Soomin Kim · smsoominkim@gmail.com soominkim.github.io
AI 시대의 서비스 디자인
Design After AI: How AI Is Changing the Design Process
Anthropic은 왜 일단 만들어보고 시작할까
CHAPTER
왜 지금 디자인 프로세스를 다시 봐야 하는가
Soomin Kim · smsoominkim@gmail.com
왜 지금 · 오프닝
"완벽한 프로세스"를 따랐습니다. 맞죠? … 맞나요?
전통적인 사용자 중심 디자인(UCD)의 순서. 이 순서를 부정하는 것이 아니라, 이 순서와 결과가 자주 분리된다는 것을 본다.
STEP 1사용자 조사
인터뷰 · 관찰
→
STEP 2페르소나 · 저니맵
문제와 감정 곡선
→
STEP 3문제 정의
As a ___ I want to ___ so that ___
→
STEP 4아이데이션 · 와이어프레임
포스트잇 → 로우파이
→
STEP 5사용성 테스트
리서치로 검증
→
STEP 6하이파이 · 출시
"분기가 시작됐습니다. 여러분은 뭘 해야 할지 정확히 압니다. … 완벽한 프로세스를 따랐고, 회사의 모든 문제를 해결했고, 수백만 달러를 벌었고, 사용자들이 사랑하는 제품이 나왔습니다. 맞죠?"
Jenny Wen, Hatch Conference 2025 keynote "Don’t trust the Process"
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Jenny Wen
"프로세스를 믿지 마세요"
Anthropic 디자인 리드(claude.ai 담당). 전 Figma 디자인 디렉터(FigJam · Slides · Community · Buzz · Sites, FigJam의 첫 디자이너), 그 전 Dropbox Paper 디자이너.Hatch Conference 2025(베를린) 키노트 "Don’t trust the Process" → 영상 제목 "The design process is dead. Why Designers can no longer trust it." → Lenny’s Podcast 2026.3 "The design process is dead. Here’s what’s replacing it."
프로세스 산출물은 "우리가 제대로 일했다는 증거"가 되지만, 사용자는 최종 경험만 평가한다. "포트폴리오의 80%가 프로세스 산출물이고 맨 끝에 화면 한 장이 있다."
Jenny Wen, Hatch Conference 2025 (베를린, 2025.9)
Hatch Conference 2025 · Lenny’s Podcast 2026.3.1
Soomin Kim · smsoominkim@gmail.com
왜 지금 · 리얼리티 체크
AI가 "누가 프로토타입을 만드는가"를 바꿨다
"PM이 완벽한 문제 정의문을 쓰는 것보다 빨리 작동하는 프로토타입에 도달한다. 리서치도, 페르소나도 없이." 몇몇 회사에서는 PM이 바이브 코딩으로 프로토타입을 만드는 것이 이미 기대치다.동시에 디자이너도 강해졌다 : "should designers code"가 아니라 "designers can code". 정적인 그림만 만들 필요가 없다. 직접 프로토타입을 만들고 마감(fit and finish)까지 구현할 수 있다.
프로세스가 오늘의 도구와 기술에 맞지 않는다.
Figma Make : 프롬프트 · 디자인에서 바로 동작하는 프로토타입. "Prototypes are the new PRDs"(2025.12)
Jenny Wen, Hatch 2025 · Figma blog 2025.12.15
Soomin Kim · smsoominkim@gmail.com
왜 지금 · 리얼리티 체크
프로세스는 오늘의 팀 · 취향 · 프로젝트에도 맞지 않는다
작은 팀
팀은 작아지고 역할은 넓어졌다
감원 뒤에 "작은 팀이 오히려 더 효과적"이라는 것을 깨달았다. 디자이너는 더 PM처럼 전략적이 되고 직접 구현도 한다. "이 경직된 프로세스를 따를 시간이 있는가?"
취향 · 크래프트
무엇이든 만들 수 있으면 고르는 능력이 중요해진다
원샷 프롬프트 화면은 훌륭하지 않지만 바닥(floor)을 올린다. Not Boring 카메라, Linear, Notion Calendar는 "안티 AI 슬롭". 프로세스에는 크래프트를 격려하는 단계가 없다.
모든 프로젝트
같은 단계가 모든 회사에 통할 리 없다
이해관계자 · 복잡도 · 문제 공간 · 미지수 · 기술 제약 · 일정 · 인력이 매번 다르다. 그런데도 업계는 "프로세스를 믿어라, 단계를 따르라"고 했다.
Wen의 역사 해석 : 2000년대 디자인이 "예쁘게 만드는 사람"에서 벗어나 자리(seat at the table)가 필요했고, 디자인 씽킹 · UCD의 폭발은 좋은 일이었지만 전략을 크래프트보다 지나치게 우선해 전체 크래프트가 약해졌다. 여기에 AI · 낮아진 진입장벽 · 역할 이동 · 새 도구가 한꺼번에 얹혔다.
Jenny Wen, Hatch 2025 · 리얼리티 체크 4가지 중 2 · 3 · 4
Soomin Kim · smsoominkim@gmail.com
왜 지금 · 리얼리티 체크
프로세스는 오늘의 팀 · 취향 · 프로젝트에도 맞지 않는다
(Not Boring) Camera · App Store · "안티 AI 슬롭" 사례
Soomin Kim · smsoominkim@gmail.com
왜 지금 · IKEA 비유
프로세스는 IKEA 설명서다. 그런데 디자인은 무엇이 나올지 모른다
IKEA 조립 설명서
같은 단계 → 같은 책장
전제완성품이 무엇인지 처음부터 안다
가치순서를 정확히 따르는 것
결과누가 해도 같은 책장
디자인
책장일 수도, 의자일 수도, 핫도그일 수도
전제시작할 때 무엇이 나올지 모른다
가치지도와 목적지를 매번 함께 그리는 것
결과프로젝트마다 다른 단계, 다른 산출물
"무엇을 만들지 모르는데 어떻게 단계를 미리 알겠는가." 그래서 Wen은 프로세스 대신 좋은 작업이 실제로 어떻게 나왔는지를 봤다. 다음 다섯 가지 패턴이다.
Jenny Wen, Hatch 2025
Soomin Kim · smsoominkim@gmail.com
왜 지금 · 좋은 작업의 5가지 패턴
좋은 작업의 공통점은 프로세스가 아니라 다섯 가지 패턴이었다
Solution first
먼저 작동하는 해법을 보고 나서 "이게 풀 가치가 있는 문제였구나"를 발견한다. 옛 프로세스에선 "불법"처럼 느껴졌던 일
Long tail of craft
출시 이후에도 세부 인터랙션을 오래 다듬는다. 더블 다이아몬드에는 이 긴 꼬리가 들어갈 자리가 없다
Intuition
사용자 · 시장 · 제품 경험이 축적된 전문가는 매 결정을 다시 연구하지 않고도 빠르게 판단한다
Process adaptation
필요 없는 단계는 건너뛰고, 팀에 맞는 새 단계를 만든다. "따르기만 하면 되는 거라면 누구나 디자이너다"
Delight as signal
프로토타입이 사람을 웃게 하거나 반복 사용하게 하는 반응 자체가 신호가 된다
Wen이 "가장 자랑스럽고 가장 감탄한 작업"을 되짚었을 때 공통점은 순서가 아니었다. 다섯 개를 하나씩 사례와 함께 본다. 첫 번째가 오늘 워크샵의 뼈대다.
Jenny Wen, Hatch 2025 · Lenny’s Podcast 2026.3
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Solution first
Claude Artifacts : 솔루션을 보기 전에는 풀 가치가 있는 문제인지 몰랐다
클로드 아티팩트는 Claude Code의 작업 내용을 실시간으로 갱신되는 공유 웹 페이지로 만들어 주는 기능
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Solution first
Claude Artifacts : 솔루션을 보기 전에는 풀 가치가 있는 문제인지 몰랐다
이전 : Claude가 만든 HTML을 복사 · 저장 · 열어보는 왕복. 창 여러 개
2024.3 연구원 Alex Tamkin의 러프 데모 : "What if I could just see it right away?" 옆 패널에 렌더링
디자이너 Michael Wang이 본 리포에 만든 프로토타입 → Slack 게시 → CEO 포함 강한 반응
사내 "WIP Wednesday" 데모를 본 디자이너가 "그 데모를 머릿속에서 계속 재생"하다가 직접 만들었다. 약 1.5주 만에 전사 도그푸딩, 2024.6.20 Claude 3.5 Sonnet과 함께 출시. 풀타임 1명 + 파트타임 1명, 첫 데모부터 출시까지 3개월.
Jenny Wen, Hatch 2025 · Anthropic "How we built Artifacts"
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Solution first
Claude Artifacts : 솔루션을 보기 전에는 풀 가치가 있는 문제인지 몰랐다
이전 : Claude가 만든 코드를 복사 · 저장 · 브라우저로 여는 왕복 · Pragmatic Engineer
2024.3 연구원 Alex Tamkin의 러프 사이드 뷰 데모(사내 WIP Wednesday) · Pragmatic Engineer
디자이너 Michael Wang의 프로토타입 → Slack 게시 → 1.5주 만에 전사 도그푸딩 · Pragmatic Engineer
2024.6.20 출시 : 채팅 옆에서 바로 실행되는 인터랙티브 앱 · Pragmatic Engineer
Anthropic "How we built Artifacts" · Pragmatic Engineer
Soomin Kim · smsoominkim@gmail.com
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Solution first
문제 정의문 등장 횟수 0회. 대신 다른 프로세스가 있었다
1관찰
연구원의 개인적 마찰 : 왕복이 지겹다
→
2재현
디자이너가 본 리포에 프로토타입
→
3유통
Slack 게시, 동료 · CEO 반응
→
4검증
전사 도그푸딩 1.5주
아무리 잘 만들어도 보여줄 곳이 없으면 죽는다.
그리고 Anthropic은 모델이 좋아질 때마다 이 일을 반복한다 : 더 긴 컨텍스트, 도구 사용, 에이전트, 다단계 추론 → Research 기능. "기술이 먼저 우리를 거기로 데려갔다."
Jenny Wen, Hatch 2025
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Long tail of craft
출시는 끝이 아니다. FigJam은 몇 년을 더 다듬었다
FigJam(2021 출시) 이후 몇 년 : 스냅 · 정렬, 선택 테두리의 노이즈, 색 범위, 폰트 크기 조절, 이미지 테두리, 도형 오버플로, 툴바 인터랙션을 끝없이 고쳤다.
"프로세스가 아니라 시간을 따로 떼어 놓고 신경 써야 하는 일." 더블 다이아몬드의 마지막 꼭짓점 뒤에는 이 긴 꼬리가 들어갈 칸이 없다.
3장에서 보게 될 Claude Code도 같다 : TODO 리스트 UI 하나를 20여 회 프로토타입했다. "새 모델이 나올 때마다 코드를 한 뭉치씩 지운다."
Jenny Wen, Hatch 2025 · Boris Cherny, Claude Code 인터뷰 2025
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Intuition
직관은 찍기가 아니다. 매일 쌓은 내부 모델이다
"직관은 그 분야를 깊이 알기 때문에 생기는, 빠르게 합리적 판단을 내리는 능력이다." 충분한 사용자 · 시장 · 제품 경험이 축적된 전문가는 매 의사결정을 다시 연구하지 않는다.→ "사용자와 제품에 대한 내부 모델을 만들어, 모든 결정을 A/B 테스트하지 않고도 빠르게 움직인다"
데이터와 사용자는 사라지지 않는다. 매 프로젝트마다 동일한 순서의 의례로 호출되지 않을 뿐이다.
01
매일 읽기
트위터 · 레딧 · 사내 피드백 보드 · 세일즈팀의 제품 피드백
02
리서치 세션
내 영역이 아니어도 정기적으로 참석
03
옛 리포트
다시 읽기. 대시보드로 사용 추이 보기
04
원칙 학습
인지 편향 · 디자인 원칙
Jenny Wen, Hatch 2025 · "Wen이 직관을 기르는 방법"
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Process adaptation
단계를 따르는 게 아니라 단계를 다듬는 것이 디자이너의 가치다
건너뛰기
GV 디자인 스프린트 5일 → 3일
무엇을대부분의 시간을 프로토타이핑 · 아이데이션에 쓴다
왜팀이 이미 아는 것을 다시 "이해"하는 단계는 비용이다
새로 만들기
보도자료 대신 "가상의 트윗"
무엇을Amazon의 working backwards 보도자료 대신 Figma에서는 가상 트윗 컴포넌트와 가짜 랜딩페이지 헤드라인으로 브레인스토밍
결과FigJam의 cursor chat · 하이파이브 · 이모트 · 스탬프의 첫 스케치가 여기서 나왔고, 출시 후 실제로 비슷한 트윗이 올라왔다
"여러분의 가치는 프로세스를 따르는 것이 아니라 최고의 결과를 내도록 프로세스를 다듬는 데 있다. 따르기만 하면 되는 거라면 누구나 디자이너다."
Amazon의 미래 보도자료 : “커서챗이 출시되었다고 가정하면 어떤 기사로 소개될까?”
Figjam의 가상 트윗 : “커서챗이 출시되면 사용자는 Twitter에 뭐라고 쓸까?”→ “회의 중에 커서로 바로 대화할 수 있다니 너무 재밌다.” → 사용자가 느끼기를 원하는 감정과 반응을 더 선명하게 파악
Jenny Wen, Hatch 2025
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Delight as signal
사용성 문제투성이였지만, 사람들이 웃었다
FigJam 스탬프 · 이모트 · cursor chat : 실제 코드로 프로토타입을 만들어 남의 회의에 들어가 써 보게 했다.
사용성 문제가 가득했다. 그러나 사람들이 웃고, 회의 분위기가 바뀌는 것을 보고 계속 갔다. 출시 후 FigJam과 Figma 전체 기능의 선례가 됐다.
"문제 정의문에서 나오지 않았다. 프로세스에 그런 단계는 없다. 깊이 신경 쓰는 팀에서 나왔다."
모든 가치가 사전 페르소나나 저니에서 나오지 않는다. 프로토타입에 대한 반응 자체가 신호가 될 수 있다. 워크샵 공유 시간에 듣는 사람이 남기는 한 줄("예상과 달랐던 것")이 이 신호다.
Jenny Wen, Hatch 2025
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Delight as signal
사용성 문제투성이였지만, 사람들이 웃었다
Soomin Kim · smsoominkim@gmail.com
CHAPTER
AI Revives an Old Design Question: Where Does Radical Innovation Begin?
Soomin Kim · smsoominkim@gmail.com
I’ve come to a disconcerting conclusion: design research is great when it comes to improving existing product categories but essentially useless when it comes to new, innovative breakthroughs.— Don Norman, Technology First, Needs Last, 2009.
Soomin Kim · smsoominkim@gmail.com
왜 지금 · Norman & Verganti
HCD는 언덕 오르기다. 새 언덕으로의 점프는 다른 데서 온다
점진적 혁신은 지금 언덕의 정상(B)을 찾는다. HCD(관찰 → 아이데이션 → 테스트의 반복)는 이 일에 매우 강하다.급진적 혁신은 더 높은 다른 언덕을 찾는 일이고, 그 점프(B → C)는 기술 변화(Technology Change) 또는 의미 변화(Meaning Change)에서만 온다. 점프 뒤에는 다시 HCD가 C → D를 올린다.
HCD를 만든 사람이 "HCD로는 급진적 혁신을 만들 수 없다"고 했다. 정말 그런지는 1.5장에서 사례 11개로 따로 본다.
Norman & Verganti 2014, Figure 1 : Hill climbing. A → B는 HCD, B → C는 기술 · 의미의 점프
Norman & Verganti, "Incremental and Radical Innovation", Design Issues 30(1), 2014
Soomin Kim · smsoominkim@gmail.com
Norman was bothered by his analysis and tried to find examples that refuted this conclusion; he failed. Every radical innovation he investigated was done without design research, without careful analysis of a person’s or even a society’s needs.
Norman & Verganti, "Incremental and Radical Innovation", Design Issues 30(1), 2014
Soomin Kim · smsoominkim@gmail.com
Soomin Kim · smsoominkim@gmail.com
5 · Television (1950년대)
기술 주도. 새로운 medium이 behavior(저녁 시간 · 거실 배치 · 가족 의례)를 형성
1958 TV 보는 가족 · NARA · PD
6 · Computer (1946)
기술 주도. 최초 발명은 user research 산물로 보기 어려움(군사 · 과학 계산)
ENIAC 프로그래머 Betty Snyder · Glen Beck · 미 육군 · PD
7 · Personal Computer (1975)
기술 주도. 기술을 개인 사용 맥락으로 재해석. 취미가들의 "갖고 싶다"가 시장 조사보다 먼저
Altair 8800 · Michael Holley · PD
8 · Internet (ARPANET 1969 → 1977)
기술 · infrastructure 주도. 응용 · meaning(이메일, 웹, SNS)이 이후 폭발적으로 등장
ARPANET 논리 지도 1977 · PD
9 · SMS (1992~)
기술 affordance의 예상 밖 사용. 제어 채널에 남는 160자가 문자 문화로 성장. 3장 C 패턴의 원형
Nokia 3310 · Michael Brandtner · PD
10 · Cellphone (1983)
기술 주도. 이후 수많은 UCD 개선(크기 · 배터리 · UI)이 축적. 급진 혁신 뒤에 HCD가 온다는 원문의 예
Motorola DynaTAC 8000X · Redrum0486 · CC BY SA 3.0
11 · Electric lighting · plumbing
후속 글(2014)의 논지. 급진적 infrastructure 변화와 need articulation의 시차. 사람들은 전등을 "요구"하기 전에 전등을 받았다
에디슨 전구 1879~80 · HumanisticRationale · CC BY 3.0
+ 논문 본문의 사례
Facebook · Twitter("그냥 재미있어 보여서") / 에디슨 전구(전구가 아니라 발전 · 배전 시스템 전체의 발명) / 닌텐도 Wii(소니 · MS도 같은 센서를 알았지만 유저 리서치가 "더 좋은 그래픽"을 답함) / Swatch(아무도 패션 시계를 원하지 않았고 첫 반응은 미지근) / HP 계산기(마케팅 반대, 창업자가 갖고 싶어서) / Apple Newton · QuickTake(옳은 아이디어도 시점이 틀리면 죽는다, 당시 임원이 Norman 본인)
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · AI 시대
파운데이션 모델은 새 언덕 후보를 분기마다 만든다
실시간 멀티모달, 롱컨텍스트, 도구 · 컴퓨터 사용, 코드 생성, 이미지 · 음성 생성, 에이전트 계획. 이 역량들은 사용자가 미리 언어화한 요구가 아니라 먼저 보여줘야 가치와 위험을 판단할 수 있는 경험이다.Anthropic Joel Lewenstein : "모델 역량이 열어주는 것에 따라 상황별로 다른 것을 배치하는 football playbook." OpenAI CPO Kevin Weil : "model maximalism, 막 등장하는 능력을 위해 만들어라." 1920년대 라디오와 2024년 Audio Overviews, 1992년 SMS와 2023년 Bark로 노래 만들기는 같은 구조다.
Google I/O 2025 : Gemini 앱(Live · Deep Research · Agent Mode · Veo). 실시간 멀티모달이라는 역량이 2024년 먼저 무대에 올랐고, 제품은 1년 뒤에 왔다
Anthropic · OpenAI 인터뷰 2025 · 3장 A1
Soomin Kim · smsoominkim@gmail.com
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · 사례 · Character.AI
AI와의 관계를 하나의 제품 범주로 만든 Character.AI
Soomin Kim · smsoominkim@gmail.com
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · 사례 · Twelve Labs
AI가 영상을 보고 세상을 배우게 한 Twelve Labs
“인간은 영유아 시절부터 무언가를 보고 듣고 만지고 느끼면서 부지불식간에 세상을 이해합니다. 이렇게 뇌에 차곡차곡 쌓인 지식은 언어를 만나 거대하게 증폭되죠. 우리는 AI도 인간의 이러한 학습 과정을 모방할 수 있다는 가설을 세웠습니다. 그렇다면 어떤 데이터가 AI의 학습에 가장 적합할까요? 우리는 이를 영상 데이터라고 봤습니다.”
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · 사례 · LM Arena
AI 평가 방식을 사용자 선택으로 바꾼 LM Arena, 기업가치 2조
AI 신용 평가사 (pairwise comparison + crowdsourced human preference)
UC Berkeley 쪽 학술/오픈소스 연구 프로젝트가 너무 커져서 회사화된 케이스
LLM 평가 문제 해결에서 시작한 프로젝트
1 UC Berkeley · 2 Stanford · 3 UCSD
TechCrunch 2026.1.6 · Chiang et al., "Chatbot Arena" 2024
Soomin Kim · smsoominkim@gmail.com
CHAPTER
What Do We Design Now?: From Interfaces to Outcomes
Soomin Kim · smsoominkim@gmail.com
왜 지금 · NN/g
60년 만의 새 패러다임 : 의도 기반 결과 명세
배치 처리(Batch Processing, 1945) → 명령 기반 상호작용(Command based Interaction, 1964) → 의도 기반 결과 명세(Intent based Outcome Specification, 2023~). 휴가 계획을 세우려면 항공권 · 호텔 · 액티비티를 따로 검색하고 날짜를 맞춰야 했다. 이제 사용자는 "어떻게"가 아니라 "무엇을 원하는지"를 말한다.Jakob Nielsen, "AI : First New UI Paradigm in 60 Years"(2023.6). 이 글이 NN/g의 Outcome Oriented Design(2024.3)의 뿌리다.
Nielsen의 3 패러다임 : 컴퓨터가 "어떻게"를 맡고 사람은 "무엇"을 말한다
Jakob Nielsen, uxtigers.com 2023.6 · NN/g 2024.3
Soomin Kim · smsoominkim@gmail.com
왜 지금 · NN/g
화면이 아니라 결과를 디자인한다
"Orchestrating experience design with a greater focus on user goals and final outcomes, while strategically automating aspects of interaction and interface design."
Kate Moran & Sarah Gibbons, NN/g "Generative UI and Outcome Oriented Design" 2024.3
항공권 예약이라면 완벽한 검색 필터를 대다수에게 최적화하는 대신, 시스템이 작동할 경계와 좋은 경로의 기준을 정한다. 숲에 하나의 길을 내는 대신 길이 갈 수 있는 범위와 좋은 길의 조건을 정하면, AI가 여행자마다 길을 낸다."평균을 위한 디자인에서 개인을 위한 디자인으로." 역할은 사라지지 않고 이동한다 : "We’ll need to shift from designing interfaces to designing outcomes."
NN/g : 생성형 UI는 사용자마다 다른 화면을 낸다. 디자이너는 그 범위와 기준을 설계한다
NN/g 2024.3.22 · 영상 "Outcome Oriented Design : The Era of AI Design" 2026.3
Soomin Kim · smsoominkim@gmail.com
왜 지금 · 반론 : Jenny Wen 영상 댓글
디자인은 원래부터 선형적인 과정이 아니었다. 다만 그 사실은 경험이 쌓여야 제대로 이해하게 된다. 디자인 프로세스는 언제나, 필요할 때 필요한 것을 꺼내 쓰는 도구상자(toolbox)에 가까웠다.
Teresa Torres는 이에 대한 반대 주장을 한다. 만드는 비용(delivery)이 거의 공짜가 되는 시대일수록 오히려 discovery에 더 많이 투자해야 한다는 것이다.
‘직관으로 디자인하자’는 주장을 뒷받침하기에는 제시된 사례들이 설득력이 부족하다. Google Docs나 Miro처럼 이미 성숙한 경쟁 제품을 참고할 수 있는 상황이라면 괜찮을 수도 있다. 하지만 병원의 안전을 개선하거나 더 효율적인 창고관리 시스템을 설계하는 것처럼 진짜 복잡한 문제에는 Design Thinking이 필요하다.
디자인 면접에서 이 철학을 설명한다고 상상해봐. 😅
프로세스를 가볍게 무시하는 것은 디자인을 단순한 장식이 아니라 전략적 기능으로 자리 잡게 만든 수십 년간의 발전을 훼손하는 일이다. AI가 등장했다고 해서 엄격한 문제 정의(problem framing)의 필요성이 사라지는 것은 아니다. 오히려 실행 속도가 빨라질수록 잘못된 문제를 더 빠르게 해결해버리는 비용이 커진다. 이런 주장은 디자이너와 업계 전체에 위험할 수 있다. 디자인 프로세스를 “헛소리(BS)”라고 부르고 문제보다 솔루션에서 시작해야 한다고 말하는 것은 진보가 아니라 오히려 퇴보다. 디자인이 조직에서 전략적 자리를 얻을 수 있었던 것은 미적 감각과 직관을 넘어섰기 때문이다. ….
YouTube 댓글 · Jenny Wen "The design process is dead" (Lenny’s Podcast)
Soomin Kim · smsoominkim@gmail.com
What Do We Design Now · 세 가지 접근
Soomin Kim · smsoominkim@gmail.com
What Does “Good” Mean Now?
Soomin Kim · smsoominkim@gmail.com
좋음의 기준 · Confusion Matrix
모델은 얼마나 정확한가? 어떻게 맞고 틀릴까?
Confusion Matrix: 분류 모델이 얼마나 정확하게 판단했는지를 보여주는 매트릭스
True/False: 모델의 판단이 맞았는지 틀렸는지
Positive/Negative: 모델이 무엇이라고 예측했는지
정확도 (Accuracy) = 맞춘 예측 수 / 전체 예측 수 = (TP+TN) / (TP+TN+FP+FN)
두 종류의 실수(FP, FN)는 비용이 다르다. 어느 쪽이 더 나쁜지는 도메인 전문가가 정한다.
암을 암이라 진단정상을 암 진단암을 정상으로 진단정상을 정상으로 진단
Soomin Kim · smsoominkim@gmail.com
좋음의 기준 · Precision · Recall
정밀도와 재현율 : “잡은 것 중 진짜”와 “진짜 중 잡은 것”
정밀도 (Precision): 양성이라고 예측한 것 중 실제 양성의 비율.예: 암이라고 진단한 사람 중 실제 암 환자의 % = TP / (TP+FP)
재현율 (Recall): 실제 양성 중 양성이라고 예측한 비율.예: 실제 암 환자 중 암이라고 진단된 % = TP / (TP+FN)
F1 점수: 정밀도와 재현율의 균형 = 2 × 정밀도 × 재현율 / (정밀도 + 재현율)
정밀도는 “헛다리를 얼마나 안 짚는가”, 재현율은 “놓치는 게 얼마나 없는가”.
암을 암이라 진단정상을 암 진단암을 정상으로 진단정상을 정상으로 진단
Soomin Kim · smsoominkim@gmail.com
좋음의 기준 · 정확도 vs 신뢰
더 정확한 AI와 더 믿을 수 있는 AI는 같은가?
Geoffrey Hinton, @geoffreyhinton · 2020.2.21
Soomin Kim · smsoominkim@gmail.com
좋음의 기준 · Safety & Reliability
Safety & Reliability
실제로는 사람인데 고릴라라고 예측했으므로, ‘고릴라’ 클래스에서 발생한 False Positive
정확도의 함정: 전체 사진에서 정확도가 99.9%여도 특정 집단에서 심각한 오류가 발생한다면 안전한 모델이라고 할 수 없음.
모든 오류의 비용은 같지 않다!
Google은 ‘gorilla’, ‘chimpanzee’, ‘monkey’ 등의 분류 자체를 중단. 유해한 FP를 막았지만 실제 고릴라도 찾지 못하게 만들어 Recall을 희생한 임시 안전조치
“무엇을, 누구에게, 얼마나 위험하게 틀렸는가?”
@jackyalcine, Twitter 2015.6 · Google Photos
Soomin Kim · smsoominkim@gmail.com
워크샵 · 잘 되고 있는지 어떻게 알까
생성 AI는 "말이 되게" 틀린다
환각률 · 출처 정확도 : 생성 AI가 자신 있게 지어낸 비율. 틀려도 오류 메시지가 뜨지 않는다. 문장은 매끄럽고, 숫자는 그럴듯하고, 출처는 존재하지 않는다.Google Deep Research · Perplexity가 각 문장에 출처를 붙이는 이유. 링크가 있어도 그 링크가 그 말을 하는지는 또 다른 문제다.
우리 앱이 지어내면 사용자는 알아차릴 수 있나? 출처를 붙일 수 있나? 확인할 수 없는 답은 답이 아니다.
철학 인용이 아니라 기능의 전기(feature biography)를 따라간다. 빅테크 · 스타트업 · 한국의 30여 개 사례를 같은 6칸으로 읽는다. 워크샵에서 여러분이 돈 루프가 바로 이것이다.
Soomin Kim · smsoominkim@gmail.com
회사들은 어떻게 · 보는 법
모든 사례를 같은 6칸으로 읽는다
TRIGGER
어디서 시작했나 : 사용자 문제 / 모델 역량 / 내부 아이디어
FIRST ARTIFACT
무엇을 가장 먼저 작동하게 만들었나, 며칠 걸렸나
EXPOSURE
누가 먼저 썼나 : 사내 · trusted tester · research preview · 공개
SIGNAL
무엇을 신호로 봤나 : 반응 · 사용 · 결제 · eval · 예상 밖 사용
ITERATION
무엇이 바뀌었나
PRODUCTIZATION
어느 surface에 정식으로 들어갔나
A
Capability First : 새 모델 역량 → 프로토타입 → 사용 관찰 → 제품
B
Prototype First : 설명 대신 작동물 → 사내 반응 → 도그푸딩 → 제품
C
Usage Discovery : 일단 공개 → 실제 사용에서 의미 발견 → 재정의
세 패턴은 회사 유형이 아니라 한 기능이 루프의 어느 지점에서 출발했는가다. 대부분은 두 패턴 이상에 걸친다(Operator는 A → C).
3장 · 3.0 · Feature Biography 프레임
Soomin Kim · smsoominkim@gmail.com
PATTERN A
Capability First : 역량이 먼저 나오고 제품을 찾는다
새 모델 역량 → 연구 프로토타입 → 신뢰 테스터 → 제품 surface. 요구사항 문서가 아니라 역량이 출발점이다.
Soomin Kim · smsoominkim@gmail.com
Capability First · Google
Project Astra → Gemini Live : 모델 역량 → 연구 프로토타입 → 신뢰 테스터 → 제품
A
TRIGGER
Gemini 1.5의 실시간 멀티모달 · 스트리밍 오디오. 2024.5 I/O에서 "universal AI agent" 연구 프로토타입으로 공개
FIRST ARTIFACT
무대 데모용 폰 앱 + 프로토타입 글래스 영상
EXPOSURE
2024 하반기 Android trusted testers. "helped us better understand how a universal AI assistant could work in practice, including implications for safety and ethics"
SIGNAL
지연 · 메모리 · 언어 혼용 · 안전에 대한 테스터 피드백
ITERATION
Gemini Live 음성(2024.8) → 카메라 · 화면 공유(2025.3)
PRODUCTIZATION
I/O 2025 "universal AI assistant". Astra 팀은 Gemini 앱 조직으로 합류
요구사항 문서가 아니라 모델 역량 → 연구 프로토타입 → 신뢰 테스터 → 제품 surface의 흐름.
Gemini Live 카메라 · 화면 공유(2025.3). I/O 2024의 연구 프로토타입이 1년 뒤 제품 surface가 됐다
Google DeepMind blog 2024.5 · 2024.12 · I/O 2025
Soomin Kim · smsoominkim@gmail.com
Capability First · OpenAI
Operator → ChatGPT agent : 출시가 곧 field research
A→ C
TRIGGER
스크린샷을 보고 클릭 · 타이핑하는 Computer Using Agent 모델
FIRST ARTIFACT
2025.1.23 Operator, 자체 브라우저를 띄우는 단독 웹앱
EXPOSURE
미국 Pro($200) 가입자 한정. Instacart · DoorDash 등 파트너
SIGNAL
2025.7 ChatGPT agent 발표문 : "many queries users attempted with Operator were actually better suited for deep research"
ITERATION
사용자가 잘못된 도구로 시도했다는 사용 데이터가 통합의 방아쇠
PRODUCTIZATION
Operator + deep research + 대화를 합친 ChatGPT agent. 단독 사이트 종료
역량을 작은 surface에 격리해 실제 세계에서 실패를 수집한 뒤 통합. 출시가 field research instrument.
Operator(2025.1) : 자체 브라우저를 띄우는 단독 웹앱. "It is currently a research preview … will evolve based on user feedback"
계획 승인 UI + 진행 로그. "몇 분 동안 조사하고 보고서를 쓰는" 별도 behavior
EXPOSURE
Gemini Advanced / OpenAI Pro 100회 · 월 → Plus → Free로 단계적 확대
SIGNAL
"It accomplishes in tens of minutes what would take a human many hours." 벤치마크 + 사용량
ITERATION
Operator의 사용자들이 이 도구로 흘러온 것(A2)
PRODUCTIZATION
즉답 챗봇 옆에 "기다리는 작업"이라는 두 번째 제품 형태가 생겼다
즉답이 아니라 기다릴 가치가 있는 답. 역량(롱호라이즌 추론 + 도구)이 새로운 인터랙션 형태를 만들었다.
Google Deep Research(2024.12.11) : 질문 → 리서치 계획 제시 · 승인 → 반복 브라우징 → 출처 포함 보고서. Gemini의 "first agentic feature"
Google blog 2024.12.11 · OpenAI "Introducing deep research" 2025.2.2
Soomin Kim · smsoominkim@gmail.com
Capability First · Adobe
Generative Fill : 역량을 가장 오래된 primitive에 붙였다
A
TRIGGER
상업적으로 안전한 데이터로 학습한 자체 이미지 모델 Firefly(2023.3 웹 베타, 6주 만에 1억 에셋)
FIRST ARTIFACT
새 AI 앱이 아니라 Photoshop의 선택 영역에 프롬프트를 붙인 것
EXPOSURE
Photoshop(beta) 공개 → 2023.9 MAX에서 GA
SIGNAL
크리에이터의 실제 행동 : 확장 · 제거 · 합성 중 무엇을 반복하는가
ITERATION
Generative Expand, 레퍼런스 이미지, 비파괴 레이어
PRODUCTIZATION
Photoshop 본체의 기본 기능. "create as quickly as you can type"(Pam Clark)
역량을 기존 워크플로 한복판에 삽입하고 크리에이터의 실제 행동을 본다. 새 앱을 만들지 않았다.
Photoshop Generative Fill(2023.5 베타) : 선택 영역 + 프롬프트. 원근 · 조명 자동 매칭, 별도 레이어, 프롬프트당 3개 변형
Adobe blog 2023.5.23 · MAX 2023
Soomin Kim · smsoominkim@gmail.com
Capability First · Anthropic
Claude Code : 역량은 이미 있었다, 제품이 없었을 뿐
AB사내 C
TRIGGER
새 모델 공개가 아니다. Boris Cherny가 공개 API로 "이상한 프로토타입"을 만들다 Bash 도구 하나를 주자 모델이 스스로 코드를 써서 답을 찾는 것을 봤다. "pure product overhang"
FIRST ARTIFACT
터미널 CLI. 첫 버전은 AppleScript로 지금 듣는 음악을 알아내는 장난감
EXPOSURE
Slack 게시 → "좋아요 2개". 2024.11 전사 도그푸딩 → 첫날 20%, 5일 만에 50%
SIGNAL
채택 곡선. 인원 2배에 PR 처리량 67% 증가
ITERATION
TODO 리스트 UI만 20여 회. "새 모델이 나올 때마다 코드를 한 뭉치씩 지운다"
PRODUCTIZATION
2025.2 limited research preview → 2025.5 Claude 4와 함께 폭발 → 2026.1 Cowork(10일 만에 제작)
A로 분류했지만 경로는 B(작동물 먼저) + 사내 C(사용에서 용도 발견). 패턴은 회사 유형이 아니라 루프라는 것을 가장 잘 보여준다.
Claude Code의 권한 프롬프트 : 파일을 지우기 전에 묻는다. 터미널이 "모델 진화 속도를 따라갈 수 있는 유일한 폼팩터"였다
Boris Cherny 인터뷰 2025 · Anthropic 2025.2 · 2026.1
Soomin Kim · smsoominkim@gmail.com
Capability First · 스타트업
Bolt.new : 남의 모델 출시일이 곧 기획 시작일
A
TRIGGER
2024.2 첫 시도는 모델이 만든 코드가 못 쓸 수준이라 2주 만에 접음. 2024.5 Claude 3.5 Sonnet 사전 접근 : "it spat out code that not only worked for zero shot but was beautiful"
FIRST ARTIFACT
7.1 제품화 결정 → 90일 빌드
EXPOSURE
10.1 트윗 스레드 하나로 런칭
SIGNAL
결제 : 4주 $4M ARR, 2개월 $20M
ITERATION
15~20명, 직전까지 회사를 접을지 논의하던 팀
PRODUCTIZATION
핵심 역량은 코드가 아니라 모델 임계점 감지
같은 아이디어가 2월엔 실패하고 5월엔 성공했다. 달라진 것은 팀이 아니라 모델이었다.
Bolt.new : 프롬프트 → 앱. 2024.10.1 트윗 스레드 하나로 런칭
StackBlitz 창업자 인터뷰 2024~2025
Soomin Kim · smsoominkim@gmail.com
Capability First · 스타트업
역량이 회사 정체성을 바꾼다 : Wispr · Photo AI · Suno
Wispr Flow : 3년 만든 무음 발화 웨어러블의 "소프트웨어 레이어"가 그 자체로 충분히 좋다는 발견. 하드웨어 폐기, 40명 → 5명, 6주 스프린트로 맥 딕테이션 앱(2024.10)
Pieter Levels : Stable Diffusion 공개 2개월 안에 Interior AI → Avatar AI → Photo AI 3개 제품. Avatar AI 1주 $150K → Lensa가 피처로 흡수 → 실용(Photo AI)으로 피봇
Suno(A → C) : 2023.4 오픈소스 TTS 모델 Bark → Discord에서 "people were trying to pull music out of a text to speech model" → 음악으로 전환, 2023.12 웹앱, 2026.2 ARR $300M
Wispr의 C 발견 : 앱 안에서만 써 본 사용자는 떠나고, 이메일 · 슬랙 등 "원래 글을 쓰던 곳"에서 쓴 사용자만 남는다 → 온보딩을 "데모 밖으로 내보내는" 구조로 개편. "I launch it very quickly, within two weeks or something."(Levels)
Wispr 인터뷰 2024 · levels.io · Suno 인터뷰 2024
Soomin Kim · smsoominkim@gmail.com
Capability First · 한국
라이너 · Vrew : 역량을 먼저 확보하고 용도는 사용에서 찾았다
라이너(A → C) : 8년 된 하이라이터가 ChatGPT 이후 6개월간 사용 데이터를 분석한 뒤 AI 검색으로 전환(2023.2 출시, 8월 전환 완료). 8년치 하이라이트가 답변 품질의 자산. "AI는 찾는 도구에서 일하는 도구로"
보이저엑스 Vrew : 음성인식을 먼저 확보하고 대표가 직접 유튜브를 만들어 보며 자막 · 컷 편집이라는 용도를 찾음. 초기 사용자 : "보이저엑스 망하지 않게 빨리 유료화해 달라"
라이너 · 보이저엑스 인터뷰
Soomin Kim · smsoominkim@gmail.com
Capability First · 요약
"능력이 있다"는 "쓸모가 있다"가 아니다
"Capability is not valuable. The question isn’t ‘can the model do this?’ but ‘does this solve a real problem better than alternatives?’"
LeadDev 2026
출발은 역량이지만 모두 trusted tester · preview · 도그푸딩 · 사용 데이터로 돌아온다. Astra는 테스터에게, Operator는 Pro 사용자에게, Claude Code는 사내 엔지니어에게, Bolt는 결제에게 물었다.
3장 · A 패턴 요약
Soomin Kim · smsoominkim@gmail.com
PATTERN B
Prototype First : 설명보다 먼저 작동하는 것을 만든다
첫 아티팩트가 며칠~몇 주, 1~5명. 설명 대신 작동물 → 사내 반응 → 도그푸딩 → 제품. 미국의 트위터 런칭 = 한국의 카카오톡 채널.
Soomin Kim · smsoominkim@gmail.com
Prototype First · Anthropic
Claude Artifacts를 6칸으로 다시 읽으면
B
TRIGGER
연구자의 개인적 마찰 : 만든 HTML을 복사 · 저장 · 열어보는 왕복
FIRST ARTIFACT
러프한 사이드 뷰(Streamlit) → 디자이너가 본 리포에 프로토타입
EXPOSURE
WIP Wednesday → Slack → 전사 도그푸딩(1.5주)
SIGNAL
사내 "wow", Dario의 격려, 3.5 Sonnet 조기 접근 시 품질 도약
ITERATION
iFrame 샌드박스 · CSP · React · SVG · Mermaid 렌더
PRODUCTIZATION
2024.6.20 출시, 8월 공유 · 리믹스, 2025 AI 기능 내장 앱
문제 정의문 0회. 대신 관찰 → 재현 → 유통(Slack) → 검증(도그푸딩). 아무리 잘 만들어도 보여줄 곳이 없으면 죽는다.
Artifacts 출시 화면(2024.6.20) : 코드가 옆 패널에서 바로 실행된다
Anthropic "How we built Artifacts" · Jenny Wen, Hatch 2025
Soomin Kim · smsoominkim@gmail.com
Prototype First · Google
NotebookLM : 20% 프로젝트, 4~5명, 6주
B
TRIGGER
동료의 "작은 코퍼스와 대화" 실험 + PM Raiza Martin의 "교과서와 대화하고 싶다"는 개인 동기
FIRST ARTIFACT
4~5명 파트타임, 6주 만에 PDF 업로드 → 채팅 프로토타입. 작가 Steven Johnson 합류("tool for thought")
EXPOSURE
I/O 2023 → 대기열 → Discord 6.5만 명
SIGNAL
Johnson : "Things they asked for would show up in our product roadmaps"
ITERATION
Google Labs 원칙(Josh Woodward) : "아이디어에서 사용자 손까지 50~100일", "주간 활성 1만이면 정말 기뻐한다"
PRODUCTIZATION
Labs는 "한 발은 바깥 세상에, 한 발은 DeepMind 안에". Audio Overviews(C2)로 이어진다
빅테크 안에서도 첫 아티팩트는 6주 · 파트타임이었다. 규모가 아니라 노출 채널이 스타트업과 다를 뿐.
Project Tailwind(2023) 원형 UI : PDF 업로드 → 채팅. I/O 2023 공개 → 대기열 → 2023.7 미국 출시
Google Labs 인터뷰 2024 · Steven Johnson 블로그
Soomin Kim · smsoominkim@gmail.com
Prototype First · Figma
Figma Make : "Prototypes are the new PRDs"
B
TRIGGER
2025.5.7 Config에서 Make 공개(프롬프트 · 디자인 → 동작 프로토타입, Claude 3.7 Sonnet 기반)
FIRST ARTIFACT
PM Tara Nadella : "I use Figma Make when I don’t feel like I understand a problem space very well"
EXPOSURE
Ezra Mechaber : "PMs constantly live in that space between describing an idea and showing it"
SIGNAL
회의에 동작 프로토타입을 들고 가면 논의가 바뀐다
ITERATION
Exploration(빈 캔버스 문제 해결, 여러 변형) → Validation(사용자 · 이해관계자 테스트) → Decision Making → 핸드오프 문서화
PRODUCTIZATION
AI in Design Report 2025 : 생성형 AI로 제품 출시 34%(전년 22%), AI 산출물을 신뢰하는 디자이너 32%
문서로 모호함을 없앤 뒤 만들기 → 만들어 모호함을 줄인 뒤 남은 것을 문서로. 순서가 뒤집혔다.
Figma 블로그(2025.12.15) : 내부 PM들이 Make를 어떻게 쓰는가. Exploration → Validation → Decision Making
Figma blog 2025.12.15 · Figma AI in Design Report 2025
Soomin Kim · smsoominkim@gmail.com
Prototype First · GitHub
GitHub Spark : 개인용 마이크로앱이라는 카테고리 탐색
B
TRIGGER
GitHub Next의 질문 : "Can we enable anyone to create or adapt software for themselves, using AI and a fully managed runtime?"
FIRST ARTIFACT
2024.10 Universe technical preview(대기열)
EXPOSURE
Discord 주간 반복 → 2025.7 Copilot Pro+ public preview → 2025.9 Enterprise
SIGNAL
용돈 추적기 · 노래방 같은 개인용 앱. "This is about fun and personal software, not about enterprise productivity apps"
ITERATION
변형 생성, 관리형 런타임, 데이터 저장 기본 제공
PRODUCTIZATION
Copilot 제품군 안의 한 surface
연구 조직이 카테고리 자체("나를 위한 소프트웨어")를 프로토타입으로 탐색했다.
GitHub Spark : 모호한 수정 요청에는 변형 여러 개를 생성해 고르게 한다
GitHub Next · GitHub blog 2024.10 · 2025.7
Soomin Kim · smsoominkim@gmail.com
Prototype First · Replit
Replit Agent : 코딩 경험 0인 사람이 만든 200만 개 앱
B
TRIGGER
Amjad Masad(2024.9) : "AI is incredible at writing code. But that’s not enough to create software. You need to set up a dev environment, install packages, configure DB, and deploy"
FIRST ARTIFACT
Core 구독자 early access. "첫 에이전트 경험을 수분 내에"
EXPOSURE
공개 → 6개월 200만+ 앱
SIGNAL
ARR $10M(2024 말) → $100M(2025.6). 사용자층이 개발자 인접에서 코딩 경험 0으로 이동
ITERATION
Agent v2(실시간 프리뷰) → Agent 3(자율 테스트) → Agent 4
PRODUCTIZATION
벤치마크 · A/B · 실제 사용 로그 3층으로 계속 채점(5장 5-4)
누가 쓰는지가 바뀌자 제품의 정의가 바뀌었다. 워크샵에서 쓴 AI Studio Build가 같은 카테고리다.
Replit blog 2024.9 · 2025 · "Closing the loop" 2026
Soomin Kim · smsoominkim@gmail.com
Prototype First · 스타트업
며칠 안에 만들고, 보여주고, 고친다 : Lovable · TypingMind · Granola · Formula Bot
Lovable : 오픈소스 GPT Engineer(2023) → 2024년 두 번 실패한 런칭 → Supabase 통합 · 재구축 → 2024.11 재런칭 → 8개월 $100M ARR. "The biggest bottleneck is shifting from Who can build it? to Who knows what to build?"
TypingMind : ChatGPT API 공개 5일 뒤 BYO API key 대체 UI 출시 → 7일 $22K. "When you’re first to the niche, your first version doesn’t have to be so amazing"
Granola : 회의 봇 대신 "사용자가 쓴 메모를 AI가 보강하는 노트패드". 노트 기본 비공개. 1년 뒤 사용자가 "second brain"이라 부르기 시작 → 팀 메모리로 확장
Formula Bot : 비개발자 애널리스트가 주말에 Bubble + GPT API로 "말로 설명하면 엑셀 수식" → Reddit → 하룻밤 10만 방문, API 청구서 $4~5K → 강제 유료화
Formula Bot은 이 워크샵과 1:1 대응이다 : 코딩 없음 · 주말 하나 · 검증은 커뮤니티 게시. 첫 아티팩트가 며칠~몇 주, 1~5명.
lovable.dev · typingmind.com · granola.ai · Formula Bot 인터뷰
Soomin Kim · smsoominkim@gmail.com
Prototype First · 한국
카카오톡 채널이 트위터 런칭이다 : AskUp · 마이리얼트립
업스테이지 AskUp(B → C) : 사내 인턴이 쓰던 OCR + ChatGPT 봇을 2023.3.5 카카오톡 채널에 붙임 → 광고 없이 3일 3만, 한 달 60만. 텍스트보다 "사진 질문"(문서 · 메뉴판 · 손글씨)이 화제 → OCR이 정체성 → AskUp Biz → 자체 LLM Solar
마이리얼트립 AI 여행플래너 : 2023.2.23 업계 최초 ChatGPT 연동, "제안부터 구현까지 단 이틀". 답변 속 명소를 상품 페이지로 연결
업스테이지 · 마이리얼트립 보도자료 2023
Soomin Kim · smsoominkim@gmail.com
Prototype First · 요약
Demo is works.any(), product is works.all()
"You can’t bullshit in a prototype."
Joel Lewenstein, Anthropic
"Demo is works.any(), product is works.all()."
Andrej Karpathy
첫 아티팩트가 며칠~몇 주, 1~5명. 미국의 트위터 런칭 = 한국의 카카오톡 채널. 단, Prototype first는 "ship garbage fast"가 아니다. 데모가 한 번 되는 것과 제품이 매번 되는 것 사이에 eval과 롱테일 크래프트가 있다.
3장 · B 패턴 요약
Soomin Kim · smsoominkim@gmail.com
PATTERN C
Usage Discovery : 일단 공개한 뒤 실제 사용에서 의미를 발견한다
사용자에게 "AI로 무엇을 하고 싶나요?"라고 묻는 것보다 알파에서 무엇을 반복하는지 보는 것이 더 정확한 증거였다.
Soomin Kim · smsoominkim@gmail.com
Usage Discovery · Notion
Notion AI : 가설은 "생성", 실제 1위는 "고쳐 쓰기"
C
TRIGGER
GPT 조기 접근("holy shit, this thing can actually think"). 공동창업자들이 오프사이트 뒤 호텔에 3일 더 머물며 프로토타입
FIRST ARTIFACT
글쓰기용 새 UI, 프리셋 + 자유 입력, 스페이스바 진입점
EXPOSURE
한 달도 안 돼 2022.11.16 private alpha(ChatGPT 공개 2주 전). 대기열 목표 20만 → 5주 만에 100만
SIGNAL
가설은 "블로그 · 보도자료 · 세일즈 이메일 생성". 10주 알파 데이터에서 "Improve writing"이 최다. 사용자는 AI를 수정 도구로 썼다
ITERATION
메시징 "content creator" → "collaborative partner", 선택 텍스트 기반 재설계, $10 단순 요금. 2023.2 GA
PRODUCTIZATION
이후 최대 페인이 정보 검색으로 확인 → Q&A(2023.11). CMO : "Choose speed over certainty"
User centeredness가 줄어든 게 아니라 user learning이 프로토타입 뒤로 이동했다.
Notion AI : 선택 텍스트 기반 인터페이스로 재설계됐다. 알파 데이터가 그렇게 시켰다
Notion blog · Rachel Hepworth 인터뷰 2023
Soomin Kim · smsoominkim@gmail.com
Usage Discovery · Google
Audio Overviews : 이상해 보이는 실험이 새 소비 행동이 되다
C
TRIGGER
두 AI 호스트 대화. 팀은 "like, oh yeah, really?" 같은 추임새 · 망설임 · 긴장을 일부러 심었다
FIRST ARTIFACT
영어만, 중단 불가, 원클릭. "The ease of creation really actually catalyzed so much explosion"
EXPOSURE
2~3주 만에 바이럴 : Karpathy가 2시간 만에 팟캐스트 시리즈, 호스트가 자신이 AI임을 깨닫는 "실존적 위기" 클립
SIGNAL
팀이 예상 못한 용도 : 이력서 · 링크드인 · 일기 · 단톡방 기록 · 신용카드 명세서, 영업 교육자료, VC 실사
ITERATION
커스텀 지시(2024.10) → 인터랙티브 모드 → 80+ 언어(확장 2주 만에 일일 생성 2배) → 비디오 오버뷰
PRODUCTIZATION
"magic in exchange for a little bit of content"(Raiza Martin)
"PDF 읽기 싫을 때 두 AI가 대화해 주면 좋겠다"는 요구를 사전에 수집하는 것보다, 작동하는 경험을 보여주고 언제 쓰는지 보는 것이 빠른 종류의 혁신.
NotebookLM Audio Overview(2024.9.11) : 원클릭으로 두 AI 호스트의 "deep dive" 대화. "still experimental"
Google Labs 2024.9 · Raiza Martin 인터뷰
Soomin Kim · smsoominkim@gmail.com
Usage Discovery · Cursor
Cursor : Tab → Composer → Agent, 사용이 이동하고 회사가 따라갔다
C
TRIGGER
2022 창업, 기계공학 CAD 자동화로 6개월 실패("The founder market fit was horrible") → 자신들이 매일 쓰는 코딩으로 복귀
FIRST ARTIFACT
VS Code 포크(2023.3). 자체 모델 Tab(다음 편집 예측)
EXPOSURE
Composer(2024.8 기본 활성) → Agent(2024.11 "an early version of an agent")
SIGNAL
2026.2 공식 블로그 : "we’ve seen a major shift toward coding with agents"
ITERATION
요금제가 "요청 수"에서 "에이전트 사용량 풀"로 재편
PRODUCTIZATION
Cursor 2.0 + 자체 Composer 모델(2025.10). Truell : 엔지니어의 일은 "무엇을 만들지 · 어떻게 작동할지 정의"로 이동
같은 제품 안에서 사용의 무게중심이 자동완성 → 에이전트로 이동했고, 회사는 그 이동을 따라 폼팩터와 요금을 바꿨다.
ChatGPT(2022.11.30)는 InstructGPT와 같은 모델의 파인튜닝이라 "big fundamental advance로 과대포장하고 싶지 않아" research preview로 조용히 공개 → 5일 100만
FIRST ARTIFACT
Jan Leike : "We are putting a lot of emphasis on monitoring what people are using the system for, seeing what happens, and then reacting"
EXPOSURE
철학 문서 "Planning for AGI"(2023.2) : "a tight feedback loop of rapid learning and careful iteration". Sora도 아티스트 소수 접근 → 제품
SIGNAL
4o 이미지 생성 : 회사가 설계한 게 아니라 사용자가 찾은 사용법(지브리풍)
ITERATION
2025.5 Altman : "soon we have another low key research preview … we will name it better than chatgpt this time in case it takes off"
PRODUCTIZATION
Google Nano Banana(2025.8)는 LMArena에 익명 코드명으로 먼저 올려 블라인드 투표 → 공개 → 3D 피규어 밈 → 신규 1,000만+. 새로운 노출 방식 : 익명 아레나
출시는 끝이 아니라 학습 방법이다. 노출 단위를 정하는 것이 기획의 일부가 됐다.
4o 이미지 생성(2025.3.25) : 며칠 만에 지브리풍 변환 트렌드. "our GPUs are melting"(Altman). 1주일에 1억 3천만 사용자 · 7억 장
OpenAI 2022.11 · 2023.2 · 2025.3 · Google 2025.8
Soomin Kim · smsoominkim@gmail.com
Usage Discovery · 한국 · 스타트업
사용 발견이 회사 정체성을 바꾼다 : 크랙 · 제타 · Character.AI
뤼튼 → 크랙 : GPT 3 글쓰기 도구(2021) → 무료 챗 포털(2023) → 앱 안의 캐릭터챗 탭(2024)에 예상 밖 체류 · 과금 → 2025.4 독립앱 크랙(첫날 앱스토어 엔터 1위) → 2025 매출 471억(전년 31억), 하루 평균 2시간 → 2026.9 청소년 이용 상한 정책
스캐터랩 이루다 → 제타 : 동반자 챗봇 사용자가 원한 것은 대화가 아니라 캐릭터 · 세계관 · 사건을 직접 만들어 주인공으로 뛰어드는 놀이 → 스토리용 파인튜닝 → 2024.4 제타. 2025 매출 +525%, 일본판 일 평균 3.5시간
Character.AI : 범용 대화 모델을 공개 → 롤플레이 · 컴패니언 사용이 압도, 하루 평균 2시간. Shazeer : "It’s not that we want to fine tune to some particular domain" → 18세 미만 오픈엔드 챗 금지(2025.11). 발견 → 제품화 → 보호장치까지 한 사이클
빅테크는 사용 발견을 기능 추가로 흡수하지만(Lensa가 아바타를 피처로), 작은 회사는 회사 정체성이 바뀐다. 그리고 위험도 수일 내 직접 온다.
뤼튼 · 스캐터랩 보도 2025~2026 · Character.AI 2025.11
Soomin Kim · smsoominkim@gmail.com
Usage Discovery · The Browser Company
Arc Max : 작은 기능 5개를 한꺼번에 내고 90일 동안 지켜본다
C
TRIGGER
브라우저에 AI를 어디에 넣을지 아무도 몰랐다
FIRST ARTIFACT
작은 AI 기능 5개(링크 미리보기, 탭 이름 짓기, 페이지에 질문 등)
EXPOSURE
옵트인으로 동시 출시
SIGNAL
"최소 90일 유지하며 무엇을 남길지 결정." 사용 데이터로 keep / kill
ITERATION
빅테크식 관찰 방식을 택한 스타트업
PRODUCTIZATION
결과는 2025 Arc 중단 → Dia 집중. 관찰이 답을 주지 않을 때도 있다
무엇을 남길지 미리 정하지 않고 기간과 기준만 정했다. 노출 사다리의 한 형태.
Arc Max(2023.10) : AI 기능 5개를 옵트인으로 한꺼번에 출시
The Browser Company blog 2023.10 · 2025
Soomin Kim · smsoominkim@gmail.com
Usage Discovery · 요약
노출 단위는 갈수록 작고 빨라진다
사내WIP Wednesday · Slack
Artifacts
→
사내도그푸딩 5일 50%
Claude Code
→
소수trusted tester
Astra · Jules
→
익명아레나 블라인드 투표
Nano Banana
→
유료Pro 티어 research preview
Operator · Deep Research
→
전체공개
4o 이미지 생성
공통 신호 : 사내 채택 곡선, Discord · Slack 반응, 벤치마크(Arena Elo), 인프라 한계("GPUs melting"), 예상 밖 입력(신용카드 명세서), 잘못된 도구로의 시도(Operator → deep research). 노출 단위를 정하는 것이 기획의 일부가 됐다.
3장 · C 패턴 요약
Soomin Kim · smsoominkim@gmail.com
회사들은 어떻게 · 스타트업 vs 빅테크
같은 루프, 다른 규모와 채널
빅테크
1인 · 소규모 팀
Trigger
자사 모델 로드맵을 안다
남의 API 출시일이 기획 시작일 (TypingMind 5일, Bolt "처음 써 본 순간")
첫 artifact
연구 프로토타입, 사내 빌드 (분기 단위, 수십 명)
30시간 · 이틀(마이리얼트립) · 주말(Formula Bot) · 6주(Wispr)
노출 채널
trusted tester, Labs, research preview, 키노트
창업자 트위터, Reddit, Discord, Product Hunt, 카카오톡 채널
신호
채택률, eval, safety, 정성 피드백
결제(첫 주 매출), 공유, churn, 직접 DM
사용 발견의 결과
기능 추가로 흡수 (Lensa가 아바타를 피처로)
회사 정체성이 바뀜 (뤼튼, 스캐터랩, Suno, Wispr, 라이너)
위험
법무 · 정책이 사전에 거름, 대신 출시가 늦음
수일 내 직접 옴 (ElevenLabs 4chan, Character.AI 소송, 크랙 청소년 상한)
2025~26 새 국면
스타트업의 발견을 "산다" (Cal AI → MyFitnessPal, Manus → Meta)
종착점 중 하나가 빅테크의 피처로 흡수
작은 팀 사례는 "모두 그렇게 하라"가 아니라 프로토타입 비용이 얼마나 낮아졌을 때 프로세스가 어디까지 압축될 수 있는지 보여주는 극단값으로 읽는다.
3장 · 3.4
Soomin Kim · smsoominkim@gmail.com
회사들은 어떻게 · 30개 사례를 한 줄로
핵심은 정해진 순서가 아니라 학습 주기의 짧음과 증거의 다양성이다
출발Capability / Need / Hunch
어디서든 시작할 수 있다
→
만들기작고 작동하는 artifact
며칠~몇 주
→
노출사내 도그푸딩 또는 제한된 노출
사다리의 한 단
→
신호behavior + eval + 정성
예상과 다른 사용
→
결정keep / kill / pivot / combine
productize + continuous eval
Soomin Kim · smsoominkim@gmail.com
DISCUSSION
토론 : 오픈 퀘스천 5개
질문 하나에 한 라운드. 정답 없음. 진행자는 질문을 던지고 강의 · 워크샵의 사례를 "증거"로 꺼내 주는 역할만 한다. 각자 포스트잇에 한 줄씩 답을 적고 시작한다.
Soomin Kim · smsoominkim@gmail.com
토론 · Q1
우리 조직에서는 Outcome oriented와 Feature(capability) oriented 중 어느 쪽이 더 적합한가? 그리고 실제로 가능한가?
강의와의 연결
1장 NN/g(화면이 아니라 결과) · 5장 5-1 · 5-2
꺼낼 수 있는 증거
Bolt는 모델이 바뀌자 90일 만에 제품을 냈고, Anthropic은 모델 릴리스마다 playbook을 돌린다. 반대편 : Linear "The hard part is understanding the problem".
되물음
"우리 회사의 백로그에 새로 가능해진 것 칸이 있나? 있다면 누가 채우나?"
4장 · 토론
Soomin Kim · smsoominkim@gmail.com
토론 · Q2
우리 조직에서 급진적 혁신은 어디서 나왔나? 리서치에서, 기술에서, 우연에서? 지금 우리는 언덕을 오르는 국면인가 점프하는 국면인가
강의와의 연결
1.5장 Norman & Verganti
꺼낼 수 있는 증거
손들기로 시작. Norman의 11개 사례, Philips CT 스캐너(의미를 바꾸는 리서치), 닌텐도 Wii(리서치가 오히려 막은 사례).
되물음
"우리 서비스에서 지금 언덕의 정상까지 얼마나 남았나? 정상에 거의 왔다면 다음 언덕은 어디서 보이나?"
4장 · 토론
Soomin Kim · smsoominkim@gmail.com
토론 · Q3
평균 정확도는 "나에 대한 정확도"가 아니다. 우리 서비스에서 가장 도움이 필요한 사용자는 누구이고, 그 사람에게 AI가 잘 작동할까?
강의와의 연결
2장 ⑥(누구에 대한 정확도인가) · 부록 F
꺼낼 수 있는 증거
힌튼의 트윗 "완치율 90%인 블랙박스 AI 의사와 80%인 인간 의사 중 누구를 고르겠나"에 대한 반박 : "그 90%는 전체 평균이고, 나는 나에 대한 완치율이 궁금하다. 학습 데이터에 나 같은 사례가 없다면?" / 링글 : 튜터 8% vs 학생 23%(서툰 학생 36%). 서비스는 학생을 돕기 위한 것인데 정작 서툰 학생에게 가장 많이 틀린다.
되물음
"우리 앱의 서툰 학생은 누구인가? 그 사람의 데이터는 우리에게 얼마나 있나?"
4장 · 토론
Soomin Kim · smsoominkim@gmail.com
토론 · Q4
우리 서비스에서 AI가 틀렸을 때 더 나쁜 실수는 무엇이고, 그것을 누가 언제 알아차리는가?
강의와의 연결
2장 ⑥(두 질문) · 5장 5-4(Eval)
꺼낼 수 있는 증거
Epic 패혈증 모델(AUC 0.83 주장 vs 현장 0.63, 몇 년간 조용한 실패), 토스뱅크(처리율 70% vs 만족도 36%), 링글(도와야 할 사람에게 가장 많이 틀림).
되물음
"정확도 98%라는 벤더에게 뭐라고 되물을 것인가? 우리 데이터로 다시 재 달라고 말할 수 있는 사람이 우리 팀에 있나?"
4장 · 토론
Soomin Kim · smsoominkim@gmail.com
토론 · Q5
AI가 생성을 싸게 만들면 우리 팀에서 무엇이 희소해지는가? 기획자 · 디자이너의 일은 어디로 이동하나. 무엇을 먼저 보여주고 무엇을 신호로 볼 것인가
강의와의 연결
3장 3.4(스타트업 vs 빅테크) · 5장 5-4 · 6장
꺼낼 수 있는 증거
Cybernetic Teammate(생성은 평준화, 선택에 판단이 남음), Wen "취향 · 크래프트", Claude Code 도그푸딩 5일 50%, Arc Max 90일.
되물음
"PRD 없이는 예산이 안 나온다면, 프로토타입 + eval 3개로 대체할 수 있나?" → 마지막에 "다음 주 월요일에 바꿀 것 하나"를 포스트잇으로 받는다.
4장 · 토론
Soomin Kim · smsoominkim@gmail.com
토론 · 진행자 노트
토론이 한쪽으로 기울면 진행자가 반대편을 맡는다
"여러분이 한 시간 만에 만든 것, 옆 사람도 한 시간 만에 만들었습니다. 모두가 만들 수 있으면 만들기는 차별화가 아닙니다. 그럼 무엇이 차별화입니까?"
만들기 예찬으로 기울 때 던지는 말
Q2
손들기로 시작
"리서치에서 태어난 급진적 혁신" 질문을 1.5장에서 이어서
Q3
워크샵 ⑥에서 이어서
각자 답한 "누구에게 가장 많이 틀릴까"를 그대로 꺼낸다
Q5
월요일에 바꿀 것 하나
포스트잇에 한 줄, 벽(또는 채팅)에 붙인다. 6장 클로징에서 읽어 준다
4장 · 진행 팁
Soomin Kim · smsoominkim@gmail.com
CHANGES
AI는 제품개발 프로세스를 어떻게 바꾸는가 : 무엇이 바뀌고 있나 5
지금까지 본 사례들은 결국 하나의 흐름이다. AI 때문에 제품팀이 불확실성을 줄이는 방식이 바뀌고 있다. 다섯 개를 따로 외우지 말고 하나의 lifecycle 변화로 읽는다.
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 한 문장
AI는 불확실성을 "만들기 전에" 줄이던 비중을 낮추고, "만들어 보고 측정하면서" 줄일 수 있게 만든다
5-1Prototype Economics
프로토타입이 싸졌다
→
5-2Research Through Building
리서치가 뒤로도 간다
→
5-3Prototype as PRD
프로토타입이 스펙이 된다
→
5-4Eval
사용성 테스트로는 부족하다
→
5-5Controlled Rollout
출시가 학습이 된다
예전에는 불확실성을 리서치 · 회의 · 문서로 만들기 전에 줄였다. 지금은 여러 개를 만들어 보고, 써 보게 하고, 재면서 줄일 수 있다. 다섯 개는 Prototype economics → Research → Specification → Evaluation → Release로 이어지는 하나의 lifecycle 변화다.
5장 · 개요
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-1 Prototype Economics
프로토타입의 제작 비용이 급격히 낮아졌다
과거
만들기 전에 많이 버린다
순서아이디어 많이 내기 → 조사 · 회의 → 몇 개만 선택 → 와이어프레임 → 프로토타입
이유작동하는 프로토타입까지 가는 비용이 컸다. 생각으로 걸러내는 것이 합리적이었다
지금
만들어 보고 버린다
순서아이디어 → 바로 작동하는 프로토타입 여러 개 → 써 보고 버리기
도구Figma "Prototypes are the new PRDs". Replit · v0 · Lovable · Bolt · Figma Make가 이 경제를 더 극단적으로 만든다
핵심 : 프로토타입이 싸졌기 때문에 생각으로 제거하던 대안을 실제로 만들어 보고 제거할 수 있게 됐다.
5장 · 5-1 · Figma blog 2025.12
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-1 Prototype Economics
Low → High fidelity 대신 Cheap Executable Fidelity
1시간
공동 탐색
RoomDreaming(CHI 2024) : 생성 AI로 실제 방의 디자인 대안을 빠르게 생성
≈ 며칠
기존 초기 디자인 작업
디자이너들 : 여러 번의 미팅과 며칠에 걸친 초기 작업과 비슷한 역할
완성도는 낮아도 실제로 작동해서 행동을 볼 수 있는 프로토타입이 더 가치 있다. 정교함의 축이 "얼마나 예쁜가"에서 "돌아가는가"로 옮겨 간다.워크샵에서 만든 v1이 바로 Cheap Executable Fidelity다. 아무도 와이어프레임을 그리지 않았지만 모두 행동을 봤다.
Figma Make : 프롬프트에서 바로 작동하는 프로토타입. 만들어 보고 고치고 버린다
5장 · 5-1 · Wang & Su et al., RoomDreaming, CHI 2024
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-2 Research Through Building
리서치가 항상 만들기 전에만 일어나지 않는다
전통적인 UCD
Research → Problem Definition → Design → Prototype → Test
전제만들기 전에 문제를 충분히 알 수 있다
AI 네이티브 제품
Prototype → Use → Observe → Discover the real problem
전제사람들이 쓰는 것을 봐야 진짜 문제가 보인다
중요한 것은 리서치가 사라지는 것이 아니라, 리서치의 위치가 뒤로도 이동한다는 것이다.
5장 · 5-2
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-2 Research Through Building
Notion AI : 가설은 "처음부터 써 달라", 실제는 "고쳐 달라"
Hypothesis
블로그 작성 · 보도자료 · 세일즈 이메일 · 처음부터 글 생성
Prototype
private alpha를 빨리 열었다
Actual Behavior
사람들이 반복해서 쓰는 기능은 "Improve Writing". "AI에게 처음부터 써 달라"보다 "내가 쓴 것을 더 좋게 고쳐 달라"가 훨씬 강했다
Revised
포지셔닝이 AI author → AI editor · thought partner로 이동
Notion AI : 선택 텍스트 기반 인터페이스로 재설계. 알파 데이터가 그렇게 시켰다
5장 · 5-2 · Notion blog · Rachel Hepworth
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-2 Research Through Building
Sometimes making itself becomes a form of research
Claude Artifacts도 먼저 완성된 문제 정의문이 있었던 것이 아니다. 생성된 코드를 옆에서 바로 실행해 보는 사내 프로토타입이 먼저 있었다.그것을 본 팀의 반응을 통해 "AI가 답을 쓰는 것보다, 실제로 쓸 수 있는 것을 만들어 주는 경험이 중요할 수 있겠다"는 제품 가치가 더 선명해졌다.
"Research no longer always has to precede making. Sometimes making itself becomes a form of research."
5-2의 핵심 문장
Claude Artifacts 사내 프로토타입 : 문제 정의문 대신 작동하는 것이 먼저
5장 · 5-2 · Anthropic "How we built Artifacts"
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-3 Prototype as PRD
프로토타입이 설명 자료가 아니라 스펙 역할까지 한다
과거의 PRD
"사용자가 문서를 선택하고 Summarize를 클릭하면 AI가 요약을 만들고, 사용자는 regenerate할 수 있다"
문제이 문장을 읽고 PM · 디자이너 · 엔지니어는 머릿속에 다른 화면을 상상한다
프로토타입을 만들어 오면
버튼 위치 · 대기 상태 · 응답 형식 · regenerate · 편집 · 오류 처리
효과한 번에 논의할 수 있다. 프로토타입이 idea visualization에서 shared specification · boundary object로 바뀐다
Figma가 이것을 가장 직접적으로 말한다 : "Prototypes are the new PRDs". PM이 문서를 쓰기 전에 인터랙티브 프로토타입으로 가정을 검증한다.
5장 · 5-3 · Figma blog 2025.12.15
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-3 Prototype as PRD
PRD가 없어지는 것이 아니다 : Static → Executable specification + decision record
프로토타입이 잘 표현하지 못하는 것은 여전히 문서가 필요하다.
왜 이것을 하는가
KPI
데이터 요건
보안 · 정책
접근성
롤아웃
엣지 케이스
비기능 요건
결정 기록
더 정확한 변화 : PRD disappears가 아니라 Static specification → Executable specification + decision record
Figma : 내부 PM들이 Make로 먼저 만들고, 남은 결정을 문서로
5장 · 5-3
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-4 Eval
AI 제품에서는 사용성 테스트만으로 충분하지 않다
층
무엇을 보나
Interface Eval
사용자가 기능을 찾는가, 플로우를 이해하는가, 통제감을 느끼는가
Model · Output Eval
정확한가, 관련 있는가, 충분히 완전한가, 지어내지 않는가, 톤이 적절한가, 근거에 기반하는가
System Eval
지연 시간, 도구 호출 성공률, 오류율, 비용
Behavioral Eval
regenerate를 몇 번 하는가, 사람이 얼마나 수정하는가, 포기하는가, 다음에도 다시 쓰는가
전통적인 소프트웨어는 버튼을 누르면 거의 같은 결과가 나온다. 그래서 찾을 수 있는가 · 이해하는가 · 과제를 완료하는가만 보면 됐다. AI는 같은 인터페이스에서도 출력이 계속 달라진다. 그래서 평가 대상이 두 층 이상으로 나뉜다.
5장 · 5-4
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-4 Eval
디자인 대상은 UI + Model Behavior다
OpenAI Canvas : "에디터 UI가 편한가"만 본 것이 아니다. 언제 Canvas를 열어야 하는가, 어느 부분을 수정해야 하는가, 코멘트가 얼마나 정확한가, 타깃 편집이 제대로 되는가 같은 모델 행동 자체를 eval했다
Replit Agent : 벤치마크 점수로 끝내기 어렵다. 사용자는 repo diff가 벤치마크상 좋아 보이는지가 아니라 "내가 만든 앱이 실제로 돌아가느냐"를 본다. 프로덕션 행동을 다시 eval과 개선 루프로
Build → Eval → Observe → Adjust → Eval이 제품 lifecycle 자체가 된다. 워크샵 ⑥의 "어떤 실수가 더 나쁜가 · 누구에게 가장 많이 틀릴까"가 eval의 첫 줄이다.
5장 · 5-4 · OpenAI Canvas 2024.10 · Replit "Closing the loop" 2026 · 부록 F
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-5 Controlled Rollout
Launch가 "완성 후 공개"가 아니라 "학습을 위한 제한 공개"가 된다
Research Preview
Alpha · Private Alpha
Labs
Beta
Trusted Testers
Early Access
Technical Preview
Launch to Learn
AI 제품 사례를 보면 이상할 정도로 이런 단어가 많다. 실제 사용 전에 모든 실패 모드를 알기 어렵기 때문이다. 그래서 처음부터 모두에게 배포하지 않고, 작은 사용자에게 노출하면서 제품을 학습하는 것이 프로세스 안으로 들어온다.
5장 · 5-5
Soomin Kim · smsoominkim@gmail.com
무엇이 바뀌나 · 5-5 Controlled Rollout
Operator : Research Preview 자체가 제품 리서치 단계였다
1CUA 역량
스크린샷을 보고 클릭하는 모델
→
2Research Preview
일부 Pro 사용자
→
3실제 웹 과제 관찰
사용성 · 신뢰성 · 안전 · 프롬프트 인젝션
→
4ChatGPT agent에 통합
deep research와 합침
Copilot Labs
Microsoft : 아직 완성되지 않은 실험 기능을 실제 사람이 사용하고 피드백을 주는 공간. Copilot Vision, Think Deeper가 여기서 먼저 실험됐다
Notion AI
private alpha를 빨리 열고 실제 행동을 본 뒤 제품 방향을 수정했다
Operator(2025.1) : "research preview … will evolve based on user feedback". 바로 모든 사용자에게 들어가지 않았다
흐름Research → 무엇을 만들지 결정 → PRD → 몇 개만 Prototype → Usability Test → Launch
AI 시대
만들어 보고 측정하면서 줄인다
흐름Need + Capability Discovery → 여러 Working Prototype → Research through actual use → Prototype 자체로 팀 align → Eval → Controlled Rollout → 실제 behavior 관찰 → Keep / Kill / Pivot / Productize
AI는 제품팀이 불확실성을 "만들기 전에" 줄이던 비중을 낮추고, "만들어 보고 측정하면서" 줄일 수 있게 만든다. 오늘 워크샵의 루프(카드 → v1 → 화면 공유 → 두 질문 → 버린 버전)가 이 lifecycle의 축소판이다.
5장 · 5-6
Soomin Kim · smsoominkim@gmail.com
CONCLUSION
그래서 AI 시대의 서비스 기획은 어떻게 해야 하는가
이 강의는 "UCD를 버려라"도 "UCD를 지켜라"도 아니다. 하루 동안 본 것은 출발점과 검증 방식이 여러 개가 되었다는 사실이다.
Soomin Kim · smsoominkim@gmail.com
결론 · 정답이 아니라 선택지
기획자의 일은 하나를 믿는 것이 아니라 지금 국면에 맞는 출발점과 증거를 고르는 것이다
1
출발점은 하나가 아니다
Need Discovery, Capability Discovery, Prototype Discovery 모두 정당한 시작이다. 다만 어디서 출발했든 productization은 사용자 · 맥락 · 신뢰 · 운영의 문제로 돌아온다.
2
리서치의 위치는 고정되어 있지 않다
만들기 전에 해야 하는 리서치(고위험 워크플로, 권한 · 책임, 규제, 접근성)와 만든 뒤에 더 잘 보이는 리서치(무엇을 반복 사용하나, 언제 믿고 언제 수정하나, 예상 밖 사용)가 있다. 때로는 만들기가 가장 빠른 리서치다.
3
생성이 싸질수록 선택 · 검증 · 책임이 비싸진다
프로토타입은 늘고 판단은 희소해진다. 그래서 eval · 통제된 노출 · 인간 리뷰가 새 프로세스의 정식 구성요소가 된다.
6장 · 6.1
Soomin Kim · smsoominkim@gmail.com
결론 · 상황별 출발점 가이드
탐색(언덕 점프)에는 만들기와 역량이, 최적화(언덕 오르기)에는 리서치와 사용자가 더 잘 맞는다
지금 우리 상황이 이렇다면
출발점
먼저 줄일 불확실성
대표 사례
새 모델 역량이 분기마다 도착하고, 프로토타입이 몇 시간이면 나오고, 틀려도 버리면 그만인 영역
역량에서 출발, 만들며 리서치
Capability · Interaction
Artifacts, Bolt, Photo AI, 오늘 워크샵
문제 공간이 안정적이고 잘 알려져 있으며, 지금 언덕의 정상까지 아직 멀다
사용자 필요에서 출발, 만들기 전에 리서치
Desirability
대부분의 기존 제품 개선, Granola의 "사람 메모 중심"
고위험 · 규제 영역(의료 · 금융 · 안전 · 공공), 틀린 것의 비용이 크다
사용자 필요 + 오류 비용에서 출발, 통제된 노출
Trust · Accountability, Integration
Epic 패혈증(반면교사), Operator의 Pro 한정 preview
차별화가 "무엇을 만들까"가 아니라 "누구를 얼마나 깊이 이해하나"에 달려 있다
의미에서 출발(design driven), 깊은 정성 리서치
Desirability(의미)
Philips CT 스캐너, Swatch, Wispr의 "데모 밖으로"
무엇이 될지 아무도 모른다, 팀의 흥분이 유일한 데이터다
일단 만들어 소수에게 보여주고 관찰
Interaction → Desirability 순
Notion AI 알파, Audio Overviews, Suno의 Bark
대부분의 팀은 둘 다를 번갈아 한다. 어느 줄에 있는지는 프로젝트마다, 분기마다 다시 판단한다.
6장 · 6.2
Soomin Kim · smsoominkim@gmail.com
결론 · 기획 캔버스
AI 시대 서비스 기획 캔버스 : 필요한 칸만 쓴다
1
출발점
Need(워크플로 · 페인 · 우회책) / Capability(새로 가능해진 것) / Hunch(만들어 본 것의 반응). 하나 이상
2
줄일 불확실성
Desirability / Capability / Interaction / Integration / Trust · Accountability 중 무엇을 가장 싼 증거로 먼저
3
작동하는 프로토타입
1개 이상, 같은 목표 다른 가설
4
도그푸딩 + Failure Log
틀린 답 · 빠진 맥락 · 타이밍 · 과잉 실행 · 지연 · 고치기 힘든 output
5
평가
어떤 실수가 더 나쁜가 · 누구에 대한 정확도인가 · 모델 지표 + 경험 지표
6
노출 사다리
사내 → 소수 → research preview → beta → GA. 각 단의 신호와 kill 기준
7
Behavior + Interview
telemetry는 "무엇을", interview는 "왜"
8
Keep / Kill / Pivot
Productize + Continuous Eval. 예상 밖 사용이 핵심 신호일 수 있다
6장 · 6.3
Soomin Kim · smsoominkim@gmail.com
결론 · 산출물
버리는 것이 아니라 비중이 바뀐다
기존 산출물
함께 두는 산출물
Persona
Context · job · constraint map (+ 합성 사용자로 리허설)
Journey Map
Human · AI handoff / agency map
PRD
프로토타입 + decision log + constraint spec + eval 세트
Wireframe
실행 가능한 인터랙션 프로토타입
Usability test plan
Eval 세트 + 사용성 + 실패 시나리오
Success metric
제품 지표 + 모델 지표 + 인간 검토 비용
Edge cases
Failure taxonomy · recovery design ("when wrong")
Launch checklist
Progressive rollout + monitoring + rollback
6장 · 6.4
Soomin Kim · smsoominkim@gmail.com
결론 · 과장하면 안 되는 것
양쪽 모두 과장하면 안 된다
✗
"Design Thinking is dead"
죽은 것은 고정된 의례와 순서다. empathize · prototype · test · iterate는 살아 있다
✗
"UCD만이 답이다"
Norman의 11개와 3장의 30개 사례가 보여주듯 새 언덕은 자주 역량과 우연에서 시작한다
사용은 "무엇을"을 보여주지만 "왜", "무엇을 포기했나", "누가 배제됐나"를 설명하지 않는다
✗
"Capability first가 모든 제품의 출발점"
역량은 새로운 탐색 경로이지 사용자 가치의 대체물이 아니다
6장 · 6.5
Soomin Kim · smsoominkim@gmail.com
마지막 문장
문제를 찾는 것만큼 새로 가능해진 것을 발견하십시오. 만든 것은 반드시 사람에게 써 보게 하십시오. 그리고 어느 쪽에서 시작할지는 매번 다시 고르십시오.
발견
새로 가능해진 것
역량 카드, 모델 릴리스, 남의 API 출시일
노출
사람에게 써 보게
Slack · 도그푸딩 · trusted tester · 화면 공유
판단
매번 다시 고르기
점프인가 오르기인가. 그 판단이 AI 시대의 서비스 디자인이다
Soomin Kim · smsoominkim@gmail.com
WORKSHOP
핸즈온 워크샵 : 역량 카드에서 작동하는 앱까지
각자 역량 카드를 뽑고, 앱 컨셉을 한 줄로 정한 뒤, Google AI Studio로 바로 만든다. 만든 것은 화면 공유로 보여주고, 마지막에 "내 서비스가 잘 되고 있는지 어떻게 알까"를 함께 생각한다.
Soomin Kim · smsoominkim@gmail.com
워크샵 · 한 줄 규칙
"이게 무슨 문제를 풀죠?"는 만든 뒤에 묻는다
1역량을 본다
카드 3장 중 하나 또는 조합
→
2만든다
AI Studio에서 작동하는 v1
→
3보여준다
화면 공유
→
4잘 되는지 묻는다
어떤 실수가 더 나쁜가
테마는 자유. 페르소나 · 저니맵 · 문제 정의문 · 워크시트는 없다. 남는 것은 역량 카드 1장, 컨셉 한 줄, 작동하는 링크다. 이 순서가 1장의 Solution first, 1.5장의 Technology first를 몸으로 해 보는 것이다.
2장 · 2.0 한 문단 요약
Soomin Kim · smsoominkim@gmail.com
워크샵 · 역량 카드 12장
AI가 새로 할 수 있게 된 감각 · 행동 · 판단 12장
C1
🧠
기억하는 AIMemory
C2
🤖
행동하는 AIAgent · Computer Use
C3
👁️
보는 AIVision
C4
🪪
사람을 알아보는 AIFace · Speaker Recognition
C5
🎙️
듣는 AISpeech to Text
C6
🗣️
말하는 AIVoice Generation · Cloning
C7
🎨
그리고 찍는 AIImage · Video
C8
🎵
음악 · 소리 만드는 AIMusic · Sound
C9
🌐
실시간 통역하는 AILive Translation
C10
📈
예측 · 추천 · 감지하는 AIPrediction · Anomaly
C11
🩺
몸과 환경의 신호를 읽는 AISensor · Wearable · IoT
C12
🦾
몸을 움직이는 AIRobot · Autonomous · Embodied
글로 읽고 쓰고 대화하기(요약 · 작문 · 역할 연기 · 긴 글 읽기 · 검색 근거 · 추론)와 코드 만들기는 모든 카드에 기본으로 딸린 재료(AI Studio가 제공)로 취급한다. 웹페이지(index.html)에서 Pick! 을 누르면 3장이 랜덤으로 뒤집힌다.
2장 · 2.3 역량 카드 · index.html 카드 덱
Soomin Kim · smsoominkim@gmail.com
워크샵 · Pick!
3장이 뒤집힌다. 하나를 쓰거나 조합한다
1
index.html의 카드 덱에서 Pick! 을 누른다12장이 이모지만 보이는 상태로 시작하고, 3장이 랜덤으로 뒤집힌다. "다시 섞기"로 되돌리고 "전부 보기"로 12장을 모두 열 수 있다
2
뒷면을 읽는다 : 큰 이름 · 한 줄 설명 · 실제 제품 예 · 시동 프롬프트3장에서 볼 사례 대부분이 이 12장 중 하나에서 출발했다
3
3장 중 하나를 쓰거나, 두세 장을 조합한다예 : 🗣️ 말하는 AI + 🪪 사람을 알아보는 AI = "아는 사람 목소리로 대신 초인종에 답해 주는 앱"
🎴
Pick! 카드 3장 뽑기앞면 : 이모지와 번호만 뒷면 : 이름 · 설명 · 예시 제품 · 프롬프트
2장 · 2.3 · index.html
Soomin Kim · smsoominkim@gmail.com
워크샵 · 앱 컨셉 한 줄
"[누가] [언제] 쓰는, [역량]으로 [무엇]을 해 주는 앱"
💬
"혼자 사는 사람이 초인종이 울릴 때 쓰는, 말하는 AI로 남자 목소리로 대신 대답해 주는 앱"🗣️ 말하는 AI 하나로
💬
"회의가 많은 팀장이 회의 직후 쓰는, 듣는 AI + 기억하는 AI로 내 할 일만 뽑아 주는 앱"🎙️ + 🧠 조합
💬
"혼자 사는 부모님을 위해 매일 아침 쓰는, 몸의 신호를 읽는 AI로 이상하면 자식에게 알려 주는 앱"🩺 하나. 데이터는 샘플
채팅창에 한 줄 올리고 시작한다. 이 한 줄이 워크샵의 유일한 "문서"다. NN/g 식으로 말하면 화면이 아니라 "누구의 무엇이 달라지는가"를 먼저 쓰는 것.
2장 · 2.1 ③
Soomin Kim · smsoominkim@gmail.com
워크샵 · 각자 빌드
AI Studio Build : 아주 간단한 컨셉, 골든패스 1개
1
카드 뒷면의 시동 프롬프트를 붙여넣고, 그 아래 컨셉 한 줄을 붙인다예 : "텍스트를 넣으면 고른 목소리로 읽어 주는 웹앱(브라우저 음성 합성)" + "혼자 사는 사람의 초인종에 남자 목소리로 대신 대답"
2
골든패스 하나만 끝까지 통하게 만든다처음 열었을 때 → 한 번의 입력 → 한 번의 결과. 설정 화면 · 로그인 · 예외 처리는 나중
3
안 되면 목업 데이터 · 데모로 간다센서 · 로봇 · 얼굴 인식 · 외부 API는 무료 툴에서 못 붙일 수 있다. 그 역량이 있다고 가정하고 샘플 데이터로 흐름만 만든다. 동작하면 좋고, 아니면 목업으로 가능성을 탐색한다
4
공유 링크를 만들어 휴식 전에 채팅창에 올린다AI Studio의 UI 명칭 · 무료 한도 · 공유 방식은 진행 전에 재확인한다
2장 · 2.1 ④ · Google AI Studio Build
Soomin Kim · smsoominkim@gmail.com
워크샵 · 첫 프로토타입
Google Glass 첫 프로토타입은 옷걸이와 프로젝터였다
Soomin Kim · smsoominkim@gmail.com
Build! (15mins)
Soomin Kim · smsoominkim@gmail.com
Share (3mins each)
Card & Concept & Solution
Soomin Kim · smsoominkim@gmail.com
APPENDIX
Appendix
Soomin Kim · smsoominkim@gmail.com
여러분이 아는 제품 중 유저 리서치에서 태어난 급진적 혁신이 있습니까?
Soomin Kim · smsoominkim@gmail.com
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Norman 2010
Technology first → invention second → needs last
"design research is great when it comes to improving existing product categories but essentially useless when it comes to new, innovative breakthroughs."
Don Norman, "Technology First, Needs Last : The Research Product Gulf", interactions 2010
"New conceptual breakthroughs are invariably driven by the development of new technologies."
비행기 · 자동차 · 전화 · 라디오 · TV · 컴퓨터 · 인터넷 · 휴대폰에 대해 : "What role did design research play? No role. All were driven by technology."
발명가의 동기 : "…invent because they are inventors. They create for the same reason that people climb mountains : to demonstrate that they can do so."
Norman 2010 · IASDR 2009(서울) · IIT Design Research Conference 2010
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Norman & Verganti 2014
반례를 찾으려 했지만, 실패했다
"Norman was bothered by his analysis and tried to find examples that refuted this conclusion; he failed. Every radical innovation he investigated was done without design research, without careful analysis of a person’s or even a society’s needs."
Norman & Verganti, Design Issues 30(1), 2014, p.79
그 목록은 디자인 리서치가 존재하기 훨씬 전부터 시작한다 : 실내 배관, 가정용 전등, 자동차와 비행기, 라디오와 TV. 그리고 오늘날의 Facebook · Twitter까지, "만든 사람들이 그냥 재미있어 보여서" 시도한 것들이다.
같은 단락의 나머지 반쪽은 이 장의 끝에서 본다. 먼저 그가 직접 열거한 11개를 하나씩 보자.
Norman & Verganti 2014
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Norman의 사례 · Airplane
Airplane : 1903, 라이트 형제
Norman의 해석
기술 가능성이 먼저였다. 두 자전거 제작자가 "날 수 있는가"를 증명하려 했다.
UCD 관점에서
사용자가 "비행기"라는 unmet need를 직접 요구한 것이 아니다. 인터뷰로는 "더 빠른 기차"가 나왔을 것이다.
키티호크 첫 비행, 1903.12.17. John T. Daniels 촬영 (퍼블릭 도메인)
Wikimedia Commons · Norman 2010
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Norman의 사례 · Automobile
Automobile : 1886, Benz Patent Motorwagen
Norman의 해석
기술 주도. 기존의 이동 욕구와 새로운 technical means(내연기관)가 결합했다.
UCD 관점에서
"더 빠른 말"을 물었다면 나오지 않았을 것. 욕구는 있었지만 해법은 사용자에게서 나오지 않았다.
Benz Patent Motorwagen, 1886 (퍼블릭 도메인)
Wikimedia Commons · Norman 2010
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Norman의 사례 · Telephone
Telephone : 1876, Alexander Graham Bell
Norman의 해석
기술 주도. 초기 용도와 사회적 의미는 사후적으로 발전했다.
UCD 관점에서
전신 회사는 "장난감"이라며 특허 매입을 거절했다. 당시 사용자 조사를 했다면 같은 답이 나왔을 것이다.
Bell의 1892년 뉴욕 · 시카고 장거리 통화 (퍼블릭 도메인)
Wikimedia Commons · Norman 2010
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Norman의 사례 · Radio
Radio : 1920년대 가정 보급
Norman의 해석
무선 전파라는 capability가 사용처(방송 · 거실의 가족)를 만들어냈다.
UCD 관점에서
"저녁에 온 가족이 한 상자 앞에 모여 앉고 싶다"는 요구는 라디오 이전에 존재하지 않았다. 2024년 Audio Overviews와 같은 구조.
1926년 미국 농가의 라디오 청취 (미국 국립문서보관소, 퍼블릭 도메인)
Wikimedia Commons · Norman 2010
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Norman의 사례 · Television
Television : 1950년대 가정 보급
Norman의 해석
기술 주도. 새로운 medium이 저녁 시간 · 거실 배치 · 가족 의례라는 behavior를 형성했다.
UCD 관점에서
제품이 행동을 만들었지, 행동 관찰이 제품을 만든 것이 아니다.
1958년 TV를 보는 가족 (퍼블릭 도메인)
Wikimedia Commons · Norman 2010
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Norman의 사례 · Computer
Computer : 1946, ENIAC
Norman의 해석
기술 주도. 최초 발명은 군사 · 과학 계산이 목적이었다.
UCD 관점에서
user research의 산물로 보기 어렵다. 이후 수십 년의 사용자 중심 개선이 "개인용"이라는 의미를 붙였다.
Indoor plumbing · Electric lighting : 1879~, 에디슨의 전구와 배전
Norman의 해석
급진적 infrastructure 변화와 need articulation의 시차. 전구가 아니라 발전 · 배전 시스템 전체의 발명이었다.
UCD 관점에서
사람들은 전등을 "요구"하기 전에 전등을 받았다. 요구는 받은 뒤에 언어화됐다.
에디슨 전구, 1879~80 (CC BY 3.0, Wikimedia Commons)
Wikimedia Commons · Norman & Verganti 2014
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · 2014년의 추가 사례
논문 본문이 더한 사례 : 리서치가 오히려 막은 경우도 있다
Wii
닌텐도 Wii
소니 · MS도 같은 센서를 알았지만 유저 리서치가 "더 좋은 그래픽"을 답해 버렸다. 리서치는 지금 언덕의 정상을 가리킨다
Swatch
Swatch
아무도 패션 시계를 원하지 않았고 첫 반응은 미지근했다. 시계의 의미를 바꾼 사례
HP
HP 계산기
마케팅이 반대했지만 창업자가 갖고 싶어서 만들었다
Apple
Newton · QuickTake
옳은 아이디어도 시점이 틀리면 죽는다. 당시 임원이 Norman 본인
SNS
Facebook · Twitter
"만든 사람들이 그냥 재미있어 보여서." 오늘의 Character.AI · 크랙과 같은 구조
Norman & Verganti 2014
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · 같은 단락의 나머지 반쪽
그러나 일단 만들어진 뒤에는, HCD가 invaluable했다
"Once the radical innovation had been developed, however, HCD was invaluable as a way of improving the product and enhancing its appeal, good examples being the way that Google, Facebook, and Twitter have modified themselves since their initial introduction, or how automobile manufacturers slowly and continuously modify their offerings."
Norman & Verganti 2014, p.79 · 앞 슬라이드 "he failed"와 같은 단락
강의에서 절대 빼먹으면 안 되는 문장. Norman은 HCD를 버리라고 한 것이 아니라 HCD가 잘하는 일의 위치를 말했다. 11개 사례 모두 출시 후 수십 년의 사용자 중심 개선이 붙었다.
Norman & Verganti 2014
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Figure 4
기술 변화 × 의미 변화 : 의미를 바꾸는 리서치는 급진 혁신에 닿는다
Market Pull
기술 점진 × 의미 점진 = HCD. 지금 언덕 오르기. 대부분의 일상 제품 개선
Technology Push
기술 급진 × 의미 점진. 앞의 11개 사례 대부분
Meaning Driven
기술 점진 × 의미 급진 : Swatch(시계 = 패션), 미니스커트(기술 0), Wii(값싼 센서 + 온 가족의 놀이). Verganti의 기여 : 디자인 리서치도 여기에 기여할 수 있다
Tech Epiphany
기술 급진 × 의미 급진 : iPhone. 멀티터치는 20년 전부터 연구실에 있었고 애플이 한 일은 조합 · 타이밍 · 의미 부여
Norman & Verganti 2014, Figure 4
Norman & Verganti 2014
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · Figure 5
디자인 리서치의 4분면 : Philips CT 스캐너는 기계가 아니라 검사실의 의미를 바꿨다
실용성 고려 여부 × 새로운 의미 해석 여부로 나누면, HCD 리서치는 "실용성 O · 새 의미 X"(점진 혁신)에, Design Driven 리서치는 "실용성 O · 새 의미 O"(급진 혁신)에 놓인다.Philips CT 스캐너 검사실 : 무서운 검사 → 아이가 편안한 경험. 스캐너 자체가 아니라 검사실 환경의 의미를 바꿔, 수년간의 디자인 리서치로 도달했다. 리서치가 급진 혁신에 기여한 반전 사례.
Norman이 비판한 것은 "관찰 → 언어화된 요구 → 반복 개선"이라는 관행적 프로세스다. 의미를 탐색하는 리서치는 그 바깥에 있다.
Norman & Verganti 2014, Figure 5 : 디자인 리서치의 4분면
Norman & Verganti 2014
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · 과장 방지
이 주장을 어디까지 믿을 것인가
1
반례를 못 찾은 것은 불가능의 증명이 아니다
radical · incremental은 연속적이고, 어떤 제품이 어떤 프로세스에서 "태어났다"고 인과적으로 추적하기도 어렵다는 후속 비판이 있다.
2
Norman이 비판한 HCD는 관행적 프로세스다
참여 디자인, 코디자인, lead user, speculative design, design driven innovation처럼 더 넓은 방법은 새로운 의미와 가능성을 탐색할 수 있다.
3
스파크가 기술이어도 채택은 사용자 학습이 만든다
11개 사례 모두 출시 후 수십 년의 사용자 중심 개선이 붙었다. 3장의 AI 사례들도 예외 없이 trusted tester · alpha · telemetry · 안전 리뷰로 돌아온다.
Norman & Verganti 2014 · 후속 논의
Soomin Kim · smsoominkim@gmail.com
급진적 혁신 · 이 장의 한 줄
지금 우리는 언덕을 점프하는 국면인가, 오르는 국면인가
점프 (탐색)
새 언덕의 출발점은 사용자 필요만이 아니다
출발기술 · 의미 · 우연 · "재미있어 보여서"
잘 맞는 것만들기, 역량, 소수에게 보여주기
오르기 (최적화)
언덕을 오르는 일은 여전히 사용자와 함께 한다
출발관찰, 언어화된 요구, 반복 개선
잘 맞는 것리서치, 사용자, HCD
어느 쪽이 정답이 아니라, 지금 우리가 어느 국면인지를 아는 것이 기획의 첫 판단이다. 아까 손들기 질문으로 돌아가자 : 떠오른 제품은 어느 국면에서 태어났고, 어느 국면에서 자랐는가?
암을 암이라 진단
정상을 암 진단
암을 정상으로 진단
정상을 정상으로 진단
클링
