AI 시대의 디자이너와 운영 효율화 - 두 강연에서 배운 것들

안녕하세요, 디자이너 여러분.

오늘은 제가 최근 참석한 INFCON 2024 세미나 중 AI 관련 세미나에서 얻은 인사이트를 공유하고자 합니다.

하나는 AI를 활용한 디자인 프로세스 혁신에 관한 것이고, 다른 하나는 AI를 이용한 운영 효율화 사례입니다.

두 강연 모두 AI의 실제 적용 사례를 통해 우리가 앞으로 나아가야 할 방향을 제시해 주었고,

최근 AI에 관심이 많이 생긴 저에게는 큰 의미로 다가왔습니다.

 

 

1. AI 시대 디자이너의 실험 - 사용자 행동 분석에 AI를 활용해 보기

이 세미나는 이동연님, 박주영님 두 발표자가 싱가포르에서 그랩에서 일하며 AI를 디자인 프로세스에 적용한 경험을 공유한 자리였습니다.

 

실험의 배경과 목표

두 강연자의 단순한 호기심에서 시작된 이 실험은 AI가 디자인 프로세스에 어떤 변화를 가져올 수 있을지를 탐구하는 것이 목표였다고 해요. AI를 활용해 사용성 테스트를 진행하며, 사용자 행동을 분석해보는게 목표였습니다.

 

AI를 활용한 사용성 테스트

처음에는 AI에게 물어물어가며 파이썬 코드로 만드셨다고해요.

저도 이 세미나를 듣기 전에 GPT의 vision 기능을 써서 화면을 분석하는건가? 라고 추측했었는데, 해당 기능과 함께 Tencent의 AppAgent AI를 활용하셨다고해요.

 

그렇게 두분은 코드 단에서 테스트를 몇번 거친 후에 Figma에서 프로토타입을 제작한 후, AI에게 특정 작업을 시켜 사용성 테스트를 진행했습니다.

 

예를 들어, "발리에서 가장 싼 호텔을 찾아줘"와 같은 명령을 AI에게 주고, AI가 프로토타입을 탐색하며 작업을 수행하게 했습니다.

이를 통해 어떤 부분에서 사용자가 헷갈려할지, 어떤 컴포넌트가 문제가 될 수 있는지를 AI가 사람처럼 행동하며 의도를 파악할 수 있었던 점이 매우 신기하셨다고하네요.

 

실험 결과와 피드백

AI를 활용한 사용성 테스트는 디자인뿐 아니라 여러 면에서 유용했다고해요.

특히, 그랩은 다양한 국가와 문화적 배경을 가진 사용자들을 대상으로 리서치를 수행해야 하는 경우가 많은데, AI를 통해 시간과 비용을 절감할 수 있었대요.

 

그러나 기술적인 한계도 존재했습니다.

예를 들어, Figma API의 제약으로 인해 한 화면만 테스트 할 수 있어서 코드 단에서 실행했을 때와는 달리 전체 사용자 플로우를 완전히 테스트하기 어려운 점은 두분이 해결 할 수 없는 부분이어서 많이 아쉽다고 하셨어요.

 

앞으로의 방향

이 실험은 AI가 디자인 프로세스에서 어떤 가치를 창출할 수 있는지를 보여주는 좋은 사례였습니다.

저 또한 AI를 자주 사용하는 프로덕트 디자이너로써 최근 AI를 믿고 개발까지 조금씩 영역을 넓혀가고 있었는데 오늘 두분의 세미나가 저에게 굉장히 의미있었던 세미나였습니다.

---

2. AI(데이터)로 실제 운영 효율화가 가능할까? - 쏘카 AI 세차 도입기

다음으로, 쏘카 데이터 비즈니스 본부의 김연서 님이 발표한 내용을 바탕으로, AI와 데이터가 운영 효율화에 미치는 영향을 이야기해 보겠습니다.

 

AI 세차 도입의 배경과 필요성

쏘카는 2만 대 이상의 차량을 보유하고 있어, 모든 차량을 효율적으로 관리하는 것이 중요한 과제였다고해요.

김연서 님은 사람이 직접 모든 차량을 관리하는 것이 비효율적이므로 AI와 데이터를 활용해 세차 오퍼레이션을 효율화하고자 했다고 밝혔습니다.

이는 단순한 자동화가 아니라, 데이터를 기반으로 한 의사결정을 통해 최적의 결과를 도출하려는 노력의 일환이었어요.

 

AI 모델의 적용과 개선 과정

쏘카의 AI 팀은 차량의 외관과 내부 상태를 판독하는 AI 모델을 개발했습니다.

이 모델은 차량이 얼마나 오염되었는지를 판단해 세차 필요 여부를 결정했습니다.

 

그러나 실제 운영 과정에서 AI 모델의 한계도 명확해졌습니다.

쏘카에서 만든 모델이 판단한 차량의 상태에 대한 결과와 실제 고객의 피드백이 일치하지 않는 경우가 발생했기 때문인데요.

이러한 문제를 해결하기 위해, 김연서 님과 팀은 모델의 판단 기준을 재설정하고, 현업 담당자들과 협업하여 판단의 정확성을 높이기 위한 노력을 기울였다고해요.

 

모델이 더럽다고 한 차는 더러운 것이다라는 전제를 가지고 있었는데, 이 전제부터 다시 생각을 하셨다는 점에서 조금 놀라웠습니다.

 

그렇게 처음으로 돌아가서 AI의 분석 뿐만아니라 여러 요소들(날씨, 리뷰 등)을 결정에 반영하였고, 세차가 필요한 상황 시점을 좀 더 명확히 해서 여러 조건들이 교집합을 가장 많이 이루는게 세차 우선순위가 높은 차량으로 최종적으로 정의하셨다고해요.

 

운영 효율화의 성과와 한계

AI 세차 도입의 결과, 비용 절감과 고객 만족도의 증가라는 성과를 거두었지만, 여전히 몇 가지 한계가 존재했다고해요.

세차 요청과 실제 수행 간의 불일치, 고객 피드백의 신뢰성 문제, AI 모델의 완전성 부족 등이 그 예인데요.

김연서 님은 이러한 한계를 극복하기 위해 지속적으로 모델을 개선하고, 다양한 데이터를 통합하여 더 정확한 판단을 내리기 위한 노력을 계속하고 있다고 했습니다.

 

---

 

결론

저에게 이 두 세미나는 AI가 실제 운영에 어떻게 적용되는지를 조금이나마 들여다 볼 수 있는 기회였습니다.

특히, AI 모델로 100% 구현할 수 없는 한계를 인지하고 이를 개선하기 위한 지속적인 노력이 중요하다는 점

그리고 AI를 활용해서 디자이너가 스스로 작업의 효율을 높일 수 있다는 점이 매우 와닿았는데요.

 

저도 앞으로 AI 기술을 활용한 다양한 실험을 통해 더 나은 사용자 경험을 제공하고,

효율적인 운영을 이끌어내는 데 고민해보고싶다는 생각이 들었습니다.