4. 이 일의 어려움, 데이터 수집
#우리가접근하는데이터 #휴리스틱평가
계산 과학 Scienti
fi
c Computer에서 자주 사용되는 용어. 모든
과정을 수학적 해결에 의존하지 않고 해결 과정 속에 인간의 직관
이나 경험을 활용할 수 있도록 여지를 남겨 놓는 방법이다. 어느
일정 수준 레벨에 도달하는지를 평가함으로써 문제를 도출하고
해당 높은 레벨을 이끌기 위한 개선책을 발굴하는 데 도움이 된다.
#사용자경험지식내재화 #시스템준비 #무엇을쌓아야하나
#VoC #고객센터 #고객의목소리
/ 43
4
7. 우리는 지도 어디 쯤에 있나
/ 43
7
Internet
First
?
First
Mobile
First
Digital Transformation
Web App, SNS, Media
디지털 전환 가속 중…
웹에서의
정보 검색
모바일에서의
유저 네트워크
?
?
8. #DT란 무엇?
1. 비즈니스 관점
OFFLINE 비즈니스 -> ONLINE 비즈니스로 전환 또는 확대
2. 기술 관점
Cloud로 전환
#아웃사이드인전략 : 비즈니스 중심에 사용자를 자리매김하
여 접근하는 방법
#사용자여정 관점에서 비즈니스를 접근하는 것
/ 43
8
10. 사례 : 스타벅스 디지털 플라이휠
핵심가치 집중 -> 디지털 기술 도입 -> 고객 경험 강화
#개인화 #지능화 #고객경험강화
11. 새로운 시대, 새로운 공정. 민첩하게
기존 FRAMWORK 의심과 재검토
#Waterfall #폭포수방법론
#WaterfallUX프로세스
#디자인은전체공정가운데부분
#디자인은전체가함께만들어감
#착수 #분석 #설계 #구축 #테스트 #적용
장점 : 이슈 트래킹
단점 : 오래 걸림. 사람에 따라 품질 격차.
결과는 끝에서 알 수 있어. 리스크 뒤로 갈
수록 커져 산사태 날 수도.
12. 질문 : 애자일 UX 프로세스 경험?
• 언급은 되지만 워터폴로 귀결되는 편
• 미, 애자일 UX -> 빠른 프로토타이핑
• 담당자들이 한 팀. 마일스톤(이터레이션) > 스프
린트
• 한, 최종 의사결정자 = 참여하지 않은 과정과 이
결과물에 대한 최종 결정. 다른 결과 나기도.
• 미, 최종 의사결정자 = 담당자 = 실무자
/ 43
12
13. 애자일 방법론
#MVP완전별개 #NOTWheel #Vehicle #1stVehicle=MVP #Backlog
#Sprint #Iteration #Scrum #Rugby #PM #ScrumMaster
단점 : 백로그 - 사용자 경험 기반보다 효율성 중심으로 작성 소지
속도는 빨라도 - 시장 원하는 것이 아닐 수도 있어
18. 질문 : 다른 생각, 현재 프레임워크 고민과 한계?
Q. 프레임워크가 변화하고 있다 느끼는지?
1. 일정 문제가 있다.
2. 팀 안에서의 프레임워크 보완은 가능할지도. 디자인, 개발과 맞춤이 필요해서 제안의 어려움.
3. 의뢰사 성향에 따른 협업 프레임워크도 있다면 좋을 것.
예 : 삼성, RFP 명확 -> 진행 수월한 편.
예 : 다른 회사, 위에서 내려오는 새로운 이슈 -> 진행이 러프한 편.
예 : 스타트업, 또 다른 패턴의 진행 이슈 있어.
4. UX-GUI 협업 프레임워크 필요.
5. 000 과정/방법 -> 마지막은 그림으로 고객을 설득해야 한다.
Q. 과정의 히스토리 - 인하우스 데이터의 히스토리(문서 관리)은 어떻게 하나요?
A. 미, PM - 과제 일정 관리만 하기도 하고 + 과제 진행 히스토리 관리까지 다 함. 결과물 개발로 전달.
PM, 모든 팀, 고객의 콘택트 포인트 역할.
/ 43
18
19. / 43
19
변화의 흐름
변화 1. DT
#UX기회
#Agile #AgileUX프로세스
변화 2. AI
#DTUX #AIUX
#DataDrivenUX
Q & A
20. 우리는 지도 어디를 향해 걸어가고 있나
/ 43
20
Internet
First
?
First
Mobile
First
Digital Transformation
Web App, SNS, Media
디지털 전환 가속 중…
웹에서의
정보 검색
모바일에서의
유저 네트워크
?
?
21. 규제도 제약도 한계도 없는 비트의 세계
/ 43
21
물리 디지털
원 자 비 트
(ATOM ) (BIT)
22. 최근, 인류의 성과
/ 43
22
A I B O
& T
R O
‘신경망 네트워크’ 1950년 개념
왜, AI 이제서야 구현?
23. 왜, AI 이제서야 구현?
1. 하드웨어 발전 - GPU,
…
2. 소프트웨어 발전 - 알고리즘
3. 지식, 데이터 - 빅 데이터
26. AI 주도 시대로 걸어가는 중
/ 43
26
Internet
First
AI
First
Mobile
First
Digital Transformation
Web App, SNS, Media AI 에이전트
웹에서의
정보 검색
모바일에서의
유저 네트워크
AI 에이전트와 함께하는
새로운 생활 방식 적응 시기
새로운 시대
기존 UXUI 디자인의 한계 예상
새로운 공정 방법론,
새로운 UX 프로세스
새로운 UXUI 디자인
필요할 것
27. AI UXer, 인터페이스 안과 밖 모두 알아야 한다
/ 43
27
AI 에이전트가 더 해진 기존 서비
스
종속의 자연스러운 이관이 예상
아침에 일어나 미세먼지 농도를
스마트폰을 본다.
모르는 곳에 갈 때는 스마트폰 내
비게이션을 본다.
서비스에 종속된 생활
28. AI UXer, 인터페이스 안과 밖 모두 알아야 한다
/ 43
28
AI 에이전트 내비게이션
맥락이라는 변수가 추가
• 일정, 계절, 차량, 사용자 운행
패턴 등… 에 따라
길 안내 사용자 경험 제공
예 : 평소 - 경로의 효율성
폭우 - 쾌적성
태풍 - 안전성
내비게이션
프론트엔드 서비스
정보가 제일 중요
• 시간, 킬로미터 정보
항상 빠른 길 정보 제공
사용자 경험 부합
무엇이 Missing 되었나?
‘맥락’이 없음. 매번 빠른 길?
29. AI UXer, 인터페이스 안과 밖 모두 알아야 한다
/ 43
29
AI 교통 앱
멀티풀 디자이너 역량 요구
교통
세계
교통법
+규제
+윤리
+사용자 생활 맥락
30. 질문 : UX 하고 싶은데 무엇을 공부하면 되나 묻는다면
/ 43
30
여러분의 대답은?
• IT 트렌드 공부를 해라.
• 소비자 심리 공부하면 좋다.
• 관심, 호기심 중요. 사람 관심, 기술 관심.
• 미디어 소비 많이 = 현재 세상 지식과 연결
• 관찰, 생활과 사람.
• 책 읽기의 중요성.
31. 질문 : UX 하고 싶은데 무엇을 공부하면 되나 묻는다면
/ 43
31
나 : AI를 공부하고 AI UX를 공부하라
1. DT, UXer 시장 크고, 채용 수요 높고
2. 많은 기업 AI 사업으로 전환하고 있고
3. 다 같이 시작하는 분야. 전망이 밝다
4. AI 전문가(데이터 사이언티스트) 필요하고 AI UX 전
문가가 필요하다고 한다.
5. 다른 분야와 다르게 AI, UX 둘 다 알아야 한다.
• 최근 2년 - 이미지 인식 AI 기반 영상 촬영/편집 서
비스. AI 공부를 함께 했다.
32. AI UX 뭐가 다를까
/ 43
32
AI UX
예측 결과 중심
부분적 조작(인증, 설정, 요청에 의
한 조작)
결과-생활 유용성, 감성
에이전트에 의한 주도
UI : 제로 UI
일상적인 학습생활 데이터로 자동
개선
DT UX
비즈니스 : 사용자 여정 중심
여정 : 전반적 조작(접근, 탐색,
조회, 확인)
중요 가치 : 사용성
상호작용 : 사용자에 의한 주도
UI : 기기/도메인 다양
개선 : 프로젝트 단위
33. AI UX 여정
/ 43
33
1. 설치에서 시작된다.
설치와 동시에 기존 기기/서비스를 AI 에이전트와 연결한다.
출처 : 영화 <Her>
34. AI UX 여정
/ 43
34
2. 사용자 - AI 에이전트 서로 인증한다.
• 본인 인증도 UI 프레임워크 필요 없이 이미지 인식, 음성 인식, 홍채 인
식… AI로 간결하게 가능하다.
• AI 에이전트가 진짜 행색을 할 수 있기 때문에 AI 에이전트 인증 방식
도 정해야 한다.
35. AI UX 여정
/ 43
35
3. 시범 사용(Test Drive)하면서 AI 서비스에 익숙해지는 과정을 거친다.
예 : 사용자가 여러 톤으로 같은 또는 다른 문장을 읽게 하면서 익숙해지는
과정을 가져간다.
어떤 트리거를 사용할지 초기에 정의한다. “Hey, Siri”
4. 사용자가 더 많은 기능과 정보를 요청하면 AI 에이전트는 추가적인 연
결이나 권한을 요청한다.
“~ 권한을 승인한다” - <공각기동대>
36. Data Driven UX란 무엇?
• AI, 직접 데이터 수집 집중 - 우리, AI 수집할 수 있게
설정. 우리가 할 일은 데이터를 읽는 일이 될지도.
• AI - 윤리/신뢰 - 기분 좋은 경험 설계 #디자인윤리
• 윤리/관념/규제 - 내 데이터 수집 - 불쾌, 불편함
낮추는 방법.
• 다른 수집 방법을. 예 : 지문 수집. 나의 고유 생체
정보.
/ 43
36
37. Data Driven UX란 무엇?
/ 43
37
Data Driven UX 디자인
AI 활용한 Data Driven UX 경험
38. 사례 : 유튜브
UX : 내가 관심 있어 하는 세상과의 연결
UI : 사용자가 흥미 가질 콘텐츠만 보여줌
AI 활용한 Data Driven UX란 무엇 = 유용성 만족도
/ 43
38
39. 추천 후, UI 프레임워크, 콘텐츠 분류하는 카테고리, 이
용 흐름 설계에 대한 이야기
사례 : 넷플릭스, 천문학적 예산 추천 시스템 개선
“지나치게 빽빽한 UI” “변경 불가능한 카테고리” “중복
콘텐츠 제공” 등 UI 불만 많음.
Data Driven UX 디자인이란 무엇?
/ 43
39
40. #분석역량있는디자이너
공감할 수 있는 디자인. 감성에 논리의 적합성까지 더 해
진 디자인. 근거 있는 디자인. 목적에 맞는 디자인
Data Driven UX 디자인이란 무엇 = 디자이너 역량
/ 43
40
41. AI UX 요약
/ 43
41
1. 인터페이스 안 밖을 고려하는 Seamless UX
2. 인증 필수. 조작 최소화된 UX
3. 사용 중 시청각 톤 앤 매너 재미 UX
4. 결과 유용성 UX
42. • AI(기술) = 수단 Mean
• UX(디자인) = 가치 Value
“AI 서비스, UX 없이는 불가하다” 공통의 말
/ 43
42
43. Q & A
/ 43
43
Data Driven UX 좋은 사례?
빅데이터가 많은 서비스 중심으로 보는 걸 추천
수집 -> 통계 수집과 AI 차이?
과거 쇼핑몰, 추천 - 자동화
AI, 데이터 -> 학습 > 모델 > 예측 -> 결과 제공 -> 피
드백 -> 다시 데이터 -> …