수증 데이터, 스마트폰 홈화면, 실제 기능 사용영상 등을 사례로 제시하면 된다. 사용자가 말한 것과 실제로 한 것 사이의 차이가 출발점이다.

2편 AI는 우리가 보지 못했던 사용자를 발견할 수 있을까

행동과 인식의 차이에서 잠재 니즈를 찾아내는 새로운 사용자조사

핵심은 AI 자체가 아니라 사람이 일일이 보기 어려웠던 행동을 AI가 읽을 수 있게 됐다는 점이다. 생활영상 분석, 행동×인식 비교, AI 글래스의 ‘멈칫하는 행동’, 검색데이터의 니즈 변환, 이미지에 맥락을 붙이는 방법 등을 묶는다. 특히 “사용자는 불편을 겪으면서도 그것을 불편이라고 인식하지 않을 수 있다”는 점이 중심 메시지가 된다.

3편 AI는 사용자를 대신할 수 있을까

합성 소비자의 가능성과 한계, 그리고 AI로 발견하고 사람으로 검증하는 리서치

합성 소비자를 실제 소비자와 비교한 사례를 중심으로 한다. AI가 빠르게 문제와 가설을 찾는 데는 유용하지만 최신 행동, 감성, 중요도와 우선순위까지 그대로 믿기는 어렵다는 점을 보여준다. 마지막은 “발견과 검증은 다르다. AI로 발견하고, 사람으로 검증한다.”로 끝내면 시리즈 전체가 정리된다. 세 제목의 구조도 의도적으로 다르게 잡았다.

최승환

① 사용자에게 묻는 시대에서, 행동을 읽는 시대로

User Data를 넘어 ‘Real Human Data’로

-> 발표자료 보기

2026년 엔비디아는 한국의 실제 인구 분포를 반영한 대규모 합성 페르소나 데이터셋 Nemotron Personas를 공개했다. 나이, 성별, 직업, 교육 수준, 거주지역과 같은 인구통계적 특성뿐 아니라 관심사와 성격 등을 조합해 실제 한국 사회의 분포를 닮은 가상의 사람들을 만들어낸 데이터다.[1] 이런 합성 페르소나를 AI와 결합하면 가상의 소비자에게 제품이나 서비스에 대한 반응을 묻고 다양한 상황을 시뮬레이션하는 것도 가능해진다.

그렇다면 실제 사용자를 만나지 않고도 사람을 이해할 수 있는 시대가 오는 것일까?

오히려 이런 변화 때문에 반대의 질문이 중요해지고 있다. AI가 인간을 이해하고, 인간에게 맞는 판단과 추천을 하려면 과연 어떤 데이터를 학습해야 할까?

Consumer와 User를 넘어 Human으로

우리는 오랫동안 사람을 Consumer 또는 User라는 이름으로 바라봐 왔다. 마케팅에서 사람은 상품을 선택하고 구매하는 Consumer였고, 디지털 서비스에서 사람은 앱과 웹을 이용하는 User였다. 그래서 기업이 축적해 온 데이터 역시 무엇을 구매했는지, 어떤 화면을 클릭했는지, 어떤 서비스에서 이탈했는지와 같은 구매와 이용의 기록이 중심이었다.

그런데 AI가 서비스의 중심으로 들어오면서 질문이 조금 달라지고 있다.

클릭, 구매, 검색 기록만 충분할까? 아니면 그 행동 뒤에 있는 의도와 감정, 상황과 생활환경까지 알아야 할까?

이 질문에서 최승환 엠브레인 상무는 ‘Real Human Data’라는 개념을 생각하게 되었다.

‘Human’이라는 표현을 쓰는 데에는 이유가 있다. Consumer는 기업과 시장의 관점에서 바라본 인간이고, User는 제품과 서비스의 관점에서 바라본 인간이다. 반면 AI의 관점에서 인간은 특정 제품을 구매하거나 특정 서비스를 사용하는 순간에만 존재하지 않는다. 사람은 생각하고, 망설이고, 감정을 느낀다. 같은 행동도 서로 다른 이유로 할 수 있으며, 같은 사람도 시간과 장소, 함께 있는 사람과 주변 환경에 따라 다르게 행동한다. 따라서 AI가 인간을 학습한다는 것은 단순히 ‘무엇을 구매했는가’ 또는 ‘무엇을 클릭했는가’를 학습하는 것보다 훨씬 넓은 문제가 된다. 그 사람의 의도, 니즈, 감정, 판단, 그리고 행동이 발생한 실제 상황까지 알아야 한다.

여기서 Human Data라는 개념의 필요성이 생긴다.

Real Human Data란 무엇인가

Real Human Data는 아직 학계에서 합의된 하나의 표준 용어라기보다, AI 시대의 사용자 데이터를 새롭게 바라보기 위해 제안하는 실무적 개념 프레임에 가깝다.

최승환 상무는 이를 다음과 같이 정의한다. Real Human Data란 실제 인간의 응답과 행동을 기반으로, 그 행동이 가진 ‘의미(Meaning)’와 행동이 발생한 ‘맥락(Context)’까지 함께 담은 데이터다.

기존의 데이터가 주로 두 가지 질문에 답했다면,

“무엇이라고 말했는가?”

“무엇을 했는가?”

Real Human Data는 여기에 두 가지 질문을 더한다.

“왜 그렇게 했는가?”

“어떤 상황에서 그렇게 했는가?”

이를 간단하게 표현하면 다음과같다.

Real Human Data = Response / Behavior + Meaning + Context

전통적인 사용자조사가 주로 사람의 응답(Response)을 통해 사용자를 이해했다면, 최근에는 구매기록, 클릭로그, 위치, 이미지, 영상 등 실제 행동(Behavior)을 직접 볼 수 있는 데이터가 훨씬 많아졌다. 그러나 행동을 볼 수 있게 됐다고 해서 곧바로 사람을 이해하게 되는 것은 아니다.

행동 뒤의 ‘의미’를 담는 데이터

첫 번째 요소는 Meaning이다.

예를 들어 한 사용자가 쇼핑 앱에서 여러 상품을 반복해서 비교했다고 하자.

로그 데이터에서는 ‘상품 A → 상품 B → 상품 A → 상품 C’라는 이동을 확인할 수 있다. 하지만 이 행동만으로는 이유를 알 수 없다.

가격이 부담스러워서 비교했을 수도 있고, 상품 품질을 확신하지 못했을 수도 있다. 가족에게 보여주기 위해 여러 상품을 저장했을 수도 있고, 구매 의사는 없지만 단순히 정보를 탐색했을 수도 있다.

행동은 같지만 그 행동이 사람에게 갖는 의미는 전혀 다르다.

따라서 Meaning Data에는 행동 뒤에 존재하는 Intent, Need, Motivation, Emotion, Value, Evaluation이 함께 담겨야 한다.

이러한 생각은 HCI의 Activity Theory와 연결된다.

초기 HCI가 사람이 수행하는 Task 자체에 집중했다면, Activity Theory는 기술 사용을 더 넓은 인간 활동 속에서 보고 그 행동의 목적과 동기, 의미까지 이해해야 한다고 본다. HCI에서 이 이론은 기술 사용을 단순한 조작이 아니라 목적과 필요가 있는 인간 활동으로 확장해 바라보는 기반이 되어 왔다.

결국 Meaning Data가 묻는 질문은 간단하다.

“이 사람은 왜 이렇게 행동했을까?”

행동이 일어난 ‘맥락’을 담는 데이터

두 번째는 Context다.

몇 년 전 스마트 TV 관련 사용자조사를 진행하면서 흥미로운 경험을 한 적이 있다.

조사의 원래 목적은 사용자의 거실에 설치된 TV 화면을 촬영해 Smart Hub가 어떻게 구성되고 이용되는지 분석하는 것이었다.

그런데 고객이 정작 흥미롭게 본 것은 TV 화면만이 아니었다.

TV 옆에 Soundbar가 있는지, AI Speaker가 어디에 놓여 있는지, 셋톱박스와 게임기는 어떻게 연결되어 있는지, TV가 거실의 어느 위치에 설치되어 있고 주변 가구는 어떻게 배치되어 있는지에 관심을 보였다.

처음에는 분석 대상이 아니었던 ‘TV 주변의 것들’이 오히려 그 가정에서 TV가 실제로 어떻게 사용되고 있는지를 설명해 주고 있었던 것이다. 이것이 Context Data다.

사람의 행동은 진공상태에서 발생하지 않는다. 시간, 장소, 주변 사람, 물리적 환경, 사용하는 기기, 직전과 이후의 행동 속에서 일어난다.

Lucy Suchman의 Situated Action은 이러한 관점에 중요한 이론적 근거를 제공한다. 인간의 행동은 사전에 만들어진 계획만으로 설명할 수 없으며, 실제 행동이 일어나는 사회적·물리적 상황과의 관계 속에서 이해해야 한다는 것이다.

특히 행동의 의미는 관찰 가능한 행동 자체나 사전 의도 어느 한쪽에만 존재하는 것이 아니라 행동과 상황, 의도의 관계 속에서 만들어진다.

Edwin Hutchins의 Distributed Cognition 역시 인간의 인지가 개인의 머릿속에만 존재하는 것이 아니라 사람, 도구, 기술, 물리적 환경에 걸쳐 분산되어 있다고 본다.

우리가 인간의 행동을 제대로 이해하려면 그 사람이 놓인 사회적·물질적 환경도 함께 관찰해야 한다는 것이다.

따라서 앞서 언급한 TV 주변의 Soundbar와 AI Speaker는 분석에서 제거해야 할 ‘Noise’가 아니라, 경우에 따라서는 사용자의 실제 경험을 설명하는 Context가 될 수 있다.

어쩌면 오래전부터 있던 생각이다

사실 인간의 행동을 의미와 맥락 속에서 보아야 한다는 생각 자체는 새로운 것이 아니다.

인류학자 Clifford Geertz의 Thick Description 역시 인간 행동을 표면적으로 기록하는 데 그치지 않고, 그 행동이 어떤 문화적·사회적 맥락 속에서 어떤 의미를 갖는지를 함께 해석해야 한다는 문제의식에서 출발한다.

HCI에서도 인간을 단순한 정보처리 시스템이나 Task 수행자로 바라보는 관점에서 벗어나 인간의 동기, 의미, 문화, 사회적 관계와 실제 생활환경까지 연구 범위를 확장해 왔다.

Activity Theory와 Situated Action, Distributed Cognition은 이러한 흐름을 대표한다.

그렇다면 Real Human Data는 완전히 새로운 이론이라기보다, 이러한 오랜 인간 중심 연구의 전통을 AI 시대의 Data 관점에서 다시 정의하는 시도라고 보는 편이 적절하다.

그런데 왜 지금 Real Human Data인가

중요한 것은 지금 우리가 인간과 기술의 관계에서 새로운 변곡점을 지나고 있다는 점이다.

과거의 디지털 서비스에서는 인간이 시스템을 사용했다. 사용자가 검색어를 입력하고, 메뉴를 선택하고, 버튼을 눌렀다. 기업은 그 결과로 발생한 Click, Search, Purchase, Log 데이터를 분석하면 상당 부분 사용자의 행동을 이해할 수 있었다.

그러나 AI Agent가 등장하면서 관계가 달라지고 있다. 앞으로 AI는 단순히 사용자의 명령에 반응하는 것을 넘어 추천하고, 판단하고, 계획하고, 때로는 사용자를 대신해 행동하게 된다.

그렇다면 좋은 AI를 만들기 위해 필요한 Human Data 역시 달라질 가능성이 크다.

AI가 인간을 제대로 돕기 위해서는 단순히 과거에 무엇을 클릭했는지만 아는 것으로는 부족하다.

지금 무엇을 하려는가.

왜 그것을 원하는가.

어떤 상황에 있는가.

무엇을 불편해하는가.

어떤 결과를 기대하는가.

이러한 정보가 중요해진다.

Real Human Data는 어디에 쓰이게 될까

첫째는 AI Learning이다.

실제 인간의 행동과 선택뿐 아니라 그 행동의 의도와 맥락까지 학습함으로써 AI가 사람을 보다 정교하게 이해하도록 할 수 있다.

둘째는 AI Validation이다.

AI Agent가 실제 인간의 의도와 상황을 제대로 이해하고 있는지, 추천과 판단이 인간에게 실제로 도움이 되는지를 Real Human Data와 비교해 검증할 수 있다.

셋째는 UX/CX Innovation이다.

로그에서는 발견하기 어려운 잠재 Needs와 Pain Point를 행동의 의미와 생활 맥락 속에서 발견함으로써 새로운 UX Opportunity를 찾을 수 있다.

넷째는 Personalization이다.

과거 행동 이력을 기반으로 한 추천에서 나아가 사용자의 현재 상황과 의도까지 고려하는 Context-aware Experience를 구현하는 기반이 될 수 있다.

결국 Human Data는 앞으로 단순한 Research Data를 넘어 AI를 학습시키고 평가하는 AI Learning & Validation Infrastructure로 역할이 확장될 가능성이 있다.

AI가 발전할수록 ‘Real’은 더 중요해질 수 있다

생성형 AI는 앞으로 더 많은 데이터를 만들어낼 것이다. Synthetic Consumer도 인간처럼 답변하고, 가상의 Persona도 인터뷰에 응할 수 있으며, AI Agent끼리 서비스 경험을 Simulation하는 것도 가능해질 것이다.

그렇다면 역설적으로 실제 인간에게서 발생한 데이터의 가치가 더 커질 수도 있다.

AI가 생성한 인간과 비슷한 데이터가 많아질수록 우리는 다시 물어야 한다.

“실제 사람은 어떻게 행동하는가?”

“실제 생활에서는 어떤 일이 벌어지는가?”

“AI가 이해한 인간과 진짜 인간 사이에는 어떤 차이가 있는가?”

이때 Real Human Data는 AI의 반대편에 있는 데이터가 아니라, AI가 인간에게 가까워지기 위해 끊임없이 참조해야 하는 Ground Truth가 될 수 있다.

1편의 첫머리에서 소개한 NVIDIA의 합성 페르소나가 중요한 것도 바로 이 때문이다.

가상의 인간을 더 정교하고 더 많이 만들어낼 수 있게 될수록, 그것이 실제 인간을 얼마나 잘 반영하고 있는지를 확인할 기준 역시 필요하다. 합성 데이터의 발전과 Real Human Data의 중요성은 서로 반대되는 흐름이 아니라 서로를 필요로 하는 흐름일 수 있다.

이 질문은 3편에서 다시 다루게 된다.

화면 밖의 것을 보는 데이터

앞으로 UX Research의 중요한 변화 중 하나는 어쩌면 ‘화면 안’에서 ‘화면 밖’으로 시선을 확장하는 것일지도 모른다. 화면에서 사용자가 어디를 클릭했는지만 보는 것이 아니라 그 순간 왜 망설였는지, 누구와 함께 있었는지, 어떤 공간에서 어떤 기기를 함께 사용하고 있었는지까지 보는 것이다. TV 화면을 연구하면서 TV 주변의 거실을 발견했던 것처럼 말이다.

인간을 이해하려면 행동만 보아서는 충분하지 않다. 행동의 의미를 보고, 행동이 발생한 삶의 맥락을 함께 봐야 한다. AI 시대의 데이터가 더 많아지는 것만큼 중요한 것은 더 인간적인 데이터가 많아지는 것일 수 있다.

그것이 최승환 상무가 생각하는 Real Human Data의 출발점이다.

여기서 다음 질문이 시작된다.

사람의 행동을 훨씬 더 많이 관찰하고 분석할 수 있게 됐을 때, AI는 사용자 자신도 아직 문제라고 생각하지 않는 행동 속에서 새로운 니즈를 발견할 수 있을까?

2편에서는 「AI는 우리가 보지 못했던 사용자를 발견할 수 있을까」를 살펴본다.

정리 : 한국디자인진흥원 서비스안전 디자인실

주석

[1] NVIDIA, Nemotron Personas (ko_KR), NVIDIA NGC, 2026. 데이터셋은 한국의 실제 인구통계·지리·성격 특성 분포를 기반으로 합성되었으며, NGC의 Dataset Quantification에는 100만 레코드, 총 700만 개의 페르소나 설명으로 제시되어 있다. 다만 같은 페이지의 Dataset Details에는 1,000만 personas라고 표기되어 있어 수량 표기가 일관되지는 않는다.

[2] 최승환, UXCX Data Needs Discovery 발표자료 및 한국디자인진흥원 발표·질의응답, 2026.9.16.

[3] 한국디자인진흥원, 「기다림을 디자인할 수 있을까? — 산업단지정책해커톤 퍼실리테이터 최승환」, 2026.5.11. 2026년 4월 17~18일 열린 산업단지 정책 해커톤에서 ‘붕어빵’ 팀의 ‘온통(On-通)이음 정류장’이 최우수상인 산업통상부장관상을 수상했다.

[4] 최승환, 한국디자인진흥원 발표, 2026.9.16. 마크로밀엠브레인은 약 180만 명의 소비자 패널을 운영하며, 이 가운데 약 2만 명을 영수증 패널로 운영한다고 설명했다.

[5] 최승환, UXCX Data Needs Discovery 미팅 및 발표, 2026.9.3·9.16. 영수증 데이터를 통해 제품별 구매량뿐 아니라 구매자의 연령대와 유통채널, 경쟁제품 구매행동 등을 분석하는 사례를 소개했다.

[6] 최승환, 한국디자인진흥원 발표, 2026.9.16. 스마트폰 홈화면 파일럿은 20명을 대상으로 진행했으며, 발표에서는 향후 더 큰 표본으로 확장할 수 있는 R&D 단계의 사례라고 설명했다.

[7] 같은 발표. ‘Circle to Search’ 실제 사용과 설정 과정을 화면 녹화로 수집해 조작 흐름과 시행착오를 분석한 사례.

[8] 최승환, UXCX Data Needs Discovery 미팅, 2026.9.3. Response Data → Behavior Data → Real Human Data의 변화와 함께 Real Human Data의 핵심을 행동의 의도·상황·만족도 등 ‘맥락정보’라고 설명했다.

-----

사용자를 읽는 방법이 바뀌고 있다 — 데이터와 AI로 확장되는 UX 리서치

최승환 마크로밀엠브레인 상무이사

1편 사용자에게 묻는 시대에서, 행동을 읽는 시대로 - 설문과 인터뷰를 넘어 구매기록, 화면, 영상에서 실제 사용자를 이해하는 방법

2편 AI는 우리가 보지 못했던 사용자를 발견할 수 있을까 - 행동과 인식의 차이에서 잠재 니즈를 찾아내는 새로운 사용자조사

3편 AI는 사용자를 대신할 수 있을까 - 합성 소비자의 가능성과 한계, 그리고 AI로 발견하고 사람으로 검증하는 리서치

발표자료

[기고] ‘XR 현장감’은 그래픽만으로 완성되지 않는다

Tue, 29 Sep 2026 00:05:59 GMT

XR 경찰 훈련 콘텐츠로 본 UX의 중요성

※ 해당 콘텐츠는 이상원 연세대학교 교수의 기고를 바탕으로 제작됐습니다.

가상현실(VR)과 확장현실(XR) 기술이 발전하면서 경찰 훈련에도 가상환경이 접목되고 있다. 주취자의 편의점 난동 상황을 VR로 구현해 상황별 대응 방법과 적법한 절차를 훈련하거나, 현장경찰관의 역량을 바탕으로 XR 교육훈련 체계를 설계하는 연구가 이어지고 있다. 현실에서 발생할 수 있는 위험한 상황을 안전한 환경에서 반복적으로 경험할 수 있다는 점에서 새로운 훈련 방식으로 주목받고 있다.

하지만 현실과 유사한 가상환경을 구현하는 것만으로 효과적인 훈련 효과를 이끌어낼 수 있는 건 아니다. 훈련자가 필요한 정보를 적절한 시점에 확인할 수 있는지, 다음 행동을 직관적으로 판단할 수 있는지, 자신의 행동에 적절한 피드백을 받을 수 있는지 등 사용자 경험(UX) 역시 훈련의 질을 결정하는 중요한 요소다.

우리 연구팀(연세대학교 디지털미디어연구실 이상원 교수 연구팀)은 이러한 문제에 주목해, 문화체육관광 연구개발사업의 일환으로 지난해 12월부터 XR 경찰 훈련 콘텐츠를 사용자의 인지와 판단, 행동을 고려한 경험 설계의 관점에서 개선하는 연구(XR 공간 반응형 콘텐츠 최적화를 위한 멀티모달 UX 평가 플랫폼 기술 개발)를 진행하고 있다.

이번 연구를 진행하면서 XR 훈련 콘텐츠에 현장감을 어떻게 부여해야 하는지 느낀 점을 공유하고자 한다.

XR 훈련 늘었지만… ‘좋은 경험’ 기준 부족

경찰을 비롯해 소방, 군, 산업안전 등 다양한 분야에서 XR 기반 훈련 콘텐츠가 개발되고 있다. 그동안 XR 훈련 콘텐츠에서는 현실적인 그래픽과 공간 구현, 실제 상황을 반영한 시나리오, 장비와 시스템의 기술적 성능 등이 중요한 요소로 다뤄져 왔다.

그러나 훈련자가 XR 환경 안에서 무엇을 보고, 어떤 정보를 받아들이며, 이를 바탕으로 어떻게 판단하고 행동하는지까지 고려한 UX 설계 기준은 상대적으로 부족했다.

특히 경찰 훈련은 정해진 절차를 수행하는 것만으로 이루어지지 않는다. 현장에서 동시에 발생하는 여러 정보를 확인하고 상황을 판단한 뒤 적절한 행동을 선택해야 한다. 실제 사건과 유사한 시나리오를 구현하는 것과 함께, 훈련자가 그 안에서 자연스럽게 판단하고 행동할 수 있도록 경험을 설계해야 하는 이유다.

UX 휴리스틱으로 본 기존 콘텐츠의 한계

연세대학교 디지털미디어연구실은 XR 환경의 사용자 경험을 분석하기 위한 UX 휴리스틱 원칙을 개발하고, 이를 기존 XR 경찰 훈련 콘텐츠에 적용했다. 휴리스틱 원칙은 사용자가 콘텐츠를 경험하는 과정에서 어떤 부분이 불편하거나 어려운지, 또는 경험을 방해하는 요소가 무엇인지를 체계적으로 찾아내기 위한 평가 기준이다.

특히 XR 훈련 콘텐츠는 화면이나 기능의 사용 편의성뿐 아니라 사용자의 인지, 학습, 몰입, 신체적·정신적 반응, 상호작용과 같은 다양한 경험 요소가 함께 작용한다. 연구팀은 이러한 요소를 종합적으로 살펴봄으로써, 가상환경을 구현하는 데 그치지 않고 사용자가 실제 훈련 상황에서 정보를 이해하고 판단하며 행동하는 과정까지 개선하고자 했다.

연구진은 훈련에 필요한 정보가 적절한 시점에 제공되는지, 사용자의 행동에 충분한 피드백이 주어지는지, 조작과 상호작용을 직관적으로 이해할 수 있는지, 훈련 과정에서 다음 행동을 명확하게 파악할 수 있는지 등을 중심으로 기존 콘텐츠를 분석했다.

기존 XR 경찰 훈련 콘텐츠 모습(자료=연세대학교 디지털미디어연구실)

개선된 XR 경찰 훈련 콘텐츠 모습. 훈련자가 현장에서 사건을 인지하고 판단하는 과정을 경험할 수 있도록 UX를 재설계해 현장감을 살렸다는 설명이다(자료=연세대학교 디지털미디어연구실)

분석 과정에서 발견된 문제는 실제 콘텐츠 개선으로 이어졌다. 예를 들어 ‘인지’ 측면에서는 주취자의 공격에 대응하는 과정에서 정보가 빠르게 전환돼 사용자가 대응 방법을 충분히 인지하기 어려운 문제가 확인됐다. 이에 대응 방법을 시각적으로 안내하고 정보가 제공되는 시간을 늘리는 방향으로 개선했다.

‘학습’ 측면에서는 주취자의 상태에 따라 어떤 대응 도구를 사용해야 하는지 판단하기 어려웠던 문제를 확인하고, 적절한 도구를 하이라이팅하는 등 단계별 안내를 제공하도록 수정했다. 또한 ‘시스템’ 측면에서는 대응 도구를 사용하는 과정에서 훈련 시나리오의 진행 순서가 자연스럽지 않은 문제가 발견돼, 상황에 맞는 안내가 함께 제공되도록 개선했다.

이처럼 기존 훈련자의 익숙함을 고려해 새로운 시나리오를 만드는 것이 아니라 기존의 동일한 훈련 상황에서 사용자가 정보를 더 명확하게 인지하고 자연스럽게 판단·행동할 수 있도록 UX를 재설계했다.

UX를 바꾸자 훈련 경험은 어떻게 달라졌을까

이번 연구는 문제 발견부터 효과 측정까지 사용자와 함께 이뤄졌다.

연구진은 현직 경찰에게 기존 XR 훈련 콘텐츠를 경험하면서 실제 현장과 비교해 어떤 부분에서 어색함을 느끼는지 물었다. 이 과정에서 단순한 조작의 불편함뿐 아니라 정보가 제시되는 방식과 시점, 상황을 이해하는 과정, 행동을 결정하는 과정에서 실제 현장 경험과 차이가 발생하는 부분을 확인했다.

XR 훈련 콘텐츠 UX 개선 프로젝트를 진행 중인 이상원 교수(자료=연세대학교 디지털미디어연구실)

이어 UX 휴리스틱을 기반으로 개선된 콘텐츠를 체험하도록 했다. 연구진은 단순히 콘텐츠가 더 좋은지를 묻는 데 그치지 않고, 어떤 변화가 실제 훈련 과정에 도움이 되는지 구체적으로 확인했다. 필요한 정보를 더 쉽게 파악할 수 있는지, 다음 행동을 판단하는 과정이 자연스러운지, 시스템의 피드백이 상황을 이해하는 데 도움이 되는지 등을 현직자의 관점에서 살펴본 것이다.

인터뷰에 응한 한 현직 경찰은 “각 상황에 맞게 여러 상황이 준비돼 있고, 상대방의 행동에 따라 설득이나 경고 등 대응 방법이 구체적으로 나뉘어 있는 점이 좋았다”며 “상황별로 어떻게 대응해야 하는지가 구체적으로 구분돼 있어서 실제 훈련 과정에서도 도움이 될 것 같다”고 했다.

‘진짜 같은 화면’을 넘어 ‘진짜처럼 판단하는 경험’으로

이번 연구가 주목하는 것은 XR 콘텐츠의 ‘현실성’을 바라보는 방식이다.

현실적인 그래픽과 실제 사건을 반영한 시나리오는 XR 경찰 훈련에서 중요한 요소다. 하지만 훈련의 궁극적인 목적이 실제 현장에서 필요한 판단과 행동을 연습하는 것이라면, 사용자가 무엇을 보고 어떤 정보를 받아들이며 어떤 과정을 거쳐 행동을 결정하는지 역시 함께 고려돼야 한다.

즉, XR 훈련의 현장감은 단순히 ‘얼마나 실제처럼 보이는가’에 그치지 않고 ‘얼마나 실제 현장처럼 인지하고 판단하고 행동할 수 있는가’까지 확장될 필요가 있다.

연세대학교 디지털미디어연구실은 이번 연구에서 XR 훈련 콘텐츠를 기술적 구현의 결과물이 아닌 하나의 ‘훈련 경험’으로 바라보고, 이를 체계적으로 분석하고 개선할 수 있는 UX 설계 기준을 제시하고자 한다.

현장을 닮은 공간과 시나리오를 만드는 것을 넘어, 현장에서 이루어지는 판단과 행동까지 설계하는 것. XR 훈련 콘텐츠가 실제 교육, 훈련 현장으로 확장되기 위해 필요한 다음 단계다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ea%b8%b0%ea%b3%a0-xr-%ed%98%84%ec%9e%a5%ea%b0%90%ec%9d%80-%ea%b7%b8%eb%9e%98%ed%94%bd%eb%a7%8c%ec%9c%bc%eb%a1%9c-%ec%99%84%ec%84%b1%eb%90%98%ec%a7%80-%ec%95%8a%eb%8a%94%eb%8b%a4/

접히는 화면보다 눈에 띈 UI·UX… 디자인 업계가 본 아이폰 듀오

Mon, 21 Sep 2026 05:41:51 GMT

UI·UX 디자이너들이 아이폰 듀오에 주목하는 이유

지난 9일 애플이 첫 폴더블 스마트폰 아이폰 듀오를 공개했다. 접으면 외부 5.6인치 4.36:3 비율의 화면이, 펼치면 7.6인치 4.27:3 비율의 화면이 나타나는 폴더블 스마트폰이다. 물론 폴더블 스마트폰이란 폼팩터 자체는 새로움과 거리가 멀다. 삼성전자가 첫 갤럭시 폴드 제품을 출시한 지 벌써 7년이란 시간이 흘렀고, 그동안 화면을 접고 펼치면서 멀티태스킹 및 화면 전환을 하는 것은 더 이상 신기한 일이 아니게 됐기 때문이다.

하지만 그럼에도 아이폰 듀오가 공개되자 여러 디자이너와 디자인 전문 기업, 매체들이 아이폰 듀오를 집중 조명하기 시작했다. 재밌는 점은 이들이 주목한 대상이 아이폰 듀오의 무게나 화면, 퍼포먼스 성능이 아니라는 점이다.

이들이 주목한 지점은 아이폰 듀오가 두 화면을 연결하는 방식과 폴더블 환경에 맞춰 새롭게 설계된 UI, 화면을 접거나 펼칠 때 화면이 자연스럽게 넓어진 것처럼 연출한 애니메이션 효과 등 애플의 사용자 경험 디자인이었다.

두 화면을 하나로 이은 화면비

외부와 내부 화면의 화면비를 일치시킨 아이폰 듀오(자료=애플)

이번 아이폰 듀오 공개에 디자인 업계가 가장 먼저 주목한 부분 중 하나는 외부 화면과 내부 화면의 비율이다. 애플은 두 화면에 거의 동일한 화면비를 적용했다. 덕분에 아이폰 듀오는 외부 화면에서 보고 있던 콘텐츠와 정보 구조를 기기를 펼쳤을 때에도 기존 비율을 유지한 채로 확장할 수 있다.

글로벌 디자인 및 건축 매체 파라메트릭 아키텍처(Parametric Architecture)는 “아이폰 듀오에서 가장 흥미로운 디자인 결정은 접히는 방식 자체보단 외부 화면과 내부 화면의 비율을 동일하게 유지한 점이다”며 “콘텐츠는 비례적으로 확대/축소되고, 상태 및 탐색 요소 이동 역시 기기를 열거나 닫을 때 발생하는 인지적 혼란이 최소화된다. 그 결과 두 화면은 별도로 분리된 모드가 아닌 하나의 연속적인 경험으로 인식된다”라고 설명했다.

전문 제품 디자인 에이전시 역시 같은 부분을 아이폰 듀오의 핵심으로 꼽는다. 디지털 UX 제품 디자인 스튜디오 도르브(Dorve)는 “가장 눈에 띄었던 디테일은 성능 안내표 적힌 스펙이 아니라, 애플이 외부와 내부 디스플레이의 화면 비율을 일치시킨 점”이라며 “언뜻 보면 사소한 이야기처럼 들리지만 이는 UX 관점에서 중요한 통찰이다”라고 설명했다.

이어 도르브는 “(일반적으로)폴더블 스마트폰은 외부 화면과 내부 화면의 모양이 다르기 때문에 기기를 펼치면 레이아웃이 재배치되고 콘텐츠가 이동하며 사용자가 화면에서 자신의 위치를 다시 파악해야 하는 불편함이 있다. 하지만 화면 비율을 일치시키면 전환은 훨씬 더 자연스러워진다”라고 강조했다.

기존 공식에 과감한 변화를 가한 UI

화면 우측 측면으로 이동한 주요 버튼과 탭, 도구 버튼들(자료=애플)

UI 디자인 공식 역시 업계의 주목을 끄는 요소 중 하나다. 애플은 아이폰 듀오에서 2007년 첫 아이폰 출시 이후 오랫동안 유지해오던 iOS UI 디자인에 큰 변화를 줬다. 홈 화면의 하단에 고정돼 있던 앱 실행 영역을 비롯해 탭바와 툴바 등 여러 주요 컨트롤 영역이 새로운 화면비와 기기에 맞춰 재설계한 것이다.

가장 큰 차이점은 화면의 위·아래에 가로로 놓이던 주요 조작 요소가 우측 세로 영역으로 이동했다는 점이다. 기존 아이폰에선 앱의 주요 버튼과 탭, 도구 메뉴가 화면 상단이나 하단을 차지했다면, 아이폰 듀오는 외부 화면이 기존 아이폰보다 넓고 낮기 때문에 이 요소들을 오른쪽 한쪽에 모았다.

기존 아이폰 iOS과 아이폰 듀오의 UI 디자인 차이(자료=누쿠이 노부타카)

또한 애플은 버튼 배치와 함께 폴더블 스마트폰이라는 폼팩터의 사용자 경험을 고려해 버튼 및 아이콘 디자인에도 변주를 가했다. 대표적으로 Wi-Fi, 셀룰러 신호 및 배터리 잔량 표시는 아이폰을 넘어 거의 모든 스마트폰이 표준으로 사용하던 고정 디자인 요소였지만, 애플은 아이폰 듀오에서 이 세 가지 아이콘을 하나의 원형 안에 담는 방식으로 재설계했다.

이처럼 기존 UI 관습까지 바꾼 점은 디자인 업계에서 큰 주목을 받고 있다. 글로벌 디자인 영감 큐레이션 플랫폼 머즐리(Muzli)의 공동 창업자이자 최고 기술 책임자(CTO) 페트라스 바우키스는 이런 아이폰 듀오의 변화를 두고 “애플이 소프트웨어 영역에서 단행한 변화는 접히는 힌지보다 더 급진적”이라며 “19년 만에 앱 실행 영역을 세로로 옮겼다는 것은 그동안의 UI 관습이 다시 어떤 방식으로 논의될 수 있는지를 보여주는 것”이라고 평가했다.

오랫동안 아이폰을 상징해온 UI 배치조차 새로운 폼팩터와 사용자 경험에 맞지 않는다면 과감하게 다시 설계할 수 있다는 점에 주목한 것이다.

아이폰 듀오의 신규 아이콘 디자인. 애플은 아이폰 듀오에서 셀룰러, 와이파이, 배터리 아이콘을 하나로 통합했다(자료=애플)

접고 펼치는 순간의 UX를 고려한 전환 효과

아이폰 듀오 기기를 펼치는 과정에서 나타나는 화면 전환 애니메이션 효과(자료=애플)

기기를 접고 펼치는 과정에도 전문가의 이목을 끈 요소가 있다. 아이폰 듀오는 사용자가 기기를 펼치기 시작하면 화면 역시 물리적인 움직임에 맞춰 변형된다. 사용자가 화면을 펼치기 시작하면 힌지 움직임에 맞춰 블러 및 화면 왜곡 효과가 나타나, 외부 화면이 자연스럽게 확장돼 내부 화면으로 이어지는 듯한 경험을 제공한다.

전문가들은 이런 연출의 목적이 화면을 인상적이고 화려하게 꾸미는 데에 그치지 않는다고 말한다. 테크워드(Techwards) 시니어 UI·UX 디자이너 굴람 카디르는 자신의 홈페이지를 통해 “중요한 것은 블러 자체보단 사용자가 접기 전과 펼친 후의 화면의 불필요한 부분을 머릿속에서 억지로 연결하도록 두지 않은 것”이라고 설명했다.

특히 그는 기기를 펼치는 중간에는 화면 크기가 달라지고 UI 요소들이 새롭게 위치를 찾아가는 만큼 모든 정보를 선명하게 보여줄 필요가 없다고 말하며 “사용자가 순간적으로 불필요한 정보를 해석하지 않게끔 한 것”이라고 강조했다. 즉 블러 효과는 심미적 장식을 넘어 불필요한 화면의 요소에 주의가 쏠리는 것을 막고 접기 전과 펼친 후의 두 상태를 자연스럽게 이어주는 역할을 한다는 것이다.

아이폰 듀오의 화면 전환 애니메이션 시연(자료=애플)

메르세데스 벤츠에서 10년 넘게 UX 디자인 팀을 이끌었던 제인 아미랄리스 UX 컨설턴트는 아이폰 듀오의 화면 전환 애니메이션을 멘탈 모델 형성 요소로 짚었다. 그는 “기기를 펼치면 외부 화면이 하나의 창문처럼 변하면서 콘텐츠가 멀어지고, 내부 화면의 콘텐츠는 최종 위치에 도달할 때까지 가까워지는 것처럼 보인다”며 “이런 전환은 심미적으로 보기 좋은 것을 넘어 정보가 물리적인 공간의 어느 부분에 존재하는지에 대한 사용자의 멘탈 모델 형성에 큰 도움을 준다”고 설명했다.

애니메이션은 그저 화면 하나가 사라지고 다른 화면이 나타내기 위한 요소를 , 같은 정보가 현실 공간을 따라 이동하는 것처럼 보여주면서 사용자가 두 화면의 관계를 본능적으로 이해하도록 돕는다는 이야기였다.

과감한 변화 뒤에 남은 과제

이처럼 디자인 업계 관계자와 관련 기업이 아이폰 듀오 발표를 주목한 이유는 애플이 첫 폴더블 스마트폰을 출시했기 때문만은 아니다. 오히려 업계가 더 주목한 지점은 아이폰 듀오를 통해 애플이 선보인 사용자 경험 디자인과 과감한 변화, 그리고 이런 결정을 내릴 수 있는 사용자 중심의 사고방식에 있다.

실제 디지털 디자인 에이전시 디자인 스위트(Designsuite.ai)는 “아이폰 듀오에서 흥미로운 이야기는 거대한 내부 화면이 아닌 애플이 소프트웨어 영역에서 한 일”이라며 “애플은 기존 아이폰 인터페이스를 더 큰 화면에 그대로 늘리는 대신 사람들이 기기를 잡고, 열고, 상호작용하는 방식에 맞춰 iOS를 재설계했다. 여기에 바로 디자인 인사이트가 있다. 바로 화면을 위해 디자인하지 말고, 그 화면을 들고 있는 사람을 위해 디자인하라는 점이다”고 평가했다.

하지만 일각에선 과감한 디자인 변화가 곧바로 더 나은 사용자 경험으로 이어질 것인지는 좀 더 지켜봐야 한다는 지적도 나온다. 맥(Mac) 전용 개발자 터미널 앱 Ponymux은 “기존 배터리 잔량 표기는 설명이 필요 없을 정도로 명확하다. 반면 눈금이 새겨진 표시기는 사용자가 의미를 학습해야 한다. 셀룰러와 배터리 표시도 마찬가지다. ‘4칸 중 3칸’은 즉시 알아볼 수 있지만 ‘4개의 점 중 점 3개’는 그렇지 않다”며 공간을 절약하는 대신 정보의 즉각적인 가독성을 일부 타협한 선택이라고 꼬집었다.

아이폰 듀오가 폴더블 기능의 필요성을 충분히 보여줬는지 의문을 제기하는 목소리도 있다. 22년 이상의 디자인 경력을 지닌 UI·UX 디자이너인 누쿠이 노부타카는 “이번 아이폰 듀오는 ‘애플이 최고 품질의 폴더블 스마트폰을 만들 수 있는가?’라는 접근 방식에서 시작한 것처럼 보인다”면서 “접어야 할 충분한 이유를 제시했는지는 의문이 남는다”고 말했다.

특히 그는 자신의 일상에서도 “큰 화면이 필요하니 지금 펼쳐야겠다”고 느끼는 상황이 아직 뚜렷하게 보이지 않는다며, 중요한 것은 화면을 어떻게 꾸밀지가 아니라 사용자가 왜 기기를 접고 펼쳐야 하는지 그 행동 자체에 필요성을 만드는 것이라고 강조했다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ec%a0%91%ed%9e%88%eb%8a%94-%ed%99%94%eb%a9%b4%eb%b3%b4%eb%8b%a4-%eb%88%88%ec%97%90-%eb%9d%88-ui%c2%b7ux-%eb%94%94%ec%9e%90%ec%9d%b8-%ec%97%85%ea%b3%84%ea%b0%80-%eb%b3%b8-%ec%95%84%ec%9d%b4/

(시범운영 후기) 산업단지의 ‘틈’을 디자인하다 - 창원 청년디자인리빙랩 ‘마이크로 틈새문화’ 현장에서

Sun, 20 Sep 2026 02:37:47 GMT

산업단지의 ‘틈’을 디자인하다
창원 청년디자인리빙랩, ‘마이크로 틈새문화’ 현장에서

9월 18일 창원국가산업단지 기업사랑공원에 나왔다. 한국디자인진흥원이 운영하는 ‘창원문화선도산단 청년디자인리빙랩’의 핵심과제인 ‘마이크로 틈새문화’ 프로그램이 실제 현장에서 어떻게 작동하는지 보기 위해서다.

아침에는 비가 내렸다. 어렵게 준비한 행사가 제대로 열릴 수 있을까 걱정했지만, 점심시간이 가까워지자 날씨가 화창해졌다. 비가 지나간 공원에는 오히려 시원하고 쾌적한 기운이 감돌았다. 사전에 신청한 시민들과 점심시간을 맞아 공원을 찾은 근로자들이 하나둘 모였다. 잔디밭에 놓인 의자에 잠시 앉아 쉬는 사람, 스트레칭과 지압 도구를 사용해보는 사람, 프로그램 안내판 앞에 멈춰 내용을 읽어보는 사람도 있었다. 점심시간 20분을 활용한 러닝과 요가가 시작되자 참가자들이 자연스럽게 한데 모였다. 현장을 걸어보고 직접 의자에도 앉아보고 프로그램에도 참여해보니 이 서비스가 무엇을 하려는지 더 분명하게 보였다. 산업단지 근로자 하루 속에 존재하지만 그냥 흘려보내던 짧은 ‘틈’을 휴식과 운동의 시간으로 다시 디자인하는 것이다. 점심시간 20분도 하나의 서비스가 될 수 있다

기업사랑공원에는 서로 다른 방식의 쉼을 경험할 수 있는 세 공간이 마련됐다.

Charging Zone에서는 공원의 자연과 풍경을 바라보거나 필사를 하며 잠시 머문다.

Relaxation Zone에서는 여러 형태의 쉼 의자에 앉거나 아무것도 하지 않고 ‘멍 때리는’ 시간을 경험한다.

Momentum Zone에서는 지압과 스트레칭처럼 가볍게 몸을 움직이며 활력을 되찾는다.

쉼을 한 가지 방식으로 정하지 않았다는 점이 흥미롭다. 누군가에게는 아무것도 하지 않고 풍경을 바라보는 것이 쉼이고, 다른 누군가에게는 몸을 움직이는 것이 더 좋은 휴식일 수 있기 때문이다.

한쪽에는 ‘POP UP LAB’도 운영됐다. 참가자들이 여러 방식의 쉼을 직접 경험한 뒤 어떤 방식이 자신에게 맞았는지 의견을 남기고, 온라인 설문에도 참여할 수 있도록 한 공간이다.

프로그램을 제공하는 것으로 끝내지 않고, ‘산업단지에서 사람들은 실제로 어떻게 쉬고 싶은가’를 현장에서 다시 묻는 장치인 셈이다.

이런 구조는 리빙랩의 성격을 잘 보여준다. 정해진 해답을 사람들에게 제공하는 것이 아니라 일단 경험해보게 하고, 그 경험을 다시 다음 디자인의 자료로 삼는다.

점심, 퇴근 후, 주말에 맞춰 달라지는 프로그램

운동 프로그램 역시 산업단지 근로자의 실제 생활시간을 기준으로 구성했다. 9월 18일 점심에는 20분 동안 ‘틈 러닝’과 ‘틈 요가’를 진행했다. 틈 러닝은 기록이나 속도보다 가볍게 몸을 움직이며 대화하는 데 초점을 맞추고, 틈 요가는 장시간 업무로 굳기 쉬운 목·어깨·허리를 중심으로 몸을 풀 수 있도록 했다.

퇴근 후에는 한 시간 동안 ‘퇴근 런’을 운영했다. 워밍업에서 러닝, 쿨다운 걷기까지 이어지며 하루 동안 쌓인 긴장을 풀도록 구성했다.

토요일에는 프로그램의 폭을 조금 넓혔다. 오전에는 동물의 움직임을 응용한 애니멀 플로우, 오후에는 조깅과 팀 트레이닝이 진행됐다. 특히 토요일 오후는 현장에서 프로그램을 운영한다는 것이 무엇인지 잘 보여준 시간이었다. 낮 기온이 29도까지 오르면서 오후 2시 잔디밭에서 예정했던 팀 트레이닝을 그늘이 있는 쉼터로 옮겼다. 예상보다 평소 운동을 꾸준히 해온 참가자들도 많아 운동 강도는 자연스럽게 높아졌지만, 팀별 게임과 미션을 섞은 방식으로 진행돼 분위기는 시종 즐거웠다.

F45 상남점의 진행자들은 참가자들의 움직임과 반응을 계속 살피면서 강도를 조금씩 높이거나 낮췄다. 참가자가 충분히 할 수 있다고 판단되면 바로 다음 동작의 난도를 높이고, 힘들어하는 사람이 보이면 다시 조정했다. 정해진 프로그램을 일방적으로 진행하기보다 날씨와 공간, 참가자의 운동 수준을 읽으면서 그 자리에서 프로그램을 조율하는 모습이 인상적이었다.

운동 프로그램은 수행사인 에스큐브디자인랩이 기획·운영하고 F45 상남점이 전문적인 웰니스 프로그램 운영을 지원했다. 정선희 에스큐브디자인랩 대표는 Momentum Zone에서 활용한 스트레칭 시퀀스 역시 전문가 자문을 거쳐 구성했다고 설명했다.

짧게는 점심시간 20분, 길게는 주말의 90분 프로그램이다. 직접 참여해보니 운동의 종류보다 ‘20분이면 할 수 있다’는 조건이 더 흥미로웠다. 근로자에게 별도로 한두 시간을 내라고 요구하는 대신 점심시간, 퇴근 직후, 주말 오전과 오후처럼 실제 생활 속에서 이용할 수 있는 시간을 택했다. 서비스는 내용만 좋아서는 이용되지 않는다. 언제, 어디서, 얼마나 부담 없이 이용할 수 있는지가 이용 여부를 결정한다.

현장에서는 반응이 바로 보인다

한쪽에는 프로그램을 이용한 사람들이 의견을 남길 수 있는 게시판이 마련돼 있었다. 포스트잇에는 이런 말들이 남겨져 있었다.

“다시 이용하고 싶다.”

“바쁜 가운데 여유를 찾는 순간이었다.”

“점심시간에 소화도 잘되고 기분이 리프레시된다.”

“직장에서 쌓인 스트레스가 해소되는 기분이다.”

“쉴 수 있어 좋아요.”

이 메모들을 하나씩 읽다 보니 사람들이 원하는 것이 반드시 큰 문화시설이나 긴 프로그램만은 아니라는 생각이 들었다. 일하는 곳 가까이에 잠시 앉을 곳이 있고, 점심시간에 20분 정도 몸을 움직일 기회가 생기는 것만으로도 산업단지에서 보내는 하루의 경험은 달라질 수 있다.

현장에서는 말로 표현되지 않는 반응도 볼 수 있었다. 어떤 의자에는 사람들이 오래 머물렀고, 어떤 체험은 그냥 지나치다가 다른 사람이 사용하는 모습을 보고 다시 돌아와 따라 해보기도 했다. 프로그램 안내를 읽다 옆 사람과 자연스럽게 이야기를 나누는 사람도 있었다. 이런 작은 행동은 설문지만으로는 알기 어렵다. 이번 운영에서 확인한 이용행태와 POP UP LAB, 현장 의견수렴을 통해 얻은 결과는 프로그램을 개선하고, 향후 남천 일대에서 추진되는 ‘아름다운 거리 플러스’ 사업과 연계해 산업단지 근로자와 주민이 일상적으로 이용할 수 있는 휴식·운동 서비스를 구체화하는 데 활용될 예정이다.

산업단지에 관계를 시작할 작은 계기를 만들다

현장에서 또 하나 눈에 들어온 것은 참여자들의 밝은 표정과 활기찬 대화였다. 늘 같은 직장에서 만나는 동료뿐 아니라 달리기나 요가, 운동에 관심이 있다는 이유로 처음 만난 사람들이 함께 몸을 움직이면서 자연스럽게 말을 섞었다. 프로그램이 끝난 뒤에도 바로 흩어지지 않고 한동안 이야기를 나누는 모습이 보였다. 어쩌면 산업단지에서 부족한 것은 사람들과 관계를 맺고 싶은 마음보다 관계를 시작할 계기인지도 모른다. 평소라면 서로 모른 채 지나쳤을 사람들이 같은 시간, 같은 장소에 모인다. ‘운동을 좋아한다’거나 ‘잠시 쉬고 싶다’는 작은 공통점을 발견하고, 함께 뛰거나 몸을 풀면서 이야기를 시작한다. 큰 커뮤니티 프로그램을 만들지 않아도 이렇게 가벼운 활동을 반복하면 사람들 사이에 느슨한 관계가 생길 수 있다.

산업단지의 문화는 반드시 큰 공연이나 축제로만 만들어지는 것은 아닐 것이다. 사람들이 자연스럽게 만나고 서로를 알아갈 작은 계기를 반복해서 만드는 것 역시 산업단지의 문화를 바꾸는 방법이다.

창원의 산업을 문화로 바꾸는 또 하나의 실험

창원 청년디자인리빙랩 수행사인 에스큐브디자인랩은 두 번째 핵심과제인 ‘무기대전’도 준비하고 있다. 창원의 대표 산업인 방위산업을 ‘K-방산 Play Ground’라는 콘셉트로 재해석해 시민과 청년이 직접 경험할 수 있는 문화 콘텐츠로 만드는 시도다. 9월 30일부터 10월 2일까지 국립창원대학교에서 열리는 무기대전에서는 군복과 밀리터리 소품을 직접 체험하고, 군용장비에 활용되는 몰리시스템과 파라코드를 일상적인 물건과 연결해 경험할 수 있다. ‘나와 어울리는 K-방산 무기 찾기’와 같은 참여형 콘텐츠도 마련된다.

전시에서는 창원 방위산업의 역사와 대표 장비를 소개하는 한편, 국립창원대학교 산업디자인학과 학생들과 함께 미래 전장 시나리오와 미래형 무기·장비도 상상한다.

‘방산을 일상으로, 기술을 문화로.’ 산업을 생산시설이나 제품으로만 보여주는 대신 시민이 경험하고 이야기할 수 있는 지역의 문화로 번역해보려는 실험이다.

아이디어는 현장에 나왔을 때 잘 보인다

이 두 과제는 처음부터 정해져 있던 프로그램이 아니다. 2025년 청년디자인리빙랩에 참여한 지역의 청년과 근로자, 주민들이 워크숍과 인터뷰, 설문을 통해 창원 산업단지의 문제와 가능성을 찾았다. 그렇게 발굴한 12개의 아이디어 가운데 ‘마이크로 틈새문화’와 ‘무기대전’이 올해 실제 현장에서 구체화할 핵심과제로 선정됐다.

올해는 그 아이디어를 회의실 밖으로 꺼내놓는 단계다. 사람들이 어디에 머무는지, 무엇에 관심을 보이고 무엇은 그냥 지나치는지, 어느 시간대에 참여하는지, 다시 이용할 생각이 있는지를 실제 행동을 통해 확인한다. 그리고 때로는 토요일 오후처럼 예상보다 날씨가 더 덥기도 하고, 예상보다 참가자들의 운동 수준이 높기도 하다. 그런 변수가 생겼을 때 장소를 옮기고 프로그램의 강도를 바꾸는 과정까지 현장 검증에 포함된다. 서비스디자인에서 현장은 완성된 결과물을 보여주는 장소이면서 동시에 다음 디자인을 위한 조사 장소이다.

좋은 서비스는 처음부터 완벽하게 만들어지는 것이 아니라 실제 사람이 사용하는 과정에서 발견되는 문제와 가능성을 반영하면서 조금씩 정교해진다.

구미·완주에서 부산·원주·인천까지

청년디자인리빙랩은 2025년에는 구미·완주·창원에서 사업을 시작했다. 세 산업단지에서 지역대표단과 참여단이 워크숍, 인터뷰, 설문 등에 참여했고 총 38개의 과제를 발굴했다. 올해는 각 지역에서 선정한 핵심과제를 구체적인 서비스로 발전시켜 현장에서 검증하고 있다. 2026년에는 부산·원주·인천이 새롭게 참여하면서 모두 6개 산업단지로 확대됐다. 한국디자인진흥원은 현재 2차년 수행사(디자인기업)를 모집중이다.

창원에서는 근로자의 짧은 휴식시간과 방위산업이라는 지역 정체성이 과제가 됐다면, 다른 산업단지에서는 전혀 다른 문제가 발견될 수 있다. 이동, 식사, 여가, 교통, 관계, 공간환경 등 산업단지마다 사람들의 생활조건이 다르기 때문이다. 각 산업단지에서 생활하는 사람들과 함께 문제를 찾고, 그 지역에 맞는 서비스를 만들고, 현장에서 직접 시험해보는 것. 그것이 청년디자인리빙랩의 방식이다.

9월 18일과 19일 창원에서 본 것도 그 과정의 한 장면이었다.

산업단지를 생산하는 곳으로만 보지 않고 사람들이 하루를 살아가는 곳으로 다시 바라보기 시작하면 디자인해야 할 대상도 달라진다.

공장과 도로뿐 아니라 점심시간의 20분, 잠시 머물 의자 하나, 더운 날 운동할 그늘, 처음 만난 사람과 말을 섞게 만드는 프로그램까지 디자인의 대상이 된다.

‘일하다 잠깐, 나를 회복하는 시간.’

현장에 붙어 있던 마이크로 틈새문화의 문구처럼, 창원의 작은 ‘틈’에서 시작된 실험이 산업단지의 하루를 조금씩 바꾸고 있다.

정리 : 한국디자인진흥원 서비스·안전디자인실

> 청년디자인리빙랩 사업 소개...

> 창원 청년디자인리빙랩 'K-방산 PLAY GROUND 무기대전’ 시범운영 안내

별마당도서관이 있어도, 왜 우리는 길을 잃을까

Fri, 18 Sep 2026 00:42:09 GMT

우리는 왜 길을 잃는가. 처음 가는 쇼핑몰에 들어서면 우선 층별로 어떤 매장들이 있는지 훑어보게 된다.

여기는 볼거리가 많구나, 저쪽엔 브랜드가 몰려 있네 하며 대략적인 감을 잡고, 찾고 있는 브랜드가 몇 층 어디쯤 있는지 확인한다.

그런데 막상 걷기 시작하면 이야기가 달라진다. 몇 개의 매장을 지나고 통로가 꺾이는 순간, 방금까지 머릿속에 있던 방향 감각이 흐트러지고 다시 안내판을 찾거나 휴대폰을 꺼내 지도를 확인하게 된다.

거리에서도 크게 다르지 않다. 네이버 지도나 구글맵이 현재 위치와 목적지, 심지어 몇 미터 앞에서 어느 방향으로 돌아야 하는지까지 알려주지만 낯선 골목에 들어서면 화면의 지도와 눈앞의 공간을 번갈아 바라보게 된다.

지도도 있고 GPS도 있고 안내판도 있는데, 우리는 왜 여전히 길을 잃는 것일까?

사진1- 스타필드 코엑스몰 앱 안내지도

최근 스타필드 코엑스몰(이하 코엑스몰)을 방문하면서 이 질문을 다시 떠올렸다.

코엑스몰은 오래전부터 길찾기가 쉽지 않은 공간으로 인식되어 왔다. 지금은 코엑스몰 중심에 별마당도서관이라는 강력한 공간적 기준점이 자리 잡고 있다. 13m 높이의 서가와 넓게 열린 공간은 주변의 매장과 확연히 구별된다. 사람들은 "별마당에서 만나자", "별마당을 지나서 오른쪽으로 가자"라고 말한다. 별마당도서관은 복잡한 코엑스몰에서 자신의 위치를 가늠하고 다음 이동을 결정하게 하는 하나의 강력한 공간적 기준점이 된 셈이다.

그런데 흥미로운 것은 이렇게 눈에 띄는 기준점이 있는데도 길찾기를 위한 정보가 계속 필요하다는 것이다. 코엑스몰 곳곳에는 현재 위치를 표시한 안내지도가 있고, 목적지를 검색할 수 있는 디지털 정보가 있다. 이제는 출발지와 도착지를 입력하면 이동경로를 확인할 수 있는 실내 내비게이션과 QR을 통한 모바일 길찾기까지 제공한다. 심지어 현장에서는 바닥의 파란색 루트 표시처럼 걷는 방향을 직접적으로 알려주는 정보도 만날 수 있다. 공간이 우리에게 "이쪽으로 가라"고 계속 말하고 있는 셈이다.

그럼에도 왜 사람들은 헤맬까?

도시학자 Kevin Lynch는 『The Image of the City』에서 사람이 공간을 이해하는 다섯 가지 요소를 제시했다. 우리가 이동하는 길(path), 서로 다른 공간을 구분하는 경계(edge), 일정한 성격을 가진 구역(district), 여러 동선이 만나거나 선택이 일어나는 결절점(node), 그리고 위치를 기억하게 하는 랜드마크(landmark)다. 사람은 이 요소들을 머릿속에서 연결하면서 자신만의 '인지지도'를 만든다.

이 관점에서 보면 코엑스몰에는 다섯 가지 요소가 없다고 말하기 어렵다. 수많은 통로가 있고, 전시장과 쇼핑공간 등 서로 다른 영역이 있으며, 여러 동선이 만나는 광장과 결절점도 있다. 무엇보다 별마당도서관이라는 매우 강력한 랜드마크가 존재한다.

문제는 요소의 '존재'와 공간의 '이해'가 같은 것이 아니라는 데 있다.

랜드마크 하나는 기억할 수 있어도 그 랜드마크와 내가 가야 할 목적지 사이의 경로가 명확하지 않으면 다시 길을 잃는다. 여러 통로가 비슷하게 보이고, 공간의 경계와 구역의 변화가 명료하게 인식되지 않거나, 갈림길에서 어느 쪽을 선택해야 하는지 곧바로 판단하기 어렵다면 머릿속 인지지도는 쉽게 끊어진다. 별마당도서관까지는 찾아왔는데 그다음 목적지로 가는 순간 다시 지도를 보는 이유가 여기에 있을 수 있다.

길찾기 연구자인 Romedi Passini는 이 문제를 한 단계 더 깊이 설명한다. 그에게 길찾기는 목적지에 도달하기 위해 공간에서 필요한 정보를 선택하고 판단하며 행동하는 ‘공간적 문제 해결(spatial problem solving)’의 과정이다. 사람은 이동하는 동안 계속해서 다음 방향을 판단하고, 그 판단에 필요한 정보를 환경에서 선택한다.

Passini가 소개한 몬트리올의 한 대형 병원 사례가 이를 잘 보여준다. 병원 뒤편 주차장 입구는 지형의 경사 때문에 공식적인 1층보다 네 개 층 높은 곳에 있었다. 그러나 방문객들은 그곳을 건물의 1층이라고 생각했다. 이 입구를 이용해 2층 산부인과를 찾던 사람들은 당연히 위층으로 올라갔다. 실제로는 아래로 내려가야 했다.

병원은 이를 해결하기 위해 현재 위치가 '4층'임을 알리는 큰 글씨의 사인을 설치하고 바닥과 벽에 색깔 유도선까지 표시했다. 그래도 사람들은 위로 올라갔다.

사람들이 표지판을 보지 못한 것일까? Passini의 설명은 다르다. 방문객은 이미 '나는 1층에 있다. 목적지는 2층이다. 그러니 위로 올라가야 한다'는 의사결정 계획을 세웠다. 그 순간 사람에게 필요한 정보는 '2층으로 올라가는 계단이 어디 있는가'였다. 자신이 실제로 4층에 있다는 정보는 눈앞에 있어도 자신의 계획과 관련 없는 정보로 처리될 수 있었다.

여기에 길찾기의 중요한 역설이 있다. 정보는 존재한다고 해서 반드시 보이는 것이 아니다. 사람은 자신에게 필요하다고 판단한 정보를 선택해서 본다.

그렇다면 안내판을 더 크고 명확하게 만들면 길찾기 문제는 해결될까?

Vilar와 동료들의 실험에서는 넓고 밝은 복도처럼 사람들이 자연스럽게 이동하고 싶어 하는 방향과 표지판이 지시하는 방향이 서로 충돌하더라도, 명확한 방향 사인이 제시되면 사람들이 사인의 정보를 따르는 경향이 나타났다. 즉, 적절한 사인은 사람의 이동방향을 결정하는 강력한 길찾기 정보가 될 수 있다.

그러나 사인만으로 모든 길찾기 문제가 해결되는 것은 아니다. 오닐(O’Neill)은 건물의 평면구조가 복잡해질수록 길찾기 수행이 어려워진다는 점을 실험적으로 보여주었다.

사인을 제공하면 잘못된 방향 선택이나 되돌아가는 행동은 감소했지만, 공간구조 자체의 복잡성이 높아지면 사인만으로 그 어려움을 완전히 상쇄하기에는 한계가 있었다.

이 관점에서 코엑스몰을 다시 바라보면 흥미롭다. 서두에서 언급했듯 코엑스몰은 이미 여러 겹의 길찾기 정보를 갖추고 있다. 그럼에도 이용자가 공간의 전체 구조를 쉽게 이해하기 어렵다면, 이동하는 과정에서 자신의 위치와 방향을 반복해서 확인하게 된다. 다시 말해 길찾기의 문제는 '안내판이 있는가'만의 문제가 아니다. '공간 자체가 얼마나 쉽게 읽히는가'의 문제이기도 하다.

이제 마트로 가보자. 여기서는 훨씬 일상적인 길찾기가 벌어진다.

"파스타 소스 어디 있어요?"

"맥주는 어디에 있나요?"

"고추장은 어디에 있어요?"

고객들은 하루에도 수없이 직원에게 상품의 위치를 묻는다. 대형마트에는 분명 통로 위에 식품, 주류, 생활용품 같은 대분류안에 소분류 카테고리 사인이 있다. 그런데도 고객은 상품을 찾지 못한다.

Titus와 Everett은 소매환경에서의 소비자 탐색을 설명하면서 환경의 가독성(legibility)과 자극의 관계에 주목했다. 높은 진열대가 시야를 차단하고 비슷한 통로가 반복되면 고객은 자신이 어디에 있는지 판단할 수 있는 공간적 단서를 잃기 쉽다. 특히 비슷한 진열이 연속되는 공간에서는 "내가 아까 이 통로를 지나왔던가?"라는 상황까지 생긴다.

여기에 마트만의 또 다른 문제가 있다. 매장은 '가공식품', '조미식품', '주류'와 같은 상품분류의 언어로 공간을 조직하지만 고객은 "파스타 소스", "맥주", "고추장"이라는 자신이 필요한 상품의 언어로 공간을 찾는다.

운영자가 만든 공간의 분류와 고객 머릿속의 인지지도가 반드시 일치하는 것은 아니다. 따라서 길찾기의 문제는 안내 정보를 얼마나 많이 제공하느냐보다, 고객이 공간을 어떻게 인식하고 자신의 목적지를 어떻게 찾아가는지를 중심으로 살펴볼 필요가 있다.

그렇다면 안내판을 반복해서 찾지 않아도 되는 공간은 어떻게 만들 수 있을까?

먼저 공간 자체가 길을 설명할 수 있어야 한다.

Lynch가 말한 path, edge, district, node, landmark는 지도 위에만 존재하는 요소가 아니다.

이용자가 걸으면서 서로 다른 공간으로 인식할 수 있어야 한다. 주요 통로와 보조 통로에 위계가 있고, 공간과 공간의 경계가 구별되며, 구역마다 서로 다른 시각적 특징이 있다면 사람은 안내판을 보지 않고도 자신이 어디쯤 있는지를 짐작할 수 있다.

코엑스몰의 별마당도서관처럼 기억하기 쉬운 랜드마크도 중요하지만, 하나의 강력한 랜드마크에만 의존하기보다 이동경로를 따라 여러 기준점이 연결되어야 한다. '별마당까지 찾아가는 것'과 '별마당에서 다시 목적지를 찾아가는 것'은 다른 길찾기 문제이기 때문이다.

공간의 형태만으로 방향을 판단하기 어려운 지점에는 필요한 안내정보가 제공되어야 한다.

Passini의 관점에서 길찾기는 목적지까지 이동하는 동안 계속해서 다음 방향을 판단하는 과정이다. 따라서 안내정보는 공간 전체에 동일하게 반복하기보다, 통로가 갈라지거나 층을 이동하거나 다른 동선과 만나는 것처럼 방향을 결정해야 하는 지점에 배치되어야 한다. 중요한 것은 안내판을 많이 설치하는 것보다 고객이 방향을 결정해야 하는 순간에 필요한 정보가 제공되는가이다.

그리고 한 번 제공된 정보는 이동 과정에서 계속 확인될 수 있어야 한다. 입구의 키오스크에서 목적지를 확인했다고 해서 길찾기가 끝난 것은 아니다. 이동하는 동안 '내가 제대로 가고 있다'는 확신을 줄 수 있어야 한다.

예를 들어 입구에서 파란색 경로를 선택했다면 그 색과 번호, 목적지 정보가 주요 갈림길과 층간 이동지점에서도 일관되게 반복되어야 한다.

이를 통해 이용자는 매번 전체 지도를 다시 해석하지 않고도 자신의 선택을 확인할 수 있다. 코엑스몰의 바닥 유도선이나 루트 표시는 이런 관점에서 의미가 있다. 중요한 것은 선 하나를 그었다고 길찾기가 해결되었다고 여기기보다, 출발점에서 목적지까지 정보가 끊어지지 않도록 만드는 것이다.

마지막으로 운영자의 분류보다 고객이 찾는 목적을 기준으로 안내해야 한다.

특히 마트에서는 이 문제가 분명하게 드러난다. 대형마트는 이미 천장에 ‘조미식품–고추장’, ‘가공식품–파스타소스’처럼 대분류와 소분류를 함께 표시하고 있다. 그럼에도 고객은 매장에 들어서자마자 “고추장은 어디에 있어요?”, “와인은 어디로 가면 되나요?”라고 묻는다. 이는 고객이 상품의 분류 체계보다 자신이 찾는 목적지와 그곳으로 가는 방향에 더 직접적으로 반응하기 때문이다. 고객에게 중요한 것은 지금 자신의 위치에서 고추장이 있는 곳으로 어떻게 가야 하는가이다. 따라서 효과적인 길찾기는 고객이 실제로 사용하는 목적지의 언어와 공간적 단서를 중심으로 정보를 구성하고, 이동 과정에서 다음 방향을 자연스럽게 판단할 수 있도록 안내하는 것이 핵심이다.

지금까지의 이야기를 되짚어보면, 사람들이 길을 잃는 이유는 하나가 아니다. 코엑스몰에서는 요소는 있어도 그 요소들이 하나의 흐름으로 연결되지 않아서 헤맸고, 파시니의 병원 사례에서는 정보가 눈앞에 있어도 이미 세운 판단과 맞지 않아 보이지 않아서 헤맸다.

마트에서는 필요한 정보가 충분히 제공되고 있음에도, 고객이 실제로 목적지를 찾고 이동하는 방식과 정보의 구성 방식 사이에 간극이 있어서 헤맸다. 안내판 개수의 문제가 아닌 것이다.

그렇다면 필요한 것은 무엇인가. Lynch의 관점에서 공간은 읽힐 수 있어야 하고, Passini의 관점에서는 이동 과정에서 필요한 판단을 적절한 정보가 지원해야 한다. O'Neill의 연구가 보여주듯 공간구조 자체가 지나치게 복잡하다면 사인과 지도를 계속 추가하는 것만으로는 한계가 있다. 여기에 소매공간에서는 운영자 관점의 상품 분류에서 벗어나 고객이 실제로 상품을 찾고 이동하는 방식까지 고려해야 한다.

그래서 공간을 설계할 때 질문도 달라져야 한다.

“안내판을 어디에 설치할 것인가?”보다 먼저 “고객은 어디에서 멈추고, 어디에서 망설이며, 어디에서 잘못된 선택을 하는가?”를 물어야 한다. 그리고 그 지점에서 공간의 형태와 랜드마크, 색채와 조명, 사인과 디지털 정보가 서로 연결되어 고객의 판단과 이동을 지원하도록 해야 한다. 고객이 공간을 머릿속에 그릴 수 있고, 다음에 어디로 가야 하는지 스스로 판단하며, 걷는 동안 자신이 제대로 가고 있다는 확신을 가질 수 있어야 한다.

그동안 국내외 낯선 장소에서 길을 자주 헤맸다. 길눈이 좋다는 얘기를 듣고 살아왔음에도, 낯선 곳에 가면 정신을 바짝 차리고 하나하나 확인해야 했다. 그때마다 도움이 되었던 건 길찾기 앱에 내가 아는 브랜드명이나 유명한 장소가 나올 때였고, 쇼핑몰에서는 동선이 한 방향으로만 이어질 때 매장을 쉽게 찾을 수 있었다.

좋은 길찾기는 결국 공간 자체가 길을 안내하는 데서 시작된다. 고객에게 매번 길을 가르쳐주기보다, 공간이 고객의 인지와 판단을 자연스럽게 지원하도록 설계하는 것. 사람을 공간에 맞추는 설계에서, 공간을 사람에게 맞추는 디자인으로.

출처 : ( https://fpost.co.kr/board/ )

원문기사링크 : https://fpost.co.kr/board/bbs/board.php?bo_table=special&wr_id=1812

마우스 움직이지 않는 ‘제로 클릭’, 지금 필요한 웹 UX

Wed, 16 Sep 2026 23:12:38 GMT

AI가 만든 ‘제로 클릭’ 시대 웹사이트의 생존 전략

최근 웹사이트를 이용하는 방식이 달라지고 있습니다. 과거의 웹은 사용자가 직접 움직이는 공간이었습니다. 검색창에 키워드를 입력하고, 검색 결과를 살펴보고, 원하는 페이지를 찾아 들어가, 페이지 안에서도 메뉴를 클릭하고 여러 화면을 이동하며 필요한 정보를 찾아야 했습니다.

예를 들어 사용자가 특정 제품을 구매하고 싶다면 브랜드 사이트에 접속하고, 제품 카테고리를 찾고, 여러 제품을 비교한 뒤 상세 페이지에 들어가 정보를 확인했습니다. 필요한 정보를 얻기까지 여러 번의 클릭이 필요했습니다. 하지만 생성형 AI의 등장과 함께 이런 방식에 변화가 생기고 있습니다. 이제 사용자는 원하는 정보를 찾기 위해 수많은 페이지를 돌아다니는 대신, 질문하고 답을 받는 방식에 익숙해지고 있습니다.

“이 제품과 비슷한 제품 중 가격이 더 저렴한 것은?”

“30대 직장인이 사용하기 좋은 제품을 추천해줘” “이 서비스의 장점만 정리해줘”

사용자는 더 이상 정보를 찾는 방법을 먼저 고민하지 않습니다. 자신이 원하는 결과를 질문하면 됩니다. 우리가 수십 년간 당연하게 여겨온 이 디지털 여정이 AI의 발전의 결과물인 에이전트 AI가 질문의 답을 곧바로 제시하면서 급격히 붕괴하고 있습니다.

사용자가 웹을 직접 방문하지 않고 정보만 소비하는 ‘제로 클릭(Zero-Click)’ 현상이 인터넷의 판도를 뿌리째 흔들고 있는 겁니다.

웹의 미래는 ‘페이지’가 아닐지도 모릅니다

그동안 우리는 오랫동안 웹을 페이지의 집합으로 생각해왔습니다. 홈페이지가 있고, 안에는 메뉴와 상세 페이지가 존재하며, 사용자는 링크와 버튼을 따라 이동한다고 말이죠. 하지만 AI가 웹의 탐색 방식을 바꾸면서 이 구조 역시 변화하고 있습니다.

사용자가 직접 페이지를 찾아가는 대신 AI가 필요한 정보를 조합하고, 그 자리에서 답변을 제공하고, 필요한 경우에만 적절한 페이지나 기능으로 연결한다면 웹사이트는 하나의 ‘정보 경험 시스템’ 에 가까워질 수 있습니다.

때문에 앞으로의 웹 UX에서 중요한 것은 클릭을 얼마나 많이 유도하는지가 아닐지도 모릅니다. 얼마나 적은 행동으로 사용자가 원하는 경험에 도달할 수 있는가. AI 시대의 웹디자인은 이 질문에서 시작하게 될 겁니다.

따라서 우리가 만들어야 할 웹은 사용자가 많이 클릭하는 웹이 아니라, 클릭하지 않아도 원하는 것을 얻을 수 있는 웹일지도 모릅니다. 즉, 우리는 사용자의 의도와 정보 사이의 거리를 줄여주는 역할을 해야 할 것입니다.

글로벌 브랜드들의 현황은?

구글의 ‘AI 개요’ 및 검색 패러다임 개편

구글은 검색 결과 상단에 AI가 종합 요약한 정답을 먼저 보여주는 ‘AI 개요(Overviews)’를 전면 도입했습니다. 과거에는 사용자가 검색어 입력 후 파란색 타이틀의 링크를 찾아 들어가는 것이 당연했지만, 이제는 검색 결과 첫 화면에서 이미 원하는 정보를 모두 습득하고 창을 닫아버립니다. 실제로 전통적인 포털 검색을 통한 외부 웹사이트 유입 트래픽은 가파르게 감소하고 있으며, 구글 자체가 거대한 정답 제공자이자 제로 클릭의 중심축이 되었습니다.

(자료=이모션글로벌)

이케아의 AI 기반 이케아 크레아티브(lKEA Kreativ)

이케아는 사용자가 가구 카테고리를 하나씩 클릭하고, 치수를 확인하고, 어울리는 인테리어 이미지를 일일이 찾아다니는 기존의 쇼핑 탐색 방식을 완전히 재해석했습니다. ‘이케아 크레아티브’는 공간 사진을 간편하게 촬영하는 것만으로 컴퓨터 비전과 AI 기술을 활용해 정확한 치수와 원근감을 반영한 3D 가상 공간을 자동으로 만들어줍니다.

심지어 기존 방에 있던 가구를 AI로 지우고, 이케아 제품을 자유롭게 배치하거나 50여 개의 3D 쇼룸을 둘러보며 그 자리에서 가상 인테리어를 완성할 수 있습니다. 사용자는 수십 개의 제품 상세 페이지를 이동하며 클릭하는 대신, 사진 한 장 촬영하는 직관적인 행동 하나로 자신이 원하던 종합적인 공간 경험을 즉시 얻게 됩니다. 탐색의 과정은 대폭 줄어들고, 구매 결정은 훨씬 빨라진 것입니다.

(자료=이모션글로벌)

무신사 x 카카오, 챗GPT 포 카카오 내 무신사 서비스 론칭

무신사는 카카오의 ‘챗GPT 포 카카오’ 와 협업해 카카오톡 안에서 상품 탐색부터 추천, 후기 확인까지 가능한 대화형 쇼핑 서비스를 선보였습니다. 기존의 쇼핑 검색이 정확한 상품명이나 키워드를 입력하는 방식이었다면, 이번 서비스는 사용자가 원하는 상황이나 스타일을 일상적인 언어로 설명하면 AI가 적합한 상품을 추천해주는 것이 특징입니다.

예를 들어 “주말 결혼식에 입을 하객룩”이나 “여행지 날씨에 맞는 옷”처럼 구체적인 검색어 없이도 상황을 설명하는 것만으로 스타일을 탐색할 수 있습니다. 이를 통해 무신사는 단순한 ‘검색 → 정보소비 → 상품 비교 → 구매’ 방식에서 벗어나, ‘대화 → 추천 → 구매’ 로 이어지는 새로운 쇼핑 경험을 구축했다. AI를 활용해 검색의 진입장벽을 낮추고 쇼핑 과정 자체를 대화형 경험으로 확장한 사례라고 볼 수 있습니다.

(자료=이모션글로벌)

차세대 UX의 새로운 기준

이런 변화 속에서 좋은 웹디자인의 기준도 달라지고 있습니다. 바로 ‘찾게 하지 말고, 다가가야 한다’라는 점입니다. 사용자는 정보 검색 그 자체를 즐기지 않습니다. 정보를 찾기 위해 거쳐야 하는 클릭, 스크롤, 페이지 이동은 모두 마찰이자 에너지입니다.

또한 긴 글과 나열식 정보는 사용자가 직접 읽고 요약해야 하기에 정보 및 의도와의 거리가 멀어집니다. 따라서 우리는 사용자가 찾게 하는 것이 아닌 직접 다가가야 합니다. 구글의 AI 개요가 강력한 이유는 파편화된 정보를 ‘단 하나의 요약된 답’으로 재가공해 사용자에게 직접 다가가기 때문입니다.

그에 따른 3가지 방법은 다음과 같습니다.

사용자가 무엇을 물어볼지 미리 예측해 첫 화면에 핵심 결론을 배치하기
추천 질문, 개인화 기반 자동 추천 등 검색어나 입력 단계 자체를 최소화하는 UI·UX를 구현하기
텍스트 나열 대신 요약 표, 핵심 체크리스트, 데이터 시각화를 최상단에 전면 배치하기

예를 들어 네이버 검색창에 ‘일본여행’ 이라는 간단한 검색어만 입력해도, 별도의 사이트에 접속하지 않고 검색 결과 화면에서 여행에 필요한 정보를 한 번에 확인할 수 있습니다.

AI 브리핑을 통해 추천 맛집과 여행지, 방문 필수 테마파크, 쇼핑 정보 등 관련 콘텐츠를 요약해 제공 하고, 각 장소의 이미지와 평점, 후기 등의 정보까지 함께 보여줍니다. 사용자는 여러 웹페이지를 직접 방문해 정보를 비교하지 않아도 검색 결과 안에서 원하는 정보를 빠르게 탐색할 수 있습니다.

이는 검색의 역할이 단순히 ‘정보가 있는 곳으로 연결해주는 것’에서 ‘정보를 직접 제공하는 것’으로 확장되고 있음을 보여주는 사례 입니다. 이처럼 네이버는 사용자의 추가 클릭과 탐색 과정을 줄이면서, 검색 결과 자체에서 정보 탐색이 완료되는 제로클릭 경험 을 구현하고 있습니다.

(자료=이모션글로벌)

또한 검색어를 넘어 맥락을 읽는 인터랙션이 필요합니다.사용자의 단편적인 검색어 뒤에는 숨겨진 비즈니스 맥락과 상황이 있습니다. 키워드에만 매몰되면 사용자가 진짜 원하는 의도에 다다르기까지 수많은 재검색이 필요해집니다. 이를 해결하기 위한 방법은 2가지가 있습니다.

단순 키워드 매칭을 넘어 사용자의 위치, 이전 행동 패턴, 현재 단계를 파악해 ‘다음으로 필요할 정보’까지 한 번에 제안합니다.
질의응답 형태를 단발성 검색이 아닌 연속적인 대화형 흐름으로 연결합니다.

네이버 지도에서 ‘근처카페’ 를 검색하면 단순히 주변 카페를 나열하는 데 그치지 않습니다. 사용자의 현재 위치를 기준으로 주변 매장을 보여주고, 리뷰·메뉴 이미지·거리 등 방문을 결정하는 데 필요한 정보를 함께 제공 합니다.

여기에 길찾기 기능과 함께 포장주문, 예약과 같은 실제 이용 기능 을 연결하고, 애견동반, 주차, 키즈존 등 사용자의 상황에 맞는 세부 카테고리와 조건 까지 제공합니다. 사용자는 여러 번 검색하며 원하는 조건을 추가할 필요 없이, 자신의 상황에 맞는 장소를 빠르게 좁혀갈 수 있습니다.

즉, ‘카페’라는 검색어에 맞는 결과를 보여주는 것을 넘어 사용자의 위치와 상황, 방문 목적을 파악하고 다음 행동에 필요한 정보와 기능까지 연결하는 것입니다.

(자료=이모션글로벌)

차세대 UX를 현실로 만드는 사람들: 이모션글로벌의 도전

(자료=이모션글로벌)

이모션글로벌도 차세대 UX를 구축해 나가고 있습니다. 이모션글로벌 XC본부는 ‘삼성 뉴스룸’ 프로젝트 진행 당시 사용자가 여러 기사를 일일이 클릭해 읽지 않아도 원하는 주제와 관련된 핵심 뉴스만 한눈에 파악할 수 있도록 AI 기반 검색창을 설계한 UX를 선보였습니다. 이로써 단순히 정보를 나열하는 레거시 검색이 아닌 사용자에게 탐색에 소요되는 마찰을 최소화할 수 있었습니다.

(자료=이모션글로벌)

또 하나의 예시로 이모션글로벌 XC본부에서 진행한 ‘동아출판 AI 디지털 교과서’ 프로젝트를 통해 교육 현장에서도 정보와 사용자 간의 거리를 줄였습니다. 학생들이 학습 과정에서 모르는 개념이나 부족한 부분이 생길 때마다 AI 튜터 기능이 즉시 필요한 설명과 나아가 맞춤별 시험을 진행하도록 하는 UX를 설계해 학생이 문제 해결을 위한 별도의 검색이나 탐색 과정을 줄여주어 학습 흐름이 끊기지 않도록 AI 기능을 활용한 UX를 선보인 것입니다. 앞으로도 이모션글로벌은 사용자의 의도와 정보 사이의 거리를 줄이며 사용자의 마음을 먼저 읽고 응답하는 차세대 UX의 새로운 기준을 계속해서 고민하고자 합니다.

👉원문 링크: ‘제로 클릭’ 시대: 움직이지 않는 마우스

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%eb%a7%88%ec%9a%b0%ec%8a%a4-%ec%9b%80%ec%a7%81%ec%9d%b4%ec%a7%80-%ec%95%8a%eb%8a%94-%ec%a0%9c%eb%a1%9c-%ed%81%b4%eb%a6%ad-%ec%a7%80%ea%b8%88-%ed%95%84%ec%9a%94%ed%95%9c-%ec%9b%b9-ux/

옷에도 여권이 필요한 시대, K-패션은 준비되어 있는가?

Wed, 16 Sep 2026 00:00:50 GMT

EU 디지털제품여권(DPP)이 던지는 섬유패션산업의 새로운 과제

사람에게는 여권이 있다. 내가 누구이고 어디에서 왔는지를 증명하기도 하고 특히 국경을 넘어 원활히 이동하기 위해서 이기도 하다. 그런데 이제는 우리가 입는 옷에도 이와 비슷한 ‘여권’이 필요한 시대가 다가오고 있다.

옷 한 벌이 어떤 원료로 만들어졌는지, 원사와 원단은 어디에서 생산됐는지, 염색과 봉제는 어떤 과정을 거쳤는지, 환경에 미친 영향은 어느 정도인지, 얼마나 오래 사용할 수 있고 수선이나 재활용은 가능한지, 그리고 사용이 끝난 제품은 또 어디로 가야 하는지까지 마치 사람처럼 제품 스스로 자신의 이력과 정보를 설명해야 하는 시대가 된 것이다.

DPP란 말이 아직은 다소 낯선 단어이자 생소한 느낌도 있지만 그것이 바로 유럽연합(EU)이 최근 추진하고 있는 디지털제품여권(Digital Product Passport, DPP)에 대한 이야기이다.

필자는 지난 7월 칼럼에서 「AI는 누구의 창작물을 먹고 자라는가?」라는 질문을 통해 생성형 AI 시대의 저작권과 창작자의 권리를 이야기했다. AI라는 새로운 기술이 패션산업의 창작방식을 바꾸고 있다면, 이번에는 또 다른 변화가 우리가 제품을 만들고 유통하고 소비하는 방식 자체를 바꾸고 있다는 이야기를 해보고자 한다. 이제는 단순히 만들고 팔고 버리는 패션의 일반적 라이프사이클시대는 끝나가고 있고 그래서도 안 된다는 사실을 모두는 알고 있다.

사실 섬유패션산업에서 제품의 정보를 디지털화하고 추적하려는 시도가 처음 있는 것은 아니다. 과거 우리 업계가 RFID(Radio Frequency Identification)에 큰 관심을 가졌던 시기가 있었다. RFID 태그를 이용하여 제품 하나하나를 식별하고 생산에서 물류, 매장, 재고관리까지 연결함으로써 패션산업의 효율성을 획기적으로 높일 수 있을 것이라는 기대가 컸었다.

하지만 당시 RFID의 핵심 질문은 비교적 단순했다. “이 상품은 무엇이고, 지금 어디에 있는가?” 정도였고, 기존의 제품 바코드가 상품을 ‘식별’하는 기술이었다면 RFID는 상품의 ‘이동’을 보다 효율적으로 추적할 수 있게 했다. 생산과 물류, 재고와 판매를 연결하는 정보화는 당시 우리 섬유패션산업이 고민했던 중요한 혁신과제 가운데 하나이기도 하였다.

그런데 최근 여러 분야에서 활발히 논의되고 있는 DPP가 던지는 질문은 한 단계 더 나아간다. “이 옷은 어디에서 왔고, 무엇으로 만들어졌으며, 어떻게 만들어졌고, 사용이 끝난 뒤에는 어디로 가는가?”로 구체화 되었다. 앞서 이야기한 RFID 시대가 상품의 위치와 이동을 추적하는 시대였다면, DPP 시대는 상품의 전 생애를 추적하고 설명하는 시대라고 할 수 있다.

다시 말해 바코드단계에서 RFID시대로, 그리고 다시 지금의 DPP체제로 이어지는 변화는 단순히 새로운 정보기술과 방법이 등장한 과정만은 아니다. 요약하면 식별(Identification) → 추적(Traceability) → 책임(Accountability)이라는 산업 패러다임의 변화이기도 한 것이다.

유럽연합은 지속가능한 제품을 위한 에코디자인 규정(ESPR)을 중심으로 제품의 내구성, 수리 가능성, 재활용 가능성, 자원 효율성 등을 강화하고 있으며, 이를 실현하기 위한 핵심적인 정보수단 가운데 하나로 DPP를 구축하고 있다. 얼마 전인 2026년 7월에는 DPP 등록시스템도 본격적으로 가동되기 시작했다고 한다.

여러 산업과 분야 중 섬유·의류는 이러한 정책에서 중요한 우선 제품군으로 다뤄지고 있다. 아직 모든 섬유제품에 DPP가 전면 의무화된 단계는 아니지만, 유럽시장을 대상으로 사업하는 우리 섬유패션기업이나 특히 해외생산기반을 둔 소위 생산전문 대기업 들이라면 이를 감지하고 있으며 먼 미래의 이야기 정도로만 바라보기는 어렵게 되었다.

더욱 주목해야 할 것은 DPP가 단순한 환경정보 표시제도가 아니라는 점이다. 앞으로 제품에는 원료와 소재 구성, 생산과 공급망, 환경 관련 정보, 제품관리와 수선, 재사용과 재활용 등 다양한 정보가 연결될 수 있다. 결국 제품 하나가 생산되어 소비되고 다시 자원으로 돌아가기까지의 생애주기 정보를 디지털로 연결하는 새로운 산업 인프라가 만들어지는 것이다.

그렇다면 우리는 이 변화를 어떻게 인식하고 바라봐야 할까? 가장 경계해야 할 것은 DPP를 단순히 ‘유럽에서 또 하나의 환경규제가 생겼다’고 받아들이는 단편적 시각이나 시기상조의 현실성이 떨어지는 제도쯤으로 치부하는 것이다. 물론 기업의 입장에서 새로운 데이터 관리와 시스템 구축은 기업들에게 추가적인 비용이자 원가상승 요인이 될 수밖에 없다. 특히 중소기업이 대부분인 국내 섬유패션산업의 현실을 생각하면 그 부담은 결코 가볍지 않다.

그러나 DPP를 규제로만 바라보는 순간 우리는 규제가 만들어진 뒤 이를 따라가는 ‘대응자’ 또는 ‘추종자’ 정도에 머물게 된다. 반대로 이것을 글로벌 섬유패션시장의 새로운 데이터 표준과 거래질서로 바라본다면 이야기는 많이 달라질 수 있을 것이다. 앞으로 패션브랜드사 및 각종 해외 바이어와 다양한 소비자들은 단순히 “이 제품의 가격은 얼마인가”만 묻지 않을 가능성이 높다.

즉,

“어디에서 만들었는가?”

“어떤 소재를 사용했는가?”

“어떠한 환경적 영향을 미쳤는가?”

“누가 어떤 과정을 거쳐 생산했는가?”

“사용 후 다시 활용할 수 있는가?”

와 같은 질문들이 제품 경쟁력의 일부가 될 수 있다는 말이 된다.

결국 좋은 옷을 만드는 능력만큼이나 그 제품이 어떤 소재와 생산과정을 거쳤고 환경과 사회에 어떤 영향을 미쳤는지를 신뢰할 수 있는 데이터로 증명하는 능력이 중요해지는 것이다. 즉, 이 사회에 대한 기여적 측면에서도 좋은 제품이고 정직하고 투명한 제품이라는 사실을 신뢰할 수 있는 데이터로 증명하는 능력이 매우 중요해지는 것이다. 여기에서 우리 섬유패션산업이 오랫동안 가지고 있던 구조적 문제도 다시 드러난다.

옷 한 벌이 완성되기까지 원료와 원사, 제직·편직, 염색·가공, 봉제, 부자재, 브랜드와 유통 등 수많은 기업이 참여하고 소위 모든 산업상 스트림간의 공정을 거치게 된다. 그런데 각각의 생산단계에서 만들어지는 정보들은 그동안 개별 기업 안에서 혹은 공정 속에서만 흩어져 있거나 문서와 전산시스템에 분절되어 관리되는 경우가 많았다.

DPP 시대에는 이 분절되고 분리된 정보들을 서로 공유하고 연결해야 한다. 어쩌면 DPP의 진짜 어려움은 QR코드를 제품에 부착하는 단순한 기술적 측면에 있는 것이 아닐지도 모른다.

QR코드는 문을 여는 열쇠일 뿐이다. 중요한 것은 그 문 뒤에 어떤 정보가 존재하느냐이다.

따라서 우리 기업들이 준비해야 할 것은 단순한 기존의 QR코드나 RFID 태그가 아니다. 원재료와 섬유조성 정보, 원사·원단·염색·가공 이력, 공급망과 생산정보, 시험·인증자료, 환경 관련 데이터, 제품관리와 수선방법, 재사용과 재활용 정보 등을 신뢰할 수 있는 형태로 축적하고 연결할 수 있는 능력이다.

결국 DPP 시대의 경쟁력은 QR코드를 누가 먼저 붙이느냐가 아니라 그 QR코드 뒤에 신뢰할 수 있는 데이터를 누가 먼저 축적하느냐에서 결정될 가능성이 크다. 국내에서도 이러한 변화를 예상한 여러 시도가 이미 시작되었고 산업별로도 활발히 움직여지는 분야도 적지 않다.

필자가 업계 여러 전문가들과 함께 ESG 활동의 일환으로 추진 중인 지속가능패션이니셔티브(SFI)를 비롯하여 우리 업계에서도 지속가능한 섬유패션산업으로의 전환을 위해 ESG와 순환경제, 지속가능 소재, 공급망 정보와 DPP개발과 활성화 방안 등에 관한 꾸준한 논의와 검토를 이어왔고, 현재도 나름은 진행 중에 있다.

그간 섬유패션 관련 DPP 개발과 실증과정에 참여하면서 기술 자체보다 더 어려운 것이 각 스트림에 흩어진 데이터를 어떤 기준으로 수집하고, 누가 그 신뢰성을 확인하며, 특히 중소기업이 이를 얼마나 현실적인 비용으로 지속할 수 있도록 할 것인가의 문제임을 확인할 수 있었다.

그런 차원에서 국내 섬유패션기업이 활용할 수 있는 DPP 플랫폼을 개발하고 실증하려는 시도도 여러 관련 단체들과 연구소 및 몇몇 기업들을 통해 시도되고 이루어지고 있기도 하다.

이러한 움직임은 성과여부를 떠나 중요한 의미를 갖는다. 우리 산업이 유럽의 규제가 확정된 뒤 뒤늦게 움직이기 시작한 것이 아니라 이미 변화의 필요성을 인식하고 대응 가능성을 모색해 왔다는 의미이기 때문이다.

문제는 이러한 시도가 개별 사업이나 한시적인 실증 프로젝트에 머물러서는 결코 안 되며, 이제는 개별적인 시범사업 수준을 넘어 산업 전체가 활용할 수 있는 지속가능한 인프라로 살아 있는 현실적 플랫폼으로 발전시켜야 한다.

DPP는 어느 한 기업이 독자적으로 완성할 수 있는 시스템이 아니다. 원료기업과 원사업체, 원단기업, 염색가공업체, 봉제기업, 브랜드와 유통기업이 데이터를 연결해야 하고, 시험·인증기관과 IT기업, 관련 협·단체와 정부가 모두 함께 고민하고 뜻을 모아 움직여야 한다.

특히 중소기업에게 모든 책임과 비용을 떠넘기는 방식으로는 현실화도 성공하기도 어렵다.

대기업은 자체적인 ERP와 PLM, 공급망관리 시스템을 구축할 수도 있지만 중소 원단업체나 염색가공업체, 영세한 규모의 봉제기업들이 각각 별도의 DPP 시스템을 개발하고 운영하는 것은 현실적으로 거의 불가능에 가깝기 때문이다.

따라서 정부와 산업계의 정책도 이제는 사회적 이슈의 하나쯤으로 “DPP를 이해하고 대비하라”는 정도의 단순한 인식 확산과 시범사업 정도의 초입단계를 넘어서 공통 데이터 표준, 공동 활용 플랫폼, 시험·인증체계, 전문인력 교육과 컨설팅, 해외규제 정보 제공 등 산업 전체가 실제 활용할 수 있는 기반 구축으로 현실화 및 발전시킬 필요가 있다.

여기에서 한 가지 더 생각해야 할 것이 있다. DPP는 단순히 규제에 대응하기 위한 비용일까? 결단코 아닐 것이다.

제품의 QR코드를 통해 소비자가 소재의 출처와 제작과정, 환경정보, 수선방법, 재활용 방법뿐 아니라 브랜드가 추구하는 가치와 제품의 이야기를 확인할 수 있다면 DPP는 전혀 다른 의미와 가치를 가질 수 있다. 즉 DPP는 규제의 대응수단인 동시에 소비자와 브랜드를 연결하는 새로운 신뢰의 통로가 될 수도 있다는 점이다.

좋은 소재를 사용하고 책임 있는 생산을 하는 기업, 오래 사용할 수 있는 제품을 만드는 기업이라면 지금까지 보이지 않았던 자신의 노력을 데이터로 보여줄 수도 있을 것이다.

그렇다면 지속가능성에 투자해 온 기업에게 DPP는 부담만이 아니라 오히려 차별화된 업계경쟁력을 증명하는 수단이 될 수도 있다는 말이 된다.

최근 유럽의 정책 흐름을 보면 또 하나의 변화도 분명히 감지된다.

이제 패션산업은 ‘만들고 팔고 남으면 버리는’ 기존의 선형적 산업구조에서 벗어나도록 요구받고 있다는 점이다. 재고상품이라 불리는 미판매 의류의 폐기를 제한하고, 제품을 보다 오래 사용하고, 수선하고, 재사용하고, 최종적으로 다시 자원으로 순환시키는 선순환의 구조를 만들어 가고 있는 것이다.

그렇다면 우리도 이제 근본적 질문을 바꾸어야 한다.

“어떻게 더 많이 만들고 더 많이 팔 것인가?”에서 “어떻게 잘 만들고, 오래 사용하고, 사회에 기여하며 다시 활용할 수 있게 할 것인가?”로 말이다.

이것이 결국 지속가능경영의 본질 가운데 하나일 것이기 때문이다. 굳이 ESG라는 용어를 앞세우지 않더라도 제품의 생산과정에서 환경을 생각하고, 공급망의 사람과 기업을 함께 고려하며, 그 정보를 투명하고 신뢰할 수 있게 관리하는 것 자체가 지속가능경영의 출발점일 것이다.

우리 섬유패션산업은 오랫동안 세계적인 패션브랜드들의 까다로운 생산기준과 다양한 요구들에 선제적이고 능동적으로 대응하면서 뛰어난 생산관리와 품질관리, 납기관리 능력을 발휘하며 의류 생산 분야에 있어서만큼은 대체 불가능할 정도로 노하우를 축적해 왔다.

소위 글로벌 공급망 안에서 수많은 위기와 변화에도 대응해 왔고 최고의 자리를 굳건히 지키고 있는 것이다.

그렇다면 이러한 생산능력 및 글로벌공급망에서의 경험에 데이터 관리와 지속가능성이라는 새로운 경쟁력을 더하지 못할 이유도 없을 것이다.

우리는 이미 바코드를 경험했고 RFID도 추진하고 경험했었다. 그때마다 새로운 기술은 원가상승이자 비용과 경영부담으로 다가왔지만 결국 산업의 효율성과 경쟁방식을 바꾸어 놓았음을 보았다.

이제 패션업계에도 DPP라는 또 하나의 변화가 우리 앞에 와 있다. 그러나 이번 변화는 조금 다르다. 과거에는 상품이 무엇이고 어디에 있는지를 알기 위한 기술이었다면, 이제는 그 상품이 어디에서 왔고 어떻게 만들어졌으며 사용된 뒤 어디로 돌아갈 것인지까지 설명해야 하기 때문이다.

RFID가 상품의 이동을 추적했다면, DPP는 상품의 삶을 추적한다는 점이다.

이러한 흐름을 또 하나의 유럽발 규제로만 받아들일 것인가. 아니면 우리가 오랫동안 축적해 온 섬유패션 생산기술과 공급망의 경쟁력을 세계시장에 데이터로 증명하는 새로운 기회로 만들 것인가는 우리의 선택이고 추진해야 할 과업이 아닌가 싶다.

앞으로의 과제는 데이터를 얼마나 많이 담느냐가 아니라 누가 입력하고, 누가 검증하며, 변경된 정보를 어떻게 지속적으로 갱신할 것인가에 있어야 할 것이다.

지난 칼럼에서 AI 시대에도 결국 인간의 창의성이 산업의 미래를 결정한다고 이야기했다. DPP 시대 역시 본질은 크게 다르지 않다.

기술과 제도의 이름은 달라졌지만 중요한 것은 변화하는 시장의 질서를 얼마나 빨리 이해하고 우리 산업의 경쟁력으로 바꾸어 내느냐에 있다.

옷에도 여권이 필요한 시대가 현실이 되었음은 분명하다. 준비하지 않은 기업에게는 또 하나의 규제가 될 수 있지만, 먼저 준비하는 기업에게는 새로운 시장의 문을 여는 강력한 도구이자 경쟁력을 뒷받침해줄 여권이 될 수도 있다.

결국 우리의 준비와 실천 의지에 달려 있다. 우리 K-패션은 과연 어느 쪽을 선택할 것인가. 이제 정부와 산업계, 기업과 현장이 함께 그 답을 만들어 갈 때다.

출처 : ( https://fpost.co.kr/board/ )

원문기사링크 : https://fpost.co.kr/board/bbs/board.php?bo_table=special&wr_id=1809

디자인DB_트렌드_디자인트렌드

사용자를 읽는 방법이 바뀌고 있다 ③ AI는 사용자를 대신할 수 있을까 - 최승환 마크로밀엠브레인 상무이사

사용자를 읽는 방법이 바뀌고 있다 ② AI는 우리가 보지 못했던 사용자를 발견할 수 있을까 - 최승환 마크로밀엠브레인 상무이사

(인터뷰) 안전수칙을 아는 것과 안전하게 일하는 것 사이 - 이승헌 한국디자인진흥원 팀장

사용자를 읽는 방법이 바뀌고 있다 ① 사용자에게 묻는 시대에서, 행동을 읽는 시대로 - 최승환 마크로밀엠브레인 상무이사

[기고] ‘XR 현장감’은 그래픽만으로 완성되지 않는다

접히는 화면보다 눈에 띈 UI·UX… 디자인 업계가 본 아이폰 듀오

(시범운영 후기) 산업단지의 ‘틈’을 디자인하다 - 창원 청년디자인리빙랩 ‘마이크로 틈새문화’ 현장에서

산업단지의 ‘틈’을 디자인하다창원 청년디자인리빙랩, ‘마이크로 틈새문화’ 현장에서

별마당도서관이 있어도, 왜 우리는 길을 잃을까

마우스 움직이지 않는 ‘제로 클릭’, 지금 필요한 웹 UX

옷에도 여권이 필요한 시대, K-패션은 준비되어 있는가?

산업단지의 ‘틈’을 디자인하다
창원 청년디자인리빙랩, ‘마이크로 틈새문화’ 현장에서