UX 산출물의 다음 독자는 사람이 아니라 AI일 수 있습니다

Nielsen Norman Group의 UX-Context Design: Using UX Knowledge to Inform AI-Generated Design은 AI 시대의 UX 산출물을 다시 보게 합니다. 리서치 보고서, 페르소나, 디자인 원칙, 사용성 테스트 결과는 원래 디자이너와 기획자와 개발자가 읽는 문서였습니다. 이제 이 자료는 AI가 검색하고 요약하고 새로운 화면이나 카피를 생성하는 입력값이 되기도 합니다.

여기서 중요한 것은 “AI를 위한 화면”을 만들자는 뜻이 아닙니다. 최종 사용자는 여전히 사람입니다. 바뀌는 것은 사람과 제품 사이에 AI가 들어오면서, AI가 제품을 이해하는 방식까지 UX 품질에 영향을 준다는 점입니다.

컨텍스트는 자료의 양이 아니라 관계입니다

조직에는 보통 자료가 부족하지 않습니다. 리서치 결과는 슬라이드에 있고, 컴포넌트 규칙은 Figma 설명에 있고, 예외 처리는 Jira와 Slack에 남아 있습니다. 문제는 이 자료들이 서로 연결되지 않고, 현재 유효한지 표시되지 않으며, 어떤 결정을 뒷받침하는지 알기 어렵다는 데 있습니다.

“우리 제품답게 온보딩을 만들어줘”라는 프롬프트가 실패하는 이유는 모델이 충분히 똑똑하지 않아서만은 아닙니다. 우리 제품다움이 어떤 사용자 문제에서 출발했고, 어떤 상태에서 예외를 가지며, 어떤 패턴을 금지하는지 모델이 읽을 수 있는 형태로 존재하지 않기 때문입니다.

컨텍스트는 자료 더미가 아닙니다. 목적, 대상 사용자, 사용 상황, 비즈니스 목표, 기술·법적 제약, 결정 근거, 적용 범위, 최신 버전이 서로 연결된 상태입니다. 무엇을 보여주는가만큼 왜 그렇게 결정했는지가 중요합니다.

결과물보다 결정의 이유가 오래 갑니다

AI가 화면을 다시 만들 때 결과만 제공하면 표면을 복사하기 쉽습니다. 반면 선택의 이유가 있으면 새로운 상황에도 원칙을 적용할 수 있습니다.

예를 들어 “모바일에서는 하단 고정 CTA를 사용한다”는 규칙은 한 가지 패턴만 반복하게 만듭니다. “한 손 조작 상황에서 주요 전환 행동의 접근성을 높이기 위해 사용한다. 단, 키보드가 열린 입력 화면과 결제 완료 화면에는 적용하지 않는다”는 설명은 목적과 예외를 함께 제공합니다.

이 차이는 AI만을 위한 것이 아닙니다. 새로 합류한 디자이너도, 다른 스쿼드의 개발자도, 6개월 뒤의 나도 같은 맥락을 읽을 수 있습니다. AI가 읽기 좋은 문서는 대체로 사람이 다시 판단하기에도 좋은 문서입니다. 단, 읽기 쉬운 구조가 곧 좋은 판단을 보장하지는 않습니다.

한국 제품에서는 상태와 용어가 특히 중요합니다

한국어 제품의 UX 맥락은 단순한 번역 문제가 아닙니다. 같은 기능을 팀마다 “찜”, “저장”, “관심상품”, “즐겨찾기”라고 부르면 AI가 다른 기능으로 연결할 가능성이 커집니다. 용어집은 카피 가이드이면서 지식 그래프의 연결점입니다.

상태도 마찬가지입니다. 로그인 여부, 본인인증, 결제수단, 배송지, 연령 제한, 약관 동의, 권한별 노출은 정상 플로우만 기록해서는 충분하지 않습니다. AI에게 성공 화면만 보여주면 실패·취소·재시도·권한 없음 같은 현실의 제품을 누락한 채 그럴듯한 화면을 생성할 수 있습니다.

리서치 문서에는 “사용자가 원한다”는 결론만 남기지 않는 편이 좋습니다. 조사 시점, 대상, 방법, 표본의 한계와 반례를 함께 남겨야 합니다. 맥락이 오래되거나 편향돼 있을 때 AI의 자신감 있는 출력이 그 한계를 가려버릴 수 있기 때문입니다.

컨텍스트를 관리하는 사람은 기준을 관리합니다

컨텍스트 설계는 중립적인 정리 업무가 아닙니다. 어떤 리서치를 공식 지식으로 채택하고 어떤 사용자 목소리를 배경으로 남길지 결정합니다. 폐기된 정책을 아카이브로 보낼지, 예외를 규칙에 포함할지, 상충하는 데이터를 어떻게 표시할지도 기준을 만듭니다.

따라서 조직에는 문서의 상태와 책임자가 필요합니다. active, draft, deprecated, archived 같은 상태, 마지막 검토일, 적용 제품, 담당 팀, 관련 원자료가 최소한의 안전장치가 될 수 있습니다. 개인정보와 민감한 리서치는 AI에 모두 열어주는 대신 권한과 비식별화를 먼저 설계해야 합니다.

좋은 점

이 관점은 AI 활용을 프롬프트의 요령에서 조직 지식의 품질 문제로 이동시킵니다. 화면을 잘 만드는 사람뿐 아니라 문제의 근거와 제약을 정리하는 사람의 역할이 선명해지고, 팀이 반복해서 같은 결정을 설명하는 비용도 줄일 수 있습니다.

한계

모든 UX 지식을 파일과 메타데이터로 완전히 표현할 수는 없습니다. 현장 관찰의 뉘앙스, 이해관계자의 긴장, 아직 검증되지 않은 직감은 구조화 과정에서 사라질 수 있습니다. AI가 읽기 좋은 형식이 인간의 경험을 대신해서는 안 됩니다.

남는 긴장

컨텍스트는 AI의 품질을 높이지만 동시에 조직의 편견을 고정합니다. 누가 기준을 편집하는가, 반대 증거가 어디에 남는가, 오래된 결정을 AI가 어떻게 식별하는가가 중요합니다. “한 곳에 정리하자”는 말은 효율적인 동시에 권력의 위치를 정하는 말입니다.

질문

• AI가 참고하는 문서에는 목적·근거·제약·예외·최신성이 함께 적혀 있나요?
• 리서치의 한계와 반대 사례가 공식 컨텍스트에 남아 있나요?
• 같은 기능을 팀마다 다른 이름으로 부르고 있지는 않나요?
• 누가 컨텍스트를 승인하고, 언제 폐기하며, 누가 이의를 제기할 수 있나요?
• AI에게 읽히기 쉬운 문서가 사람에게도 실제로 읽히나요?

AI 시대의 UX 업무는 화면을 만드는 일에서 끝나지 않습니다. AI가 무엇을 기억하고 무엇을 의심해야 하는지 설계하는 일이 추가됩니다. 좋은 컨텍스트는 생성 속도를 높이는 자료가 아니라, 빠른 생성이 잘못된 방향으로 가지 않도록 붙잡는 판단의 구조입니다.