AI는 UXUI 디자인 프로세스를 어떻게 바꾸었나?
붕괴된 더블 다이아몬드 프로세스와 새로운 워크플로우
AI가 초래한
전통적 프로세스의 한계
지난 20여 년간, UX/UI 디자인 및 혁신 분야는 영국 디자인 위원회(Design Council)가 2005년 대중화한 '더블 다이아몬드(Double Diamond)' 모델의 강력한 영향력 아래에 있었다. 이 모델의 핵심 가치는 명확했다. '문제를 올바르게 정의하는 것(Discover, Define)'과 '올바른 솔루션을 구축하는 것(Develop, Deliver)'이라는 두 개의 핵심 단계를 명확히 구분한 것이다. 이는 복잡한 문제를 해결하는 과정에서 발산적 사고(Divergent thinking)와 수렴적 사고(Convergent thinking)가 반복되는 리듬을 체계적으로 구조화했다. 하지만 인공지능(AI) 시대, 특히 생성형 AI(Generative AI)의 등장은 이 견고했던 구조의 근본적인 한계를 드러내기 시작했다.
전통적인 더블 다이아몬드 모델이 AI 시대에 직면한 한계는 명확하다. 첫째는 '속도의 불일치(Latency)'다. 전통 모델은 아이디어가 '확실성'을 확보하며 천천히 움직이는 것을 전제로 한다. 반면, 오늘날의 AI 기반 기업들은 신속한 출시, 실제 사용 피드백 수집, 그리고 이를 통한 빠른 개선을 선호한다. AI는 아이디어 생성부터 테스트, 그리고 진화에 이르는 전체 주기를 몇 주에서 몇 시간 단위로 급격히 압축한다. 둘째로 '순차성의 붕괴(Linearity)'다. 더블 다이아몬드는 본질적으로 선형적인 경로를 따르지만 , 머신러닝 모델의 개발을 포함하는 AI 개발은 본질적으로 비선형적이고 반복적(iterative)인 특성을 갖는다.
셋째로 '현실과의 괴리(Constraints)'다. 전통 모델은 사용자의 순수한 요구(needs)에서 출발할 것을 강조한다. 그러나 실제 업계에서는 이해관계자가 이미 'AI 챗봇을 만들라'는 식의 사전 정의된 결과(predefined outcomes)를 가지고 오는 경우가 빈번하다. 또한, 이 모델은 때때로 기술적 실현 가능성을 고려하지 않은 유토피아적 미래 상태(utopian future state)를 구상하게 만들고, 그 결과 제안된 아이디어의 75%가 비용 문제로 폐기되는 비효율을 낳기도 한다. 마지막으로, 모델 자체의 '창의성 표현 부재'다. 더블 다이아몬드는 '창의성(creativity)'이나 '귀추적 추론(abductive reasoning)'을 명시적으로 언급하지 않으며, 아이디어를 구체화하고 시각화하는 중요한 단계를 누락하고 있다.
'기존 프로세스 붕괴'와
'공동 창작'으로의 전환
생성형 AI는 기존의 정형화된 프로세스를 존중하지 않는다. 디자이너는 더 이상 빈 페이지나 리서치 계획으로 작업을 시작하지 않는다. 대신, 수백만 개의 과거 데이터로 학습된 AI 모델이 생성한 '프로토타입' 또는 '대화'로 시작한다. 이는 '프로세스 붕괴(Process Collapse)' 현상이라 불린다. '발견(Discovery)'과 '실행(Delivery)'은 더 이상 순차적으로 일어나지 않는다. 이 두 단계는 이제 동시에 발생(co-occur)하고, 중첩되며, 심지어 그 순서가 역전된다. 이러한 현상은 디자인의 근본적인 패러다임 전환을 요구한다.
이렇게 등장한 것이 '인간-AI 공동창작 모델 (Human-AI Co-creation Model)'이다. 이 모델은 AI 시대의 창의적 프로세스를 설명하는 '순환적(circular)' 프로세스 모델이다. AI를 인간의 능력을 '증강(augment)'하는 파트너로 정의하며 , 6단계의 순환 과정을 제시한다.
참고자료: https://www.researchgate.net/publication/352937210_AI_Creativity_and_the_Human-AI_Co-creation_Model
인식 (Perceiving): 인간의 인식이 AI 기반 빅데이터와 센서에 의해 '향상'된다. AI는 데이터를 의미 있는 정보와 지식으로 변환하여 인간의 감각을 초월하는 시야를 제공한다.
사고 (Thinking): AI가 제공하는 영감과 탐색을 통해 인간은 '더 깊고 넓게' 사고한다. 이는 인간의 고려 범위를 넘어설 수 있게 한다.
표현 (Expressing): AI 도구를 통해 인간은 '더 많이, 더 빠르게' 탐색한다. 이 과정에서 재능이나 훈련(기술)의 부족이 더 이상 창의성의 장애물이 되지 않으며, '기술보다 창의성' 자체가 중요해진다.
협업 (Collaborating): 인간과 AI가 '각자의 강점에 따라 역할을 수행'한다. 양측의 강점과 한계를 명확히 이해하고 최적의 과제를 할당하는 것이 핵심이다.
구축 (Building) 및 테스트 (Testing): AI를 통한 정교한 시뮬레이션과 분석으로 '더 높은 품질과 낮은 비용'을 달성한다. 결과를 예측하고 '리허설'할 수 있게 된다.
이 모델의 흥미로운 지점은 AI가 디자이너의 경험 수준에 따라 다르게 기여한다는 사실이다. 연구에 따르면, 초보 디자이너에게는 AI가 인지적 장벽을 깨고 '아이디어 생성'을 촉진하는 데 주로 기여하는 반면, 숙련된 디자이너에게는 이미 구상한 아이디어를 시각화하고 '결과물의 품질과 정교함'을 높이는 데 더 큰 기여를 한다. 따라서 AI 시대의 새로운 디자인 프로세스는 단순히 기존 작업을 자동화(automation)하는 것을 넘어, AI를 창의적 파트너로 인정하는 '공동 창작(Co-creation)'으로 전환해야 한다. AI는 인간의 창의성을 대체하는 것이 아니라 증강(augment)하는 역할을 수행한다.
AI 증강 더블 다이아몬드
(AI-augmented Double Diamond)
전통적인 더블 다이아몬드 모델이 AI가 야기한 '프로세스 붕괴' 현상에 효과적으로 대응하지 못함에 따라, 업계와 학계는 이 새로운 현실을 반영하는 대안적 모델들을 제시하고 있다. 첫 번째 접근법은 더블 다이아몬드의 기본 구조, 즉 문제 정의와 솔루션 개발이라는 핵심 골격은 유지하되, 각 단계를 AI와 데이터로 증강시켜 기존의 한계를 보완하려는 시도다. 이 모델은 전통적인 더블 다이아몬드 프레임워크를 기반으로 하되, 전략적 발견(strategic discovery)과 변화 관리를 위해 AI를 적극적으로 활용하는 5단계 모델이다.
프로세스는 5단계로 구성된다. 첫 번째 단계는 '데이터 수집(Data Aggregation)'이다. 회사의 내부 데이터와 관련 외부 데이터를 상향식(bottom-up) 및 외부 유입(outside-in) 방식으로 대규모 집계한다. 두 번째 단계는 '인사이트 및 우선순위 생성(Insight and Priority Generation)'이다. 알고리즘을 사용해 이 방대한 원시 데이터를 분석한다. 여기서 AI의 역할은 "무엇이 중요한지(기회/위험 요인)"와 "돈이 어디에 있는지(수익 동인)"를 발견하는 것이다. 이는 단순히 KPI를 추적하는 것을 넘어, KPI 이면의 핵심 동인을 파악하고, 시장을 '주소 가능한 시장(Addressable)', '획득 가능한 시장(Obtainable)', '활성 시장(Active)' 등으로 정교하게 세분화하는 데 도움을 준다.
세 번째 단계는 '전략적 정의(Strategic Definition)'다. 생성된 인사이트를 바탕으로 비즈니스의 방향성, 비전, 브랜드, 내러티브를 정의한다. 전략적 세분화, 포트폴리오 분석 등이 이 단계에 포함된다. 네 번째 단계는 '배포 준비(Deployment Preparation)'다. 실제 실행할 팀을 정의하고, 팀별 목표(예: OKR)를 설정하며, 각 팀이 목표 달성에 필요한 관련 데이터에 원활하게 접근할 수 있도록 준비한다. 마지막 다섯 번째 단계는 '학습 및 실행(Learning and Doing)'이다. 이 단계는 지속적인 개선과 경쟁 우위 확보를 위해 투명성과 공유 학습을 강조한다. AI는 시장과 고객의 변화(예: 특정 제품에 대한 구매 의향, 고객의 이탈 위험)를 지속적으로 모니터링하고 피드백을 제공하여, 조직이 기민하게 대응할 수 있도록 지원한다. 이 모델은 순수한 UX/UI 디자인 프로세스라기보다는, AI를 활용한 '데이터 기반 비즈니스 전략' 수립 모델에 가깝다는 특징을 가지며, AI의 역할을 주로 대규모 데이터 분석을 통한 '전략적 인사이트 도출'에 초점을 맞춘다.
AI 협업 기반 산업 디자인 모델
(7-Step Model for Design Forms)
이 모델은 더블 다이아몬드 프레임워크를 기반으로 하지만, 산업 디자인(industrial design), 특히 복잡한 '형태(form)' 연구라는 매우 특화된 분야에 AI 협업을 통합한 7단계 방법론이다.
Double diamond model for design form model for artificial intelligence research collaboration프로세스는 크게 '형태 탐색(Shape finding)'(문제 정의 및 초기 아이디어 생성)과 '형태 제작(Shape making)'(아이디어 구체화 및 검증)이라는 두 개의 모듈로 나뉘며, 이는 다시 7개의 세부 단계로 구성된다. 여기서 AI는 '형태 탐색', '컨셉 생성', '솔루션 구현'이라는 핵심 단계에서 중요한 역할을 수행한다. 이 모델의 특징은 AIGC(AI Generated Content) 도구(예: Midjourney, Stable Diffusion)를 바이오닉 디자인, 토폴로지 연구, 파라메트릭 디자인, 유전 알고리즘, 시뮬레이션 분석(예: 자율 수중 차량(AUV)의 유체 시뮬레이션)과 같은 공학적·디자인적 기술과 적극적으로 결합한다는 점이다. 즉, 이 모델은 특화된 산업 디자인 분야에서 AI를 활용해 기존의 물리적, 공학적 한계를 뛰어넘는 복잡한 형태를 탐색하고 공학적으로 검증하는 데 중점을 둔다.
스팅레이 모델(The Stingray Model)
스팅레이 모델은 Board of Innovation에서 개발한 AI 네이티브 혁신 모델로, 더블 다이아몬드를 '대체'하기 위해 명시적으로 설계되었다. 이 모델의 핵심 목표는 검증된 솔루션을 프로세스 초기에 신속하게 제공함으로써 '투자 확신(investment confidence)'을 높이는 것이다. 스팅레이 모델의 철학은 전통적인 '공감(empathy)'보다 '실험(experimentation)'을, 순차적 단계(sequential steps)보다 '비선형적 루프(loop-based approach)'를 우선시한다는 점에서 근본적인 차이를 보인다.
참고자료: https://www.boardofinnovation.com/blog/the-ai-powered-stingray-model-innovation/
스팅레이 모델은 3단계로 구성된다. 첫 번째 단계는 '훈련(Train)'으로, 목표 설정 및 정보 수집 단계다. 전통적인 소비자 공감 단계 대신, 팀의 목표, 제약 조건, 성공 지표를 '선제적으로(upfront)' 정의하는 것에서 시작한다. 이후 소비자 행동, 시장 동향, 독점적 비즈니스 데이터, 내부 실행 가능성(feasibility) 및 수익성(viability) 등 광범위한 정보를 수집한다. 이 데이터를 AI 모델(간단한 챗봇부터 기업용 LLM까지 다양함)에 학습시켜, 우선순위가 높은 '문제 공간(problem spaces)'을 신속하게 합성하고 도출한다.
두 번째 단계는 '개발(Develop)'로, 문제와 해결책을 동시에 탐색하는 단계다. '문제를 먼저 정의하고, 해결책은 나중에 찾는다'는 전통적 제약에서 벗어나, 문제 공간 분석과 솔루션 생성을 '동시에(simultaneously)' 그리고 '기하급수적으로(exponentially)' 수행한다. 이 단계에서 'AI가 주도하는 아이디어 도출(AI-led ideation)'은 선택이 아닌 '필수(necessity)'로 간주되는데, 이는 아이디어의 품질과 창의성 면에서 AI가 이미 인간의 방법론을 능가하고 있음을 보여준다. AI는 상호 배타적이고 전체를 포괄하는(MECE) 유망한 솔루션 '클러스터'를 식별하며, 초기 프로토타입과 가설이 이 단계에서 대량으로 생성된다.
세 번째 단계는 '반복(Iterate)'으로, 실용적 솔루션을 검증하는 단계다. '개발' 단계에서 도출된 광범위한 솔루션들을 좁히고 위험을 제거(de-risk)하기 위해 반복적인 실험을 시작한다. 여기서 중요한 점은 솔루션의 '바람직함(Desirability)', '실행 가능성(Feasibility)', '수익성(Viability)'을 동시에 검증한다는 것이다. 또한 AI 네이티브 검증 방식을 도입하는데, 예를 들어 '합성 테스팅(synthetic testing)'(AI가 소비자 행동을 예측)이나 '자율 인터뷰(autonomous interviews)'(AI 챗봇이 실제 사용자와 인터뷰를 수행하고 결과를 합성) 등이 그것이다. 나아가 AI는 공장 가용성, 공급망 비용 등 실시간 비즈니스 데이터를 기반으로 컨셉의 실현 가능성을 즉각 평가할 수도 있다.
스팅레이 모델이 제시하는 '공감보다 실험'이라는 구호는 자칫 사용자 중심 디자인의 가치를 훼손하는 것처럼 보일 수 있다. 하지만 이는 '공감'을 배제하는 것이 아니라 '공감의 방식'을 확장하는 것으로 해석해야 한다. AI는 수천 개의 고객 지원 티켓을 몇 분 만에 분석하거나 방대한 민족지학 연구 데이터를 처리할 수 있다. 이는 '대규모 심층 질적 연구'를 가능하게 하며, '빠른 속도(speed)'와 '깊이(depth)'가 더 이상 상충 관계(trade-off)가 아님을 의미한다. 즉, AI가 수백만 명의 행동 데이터에서 '패턴'을 찾아내는 '줌 아웃(zoom out)'을 수행하고, 인간 디자이너는 AI가 놓치는 그 패턴 속의 미묘한 '이유(why)'를 파고드는 '줌 인(zoom in)'에 집중하도록 역할을 재분배하는 것이다. 'Train' 단계는 바로 이러한 '데이터 기반의 확장된 공감'을 수행하는 과정이다. 물론, 이러한 비선형적 프로세스는 명확한 조정(coordination)과 조율이 없다면 자칫 '혼란(chaotic)'에 빠질 위험 또한 상존한다.
3C 모델 (Create, Curate, Craft)
https://ditoday.com/ai-design-process3C 모델은 김진영 디자이너가 제안한 모델로 AI 기반 디자인 프로세스를 설명하는 실무적이고 압축적인 3단계 워크플로우다.
생성 (Create): 디자이너가 '프롬프트 엔지니어링'을 활용해 AI로 대량의 디자인 초안을 신속하게 생성한다. 이 단계에서 디자이너는 직접 창조하는 대신, AI가 탐색할 '창의적인 방향과 경계'를 정의한다.
큐레이션 (Curate): AI가 생성한 수많은 옵션 중에서 잠재적인 방향성을 '선별(Curate)'한다. 이는 단순한 선택이 아닌, 프로젝트의 목적과 가치에 부합하는 '정확한 판단'을 내리는 과정이다.
제작 (Craft): 선택된 디자인 방향을 기반으로, 실제 배포에 필요한 세부 사항을 디자이너가 '수정하고 다듬는다(Craft)'.
참고자료: https://ditoday.com/ai-design-process/
이 모델은 'Create'와 'Curate' 단계가 매우 빠른 속도로 진행되는 반면, 마지막 'Craft' 단계에서 예상치 못한 시간 지연이 발생할 수 있다고 지적한다. 이는 현재의 생성형 AI가 세부적인 디테일 구현이나 시각적 일관성 유지에 불완전하며 , 디자이너가 AI의 '환각(Hallucination)'이나 왜곡된 요소를 수동으로 수정해야 하기 때문이다. 3C 모델의 'Craft' 단계는 단순한 '다듬기' 이상의 의미를 갖는다. AI를 활용한 창의적 프로세스 연구에 따르면, AI는 '아이디어 생성(ideation)'은 극적으로 가속화하지만, 전통적인 '준비(preparation)' 단계를 압축시킨다. 그 결과, 디자이너는 수많은 아이디어 중 '무엇을 선택하고 검증할 것인가'라는 새로운 도전에 직면한다. 이 새로운 단계를 "콜라주 및 정제(collaging and refinement)"라고 부른다.
이는 단순히 AI가 생성한 결과물 하나를 다듬는 작업이 아니다. 디자이너가 AI로부터 생성된 다양하고 이질적인(diverse) 결과물들을 창의적으로 '결합(combine)'하고 '통합(integrate)'하여 하나의 응집력 있는 작업물(a cohesive work)로 재탄생시키는 과정을 의미한다. 예를 들어, AI가 생성한 A안의 레이아웃, B안의 타이포그래피, C안의 이미지 스타일을 결합하는 '하이브리드 콜라주(Hybrid Collage)' 작업이 이루어진다. 이는 '큐레이션(선택)'을 넘어선 고차원적인 '합성(Synthesis)'의 영역이다.
디자이너는
창조자에서 큐레이터로 간다.
AI가 디자인 프로세스의 '생성' 단계를 급격히 압축하고 자동화함에 따라 , 디자이너의 핵심 가치는 픽셀을 찍어내는 '창조자(Creator)'에서 AI의 결과물을 '판단'하고 협업을 '조율'하는 역할로 빠르게 이동하고 있다.
AI 시대에 디자인의 "가장 어려운 부분은 시작(generate)이 아니라 선택(choosing)과 판단(judge)"이다. AI는 수많은 아이디어를 순식간에 생성할 수 있지만, 무엇이 '좋은' 디자인인지, 무엇이 비즈니스 목표 와 사용자의 근본적인 요구 에 부합하는지 스스로 판단할 수 없다. 디자이너의 역할은 '픽셀 단위의 창조자'에서 AI 도구들을 조율하는 '전략적 AI-디자인 조율자(Orchestrator)'로 진화한다. 앞서 언급된 3C 모델은 이 '큐레이션(Curate)'을 프로세스의 핵심 단계로 공식화했다. 이제 디자이너는 AI가 생성한 5가지 레이아웃 변형을 검토하면서 픽셀을 조정하는 대신, '사용자 흐름(user flows)과 감성적 영향(emotional impact)' 같은 더 상위 레벨의 전략적 결정에 집중한다. 이 역할은 AI의 자동화와 인간의 예술적 방향성 사이의 '스위트 스팟(sweet spot)'을 찾는 것이며 , AI가 생성한 결과물이 기술적으로, 그리고 윤리적으로 올바르게 구현되도록 보장하는 책임을 포함한다. 따라서 AI 시대의 '큐레이션'은 디자이너 고유의 '미적 감각'과 비즈니스 및 기술을 이해하는 '전략적 판단'이 결합된, 대체 불가능한 핵심 역량이다. AI가 '어떻게(How)'를 해결함에 따라, 디자이너는 '무엇을(What)'과 '왜(Why)'에 더욱 집중해야 한다.
AI를 활용한 UXUI디자인을 공부하고 AI 디자이너 자격증도 취득하고 싶다면?
https://onoffmix.com/event/332548
AI를 활용하는 UXUI 디자이너들과 함께 소통하며 성장하고 싶다면?
AI를 활용한 UX/UI 디자인을 책으로 공부하고 싶다면?
https://www.yes24.com/product/goods/148121780
