AI 네이티브 경험 설계의 필요성

디지털 역사의 대부분 동안 경험 설계는 한 가지 기본 전제를 바탕으로 이루어졌습니다. 조직은 고객이 방문하기 전에 경험을 정의한다는 것입니다.

디자이너는 고객에게 필요한 사항을 예상하고, 가능성이 높은 여정을 설계하며, 고객에게 무엇을 보여줄지, 고객이 어디로 이동할 수 있는지, 다음에 어떤 일이 일어날지를 결정합니다. 개인화를 통해 이러한 경험의 관련성을 높일 수 있지만, 일반적으로 개인화는 이미 설계된 구조 안에서 이루어집니다.

생성형 AI와 에이전틱 AI는 이러한 모델을 바꾸기 시작했습니다. 지능형 시스템은 개인의 맥락과 의도를 점점 더 정확하게 해석하여 그에 따라 어떤 경험을 제공할지 결정할 수 있습니다. 콘텐츠가 달라지고, 인터페이스가 조정되며, 워크플로가 서로 다른 경로를 따를 수 있습니다. 이제 시스템은 여정 안에서 무엇을 보여줄지만 선택하는 것이 아니라 여정 자체를 만들어 갈 수 있습니다.

에이전틱 AI는 업무 수행 주체를 바꾸면서 이러한 변화를 한층 더 발전시킵니다. 고객은 AI 에이전트에게 선택지를 조사하고, 복잡한 제품이나 서비스를 비교하며, 문제를 해결하거나 승인된 거래를 완료하도록 요청할 수 있습니다. 경우에 따라 고객은 기업이 기존에 제공하던 디지털 경험과 직접 상호 작용하지 않을 수도 있습니다.

이러한 변화는 단순한 UX의 발전 그 이상입니다. 디자이너가 설계하는 대상 자체를 바꿉니다.

동일한 결과를 추구하는 두 고객을 생각해 보겠습니다. 한 고객은 자신에게 필요한 것이 무엇인지 정확히 알고 있으며 속도를 중시합니다. 다른 고객은 아직 선택지를 검토하고 있으며, 결정을 내리기 전에 각 선택에 따른 장단점을 이해해야 합니다.

현재는 두 고객 모두 기본적으로 동일한 페이지, 탐색 방식 및 진행 순서를 접하고, 그 위에 서로 다른 추천이나 콘텐츠가 추가될 수 있습니다. 지능형 경험은 여기서 한 단계 더 나아갈 수 있습니다. 두 고객이 애초에 동일한 여정을 따라서는 안 된다고 판단할 수 있습니다.

한 고객에게는 시스템이 불필요한 단계를 제거하고 신속하게 완료 단계로 진행할 수 있습니다. 다른 고객에게는 비교 정보, 설명 또는 전문가 안내를 제공할 수 있습니다. 의도와 맥락에 따라 콘텐츠, 진행 순서, 지원 수준 및 고객에게 요구되는 노력의 정도가 모두 달라질 수 있습니다.

이제 디자이너는 고객이 따라갈 경로만 정의하지 않습니다. 지능형 시스템이 적절한 경로를 판단하는 방식, 시스템에 허용되는 작업, 질문하거나 확인을 요청하고 상위 단계로 이관해야 하는 시점을 정의합니다.

이러한 접근 방식은 불확실성이라는 새로운 설계 문제도 제기합니다. AI가 고객의 의도를 항상 정확히 파악하는 것은 아닙니다. 따라서 경험을 설계할 때는 AI 판단의 확실성, 조치가 초래할 결과, 해당 조치를 되돌릴 수 있는지 여부를 고려해야 합니다. 때로는 마찰을 제거하는 것이 올바른 조치입니다. 때로는 확인이나 설명을 추가하거나 인간의 판단이 개입되도록 하는 것이 올바른 조치입니다.

이러한 변화는 인터페이스의 범위를 넘어섭니다. AI 에이전트가 고객을 대신해 행동한다면 기업은 제품, 정책, 가격, 가용성 및 가능한 조치를 사람뿐 아니라 머신도 이해하고 이용할 수 있도록 해야 합니다.
그러면 더 어려운 질문이 제기됩니다. 기업은 경험이 변화하는 만큼 역동적으로 대응할 수 있을까요?

AI 시스템이 고객이 원하는 것을 정확히 파악하더라도 기업이 가용성을 확인하고, 자격을 판단하며, 조치를 승인하거나 약속한 바를 이행할 수 없다면 그 가치는 제한적입니다. 따라서 경험의 품질은 인터페이스의 지능뿐 아니라 기업이 해당 결과를 안정적으로 실현할 수 있는지에도 달려 있습니다.

경험 설계의 다음 시대는 단순히 더욱 개인화된 여정을 만드는 데 관한 것이 아닙니다. 경험이 적응하는 방식, 권한이 위임되는 방식, 고객의 의도가 기업이 제공할 수 있는 것과 연결되는 방식을 설계하는 것입니다.

AI가 인터페이스, 콘텐츠 및 상호 작용을 생성할 수 있다면 기업에 필요한 설계 작업이 줄어들 것처럼 보일 수 있습니다. 하지만 그 반대일 가능성이 더 큽니다. 제작이 쉬워질수록 더욱 어려운 작업은 AI가 작동할 표준, 제약 조건 및 품질 기준치를 정의하는 쪽으로 옮겨갑니다.

이에 따라 디자인 시스템의 역할도 달라집니다. 구성 요소, 레이아웃 및 브랜드 표준은 여전히 중요하지만 그것만으로는 충분하지 않습니다. AI가 불일치나 의도하지 않은 결과를 초래하지 않으면서 경험을 생성할 수 있도록 디자인 시스템은 행동 방식, 상태, 전환, 접근성, 어조 및 예외 사례를 일관된 기준에 따라 관리해야 합니다.

디자인 시스템에는 피드백 루프도 필요합니다. 실제 상호 작용을 통해 생성된 경험을 개선할 수 있지만, 학습이 통제되지 않은 드리프트로 이어져서는 안 됩니다. 조직에는 무엇이 달라지고 있는지 평가하고, 그러한 변화가 경험을 개선하는지 판단하며, 변하지 않아야 할 원칙을 유지할 수 있는 메커니즘이 필요합니다.

따라서 디자인 시스템은 적응형 경험을 위한 거버넌스의 일부가 됩니다. 모든 경험을 미리 규정하는 대신, AI가 일관성, 접근성 또는 의도한 결과를 훼손하지 않으면서 변화를 만들어 낼 수 있는 표준과 경계를 정의합니다.

이로 인해 인간의 판단은 가치가 줄어드는 것이 아니라 오히려 더 중요해집니다. 생성형 도구는 제작 작업을 줄이고 다양한 결과물을 빠르게 생성할 수 있습니다. 디자인에서 더 높은 가치를 지닌 역할은 방향을 설정하고, 품질을 정의하며, 결과를 평가하고, 향후 경험에 어떤 표준과 패턴을 적용할지 결정하는 쪽으로 옮겨갑니다.

경험 설계에는 사람을 대신해 행동하는 AI 에이전트라는 새로운 유형의 참여자가 포함되기 시작했습니다. 오늘날 에이전트를 매개로 하는 경험은 대부분 자율적으로 작동하기보다 탐색과 의사 결정을 지원하지만, 변화의 방향은 분명합니다. 조직은 사람이 이해할 수 있는 것뿐 아니라 머신이 해석하고 조치를 취할 수 있는 것도 고려하여 설계해야 할 필요성이 점점 커지고 있습니다.

이에 따라 발견 가능성에도 새로운 차원이 생깁니다. 앞서 IBM은 제품이나 제안이 고객에게 적합하더라도 AI 시스템이 이를 노출하지 않아 고려 대상에 포함되지 못하는 상황을 ‘보이지 않는 진열대’라고 설명했습니다. AI를 매개로 한 탐색이 증가하면서 가시성은 제품, 서비스 및 제안이 정확하고 최신이며 충분히 상세한 정보로 표현되는지에 점점 더 좌우되고 있습니다. 이러한 정보가 있어야 에이전트가 해당 제품, 서비스 및 제안을 개인의 의도에 비추어 평가할 수 있습니다.

사람과 에이전트에게는 서로 다른 형태의 명확성이 필요합니다. 사람에게는 선택지와 그에 따른 장단점을 직관적으로 설명해야 할 수 있습니다. AI 에이전트에는 가격, 가용성, 자격, 사양, 약관 및 제약 조건에 관한 공신력 있는 정보뿐 아니라 수행 권한이 있는 작업에 안정적으로 액세스할 수 있는 방법도 필요합니다. 따라서 기계 판독 가능성과 상호 운용성은 경험 설계 이면의 단순한 기술적 문제가 아니라 경험 설계의 일부가 됩니다.

목적의 중심은 여전히 인간입니다. 목표는 자동화나 개인화를 극대화하는 것이 아니라, 사람이 자신을 대신해 이루어지는 일을 이해하고 통제할 능력을 유지하면서 원하는 결과를 달성하도록 지원하는 것입니다. 사람들이 더 많은 활동을 AI에 위임할수록 신뢰를 구축하려면 에이전트가 무엇을 하고 있는지, 어떤 권한을 보유하고 있는지, 언제 사람이 개입할 수 있는지를 아는 것이 점점 더 중요해집니다.

따라서 경험 설계는 서로 다른 요구를 혼동하지 않으면서 두 대상 모두를 지원해야 합니다. 기업은 머신이 더 쉽게 이해하고 조치를 취할 수 있도록 변화하는 동시에, 그 결과로 제공되는 경험에 대해 고객에게 계속 책임을 져야 합니다. 이때 에이전트는 고객의 의도, 권한 및 이익을 대변합니다.

바로 이 지점에서 설계 과제는 기업의 현실과 맞닿습니다. AI는 고객의 의도를 해석하고 경험을 거의 즉시 조정할 수 있습니다. 그러나 그에 따른 조치를 실행하려면 여전히 조직이 무엇이 사실인지 확인하고, 무엇이 허용되는지 판단하며, 결정을 이행할 수 있어야 합니다.

따라서 제약 요인은 인터페이스 이면으로 이동하기 시작합니다. 지능형 경험은 다음에 무엇이 이루어져야 하는지 파악할 수 있습니다. 그러나 기업은 여전히 데이터를 조정하고, 비즈니스 규칙을 적용하며, 워크플로를 조율하거나, 동일한 속도로 대응하도록 설계되지 않은 시스템과 팀으로부터 필요한 권한을 확보해야 합니다.

그렇다고 모든 기업 시스템이 역동적으로 변화해야 하는 것은 아닙니다. 기록 시스템, 정책 및 통제는 안정적으로 유지되어야 하는 경우가 많습니다. 대응력을 높여야 하는 부분은 고객 신호를 신뢰할 수 있는 데이터, 의사 결정 논리 및 실행 가능한 워크플로와 연결하는 계층입니다. 목표는 고객에게 필요한 사항을 파악하는 단계와 기업이 이에 대응할 수 있는 단계 사이의 거리를 줄이는 것입니다.

이는 IBM이 ‘자격 판단의 필요성’이라고 설명해 온 개념을 기업 측면에서 바라본 것입니다. 조직이 특정 고객의 맥락에서 제안이나 조치가 유효하고 실행 가능한지 판단할 수 없다면 관련성만으로는 충분하지 않습니다. AI가 경험을 형성할 수 있는 자유가 커질수록 이러한 판단은 더욱 빠르고 확실하게 이루어져야 합니다.

이 과제는 전통적인 프런트 오피스의 경계도 넘어섭니다. 하나의 고객 의도에 대응하려면 마케팅, 영업, 커머스, 주문 관리 및 서비스 전반에 걸친 의사 결정이 필요할 수 있습니다. 맥락, 의사 결정 권한 및 워크플로가 이러한 기능 내에 서로 분리된 채로 남아 있다면 경험이 적응하는 속도를 기업의 대응 속도가 따라가지 못할 수 있습니다. 고객이 여러 기능 간에 차례로 인계되는 과정이 아니라 하나의 연속된 결과를 점점 더 기대하게 되면서, AI는 조직 기능 간의 단절을 더욱 뚜렷하게 드러냅니다.

이에 따라 경험 설계 이면에서 요구되는 혁신의 범위도 확대됩니다. 연결된 데이터, 거버넌스가 적용된 의사 결정 논리, 상호 운용 가능한 기술, 부서 간 워크플로 및 명확한 의사 결정 권한은 조직의 경험 제공 역량을 구성하는 요소가 됩니다. 목표는 기업의 모든 부분이 AI의 속도에 맞춰 움직이도록 하는 것이 아닙니다. 고객에게 중요한 의사 결정만큼은 AI의 속도에 맞춰 이루어질 수 있도록 하는 것입니다.

경험의 적응성이 높아질수록 경쟁력을 제한하는 요인은 인터페이스가 얼마나 빠르게 반응하는지에서 기업이 의도를 얼마나 빠르게 신뢰할 수 있는 조치로 전환할 수 있는지로 옮겨갑니다. 경험이 지능적으로 작동할 수 있는 수준은 이를 뒷받침하는 조직의 의사 결정 및 실행 역량을 넘어설 수 없습니다.