AI의 가능성과 위험 요소를

AI는 제품과 디자인의 생산성을 높일 가능성이 크지만, 현재의 변화는 개인 업무에 집중되어 있으며 협업 방식까지 근본적으로 바꾸지는 못했다. 개발자는 코드 생성과 언어 변환처럼 AI와 잘 맞는 업무 덕분에 디자이너보다 더 큰 변화를 경험하고 있다. 따라서 기업은 유행에 맞춰 기능을 빠르게 출시하기보다, 실험과 연구를 반복하며 실제 사용자와 협업에 가치를 만드는 AI 제품을 찾아야 한다.

조사 배경과 접근 방식

• Figma는 2024년 2월 26일부터 3월 3일까지 7개국의 Figma 사용자 1,800명 이상을 조사했다.
• 응답자는 디자이너, 경영진, 개발자로 구성됐다.
• 조사 대상 국가는 미국, 캐나다, 호주, 영국, 일본, 프랑스, 독일이다.
• 연구의 핵심 전제는 AI 제품의 영향력이 LLM의 성능뿐 아니라 제품이 어떻게 설계되는지에 따라 달라진다는 것이다.
• AI의 가능성이 아직 확정되지 않은 만큼, 제품팀은 빠른 출시 압박 속에서도 실험·놀이·사용자 연구를 지속해야 한다.

업무 흐름 전반의 AI 전환

• 생성형 AI는 프롬프트에 반응해 텍스트, 이미지, 코드 등 데이터를 생성하는 기술이다.
• 개발자는 디자이너보다 AI가 자신의 제품을 변화시켰다고 답할 가능성이 60% 높았다.
• 개발 업무는 다음과 같이 AI가 직접 지원하기 쉬운 작업을 많이 포함한다.
  • 코드의 출발점 생성
  • 프로그래밍 언어 간 변환
  • 반복적인 구현 작업 보조
• 반면 디자인의 핵심 업무는 사용자 요구와 문제 공간을 깊이 이해하고, 비선형적으로 탐색하며 학습하는 과정이다.
• AI는 목업을 코드로 변환하는 데 도움을 줄 수 있지만, 아직 디자인의 근본적인 문제 정의와 탐색 과정에는 상대적으로 큰 영향을 주지 못하고 있다.
• AI 프로젝트 아이디어가 디자이너뿐 아니라 프로그래머, 분야별 전문가, 이해관계자로부터도 나오면서 조직 전체가 AI 제품 개발에 참여하고 있다.

개인 생산성에서 협업으로 확장해야 하는 이유

• 응답자의 85%는 AI가 개인 생산성이나 업무 흐름에 영향을 주었다고 답했다.
• 가장 흔한 활용 방식은 다음과 같다.
  • 텍스트와 이미지 생성
  • 아이디어를 점검하는 사고 파트너
  • 초안 작성과 브레인스토밍 지원
• 응답자는 AI가 개인 업무를 크게 변화시켰다고 답할 가능성이 협업 업무보다 세 배 높았다.
• 그러나 AI가 팀의 다음 활동을 크게 바꾸었다는 인식은 상대적으로 낮았다.
  • 의견 조율
  • 회의 진행
  • 공동 작업 방식
• AI와 대화하는 개인 작업도 넓은 의미에서는 협업으로 볼 수 있지만, 현재 AI 제품은 주로 개인의 생산성 향상에 머물러 있다.
• 진정한 변화를 만들려면 제품팀은 개별 작업 자동화를 넘어 팀의 의사결정과 공동 창작을 어떻게 개선할지 고민해야 한다.

산업과 일상생활에 미칠 영향

• 기술 산업 종사자의 41%, 전문·비즈니스 서비스 종사자의 40%, 유통업 종사자의 39%가 AI로 제품과 서비스가 크게 바뀔 것으로 예상했다.
• 반면 의료, 에너지·공공서비스, 통신 분야는 향후 12개월 동안 AI의 영향이 상대적으로 작을 것으로 전망됐다.
• AI의 잠재력을 실현하려면 소프트웨어 기업뿐 아니라 의료·에너지·통신처럼 일상생활의 기반이 되는 산업도 변화해야 한다.
• AI의 영향은 화면이나 기능 추가에만 국한되지 않고, 사람들이 서비스를 이용하고 조직이 운영되는 방식 자체를 바꿀 수 있다.

실험과 반복을 통한 유용성 검증

• AI 기술에 대한 기대와 실제 유용성 사이에는 여전히 차이가 있다.
• 새로운 앱, 기능, 연구 논문이 빠르게 등장하면서 기업은 AI 기능을 서둘러 출시하라는 압박을 받고 있다.
• 하지만 무엇이 실제로 사용자에게 도움이 되는지는 아직 충분히 검증되지 않았다.
• 제품과 디자인 리더는 다음과 같은 태도를 취해야 한다.
  • 불확실성을 받아들이기
  • 다양한 아이디어를 빠르게 실험하기
  • 사용자 반응과 실제 사용 맥락을 관찰하기
  • 효과가 없는 기능은 반복적으로 수정하거나 폐기하기
• AI 제품 개발은 아직 단순한 출시 경쟁이라기보다, 어떤 사용 경험과 협업 방식이 지속될지 찾아가는 단계에 가깝다.

AI를 도입할 때는 “AI 기능을 추가했는가”보다 “사용자와 팀의 문제를 실제로 해결했는가”를 기준으로 평가하는 것이 좋다. 개인 생산성 도구에서 시작하되, 사용자 이해·협업·산업별 맥락을 반영한 실험을 반복해야 장기적으로 유용한 AI 제품에 도달할 수 있다.