UX 디자이너의 생성형 AI 활용 핵심 역량 도출 및 타당도 검증: 사용자 여정 지도 단계를 중심으로

1. 1. 연구의 배경 및 목적

인공지능(AI)의 급속한 발전은 디자인 프로세스의 자동화, 단계별 오류 가능성 축소, 그리고 최적의 솔루션 도출 등 디자인 패러다임의 근본적 변화를 일으키고 있다. 특히 생성형 AI(Generative AI)는 텍스트, 이미지, 음성, 비디오를 포함하는 다양한 형태의 콘텐츠를 디자이너의 요구에 따라 실시간으로 생성하여, 기존의 디자인 과정과 문제해결 방식을 근본적으로 재정의하고 있다. 이에 따라 생성형 AI는 디자인 분야에서 창의적 탐색과 효율적 의사결정, 그리고 혁신적 결과물 도출을 촉진하는 핵심 도구로 주목받고 있다.

이러한 변화에 따라 UX 디자인 영역에서도 생성형 AI의 도입이 빠르게 확산하고 있다. 생성형 AI는 사용자 인터페이스 구성, 정보 구조 설계, 사용자 여정 지도(User Journey Map)를 포함하는 다양한 단계에서 활용되며, UX 디자인 프로세스와 결과물에 변화를 불러오는 혁신 기술로 자리매김하고 있다. 이는 UX 디자이너의 업무 수행 방식에 대한 변화와 함께 AI 기술에 대한 이해와 창의적 활용 능력 등 새로운 형태의 역량 습득이 중요한 과제임을 의미한다.

학계에서도 생성형 AI 기술의 확산에 따라 UX 디자이너의 역량에 관한 연구가 지속적으로 이루어졌다. 그러나 생성형 AI가 본격적으로 도입되기 이전에 논의되었거나(Borriraklert & Kiattisin, 2021; 전우정, 2019), 개발자와 프로젝트 관리자 등 협업자의 관점을 포괄하여(정승호, 2023) UX 디자인 실무에서 요구되는 핵심 역량을 온전히 규명하기에는 한계가 있다. 일부 선행연구에서는 UX 디자이너를 대상으로 생성형 AI 활용 역량을 다루었으나 구체적 역량 도출과 검증과정이 미흡하다는 한계를 가지고 있다(Winter & Stevens, 2024; Stige et al., 2024).

이에 따라 실무 UX 디자이너가 어떠한 역량을 갖추어야 하며, 그리고 역량을 강화하기 위해 어떠한 방향으로 학습과 교육이 필요한지 기준이 불분명하다. 실제로 디자이너들은 생성형 AI 도구 활용 과정에서 프롬프트 입력, 결과물 생성, 의사결정에 대한 부담을 느끼고 있으며(Yoon et al., 2024), 효과적인 프롬프트 생성 및 결과물 품질 향상을 위한 체계적인 교육을 요구하고 있다(Takaffoli et al., 2024). 이는 디자인 산업 전반의 혁신적인 성장을 저해할 수 있는 요인으로 작용한다.

따라서 본 연구는 UX 디자이너가 생성형 AI 도구를 효과적으로 활용하는 데 필요한 핵심 역량 도출을 목적으로 한다. 본 연구의 결과는 학술적으로는 UX 디자이너의 AI 역량에 관한 이론적 기틀을 마련하고, 실무적으로는 AI 기술을 효과적으로 적용하기 위한 구체적 지침을 제시함으로써 산업 현장의 역량 강화에 기여하고자 한다.

1. 2. 연구 범위 및 방법

본 연구는 생성형 AI 도구의 효과적인 활용을 위해 UX 디자이너에게 요구되는 핵심 역량을 도출하고 그 타당성과 신뢰성을 검증하는 것을 목적으로 한다. 이를 위해 다음과 같은 절차를 수행하였다.

첫째, 문헌 고찰을 통해 UX 디자인 과정에서 생성형 AI를 활용할 때 요구되는 UX 디자이너의 역량 요소를 탐색하였다.

둘째, 실무 경력을 보유한 UX 디자이너 6명을 대상으로 생성형 AI 도구를 활용한 사용자 여정 지도 설계 과정을 관찰하고 심층 인터뷰를 통해 핵심 역량을 도출하였다.

셋째, UX 분야의 학계 및 실무 전문가 9명을 대상으로 델파이(Delphi) 조사를 수행하여 도출된 역량 요소의 타당도를 검증하였다. 이러한 과정을 수행하여 최종 핵심 역량을 체계화하고 향후 연구와 교육 및 훈련 프로그램 개발의 방향성을 제시하였다.

2. 1. UX 디자인 분야의 생성형 AI 활용

최근 생성형 AI 기술의 급속한 발전과 함께 다양한 응용 서비스가 빠르게 상용화되고 있다. 대표적으로 ChatGPT는 텍스트 생성, 요약, 번역 등 자연어 기반의 대화형 응답을 생성하며, Midjourney는 텍스트 프롬프트를 기반으로 한 이미지 생성 도구로 새로운 시각적 창작 방식을 제시한다. 이러한 생성형 AI 도구는 텍스트, 영상, 음향 등 다양한 창작 영역에서 활용되며, 산업 전반에 걸쳐 디자인 업무의 효율화, 자동화, 맞춤형 경험 제공을 가능하게 하고 있다. 특히, 기업들은 디자인 업무에 AI를 적극적으로 도입하고 있으며, 이에 따라 디자이너에게는 AI와의 협업 능력이 새로운 직무 요건으로 부상하고 있다. 이러한 변화는 디자이너에게 새로운 기회를 제공함과 동시에 생성형 AI를 효과적으로 활용하기 위한 역량의 중요성을 시사한다.

학계에서도 디자이너의 생성형 AI 활용과 관련하여 다양한 연구가 수행되고 있다. 첫째, 생성 AI의 활용 가능성에 관한 탐색 연구가 지속적으로 수행되고 있다(Epstein et al., 2023; Maden et al., 2023). 둘째, 생성형 AI 기술에 대한 디자이너의 인식을 조사하여(Li et al., 2024; Yoon et al., 2024), AI 도구에 대한 기대와 우려가 인간 디자이너의 태도 형성에 어떠한 변화를 가져오는지를 탐색하고 있다. 셋째, 생성형 AI 기술과 디자인 프로세스 간의 관계를 분석하여(Chiou et al., 2023; Stige et al., 2024), 디자인 과정의 변화 가능성을 논의하고 있다. 넷째, 생성형 AI 도구를 효과적으로 활용하기 위한 전략과 최적화 방안이 논의되고 있다(Liu & Chilton, 2022; Oppenlaender, 2024). 마지막으로, 알고리즘 기반 생성형 AI 디자인 도구 제안 연구도 활발하게 이루어지고 있다(Brade et al., 2023; Cai et al., 2023).

선행연구들은 기술의 발전이 디자인의 창의적 사고와 실천 방식에 영향을 미친다는 점을 시사한다. 디자인 산업 현황과 선행연구를 종합하면, 디자인 산업의 미래는 생성형 AI와의 협력을 통해 혁신적이고 효율적인 방향으로 발전할 수 있으며, 이에 대응하기 위해서는 UX 디자이너의 새로운 역량 체계 정립이 필요하다.

2. 2. 역량의 개념

역량(competence)의 개념은 직무를 수행하는 사람이 환경과 효과적으로 상호작용할 수 있는 능력이라고 제시한 White(1959)의 주장을 기원으로 삼는다. 그리고 McClelland(1973)는 직무 수행의 성공을 예측하기 위해서는 역량을 이해해야 한다고 주장하였다. 역량의 개념에 관한 이들의 주장은 주어진 환경을 능동적으로 해석하고 문제를 해결하며 목표를 달성하는 데 필요한 능력이라는 점을 나타내고 있다.

더불어 역량의 개념은 인간 내면의 특성을 강조하는 방향으로 확장되었다. Boyatzis(1982)는 특정한 직무에서 우수한 성과를 이루기 위해 요구되는 심리적, 정서적 능력을 역량으로 정의하며, 조직 내에서 인재를 선별하고 육성하며 인적자원 관리 전반을 아우르는 기준으로 활용할 수 있음을 주장하였다. Spencer & Spencer(1993)는 역량을 표면적 요소(지식, 기술)와 내면적 요소(자기개념, 태도, 동기, 특질)로 구분하며, 역량을 인성 차원까지 포함하는 개념으로 확장하였다. 또한 Parry(1996)는 역량이 지식과 기술, 태도를 포괄하는 구성개념으로 정의하며, 이러한 속성은 훈련과 개발을 통해 향상될 수 있음을 강조하였다.

역량에 대한 정의는 맥락적 관점으로도 확장되어 Sandberg(2000)는 역량을 직무에 대한 개인의 의미 부여와 인식에 따라 형성되는 것으로 이해하고자 하였다. 또한, Deist & Winterton(2005)은 역량이 다차원으로 이루어지는 개념이라고 주장하며, 개인 수준의 기능적, 인지적, 정서적 역량과 더불어 제도와 문화의 맥락을 함께 고려해야 함을 제시하고 역량을 개인-조직-사회라는 구조적 개념으로 논의하였다. 마지막으로 조직 전략과의 연계 관점에서 Prahalad & Hamel(1990)은 조직이 지속적인 경쟁 우위를 확보하기 위해 핵심 역량의 식별과 육성이 필요함을 주장하였다. 선행연구에서 논의된 역량의 개념을 바탕으로, 본 연구는 기술의 습득 및 지식의 전달을 중심으로 하는 전통적 역량의 개념을 사회적 이해력과 맥락적 이해를 포괄하는 역량의 통합적 체계로 정의한다.

생성형 AI 기술과의 협업이 확산되고 있는 환경에서 UX 디자이너가 갖추어야 할 역량은 기술적 숙련이나 기능 이해에 머물러서는 안 된다. 이는 UX의 본질을 해석하고 AI의 제안을 비판적으로 수용하며, 나아가 인간-AI 협업 간에 창의적 의사결정을 가능하게 하는 능력으로 인식되어야 한다. 특히 UX 디자이너는 AI와의 상호작용을 통해 얻는 디자인 결과물을 사용자 맥락과 연결하고, 그 의미를 재구성할 수 있는 ‘해석자인 동시에 조율자’의 역할을 수행해야 한다. 본 연구에서 논의한 역량 개념은 기술의 지능화가 심화되는 오늘날에도 인간 디자이너 고유의 해석 능력과 가치 판단 능력이 중요하다는 점을 반영한다. 이는 UX 디자이너가 AI 기술과 인간 경험의 경계에서 의미 있는 연결 고리를 형성하는 존재라는 점을 강조하기 위한 핵심 조건으로 작용한다. 종합하면, 본 연구는 생성형 AI 시대에 적합한 UX 디자이너의 역량 체계를 새롭게 모색하고자 한다. 이러한 개념적 논의는 이후 제시되는 핵심 역량 모델의 근거로서 기능할 것이다.

2. 3. UX 디자이너의 역량 및 역량 모델

2. 3. 1. UX 디자이너의 역량

UX는 기업이나 브랜드의 제품 및 서비스를 사용하는 과정에서 사용자가 느끼는 총체적 경험을 의미한다(Fanfarelli et al., 2018). UX 디자인은 UX를 개선하기 위해 사용자의 요구를 이해하고 문제를 해결하여 만족스러운 UX를 제공하기 위한 과정이다. 따라서 UX 디자이너는 UI 설계에 국한되지 않고 사용자, 제품, 환경을 깊이 이해하며 사용자-UI 상호작용 과정에서 나타나는 인식과 반응을 포함한 전반적 설계 과정을 최적화하는 역량을 보유해야 한다. 이는 UX 디자이너를 다른 디자인 분야와 차별하는 핵심 요소이다.

UX 디자이너의 역량은 Psomas(2007)에 의해 처음으로 제시되었다. 그는 정보 구조화, 인터랙션 디자인, 사용성, 시각 디자인, 프로토타이핑의 다섯 가지 핵심 역량을 제시하며, UX 디자이너의 기술적 전문 역량을 강조하였다. 그리고 Steel(2009)은 UX 역량을 핵심 UX 기술 역량, 기업 비즈니스 역량, 기초 역량으로 구조화하고, Pan(2012)은 UX 디자인 과정을 이해하기, 디자인하기, 관리하기의 사고 흐름에 따라 통합적으로 사고하는 능력을 제시하였다. Rose et al.(2020)의 연구에서는 UX 디자이너의 역량을 기술적 역량뿐만 아니라 인간적 감성과 태도로 확장하여 해석하였다. 또한, Kwak et al.(2021)은 구인 광고 분석을 통해 UX 디자이너의 역량을 활용 영역, 기술 및 지식 역량, 태도 역량으로 구분하였으며, UX 디자이너가 다양한 산업 분야에서 실질적으로 활동할 수 있는 직무 수행 확장성을 반영하였다. 선행연구를 종합하여 정리하면 UX 디자이너의 주요 역량 요소는 Table 1과 같다.

Table 1

Competencies of UX Designers

선행연구를 종합하면 초기의 UX 디자이너 역량은 기술적 측면을 중심으로 논의되었으나, 이후 기업 환경을 기반으로 기술적 역량과 인간적 역량의 균형을 요구하는 관점으로 진화하였다. 이러한 논의를 바탕으로 본 연구에서는 UX 디자이너의 역량이란 사용자 중심 설계를 기반으로 기술적 전문성과 인간적 역량을 균형 있게 발휘하며, 환경 및 기술을 활용해 최적의 사용자 경험을 제공할 수 있는 역량으로 정의한다.

2. 4. 디자이너의 AI 역량

AI 역량(AI Competency)은 AI를 효과적으로 활용하고 가치를 창출하는 능력을 의미한다(Prahalad, 1993). AI의 확산 에 따라 AI 역량과 AI 리터러시가 모두 중요한 개념으로 강조되고 있다. 그러나 두 개념은 경계가 명확하게 구분되기보다는 서로 교차하는 양상으로 논의되고 있다. 예를 들어 디자이너가 갖추어야 할 AI 리터러시의 체계를 탐색한 Liu et al.(2023)과 Schauer & Simbeck(2024)의 연구는 Table 2와 같이 정리할 수 있다. 연구 결과를 종합하면, 디자이너의 AI 리터러시는 AI 도구에 대한 기술적 이해뿐만 아니라 알고리즘 기반으로 생성된 창의적인 디자인 결과물을 자신의 디자인 언어로 해석하고 실무에 적용할 수 있는 전문성을 의미한다.

Table 2

Designers’ AI Literacy

AI 역량은 AI 기술을 활용하여 가치를 창출하는 실행능력을 중심으로 개념화되면서, 데이터 리터러시와 윤리적 판단, 사용자 이해 등을 포함하는 리터러시 차원에서 논의되어 온 요소들이 함께 다루어지는 경향을 나타내고 있다. 따라서 AI 리터러시는 AI를 이해하고 비판적으로 수용하는 능력을 의미하며(Cetindamar et al., 2022; Chiu et al., 2024; Konishi, 2015; Li, 2024; Long & Magerko, 2020; Ng et al., 2021; Yi, 2021), AI 역량은 구체적 맥락에서의 실행과 성과 전환 능력에 상대적으로 초점을 두고 있으나, 두 개념은 상호 전제되며 서로를 강화하는 유사한 개념으로 이해하는 것이 타당하다.

디자인 실무에서는 AI 역량이란 AI 기술을 활용하여 데이터를 창의적으로 해석하고, 이를 시각적, 경험적으로 다시 구성하는 개념으로 정의되고 있다(Table 3). 이는 AI 리터러시의 측면에서 기술적 이해와 비판적 사고 및 수용, 그리고 현실 문제의 해결을 가능하게 하는 종합적 능력으로 이해될 수 있다. 이러한 관점에서 디자이너의 AI 역량은 디자인 영역이 지니는 고유한 문제 정의 방식과 사용자 환경, 그리고 UX 중심 사고가 반영된 특수한 구현 형태이다.

Table 3

AI Competencies Required in the Design Field

3. 1. 역량 요소의 구조화

생성형 AI는 UX 디자이너의 디자인적 사고와 문제해결을 위한 접근 방식에 영향을 미친다. 전통적으로 인간 디자이너에게 요구되었던 역량이 대부분 디자인 기술의 습득으로 이루어졌다면, 오늘날에는 사용자와 환경을 함께 고려하는 맥락적 이해와 함께 AI 도구와의 상호작용, 그리고 AI 기술의 수용에 대한 태도와 가치 판단으로 역량의 개념이 확장되고 있다.

구체적으로 Sandberg(2000)와 Deist & Winterton(2005)이 강조한 맥락 이해 능력은 AI 기술의 기능을 그대로 수용하지 않고 사용자의 상황과 환경을 정확하게 해석하고 적용해야 하는 UX 디자이너의 실천과 맞닿아 있다. 이와 함께 UX 디자인에 관한 다수의 문헌은 기술의 도입과 사용자 중심 사고 간의 균형을 강조하고 있다. Pan(2012)과 Rose et al.(2020)에 따르면, UX를 성공적으로 설계하기 위해서는 기술과 인간의 경계에서 작동하는 의사소통 역량이 중요하다. 특히 이들 연구에서 논의되고 있는 의사소통 역량은 생성형 AI 도구와의 창의적인 상호작용 및 협업적인 관계 설정과 연결된다. 이는 생성형 AI가 제안하는 디자인 결과물이 디자이너의 의도와 사용자 요구에 적합한지 판단하고 조율하는 실행능력과 연결된다. 또한, 최근 연구에서 논의되는 AI 리터러시와 윤리적 책임은 지식이나 기능 중심의 역량에서 벗어나 동기와 태도, 그리고 정체성이라는 내면적 요소까지 포함하는 능력을 강조하고 있다. Schauer & Simbeck(2024)과 Liu et al.(2023)은 디자이너가 AI 도구의 작동 원리를 이해하는 것만큼, AI가 만들어낸 결과물에 대해 비판적으로 사고하고 성찰할 수 있는 역량이 중요하다고 지적하였다. 이는 AI를 통해 생성된 디자인 결과물에 대한 신뢰의 판단이라는 영역까지 아우르는 것으로 해석할 수 있다.

이를 종합하여 본 연구는 생성형 AI 환경에서 UX 디자이너 역량을 분석하기 위한 기준으로 Lew & Schumacher(2020)가 제시한 ‘AI-UX 원칙’의 시각적 구조를 기반으로 분석하였다. 이 구조는 맥락-상호작용-신뢰가 상호의존적으로 결합되었으며, 구체적으로 사용자 및 기술 환경을 파악하는 맥락적인 이해 능력, AI 도구와의 전략적이고 창의적인 상호작용 능력, 그리고 기술과 사용자 간에 형성되는 신뢰를 의미한다. 이는 기술을 기반으로 하는 기존의 역량 모델이 다루지 않는 인간-AI 협력을 반영하는 새로운 패러다임이며, 동시에 UX 디자이너가 AI 환경 속에서도 사용자 중심의 가치를 유지하기 위한 실천적인 기반으로 기능할 것으로 판단한다.

Figure 1

AI-UX Principles to Consider When Designing AI Products and Services (Lew & Schumacher, 2020, reprinted)

3. 2. 역량 요소 도출 및 정제

본 연구는 전자 데이터베이스(data base; DB)를 활용하여 국내 및 국외 문헌의 검색을 수행하였다. 구체적으로 학술연구정보서비스(RISS)와 사이언스온(ScienceON), 한국학술지인용색인(KCI), 누리미디어(Dbpia), 구글 스칼라(Google Scholar) 등을 주요 검색원으로 활용하였다. 이들 전자 DB에 접속하여 ((“디자이너” OR “UX 디자이너” OR “설계자”) AND (“인공지능” OR “AI” OR “4차 산업혁명”) AND (“역량” OR “리터러시” OR “전문가 능력” OR “전문가 역량” OR “역량 모형” OR “AI 역량”))의 주제어를 기반으로 검색을 수행하였다. 검색을 수행하여 얻은 문헌들의 초록과 전문을 검토하여 본 연구의 맥락과 목적에 부합되지 않는다고 판단되는 문헌을 제외하여 총 50편의 문헌을 선정하였다. 그리고 이들 문헌에서 관찰되고 있는 UX 디자이너의 역량 요소로 판단되는 248개의 역량 요소 후보군을 선별하였다. 역량 요소 후보군의 선정 과정에서 발생할 수 있는 편향을 최소화하기 위해 연구자와 추가 1인이 교차 검증을 수행하였다. 선정한 248개의 역량 요소 후보군을 개방 코딩과 동료평가, 그리고 축 코딩을 수행하여 체계화하였다. 이에 관한 구체적인 과정은 다음과 같다.

첫째, 개방코딩 단계에서는 서로 유사한 의미를 가지는 역량 요소를 하위 역량으로 범주화하였다. 이를 통해 ‘기술 이해’, ‘사용자 경험 최적화’, ‘데이터 활용 능력’, ‘AI 도구 숙련도’를 포함하여 총 22개의 하위 역량으로 범주화하였다.

둘째, UX 디자인 영역에서 최소 5년 이상의 실무 경험을 가지는 전문가 2명이 동료평가를 수행하였다. 동료평가의 목적은 도출된 22개의 하위역량 및 248개의 역량 요소 후보군 중에서 의미가 모호하거나 서로 유사한 의미를 가지는 하위역량과 역량 요소 후보군을 식별하기 위함이다. 동료평가를 통하여 2개의 하위역량과 111개의 역량 요소 후보군을 제거하였다. 구체적으로 기술 이해 역량은 포괄적인 의미를 가지는 단일 항목으로 구성되어 있었으나, 기술 구조와 적응 능력으로 구분해야 한다는 지적이 제기되었다. 데이터 활용 능력은 데이터 분석 능력과 데이터 시각화 능력으로 구분하여 데이터 활용의 범위를 축소하였다. UX 디자이너가 데이터를 해석하는 능력과 시각화하는 역량이 서로 구분되어야 한다는 의견이 대부분이었기 때문이다. 사용자 경험 최적화가 가지는 의미가 다소 추상적이라는 의견을 반영하여 사용자 경험 설계 최적화, AI 기반 개인화, 사용자 피드백 수용으로 분류되었다.

셋째, UX 디자이너의 생성형 AI 활용 역량 요소에 관하여 본 연구가 제안한 맥락, 상호작용, 신뢰를 포함하는 3가지 형태의 상위역량을 기준으로 축 코딩을 수행하여 하위역량과 역량 요소를 식별하였다. 축 코딩을 수행한 결과, 상위역량인 맥락은 머신러닝 기초, 알고리즘 이해 등 7개의 하위역량과 37개의 역량 요소를 포함하는 것으로 식별되었다. 그리고 상호작용 역량은 AI 도구 숙련도, AI와의 창의적 협업 등 9개의 하위역량과 73개의 역량 요소를 포함하는 것으로 나타났다. 이와 함께, 신뢰 역량은 예술적 감각, 사용자 피드백 수용, 지속적 학습, 자기 성찰이라는 4개의 하위역량과 함께 27개의 역량 요소를 가지는 것으로 식별하였다.

Table 4

Competency Elements and Concepts for UX Designers in Generative Al Utilization

역량에 관한 개념의 진화와 이에 대한 논의는 3가지 상위역량인 맥락-상호작용-신뢰의 구조 형성에 영향을 미치는 것으로 해석할 수 있다. 먼저, White(1959)와 McClelland(1973)의 논의에서 출발한 역량의 개념은 환경과 상호작용하는 능력으로서 ‘맥락적 이해’의 중요성을 강조한다. 특히 Sandberg(2000)와 Deist & Winterton(2005)이 제시한 맥락을 기반으로 하는 능력의 형성이라는 역량의 관점은 ‘사용자 이해’, ‘기술 트렌드 파악’, ‘AI 기반 개인화’라는 역량 요소로 전이된 것으로 나타났다. 이와 함께 UX 디자이너가 가지는 고유한 직무의 특성과 디자인 과정에서 요구되는 상호작용 능력에 대한 선행연구에서의 논의는 상호작용 영역의 하위 역량들과 맥락을 함께 한다. Pan(2012)과 Rose et al.(2020)이 제안한 디자인 과정에서의 의사소통과 협업의 중요성은 ‘AI와의 창의적 협업’, ‘UX 프로젝트 관리’, ‘AI 프롬프트 활용’ 등의 하위역량으로 구조화되었다. 또한, Liu et al.(2023)과 Oppenlaender(2024)의 연구에서 다루어진 프롬프트 엔지니어링 및 AI 도구의 활용 전략은 ‘AI 기반 아이디어 생성’, ‘AI 도구 숙련도’라는 구체적인 하위 역량으로 드러나고 있다. 마지막으로 디자이너의 AI 수용과 비판적 판단 역량에 대한 논의는 역량의 상위 영역인 신뢰와 밀접히 연결된다. Schauer & Simbeck(2024), Liu et al.(2023), 그리고 Long & Magerko(2020)의 연구는 AI 도구의 결과를 무비판적으로 수용하기보다 이를 재해석하고 정서적 맥락에서 평가하며 윤리적 책임과 학습의 관점에서 접근해야 함을 강조하고 있다. 이는 ‘지속적 학습’, ‘자기 성찰’, ‘사용자 피드백 수용’이라는 하위역량으로 구체화되었다.

4. 1. 연구 설계 및 과정

본 연구에서는 선행연구를 통해 도출한 ‘생성형 AI 활용을 위한 UX 디자이너의 역량 요소’의 실무 적용 가능성을 확인하고, 핵심 역량을 도출하기 위해 사용자 조사를 실시하였다. 특히 사용자 여정 지도 설계 과정을 중심으로 생성형 AI 도구 활용 맥락을 실증적으로 관찰하였다. 사용자 여정 지도는 제품이나 서비스의 UX을 구조적으로 분석하고 체계적으로 개선하는 데 중요한 역할을 수행한다(김은정 & 정의철, 2015).

사용자 여정 지도는 UX 디자인의 핵심적인 실천 도구 중 하나이며, 문제 인식과 정보의 구조화, 사용자의 감정 흐름의 해석, 페인포인트 식별 등의 활동이 요구되는 과정이다. 이는 UX 디자이너가 갖추어야 할 사용자에 대한 공감력과 기술에 대한 이해, AI 결과 해석 및 응용력, 그리고 디자인적인 판단을 종합적으로 발휘하여 현실의 상황을 시뮬레이션할 수 있는 이상적인 도구로 기능한다. 따라서 본 연구가 사용자 여정 지도라는 구체적인 과업을 중심으로 연구 참여자로부터 생성형 AI 활용 역량을 관찰하고 분석하였다. 이는 UX 디자인의 실천을 대표할 수 있는 과업을 매개로 하여, 핵심 역량이 구체적으로 어떻게 나타나는지를 면밀하게 조망하고자 하는 전략적 선택이다.

조사는 2025년 4월 25일부터 5월 2일까지 총 8일간 진행되었으며, UX 실무 경험이 있는 6명을 대상으로 도구 사용 관찰 및 심층 인터뷰를 병행하였다. 참여자는 UX 분야 경력 1년 이상 9년 이하의 현업 종사자로 실제 프로젝트 수행 경험이 있으며, 사용자 여정 지도 설계에 대한 기본적인 이해와 실행 경험을 갖춘 자로 한정하였다. 또한, 생성형 AI 도구 중 ChatGPT를 사용 경험을 필수 조건으로 설정하였다. 사용자 조사에 참여한 패널 구성은 Table 5에 제시하였다.

Table 5

Participant Data

참여자들에게는 페르소나 ‘이영희’씨가 이동 모빌리티 서비스 ‘카카오T’ 앱을 사용하여 병원을 방문하는 시나리오를 기반으로 여정 지도를 제작하도록 하였다(Table 6). 연구자는 과업 수행 과정에서 참여자가 생성형 AI 도구와 상호작용을 하는 일련의 과정을 관찰하고 도구 활용 방식과 전략을 중심으로 행동 데이터를 수집하였다. 관찰 조사 종료 후에는 과업 회고, 도구 활용 경험, AI 도구 인식, 역량에 관한 심층 인터뷰를 진행하였다.

Table 6

Observation Survey Questions

4. 2. 분석 및 결과

본 연구에서는 사용자 조사로부터 수집한 발화 및 행동 데이터를 다음 절차에 따라 분석하였다. 먼저, 사용자 조사 전 과정 녹화본을 반복 청취하여 발화자 구분 및 시간 정보를 포함한 전사 작업을 수행하였다. 이후, 전사본을 기반으로 연구 질문과 직접적으로 관련된 발화 구간, 핵심 의미 단위를 선별하고, 범주화하여 UX 역량과의 연관성을 정리하였다. 도출된 범주는 문헌 고찰을 통해 구성한 역량 요소 초안과 교차 분석하여 선행연구와 사용자 조사에서 공통으로 나타난 항목을 최종 역량 구성 요소로 선정하였다. Table 7은 생성형 AI 도구 활용 과정에서 나타난 조사 참여자의 행동 및 발화를 중심으로 각 역량의 발현 여부를 교차 비교한 결과이다. 사용자 조사 과정을 통해 생성형 AI 활용 맥락에서 반복적으로 확인되는 핵심 역량 요소 및 개념은 Table 8에 제시하였다.

Table 7

Cross-comparison of UX Designer Competencies in Generative Al Utilization Context

Table 8

Purified Competency Elements and Concepts for UX Designers in Generative AI Utilization

5. 1. 연구 설계 및 과정

본 연구에서는 사용자 조사를 통해 도출된 생성형 AI 활용을 위한 UX 디자이너의 핵심 역량에 대한 타당도를 검증하기 위해 델파이 기법(Delphi Technique)을 수행하였다. 델파이 기법은 전문가의 의견을 체계적으로 수렴하고 종합하여 합의에 도달하는 구조화된 연구 방법으로(Linstone & Turoff, 1975), 빠르게 변화하는 기술 환경에서 예측 가능성을 높이는 데 유용한 타당도 평가 방법론 중의 하나이다(Rowe & Wright, 1999). 선행연구에 따르면 패널 규모는 연구 목적, 참여자 특성, 맥락에 따라 최소 4명에서 최대 171명까지 다양하게 구성될 수 있다(Skulmoski et al., 2007). 본 연구에서는 전문 분야와 실무 경력을 종합적으로 고려하여 총 9명의 전문가를 패널로 선정하였다(Table 9).

Table 9

Participant Data

조사는 다음의 과정을 거쳐 델파이를 수행하였다. 첫째, 전문가 9인을 대상으로 2025년 5월 9일부터 5월 14일까지 구글 폼 설문을 사용하여 1차 델파이 조사를 실시하였다. 사용자 조사를 통해 도출한 하위역량의 적절성을 리커트 5점 척도로 평가하였으며, 결과를 바탕으로 항목별 평균, 표준편차, 내용타당도(CVR)를 산출하였다.

둘째, 1차 조사 결과를 반영하여 합의 수준을 재검증하기 위해 2025년 5월 14일부터 5월 20일까지 동일한 방식으로 2차 델파이를 수행하였다. 1차 평가 결과 및 수정된 역량 개념을 동일한 척도로 적절성을 재평가하였으며, 항목별 평균, 표준편차, 내용타당도를 재산출하였다.

5. 2. 1차 델파이 조사 결과

1차 델파이 조사 결과, 내용타당도는 Lawshe(1975)가 제시한 최소 만족 기준 0.78을 충족하였으며, 전체 13개 역량 항목 중 11개가 포함되었다. 선정된 역량 요소는 사용자 이해, AI 도구 숙련도, AI와의 창의적 협업, 디자인 혁신 능력, AI 기반 아이디어 생성. 사용자 경험 최적화, 의사소통 능력, AI 프롬프트 활용 능력, 사용자 피드백 수용, 자기 성찰 능력이다. 특히, AI와의 창의적 협업, AI 기반 아이디어 생성, AI 프롬프트 활용 능력, 자기 성찰 능력은 1.00으로, 전문가 전원이 해당 역량의 적합성을 인정한 것으로 나타났다(Table 10).

Table 10

Results of the 1st Delphi survey

한편, 일부 전문가들은 역량 항목 간 개념 정의의 명확성 부족과 레벨 설정의 일관성 부족을 지적하였다. 이에 따라 본 연구에서는 각 항목의 개념적 중복과 모호성을 최소화하고, 역량 수준의 구분이 명확하게 드러날 수 있도록 개념을 보완하여 2차 델파이 조사를 실시하였다.

5. 3. 2차 델파이 조사 결과

2차 델파이 조사는 1차 델파이 결과에서 수정한 역량 항목과 CVR 임계치 이하 항목을 모두 포함하여 실시하였다. 이는 델파이 기법의 반복, 수렴 특성을 반영하여 전문가 패널이 집단 피드백을 참조하여 재평가 기회를 가짐으로써 최종 합의 수준을 높이기 위함이다. 2차 델파이 조사 결과 평균값은 4.23으로 1차 조사 대비 높게 나타났으며, 모든 항목의 내용 타당도(CVR)가 0.78 이상을 충족하였다. 또한 안정도를 나타내는 변이계수(CV)는 모든 구성요소에서 0.11~0.33으로 기준치 0.5 이하를 충분히 만족하였다. 이는 높은 의견 일치를 보이며, 추가 설문이 필요하지 않음을 의미한다(Table 11).

Table 11

Results of the 2nd Delphi survey

7. 1. 연구의 결론 및 의의

본 연구의 목적은 생성형 AI의 발전이 UX 디자인에 미치는 변화를 배경으로, 생성형 AI 도구를 효과적으로 활용하기 위한 UX 디자이너의 핵심 역량을 도출하고 그 타당성을 검증하는 데 있다.

이를 위해 본 연구는 UX 디자인의 개념과 발전 과정을 기반으로, 생성형 AI가 UX 디자인 프로세스 통합되는 양상을 탐색하였다. 또한, 문헌 분석을 통해 생성형 AI 환경에서 요구되는 역량 요소를 체계적으로 도출하였다. 그리고 해당 요소를 기반으로 UX 디자이너가 생성형 AI 도구를 활용하여 사용자 여정 지도를 설계하는 과정을 관찰하고 실무 적용 가능성을 심층적으로 분석하였다. 또한, UX 분야 전문가를 대상으로 두 차례의 델파이 연구를 실시하여 UX 디자이너의 생성형 AI 활용을 위한 핵심 역량 요소의 타당도를 평가하였다.

본 연구 결과의 의의와 차별성은 생성형 AI 도입이 UX 디자인 패러다임에 가져온 구조적 변화를 규명하고, 이에 대응하기 위한 핵심 역량을 실무적인 맥락과 학술적인 근거를 모두 고려하여 체계적으로 도출하였다는 점이다. 기존 연구들은 주로 전통적 디자인 UX 역량이나 AI 도입에 따른 부분적인 변화에 초점을 맞추거나, 기술 숙련도와 도구 활용 능력에 국한되어 논의되었다. 그러나 본 연구는 실무 경험이 있는 UX 디자이너의 사용자 여정 지도 설계 과정을 질적으로 심층 관찰하고, 이를 기반으로 도출된 역량 요소의 타당성을 델파이 기법으로 전문가 합의를 통해 검증함으로써 기존 연구와 차별화된 통합적 접근을 구현하였다.

또한 본 연구는 생성형 AI 활용 맥락에서 ‘맥락’, ‘상호작용’, ‘신뢰’라는 3개의 상위역량과 13개의 하위역량을 도출하였다. 이를 통해 인간 중심 해석력, 창의적 협업, 지속적 학습 등 인간 고유의 가치를 반영한 확장된 역량 모델을 제시하였다. 기존의 역량 모델이 사용자 중심 사고, 기술 전문성, 협업 능력 등 전통적인 요소에 머물렀던 것과 달리, 본 연구는 생성형 AI 협업 과정에서 요구되는 비판적 수용, 맥락적 해석, 자기 성찰을 포함한 확장된 역량 체계를 구체적으로 제시하였다.

더 나아가, 본 연구는 UX 실무자와 전문가 집단을 대상으로 질적 관찰, 심층 인터뷰, 델파이 기법 방법론을 적용하였다. 이를 통해 이론과 실무 현장 간의 괴리를 해소하고, 실무 적용이 가능한 역량 모델을 구축하였다. 기존 생성형 AI와 관련한 UX 연구는 주로 기술 도입의 효과, 자동화 및 효율성, UX의 변화에 초점을 맞추었으나, 본 연구는 생성형 AI가 UX 디자이너의 역할과 정체성, 그리고 필요 역량의 본질적 변화를 규명하였다. 이를 통해 기술 중심 논의의 한계를 극복하고 감성적 통찰과 윤리적 판단, 맥락적 해석, 사용자 중심의 비판적 사고가 생성형 AI 환경에서 어떻게 유지되고 강화되어야 하는지 구체적으로 논의하였다.

마지막으로 본 연구는 생성형 AI 시대에 요구되는 UX 디자이너의 핵심 역량을 기반으로 교육 커리큘럼 개편, 인재 양성, 실무 적용을 위한 평가 지표 개발 등 다양한 실천적 방안의 토대를 제공한다는 점에서 의의가 크다. 이는 기존 연구가 역량 모델의 제시에 그쳤던 한계를 넘어 산업 현장과 교육 현장에서 적용 가능한 모델을 제시함으로써 학문적 기여와 실무적 활용 가능성을 동시에 확보한 것이다. 나아가 생성형 AI와 디자이너의 협업이 단순한 역할 분담뿐만 아니라, 상호보완적이며 창의적인 파트너십을 통해 새로운 UX 디자인 가능성을 확장하는 방향으로 진화하고 있음을 보여주었다.

7. 2. 연구의 한계 및 제언

본 연구의 경우 사용자 여정 지도 설계 과정에 초점을 맞추어 사용자 조사를 수행하였다. 이는 생성형 AI가 UX 설계 과정에서 어떠한 역할을 제공하는지 구체적으로 분석하기 위한 전략이었으나, UX 디자인 전체 프로세스에서 요구되는 역량을 포괄적으로 분석하기에는 한계가 있다. 생성형 AI는 리서치, 데이터 분석, 프로토타입 제작 등 다양한 단계에서 활용될 수 있으므로, 향후 연구에서는 단계별 역량 요소를 세분화하고 상호 연계성을 고찰할 필요가 있다.

또한, 본 연구는 UX 디자이너의 생성형 AI 활용 핵심 역량을 도출하고 전문가 델파이를 통해 타당성을 검증하였다. 그러나 실무 디자이너가 해당 역량을 체계적으로 학습하고 강화할 수 있는 교육 및 훈련 프로그램을 설계하거나 그 효과를 검증하지 못하였다. 따라서 향후 연구에서는 역량 기반 커리큘럼을 개발하고, 학습 성과를 실증적으로 평가하여 실무 활용 가능성을 높이는 노력이 필요하다.