✅ 오늘의 파쓰 지식 : 오늘은 인공지능 서비스가 실제 사용자를 대체할 수 있는 서비스와 이에 대한 한계에 대해 알아봐요!

✅ 파쓰가 전하는 테크 샤라웃 : 토스, 무신사, 뷰저블의 테크 블로그 소식을 소개합니다!

최근 몇 년간 UX 리서치 분야에서 인공지능(AI)의 도입이 급격히 증가했어요. 기존에는 AI가 단순히 반복 작업을 자동화하거나 번거로운 업무를 줄이는 데 그쳤지만, 오늘날의 AI는 연구를 계획하고 진행하며 분석하는 전 과정에서 다양한 툴로 활용되고 있어요. 이러한 변화는 기대와 우려를 동시에 불러일으키고 있지만, UX 리서치 방법론과 범위를 크게 변화시키고 있어요.

특히, 최근엔 사용자 리서치 자체를 생성형 AI로 대체하려는 시도까지 등장했는데요. 작년 2월 출시된 ‘Synthetic User’라는 서비스가 그 대표적인 사례예요. 이 서비스는 이름 그대로 제품 개발과 관련한 사용자 리서치의 대상을 실제 사용자가 아닌 가상의 사용자로 대체하여, 인터뷰 및 설문조사를 진행할 수 있게 도와주는 서비스인데요.

이러한 서비스에 대한 기대가 있는 반면,  AI가 인간이 할 수 있는 영역까지 대체하려고 하면서 논란이 생기기도 했어요. 그래서 오늘은 이러한 AI 서비스가 실제 사용자를 대체할 수 있을지, 그 한계는 무엇인지에 대해 살펴보고자 해요.

'Synthetic User', 번역하면 '합성 사용자'는 AI가 생성한 가상의 사용자를 의미하는데요. 합성 사용자에 대해 이해하기 위해서는 먼저 합성 데이터의 개념을 알아야 해요. 합성 데이터란 실제 데이터와 유사하지만, 가상으로 생성된 데이터를 말해요. 실제 데이터를 모방해 생성형 인공 지능 기술을 기반으로 한 컴퓨팅 알고리즘 및 시뮬레이션을 통해 생성되어요.

이러한 합성 데이터는 실제 데이터 집합을 확보하기 어려울 때 특히 유용한데요. 예를 들어, 자동차 제조업체에서는 가상 자동차 시뮬레이션에서 운전자 행동을 모방한 합성 데이터를 통해 다양한 상황을 연출하고 모델을 훈련하기도 해요. 또, 금융 분야에서 은행이나 핀테크 회사에서는 고객의 데이터를 함부로 사용할 수 없기 때문에 대출이나 사기 탐지 모델 등을 훈련하기 위해 합성 데이터를 생성해서 사용할 수 있어요. 

그렇다면 합성 사용자란 무엇일까요? 합성 사용자는 실제 사람을 기반으로 하지 않은 가상 사용자로, 특수한 목적으로 생성된 사용자 합성 데이터입니다. 이들은 실제 환경에서 사용자 행태를 모방하도록 설계되고, 대규모 데이터 분석이나 시스템 테스트 등에 사용되어요. ChatGPT와 같은 생성형 AI 기술이 발전하면서, 특정 사용자 그룹에 대한 방대한 양의 사용 가능한 데이터를 합성해서 새로운 사용자 페르소나를 쉽게 만들고 다양한 분야에 활용할 수 있는 서비스도 생겨났는데요. 오늘은 그중에 대표적인 서비스 'Synthetic User'에 대해 함께 알아보아요. 

합성 사용자의 실제 적용🔍

Synthetic User를 사용하기 위해서는 먼저 사용자 그룹, 리서치 목표 및 인터뷰 유형을 지정해 줘야 해요. 지정하게 되면 Synthetic User에서 페르소나 프로필을 제공해 주는데, 이 프로필과 채팅을 통해서 사용자 리서치를 진행할 수 있어요. 

글로벌 UX 컨설팅사 닐슨노먼그룹은 실제로 Synthetic User 서비스를 활용해 '의료 세부 정보 담당자'라는 합성 사용자 페르소나를 생성하고, 그 페르소나의 일반적인 하루를 설명해 달라고 요청했는데요. 놀랍게도 그 결과가 닐슨노먼그룹의 실제 사용자가 답한 내용과 매우 유사했다고 해요. 그 답변은 다음과 같았어요. 

Response from a synthetic user: (번역)

물론이죠! 제 하루는 보통 오전 7시에 시작되는데, 그때 하루 일정을 확인하고 의사나 의료 전문가들과의 회의를 준비해요. 가장 먼저 하는 일은 필요한 자료들을 챙기는 것이에요. 예를 들면, 심혈관 약물이나 항생제 샘플, 그리고 이전 방문에서 전달했던 후속 정보들을 확인하죠. 이렇게 철저히 준비하는 이유는 만나는 의사분들과 신뢰와 신뢰감을 쌓기 위해서예요.

오전 8시쯤 되면, 주로 Bogotá 내의 병원과 클리닉을 방문해요. 보통 하루에 다섯에서 여섯 번의 약속을 잡고, 그 자리에서 최신 연구 내용과 제가 소개하는 제품의 장점들을 설명해요. 제 업무에서 중요한 부분은 좋은 관계를 구축하는 것이어서, 각 의료 전문가의 필요를 이해하고 거기에 맞춰 대화를 나누려고 해요. 때로는 개인 맞춤형 선물을 준비하거나 그분들의 진료소와 관련된 세부사항을 기억하는 것처럼, 제가 진심으로 관심을 갖고 있다는 걸 보여드리는 것도 중요하죠.

이와 같이, 간단한 입력만으로도 합성 사용자의 프로필을 빠르게 만들어내고, 정확도가 높은 사용자 답변을 얻을 수 있다는 점이 Synthetic User 서비스의 가장 큰 장점입니다. 특히, 완전히 새로운 도메인에서 프로젝트를 진행할 경우 합성 사용자의 결과를 토대로 해당 도메인의 사용자를 빠르게 이해하는 데에 큰 도움이 될 수 있어요. 

합성 사용자, 실제 유저를 대체할 수 있을까?🤷‍♀️

그렇다면 합성 사용자가 실제 사용자 연구를 완전히 대체할 수 있을까요? 아쉽게도 Synthesis User 서비스를 활용하면 사용자 이해를 위한 시간과 비용은 크게 절감할 수 있지만 한계점 또한 분명히 존재해요. 합성 사용자는 인간이 가진 깊이 있는 통찰력, 복잡한 감정, 직관, 그리고 예기치 못한 행동을 충분히 반영하지는 못해요. 그래서 합성 사용자로부터 얻을 수 있는 데이터는 제한적일 수 있어 실제 사용자와의 상호작용을 완전히 대체하는 것은 어렵다고 볼 수 있어요. 

• 연구 준비 단계에서 합성 사용자 활용하기 🧚‍♀️
  합성 사용자는 새로운 사용자 그룹에 대해 이해하거나 탐색적 연구에서 다룰 주제를 선정하는 데 유용해요. 또한 인터뷰 가이드를 파일럿 테스트하는 데 도움을 줄 수 있어요. 이로써 연구의 방향을 사전 점검해 볼 수 있죠.
  

• 합성 사용자 데이터는 가설로 취급하기 📝
  합성 사용자로 얻은 데이터는 연구 초기 단계의 가설로 보고, 실제 사용자와의 연구 후 수정하거나 보완하는 게 중요해요. 프로토 페르소나나 초기 단계의 여정 맵(가설 맵)으로 활용해, 이후 실제 데이터로 검증하고 개선할 수 있는 기초 자료로 삼을 수 있어요.
  

• 실제 사용자 연구의 대체물로 사용하지 않기 ❌
  합성 사용자로부터 얻은 데이터는 항상 신뢰할 수 있는 것은 아니에요. AI는 실제 사용자의 복잡한 의견과 행동을 완전히 반영할 수 없어서, 합성 사용자 연구만으로는 충분하지 않아요. 그래서 반드시 실제 사용자 연구로 확인이 필요해요.
  
  

• 합성 사용자 연구를 실제 연구 결과로 제시하지 않기 🚫
  합성 사용자 연구를 실제 사용자 연구처럼 제시하는 것은 비윤리적이에요. 결과 출처를 명확히 밝히지 않으면 조직 내 사용자 연구의 신뢰를 해칠 수 있어요. 항상 이 결과가 합성 데이터임을 명확히 설명해야 해요.
  
  

• 틈새시장이나 전문화된 사용자 집단에는 사용하지 않기 🙅‍♀️
  AI 모델은 인터넷에 널리 퍼진 정보를 바탕으로 학습하므로, 틈새시장이나 특정 분야의 사용자를 잘 반영하지 못할 수 있어요. 예를 들어, 베트남의 쌀 농부와 같은 전문 집단을 연구하는 데는 부정확할 가능성이 크죠. 반면에, 널리 알려진 주제나 일반적인 소비자에 대해서는 보다 신뢰할 수 있어요.
  
  

• 온라인과 실제 생활의 차이를 인지하기 💡
  합성 사용자 데이터는 온라인 행동을 기반으로 할 가능성이 커서 왜곡될 수 있어요. 예를 들어, 보통 별점 이벤트가 없는 리뷰들은 극단적인 경우에 작성될 가능성이 높기 때문에, 실제 고객 경험을 충분히 반영하지 못할 수 있죠. 이처럼 합성 사용자 데이터는 실제 생활의 모든 측면을 반영하지 못할 수 있어요.
  
  

• UX 성숙도가 낮은 조직에서는 신중하게 고려하기 😣
  UX 리서치에 대한 이해가 낮은 조직에서는 쉽고 편하게 사용할 수 있는 합성 사용자 툴이 이상적으로 보일 수 있지만, 실제로는 이를 오해하고 지나치게 의존할 위험이 있어요. 합성 사용자 결과만으로 의사결정을 내리는 상황을 피하려면, 반드시 실제 사용자 피드백을 포함하여 리서치를 보완해야 해요.

• Maria Rosala(외 1인)(2024)."Synthetic User: If, When, and How to Use AI-Generated "Research".NN/g
• 손병채(2023)."[손병채의 센스메이킹]<10>기계가 소비자가 될 때".전자신문
• pxd Story(2024)."AI도 UX리서처가 될 수 있을까? AI 모더레이터 툴 리뷰".요즘IT
  
• 김동욱(2024)."왜 UX 디자이너들은 AI UX리서치에 주목할까?".디지털인사이트
• NILOUFAR SALEHI(2023)."I tried out SyntheticUsers, so you don't have to".Niloufar's Substack
• Greg Nudelman(2024)."Navigating the Abyss: The Dark Sied of Synthetic AI User Research Tools".UX for AI