09 AI 활용 디자인씽킹 설계하기
제3장: 실무에 활용하는 AI활용 디자인 씽킹 실천 가이드
09 AI 활용 디자인씽킹 설계하기
디자인 씽킹은 사용자 중심으로 문제를 바라보고 해결하는 방법론입니다. 여기에 AI의 강력한 기능을 더하면, 마치 현미경으로 문제의 세부까지 들여다보는 것처럼 효과적으로 활용할 수 있습니다. AI의 객관적인 분석과 디자인 씽킹의 창의적인 접근이 결합된 이 워크숍은 실질적이면서도 혁신적인 해결책을 찾는 과정을 참가자들에게 제공합니다. 이제, 디자인 씽킹과 AI를 결합한 워크숍 설계를 단계별로 함께 살펴봅시다.
01 워크숍 준비하기
목적 설정
모든 여정에는 나침반이 필요하듯, 워크숍에도 명확한 목표가 필요합니다. 워크숍이 끝났을 때 참가자들이 무엇을 얻게 될지, 어떤 문제를 해결할지 명확한 비전을 설정하는 것이 중요합니다. 예를 들어 백화점 방문 고객 만족도를 높이는 프로젝트를 사례로 이야기를 해보겠습니다. 이번 워크숍의 목적은 '매장 방문 고객 클레임 데이터 분석을 통해 매장 만족도를 높이는 것'입니다. 목표는 구체적일수록 좋습니다.
예를 들어, "고객들의 매장 클레임이 가장 많이 발생하는 문제의 핵심을 찾아 창의적으로 해결해 보자.”라는 명확한 목표를 설정하면 참가자들은 그 방향성을 따라가며 집중할 수 있습니다.
이 워크숍의 목표는 두 가지입니다. AI를 활용하여 사용자 데이터 분석과 사용자의 문제 해결, 그리고 디자인 씽킹으로 창의적 소통과 실질적인 해결책을 도출하는 것입니다. 참가자들은 이 과정을 통해 이론에 그치는 것이 아니라, 실제 실무에서 활용할 수 있는 능력을 얻게 됩니다.
참가자 구성
워크숍의 성공은 그 참가자 구성에서 시작됩니다. 훌륭한 밴드가 다양한 악기 연주자들로 이루어진 것처럼, 워크숍도 다양한 전문성을 가진 참가자들이 조화를 이뤄야 합니다. 실무자, AI 기술을 다루는 사람,기획자, 디자이너,재무 담당자, 등 다양한 경험을 가진 팀원들이 적절히 구성하여야 되어야 합니다. 디자인 씽킹 전문가는 창의적인 사고를 자극해 팀원들이 새로운 해결책을 탐구하도록 돕습니다. 그리고 실무 팀원들은 비즈니스의 맥락과 현실적인 관점을 제공하며, 실제 문제 해결에 중요한 기여를 합니다. AI 전문가는 구성원들이 AI를 통해 더 깊이 데이터를 수집하고 결과를 분석하는 방법을 제공할 수 있습니다. 이 세 가지 역할이 조화를 이뤄야 문제를 다각도로 분석하고, 실질적이면서도 혁신적인 해결책을 도출할 수 있는 워크숍을 이끌 수 있습니다.
워크숍 도구 준비
워크숍을 효과적으로 진행하기 위해서는 온, 오프라인으로 도구들이 필요합니다. AI 도구는 우리가 도달하고자 하는 목표에 가는 길을 좀 더 다양하고 깊은 바다를 탐험할 수 있게 해 주고, 협업 도구는 참가자들이 함께 일하면서 창의적인 아이디어를 시각화할 수 있도록 돕습니다. Chat gpt, IBM Watson이나 Google AI 같은 데이터 분석 도구를 통해 우리는 문제의 근본을 파헤칠 수 있고, Miro나 Figma 같은 협업 도구로 팀원들이 실시간으로 아이디어를 시각화하고 공유할 수 있습니다. 또한, 노트북, 프로토타이핑 도구 등의 장비를 준비하여 참가자들이 각 단계에서 손쉽게 작업할 수 있도록 해야 합니다. 프로토타이핑 도구를 사용하면 참가자들은 자신의 아이디어를 빠르게 시각화하고 테스트할 수 있어, 문제 해결 과정이 더 효율적이고 실용적으로 진행됩니다.
02 이슈 공유
현재 문제 상황 정의
워크숍에서 다루게 될 문제는 비즈니스에서 해결해야 할 실질적인 이슈여야 합니다. 이슈 공유 단계에서는 현재 문제 상황을 명확하게 정의하고, 참가자들이 이를 공감할 수 있도록 구체적인 사례와 데이터를 제시해야 합니다. 예를 들어, “최근 매장에서 고객들의 가장 많은 불편을 초래하는지 파악하고 문제를 해결하고자 합니다.”라는 식으로, 실질적인 문제 상황을 명확히 설명합니다. 이 과정에서 참가자들이 단순한 문제를 넘어, 더 깊이 있는 문제의 본질을 이해할 수 있습니다.
워크숍의 첫 번째 단계는 참가자들이 같은 페이지에 있게 하는 것입니다. 현재의 문제 상황을 모두가 명확히 이해해야만 효과적으로 문제를 해결할 수 있습니다. 이슈 공유는 마치 퍼즐 조각을 모두 꺼내놓는 것과 같습니다.
여기서 중요한 것은 모든 참가자가 문제의 본질을 이해하고 공감할 수 있도록 구체적인 사례와 데이터를 공유하는 것입니다. 예를 들어, "최근 고객 만족도 조사에서 불만 사항이 급증했으며, 고객 인터뷰와 설문을 통해 고객의 페인포인트의 근본 원인을 파악하려고 합니다"라는 식으로 문제 상황을 명확히 정의합니다. 이처럼 문제를 정의하는 과정에서 참가자들은 수집된 데이터의 결과를 보며, 현재 상황을 더 명확히 이해하고, 공감대를 형성할 수 있습니다.
참가자 의견 수렴
문제를 정의한 후에는 다양한 의견을 듣는 시간이 필요합니다. 워크숍의 매력은 다양한 시각이 모여 창의적인 해결책을 만들어낸다는 데 있습니다. 참가자들이 각자의 경험과 관점에서 문제를 바라보고, 이를 자유롭게 공유하는 과정은 매우 중요합니다. 예를 들어, "현재 이슈에 대해 자유롭게 토론하고, 각 팀의 경험을 공유하는 시간을 통해 다양한 관점을 가실 수 있도록 서로 대화를 통해 상대의 의견에 자신의 의견을 더하는 방식으로 소통해 봅시다."라는 식으로 의견을 나누면, 서로 다른 배경의 참가자들이 문제를 다르게 이해하고 해석하는 과정을 통해 새로운 아이디어의 씨앗이 생겨납니다.
03 핵심 주제 선정
핵심 문제 도출
이제 참가자들이 제시한 의견과 이슈 공유 단계에서 나온 다양한 의견을 종합하여 가장 중요한 문제를 선정하는 단계입니다. 핵심 문제 도출 단계는 참가자들이 제시한 다양한 의견과 이슈를 종합하여 가장 중요한 문제를 도출하는 중요한 과정입니다. 이 단계에서 참가자들은 앞서 공유된 이슈들을 개인별로 컴퓨터와 AI 도구를 사용해 가볍게 리서치하면서, 문제를 더 깊이 분석할 수 있습니다. 이를 통해 참가자들은 다양한 관점을 통해 각 이슈의 중요성을 평가하고, 그 결과를 바탕으로 해결해야 할 핵심 문제를 구체적으로 도출하게 됩니다.
이 과정에서 AI 도구는 실제 현장에서 수집한 방대한 데이터를 빠르게 분석하고, 중요한 통찰을 도출하는 데 큰 역할을 합니다. 예를 들어, 참가자들은 현장의 데이터와 제품과 관련된 고객 리뷰나 소셜 미디어 데이터를 분석할 수 있으며, 그 결과 고객 만족도를 저하시키는 핵심 원인을 발견할 수 있습니다. 예를 들어 "A 백화점의 고객만족도 저하는 백화점 내 편의시설 대기 시간의 딜레이로 나타났습니다.” 와 같은 형태로, 데이터에 기반한 객관적인 문제 진술이 가능해집니다. 이처럼 AI는 참가자들이 문제를 명확히 정의하고, 데이터에 기반한 결론을 도출하는 데 중요한 도구로 활용할 수 있습니다. 다만 AI는 신속성을 이용하고, 인간들의 사고를 결합하여 진짜 문제를 도출하는 것이 중요합니다.
핵심 문제를 도출한 후에는 문제의 우선순위를 정합니다. 다양한 이슈 중에서 가장 시급하고 중요한 문제를 선정하는 과정은 마치 금광에서 빛나는 금을 찾아내는 것과 같습니다. 참가자들은 직면한 문제들 중에서 실제로 해결해야 할 가장 중요도에 따라 우선순위를 정하고, 이를 바탕으로 해결해야 할 목표를 구체적으로 설정할 수 있습니다.
목표 구체화
우선순위에서 핵심 문제가 도출되었다면, 이제 이 문제를 해결하기 위한 구체적인 목표를 설정해야 합니다. 이 목표는 디자인 씽킹 프로세스의 각 단계에서 AI 활용될 수 있을지를 명확히 설명하는 데 중점을 둡니다. 예를 들어, 클레임 문제의 우선순위에서 매장 내 편의 시설 활용에 대한 대기시간문제로 나타났다면 “우리는 고객들의 매장 내 편의 시설 이용에 대한 불만을 해결해 고객 만족도를 높일 수 있도록 합니다.” 그리고 우리는 문제의 근본 원인을 예측하고 최적의 해결 방안을 찾아낼 것입니다"와 같은 형태로 목표를 구체화할 수 있습니다.
이러한 목표 설정 과정은 참가자들이 워크숍의 각 단계에서 자신이 맡을 역할을 명확히 이해하도록 도와줍니다. 우리의 목표가 어떤 문제를 발견할 수 있는지, 그리고 이후 디자인 씽킹 프로세스에서 어떤 방식으로 해결책을 도출할 것인지에 대한 명확한 로드맵을 제시함으로써 참가자들이 효율적으로 협업할 수 있는 토대를 마련합니다.
04 워크숍 설계
워크숍 단계별 계획
워크숍을 단계별로 설계하는 것은 마치 영화의 시나리오를 쓰는 것과 같습니다. 각 장면마다 의미가 있고, 모두가 하나의 큰 이야기를 만들어 가는 것처럼, 각 단계에서 AI와 디자인 씽킹이 어떻게 결합될지 구체적으로 계획하는 과정이 필요합니다.
디자인 씽킹과 AI의 융합은 우리의 상상을 초월하는 새로운 혁신을 가능하게 합니다. 서비스 디자인 프로세스에서 AI의 역할을 단계별로 탐구하는 것은 그 자체로 창의적인 여정을 떠나는 일과 같습니다.
AI는 단순히 도구가 아니라, 인간 디자이너와 협력하여 더 깊은 통찰을 제공하고, 빠르게 변화하는 환경 속에서 창의적인 해결책을 제시하는 중요한 파트너가 될 수 있습니다. 이제 디자인 씽킹의 과정에서 AI가 어떻게 효과적으로 활용될 수 있는지, 각 단계를 살펴보겠습니다.
1 공감 단계
사용자의 문제를 파악하고 인터뷰를 실시하는 단계에서는 AI 도구를 활용해 고객 데이터를 분석하고, 주요 문제점과 패턴을 찾아낼 수 있습니다. 인터뷰를 실시한 데이터를 AI도구에 첨부하고 "우리는 AI를 통해 고객 설문조사 데이터를 분석하여, 가장 큰 불만 사항이 무엇인지 확인했습니다."라는 식으로, AI가 공감 단계에서의 데이터 분석과 의미를 추출하는 역할을 할 수 있습니다.
[ 이 단계에서 활용할 수 있는 질문 : 데이터 분석과 의미 추출을 위한 질문 ]
"현재 사용자 피드백 데이터에서 가장 빈번하게 언급되는 문제점이나 이슈는 무엇인가요?"
"우리 서비스에서 사용자들이 자주 겪는 불편함이나 기대하지 못한 행동 패턴을 발견할 수 있을까요?"
"다양한 사용자 행동 데이터를 분석해 볼 때, 어떤 공통된 트렌드나 패턴을 발견할 수 있나요?"
"현재 경쟁사와 비교했을 때 우리 제품이 사용자 경험에서 차별화되는 요소는 무엇인가요?"
"사용자들의 숨겨진 니즈나 불만 요소를 파악하기 위해 어떤 추가 데이터를 분석하는 것이 좋을까요?"
2 문제 정의 단계
문제정의 단계에서는 문제를 정의하고, 이를 바탕으로 솔루션의 방향을 설정합니다. 이때 AI는 분석 결과를 제시하지만, 실제로 콘셉트를 개발하는 것은 디자이너의 몫입니다. 인간 디자이너의 창의성과 직관은 여기서 필수적인 역할을 합니다. AI가 제공하는 데이터를 바탕으로 새로운 제품, 서비스, 혹은 환경을 구상할 때, 디자이너는 창의적 사고를 통해 데이터를 실질적인 콘셉트로 전환합니다.
여기서 중요한 점은, AI가 단순한 분석 결과만 제공하는 것이 아니라, 디자인 가능성을 확장하는 도구로서 기능한다는 것입니다. AI는 디자이너가 여러 대안을 생각해 낼 수 있도록 지원하며, 데이터 기반의 인사이트는 디자이너의 창의적 결정을 더욱 명확하게 만듭니다.
[이 단계에서 활용할 수 있는 질문 : 창의적 사고로 콘셉트 구체화하기]
"이 데이터를 기반으로 어떤 혁신적인 제품 콘셉트를 제안할 수 있을까?"
"AI가 분석한 사용자 문제를 해결할 수 있는 여러 가지 솔루션 아이디어를 제시해 줄 수 있나요?"
"현재 발견된 문제를 해결하기 위한 창의적인 디자인 방향은 무엇일까요?"
"서비스 개선을 위한 디자인 콘셉트를 구성할 때 고려해야 할 핵심 요소는 무엇인가요?"
"사용자들이 기대하는 제품이나 서비스의 핵심 기능을 기반으로 한 새로운 아이디어는 무엇인가요?”
3 아이디어 발상 단계
아이디어 발상 단계에서는 디자이너가 구상한 콘셉트를 실제로 구현 가능한 형태로 발전시킵니다. 이 과정에서 AI는 시각화, 성능 시뮬레이션, 사용자 반응 예측 등을 통해 디자인의 실현 가능성을 테스트합니다. 예를 들어, AI는 디자이너가 상상한 제품을 3D 모델링하여 실제로 어떻게 보일지 시각화하거나, 사용자가 해당 제품을 어떻게 사용할지 시뮬레이션을 통해 보여줄 수 있습니다. 이러한 시각적 피드백은 디자이너가 디자인의 효율성과 효과를 보다 명확하게 파악할 수 있게 합니다.
AI의 시뮬레이션 기능은 특히 실험적 디자인에서 그 가치를 발휘합니다. 사용자가 제품이나 서비스를 어떻게 상호작용할지를 예측하여, 디자인을 최적화하는 데 도움을 줄 수 있습니다. 이는 디자인 결과가 시장에서 어떻게 반응할지 미리 파악할 수 있는 강력한 도구가 될 수 있습니다.
AI 기반의 브레인스토밍 도구를 사용해 다양한 해결책을 도출할 수 있습니다. AI는 참가자들이 창의적으로 사고할 수 있도록 돕고, 데이터를 기반으로 아이디어의 타당성을 평가합니다.
[이 단계에서 활용할 수 있는 질문 : 가시화와 시뮬레이션]
1 “이 콘셉트를 시각적으로 구현할 때, 가장 효과적인 디자인 요소는 무엇인가요?”
2 "현재 구상한 디자인의 성능을 시뮬레이션하여 문제점을 미리 예측할 수 있을까요?”
3 "이 제품의 디자인을 개선하기 위한 추가적인 피드백을 반영한 시각적 대안을 제시해 줄 수 있나요?”
4 "디자인이 구현되었을 때 사용자들이 어떻게 반응할지 시뮬레이션을 통해 예측해 줄 수 있나요?”
5 "새로운 서비스 콘셉트의 효과를 높이기 위해 추가적으로 고려해야 할 요소는 무엇인가요?"
4 프로토타입 제작 및 테스트 단계
AI 기반 툴을 사용해 신속하게 프로토타입을 제작하고 테스트합니다. 실시간 피드백을 통해 더 나은 해결책으로 개선해 나가는 과정이 이루어집니다.
마지막으로 프로토타입 단계에서 디자이너는 AI가 제공한 다양한 대안을 평가하고, 그중에서 최적의 선택을 내립니다. AI는 여러 가지 디자인 대안을 제시할 수 있지만, 그중에서 어떤 것이 가장 적합한지는 디자이너가 결정해야 합니다. 여기서 디자이너는 AI가 제공한 분석 결과와 제안을 비판적으로 검토하고, 품질, 사용자 경험, 실행 가능성 등을 고려하여 최종 결정을 내립니다.
이 과정에서 중요한 것은 AI의 제안을 무비판적으로 수용하는 것이 아니라, 디자이너의 전문성과 창의성을 바탕으로 최종 선택을 하는 것입니다. AI는 설계 과정에서 강력한 조력자이지만, 창의적 결정을 내리는 것은 인간 디자이너의 역할입니다.
[이 단계에서 활용할 수 있는 질문 : 평가와 선택]
1 "여러 대안 중에서 최적의 디자인을 선택하기 위한 평가 기준을 어떻게 설정하면 좋을까요?”
2 "AI가 제안한 여러 디자인 대안 중에서 가장 실행 가능성이 높은 옵션을 추천해 줄 수 있나요?”
3 "최종 디자인을 선택할 때 고려해야 할 사용자 경험 측면의 요소는 무엇인가요?”
4 "제품의 품질과 사용자 효과를 평가할 수 있는 중요한 기준은 무엇인가요?”
5 "여러 가지 대안을 종합적으로 평가하여 최종 결정을 내리는 데 도움이 되는 추가적인 인사이트가 있을까요?"
5 확산과 수렴의 반복
AI의 역할이 돋보이는 순간이 확산과 수렴의 반복입니다. 디자인 씽킹의 과정에서 확산과 수렴의 반복은 혁신적인 해결책을 도출하는 핵심입니다. 이 과정에서 AI는 특히 확산 단계에서 그 역할을 극대화할 수 있습니다. 확산 단계는 다양한 아이디어와 대안을 탐색하는 시기로, 생성형 AI는 방대한 데이터를 바탕으로 무수히 많은 아이디어와 대안을 창출해 냅니다. 이를 통해 디자이너는 더 많은 선택지를 확보하고 새로운 영감을 얻을 수 있습니다. AI는 이 단계에서 팀이 빠르고 폭넓은 아이디어를 도출하는 데 기여하며, 그 결과 다양한 가능성을 탐색하게 합니다.
반면, 수렴 단계에서는 인간 디자이너의 창의적 사고와 비판적 분석이 더 중요해집니다. AI가 제공한 다양한 아이디어와 대안을 바탕으로, 디자이너는 이를 평가하고 선별하여 최종 해결책으로 수렴해 갑니다. 이때, 디자이너의 인간적 감각과 직관이 디자인의 방향을 결정짓는 중요한 요소로 작용합니다.
시간 및 자원 배분 또한 이러한 확산과 수렴의 반복 과정에서 중요한 역할을 합니다. 각 팀은 문제 정의 후 AI 도구를 활용해 빠르게 아이디어를 확산시키고, 이를 바탕으로 수렴 과정을 거쳐 프로토타입을 제작하는 단계로 넘어갑니다. 워크숍에서는 확산 단계에서 충분한 시간을 두어 AI의 데이터 기반 분석을 활용하고, 수렴 단계에서는 인간의 창의적 사고를 최대한 발휘할 수 있도록 시간과 자원을 적절히 배분하는 것이 필수적입니다.
결론적으로, AI는 디자인 씽킹의 모든 단계에서 활용될 수 있지만, 특히 문제정의 단계와 아이디어 단계에서 그 역할이 두드러집니다. AI는 문제를 더 깊이 이해하고 실질적인 해결책을 구체화하는 데 큰 도움을 주지만, 최종적인 결정은 디자이너의 창의적 사고와 인간적 감각에 달려 있습니다. 확산과 수렴의 반복 과정에서 AI는 훌륭한 파트너로서, 더 혁신적이고 실질적인 해결책을 도출하는 과정을 함께 할 수 있습니다.
05 결과 공유 및 피드백
결과 발표
결과 발표는 워크숍의 마지막 단계로, 각 팀이 도출한 해결책과 프로토타입을 발표하는 중요한 시간입니다. 이 단계에서 핵심은 우리의 솔루션이 문제 해결에 어떤 방식으로 기여했는지 구체적으로 설명하고 팀의 구체적인 아이디어를 설명하는 것입니다. 예를 들어, " 우리는 매장 전체 편의 시설의 대기 인원과 시간을 확인하여 고객 이용 만족도를 높일 수 있는 편의 시설 이용 솔루션을 설계했습니다"와 같은 형태로, 우리의 솔루션의 장점을 명확히 드러냅니다. 이는 팀의 해결책이 어떻게 적용되었고, 문제 해결 과정에서 어떤 가치를 창출했는지를 명확히 전달하는 중요한 순간입니다. 우리가 어떤 데이터를 분석하고, 통찰했으며, 기존의 해결책을 보완하는 방식으로 어떻게 기여했는지를 강조함으로써 참가자들이 우리의 솔루션을 역할을 이해하게 할 수 있습니다.
피드백 수집
피드백 수집 단계에서는 다른 참가자들과 리더로부터 해결책에 대한 피드백을 받는 것이 중요합니다.솔루션의 장단점을 평가하며, 그 해결책이 실질적으로 문제를 얼마나 잘 해결할 수 있는지를 논의하는 시간을 갖습니다. 예를 들어, "AI 아이디어와 우리의 결과물이 실제 문제 해결에 얼마나 기여했는지를 평가하고 피드백을 수집합니다"라는 방식으로 진행될 수 있습니다. 피드백을 통해 각 팀은 해결책의 효과성을 높이기 위한 개선점을 발견하고, AI 아이디어들의 의 한계를 보완하거나 더 나은 방향으로 발전시킬 수 있는 아이디어를 얻을 수 있습니다. 이 과정에서 피드백은 단순한 평가가 아니라, 각 팀이 워크숍 이후에도 해결책을 실질적으로 적용할 수 있도록 하는 중요한 자원이 됩니다.
실무 적용 논의
다음 단계는 실무 적용 논의입니다. 각 팀은 도출한 해결책이 실제 업무 환경에 어떻게 적용될 수 있을지에 대해 논의하고, 실행 가능성을 점검하는 시간을 가집니다. 이때, 각 팀은 해결책을 구체적으로 실무에 어떻게 반영할지에 대한 액션 플랜을 수립해야 합니다. 이 과정은 워크숍에서 나온 아이디어가 단순한 이론적인 결과물로 그치지 않고, 실제로 업무에 반영될 수 있는 실질적인 계획을 마련하는 중요한 단계입니다. AI의 데이터 분석 결과와 디자인 씽킹에서 도출된 창의적인 해결책을 결합하여, 참가자들은 보다 실행 가능한 솔루션을 만들어냅니다. 이 단계에서는 AI가 제공한 데이터와 통찰을 실질적으로 적용할 수 있는 방법에 대해 구체적으로 논의하고, 지속 가능한 해결 방안을 구체화하는 것이 중요합니다.
이처럼 디자인 씽킹과 AI를 결합한 워크숍은 창의적이면서도 실질적인 해결책을 도출하는 데 매우 효과적인 방법입니다. AI의 객관적 데이터와 디자인 씽킹의 창의적인 문제 해결 접근이 결합되면, 참가자들은 문제를 보다 다각도로 바라보고 해결책을 도출할 수 있는 강력한 도구를 얻게 됩니다. AI는 방대한 데이터를 분석하고 핵심적인 통찰을 제공함으로써 문제 해결의 방향성을 제시하고, 디자인 씽킹은 그 데이터를 기반으로 보다 혁신적이고 창의적인 해결책을 구체화하는 역할을 합니다. 이러한 워크숍의 궁극적인 목표는 AI가 제공하는 데이터를 명확히 활용해, 실무에서 바로 적용 가능한 구체적인 솔루션을 도출하는 것입니다. 이와 같은 과정은 워크숍 참가자들이 AI와 디자인 씽킹을 효과적으로 결합하여 문제를 해결하고, 실질적으로 적용할 수 있는 해결책을 만드는 능력을 길러주는 중요한 기회가 됩니다.
마노컨설팅 디자인씽킹 워크숍과 강의 소개 페이지
https://designthinkingmano.creatorlink.net
#창의성 #크리에이티브리더십 #리더십 #디자인적사고 #창의적사고 #창의적인리더십 #소통력 #공감력 #협력 #실행력 #디자인씽킹 #창의성개발
