AI 시대의 디자인 리더에게 필요한 것은 무조건적인 속도가 아니라, 팀이 침착하게 판단하고 실험하도록 돕는 안정감이다. Jen Dunnam은 도구와 유행을 좇기보다 인간을 위한 디자인이라는 원칙을 유지하고, 비판적 사고와 다양한 경험을 가진 인재를 채용해야 한다고 강조한다. 결론적으로 리더는 긴박감을 더하기보다 팀이 올바른 문제를 정의하고 현명하게 실행하도록 방향을 잡아야 한다.
## 변화 속에서도 침착하게 이끌기
- AI의 발전으로 업계에 불안과 긴박감이 커졌지만, 뛰어난 디자이너들은 이미 충분한 추진력을 갖고 있다.
- 리더의 역할은 위기감을 더하는 것이 아니라 팀을 안정시키는 데 있다.
- 문제를 작은 단위로 나누고, 전략을 세우며, 적절한 도구를 실험하고, 디자인 원칙을 다듬어야 한다.
- AI 도구의 기능이나 유행을 무작정 따라가기보다 디자이너이자 인간으로서 본질에 집중해야 한다.
- 기술은 바뀌어도 디자인의 대상은 여전히 인간이므로, 사용자에 대한 이해와 인간 중심 원칙은 변하지 않는다.
- 가장 현실적인 접근은 꾸준히 실험하되, 결과를 학습하고 원칙에 따라 판단하는 것이다.
## 비판적 사고를 기준으로 채용하기
- 빠른 제품 출시가 강조되면서 신입 디자이너와 졸업생이 기회를 얻기 어려워졌으므로, 이들의 성장 가능성에 투자할 필요가 있다.
- 신입 인재를 제품 출시 경험이 풍부한 시니어와 짝지으면 새로운 관점과 실행력을 결합할 수 있다.
- 사용자 연구자 중에서도 인사이트를 수집하는 데 그치지 않고, 디자인과 제품 방향에 대해 결단력 있게 의견을 낼 수 있는 사람을 찾는 것이 유효하다.
- 현재 채용에서 특히 가치가 높아진 역량은 비판적 사고다.
- 면접에서는 단순히 결과물을 확인하기보다 다음과 같은 경험을 깊이 물어야 한다.
- 언제 자신의 의견에 반대했는가?
- 이해관계자에게 어떻게 이의를 제기했는가?
- 제품에 반영되지 않아 지금도 아쉬운 점은 무엇인가?
- AI가 만들어낸 결과물은 시각적으로 매력적이고 그럴듯해 보일 수 있다. 따라서 ‘반짝이는 결과’나 그럴듯한 답을 그대로 받아들이지 않고, 문제와 결과를 검증하는 태도가 중요하다.
## 실용적인 결론
디자인 팀은 AI 도구를 빠르게 익히되, 도구 자체를 목표로 삼아서는 안 된다. 리더는 팀이 인간 중심 원칙을 잃지 않으면서 실험하고, 근거를 바탕으로 반대 의견을 내며, 빠른 실행과 깊이 있는 판단을 함께 발전시키도록 지원해야 한다.
AI 시대의 리더십은 완성된 해법을 제시하는 것보다 변화 속에서 직접 실험하고 조직의 적응력을 키우는 데 초점을 둬야 한다. AI가 실행 업무를 일부 대체하더라도 사용자 이해, 장인정신, 판단력과 같은 인간의 핵심 역량은 여전히 중요하다. 팀은 자율적인 소규모 단위로 구성하고, 교육과 작은 성공 경험을 통해 새로운 도구를 점진적으로 받아들이게 해야 한다.
## 변화 속에서 함께 실험하는 리더십
- AI와 새로운 제작 도구의 변화가 너무 빠르기 때문에 하나의 고정된 프로세스를 고수하기 어렵다.
- 리더 역시 모든 답을 알고 있는 전문가가 아니라 팀과 함께 배우는 초보자의 자세를 가져야 한다.
- 직접 프로토타입을 만들고 실패 사례까지 공유하면 팀원들이 실험을 더 자연스럽게 받아들일 수 있다.
- 새로운 시도가 성공하지 않더라도 즐겁게 시도할 수 있도록 조직 차원의 심리적 허용과 자율성을 제공해야 한다.
- 핵심 역량은 완성된 방법론보다 변화에 대응하는 적응력이다.
## AI 시대에도 유지해야 할 기본 원칙
- AI가 업무 방식을 바꾸더라도 다음과 같은 기본 원칙은 변하지 않는다.
- 실제 사용자의 필요와 업무 흐름을 이해할 것
- 사용자를 위해 제품을 설계할 것
- 결과물의 완성도와 세부 품질을 중시할 것
- 도구 자체를 따라가는 데 몰두하면 “무엇을 만들 것인가”보다 “무슨 도구를 쓸 것인가”가 중심이 될 위험이 있다.
- 디자인의 대상은 여전히 인간이므로, 기술보다 사용자와 문제에 대한 이해가 우선되어야 한다.
## 전문성의 중심이 실행에서 판단으로 이동
- 과거에는 특정 작업을 빠르고 정확하게 수행하는 능력이 전문성의 중요한 기준이었다.
- AI가 일부 실행과 산출물 생성을 담당하면서 전문성의 가치는 다음 영역으로 이동한다.
- 무엇이 좋은 결과인지 판단하는 감각
- 여러 대안 중 상황에 맞는 선택을 하는 분별력
- 결과물을 검토하고 개선하는 편집 능력
- 사용자와 비즈니스 맥락을 고려한 의사결정
- 전문가는 모든 정답을 알고 있는 사람이 아니라, 수많은 선택지 중 현재 상황에 가장 적합한 답을 고르는 사람이다.
- 따라서 AI 활용 능력만큼 결과를 비판적으로 평가하는 ‘편집자의 시각’이 중요해진다.
## AI 시대의 팀 구조와 인재상
- AI는 디자인·제품·엔지니어링의 경계를 흐리므로 기존 직무 중심 조직을 재검토할 필요가 있다.
- Airbnb는 제품, 디자인, 엔지니어링에 데이터 과학자나 비즈니스 담당자 등을 결합한 소규모 포드(pod) 구조를 활용한다.
- 각 포드는 작은 스타트업처럼 독립적으로 움직이며 다양한 관점에서 문제를 해결한다.
- AI가 생성한 결과물을 평가하고 다듬을 수 있도록 강한 편집력과 비판적 사고를 갖춘 인재가 필요하다.
- 효과적인 팀은 다음과 같은 특성을 가진다.
- 적극적으로 시도하는 태도
- 대담하고 다양한 아이디어
- 서로 반대 의견을 편하게 제시하는 문화
- 의견 충돌을 생산적인 논의로 전환하는 능력
- 모든 사람이 쉽게 동의하기만 하는 팀은 오히려 충분한 검토와 논쟁이 부족할 수 있다.
## 새로운 도구를 점진적으로 도입하는 방법
- 단순히 “AI를 사용하라”고 지시하는 것만으로는 조직의 도입이 이루어지지 않는다.
- 구성원이 도구를 익힐 수 있도록 교육 과정과 학습 인프라를 제공해야 한다.
- 사용법을 배울 수 있다는 안전감이 있어야 팀원들이 새로운 도구를 업무에 적용할 수 있다.
- 대규모 업무 프로세스를 한 번에 자동화하기보다 가장 작은 작업부터 시작하는 방식이 효과적이다.
- 예: Slack의 긴 대화 한 편을 AI 에이전트로 요약하기
- 작은 성공을 통해 실질적인 유용성을 체감하게 하기
- 이후 더 복잡한 업무로 활용 범위를 확대하기
- 점진적인 도입은 구성원의 거부감을 낮추고 AI 활용 숙련도와 신뢰를 단계적으로 높인다.
## 실용적인 적용 방향
리더는 먼저 팀과 함께 작은 AI 실험을 진행하고, 결과를 평가할 기준을 마련해야 한다. 도구 사용 교육과 실패를 허용하는 문화를 병행하되, 사용자 이해와 품질 기준은 절대 낮추지 않는 것이 중요하다. AI가 만든 결과물을 그대로 받아들이기보다 맥락에 맞는지 판단하고 개선하는 능력을 조직의 핵심 역량으로 키워야 한다.
도구와 AI만으로는 장인의 경지에 도달할 수 없으며, 중요한 것은 자신만의 관점인 ‘감각(taste)’을 기르는 일이다. 감각은 반복적인 연습과 피드백, 세부 사항에 대한 관심, 사용자와 결과물에 대한 배려를 통해 끊임없이 발전한다. AI는 더 많은 가능성을 탐색하게 해주지만, 무엇을 선택하고 다듬을지는 여전히 사람의 감각에 달려 있다.
## 숙련은 기술 습득을 넘어 관점을 만드는 일
- 어떤 분야든 재료와 도구의 작동 방식을 이해하고 반복해서 연습해야 한다.
- AI가 작업 방식을 바꾸더라도 전문가가 되는 과정 자체가 사라지지는 않는다.
- 진정한 전문성은 새로운 기술을 많이 익히는 데 그치지 않고, 세상을 바라보고 해석하는 고유한 방식을 갖는 데서 나온다.
- 피아노 연주나 작곡에서 리듬과 강약을 조절해 감정을 전달하듯, 디자인에서도 각 선택의 이유와 효과를 이해해야 한다.
- 멘토의 조언, 비평, 협업, 꾸준한 실천이 창의적 직관을 형성한다.
## 감각은 배려와 의도성에서 나온다
- 감각이 뛰어난 결과물은 제작자의 의도와 그것을 끝까지 구현하려는 노력을 보여준다.
- 디터 람스의 브라운 제품처럼 기능만 설계하는 것이 아니라, 제품이 놓일 공간과 사용자가 만지는 경험까지 고려해야 한다.
- 감각은 모든 사람이 좋아하는 보편적 취향이 아니다. 서로 다른 미적 관점을 가진 디자이너도 충분히 감각적일 수 있다.
- 제품 디자인에서는 형태와 기능, 표현력과 가독성, 추가할 것과 حذف할 것 사이의 트레이드오프를 어떻게 다루는지가 감각을 드러낸다.
- 세부 사항에 얼마나 투자하고 어떤 타협을 거부하는지가 결과물의 개성을 만든다.
## 좋은 결과물을 만드는 세 가지 요소
저자는 감각을 가진 사람을 판단할 때 다음 세 가지를 본다고 설명한다.
- **분별력(Discernment)**
- 무엇이 잘못되었는지뿐 아니라 왜 잘못되었는지 설명할 수 있어야 한다.
- 다른 사람은 막연히 느끼는 문제를 구체적인 언어와 근거로 표현할 수 있어야 한다.
- **공감(Empathy)**
- 화면이나 제품 자체가 아니라 그 반대편에 있는 사용자를 생각해야 한다.
- 다양한 화면 크기, 색상 프로필, 인터페이스 언어, 사용 빈도가 낮은 상태까지 고려하는 태도가 중요하다.
- **창의적 에너지(Creative energy)**
- 개인 프로젝트나 실험을 계속하며, 해결하고 싶은 문제를 스스로 만들어 나가야 한다.
- 결과물을 만들지 않고는 견디기 어려울 정도로 자신의 분야에 몰입하는 태도가 드러난다.
## 감각은 연습과 협업 속에서 자란다
- 음악에서는 손가락이 건반을 익히고 귀가 음 사이의 공간을 감지하듯, 디자인에서도 반복 작업을 통해 품질 판단이 몸에 배게 된다.
- 디자인 비평은 자신의 판단을 검증하고 다른 관점을 받아들이는 중요한 과정이다.
- 완성도는 혼자만의 취향에서 나오는 것이 아니라, 협업과 피드백을 통해 의도를 더 명확하게 다듬을 때 높아진다.
- 사용자가 거의 경험하지 않는 빈 상태나 아주 미세한 전환 속도처럼 눈에 잘 띄지 않는 부분도 세심하게 관리해야 한다.
## AI는 감각을 대체하지 않고 창작의 범위를 넓힌다
- AI가 첫 번째 결과물을 빠르게 만들어 주더라도, 그것을 최종 결과로 받아들이는 태도는 감각의 부족을 의미할 수 있다.
- 제임스 다이슨이 대표적인 진공청소기 디자인을 완성하기까지 5,127개의 시제품을 만든 사례처럼, 뛰어난 결과물에는 반복적인 선택과 개선이 필요하다.
- 좋은 도구는 머릿속의 의도와 실제 결과물 사이의 간극을 줄여준다.
- AI는 더 넓은 방향을 탐색하고 더 많은 시안을 만드는 데 도움을 주지만, 어떤 결과가 적절한지 판단하는 기준은 제공하지 못한다.
- 결과물에 반복적으로 쌓인 의도적 선택이 결국 “이 사람만 만들 수 있는 것”이라는 고유성을 만든다.
결국 감각을 기른다는 것은 자신의 분야를 사랑하고, 사용자와 결과물을 세심하게 배려하며, 반복해서 선택하고 수정하는 일이다. AI를 활용하더라도 첫 결과물을 그대로 받아들이기보다 다양한 가능성을 탐색한 뒤 자신의 기준으로 엄격하게 선별하고 다듬는 것이 바람직하다.
AI로 누구나 제품을 빠르게 만들 수 있는 시대에는 구현 속도보다 무엇을 만들지 정하는 방향성이 더 중요하다. 좋은 팀은 여러 가능성을 동시에 탐색하고, 실제에 가까운 프로토타입으로 비교한 뒤, 선택한 방향을 반복적으로 다듬어 자신만의 결과물로 만든다. 결국 경쟁력은 속도·방향·완성도를 함께 갖추는 데서 나온다.
## 속도보다 방향이 중요해진 이유
- 과거에는 아이디어를 실제 제품으로 구현하는 능력과 코딩 역량이 큰 차별점이었다.
- AI와 새로운 제작 도구로 상상과 구현 사이의 간격이 거의 사라지면서, 빠르게 만드는 능력은 기본 조건이 되었다.
- 빠른 실행은 잘못된 방향으로 달리는 문제를 가릴 수 있다.
- 모두가 빠르게 만들 수 있다면 차별점은 “얼마나 빨리 만들었는가”가 아니라 “무엇을 만들 가치가 있다고 판단했는가”가 된다.
## 첫 아이디어에 매몰되는 문제
- 초보 빌더는 첫 아이디어를 선택한 뒤 개선과 반복에 집중하기 쉽다.
- 이 과정은 출발점을 재검토하지 않는 **국소 최적화(hill-climbing)**와 비슷하다.
- 초기 선택에 따라 이후 의사결정이 결정되는 경로 의존성이 생길 수 있다.
- AI 에이전트는 사용자의 첫 요청을 빠르고 친절하게 발전시키지만, 더 나은 대안을 스스로 제시하거나 터널 비전을 깨뜨리지는 못할 수 있다.
- 결과적으로 아이디어를 깊게 발전시키기는 하지만, 애초에 가장 좋은 아이디어였는지는 검증하지 못한다.
## 넓게 탐색하되 실제 경험까지 검증하기
- 숙련된 팀은 먼저 선택지를 넓게 펼친다.
- 서로 겹치지 않으면서 전체 가능성을 포괄하는 **MECE(Mutually Exclusive, Collectively Exhaustive)** 방식으로 방향을 정리하고 장단점을 비교한다.
- 반대로 2x2 매트릭스나 와이어프레임처럼 추상적인 자료만으로는 실제 사용자 경험에 대한 확신을 얻기 어렵다.
- 효과적인 방법은 여러 방향을 동시에 탐색하면서 각각을 충분히 구체화하는 것이다.
- AI를 활용하면 하나의 문제에 대해 여러 인터랙티브 프로토타입을 병렬로 제작하고, 각 방향을 실제 제품처럼 비교할 수 있다.
- 팀원과 AI가 함께 프로토타입을 사용하고 피드백을 나누면 추상적인 아이디어가 아니라 구체적인 경험을 기준으로 판단할 수 있다.
- 이는 순차적이고 분리된 작업 방식에서 벗어나, 여러 사람이 여러 방향을 동시에 실험하는 협업 방식이다.
## 평균적인 결과를 넘어 자신만의 제품 만들기
- 누구나 빠르게 만들 수 있게 되면 제품은 검증된 패턴과 일반적인 디자인으로 수렴하기 쉽다.
- AI는 통계적으로 성공 가능성이 높은 UI와 기능을 제안하지만, 그것이 반드시 깊이 고민된 제품 경험을 의미하지는 않는다.
- 사용자가 AI의 첫 결과물을 그대로 받아들이면 제품은 서로 비슷하고 무난해진다.
- 진짜 위험은 능력 부족이 아니라 첫 제안에 수동적으로 동의하고, “그럴듯해 보인다”는 이유로 멈추는 태도다.
- 기억에 남는 제품은 기능적으로 작동하는 것에서 끝나지 않고, 제작자의 명확한 관점과 의도를 드러낸다.
- 이를 위해 각 결정을 다시 질문하고, 불필요한 요소를 제거하며, 여러 번 수정하고 다듬어야 한다.
- 완성도 높은 결과를 만드는 일은 타고난 감각만의 문제가 아니라, 반복적으로 보고 판단하고 개선하는 훈련의 결과다.
## 지금 중요한 세 가지 역량
- **속도**: 아이디어를 빠르게 실험하고 프로토타입으로 구현한다.
- **방향**: 여러 가능성을 비교해 만들 가치가 있는 문제와 해법을 선택한다.
- **완성도와 장인정신**: AI가 만든 기본 결과를 넘어 제품의 의도와 개성을 구체화한다.
- 최고의 팀은 이 세 가지를 서로 맞바꾸지 않고, 빠르게 움직이면서도 신중하게 선택하고 집요하게 개선한다.
실무에서는 하나의 아이디어를 곧바로 개발하기보다 여러 방향의 프로토타입을 병렬 제작하고, 실제 사용자 경험을 비교한 뒤 선택하는 방식이 효과적이다. AI의 결과물은 출발점으로 활용하되 그대로 받아들이지 말고, 제품의 목적과 차별성이 분명해질 때까지 반복적으로 수정하는 것이 좋다.
토스플레이스의 결제 단말기 '프론트 2'는 단순히 기능을 나열하는 것을 넘어, 1세대 사용 현장에서 발견한 불편함을 집요하게 개선하여 심미성과 사용성을 동시에 확보한 결과물입니다. 개발팀은 기술적으로 가능한 답에 안주하지 않고 소재의 변화와 내부 설계의 전면 재구성을 통해 NFC 인식 개선과 리더기 교체 편의성이라는 난제를 해결했습니다. 결과적으로 완성도는 우연이 아닌 '더 나은 답'을 찾기 위한 치열한 고민과 집착에서 비롯됨을 보여줍니다.
**NFC 인식률과 사용성을 위한 소재의 혁신**
* 1세대 단말기는 기술적 안정성 때문에 NFC 안테나가 우측에 배치되어 좁은 매대에서 결제가 불편했던 점을 개선하고자 NFC를 전면으로 이동시켰습니다.
* 디스플레이 뒤쪽의 금속 성분이 NFC 신호를 차단하는 문제를 해결하기 위해, 카드 리더기 위치 변경이나 단말기 크기 확장 등의 시안을 검토했으나 심미성과 인식률 저하로 폐기했습니다.
* 결국 '디스플레이 뒷면은 금속이어야 한다'는 고정관념을 깨고, 전파 간섭이 없는 플라스틱 소재로 교체하되 강화유리로 내구성을 보완하는 커스터마이징 공정을 도입하여 전면 NFC 인식을 구현했습니다.
**C타입 도킹 구조를 통한 수리 편의성 확보**
* 고장 시 기기 전체를 입고해야 했던 일체형 구조의 불편함을 해결하기 위해, 사장님이 현장에서 직접 교체할 수 있는 분리형 카드 리더기를 설계했습니다.
* 별도의 나사나 복잡한 고정 장치 없이도 깔끔한 디자인을 유지하기 위해 누구나 익숙한 C타입 단자 결합 방식을 채택했습니다.
* 이를 통해 대리점의 재고 부담을 줄이고 매장 운영 공백을 최소화하면서도, 외관상으로는 하나의 완성된 제품처럼 보이는 심리스(Seamless)한 디자인을 완성했습니다.
**내부 설계를 뒤집는 역발상으로 구현한 유지보수**
* C타입으로 결합된 리더기를 도구 없이 쉽게 분리하기 위해, 리더기 일부를 돌출시키는 대신 '뒤에서 밀어 빼는' 구조를 고안했습니다.
* 하지만 뒷면의 전원 및 인터넷 단자 공간 문제로 초기 설계상 구현이 불가능하자, 내부 회로 기판을 위아래로 뒤집고 비스듬히 기울여 재배치하는 전면 재설계를 단행했습니다.
* 케이블 단자 부품까지 모두 반전된 형태로 새로 수급하는 과정을 거쳐, 결과적으로 리더기 교체는 물론 케이블 연결까지 더 쉬워진 내부 구조를 만들어냈습니다.
**실천적 결론: 완성도를 높이는 4가지 질문**
제품의 완성도를 높이기 위해서는 기술적으로 '되는' 답이 아니라 사용자에게 '맞는' 답을 찾아야 하며, 이를 위해 다음의 질문을 반복할 것을 권장합니다.
1. **사용성 점검:** 모든 사용자(Edge case 포함)가 이 디자인을 쉽고 편하게 누릴 수 있는가?
2. **본질 정의:** 당면한 여러 문제 상황을 관통하는 근본적인 원인은 무엇인가?
3. **최선 의심:** 현재 도출된 해결책이 정말 본질을 해결하는 최선의 방법인가?
4. **방향 재정의:** 현재의 답이 부족하다면, 해결책의 방향성 자체를 처음부터 다시 설정할 수 있는가?
토스 디자인 챕터는 기술의 발전으로 도구 활용에 대한 장벽이 낮아짐에 따라, 기존의 세분화된 6개 직무를 'Product Designer'와 'Visual Designer' 2개로 전격 통합했습니다. 이번 개편은 "어떤 도구를 사용하는가" 혹은 "어떤 화면을 만드는가"라는 수단 중심의 경계를 허물고, "무엇이 좋은 경험인가"를 판단하는 디자이너 본연의 감각과 판단력에 집중하기 위한 결정입니다. 이를 통해 디자이너가 고민할 수 있는 영역을 넓히고, 매체나 기법에 갇히지 않는 본질적인 문제 해결을 지향합니다.
**수단과 매체가 만든 직무 경계의 한계**
* 기존의 직무 세분화(Platform, Interaction, Graphic, Brand 등)는 조직의 성장에 따라 전문성을 쌓는 데 기여했으나, 실무에서는 점차 경계가 모호해지는 문제가 발생했습니다.
* 인터랙션 적용이나 디자인 시스템 구축 시 특정 직무의 영역인지 모호한 상황이 반복되었으며, 이는 협업의 효율을 저해하는 요소가 되었습니다.
* 과거의 직무 구분은 "무엇을 판단하느냐"가 아니라 Lottie, 코드, PC/모바일 등 다루는 도구와 화면의 크기라는 '수단'에 매몰되어 있었다는 점이 한계로 지적되었습니다.
**기술 발전과 하드스킬 장벽의 붕괴**
* AI와 디자인 도구(Figma 등)의 비약적인 발전으로 영상 제작, 프로토타이핑, 코드 구현 등 과거 전문 영역이었던 기술적 난이도가 낮아졌습니다.
* 이미 실무에서는 직무에 구애받지 않고 브랜드 디자이너가 제품을 디자인하거나, 그래픽 디자이너가 시스템을 구축하는 등 '경계를 넘는 디자이너'들이 등장하고 있었습니다.
* 하드스킬 습득 시간이 단축됨에 따라 디자이너에게 가장 중요한 역량은 도구 숙련도가 아닌, 결과물의 질을 결정하는 '판단력'과 '감각'으로 이동했습니다.
**통합된 두 가지 핵심 직무**
* **Product Designer**: 기존의 제품 디자이너와 툴즈 제품 디자이너를 통합하여, 모바일과 PC라는 화면 구분을 없앴습니다. 사용자의 맥락과 문제를 발견하고 해결책을 설계하는 본질에 집중합니다.
* **Visual Designer**: 플랫폼, 인터랙션, 그래픽, 브랜드 디자이너를 통합했습니다. 특정 매체에 국한되지 않고 "무엇이 아름답고 올바른 시각적 판단인가"를 고민하며, 필요에 따라 아이콘 제작부터 인터랙티브 웹까지 직접 수행하는 조형 전문가를 지향합니다.
**산업 전반에서 나타나는 역할 수렴 현상**
* 디즈니 애니메이션이 복잡한 물리적 공정을 소프트웨어로 대체하고 기획 중심의 구조로 바뀐 것처럼, 디자인 역시 도구 중심에서 판단 중심으로 진화하고 있습니다.
* 음악 산업에서 DAW(디지털 오디오 워크스테이션)의 등장으로 작곡과 엔지니어링의 경계가 사라진 사례처럼, 도구가 하나로 모이면 역할도 자연스럽게 하나로 흐려집니다.
* 영화와 TV 연출의 경계가 디지털 시네마 등장 이후 사라진 것과 마찬가지로, 디자인 매체의 통합은 거스를 수 없는 흐름입니다.
**디자이너를 위한 실용적인 제언**
이제 디자이너는 특정 툴의 숙련도에 안주하기보다, 자신이 만드는 결과물이 사용자에게 어떤 가치를 전달하는지 '판단하는 힘'을 길러야 합니다. 직무의 이름에 스스로를 가두지 않고 문제 해결을 위해 필요한 모든 수단을 자유롭게 활용할 수 있는 역량을 갖추는 것이 중요합니다. 토스의 사례처럼 조직 차원에서도 디자이너가 더 넓은 범위에서 사고할 수 있도록 제도적 제약을 제거해 나가는 변화가 필요할 것입니다.
AI 제품 개발은 속도보다 사용자 신뢰를 우선해야 하는 문제이며, 특히 금융처럼 감정과 위험이 얽힌 영역에서는 정직하고 인간적인 경험이 필수다. AI는 사람을 대체하는 기술이 아니라 탐색·프로토타이핑·반복을 가속하는 팀원으로 활용해야 한다. 이를 위해서는 인간의 직관과 비판적 사고, 고객의 실제 감정에 대한 이해를 끝까지 유지해야 한다.
## 1. 기본 원리에서 출발하라
- 복잡한 문제를 근본 요소로 분해하고, 고객의 필요와 제품의 차별화 요소를 직접 파악해야 한다.
- AI는 아이디어 탐색과 반복 속도를 높일 수 있지만, 독창적인 관점과 직관을 대신할 수는 없다.
- 기존 결정을 당연하게 받아들이지 말고 “왜 세 가지 결제 옵션인가?”, “한 가지나 다섯 가지는 어떤가?”, “사용자가 직접 설계할 수는 없는가?”처럼 근본적인 질문을 던져야 한다.
- AI가 여러 대안을 빠르게 제시하더라도 중요한 통찰은 사람 사이의 건설적인 의견 충돌에서 나온다.
## 2. 고객의 깊은 감정에 기반하라
- 실제 고객을 관찰하고 직접 질문하는 UX 리서치와 현장 경험은 대체할 수 없다.
- 소셜 미디어, 앱스토어 리뷰, 고객과의 대화를 통해 제품 사용 중 발생하는 불만과 기대를 지속적으로 파악해야 한다.
- Affirm은 내부 AI 도구 ‘Pluto’를 활용해 최근 30일 동안 고객이 어떤 점에서 실망했는지 조회한다.
- 대시보드와 지표는 문제의 방향을 보여주지만, 금융 서비스의 핵심 감정인 불안, 신뢰, 좌절, 안도까지 설명하지는 못한다.
- 사용자가 구매하는 것은 단순한 상품이 아니라, 그 상품이 제공하는 기쁨과 안심이라는 점을 이해해야 한다.
## 3. AI를 또 하나의 팀원으로 대하라
- AI를 만능 도구나 인간을 대체할 존재로 보는 극단적인 시각을 피해야 한다.
- 제품 개발은 본질적으로 협업 작업이므로, AI는 고객 인사이트를 프로토타입과 실제 제품으로 빠르게 전환하는 팀원처럼 활용할 수 있다.
- 웹·모바일·데스크톱처럼 환경별로 checkout 흐름이 다른 경우, AI 도구를 사용해 다양한 실험과 검토를 수행할 수 있다.
- Figma Make를 이용하면 여러 화면과 사용 사례를 한 번에 점검하고, 오래된 인터랙션 패턴이나 일관성이 깨진 부분을 조기에 찾을 수 있다.
- 반복적인 검토 작업을 엔지니어에게서 디자이너와 PM에게 분산하면 개발 리소스를 절약하면서 실험과 창의성을 높일 수 있다.
## 4. 엣지 케이스를 집중적으로 실험하라
- 좋은 제품은 대표적인 성공 경로(happy path)만 매끄럽게 만드는 데서 끝나지 않는다.
- 다양한 사용자 조건과 예외 상황까지 검토해야 진정성 있고 신뢰할 수 있는 경험을 만들 수 있다.
- 제공된 글은 이 원칙의 도입부에서 끝나 있어, 구체적인 엣지 케이스 실험 방법과 나머지 규칙의 내용은 확인할 수 없다.
AI를 제품 개발에 도입할 때는 먼저 고객 문제와 감정을 직접 이해하고, AI는 대안 탐색과 반복 작업을 가속하는 역할로 제한하는 것이 바람직하다. 특히 금융처럼 신뢰가 중요한 서비스에서는 자동화의 속도보다 인간의 판단, 설명 가능성, 예외 상황에 대한 대비가 우선되어야 한다.
토스뱅크의 신입 디자이너가 비회원 가입 전환율을 높이기 위해 수행한 실험 설계 과정은 데이터 분석과 가설 검증의 유기적인 반복을 통해 정교해집니다. 실험의 성공 여부보다 중요한 것은 '왜'라는 질문을 바탕으로 선명한 가설을 세우는 것이며, 과거의 실험 데이터를 구조적으로 분석하여 승패의 패턴을 학습하는 것이 성장의 핵심입니다. 결국 명확한 문제 정의와 사용자 맥락을 반영한 작은 개선들이 모여 제품의 유의미한 비즈니스 임팩트를 만들어냅니다.
**속도와 임팩트 중심의 우선순위 설정**
* 비회원 가입 퍼널 중 이탈이 발생하는 인트로, 동의 화면, 신분증 인증 단계를 데이터로 분석했습니다.
* 리걸(Legal) 및 컴플라이언스 검토가 필요한 공통 모듈 영역보다는, 수정이 자유롭고 첫 유입에 직접적인 영향을 주는 '인트로 화면'을 실험 대상으로 선정했습니다.
* 즉각적인 반복 실험이 가능한 '속도'와 전체 전환율에 기여하는 '임팩트'를 기준으로 리소스를 배분하는 효율적인 접근 방식을 택했습니다.
**과거 실험 데이터를 통한 위닝 패턴 학습**
* 단순히 새로운 시안을 만드는 데 집중하기보다, 기존에 진행된 수많은 실험의 가설 구조와 문제 정의 방식을 먼저 분석했습니다.
* 특정 시안의 승패 결과 자체보다는 어떤 맥락에서 해당 가설이 세워졌는지 '이유'에 집중하여 실패와 성공의 패턴을 흡수했습니다.
* 실험 경험이 부족할수록 아이디어를 내는 시간보다 기존의 러닝(Learning)을 구조적으로 읽고 현재 맥락에 적용할 지점을 찾는 시간이 중요함을 확인했습니다.
**명확한 가설 수립과 기술적 최적화**
* 첫 실험의 실패를 통해 가설이 모호하거나 사용자 맥락을 놓치면 결과 분석이 어렵다는 점을 깨닫고, 한 번에 하나의 변수만 검증하는 원칙을 세웠습니다.
* 사용자 반응이 좋았던 '고금리', '매일 이자 받기' 등의 키워드를 문구에 반영하고, 저사양 기기에서도 원활하도록 이미지 로딩 속도를 최적화(저용량 확장자 사용 등)하여 실제 전환율 상승을 이끌어냈습니다.
* 기능 설명 중심의 문구에서 벗어나 유저가 혜택을 체감하는 장면을 상상하게 만드는 구체적인 표현으로 개선하여 CTR(클릭률)과 CVR(전환율)을 동시에 높였습니다.
**신입 디자이너를 위한 실험 설계 제언**
* 실험은 단순히 성공을 확인하는 도구가 아니라 다음 선택을 더 명확하게 하기 위한 과정임을 인지해야 합니다.
* 거창한 해답을 찾으려 하기보다 퍼널을 세분화하고, 핵심 문제를 정의한 뒤 가설이 선명하게 드러나는 실험안을 설계하는 것이 중요합니다.
* 실패한 실험에서도 다음 가설을 위한 힌트를 얻을 수 있도록 가설과 성공 지표를 사전에 정교하게 설정할 것을 권장합니다.
디자인 업계는 AI로 인해 빠르게 변하고 있지만, 디자이너들은 불확실성을 피하기보다 AI를 실무에 통합하며 새로운 기회로 전환하고 있다. 조사에 따르면 AI는 작업 속도와 협업뿐 아니라 디자인 품질도 높이며, 인간 고유의 세심한 완성도와 창의적 판단인 ‘크래프트’의 중요성은 오히려 커지고 있다. 조직이 디자인의 우수성을 중시할수록 디자이너의 만족도와 기업 성과도 함께 높아진다는 것이 글의 결론이다.
## 조사 배경과 디자이너들이 처한 변화
- Figma는 NewtonX와 함께 북미, APAC, 유럽, LATAM, 중동의 디지털 디자이너 906명을 조사했다.
- 설문은 영어, 스페인어, 프랑스어, 이탈리아어, 포르투갈어, 일본어, 한국어로 진행됐다.
- 디자이너들은 AI 도입으로 업무 방식이 흔들리고 있지만, 단순히 산출물의 양만 늘리는 것이 아니라 더 빠르고 높은 품질의 결과물을 만들고 있다고 응답했다.
- 글은 이러한 불확실성과 낙관이 공존하는 상태를 디자이너들이 변화의 ‘어수선한 중간 단계(messy middle)’를 지나고 있는 상황으로 묘사한다.
## AI가 작업 속도와 품질을 함께 높이다
- 91%의 디자이너가 AI 도구가 디자인을 개선한다고 답했다.
- 89%는 AI 덕분에 더 빠르게 일할 수 있다고 응답했다.
- 80%는 협업이 개선됐다고 답했으며, 대부분은 AI 도구가 업무를 늦춘다고 생각하지 않았다.
- AI는 반복 작업과 워크플로 최적화를 지원해 디자이너가 더 많은 결과물을 출시하고, 영향력이 큰 아이디어에 시간을 쓸 수 있게 한다.
- AI를 적극 활용하는 디자이너는 그렇지 않은 디자이너보다 직업 만족도가 25% 높았다.
- 이들은 자신의 업무가 비즈니스 성과와 기업 성장에 기여한다고 느낄 가능성도 더 높았다.
- 따라서 AI는 디자이너의 역할을 대체하는 도구라기보다, 디자이너가 더 빠르게 실험하고 중요한 판단에 집중하도록 돕는 도구로 제시된다.
## 크래프트는 인간적인 차별점이다
- 누구나 AI로 프롬프트를 작성해 프로토타입을 만들 수 있는 환경에서는 제품을 구별하는 요소로 디자인의 완성도와 의도성이 중요해진다.
- 조사에서 디자이너들이 생각하는 크래프트의 의미는 다음과 같았다.
- 시각적 완성도: 58%
- 사려 깊은 문제 해결: 47%
- 명확하고 직관적인 UX: 36%
- 감정과 즐거움을 주는 경험: 35%
- 제품 전반의 일관성: 15%
- 한 응답자는 크래프트를 “기술, 디테일, 의도적인 노력이며, 배려와 정밀함, 예술성을 담아 만드는 것”이라고 설명했다.
- 시각적 완성도나 감정적 경험처럼 결과물에서 바로 드러나는 요소는 리더나 사용자에게 인정받기 쉽다.
- 반면 어려운 문제를 해결하거나 복잡한 트레이드오프를 조정하는 전술적 작업은 중요하더라도 외부의 인정을 덜 받을 수 있다.
## 조직의 디자인 투자와 성과
- 경영진이 디자인의 우수성을 중시하는 조직의 디자이너는 그렇지 않은 조직보다 자신의 일에 만족할 가능성이 약 2배 높았다.
- 크래프트를 중요하게 여기는 팀은 더 높은 사기, 빠른 비즈니스 성장, 명확한 추진력을 보고했다.
- 디자인에 대한 지원과 투자가 늘어난 조직일수록 성장 속도와 디자이너의 낙관적 전망이 함께 높아졌다.
- 효과적인 투자는 다음을 포함한다.
- 리더십 차원의 디자인 품질 지원
- 디자이너의 역량 개발 기회 제공
- 좋은 작업에 대한 공식적 인정과 보상
- 이는 개인의 창의성만으로 품질을 유지하기보다, 조직 차원에서 높은 기준을 뒷받침해야 한다는 점을 보여준다.
AI를 도입할 때는 단순히 생산량을 늘리는 데 집중하기보다 반복 작업을 자동화하고, 디자이너가 문제 정의·사용자 경험·감정적 완성도·최종 품질 판단에 더 많은 시간을 쓰도록 설계하는 것이 바람직하다. 또한 디자인 품질을 평가하고 인정하는 조직 문화를 함께 구축해야 AI의 속도와 인간의 크래프트를 모두 살릴 수 있다.
AI 시대에 기업의 디자이너 수요는 감소하기보다 오히려 다시 증가하고 있다. Figma의 조사에서 82%의 디자인 리더가 디자이너 수요가 증가했거나 유지됐다고 답했으며, AI 도구 활용과 AI 제품 설계 역량이 채용의 중요한 기준으로 떠올랐다. 특히 빠르게 성장하는 기업일수록 디자인을 제품 차별화와 매출 성장을 이끄는 전략적 기능으로 보고 더 적극적으로 채용하고 있다.
## 기술 산업을 넘어 증가하는 디자인 채용
- 조사 대상 리더의 **82%**는 조직의 디자이너 수요가 증가했거나 현재 수준을 유지하고 있다고 답했다.
- 약 **47%**는 수요가 증가했다고 응답했다.
- 수요가 증가한 기업 중 다수는 최소 **10% 이상** 증가했다고 답했으며, 25% 이상 증가한 기업도 상당수였다.
- 기술 기업이 채용을 주도하지만, 디자인 수요는 다양한 산업으로 확산되고 있다.
- 북미의 비기술 기업도 디자인 인력을 적극적으로 채용하는 편이다.
- 유통, 출판, 항공 등은 디지털 접점을 강화하고 고객 경험을 개선하기 위해 디자이너를 필요로 한다.
- 기업 성장률이 높을수록 디자인 채용 의향도 높았다.
- 업계 평균보다 빠르게 성장하는 기업의 **46%**가 향후 6개월 내 채용 확대를 계획했다.
- 평균 성장 기업은 **40%**, 성장 속도가 느린 기업은 **33%**였다.
- 고성장 기업은 디자인을 단순한 시각적 완성도가 아니라 다음과 같은 전략적 수단으로 인식한다.
- 아이디어를 더 빠르게 검증
- 전략을 실제 제품으로 전환
- 경쟁사와 차별화
- 고객 기대에 대응하고 매출 창출
- 채용 시장에 대한 체감은 아직 낙관적이지 않다.
- 전체 채용 환경이 개선되고 있다고 보는 채용 관리자는 **20%**에 그쳤다.
- 그러나 2025년 디자인 직무 채용 공고는 일부 디자인 중심 벤처캐피털 포트폴리오에서 전년 대비 약 **60% 증가**했다.
- 향후 6개월 내 추가 인력을 채용하려는 관리자는 **40%**였다.
## AI가 디자이너 수요를 촉진하는 이유
- AI 모델과 도구가 빠르게 발전하면서 기업은 새로운 업무 방식에 즉시 적응할 수 있는 디자이너를 찾고 있다.
- 기업이 요구하는 역량은 두 방향으로 확대되고 있다.
- AI 도구를 디자인 업무에 활용하는 능력
- AI 기반 제품과 서비스를 설계하는 능력
- 채용 관리자의 **73%**는 AI 도구 숙련도에 대한 수요가 증가했다고 답했다.
- **79%**는 AI 제품을 설계할 수 있는 지식의 중요성이 커졌다고 응답했다.
- AI 역량은 더 이상 선택적인 우대 조건이 아니라 필수 요건에 가까워지고 있다.
- 특히 기업은 다음 역량을 결합한 인재를 선호한다.
- 기술적 이해도
- 전략적 사고
- 창의적이고 틀을 벗어난 문제 해결
- 인간이 개입하는 human-in-the-loop 방식에 대한 이해
- 인간의 판단을 보완하는 human-augmented AI 활용 능력
- 따라서 AI 시대의 디자이너는 AI 제품의 사용자 경험을 설계하는 동시에, 자신의 디자인 프로세스에도 AI를 효과적으로 통합해야 한다.
## 기업이 시니어 디자이너를 우선하는 배경
- 글은 다음 섹션에서 기업들이 **시니어 인재를 우선적으로 채용하는 현상**을 다룬다.
- 공개된 내용에 따르면, 빠른 실행이 요구되는 환경에서 기업은 단순한 제작 능력보다 다음과 같은 역량을 갖춘 디자이너를 중시하고 있다.
- 높은 수준의 판단력
- 복잡한 문제를 해결하는 경험
- 빠르게 변화하는 프로젝트를 주도하는 능력
- 다만 제공된 글은 이 섹션의 문장이 중간에서 끝나 있어, 시니어 인재에 대한 구체적인 조사 수치와 세부 근거는 확인할 수 없다.
디자이너는 시각 디자인 툴 숙련도만 강화하기보다 AI 도구를 실제 업무에 적용하고, AI 제품의 작동 방식과 사용자 경험을 함께 이해하는 역량을 갖추는 것이 유리하다. 또한 빠르게 성장하는 조직이 요구하는 전략적 사고와 제품 개발 전반의 판단력을 함께 키우는 것이 향후 채용 경쟁력을 높이는 방법이다.
AI는 디자인·개발·제품 관리의 전문 업무를 자동화하고, 역할 간 경계를 흐리게 만들고 있다. 이에 따라 디자이너라는 직함은 고정된 직무명이 아니라 변화하는 업무 묶음과 전문적 정체성을 설명하는 장치가 된다. 글은 직함이 여전히 경력 경로와 협업 기대치를 정하는 데 유용하지만, 앞으로는 특정 직함보다 여러 영역을 연결하고 가치를 만들어내는 능력이 더 중요해질 것이라고 말한다.
## AI가 만든 역할의 확장과 경계의 붕괴
- 디자이너, 개발자, 제품 관리자가 담당하는 업무 범위가 넓어지면서 서로의 역할을 일부 수행하는 일이 일반화되고 있다.
- Figma의 최근 조사에 따르면 제품을 만드는 사람의 **64%가 두 개 이상의 역할과 자신을 동일시**한다.
- AI가 전문적인 작업을 점점 더 잘 처리하면서, 한 분야의 깊은 전문성뿐 아니라 여러 영역의 관계를 파악하고 연결하는 능력이 중요해지고 있다.
- 이런 변화 속에서 ‘제너럴리스트’의 가치가 커지고 있으며, 직무 간 경계와 전통적인 역할 구분은 약해지고 있다.
## 직함이 갖는 사회적·심리적 의미
- 직함은 단순한 명칭이 아니라 다음과 같은 기능을 한다.
- 개인의 지위와 전문성을 전달한다.
- 협업 상대가 그 사람의 역할과 기대치를 빠르게 이해하도록 돕는다.
- 개인이 자신의 직업적 정체성을 이해하고 표현하는 기준이 된다.
- 직함은 업무 만족도와 심리적 안정감에도 영향을 줄 수 있다.
- Adam Grant가 참여한 연구에서는 직원이 자신의 직함을 직접 정할 수 있을 때 심리적 안전감이 높아지고, 5주 동안 정서적 소진이 최대 10% 감소했다.
- 건축·기계공학·전기전자공학·의학 분야처럼 직함과 자격을 중심으로 전문성을 제도화한 조직도 존재한다.
## 기술 변화에 따라 달라지는 직업명
- ‘디자이너’의 의미는 시대에 따라 변해 왔다.
- 1950년대에는 주로 사물과 인쇄물의 시각적 형태를 설계하는 직업으로 이해됐다.
- 소프트웨어와 디지털 제품이 등장하면서 사용자 경험, 인터랙션, 서비스 설계까지 역할이 확장됐다.
- ‘소프트웨어 엔지니어’라는 명칭도 1966년 무렵 등장했으며, 1968년 NATO 회의에서는 급증하는 컴퓨팅 능력에 맞춰 복잡해진 소프트웨어 개발 문제, 이른바 ‘소프트웨어 위기’를 다뤘다.
- 닷컴 붐 당시에는 한 사람이 제품 관리자, 프로그램 관리자, 개발자, 아티스트를 동시에 맡는 경우도 있었고, 인사 부서가 적절한 직함이나 직군을 정하지 못하는 일도 있었다.
- 최근에는 ‘프롬프트 엔지니어’처럼 AI 기술의 부상과 함께 새로운 직함이 빠르게 등장했다가 중요성이 약해지는 현상도 나타났다.
- Ethan Mollick은 직업을 고정된 정체성이 아니라 기술과 환경에 따라 중요도와 난이도가 달라지는 **업무(task)의 묶음**으로 설명한다.
## 직함은 기대치를 조정하는 도구
- Figma의 Nikolas Klein은 자신을 “PM 트렌치코트를 입은 프로덕트 디자이너”라고 표현한다.
- 그는 직함이 다음과 같은 실용적 역할을 한다고 본다.
- 조직 내 경력 단계와 승진 경로를 제시한다.
- 처음 만난 사람에게 담당 업무와 전문성을 설명한다.
- 협업 과정에서 상대방이 기대할 수 있는 역량을 조정한다.
- 디자이너에서 제품 관리자로 이동한 뒤에는 전략, 서비스 디자인, 여러 문제를 연결하는 능력이 더 자연스럽게 기대되었고, 시각 디자인 업무에 대한 기대는 줄었다.
- 즉, 직함은 개인의 모든 능력을 완벽하게 설명하지는 못하지만, 다른 사람이 그 사람을 이해하고 협업하는 출발점이 된다.
## 직함의 한계와 정체성의 변화
- Figma의 개발자 옹호자 Jake Albaugh는 역할이 자신의 전문성이 성장함에 따라 계속 변하기 때문에, 직함이 때로는 한계처럼 느껴진다고 말한다.
- 반대로 웹 디자이너에서 소프트웨어 엔지니어로 자신을 소개할 수 있게 된 경험은 전문성을 인정받는다는 점에서 강한 자신감을 줬다.
- 특정 직함에는 해당 시대와 업계가 중요하게 여기는 가치가 반영된다.
- 사람들은 자신이 제공하는 가치와 가장 잘 맞는 방식으로 불리기를 원한다.
- 따라서 직함은 고정된 능력의 목록이라기보다, 개인의 현재 역할과 업계가 평가하는 가치를 표현하는 신호에 가깝다.
## 앞으로의 디자이너 역할
- AI가 반복적이고 전문화된 작업을 수행할수록 디자이너의 역할은 다음 방향으로 확장될 가능성이 크다.
- 문제를 정의하고 올바른 질문을 만드는 일
- 사용자·비즈니스·기술 요구사항을 연결하는 일
- 여러 분야의 아이디어를 종합해 제품 방향을 정하는 일
- AI가 생성한 결과를 평가하고 맥락에 맞게 개선하는 일
- 디자이너라는 직함이 사라진다기보다, 그 안에 포함되는 업무와 기대 역량이 계속 재구성될 가능성이 높다.
- 중요한 것은 하나의 직함에 자신을 가두기보다, 자신의 핵심 가치와 여러 역할 사이의 연결 능력을 분명히 설명하는 것이다.
조직은 직함을 폐지하기보다 경력 경로와 협업 기준을 제공하는 장치로 유지하되, 실제 평가에서는 직함보다 수행한 업무와 만들어낸 가치를 함께 봐야 한다. 개인 역시 현재의 직함에만 의존하기보다 자신이 해결할 수 있는 문제, 연결할 수 있는 분야, AI를 활용해 확장할 수 있는 역량을 중심으로 전문성을 정의하는 것이 실용적이다.
카카오의 POPM 교육은 단순한 지식 전달 과정을 넘어, PO와 PM이 공통의 언어로 협업하고 문제를 해결할 수 있도록 돕는 하나의 '제품'으로 설계되었습니다. 교육 과정을 제품 개발 프로세스와 동일하게 '구조화'와 '반복 실험'의 관점에서 접근했으며, 수강생의 피드백을 데이터로 치환하여 지속적으로 기능을 개선하듯 커리큘럼을 고도화했습니다. 결과적으로 이 과정은 전략이 실제 실행으로 이어지도록 만드는 조직 차원의 구조적 프레임워크를 구축하는 성과를 거두었습니다.
**POPM 교육의 탄생 배경과 목적**
* PO와 PM의 역할이 모호하고 비가시적인 업무가 많아 발생하는 의사결정의 혼선을 줄이기 위해 시작되었습니다.
* 문제 정의, 지표 해석, 실험 설계 등 실무에서 반복되는 질문들에 대해 조직이 공유할 수 있는 공통 언어를 수립하는 것이 핵심 목표입니다.
* PO의 전략적 고민과 PM의 실행이 단절되지 않고 하나의 목표로 이어질 수 있는 구조적 기틀을 마련하고자 했습니다.
**제품 개발 프로세스를 닮은 교육 설계**
* 파일럿 과정(1기)의 8개 세션을 시작으로, 매 기수마다 '사용자 피드백'을 반영하여 구조를 최적화했습니다.
* 3기부터는 '전략 → 지표 → 실험 → 디자인 → 실행'의 5개 핵심 세션으로 고정하여 흐름을 단순화하고 몰입도를 높였습니다.
* 교육 설계자는 PM의 관점에서 교육을 하나의 제품으로, 각 세션을 기능으로, 각 기수를 소프트웨어 버전으로 정의하여 반복 개선을 수행했습니다.
**데이터 기반의 기회 점수 도출과 리디자인**
* 수강생 대상의 사전/사후 설문을 통해 각 세션의 '중요도'와 '만족도' 매트릭스를 분석했습니다.
* 중요도는 높으나 만족도가 낮은 영역(예: 데이터/지표 세션)을 '기회 영역'으로 정의하고, 이를 제품 기능의 우선순위처럼 취급하여 최우선적으로 개선했습니다.
* 단순한 내용 수정을 넘어 슬라이드 재구성, 실습 난이도 조정, 워크시트 포맷 변경 등 구조적인 해결책을 적용하여 기회 점수를 관리했습니다.
**설계자가 얻은 구조적 인사이트**
* 교육은 사람의 변화보다 '구조의 누적'에 집중해야 하며, 시스템이 바뀌지 않으면 동일한 시행착오가 반복된다는 점을 확인했습니다.
* 지식의 전달보다 '질문의 리듬'을 설계하는 것이 중요하며, 슬라이드 하나에도 질문과 예시, 흐름을 유기적으로 배치하여 수강생의 사고를 유도했습니다.
* 실습의 목적은 정답 작성이 아니라 '생각의 구조화'에 있으며, 실습 과정이 실제 팀의 업무 루틴으로 자연스럽게 이어지도록 설계했습니다.
조직 내 교육이나 프로세스를 설계할 때 이를 하나의 고정된 커리큘럼이 아닌, 지속적으로 개선 가능한 '제품'으로 바라보는 시각이 필요합니다. 수강생을 사용자로 정의하고 그들의 불편함을 데이터로 측정하여 구조를 개선해 나간다면, 교육은 단순한 학습을 넘어 조직의 실행력을 높이는 강력한 도구가 될 수 있습니다.
토스에서 광고와 혜택 서비스를 담당하는 디자이너는 비즈니스 목표 달성과 사용자 경험(UX) 개선이 상충하는 과제가 아니라, 치열한 고민을 통해 찾아내야 할 ‘교집합’이라고 주장합니다. 필자는 광고라는 피할 수 없는 비즈니스 조건을 수용하되, 사용자가 느끼는 불쾌함을 최소화하고 오히려 가치 있는 경험으로 전환하는 전략을 통해 실질적인 성과를 이끌어냈습니다. 결과적으로 사용자의 신뢰를 지키는 방식이 비즈니스 임팩트를 극대화하는 가장 확실한 길임을 증명하며, 서비스의 수익성과 활성도를 동시에 잡는 결론에 도달했습니다.
**사용자의 불쾌감을 줄이는 예측 가능성과 배치**
* **예측 가능한 광고 경험:** 광고가 예고 없이 튀어나올 때 발생하는 사용자의 거부감을 줄이기 위해 '광고 보고'라는 문구나 광고 길이를 미리 명시했습니다. 이는 클릭률 저하 우려와 달리 부정적인 피드백을 유의미하게 감소시켰고, 광고를 수용할 사용자만 선택하게 함으로써 광고 효율을 유지했습니다.
* **동선을 방해하지 않는 위치 선정:** 계좌 내역 등 사용자의 핵심 정보 탐색 동선에 광고를 배치해 혼란을 주던 방식을 폐기했습니다. 정보를 오인하지 않도록 광고 영역을 분리 배치한 결과, 매출 타격 없이 사용자의 신뢰와 지표를 동시에 회복할 수 있었습니다.
**광고를 혜택과 재미로 인식하게 만드는 전략**
* **맥락에 맞는 광고 제공:** 광고주가 직접 집행할 수 있는 B2B 광고 플랫폼을 구축하여 광고의 양을 늘리고, 유저 개개인에게 필요한 순간(예: 자동차 보험 만료 시점)에 맞춰 광고를 노출해 광고가 '혜택'처럼 느껴지게 설계했습니다.
* **인터랙티브한 재미 요소 도입:** 광고를 단순 이미지 노출이 아닌 퀴즈, 게임, 휴대폰 움직임에 반응하는 인터랙션 등 재미있는 콘텐츠로 변모시키기 위해 팀 내부에서 정기적인 아이데이션을 진행하고 이를 실제 제품에 반영했습니다.
**적절한 보상 설계를 통한 비즈니스 모델 전환**
* **사용자가 체감하는 보상의 가치 탐색:** 1년 이상의 실험을 통해 현금, 기프티콘, 일확천금형 복권 등 다양한 보상 체계를 테스트하며 사용자가 광고 시청의 '노동 강도'를 기꺼이 수용할 만한 지점을 찾아냈습니다.
* **만보기 복권의 성공 사례:** 광고 시청 시 100만 원 당첨 기회를 주는 '복권' 형태의 보상을 만보기 서비스에 도입하여, 적자 서비스를 수익 창출 서비스로 전환했습니다. 이는 유저 활동성과 만족도를 동시에 높여 구글로부터 게임 외 서비스 중 광고 임팩트가 가장 큰 사례로 인정받기도 했습니다.
비즈니스와 사용자 경험 사이에서 고민하는 조직이라면, 단순히 광고를 숨기거나 강요하기보다 사용자의 신뢰를 지키는 '투명성'과 적절한 '보상'의 지점을 찾는 실험을 반복해야 합니다. 광고가 사용자의 목적을 방해하는 요소가 아니라, 그 자체로 재미나 이득을 줄 수 있는 보완재로 기능하게 할 때 비즈니스는 지속 가능한 성장을 이룰 수 있습니다.
현재의 인공지능 기술은 마치 명령어를 직접 입력해야 했던 MS-DOS 시대와 같으며, 진정한 대중화는 모델 그 자체가 아닌 '앱 계층(App Layer)'의 발전을 통해 이루어질 것입니다. 강력한 거대언어모델(LLM)의 잠재력을 일반 사용자가 체감할 수 있는 실용적인 도구로 전환하기 위해서는 인간 중심의 인터랙션 디자인이 필수적입니다. 결국 AI의 성공 여부는 기술적 성능보다는 사용자가 그 도구를 통해 얼마나 직관적이고 가치 있는 경험을 하느냐에 달려 있습니다.
**역사적 사례로 본 앱 계층의 역할**
- 개인용 컴퓨터의 보급은 MS-DOS가 아닌, 클릭과 드래그가 가능한 그래픽 사용자 인터페이스(GUI)의 등장으로 가능해졌습니다.
- 인터넷 또한 브라우저와 검색 엔진 같은 앱 계층이 구축된 후에야 학술적 도구를 넘어 일상의 필수품이 되었습니다.
- 스마트폰은 기기 자체보다 우버(Uber)나 인스타그램 같은 앱들이 새로운 기술을 삶을 개선하는 도구로 변모시키면서 비로소 우리 삶에 스며들었습니다.
**LLM 래퍼를 넘어선 새로운 인터랙션 패턴**
- 단순한 'LLM 래퍼(Wrapper)' 수준을 넘어, 기술의 원시적인 능력을 구체적인 행동으로 번역해주는 제품이 승리할 것입니다.
- 스마트폰의 '핀치 투 줌(Pinch to zoom)'이나 '관성 스크롤'처럼 AI 시대에 걸맞은 새로운 인터랙션 표준이 정립되어야 합니다.
- 사용자는 모델의 파라미터 수보다 모델 선택기의 UI 간소화 같은 디자인적 변화에 더 민감하게 반응하며, 이는 디자인 결정이 기술적 진보만큼 중요하다는 것을 시사합니다.
**문제 해결에 최적화된 맥락 중심 디자인**
- 육아 앱 '굿 인사이드(Good Inside)'의 사례처럼, 범용 챗봇보다 특정 문제(예: 아이의 취침 시간 갈등)에 공감하고 구체적인 카드 형태로 솔루션을 제시하는 인터페이스가 더 큰 가치를 제공합니다.
- 전문가(변호사, 의사, 디자이너 등)의 각기 다른 필요에 맞춰 인터페이스가 튜닝되어야 하며, 이는 단순한 텍스트 답변 이상의 경험을 만들어냅니다.
- 브라우저 역시 단순한 탭 관리 도구에서 벗어나 앱 간의 협업을 돕는 능동적인 AI 인터페이스로 진화하고 있습니다.
**정서적 공명과 디자인의 디테일**
- 기술적 기능보다는 해당 제품이 사용자에게 어떤 기분을 느끼게 하는지(지원받는 느낌, 영감, 자신감 등)가 새로운 경쟁 우위가 될 것입니다.
- 폰트, 색상, 타이핑 애니메이션과 같은 작은 디자인 요소들이 모여 AI를 더 자연스럽고 즐겁게 사용할 수 있는 도구로 만듭니다.
- 제품 빌더들은 AI의 출력을 매끄럽고 만족스럽게 전달할 수 있는 인터랙션을 설계하고, 이를 안정적으로 확장할 수 있는 시스템을 구축해야 합니다.
성공적인 AI 제품을 만들고자 한다면 단순히 모델의 성능을 높이는 데 그치지 말고, 사용자가 당면한 구체적인 문제를 어떻게 디자인적으로 해결할 것인지에 집중해야 합니다. 기술을 '도구'로 만드는 것은 결국 디자인의 힘이며, 사용자가 기술을 의식하지 않고 자연스럽게 목표를 달성하게 만드는 인터랙션이 AI 시대의 핵심 차별점이 될 것입니다.
AI와 빠른 반복 작업으로 제품 개발자의 역할 경계가 빠르게 흐려지고 있다. PM이 프로토타입을 만들고, 개발자가 디자인을 수정하며, 디자이너가 코드 기반 결과물을 생성하는 등 역할이 확장되는 만큼 협업 방식과 업무 규칙도 함께 바뀌어야 한다. Figma는 공동 제작, 실험, 디자인 시스템, AI 활용을 통해 이러한 변화를 관리하는 사례들을 소개한다.
## 역할의 확장과 변화
- 제품 개발자의 **64%가 두 개 이상의 역할**을 맡고 있다고 답했다.
- 디자이너가 아닌 사람의 **56%가 디자인 관련 업무**를 수행한다.
- AI 도구와 짧아진 반복 주기는 개인이 기존 직무 범위를 넘어 더 넓은 제품 개발 과정에 참여하도록 만든다.
- 역할이 겹치는 환경에서는 전통적인 직무 구분보다 시간 관리와 협업 규칙을 새롭게 설계하는 것이 중요하다.
## 직접 만들어 설명하는 프로토타이핑
- Figma 제품 디자이너 Natasha Tenggoro는 Figma Buzz의 동영상 재생 동작을 말로 설명하기 어려워 Figma Make로 직접 프로토타입을 제작했다.
- 여러 프로토타입을 통해 팀이 기능을 직관적으로 이해하는 세 번의 “아하” 순간을 만들었다.
- 핵심은 완성된 사양서를 전달하는 것이 아니라, 작동하는 결과물을 빠르게 보여주며 논의를 구체화한 점이다.
- AI 기반 제작 도구는 디자이너가 아이디어를 설명하는 데서 그치지 않고 직접 검증 가능한 형태로 구현하도록 돕는다.
## 음악에서 영감을 얻은 브러시 디자인
- Figma Draw의 새로운 산포 브러시는 음악의 장르와 표현 방식에서 영감을 받았다.
- 브러시의 간격, 흔들림, 불규칙성은 음악의 템포·질감·볼륨을 조정하는 과정과 유사하게 다뤄졌다.
- 두왑, 베이퍼웨이브, 컨트리풍 음악인 혼키통, 스크리모 등 **10개 장르**를 시각적 브러시 스타일로 해석했다.
- 기능 설계에 다른 분야의 감각과 비유를 적용하면 단순한 도구 추가를 넘어 창작 가능성을 확장할 수 있다.
## Duolingo의 공동 제작 방식
- Duolingo의 Math 팀은 전통적인 디자인-개발 핸드오프 대신 디자인과 엔지니어링의 공동 제작을 강조한다.
- “보여주고 설명하지 말라”는 원칙과 “v1과 MVP를 구분하라”는 태도를 바탕으로 빠르게 실험한다.
- 스크래피한 프로토타입을 함께 만들고, 아이디어를 반복적으로 수정하며 제품 방향을 정한다.
- 역할별 산출물을 순차적으로 넘기는 방식보다 문제를 함께 해결하는 방식이 더 빠른 실행과 재창작을 가능하게 한다.
## 에이전시와 프리랜서의 협업 변화
- 변화는 기업 내부 팀에만 국한되지 않고, 크리에이티브 에이전시와 프리랜서의 고객 협업 방식에도 나타난다.
- 에이전시는 전통적인 클라이언트-공급자 경계를 줄이고 프로젝트 전 과정에서 고객과 함께 작업한다.
- Figma 같은 협업 도구를 활용해 고객을 초기 아이디어, 시안 검토, 제작 과정에 지속적으로 참여시킨다.
- 고객과의 공동 제작은 결과물의 품질뿐 아니라 의사결정 속도와 이해도도 높일 수 있다.
## 디자인 시스템과 AI 에이전트
- AI 에이전트에게 코드 생성을 맡길 때는 프롬프트만 개선하기보다 입력의 기준이 되는 디자인 시스템을 먼저 정비해야 한다.
- 디자인 시스템과 MCP 서버를 결합하면 AI가 브랜드에 맞고 실제 제품 맥락에 적합한 결과물을 생성할 가능성이 높아진다.
- 디자인 토큰, 컴포넌트, 패턴 같은 구조화된 정보가 AI의 출력 품질을 좌우한다.
- 디자인 시스템은 사람을 위한 일관성 도구를 넘어 AI 생산성을 높이는 기반이 된다.
## 실무에 적용할 때의 시사점
- 직무 경계를 고정하기보다 팀원이 문제 정의부터 프로토타이핑과 구현까지 유연하게 참여하도록 한다.
- 말로 설명하기 어려운 아이디어는 빠른 프로토타입으로 대체한다.
- 디자인과 개발을 분리된 핸드오프로 운영하기보다 초기부터 공동 제작한다.
- AI 활용 전 디자인 시스템과 브랜드 규칙을 구조화해 신뢰할 수 있는 입력을 마련한다.
- 새로운 역할에는 새로운 협업 규칙이 필요하므로, 책임 범위와 검토 절차도 함께 재정의해야 한다.
