깊은 맥락 디깅 시작하기
메세지와 맥락 - AI시대의 디자인 리서치
메세지와 맥락
"맥락에 맞는 소리를 좀 해!"
맥락에서 벗어난 이야기 하지 말고! 대화 중 이야기 하던 주제에서 벗어나 뜬금없는 방향으로 이야기를 튼다거나 다른 소리를 하는 사람들이 있을때 우리는 '맥락'에 벗어나지 않아야 한다고 한다.
하지만 이 맥락에 맞는 소리라는 것이 얼마나 모호한 소리인가? 이 세상에 수 많은 맥락 중에, 두 사람이 대화할 때 같은 맥락을 이야기 하는 것은 사실상 기적 같은 일이다!
오고 가는 대화 속에도 맥락이 있다.소통에서 맥락을 지키자는 말은, 맥락을 함께 구성하자는 제안으로 읽혀야 한다. 합의는 결과가 아니라 과정이다.
메세지의 네가지 층위
독일의 Friedemann Schulz von Thun은 Four-sides model을 제안했는데, 모델에서 이야기하는 두 개의 페르소나 - 메시지를 전달하는 사람- 이 메시지를 수신하는 과정 중 전달되는 실제 말, 단어로 이루어진 메시지는 4가지의 인식 모드를 가진다는 것이다.
이론 출처 : Four-sides model, Friedemann Schulz von Thun, 재해석 : Jihee Hwang 제안하는 내용은 다음과 같은 구성을 가진다.
Facts 사실영역은 먼저 데이터나 사실과 같은 객관적인 사실 정보.
Relationship 관계성으로 그 두 페르소나 간의 관계, 서로에 대한 인식 정보의 중첩,
Self-revelation 발신자의 동기, 가치, 감정, 선호
Appeal 화자가 가진 욕망, 조언, 지시, 명령.
메체가 메세지다.
Medium is the message, Marshall McLuhan
Marshall McLuhan의 , 메시지는 내용만이 아니라 전달 매체의 구조에 의해 재구성된다. 같은 문장이 회의실, 메신저, 공개 회의록에 실릴 때 전혀 다른 효과를 낳는다. 맥락을 맞춘다는 것은 형식(매체, 시간, 장소)의 선택까지 포함한다.
Medium is the message, Marshall McLuhan맥락과 의도는 다를 수 있다
의도(intention)는 말하는 이의 목표이고, 맥락(context)은 그 목표가 해석되는 조건이다. 좋은 의도가 부적절한 맥락에 놓이면 왜곡되고, 나쁜 의도도 섬세한 맥락 설계 속에서 덜 상처로 읽힐 수 있다. 좋은 커뮤니케이션은 의도 설계와 맥락 설계를 동시에 다룬다.
네러티브는 어떻게 형성되는가?
사람은 사실을 단순 기록하는 기계가 아니다. 우리는 사건을 감정과 가치로 엮어 내러티브를 빚는다. 이 과정에는 개인 심리(기억 편향, 동기화), 공동체의 정서, 그 시대의 언어와 규범이 함께 개입한다. 그래서 동일한 데이터도 다른 이야기로 읽힌다. 디자인 리서치는 이 다층적 형성 과정을 읽는 기술에 가깝다.
AI 는 인지 과학에 의해 뇌의 과정의 묘사라고 알려져 있다. 이것을 되돌아보는 과정이 아니라, 인지하고, 기억하고, 재수집하는 것은 결과이다. (Coutler) 기억들이 되돌아봐지고, 트리거 되는 과정들은 다양한 방법이 있다. 하지만 컨택스트 베이스는 기록 이상으로 사람들을 통해 기억된다.
LLM 툴은 디자인 리서치를 대신하지 않는다.
AI의 급격한 도입으로 리서처들의 도구와 역할은 변화하고 있지만, 여전히 연구의 핵심은 정량적 지표가 아니라 사람과 사회의 맥락을 어떻게 읽어내는가에 있다. 보고서에 따르면 80%의 연구자가 이미 AI를 활용하고 있지만, 91%가 정확성과 할루시네이션(hallucination)에 대해 우려를 표한다. 또한 연구 임팩트를 숫자로만 측정하는 팀은 절반에 불과하며, 여전히 관찰, 맥락적 이해, 내부 피드백에 크게 의존하고 있다.
AI 는 컨텍스트 베이스 기억들을 모방할 수 있을까?
우리는 종종 기억을 물리적, 사회적 환경에 위탁한다. 사물은 사용 흔적을, 공간은 역사적 층위를, 문화는 세대를 건너온 습속을 품는다. 이 ‘분산 기억’을 AI가 모방하려면 개별 데이터의 정확성뿐 아니라 후성유전학, 사회사적, 문화적 특성까지 다층적으로 모델링해야 한다. �♀️ 가능성은 열려 있지만, 아직은 근사치의 조립에 가깝다.
오픈AI의 할루시네이션
오픈 AI는 Chat gpt에서 겪는 할루시네이션 이슈가 엔지니어링 오류가 아니라, 수학적으로 피할 수 없음을 인정했다.
OpenAI admits AI hallucinations are mathematically inevitable, not just engineering flaws
https://openai.com/index/why-language-models-hallucinate/
리서치의 핵심은 정량 지표가 아니라 맥락 읽기다.
LLM은 속도와 가시화를 돕지만, 현장 감각과 해석의 윤리를 대체하지는 못한다.
기록된 문서, 그 안의 펼쳐진 맥락 찾기
디자인 리서치를 통한 시대의 인식 지형 복원
맥락은 텍스트 밖에서도 발굴된다. 예컨대 사이먼 마이넨베아그의 연구는 세네갈 교통의 발전을 정부 문서의 선형 서사에서만 찾지 않는다. 대신 엽서 속 교통수단의 시각화, 역 이름의 변천 같은 주변 사료를 통해 시대의 인식 지형을 복원한다. 기록의 빈틈을 주변 매체들이 메우며 다층의 아카이브를 이룬다.
Dakar Mobilities, Simon Meienberg, 2025 https://simonmeienberg.com/2025/08/10/dakar-mobilities/
성수 ‘무신사역’ 부역명 - 공공공간의 서사가 바뀐다
최근 무신사가 서울 지하철 2호선 성수역의 부역명 사용권을 확보했다는 소식은, 기업의 영리 추구에 따라 공공 공간의 명명과 기억이 바뀔 수 있음을 시사한다. 장소는 단순한 좌표가 아니라 브랜드·경제·정치가 교차하는 서사적 장이다. 이름이 바뀌면 시민이 공간을 기억하고 호출하는 방식도 달라진다.
기업의 영리에 따라 공공영역이 계속 변화한다면, 미래에 우리의 공공 공간은 어떻게 상상할 수 있을까?
문제 ‘해결’이 아니라 문제 ‘정의’
따라서 디자이너의 과제는 단순히 문제를 해결하는 것이 아니다. 문제를 어떻게 정의할 것인가, 그 정의 속에 어떤 사회적 합의가 숨어 있는가, 그리고 그 합의가 과연 다양한 목소리와 차이를 허용하는가를 비판적으로 질문해야 한다.
“사회적인 게 뭔데?”라는 질문은 단순히 호기심에서 나온 것이 아니다. 그것은 디자인, 심리학, 인지 과학, 그리고 AI 시대의 리서치가 함께 직면한 근본적인 실천적 과제다. 맥락을 무시한 데이터는 사람을 설명하지 못하며, 사회적 합의가 오류를 포함할 때 디자인은 원치 않는 현재를 지속시킬 위험이 있다. 그렇다면 디자인의 진짜 역할은 무엇일까? 아마도 그것은 우리가 원하는 미래를 다시 정의하고, 새로운 사회적 내러티브를 빚어내는 행위일 것이다.
안녕하세요!
참여를 통해 미래를 함께 만들어 갈 수 있도록, 여러가지 즐거운 실험, 프로젝트들을 진행하고 있는 CreativeMess의 황지희입니다.
인간과 사회의 의미와 존재가치에 대해 고민하며, 그리스의 폴리스와 같은 조직화 된 기억체로서 커뮤니티의 가치를 조망합니다.
현재 독일에서 컨설턴트로 일하며, 국제 NGOs, 독일 공공 AI 커뮤니티인 시민 혁신 플랫폼, 시민 참여 프로젝트, 디자인 거버넌스 등 AI 제품 개발, 스타트업, 공공 참여 프로젝트에 참여한 경험을 바탕으로 비지니스의 장기적인 전략적 관점과 실제 성장을 만들어낼 유의미한 협업을 디자인 함으로써 가치를 실현할 수 있도록 돕고 있습니다.
다양한 관점들을 소개해드리고, 그 관점를 만드는 세상의 다양한 일의 'Why'를 질문하겠습니다.
감사합니다.