UX 실무자들이 AI 개념을 소통하는 방법: 실습 디자인 경험에서 얻은 통찰

인공지능이 사용자 중심 기술에서 점점 더 보편화됨에 따라, UX 실무자(UXP)는 AI 지원 인터페이스를 설계하고 소통하는 데 새로운 도전에 직면하고 있습니다. 이 연구는 UXP가 Google의 Teachable Machine 도구를 사용하여 AI 모델 훈련을 통해 실습 경험을 얻은 후 AI 개념을 어떻게 소통하는지를 조사합니다. 27명의 UXP의 디자인 발표 및 인터뷰를 분석함으로써 연구자들은 UXP가 디자인 재료로서 AI와 작업하고 소통하는 방식에서 주요 주제를 식별했습니다.

UXP는 AI 엔지니어링 팀과 효과적으로 협력하는 데 상당한 어려움을 보고했습니다. 주요 문제는 다음과 같습니다: - UX 팀과 AI 팀 간의 독립적이고 선형적인 작업 진행 - 개발 과정에서 UXP가 종종 늦게 참여함 - AI의 능력과 한계에 대한 이해 부족 - 소통의 간극으로 인한 UX 팀과 AI 팀 간의 신뢰 저하 - UX와 AI 영역 간의 '간극을 메우는' 어려움 이러한 도전은 UX 팀과 AI 팀 간의 더 나은 소통 및 협력 전략의 필요성을 강조합니다.

디자인 발표를 만들 때, UXP는 AI 소통의 여러 주요 측면을 강조했습니다: - 모델 선택의 근거, 다양한 모델의 장단점 비교 - AI 솔루션의 고객 가치 및 비즈니스 이점 - 엔지니어링 비용 및 구현 고려사항 - 모델 성능, 특히 정확성에 대한 강한 집중 많은 UXP는 정확성을 소통하는 데 가장 중요한 요소로 간주하며, 이는 사용자 요구를 충족하고 AI 시스템 개선에 대한 논의를 촉진하는 데 필수적이라고 보았습니다. 그러나 UXP는 모델 성능의 기술적 측면을 효과적으로 소통하는 데 어려움을 겪었습니다.

Teachable Machine을 사용하여 AI 모델을 실험하는 것은 UXP가 AI 소통에 접근하는 방식에 상당한 영향을 미쳤습니다: - AI의 능력과 한계에 대해 논의하는 자신감 증가 - 데이터 품질 문제 및 모델 성능에 미치는 영향에 대한 더 나은 이해 - AI 모델을 반복하고 개선하기 위한 보다 구체적인 아이디어 - 기술 이해관계자와의 소통 간극을 메우는 능력 향상 이러한 실습 경험은 UXP가 디자인 재료로서 AI에 대한 보다 미묘한 이해를 발전시키는 데 도움을 주었습니다.

UXP는 디자인에 AI를 통합할 때의 잠재적 이점과 위험을 모두 인식하고 있음을 보여주었습니다. 주요 고려사항은 다음과 같습니다: - AI 기반 의사 결정의 윤리적 함의 - 데이터 수집 및 사용과 관련된 개인 정보 보호 문제 - AI 편향의 가능성과 사용자에 미치는 영향 - 자동화와 사용자 통제 및 주체성의 균형 많은 UXP는 이러한 고려사항을 디자인 발표에 포함시켜 AI 지원 UX 디자인에 대한 전체론적 접근을 보여주었습니다.

AI 모델을 실험한 후, UXP는 프로젝트에서 AI 개발을 위한 보다 구체적인 다음 단계를 제시할 수 있었습니다: - 훈련 데이터의 확장 및 다양화에 대한 제안 - 모델 아키텍처를 다듬고 정확성을 개선하기 위한 아이디어 - AI 기반 기능을 검증하기 위한 사용자 테스트 제안 - 실제 사용 데이터를 기반으로 한 반복 개선 계획 이러한 실행 가능한 다음 단계를 제안할 수 있는 능력은 UXP가 프로젝트 방향을 이끌어가는 데 있어 실습 AI 경험의 가치를 보여줍니다.

이 연구는 UXP에게 실습 AI 경험을 제공하는 것이 AI 지원 프로젝트에서 소통하고 협력하는 능력을 향상시키는 데 중요하다는 것을 강조합니다. UX와 AI 영역 간의 간극을 메움으로써, 조직은 보다 효과적인 학제 간 팀워크를 촉진하고 더 나은 AI 기반 사용자 경험을 창출할 수 있습니다. 향후 연구는 Teachable Machine과 같은 도구를 UX 워크플로에 통합하고 디자인 발표에서 AI 소통을 위한 모범 사례를 개발하는 방법을 탐구해야 합니다.