안녕하세요, 유저스푼 리서처 채영입니다!

요즘 생성형 AI라는 말, 많이 들어보셨을 거예요. 생성형 AI(Geneative AI)는 우리가 무언가를 직접 만들지 않아도, 알아서 텍스트나 이미지를 생성해주는 기술이죠. UX에서도 이런 생성형 AI가 점점 더 중요한 역할을 하고 있는데, 지난 9월에 열린 패스트캠퍼스의 Gen AI Conference for DEV에서 직접 들었던 이야기들을 함께 나누고자 합니다.

1. 엔비디아, MS, GitHub가 말하는 생성형 AI의 방향

이번 Gen AI Conference for DEV에서는 엔비디아, 마이크로소프트, 그리고 GitHub 같은 기업들이 생성형 AI 시장에서 어떤 기술 트렌드가 있는지 공유했어요. 그중에서도 사용자 맞춤형 경험을 만드는 데 꼭 필요한 요소들을 다뤘는데, 이게 UX 리서처로서 굉장히 흥미롭더라고요.

1) 사용자 환경에 맞춘 시스템 구축

먼저 엔비디아에서는 AI를 개발할 때 처음부터 끝까지 다 만들 필요는 없다고 강조했어요. 우리가 꼭 필요한 부분만 맞춤형으로 수정하면 된다는 거예요. 쉽게 말해서, 사전에 학습된 AI 모델을 적당히 튜닝만 해도 사용자 맞춤형 경험을 빠르게 구축할 수 있다는 거죠. 예를 들어, 프롬프트 튜닝(prompt tuning)이나 사전 학습된 모델을 사용하면 몇 주, 혹은 몇 달 안에 AI 기반의 서비스를 만들 수 있어요. 하지만 좀 더 깊이 있는 맞춤형 모델이 필요하다면, 파인 튜닝(fine-tuning)을 통해 더 오랜 시간이 걸리기도 해요.

💡 리서처 인사이트 : 임팩트 있는 서비스 VS 완벽한 서비스

엔비디아의 이야기를 듣고 정말 공감이 갔어요. 요즘은 완벽한 서비스를 만들기보다 빠르게 시장에 각인시키는 게 더 중요한 시기잖아요. 빠르게 서비스를 내놓고, 사용자에게 반응을 확인하면서 고도화하는 것이 AI를 활용하는 또 하나의 매력이라고 생각해요. 여러분은 지금 서비스 출시에서 어떤 게 더 중요한가요? 완벽함인가요, 아니면 임팩트인가요?

2) AI 클라우드를 활용한 데이터셋과 모델 구축

또 많은 기업들이 동시에 여러 개의 AI 모델을 활용해 다양한 시나리오에 대응하고 있다는 것도 흥미로웠어요. 특히, AI가 정확한 결과를 내기 위해서는 양질의 데이터가 얼마나 중요한지 강조되었어요. 데이터가 좋아야 AI도 똑똑하게 결과를 내니까요. 이때 데이터 프라이버시(Differential Privacy, DP) 같은 기법을 통해 데이터의 보안을 강화하는 방법도 제안되었는데, 이는 AI가 민감한 데이터를 다루는 데 필수적인 부분이죠.

💡 리서처 코멘트 : 개인 정보 보호와 데이터의 중요

AI로 인해 사용자 데이터를 다루는 것이 정말 중요해졌어요. 사용자들도 개인 정보 보호에 민감하고, AI가 이를 지키면서도 더 나은 데이터를 계속해서 수집할 수 있는 방법을 고민해야 한다고 생각해요. 결국, 데이터 프라이버시를 지키는 동시에 양질의 데이터를 쌓는 게 성공의 열쇠일 것 같아요.

2. 스노우(SNOW)의 성공 스토리: 생성형 AI로 수익을 낸 사례

이번 행사에서 가장 인상 깊게 들은 강의를 꼽으라면, 단연 스노우 정태민님의 강연입니다.

‘GEN AI 서비스, SNOWM’의 적응기라는 주제로 진행된 이 시간에서는 스노우가 Vision AI 기술을 이용해 서비스를 출시하는 과정에 대해 다루었어요.

개발 과정에서 특히 인상 깊었던 부분은 개발자와 디자이너, 콘텐츠 기획자의 협업 방식이었어요. 개발자들은 이어북 서비스의 초기 테스트와 사용법 가이드를 제공하고, 툴 개발 및 다양한 테스트 환경을 구축했어요. 이로 인해, 사용자(스노우 내부 임직원)들이 AI 툴을 보다 쉽게 사용할 수 있도록 기반을 다졌죠. 개발자들은 서비스가 안정적으로 서빙될 수 있도록 큰 역할을 했습니다.

반면, 디자이너와 콘텐츠 기획자는 실제로 AI 툴을 활용해 프롬프트를 통해 웹 페이지에서 콘텐츠를 생성하고 고도화했어요. 결과물을 직접 확인하면서 수정하고, 그 과정에서 개발팀과 끊임없이 소통하며 협력했죠.

이 과정에서 툴을 개발하고 학습 모델을 정교하게 만드는 핵심적인 역할은 콘텐츠 제작자들이었습니다. 그들은 미적 감각과 콘텐츠 디테일을 향한 장인 정신을 바탕으로 AI 모델의 완성도를 높였어요. 그들의 디테일한 감각과 이를 뒷받침하는 개발팀과의 커뮤니케이션이 결국 SNOW와 이어북의 성공으로 이끌었습니다.

💡 리서처 인사이트 : 기술보다 중요한 사람과의 협업

이 사례를 들으면서 제가 깨달은 건, 아무리 훌륭한 AI라도 결국 그걸 사용하는 건 사람이라는 거예요. 개발자가 AI를 개발하고, 디자이너가 그걸 활용해 콘텐츠를 만들고, 서로 소통하며 발전해가는 과정이 정말 중요하다는 걸 다시 한번 느꼈어요. 결국 기술보다 중요한 건 사람과 사람 사이의 협업이라는 걸 스노우의 성공 사례에서 명확히 배웠습니다.

사실 생성형 AI는 우리가 서비스를 만들 때 도구일 뿐이에요. 그 도구를 얼마나 잘 활용하느냐는 결국 팀원들과의 협업에서 나온다고 생각해요. AI라는 도구를 사용해서 문제를 해결하고, 더 나은 서비스를 제공하려면 팀 간의 소통이 필수적이에요. 이 협업이 없었다면 스노우의 성공도 불가능했을 거라고 생각해요.

앞으로 다양한 기술이 등장할텐데, 우리는 사람간의 공감을 토대로 매번 새롭게 마주하는 문제들을 해결해나갈테니깐요.

AI 용어 설명

1. 프롬프트 튜닝(prompt tuning): AI에게 주는 명령어를 조정해서, 원하는 결과를 얻기 위한 방법이에요.
2. 파인 튜닝(fine-tuning): 이미 학습된 AI 모델을 새로운 데이터를 사용해 조정하는 과정이에요.
3. Vision AI: 이미지나 비디오 같은 시각적 데이터를 처리하고 분석하는 AI 기술이에요.
4. 데이터 프라이버시(Differential Privacy, DP): 개인 정보 보호를 위해, AI 모델이 데이터 샘플에 의존하지 않도록 하는 기술이에요.

✅ 스노우의 이어북 서비스와 같은 다양한 AI 관련 UX 레퍼런스를 보고 싶다면, 아래 링크를 클릭해 주세요!

👉🏻스노우 UX 레퍼런스 보러가기

유저스푼에서는 다양한 AI 기반 UX 패턴과 성공 사례들을 만나볼 수 있으며, 여러분의 서비스에 맞춤형 UX를 설계할 수 있도록 도와드립니다. 지금 바로 유저스푼에서 새로운 인사이트를 발견해보세요!

😋 맛있는 유저리서치 한 스푼 하러가기 🥄