책 정리 - AI&UX 인공지능에 사용자 경험이 필요한 이유 | PM 독서모임

AI & UX

인공지능에 사용자 경험이 필요한 이유

개빈 루, 로버트 슈마허 주니어 저/송유미 역 | 에이콘출판사 | 2022년 01월 28일 | 
원서 : AI and UX: Why Artificial Intelligence Needs User Experience

 

 

해당 책 정리본은 주관적인 내용 및 편집이 포함되어 있을 수 있습니다.

 

 

 

책 소개

인공지능 기술의 실제 사용과 성공은 사용자의 만족스러운 경험에 달려 있다. 사용자 경험은 시장 전반에 걸쳐 사용자가 기술을 채택하는 데 중요한 역할을 할 것이며 이 책은 이런 요구에 수반되는 요소들을 탐구한다. 제품의 UX가 제품을 판매하게 만들기 위해 AI와 UX가 함께 해온 여정을 소개하고 인공지능 제품과 서비스의 긍정적 사용자 경험을 구축하는 방법을 살펴본다.

 

 

이 책을 선택한 이유

부트캠프 3회차 기업 연계 프로젝트에 있는 Ai, 주변 사람들과 관심 도메인을 말할 때 항상 나오는 키워드 Ai, 뤼튼과 챗GPT 등 놓치지 않는 핵심 키워드인 Ai. 그러한 Ai에 대해 이해하고자 하는 니즈가 있었다. 평소 좋아하는 출판사인 ‘에이콘출판사’의 책들을 보다가 UX와 Ai를 연결해서 설명해 주는 책이 있길래 바로 도서관에서 빌려서 읽어봤다.

 

 

짧은 리뷰

Ai와 관련된 내용을 UX적으로 접근해서 읽어 볼 수 있는 책. 무언가를 공부하고 따라하기보다는 '이러한 내용이 있구나'하는 킬링타임용 비문학책으로는 추천. 항목 순서가 엄청 잘 정리된 느낌이 아니여서 목차별로 원하는 부분먼저 읽는게 더 재미있을 것 같다. 개인적으로 Ai의 역사 부분이 신기했고 스포티파이나 넷플릭스들의 Ai 알고리듬 설명 부분은 조금 아쉬웠다.

 

 

 

---

 

 

1. AI에 대한 신뢰의 중요성

 

1.1 UX디자인의 니즈 

디자인에 관한 UX전망의 핵심 : ‘어포던스 (affordance, 행동유도성)’

: 사물 (object, 개체)과 지각자(perceiver, 사람)간에 일어나는 상호작용 지점. 지각자가 사물의 특징들을 이해할 수 있게 한다 

• 형태와 심미성은 경험에서 명백히 중요한 구성요소이지만 사용자에게 최상의 경험을 제공하려면 기능과 결합돼야 한다. 

 

 

 

1.2 AI의 역사 : AI는 과대평가되고 제대로 전달되지 않았다.

 

대부분의 AI 애플리케이션에는 이미 유용한 기능들이 많다.
하지만 🔹사용자가 사용할 수 없거나 엑세스하는 방법을 모른다면 기능에 어떤 이점이 있다고 할 수 있을까?

 

 

대부분의 사용자는 제스처 기능을 자연스럽게 발견할 방법이 없다.

• 이런 기능이 존제한다는 것을 화면에 표시하지 않으며, OS를 실험해 보거나 설명서를 읽으며 알아보려는 사용자는 거의 없다.
• = 이러한 기능은 모든 의도와 목적에서 대부분의 사용자에게 존재하지 않는 것이나 마찬가지.
• + 또한 다른 작업을 시도하는 과정에서 실수로 동작돼 혼동을 줄 수 있음. 이는 부정적인 상호작용으로 이어짐.

⭐️같은 경험들을 몇 번이고 반복하도록 유도하려면 경험에 대한 사용자의 인식이 중요.

 

일반적으로 사람들은 어떤 사물이 자신의 세계에 유익하고 즐거움을 준다고 여기면

해당 사물에 대한 참여(engagement) 패턴을 구축하는 경향이 있음.

 

 

 

 

1.3 가상비서에 대한 부정적인식, 애플의 시리

1. 2016년. 아이폰 사용자의 98%가 시리를 최소 한번 이상 사용.
   그 응답자에게 얼마나 많이 사용하느냐는 질문을 했을 때 대부분(70%) : 드물게, 가끔
   = 거의 모든 사람들이 사용해보려 시도했지만 대부분 중간에 사용을 중단.
2. 코타나(Cortana, 윈도우 OS에 있는 마이크로소프트 음성 기능)을 사용해 본 적이 있습니까?
   해봤나요? 한 번이라도요? 그리고 왜 그 기능을 시도하지 않았습니까?

 

시리에 대한 ⭐️부정적인 감정은 시리와 유사한 것으로 인식되는 다른 가상 비서들에게도 확대.

다른 가상비서들이 나왔을 때, 일부 사용자는 이미 가상 비서에 대한 이전 경험을 동일한 범주로 일반화하고 자신의 결론에 도달

(= 즉각적인 영향 : 채택 가능성 자체를 줄이는 것)

 

신뢰(trust)와 같은 AI-UX원칙을 지키지 않으면 사용자로 하여금 유사 제품을 사용해 보려는 시도를 막을 만큼 그 영향은 강력하다.

(애플 시리로 인한 침체기가 바로 도메인에 특화된 AI 침체기 사례)

 

🔹사람들은 기계의 실수에 관용적이지 않다. (그렇기 때문에 AI제품의 성공을 위해 신뢰는 매우 중요하다)

 

 

 

 

 

1.4 신뢰를 구축한 스포티파이 사례

 

광고주들을 대상으로 하는 어느 기사  

“스포티파이의 사용자들은 유용한 기능을 제공받는 한 회사에 개인 정보를 기꺼이 제공할 것”

 

• 밀레니얼 세대를 포함해 경쟁사보다 더 신뢰할 수 있다고 주장하는 데이터들을 인용.
• ‘디스커버리 위클리’ 같은 ‘찾기’ 기능들과 부분적으로 사용되는 신경망 기반 추천 엔진을 주된 이유로 꼽음

 

• 스포티파이의 추천 엔진 : 스포티파이 자체 데이터만을 기반으로 구축
• 사용자는 스포티파이가 스트림을 추적하지 않는 ✅비공개 모드로 들어갈 수 있음
  : 사용자는 다른 곳에서 즐거움을 누리면서, 음악 추천에는 영향을 주지 않게 할 수도 있음

이러한 조치들은 사용자로 하여금 ‘스포티파이의 데이터 수집이 자신의 목적에 부합한다’고 믿게 만든다.

 

 

---

 

 

2. AI와 커뮤니케이션

프로그래머와 데이터 과학자가 아닌 사람들에게 제품 성공에 영향을 미칠 수 있도록 
잠재적 차이와 기회를 이해하게 하기 위해 무엇을 할 수 있을까?

 

 

 

2.1 인간 중심의 인사이트 신뢰하기

“우리는 이제 컴퓨터가 단순한 계산기가 아니라 사람들 사이의 주요 커뮤니케이션 매체인 세상에 있습니다.”
_로버트

 

“🔹사용자 User는 운영자 operator가 아니다.
사용자는 컴퓨터를 조작하지 않으며, 과업을 수행하기 위해 커뮤니케이션한다.
우리는 인간 행동의 새로운 영역을 만들고 있다.
기계 작동보다는 기계와의 커뮤니케이션을 한다.”
_ 릭

 

 

 

 

2.2 노먼과 UX의 부상

• HCI : 인지 cognitive, 모터 motor, 자각 perceptual 기능의 심리학에 중점.
• UX는 더 높은 수준에서 경험을 정의 (사람들은 컴퓨터뿐만 아니라 자신의 세상에서 경험을 한다는 것)

 

2.3 UX는 어느 방향으로 우리를 이끄는가?

오늘날까지 기술들은 서로를 기반으로 구축되고 세계는 점점 더 복잡해지고 있기 때문에 UX 역시 계속해서 성장하고 있다.

: 멘탈 모델이 없는 제품, 독특한 기능을 제공하는 인터페이스.

이러한 새로운 제품과 서비스는 새로운 기술을 활용하지만 사람들은 세상에 새로운 것 과 상호작용하는 방법을 어떻게 배우는가? 

새로운 인터페이스들과의 새로운 상호작용은 채택되기 어려울 수 있다. 

 

 

 

2.4 ⭐️AI가 어떻게 성공할 수 있을지 이해하기 위해 한 가지 주요 가정을 설정해야 한다.

• 기본 코드(알고리듬)가 작동한다고 가정해 보자. 그 코드는 기능적이고 목적이 명확하다.
• AI가 약속과 기회를 제공해 줄 수 있다고 가정한다면 이제 문제는 성공이 뒤따를 것인지에 대한 여부

 

 

 

2.5 유비쿼터스 컴퓨팅 ubiquitous computing

• IoT 기기들에 연결된 음성 지원 플랫폼으로 시작된 기술
  : 컴퓨터를 컴퓨터로 간주하지 않고 일상생활에서 컴퓨터와 상호작용 하는 상태를 의미.

 

• “사용자는 굳이 기기나 연결에 대해 생각할 필요가 없습니다.  추가적인 지시 없이 기기는 그냥 알아서 작동합니다”. 
  : 그냥 작동하려면 UX가 신뢰를 구축해야 한다.

가상비서는 사용자의 의도를 정확히 이해하고 이를 온도 조절기에 전달해야 한다. 그리고 적시에 일관된 방식으로 작업을 수행해야 사용자는 비서를 신뢰할 수 있다. 비서를 완벽히 신뢰해야만 비서가 ‘그냥 작동한다’고 느낄 것이다.

 

*유비쿼터스 컴퓨팅이 지금 도처에 존재하는 독특한 순간에 와 있다. 
🔹하지만 차이를 만들어 내는 것은 경험이다.

 

 

---

 

3. AI와 맥락

 

 

3.1 AI의 다양성 부여

AI는 자체의 컴퓨팅적인 특성으로 인해 ⭐️인간의 추론에 내재된 인지적 편견으로부터 자유롭다.

= 의사결정 과정에 다양한 관점을 추가할 수 있음. 

상호 연관성(interrelatedness)은 맥락(context)과 유사.

• 조직 안에서 특정 작업과 협업자들에게 관한 큰 그림을 그리는 것이 중요하다는 사실을 인식해야 함.
• ✅맥락적 접근은 기계가 더 친숙하고 덜 위협적인 것으로 보이게 함으로써 사용자들이 기계와 더욱 편하게 협업하도록 만들 수 있다.

 

 

 

3.2 유스케이스 (1) 

• 디자이너는 AI 시스템에 ✅사용자를 위한 고유한 역할과 
• ✅유스케이스(use case, 사용 사례)를 부여해야 한다.

: 사용자가 이 유스케이스들을 당연하게 받아들이기 시작하면 사용자과 AI 사이의 장벽을 무너뜨릴 수 있다.

유스케이스가 명확하게 정의된 제품은 소비자들로 하여금 새로운 제품 카테고리의 사용 맥락을 이해에 효과적.

 

 

 

3.3 유스케이스 (2) 

: 사용자 니즈를 좀 더 깊이 살펴보기 위해 사용 환경을 고려한 유스케이스들을 만들어보라.

이런 활동을 통해 패시브 사용자 데이터(passive user data)와 직접적 사용자 데이터(explicit user data)를 활용해 더 많은 사용자 혜택을 이끌어낼 아이디어를 생각할 수 있다.

 

• 유스케이스는 제품 개발 프로세스 (product develiopment processes)에서 잘 정의된다. 시스템이 새로운 기회를 학습하고 식별할 수 있는 Ai 기술을 사용하면, Ai 제품을 위한 디자인에는 이제 제품 팀에서 정의하지 않은 유스케이스가 존재한다. 과업에 관리해야 하는 Ai가 포함된 새로운 차원이 추가되는 것이다.

 

 

 

3.4 유스케이스의 3가지 맥락

1. 사용 맥락

*사용자가 어디에 있는지가 중요하다. 사용자 위치가 어딘지 알 수 있다면 AI는 경험을 더 정확하고 적절하게 개선할 수 있다. 사용 맥락을 고려하면서 AI를 디자인하면, AI가 더 통찰력을 갖도록 지원할 수 있다.

 

2. 대화 맥락

*음성비서가 인간에게 받아들여지려면 인간의 대화 규범을 따라야 한다.

3.4 유스케이스의 3가지 맥락 - 대화맥락 '그라이스의 4가지 대화 격률'

• 대화 맥락의 오류는 오늘날까지 가상 비서를 괴롭히는. 가장 불만스러운 오류 중 하나다.
• 사실 대부분의 인간 대화는 언어 학자이자 철학자인 폴 그라이스가 제시한 특정한 격률에 충실
• 언어 학자들이 이미 알고 있는 커뮤니케이션 패턴에서 많은 것을 배울 수 있다. 그라이스의 격물을 사용하면, 대화에 영향을 줄 수 있고 후속 질문들을 예상할 수 있다. 또한 오류를 분석하면, 해결책을 제안하거나 대화를 수정할 수 있다. 이런 대화 맥락을 A 제품에 통합하는 예시들을 참고.

3. 정보/사용자 맥락

• 간단히 말해서 가상 비서는 입력(발화)과 결과 출력(응답)이 필요한 과업을 수행한다.
• A가 맥락(contex)과 같은 AI-UX 원칙을 적용하도록 디자인됐다면, A는 훨씬 더 유용한 경험을 만들어낼 수 있었을 것이다.

 

 

---

 

4. 데이터의 중요성

*쓰레기를 넣으면, 쓰레기가 나온다.

 

인공지능은 발전한다. 하지만 우리는 기계에 공급하는 데이터를 이해하려 노력하고 있는가?

 

 

 

4.1 데이터 과학 

AI는 블랙 박스 black box로 묘사 
: 한쪽엔 데이터가 입력되고 다른 쪽에선 결괏값이 출력되는데, 입력된 데이터의 변환 과정은 보여주지 않는다.

 

• "현대의 인공지능이 지닌 문제점은 이 지능이 모두 방대한 데이터에 대한 패턴 인식에 기반을 두고 있다는 점이에요. 패턴을 찾는 일인 것이죠. ..AI는 모든 문헌을 읽어 들이지만, 우리는 AI가 어떻게 추론하는지는 알 수 없어요. 이해하는 과정이 없는 것입니다."
  • 우리는 알고리듬 안에서 무슨 일이 일어나고 있는지 보지 못한다. 형성된 패턴은 단지 통계적 계수일 뿐이기 때문에 산출물을 만드는 데 사 용된 근거를 밝혀내는 것은 불가능하다.
• 바로 이러한 특징이 A의 블랙 박스로서의 문제점
  • A는 딱 받아들이는 데이터만큼만 좋기 때문에 사용되는 데이터는 매우 중요. 어떤 데이터가 들어가고 내부에서 어떤 일이 일어나는지 이해할 수 있다면, 결과는 일부 데이터 과학자들이 구멍을 메우기 위해 사용한 것을 재현한 것일 수 있기 때문

 

 

 

4.2 데이터 보정 

• 적절한 분석을 위해선 데이터 세트의 모든 셀이 채워져야 한다.
• 연구원들이 단순히 빈 셀이 있는 데이터 행들을 삭제하면 왜곡되거나 편향된 결과가 나온다.
• 특히 빈 셀이 있는 행이 공통적으로 지닌 교란 변수가 있는 경우기 데이터 과학자들은 이 셀들을 채워야 한다.
• 이를 데이터 보정 dala impulation이라 부른다.

보정 (Imputation) : 누락된 셀 대신 데이터 세트에 값을 삽입하는 것. 데이터 분석을 실행하려면 보통 보정이 필요

 

= 설문 조사 데이터는 보정 알고리듬에 의해 최소한 부분적으로 생성될 수 있다. 설문 조사를 기반으로 한 데이터 세트를 A에 트레이닝 데이터로 제 공하기 전에, 알고리듬에 의해 실제로 생성되는 데이터의 양을 살펴보라.

 

 

 

4.3 어쩌면 문제를 복잡하게 만드는 것

• 인간에게서 얻은 거라고 생각한 데이터가 봇에서 온 것일 수 있다는 우려.
• 데이터 요소들을 채우기 위해 특정한 등식 또는 알고리듬이 사용된 보정된 데이터를 사용함으로써 그로 얻은 결과가 단순히 AI시스템이 사용된 데이터 보정 알고리듬을 리버싱(Reverse enginerring, 역공학)한 결과 일 수 있다는 것.

이런 구조로 인해 AI 애플리케이션의 결론으로 거슬러 올라가 기저에 깔린 근거를 찾을 수 없다.

 

 

 

4.4  데이터 세트 평가 및 분석

• p.132 - 135
• p.136-138, 139 상단.
• p. 141-143

 

 

4.5 AI에 더 나은 데이터 세트 제공하기

• p.197하단, 198, 199

 

---

 

 

5. UX 프레임워크 적용하기

*사용자 참여를 촉진하고 궁극적으로 시장 성공의 가능성을 높일 거라고 생각되는 요소들

 

 

5.1 누구도 끔찍한 경험을 만들려 하진 않는다

• 기술은 이제 필수 조건이 됐어요.
  • 제품을 차별화할 수 있는 건 좋은 디자인이죠. AI제품에도 동일한 논리가 적용됩니다.

• AI-UX원칙을 생각해 보세요.
  • 제품을 설정하거나 사용할 때 인터랙션이 직관적이었나요?
  • 제품이 제대로 작동할 거라고 믿음이 가나요?
  • 매일 사용하는 제품들 중 여러분이 좋아하는 제품을 떠올려봅시다.
  • 사용자 경험이 원활하고 즐겁기 때문에 그렇게 좋아하시는 건가요?

 

 

 

5.2 제품을 경험하게 하라

 

“강력한 기술이 있다는 것을 단순히 증명하는 것만으로는 충분하지 않다.
✅실제로 유용한 무언가를 할 거라고 입증해야 한다.”

 

 

*평범해 보이는 기능들조차도 사용자들의 행동을 변화시킬 수 있고, 제품 시장을 변화시킬 수 있다.

제품을 사용할 때, 사람들의 기대와 행동이 예상치 못한 방식으로 변한다.

 

 

 

 

 

5.3 돼지 목에 진주 목걸이

하지만 동작중엔 UX계층 구조가 있다는 것을 인식해야 해요. 앱의 유용성을 생각해 볼까요? 의도한 대로 작동하던가요?

• 기초 토대를 바르게 세우는 것에 집중하자.
• 그런 다음 시각적으로 처리해서 제품을 돋보이게 하고 다른 제품들과 차별화하라.

 

 

 

5.4 리서치가 정말 중요한가?

이러한 니즈를 파악하고 이를 중심으로 디자인하라. 사용자 리서치가 가장 필요한 지점이다.

• 정말 선경지명을 가진 사람들도 있지만 현실은 다르다. 
• ⭐️리서치가 혁신을 주도하는 근거이자 채워질 수 있는 니즈인 경우가 대부분이다. 

 

 

5.5 UX의 핵심 요소 3가지

(1) 유용성 Utility, Usefulness / 기능성 Functionality

• ⭐️ 모든 어플리케이션을 정의할 때 가장 중요한 것은 그 애플리케이션이 하는 일이다.
• 모든 앱엔 사용자가 기대하는 유용한 기능이 있어야 한다. 이는 필수 요소다

(2) 사용성 Usability

• 유용성과 사용성은 종종 혼용되거나 결합돼 사용되곤 하지만 독립적인 개념.
• 기능과 기능이 구현되는 방식에는 차이가 있다. 이러한 방법들 중 가장 사용하기 편리한 방법.
  • Ex. 자동차를 제어하는 방법 : 핸들, 키보드, 조이스틱, 리모콘

*사용성 테스트(usability test)

: 제품에 익숙하지 않은 타깃 사용자에게 맥락을 제공하고 제품이 디자인된 목적에 맞는 과업을 요청하는 정성적 연구 방법. 

 

(3) 심미성 Aesthetics / 감정 Emotion

• 🔹 제품을 사용할 때의 감정 emotion은 제품 인식에 큰 영향을 미친다.

*심미성 사용 효과 (Aesthetic usability effect)

: 사용자들이 시각적으로 더 보기 좋은 제품들을 더 편리한 디자인으로 보는 현상.

 

 

 

---

 

 

6. UDC 

*UDC의 주요 요소 : 사용자, 환경, 과업

 

6.1 UDC의 주요 요소

(1) 사용자

• 사용자는 여러 사용자 그룹들로 세분화할 수 있으며, 각 그룹에 대한 설명은 문서화돼야 한다.
  • 이런 설명은 때로는 ‘페르소나’로 표현됨
• 주의점
  • 사용자들을 잘 알고 있다고 가정하지 말라.
  • 자신과 사용자가 같다고 가정하지 말라.
• 🔹사용자에 대한 설명이 구체적이지 않거나 존재하지 않거나 또는 잘못 정의했기 때문에 많은 디자인이 실패한다.
  

 

• 타깃 정의
  • 타깃 사용자를 정의하되, 단순히 시장을 설명하거나 세그먼트를 나누는 그 이상을 고민하라.
  • 사용자의 지식, 목표, 능력, 한계를 설명하는 페르소나를 구성하고 앞으로 만들어 나갈 경험을 정의하고 피해야 하는 ‘원칙’을 포함하는 사용자 시나리오를 포함시키자.

 

• ⭐️시장 설명 또는 세그먼트를 넘어 의도된 사용자를 정의하라.
  • ✅ 1) 사용자의 지식, 목표, 능력, 한계를 설명하는 페르소나를 구상하고,
  • ✅ 2) 여러분이 구축할 경험을 정의하고,
  • ✅3)피해야 할 ‘방호책’을 포함하는 사용자 시나리오를 만들라.

 

 

(2) 환경

 

(3) 과업

: 사람들이 자신의 목표를 달성하기 위해 무엇을 하는지에 관한 내용

사용자들이 취할 일의 단계를 세분화한 것.

• 과업은 과업분석 Task analysis
• 여정지도 Journey map (충분히 세세하게 구분된 경우)로 표현될 수 있음.

+⭐️과업들에 대한 충분한 전개를 바탕으로 앱 요구사항을 정의할 수 있음

 

 

 

 

 

6.2 UCD 프로세스

6.2 UDC 프로세스

1. (탐색 또는 발견을 위한) 초기 리서치
   : 사용자들의 기대를 포착하고 사람들이 생각하는 것을 이해하기 위함
2. 프로토타입 제작하기
3. 형성 단계의 리서치(formative research)
   : 사용성 테스트 같은 리서치를 통해 만족스러운 경험을 방해하는 혼란스러운 영역과 공백을 식별하기 위함.
4. 이러테리션 디자인과 많은 사용성 테스트 : 제품을 더욱 다듬어 개선하기 위함

 

---

 

 

⭐️지금은 사용성 테스트가 사용자 인터페이스를 완성하는 데 가장 독보적으로 중요한 요소

 

이 프로세스 : 사용자 니즈를 충족하는 시스템을 만들기 위해 반복적이고 연속적으로 다듬어 나가는 과정

• 사용자 피드백을 기반으로 디자인이 평가되면, 요구 사항들을 조정하거나 과업들을 분류하는 다른 방법을 채택하거나 인터페이스 제어 방식을 변경할 수 있다. 많은 것이 바뀔 수 있다.

 

한 가지 중요한 점 :  ⭐️그래픽, 시각적 적용을 마지막에 해야 한다는 것

• 대부분의 사람들이 디자인, 그래픽 적용으로 여기는 작업은 프로토타입 디자인에서 인터렉션 모델을 정한 후에 논의한다. 색상, 모양, 크기 등은 모두 기본 디자인을 지원하는 요소. 건축에서는 벽이 올라가기 전에 집을 칠할 수 없듯이, 애플리케이션 개발할 때 예쁜 다이어그램을 먼저 그려선 안 된다. 
• ✅ 디자인은 포토샵이 아닌 리서치와 함께 현장에서 시작된다.

 

 

 

6.3 디자인 시작의 모범 사례

• 사용자 니즈에 어떻게 부합하는 것처럼 보일지 알기 쉽게 설명하는 것
  • (Ex.  들어 95%의 사용자들이 오류 없이 2분 안에 등 록 페이지를 통과하는 목표를 세울 수 있다. 중요한 과업들과 관련된 이러한 목표는 개발 팀이 목표로 삼을 수 있는 측정 가능한 진척 척도를 제공한다. 여기서 더 중요한 점은 사용성 테스트 중에 이 목표에 대한 성공 여부가 순환 루프에서 벗어나 기술 개발 단계로 이동시키는 기준이 돼야 한다는 것

 

 

6.4 UCT 모델의 진정한 이점

• UCD는 콘텐츠와는 무관하다. AI 애플리케이션에 적용할 수 있으며 적용해야 한다.
• 사용자로부터 피드백이 없거나 무심한 피드백만 있는 경우 대비
  • 사용성 테스트에 문서화된 점진적 개선을 통해 조직이 최종 결과물의 성공에 훨씬 더 신뢰하게 될 수 있다는 점이다. UCD 모델을 잘 적용하면, 애플리케이션은 유용하고 사용성이 양호하며 잘 학습할 수 있고 용서할 수 있고 즐거울 수 있을 것이다.

 

 

6.5 ✅UCD 프로세스 적용하기

• 사용자, 환경, 과업에 대한 이해가 선행됐다면 디자인을 시작할 준비가 됐음
• 디자인은 인터렉션 모델 intreraction moder, 제어 방식 cortrol, 객체 object를 중심으로 개략적인 수준(rough level)에서 시작해야 함
• 목적은 사용자의 행동을 모니터링해 사용자를 돕고 문제가 감지되면 조언/지원을 제공하는 것임을 상기
• 그리고 챗봇이 사용자를 트리거하고 중요한 정보로 행동을 중단시켜야 할 때 또는 사용자들 이 결정을 내려야 할 때를 특별히 주의해서 디자인하라. 
• 챗봇이 상호작용하는 시점과 방법을 정의하는 '원칙'을 설정하라.

 

 

 

6.6 AI-UX 인터렉션을 위한 커닝 페이퍼

6.6 AI-UX 인터렉션을 위한 커닝 페이퍼 (1)

6.6 AI-UX 인터렉션을 위한 커닝 페이퍼 (2)

 

 

6.7 이유 찾기

디자인을 더 큰 성공으로 이끌어줄 AI의 목적, 존재 이유가 무엇인지 찾아보라.

• 맥락, 상호작용, 신뢰 관점 에서의 AI-UX 원칙을 구체적으로 개선해 나가기 위해 사용자 경험에 더 많은 관심을 기울이면 성공을 더 쉽게 이뤄낼 거라고, 실패를 피할 수 있을 거라고 믿는다. AI 제품은 기술에만 집중할 필요가 없다.
• 해결책으로 AI 발전의 수혜자인 인간을 핵심으로 하는 UCD 프로세스를 사용할 것을 제안한다. 그리고 여기에 덧붙여, 한 가지 더 제안하며 마치고자 한다. 목적이 명확한 AI 제품을 만들자.

 

---

 

7. AI와 인간 간의 협업적 관계

*AI를 통해 인간이 많은 시간이 걸리던 과업들을 자동화하면 사람들은 다른 과업들을 더 많이 할 수 있게 된다

 

 

7.1 의료 AI

• 지난 10년간 의료 인공지능은 확실히 과장됐고 기대에 못 미치는 결과물을 내놓았다.
• 그러나 여전히 의사에게 유용한 무언가를 제공하고 있다.
• 문제는 개발자와 의사들이 새로운 세계에 적응하고 AI의 현재 능력을 고려해서 더 적절한 제품을 만들 수 있는지의 여부.

 

⭐️AI로 인해 의사들의 일상적인 업무를 덜어주고, 일종의 ‘직관적인 업무’에 더 많은 시간을 할애하는 것

• 의료 AI의 비전 : 의료 전문가와 의료 AI가 ✅각자 자신에게 가장 적합한 업무 영역을 맡는 협업적 관계

 

⭐️*AI는 복잡한 업무 분야에서 인간보다 더 능력이 있는 기술이라고 위험하게 과대평가될 수 있다.

BUT ✅AI의 강점과 한계에 적응할 수 있다면, AI의 가치는 (대체가 아닌) 팀에 도움이 되는 일원.

 

 

 

 

7.2 추천 엔진

*추천 엔진(Recommendation Engine) 

: 사용자의 과거 행동을 분석해서 사용자가 좋아할 만한 새로운 콘텐츠를 경정해 사용자에게 새로운 콘텐츠를 추천하는 알고리듬

Ex. 애플 뮤직의 유사한 ‘나의 신곡 믹스 new Music Mix’

 

이 시점에서 추천 엔진은 유용한 경우 매우 다양한 디지털 서비스들의 매력의 토대가 된다. 

⭐️반면 추천 엔진이 관련 없는 콘텐츠나 사용자가 이미 본 콘텐츠를 추천하는 경우엔 끝없이 실망할 수 있다. 

 

 

 

7.3 넷플릭스

넷플릭스, 스포티파이 같은 웹 서비스는 제안을 개선하기 위해 지속적으로 알고리듬을 수정

 

이런 엔진들이 사용자들의 관심을 끌 수 있는 시간은 매우 짧다. 

• 넷플릭스 리서치에 따르면 사용자들은 60~90초 후에 볼 수 있는 새로운 콘텐츠 검색을 포기
  • 사용자들이 추천 엔진이 제공한 서비스에 실망하면 '실패 악화'로 이어지며 이 상황이 되면 사용자들은 추천 엔진이 비효율적이라는 것을 금방 깨닫게 되고 이를 무시하기 시작

• 내부 리서치에 따르면, 넷플릭스의 동영 상 조회수 80%는 직접 검색이 아닌 추천에서 발생
  • 사용자들은 새롭고 유용한 콘텐츠를 찾고 싶어 하며 추천 엔진은 이를 지원

• 넷플릭스의 추천 알고리듬 : 사용자들의 시청 습관에 관한 데이터를 사용
  (어떤 쇼 프로그램이나 영화들을 봤는지. 얼마나 빨리 봤는지. 어떤 프로그램을 보다가 중단했는지 등).
   알고리듬은 이 데이터들을 다른 시청자들의 데이터. 인간 코더가 각각의 넷플릭스 프로그램에 할당한 장르와 기능 코드를 결합해 사용자들을 수 천 개의 '기호 그룹 taste group' 중 하나로 그룹화시킨다. 

 

 

 

7.4 스포티파이

디스커버 위클리 플레이리스트에 대한 추천 엔진

 

: 유사한 데이터 수집 및 하위 장르 분류 기능을 제공하지만, 사용자 플레이리스트 페어링이라는 또 다른 메트릭을 추가로 제공한다. 

Ex. 많은 사용자가 밴드 크랜베리스 crnberres의 '드림즈 Dreams'와 동일한 플레이리스트에 가지고 있는 노래는 '꿈'과 관련이 있을 가능성이 높다. 이런 메트릭은 우연한 페어링의 가능성을 낮춘다. 

 

 

스포티파이는 사용자 습관에 따라 추천을 개인화하는 방법도 설명
2015년 스포티파이는 넷플릭스의 기호 그룹들과 마찬가지로 하위 장르들에 대한 구체적인 데이터베이스 구축에 대해 설명

• 스포티파이는 3가지 프 로세스를 사용해 디스커버 위클리 추천을 구성
  1) 먼저 사용자들을 다른 사용 자들과 비교하는 매트릭스 분석을 실행하고,
  2) 아티스트들과 노래들의 언론 보도 자료에서 자연어 처리 데이터를 사용해 어떤 형용사가 사용자를 설명할 수 있을지 결정하고
  3 각 노래의 오디오 속성들에 대한 신경망 분석을 실행
  4) 그런 다음 이런 요소들을 인간이 생각하는 가이드라인과 결합해 '부모를 위한 어린이 음악으로만 가득 찬 플레이리스트는 만들지 않도록 한다.

= 이 모든 개인화 Personazatio는 디스커버 위클리에 인간이 선별한 플레이리스트의 느낌을 줄 수 있음

어떤 의미에서는 사람이 선별한 플레이리스트다. 그 플레이 리스트는 사용자의 청취 습관과 다른 사용자들이 만든 플레이리스트들을 기반으로 만들어짐

 

• Case.
  • 스포티파이 사용자인 블로거 에릭 밤 E은 1년 동안 추천받은 거의 모든 음악을 기록하고, 스포티파이의 추천을 미디어와 특정 사람 출처의 추천과 비교하는 게시물을 작성했다. 그는 스포티파이가 많은 양의 추천을 제공했지만 스포티파이의 추천이 다른 사람이나 미디어의 추천보다는 성공률이 낮다는 사실을 발견했다. 스포티파이의 알고리듬은 아직 사람이 추천하는 수준을 제공하지 못했다는 것이다. 물론 훨씬 더 많은 양의 추천물을 만들어낼 순 있다.
  • 여전히 스포티파이 추천을 받아보고 있으며 때로는 서비스를 통해 좋아하는 앨범을 찾는다고 말한다. 

 

*궁극적으로 사용자들을 AT 서비스에 참여하게 만드는 것이 최종 목표이며 추천엔진이 이 목표를 달성.

디스커버 위클리는 친구의 추천을 대체하지 않지만 반드시 그럴 필요는 없다. 

 

 

• 추천 엔진은 AI가 사용자 경험에 부합해 가는 방식을 보여준다.
  • 실제로 스포티파이의 추천 엔진 중 일부만 AT 시스템이지만, 그 AI 시스템은 다른 컴퓨팅 요소, 인간 요소와 원활하게 결합돼 사용자들에게 가치 있는 엔진을 구축
  • 고객이 디스커버 위클리 또는 넷플릭스의 추천 서비스에서 항상 사용자가 원하는 음악이나 영화를 추천받지 못하더라도, 사용자들은 디지털 방식으로 생성되는 추천에 계속 참여한다. 그리고 디지털 추천자가 생성할 수 있는 많은 양의 추천은 사용자들의 관심이 사그라들기 전에 사용자가 서비스에 계속 참여하게 만들 수 있다.

 

*⭐️패턴이 식별되고 AI 제품이 추천을 제공할 준비가 되면, 이벤트는 트리거라고 부를 수 있다.

✅뒤따라오는 행동은 사용자 니즈를 중심으로 형성될 수 있다.

 

 

 

 

7.5 AI 저널리스트

• 인간이 쉽게 수행할 수 있는 질적 분석
  • + AI의 인간이 그 외에 개별적으로 작성해야 하는 정형화된 이야기들을 대량 생산할 수 있음
  • = 공생적 관계

Ex. AI 저널리스트를 사용해 2016 미국 대통령 선거의 투표 예측에 대한 이야기를 자동으로 생성하려고 시도했던 연구. : AI는 서로 다른 결과의 수천 개의 기사를 게시, 이 프로젝트는 매우 성공적이라 여김.

• 주도면밀하게 훈련된 특정 도메인에 관한 것일 때 + 덜 복잡한 데이터를 다룰 때 가장 효과적.
• 추진력’이 있거나 ‘기복이 심한’ 후보 같은 질적 특성을 인식하도록 AI를 훈련시키는 데엔 어려움이 있음.
• ‘큼’과 ‘작음’처럼 문맥적이고 특정 경우에 따라 다르게 인식되는 특성은 정량화하기 어려움

 

 

---