UX 리서치에서 AI를 어떻게 사용할까?

한때 "사용자 리서치에 AI를 사용할까?"라는 질문이 이제는 "리서치에서 AI를 어떻게 사용할까?"로 바뀌었습니다. ChatGPT와 같은 생성 도구가 출시된 지 불과 몇 년 만에 제품 팀의 58%가 이미 AI 도구를 사용하고 있습니다. 많은 사람들에게 머신 러닝(ML) 모델은 UX 리서치 워크플로의 일상적인 부분이 되었습니다. 그렇다면 다른 디자이너 들은 UX 리서치 과정에서 AI를 어떻게 협업 도구로 활용하고 있을까요? AI 도입의 어려움과 고려 사항은 무엇일까요?

UX 리서치에서 AI는 어떻게 활용될까요?

AI는 UX 리서치 프로세스의 여러 단계에서 작업을 효율적으로 처리하고 자동화하는 데 사용됩니다.

다음과 같은 기능들을 제공합니다.

사용자 리서치 질문 작성

2차(데스크) 리서치 자료 검색

데이터 접근성 향상

방대한 데이터 세트 분석

사용성 테스트 자동화

사용자 인터뷰 지원

인터뷰 내용 텍스트 변환

UX 리서치 보고서 작성

(이 부분에 대한 자세한 이야기는 다른 글에서 더 깊이 있게 풀어보겠습니다.)

AI를 활용했을 때 얻을 수 있는 이점은 무엇일까요?

AI는 UX 리서치 담당자가 직접 수행하느라 많은 시간과 노력이 필요했던 작업들을 대신 처리하며, UX 리서치 과정을 더욱 빠르게 만들어 줍니다. UX 리서치 과정의 일부를 자동화함으로써, 팀은 시간과 자원을 절약하면서 UX 리서치의 전략적 단계에 더욱 집중할 수 있습니다.

예를 들어, AI 모델은 사용자 인터뷰를 자동으로 기록하고 반복되는 코드와 주요 주제를 찾아내어 주제 분석에 소요되는 시간을 절약해 줍니다. 그런 다음 AI를 사용하여 이러한 귀중한 통찰력을 보고서로 전환할 수 있습니다.

요약하자면, AI는 통찰력을 얻는 데 걸리는 시간을 단축하고 팀의 많은 수고를 덜어줍니다(물론, 적합한 도구가 있다는 전제하에).

UX 리서치 프로세스를 돕는 5가지 AI 도구:

현재 시장에는 UX 리서치 자동화를 돕는 다양한 AI 연구 도구가 쏟아져 나오고 있습니다. 몇몇 AI 기반 도구들은(특정 업체를 지칭하는 것은 아닙니다. 평소에 쓰시던 도구 중에서 편한 것을 사용해 보시면 됩니다.) UX 리서치를 수행하고 분석하는 데 필요한 올인원 기능을 제공하기도 하지만, 전반적인 업무 효율성을 높이려면 여러 도구를 함께 사용하는 것이 좋습니다.

이에 연구 과정의 주요 단계에서 활용 가능한 최고의 AI 도구를 찾기 위해 다방면으로 조사한 결과, 몇가지 도구들을 찾았습니다.

ChatGPT: 아이디어 발상 및 발견

Respondent: 연구 참여자 모집

Maze: 연구 실행

Notion AI: 연구 결과 저장

Notably AI: 결과 보고서 작성

1. ChatGPT: 사전 조사 및 아이디어 구상

ChatGPT는 OpenAI에서 개발한 생성형 인공지능 모델입니다. 이는 대규모 웹 페이지 모음을 분석하고 사용자로부터 직접 학습하여 질문에 대해 사람과 유사한 답변을 생성합니다. 최근 이 도구는 유료 플랜에 새로운 Deep Research 기능을 출시했는데, 이 기능은 고급 추론을 사용하여 많은 양의 연구 데이터를 종합하고 철저하고 신뢰할 수 있는 답변을 제공합니다. ChatGPT AI 프롬프트를 제공함으로써 UX 연구 프로젝트에 대한 예비 조사 및 아이디어를 구상하는 데 사용할 수 있습니다.

한 가지 예로 모델에 대상 청중에 대한 정보를 제공하고 사용자 페르소나를 만드는 데 도움을 요청할 수 있습니다. 또한 시장 동향에 대한 2차 자료를 요청하고 UX 연구 목표, 연구 가설 및 UX 연구 계획 초안을 구상할 수도 있습니다.

2. Respondent: AI 기반 참가자 모집

Respondent는 한국을 포함한 150개국에서 3백만 명 이상의 테스터를 모집하는 패널이자 사용자 테스트 모집 도구로서, 잠재적 참가자에게 접근 권한을 제공합니다. 또한, 이 플랫폼은 알고리즘을 통해 사용자 기반에 적합한 완벽한 후보자를 찾을 때까지 테스터를 선별하도록 돕고, 머신 러닝을 사용하여 참여 의사가 높은 참가자를 식별함으로써 인터뷰 일정 후 불참자를 효과적으로 줄여줍니다.

3. Maze: UX 리서치를 수행하여 더 빠른 인사이트

다양한 UX 리서치 방법을 제공하는 사용자 리서치 플랫폼이며, 그중 상당수가 AI 기반입니다. Perfect Question 기능은 사용자 인터뷰 또는 설문 조사 질문에서 편향을 없애 정확한 데이터를 보장하는 데 도움이 됩니다. Maze AI를 사용하면 더 깊이 있는 분석이 필요할 때 AI 기반으로 사용자 인터뷰를 대규모로 진행할 수 있을 뿐만 아니라, 참가자 개개인의 응답에 맞춘 후속 질문을 생성하여 피상적인 통찰력을 넘어설 수 있습니다. 또한 인터뷰 스터디 후 사용자 인터뷰 기록을 자동으로 생성하고, 주요 인용구 강조, 발언자 표시, 감정 분석, AI 주제 분석을 통해 사용자 인터뷰 분석 작업을 덜어줍니다.

4. Notion AI: 연구 및 데이터 저장 장소를 구축

UX 리서치를 수행한 후 데이터를 저장, 구성 및 정리할 안전한 장소가 필요합니다. 전용 리포지토리 도구가 있지만 많은 UX 팀은 Google Sheets 또는 Microsoft Excel 데이터베이스를 수동으로 관리합니다.

Notion AI를 사용하면 UX 리서치 저장소를 구축하고 설정하는 데 필요한 많은 프로세스를 자동화할 수 있습니다. 모델에 작업을 설명하기만 하면 됩니다. Notion AI는 생성된 태그 및 범주와 함께 속성을 제안합니다. 설정이 완료되면 Notion에 다른 페이지 및 데이터베이스에서 결과를 가져오도록 요청한 다음, 이러한 결과를 향후 연구 프로젝트와 상호 연결할 수 있습니다. 더 이상 1년 전에 했던 연구를 찾느라 시간을 낭비하지 마세요. 이제 직관적인 인사이트를 얻을 수 있습니다. 많은 연구자들이 Notion을 연구 자료 저장 공간으로 활용하고 있으며, 이곳에서 무료 템플릿을 사용해 볼 수 있습니다.

5. Notably AI: 인사이트 보고서 작성

유용한 인사이트를 얻었다면 이해 관계자들이 쉽게 이해할 수 있도록 내용을 잘게 나누어 제시해야 합니다. 연구 보고서를 작성하는 데는 시간이 많이 걸리지만, AI 도구를 활용하면 이러한 작업을 줄일 수 있습니다. 때로는 데이터를 세분화하여 핵심 인사이트와 사운드바이트(soundbite)[1]를 도출하는 것만으로도 이해 관계자들의 동의를 쉽게 얻을 수 있습니다. [1] 사운드바이트: 뉴스나 연설 등에서 핵심 내용을 짧게 발췌한 문구.

Notably AI는 특히 질적 데이터를 요약하여 브리핑 및 보고서로 만들어 중요한 결과 도출을 용이하게 합니다. 템플릿 기능을 통해 데이터 관련 질문에 대한 답변을 신속하게 얻을 수 있으며, 생성형 이미지 AI는 보고서에 필요한 독창적인 이미지 콘텐츠 제작을 지원합니다.

UX 리서치에 AI를 사용하는 것은 어떤 면에서 어려울까요?

AI를 올바르게 사용하면 UX 리서치를 간소화하고, 반복적인 작업을 자동화하며, UX 리서치 프로젝트 수행 시 따르는 많은 양의 힘든 관리 업무를 최소화할 수 있는 귀중한 도구가 될 수 있습니다.

하지만 다른 도구와 마찬가지로 숙달하는 데 어려움이 있을 수 있습니다.

1. AI 기술에 대한 지나친 의존

UX 리서치는 인간에 대한 깊은 이해를 필요로 하는 작업으로, 제품에 대한 태도를 더 잘 이해하기 위해 사용자 피드백에 몰두해야 하는 경우가 많습니다. AI는 분석과 관련된 많은 수작업을 줄여주지만, 많은 연구자들이 이러한 작업을 수행하면서 사용자층에 대한 깊이 있는 이해를 형성합니다.

예를 들어, 질적 인터뷰 데이터를 자세히 살펴보면 사용자의 관점에서 고충과 동기를 파악하는 데 도움이 됩니다. AI를 사용하여 분석을 자동화하고 속도를 높일 수 있지만, 결과를 액면 그대로 받아들이는 대신 시간을 할애하여 사용자의 목소리를 진정으로 듣고 인간적인 관점을 개발해야 합니다.

2. 민감한 사용자 정보의 데이터 보안

UX 전문가는 강력한 보안 조치를 취하고 데이터 프라이버시를 중요하게 여기는 도구를 찾아야 합니다. 따라서 데이터 수집 방식을 투명하게 공개하고 GDPR(일반 데이터 보호 규정) 및 소비자 개인 정보 보호법과 같은 규제 법률을 준수하는 도구를 우선적으로 선택해야 합니다. 내부 AI 도구 훈련에 데이터를 활용할 때도 연구 목적으로 소프트웨어를 사용할 때와 같은 원칙이 적용됩니다. 데이터 소유권을 명확히 하고, 사용자가 원치 않는 방식으로 데이터가 활용되지 않도록 해야 합니다.

3. AI 기반 결과의 잠재적인 편향

많은 UX 연구자들의 주요 관심사 중 하나는 편향과 차별 문제입니다. 생성 AI 모델은 대규모 데이터 세트를 기반으로 학습하는데, 이 데이터에는 편향이 포함되어 있거나 특정 인구 통계 및 소외 집단을 과소 대표하는 경우가 많습니다. 게다가 AI는 다른 기술과 마찬가지로 인간에 의해 만들어지므로, 인간 고유의 편향으로부터 자유로울 수 없습니다.

4. 포괄적인 디자인과 UX 연구 윤리

ChatGPT와 같은 생성형 AI 모델을 아이디어 구상 단계에서 사용할 때, 사실 확인 (fact check)은 매우 중요합니다.

예를 들어 페르소나를 만들기 위해 사용자 애로사항 관련 연구를 인용할 때는 연구의 신뢰성과 참가자 그룹, 기준 등을 확인해야 합니다. 또한, 참가자를 선정하거나 2차 연구 자료를 활용할 때 포용적인 관점을 의식하고, 이를 반영하기 위한 노력을 기울여야 합니다.

AI를 효과적으로 활용하기 위한 방법

AI 자동화는 큰 이점이지만, ML 모델을 작업 진행 (workflow)에 도입하는 것은 자동적으로 이루어지는 것이 아닙니다. AI 도입이 작업 흐름에 도움이 되도록 다음과 같은 방법을 활용해 보세요.

1. 작은 규모로 시작하여 점차적으로 확장하세요.

AI는 대체재가 아닌 보완재입니다. 제대로 도입하면 효율성을 높여주고 시간을 절약해 줍니다. 하지만 잘못된 모델을 선택하거나 너무 많은 부분을 빠르게 대체하려고 하면, AI는 작업 흐름을 망치고 자원 낭비만 초래할 수 있습니다.

AI를 도입하는 가장 좋은 방법은 작고 점진적인 단계를 거치는 것입니다. 팀의 시간을 너무 많이 소모하는 수동 작업을 찾은 다음, AI를 실험하고 결과를 테스트해 보세요. 이렇게 하면 통제된 환경을 확보하고 위험을 낮춰 더 확장할 수 있습니다.

2. 윤리적 연구 기준을 준수해야 합니다.

AI 지원 사용자 연구를 사용할 때 데이터를 수집, 분석 및 적용할 때 항상 무결성을 확보하고 사용자 권리를 우선적으로 고려하세요. 이럴 때 동의서, 투명성 및 보안 스토리지 프로토콜이 중요한 역할을 합니다.

AI는 방대한 양의 데이터를 분석할 수 있기 때문에, 참가자들이 AI가 데이터를 수집하고 사용하는 방식을 제대로 이해하지 못할 경우 UX 연구원은 그 목적을 투명하게 설명하고 명확히 해야 할 책임이 있습니다.

3. AI가 생성한 결과의 정확성을 검토해야 합니다.

대부분의 경우 AI는 질적 데이터든 양적 데이터든 대규모 데이터 세트를 정확하게 분석할 수 있습니다. 하지만 그렇다고 해서 결괏값을 액면 그대로 받아들여서는 안 됩니다. 작은 그룹을 선택하여 수동으로 분석함으로써 질적 및 양적 데이터를 주기적으로 확인해야 합니다. 이는 정확성을 보장할 뿐만 아니라 사용자 태도에 몰입하여 사용자의 요구 사항을 더 깊이 이해하는 데 도움이 됩니다.

4. AI 기반의 정량적인 통찰과 정성적인 분석을 융합합니다.

AI 기반 UX 연구는 반복적인 작업에 소요되는 시간을 줄여주며, 분석도 그중 하나입니다. 모델은 정량적 데이터를 훨씬 빠르게 처리할 수 있으므로 팀은 더 깊이 있는 통찰력을 얻는 데 더 많은 시간을 할애할 수 있습니다. 폐쇄형 피드백 설문 조사와 같은 순전히 정량적인 연구를 수행하는 대신, 사용자에게 개방형 질문도 하세요. 사용자가 생각하는 바를 알려줄 뿐만 아니라 왜 그렇게 생각하는지에 대한 더 풍부하고 맥락적인 통찰력을 얻을 수 있습니다.

결론적으로, AI를 제품, 업무, 사업 전반에 걸쳐 통합하는 것은 매우 중요합니다. 이 새로운 시대를 성공적으로 헤쳐나가시길 바랍니다!

---