ChatGPT를 내 취향대로: 나에게 딱 맞게 바꾸는 방법

HCI 관점에서 읽을 만한 이유

이 글은 AI를 단순한 성능 경쟁이 아니라, 사람이 어떻게 믿고, 언제 개입하고, 어떤 순간에 불안해하는지까지 포함한 인터랙션 문제로 볼 수 있게 해줍니다. 특히 실제 제품에서는 ‘정답률’보다 ‘상태가 얼마나 잘 보이는지’, ‘실패했을 때 사용자가 바로 수습할 수 있는지’가 더 중요해지는데요. HCI/UX 실무자와 연구자에게는 안전이 중요한 AI 서비스의 설계 기준을 다시 점검하게 만드는 의미가 있습니다.

CIT의 코멘트

AI 에이전트나 자동화 기능은 마치 운전 보조장치와 비슷해서, 잘 돌아갈 때보다 애매하게 틀릴 때가 더 중요합니다. 그래서 모델이 똑똑한지보다, 지금 무엇을 하고 있는지 보여 주는지, 사용자가 언제 끼어들 수 있는지, 실패했을 때 복구 경로가 있는지가 핵심인데요. 논문에서는 깔끔한 프레임워크로 보이더라도 제품에 넣는 순간 화면 복잡도와 신뢰 문제라는 trade-off가 생깁니다. 반대로 현업에서 자주 쓰이는 ‘LLM으로 UX 측정 보조하기’ 같은 접근은, 측정의 편의성을 높이면서도 기준의 일관성과 편향을 어떻게 지킬지라는 연구 질문으로 이어질 수 있습니다. 한국의 모바일·소셜 환경에서는 빠른 사용 흐름이 선호되기 때문에, 글로벌 사례보다 더 짧고 명확한 개입 경로가 필요할 가능성도 큽니다.

원문을 읽으면서 던질만한 질문

• Q.AI 에이전트가 현재 상태를 더 잘 드러내도록 하려면, 어떤 최소한의 인터페이스 요소가 꼭 필요할까요?
• Q.LLM을 활용해 UX 측정 도구를 만들 때, 자동화의 편의성과 연구 엄밀성을 동시에 지키는 방법은 무엇일까요?
• Q.한국의 모바일 서비스 환경에서는 글로벌 HCI 패턴보다 어떤 개입 방식이나 실패 복구 방식이 더 잘 맞을까요?