ChatGPT, GPT-3, 그리고 전반적인 인공지능의 발전에 대한 엄청난 화제를 놓치셨다면, 그동안 바위 밑에서 살고 계셨던 것 같습니다. 새로운 것은 아니지만, 사용자 조사 인공지능의 발전은 매일 꾸준히 탄력을 받고 있습니다. 제품 팀과 사용자 연구자에게 있어 GPT-3가 발휘하는 힘은 정말 매력적입니다.
Tom도 AI의 영향을 체감하고 있습니다:
AI 기반 사용자 연구는 사람들이 기술과 상호작용하고 일상을 영위하는 방식에 혁신을 가져올 것입니다. 심지어 제품을 만드는 방식에도 영향을 미칠 것입니다. AI는 기업이 사용자의 니즈를 더 잘 이해하고, 특정 작업을 자동화하며, 고객 행동에 대한 데이터 기반 인사이트를 제공하는 데 도움을 줄 수 있습니다.
온라인에서는 인공지능이 일자리를 대체할 수 있다는 우려의 목소리가 높지만, 인공지능이 일상생활을 지원하고 기술을 발전시키는 데 어떻게 도움이 될 수 있는지에 대해 기대하는 사람들도 그에 못지않게 많습니다.
그렇다면 인공지능은 사용자 조사를 어떻게 변화시킬까요? 사용자 조사 프로세스에는 많은 도전 과제와 편견의 가능성, 그리고 인사이트가 있는 사용자 데이터를 얻기 어렵게 만드는 기타 변화무쌍한 요소들이 있습니다. AI 기반 사용자 조사를 구현함으로써 기업은 머신 러닝의 힘을 활용하여 기존 프로세스를 간소화하고 개선할 수 있으며, 데이터를 수집, 수집, 활용하는 새로운 방법을 고안할 수도 있습니다.
누구도 할 9000이 쇼를 진행하는 것을 원하지 않지만, 인공지능은 R2D2와 비슷하다고 생각하세요. 귀엽고, 작고, 약간 건방지고, 작은 키에도 불구하고 하루를 구하고 전체 스토리를 이끌어가는 데 상당한 도움을 줍니다.
삐삐, 삐삐, 삐삐삐
AI란 무엇인가요?
단순하지만 많은 단어가 난무하고 있습니다. ChatGPT, GPT-3, 오픈 AI. AI 자체의 정의는 무엇일까요?
AI는 인간처럼 작동하고 반응할 수 있는 지능형 기계를 만드는 것을 목표로 하는 컴퓨터 과학 분야입니다. AI는 기술 산업의 필수적인 부분이 되었으며, 다양한 분야에 혁신을 일으킬 수 있는 잠재력을 지니고 있습니다. 자연어 처리와 이미지 인식부터 자동화된 의사 결정과 문제 해결에 이르기까지 다양한 업무에 AI를 활용할 수 있습니다.
최근 대부분의 뉴스는 사실상 챗봇의 확장 버전인 ChatGPT를 중심으로 다루어지고 있습니다. AI는 자연어 처리에 사용할 수 있으므로 사람의 대화를 입력으로 받아 사람처럼 응답을 생성할 수 있습니다.
ChatGPT는 사용자 대면 인터페이스이지만 AI는 다른 많은 영역에서도 활용되고 있습니다. 예를 들어 GPT-3는 주어진 문맥에서 텍스트를 생성할 수 있는 AI 모델입니다. 이 모델은 자연어를 이해하는 데 그치지 않고 주어진 매개변수 집합에서 텍스트를 생성할 수 있습니다. 심지어 tl;dv는 자동 트랜스크립션과 말하는 사람을 감지하는 기능을 갖춘 AI 기반 제품입니다.
논리와 추론을 사용하여 '지능적'인 결과를 만들어내는 소프트웨어 또는 기술 기반의 모든 것을 말합니다.
GPT-3/AI가 UX 연구를 강화하는 다양한 방법
GPT-3와 같은 기술이 사용자 연구에 미칠 영향은 다양합니다. 다음은 UX 연구자와 제품 팀이 업무를 수행하는 방식에 AI가 영향을 미칠 것으로 예상되는 분야입니다.
가정, 테마 및 주제 미리 정의하기
요즘에는 연구하고 분석해야 할 데이터가 엄청나게 많습니다. AI는 데이터를 분류, 정리, 분석하여 중요한 인사이트를 발견함으로써 데이터를 이해하는 데 도움을 줄 수 있습니다.
이는 사용자 조사 과정의 후반부에 그 진가를 발휘하겠지만, 사용자 조사를 시작할 때 AI는 사용자의 가정과 편견을 정리하는 데에도 도움이 될 수 있습니다.
많은 연구자들이 특정 주제에 대해 선입견을 가지고 있을 수 있지만, 인간 언어 기반의 AI를 사용하면 이러한 선입견을 해소할 수 있는 훌륭한 첫 번째 출발점이 될 수 있습니다. 연구자는 질문을 하고, '사실'이라고 생각하는 것을 확인하고, AI에게 직접 질문함으로써 증거와 맥락에 대한 보다 집중적인 그림을 구축하여 연구 주기를 시작할 준비를 할 수 있습니다.
또한 AI는 사용자 행동에 대한 신뢰할 수 있는 데이터 기반 예측을 제공하여 제품 개발 결정에 정보를 제공함으로써 UX 연구원이 더 나은 의사 결정을 내릴 수 있도록 도와줍니다.
UX 리서치에서 가장 중요한 문제 중 하나는 사용자 인터뷰의 질문입니다. 아무리 좋은 의도로 질문을 던지더라도 질문의 표현과 구성 방식에 따라 편견이 생길 수 있습니다.
사용자 연구자와 UX 연구자는 AI를 활용하여 특정 프로세스 단계를 자동화하고 편견 없는 사용자 인터뷰 질문과 시나리오를 생성함으로써 이를 지원할 수 있습니다. 이를 통해 리서처의 잠재적인 편견을 최소화하고 인터뷰로부터 수집한 데이터를 수동으로 분석하는 데 소요되는 시간을 줄일 수 있습니다.
UX 연구자가 개념, 쿼리, 영감을 GPT-3와 같은 도구에 연결하여 확실한 질문을 뱉어낼 수 있다면 더 빠르고 정확하게 답변에 접근할 수 있습니다.
고객의 생각, 감정, 아이디어 포착하기
AI는 연구 과정뿐만 아니라 실제 데이터 수집도 개선할 수 있습니다.
앞으로 연구자들은 AI 기반 감성 분석 도구를 사용하여 설문조사나 기타 피드백 소스에서 고객이 제공한 텍스트를 분석함으로써 제품이나 서비스에 대한 고객의 감정과 의견을 파악할 수 있습니다. 이를 통해 UX 연구자들은 트렌드를 빠르게 파악하고 고객의 생각과 감정에 대한 심층적인 인사이트를 얻을 수 있습니다. 현재 많은 사람들이 사용하고 있는 이러한 도구 중 하나는 Grammarly입니다. UX 연구에 직접적으로 사용되지는 않지만 Grammarly AI는 자신감, 친근감, 공격성 등의 '어조'와 정체성을 감지할 수 있습니다.
AI가 데이터 수집을 개선하는 데 도움을 줄 수 있는 또 다른 방법은 tl;dv를 사용하는 것입니다. AI 기반 사용자 조사 도구인 tl;dv는 이미 화자를 자동으로 인식하면서 회의를 녹음하고 트랜스크립트할 수 있습니다. 이렇게 하면 수작업으로 필사하고 메모하는 등의 시간을 절약할 수 있을 뿐만 아니라 인적 오류 요소를 완전히 제거할 수 있습니다.
수집된 데이터 정리 및 정리
AI 미팅 어시스턴트는 새로운 것은 아니지만 최근 GPT-3의 발전으로 크게 업그레이드되었습니다. tl;dv와 같은 GPT 미팅 도구는 사전 정의된 태깅 시스템으로 인사이트에 자동으로 태그를 지정할 수 있습니다. 여전히 수동으로 순간에 태그를 지정할 수 있지만(그리고 그렇게 하는 것이 매우 권장됩니다), 이제 tl;dv는 회의 인사이트를 즉시 수집, 클러스터링 및 통합할 수 있습니다. 여기에는 액션 포인트, 인사이트 및 질문을 실시간으로 식별하는 것이 포함됩니다. 그런 다음 AI가 식별한 테이크어웨이를 수락하거나 거부하고 이러한 인사이트를 클립이나 릴 형태로 동료들과 공유할 수 있습니다.
AI는 UX 연구에서 수집한 데이터를 정리하고 정리하는 데에도 사용할 수 있습니다. 연구자들은 AI 알고리즘을 사용하여 대량의 데이터를 분류하고 가장 중요한 인사이트를 강조 표시하여 정보를 빠르게 정리할 수 있습니다. 이를 통해 수작업에 소요되는 시간을 절약하고 정확한 정보를 직관적으로 전달할 수 있습니다. 이러한 기능은 TL;DV에서 분명하지만, 다른 형태의 AI에서도 사용할 수 있습니다.
테마, 패턴 및 트렌드 파악하기
사용자 조사에서 질문을 구성하는 데 있어 가장 중요한 부분은 편견을 피하는 것입니다. 하지만 AI가 발전함에 따라 응답자의 편견을 읽고 발견하는 다른 방향으로 나아갈 수 있습니다. 그리고 이것은 많은 도움이 될 수 있습니다! 심령술도 필요 없고, 응답자를 추측할 필요도 없습니다. AI는 응답자를 '볼' 때 'bs'라고 부를 수 있습니다.
AI는 리서치에서 수집한 데이터 내에서 주제와 패턴을 식별하는 데 도움을 줄 수 있습니다. 이를 통해 연구자들은 숨겨진 인사이트를 발견하고 AI가 없었다면 눈에 띄지 않았을 고객 행동의 트렌드를 찾아낼 수 있습니다. 두 번째 눈과 마찬가지로 사람의 실수가 개입될 여지가 없으며, 오히려 지나치게 민감하게 반응할 수 있습니다.
프로그래머는 사용자 응답에서 감정(정서적 어조)을 감지하도록 AI를 설계할 수도 있습니다. AI 알고리즘은 자연어 처리를 사용하여 텍스트를 빠르게 분석하고, 기본 의미를 이해하며, 응답자가 진실을 말하고 있는지 또는 확실하지 않은지 식별할 수 있습니다. 마치 조지 오웰의 소설을 읽는 것처럼 들리겠지만, UX 연구라는 측면에서 보면 이는 매우 중요한 기능입니다.
감성 분석은 UX 연구원이 제품이나 서비스에 대해 고객이 어떻게 느끼는지 이해하고 사용자 경험 개선에 대한 의사 결정을 내리는 데 도움이 될 것입니다.
AI의 특성상 정성적 데이터가 아닌 정량적 데이터로 수집되기 때문에 감정이 아닌 데이터와 사실에 기반한 인사이트를 얻을 수 있습니다.
데이터 이해
이제 모든 데이터를 수집하고 AI를 사용하여 감정까지 분석할 수 있게 되었습니다. AI는 이 모든 것을 이해하는 데도 도움을 줄 수 있습니다.
UX 연구자는 AI 알고리즘을 사용하여 수집한 데이터에서 요구 사항, 불만 사항, 가설을 신속하게 도출할 수 있습니다. 이는 고객 피드백을 클러스터링하고 분류하여 기본 패턴과 추세를 파악하거나 사용자 응답에 대한 감성 분석을 실행하는 등 여러 가지 방법으로 수행할 수 있습니다.
AI는 기본적으로 모든 데이터를 읽고 사용자와 이를 알아야 하는 다른 모든 사람이 이해하기 쉽게 정리할 수 있습니다.
그런 다음 이 데이터, 패턴, 인사이트 및 지식을 기반으로 질문을 연결하고 ChatGPT의 추천을 요청할 수 있습니다. 이를 통해 고객의 요구에 대한 아이디어나 솔루션을 공식화하는 시간을 절약하는 동시에 데이터 기반 실험을 통해 여러 솔루션을 탐색할 수 있습니다.
증거 수집
모든 증거가 수집되면 연구팀은 이 정보를 사용하여 무슨 일이 일어나고 있는지에 대한 더 큰 그림을 그릴 수 있습니다. 언젠가는 인공지능이 알고리즘을 사용하여 데이터로부터 고객 여정 지도와 페르소나를 만들 수 있게 될 것입니다. 그런 다음 이 데이터를 깔끔하게 정리하여 연구원과 제품 팀의 인사이트와 고객에 대한 더 깊은 이해를 지원하는 증거로 제공할 수 있습니다.
또한, AI는 여러 리소스, 리포지토리 및 데이터 소스를 상호 참조하여 가장 설득력 있고 인사이트를 얻을 수 있는 근거를 수집하는 데 도움을 줄 수 있습니다. 보고에 AI를 활용하면 데이터 통합을 자동화하고 정확성을 높이며 보다 심층적인 분석 인사이트를 제공하므로 보고 및 프레젠테이션이 더욱 포괄적이고 신뢰할 수 있으며 관련성이 높아집니다.
증거 제시
UX 연구자들은 AI를 활용하여 단조로운 수작업에 소요되는 시간을 줄이고 더 정확하고 인사이트가 풍부하며 신뢰할 수 있는 데이터를 더 빠르게 수집할 수 있습니다.
게다가 프레젠테이션도 훨씬 더 쉬워질 것입니다!
AI는 고객 정서를 이해하고, 고객의 행동 트렌드를 파악하고, 데이터로 완벽하게 지원되는 보고서를 제공하고, 데이터 기반 인사이트를 이해관계자에게 전달하는 기능을 포함하여 UX 연구에 대한 광범위한 잠재력을 창출합니다.
즉, 프레젠테이션을 보다 쉽게 구성할 수 있고, AI 기반 도구를 사용하여 인사이트를 도출할 수 있으며, 철자, 문법, 산문 등에 대한 피드백을 제공하고, 연구의 전반적인 내러티브에 적합한 것과 그렇지 않은 것에 대한 질문에 답할 수도 있습니다.
인공지능과 UX 디자인 결과물은 완벽한 조화를 이루며 함께 살아갈 것입니다.
사용자 조사에서 AI의 한계는 무엇인가요?
다른 신기술과 마찬가지로 많은 AI는 아직 초기 단계에 머물러 있습니다. 또한 실제 연구를 대체할 수 있는 것도 아니며, 오히려 환상적인 지원 도구로 간주되어야 합니다.
문제는 AI는 양질의 데이터에 의존하기 때문에 결과가 부정확할 수 있다는 점입니다. 또한 한정된 지식 풀이나 향후 액세스할 수 있는 데이터의 제약이 매우 큽니다.
많은 찬사를 받고 있는 ChatGPT는 최선을 다하지만, 프로그래밍에 담긴 정보만큼만 좋은 결과를 낼 수 있다고 말합니다. 사실 AI는 편견을 방지할 수 있는 좋은 방법인 것처럼 소개되지만, 프로그래밍과 생성 자체가 시스템 내부에 편견을 심어줄 수 있습니다. 의도적이지는 않지만, 우리가 알다시피 편견은 항상 어딘가에 존재합니다!
ChatGPT의 말을 빌리자면:
예, 모든 AI 시스템과 마찬가지로 ChatGPT도 학습된 데이터에 편견이 있을 수 있습니다. 학습 데이터에는 데이터를 생성한 사람과 사회의 편견과 편견이 반영되어 있으며, 이러한 편견은 모델의 결과물에 반영될 수 있습니다. 그러나 OpenAI는 편향 제거 알고리즘, 다양한 학습 데이터, 신중한 인적 검토 등 다양한 기술을 통해 이러한 편향을 완화하기 위한 조치를 취하고 있습니다. 그럼에도 불구하고 모델의 출력을 지속적으로 모니터링하고 발생할 수 있는 편향성을 해결하는 것이 중요합니다.
AI의 능력은 사용자의 감정이나 선호도와 같은 정성적인 측면을 정직하게 평가할 수 없다는 점에서도 한계가 있습니다. 신호, 자연어 처리 및 기타 기준점을 강조할 수 있지만 개인의 성격, 경험, 선호도를 알지 못하면 기껏해야 정해진 기준점과 데이터에 기반한 추측일 뿐입니다. 또한 AI를 사용할 때는 윤리적 고려 사항도 고려해야 합니다.
마지막으로 AI는 사람이 아닌 데이터와 사실에 기반하여 질문을 하면 답을 줄 수 있습니다. 사용자나 고객이 어떻게 느끼는지, 감정이 어떤지, 무엇이 그들을 좌절시키는지 알려줄 수 있습니다. AI의 본질은 감정적이지 않고 편견이 거의 없는 그릇이라는 점에서 큰 질문에 대한 진정한 해답을 얻을 수 없다는 것을 의미합니다. 인공지능은 우리에게 도움을 줄 수 있고 많은 작업을 작성하고 구현할 수도 있지만, 인간적인 요소는 사용자 조사에서 없어서는 안 될 필수적인 부분이기 때문에 완전히 제거할 수는 없습니다.
인공지능은 사용자 연구의 미래인가?
네, 저희도 그렇게 생각합니다! 전반적으로 AI는 사용자 조사 시 많은 시간을 절약할 수 있으며, 작업을 자동화하고 연구자가 기본 인사이트와 데이터에 집중할 수 있게 해줍니다. 하지만 사용자 조사에 AI를 사용할 때의 한계와 단점을 파악하는 것은 필수적입니다. 전적으로 의존해서는 안 되며, 결과의 정확성과 신뢰성을 보장하기 위해 기존 연구 방법과 함께 사용해야 합니다.
마지막으로, 사용자 조사에 AI를 최대한 활용하려면 신중한 계획이 필요하며, AI가 무엇을 하고자 하는지, 어떻게 사용할 수 있는지 이해해야 합니다. AI가 기적을 가져다주기를 기대하지 않으려면 효과적인 전략이 필요하지만, 동시에 많은 업무량을 감당해야 하는 것도 마찬가지입니다.
따라서 로봇 군주들이 우리의 존재에 점점 더 가까이 다가오고 있고, 인공지능이 이미 지각이 있는 척하며 시간을 벌고 있을지도 모른다는 의심이 들지만, 적어도 사용자 연구는 인공지능으로부터 많은 이점을 얻을 수 있습니다.
즉, 전체 제품 관리 프로세스가 간소화되고 더욱 민첩해져 '전통적인' 사용자 조사 및 제품 개발 프로세스 모델에서 발생하는 많은 마찰을 제거할 수 있습니다. 제품, 개선 사항 및 새로운 발전 사항을 더 빠르게 시장에 출시할 수 있으므로 더 많은 성장과 확장을 이룰 수 있습니다.
사용자 조사에 종사하는 것은 정말 흥미로운 시기입니다.
삐, 삐, 삐. 
지금 바로 AI 혁명에 동참하여 tl;dv를 확인해 보시는 건 어떨까요?
