<AI의 새로운 격전지 : UX>

• 생성형 AI 시장은 더 이상 ‘기능’만으로 경쟁하지 않습니다.

• 같은 모델, 같은 출력이라도 어떤 흐름에서, 어떤 방식으로 사용자에게 제공 되느냐에 따라 선택은 갈립니다.기술은 평준화되었고, 이제 ‘누가 더 잘 이해되게 만들었는가’의 싸움입니다.

• 이제 AI의 UX는 기능을 넘어 생존의 조건이 되었습니다.

<진짜를 느끼게 되는 지점의 차이>

• AI 서비스는 이제 기능을 보여주고 싶어 하는 사람은 많지만, 기능을 감춰주는 사람은 드뭅니다.

좋은 AI는, 작동하는 게 아니라 작동하는 것처럼 느껴져야 한다.

• 이제는 그 UX를 잘 만든 팀만이 살아남을 겁니다.

<대화를 하는 것이지 그 이상의 것을 구현해 내지 못하고 있다.>

• 현재 생성형 AI 시장에서는 아래와 같은 흐름이 나타나고 있습니다.

1. 대화형 UX가 기본값이 됨: OpenAI, Perplexity, Poe 등 모든 상위 플레이어가 챗 기반 인터페이스를 중심으로 구성
2. 하나의 기능이 아닌 ‘하나의 흐름’으로 설계됨: 단순히 요약해주는 것이 아니라 요약 → 추가 질문 → 다운로드까지 연결됨
3. 비기술 사용자에게도 ‘작동하는 느낌’이 들게 만들 것: Gamma, Copy.ai, Runway 같은 툴은 전문가가 아니어도 사용할 수 있게 만듦

• 이제 AI의 우열은 모델 정확도가 아니라, UX 시나리오의 깊이에서 갈릴 것입니다.

<UX 격전지가 되다…>

• 생성형 AI가 UX적으로 어떤 노력을 기울이고 있는지 기재해 보겠습니다.

🔍 1. Notion AI

• 배경: 콘텐츠 작성의 반복성과 규모 확장에 어려움을 겪던 Notion은 AI를 도입해 생산성을 높이려 했습니다.

• 전략: AI 요약, 재작성, 아이디어 제안을 사용자의 편집 흐름에 자연스럽게 통합해, 기능이 아닌 “도움”처럼 느끼게 했습니다.

• 성과: 활성화율 10–15% 상승, AI 기능으로 인해 유료 전환율도 증가한 것으로 분석됩니다.

• 인사이트: 기능을 강조하기보다, 글쓰기의 일부처럼 자연스럽게 녹이는 UX가 사용자 부담은 줄이고 생산성은 높입니다.

🔍 2. Perplexity.ai

• 배경: 복잡한 정보를 검색하고 신뢰성 있는 응답을 얻기 어렵다는 사용자의 피로감을 해소하고자 했습니다.

• 전략: 챗 기반 인터페이스에서 요약 → 출처 → 추가질문이 연결되는 흐름을 통해 정보 탐색을 대화형 UX로 전환했습니다.

• 성과: MAU 1,500만 명 이상, 사용자 체류시간과 쿼리량 모두 크게 증가했습니다.

• 인사이트: 검색 UX가 아닌 대화 UX로 전환함으로써 정보 신뢰성과 몰입감을 동시에 끌어올릴 수 있습니다.

🔍 3. Runway ML

• 배경: 영상 제작은 높은 전문성과 복잡한 툴을 요구해 진입 장벽이 컸습니다.

• 전략: 브러시 기반의 GUI와 실시간 시각 피드백을 통해, 누구나 손쉽게 영상 요소를 수정할 수 있는 직관적 UX를 제공했습니다.

• 성과: 제작 시간 단축, 비전문가의 활용도 증가, 영상 편집의 민주화를 실현했습니다.

• 인사이트: 시각 중심의 조작과 즉각 피드백은, AI의 복잡성을 사용자 눈앞에서 지우는 UX 전략입니다.

🔍 4. GitHub Copilot

• 배경: AI 코딩 툴은 생산성을 높일 수 있지만, 개발자의 흐름을 방해하는 것이 큰 문제였습니다.

• 전략: IDE 안에서 자동 완성, 함수 제안, 채팅 기반 어시스트 기능까지 제공해 ‘중단 없는 개발 흐름’을 유지했습니다.

• 성과: 수백만 유료 사용자 확보, 기업 생산성 및 코드 품질 향상 보고됨.

• 인사이트: AI는 흐름을 끊지 않아야 합니다. 사용자가 요청하기 전에도 자연스럽게 도와주는 UX가 핵심입니다.

🔍 5. Gamma.app

• 배경: PPT 제작은 여전히 시간도 오래 걸리고, 시각적 결과물에 대한 부담도 높았습니다.
   
• 전략: 사용자가 프롬프트만 입력하면 전체 슬라이드(텍스트, 디자인, 흐름)가 자동 생성되도록 구성했습니다.
   
• 성과: 누적 2억 5천만 슬라이드 생성, 수 분 내 PPT를 완성한 사용자 비중 급증.
   
• 인사이트: AI 기능은 보이지 않아야 합니다. 사용자는 ‘결과’를 중심으로 기억합니다.

🔍 6. Glean

• 배경: 사내 데이터는 흩어져 있고 검색 효율은 낮으며, 권한 설정 문제도 큽니다.
   
• 전략: 자연어 기반 검색과 문서 생성, RAG 기반 응답을 제공하며 보안/권한 인식을 포함한 UX를 설계했습니다.
   
• 성과: Booking.com 등에서 도입, 사내 정보 접근 시간 단축 및 사용자 만족도 증가.
   
• 인사이트: 기업형 AI UX는 단순한 답이 아닌, ‘맞는 답을 맞는 사람에게’ 보여주는 흐름이 중요합니다.

🔍 7. Copy.ai

• 배경: 마케터들이 반복적으로 비슷한 문구를 만들고 수정하는 과정을 단축하고 싶었습니다.
   
• 전략: 브랜드 톤을 정의한 후, 챗 기반으로 카피를 자동 생성하는 흐름을 구축했습니다.
   
• 성과: GTM 전략 실행 시간이 크게 단축되고, 팀 생산성 향상이 보고됨.
   
• 인사이트: AI를 도구가 아닌 ‘동료’처럼 느껴지게 하는 UX가 협업 효율을 극대화합니다.

🔍 8. Poe (Quora)

• 배경: 다양한 AI 모델을 써보려는 사용자에게 분산된 사용성과 접근성의 어려움이 있었습니다.
   
• 전략: 여러 모델(GPT, Claude 등)을 한 UX 안에서 전환하며 챗 방식으로 활용할 수 있도록 통합했습니다.
   
• 성과: 사용자 참여 및 체류시간 증가, 요약·링크화 기능으로 재방문율도 높음.
   
• 인사이트: AI 성능보다 더 강력한 경쟁력은 ‘비교 가능한 UX’입니다. 사용자가 스스로 체험할 수 있게 하세요.

<공통점은 무엇일까?>

• 이들 사례를 보면 세 가지 공통점이 있습니다.

     1. AI가 먼저 움직이지 않습니다.

• 모든 UX는 사용자의 입력에서 출발합니다.

• AI가 알아서 해주는 게 아니라, 사용자가 “AI에게 무엇을 요청할 수 있을지”를 예상하게 설계합니다.

     2. UX는 ‘기능’이 아닌 ‘느낌’을 중심으로 설계됩니다.

• 마우스 대신 브러시를 줬던 Runway처럼, 기능이 똑같아도 ‘손에 잡히는 느낌’이 다릅니다.

     3. AI와 사용자 사이에 ‘대화’를 만들어냅니다.

• 단방향 출력이 아니라, 계속 반응하고 응답하고 수정하는 흐름. 이게 몰입을 만듭니다.

<AI를 한다면 무엇을 고려해야 할까?>

• 앞으로 생성형 AI UX를 설계하려는 팀에게 제안합니다:

     1. AI가 아닌 사용자의 흐름에서 시작하세요.

“이 기능 넣을 수 있어?” 대신 “이 흐름을 어떻게 만들까?”로 질문을 바꿔보세요.

     2. 출력이 아닌 인터랙션을 설계하세요.

‘요약’이 아니라 ‘요약하고 추가로 물을 수 있는 흐름’을 생각하세요.

     3. 빠른 결과보다 예상 가능한 행동을 만드세요.

AI가 맞게 답하느냐보다, “어떻게 답할지 예상 가능하냐”가 훨씬 중요합니다.

✅ 마치며

• 이제는 “우리도 GPT 쓸 수 있어요”라는 말이 아무 의미 없는 시대가 되었습니다.

• 진짜 질문은 이게 될 것 같습니다.

“사용자는 어디서 그걸 느낄 수 있나요?”

• UX는 이제 AI의 마지막 격차입니다. 같은 기능, 같은 출력이라도 누가 더 잘 설계했는지가 결국 사용자를 데려올 겁니다.